Este trabalho tem como objetivo desenvolver uma metodologia para classificação de máquinas rotativas com base em modelos baseados em instância. O desenvolvimento baseou-se em dados coletados utilizando uma bancada de testes que simulou quatro condições de operação. Primeiramente, foram escolhidos dois modelos, regressão linear e o K-Nearest Neighbours (KNN), para realizar a aplicação ao estudo de caso, onde a regressão linear foi escolhida para avaliar a dificuldade do problema. Além disso, o método de extração de características utilizado foi a análise de componentes principais (PCA). Após a escolha dos modelos foi utilizado um método de otimização de hiperparâmetros, com validação cruzada (GridSearchCV). Além disso, considerou-se diferentes porcentagens de variância explicadas para a escolha do número de componentes principais. Em um segundo momento, através dos resultados de otimização, realizou-se a comparação do modelo linear e KNN com os resultados da literatura. Por fim, obteve-se um novo modelo KNN otimizado e, utilizando métricas como, matriz de confusão e acurácia, seu desempenho resultante foi competitivo, considerando a eficiência e baixa complexidade. Os resultados demonstram que o KNN foi capaz de melhorar a acurácia em 68 porcento quando comparado ao modelo linear.