Los motores eléctricos de inducción son una de las clases de máquinas más importantes y utilizadas en la industria moderna. Los motores grandes, que suelen ser críticos para los procesos, generalmente tienen sistemas de monitoreo de condiciones integrados para facilitar el mantenimiento preventivo y la detección de fallas. Tales capacidades generalmente no son rentables para motores pequeños (de menos de diez caballos de fuerza), ya que son económicos de reemplazar. Sin embargo, los grandes sitios industriales pueden utilizar cientos de estos motores pequeños, a menudo para accionar ventiladores de enfriamiento o bombas de lubricación para máquinas más grandes. Varios motores pequeños pueden asignarse además a un solo circuito eléctrico, lo que significa que una falla en uno podría dañar a otros motores en ese circuito. Por lo tanto, existe una necesidad de monitoreo de condiciones de agregaciones de motores pequeños. Informamos sobre un proyecto en curso para desarrollar una solución basada en aprendizaje automático para la detección de fallas en múltiples motores eléctricos pequeños. Se investigan y comparan enfoques de aprendizaje superficial y profundo para este problema, siendo un sistema híbrido de aprendizaje profundo/superficial el más efectivo.