view in publisher's site

A data-driven optimization framework for routing mobile medical facilities

We study the delivery of mobile medical services and in particular, the optimization of the joint stop location selection and routing of the mobile vehicles over a repetitive schedule consisting of multiple days. Considering the problem from the perspective of a mobile service provider company, we aim to provide the most revenue to the company by bringing the services closer to potential customers. Each customer location is associated with a score, which can be fully or partially covered based on the proximity of the mobile facility during the planning horizon. The problem is a variant of the team orienteering problem with prizes coming from covered scores. In addition to maximizing total covered score, a secondary criterion involves minimizing total travel distance/cost. We propose a data-driven optimization approach for this problem in which data analyses feed a mathematical programming model. We utilize a year-long transaction data originating from the customer banking activities of a major bank in Turkey. We analyze this dataset to first determine the potential service and customer locations in Istanbul by an unsupervised learning approach. We assign a score to each representative potential customer location based on the distances that the residents have taken for their past medical expenses. We set the coverage parameters by a spatial analysis. We formulate a mixed integer linear programming model and solve it to near-optimality using Cplex. We quantify the trade-off between capacity and service level. We also compare the results of several models differing in their coverage parameters to demonstrate the flexibility of our model and show the impact of accounting for full and partial coverage.

یک چارچوب بهینه‌سازی برگرفته از داده برای مسیریابی امکانات پزشکی تلفن همراه

ما ارائه خدمات پزشکی همراه و به طور خاص، بهینه‌سازی انتخاب محل توقف مشترک و مسیریابی وسایل نقلیه سیار در یک برنامه تکراری متشکل از چند روز را مطالعه می‌کنیم. با در نظر گرفتن این مشکل از دیدگاه یک شرکت ارائه‌دهنده خدمات تلفن همراه، هدف ما فراهم کردن بیش‌ترین درآمد برای شرکت با نزدیک کردن خدمات به مشتریان بالقوه است. هر مشتری با امتیاز مرتبط است که می‌تواند به طور کامل یا تا حدی بر مبنای نزدیکی تاسیسات سیار در طول افق برنامه‌ریزی پوشش داده شود. این مشکل متفاوتی از مشکلات تیم در رابطه با جوایز دریافتی از نمرات پوشیده شده می‌باشد. علاوه بر به حداکثر رساندن امتیاز پوشش داده‌شده، معیار دوم شامل به حداقل رساندن فاصله / هزینه سفر کلی است. ما یک رویکرد بهینه‌سازی مبتنی بر داده را برای این مساله پیشنهاد می‌کنیم که در آن تجزیه و تحلیل داده‌ها یک مدل برنامه‌نویسی ریاضی را تغذیه می‌کند. ما از داده‌های تراکنش یک ساله برگرفته از فعالیت‌های بانکی مشتریان یک بانک بزرگ در ترکیه استفاده می‌کنیم. ما این مجموعه داده‌ها را تجزیه و تحلیل می‌کنیم تا ابتدا خدمات بالقوه و موقعیت‌های مشتریان در استانبول را با یک رویکرد یادگیری بدون نظارت تعیین کنیم. ما امتیاز هر نماینده بالقوه را براساس فاصله‌ای که ساکنین برای هزینه‌های پزشکی قبلی خود برداشته اند، تعیین کردیم. ما پارامترهای پوشش را با تحلیل فضایی تعیین کردیم. ما یک مدل برنامه‌نویسی خطی با عدد صحیح مخلوط می‌کنیم و آن را با استفاده از Cplex حل می‌کنیم. ما موازنه تجاری بین ظرفیت و سطح خدمات را تعیین کردیم. ما همچنین نتایج چندین مدل را با پارامترهای پوشش آن‌ها مقایسه کردیم تا انعطاف‌پذیری مدل خود را نشان دهیم و تاثیر حسابداری را برای پوشش کامل و جزیی نشان دهیم.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.