Mengapa riset operasi sangat mengagumkan
Matematika adalah bahasa alam semesta, dan menurut definisinya, matematika itu logis. Tetapi melakukan matematika bukan hanya logika - Ini adalah proses yang sangat kreatif dalam memanfaatkan alat yang diberikan matematika kepada kita. Dalam riset operasi, Anda dapat berkreasi dengan alat matematika untuk memecahkan beberapa masalah yang sangat menarik!
Riset Operasi (Operations Research/OR) adalah bidang matematika terapan di mana alat-alat matematika tidak hanya digunakan untuk menyelidiki matematika lebih lanjut, tetapi juga untuk memodelkan, menganalisis, dan memecahkan masalah dalam domain OR.
Motivasi untuk memahami riset operasi
Pengambilan keputusan di masa depan akan sedekat mungkin dengan otomatisasi penuh (bayangkan otomatisasi tingkat "Tony Stark"). Salah satu bidang penelitian yang menyelidiki dan memajukan transisi ini adalah OR. Pada intinya, OR adalah bidang matematika terapan yang mengintegrasikan metode analitik tingkat lanjut dalam pengambilan keputusan.
Ketika masalah dan lingkungan keputusan menjadi semakin kompleks, penting untuk memajukan penelitian yang menekankan antarmuka manusia-teknologi untuk menghindari kesalahpahaman. Contoh horor klasik masa depan adalah jika seorang pengambil keputusan berusaha memaksimalkan kebahagiaan pelanggan, dan sistem (AI) menerjemahkannya dengan membuat semua orang dalam keadaan koma yang diinfus dopamin seperti yang terjadi di "The Matrix" (yang mungkin sudah kita alami...).
Tetapi ada juga masalah yang lebih nyata yang kita hadapi saat ini. Misalnya, penentuan rute untuk pengiriman paket di mana jarak total rute harus diminimalkan sambil tetap memaksimalkan jumlah paket yang dikirim. Dua tujuan tersebut, dalam kasus ekstrim, akan membuat para pengemudi tidak dapat mengantarkan paket atau tidak memiliki waktu luang, tetapi ada banyak contoh yang tidak optimal di antaranya. Dan masalah ini hanyalah puncak gunung es, Jack. Jadi, sangat penting bagi para pengambil keputusan di masa depan untuk mengintegrasikan preferensi mereka dengan benar untuk menghindari situasi seperti ini - dan Riset Operasi menyelidiki hal ini dengan tepat!
Saya mengenal OR sebagai mahasiswa pascasarjana di bidang matematika dan ekonomi, di mana ada dua pilihan yang bisa dipelajari; OR atau Rekayasa Finansial. Dibandingkan satu sama lain, Teknik Keuangan berhubungan dengan pengambilan keputusan di bidang keuangan, perdagangan, dan risiko/investasi, sedangkan Riset Operasi lebih umum di industri dan bisnis. Meskipun, beberapa terminologi menempatkan Rekayasa Keuangan sebagai sub-kategori yang lebih khusus untuk bidang OR yang lebih luas.
Apa yang dimaksud dengan riset operasi?
Secara umum, OR berkaitan dengan mendapatkan nilai ekstrim dari beberapa fungsi objektif dunia nyata; maksimum (keuntungan, kinerja, utilitas, atau hasil), minimum (kerugian, risiko, jarak, atau biaya). Metode ini menggabungkan teknik-teknik dari pemodelan matematika, optimasi, dan analisis statistik dengan menekankan pada antarmuka antara manusia dan teknologi. Namun, salah satu kesulitan dalam menjawab pertanyaan ini adalah banyaknya tumpang tindih dalam terminologi ilmiah - dan terkadang istilah-istilah tersebut menjadi sangat populer, sehingga mempengaruhi lanskap terminologi. Misalnya, popularitas istilah yang tidak jelas dan luas seperti AI dan Big Data yang keduanya sangat cocok untuk pemasaran, namun tidak ada artinya dalam diskusi penelitian. Oleh karena itu, saya telah mencoba mengilustrasikannya dalam bentuk bidang, subbidang, dan masalah yang dibahas dalam Gbr. 3.
Sebagai catatan, saya sangat dibatasi oleh representasi 2D karena ada beberapa hubungan lain antara disiplin ilmu daripada yang ditunjukkan di sini. Misalnya, teori probabilitas dan statistik menjadi bagian intrinsik dari pembelajaran mesin. Ilustrasi oleh
Riset operasi memiliki asal-usul historis pada abad ke-17 ketika pendekatan teori permainan dan nilai ekspektasi digunakan untuk memecahkan masalah. Versi modern dari OR berasal dari perang dunia kedua ketika menjadi jelas bahwa militer perlu menyelesaikan beberapa masalah logistik dan rantai pasokan yang signifikan yang muncul dalam perang.
Saat itu, OR didefinisikan sebagai "metode ilmiah yang memberikan departemen eksekutif dasar kuantitatif untuk mengambil keputusan terkait operasi di bawah kendali mereka" dan disebut sebagai "analisis operasional" (masih ada di Denmark) atau "manajemen kuantitatif".
Masa depan riset operasi?
Fitur yang menarik dari OR adalah penerapan pengetahuan, keterampilan, dan alat bantu di berbagai industri. Saat ini, OR diterapkan dalam versi yang kurang lebih terspesialisasi di sebagian besar bisnis dan industri - mulai dari pertanian, perdagangan energi, produksi, dan penjualan hingga industri luar angkasa, penetapan harga aset, operasi militer, dan peramalan permintaan. Kasus penggunaan yang paling terkenal mungkin adalah:
- Manajemen rantai pasokan
- Manajemen logistik dan inventaris
- Masalah perutean dan pencarian jalur
- Pemeliharaan prediktif
- Masalah penjadwalan dan penugasan
- Masalah evaluasi (pengambilan keputusan multi-kriteria)
- Rekayasa sistem
- Peramalan
Penyebut umum dalam hal alat bantu adalah empat keterampilan berikut ini, yang memungkinkan Anda untuk:
- Memanfaatkan metode optimasi matematis, seperti pemrograman linier, pemrograman dinamis, pemrograman stokastik, dll.
- Mengembangkan algoritme solusi. Sering kali solusi diperlukan dalam waktu yang hampir bersamaan. Artinya, solusi optimal tidak diperlukan. Seseorang 'hanya' menginginkan solusi yang cukup baik. Untuk masalah besar dengan kompleksitas tinggi (misalnya, masalah NP-Hard), algoritma solusi seperti heuristik yang terinspirasi oleh pakar atau algoritma genetika yang terinspirasi oleh bio, optimasi koloni semut, atau bahkan jaringan syaraf tiruan atau metode peningkatan gradien yang terinspirasi oleh pohon keputusan. Hal ini tergantung pada kerangka kerja masalah dan apakah pendekatan solusi berbasis model atau berbasis data.
- Melakukan simulasi ekstensif untuk menyelidiki aspek ketahanan dan fleksibilitas dari pendekatan solusi yang diturunkan. Baik dengan simulasi Monte Carlo, analisis sensitivitas, dll.
- Melakukan analisis ekstensif terhadap masalah-misalnya untuk mengidentifikasi jalur kritis dalam jaringan. Sebagai contoh untuk mengilustrasikan pentingnya analisis yang tepat, dalam analisis jaringan, lebih khusus lagi dalam jaringan lalu lintas, telah diamati bahwa dengan menghilangkan jalan, dimungkinkan untuk meningkatkan arus lalu lintas. Hal ini disebut sebagai paradoks Braess, dan juga telah ditemukan untuk mengelabui sistem lain, seperti jaringan listrik, biologi, dan strategi olahraga tim. Jadi, sangat penting untuk menganalisis solusi dengan benar.
Disadur dari: towardsdatascience.com