تعيين آميخته بيماران و تخصيص ظرفيت به سرويسهاي جراحي در بيمارستانها بهكمك شبيهسازي تبريد

Determining the Optimal Surgical Case-Mix and Capacity Assignment for Surgical Services in Hospitals Using Simulated Annealing

هدف: نظام سلامت يكي از بزرگترين صنعت­ها بهشمار ميرود و براي حل مشكلات آن، به تلفيقي از دانش و مهارت‌هاي مديريتي و باليني نياز است. در اين پژوهش، مسئله برنامه ­ريزي استراتژيك و تخصيص ظرفيت اتاق­ هاي عمل با در نظر گرفتن استراتژي برنامه ­ريزي و زمانبندي بلوكي مطالعه شده است و يك مدل تلفيقي براي تعيين آميخته بهينه جراحي‌ها و تخصيص ظرفيت به سرويس‌هاي جراحي بهصورت برنامه ­ريزي آرماني تصادفي براي مقابله با عدم قطعيت در تقاضاي هر عمل ارائه شده است. هدف مدل حداقل كردن انحرافهاي نامطلوب شامل تقاضاي برآورده نشده، اضافه ­كاري سرويس ­ها و بيكاري اتاق‌هاي عمل تخصيص يافته، است. روش: بهدليل NP-hard بودن مسئله، دستيابي به جواب دقيق با بزرگ شدن ابعاد آن بهصورت نمايي مشكل است. براي اين منظور، الگوريتم فراابتكاري شبيه­ سازي تبريد پيشنهاد شده است. نتايج مدل‌ رياضي بهكمك نرمافزار GAMS با حل­ كننده COINBONMIN و روش شبيهسازي تبريد توسط نرم­ افزار متلب R2017a با يكديگر مقايسه شده است. يافتهها: مثال­هاي ارائه شده، از اطلاعات بخش اتاق عمل بيمارستاني در كانادا با 9 سرويس جراحي، 110 عمل جراحي، 16 اتاق عمل و 220 تخت بستري استخراج شده است. براي كاهش تعداد متغيرهاي تصميم و قابل حل بودن مدل رياضي، براي هر مثال، سرويسها و جراحيهاي اندك با اتاقهاي عمل محدودي انتخاب شد. مجموع بيكاري اتاق‌هاي عمل تخصيصيافته در همه مثال­ها و در هر دو روش برابر با مقدار ايده­ آل صفر بوده است. اختلاف ميان مقادير تابع بهينه هدف بهدست آمده از مدل برنامه ­ريزي آرماني تصادفي و الگوريتم شبيه­ سازي تبريد در مثال­هاي ارائه شده در بازه ]6/0,05/0[ قرار دارد. نتيجهگيري: در اين پژوهش مدل برنامه ­ريزي آرماني تصادفي براي برنامه ­ريزي و تعيين تعداد و تركيب بهينه جراحيها و تخصيص ظرفيت به سرويس‌هاي جراحي با در نظر گرفتن تقاضاي غيرقطعي ارائه شده است. ايده مدل پيشنهاد شده آن است كه با تغيير تعداد و تركيب موارد جراحي، مي‌توان انحرافهاي نامطلوب را كاهش داد.

Objective: As a crucial industry,the health system needs both managerial and clinical knowledge to solve its problems. This research studies the strategic planning and capacity allocation in operating rooms considering planning and block scheduling strategies. an‎d then, a combined model for determining the optimal case-mix planning and allocating capacity to surgical services is developed as a stochastic optimal programming to face with the uncertain demand for surgery. The purpose of this model is to minimize undesirable deviations including unsatisfied demand, services overutilization and inactive operating rooms. Methods: Because the problem is NP-hard in nature, determining the exact solution for real cases will be difficult exponentially. Therefore, a meta-heuristic simulated annealing algorithm is proposed. The results of the mathematical model using GAMS (COINBONMIN) and simulated annealing method, using MATLAB have been compared. Results: The samples have been extracted from a Canadian hospital with 9 surgical services, 110 surgeries, 16 operating rooms and 220 beds. To decrease the number of variables and solve the mathematic model, only a few services, surgeries and operating rooms have been selected. The number of operating rooms not underutilization as studied by both methods for all samples is zero – the optimal. The difference between the optimal values of the objective function obtained from the stochastic goal programming and the simulated annealing method for the samples lies within the range of [0/05, 0/6]. Conclusion: A stochastic goal programming model has been proposed to determine the number and composition of surgical operations and allocate capacity to surgical services with regard to uncertain demand. The idea of ​​the proposed model is that by changing the number and composition of surgical cases, undesirable deviations can be minimized.