Análise preditiva de falhas automobilísticas com utilização de sistema OBD2

Abstract

ResumoO desenvolvimento deste trabalho apresenta um sistema de análise preditiva de falhas automobilísticas utilizando o protocolo OBD-II e técnicas de aprendizado de máquina. O objetivo foi criar uma solução de baixo custo, integrando sensores automotivos e algoritmos de aprendizado supervisionado para prever falhas mecânicas antes que se tornassem críticas. A metodologia empregada envolve a coleta de dados em tempo real da ECU do veículo, por meio do adaptador ELM327, e o uso de modelos de Machine Learning para identificar padrões anômalos nos parâmetros operacionais. Foram realizados testes comparativos entre a análise tradicional e a preditiva, sendo que os resultados demonstraram que o modelo preditivo alcançou 92% de acuracidade, superando a taxa de 60% da abordagem tradicional. A análise preditiva permitiu a antecipação de falhas, como variações de RPM, que passariam despercebidas no diagnóstico convencional. Conclui-se que o sistema desenvolvido representa uma inovação na manutenção veicular, oferecendo uma solução acessível e eficaz para a detecção precoce de falhas, aumentando a segurança e reduzindo os custos de manutenção automotiva.