La ROADEF
La R.O.A.D
Evénements
Prix
Publications
Plus
Forums
Connexion
Livre blanc

Optimisation du déploiement de la réservation de ressources médicales intégrant la dégradation de la

Forum 'Stages' - Sujet créé le 2022-11-25 par Thierry Garaix

STAGE DE MASTER

  Intitulé du projet : Optimisation du déploiement de la réservation de ressources médicales intégrant la dégradation de la qualité des prévisions dans le temps.

 

Personne responsable : Garaix Thierry / Xiaolan Xie

 Email : garaix@emse.fr                                                 Téléphone : 0477426641

Entreprise/Labo : CIS Mines Sainté – LIMOS CNRS

Adresse : 10 rue de la Marandière 42270 Saint Priest en Jarez

 

Mots clés décrivant le projet :  

  1. Planification de ressources

  2. Optimisation stochastique

  3. Optimisation robuste

  4. Optimisation distributionnellement robuste

 

 Description du travail 

Face à une crise épidémique importante, des ressources médicales sont réservées pour traiter le flux spécifique et parfois contagieux généré par la crise. Un modèle a déjà été développé pour calculer un plan de déploiement des ressources médicales le plus fluide possible et garantissant une bonne couverture de la demande. La demande médicale est évaluée sur un nombre moyen de cas prévu pour les pétiodes à venir. La demande de cahque période est ainsi supposée suivre une loi de Poisson centrée sur la moyenne prévue.

Cependant, la charge médicale réelle rencontrée dans plusieurs périodes risuqe de différer des prévisions au plus celles-ci sont lointaines. La différence peut provenir de différentes sources : (i) un nombre de cas mal estimé (dynamique de l’épidémie mal modélisée, changement de politiques sanitaires) ; (ii) une charge de travail par patient modifiée (variante plus/moins grave de la maladie, amélioration de’ la prise en charge) ; (iii) l’arrivée de flux extérieurs.

Le premier cas de figure est d’intégrer dans le modèle existant le fait que la précision de la moyenne d’arrivée estimée par période se dégrade pour les périodes lointaines.

Le deuxième cas de figure est de considérer que la loi de distribution de la demande en soins est inconnue.

Ce projet est en collaboration avec l’université de technologie de Munich (Pr. Jingbi Xie) dans le cadre du projet Data-Driven Dynamic Resource Management for Random Time-Varying Demands in the Context of Covid-19 and future crises of the German-French academy for the industry of the future.