Моделирование работы родильного отделения

Проблема:




Эта модель имитирует работу родильного отделения в строящейся больнице. Так как новая больница заменит уже существующую и персонал родильного отделения старой больницы будет работать в новой, модель также воспроизводит работу существующего отделения.


Задача этой модели состояла в поддержке принятия решений касательно ресурсов, пропускной способности и методов организации работы в новом отделении. Один из спорных моментов состоял в том, какой из способов обслуживания применять – совмещенный (мать и ребенок находятся в одной и той же палате в течение всего периода обслуживания) или раздельный (специальные палаты для предродового, послеродового обслуживания и родов), который использовался в текущей больнице.


Проект был выполнен для больницы Karolinska University Hospital в городе Стокгольм, Швеция.

Решение:




Эта проблема решается на оперативном или микроуровне абстракции, поэтому здесь следовало использовать метод дискретно-событийного моделирования. Он дает возможность наилучшим образом отразить в модели ресурсы, процессы, пациентов и другие элементы системы. Так как проблема требует рассмотрения двух альтернативных вариантов, полезно запускать эти сценарии параллельно, а не друг за другом. Это позволяет наглядно выделить различия в работе при одном и том же потоке пациентов. В модели это реализовано так: будущая мать «клонируется» и одновременно проходит два альтернативных процесса. Этот метод был использован также в целях поддержки обсуждений на двух совещаниях рабочей группы.

Моделирование отделения больницы

Модель существующего отделения

<Моделирование работы больницы

Модель проектируемого отделения

Набор изменяемых параметров позволил пользователям экспериментировать с различными сценариями. Эта модель рассматривает в основном материальные ресурсы, так что среди параметров были: годовой спрос на услуги отделения, количество палат разных категорий в текущем и проектируемом отделении, категории пациентов и их характерные черты (минимальное, максимальное и среднее время родов и послеродового обслуживания), пропорции и вероятности необходимости определенных типов обслуживания и приоритизация (в ситуациях, когда несколько типов ресурсов могут быть использованы для одного процесса).


Описание процессов не учитывает человеческие ресурсы. Для этого необходимо было бы включить в модель расписание работы персонала, категории и уровни подготовки работников, стратегии планирования и т.д. В данном случае этого не требовалось делать, учитывая, что цель моделирования состояла в рассмотрении материальных ресурсов и необходимых инвестиций для поддержки принятия решений. Таким образом, в модели сделано предположение, что персонала всегда достаточно. Действия работников включены в анимацию модели, но их доступность не ограничена.


Результат:




Главной целью этой модели было простимулировать и поддержать дискуссии в формате совещания рабочей группы. Моделирование помогло участникам лучше понять обсуждаемую ситуацию. Модель позволила им увидеть, что будущий сценарий можно было реализовать, и осознать необходимость подготовки к его реализации.


Результат также показал, что для людей, не имеющих знаний в сферах операционного менеджмента и управления системами здравоохранения, основы этих областей лучше всего объяснять с использованием анимированной имитационной модели. Например, в данном случае модель помогла донести до пользователей следующие знания:

  • Разделение общего спроса между несколькими специализированными ресурсами всегда будет уменьшать эффективную пропускную способность по сравнению с ситуацией, когда мы имеем то же самое количество доступных для всех ресурсов.
  • Оценка спроса всегда должна делаться в расчете на каждый тип ресурса. Количество ресурсов на тип должно быть достаточным, чтобы удовлетворять спрос на тип ресурса.
  • Исторические данные по пропускной способности, результатам и производственным показателям редко могут быть использованы для принятия решений для будущего, где характеристики системы и обстоятельства могут измениться.

Выходные данные и результаты моделирования представлялись в окне результатов. Показывалась статистика текущего и проектируемого отделений в числовом и графическом видах. Это позволило пользователям оценить сильные и слабые стороны каждого протестированного сценария.

Другие проекты

  • Моделирование распределительного склада фармацевтической компании
    Cardinal Health – компания с многомиллиардным оборотом, работающая в сфере дистрибуции и логистики фармацевтических товаров. Каждый день компания сталкивается со множеством логистических задач, типичных для распределительных складов, которые осложняются спецификой фармацевтической сферы. Компания использовала агентное моделирование для различных бизнес-задач, что позволило ей экономить 3 000 000 долларов ежегодно.
  • Развёртывание системы реанимобилей в Германии
    Реанимобили MSU (Mobile Stroke Units) были предложены для ускорения оказания помощи пациентам с апоплексическим ударом. Специалисты MSU должны начинать диагностику и терапию прямо на месте происшествия. Целью внедрения было снижение времени от поступления вызова до начала лечения больных для предотвращения риска возникновения инвалидности и снижения издержек в здравоохранении.
  • Моделирование на основе статистики врачебной практики
    Специалистам в сфере здравоохранения требуются инструменты для принятия решений относительно планирования, тестирования и оценки новых технологий и политик. Специфика данной области (комплексность и взаимозависимость процессов) превращает любые изменения и инновации в постоянное испытание для профессионалов индустрии. DWH Simulation Services в партнерстве с Австрийской Ассоциацией Социального Страхования (AASI) проанализировали данные системы здравоохранения Австрии для принятия важных для медицинской практики решений.
  • Оценка пропускной способности больничного стационара
    В шведском Стокгольме строилась новая узкоспециализированная больница, и местное управление здравоохранения задалось вопросом, сможет ли больница обслуживать нужное количество пациентов при текущих инвестициях и организационных планах. Специалисты использовали AnyLogic для поиска ответов на свои вопросы.
  • Моделирование медицинского обслуживания на уровне региона
    Регион Стокгольма (Швеция), как и любой регион, испытывает постоянную необходимость удовлетворять спрос на услуги здравоохранения различных групп пациентов. Каждая группа может быть рассмотрена как субпопуляция со своими особенностями, характеристиками и сложностями. Данный проект по имитационному моделированию рассматривал пациентов, которые нуждались в диализе почек.
  • Планирование реагирования на ЧС с помощью агентного моделирования
    Battelle – крупнейшая в мире некоммерческая независимая исследовательская организация. В одном из проектов исследователи должны были определить эффективность мер реагирования в случае детонации ядерного устройства, сравнив планы эвакуации населения и его укрытия на месте ЧС.
  • Оценка стратегий в сфере здравоохранения для уменьшения количества случаев кесарева сечения
    Множество специалистов здравоохранения давно говорят о необходимости уменьшения количества родов при помощи кесарева сечения. Алан Миллс, эксперт-статистик, и его коллеги провели исследование для штата Вашингтон, в котором воспроизвели при помощи моделирования часть системы здравоохранения США, занимающуюся родовспоможением.
  • Разработка стратегий в сфере здравоохранения с помощью моделирования
    Специалисты Центра исследований вопросов здравоохранения (Centre for Research in Healthcare Engineering, CRHE) решили создать инструмент анализа и визуализации, с помощью которого можно было бы лучше понять, как работает система здравоохранения Канады, и что именно следует изменить, чтобы повысить продолжительность жизни канадцев.
  • Исследование условий проживания людей с психическими заболеваниями в США при помощи моделирования
    За последние 60 лет в США увеличилось количество людей с серьёзными хроническими психическими заболеваниями, которые живут вне специальных лечебных учреждений. IBM Global Research и Otsuka Pharmaceuticals провели исследование с применением агентного моделирования, чтобы выяснить причины этих изменений в обществе.
  • Outpatient Appointment Scheduling Using Discrete Event Simulation Modeling
    Indiana University Health Arnett Hospital, consisting of a full-service acute care hospital and a multispecialty clinic, faced poor statistics because the number of no-show patients (those who don’t show up for their scheduled appointments) rose dramatically to 30%. This was primarily connected to the fact that clinic schedules were driven by individual preferences of the medical staff, which led to increased variations in scheduling rules. To eliminate the problem, the client wanted to develop a scheduling methodology that would benefit the clinic, doctors, and patients.