CN112651657B - 一种健康体检服务流程优化调度方法 - Google Patents
一种健康体检服务流程优化调度方法 Download PDFInfo
- Publication number
- CN112651657B CN112651657B CN202011638908.7A CN202011638908A CN112651657B CN 112651657 B CN112651657 B CN 112651657B CN 202011638908 A CN202011638908 A CN 202011638908A CN 112651657 B CN112651657 B CN 112651657B
- Authority
- CN
- China
- Prior art keywords
- physical examination
- person
- examination person
- service
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 230000036541 health Effects 0.000 title claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 210000000349 chromosome Anatomy 0.000 claims abstract description 8
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 7
- SLXKOJJOQWFEFD-UHFFFAOYSA-N 6-aminohexanoic acid Chemical compound NCCCCCC(O)=O SLXKOJJOQWFEFD-UHFFFAOYSA-N 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Educational Administration (AREA)
Abstract
本发明公开一种健康体检服务流程优化调度方法,包括步骤:S1、将体检者对移动距离和等待时间的主观评价映射成体检者的敏感偏好;S2、计算每个体检者的最优体检流程路径;S3、建立基于移动距离和等待时间的整体优化调度模型;S4、将整体优化调度模型转化为线性规划模型;S5、采用引入呼叫选择策略的二维基因组成染色体的GA_CS算法进行调度结果求解。本发明可以根据体检者对移动距离和等待时间的敏感偏好不同,改进针对特定体检者的体检流程路径推荐方案,使得体检中心资源利用率高的同时,强化了体检者对体检流程的满意度,增强其服务体验,进而提升体检服务机构的市场竞争力。
Description
技术领域
本发明属于信息管理与调度技术领域,具体涉及一种健康体检服务流程优化调度方法。
背景技术
健康体检服务流程调度,即体检中心根据所有体检者所需要的体检项进行体检流程路径推荐,其中每个体检项中可能存在一个或者多个体检服务台,体检者只选择其中一个体检服务台接受体检即完成该体检项。因此,同一体检者的不同体检顺序,以及同一体检顺序中不同体检服务台的选择都对整体服务时间和用户满意度存在很大影响。流程调度的目的旨在平衡体检中心中体检服务资源,减少体检者排队时间,同时规避因排队乱象所造成的额外协调和管理成本,以及因此而造成体检者对体检中心不满情绪,使得体检中心在同行业中失去应有的竞争优势。因此,在健康体检服务过程中,如何对体检者进行有效的调度能够对体检中心和体检者双方都达到高效满意具有十分重要的现实意义。
现有的健康体检服务流程一般存在三种:1)自由主观选择。体检者到达体检中心根据自己所需体检项自由选择体检项进行体检,当体检这完成某项体检项时,根据自己的判断选择下一体检项,完全凭借主观判断,无任何计算调度;2)预约调度。体检者在前往体检中心之前先进行预约,体检调度系统根据体检者的到达时间和所需的体检项,进行系统整体最优的方式给予体检者路径推荐。3)实时调度。体检者到达体检中心进行登记,系统在每一次体检者完成某项体检项时,将可以最快接受服务的体检项推荐给体检者。
在以上描述的传统健康体检服务流程调度方式中,存在以下几种弊端:1)由于体检者对所有体检项排队时间的信息缺失,造成信息不对称,故而很有可能造成体检者整体体检时间过长;2)在整个体检流程调度中,不考虑体检者对移动距离和等待时间的主观选择偏好,故而可能造成像年长体检者不愿移动较长距离,却给定了流程路径最长的推荐,也可能造成像年轻体检者不愿多等待,却给定了相对等待时间较长的路径推荐,最终造成所有体检者的对体检流程调度的方案都不满意;3)实时调度更多的是单纯只考虑当体检者完成某项体检时,寻找可以最先安排体检的下一项,对于整体优化调度而言,可能会造成移动距离过长和等待时间也非最短。
发明内容
针对现有技术中存在的上述问题,本发明提出一种综合考虑移动距离和等待时间的健康体检服务流程优化调度方法,在互联网和物联网的基础科技上,兼顾体检中心医疗资源利用率时,体检中心可以根据体检者对移动距离和等待时间的敏感偏好不同,改进针对特定体检者的体检流程路径推荐方案,使得体检中心资源利用率高的同时,强化了体检者对体检流程的满意度,增强其服务体验,进而提升体检服务机构的市场竞争力。
本发明采用以下技术方案:一种健康体检服务流程优化调度方法,包括步骤:
S1、将体检者对移动距离和等待时间的主观评价映射成体检者的敏感偏好;
S2、计算每个体检者的最优体检流程路径;
S3、建立基于移动距离和等待时间的整体优化调度模型;
S4、将整体优化调度模型转化为线性规划模型;
S5、采用引入呼叫选择策略的二维基因组成染色体的GA_CS算法进行调度结果求解。
作为优选方案,步骤S1中,具体包括:
其中,j表示体检者索引,j∈J,J表示体检者集合。
作为优选方案,步骤S2中,具体包括:
且:
其中,s、w表示体检项索引,Sj表示体检者j需要接受的体检服务项集合,tsw表示体检项s到体检项w之间的距离时间,xjsw为一决策变量,当ojs为ojw的紧前序操作,则xjsw=1,否则xjsw=0,ojs、ojw分别表示体检者j接受的s项和w项体检服务项操作。
同时设置体检者可以忍受等待时间的最高阈值wto,当安排的服务体检流程等待时间超过阈值时,则该体检者的最优体检流程路径推荐满意指数为0。
作为优选方案,步骤S3中,所述整体优化调度模型的优化目标为所有体检者的整体满意度最大化,且最大化满意度SoSR表示为公式:
其中,f(wtj)表示体检者j的等待时间满意指数,h(ttj)表示体检者j的移动距离满意指数,|J|:表示体检者的总数量。
作为优选方案,步骤S3中,该模型包括多个影响约束,且多个影响约束中包括:
影响约束a1:体检者j的总等待时间,表达为:
其中,wtj表示体检者j的总等待时间,rj表示体检者j达到体检中心的时间,sjs和sjw分别表示操作ojs和ojw的开始时间,tsw表示体检项s到体检项w之间的距离时间,m表示体检台索引,Ms表示体检服务台集合,tjsm表示体检者j在s体检项的m服务台上的体检时间,yjsm为一决策变量,若ojs在m上接受体检,则yjsm=1,否则yjsm=0。
影响约束a2:体检者j的总移动时间,表达为:
其中,ttj表示体检者j的总移动时间。
作为优选方案,步骤S3中,每个体检者对于移动距离的满意值h(ttj),通过以下公式计算为:
作为优选方案,步骤S3中,体检者对于等待时间的满意度f(wtj),通过以下公式计算:
作为优选方案,步骤S4中,包括步骤:
定义一个辅助决策变量cj,表示体检者完成所有体检项的时间,以将整体优
化调度模型中的影响约束a1替换为以下约束:
其中,ptj:表示体检者j所有体检项的服务时间总和。
作为优选方案,步骤S5中,所述算法中的基因组为:体检者、体检项。
作为优选方案,步骤S5中,对于服务台的选择采用呼叫选择策略进行实时计算。
本发明的有益效果是:可以根据体检者对移动距离和等待时间的敏感偏好不同,改进针对特定体检者的体检流程路径推荐方案,使得体检中心资源利用率高的同时,强化了体检者对体检流程的满意度,增强其服务体验,进而提升体检服务机构的市场竞争力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明所述一种健康体检服务流程优化调度方法的流程图;
图2是本发明所述监看体检流程示意图;
图3是传统调度方法和本发明优化调度方法的结果对比;
图4是传统调度方法体检流程调度实例图;
图5是本发明中体检流程实例最优调度方案图;
图6是本发明中体检流程实例GA_CS求解优化调度方案图;
图7是本发明中GA_CS算法中染色体组成及呼叫选择示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
参照图1,本实施例提供了一种健康体检服务流程优化调度方法,包括以下步骤:
S1、将体检者对移动距离和等待时间的主观评价映射成体检者的敏感偏好;
S2、计算每个体检者的最优体检流程路径;
S3、建立基于移动距离和等待时间的整体优化调度模型;
S4、将整体优化调度模型转化为线性规划模型;
S5、采用引入呼叫选择(Call Selection)策略的二维基因组成染色体的GA_CS算法进行调度结果求解。
具体的:
步骤S1中,具体包括:
其中,j表示体检者索引,j∈J,J表示体检者集合。
步骤S2中:
计算每个体检者的最优体检流程路径,由于不同体检者j所需的体检项w,w∈Sj各有不同,但单个体检者的体检项数量不大,根据运筹优化中的最优路径,构建简单模型P1,并调用CPLEX求解器快速求得每个体检者的体检最短路径,转为为最小距离时间
P1:决策变量xjsw:若ojs为ojw的紧前序操作,则xjsw=1;否则xjsw=0
其中,|Sj|表示体检者j所要体检的体检项目数量,同时设置体检者可以忍受等待时间的最高阈值wto,当安排的服务体检流程等待时间超过阈值时,则该体检者的体检流程路径推荐满意指数为0;
步骤S3中:
建立整体优化调度模型P,即在上述两个步骤的基础上,建立整体满意度最大化的目标优化模型,综合考虑移动距离约束、达到时间约束、服务体检项约束等;
其中,具体符号的含义为:
S:体检服务项集合,s,w:体检项索引;Ms:体检服务台集合,s∈S,|Ms|:体检服务项s中的服务台个数,m:体检台索引;J:体检者集合,j,k:体检者索引;Sj:体检者j需要接受的体检服务项集合,j∈J,|Sj|:体检者j需要体检的项目数;ojs:操作,体检者j接受s体检服务项操作,j∈J;s∈Sj;Oj:体检者j的所有操作集合,O:所有操作集合,∪j∈JOj;rj:体检者j达到体检中心的时间,j∈J;tsw:体检项s到体检项w之间的距离时间,s,w∈S;tjsm:体检者j在s体检项的m服务台上的体检时间,即操作ojs在m上的体检时间;/>体检者对等待时间的敏感偏好;/>体检者对移动距离的敏感偏好;在决策变量上,xjsw:j∈J;s,w∈Sj。若ojs为ojw的紧前序操作,则xjsw=1;否则xjsw=0;yjsm:j∈J;s∈Sj;m∈Ms。若ojs在m上接受体检,则yjsm=1;否则yjsm=0;zjksm:决策变量,j,k∈J;s∈Sj;m∈Ms。若在m体检服务台上,ojs在oks之前,则zjksm=1;否则zjksm=0;sjs和sjw分别表示操作ojs和ojw的开始时间;wtj:体检者j的总等待时间;ttj:体检者j的总移动时间;f(wtj):体检者j的等待满意指数;h(ttj):体检者j的距离满意指数;SoSR:所有体检者整体满意度。
此外,对于每个体检者的移动距离的最小值和最大值/>可以通过模型P1计算最小值,若目标函数变成最大值,则可快速计算每个体检者移动距离的最大值/>因此,每个体检者对于移动距离的满意值h(ttj)可以通过以下公式计算为:
同样,由于设置了每个体检者的等待时间阈值,体检者对于等待时间的满意度f(wtj)可以通过以下公式计算:
步骤S4中:
通过分析整体优化调度模型P可知,约束(2)为非线性的约束,根据实际问题分析,可以将其转换为线性关系约束。定义一个新的辅助决策变量cj(j∈J),表示体检者完成所有其体检项时的时间,故将模型中的约束(2)替换为以下约束:
ptj:表示体检者j所有体检项的服务时间总和。
转换后的线性优化模型可以采用精确算法求得通过CPLEX求解器求解小规模体检流程优化调度问题,参照图5所示,并参照图4所示的传统体检流程调度相比,参照图3可以看出,优化后体检调度有效地提升了体检者整体满意度。为设计求解大规模启发式算法提供检验结果集。
步骤S5中:
根据健康体检规模而言,面对的都是大规模流程优化调度问题,本实施例中采用引入呼叫选择(Call Selection)策略的二维基因组成染色体的GA_CS算法进行调度结果求解。
一般的GA算法而言,设计了<体检者、体检项、体检服务台>为基因的三维基因组成的染色体,可以求得问题的解空间规模为呈现高度指数增长。考虑到求解速度和求解效果不好,本发明进一步设计了<体检者、体检项>为基因的二维基因组成染色体的GA_CS算法,对于体检服务台的选择,则采用呼叫选择(CallSelection)的策略进行,这样可以最大化利用体检服务资源,参照图7,所得到优化调度方案的效率和效果也都较为理想。
最后,通过本发明模型的实际案例进行说明。参照图2所示,根据健康体检流程进行特征分析,设计了一个小规模的健康体检流程模拟数据集,8个体检者SR,4个体检项SI,每个体检项包含的体检服务台数量分别是[2 2 3 1]。体检项之间的距离时间如表1所示:
表1体检项之间的距离时间
每个体检者在不同体检项的不同体检服务台接受的体检时间,以及体检者的到达时间、对等待时间和移动距离的偏好分值,以及每个体检者的体检项之间的最小与最大的移动距离时间,如表2所示:
表2体检者的各项相关信息
其中,最小和最大移动距离时间是对现有数据通过模型P1计算而来。在通过模型P计算,得到所有体检者的整体满意度为0.9998,计算时间为1秒,具体体检流程方案示意图参照图5,具体数据如表3所示:
表3本发明计算的体检流程优化调度方案
参照图3,对比传统体检调度和本发明的优化调度可知,相比于传统体检调度方法(具体调度方案参照图4),即根据体检者完成一项体检项后选择下一个可以最早可以开始的体检项进行调度,其整体满意度值为0.9983,与本发明所构建的综合考移动距离和等待时间的调度不同,通过本发明的CPLEX求解器求得体检者精确整体满意度为0.9998(具体调度方案参照图5),并通过所构建的启发式+策略算法通过一定的迭代运算得到整体满意度为0.9996(具体调度方案参照图6),与精确整体解非常接近。其中,每种调度方法中每个体检者的具体等待时间和距离时间数据如表4所示:
表4传统调度方法和本发明调度方法的结果值比较
GS_CS算法通过一定规模的迭代得到的调度方案解,参照图6所示。参照图3和表5可以看出,带有启发策略的GA_CS算法与精确最优调度方案非常接近,可以应用于本发明的现实大规模场景问题。同时,参照图4相比于传统基于最早开始时间的调度相比,本发明的调度优化方法能够提供更优的体检流程路径方案。因此,从市场应用价值而言,本发明具备较高的实际价值,能够改善体检者对于体检流程满意度,也能保障体检中心医疗资源的充分利用,进而提升服务机构的整体竞争优势。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的保护范围内。
Claims (4)
1.一种健康体检服务流程优化调度方法,其特征在于,包括步骤:
S1、将体检者对移动距离和等待时间的主观评价映射成体检者的敏感偏好;
S2、计算每个体检者的最优体检流程路径;
S3、建立基于移动距离和等待时间的整体优化调度模型;
S4、将整体优化调度模型转化为线性规划模型;
S5、采用引入呼叫选择策略的二维基因组成染色体的GA_CS算法进行调度结果求解;
步骤S1中,具体包括:
其中,j表示体检者索引,j∈J,J表示体检者集合;
步骤S2中,具体包括:
且:
其中,s、w表示体检项索引,s、w∈Sj;Sj表示体检者j需要接受的体检服务项集合,tsw表示体检项s到体检项w之间的距离时间,xjsw为一决策变量,当ojs为ojw的紧前序操作,则xjsw=1,否则xjsw=0,ojs、ojw分别表示体检者j接受的s项和w项体检服务项操作;
同时设置体检者能忍受等待时间的最高阈值wto,当安排的服务体检流程等待时间超过阈值时,则该体检者的最优体检流程路径推荐满意指数为0;
步骤S3中:建立整体优化调度模型P,即建立整体满意度最大化的目标优化模型,综合考虑移动距离约束、达到时间约束、服务体检项约束;
整体优化调度模型包括多个影响约束,且影响约束包括:
其中,具体符号的含义为:
f(wtj)表示体检者j的等待时间满意度,h(ttj)表示体检者j的移动距离满意值,|J|:表示体检者的总数量;
Ms为体检服务项s中的体检服务台集合,|Ms|为体检服务项s中的服务台个数,m为体检台索引,m∈Ms;k为体检者索引,k∈J;|Sj|为体检者j需要体检的项目数;Oj为体检者j的所有操作集合,O为所有操作集合,∪j∈JOj;rj为体检者j达到体检中心的时间;tjsm为体检者j在s体检项的m服务台上的体检时间,即操作ojs在m上的体检时间;/>为体检者对等待时间的敏感偏好;/>为体检者对移动距离的敏感偏好;yjsm为决策变量;若ojs在m上接受体检,则yjsm=1;否则yjsm=0;zjksm为决策变量;若在m体检服务台上,ojs在oks之前,则zjksm=1;否则zjksm=0;Tjs和Tjw分别表示操作ojs和ojw的开始时间;wtj为体检者j的总等待时间;ttj为体检者j的总移动时间;SoSR为所有体检者整体满意度;
同样,由于设置了每个体检者的等待时间阈值,体检者对于等待时间的满意度f(wtj)通过以下公式计算:
3.根据权利要求1所述的一种健康体检服务流程优化调度方法,其特征在于,步骤S5中,所述GA_CS算法中的基因组为:体检者、体检项。
4.根据权利要求1所述的一种健康体检服务流程优化调度方法,其特征在于,步骤S5中,对于服务台的选择采用呼叫选择策略进行实时计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011638908.7A CN112651657B (zh) | 2020-12-31 | 2020-12-31 | 一种健康体检服务流程优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011638908.7A CN112651657B (zh) | 2020-12-31 | 2020-12-31 | 一种健康体检服务流程优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651657A CN112651657A (zh) | 2021-04-13 |
CN112651657B true CN112651657B (zh) | 2023-06-27 |
Family
ID=75366887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011638908.7A Active CN112651657B (zh) | 2020-12-31 | 2020-12-31 | 一种健康体检服务流程优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651657B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116205475A (zh) * | 2022-12-01 | 2023-06-02 | 哈尔滨海吉雅科技有限公司 | 基于基因组算法的健康体检流程优化调度方法 |
CN116703101B (zh) * | 2023-06-16 | 2024-06-04 | 青岛鲁诺金融电子技术有限公司 | 一种基于大数据的汽车销售服务管理系统及方法 |
CN118469733A (zh) * | 2024-07-15 | 2024-08-09 | 山东乐谷信息科技有限公司 | 一种基于区块链技术的安全会计账簿系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682775A (zh) * | 2016-12-27 | 2017-05-17 | 广州慧扬信息系统科技有限公司 | 一种寻找体检最优路径的系统 |
WO2019024292A1 (zh) * | 2017-08-03 | 2019-02-07 | 深圳市前海安测信息技术有限公司 | 体检线路指引辅助系统及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110118A (zh) * | 2007-08-21 | 2008-01-23 | 北大方正集团有限公司 | 健康体检控制系统和方法 |
CN103971304B (zh) * | 2013-01-24 | 2017-12-19 | 厦门湖里国宇门诊部 | 一种健康体检控制系统及控制方法 |
CN104239956B (zh) * | 2014-09-17 | 2017-09-29 | 云南大学 | 准点优先的体检预约服务管理方法及系统 |
US9943262B2 (en) * | 2015-10-26 | 2018-04-17 | Sk Planet Co., Ltd. | System and method for providing walking path guidance service based on measurement of motion of user |
CN108039197A (zh) * | 2017-12-01 | 2018-05-15 | 首都医科大学附属北京天坛医院 | 医技辅助检查项目排程引导方法及系统 |
EP3824474A1 (en) * | 2018-07-20 | 2021-05-26 | Koninklijke Philips N.V. | Optimized patient schedules based on patient workflow and resource availability |
CN109509548B (zh) * | 2018-11-15 | 2021-08-24 | 合肥工业大学 | 门诊患者的医疗服务调度方法、系统和存储介质 |
CN112037892A (zh) * | 2019-06-03 | 2020-12-04 | 合肥市行思拓教育科技有限公司 | 健康体检智能调度系统、终端以及健康体检智能调度方法 |
-
2020
- 2020-12-31 CN CN202011638908.7A patent/CN112651657B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682775A (zh) * | 2016-12-27 | 2017-05-17 | 广州慧扬信息系统科技有限公司 | 一种寻找体检最优路径的系统 |
WO2019024292A1 (zh) * | 2017-08-03 | 2019-02-07 | 深圳市前海安测信息技术有限公司 | 体检线路指引辅助系统及方法 |
Non-Patent Citations (1)
Title |
---|
全智能导检系统在医院体检中心的应用与满意度评价;叶玲琴;朱勇;;中国妇幼健康研究(第S2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112651657A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112651657B (zh) | 一种健康体检服务流程优化调度方法 | |
CN104883459B (zh) | 基于多变量标准化评分和影子队列的呼叫路由方法及系统 | |
CN109062919B (zh) | 一种基于深度强化学习的内容推荐方法及装置 | |
Fields et al. | Rank aggregation methods comparison: A case for triage prioritization | |
RU2015110455A (ru) | Способ поискового ранжирования с участием пользователя | |
CN110264036A (zh) | 任务调度方法及装置 | |
CN113742492B (zh) | 保险方案生成方法、装置、电子设备及存储介质 | |
CN112685138A (zh) | 云环境下基于多种群混合智能优化的多工作流调度方法 | |
CN117035368B (zh) | 一种基于互联网的医生派单方法 | |
Wang et al. | Adaptive dynamic programming algorithms for sequential appointment scheduling with patient preferences | |
Shahriar et al. | Determinants of Bangladesh’s leather exports to its major trade partners: a panel gravity model approach | |
CN108665148A (zh) | 一种电子资源质量评价方法、装置和存储介质 | |
Wadsworth et al. | Unrelated donor search prognostic score to support early HLA consultation and clinical decisions | |
CN115220898A (zh) | 一种基于深度强化学习的任务调度方法、系统、装置及介质 | |
CN114708909A (zh) | mRNA序列的优化方法及装置、设备、存储介质 | |
López-Pintado et al. | Silhouetting the cost-time front: Multi-objective resource optimization in business processes | |
Lin et al. | Prediction of appointment no-shows using electronic health records | |
CN109658187A (zh) | 推荐云服务商的方法、装置、存储介质及电子设备 | |
Wei et al. | DMSC: a dynamic multi-seeds method for clustering 16S rRNA sequences into OTUs | |
CN109614544B (zh) | 一种用户的个人信息的预测方法及装置 | |
CN106919647B (zh) | 一种基于聚类的网络结构相似性推荐方法 | |
CN110599195A (zh) | 一种识别刷单的方法 | |
Behdani et al. | An alternative approach to rank efficient DMUs in DEA via cross-efficiency evaluation, Gini coefficient, and Bonferroni mean | |
CN116934060B (zh) | 一种医院呼叫智能排队方法及系统 | |
CN115964570B (zh) | 基于QoS多时段变化特征预测的云服务推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240801 Address after: Room 801, 85 Kefeng Road, Huangpu District, Guangzhou City, Guangdong Province Patentee after: Yami Technology (Guangzhou) Co.,Ltd. Country or region after: China Address before: 310018 no.1158, No.2 street, Baiyang street, Hangzhou Economic and Technological Development Zone, Zhejiang Province Patentee before: HANGZHOU DIANZI University Country or region before: China |