Fundamentos de la investigación de operaciones. Ackoff R., Sasieni M., 1968
Se han propuesto numerosas definiciones de la investigación de operaciones, y también se han esgrimido muchos argumentos en defensa de la idea de que esta disciplina no puede definirse. Al analizar las definiciones propuestas, conviene tener presente que ninguna de las ciencias antiguas y consolidadas, ni la ciencia en su conjunto, ha podido definirse nunca de un modo que satisfaga a todos quienes la practican. No obstante, la definición que se ofrece a continuación puede servir como base útil para una comprensión general de la naturaleza de la investigación de operaciones, especialmente a la luz de la historia del desarrollo de la disciplina.
La investigación de operaciones es: 1) la aplicación del método científico, 2) por equipos científicos interdisciplinares, 3) a la resolución de problemas vinculados con la gestión de sistemas organizados (hombre-máquina) con el objetivo de obtener las soluciones que mejor respondan a los objetivos de toda la organización.
Las características distintivas de la investigación de operaciones recogidas en esta definición consisten en que: a) se caracteriza por un enfoque sistémico, b) recurre a equipos científicos interdisciplinares y c) aplica el método científico a los problemas de gestión. Examinemos cada una de estas características con mayor detalle.
Este enfoque se basa en que, en los sistemas organizativos, el comportamiento de cualquier parte influye en última instancia de algún modo en todas las demás. No todas estas influencias son significativas, y algunas ni siquiera pueden detectarse. Por ello, la esencia de este enfoque consiste en la búsqueda sistemática de las interacciones significativas al evaluar la actividad o la estrategia de cualquier parte de la organización.
Este enfoque de los problemas organizativos difiere radicalmente del que consiste en reducir el problema a un tamaño manejable. Los operacionistas casi siempre amplían la representación inicial del problema que se les ha propuesto, incorporando interacciones no contempladas en la formulación dada por la dirección. Para abordar estos problemas más amplios y, por consiguiente, más complejos, es necesario desarrollar nuevos métodos de investigación.
Estamos tan acostumbrados a clasificar los conocimientos científicos de acuerdo con la estructura departamental de las universidades que a veces creemos que dicha organización se corresponde con la estructura de la propia naturaleza. Nada más lejos de la realidad. No existen problemas físicos, biológicos, psicológicos, económicos, etc. Existen solo problemas. Las disciplinas científicas representan distintos métodos de investigación de esos problemas. Cualquier problema puede contemplarse desde la perspectiva de cualquier disciplina científica. Sin embargo, no siempre resulta oportuno hacerlo. En esencia, se trata de la misma idea ya expresada anteriormente, pero en otra forma: para una organización no existen problemas independientes de producción, comercialización o finanzas. Tal descomposición refleja únicamente distintos enfoques para el examen de unos mismos problemas organizativos.
Cada especialista puede lograr ciertas mejoras, pero ¿cuál de ellas o qué combinación de ellas es la mejor? En el caso de los problemas complejos, rara vez lo sabemos de antemano. Por ello, conviene considerar y evaluar la gama más amplia posible de enfoques del problema. Esta es la razón de la creación de equipos de investigación interdisciplinares.
Puesto que en la actualidad existen ya más de un centenar de disciplinas científicas puras y aplicadas, resulta evidente que no es posible incluir representantes de cada una de ellas en cada proyecto de investigación; sin embargo, es deseable que en el equipo estén representadas el mayor número posible de disciplinas y que el trabajo del equipo se someta al análisis crítico desde la perspectiva del mayor abanico de disciplinas no representadas en él.
Al exponer la esencia del método científico, en la mayoría de los casos se afirma que su rasgo distintivo es el experimento. Sin embargo, cuando se trata de organizaciones estatales, militares o industriales, el experimento en sentido estricto —es decir, la modificación física de los valores de las variables— suele ser imposible o inoportuno. Por ejemplo, una empresa industrial no puede arriesgar su existencia en aras de un experimento exitoso. Desde luego, el experimento es posible en ocasiones, especialmente a nivel de subsistemas, y desempeña un papel importante en la investigación de operaciones. No obstante, por regla general, el sistema en su conjunto, que constituye el objeto de estudio, no puede someterse a experimentación. Por ello, en la mayoría de los casos, al investigar el sistema globalmente es necesario aplicar un enfoque que no requiera la realización de un experimento (en sentido estricto, es decir, que exija modificaciones físicas del objeto estudiado).
Los modelos operacionales adoptan la forma de ecuaciones que, aunque pueden ser complejas desde el punto de vista matemático, presentan una estructura muy sencilla: la utilidad o el valor del criterio que caracteriza la calidad de funcionamiento del sistema depende funcionalmente de las variables controlables y de las variables (y constantes) no controlables que influyen en la función.
Además, a menudo se necesitan una o varias ecuaciones o inecuaciones para expresar el hecho de que algunas de las variables controlables solo pueden variar dentro de ciertos límites.
Una vez construido el modelo, puede utilizarse para hallar los valores óptimos exactos o aproximados de las variables controlables, es decir, aquellos valores que aseguran el mejor indicador de calidad de funcionamiento del sistema para los valores dados de las variables no controlables. En otras palabras, puede obtenerse la solución del problema sobre el modelo. El modo exacto en que se obtiene esta solución depende del carácter del modelo utilizado.
La solución puede obtenerse sobre el modelo de forma experimental (modificando los parámetros del modelo) o mediante el análisis matemático. En algunos casos, el análisis matemático puede realizarse sin conocer los valores concretos de las variables. En otros, los valores de las variables deben fijarse numéricamente.
Independientemente del método utilizado, siempre se busca una solución óptima o próxima a la óptima. Óptima es la solución que minimiza o maximiza (según la naturaleza del problema) el criterio de calidad sobre el modelo bajo las condiciones y restricciones dadas. Por ello, la optimización proporciona la mejor solución del problema tal como lo describe el modelo. Sin embargo, dado que el modelo nunca es una descripción exacta del problema, la solución óptima obtenida tampoco es nunca la única mejor solución del problema real. Si se parte de que el modelo ofrece una «buena» representación del problema, entonces la solución óptima o próxima a la óptima obtenida sobre el modelo constituye una «buena» aproximación a la solución óptima del problema real. En cualquier caso, resulta significativamente mejor que la estrategia o procedimiento que dicha solución debe reemplazar.
Puesto que los valores óptimos de las variables obtenidos como resultado de la resolución solo mejoran la calidad de funcionamiento del sistema cuando el modelo investigado es una buena descripción de dicha sistema, es necesario verificar la correspondencia del modelo con la realidad y evaluar con sobriedad la solución hallada. Es decir, los resultados previstos de la implementación de la solución deben compararse con la estrategia o procedimiento que debe sustituir.
Finalmente, dado que el objetivo de la investigación de operaciones no es la elaboración de informes científicos, sino la mejora de la calidad de funcionamiento de los sistemas, los resultados de la investigación deben implementarse (si resultan aceptables para la persona con autoridad para tomar decisiones). Es precisamente en esta fase donde se realiza la prueba y evaluación definitivas de los resultados de la investigación. Por ello, es en esta fase cuando se presenta a los operacionistas la mejor oportunidad para adquirir experiencia.
Si la decisión para cuya búsqueda se realiza la investigación pertenece a la categoría de las decisiones recurrentes, entonces, teniendo en cuenta la naturaleza de los sistemas estudiados en la investigación de operaciones, es muy probable que en el intervalo entre las tomas de decisión cambien los valores de algunas variables no controlables e incluso la estructura del propio sistema. Por ello, es necesario detectar los cambios significativos en el sistema y en el entorno que lo afecta, y modificar la solución en consecuencia. En otras palabras, los resultados que constituyen reglas para la toma de decisiones recurrentes, o bien las soluciones aplicadas durante períodos prolongados, deben ajustarse y debe controlarse la corrección de su aplicación.