طراحی سیستم هوشمند پیش بینی بار کاری و بهینه سازی تخصیص منابع انسانی در بیمارستان با بهره گیری از مدل های یادگیری ماشین

پیش بینی دقیق بار کاری و بهینه سازی مدیریت منابع انسانی در بیمارستان ها نقش حیاتی در ارتقای کیفیت خدمات، کاهش هزینه ها و افزایش کارایی عملیاتی دارد. کار کردن در شرایط عدم قطعیت، نوسانات تقاضای بیماران و محدودیت منابع انسانی در نظام سلامت، اهمیت بهره گیری از روش های داده محور و الگوریتم های یادگیری ماشین را دوچندان کرده است. این مطالعه با هدف طراحی یک سیستم هوشمند پیش بینی بار کاری و تخصیص منابع انسانی، از داده های واقعی بیمارستانی شامل تعداد مراجعات، نوع خدمات، متوسط زمان ارائه خدمت، سطح مهارت کارکنان و الگوهای فصلی مراجعه استفاده می کند تا الگوهای پنهان و روابط غیرخطی را استخراج کرده و به تصمیم گیران در مدیریت ظرفیت و برنامه ریزی نیروی انسانی کمک نماید. روش پیشنهادی ترکیبی از الگوریتم های رگرسیونی، مدل های سری زمانی، شبکه های عصبی، و سیستم های توصیه گر است که با یک داشبورد مدیریتی ادغام شده و خروجی هایی مانند پیش بینی بار کاری در بخش های مختلف، نیاز روزانه و شیفتی به پرسنل، و هشدارهای زودهنگام نسبت به ازدحام را ارائه می دهد. یافته ها نشان می دهد استفاده از یادگیری ماشین می تواند خطاهای پیش بینی را تا بیش از ۳۰ درصد کاهش داده و زمان واکنش مدیریتی را به طور قابل توجهی بهبود دهد. این سیستم می تواند مبنای طراحی سیاست های مبتنی بر داده برای تخصیص بهینه منابع انسانی، افزایش رضایت کارکنان و بیماران، و کاهش فرسودگی شغلی در محیط های بالینی باشد.

کلیدواژه ها:

مدیریت منابع انسانی ، بیمارستان ، پیش بینی بار کاری ، یادگیری ماشین ، بهینه سازی ، تصمیم گیری داده محور