Клієнтоорієнтована оптимізація кадрового складу закладів охорони здоров’я

Оксана Мулеса

Факультет математики та цифрових технологій, ДВНЗ «Ужгородський національний університет», Україна

orcid.org/0000-0002-6117-5846

Віталій Снитюк

Факультет інформаційних технологій, Київський національний університет імені Тараса Шевченка, Україна

orcid.org/0000-0002-9954-8767

Анотація

DOI: https://doi.org/10.17721/AIT.2021.1.01

Розглядається проблема розробки інформаційної технології для клієнтоорієнтованої оптимізації кадрового складу закладів охорони здоров’я. Встановлено, що ключовими при напрацюванні управлінських рішень у процесах формування кадрової політики в медичних закладах є задачі оцінювання таких характеристик кадрового складу, як нормативне та фактичне навантаження на працівників, а також задачі прогнозування потреб в медичних послугах у майбутні періоди часу. Їх розв’язання дозволить одержати та використати нові знання. Відповідний процес базується на послідовному  розв’язанні задач кластеризації, ідентифікації та прогнозування. Побудовано математичну модель задачі багатокритеріальної оптимізації для формування множини варіантів рішень щодо формування кадрової політики в закладах охорони здоров’я. Виконано модель пошуку оптимального розподілу послуг між працівниками закладу у формі задачі цілочислового лінійного програмування. Розроблено продукційні правила для аналізу результатів розв’язування сформульованої задачі. Запропоновано модель для напрацювання варіантів рішень щодо зміни в кадровому складі медичного закладу для забезпечення повноти надання медичних послуг. Для оцінювання ефективності варіантів вироблених рішень використовується індекс клієнтоорієнто­ваності, який обчислюється відповідно до принципів егалітаризму. Виконано експериментальну верифікацію розроблених моделей і методів.

Ключові слова – кадровий потенціал, клієнтоорієнтована оптимізація, індекс клієнтоорієнтованості закладу, прийняття рішень, оптимізація.

Інформація про авторів

Оксана Мулеса. Кандидат технічних наук за спеціальністю 05.13.06 – інформаційні технології, доцент, доцент кафедри кібернетики і прикладної математики ДВНЗ «Ужгородський національний університет». До наукових інтересів входять інформаційні техно­логії, прийняття рішень, нечіткий аналіз, інтелектуальний аналіз даних.

Віталій Снитюк. Декан факультету ін­фор­маційних технологій, доктор тех­нічних наук за спеціальністю 05.13.06 – інформаційні технології, професор. Наукові інтереси: прийняття рішень в умовах невизначеності, обчислювальний інтелект, еволюційне моделювання.

Література

1. В. І. Чепіженко. “Підхід до управління функціональ­ним станом складних технічних систем на експлуа­таційному інтервалі їх життєвого циклу,” Вісник Національного Авіаційного Університету, 43(2), pp.53-57, 2010.
2. В. А. Грабовський, П. М. Клименко. “Системний під­хід до управління закладами охорони здоров’я,” Вісник Національної академії державного управління при Президентові України, (3), pp. 136-142, 2014.
3. O. Mulesa, V. Snytyuk, V. Nazarov. “Research of infor­mation-analytical aspects for optimization of the health care institutions,” Technology audit and production reserves, 6(2 (50)), pp. 10-13, 2019.
4. O. Mulesa, F. Geche, V. Nazarov, M. Trombola, “Deve­lopment of models and algorithms for estimating the potential of personnel at health care institutions,” Восточно-Европейский журнал передовых техно­логий, (4 (2)), 52-59, 2019.
5. O. Mulesa, F. Geche, A. Batyuk, I. Myronyuk. “Using A Systematic Approach in the Process of the Assessment Problem Analysis of the Staff Capacity Within the Health Care Institution,” In 2018 IEEE 13th International Scientific and Technical Conference on Computer Scien­ces and Information Technologies (CSIT), Vol. 1, 2018, pp. 177-180.
6. Аналіз робочого навантаження, мотиваторів та стимулів праці медичних працівників, які надають віл-послуги в семи регіонах україни. Проект USAID «Реформа ВІЛ-послуг у дії», Київ, 2017.
7. О. М. Крекотень. “Оцінка працезатрат лікаря загальної практики/сімейного лікаря на амбулаторному прийомі методом безпосередніх замірів часу через хроно­метраж,” Україна. Здоров’я нації, № 3. pp. 61-67, 2014.
8. С. А. Батуркин, Е. Ю. Батуркина, В. А. Зименко, И. В. Сигинов. “Статистические алгоритмы кластеризации данных в адаптивных обучающих системах,” Вестник РГРТУ, № 1 (31), pp.82-85, 2012.
9. К. Фукунага К. Введение в статистическую теорию распознавания образов, М.: Наука. Главная редакция физико-математической литературы, 1979.
10. А. Котов, Н. Красильников. Кластеризация данных, 2006. Режим доступа: yury.name/internet/02ia-seminar-note.pdf.
11. H. Nguyen, C. Drebenstedt, X. N. Bui, D. T. Bui. “Prediction of blast-induced ground vibration in an open-pit mine by a novel hybrid model based on clustering and artificial neural network,” Natural Resources Research, 29(2), 691-709, 2020.
12. А. Г. Ивахненко. “Метод групового урахування аргу­мен­тів – конкурент методу стохастичної апроксима­ції,” Автоматика, № 3, pp. 58-72, 1968.
13. Ю. П. Зайченко, И. О. Заец, О. В. Камоцкий, О. В. Павлюк, “Исследование разных видов функций принадлежности параметров нечетких прогнозиру­ющих моделей в нечетком методе группового учета аргументов,” Управляющие системы и машины, 2, pp. 56-67, 2003.
14. Ю. П. Зайченко. “Нечеткий метод групового учета ар­гу­ментов при неопределенных входных данных,” Системні дослідження та інформаційні технології, № 3, pp. 100–112, 2007.
15. А. С. Мендель. “Метод аналогов в прогнозировании коротких временных рядов: экспертно-статистический подход,” Автомат. и телемех., № 4, pp. 143-152, 2004.
16. Ю. П. Зайченко, Моамед Мухамед, Н. В. Шапова­ленко. “Нечіткі нейронні мережі і генетичні алгоритми в задачах макроекономічного прогнозування,” Наукові вісті НТУУ “КПІ”, № 4, pp. 20-30, 2002.
17. C. Deb, F. Zhang, J. Yang, S. E. Lee, K. W. Shah. “A revi­ew on time series forecasting techniques for building energy consumption,” Renewable and Sustainable Energy Reviews, 74, pp. 902-924, 2017.
18. O. Mulesa, F. Geche, A. Batyuk, V. Buchok, V. “Deve­lopment of combined information technology for time series prediction,” In Conference on Computer Science and Information Technologies, 2017, pp. 361-373. Springer, Cham.
19. О. Ю. Мулеса, В. Є. Снитюк. “Розробка еволюційного методу для прогнозування часових рядів,” Автома­тизація технологічних і бізнес-процесів. Том 12, вип. 3, pp. 4-9, 2020.
20. О. Ю. Мулеса, В. Є. Снитюк, І. С. Миронюк. “Інфор­маційна технологія оптимізації кадрового потенціалу закладів охорони здоров’я,” Вісник Вінницького політехнічного інституту.№ 6, pp. 83-90, 2019.