La creciente complejidad de los sistemas industriales ha fomentado el surgimiento de nuevas técnicas de análisis de datos para apoyar a los procesos de toma de decisiones. Concretamente, los modelos basados en redes neuronales profundas constituyen una alternativa promisoria para diversas aplicaciones de detección, clasificación y predicción de defectos o fallas que abarca aplicaciones desde el control de calidad de los productos, identificación de defectos en los procesos en una línea de producción hasta predicción de fallas de los equipos tecnológicos. Sin embargo, el éxito de dichos modelos depende sensiblemente de la elección de sus hiper-parámetros para lo cual se requiere de un exhaustivo proceso de configuración que, hoy en día, demanda un alto grado de conocimiento experto. En este contexto, el presente trabajo propone un Sistema Inteligente basado en redes neuronales profundas, dotado con un sistema de auto-ajuste de sus hiper-parámetros, para la detección de defectos y fallas. Dicho sistema integra un algoritmo de Optimización Bayesiana para encontrar la combinación óptima de los hiperparámetros que permita alcanzar el mejor desempeño posible del sistema. El sistema inteligente propuesto se prueba en dos casos de estudio de diferente naturaleza y los resultados alcanzado demuestran la efectividad de la propuesta.