Van Reactieve naar Proactieve Planning van Ambulance Diensten

PICA seminar over Acute Zorg, 23 maart 2011

Van Reactieve naar Proactieve Planning van Ambulance Diensten

Prof.dr. Rob van der Mei Hoofd onderzoekscluster “Probability, Networks and Algorithms” op het CWI Hoogleraar “Toegepaste Wiskunde” aan de Vrije Universiteit A’dam met dank aan Melania Calinescu en Martin van Buuren Amsterdam, 23 maart 2011


Van Reactieve naar Proactieve Planning van Ambulance Diensten (“REPRO”)

Agenda: 1. Recente ontwikkelingen in de sector 2. Forecasting en personeelsplanning 3. Dynamisch Ambulance Management 4. Outlook en uitdagingen

Amsterdam, 23 maart 2011


Ontwikkelingen

Invoering Wet op Ambulancezorg (“WAZ”): • Ambulancezorg georganiseerd via 25 Regionale Ambulance Voorzieningen (RAVs) • Samenwerking meerdere ambulance providers in RAVs • Toekomst: licensie-systeem en concurrentie • Belang van kosten-efficiëntie cruciaal Amsterdam, 23 maart 2011


Ontwikkelingen Referentiekader Spreiding en Beschikbaarheid 2008: “Binnen de regio heeft elke RAV de vrijheid de ambulancevoorziening naar eigen inzicht te optimaliseren” (RIVMrapport) Dit opent de deur naar efficiency-verbetering Prestatie-eisen: • A1-calls: aanrijtijd maximaal 15 minuten • A2-calls: aanrijtijd maximaal 30 minuten



Bedekkingsgebieden

Typische vragen: •Welke locaties zijn binnen x minuten te bereiken? •Door hoeveel ambulances is locatie y bedekt? Probleem: veel onzekere factoren • rijtijden, beschikbaarheid ambulance, “service tijd” Amsterdam, 23 maart 2011


Typische vragen

Typische vragen: •Hoeveel calls van type A1/A2/B kunnen we verwachten? •Waar komen calls vandaan (geografische spreiding)? •Hoeveel ambulancekoppels zijn minimaal nodig? •Wat zijn “optimale” locaties voor standplaatsen? •Hoeveel ambulances per standplaats nodig? •Wat zijn verwachte aanrijtijden en kortste paden? Amsterdam, 23 maart 2011


Dataset

Call-detail records van aantal jaren Schattingen call-volume, source/destination Schattingen rijtijden, % naar ziekenhuis,… Amsterdam, 23 maart 2011

01 /1 2 08 /20 /1 06 2 15 /20 /1 06 2 22 /20 /1 06 2 29 /20 /1 06 2 05 /20 /0 06 1 12 /20 /0 07 1 19 /20 /0 07 1 26 /20 /0 07 1 02 /20 /0 07 2 09 /20 /0 07 2 16 /20 /0 07 2 23 /20 /0 07 2 02 /20 /0 07 3 09 /20 /0 07 3 16 /20 /0 07 3 23 /20 /0 07 3 30 /20 /0 07 3 06 /20 /0 07 4 13 /20 /0 07 4 20 /20 /0 07 4 27 /20 /0 07 4 04 /20 /0 07 5 11 /20 /0 07 5 18 /20 /0 07 5 25 /20 /0 07 5/ 20 07

call volume


Initiële Data-Analyse number of A1 calls per day (1st half year of 2007)

140

Koninginnedag

120

100

Nieuwjaarsdag

80

60

gemiddelde

40

20

0

time



Initiële Data-Analyse

gemiddelde

ma

di

wo

do

vr

za

zo

Observaties: maandag t/m donderdag redelijk hetzelfde op vrijdag en zaterdag significant meer calls dan andere dagen Amsterdam, 23 maart 2011

Poisson distribution fit

14% 0.07

12% 0.06

10% 0.05

8% mean = 10 mean = 20 6%

4%

relative frequency

probability that number of calls is k


De Theorie en de Praktijk

0.04 Empirical distribution Poisson 0.03

0.02

0.01

2%

0

0%

1

1

3

5

7

9

11

13

15

17

19

21

23

25

27

29

31

33

35

37

39

41

6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

number of calls

call volume (k)

Theorie: aantal calls heeft Poisson-verdeling Praktijk: aantal calls per dag blijkt inderdaad een Poisson verdeling te hebben (bij benadering)


91

96


Analyse Seizoensinvloeden totaal aantal calls over periode van 3 jaar

trendlijn (“moving average”) nov

apr

jun

nov

jun

apr

nov aug

apr

jul jan

aug jul

sep jan

sep jan

Observaties: geen duidelijke trend, wel duidelijke seizoensinvloeden Amsterdam, 23 maart 2011


Voorspellingsmodel

Voorspellingen van gemiddelde beste wat je kunt doen Vanwege factor onzekerheid inbouwen veiligheidsmarge In 95% van de gevallen aantal calls kleiner dan µ + 2 µ Amsterdam, 23 maart 2011


“Staffing” uit de vorige eeuw “New York”

A

D

Hoeveel lijnen ?

Aannamen: 1. aantal “calls” per minuut = λ 2. gemiddelde gesprekduur = β 3. aantal lijnen = N

C B

Vraag: wat is de blokkeringskans ?

“Chicago” © Rob van der Mei Amsterdam, 23 maart 2011


Staffing van Ambulances

Aannamen: 1. aantal “calls” per minuut = λ(t) 2. gemiddelde “service-tijd” = β(t) 3. aantal ambulance = N(t)

Typische vragen: • •

Wat is de kans alle ambulances bezet? Hoeveel ambulances nodig zo dan kans klein genoeg? Amsterdam, 23 maart 2011


… de “Erlang blokkeringsformule” blokkeringskans = N

(λβ ) N! 1 2 N (λβ ) (λβ ) (λβ ) 1+ + + ... + 1! 2! N!


Agner Krarup Erlang (1878-1929)


Efficiency-verbetering in Staffing efficiency gain schatting call volumes schatting travel times simpel “Erlang-B” model

2010: onze planning gebruikt als schaduwplanning aanzienlijke aanscherping van personeelsplanning 2011: ontwikkeling forecasting based planning tool Amsterdam, 23 maart 2011


Dynamisch Ambulance Management (“DAM”) “Hulls” variëren over de tijd: vorm en omvang

Typische vragen: •Hoe kunnen we bedekking “in real time” realiseren? •Toewijzing ambulances: dichtsbijzijnde ambulance? •Wat is “dichtsbijzijnde”? Kun je ambu laten afbuigen? •Hoe zit het met real-time traffic informatie? Kun je die voorspellen? En hoe ga je daarmee om? Amsterdam, 23 maart 2011


Dynamisch Ambulance Management (“DAM”) “Hulls” variëren over de tijd: vorm en omvang

Typische vragen: •Wat doen we met voorwaarde-scheppende ritten? •Weerstand tegen “dummy” ritten, niet te vaak doen Momentum: DAM veel belovend, maar hoe implementeren? En hoe wat zijn “optimale” beslissingen? Decision support tools nodig voor DAM-planning Amsterdam, 23 maart 2011


Initiële DAM Analyse Simulatietool “TIFAR”) “Testing Interface For Ambulance Research” “What-if” scenario’s Opstap naar optimalisatie



DAM Onderzoek

Idee en doelen: •Ontwikkeling modellen en optimalisatie DAM •Technieken: approximate DP, learning •GIS-tool implementatie Betrokken partijen: AmbulanceZorg Nederland, 6 ambulance providers, CityGIS, RIVM, TomTom, zorgverzekeraars, Onderzoek en Statistiek, CWI, VU, TU Delft Amsterdam, 23 maart 2011


Uitdaging:

Conclusie

Introductie Wet of Ambulancezorg (WAZ): •Scherpe prijs-kwaliteit verhouding cruciaal •Kosten-efficient operatie steeds belangrijker

Aanpak: • Proactieve prediction-based planning i.p.v. reactief • Uitnutten mogelijkheden van Dynamisch Ambulance Management • Samenwerking zorgsector en kennisinstellingen

Contact: • Rob van der Mei • E-mail: [email protected] of [email protected] • Telefoon: 06-134 92229 Amsterdam, 23 maart 2011

Van Reactieve naar Proactieve Planning van Ambulance Diensten

Recommend Documents