زمان بندی روزانه اتاق های عمل در شرایط عدم قطعیت با رویکرد بهینه‌سازی مبتنی بر شبیه‌سازی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد، دانشگاه اصفهان.

2 استادیار، دانشگاه اصفهان.

چکیده

زمان ­بندی اتاق ­های عمل نقش مهمی در افزایش بهره‌وری آن­ها و کاهش هزینه­ های بیمارستان­ ها دارد. به­ علت عدم­ قطعیت‌های مختلفی که در فعالیت‌های اتاق عمل وجود دارد، این مسئله می ­تواند بسیار چالش‌برانگیز باشد. در این پژوهش مسئله زمان‌بندی روزانه اعمال جراحی در 3 مرحله آماده‌سازی جراحی، جراحی و ریکاوری و با در­نظر­گرفتن کلیه محدودیت­ های واقعی بیمارستان‌های آموزشی- درمانی بررسی شده است. این مسئله به تعیین توالی، زمان شروع هر یک از اعمال جراحی و تخصیص منابع موردنیاز در هر مرحله با هدف کمینه­ کردن مجموع زمان بیکاری و اضافه‌کاری اتاق‌های عمل در شرایط عدم­ قطعیت در مدت‌زمان عمل­ های جراحی می­ پردازد. با توجه به عدم­ کارایی روش­ های حل دقیق در حل مسائل برنامه­ریزی احتمالی بزرگ، در این پژوهش یک رویکرد بهینه ­سازی مبتنی بر شبیه ­سازی برای رویارویی با عدم ­قطعیت ارائه شده است. بدین منظور یک الگوریتم مورچگان دوسطحی با شبیه­ سازی ترکیب شده است. الگوریتم ارائه‌شده در حل تعداد متعددی از مسائل واقعی از بیمارستان آموزشی ـ درمانی هاشمی­ نژاد تهران با مجموعه­ ای از سناریوهای تصادفی تولیدشده، آزمون شده است. تحلیل نتایج نشان می‌دهد در شرایط عدم­ قطعیت، ارزش جواب حاصل از روش ترکیبی پیشنهادی بیش از 75 درصد است. نتایج نمایانگر کارایی الگوریتم پیشنهادی در حل مسائل دنیای واقعی است.

کلیدواژه‌ها


1. Adeli, M. & Zandieh, M. (1392). A multi-objective simulation optimization approach for integrated supplier selection and inventory decisions. Journal of Industrial Management Perspective, 11, 89-110.

2. Atighehchian, A. (1390). Surgical case scheduling with uncertain duration of surgery. Ph.D. thesis, Department of Industrial Engineering, Factually of Engineering, Tarbiat Modares University.

3. Baesler, F., Gatica, J. & Correa, R. (2015). Simulation optimization for operating room scheduling, Int j simul model, 14 (2), 215-226.

4. Banditori, C., Cappanera, P. & Visintin, F. (2013). A combined optimization–simulation approach to the master surgical scheduling problem. IMA Journal of Management Mathematics, 24(2), 155–187.

5. BIRGE, J. R. & LOUVEAUX, F. (1997). Introduction to stochastic programming, New York, Springer.

6. Cardoen, B., Demeulemeester, E. & Beliën, J. (2010). Operating room planning and scheduling: A literature review. European Journal of Operational Research, 201(3), 921–932.

7. Chow, V. S., Puterman, M. L., Salehirad, N., Huang, W. & Atkins, D. (2011). Reducing Surgical Ward Congestion Through Improved Surgical Scheduling and Uncapacitated Simulation. Production and Operations Management, 20(3), 418–430.

8. Denton, B. T., Miller, A. J., Balasubramanian, H. J. & Huschka, T .R. (2009) Optimal Allocation of Surgery Blocks to Operating Rooms Under Uncertainty. Operations Research. 58 (4).

9. Dorigo, M., Maniezzo, V. & Colorni, A. (1996). Ant system: optimization by a colony of cooperating agents. IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics).

10. Eskandari, H. & Bahrami, M. (1396). Multi objective operating room scheduling using simulation based optimization. Journal of industrial engineering, 51(1), 1-13.

11. Ghazalbash, S., Sepehri, M. M., Shadpour, P. & Atighehchian, A. (2012). Operating Room Scheduling in Teaching Hospitals. Advances in Operations Research.

12. Granja, C., Almada-Lobo, B., Janela, F., Seabra, J. & Mendes, A. (2014). An optimization based on simulation approach to the patient admission scheduling problem using a linear programing algorithm. Journal of Biomedical Informatics, 52, 427–437.

13. JUAN, A. A., FAULIN, J., GRASMAN, S. E., RABE, M. & FIGUEIRA, G. (2015). A review of simheuristics: Extending metaheuristics to deal with stochastic combinatorial optimization problems. Operations Research Perspectives, 2,  62–72.

14. Liang, F., Guo, Y. & Fung, R. Y. (2015). Simulation-Based Optimization for Surgery Scheduling in Operation Theatre Management Using Response Surface Method. J Med Syst, 39(11), 159.

15. López, J., López, C., Olguín, J., Camargo, C. & López, J. (2013). Surgery Scheduling Using Simulation with Arena. Paper presented at the Proceedings of World Academy of Science, Engineering and Technology.

16. Mirghaderi, S. H. & Zandieh, M. (1390). Designing a new meta-heuristic algorithm based on the behavior of the mathematical functions xCos(x), tanh(x). Journal of Industrial Management Perspective, 2, 107-123.

17. Ozcan, Y. A., Tanfani, E. & Testi, A. (2016). Improving the performance of surgery-based clinical pathways: a simulation-optimization approach. Health Care Management Science, 20, 1, 1-15.

18. Sagnol, G., Barner, C., Borndörfer, R., Grima, M., Seeling, M., Spies, C. & Wernecke, K. (2016). Robust Allocation of Operating Rooms: a Cutting Plane Approach to handle Lognormal Case Durations and Emergency Arrivals. ZIB Report ,16-18

19. Samudra, M., Van Riet, C., Demeulemeester, E., Cardoen, B., Vansteenkiste, N. & Rademakers, F. E. (2016). Scheduling operating rooms: achievements, challenges and pitfalls. Journal of Scheduling, 19(5), 493–525.

20. Saremi, A., Jula, P., ElMekkawy, T. & Wang, G. G. (2013). Appointment scheduling of outpatient surgical services in a multistage operating room department. International Journal of Production Economics, 141(2), 646–658.

21. Sun, Y. & Li, X. (2011). Optimizing surgery start times for a single operating room via simulation. Proceedings of the 2011 Winter Simulation Conference (WSC).

22. Tarkesh, H., Atighehchian, A, & Nookabadi, A. S.( 2009).Facility layout design using virtual multi-agent system. Journal of Intelligent Manufacturing, 20(4), 347-357 .

23. Xiang, W., Yin, J. & Lim, G. (2015). An ant colony optimization approach for solving an operating room surgery scheduling problem. Computers & Industrial Engineering, 85, 335–345.

24. Zhang, Z., Xie, X. & Geng, N. (2012). Promise surgery start times and implementation strategies. 2012 IEEE International Conference on Automation Science and Engineering (CASE).

25. Zhang, Z., Xie, X. & Geng, N. (2014). Simulation-based surgery appointment sequencing and scheduling of multiple operating rooms. In 2014 IEEE International Conference on Automation Science and Engineering (CASE) (pp. 399–404). IEEE.