Gestão & Produção
https://gestaoeproducao.com/article/doi/10.1590/1806-9649-2022v29e4421
Gestão & Produção
Artigo Original

Study of the impact of the start time of work shift on the efficiency of an emergency system through a simulation model of discrete events

Rodrigo Luiz Gigante; Aníbal Tavares de Azevedo

Downloads: 0
Views: 158

Abstract

Abstract: This work uses a simulation model to analyze the use of ambulances present in emergency medical services (SAMUs) in relation to the schedule of beginning work shifts and the time patients wait in relation to shift start times. For the development of the model, information was collected from studies present in the literature and applied government recommendations for ambulances by inhabitant. The model was executed for different amounts of effective calls per day to analyze system congestion and the impact of changing shift start times on waiting times. The results demonstrate that the system has congestion with 25 effective calls per day, and shifts started at 8 am and 11 am have a shorter average waiting for patients for care. These results validate that the change in the start time of shifts improves system performance without increasing costs.

Keywords

Discrete event simulation, Public health services, Ambulances

Referências

Andrade, L. A. C. G. (2012). Heurística baseada em colônia artificial de abelhas para o problema de localização de bases, alocação e realocação de ambulâncias (Dissertação de mestrado). Universidade de São Paulo, São Paulo.

Banks, J., Carson, J. S., 2nd, Nelson, B. L., & Nicol, D. M. (2014). Discret-event system simulation. USA: Pearson.

Barreto, B., Alexandrino, F., & Coelho, O. (2016). Posicionamento de ambulâncias do samu através de programação inteira e teoria de filas. Gestão & Produção, 23(4), 828-841. http://dx.doi.org/10.1590/0104-530x2100-16.

Barros, J. G. M., Santos, J. A. N., & Vilarinho, L. (2009). Análise e melhoria de processo em uma empresa de atendimento de emergência. In XXIX Encontro Nacional de Engenharia de Produção. Salvador, Bahia: ABEPRO.

Brasil. (2003). Portaria n°1.864, de 29 de setembro de 2003. Brasília, DF: Diário Oficial da República Federativa do Brasil. Retrieved in 2020, April 13, from http://bvsms.saude.gov.br/bvs/saudelegis/gm/2003/prt1864_29_09_2003.html

Church, R., & ReVelle, C. (1974). The maximal covering location problem. Papers / Regional Science Association. Regional Science Association. Meeting, 32(1), 101-118. http://dx.doi.org/10.1007/BF01942293.

Ciconet, R. M. (2015) Tempo de resposta de um serviço de atendimento móvel de urgência (Tese de doutorado). Escola de enfermagem, Universidade Federal do Rio Grande do Sul, Porto Alegre.

Coelho, G. F., & Pinto, L. R. (2018). Kriging-based simulation optimization: an emergency medical system application. The Journal of the Operational Research Society, 69(12), 2006-2020. http://dx.doi.org/10.1080/01605682.2017.1418149.

Ferrari, T., Vieira, B. S., Camara, M. V. O., Ribeiro, G. M., & Nassi, C. D. (2017). Uma avaliação multiobjetivo de atendimento de emergência com base na população, no número de ocorrências e na distância percorrida pelos veículos de resgate. In XXXI Congresso Nacional de Pesquisa em Transporte da ANPET. Recife, PE: ANPET.

Figueiredo, A. P. S., & Lorena, L. A. N. (2005). Localização de ambulâncias: uma aplicação para a cidade de são José dos campos – sp. In Anais XII Simpósio Brasileiro de Sensoriamento Remoto (pp. 1965-1972). São José dos Campos: INPE.

Ghussn, L. S., & Souza, R. M. (2013).Análise de desempenho do samu/bauru-sp em períodos de pico de demanda. GEPROS. Gestão da Produção, Operações e Sistemas, 11, 73-103.

Larson, R. C. (1974). Hypercube queuing model for facility location and redistricting in urban mergency services. Computers & Operations Research, 1(1), 67-95. http://dx.doi.org/10.1016/0305-0548(74)90076-8.

Maruyama, L. Y., & Souza, R. M. (2018). Identificação de regiões similares em relação ao tempo de resposta de chamados do SAMU-Bauru. Gestão e Saúde, 9(2), 180-191. http://dx.doi.org/10.18673/gs.v9i2.24242.

Nogueira, P. C., Jr., Pinto, L. R., & Silva, P. M. S. (2016). Reducing emergency medical service response time via the reallocation of ambulance bases. Health Care Management Science, 19(1), 31-42. http://dx.doi.org/10.1007/s10729-014-9280-4. PMid:24744263.

Rajagopalan, H. K., Saydam, C., & Xiao, J. (2008). A multiperiod set covering location model for dynamic redeployment of ambulances. Computers & Operations Research, 35(3), 814-826. http://dx.doi.org/10.1016/j.cor.2006.04.003.

ReVelle, C., & Snyder, S. (1995). Integrated fire and ambulance siting: a deterministic model. Socio-Economic Planning Sciences, 29(4), 261-271. http://dx.doi.org/10.1016/0038-0121(95)00014-3.

Silva, P. M. S. (2010) Análise do serviço de atendimento móvel de urgência (SAMU) de Belo Horizonte via Simulação e Otimização (Dissertação de mestrado). Universidade Federal de Minas Gerais, Belo Horizonte.

Silva, P. M. S., & Pinto, L. R. (2010). Emergency medical systems analisys by simulation and optimization. In Proceedings of the 2010 Winter Simulation Conference. Retrieved in 2021, July 4, from https://dl.acm.org/doi/10.5555/2433508.2433806.

Souza, R. M., Morabito, R., Chiyoshi, R. Y., & Iannoni, A. P. (2013). Análise da configuração de SAMU utilizando múltiplas alternativas de localização de ambulâncias. Gestão e Produção, São Carlos, 20(2), 287-302. http://dx.doi.org/10.1590/S0104-530X2013000200004.

Takeda, R. A., Widmer, J. A., & Morabito, R. (2001). Uma proposta alternativa para avaliação do desempenho de sistemas de transporte emergencial de saúde brasileiros. Revista Transportes, 9(2), 9-27. https://doi.org/10.14295/transportes.v9i2.168.

Tavakoli, A., & Lightner, C. (2004). Implementing a mathematical model for locating EMS vehicles in fayetteville, NC. Computers & Operations Research, 31(9), 1549-1563. http://dx.doi.org/10.1016/S0305-0548(03)00108-4.

Toregas, C., Swain, R., Revelle, C., & Bergman, L. (1971). The location of emergency service facilities. Operations Research, 19(6), 1363-1373. http://dx.doi.org/10.1287/opre.19.6.1363.

Wu, C. H., & Hwang, K. (2009). Using a discrete-event simulation to balance ambulance availability and demand in static deployment systems. Academic Emergency Medicine: a Global Journal of Emergency Care, 16(12), 1359-1366. http://dx.doi.org/10.1111/j.1553-2712.2009.00583.x.
 

62751056a9539533292a8413 gp Articles

Gest. Prod.

Share this page
Page Sections