Resumen: En este trabajo se presenta la implementación de una red neuronal multicapa con entrenamiento fuera de línea para detectar fallas en el Grupo Electrógeno Fuel Oil donde es usual la ocurrencia de fallos repetitivos por la gran cantidad de variables que intervienen en el proceso. El modelo que se utiliza es una red neuronal Perceptrón multicapas. Se implementa con tres entradas, ocho capas ocultas y tres salidas. La identificación de los pesos óptimos de la red neuronal se realiza fuera de línea a través del algoritmo de aprendizaje de la propagación de errores (Backpropagation) para redes multicapa y una vez que se obtienen estos pesos, la red neuronal se habilita para la detección de fallas en línea. Los valores provenientes de los sensores están en un rango de 0 a 5 V, que se llevan a un microcontrolador donde se programa la red neuronal. Pudiéndose lograr la detección oportuna de fallos y la mejora en eficiencia de la planta.