基于运筹排队论的医院排队模型仿真研究.docxVIP

基于运筹排队论的医院排队模型仿真研究 随着社会经济的发展，医院已经成为与现代生活密切相关的服务系统，医院运营效率也成为人们关注的焦点。医院的排队问题由顾客数量、服务水平和服务窗口数量等因素综合决定。服务水平可通过内部管理实现,顾客增多,要减少排队等候时间就要增加服务窗口,就要增加投入;而增加窗口有可能出现空闲,又浪费资源。因此,如何找到一个平衡点,使三者达到最佳的平衡状态,是解决医院排队问题的关键。 现在关于排队方式及其运作效率的原理及模型研究涉及较多,对真正的排队方式运行过程分析、模型的确定、数据收集和数据处理没有太多的讨论,甚至一些关于排队方式的研究及数据处理存在一些问题。本文基于以上两点,将排队理论的相关内容运用到医院的排队系统研究中,不仅对排队论的相关理论及模型作了介绍,还对具体的统计数据进行了合理的处理,通过假设检验验证了模型的正确性,构造了完整的统计检验过程,并将统计结果通过Witness软件来进行仿真,更加形象地说明了所研究排队系统的运行情况,从而为以后排队系统的相关研究及医院的排队管理提供参考。 1 理论分析 1.1 距离顾客的分布 医院排队问题作为排队系统,其基本结构由输入过程、服务机构和排队规则3个部分构成。 顾客到达医院的间隔时间的经验分布是指数分布(相继到达的间隔时间是独立且同为负指数分布,与输入过程为泊松分布是等价的)。到达医院的输入过程服从泊松分布要求满足4个条件:1)平稳性:在某一时间间隔内到达的顾客数概率只与这段时间的长度和顾客数有关;2)无后效性:不相交的时间区间内到达的顾客数是相互独立的;3)普通性:在同时间点上最多到达1个顾客,不存在同时到达2个以上顾客的情况;4)有限性:在有限的时间区间内只能到达有限位顾客,不可能有无限个顾客到达。在医院的排队问题中,顾客流量可以说是满足泊松分布条件的,在实际系统模型中,顾客的到达是否服从泊松分布,一般都需要进行检验,通过检验,不仅能确定真实分布类型,还能对统计的数据进行验证。 1.2 泊松分布的估计 对于顾客到达医院的输入过程是否属于泊松分布,一般采用χ2检验法。 检验在时间间隔t内出现的事件流X(t)是否服从泊松分布。抽样试验:在长度为t的时间间隔内观测事件A发生的次数X(t),将这样的观测重复进行m次,记Ai={X(t)=i},i=0,1,2,…,n,即Ai为一次观测中事件A发生i次这个事件。A0,A1,…,An在m次观测中出现的频数分别为m0,m1,…,mn,且n∑i=0mi=m∑i=0nmi=m。上述假定用到以下事实:即使是泊松分布,重复观测m次时,也只能观测到有限个不同的值。需要检验的假设为事件流X(t)是否服从泊松分布p(λ),其中λ为未知参数。将检验的假设X(t)～p(λ)转化为检验以下假设: H0:pi=p(Ai)=p(X(t)=i)=λii!e-λ,i=0,1,?,n-1pi=p(Ai)=p(X(t)=i)=λii!e?λ,i=0,1,?,n?1。 pn=p(An)=p(X(t)≥n)=∞∑i=n∑i=n∞=λin!e-λi。 这里未知参数λ采用极大似然估计, λ=1mn∑i=1imi。 将λ代入上式可以估计出pi,用χ2检验H0,检验统计量 χ2=n∑i=0(mi-mpi)2mpi。 在H0成立时近似服从自由度为n-1的χ2分布,给定显著性水平α,可得H0的拒绝域为 W={χ2≥χ21-α(n-1)}。 对于负指数分布的χ2检验过程,与泊松分布的检验过程基本一致,只是事件发生概率的计算方式有所变化。pi=p(xiεxi+1)=e-μxi-e-μxi+1(ε为顾客的服务时间)。 2 到达时间分析 本文资料来源于中华医院管理杂志公布的采集数据,其数据是通过北京市某行业厂矿医院的HIS服务系统,采集到门诊挂号窗口病人到达时间数据。利用秒表分别记录挂号窗口工作人员为每个病人服务所用时间,对采集数据进行分类统计。 1 顾客到达情况 随机抽取门诊挂号室上午工作时间数据共220 min,在此期间共到达患者487人,平均到达率λ为2.213 6人/min,顾客到达具体情况如表1所示。 取α=0.05,自由度为9-2-1-1=5(对于理论频数小于5的要进行合并),因χ20.05(5)=11.071,本例中χ2=9.885 547 10811.071,故接受原假设,认为病人到达挂号室的输入过程为泊松分布。 2 安装时间分布 对于输入过程为泊松分布的排队系统,其服务时间按照经验属于负指数分布。随机观察统计102例患者的服务时间,对其进行负指数分布拟合的χ2检验。服务台的平均服务时间μ=1.319人/min=0.021 98人/s,具体服务时间分布情况如表2所示。 取α=0.05,自由度为4-1-1=2,因χ20.05=5.991,本例中χ2=2.619