: van Reactief naar Proactief

Maat: px

Weergave met pagina beginnen:

Download ": van Reactief naar Proactief"

Roeland Peters
8 jaren geleden
Aantal bezoeken:

1 Mensenlevens Redden met Wiskunde: van reactieve naar proactieve planning van ambulanceritten Prof.dr. Rob van der Mei Centrum Wiskunde & Informatica (CWI) Vrije Universiteit Amsterdam Amsterdam Centre for Business Analytics (ACBA) Overzicht: 1. Ambulancezorg in Nederland 2. Optimale locatie brandweerkazernes en ambulancestandplaatsen 3. Dynamisch Ambulance Management : van Reactief naar Proactief Gebruik van data-science technieken en Wiskundige optimalisatie voor optimaliseren logistieke processen in acute zorg 1

Overzicht: 1. Ambulancezorg in Nederland 2. Optimale locatie brandweerkazernes en ambulancestandplaatsen 3.

2 Bron: RIVM Acute zorg systeem Verstoppingen als capaciteit niet is afgestemd op patiëntenstromen Trends ambulancezorg Bron: RIVM gemiddelde toename van 4,2% per jaar over grote regionale verschillen (meldkamergedrag!) groei kan worden verklaard door demografische ontwikkelingen ook internationaal consistente groei (VS, UK, Canada, Australië, Zwitserland) 4 2

2008-2013 grote regionale verschillen (meldkamergedrag!

3 Uitdagingen in ambulancezorg Feiten: 1 miljoen meldingen per jaar, waarvan A1-ritten rijtijdoverschrijdingen Vragen: 1. Hoeveel calls kunnen we verwachten en van waar? 2. Hoeveel ambulances per standplaats nodig? 3. Wat zijn optimale locaties voor standplaatsen? 4. Hoe houden we een goede bedekking? Data en voorspelbaarheid Call-detail records van aantal jaren Schattingen call-volume, source/destination Schattingen rijtijden, % naar ziekenhuis, 3

Hoeveel ambulances per standplaats nodig? 3. Wat zijn optimale locaties voor standplaatsen? 4.

4 Initiële data-analyse number of A1 calls per day (1st half year of 2007) call volume /12/ /12/2006 Nieuwjaarsdag 15/12/ /12/ /12/ /01/ /01/ /01/ /01/ /02/ /02/ /02/ /02/ /03/ /03/ /03/2007 time Koninginnedag 23/03/ /03/ /04/ /04/ /04/ /04/ /05/ /05/ /05/ /05/2007 gemiddelde Voorspelbaarheid Voorspelbaarheid: trend verloop over de dag weekpatronen seizoensinvloeden Overall: call volumes zijn vrij goed te voorspellen op basis van historische gegevens 4

time Koninginnedag 23/03/2007 30/03/2007 06/04/2007 13/04/2007 20/04/2007 27/04/2007 04/05/2007 11/05/2007 18/05/2007 25/05/2007 gemiddelde

5 Optimale locaties van brandweerkazernes Verspreiding brandweervoertuigen over de regio continu proces Locaties en bezetting kazernes aanpassen Maar hoe? Optimale locaties van brandweerkazernes Vraag: Waar kazernes plaatsen zo dat overschreidingen minimaal? Moeilijkheid: Meerdere typen voertuigen (tankautospuit, waterongevallen, ) Meerdere target aanrijtijden (5, 6, 8 of 10 minuten) 5

Optimale locaties van brandweerkazernes Vraag: Waar kazernes plaatsen zo dat overschreidingen

6 Brandweer Voertuigtypen Tankautospuit: 22 Redvoertuig: 9 Hulpverleningsvoertuig: 3 Waterongevallenwagens: 2 Herverdeling voertuigen 19 brandweerwagens Huidige verdeling kazernes: bedekking 85% 91% 6

7 Wijzigingen locaties 4 wijzigingen Conclusie Door klein aantal nieuwe locaties enorme winst Optimale locaties van standplaatsen straal 15-minuten bedekking 15-minuten Gegeven: Aantal ambulances, gemiddelde afstanden tussen postcodegebieden Vraag: Wat zijn optimale locaties van standplaatsen, zodanig dat kans dat aanrijtijd > 15 minuten minimaal is? 7

Gegeven: Aantal ambulances, gemiddelde afstanden tussen postcodegebieden Vraag: Wat

8 Optimale locaties van standplaatsen straal 15-minuten bedekking 15-minuten Gegeven: Aantal ambulances, gemiddelde afstanden tussen postcodegebieden Vraag: Wat zijn optimale locaties van standplaatsen, zodanig dat kans dat aanrijtijd > 15 minuten minimaal is? Optimalisatie standplaatsen Moeilijkheid: Gelijktijdigheid: wat als een of meer ambulances bezet zijn? Model: Algoritme voor bepaling optimale locaties van standplaatsen, zodanig dat kans dat aanrijtijd > 15 minuten minimaal is Conclusie: Sterke reductie rijtijdoverschreidingen mogelijk door optimalisatie 8

Optimalisatie standplaatsen Moeilijkheid: Gelijktijdigheid: wat als een of meer ambulances bezet zijn?

9 Dynamisch Ambulance Management Dynamische Ambulance Management: VWS-ritten optimaliseren Gelijktijdigheid van ritten: klassieke schuifregels niet effectief Van reactief naar pro-actief ( REPRO ) Veelbelovend, maar uitvoering niet triviaal Basissituatie (geen incidenten) 9

schuifregels niet effectief Van reactief naar pro-actief ( REPRO )

10 Proactieve relocaties na incidenten in Almere (2) en Lelystad (1) Uitdagingen voor DAM Practische uitdagingen: Acceptatie niet te veel relocaties Alleen op bepaalde momenten (bijv. vertrek bij ziekenhuis) Acceptable alleen als het echt beter is dan statisch Dichtbij optimum, meer VWS-ritten Rekentijden: Toestanden: locaties ambu s, basislocations, status van de ambu s, locaties van incidenten State-space explosion ( curse of dimensionality ) Optimalisatie-algoritmen werken alleen voor kleine problemen Nodig: snelle en schaalbare heuristieken (approximaties) 10

vertrek bij ziekenhuis) Acceptable alleen als het echt beter is dan statisch Dichtbij optimum, meer VWS-ritten Rekentijden: Toestanden:

11 penalty Prestatiematen sec sec Penalty functie om performance te meten Target: 12 minuten = 15 minus uitruktijd Based on expert opinion Heuristiek 1: Onbeschikbaarheid Voor elk postcodegebied: Tijd tot dichtstbijzijnde ambu = 276 seconden Kans = Onbeschikbaarheid = x =

minus uitruktijd Based on expert opinion Heuristiek 1: Onbeschikbaarheid Voor

12 A Heuristiek 1: Onbeschikbaarheid L Z A Z A L Z D E U Voorbeeld: totale onbeschikbaarheid in gegeven situatie = Sturen van ambulance van Zeewolde naar Lelystad reduceert onbeschikbaarheid van Simultane Relocaties Idee: Ga zo snel mogelijk naar optimale configuratie Tradeoff: Korte tijd naar optimum vs. aantal relocaties 12

49201 Sturen van ambulance van Zeewolde naar Lelystad reduceert onbeschikbaarheid van

13 Niet teveel schuiven Beperking op ambulance relocaties (Q, M) 1. Relocatie alleen als verbetering bedekking q > Q 2. Niet meer dan M simultane relocaties Observaties 1. Aantal relocaties zakt snel dat drempelwaarde Q stijgt 2. Klein aantal relocaties geeft al boost in performance Case Studie = hospital = demand point = potentiële stopplaats 13

Niet meer dan M simultane relocaties Observaties 1.

14 # Compliance Table , , 26, , 10, 20, 41 Case Studie Signficante reductie van rijtijdoverschrijdingen Heuristiek 2: On-line DAM Statisch: voertuigen gekoppeld aan basisstations Dynamisch: voertuigen flexibel inzetbaar (set potentiële locaties) Acceptatie: niet teveel VWS-ritten! Idee: relocaties alleen op momenten waarop voertuig weer beschikbaar komt 14

gekoppeld aan basisstations Dynamisch: voertuigen flexibel inzetbaar (set potentiële locaties)

15 Basis: Optimale Statische Toewijzing Gegeven: aantal voertuigen A set of basislocaties W set demand points V reistijden busy fraction q: utilisatie per voertuig node i demand d i (op basis van historische data of forecast) node i bedekt door k ambu s, covered demand MEXCLP Maximum Expected Covering Location Problem max i V p k 1 d (1 q) q i y k 1 ik (verwachte bedekking) y ik = 1 als i in range k ambu s, of 0 x j = # voertuigen op locatie j (j in W) W i = set of voertuigen in bereik van node i 15

s, covered demand MEXCLP Maximum Expected Covering Location Problem max i V p k 1 d (1 q) q i y k 1 ik (verwachte bedekking)

16 Dynamische MEXCLP Oplossing Verwachte bedekte vraag: Definieer marginale verbetering : Idee: stuur ambulance naar location met grootste marginale bedekking (volgens MEXCLP) Optimale Statische Oplossing (MEXCLP) Simulatie: Poisson, 80% naar ziekenhuis na incident Performance: fractie rijtijdoverschrijdingen = 3.9% 16

$Poisson, 80% naar ziekenhuis na incident Performance: fractie$

17 Dynamisch MEXCLP oplossing 1. Beschouw alleen de beschikbare ambulances 2. Rijdende ambulances zijn al op hun bestemming 3. Op elk moment, bereken marginale verbetering in coverage (voor elke basislocatie) 4. Gaan naar basioslocatie met de grootste marginale verbetering Performance: reductie rijtijdoverschrijding met 40% Conclusie 1. Algoritmen voor uitvoeren standplaatsoptimalisatie beschikbaar 2. Nieuwe en effectieve DAM-algoritmen beschikbaar 3. Enorme reducties rijtijdoverschrijdingen mogelijk 4. Pilot in samenwerking met GGD Flevoland 17

Gaan naar basioslocatie met de grootste marginale verbetering Performance: reductie rijtijdoverschrijding met 40% Conclusie 1.

18 Rob van der Mei

Vergelijkbare documenten

Optimale Opstelling van Ambulances:

Optimale Opstelling van Ambulances: van reactieve naar proactieve planning van ambulanceritten Prof.dr. Rob van der Mei Centrum Wiskunde & Informatica (CWI) Vrije Universiteit Amsterdam Amsterdam Centre