Operating room scheduling and adaptive control using a priority first fit decreasing heuristic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Operating room (OR) scheduling is a critical factor affecting overall hospital performance. We examine OR scheduling from two perspectives. In the first perspective we propose a scheme for OR block scheduling that uses a heuristic developed for a three-machine flow shop where the three phases of the peri-operative process (pre-op, OR, and post-op) correspond to the three-machine flow shop. This approach facilitates a hospital-as-a-system perspective. The second perspective used to examine OR scheduling is adaptive control of the OR slate. Recognizing that there are many factors affecting OR throughput performance, especially preemptions from emergent and urgent cases, adaptive control of the OR slate is necessary. To realistically improve performance, adaptive control of the OR slate should incorporate constraints on how surgeries can be rescheduled. We examine the benefits from adaptive control of the OR slate that uses a priority first fit decreasing (PFFD) heuristic while incorporating constraints on OR slate rescheduling. The PFFD heuristic is a priority-driven variation of the classic FFD heuristic used in bin packing problems. We develop a scheme for OR block scheduling and our PFFD heuristic. We then demonstrate our PFFD heuristic in a simulation-based case study, and subsequently run a simulation using 1000 instances to test the performance of our PFFD heuristic in OR slate scheduling and OR slate adaptive control showing improvements in performance relative to the frequently used first-come-first-served rule.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle