Podstawy badań operacyjnych. Ackoff, R. L. i Sasieni, M. W. 1968.
Zaproponowano wiele definicji badań operacyjnych i przedstawiono wiele argumentów świadczących o tym, że przedmiotu tego nie można zdefiniować w ogóle. Rozważając różne proponowane definicje, należy pamiętać, że żadna ze starszych, dawno ustanowionych nauk — ani nauka jako całość — nigdy nie została zdefiniowana w sposób satysfakcjonujący dla wszystkich jej przedstawicieli. Niemniej jednak przedstawiona poniżej definicja może służyć jako użyteczna podstawa ogólnego zrozumienia natury badań operacyjnych, zwłaszcza w świetle omówionej wcześniej historii tej dziedziny.
Badania operacyjne to: (1) zastosowanie metody naukowej, (2) przez interdyscyplinarne zespoły badawcze, (3) do problemów związanych z kontrolą zorganizowanych (człowiek–maszyna) systemów, tak aby zapewnić rozwiązania najlepiej służące celom całej organizacji.
Charakterystyczne cechy badań operacyjnych zawarte w tej definicji to: (a) podejście systemowe, (b) wykorzystanie interdyscyplinarnych zespołów badawczych oraz (c) zastosowanie metody naukowej do problemów kontroli. Rozważmy teraz każdą z tych cech bardziej szczegółowo.
Podejście to opiera się na przesłance, że w organizacyjnych systemach zachowanie każdej części w ostatecznym rozrachunku wpływa na każdą inną część. Nie wszystkie takie wpływy są istotne, a niektóre mogą być całkowicie niewykrywalne. Dlatego istotą tego podejścia jest systematyczne poszukiwanie istotnych interakcji podczas oceny funkcjonowania lub strategii jakiejkolwiek części organizacji.
Takie podejście do problemów organizacyjnych radykalnie różni się od redukowania problemu do rozmiaru łatwego do opanowania. Badacze operacyjni prawie zawsze rozszerzają wstępne sformułowanie problemu przedstawionego im przez kierownictwo, uwzględniając interakcje, które nie zostały ujęte w pierwotnym sformułowaniu. Rozwiązywanie tych szerszych, a w konsekwencji bardziej złożonych problemów wymaga opracowania nowych metod badawczych.
Przywykliśmy do klasyfikowania wiedzy naukowej według struktury wydziałowej uniwersytetów do tego stopnia, że czasem wierzymy, iż ta organizacja odzwierciedla samą strukturę przyrody. Nic nie mogłoby być dalsze od prawdy. Nie istnieją same w sobie problemy fizyczne, biologiczne, psychologiczne czy ekonomiczne. Istnieją tylko problemy. Dyscypliny naukowe reprezentują jedynie różne metody ich badania. Każdy problem można rozpatrywać z punktu widzenia każdej dyscypliny naukowej — choć oczywiście nie zawsze jest to celowe. W istocie jest to ta sama myśl wyrażona wcześniej w innej formie: organizacja nie ma odrębnych problemów produkcyjnych, marketingowych czy finansowych. Taki podział odzwierciedla jedynie różne sposoby badania tych samych problemów organizacyjnych.
Każdy specjalista może wprowadzić pewne usprawnienia, ale które z nich — lub jakie ich połączenie — jest najlepsze? W przypadku złożonych problemów rzadko wiemy to z góry. Wskazane jest więc rozważenie i ocenienie możliwie najszerszego zakresu podejść do problemu. Na tym właśnie polega sens interdyscyplinarnych zespołów badawczych.
Ponieważ obecnie istnieje ponad sto czystych i stosowanych dyscyplin naukowych, oczywiście niemożliwe jest włączenie przedstawiciela każdej z nich do każdego projektu badawczego. Warto jednak, by w zespole reprezentowanych było jak najwięcej dyscyplin, a wyniki pracy zespołu poddawano krytycznej ocenie z możliwie najszerszego zakresu dyscyplin, które nie są w nim reprezentowane.
Większość opisów metody naukowej uznaje eksperyment za jej cechę wyróżniającą. Jednakże w przypadku organizacji rządowych, wojskowych czy przemysłowych eksperymentowanie w wąskim sensie — czyli fizyczna zmiana wartości zmiennych — jest często niemożliwe lub niepraktyczne. Przedsiębiorstwo przemysłowe, na przykład, nie może ryzykować własnego istnienia dla potrzeb eksperymentu. Oczywiście eksperymentowanie jest czasem możliwe, zwłaszcza na poziomie podsystemu, i odgrywa istotną rolę w badaniach operacyjnych. Niemniej jednak, jako zasada, badany system jako całość nie może być poddany eksperymentowi. W większości przypadków zatem badanie systemu jako całości wymaga podejścia, które nie obejmuje eksperymentowania (w wąskim sensie fizycznej zmiany badanego obiektu).
Modele operacyjne przybierają formę równań, które choć matematycznie złożone, mają bardzo prostą strukturę: użyteczność lub wartość kryterium wydajności charakteryzującego funkcjonowanie systemu jest wyrażona jako funkcja zmiennych kontrolowanych oraz zmiennych niekontrolowanych (i stałych), które jednak wpływają na tę funkcję.
Ponadto często wymagane jest jedno lub więcej równań lub nierówności, aby wyrazić fakt, że pewne zmienne kontrolowane mogą zmieniać się tylko w określonych granicach.
Po skonstruowaniu modelu można go wykorzystać do znalezienia dokładnych lub przybliżonych optymalnych wartości zmiennych kontrolowanych — czyli takich wartości, które przy danych wartościach zmiennych niekontrolowanych dają najlepsze kryterium wydajności systemu. Innymi słowy, można otrzymać rozwiązanie problemu w modelu. Sposób, w jaki to rozwiązanie zostaje uzyskane, zależy od zastosowanego modelu.
Rozwiązanie można otrzymać poprzez eksperymentowanie na modelu (zmieniając jego parametry) lub poprzez analizę matematyczną. W niektórych przypadkach analizę matematyczną można przeprowadzić bez znajomości konkretnych wartości zmiennych; w innych przypadkach wartości muszą być podane liczbowo.
Niezależnie od zastosowanej metody, celem jest zawsze znalezienie rozwiązania optymalnego lub bliskiego optymalnemu. Rozwiązanie optymalne to takie, które minimalizuje lub maksymalizuje (w zależności od charakteru problemu) kryterium wydajności w modelu, z zachowaniem warunków i ograniczeń reprezentowanych w tym modelu. Optymalizacja daje więc najlepsze rozwiązanie problemu opisanego przez model. Jednakże, ponieważ model nigdy nie jest dokładnym opisem problemu, otrzymane w ten sposób rozwiązanie optymalne również nigdy nie jest jedynym i najlepszym rozwiązaniem rzeczywistego problemu. Jeśli przyjmiemy, że model stanowi „dobrą” reprezentację problemu, to rozwiązanie optymalne lub bliskie optymalnemu otrzymane na modelu jest „dobrym” przybliżeniem rozwiązania optymalnego rzeczywistego problemu. W każdym razie jest ono znacznie lepsze niż strategia lub procedura, którą ma zastąpić.
Ponieważ optymalne wartości zmiennych uzyskane w wyniku rozwiązania poprawiają wydajność systemu tylko w takim stopniu, w jakim model dokładnie opisuje system, konieczne jest zweryfikowanie zgodności modelu z rzeczywistością oraz trzeźwa ocena rozwiązania. Innymi słowy, przewidywane skutki wdrożenia rozwiązania muszą być porównane ze strategią lub procedurą, którą ma ono zastąpić.
Wreszcie, ponieważ celem badań operacyjnych nie jest tworzenie raportów naukowych, lecz poprawa wydajności systemu, wyniki badań muszą zostać wdrożone (o ile są akceptowalne dla decydenta). To właśnie na tym etapie dochodzi do ostatecznego sprawdzenia i oceny wyników badań. To zatem etap, na którym badacze operacyjni mają największą szansę zdobycia doświadczenia.
Jeśli decyzja, dla której prowadzone są badania, należy do kategorii decyzji powtarzalnych, to — biorąc pod uwagę charakter systemów badanych w badaniach operacyjnych — jest bardzo prawdopodobne, że między kolejnymi decyzjami zmienią się wartości niektórych zmiennych niekontrolowanych, a nawet struktura samego systemu. Konieczne jest więc wykrywanie istotnych zmian w systemie i jego otoczeniu zewnętrznym oraz odpowiednie korygowanie decyzji. Innymi słowy, wyniki mające formę reguł dla decyzji powtarzalnych lub decyzji stosowanych w dłuższych okresach czasu muszą być aktualizowane, a ich prawidłowe stosowanie musi być monitorowane.