Los ascensores son una parte vital de la infraestructura urbana, desempeñando un papel clave en las ciudades inteligentes donde el aumento de la densidad poblacional ha impulsado la construcción de edificios más altos. Como un medio esencial de transporte vertical, los ascensores se han convertido en una parte integral de la vida diaria, haciendo que su diseño, construcción y mantenimiento sean cruciales para garantizar la seguridad y el cumplimiento de los estándares de la industria en evolución. La seguridad de los sistemas de ascensores depende del monitoreo continuo y del funcionamiento sin fallos de los motores síncronos de imán permanente (PMSM), que son críticos para su rendimiento. Además, el funcionamiento sin fallos de los motores PMSM reduce los costos operativos, aumenta la vida útil y mejora la fiabilidad. Los componentes del motor PMSM pueden ser susceptibles a fallos eléctricos, mecánicos y térmicos que, si no se detectan, pueden llevar a interrupciones operativas o riesgos de seguridad. La integración de la inteligencia artificial y las tecnologías del Internet de las Cosas (IoT) puede mejorar la predicción de fallos, reduciendo el tiempo de inactividad y mejorando la eficiencia. Los desafíos continuos, como la gestión de la carga térmica de las máquinas y el desarrollo de materiales más duraderos para los PMSM, requieren el desarrollo de modelos adecuados que se adapten a los sistemas de accionamiento existentes. El marco propuesto para la predicción de fallos se valida en un ascensor residencial real equipado con un motor PMSM. Los datos de señales multimodales se procesan a través de un clasificador positivo no etiquetado (PU) mejorado por una red generativa adversarial (GAN) y un motor de decisión adaptativo basado en aprendizaje por refuerzo (RL), lo que permite una predicción de fallos robusta y escalable de manera no intrusiva.