Los sistemas de naves espaciales recopilan datos relacionados con la salud de manera continua, lo que puede indicar el estado de salud de los sistemas. Aunque rara vez ocurren, las repercusiones de tales anomalías, fallos o fallos del sistema pueden ser graves, críticas para la seguridad y costosas. Por lo tanto, los datos se utilizan para anticipar cualquier tipo de comportamiento anómalo. Típicamente, esto se realiza mediante el uso de umbrales simples o técnicas estadísticas. Sin embargo, en los últimos años, los métodos de detección de anomalías basados en datos han sido desarrollados y mejorados. Pueden ayudar a automatizar el proceso de detección de anomalías. Sin embargo, generalmente es intensivo en tiempo y requiere experiencia para identificar e implementar métodos de detección de anomalías adecuados para sistemas específicos, lo que a menudo no es factible para su aplicación a gran escala, por ejemplo, al considerar un satélite que consta de numerosos sistemas y muchos más subsistemas. Para abordar esta limitación, se propone un marco de diagnóstico genérico que identifica técnicas óptimas de detección de anomalías y métodos de preprocesamiento de datos y umbralización. El marco se aplica a dos conjuntos de datos de naves espaciales disponibles públicamente y a un conjunto de datos de satélites de la vida real proporcionado por la Agencia Espacial Europea. Los resultados muestran que el marco es robusto y adaptable a diferentes datos del sistema, proporcionando una forma rápida de evaluar la detección de anomalías para el sistema subyacente. Se encontró que incluir técnicas de umbralización influye significativamente en la calidad de los modelos de detección de anomalías resultantes. Con esto, el marco puede proporcionar tanto un camino a seguir en el desarrollo de métodos de detección de anomalías basados en datos para sistemas de naves espaciales como orientación respecto a la dirección de selección e implementación de métodos de detección de anomalías para casos de uso específicos.