Il presente articolo, attraverso una revisione della letteratura scientifica, si propone di offrire un quadro generale sull’uso della System Dynamics (SD) per supportare i processi decisionali nell’ambito della modellizzazione di sistemi eco-industriali. I risultati evidenziano come la comunità scientifica adotti prevalentemente un approccio interdisciplinare e multi-metodo al fine di affrontare in maniera più efficace la complessità dei sistemi industriali. Negli studi di Ecologia Industriale, la SD viene impiegata per modellizzare e simulare scenari a ciclo chiuso in molteplici settori e a vari livelli di scala, considerando le dimensioni economiche, ambientali e sociali dei sistemi e includendo variabili di diversa natura. Tuttavia, l’analisi condotta mostra che solo una parte minoritaria di studi propone modelli completi corredati da un processo di validazione finale. In tale prospettiva, l’integrazione di strumenti avanzati, quali il machine learning, appare particolarmente promettente.

System Dynamics per la modellizzazione di sistemi eco-industriali: stato dell’arte e prospettive metodologiche

Casolani, Veronica
Primo
;
Simboli, Alberto
Ultimo
2025-01-01

Abstract

Il presente articolo, attraverso una revisione della letteratura scientifica, si propone di offrire un quadro generale sull’uso della System Dynamics (SD) per supportare i processi decisionali nell’ambito della modellizzazione di sistemi eco-industriali. I risultati evidenziano come la comunità scientifica adotti prevalentemente un approccio interdisciplinare e multi-metodo al fine di affrontare in maniera più efficace la complessità dei sistemi industriali. Negli studi di Ecologia Industriale, la SD viene impiegata per modellizzare e simulare scenari a ciclo chiuso in molteplici settori e a vari livelli di scala, considerando le dimensioni economiche, ambientali e sociali dei sistemi e includendo variabili di diversa natura. Tuttavia, l’analisi condotta mostra che solo una parte minoritaria di studi propone modelli completi corredati da un processo di validazione finale. In tale prospettiva, l’integrazione di strumenti avanzati, quali il machine learning, appare particolarmente promettente.
2025
9788891678911
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11564/879233
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact