ارائه مدل دوهدفه برنامهریزی تصادفی خدمات پرستاری
Publish place: Supply Chain Management، Vol: 21، Issue: 65
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 268
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SCMJ-21-65_006
تاریخ نمایه سازی: 18 دی 1399
Abstract:
از دلایل بالا بودن مدتزمان انتظار بیماران در بیمارستانها، نبود کادر متخصص کافی در بیمارستان است، لذا بهینه نبودن هزینهها و رضایت شغلی کادر پرستاری بیمارستانها نشأتگرفته از بهکارگیری روشهای سنتی و غیرعلمی در تخصیص پرستاران به شیفتها میباشد. مقاله حاضر جهت تعیین حداقل پرستار موردنیاز با توجه به مراجعه بیماران در زمانهای مختلف، تعیین برنامه نوبتکاری با کمترین ساعتکاری موردنیاز و برنامهریزی نوبتکاری پرستاران در هر یک از شیفتها با کمترین هزینه برای بخش اورژانس انجام میشود. روش تحقیق پژوهش حاضر از نوع مدلسازی ریاضی و جامعه پژوهش، بیماران مراجعهکننده به بخش اورژانس و پرستاران یک مرکز درمانی در نظر گرفتهشده است. تجزیهوتحلیل اطلاعات؛ ترکیبی از روشهای پیشبینی، مدلهای تئوری صف و برنامهریزی خطی عدد صحیح است. برای پیشبینی میزان بیماران مراجعهکننده به اورژانس از روش سری زمانی و ابزار ARIMA و جهت بررسی سیستم صف با ظرفیت محدود از مدل M/M/C/K استفادهشده است. از مهمترین نتایج این تحقیق، تعیین بیشینه تعداد پرستارهای در دسترس در هر شیفت است. همچنین از دیگر نتایج این تحقیق، مقایسه کارایی هر یک از الگوریتمهای فرا ابتکاری ژنتیک مرتبسازی نامغلوب (NSGA-II) و الگوریتم زنبورها (BA) نسبت به شاخصهای تعریفشده میباشد.
Keywords:
مدیریت خدمات پرستاری , سریهای زمانی , تئوری صف , الگوریتم ژنتیک مرتبسازی نامغلوب , الگوریتم زنبورها
Authors
مهدی یوسفی نژاد عطاری
عضو هیات علمی دانشگاه آزاد اسلامی واحد بناب
ویدا کرباسی
دانشکده مهندسی صنایع و مکانیک، واحد قزوین
سیروان شریفی
عضو هیات علمی گروه مهندسی صنایع، دانشگاه آزاد اسلامی، واحد بناب، بناب، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :