オペレーショナル リサーチ(意思決定サポートとも呼ばれます) は、より良い意思決定を行うために使用できる、組織現象を分析および統合するためのすべての合理的な方法およびテクニックとして定義できます。
オペレーションズ リサーチ (OR) は、複雑な状況を分析するための概念モデルを提供し、意思決定者が最も効果的な選択をできるようにします。 [ 1 ]
この分野はシステムエンジニアリングと密接に関連しています。
歴史的
特集：フランスにおけるオペレーショナル・リサーチの歴史
17世紀以来、ブレーズ パスカルのような数学者は、数学的期待に基づいて不確実な決定問題を解決しようとしました。 18世紀と19世紀には、組み合わせの問題を解決した人もいます。 20世紀初頭、在庫管理の研究は、1913 年にハリスによって提案された経済ロット公式 (ウィルソンの公式として知られています) による現代のオペレーショナル リサーチの起源と考えることができます。
しかし、この習慣が初めて組織され、その名前が付けられたのは第二次世界大戦になってからでした。 1940 年、パトリック・ブラケットは英国参謀本部から、監視レーダーの最適な導入などの特定の問題を解決するための最初の作戦研究チームを率いるよう召されました。 「作戦」という用語は、この分野における組織化された作業グループの最初の適用が軍事作戦に関連したという事実に由来しています。軍事分野がこの分野の主な適用分野ではなくなったとしても、この名前はその後も残りました。
戦後、特にコンピューターの計算能力が爆発的に向上したことにより、技術は大幅に発展しました。応用分野も倍増しました。
対処される問題の種類
オペレーション リサーチは、組み合わせの問題、ランダムな問題、または競合の問題に直面した場合に、意思決定者を支援します。
問題に多数の許容可能な解決策が含まれており、その中から最適な解決策または最適に近い解決策を探す場合、その問題は組み合わせ的であると言われます。典型的な例: 30 の可能な場所の中から 5 つの配送センターをどこに配置するかを決定し、これらのセンターと顧客間の輸送コストを最小限に抑えます。この問題は、人間の頭で考えられる解決策を単純に列挙するだけでは解決できません。30 x 29 x 28 x 27 x 26 / (5x4x3x2) = 142,506 (!) があるからです。そして、たとえこの規模の問題がコンピューターによる列挙によって解決できるとしても、意思決定者は定期的に、受け入れられる解決策の数が数兆にも達する、無限に複雑な問題に直面することになります (組み合わせ爆発を参照)。
不確実な条件で発生する問題に対する最適な解決策を見つけることから構成される問題は、ランダムであると言われます。典型的な例: 1分間に自治体の行政に入る人の数のランダム分布と、ある人の事件の処理時間のランダムな分布がわかれば、その人が感染する可能性が 5% 未満になるように開く窓口の最小数を決定します。 15分以上待たなければなりません。
自分自身の行動と他の意思決定者の行動との相互関係に条件が依存する問題に対する最適な解決策を見つけることから構成されている問題は、競争力があると言われます。典型的な例: 販売価格ポリシーを設定しますが、そのようなポリシーの結果は競合他社が採用するポリシーに依存することを承知しています。
実際の応用例
OR が解決に役立つ問題は、戦略的 (投資するかどうかの選択、場所の選択、車両フリートや不動産ポートフォリオのサイジングなど) または運用上 (特にスケジュール、在庫など) のいずれかです。経営、売上予測など）。
プロジェクト管理は、オペレーションズ リサーチ コミュニティの非常に重要な要素です。多くの作品では、スケジュール設定やプロジェクト管理だけでなく、物流(車両ツアー、梱包など)、計画、およびスケジュールの問題も扱っています。
製造業の文脈では、オペレーションリサーチにより、特に生産計画 (生産スケジュール) を見つけたり、工場内で機械を最適に配置したり、原材料の無駄 (切断の問題) やエネルギーの削減、さらには中間製品または完成品の梱包と配送を最適化します。
金融の分野では、投資の問題は古典的なオペレーションズ リサーチの問題です。これらは通常、投資家に提供されるさまざまな可能性を最適に組み合わせて、所定の金額から得られる利益（または期待利益）を最大化することで構成されます。
オペレーションズ・リサーチはエネルギー分野にも応用できます。これは石油産業で一般的に使用されており、主に生産計画の確立、原油の供給、精製ユニットの使用、最も収益性の高い流通チャネルの選択に使用されます。同様に、電力市場運営者は、戦略的問題 (ネットワーク投資など) とさらなる運用上の問題 (ネットワークの安定性、予測など) の両方についてオペレーショナル リサーチを広く使用しています。詳細については、「石油の供給、生産、流通計画」を参照してください。
コンピューティング分野における応用例も非常に多いです。とりわけ、セットアップするサーバーの場所と数の選択、ストレージ容量、コンピューティング能力とネットワークスループット、 IT アーキテクチャの選択 (集中型アプリケーション/分散型、リアルタイムまたは遅延処理、メッシュまたはスターネットワークなど)、およびオペレーティング システムでのスケジューリング。
ビジネス界での確立
意思決定者の問題解決を支援するためにオペレーションズリサーチャーを雇用している企業はほとんどありません。このような問題が発生した場合、通常は大手コンサルティング会社か大学のオペレーションズリサーチ部門に紹介されます（ただし、現在の傾向としては、スピンオフと呼ばれる小規模な民間企業を通じてこれらの学力をアウトソーシングする傾向にあります）。産業界のニーズ）。特定の単純な問題は企業内で解決できることに注意してください。ほとんどの大学では、オペレーションズ リサーチの入門コースが、エンジニア、数学者、コンピューター科学者、管理コントローラー、そしてまれに経済学者のプログラムに組み込まれています。
本質的に重要であるにもかかわらず、OR は、意思決定者への情報の欠如、またはツールの関連性の欠如または実装の難しさのいずれかの理由で、産業界ではまだほとんど使用されていません。社内での RO モデルの適用に関して意思決定者が表明する主な懸念は次のとおりです。
- 要因の限定的な考慮
- 多額の投資
- 頻度の少ないイベントの場合
- 企業は経験効果の恩恵を受けません。ある時から次の時まで、問題は別の部門に関するものであったり、2 つの調査の間でマネージャーが変わったりするためです。したがって、RO スキルを社内で維持することは困難です。
意思決定者は、自社にオペレーショナル リサーチ モデルを導入するかどうかを決定する際に、これらのさまざまな側面を考慮する必要があります。
他分野との関係
オペレーションズ リサーチは、さまざまな科学とテクノロジーの交差点にあります。たとえば、達成すべき目標を定義したり、問題の制約を特定したりするために、経済分析が必要になることがよくあります。
システムエンジニアリングにもつながります。これと比較すると、オペレーションズ リサーチの範囲は歴史的に、不確実な出来事や業界、特に数学的手法に重点が置かれています。
オペレーションズ リサーチでは、さまざまな数学理論の多くの手法が使用されます。この意味で、オペレーションズ リサーチの一部は応用数学の一分野と考えることができます。数学、特に統計は、問題の用語を効果的に定義するのにも役立ちます。
グラフ理論は、最短経路問題、巡回セールスマン問題、タスク スケジューリング問題、計画問題、さらにはフロー最適化問題など、古典的なアルゴリズムからのものを含む、大規模な問題サンプルの解決をサポートするために使用されます。
コンピューティングの進歩は、オペレーショナル リサーチの応用の増加と密接に関係しています。大きな問題を解決するには、かなりのコンピューティング能力が必要です。しかし、この力は万能薬には程遠い。複雑性理論は、コンピュータが「今日」のコンピュータよりも 10億倍強力であると考えたとしても、特定の問題を適切な時間内に最適に解決することはできないことを教えてくれます。
いくつかの問題解決方法は 人工知能から生まれています。人工知能のアプローチは一般的な解決方法を提案することですが、オペレーションズ リサーチでは、これらの方法を特殊化して、より小規模なクラスの問題を解決するのに効果的な方法を使用します。
また、経済学者によく知られている、競争問題の解決に役立つゲーム理論を引用することもできます。
主なメソッド（のクラス）
- 多項式アルゴリズム
- 一部のオペレーション リサーチの問題は NP 完全ではありません。この場合、多項式が適切な次数であれば、多項式アルゴリズムを使用してそれを解きます。
- 動的プログラミング
- 確率過程
- 確率過程は、すべてのランダムな問題、特に (システム、電子コンポーネントなどの)信頼性の問題と待機現象に関係します。
- コンピュータシミュレーション
- シミュレーションは、特に学術以外の環境で、OR 問題を解決するためによく使用されます。
- 線形計画法は、組み合わせ問題を解決するためによく使用されます。これにより、変数が連続である問題を非常に効率的に解くことが可能になります。離散変数がある場合、線形計画法とツリー法 (以下を参照) を組み合わせることができます。
- 非線形計画法も使用できます。制約または非線形目的関数を使用できるため、非常に大きなモデリング能力が得られますが、非線形プログラムの解決アルゴリズムは線形計画法に比べて効率が大幅に低くなります。
- ツリーメソッド
- オペレーション リサーチの問題に対する正確な解決策を見つけるには、A* または分岐限定法が一般的に使用されます。効率的な解を得るには、解の値の上限または下限を計算する際に特に注意が必要です。
- 制約プログラミングを使用すると、このようなツリー検索方法を迅速かつ効率的に実装できます。いくつかの商用または非商用の最適化ライブラリ (ソフトウェア) は、このアプローチに基づいています (ILOG Solver、Chip、Mozart/Oz、FaCiLe)。実際の問題に対する多くの最適化ソフトウェアは、このテクノロジーを使用しています。
- ヒューリスティックとメタヒューリスティック
- 適切な時間内に最適な解決策を取得できない場合、多くの場合、近似ヒューリスティックまたはメタヒューリスティックな手法に頼ることになります。
作品紹介
- ロベール・フォーレ、ベルナール・ルメール、クリストフ・ピクーロー。 オペレーショナル・リサーチの概要– 方法と応用演習 –第 5版。デュノッド。
- ドミニク・デ・ヴェラ、トーマス・M・リーブリング、ジャン＝フランソワ・エッシュ。 エンジニア向けのオペレーションリサーチ– フランス語を話すポリテクニックおよび大学出版局。 2003年。
- エリック・ジャケ＝ラグレーズ。 線形計画法 – コンピューターのモデリングと実装コレクション: PIQ Poche – 出版社: Economya
