Yönetimde Simülasyonla Karar Verme: Hastane Acil Servis Örneği

Year 2024, Volume: 7 Issue: 2, 55 - 62, 15.07.2024

Serdar Zincir

https://doi.org/10.52704/bssocialscience.1417920

Abstract

Bu çalışmanın amacı bir hizmet üretim birimi olan hastane acil servis departmanında hastaların bekleme sürelerinin en aza indirilmesi ve personelin meşguliyet oranının en uygun seviyeye getirilebilmesi amacıyla uygun personel sayısının belirlenerek optimum hizmet kalitesinin elde edilmesine çalışmaktır. Hastane Acil Servis Departmanının modellenebilmesi için Kahramanmaraş’ta bir kamu hastanesinden temin edilen 2022 yılı verileri kullanılmıştır. Verilerden bazıları hastane sisteminden çıktı olarak temin edilmiş bazıları da gözlem yoluyla elde edilen değerlerden oluşturulmuştur. Dolayısıyla sistemin modellenmesinde kullanılan bazı değişkenler yaklaşık değerleri içermektedir. Hastane acil servis iş akış süreci Arena Simülasyon yazılımı üzerinde modellenmiş ve optimum hizmet kalitesi için gereken optimum personel sayısı, optimum personel kullanım oranı ve birim zamanda hastalara harcanan maksimum katma değerli sürelere ulaşabilmek amacıyla model üzerinde farklı değişkenler denenerek oluşturulan senaryolar doğrultusunda model koşulmuş ve ortaya çıkan raporlar analiz edilmiştir. Modelleme yapılırken verilerin olasılık dağılımları için Smirnov-Kolmogorov uygunluk testi yapılmış ve veri setindeki maddelerin hangi olasılık dağılımına uyduğu tespit edilmiştir. Araştırmada simülasyon modelinin ürettiği sonuçlar arasında en ideal çözüme ulaşabilmek amacıyla PROMETHEE II (Preference Ranking Organization Method For Enrichment Evaluation) yöntemi kullanılmıştır. Acil Servis Departmanında bu yöntem kullanılarak yapılan analiz sonuçlarına göre ortaya atılan 5 adet senaryo arasında incelenen, 1 adet kayıt ve triyaj personeli 2 adet hemşire, 3 adet doktor ve 1 adet laboratuvar personeli çalıştırılmasını içeren senaryonun modellenen birim için en uygun senaryo olduğu tespit edilmiştir. Başka bir deyişle incelenen Acil Servis Departmanında yukarıda belirtilen senaryonun uygulanması durumunda hastalara sağlanan hizmet kalitesi optimuma ulaşmış olacaktır.

Keywords

Simülasyon, Karar verme, Yönetim

Decision-Making with Simulation in Management: Case of a Hospital Emergency Service

Abstract

The aim of this study is to determine the appropriate number of personnel in order to minimize the waiting time of the patients and to determine the optimum service quality in order to bring the utilization rate of the personnel to the optimum level in the Hospital Emergency Service Department, which is a service production unit. The data needed for modelling the Hospital Emergency Service Department is the data obtained in 2022 from a public hospital in Kahramanmaraş. Some of the data was obtained as an output data from the Hospital system and some of them were created from the values obtained through observation. Therefore, some variables used in modelling the system contain approximate values. The Hospital Emergency Service workflow process was modelled on Arena Simulation Software and in order to reach the optimum number of personnel required for optimum service quality, optimum personnel utilization rate and maximum value added time spent on patients per unit time, different variables were tested on the model and the model was run in line with the scenarios created and the resulting reports were analyzed. While modelling, Smirnov-Kolmogorov suitability test for distribution was performed for the probability distributions of the data and it was proved which probability distribution the items in the data set fit. PROMETHEE II (Preference Ranking Organization Method for Enrichment Evaluation) method was used in order to reach the most ideal solution among the results produced by the simulation model. According to the results of the analyses made by using this method in the Emergency Service Department, it has been proved that the scenario which includes the employment of 1 registration and triage personnel, 2 nurses, 3 doctors and 1 laboratory personnel is the most appropriate scenario for the unit. In other words, if the above-mentioned scenario is implemented in the analyzed Emergency Service Department, the service quality provided to the patients will reach optimum.

Keywords

Simulation, Decision making, Management

References

• Aslan MH. 1998. Hizmet ekonomisi. Alfa Yayıncılık, İstanbul, Türkiye, pp: 420.
• Bakan İ, Erşahan B, Büyükbeşe T, Sezer B, Taş F, Şirikçi A. 2014. Sağlıkta hizmet kalitesi öğrenen örgüt ve iş tatmini ilişkisi: Bir alan araştırması. KSU İİBF Derg, 4(2): 187-200.
• Cros MJ, Garcia F, Martin-Clouaire R, Rellier JP. 2006. Modelleme ve Simülasyon. Handbook Agri Eng, 2006: 109-124.
• Demirbilek M. 2016. Tıp fakültesi öğretim üyelerinin öğretimde bilgisayar tabanlı simülasyon kullanımı hakkında görüşlerinin araştırılması. Uludağ Üniv Eğit Fak Derg, 29(1): 1-23.
• Ergüt Ö. 2019. Üretim sistemlerinde bir simülasyon uygulaması. Osmaniye Korkut Ata Üniv İİBF Derg, 3(2): 244-258.
• Grznar P, Gregor M, Krajcovic M, Mozol S, Schickerle M, Vavrik V. 2020. Modeling and simulation of processes ın a factory of the future, applied sciences. Multidis Digital Publis Inst, 10(13): 1-24. https://doi.org/10.3390/app10134503.
• Gül M, Çelik E, Güneri AF, Gümüş AT. 2012. Simülasyon ile bütünleşik çok kriterli karar verme: bir hastane acil departmanı için senaryo seçimi uygulaması. İstanbul Ticaret Üniv Fen Bil Derg, 11(22): 1-18.
• Gürsel G. 2018. Decision making by simulation- A case study. Uluslararası İİB Derg, 4(1): 84-97.
• Güzel D, Kotan G. 2013. Kütüphanelerde hizmet kalitesi ölçümü: atatürk üniversitesi merkezi kütüphanesi'nde bir uygulama. KSu İİBF Derg, 3(2): 11-24.
• Güzeler YY, Akyüz G. 2024. Yeni ürün seçiminde çok kriterli karar verme ile simülasyonu birleştiren yaklaşım. Gazi Üniv Müh Mim Fak Derg, 39(2): 1193-1208.
• Hafner BF. 2019. Simulation options for airport planning. The National Academies Press, Washington, US, pp: 78. https://doi.org/10.17226/25573.
• Hamurcu M, Eren T. 2018. Yüksek kapasiteli elektrikli otobüslerin seçiminde hibrit çok kriterli karar verme uygulaması. Transist, 11: 1-10.
• Hernon P, Nitecki DA. 2001. Service quality: A Concept not fully explored. Library Trends, 49(4): 687-708.
• İslamoğlu AH. 2011. Pazarlama yönetimi. Beta Basım Yayım, İstanbul, Türkiye, pp: 526.
• Kabataş Y, Pamukçu A. 2010. TMS – 2 stoklar standardı kapsamında hizmet üretim maliyetlerinin muhasebeleştirilmesi. Muhas Finans Derg, 48: 191-199.
• Kar A, Özer Ö, Avcı K. 2018. Acil servislerin TOPSIS ve gri ilişkisel analiz yöntemleriyle değerlendirilmesi. Akad Araş Çalış Derg, 10(19): 442-459.
• Kaynarca ÖA, Ekmekçi İ. 2017. Service quality measurement model ın urban public transportation: The case of IETT. J Int Trade Logist Law, 3(1): 1-10.
• Kazançoğlu Y, Kazançoğlu İ. 2013. Benchmarking service quality performance of airlines ın Turkey. Eskişehir Osmangazi Üniv İİBF Derg, 8(1): 59-91.
• Khadem M, Bashir HA, Al-Lawati Y, Al-Azri F. 2008. Evaluating the layout of the emergency department of a public hospital using using computer simulation modeling: A case study. International Conference on Industrial Engineering and Engineering Management, December 8-11, Singapore, pp: 1709-1713.
• Macharis C, Brans JP, Mareschal B. 1998. The GDSS promethee procedure. J Decis Syst, 7(4): 283-307.
• Mourtzis D, Doukas M, Bernidaki D. 2014. Simulation ın manufacturing: Review and challenges. Int Coll Res Prod Eng 25: 213-229. https://doi.org/10.1016/j.procir.2014.10.032.
• National Research Council. 2002. Modeling and simulation in manufacturing and defense acquisition: Pathways to success. The National Academies Press, Washington, US, pp: 197. https://doi.org/10.17226/10425.
• Pangsri P. 2015. Application of the multi criteria decision making methods for project selection. Univ J Manag, 3(1): 15-20. https://doi.org/10.13189/ujm.2015.030103.
• Parasuraman A, Zeithaml VA, Berry LL. 1985. A conceptual model of service quality and its implications for future research. J Market, 49(4): 41-50.
• Pirdashti M, Behzadian M. 2009. Selection of the best module design for ultrafiltration (UF) membrane in dairy industry: An application of AHP and PROMETHEE. Int J Eng, 3(5): 426-442.
• Sayım F, Aydın V. 2011. Hizmet sektörü özelikleri ve sistematik olmayan risklerin sektör menkul kıymetleri ile etkileşimine dair teorik bir çalışma. Dumlupınar Üniv Sos Bil Derg, 29: 245-262.
• Sezen HK, Kaya Ş, Günalı M. 2012. Hastane kliniğinde kaynak dengeleme amaçlı bir benzetim modeli uygulaması. Uludağ Üniv İİBF Derg, 31(3): 179-191.
• Shirkavand F, Hosseini SM, Mokhtarihesari P. 2015. Service quality assesment ın selected branches of social security organization using SERVQUAL model. Res J Busin Manag, 2(4): 441-454.
• Siahaan A, Mesran M. 2017. Best student selection using extended Promethee II Method. Int J Recent Trends Eng Res, 3(8): 21-29. https://doi.org/10.23883/IJRTER.2017.3382.SK4CV.
• Tabachnick BG, Fidell LS. 2012. Using Multivariate Statistics, 6th Ed. Pearson Education, Boston, US, pp: 983.
• Yatkın A. 2008. Etik düşünce ve davranışın yerel yönetimlerde hizmet verimliliğinin artırılmasında rolü ve önemi (Elazığ Belediyesi örnek alan araştırması). Fırat Üniv Sos Bil Derg, 18(1): 211-231.