PRIMO PIANO
mercoledì 10 Giugno 2020
I vantaggi della ricerca operativa e il deficit italiano
La ricerca operativa, altrimenti detta ottimizzazione matematica, è una materia poco valorizzata nel nostro Paese eppure, come ci spiega il prof. Giovanni Righini, le sue applicazioni hanno ricadute molto interessanti, sia in ambito industriale che sanitario, come dimostra il caso del pronto soccorso di Codogno
Giovanni Righini

Dopo la sua chiusura, in concomitanza con l’esplosione dell’emergenza coronavirus, il pronto soccorso di Codogno, insieme al reparto di terapia intensiva e alle sale operatorie, è stato riaperto lo scorso 4 giugno con un’eco nazionale, essendo nel frattempo il borgo lodigiano assurto a icona italiana della lotta contro il Covid-19. Quello che non tutti sanno, però, è che il raggiungimento del traguardo è stato reso possibile grazie a un po’ di matematica dietro le quinte e all’aiuto di un docente che Crema conosce molto bene.

Un metodo ben noto nell’ambito della logistica industriale

Il docente a cui facciamo riferimento è Giovanni Righini, dell’Università degli Studi di Milano, già coordinatore del laboratorio di Ricerca operativa di Crema – l’Opt Lab – dell’ormai ex distaccamento cremasco dell’ateneo, nonché promotore della possibile nascita, proprio a Crema, del primo centro italiano in materia. Grazie alla sua collaborazione con un altro cremasco, medico del reparto di terapia intensiva dell’ospedale di Lodi – Codogno, Pier Giorgio Villani, è stato sviluppato a tempo di record (tra il 20 e il 24 maggio) un modello matematico, per la precisione un modello di programmazione lineare intera, per far fronte a un tipico problema di capacity planning ovvero pianificazione della capacità, cioè il problema di dimensionare correttamente un sistema complesso, valutando la quantità di risorse (umane in questo caso) da utilizzare per riuscire a coprire un dato insieme di compiti. Un tipo di problema ben noto nell’ambito della logistica industriale, dove i metodi dell’ottimizzazione matematica sono stati applicati con successo da decenni, ma che tuttavia non può essere trasferito in modo automatico in ambito sanitario: «I medici non sono macchine utensili», invita a tener presente il prof. Righini.

L’importanza dell’ottimizzazione matematica nella ricerca di soluzioni

«Il passaggio dall’ottimizzazione di processi industriali all’ottimizzazione di servizi erogati o ricevuti da persone è tutt’altro che banale», prosegue il prof. Righini, «e proprio per questo richiede competenze specifiche e stretta collaborazione tra esperti del problema ed esperti del metodo», prosegue il professore. Già accorgersi che il problema esiste e capire di quale problema si tratta non è un passaggio scontato. Infatti, anche nel caso in esame, la decisione iniziale di riaprire i reparti di Codogno era stata presa senza poter disporre di alcuna analisi, nella convinzione che sarebbe stato comunque possibile coprire i turni di lavoro necessari. E, tuttavia, i nodi sono presto venuti al pettine, trattandosi di un problema insolubile con carta e penna. Si tratta, infatti, di un problema combinatorio: turnare dodici medici su sette tipi di turno al giorno, in due sedi e per sedici settimane, ha un numero di soluzioni dell’ordine di grandezza di mille elevato alla millesima potenza. Trovare una soluzione ammissibile, cioè che rispetti tutti i vincoli, non è come cercare un ago in un pagliaio: è peggio che cercare un atomo in una galassia. Appunto per questo servono le tecniche di ottimizzazione matematica».

Una branca della matematica di cui in Italia non si fa quasi menzione

«Problemi di questo tipo sono totalmente al di fuori dell’ambito dei big data», avverte il prof. Righini, «poiché i dati necessari per risolverli sono pochi e non si trovano in rete, ma sono noti solo allo specifico decisore; sono quindi right data, cioè i dati giusti. Non è nemmeno detto che siano davvero dati: per esempio, il numero di sale operatorie da aprire per il modello matematico è un dato, ma in realtà è piuttosto una scelta. Non si è trattato neppure di un problema di intelligenza artificiale o di machine learning, perché lo scopo non era quello di emulare o simulare l’intelligenza umana né di apprendere automaticamente dall’esperienza; era invece un problema di ottimizzazione matematica, cioè di ricerca operativa, quella branca della matematica applicata della quale purtroppo in Italia non si fa quasi menzione, né nei curricula delle scuole superiori né perfino in molti corsi di laurea e laurea magistrale in matematica e altre discipline scientifiche».

Fornire risposte nei tempi richiesti da una situazione di emergenza

«Vale ancora la pena notare che non si è trattato neppure della soluzione a un classico problema matematico che procede dai dati (input) al risultato finale (output). Al contrario, il modello matematico del problema è stato modificato moltissime volte, poiché ogni soluzione (inclusa la risposta “Non esiste alcuna soluzione”) è sempre stata usata come punto di partenza per modificare o il modello del problema (le decisioni possibili, i vincoli da rispettare, gli obiettivi da ottimizzare) o i suoi dati o entrambi. È questa continua retroazione, tipica del metodo scientifico, che genera conoscenza riguardo al problema in esame. È tipico, infatti, dell’ottimizzazione matematica fornire strumenti per comprendere meglio un problema complesso generando conoscenza, prima ancora che “soluzioni ottime”. Infine, è proprio in occasioni come questa che si può apprezzare appieno l’importanza della collaborazione tra persone con competenze tra loro complementari e l’utilità di disporre di competenze già pronte, in particolare nel settore dell’ottimizzazione matematica e della ricerca operativa, attivabili immediatamente e in grado di fornire risposte in tempi compatibili con quelli di una situazione di emergenza».

 

Redazione Mondo Business
RICHIEDI LA TUA
COPIA GRATUITA
RICEVILA ADESSO