SIMULACIÓN COMPUTACIONAL PARA EL ANÁLISIS Y DISEÑO DE CENTROS DE SALUD ? 1er etapa

G. AUCAR; H.G. CASTRO; J.L. MROGINSKI; J.M. PODESTÁ

2020-12-01/2021-07-31

1-67

Informática (software)

Prestaciones sanitarias-Otros

Sintesis:Solicitante: Sanatorio Chaco (CUIT:30-54590579-1)Objetivos propuestos: Atendiendo a las necesidades planteadas por las autoridades del Sanatorio Chaco se plantearonlos siguientes objetivos para una primera etapa del servicio.- Evaluar el flujo de pacientes con obra social y de ART para el sector de Traumatología del sanatorio.- Evaluar el flujo de pacientes en el sector Recepción.- Encontrar cuales son los aspectos críticos de la situación actual.- Ofrecer alternativas al modo actual de circulación de pacientes en dichas zonas.Contra prestación: USD 3.500,00Fecha: Julio 2021Resumen:La optimización del flujo de pacientes dentro de una institución de salud, con sus caracterı́sticas particulares relacionadas con modos determinados de establecer institucionalmente la atención y circulación de pacientes en la recepción, pasillos, salas y consultorios, requiere del uso de técnicas computacionales y de análisis complejos y novedosos. Es un procedimiento usual en centros de salud de entornos desarrollados que deciden ampliar sus prestaciones o remodelar el uso de instalaciones preexistentes mediante técnicas de modelado.Estos procesos de optimización son también utilizados, por ejemplo, para mejorar la productividad en determinadas áreas de fabricación de partes de un dado producto, o la circulación de áreas de edificios que son crı́ticas en cuanto a cantidad de personas que deben ocupar ciertos espacios en un mismo tiempo.Simulación computacional con SimPy:Simpy es una librerı́a de Python que proporciona un conjunto de herramientas para la construcción de modelos para realizar simulaciones de eventos discretos. Especı́ficamente, Simpy utiliza el concepto de ?funciones generadoras? definidas en Python. Se define una función generadora de la misma manera en que se define una función regular en Python, pero se diferencia en que tiene la capacidad de retener el estado de todas las variables que agrupa entre llamados sucesivos a la función. Es decir, cuando una función regular es llamada, ésta se ejecuta completamente, realizando todas las operaciones para las cuales fue diseñada desde el inicio, independientemente de la cantidad de veces que es llamada. Por su parte, una función generadora ?recuerda? la última acción ejecutada, retomando desde ese punto la próxima vez que es llamada.Para realizar esta acción, la función generadora se vale de la palabra clave yield. Esta palabra clave permite a Python reconocer que la función definida se trata de una función generadora y se comporta como return, pero en lugar de otorgar un valor, ?congela? el estado de las variables definidas, las cuales quedan a disposición para el próximo llamado a la función, continuando su ejecución exactamente a partir del último yield ejecutado.Otra diferencia importante yace en la forma en que sa llama o ejecuta una función generadora. Una función convencional o regular de Python simplemente es llamada mediante su nombre, con los parámetros de entrada necesarios y posiblemente almacenando su salida en alguna variable (o en algún conjunto de variables). En el caso de funciones generadoras se definen instancias de la función, las cuales no ejecutan la función inmediatamente, sino que son un medio para posteriormente ejecutarlas. Esta particularidad es muy potente, dado que es posible definir distintas instancias y cada una de ellas se ocupará de rastrear el estado de las variables definidas en la función generadora en forma independiente unas de otras.