Hay cientos de sensores diversos utilizados para el Pronóstico y Gestión de Salud (PHM) en LREs. Inspirado en el hecho de que se selecciona un número limitado de sensores clave para fines de control en vuelo en LRE, es práctico optimizar la colocación de sensores redundantes para mejorar la diagnosticabilidad y la economía de los sistemas PHM. Para encontrar un equilibrio entre el costo de los sensores, el rendimiento en tiempo real y la diagnosticabilidad del algoritmo de diagnóstico de fallos en LRE, este documento propone un nuevo método de Colocación Óptima de Sensores (OSP). En primer lugar, se desarrolla un algoritmo de diagnóstico de dos etapas basado en una Máquina de Aprendizaje Extremo por Núcleo (KELM) basado en un modelo de simulación de fallos a nivel de sistema de LRE. En segundo lugar, se construyen métricas de diagnosticabilidad jerárquica para formular el problema OSP en este documento. En tercer lugar, se desarrolla un método OSP de dos etapas basado en un Algoritmo Evolutivo de Clasificación Jerárquica (HREA), logrando una mayor optimización de las soluciones de Pareto mediante el indicador de hipervolumen mejorado. Finalmente, el método propuesto se valida utilizando conjuntos de datos de simulación de fallos y conjuntos de datos de experimentos de prueba de fuego en caliente. Además, se introducen cuatro algoritmos clásicos de optimización multiobjetivo binaria para comparación. Los resultados de las pruebas demuestran que el método OSP basado en HREA supera a otros métodos clásicos al equilibrar de manera efectiva el costo de los sensores, el rendimiento en tiempo real y la diagnosticabilidad del algoritmo de diagnóstico. El método propuesto en este documento implementa OSP a nivel de sistema para el diagnóstico de fallos en LRE y muestra el potencial para su aplicación en el desarrollo de LREs reutilizables.