Dado que el transporte aeronáutico es responsable de una creciente parte de las emisiones contaminantes, es de suma importancia minimizar el consumo de combustible en cualquier momento durante las operaciones. Desde esta perspectiva, el monitoreo continuo del rendimiento del motor es esencial para implementar las acciones correctivas adecuadas y evitar un consumo excesivo de combustible debido a la deterioración del motor. Sin embargo, esto requiere sistemas automatizados para diagnósticos y soporte de decisiones, que deben ser capaces de manejar grandes cantidades de datos y garantizar la fiabilidad en todas las múltiples condiciones en las que se pueden encontrar los motores de una flota. En particular, la solución propuesta debe ser robusta ante desviaciones entre motores y diferentes escenarios de disponibilidad de sensores. En este documento, se aplica una red bayesiana probabilística para la detección e identificación de fallos a una flota de motores, simulada por un modelo de rendimiento adaptativo. También se estudia y compara la combinación del modelo de rendimiento y la red bayesiana con el modelo probabilístico solo. El beneficio del enfoque híbrido sugerido se identifica como hasta un 50% más de precisión. La falta de disponibilidad de sensores debido a limitaciones de fabricación o fallos de sensores reduce la precisión del método basado en la física, mientras que el modelo bayesiano se ve menos afectado.