5. L’analisi probabilistica

Tale analisi è stata condotta per stimare quell’incertezza implicita nei dati che può influenzare i risultati dello studio deterministico. Entrambe si basano sugli stessi scenari, ma nell’analisi probabilistica non viene effettuata una distinzione tra l’estate e l’inverno, e l’uso di attrezzature eterogenee nell’abitazione in cui si telelavora è ritenuto più importante. Lo scopo è quello di analizzare come i costi del telelavoro cambino quando si incorpora nell’analisi un certo tasso di incertezza. L’analisi rivela i parametri che determinano i costi esterni, confrontando questi ultimi con le rispettive emissioni, e evidenzia i valori dei parametri che permettono perlomeno di bilanciare le emissioni del telelavoro con quelle del non-telelavoro.

5.1 LA SIMULAZIONE DI MONTE CARLO E LA SENSITIVITY ANALYSIS.

Identificare quali parametri abbiano un effetto determinante sui risultati finali di un programma pubblico o privato è fondamentale per indirizzare le risorse e la ricerca scientifica e per garantire risultati positivi. Focalizzare l’attenzione su pochi elementi chiave può fare la differenza per la bottom line aziendale, non solo dal punto vista ambientale, ma anche da quello finanziario; inoltre, può aiutare il telelavoro ad adempiere al suo ruolo quale soluzione sostenibile per il problema dell’inquinamento atmosferico. È stata realizzata una versione MS Excel del modello di telelavoro (E-COMMUTair Excel) per supportare la simulazione di Monte Carlo e la sensitivity analysis, e per aiutare gli utilizzatori a comprendere l’interpretazione dei risultati del modello, identificando i parametri guida e analizzando come reagisce quest’ultimo ai vari input.

La simulazione di Monte Carlo è un metodo utilizzato per modellare le incertezze dei sistemi complessi e per verificare l’influenza dei parametri cruciali. Modellare le incertezze è fondamentale per identificare la solidità dei risultati finali. La simulazione consente di riprodurre lo scenario così come si presenta nella realtà. Essa richiede agli utilizzatori di determinare la distribuzione probabilistica delle diverse variabili incluse nel modello e di definire come queste interagiscano combinandole in formule matematiche. Definire i valori e le distribuzioni delle variabili di Monte Carlo rappresenta un passo significativo, poiché spesso non ci sono dati di supporto nella letteratura. In questa ricerca, per la maggior parte delle variabili con valori medi identificati nella letteratura, la distribuzione assunta è normale, mentre nel caso di variabili in parte o totalmente sconosciute la scelta della distribuzione è uniforme, con l’assunzione di un range noto e una uguale probabilità per tutti i valori. Un’altra distribuzione usata sporadicamente nel modello è quella triangolare, che è utile quando c’è una limitata disponibilità di dati e che assume i valori più probabili nel range scelto. La deviazione standard assunta si basa sui valori della letteratura esistente, oppure, quando questi non sono disponibili, viene stabilita allo 0.3.

Anche se la simulazione presenta una gamma di possibili esiti per ciascun parametro, tuttavia non mostra quali siano le variabili critiche per la variazione del risultato e quali abbiano il maggiore impatto sui risvolti finali. Qui gioca un ruolo fondamentale la sensitivity analysis. Viene utilizzata una “Crystal Ball” per effettuare la simulazione e l’analisi di sensitività. Si assume che la sensibilità sia una combinazione di due fattori: la sensibilità di una previsione al particolare valore di una variabile, e l’incertezza associata al particolare valore. Inoltre, la Crystal Ball fornisce un grafico della sensibilità che indica quanto ciascuna variabile influenzi il risultato finale.

5.2 I RISULTATI DELL’ANALISI PROBABILISTICA

La Tabella 5 mostra che per lo scenario del telelavoro per 3 giorni sia i costi diretti sia quelli esterni possono variare in maniera significativa, a causa dell’incertezza associata con i dati impliciti.Dalla significativa deviazione standard  dei valori medi dei componenti del modello, si evince che i costi del telelavoro potrebbero essere più alti di quelli del non-telelavoro, pertanto la chiave di successo per un programma di telework è la corretta implementazione.
Come nello scenario deterministico, la Tabella  indica che la componente che più influenza i costi totali del telelavoro è il trasporto, che appare un significativo onere finanziario che grava sugli individui e sulla società a causa dei suoi elevati costi esterni. La Tabella mostra che l’implementazione del telelavoro può aiutare a tagliare questi costi, con conseguenti benefici individuali e sociali. Vengono confrontati i costi del telelavoro e del non-telelavoro, in relazione all’illuminazione e ai sistemi di riscaldamento e raffreddamento. Una significativa differenza assoluta riguarda il trasporto. Per l’uso delle attrezzature elettroniche, sia i costi diretti sia quelli esterni sono più bassi in uno scenario di non-telelavoro, perché in tal caso molti strumenti d’ufficio sono condivisi tra i lavoratori – per cui anche i relativi costi – mentre l’attrezzatura da casa deve essere dedicata al lavoro. Inoltre, a casa potrebbe esserci anche un maggior uso indotto degli elementi elettrici e elettronici.
L’analisi probabilistica conferma i risultati di quella deterministica, che rilevava per i telelavoratori un incremento delle spese di casa e una riduzione di quelle per i viaggi, concludendo con un risultato complessivamente benefico.

Torna alla home della ricerca.

Print Friendly

Lascia un commento