La salida de energía del panel fotovoltaico (PV) depende de muchos factores. Dado que se están convirtiendo en la principal fuente de energía alternativa, es esencial sacarles el máximo provecho. Aunque el factor principal para maximizar la producción de energía es proporcional a la cantidad de radiación solar que alcanza la superficie del panel fotovoltaico, otros factores, como la temperatura y la sombra, los influencian negativamente. Además, al estar instalados en un entorno dinámico y a menudo adverso, se generan una serie de razones para fallos, defectos y operaciones irregulares. Cualquier operación irregular debe ser reconocida y clasificada en fallos que requieren atención y, por lo tanto, mantenimiento, o como una operación regular debido a cambios en algunos factores circundantes, como la temperatura o la radiación solar. Además, en caso de fallos, sería útil identificar la fuente y la causa del problema. Por lo tanto, este estudio presentó una metodología novedosa que modeló un sistema fotovoltaico en una jerarquía tipo árbol, lo que permitió el uso de una red autoregresiva no lineal difusa con entradas exógenas (NARX) para detectar y clasificar fallos en un sistema fotovoltaico con granularidad personalizable. Además, la metodología utilizada permitió la identificación de la fuente exacta del(los) fallo(s) de manera totalmente automatizada. El estudio se realizó en una serie de ocho paneles fotovoltaicos; sin embargo, el artículo discutió el uso del algoritmo en un sistema fotovoltaico más extenso. El algoritmo difuso NARX utilizado en este estudio fue capaz de clasificar los fallos que aparecieron en hasta cinco de los ocho paneles fotovoltaicos e identificar los paneles fotovoltaicos defectuosos con alta precisión. El hardware utilizado podría ser controlado y monitoreado a través de una conexión Wi-Fi, lo que agregó soporte para aplicaciones de Internet de las Cosas.