Клієнтоорієнтована оптимізація кадрового складу закладів охорони здоров’я
Автор є членом редколегії видання, тому не брав участі у рецензуванні та прийнятті рішення щодо публікації цієї статті
DOI:
https://doi.org/10.17721/AIT.2021.1.01Ключові слова:
кадровий потенціал, клієнтоорієнтована оптимізація, індекс клієнтоорієнтованості закладу, прийняття рішень, оптимізаціяАнотація
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 клієнтоорієнто-ваності, який обчислюється відповідно до принципів егалітаризму. Виконано експериментальну верифікацію розроблених моделей і методівЗавантажити
Посилання
V.I. Chepizhenko. “Approach to the management of the functional state of complex technical systems in the operational interval of their life cycle,” Bulletin of the National Aviation University, 43 (2), pp.53-57, 2010.
V.A. Grabovsky, P.M. Klimenko. “Systematic approach to the management of health care institutions,” Bulletin of the National Academy of Public Administration under the President of Ukraine, (3), pp. 136-142, 2014.
O. Mulesa, V. Snytyuk, V. Nazarov. “Research of infor¬mation-analytical aspects for optimization of the health care institutions,” Technology audit and production reserves, 6(2 (50)), pp. 10-13, 2019.
O. Mulesa, F. Geche, V. Nazarov, M. Trombola, “Deve¬lopment of models and algorithms for estimating the potential of personnel at health care institutions,” Восточно-Европейский журнал передовых техно¬логий, (4 (2)), 52-59, 2019.
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 Scien¬ces and Information Technologies (CSIT), Vol. 1, 2018, pp. 177-180.
Analysis of the workload, motivators and incentives for health workers who provide HIV services in seven regions of Ukraine. USAID HIV Services Reform in Action Project, Kyiv, 2017.
O.M. Krekoten. “Estimation of labor costs of a general practitioner / family doctor on an outpatient basis by direct timekeeping through timing,” Ukraine. Health of the Nation, № 3. pp. 61-67, 2014.
S.A. Baturkin, E. Yu. Baturkina, V.A. Zimenko, I.V. Siginov. “Statistical Algorithms for Data Clustering in Adaptive Learning Systems,” VESTNIK OF RSREU, № 1 (31), pp.82-85, 2012.
K. Fukunaga K. Introduction to the statistical theory of pattern recognition, Moscow: Nauka. The main edition of physical and mathematical literature, 1979.
A. Kotov, N. Krasilnikov. Data clustering, 2006. Access mode: yury.name/internet/02ia-seminar-note.pdf.
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.
A.G. Ivakhnenko. “The method of group consideration of arguments is a competitor of the method of stochastic approximation,” Automatika, “3, pp. 58-72, 1968.
Y. P. Zaichenko, I.O. Zaets, O.V. Kamotsky, O.V. Pavlyuk, “Investigation of different types of membership functions of parameters of fuzzy predictive models in the fuzzy method of group accounting of arguments,” Control systems and machines, 2, pp . 56-67, 2003.
Y. P. Zaichenko. “Fuzzy method of group accounting of arguments at indefinite input data,” System research and information technologies, № 3, pp. 100–112, 2007.
A. S. Mendel. “Analogue method in short time series forecasting: expert-statistical approach,” Avtomat. and telemech., № 4, pp. 143-152, 2004.
Y. P. Zaichenko, Moamed Muhammad, N.V. Shapova-lenko. “Fuzzy neural networks and genetic algorithms in macroeconomic forecasting problems,” Scientific Bulletin of NTUU “KPI”, № 4, pp. 20-30, 2002.
C. Deb, F. Zhang, J. Yang, S. E. Lee, K. W. Shah. “A revi¬ew on time series forecasting techniques for building energy consumption,” Renewable and Sustainable Energy Reviews, 74, pp. 902-924, 2017.
O. Mulesa, F. Geche, A. Batyuk, V. Buchok, V. “Deve¬lopment of combined information technology for time series prediction,” In Conference on Computer Science and Information Technologies, 2017, pp. 361-373. Springer, Cham.
O. Y. Mulesa, V. Y. Snytyuk. “Development of an evolutionary method for time series forecasting,” Automation of technological and business processes. Volume 12, issue 3, pp. 4-9, 2020.
O. Y. Mules, V. Y. Snytyuk, I. S. Myronyuk. “Information technology for optimizing the human resources of health care institutions,” Bulletin of Vinnytsia Polytechnic Institute.№ 6, pp. 83-90, 2019.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Сучасні інформаційні технології
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
