MétaCan
Menu
Retour à la cohorte
Enregistrement W3030601836 · doi:10.1111/poms.13362

Constant Job‐Allowance Policies for Appointment Scheduling: Performance Bounds and Numerical Analysis

2021· article· en· W3030601836 sur OpenAlexafffund
Shenghai Zhou, Yichuan Ding, Woonghee Tim Huh, Guohua Wan

Notice bibliographique

RevueProduction and Operations Management · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensUniversity of British ColumbiaMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésAllowance (engineering)QueueScheduling (production processes)ScheduleComputer scienceUpper and lower boundsConstant (computer programming)Mathematical optimizationJob shop schedulingTime horizonOperations researchMathematicsOperations managementEconomicsComputer network

Résumé

récupéré en direct d'OpenAlex

We consider the classical appointment scheduling problem that does not have a session length constraint. The decision is to determine job allowances to minimize total expected weighted costs of waiting times of jobs and idle times of the service provider. In particular, we study a simple yet effective scheduling policy—the so‐called “constant" policy, which allocates a constant job allowance for each appointment. Prior studies on appointment scheduling suggest a “dome”‐shaped structure for the optimal job allowance over the planning horizon. This implies that job allowance does not vary significantly in the middle of the schedule sequence, but varies at the beginning as well as the end of the optimal schedule. We show that an even simple scheduling policy—the constant policy, is asymptotically optimal thus provide theoretical justification for such a widely used policy. Using a dynamic programming formulation, we express each job's waiting time as the maximum of a random walk, which allows us to bound the performance gap between the constant policy and the optimal schedule based on classical results on D/ G/1 queues. We derive an explicit upper bound for the performance gap when either of the following conditions holds: (i) the server idling cost is relatively small compared to the job waiting cost, and (ii) the number of appointments is sufficiently large. We also extend this result to a more general setting with multiple service types. Numerical experiments show that the constant policy is near optimal even when the number of appointments is small or when the server idling cost is moderately large, which complements our theoretical results. Our result provides a justification and strong support for the constant policy under certain mild conditions. Moreover, with minor modifications, the constant policy can be adapted to more general scenarios with patient no‐shows, or with heterogeneous appointment types.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,509
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,384
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProduction and Operations ManagementMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207