La falla del motor puede resultar en daños a los recursos y a la propiedad. La tecnología de diagnóstico de fallas en motores en tiempo real puede detectar fallas y diagnosticar a tiempo para prevenir consecuencias graves causadas por la operación continua de la máquina. Los modelos de redes neuronales pueden diagnosticar fallas de manera fácil y precisa a partir de señales de vibración. Sin embargo, no pueden detectar fallas a tiempo. En este estudio, se propone un modelo de aprendizaje profundo basado en una red convolucional temporal (TCN) y atención para el diagnóstico de fallas en motores en tiempo real. TCN puede extraer características de secuencias de señales de vibración más cortas para permitir que el sistema detecte y diagnostique fallas más rápido. Además, la atención permite que el modelo tenga una mayor precisión diagnóstica. Los experimentos demuestran que el modelo propuesto es capaz de detectar fallas a tiempo cuando ocurren y tiene una excelente precisión diagnóstica.