Saremi, Alireza (2013) In the last

Saremi, Alireza (2013) In the last two decades, the western world witnessed a continuous rise in the health expenditure. Meanwhile, complaints from patients on excessive waiting times are also increasing. In the past, many researchers have tried to devise appointment scheduling rules to provide trade-offs between maximizing patients' satisfaction and minimizing the costs of the health providers. For instance, this challenge appears appointment scheduling problems (ASP). Commonly used methods in ASP include analytical methods, simulation studies, and combination of simulation with heuristic approaches. Analytical methods (e.g., queuing theory and mathematical programming) face challenges of fully capturing the complexities of systems and usually make strong assumptions for tractability of problems. These methods simplify the whole system to a single-stage unit and ignore the actual system factors such as the presence of multiple stages and/or resource constraints. Simulation studies, conversely, are able to model most complexities of the actual system, but they typically lack an optimization strategy to deliver optimal appointment schedules. Also, heuristic approaches normally are based on intuitive rules and do not perform well as standalone methods. In order to reach an optimal schedule while considering

ผลลัพธ์ (ไทย) 1:

Saremi, Alireza (2013) ในสองทศวรรษ โลกตะวันตกเห็นรายจ่ายสุขภาพขึ้นอย่างต่อเนื่อง ในขณะเดียวกัน ข้อร้องเรียนจากผู้ป่วยในเวลารอมากเกินไปจะยังเพิ่มขึ้น ในอดีต นักวิจัยจำนวนมากได้พยายามประดิษฐ์นัดหมายกำหนดการกฎเพื่อให้มีทางเลือกระหว่างเพิ่มความพึงพอใจของผู้ป่วย และลดต้นทุนของผู้ให้บริการสุขภาพ ตัวอย่าง ความท้าทายนี้แล้ว นัดหมายวางแผนปัญหา (ASP) วิธีที่ใช้กันทั่วไปใน ASP รวมวิธีวิเคราะห์ จำลองการศึกษา และชุดของการจำลองด้วยวิธีแล้ว วิธีวิเคราะห์ (เช่น ทฤษฎีการจัดคิวและการเขียนโปรแกรมคณิตศาสตร์) เผชิญกับความท้าทายของการจับภาพความซับซ้อนของระบบทั้งหมด และมักจะทำให้สมมติฐานแรง tractability สำหรับปัญหา วิธีการเหล่านี้ทำทั้งระบบเป็นหน่วยระยะเดียว และละเว้นปัจจัยระบบจริงเช่นอยู่หลายขั้นตอนและ/หรือข้อจำกัดของทรัพยากร ศึกษาการจำลอง ในทางกลับกัน จะจำลองความซับซ้อนมากที่สุดของระบบจริง แต่พวกเขามักจะขาดกลยุทธ์การเพิ่มประสิทธิภาพการส่งกำหนดการนัดหมายที่เหมาะสม ยัง แล้ววิธีปกติตามกฎการใช้งานง่าย และทำไม่ดีเป็นวิธีการแบบสแตนด์อโลน เพื่อที่จะถึงกำหนดการเหมาะสมโดยพิจารณาถึง

ผลลัพธ์ (ไทย) 2:

Saremi, Alireza (2013) ในช่วงสองทศวรรษที่ผ่านมาโลกตะวันตกเห็นอย่างต่อเนื่องเพิ่มขึ้นในค่าใช้จ่ายด้านสุขภาพ ในขณะเดียวกันการร้องเรียนจากผู้ป่วยในเวลาในการรอมากเกินไปยังเพิ่มขึ้น ในอดีตที่ผ่านมานักวิจัยหลายคนได้พยายามที่จะประดิษฐ์กฎเวลานัดหมายที่จะให้ไม่ชอบการค้าระหว่างการเพิ่มความพึงพอใจของผู้ป่วยและลดค่าใช้จ่ายของผู้ให้บริการสุขภาพ ยกตัวอย่างเช่นความท้าทายนี้ปรากฏปัญหาเวลานัดหมาย (ASP) วิธีการที่ใช้กันทั่วไปใน ASP รวมถึงวิธีการวิเคราะห์การศึกษาแบบจำลองและการรวมกันของการจำลองการแก้ปัญหาด้วยวิธีการ วิธีการวิเคราะห์ (เช่นทฤษฎีแถวคอยและการเขียนโปรแกรมทางคณิตศาสตร์) คว​​ามท้าทายที่ใบหน้าอย่างเต็มที่จับความซับซ้อนของระบบและมักจะทำให้สมมติฐานที่แข็งแกร่งสำหรับการจัดการได้ง่ายของปัญหา วิธีการเหล่านี้ลดความซับซ้อนของระบบทั้งหมดไปยังหน่วยขั้นตอนเดียวและไม่สนใจปัจจัยระบบที่เกิดขึ้นจริงเช่นการปรากฏตัวของหลายขั้นตอนและ / หรือข้อ จำกัด ของทรัพยากร การศึกษาแบบจำลองตรงกันข้ามมีความสามารถในการจำลองความซับซ้อนมากที่สุดของระบบที่เกิดขึ้นจริง แต่พวกเขามักจะขาดยุทธศาสตร์การเพิ่มประสิทธิภาพในการส่งมอบตารางนัดหมายที่ดีที่สุด นอกจากนี้วิธีการแก้ปัญหาตามปกติจะขึ้นอยู่กับกฎระเบียบที่ใช้งานง่ายและไม่ได้ดำเนินการเดียวกับวิธีการแบบสแตนด์อโลน เพื่อให้สามารถเข้าถึงตารางเวลาที่ดีที่สุดขณะที่การพิจารณา

ผลลัพธ์ (ไทย) 3:

saremi กับ , ( 2013 ) ในช่วงสองทศวรรษที่ผ่านมาโลกตะวันตกเห็นการเพิ่มขึ้นอย่างต่อเนื่องในการใช้จ่ายด้านสุขภาพ ขณะที่เรื่องร้องเรียนจากผู้ป่วยมากเกินไปรอเวลาจะยังเพิ่มขึ้น ในอดีต นักวิจัยหลายคนได้พยายามที่จะสร้างตารางกฎเพื่อให้ความพึงพอใจสูงสุดของการทดแทนกันระหว่างผู้ป่วยและลดต้นทุนของผู้ให้บริการสุขภาพได้รับการแต่งตั้งตัวอย่างเช่น ความท้าทายนี้จะปรากฏตารางปัญหาการนัดหมาย ( ASP ) วิธีที่ใช้กันทั่วไปใน ASP รวมวิธีวิเคราะห์ ผลการศึกษา และการรวมกันของจำลองกับวิธีแบบศึกษาสำนึก วิธีการวิเคราะห์ ( เช่นทฤษฎีแถวคอยและการโปรแกรมทางคณิตศาสตร์ ) เผชิญความท้าทายของเต็มจับภาพความซับซ้อนของระบบ และมักจะให้สมมติฐานที่แข็งแกร่งสำหรับทแรคทะบีลของปัญหา วิธีการเหล่านี้ลดความซับซ้อนของระบบทั้งหมดจะเป็นหน่วยเดียว และไม่สนใจความจริงระบบต่างๆ เช่น มีขั้นตอนหลายและ / หรือข้อ จำกัด ทรัพยากร ผลการจำลองแบบตรงกันข้ามสามารถรูปแบบซับซ้อนมากที่สุดของระบบที่เกิดขึ้นจริง แต่พวกเขามักจะขาดกลยุทธ์การเพิ่มประสิทธิภาพเพื่อให้ตารางเวลาการนัดหมายที่เหมาะสมที่สุด นอกจากนี้ แนวทางการแก้ปัญหาโดยปกติจะขึ้นอยู่กับกฎที่ใช้งานง่ายและทำได้ไม่ดี เป็นวิธีการแบบสแตนด์อโลน . ในการเข้าถึงตารางที่เหมาะสมในขณะที่การพิจารณา