问题：

印第安纳大学Health Arnett医院既是一家提供全方位服务的急症护理医院也是一家多专科门诊诊所，其统计数据不佳，未就诊患者（未参加预定诊治的患者）的人数急剧上升至30％。这主要是因为诊所时间表是由医务人员的个人偏好决定的，这导致调度规则的变化增加。为了消除这个问题，客户希望开发一种有利于门诊、医生和患者的调度方法。 德克萨斯A＆M大学的承包商被要求制定预测性调度系统，以优化医生的时间表并减少未就诊的人数。旨在：

• 提高医生效率。
• 提高设施利用率。
• 降低医生加班时间。
• 减少患者的等待时间。

解决方案：

为了应对预约安排中的挑战，承包商使用AnyLogic软件开发了一个离散事件仿真模型。该模型模拟了患者的预约过程和进一步检查的过程。为了更好地表示模型中的患者流量，他们被分为以下五组：

• 请求当天预约的患者
• 高优先级的新患者
• 重新检查高优先级
• 低优先级的新患者
• 重新检查低优先级

低优先级患者没有保险，高优先级患者是有保险的。

界面显示患者是如何搭配的，取决于患者类型的治疗时间（假设新患者的预约时间比重新检查患者的时间长）和季节性因素。模型的输入界面用于输入以下参数：

• 门诊部每天每小时的预约请求数量。
• 未就诊患者的比率。
• 医生的工作时间表包括他们每天能够提供帮助的时间和患者数量
• 重症病人区显示转移给不同医生或护士的患者比例。

用户可以更改这些性能参数，以查看哪些更改有助于优化医生的工作时间和等待患者的时间。离散事件模型显示以下操作序列：

• 就诊患者分为五组。同日患病的患者在同一天接受治疗，而其他患者则安排他们的访问时间并在家中等待。
• 当他们需要在预约当天到达诊所时，模型根据输入数据指定的概率计算未到达率。
• 如果患者就诊，他们会被医生或护士接待，接受治疗后就会离开医院

输出界面显示了患者流量仿真模型的结果和性能测量。数据包括：

• 患者就诊类型的被治疗患者数量。
• 患者就诊类型的未就诊患者数量
• 患者就诊类型的预约提前期
• 每位医生、护士或同伴/紧急护理的出院患者比例。
• 诊所每日最大容量。

该模型还帮助医生测试有关其工作时间表的不同理论。他们可以调整患者流量仿真模型中的时间表，并查看利用率和加班时间的变化情况。

为什么要在AnyLogic中创建患者流仿真模型？

开发人员选择AnyLogic有几个原因。首先，AnyLogic软件允许他们轻松捕获离散事件指标，例如利用率、患者在门诊诊所的时间以及等待时间。使用AnyLogic，可以使用基于智能体和系统动力学的方法扩展主要离散事件模型。此外，AnyLogic可创建用户交互友好的界面，使其他用户可以轻松地试验患者流量仿真模型并更改输入参数，无需额外培训。

结果：

AnyLogic患者流量仿真模型提供了多种方法来提高门诊诊所的运营效率和患者满意度。 患者流量仿真模型不需要使用特殊技能，并提供详细的输出统计数据，包括：

• 员工时间利用率和加班金额。
• 医务人员之间的病人分配。
• 患者的等待时间等。

获得的数据使用户能够了解时间表如何影响诊所的工作流程，并提供以下方面的见解：改善门诊诊所的患者流量，并选择更好的员工管理政策。

AnyLogic提出了一种方法来测试理论，之后在诊所实施，并给出了不同的预测结果。此外，如果需要，可以使用其他仿真方法扩展离散事件模型。这一特性使得模型更具灵活性，可以在具有类似设置的其他门诊诊所中设计预测性预约调度系统。