پژوهش در عملیات: روش پژوهش

این مقاله به روش پژوهش در حوزه پژوهش در عملیات اختصاص دارد. در این مقاله كلیات روش پژوهش مدنظر قرار می‌گیرد و از جزئیات فنون سخنی به میان نمی‌آید و خواننده می‌تواند برای مطالعه بیشتر در زمینه فنون پژوهش در عملیات، به موضوعات مربوط مراجعه كند. آنچه كه در این مقاله مورد تأكید است انواع پژوهش و خصوصیات آنان در حوزه پژوهش در عملیات است و روشهای جمع‌آوری داده‌ها، آزمونهای آماری و مهارتهایی كه هر پژوهشگر باید كسب نماید شرح داده نمی‌شوند و به جای آن ابزار اصلی پژوهش در عملیات، مدلها، مورد بررسی قرار می‌گیرند.
۲- انواع پژوهش در پژوهش در عملیات
در یك دسته‌بندی عمومی، اگر پژوهش برای حل مسائل مشخص و موجود انجام شود نوع پژوهش از جهت خروجی، كاربردی خواهد بود و اگر توسعه تئوریها و روشهای عمومی برای تولید دانش هدف باشد نوع پژوهش، محض خواهد بود.
با هدف تدوین روش پژوهش برای پژوهش در عملیات، در اینجا دسته‌بندی عملی‌تری از انواع پژوهش در پژوهش در عملیات ارائه می‌كنیم. در این دسته‌بندی سه نوع پژوهش قابل تشخیص است؛
▪ حل مسائل واقعی
▪ توسعه مدل یا روش حل برای مسائل كلاسیك
▪ توسعه تئوریها یا فنون عمومی.
در حل مسائل واقعی، متخصص پژوهش در عملیات با مسئله‌ای مربوط به یك عملیات در حال اجرا روبروست. صرفنظر از اینكه مشكل چه باشد و چگونه توسط سفارش‌دهنده مطرح شده باشد ممكن است از دیدگاه پژوهش در عملیات ناشناخته بوده، و به درستی تعریف نشده باشد یا چیزی به غیر از آنچه باشد كه مدنظر سفارش‌دهنده است. بنابراین تعریف مسئله در این نوع پژوهش از اهمیت بالایی برخوردار است. واقعی بودن مسئله ضرورت دقت در تعیین مفروضات، جمع‌آوری داده‌ها، تعیین پارامترها و روابط و تدوین اهداف عملیات و شاخص‌های اثربخشی را دوچندان می‌نماید. عوامل اشاره شده نقش تعیین‌كننده‌ای در تعریف مسئله و دستیابی به راه‌حل دارند. راه‌حل پیشنهادی در حل مسائل واقعی زمانی ارزشمند است كه بتواند در عمل پیاده شود. یعنی تطبیق و تعدیل راه‌حل پژوهش به شكلی كه به راه‌حل عملیاتی و واقعی منجر شود بسیار مهم است.
مسائل كلاسیك، مسائلی هستند كه به دلیل تشابه در بسیاری از عملیات مختلف، پژوهشهای متعدد برای ارائه راه‌حل و دارا شدن سابقه علمی در كتابها و مقاله‌های مربوط به پژوهش در عملیات، به شكل كلاسیك در آمده‌اند. مسئله فروشنده دوره‌گرد۱، مسئله مسیریابی وسایل ترابری۲، مسائل برش و چیدمان۳، تعادل خط مونتاژ۴، مسئله زمانبندی خدمه پرواز۵، مسئله تخصیص مضاعف۶ و زمانبندی كارگاهی۷ از مسائل كلاسیك به شمار می‌آیند. این مسائل كاملاً شناخته شده هستند. اهداف، شاخص‌های اثربخشی، محدودیتها و قیود، پارامترها و مفروضات هر یك از مسائل كلاسیك مشخص و روشن هستند. خصوصیات راه‌حل، مشخص و به صورت مستقیم قابل كاربرد در موارد واقعی هستند. نیازی به جمع‌آوری داده‌های واقعی نیست و داده‌ های فرضی كه به شرایط واقعی این نوع مسائل شبیه باشد كفایت می‌كند. در حل این نوع مسائل، پژوهشگر با توسعه مدلی از مسئله، روش حل مسئله یا هر دو روبروست.
در توسعه تئوریها یا فنون عمومی، حل مسئله واقعی یا كلاسیك مدنظر نیست بلكه پژوهشگر قصد دارد تئوریهای جدیدی را در قالب قضایا و روابط برای مفاهیم، اصول و فنون موجود بیان دارد یا فن جدیدی را برای استفاده در حل مدلها ابداع نماید. در اینجا هدف، كاربرد نتایج پژوهش در حل مسائل نیست (اگر چه ممكن است از آنها استفاده شود) بلكه تولید دانش در حوزه پژوهش در عملیات است. در این نوع پژوهش، پژوهشگر با تعریف مسئله، جمع‌آوری داده‌ها، مدلسازی و كاربرد نتایج حل مدل روبرو نیست و بنابراین روش پژوهش، متفاوت و كمتر قابل مستندسازی خواهد بود.
همانطور كه مشاهده می‌شود روش پژوهش در هر دسته متفاوت از دیگر دسته‌ها خواهد بود. دسته اول و دوم براساس تعاریف، پژوهش كاربردی هستند اما ممكن است پژوهشهای دسته اول منجر به انجام پژوهش‌های دسته دوم و سوم و پژوهش دسته دوم منجر به پژوهش دسته سوم گردد. پژوهش در دسته سوم، پژوهش از نوع محض است. در ادامه روش پژوهش در این دسته‌ها شرح داده می‌شوند.
۳-۱- استخراج مسئله
مسئله عبارتست از فاصله بین آنچه كه می‌خواهیم وجود داشته باشد و آنچه كه در عمل وجود دارد. در استخراج مسئله سه مرحله (۱) شناسایی مسئله،(۲) تعریف مسئله و (۳) تنظیم صورت مسئله باید طی شود.
با توجه به تعریف واژه مسئله، برای شناسایی مسئله باید دو موضوع تعریف شوند؛ خواسته‌ها و واقعیت‌ها. آْرمانها و اهداف عملیات یا سیستم دربردارنده آن عملیات، خواسته‌هایی هستند كه درك مشتركی از چگونگی شرایط مطلوب برای سفارش دهنده و تحلیلگر مسئله ارائه می‌كنند. واقعیت‌ها شرایط فعلی را بیان می‌دارند. خلأ بین خواسته‌ها و واقعیت‌ها مسئله را تشكیل می‌دهد. به عنوان مثال یكی از آرمانهای یك كارخانه تولیدی دستیابی به ۱۰۰۰۰ واحد پول سود در سال است اما در شرایط فعلی سود در سطح ۷۰۰۰ واحد پول در سال می‌باشد. اختلاف بین شرایط فعلی و آرمانی از جنبه سود كارخانه موجب پدید آمدن مسئله شده است.
وقتی مسئله شناسایی شد می‌توان آن را تعریف نمود. شناسایی و تعریف مسئله یكی نیستند. تا زمانی كه علل بروز مسئله روشن نباشد نمی‌توان آن مسئله را حل كرد. كار تعریف مسئله همانند كار فرضیه‌سازی یك دانشمند یا تشخیص بیماری توسط یك پزشك است. دانشمند با مشاهده یك پدیده فرضیه‌ای را فرموله كرده و سپس آزمایشهایی را برای تست فرضیه خود طراحی می‌كند. پزشك علایم بیماری را مشاهده نموده، علل ممكن بیماری را مشخص كرده و سپس آزمایشهایی را برای تست هر یك از علل انجام می‌دهد. در تعریف مسئله نیز تحلیل‌گر سیستم ابتدا مسئله را شناسایی نموده، علل ممكن را فهرست نموده و سپس هر یك از علل را از طریق مصاحبه با كاربران و مطالعه سیستم موجود بررسی می‌كند. بنابراین با شناسایی علل بروز مسئله، مسئله تعریف می‌شود.
در نمودار علت و معلول، خطوط افقی نشانه۸ (یا معلول) و خطوط كج علت۹ هستند. مسئله نشانه اصلی یا اولیه۱۰ و بقیه خطوط افقی نشانه ثانویه۱۱ هستند. همانطور كه مشاهده می‌شود در تعریف مسئله، ابتدا مسئله اولیه شناسایی می‌شود. سپس علل ممكن (كه در مستطیل‌ها آمده‌اند) در نظر گرفته می‌شوند. برای هر یك از علل نیز نشانه‌های ثانویه بیان شده‌اند و برای هر یك از آنها علت ثانویه‌ای ذكر شده است. بنابراین در یك مسئله علل مختلفی می‌توانند وجود داشته باشند كه همه آنها از طریق پژوهش در عملیات نمی‌توانند پاسخ داده شوند. به عنوان مثال نبود انگیزه در كارگران و فرسوده بودن ماشین‌آلات از جمله عللی هستند كه تخصص‌ها یا مهارتهای دیگری را می‌خواهد یا بستگی به خواست و تصمیم مدیریت دارد.
بررسی علت و معلولی انجام شده در تعریف مسئله ناشی از رویكرد سیستمی پژوهش در عملیات است كه با ذهن باز۱۲ مسئله را مورد تحلیل قرار می‌دهد. با این رویكرد، علل ممكن برای مسئله بررسی شده و سپس نتیجه گرفته می‌شود كه آیا پژوهش در عملیات می‌تواند به برخی از آنها پاسخ دهد یا خیر. ممكن است بعد از انجام این مرحله، این نتیجه حاصل شود كه مباحث دیگری غیر از پژوهش در عملیات باید به مسئله پاسخ دهند.
تا اینجا علل و نشانه‌ها براساس مشاهده، تجربه و حدس در قالب نمودار علت و معلول فهرست شده‌اند اما اینكه كدام یك از علل و نشانه‌ها وجود دارند؟ میزان و نوع تأثیر هر یك چیست؟ برای هر یك به چه تخصص، مهارت و اقداماتی نیاز است؟ و كدام یك دارای اولویت بیشتر برای بررسی هستند نیازمند پژوهش بیشتر است.
این پژوهش باید شامل جمع‌آوری داده‌های كمی و كیفی در خصوص نشانه‌ها، بررسی میزان تأثیر در علت و نشانه سطح بالاتر از طریق تحلیل كمی و كیفی یا تعریف و آزمون فرضیه‌ها و اولویت‌بندی اهمیت و ضرورت حل هر یك از علل باشد.
نتیجه این پژوهش باید فهرستی از علل باشد كه به صورت هدف بیان شده‌اند به همراه اولویت اهمیت و تأثیر، تخصص و مهارتهای مورد نیاز و اقداماتی كه باید صورت پذیرد. بعنوان مثال اگر در نتیجه این پژوهش مشخص شود كه بالابودن درصد ضایعات و دورریز بخش مهمی از هزینه‌ها را به خود اختصاص داده و در اولویت اول بررسی قرار گیرد نیاز به تخصص‌هایی مانند مهندس ماشین‌آلات، روانشناس، مهندس فرایند ساخت و تولید، مهندس طراح قالب و متخصص پژوهش در عملیات خواهیم داشت تا بتوانیم زوایای مختلف این علت را (كه در بخش تعریف مسئله در قالب نشانه‌ها بیان شده‌اند) بررسی كرده و علل ثانویه مربوط به آن نشانه‌های ثانویه را برطرف نماییم. اقداماتی كه در این زمینه باید صورت گیرد ممكن است شامل تعویض یا تعمیر بخشی از ماشین‌آلات، كنترل كیفیت مناسب، افزایش انگیزش در كارگران، طراحی مجدد قالبها و بهبود فرایند ساخت و تولید باشد. تعیین اقدامات پس از بررسی و تحلیل نشانه‌ها از طریق داده‌های جمع‌آوری شده و براساس میزان تأثیر هر یك صورت می‌پذیرد. علت اصلی همانطور كه اشاره گردید، بالابودن درصد ضایعات و دورریز بود كه در اینجا به شكل هدف و با عنوان كاهش درصد ضایعات و دورریز مطرح می‌گردد زیرا علل عموماً دارای شكل منفی بوده و ماهیت فاعلی ندارند و به همین دلیل در قالب اهداف روشن بیان می‌شوند. دستیابی به این اهداف برابر با برطرف شدن علل می‌باشد.
همانطور كه ملاحظه می‌شود مسئله و علت متفاوت از یكدیگرند. آنچه كه ما درصدد حل آن هستیم مسئله است ولی آنچه كه به عنوان هدف در مطالعه پژوهش در عملیات مدنظر ما قرار می‌گیرد علل هستند كه در قالب اهداف بیان می‌شوند. در مرحله تعریف مسئله ممكن است بعضی از نشانه‌ها و علل كه حدس زده بودیم، تأثیزی در شكل‌گیری مسئله نداشته باشند و بنابراین حذف می‌شوند. در استخراج مسئله ممكن است با نشانه‌ها و علل متعددی روبرو شویم كه هر یك دارای اهمیت و اولویتی هستند. مطالعه همزمان همه نشانه‌ها و علل از طریق پژوهش در عملیات ممكن است از جهت محدودیت زمانی و منابع انسانی و مالی یا از جهت فنی عملی نباشد. بنابراین باید از بین علل موجود انتخاب كرده و مطالعه پژوهش در عملیات را در خصوص موارد انتخاب شده ادامه داد. هر علت یا دسته‌ای از علل ممكن است به مطالعه متفاوت و جداگانه از طریق پژوهش در عملیات نیاز داشته باشند. در اینجا در مرحله تنظیم مسئله، یك علت یا یك دسته از علل در نظر گرفته شده و صورت مسئله تنظیم می‌شود.
در تنظیم مسئله، ارزشها۱۳، معیارها۱۴، اهداف۱۵، حدود۱۶ و محدودیتهای۱۷ مسئله باید روشن شده باشند. ارزشها عباراتی هستند كه خواست و تمایل فرد را در ارج نهادن به مفاهیم، اصول و باورها نشان می‌دهند. ارزشها می‌توانند جنبه اخلاقی، مذهبی، اجتماعی، فردی و فنی داشته باشند. به عنوان مثال عبارت «حفظ سادگی در فرایندهای ساخت و تولید» ارزشی است كه مدیر یك كارخانه برای فرایندهای ساخت و تولید قایل شده است. آگاهی از چنین ارزشی به متخصص پژوهش در عملیات كمك می‌كند به دنبال راههایی باشد كه از نظر تصمیم‌گیرنده مورد قبول واقع شود. معیارها شاخص‌هایی برای اندازه‌گیری اهداف و محدودیتهای مسئله هستند. بعنوان مثال دورریز مواد اولیه می‌تواند براساس وزن، مساحت، درصد از كل ماده اولیه و غیره اندازه‌گیری شود. انتخاب معیار مناسب نقش مهمی در نوع جواب خواهد داشت. ممكن است استفاده از معیارهای متفاوت موجب پدیدآمدن جوابهای متفاوتی گردد. اهداف همان اهدافی هستند كه در مرحله تعریف مسئله شكل گرفتند و در واقع بیان فاعلی علل بروز مسئله می‌باشند.
حدود مسئله وسعت مطالعه پژوهش در عملیات را مشخص می‌كنند. وسعت مطالعه می‌تواند از جنبه‌های وظیفه‌ای، سازمانی، جغرافیایی و... مشخص شود. حدود مشخص می‌كنند كه چه حوزه و چه وسعتی مورد مطالعه قرار می‌گیرد. بعنوان مثال در بررسی مطالعه علت با عنوان «بالابودن درصد ضایعات و دورریز» چه بخشی از دورریزها و ضایعات در نظر گرفته می‌شود؟ آیا تنها دورریز ناشی از عملیات روی ماده اولیه مدنظر است؟ آیا ضایعات قطعات ضمن تولید نیز منظور می‌شوند؟ با مشخص نمودن نوع دورریز و ضایعات حدود بررسی نیز برای تصمیم‌گیرنده و متخصص پژوهش در عملیات روشن می‌شوند.
منابع مورد نیاز برای هر عملیات و یا سیستم عموماً در طول زمان محدود می‌باشند. بودجه، نیروی انسانی، فناوری، اطلاعات و زمان از جمله منابع مورد نیاز هستند. یكی از عناصر مهم در مطالعه پژوهش در عملیات محدودیتها هستند. عموماً مسائل به دلیل وجود محدودیتها شكل می‌گیرند و بنابراین آگاهی از وجود و نوع آنها ضروری است. مشخص نمودن محدودیتها ممكن است نیازمند جمع‌آوری اطلاعات و تحلیل آنها باشد. با تعریف موارد اشاره شده در فوق صورت مسئله تنظیم شده است. صورت مسئله اطلاعات لازم برای مدلسازی را فراهم می‌آورد.۳-۲- مدلسازی
۳-۲-۱- تعریف مدل
مدل بیانی ساده از یك پدیده واقعی است (فیلیپس، راوین داران و سولبرگ، ۱۹۸۷، ۴). به عبارت دیگر مدل، تجریدی از یك سیستم فیزیكی یا خاصیتی از آن سیستم یا یك مفهوم است (میلر و شمید ۱۹۸۴، ۱۵).
۳-۲-۲- هدف استفاده از مدل
هدف هر روش علمی مطالعه پدیده‌های واقعی است. در راستای این هدف ابزاری مورد استفاده قرار می‌گیرد تا مطالعه را عملی‌تر، آسانتر، ارزانتر و سریعتر نمایند. در علوم طبیعی مطالعه پدیده‌ها به روش جز‌‌ء به كل و از طریق ساخت فرضیه‌ها و اثبات و بیان آنها در شكل نظریه انجام می‌شود. در این علوم رویكرد سیستم‌ها بكار نمی‌رود. برخلاف رویكرد سیستمی تنها به رفتاری از یك سیستم پرداخته شده و صرفنظر از عوامل دیگر نظریه‌ای برای آن رفتار كشف می‌شود. نظریه‌ها مستقل از یكدیگر اثبات می‌شوند.
اما در پژوهش با رویكرد سیستم‌ها كه پژوهش در عملیات یكی از آنها می‌باشد به سیستم یا عملیاتی از آن به عنوان یك كل نگاه می‌شود. این كلیت شامل اجزاء، مفاهیم، پردازش، ورودیها، خروجیها، بازخورها و روابط بین آنهاست (ساعتی ۱۹۸۸، ۳۲). بیان كلیت یك سیستم یا عملیات در قالب یك فرضیه عملی نیست و مدل ابزاری است كه برای این هدف مورد استفاده قرار می‌گیرد. در روش علمی استفاده از مدل، مطالعه پدیده‌ها به روش كل به جزء انجام می‌شود. پیچیدگی پدیده‌ها و واقعیتها به حدی است كه درك، تجسم و خلق نمونه آن همواره امكان‌پذیر نخواهد بود و مدل نمایشی از واقعیت است كه خود واقعیت نمی‌گردد اما تا حد قابل قبولی اجزاء سیستم و روابط بین آنها را می‌توان از طریق مدل بیان نمود.
۳-۲-۳- دلایل استفاده از مدل
استفاده از مدل راحتتر است.
در بعضی شرایط، سیستم واقعی موجود نیست.
استفاده از مدل ارزانتر است.
۳-۲-۴- هدف از مطالعه سیستم‌ها و عملیات از طریق مدل
بطور خلاصه می‌توان گفت كه هدف از مطالعه سیستم‌ها و عملیات از طریق مدل، توصیف، تحلیل و پیشگویی رفتار سیستم‌ها و عملیات و روابط بین اجزای آنهاست.
۳-۲-۵- انواع مدلها (موردیك و مانسون ۱۹۸۶، ۵۴-۵۶)
مدلها را نمی‌توان فقط از یك جهت دسته‌بندی كرد و این دسته‌بندی باید از چند جنیه انجام شود. در اینجا مدلها بر مبنای پنج جنبه دسته‌بندی می‌‌‌شوند. این پنج جنبه عبارتند از: عملكرد۱۸، ساختار۱۹، نسبت زمانی۲۰، نسبت نااطمینانی۲۱ و عمومیت۲۲.
۳-۲-۶- اصول مدلسازی (فیلیپس، راوین داران و سولبرگ ۱۹۸۷، ۴)
وقتی یك مدل ساده به مسئله پاسخ می‌دهد یك مدل پیچیده نسازید.
این اصل اغلب فراموش می‌شود. دلیل آن قابل درك است؛ افراد دوست دارند كه توانایی‌های خود را به معرض نمایش گذارند. حتی با وجود بهترین انگیزه در حل مؤثر مسئله ممكن است فرد خود را درگیر یك مسئله مشكل نموده و به موجب آن زمان و هزینه زیادی را صرف مدلسازیی كند كه ارزش خود مسئله كمتر از زمان و هزینه صرف شده باشد.
برای مثال ممكن است فردی تمام متغیرهایی را كه دارای اهمیت احتمالی برای یك سیستم خاص باشند را فهرست نموده و سپس تحلیل رگرسیون پیچیده‌ای را برای استخراج یك معادله بكار برد یا یك تحلیل‌گر سیستم ممكن است شبیه‌سازی‌های زیادی را با در نظر گرفتن هر پارامتر قابل درك اجرا نماید. در مدلسازی، بزرگتر و پیچیده‌تر ضرورتاً به معنی بهتر نیست.
همچنین این اصل به نظر متناقض با قاعده كلی و مشهور در خصوص تحلیل ریاضی است. این قاعده می‌گوید كه ابتدا یك مسئله را باید با در نظر گرفتن مفروضات لازم ساده نمود بطوری كه ریاضی آن قابل بررسی شود، سپس واقع‌نگری مدل را از طریق حذف مفروضات به روش ماهرانه قوت بخشید بطوری كه ریاضیات آن دیگر قابل بررسی نباشد. چنین رویه‌ای همواره قدرتمندترین و عمومی‌ترین مدل را تولید می‌نماید اما قدرت و عمومیت مدل نقشی كمی در مفید بودن آن در حل یك مسئله خاص دارد. در بعضی موارد، قویترین مدل ساخته شده می‌تواند فاقد چیزی باشد كه آن را به یك مدل مفید تبدیل نماید. در دیگر موارد، ممكن است بیش از آنچه كه می‌ارزد وارد جزئیات شده باشد. ساخت مدلهای قوی و عمومی عموماً اصل راهنما برای ریاضیدانانی است كه می‌خواهند نظریه‌ای را تعمیم دهند یا تكنیكهایی توسعه دهند كه وسعت كاربرد بیشتری داشته باشند. اما در ساخت مدلهای مورد نیاز برای مقاصد مشخص، بهترین اندرز اینست كه مدل ساده بسازید.
از قالب‌ریزی مسئله بگونه‌ای كه توسط یك فن خاص حل شود آگاه باشید.
متخصصین پژوهش در عملیات اغلب از این جهت كه واقعیت را بگونه‌ای تحریف می‌كنند كه برای استفاده توسط فنی كه آنها ترجیح می‌دهند مناسب شود مورد انتقاد قرار می‌گیرند كه البته در بعضی موارد این انتقادها بجاست. برای مثال، متخصصین روشهای برنامه‌ریزی خطی ممكن است تمایل به این داشته باشند كه به هر مسئله از طریق برنامه‌ریزی خطی پاسخ دهند. در واقعیت، همه مسائل بهینه‌سازی فقط شامل توابع خطی نیستند. گذشته از این،‌ همه مسائل پژوهش در عملیات شامل بهینه‌سازی نیستند. در حقیقت، تمام مسائل واقعی نیازمند پژوهش در عملیات نیستند؛ البته، هر كس واقعیت را از نگاه و تخصص خود می‌بیند و بنابراین حوزه پژوهش در عملیات از این جهت منحصر بفرد نیست. ما تمایل داریم كه به روشهایی متكی باشیم كه با آنها راحتتر بوده و در گذشته از آنها به شكل موفقیت‌آمیزی استفاده كرده‌ایم. اما ما باید با شكل‌دهی مسئله در قالب فن‌های از پیش گزیده شده مقابله كنیم و مدلها و فنونی كه برای مسئله مناسبترین هستند را انتخاب نماییم. آزادی ما برای عمل به این شكل، محدود به دانش ما از فنون است. مطمئناً ما نمی‌توانیم فنونی را بكار بریم كه در آنها هیچ توانایی نداریم و نمی‌توانیم امیدوار باشیم كه در همه فنون توانا باشیم.
پژوهشگران پژوهش در عملیات به سه دسته تقسیم می‌شوند: توسعه دهندگان فنون، مدرسین و حل‌كنندگان مسئله. با توجه به اینكه یك فرد ممكن است در زمانهای متفاوت یا همزمان دارای نقشهای متفاوتی باشد به این نتیجه می‌رسیم كه حل‌كنندگان مسئله مسئولیت مستمری در توسعه‌ دانش خود از فنون موجود دارند بطوری كه از اشتباهات ناشی از آگاهی محدود جلوگیری نمایند. توسعه‌دهندگان فنون و مدرسین باید براساس اصول متفاوتی عمل نمایند زیرا اهداف آنها متفاوت است. به طور مشخص، فرد بعنوان توسعه‌دهنده فن یا مدرس باید خود را برای رفتار من- یك- روش- درمان- پیدا- كرده‌ام- و- سعی- در- یافتن- یك- بیماری- برای- درمان- از- طریق- آن- روش- دارم آماده نماید. این رفتار در چنین شرایطی قابل قبول است زیرا هدف تولید یك مدل معتبر از یك سیستم واقعی نیست بلكه هدف نمایش مدل یا بررسی اعتبار آن است. اگرچه این رویه برعكس آن چیزی است كه در روش علمی بكار می‌رود، اغلب قدم ضروری در پیاده‌سازی نظریه در عمل است.
مرحله حل مدل (مرحله بعدی) باید به دفعات انجام شود.
دلیل حل مدل به دفعات اینست كه فرد می‌خواهد مطمئن شود كه اگر نتایج حل مدل با واقعیت ناسازگار است، آنگاه اشتباه در مفروضات است. به عبارت دیگر، اگر حل مدل به دفعات انجام نشود، مدل قادر به تمایز بین خطاهای خارجی در فرمولبندی و خطاهای داخلی در منطق آن نخواهد بود. یكی از كاربردهای این اصل اینست كه فرد باید در برنامه‌نویسی كامپیوتری بی‌نهایت دقت نماید. اشتباهات مخفی زمانی خطرناك خواهند بود كه مانع اجرای برنامه نمی‌شوند بلكه فقط نتایجی تولید می‌كنند كه با هدف مدل سازگار نیستند.
مدلها پیش از پیاده‌سازی باید معتبر شوند.
هر مدلی باید براساس استانداردهای قابل قبول سنجیده شود. چند فن برای اعتبارسنجی مدل وجود دارد كه باید متناسب با ماهیت مدل بكار گرفته شوند. یك روش برای اعتبارسنجی مدلهای پیشگویی‌كننده آزمون گذشته‌نگر۳۷ است كه در آن، مدل با برخی از استانداردهای تاریخی مقایسه می‌شود تا مشخص شود كه آیا آنچه در عمل اتفاق افتاده است توسط مدل پیشگویی می‌شود یا خیر. برای مثال، اگر یك مدل برای پیش‌بینی فروش ماهانه یك محصول ساخته شود، می‌تواند با استفاده از داده‌های گذشته فروش مورد آزمون قرار گیرد تا نتیجه حاصل از مدل با فروش واقعی مقایسه گردد. همین روش به شكلی مشابه، در مواردی كه هدف از مدل بیان طبقه‌ای از اشیاء واقعی است مفید خواهد بود. در این روش از طبقه‌ای از اشیاء استفاده می‌شود كه در فرمولبندی مورد استفاده قرار نگرفته‌اند. برای مثال، اگر یك مدل رگرسیون به یك سری از داده‌ها برازانده شود، تعدادی از داده‌ها برای آزمون بعدی منظور می‌شوند. روش دیگر كه در اعتبارسنجی انواع خاصی از مدلهای توصیفی مفید می‌باشد این است كه بطور سیستماتیك پارامترهای سیستم واقعی تغییر داده شود و سپس بررسی شود كه آیا مدل می‌تواند بصورت موفقیت‌آمیز تغییرات را دنیال نماید. همچنین در روش دیگر ممكن است مدل توسط آزمون‌های ساختگی كه برای تحمیل نقاط ضعف طراحی شده‌اند بررسی شود. اگر مدل در شرایط بد بخوبی عمل كند، آنگاه می‌توان نتیجه گرفت كه مدل در شرایط معمولی نیز خوب عمل خواهد كرد.
اگر مدل پیش از پیاده‌سازی نتواند اعتبارسنجی شود، می‌توان پیاده‌سازی را به چند مرحله تقسیم نمود تا مدل را اعتبارسنجی نمود. برای مثال، یك مدل جدید برای كنترل موجودی ممكن است برای گروه منتخبی از اقلام پیاده شود در حالیكه بقیه اقلام با همان مدل قدیمی كار می‌كنند. هر وقت كه مدل خود را اثبات نمود، اقلام بیشتری در حوزه مدل جدید قرار می‌گیرند.
در نظر داشته باشید كه ممكن است نیاز باشد اعتبارسنجی بدفعات انجام شود. ممكن است فردی به این نتیجه برسد كه افزایش اعتبار مدل به اندازه خیلی كم، نیازمند تلاش زیادی برای اعتبارسنجی باشد. بسته به اهمیت مدل، ممكن است سطح اطمینان كمتر ترجیح داده شود. در بعضی موارد شاید آگاهی از اینكه مدلی مشابه مدل ما ساخته شده و بخوبی عمل كرده است، بعنوان اعتبارسنجی كافی باشد.
توجه به این مطلب ضروری است كه اشیاء واقعی به مرور زمان تغییر می‌كند. یك مدل كاملاً رضایت‌بخش ممكن است به مرور زمان ارزش خود را از دست بدهد. بسته به اینكه چه عواملی عملكرد و اعتبار مدل را تحت تأثیر قرار می‌دهند، یك مدل بكار گرفته شده ممكن است نیاز به مراقبت دائم یا ارزیابی مجدد دوره‌ای داشته باشد.
یك مدل هرگز نباید خیلی مطابق سیستم واقعی باشد.
این اصل در مواردی كه مدل خیلی پیچیده می‌گردد باید مورد توجه قرار گیرد. برای مثال، فرض كنید كه فردی می‌خواهد یك مدل كامپیوتری دقیق از اقتصاد آمریكا بسازد كه باید در آن از تعدادی محقق توانا استفاده شود تا زمان و هزینه زیادی صرف تبیین ارتباطات و كنش‌های متقابل نمایند. در چنین شرایطی می‌توان به این باور رسید كه مدل همان سیستم واقعی خواهد شد. آنهایی كه این مدل را توسعه می‌دهند باور می‌كنند همان سیستم واقعی را توسعه داده‌اند زیرا توجه آنها به سمت مدل بوده است بطوری كه مدل برای آنها همان سیستم واقعی می‌گردد. به عبارت دیگر، آنها ممكن است نتوانند سیستم واقعی را مگر در قالب مدل ببینند. آنهایی نیز كه درگیر ساخت مدل نبوده‌اند با وجود ابهت فناوری و تلاش انجام شده فرض می‌كنند كه بخاطر پیچیدگی مدل، یك مدل صحیح است. در نتیجه، مدل ممكن است پذیرفته شود در حالیكه باید فایده عملی آن مورد ارزیابی قرار می‌گرفت.
هرچه مدل بزرگتر و پیچیده‌تر می‌شود این خطر افزایش می‌یابد. حل مدل پیچیده‌تر شده و به زمان بیشتری نیاز خواهد داشت. صرفنظر از اینكه احتمال خطاهای منطقی ضرورتاً افزایش می‌یابد، فاصله بین مفروضات و نتایج مدل، احتمال اینكه در مرحله تفسیر نتایج محدودیتهای مدل فراموش شوند را افزایش می‌دهد.
از یك مدل نباید در كاری كه برای آن طراحی نشده است استفاده نمود و همچنین نباید از این بابت مورد انتقاد قرار گیرد.
اكنون كه كتاب و مقالات زیادی در خصوص پژوهش در عملیات وجود دارد، طبیعی و قابل قبول است كه مدلهای موجود را برای مسائل خود تطبیق دهیم بجای اینكه به هر مسئله به عنوان شرایط كاملاً جدید بنگریم. این رویكرد بهیچوجه نادرست نیست و بدین معنی است كه ما زمینه اصلی مدل را به خوبی درك كرده‌ایم. یك مدل نه تنها توسط سیستمی كه مدل آن را نمایش می‌دهد و ابزاری كه در آن بكار گرفته شده است، شكل می‌گیرد بلكه انگیزه‌های مدلساز نیز در شكل‌گیری آن نقش بسزایی دارد. اما چنین استفاده‌ای از مدلهای موجود می‌تواند خطاهایی را نیز بدنبال داشته باشد.مثالی از چنین خطاها، استفاده از مدلهای پیش‌بینی برای پیشگویی مقطعی از آینده است كه داده‌های استفاده شده برای ساخت مدل پیش‌بینی هیچ ارتباطی با آن مقطع از آینده ندارد. یك مدل ممكن است برای پیش‌بینی‌های كوتاه مدت مناسب باشد اما این اعتبار محدود هیچ تضمینی برای تولید پیش‌بینی‌های درازمدت مورد اطمینان ارائه نمی‌دهد. مثال دیگر استفاده از روشهای خاص شبكه در توصیف فعالیتهای یك پروژه پیچیده است. این شبكه‌ها ممكن است مدلهای توصیفی و كنترلی خوبی برای پروژه‌هایی كه مبنای تجربی كافی مانند پروژه‌های ساختمانی دارند ارائه دهند اما در توصیف پروژه‌هایی مانند پروژه‌های پژوهشی كه در آن فعالیتهای آینده بستگی به عواملی دارد كه در زمان حال قابل تصور نیستند، این مدلها نمایش ضعیفی از واقعیت ارائه می‌دهند. همانطور كه نباید یك مدل را به فراتر از تواناییهایش تعمیم داد، همچنین نباید در صورت تأمین نكردن انتظارات ما آنها را كنار گذاشت.
مدلها را بهتر و مفیدتر از آنچه كه واقعاً هستند نشان ندهید.
این نكته خصوصاً برای متخصص پژوهش در عملیات مهم است زیرا بیشتر سفارش‌دهندگان مطالعات پژوهش در عملیات تخصصی در مورد این حوزه نداشته و احتمالاً روشهای متخصص را درك نمی‌كنند. وقتی یك مدل بجای مجموعه‌ای از مفروضات قابل قبول كه منجر به نتایج مفید می‌شوند به عنوان وسیله واقعی عرضه می‌شود مسلماً نتایج به دست آمده دارای خطا خواهد بود. كسانی كه به صورت حرفه‌ای با مدلها كار می‌كنند می‌توانند این اشتباهات را به عنوان مواردی در نظر گیرند كه عوامل مهم فراموش شده و یا مورد توجه قرار نگرفته‌اند. در هر شكل این افراد اعتماد خود را نسبت به پژوهش در عملیات از دست نمی‌دهند اما دیگران ممكن است نتیجه بگیرند كه پژوهش در عملیات خوب نیست.
بعضی از منافع ابتدایی مدلسازی در ارتباط با فرایند توسعه مدل می‌باشد.
در حالت كلی، یك مدل آنقدر كه برای توسعه‌دهندگان آن مفید است برای دیگران نیست. مدل خود هرگز حاوی دانش و درك كامل از سیستم واقعی كه مدلساز باید آنرا برای مدلسازی موفق كسب كند، نیست و هیچ راه عملی برای انتقال این دانش و درك بصورت كامل وجود ندارد. در مواردی منفعت ممكن است هنگام توسعه مدل اتفاق ‌افتد، یعنی وقتی مدل كامل شد دیگر دارای هیچ ارزشی نباشد. مثالی از این موارد زمانی اتفاق می‌افتد كه گروه كوچكی از افراد در توسعه یك برنامه رسمی برای پروژه‌ای تلاش می‌كنند. برنامه مدل نهایی است، اما ممكن است دستیابی به توافق روی آنچه كه اهداف باید باشند مسئله واقعی باشد. وقتی توافق حاصل شد، برنامه رسمی ممكن است غیرضروری باشد.
نتیجه روشن این اصل اینست كه بهتر است همواره كاربر نهایی در سرتاسر دوره مدلسازی و اعتبارسنجی مدل مشاركت داده شود. علاوه بر نكانی كه كاربران در ضمن این دوره بدست می‌آورند، حضور آنها كمك می‌كند كه مدل مطابق با نیازهای آنها ساخته شود. این رویه همچنین می‌تواند در جلوگیری از سندرم مدل مرده بدنیا آمده۳۸ كمك نماید كه در آن بدلیل نبود مشاركت كاربر نهایی مدل ضعیف و غیر قابل پیاده‌سازی است.
یك مدل نمی‌تواند چیزی بهتر از اطلاعاتی باشد كه به آن داده می‌شود.
یك قاعده كلی مشهور در برنامه‌نویسی كامپیوتر این است كه داده‌های نادرست نتایج نادرست می‌دهند۳۹. این قاعده در مدلسازی نیز قابل كاربرد است. این بدین معنی است كه كامپیوتر یا مدل تنها داده‌هایی تولید می‌كنند كه به آنها داده می‌شود و نمی‌توانند نادرستی‌های ورودیها را تشخیص داده و تصحیح كنند.
كار دیگری كه مدلها نمی‌توانند انجام دهند تولید اطلاعات است. گاهی اوقات افراد فكر می‌كنند كه برای مثال مدلهای شبیه‌سازی كامپیوتری می‌توانند اطلاعات بیشتری نسبت به آنچه كه به آنها داده می‌شود تولید می‌كنند. البته آنها می‌توانند تقریباً بی‌نهایت داده تولید كنند اما این داده‌ها فقط نتیجه مستقیم مفروضاتی است كه در مدل در نظر گرفته شده‌ است. مدلها ممكن است داده‌ها را فشرده كرده یا به شكل‌های مفیدتری تبدیل نمایند؛ آنها توانایی تولید داده ندارند. مطمئناً تصمیم‌گیری در شرایطی كه اطلاعات كافی وجود ندارد كار مشكلی است. تحت این شرایط ممكن است مدلسازی بعنوان یك كمك مورد استفاده قرار گیرد. اما غیرواقعی است كه انتظار داشته باشیم كه مدل اطلاعاتی را كه موجود نیستند ارائه دهد. همچنین غیرواقعی است انتظار داشته باشیم كه وجود مدل نبود اطلاعات را جبران می‌كند. اگرچه تعداد زیادی از مدلهای پژوهش در عملیات نااطمینانی را در قالب احتمالات در نظر می‌گیرند، اعمال آن برابر با حذف آن یا كاهش آن نیست. در بعضی شرایط، بجای تلاش در مدلسازی بهتر خواهد بود كه اطلاعات بیشتری از سیستم واقعی جمع‌آوری شود.
مدلها نمی‌توانند جایگزین تصمیم‌گیرندگان شوند.
یكی از معمول‌ترین پندارهای نادرست درباره هدف مدلهای پژوهش در عملیات اینست كه مدلها مستقل از ذهنی بودن و خطاهای انسان می‌توانند جوابهای بهینه را ارائه دهند. مفهوم ضمنی در این پندار اینست كه وقتی تمام ملاحظات مناسب تعریف شده و در نظر گرفته شوند تصمیم‌گیری می‌تواند بصورت خودكار درآید. تنها چیزی كه باقی می‌ماند یافتن فرمول درست و پیاده‌سازی نتایج است. براساس همین استنتاج، اشتباه موجود در این استدلال در خود آن است. هیچ پژوهشگر در عملیات توانا چنین نظری ندارد.
وجوه فراموش شده‌ای وجود دارد كه باید هنگام تولید خروجی توسط مدل و قبل از بكارگیری خط‌مشی مدنظر قرار گیرند. در خود فرمولبندی همانطور كه قبلاً نیز اشاره شد باید در خصوص وجوهی از مسئله كه مهم هستند، مفروضاتی كه قابل قبول هستند و غیره تصمیمات زیادی گرفته شود. تمام این تصمیمات دارای ماهیت ذهنی هستند. اغلب مسائل متأثر از عوامل غیركمی هستند كه فقط می‌توانند برای ملاحظه فهرست شوند. گاهی اوقات ضروری است كه اهداف چندگانه در نظر گرفت یا زمانی كه مقیاس مشتركی وجود ندارد بین مقادیر سبك سنگین كرد. همه این پیچیدگیهای جهان واقعی نیازمند توانایی‌های منحصر بفرد تصمیم‌گیری انسان است. فقط در مورد تصمیمات دارای روند مشخص می‌توان اتوماسیون را بكار برد و حتی این تصمیم‌گیریها نیز نیازمند نظارت انسان هستند تا اشتباه رخ ندهد.
مدلهای پژوهش در عملیات می‌توانند به تصمیم‌گیرندگان كمك كنند و به موجب آن امكان تصمیم‌گیری بهتر را فراهم آورند. مطمئناً نقش تجربه، بینش و قضاوت در تصمیم‌گیری نمی‌تواند كوچك شمرده شود.
علاوه بر ده اصل فوق توجه به چند نكته مفید خواهد بود؛ مدلسازی یك هنر است و به تجربه نیاز دارد و فرایندی تعریف شده، دقیق و قدم به قدم نیست. فرایند مدلسازی یك فرایند تكراری است و نباید بدون بررسی، ویرایش اول مدل به عنوان مدل كامل و بدون نقص پذیرفته شود بلكه باید با نظر به بازخورد بدست آمده از اعتبارسنجی، مقایسه بین دقت و مطلوبیت و تعیین پارامترها در ساختار مدل بازنگری كرد (میلر و شمید ۱۹۸۴، ۲۶-۲۷).
۳-۲-۷- مدلهای كلاسیك پژوهش در عملیات
عملیات و سیستمهای مختلف دارای مسائل مشابهی هستند كه منجر به مدلهای مشابهی برای بررسی و حل می‌گردند. بعنوان مثال فرض كنید در یك بانك طولانی شدن طول صف افراد در حال انتظار برای انجام عملیات بانكی مسئله مدیریت آن بانك باشد. همچنین در خط تولید یك كارخانه، انباشته شدن قطعات نیمه ساخته در بعضی از ایستگاههای كاری مسئله مورد نظر مدیر خط تولید باشد. به طور مشابه در یك مركز مخابرات تعیین ظرفیت مناسب برای مركز بطوری كه حداكثر ده درصد از تقاضاهای ارتباط رد شوند مورد نظر باشد. همه این مسائل و مسائل مشابه آنها در قالب مدلهای صف بررسی می‌شوند. مدلهای صف در طول زمان توسعه یافته و به شكل كلاسیك در آمده‌اند. به همین ترتیب برای مسائل دیگر نیز مدلهای كلاسیك وجود دارد كه می‌توان مسائل مشابه را از طریق آنها بررسی نمود. مدلهای كلاسیك به دلیل دارا بودن كاربرد وسیع از نوع مدلهای عمومی هستند. مدلهای پژوهش در عملیات همگی نوع خاصی از مدلهای نمادین یعنی مدلهای ریاضی هستند. مدلهای ریاضی مدلهای نمادینی هستند كه در آنها از نمادهای حروف، اعداد و عملگرهای ریاضی مانند جمع، تفریق، ضرب، تقسیم، علامت كوچكتر و بزرگتر و... استفاده می‌شود و از طریق عبارات ریاضی مانند معادلات، نامعادلات و... به یكدیگر مرتبط می‌شوند.
نوع خاصی از مدلهای ریاضی معیار مدار، برنامه‌ریزی ریاضی۴۰ می‌باشد كه دارای پنج مشخصه اصلی هستند. این مشخصه‌ها عبارتند از (میلر و شمید ۱۹۸۴، ۲۱-۲۲):
متغیرهای تصمیم۴۱: متغیرها یا عواملی كه هدف برنامه‌ریزی ریاضی یافتن جوابی (معمولاً به شكل مقادیر عددی) برای آنهاست.
تابع هدف۴۲: تابع هدف بیانی است از معیار یا معیارهایی كه روش ارزیابی تصمیم‌گیرنده را در خصوص ارزش متغیرهای تصمیم نشان می‌دهند و همچنین اینكه آن معیار یا معیارها چگونه باید بهینه شوند، بعنوان مثال كمینه۴۳ یا بیشینه۴۴ شوند.
محدودیت‌ها۴۵: محدودیت‌ها قیودی روی ارزش‌های تصمیم می‌باشند. این قیود می‌توانند به دلایل مختلف از جمله محدودیت بودجه، محدودیت ماده اولیه، محدود بودن نفر- ساعت كارگر موجود، محدود بودن فضا و محدودیت زمان باشند. یك برنامه‌ریزی ریاضی می‌تواند محدودیتی نداشته باشد.
روابط ریاضی۴۶: تابع هدف و محدودیت‌ها با استفاده از متغیرهای تصمیم و روابطی كه آن متغیرها را به یكدیگر مربوط می‌سازد شكل می‌گیرند. این روابط، روابط ریاضی نامیده می‌شوند.
پارامترها۴۷: پارامترها برخلاف متغیرهای تصمیم دارای مقادیر ثابتی هستند و در روابط ریاضی تابع هدف و محدودیت‌ها بكار می‌روند.
۳-۲-۸- روش مدلسازی
هدف از مطالعه را مشخص كنید. هدف می‌تواند توصیف، تحلیل، پیشگویی، بهینه‌سازی یا تركیبی از آنها باشد. بسته به اینكه هدف از مطالعه چه باشد نوع مدل نیز متفاوت خواهد بود. بعنوان مثال اگر هدف بهینه‌سازی باشد مدل باید از نوع معیار مدار باشد.
مفروضات را مشخص كنید؛ وجوهی كه می‌توانند در نظر گرفته نشوند، روابطی كه می‌توانند خطی فرض شوند، نوع متغیرها كه می‌تواند پیوسته، گسسته یا پله‌ای باشند و پارامترهایی كه می‌توانند قطعی یا احتمالی در نظر گرفته شوند.
متغیرهای تصمیم را مشخص كنید. متغیرهای تصمیم باید به روشنی تعریف شوند و معیار یا شاخص اندازه‌گیری (واحد) آنها كاملاً مشخص و منطقی باشد.
روابط و توابعی كه رفتار سیستم را تشریح می‌كنند و متغیرهای تصمیم را به یكدیگر مرتبط می‌سازند تشكیل دهید.
مقادیر عددی پارامترها شامل ضرایب متغیرها و ثابتها را بیابید. این امر باید از طریق جمع‌آوری داده‌ها، پردازش و تحلیل‌های آماری مانند رگرسیون انجام شود.
۳-۲-۹- ساده‌سازی مدلها
روابط غیرخطی را به روابط خطی تبدیل كنید.
تعداد متغیرهای تصمیم و محدودیتها را كاهش دهید. هرچه تعداد متغیرها و محدودیتها كمتر باشد حل مدل آسانتر خواهد بود. در حالت كلی می‌توان گفت كه تأثیر تعداد محدودیتها در سادگی یا پیچیدگی مدل بیشتر از تعداد متغیرهاست.
ماهیت متغیرهای تصمیم را تغییر دهید؛ به عنوان مثال تبدیل متغیرهای با قید عدد صحیح به عدد حقیقی.
چند تابع هدف را با یك تابع هدف جایگزین كنید.
عناصر پویای مدل را حذف كنید. یعنی مدل را به حالت ایستا درآورید.
متغیرهای تصادفی را با متغیرهای قطعی جایگزین كنید.
موارد فوق ممكن است دقت مدل را كاهش دهد و بنابراین باید میزان تأثیر هر یك از ساده‌سازی‌ها بر روی دقت، درستی و كیفیت مورد توجه قرار گیرد.
۳-۳- حل مدل
فنون حل مدلها در سه دسته كلی روشهای تحلیلی، روشهای عددی و روشهای شبیه‌سازی قرار می‌گیرند. در روشهای تحلیلی از روشها، مفاهیم و قضایای ریاضی استفاده می‌شود. روشهای حل دستگاه معادلات، حل معادلات از طریق مشتق و روش لاگرانژ از جمله روشهای تحلیلی هستند. روشهای تحلیلی عمدتاً در حل مدلهای ریاضی با متغیرهای پیوسته كاربرد داشته و كارایی خیلی بالا در حل اینگونه مدلها دارند.
روشهای عددی روشهایی هستند كه كمتر از قضایای ریاضی استفاده می‌كنند و بیشتر شامل روشهای جستجو، شمارش و تقریب عددی می‌باشند. بعنوان مثال بهینه‌سازی توابع به روش تقریب نیوتن، فنون شاخه و كران در حل برنامه‌ریزی‌های عدد صحیح و صفر و یك و روشهای سعی و خطا و روشهای هیوریستیك از جمله روشهای عددی می‌باشند. روشهای عددی بیشتر در حل مدلهای ریاضی با متغیرهای گسسته مورد استفاده قرار می‌گیرند.
روشهای شبیه‌سازی برای حل مدلهای شبیه‌سازی بكار می‌روند. روشهای شبیه‌سازی دارای دو دسته كلی روشهای قطعی و روشهای تصادفی می‌باشند. روشهای قطعی حل مدل از طریق حل مدل بصورت تكراری و روز‌آمد كردن شرایط مدل براساس حل مرحله قبل و با فرض فاصله‌های زمانی مساوی صورت می‌پذیرد. روشهای تصادفی یا آماری در مواردی استفاده می‌شود كه اطلاعات مسئله ماهیت تصادفی دارند. در روشهای تصادفی اطلاعات موردنیاز با استفاده از روشهای تولید اعداد تصادفی تأمین شده و نتایج مدل براساس آنها بدست می‌آیند.در پژوهش در عملیات هر سه روش بكار می‌رود. فنون حل برنامه‌ریزی خطی و غیرخطی، فنون صفحه برش در حل برنامه‌ریزی عدد صحیح، فنون حل مدلهای تحلیلی صف، فنون حل برنامه‌ریزی شبكه‌ها، زنجیره‌های ماركوف و... از جمله فنون دسته روشهای تحلیلی می‌باشند. روشهای جستجو، شمارش، شاخه و كران، فنون برنامه‌ریزی پویا، روشهای حمل و نقل و تخصیص و روشهای هیوریستیك از جمله روشهای عددی می‌باشند. فنون حل مدلهای شبیه‌سازی صف و مدلهای پویایی سیستم‌ها۴۸ از جمله فنون توسعه یافته در دسته روشهای شبیه‌سازی می‌باشند.
در حل یك مدل ممكن است تركیبی از روشهای فوق بكار گرفته شود و از تركیب آنها فنون تركیبی۴۹ تولید نمود. انتخاب روش و فن مناسب برای حل مدل مورد نظر، نیازمند تجربه، آگاهی و تسلط به روشهای حل مدل دارد. در انتخاب روش حل مدل باید به میزان دقت روش، سرعت حل، كیفیت حوابهایی كه بدست می‌دهد، زمان و هزینه و خواست كارفرما یا مدیریت توجه نمود. باید بین عوامل اشاره شد سبك و سنگین نمود و روشی انتخاب نمود كه به صورت منطقی و قابل قبول پاسخ دهد. ممكن است در طراحی یك قطعه دقیق از یك ماشین دستیابی به جواب دقیق ضروری باشد هر چند كه دستیابی به آن جواب هزینه زیادی در بر داشته باشد زیرا جواب نادقیق باعث كاهش كارایی ماشین و صرف هزینه‌های كلان دیگری خواهد شد. اما تهیه یك برنامه تولید كه هر ماه باید انجام شود بهتر است با درصدی خطا از جواب بهینه تهیه شود تا اینكه بخواهیم به حل مدل پیچیده‌ای از آن بپردازیم كه مستلزم صرف چند روز محاسبات كامپیوتری باشد.
علاوه بر حل مدل، در صورت امكان باید اطلاعات اضافی در مورد چگونگی رفتار جواب بر اثر تغییرات در پارامترهای سیستم نیز كسب نمود. این عمل معمولاً تحلیل حساسیت نامیده می‌شود. چنین تحلیلی به ویژه زمانی مورد نیاز است كه امكان برآورد پارامترهای سیستم یا عملیات به صورت دقیق امكان‌پذیر نباشد. در این شرایط، بررسی رفتار جواب بهینه در همسایگی این برآوردها مهم است.
۳-۴- اعتبارسنجی مدل
یك مدل زمانی معتبر است كه علیرغم نادقیق بودنش در بیان سیستم، بتواند پیشگویی قابل اطمینانی از عملكرد سیستم بدهد. همانطور كه در بخش ۳-۲-۶ اشاره گردید چند فن برای اعتبارسنجی مدل وجود دارد كه باید متناسب با ماهیت مدل بكار گرفته شوند. این فنون عبارتند از:
مقایسه عملكرد مدل با اطلاعات واقعی گذشته سیستم
در این روش، مدل معتبر خواهد بود اگر با تغذیه اطلاعات ورودی واقعی گذشته، مدل عملكرد گذشته مدل را دوباره تولید كند. اشكالی كه بر این روش وارد است اینست كه هیچ تضمینی وجود ندارد كه عملكرد آینده سیستم مشابه روند گذشته آن باشد. تغییرات شدید در شرایط محیطی می‌تواند باعث تغییر روندها و شرایط حاكم بر سیستم گردد. همچنین، از آنجایی كه مدل مزبور براساس آزمایش دقیق داده‌های گذشته بنا شده، این مقایسه همواره باید نتایج سودمندی به بار آورد. در برخی موارد ممكن است این مشكل با استفاده از داده‌هایی كه از بكارگیری آزمایشی دستگاه به دست می‌آیند برطرف شود. این روش برای اعتبارسنجی مدلهای پیشگویی كننده مناسب است.
بررسی رفتار مدل در اثر تغییر سیستماتیك پارامترهای سیستم واقعی
این روش كه در اعتبارسنجی انواع خاصی از مدلهای توصیفی مفید است بدین صورت انجام می‌شود كه بطور سیستماتیك پارامترهای سیستم واقعی تغییر داده شود و سپس بررسی شود كه آیا مدل می‌تواند بصورت موفقیت‌آمیز تغییرات را دنبال نماید. همچنین می‌توان مدل را توسط آزمون‌های ساختگی كه برای تحمیل نقاط ضعف طراحی شده‌اند بررسی كرد. اگر مدل در شرایط بد بخوبی عمل كند، آنگاه می‌توان نتیجه گرفت كه مدل در شرایط معمولی نیز خوب عمل خواهد كرد.
اعتبارسنجی مرحله‌ای
اگر مدلی پیش از پیاده‌سازی نتواند اغتبارسنجی شود، می‌توان پیاده‌‌سازی را طی چند مرحله انجام داد تا ضمن آن مدل را اعتبارسنجی نمود. برای مثال، یك مدل جدید برای كنترل موجودی ممكن است برای گروه منتخبی از اقلام پیاده شود در حالیكه بقیه اقلام با همان مدل قدیمی كار می‌كنند. هر وقت كه مدل خود را اثبات نمود، اقلام بیشتری در حوزه مدل جدید قرار می‌گیرند.
اعتبارسنجی با استفاده از داده‌های شبیه‌سازی شده
این روش در جایی مناسب است خود سیستمی كه برای آن مدل ساخته شده است وجود نداشته باشد. در این شرایط می‌توان با استفاده از یك مدل شبیه‌سازی داده‌هایی تولید و برای اعتبارسنجی مدل مورد استفاده قرار داد.
۳-۵- پیاده‌سازی مدل
در این مرحله، پیاده كردن نتایج آزموده شده مدل تحت مطالعه، مورد رسیدگی قرار می‌گیرد. مسئولیت اجرای این امر اصولاً بر عهده گروه پژوهش در عملیات است. این امر اساساً مستلزم ترجمه قابل فهم این نتایج به دستورالعملهای مفصل و روشن برای افراد است كه پس از اجرای پژوهش، اداره و كار با سیستم را به عهده خواهند گرفت. در این مرحله، همكاری بین گروه پژوهش در عملیات و كاركنان عملیاتی به بالاترین درجه خواهد رسید. ارتباط بین دو گروه را می‌توان با دعوت كاركنان عملیاتی برای شركت در تدوین برنامه پیاده كردن نتایج مدل بهتر نمود. در حقیقت، این تبادل نظر باید در تمام مراحل بررسی مزبور برقرار باشد. بدین طریق هیچ نكته سودمندی، كه در نظر گرفتن آن بتواند به عدم موفقیت سیستم منجر شود، از نظر دور نخواهد ماند. همچنین برای اینكه پیاده كردن نتایج در عمل امكان‌پذیر باشد، می‌توان با كمك كاركنان عملیاتی اصلاحات یا تعدیلهایی را كه ممكن است در سیستم به وجود آورد بررسی نمود. به عبارت دیگر لازم است مرحله پیاده كردن نتایج، با همكاری دو جانبه گروه پژوهش در عملیات و افرادی كه بعداً مسئول اداره و كار با سیستم خواهند بود انجام گیرد.
در اجرای تصمیمات اتخاذ شده ناشی از نتایج مدل، نبایستی مفهوم استفاده كننده- طراح را از یاد برد. دلیل اصل تصمیم‌گیری، تغییر در محیط عملیاتی برای حداقل یك سطح از سیستم است. وقوع هر تغییری نیازمند آموزشهای لازم به افراد دیگر بوده و از طرفی می‌تواند مورد استقبال یا مقاومت برخی از افراد قرار گیرد.اگر اجرا موفق نباشد، همه مراحل قبلی بی‌اثر خواهد بود و ارزش حل، نمی‌تواند آزمایش شود مگر اینكه اجرا صورت پذیرد. در این مرحله درك و بكارگیری علوم رفتاری می‌تواند نقش كلیدی داشته باشد.
توجه به چند نكته در روش پژوهش برای حل مسائل واقعی ضروری است. مراحلی كه در اینجا بحث شد ممكن است به این توالی انجام نشوند. این موضوع به خاطر ماهیت پژوهش رخ می‌دهد و در واقع نمی‌توان ادعا نمود كه حتماً باید این مراحل به همین ترتیب دنبال شوند. بعنوان مثال ممكن است در پژوهشی از مرحله مدلسازی به مرحله استخراج مسئله رفت تا موجب بینش عمیقتری در خصوص سیستم گردد. یا ممكن است پژوهشی در مرحله چهارم متوقف شود زیرا كاربرد تنها نیاز به درك شرایط ناشی از تغییر دارد. همچنین ممكن است مرحله‌ای مانند حل مدل یا مدلسازی به خاطر پیچیدگی و نیاز به فنون كارا یا توسعه آنها بقیه مراحل را تحت تأثیر قرار دهد.
نكته دیگر اینست كه نتایج بدست آمده در هر مرحله ممكن است مراحل قبلی را تحت تأثیر قرار داده بطوری كه نیاز به بازنگری داشته باشند. بنابراین چنین فرایندی دارای یك چرخه كلی از استخراج مسئله به پیاده‌سازی مدل و چرخه‌های داخلی بین مراحل است.
۴- روش پژوهش در توسعه مدل یا روش حل برای مسائل كلاسیك
روش پژوهش در این دسته از پژوهشها با دسته قبلی متفاوت خواهد بود. در اینجا نكات لازم در دو زیر دسته روش پژوهش در توسعه مدل و روش پژوهش در توسعه روش حل شرح داده می‌شوند.
۴-۱-۱- مطالعه مسئله
در این دسته، مسئله از پیش استخراج شده و صورت مسئله نیز در شكل‌های مختلف در مقاله‌ها و كتاب‌ها آمده است. در این مرحله وظیفه پژوهشگر اینست كه با مطالعه سابقه علمی مسئله، شناخت خوبی از مسئله و عوامل ضروری برای تعریف آن بدست آورد. عموماً یك مسئله كلاسیك دارای انواع مختلفی از جنبه هدف، محدودیتها و معیارهاست. در بعضی از موارد نوع‌شناسی۵۰ مدونی از مسائل كلاسیك وجود دارد كه به پژوهشگر در شناخت انواع یك مسئله كمك می‌كند.
پس از شناخت كامل از مسئله و انواع آن، پژوهشگر باید یكی از انواع مسئله را انتخاب نموده و مفروضات لازم را در خصوص آن تعریف نماید. مفروضات ممكن است از پیش در نوع مسئله انتخاب شده اعمال شده باشند. همچنین ممكن است پژوهشگر بخواهد مفروضات ساده كننده به مسئله اضافه نماید. بعنوان مثال متغیرهای عدد صحیح را حقیقی فرض كند.
۴-۱-۲- مدلسازی
در مرحله مدلسازی قبل از شروع، باید مطالعه كاملی در خصوص مدلهای ارائه شده برای نوع انتخاب شده از مسئله مورد بررسی قرار گیرد. آیا در این زمینه مدلی ارائه شده است؟ مدل مزبور چه خصوصیاتی، مزایا و معایبی دارد؟ آیا نیاز به مدلسازی جدیدی احساس می‌شود؟ مدلسازی جدید باید قابلیت و مزایای جدیدی عرضه نماید كه در مدلهای قبلی نباشد. در اینجا برخلاف دسته پژوهش قبلی، می‌توان مدل را بگونه‌ای طراحی نمود كه توسط فن خاصی حل گردد. این خود به تنهایی می‌تواند مزیت جدیدی محسوب گردد. یا اینكه بگونه‌ای طراحی شود كه به شكل مؤثرتری با فنون موجود حل گردد. اما بیشتر نكات آمده در بخش ۳-۲ در اینجا نیز باید در نظر گرفته شوند.
۴-۱-۳- حل و اعتبارسنجی مدل
اگر هدف تنها توسعه مدل باشد بعد از مدلسازی، مدل با یكی از فنون موجود باید حل شود. در حل مدل ممكن است با مشكلاتی برخورد كنیم كه ناشی از اشتباه در مدلسازی، بدتعریفی روابط مدل یا ناتوانی فن انتخاب شده برای حل مدل باشد. اعتبارسنجی مدل نیز همانند مواردی انجام می‌شود كه در بخش ۳-۴ به آنها اشاره شد با این تفاوت كه در اینجا یك سیستم واقعی از پیش برای مسئله در نظر گرفته نشده است. در این شرایط می‌توان یك مورد واقعی پیدا نمود و مدل را با همان مفروضات و بدون هیچگونه تغییری در عمل پیاده نمود یا به روش ساده‌تر از داده‌های شبیه‌سازی شده یا از داده‌های آزمون در مورد مسائل كلاسیك كه در مقاله‌ها، كتاب‌ها و سایتهای اینترنت موجود است استفاده كرد.
۴-۲- توسعه روش حل برای مسائل كلاسیك
در اینجا نیز همانند پژوهش در توسعه مدل، مسئله كلاسیك مورد نظر باید مورد مطالعه قرار گیرد. پس از شناخت مسئله، نوع‌شناسی و انتخاب یك نوع خاص از آن به همراه تدوین مفروضات مورد نظر، باید روشهای موجود برای حل آن مسئله مورد بررسی قرار گیرد. روشهای حل باید از وجوه مختلف مورد بررسی قرار گیرند كه اعم آنها عبارتند از:
رویكرد روش: روش موجود چه رویكردی دارد؟ تحلیلی، عددی یا شبیه‌سازی.
روش دقیق یا هیورسیتیك: هر رویكرد تحلیلی، عددی یا شبیه‌سازی می‌تواند بگونه‌ای طراحی شود كه به جواب كاملاً درست دست یابد یا اینكه جوابی در همسایگی جواب كاملاً درست ارائه دهد.
كارایی روش: رتبه حل۵۱، سرعت، دقت، زمان صرف شده برای حل و هزینه دستیابی به جواب چقدر است؟ آیا این روش كاراست؟ در مقایسه با روشهای دیگر چه مزیتی دارد؟
پس از بررسی روش براساس وجوه اشاره شده باید تصمیم گرفت كه روش جدیدی ارائه نمود یا خیر. در توسعه روش جدید همان وجوه اشاره شده باید مدنظر قرار گیرند. روش چه رویكردی خواهد داشت؟ یك روش دقیق مدنظر است یا هیوریستیك؟ نكته مهم در توسعه روش حل اینست كه كارایی آن نسبت به روشهای موجود سنجیده شود. بدین منظور می‌توان داده‌های یكسان از مسئله را با روش‌های قبلی و جدید حل نمود و نتایج آنها را با یكدیگر مقایسه نمود. برای اطلاعات بیشتر در خصوص روشهای مقایسه می‌توانید به گلدن و اسد (۱۹۸۴) مراجعه نمایید.
۵- روش پژوهش در توسعه تئوریها و فنون عمومی
تمایز بین علم محض و كاربردی بر مبنای پاسخ به پرسش یا حل مسئله توضیح داده می‌شود و تفاوت بین پرسش و مسئله در علت بروز آنهاست. علت بروز پرسش كنجكاوی، نیاز به درك بهتر موضوعات علمی و تمایل به گسترش مرزهای دانش بوده در حالیكه هیچگونه انگیزه‌ای برای كاربرد نتایج ناشی از پاسخ به آن وجود ندارد اگرچه ممكن است قابل كاربرد باشد. مسئله زمانی مطرح می‌شود كه بخواهیم شرایط موجود به گونه‌ای تغییر كند كه مطابق خواست ما گردد. علم محض علمی است كه در آن به پرسشها پاسخ داده می‌شود در حالیكه با استفاده از علم كاربردی مسائل حل می‌شوند.
در توسعه تئوریها یا فنون عمومی، حل مسئله واقعی یا كلاسیك مدنظر نیست بلكه پژوهشگر قصد دارد تئوریهای جدیدی را در قالب قضایا و روابط برای مفاهیم، اصول و فنون موجود بیان دارد یا فن جدیدی را برای استفاده در حل مدلها ابداع نماید. در اینجا هدف،‌ پاسخ به كنجكاوی، درك بهتر موضوعات علمی و گسترش مرزهای دانش بوده در حالیكه هیچگونه انگیزه‌ای برای كاربرد نتایج ناشی از آن وجود ندارد (اگر چه ممكن است قابل كاربرد باشد).از آنجایی كه پرسشها می‌توانند شكل‌ها و ویژگیهای متفاوت داشته باشند نحوه پاسخگویی به آنها نیز متفاوت خواهد بود. در جایی ممكن است از روشهای كمی استفاده نماییم و در جای دیگر مجبور به استفاده از روشهای كیفی باشیم. اثبات فرضیه ممكن است از طریق اثبات ریاضی انجام شود یا از طریق آزمونهای آماری صورت پذیرد. اما به هرحال سه مرحله كلی را نیز در این نوع پژوهش می‌توان تشخیص داد:
تعریف پرسش
پاسخ به پرسش
اعتبارسنجی پاسخ
پرسش باید به صورت روشن بیان شود و در آن مفروضات اصلی و قلمرو پژوهش مشخص شوند. پرسش ممكن است در شكل سئوالی یا مثبت بیان شود. هم‌چنین باید رویكرد پاسخ به پرسش را روشن سازد. به عنوان مثال تحلیل الگوریتمهای ژنتیك ساده با استفاده از زنجیرههای ماركوف محدود پرسشی است كه در آن هدف درك بهتر الگوریتم‌های ژنتیك است. مفروضات اصلی و قلمرو پژوهش بدینگونه مشخص شده است كه الگوریتم ژنتیك از نوع ساده مدنظر بوده و پژوهش تنها با زنجیرههای ماركوف از نوع محدود انجام خواهد شد. رویكرد پاسخ به درك بهتر الگوریتم ژنتیك نیز زنجیره‌های ماركوف است.
پاسخ به پرسش با استفاده از رویكرد تعریف شده در پرسش انجام می‌شود. رویكردها متعدد و متفاوت هستند و هر یك روش پژوهش خاص خود را دارند. اثبات ریاضی، تحلیل عددی، تحلیل آماری ممكن است نیاز باشند كه باید در شكل خاص از آنها استفاده نمود.
بسته به اینكه رویكرد پاسخ به پرسش چگونه باشد اعتبارسنجی نیز شكل متفاوت خواهد داشت. اگر اثبات ریاضی مدنظر باشد ممكن است اعتبارسنجی به صورت ضمنی انجام شده باشد. اگر تحلیل آماری انجام شده باشد اعتبارسنجی باید از طریق آزمونهای آماری انجام شود.

نویسنده: مجید امیدوار
پی‌نوشت‌ها
۱. Traveling Salesman Problem (TSP)
۲. Vehicle Routing Problem (VRP)
۳. Cutting and Packing Problem (C&P)
۴. Assembly Line Balancing
۵. Aircrew Scheduling Problem
۶. Quadratic Assignment Problem (QAP)
۷. Job-Shop Scheduling
۸. symptom
۹. cause
۱۰. primary symptom
۱۱. secondary symptom
۱۲. open-minded
۱۳. values
۱۴. criteria
۱۵. objectives
۱۶. boundaries
۱۷. constraints
۱۸. function
۱۹. structure
۲۰. time reference
۲۱. uncertainty reference
۲۲. generality
۲۳. descriptive
۲۴. predictive
۲۵. normative
۲۶. iconic
۲۷. analog
۲۸. symbolic
۲۹. static
۳۰. dynamic
۳۱. deterministic
۳۲. probabilistic
۳۳. uncertain
۳۴. game
۳۵. general
۳۶. specialized
۳۷. retrospective testing
۳۸. still-born model syndrome
۳۹. Garbage In, Garbage Out (GIGO)
۴۰. Mathematical Programming
۴۱. Decision variable
۴۲. objective function
۴۳. minimm
۴۴. maximum
۴۵. constraints
۴۶. functional relationship
۴۷. parameters
۴۸. systems dynamis
۴۹. hybrid technique
۵۰. typology
۵۱. order
مراجع
Golden, B. L. and A. A. Assad. ۱۹۸۴. A decision-theoretic framework for comparing heuristics. European Journal of Operational Research. ۱۸ ۱۶۷-۱۷۱.
Miller, D. M. and J. W. Schmidt. ۱۹۸۴. Industrial Engineering and Operations Research. New York: John Wiley & Sons.
Murdick, R. G. and J. C. Munson. ۱۹۸۶. MIS concepts & design. ۲nd ed. New Jersey: Printice Hall.
Philips, D. T., A. Ravindaran and J. J. Solberg. ۱۹۸۷. Operations Research: methods and practice. New York: John Wiley & Sons.
Saaty, T. L. ۱۹۸۸. Mathematical methods for operations research. New York: Dover

منبع : سایر منابع