La fabricación de semiconductores comprende cientos de procesos unitarios consecutivos. Un solo error podría poner en peligro todo el proceso de fabricación. En los entornos de fabricación actuales, se utiliza el monitoreo de datos de la condición del equipo, la metrología de obleas, la inspección, etc., para detectar cualquier anomalía durante el proceso de fabricación que pueda afectar el rendimiento y la calidad final del chip. El propósito de la investigación es la detección y clasificación de fallas (FDC). Se han empleado varios métodos, como métodos estadísticos o de minería de datos con algoritmos de aprendizaje automático, para FDC. En este documento, proponemos un sistema inmunológico artificial (AIS), que es un algoritmo de computación inspirado biológicamente, para FDC en relación con el equipo de semiconductores. Los cambios en el proceso causados por el envejecimiento de partes y módulos a lo largo del tiempo son los principales procesos de causa de falla. Empleamos datos de identificación de variables de estado (SVID), que contienen la condición operativa actual del equipo, y datos de espectroscopia de emisión óptica (OES), que representan información del proceso de plasma obtenida de un escenario de proceso defectuoso con modificación intencional de la velocidad de flujo de gas en un proceso de fabricación de semiconductores. Logramos una precisión de predicción del modelado del 94.69% con SVID y OES seleccionados y una precisión del 93.68% solo con datos de OES. En conclusión, se propone la posibilidad de utilizar un AIS en el campo de la toma de decisiones del proceso de semiconductores.