Cơ sở của vận trù học. Ackoff, R. L. & Sasieni, M. W. 1968.
Nhiều định nghĩa về vận trù học đã được đề xuất, và nhiều lập luận đã được đưa ra về việc tại sao môn học này hoàn toàn không thể định nghĩa được. Khi xem xét các định nghĩa khác nhau đã được đưa ra, cần nhớ rằng không một ngành khoa học lâu đời nào — cũng như khoa học nói chung — từng được định nghĩa theo cách làm hài lòng tất cả những người thực hành nó. Tuy nhiên, định nghĩa dưới đây có thể được dùng làm cơ sở hữu ích để hiểu chung về bản chất của vận trù học, đặc biệt là khi xét đến lịch sử của lĩnh vực này vừa được điểm lại.
Vận trù học là: (1) việc áp dụng phương pháp khoa học, (2) bởi các nhóm nghiên cứu liên ngành, (3) vào các vấn đề liên quan đến việc kiểm soát các hệ thống có tổ chức (người – máy) nhằm đưa ra các giải pháp phục vụ tốt nhất các mục đích của tổ chức xét như một tổng thể.
Những nét đặc trưng của vận trù học được nêu trong định nghĩa này là: (a) tiếp cận hệ thống, (b) việc sử dụng các nhóm nghiên cứu liên ngành, và (c) việc áp dụng phương pháp khoa học vào các vấn đề kiểm soát. Giờ đây, chúng ta hãy xem xét từng đặc trưng này một cách chi tiết hơn.
Cách tiếp cận này dựa trên tiền đề rằng, trong các hệ thống tổ chức, hành vi của bất kỳ bộ phận nào cuối cùng cũng ảnh hưởng đến mọi bộ phận khác. Không phải tất cả các ảnh hưởng như vậy đều đáng kể, và một số thậm chí có thể hoàn toàn không thể phát hiện được. Do đó, cốt lõi của cách tiếp cận này nằm ở việc tìm kiếm một cách có hệ thống các tương tác đáng kể khi đánh giá hiệu quả hoạt động hay chiến lược của bất kỳ bộ phận nào của tổ chức.
Cách tiếp cận như vậy đối với các vấn đề của tổ chức khác biệt căn bản so với việc thu hẹp một vấn đề xuống một quy mô dễ xử lý. Các nhà nghiên cứu vận trù hầu như luôn mở rộng cách phát biểu ban đầu của vấn đề được giao cho họ, đưa vào đó các tương tác vốn không được đề cập trong cách phát biểu của ban quản lý. Việc giải quyết những vấn đề rộng hơn, và do đó phức tạp hơn này, đòi hỏi phải phát triển các phương pháp nghiên cứu mới.
Chúng ta đã quá quen với việc phân loại tri thức khoa học theo cơ cấu các khoa của trường đại học, đến mức đôi khi tin rằng cách tổ chức này phản ánh chính cấu trúc của tự nhiên. Không gì xa sự thật hơn thế. Không hề tồn tại cái gọi là vấn đề vật lý, sinh học, tâm lý học hay kinh tế học tự thân. Chỉ có các vấn đề mà thôi. Các ngành khoa học chỉ đơn thuần là những phương pháp khác nhau để nghiên cứu chúng. Bất kỳ vấn đề nào cũng có thể được xem xét từ góc độ của bất kỳ ngành khoa học nào — mặc dù tất nhiên không phải lúc nào làm như vậy cũng là hợp lý. Về bản chất, đây chính là ý tưởng đã được trình bày trước đó dưới một hình thức khác: một tổ chức không có các vấn đề sản xuất, tiếp thị hay tài chính riêng biệt. Sự phân chia như vậy chỉ đơn thuần phản ánh những cách tiếp cận khác nhau để xem xét cùng một vấn đề của tổ chức.
Mỗi chuyên gia có thể đạt được những cải thiện nhất định, nhưng cải thiện nào — hay tổ hợp nào của những cải thiện đó — là tốt nhất? Với những vấn đề phức tạp, chúng ta hiếm khi biết được điều này trước. Do đó, nên xem xét và đánh giá phạm vi cách tiếp cận vấn đề rộng nhất có thể. Đây chính là lý do tồn tại của các nhóm nghiên cứu liên ngành.
Vì hiện nay có hơn một trăm ngành khoa học thuần túy và ứng dụng, nên rõ ràng không thể có đại diện của mỗi ngành trong mọi dự án nghiên cứu. Tuy nhiên, nên có càng nhiều ngành càng tốt được đại diện trong nhóm, và nên đưa công việc của nhóm ra để được xem xét, phê bình từ phạm vi các ngành rộng nhất có thể, kể cả những ngành không có đại diện trong nhóm.
Hầu hết các mô tả về phương pháp khoa học đều cho rằng đặc trưng phân biệt của nó là thí nghiệm. Tuy nhiên, khi xử lý các tổ chức chính phủ, quân sự hay công nghiệp, việc thí nghiệm theo nghĩa hẹp — nghĩa là thay đổi vật lý giá trị của các biến — thường là không thể hoặc không thực tế. Chẳng hạn, một doanh nghiệp công nghiệp không thể mạo hiểm chính sự tồn tại của mình chỉ vì một thí nghiệm. Tất nhiên, đôi khi việc thí nghiệm vẫn khả thi, đặc biệt là ở cấp độ hệ thống con, và nó thực sự đóng vai trò quan trọng trong vận trù học. Tuy nhiên, nhìn chung, hệ thống đang nghiên cứu xét như một tổng thể không thể bị đem ra thí nghiệm. Do đó, trong hầu hết các trường hợp, việc nghiên cứu hệ thống như một tổng thể đòi hỏi một cách tiếp cận không liên quan đến thí nghiệm (theo nghĩa hẹp là thay đổi vật lý đối tượng đang được nghiên cứu).
Các mô hình tác nghiệp có dạng những phương trình mà, dù phức tạp về mặt toán học, lại có cấu trúc rất đơn giản: độ hữu dụng hay giá trị của một tiêu chí hiệu quả hoạt động đặc trưng cho sự vận hành của hệ thống được biểu diễn như một hàm của các biến điều khiển được và các biến (cùng các hằng số) không điều khiển được nhưng vẫn ảnh hưởng đến hàm đó.
Ngoài ra, thường cần một hoặc nhiều phương trình hay bất phương trình để biểu diễn thực tế rằng một số biến điều khiển được chỉ có thể thay đổi trong những giới hạn nhất định.
Sau khi một mô hình đã được xây dựng, nó có thể được dùng để tìm các giá trị tối ưu chính xác hoặc gần đúng của các biến điều khiển được — tức là những giá trị mang lại tiêu chí hiệu quả hoạt động tốt nhất cho hệ thống, với các giá trị đã cho của các biến không điều khiển được. Nói cách khác, người ta có thể thu được một giải pháp cho vấn đề trong mô hình. Cách thức chính xác để có được giải pháp này phụ thuộc vào mô hình được sử dụng.
Một giải pháp có thể thu được bằng cách thí nghiệm trên mô hình (thông qua việc thay đổi các tham số của nó) hoặc thông qua phân tích toán học. Trong một số trường hợp, việc phân tích toán học có thể được thực hiện mà không cần biết giá trị cụ thể của các biến; trong những trường hợp khác, các giá trị phải được xác định bằng số cụ thể.
Bất kể phương pháp nào được sử dụng, mục tiêu luôn là tìm ra một giải pháp tối ưu hoặc gần tối ưu. Một giải pháp tối ưu là giải pháp làm cực tiểu hóa hoặc cực đại hóa (tùy theo bản chất của vấn đề) tiêu chí hiệu quả hoạt động trên mô hình, tuân theo các điều kiện và ràng buộc được biểu diễn trong mô hình đó. Tối ưu hóa theo đó mang lại giải pháp tốt nhất cho vấn đề như được mô tả bởi mô hình. Tuy nhiên, vì một mô hình không bao giờ là sự mô tả chính xác của vấn đề, nên giải pháp tối ưu thu được theo cách này cũng không bao giờ là giải pháp tốt nhất duy nhất cho vấn đề thực tế. Nếu ta giả định rằng mô hình mang lại một sự biểu diễn “tốt” của vấn đề, thì giải pháp tối ưu hay gần tối ưu thu được trên mô hình là một xấp xỉ “tốt” cho giải pháp tối ưu của vấn đề thực tế. Trong mọi trường hợp, nó vẫn tốt hơn đáng kể so với chiến lược hay quy trình mà nó nhằm thay thế.
Vì các giá trị tối ưu của các biến thu được thông qua giải pháp chỉ cải thiện hiệu quả hoạt động của hệ thống ở mức độ mà mô hình mô tả chính xác hệ thống, nên cần phải kiểm chứng sự tương ứng giữa mô hình và thực tế, đồng thời đánh giá giải pháp một cách tỉnh táo. Nói cách khác, các kết quả dự đoán của việc triển khai giải pháp phải được so sánh với chiến lược hay quy trình mà nó nhằm thay thế.
Cuối cùng, vì mục đích của vận trù học không phải là tạo ra các báo cáo khoa học mà là cải thiện hiệu quả hoạt động của hệ thống, nên các kết quả nghiên cứu phải được triển khai (với điều kiện chúng được người ra quyết định chấp nhận). Chính ở giai đoạn này diễn ra sự kiểm tra và đánh giá cuối cùng đối với các kết quả nghiên cứu. Do đó, đây chính là giai đoạn mang lại cơ hội lớn nhất để các nhà nghiên cứu vận trù tích lũy kinh nghiệm.
Nếu quyết định mà nghiên cứu được thực hiện cho nó thuộc loại quyết định lặp lại, thì — do bản chất của các hệ thống được nghiên cứu trong vận trù học — rất có khả năng là giữa các lần ra quyết định liên tiếp, giá trị của một số biến không điều khiển được, thậm chí cả cấu trúc của bản thân hệ thống, sẽ thay đổi. Do đó, cần phải phát hiện những thay đổi đáng kể trong hệ thống và trong môi trường bên ngoài của nó, và điều chỉnh quyết định cho phù hợp. Nói cách khác, các kết quả có dạng những quy tắc cho các quyết định lặp lại, hay các quyết định được áp dụng trong những khoảng thời gian dài, phải được cập nhật, và việc áp dụng đúng đắn chúng phải được giám sát.