Begrænsninger ved lineær programmering:Hvorfor metoden kommer til kort i den virkelige verdens beslutningstagning

nd3000/iStock/GettyImages

Lineær programmering anvender matematiske ligninger til at tackle forretningsbeslutninger. For eksempel kan en detailhandler, der planlægger sin julebeholdning på tværs af fire produktlinjer, lade lineær programmering beregne det optimale produktionsmix, der maksimerer fortjenesten.

Modellering

Modellering

Implementering af lineær programmering kræver at oversætte det virkelige problem til en matematisk model. Modellen definerer et mål - almindeligvis maksimering af profit eller minimering af omkostninger - sammen med beslutningsvariabler og begrænsninger, der fanger ressourcer eller grænser. For eksempel skal en producent med knappe råvarer beslutte, om han vil fokusere på premium-varer eller en større mængde billige varer; modellen inkorporerer målsætningen, variablerne og begrænsningerne for at vejlede den beslutning.

Linearitet

Linearitet

Lineær programmering er afhængig af lineære ligninger:Hvis du fordobler salget, mens alt andet forbliver konstant, viser ligningen en proportional stigning i omsætningen. Nogle beslutningsvariable udviser dog ikke-lineær adfærd. En fordobling af budgettet for en startup fordobler f.eks. ikke nødvendigvis det første års overskud eller udgifter. Skalaeffektiviteter trodser ofte linearitet. Målprogrammering og andre teknikker tager højde for ikke-lineære faktorer.

Virkelighed

Virkelighed

Lineær programmering leverer kun nøjagtige resultater, når modellen afspejler virkeligheden. Hver model hviler på antagelser, der kan være ugyldige. Hvis man for eksempel antager, at en tredobling af produktionen vil tredoble salget, kan det overskride markedskapaciteten, hvilket giver meningsløse resultater, såsom en anbefaling om at bygge 23,75 slagskibe til flåden. Praktiserende læger skal justere modeller for at forene matematiske resultater med praktisk gennemførlighed.

Ufleksibilitet

Ufleksibilitet

Visse scenarier indeholder så mange variabler, at en lineær ramme ikke kan fange dem alle. En lægepraksis kan bruge lineær programmering til at optimere stråledoser for cancerpatienter, men individuelle patientvariationer falder ofte uden for enhver lineær model. Desuden mangler lineær programmering intuition eller tarminstinkt; som Heath Hammett bemærkede i et interview fra 2005 med magasinet "Signal", er menneskeligt tilsyn afgørende, før resultaterne implementeres.