Operations research — การวิจัยดำเนินงาน
การวิจัยเชิงปฏิบัติการ (Operations Research, OR) — สาขาวิชาสหวิทยาการที่เกี่ยวข้องกับการพัฒนาและประยุกต์ใช้วิธีการเชิงปริมาณเพื่อการหาค่าที่เหมาะสมที่สุด โดยอาศัยการสร้างแบบจำลองทางคณิตศาสตร์และแนวทางเชิงฮิวริสติกแบบต่าง ๆ ทำหน้าที่เป็นเครื่องมือในการให้เหตุผลเชิงปริมาณเบื้องต้นสำหรับการตัดสินใจด้านการบริหารในระบบที่ซับซ้อนหลากหลายประเภท ไม่ว่าจะเป็นระบบทางเทคนิค เศรษฐกิจ หรือองค์กร
สาระสำคัญและวัตถุประสงค์
ในตอนแรก การวิจัยเชิงปฏิบัติการถูกนิยามว่าเป็นวิธีการทางวิทยาศาสตร์ที่ให้พื้นฐานเชิงปริมาณแก่ผู้บริหารสำหรับการตัดสินใจที่เกี่ยวข้องกับกิจกรรมขององค์กรที่อยู่ในความดูแล โดยเน้นลักษณะประยุกต์ของสาขาวิชานี้ ซึ่งมุ่งนำความก้าวหน้าของศาสตร์อื่น ๆ มาใช้วิเคราะห์ปัญหาเฉพาะในการพัฒนาการบริหารจัดการ
"ปฏิบัติการ" ในบริบทของสาขาวิชานี้ หมายถึงชุดการกระทำที่ควบคุมได้ซึ่งรวมเป็นหนึ่งเดียวด้วยแนวคิดร่วมกันและมุ่งสู่การบรรลุเป้าหมาย คำนี้มีที่มาจากการบริหารทางทหาร ซึ่งหมายถึงกิจกรรมที่มีเป้าหมายชัดเจนและดำเนินการตามแผนที่กำหนด
วิธีการวิจัยเชิงปฏิบัติการนำมาใช้ในกรณีที่จำเป็นต้องจัดระเบียบกิจกรรมที่มีเป้าหมาย ซึ่งสามารถดำเนินการได้หลายวิธี โดยต้องเลือกวิธีแก้ปัญหาหนึ่งจากหลายทางเลือกที่แต่ละทางมีข้อดีและข้อเสียของตัวเอง เป้าหมายของการวิจัยเชิงปฏิบัติการคือการให้เหตุผลเชิงปริมาณเบื้องต้นสำหรับการตัดสินใจที่ดีที่สุดโดยอาศัยตัวชี้วัดประสิทธิภาพ การตัดสินใจจริงอยู่นอกขอบเขตของสาขาวิชานี้และเป็นหน้าที่ของผู้มีอำนาจตัดสินใจ (ผู้ตัดสินใจ)
ประวัติและพัฒนาการ
การวิจัยเชิงปฏิบัติการในฐานะสาขาวิชาทางวิทยาศาสตร์เกิดขึ้นในช่วงสงครามโลกครั้งที่สอง การก่อตัวของสาขาวิชานี้เชื่อมโยงกับกิจกรรมของกลุ่มนักวิทยาศาสตร์ที่ถูกนำมาแก้ปัญหาการวางแผนทางทหาร วิธีการ OR ถูกนำมาใช้ในการจัดระเบียบภารกิจรบ การวางแผนปฏิบัติการทางทะเล และการจัดสรรทรัพยากร
หลังสงคราม ได้มีการปรับใช้วิธีการเหล่านี้กับงานในภาคพลเรือน ได้แก่ อุตสาหกรรม โลจิสติกส์ การจัดการสินค้าคงคลัง และการปรับโครงสร้างการผลิต ผลงานคลาสสิกถูกเขียนขึ้นในช่วงทศวรรษ 1950–1970 (G. Dantzig, R. Ackoff, C. Churchman, M. Arnoff)
ในสหภาพโซเวียต วิธีการวิจัยเชิงปฏิบัติการได้รับการพัฒนาส่วนใหญ่ภายใต้ชื่อ "การสร้างแบบจำลองทางคณิตศาสตร์" "การโปรแกรมเชิงคณิตศาสตร์" และ "วิธีการทางคณิตศาสตร์เพื่อการหาค่าที่เหมาะสมที่สุด" บุคคลสำคัญ ได้แก่ L. V. Kantorovich (ผู้ก่อตั้ง Linear Programming ผู้ได้รับรางวัลโนเบลปี 1975) V. G. Gnedenko, E. S. Ventzel, N. P. Bruslenko ตั้งแต่ปลายศตวรรษที่ 20 ยังมีการใช้คำว่า "การวิเคราะห์เชิงการผลิต" อีกด้วย
ระเบียบวิธี
ระเบียบวิธีของการวิจัยเชิงปฏิบัติการประกอบด้วยขั้นตอนดังต่อไปนี้:
- การทำให้ปัญหาต้นเหตุเป็นรูปแบบที่เป็นทางการ;
- การสร้างแบบจำลอง (ทางคณิตศาสตร์ การจำลอง และอื่น ๆ);
- การแก้แบบจำลอง (เชิงวิเคราะห์หรือเชิงตัวเลข);
- การตรวจสอบความเหมาะสมของแบบจำลอง;
- การนำผลลัพธ์ไปใช้และการวิเคราะห์ความไว
- ลักษณะพิเศษของแนวทางนี้อยู่ที่การผสานสัญชาตญาณของผู้บริหารเข้ากับผลลัพธ์จากการสร้างแบบจำลอง แบบจำลองไม่ใช่สำเนาที่สมบูรณ์ของความเป็นจริง แต่เป็นเครื่องมือที่ช่วยให้การตัดสินใจมีเหตุผลรองรับมากขึ้น
ฟังก์ชันเป้าหมายและเกณฑ์ประสิทธิภาพ
ประสิทธิภาพถูกนิยามว่าเป็นผลิตภาพในการใช้ทรัพยากรเพื่อบรรลุเป้าหมาย เพื่อเปรียบเทียบทางเลือกต่าง ๆ จึงมีการนำเกณฑ์เชิงปริมาณมาใช้ นั่นคือฟังก์ชันเป้าหมาย ซึ่งเป็นตัวชี้วัดประสิทธิภาพที่เป็นทางการ ที่ต้องทำให้สูงสุด (เช่น กำไร ผลิตภาพ) หรือต่ำสุด (เช่น ต้นทุน ค่าใช้จ่าย เวลา)
เมื่อมีเกณฑ์หลายอย่าง จะเกิดปัญหาการหาค่าที่เหมาะสมที่สุดแบบหลายเกณฑ์ ในกรณีนี้ การตัดสินใจที่มีประสิทธิภาพจะถูกกำหนดตามหลักการของ Pareto — ในฐานะการตัดสินใจที่ไม่ด้อยกว่าทางเลือกอื่นในทุกเกณฑ์พร้อมกัน
ความสามารถในการทำให้เป็นรูปแบบทางการของปัญหา
วิธีการวิจัยเชิงปฏิบัติการมีประสิทธิภาพสูงสุดในการแก้ปัญหาที่มีโครงสร้างชัดเจน (สามารถทำให้เป็นรูปแบบทางการได้) ซึ่งยอมให้ตั้งคำถามเชิงปริมาณและสร้างแบบจำลองทางคณิตศาสตร์ได้ แบบจำลองเหล่านี้ประกอบด้วยตัวแปร เงื่อนไขข้อจำกัด และฟังก์ชันเป้าหมาย การตัดสินใจที่ยอมรับได้คือการตัดสินใจที่ตรงตามเงื่อนไขข้อจำกัดทั้งหมด ส่วนที่ดีที่สุดคือการตัดสินใจที่ทำให้ฟังก์ชันเป้าหมายมีค่าสุดขีดด้วย
แบบจำลองทางคณิตศาสตร์ของปฏิบัติการ
แบบจำลองทางคณิตศาสตร์เป็นรากฐานของการนำวิธีการเชิงปริมาณมาใช้ในการวิจัยเชิงปฏิบัติการ แบบจำลองนี้เป็นการอธิบายกิจกรรมที่ควบคุมได้ (ปฏิบัติการ) อย่างเป็นทางการ โดยระบุพารามิเตอร์สำคัญ ความสัมพันธ์ และเป้าหมาย แบบจำลองมักจะทำให้ความเป็นจริงง่ายขึ้นและแผนผังเสมอ และความแม่นยำของมันถูกกำหนดโดยความสอดคล้องระหว่างความซับซ้อนของแบบจำลองและข้อมูลที่มีอยู่
หลักการสำคัญในการสร้างแบบจำลอง:
- แบบจำลองต้องสะท้อนลักษณะที่สำคัญที่สุดของปรากฏการณ์และคำนึงถึงปัจจัยที่มีนัยสำคัญที่สุด
- แบบจำลองต้องไม่ถูกทำให้หนักเกินไปด้วยรายละเอียดรองที่ขัดขวางการวิเคราะห์
- ไม่มีวิธีการสร้างแบบจำลองสากล — แบบจำลองแต่ละอันถูกเลือกเป็นรายกรณี โดยคำนึงถึงเป้าหมาย ระดับความไม่แน่นอน และความพร้อมของข้อมูล
- แนะนำให้ใช้แบบจำลองหลายอันสำหรับปรากฏการณ์เดียวและเปรียบเทียบผลลัพธ์ (เรียกว่า "การโต้เถียงของแบบจำลอง")
การโปรแกรมเชิงคณิตศาสตร์
การโปรแกรมเชิงคณิตศาสตร์เป็นแกนหลักของวิธีการประยุกต์ในการวิจัยเชิงปฏิบัติการ
ปัญหาถูกกำหนดในรูปแบบของ:
- พื้นที่ของการตัดสินใจที่ยอมรับได้;
- ฟังก์ชันเป้าหมาย;
- เงื่อนไขข้อจำกัด
มีการแบ่งแยกระหว่าง Linear Programming, Nonlinear Programming, Integer Programming และ Multi-criteria Programming
- Linear Programming — สาขาของการโปรแกรมเชิงคณิตศาสตร์ที่ฟังก์ชันเป้าหมายและเงื่อนไขข้อจำกัดเป็นเชิงเส้น ใช้สำหรับการหาค่าที่เหมาะสมที่สุดภายใต้ทรัพยากรที่จำกัด
- Nonlinear Programming — ปัญหาการหาค่าที่เหมาะสมที่สุดซึ่งฟังก์ชันเป้าหมายหรืออย่างน้อยหนึ่งเงื่อนไขข้อจำกัดเป็นแบบไม่เชิงเส้น ใช้สำหรับสร้างแบบจำลองความสัมพันธ์ที่ซับซ้อน
- Integer Programming — ประเภทของปัญหาการหาค่าที่เหมาะสมที่สุดซึ่งตัวแปรบางตัวหรือทั้งหมดรับค่าเป็นจำนวนเต็มเท่านั้น เหมาะสำหรับการแก้ปัญหาที่มีลักษณะเชิงการจัดหมู่
- Multi-criteria Programming — สาขาการหาค่าที่เหมาะสมที่สุดซึ่งคำนึงถึงฟังก์ชันเป้าหมายหลายอย่างพร้อมกัน การตัดสินใจถูกเลือกโดยคำนึงถึงการประนีประนอมระหว่างเกณฑ์
ประเภทงานทั่วไปของการวิจัยเชิงปฏิบัติการ
ประเภทงานทั่วไปที่พบบ่อยที่สุด ได้แก่:
- ปัญหาการจัดสรรทรัพยากร — การจัดสรรทรัพยากรที่จำกัดอย่างเหมาะสมที่สุดระหว่างกิจกรรมที่แข่งขันกันภายใต้เงื่อนไขข้อจำกัดที่กำหนด ตัวอย่าง: การจัดทำแผนการผลิตภายใต้ข้อจำกัดด้านวัตถุดิบและอุปกรณ์
- ปัญหาการขนส่ง — การกำหนดแผนการขนส่งที่เหมาะสมที่สุดซึ่งลดต้นทุนรวมในการเคลื่อนย้ายสินค้าจากจุดต้นทางไปยังจุดปลายทาง
- ปัญหาการมอบหมายงาน — การจัดสรรผู้ปฏิบัติงานให้กับงาน (หรืออุปกรณ์ให้กับปฏิบัติการ) เพื่อให้ต้นทุนรวมต่ำสุดหรือผลรวมสูงสุด เป็นกรณีพิเศษของปัญหาการขนส่ง
- ปัญหาการให้บริการจำนวนมาก — การสร้างแบบจำลองระบบที่มีคิว (เช่น ธนาคาร คลังสินค้า ศูนย์โทรคมนาคม) เพื่อวิเคราะห์เวลารอ การใช้ทรัพยากร และการหาค่าที่เหมาะสมของจำนวนอุปกรณ์บริการ
- ปัญหาการจัดการสินค้าคงคลัง — การกำหนดกลยุทธ์การเติมและการจัดเก็บสินค้าคงคลังเพื่อตอบสนองความต้องการด้วยต้นทุนที่ต่ำสุด
- ปัญหาการเปลี่ยนอุปกรณ์ — การเลือกช่วงเวลาที่เหมาะสมในการเปลี่ยนอุปกรณ์ที่ล้าสมัยหรือเสื่อมสภาพเพื่อลดต้นทุนการซ่อม การดำเนินงาน และการจัดซื้อ
- ปัญหาเครือข่าย — การกำหนดเส้นทางวิกฤตในกราฟโครงการ การหาค่าที่เหมาะสมของการไหลในเครือข่าย (เช่น การขนส่งหรือข้อมูล) การลดเวลาในการดำเนินโครงการ
- ปัญหาการตัดและการจัดวาง — การหาค่าที่เหมาะสมของการจัดวางวัตถุ (เช่น ชิ้นงานบนแผ่นวัสดุ) เพื่อลดของเสีย
- ปัญหาทฤษฎีเกม — การสร้างแบบจำลองสถานการณ์ความขัดแย้งที่มีสองฝ่ายขึ้นไปที่มีผลประโยชน์ไม่ตรงกัน การวิเคราะห์กลยุทธ์จากมุมมองของผลกำไรและความเสี่ยง
- ปัญหาการหาค่าที่เหมาะสมที่สุดแบบหลายเกณฑ์ — การหาการตัดสินใจที่ดีที่สุดตามเกณฑ์หลายอย่างที่มักขัดแย้งกัน (เช่น คุณภาพ เทียบกับ ต้นทุน เทียบกับ ระยะเวลาดำเนินการ)
- การจำลองสถานการณ์ — การสร้างแบบจำลองระบบที่ซับซ้อนซึ่งพฤติกรรมไม่สามารถอธิบายได้อย่างแม่นยำด้วยการวิเคราะห์ (เช่น โลจิสติกส์ของศูนย์กระจายสินค้าขนาดใหญ่หรือระบบการผลิตที่มีความไม่แน่นอนสูง)
ปัญหาแต่ละประเภทสามารถนำเสนอในรูปแบบของแบบจำลองทางคณิตศาสตร์ที่มีตัวแปร เงื่อนไขข้อจำกัด และฟังก์ชันเป้าหมาย
วิธีการ
- ทฤษฎีความน่าจะเป็นและสถิติ
- ทฤษฎีกราฟ
- ทฤษฎีเกม
- การจำลองสถานการณ์
- แบบจำลองการให้บริการจำนวนมาก
- แบบจำลองการจัดการสินค้าคงคลังและการเปลี่ยนทดแทน
- แบบจำลองเครือข่ายและเส้นทางวิกฤต
ข้อจำกัดของวิธีการ
- ความไวต่อข้อมูลเริ่มต้นอย่างมากเกินไป;
- การหาค่าที่เหมาะสมที่สุดในระดับท้องถิ่นไม่รับประกันความเหมาะสมที่สุดในระดับระบบ;
- ความไม่สอดคล้องของเกณฑ์กับเป้าหมายที่แท้จริง;
- ความเป็นไปได้ที่จะเกิดผลที่ไม่พึงประสงค์เมื่อไม่ได้คำนึงถึงเงื่อนไขข้อจำกัดอย่างครบถ้วน
การประยุกต์ใช้
การวิจัยเชิงปฏิบัติการถูกนำมาใช้ใน:
- โลจิสติกส์และการจัดการสินค้าคงคลัง;
- การวางแผนการผลิต;
- การก่อสร้างและการวางแผนทุน;
- เศรษฐกิจ การป้องกันประเทศ พลังงาน;
- การบริหารภาครัฐและองค์กร
ลิงก์
- บทความเกี่ยวกับการวิจัยเชิงปฏิบัติการบน systems-analysis.ru
- บทความเกี่ยวกับการวิจัยเชิงปฏิบัติการบน Wikipedia (RU)
- บทความเกี่ยวกับการวิจัยเชิงปฏิบัติการบน Wikipedia (EN)
วรรณกรรม
- Kantorovich L. V. (1939). วิธีการทางคณิตศาสตร์ในการจัดระเบียบและการวางแผนการผลิต. PDF
- Ventzel E. S. (1972). การวิจัยเชิงปฏิบัติการ. PDF
- Ventzel E. S. (2004). การวิจัยเชิงปฏิบัติการ: ปัญหา หลักการ ระเบียบวิธี. พิมพ์ครั้งที่ 3. PDF
- Hillier F. S.; Lieberman G. J. (แปลจากภาษาอังกฤษ, 2005). บทนำสู่การวิจัยเชิงปฏิบัติการ. พิมพ์ภาษารัสเซียครั้งที่ 7. PDF
- Dantzig G. (1966). Linear Programming การประยุกต์ใช้และการขยายความ. แปลจากภาษาอังกฤษ. HTML
- Dantzig, G. B. (1963). Linear Programming and Extensions. RAND PDF.
- Kantorovich, L. V. (1960). Mathematical Methods in the Organization and Planning of Production. PDF.
- Churchman, C. W.; Ackoff, R. L.; Arnoff, E. L. (1957). Introduction to Operations Research. Archive.org.
- Hillier, F. S.; Lieberman, G. J. (2014, พิมพ์ครั้งที่ 10). Introduction to Operations Research. PDF.
- Winston, W. L. (2004, พิมพ์ครั้งที่ 4). Operations Research: Applications and Algorithms. PDFroom.
- Ford, L. R.; Fulkerson, D. R. (1956). Maximal Flow Through a Network. PDF.
- Nemhauser, G. L.; Wolsey, L. A. (1988). Integer and Combinatorial Optimization. Wiley.
- Bellman, R. (1957). Dynamic Programming. PDF.