Il presente lavoro propone un modello innovativo per la valutazione della congruità delle offerte negli appalti pubblici, in conformità al D.Lgs. 36/2023 (Nuovo Codice degli Appalti) e ai regolamenti interni del Politecnico di Torino. Il modello integra l’approccio Multi-Criteria Decision Analysis (MCDA) con tecniche avanzate di intelligenza artificiale, nello specifico un ensemble forecasting basato su Random Forest e SHAP (SHapley Additive exPlanations) per l’interpretabilità delle predizioni. L’obiettivo è fornire alle stazioni appaltanti uno strumento oggettivo, trasparente e riproducibile per identificare le offerte anomale e valutarne la congruità economica, la serietà, la sostenibilità e la realizzabilità, come richiesto dagli articoli 54 e 110 del nuovo Codice degli Appalti.

Ferrara, M., C., Di Napoli e V., Tedesco. "Modello di Valutazione della Congruità delle Offerte negli Appalti Pubblici: Multi-Criteria Decision Analysis (MCDA) con Ensemble AI Forecasting" Working paper, DEMB WORKING PAPER SERIES, Dipartimento di Economia Marco Biagi, 2025.

Modello di Valutazione della Congruità delle Offerte negli Appalti Pubblici: Multi-Criteria Decision Analysis (MCDA) con Ensemble AI Forecasting

Tedesco, V.
2025

Abstract

Il presente lavoro propone un modello innovativo per la valutazione della congruità delle offerte negli appalti pubblici, in conformità al D.Lgs. 36/2023 (Nuovo Codice degli Appalti) e ai regolamenti interni del Politecnico di Torino. Il modello integra l’approccio Multi-Criteria Decision Analysis (MCDA) con tecniche avanzate di intelligenza artificiale, nello specifico un ensemble forecasting basato su Random Forest e SHAP (SHapley Additive exPlanations) per l’interpretabilità delle predizioni. L’obiettivo è fornire alle stazioni appaltanti uno strumento oggettivo, trasparente e riproducibile per identificare le offerte anomale e valutarne la congruità economica, la serietà, la sostenibilità e la realizzabilità, come richiesto dagli articoli 54 e 110 del nuovo Codice degli Appalti.
2025
Dicembre
Italiano
265
Dipartimento di Economia Marco Biagi
ITALIA
Modena
Appalti pubblici, MCDA, Random Forest, SHAP, Offerte anomale, D.Lgs. 36/2023, Congruità economica
Gli Autori ringraziano il Direttore della Collana DEMB WPs per avere accettato il presente scritto. Il lavoro si inserisce all’interno di un progetto che nasce da una precedente collaborazione con il DEMB nell’ambito del PRIN 2022 PNRR dal titolo “Climate risk and uncertainty: environmental sustainability and asset pricing”, Codice Progetto “P20225MJW8” (CUP: E53D23016470001), MUR D.D. Decreto di finanziamento n. 1409 del 14/09/2022 e che vede la Prof.ssa Silvia Muzzioli quale Principal Investigator. Il presente working paper rappresenta il risultato di un’analisi preliminare sviluppata in un contesto scientifico sostanzialmente diverso da quello attualmente in fase di implementazione nel citato progetto PRIN 2022 PNRR, ma al contempo ne richiama approcci, strumenti e metodologie di Machine Learning che si ritengono rilevanti per future valutazioni che saranno condotte presso il Dipartimento di Economia Marco Biagi e il Decisions Lab dell’Università Mediterranea.
info:eu-repo/semantics/other
Ferrara, M.; Di Napoli, C.; Tedesco, V.
Altro::Working paper
298
open
Ferrara, M., C., Di Napoli e V., Tedesco. "Modello di Valutazione della Congruità delle Offerte negli Appalti Pubblici: Multi-Criteria Decision Analysis (MCDA) con Ensemble AI Forecasting" Working paper, DEMB WORKING PAPER SERIES, Dipartimento di Economia Marco Biagi, 2025.
3
Working paper
File in questo prodotto:
File Dimensione Formato  
0265.pdf

Open access

Tipologia: VOR - Versione pubblicata dall'editore
Dimensione 599.31 kB
Formato Adobe PDF
Visualizza/Apri
599.31 kB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

Licenza Creative Commons
I metadati presenti in IRIS UNIMORE sono rilasciati con licenza Creative Commons CC0 1.0 Universal, mentre i file delle pubblicazioni sono rilasciati con licenza Attribuzione 4.0 Internazionale (CC BY 4.0), salvo diversa indicazione.
In caso di violazione di copyright, contattare Supporto Iris

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11380/1393528
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact