31100

ارائه مدلي براي اختصاصي‌سازي تركيب كانال همه‌كاره ارائه خدمت، مطالعه موردي در پلتفرم هاي سلامت

كارشناسي ارشد

مهندسي صنايع

1398

1402/1/16

آقاي دكتر محمدرضا رسولي

آقاي دكتر مهدي غضنفري

مهندسي صنايع

در سال‌‌هاي اخير، پلتفرم‌هاي مراقبت‌هاي بهداشتي آنلاين، به‌عنوان يك منبع مراقبت‌هاي بهداشتي ارزشمند و در دسترس ظاهر شده‌اند. در مقايسه با سازمان هاي مراقبت هاي بهداشتي آفلاين، پلتفرم هاي مراقبت هاي بهداشتي الكترونيكي به بيماران و ارائه‌دهندگان كمك مي‌كنند تا به طور مؤثر بر محدوديت‌هاي زماني و مكاني غلبه كنند و علاوه بر بهبود تجربه بيمار، نابرابري در منابع پزشكي در مناطق جغرافيايي را برطرف كند. بر خلاف خدمات آنلاين خالص، خدمات يكپارچه‌سازي كانال به بيماران اجازه مي‌دهد تا فعاليت‌هاي تعاملي مختلفي را در كانال‌هاي آفلاين و آنلاين انجام دهند. خدمات يكپارچه‌سازي خدمات مختلف مراقبت‌هاي بهداشتي را در كانال‌هاي آنلاين و آفلاين ساده مي‌كند و تجربه يكپارچه را براي بيماران فراهم مي‌كند. با خدمات يكپارچه‌سازي كانال، بيماران مي‌توانند به‌راحتي از طريق كانال‌ها جابه‌جا شوند؛ بنابراين، پزشكان مي‌توانند از خدمات يكپارچه‌سازي كانال براي مديريت تقاضا و تخصيص ظرفيت در كانال‌ها استفاده كنند كه مي‌تواند به جلوگيري از ازدحام بيماران كمك كند. در كشور ما نيز، در چند سال اخير به خدمات سلامت آنلاين از جمله خدمات آزمايشگاهي به‌صورت محدودي توجه شده است و باتوجه‌به پتانسيل خوبي كه براي رشد در آينده دارد نياز به تحقيق در اين حوزه احساس مي‌شود. همچنين در خصوص خدمات يكپارچه‌سازي كانال‌هاي مختلف، جهت مديريت بهتر تعداد مراجعان و بهبود تجربه بيماران مطالعات بيشتري نياز است، چرا كه اغلب كانال‌هاي ارائه خدمات به‌صورت مجزا فعاليت مي‌كنند و اقدامي براي همگام‌سازي كانال‌هاي آفلاين و آنلاين صورت نگرفته است. باتوجه‌به اين‌كه رويكردهاي داده مبنا و الگوريتم‌هاي يادگيري ماشين در كانال همه‌كاره و به‌ويژه در حوزه خدمات سلامت كمتر مورد بررسي قرار گرفته است در اين پژوهش از اين رويكردها بهره گرفته شده است و سعي شده است با بررسي يك شبكه آزمايشگاهي كه داراي يك درگاه آنلاين و چندين درگاه آفلاين است، در خصوص نحوه يكپارچه‌سازي و هماهنگي اين درگاه‌ها تحقيق شود و در نهايت چند استنباط كاربردي با دو نوع ديدگاه جذب و تقويت ارائه شود. در اين پژوهش، به‌طور خاص به بررسي تأثيرات استفاده از الگوريتم‌هاي يادگيري ماشين در بهبود فرآيندهاي يكپارچه‌سازي كانال‌ها پرداخته شده است. همچنين، نقش داده‌هاي بزرگ در تحليل الگوهاي رفتاري بيماران و بهبود تجربه كاربري آن‌ها مورد بررسي قرار گرفته است. نتايج اين تحقيق مي‌تواند به توسعه راهكارهاي نوآورانه براي بهبود كيفيت خدمات سلامت و افزايش دسترسي به مراقبت‌هاي به مراقبت‌هاي بهداشتي در مناطق مختلف كند.

1403/05/17

A model for customizing omnichannel compositions for service provision, A case study in health care platforms

1/1/1900 12:00:00 AM

In recent years, the advent of online healthcare platforms has been widely recognized as a valuable and convenient healthcare resource. These e-healthcare platforms offer a number of advantages over their offline counterparts, including the ability to overcome constraints of time and place, enhance patient experience, and reduce disparities in medical resources across geographic regions. Unlike traditional online services, channel integration services like Omni-channel facilitate the integration of healthcare services across both online and offline channels, providing patients with a seamless experience that enables easy movement across channels. By leveraging channel integration services, healthcare providers can effectively manage demand and allocate capacity, preventing patient congestion. However, despite the growth in online health services, including laboratory services, in recent years, research in this field remains limited, particularly with regards to channel integration services. As most service delivery channels currently operate independently, there is a need for further research to synchronize and improve the experience of patients. This study aims to address these issues by employing data-based approaches and machine learning algorithms in the examination of a laboratory network that incorporates both online and offline portals. The research aims to provide practical insights on the integration and coordination of these portals.

كانال همه‌كاره , خدمات سلامت , داده‌كاوي , يادگيري ماشين

Omnichannel , Customer service , Health care platforms , Machine learning , Data mining

Taraneh Tanha

Dr. Mohammad R. Rasouli