Los servomecanismos hidráulicos tradicionales para superficies de control de aeronaves están siendo gradualmente reemplazados por tecnologías más nuevas, como los Actuadores Electro-Mecánicos (EMAs). Dado que no hay datos de campo sobre la fiabilidad de los EMAs debido a su reciente adopción, sus modos de falla aún no se comprenden completamente; por lo tanto, una herramienta de pronóstico efectiva podría ayudar a detectar fallas incipientes del sistema de control de vuelo, con el fin de programar adecuadamente las intervenciones de mantenimiento y el reemplazo de los actuadores. Se lograría un beneficio doble: se mejoraría la seguridad al evitar que la aeronave vuele con componentes dañados, y se evitaría el reemplazo de componentes aún funcionales, reduciendo los costos de mantenimiento. Sin embargo, el pronóstico de los EMAs presenta un desafío debido a la complejidad y a la naturaleza multidisciplinaria de los sistemas monitoreados. Proponemos un método de detección y aislamiento de fallas (FDI) basado en modelos, empleando un Algoritmo Genético (GA) para identificar precursores de fallas antes de que el rendimiento del sistema comience a verse comprometido. Se consideran cuatro modos de falla diferentes: fricción seca, retroceso, cortocircuito parcial de bobina y deriva de ganancia del controlador. El método presentado en este trabajo es capaz de enfrentar el desafío aprovechando el conocimiento del diseño del sistema de una manera más efectiva que las estrategias basadas en datos, y requiere menos datos experimentales. Para probar la herramienta propuesta, se desarrolló un banco de pruebas simulado. Se implementaron dos modelos numéricos del EMA con diferentes niveles de detalle: un modelo de alta fidelidad proporcionó los datos del actuador defectuoso a analizar, mientras que uno más simple, computacionalmente más ligero pero lo suficientemente preciso para simular los modos de falla considerados, fue ejecutado iterativamente por el GA. Los resultados mostraron buena robustez y precisión, permitiendo la identificación temprana de un mal funcionamiento del sistema con pocos falsos positivos o fallas no detectadas.