چکیده:
هدف: نظام سلامت یکی از بزرگترین صنعتها بهشمار میرود و برای حل مشکلات آن، به تلفیقی از دانش و مهارتهای مدیریتی و بالینی نیاز است. در این پژوهش، مسئله برنامهریزی استراتژیک و تخصیص ظرفیت اتاقهای عمل با در نظر گرفتن استراتژی برنامهریزی و زمانبندی بلوکی مطالعه شده است و یک مدل تلفیقی برای تعیین آمیخته بهینه جراحیها و تخصیص ظرفیت به سرویسهای جراحی بهصورت برنامهریزی آرمانی تصادفی برای مقابله با عدم قطعیت در تقاضای هر عمل ارائه شده است. هدف مدل حداقل کردن انحرافهای نامطلوب شامل تقاضای برآورده نشده، اضافهکاری سرویسها و بیکاری اتاقهای عمل تخصیص یافته، است. روش: بهدلیل NP-hard بودن مسئله، دستیابی به جواب دقیق با بزرگ شدن ابعاد آن بهصورت نمایی مشکل است. برای این منظور، الگوریتم فراابتکاری شبیهسازی تبرید پیشنهاد شده است. نتایج مدل ریاضی بهکمک نرمافزار GAMS با حلکننده COINBONMIN و روش شبیهسازی تبرید توسط نرمافزار متلب R2017a با یکدیگر مقایسه شده است. یافتهها: مثالهای ارائه شده، از اطلاعات بخش اتاق عمل بیمارستانی در کانادا با 9 سرویس جراحی، 110 عمل جراحی، 16 اتاق عمل و 220 تخت بستری استخراج شده است. برای کاهش تعداد متغیرهای تصمیم و قابل حل بودن مدل ریاضی، برای هر مثال، سرویسها و جراحیهای اندک با اتاقهای عمل محدودی انتخاب شد. مجموع بیکاری اتاقهای عمل تخصیصیافته در همه مثالها و در هر دو روش برابر با مقدار ایدهآل صفر بوده است. اختلاف میان مقادیر تابع بهینه هدف بهدست آمده از مدل برنامهریزی آرمانی تصادفی و الگوریتم شبیهسازی تبرید در مثالهای ارائه شده در بازه ]6/0,05/0[ قرار دارد. نتیجهگیری: در این پژوهش مدل برنامهریزی آرمانی تصادفی برای برنامهریزی و تعیین تعداد و ترکیب بهینه جراحیها و تخصیص ظرفیت به سرویسهای جراحی با در نظر گرفتن تقاضای غیرقطعی ارائه شده است. ایده مدل پیشنهاد شده آن است که با تغییر تعداد و ترکیب موارد جراحی، میتوان انحرافهای نامطلوب را کاهش 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