Fondamenti di ricerca operativa. Ackoff, R. L. & Sasieni, M. W. 1968.
Sono state proposte numerose definizioni di ricerca operativa, e sono stati avanzati molti argomenti sul perché la disciplina non possa essere definita affatto. Nel considerare le varie definizioni offerte, occorre ricordare che nessuna delle scienze più antiche e consolidate — né la scienza nel suo complesso — è mai stata definita in modo soddisfacente per tutti i suoi cultori. Ciononostante, la definizione riportata di seguito può servire come utile base per una comprensione generale della natura della ricerca operativa, specialmente alla luce della storia della disciplina appena esaminata.
La ricerca operativa è: (1) l’applicazione del metodo scientifico, (2) da parte di gruppi di ricerca interdisciplinari, (3) a problemi riguardanti il controllo di sistemi organizzati (uomo–macchina), al fine di fornire soluzioni che meglio servano gli scopi dell’organizzazione nel suo complesso.
I tratti distintivi della ricerca operativa enunciati in questa definizione sono: (a) un approccio sistemico, (b) l’impiego di gruppi di ricerca interdisciplinari e (c) l’applicazione del metodo scientifico ai problemi di controllo. Esaminiamo ora ciascuno di questi tratti in maggiore dettaglio.
Questo approccio si basa sulla premessa che, nei sistemi organizzativi, il comportamento di ogni parte finisce per influenzare ogni altra parte. Non tutti questi effetti sono significativi, e alcuni possono risultare del tutto impercettibili. Pertanto, l’essenza di questo approccio consiste nel ricercare sistematicamente le interazioni significative quando si valuta la prestazione o la strategia di una qualsiasi parte dell’organizzazione.
Un tale approccio ai problemi organizzativi differisce radicalmente dal ridurre un problema a dimensioni gestibili. I ricercatori operativi allargano quasi sempre la formulazione iniziale del problema loro presentato, incorporando interazioni che non erano incluse nella formulazione della direzione. Affrontare questi problemi più ampi, e di conseguenza più complessi, richiede lo sviluppo di nuovi metodi di ricerca.
Ci siamo talmente abituati a classificare la conoscenza scientifica secondo la struttura dipartimentale delle università, che a volte crediamo che tale organizzazione rispecchi la struttura stessa della natura. Nulla potrebbe essere più lontano dal vero. Non esistono problemi fisici, biologici, psicologici o economici in quanto tali. Esistono soltanto problemi. Le discipline scientifiche rappresentano semplicemente metodi diversi per indagarli. Qualsiasi problema può essere considerato dal punto di vista di una qualunque disciplina scientifica — sebbene, ovviamente, non sia sempre opportuno farlo. In sostanza, si tratta della stessa idea espressa in precedenza in forma diversa: un’organizzazione non ha problemi separati di produzione, marketing o finanza. Tale suddivisione riflette semplicemente approcci diversi all’esame degli stessi problemi organizzativi.
Ogni specialista può conseguire determinati miglioramenti, ma quale di questi miglioramenti — o quale loro combinazione — è il migliore? Nei problemi complessi, raramente lo sappiamo in anticipo. È dunque opportuno considerare e valutare la più ampia gamma possibile di approcci al problema. Questa è la logica alla base dei gruppi di ricerca interdisciplinari.
Poiché attualmente esistono più di cento discipline scientifiche pure e applicate, è evidentemente impossibile includere un rappresentante di ciascuna in ogni progetto di ricerca. È tuttavia auspicabile che il maggior numero possibile di discipline sia rappresentato nel gruppo, e che il lavoro del gruppo sia sottoposto a un esame critico da parte della gamma più ampia possibile di discipline non rappresentate al suo interno.
La maggior parte delle descrizioni del metodo scientifico ritiene che il suo tratto distintivo sia l’esperimento. Tuttavia, quando si ha a che fare con organizzazioni governative, militari o industriali, la sperimentazione in senso stretto — ossia la modifica fisica dei valori delle variabili — è spesso impossibile o impraticabile. Un’impresa industriale, ad esempio, non può rischiare la propria stessa esistenza per amore di un esperimento. Naturalmente, la sperimentazione è talvolta possibile, specialmente a livello di sottosistema, e svolge un ruolo importante nella ricerca operativa. Ciononostante, di regola, il sistema oggetto di studio nel suo complesso non può essere sottoposto a sperimentazione. Nella maggior parte dei casi, dunque, lo studio del sistema nel suo insieme richiede un approccio che non comporti sperimentazione (nel senso stretto della modifica fisica dell’oggetto studiato).
I modelli operativi assumono la forma di equazioni che, per quanto matematicamente complesse, presentano una struttura molto semplice: l’utilità o il valore di un criterio di prestazione che caratterizza il funzionamento del sistema è espresso come funzione delle variabili controllabili e di quelle non controllabili (e delle costanti) che ciononostante influenzano la funzione.
Inoltre, sono spesso necessarie una o più equazioni o disuguaglianze per esprimere il fatto che determinate variabili controllabili possono variare soltanto entro limiti specificati.
Una volta costruito un modello, esso può essere utilizzato per trovare valori ottimali esatti o approssimati delle variabili controllabili — cioè valori che producono il miglior criterio di prestazione del sistema dati i valori delle variabili non controllabili. In altre parole, si può ottenere una soluzione del problema nel modello. Il modo esatto in cui tale soluzione viene ottenuta dipende dal modello impiegato.
Una soluzione può essere ottenuta sperimentando sul modello (variandone i parametri) oppure mediante analisi matematica. In alcuni casi, l’analisi matematica può essere condotta senza conoscere i valori specifici delle variabili; in altri casi, i valori devono essere specificati numericamente.
Indipendentemente dal metodo impiegato, lo scopo è sempre trovare una soluzione ottimale o quasi ottimale. Una soluzione ottimale è quella che minimizza o massimizza (a seconda della natura del problema) il criterio di prestazione sul modello, nel rispetto delle condizioni e dei vincoli rappresentati in tale modello. L’ottimizzazione fornisce così la migliore soluzione al problema quale descritto dal modello. Tuttavia, poiché un modello non è mai una descrizione esatta del problema, la soluzione ottimale così ottenuta non è mai, allo stesso modo, l’unica e sola migliore soluzione del problema reale. Se si assume che il modello fornisca una «buona» rappresentazione del problema, allora la soluzione ottimale o quasi ottimale ottenuta sul modello è una «buona» approssimazione della soluzione ottimale del problema reale. In ogni caso, essa è considerevolmente migliore della strategia o della procedura che è destinata a sostituire.
Poiché i valori ottimali delle variabili ottenuti mediante la soluzione migliorano la prestazione del sistema solo nella misura in cui il modello descrive accuratamente il sistema, è necessario verificare la corrispondenza del modello alla realtà e valutare con sobrietà la soluzione. In altre parole, i risultati previsti dall’attuazione della soluzione devono essere confrontati con la strategia o la procedura che essa è destinata a sostituire.
Infine, poiché lo scopo della ricerca operativa non è la produzione di rapporti scientifici ma il miglioramento della prestazione del sistema, i risultati della ricerca devono essere attuati (a condizione che siano accettabili per il decisore). È in questa fase che avviene la verifica e la valutazione finale dei risultati della ricerca. Questa è dunque la fase in cui si presenta ai ricercatori operativi la maggiore opportunità di acquisire esperienza.
Se la decisione per la quale la ricerca è condotta appartiene alla categoria delle decisioni ricorrenti, allora — data la natura dei sistemi studiati nella ricerca operativa — è piuttosto probabile che, tra una decisione e la successiva, i valori di alcune variabili non controllabili, e persino la struttura stessa del sistema, cambino. È dunque necessario individuare i cambiamenti significativi nel sistema e nel suo ambiente esterno, e adeguare di conseguenza la decisione. In altre parole, i risultati che assumono la forma di regole per decisioni ricorrenti, o di decisioni applicate su periodi di tempo prolungati, devono essere aggiornati, e la loro corretta applicazione deve essere monitorata.