Dado que la falla del motor del automóvil es el principal factor que lleva a que un vehículo se averíe, el diagnóstico de fallas en el motor ha captado mucha atención. El diagnóstico de fallas identifica los tipos de fallas para facilitar el mantenimiento. Sin embargo, el método de la advertencia antes de que ocurra la falla es más atractivo para los usuarios y es más desafiante. Por lo tanto, este estudio desea explorar la viabilidad de implementar una advertencia temprana de fallas en el motor del automóvil basada en el modelo de diagnóstico de fallas. Primero, se establece el método teórico de un dominio de fallas, y el estado del motor se considera como un punto en un espacio n-dimensional. Lo normal o la falla del motor corresponderán a diferentes dominios de estado en este espacio. Segundo, para diagnosticar múltiples tipos de fallas al mismo tiempo, se establece un modelo de conjunto basado en múltiples métodos de aprendizaje automático. Las salidas de probabilidad del modelo de conjunto miden la distancia entre el punto y cada dominio de falla en el espacio. Finalmente, considerando el factor temporal, se establece un umbral de advertencia temprana basado en la probabilidad, y se establece un modelo de advertencia de falla utilizando la estructura de doble probabilidad. Experimentos comparativos muestran que el método propuesto puede reducir en gran medida el tiempo de cálculo al tiempo que se garantiza la precisión de la advertencia temprana y es adecuado para la advertencia temprana en tiempo real de múltiples fallas.