La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Allowing user interaction in timetable scheduling software

Présentations similaires


Présentation au sujet: "Allowing user interaction in timetable scheduling software"— Transcription de la présentation:

1 Allowing user interaction in timetable scheduling software
Daniel Kreeft, Bernard Lamond et Angel Ruiz Département d'opérations et systèmes de décision Faculté des sciences de l'administration Université Laval

2 Motivation Au Québec, les horaires pour environ 3000 résidents en médecine à travers la province sont encore faits à la main Opportunité de concevoir un logiciel à l`échelle provinciale S’inspirer des méthodes heuristiques (méthode manuelle) pour créer des algorithmes permet d’atteindre deux objectifs: Avoir une meilleure définition du concept de qualité d’une horaire Améliorer la performance algorithmique Septembre 2010 CIRRELT

3 Logiciels commerciaux implémentés dans plusieurs hôpitaux
Motivation Les logiciels commerciaux offrent une multitude d`outils pour élaborer des horaires de médecins et du personnel de soins Logiciels commerciaux implémentés dans plusieurs hôpitaux Warner, Keller, and Martel (1990): ANSOS Jelinek and Kavois (1992) Medicus Darmoni et al. (1995) Horoplan Meisels, Gudes, and Solotorevski (1997) EasyStaff Meisels, Gudes, and Solotorevski (1996) TORANIT Dowsland and Thompson (2000): CARE Meyer auf’m Hofe (1997) ORBIS Dienstplan Burke et al. (2001b, 2001, 1999), De Causmaecker and Vanden Berghe (2003) PLANE Septembre 2010 CIRRELT

4 Motivation Mais la littérature ne s’intéresse (dans le meilleur de nos connaissances) aux horaires de garde pour les résidents Raisons? Travaux sur les horaires de médecins Horaires personnalisés Modélisation basée sur la séparation des contraintes en hard et soft La qualité d’un horaire est mesurée par les violations de contraintes souples. Septembre 2010 CIRRELT

5 Objectif Objectif : créer un algorithme capable d’apprendre à faire des horaires Générateur horaires Évaluation par l’usager Paramétres Moteur d’apprentissage Septembre 2010 CIRRELT 5

6 Évaluation par l’usager
Objectif Objectif : créer un algorithme capable d’apprendre à faire des horaires Générateur horaires Évaluation par l’usager Paramétres Septembre 2010 CIRRELT 6

7 Le concepteur humaine Implicitement les méthodes manuelles tiennent compte d’un certain nombre de critères qui sont satisfaits dans une perspective d'optimisation L`humain « est une méta-heuristique » à lui seul, capable de gérer simultanément les échanges dans le voisinage, l’évaluation de l’horaire, et la résolution des conflits d’horaire En revanche… Les interventions manuelles demandent une implication de temps importante de l’utilisateur Septembre 2010 CIRRELT

8 Interaction utilisateur - logiciel
La construction manuelle d`un horaire peut être décrit (au moins partiellement) par la combinaison de plusieurs méthodes heuristiques L’étude des méthodes manuelles inspirent certains des caractéristiques à intégrer dans notre approche algorithmique: Choix des paramètres de l`algorithme (Initialisation au hasard, temps de recherche, satisfaction des contraintes, nombre de solutions permis, etc.) Impact sur processus de recherche (diversification, intensification, espace de solutions, etc.) Septembre 2010 CIRRELT

9 Exemple étudié La charge de travail d'un résident est composée de quarts de jour, gardes, journées d'éducation et journées de congrès, journées de non-disponibilité. L`horaire planifie uniquement les gardes en tenant compte des autres journées (éducation, non-dispo.) Horizon de 28 jours, 2 départements 1 Garde = 12 heures semaine, 24 heures week-end Maximum de 6 gardes par mois par résident Nombreuses contraintes (Dures / Molles): Contraintes de couverture: Nb de resident par dpt… Contraintes de temps: Temps supplémentaire, jours fériés… Contraintes régulatoires: Régulation du repos entre gardes… Septembre 2010 CIRRELT

10 Contraintes dures et molles
Septembre 2010 CIRRELT

11 Aspects méthodes manuelles
Quelques caractéristiques des méthodes manuelles de confection d’horaires observées : Deux contraintes dures sont satisfaites dès le début: Couverture pour départements (besoins) Nombre de gardes permis Le voisinage de recherche couvre uniquement des solutions réalisables La recherche compare 2-4 échanges possibles dans des voisinages différents Septembre 2010 CIRRELT

12 États possible d’un résident
0 = Le résident n’a pas de garde 1 = Le résident est de garde 2 = Le résident préfère ne pas être de garde 3 = Congrès/formation 4 = Congé Période de travail Res # Mo Tu We Th Fr Sa Su R1  1 2 3 R2 1 R3 4 R4 Septembre 2010 CIRRELT

13 Procédure manuelle Déterminer nombre de gardes
Répéter tant qu’ils restent des gardes à affecter Choisir résident en fonction de sa disponibilité, et son ancienneté Choisir journée à affecter, en commençant par samedi et ensuite par degré de difficulté: Simultanément effectuer: Vérifier nombre de jours déjà effectués Affecter journée Affecter une autre journée pour compenser la garde difficile venant d’être affectée Vérifier conflits d`horaire Si un conflit se produit: Changer de place résidents déjà affectés, càd répéter étapes 1-3 Septembre 2010 CIRRELT

14 Horaire de base Per préc Période de travail Septembre 2010 CIRRELT
Res # Fr Sa Su Mo Tu We Th R1 1 2 R2 R3 4 R4 R5 3 R6 R7 R8 R9 R10 M Septembre 2010 CIRRELT

15 Options du programme Évaluation Gestion Parametrisation
Gestion résidentes Requêtes des résidents Chargement journées étude/off Chargement historique Évaluation Charger un horaire pour modification Évaluer horaire Parametrisation À partir d’un ensemble enregistré Paramétrisation manuelle Résolution automatique Limiter temps d’éxecution Limiter nombre d’itérations Septembre 2010 CIRRELT

16 Etape 1: Horaire Initial
Détermination des besoins : Chaque jour de semaine reçoit une note pour sa difficulté d’affectation Le poids diminue la probabilité que des résidents obtiennent des horaires défavorables Dépt. Mo Tu We Th Fr Sa Su 1 2 3 4 5 6 7 8 9 10 NN_1 NN_2 NN_3 NN_4 NN_5 NN_6 NN_7 NN_8 NN_9 NN_10 Néonatale SI_1 SI_2 SI_3 SI_4 SI_5 SI_6 SI_7 SI_8 SI_9 SI_10 Pédiatrie Difficulté d`affectation Lundi 4 Mardi Mercredi Jeudi 3 Vendredi 7 Samedi 9 Dimanche 6 Septembre 2010 CIRRELT

17 Etape 1: Horaire Initial
Chaque résident obtient un score basé sur différents critères Permet d`influencer la répartition moins bons horaires aux résidents visés (Ancienneté) Res # Dept Category Seniority R1 ped MF 1 R2 nn PG 2 R3 3 R4 R5 R6 R7 4 M 5 Gardes pér préc Congres Vac Total Disponibilité Score dispo Score Pér préc R1 1 3 60 8 52 R2 R3 7 20 12 R4 R5 2 4 40 16 24 R6 32 R7 R8 44 R9 R10 M Septembre 2010 CIRRELT

18 Interface SOSCHUL Septembre 2010 CIRRELT

19 Étape 2 : Algorithme d’amélioration
Géneration horaire initial Best-improvement sur le voisinage réduit Amelioration Sélection des colonnes à échanger (n) Échange de colonnes Échange de céllules Échange 2OPT Réparation Évaluation # itérations? Fin Septembre 2010 CIRRELT

20 Étape 2 : Algorithme d’amélioration
Géneration horaire initial Best-improvement sur le voisinage réduit Amelioration Échange de colonnes Échange de céllules Sélection des cellules à échanger (N) Échange 2OPT Réparation # itérations? Fin Évaluation Septembre 2010 CIRRELT

21 Exemple numérique 27 résidents T = 4 semaines (84 gardes)
n = 1/6, N=1/100 Les jours sont triés en ordre décroissant de score Les résidents sont dynamiquement triés en ordre croissant de score L’affectation par l’heuristique résulte dans un horaire initiale réalisable Septembre 2010 CIRRELT

22 Résultats Test A B C D Mon 7 2 1 Tue 6 4 Wed 5 3 Thu Fri Sat Sun Init. value 20006 24426 26156 29782 Table 3 : Values used for initialization and resulting initial values L`initialisation par l`heuristique simple a un impact sur le temps de recherche de l`algorithme Le temps de recherche pour une solution équivalent à A est respectivement plus long pour B et C. La solution D n’atteint pas le même niveau A B C D Time Score Average 514.9 9587.6 191.4 8762.8 0.0 434.7 7937.0 S. Dev 234.1 1097.0 69.2 1550.4 739.6 184.6 147.1 Table 4: Average total solution time and S. Dev for test problem Septembre 2010 CIRRELT

23 Résultats Septembre 2010 CIRRELT

24 Conclusion et perspectives
Des heuristiques imitant le comportement d’un utilisateur ont une performance réelle sur l’efficience de la résolution de problèmes difficiles La perception de l’usager par rapport à la qualité d’un horaire doit être capturée par les méthodes d’optimisation Travail future : moteur d’apprentissage automatisé Septembre 2010 CIRRELT

25 Références Burke, E.K., P. De Causmaecker, G.Vanden Berghe and H. Van Landeghem (2004). The state of the art of nurse rostering – J. Scheduling, Vol 7, Issue 6, pp. 441 – 499. Burke, E.K., T. Curtois, G. Post, R. Qu, B. Veltman (2007). A hybrid heuristic ordering and variable neighbourhood search for the nurse rostering problem. Eur. J. of Operational Research., 188 (2), pp Dowsland K. A., J. M. Thompson (2000). Solving a Nurse Scheduling Problem with Knapsacks, Networks and Tabu Search, J. Operational Research Soc., Vol. 51, No 7, pp J. S. Dean (2008). Staff Scheduling by a Genetic Algorithm with a Two-Dimensional Chromosome Structure. 7th International Conference for the Practice and Theory of Automated Timetabling (PATAT '08). I. Ozkarahan (1994). A Scheduling Model for Hospital Residents J. Medical Systems, Vol. 18, No. 5, pp. 251 – 265. Jr. JE Pecora, AC Moretti, SD Lapiere, P. Soriano, A. Ruiz (2008). Un algorithme de recherche hybride pour résoudre le problème de confection d’horaires des médecins en salle d’urgence. 4eme édition de Gestion et Ingénierie des Systèmes Hospitaliers (GISEH) G. Vanden Berghe: An Advanced Model and Novel Metaheuristic Solution Methods to Personnel Scheduling in Healthcare (2002). Ph.D. Thesis, University of Gent, Belgium. Septembre 2010 CIRRELT


Télécharger ppt "Allowing user interaction in timetable scheduling software"

Présentations similaires


Annonces Google