Оптимизация управления ресурсным обеспечением в региональной организационной системе на основе предиктивного анализа многолетней статистической информации

В статье рассматривается обоснование оптимизационного подхода к управлению ресурсным обеспечением в региональной организационной системе, отличающейся процедурами интеграции результатов предиктивного анализа многолетней статистической информации в процесс принятия решений. Показана ограниченность методов экспертного выбора управленческих действий на основе анализа динамики изменений показателей эффективности системы и возможность преодоления этой ограниченности за счет формализованного представления зависимости функции интегрального эффекта от дополнительного ресурсного обеспечения, позволяющего перейти к поиску управленческих решений путем оптимизационного моделирования. Рассмотрено формирование оптимизационных моделей при распределении ресурсного обеспечения в региональной организационной системе по трем составляющим: группам населения, территориальным образованиям, временным периодам. Для первых двух составляющих управленческие решения определяются путем постановки и решения задач многоальтернативной оптимизации. Они позволяют определить перспективные подмножества групп населения и территориальных образований, для которых определенная экспертами потребность в дополнительном ресурсе даст в будущие периоды наибольший эффект. Поскольку управленческие решения содержат наряду с формализованным выбором экспертную составляющую, они носят предварительный характер. Окончательное формализованное решение достигается при распределении предварительных оценок по временным интервалам с использованием оптимизационной модели динамического программирования. Предложено использование результатов предиктивного анализа в виде прогностических моделей, отражающих данные показателей статистики, при формировании целевых функций оптимизационных моделей, что позволяет интегрировать их в процесс принятия решений при управлении распределением ресурсного обеспечения в региональной организационной системе.

1. Александрова Т.Б., Калинкин Д.Е., Плещинская В.Я., Образцова Е.Н., Тахауов Р.М., Хлынин С.М. Медицинская статистика. Показатели и методы оценки здоровья населения. Томск: СибГМУ; 2011. 126 с.

2. Глушанко В.С., Тимофеева А.П., Герберг А.А. Методика изучения уровня, частоты, структуры и динамики заболеваемости и инвалидности. Медико-реабилитационные мероприятия и их составляющие. Витебск: Издательство ВГМУ; 2016. 177 с.

3. Щепин О.П. Региональные аспекты развития здравоохранения. Проблемы социальной гигиены, здравоохранения и истории медицины. 2014;22(5):3–7.

4. Лобкова Е.В., Петриченко А.С. Управление эффективностью региональной системы здравоохранения. Региональная экономика: Теория и практика. 2018;16(2):274–295. https://doi.org/10.24891/re.16.2.274

5. Львович Я.Е., Львович И.Я., Чопоров О.Н. и др. Оптимизация цифрового управления в организационных системах. Воронеж: Издательско-полиграфический центр «Научная книга»; 2021. 191 с.

6. Kelleher J.D., Mac Namee B., D’Arcy A. Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies. The MIT Press; 2020. 856 p.

7. Гусев П.Ю. Анализ возможностей предиктивной аналитики при прогнозировании состояния оборудования АЭС. Известия Тульского государственного университета. Технические науки. 2024;(4):103–108.

8. Van Calster B., Wynants L., Timmerman D., Steyerberg E.W., Collins G.S. Predictive analytics in health care: how can we know it works? Journal of the American Medical Informatics Association. 2019;26(12):1651–1654. https://doi.org/10.1093/jamia/ocz130

9. Львович И.Я., Львович Я.Е., Фролов В.Н. Информационные технологии моделирования и оптимизации. Краткая теория и приложения. Воронеж: Издательско-полиграфический центр «Научная книга»; 2016. 444 с.

10. Львович Я.Е. Многоальтернативная оптимизация: теория и приложения. Воронеж: Издательство «Кварта»; 2006. 415 с.

11. Гафанович Е.Я., Ломаков А.В., Львович А.И., Чопоров О.Н. Визуальное и прогностическое моделирование заболеваемости артериальной гипертензией лиц старших возрастных групп и их диспансеризации. Моделирование, оптимизация и информационные технологии. 2024;12(2). https://doi.org/10.26102/2310-6018/2024.45.2.014

12. Львович И.Я. Принятие решений на основе оптимизационных моделей и экспертной информации. Воронеж: Издательско-полиграфический центр «Научная книга»; 2023. 232 с.