HHC-PSS: حل مسئله خدمات مراقبتی- درمانی در منزل با رویکرد زمان‌بندی پروژه با منابع محدود
محورهای موضوعی : آمار
1 - گروه ریاضی، دانشکده ریاضی کاربردی، دانشگاه پیام نور، ایران
کلید واژه: Scheduling scheme, Resource constrained project scheduling, Home health care services, Priority rule,
چکیده مقاله :
در مسئله خدمات مراقبتی-درمانی در منزل (HHC)، تخصیص تیم‌های پزشکی به بیماران و زمان‌بندی اعضای آن‌ها به صورت دستی انجام میگیرد که چنین رویکردی یک فرآیند زمان‌بر بوده و گاهاً با تخصیص بهینه فاصله دارد. در این مقاله برآنیم تا با رویکردی ابتکاری جدید مبتنی بر زمان‌بندی پروژه با منابع محدود، به بررسی مسئله تخصیص زمان‌بندی جهت زمان‌بندی تیم‌های پزشکی به بیماران بپردازیم. از جمله مزیت‌های چنین رویکردی می‌توان به استفاده از قضایا، مسائل نمونه‌ای استاندارد و شیوه‌های (فرا)ابتکاری متنوع زمان‌بندی جهت بهبود کیفیت تخصیص و همچنین تعیین حداقلی تعداد نیروهای انسانی مورد نیاز برای پوشش دادن تمام خدمات پزشکی درخواست شده توسط بیماران اشاره کرد. در این رویکرد با تعریف یک قاعده اولویت پویا و استفاده از شیوه زمان‌بندی موازی در قالب یک الگوریتم پیشنهادی به حل مسئله HHC می‌پردازیم. از جمله معیارهای ارزیابی برای بررسی کیفیت جواب‌های شدنی حاصل از زمان‌بندی می‌توان به کمینه کردن مدت زمان سفر اعضای تیم‌های پزشکی، کاهش ساعات اضافه‌کاری، استفاده حداکثری از پتانسیل نیروهای انسانی و غیره اشاره کرد. مجموعه جواب‌های شدنی مسئله در محدودیت‌هایی مانند مدت زمان کاری قید شده در قرارداد، پنجره زمانی سخت هر خدمت، استراحت اجباری و تخصیص مطلوب تیم پزشکی به بیماران (متناسب با نوع خدمت خواسته شده توسط بیمار) صدق می‌کنند. نتایج عددی حاصل از اعمال الگوریتم پیشنهادی بر روی مسائل کتابخانه‌ای کولیش، به منظور تجزیه و تحلیل رویکرد جدید ابتکاری آورده شده است که نشان از توانایی بالای این نوع رویکرد تبدیلی جدید در حل مسئله HHC دارد.
In home health care (HHC) problem, the assignment of medical teams to patients and scheduling medical members are done manually, which is a time-consuming process and sometimes are not optimized. In this article, we examine the scheduling assignment of medical teams to the patients with a new innovative approach based on resource constrained project scheduling problem. Advantages of proposed approach can be included the use of theorems, standard benchmark problems, and various (meta-innovative) scheduling methods to improve assignment quality, as well as determining the minimum number of human resources required to cover all medical services requested by patients. In this approach, we solve the HHC problem by defining a dynamic priority rule and using the parallel scheduling scheme. Evaluation criteria for evaluating the quality of feasible solutions resulting from scheduling include minimizing the travel time of medical team members, reducing overtimes, maximizing the number of human resources which are used, and so on. The set of feasible solutions satisfy to some constraints such as the total working time in the contracts, the hardware time window of each job, the mandatory breaking time, and the optimal assignment of the medical team to patients (according to the type of service requested by the patient). The numerical results obtained from calling the proposed algorithm on the Kolisch’s benchmarks are presented to evaluate the performance of proposed approach. Based on the results, the proposed algorithm has a high ability to solve the HHC problem.
[1] Abdennadher S, Schlenker H. “Nurse scheduling using constraint logic programming”. In: Proceedings of the 11th conference on innovative applications of artificial intelligence. Menlo Park, CA: AAAI Press; 1999. p. 838–43.
[2] Achuthan, N. Hardjawidjaja, A., “Project scheduling under time dependent costs–A branch and bound algorithm”. Annals of Operations Research 108 (1–4) (2001) 55–74.
[3] Begur S.V, Miller D.M, Weaver J.R, “An integrated spatial dss for scheduling and routing home-health-care nurses”. Interfaces 1997; 27(4):35–48.
[4] Bertels, S., Fahle, T. “A hybrid setup for a hybrid scenario: combining heuristics for the home health care problem”. Computers & Operations Research, 2006; Vol 33, 2866–2890.
[5] Brânzei, R. Ferrari, G. Fragnelli, V. Tijs, S., “Two approaches to the problem of sharing delay costs in joint projects”. Annals of Operations Research, 109 (1–4) (2002) 359–374.
[6] Burke E, De Causmaecker P, Vanden Berghe G. “A hybrid tabu search algorithm for the nurse rostering problem”. In: McKay B, Yao X, Newton C.S, Kim J.H, Furuhashi T, editors. Simulated evolution and learning. Lecture notes in artificial intelligence, vol. 1585. Berlin: Springer; 1999. 187–94.
[7] Cheng B.M.W, Lee J.H.M, Wu J.C.K. “A nurse rostering system using constraint programming and redundant modeling”. IEEE Transactions in Information Technology in Biomedicine (1997); 1(1): 44–54.
[8] Cheng E, Rich J.L., “A home health care routing and scheduling problem”. Technical report CAAMTR 98–04, Rice University, 1998 (an earlier version was presented at ISMP’97).
[9] Gang D., Xi L., Chuanwang S,. “Scheduling Optimization of Home Health Care Service Considering Patients’ Priorities and Time Windows”. Sustainability. 2017; 9. 253. 10.3390/ su9020253.
[10] Elmaghraby, S.E., “Activity networks: Project planning and control by network models”. Wiley, New York, 1977.
[11] Kolisch, R. Padman, R., “An integrated survey of deterministic project scheduling”. Omega 29 (2001) 249–272.
[12] Kolisch, R., 1995. “Project scheduling under resource constraints efficient heuristics for several problem classes”. Physica -Verlag, Heidelberg.
[13] Mason A.J, Smith M.C. “A nested column generator for solving rostering problems with integer programming”. In: Caccetta L, Teo KL, Siew PF, Leung YH, Jennings LS, Rehbock V, editors. International conference on optimization: techniques and applications. 1998. p. 827–34.
[14] Schneider U., Österle A., Schober D., Schober C., (2006). “Die Kosten der Pflege in Österreich: Ausgabenstrukturen und Finanzierung”. Tech Rep. 02, Institute for Social Policy, Vienna University of Economics and Business, Vienna, Austria.
[15] Smith-Daniels, D.E. Padman, R. Smith-Daniels, V.L., “Heuristic scheduling of capital constrained projects”. Journal of Operations Management, 14 (3) (1996) 241–254.
[16] Tareghian, H.R. Taheri, S.H., “A solution procedure for the discrete time, cost and quality tradeoff problem using electromagnetic scatter search”. Applied Mathematics and Computation, 190 (2) (2007) 1136–1145.
[17] Trautsamwieser, A., Hirsc P. “Optimization of daily scheduling for home health care services”, Journal of Applied Operational Research, 2011; 3(3), 124–136.