En el campo de los diagnósticos de motores de aeronaves, se han propuesto muchos algoritmos avanzados en los últimos años. Sin embargo, todavía hay un amplio margen de mejora, especialmente en el desarrollo de sistemas de gestión de salud del motor más integrados y completos para detectar, identificar y prever fallos complejos en poco tiempo. Además, es necesario garantizar que estos sistemas preserven sus capacidades a lo largo del tiempo a pesar del deterioro del motor. Este artículo aborda estas necesidades proponiendo un sistema integrado que considera la operación conjunta de extracción de características, detección de anomalías, identificación de fallos y algoritmos de pronóstico para motores con largos tiempos de operación. Para revelar efectivamente la condición real del motor, se calculan modelos de motor degradado adaptativos ligeros junto con diferentes indicadores de salud que se utilizan como entradas para entrenar y probar modelos de reconocimiento y predicción. El sistema se desarrolla y evalúa utilizando una plataforma especializada de la NASA que proporciona datos de una flota de motores turbofan que experimentan simultáneamente un deterioro del rendimiento a largo plazo y fallos. A diferencia de otras soluciones comparadas, nuestros resultados muestran que el sistema propuesto es robusto frente a los efectos del deterioro del motor, manteniendo su nivel de detección, reconocimiento y precisión de predicción a lo largo de toda la vida útil del motor. Los algoritmos de bajo costo computacional tienen un rendimiento generalmente rápido en todas las etapas, lo que hace que el sistema sea adecuado para aplicaciones en línea.