En el bombeo mecánico de petróleo, para minimizar los costos operativos y maximizar la producción, es esencial identificar los problemas de forma rápida y precisa. El dinagrama de fondo de pozo es decisivo para analizar las condiciones de trabajo del sistema de bombeo, y normalmente el diagnóstico de fallas se ha basado en la interpretación visual de su forma, por un experto humano. Se presenta una arquitectura (NeFSuckerRod) para el diagnóstico automático del dinagrama, basada en un sistema NeuroFuzzy, que permite identificar las fallas y prescindir del experto humano. Al combinar el poder de aprendizaje de las redes neuronales artificiales y la representación explícita del conocimiento de la lógica fuzzy, y presentando un conjunto de cartas dinamométricas con diferentes fallas, el sistema NeuroFuzzy se entrena obteniendo un modelo fuzzy capaz de diagnosticar fallas en un sistema de bombeo.