Masalah riset operasi favorit di alam liar
Setiap tahun atau lebih, saya menemukan beberapa "masalah" yang dirumuskan secara verbal yang sebenarnya dapat dimodelkan sebagai suatu bentuk Riset Operasi (OR).
Masalah-masalah ini mungkin sudah pernah ada sebelumnya, tetapi baik saya maupun "pemilik masalah" tidak pernah memetakan masalah-masalah ini ke dalam model matematika. Namun ketika dirumuskan sebagai satu model, manfaatnya sangat jelas.
Saya punya lima contoh untuk Anda. Contoh-contoh tersebut berasal dari berbagai bagian keuangan, logistik, energi, dan sesuatu yang tidak saya ketahui. Ini dia.
Perencanaan likuiditas untuk bank
Bank bekerja dalam lanskap yang sangat diatur DAN kompetitif. Mereka tunduk pada aturan terperinci tentang bagaimana mereka harus membatasi banyak item dalam neraca keuangan mereka.
Salah satu operasi yang sangat menantang adalah menjaga likuiditas mereka dengan cara yang seimbang. Jika tingkat likuiditas mereka terlalu tinggi, mereka praktis kehilangan keuntungan karena tidak menggunakan uangnya untuk bekerja (misalnya pinjaman). Tetapi jika likuiditas turun ke tingkat yang sangat rendah, mereka harus mengisi kembali dengan cepat dan biasanya dengan biaya yang signifikan. Ada beberapa aturan yang ketat dan jelas seperti Rasio Cakupan Likuiditas (Liquidity Coverage Ratio/LCR).
Departemen Keuangan memiliki beberapa opsi jangka pendek untuk menyempurnakan tingkat likuiditas mereka seperti tingkat deposito dan menerbitkan obligasi jangka pendek. Setiap opsi tunduk pada beberapa jenis dinamika (misalnya ketersediaan, harga, tingkat pengisian). Jangan lupa juga bahwa komponen waktu juga merupakan faktor. Ini harus memperhitungkan kejadian di masa depan (misalnya beberapa arus keluar besar yang diketahui sebelumnya).
Tujuan kami adalah untuk meminimalkan biaya mempertahankan tingkat likuiditas pada "sweet spot" sambil memperhitungkan guncangan dan ketidakpastian di masa depan untuk X bulan ke depan. Hasilnya adalah model pemrograman dinamis stokastik yang indah yang menyusun strategi untuk setiap opsi. Model ini dapat dijalankan untuk berbagai skenario dan hasilnya dapat dengan mudah dibandingkan. Sepengetahuan saya, mereka masih menjalankan model tersebut untuk memandu keputusan mereka.
Optimalisasi energi untuk fasilitas produksi
Saya sangat menikmati membangun model yang satu ini karena model ini merupakan penghemat uang secara instan tanpa mempengaruhi rencana produksi. Fasilitas ini membutuhkan beberapa tingkat tekanan uap (dari yang sangat tinggi, sedang dan rendah) dan listrik untuk menggunakan mesin-mesin mereka. Uap berasal dari gas alam dan air.
Beberapa mesin dapat menggunakan listrik atau uap secara bergantian. Fasilitas ini juga memiliki beberapa "pembangkit kogenerasi" (yaitu produksi listrik dengan menggunakan uap atau gas alam). Biaya listrik dan gas alam bersifat variabel tetapi bersifat deterministik jangka pendek. Singkatnya, kami ingin meminimalkan total biaya energi dengan mempertimbangkan rencana produksi dan batasan mesin.
Meskipun ada kerumitan tambahan seperti transmisi antar gedung dan listrik yang dibeli sebelumnya, hal ini dapat diwakili dalam model.
Model ini dibangun pada masa kejayaan harga energi baru-baru ini. Bagian saya selesai setelah model tersebut dibuat; namun kemudian dalam artikel yang diterbitkan, penghematan bulanan yang dilaporkan cukup besar (>USD 100 ribu). Bagian terbaiknya adalah penghematan ini dapat dilakukan tanpa pengorbanan sama sekali.
Lindung nilai portofolio nilai wajar untuk bank
OR banyak digunakan di bidang keuangan. OR juga banyak digunakan dalam pemilihan portofolio. Tetapi biasanya dioptimalkan pada aset, derivatif atau entitas yang memiliki sifat serupa. Untuk bank, hal ini dapat berupa lindung nilai pinjaman dengan derivatif.
Sejak dulu, fungsi bank yang paling mendasar adalah menjadi tempat menyimpan uang Anda dengan aman dan tempat meminjam. Bank menginvestasikan uang nasabah mereka dalam instrumen investasi seperti obligasi, pinjaman, dll. Hal yang perlu diwaspadai adalah ketidaksesuaian jatuh tempo.
Jatuh tempo deposito biasanya berjangka pendek (mis. <90 hari) dan pinjaman bisa sangat panjang (mis. >5 tahun). Deposito juga sering diisi ulang dan ini adalah keseimbangan yang baik. Menggunakan Swap untuk melindungi nilai risiko dari waktu (sebenarnya lebih mirip bunga dan mata uang) adalah cara yang sering digunakan. Namun, pasar swap tidak selalu menawarkan kontrak yang cocok. Jadi, Anda harus memanfaatkan yang terbaik dari apa yang Anda miliki.
Tujuannya adalah untuk meminimalkan risiko suku bunga, mengingat portofolio pinjaman yang sangat besar (>100k) dan pilihan kandidat swap (~100). Risiko suku bunga dihitung dengan simulasi dasar tentang bagaimana valuasi akan berubah jika terjadi guncangan pada kurva pasar suku bunga. Kami ingin meminimalkan pergerakan berlebih ke salah satu sisi (yaitu perubahan nilai positif dan negatif) pada portofolio kami.
Ini hanya satu sisi dari sebuah koin. Namun, menangani sisi lainnya (deposito vs swap) jauh lebih mudah dan biasanya tidak memerlukan model optimasi.
Rantai pasokan mobil bekas
Yang satu ini dimulai sebagai simulasi tetapi berakhir sebagai model MIP. Pemilik mobil bekas telah memiliki jaringan titik "persediaan", pusat distribusi, dan permintaan dari seluruh penjuru negeri. Mereka juga telah membangun rantai logistik dengan baik.
Masalahnya adalah mereka berkembang dengan cepat dan mereka ingin tahu lebih banyak tentang keputusan taktis (misalnya bagaimana beban jaringan mereka akan terpengaruh, di mana mereka harus menyewa lebih banyak truk untuk mengangkut mobil dan personil tergantung pada ekspansi di masa depan) dan keputusan strategis (misalnya di mana mereka harus membangun pusat distribusi berikutnya).
Kami berhasil membangun model yang sesuai dengan kebutuhan rantai pasokan mereka dan bertujuan untuk meminimalkan total biaya (misalnya total jarak tempuh, jumlah personel, truk, dll.). Sepengetahuan saya, model ini masih digunakan dalam bentuk yang lebih maju.
Masalah penugasan yang paling aneh
Yang terakhir ini tidak penting bagi saya karena merupakan model yang sulit untuk dipecahkan atau membutuhkan keahlian khusus. Karena itu bersifat rahasia.
Beberapa teman sedang mengerjakan sebuah proyek untuk mitra atau pelanggan. Pada titik tertentu, beberapa perhitungan mereka memakan waktu terlalu lama. Karena ini adalah proyek rahasia, mereka harus menyembunyikan latar belakang dan menganonimkan variabel serta kendala. Mereka tidak dapat memberi tahu saya apa pun tentang masalahnya kecuali mekanisme kerjanya. Satu-satunya persyaratan mereka adalah bahwa mereka harus menemukan solusi untuk setiap contoh "di bawah dua jam".
Ternyata itu adalah masalah penugasan yang mudah dan dengan pemecah yang sederhana, setiap contoh dapat diselesaikan dalam sekejap. Bagian yang paling membuat saya senang adalah menemukan solusi yang sesuai untuk masalah tersebut dengan penghematan yang sangat signifikan. Rasanya seperti menggunakan "kode curang" dalam sebuah game. Fakta bahwa masalahnya agak samar karena kerahasiaannya juga menyenangkan.
Disadur dari: medium.com