En la búsqueda de un avanzado Manejo de Salud Predictiva (PHM) para las Celdas de Combustible de Membrana de Intercambio de Protones (PEMFCs), los modelos convencionales basados en datos encuentran barreras considerables debido a la reconstrucción de datos que resulta en una baja calidad de los datos, y la complejidad de los modelos que conduce a una interpretabilidad insuficiente. Al abordar estos desafíos, esta investigación presenta TabNet, un modelo destinado a mejorar la interpretabilidad predictiva, e lo integra con una técnica innovadora de preprocesamiento de datos para mejorar el rendimiento predictivo del manejo de salud de PEMFC.