ارائه مدل دوهدفه برنامه ريزي تصادفي خدمات پرستاري

Presenting a bi-objective random planning modelfor nursing services

از دلايل بالا بودن مدت زمان انتظار بيماران در بيمارستان ها، نبود كادر متخصص كافي در بيمارستان است، لذا بهينه نبودن هزينه ها و رضايت شغلي كادر پرستاري بيمارستان ها نشات گرفته از به كارگيري روش هاي سنتي و غيرعلمي در تخصيص پرستاران به شيفت ها مي باشد. مقاله حاضر جهت تعيين حداقل پرستار موردنياز با توجه به مراجعه بيماران در زمان هاي مختلف، تعيين برنامه نوبت كاري با كمترين ساعت كاري موردنياز و برنامه ريزي نوبت كاري پرستاران در هر يك از شيفت ها با كم ترين هزينه براي بخش اورژانس انجام مي شود. روش تحقيق پژوهش حاضر از نوع مدل سازي رياضي و جامعه پژوهش، بيماران مراجعه كننده به بخش اورژانس و پرستاران يك مركز درماني در نظر گرفته شده است. تجزيه وتحليل اطلاعات؛ تركيبي از روش هاي پيش بيني، مدل هاي تيوري صف و برنامه ريزي خطي عدد صحيح است. براي پيش بيني ميزان بيماران مراجعه كننده به اورژانس از روش سري زماني و ابزار ARIMA و جهت بررسي سيستم صف با ظرفيت محدود از مدل M/M/C/K استفاده شده است. از مهم ترين نتايج اين تحقيق، تعيين بيشينه تعداد پرستارهاي در دسترس در هر شيفت است. همچنين از ديگر نتايج اين تحقيق، مقايسه كارايي هر يك از الگوريتم هاي فرا ابتكاري ژنتيك مرتب سازي نامغلوب (NSGA-II) و الگوريتم زنبورها (BA) نسبت به شاخص هاي تعريف شده مي باشد.

One of the reasons for the high waiting time for patients in hospitals is the the lack of sufficient staff in the hospital, so the inefficiency of costs and job satisfaction of hospital nursing staff stems from the use of traditional and unscientific methods in allocating nurses to shifts. The present study is designed to determine the minimum number of nurse required according to the number of patients referred at different times, determine the shift schedule with the least required hours and schedule shifts for nurses in each shift with the lowest cost for the emergency department. The research method of the present study is of the mathematical modeling and research community, patients referring to the emergency department and nurses of a medical center. Data analysis is a combination of predictive methods, queuing theory models, and linear numerical programming. To predict the number of patients referring to the emergency, the time series method and ARIMA tools were used, and the M/M/C/K model was used to examine the queue system with limited capacity. One of the most important results of this study is to determine the maximum number of nurses available in each shift. Another result of this study is the comparison of the performance of each of the meta-heuristic Non-dominated Sorting Genetic Algorithm (NSGA-II) and the Bee Algorithm (BA) with respect to the defined indicators.