Safety in transport is a key. Railway and aerospace sectors have a need for ways to predict the behaviour of trains and aircraft, respectively. With this information, maintenance tasks for the correct operation of the assets can be carried out, reducing the number of failures that can cause an accident. However, the lack of enough data of the faulty state of those systems makes this to be difficult. Because of that either hidden faults or unknown faults can occur. As regulations in transport are very restrictive, components are usually substituted in early states of their degradation, which implies a loss of useful life of those components.In this article a methodology to overcome this limitation is presented. This methodology consists in the fusion of data obtained from two sources: data acquired from the real system, and synthetic data generated using physical models of the system. These physical models should be constructed in such a way that they can reproduce the main failure modes that can occur in the modelled system. This data fusion, that creates a hybrid model, not only allows to classify the condition of the system according to the aforementioned failure modes, but also to define new data that do not belong to any of those failure modes as a new failure mode, improving diagnosis and prognosis processes.

La seguridad en el campo del transporte es un punto crítico. Así, el sector ferroviario y el de la aeronáutica precisan de formas para predecir el comportamiento de trenes y aeronaves, respectivamente. Con esta información se pueden llevar a cabo las gestiones de mantenimiento necesarias para el correcto funcionamiento de los activos y reducir el número de fallos que puedan causar un accidente.Sin embargo, la falta de datos suficientes sobre estados con fallo de dichos sistemas hace que esta tarea sea complicada.Esta carencia de información hace que se puedan producir fallos ocultos o fallos desconocidos. Al tratarse la normativa del sector del transporte muy restrictivaen este aspecto, se tiende a reemplazar los componentes en estados tempranos de su degradación, lo que supone un desaprovechamiento de la vida de dichos componentes.En el presente artículo se propone una metodología para abordar esa limitación. Dicha metodología consiste en la fusión de datos de dos fuentes: por un lado, los datos adquiridos del sistema real; y, por otro lado, datos sintéticos generados a través de modelos físicos. Dichos modelos físicos han de estar construidos de forma que sean capaces de reproducir los principales modos de fallo que pueden ocurrir en dichos sistemas.Esta fusión de datos, que formaun modelo híbrido, permite no sólo clasificar el estado del sistema según los modos de fallo previamente estipulados, sino también definirnuevos modos de fallo que no concuerden con ninguno de los modos de fallo anteriores, mejorando los procesos de diagnosis y prognosis.