La creciente electrificación e integración de controles avanzados en los diseños de aeronaves modernas ha aumentado significativamente el número y la complejidad de las placas de circuito impreso (PCBs) instaladas, planteando nuevos desafíos para el mantenimiento eficiente y la rápida detección de fallos. A pesar de las características de autodiagnóstico en los sistemas de aviónica actuales, pueden surgir daños en los circuitos y múltiples fallos simultáneos, comprometiendo la seguridad y la precisión del diagnóstico. Para abordar estos desafíos, este documento tiene como objetivo desarrollar un algoritmo de diagnóstico de múltiples fallos que sea rápido, preciso y no destructivo para las PCBs. El método propuesto combina un mecanismo de autoatención con una red neuronal convolucional gráfica adaptativa para mejorar la precisión del diagnóstico. Una red neuronal convolucional con conexiones residuales extrae características de datos de campo magnético escalar, asegurando una robusta diversidad de entrada. El modelo fue probado en un circuito típico de amplificación de doble fase con hasta cuatro fallos simultáneos diferentes, logrando resultados experimentales del 99.08%, 98.50%, 98.78%, 98.01%, 98.93%, 98.25%, 97.03% y 99.77% en métricas que incluyen precisión general, precisión por clase, recuperación general, recuperación por clase, medida F1 general y medida F1 por clase. Los resultados demostraron su efectividad y viabilidad en el diagnóstico de PCBs complejas con múltiples fallos, indicando el potencial del algoritmo para mejorar el rendimiento del diagnóstico de fallos y ofrecer una solución prometedora de diagnóstico de PCBs en aplicaciones aeroespaciales.