Las máquinas en las fábricas suelen funcionar las 24 horas del día para apoyar la producción, lo que puede resultar en fallas. Tales fallas mecánicas pueden interrumpir la producción de la fábrica, lo que resulta en pérdidas financieras o víctimas humanas. Por lo tanto, investigamos un modelo de aprendizaje profundo que puede detectar anomalías en las máquinas basadas en el ruido de funcionamiento. Se aplicaron varios métodos de preprocesamiento de datos, incluida la transformada wavelet discreta, la transformada de Hilbert y la transformada de Fourier de corto tiempo, para extraer características de los ruidos de funcionamiento de la máquina. Para crear un modelo que pueda ser utilizado en fábricas, se simuló el entorno de fábricas reales introduciendo ruido y degradación de calidad al conjunto de datos de sonido para la Investigación e Inspección de Máquinas Industriales con Fallas (MIMII). Por lo tanto, propusimos un modelo ligero que funciona de manera confiable incluso en entornos de datos de sonido ruidosos y de baja calidad, como una fábrica real. Proponemos un modelo de Red Neuronal Convolucional-Red Neuronal de Memoria a Corto y Largo Plazo (CNN-LSTM) utilizando Transformadas de Fourier de Corto Tiempo (STFTs), y el modelo propuesto puede ser muy efectivo en términos de aplicación porque es un modelo ligero que requiere solo aproximadamente el 6.6% del número de parámetros utilizados en la CNN subyacente, y tiene solo una diferencia de rendimiento dentro del 0.5%.