A degradação do óleo do motor influencia criticamente o desempenho, a eficiência e a longevidade dos motores de combustão interna. Cronogramas convencionais de substituição baseados em quilometragem ou tempo muitas vezes resultam em trocas de óleo prematuras ou serviços atrasados, ambos comprometendo a saúde do motor e aumentando os custos. Esta revisão examina os avanços recentes no monitoramento da condição do óleo em tempo real e avalia a viabilidade de um sistema de baixo custo baseado em microcontrolador que integra sensores físicos com modelos de aprendizado de máquina para avaliação contínua da saúde do óleo a bordo. Baseando-se em técnicas estabelecidas de monitoramento de lubrificação industrial, propomos uma estrutura experimental que aproveita os princípios da engenharia elétrica, incluindo interface de sensor, design de front-end analógico, aquisição de sinal e implementação de IA embarcada para permitir diagnósticos precisos, acessíveis e escaláveis da saúde do óleo. A revisão destaca oportunidades para inovação em sistemas embarcados e design de engenharia elétrica, posicionando o monitoramento orientado por IA como uma solução prática para a manutenção preditiva automotiva.
Habyarimana et al. (Quarta-feira,) estudaram esta questão.