عنوان پایاننامه
مدلسازی ریاضی چند هدفه جدید برای زمانبندی اتاق عمل تحت شرایط عدم قطعیت
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3078;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 71004
- تاریخ دفاع
- ۲۶ مرداد ۱۳۹۴
- دانشجو
- مهسا قنبرپورممقانی
- استاد راهنما
- رضا توکلی مقدم
- چکیده
- بخش جراحی نشان دهنده یکی از حساسترین و گرانقیمتترین منابع بیمارستانی است که درصد بالایی از موارد بستری در بیمارستان به دلیل جراحی است، لذا برنامه ریزی و زمانبندی مؤثر کارای سالن های جراحی، به امری ضروری و عاجل تبدیلشده است تا استفاده بهینه از منابع، انجام به موقع جراحی ها و کاهش زمان انتظار بیماران را تضمین کند. در این پایان نامه، مسئله زمانبندی سالن های جراحی با هدف کمینه سازی زمان انتظار بیماران، اضافه کاری اتاق عمل و عدم استفاده مفید از اتاق عمل و همچنین کمینه کردن زمان خروج آخرین بیمار از بیمارستان در بازه زمانی موردنظر جراحی بیماران با اولویت بالا در ابتدای روز کاری مدل شده است. در این مسئله همچنین محدودیتهای مختلف ازجمله ظرفیت بخشهای مراقبت های پس از عمل و عدم توقف بین بخشها و محدودیت منابع، حضور جراح و نوبتهای حضور او، بیشینه زمان اضافه کاری و زمان حضور بیمار در بیمارستان در نظر گرفتهشده است. در ضمن این مدل بیمار را به تخت بخشهای بعد از جراحی ازجمله مراقبت های ویژه، بازیابی و بخش عمومی نیز تخصیص میدهد. در این پایاننامه دو مدل تک فازی و دوفازی برای این مسئله ارائه گردیده است. با توجه به اینکه در اتاقهای عمل عدم اطمینان فاکتوری تعیینکننده است مسئله به روش بهینه سازی استوار با در نظر گرفتن عدم اطمینان در طول جراحی و ورود بیماران حل شده است. بهمنظور حل این مسئله پس از اثبات ان¬پی سخت بودن مسئله از دو الگوریتم فرا ابتکاری جستجوی هارمونی و شبیهسازی تبرید برای حل تقریبی آن استفاده شده است. بهترین مجموعه پارامترها را توسط روش تاگوچی تخمین زده-ایم. سپس عملکرد الگوریتم پیشنهادی با الگوریتم شبیه سازی تبرید بر اساس دو مقیاس زمان محاسبه و شاخص فاصله از نقطه ایده آل مقایسه شده است. همچنین جهت ارائه ی تصمیمات مدیریتی، چندین تحلیل حساسیت صورت پذیرفته و ارائه گردیده است. لغات کلیدی: حوزهی سلامت، برنامهریزی اتاق عمل، زمانبندی، بهینهسازی استوار، الگوریتم جستجوی هارمونی، الگوریتم شبیهسازی تبرید.
- Abstract
- Operating theater is one of the most critical and expensive hospital resources which a high percentage of hospital admissions is due to surgical interventions, therefore effective planning and scheduling surgery rooms has become a necessary and important field to guarantee the optimal utilization of medical resources, delivering surgeries at the right time and minimizing patients waiting time. In this study, the operating room scheduling problem has been modeled to operate high priority patients' surgeries at the beginning of the days, to minimize the patient waiting time, overtime of operating rooms and non-beneficial use of operating rooms or under time of operating rooms, as well as minimizing makespan. Also in this problem various limitations such as the capacity of PACU, ICU and ward are considered. Non-stopping between sections and resources limitations and surgeon's presence shifts are considered too. The maximum of overtime and patients entering time in hospital or release time of cases are taken into consideration in the proposed model as well, while the model is also assigning the patient to further units after surgeries such as ICU, PACU and ward. In this thesis, two single-phase and two-phase models are proposed. Given that, uncertainty is a determining factor in operating rooms; duration of operations and release time of patients are considered as uncertain Parameters and the Robust Optimization model is proposed for the problem. In order to solve this problem after proving that it is NP-Hard, two algorithms Harmony Search and Simulated Annealing have been used for solving problems. Parameters of both algorithms have been estimated by Taguchi method. Then the performances of proposed algorithms based on two scales of calculating time and Mean Ideal Distance (MID) are compared. Also to provide strategic decisions several sensitivity analyzes carried out and are presented. Keywords: Healthcare, Operating Room Scheduling, Robust Optimization, Harmony Search, Simulated Annealing.