Kuinka tehdä enemmän vähemmällä?
Optimointi voi auttaa tuhansissa eri liiketoimintapäätöksissä ja sen kehittäminen ei ole enää vaikeaa nykyaikaisilla työkaluilla ja kielillä.
Liiketoiminnassa pitää tehdä päätöksiä. Hyvät johtajat tekevät hyviä päätöksiä ja pystyvät tekemään niitä nopeasti. Maalaisjärjellä ajateltuna voidaankin tulkita, että kun yhdistää yksinkertaisen ongelman kattavaan tietotasoon, johtaa se yksinkertaisiin ratkaisuihin.
Maalaisjärki on usein kuitenkin väärässä…
Saanen näyttää tämän toteen pienen esimerkin kautta, minkä matematiikan opettajani antoi minulle tehtäväksi ollessani 14-vuotias. Hyvinkin yksinkertainen pieni esimerkki, joka soveltuu myös liiketoiminnassa esiintyviin ongelmiin.
Opettajani antama tehtävä meni kutakuinkin näin: 300 lasta tarvitsee bussikyydin eläintarhaan. Koulu voi vuokrata 40- ja 30-paikkaisia busseja 600€ ja 480€ hintaan. Kuinka monta kutakin bussia tulisi tilata kustannusten minimoimiseksi?
Monille ihmisille vastaus on hyvin yksinkertainen, jopa triviaali. Yksi istuin kustantaa 15€ 40-paikkaisesta bussista ja 16€ 30-paikkaisesta bussista. Maalaisjärjen mukaan meidän tulee asettaa etusijalle 40-paikkainen bussi. Ensin sijoitamme 4200€ 7:ään isompaan bussiin (7*600€) ja meillä on 280 lapselle paikka. Sitten lisäämme kahdeksannen bussin 480€:lla (30 istuinta) lopuille 20 lapselle. Kokonaisukustannukset ovat täten 4680€.
Tämähän näyttää ihan hyvältä, mutta tämä ei ole kuitenkaan paras ratkaisu. Kuudella 40-paikkaisella bussilla (240 lasta ja 3600€) ja kahdella 30-paikkaisella bussilla (60 lasta ja 960€) ovat kokonaiskustannukset vain 4560€. Voimme siis säästää 120€!
Paras päätös ei ole niin itsestäänselvä.
Tuolloin olin kirjoittanut pienen ohjelman Pascalissa. Samainen matematiikan opettajani ei ollut tyytyväinen ratkaisuuni, koska hän halusi meidän käyttävän geometriaa eikä tietokoneohjelmaa. Hän halusi meidän käyttävän viivainta ja ruudukkoa tehtävien ratkaisemiseen. En ollut puolestaan tyytyväinen hänen ratkaisuunsa. Entä, jos tehtävänannossa olisi ollut viisi eri bussi kokoa kahden sijasta. Silloin geometria ei olisi enää toiminut.
Sopiva menetelmä yrityksille on sekoitus minun (ohjelmointi) ja opettajani (matemaattiinen) lähestymistapaa, eli matemaattinen optimointi. IBM:n tarjoama IBM CPLEX -optimointityökalu pystyy ratkaisemaan edellä kuvatun tehtävän kaltaiset ongelmat, mutta paljon suuremmilla päätösmuuttujien ja rajoitteiden määrillä. Tässä kontekstissa päätösmuuttujat edustavat esimerkkitehtävän busseja.
Oikeat liiketoiminnan optimointiongelmat ovat huomattavasti monimutkaisempia, kuin koululaisten luokkaretkien logistiset ongelmat. Ne eivät sisällä vain kahta päätösmuuttujaa kuten esimerkissämme, vaan kyseessä on yleensä tuhansia tai jopa kymmeniätuhansia päätösmuuttujia.
Näiden ongelmien kuvaileminen on helppoa. Voimme tehdä niitä monilla ohjelmointikielillä, kuten Pythonilla tai käyttää esimerkiksi mallinnuskieltä OPL (Optimization Programming Language). Alla on kuvailtu esimerkin ongelma kolmella eri tavalla.
Optimointi voi auttaa tuhansissa eri liiketoimintapäätöksissä ja sen kehittäminen ei ole enää vaikeaa nykyaikaisilla työkaluilla ja kielillä. On hyvä muistaa, että ihan oikeissa liiketoimintaongelmissa optimoinnilla saavutettu sijoituskohtainen säästö ei ole 120€, kuten esimerkissämme, vaan kyseessä on miljoonia euroja.
Mikäli kiinnostuit optimoinnista ja haluat tehokkaat työkalut päätöksenteon tueksi. Ota yhteys allekirjoittaneeseen ja/tai tutustu syvällisemmin IBM CPLEX -optimointityökaluun.