Modello decisionale intelligente migliorato per batterie di veicoli elettrici utilizzando informazione Z prioritaria fuzzy q‑rung orthopair Schweizer–Sklar

Perché scegliere la batteria giusta per un VE è così complesso

Man mano che i veicoli elettrici passano da nicchia a tecnologia di massa, la batteria nascosta sotto il pianale svolge un ruolo decisivo. Determina l’autonomia, la velocità di ricarica, la durata prima di dover essere sostituita e quanto sia sicura e rispettosa dell’ambiente. Tuttavia ingegneri e responsabili delle politiche devono scegliere tra tecnologie di batteria concorrenti basandosi su informazioni spesso incomplete, incerte o fondate più su giudizi di esperti che su dati netti. Questo articolo presenta un nuovo strumento matematico decisionale pensato per rendere quelle scelte più affidabili quando i fatti sono sfocati.

Bilanciare molte esigenze contemporaneamente

La selezione di una batteria per veicoli elettrici è un classico esercizio di bilanciamento. Opzioni come nichel‑cadmio, piombo‑acido, sodio‑zolfo, litio‑ionico e batterie a flusso hanno ciascuna un insieme di punti di forza e limiti. Alcune si ricaricano rapidamente ma si degradano prima; altre durano molti anni ma sono ingombranti o richiedono temperature operative elevate. I decisori devono valutare contemporaneamente prestazioni tecniche, costo, sicurezza e impatto ambientale. I metodi decisionali tradizionali assumono che ogni criterio sia descrivibile con numeri precisi, ma i dati reali su, per esempio, la vita in ciclo in climi severi o i tassi di guasto in incidente raramente sono così netti.

Dalle opinioni fuzzy a giudizi strutturati

Per affrontare questa ambiguità, i ricercatori hanno a lungo utilizzato insiemi “fuzzy”, che permettono a un’affermazione di essere in parte vera piuttosto che semplicemente sì o no. Raffinamenti successivi, come gli insiemi fuzzy intuizionistici e pitagorici, hanno introdotto modi per esprimere esitazione o informazioni conflittuali. Il metodo proposto in questo lavoro si basa su un quadro ancora più flessibile chiamato insiemi fuzzy q‑rung orthopair, che può rappresentare gradi molto elevati di incertezza, e lo combina con i numeri Z, uno schema che registra separatamente sia un valore sia la fiducia che gli esperti ripongono in quel valore. In termini semplici, il modello non si limita a registrare che una batteria è giudicata “alta” in sicurezza, ma anche quanto attendibile sia quel giudizio.

Un modo modulabile per combinare criteri in conflitto

Il secondo pilastro del lavoro è una famiglia di regole matematiche, note come operatori di aggregazione Schweizer–Sklar, usate per fondere molteplici input incerti in un punteggio complessivo. A differenza della semplice media, questi operatori includono una manopola di regolazione che permette ai decisori di orientarsi verso strategie più caute o più audaci senza riprogettare l’intero modello. Se impostati per essere più conservativi, il metodo si comporta come se affermasse “tutti i criteri chiave devono essere ragionevolmente buoni”; se impostati in modo più ottimistico, permettono a un punto di forza eccellente in un’area di compensare debolezze in altre. Gli autori estendono queste regole affinché funzionino agevolmente con il quadro combinato fuzzy e dei numeri Z e permettano di assegnare priorità e pesi a criteri diversi.

Testare il metodo su scelte reali di batterie

Per verificare l’efficacia del modello, gli autori lo applicano a uno studio di caso realistico che confronta cinque tecnologie di batteria per l’uso nei veicoli elettrici. Gli esperti valutano ogni opzione su tre aspetti cruciali: tempo di ricarica, vita in ciclo e sicurezza. Queste valutazioni verbali (“basso”, “medio”, “alto” e così via) vengono tradotte nel nuovo formato fuzzy, includendo sia la valutazione in sé sia la fiducia degli esperti nella stessa. Gli operatori proposti aggregano poi queste informazioni in diversi modi leggermente differenti, e ciascuna batteria riceve un punteggio finale. In tutte le versioni del metodo, le batterie al litio‑ionico emergono costantemente come scelta migliore, seguite da vicino da sodio‑zolfo e batterie a flusso, mentre nichel‑cadmio e piombo‑acido rimangono indietro a causa di vita più breve, ricarica più lenta o maggiori preoccupazioni ambientali. Un’analisi separata usando una tecnica nota come WASPAS, adattata allo stesso quadro fuzzy, produce la stessa scelta migliore, rafforzando la credibilità del nuovo approccio.

Risultati robusti, anche quando cambiano le priorità

Lo studio esplora anche cosa succede quando i parametri di regolazione negli operatori Schweizer–Sklar vengono modificati, simulando atteggiamenti più avversi o più tolleranti al rischio. Sebbene i punteggi numerici esatti cambino, la classifica delle batterie rimane sorprendentemente stabile: il litio‑ionico resta al primo posto, il gruppo intermedio rimane tale e le opzioni più deboli restano in coda. Questa stabilità è importante nella pratica, perché suggerisce che il metodo non è eccessivamente sensibile a scelte soggettive su come combinare i criteri e che le sue conclusioni non sono facilmente invalidate da piccoli cambiamenti di modellazione.

Cosa significa per i veicoli elettrici e oltre

In termini pratici, l’articolo offre un calcolatore più sfumato per decisioni difficili in cui le prove sono incomplete e le opinioni degli esperti divergono. Per i veicoli elettrici, supporta l’attuale attenzione dell’industria sulle batterie al litio‑ionico pur lasciando spazio a confrontare in modo equo e trasparente tecnologie emergenti. Più in generale, lo stesso quadro potrebbe aiutare in altre decisioni complesse di sostenibilità, come la collocazione di stazioni di ricarica, la selezione di accumuli per la rete o la valutazione di tecnologie verdi. Rappresentando esplicitamente sia l’incertezza sia la fiducia e offrendo ai decisori un modo modulabile per bilanciare obiettivi in conflitto, il modello proposto trasforma giudizi reali e confusi in indicazioni più chiare senza fingere che il mondo sia più semplice di quanto sia.

Citazione: Ali, A., Shaikh, H.U., Ashraf, S. et al. Improved intelligent decision model for electric vehicle battery using q-Rung orthopair fuzzy Schweizer–Sklar prioritized Z-information. Sci Rep 16, 13890 (2026). https://doi.org/10.1038/s41598-025-27621-6

Parole chiave: batterie per veicoli elettrici, decisione multicriterio, logica fuzzy, modellazione dell'incertezza, tecnologia sostenibile