Los pacientes pueden no estar disponibles para ser operados en algún día específico

4“Los pacientes pueden no estar disponibles para ser operados en algún día específico”

Esto lo podemos identificar gracias al parámetro del modelo que considera si el paciente está disponible para el día de operación. 〖disp〗_i^p = 1 si el paciente está disponible el día i, 0 en otro caso

La restricción del modelo nos dice que Se debe evitar que se programen intervenciones cuando los pacientes no están disponibles. Tal que:

∑_(doc1,doc2,pob)▒〖t_i^(p,doc1,doc2,pob)< 〖disp〗_i^p ,∀i,p〗

“El periodo de programación considerado es de una semana laboral”

EL parámetro “i” nos indica el día especifico de programación

“i”= (1,2,3,4,5) que pertenecen a los días hábiles de la semana.

“Se permiten sobre pasos en los horarios determinados por el hospital, para la programación de pabellones quirúrgicos”

Efectivamente se permiten sobrepasos en el horario determinados por el hospital, esto esta sujeto a una ocurrencia que viene definido por la variable de decisión x_(i )

Esta variable nos indica si existe un sobre paso de horario el día “i”

Las siguientes restricciones le aseguran al modelo que en cada jornada no se debe exeder el tiempo máximo, más un sobrepaso de horario permitido 〖ST〗_i y en este caso la variable x_(i ) tomara el valor de 1

6¿En qué se basan los resultados del Modelo y qué concluyen los autores del paper al aplicar el Modelo?

Tiempo de ejecución: Se debe tener en cuenta que la ejecución del modelo ocurrirá en una reunión de cirujanos por lo cual esta no debería tardar más de 10 a 15 minutos.

Los resultados obtenidos son bastante similares entre los modelos de PL entera y su variante. Ambos dependen del número de pacientes. El algoritmo del tipo Backtracking entregó en general muy buenos resultados en cuanto a tiempo de ejecución, independiente del número de pacientes, en donde encontró una solución.

El algoritmo basado en un modelo de factibilidad tardó mucho más tiempo en entregar la solución. Aunque, este algoritmo, entrega la mejor solución desde el punto de vista del número y prioridad de los pacientes asignados. El algoritmo del tipo Backtracking entregó el mismo resultado que el algoritmo basado en un modelo de factibilidad. Sin embargo, el algoritmo del tipo Backtracking no en todos los escenarios logró completar la ejecución.

Utilización de Pabellón: Se obtienen bajas tasas de utilización de pabellón debido a cuando las duraciones de las intervenciones son muy cortas en comparación las de las jornadas y pocos pacientes que se desean programar, la asignación máxima de pacientes no logra cubrir un porcentaje importante de las jornadas disponibles. Por otro lado, cuando las duraciones de las intervenciones son cercanas a la mitad de la duración de las jornadas, disminuyen las combinaciones que permiten obtener buenos resultados en la utilización de pabellón.

Respeto de la Prioridad: El algoritmo del tipo Backtracking entregó los mismos resultados, desde el punto de vista del respeto a la prioridad, que el algoritmo basado en un modelo de factibilidad y el modelo de programación lineal entera. Estos modelos fueron mejores, en todos los escenarios, respecto a los resultados de VMLE

Los autores concluyen.

Estos modelos pueden mejorar la utilización de pabellón entre un 10% y un 15% sobre la situación actual lo que representa una oportunidad para los hospitales públicos de chile, es posible observar que mientras menos restricciones se incorporen la utilización de pabellones aumenta.

Un

...