Detecção de Adulteração do Etanol Hidratado utilizado nos Veículos de Ciclo Otto através de Aprendizado de Máquina via OBD.

Abstract

Abstract: According to the Brazilian National Petroleum Agency (ANP) 25% of fuel at gas stations in Brazil did not attend quality policies in 2019. Of this total, 13% has fuel adulteration based on illegal addition of any prohibited substances. It causes problems for final consumers as high consumption and early deterioration of engine components. The purpose of this paper is to evaluate fuel quality using real data from engine sensors via OBD (On-Board Diagnostics) through low cost electronic device for data acquisition via BLE (Bluetooth Low Energy) with a platform connected to the internet, enabling IoT (Internet of Things) integration. These data will be analyzed using supervised machine learning algorithms k-nearest neighbors (KNN) and Artificial neural network (ANN). Resumo: De acordo com a Agência Nacional de Petróleo (ANP) 25% dos postos de combustíveis no Brasil não atenderam as políticas de qualidade do órgão em 2019. Desse total, 13% tiveram irregularidades relacionadas a adulteração com adição substancias ilegais. Este problema causa muito prejuízo aos consumidores, como aumento de consumo e deterioração precoce dos componentes automotivos. O objetivo deste artigo é avaliar a qualidade do combustível através dos dados reais dos sensores do motor via On-Board Diagnostics (OBD) obtidos através de um dispositivo eletrônico de baixo custo para aquisição dos dados via Bluetooth Low Energy (BLE) com plataforma conectada à internet, possibilitando a integração com soluções de Internet of Things (IoT). Estes dados serão analisados usando os algoritmos de aprendizado de máquina k-vizinhos mais próximos (do inglês, k-Nearest Neighbors KNN) e Rede Neural Artificial (RNA).