Lograr un diagnóstico preciso de fallas en equipos depende en gran medida de la disponibilidad de datos de entrenamiento extensos y de alta calidad, lo cual puede ser difícil de obtener, especialmente para modelos con equipos nuevos. El desafío se ve agravado por la necesidad de proteger datos sensibles durante el proceso de entrenamiento. Este artículo presenta un método pionero de diagnóstico de fallas transferido federado que integra la Codificación Automática Variacional (VAE) para una extracción robusta de características con capacidades de aprendizaje de pocas muestras.