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 Daniel Kreeft, Bernard Lamond et Angel Ruiz Département d'opérations et systèmes de décision.

Présentations similaires


Présentation au sujet: "Allowing user interaction in timetable scheduling software Daniel Kreeft, Bernard Lamond et Angel Ruiz Département d'opérations et systèmes de décision."— 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 Septembre 2010CIRRELT2 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 Sinspirer des méthodes heuristiques (méthode manuelle) pour créer des algorithmes permet datteindre deux objectifs: Avoir une meilleure définition du concept de qualité dune horaire Améliorer la performance algorithmique

3 Septembre 2010CIRRELT3 Motivation 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 aufm Hofe (1997) ORBIS DIENSTPLAN Burke et al. (2001b, 2001, 1999), De Causmaecker and Vanden Berghe (2003) PLANE Les logiciels commerciaux offrent une multitude d`outils pour élaborer des horaires de médecins et du personnel de soins

4 Mais la littérature ne sintéresse (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 dun horaire est mesurée par les violations de contraintes souples. Motivation Septembre 2010CIRRELT4

5 Objectif Objectif : créer un algorithme capable dapprendre à faire des horaires Générateur horaires Paramétres Évaluation par lusager Moteur dapprentissage Septembre 2010CIRRELT5

6 Objectif Objectif : créer un algorithme capable dapprendre à faire des horaires Générateur horaires Paramétres Évaluation par lusager Septembre 2010CIRRELT6

7 Septembre 2010CIRRELT7 Le concepteur humaine Implicitement les méthodes manuelles tiennent compte dun 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, lévaluation de lhoraire, et la résolution des conflits dhoraire En revanche… Les interventions manuelles demandent une implication de temps importante de lutilisateur

8 Septembre 2010CIRRELT8 Interaction utilisateur - logiciel La construction manuelle d`un horaire peut être décrit (au moins partiellement) par la combinaison de plusieurs méthodes heuristiques Létude 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.)

9 Septembre 2010CIRRELT9 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): o Contraintes de couverture: Nb de resident par dpt… o Contraintes de temps: Temps supplémentaire, jours fériés… o Contraintes régulatoires: Régulation du repos entre gardes…

10 Septembre 2010CIRRELT10 Contraintes dures et molles

11 Septembre 2010CIRRELT11 Aspects méthodes manuelles Quelques caractéristiques des méthodes manuelles de confection dhoraires observées : Deux contraintes dures sont satisfaites dès le début: o Couverture pour départements (besoins) o Nombre de gardes permis Le voisinage de recherche couvre uniquement des solutions réalisables La recherche compare 2-4 échanges possibles dans des voisinages différents

12 Septembre 2010CIRRELT12 États possible dun résident 0 =Le résident na pas de garde 1 =Le résident est de garde 2 =Le résident préfère ne pas être de garde 3 =Congrès/formation 4 =Congé

13 Septembre 2010CIRRELT13 Procédure manuelle Déterminer nombre de gardes Répéter tant quils restent des gardes à affecter 1.Choisir résident en fonction de sa disponibilité, et son ancienneté 2.Choisir journée à affecter, en commençant par samedi et ensuite par degré de difficulté: 3.Simultanément effectuer: Vérifier nombre de jours déjà effectués Affecter journée Affecter une autre journée pour compenser la garde difficile venant dêtre affectée Vérifier conflits d`horaire Si un conflit se produit: Changer de place résidents déjà affectés, càd répéter étapes 1-3

14 Septembre 2010CIRRELT14 Horaire de base

15 Septembre 2010CIRRELT15 Options du programme Gestion Gestion résidentes Requêtes des résidents Chargement journées étude/off Chargement historique Résolution automatique Limiter temps déxecution Limiter nombre ditérations Évaluation Charger un horaire pour modification Évaluer horaire Parametrisation À partir dun ensemble enregistré Paramétrisation manuelle

16 Septembre 2010CIRRELT16 Etape 1: Horaire Initial Détermination des besoins : Chaque jour de semaine reçoit une note pour sa difficulté daffectation Le poids diminue la probabilité que des résidents obtiennent des horaires défavorables Dépt. MoTuWeThFrSaSuMoTuWe NN_1NN_2NN_3NN_4NN_5NN_6NN_7NN_8NN_9NN_10 Néonatale SI_1SI_2SI_3SI_4SI_5SI_6SI_7SI_8SI_9SI_10 Pédiatrie Difficulté d`affectation Lundi4 Mardi4 Mercredi4 Jeudi3 Vendredi7 Samedi9 Dimanche6

17 Septembre 2010CIRRELT17 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 #DeptCategorySeniority R1pedMF1 R2nnPG2 R3nnPG3 R4pedMF2 R5pedMF3 R6pedPG1 R7pedPG4 MpedPG5 Gardes pér précCongresVacTotalDisponibilité Score dispo Score Pér préc Total R R R R R R R R R R M

18 Septembre 2010CIRRELT18 Interface SOSCHUL

19 Septembre 2010CIRRELT19 Étape 2 : Algorithme damélioration Géneration horaire initial Échange 2OPT Réparation Évaluation Sélection des colonnes à échanger (n) Échange de colonnes Échange de céllules Fin Amelioration # itérations? Best-improvement sur le voisinage réduit

20 Septembre 2010CIRRELT20 Étape 2 : Algorithme damélioration Géneration horaire initial Échange 2OPT Réparation Évaluation Sélection des cellules à échanger (N) Échange de colonnes Échange de céllules Fin Amelioration # itérations? Best-improvement sur le voisinage réduit

21 Septembre 2010CIRRELT21 Exemple numérique Les jours sont triés en ordre décroissant de score Les résidents sont dynamiquement triés en ordre croissant de score Laffectation par lheuristique résulte dans un horaire initiale réalisable 27 résidents T = 4 semaines (84 gardes) n = 1/6, N=1/100

22 Septembre 2010CIRRELT22 Résultats 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 natteint pas le même niveau TestABCD Mon7211 Tue6421 Wed5331 Thu4141 Fri3651 Sat2761 Sun1571 Init. value Table 3 : Values used for initialization and resulting initial values ABCD TimeScoreTimeScoreTimeScoreTimeScore Average S. Dev Table 4: Average total solution time and S. Dev for test problem

23 Septembre 2010CIRRELT23 Résultats

24 Septembre 2010CIRRELT24 Conclusion et perspectives Des heuristiques imitant le comportement dun utilisateur ont une performance réelle sur lefficience de la résolution de problèmes difficiles La perception de lusager par rapport à la qualité dun horaire doit être capturée par les méthodes doptimisation Travail future : moteur dapprentissage automatisé

25 Septembre 2010CIRRELT25 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 dhoraires des médecins en salle durgence. 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.


Télécharger ppt "Allowing user interaction in timetable scheduling software Daniel Kreeft, Bernard Lamond et Angel Ruiz Département d'opérations et systèmes de décision."

Présentations similaires


Annonces Google