Este estudio propone una nueva metodología basada en enfoques basados en datos para identificar y rastrear los procesos de degradación en baterías de iones de litio. Nuestro objetivo es estudiar si es posible diferenciar el estado de degradación de celdas que presentan un envejecimiento similar en términos de parámetros generales (capacidad restante similar, estado de salud o resistencia interna similar), pero que han tenido diferentes aplicaciones o condiciones de uso (diferentes corrientes de descarga, profundidad de descarga, temperaturas, etc.). Para este fin, este estudio propuso analizar las formas de onda de voltaje de las celdas obtenidas en pruebas de ciclado mediante el uso de una red neuronal no supervisada, el Mapa Auto-Organizado (SOM). En este trabajo, se utilizó un conjunto de datos de laboratorio de celdas de iones de litio reales, y el algoritmo SOM procesó las características de la celda de la batería, llevando a cabo un monitoreo inteligente de la batería. Se demostró que nuestra metodología diferencia las condiciones previas de uso (historial) de una celda, complementando métricas convencionales como el estado de salud, lo que podría ser útil para el creciente mercado de segunda vida porque permite determinar con mayor precisión el estado de enfermedad de una batería y evaluar su idoneidad para una aplicación específica.