Améliorer les capacités de prise de décision

Les chercheurs du projet SIMID (Simulation modeling to improve decision making in complex-dynamic environments) ont étudié ce qui conduit à une mauvaise compréhension puis à de mauvaises décisions. Pour les mêmes raisons, un apprentissage n'est pas classiquement efficace dans les environnements complexes de prise de décision.

Le projet s'est traduit par 5 résultats principaux. Le premier est une règle empirique proposée afin de sélectionner la valeur du paramètre pour la règle heuristique d'ancrage et ajustement, utilisée dans la gestion des stocks pour une large gamme de situations. Le deuxième a été la conception d'un modèle d'atterrissage «en douceur» et la comparaison détaillée de diverses heuristiques. Le troisième était un modèle basique de contrôle d'inventaire, et un jeu basé sur ce modèle. Les chercheurs ont conçu et conduit des expériences. Le quatrième était un modèle complexe de gestion de l'arriéré en service et en personnel, lui aussi servant de base à un jeu. De même, des expériences ont été conçues et conduites. Enfin, le dernier résultat était un modèle mathématique détaillé du célèbre problème de prise de décision nommé Beer Game. Les chercheurs l'ont programmé en R et l'ont utilisé pour conduire des simulations.

L'amélioration de la prise de décision dynamique est d'une grande importance pour des types et des niveaux très variés de gestion de systèmes dynamiques complexes. Elle est aussi importante pour les personnes qui tentent de contrôler leur poids. Elle est nécessaire pour les médecins et les infirmières qui gèrent des patients atteints de maladies chroniques. Et tous les responsables, à tous les niveaux, dans le public comme dans le privé, ont besoin de bonnes compétences en matière de prise de décision.

Pour améliorer la gestion des problèmes de plus en plus complexes du monde moderne, il faut en comprendre les complexités dynamiques. Et le fait de comprendre la complexité du monde moderne apportera les solutions aux problèmes de demain.

Les résultats de ces travaux peuvent être généralisés à d'autres types de problèmes réels de décision dynamique, en vue d'une application pratique.