CN104239956B - 准点优先的体检预约服务管理方法及系统 - Google Patents
准点优先的体检预约服务管理方法及系统 Download PDFInfo
- Publication number
- CN104239956B CN104239956B CN201410471952.1A CN201410471952A CN104239956B CN 104239956 B CN104239956 B CN 104239956B CN 201410471952 A CN201410471952 A CN 201410471952A CN 104239956 B CN104239956 B CN 104239956B
- Authority
- CN
- China
- Prior art keywords
- time
- service
- path
- slice
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000007726 management method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000007689 inspection Methods 0.000 claims abstract description 52
- 239000012634 fragment Substances 0.000 claims abstract description 38
- 238000012937 correction Methods 0.000 claims description 39
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 238000003780 insertion Methods 0.000 claims description 13
- 230000037431 insertion Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 230000003139 buffering effect Effects 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000004886 process control Methods 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 239000011800 void material Substances 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims description 2
- 238000007639 printing Methods 0.000 claims description 2
- 230000033228 biological regulation Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 claims 1
- 238000011179 visual inspection Methods 0.000 claims 1
- 238000007619 statistical method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000012552 review Methods 0.000 description 6
- 230000036541 health Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
准点优先的体检预约服务管理方法及系统，属智能排队、排队组合和智能统计分析技术领域。公开了一种固定时间片段的预约排队与现场实时预估后的现场安排相结合的方法，该方法特点是以预约准点优先，并通过统计、分析、尝试，不断优化预估模型中相关因素中的各个系数，从而达到自我学习、自我完善的目的。该方法在一个环境中使用，随着使用时间的增长，安排会越来越精确，准点率越来越高。基于该方法，本发明还公开了一种体检预约服务管理系统，进一步包括每个体检者可能的最快完成体检的检查路径搜索方法，其中最快完成路径包含直线最短路径与循环最短路径。
Description
技术领域
本发明属智能排队、排队组合和智能统计分析技术领域，尤其涉及一种准点优先的体检预约服务管理方法及系统。
背景技术
服务领域自从有了预约服务，大大方便了服务提供方和被服务方。比如，几家银行推出了网上查询排队情况，网上或手机预约取号进入排队状态，人到服务网点时，排队也快排到了。其中一些中国授权专利文件，如授权公告号为CN101266699B的一种排队机系统及其数据处理方法,授权公告号为CN101739745B的一种排队处理装置及其处理方法和排队机,授权公告号为CN101350114B一种银行排队机、排队处理系统及其方法等，通过技术手段解决了非现场排队的问题。
排队算法、最短路径算法等是学术界研究比较多的领域，其中两篇学位论文介绍了很多方法，并在参考文献中引用了大量的相关研究；分别是博士论文：几类复杂排队系统的研究；硕士论文：预约式排队系统在呼叫中心中的应用与研究。
医疗领域由于环境和需求非常复杂，目前预约排队等问题解决得并不好。一些研究文章和专利申请提到相关方法，比如：“检查预约系统的开发与应用”(重庆医学2009年7月第38卷第13期)；专利申请号为200910074058X的：“动态分配时隙式公平预约排队方法及系统”；专利申请号为2008100367528的“一种体检流水线系统”等。其中一个关键问题是虽然预约一定程度上减少了排队等待时间，但依然存在着比实际获得服务的时间要长数倍甚至十倍以上的等待时间。比如一次看病的实际时间仅5分钟，但预约后等待的时间还是长达1小时以上。通过进一步技术手段的提升，加以管理方面的支持，预约后的等待时间可以大幅度减少。我们每天的日常工作与生活中，存在不少服务的预约、排队等情况，如果一次排队能节约一小时，那将具有非常巨大的社会和经济效益。
预约中的时间与准点问题目前很少见到深入研究的公开资料，文献检索中仅看到中国专利申请号为2013103757729的“航班准点起飞的预估方法”，也是一个准点问题，由于行业跨度大，航班准点与其它服务准点的因素与应用有实质性差别。
一个服务关系中，服务提供方，包括服务的人、工具和其它保障措施的服务能力可评估，并有一定的稳定性；被服务者根据其性别、年龄、职业、作为客户的重要程度等因素，也有一定规律性，特别是同一人的多次服务，统计学上的历史服务时间对下一次服务时间的预估有参考价值。
单位团体组织的健康体检就是上述问题的一个实例：由于无序或顺序控制不到位，一次体检要花半天时间，甚至更多，但所有的实际检查时间加起来不过15～30分钟，大部分时间被耗费于多处排队等待。
团体健康体检的预约、排队、顺序控制等确实有很多问题。比如：有些项目检查是有顺序的，有些项目必须空腹；有些项目需要在某个时间(如10：00)前检查，有些项目因为检查时间长，数十人或数百人的排队时间很长。这样建立理想的排队模型非常困难。一个1万人的单位，平均每人体检一次若能节约2小时，就产生2万小时的效益；全国每年上亿人以团体形式体检，每一点改进都能带来巨大效益。
发明内容
本发明的目的，即要解决的技术问题，一是在复杂的排队服务环境中，应用提前预约与现场安排两者共存的特点，建立数学模型，动态预估，合理安排两者之间的关系，并不断学习、适应应用环境，使预约时间准点率不断提升，整体服务的效率和能力最大化；二是在解决问题一的基础上，在团体健康体检中的建立预约、排队和流程管理系统，具备自适应能力和自我完善能力，具备扩充影响因素的能力，使预约、安排中找到当前最佳体检路径。
本发明提供一种准点优先的体检预约服务管理方法，其特征在于包括：提前预约步骤S10，固定安排的状态查询步骤S20，现场实时安排步骤S15，固定安排和动态预测的状态查询步骤S25，基于固定时间片段的安排方案S32，包含直线最短路径和循环最短路径的最短路径查询步骤S30，等待现场预测并找空位、其次找固定时间片段步骤S34，申请者根据查询的结果以及个人时间情况选择路径模式步骤S40，根据用户选择的路径模式安排路径及各项目检查时间表步骤S50，按路径及时间检查并标识状态、处理特殊情况步骤S60，对预估模型中各相关因素的所用时间进行统计步骤S70，实现学习、自适应的预估模型校正步骤S80；
步骤S10是预约固定安排；步骤S15是现场动态安排，通过动态安排调节，使预约安排的时间准点指标最接近准确；
基本时间单元称为服务时间片段；一次预约、预估和服务等的时间描述对象是一个服务时间片段，服务时间片段包括准备期、前缓冲调整期、实际服务时间和后缓冲调整期四个部分；如图3所示，时间描述结构为(开始时间，结束时间，持续时间)，记为(T.TS,T.TF,T.DUR)，T表示上述其中某个时间属性。
每个服务项目按自己的固定服务时间片段长度，等分为m＝ST_span/slice_T0段，每一等分段就是服务时间片段；其中ST_span为一个服务周期的时长，slice_T0为一个服务时间片段的固定分配时间；Slice_T3为平均服务时间，来自于统计平均值；Slice_T0＝ζ_s×Slice_T3，ζ_s是自适应的调节系数；后缓冲时间Slice_T4＝Slice_T2；准备期时间Slice_T1＝Slice_T3；Slice_T6表示最后一次预估的时间，Slice_T7表示实际执行时间，Slice_T9为包含外延的一个服务时间片段，即包含前、后缓冲时间；
预约和动态安排相结合，以做到准点优先、不断提高预约准点指标；服务时间片段中包含比实际服务时间多10％～50％的可调整时间，用于应对某些人的检查延时；通过现场动态预测什么地方会产生空位，在空位中安排现场未预约者；如果未找到靠近的空位则按预约流程，找后面标准固定时间片段；
步骤S20和步骤S25是固定安排状态查询和包含动态预测位置的状态查询，查询服务时间片段的安排情况以及下一个可以安排的路径和时间表；
最短路径是指服务申请者在当前可能的情况下，在最短时间内可完成所有申请服务项目的路径；直线最短路径为从第一个项目开始到最后一个项目结束的路径及时间；循环最短路径是将整个服务周期时间上首尾相连，基于首尾时间相减置为0的最短路径方案；
步骤S30包含最短路径搜索、动态服务时间预测；最短路径搜索方法采用遍历试错法，即尝试在所有符合条件的未安排的服务时间片段的，在时间相互不冲突的情况下的所有组合，找到总时间跨度最小的路径；预约阶段最短路径搜索只能找到等分的固定服务时间片段，现场安排中除了固定服务时间片段以外，还在实时预测中会产生一些称为新空位的新的服务时间片段，优先使用靠前的新空位；
预测新空位的方法如下：
预约人属性：PNP[pid]身份识别码为pid为人的属性，包括性别、年龄、重要程序、职业；服务支撑属性用SSP表示，包括执行人、设备、保障条件；
相关影响因素标识代码见表1：
服务时间：st(j)，表示第j人的实际服务时间；
统计服务时间函数：ast(eid,PNP,SSP)表示符合某些条件的平均服务时间，其中eid为影响因素标识，表示包含eid因素、符合PNP和SSP规定的属性的平均服务时间；PNP和SSP为空集时不匹配该条件，用“()”表示空属性集合；
影响因素权重因子用ζeid表示，即以eid项目的权重因子；
服务时间预估函数为：
fi(z，u，s)＝(zn+ui)×s (1)
其中，S为服务效率函数；
其中i为服务顺序号，从1开始计数；
基础服务时间值：
其中n为预约人编号，m为历史预约服务次数，为上一次服务时间，为以前第j次服务时间；
现场服务校正函数为：
其中Q为计划总服务人数，如果i>Q时，置Q＝i；δj为第j个被检查人在可比条件下的偏差；ζu为现场服务校正因子的权重修正系数；
δj＝Tj-ft(j)，Tj为现场第j人的实际服务时间，ft(j)为同等条件下的统计平均服务时间，如果ft(j)没有值，则δj取0；
ft(j)＝ast((eidD40,eidP10),PNP_j,SSP_j)，
其中PNP_j为第j个服务支持属性，SSP_j为第j个被服务对象属性；年龄匹配比较时，允许相差±δ岁，δ＝2～6，最好δ＝2；
同等条件关联因素相关统计比：
所有情况关联因素相关统计比：
第j个服务的时间与同等条件下的统计比：
第j个服务的时间与非限制条件的统计比：
见影响因素标识代码表，eid为一个项目值；
服务效率函数：
其中，c为跟个人无关的相关影响因素代码项数；
预约人相关函数:
其中，d为跟特定个人相关的相关影响因素代码项数；
执行偏差指数：
偏差指数为正时表示提前，偏差指数为负时表示延后，范围在-1～+1之间；平均偏差用为
预估偏差指数为：
准点指数：平均准点指数为
执行偏差和：
预估偏差和：
预估偏差累计值：
在队列当前位置向后逐一用公式(1)预测，并计算预估偏差累计 时，倒退一个位置，位置符号记为IP，计算该位置的预估偏差然后在该位置前试插入时间片段Slice_T3，再次计算被后移一个位置(IP+1)的时间片段的预估偏差如果确定插入空位的位置为IP，否则为IP+1。
步骤S40是服务申请者选择最短路径方案；步骤S50生成有效的预约安排路径及时间表；步骤S60为现场检查过程管理；步骤S70执行统计并更新相关记录，统计项目见表1，统计后存入数据库，在预估模块、校正模块中使用相关统计结果，不再重复统计；
步骤S80是系数校正方法，也是学习、自适应、自我完善的处理过程；每个服务周期结束后，进行事后预测校正任务：a.服务周期内每一次不重复的预测数据加入到预测历史数据库；b.排除项是指影响正确预测的项目；c.事后调整参数，对单个服务周期内所有预测历史数据库中所有非排除项进行重新预测；调整梯度基础单位记为ξ，调整范围为[-ζ+w×ξ～ζ+w×ξ],ζ为调整前的修正系数，ξ初始值为2％，w＝10；在调整范围内取一个值，重新预测，计算预估偏差平方，与执行偏差平方和相减，最小者为优选；找到的最佳系数记为ζn＝ζ+v×ξ,v＝[-w..w]；d.为了减少调整过程中的波动，采用渐进式调整，最后修正系数为ζn＝ζ+v×ξ×20％；e.调整梯度校正，每成功调整一次系数，ξ递减一定幅度，递减幅度初值为0.4％，随着校正逐渐趋于精细，ξ逐渐减少，每次校正成功后ξ递减幅度逐渐减小，最小递减幅度为0.05％；ξ最小值为0.1％；各个系数依次进行；
ζ_s校正除了上述方法外，还使用执行偏差累计值记为§。；如果§>0，ζ_s增加，反之ζ_s减少；
表2：预测任务记录数据库
| 项目 | 标识(字段) | 说明 |
| 预测执行位置j | fc_pos | 执行预测时的位置编号 |
| 预测执行时间 | fc_time | 执行预测的时间 |
| 目标时间片段编号 | OS_No | 预测目标对象编号 |
| 目标时间片段预约时间 | OS_fcTime | |
| 目标时间片段预测时间 | OS_ApTime | |
| 目标时间片段执行时间 | OS_PerformTime |
本发明提供一种基于上述方法的体检预约服务管理系统，其特征在于包括：(一)队列时间片段管理模块，用于管理队列时间片段数据库，提供插入、查询、更新等操作，支持预测、查询、路径搜索等模块访问时间片段数据；(二)查询模块，用于查询各个队列的排队情况、个人检查路径及时间、指定时间范围的下一个可安排的检查路径及时间；(三)预测模块，用于预估某个已预约或安排的时间片段的执行时间，通过现场预估随后队列执行时间，插入适当空位，达到准点最优的目的；(四)路径搜索模块，用于根据需要检查的项目，搜索当前可以安排且时间不冲突的检查顺序及具体的各个项目检查时间；(五)统计模块，用于统计表各个影响因素的可比条件下的执行时间，在预估模块、校正模块中使用相关统计结果，统计主要项目见表1；(六)校正模块，用于校正预估计算模型中各相关影响因素的权重系数，通过组织管理统计模块的统计结果、应用预测任务记录数据库中的记录，调整有关系数后进行事后预测，与原事前预测比较，按一定规则调整相关系数。预测任务记录数据库结构见表2。(七)预约及安排模块，通过查询模块得到队列信息以及可以安排的路径及时间，在用户选择直线最短路径或是循环最短路径后，预约或安排检查路径以及各个检查项目的预约时间；(八)流程控制模块，用于管理各个模块的数据流程，以及体检提供者与被体检者整个体检过程的管理，同时处理体检过程中一些特殊情况，包括因预约时间偏差导致时间冲突时，执行冲突规则等；一个服务周期结束启动校正模块，执行校正任务；(九)配置模块，用于加载、管理系统中用到的基础数据库、数据词典、各影响因素的权重系数，并管理通过学习、知适应后的相关配置数据、影响因素的权重系数；(十)界面模块，用于查询操作、预约操作、安排操作、状态管理操作、显示相关结果信息、队列排队情况显示、检查室相关信息显示，进入检查以及完成检查标志更新；(十一)消息模块，通过检查室外的电视机、显示器，以及手机短信等形式通知被检查人有关队列状态的信息，包括提醒排队所处位置、时间，特殊情况下时间和位置变动。
体检预约服务管理系统从的结构上包含中心服务单元S01、单队列控制单元S02、接待与查询单元S03、预约与消息单元S04，以及查询服务单元S05：
中心服务单元S01由服务器、数据库和核心服务系统组成，实现总体服务管理与设备控制，数据库管理，消息服务，数据统计，配置管理，流程管理，查询服务，预测服务，校正服务，路径搜索服务；
单队列控制单元S02由计算机、条码扫描设备、电视机、呼叫操作键盘组成，实现被服务人身份快速识别、在检状态控制、队列状态显示、动态消息显示、呼叫控制；
接待与查询单元S03由计算机、条码打印机、查询终端、普通打印机组成，实现预约查询、到场状态确认、服务路径及时间表和身份识别信息打印，个人自助排队状态查询，人工干预排队顺序，动态安排未预约人员，协调特殊队列调整；
预约与消息单元S04由移动终端、短信消息平台和服务软件组成，通过互联网和无线GSM或3G通讯，实现远程排队状态查询、预约，动态消息通知、消息反馈确认功能；S05为排除状态查询查询以及下一个符合条件的路径查询。
本发明的有益效果：
本发明通过建立不断自动学习、自适应、可以灵活扩充的时间预测模型，提前预约与现场安排两者相结合，使预约准点指标越来越高，给预约者到场的时间范围越来越接近于实际服务时间，用户等待时间越来越少。一方面大量节约了用户的等待时间，另一方面服务提供方由于管理有序，形象提升，效率提高，多方受益。本发明还提出了“循环最短路径”方案，在多项目服务组合服务中，多了一种最节省时间的方案，在实际应用中，该方案符合一部分人的时间安排方式；配合“直线最短路径”方案，整个服务安排显得更科学，平均总服务时间跨度明显减少。
附图说明
图1为具体实施方式准点优先的体检预约服务管理方法基本流程示意图。
图2为具体实施方式准点优先的体检预约服务管理系统基本模块结构示意图。
图3为具体实施方式服务时间片段结构、相关变量、相关各种情况示意图。
图4为具体实施方式准点优先的预约和动态安排基本概念和方法示意图。其中上部分表示预约固定时间片段示意图，下部分表示预测与动态安排示意图；现场开始服务以后，根据当前现场情况以及历史服务情况，动态预测并安排现场服务项目。
图5为具体实施方式服务时间预估模型中相关系数修正(自适应)方法流程图。
图6为具体实施方式多项目服务路径搜索示意图。
图7为具体实施方式多项目服务路径及时间表的两种最优时间路径方法示意图，其中上部表示直线最短路径显示，下部表示循环最短路径显示。
图8为具体实施方式准点优先的体检预约服务管理系统体系结构图。
具体实施方式
下面结合附图对本发明的准点优先的体检预约服务管理方法及系统的实施技术方案进行详细、完整的阐述。
如图1所示，本发明准点优先的体检预约服务管理方法其中流程，包括：
步骤S10，是服务开始前预约入口，步骤S15是现场动态安排入口。在实际服务应用中，有预约的和未预约直接到现场两者都存在，本发明应用这一特点，采用预估、固定安排、动态安排等策略，优先保证预约者时间准点指标，并通过学习、适应具体的环境，不断自我完善。
步骤S20是固定安排状态查询，查询固定服务时间片段的安排情况以及下一个可以安排的路径和时间表。
步骤S25是固定安排和动态预测的状态查询，除了步骤S20固定服务时间片段的查询以外，还包括动态预测的新产生的时间片段。详细方法见后面说明。
步骤S30是本发明的核心步骤之一，包含最短路径搜索、动态服务时间预测等内容，其具体实施方法分别是：
如图3所示，本发明方法和系统所使用的预约、预估、统计、实际服务的基本时间单元称为服务时间片段；一次预约、预估和服务等的时间描述对象是一个服务时间片段。
服务时间片段包括准备期、前缓冲调整期、实际服务时间和后缓冲调整期四个部分，其中前后缓冲调整期可以为零。其描述结构中还包括预估时间和实际执行时间。预估的任务和实际执行时间保存到预测任务记录数据库。时间结构包括开始时间、结束时间和持续时间三个内容，记为(T.TS，T.TF，T.DUR)。其中T表示上述某个时间。
平均服务时间用Slice_T3表示，来自于统计平均值，第一次使用的初始值按以往的经验来设置；Slice_T0＝ζ_s×Slice_T3，ζ_s是自适应的调节系数；Slice_T4＝Slice_T2；Slice_T1＝Slice_T3；在实际应用中Slice_T1开始阶段应该略为加大。
如图4所示，预约和动态安排相结合，做到准点优先、不断提高预约准点指标。图3所示服务时间片段中包含比实际服务时间略多的可调整时间，用于应对某些人检查延时，或其它服务支持耽搁等情况下，尽量降低后面预约人准点指标。图4上部所示，预约时按相等时间片段进入安排，而实际执行检查时不同的人检查时间不一样；图4下部通过现场动态预测什么地方会产生空位，在空位中安排现场未预约者。如果未找到靠近的空位，也可以按预约流程，找后面标准固定时间片段。
预估和通过预测插入空位，预测的依据现场服务进度情况(见图4下部中黑色“RT”表示的部分)、服务支撑条件情况、预约被服务人属性等。在实际服务过程中，只有个别情况，出现空位后马上找人来补。有序的服务过程中，动态进行预测，在未来某个时间会产生空位，需提前安排合适的服务申请者。比如图4下部，预测发生在“RT-3”后，即已经检查了3人，通过预测在位置5和6之间加入一个空位，可以提高位置6以后的准点指标。
步骤S32管理图4上部所示的固定服务时间片段的最短路径安排方案。
步骤S34在步骤S32的基础上，进一步预测并加入动态服务时间片段。
现场服务过程中，什么地方可以插入空位(动态服务时间片段)，由不断学习和自适应预估模型来完成，实施方法如下：
预约人属性：PNP[pid]身份识别码为pid为人的属性，包括(性别、年龄、重要程序、职业)。服务支撑属性：用SSP表示，包括(执行人、设备、保障条件)。
表1：相关影响因素标识代码表
服务时间：st(j)，表示第j人的实际服务时间。
统计服务时间函数：ast(eid,PNP,SSP)表示符合某些条件的平均服务时间。其中eid为影响因素标识，表示包含eid因素、符合PNP和SSP规定的属性的平均服务时间；PNP和SSP为空集时不匹配该条件，用“()”表示空属性集合。
影响因素权重因子用ζeid表示，即以eid项目的权重因子。
服务时间预估函数：
fi(z，u，s)＝(zn+ui)×s (1)
其中i为服务顺序号，从1开始计数；
基础服务时间值：
其中n表示预约人编号，m表示历史预约服务次数，表示上一次服务时间，以前第j次服务时间。
现场服务校正函数：
其中Q表示计划总服务人数，如果i>Q时，置Q＝i；δj为第j个被检查人在可比条件下的偏差；ζu为现场服务校正因子的权重修正系数。
δj＝Tj-ft(j)，Tj为现场第j人的实际服务时间，ft(j)同等条件下的统计平均服务时间，如果ft(j)没有值，则δj取0。
ft(j)＝ast((eidD40,eidP10),PNP_j,SSP_j)，
其中PNP_j为第j个服务支持属性(下同)，SSP_j为第j个被服务对象属性(下同)；年龄匹配比较时，允许相差±δ岁，δ＝2，可选配置其它值。
关联因素相关统计比(同等条件)：
关联因素相关统计比(所有情况)：
第j个服务的时间与同等条件下的统计比：
第j个服务的时间与非限制条件的统计比：
见影响因素标识代码表，eid表示一个项目值。
服务效率函数：
预约人相关函数:
执行偏差指数：
偏差指数为正时表示提前，偏差指数为负时表示延后，范围在-1～+1之间。平均偏差用表示。
预估偏差指数：
准点指数：平均准点指数用表示。
执行偏差和：
执行偏差累计值：
预估偏差和：
预估偏差累计值：
在队列当前位置向后逐一用公式(1)预测，并计算预估偏差累计 时，倒退一个位置，位置符号记为IP，计算该位置的预估偏差然后在该位置前试插入时间片段Slice_T3，再次计算被后移一个位置(IP+1)的时间片段的预估偏差如果确定插入空位的位置为IP，否则为IP+1。其中Slice_T3含义见图3。
如图6示意图所示，4人3个项目的最佳路径安排方法，图中“A项目”、“B项目”、“C项目”分别表示三个服务项目，“人[i]”表示第i个被服务人。实际健康体检应用中服务项目通常在10项以上，多的达20～30项，但方法是一样的。每个服务项目独自有一套服务时间片段的定义、预估模型的系数。每个项目按自己的固定服务时间片段长度，等分为m＝ST_span/slice_T0段，每一等分段就是服务时间片段。其中ST_span表示一个服务周期的时长，slice_T0表示一个服务时间片段的固定分配时间。
现场安排中除了固定服务时间片段以外，还在实时预测中会产生一些新的空位(服务时间片段，或称动态服务时间片段)，新空位与固定服务时间片段合并在一起，供新的预约和安排检查检查申请人的检查路径搜索程序选择。
预约者通过互联网或局域网，查询各队列状态、指定时间范围，搜索可以安排的最佳检查路径及时间表。搜索方法为遍历试错法，即尝试在所有符合条件的未安排的服务时间片段的，在时间相互不冲突的情况下的所有组合，找到总时间跨度最小的路径。该遍历试错法有较大的运算量，需在内存中操作完成，如果每个组合尝试都用数据库将不能满足实际应用的效率需求。
服务开始前的预约中没有动态服务时间片段，但现场安排时，在查询操作中就会执行动态预测，可能产生动态服务时间片段。这是现场安排与预约有差别的地方，其它方法是相同的。预约时间不一定是实际最快完成的路径，有时现场产生的空位安排出的路径总服务时间跨度可能很短。本发明重点保证预约时间的准点指标。
本发明最短路径根据具体应用需求，以及处理算法方面统一的考虑，引入了两个概念：“直线最短路径”与“循环最短路径”。因为有些检查项目需在较早完成，有些项目检查较慢，这样一部分检查申请人检查时间跨度很大。如图7上部所示，受较慢项目拖累，一个体检路径时间跨度达3个多小时。在此情况下，产生另一种策略，整个服务周期时间上首尾相连，首尾时间相减被置为0，路径中的某一个位置的前后两项时间差最大化，如图7上部中最大等待时间ST_waitMax。该策略称为循环最短路径，如图7下部所示，最大等待时间ST_waitMax约为3小时，循环最短路径时间跨度约为1小时，申请者可以在最大等待时期内安排其它工作。图7中“项目1”～“项目4”表示第1～4个服务项目。
步骤S40是服务申请者根据查询到符合自己所提出的要求的两种最短路径的具体时间表，选择其中一种方案。
步骤S50根据服务申请者的路径方案选择，生成有效的预约安排路径及时间表，记录在个人预约安排数据库中，并将路径中各个队列相应的位置与预约人关系起来，相应的位置置为有安排状态。
步骤S60为现场检查过程管理。预约人到现场接待处确认报到，并领取带用个人唯一识别条码以及检查路径和时间表的纸片，以下简称为小单。按照小单中指示的路径，在相应的时间到指定的位置检查。未预约的人到接待处查询队列情况，动态预约安排检查路径和时间表，随后与有预约的人走相同的步骤。
检查室外面应该显示服务人、设备等信息，以及最近一定时间范围的排队人列表。轮到某人检查时可以自动语音呼叫，随后自动语音呼叫下一个准备检查的人。当被检查人进入诊室，通过条码扫描小单，被检查人状态置为在检状态，同时开始检查。当检查服务完成时，服务人执行提交操作，被检查人状态回到非在检状态。
因为某个项目延后或提前导致与另一个项目的时间产生冲突，或是某个项目处于在检状态，另一个项目检查时间也到了，这样的情况的处理方法称为冲突规则。冲突规则执行方法是以正常预约时间最靠近的项目或在检项目为优先，非优先项目寻找下一个或再下一个可以对调的被检查人，如果靠近队列中没有合适可以对调的人，则适当等待执行下一个人的检查，被冲突人取消的人，在最近寻找空位插入；
步骤S70，执行统计并更新相关记录。统计主要项目见表1，比如统计男性、40岁、一般优先级别情况下各个项目的平均服务时间，统计后存入数据库，在预估模块、校正模块中使用相关统计结果，不再重复统计。
步骤S70在应用早期每个人服务结束后进行统计，当使用时间较长后，已经有较大的统计样本，只需一个服务周期结束后统计一次，这样更容易确保服务器的处理能力。
步骤S80是系数校正方法，也是学习、自适应、自我完善的处理过程。每个服务周期结束后，进行事后预测校正任务。如图5所示，S800：服务周期内每一次不重复的预测数据加入到预测历史数据库，结构见表2；S810：排除项是指影响正确预测的项目，比如因某种原因，两个被服务人相互调整位置导致预估时间偏差等。排除项从预测历史数据库中删除或置排除标记；S820：实际执行时间更新数据库；S830：一个服务周期结束后，对每个相关系数依次执行步骤S840、S850、S860；S840：事后调整参数，对单个服务周期内所有预测历史数据库中所有非排除项进行重新预测。调整梯度基础单位记为ξ，调整范围为[-ζ+w×ξ..ζ+w×ξ],ζ为调整前的修正系数，ξ初始值为2％，w＝10；在调整范围内取一个值，重新预测，计算预估偏差平方，与执行偏差平方和相减，最小者为优选(实际执行时正向逐一执行，与原始值比较，如果偏差增大即停止，未找到减少值，则向后执行同样步骤)；找到的最佳系数记为ζn＝ζ+v×ξ,v＝[-w..w]；S850：为了减少调整过程中的波动，采用渐进式调整，最后修正系数为ζn＝ζ+v×ξ×20％；S860：调整梯度校正，每成功调整一次系数，ξ减少0.1％，ξ最少值为0.1％。
ζ_s校正除了上述步骤S80所述校正方法外，还使用执行偏差累计值记为§；如果§>0，ζ_s增加，反之ζ_s减少。
本发明提供一种基于上述方法的体检预约服务管理系统，如图2所示；其特征包括：S97：队列时间片段管理模块，用于管理队列时间片段数据库，提供插入、查询、更新操作，支持预测、查询、路径搜索模块访问时间片段数据；S93：查询模块，用于查询各个队列的排队情况、个人检查路径及时间、指定时间范围的下一个可安排的检查路径及时间；S95：预测模块，用于预估某个已预约或安排的时间片段的执行时间，通过现场预估随后队列执行时间，插入适当空位，达到准点最优的目的；S94:路径搜索模块，用于根据需要检查的项目，搜索当前可以安排且时间不冲突的检查顺序及具体的各个项目检查时间，如图4所示，4人3个项目的简单示例，FT表示固定时间片段，DT表示通过预测现场安排一个时间片段；S9A：统计模块，用于统计表各个影响因素的可比条件下的执行时间，在预估模块、校正模块中使用相关统计结果，统计主要项目见表1；S99：校正模块，用于校正预估计算模型中各相关影响因素的权重系数，通过组织管理统计模块的统计结果、应用预测任务记录数据库中的记录，调整有关系数后进行事后预测，与原事前预测比较，按一定规则调整相关系数；S92：预约及安排模块，通过查询模块得到队列信息以及可以安排的路径及时间，在用户选择直线最短路径或是循环最短路径后，预约或安排检查路径以及各个检查项目的预约时间；S96：流程控制模块，用于管理各个模块的数据流程，以及体检提供者与被体检者整个体检过程的管理，同时处理体检过程中一些特殊情况，包括因预约时间偏差导致时间冲突时，执行冲突规则；一个服务周期结束启动校正模块，执行校正任务；S98：配置模块，用于加载、管理系统中用到的基础数据库、数据词典、各影响因素的权重系数，并管理通过学习、知适应后的相关配置数据、影响因素的权重系数；S90：界面模块，用于查询操作、预约操作、安排操作、状态管理操作、显示相关结果信息、队列排队情况显示、检查室相关信息显示，进入检查以及完成检查标志更新；S91：消息模块，通过检查室外的电视机、显示器，以及手机短信形式通知被检查人有关队列状态的信息，包括提醒排队所处位置、时间，特殊情况下时间和位置变动消息。
进一步地体检预约服务管理系统从体系结构上包含中心服务单元、单队列控制单元、接待与查询单元、预约与消息单元，如图8所示。
S01为中心服务单元：由服务器、数据库和核心服务系统组成，功能有总体服务管理与设备控制，数据库管理，消息服务，数据统计，配置管理，流程管理，查询服务，预测服务，校正服务，路径搜索服务。
S02为单队列控制单元：由计算机、条码扫描设备、电视机、呼叫操作键盘组成，功能有被服务人身份快速识别、在检(正在服务)状态控制、队列状态显示、动态消息显示、呼叫控制。
S03为接待与查询单元：由计算机、条码打印机、查询终端、普通打印机组成，功能包含预约查询、到场状态确认、服务路径及时间表和身份识别信息打印，个人自助排队状态查询，人工干预排队顺序，动态安排未预约人员，协调特殊队列调整。
S04为预约与消息单元：由移动终端(手机、平板电脑、远程家庭电脑等)、短信消息平台和服务软件组成，通过互联网和无线GSM或3G通讯，实现远程排队状态查询、预约，动态消息通知、消息反馈确认功能。
S05为医院内部或连接互联网上供被服务人查询使用的计算机终端。
系统基本执行过程为：1、启动系统，加载相关配置；2、在检查服务期前预约，方法为查询各个检查队列预约的状态，指定时间范围，当前队列状态下查询下一个可以预约的检查路径及各项目预约时间，分别显示直线最短路径和循环最短路径两种选项的结果，用户选择其中一种符合自已需求的方式，如果都不满足则重新指定时间范围；3、检查开始后未预约的位置、或预约未到出现空位、因部分检查时间比预约安排的时间短而产生的空位，安排给直接到现场未预约者。在体检环境中安排几分钟后空位安排只能作为一种例外情况，不能作为策略。基本策略是预测后面的项目时间，预测哪些地方产生空位可以保证预约者时间最准确，就在这些地方安排新的检查申请者，保证大部分体检人员有序进行体检；4、体检过程管理，预约被检人到现场后检查路径及时间表，现场安排的被检人同样得到检查路径及时间表，按路径及时间表到指定位置检查；每个项目都应该比检查时间提前一定时间到诊室外等候，提前到的时间就是时间表中要求的时间；被检人进入诊室，被置为在检状态，检查完成后置为非在检状态。如果处于在检状态，其它检查项目正好也排到该人时，执行冲突规则；5、冲突规则，因为某个项目延后或提前导致与另一个项目的时间产生冲突，或是某个项目处于在检状态，另一个项目检查时间也到了，这样的情况的处理方法：以正常预约时间最靠近的项目或在检项目为优先，非优先项目寻找下一个或再下一个可以对调的被检查人，如果靠近队列中没有合适可以对调的人，则适当等待执行下一个人的检查，被冲突人取消的人，在最近寻找空位插入；6、特殊情况处理：预约人未到、错过的情况，通过消息模块通知当事人，重新安排下一个可能的位置；因其它人时间冲突需要某人提前检查时，通过手机短信、语音呼叫和电脑操作来确认；7、一个检查周期完成后由流程控制模块启动系统优化自适应处理，即启动校正程序，通过事后预测与事前预测的比较，调整时间预估模型中有关影响因素的权重系数。
以上是本发明提出的准点优先的体检预约服务管理方法及系统，以下对我们应用本发明前后的情况进行说明：
本发明最早针对大学校医院团体体检以及常接待团体体检的专业体检中心，团体体检每天约100～200人，因各个项目反复排队，被体检人平均耗时较长，通常3～4小时，少数>4小时，有时因工作时间上的冲突，就变成两天。这样对大部分团体体检人来说，每年的体检是比较“累人”。本发明提供的系统经过模拟和使用后，体检等待时间不断缩短，重要的是可以预约，知道什么时间在哪个诊室做什么检查，其它时间可以自由安排自己的工作。在体检路径搜索中提供两种方案，可以被检查者选择一种方案，项目尽量集中靠一个或前后两个时段。相比传统方式，显然本发明的方法和系统给用户体检非常好。
以上所述仅为本发明的一个实施例，并不能以此限制本发明，凡在本发明的思想和方法范围内，所做的任何修改、改进，均应包含在本发明保护的范围之内。特别是本发明说明书中阐述多以多项目多队列组合排队方式论述，本发明中的预估模型和自学习、自适应且可扩展的校正模型同样适用于各个行业单一服务项目的应用环境。
Claims (4)
1.一种准点优先的体检预约服务管理方法，其特征在于包括：提前预约步骤S10，固定安排的状态查询步骤S20，现场实时安排步骤S15，固定安排和动态预测的状态查询步骤S25，基于固定时间片段的安排方案S32，包含直线最短路径和循环最短路径的最短路径查询步骤S30，等待现场预测并找空位、其次找固定时间片段步骤S34，申请者根据查询的结果以及个人时间情况选择路径模式步骤S40，根据用户选择的路径模式安排路径及各项目检查时间表步骤S50，按路径及时间检查并标识状态、处理特殊情况步骤S60，对预估模型中各相关因素的所用时间进行统计步骤S70，实现学习、自适应的预估模型校正步骤S80；
步骤S10是预约固定安排；步骤S15是现场动态安排，通过动态安排调节，使预约安排的时间准点指标最接近准确；
基本时间单元称为服务时间片段；一次预约、预估和服务的时间描述对象是一个服务时间片段，服务时间片段包括准备期、前缓冲调整期、实际服务时间和后缓冲调整期四个部分；时间描述结构为开始时间，结束时间，持续时间，记为T.TS,T.TF,T.DUR，T表示上述其中某个时间属性；
每个服务项目按自己的固定服务时间片段长度，等分为m＝ST_span/slice_T0段，每一等分段就是服务时间片段；其中ST_span为一个服务周期的时长，slice_T0为一个服务时间片段的固定分配时间；Slice_T3为平均服务时间，来自于统计平均值；Slice_T0＝ζ_s×Slice_T3，ζ_s是自适应的调节系数；后缓冲时间Slice_T4＝Slice_T2，Slice_T2为前缓冲时间；准备期时间Slice_T1＝Slice_T3，Slice_T6表示最后一次预估的时间，Slice_T7表示实际执行时间，Slice_T9为包含外延的一个服务时间片段，即包含前、后缓冲时间；
预约和动态安排相结合，以做到准点优先、不断提高预约准点指标；服务时间片段中包含比实际服务时间多10％～50％的可调整时间，用于应对某些人的检查延时；通过现场动态预测什么地方会产生空位，在空位中安排现场未预约者；如果未找到靠近的空位则按预约流程，找后面标准固定时间片段；
步骤S20和步骤S25是固定安排状态查询和包含动态预测位置的状态查询，查询服务时间片段的安排情况以及下一个可以安排的路径和时间表；
最短路径是指服务申请者在当前可能的情况下，在最短时间内可完成所有申请服务项目的路径；直线最短路径为从第一个项目开始到最后一个项目结束的路径及时间；循环最短路径是将整个服务周期时间上首尾相连，基于首尾时间相减置为0的最短路径方案；
步骤S30包含最短路径搜索、动态服务时间预测；最短路径搜索方法采用遍历试错法，即尝试在所有符合条件的未安排的服务时间片段的，在时间相互不冲突的情况下的所有组合，找到总时间跨度最小的路径；预约阶段最短路径搜索只能找到等分的固定服务时间片段，现场安排中除了固定服务时间片段以外，还在实时预测中会产生一些称为新空位的新的服务时间片段，优先使用靠前的新空位；
预测新空位的方法如下：
预约人属性：PNP[pid]身份识别码为pid为人的属性，包括性别、年龄、重要程序、职业；服务支撑属性用SSP表示，包括执行人、设备、保障条件；
相关影响因素标识代码见表1：
服务时间：st(j)，表示第j人的实际服务时间；
统计服务时间函数：ast(eid,PNP,SSP)表示符合某些条件的平均服务时间，其中eid为影响因素标识，表示包含eid因素、符合PNP和SSP规定的属性的平均服务时间；PNP和SSP为空集时不匹配该条件，用“()”表示空属性集合；
影响因素权重因子用ζeid表示，即以eid项目的权重因子；
服务时间预估函数为：
fi(z，u，s)＝(zn+ui)×s (1)
其中，S为服务效率函数，
i为服务顺序号，从1开始计数；
基础服务时间值：
其中n为预约人编号，m为历史预约服务次数，为上一次服务时间，为以前第j次服务时间；
现场服务校正函数为：
其中Q为计划总服务人数，如果i>Q时，置Q＝i；δj为第j个被检查人在可比条件下的偏差；ζu为现场服务校正因子的权重修正系数；
δj＝Tj-ft(j)，Tj为现场第j人的实际服务时间，ft(j)为同等条件下的统计平均服务时间，如果ft(j)没有值，则δj取0；
ft(j)＝ast((eidD40,eidP10),PNP_j,SSP_j)，
其中PNP_j为第j个服务支持属性，SSP_j为第j个被服务对象属性；年龄匹配比较时，允许相差±δ岁，δ＝2～6；
同等条件关联因素相关统计比：
所有情况关联因素相关统计比：
第j个服务的时间与同等条件下的统计比：
第j个服务的时间与非限制条件的统计比：
见影响因素标识代码表，eid为一个项目值；
服务效率函数：
其中，c为跟个人无关的相关影响因素代码项数；
预约人相关函数:
其中，d为跟特定个人相关的相关影响因素代码项数；
执行偏差指数：
偏差指数为正时表示提前，偏差指数为负时表示延后，范围在-1～+1之间；平均偏差用为
预估偏差指数为：
准点指数：平均准点指数为
执行偏差和：
预估偏差和：
预估偏差累计值：
在队列当前位置向后逐一用公式(1)预测，并计算预估偏差累计 时，倒退一个位置，位置符号记为IP，计算该位置的预估偏差然后在该位置前试插入时间片段Slice_T3，再次计算被后移一个位置(IP+1)的时间片段的预估偏差如果确定插入空位的位置为IP，否则为IP+1；
步骤S40是服务申请者选择最短路径方案；步骤S50生成有效的预约安排路径及时间表；步骤S60为现场检查过程管理；步骤S70执行统计并更新相关记录，统计项目见表1，统计后存入数据库，在预估模块、校正模块中使用相关统计结果，不再重复统计；
步骤S80是系数校正方法，也是学习、自适应、自我完善的处理过程；每个服务周期结束后，进行事后预测校正任务：a.服务周期内每一次不重复的预测数据加入到预测历史数据库；b.排除项是指影响正确预测的项目；c.事后调整参数，对单个服务周期内所有预测历史数据库中所有非排除项进行重新预测；调整梯度基础单位记为ξ，调整范围为[-ζ+w×ξ～ζ+w×ξ],ζ是调节前的修正系数，ξ初始值为2％，w＝10；在调整范围内取一个值，重新预测，计算预估偏差平方，与执行偏差平方和相减，最小者为优选；找到的最佳系数记为ζn＝ζ+v×ξ,v＝[-w～w]；d.为了减少调整过程中的波动，采用渐进式调整，最后修正系数为ζn＝ζ+v×ξ×20％；e.调整梯度校正，每成功调整一次系数，ξ递减一定幅度，递减幅度初值为0.4％，随着校正逐渐趋于精细，ξ逐渐减少，每次校正成功后ξ递减幅度逐渐减小，最小递减幅度为0.05％；ξ最小值为0.1％；各个系数依次进行；
ζ_s校正除了上述步骤S80所记载的系数校正方法外，还使用执行偏差累计值记为§；如果§>0，ζ_s增加，反之ζ_s减少；
预测任务记录数据库结构见表2：
表2
2.如权利要求1所述准点优先的体检预约服务管理方法，其特征在于δ＝2～6。
3.如权利要求1所述准点优先的体检预约服务管理方法的系统，其特征在于包括：(一)队列时间片段管理模块，用于管理队列时间片段数据库，提供插入、查询、更新操作，支持预测、查询、路径搜索模块访问时间片段数据；(二)查询模块，用于查询各个队列的排队情况、个人检查路径及时间、指定时间范围的下一个可安排的检查路径及时间；(三)预测模块，用于预估某个已预约或安排的时间片段的执行时间，通过现场预估随后队列执行时间，插入适当空位，达到准点最优的目的；(四)路径搜索模块，用于根据需要检查的项目，搜索当前可以安排且时间不冲突的检查顺序及具体的各个项目检查时间；(五)统计模块，用于统计表各个影响因素的可比条件下的执行时间，在预估模块、校正模块中使用相关统计结果；(六)校正模块，用于校正预估计算模型中各相关影响因素的权重系数，通过组织管理统计模块的统计结果、应用预测任务记录数据库中的记录，调整有关系数后进行事后预测，与原事前预测比较，调整相关系数；预测任务记录数据库结构见表2；(七)预约及安排模块，通过查询模块得到队列信息以及可以安排的路径及时间，在用户选择直线最短路径或是循环最短路径后，预约或安排检查路径以及各个检查项目的预约时间；(八)流程控制模块，用于管理各个模块的数据流程，以及体检提供者与被体检者整个体检过程的管理，同时处理体检过程中一些特殊情况，包括因预约时间偏差导致时间冲突时，执行冲突 规则；一个服务周期结束启动校正模块，执行校正任务；(九)配置模块，用于加载、管理系统中用到的基础数据库、数据词典、各影响因素的权重系数，并管理通过学习、自适应后的相关配置数据、影响因素的权重系数；(十)界面模块，用于查询操作、预约操作、安排操作、状态管理操作、显示相关结果信息、队列排队情况显示、检查室相关信息显示，进入检查以及完成检查标志更新；(十一)消息模块，通过检查室外的电视机、显示器，以及手机短信形式通知被检查人有关队列状态的信息，包括提醒排队所处位置、时间，特殊情况下时间和位置变动。
4.如权利要求3所说的准点优先的体检预约服务管理系统，其特征在于：其结构上包含中心服务单元S01、单队列控制单元S02、接待与查询单元S03、预约与消息单元S04，以及查询服务单元S05：
中心服务单元S01由服务器、数据库和核心服务系统组成，实现总体服务管理与设备控制，数据库管理，消息服务，数据统计，配置管理，流程管理，查询服务，预测服务，校正服务，路径搜索服务；
单队列控制单元S02由计算机、条码扫描设备、电视机、呼叫操作键盘组成，实现被服务人身份快速识别、在检状态控制、队列状态显示、动态消息显示、呼叫控制；
接待与查询单元S03由计算机、条码打印机、查询终端、普通打印机组成，实现预约查询、到场状态确认、服务路径及时间表和身份识别信息打印，个人自助排队状态查询，人工干预排队顺序，动态安排未预约人员，协调特殊队列调整；
预约与消息单元S04由移动终端、短信消息平台和服务软件组成，通过互联网和无线GSM或3G通讯，实现远程排队状态查询、预约，动态消息通知、消息反馈确认功能；S05为排除状态查询查询以及下一个符合条件的路径查询。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410471952.1A CN104239956B (zh) | 2014-09-17 | 2014-09-17 | 准点优先的体检预约服务管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410471952.1A CN104239956B (zh) | 2014-09-17 | 2014-09-17 | 准点优先的体检预约服务管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104239956A CN104239956A (zh) | 2014-12-24 |
| CN104239956B true CN104239956B (zh) | 2017-09-29 |
Family
ID=52227978
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410471952.1A Expired - Fee Related CN104239956B (zh) | 2014-09-17 | 2014-09-17 | 准点优先的体检预约服务管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104239956B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184378A (zh) * | 2015-07-17 | 2015-12-23 | 苏州信亨自动化科技有限公司 | 一种基于移动位置信息的排队方法及系统 |
| CN105205767A (zh) * | 2015-09-07 | 2015-12-30 | 广东欧珀移动通信有限公司 | 一种基于室内的体检方法、装置和系统 |
| CN105631200B (zh) * | 2015-12-23 | 2018-05-08 | 东软集团股份有限公司 | 预测医技检查时间的方法和装置 |
| CN107133682B (zh) * | 2017-05-27 | 2021-03-02 | 北京绪水互联科技有限公司 | 基于设备日志的设备操作用时估算系统及方法、基于设备日志的动态预约系统及其实现方法 |
| CN108039197A (zh) * | 2017-12-01 | 2018-05-15 | 首都医科大学附属北京天坛医院 | 医技辅助检查项目排程引导方法及系统 |
| CN109102869A (zh) * | 2018-08-22 | 2018-12-28 | 泰康保险集团股份有限公司 | 基于区块链的医疗数据管理方法、装置、介质及电子设备 |
| CN109359828B (zh) * | 2018-09-26 | 2021-07-09 | 长沙市到家悠享家政服务有限公司 | 调度费确定方法、装置及电子设备 |
| CN109993875B (zh) * | 2019-01-10 | 2021-11-09 | 河南翔宇医疗设备股份有限公司 | 医疗排号方法、系统及电子设备 |
| CN110942546A (zh) * | 2019-12-27 | 2020-03-31 | 贵阳朗玛信息技术股份有限公司 | 一种体检叫号方法及装置 |
| CN112002054B (zh) * | 2020-07-28 | 2022-03-29 | 东软医疗系统股份有限公司 | 等待时间的确定方法、装置、存储介质和电子设备 |
| CN112100576B (zh) * | 2020-09-15 | 2024-06-14 | 京东方科技集团股份有限公司 | 排队方案的确定方法、装置、电子设备及计算机可读介质 |
| CN112651657B (zh) * | 2020-12-31 | 2023-06-27 | 杭州电子科技大学 | 一种健康体检服务流程优化调度方法 |
| CN113077879B (zh) * | 2021-03-26 | 2024-02-09 | 杭州京威盛智能科技有限公司 | 基于用户服务的智能导医系统 |
| CN113140062B (zh) * | 2021-04-21 | 2023-03-21 | 平安好医投资管理有限公司 | 基于双队列的体检排队方法、装置、电子装置及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101110118A (zh) * | 2007-08-21 | 2008-01-23 | 北大方正集团有限公司 | 健康体检控制系统和方法 |
| CN101206736A (zh) * | 2007-10-12 | 2008-06-25 | 广东医卫互动信息科技有限公司 | 检查检验资源及医疗服务预约排期方法 |
| US8086596B2 (en) * | 2008-05-15 | 2011-12-27 | International Business Machines Corporation | Healthcheck of information technology infrastructure based on log data |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4323198B2 (ja) * | 2003-03-28 | 2009-09-02 | 富士通エフ・アイ・ピー株式会社 | 待ち行列管理サーバ、待ち行列管理システム、待ち行列管理方法、待ち行列管理プログラム |
-
2014
- 2014-09-17 CN CN201410471952.1A patent/CN104239956B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101110118A (zh) * | 2007-08-21 | 2008-01-23 | 北大方正集团有限公司 | 健康体检控制系统和方法 |
| CN101206736A (zh) * | 2007-10-12 | 2008-06-25 | 广东医卫互动信息科技有限公司 | 检查检验资源及医疗服务预约排期方法 |
| US8086596B2 (en) * | 2008-05-15 | 2011-12-27 | International Business Machines Corporation | Healthcheck of information technology infrastructure based on log data |
Non-Patent Citations (2)
| Title |
|---|
| 体检中心排队管理系统的应用与效果;吕海瑛等;《护理管理杂志》;20131231;第13卷(第12期);第894-895页 * |
| 医院体检排队程序优化;何雅庆等;《中国医学创新》;20130131;第10卷(第1期);第136-138页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104239956A (zh) | 2014-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104239956B (zh) | 准点优先的体检预约服务管理方法及系统 | |
| Yu et al. | Deadline scheduling as restless bandits | |
| CN110751358A (zh) | 一种机场地面服务人员的排班方法、电子设备及存储介质 | |
| Ferrand et al. | Managing operating room efficiency and responsiveness for emergency and elective surgeries—a literature survey | |
| Gagliardi et al. | On storage assignment policies for unit-load automated storage and retrieval systems | |
| Chen et al. | A hybrid differential evolution algorithm for a two-stage flow shop on batch processing machines with arbitrary release times and blocking | |
| US9633057B2 (en) | Method and system for collecting, searching and determining the strength of contacts from a mobile contact list | |
| CN102624865A (zh) | 集群负载预测方法及分布式集群管理系统 | |
| Pastor | LB-ALBP: the lexicographic bottleneck assembly line balancing problem | |
| CN107066322B (zh) | 一种面向自组织群智感知系统的在线任务分派方法 | |
| CN105719221A (zh) | 针对多任务的路径协同规划方法和装置 | |
| CN110991846B (zh) | 服务人员任务分配方法、装置、设备及存储介质 | |
| CN103607418B (zh) | 基于云服务数据特征的大规模数据分割系统及分割方法 | |
| Siebert et al. | Lot targeting and lot dispatching decision policies for semiconductor manufacturing: optimisation under uncertainty with simulation validation | |
| Rossi et al. | Dynamic set-up rules for hybrid flow shop scheduling with parallel batching machines | |
| Tu et al. | Applying an AHP-QFD conceptual model and zero-one goal programming to requirement-based site selection for an airport cargo logistics center | |
| Tohidi et al. | A physician planning framework for polyclinics under uncertainty | |
| CN106874079A (zh) | 一种任务执行的方法及装置 | |
| Cigolini et al. | Shop floor control in the VLSI circuit manufacturing: a simulation approach and a case study | |
| Li et al. | Order assignment and scheduling under processing and distribution time uncertainty | |
| Schneider et al. | Benefits of digitalization for business processes in semiconductor manufacturing | |
| Wei | Optimal allocation of human resources recommendation based on improved particle swarm optimization algorithm | |
| Li et al. | Real-Time Data-Driven Out-of-Order Synchronization for Production and Intralogistics in Multiresource-Constrained Assembly Systems | |
| Xie et al. | A Two‐Workshop Collaborative, Integrated Scheduling Algorithm considering the Prescheduling of the Root‐Subtree Processes | |
| CN110287006A (zh) | 一种数据调度方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170929 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |