haku: @keyword stokastinen optimointi / yhteensä: 4
viite: 1 / 4
« edellinen | seuraava »
Tekijä:Luukkonen, Teppo
Työn nimi:Ensihoitopalvelujen simulointi- ja optimointimalli
Emergency medicine services simulation and optimization model
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2011
Sivut:[6] + 67      Kieli:   fin
Koulu/Laitos/Osasto:Matematiikan ja systeemianalyysin laitos
Oppiaine:Sovellettu matematiikka   (Mat-2)
Valvoja:Salo, Ahti
Ohjaaja:Omar, Ali
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  240   | Arkisto
Avainsanat:emergency medicine services
work shift scheduling
simulation
stochastic optimization
ensihoitopalvelut
työvuorojen suunnittelu
simulointi
stokastinen optimointi
Tiivistelmä (fin): Ambulanssien työntekijöiden päivittäiset työmäärät voivat kasvaa suuriksi, jos päivän aikana tulee kohtuuttoman paljon hälytysajoja.
Päivittäinen työmäärä voi jäädä myös todella pieneksi, jos työtehtäviä ei ole montaa työvuoron aikana.
Täten työntekijöiden työmäärä vaihtelee paljon.
Liialliset ylityöt rasittavat työntekijöitä ja alityöt ovat hukattua työaikaa, joten työmäärien tasaaminen on tarpeen.
Päivittäistä kokonaistyömäärää voidaan mallintaa simuloinnin avulla ja työvuorojen suunnittelussa voidaan hyödyntää simuloituja työmääriä.

Kokonaistyömäärien mallintamiseksi kehitetään kolme simulointimallia, joilla pyritään kuvaamaan havaintoaineiston mukaisen ambulanssiyksikön työpäivien rakennetta yksittäisen hälytystehtävän tarkkuudella.
Ei-parametrinen simulointi perustuu havaittuihin, ambulanssin aiemmin suorittamien tehtävien jakaumiin.
Parametrisessa simuloinnissa havaittuihin jakaumiin sovitetaan teoreettiset todennäköisyysjakaumat.
Jonomallilla simuloidaan hälytystehtävien siirtymistä hälytyskeskuksesta ambulanssille päivän aikana.

Työvuorot suunnitellaan simuloitujen työmäärien perusteella niin, että työntekijöiden työmäärät ovat toisiinsa nähden tasaiset ja ajanjakson pituuden kannalta sopivat.
Työssä muodostetaan lineaarinen sekalukuoptimointitehtävä, jonka rajoitusehdot muotoillaan työntekijöiden ja työehtosopimuksen antamien ehtojen mukaisesti.
Simuloiduille työpäiville ratkaistaan optimaaliset työvuorot, joita verrataan toisiinsa hyödyntäen stokastista dominanssia ja useita simulaatiokierroksia.
Parasta ratkaisua etsitään hyvien ratkaisujen joukosta kohdefunktion odotusarvoa, varianssia, maksimia, minimiä, ja VaR- ja CVaR-riskimittoja vertailemalla.

Työn tulosten perusteella kehitettyjä simulointimalleja ja optimointimallia soveltaen löydetään annetun tehtävän ja havaintoaineiston kannalta tehokkaat työvuorot.
Kolmen rakennetun simulointimallin ja muiden käytettyjen matemaattisten menetelmien toiminnassa on kuitenkin edelleen kehittämisen varaa koko mallin antaman päätössuosituksen luotettavuuden parantamiseksi.
Tiivistelmä (eng): The daily workload of an ambulance crew can be significant if there are several medical emergencies during the day.
However, the workload can also be low if there are few emergency calls.
Thus the workload for single paramedic can vary greatly.
Excessive overtime work exhausts the paramedics but on the other hand paramedics' unused work hours are wasted resources.
Thus balancing of paramedics' workloads is needed.
This is possible by simulating workloads of an ambulance and organizing the work shifts according to the simulated workloads.

Three simulation models are developed to estimate the daily workloads of an ambulance.
One ambulance unit is considered and the purpose of the simulation is to construct work days similar to the data from the ambulance in question.
Non-parametric simulation is based on the tasks previously carried out by the ambulance.
Parametric simulation applies theoretical distributions in the given data.
A queuing model simulates the tasks given to the ambulance by an emergency centre.

Work schedules are planned according to the simulated workloads.
The aim is to distribute the workload evenly among all paramedics.
Thus mixed integer linear problem is formulated in accordance with the constraints required by the paramedics and the collective labour agreement.
Work shifts are generated by the optimization model using simulated workloads.
Then the solutions are compared to each other by utilising stochastic dominance and several simulations.
Alternative good solutions are compared by examining expected value, variance, maximum and minimum values, and VaR and CVaR risk measures of the objective function.

The results indicate that the simulation and optimization models generate excellent alternative work shift schedules to the given problem.
However, the simulation models and other methods used in the process require further research so that the reliability of the given solutions is improved.
ED:2011-09-22
INSSI tietueen numero: 42800
+ lisää koriin
« edellinen | seuraava »
INSSI