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

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

en génie industriel hospitalier à l’École des Mines de Saint Etienne

Présentations similaires


Présentation au sujet: "en génie industriel hospitalier à l’École des Mines de Saint Etienne"— Transcription de la présentation:

1 en génie industriel hospitalier à l’École des Mines de Saint Etienne
Activités et actions en génie industriel hospitalier à l’École des Mines de Saint Etienne Prof. Xiaolan Xie Responsable du département Génie Industriel et Hospitalier Centre Ingénierie et Santé 17/01/2006

2 Thèmes de recherche du département Organisation et Gestion
Plan de présentation Contexte Thèmes de recherche du département Organisation et Gestion Projets financés Activités du génie industriel 17/01/2006

3 Contexte Création en 2004 du 6e centre en Ingénierie et Santé à l’Ecole des Mines de Saint Etienne pour améliorer la production de soin et soutenir l’industrie de la santé Recherche et de formation autour des 3 départements: Bio-matériaux & bio-mécanique, Imagerie médicale, Génie industriel hospitalier Création en 2005 du département Génie industriel hospitalier pour ingénierie des structures de production de soin 17/01/2006

4 Thèmes de recherche du département Organisation et Gestion – CIS
en collaboration avec le centre G2I 17/01/2006

5 Objectifs globaux Développer une recherche appliquée de haut niveau autour de - Conception et organisation des systèmes de soin Planification et gestion des systèmes de soin Simulation des flux hospitaliers Logistique hospitalière Intégration des technologies STIC (e-health, hôpital numérique) Orienter les thèmes de recherche en fonction des nouveaux défis des systèmes de de production de soin et de l’industrie de la santé 17/01/2006

6 Ligne directrice L'amélioration d'un système de production de soin nécessite des outils scientifiques pour modéliser et comprendre son fonctionnement, analyser les indicateurs de performance, concevoir le système et répartir/dimensionner les ressources nécessaires, planifier et organiser les activités de production de soin, réagir en temps réel aux perturbations importantes. Notre objectif est de développer des méthodes innovantes fondées sur des modèles réalistes pour la conception, l'organisation, la planification et le pilotage en temps réel de la production de soin soumis à des contraintes fortes de diverses ressources et à des incertitudes importantes. 17/01/2006

7 Trois axes de recherche
Conception et organisation des systèmes et dimensionnement des ressources Étude quantitative des décisions stratégiques : nouvelles organisations / méthodes de travail, impacts des politiques de santé, intégration des nouvelles technologies Thèse en cours : Vincent Augusto, Simulation des flux hospitaliers, soutenance 09/2008 Cas d’étude: Organisation de la pharmacie du CHU-Saint Etienne Robotisation de la dispensation de la pharmacie du CHU Problèmes d’optimisation : - Planification des réapprovisionnements des médicaments nominés ou non afin d’équilibrer les charges des préparateurs et des transporteurs (CPLEX + Heuristiques) - Organisation des soins à domicile 17/01/2006

8 Trois axes de recherche
Planification et logistique des activités hospitalières Optimiser la qualité de service, l’utilisation des ressources humaines / matérielles / financières, logistique pharmaceutique, maintenance des équipements Thèses en cours: Mehdi Lamiri (avec G2I), Planification des blocs opératoires avec prise en compte des urgences, soutenance 09/2007 XXX, Stratégies de réservation de lits avec la prise en compte des urgences, début 10/2007 Problèmes d’optimisation Planification des blocs opératoires avec prise en compte des urgences (Optimisation Monte Carlo + CPLEX + Génération de Colonnes + Heuristiques) Ordonnancement des blocs opératoires (Relaxation Lagrangienne) Politiques optimales pour la réservation et le transfert de lits dans les services (Markov Decision Processes + Optimum rule selection/optimum rule parameters setting) 17/01/2006

9 Trois axes de recherche
Intégrations des nouvelles technologies en santé Etudier l’intégration des nouvelles technologies en santé (robots, solutions communicantes) dans le fonctionnement des systèmes de santé Thèses en cours: S. Housseman (avec CMP, bourse projet MISTRALS), Etude des nouvelles technologies communicantes dans le milieu Hospitalier. YYY (projet FP6-IWARD), Logistique hospitalière à l’aide des robots, début 10/2007. Problèmes d’optimisation: - Localisation et configuration d’un essaim de robots de service dans un hôpital Pilotage en temps réel de l’essaim de robots (affectation des tâches et reconfiguration de l’essaim pour répondre aux besoins en « attendance, monitoring, cleaning, delivery, surveyance ») 17/01/2006

10 Projets financés 17/01/2006

11 FP6-IST6-IWARD on Intelligent Robot Swarm for Attendance, Recognition, Cleaning and Delivery (01/ /2009). WP leader on operations management Participation du projet HRP3 (Hôpital en Réseau : Prévoir, Partager et Piloter) soutenu par la région Rhône Alpes dans le cadre du SRESR (Cluster GOSPI). Participation du projet 2HM (Hôpital Hors le Mur) soutenu par GDR-MACS. Projet CLARA sur ingénierie des soins cancérologiques (chimio à domicile, planification de la radiothérapie, réseaux de soin) 17/01/2006

12 Activités du Génie Industriel
17/01/2006

13 Thèses récentes à Université de Metz
Iyad Mourani (soutenance 2006) : Optimisation des systèmes de production à l’aide des modèles de flux continus Jie Li (soutenance 2006): Optimisation discrète des chaînes logistiques à l’aide de la simulation Guy-Aimé Tanonkou (soutenance 2007): Configuration des chaînes logistiques avec la programmation mathématique Liya Gu (soutenance 2008): Equilibrage des lignes d’assemblage 17/01/2006

14 Iyad Mourani (soutenance 2006) : (Méthodes Boîte-Grise Sim-Opti)
Optimal parameter setting of control policies of failure-prone transfer lines using continuous flow models with transportation delays State update equations Sample path gradients Single sample path optimisation method with gradient estimators Next event time 17/01/2006

15 Jie Li (soutenance 2006): (Méthodes Boîte-Noir Sim-Opti)
Problème DOvS général : Où ⊙ est l’espace des solutions discrète Nous supposons que G(x,wi) est la ième mesure de performance obtenue pour la solution x Nous supposons que g(x)=E[G(x,wi)] peut être évaluée à travers des réplications de simulation de la solution x 17/01/2006

16 Convergence prouvée sous certaines conditions
Algorithme (COMPASS*) Recherche progressive de la solution optimale Allocation progressive des budgets additionnels de simulation (nouvelles réplications) aux solutions les plus prometteuses et leurs voisins Identification de la solution optimales selon les estimations Génération aléatoire des nouvelles solutions à considérer dans une zone considérée la plus prometteuse. Convergence prouvée sous certaines conditions 17/01/2006

17 Guy-Aimé Tanonkou : Configuration des chaînes logistiques
Choisir les centres de distribution (DC) parmi N sites potentiels, les affectations Clients/DC et les affectation CD/fournisseurs afin de minimiser les coûts fixes de DC, les coûts de transport (fournisseurs – DC, DC – clients), les prix d’achats, les coûts de stockage et les coûts des stock de securité en présence des demandes aléatoires, des délais d’appro. aléatoires et/ou pannes des fournisseurs/DC avec contraintes de niveau de service. Des modèles d’optimisation combinatoire avec coûts non-linéaires 17/01/2006

18 Modèle type Coût fixe de localisation Coût de transport
Coût d’approvisionnement Coût des stocks de sécurité sous les contraintes : avec 17/01/2006

19 Méthode de résolution: relaxation lagragienne
relaxer les contraintes compliquant le problème et introduire la fonction de pénalisation obtenue par relaxation dans la fonction objectif du problème original, Etape 1 Etape 2 résoudre le problème relaxé et trouver les solutions (X, Y ) Etape 3 résoudre le problème dual afin d’obtenir la meilleure borne inférieure. Etape 4 trouver une solution admissible (solution réalisable au problème original) pour déterminer une borne supérieure (Utiliser une heuristique de réparation), Problème relaxé L() = s.t:  = (i)iI (c.1) (c.2) (SPj) 17/01/2006

20 17/01/2006


Télécharger ppt "en génie industriel hospitalier à l’École des Mines de Saint Etienne"

Présentations similaires


Annonces Google