手术室排程不确定性研究

发布时间：2019-08-20 09:29

【摘要】：医院手术的合理安排是医院，尤其是手术室正常工作的保证。手术排程涉及手术室、医生、护士、麻醉师、术前准备室和术后恢复室床位等六种资源的安排与约束，手术排程的目标是实现医院手术室利用率最大化，手术室成本趋近最优。已有手术排程文献大都集中于确定性手术排程的优化研究，即在所有待排手术和手术室各类资源的信息都是提前预知的且确定的前提下，为未来一段时间内所有科室的待执行手术分配具体的手术时间和手术资源。然而医院实际手术室的运作管理中，存在很多动态不确定的因素，限制了确定性手术排程优化结果的实用性。手术排程不确定性主要体现在三方面：资源不确定性、手术过程不确定性和手术需求不确定性。其中，资源不确定性描述了医护资源（如护士、麻醉师、医生等）、医疗设备和设施等在手术运作过程中的不可用情况；手术过程不确定主要是指手术持续时间、手术流程由于特殊原因发生改变；手术需求不确定性主要包括紧急病人的到达、手术取消或手术延迟。本文将分别考虑手术室常见的这三类不确定性，对手术排程问题展开研究。资源不确定性指是手术排程的六种资源中一种或多种出现缺席或暂时不可用的状态，本研究以手术室资源中的护士资源缺席为例，考虑护士缺席下的手术排程重调度问题特点，提出了优化最早手术完成时间、均衡的资源使用率、最少的资源加班时间以及最小的手术开始时间偏差四个目标的多目标优化数学模型，并设计双层蚁群算法求解。考虑手术时间不确定性的手术排程问题关注手术流程中的时间处于一定范围内波动，采用绝对鲁棒优化的思想，具体考虑手术持续时间的各种情景下，使得手术排程的最大手术室成本最优化，建立了求解时间不确定性手术排程的绝对鲁棒模型，并进一步设计了一个三层蚁群算法求解该手术排程的鲁棒优化问题。需求不确定指的是由于病人取消或紧急手术的出现导致的手术需求数目发生临时变动的情形。对于手术需求不确定性，本研究以考虑紧急手术需求为例，建立了需求不确定的手术排程在线调度模型，采用结合启发式规则和蚁群算法的在线调度方法，以手术室成本和资源安排最优为目标，实现手术排程的实时优化调整。并设计了仿真程序模拟验证在线调度方法的有效性模型。针对上述三类不确定性下的手术排程问题，本研究依据医院实际数据设计了若干算例对算法进行验证，结果显示所提出的方法不仅能实现手术室多类运作指标的优化，并且加强了其在医院手术室实际运作中的实用性。
【图文】：

路径图,蚂蚁,内层,路径

图 4.2 蚂蚁第二层（内层）爬行路径Fig. 4.2 The second layer (inner layer) of the ant colony graph上述过程为蚂蚁爬行的第一层和第二层的路径及选择的对象，本文的绝对优化主要是在第三层，按照绝对鲁棒优化的思想，需求一个手术最坏成本的蚁第三层爬行主要是找出这个最坏成本，并在 m 只蚂蚁中取其使最坏成本最路径，为找出所有情景下的手术成本，第三层每只蚂蚁需要爬行 2n次，n 为手图为表示方便，使用数字 0 代表手术持续时间取上界值，使用数字 1 代表手界值，例如，蚂蚁在外层的爬行路径为 5→3→2→4→6→1→7，如果某只蚂第三层路径为[1 0 1 0 1 1 0], 则表示手术 5 的持续时间取上界，手术 3 的持界，以此类推，最后根据目标函数计算改顺序下的 f1(x,p) ,第三层总共有 m 其最小值，记录取得最小值的蚂蚁，第三层结束。

甘特图,目标函数,迭代次数,甘特图

图 4.5 目标函数迭代次数图Fig. 4.5 the iteration of the objective function爬行的资源安排甘特图如图 4.6 所示，其中 N 表示每个护士的时间安排，安排，A 表示麻醉师的安排，p 表示术前准备室的安排，R 表示术后恢复甘特图可以看出资源的安排在同一时间没有从重复，并且每种资源的安排有出现一个资源过度安排和过少安排的情况，证明手术的安排合理[51]。
【学位授予单位】：宁波大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18;R197.3

【参考文献】