El primer cuarto del siglo XXI ha sido testigo de muchas innovaciones tecnológicas en varios sectores. Del mismo modo, la pandemia de COVID-19 desencadenó la aceleración de la transformación digital en las organizaciones impulsada por la inteligencia artificial y las tecnologías de comunicación en la Industria 4.0 y la Industria 5.0. Apuntando a la construcción de gemelos digitales, representaciones virtuales de un sistema físico permiten una comunicación bidireccional en tiempo real. Esto permitirá el monitoreo de operaciones, la identificación de posibles fallas y la toma de decisiones basadas en evidencia técnica. En este estudio, se propone una solución de diagnóstico de fallas, basada en la construcción de un gemelo digital, para un sistema de Internet Industrial de las Cosas (IIoT) basado en la nube que contempla el control de actuadores electro-hidrostáticos (EHAs). El sistema fue respaldado por un modelo de aprendizaje profundo que utiliza redes de Memoria a Corto y Largo Plazo (LSTM) para un enfoque de diagnóstico efectivo. El estudio implementado considera la preparación e integración de datos y el desarrollo y aplicación del sistema para evaluar el rendimiento frente al problema de diagnóstico de fallas. Según los resultados obtenidos, se muestran resultados positivos en la construcción del gemelo digital utilizando un modelo de aprendizaje profundo para el problema de diagnóstico de fallas de una configuración activa EHA-IIoT.