Salta al contenuto principale
Articolo
100%
HD

Immagina di dover cambiare tutti i furgoni della tua ditta: quali compri? Diesel, elettrici, ibridi? Per una piccola impresa non è solo una questione di prezzo, ma di emissioni, autonomia, ricariche e costi di manutenzione futuri. Spesso si decide "a sentimento", rischiando errori costosi. Ora arriva in aiuto la matematica: ricercatori hanno messo a punto un modello ibrido che unisce la logica fuzzy (quella che gestisce le sfumature, non solo sì/no) al metodo TOPSIS, usato per confrontare alternative complesse.

Il sistema funziona così: gli esperti esprimono giudizi in parole ("costo alto", "autonomia media"), che l'algoritmo trasforma in numeri "triangolari" capaci di rappresentare l'incertezza. Poi incrocia sei criteri — spesa totale, CO2, manutenzione, autonomia, compatibilità con le colonnine, indipendenza energetica — e stila una classifica oggettiva. Il risultato? Un indice di priorità (FRPI) che dice esattamente quali veicoli vanno rottamati subito e quali tenere, bilanciando portafoglio e pianeta.

Nel test simulato, il modello ha smascherato furgoni che sembravano economici ma inquinavano troppo e costavano cari in manutenzione, promuovendo invece elettrici con buona rete di ricarica. Una bussola digitale per PMI ed enti pubblici che vogliono modernizzarsi senza farsi travolgere dalla complessità. La mobilità sostenibile non è più solo un ideale, ma un calcolo trasparente.

Bonus
100%
HD

Il cuore del modello è l'ibridazione tra Fuzzy TOPSIS e FRPI (Fleet Renewal Priority Index). La logica fuzzy gestisce l'imprecisione intrinseca dei giudizi umani: invece di valori netti, si usano Numeri Fuzzy Triangolari (TFN) definiti da una tripla (l, m, u) per limite inferiore, valore modale e limite superiore. Questo permette di modellare l'incertezza su criteri qualitativi come "compatibilità infrastrutturale".

Il processo segue fasi rigide: 1) Definizione criteri e pesi (tramite Fuzzy AHP o giudizio esperto). 2) Costruzione matrice decisionale fuzzy. 3) Normalizzazione TFN (lineare per criteri benefit/cost). 4) Calcolo soluzione ideale fuzzy positiva (FPIS) e negativa (FNIS). 5) Distanza di ogni alternativa da FPIS/FNIS. 6) Indice di vicinanza (CCi) per ranking TOPSIS. 7) Integrazione con FRPI: CCi normalizzato pesato per urgenza operativa (età veicolo, km percorsi, guasti storici).

L'output finale è un punteggio composito: valori alti = sostituzione urgente con opzione high-score TOPSIS (es. BEV se infrastruttura c'è); valori bassi = mantenimento. Il case study simulato su flotta mista 20 veicoli ha mostrato sensibilità al peso CO2: aumentando w_CO2 da 0.15 a 0.30, 3 diesel Euro 6 salgono in top-5 priorità sostituzione, superando ibridi plug-in con bassa autonomia elettrica. Dimostra come policy aziendali (carbon budget) cambino radicalmente la strategia tecnologica ottimale.

Chiedi all'AI

Approfondisci la notizia a colpo d'occhio con 3 spiegazioni sintetiche

Fonti

Autori:
Sónia Gouveia
Data Pubblicazione:
Articolo Originale www.mdpi.com
Verifica editoriale completata il 07/10/2026
Consulta le nostre Linee Guida Editoriali & Etica AI
Licenza Creative Commons CC BY-NC-SA 4.0

Continua a esplorare

Scopri l'intero archivio di pillole scientifiche o torna alla home

Riconnessione al server... Aggiornamento della sessione in corso
Connessione interrotta Impossibile stabilire il collegamento
Sessione aggiornata Ricarica per visualizzare i contenuti