Классическая формула экономического размера заказа (EOQ) и стохастические модели идеальны для розничной торговли, где спрос на каждый товар абсолютно независим и формируется случайными покупателями. Однако на промышленном сборочном заводе логика совершенно иная. Спрос на автомобильные рули, колеса и двигатели не является случайным; он строго и математически детерминирован спросом на готовые автомобили. Использование стохастических моделей для таких деталей приводит к формированию гигантских неликвидных запасов. Для управления зависимым спросом в 1960-х годах Джозеф Орлики разработал алгоритмическую парадигму Планирования потребности в материалах (Material Requirements Planning, MRP), ставшую базисом всех современных ERP-систем.

В классической задаче маршрутизации транспорта с ограниченной вместимостью (CVRP) действует непоколебимое математическое правило: каждый клиент должен быть посещен строго одним грузовиком ровно один раз. Это правило радикально упрощает алгебраическую формулировку задачи, однако в реальном бизнесе оно часто приводит к катастрофической неэффективности. Если клиент заказал 6 тонн груза, а вместимость грузовика составляет 5 тонн, классическая модель либо потребует использовать более крупную машину, либо вообще выдаст статус недопустимого решения. Отказ от этого жесткого ограничения породил Задачу маршрутизации с разделенной доставкой (Split Delivery Vehicle Routing Problem, SDVRP), позволившую логистическим гигантам экономить миллионы на оптимальной утилизации автопарка.

Когда исследователям операций необходимо смоделировать поведение гигантских пространственно распределенных систем (формирование автомобильных пробок на многополосных шоссе, распространение лесных пожаров или динамику эпидемий), использование систем дифференциальных уравнений часто оказывается вычислительно неподъемным. В таких случаях на помощь приходит дискретная математическая парадигма — Клеточные автоматы (Cellular Automata, CA). Изобретенные Станиславом Уламом и Джоном фон Нейманом в 1940-х годах, клеточные автоматы демонстрируют, как из элементарных локальных правил взаимодействия между соседними ячейками самозарождаются невероятно сложные глобальные макроскопические паттерны, недоступные для аналитического предсказания.