En las plantas industriales modernas, las unidades de proceso están fuertemente interconectadas entre sí, y las perturbaciones que ocurren en una unidad pueden convertirse potencialmente en problemas a nivel de planta. Esto puede llevar a una avalancha de alarmas en el sistema de control y adquisición de datos, ocultando la falla original que causa la perturbación. Por lo tanto, uno de los principales objetivos en el diagnóstico de fallas es rastrear la trayectoria de propagación de la perturbación y localizar la causa raíz de la falla. Dado que detectar correlaciones en los datos no es suficiente para describir la dirección de la trayectoria de propagación, es necesario detectar las dependencias causa-efecto entre las variables del proceso. Las variables del proceso que muestran un fuerte impacto causal sobre otras variables del proceso se consideran como la causa raíz. En este artículo, se proponen, comparan y combinan diferentes métodos basados en datos que pueden detectar relaciones causales en los datos mientras se basan únicamente en datos del proceso. La información sobre las dependencias causales se utiliza para la localización de la causa raíz de una falla. Todos los métodos propuestos consisten en una parte estadística, que determina si la perturbación que viaja de una variable de proceso a una segunda es significativa, y una parte cuantitativa, que calcula la información causal que la primera variable de proceso tiene sobre la segunda. Los métodos se prueban en datos simulados de un reactor químico de tanque agitado y en una planta de laboratorio.