روانکاری قطعات به منظور کاهش میزان اصطکاک و سایش از مهمترین وظایف روغن موتورها است. زمانی که از روغن موتورها استفاده می شود، رنگ و گرانروی آن در طی کارکرد خودرو دچار تغییر شده و با توجه به افزایش اصطکاک و انرژی لازم جهت پمپاژ روغن، موجب افزایش مصرف سوخت می گردد. هدف از این مطالعه بررسی تشخیص عمر روغن موتور از روی مسافت طی شده به کمک داده های بویایی،رنگ و داده های ادغام شده رنگ، بو و بریکس به دو روش استاندارد و صفر-یک است. در این پژوهش از دستگاه های بینی الکترونیک،رفرکتومتر و رنگ سنج استفاده شد. از روش تحلیل مؤلفه های اصلی ,(PCA) تحلیل تفکیک خطی (LDA) و شبکه عصبی مصنوعی (ANN) برای طبقه بندی داده ها جهت تشخیص مسافت طی شده به کیلومتر و از روش حداقل مربعات جزئی (PLS) و رگرسیون مؤلفه اصلی (PCR) در پیش بینی پارامترهای بریکس و تغییر رنگ روغن موتور استفاده گردید. در نتایج روش تحلیل مؤلفه های اصلی تشخیص عمر روغن موتور بر اساس رنگ بهتر انجام شد و تمام نمونه روغن ها براساس مسافت طی شده به خوبی از هم تفکیک شدند. همچنین روش LDA برای تشخیص عمر روغن موتور با کیلومترهای طی شده متفاوت برای داده های رنگ با دقت 36/96% طبقه های مختلف را تفکیک کرد. بر اساس ماتریس اغتشاش حاصل از شبکه عصبی مصنوعی برای داده های رنگ نیز دقت طبقه بندی روغن ها با مسافت طی شده متفاوت 6/93% به دست آمد. روش LDAنسبت به روشهای PCA و ANN در تشخیص مسافت طی شده دقت طبقهبندی بهتری را نشان داد. نتایج نشان داد که دو روش PLS و PCR نیز عملکرد مناسبی در پیش بینی عوامل بریکس و تغییر رنگ روغن موتور داشتند، اما عملکرد مناسبی در پیش بینی مسافت طی شده نداشتند. استفاده از مدل های PCR و PLS برای تشخیص بریکس و تغییر رنگ مناسب ترند.