Добірка наукової літератури з теми "Ordonnancement (gestion) – Santé"

Cette thèse est consacrée à l’analyse des activités logistiques d’approvisionnement et de distribution dans le milieu hospitalier. La thèse est divisée en trois parties. Dans la première partie, nous étudions la conception d’un réseau de transport dans le milieu de la santé compte tenu des particularités distinctives de ce contexte. Concrètement, notre modèle utilise des coûts de transport obtenus à partir de grilles de tarifs commerciaux et considère explicitement le poids et le volume des produits. Enfin, nous proposons une métaheuristique de résolution qui combine un algorithme de recherche avec tabous et la recherche à voisinage variable. Dans le deuxième volet, nous nous intéressons à l’étude de l’équilibrage de la charge de travail et nous développons une métaheuristique de recherche avec tabous pour la résolution des problèmes d’équilibrage des lignes d’assemblage. Le troisième volet de la thèse est dédié à la gestion des activités de réapprovisionnement dans un établissement de santé et, spécialement, à l’importance d’un bon équilibrage dans la répartition de la charge de travail entre les jours de la semaine. Nous proposons une approche axée sur les activités et nous le comparons avec l’approche classique basée sur la gestion des inventaires. Nous développons une heuristique de recherche avec tabous qui résout la planification des activités logistiques d’approvisionnement et de distribution. Nous avons appliqué cette heuristique dans l’analyse de la probl2matique réelle issue d’un grand hôpital de la région de Montréal, Canada.

Les services de soins hospitaliers sont soumis à de nombreux évènements de natures aléatoires rendant leur gestion et leur pilotage difficiles. Ces difficultés organisationnelles reposent essentiellement sur l'incertitude permanente pesant sur les évolutions futurs, principalement en termes d'arrivées et de départs de patients. Pourtant, une prise en charge rapide et efficace des patients est primordiale pour des services tels que les urgences. Ces services doivent pouvoir placer rapidement leurs patients ce qui n'est possible uniquement si (i) les arrivées ont été anticipées et des places sont laissées vacantes dans les services pour recevoir les patients urgents et/ou (ii) le planning d'occupation des services est construit de telle manière que l'insertion d'un nouveau patient est facilitée.Notre objectif va être de gérer les flux de patients séjournant dans les services de courts-séjours de l'hôpital, depuis le choix d'admission d'un nouveau patient jusqu'à sa sortie, et ce, en s'inspirant des deux postulats précédant. A l'aide de modèles d'optimisation stochastique, une succession de problèmes de décisions, ayant pour but de garantir le bon fonctionnement des structures hospitalières, est résolue. Une hiérarchie en trois niveaux est appliquée pour résoudre le problème de gestion: 1. Planification des admissions des patients réguliers, 2. Affectation des patients aux unités de soins et insertion des urgences, 3. Affectation des patients d'un service aux chambres.Les études de cas sont basées sur les données d'un établissement partenaire, le Centre Hospitalier de Firminy (France)
Hospitals have to deals with a lot of random events making their management hard to realize. Those difficulties are mainly due to the uncertainty relative to future evolutions of demand, in particular in term of future arrivals and departures. Despite those difficulties, a fast and efficient hospitalization is required especially for some units like the emergency department. This department has to find quick solution to the problem of hospitalized of their patients. This can only be possible if (i) emergency arrivals are forecasted and so a bed is remaining free for them and/or (ii) the planning of beds occupation is made in a way allowing easy allocations of emergency patients.Our purpose is going to manage the patient flow in short stay unit (medicine and surgery) starting form the choice of an admission date for each patient until their discharge by keeping in mind the two previous assumptions. By using some stochastic optimization models, we solve a succession of decision problems in order to grant the good state of hospitals. Three level of decision are solved: 1. Admission scheduling for elective patients, 2. Patient assignment to hospital floors, 3. Patient assignment to rooms.Cases of study are based on data provided by a french hospital partner of this work, Firminy's Hospital Center

Cette thèse s’attaque à des problèmes d’ordonnancement des patients aux urgences, avec prise en compte des contraintes d’aval, en utilisant des approches d’optimisation collaboratives optimisant le temps d’attente global moyen des patients. Ces approches sont utilisées en intégrant, dans le comportement de chaque agent,une métaheuristique qui évolue efficacement, grâce à deux protocoles d’interaction "amis" et "ennemis". En outre, chaque agent s’auto-adapte à l’aide d’un algorithme d’apprentissage par renforcement adapté a unproblème étudié. Cette auto-adaptation tient compte d’expériences des agents et de leurs connaissances de l’environnement des urgences. Afin d’assurer la continuité d’une prise en charge de qualité des patients,nous proposons également dans cette thèse, une approche conjointe d’ordonnancement et d’affectation des lits d’aval aux patients. Nous illustrons les approches collaboratives proposées et démontrons leur sefficacités sur des données réelles provenant des services des urgences du CHU de Lille obtenues dans le cadre du projet ANR OIILH. Les résultats de simulations donnent des meilleurs ordonnancements par rapport aux scénarios dans lesquels les agents travaillent individuellement ou sans apprentissage.L’application des algorithmes qui gèrent la prise en charge des patients dans les services d’aval, fournit des résultats sous la forme d’un tableau de bord, contenant des informations statiques et dynamiques. Ces informations sont mises à jour en temps réel et permettent aux urgentistes d’orienter plus rapidement les patients vers les structures qui peuvent les accueillir. Ainsi, les résultats des expérimentations montrent que les algorithmes d’IA proposés peuvent améliorer de manière significative l’efficacité de la chaîne des urgences en réduisant le temps d’attente global moyen des patients en inter-intra-urgences
This thesis addresses the scheduling patients in emergency department (ED) considering downstreamconstraints, by using collaborative optimization approaches to optimize the total waiting time of patients.These approaches are used by integrating, in the behavior of each agent, a metaheuristic that evolvesefficiently, thanks to two interaction protocols "friends" and "enemies". In addition, each agent self-adaptsusing a reinforcement learning algorithm adapted to the studied problem. This self-adaptation considersthe agents’ experiences and their knowledge of the ED environment. The learning of the agents allowsto accelerate the convergence by guiding the search for good solutions towards more promising areas inthe search space. In order to ensure the continuity of quality patient care, we also propose in this thesis,a joint approach for scheduling and assigning downstream beds to patients. We illustrate the proposedcollaborative approaches and demonstrate their effectiveness on real data provided from the ED of the LilleUniversity Hospital Center obtained in the framework of the ANR OIILH project. The results obtainedshow that the collaborative Learning approach leads to better results compared to the scenario in whichagents work individually or without learning. The application of the algorithms that manage the patientscare in downstream services, provides results in the form of a dashboard, containing static and dynamicinformation. This information is updated in real time and allows emergency staff to assign patients morequickly to the adequate structures. The results of the simulation show that the proposed AI algorithms cansignificantly improve the efficiency of the emergency chain by reducing the total waiting time of patientsin inter-intra-emergency

Les travaux de cette thèse sont les fruits de collaboration depuis 2008 entre l'ICL et le Centre Ingénierie et Santé (CIS) de l'Ecole des Mines de Saint Etienne. CIS et ICL sont tous deux membres de l'Institut Fédératif de Recherche en Science, Ingénierie et Santé (IFRESIS) et participent tous deux aux travaux du Cancéropôle Lyon Auvergne Rhône-Alpes (CLARA) dont Franck Chauvin animait l'axe IV sur Epidémiologie, SHS, Information du Patient et Organisation des Soins. Cette thèse a été initiée avec la volonté de développer une recherche originale sur l'optimisation de la production de soins en cancérologie.Nous nous intéressons à différentes problématiques de la gestion de soins des patients dans un hôpital de jour en cancérologie. Nous visons à équilibrer au mieux les besoins journaliers en lits tout en prenant en compte l'adhérence aux protocoles de soins, les contraintes des oncologues et les aléas des flux de patients. Pour un hôpital de jour en oncologie, nous avons identifié et étudié les décisions suivantes : I. Le planning médical une fois par an afin de déterminer les périodes de travail des oncologues dans une semaine. Nous avons proposé une formulation originale sous forme d'un modèle de programmation linéaire en nombres mixtes (MIP) et une approche en 3-étapes. II. L'affectation des nouveaux patients qui détermine le jour de la chimiothérapie pour chaque patient entrant. Nous avons présenté trois stratégies de planification et nous avons décrit un algorithme de simulation pour évaluer ces stratégies de planification. Les stratégies de planification proposées exploitent les informations contenues dans les protocoles de soins des patients et utilisent l'optimisation Monte Carlo III. La planification des rendez-vous. Nous avons présenté deux méthodes pour la résolution de ce problème : une approche basée sur la relaxation Lagrangienne et une heuristique basée sur une optimisation par recherche localeIV. La planification des jours fériés : permet de remédier au problème des semaines comportant des jours fériés. Nous avons développé un modèle en programmation linéaire en nombres mixtes permettant de répartir rapidement la charge du jour férié sur les jours en amont et en aval sans trop dégradé l'efficacité du traitement, ni surcharger le travail de l'HDJ.

Cette thèse traite de l'évaluation des apports de l'introduction de nouvelles technologies de l'information et de la communication (NTIC), les technologies d'IDentification par Radio-Fréquences (RFID), dans le milieu de la Santé.Un premier objectif a naturellement consisté en la description des particularités de la production de soins et de l'organisation hospitalière, ainsi que des problématiques associées à la mise en place de systèmes RFID dans un contexte plus général et une présentation des outils permettant de répondre à ces problématiques.Suivent deux cas d'application issus du projet MISTRALS (Mutualisation Informatique des Systèmes Technologiques pour le Recherche phArmaceutique et La Santé) que sont les tumorothèques et la production de chimiothérapies.La partie "générique" des impacts des technologies mènent à la proposition d'une approche descriptive adaptée au problème. Les apports des technologies permettent d'inventorier les boîtes de cryotubes stockées à très basse température rapidement et précisément. Cette observation nous a poussés à définir et étudier des possibilités de la mise en place de l'activité de concaténation de ces boîtes. Cette activité et une approche d'optimisation la concernant sont intégrées à un outil de simulation par évènements discrets.L'intérêt des objets communicants est également pluriel dans la production des chimiothérapies. Outre les apports logistiques, les RFID permettent d'acquérir des données fiables pour paramétrer les profils et la performance des ressources humaines. Nous déterminons une approche de génération d'ordonnancements intégrant la gestion des compétences et l'intégrons à une simulation à évènements discrets.

In this thesis, we discussed various possibilities of integrating scheduling decisions with information and constraints from Advanced Process Control (APC) systems in semiconductor Manufacturing. In this context, important questions were opened regarding the benefits of integrating scheduling and APC. An overview on processes, scheduling and Advanced Process Control in semiconductor manufacturing was done, where a description of semiconductor manufacturing processes is given. Two of the proposed problems that result from integrating bith systems were studied and analyzed, they are :Problem of Scheduling with Time Constraints (PTC) and Problem of Scheduling with Equipement health Factor (PEHF). PTC and PEHF have multicriteria objective functions.PTC aims at scheduling job in families on non-identical parallel machines with setup times and time constraints.Non-identical machines mean that not all miachines can (are qualified to) process all types of job families. Time constraints are inspired from APC needs, for which APC control loops must be regularly fed with information from metrology operations (inspection) within a time interval (threshold). The objective is to schedule job families on machines while minimizing the sum of completion times and the losses in machine qualifications.Moreover, PEHF was defined which is an extension of PTC where scheduling takes into account the equipement Health Factors (EHF). EHF is an indicator on the state of a machine. Scheduling is now done by considering a yield resulting from an assignment of a job to a machine and this yield is defined as a function of machine state and job state.