چکیده
در این مقاله ما به یک مدل کلی و انعطاف پذیر شبیه سازی برای خدمات فوریت های پزشکی (EMS) میپردازیم .
این مدل دو رویکرد مدلسازی متفاوت را با هم ادغام کرده است :
Discrete event(DE) , Agent Based(AB)
مدل شبیه سازی DE : برای مدل سازی جریان کار اساسی مدیریت EMS استفاده میشود که این امر به شما اجازه میدهد تا نقاط قوت و ضعف سیستم را شناسایی کرده و ابعاد نیرو های انسانی و آمبولانس ها را ارزیابی کنید.
برای ارزیابی سیستم های پیشرفته مدیریت آمبولانس (مسیریابی مجدد، گشت زنی و ...) لازم است که از موقعیت آمبولانس در هر لحظه اطلاع داشته باشیم .برای این رویکرد ما از مدل AB برای اطلاع از حرکت آمبولانس ها استفاده میشود.
مقدمه
سیستم خدمات فوریت های پزشکی(EMS) یک سرویس ارائه مراقبت قبل از بیمارستان برای بیماران مبتلا به بیماری و جراحات است . نکته کلیدی در سیستم مدیریت اورژانس سریع در دسترس بودن است تا بیمار را سریع نجات دهد، به همین دلیل سازماندهی و برنامه ریزی خدمات پزشکی اورژانس در یک منطقه شهری مشکل مهمی است که در همه جای دنیا وجود دارد .
در ضمن مدیریت سرویس های مشابه باید از زوایای مختلفی در نظر گرفته شود ، مانند مکان آمبولانس و جابجایی ، اختصاص آمبولانس به تماسها ، برنامه ریزی پرسنل و ابعاد. در دنیای واقعی این مشکلات از طریق اپراتور های با تجربه حل میشود .
نقطه شروع این مقاله با همکاری مدیریت EMS میلان انجام شده است. شهر میلان با توجه به جمعیت و ابعاد کیس خوبی است .میلان بزرگترین شهر در شمال ایتالیا است ، قریب به 2 میلیون نفر جمعیت دارد و روزانه حدود 1 میلیون مسافر دارد. علاوه بر این ها با افزایش جمعیت تعداد تماس های اضطراری نیز افزایش می یابد.
سیستم مدیریت EMS میخواهد خدمات ارائه شده به شهروندان را بهبود ببخشد، بنابراین از 10 سال پیش شروع به جمع آوری داده در تعداد تماس های ورودی، مدت زمانی که هر ماموریت طول میکشد و مدت زمانی که طول میکشد آمبولانس به بیمار برسد و آنرا به بیمارستان برساند و غیره کرده است .
تماس برای خدمات اورژانسی از طریق مراکز تماس کنترل میشوند : وقتی که با اپراتور تماس میگیرند، اپراتور یک سری اطلاعات اولیه و همچنین اطلاعات مکان را میگیرد و تریاژ را تعیین میکند و یک آمبولانس را به درخواست اورژانس اختصاص می دهد.
به منظور تضمین پوشش، آمبولانس ها در منطقه مستقر می شوند : هر آمبولانس بعد از انجام ماموریت در پشت آمبولانس از پیش تعریف شده منتظر اعزام به ماموریت جدید است.
توجه داشته باشید که آمبولانس با در بازه زمانی مشخصی به صحنه برسد.
در این مقاله ما در مورد یک مدل کلی و انعطاف پذیر برای شبیه سازی سیستم مدیریت EMS حرف زدیم. این مدل دو رویکرد مدلسازی را با هم ادغام میکند:
Discrete Event(DE) , Agent Base (AB).
رویکرد DE برای مدل سازی جریان کار اساسی مدیریت EMS استفاده می شود: این امر به شما اجازه می دهد تا تنگناهای سیستم را شناسایی کرده و ابعاد منابع را از نظر نیروهای انسانی و آمبولانس ها ارزیابی کنید.
در مدل DE زمان خدمتدهی آمبولانس با یک تاخیر زمانی مدلسازی شده است. زمان سرویس آمبولانس معمولاً با تاخیر زمانی مدل می شود که اغلب با استفاده از یک مدل زمان دقیق سفر یا بازیابی آن از پایگاه داده برای مدل های شبیه سازی داده محور محاسبه می شود.این رویکرد معمولاً برای نشان دادن سیستم واقعی کافی است.از طرف دیگر ، برای ارزیابی تأثیر برخی از سیاستهای پیشرفته مدیریت آمبولانس (به عنوان مثال ، تغییر مسیر ، گشت زنی و ...) ، لازم است بدانید که آمبولانس در هر زمان دقیقاً کجاست. این نیاز منجر به مدل های شبیه سازی از حرکت آمبولانس در منطقه مورد نظر می شود.
مدلسازی جریان کار
به منظور ایجاد یک مدل DE به نمایندگی از جریان کار EMS ، ما موظف هستیم دنباله اقدامات مشخص کننده فرایند تصمیم گیری را شناسایی کنیم. این اقدامات باید تا حد امکان کلی باشد تا بتواند قابلیت حمل مدل را تضمین کند. علاوه بر این ، در صورت لزوم ، می توانید جزئیات بیشتری را در مدل به منظور نشان دادن موارد واقعی تر معرفی کنید .
فرایند تصمیم گیری، در EMS شامل 5 عمل به صورت A1...A5 که به صورت زیر آورده شده است.
اگر ماموریت فوری باشد ( کد تریاژ قرمز یا زرد) نزدیکترین آمبولانس موجود به آن خدمت خواهد کرد. در غیر این صورت ، یک مأموریت غیر اضطراری می تواند مدتی منتظر بماند تا تعداد آمبولانس های موجود از آستانه مشخص شده بیشتر شود. این امر به منظور تضمین حداقل پوشش منطقه است
با توجه به مدل جریان کار ، اقدامات فوق دو نوع عنصر را برای معرفی در مدل DE ، یعنی تاخیرها و بلوک های تصمیم گیری ، تعیین می کند. تاخیرها زمان سرویس دهی در A1 و زمان معالجه در A3 و زمان خدمتدهی در بیمارستان در A4 و جابجایی در A3 , A4 ,A5 هستند.
منابع به کار رفته در مدل توسط بلوک های استخر منبع مدل شده اند ، که در شکل 4 نشان داده شده است. منابع را می توان ساعتی تعریف کرد ، یعنی می توان تعداد صحیحی از آمبولانس ها یا اپراتورهای موجود در هر ساعت از روز را تعیین کرد. این میزان انعطاف پذیری بالایی را تضمین می کند ، به ویژه هنگامی که مدیران EMS نیاز به تعیین تعداد اپراتورها با توجه به بار سیستم دارند.از دید اجرا ، منابع در صورت لزوم محفوظ و آزاد می شوند: اپراتورها در بلوک "callCenter" گزارش شده در شکل 1 محفوظ و آزاد شده اند. آمبولانس توسط بلوک با فلش قرمز در شکل 2 محفوظ است و در پایان ماموریت ، یعنی بلوک هایی با پیکان سبز در شکل 3 منتشر می شود.
ما مشاهده می کنیم که در مدل ما تماس ها و مأموریت ها (و تأخیرهای مربوط به آنها) مستقیماً از پایگاه داده EMS تولید می شوند. این ویژگی تضمین می کند که قابلیت حمل مدل از همان قالب بانک اطلاعاتی در سایر EMS که در همان منطقه کار می کنند اتخاذ شده است. علاوه بر این ، به ساختار داده های adhoc نیاز دارد تا بتواند اطلاعات مورد نیاز را از یک پایگاه داده بزرگ مانند EMS میلان بازیابی کند.
این مدل چندین نتیجه متفاوت ارائه می دهد. از آنجا که ما اساساً به نظارت بر منابع علاقه مندیم ، این مدل میانگین استفاده از آمبولانس ها و اپراتورها را مطابق شکل 5 گزارش می کند. علاوه بر این ، زمان سیستم را نیز ارزیابی می کند ، یعنی اینکه چه مدت یک تماس در سیستم می ماند ، همانطور که در شکل 6 مشاهده میکنید.
این مدل همچنین تعداد آمبولانس های انجام مأموریت و طول صف مأموریت را گزارش می کند ، به ترتیب توسط کد تریاژ مطابق شکل 7 و 8 گزارش شده است. علاوه بر این ، یک گزارش کامل در مورد اجرای شبیه سازی می تواند به عنوان یک پرونده اکسل تولید شود.
یک کاربرد عملی
سیاست مدیریت تماس های ورودی برعهده مدیدیریت EMS است .اپراتور تماس ها و ماموریت ها را مدیریت میکند ،بدون اینکه یک دید جهانی از سیستم داشته باشد . یعنی اینکه اپراتور ماموریت را به نزدیکترین آمبولانس اختصاص میدهد . توجه داشته باشید که ، این اطلاعات به طور خودکار توسط زیرساخت فناوری اطلاعات محاسبه می شود که امکان پاسخگویی سریع اپراتور را فراهم می کند و - اجازه دهد که آمبولانس در یک بازه زمانی معین به صحنه بیایند.
این تصمیم ممکن است در بسیاری از موارد زیر مطلوب باشد. به عنوان مثال ، هنگامی که ما در نزدیکی صحنه دو یا چند آمبولانس داریم ، نزدیکترین آمبولانس می تواند یک منطقه با تقاضای زیاد را تحت پوشش داشته باشد.بنابراین ، بدون ایجاد تغییر در استقرار آمبولانس ، این بدان معنی است که برای یک بازه زمانی مشخص ، یک منطقه با تقاضای زیاد نمی تواند پوشش داده شود. در نتیجه ، مدیریت EMS مفهوم اپراتور "logistics" را معرفی می کند که یک اپراتور است که تنها وظیفه دارد آمبولانس ها را به منظور حفظ پوشش مناسب شهر و داشتن دید جهانی از سیستم به ماموریت ها اختصاص دهد. با توجه به 5 عملی که در گذشته به تصویر کشیده شده است ، هنگامی که اپراتورهای عادی عملکرد A1 را انجام می دهند ، عمل A2 توسط اپراتور تدارکات انجام می شود.
در حال حاضر ، بخش تأخیر "callCenter" - که در شکل 1 گزارش شده است - اقدامات A1 و A2 را مدل می کند. برای مدل سازی جریان کار جدید ، می توانیم بلوک callCenter را تغییر دهیم تا فقط عملکرد A1 را بر حسب زمان سپری شده انجام دهیم و می توان بلافاصله بلاک تأخیری مشابه را اضافه کرد تا بتواند زمان سرویس اپراتور لجستیک را مدل کند. علاوه بر این ، تعداد اپراتورهای لجستیک را می توان با اضافه کردن یک بلوک استخر منبع جدید ، مشابه آنچه در شکل 4 گزارش شده است ، مدل سازی کرد.
این کاربرد عملی انعطاف پذیری مدل پیشنهادی را نشان می دهد تا ویژگی های جدید و موقعیت های جدید را به راحتی نشان دهد.
مدلسازی جابجایی آمبولانس
در مدل DE زمان سرویس دهی آمبولانس با تاخیر زمانی مدل می شود.این رویکرد معمولاً برای نشان دادن سیستم واقعی کافی است.از طرف دیگر ، برای ارزیابی تأثیر برخی از سیاستهای پیشرفته مدیریت آمبولانس (به عنوان مثال ، تغییر مسیر ، گشت زنی) ، لازم است بدانید که آمبولانس در هر زمان دقیقاً کجاست.این نیاز منجر به یک مدل شبیه سازی می شود که حرکت آمبولانس را در منطقه مورد نظر نشان می دهد.
متدولوژی AB عوامل مستقل را ارائه می دهد که می توانند به تنهایی عمل کنند و بین خودشان تعامل برقرار کنند.از مطالعات قبلی در مورد سیستم های پیچیده بیولوژیکی ، ما اکنون عواملی با توانایی درک محیط اطراف خود ، تعامل با سایر عوامل ،دلایل و انتخاب یک دوره عمل داریم.بنابراین برای مدل سازی حرکت آمبولانس در شبیه ساز DE اصلی ، دو عامل را - مرکز عملیات و آمبولانس - معرفی می کنیم تا تعامل آنها را نشان دهیم.
رفتار یک عامل با استفاده از نمودارهای حالت به تصویر کشیده می شود که در آن یک جعبه نمایانگر حالت عامل است در حالی که قوس نشان دهنده انتقال بین دو حالت است. یک انتقال هر زمان که شرایط خاصی داشته باشد فعال می شود.
در ادامه ، رفتار دو عامل را شرح می دهیم:
آمبولانس:اگر مشغول کار نباشد ، یک آمبولانس در پستش منتظر می ماند تا مرکز عملیات آن را برای انجام یک مأموریت جدید فعال کند. سپس فعالیتش را شروع میکند: ابتدا به صحنه میرود، اگر نیاز باشد بیمار را به بیمارستان میبرد . در پایان کار آمبولانس به نزدیک ترین پست خالی میرود.سرعت اختصاص داده شده به هر آمبولانس یک سرعت متوسط تخمینی است.شکل 10 رفتار عامل آمبولانس را نشان می دهد. توجه داشته باشید که انتقال به "startNewMission" از حالت "arrAtPost" امکان پذیر است. انتقال از "waitingNewMission" در ابتدای شبیه سازی ضروری است.
با توجه به مدل گزارش شده در [5] ، مدل فعلی نقشه های سیستم اطلاعات جغرافیایی (GIS) (شکل 11) را برای تجسم و محاسبه مسافت با استفاده از روش های بومی معرفی می کند. توجه داشته باشید که مسافت ها "خطی" هستند و با جمع آوری کوتاهترین مسیر واقعی بین دو نقطه از نقشه داده نمی شود.اجرای AnyLogic GIS مبتنی بر OpenMap GIS است که یک ابزار ابزار تجسم جغرافیایی است. پیش بینی های OpenMap فرض می کنند که مختصات طول و عرض جغرافیایی براساس داده WGS 84 تعریف شده اند در حالی که مختصات موجود در DB از نظر تاریخ Gauss Boaga هستند. تبدیل Gauss Boaga به WGS 84 با استفاده از نسخه سازگار شده از فرمول Hirvonen انجام شده است.
ادغام بین مدل DE و AB به صورت زیر انجام می شود. حرکت عامل آمبولانس چهار بلوک تأخیر را جایگزین مدل سازی حرکتی که در شکل 3 ، به عنوان مثال ، بلوک های "getThe-" و "backTo-" شده است ، جایگزین می کند: به جای اینکه منتظر زمان مشخصی برای گذر به بلوك بعدی باشید ، مدل DE منتظر دریافت سیگنال می باشد كه از مدل AB وارد می شود و این واقعیت را نشان می دهد كه آمبولانس به مقصد رسیده است. از دید اجرا ، الزامات اساسی عبارتند از: نقشه GIS که منطقه مورد نظر را نشان می دهد ، مختصات ایستگاه های آمبولانس و بیمارستان ها و میانگین سرعت تخمین زده شده را نشان می دهد.
مدل AB گزارش شده برای حرکت آمبولانس كلی است بجز استفاده از پست های آمبولانس كه یك روش معمول به ویژه در ایتالیا نیست. توجه داشته باشید که ، آمبولانس می تواند از هر مکانی منتظر یک کار جدید باشد ، الگوبرداری کند.
مدیریت پیشرفته آمبولانس
ما این جابجایی را به منظور مدل سازی و ارزیابی سیاست های پیشرفته مدیریت آمبولانس معرفی کرده ایم. چنین سیاست هایی نظیر - گشت زنی ، مسیریابی مجدد ، جابجایی - لازم است که دقیقاً بدانید آمبولانس در هر زمان دقیقا کجاست تا بر اساس آن برای اختصاص یا جابجایی آمبولانس تصمیم بگیرید.حال ، ما گزارش می دهیم چگونه می توان با استفاده از مدل AB پیشنهادی ، یک سیاست پیشرفته را با توجه به وضعیت واقعی میلان مدل سازی کرد.
یادآوری می کنیم که در میلان فقط زمانی میتوانیم به آمبولانس ماموریت اختصاص دهیم که آمبولانس پس از پایان مأموریت در پست خودش مستقر شده باشد. زیرا سیستم IT فقط قادر است نزدیکترین آمبولانسی را پیدا کند که فاصله بین کلیه پست ها و صحنه را محاسبه کرده باشد. نبود سیستم ردیابی مبتنی بر اطلاعات GPS (سیستم موقعیت یابی جهانی) این سیاست را در گذشته مجاب به این کار میکرد .
به منظور ارزیابی تأثیر سیستم ردیابی GPS ، ما مفهوم مدل آمبولانس های هوشمند را معرفی کرده ایم. یعنی که مرکز عملیات میتواند به آمبولانس ماموریت اختصاص دهد، حتی زمانی که آمبولانس در مسیر مستقر شدن در پست خودش باشد. همانطور که در شکل 12 نشان داده شده است در مدل ما ، این فقط با افزودن دو مرحله جدید به"startNewMission" از حالت "SelectClosestPost" و "gihSelectedPost" صورت می گیرد .
این ویژگی به وضوح مزیتی است از مدل شبیه سازی که باعث بهبود انعطاف پذیری آن شده و امکان ارزیابی این سیاست پیشرفته را فراهم می آورد. همانطور که گزارش شد ، استفاده از آمبولانس های هوشمند می تواند به مرکز عملیات اجازه دهد تعداد مأموریت های فوری را که در یک بازه زمانی معین تحویل داده می شود ، با توجه به 61 درصد به دست آمده با سیاست فعلی مدیریت آمبولانس ، در مدت زمان معین تا 75 درصد بهبود بخشد.
ادغام با مدل های بهینه سازی محل
از دیدگاه بهینه سازی ، یک تلاش بزرگ ، در طول 30 سال گذشته ، در توسعه مکان آمبولانس و مدل های جابجایی انجام شده است: مدل های قطعی در مرحله برنامه ریزی مورد استفاده قرار می گیرند و از ملاحظات تصادفی در رابطه با در دسترس بودن آمبولانس استفاده می کنند در حالی که مدل های احتمالی این واقعیت را منعکس می کنند که آمبولانس ها به عنوان سرور در یک سیستم صف کار می کنند و همیشه نمی توانند به یک تماس پاسخ دهند. علاوه بر این ، مدل های پویا برای جابجایی مکرر آمبولانس ها در طول روز ایجاد شده اند.
مدل شبیه سازی یکپارچه ما می تواند نه تنها برای آزمایش مکان یک آمبولانس جدید ، بلکه برای توسعه روش های ترکیبی از روش های شبیه سازی و بهینه سازی که یک مشکل چالش برانگیز است بسیار مفید باشد.
آزمایش اولیه گزارش شده است که طی آن یک روش تکرار شونده می تواند به تعیین موقعیت آمبولانس دیگر با توجه به شهر میلان کمک کند. ثابت شده است که مکان آمبولانس دیگر با عملکرد مشابه ، اغلب بهبود تعداد ماموریت های فوری را در مدت زمان ارائه شده تضمین می کند.
اعتبار سنجی و زمان اجرا
در این بخش در مورد اعتبار مدل و مدت زمان اجرای آن گزارش می کنیم.
اعتبار سنجی مدل : به طور کلی ، اعتبار یک مدل شبیه سازی نیاز به یک تحلیل کاملاً پیچیده دارد. این امر به ویژه در مورد شبیه سازی آمبولانس صادق است . به طور خاص ، کار دشوار شناسایی توزیع احتمال مدل سازی زمان سرویس ، متوسط بار سیستم و گسترش مأموریت ها در منطقه است.در مدل ما ، استفاده از داده های بازیابی شده از پایگاه داده اجازه می دهد تا این مرحله را پرش کنیم. در نتیجه ، اعتبار سنجی مدل ساده تر است و مربوط به اعتبار منطقی انجام شده توسط مدیران EMS است. علاوه بر این ، استفاده از بانک اطلاعاتی قابلیت حمل مدل شبیه سازی را تضمین می کند. از طرف دیگر ، این رویکرد اجرای تحلیل سناریو را دشوارتر می کند.
زمان اجرا: به منظور انجام آزمایش های محاسباتی دقیق تر ، توسعه یک مدل با زمان اجرای کوتاه مهم است. علاوه بر این ، اتصال با بانک اطلاعاتی اگر بطور جزئی انجام شود می تواند گران باشد. سرانجام ، حرکت آمبولانس نیز از نظر محاسباتی گران است. ما آزمایش خود را بر روی یک لپ تاپ با CPU 2.00GHz T7200 Core2 با 2 گیگ حافظه اصلی انجام می دهیم. با استفاده از ساختار داده های موقت ، مدل DE ما قادر است به طور متوسط یک ماه در 1 دقیقه شبیه سازی کند. با افزودن مدل AB زمان اجرا افزایش می یابد: به طور متوسط در 1 دقیقه قادر است یک هفته را به جای یک ماه شبیه سازی کند.
ما متوجه شدیم که زمان اجرای مدل ما به عملکرد کارت ویدیو نصب شده روی رایانه بستگی دارد. ما از یک کارت ویدیوی یکپارچه اولیه استفاده می کنیم. علاوه بر این ، زمان اجرا نیز به نرخ فریم تجسم بستگی دارد با كاهش نرخ فريم در حداقل سطح ، زمان اجراي مدل DE را به جاي 1 دقيقه در حدود 30 ثانيه كاهش میدهيم اما كيفيت تجسم سيستم را كاهش مي دهيم.
نتیجه
در این مقاله یک مدل شبیه سازی کلی و انعطاف پذیر برای مدیریت خدمات فوریت های پزشکی ارائه شده است که یکپارچه سازی رویدادهای گسسته(discrete event) و روشهای مبتنی بر عامل(agent-based) است. با گزارش تجزیه و تحلیل برای اپراتورهای لجستیک و معرفی آمبولانس های هوشمند ، نشان داده ایم که مدل ما مطابق آنچه مورد نیاز است واقعاً انعطاف پذیر است. علاوه بر این ، استفاده از بانک اطلاعاتی اعتبار مدل را آسانتر کرده و قابلیت حمل آن را بهبود می بخشد. به طور خاص ، مدل فعلی می تواند برای همه مناطق دیگر اعمال شود .
کار در حال انجام مربوط به بهبود حرکت آمبولانس معرفی کوتاهترین محاسبه مسیر برای تعیین فاصله واقعی بین دو نقطه در نقشه است. علاوه بر این ، ما می توانیم از کوتاهترین مسیرها نیز برای پیدا کردن دقیق تر حرکت در طول مسیر استفاده کنیم.
منابع:
https://ieeexplore.ieee.org/document/5441260
