Se desarrolló un Sistema de Diagnóstico de Fallas de Ascensores Distribuido (DEFDS) para abordar las frecuentes fallas derivadas de la distribución generalizada y el envejecimiento de los sistemas de ascensores. Debido a la complejidad de los datos de fallas de ascensores y la sutileza de las características de las fallas, los métodos tradicionales como inspecciones visuales y pruebas operativas básicas no son suficientes para detectar signos tempranos de desgaste mecánico y problemas eléctricos. Estas técnicas convencionales a menudo no logran reconocer las características sutiles de las fallas, lo que requiere herramientas de diagnóstico más avanzadas. En respuesta, este documento introduce un método de Análisis de Componentes Principales-Long Short-Term Memory (PCA-LSTM) para el diagnóstico de fallas. El sistema distribuido descentraliza el proceso de diagnóstico de fallas a unidades individuales de ascensores, utilizando las capacidades de selección de características de PCA en espacios de alta dimensionalidad para extraer y reducir la dimensionalidad de las características de las fallas. Posteriormente, se emplea el modelo LSTM para la predicción de fallas. Los modelos de ascensores dentro del sistema intercambian datos para refinar y optimizar un modelo de predicción global. La eficacia de este enfoque se sustenta a través de validación empírica con datos reales, logrando una tasa de precisión del 90% y confirmando así la efectividad del método en facilitar el diagnóstico distribuido de fallas de ascensores.