Имитационная модель управления загрузкой сотрудников лабораторной службы в условиях пандемии на платформе AnyLogic

Резкий рост нагрузки на системы здравоохранения во время пандемии COVID-19 показал неэффективность традиционных методов расчета производительности труда, основанных на математических формулах. В них не учитываются динамика рабочих процессов, проблемы в планировании трудовых ресурсов, оборудования и площадей. Это приводит к неэффективному распределению нагрузки, особенно когда, на примере клинических лабораторий, возникла необходимость обработки тысяч проб на ПЦР-тестирование ежедневно. Целью исследования является разработка и анализ метода планирования трудовой нагрузки с использованием имитационного моделирования в AnyLogic, позволяющего визуализировать и оптимизировать лабораторные процессы. Задачи включают анализ существующих подходов, описание методики, применение на примере ПЦР-лаборатории и оценку преимуществ в условиях пандемии. Предлагаемый подход включает хронометраж технологических процессов, сбор данных в табличной форме и создание цифровой модели лаборатории для выявления «узких горлышек», простоев оборудования и персонала. На примере ПЦР-лаборатории демонстрируется возможность оптимизации ресурсов, расчета максимальной производительности и обоснования закупок. Метод позволяет повысить эффективность лабораторного производства в ситуациях непрогнозируемого спроса, минимизируя риски срывов и финансовых потерь.

1. Burdett R.L., Corry P., Spratt B., Cook D., Yarlagadda P. A stochastic programming approach to perform hospital capacity assessments. PLoS ONE. 2023;18(11). https://doi.org/10.1371/journal.pone.0287980

2. Yao X., Shehadeh K.S., Padman R. Multi-resource allocation and care sequence assignment in patient management: a stochastic programming approach. Health Care Management Science. 2024;27:352–369. https://doi.org/10.1007/s10729-024-09675-6

3. Zhang W., Liu Sh., Osgood N., et al. Using simulation modelling and systems science to help contain COVID-19: A systematic review. Systems Research and Behavioral Science. 2022. https://doi.org/10.1002/sres.2897

4. Орлов С.А., Лисовский Д.А., Лившиц С.А., Тихонова Е.В. Имитационное моделирование, как инструмент оценки эффективности использования ресурсов медицинской организации и качества медицинской помощи в период эпидемии COVID-19. Бюллетень Национального научно-исследовательского института общественного здоровья имени Н.А. Семашко. 2022;(4):69–75. https://doi.org/10.25742/NRIPH.2022.04.013

5. Erkayman B., Ak F., Çodur S. A simulation approach for COVID-19 pandemic assessment based on vaccine logistics, SARS-CoV-2 variants, and spread rate. Simulation. 2023;99(2):127–135. https://doi.org/10.1177/00375497221120018

6. Reimche M., Duden A.J., Bergmann J.P. Approach to assess factors affecting laboratory workload during a pandemic situation. In: Proceedings of the 2024 International System Dynamics Conference, 04–08 August 2024, Bergen, Norway. System Dynamics Society; 2024. https://proceedings.systemdynamics.org/2024/papers/P1013.pdf

7. Vázquez-Serrano J.I., Peimbert-García R.E., Cárdenas-Barrón L.E. Discrete-Event Simulation Modeling in Healthcare: A Comprehensive Review. International Journal of Environmental Research and Public Health. 2021;18(22). https://doi.org/10.3390/ijerph182212262

8. Melman G.J., Parlikad A.K., Cameron E.A.B. Balancing scarce hospital resources during the COVID-19 pandemic using discrete-event simulation. Health Care Management Science. 2021;24(2):356–374. https://doi.org/10.1007/s10729-021-09548-2

9. Хроль Е.В., Уварова А.Г., Кужильный А.В. Разработка имитационных моделей с помощью AnyLogic. Современные инновации, системы и технологии. 2023;3(4):119–130. https://doi.org/10.47813/2782-2818-2023-3-4-0119-0130

10. Saidani M., Kim H., Kim J. Designing optimal COVID-19 testing stations locally: A discrete event simulation model applied on a university campus. PLoS ONE. 2021;16(6). https://doi.org/10.1371/journal.pone.0253869

11. Possik J., Asgary A., Solis A.O., et al. An Agent-Based Modeling and Virtual Reality Application Using Distributed Simulation: Case of a COVID-19 Intensive Care Unit. IEEE Transactions on Engineering Management. 2023;70(8):2931–2943. https://doi.org/10.1109/tem.2022.3195813