Simulation application for resource allocation in facility management processes in hospitals
Notice bibliographique
Résumé
Purpose The increasing percentage of aging population (longer life expectancy) and the changing financial policies in the healthcare systems put governments under pressure to optimize its healthcare expenditures without compromising quality. One way to cut down the costs is through improving and optimizing the facility management processes. This paper aims to focus on the issues surrounding this. Design/methodology/approach To demonstrate the application of the research, service management (SM) process which deals with the building services related requests from the customer, one of the facility management (FM) processes, is taken as the focus of this paper. The study applies the lean principles to the SM process to identify the value added and non‐value added activities in the process. Process logistics flow is modified to comply with the lean theory. The collected data from six participating hospitals in Germany for the two months of the year 2002 are also used as inputs for the simulation model. Findings Simulation is used to quantify the impact of the lean principles proposed changes on the system performance. The simulation analysis has proved to be an effective tool in the selection of optimum resources for the SM process in hospitals. The implementation of lean and simulation will assist the facility manager in the selection of the optimum crew size in various sub processes, thus eliminating the trial and error approach. Research limitations/implications To develop a generic model for all categories of hospitals, substantial data are needed for the simulation model. In this paper, the SM process results from one category of hospitals are presented. Practical implications The methodology can be extended to the other FM processes in different hospitals, with proper modification. Originality/value The simulated process model was useful to analyze “what if” scenarios for the decision‐making regarding optimum resource allocation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».