عنوان پایان‌نامه
کاربردمدلی یکپارچه با در نظر گرفتن اموزش چند گانه و تخصیص نیروی کار در سیستم های سلامت
- رشته تحصیلی
- مهندسی صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3178;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72881;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3178;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72881
- تاریخ دفاع
- ۱۹ دی ۱۳۹۴
- دانشجو
- حامد حبیب نژادلداری
- استاد راهنما
- مسعود ربانی
- چکیده
- مسئله تخصیص کارکنان درمان در منزل به عنوان تصمیم‌گیری در زمینه اینکه کدام‌یک از کارکنان به کدام بیمار تخصیص یابند، تعریف می‌شود. در این پایان‌نامه، یک مدل برنامه‌ریزی غیرخطی چند هدفه استوار با در نظر گرفتن آموزش چندگانه ارائه شد که در آن تابع هدف اول به دنبال کمینه کردن هزینه‌های متعادل‌سازی حجم‌کاری، آموزش چندگانه و همچنین حفظ و نگهداری این آموزش‌ها بود. تابع هدف دوم تعداد افراد تخصیص‌یافته به هر خدمت را کمینه میکند و تابع هدف سوم مرتبط با بیشینه کردن سطح رضایت کارکنان است. چندین محدودیت شامل توانایی کارکنان، ترجیحات کارکنان، باقاعدگی، همزمان‌سازی، غیبت کارکنان، مفهوم زنجیره‌ای، زمان کارکرد مجاز هر کارمند در روز و سطح چندکاره بودن در نظر گرفته شده‌است. به منظور نزدیک‌تر کردن مدل ارائه شده به شرایط دنیای واقعی، پدیده یادگیری و فراموشی در مدل لحاظ شده است. همچنین به منظور مواجه با عدم قطعیت در میزان تقاضا و نوسانات در نیروی انسانی، از روش برنامه‌ریزی استوار مبتنی بر مجموعه‌های عدم قطعیت بسته استفاده شده است. به دلیل NP-hard بودن مسئله در نظر گرفته شده، سه الگوریتم فراابتکاری به نام‌های الگوریتم ژنتیک با مرتب‌سازی نامغلوب 2 (NSGA-II)، الگوریتم ژنتیک با رتبه‌بندی نامغلوب (NRGA) و الگوریتم بهینه‌سازی ازدحام ذرات چند تابع هدفه (MOPSO) برای حل این مسئله ارائه شد و نتایج آن‌ها با استفاه از آزمون‌های آماری و بر اساس شاخص‌های مقایسه‌ای معرفی شده، مورد بررسی قرار گرفت. به منظور ارائه جواب اولیه، الگوریتمی ابتکاری با قابلیت تولید جواب‌های شدنی ارائه شد. در این الگوریتم از قانون چه‌کسی برای تخصیص کارکنان استفاده شده است. رفتار اجزا و ویژگی‌های مختلف مدل در یک شرکت درمان در منزل در تهران به‌عنوان مطالعه موردی مورد ارزیابی قرار گرفت. بر اساس نتایج بدست آمده، الگوریتم NSGA-II به عنوان الگوریتم برتر انتخاب شد. همچنین نتایج نشان داد که حجم‌کاری میان کارکنان به‌طور مناسبی به تعادل رسیده و ترجیحات کارکنان ارضا شده است. واژه‌های کلیدی: درمان در منزل، تخصیص کارکنان، آموزش چندگانه، برنامه‌ریزی استوار، الگوریتم‌های فراابتکاری
- Abstract
- Home care (HC) staff assignment problem is defined as deciding which staff to assign to each patient. In this study, a robust multi-objective non-linear mathematical programming model is presented to address staff assignment problem considering cross-training of caregivers for HC services. The first objective of the model minimizes costs of workload balancing, cross-training and maintenance. The second objective minimizes the number of employees for each service while the satisfaction level of caregivers is maximized through the third objective function. Several constraints including skill matching, staff preferences, regularity, synchronization, chaining, staff absenteeism and multi-functionality are considered to build a service plan. Furthermore, to approach real-world situations, learning and forgetting considerations are incorporated into the proposed model simultaneously. Also, a robust programming is used to deal with variations in the demand mix and fluctuations in the supply of human resources. Due to NP-hardness of the problem, we apply three multi-objective meta-heuristic algorithm, namely non-dominated sorting genetic algorithm (NSGA-II), non-dominated ranking genetic algorithm (NRGA) and multi-objective particle swarm optimization (MOPSO). A heuristic approach is proposed to generate feasible initial solutions. We used who-rule in proposed heuristic to determine which caregiver should be assigned to services. Also, the Taguchi method is adopted to tune performance of the algorithms’ parameters. The data required to run the model are gathered from a real-world HC provider. A comparative study of the forgoing algorithms demonstrates the effectiveness of the proposed NSGA-II with respect to four existing performance measures for several test problems. Based on the results obtained, it can be determined which staff should be cross-trained for each service and how the staff are assigned to services. Also, the results reveal that the caregivers’ workload is relatively balanced and the caregivers’ preferences are satisfied. Keywords: Home care, Staff assignment, Cross-training, Robust programming, Meta-heuristic algorithms.
