آنچه در این نوشتار خواهید خواند معرفی یک ساختار نوین برای تشخیص و جداسازی عیب در یک سیستم صنعتی می باشد. در ساختار پیشنهاد شده ابتدا با استفاده از یک شبکه عصبی دینامیکی، سیستم مورد نظر شناسایی می شود، سپس با مقایسه خروجیهای مدل و سیستم، مانده ساخته می شود که با شناسایی و مدل سازی این مانده، عدم قطعیت موجود در مدل نرم افزاری سیستم تقریب زده می شود و نشان داده می شود که می توان بر اساس عدم قطعیت موجود در مدل نرم افزاری، آستانه های تطبیقی را برای خروجی مدل تعریف کرد و سپس روشی موثر برای جداسازی عیوب به ویژه در سیستمهایی که برای هر عیب بیش از یک شدت در نظر گرفت، ارائه می گردد. که جداسازی با استفاده از یک درخت تصمیم و شبکه های عصبی تحقق می یابد. و هر بخش درخت متناظر با حالت خاصی از رفتار سیستم در هنگام وقوع عیب می باشد. این روش در مقایسه با سایر کارهای انجام شده بر روی این محک مقرون به صرفه می باشد و همچنین برای کاربردهای عیب یابی بر خط مناسب می باشد. به منظور بررسی عملکرد این ساختار آن را بر روی یکی از محکهای استاندارد تشخیص عیب، یعنی محک damadics به کار بردیم. از آن جایی که در توسعه این روش فرض خاصی در مورد سیستم مورد مطالعه در نظر گرفته نمی شود، به سادگی می توان آن را برای طیف وسیعی از سیستمهای صنعتی به کار برد.