• modelli multiperiodali
• ottimizzazione
• sistemi fuzzy
• stocastico
• two stage model

Lo scopo della programmazione stocastica è quello di individuare decisioni ottimali in problemi che coinvolgono dati incerti. Negli ultimi anni, la produzione scientifica in questo campo è stata davvero intensa, tanto da aver reso possibile uno sviluppo multidisciplinare affiancato da una potenza di calcolo sempre maggiore. Partendo dal modello proposto da Li, Liu e Chen (2018), si sono analizzati due importanti strumenti utili nei processi di ottimizzazione stocastica, ovvero il modello a due stadi e la logica fuzzy.
Prima di entrare nel cuore dell’indagine, il lavoro ha seguito una ben definita impostazione logica per fornire concetti di base validi per la comprensione del modello presentato. Preliminarmente si è inquadrato il processo decisionale in condizioni rischiose o incerte. Molto spesso, la scelta di intraprendere un’azione tra più alternative o opzioni da parte di un individuo, ha un’evoluzione complessa. Un altro aspetto che caratterizza il processo di decision making è il problema della ricerca dell’ottimo, ossia della soluzione che garantisce al decisore il miglior soddisfacimento delle sue esigenze. L’ottimizzazione può avere diversi livelli di complessità: più il problema da risolvere è ostico e difficoltoso, più saranno complessi i metodi quantitativi utilizzati per ricercare il punto di ottimo. Data la vastità dei problemi che il decisore è chiamato a risolvere, svariati saranno i modelli che potrà usare; il caso oggetto di studio spazia da modelli lineari e non lineari, a modelli deterministici e stocastici, alla logica fuzzy, con particolare attenzione ai modelli a due stadi con ricorso di cui saranno spiegati i principi teorici e le modalità di implementazione. Con questi modelli, viene fornito un supporto razionale alle decisioni complesse e l’incertezza viene affrontata in modo esplicito.
Si passa poi all’analisi del case study “Modeling a two-stage supply contract problem in a hybrid uncertain enviroment”: un rivenditore di gas naturale nel mercato cinese è incaricato di acquistare la giusta quantità di sostanza gassosa da rivendere ai suoi clienti nel periodo invernale. Il punto critico di tutta l’analisi è che la funzione di domanda non è conosciuta. Il venditore dovrà, dunque, prendere le sue decisioni non conoscendo questo dato fondamentale. L’ausilio fornito dal modello a due stadi ci permette di scomporre il problema in due fasi: nella prima fase, la società incaricata di distribuire il gas sottoscriverà dei contratti derivati per cautelarsi dal rischio derivante dalla funzione di domanda non nota, nella seconda fase i derivati sottoscritti verranno effettivamente esercitati, dopo aver conosciuto il dato incognito. In questo modo, il rivenditore potrà massimizzare i suoi profitti. Per determinare l’ammontare di questi ultimi appunto, sarà illustrato un processo che consente la semplificazione del modello a due stadi con ricorso in un equivalente e più agevole modello deterministico, attraverso l’applicazione di un modello dall’impostazione fuzzy. Attraverso la formulazione di quattro ipotesi differenti, si dimostra come l’aggiunta della componente “sfocata” al modello stocastico a due stadi consenta di raggiungere dei risultati altamente attendibili, coerenti e fedeli alla realtà. Le conclusioni dell’analisi per l'implementazione del modello, confermano sia la flessibilità dei sistemi a logica “sfumata”, sia l’originalità e l’innovazione del modello stocastico in grado di gestire circostanze rette da incertezza.