دوره 6، شماره 3 - ( 3-1400 )                   جلد 6 شماره 3 صفحات 188-196 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Amiri Domari M, Firozi Jahantigh F. A Model for Control the Inventory of the Hospital Operating Room with Known Demand by Variable Neighborhood Search Method. hrjbaq. 2021; 6 (3) :188-196
URL: http://hrjbaq.ir/article-1-407-fa.html
امیری دوماری معظمه، فیروزی جهانتیغ فرزاد. مدلی برای حل مسئله کنترل موجودی بخش اتاق عمل بیمارستان با تقاضای معلوم به روش جستجوی همسایگی متغیر. مجله پژوهش سلامت. 1400; 6 (3) :188-196

URL: http://hrjbaq.ir/article-1-407-fa.html


گروه مهندسی صنایع، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران ، (Firouzi@eng.usb.ac.ir)
چکیده:   (398 مشاهده)
مقدمه: بیمارستان­ ها و مراکز درمانی با توجه به نوع خدماتی که ارائه می دهند از نظر میزان و کیفیت کالا حائز اهمیت هستند. از این رو کنترل موجودی جریانی است که ضمانت می­کند اقلام موجود سازمان با در نظر گرفتن عوامل زمان، مکان، تعداد، کیفیت و هزینه برای بخش­های عملیاتی در دسترس باشد. پژوهش حاضر با هدف کاهش هزینه بیمارستان با رویکرد کنترلی برای برنامه‌ریزی اقلام موجود بیمارستان صورت گرفت.
مواد و روش‌ها: در این مطالعه از یک مدل بهینه‌سازی شده با تابع هدف که شامل هزینه میزان موجودی، مخارج و سفارشات است استفاده شد. از این رو موجودی ده قلم از اقلام مصرفی اتاق عمل در نظر گرفته شد و برای حل مدل از روش جستجوی همسایگی متغیر با رویکرد کاهش هزینه بیمارستان در نرم افزار متلب استفاده گردید.
نتایج: تعداد 10 نوع کالای گران‌قیمت مورد استفاده در اتاق عمل مورد بررسی قرار گرفتند، در نهایت با توجه به متوسط تقاضای اقلام مورد بررسی در سال میزانی از موجودی و تعداد سفارش برای هر کدام از آن­ها به­ دست آمد.
نتیجه ­گیری: الگوریتم جستجوی همسایگی متغییر در زمان کمتر از 5 دقیقه به جواب رسید و با بررسی کیفیت جواب­ به ­دست آمده نشان می­ دهد که این روش عملکرد قابل قبولی در حل مسئله دارد. در نهایت بیمارستان در این بازه زمانی علیرغم وجود تحریم­ های سنگین با کمبود کالا روبرو نشد. بنابراین می توان این روش را برای حل مسئله کنترل موجودی بخش اتاق عمل بیمارستان بکار برد.  
متن کامل [PDF 1254 kb]   (50 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: 1398/11/8 | ویرایش نهایی: 1400/6/13 | پذیرش: 1400/2/28 | انتشار الکترونیک پیش از انتشار نهایی: 1400/4/13 | انتشار: 1400/6/13

فهرست منابع
1. Qu X, Rardin RL, Williams JAS. A mean–variance model to optimize the fixed versus open appointment percentages in open access scheduling systems. Decision Support Systems. 2012;53(3):554-64. DOI: 10.1016/ j.dss.2012.04.003
2. Shanthikumar J, George Y, David D, Zijm W. Modeling and Optimization of Manufacturing Systems and Supply Chains. A State of the Art Handbook International Series in Operations Research and Management Science. 2003.
3. Keehan SP, Stone DA, Poisal JA, Cuckler GA, Sisko AM, Smith SD, et al. National Health Expenditure Projections, 2016-25: Price Increases, Aging Push Sector To 20 Percent Of Economy. Health Aff (Millwood). 2017;36(3):553-63. DOI: 10.1377/hlthaff.2016.1627 PMID: 28202501
4. Sarvandi S, Shahroodi K. Assessing the Patients' Hospitalization and Discharge Processes Based on Kaizen approach and Multiple-Criteria Decision Making (MCDM) in a Hospital. Journal of Hospital 2016.15(3):83-93.
5. Absi N, Kedad-Sidhoum S. The multi-item capacitated lot-sizing problem with safety stocks and demand shortage costs. Computers & Operations Research. 2009;36(11):2926-36. DOI: 10.1016/j.cor.2009.01.007
6. Muriana C. An EOQ model for perishable products with fixed shelf life under stochastic demand conditions. European Journal of Operational Research. 2016;255(2):388-96. DOI: 10.1016/j.ejor.2016.04.036
7. Dyas AR, Lovell KM, Balentine CJ, Wang TN, Porterfield JR, Jr., Chen H, et al. Reducing cost and improving operating room efficiency: examination of surgical instrument processing. J Surg Res. 2018;229:15-9. DOI: 10.1016/j.jss.2018.03.038 PMID: 29936982
8. Dexter F, Dexter EU, Ledolter J. Influence of procedure classification on process variability and parameter uncertainty of surgical case durations. Anesth Analg. 2010;110(4):1155-63. DOI: 10.1213/ANE.0b013e3181d3e79d PMID: 20357155
9. Abedini A, Li W, Ye H. An Optimization Model for Operating Room Scheduling to Reduce Blocking Across the Perioperative Process. Procedia Manufacturing. 2017;10:60-70. DOI: 10.1016/j.promfg.2017.07.022
10. Zullo MD, McCarroll ML, Mendise TM, Ferris EF, Roulette GD, Zolton J, et al. Safety culture in the gynecology robotics operating room. J Minim Invasive Gynecol. 2014;21(5):893-900. DOI: 10.1016/j.jmig. 2014.03.027 PMID: 24769449
11. Razmi J, Yousefi MS, Barati M. A stochastic model for operating room unique equipment planning under uncertainty. IFAC-PapersOnLine. 2015;48(3):1796-801. DOI: 10.1016/j.ifacol.2015.06.347
12. Vali Siar MM, Gholami S, Ramezanian R. Multi-period and multi-resource operating room scheduling and rescheduling using a rolling horizon approach: A case study. Journal of Industrial and Systems Engineering 2017;10:97-115.
13. Riet C, Demeulemeester E. Trade-offs in operating room planning for electives and emergencies. Operations Research for Health Care 2015.
14. Kroer LR, Foverskov K, Vilhelmsen C, Hansen AS, Larsen J. Planning and scheduling operating rooms for elective and emergency surgeries with uncertain duration. Operations research for health care. 2018;19:107-19.
15. Perdomo V, Augusto V, Xie X. Operating Theatre Scheduling Using Lagrangian Relaxation. In Proceedings of the International Conference on Service Systems and Service Management. 2006:1234-9. DOI: 10.1109/ icsssm.2006.320685
16. Neyshabouri S, Berg BP. Two-stage robust optimization approach to elective surgery and downstream capacity planning. European Journal of Operational Research. 2017;260(1):21-40. DOI: 10.1016/j.ejor.2016.11.043
17. Guido R, Conforti D. A hybrid genetic approach for solving an integrated multi-objective operating room planning and scheduling problem. Computers & Operations Research. 2017;87:270-82. DOI: 10.1016/ j.cor.2016.11.009
18. Zhou QS, Olsen TL. Inventory rotation of medical supplies for emergency response. European Journal of Operational Research. 2017;257(3):810-21. DOI: 10.1016/j.ejor.2016.08.010
19. Darwish A, Mehta P, Mahmoud A, El-Sergany A, Culberson D. Improving operating room start times in a community teaching hospital. Journal of Hospital Administration. 2016;5(3):33. DOI: 10.5430/jha.v5n3p33
20. Vali-Siar MM, Gholami S, Ramezanian R. Multi-period and multi-resource operating room scheduling under uncertainty: A case study. Computers & Industrial Engineering. 2018;126:549-68. DOI: 10.1016/j.cie.2018. 10.014
21. Tagge EP, Thirumoorthi AS, Lenart J, Garberoglio C, Mitchell KW. Improving operating room efficiency in academic children's hospital using Lean Six Sigma methodology. J Pediatr Surg. 2017;52(6):1040-4. DOI: 10.1016/j.jpedsurg.2017.03.035 PMID: 28389078
22. Maestre JM, Fernández MI, Jurado I. An application of economic model predictive control to inventory management in hospitals. Control Engineering Practice. 2018;71:120-8. DOI: 10.1016/j.conengprac.2017.10.012
23. Brimberg J, Mladenovi'c N. Variable Neighbourhood Algorithm for Solving the Continuous Location-Allocation Problem. Studies in Locational Analysis 1996;10:1-10.
24. Cardoen B, Demeulemeester E, Beliën J. Operating room planning and scheduling: A literature review. European Journal of Operational Research. 2010;201(3):921-32. DOI: 10.1016/j.ejor.2009.04.011
25. Fattahi P, Hajipour V, Nobari A. A bi-objective continuous review inventory control model: Pareto-based meta-heuristic algorithms. Applied Soft Computing. 2015;32:211-23. DOI: 10.1016/j.asoc.2015.02.044

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله پژوهش سلامت می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 CC BY-NC 4.0 | Health Research Journal

Designed & Developed by : Yektaweb