Recientemente, se ha utilizado ampliamente un enfoque basado en datos en varias etapas del ciclo de vida del desarrollo del sistema gracias a su capacidad para extraer conocimiento de datos históricos. Sin embargo, a pesar de su superioridad sobre otros enfoques convencionales, por ejemplo, enfoques basados en modelos y en señales, la disponibilidad de conjuntos de datos representativos plantea un desafío importante. Por lo tanto, para diversas aplicaciones de ingeniería, se deben explorar nuevas soluciones para generar datos defectuosos representativos que reflejen las condiciones reales de funcionamiento del mundo. En este estudio, se propone un enfoque novedoso basado en una simulación de hardware en bucle cerrado (HIL) y un método automatizado de inyección de fallas en tiempo real (FI) para generar, analizar y recopilar muestras de datos en presencia de fallas simples y concurrentes. El conjunto de datos generado se emplea para el desarrollo de estrategias de prueba asistidas por aprendizaje automático (ML) durante las fases de verificación y validación del sistema del modelo de desarrollo en V. El marco desarrollado puede generar no solo datos de series temporales sino también datos textuales, incluidos registros de fallas, de manera automatizada. Como estudio de caso, se utiliza un modelo de simulación de alta fidelidad de un sistema de motor de gasolina con un modelo dinámico de vehículo completo para demostrar las capacidades y beneficios del marco propuesto. Los resultados revelan la aplicabilidad del marco propuesto para simular y capturar el comportamiento del sistema en presencia de fallas que ocurren dentro de los componentes del sistema. Además, se ha demostrado la efectividad del marco propuesto en el análisis del comportamiento del sistema y la adquisición de datos durante la fase de validación de sistemas en tiempo real bajo condiciones de funcionamiento realistas.