Problèmes méthodologiques posés par la simulation de processus de production de services. L’exemple d’un service d’urgences

(1)

SIMULATION DE PROCESSUS de PRODUCTION de SERVICES

L’EXEMPLE D’UN SERVICE D’URGENCES

Vincent GIARD & Savas BALIN

Université Paris Dauphine - LAMSADE (CNRS) vincent.giard@dauphine.fr & savas.balin@dauphine.fr

(2)

PROBLÈMES MÉTHODOLOGIQUES POSÉS par la

SIMULATION DE PROCESSUS de PRODUCTION de SERVICES

L’EXEMPLE D’UN SERVICE D’URGENCES

Vincent GIARD & Savas BALIN

Université Paris Dauphine - LAMSADE (CNRS) vincent.giard@dauphine.fr & savas.balin@dauphine.fr

PLAN

I Analyse des concepts et outils de simulation de processus de production de services

I-1 Simulation basée sur les objets (SBO)

I-2 Simulation orientée objet (SOO) et simulation multi-agents (SMA)

I-3 Choix préalables à l’élaboration d’un modèle de simulation de processus de production

II L’exemple de simulation d’un service d’urgences

II-1 Le modèle de simulation d’un service d’urgences II-2 Résultats

(3)

• Vision processus des services généralement insuffisante

• Enjeux:

• Amélioration efficience (producteur) et efficacité (≠ prod biens: objectif → subjectif)

• Leviers: modifications des ressources, de structures et de procédures

• Difficile prédictibilité d’impact de transformations de l’environnement ou de nouvelles

actions

. essai/erreur: très risqué

. solutions analytiques: limité

. simulation de scénarios alternatifs:

. pas si évident (problèmes méthodologiques)

(4)

I

Concepts et outils de simulation de processus de production de services

• Vision systémique classique

SYSTÈME OPÉRANT Ressources matérielles et humaines

SYSTÈME de CONDUITE Décisions programmables ou non

SYSTÈME d’INFORMATION

Informations techniques Informations de gestion Informations procédurales

(5)

I

Concepts et outils de simulation de processus de production de services

• Vision systémique classique

• Simulation

• définition: «La simulation consiste à faire évoluer une abstraction d’un système au cours du temps afin d’aider à comprendre le fonctionnement et le comportement de ce système et à appréhender certaines de ses caractéristiques dynamiques dans l’objectif d’évaluer diffé-rentes décisions» (Hill, 1993)

• question: quelle est la transposition de ces systèmes dans une simulation?

SYSTÈME OPÉRANT Ressources matérielles et humaines

SYSTÈME de CONDUITE Décisions programmables ou non

Informations techniques Informations de gestion Informations procédurales

(6)

I-1 Simulation basée sur les objets (SBO)

• Transposition dans modèles de simulation

SYSTÈME OPÉRANT modèle de simulation - composants

Items / Points d’entrée et de sortie/

Processeurs / Stocks / Ressources

Routes possibles (graphe orienté)

SYSTÈME de CONDUITE SIMULATION

(7)

I-1 Simulation basée sur les objets (SBO)

Informations techniques - Gammes:

...implicite dans Processeurs (TO & routing in/out) + Routes possibles et Items (TO)

...explicites mais accessoire

- Nomenclatures: principalement dans Processeurs et

Items

Informations de gestion: connaissance des caractéristi-ques et état du système via Items, Points d’entrée (demande) et de sortie, Processeurs, Stocks, Ressources

Informations procédurales: Processeurs (routing in/out) + programmes spécifiques

Remarque: périmètre «de proximité», sauf programme spécifique

SYSTÈME de CONDUITE SIMULATION

(8)

I-1 Simulation basée sur les objets (SBO)

• Conception de simulateur (et donc de modèles de simulation): arbitrage entre facilité d’usage (liée à D d’application) et qualité de représentation

Informations techniques - Gammes:

...implicite dans Processeurs (TO & routing in/out) + Routes possibles et Items (TO)

...explicites mais accessoire

- Nomenclatures: principalement dans Processeurs et

Items

Informations de gestion: connaissances des caractéris-tiques et état du système via Items, Points d’entrée (demande) et de sortie, Processeurs, Stocks, Ressources

Informations procédurales: Processeurs (routing in/out) + programmes spécifiques

Remarque: périmètre «de proximité», sauf programme spécifique

SYSTÈME de CONDUITE Décisions toutes programmées (implicitement ou explicitement) avant le lancement de la simulation

(9)

• Historiquement: simulateurs orientés processus de production de biens⇒ ⇒ restrictions dans simulation de processus de production de services

• Localisation traitements dans processeurs

dans services: certaines prestations liées au déplacement d’une ressource / même lieu joue alternativement rôle de processeur et de stock

• parfaite substituabilité de processeurs et ressources déclarées comme identiques

dans services: certaines prestations liées à ressource

• passivité de l’item non influencé par traitement ou état du système

dans services : état du système influe sur comportement du client & interactions clients/prestataires

(10)

• Historiquement: simulateurs orientés processus de production de biens⇒ ⇒ restrictions dans simulation de processus de production de services

dans services: certaines prestations liées à ressource

(11)

dans services: certaines prestations liées à ressource individualisée

(12)

dans services: certaines prestations liées à ressource individualisée

• Question: cette perte de finesse est-elle préjudiciable si recherche d’amélioration d’efficience ou d’efficacité

(13)

I-2 Simulation orientée objet (SOO) et simulation multi-agents (SMA)

• programmation orientée objet (caractérisée par l’identité, l’existence de classes, l’héritage et le polymorphisme) utilisée dans programmation des simulateurs

• Ce que traite un processus de production dans une simulation peut être: un item (→ SBO), un

(14)

• Enrichissement progressif: SBO → SOO → SMA

Disponibilité de composants de base (stocks, processeurs…) de description d’un processus

SIMULATION BASÉE SUR LES OBJETS (SBO)

SIMULATION ORIENTÉE OBJET (SOO)

(15)

• Enrichissement progressif: SBO →SOO → SMA

SIMULATION BASÉE SUR LES OBJETS (SBO) Capacité de prendre en compte les relations directes entre les clients et/ou ressources-personnes Capacité de modéliser une communication directe entre les clients et/ou ressources-personnes Capacité de modéliser des ressources portables mobiles

Existence de la notion de localisation Capacité de modéliser des clients réactifs

Capacité de modéliser les comportements individuels Capacité de réaliser des évaluations individuelles Capacité de simuler les scénarios d’urgence

SIMULATION ORIENTÉE OBJET (SOO)

(16)

• Enrichissement progressif: SBO → SOO →SMA

SIMULATION BASÉE SUR LES OBJETS (SBO) Capacité de prendre en compte les relations directes entre les clients et/ou ressources-personnes Capacité de modéliser une communication directe entre les clients et/ou ressources-personnes Capacité de modéliser des ressources portables mobiles

Existence de la notion de localisation Capacité de modéliser des clients réactifs

Capacité de modéliser les comportements individuels Capacité de réaliser des évaluations individuelles Capacité de simuler les scénarios d’urgence

SIMULATION ORIENTÉE OBJET (SOO) Capacité de modéliser une communication élaborée entre individus

Capacité de prendre en compte les agents cognitifs (motivées par buts explicites + rationalité basée sur représentation de l’environnement))

(17)

I-3 Choix préalables à l’élaboration d’un modèle de simulation de processus de

production de services

• Objectif de simulation: amélioration

• d’efficience: SBO suffisante

• d’efficacité: SBO peut être insuffisante pour qualité perçue mais pb du statut d’une qualité perçue d’une simulation SOO ou SMA (encapsulant des modèles de comportement)

(18)

I-3 Choix préalables à l’élaboration d’un modèle de simulation de processus de

production de services

• Objectif de simulation: amélioration

• d’efficience: SBO suffisante

• d’efficacité: SBO peut être insuffisante pour qualité perçue mais pb du statut d’une qualité perçue d’une simulation SOO ou SMA (encapsulant des modèles de comportement)

• la pertinence d’une simulation est une

• affaire de jugement sur relations postulées entre facteurs sous contrôle et indicateurs

• affaire de validation empirique: comparaisons entre les observations et les résultats d’une simulation s’appuyant sur des hypothèses de fonctionnement comparables

liée à

• granularité temporelle

(19)

• qq règles pour SBO:

• ne pas isoler les ressources d’un processeur sinon partagées

• ne pas décomposer une opération sur un processeur si mobilisation des mêmes ressources

(20)

• qq règles pour SBO:

• ne pas isoler les ressources d’un processeur sinon partagées

• ne pas décomposer une opération sur un processeur si mobilisation des mêmes ressources

• ne pas prendre en compte des ressources surabondantes si pas d’action sur leur niveau

• Intérêt de prise en compte du comportement individuel⇒SOO et SMA

• comportement individuel lié aux déplacements → intérêt limité en terme d’efficience (on doit retrouver L(Tempsdéplacement))

• interactions directes entre agents ou objets

. joue sur efficience et efficience si liées à non banalisation de ressources

. qualité perçue: risques de conclusions inscrites en grande partie dans les prémices

(21)

• Conception hiérarchique des modèles de simulation (granularité spatiale)

• indispensable pour comprehension de processus complexes

• en conception:

. mécanismes d’agrégation (→ macro-processus):

. pas de pb méthodologique particulier

. L(Tempsmacro-processus) résulte de simulation au niveau fin

. mécanismes de désagrégation avec L(Tempsmacro-processus) postulé ⇒ compatibilité peu

(22)

II

L’exemple de simulation d’un service d’urgences

II-1 Le modèle de simulation d’un service d’urgences

• Terrain indirect : travail d’analyse et de recueil d’informations + modélisation dans un M2 de management de la santé (30 heures de séminaire sur un semestre en 2005 et 2006)

• Modélisation sous Simul8 (SBO) d’un service de caractérisques proches de 3 services

exis-tants pour

• analyse efficience / recherche d’amélioration des processus

(23)

Arrivée des patients Attente à l’accueil Accueil et tri Réorientation

Déchocage

Morgue

Non

Salle de

Soins dans box

Destination?

Brancardage nécessaire?

Brancardage Oui

Attente BOX déchoquage

Laboratoire d’analyse

LÉGENDE Stock Processeur Salle d’Attente d’Urgences Vitales

• Les parcours d’un patient dans un service d’urgences

Imagerie

(Radio, scanner IRM)

(24)

Arrivée des patients Attente à l’accueil Accueil et tri

Sortie du service Réorientation

Réorientation

Déchoquage _{Attente SAUV} _Déchoquage

Décès?

Morgue Oui

Non

Salle de

Soins dans box

Destination?

Brancardage Oui

Attente BOX déchoquage Non

Imagerie

(25)

Réorientation

Déchocage _{Attente SAUV} _Déchoquage

Décès?

Morgue Oui

Non

Salle de

Soins dans box

Destination?

Brancardage Oui

Installation

BOX _{Attente diagnostic} _{Diagnostic docteur}

Attente BOX D écho cage Non Traitement déchoquage Décision?

Attente tous traitements

Prescription imagerie?

Oui

Prescriptions toutes exécutées?

Oui

Non

Traitement dans Box

Analyse laboratoire?

Oui

Prélèvement échantillons en attente

transport

Imagerie

(26)

Réorientation

Décès?

Morgue Oui

Non

Salle de

Soins dans box

Destination?

Brancardage Oui

Installation

Attente BOX D écho cage Non Traitement déchoquage Décision?

Prescription imagerie? Oui Brancardage Brancardage nécessaire? Imagerie Attente imagerie Brancardage Oui Brancardage nécessaire? Non Non Oui Imagerie

Oui

Non

Traitement dans Box

Analyse laboratoire? Oui Prélèvement Transport échantillon Analyse échantillons en attente échantillons en attente Résultats analyses Transport résultats Laboratoire d’analyse LÉGENDE Stock Processeur Salle d’Attente d’Urgences Vitales

transport

analyse

(27)

Réorientation

Décès?

Morgue Oui

Non

Salle de

Soins dans box

Destination?

Brancardage Oui

Installation

Attente BOX D

écho

cage

Non

Attente accueil sortie Décharge immédiate

Formalités sortie Repos au lit porte

Lit-porte Décharge après lit-porte Traitement déchoquage Décision?

Prescription imagerie? Oui Brancardage Brancardage nécessaire? Imagerie Attente imagerie Brancardage Oui Brancardage nécessaire? Non Non Oui Imagerie

Oui

Non

Traitement dans Box

Analyse laboratoire? Oui Prélèvement Transport échantillon Analyse échantillons en attente échantillons en attente Résultats analyses Transport résultats Laboratoire d’analyse LÉGENDE Stock Processeur Salle d’Attente d’Urgences Vitales

transport

analyse

(28)

(29)

(30)

• Paramètres de la simulation

• Gravité de l’état du patient (CCMU1 à 5)

• 2 arrivées possibles ; taux variable au cours des 24 heures

• Besoin brancardage = f(CCMU)

• dans box

. installation / diagnostic initial prescriptions ⇒

. Traitements T1 à T4 f(CCMU) ; implique urgentiste (ou spécialiste) et/ou infirmière . besoins en imagerie (déplacement du patient) et analyse : f(CCMU)

. puis urgentiste ou spécialiste revu pour un second diagnostic ⇒ nouvelle boucle possible

(31)

II-2 Simulation et axes d’amélioration des processus du service d’urgences

• simulation 24/24 sur 20x5jours / 4 scénarios

• Indicateurs orientés efficacité : temps passé dans système, temps d’attente en «salle d’accueil» et en «salle d’attente» (fortement anxiogènes)

• Indicateurs orientés efficience : baisse niveau de ressources sans dégradation sensible efficacité

Tableau 1 - Résultats des simulations Lieu de la

mesure Variable mesurée

Résultats du modèle

1 2 1’ 2’

Attente à l’accueil

Taille max. de la queue 8 Taille moyenne de la queue 0,36

Temps maximal d’attente 126 Temps moyen d’attente 5 Écart-type du temps d’attente 9,9 Salle

d’attente

Taille maximale de la queue 46 25 28 31 Taille moyenne de la queue 3,61 3,28 3,54 3,77

Temps moyen d’attente 52,18 36,00 55,46 46,70

Temps de séjour T dans le service d’urgences Temps maximal 1009 756 857 823 Temps mininimal 24 25 26 25

Temps moyen de séjour 220,05 197,63 223,92 211,80 Écart-type du temps de séjour 132 112 125 120

P (T > 400) 9,4% 5,0% 9,3% 8,8%

Weibull (1,72; 242,28)

Weibull (1,81; 218,55)

Figure 4 — Temps de séjour des patients Scénario 1

(32)

• Pistes de diminution de durée de séjour

• Décomposition: Durée Totale (DT) = Σ durées de traitement (TO_i)+ Σ durées d’attente (A_j)

• ↓ durées de traitement dans processeurs: distinguer

. Processeurs utilisés par 100 % des clients

. i sur chemin critique (et reste sur chemin critique): Δ DT = Δ TO_i(exemple «accueil urgence)

Non utilisé (trivial)

. chemin non critique: Δ DT = 0

. Processeurs utilisés par k₁% des clients (exemple «Radio») Δ DT = k₂ Δ TO_i→ ; lié

à chemin critique (non toujours pré-déterminé (exemple open shop))

utilisé dans scénario 2: Δ ΤΟ_analyse= -10’

• ↓ durées d’attente dans stock repose sur causes d’attente (⇒ agir sur ces causes; pas d’actions

directes sur les stocks)

. cause directe: ressource du processeur aval non disponible (exemple «brancardier»)

utilisé dans analyse efficience . causes indirectes:

. processeur aval fictif (TO=0) dont travail est soumis à conditions (exemple alimentation d’un box

qui doit être libéré et nettoyé, si nécessaire) ⇒ rechercher comment respecter plus rapidement ces conditions

c’est le cas en entrée du box ⇒ recherche ↓ durée de séjour via ↓ ΤΟ_analyse(40 % patients) . nombre de processeurs (en parallèle ou non) prélevant dans ce stock

Non utilisé: nombre de box constant . Saturation en aval (propagation)

(33)

• Pistes de diminution de durée de séjour

• Décomposition: Durée Totale (DT) = Σ durées de traitement (TO_i)+ Σ durées d’attente (A_j)

• ↓ durées de traitement dans processeurs: distinguer

. Processeurs utilisés par 100 % des clients

. i sur chemin critique (et reste sur chemin critique): Δ DT = Δ TO_i(exemple «accueil urgence)

Non utilisé (trivial)

. chemin non critique: Δ DT = 0

. Processeurs utilisés par k₁% des clients (exemple «Radio») Δ DT = k₂ Δ TO_i→ ; lié

à chemin critique (non toujours pré-déterminé (exemple open shop)) utilisé dans scénario 2: Δ ΤΟ_analyse= -10’

• ↓ durées d’attente dans stock repose sur causes d’attente (⇒ agir sur ces causes; pas d’actions

directes sur les stocks)

. cause directe: ressource du processeur aval non disponible (exemple «brancardier») utilisé dans analyse efficience

. causes indirectes:

. processeur aval fictif (TO=0) dont travail est soumis à conditions (exemple alimentation d’un box

qui doit être libéré et nettoyé, si nécessaire) ⇒ rechercher comment respecter plus rapidement ces conditions

c’est le cas en entrée du box ⇒ recherche ↓durée de séjour via ↓ ΤΟ_analyse(40 % patients)

. nombre de processeurs (en parallèle ou non) prélevant dans ce stock Non utilisé: nombre de box constant

. Saturation en aval (propagation)

(34)

• Résultats

1 2 1’ 2’

Taille max. de la queue 8 Taille moyenne de la queue 0,36

Temps maximal d’attente 126

Temps moyen d’attente 5

Écart-type du temps d’attente 9,9 Salle

d’attente

Taille maximale de la queue 46 25 28 31 Taille moyenne de la queue 3,61 3,28 3,54 3,77

Temps moyen d’attente 52,18 36,00 55,46 46,70

Temps de séjour T dans le service d’urgences Temps maximal 1009 756 857 823 Temps mininimal 24 25 26 25

Temps moyen de séjour 220,05 197,63 223,92 211,80 Écart-type du temps de séjour 132 112 125 120

P (T > 400) 9,4% 5,0% 9,3% 8,8%

Weibull (1,72; 242,28)

Weibull (1,81; 218,55)

Figure 4 — Temps de séjour des patients Scénario 1 Scénario 2 Δ ΤΟ_analyse= -10’ Optimisation Δ Durée Séjour= -23’ k₁= 0,4 ; k₂= 2,3 nombre de box k₂ k₁

(35)

• Résultats

1 2 1’ 2’ 3

Taille max. de la queue 8

Taille moyenne de la queue 0,36

Temps maximal d’attente 126

Temps moyen d’attente 5

Écart-type du temps d’attente 9,9 Salle

d’attente

Taille maximale de la queue 46 25 28 31 35 Taille moyenne de la queue 3,61 3,28 3,54 3,77 5,24

Temps moyen d’attente 52,18 36,00 55,46 46,70 75,62

Temps de séjour T dans le service d’urgences Temps maximal 1009 756 857 823 880 Temps mininimal 24 25 26 25 21

Temps moyen de séjour 220,05 197,63 223,92 211,80 247,68 Écart-type du temps de séjour 132 112 125 120 139

P (T > 400) 9,4% 5,0% 9,3% 8,8% 12,9

Weibull (1,57; 238,47)

Weibull (1,81; 218,55)

Figure 4 — Temps de séjour des patients

Scénario 3

Scénario 2

Δ Durée Séjour= +50’