Fundamentos da Pesquisa Operacional. Ackoff, R. L. & Sasieni, M. W. 1968.
Muitas definições de pesquisa operacional foram propostas, e muitos argumentos foram apresentados sobre por que o assunto não pode ser definido de forma alguma. Ao considerar as várias definições oferecidas, deve-se lembrar que nenhuma das ciências mais antigas e consolidadas — nem a ciência como um todo — jamais foi definida à satisfação de todos os seus praticantes. Ainda assim, a definição abaixo pode servir como base útil para uma compreensão geral da natureza da pesquisa operacional, especialmente à luz da história da área que acabamos de revisar.
Pesquisa operacional é: (1) a aplicação do método científico, (2) por equipes de pesquisa interdisciplinares, (3) a problemas que envolvem o controle de sistemas organizados (homem–máquina), de modo a fornecer soluções que melhor atendam aos propósitos da organização como um todo.
As características distintivas da pesquisa operacional afirmadas nessa definição são: (a) uma abordagem sistêmica, (b) o uso de equipes de pesquisa interdisciplinares e (c) a aplicação do método científico a problemas de controle. Vejamos agora cada uma dessas características com mais detalhes.
Essa abordagem baseia-se na premissa de que, em sistemas organizacionais, o comportamento de qualquer parte acaba afetando todas as demais partes. Nem todos esses efeitos são significativos, e alguns podem ser completamente indetectáveis. Portanto, a essência dessa abordagem reside na busca sistemática de interações significativas ao avaliar o desempenho ou a estratégia de qualquer parte da organização.
Tal abordagem aos problemas organizacionais difere radicalmente de reduzir um problema a um tamanho administrável. Os pesquisadores de pesquisa operacional quase invariavelmente ampliam a formulação inicial do problema que lhes é apresentado, incorporando interações que não estavam incluídas na formulação da gestão. Lidar com esses problemas mais amplos, e consequentemente mais complexos, exige o desenvolvimento de novos métodos de pesquisa.
Acostumamo-nos tanto a classificar o conhecimento científico de acordo com a estrutura departamental das universidades que, por vezes, chegamos a crer que essa organização reflete a própria estrutura da natureza. Nada poderia estar mais distante da verdade. Não existem problemas físicos, biológicos, psicológicos ou econômicos em si. Existem apenas problemas. As disciplinas científicas representam meramente diferentes métodos de investigá-los. Qualquer problema pode ser visto do ponto de vista de qualquer disciplina científica — embora, é claro, nem sempre seja conveniente fazê-lo. Em essência, essa é a mesma ideia expressa anteriormente de outra forma: uma organização não possui problemas de produção, marketing ou finanças separados. Tal divisão reflete apenas diferentes abordagens para examinar os mesmos problemas organizacionais.
Cada especialista pode alcançar certas melhorias, mas qual dessas melhorias — ou qual combinação delas — é a melhor? Em problemas complexos, raramente sabemos isso de antemão. É, portanto, aconselhável considerar e avaliar a mais ampla gama possível de abordagens ao problema. Essa é a razão de ser das equipes de pesquisa interdisciplinares.
Como atualmente existem mais de cem disciplinas científicas puras e aplicadas, é obviamente impossível incluir um representante de cada uma em todo projeto de pesquisa. É, contudo, desejável ter o maior número possível de disciplinas representadas na equipe e submeter o trabalho da equipe a uma revisão crítica proveniente da mais ampla gama possível de disciplinas não representadas nela.
A maioria das descrições do método científico sustenta que sua característica distintiva é o experimento. Contudo, ao tratar de organizações governamentais, militares ou industriais, a experimentação no sentido estrito — ou seja, alterar fisicamente os valores das variáveis — é frequentemente impossível ou impraticável. Uma empresa industrial, por exemplo, não pode arriscar sua própria existência em nome de um experimento. É claro que, às vezes, a experimentação é possível, especialmente no nível de subsistema, e ela desempenha um papel importante na pesquisa operacional. Não obstante, como regra, o sistema estudado como um todo não pode ser submetido à experimentação. Na maioria dos casos, portanto, investigar o sistema como um todo requer uma abordagem que não envolva experimentação (no sentido estrito de alterar fisicamente o objeto estudado).
Os modelos operacionais assumem a forma de equações que, embora matematicamente complexas, possuem uma estrutura muito simples: a utilidade ou o valor de um critério de desempenho que caracteriza o funcionamento do sistema é expresso como uma função de variáveis controláveis e de variáveis (e constantes) incontroláveis que, mesmo assim, afetam a função.
Além disso, muitas vezes são necessárias uma ou mais equações ou desigualdades para expressar o fato de que certas variáveis controláveis só podem variar dentro de limites especificados.
Uma vez construído um modelo, ele pode ser usado para encontrar valores ótimos exatos ou aproximados das variáveis controláveis — isto é, valores que produzem o melhor critério de desempenho do sistema dados os valores das variáveis incontroláveis. Em outras palavras, é possível obter uma solução para o problema no modelo. A forma exata como essa solução é obtida depende do modelo empregado.
Uma solução pode ser obtida experimentando-se com o modelo (variando seus parâmetros) ou por meio de análise matemática. Em alguns casos, a análise matemática pode ser realizada sem se conhecer os valores específicos das variáveis; em outros casos, os valores devem ser especificados numericamente.
Independentemente do método utilizado, o objetivo é sempre encontrar uma solução ótima ou próxima do ótimo. Uma solução ótima é aquela que minimiza ou maximiza (dependendo da natureza do problema) o critério de desempenho no modelo, sujeita às condições e restrições representadas nesse modelo. A otimização gera, assim, a melhor solução para o problema conforme descrito pelo modelo. Contudo, como um modelo nunca é uma descrição exata do problema, a solução ótima obtida dessa forma também nunca é a única e melhor solução para o problema real. Se se assume que o modelo fornece uma "boa" representação do problema, então a solução ótima ou próxima do ótimo obtida no modelo é uma "boa" aproximação da solução ótima do problema real. Em qualquer caso, ela é consideravelmente melhor do que a estratégia ou procedimento que se destina a substituir.
Como os valores ótimos das variáveis obtidos por meio da solução melhoram o desempenho do sistema apenas na medida em que o modelo descreve o sistema com precisão, é necessário verificar a correspondência do modelo com a realidade e avaliar a solução com sobriedade. Em outras palavras, os resultados previstos da implementação da solução devem ser comparados com a estratégia ou procedimento que se pretende substituir.
Por fim, como o propósito da pesquisa operacional não é a produção de relatórios científicos, mas a melhoria do desempenho do sistema, os resultados da pesquisa devem ser implementados (desde que sejam aceitáveis para o tomador de decisão). É nessa etapa que ocorrem o teste final e a avaliação dos resultados da pesquisa. Essa é, portanto, a etapa em que se apresenta aos pesquisadores de pesquisa operacional a maior oportunidade de ganhar experiência.
Se a decisão para a qual a pesquisa é conduzida pertencer à categoria de decisões recorrentes, então — dada a natureza dos sistemas estudados na pesquisa operacional — é bastante provável que, entre decisões sucessivas, os valores de algumas variáveis incontroláveis, e até mesmo a estrutura do próprio sistema, se alterem. É, portanto, necessário detectar mudanças significativas no sistema e em seu ambiente externo e ajustar a decisão de acordo com isso. Em outras palavras, resultados que assumem a forma de regras para decisões recorrentes, ou decisões aplicadas ao longo de extensos períodos de tempo, devem ser atualizados, e sua correta aplicação deve ser monitorada.