INFORME PROFESIONAL

MII 505 Métodos de Optimización

Aplicados

 Grupo: N.º 3
 Integrantes: César Rojas – Maribel Muñoz
 Fecha: 22-mayo-2022.
Introducción:

Según diversos estudios la población mayor de 65 años crece a un ritmo muy rápido. Uno
de estos estudios (Perspectivas de la población mundial) habla que para el año 2050, 1 de
cada 6 personas en el mundo tendrá más de 65 años.
Las agencias que se relacionan con la atención domiciliaria tienen solicitud de recibimiento
de pacientes durante todos los días, semanas y meses. Dentro de sus facultades está la de
prestar de mejor formar el servicio que entregan. En estos recursos de administración, las
decisiones relacionadas a la programación de atención se están volviendo esenciales para
tener una alta tasa de aceptación.
Este informe, se basa principalmente en la programación de cuidados domiciliarios con
visitas. Además, considerando para los pacientes que ya están en el mismo sistema.

En este informe, los vectores que se estudiarán serán abordados de la siguiente manera:
- Problema de selección de las mejores rutas y problema de asignación de personal
para el servicio demandado, teniendo en cuenta todas las restricciones
simultáneamente.
- Se propondrá en primer lugar un nuevo algoritmo para el subproblema de la
descomposición de Benders basada en lógica (LBBD), formulación presentada
en Heching et al. (2019).
- Se presentará una nueva LBBD de formulación con variables adicionales. Estas
nuevas variables corresponden a patrones de visita de los pacientes; puesto que
combinan el proveedor asignado, los días de visita y los tiempos de visita en una
única variable.

Definición del Problema global:

1.aSe debe al envejecimiento de la población, con la finalidad de descentralizar la atención
en el servicio publico.

2.aLa demanda de servicios de atención domiciliaria ha aumentado significativamente

durante la última década (Sinha & Bleakney, 2014).

3. Las agencias de atención domiciliaria suelen dividir a los pacientes por área y resolver
los problemas de programación por equipo de proveedores (5 a 15 proveedores). Según la
literatura, la propuesta HCS-PV se puede describir como una variante del problema de
enrutamiento y programación de atención médica domiciliaria (HHCRSP) ((Begur, et al.
( 1997), Cheng & Rich (1998)).

El método propuesto se descompone en dos partes; un problema maestro y subproblemas.

- En el primero, se consideran la aceptación y asignaciones del paciente;

- El segundo se consideran la viabilidad de las restricciones de programación

HCS-PV considera un conjunto de pacientes PAG y maximiza el número de

programaciones pacientes atendidos dado un conjunto de proveedores disponibles UN en
un horizonte de 5 días
Para cada paciente programado, debemos determinar el proveedor asignado, la visita días y
el tiempo de visita. Estas decisiones deben tener en cuenta las condiciones existentes
pacientes; las visitas programadas para estos pacientes no se pueden modificar para
continuar nulidad de los fines de atención. En el contexto de la atención domiciliaria, la
continuidad de la atención implica siempre enviando el mismo proveedor a la misma hora
al mismo paciente

Definición del Problema en lo particular:

Cada semana algunos pacientes salen del sistema de las agencias (fin del plan de atención,
problema que requiere un ingreso hospitalario, etc.) y, por lo tanto, las agencias tienen que
decidir cuántos nuevos pacientes pueden aceptar y cómo los pacientes serán asignados a los
proveedores y programarlos. Con el fin de conservar una alta continuidad de la atención (es
decir, una fuerte relación paciente-proveedor), los horarios para los pacientes ya presentes
en el sistema (llamado pacientes existentes) tienen que permanecer sin cambios (mismo
proveedor asignado, misma hora de visita y días).

Diagrama de causa y efecto:

Clientes Personas

Necesidades Tiempo de
atención

Fin del plan

de atenció n
Vehículos Envejecimiento

Transporte Entorno

Modelo matemático:
En MP, la función objetivo:
(1) maximiza el número de pacientes visitados. Las restricciones (2) y (3) son las
restricciones de convexidad que vinculan las variables, y la restricción (4) impone el
número de visitas requerido por paciente. Las restricciones (5) garantizan que se respeten
los requisitos y las competencias, y las restricciones (6) controlan los conjuntos de días
permitidos para cada paciente. Por último, las restricciones (7) son las restricciones
binarias.
En este modelo se introducen las variables sp, que corresponden al tiempo de visita del
paciente p, y el parámetro Vd, que es igual al número de pacientes visitados el día d (es
decir, ‫׀‬P(Spa),d‫)׀‬.
Además en este modelo se restringen las ventanas de tiempo de los pacientes según la del
proveedor definiendo r 0 p = máx(ra, rp) y d 0 p = min(da, dp).
En esta formulación, la n objetivo (8) es 0 porque simplemente quiere comprobar que existe
una solución. Las restricciones (9) aseguran que el proveedor comienza y termina cada día
en su casa.
Esto significa que para cada a, el recorrido comienza en v = 1, termina en v = Vd +2v y se
visita al primer paciente en la posición v = 2 y el último paciente en la posición n v = Vd +
1. Restricciones (10) asegurarse de que se visiten todos los lugares y las restricciones (11)
hacen cumplir las ventanas de tiempo de los pacientes.
Se tienen en cuenta las limitaciones de tiempo de viaje. Por restricciones (12) y el tiempo
máximo de trabajo por restricciones (13). Finalmente, los dominios de las variables está n
definidos por restricciones (14)

Subproblema
El subproblema SP se define para cada proveedor individualmente y tiene que hacer frente
a todos los problemas de enrutamiento (tiempo de viaje, visita consistencia, horas extras,
ventanas de tiempo).

Dependiente en la dificultad del problema (tamaño de las ventanas de tiempo, número de

pacientes para programar), esta gestión simultánea de todas esas restricciones podría
conducir a un tiempo de cálculo excesivo. Para evitar este problema, pro- plantear una
resolución de subproblema alternativa que permita dividir la resolución en dos pasos.
El primer paso solo verificará el tiempo de viaje y el tiempo ganado. restricciones de dows,
el segundo resolverá todo el subproblema propuesto en la sección anterior. Para describir
este subproblema de dos pasos, presentamos la formulación de programación de
restricciones del problema diario.
El diario subproblema (SPad anuncio) es como sigue.

Según esta formulación, el subproblema alternativo resuelve ahora primero el problema

para cada día de forma independiente (SPa,d). El tiempo máximo de trabajo semanal del
proveedor y las restricciones de consistencia no se consideran (restricciones 11 y 13). Si se
encuentra una ruta factible para cada día, se resuelve el subproblema completo (SPa), de lo
contrario se crea un corte de factibilidad para cada día no factible.

Problema maestro

A continuación, presentamos la nueva formulación del LBBD basada en Ω. La variable δp

sigue correspondiendo a la aceptación del paciente y dejemos que xω sea 1 si se selecciona
el patrón de visita ω. Finalmente, ttω, ω0 corresponde al tiempo de viaje entre las
locaciones de los pacientes asociados a los patrones ω y ω.
Dejar PBF ser la nueva formulación basada en patrones. El problema maestro es un
problema de cobertura de conjuntos definido por (21)–(25). La función objetivo (21)
maximiza el número de pacientes visitados. Las restricciones (22) son las convexas
restricciones de calidad que vinculan las variables de decisión, y las restricciones (23)
hacen cumplir el tiempo de viaje entre pacientes.
Las restricciones (24)–(25) son las restricciones binarias restricciones Este nuevo problema
maestro incluye todas las restricciones (asignación de proveedor a paciente, visitas
consistentes, número requerido de visitas su, tiempo de viaje, requisitos del paciente)
excepto por las restricciones en el tiempo de trabajo de los proveedores, que se cumplen en
los subproblemas.

Descomposición de Dantzig-Wolfe
Como se describe en la introducción, los métodos de sucursal y precio ampliamente
utilizados para resolver el problema de programación de atención médica en el hogar
(Gamst & Jensen (2012), Trautsamwieser & Hirsch (2014)).
Para cada solución factible, podemos definir el horario del proveedor por el subconjunto de
patrones que se ha asignado a este proveedor. Por lo tanto, el horario de un proveedor
consiste en patrones de visitas que satisfacen los viajes y el tiempo de trabajo restricciones
Usamos esta agregación de patrones (es decir, los horarios) para construir la tercera
formulación, una descomposición de Dantzig-Wolfe. Introducimos ᴧ, el conjunto de
horarios factibles de los proveedores, y al subconjunto de horarios factibles para el
proveedor a (con ᴧ = Uᴧa). Sean λ el número de pacientes visitados por horario λ. Sea vλ,p
igual a 1 si se visita al paciente p por horario λ y 0 en caso contrario. Finalmente, definimos
la variable de decisión xλ, que es igual a 1 si se selecciona el horario λ del proveedor y 0 en
caso contrario. La formulación de partición del conjunto de asignaciones (ASP) es una
fórmula de Dantzig-Wolfe descomposición y se expresa de la siguiente manera:

La función objetivo (26) maximiza el número de pacientes programados. Las restricciones

(27) aseguran que haya como máximo un horario por proveedor, y las restricciones (28)
aseguran que haya como máximo un programa por paciente. Finalmente, las restricciones
(29) son las restricciones binarias

Conclusiones:
Sin duda alguna los servicios de atención domiciliaria reducen el flujo de pacientes en los
hospitales y reduce el costo de la atención (Macintyre et al., 2002), por lo tanto, la
maximización del recurso debe ser implementada y mejorada, reduciendo con esto
hospitalizaciones y camas ocupadas en los recintos hospitalarios.

Como una forma de resolver eficientemente los problemas, las agencias de atención
domiciliaria, suelen dividir a los pacientes por área y resolver los problemas de
programación por equipo de proveedores (5 a 15 proveedores).

Se diseñó una metodología para tratar los problemas Optimización Combinatoria, dicha
metodología dista de la forma en que normalmente los libros clásicos tratan estos temas ya
que los problemas se resuelven de una forma intuitiva, sencilla y práctica, la cual fue
estructura de la siguiente manera: a) Introducción; b) Desarrollo del problema; c)
Formulación matemática del problema; d) Resultados y e) Bibliografía.

Entonces, ha evolucionado para integrar restricciones más prácticas como la maximización

de las preferencias de los pacientes y cuidadores (Braekers et al., 2016), el balance de la
carga de trabajo (Bertels & Fahle, 2006), visitas compartidas (Frifita et al., 2017) o
incluso el tiempo de viaje dependiente del tiempo (Rest & Hirsch, 2016). Algunos
métodos exactos (Gamst & Jensen, 2012; Trautsamwieser & Hirsch, 2014; Borsani et
al., 2006; Torres-Ramos et al., 2014) han sido propuestas.

Por lo que la optimización nos lleva a la mejor elección y selección de elementos

disponibles para la maximización de nuestros recursos con el fin de mantener las atenciones
medicas y descongestionar los hospitales.

Bibliografia:

Sivalli Campos C.M., Buffette Silva B.R., Forlin D.C., Trapé C.A., de Oliveira Lopes I.
Práticas emancipatórias de enfermeiros na Atenção Básica à Saúde: a visita domiciliar
como instrumento de reconhecimento de necessidades de saúde. Rev Esc Enferm USP
[Internet]. 2019;48(Spe):119–125. [consultado 28 Ene 2019].

CENSO . (2017). CENSO 2017 REVELÓ QUE MÁS DEL 16% DE LA POBLACIÓN
CHILENA ES ADULTO MAYOR. 2022, de Ministerio de Desarrollo social y Familia
Sitio web: http://www.senama.gob.cl/noticias/censo-2017-revelo-que-mas-del-16-de-la-
poblacion-chilena-es-adulto-mayor

Giraldo Osorio A., Betancurth Loaiza D.P., Orozco Castillo L., Mejía Alarcón A.M.
Fundamentación de la visita domiciliaria desde un enfoque de enfermería familiar y
cultural. Rev Cienc Cuidad. 2020;17:99–111.

Contel, J.C.. (2021). Atención domiciliaria: La necesidad de más atención integrada que
nunca. La Gestión Importa. Salud y Sociedad. 28-06-2021. http://lagestioimporta.cat/arees/
atencion-domiciliaria-la-necesidad-de-masatencion-integrada/?lang=es

Marino Germán Narváez Reyes. (13 de Junio de 2013). Un Enfoque Basado en Generación
de Columnas para la Planeación de Personal y Asignación de Rutas en un Programa de
Atención Médica Domiciliaria. Bogotá, Colombia. Departamento de ingeniería Industrial
Universidad de los Andes.
https://repositorio.uniandes.edu.co/bitstream/handle/1992/12159/u670955.pdf?sequence