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 for Business Analytics (ACBA) Overzicht: 1. Kun je ambulance-incidenten voorspellen? 2. Optimale locaties van standplaatsen 3. Dynamisch Ambulance Management : van Reactief naar Proactief Idee: Gebruik data-science en Wiskundige optimalisatie voor optimaliseren logistieke processen in de zorg 1
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 2008-2013 grote regionale verschillen (meldkamergedrag!) groei kan worden verklaard door demografische ontwikkelingen ook internationaal consistente groei (VS, UK, Canada, Australië, Zwitserland) 4 2
Uitdagingen in ambulancezorg Feiten: 1 miljoen meldingen per jaar, waarvan 500000 A1-ritten 35000 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
Initiële data-analyse number of A1 calls per day (1st half year of 2007) call volume 140 120 100 80 60 40 20 0 01/12/2006 08/12/2006 Nieuwjaarsdag 15/12/2006 22/12/2006 29/12/2006 05/01/2007 12/01/2007 19/01/2007 26/01/2007 02/02/2007 09/02/2007 16/02/2007 23/02/2007 02/03/2007 09/03/2007 time Koninginnedag 16/03/2007 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 Voorspelbaarheid Voorspelbaarheid: trend verloop over de dag weekpatronen seizoensinvloeden Overall: call volumes zijn vrij goed te voorspellen op basis van historische gegevens 4
Optimale locaties van standplaatsen Verspreiding ambulancevoertuigen over de regio continu proces Locaties en bezetting standplaatsen aanpassen Maar hoe? 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? 5
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 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 6
Basissituatie (geen incidenten) Proactieve relocaties na incidenten in Almere (2) en Lelystad (1) 7
Uitdagingen voor DAM Practische uitdagingen: Acceptatie niet te veel relocaties alleen op bepaalde momenten (bijv. vertrek bij ziekenhuis) Acceptabel 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 Optimalisatie-algoritmen werken alleen voor kleine problemen Nodig: snelle en schaalbare heuristieken (approximaties) penalty Prestatiematen 1 0 720 sec 1 0.9 0.1 0 0 720 sec Penalty functie om performance te meten Target: 12 minuten = 15 minus uitruktijd Based on expert opinion 8
Heuristiek: Onbeschikbaarheid Voor elk postcodegebied: Tijd tot dichtstbijzijnde ambu = 276 seconden Kans = 0.033 Onbeschikbaarheid = 0.006 x 0.033 = 0.00018 A Heuristiek: Onbeschikbaarheid L Z A Z A L Z D E U Voorbeeld: totale onbeschikbaarheid in gegeven situatie = 0.49201 Sturen van ambulance van Zeewolde naar Lelystad reduceert onbeschikbaarheid van 0.49 0.29 9
Simultane Relocaties Idee: Ga zo snel mogelijk naar optimale configuratie Tradeoff: Korte tijd naar optimum vs. aantal relocaties 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 10
DAM-Pilot in Flevoland Observaties Ondersteuning voor centralist Sterke reductie rijtijdoverschrijdingen 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 11
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 for Business Analytics (ACBA) Overzicht: 1. Kun je ambulance-incidenten voorspellen? 2. Optimale locaties van standplaatsen 3. Dynamisch Ambulance Management 12