El presente trabajo se basa en estudios donde el mercado industrial está actualmente caracterizado por una demanda altamente variable en términos de cantidades y flexibilidad de fabricación o personalización en masa, lo que se traduce en un contexto de producción más exigente en términos de los cambios continuos que se requieren en los sistemas de producción, cuyo efecto resulta en un aumento de la fatiga de las máquinas que conforman los sistemas de producción. Sin embargo, los sistemas de producción actuales tienden a utilizar sistemas ciberfísicos altamente comunicativos y sensorizados; estas características pueden ser utilizadas para integrarlos en sistemas de toma de decisiones asistidos para mejorar la disponibilidad de la planta industrial. El sistema asistido desarrollado se centra en recopilar y aprovechar el conocimiento histórico de fallas y averías de la planta industrial. Al integrar idealmente la metodología de mantenimiento centrado en la confiabilidad (RCM) y los algoritmos de razonamiento basado en casos (CBR) implementados en una aplicación Java, es posible diseñar planes de mantenimiento ajustados al contexto operativo real y cambiante de cualquier planta industrial. Como resultado, se toman decisiones más rápidas y precisas, porque se basan en datos. Este artículo se centra en mejorar ciertos aspectos del sistema asistido desarrollado agregando más valor al incorporar técnicas de lógica difusa (FL). El objetivo es mejorar la forma de ingresar información sobre factores de riesgo y su importancia relativa al incorporar lenguaje natural en lugar de una puntuación numérica, lo que resulta en una mayor precisión en el cálculo del número de prioridad de riesgo (RPN) de los nuevos casos que se incorporan al sistema asistido. Por otro lado, se ha intentado corregir dos de las principales debilidades inherentes y reconocidas en el método clásico de cálculo de RPN mediante la implementación de una mezcla adecuada de técnicas de lógica difusa.