Modelo de decisão inteligente aprimorado para baterias de veículos elétricos usando informação Z priorizada com conjuntos fuzzy ortopares q‑rung de Schweizer–Sklar

Por que escolher a bateria certa para VE é tão complicado

À medida que os veículos elétricos passam de nicho para mainstream, a bateria escondida sob o piso faz grande parte do trabalho pesado. Ela determina a autonomia do carro, a velocidade de recarga, quanto tempo dura antes de precisar de substituição e quão segura e ambientalmente adequada é. Ainda assim, engenheiros e formuladores de políticas precisam optar entre tecnologias de bateria concorrentes usando informações que muitas vezes são incompletas, incertas ou baseadas na opinião de especialistas em vez de números precisos. Este artigo apresenta uma nova ferramenta matemática de decisão projetada para tornar essas escolhas mais confiáveis quando os fatos são indistintos.

Equilibrando muitas necessidades ao mesmo tempo

Selecionar uma bateria para veículo elétrico é um clássico ato de equilíbrio. Opções como níquel‑cádmio, chumbo‑ácido, sódio‑enxofre, íon‑lítio e baterias de fluxo têm cada uma sua combinação de pontos fortes e fracos. Algumas carregam rapidamente, mas se desgastam mais cedo; outras duram muitos anos, porém são volumosas ou requerem temperaturas operacionais altas. Os tomadores de decisão precisam ponderar desempenho técnico, custo, segurança e impacto ambiental simultaneamente. Métodos tradicionais de decisão presumem que cada critério pode ser descrito por números precisos, mas dados do mundo real sobre, por exemplo, vida em ciclos em climas severos ou taxas de falha em acidentes raramente são tão nítidos.

De opiniões vagas a julgamentos estruturados

Para lidar com essa ambiguidade, pesquisadores há muito utilizam conjuntos “fuzzy”, que permitem que uma afirmação seja parcialmente verdadeira em vez de simplesmente sim ou não. Refinamentos posteriores, como conjuntos fuzzy intuitionistas e pitagóricos, adicionaram formas de expressar hesitação ou informações conflitantes. O método proposto neste artigo apoia‑se em uma estrutura ainda mais flexível chamada conjuntos fuzzy ortopares q‑rung, que pode capturar graus muito elevados de incerteza, e a combina com números Z, um esquema que registra separadamente tanto um valor quanto a confiança dos especialistas nesse valor. Em termos simples, o modelo não apenas registra que uma bateria foi avaliada como “alta” em segurança, mas também quão confiável é esse julgamento.

Uma forma ajustável de combinar critérios conflitantes

O segundo pilar do trabalho é uma família de regras matemáticas, conhecidas como operadores de agregação de Schweizer–Sklar, usadas para combinar muitos insumos incertos em uma pontuação geral. Ao contrário da média simples, esses operadores têm um botão de ajuste incorporado que permite aos tomadores de decisão inclinar‑se para estratégias mais cautelosas ou mais arrojadas sem redesenhar todo o modelo. Quando configurados para serem mais conservadores, o método age como se dissesse “todos os critérios-chave devem ser razoavelmente bons”; quando mais otimista, permite que uma força excepcional em uma área compense fraquezas em outras. Os autores estendem essas regras para que funcionem de forma fluida com a estrutura combinada de fuzzy e números Z e permitam que prioridades e pesos sejam atribuídos a diferentes critérios.

Testando o método em escolhas reais de baterias

Para avaliar o funcionamento do modelo, os autores o aplicam a um estudo de caso realista comparando cinco tecnologias de bateria para uso em veículos elétricos. Especialistas avaliam cada opção em três aspectos cruciais: tempo de recarga, vida em ciclos e segurança. Essas avaliações verbais (“baixa”, “média”, “alta”, etc.) são traduzidas para o novo formato fuzzy, incluindo tanto a avaliação em si quanto a confiança dos especialistas nela. Os operadores propostos então agregam essa informação de várias maneiras ligeiramente diferentes, e cada bateria recebe uma pontuação final. Em todas as versões do método, as baterias de íon‑lítio emergem consistentemente como a melhor escolha, seguidas de perto por sódio‑enxofre e baterias de fluxo, enquanto níquel‑cádmio e chumbo‑ácido ficam atrás devido a vida útil menor, recarga mais lenta ou maiores preocupações ambientais. Uma análise separada usando uma técnica conhecida chamada WASPAS, adaptada para a mesma estrutura fuzzy, produz a mesma melhor escolha, conferindo credibilidade à nova abordagem.

Resultados robustos, mesmo quando as prioridades mudam

O estudo também explora o que acontece quando os parâmetros de ajuste nos operadores de Schweizer–Sklar são alterados, imitando atitudes mais avessas ou mais tolerantes ao risco. Embora as pontuações numéricas exatas mudem, o ranqueamento das baterias permanece notavelmente estável: íon‑lítio permanece em primeiro lugar, o grupo intermediário fica no meio e as opções mais fracas ficam na parte inferior. Essa estabilidade é importante na prática, pois sugere que o método não é excessivamente sensível a escolhas subjetivas sobre como combinar critérios, e que suas conclusões não são facilmente derrubadas por pequenas mudanças no modelo.

O que isso significa para veículos elétricos e além

Em termos práticos, o artigo oferece uma calculadora mais nuançada para decisões difíceis em que as evidências são incompletas e as opiniões de especialistas divergem. Para veículos elétricos, apoia o foco atual da indústria em baterias de íon‑lítio, ao mesmo tempo em que permite comparar tecnologias emergentes de forma justa e transparente. Mais amplamente, a mesma estrutura poderia ajudar em outras decisões complexas de sustentabilidade, como localizar estações de recarga, selecionar armazenamento de energia para a rede ou avaliar tecnologias verdes. Ao representar explicitamente tanto a incerteza quanto a confiança, e ao dar aos tomadores de decisão uma forma ajustável de equilibrar objetivos concorrentes, o modelo proposto transforma julgamentos do mundo real, desordenados, em orientações mais claras sem fingir que o mundo é mais simples do que realmente é.

Citação: 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

Palavras-chave: baterias para veículos elétricos, tomada de decisão multicritério, lógica fuzzy, modelagem de incerteza, tecnologia sustentável