Con el gran avance tecnol´ogico los procesos se han vuelto cada vez m´as complejos, por lo cual su monitoreo es bastante importante para mejorar su desempen˜o, eficiencia y asegurar la calidad del producto terminado. Es entonces, que el an´alisis y diagn´ostico de fallas puede ayudar a evitar p´erdidas de producci´on y accidentes, que ponen en riesgo la salud y vida de los operadores y dan˜o al equipo. Basado en estos hechos y considerando que los modernos sistemas de manufactura industrial, son sistemas de gran escala y que de ellos se pueden extraer una gran cantidad de datos, se propone una metodolog´ıa de monitoreo y diagn´ostico de fallas que emplea solamente datos hist´oricos del proceso y utiliza t´ecnicas de Inteligencia Artificial. La propuesta est´a compuesta por dos fases, en la primera fase se emplea una red neuronal autoasociativa para llevar a cabo el proceso de detecci´on. Luego una segunda fase hace uso de un sistema adaptable neuro-difuso para dar el diagn´ostico final del sistema monitoreado. La metodolog´ıa propuesta se evalu´o con un caso real. Los resultados obtenidos son prometedores en el campo de la detecci´on y diagn´ostico de fallas.