Planification de ressources et ordonnancement de tâches dans la chaîne inter et intra logistique hospitalière

Resource planning and scheduling of tasks in the inter and intra hospital logistics chain

• Auteur / Autrice : Lahcene Mezouari
• Direction : Aziz Moukrim
• Type : Thèse de doctorat
• Discipline(s) : Informatique : Unité de recherche Heudyasic (UMR-7253)
• Date : Soutenance le 11/05/2023
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Compiègne)
• Partenaire(s) de recherche : Laboratoire : Heuristique et Diagnostic des Systèmes Complexes [Compiègne] / Heudiasyc

Mots clés

Mots clés contrôlés

Opérations chirurgicales

Planification

Hôpitaux -- Services des urgences

Santé publique -- Planification

Hôpitaux -- Planification

Modèles mathématiques

Programmation heuristique

Métaheuristiques

Optimisation combinatoire

Recherche opérationnelle

Ordonnancement (gestion)

Logistique (gestion)

Mots clés libres

Heuristique adaptative

Logistique hospitalière

Service des urgences

Planification des interventions chirurgicales

Planification dynamique

Operational research

Scheduling

Adaptative heuristics

Hospital logistics

Emergency department

Surgical intervention planning

Dynamic planning

Metaheuristic

Combinatorial optimization

Résumé

Les hôpitaux doivent prendre en compte la logistique pour améliorer les liens entre les systèmes de santé (entre les établissements et entre les divisions au sein d’un hôpital) afin de promouvoir la cohérence et l’efficacité. La logistique hospitalière implique une bonne coordination des services de prise en charge des patients. Les patients en situation d’urgence se rendent généralement en premier lieu au service des urgences. Une visite aux urgences peut révéler qu’un patient a besoin d’une intervention chirurgicale à programmer plus tard. Cela crée des patients en chirurgie élective. Dans le cadre de l’ANR OIILH, nous avons proposé des solutions pour le problème d’ordonnancement des tâches de parcours de soins de patients. Nous avons également étudié le problème de planification d’interventions chirurgicales. Pour le problème des urgences, nous avons considéré en premier lieu le cas statique. Nous avons réalisé un générateur d’instances basé sur les données réelles du service d’urgence du CHU Jeanne de Flandres de Lille. Nous avons implémenté une approche heuristique constructive permettant de gérer les ressources en suivant deux règles métier utilisées par les praticiens. Nous avons proposé une modélisation mathématique du problème. Le modèle a été implémenté et utilisé pour obtenir des solutions de références pour les instances générées. Nous avons élaboré une approche heuristique itérative basée sur la destruction et la construction d’une solution. Les résultats montrent que des solutions de meilleure qualité par rapport à l’heuristique constructive peuvent être obtenues en des temps raisonnables. Des solutions optimales peuvent être trouvées pour les petites instances. Ensuite, nous avons élaboré une méta-heuristique « Adaptive Large Neighborhood Search (ALNS) » plus efficace. Les résultats expérimentaux montrent l’efficacité de cette approche avec des temps de calcul faibles qui sont adéquats par rapport à la réactivité requise dans le cas dynamique du problème. Nous avons proposé une approche de planification prédictive et réactive pour le cas dynamique. Nous construisons, modifions et améliorons le planning en utilisant les méthodes de résolution du cas statique. Pour le service de chirurgie, des interventions chirurgicales non urgentes et non immédiates doivent être programmées à l’avance. Nous avons développé deux approches de résolution pour ce problème en aval du service des urgences. Nous avons proposé une heuristique en deux phases et une approche ALNS qui donnent des résultats strictement meilleurs que ceux de la littérature.

Hospitals must take into account logistics to improve the connections between healthcare systems (between facilities and within hospital divisions) in order to promote consistency and efficiency. Hospital logistics involves effectiv coordination of patient care services. Patients in emergency situations typically first go to the emergency department. A visit to the emergency department may reveal that a patient needs a surgical intervention to be scheduled later. This creates elective surgery patients. As part of the ANR OIILH project, we proposed solutions to the patient care pathway scheduling problem. We also studied the problem of scheduling surgical interventions. For the emergency department problem, we first considered the static case. We developed an instance generator based on real data from the emergency department at CHU Jeanne de Flandres in Lille. We implemented a constructive heuristic approach to manage resources following two business rule used by practitioners. We proposed a mathematical modeling of the problem. The model was implemented and used to obtain reference solutions for generated instances. We developed an iterative heuristic approach based on the destruction and construction of a solution. The results show that solutions of higher quality compared to the constructiv heuristic can be obtained in reasonable time frames. Optimal solutions can be found for small instances. Then, we developed a more efficient Adaptive Large Neighborhood Search (ALNS) metaheuristic. Experimental results demonstrat the effectiveness of this approach With Iow computing times suitable for the required responsiveness in dynamic proble cases. We proposed a predictive and reactive planning approach for the dynamic case. We build, modify, and improve the plan using static case resolution methods. For the surgery service, non-urgent and non-immediate surgical interventions need to be scheduled in advance. We developed two resolution approaches for this problem downstream from the emergency department. We proposed a two-phase heuristic and an ALNS approach that produce results strictly better than those in the literature.