La operación ininterrumpida de los motores de inducción es crucial para las industrias, asegurando fiabilidad y funcionalidad continua. Para lograr esto, proponemos un enfoque innovador que utiliza un sistema de sombra digital basado en un modelo de eficiencia para la detección y diagnóstico de fallos (FDD) in situ en motores de inducción (IMs). El modelo de sombra estima con precisión las pérdidas y la eficiencia de los IM en diversas condiciones operativas. Nuestro método propuesto utiliza la eficiencia como el indicador principal para la detección de fallos, mientras que las pérdidas sirven como indicadores de condición para el diagnóstico de fallos basado en parámetros del motor en tiempo real y fuentes de pérdida. Introducimos un gráfico de enlace como una red de diagnóstico de fallos, conectando fuentes de pérdida, parámetros del motor y fallos. Este enfoque interconectado es el aspecto clave de nuestro método de diagnóstico propuesto y tiene como objetivo ser utilizado en el diagnóstico de fallos como un método general. Un estudio de caso de una barra de rotor rota se utiliza para validar el método propuesto utilizando un conjunto de datos de cinco motores. Entre estos, un motor opera sin fallos, mientras que los otros cuatro presentan fallos de rotor roto categorizados como 1, 2, 3 y 4. El método propuesto logra una precisión del 99.99% en la identificación de una a cuatro barras de rotor defectuosas en IMs. El análisis comparativo demuestra un buen rendimiento en comparación con los enfoques de FDD basados en vibraciones. Además, nuestra metodología es computacionalmente eficiente y está alineada con los requisitos de la Industria 4.0.