PROBLÈMES MÉTHODOLOGIQUES POSÉS par la SIMULATION DE PROCESSUS de PRODUCTION de SERVICES L’EXEMPLE D’UN SERVICE D’URGENCES Vincent GIARD & Savas BALIN Université Paris Dauphine - LAMSADE (CNRS) [email protected] & [email protected] Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences PROBLÈMES MÉTHODOLOGIQUES POSÉS par la SIMULATION DE PROCESSUS de PRODUCTION de SERVICES L’EXEMPLE D’UN SERVICE D’URGENCES Vincent GIARD & Savas BALIN Université Paris Dauphine - LAMSADE (CNRS) [email protected] & [email protected] PLAN I I-1 I-2 I-3 Analyse des concepts et outils de simulation de processus de production de services Simulation basée sur les objets (SBO) Simulation orientée objet (SOO) et simulation multi-agents (SMA) Choix préalables à l’élaboration d’un modèle de simulation de processus de production II L’exemple de simulation d’un service d’urgences II-1 Le modèle de simulation d’un service d’urgences II-2 Résultats Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Vision processus des services généralement insuffisante • Enjeux: • Amélioration efficience (producteur) et efficacité (≠ prod biens: objectif → subjectif) • Leviers: modifications des ressources, de structures et de procédures • Difficile prédictibilité d’impact de transformations de l’environnement ou de nouvelles actions . essai/erreur: très risqué . solutions analytiques: limité . simulation de scénarios alternatifs: . pas si évident (problèmes méthodologiques) . incontournable (détection des relations causales indirectes peu intuitives) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences I Concepts et outils de simulation de processus de production de services • Vision systémique classique SYSTÈME OPÉRANT Ressources matérielles et humaines SYSTÈME de CONDUITE Décisions programmables ou non SYSTÈME d’INFORMATION Informations techniques Informations de gestion Informations procédurales Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences I Concepts et outils de simulation de processus de production de services • Vision systémique classique SYSTÈME OPÉRANT Ressources matérielles et humaines SYSTÈME de CONDUITE SYSTÈME d’INFORMATION Informations techniques Informations de gestion Informations procédurales Décisions programmables ou non • Simulation • définition: «La simulation consiste à faire évoluer une abstraction d’un système au cours du temps afin d’aider à comprendre le fonctionnement et le comportement de ce système et à appréhender certaines de ses caractéristiques dynamiques dans l’objectif d’évaluer différentes décisions» (Hill, 1993) • question: quelle est la transposition de ces systèmes dans une simulation? Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences I-1 Simulation basée sur les objets (SBO) • Transposition dans modèles de simulation SYSTÈME OPÉRANT modèle de simulation - composants Items / Points d’entrée et de sortie/ Processeurs / Stocks / Ressources Routes possibles (graphe orienté) SIMULATION SYSTÈME de CONDUITE SYSTÈME d’INFORMATION Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences I-1 Simulation basée sur les objets (SBO) • Transposition dans modèles de simulation SYSTÈME OPÉRANT modèle de simulation - composants Items / Points d’entrée et de sortie/ Processeurs / Stocks / Ressources Routes possibles (graphe orienté) SIMULATION SYSTÈME de CONDUITE SYSTÈME d’INFORMATION Informations techniques - Gammes: .....implicite dans Processeurs (TO & routing in/out) + Routes possibles et Items (TO) .....explicites mais accessoire - Nomenclatures: principalement dans Processeurs et Items Informations de gestion: connaissance des caractéristiques et état du système via Items, Points d’entrée (demande) et de sortie, Processeurs, Stocks, Ressources Informations procédurales: Processeurs (routing in/out) + programmes spécifiques Remarque: périmètre «de proximité», sauf programme spécifique Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences I-1 Simulation basée sur les objets (SBO) • Transposition dans modèles de simulation SYSTÈME OPÉRANT modèle de simulation - composants Items / Points d’entrée et de sortie/ Processeurs / Stocks / Ressources Routes possibles (graphe orienté) SIMULATION SYSTÈME de CONDUITE Décisions toutes programmées (implicitement ou explicitement) avant le lancement de la simulation SYSTÈME d’INFORMATION Informations techniques - Gammes: .....implicite dans Processeurs (TO & routing in/out) + Routes possibles et Items (TO) .....explicites mais accessoire - Nomenclatures: principalement dans Processeurs et Items Informations de gestion: connaissances des caractéristiques et état du système via Items, Points d’entrée (demande) et de sortie, Processeurs, Stocks, Ressources Informations procédurales: Processeurs (routing in/out) + programmes spécifiques Remarque: périmètre «de proximité», sauf programme spécifique • Conception de simulateur (et donc de modèles de simulation): arbitrage entre facilité d’usage (liée à D d’application) et qualité de représentation Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Historiquement: simulateurs orientés processus de production de biens ⇒ ⇒ restrictions dans simulation de processus de production de services • Localisation traitements dans processeurs dans services: certaines prestations liées au déplacement d’une ressource / même lieu joue alternativement rôle de processeur et de stock • parfaite substituabilité de processeurs et ressources déclarées comme identiques dans services: certaines prestations liées à ressource • passivité de l’item non influencé par traitement ou état du système dans services : état du système influe sur comportement du client & interactions clients/prestataires Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Historiquement: simulateurs orientés processus de production de biens ⇒ ⇒ restrictions dans simulation de processus de production de services • Localisation traitements dans processeurs dans services: certaines prestations liées au déplacement d’une ressource / même lieu joue alternativement rôle de processeur et de stock • parfaite substituabilité de processeurs et ressources déclarées comme identiques dans services: certaines prestations liées à ressource • passivité de l’item non influencé par traitement ou état du système dans services : état du système influe sur comportement du client & interactions clients/prestataires Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Historiquement: simulateurs orientés processus de production de biens ⇒ ⇒ restrictions dans simulation de processus de production de services • Localisation traitements dans processeurs dans services: certaines prestations liées au déplacement d’une ressource / même lieu joue alternativement rôle de processeur et de stock • parfaite substituabilité de processeurs et ressources déclarées comme identiques dans services: certaines prestations liées à ressource individualisée • passivité de l’item non influencé par traitement ou état du système dans services : état du système influe sur comportement du client & interactions clients/prestataires Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Historiquement: simulateurs orientés processus de production de biens ⇒ ⇒ restrictions dans simulation de processus de production de services • Localisation traitements dans processeurs dans services: certaines prestations liées au déplacement d’une ressource / même lieu joue alternativement rôle de processeur et de stock • parfaite substituabilité de processeurs et ressources déclarées comme identiques dans services: certaines prestations liées à ressource individualisée • passivité de l’item non influencé par traitement ou état du système dans services : état du système influe sur comportement du client & interactions clients/prestataires • Question: cette perte de finesse est-elle préjudiciable si recherche d’amélioration d’efficience ou d’efficacité Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences I-2 Simulation orientée objet (SOO) et simulation multi-agents (SMA) • programmation orientée objet (caractérisée par l’identité, l’existence de classes, l’héritage et le polymorphisme) utilisée dans programmation des simulateurs • Ce que traite un processus de production dans une simulation peut être: un item (→ SBO), un objet (→ SOO) ou un agent (→ SMA) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Enrichissement progressif: SBO → SOO → SMA Disponibilité de composants de base (stocks, processeurs…) de description d’un processus SIMULATION BASÉE SUR LES OBJETS (SBO) SIMULATION ORIENTÉE OBJET (SOO) SIMULATION MULTI-AGENTS (SMA) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Enrichissement progressif: SBO → SOO → SMA Disponibilité de composants de base (stocks, processeurs…) de description d’un processus SIMULATION BASÉE SUR LES OBJETS (SBO) Capacité de prendre en compte les relations directes entre les clients et/ou ressources-personnes Capacité de modéliser une communication directe entre les clients et/ou ressources-personnes Capacité de modéliser des ressources portables mobiles Existence de la notion de localisation Capacité de modéliser des clients réactifs Capacité de modéliser les comportements individuels Capacité de réaliser des évaluations individuelles Capacité de simuler les scénarios d’urgence SIMULATION ORIENTÉE OBJET (SOO) SIMULATION MULTI-AGENTS (SMA) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Enrichissement progressif: SBO → SOO → SMA Disponibilité de composants de base (stocks, processeurs…) de description d’un processus SIMULATION BASÉE SUR LES OBJETS (SBO) Capacité de prendre en compte les relations directes entre les clients et/ou ressources-personnes Capacité de modéliser une communication directe entre les clients et/ou ressources-personnes Capacité de modéliser des ressources portables mobiles Existence de la notion de localisation Capacité de modéliser des clients réactifs Capacité de modéliser les comportements individuels Capacité de réaliser des évaluations individuelles Capacité de simuler les scénarios d’urgence SIMULATION ORIENTÉE OBJET (SOO) Capacité de modéliser une communication élaborée entre individus Capacité de prendre en compte les agents cognitifs (motivées par buts explicites + rationalité basée sur représentation de l’environnement)) SIMULATION MULTI-AGENTS (SMA) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences I-3 Choix préalables à l’élaboration d’un modèle de simulation de processus de production de services • Objectif de simulation: amélioration • d’efficience: SBO suffisante • d’efficacité: SBO peut être insuffisante pour qualité perçue mais pb du statut d’une qualité perçue d’une simulation SOO ou SMA (encapsulant des modèles de comportement) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences I-3 Choix préalables à l’élaboration d’un modèle de simulation de processus de production de services • Objectif de simulation: amélioration • d’efficience: SBO suffisante • d’efficacité: SBO peut être insuffisante pour qualité perçue mais pb du statut d’une qualité perçue d’une simulation SOO ou SMA (encapsulant des modèles de comportement) • la pertinence d’une simulation est une • affaire de jugement sur relations postulées entre facteurs sous contrôle et indicateurs • affaire de validation empirique: comparaisons entre les observations et les résultats d’une simulation s’appuyant sur des hypothèses de fonctionnement comparables liée à • granularité temporelle • niveau de discrimination entre entités de même nature Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • qq règles pour SBO: • ne pas isoler les ressources d’un processeur si non partagées • ne pas décomposer une opération sur un processeur si mobilisation des mêmes ressources • ne pas prendre en compte des ressources surabondantes si pas d’action sur leur niveau Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • qq règles pour SBO: • ne pas isoler les ressources d’un processeur si non partagées • ne pas décomposer une opération sur un processeur si mobilisation des mêmes ressources • ne pas prendre en compte des ressources surabondantes si pas d’action sur leur niveau • Intérêt de prise en compte du comportement individuel ⇒ SOO et SMA • comportement individuel lié aux déplacements → intérêt limité en terme d’efficience (on doit retrouver L(Tempsdéplacement)) • interactions directes entre agents ou objets . joue sur efficience et efficience si liées à non banalisation de ressources . qualité perçue: risques de conclusions inscrites en grande partie dans les prémices . → avantages pas nets Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Conception hiérarchique des modèles de simulation (granularité spatiale) • indispensable pour comprehension de processus complexes • en conception: . mécanismes d’agrégation (→ macro-processus): . pas de pb méthodologique particulier . L(Tempsmacro-processus) résulte de simulation au niveau fin . mécanismes de désagrégation avec L(Tempsmacro-processus) postulé ⇒ compatibilité peu vraisemblable Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences II L’exemple de simulation d’un service d’urgences II-1 Le modèle de simulation d’un service d’urgences • Terrain indirect : travail d’analyse et de recueil d’informations + modélisation dans un M2 de management de la santé (30 heures de séminaire sur un semestre en 2005 et 2006) • Modélisation sous Simul8 (SBO) d’un service de caractérisques proches de 3 services existants pour • analyse efficience / recherche d’amélioration des processus • analyse efficacité à travers le temps de séjour (supposé non lié à qualité des soins) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Les parcours d’un patient dans un service d’urgences Arrivée des patients Attente à l’accueil Accueil et tri Soins dans box Brancardage Brancardage nécessaire? Attente BOX Salle d’Attente d’Urgences Vitales Déchocage Salle de déchoquage Non Oui Réorientation Destination? Morgue BOX LÉGENDE Imagerie Laboratoire d’analyse (Radio, scanner IRM) Stock Processeur Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Les parcours d’un patient dans un service d’urgences Arrivée des patients Attente à l’accueil Accueil et tri Soins dans box Brancardage Brancardage nécessaire? Attente BOX Réorientation Salle d’Attente d’Urgences Vitales Déchoquage Déchoquage Attente SAUV Salle de déchoquage Non Décès? Oui Non Oui Réorientation Destination? Morgue BOX Sortie du service LÉGENDE Imagerie Laboratoire d’analyse (Radio, scanner IRM) Stock Processeur Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Les parcours d’un patient dans un service d’urgences Arrivée des patients Attente à l’accueil Accueil et tri Soins dans box Oui Déchocage BOX Installation Attente diagnostic Déchoquage Attente SAUV Salle de déchoquage Non Brancardage Attente BOX Réorientation Salle d’Attente d’Urgences Vitales Décision? Diagnostic docteur Non Déchocage Brancardage nécessaire? Réorientation Destination? Décès? Oui Morgue Traitement Oui Prescriptions toutes exécutées? Non Attente tous traitements Analyse laboratoire? Prescription imagerie? Oui Prélèvement échantillons en attente transport Traitement dans Box Oui Sortie du service LÉGENDE Imagerie Laboratoire d’analyse (Radio, scanner IRM) Stock Processeur Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Les parcours d’un patient dans un service d’urgences Arrivée des patients Attente à l’accueil Accueil et tri Soins dans box Oui Déchocage Attente BOX BOX Installation Attente diagnostic Déchoquage Attente SAUV Salle de déchoquage Non Non Brancardage Réorientation Salle d’Attente d’Urgences Vitales Décision? Diagnostic docteur Déchocage Brancardage nécessaire? Réorientation Destination? Décès? Oui Morgue Traitement Oui Prescriptions toutes exécutées? Non Attente tous traitements Analyse laboratoire? Prescription imagerie? Oui Prélèvement échantillons en attente analyse Analyse échantillons en attente transport Traitement dans Box Non Oui Brancardage nécessaire? Oui Transport échantillon Attente imagerie Brancardage Imagerie Brancardage nécessaire? Résultats analyses Transport résultats Laboratoire d’analyse Imagerie LÉGENDE Oui Non (Radio, scanner IRM) Sortie du service Brancardage Stock Processeur Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Les parcours d’un patient dans un service d’urgences Arrivée des patients Attente à l’accueil Accueil et tri Soins dans box Oui Déchocage Attente BOX BOX Installation Attente diagnostic Non Décision? Diagnostic docteur Traitement Oui Prescriptions toutes exécutées? Non Attente tous traitements Prélèvement échantillons en attente analyse Analyse échantillons en attente transport Non Transport résultats Laboratoire d’analyse Attente accueil sortie Formalités sortie Brancardage nécessaire? Oui Attente imagerie Brancardage Imagerie Brancardage nécessaire? Imagerie Lit-porte Oui Transport échantillon Résultats analyses Morgue Décharge immédiate Repos au lit porte Prescription imagerie? Traitement dans Box Décès? Oui Décharge après lit-porte Analyse laboratoire? Oui Déchoquage Attente SAUV Salle de déchoquage Non Brancardage Réorientation Salle d’Attente d’Urgences Vitales Déchocage Brancardage nécessaire? Réorientation Destination? LÉGENDE Oui Non (Radio, scanner IRM) Sortie du service Brancardage Stock Processeur Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Cartographie des flux du modèle de simulation - niveau agrégé Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Cartographie des flux du modèle de simulation - zoom sur un box Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Paramètres de la simulation • Gravité de l’état du patient (CCMU1 à 5) • 2 arrivées possibles ; taux variable au cours des 24 heures • Besoin brancardage = f(CCMU) • dans box . installation / diagnostic initial prescriptions ⇒ . Traitements T1 à T4 f(CCMU) ; implique urgentiste (ou spécialiste) et/ou infirmière . besoins en imagerie (déplacement du patient) et analyse : f(CCMU) . puis urgentiste ou spécialiste revu pour un second diagnostic ⇒ nouvelle boucle possible • pour mémoire : déchocage / lit porte / redirection Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences II-2 Simulation et axes d’amélioration des processus du service d’urgences • simulation 24/24 sur 20x5jours / 4 scénarios • Indicateurs orientés efficacité : temps passé dans système, temps d’attente en «salle d’accueil» et en «salle d’attente» (fortement anxiogènes) • Indicateurs orientés efficience : baisse niveau de ressources sans dégradation sensible efficacité Figure 4 — Temps de séjour des patients Tableau 1 - Résultats des simulations Lieu de la mesure Attente à l’accueil Salle d’attente Temps de séjour T dans le service d’urgences Variable mesurée Résultats du modèle 1 Taille max. de la queue Taille moyenne de la queue Temps maximal d’attente Temps moyen d’attente Écart-type du temps d’attente Taille maximale de la queue Taille moyenne de la queue 8 0,36 126 5 9,9 46 3,61 Temps moyen d’attente Temps maximal Temps mininimal Temps moyen de séjour Écart-type du temps de séjour P (T > 400) 52,18 1009 24 220,05 132 9,4 % 2 1’ 2’ Scénario 1 Weibull (1,72; 242,28) 25 3,28 28 31 3,54 36,00 55,46 3,77 46,70 756 25 197,63 112 5,0% 823 25 211,80 120 8,8% 857 26 223,92 125 9,3% Weibull (1,81; 218,55) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Pistes de diminution de durée de séjour • Décomposition: Durée Totale (DT) = Σ durées de traitement (TOi)+ Σ durées d’attente (Aj) • ↓ durées de traitement dans processeurs: distinguer . Processeurs utilisés par 100 % des clients . i sur chemin critique (et reste sur chemin critique): Δ DT = Δ TOi (exemple «accueil urgence) Non utilisé (trivial) . chemin non critique: Δ DT = 0 . Processeurs utilisés par k1 % des clients (exemple «Radio») Δ DT = k2 Δ TOi → k2 ≠ k1 ; lié à chemin critique (non toujours pré-déterminé (exemple open shop)) utilisé dans scénario 2: Δ ΤΟanalyse = -10’ • ↓ durées d’attente dans stock repose sur causes d’attente (⇒ agir sur ces causes; pas d’actions directes sur les stocks) . cause directe: ressource du processeur aval non disponible (exemple «brancardier») utilisé dans analyse efficience . causes indirectes: . processeur aval fictif (TO=0) dont travail est soumis à conditions (exemple alimentation d’un box qui doit être libéré et nettoyé, si nécessaire) ⇒ rechercher comment respecter plus rapidement ces conditions c’est le cas en entrée du box ⇒ recherche ↓ durée de séjour via ↓ ΤΟanalyse (40 % patients) . nombre de processeurs (en parallèle ou non) prélevant dans ce stock Non utilisé: nombre de box constant . Saturation en aval (propagation) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Pistes de diminution de durée de séjour • Décomposition: Durée Totale (DT) = Σ durées de traitement (TOi)+ Σ durées d’attente (Aj) • ↓ durées de traitement dans processeurs: distinguer . Processeurs utilisés par 100 % des clients . i sur chemin critique (et reste sur chemin critique): Δ DT = Δ TOi (exemple «accueil urgence) Non utilisé (trivial) . chemin non critique: Δ DT = 0 . Processeurs utilisés par k1 % des clients (exemple «Radio») Δ DT = k2 Δ TOi → k2 ≠ k1 ; lié à chemin critique (non toujours pré-déterminé (exemple open shop)) utilisé dans scénario 2: Δ ΤΟanalyse = -10’ • ↓ durées d’attente dans stock repose sur causes d’attente (⇒ agir sur ces causes; pas d’actions directes sur les stocks) . cause directe: ressource du processeur aval non disponible (exemple «brancardier») utilisé dans analyse efficience . causes indirectes: . processeur aval fictif (TO=0) dont travail est soumis à conditions (exemple alimentation d’un box qui doit être libéré et nettoyé, si nécessaire) ⇒ rechercher comment respecter plus rapidement ces conditions c’est le cas en entrée du box ⇒ recherche ↓ durée de séjour via ↓ ΤΟanalyse (40 % patients) . nombre de processeurs (en parallèle ou non) prélevant dans ce stock Non utilisé: nombre de box constant . Saturation en aval (propagation) Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Résultats Lieu de la mesure Attente à l’accueil Salle d’attente Temps de séjour T dans le service d’urgences Figure 4 — Temps de séjour des patients Tableau 2 - Résultats des simulations Optimisation Δ ΤΟanalyse = -10’ Résultats du modèle Variable mesurée Scénario 1 1 2 1’ 2’ Taille max. de la queue Taille moyenne de la queue Temps maximal d’attente Temps moyen d’attente Écart-type du temps d’attente Taille maximale de la queue Taille moyenne de la queue 8 0,36 126 5 9,9 46 3,61 Temps moyen d’attente Temps maximal Temps mininimal Temps moyen de séjour Écart-type du temps de séjour P (T > 400) 52,18 1009 24 220,05 132 9,4 % 25 3,28 Weibull (1,72; 242,28) 28 31 3,54 36,00 55,46 3,77 46,70 756 25 197,63 112 5,0% 823 25 211,80 120 8,8% 857 26 223,92 125 9,3% Δ Durée Séjour = -23’ k1 = 0,4 ; k2 = 2,3 Scénario 2 Weibull (1,81; 218,55) k2 k1 nombre de box Savas Balin & Vincent Giard (LAMSADE - Université Paris-Dauphine) GISEH 2006 Problèmes méthodologiques posés par la simulation de processus de production de services - l’exemple d’un service d’urgences • Résultats Figure 4 — Temps de séjour des patients Tableau 3 - Résultats des simulations Lieu de la mesure Attente à l’accueil Salle d’attente Temps de séjour T dans le service d’urgences Variable mesurée Résultats du modèle 1 2 1’ 2’ 3 Taille max. de la queue Taille moyenne de la queue Temps maximal d’attente Temps moyen d’attente Écart-type du temps d’attente Taille maximale de la queue Taille moyenne de la queue 46 3,61 8 0,36 126 personnalisé Médecin 5 9,9 25 28 31 35 3,28 3,54 3,77 5,24 Temps moyen d’attente Temps maximal Temps mininimal Temps moyen de séjour Écart-type du temps de séjour P (T > 400) 52,18 1009 24 220,05 132 9,4 % 36,00 55,46 46,70 75,62 756 857 823 880 25 26 25 21 197,63 223,92 211,80 247,68 112 125 120 139 5,0% 9,3% 8,8% 12,9 Scénario 3 Weibull (1,57; 238,47) Δ Durée Séjour = +50’ Scénario 2 Weibull (1,81; 218,55)