Análisis del efecto en la capacidad instalada productiva de los procesos diagnósticos en ingeniería hospitalaria mediante el uso de modelos de simulación de eventos discretos

• Autores: Felix Enrique Badilla Murillo
• Directores de la Tesis: Justo García Sanz-Calcedo (dir. tes.), Gonzalo Sánchez-Barroso Moreno (codir. tes.)
• Lectura: En la Universidad de Extremadura ( España ) en 2022
• Idioma: español
• Tribunal Calificador de la Tesis: Luis-Cristóbal Capitán-Morales (presid.), Juan Pablo Carrasco Amador (secret.), Nuno Alexandre Gouveía de Sousa Neves (voc.)
• Programa de doctorado: Programa de Doctorado en Modelización y Experimentación en Ciencia y Tecnología por la Universidad de Extremadura
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Simulación
  • Ciencias económicas
    • Organización y dirección de empresas
• Enlaces
  • Tesis en acceso abierto en: TESEO
• Resumen

  • Los servicios de salud soportan una alta complejidad operativa, particularmente por la necesidad de coordinar las distintas especialidades médicas que participan de forma articulada para brindar una oportuna atención de los pacientes. Por ello, es necesario reducir los tiempos de atención y mantener una tasa de utilización balanceada de los recursos. El objetivo de este trabajo es demostrar como los modelos de simulación de eventos discretos pueden ser utilizados para la estimación de recursos e insumos en los procesos logísticos hospitalarios, siendo posible incorporar variables como la secuencia lógica de actividades, la cantidad de recursos disponibles, las distribuciones de probabilidad de la duración de las distintas actividades, disponibilidad de infraestructura y recursos humanos. A diferencia de los modelos heurísticos tradicionales este tipo de modelado es estocástico, siendo posible incorporar la incertidumbre y variabilidad del proceso como parte del análisis. Se dispone de una representación virtual del proceso, mediante la cual se establecen escenarios What-If para identificar oportunidades de mejora, lo que permite determinar el impacto que tendrán posibles soluciones, sin necesidad de implementarlas o invertir en cambios en el proceso sin saber si realmente serán efectivos. Este tipo de modelos pueden integrarse a tecnologías como realidad virtual o aumentada.