De Vincenzo - Relazione I anno

Transcript

De Vincenzo - Relazione I anno
POLITECNICO DI BARI
DIPARTIMENTO DI MECCANICA, MATEMATICA E MANAGEMENT
Sezione di Progettazione Meccanica e Costruzione di Macchine
____________________________________________________________
Dottorato di Ricerca in Ingegneria Meccanica e Gestionale - XXIX Ciclo
Coordinatore: Prof. Ing. Giuseppe Pascazio
Relazione Finale I anno
COMPLEX SYSTEMS DYNAMICS
ENERGY HARVESTING
OPINION FORMATION IN
IN NON-LINEAR SYSTEMS
ORGANIZATIONAL GROUPS
Tutors:
Prof. Ing. Giuseppe Carbone
Prof. Ing. Ilaria Giannoccaro
Dottorando
Dott. Ilario De Vincenzo
___________________________________________
ANNO 2014
Energy harvesting in non-linear systems.
Ilario De Vincenzo
DMMM-Politecnico di Bari, V.le Japigia 182, 70126 Bari-Italy
Keywords: Energy harvesting, stochastic resonance, non-linear systems.
Electronic address: [email protected]
1
I.
INTRODUZIONE
L’ambiente in cui viviamo ci mette a disposizione energia potenzialmente illimitata sotto
forma di vibrazioni. Le vibrazioni sono presenti in eventi naturali, nel moto sismico, nel
vento, nelle maree, nel movimento dei veicoli, persino nell’apparente staticità di strutture
come edi…ci e ponti, nonché nel movimento del corpo umano e degli animali. Sfruttare
questo enorme patrimonio [1] è uno dei campi più interessanti e promettenti dell’odierna
ricerca energetica: l’Energy harvesting.
Fig. 1: applicazioni dell’Energy harvesting.
Uno dei principali obiettivi dell’energy harvesting è rappresentato dalle wireless sensor networks (WSNs) [2]. Tale tecnologia consiste in una griglia di nodi spazialmente distribuita
che comunicano tra loro e verso un centro di monitoraggio informazioni quali accelerazioni,
temperature, pressioni, ecc. Nei prossimi anni le WSNs saranno massivamente impiegate in
un ampio range di applicazioni come il monitoraggio strutturale, l’automotive, la sensoristica industriale, l’identi…cazione di persone, come malati di Alzheimer, o la localizzazione
di animali selvatici. Per queste applicazioni, raccogliere energia direttamente dall’ambiente,
non solo rappresenta una realistica soluzione per integrare o sostituire le batterie, ma è il sol
modo di consentire il loro funzionamento. Tipicamente tali dispositivi sono dormienti per
il 99:9% del loro tempo di operatività, attivandosi per pochi secondi solo per trasmettere
le informazioni che percepiscono. Conseguentemente la loro potenza media è stata ridotta
sotto i 10 W [3] in modo da metchare la densità di potenza fornita dagli attuali harvester
(100 300 mW=cm3 ). Oltre a una potenziale vita in…nita, gli harvester cinetici non necessitano di …lamenti, non richiedono manutenzione e ricarica ed è possibile posizionarli in
ambienti pericolosi e inaccessibili.
Un tipico sistema di harvesting include un embedded vibration energy harvester (V EH),
un modulo multisensore, un microcontrollore e un trasmettitore (Fig.2). A causa della
variabile natura delle vibrazioni in intensità e frequenza, il dispositivo contiene anche un
2
AC=DC regolatore di tensione, che può ricaricare un dispositivo di accumulazione temporaneo, tipicamente una batteria al litio o un supercapacitore.
Fig. 2: Wireless sensor network.
II.
PRINCIPALI TECNICHE DI CONVERSIONE
Ci sono tre principali categorie di sistemi di conversione: piezoelettrici, elettromagnetici
ed elettrostatici. Ogni tecnica presenta vantaggi e svantaggi, per cui non esiste una tecnica
adattabile sempre, la migliore scelta dipende dal tipo di applicazione.
I trasduttori piezoelettrici fanno uso di materiali polarizzati elettricamente come il
titaniato di bario (BaT iO3 ), ossido di zinco (ZnO) e piombo zirconato di titanio
(P b[Zrx T i1 x ]O3 ), comunemente noto come P ZT e considerato uno dei migliori materiali
per l’accoppiamento elettromeccanico. L’e¤etto piezoelettrico diretto, utilizzato per l’energy
harvesting, venne scoperto dai fratelli Curie nel 1880 e consiste nella generazione di una differenza di potenziale ai capi di materiali cristallini quando soggetti ad una deformazione
meccanica. I materiali piezoelettrici riescono a fornire elevati voltaggi (da 2 al alcuni V),
sono ben adatti per applicazioni particolarmente compatte e ottimi in termini di densità di
potenza per unità di volume. Ciononostante, l’accoppiamento piezoelettrico perde e¢ cacia
alle micro scale e impedenze relativamente elevate sono richieste per raggiungere un ottimale working point [4]. Inoltre, altri problemi, devono essere considerati come quelli relativi
all’invecchiamento, la depolarizzazione, la fragilità, oltre che alla sensibilità a fatica.
3
Fig. 3: Utilizzo di barre piezoelettriche in un cantilever per
l’energy harvesting.
Gli harvester elettromagnetici funzionano sfruttando la legge di Faraday, accoppiando
un campo magnetico statico prodotto da un magnete permanente (stator) a un solenoide
(mover) in moto relativo rispetto al primo. Tali dispositivi sono raccomandati per basse frequenze (2 20Hz), piccole impedenze e dimensioni medie [5]. Il loro costo è inferiore rispetto
ad altre soluzioni. La maggior parte delle soluzioni commerciali sono presenti alle scale centimetriche, per le quali tali dispositivi esibiscono un’elevata densità di potenza. D’altro canto
la loro integrazione nei micro-electro-mechanical-systems (MEMS) risulta di¢ cile.
Fig. 4: a) principio di funzionamento di un VEH
elettromagnetico dove un magnete (moving) oscilla rispetto ad
un magnete …sso (stator); b) schematizzazione di un gap-closing
electrostatic VEH.
Gli harvester elettrostatici consistono principalmente in una capacità variabile in cui un
elettrodo è attaccato a una massa oscillante sospesa da molle e un elettrodo è …sso al telaio
della struttura. Quando una forza è applicata alla massa, o il gap dielettrico (in-plane
gap-closing converter), o la loro super…cie sovrapposta (overlap varying converter), varia
in funzione della direzione di movimento. Come conseguenza la capacità cambia e cariche
addizionali si accumulano agli elettrodi in modo da bilanciare la tensione di polarizzazione.
Durante il movimento della massa dunque si crea una corrente, che ‡uisce attraverso i piatti.
Uno dei principali svantaggi degli harvester elettrostatici è la necessità di un’alimentazione
4
esterna al …ne di precaricarli. Ciò sembra contrastare con il …ne di raccogliere energia
dall’ambiente, ma ha senso se l’alimentazione proviene dall’energia estratta dall’harvester
stesso [6]. In tal caso il generatore richiede solo di essere avviato all’inizio del processo
di conversione. Tale tecnologia è molto impiegata nei MEMS. Ciononostante la potenza
generata è inferiore rispetto a quella di dispositivi piezoelettrici ed elettromagnetici.
Fig. 5: Principali vantaggi e svantaggi delle tecniche di conversione
utilizzate nell’energy harvesting.
III.
MODELLI MASSA MOLLA SMORZATORE LINEARI PER VEHS
I dispositivi di energy harvesting cinetici sono suddivisi in due categorie: quelli che utilizzando l’applicazione diretta di forze (Fig. 6a) e quelli che fanno uso delle forze di inerzia
associate al movimento della massa m (Fig. 6b). I generatori inerziali sono preferiti a quelli
a forza diretta perché richiedono un solo punto di collegamento alla struttura vibrante,
permettendo dunque una più spinta miniaturizzazione.
Fig. 6: Schemi di energy harvesters di non speci…cata tecnica di
conversione (a) a forza diretta e (b) a forza inerziale.
5
::
Nel secondo caso F (t) = my dove y (t) è la distanza dalla base dell’harvester dal telaio
mentre z (t) è la distanza relativa della massa m dalla base dell’harvester, k è la costante
elastica della molla, c il coe¢ ciente di smorzamento e fe rappresenta la forza elettrica di
richiamo dovuta al meccanismo di trasduzione. In…ne RL è il carico resistivo attraverso cui
‡uisce la corrente generata. Nel proseguo descriveremo il modello di …gura 6b; generalmente
applicabile a qualsiasi forma di sistema di conversione lineare (piezoelettrico o elettromagnetico). Le equazioni di accoppiamento di un generico 1 DOF vibration-driven-generator
derivano dalla seconda legge di Newton e dalla legge di Kircho¤ applicata al circuito elettrico:
::
:
::
mz + cz + kz + V = my
:
(1)
:
V + (!c + !i ) V = !c z
V è la tensione prodotta ai capi della resistenza elettrica e è il fattore di accoppiamento
elettromeccanico; !c rappresenta la caratteristica frequenza di cut-o¤ del circuito elettrico,
operante come un …ltro passa alto a causa della speci…ca tecnica di conversione. Questo
parametro è l’inverso del tempo caratteristico
(!c = 1= ). !i ha lo stesso signi…cato
ma corrisponde alla resistenza interna Ri del sistema. In…ne è il fattore di conversione
elettromeccanico. Questi parametri caratteristici vengono ricavati volta per volta in funzione
della tecnica di conversione adottata.
::
Consideriamo il caso semplice di eccitazione armonica y (t) = Y0 ei!t come input. Possiamo
trasformare le equazioni del moto 1 nel dominio di Laplace. Le funzioni Y (s), Z(s) e V (s)
sono rispettivamente le trasformate di Laplace di accelerazione, spostamento della massa e
tensione di uscita ai capi del carico resistivo.
ms2 + cs + k
!c s
s + !c
Z
V
=
mY
0
(2)
La matrice a sinistra, che chiameremo A, rappresenta l’impedenza generalizzata del sistema
oscillante. Utilizzando il Metodo di Cramer, data le linearità del sistema, è semplice arrivare
alle incognite:
Z=
mY (s + !c )
mY (s + !c )
=
3
2
det A
ms + (m!c + c) s + (k + !c + c!c ) s + k!c
(3)
mY !c s
mY !c s
=
(4)
3
2
det A
ms + (m!c + c) s + (k + !c + c!c ) s + k!c
Le funzioni di trasferimento tra spostamento e tensione e tra tensione e accelerazione sono
dunque:
V =
Z
(5)
Y
V
HV Y (s) =
Y
Sostituendo a s = i! nella 4 possiamo calcolare la potenza elettrica dissipata sul carico
resistivo:
HZY (s) =
jHV Y (i!)j2 jY (i!)j2
Y2
jV (i!)j2
m !c i!
Pe (!) =
=
= 0
2
2RL
2RL
2RL (!c + i!) ( m! + i!c + k) +
6
2
!c i!
(6)
Introducendo la pulsazione propria del sistema !n =
= c=2m!n nell’equazione sopra, questa diventa:
p
k=m e il fattore di smorzamento
2
!c i!
Y02
(7)
2RL (!c + i!) (!n2 ! 2 + 2 !n i!) + !c i!=m
Nella …gura seguente è possibile osservare l’andamento della potenza estratta in funzione del
parametro adimensionale !=!n di un generico vibration-based generator.
Pe (!) =
Fig. 7: Funzione potenza normalizzata di un generico
vibration-base harvester.
Le principali limitazioni di un sistema lineare sono:
Banda di frequenze in cui il dispositivo è sensibile molto stretta intorno alla frequenza
di risonanza; ciò limita le applicazioni a frequenze prossime a quelle di risonanza;
Bassa versatilità a varie tipologie di spetti di potenza;
Inutilizzabilità nei dispositivi MEMS: masse e spostamenti in gioco limitati, dunque
potenza estratta non su¢ ciente per elettroniche dei milliwatts (10 100 mW ) :
IV.
OLTRE I SISTEMI DI ENERGY HARVESTING LINEARI
Nella maggior parte degli studi …nora condotti gli harvester erano progettati come oscillatori lineari che tunavano la propria frequenza di risonanza con quella di eccitazione
dell’ambiente in modo da massimizzare la potenza estratta. Tale condizione può essere
facilmente ottenuta se la frequenza di eccitazione è ben nota e stabile nel tempo, progettando appositamente le caratteristiche inerziali degli harvester. Ciò nonostante quando la
7
frequenza di eccitazione ambientale è ignota o varia nel tempo, le precedenti condizioni non
sono più garantite, per cui un harvester con una sola frequenza di risonanza non è in grado
di ottenere ottimali prestazioni. E’ben noto infatti che le vibrazioni a disposizione in ambiente presentano un range di frequenze molto ampio, con particolare prevalenza delle basse
frequenze (sotto i 100 Hz), come è possibile osservare da alcuni power spectrum riportati
nella …gura sottostante.
Fig. 8: Spettri di potenza di alcune delle tipiche fonti di vibrazioni per l’energy
harvesting.
Varie strategie sono state investigate per superare questo pratico inconveniente. Nel seguito
lo stato dell’arte delle tecniche studiate è brevemente presentato: frequency tuning, multimodal oscillators e frequency-up conversion. Una completa visione di insieme è presentata
in [7].
A.
Frequency tuning
In alcuni casi è stato dimostrato [8] che la frequenza di risonanza di un oscillatore armonico può essere tunata alla principale frequenza di eccitazione in due modi di¤erenti:
passivi e attivi. I modi passivi richiedono un’intermittente potenza in ingresso (manuale o
automatica) per veri…care e tunare il sistema …nchè il frequency match è completo, dopo la
potenza richiesta è zero …nchè la frequenza di eccitazione varia nuovamente. La modalità
attiva richiede maggior potenza in quanto il tuning è continuo nel tempo ma porta ovviamente ad un incremento delle prestazioni del dispositivo. Il meccanismo di tuning può
essere realizzato meccanicamente usando molle e viti, con magneti o utilizzando un materiale piezoelettrico. Alcuni lavori sono stati presentati negli ultimi anni dimostrando la
possibilità di aggiustamento dei parametri inerziali per modi…care la rigidezza dell’harvester
8
o la sua con…gurazione. La rigidezza dell’oscillatore viene modi…cata con un precarico o una
prede‡essione. In …gura 9 tre soluzioni tunabili sono presentate. I tre harvester sono realizzati con una travetta piezoelettrica, in cui il meccanismo di tuning è puramente meccanico
nel primo caso [9], magnetico nel secondo [10] e piezoelettrico nel terzo [11].
Fig. 9: Tre soluzioni di energy harvesting: (a) cantilever
piezoelettrico con una massa mobile; (b) cantilever piezoelettrico
con tuning magnetico, (c) travetta piezoelettrica con sistema di
pulitura e tuning.
La soluzione (a) è realizzata con un provino consistente in una parte …ssa combinata con
una mobile. Il baricentro del provino può essere modi…cato agendo sulla vite di regolazione.
La parte …ssa della massa è realizzata con un materiale relativamente poco denso e la massa di
tuning con uno molto denso. In questo modo la frequency tunability è aumentata muovendo
la distanza del centro di gravità della massa di prova. In questo modo il range di frequenza
può essere variato dai 130 ai 180 Hz spostando la massa di 21 mm.
La soluzione (b) di …gura 9 è realizzata accoppiando due magneti …ssi all’estremità libera
nel cantilever ad altri due magneti …ssi sopra e sotto il dispositivo. Tutti i magneti hanno
una magnetizzazione verticale in modo da creare una forza attrattiva e una repulsiva rispettivamente sui due lati della travetta. Variando magneticamente la distanza tra i magneti,
utilizzando una vite, la forza magnetica può essere modi…cata inducendo un cambiamento
nella rigidezza del cantilever. La frequenza di resonanza può in questo modo essere variata
nel range 22 23 Hz.
L’ultimo caso (c), di …gura 9, presentato da Roundy e Zhang [11], è un meccanismo di
tuning attivo. Gli autori hanno dimostrato che un sistema di tuning attivo non permette
mai di incementare la potenza netta in uscita perchè la potenza richiesta per tunare con
continuità la travetta risonante eccede la potenza estraibile. La tabella seguente racchiude
alcuni dei metodi di tuning proposti [9] e le relative prestazioni.
9
Fig.10: Sommario di vari metodi di tuning su sistemi risonanti.
B.
Multimodal energy harvesting
L’approccio multimodale consiste in harvester multivibranti, progettati appositamente
quando la frequenza di eccitazione approccia una frequenza naturale dell’harvester.In questo
modo potenza utile può essere estratta su un più ampio spettro di frequenza, incrementando
la banda di sensibilità dell’harvester complessivo.
Una modalità di progetto di tali harvester multimodali consiste nel combinare più meccanismi di trasduzione insieme. In [13] è presentato uno scenario ibrido da Tadesse et al.
come mostrato in …gura 11a. L’harvester consiste di un cantilever con dei piatti di cristallo
piezoelettrico attaccati allo stesso e appositamente distanziati l’un l’altro; un magnete permanente è connesso alla punta del cantilever e oscilla all’interno di un magnete solidale alla
struttura. In questa con…gurazione il trasduttore elettromagnetico genera elevata potenza
alle basse frequenze (20 Hz), mentre il trasduttore piezoelettrico genera elevata potenza
a frequenze più elevate (300 Hz). La combinazione di questi due schemi in un unico dispositivo permette di migliorare drasticamente la risposta dell’harvester. Lo svantaggio di
questa soluzione è la di¢ coltà di combinare la potenza in uscita dai due di¤erenti sistemi di
conversione, richiedendo dunque due cirtuiti elettrici separati.
Un approccio di¤erente è progettare un vettore di cantilever, ognuno con di¤erenti caratteristiche inerziali. In …gura 11b è possibile osservare un vettore di cantilever con di¤erenti
lunghezze e masse al tip, connessi ad una base comune, alla quale arriva la vibrazione ambientale. Nel caso di …gura 11c, i cantilevers sono gli stessi ma il primo modo di risposta
è variato cambiando la massa al tip. Ogni cantilever presenta un’unica frequenza di risonanza, la combinazione delle quali all’interno di un unico dispositivo crea una sorta di …ltro
passabanda. Selezionando accuratamente le caratteristiche inerziali, il dispositivo può essere
10
progettato in modo tale da fornire una buona risposta su un ampio range di frequenze. Una
con…gurazione a vettore di cantilever rispetto a una a sistema di conversione ibrida, non presentala la di¢ coltà di combinare la potenza in uscita dai vari meccanismi di conversione su
di¤erenti circuiti, ma richiede un retti…catore per ogni cantilever per evitare la cancellazione
della potenza in uscita a causa di possibili opposizioni di fase tra i singoli cantilever.
Sostanzialmente l’approccio multimodale incrementa il range di sensibilità dell’harvester
incrementando il suo volume e il suo peso e quindi riducendo la densità di potenza estratta.
Nel caso speci…co del cantilever array infatti solo uno o alcuni cantilever potranno essere in
risonanza e attivi nella produzione di energia.
Fig. 11: Schemi di VEH multimodale. a) Harvester ibrido con meccanismo di
trasduzione piezoelettrico ed elettromagnetico [13]; b) Cantilever array piezoelettrici
con di¤erenti lunghezze e masse al tip [13]; c) Stessi cantilever e di¤erenti masse al
tip [14].
C.
Frequency-up conversion energy harvesting
Come precedentemente osservato le vibrazioni presenti nell’ambiente presentano la loro
energia distribuita su un ampio range di frequenze con una signi…cativa predominanza delle
basse frequenze; la tecnica del frequency up conversion consiste nel trasferire la frequenza di
vibrazione della fonte alla frequenza di risonanza naturale dell’harvester. Un tipico sistema
di conversione è rappresentato in …gura 12. L’oscillatore con costante elastica k ha una
frequenza di risonanza molto più bassa di quella della travetta piezoelettrica. Quando il
dente colpisce la punta del cantilever, questo inizia a oscillare alla sua frequenza naturale.
Così dunque la frequenza di oscillazione della massa oscillante m viene trasferita all’elevata
frequenza di vibrazione del cantilever piezoelettrico. Tale tecnica rappresenta un modo per
disaccoppiare la frequenza di eccitazione da quella di vibrazione dell’harvester. Lo svantaggio
di questa tenica è che la frequenza di risonanza della massa oscillante m va tarata alla
frequenza media di vibrazione della fonte. Nel caso in cui la vibrazione di eccitazione avesse
uno spettro di variabilità considerevole, i vantaggi di questo metodo vengono meno.
11
Fig. 12: Schematizzazione di un frequency-up conversion system.
V.
TECNICHE NON LINEARI
Le strategie precedentemente menzionate per raccogliere energia dall’ambiente appartengono alla categoria degli oscillatori risonanti lineari. In generale, per un generico sistema
lineare, anche più complicato di un semplice cantilever, la funzione di trasferimento presenta
uno o più picchi in corrispondenza delle frequenze di risonanza e quindi funzionano bene principalmente quando l’energia in ingresso è abbondante in tale range di frequenza. Purtoppo
questa è una seria limitazione quando è richiesto di costruire un harvester di piccole dimensioni, per almeno due motivi, il primo di tutti è che, come già discusso precedentemente, lo
spettro di frequenze delle vibrazioni disponibili è molto ampio invece che essere concentrato
in un ristretto range. La seconda ragione è che il range di frequenze più energetico è quello
delle basse frequenze, sotto i 100 Hz, per cui è molto di¢ cile, se non impossibile, costruire
sistemi risonanti a basse frequenze. Basandosi su queste considerazioni è chiaro che gli harvester ispirati a con…gurazioni a cantilever presentano un numero di svantaggi che limitano
seriamente il campo di loro applicazione. Le caratteristiche ottimali di un harvester ideale
che abbia un ampio range di risposta possono essere racchiuse nei seguenti punti:
Capacità di raccogliere energia su un ampio range di frequenze e non solo alla frequenza
di risonanza. Gli oscillatori non risonanti devono essere presi in considerazione.
Capacità di raccogliere energia alle basse frequenze (sotto le centinaia di Hz).
Mancata necessità di un frequency tuning dopo il set-up iniziale dell’harvester.
Il grande vantaggio dell’utilizzo dei sistemi non lineari nell’energy harvesting è di riuscire
ad assorbire energia su un ampio spettro di frequenze a causa dell’interazione delle varie
12
armoniche fra loro, fenomeno assente nei sistemi lineari. La migliore soluzione in termini
di sistemi non lineari, non risonanti, deve partire dalla costruzione di un’apposita forma
dell’energia potenziale U (z). Infatti U (z) gioca un ruolo di immagazzinamento di energia
prima della trasduzione per l’oscillatore meccanico. L’equazione del moto nel caso generale
diventa:
dU (z)
::
+ V = my
(8)
dz
Per sostituire un oscillatore lineare con uno non lineare deve risultare U (z) 6= 12 kz 2 . Negli
ultimi anni varie forme di potenziale sono state esplorate [15][16] andando da:
::
:
m z + cz +
U (z) = az 2n
(9)
a espressioni più complicate. Per oscillatori non lineari non è possibile de…nire una funzione
di trasferimento e una propriamente de…nita frequenza di risonanza non esiste.
A.
Cantilever bistabili
Un interessante applicazione di oscillatori non lineari è rappresentata da quelli che presentano un potenziale bistabile, piuttosto che uno monostabile (caso lineare). Un semplice ed
istruttivo esempio di come passare da un harvester lineare (monostabile) a uno non lineare
(bistabile) è rappresentato in …gura 13a [17]. Un pendolo invertito presenta alla sua punta
un piccolo magnete, di polarità opposta ad un altro, posto a una distanza da esso. Sotto
l’azione della vibrazione trasmessa alla base del sistema, il pendolo oscilla ‡ettendo alternativamente il layer piezoelettrico e generando quindi una tensione V . La dinamica del pendolo
invertito è controllata dal parametro : l’interazione tra i due magneti di polarità opposta
genera una forza dipendente da che si oppone al ritorno elastico del pendolo in‡esso. Come
risultato di ciò il pendolo invertito può presentare tre di¤erenti tipi di comportamento, in
funzione della distanza :
quando i due magneti sono separati da un’elevato gap (
si comporta come un oscillatore lineare;
>
0)
il pendolo invertito
se
è piccolo ( < 0 ) il pendolo è forzato ad oscillare a sinistra o a destra della
verticale. Nel limite di piccole oscillazioni, tale comportamento può ancora essere
descritto in termini di oscillatore lineare ma con una frequenza di risonanza più elevata
del caso precedente;
tra le due precedenti condizioni esiste una condizione intermedia ( = 0 ) per cui il
cantilever si muove con piccole oscillazioni intorno ad ogni posizione di equilibrio (sinistra o destra della verticale) e con grandi oscillazioni da una all’altra rispettivamente.
Il potenziale non lineare può essere descritto in questo caso dall’equazione:
1
U (z) = ke z 2 + Az 2 + B
2
13
2
3
2
(10)
dove ke , A e B rappresentano costanti relative ai parametri …sici del cantilever. Chiaramente quando la distanza
tra i magneti aumenta notevolmente il secondo termine della
10 diventa trascurabile e il potenziale tende al potenziale armonico del caso lineare.
Fig. 13: a) Schematizzazione di un harvester non lineare a pendolo invertito [17],
studiato al Nips Laboratory di Perugia dal gruppo di ricerca diretto dal Prof.
Gammaitoni. b) Forma del potenziale del sistema al variare della distanza tra i
magneti di polarita’opposta montati al tip del cantilever.
Il comportamento qualitativo del dispositivo è sommariamente descritto dal diagramma
2
in …gura 14a, dove la potenza media (Pavg = Vrms
=R) dall’harvester è plottata in funzione
della distanza : Come risulta evidente esiste una distanza ottimale 0 che massimizza la
potenza estratta [17]. Tale condizione viene raggiunta in un regime totalmente non lineare
(condizione bistabile del potenziale) risultando circa quattro volte maggiore del corrispondente valore nella condizione lineare (valori all’estrema destra dei diagrammi).
Fig. 14: a) Potenza elettrica media estratta e b) Root mean square sulle posizioni
dall’harvester in funzione di , per tre di¤erenti deviazioni standard del rumore.
14
VI.
LA RISONANZA STOCASTICA
Il primo argomento a¤rontato durante questo primo anno di dottorato è stato quello
della risonanza stocastica. La risonanza stocastica venne ipotizzata da Benzi et al. nel
1982 per dare una spiegazione teorica all’alternarsi di ere glaciali e interglaciali nel clima
terrestre, fenomeno che ha un carattere approssimativamente periodico. Era noto che ere
glaciali e inter-glaciali si alternano con un periodo di circa 105 anni. Il miglior modello
per spiegare i cambiamenti climatici era l’energy balance model, che riproduceva lo spettro dei dati noti nelle sue periodicità più a breve termine, ma non presentava segnali alla
frequenza delle glaciazioni. Sutera ha ipotizzato, in particolare, che aggiungendo alcune
perturbazioni stocastiche al modello, si creassero salti tra i due stati stabili (era glaciale e
non). Nell’articolo si dimostra che simulando un tale sistema, la risposta presenta, e¤ettivamente, il comportamento periodico desiderato. Il meccanismo di risonanza [18] può essere
spiegato considerando un sistema molto smorzato costituito da un particella di massa m in
un potenziale di Du- ing U (x), come quello rappresentato in …gura 15a:
1
U (x) = bx4
4
1 2
ax
2
(11)
p
a=b e sono separati da una barriera di
I minimi sono localizzati a xm , dove xm =
2
potenziale U = a =4b: Il massimo della barriera è posizionato a xb = 0: La particella
è soggetta a forze ‡uttuanti, indotte per esempio da un bagno caldo. Le forze ‡uttuanti
causano transizioni tra i vicini punti di equilibrio con una frequenza data dalla nota relazione
di Kramers:
rk =
!0 !b
e
2 c
V
D
(12)
00
(xm )
dove !02 = U m
è la pulsazione angolare al quadrato del potenziale nei punti di minimo xm
00
jU (xb )j
2
e !b = m è la pulsazione angolare al quadrato sul massimo della barriera, localizzata a
xb ; U è l’altezza della barriera di potenziale che separa i due minimi e c il fattore di smorzamento interno della particella. L’intensità del rumore D = KB T è relativa alla temperatura
T: In presenza di una eccitazione periodica, il potenziale U (x; t) = U (x) F0 sin ( t) viene
disimmetrizzato rendendo alternativamente una conca più favorevole dell’altra, come visibile
in …gura 15b. Sebbene la forzante periodica sia troppo debole per far saltare la pallina da
una posizione di equilibrio all’altra, il rumore introdotto può permettere questi salti, sincronizzati con il segnale periodico forzante. Tale sincronizzazione statistica avviene quando
il tempo medio di attesa Tk = 1=rk tra transizioni consecutive da una conca all’altra è
comparabile con mezzo periodo T della forzante. Il time-scale matching condition per la
risonanza stocastica è dunque:
2Tk (D) = T
15
(13)
Fig. 15: a) Potenziale di Du- ing; b) disimmetrizzazione del potenziale nel
tempo a causa dell’applicazione di una forzante deterministica.
La sincronizzazione statistica può avvenire variando l’intensità del rumore D e mantenendo
costante la pulsazione della forzante, o viceversa. Quando si instaura la risonanza stocastica, il sistema risponde con un’uscita quasi periodica e ampli…cata; il guadagno di energia
proviene dal rumore, che coopera con la periodicità del piccolo segnale forzante per dar luogo
a cambiamenti che avvengono in sincronia con quest’ultimo.
Fig. 16: Esempio di sincronizzazione stocastica a) risonanza stocastica indotta
variando l’intensit del rumore D e mantenendo costante la pulsazione della forzante
deterministica ; b) risonanza stocastica indotta variando la pulsazione della
forzante e mantenendo costante l’intensit del rumore.
16
L’equazione stocastica che regge il problema è riconducibile alla famosa equazione di
Langevin:
dU
+ F0 sin ( t) + FB (t)
(14)
dx
dove m è la massa della particella che si muove nel potenzile U (x), c è il suo coe¢ ciente di
smorzamento interno, F0 sin ( t) è la forzante deterministica introdotta dall’esterno e FB (t)
è la forzante stocastica a media nulla (hFB (t)i = 0) e con una funzione di autocorrelazione
proporzionale ad una Delta di Dirac (hFB (t) FB (t0 )i = q (t t0 )), ovvero un rumore bianco.
L’equazione di Langevin è una delle più famose equazioni del secolo scorso, nata da un
approccio di¤erente a quello condotto da Einstein e Smoluchowski per la descrizione del
moto browniano. Langevin si concentrò direttamente sulle traiettorie x(t) del processo
considerandole come generalizzazioni di funzioni tradizionali. Con questo approccio si ha
a che fare con equazioni di¤erenziali sul processo X(t) come nella tradizionale meccanica
Newtoniana, ma bisogna prestare particolare attenzione nel de…nire correttamente che cosa
tali equazioni possono signi…care. Infatti, mentre le distribuzioni di probabilità del processo
sono funzioni ordinarie, i processi X(t) non sono in generale derivabili.
::
:
m x + cx =
A.
Generazione rumore
Per integrare numericamente l’equazione di Langevin, al …ne di ottenere la risonanza stocastica, è stato necessario in primis generare matematicamente il rumore bianco. Il rumore
bianco è caratterizzato da uno spettro di frequenza in…nito e dunque da un’energia in…nita,
una condizione …sicamente inaccettabile. Nella nostra formulazione abbiamo limitato lo
spettro del rumore a tre ordini di grandezza di frequenze: !2 =!1 = 1024, introducendo
inoltre due importanti miglioramenti:
abbiamo aumentato il numero di time steps di integrazione all’interno del periodo
del rumore T0 = 2 =!0 per migliorare la discretizzazione delle frequenze più alte,
utilizzando la tecnica dello zero-padding, quindi incrementando considerevolmente la
più elevata frequenza campionabile in base al criterio di Nyquist;
scegliendo !1 > !0 abbiamo inserito !1 =!0 realizzazioni dello stesso processo stocastico
in T0 , migliorando l’ergodicità del rumore.
Fig. 17: Power spectrum del
rumore generato.
17
Abbiamo discretizzato la relazione tra il power spectrum del rumore C (!) e trasforamta di
Fourier F (!). Attraverso una serie di passaggi matematici, omessi in questa trattazione, si
arriva alla seguente relazione:
2
C (!)
!0
da cui si ricavano i moduli delle trasformate di Fourier delle varie armoniche:
r
2
jFk j = jF (k!0 )j =
C (k!0 )
!0
Il rumore è ottenuto dunque applicando un’antitrasformata di Fourier discreta:
jF (!)j2 =
+1
!0 X
f (t) =
jFk j ei(k!0 t+'k )
2 k= 1
(15)
(16)
(17)
L’energia associata al rumore è contenuta in jFk j mentre la sua stocasticità nelle fasi 'k ,
generate random nell’intervallo [ ; ].
B.
Risultati
Come è possibile osservare dalla …gura 17 si è ottenuta la risonanza stocastica: la particella
oscilla alternativamente tra le due conche del potenziale, in maniera sincrona con la piccola
forzante deterministica appliata.
Fig. 17: Risonanza stocastica.
In …gura 18 è mostrato invece l’andamento del signal to noise ratio (SN R), de…nito come il
rapporto tra il P SD sulle posizioni in presenza sia del rumore che della forzante deterministica e quello con il solo rumore. Essendo il P SD delle posizioni …sicamente proporzionale
18
all’ampiezza al quadrato delle oscillazioni per la data frequenza sono subito evidenti le potenzialità che questo fenomeno mette a disposizione per l’energy harvesting.
Fig. 18: Signal to noise ratio (SN R) di un sistema sovrasmorzato.
Variando le caratteristiche del sistema si è anche e¤ettuata un indagine circa il suo comporc
tamento al variare del fattore di smorzamento = ccr
= 2pckm , osservando l’insorgere nel
power spectrum delle posizioni dei picchi di risonanza naturale intrawell, oltre quello itrawell
proprio della risonanza stocastica (…gura 19a). Si è notato inoltre che al …ne di massimizzare
il SN R è preferibile utilizzare sistemi fortemente sovrasmorzati. (…gura 19b).
Fig. 19: a) Power spectrum sulle posizioni al variare del coe¢ ciente di smorzamento
per un dato power spectrum del rumore; b) Signal to noise ratio al variare del
coe¢ ciente di smorzamento e del power spectrum del rumore.
19
VII.
ENERGIA DAL RUMORE: LAVORI IN CORSO
Scopo principale degli studi intrapresi a seguito del riottenimento di alcuni risultati
sull’energy harvesting e sulla risonanza stocastica, è quello di ideare un dispositivo non
lineare che estragga energia dal moto ondoso del mare. Per far ciò da qualche mese stiamo
lavorando a due con…gurazioni di harvester non lineari a due gradi di libertà; in entrambi
i casi è presente una massa m che si muove all’interno di un potenziale ratchet; alla massa
m è applicata la forzante stocastica, vibrazioni (rumore). Attraverso una molla di costante
elastica k e uno smorzatore c, il movimento arriva ad una massa M . Nella prima con…gurazione a valle della massa M è posto un secondo smorzatore C, nella seconda una seconda
molla di costante elastica K:
A.
Energy harvester con smorzatore di raccolta
Lo scopo della prima con…gurazione è estrarre energia dallo smorzatore C. La massa M
e lo smorzatore C stanno proprio a simulare la presenza di un utilizzatore di energia.
Fig. 20: Energy harvester con smorzatore di raccolta.
Le equazioni di equilibrio del sistema possono essere espresse nella seguente forma vettoriale
adimensionale:
::
:
M X +C X +K X =F
(18)
dove:
x
e(e
t)
e
ye(t)
X=
1 0
0
M=
C=
K=
(19)
(20)
1+
(21)
+
"
e
e
k
k
e
e
k k
20
#
(22)
F =
e (e
@U
x(e
t))
@e
x
^
e
+ FRU
M ORE t
0
=
=
=
M
m
c
cint
C
cint
(23)
(24)
(25)
(26)
e è il potenziale ratchet e
cint è il coe¢ ciente di smorzamento interno della massa m, U
^
e
FRU
M ORE t è la forzante stocastica, che abbiamo ipotizzato essere un rumore bianco,
generato come predentemente descritto. L’asimmetria del potenziale induce la massa m,
sottoposta a vibrazioni random, a muoversi in una direzione preferenziale, trascinandosi di
conseguenza la massa M: La presenza della molla e degli smorzatori, nonchè il rapporto tra
le masse in moto fanno si che M segua il moto medio di m, come è possibile osservare in
…gura 21.
Fig. 21: Moto nel tempo delle masse m (body 1) ed M (body 2):
Se pensiamo ad M come il rotore di un generatore di corrente che viene posto in rotazione
e a C come una resistenza, su cui la corrente prodotta si dissipa, è evidente che stiamo
estraendo con continuità energia dal rumore.
Al crescere del rumore la massa m tende ad e¤ettuare un maggior numero di salti, spostandosi mediamente nella direzione preferenziale indotta dalla forma del ratchet (da sinistra
verso destra), quindi la sua velocità media di avanzamento, nonchè quella della massa M
aumenta; continuando ad aumentare il rumore diventa talmente forte che riesce a far saltare
la massa m anche indietro, per cui velocità media si riduce (…g. 22).
21
Fig. 22: Velocita’media di avanzamento della massa M (body 2)
in funzione dell’intensita’del rumore.
Abbiamo intenzione di studiare l’e¤etto dei parametri adimensionali sulle prestazioni di
questo dispositivo, integrando la parte elettrica necessaria alla generazione di corrente e
ottimizzandone il suo funzionamento nel particolare contesto applicativo in cui sceglieremo di
applicarlo. Una versione rotativa dello stesso schema potrebbe esser presa in considerazione,
realizzandola in laboratorio.
B.
Energy harvester con molle di raccolta
La seconda con…gurazione è simile alla prima ma a di¤erenza di quest’ultima nasce con
l’intento di rimanere puramente meccanica. Il suo scopo è quello di accumulare energia
elastica nelle molle k e K.
Fig. 23: Energy harvester con molle di raccolta.
22
Le equazioni di equilibrio del sistema possono essere espresse nella seguente forma adimensionale, analoga alla 18:
:
::
M X +C X +K X =F
(27)
dove:
x
e(e
t)
ye(e
t)
X=
1 0
0
M=
C=
F =
K=e
k
1+
^
e
+ FRU
M ORE t
0
=
=
=
(29)
(30)
1
1
1 1+
e (e
@U
x(e
t))
@e
x
(28)
M
m
c
cint
e
K
e
k
(31)
(32)
(33)
(34)
(35)
e è il potenziale ratchet e
cint è il coe¢ ciente di smorzamento interno della massa m, U
^
e
FRU
M ORE t è la forzante stocastica, che abbiamo ipotizzato essere un rumore bianco. La
disimmetria del potenizale anche in questo caso porta la massa m a muoversi preferenzialmente in una direzione, man mano caricando le molle, …nchè viene raggiunta la loro
deformazione massima, compatibilmente all’energia media contenuta nel rumore. In tale
con…gurazione il sistema si è caricato completamente e l’energia accumulata può essere utilizzata, ad esempio azionando le lancete di un orologio. Se il tempo di ricarica del dispositivo
è inferiore a quello di scarica richiesto dalla particolare applicazione che servirà, il sistema
sarà sempre in grado di fornire energia.
23
Fig. 23: Moto nel tempo delle masse m (body 1) ed M (body 2):
In …gura 24 è possibile osservare l’andamento dell’energia elastica accumulata nelle due molle
k e K per …ssati valori di k, , e P SDN oise . Come è evidente esiste un che massimizza
l’energia estratta.
Fig. 24: Energia elastica accumulata nelle molle del sistema.
Anche su questa con…gurazione continueremo a lavorare, studiando l’e¤etto dei parametri
adimensionali sulle sue prestazioni, che confronteremo con l’analogo dispositivo ad un sol
grado di libertà.
24
VIII.
BIBLIOGRAFIA
[1] P. D. Mitcheson, et al., "Energy harvesting from human and machine motion for wireless
electronic devices," Proceedings of the IEEE, vol. 96, pp. 1457-1486, 2008.
[2] C. S. Raghavendra, et al., Wireless sensor networks: Springer, 2006.
[3] A. Bilbao, et al., "Ultra-low power wireless sensing for long-term structural health monitoring," 2011, p. 798109.
[4] A. b. E. Lefeuvre, C. Richard, L. Petit, D. Guyomar, "A comparison between several approaches of piezoelectric energy harvesting," J. Phys. IV France, vol. 128, pp. 177-186, 2005.
[5] G. Poulin, et al., "Generation of electrical energy for portable devices Comparative study of
an electromagnetic and a piezoelectric system," Sensors & Actuators: A. Physical, vol. 116,
pp. 461-471, 2004.
[6] P. Wang, et al., "A micro electromagnetic low level vibration energy harvester based on MEMS
technology," Microsystem Technologies, vol. 15, pp. 941-951, 2009.
[7] G. Sebald, et al., "Experimental Du¢ ng oscillator for broadband piezoelectric energy harvesting," Smart materials and structures, vol. 20, p. 102001, 2011.
[8] L. Tang, et al., "Toward broadband vibration-based energy harvesting," Journal of Intelligent
Material Systems and Structures, vol. 21, pp. 1867-1897, 2010.
[9] S. Roundy and Y. Zhang, "Toward self-tuning adaptive vibration-based microgenerators," in
Proc. SPIE, 2004, pp. 373-384.
[10] X. Wu, et al., "A frequency adjustable vibration energy harvester," Proceedings of PowerMEMS, pp. 245-248, 2008.
[11] V. R. Challa, et al., "A coupled piezoelectric–electromagnetic energy harvesting technique for
achieving increased power output through damping matching," Smart materials and structures, vol. 18, p. 095029, 2009.
[12] M. Ferrari, et al., "Piezoelectric multifrequency energy converter for power harvesting in
autonomous microsystems," Sensors and Actuators A: Physical, vol. 142, pp. 329-335, 2008.
[13] Y. Tadesse, et al., "Multimodal energy harvesting system: piezoelectric and electromagnetic,"
Journal of Intelligent Material Systems and Structures, vol. 20, pp. 625-632, 2009.
[14] S. Shahruz, "Design of mechanical band-pass …lters for energy scavenging," Journal of Sound
and Vibration, vol. 292, pp. 987-998, 2006.
[15] H. Vocca, et al., "Kinetic energy harvesting with bistable oscillators," Applied Energy, 2012.
[16] S. C. Stanton, et al., "Nonlinear dynamics for broadband energy harvesting: Investigation of
a bistable piezoelectric inertial generator," Physica D: Nonlinear Phenomena, vol. 239, pp.
640-653, 2010.
[17] F. Cottone, et al., "Nonlinear energy harvesting," Physical Review Letters, vol. 102, 2009.
[18] L. Gammaitoni, et al., "Stochastic resonance", Reviews of Modern Physics, Vol. 70, No. 1,
January 1998
25
Opinion formation in organizational groups
Ilario De Vincenzo
DMMM-Politecnico di Bari, V.le Japigia 182, 70126 Bari-Italy
Keywords: Complex systems, Ising model, Inter-organizational team dynamics, non-linear systems.
Electronic address: [email protected]
1
I.
INTRODUZIONE
La scienza della complessità studia i sistemi complessi ricercando le proprietà e i principi
universali di loro comportamento. Poichè i sistemi complessi sono di¤usi in natura i primi
contributi si devono a …sici, biologi, matematici, oltre che a sociologi ed economisti. I sistemi
complessi non hanno una de…nizione univoca. In generale, si tratta di sistemi formati da
numerosi elementi che interagiscono tra loro in modo non lineare e il cui comportamento
mostra una dinamica emergente. Alcuni esempi di sistemi complessi sono gli spin glasses, il
plasma e sistemi auto-gravitanti, in …sica, DNA, cervello e sistema immunitario, in biologia
e …siologia. I sistemi sociali, sia quelli costituiti dagli esseri umani che dagli animali, sono
sistemi complessi. Le dinamiche delle folle, data l’intrinseca non linearità del sistema, sono
di¢ cilmente riconducibili ai comportamenti degli individui che le compongono. Analoghe
considerazioni si potrebbero fare per colonie di formiche, ecosistemi, reti di computer o
mercati …nanziari.
Fig. 1: Alcuni esempi di sistemi complessi.
La scienza della complessità si avvale di strumenti che permettono di studiare l’emergenza
di comportamenti collettivi. Nelle simulazioni al computer, migliaia di agenti eterogenei,
possono interagire agevolmente tra loro secondo regole precise (deterministiche o stocastiche)
stabilite in base a ipotesi molto semplici, da cui però emergono dinamiche complesse che
spesso riproducono fenomeni sociali noti, più o meno in accordo con i dati reali, e dunque
in grado di confermare o eventualmente falsi…care la correttezza delle ipotesi di partenza.
La meccanica statistica o¤re importanti strumenti per la modellazione dei sistemi complessi; il primo lavoro condotto in questo ambito parte infatti proprio dall’utilizzo del modello
di magnetizzazione di Ising, descritto nella seguente sezione, ad un caso applicativo di interesse gestionale, di cui si parterà successivamente.
2
Fig. 2: Rete delle interazioni sociali di una comunita’di individui
II.
IL MODELLO DI ISING
Il Modello di Ising è uno dei più semplici e famosi modelli della meccanica statistica,
nato per spiegare il curioso fenomeno del ferromagnetismo. Ferro, cobalto, nichel e magnetite sono metalli i cui momenti magnetici tendono ad allinearsi spontaneamente in una
direzione. Questa proprietà, detta appunto ferromagnetica, va ricercata nel comportamento
cooperativo degli spins dei loro atomi: un numero considerevole dei loro elettroni si “orienta”
nella medesima direzione dando al metallo un carattere magnetico, de…nito da una grandezza
chiamata magnetizzazione. Aumentando la temperatura la loro attrazione magnetica improvvisamente sembra venir meno. L’agitazione termica tende a rendere non correlati gli
stati degli spins interagenti. Di conseguenza nell’istante in cui viene raggiunta la temperatura di Curie, Tc , il metallo perde la magnetizzazione. Questo fenomeno è noto come
transizione di fase ferromagnetica-paramagnetica.
3
Fig. 3: Transizione di fase ferromagnetica - paramagnetica.
Il modello di Ising monodimensionale venne proposto per la prima volta nella tesi di
dottorato di Ernest Ising e successivamente pubblicato nel 1925 [1], ma non presentava la
transizione di fase attesa. L’irrilevanza di questo risultato dal punto di vista …sico, portò
erroneamente Ising a supporre che anche le soluzioni di dimensione maggiore non presentassero la transizione di fase. Degli sviluppi consistenti del modello dovettero attendere il
1936, quando il britannico Rudolf Peierls riuscì a dimostrare l’esistenza di una transizione di
fase nei reticoli planari, ossia quelli di dimensione uguale a due. Nel 1941 Hendrik Kramers
e Gregory Wannier individuarono il valore esatto della temperatura di Curie del modello
di Ising bidimensionale, ma bisognò attendere …no al 1944 per la soluzione analitica esatta
di Lars Onsager. In…ne, da essa, nel 1952 Chen Ning Yang riuscì a ricavare il valore della
magnetizzazione spontanea.
Consideriamo la disposizione di N nodi
Z d di …gura 4: Ogni nodo individua l’iesima particella interagente del sistema, che può assumere uno spin i = 1, a seconda
che quest’ultimo sia diretto verso l’alto o verso il basso. Gli spin rappresentano il momento
magnetico degli atomi del metallo. A una dimensione tale disposizione è una catena, a due
un reticolo, a tre dimensioni un cristallo e così via.
4
Fig. 4: Reticolo
Z 2 di spin i interagenti tra loro e con
un campo magnetico esterno h:
L’ipotesi fondamentale del modello di Ising è che ogni spin interagisca solo con i suoi vicini
e con un campo magnetico esterno. Date queste ipotesi possiamo de…nire l’Hamiltoniana
H ( ) della con…gurazione = f i gi , ossia l’energia osservabile del sistema, come:
X
X
H( )=
Jij i j
hi i
(1)
i
hi;ji
Il primo addendo di H ( ) è il contriburo dovuto all’interazione degli spin vicini, il secondo
è associato all’interazione degli spin con il campo magnetico esterno. Jij è una costante di
interazione tra ogni coppia di spin i e j, mentre hi è il campo magnetico esterno interagente
con l’i-esima particella. La notazione hi; ji nella prima sommatoria indica che gli spin i
e j considerati sono quelli tra loro vicini. La distribuzione di probabilità delle possibili
con…gurazioni è data da una Boltzmann:
P ( )=
e
H( )
Z
(2)
dove
= KB1 T è proporzionale tramite la costante di Boltzmann, KB , all’inverso della
P
temperatura T , e Z = e H( ) è la funzione di partizione. La probabilità della con…g-
urazione P ( ) rappresenta la probabilità di essere in uno stato con una con…gurazione
all’equilibrio.
Il segno meno in ogni termine dell’Hamiltoniana H ( ) è una convenzione, in osservanza
della quale il modello di Ising può essere classi…cato in funzione dei segni dei coe¢ cienti di
interazione Jij ; se:
Jij > 0, l’interazione è detta ferromagnetica;
5
Jij < 0, l’interazione è detta antiferromagnetica;
Jij = 0, gli spin non sono interagenti.
In un modello di Ising ferromagnetico gli spin tendono ad allinearsi, raggiungendo la
con…gurazione di minima energia all’equilibrio, per cui le con…gurazioni in cui gli spin vicini
hanno lo stesso allineamento presentano un’elevata probabilità. In un modello antiferromagnetico al contrario gli spin vicini tendono all’equilibrio ad avere allineamenti opposti.
Analogamente la convenzione dei segni utilizzati in 1 spiega come uno spin interagisce con
il campo magnetico esterno; se:
hi > 0, l’i-esimo spin tende ad allinearsi alla direzione imposta dal campo magnetico
esterno;
hi < 0, l’i-esimo spin tende a disallinearsi alla direzione imposta dal campo magnetico
esterno;
hi = 0, l’i-esimo spin risulta insensibile al campo magnetico esterno.
Spesso il modello di Ising viene esaminato in assenza di un campo magnetico esterno
(h = 0); un’altra comune sempli…cazione è supporre che gli spin vicini interagiscano tutti
allo stesso modo (Jij = J) per ogni coppia di hi; ji
. Con queste sempli…cazioni la 1
diventa:
X
H( )= J
(3)
i j
hi;ji
III. DINAMICA INTERORGANIZZATIVA DEI TEAM: LA PROSPETTIVA DI
ISING
A.
Introduzione
Durante questo primo anno di dottorato abbiamo sviluppato un modello di interazione
sociale ispirato al modello di Ising, che abbiamo successivamente applicato allo studio della
dinamica dei team interoganizzativi. Un team è un gruppo di individui che lavorano insieme
al …ne di realizzare un compito. I team interorganizzativi sono costituiti da membri appartenenti a di¤erenti organizzazioni che condividono abilità e competenze per pergeguire un obbiettivo comune. I team interorganizzativi sono da tempo oggetto di studio in letteratura.
L’interesse nei loro confronti è dovuto al fatto che con l’odierna complessità ed incertezza
ambientale, le aziende adottano tali strutture come un e¤ettivo meccanismo collaborativo di
coordinamento, che può contribuire a notevoli vantaggi competitivi. La topologia delle reti
sociali, la loro densità e connettività sono aspetti rilevanti, la cui in‡uenza sulle prestazioni
del team è ancora oggetto di dibattito tra gli studiosi in quanto spesso si sono riscontrati
risultati contrastanti. Alcuni ad esempio hanno riscontrato un e¤etto positivo della densità
sulle performance del team, altri no. Analogamente non c’è un accordo tra l’e¤etto della
centralità del team leader sulle performance del team. Una linea di ricerca parallela si focalizza invece sulla struttura organizzativa del team. I team possono infatti essere di tipo
6
Autonomous quando guidati da un project manager, caratterizzati da un elevato grado di
autonomia e indipendenza dalle organizzazioni originali, o Functional, quando presentano
una minore autonomia, non hanno un project manager e i suoi membri hanno come solo
riferimento i manager del dipartimento delle strutture organizzative da cui provengono. Una
distinzione può essere fatta anche in base allo stile manageriale del project manager.
Lo scopo di questo studio è integrare queste due linee di ricerca, fornendo una migliore
comprensione circa come progettare e¢ caciemente la struttura interorganizzativa dei team,
comprendere come le caratteristiche delle reti sociali, quali densità e connettività, in‡uenzano le performance del team in termini di con‡ittualità …nale delle opinioni per di¤erenti
tipologie di strutture organizzative e identi…care quali strutture organizzative o¤rono le
migliori prestazioni in determinati contesi di incertezza ambientale.
Per persegure questo obbiettivo abbiamo considerato le strutture sociali come dei social
network, i cui nodi corrispondono ai membri della rete e i link tra gli stessi ai veicoli delle
relazioni che tra essi intercorrono. I link permettono lo scambio di conoscenza, competenza,
informazioni, permettendo l’in‡uenza reciproca tra i membri della rete. Il processo evolve
nel tempo verso la condizione di equilibrio, in cui viene raggiunto il minimo livello di con‡ittualità all’interno del team. Le analogie di comportamento con il modello di Ising sono
evidenti: come gli spin degli atomi in un materiale ferromagnetico tendono nel tempo a
minimizzare la loro repulsione reciproca, puntando in una comune direzione, l’opinione dei
membri di una rete tende a convergere all’equilibrio verso la condizione di minima con‡ittualità. Come la temperatura delle particelle, indice della loro agitazione molecolare, tende
a decorrelare l’allineamento degli spin interagenti, tanto da portare anche alla demagnetizzazione del materiale, la temperatura sociale, indice di incomprensione, confusione, input
esterni confusionari, ostacola la convergenza delle opinioni. Il modello di Ising conta già
numerose applicazioni nelle scienze sociali, una delle quali sulla formazione dell’opinione [2],
lavoro del quale tra l’altro abbiamo riottenuto i risultati durante la fase iniziale di approccio
ai sistemi complessi.
B.
Background teorico
1.
Social networks nei team
In letteratura i team di sviluppo sono rappresentati da cluster di nodi (individui), connessi
da una varietà di link (relazioni). In funzione dei nodi coinvolti distinguiamo reti interne ed
esterne al team. Le reti interne sono quelle che coinvolgono solo i membri del team, quelle
esterne coinvolgono i membri del team e gli individui esterni ad esso, con i quali i membri si
interfacciano (membri di altri team o delle organizzazioni da cui provengono). In funzione
dell’informazione trasmessa lungo i link, distinguiamo inoltre instrumental e expressive network. La rete è istrumental quando lungo i link ‡uiscono informazioni e conoscenza, è
expressive quando lungo i link ‡uisono relazioni sociali quali amicizia o …ducia. Un link instrumental può essere originato da una relazione gerarchica tra un capo e il suo subordinato
ma emerge anche da una relazione di condivisione di competenze tra due individui al …ne
di risolvere un problema. I membri del team si scambiano tacita e con…denziale conoscenza
per migliorare le loro performance lavorative. Un’expressive network ri‡ette relazioni di
amicizia, …ducia e descrive le relazioni sociali tra gli individui. Basandoci su questo background teorico nel nostro modello abbiamo considerato due tipi di reti sociali: reti interne,
comprendenti i membri del team e reti esterne, comprendenti i membri del team e i membri
7
delle organizzazioni. In base al contenuto delle informazioni trasmesse lungo i link abbiamo
individuato tre reti di interazione sociale: rete gerarchica, rete delle competenze e rete delle
amicizie. Tali reti saranno ampiamente descritte nel seguito.
2.
Il con‡itto nei team
Il con‡itto tra due componenti di un team emerge quando hanno una opinione di¤erente
circa il contenuto di un lavoro (task con‡ict) o un disaccordo circa l’approccio da seguire
(process task) o anche quando c’è solo ostilità tra loro (A¤ective con‡ict). Una buona misura
del con‡itto nei team è la dispersione delle opinioni. Maggiore (minore) è la dispersione delle
opinioni, maggiore è il con‡itto (consenso). Il con‡itto va minimizzato in quanto in…cia le
performance del team in termini di perdita di tempo, consumo di risorse e generazione di
confusione.
3.
In‡uenza sociale e risoluzione dei con‡itti
Le interazioni sociali portano alla formazione dell’opinione, stimolano la convergenza
verso una comune comprensione della situazione. L’uomo possiede un’innata attituidine
al consenso e tende ad osservare il comportamento altrui, facendosene in‡uenzare e spesso
semplicemente adattandosi al comportamento dominante. L’e¢ cacia delle interazioni sociali
nella ricerca del consenso e nella risoluzione dei con‡itti all’interno del team ha un ruolo
determinante ed è intimamente connessa alle caratteristiche …siche delle reti sociali. Tra
le principali caratteristiche citiamo in particolare la densità e la connettività. La densità è
de…nita come il rapporto tra il tra il numero di relazioni nella rete e il numero totale che
potrebbero esistere qualora ogni membro fosse connesso ad ogni altro. Maggiore è la densità
sia in reti di tipo instrumental che expressive, migliore è lo sviluppo del consenso tra i membri
della rete. La connettività è de…nita invece come la legge di distribuzione della centralità dei
nodi della rete. Dalla letteratura emerge che le interazioni sociali possono essere descritte
da di¤erenti tipologie di connettività. Le reti sociali ad esempio sono descritte al meglio da
reti di tipo small-world piuttosto che da reti random o possono essere caratterizzate da leggi
di potenze della centralità dei nodi come nelle scale-free. Anche il tipo di connettività, cosi
come la densità, in‡uenza l’e¢ cacia nella risoluzione dei con‡itti.
C.
Il modello
Per illustrare il nostro modello consideriamo due organizzazioni, buyer e supplier, che
decidono di creare un team di sviluppo di un nuovo prodotto. Il team è costituito da
S membri, appartenenti per metà all’organizzazione buyer e per metà all’organizzazione
supplier. Le organizzazioni, hanno una dimensione …ssata, rispettivamente Nb ed Ns : Ogni
membro del team è chiamato a prendere una decisione circa una speci…ca caratteristica
del prodotto da sviluppare in base alla propria competenza ed esprime una certa opinione
a riguardo. L’opinione individuale è modellata per semplicità come una variabile binaria
1, quindi ogni caratteristica nel nostro modello può assumere solo due possibili stati. Per
esempio, un membro del team che rappresenta il settore vendite deve decidere il mercato
di destinazione del prodotto tra uno giovanile ed uno adulto. Il designer deve decidere lo
8
stile del prodotto tra elegante o sportivo e così via. Ogni membro del team interagisce
con gli altri membri del team (internal networks) e i membri dell’organizzazione originaria
(external netkorks). Gli individui interagenti hanno opinioni che possono essere o meno in
disaccordo con quella degli altri. Per esempio, quando un membro vendite preferisce un
mercato giovanile e il design member uno stile elegante, c’è un disaccordo a causa del fatto
che le due scelte non sono tra loro compatibili in quanto la scelta del degigner è più coerente
con un mercato adulto. Un disaccordo è modellato da una coppia di di¤erenti opinioni
(+1 e 1) mentre un accordo da una di stesse opinioni (+1 e +1 o 1 e 1). Il livello
di con‡ittualità può essere identi…cato dal livello energetico C (Hamiltoniana) dello spin
magnetico: aumenta in caso di disaccordo tra gli individui interagenti ( C > 0) mentre
diminuisce in caso di accordo ( C < 0) : Abbiamo ipotizzato che le relazioni sociali tra gli
individui possano essere descritte su¢ cientememte attraverso tre reti:
rete gerarchica: due individui possono interagire tra loro in quanto mutuamente gerarchici (Who is in charge of my work); un sottoposto sente particolarmente l’opinione
del suo capo, indipendentemente dal fatto che lo ritenga o meno competente nel suo
lavoro e indipendentemente dall’eventuale rapporto di amicizia che ha con lui;
rete delle competenze: due individui possono interagire, indipendentemente dalla loro
posizione gerarchica o dalla loro amicizia, condividendo conoscenza (To whom I ask
support on knowledge to solve my work); se devo risolvere un problema e conosco
qualcuno estremamente competente in tale ambito sento la sua opinione e ne vengo
consapevolmente in‡uenzato, inpendentemente dal fatto che questo possa o meno essere mio amico o gerarchico;
rete delle amicizie: due individui, indipendentemente dalla loro gerarchia e competenza reciproca, possono interagire e in‡uenzarsi mutuamente solo perchè sono amici
(To whom I ask for social support).
Il livello di con‡ittualità di ogni individuo Ci viene calcolato tenendo in considerazione le
tre reti sociali sopra citate nelle quali è coinvolto, interne ed esterne, cooperanti in parallelo
tra loro. In accordo al modello di Ising solo i nodi vicini nelle reti (a distanza 1) interagisono. Ogni interazione ha un impatto sul livello di con‡ittualità come spiegato nel seguente
paragrafo.
1.
Rete gerarchica
Nel dettaglio del caso applicativo studiato abbiamo ipotizzato che gli indivudui interagissero in quattro reti gerarchiche: il team (in giallo), le due organizzazioni (buyer in rosso
e supplier in viola) e la rete gerarchica esterna (in azzurro). Come esempio, in …gura 5
abbiamo ipotizzato che entrambe le organizzazioni fossero composte da Nb = Ns = 21 membri, organizzati in tre livelli gerarchici, il primo corrispondente all’amministratore delegato,
CEO (Chief executive o¢ cier), il secondo ai manager dei vari reparti funzionali e il terzo
alle unità operative. Il team è composto da S = 10 membri con un project manager (P M )
con cui i membri del team si interfacciano direttamente. La rete gerarchica esterna mostra
inoltre che il P M si interfaccia con il CEO dell’organizzazione buyer, quattro membri del
9
team con con i functional manager dell’organizzazione buyer e gli altri cinque con quelli
dell’organizzazione supplier.
Fig. 5: Rete gerarchica complessiva
Ogni individuo i del sistema ha una sua iniziale opinione i circa la speci…ca del prodotto
che gli compete. Il livello di con‡ittualità Ci associato dipende dalle opinioni degli altri
individui con cui i interagisce. Abbiamo ipotizzato che il livello di con‡ittualità sia pesato
con lo stato gerarchico dell’individuo con cui ci si confronta. Consideriamo un membro
i del team in disaccordo con un altro membro j; se j è il project manager del team, il
livello di con‡ittualità è più elevato che nel caso in cui j fosse un qualsiasi altro membro.
Analogamente accade nelle organizzazioni. Il coe¢ ciente ISi = Exp[ 1 hierarchical leveli ] tiene
in conto tale e¤etto. Il livello gerarchico è imposto su 1 per i quattro membri al livello più
alto delle di¤erenti gerarchie (CEO e P M ) e aumenta muovendosi verso il basso.
Inoltre abbiamo introdotto un parametro waij , che starebbe per weight autority tra gli
individui i e j, per tenere in conto che un disaccordo tra due membri del team determina
un livello di con‡ittualità maggiore del disaccordo tra un membro del team e uno delle
organizzazioni. Tale parametro è stato introdotto per modellare l’autonomia del team dalle
organizzazioni.
In base a quanto detto, il livello di con‡ittualità di un membro i a causa delle sue relazioni
gerarchiche è descritto dalla seguente equazione:
X
CiH =
waij ISi i j
(4)
hj6=ii
dove i e j sono le opinioni dei membri i e j e waij = 0:2 quando i è un membro del
team e j no e waij = 1 negli altri casi. Il simbolo hi indica che la sommatoria è estesa ai soli
nodi vicini a i, in accordo al modello di Ising.
2.
Rete delle competenze
Le reti delle competenze del team e delle organizzazioni sono caratterizzate da uno speci…co valore di re-wiring probability pr e da un numero di link per nodo K: Incrementando la
re-wiring probability la struttura della rete cambia da una rete small-world a una puramente
random. In …gura 6 è mostrato un esempio di rete delle competenze.
10
Fig. 6: Rete delle competenze globale, connettivita’small-world.
Come nella rete gerarchica, il livello di con‡ittualità di un individuo i dipende dallo stato
e dalla competenza funzionale dell’individuo j con cui interagisce. Lo stato di un individuo
nella rete delle competenze è misurato dal suo grado di centralità (Degree_Ci ): Il grado di
centralità di un nodo è una particolare misura della sua centralità nella rete in cui si trova,
basata sulla somma pesata delle centralità dei nodi a lui vicini. Un nodo centrale nella rete
delle competenze è un individuo che fornisce supporto e conoscenza ad altri membri della
rete. Abbiamo ipotizzato che la con‡ittualità tra un individuo i e un individuo j è tanto
maggiore quanto più la centralità di j è elevata.
In …ne abbiamo considerato il peso delle competenze funzionali degli individui interagenti.
Quando due individui appartenenti alla stessa organizzazione hanno la stessa competenza, il
loro livello di con‡ittualità è maggiore di quando hanno competenze di¤erenti; al contrario
nel team, quando due individui hanno competenze di¤erenti il peso della loro con‡ittualità
è maggiore. La ragione di ciò è che nel team l’in‡uenza di un membro con una conoscenza
complementare tende ad essere maggiore di quella di un membro con le stesse competenze; al
contrario nelle organizzazioni l’in‡uenza di individui con la stessa competenza è considerata
più forte. Per conteggiare questo e¤etto abbiamo introdotto il parametro F Cij :
In base a quanto detto, il livello di con‡ittualità di un membro i a causa delle sue relazioni
nella rete delle competenze è descritto dalla seguente equazione:
X
CiK =
F Cij Degree_Ci i j
(5)
hj6=ii
dove F Cij = 0:8 (F Cij = 1) quando i e j sono entrambi membri di organizzazioni e
hanno diverse (stesse) competenze funzionali e quando i e j sono entrambi membri del team
e hanno stesse (di¤erenti) competenze funzionali.
11
3.
Rete delle amicizie
Gli individui interagiscono anche nelle reti delle amicizie per cercarre supporto alla loro
opinione. Similrmente alla rete delle competenze, la rete delle amicizie delle organizzazioni
e del team sono caratterizzate da una re-wiring probability pr e da un numero di link per
nodo K: In …gura 7 è mostrato un esempio di rete delle amicizie.
Fig. 7: Rete delle amicizie globale, connettivita’small-world.
Il livello di con‡ittualità in questa rete abbiamo supposto essere in‡uenzato solo dai nodi
vicini. In accordo al modello di Ising abbiamo considerato le interazioni solo con amici e non
con amici di amici. Il livello di con‡ittualità di un agente i, risultante dalla sua interazione
nella rete delle amicizie è de…nita come:
X
CiF =
(6)
i j
hj6=ii
Il livello di con‡ittualità totale di un individuo i è dato dalla somma delle 4, 5 e 6.
D.
Scenari di simulazione
Una classi…cazione delle principali strutture organizzative dei team è fornita in tabella 1
utilizzando le seguenti variabili:
esistenza di un project manager P M ;
stile di leadership del P M ;
livello di autonomia del team dalle organizzazioni.
12
Diverse combinazioni di queste variabili identi…cano possibili di¤erenti strutture del team.
Gli Autonomous team sono caratterizzati dall’esistenza di un project manager a cui i membri del team fanno riferimento e da un elevato grado di autonomia dalle organizzazioni di
provenienza. In un Autonomous team la rete gerarchica interna del team è caratterizzata
da una gerarchia in cui tutti i membri direttamente riferiscono al P M . La rete gerarchica
esterna in questo caso è caratterizzata dall’esistenza di una dipendenza formale tra il CEO
di una organizzazione e il P M e dai link tra i functional managers delle organizazioni e
i membri del team. Un elevato grado di autonomia implica che l’opinione degli individui
esterni al team sia pesata meno di quella degli altri membri interni al team. Abbiamo tenuto
conto di questo e¤etto introducendo il parametro waij nella formula 4.
Inoltre abbiamo considerato che la struttura del team possa distinguersi a seconda dello
stile manageriale del project manager, in particolare abbiamo ipotizzato due stili manageriali
opposti: direct VS empowering leadership. Una Direct leadership è associata ad un project
manager (P M D), che tende a guidare il suo team, esercitando una forte in‡uenza sui membri del team. In tal caso, è molto elevata la probabilità che i membri del team preferiscano
non esprimere la propria reale opinione ma cambiarla in accordo con quella del leader. Una
empowering leadership è associata invece ad un project manager (P M E) completamente
di¤erente, che sente molto l’opinione dei membri del team, si interfaccia con loro, promuolve
l’interazione e la discussione, allo scopo di convergere verso una comune comprensione del
problema e formula la sua opinione sulla base delle informazioni collezionate durante la sua
esperienza alla guida del team. Noi abbiamo modellato questa variabile modi…cando la probabilità di tranisizione dell’opinione del project manager durante il processo decisionale. Se il
project manager adotta una direct leadership, abbiamo imposto a zero la sua probabilità di
cambio di opinione, mentre nel caso di un empowering leadership tale probabilità cambia in
accordo alla probabilità di transizione di Glauber, allo stesso modo di tutti gli alti individui.
Un Heavyweight team è simile ad uno Autonomous con una direct leadership del P M , ma
presenta una bassa autonomia dalle organizzazioni originali; in tal caso dunque i functional
manager delle organizzazioni hanno un’elevata in‡uenza sui membri del team con i quali si
interfacciano.
Un Functional team è caratterizzato invece dall’assenza di un project manager. Nel team
tutti i membri appartengono allo stesso livello gerarchico e si riportano esclusivamente ai
functional manager delle organizzazioni. In tale scenario i functional manager esercitano
un’elevata in‡uenza sui membri del teaam che hanno una bassa autonomia di decisione. In
tabella 1 sono riassunte le possibili combinazioni delle variabili sopra descritte, da cui le
quattro tipologie di strutture organizzative delle quali abbiamo analizzato le prestazioni.
Tab. 1: Le quattro tipologie di strutture organizzative del team analizzate e le
loro peculiari caratteristiche.
13
E.
Il ruolo dell’incertezza
La dinamica del team è anche in‡uenzata dall’incertezza, che ha lo stesso ruolo della
temperatura nel modello di Ising. La "temperatura sociale" introduce un grado di casualità nel comportamento dei membri della comunità. Generalmente tiene conto di erronee
comprensioni, mancanza di attenzione, di disturbi e rumore nelle comunicazioni, modellando
l’esistenza di qualsiasi in‡uenza esterna sul comportamento degli individui. In [3] viene collegata alla situazione sociale della comunità, allo stato economico della popolazione, alla criminalità. Il concetto della temperatura sociale nel contesto dei team si riferisce all’incertezza
ambientale, nella forma di impredicibilità, non familiarità con, non abilità di compresione
tecnologia o sviluppi del mercato, cambiamenti dell’ambiente esterno. Gli ambienti percepiti
come altamente incerti (alte temperature) tenderanno a generare una mancanza di …ducia
degli individui sulla capacità che hanno di prendere una decisione corretta, di cui sono sicuri.
In tali contesti, la probabilità di prendere decisioni sbagliate è percepita elevata, quindi gli
individui si a¢ dano meno alle opinioni dei membri con cui interagiscono e il loro comportamento diventa quasi casuale. Viceversa, quando l’ambiente è più prevedibile, gli individui
basano le loro decisioni su quelle che sono le opinioni degli individui interagenti, considerate
a¢ dabili.
Interrogativi interessanti a rigurado sono:
L’incertezza svolge un ruolo moderatrice nelle relazioni tra densita/connettività e performance del team in di¤erenti strutture organizzative del team?
L’incertezza è un parametro signi…cativo nella progettazione del team?
Quale struttura organizzativa dovrebbe essere preferita in un ambiente altamente incerto?
Quale struttura organizzativa dovrebbe essere preferita in un ambiente poco incerto?
F.
Dinamica temporale delle opinioni
In questa sezione desciviamo come abbiamo modellato la dinamica temporale delle opinioni: all’inizio il parere di ciasun individuo all’interno delle organizzazioni e del team viene
assegnato random con una distribuzione di probabilità uniforme. Le interazioni tra gli individui nelle reti sociali, nonché con l’ambiente esterno, esercitano un’in‡uenza su ciascun
membro della rete che può causare il suo cambio di opinione. Abbiamo assunto che per ogni
membro i della rete, la probabilità di cambiare parere segua la dinamica di Glauber [4]:
1
(7)
1 + e C=T
dove C è la di¤erenza tra il livello di con‡ittualità che si otterrebbe se l’individuo cambiasse la sua opinione e quello se non la cambiasse. T è la temperatura sociale. La simulazione
procede come segue: ad ogni step un individuo i è scelto a caso. La probabilità cambi la
sua opinione è calcolata in accordo alla 7. Poi, un numero casuale z viene estratto da una
distribuzione uniforme [0; 1]. Se z < P (change), l’individuo cambia opinione, altrimenti
P (change) =
14
no. Ogni N time steps la deviazione standard delle opinioni di tutti i membri viene calcolata. Il processo viene ripetuto …no a convergenza. Al termine della simulazione viene
utilizzato come parametro prestazionale la dispersione delle opinioni dei membri del team,
ovvero la loro deviazione standard a convergenza. Maggiore è la disperione delle opinioni a
convergenza, minore è la performance del team.
G.
Set simulazioni
Abbiamo e¤ettuato un’analisi delle simulazioni al …ne di dar risposta alle nostre domande
principali: l’e¤etto di densità e connettività sulle prestazioni del team e l’identi…cazione della
migliore struttura del team da adottare, note le caratteristiche delle reti e l’incertezza ambientale. Per tutte le simulazioni condotte abbiamo …ssato la dimensione delle organizzazioni a
40 membri, disposti su quattro livelli gerarchici e tre unità per livello. Abbiamo fatto variare
la dimensione del team S da 8 a 16. Le reti di completenza e amicizia del team sono state
generate scegliendo un certo numero medio di link per nodo K. Due modelli di connettività
sono stati considerati: small-world e scale-free. Dato S, abbiamo fatto variare K, in genere
da 2 a 7, in modo da studiare l’e¤etto della densità. Le simulazioni sono state tutte e¤ettuate
impostando il valore della temperatura sociale T , variante da 2 a 20; in modo da analizzare
l’e¤etto dell’incertezza ambientale. Per riassumere, ogni scenario simulato è caratterizzato
dai seguenti parametri: S, T , K e tipo di connettività. Ogni scenario è stato simulato
quattro volte, una per ogni tipo di struttura organizzativa del team ipotizzata. Tutti i casi
sono stati replicati 1000 volte e le prestazioni …nali sono state calcolate mediando il valore
delle dispersioni sulle 1000 realizzazioni.
H.
Risultati
Prima abbiamo analizzato l’e¤etto della densità e del tipo di connettività all’interno di
ogni struttura organizzativa del team in quattro di¤erenti circostanze:
1. Piccola dimensione del team (S = 8) e bassa incertezza ambientale (T = 4);
2. Grande dimensione del team (S = 16) e bassa incertezza ambientale (T = 4);
3. Piccola dimensione del team (S = 8) ed elevata incertezza ambientale (T = 16);
4. Grande dimensione del team (S = 16) ed elevata incertezza ambientale (T = 16).
Successivamente abbiamo individuato la migliore struttura del team in ogni ambiente.
15
1.
E¤ etto della densità e della connettività della struttura organizzativa del team sulle sue
performance
a. T=4 La …gura 8 mostra la dispersione delle opinioni per ogni struttura organizzativa
del team al variare della densità e per di¤erenti tipologie di connettività. Osserviamo che
l’aumento della densità può condurre ad una riduzione o ad un aumento della dispersione
delle opinioni del team a convergenza, a seconda delle caratteristiche della rete small-world
considerata, mentre in ogni caso in‡uisce positivamente le performance del team nel caso di
reti scale-free.
Nel caso di reti small-world e random, per un autonomous team con empowering leader
(A EP M ) (…g. 8a) così come per un functional team (F ) (…g. 8c), l’aumento della densità
riduce la dispersione delle opinioni perchè l’infuenza esercitata da ogni membro del team
aumenta e la convergenza verso una opinione comune è facilitata. Al contrario, un aumento
della densità infuenza negativamente le performance di un autonomous team, guidato da
un project manager che adotta una direct leadership (A DP M ) (…g. 8b) e nel caso di
heavyweight team (H) (…g. 8d) a causa della presenza di un forte leader che tende ad
imporre la sua opinione. Aumentando la densità aumenta il numero di link tra gli individui.
Come conseguenza una parte signi…catica dei membri fortemente connessi può convergere
verso una opinione di¤erente da quella del leader e dei suoi nodi più connessi. Il risultato è
un aumento della dispersione con la densità.
Nel caso di reti scale free (…g. 8) l’e¤etto della densità è invece sempre di ridurre la
dispersione delle opinioni del team, anche quando c’è un leader che adotta una forte direct
leadership. La ragione di ciò è che nelle reti scale-free, dove la distribuzione della centralità
dei nodi segue una legge di potenze, solo alcuni nodi sono fortemente connessi, mentre la
maggior parte dei membri del team ha un signi…cativamente basso numero di link. Come
conseguenza, dato un certo numero medio di link per nodo, in una rete scale-free il leader ha
in media un più basso numero di connessioni con gli altri nodi e la sua in‡uenza è limitata
e meno e¢ cace di quella esercitata dai membri più in‡uenti. In tale condizione la maggior
parte dei membri del team, quando la densità aumenta, tende a raggiungere un accordo,
lasciando il leader da solo con la sua opinione. L’e¤etto negativo dell’aumento della densità
a causa dell’esistenza del DP M è quindi bilanciato dal basso numero di link a cui è in
media connesso nella rete. Ciò nonostante, a valori di densità molto elevati, quando la
dimensione del team aumenta (…g. 9b e 9d), il numero di connesisoni del leader con altri
membri necessariamente cresce e può diventare su¢ cientemente grande da in‡uenzare un
gruppo di membri del team, che cambieranno la loro opinione per assecondarlo; quando ciò
accade il comportamento del team con connettività scale-free tende ad assomigliare a quello
di una rete small-world e la dispersione delle opinioni incrementa nuovamente.
Adesso analizziamo l’e¤etto del tipo di connettività. Preliminarmente, notiamo che, un
aumento della densità tende a trasformare le reti, qualunque esse siano in partenza, in
reti completamente connesse e quindi è normale che in tali condizioni mostrino le stesse
performance. Maggiori di¤erenze possono essere notate quando le densità sono basse. In
tutti i casi, le peggiori performance si registrano quando le reti hanno una connettività
scale-free, eccetto in alcune circostanze. L’e¤etto negativo della connettività scale-free sulle
performance del team dipende dalla legge di potenze assegna alla centralità dei nodi. Quando
molti nodi hanno poche connesioni ricevono una scarsa in‡uenza dai vicini e quindi non
convergono verso una opinione comune mantenendo la loro originaria casuale opinione scelta.
E’ considerevole osservare che gli autonomous team, guidati da un empowering leader
16
(…g. 8a) sono meno vulnerabili delle altre strutture agli e¤etti negativi della connettività
scale-free. In questo caso infatti il leader, anche con poche connessioni, tende a convergere
verso l’opinione comune e le di¤erenze alle basse densità con le altre tipologie di connettività
risultano insigni…canti. Viceversa, quando il leader adotta una direct leadership (…g. 8b),
rimanendo fermo nel suo parere iniziale, le reti scale-free mostrano prestazioni peggiori
di quelle small-world, soprattutto a bassa densità, in quanto, il leader è in media, meno
in‡uente, e il membro più in‡uente (cioè quello più collegato), sarà in grado di convincere
un gran numero di individui a seguire la sua opinione, anche quando diversa da quella del
leader. Questo, a sua volta, porta ad una maggiore dispersione delle opinioni nelle reti
scale-free rispetto a quelle small-world, dove il leader ha all’incirca la stessa in‡uenza degli
altri membri, e quindi ha più chances di di¤ondere il suo parere nel gruppo.
a Autonom ous
S 8 T 4
Team opinion dispersion
0.4
EPM
0.3
Small wo rld
R an d o m
Scale free
0.2
0.1
0.0
0.6
0.7
0.8
0.9
1.0
Density
Team opinion dispersion
0.3
Small wo rld
R an d o m
Scale free
0.2
0.1
0.0
0.6
0.7
0.8
0.9
1.0
Density
d Heavy weight
S 8 T 4
0.4
Team opinion dispersion
c Functional
S 8 T 4
0.4
0.3
0.2
Small wo rld
R an d o m
Scale free
0.1
0.0
0.6
0.7
0.8
0.9
1.0
Density
Fig. 8: Dispersione delle opinioni del team in funzione della densità per S = 8 e T = 4:
Questi risultati restano consistenti all’aumentare di S: Per grandi Team, un comportamento interessante è mostrato dagli autonomous team con un direct leader (…g. 9b) e dai
team heavyweight (…g. 9d). In questi casi, infatti, alle elevate densità, le reti scale-free
mostrano delle performance leggermente migliori delle small-world. La ragione è semplicemente che, in una rete scale-free, solo pochi nodi hanno un elevato numero di connessioni
e gli altri sono poco connessi. Quindi il leader, che non è disposto a cambiare opinione,
rimarrà, in media poco connesso e isolato, mentre gli altri membri tenderanno a convergere
verso l’opinione del nodo maggiormante connesso. La dispersione totale dell’opinione dei
membri risulterà perciò leggermente interessata dall’opinione del leader rimasto solo; questa
è la ragione per cui in tali condizioni la performance delle reti scale-free risulta migliore
di quella delle small-world. Nelle reti small-world l’in‡uenza del leader è comparabile con
quella degli altri membri e ha un impatto non trascurabile su un elevato numero dei membri del team, portando quindi ad un aumento della dispersione delle opinioni. Alle basse
17
densità invece, anche nel caso di autonomous team con EP M (…g. 9a), le reti scale free
necessariamente presentano la peggiore prestazione, dato che un gran numero di nodi sono
isolati e a bassa temperatura, per cui la loro opinione non cambia rimanendo quella iniziale
casualmente distribuita. Ciò inevitabilmente abbatte molto la performance, incrementando
la dispersione delle opinioni.
Team opinion dispersion
0.30
a Autonom ous
S 16 T 4
0.25
EPM
0.20
Small wo rld
R an d o m
Scale free
0.15
0.10
0.05
0.00
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Density
0.30
c Functional
S 16 T 4
0.25
0.20
Small wo rld
R an d o m
Scale free
0.15
0.10
0.05
0.00
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Density
Team opinion dispersion
Team opinion dispersion
0.30
d Heavy weight
S 16 T 4
0.25
0.20
0.15
0.10
Small wo rld
R an d o m
Scale free
0.05
0.00
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Density
Fig. 9: Dispersione delle opinioni del team in funzione della densità per S = 16 e T = 4:
b. T=16 Nel caso di elevata incertezza, l’e¤etto della densità è di ridurre la dispersione
del team per qualsiasi tipo di struttura organizzativa e modello di connettività. In un ambiente disordinato, una elevata densità, rende più forti i legami tra i diversi membri della rete,
contrastando l’e¤etto di disturbo causato dalla elevata temperatura. Tuttavia la dispersione
delle opinioni resta elevata, sintomo che i membri del team, a causa del comportamento
caotico causato dall’elevato grado di incertezza, non sono in grado di convergere verso un
design e¢ cace del prodotto. In caso di reti scale-free, quando l’incertezza è elevata, l’e¤etto
delle interazioni sociali è meno importante, perchè il comportamento del singolo individuo
è più caotico e la dispersione è in generale più ampia (…g. 10). La densità ha un e¤etto
bene…co e le tendenze sono simili a quelle osservate nel caso di reti small-world. Quando il
team è piccolo e l’ambiente incerto, indipendentemente dal tipo di connettività, la dispersione è molto elevata. I tre tipi di connettività mostrano un andamento molto simile, anche
se le reti scale-free presentano sempre le performance peggiori, ma con di¤erenze davvero
trascurabili.
18
Team opinion dispersion
1.0
0.8
0.6
0.4
Small wo rld
R an d o m
Scale free
0.2
0.0
0.6
0.7
a Autonom ous
S 8 T 16
0.8
0.9
EPM
1.0
Density
1.0
0.8
0.6
0.4
Small wo rld
R an d o m
Scale free
0.2
0.0
0.6
0.7
c Functional
S 8 T 16
0.8
0.9
1.0
Density
Team opinion dispersion
Team opinion dispersion
1.0
0.8
0.6
0.4
Small wo rld
R an d o m
Scale free
0.2
0.0
0.6
0.7
d Heavy weight
S 8 T 16
0.8
0.9
1.0
Density
Fig. 10: Dispersione delle opinioni del team in funzione della densità per S = 8 e T = 16:
Mostriamo ora cosa succede, all’aumentare di S. Vale la pena notare che l’e¤etto positivo
della densità nella riduzione della dispersione delle opinioni è maggiore nel caso di team
grandi piuttosto che nei team piccoli. In particolare, per bassi valori di densità, l’aumento
della dimensione del team fa aumentare la dispersione, mentre a elevate densità l’incremento
delle dimensioni del team ha proprio l’e¤etto opposto. Ciò è prevedibile, dato che quando la
densità è bassa, gli individui sono poco connessi tra loro e piccoli gruppi di individui possono
convergere facilmente verso una opinione comune piuttosto che grandi gruppi di individui.
Al contrario quando la densità è elevata gli individui sono fortemente connessi tra loro e in
caso di team di grandi dimensioni, ogni membro del team riceve un elevato numero di input
da altri membri che favoriscono maggiormente la convergenza delle opinioni rispetto al caso
di piccoli team.
Un ulteriore e¤etto è che per densità molto elevate, a di¤erenza di altri casi, la connettività scale-free mostra una signi…cativa peggiore performance delle reti small-world e delle
random. Quando la densità delle reti interne del team è uno e la temperatura è bassa, la
di¤erenza di performance è spiegata dalla di¤erente connettività delle reti esterne, che diventano importanti. Infatti, comparata ad una rete esterna di tipo small-world o random, una
scale-free presenta un elevato numero di connessioni con i membri delle organizzazioni, che
introducono caos nella dinamica del team, comportando una più ampia dispersione. Questo
e¤etto determina anche che per la connettività scale-free l’e¤etto positivo della densità sia
ridotto rispetto al caso di connettività random o small-world.
19
Team opinion dispersion
1.0
a Autonom ous
S 16 T 16
0.8
EPM
0.6
0.4
Small wo rld
R an d o m
Scale free
0.2
0.0
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Density
1.0
0.8
0.6
0.4
Small wo rld
R an d o m
Scale free
0.2
0.0
0.3
0.4
0.5
c Functional
S 16 T 16
0.6
0.7
0.8
0.9
Team opinion dispersion
Team opinion dispersion
1.0
d Eavy weight
S 16 T 16
0.8
0.6
0.4
Small wo rld
R an d o m
Scale free
0.2
0.0
0.3
0.4
Density
0.5
0.6
0.7
0.8
0.9
Density
Fig.11: Dispersione delle opinioni del team in funzione della densità per S = 16 e T = 16:
2.
Confronto tra le di¤ erenti strutture organizzative del team
I risultati discussi nelle sezioni precedenti possono essere utilizzati per identi…care quali
strutture organizzative del team presentano le migliori prestazioni a seconda del tipo di
connettività, dei valori di densità, delle dimensioni del team e del contesto di incertezza
ambientale in cui operare.
a. Small-world I nostri risultati mostrano che in contesti caratterizzati da bassa incertezza, sia per piccoli che grandi team, la migliore struttura organizzativa da adottare
è l’autonomous team con un project manager che adotta una empowering leadership
(A EP M ). Il functional team tuttavia si comporta molto similmente, mentre l’heavyweight
e l’autonomous team con direct leadship presentano le peggiori prestaizioni, tanto più quanto
la densità aumenta. Quando l’incertezza è bassa infatti gli individui cooperano con i loro
vicini e la presenza di un leader che li guidi verso un’opinione comune risulta il miglior
modo di organizzare il team. Un functional team si comporta analogamente perchè, anche
in assenza di un leader, la bassa autonomia determina un maggior numero di interazioni tra
i membri del team, che favoriscono la convergenza verso una opinione comune. L’esistenza
di un leader con una direct leadership in questo contesto è altamente sconsigliata in quanto
il leader non sarebbe disposto a cambiare idea anche qualora gli altri membri del team fossero pronti a convergere verso una soluzione simile a quella da lui proposta. Inoltre, come
osservato precedentemente, quanto più il leader è connesso, tanto più alcuni membri ad esso
vicini convergono verso la sua opinione, così che la dispersione aumenta invece che diminuire.
Quando l’incertezza è elevata, sia per piccoli che per grandi team, la migliore prestazione
viene raggiunta da autonomous team con un project manager che adotta una direct leadership (A DP M ): In queste circostanze, quando i membri del team adottano un com20
portamento caotico, l’esistenza di un team leader che prenda in mano la situazione è fondamentale e introduce stabilità nel sistema, migliorando la probabilità che i membri del
team convergano verso l’opinione del team leader, con l’e¤etto di una riduzione della disperisione, comparati con team analoghi ma che presentano una empowering leadership. In
tale condizione il functional team è la struttura che presenta invece le peggiori prestazioni in
quanto è caratterizzato dall’assenza del project manager e da una bassa autonomia, per cui
i membri del team si basano più sulle opinioni dei manager delle organizzazioni esterne con
cui si interfacciano, che non essendo molto connessi sono caratterizzati da una dispersione
elevata. Tuttavia, notiano che le di¤erenze di prestazioni in generale sono molto piccole.
Tab. 2: Le migliori strutture organizzative del team nel caso di connettività small-world.
b. Scale-free Nel caso di bassa incertezza, per piccoli e grandi team, la migliore struttura organizzativa da adottare è l’autonomous team con un empowering project manager
(A
EP M ), mentre la peggiore è l’autonomous team con un direct project manager
(A DP M ).
Per elevate incertezze e ridotte dimensioni del team, il team heavyweight presenta le
migliori prestazioni, eccetto che per densità molto elevate, dove le performance del DP M
è migliore. Come osservato precedentemente, un forte leader è bene…co quando l’incertezza
induce un comportamento caotico dei membri del team perchè è in grado di guidare il team
verso la sua opinione. Tuttavia, in caso di connettività scale-free la maggior parte dei membri
del team hanno poche connessioni sia all’interno del team che fuori con le organizzazioni.
In tale circostanza, un’elevata autonomia non è bene…ca, perchè l’in‡uenza dei membri
delle organizzazioni esterne è limitata, mentre una bassa autonomia è bene…ca in quanto
in tal caso i link esterni risultano utili a guidare l’opinione dei nodi non connessi. Per
elevate densità, l’in‡uenza dei link esterni è maggiore perchè la rete interna del team è
più connessa, quindi turbolenza di opinioni si propaga all’interno del team. Segue che
un’elevata autonomia è bene…ca in questo caso perchè riduce questo e¤etto. Per elevata
incertezza ed elevata size, gli autonomous team mostrano migliori prestazioni e per basse
densità il carattere empowering o direc della leadership del project manager sostanzialmente
non in‡uenza molto le performance. Per elevate densità tuttavia, un leader con una forte
leadership è in grado di ridurre la turbolenza indotta dai link esterni. In tale circostanza
i functional team mostrano le peggiori prestazioni in termini di dispersione delle opionioni
sia per piccole che per elevate dimensioni del team, a qualsiasi densità. Bassa autonomia
e assenza di un leader determinano la condizione in cui il comportamento caotico indotto
dall’elevata incertezza si propaga facilmente nel team, peggiorando notevolmente le sue
performance.
21
Tab. 3: Le migliori strutture organizzative del team nel caso di connettività scale-free.
3.
Discussione
Il nostro studio ha fornito due importanti contributi di ricerca: (i) il primo è stato quello
di identi…care l’e¤etto di densità e modello di connettività delle reti sulle prestazioni del
team e (ii) il secondo quello di individuare quale struttura organizzativa del team adottare
in presenza di incertezza ambientale.
In primis il nostro risultato fornisce una spiegazione sul perchè alcuni studi precedenti
hanno riscontrato e¤etti contrastanti circa l’e¤etto della densità e del tipo di connettività
sul tipo di struttura delle social network. Suggeriamo che la ragione risieda nell’interazione
della densità con il modello di connettività e nell’e¤etto moderatore svolto dalla struttura
organizzativa del team e dall’incertezza ambientale. In realtà, in modo simile ad alcuni studi
(Harary, 1959, Friedkin, 1998, Moody, 2004; Owen-Smith e Powell, 2004; Powell et al., 2004;
Morrison, 2002; (Baldwin, Bedell, e Johnson, 1997; Oh et al, 2004;. Reagan e Zuckerman,
2001;. Reagan et al, 2004; Rulke, e Galaskiewicz, 2000; Sparrowe et al, 2001;.. Tsai e
Ghoshal, 1998) Chung e Jackson, 2013), abbiamo scoperto che la densità ha un impatto
positivo sulle prestazioni del team quando l’ambiente è incerto, ma anche in caso di bassa
incertezza, sia per functional team che per autonomous team con un empowering project
manager.
Il nostro studio contribuisce anche a far luce su come il modello di connettività si ri‡etta
sulle prestazioni del team. Un numero limitato di studi a¤ronta questo tema in letteratura,
ad eccezione di Oh e Jeon (2007), che ha trovato che, indipendentemente dalle dimensioni e
della temperatura, reti scale-free mostrano dispersione superiore a quelle random. Noi abbiamo confermato questo risultato, osservando che la connettività scale-free è generalmente
dannosa per le prestazioni del team sia in ambienti a bassa che ad alta incertezza e per le
piccole e grandi dimensioni del team. Mentre i componenti altamente connessi convergono
verso un’opinione comune, tutti gli altri, essendo poco connessi, conservano il loro parere
iniziale, determinando così un elevato livello di disaccordo all’interno del gruppo. Più le
reti sociali sono democratiche, come quelle small-world, in cui ciascun membro è all’incirca
collegato con lo stesso numero di membri, migliori sono le prestazioni.
In…ne, il nostro studio identi…ca chiaramente la migliore struttura organizzativa da
adottare in diversi contesti de…niti dalla dimensioni del team e dall’incertezza ambientale.
Per i progetti NPD (new product development), caratterizzati da bassa incertezza ambientale (ad esempio tecnologia matura) la migliore struttura organizzativa è un l’autonomous
team guidato da un empowering leader, in grado di fare emergere a pieno le competenze
di tutti i membri. Per progetti NPD riguardanti nuove tecnologie, contenenti radicali innovazioni, quando dunque l’incertezza è elevata, sia per connettività small-world che random,
22
dove l’in‡uenza dei membri del team è democratica, indipendentemente dalla densità e le
dimensioni del team, l’approccio migliore è quello di adottare una struttura organizzativa
con direct leader, in quanto un leader forte, con una scarsa propensione a cambiare opinione,
è particolarmente utile a guidare il team verso un opinione comune.
Per la connettività scale-free, la struttura organizzativa migliore deve sempre includere
l’esistenza di un project manager con una forte leadership ma la scelta del livello di autonomia da adottare dipende dalle dimensioni e dalla densità. Nel caso di team piccoli, una
bassa autonomia dovrebbe essere preferita per basse e medie densità, cioè un team heavyweight è il maggiormente consigliato, mentre per elevate densità va preferito un autonomous
team. Un autonomous team è bene…co quando la densità è elevata in quanto protegge il
team dalla turbolenza indotta dalle connessioni con le organizzazioni esterne di provenienza,
ma per basse densità, dove l’in‡uenza esterna è limitata, non è necessario, e una bassa
autonomia è preferibile in quando i link esterni sono utili per guidare l’opinione dei nodi
non connessi. In caso di grandi dimensioni del team, la migliore struttura organizzativa è
l’autonomous team, indipendentemente dal comportamento del leader. Tuttavia, per alte
densità un project manager con una direct leadership va preferito, in modo da ridurre la
turbolenza introdotta dai collegamenti esterni dei membri del gruppo con i membri delle
organizzazioni originali, spingendoli a cambiare parere piuttosto che esserne in‡uenzati.
4.
Limitazioni
Questo studio si basa sul presupposto che un basso livello di con‡ittualità all’interno
del team impatti positivamente sulle sue prestazioni in quanto maggiore è l’accordo tra i
membri, più e¢ cace è il design del prodotto risultante e minore è il consumo di risorse in
termini di tempo.
Una notevole approssimazione è quella che ogni caratteristica del prodotto possa assumere
due soli valori opposti. Tale ipotesi è stata necessaria per introdurre facilmente l’approccio
di Ising ma vorremmo generalizzarla. In particolare, vorremmo introdurre più esplicitamente
il modello della dinamica decisionale che conduce al design del prodotto e dare a ciascuna
caratteristica del componente più opzioni possibili.
Nel nostro studio abbiamo anche considerato che le reti di competenza e amicizia, nonostante fossero di¤erenti in termini di link collegati ai nodi, avessero sempre stessa densità e
tipo di connettività. Questa ipotesi potrebbe essere superata e l’e¤etto di densità e connettività di ogni tipo di rete potrebbe essere analizzato separatamente.
Abbiamo anche supposto che le due organizzazioni fossero identiche in termini di livelli
gerarchici e membri per livello. Simulazioni per diversi percentuali di membri appartenenti
alle due organizzaioni potrebbero essere condotte al …ne di analizzare l’e¤etto di tale disimmetria, nonché per le organizzazioni, caratterizzabili con strutture più o meno gerarchiche.
IV.
CURIOSITÀ: MODELLAZIONE DEL PARLAMENTO
Una possibile applicazione del modello di Ising a cui abbiamo pensato è lo studio della dinamica di un parlamento. Alcuni studiosi hanno già in passato a¤rontato questo problema.
Pulchino [5] ad esempio, ipotizzando un parlamento monocamerale con due soli partiti –
maggioranza e opposizione –ha dimostrato che esiste una percentuale intermedia di deputati indipendenti che massimizzano l’e¢ cienza del parlamento, de…nita come il prodotto tra
23
la percentuale di proposte di legge approvate in una legislatura e il benessere sociale medio
che da queste leggi deriva. Tale modello suggerisce una ricetta pratica per l’"e¢ cienza
parlamentare": in una prima fase, il consueto meccanismo elettorale dovrebbe stabilire la
percentuale relativa dei seggi da assegnare alle due coalizioni; in una seconda fase, prima
di assegnare e¤ettivamente i seggi, se ne dovrebbe riservare un certo numero a parlamentari selezionati a caso, attraverso un pubblico sorteggio tra tutti i cittadini che vogliono
candidarsi. I sorteggiati non potrebbero poi essere rieletti una seconda volta. Questa semplice procedura renderebbe il parlamento più e¢ ciente e più partecipativo, consentendo a
chiunque di diventare parlamentare e mitigando così lo strapotere attuale dei partiti nello
scegliere i candidati.
Fig. 12: E¢ cienza globale del parlamento al variare del numero di parlamentari
indipendenti introdotti, in funzione di di¤erenti percentuali p del partito di
maggioranza rispetto a quello di minoranza. C’e’sempre un numero ottimale
di parlamentari indipendenti che massimizza l’e¢ cienza del parlamento.
Il modello di Pluchino per quanto porti ad un risultato molto interessante è però statico,
non prende in considerazione la dinamica temporale del cambio di opinione, non tiene conto
delle di¤erenti reti di interazioni sociali con cui i parlamentari possono interagire, del rumore
sociale, …ssando a priori delle regole di comportamento arbitrarie e discutibili quali il voto
per "disciplina di partito". Ci sembra invece che il modello di Ising sia più adatto a descrivere
al meglio una situazione del genere; certamente dovremo introdurre rispetto a quanto fatto
…nora, a parte l’interazione tra gli spin vicini, anche quella di ognuno con il campo magnetico
24
esterno indotto dal partito o dalla coalizione di appartenenza, utilizzando la formulazione
generale del modello di Ising 1.
V.
BIBLIOGRAFIA
[1] E. Ising, "Contribution to the theory of ferromagnetism", Z. Phys. 31, 253 (1925).
[2] C. M. Bordogna, V. Albano, "Statistical methods applied to the study of opinion formation
models: a brief overview and results of a numerical study of a model based on the social impact
theory", Journal of Physics condensed matter, doi:10.1088/0953-8984/19/6/065144.
[3] A. Grabowski and R. A. Kosinski, "Ising-based model of opinion formation in a complex network
of interpersonal interactions," Physica A, vol. 361, pp. 651-664, 2006.
[4] R. J. Glauber, "TimeDependent Statistics of the Ising Model", Journal of Mathematical Physics
4, 294 (1963); doi: 10.1063/1.1703954.
[5] A. Pluchino, et al., "Accidental politicians: How randomly selected legislators can improve
parliament e¢ ciency", Physica A, doi:10.1016/j.physa.2011.06.028.
25