Una optimización basada en tecnología de programación matemática permite maximizar o minimizar una función objetivo, sujeto a restricciones. Los sistemas inteligentes son capaces de analizar y procesar un largo volumen de variables y datos, en tiempos mínimos consiguiendo soluciones optimizadas.
La optimización inteligente permite a empresas de diversos rubros como comercio, hospitales, turismo, telecomunicaciones, gobierno y otros sectores con un uso muy intensivo de los datos, tomar mejores decisiones y alcanzar los objetivos de negocio. De esta manera logran resolver problemas de optimización complejos.
Una optimización inteligente habilita a:
- maximizar la ganancia a partir de la historia, calculando la curva de demanda y prescribiendo una ecuación de pricing dinámico;
- conseguir una gestión de stock minimizando quiebres y cubriendo la demanda diaria;
- maximizar la eficiencia operativa;
- optimizar rutas considerando costos, prioridades y otras variables y restricciones;
- lograr una planificación automática de asignación de personal a tareas, turnos y zonas (considerando perfiles, costos, presentismo, compatibilidades, competencias, etc.), con menos costos, motivando al personal y aumentando la satisfacción del cliente;
- innovar en cross-selling efectivo;
- aumentar la cobertura de los servicios brindados al beneficiario, manteniendo -y a veces disminuyendo- costos;
- predecir el comportamiento de los clientes o beneficiario
Demo: Asignación personal hospital
En este caso lo que se planteó fue la optimización de asignación de personal a turnos, considerando:
- Costo
- Formación
- Compatibilidad
- Afinidad y disponibilidad
Se realizó una demo para optimizar recursos en un hospital a través de la asignación de personal a diferentes turnos. Previo a la optimización la situación era la siguiente:
- Costos elevados para cobertura requerida
- Turnos atendidos inoportunamente
- Desmotivación y rotación
Los pasos para la realización del modelo fueron los que se detallan a continuación:
1: Se construye el modelo de datos:
Los datos de entrada son:
- Lista de departamentos del hospital en el alcance de asignación.
- Lista de competencias (habilidades).
- Lista de turnos para el equipo de trabajo. Un turno contiene un departamento, un día en la semana, hora de inicio y fin.
- Lista de enfermeras identificadas por sus nombres.
- Competencias de cada enfermera.
- Requerimientos de competencias por turno: mínimo de número de personas.
- Días libres planificados por enfermeras.
- Lista de afinidades.
- Lista de incompatibilidades (enfermeras no afines).
2: Se procesan los datos
- Se añade una columna «día de la semana» que convierte la palabra día en un entero 0…6 (Lunes es 0, Domingo es 6).
- Calcular la hora de comienzo de cada turno.
- Calcular la hora de fin de cada turno.
- Calcular la duración de cada turno.
- Calcular la demanda mínima (horas) de cada turno.
3: Creación del modelo prescriptivo
4: Definimos las variables de decisión
5: Definimos las restricciones del problema
6: Definimos los objetivos
7: Ejecutamos la optimización CPLEX
_________________________________________
Nuestro compromiso con el servicio personalizado a la medida de cada cliente, la excelencia en los proyectos BI/EPM/Interoperabilidad y la asimilación de continuos resultados exitosos a nuestra estrategia de trabajo, hacen de Adagio una empresa dedicada y diferente.
?Por más información contáctenos para conocer más detalles de nuestros servicios: