Verbeterd intelligent beslissingsmodel voor elektrische voertuigenaccu's met q‑Rung orthopair fuzzy Schweizer–Sklar geprioriteerde Z‑informatie

Waarom het kiezen van de juiste EV‑accu zo lastig is

Nu elektrische voertuigen van niche naar mainstream verschuiven, doet de accu onder de vloer veel zwaar werk. Zij bepaalt hoe ver een auto kan rijden, hoe snel hij kan opladen, hoe lang hij meegaat voordat vervanging nodig is, en hoe veilig en milieuvriendelijk hij is. Toch moeten ingenieurs en beleidsmakers kiezen tussen concurrerende accutechnologieën op basis van informatie die vaak incompleet, onzeker of meer gebaseerd op deskundige inschatting dan op harde cijfers is. Dit artikel presenteert een nieuw wiskundig beslissingsinstrument dat bedoeld is om die keuzes betrouwbaarder te maken wanneer de feiten vaag zijn.

Veel behoeften tegelijkertijd afwegen

Het kiezen van een accupakket voor een elektrisch voertuig is een klassiek evenwichtsoefening. Opties zoals nikkel‑cadmium, lood‑zuur, natrium‑zwavel, lithium‑ion en flow‑accu’s hebben elk hun eigen mix van sterke en zwakke punten. Sommige laden snel op maar slijten eerder; andere gaan vele jaren mee maar zijn omvangrijk of vereisen hoge bedrijfstemperaturen. Besluitvormers moeten technische prestaties, kosten, veiligheid en milieueffecten tegelijk tegen elkaar afwegen. Traditionele beslissingsmethoden gaan ervan uit dat elk criterium met precieze cijfers kan worden beschreven, maar realistische gegevens over bijvoorbeeld cyclusduur in ruwe klimaten of faalpercentages bij ongevallen zijn zelden zo scherp.

Van vage meningen naar gestructureerde oordelen

Om met deze dubbelzinnigheid om te gaan, gebruiken onderzoekers al lang zogenaamde “vage” verzamelingen, die toestaan dat iets gedeeltelijk waar is in plaats van alleen ja of nee. Latere verfijningen, zoals intuitionistische en Pythagorese fuzzy‑sets, voegden manieren toe om aarzeling of tegenstrijdige informatie uit te drukken. De in dit artikel voorgestelde methode bouwt voort op een nog flexibeler kader, genoemd q‑rung orthopair fuzzy sets, dat zeer hoge graden van onzekerheid kan vastleggen, en combineert dit met Z‑nummers, een schema dat zowel een waarde als het vertrouwen van experts in die waarde afzonderlijk vastlegt. Simpel gezegd registreert het model niet alleen dat een accu op veiligheid als “hoog” wordt beoordeeld, maar ook hoe betrouwbaar dat oordeel is.

Een instelbare manier om tegenstrijdige criteria te combineren

De tweede pijler van het werk is een familie wiskundige regels, bekend als Schweizer–Sklar aggregatieoperatoren, gebruikt om veel onzekere invoerwaarden te mengen tot een totaalscore. In tegenstelling tot eenvoudige gemiddelden hebben deze operatoren een ingebouwde regelaar waarmee besluitvormers kunnen kiezen voor een voorzichtige of juist gedurfde strategie zonder het hele model te herontwerpen. Wanneer meer conservatief ingesteld, gedraagt de methode zich alsof zij zegt: “alle belangrijke criteria moeten redelijk goed zijn”; wanneer optimistischer ingesteld, laat ze een uitmuntende kracht op één gebied zwaktes elders compenseren. De auteurs breiden deze regels uit zodat ze soepel werken met het gecombineerde fuzzy‑ en Z‑nummerkader en zodat prioriteiten en gewichten aan verschillende criteria kunnen worden toegekend.

De methode testen op echte accukeuzes

Om te zien hoe goed het model werkt, passen de auteurs het toe op een realistische casestudy waarin vijf accutechnologieën voor gebruik in elektrische voertuigen worden vergeleken. Deskundigen beoordelen elke optie op drie cruciale aspecten: laadtijd, cyclusduur en veiligheid. Deze verbale beoordelingen (“laag”, “gemiddeld”, “hoog”, enzovoort) worden vertaald naar het nieuwe fuzzy‑formaat, inclusief zowel de beoordeling zelf als het vertrouwen van de experts daarin. De voorgestelde operatoren aggregeren deze informatie vervolgens op enkele licht verschillende manieren, en elke accu krijgt een eindscore. In alle versies van de methode komen lithium‑ionaccu’s consequent als beste uit de bus, gevolgd door natrium‑zwavel en flow‑accu’s, terwijl nikkel‑cadmium en lood‑zuur achterblijven vanwege kortere levensduur, langzamer opladen of grotere milieu‑zorgen. Een afzonderlijke analyse met een bekende techniek genaamd WASPAS, aangepast aan hetzelfde fuzzy‑kader, levert dezelfde beste keuze op, wat geloofwaardigheid geeft aan de nieuwe benadering.

Robuuste resultaten, zelfs wanneer prioriteiten verschuiven

De studie onderzoekt ook wat er gebeurt als de instelparameters in de Schweizer–Sklar‑operatoren worden veranderd, wat meer risicomijdende of juist risicotolerante houdingen nabootst. Hoewel de exacte numerieke scores verschuiven, blijft de rangorde van accu’s opmerkelijk stabiel: lithium‑ion behoudt de eerste plaats, de middengroep blijft in het midden en de zwakste opties blijven onderaan. Deze stabiliteit is in de praktijk belangrijk, omdat het suggereert dat de methode niet te gevoelig is voor subjectieve keuzes over hoe criteria te combineren en dat haar conclusies niet snel worden omvergeworpen door kleine modelwijzigingen.

Wat dit betekent voor elektrische voertuigen en daarbuiten

In gewone bewoordingen biedt het artikel een genuanceerdere rekenhulp voor moeilijke keuzes waarbij bewijs onvolledig is en deskundige meningen uiteenlopen. Voor elektrische voertuigen ondersteunt het de huidige industriële focus op lithium‑ionaccu’s, terwijl het ruimte laat om opkomende technologieën op een eerlijke en transparante manier te vergelijken. Breder gezien kan hetzelfde kader helpen bij andere complexe duurzaamheidsbeslissingen, zoals het plaatsen van laadstations, het kiezen van energieopslag voor het net of het evalueren van groene technologieën. Door zowel onzekerheid als vertrouwen expliciet te representeren en besluitvormers een instelbare manier te geven om concurrerende doelen tegen elkaar af te zetten, zet het voorgestelde model rommelige, reële oordelen om in helderder advies zonder te doen alsof de wereld eenvoudiger is dan ze is.

Bronvermelding: 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

Trefwoorden: accu's voor elektrische voertuigen, meercriteriabesluitvorming, vage logica, modellering van onzekerheid, duurzame technologie