Diagnóstico de Fallos en Sistemas Mecánicos y Electrónicos de Vehículos Comerciales Mediante Métodos No Invasivos y Análisis de Emisiones con Aprendizaje Automático

Este proyecto aborda la ineficiencia energética y el impacto ambiental de los motores de combustión interna en vehículos comerciales. A pesar de los avances tecnológicos, el control térmico sigue siendo un desafío crítico que afecta el rendimiento y aumenta las emisiones contaminantes. La investigación propone una metodología multidisciplinaria que combina la termografía infrarroja, el análisis de gases de escape y el aprendizaje automático para el diagnóstico temprano de fallos. El enfoque se centra en el desarrollo de un sistema de mantenimiento predictivo no invasivo. Mediante la captura de imágenes térmicas en diversas condiciones operativas (ralentí, carga parcial y máxima) y el procesamiento de datos mediante redes neuronales, se busca identificar patrones de comportamiento anómalos. Esto permite realizar intervenciones preventivas sin necesidad de desmontar los componentes del motor. Los resultados esperados incluyen la optimización de los costos operativos, la prolongación de la vida útil de los componentes automotrices y una reducción significativa en las emisiones contaminantes. Al integrar técnicas de diagnóstico avanzadas, el proyecto contribuye a la sostenibilidad del parque automotor en Quito, Ecuador, proporcionando herramientas valiosas para la gestión de flotas y el mantenimiento industrial basado en la condición. Objetivo: Evaluar el comportamiento de sistemas mecánicos y electrónicos en vehículos comerciales mediante métodos de diagnóstico no invasivos y análisis de emisiones. El objetivo es implementar técnicas de mantenimiento predictivo basadas en aprendizaje automático para mejorar la eficiencia y reducir fallos. Líneas de investigación: Ciencia e ingeniería de mantenimiento