Teori Antrean dalam Layanan Kesehatan
- Diperkenalkan oleh
- Agner Krarup Erlang
- Tahun
- 1909
- Jenis
- Stochastic modeling and optimization technique
- Keluarga
- Operations research, Service management
Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris
Apa fungsinya?
Teori antrean adalah disiplin matematika yang memodelkan jalur tunggu, kapasitas layanan, dan aliran pelanggan (pasien).
Dikembangkan awalnya oleh Agner Erlang untuk telekomunikasi pada tahun 1909, teori ini telah diterapkan secara luas dalam layanan kesehatan untuk menganalisis dan mengoptimalkan unit gawat darurat, klinik rawat jalan, ruang operasi, dan pusat layanan diagnostik.
Intuisi di balik metode
Masalah antrean muncul ketika permintaan layanan bervariasi secara tidak terduga dan kapasitas layanan tetap atau terbatas. Dalam layanan kesehatan, pasien datang pada interval yang tidak teratur, waktu layanan mereka bervariasi, dan penyedia layanan memiliki kendala kapasitas. Teori antrean menggunakan probabilitas dan statistik untuk memprediksi panjang antrean, waktu tunggu, dan utilisasi sistem tanpa perlu mensimulasikan setiap pasien. Dengan memahami hubungan ini, manajer dapat memutuskan berapa banyak anggota staf, tempat tidur, atau unit peralatan yang dibutuhkan untuk mencapai tingkat layanan yang dapat diterima.
Sejarah
Agner Erlang mengembangkan teori antrean pada tahun 1909 saat menganalisis volume panggilan telepon di Kopenhagen. Bidang ini diformalkan oleh David Kendall, yang memperkenalkan notasi standar untuk jenis antrean (M/M/1, dll.) pada tahun 1953. Aplikasi layanan kesehatan meningkat pesat pada tahun 1990-an dan 2000-an seiring metode riset operasi diterapkan pada aliran unit gawat darurat, penjadwalan bedah, dan manajemen klinik rawat jalan. Perluasan untuk menangani distribusi non-eksponensial dan kedatangan yang bervariasi waktu telah membuat teori ini lebih berlaku untuk sistem layanan kesehatan nyata.
Kapan digunakan
Gunakan teori antrean saat menganalisis sistem layanan dengan permintaan variabel dan kapasitas tetap, seperti unit gawat darurat, klinik rawat jalan, dan layanan diagnostik. Teori ini efektif untuk memprediksi perilaku sistem tanpa simulasi yang mahal. Asumsikan bahwa kedatangan dan waktu layanan bersifat acak, bahwa sistem berada dalam keadaan tunak (tidak dalam fase awal atau akhir), dan bahwa disiplin antrean jelas (FIFO, prioritas). Hindari teori antrean jika pola kedatangan sangat deterministik, jika sistem sangat kecil (< 3 server), atau jika disiplin antrean non-standar membuat analisis sulit.
Batasan dan pertimbangan
- Model antrean standar mengasumsikan kedatangan acak (Poisson) dan waktu layanan eksponensial, yang seringkali tidak berlaku dalam layanan kesehatan
- Tidak memperhitungkan pengabaian pasien, pembatalan, atau pola perutean yang kompleks
- Mengasumsikan kondisi stasioner; tidak menangani permintaan yang bervariasi waktu (misalnya, variasi musiman)
- Hasil sensitif terhadap asumsi tentang bentuk distribusi; kesalahan kecil dalam asumsi dapat menyebabkan kesalahan prediksi yang besar
- Kemampuan terbatas untuk memodelkan interaksi antar beberapa stasiun layanan atau kebijakan prioritas
Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.
Kelebihan
- Menyediakan rumus bentuk tertutup untuk waktu tunggu, panjang antrean, dan utilisasi dengan data minimal
- Memungkinkan analisis skenario cepat dan studi 'bagaimana jika' (misalnya, berapa banyak penambahan penyedia layanan mengurangi waktu tunggu?)
- Mengidentifikasi hambatan dan tingkat staf yang optimal untuk target layanan yang diberikan
- Teori yang mapan dengan literatur dan implementasi perangkat lunak yang luas
- Biaya komputasi rendah dibandingkan dengan simulasi
Penerapan
- Memprediksi waktu tunggu unit gawat darurat dan menentukan staf dokter dan perawat yang optimal untuk tingkat layanan target
- Menganalisis kapasitas klinik rawat jalan dan memutuskan apakah akan menambah slot janji temu, klinik paralel, atau penjadwalan bergeser
- Mengevaluasi utilisasi ruang operasi dan memprediksi waktu penyelesaian untuk memaksimalkan efisiensi jadwal
- Menilai kapasitas pencitraan diagnostik (CT, MRI, USG) dan menjadwalkan jendela pemeliharaan
- Merencanakan staf pusat panggilan untuk penjadwalan pasien dan jalur saran berdasarkan perkiraan volume panggilan dan target waktu jawaban
Cara kerjanya
Cara kerjanya
Kumpulkan data tentang pola kedatangan pasien (waktu antar kedatangan), waktu layanan (berapa lama perawatan berlangsung), dan jumlah server (dokter, perawat, tempat tidur, pemindai). Data harus mencakup beberapa minggu atau bulan untuk menangkap variasi dan musiman.
Rangkum kedatangan dan waktu layanan sebagai distribusi probabilitas (misalnya, eksponensial, normal). Uji apakah data yang diamati sesuai dengan distribusi standar menggunakan uji kecocokan (Kolmogorov-Smirnov, Anderson-Darling).
Identifikasi struktur antrean: server tunggal vs. multi-server, antrean tunggal vs. multi-antrean, dan apakah aturan prioritas berlaku (pasien darurat terlebih dahulu, terjadwal vs. datang langsung).
Tentukan sistem antrean menggunakan notasi Kendall (misalnya, M/M/c/N: kedatangan Markovian, layanan Markovian, c server, kapasitas sistem N) dan hitung metrik keadaan tunak: panjang antrean rata-rata, waktu tunggu rata-rata, utilisasi server.
Tentukan apakah kapasitas saat ini memenuhi target layanan (misalnya, 90% pasien dilayani dalam waktu 4 jam). Jika tidak, identifikasi apakah akan menambah server, mengurangi waktu layanan, atau menerapkan triase. Lakukan analisis sensitivitas pada asumsi utama.
Kesalahan umum
- Mengasumsikan kedatangan bersifat Poisson padahal sebenarnya terjadwal atau memiliki beberapa puncak dalam sehari
- Mengabaikan heterogenitas pasien (misalnya, kasus darurat vs. rutin) dan menerapkan rumus antrean standar ke sistem campuran
- Mencampuradukkan metrik keadaan tunak teoretis dengan skenario hari pertama atau terburuk di dunia nyata
- Menggunakan waktu layanan rata-rata ketika variabilitas (deviasi standar) tinggi; variabilitas meningkatkan waktu tunggu jauh lebih banyak daripada yang ditunjukkan oleh rata-rata saja
Pertanyaan yang sering diajukan
Apa itu antrean M/M/1 dan kapan digunakan?
M/M/1 mewakili antrean server tunggal dengan distribusi kedatangan dan layanan Markovian (eksponensial). Antrean ini sesuai untuk memodelkan satu petugas kasir, satu pemindai pencitraan, atau satu penyedia layanan ketika permintaan tidak terlalu tinggi. Rumusnya untuk waktu tunggu rata-rata adalah W = λ / (μ(μ − λ)), di mana λ adalah laju kedatangan dan μ adalah laju layanan.
Bagaimana penambahan satu penyedia layanan lagi mengurangi waktu tunggu?
Efeknya bersifat nonlinier dan bergantung pada utilisasi saat ini. Pada utilisasi rendah (misalnya, 30% server sibuk), penambahan kapasitas berdampak minimal. Pada utilisasi tinggi (misalnya, 85% sibuk), penambahan satu server dapat secara dramatis mengurangi waktu tunggu. Inilah sebabnya mengapa sistem layanan kesehatan sering beroperasi mendekati kapasitas penuh dan mengalami waktu tunggu yang lama.
Bisakah saya menggunakan teori antrean jika pasien datang berdasarkan janji temu?
Sebagian. Kedatangan terjadwal mengurangi keacakan dan lebih dapat diprediksi, tetapi sistem janji temu masih memiliki kasus tidak datang, pembatalan, dan waktu layanan yang bervariasi. Model hibrida (sebagian terjadwal, sebagian datang langsung) umum dalam layanan kesehatan. Jika kedatangan sangat deterministik (semua janji temu), simulasi mungkin lebih baik.
Apa arti 'utilisasi' dan bagaimana pengaruhnya terhadap waktu tunggu?
Utilisasi (ρ = λ / (c × μ)) adalah fraksi kapasitas server yang digunakan. Utilisasi 70% berarti penyedia layanan sibuk 70% dari waktu. Ketika utilisasi mendekati 100%, waktu tunggu meningkat secara eksponensial. Sebagian besar sistem layanan kesehatan menargetkan utilisasi 70–85% untuk menyeimbangkan efisiensi dan tingkat layanan.
Bagaimana cara memilih antara menambah staf vs. meningkatkan efisiensi (mengurangi waktu layanan)?
Keduanya mengurangi waktu tunggu, tetapi peningkatan efisiensi seringkali lebih murah dan lebih berkelanjutan. Mengurangi waktu layanan rata-rata sebesar 10% memiliki efek yang sama dengan mempekerjakan lebih banyak staf tetapi tanpa biaya gaji jangka panjang. Prioritaskan perbaikan proses terlebih dahulu, kemudian tambahkan kapasitas jika diperlukan.
Metode terkait
Sumber
Erlang, A. K. (1909). The theory of probabilities and telephone conversations. Nyt Tidsskrift for Matematik, 20(B), 33–39.
Buka referensi publikasiDisalin.Kendall, D. G. (1953). Stochastic processes occurring in the theory of queues and their application to the theory of failures. Annals of Mathematical Statistics, 24(3), 338–354.
Buka referensi publikasiDisalin.Gross, D., Shortle, J. F., Thompson, J. M., & Harris, C. M. (2008). Fundamentals of Queuing Theory (4th ed.). John Wiley & Sons.
Buka referensi publikasiDisalin.