El mejoramiento de las ciencias de la información promueve la utilización de datos para el monitoreo de procesos. Como núcleo de la automatización moderna, las señales con marca de tiempo se utilizan para estimar el estado del sistema y construir el modelo basado en datos. Muchos estudios recientes afirman que la efectividad de los métodos basados en datos depende en gran medida de la calidad de los datos. Teniendo en cuenta la complejidad del entorno operativo, los datos del proceso se verán inevitablemente afectados. Esto plantea grandes desafíos para estimar fallas a partir de datos y proporcionar estrategias viables para los sistemas eléctricos de la industria. Este documento aborda el problema de datos faltantes comúnmente en sistemas de tracción mediante el diseño de un método de generación de datos basado en la posterior de martingala para el modelo de espacio de estados. Luego, se propone un enfoque basado en datos para la detección y estimación de fallas a través de la técnica de identificación de subespacios. Es un esquema general que utiliza el marco bayesiano, en el cual el proceso de Dirichlet juega un papel crucial. El método basado en datos se aplica a una plataforma de motor de tracción a escala piloto. Los resultados experimentales muestran que el método tiene un buen rendimiento de estimación.