In recent years gasoline engines have become increasingly complex, for example through the introduction of electronic control and monitoring systems for ignition, fuel injection and exhaust aftertreatment. Parallel to this the requirements placed upon engines have also increased hence the need to develop new engine technologies. This demand for new technologies is, in part, due to the self obligation of the automobile industry to reduce the CO2 emissions about 25% by 2005, and also to the increasingly stringent future exhaust limits. Some promising solutions are currently in development, e.g. the direct injection gasoline engine and variable valve trains. All these new technologies are characterised by increasing complexity and significantly higher degrees of freedom. The associated application expenditure rises drastically with the number of free parameters and also with improved quality standards. Possible solutions to meet the future requirements of the development process are based on model-based parameter optimisation and the use of test methods, such as "Design of Experiments" (DoE). The idea behind this approach is to produce models to describe the dependence of the responses of interest (i.e. fuel consumption) on the adjusted engine parameters. With these models offline optimisation of the engine can be carry out, independently of testbench resources. The measured data for the models are produced with the help of statistically designed experiments. Thus, the testing and analysis processes are structured and the expenditure limited. In the following the DoE methodology will be employed of a gasoline engine with electromechanical valve train. / Der Ottomotor im Kraftfahrzeug hat in den letzten Jahren mit dem Einzug elektronischer Steuer- und Regelsysteme für Zündung, Einspritzung und Abgasnachbehandlung einen sehr hohen technischen Stand erreicht. Die wachsenden Ansprüche an die Motorenentwicklung im Hinblick auf Verbrauchsreduzierung bei gleichzeitiger Erfüllung der zukünftigen Abgasgrenzwerte, verschärfen den Druck zur Entwicklung weiterführender Technologien. Hierbei gibt es bereits einige vielversprechende Lösungsansätze, wie z.B. die Direkteinspritzung oder variable Ventilsteuerungen. All diese neuen Technologien zeichnen sich durch eine wachsende Komplexität durch die signifikant höhere Anzahl von Freiheitsgraden aus. Der damit verbundene Applikationsaufwand steigt drastisch durch die wachsende Anzahl freier Parameter, aber auch durch die steigenden Anforderungen an die Qualität der Applikationsergebnisse. Einen möglichen Lösungsansatz zur Realisierung der zukünftigen Anforderungen an den Entwicklungsprozess stellen die modellgestützte Parameteroptimierung sowie der Einsatz der "Statistischen Versuchsplanung" (SVP) - "Design of Experiments" (DoE) - dar. Der Grundgedanke basiert auf der Erstellung von Modellen zur Beschreibung der Abhängigkeiten variierter Verstellparameter. Mit diesen Modellen können Offline-Optimierungen unabhängig von Prüfstandsressourcen durchgeführt werden. Die für die Modellbildung benötigten Messdaten werden mit Hilfe der statistischen Versuchsplanung erzeugt. Dadurch wird der Prozess strukturiert und der Aufwand wird begrenzt. In der Arbeit wird der Einsatz der DoE-Methodik am Beispiel eines Ottomotors mit elektromechanischer Ventilsteuerung (EMVS) aufgezeigt.

In recent years gasoline engines have become increasingly complex, for example through the introduction of electronic control and monitoring systems for ignition, fuel injection and exhaust aftertreatment. Parallel to this the requirements placed upon engines have also increased hence the need to develop new engine technologies. This demand for new technologies is, in part, due to the self obligation of the automobile industry to reduce the CO2 emissions about 25% by 2005, and also to the increasingly stringent future exhaust limits. Some promising solutions are currently in development, e.g. the direct injection gasoline engine and variable valve trains. All these new technologies are characterised by increasing complexity and significantly higher degrees of freedom. The associated application expenditure rises drastically with the number of free parameters and also with improved quality standards. Possible solutions to meet the future requirements of the development process are based on model-based parameter optimisation and the use of test methods, such as "Design of Experiments" (DoE). The idea behind this approach is to produce models to describe the dependence of the responses of interest (i.e. fuel consumption) on the adjusted engine parameters. With these models offline optimisation of the engine can be carry out, independently of testbench resources. The measured data for the models are produced with the help of statistically designed experiments. Thus, the testing and analysis processes are structured and the expenditure limited. In the following the DoE methodology will be employed of a gasoline engine with electromechanical valve train. / Der Ottomotor im Kraftfahrzeug hat in den letzten Jahren mit dem Einzug elektronischer Steuer- und Regelsysteme für Zündung, Einspritzung und Abgasnachbehandlung einen sehr hohen technischen Stand erreicht. Die wachsenden Ansprüche an die Motorenentwicklung im Hinblick auf Verbrauchsreduzierung bei gleichzeitiger Erfüllung der zukünftigen Abgasgrenzwerte, verschärfen den Druck zur Entwicklung weiterführender Technologien. Hierbei gibt es bereits einige vielversprechende Lösungsansätze, wie z.B. die Direkteinspritzung oder variable Ventilsteuerungen. All diese neuen Technologien zeichnen sich durch eine wachsende Komplexität durch die signifikant höhere Anzahl von Freiheitsgraden aus. Der damit verbundene Applikationsaufwand steigt drastisch durch die wachsende Anzahl freier Parameter, aber auch durch die steigenden Anforderungen an die Qualität der Applikationsergebnisse. Einen möglichen Lösungsansatz zur Realisierung der zukünftigen Anforderungen an den Entwicklungsprozess stellen die modellgestützte Parameteroptimierung sowie der Einsatz der "Statistischen Versuchsplanung" (SVP) - "Design of Experiments" (DoE) - dar. Der Grundgedanke basiert auf der Erstellung von Modellen zur Beschreibung der Abhängigkeiten variierter Verstellparameter. Mit diesen Modellen können Offline-Optimierungen unabhängig von Prüfstandsressourcen durchgeführt werden. Die für die Modellbildung benötigten Messdaten werden mit Hilfe der statistischen Versuchsplanung erzeugt. Dadurch wird der Prozess strukturiert und der Aufwand wird begrenzt. In der Arbeit wird der Einsatz der DoE-Methodik am Beispiel eines Ottomotors mit elektromechanischer Ventilsteuerung (EMVS) aufgezeigt.