El mantenimiento es la tecnología de monitorear continuamente las condiciones del equipo y predecir el momento del mantenimiento para el equipo. En particular, en el campo de la fabricación de semiconductores, donde los procesos están automatizados, se están probando varios métodos para minimizar las pérdidas económicas y los costos de mantenimiento causados por fallos en el equipo. Se introduce en este documento una nueva técnica de Mantenimiento Predictivo (PdM), un nuevo método de mantenimiento, para desarrollar un algoritmo para predecir el fallo de los robots de transferencia de obleas con anticipación. Los datos del sensor de aceleración utilizados en el experimento se obtuvieron instalando un sensor en el robot de transferencia de obleas. Para analizar estos datos, se realizó el preprocesamiento de datos y el proceso de FFT. Estos datos se dividieron en datos normales, primeros datos de error, segundos datos de error y terceros datos de error (datos de fallo) en etapas. Al clusterizar los datos utilizando el algoritmo K-means, se analizó la distribución de los puntos centrales de los clusters y se extrajeron las características de los datos de error y los datos normales. Utilizando estas características, se diseñó un modelo de red neuronal artificial para predecir el punto de fallo del robot. La investigación previa sobre los sistemas de mantenimiento del robot de transferencia utilizó menos de 50 datos de error, pero en este experimento se utilizaron 1686 datos de error. La fiabilidad del modelo se mejoró seleccionando aleatoriamente datos de un total de 2248 conjuntos de datos. Además, se confirmó que era posible clasificar los datos normales y los datos de error con una precisión del 97% y predecir el fallo del equipo aplicando modelado de redes neuronales.