ارائه مدل دوهدفه برنامه‌ریزی تصادفی خدمات پرستاری

از دلایل بالا بودن مدت‌زمان انتظار بیماران در بیمارستان ها، نبود کادر متخصص کافی در بیمارستان است، لذا بهینه نبودن هزینه‌ها و رضایت شغلی کادر پرستاری بیمارستان‌ها نشات‌گرفته 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 زمان های مختلف، تعیین برنامه نوبت‌کاری با کمترین ساعت‌کاری موردنیاز و برنامه‌ریزی نوبت‌کاری پرستاران در هر یک از شیفت ها با کم‌ترین هزینه برای بخش اورژانس انجام می شود. 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 روش های پیش بینی، مدل های تئوری صف و برنامه ریزی خطی عدد صحیح است. برای پیش بینی 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 (nsgaii) و الگوریتم زنبورها (ba) نسبت به شاخص‌های تعریف‌شده می باشد.

Presenting a biobjective random planning model for nursing services

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 metaheuristic Nondominated Sorting Genetic Algorithm (NSGAII) and the Bee Algorithm (BA) with respect to the defined indicators.