Вы находитесь на странице: 1из 193

ECOLE DOCTORALE COGNITION, LANGAGE,

INTERACTION
Universit de Paris 8 Vincennes-Saint-Denis

UNIVERSITE DE SFAX
Facult des Sciences Economiques et de Gestion

Thse de Doctorat
Mthodes Quantitatives
Productique et Gnie Industriel
AMELIORATION DE LA PERFORMANCE PAR LA
MODELISATION DES FLUX LOGISTIQUES DES
PATIENTS DANS UN SERVICE DURGENCE
HOSPITALIER
Prsente par : Jihne JLASSI
JURY
M. Abderrahman EL MHAMDI

Professeur lUniversit Paris8

Directeur de Thse

M. Habib CHABCHOUB

Professeur lUniversit de Sfax

Directeur de Thse

M. Christian TAHON

Professeur lUniversit de Rapporteur


Valencienne

Mme. Maria DI

Charg de recherche HdR, G- Rapporteur


SCOP Grenoble

MASCOLO

M. Younes BOUJELBENE

Matre de confrence lInstitut Examinateur


Suprieur dAdministration des
Affaires de Sfax

AMELIORATON DE LA PERFORMANCE PAR LA MODELISATION DES FLUX


LOGISTIQUES DES PATIENTS DANS UN SERVICE DURGENCE HOSPITALIER

RESUME
Il est intressant aux hpitaux daborder la logistique qui sintresse la gestion des flux
matires et la logistique qui porte sur la gestion des flux patients. La performance de lhpital
est fortement lie lensemble des performances des services le constituant, notamment le
service durgence. La gestion des flux des patients au niveau du service des urgences est lun
des problmes les plus importants grer par les directions hospitalires. Laugmentation en
permanence du nombre des patients arrivant sur le service est lun des facteurs qui rend la
gestion de ces flux problmatique. Larrive alatoire des patients au service des urgences est
la particularit de ce dernier compar aux autres services de lhpital. Cette arrive engendre
un manque de matrise de lamont et de laval du parcours du patient et une faible anticipation
du processus de prise en charge des patients. Lobjectif principal dun service des urgences est
de garantir une prise en charge rapide et qualitative des patients tout en planifiant les
ressources du systme hospitalier. Le dlai de sjour au service daccueil des urgences est lun
des problmes quotidiens de ces services.
Le travail prsent dans cette thse aborde le problme de la minimisation du temps de cycle
de parcours dun patient au sein du service durgence de lhpital Habib Bourguiba Sfax dont
le but damliorer la performance de ce service. En effet, lvaluation des performances dun
systme rel se dcompose dune tape de modlisation permettant de passer du systme au
modle et dune tape danalyse des performances du modle. Nous avons commenc par la
modlisation du processus de passage des patients. Celle-ci permet de mieux identifier les
dysfonctionnements et problmes rencontrs. Ensuite, nous avons propos de passer ltape
danalyse par lapplication des deux techniques complmentaires : la simulation et les rseaux
de files dattentes. Ainsi, la simulation trouve son intrt lorsquelle est utilise pour
modliser les flux de patients complexes et pour tester les scnarii rsultants du changement
de certains paramtres. Dans cette recherche, nous avons choisi la simulation des flux de
patients en utilisant le logiciel Witness. Pour valider les rsultats obtenus par ce logiciel, nous
avons propos dappliquer les rseaux de files dattentes. Les rsultats obtenus par ces deux
techniques taient cohrents. Ils indiquent que les patients passent un temps dattente
important chez le mdecin gnraliste au deuxime passage des patients et chez le mdecin
spcialiste. De ce fait, nous avons utilis le diagramme en arbre et la mthode AHP floue pour
dterminer les inducteurs de performance sur lesquels nous avons agit et lanc nouveau le
modle Witness. Nous avons termin par lapplication de la mthode PROMETHEE II floue
pour choisir les actions damlioration.
Ces travaux nous ont permis dune part de dmontrer que des mthodes danalyse et outils de
rsolution issus du manufacturier peuvent tre appliqus au domaine hospitalier. Dautre part,
daider les responsables du Service durgence de lhpital Habib Bourguiba dterminer et
classer par ordre dimportance les actions damlioration qui permettent la minimisation de la
dure du cycle de parcours dun patient.
Mots Cls : Logistique, Processus des patients, Performance, Service dUrgence (SU),
Modlisation, Simulation,
Rseaux de files dattente multi classe, Indicateurs de
performances, Actions damlioration, AHP floue, PROMETHEE floue.

PERFORMANCE IMPROVEMENT BY THE MODELLING OF LOGISTICS


PATIENTS FLUXES IN HOSPITABLE EMERGENCY DEPARTMENT
ABSTRACT
Emergency departments have become a useful way to access hospital and it is a subject of
study for many researchers. The research developed in this thesis aims to improve the
performance of the emergency department (ED) of Habib Bourguiba Sfax Hospital and to
minimise the cycle time of patients. In fact, the assessment of the performance of system has
two steps: the first step is the modelling permitting the system to the model and the second
step is the analysis of performances of the model. We started by the description and the
modelling of the process by which pass the patients. We first used the extensions of IDEF3
called IDEF3x. In fact IDEF3 is a process description capture method whose primary goal is
to provide a structured method by which a domain expert can describe a situation as an
ordered sequence of events. Then, we proposed to move to the analysis step by the application
of the two complementary techniques: the simulation and queuing networks. We proposed a
simulation model which enables us to define indicators to evaluate the performance of the ED
of Sfax hospital. The study consists of drawing a passage from a graphic model IDEF3x to a
WITNESS model. We applicated the multiclass networks of queues to validate the results got
by the simulation model. So booth results are coherent, they show that patients wait a long
time to be served in both steps: the specialist physician and the generalist physician in the
second passage of the patients. Thus we used the tree diagram and the fuzzy AHP method to
determine the inductive of performance on which we have acted and launched again the
Witness model. We finished by the application of the fuzzy PROMETHEE II method to the
improvement of actions.
These works lead us to conclude that analysis methods and management tools from
manufacturing systems can be used to hospital systems. On the other hand, they are used to
help the managers of the emergency department of Habib Bourguiba hospital to determine
and to classify by order of importance the actions of improvement which permit the
minimization of the cycle time of patients.
Key words: Logistics, patients Process, Performance, Emergency Department (ED),
Modelling, Simulation, Multi-class queuing networks, indicators of performance,
Improvement actions, Fuzzy AHP, Fuzzy PROMETHEE II.

REMERCIEMENTS

Je tiens exprimer en premier lieu ma gratitude mes deux directeurs de thse Monsieur
Abderrahman EL MHAMEDI, professeur lUniversit Paris 8, et Monsieur Habib
CHABCHOUB, professeur la Facult des Sciences Economiques et de Gestion de Sfax. Je
les remercie pour le cadre de travail quils mont fourni, pour leurs conseils judicieux et leurs
critiques qui mont permis de mener bien ces travaux. Je ne saurais jamais assez les
remercier pour leur confiance, leur encouragement, leur gentillesse et pour tout ce que jai
appris grce eux.
Je tiens aussi exprimer toute ma reconnaissance Madame Yasmina HANI, matre de
confrence lIUT de Montreuil, pour ses conseils, sa collaboration ainsi que pour les
changes fructueux dans la ralisation de ce travail.
Jadresse mes sincres remerciements Monsieur Lotfi MASMOUDI, directeur financier
de lhpital Habib Bourguiba de Sfax, pour son aide prcieuse et le temps quil ma accord
pour rpondre mes questions.
Je remercie galement Monsieur Christian TAHON, professeur lUniversit de
Valenciennes, pour lattention et lintrt quil a bien voulu porter mon travail et pour avoir
accept la lourde tche de rapporteur.
Mes remerciements vont ainsi Madame Maria DI MASCOLO, charg de recherche HdR,
G-SCOP Grenoble, pour avoir accept de juger mon travail en tant que rapporteur.
Toute ma gratitude sadresse Monsieur Younes BOUJEELBENE, matre de confrence
lInstitut Suprieur dAdministration des Affaires de Sfax, pour avoir accept dexaminer ce
travail.

Je voudrais remercier tous les collgues membres des deux units de recherche LOGIQ et
MGSI pour la bonne ambiance quils ont assur.
Merci mes parents, mon frre et ma sur qui mont soutenu en toutes circonstances
et sans qui, ce travail naurait pu arriver terme. Merci pour la confiance quils mont
accord.
Enfin, que tous ceux qui ont particip de prs ou de loin la ralisation de ce travail,
trouvent ici le tmoignage de ma profonde reconnaissance.

SOMMAIRE

SOMMAIRE

INTRODUCTION GENERALE ....................................................................................... 15


CHAPITRE 1 : CONTEXTE ET PROBLEMATIQUE .20
I. INTRODUCTION........................................................................................................... 21
II. CONTEXTE HOSPITALIER ......................................................................................... 21
II.1

Lhpital : une organisation complexe...................................................................... 22

II.1.1

Les dysfonctionnements dorigine organisationnelle....................................... 22

II.1.2

Les dysfonctionnements lis aux comportements et mentalits....................... 23

II.1.3

Les dysfonctionnements lis linsuffisance des moyens de la connaissance et

leur traitement................................................................................................................ 23
II.2

Lhpital : contraintes prendre en compte.............................................................. 24

II.2.1

Contrainte conomique et budgtaire.............................................................. 24

II.2.2

Contrainte contextuelle .................................................................................... 25

III. DOMAINE DETUDE........................................................................................... 27


IV. PROBLEMATIQUE SCIENTIFIQUE........................................................................... 27
IV.1 Description de lhpital considr............................................................................. 28
IV.2 Description du service d'urgence............................................................................... 32
IV.3 Description du problme ........................................................................................... 34
V. CONCLUSION ....................................................................................................... 36
CHAPITRE 2 : ETAT DE LART... .37
I. INTRODUCTION........................................................................................................... 38
II. SERVICE DURGENCE ................................................................................................ 38
III. GESTION PAR PROCESSUS ET MODELISATION .................................................. 54
IV. CONCLUSION.. ............................................................................................................. 59
CHAPITRE 3 : MODELISATION DU SERVICE DURGENCE... .60
I. INTRODUCTION........................................................................................................... 61
II. LA MODELISATION DANS UN SERVICE D'URGENCE......................................... 61

III. LES OBJECTIFS DE LA MODELISATION.. ...................................................... 63


IV. LES METHODES DE MODELISATION ......................................................... 65
IV.1 Description de la mthode IDEF............................................................................... 67
IV.1.1

IDEF0 ............................................................................................................... 68

IV.1.2

IDEF1 ............................................................................................................... 70

IV.1.3

IDEF3 ............................................................................................................... 72

V. MODELISATION DU SERVICE DURGENCE

DE LHPITAL HABIB

BOURGUIBA.. ........................................................................................................... 73
V.1

Dfinition de IDEF3x................................................................................................ 73

V.2

Application ................................................................................................................ 74

VI. CONCLUSION ........................................................................................................... 76


CHAPITRE 4 :SIMULATION ET RESEAUX DE FILES DATTENTE .80
I. INTRODUCTION........................................................................................................... 81
II. LA SIMULATION DANS UN SERVICE DURGENCE ............................................. 81
II.1

Etat de lart ................................................................................................................ 82

II.2

La dmarche de simulation ....................................................................................... 85

II.3

Outils de simulation spcialiss dans lanalyse des systmes de flux....................... 87

II.3.1

SLAM............................................................................................................... 87

II.3.2

SIMAN ............................................................................................................. 88

II.3.3

ARENA ............................................................................................................ 88

II.3.4

WITNESS......................................................................................................... 88

II.4

Les indicateurs de performance dans un service durgences .................................... 89

III. LES RESEAUX DE FILES DATTENTE ..................................................................... 91


III.1 Le modle du rseau de files dattente ...................................................................... 92
III.2 Le processus de limite ............................................................................................... 94
III.3 Le Thorme de base................................................................................................. 95
III.4 Le Thorme Fonctionnel Centrale Limite : (Functional Central Limit Theorem :
FCLT)................................................................................................................................... 97
III.5 Les rsultats pour un systme monoposte ................................................................. 99
III.6 Lextension du rseau.............................................................................................. 100
IV. EVALUATION DES PERFORMANCES DU SERVICE ........................................... 100
IV.1 La simulation........................................................................................................... 101
IV.1.1

Implmentation sur le logiciel Witness.......................................................... 101

IV.1.2

Validation du modle de simulation............................................................... 102

IV.1.3

Diagnostics et Rsultats ................................................................................. 103

IV.1.4

Utilisation du modle ..................................................................................... 104

IV.2 Application des rseaux de files dattente............................................................... 106


IV.2.1

Rsultats des rseaux de files dattente multi classe avec une classe

prioritaire.................................................................................................................... 106
V. CONCLUSION .......................................................................................................... 110
CHAPITRE 5 : AIDE AU CHOIX DES ACTIONS DAMELIORATION. ...111
I. INTRODUCTION......................................................................................................... 112
II. IDENTIFICATION DES INDUCTEURS DE PERFORMANCE .............................. 112
II.1

Diagramme en arbre : dfinition et tapes de mise en oeuvre ................................ 113

II.2

Diagramme en arbre : dtermination des inducteurs de performance..................... 114

III. LA METHODE AHP .................................................................................................... 117


III.1 Les ensembles flous ................................................................................................ 122
III.2 LAHP floue : tat de lart....................................................................................... 123
III.3 LAHP floue : procdure de mise en uvre............................................................ 125
III.4 LAHP floue : choix des inducteurs de performance .............................................. 126
IV. EVALUATION

DES

PERFORMANCES

DU

PROCESSUS

EN

CAS

DE

VARIATION DES PARAMETRES............................................................................. 130


V. LA METHODE PROMETHEE : CHOIX DES ACTIONS DAMELIORATION ..... 133
VI. CONCLUSION 137
CONCLUSIONS ET PERSPECTIVES.. ........................................................................ 137
BIBLIOGRAPHIE... ......................................................................................................... 137
ANNEXES.......................................................................................................... 137
Annexe A : Rsultats obtenus par Matlab .............................................................. 122
Annexe B : Lchantillon de 100 patients............................................................... 123
Annexe C : Etude des lois des arrives des patients ............................................... 125
Annexe D : Application de la mthode PROMETHEE floue ................................. 126

LISTE DES FIGURES

Figure 1: La distribution des agents de l'hpital ...................................................................... 30


Figure 2: La prsentation du service d'urgence de l'hpital Habib Bourguiba ........................ 31
Figure 3: La distribution des agents de l'hpital ...................................................................... 32
Figure 4: La prsentation du service d'urgence de l'hpital Habib Bourguiba ........................ 33
Figure 5: Une activit dans IDEF0........................................................................................... 69
Figure 6: Graphe IDEF1: Diagramme de classes d'entits (Mayer, 1992)............................... 71
Figure 7: Graphe de IDEF3: construction de base (Us Air Force, 1993)................................. 72
Figure 8: Le diagramme IDEF3x du processus de passage d'un patient dans le service
d'urgence (Jlassi et al, 2006) (Jlassi et al, 2007a) .................................................................... 74
Figure 9: La dmarche de la thse............................................................................................ 79
Figure 10: Techniques d'valuation des performances d'un systme (Incera, 2001) ............... 81
Figure 11: Les tapes du processus de simulation (Drogoul, 1993) ........................................ 86
Figure 12: Le nombre de patients traits par chaque tche pendant une semaine ................. 102
Figure 13: Nombre de patients traits par chaque tche pendant une semaine (modle statique)
................................................................................................................................................ 103
Figure 14: Nombre de patients traits par chaque tche pendant une semaine (modle
dynamique)............................................................................................................................. 103
Figure 15: Modle Witness labor (Jlassi et al, 2007b) (Jlassi et al, 2007c) ....................... 104
Figure 16: Le nombre de patients dans le queue (patients cas non grave)............................. 109
Figure 17: le nombre de patients dans le queue (patients cas grave) ..................................... 109
Figure 18: Le temps d'attente des patients ............................................................................. 110
Figure 19: Le diagramme en arbre ......................................................................................... 114
Figure 20: Le diagramme en arbrepropos (Jlassi et al, 2007d) ............................................ 114
Figure 21: Exemple de niveaux hirarchiques ....................................................................... 119
Figure 22: Ensembles flous .................................................................................................... 122
Figure 23: Prsentation du nombre flou X= (2, 0.5, 0.5) ....................................................... 135
Figure 24: Le modle propos pour la minimisation du dlai de sjour dun patient dans un
service durgence.................................................................................................................... 189
Figure 25: Prsentation d'une chelle floue............................................................................ 189
Figure 26: Prsentation d'une chelle floue............................................................................ 191

LISTE DES TABLEAUX

Tableau 1: Etat de l'art en gestion hospitalire......................................................................... 58


Tableau 2: Les principaux sujets d'tude concernant les urgences .......................................... 63
Tableau 3: Comparaison de quelques mthodes de modlisation (Throude, 2002)............... 66
Tableau 4: Tableau rcapitulatif de la revue de littrature: simulation du service d'urgence .. 85
Tableau 5: Rsultat de la simulation pour une dure de 10000 minutes (1 semaine) ............ 105
Tableau 6: Rsultat de la simulation pour une dure de 100000 minutes (25 semaines) ...... 105
Tableau 7: L'chelle de Saaty................................................................................................. 120
Tableau 8: Dtermination de l'Indice Alatoire ..................................................................... 121
Tableau 9: Rsultat de la simulation en cas d'ajout d'un mdecin spcialiste........................ 131
Tableau 10: Rsultat de la simulation: cas d'ajout d'un mdecin gnraliste au premier passage
................................................................................................................................................ 131
Tableau 11: Rsultat de la simulation en cas d'ajout d'un mdecin gnraliste au deuxime
passage ................................................................................................................................... 132
Tableau 12: Les oprations de base de la logique floue (Zimmermann, 1996) ..................... 136

INTRODUCTION GENERALE

Le travail prsent dans cette thse a t effectu aux deux units de recherches : MGSI
(Modlisation et Gnie des Systmes Industrielle) lIUT de Montreuil universit Paris8 sous
la direction du Professeur Elmhamedi Abderrahman et LOGIQ (Logistique Gestion
Industrielle et Qualit) lInstitut Suprieur de Gestion Industrielle de Sfax sous la direction
du Professeur Chabchoub Habib.

Nous exposons dans un premier temps le travail de thse ralis, puis dans un second
temps le plan de la thse.

16

Introduction gnrale
Les hpitaux sont en quelque sorte la mesure de la civilisation dun peuple . Mmoires

de Tenon.
De manire analogue une entreprise industrielle du secteur des services (transport,
htellerie,), les hpitaux sefforcent de satisfaire une demande sujette des phnomnes de
saisonnalit. Diffrentes ressources humaines et matrielles sont mises en uvre cette fin et
sont disponibles en capacit limite. Durant ces dernires annes, les hpitaux ont connu une
volution trs importante. Le contexte de cette volution est triple :
-

Un contexte rglementaire, encadrant certaines activits, qui impose aux organisations


hospitalires une forte adaptation ;

Un contexte dexigence de qualit gnrale qui ncessite une valuation et

une

volution adaptative de lactivit hospitalire;


-

Un contexte dmographique particulier tenant lvolution de la population des


mdecins anesthsistes et bientt des chirurgiens.

Par ailleurs, aujourdhui le patient a perdu sa passivit face au prescripteur pour


revendiquer un statut de client part entire. Lvolution du niveau dinstruction des usagers
en fait des partenaires qui veulent comprendre ce quon leur fait et prescrit. En cas
dinsatisfaction, le client veut changer dtablissement et de mdecin. Ainsi, le statut du
malade a chang : de malade tmoin et soumis, il est devenu malade inform, consommateur
averti, revendicatif de son tat de sant, ayant par l mme des exigences imposer et
satisfaire. Il est pass du statut de patient inerte et neutre, de patient objet, celui de patient
sujet, client actif qui exige dtre inform et de participer la dcision et la ralisation des
soins puis de les juger.
Les tablissements de soins voluent donc dans un environnement de plus en plus
turbulent. Certains dentre eux, disperss et de faibles dimensions, sacheminent vers des
regroupements. Il simpose donc aux tablissements hospitaliers de saffirmer sur un march
de soins o la concurrence ne fait que crotre.
Le secteur hospitalier, sest saisi du terme performance pour insuffler une dynamique
damlioration de lorganisation hospitalire. On constate un glissement du terme, dune
utilisation mdicale pour qualifier les rsultats de traitements mdicaux sur lorganisme, une

17

Introduction gnrale

utilisation organisationnelle pour qualifier lensemble des prestations fournies par le systme
de soins
Afin damliorer leur performance,

il serait intressant aux hpitaux daborder la

logistique qui sintresse la gestion des flux matires et la logistique qui porte sur la gestion
des flux patients (Hammami et al, 2004). Notre choix de sintresser au flux des patients
sexplique par le fait que les difficults lies au service des urgences sont principalement les
flux de patients soumis aux nombreux alas, la faible anticipation du processus de prise en
charge des patients, le manque de matrise de lamont et de laval du parcours du patient et la
multiplicit des intervenants.
LUrgence est une mission essentielle de lhpital public dont lune des caractristiques est
son aptitude faire face tous les besoins exprims par la population quelle quen soit la
nature. Lvolution continuelle des techniques mdicales et les exigences toujours plus
grandes et justifies du public, rendent ncessaire une constante adaptation des Services
dUrgences.
Les Services dUrgence (SU), tel quon les connat actuellement, sont ns aux tats-Unis il
y a une trentaine dannes. En Europe et en Tunisie, la structuration de ces services est plus
tardive. Ils reprsentent un lieu hautement stratgique pour les tablissements hospitaliers, car
ils sont au cur des comptences mdicales. Il est par consquent important pour les hpitaux
dvaluer les performances des stratgies dorganisation afin damliorer le service rendu aux
patients et de rduire les cots dexploitation.
En effet, la performance hospitalire passe par loptimisation de la qualit, des cots et de
dlai (Minvielle, 1996).

A ce titre, lobjectif du travail de cette thse est dtudier la

performance du Service des Urgences de lhpital Habib Bourguiba Sfax en tenant compte
dun critre de performance tel que le temps dattente des patients. Nous avons choisi de
prendre en compte, dans notre tude, un seul aspect de performance qui est le dlai, puisque
ce dernier a une influence sur les cots et la qualit. Dans cette tude, nous souhaitons
minimiser ce temps et plus gnralement le temps de sjour et de traitement dun patient au
sein du service durgence de lhpital Habib Bourguiba Sfax.

18

Introduction gnrale
Nous proposons la dmarche suivante :
Modlisation du processus : lobjectif sera de visualiser graphiquement le processus
par lequel passe un patient et didentifier ses diffrentes activits et tches. Cette
visualisation permettra didentifier le temps minimum, maximum et moyen quoccupe
le patient au niveau de chaque tche.
Evaluation de la performance du processus : Suite ltape de modlisation du
processus, nous passerons ltape danalyse. Cela par lapplication des deux
techniques complmentaires pour lvaluation de la performance dun systme : la
simulation et les rseaux de files dattente.
Axes damliorations : en valuant la performance du processus tudi avec des
indicateurs de performances, nous pourrons identifier les inducteurs de performances
les plus pertinents en nous rfrant des outils de qualit et des mthodes
multicritres. Nous proposerons ce niveau des axes damliorations.
Afin de mener bien ces travaux, ltude sera subdivise en cinq chapitres :
Dans le chapitre 1, nous commenons par prsenter le contexte hospitalier. Ensuite, nous

mettons laccent sur la prsentation de lhpital Habib Bourguiba de Sfax et plus


particulirement sur le service durgence. Cette description nous parait ncessaire pour bien
situer le contexte de ltude et discuter de notre problmatique. Celle-ci consiste minimiser
le cycle de parcours des patients dans le service tudi.
Un tat de lart en gestion hospitalire sera prsent au chapitre 2. Il sera men selon deux
principaux thmes : la gestion par processus et la modlisation et les problmes traits dans
un service durgence.
Le chapitre 3 sera consacr la modlisation dans un service durgence. Nous
commenons par dcrire les objectifs et les mthodes de modlisation. Nous nous proposons,
ensuite, dappliquer la mthode graphique IDEF3x pour modliser le processus des passages
des patients dans le service durgence.
Dans le chapitre 4, nous nous proposons dappliquer les deux techniques dvaluation de la
performance dun systme : la simulation et les rseaux de files dattente. Nous
commencerons par un modle de simulation qui nous permettra partir des indicateurs
dvaluer la performance dun processus du service durgence de lhpital Habib Bourguiba

Introduction gnrale

19

de Sfax. Le travail consistera faire un passage partir dun modle graphique IDEF3x vers
un modle Witness. Pour valider les rsultats de la simulation par Witness, nous passerons
lapplication des rseaux de files dattentes multi classes, puisquil sagit de deux classes de
patients : cas grave et cas non grave, avec priorit des patients cas grave.
Dans le chapitre 5, le diagramme en arbre et la mthode AHP floue seront utiliss pour
choisir sur quel inducteur de performance nous pourrons agir et lancer nouveau le modle
Witness. En nous basant sur les rsultats de ce modle, nous serons capable didentifier
certaines actions damlioration. Le choix entre ces actions se base sur certains critres
comme le cot et le nombre dexplorations demand. De ce fait, nous utiliserons la mthode
daide la dcision multicritre PROMETHEE floue, afin de vrifier les rsultats obtenus par
la comparaison binaire selon la mthode AHP floue.
Enfin, nous concluons notre thse en prsentant un bilan final de notre travail et en ouvrant
quelques perspectives de recherches.

Chapitre 1

CONTEXTE ET
PROBLEMATIQUE

Ce chapitre sera consacr lidentification du domaine de recherche. Lintrt


sera ensuite particulirement focalis sur lhpital Habib Bourguiba de Sfax et son
service durgence ainsi que sur la problmatique qui nous intresse.

Contexte et problmatique

21

I. INTRODUCTION
Les tablissements de sant cherchent apporter aux patients quils accueillent le
meilleur service possible. La performance hospitalire passe par loptimisation de la
qualit, des cots et du dlai. Ce chapitre nous permet dexpliquer lobjet de notre
recherche. Nous prsentons successivement le contexte hospitalier et le domaine de
recherche qui nous intresse. Enfin, nous concluons ce chapitre par un expos de la
problmatique.
II. CONTEXTE HOSPITALIER
Il est difficile de dterminer o commence et o finit le systme de sant. La
dfinition de la sant dans le rapport de lOMS (2000) est : La totalit des
organisations, institutions et ressources consacres la production dinterventions
sanitaires. Une intervention sanitaire sentend de tout effort dont lobjectif principal
est damliorer la sant dans le cadre de soins de sant individuels, dun service de
sant publique ou dune initiative intersectorielle . Un systme de sant inclut toutes
les activits dont le but essentiel est de promouvoir, restaurer ou entretenir la sant.
Les services de sant officiels, y compris la prestation par des professionnels de soins
mdicaux et individuels, se situent manifestement lintrieur de ces limites. Il en va
de mme des actions des gurisseurs traditionnels et de toute forme de mdication,
quelles soient ou non prescrites par un prestataire, ainsi que des soins domicile. Des
activits traditionnelles de sant publique comme la promotion de la sant et la
prvention des maladies, et dautres interventions favorables la sant comme
lamlioration de la scurit routire et de lenvironnement.

Les missions de l'hpital ont volu et se sont complexifies avec le temps suivant
l'volution de la socit et des technologies. Dun lieu o lon soulageait la misre et
ses diffrents maux , lhpital est devenu le lieu o lon soigne tous les malades et
o on les gurit le plus souvent (Ansoff, 1984). Ainsi, historiquement, c'tait un lieu
d'asile pour les indigents ; progressivement il est devenu un lieu de prise en charge
technicise et donc un tablissement producteur de soins, ds lors soumis aux
exigences de la production : qualit, innovation, mobilit, valuation. Cette
transformation de la production hospitalire concerne autant la production mdicale
que la production non mdicale (Ansoff, 1982), c'est--dire soignante, administrative,

22

Chapitre 1

logistique et technique. Dans ce contexte, la prise en charge apparat comme un


process de production o la discipline de tous les intervenants apparat comme le
garant du succs de lensemble et dont la qualit doit tre value. (Ansoff, 1965)
Aujourdhui, le systme hospitalier est dsorient face au dfi qui lui est lanc : le dfi
de la performance.
II.1 Lhpital : une organisation complexe
Face aux exigences tutlaires et aux missions multiples (Armenakis et al, 1993)
qu'il doit satisfaire, l'hpital est non seulement complexe, mais il souffre de
dysfonctionnements. Dsormais, pour survivre dans un environnement de plus en plus
concurrentiel et un contexte de limitation des ressources, les hpitaux doivent
repenser leur fonctionnement et donc imaginer les scnarios du futur afin dy adapter
des stratgies appropries.

Les sources majeures de dysfonctionnements rsident la fois dans certains


principes dorganisation structurelle, dans la rsistance au changement d certaines
mentalits et parfois linsuffisance doutils techniques adapts. En outre, l'hpital
s'insre dans un systme de sant global, o les concepts d'valuation sont souvent
globalement insuffisants.
II.1.1 Les dysfonctionnements dorigine organisationnelle
Au sein des tablissements, la division du travail l'hpital entre fonctions,
services, professions est aujourd'hui d'une trs grande complexit. De nombreuses
personnes et services concourent la qualit de la prise en charge d'un patient et
aucune mthode simple ne permet de grer une telle interdpendance. Il est ncessaire
dsormais de mener une rflexion organisationnelle adapte et de contrler
l'organisation.

Ainsi, les contrles mens dans les tablissements de sant le sont de manire
occasionnelle et ne concernent gure l'tablissement sous tous ses aspects, mais se
focalisent davantage sur une partie de l'activit ou sur des thmes spcifiques comme
l'hygine ou le droit des malades. Des programmes de contrles pluriannuels

Contexte et problmatique

23

systmatiques, centrs sur une approche globale et exhaustive de l'tablissement, font


l'vidence dfaut.
II.1.2 Les dysfonctionnements lis aux comportements et mentalits
Au del des organisations, le facteur humain relevant des comportements et des
mentalits des acteurs a souvent conduit des dysfonctionnements qui ont empch
laboutissement de certaines tentatives de rformes et dvolutions.

Pendant longtemps, la tradition mdicale a privilgi certaines attitudes


conservatrices et souvent un corporatisme exprim par la volont de conserver le
secret sur les activits rellement pratiques. Les moyens dapprocher des formes
dvaluation collective ont t longtemps exclus de lenseignement dispens aux
futurs mdecins. La rsistance au changement et un certain got de refuser le secret
partag ont confort lopacit gnrale du systme.
II.1.3 Les dysfonctionnements lis linsuffisance des moyens de la
connaissance et leur traitement
Une des caractristiques de l'hpital est son opacit, qui repose sur labsence de
systme dinformation capable de rendre compte de la consommation des ressources
et de la qualit des soins. Les indicateurs mis en place, tels que la nomenclature des
actes, le nombre d'entres, le nombre de journes, la dure moyenne de sjour (DMS)
ou le taux d'occupation (TO), refltent assez mal la nature qualitative du
fonctionnement et des pratiques mdico-soignantes. Cette dfaillance de la nature des
indicateurs, pour approcher lactivit et labsence de fiabilit des indicateurs utiliss,
pose donc de rels problmes. (Auziol et al, 1988)

De ce fait, l'hpital est cloisonn et les problmes organisationnels n'y ont jamais
t identifis clairement ; les outils de gestion en place "font l'impasse sur
l'organisation l'intrieur de l'hpital", c'est--dire qu'ils cherchent contrler les
rsultats ou les ressources des tablissements, mais sans chercher connatre les
causes profondes des dysfonctionnements (Bachman, 1982).

24

Chapitre 1
L'ensemble des dysfonctionnements sus-mentionns met en exergue le manque

d'valuation dont souffrent les tablissements de soins. Ces derniers cherchent certes
offrir des soins et des prises en charge de qualit, mais ils ne mettent que trop
rarement en place des outils et des mcanismes incitatifs l'amliorer sans cesse.
Pourtant, le contexte et ses volutions supposent des adaptations constantes de
l'hpital.
II.2 Lhpital : contraintes prendre en compte
II.2.1 Contrainte conomique et budgtaire
Du fait de l'importance qu'occupe la sant dans la proccupation des mnages, il
est normal que le systme de sant suscite de nombreuses questions et analyses. La
tendance l'augmentation de la consommation de soins parat "inluctable", mme si
elle ne doit pas tre juge ngativement car elle est "corrle avec l'volution de la
richesse"(Bechu, 1995). Pour J. F. Matti, elle impose une rduction des gaspillages et
un engagement dans une dmarche conduisant une meilleure responsabilisation des
acteurs, la promotion de l'excellence de l'offre de soins et le dveloppement de la
prvention (Bechard, 1969).

L'hpital public ou priv fait dsormais face la rigueur budgtaire. Cette


contrainte budgtaire rend la question de la rpartition des ressources, et donc de leur
utilisation, essentielle, tout comme celle de la rentabilit des hpitaux. Toutes ces
questions posent en fait le problme du sens de l'action mene et qu'il s'agit de
redfinir. Une valuation de l'organisation en place semble donc un pralable toute
action dans ce contexte de rigueur budgtaire.

Aujourd'hui, l'ensemble des tablissements de soins se trouve confront un


contexte volutif et de nouvelles exigences. Face tous ces changements, les
tablissements hospitaliers doivent anticiper la mise en place de nouvelles solutions et
voluer de manire permanente s'ils veulent pouvoir rpondre ces exigences.
L'valuation apparat alors comme un outil susceptible de connatre ces nouvelles
demandes et la capacit des tablissements mettre en place des rponses
appropries.

Contexte et problmatique

25

II.2.2 Contrainte contextuelle


Les principales volutions de l'environnement ayant un impact sur les organisations
de sant sont les suivantes :
Les besoins de sant des patients, qui voluent sans cesse. L'hpital doit
constamment adapter ses missions ces demandes (nouvelles pathologies,
allongement de la dure de vie, nouvelles demandes lies aux "schmas culturels du
moment"). (Beretz et al, 00)
Les demandes deviennent de plus en plus prcises, spcifiques et personnalises, ce
qui modifie les perspectives d'organisation. L'valuation apparat comme un moyen de
connatre les exigences et de s'assurer si les tablissements y rpondent, pour, dans le
cas contraire, dfinir les marges de manoeuvre dont ils disposent pour le faire.
Le patient s'est mancip : de sujet passif, il est devenu acteur de sa prise en charge
(Bordeloup, 1996), ce qui engendre de nouveaux comportements et de nouvelles
attentes. Ces aspects se traduisent par le nomadisme mdical, l'absence d'attachement
un mdecin ou un hpital et une demande accrue d'informations susceptibles
d'clairer ses choix. Le consumrisme mdical se dveloppe sous diffrentes formes :
- le dveloppement des associations de malades,
- la publication d'articles prsentant un classement des tablissements de soins dans
les magazines,
- une intensification des actions en contentieux dans le domaine mdical.

Une monte concurrentielle au sein du systme de sant : Le systme de sant est


entr dans un contexte de comptition non seulement nationale, mais galement
internationale. On assiste un phnomne de monte de la concurrence entre les
hpitaux : le patient n'est plus captif puisqu'il a dsormais le choix entre les
diffrentes structures dans lesquelles il peut se faire soigner. Chaque tablissement est
un des agents du systme : il n'a pas l'exclusivit des activits qu'il assure. La
concurrence s'exprime donc par des tablissements voisins, de statuts identiques ou
diffrents, de tailles identiques ou diffrentes, mais aussi par les alternatives
l'hospitalisation en termes de mdecine de ville, de structures ambulatoires ou de
structures d'hospitalisation domicile (HAD). La concurrence est htrogne, mme

26

Chapitre 1

si toutes les activits ne sont pas soumises la mme intensit concurrentielle. Dans
ce "jeu", diverses variables se trouvent renforces comme le cot, la qualit, les
dlais,

l'efficacit

ou

l'efficience.

Dans

le

cadre

d'une

concurrence

"encadre"(Bernoux, 1995), la qualit apparat alors comme une variable cl, d'autant
plus que l'offre dpasse la demande. Les patients veulent dsormais tre informs sur
des lments "concrets" de la prise en charge et de son organisation pour faire leur
choix. On assiste donc une vritable comptition ayant pour enjeu la qualit :
l'valuation est ncessaire pour faire progresser les tablissements dans ce domaine,
mais aussi pour informer les patients du niveau de qualit atteint.
Les volutions technologiques : La technologie connat une volution rapide et
constante. Les progrs de la mdecine ncessitent que l'hpital volue sans cesse pour
s'y adapter, la fois en termes scientifiques et techniques. Mais le dveloppement
d'une activit ne doit pas se faire au dtriment d'une ou de plusieurs autres et ncessite
donc d'tre value en fonction de critres explicites. Il est essentiel de s'assurer en
effet que les dpenses induites pour l'achat et le fonctionnement de tout matriel
innovant seront couvertes et rentabilises. Il faut galement vrifier que cette
technologie, qui modifie les activits existantes, est gnratrice de gains de sant et en
valuer les bnfices.
Les

tablissements

de

soins

doivent

s'amliorer

pour

remdier

aux

dysfonctionnements et voluer pour s'adapter aux exigences nouvelles et aux


modifications contextuelles. Dans cette optique, l'organisation et le fonctionnement
des structures de soins ne peuvent plus se garder de toute valuation.

Il convient de remarquer que peu de travaux ont t labors dans le domaine de la


gestion hospitalire en Tunisie. On peut citer titre dexemple les travaux de Ladjimi
et Changuel (2004), qui ont parl des systmes dinformation dans le but de permettre
au gouvernernant de rviser les modes de financement du secteur.

Nous nous

intressons de notre ct faire ltude au sein du service durgence, par le fait que ce
service devient le mode daccs privilgi aux soins hospitaliers.

Contexte et problmatique

27

III. DOMAINE DETUDE


Le service durgences reprsente la porte dentre dans un hpital. Il est le plus
touch et le plus sollicit. De ce fait, cest l que les problmes sont les plus
importants tout autant que les enjeux.
Le mot durgence ne recouvre pas la mme ralit pour le public et pour le corps
mdical. Pour les mdecins, les urgences sont les pathologies qui mettent la vie ou
une fonction importante des malades en danger. Pour le public, ce sont des dtresses
qui requirent laide et lassistance dun tiers, voire une solution immdiate une
difficult passagre. Le service des urgences (SU) est le service dun hpital o sont
dirigs les blesss et les malades dont ltat ncessite un traitement immdiat. Pour
Chevalier Lurgence hospitalire, en 1971, est le cas du malade ou de laccident
qui se prsente hors des heures de fonctionnement des consultations, ou qui arrive
sans rendez-vous une consultation et quon doit examiner et traiter sans dlai En
1990, la mission des services durgence est prcise comme tant laccueil de tout
patient arrivant lhpital pour des soins immdiats et dont la prise en charge na pas
t programme quil sagisse dune situation durgence lourde ou dune urgence
ressentie (Bleichner G et al, 1990). Pour A. Bellou et al (2003) Le service des
urgences est le lieu daccueil de tous les patients qui se prsentent lhpital pour une
consultation ou une hospitalisation et dont la prise en charge na pas t
programme. Les SU, tel quon les connat actuellement, sont ns aux tats-Unis il y
a une trentaine dannes. En Europe et en Tunisie, la structuration de ces services est
plus tardive. En quotidienne Il nexiste pas de dfinition lgale de lurgence ; la
mission du systme daide mdicale urgente est dfinie par la loi du 6 janvier 1986 :
elle est de faire assurer aux malades, blesss, et femmes enceintes, dans quelque
endroit quils se trouvent, les soins durgence appropris leur tat . Notre domaine
dtude sera donc prsent par le service durgence de lhpital Habib Bourguiba
Sfax.
IV. PROBLEMATIQUE SCIENTIFIQUE
Les tablissements de sant cherchent apporter aux patients quils accueillent le
meilleur service possible. Amliorer laccueil et la prise en charge des patients est
lambition de tous les services durgences des tablissements de soin. Le service des

28

Chapitre 1

urgences (SU) ou service daccueil des urgences (SAU) a pour mission doffrir toute
personne en dtresse, en pratique tout sujet qui se prsente, une valuation mdicale
et un traitement adapt. Laugmentation des admissions aux urgences dpassant
quotidiennement les capacits de soins a conduit les services sorganiser afin
damliorer leur performance et donc daugmenter le nombre de patients traits et
diminuer le dlai de sjour. (Roy et al, 2002).
Dans notre tude, nous nous intressons au service durgence de lhpital Habib
Bourguiba de Sfax (Tunisie).
IV.1 Description de lhpital considr
LHpital Habib Bourguiba a t cre en 1986.il est class en tant que centre
hospitalo-universitaire. Depuis 1993, il est rig en un tablissement public de sant
sous tutelle du ministre de la sant publique (catgorie A) daprs la loi 56-92 du
09/06/1992. Il est dot de la personnalit civile et de lautonomie financire. Il est
considr parmi les plus importantes structures sanitaires de la Tunisie. Il se prsente
comme une institution sociale qui vise lamlioration du niveau de la sant publique
par des moyens curatifs et prventifs. Le C.H.UH.Bourguiba nest en ralit que le
prolongement gographique du C.H.U Hdi chaker valence plutt mdicale.
Lactivit des deux CHU est complmentaire ; le CHU Hdi Chaker utilise le mme
plateau technique se situant au niveau de CHU H.Bourguiba (Laboratoires, Radio)
LHpital H. Bourguiba complte en fait le tissu sanitaire de la rgion qui
comporte outre les deux CHU, trois hpitaux rgionaux : Mahers, Jbniana et
Kherkhena, trois hpitaux de circonscriptions, un centre ambulatoire de diagnostic et
traitement et cent trente centres de sant de base, en plus de la structure prive assez
dveloppe (16% des lits de la rgion) Par ailleurs, sur le plan formation le C.H.U.
constitue un terrain de stage pour les lves de lcole suprieure de sciences et
techniques de sant et lcole professionnelle de la sant. Les tudiants de la facult
de mdecine de Sfax trouvent dans le C.H.U un excellent milieu pour complter leur
formation pratiques (160 tudiants entre internes et rsidents).Le C.H.U. accueille
aussi des stagiaires en matire de gestion et de formation biomdicale. LHpital
universitaire Habib Bourguiba est un hpital vocation essentiellement chirurgical de

Contexte et problmatique

29

535lits. Il comporte les 18 services hospitaliers mdicaux prsents par la figure cidessous :

30

Assistance
Assistance Mdicale
Mdicale
dUrgence
dUrgence

Chapitre 1

Mdicine
Mdicine
Lgale
Lgale

ORL

Pharmacie
Pharmacie

Chirurgie
Chirurgie Cardio
Cardio
vasculaire
vasculaire et
et
Thoracique
Thoracique

Chirurgie
ChirurgieGnrale
Gnrale

Urologie
Urologie

MaxilloMaxilloFaciale
Faciale

NeuroNeuroChirurgie
Chirurgie

Ophtalmologie
Ophtalmologie

Carcinologie
Carcinologie

Laboratoire
Laboratoire

Neurologie
Neurologie

Ranimation
Ranimation

Anesthsie
Anesthsie
ranimation
ranimation

Bactriologie
Bactriologie

Immunologie
Immunologie

Radiothrapie
Radiothrapie

Chirurgie orthopdie

Radiologie
Radiologie

Biochimie
Biochimie

Hmatologie
Hmatologie

Mdecine
MdecineNuclaire
Nuclaire

Mdecine
Mdecine Physique
Physique
et et
dede
rducation
rducation

Exploration
Exploration
Fonctionnelle
Fonctionnelle

Anapathe
Anapathe

Parasitologie
Parasitologie

Figure 1: Les services de l'hpital Habib Bourguiba

31

Contexte et problmatique

Lhpital comporte un bloc opratoire qui contient 17 salles dopration :


Salle de
Chirurgie Gnrale

Salle de
Chirurgie Gnrale

Salle d
Ophtalmologie

Salle de
Chirurgie Gnrale

Salle d
Ophtalmologie

Salle de
Chirurgie
Orthopdie
Orthopdique

Salle de
Chirurgie
Orthopdie
Orthopdique

Salle de
Chirurgie Cardio
Vasculaire

Salle de
Neuro Chirurgie

Salle de
Chirurgie dORL

Salle de
Chirurgie dUrologie

Salle de
Chirurgie
Orthopdie
Orthopdique

Salle de
Chirurgie Faciale

Salle de
Chirurgie dORL

Salle de
Chirurgie dUrologie

Figure 2: Prsentation du bloc opratoire

Salle dUnit de
brlure

32

Chapitre 1
Lhpital est compos de 1706 agents distribus comme prsents par la figure suivante :

154 154
cadres
cadres
mdicaux
mdicaux
951 951
cadres
cadres
paramdicaux
paramdicaux

1706
1706
agents
agents

238238
mdecins
mdecins
rsidents
rsidents
et et
internes
internes
62 cadres
62 cadres
administratifs
administratifs
11 cadres
11 cadres
techniques
techniques

290 ouvriers
Figure 3: La distribution des agents de l'hpital

IV.2 Description du service d'urgence


Le service de lurgence lhpital Habib Bourguiba a t construit en mme temps que la
cration de lhpital cest--dire en 1986. Il peut tre prsent par la figure suivante :

33

Contexte et problmatique

Inscription et
payement

Radiologie

Salle de soins
Mdecin gnraliste

Salle dorthopdie

Salle de chirurgie
gnrale

Salle de pltre

Figure 4: La prsentation du service d'urgence de l'hpital Habib Bourguiba

LUrgence est compos de 13 agents distribus comme suit :


Pendant le jour
-

Trois mdecins (un mdecin dorthopdie, un mdecin de Chirurgie gnrale et un


mdecin gnral)

Quatre infirmiers (2 dans les deux salles de soin et 2 dans la salle de pltre)

Deux standardiss.

Pendant la nuit
-

Deux mdecins (un gnraliste et un pour lorthopdie)

Deux infirmiers
LUrgence contient aussi un service de police qui doit suivre tous les accidents, les

suicides, etc.

34

Chapitre 1
IV.3 Description du problme
Lvolution du contexte conomique et financier (acclration de la pression budgtaire

pesant sur les tablissements de sant, mise en place de la tarification lactivit), social (plus
forte pression des patients pour la qualit et la scurit, mise en concurrence des
tablissements) et rglementaire (accrditation et dveloppement de lvaluation des pratiques
professionnelles) des tablissements de sant en Tunisie, particulirement lhpital Habib
Bourguiba de Sfax, fait de lvaluation de la performance un sujet dactualit. La performance
s'exprime gnralement en termes de qualit, de cots et de dlais.
La qualit est aujourdhui une proccupation majeure des hpitaux. Au-del dune simple
rduction des cots attachs la non-qualit, la recherche de la qualit exprime le souci dune
satisfaction permanente des usagers, lextrieur de lhpital, comme lintrieur. Dans ces
conditions, les dmarches dvaluation et damlioration de cette qualit prennent de plus en
plus dimportance dans les modes de gestion des hpitaux. Face des inefficacits internes
des structures hospitalires publiques tunisiennes, le gouvernement a initi une rforme avec
lappui de la Banque Mondiale ciblant les hpitaux universitaires. Ses objectifs consistent
instituer une autonomie de gestion et exploiter un systme intgr dinformations qui fournit
les informations relatives aux activits et aux cots des structures hospitalires permettrant au
gouvernement de rviser les modes de financement du secteur. Les pralables ncessaires
ayant t runis, un processus de calcul des cots a t mis en place, dans un nombre
progressivement croissant dhpitaux universitaires. Ces rsultats ont t utiliss par les
gestionnaires pour le dialogue interne et pour les ngociations avec les caisses de scurit
sociale.
Nous avons choisi de prendre en compte, dans notre tude, un seul aspect de performance
qui est le dlai, puisque ce dernier a une influence sur les cots et la qualit. Si on minimise la
dure du parcours dun patient, on peut amliorer la qualit de prise en charge de ce patient et
donc minimiser les cots. De ce fait, la dure est le point le plus significatif. Le problme de
notre tude consiste la minimisation du temps de cycle de parcours dun patient au sein du
service durgence de lhpital Habib Bourguiba Sfax.
Le dlai de sjour est la priode qui scoule entre lheure darrive au service daccueil
des urgences (SAU) et lheure de sortie ou dhospitalisation. Le dlai de sjour au service

Contexte et problmatique

35

daccueil des urgences (SAU) est lun des problmes quotidiens du service d'urgence de
l'hpital Habib Bourguiba. Il est source de plaintes (parfois justifies) du public et entrave la
motivation des mdecins urgentistes.
Le dlai de sjour est variable selon les statistiques. La premire tude en Tunisie faite sur
ce sujet date de 1994 (Houala, 1995), incluant 1115 patients admis en urgence au CHU Farhat
Hached de Sousse. Ce travail a permis de dgager plusieurs points intressants concernant le
profil des admis, les pathologies en cause et la dure dattente.
La premire constatation pertinente est le faible taux des admissions par le biais du
service des urgences puisque les cas recenss reprsentent seulement 3,86% des
consultants en urgence (cas de chirurgie exclus). Ces admissions ne reprsentent
que 16% des hospitalisations programmes aux services mdicaux.
La dure dattente moyenne est de 2h30 (extrmes 1H et 3 jours), moins de 1h pour
28%, entre 1 2h pour 32% des admis. Elle est calcule selon lheure daccueil aux
urgences et lheure dinscription au bureau des entres lors de lhospitalisation.
Un deuxime travail (Maksoudi, 1998) au mme service en 1997, tudiant les malades
graves admis la salle de dchoquage, montre un dlai de sjour moyen de 6h55. Donc les
urgences graves passent plus de temps au SU.
Diffrents facteurs peuvent intervenir au niveau de la variation du dlai de sjour, tels que :
Les procdures administratives laccueil
Ces procdures sont incontournables, linscription et la constitution dun dossier mdical
sont obligatoires et courtes gnralement. Nanmoins, lencombrement de laccueil par les
fausses urgences peut les ralentir. Ces formalits sont abrges pour les malades graves et
confies souvent aux accompagnants.
Les examens complmentaires
Souvent les patients ont besoin de faire des examens complmentaires. Les analyses
biochimiques et la pratique dimagerie constituent ltape la plus importante ; souvent
ncessaire pour tayer un diagnostic ou pour se dcider de lorientation. Pour certains auteurs
(Carrere-Debat, 1991), le dlai est plus court chez les consultants sortants que chez les
hospitaliss cause de la rduction des examens complmentaires. Il est curieux de constater
que la dure moyenne de lattente augmente avec lge, elle est de 2,3h dans la tranche dge

36

Chapitre 1

15-29 ans et passe 2,8h lorsque lge dpasse les 65 ans (Houala, 1995). Cette variation
nest pas alatoire, elle est explique par :
La pathologie complexe de la personne ge qui ncessite plusieurs examens
complmentaires et plusieurs avis spcialiss.
Les rticences des services hospitaliers.
De ce fait, il est important de modliser

le service durgence dans sa globalit

fonctionnent afin de mieux comprendre les causes de rallongement du dlai et donc amliorer
la performance.
V. CONCLUSION
La performance hospitalire fait actuellement lobjet dun large dbat en raison des
volutions profondes du systme de sant. La difficult dfinir la performance des systmes
de soins rsulte de nombreux facteurs, en particulier de son aspect multidimensionnel. Son
volution et son pilotage impliquent la connaissance et la matrise des processus mis en jeu au
sein des systmes de soins.
Dans ce chapitre nous avons dfini les lments importants considrer dans la dmarche
damlioration du systme de soin. Nous nous sommes particulirement penchs sur le
service durgence qui constitue une porte vers lhpital. Nous avons vu quil y avait diffrents
facteurs importants grer pour le bon fonctionnement du service durgence. En particulier,
nous nous intressons loptimisation du temps de cycle du parcours des patients travers la
minimisation du dlai de sjour. Pour cela, nous nous devons de mettre en place une
dmarche rationnelle, travers des mthodes et outils appropris pour llaboration des
indicateurs de performance structurant les informations qui permettent de dcider des actions
engager pour atteindre les objectifs viss.
Cette dmarche dvaluation de la performance doit saccompagner dune dmarche de
conduite des actions damlioration de la performance en exploitant les mthodes et les outils
permettant doptimiser les processus et les flux dactivits associs. Dans le chapitre 2 nous
allons prsenter un tat de lart dtaill des mthodologies existantes.

Chapitre 2

ETAT DE LART

Dans ce chapitre, nous prsentons un tat de lart portant sur les travaux qui ont tudi la
gestion par processus et la modlisation dans les systmes hospitaliers. De mme nous
exposons certains problmes traits dans les services des urgences.

38

Chapitre 2

I. INTRODUCTION
Plusieurs thmes de recherches ont t abords dans le domaine des hpitaux. Dans ce
cadre plusieurs revues, tel que Health Care Management Science , European Journal Of
Operational Research , Management Science , Revue de Gestion , et congrs, comme
GISEH, sont le support de nombreuses rflexions. Lhpital doit faire face un certain
nombre de difficults dfinies par Pascal (2000) comme : cloisonnement et segmentation
trop forte des activits, hirarchie trop lourde, manque de cohrence dans les paramtres de
lorganisation hospitalire, dmotivation des personnels, fonctions de production non
optimales, problmes de circulation de linformation . Pour faire face cette complexit de
fonctionnement les travaux entrepris ce jour et rencontrs dans la littrature traitent les
problmes de gestion hospitalire par secteur ou entit ou service au sein de lhpital.

Il est noter que nous nous intressons plus particulirement au service durgence qui fera
lobjet dune tude plus dtaille ultrieurement. Nous allons prsenter au dbut du chapitre
une tude comparative entre diffrents services durgences de certains pays europens et aussi
des recherches faites pour amliorer la performance dans un service durgence. Ensuite, nous
allons synthtiser certains travaux qui ont traits la gestion des processus et la modlisation,
puisque ce sont les mthodes que nous allons utiliser dans les chapitres suivants.
II. SERVICE DURGENCE
Des tudes comparatives ont t faites entre les diffrents services durgences de certains
hpitaux, tel que le travail de Reix (2000) qui ralise une tude de lorganisation des
diffrents systmes durgences dans des pays europens; le rsultat tait le suivant:
Le Royaume Uni :

Exemple dun service durgence : le Royal London Hospital Londres

Problmes et solutions proposes


1. Pour rpondre laugmentation de frquentation dans les services durgence, il faut
augmenter le personnel mdical et paramdical qui y travaille :
-

Augmenter de 40 % le nombre de mdecins consultants dans les services


durgence pour couvrir la demande.

Recruter 600 nouvelles infirmires dici 2003 avec prise en charge par celles ci
des problmes mineurs mdicaux.

39

Etat de lart

2. Les admissions par les urgences ont augment de 20 % et le taux doccupation des lits a
atteint environ 90 % au sein du NHS. Des tudes ont montr quun taux doccupation des lits
suprieur 85 % pour un hpital de taille moyenne conduit une augmentation des dlais
dattente dans les services durgence et lannulation des interventions chirurgicales
programmes : Un investissement de 50 millions de livres est propos pour rorganiser les
capacits daccueil au sein du NHS et surtout utiliser les lits au sein du secteur priv.
3. Il existe des difficults pour organiser la sortie des patients qui sont hospitaliss vers des
structures de moyen ou long sjour ce qui augmente les attentes aux urgences pour ceux qui
ont besoin dun lit :
-

Un investissement de 100 millions de livres est propos pour amliorer et


augmenter les capacits de ces structures daval

Renforcer les soins domicile pour les personnes ges dpendantes qui
nauraient plus besoin dune hospitalisation en soins aigus.

4. La pression sur les services durgence rsulte aussi de laugmentation du dsir de prise en
charge immdiate pour des problmes ne relevant pas forcment de lurgence :
-

Ces consultations doivent tre orientes vers dautres structures que les services
durgence comme des centres de Diagnostic et de Traitement dont le nombre
doit tre augment dans des grandes villes comme Londres.

Dans les services durgence, une diffrence doit tre faite entre les consultations
de routine et celles durgence .

5. Les centres de diagnostic radiologique ne sont disponibles que durant les heures ouvrables
et pas le soir ni le week-end :
-

Un effort est demand pour rorganiser ces structures et assurer une disponibilit
permanente, en tablissant des accords avec le secteur priv.

6. Les dlais de prise en charge peuvent tre trs longs pour les patients qui font partie des
catgories 4 ou 5 du triage initial car ils seront systmatiquement vus aprs les autres ce qui
augmente le niveau dinsatisfaction de la population et dtriore la qualit de travail du
personnel soignant en permanence sollicit par ceux-ci :
-

Dtacher une partie du personnel soignant pour faire ces consultations en


parallle dont certaines seront assures par les infirmires dont le nombre doit
tre augment (cf plus haut)

7. Les patients consultent dans les services durgence car ils ne savent pas qui sadresser :
-

Redfinir le rle de chacun et assurer un travail en quipe dans la dlivrance de


soins primaires en ville et aux urgences (ex : dans certains hpitaux les

40

Chapitre 2
infirmires valuent les patients, donnent les premiers soins, prescrivent les
examens dimagerie...)

8. Les patients ont souvent le sentiment de ne pas sadresser au bon service et davoir des avis
diffrents :
-

Mise en place du NHS Direct qui permet au patient, partir dune base de
rfrences cliniques ( Clinical Assessment System ) davoir une valuation
prcise de son problme et dtre orient vers linterlocuteur le plus apte
rpondre sa demande.

Certaines quipes de soin ont disposition ce systme dvaluation qui doit tre
rpandu et sera rvalu distance.

Ce systme a pour but damliorer lvaluation initiale et de permettre certains de ne pas


attendre dans les urgences si des conseils simples de traitement leurs sont donns et quils
peuvent les faire seuls (=20 % des patients des services durgence soit environ 2,4 millions de
patients par an). Dautres peuvent simplement consulter le personnel mdical ou paramdical
des centres de soins primaires de proximit au lieu daller aux urgences.
9. Les patients avec les mmes problmes reoivent des conseils diffrents en fonction des
services, des lieux de consultations...
-

Elaboration de protocoles nationaux au sein du NHS partir dtudes de qualit


en ce qui concerne les soins durgence.

Belgique : Exemple dun service durgence : le service des urgences de Dinant


Difficults rencontres :
-

Augmentation constante de la frquentation du service des urgences de 7% par


an probablement lie un accroissement des exigences de la population en
matire de sant et la gratuit des soins en secteur hospitalier.

Augmentation denviron 5% en 5 ans du nombre de visites de personnes en


grande difficult sociale, ce qui reprsente environ 10% des consultations
totales.

Augmentation non chiffre de la violence aux urgences lie la pauprisation de


la rgion.

Attente de la reconnaissance du SMUR dont la charge financire est porte par le


service des urgences pour linstant.

Ncessit dinstaller une coopration transfrontalire avec les services du SAMU


du dpartement 08 franais, le projet est en cours

41

Etat de lart

Sude : Visite du service des urgences de SODERSJUKHUSET


Difficults :
La principale difficult concerne la prise en charge des personnes ges pour lesquelles il ny
a pas de structures daval. Chaque anne environ 120 000 consultations ne relvent pas de
lurgence et surchargent le service (40% des consultations)
Norvge : Exemple dun service durgence : Ulleval University hospital Oslo.
Difficults :
-

La plus grande difficult est de trouver des lits dhospitalisation dans lhpital
pour les patients, les transferts ne se font gnralement pas car chaque hpital a
le mme problme.

Il ny a pas eu daugmentation rcente de la frquentation des urgences ceci est


d au fait que laccs est filtr par les ambulances ou les gnralistes. Si un
patient se rend aux urgences pour un problme sans critre de gravit, il sera
renvoy sur les consultations de mdecine gnrale dans les centres de sant
municipaux.

Problme de violence urbaine qui se rpercute au niveau du service avec ide


damnager une porte scurise laccs pour la nuit.

Une autre tude tait faite par Marielle Chodosas (2002) qui tudie lorganisation des
diffrents systmes durgence dans cinq pays europens : la France, lAllemagne, lEspagne,
lItalie et le Portugal. Les rsultats sont les suivantes
France : Exemples de 2 services durgence.
1. " Service des urgences du centre hospitalier Nord Deux Svres, UPATOU.
Difficults :

Difficults lies lorganisation du service :

Les lits portes ainsi que les lits dhospitalisation daval manquent.

Le service des urgences est trop petit et manque de salles dexamen.

Le plateau technique est trop dispers.

Difficults lies la frquentation du service :


La frquentation du service a augment au cours des 12 derniers mois de jour
comme de nuit. Des moyens matriels et humains semblent avoir t mis en
place pour y pallier.

42

Chapitre 2
-

Les consultations pour problmes sociaux reprsentent 10 %, les problmes


mdicaux non urgents 5 %, les problmes lis lalcool 5 %, les problmes lis
la drogue et les problmes mdico-lgaux moins de 1 %.

Il y a peu de violence dans le service des urgences.

2. " Service des urgences du centre hospitalo-universitaire Saint-Antoine Paris, SAU :


Difficults :

Lies lorganisation du service


Le service Porte est insuffisant, la plupart du temps surcharg, avec une
dure moyenne dhospitalisation suprieure 24 heures.

Les lits daval sont aussi largement insuffisants, sans lits rservs aux urgences.
Ce phnomne est encore accentu pendant lt, o beaucoup de lits ferment
faute de personnel.

Le transfert des patients vers dautres tablissements publics est trs difficile,
tous les hpitaux connaissant le mme problme de pnurie de lits daval ; les
transferts sont quasiment impossibles ds quil sagit dune personne ge. Les
transferts vers des tablissements privs sont parfois plus faciles, condition que
le patient soit assur et solvable.

Les boxes dexamen sont en nombre insuffisant dans le service, entranant


parfois une surcharge en salle dattente.

Lies la frquentation :
Le service connat une augmentation de frquentation denviron 5 % par an,
aussi bien de jour que de nuit, sans quil y ait de moyens matriels et humains
entrepris.

Les consultations dites sociales reprsentent 1 % des motifs de consultation


(une assistante sociale est prsente tous les jours) ; les problmes mdicaux non
urgents reprsentent 20 % des passages aux urgences, les consultations lies
lalcool 20 %, et les problmes mdico-lgaux 4 %.

La violence est frquente dans le service, aussi bien physique que verbale

Allemagne : Exemple dun service durgence hospitalier. Stdlisches krankenhaus ,


Karlsruhe,
Difficults, problmes :

Difficults lies lorganisation du service :


Il manque des lits en mdecine surtout, en neurologie et en ranimation.

43

Etat de lart

Les transferts vers dautres hpitaux sont difficiles, car les lits manquent aussi.

La place semble insuffisante dans le service durgence.

Le service de radiologie est souvent satur.

Les ambulances manquent ainsi que les brancardiers.

Difficults lies la frquentation du service :


Le service connat depuis sa cration en 1998 une augmentation de
frquentation, aussi bien le jour que la nuit : 23 899 patients en 1998 et 28 130
en 2000.

Des moyens matriels et humains ont t mis en place pour faire face cette
augmentation.

Les patients consultant pour raisons sociales reprsentent 1 % de la totalit des


patients, les problmes mdicaux non urgents reprsentent 10 % des
consultations (pourcentage stable), les pathologies lies lalcool reprsentent 2
%. Il y a peu de consultations en rapport avec la drogue et mdico-lgales.

Peu de violence dans les urgences.

LEspagne : Exemples de 3 services durgence hospitaliers.


1. " Hpital Costa del Sol Marbella en Andalousie
Difficults ou problmes :

Difficults lies lorganisation :


Il ne semble pas exister de difficults de transfert des patients dans dautres
hpitaux ; seulement 5 % des patients sont transfrs.

Peu de problmes de disponibilit en lit daval : la dure dattente moyenne


avant lhospitalisation est de 3 heures et les patients ne restent pas plus de 24
heures dans les lits dhospitalisation de courte dure des urgences.

Lespace de travail semble manquer dans le service.

Pas de manque de personnel paramdical ni mdical.

Difficults lies la frquentation du service :


Le nombre de patients par jour augmente de 8 10 % par an, aussi bien de jour
que de nuit, avec un taux dhospitalisation qui reste stable environ 10 %.

Le nombre de patients consultant pour des pathologies pouvant tre traites en


ville reprsente 50 %. Le nombre de patients consultants pour des problmes
conomiques augmente (pas de chiffre disponible).

Il nexiste pas de violence objective dans le service.

44

Chapitre 2
2. " Hpital Universitaire Virgin del Rocio Sville.

Difficults et problmes :

Difficults lies lorganisation du service :

difficults de transfert dun hpital un autre ;

problmes de disponibilit en lits dans les services surtout lhiver ; les patients
attendent souvent longtemps leur place dans un service aprs tre pass aux
urgences, les sorties se faisant souvent en fin daprs midi ;

le dlai dattente des patients avant prise en charge ne semble pas poser
problme, sauf pour les patients de la catgorie 4 qui attendent plus et qui voient
les autres patients passer avant eux ;

le personnel mdical et paramdical est insuffisant en quantit ;

Il nexiste pas de laboratoire propre aux urgences, et le temps de rcupration


des rsultats des examens biologiques de base est trs long (environ 3 4h) ;

Difficults lies la frquentation du service :


Le nombre de patients consultant aux urgences augmente denviron 5 % par an,
sans que des moyens particuliers aient t pris ;

Les problmes mdicaux non urgents (groupe 4) reprsentent environ 50 % des


motifs de consultation ; les problmes sociaux restent peu frquents (environ 1
%) et sont associs des problmes mdicaux dans la majorit des cas ; lalcool
et la drogue sont des motifs de consultation dans 5 % des cas ; les problmes
mdico-lgaux concernent 1 2 patients par jour.

La plupart des patients viennent aux urgences de leur propre chef, sans tre
passs par leur mdecin traitant, phnomne sexpliquant en partie par les
longues listes dattente pour les consultations spcialises dans les centres de
soins primaires ;

La violence existe dans ce service, surtout verbale ; un service de scurit priv


assure une prsence 24h/24.

3. " Hospital clinico Barcelone, Catalogne.


Difficults et problmes :

Difficults lies lorganisation du service :

Le manque de lits daval semble tre un problme majeur dans ce service ;

Il ny a quasiment pas de transferts car lhpital est un hpital de rfrence ;

Lespace de travail est insuffisant dans le service ;

Le dlai dattente des patients aux urgences semble tre un point amliorer ;

45

Etat de lart

Le personnel infirmier plus que mdical est insuffisant.

Difficults lies la frquentation du service :


Le nombre de patients consultant aux urgences est en augmentation (non
chiffre) surtout la nuit.

Peu de moyens humains et matriels semblent avoir t pris pour y pallier.

Les pourcentages de patients consultant pour des problmes sociaux, des


problmes mdicaux non urgents et des problmes dalcool nont pas t
quantifis.

Il ny a pas de problme de violence dans le service.

LItalie : Exemple de 2 services durgence hospitaliers


1. " Service des urgences de lhpital civil de Brescia en Lombardie:
Difficults ou problmes :

Difficults lies lorganisation du service :

Les lits daval disponibles sont rares.

Il y a quelques difficults transfrer les patients vers dautres hpitaux.

Peu de problmes de dlai dattente des patients et de manque de place aux


urgences.

Le nombre de mdecins semble suffisant, par contre les infirmiers manquent.

Difficults lies la frquentation du service :


Le nombre de passages aux urgences a tendance augmenter, ce qui a t suivi
dune augmentation de moyens matriels et humains pour le service.

La proportion des patients consultant aux urgences pour des problmes sociaux
(solitude, isolement, abus de drogues, rfugis sans papiers, personnes ges)
reprsente 12 % du nombre total de consultations.

Les consultations qui pourraient relever de la mdecine ambulatoire (code Blanc


au triage) reprsentent 35 % du nombre total de consultations.

Les problmes lis la consommation excessive dalcool reprsentent 1 % des


consultations.

Il ne semble pas exister de problme de violence au sein du service durgence.

2. " Service des urgences de lhpital Luigi Sacco Milan :


Difficults ou problmes :

Difficults lies lorganisation du service :

46

Chapitre 2

Le service est dimensionn de faon adquate au regard des besoins actuels, et il nest pas fait
tat de difficults particulires pour le placement des patients ncessitant une hospitalisation.

Difficults lies la frquentation du service :


La frquentation du service est en constante augmentation depuis sa cration en
1998

Pour les 2 tiers dentre eux les patients rsident Milan, alors quun quart rside
dans le reste de la Lombardie, et que les autres proviennent des autres rgions.

La violence des patients et de leurs accompagnants est devenue une ralit


quotidienne.
Exemples de 2 services durgence hospitaliers.

Portugal :

1. " Service des urgences de lHpital Garcia de Orta Lisbonne.


Difficults et problmes :

Difficults lies lorganisation du service :


Il semble exister un manque de lits daval pour les patients vus aux urgences et
ncessitant une hospitalisation.

Peu de patients sont transfrs sauf pour la chirurgie cardiaque.

Manque despace dans le service des urgences, et manque de boxes dexamen.

Difficults lies la frquentation du service :


Le service a not une augmentation du nombre de patients consultant aux
urgences, aussi bien le jour que la nuit, sans quil y ait eu daugmentation de
moyens matriels et humains concomitants.

Les patients consultant pour raisons sociales reprsentent 5 %, les consultations


lies lalcool et aux drogues 5 % chacune, les problmes mdicaux non urgents
60 %.

La violence est surtout prsente sous forme verbale (violence physique rare).

2. Service des urgences de lhpital So Francisco Xavier Lisbonne


Difficults et problmes :

Difficults lies lorganisation du service :

Ecoulement difficile des malades partir du Service Porte,

Manque dintimit lors de l'observation des malades,

Manque de zones de repos pour le personnel,

Manque de personnel spcialement prpar pour un service d'urgence,

47

Etat de lart

Appui social ncessaire entre 17 heures et 9 heures et pendant les week-ends.

Difficults lies la frquentation du service :


Le nombre de malades qui se dirigent ce service d'urgence s'est maintenu
stables ces dernires annes. Par contre l'ge moyen des malades hospitaliss a
augment.

Le nombre de "cas sociaux", notamment avec des immigrs, a galement


augment ces dernires annes.

Le pourcentage de malades non urgents n'est pas correctement calcul, mais


si on considre urgents les malades qui sont hospitaliss, ce sont les suivants
pour 2001:
Service Porte - 8457
Ranimation - 353 malades. (La traumatologie peut tre considre toujours
comme une urgence; cf. chiffres prsents plus hauts).

En ce qui concerne la violence, il y a deux aspects analyser: le premier est celui


de la violence ( agression ) qui cause l'observation en urgence; le second est
celui de la violence dans les locaux mmes du service d'urgence; dans ce dernier
cas de figure, les cas sont sporadiques, et lis principalement l'abus d'alcool,
certains facteurs culturels (ethnie tzigane, par exemple) et des plaintes lies
aux dlais d'attente parfois excessifs pour quelques malades.

Ces tudes comparatives entre les services durgences de certains pays europens,
montrent que ces services ont tous les mmes problmes qui sont lis lorganisation du
service comme le manque de brancardiers, le manque de lits, le manque despace et aussi
laugmentation du dlai dattente.

Larticle de (Gonzalez-Moartinez, 1997) prsente un systme dordonnancement et de


suivi de la production dans un service durgences. Les fonctionnalits du systme et les choix
en terme dinterfaces (capteurs, actionneurs) sont dcrits. Pour ce qui concerne la liste des
fonctionnalits implmentes, on trouve :
-

la prvision de la demande base sur lexploitation dun historique de lactivit


du service partir de modles statistiques,

48

Chapitre 2
-

la tenue des donnes techniques qui consiste par exemple mettre jour les
temps dinterventions partir du suivi de lactivit,

lordonnancement des interventions aidant laffectation des ressources aux


interventions et lagencement de ces dernires dans le temps, ceci diffrents
niveaux de dcision,

le suivi dactivits et de ralisation constituant lhistorique du systme et


informant des carts entre prvisions et ralisations,

les rapports dactivits permettant dlaborer des statistiques sur les patients,
ressources et activits.

Des cartes magntiques et codes barres sont utiliss pour alimenter le systme, ainsi que des
interfaces graphiques pour la communication homme machine. Plus prcisment le patient est
identifi par une carte magntique lue lors de ces dplacements, les consommables par un
code barre. Des icnes symbolisent les patients et les services afin dinformer de la
localisation et de ltat de chacun deux. A noter que les couleurs sont bien appropries la
notion dtat, durgence ou de priorit.
Ces dernires annes, le nombre des admissions dans les urgences a connu une croissance
significative (Huang, 1998). Les hpitaux de Plymouth sont confronts une telle
volution. Comme plusieurs autres tablissements de soins, ladministration mdicale de
Plymouth (grant 12 spcialits) utilise deux priodes dadmission, une pendant le jour de 9h
21h et une pendant la nuit de 21h 9h. Ces types dadmission posent les problmes
suivants : il est difficile de satisfaire une demande de soins dun patient le jour de son
admission vue la non disponibilit des mdecins durant cette priode et ceci provoque des
allongements des dures de sjour. Pour rpondre cette situation, lhpital sest engag dans
un projet de ringnierie ayant pour objectif de revoir la faon dont les soins mdicaux sont
dlivrs dans le but damliorer lefficacit des services et la qualit des soins.
Huang propose dans son article un support qui facilite la prise de dcision dans les projets
de r ingnierie. Il se concentre sur la conception et lexploitation des rsultats des modles
pour aider prendre des dcisions partir des donnes techniques. Les objectifs de ce projet
sont essentiellement lamlioration de la qualit des soins et lefficacit des services mdicaux
face la croissance des admissions dans les urgences. Parmi les mesures prendre en charge
on trouve : la rduction des retards critiques, la gestion des lits, la rvision de lallocation des
lits. Le support de prise de dcision propos inclut :

49

Etat de lart

la dtermination des dimensions de lunit mdicale dun service (lits et chaises).

La prise de dcision pour allouer les lits disponibles aux spcialits afin de
rduire la demande de lits supplmentaires.

Huang trouve que les problmes de planification des lits sidentifient des problmes de files
dattente. Les patients arrivent lhpital dune faon alatoire, sjournent pour une priode
alatoire de temps puis ils sont transfrs ou librs. Pour lauteur, les problmes de
planification des lits sont trop complexes pour tre rsolus mathmatiquement. Dans ces
conditions, la simulation est la technique de modlisation utiliser. Dans une unit mdicale,
les lments majeurs intervenant sur les besoins en lits sont :
-

le nombre des admissions en urgences par jour,

la distribution des dates darrive des patients par jour,

la dure de sjour dun patient dans lunit.

Lauteur veut connatre le nombre de lits affecter afin de minimiser la demande de lits
supplmentaires prvoir pour le premier quart de lanne 96 (priode suppose la plus
charge). Pour rpondre cette question, il a besoin de : la distribution des besoins en lits
pour chaque spcialit, lallocation des lits souhaite entre les spcialits pour minimiser la
demande de lits supplmentaires. Huang a tout dabord collect des donnes du systme
dinformation de ladministration mdicale, puis il a labor un modle de simulation aprs
avoir consult les diffrents types de personnels (gestionnaire, mdecins, infirmiers,
coordinateurs des lits). Enfin, il a effectu une analyse ayant pour but de faire comprendre les
rsultats de la simulation aux gestionnaires.
Wieser et al (2002), qui face une constante augmentation du nombre dadmission au
service des urgences des hpitaux universitaires de Genve, ont propos une tude logistique
afin de garantir les performances et la qualit des prestations. Lanalyse systmique des flux a
permis de mettre en vidence une sous optimisation de lallocation des ressources et une
dsynchronisation des flux physiques et logiques gnrant un manque de traabilit. Deux
tudes ont alors t effectues : une modlisation, par simulation numrique, des flux
physiques qui a conduit une reconfiguration des locaux, une meilleure utilisation des
ressources (humaines et matrielles), une rduction des temps dattente des patients et une
anticipation du comportement du systme en fonction de sa charge ; la dfinition dun
nouveau concept du systme dinformation (unique, homogne et cohrent) visant amliorer
la saisie des donnes et la traabilit des patients.

50

Chapitre 2
Selon Roy et al (2002), laugmentation des admissions aux urgences dpassant

quotidiennement les capacits de soins a conduit les services sorganiser afin de dterminer
quels patients devaient tre pris en charge rapidement et lesquels pouvaient attendre. Ce
processus, dnomm triage , consiste dterminer la phase initiale de la prise en charge
dun patient, la filire adapte son tat en termes de dlai et de type de soins. Cette mission
est confie en France, le plus souvent, aux infirmires daccueil et dorientation avec, si
possible, un appel un mdecin rfrant dans les situations complexes et/ou les priodes de
dbordement. Alors quun tri en trs urgent, urgent ou non urgent sest avr dcevant, la
fiabilit de plusieurs chelles de triage en cinq priorits de prise en charge mdicale a t
confirme, par une concordance entre infirmires et mdecins, par une corrlation avec le
recours lhospitalisation et par une bonne reproductibilit. Ces chelles sappuient sur une
classification des motifs de recours et lestimation des paramtres vitaux et de la douleur.
Lutilit relle du triage dans un service durgence dpend des capacits des quipes
sapproprier lchelle, intgrer la priorit dans lorganisation des filires de soins et mettre
en place des procdures dvaluation.
Kizer (2002) a parl de lamlioration de la qualit dans le service durgence.
Pour Bellou et al (2003), le service durgence devient le mode daccs privilgi aux soins
hospitaliers, depuis ces dernires annes, les difficults dhospitalisation, surtout celles des
sujets gs, partir des services durgences nont cess de crotre. Les urgences constituent
une source de recrutement importante pour les services hospitaliers, 4 patients sur 10 entrent
lhpital par le service durgence. Les difficults dhospitalisation partir du service
durgence sont surtout importantes pour les patients gs. Il existe actuellement 2 filires de
prise en charge, lhospitalisation programme et lhospitalisation non programme. La
cration dunits dhospitalisation de trs courte dure spcifique aux services durgences a
permis de rpondre certaines de ces difficults. Mais ces units, sont limites par le nombre
rduit de lits et une dure de sjour infrieure 36 heures. Certains hpitaux ont dvelopp
des units de court sjour durgence polyvalentes pour accueil des patients admis au service
durgence ne justifiant pas dune prise en charge spcialise. Les auteurs ont propos de
mieux rguler les hospitalisations en intgrant les services durgences des rseaux de soins
prenant en charge les diffrentes filires. Une filire daval adapte lhospitalisation des
urgences pourrait tre organise. Elle serait constitue du service durgence, de lunit
dhospitalisation de trs courte dure et de lunit dhospitalisation de court sjour durgence

Etat de lart

51

en interface avec les services de mdecine interne, de mdecine polyvalente, de griatrie et de


spcialits au sein dun rseau ville-hpital.
Selon Navas et al (2004), en Colombie, comme dans de nombreux pays du monde, les
Services durgences sont entrain de se convertir en la principale porte dentre des hpitaux.
Les auteurs prsentent un travail de modlisation du flux des patients du service durgence
dun hpital colombien. Un modle base de Rseaux de Ptri de haut niveau du flux de
patients dans le service dUrgence de la Fundacion Cardioinfantil a t prsent de faon
permettre de comprendre les difficults lies sa simulation. Les Rseaux de Ptri ont t
choisis comme outil de modlisation de par leur grande habilit dcrire des processus
asynchrones, concurrents et squentiels dune part et parce quils sont structurs grce un
langage formel et en mme temps graphique dautre part. la construction du modle, sa
vrification et pr validation ont t labores laide de logiciels de calculs et de simulation
simples. Les rsultats de cette premire tude montre la similitude entre le comportement du
modle et les donnes statistiques disponibles sur le flux rel des patients du service
dUrgence de la Fondation.
Trudeau (2004), la problmatique des salles durgence est au centre de plusieurs dbats et
proccupations au sein des pays industrialiss. Au Qubec (Canada), dans les salles
durgence, les rfrences pour les consultations psychiatriques ne sont pas toujours
pertinentes. Rgulirement, le manque de confiance envers les agents de liaison en sant
mentale la salle durgence, milite en faveur dune mauvaise utilisation des ressources. Cest
pourquoi lauteur a essay de dmontrer quon peut amliorer la pertinence des consultations
psychiatriques avec le soutien de lagent de liaison. Il a utilis comme outils, deux
diagrammes de flux. Le diagramme du patient sans garde en tablissement , le diagramme
du patient avec garde en tablissement et par la suite une analyse AMDEC (Analyse des
Modes de Dfaillances, de leurs effets et de leur Criticit) a t ralis pour prciser les
risques. Les rsultats obtenus militent en faveur du bien-fond de la prsence dun agent de
liaison en sant mentale la salle durgence.
Daprs Bounekkar et al (2004), travailler sur la typologie des trajectoires de soins ouvre le
champ dune meilleure connaissance de la gestion du risque maladie en proposant un autre
regard sur la manire dont les assurs sociaux recourent au systme de soins et dont les
professionnels de sant tentent de rpondre leurs besoins. Ce type de travail peut galement

52

Chapitre 2

aider les professionnels de sant mieux comprendre les rythmes et les consquences des
modles de consommations des usagers afin den faire un lment de leur dcision en
complment de leurs connaissances mdicales. Dans ce contexte, les auteurs ont trait et
analys de vritables gisements de donnes mdicales dans lobjectif dextraire et de dcrire
des trajectoires de patients ayant recours aux urgences mdicales, par le biais des techniques
dExtraction de Connaissances, partir de Donnes (ECD), en se fondant sur une
modlisation de type processus stochastique. Le premier problme quils ont trait dans cet
article est la construction mme de la trajectoire partir des bases existantes en respectant le
formalisme des processus stochastiques. Ils ont propos ensuite de caractriser, de visualiser
et de dcrire les trajectoires. Ils ont pris en compte la reprsentation par une image pour
analyser et classifier les trajectoires, ce qui permet dutiliser des concepts lis lanalyse des
plages pour en extraire des paramtres caractristiques de la trajectoire. Celle-ci est
reprsente dans un espace de type Rn, ce qui rend utilisable lensemble des mthodes
usuelles de classification automatique des donnes. Ce travail a permis de scinder les
trajectoires en deux groupes : le groupe de trajectoires dites chroniques et le groupe de
trajectoires dites pisodiques .
Wieser (2004), une tude mene en 2001-2002 au service des urgences de lhpital de
Genve a mis en vidence une dsynchronisation des flux physiques et logiques, induisant
une sous optimisation de lallocation des ressources. Cette tude a montr certaines carences
en matire de saisie et traitement en temps rel de lensemble des donnes lies aux patients et
aux ressources hospitalires. Lauteur a essay de dfinir un nouveau concept de saisie et de
mise jour des donnes tel que lutilisation des Tableaux de bord et le systme RFID (Radio
Frequency Identification).
Certains chercheurs ont tudi les dures de sjour, Tempelhoff (1990) a class les
patients en 6 groupes selon la charge de travail (classification GEMSA), il a dmontr une
hirarchie des groupes selon la dure de sjour : G3 < G5 < G2 < G4 < G6. La dure de sjour
moyenne varie de 15 min pour le groupe G3 110 min pour le groupe G6. Les groupes G4 et
G6 sont caractriss par une charge de travail mdicale et infirmire intense et une
consommation dactes radiologiques et biologiques relativement importante.
Au Royaume Uni, Cooke M. et al (2002) (2004) proposent une typologie des actions
menes pour rduire les dlais dattente ayant fait leur preuve :

Etat de lart

Triage des patients (fast track ou circuit rapide),

Actions sur les examens complmentaires,

53

Impact de lutilisation des mdecins expriments, nouveau partage des


responsabilits.
Rorientation des patients avant leur admission (utilisation des maisons
mdicales , des services de consultation, accueil tlphonique des patients et des
mdecins de ville), management des flux de patients au-del des urgences.
Ces dernires annes quelques thmatiques de recherches, en Tunisie, commencent
sorienter vers les problmatiques du milieu hospitalier et particulirement vers les problmes
des services des Urgences, tel que les travaux de Chetaoui et al (2002). Pour eux, le service
des urgences de l'hpital rgional de Kbili Tunisie est souvent mal utilis, ce qui gnre un
ensemble de problmes, notamment de grande affluence de cas non urgents, qui sont
l'origine des difficults rencontres par les professionnels de la sant touchant la pertinence
des services de soins. Ltude a t faite pendant une semaine, 24 h/24; deux questionnaires
ont t utiliss. Le premier comprenant deux parties: une remplie par le personnel d'accueil
concernant des donnes gnrales (identification, couverture sociale,) et le symptme/
motif de consultation aux urgences, l'autre destine aux mdecins du service concernant
l'valuation du degr d'urgence rel et la conclusion mdicale. Le deuxime questionnaire est
rempli par les patients eux-mmes, ou la personne qui les accompagne, et recueille des
donnes de satisfaction. Sur 205 patients qui ont constitu l'chantillon de l'tude, 94,6%
taient auto-rfrs. Un tiers seulement des urgences traumatiques taient des urgences vraies
et plus que la moiti des urgences mdicales ne ncessitaient pas le recours un plateau
technique hospitalier. 35.6% des cas prsentaient un ensemble de problmes de sant non
frquents dont un quart d'entre eux seulement taient des urgences vraies. 53% des cas classs
comme urgences justifies ou non justifies auraient pu ne pas tre pris en charge par le
service des urgences, si la qualit des soins de sant primaires tait meilleure.
Il ressort des rsultats de l'tude que le service rgional des urgences est souvent sollicit pour
des cas qui ne le justifient pas. Davantage d'efforts doivent tre dploys dans le domaine de
l'ducation pour la sant de la population ainsi que dans le dveloppement du systme de
sant de base.

54

Chapitre 2

III. GESTION PAR PROCESSUS ET MODELISATION


Les travaux de Lagergren (Lagergren, 1998) portent sur lapport de la modlisation dans la
gestion des milieux hospitaliers. La modlisation permet de comprendre le fonctionnement
dun systme donn et de prvoir ses ractions face aux diffrents changements auxquels le
systme est confront. Les modles dvelopps dans ce cadre fournissent la possibilit
dtudier des systmes non encore existants, de prvoir les consquences complexes de
dcisions ou de dveloppements et ils permettent la ralisation virtuelle de tests impossibles
ou trop coteux effectuer dans la ralit.

De Vries et al (1998), prsentent un modle dynamique minimisant le temps dattente des


patients pour les admissions dans les services de soins. Ils retiennent lexemple des listes
dattente des personnes ges en psychiatrie. Le modle permet :
-

de traiter quelques aspects dynamiques dattente pour les units de soins ;

destimer lhorizon de la liste dattente,

destimer le temps dattente moyen ne pas dpasser suite des changements


imprvus sur les principaux paramtres du modle tels le nombre des lits
disponibles ou le nombre potentiel de patients,

de discuter davance des diffrents scnarios tels que la rduction en nombre des
lits planifis o la croissance en nombre de patients prendre en charge.

Dans une liste dattente les variables les plus importantes prendre en considration sont
daprs lauteur : le temps dattente moyen et la longueur de la liste dattente. Le modle a t
utilis dans un premier temps en 1991 dans un rapport consultatif ayant pour objectif
destimer le nombre de lits ncessaires pour la rgion de la Hague pour les dcades venir.
Une deuxime utilisation du modle a t entreprise en 1992 pour examiner le nombre des lits
ncessaires afin de rduire le temps dattente moyen dans la rgion de la Hague
En effet, daprs Pascal (2003), les spcificits de la production hospitalire ne constituent
pas un obstacle la mise en uvre de la gestion des processus lhpital. Bien au contraire,
lirruption du patient en tant quacteur part entire du systme de sant sous leffet conjoint
de lintensification de la concurrence, qui multiplie les opportunits de choix et de
comparaison, de la monte du consumrisme et des rformes juridiques qui consacrent les
droits des patients, rend, plus que jamais, ncessaire ladaptation des modes dorganisation
autour dune rflexion sur la valeur des prestations proposes par les tablissements de sant.

55

Etat de lart

Le succs des dmarches processus lhpital repose sur la capacit donner du sens ces
dmarches travers une vision unique qui passe par une dfinition de la valeur des prises en
charge intgrant non seulement la vision mdicale et la vision tutlaire, mais surtout la vision
des patients. Ceci suppose une action non seulement en aval de la prise en charge mais aussi
en amont par lintermdiaire dvaluations pousses et rigoureuses des besoins du patient.
Alors que les services publics cherchent btir des organisations plus flexibles et plus
transversales pour mieux rpondre aux aspirations des citoyens des prestations plus
diffrenties et personnalises, lenjeu pour lhpital consiste stabiliser les modes de prises
en charge tout en prservant la part dadaptation et dinnovation requise par chaque trajectoire
individuelle. Seule une dmarche participative danalyse des processus par des groupes
pluridisciplinaires peut faire merger de nouvelles faons de faire-ensemble acceptables et
mtabolisables

par

les

acteurs

travers

un

double

mouvement

de

dconstruction/reconstruction de leurs pratiques individuelles et collectives. Le processus


dcrit et formalis constitue un cadre intgrateur des diffrentes reprsentations individuelles
des acteurs de la prise en charge, une communaut dapprentissage permettant de construire,
dexpliciter et de formaliser, partir de la confrontation des diffrentes interprtations locales,
une thorie daction commune.
Pour Rakotondranaivo et al (2005), les rseaux de sant simposent depuis quelques
annes comme une nouvelle donne dans la rorganisation des systmes hospitaliers pour une
meilleure production de soins et une amlioration des pratiques. Au cur de ce chantier
ambitieux, le patient est au centre du dispositif grce une prise en charge coordonne,
globale, gal accs aux soins de qualit et de proximit. Une meilleure connaissance de leurs
modes de fonctionnement, lvaluation et loptimisation de leurs performances relvent du
dfi. Ltude a propos lapproche systmique par processus pour aborder ce mode
dorganisation innovant voluant dans un environnement complexe et mouvant. Cette
dmarche a conduit effectuer une modlisation externe et une identification des principaux
processus mis en uvre dans le cadre de cancrologie rgional Oncolor. Une application
particulire a concern le processus de production et de diffusion des rfrentiels rgionaux de
bonnes pratiques qui sont censs optimiser le processus de prise en charge des patients.
Daprs Romeyer et al (2004), face aux difficults multiples rencontres dans le
fonctionnement de son systme dinformation et compte tenu denjeux stratgiques majeurs,
le centre hospitalier universitaire de Saint-tienne a fait le choix de procder une rvision

56

Chapitre 2

complte de son systme dinformation hospitalier (SIH), sappuyant sur une forte implication
des utilisateurs et sur un pilotage marqu par lintervention centrale de la matrise douvrage.
La mthodologie retenue, axe sur la modlisation des processus, sinscrit dans un
environnement propice : la restructuration en profondeur du CHU et en particulier le
regroupement de lensemble des activits de mdecine- chirurgie et des urgences sur un seul
site. La description des tapes de la dmarche, des rsultats obtenus et des suites actuellement
envisages permet de favoriser lchange dexprience au moment ou linformatisation de la
production de soins, et notamment du dossier patient, constitue une priorit pour les hpitaux.
Besombes et al (2004) visent que dans le cadre du Plan Hpital 2007, les tutelles incitent
les tablissements hospitaliers publics et privs analyser leurs pratiques et mesurer leurs
performances, pour faire merger une meilleure organisation des activits hospitalires,
combinant qualit du service rendu au patient, et efficience conomique. Lenjeu majeur de
ces mutations est la matrise des dpenses de sant avec la mise en place de la tarification
lactivit, la prise en compte de lvolution de la dmographie des personnels mdicaux et
paramdicaux, et la rationalisation des moyens par le regroupement et la mutualisation des
ressources autour de ple de comptences. Larticle propose une dmarche et un
accompagnement du changement laide de la modlisation dentreprise pour la conception
et la dfinition des modes de pilotage appliqus au plateau Mdico- Techniques. Lobjectif est
de tester lapplicabilit de ces mthodes usuellement appliques au cadre de la modlisation
dentreprise, dans le cas de la modlisation des systmes hospitaliers. Les auteurs ont utilis
une approche base sur les concepts de la mthode GRAI. Pour mettre en vidence la
modification des pratiques lies au regroupement des blocs opratoires, dans le processus de
prise en charge du patient, dans les mcanismes de prise de dcision, dans la construction du
systme dinformation comme dans lvaluation de la performance de chaque bloc puis du
Plateau Mdico- Technique.
De leur ct Rakotondranaivo et al (2005), ont propos daborder la notion de dcision
dans les organisations socio- techniques et plus particulirement dans les organisations de
sant. La complexit du rle des acteurs les a conduits enrichir le modle classique de
structuration sur trois niveaux (stratgique, tactique et oprationnel) et diffrentier les
dcisions de pilotage et celles dingnierie. Dans un premier temps, ils ont proposs leurs
dfinitions et concepts pour, ensuite, les confronter un cas spcifique qui concerne un rseau
de sant. Aprs avoir dfini les rseaux de sant et leur place dans le systme de sant ils ont

57

Etat de lart

abord une mission importante de ces rseaux qui concerne la production de rfrentiels.
Ltude relative llaboration de rfrentiels fait rfrence un processus global, elle a pour
origine une demande et une sollicitation externe (la recherche scientifique, et des demandes
de professionnels non-spcialistes par exemple) et pour issue un impact sur la prise en charge
des patients. Ainsi, pour identifier les diffrents impacts des dcisions, le rseau doit tre
modlis dans son ensemble avec les liens et les acteurs concerns par lingnierie et le
pilotage. Ltude de la modlisation avec un support logiciel orient processus (type MEGA
process) permet une validation pertinente des processus de dcision et des acteurs des
dcisions avec les diffrents partenaires. Le support graphique avec ses diffrentes possibilits
constitue un support pertinent pour la communication. Ltude ralise avec cette approche
relative la nature et aux niveaux de dcision identifie clairement la difficult de passer de
lingnierie au pilotage, en effet, ce passage est simple si ce sont les mmes acteurs ou des
acteurs du mme milieu professionnel qui sont concerns, par contre cela peut tre
particulirement dlicat si les acteurs appartiennent des catgories diffrentes.
La communication de Briquet et al (2004) a pour objectif de proposer une rflexion sur
lorganisation et le pilotage des systmes hospitaliers. Ils ont prsent la modlisation des
systmes hospitaliers : panorama des mthodes potentielles, les raisons du choix de la
mthode MECI et une application lidentification des processus dun systme hospitalier par
nature. Ils ont de mme prsent le concept de ple dactivits et les rflexions qui en
dcoulent. Ils ont dfini tout dabord le concept et ont propos un modle de ple bas sur le
concept dunit organisationnelle. Ils ont abord ensuite la logique de constitution qui rsulte
dune enqute effectue par la Meah sur le terrain, cela a conduit proposer leur rflexion sur
son pilotage. Ces rflexions ont permis de dmonter :
-

Lapport des techniques de modlisation comme base dingnierie des systmes


hospitaliers.

Les opportunits offertes par la mise en uvre des structures par pole dactivit.

Mais aussi la ncessit de dfinir une nouvelle structure de pilotage des systmes et plus
prcisment de coordination des ples dactivit garante de performance globale, la
performance devant quant elle, tre redfinie clairement pour les hpitaux par rapport leur
but.

58

Chapitre 2
Nous constatons, que diffrents problmes sont traits au niveau des services d'urgences.

Certains chercheurs (Huang, 1998), (Wieser et al, 2002), (Navas et al, 2004) ont utilis la
modlisation et la simulation; dautres comme Tempelhoff (1990) et Cooke M. et Coll (2002)
(2004) ont donn importance la dure de sjour pour valuer la performance de ces services.
De ce fait, nous proposons, pour valuer la performance du service d'urgence de l'hpital
Habib Bourguiba de Sfax et minimiser la dure de sjour des patients, de commencer par la
modlisation du processus des flux des patients pour passer ensuite la simulation.

Thmes
1.

la qualit dans les hpitaux

2.

La gestion par processus et la modlisation

3.

Lordonnancement et la planification

4.

La gestion des stocks

5.

La rorganisation dans les tablissements


de sant :

6.

systme dinformation

7.

Les cots dans les hpitaux

8.

service durgence

Auteurs
Li (1997), Maggi et al (2002), Aiello et al (2003),
Mainz (2003), Arasli et al (2004), Che Rose et al
(2004), Pineau (2004)
Lagergren (1998), Vries et al (1998), Pascal (2003),
Romeyer et al (2004), Besombes et al (2004),
Rakotondranaivo et al (2005), Briquet et al (2005),
Venkataraman et al (1996), Ridge et al (1998),
Jaumard et al (1998), Dexter et al (1999), Marcon et al
(2003), Di Martinelly et al (2004), Combes et al
(2004), Chaabane et al (2004), Hammami et al (2004),
Jebali et al (2004), Dreset et al (2004), Trilling et al
(2005), Rousseaux et al (2005)
Hassan et al (2005), Di Martinelly (2005),
Artiba et al (2004), Claveranne (2003),
Bonvoisin et al (2004)
Romeyer et al (2000), Zarama et al (2004)
Alberto et al (2002), Ling et al (2003), Wagner et al
(2003), Ladjimi et al (2004),
Gonzalez-Moartinez, (1997), Huang, (1998), Wieser et
al (2002), Roy et al (2002), Kizer (2002), Bellou et al
(2003), Navas et al (2004), Trudeau (2004),
Bounekkar et al (2004), Wieser (2004), Reix (2000),
Chodosas (2002)

Tableau 1: Etat de l'art en gestion hospitalire

Le tableau ci-dessus, prsente certains thmes qui ont t abords dans le domaine
hospitalier. Il convient de remarquer que la majorit des travaux tudis ont t labors en
Amrique du nord. Ces dernires annes, des projets et des thmatiques de recherche en
Europe et en Tunisie commencent sorienter vers les problmatiques du milieu hospitalier.
Des revues mdicales spcialises et des congrs ou colloques ont commenc voquer les
problmatiques de gestion hospitalire et, plus prcisment, celles des services durgences.

Etat de lart

59

IV. CONCLUSION
Des travaux effectus par des chercheurs du milieu mdical aussi bien que du domaine des
sciences de lingnieur sont apparus dans diffrentes revues.

Dans ce chapitre nous nous sommes intresss au service durgence qui est caractris par
un systme complexe et dlicat puisquil sagit de la sant des personnes. Dans les chapitres
suivants nous proposons une modlisation et nous expliquons la performance dans ce service.
Nous dtaillons par la suite le cas tunisien.

Chapitre 3

MODELISATION DU SERVICE
DURGENCE

Dans ce chapitre nous prsentons dabord les objectifs et les mthodes de


modlisation tels que la mthode IDEF, puis la modlisation du service durgence de
lhpital Habib Bourguiba.

Modlisation du service durgence

61

I. INTRODUCTION
Afin de rpondre au mieux au besoin damlioration dans un tablissement
quelconque, il est important de pouvoir proposer une modlisation. Celle-ci va
permettre de mieux identifier les dysfonctionnements et problmes rencontrs. La
modlisation constitue une aide considrable au niveau de la phase danalyse de
lexistant.
Lvaluation des performances dun systme rel se dcompose dune tape de
modlisation permettant de passer du systme au modle et dune tape danalyse des
performances du modle. Ce chapitre prsente la modlisation des services d'urgence :
les avantages ainsi que les diffrentes mthodes de modlisation.
II. LA MODELISATION DANS UN SERVICE D'URGENCE
Avant dentamer la modlisation du service durgence de lhpital Habib
Bourguiba Sfax, nous allons dans un premier temps faire un tour rapide des tudes
ralises concernant ce point.
Dans Tao et al. (2006), il est prcis que lexigence des soins apporter aux
patients accueillis aux urgences, combine au contexte conomique impose aux
tablissements hospitaliers et surtout aux services des urgences, des dcisions rapides
ainsi que loptimisation de lemploi des ressources matrielles et humaines pour
maintenir la fluidit des patients sans pour autant compromettre la qualit de soins.
La particularit dun service des urgences, par rapport aux services
dhospitalisation rside dans le fait que les patients ne sont pas programms. Ils
arrivent au fil de leau et sont pris en charge au fur et mesure de leurs arrives.
Daprs Combes (1994), cette arrive de patients soulve les problmes
daffectation .
Les difficults lies au service des urgences sont principalement les flux de patients
soumis aux nombreux alas, la faible anticipation du processus de prise en charge des
patients, le manque de matrise de lamont et de laval du parcours du patient, la
multiplicit des intervenants. Lobjectif principal dun service des urgences est donc

62

Chapitre3

de garantir une prise en charge rapide et qualitative des patients tout en planifiant les
ressources du systme hospitalier.
Chauvet et al (2006) ont recens plusieurs objectifs lis au service des urgences :
-

Lvaluation et lamlioration du temps dattente pour la prise en charge


des patients,

Lvaluation des principaux horaires du circuit dun patient pris en charge


au service des urgences,

La modlisation et la dmarche du processus de prise en charge des


patients, du flux des patients,

La simulation des problmes de gestion et de planification,

Le dveloppement dun modle de simulation pour lvaluation du systme,

Le choix, le dimensionnement et la gestion des ressources,

Lallocation des ressources et une synchronisation des flux physiques et


logiques,

La conception dun systme bas sur la connaissance pour faciliter le


processus dcisionnel,

Le dveloppement dun outil pour aider la prise de dcisions dans des


situations durgence.

Dans la littrature, les principaux problmes tudis de la filire durgence traitent


de la modlisation, la simulation et loptimisation des flux de patients. Les objectifs
peuvent tre de diminuer les temps de passage des patients, de concevoir et de mettre
en place un outil daide au dimensionnement et au pilotage de systmes. Certaines
dentre elles sont cites dans le tableau suivant.

63

Modlisation du service durgence


Problmes

1.

2.

3.

Modlisation,
simulation
optimisation des flux de patients

Auteurs

et

Diminution des temps de passage des


patients

Conception et mise en place dun outil


daide au dimensionnement, au
pilotage des systmes

Faure S., Dr Vermeulun B., Dr Wieser


P., (2003)

Hadges P., Bellou A., Grandhaye J-P,


Bayad M. (2003)

Lubicz M., Mielczarek B. (1987)

Moreno L., Aguilar R. M., Pineiro J.


D., Estvez J. I., Sigut J. F. and
Gonzlez C. (1996)

Syi Sua, Chung- Liang Shihb (2003)

Valenzuela DT, Goldberg J., Keeley


TK, Criss A E (1990)

Navas J. F., Arteta C., Hadjes P. S.,


Jimnez F. (2004)

Velin P., Alamir H., Babe P., Four R.,


Guida A. (2001)

Combes C. (1994)

Doheny J. G., and Fraser J. L. (1996)

Tableau 2: Les principaux sujets d'tude concernant les urgences

Suite laugmentation considrable du volume des passages aux urgences, la


gestion des flux des patients devient de plus en plus importante pour les directions
hospitalires. Cest pour cette raison que certains auteurs, comme (Navas et al, 2004),
(Dehas et al, 2006) (Chauvet et al, 2006) et (Tao, 2006),

ont donn une grande

importance la modlisation du processus de passage des patients aux urgences. Par


ailleurs, nous prsenterons dans la partie empirique de la thse une modlisation du
processus de passage des patients dans le service tudi afin de minimiser le temps de
passage des patients.
En effet, la description des processus est importante, afin que ces processus soient
grs, valus et dvelopps. Le processus est une combinaison dactivits, mobilisant
des savoir-faire multiples se droulant dans le temps, et finalis par un objectif. (El
Mhamedi et al, 1997).
III. LES OBJECTIFS DE LA MODELISATION
La modlisation dans les hpitaux, ne des besoins issus de laccroissement de la
complexit des services hospitaliers, est une discipline qui a pour objectif de pouvoir
modliser les systmes hospitaliers en tenant compte des nombreux facteurs entrant en

64

Chapitre3

ligne de compte dans leurs comportements rels. Ainsi le recours la modlisation est
caractris par diffrents objectifs.
Pour Vernadat (1996), le recours la modlisation des systmes de biens et de
services se justifie par les raisons suivantes :
-

comprendre et analyser la structure et le fonctionnement du systme ;

prvoir le comportement et les performances des processus oprationnels et de


soutien avant leur implantation ou pendant un projet de r ingnierie en vue
dacclrer les flux et daugmenter la comptitivit du systme dcrit ;

choisir la ou les meilleures alternatives de ralisation et dimplantation de


toute organisation ;

btir une vision commune du fonctionnement du systme et la communiquer


facilement au plus grand ensemble possible du personnel.

Nous avons recours la modlisation des processus dans un service durgence pour
les raisons suivants : (Colin, 2004)
-

Elle favorise une description du fonctionnement de ltablissement en termes


concrets et amliore ainsi la lisibilit des organisations et des responsabilits
au sein des diffrents processus (Lorino, 1995) ;

Elle permet de placer le patient au centre des proccupations et de mieux


comprendre son parcours au sein de lhpital et de le scuriser ;

Elle facilite le dbat et les changes entre acteurs ( travers la participation


une mme dmarche et la construction dun langage commun) et permet de
mieux comprendre la place et la contribution de chacun dans le processus de
prise en charge du patient (Pascal, 2000) ; la cartographie des processus est en
cela un puissant outil de communication ;

Elle assure une vision transversale de lorganisation : les processus peuvent


mettre en vidence que des activits en apparence non relies font en fait
partie dune mme squence ; la modlisation des processus a ainsi permis aux
participants dabandonner, au niveau du systme dinformation tout au moins,
la vision mtier pour une approche beaucoup plus transversale ;

Elle contribue aider ltablissement hospitalier mieux connatre ses besoins


rels ;

Modlisation du service durgence


-

65

Elle permet de prparer la mise en place dun systme dcisionnel garantissant


lefficience de lorganisation hospitalire.

Ainsi, la modlisation dentreprise selon F. Verdanat (1999) a pour objet la


construction de modles dune partie dtermine dune entreprise pour en expliquer la
structure, le fonctionnement et en analyser le comportement . Ainsi, lun des
objectifs essentiels de la modlisation dentreprise est de produire de la connaissance
sur une entreprise pour permettre une analyse. Dans notre cas il s'agit de la
connaissance du processus des flux de patients. Divers mthodes et outils de
modlisation des processus mtier ont t dvelopps.
IV. LES METHODES DE MODELISATION
Divers mthodes et outils de modlisation des processus mtier ont t dvelopps
dans diffrents domaines. Pour Harzallah (2000), les mthodes de modlisation des
systmes sociotechniques sont nombreuses et elles se diffrencient par le point de vue
considr (oprant, information, dcision) et lobjectif de la modlisation (audit,
analyse, conception). Elles sont gnralement associes des mthodologies de
ringnierie ou de rorganisation.
-

Mthodologies de rorganisation des gestionnaires, comme, par exemple, la


conception dune structure organisationnelle (conception des postes de travail,
conception de la superstructure et conception des liens latraux) ;

Mthodologie de ringnierie du type BPR ;

Mthodologie de rorganisation continue : Kaizen, PDCA, TQC et TQM ;

Mthodologie issues de la productique : CIMOSA, GIM, ALCOSCOP, PERA,


GERAM,etc.

Ces mthodes utilisent des outils de modlisation comme :


-

Des modles de type productique : IDEF0- SADT, IDEF3, CIMOSA,


grille GRAI.

Des modles de type sociologues et gestionnaires : description des postes


de travail, modles de comptences, modles psycho cognitifs, etc.

66

Chapitre3
Dautres mthodes et outils danalyse peuvent tre considrs comme autant de

supports aux actions de ringnierie ou de rorganisation :


-

Des mthodes de dploiement de la qualit comme QFD (Quality Function


Deployement) ou de matrise de la qualit comme TQC (Total Quality
Control)

On trouve galement des aides dans les cercles de qualit et les systmes de
suggestion

Les mthodes dvaluation de la performance : cot dobtention de la qualit,


cots et performances caches, valeurs ajoute directe, analyse de la valeur,
etc.

Les rfrentiels de type systme de management de la qualit : EFQM,


Malcom Baldrige, etc.

Les rfrentiels daccrditation spcifiques tels que pour les Systmes


Hospitaliers dvelopps par lANAES.

Un essai de comparaison a t effectu dans la thse de F.Throude (2002). Il a


recens 14 modles dentreprise : ACNOS, ARIS, CIMOSA, entits-relation,
GERAM, GRAI et GRAI-GIM, IDEF, IDEF3, IEM, Merise, PERA, PIF, SCOR
TOVE (Voir tableau n3)
MODELES

OBJECTIFS

1.

ACNOS

Modlisation, simulation, analyse

2.

ARIS

Analyse et conception de systmes informatiss

3.

CIMOSA

Modlisation unifie des diffrents flux

4.

E/R

Description des aspects donnes

5.

GERAM

Comparaison et valuation darchitecture

6.

GIM

Analyse des systmes intgrs de production

7.

GRAI

Analyse et conception de systmes de dcision

8.

IDEF0

Description hirarchise des systmes complexes

9.

IDEF3

Description des processus oprationnels

10. IEM

Modlisation oriente objet des systmes

11. MERISE

Analyse et mise en place de systme dinformation

12. PERA

Conception de grands systmes

13. PIF

Langage commun entre modles

14. SCOR

Modle logistique dentreprise

15. TOVE

Conception de modles gnriques de systmes

Tableau 3: Comparaison de quelques mthodes de modlisation (Throude, 2002)

Modlisation du service durgence

67

Daprs Throude (2002), il est conseill dutiliser la mthode IDEF3 pour la


description des processus. Ce qui explique notre choix de cette mthode dans la partie
empirique.
IV.1 Description de la mthode IDEF
IDEF (Integrated computer aided manufacturing Definition language), est une
technologie standardise dveloppe par lU.S. Air Force (Us Air Force, 1993). Elle
permet de dfinir larchitecture de systmes industriels, et est couramment utilise par
les industriels dans le cadre de lanalyse dentreprise, de la dfinition de processus, et
de la modlisation de processus ou dactivits. Le Dpartement de la Dfense des
Etats-Unis (DoD) utilise particulirement les mthodes IDEF durant les initiatives de
re-modlisation des processus industriels et de leur validation.
IDEF est un ensemble de mthodes compos entre autre de :
-

IDEF0 : modlisation base sur les activits,

IDEF1 : modles informationnels,

IDEF1x : modlisation de structures de donnes,

IDEF2 : modles pour la simulation,

IDEF3 : saisie de descriptions de processus,

IDEF4 : conception oriente objet,

IDEF5 : saisie de descriptions dontologies,

IDEF6 : saisie de rationalits conceptuelles,

IDEF7 : mthode daudit pour les systmes dinformation,

IDEF8 : modlisation dinterfaces utilisateurs,

IDEF9 : spcifications de la conception diriges par scnarios des systmes


dinformation,

IDEF10 : modlisation darchitectures dimplantation,

IDEF11 : modlisation dartefacts informationnels,

IDEF12 : modlisation dorganisations,

IDEF13 : conception de formalismes tri schmas,

IDEF14 : conception de rseaux.

Les langages les plus connus sont IDEF0, IDEF1 et IDEF3.

68

Chapitre3
IV.1.1 IDEF0
IDEF0 (US Air Force, 1993) est une mthode base sur Structured Analysis and

Design Technique (Lissandre, 1990). Son objectif est de construire un modle des
activits de lentreprise. Elle comporte non seulement la dfinition dun formalisme
graphique, mais aussi la description dune mthodologie de dveloppement des
modles. Lapplication dIDEF0 consiste en la construction dune srie hirarchique
de diagrammes, de textes et de glossaires par lintermdiaire de deux composants : les
fonctions (reprsentes par des boites) et les donnes et objets reliant les fonctions
(reprsentes par des flches).
Le langage de modlisation dIDEF0 possde les caractristiques suivantes :
-

Il est expressif, comprhensif et capable de reprsenter une grande varit


doprations commerciales ou manufacturires.

Cest un langage cohrent et simple permettant une expression rigoureuse,


prcise et non ambigu.

Il permet une meilleure communication entre les diffrents acteurs (analystes,


concepteurs et utilisateurs) en limitant les besoins dapprentissage un seul
langage et en utilisant une prsentation hirarchique des niveaux de dtail.

Il a fait lobjet de validations compltes.

Ce langage peut tre gnr automatique par un outil de modlisation graphique.


En plus dun langage, IDEF0 prconise lutilisation dune mthodologie de
construction et dinterprtation des modles. IDEF0 est une technique de modlisation
base sur une combinaison de graphiques et de textes. Elle permet la spcification
dun cahier des charges, supporte lintgration des activits et fournit les outils
ncessaires aux changements potentiels des systmes modliss.
Un modle IDEF est compos dune suite hirarchique de diagrammes permettant
la description par niveau de dtail croissant des systmes et de leurs interfaces dans le
contexte du systme modlis. IDEF0 est compos de trois types de diagrammes :
-

Le diagramme graphique dfinit les fonctions et les relations fonctionnelles en


utilisant une syntaxe compose de botes et de flches ainsi que la smantique
associe ;

69

Modlisation du service durgence


-

Le texte et le glossaire fournissent des informations complmentaires


concernant la reprsentation graphique.

Lorsquelle est utilise de manire systmatique, IDEF0 est une approche


dingnierie des systmes qui :
-

Met en place des mcanismes danalyse et de conception durant tous les


niveaux de dveloppement ;

Produit de la documentation servant lintgration de nouveaux systmes ou


la validation de ceux existant ;

Peut servir de vecteur de communication entre les analystes, les concepteurs,


les utilisateurs et les gestionnaires ;

Permet larchivage des consensus dquipes de modlisation ;

Produit des outils de gestion de projets grands et complexes, en utilisant une


mesure des progrs qualitative ;

Fournit une architecture de rfrence pour lanalyse dentreprise et permettant


la gestion des ressources et des informations.

Les composants accepts par la syntaxe sont les botes, les flches, les rgles et les
diagrammes. Les botes reprsentent les fonctions, les activits, les processus ou les
transformations. Les flches reprsentent les interactions de la fonction avec son
environnement.
Contrle

Entres

NOM DE

Sorties

FONCTION

Mcanisme

Appel

Figure 5: Une activit dans IDEF0

Comme lillustre la figure ci-dessus, chaque ct dune bote possde une


signification particulire dans le cadre des relations entre les botes et les flches. Les

70

Chapitre3

flches arrivant sur le ct gauche reprsentent les entres. Ces dernires sont utilises
ou modifies par la fonction pour produire les sorties (flches sortant droite). Le
cot suprieur correspond aux conditions de contrle ncessaires pour que la fonction
ralise correctement son rle. La partie infrieure dune bote est associe aux
mcanismes (moyens pour raliser lactivit).
IV.1.2 IDEF1
IDEF1 (Mayer, 1992) est une mthode dveloppe initialement dans le cadre du
projet Integrated Computer Aided Manufacturing de lU.S. Air Force. IDEF0,
IDEF1 et IDEF2 forment la base dune architecture de modles permettant
laccomplissement des objectifs de production de systmes ou environnements
industriels. Alors quIDEF0 et IDEF2 se focalisent respectivement sur les aspects
fonctionnels et temporels (simulation), IDEF1 a pour rle la modlisation
informationnelle ncessaire pour le bon droulement des fonctions du systme
industriel.
La mthodologie de modlisation IDEF1 incorpore les principes de base
permettant de produire des modles informationnels. Ses objectifs sont de construire
un modle dinformation intgr, concevoir une base de donnes pour ce dernier, et
implanter et installer la base de donnes, les fonctions associes et les composants
procduraux. IDEF1 dfinit un ensemble de procdures et de rgles permettant de
crer le modle informationnel. Celles-ci utilisent des formalismes graphiques et
textuels et le concept de formulaire. IDEF1 fournit les outils ncessaires au suivi et au
contrle du dveloppement du modle. Parce que la modlisation induit un processus
dvolution, la mthode IDEF1 est organise en un ensemble dtapes ayant des
rsultats mesurables. Elle fournit la possibilit dutiliser le concept de modularit qui
permet de limiter les incompltudes, les imprcisions et les inconsistances.
Un modle informationnel est compos de deux lments fondamentaux :
-

Les diagrammes : contiennent les caractristiques structurelles du modle


prsent en accord avec lensemble des rgles et des procdures de
construction dune reprsentation de linformation. La figure n6 illustre le
diagramme dcrivant les relations entre les entits composant le systme
dinformation modlis ;

Modlisation du service durgence


-

71

Les dictionnaires : correspondent la signification de chaque lment du


modle dcrit par lintermdiaire dun texte condens et dindices qui
dfinissent clairement les informations reprsentes par le modle.

Figure 6: Graphe IDEF1: Diagramme de classes d'entits (Mayer, 1992)

Un modle dinformation IDEF1 est un reflet dune entreprise manufacturire et


fournit une dfinition de base des besoins informationnels de cette organisation. Elle
assure la possibilit de distribution de linformation et lintgration du systme
informationnel dans lentreprise.
Le dveloppement du modle informationnel est compos de cinq phases :
-

Phase 0 : durant cette phase, le domaine et les objectifs du modle sont


dgags ;

Phase 1 : lobjectif est de dfinir les entits apparentes ;

Phase 2 : les relations entre les entits sont dgages ;

Phase 3 : le but est de dfinir les cls pour chaque entit ainsi que leurs
attributs ;

Phase 4 : les attributs non-cls sont dfinis et sont associs des entits.

Le processus de dveloppement dun modle informationnel est, par nature,


itratif. Le modle volue progressivement grce la succession des cinq tapes. Il
existe trois types vidents dactivits cycliques dans la mthode IDEF1 : cycle de
collecte des donnes, cycle de validation, cycle dacceptation par des experts. Chacun
dentre eux peut exister plusieurs fois durant la vie du projet de dveloppement. Le

72

Chapitre3

cycle de collecte des donnes est initi durant la phase 0. Son objectif est
ltablissement dune base documentaire partir de laquelle toutes les informations
pour la construction du modle pourront tre tires. Il nest pas improbable que les
modlisateurs reviennent durant les phases suivantes sur les sources de cette
documentation afin dclaircir des points particuliers.
Durant les diffrentes phases de la modlisation, les auteurs ou modlisateurs
doivent faire face plusieurs revues de la part des lecteurs. Les commentaires rdigs
par ces derniers doivent tre incorpors dans le modle. Ce processus est rpt tant
que le rsultat escompt nest pas atteint. Ces itrations sont le fondement du cycle de
validation (appel aussi IDEF Kit Cycle). Le cycle dacceptation est le moment o un
ensemble dexperts valuent le modle dinformation (final ou en volution). Ils
dterminent sil correspond aux objectifs attendus. Typiquement, le cycle
dacceptation se produit plusieurs fois durant le droulement du projet. Il est ralis en
gnral la fin dune phase mais plus rarement la fin de chaque tape. Quoiquil
arrive, une revue dacceptation doit avoir lieu la fin de la phase 4.
IV.1.3 IDEF3
IDEF3 (US Air Force, 1993) est une mthode de modlisation graphique base sur
la description de processus. Cette description est ralise par des diagrammes de flux,
complts par des documents dinformation.

Figure 7: Graphe de IDEF3: construction de base (Us Air Force, 1993)

Les diagrammes de flux sont composs, comme prsent par la figure, de quatre
lments :
-

Les units de comportement (UDC) qui reprsentent toute entit ou


artefact pouvant tre produit par le systme (Sandoval, 1994). Elles
sont reprsentes par un rectangle divis en trois zones : son nom, son

Modlisation du service durgence

73

niveau de dtail dans la dcomposition hirarchique, et le numro


dune ventuelle activit IDEF0 associe ;
-

Les liens utiliss pour relier les UDC;

Les connecteurs logiques (ET, OU, et OU exclusif) ;

Les rfrences qui sont un terme propre IDEF3 pour permettre de


faire rfrence une partie du modle (ou un autre modle).
(Vernadat, 1999).

Mme si les concepts de base dIDEF3 proposent un grand pouvoir expressif, les
modles obtenus sont de nature qualitative et ne permettent donc pas lanalyse et
loptimisation des processus modliss.
V. MODELISATION DU SERVICE DURGENCE DE LHPITAL HABIB
BOURGUIBA
Grce ses formalismes de base, IDEF3 est particulirement bien adapte la
description de l'ensemble des spcificits d'un processus. Pour avoir un modle plus
unifi, nous proposons la mthode IDEF3x, dveloppe dans (SCH 96), qui intgre
quelques extensions de la mthode IDEF3.
V.1 Dfinition de IDEF3x
IDEF3x est un graphe qui peut tre dfini comme un graphe <X, R> o :
X:

ensemble des noeuds reprsentant les activits (A) et les connecteurs

(C); X = A C Et

C A = Vide

C = {Dbut, fin, Sequence, AND asynchrone fan-out, AND asynchrone fan-in,

AND synchrone fan-out, AND synchrone fan-in, OR asynchrone faout, OR


asynchrone fan-in, OR synchrone fan-out, OR synchrone fan-in, XOR fanout, XOR fan-in}
A : ensemble des activits du processus. On y distingue les activits

dcomposables ou non et les activits structures, semi et non structures.


Chaque activit est situe entre deux connecteurs pour faciliter lanalyse des
modles.

R: ensemble des relations entre les diffrents noeuds du graphe, on distingue


des relations entre les activits et les connecteurs (A X C C X A ) et les
relations entre les connecteurs (C X C).

74

Chapitre3
V.2 Application

Tout patient se prsentant ce service doit tre pris en charge par lquipe
soignante. Le patient accueilli en urgence sera inscrit sur le registre dinscription des
urgences. Aprs avis du mdecin, trois situations se prsentent :
-

Le malade a pris les soins ncessaires et son tat ncessite une admission au
niveau de lhpital ;

Le patient a pris les soins ncessaires et son tat ncessite une rfrence la
consultation externe (une lettre de liaison lui est dlivre) ;

Le patient a pris les soins ncessaires et son tat lui permet de rentrer chez lui
sans suites ncessaires.

Au cours du processus des soins, le patient peut bnficier des explorations para
cliniques :

examen

de

radiologie,

examens

de

laboratoires,

explorations

fonctionnelles, demandes de sang, utilisation de la salle dopration


Dans tous les cas, le patient ou dfaut son accompagnant paie les soins reus selon
son rgime de couverture sociale et la rglementation en vigueur et un reu prlev
dun carnet souche lui est dlivr.
En observant le service durgence durant le mois davril 2006 et en faisant des
interviews avec certains malades qui sont traits par le service, nous avons dtermin
le temps (dure en minute) de chaque tche par Laquelle passe un patient (voir
annexe B). Aprs la collecte des donnes, nous avons prsent dans la figure cidessous le diagramme IDEF3x. Ainsi, sur ce dernier nous avons indiqu le processus
par lequel passe un patient et la dure moyenne, maximum et minimum quoccupe
chaque tche (Jlassi et al, 2006) (Jlassi et al, 2007a).

75

Modlisation du service durgence

START

Procdure
administrative
5

13.3

Consulter
un mdecin

60

25.6

90

le mdecin
demande des
analyse
retour du patient
au mdecin qu'il
a consult
Faire des analyses

Soigner le patient

15

10

162.05 240

145.50 150

Finish

x
le patient doit faire
une radiologie

Radiologie
10

23.63

Soigner le patient
90

10

45.55

150

Voir un spcialiste
60

370.52

2280

Le patient passe
un spcialiste

Figure 8: Le diagramme IDEF3x du processus de passage d'un patient dans le service d'urgence
(Jlassi et al, 2006) (Jlassi et al, 2007a)

Les donnes collectes (Voir Annexe B) montrent une grande disparit dans les
dures de traitement. En consultant certains infirmiers travaillant dans le service, nous
avons pu dgager quelques explications :
-

Le temps dattente dun mdecin varie de 5mn 1h30mn : insuffisance

du nombre de mdecins ;
-

Lanalyse varie de 15mn 3h.30mn : labsence de laboratoire

danalyse propre au service dUrgence et le manque de personnel dans le


service danalyse;
-

La radiologie de 10 mn 1h.30mn : durant la priode dobservation du

service durgence nous avons constat que lappareil de radiologie tait en


panne ;
-

Le temps dattente dun spcialiste est de 1h 2 jours : Les spcialistes

de garde ne sont pas toujours prsents lhpital. Ce qui ncessite


lintervention, en cas de besoin, des stagiaires, des mdecins internes et des
rsidants.

76

Chapitre3

VI. CONCLUSION

Dans ce chapitre, nous avons prsent dabord un tat de lart de la modlisation


dans le service durgence, ensuite nous avons dfini les objectifs ainsi que les
mthodes de la modlisation. En effet, toutes les mthodes de modlisation utilisent
souvent des concepts communment admis (processus, activit, ...). La modlisation
des services des urgences, ne des besoins issus de laccroissement de la complexit
de ces services, est une discipline qui a pour objectif de pouvoir modliser, dans notre
cas, le processus des flux des patients. Enfin, nous avons prsent la modlisation
graphique IDEF3x du processus des patients dans le service durgence de lhpital
Habib Bourguiba.
Lvaluation des performances dun systme rel se compose dune tape de
modlisation permettant de passer du systme au modle et dune tape danalyse des
performances du modle. Une fois un modle construit dans le formalisme choisi, il
sagit de lanalyser. On distingue deux grands types danalyse, lanalyse qualitative et
lanalyse quantitative :
Analyse qualitative : elle consiste dfinir les proprits structurelles

et comportementales du systme,
Analyse quantitative : elle consiste calculer les paramtres de

performances du systme. Elle na de sens que si une analyse


qualitative a t pralablement mene. Il existe deux grands types de
mthodes danalyse quantitative des performances
Nous pensons, aprs la modlisation graphique du processus, passer ltape
danalyse. Ainsi, nous proposons dutiliser, en premier lieu, la simulation comme
technique danalyse. Cette dernire trouve tout son intrt lorsqu'elle est utilise pour
modliser les flux de patients complexes et pour tester les scnarii de changement des
rgles de pilotage (Augusto et al, 2006). C'est le cas dans les services d'urgences, o
les patients arrivent de manire alatoire et ncessitent un large ventail de traitements
(allant du soin lger la prise en charge de blessures graves), couvrant moult services
et spcialits. tant donn que le schma d'arrive est inconnu, le personnel mdical
doit prendre en charge les patients les uns aprs les autres et les diriger au mieux
travers le service des urgences, et, si besoin est, au sein de l'hpital. La simulation

Modlisation du service durgence

77

permettra de mesurer simultanment plusieurs indicateurs. Lavantage de la


simulation est doffrir une approche trs gnrale permettant dtudier nimporte quel
modle ds linstant o loutil de simulation est adapt au modle considr. Le gros
inconvnient de la simulation est dtre une technique extrmement gourmande en
temps de calcul et pour laquelle lanalyse des rsultats est une phase dlicate. Pour
vrifier les rsultats obtenus par la simulation, nous proposons, en second lieu,
dappliquer les mthodes analytiques qui permettent de calculer les paramtres de
performances de faon mathmatique en rsolvant les quations sous-jacentes. Leur
intrt rside principalement dans leur rsolution gnralement peu coteuse en temps
de calcul. Comme mthode analytique, nous allons utiliser les rseaux de files
dattentes, ils consistent reprsenter le systme sous forme dun rseau de serveurs,
de zones dattente et de clients.
Or pour dfinir les actions damliorations et quels sont les inducteurs de
performance sur lesquels il faut agir. Nous proposerons dutiliser le diagramme en
arbre et la mthode AHP. En effet le diagramme en arbre est utilis gnralement pour
un suivi systmatique de la meilleure stratgie pour atteindre un objectif. Parmi les
avantages de cet outil de qualit:
-

Dveloppement logique et systmatique des meilleures

stratgies pour rsoudre un problme dfini.


-

Empche les oublis des points essentiels .

Un excellent outil graphique de conviction.

Ainsi, la mthode AHP, dveloppe en 1971 par Thomas Saaty, se distingue par sa
faon de dterminer les poids de critres : elle procde par combinaisons binaires de
chaque niveau de la hirarchie par rapport aux lments du niveau suprieur. Les
raisons de sa popularit sont :
-

Units de mesures : qualitatives et quantitatives, valeurs

relatives ou absolues pour tablir des priorits.


-

Structure hirarchique : trie des lments dun systme dans

diffrents niveaux et dans des groupes caractristiques similaires.


-

Interdpendance : permet de considrer linterdpendance des

lments dun systme sans insister sur le raisonnement linaire.

78

Chapitre3

Consistance : permet de garder une consistance logique des

jugements utiliss pour dterminer les priorits.


-

Synthse : permet dobtenir une apprciation gnrale de la

dsirabilit de chaque alternative.


-

Identification des priorits : permet de considrer la priorit

relative de chaque critre pour ainsi obtenir la meilleure alternative selon


les objectifs identifis.
-

Unicit : sa flexibilit permet son utilisation dans un ventail de

domaines aussi varis que la planification du transport au Soudan (19731975), les prix de ptrole en 1990, une exploration minire en Mauritanie
(1976).
Certaines actions damliorations peuvent tre obtenues, vu les contraintes
budgtaires et organisationnelles du service. Nous utilisons la mthode daide la
dcision multicritre : PROMETHEE II pour aider les responsables prendre une
dcision.

Modlisation du service durgence

(1)
Modlisation : IDEF3x

79

(2)
Analyse : Simulation et
rseaux de files dattente

(3)
Inducteurs de
performance : Diagramme
en arbre

(4)
Axes damlioration :
PROMETHEE

Figure 9: La dmarche de la thse

La figure n 9 reprsente une explication de la dmarche que nous allons suivre


dans les chapitres suivants.

Chapitre 4

SIMULATION ET RESEAUX DE
FILES DATTENTE

Aprs la phase de modlisation, ce chapitre montre lutilit dune valuation de


performance du processus. La simulation et les rseaux de files dattente, comme outils
utiliss, seront prsents.

81

Simulation et rseaux de files dattente


I. INTRODUCTION

Dans ce chapitre, nous prsentons les mthodes damlioration de la performance ainsi que
les indicateurs.
Les diffrentes techniques dvaluation des performances dun systme sont schmatises
dans la figure ci-dessous. Elles peuvent tre classes en trois grandes catgories : lobtention
de mesures directes sur le systme (par la dtermination des valeurs directes des critres de
performances), les mthodes analytiques et la simulation (Incera, 2001).

Systme

Mesures
directes

Prototype

Systme

Modlisation

Analytique

Simulation

Figure 10: Techniques d'valuation des performances d'un systme (Incera, 2001)

La mthode des mesures directes est la seule technique qui peut offrir limage relle de
ltat dun systme rel en tenant compte de toutes les caractristiques de celui-ci. Elle a,
cependant, plusieurs inconvnients. En effet les caractristiques du systme sont extrmement
variables et imprvisibles et par consquent, les donnes obtenues un moment donn sur le
systme ne permettent pas toujours de prvoir le comportement du systme dans dautres
conditions. De ce fait, les mthodes analytiques et la simulation restent les meilleures
techniques pour lvaluation des performances.
II. LA SIMULATION DANS UN SERVICE DURGENCE

Dans cette section, nous prsentons un tat de lart de la simulation dans le service
durgence, la dmarche et les diffrents outils de cette technique.

82

Chapitre 4
II.1 Etat de lart

La simulation devient un outil courant pour tudier lorganisation et la gestion des


systmes hospitaliers, en vue damliorer leur fonctionnement et de diminuer les cots.
Plusieurs auteurs ont parl de la simulation dans le domaine hospitalier, Aleksy et al
(2005) ont propos, par la combinaison dapproches mthodologiques issues des Sciences
Humaines et Sociales et des Sciences pour lIngnieur, une mthodologie de modlisation et
de simulation permettant la fois la conception de Systmes dInformation et dAide la
Dcision pour les systmes hospitaliers, mais galement lorientation du comportement des
acteurs hospitaliers dans le cadre du management du changement.
Mebrek et al (2005) ont prcis que limagerie constitue lun des services les plus
frquent par les patients dans les hpitaux. Ils ont prsent le pole imagerie et lutilit du
modle de connaissance spcifi avec loutil ARIS, ainsi que le passage de ce modle vers un
modle daction ou de simulation implant en SIMULA ou avec Witness. En 2006 Mebrek et
Tanguy ont dcrit la zone de transit pour le nouvel hpital dEstaing, et ont prsent la
mthodologie de modlisation adapte sa structure (modle de connaissance). Enfin, des
modles daction sont implants : modle de rseau de files dattente et des modles de
simulation en SIMULA et Witness.
La simulation trouve tout son intrt lorsqu'elle est utilise pour modliser les flux de
patients complexes et pour tester les scnarii de changement des rgles de pilotage. C'est le
cas dans les services d'urgence, o les patients arrivent de manire alatoire et ncessitent un
large ventail de traitements (allant du soin lger la prise en charge de blessures graves),
couvrant moult services et spcialits.
Dans Kim et al (2000) les auteurs proposent une mthode permettant de minimiser
l'annulation d'interventions programmes en raison de l'indisponibilit de lits dans l'unit de
soins intensifs. La simulation est utilise afin de dterminer l'impact de cinq stratgies
d'allocation flexible de lits. Malgr la difficult due aux arrives de demandes alatoires, il
apparat qu'une rservation exclusive d'un certain nombre de lits pour les interventions
programmes rduit significativement le nombre d'interventions annules.

Simulation et rseaux de files dattente

83

Dans Centeno et al (2001) les auteurs examinrent quatre domaines prcis dun service de
maternit afin d'optimiser le processus de flux de patientes et lutilisation des ressources. Un
diagramme de flux a t tabli, modlisant le parcours des patients en urgence
(accouchements) et en rendez-vous pour des examens ou des interventions. Le systme tudi
mle processus darrive stochastique et dterministe, ce qui renforce lintrt de cette tude.
Le modle de simulation a permis de dceler certains problmes dorganisation et dmettre
des recommandations.
Dans Miller et al (2003) les auteurs ont tent d'identifier et d'analyser les diffrents
processus discrets centrs sur les patients afin de diminuer les temps dattente. Plusieurs ides
d'amliorations furent proposes afin de dterminer les causes de l'attente pour l'obtention
d'un lit dans le service des urgences. La simulation montra que les objectifs de dure de sjour
ne pourront tre atteints. Cependant, elle apporta au personnel soignant une meilleure
comprhension de l'organisation du service.
Il est dmontr dans Samaha et al (2003) qu'un problme d'organisation n'est pas
forcment li aux ressources mises en jeu. L'opration consistait rduire le temps de sjour
des patients dans le service des urgences en identifiant les ressources goulot et en visualisant
les diffrents processus de ce service. Aprs une description dtaille du parcours du patient et
limplmentation du modle, le test de scnarii a finalement permis d'affirmer que le
problme d'organisation tait li aux processus.
Un plan dexprience est utilis dans Baesler et al (2003) afin d'estimer la demande
supplmentaire pouvant tre supporte par un service de soins d'urgence, tout en maintenant
un temps d'attente raisonnable pour les patients et en considrant les ressources matrielles et
humaines actuelles. Cela revient donc estimer la capacit maximum du service en question.
Plusieurs augmentations de la demande ont t simules et une interpolation de la courbe de
rponse a permis destimer le temps dattente correspondant. Leffectif minimum ncessaire a
ensuite t dtermin afin de satisfaire cette demande sans dtriorer les performances du
systme.
Le problme bien connu de l'organisation matrielle de ce service est abord dans Miller et
al (2004). Une dmarche standard y est dcrite afin d'arriver une configuration optimale du

service d'urgence. L'exprimentation a ensuite permis de fixer les contraintes concernant les

84

Chapitre 4

patients (nombre de lits requis, et dure de sjour dans le service) et le service lui-mme
(effectifs du personnel, nombre de lits d'urgence ). Plusieurs amliorations peuvent alors
tre proposes (affectation de lits, dure de la prise de radiographies ou dexamens en
laboratoire, limination des temps morts, etc.).
Le cas o la planification du personnel mdical doit tre adapte aux arrives stochastiques
de patients a aussi t tudi. Inverser la problmatique de cette manire est trs utile dans le
cas de certains services o les patients arrivent sans rendez-vous. L'tude de Griffiths et al
(2005) traite le problme rcurrent de planification des horaires des infirmires d'une unit de
soins intensifs, en prenant en compte les lits. Le modle comprend plusieurs schmas
d'arrive dpendant du temps ainsi que les distributions appropries pour la dure de sjour
des patients, avec une diffrenciation entre les infirmires rgulires et supplmentaires
(renfort). Le cot li leur travail est plus lev que celui d'infirmires rgulires. Plusieurs
scnarii furent examins (prvision du nombre dinfirmires rgulires, ajout dun programme
de soins pr intensif , estimation de la demande sur les prochaines annes).
Pour Tao et al (2006) Lamlioration de la gestion dun service durgences pose des
problmes dlicats dordonnancement des ressources matrielles et humaines, et de pilotage
des flux de patients. Les auteurs ont modlis et simul le processus de prise en charge des
patients dun service durgences en intgrant les ressources alloues. Les rsultats montrent
que le modle reflte bien la ralit, les donnes issues du diagnostic permettent didentifier
certains goulots dtranglement dans le service tudi. Une proposition visant la cration dun
parcours rapide est discute.
Dans leur papier, Chauvet et al (2006) ont propos un modle de connaissance gnrique
dune unit de soins pour la filire durgence. En suivant le processus de modlisation dans
ASCI (Analyse, Spcification, Conception, Implantation), ils se sont intresss au service des
urgences pdiatriques du NHE (Nouvel Hpital dEstaing), et ont propos un modle de
simulation qui permet danalyser en dtails plusieurs scenarii organisationnels. Leur travail
sur le service des urgences pdiatriques du NHE leur permet de proposer un modle de
connaissance gnrique dune unit de soins pour la filire durgence qui pourra tre
instancier sur dautres services appartenant dautres hpitaux.

85

Simulation et rseaux de files dattente

Le travail de Dehas et al (2006), prsente un outil daide la dcision permettant de


dterminer rationnellement les besoins thoriques en lits et en personnel paramdical des
diffrents services de soins et services dhospitalisation au niveau dun systme hospitalier, et
ce, dans le but de faire face efficacement la demande de soins mdicaux.
Rfrences
1.

[Kim et al, 2000]

2.

[Centeno et al, 2001]

3.

Objectifs
-

minimiser
l'annulation
d'interventions programmes en
raison de l'indisponibilit de lits
dans l'unit de soins intensifs.

les auteurs examinrent quatre


domaines prcis dun service de
maternit afin d'optimiser le
processus de flux de patientes et
lutilisation des ressources.

les auteurs ont tent d'identifier et


d'analyser les diffrents processus
discrets centrs sur les patients afin
de diminuer les temps dattente.

[Miller et al, 2003]

4.

[Baesler et al, 2003]

estimer la capacit maximum du


service durgence

5.

[Miller et al, 2004]

Une dmarche standard y est dcrite


afin d'arriver une configuration du
service d'urgence optimale

6.

[Tao et al, 2006]

Les auteurs ont modlis et simul


le processus de prise en charge des
patients dun service durgences en
intgrant les ressources alloues

7.

[Chauvet et al, 2006]

Les auteurs ont propos un modle


de connaissance gnrique dune
unit de soins pour la filire
durgence

8.

[Dehas et al, 2006]

prsente un outil daide la dcision


permettant
de
dterminer
rationnellement
les
besoins
thoriques en lits et en personnel
paramdical

Tableau 4: Tableau rcapitulatif de la revue de littrature: simulation du service d'urgence

II.2 La dmarche de simulation

La simulation est lutilisation ou la rsolution de modles correspondant un systme


donn pour tudier le comportement de ce dernier dans un contexte prcis. Il sagit de suivre
une dmarche.

86

Chapitre 4

Lutilisation de la simulation rclame lexcution de certaines tapes (Mouise, 1984) :


Dans un premier temps, il sagit de transformer un systme concret en une abstraction,
travers un langage et des smantiques donnes. Transformer, par la suite, cette reprsentation
abstraite en une maquette (un modle rduit) par le biais de rgles de codification. Utiliser des
scnarios pour lesquels on observe le fonctionnement de la maquette et on le compare, soit au
fonctionnement observ dans le systme rel, soit celui que lon souhaite obtenir. Procder
une animation informatique de ce modle, selon le plan dexprience dj cod par
lutilisateur. Finalement, critiquer le systme.
La dmarche de simulation selon Drogoul (1993) passe donc par trois tapes distinctes :
ltape de modlisation, qui consiste construire le modle du phnomne tudier, ltape
dexprimentation, qui consiste soumettre ce modle un certain type de variations, et
ltape de validation, qui consiste confronter les donnes exprimentales obtenues avec le
modle la ralit.
Collecter les donnes
Construire le modle

Utilisation ou Construction
de la thorie

Lancer la simulation
Valider le modle

Exprimentations sur le
Modle

Analyser les rsultats

Figure 11: Les tapes du processus de simulation (Drogoul, 1993)

Pass du problme la simulation suppose de franchir un certain nombre dtapes. Pour


Ricordel et Demazeau (2000) celles-ci sont au nombre de quatre :
-

Lanalyse : Elle correspond au processus de dcouverte, la description du type


de problme et son domaine dapplication.

La modlisation : Elle correspond au processus de dfinition dune


reprsentation structure, alors que les problmes sont souvent la base non
structurs. Cette dfinition peut tre donne sous un mode dclaratif ou
sappuyer sur des langages spcifiques (UML, MERISE, rseaux de Ptri, etc).

Simulation et rseaux de files dattente

87

Limplmentation informatique : Elle correspond au processus de construction


dune solution fonctionnelle du problme. En pratique, cela consiste coder la
solution avec des langages particuliers de programmation.

La simulation : Elle correspond la phase dutilisation du modle implment


pour des problmes concrets.

Pour notre cas, la simulation dans le service durgence de lhpital Habib Bourguiba, nous
proposons de suivre cette dernire dmarche parce quelle est plus dtaille. De ce fait, pour
ltape danalyse nous allons prendre un chantillon qui permet de dterminer le temps
moyen, minimum et maximum quun patient peut occuper au niveau de chaque tche. Pour
ltape de la modlisation, nous choisissons dappliquer une mthode de modlisation
graphique (IDEF3x), dj explique dans le chapitre prcdent. Pour la phase de
limplmentation informatique, il est important dutiliser lun des outils de simulation.
II.3 Outils de simulation spcialiss dans lanalyse des systmes de flux

Pour la phase de limplmentation informatique de la simulation, plusieurs outils


spcialiss dans lanalyse des systmes de flux peuvent tre utiliss, parmi lesquels, il y a
SLAM, SIMAN, ARENA et WITNESS.
II.3.1 SLAM

SLAM est un logiciel de simulation vnements discrets, qui a t dvelopp initialement


luniversit de PURDUE (USA), puis cr et commercialis par la socit PRITSKER.
Cest un langage de simulation orient processus, cest dire que les primitives de
modlisation permettent de saffranchir de la programmation dvnements non significatifs
du point de vue du processus reprsent.

Le simulateur SLAM offre lutilisateur un support visuel pour lanalyse et la validation


des modles travers un langage graphique pour la reprsentation des processus dont on
cherche simuler le fonctionnement. Le modle complet dune application peut tre
reprsent par un rseau SLAM, dont les noeuds ou les arcs sont des primitives du langage.

88

Chapitre 4
II.3.2 SIMAN

SIMAN a t conu en 1982 par la socit Systems Modeling Corporation. Il se prsente


gnriquement comme un outil gnral de modlisation et de simulation de systmes qui se
prsentent sous forme dune combinaison de flux et un ensemble de processus alatoires. Il
peut tre considr comme un descendant de SLAM, puisque non seulement son crateur
C.D. PEDGEN a dvelopp avec A.A.B. PRITSKER la premire version de SLAM, mais
encore il prsente une structuration assez proche de celle de SLAM. La rcriture complte du
logiciel de base et quelques modifications dans les primitives ont permis de corriger certains
inconvnients des premires versions de SLAM et de proposer de nouveaux types de
primitives tout en conservant la plupart des potentialits.
II.3.3 ARENA

Le logiciel ARENA a t dvelopp par la socit Systems Modeling Corporation. Il est


notamment ddi la modlisation, simulation et animation des systmes de production qui
peut tre reprsent par une combinaison de flux. Le logiciel est bas sur les concepts de
programmation oriente objet et de modlisation hirarchique, utilisant la puissance et la
flexibilit de modlisation du systme SIMAN/Cinema.

A l'aide d'ARENA, on peut dvelopper un projet complet de simulation. ARENA est un


support intgr pour l'analyse des donnes d'entre, la construction du modle, l'excution
interactive, l'animation, la traabilit et la vrification de l'excution et l'analyse des sorties.
Les utilisateurs peuvent dvelopper de nouveaux modles dans la fentre du modle, de
nouvelles constructions de modlisation dans la fentre de template, identifier les
caractristiques des donnes d'entre dans la fentre d'entre et analyser les rsultats de
simulation dans la fentre de sortie.
II.3.4 WITNESS

WITNESS est un logiciel de simulation cr par la socit britannique LANNER. Il est le


plus avanc de sa catgorie, permettant une modlisation- simulation dynamique des activits
et des flux en entreprises. WITNESS offre lutilisateur un support visuel trs convivial pour
la modlisation et lanalyse des performances des systmes base de flux. Le modle dune
application peut tre reprsent par un rseau de primitives du langage WITNESS. Les

Simulation et rseaux de files dattente

89

primitives graphiques sont suffisamment nombreuses et riches pour modliser la majorit des
systmes complexes bases de flux.

Une fois ltape de limplmentation informatique termine, nous passons la dernire


phase qui permet de lancer le modle de simulation et ainsi valuer la performance dun
systme en tenant compte de certains indicateurs. Dans ltape qui suit, nous prsentons les
diffrents indicateurs lis au service durgence.
II.4 Les indicateurs de performance dans un service durgences

Le modle de simulation permet dvaluer le systme laide de certains indicateurs de


performances. De nombreuses dfinitions des indicateurs de performance ont t donnes.
Pour l'Association Franaise de Gestion Industrielle en 1992 (AFGI) (Berrah, 2002) : Un
indicateur de performance est une donne quantifie qui mesure l'efficacit et/ou l'efficience
de tout ou partie d'un processus ou d'un systme (rel ou simul), par rapport une norme, un
plan ou un objectif, dtermin et accept dans le cadre d'une stratgie d'entreprise.
Cette dfinition met en avant plusieurs aspects importants de l'indicateur de performance.
La premire notion mise en relief est l'aspect quantifi d'un indicateur (Berrah 1997) (Bitton
1990). C'est en effet avant tout une mesure. Elle n'est pas ncessairement directe et sousentend gnralement une recherche d'information des niveaux plus ou moins levs du
systme valu. Une seconde notion sous-jacente de l'indicateur de performance, claire par
cette dfinition, est le rapport l'objectif (Berrah, 1997) (Bitton, 1990).
Dans un service durgence, les indicateurs de performance sont obtenus partir des
modles de simulation. On peut citer comme exemple les travaux de Tao et al (2006). Pour
minimiser le temps du passage des patients, ils ont choisi de modliser le processus par loutil
de modlisation ARIS. Ce qui a permis de prciser pour chaque fonction les ressources
matrielles et humaines. La simulation du processus de passage des patients aux urgences a
t ralise avec ARIS Simulation. Les rsultats obtenus ont prsent les indicateurs suivants :
-

Temps de consultation en moyenne

Nombre de box disponible en moyenne

Taux de charge du mdecin

Temps dattente avant la fonction de mise en box en moyenne

90

Chapitre 4

Nombre de patients retour au domicile en moyenne par jour

Taux de charge des infirmiers diplms dEtat

Le modle de simulation de Dehas et al (2006) a permis dvaluer la performance du


service durgence de lhpital Khellil Amrane de Bjaia tout en se rfrant aux indicateurs
suivants :
-

Taux doccupation pour le service des urgences

Temps moyen dattente et de sjour pour le service des urgences

Taux doccupation des lits

Taux doccupation des infirmiers

Chauvet et al (2006), dans leur papier, ont commenc par la modlisation du parcours des
patients dans un service durgence en utilisant la mthode ARIS. Ensuite ils ont utilis le
logiciel Witness pour la simulation. Les variables dentres prises en compte sont le nombre
de mdecins et le nombre des infirmires diplmes dEtat. Les indicateurs de performances
sont :
-

Le nombre moyen journalier des patients traits par taux de gravit

Le taux annuel doccupation de ressources mdicales

La dure dattente des patients dans la salle dattente

Le nombre moyen de patients dans la salle dattente

Afin de vrifier les rsultats obtenus par les modles de simulation, on a souvent recours
aux mthodes analytiques comme les rseaux de files dattente. Daprs Di Mascolo (1990),
la simulation est loutil le plus utilis car elle permet dapprocher aussi finement que lon
veut la ralit du systme tudier. Cependant, les modles de simulation sont souvent longs
dvelopper, ils peuvent demander beaucoup de donnes, et peuvent prendre beaucoup de
temps dexcution. Les mthodes analytiques sont plus faciles mettre en uvre et
excuter, et sont gnralement plus rapides.
Ainsi, les deux approches, simulation et mthodes analytiques, sont complmentaires et
interviennent des stades diffrents de ltude dun systme. Par ailleurs, pour valider les
rsultats obtenus par la simulation, nous proposons dutiliser les rseaux de files dattentes.

Simulation et rseaux de files dattente

91

III. LES RESEAUX DE FILES DATTENTE

Pour valider et vrifier les rsultats obtenus par le modle de simulation, nous proposons
dappliquer la thorie de files dattentes.
Lutilisation des files dattente remonte au dbut des annes 1950 (Baynat 2000). Ce
formalisme a t essentiellement utilis pour la modlisation des systmes industriels. Mais,
de nos jours, il reprsente un outil de modlisation analytique de plusieurs types de systmes
et notamment les systmes de service tels que les hpitaux. La thorie des files dattente est
une technique de la Recherche Oprationnelle qui permet de modliser un systme admettant
un phnomne dattente, de calculer ses performances et de dterminer ses caractristiques
pour aider les gestionnaires dans leurs prises de dcisions. (Philipe, 1999)

La modlisation dun systme laide dune seule file dattente noffre quun champ
dapplication restreint. Bien souvent, un patient a besoin de recevoir plusieurs traitements
conscutifs et de diffrentes natures avant de quitter un systme. Les rseaux de files dattente
permettent de modliser de telles situations et correspondent des systmes composs de
plusieurs files dattentes relis entre elles. Lorsquun patient quitte une file, il peut se diriger
vers une nouvelle station du rseau ou sortir dfinitivement du systme. Ces dcisions sont
dictes par des rgles de routage qui peuvent tre dterministes ou stochastiques.
Un rseau de files dattente est dit ouvert lorsque des arrives de clients depuis lextrieur
du systme sont possibles et lorsque les clients peuvent quitter le systme. A priori, les
arrives externes peuvent avoir lieu dans nimporte quelle station et il en est de mme des
dparts, limportant tant que tout client entrant ou prsent dans le systme ait une possibilit
de le quitter un jour. Lorsque aucun client ne peut ni entrer dans le systme, ni le quitter, le
rseau est dit ferm. Le nombre de clients dans un rseau ferm est donc constant au cours du
temps. Finalement, il existe galement des rseaux mixtes qui ne sont quune juxtaposition de
systmes ouverts et ferms.
Un rseau de files dattente traite parfois plusieurs types de clients rpartis en autant de
classes. Celles-ci sont caractrises par leurs processus darrive et de service dans les
diffrentes files, leurs rgles de routage ou leurs priorits qui permettent de modliser le

92

Chapitre 4

comportement adopter lorsque des clients de plusieurs classes cherchent accder un


mme serveur.
III.1 Le modle du rseau de files dattente

Le modle considr est compos de J stations, avec serveur unique (dans notre cas J
tches avec laquelle passe un patient et dans chaque tche il existe un seul mdecin) et K
types de clients (dans ce cas, K types de patients classs selon le degr de gravit : cas grave
et cas non grave). Et chaque type de client suit un parcours dtermin.
Les clients de type k=1, 2, , K arrivent

au rseau daprs un processus de

renouvellement indpendant. Chaque client de type k visite la squence des stations aprs
laquelle il quitte le systme.
rk (1) , rk ( 2 ) , , rk ( s ( k ) )
Il sagit dun rseau ouvert dans le sens que tous les clients arrivent des sources externes et
finalement tous vont quitter le systme. Aucun client ne peut visiter tout le centre de travail
plus dune fois. Le temps de service S(k) tout au long de la route des clients de type k donn,
permet davoir une distribution arbitraire commune mais indpendante des processus
darrives et du temps de service des autres clients. Pour toute station j on dfinit
C j = {k : rk ( S ) = j 1 S S ( k )}

C j Reprsente lensemble dun type de clients qui visitent la station j. La discipline de la


file dans la station j est dfinie par la rpartition de C j en deux sous ensembles G j et H j .
Les clients de type K H j sont plus prioritaires que les clients de type K G j dans la station
j. Dans la mme classe de priorit, les clients sont servis suivant la discipline premier arriv
premier servi (FCFS). Dans une station j, o il y a un seul niveau de priorit, on a G j = C j
et H j = .
Pour k= 1, , K, avec

{u

l
k

1} Squences

mutuellement indpendantes i.i.d avec

E ukl = 1 . Indpendamment de cela, on a K Squences mutuellement indpendantes

i.i.d vkl l 1 des vecteurs alatoires vkl = vrkl (1),k , , vrkl ( s( k )),k

93

Simulation et rseaux de files dattente


Pour E vkl = (1, ,1) . On dfinit

k2 = var ( ukl ) 0,

k = 1, , K

jk2 = var ( vljk ) 0,

j = 1, , J K C j

ijk = cov ( vikl , vljk )

j = 1, J

(1)

K Ci C j

{u } Reprsente le temps darrive normalis. Et {v } le temps de service normalis.


l
k

l
jk

Le temps actuel darrive et de service du modle de file dattente est construit par cette
squence par des constantes spcifiques k 0 pour k=1,, K et m jk 0 pour j= 1,, J et
k Cj .

Supposant que ( k ) ukl le temps darrive au Lme client de type k, et soit


1

m jk v ljk le

temps de service de ce mme client dans la station j. Alors k est le taux moyen darriv et
m jk est le temps moyen de service.

Pour le processus de renouvellement N k = { N k ( t ) , t 0} est dfini, pour k=1,, K, Par

max l 0; ukl + + ukl t , ukl t


Nk (t ) =
ukl t
0

( 2)

Le processus du nombre darrive Ak pour les clients de type k est donn par:
Ak ( t ) = N k ( k t ) , t 0

Et pour j=1,,J et k C j , on dfinit le processus L jk par


L jk ( t ) =

Nk ( t )

v
l =1

l
jk

( 3)

t0

m jk l ( k t ) Reprsente la dure de travail du serveur j pour un client de type k qui arrive au

rseau durant [0, t]

X j ( t ) = m jk l jk ( k t ) t t 0
( 4)
kCi

X j ( t ) Reprsente la dure totale de travail du serveur j pour la priode entre [0, t]. Pour
j=1,, J, I j ( t ) est la dure totale que le serveur j a perdu durant [0, t]
W j (t ) = X j (t ) + I j (t ) ,

t0

( 5)

Indique la dure totale de travail effectu par le serveur j dans le rseau durant le temps t.

94

Chapitre 4
Z j ( t ) est le travail non termin de la station j dans le temps t.
Q jk ( t ) est le nombre de clients de type k dans le queue ou dans le service de la station j au

temps t. et U jk ( t ) est le travail non termin par ces clients

U (t ) = Z (t )
jk

Les rsultats de la limite sont obtenus sous une condition de la circulation lourde que nous
allons dfinir dans la section suivante. On dfinie Pjk et Pj par :
Pjk = k m jk , j = 1, , J
Pj =

kC j

jk

k Cj

j = 1, , J

( 6)

Pour toute station j, on appelle Pjk lintensit de circulation de type k et Pj est lintensit de
la circulation totale de cette station. Le rseau est stable si Pj < 1 pour tout j.
III.2 Le processus de limite

Soit X = { X ( t ) , t 0} est le processus du Modle Brownien J- dimensionnel. Avec un


vecteur de mouvement et une matrice de covariance . X BM ( , ) .
Q : une matrice non ngative J J avec des zros aux diagonales. Et R = I Q
Daprs Harisson et Reinan (1981), il existe une seule paire des processus de vecteurs
lignes (Y, Z) qui satisfait les conditions suivantes :
-

Z ( t ) = X ( t ) + Y ( t ) R,

Z j (t ) 0

Y j (.) est continue et non dcroissante avec Y j ( 0 ) = 0

Y j (.) croit au temps t que lorsque Z j ( t ) = 0

pour tout t 0, j = 1, , J

Le processus Z est appel RBM (Regulated Brownian Motion : Mouvement Brownien


rgl). Il est dtermin en spcifiant les donnes , , R . Z RBM ( , , R )
La limite dans le thorme de base est traite en terme de mouvement Brownien rgl
(RBM), dans lequel la matrice du rgulateur la forme R= I-Q avec Q est une matrice
triangulaire strictement suprieure.

95

Simulation et rseaux de files dattente


III.3 Le Thorme de base

On considre une squence dun rseau de file dattente, comme elle est dcrite dans la
section prcdente. Une squence typique de construction des thormes de la circulation
lourde (heavy traffic theorems) (Donlad et al, 1970) (Martin et al, 1984) a permis tous les
paramtres des arrives et de distribution du service de varier dun systme un autre.
Rappelons, daprs la section prcdente, que les squences de base des temps de services

} {

et des arrives normaliss sont : U kl l 1 et V jkl l 1

La squence du rseau est construite en utilisant une squence de constantes positives

n
k

} {

, n 1 et m njk , n 1

Dans le n

eme

( )

systme, les temps darrives sont kl

U kl et les temps de services sont

m njk V jkl
Pjkn et Pjn correspondent lintensit de la circulation comme dfinie dans la section

prcdente. On associe pour le nme systme un paramtre n . Avec n 0 lorsque n


Ces paramtres reprsentent la capacit dexcs dans une squence de systme lourdement
charg. Soit le processus du vecteur ligne X n , W n , I n , Z n , U n , Q n et S n . Les versions peses de
ces paramtres sont :

X n ( t ) = n X n t / n2 ,

I n ( t ) = n I n t / n2 ,

( )
(t / )

U n ( t ) = nU n t / n2 ,
S n ( t ) = n S n

2
n

W n ( t ) = nW n t / n2 ,

( )
(t / )

Z n ( t ) = n Z n t / n2 ,
Q n ( t ) = nQ n

2
n

0 t 1

96

Chapitre 4

Supposant que n alors :

( i ) n 0,
( ii ) kn k < pour k = 1, , K ,
( iii ) m njk m jk < pour j = 1, , J et
( iv ) k G p jk > 0 pour j = 1, , J et

k Cj ,

(v) ( p

( X

1 / n j , < j < , pour j = 1, , J

n
j

) (

, W n , I n , Z n , U n , Q n , S n X * , W * , I * , Z * , U * , Q* , S *

X * est un processus de mouvement Brownien avec un vecteur de mouvement

= (1 , , j ) et une matrice de covariance = ij dfinie par

k m 2jk k2 + jk2 ,
i= j
kC
ij =
(7)
2

m
m

,
i
j
+

ijk
k ik jk k
kCi C j
Le processus de la limite est dtermin par la relation des quations (8)-(15)

W j* ( t ) = X *j ( t ) + I *j ( t ) ,

Z *j ( t ) = W j* ( t ) ij Z i* ( t ),
i< j

Avec ij =
Z *j ( t ) 0 0 t 1,
I *j (.)
I *j (.)

(8)

j = 1, , J

kG C

j = 1, , J

Pjk / Pik

i< j

kG

j = 1, , J

est continue est non dcroissante avec I *j ( 0 ) = 0

croit lorsque Z *j ( t ) = 0,

j = 1, , J

k H j ou k C j
0,

U *jk ( t ) = Pjk
Z *j ( t ) , k G j

P
lG j jl

k H j ou k C j
0,

Q ( t ) = k
1 *
Z *j ( t ) =
U jk ( t ) k G j

m jk
lG Pjl
*
jk

(9)

(10 )
(11)
(12 )

(13)

(14 )

97

Simulation et rseaux de files dattente

S k* ( t ) =

Pjl

{ j: kG j } lG

Z *j ( t ) , k = 1, , K

(15)

Remarque

A partir du vecteur (8), W * ( t ) = X * ( t ) + I * ( t ) , en dfinissant la matrice = ( ij ) [avec

ij est dfinie en (9) pour i<j et ij = 0 autrement] la matrice (9) devient


Z *j ( t )( I + ) = W j* ( t )

Le fait que est triangulaire et strictement suprieur garantit que ( I + ) R


Explicitement on obtient : R = I + 2 + + ( 1)

J 1

J 1

Sachant que : R = I Q do Q = 2 + + ( 1) J 1
J

En combinant (8) et (9)


Z * (t ) = W * (t ) R = X * (t ) R + I * (t ) R

En utilisant les proprits de la distribution normale, X * ( t ) R, 0 t 1 est un vecteur


de mouvement Brownien avec un vecteur de mouvement R et une matrice de covariance
RT R
III.4 Le Thorme Fonctionnel Centrale Limite : (Functional Central Limit
Theorem : FCLT)

La premire tape faire pour prouver le thorme de base de la section prcdente, est
dutiliser le thorme fonctionnel centrale limite (FCLT) pour X.
Pour N k , k = 1, , K dfinie en (2), on a :
N kn ( t ) = n1/2 ( N k ( nt ) nt ) ,

(16 )

0 t 1

On a N kn N k* avec N k* BM 0, k2 . Et puisque les processus darriv sont indpendants,


on obtient

) (

N n = N 1 , , N kn N1* , , N k* = N *
En suite, on dfinit le processus des squences du temps de service normalis :
[ nt ]

v njk ( t ) = n 1/2 v ljk 1 ,


l =1

Pour j = 1, , J

et

0 t 1

(17 )

k C j , on dfinit Vkn ( t ) = Vrkn (1),k ( t ) , , Vrkn ( s( k ) ),k ( t )

98

Chapitre 4
En utilisant le thorme de vecteur de Donsker, on obtient Vkn Vk* , avec

Vk* BM 0, B ( k ) en se rfrant (1), la s ( k ) s ( k ) matrice de covariance B ( k ) a comme


entres :
(k )

bij

jk2 , i = j
=
ijk i j

Par lindpendance du temps de service pour les diffrents types de clients, on obtient :

) (

V n V1n , , Vkn V1* , , Vk* V *


Finalement, parce que les temps darrives et les temps de services sont mutuellement

( N

indpendants, on a

) (

, V n N * , V *

( )

Le processus actuel du travail est prsent par Lnjk ( t ) = m njk l jk kn t .


Soit

h njk ( x ) = m njk x, n = 1, 2,
h jk ( x ) = m jk x

La fonction du changement du temps est dfinie par :

kn ( t ) = kn t , n = 1, 2
k ( t ) = k t , 0 t 1

On observe que Lnjk = h njk L jk kn , donc le rsultat limite du processus Lnjk est dfini
par :

( (

Lnjk ( t ) = n 1/2 Lnjk ( nt ) Pjkn nt = m njk n 1/2 L jk kn nt kn nt

L*jk ( t ) = m jk N k* ( k t ) + V jk* ( k t )

Puisque Lnjk L*jk

X nj ( t ) =

(m

kCi

n
jk

( )) t = L (t ) t

L jk kn t

kCi

n
jk

(18)

(19 )

( 20 )

Par la normalisation X nj ( t ) = n 1/2 X nj ( nt ) , partir de lquation (18), on obtient


X nj ( t ) =

L ( t ) + n ( P

kCi

n
jk

1/2

n
j

1) t

( 21)

On prend n1/2 ( Pjn 1) j et X nj X *j on obtient


X *j ( t )

L (t ) + t

kCi

*
jk

( 22 )

Le processus limite X * est un vecteur de mouvement Brownien avec un vecteur de


mouvement = (1 , , J ) , et une matrice de covariance = ij donne par

99

Simulation et rseaux de files dattente

k m 2jk k2 + jk2 , i = j
kC
ij =
2
k mik m jk k + ijk , i j
kCi C j

En utilisant le thorme Fonctionnel Central Limite, William Peterson (1991) a chang les
formules donnes du thorme de base.
III.5 Les rsultats pour un systme monoposte

Il sagit de cas dun rseau compos dune seule station j qui reoit des clients arrivs
de lexterne. rk (1) = j k C j
X nj ( t ) =

kCC j

Lnjk ( t ) t

n = 1, 2,

Lnjk ( t ) est le travail actuel des clients de type k dans la station j durant [0 t].

Pour le travail non achev au temps t, est reprsent par Z nj ( t ) = X nj ( t ) + I nj ( t )


avec I nj ( t ) = inf { X nj ( s )} . I nj ( t ) Est le cumule du temps perdu dans le serveur j durant [1 t]
0 s 1

La dure de travail du processus avec priorit est analys par la mme mthode du
processus total.
X njh ( t ) =

L (t ) t

kH j

n
jk

Le travail non termin pour la classe prioritaire au temps t est : Z njH ( t ) = X njH ( t ) + E nj ( t )
Avec E nj ( t ) = inf { X njH ( s )}
0 x 1

E nj ( t ) est lexcs du temps durant [0 t] laiss pour le service des clients appartenant la

classe moins prioritaire.


U *jk ( t ) = Pjk* ( t ) =

Pjk
PjG

Z *j ( t ) avec Pjk = k m jk et

Z (t ) = W (t ) R = X * (t ) R + I * (t ) R
*

Q*jk ( t ) =

k
PjG

Z *j ( t ) =

1 *
U jk ( t )
m jk

Pour la classe prioritaire :


Q njk ( t ) = Akn ( t ) Akn (T jhn ( t ) ) k H j

100

Chapitre 4
III.6 Lextension du rseau

Dans le cas prcdent, on a considr j=1. Ici on va prciser les rsultats pour le reste des
postes constituant le rseau c'est--dire pour i= 1,, j-1
k H rk ( l )
0
1

Q*jk ( t ) = k Z i* ( t ) ik Avec ik =
Slk* ( t ) = *
PiG
0
Z rk (l )( t ) / Prk ( l ),G k Grk ( l )

Pour la classe prioritaire

Q njk ( t ) = Anjk ( t ) Anjk T jn ( t )

si k Gi
autres

Le temps dattente
k H rk ( l )
0
Slk* ( t ) = *
Z rk ( l )( t ) / Prk ( l ),G k Grk ( l )

S(k )

S (t ) = S
*
k

l =1

*
lk

(t ) =

Z *j

{ j:kG j } Pij

Aprs lidentification des techniques dvaluation et danalyse de la performance dun


systme, nous passons lapplication de ces techniques au service durgence de lhpital
Habib Bourguiba Sfax.
IV. EVALUATION DES PERFORMANCES DU SERVICE

Pour valuer la performance dun systme, on utilise soit les mthodes analytiques, telles
que les rseaux de files dattentes, soit la simulation. Chacune de ces mthodes comporte ses
avantages et ses inconvnients. Les solutions analytiques bnficient de temps de rsolution
trs rapides. Les rsultats peuvent tre immdiats, car ils sont dtermins partir dquations
mathmatiques issues du formalisme emprunt. Toutefois, les modles doivent tre
suffisamment simples pour demeurer solubles par voie analytique. Ainsi, la zone de
fonctionnement de ces solutions, bien qutendue par les mthodes de rsolutions
approximatives, demeure assez restreinte. Notons que les simplifications sur les modles
comme les approximations de rsolution, constituent des procds risques, car elles peuvent

Simulation et rseaux de files dattente

101

aboutir des rsultats incohrents (en vinant des phnomnes ayant une incidence notable
sur le comportement tudier).
A linverse, les simulations permettent thoriquement de rsoudre toutes les modlisations,
y compris celles trs dtailles, mais leur exploitation peut se rvler trs longue et incertaine:
une simulation peut durer trs longtemps jusqu plusieurs semaines. De plus, si le modle
nest pas ergodique (une simulation ne reprsente alors quune trajectoire possible du modle
parmi tant dautres), lexprience simulatoire devra tre rpte plusieurs fois afin dobtenir
des rsultats significatifs et exploitables. Toutefois, les simulations reprsentent un outil de
rsolution des modles trs apprci, car il constitue une technique simple mettre en
oeuvre et efficace, du moins pour obtenir des rsultats bruts et numriques sur les
performances dun systme. Enfin, un atout supplmentaire, et non des moindres, des
mthodes de rsolution analytique, tient au fait quelles permettent dobtenir une perception
intrusive dans la structure et dans le comportement du systme grce aux formulations
littrales des expressions mathmatiques qui rgissent le systme. Cette proprit peut
savrer trs bnfique pour la comprhension dun systme car elle permet, entre autres,
didentifier rapidement et clairement les paramtres cls dun systme.
IV.1 La simulation

La simulation se dfinit comme lutilisation ou la rsolution de modles correspondant


un systme donn pour tudier le comportement de ce dernier dans un contexte prcis. La
simulation est couramment utilise comme outil daide la dcision dans le domaine des
systmes de production de biens ou de services. Sa mise en uvre passe par les quatre tapes
prcises prcdemment : lanalyse, la modlisation, limplmentation informatique et la
simulation.
Dans notre cas, nous allons commencer directement par limplmentation informatique
(Jlassi et al, 2007b) (Jlassi et al, 2007c), car les deux premires tapes (lAnalyse et collecte
de donnes et la modlisation) sont faites au dpart au niveau de la modlisation du processus.
IV.1.1 Implmentation sur le logiciel Witness

Le modle de simulation a t implment avec le logiciel Witness, qui est un des plus
rpondus dans le domaine de la simulation avec animation graphique. Notre choix de Witness
se justifie dune part par sa reconnue comme lun des meilleurs logiciels de simulation, car il

102

Chapitre 4

permet dobtenir un modle de simulation flexible qui peut tre facilement modifi et
complt (Shabayek et al, 2002), et dune autre part, sa disponibilit dans nos locaux de
recherche.
Le travail consiste traduire le modle IDEF3x en un modle Witness qui garde la
smantique du modle de dpart. Les tches sont reprsentes par des machines (ou stations)
au niveau du modle Witness. Le patient est reprsent par une pice circulant dans le
processus selon le chemin prdfini. Les stocks reprsentent des patients en attente avant
traitement par une tche donne.
IV.1.2 Validation du modle de simulation

La validation du modle est prioritaire avant la phase dexprimentation. Nous avons


effectu beaucoup de tests pour examiner et ajuster le paramtrage et le contrle du modle
afin dapprocher la ralit, le plus finement possible. La figure ci-dessous est lhistogramme
du nombre de patients traits par chaque tche durant une semaine bas sur les donnes relles
davril 2006.

400
350
300
250
200
150
100
50
0
Ra
di
ol
og
ie

se
An
al
y

Sp
c
i

2e
m

1e
r
G
M

al
ist
e

Srie1

TA

Le nombre de patients

Nombre de patients traits par chaque tche


pendant une semaine

Les tches

Figure 12: Le nombre de patients traits par chaque tche pendant une semaine

Par comparaison avec les donnes relles, nos rsultats prsents sur les deux figures
suivantes qui indiquent le nombre de patients traits par chaque tche dmontrent que notre
modle peut tre un outil de simulation fiable et contribuer aux diagnostics par la suite.

103

Simulation et rseaux de files dattente

500
400
300

Srie1

200
100

R
ad
io
lo
gi
e

A
na
ly
se

e
S
p
ci
al
is
t

M
G

M
G

1e
r

2e
m

TA

Le nombre de patients

Nombre de patients traits par chaque tche


pendant une semaine (modle statique)

Les tches

Figure 13: Nombre de patients traits par chaque tche


pendant une semaine (modle statique)

500
400
300

Srie1

200
100

R
ad
io
lo
gi
e

A
na
ly
se

e
S
p
ci
al
is
t

M
G

M
G

1e
r

2e
m

TA

Le nombre de patients

Nombre de patients traits par chaque thce


pendant une semaine (modle dynamique)

Les tches

Figure 14: Nombre de patients traits par chaque tche


pendant une semaine (modle dynamique)

Les deux figures prsentent le nombre de patients traits par chaque tche travers laquelle
passe le patient dans le service pour les deux modles de simulation statique et dynamique.
Nous passons, aprs la validation du modle, ltape de diagnostic.
IV.1.3 Diagnostics et Rsultats

Reproduire le comportement de la ralit sur le modle Witness nous a amen dfinir,


depuis notre chantillon, les pourcentages dorientation du patient vers les tches suivantes :
1.

entre Analyse, Radiologie et sortis .

2.

entre visiter une deuxime fois mdecin faire soigner et mdecin

spcialiste .
En ce qui concerne les temps associs chaque tche, deux implmentations ont t
proposes :
1. Implmentation statique not ST : le temps de cycle de chaque tche reprsente
la moyenne effectue sur lensemble des temps associs chaque patient.

104

Chapitre 4

2. Implmentation dynamique not DY : dans cette deuxime implmentation, le


cycle de chaque tche suit une distribution probabiliste qui modlise la dure
dattente et du traitement des 100 patients. La suite de ltude sera effectue sur le
modle dynamique puisquil reflte plus fidlement le rel.

Figure 15: Modle Witness labor (Jlassi et al, 2007b) (Jlassi et al, 2007c)

IV.1.4 Utilisation du modle

Ltape suivante consiste lancer nos deux modles Witness sur deux dures diffrentes
afin de les exprimenter et den tirer des rsultats. Les premiers rsultats retenus nous
permettrons dvaluer la performance de notre processus correspondant aux indicateurs
suivants :
-

nombre de patients arrivs.

nombre de patients en cours de traitement.

nombre de patients traits dans tout le service.

nombre de patients traits dans chaque tche.

taux doccupation et de disponibilit au niveau de chaque tche.

nombre de patients en attente (en stock).

Ces indicateurs permettent dvaluer la performance et donc de vrifier latteinte de lobjectif


fix au dpart.

105

Simulation et rseaux de files dattente

Les tableaux qui suivent prsentent les premiers rsultats de simulation pour 1 semaine et
pour 25 semaines.
Tche

Mdecin

administrative

385

384

Nbre patients traits

183

247

Spcialiste

(Gnraliste ou

(Gnraliste ou

orthopdie)

orthopdie)

1ere passage

Nbre patients entrs

Mdecin

Radiologie
Analyse

2eme passage

384

383

383

378

217

223

26

19

147

147

255

239

100

100

98.25

95.10

99.25

98.65

97.4

98.65

80.32

80.61

19.91

18.4

En cours de traitement 202 137


% Occupation tche

2
0

% Disponibilit tche

1.71

4.90

0.75

1.35

2.52

7
1.35

19.67

19.38

80.08

81.5

Tableau 5: Rsultat de la simulation pour une dure de 10000 minutes (1 semaine)


Tche

Mdecin

Mdecin

administrativ

(Gnraliste ou

(Gnraliste

orthopdie)

ouorthopdie)

1ere passage

Nbre patients entrs

3847

3746

Nbre patients traits

2409

2542

En cours de traitement

1438

1204

% Occupation tche

3846

3745

3845

3744

2187

2198

269

100

100

98.4

96.19

99.89

99.8

99.70

1.53

4
3.81

Analyse Radiologie

2eme passage

% Disponibilit tche

Spcialiste

0.11

0.16

268

1531

99.8 82.81
6

0.30

0.14 17.18

1520

82.0 19.74

2307

18

2
17.9 80.25
7

Tableau 6: Rsultat de la simulation pour une dure de 100000 minutes (25 semaines)

2505

82

106

Chapitre 4

Les rsultats indiqus dans les deux tableaux montrent que le mdecin gnraliste au
deuxime passage des patients et le mdecin spcialiste sont les tches les plus occupes.
Dans ce qui suit, nous continuerons de travailler avec le modle dynamique puisquil reflte
la ralit du passage de patient au niveau du service durgence. Le passage des patients chez
le mdecin gnraliste au niveau du deuxime passage des patients ainsi que chez le mdecin
spcialiste occupe un temps dattente important.
Aprs lvaluation de la performance du service durgence, tout en utilisant le modle de
simulation, nous passons la validation des rsultats de ce modle par lapplication des
rseaux de files dattentes.
IV.2 Application des rseaux de files dattente

Un rseau de files dattente est constitu dun ensemble de stations interconnectes,


travers lesquelles circulent des entits appeles clients (dans notre cas patients). Chaque
station est compose dune file dattente et dun ou plusieurs serveurs. Les serveurs peuvent
tre vus comme des ressources dispensant des services aux clients. Lorsque la ressource
demande par un client nest pas libre (cest--dire occupe servir un autre client), le client
patiente dans une file dattente jusqu la libration de la ressource et quitte la station aprs
avoir reu le service demand.
Lorsque lon modlise les flux des patients dans le service tudi, les clients sont les
patients qui passent dune tche une autre, les serveurs sont les diffrentes tches (tche
administrative, la consultation du mdecin gnraliste, la radiologie, la consultation dun
mdecin spcialiste). Enfin, les files dattente peuvent tre le nombre de patient en salle
dattente entre les diffrentes tches. Dans cette partie, il sagit dun rseau de files dattentes
multi classe avec priorit de classe.
IV.2.1 Rsultats des rseaux de files dattente multi classe avec une classe
prioritaire

Dans le service durgence tudi, il existe deux classes de patients :


-

Classe 1 : cas non grave

Classe 2 : cas grave

107

Simulation et rseaux de files dattente

Lorsquun patient de la classe cas grave arrive, il doit tre immdiatement soign et donc il
peut interrompre le service dun patient cas non grave. En appliquant les formules donnes
par Petrson (1991) on obtient les rsultats suivants
Le rseau est compos de 6 tches :
-

T1 : La tche administrative ;

T2 : La 1re visite dun mdecin gnraliste

T3 : Lanalyse ;

T4 : La radiologie ;

T5 : La 2me visite dun mdecin gnraliste

T6 : La visite dun mdecin spcialiste.

Pjk = k m jk ,
Pj =

kC j

jk

j = 1, , J

k Cj

j = 1, , J

P11 = 1m11 = 55,59 ; P12 = 2 m12 = 0 ; P21 = 1 m21 = 107, 008 ; P22 = 71, 25 ; P31 = 146,3 ;
P32 = 95 ; P41 = 96 ; P42 = 85,5 ; P51 = 133 ; P52 = 95 ; P61 = 188 ; P62 = 118
Z *j ( t ) ( I + ) = W j* ( t )

R = I + 2 + + ( 1)

J 1

J 1

est triangulaire et strictement suprieur garantie que ( I + ) R

ij =

kGi C j

Pjk / Pik

i j

kGi

0
0
0
0
1
1.9
1
0
0
0

1231 6.32
1
0
0
=
1
0
17.8 .91 0.14
11 5.66 0.89 6.18
1

22.811.71 1.85 12.79 2.069


94
199.3

975.7
Z *j ( t ) =

920.15
1023.25

2092.15

0
0
0
0
0
1

108

Chapitre 4
1) La classe des patients : Cas non Grave

La premire tche :

Q*jk ( t ) =

PjG

Z *j ( t ) =

1 *
U jk ( t )
m jk

Q11* ( t ) = 7, 068

Le reste des tches :

Qik* ( t ) =

1
Z i* ( t ) ik Avec ik =
PiG
0

si k Gi
autres

*
*
Q21
( t ) = 7, 78 ; Q3.1
( t ) = 27,93 ; Q41* ( t ) = 40, 06 ; Q51* ( t ) = 32,15 ; Q61* ( t ) = 46,51

2) La classe des patients : Cas grave

Q njk ( t ) = Anjk ( t ) Anjk (T jn ( t ) )


Ak ( t ) = N k ( k t ) ,

t0

max l 0; ukl + + u KL t} , ukl t


Nt ( t ) =
ukl t
0
T jn =

1 *
Zj
PjG

Pour le calcule de

u kl

normalis : on a pris un chantillon pour la dtermination des temps

moyens darrives ensuite on a appliqu le thorme centrale limite


E(X ) =

1
N

V ( X ) = ( Xi X )

Si X i N ( , ) alors

X E(X )
V (X )

N ( 0,1)

Les rsultats obtenus


Q12* ( t ) = 0 ;

*
Q22
( t ) = 5, 23 ;

*
Q62
( t ) = 20, 49

3) Le temps dattente

*
Q32
( t ) = 14, 03 ;

*
Q42
( t ) = 17, 21 ;

*
Q52
( t ) = 16,57 ;

109

Simulation et rseaux de files dattente


S(k )

S (t ) = S
*
k

l =1

*
lk

Z *j

(t ) =

{ j:kG j } Pij

S k* ( t ) =1, 69 + 1,86 + 9,58 + 7, 69 + 11,12 = 31,94

Les rsultats du rseau de file dattente peuvent tre prsents par les figures suivantes.
(Jlassi et al, 2008b) (Jlassi et al, 2008c) (Jlassi et al, 2009a) (Jlassi et al, 2009b) (Jlassi et al,
2009c)
Le nombre de patients cas non grave dans le queue

Le nombre de patients

50
40
30
Srie1
20
10
0
Q1

Q2

Q3

Q4

Q5

Q6

Qi

Figure 16: Le nombre de patients dans le queue (patients cas non grave)

La figure suivante montre que le nombre important de patients, cas non grave, dans le
queue se trouve devant le mdecin gnraliste, au niveau du deuxime passage des patients, et
aussi devant le mdecin spcialiste.

Le nombre de patient dans


chaque queue

Le nombre de patients cas grave dans le queue


25
20
15
Srie1
10
5
0
Q1

Q2

Q3

Q4

Q5

Q6

Qi

Figure 17: le nombre de patients dans le queue (patients cas grave)

110

Chapitre 4

Par ailleurs, la figure ci-dessus, prcise que le nombre de patients, cas grave, est assez
lev dans le queue devant le mdecin gnraliste, au niveau du deuxime passage des
patients, et le mdecin spcialiste.
Le temps d'attente des patients cas non grave
devant chaque tche

Le temps d'attente

12
10
8
Srie1

6
4
2
0
S1

S2

S3

S4

S5

S6

Si

Figure 18: Le temps d'attente des patients

Les rsultats de cette figure indiquent que les patients passent un temps dattente important
chez le mdecin gnraliste au deuxime passage des patients et chez le mdecin spcialiste.
Les rsultats obtenus par les rseaux de files dattente sont cohrents avec ceux de la
simulation, ce qui justifie la ncessit dajouter soit un mdecin gnraliste au niveau du
deuxime passage des patients soit un mdecin spcialiste puisque ces deux tches sont les
plus occupes et le patient passe plus de temps attendre. De ce fait, il est important de fixer
les inducteurs de performance sur lesquels nous pouvons agir et aussi de choisir les axes
damlioration.
V. CONCLUSION

Pour valuer la performance dun systme, deux tapes peuvent tre suivies : la phase de
modlisation et la phase danalyse. Ce chapitre prsente les deux techniques que nous
proposons dutiliser pour valuer la performance du service durgence au niveau de la phase
danalyse. Nous avons commenc par prsenter la simulation et ses tapes de mises en uvre.
Ensuite, nous avons prsent les rseaux de files dattente comme technique complmentaire
pour la prcdente. Lapplication de ces deux techniques a donn des rsultats cohrents, ce
qui prouve que le temps dattente chez le mdecin gnraliste, au niveau du deuxime passage
des patients, et chez le mdecin spcialiste est le plus important. De ce fait, il est important
didentifier les inducteurs de performance et aussi de choisir les actions damlioration.

Chapitre 5

AIDE AU CHOIX DES ACTIONS


DAMELIORATION

Dans ce chapitre, nous exposons, au dpart, les inducteurs de performance identifis par
le diagramme en arbre. Nous utilisons, par la suite, la mthode AHP floue et ce dans le but de
choisir linducteur sur lequel nous pouvons agir et lancer nouveau le modle de simulation.
A la fin de ce chapitre, lidentifier de laction damlioration, qui aide les responsables du
service durgence minimiser la dure de sjour des patients, est ralis par lutilisation de
la mthode PROMETHEE floue.

112

Chapitre 5

I. INTRODUCTION

Dans les chapitres ultrieurs, et au dpart nous avons modlis graphiquement le processus
des patients dans le service durgence afin de mieux comprendre les causes de rallongement
des dlais. Ensuite nous avons appliqu les deux techniques simulation et rseaux de files
dattentes pour valuer la performance du service durgence avec certains indicateurs. Les
rsultats ont montr que le patient passe le temps dattente le plus long chez le mdecin
gnraliste au niveau du deuxime passage des patients et chez le mdecin spcialiste. Pour
minimiser le dlai de sjour des patients, nous proposons dans ce chapitre de fixer les
inducteurs de performances sur les quels nous pouvons agir et aussi choisir entre les actions
damlioration.
II. IDENTIFICATION DES INDUCTEURS DE PERFORMANCE

Lvaluation de la performance dun systme ne se termine pas la dernire phase de


simulation. Ainsi, les chercheurs passent ltape dvaluation de la performance tout en
faisant varier quelques paramtres. Il sagit de lancer nouveau le modle de simulation tout
en agissant sur certains inducteurs de performances. Un inducteur de performance est le
facteur qui influe sur la performance dune activit ou de tout un processus. Dans une
dmarche daide la dcision, cest la variable daction sur laquelle on peut agir et
dcider afin de faire voluer le processus et de mieux atteindre lobjectif. (Addouche et al,
2005)
Dans un service d'urgence, la suite de lidentification des indicateurs de performance, les
chercheurs passent lidentification des inducteurs de performances qui permettent
damliorer la performance des processus. Tao et al (2006) ont propos comme inducteurs
lajout dun mdecin. Dehas et al (2006) ont essay dvaluer la performance tout en faisant
varier quelques paramtres comme le taux darrives des malades dans le systme, les
capacits et le nombre dinfirmiers des diffrents services dhospitalisation, ainsi que lajout
des mdecins de garde la salle de consultation. Miller et al (2004) ont propos comme
inducteurs, affectation de lits, dure de la prise de radiographies ou dexamens en laboratoire.
Ltude de Griffiths et al (2005) traite comme inducteurs prvision du nombre dinfirmires
rgulires et ajout dun programme de soins.

Aide au choix des actions damlioration

113

Dans notre cas, pour choisir linducteur sur lequel il faut agir, nous proposons d'utiliser le
diagramme en arbre.
II.1 Diagramme en arbre : dfinition et tapes de mise en oeuvre

Le diagramme en arbre est une reprsentation en arborescence qui permet partir dun
objectif de dpart de dcliner lensemble des objectifs intermdiaires et les moyens mettre
en oeuvre. Son objectif est de rechercher lensemble des moyens mettre en oeuvre pour
atteindre un objectif dtermin. Pour raliser ce diagramme certaines tapes sont suivre :
-

Formuler lobjectif de dpart

Aprs discussion, lobjectif initial est not sur un post-it et plac en haut et au milieu de la
feuille de papier kraft. Les participants notent individuellement leurs ides sur les post-it, en
gnral ils disposent de 4 6 post-it chacun. Chaque post-it ne doit contenir quune phrase
simple ne reprenant quune ide.
-

Clarifier les moyens proposs

On trace au centre de la feuille un cercle en pointill et on place le post-it regroup sur la


partie gauche de la feuille. On dplace un de la post-it sur le cercle et on essaie de dfinir ce
quon entend par la phrase note. Une fois quune dfinition prcise et commune lensemble
des participants est adopte, le post-it est dplac droite de la feuille. Lopration est
renouvele pour chaque post-it pour que toutes les ides soient clairement explicites.
-

Classer et hirarchiser les moyens

Les post-it sont ensuite classs en groupe de 2 4 en fonction de points communs de mise
en oeuvre. Dans chaque groupe, on dtermine quel est le moyen de 1er ordre ou moyen
directement li latteinte de lobjectif (il sagit dun moyen dj cit ou dun moyen dfinir
pour englober lensemble des lments du groupe). Chacun de ces moyens est plac en
colonne sur une branche directement lie lobjectif de dpart par une flche allant de
lobjectif au moyen.
-

Dfinir les moyens ncessaires pour atteindre les sous objectifs

Les moyens de 1er ordre sont ensuite considrs comme des objectifs atteindre (ou
objectifs de second ordre). Pour chacun de ces sous objectifs, on explicite les moyens mettre
en oeuvre en suivant le principe des tapes 2 4. La dmarche peut tre poursuivie pour les
moyens de 2e et ventuellement de 3e ordre.

114
-

Chapitre 5

Valider le diagramme

Le diagramme est relu de manire vrifier que les moyens proposs permettent bien
datteindre les objectifs et sous objectifs fixs.

Figure 19: Le diagramme en arbre

Le diagramme en arbre nous permet d'identifier les inducteurs, mais ne nous permet pas
de les classifier pour choisir le plus important. Pour cela, nous proposons d'utiliser une
mthode d'analyse multicritre. Une fois nous dgagerons l'inducteur sur lequel il faut agir,
nous lancerons nouveaux le modle de simulation ce qui nous permettra dobtenir certaines
actions damlioration de performance.
II.2 Diagramme en arbre : dtermination des inducteurs de performance

Pour dfinir et choisir les inducteurs sur les quels nous pouvons agir et modifier le modle
de simulation de dpart fin damliorer la performance du systme nous avons propos
dutiliser le diagramme en arbre. Pour chercher, comment nous pouvons atteindre lobjectif
fix au dpart qui est laugmentation du nombre de patients traits (minimisation du cycle de
parcours des patients) et avec laide de certains personnels travaillant dans le service et le
directeur financier de lhpital Habib Bourguiba Sfax, nous avons obtenu le diagramme ci-

Aide au choix des actions damlioration

115

dessous. Ce dernier nous permet de choisir et fixer linducteur sur lequel nous pouvons agir
pour amliorer la performance du systme. (Jlassi et al, 2007d)

116

Chapitre 5

Temps dattente
de
la
tche
administrative (S1

Augmenter le nombre de
guichet pendant les heures
dafflux CR1
Inscription du malade dans le
service spcialis et par la
suite il passe eu payement CR2

Minimiser
le
temps dattente
(C1)

Temps dattente
de lanalyse

Amliorer la logistique entre le


service durgence et le
laboratoire danalyse CR3
Amliorer
le
systme
dinformation du service :
exple avoir de lIntranet CR4
Maintenance des quipements
CR5

Temps dattente
de radiologie (S3)

Avoir un assistant de garde


radiologie sur place CR6
Ajouter une salle dcot au
sein de lurgence CR7
Former un mdecin spcialiste
pour assurer la tche de
radiologie CR8

Minimiser
la
dure de sjour
dun patient

Temps dattente
dun spcialiste
(S4)

Assurer la garde par des


sciniors : assistant CR9
Assurer la garde par des
sciniors : agrg CR10

Temps dattente
du mdecin (S5)

Ajouter
un
mdecin
gnraliste (S6)

Ajouter
un
mdecin
spcialiste (S7)

le

Ajouter un gnraliste de la
sant publique form et qui a
de lexprience CR12
Ajouter un gnraliste qui na
pas de lexprience CR13

Ajouter en cas de
besoin
un
mdecin (C2)

Rorganiser
service (C3)

Triage CR11

Rorganiser le service
afin de limiter les
familles des patients la
boxe de soin (S8)

Figure 20: Le diagramme en arbre propos (Jlassi et al, 2007d)

Ajouter
un
assistant :
spcialiste orthopdie CR14
Ajouter les deux spcialistes
CR15
Ajouter
un
spcialiste
en
gnrale CR16

assistant :
chirurgie

Aide au choix des actions damlioration

117

A partir du diagramme suivant, nous pouvons dterminer les principaux inducteurs de


performances qui permettent aux responsables du service de se rapprocher de lobjectif fix
tel que la minimisation du dlai de sjour du patient et donc laugmentation du nombre de
patients traits par le service. Cependant il est important de choisir les inducteurs les plus
important, selon les points de vues des responsables, sur les quels nous pouvons agir et lancer
nouveau le modle de simulation. Cest pour cela que nous proposons dappliquer une
mthode daide la dcision multicritre: la mthode AHP.
III. LA METHODE AHP

Saaty (1980) a propos, il y a plus de 20 ans, le modle Analytic Hierarchy Process (AHP),
qui est une mthode assez simple dans son principe et dans sa mise en oeuvre, ce qui explique
peut tre le nombre assez important de publications scientifiques quelle a dclench. La
rsolution de problme selon la mthode AHP est lanalyse multicritre la plus rpondue
parce quelle accompagne le dcideur dans la mthodologie de formulation de son problme
et en particulier parce quelle propose une mthode dvaluation des paramtres
dimportance. Elle procde par combinaisons binaires de chaque niveau de la hirarchie par
rapport aux lments du niveau suprieur. Les raisons de sa popularit sont :
-

Units de mesures : Qualitatives et quantitatives, valeurs relatives ou absolues pour


tablir des priorits ;

Structure hirarchique : Trie des lments dun systme dans diffrents niveaux et
dans des groupes caractristiques similaires ;

Interdpendance : Permet de considrer linterdpendance des lments dun systme


sans insister sur le raisonnement linaire ;

Consistance : Permet de garder une consistance logique des jugements utiliss pour
dterminer les priorits ;

Synthse: Permet dobtenir une apprciation gnrale de la dsirabilit de chaque


alternative ;

Identification des priorits: Permet de considrer la priorit relative de chaque critre


pour ainsi obtenir la meilleure alternative selon les objectifs identifis ;

Unicit: Sa flexibilit permet son utilisation dans un ventail vari de problmes non
structurs. Cette mthode a t utilise dans des domaines aussi varis que le conflit
du Moyen Orient (1972), la planification du transport au Soudan (1973-1975), la
planification dun institut de recherche (1977), les prix du ptrole en 1990 (1980), une

118

Chapitre 5

exploration minire en Mauritanie (1976), lachat dun vhicule, le choix de systmes


de production dans des industries et plusieurs autres.
Le point de dpart de la mthode est de dfinir une arborescence hirarchique de critres et
de sous critres. Chaque critre doit tre identifi avec sa dfinition et son intensit. Il faut en
effet que la somme des poids de tous les critres fils dun mme critre pre, soit gale 1.
Cette expression des poids est appele relation dinterdpendance. La dtermination des poids
des facteurs se fait une fois que la hirarchie complte du problme est pose. On va comparer
deux deux les diffrentes branches de mme niveau, en attribuant une note chiffre la
faon dont on ressent la diffrence entre les deux critres. Ainsi on dispose de toute cette
chelle de valeurs pour remplir une matrice de jugements, quon notera A dans les formules
mathmatiques. Id la matrice identit dordre n, n tant le nombre dactions prises en compte
dans ltude. On va ensuite, une fois cette matrice remplie, normaliser par colonne cette
matrice (on additionne les valeurs dune mme colonne, puis on divise chaque nombre de la
colonne par cette somme). Puis on calcule la moyenne arithmtique des nombres sur chaque
ligne. Chaque ligne correspondant un critre, la moyenne associe au critre dfinit le poids
du critre relativement au critre pre. La valeur globale du poids dun critre en bout
darbre est le produit de tous les poids aboutissant ce critre.
Initialement, Saaty avait propos une mthode base sur les valeurs propres de la matrice
des jugements. Ainsi, il avait montr que la valeur propre maximale

du problme de

recherche des valeurs propres ( det ( A I d ) = 0 ) tait relle, et suprieure la taille de la


matrice. Puis, en rsolvant le systme AV = m I d V (V tant un vecteur propre de A), et en
ajoutant la condition que la somme des poids doit tre gale 1 ; il en tirait les mmes valeurs
des poids que celles obtenues par la technique prcdente. La cohrence des rsultats doit
galement tre vrifie. Pour chacune des matrices dvaluation A, on peut calculer un indice
de cohrence. Pour une matrice donne, on retient sa valeur propre maximale m . LIndice de
Cohrence CI dune matrice n n est : CI =
calcul en utilisant la formule CR =

m n
n 1

. Le Ratio de Cohrence est ensuite

CI
, o IA est un indice de cohrence obtenu par un grand
IA

nombre de simulations. On va maintenant dterminer le poids accorder une action. Pour

119

Aide au choix des actions damlioration

cela, on va considrer un critre en bout darbre, et faire des comparaisons, entre toutes les
actions, du point de vue de ce critre. On peut ensuite attribuer une note globale chaque
action, en calculant la moyenne pondre des notes obtenues par les actions. Il ne reste plus
qu ranger ces notes pour obtenir un classement final des actions.
Pour rsumer les tapes suivre de la mthode AHP on peut citer les tapes suivantes :
-

tape 1 : Dcomposer le problme complexe en une structure hirarchique

tape 2 : Effectuer les combinaisons binaires

tape 3 : Dterminer les priorits

tape 4 : Synthtiser les priorits

tape 5 : Cohrence des jugements

Pour la premire tape : dcomposer le problme complexe en une structure hirarchique :


-

Dfinir lobjectif cible (niveau 0)

Dfinir les critres de dcision ou danalyse (niveau 1)

Dfinir les caractristiques des critres, chacun son tour, ou lensemble doptions
sous tude (niveau 2). Le dernier niveau de la hirarchie comprendra les diffrentes
solutions alternatives, choisies pralablement.

Saaty recommande de limiter le nombre de critres ou alternatives pertinentes 7 au


plus.

Une analyse fonctionnelle du projet valuer, tel que prconise dans le plan de
travail de la mthode de lAnalyse de la valeur peut savrer trs utile pour identifier
les critres dvaluation insrer dans la structure hirarchique.

Niveau 0

Techniques de
rhabilitation des
regards

Niveau 1

Dlai de
livraison

Qualit

Niveau 2

Alter1

Alter 2

Alter3

Alter1

Alter 2

Figure 21: Exemple de niveaux hirarchiques

Exprience de
lentrepreneur

Alter 3

Alter1

Alter 2

120

Chapitre 5

Etape2 : effectuer des combinaisons binaires :


-

Comparer limportance relative de tous les lments appartenant un mme niveau de


la hirarchie pris deux par deux, par rapport llment du niveau immdiatement
suprieur.

Configurer une matrice carre rciproque forme par les valuations des rapports des
poids ( K K ) , K tant le nombre dlments compars. On obtient de cette faon :
a = aij avec a jj = 1 et a ji =

1
(valeur rciproque)
aij

Les valeurs aij sont dtermines laide de lchelle suivante :


Echelle
numrique

Echelle verbale

Importance gale des deux lments

Un lment est un peu plus important que lautre

Un lment est plus important que lautre

Un lment est beaucoup plus important que lautre

Un lment est absolument plus important que lautre


Tableau 7: L'chelle de Saaty

Etape3 : Dterminer les priorits


-

Calculer limportance relative de chacun des lments de la hirarchie partir des


valuations obtenues ltape prcdente

La dtermination des priorits des lments de chaque matrice se fait par la rsolution
du problme de vecteurs propre

Limportance relative des diffrents critres est exprime par les valeurs du vecteur
propre normalis 1.0 Plus grande est cette valeur et plus important est le critre
correspondant.
Etape4 : synthtiser les priorits
Etape5 : la cohrence des jugements

Les rponses obtenues prsentent souvent un certain degr dincohrence. AHP nexige
pas que les jugements soient cohrents ni transitifs, par contre Saaty a dfini un indice de
cohrence (IC). Plus lindice de cohrence devient grand et plus les jugements de lutilisateur
sont incohrents et vice versa. IC est ensuite compar des valeurs critiques obtenues par
simulation. Saaty a dfini, par exprimentation, un ratio de cohrence comme le rapport de
lindice de cohrence calcul sur la matrice correspondant aux jugements du dcideur et de
lindice alatoire (IA) dune matrice de mme dimension.

121

Aide au choix des actions damlioration


N = nombre

10

11

0.58

0.90

1.12

1.24

1.32

1.41

1.45

1.49

1.51

de critres
IA

Tableau 8: Dtermination de l'Indice Alatoire

Le ratio de cohrence est donn par la formule suivante :


RC=IC / IA,
RC : est le ratio de cohrence ;
IA : est un indice alatoire ;
IC : est lindice de cohrence.
Le ratio de cohrence peut tre interprt comme la probabilit que la matrice soit
complte alatoirement. La cohrence globale dapprciation est value au moyen de ce
ratio de cohrence RC. Toujours selon Saaty, la valeur de ce dernier doit tre au plus gale
10%. Dans le cas o cette valeur dpasse 10%, les apprciations peuvent exiger certaines
rvisions.
Le travail suivant consiste appliquer la comparaison binaire entre les diffrents niveaux
du diagramme en arbre. Cest pourquoi nous proposons lapplication de la mthode AHP
(Analytic Hierarchy Process).
Les dcideurs, ont plus de confiance dutiliser de donner des intervalles de jugement que
des valeurs de jugement fixes. Ce qui explique le fait de mettre les prfrences des dcideurs
qui sont dues la nature floue des processus de comparaison. La logique floue (Zadeh, 65) a
permis d'largir la porte de la dcision multicritre en la rapprochant davantage du
raisonnement humain. Le concept d'objectifs ou contraintes flous introduit par (Bellman et
Zadeh, 70) dans le domaine de la dcision multicritre a ouvert une voie totalement nouvelle
pour des techniques de rsolution de problmes critres multiples. Le floue ou le vague a
pour origine lambigut et le vague que comporte tout langage humain. Les caractristiques
gnrales de la logique floue sont les suivantes telles que dfinies par Zadeh (1978) et
Bouchon (1993) :
-

Le raisonnement exact est un cas limite du raisonnement flou;

Lappartenance dun lment un ensemble nest pas ncessairement binaire


(oui/non), mais il prend des valeurs dans un continuum, en gnrale lintervalle rel
[0, 1].

Tout systme logique peut tre trait par le flou.

122

Chapitre 5

Le savoir est interprt comme une collection de contraintes floues sur une collection
de variables.
Linfrence est considre comme un processus de propagation de contraintes floues.

Par ce que faire une comparaison binaire entre deux variables en utilisant une chelle
linguistique est une opration cognitive complexe ;
Par ce que la faon dexprimer la comparaison est celle des mots ;
Par ce que le langage est ncessairement imprcis et vague ;
Nous avons choisis dutiliser la logique floue et les outils de la thorie des ensembles flous
pour modliser la comparaison binaire entre les critres par la mthode AHP.
III.1 Les ensembles flous

La notation des ensembles flous a t introduite par Lotfi A. Zadeh (1965) (Zadeh, 1965;
Zadeh, 1975). Un ensemble flou est un ensemble de valeurs qui appartiennent une certaine
classe avec une certaine certitude. Par exemple un homme de 1m80 est grand avec une
certitude de 80% et moyen avec une certitude de 40%. a veut dire qu'il appartient la classe
"hommes grands" avec une certitude de 0.80 et la classe "hommes moyens" avec une
certitude de 0.40. "Homme grand" et "homme moyen" sont des ensembles flous dont les
limites

dpendent

par

exemple

de

l'observateur

et

du

pays

concern.

Figure 22: Ensembles flous

Si l'homme pse 95 kg il est aussi "homme lourd" avec une certitude de 0.9 et "homme
moyennement lourd" avec une certitude de 0.15. Est-il alors un "homme fort", un "homme
muscl" ou un "homme maigre"? Il est, par exemple, "homme fort" avec une certitude de

Aide au choix des actions damlioration

123

0.8, "homme muscl" avec une certitude de 0.5 et "homme maigre" avec une certitude de
0.001. Le calcul logique effectuer est "homme grand" ET "homme lourd" => "homme
fort", aussi bien que "homme moyen" ET "homme lourd" => "homme fort" ainsi que
plusieur autres dductions pour "homme muscl" par exemple.
La logique floue est une logique qui permet de propager les coefficients de certitude dans
les oprations logiques, comme les oprations ET, OU et NON. Dans l'exemple ci-dessus il
faut dj utiliser les oprations ET et OU pour trouver la certitude que l'homme appartient
la classe "homme fort". La faon de propager les facteurs est souvent d'utiliser le minimum
pour l'opration ET et le maximum pour l'opration OU.
III.2 LAHP floue : tat de lart

Plusieurs auteurs ont utilis dans leurs recherches, la mthode dhirarchie multicritre
floue (AHP floue), les premiers travaux de AHP floue , sont apparus avec Van Laarhoven
et Pedrycz (1983) qui ont compar des ratios flous en dcrivant des fonctions dappartenances
triangulaires. Buckley (1985) dtermine des priorits des ratios de comparaison dont les
fonctions dappartenance sont des trapzes. Stam et al (1996) explorent comment les
techniques dintelligence artificielle peuvent utiliser ou approximer les classements de
prfrence dans lAHP. Ils ont conclu que la formulation du rseau neural semble tre un outil
puissant pour analyser les alternatifs discrte des problmes de dcision multicritre
imprcises des classements floue de jugement de prfrence. Chang (1996) prsente une
nouvelle approche manipuler la mthode AHP floue, en introduisant les nombres flous
triangulaires pour la comparaison binaire entre les critres. Ching-Hsue (1997), propose un
nouvel algorithme pour lvaluation des systmes naval avec LAHP floue. Weck et al (1997)
prsentent une mthode pour valuer les diffrentes alternatives du cycle de production en
ajoutant les mathmatiques de la logique floue lAHP classique. Kahraman et al (1998), ont
mis une mthode objective et subjective floue pour obtenir des poids avec AHP. Deng (1999)
prsente une approche floue pour sattaquer aux problmes qualitatifs danalyse multicritre
dune manire simple. Lee et al (1999) rvisent les ides de base de lAHP. En se basant sur
ces ides ils introduisent le concept dintervalle de comparaison et proposent une
mthodologie base sur loptimisation stochastique pour accomplir une cohrence globale et
adapter la nature floue du processus de comparaison. Cheng et al (1999), proposent une
nouvelle mthode dvaluation des systmes de larme par la mthode dhirarchie
multicritre base sur les poids des variables linguistiques. Zhu et al (1999), font une

124

Chapitre 5

discussion sur limportance des mthodes danalyse et les applications de lAHP floue. Chan
et al (2000) prsentent un algorithme des techniques de slection pour quantifier les bnfices
tangibles et intangibles dans un environnement flou. Ils dcrivent une application de la thorie
de la logique floue pour des analyses structurelles et des valuations conomiques. ShengHshiung et al (2001), ont appliqu la logique floue pour valuer la qualit du service des
compagnies ariennes. La qualit du service est compose de divers attributs parmi lesquels
les attributs intangibles qui sont difficiles mesurer. Afin de rpondre ce problme les
auteurs ont utilis la thorie de la logique floue pour la mesure de performance. En utilisant la
mthode AHP pour obtenir les poids des critres et TOPSIS pour classer. Ils ont trouv
comme rsultat que les attributs les plus important considrer sont, la politesse, la scurit et
le confort. Kuo et Chen (2002) dveloppent un systme dappui de dcision pour situer un
nouveau magasin. Le premier compos du systme propos est le dveloppement dune
structure hirarchique du processus analytique flou. Cheng et al (2005), implmentent la
mthode AHP floue les entrepreneurs tlcoms valuer et planifier leur future stratgie.
Kahraman et al, (2003), prsentent quatre approches de groupe de dcision multi attribut
floue en introduisant lAHP floue dans le problme de slection demplacement dinstallation.
Bozdag et al (2003) implmentent lAHP floue pour choisir le meilleur systme
manufacturier en prenant en compte les facteurs tangibles et intangibles. Ong et al (2003),
introduisent la mthode AHP floue pour attribuer les poids aux critres et reflter leurs
importances fonctionnelles du systme de conception. Kahraman et al (2004), implmentent
lAHP floue pour comparer les entreprises de restauration par la satisfaction des
consommateurs. Ltude de Bozbura et al (2005) dfinit une mthodologie pour amliorer la
qualit de prioriser des indicateurs de dimension du Capital Humain en utilisant la mthode
dhirarchie multicritre floue (AHP floue). Dans le modle les auteurs ont utilis cinq
attributs; le talent, lintgration stratgique, la pertinence culturelle, la grance de savoir et la
direction ; leurs semi attributs, et 20 indicateurs. Le modle propos peut tre utilis, selon
les auteurs, dans nimporte quel pays. Cependant, les rsultats de l'exemple numrique
refltent la situation du Capital Humain en Turquie, Les rsultats de l'tude indiquent que
cration en utilisant le savoir , classe technique des employs , partage du savoir ,
succs du programme de formation sont les quatre plus importants indicateurs de mesure
du capital humain en Turquie.

125

Aide au choix des actions damlioration


III.3 LAHP floue : procdure de mise en uvre

Reprsentation floue dune comparaison binaire :

Dans ce travail, nous utilisons les nombres flous triangulaires pour reprsenter les
comparaisons subjectives binaires des inducteurs dans le but de minimiser le vague.

Un nombre flou est tel que F = X , F ( X ) , X R , avec X prend sa valeur dans R,

x + et F ( X ) [ 0,1] .
Un nombre flou est not M = (a, b, c). Avec a b c , les fonctions dappartenance
triangulaire :

F ( X )

x<a
0
x a

a xb
b a
=
c _ x b x c
c b
0
x>c

En dfinissant lintervalle de confiance de niveau , cest lintervalle dont lequel on peut


avoir plus de confiance, un nombre flou triangulaire est caractris comme suit :
[ 0, 1]

M = a , c = ( b a ) + a, ( c b ) + c

La procdure de lAHP floue est prsente comme suit (Kwong and Bai, 2002)
Etape n1 Comparer les scores de performances en utilisant les nombres flous

triangulaires 1, 3, 5, 7, 9

Etape n2: Construire la matrice de comparaison floue A ( aij )

sous la forme

suivante

1 a12

A=

an1 an 2

a1n

1
Avec aij =
1, 3, 5, 7, 9

i= j
ou 11 , 31 , 51 , 7 1 , 91

i j

Etape n 3: chercher les valeurs propres. Une valeur propre est un nombre flou

trouver partir de Ax = x

(1)

126

Chapitre 5

Avec A est matrice floue, de dimension n n , contenant des nombres flous aij et x est un
vecteur propre qui contient des nombres flous xi
En se rfrant au coupe , lquation 1 est quivalente :

ai1l x1l , ai1u x1u + + ainl


xnl = xil , xiu

Avec A = aij , x = ( x1 , , xn )

, xi = xil , xiu , = l , u
aij = aijl , aiju

( 2)

Pour 0 1 et pour tout i, j, avec i=1,2,, n ; j=1,2,, n.


Lindice doptimisme est une combinaison linaire convexe (Lee et al, 1999) dfinit

+ (1 ) aijl
comme suit : aij = aiju

[ 0, 1]

( 3)

Tant que est fixe, la matrice suivante est obtenue


1

a
A = 21


an1

a12

an2

a1n

a2n

( 4)

Le vecteur propre est calcul en fixant la valeur de et en identifiant la valeur propre


maximale
Etape n4 : dterminer tous les poids
III.4 LAHP floue : choix des inducteurs de performance

Les matrices de comparaisons binaires sont remplies aprs des interviews fais avec
certains infirmiers du service et avec le directeur financier de lhpital (Jlassi et al,
2008a)
S1 = MCF1 =
S 2 = MCF2 =

CR1
CR2

1
1
9

CR3 1 3

CR4 31 1

CR5 1
1
3

CR 1
1
5
S3 = MCF3 = 6 1
1

CR7 3
5
1
1
1
CR8 1
1
11

1
1

127

Aide au choix des actions damlioration


CR9 1 51
S 4 = MCF4 =

CR10 5 1
S1 1

S5 5
C1 = MCF5 = S 2 5

S3 5
S 4 5

S6 = MCF6 =

51

5 1

51

1
51

5
1

7
3

7 1

31

CR12 1

CR13 51

CR14 1

S7 = MCF7 = CR15 51
CR16 5
C2 = MCF8 =

5 1

5
5 1

5 1

5 51

1 7 1
7 1

S6 1 7 1

S7 7 1

C1 1 7 1

G = C2 7 1
C3 5 51

5 1

5
1

Les limites infrieures et suprieures des nombres flous en respectant la valeur de sont
dfinies partir de lquation (2)
1 = [1, 3 2 ]
3 = [1 + 2 , 5 2 ]

1
1
31 =
,
5 2 1 + 2

5 = [3 + 2 , 7 2 ]

1
1
51 =
,
3 + 2
7 2

7 = [5 + 2 , 9 2 ]

1
1
71 =
,
5 + 2
9 2

9 = [ 7 + 2 , 11 2 ]

1
91 =
,
11 2

1
7 + 2

Pour = 0,5 et = 0,5 toutes les matrices de comparaisons floues sont les suivantes:

128

Chapitre 5
CR1
CR2

S 2 = MCF2 =

1
CR3

CR4 [1 4 1 2]

[2

CR5
1

CR6 [1 2 1]
S3 = MCF3 =
CR7 [1 4 1 2]

CR8 [1 2 1]

S 4 = MCF4 =

[8

[1 10 1 8]

S1 = MCF1 =

10]

4 ]

[1

2]

[1 2]

1
6] [1 2]
1
[1 6 1 4]
[1 2]

[1 2 1] [1 2 1] 1

CR9 1

CR10 [ 4 6]

[1 6

1 4 ]

[ 4 6]
[ 4 6]

[ 4 6]

[ 4 6]

[1 6

1 4]

S1
S5
C1 = MCF5 = S 2
S3
S4

4]

1 4]
6]

1
[1 6 1 4]
[1 8 1 6] [1 4 1 2]
[ 4 6]
[ 4 6]

[4

CR14
1

S7 = FCM 7 = CR15 [1 6 1 4]
CR16 [ 4 6]

[4

6 ]

[6

6]
1

8]

S6 1

S7 [ 6 8]

[1 8

1 6 ]

C1 1

G = FCM 9 = C2 [ 6 8]
C3 [ 4 6]

[1 8

1 6]

C2 = FCM 8 =

[1 6
[4

CR12
1

CR13 [1 6 1 4]

S6 = MCF6 =

[2
[4

[1 6

1 4]

[1 6
[1 8

[1 6
[4

1 4 ]

1 6]

1 4 ]

6]

[1 6
[6
[2

1 4]
8]
4]

[4

6]

[1 6
[1 6
[1 6
[1 6
1

1 4 ]

1 4 ]
1 4 ]

1 4 ]

129

Aide au choix des actions damlioration

En utilisant lquation 3 et le MATLAB on obtient les vecteurs propres de toutes les


matrices de comparaison. En effet, MATLAB (MATrix LABoratory) a t dvelopp pour
faciliter les calculs matriciels et llment de base est la matrice. Le langage MATLAB est un
langage interprt, dit langage de programmation volu o le programmeur est dispens de la
lourdeur syntaxique des langages classiques. Initialement crit en FORTRAN, MATLAB est
maintenant crit en C. Aujourdhui on lutilise dans des domaines divers et varis comme le
traitement de signal, limagerie, llectronique, les commandes de processus,MATLAB est
confront dune varit de boites outils qui sappliquent des types de problmes
particuliers (Rseau de neurones, statistiques, contrle, traitement de signaux, logique floue,
analyse financire, optimisation, identification). Ces boites outils enrichissent les
capacits MATLAB.
En se rfrant lquation n3, MCF50,5 , par exemple, sera de la forme suivante :
S1 1
S5 5

C1 = MCF5 = S2 5

S3 5
S4 5

0, 208 0, 208 0, 208


1
5
7
0, 208
1
3
0,145 0,375
1
5
5
5

0, 208
0, 208
0, 208

0, 208

Tant que MCF50,5 = A les valeurs propres de la matrice A seront obtenues en utilisant
lquation suivante det ( A I ) = 0
La valeur la plus grande de i est 1 = 6, 0848 (voir annexe A), les vecteurs propres de A
sont

obtenus

en

utilisant

lquation

AX = X

X 1 = ( 0, 0672, 0, 4706, 0,1959, 0,1287, 0,8480 ) (voir annexe A)

Aprs la normalisation les poids dimportance des sous catgories des besoins des patients
S1 , S5 , S 2 , S3 , S4 peuvent tre dtermins.
C = WS 1 WS 5 WS 2 WS 3

WS 4 = [ 0, 0392 0, 2751 0,11453 0, 07524 0, 4957 ]

En appliquant la mme dmarche nous avons obtenu les poids dimportance suivants :

130

Chapitre 5

WC1 = 0, 0675; WC 2 = 0, 7124; WC 3 = 0, 2200 = WS 8


WS 1 = 0, 0392; WS 2 = 0,1145; WS 3 = 0, 0752; WS 4 = 0, 4957
WS 5 = 0, 2751 = WCR11 ; WS 6 = 0,1258; WS 7 = 0,8741
WCR1 = 0,8994; WCR 2 = 0,1005; WCR 3 = 0, 7388; WCR 4 = 0, 2611
WCR 5 = 0,3425; WCR 6 = 0,3450; WCR 7 = 0,1346; WCR 8 = 0,1778
WCR 9 = 0,1693; WCR10 = 0,8306; WCR12 = 0,8306; WCR13 = 0,1693
WCR14 = 0, 2200; WCR15 = 0, 0675; WCR16 = 0, 7124

Lapplication de lAHP floue a montr que pour atteindre lobjectif fix, il est important
dajouter en cas de besoin des mdecins (Jlassi et al, 2008a). Pour cette raison, nous
proposons, dans ce qui suit, de refaire le modle de simulation en faisant varier le nombre de
mdecins.
IV. EVALUATION DES PERFORMANCES DU PROCESSUS EN CAS DE
VARIATION DES PARAMETRES

Nous allons essayer dvaluer les performances du processus en se basant sur les
indicateurs cits dans le chapitre prcdent en cas de changement de certains paramtres, tels
que : le nombre de mdecin. En se basant sur une enqute et des interviews effectus avec le
personnel constituant le service, il a t conclu que le principal souci des responsables du
service durgence tudi est daugmenter le nombre des patients traits ce qui revient
diminuer le temps de passage des patients et lencours. Voici dans ce qui suit les rsultats de
quelques variations appliques sur le modle Witness du dpart. (Jlassi et al, 2007b) (Jlassi et
al, 2007c)
Le tableau suivant reprsente les rsultats de simulation dans le cas dajout dun autre
mdecin spcialiste.
Tche

Mdecin

Mdecin

administrative

(Gnraliste ou

(Gnraliste ou

orthopdie)

orthopdie)

1er passage

Nbre patients entrs

1 sem

384

25 sem

3746

2eme passage

Spcialiste

Analyse

Radiologi
e

131

Aide au choix des actions damlioration


Nbre patients traits
En cours du traitement
% Occupation tche
% Disponibilit tche

1 sem

262

383

378

223

35

148

236

25 sem

2821

3745

3744

2198

547

1520

2307

1 sem

122

25 sem

925

1 sem

100

95.10

98.40

97.45

81.21

18.32

25 sem

96.16

99.84

99.74

82.02

18

1 sem

100

4.90

1.60

2.55

18.79

81.68

25 sem

43.81

0.16

0.26

17.98

82

Tableau 9: Rsultat de la simulation en cas d'ajout d'un mdecin spcialiste

Nous constatons une augmentation du nombre de patients traits par le service en question.
Chose qui nous parat logique puisque un deuxime spcialiste va prendre en charge des
patients en plus du nombre habituellement trait si ce nest pas le mme nombre, et par
consquent rduire le nombre de patients en attente en amont du passage par le mdecin
spcialiste. Une rduction de 26% et 49% des clients en attente (en stock) pour les deux
dures de 10000 et 100000 minutes respectivement.
Le tableau suivant reprsente les rsultats de simulation dans le cas dajout dun autre
mdecin gnraliste au premier passage des patients.
Tche

Mdecin

Mdecin

administrative

(Gnraliste ou

(Gnraliste ou

orthopdie)

orthopdie)

1er passage

Spcialiste

Analyse Radiologie

2eme passage

Nbre patients

1 sem

384

entrs

25 sem

3746

Nbre patients

1 sem

256

383

381

223

19

144

232

traits

25 sem

2567

3745

3744

2198

268

1522

2278

En cours du

1 sem

128

traitement

25 sem

1179

% Occupation

1 sem

100

48.47

98.15

98.65

78.53

17.72

tche

25 sem

48.28

99.81

99.86

82.14

17.77

% Disponibilit

1 sem

100

51.52

1.85

35

21.47

82.28

tche

25 sem

51.72

0.19

0.14

17.86

82.23

Tableau 10: Rsultat de la simulation: cas d'ajout d'un mdecin gnraliste au premier passage

132

Chapitre 5

Nous constatons que lajout dun mdecin au premier passage des patients na pas
dimpact significatif sur la performance du processus puisque le nombre de patient trait reste
pratiquement inchang. Par contre, une augmentation significative de la disponibilit des
mdecins du premier passage est constate. Cela, nous permettra de proposer de faire
intervenir les mmes mdecins au niveau du deuxime passage. Do lide dajouter un
nouveau mdecin au niveau du deuxime passage est souhaite.
Le tableau suivant reprsente les rsultats de simulation dans le cas dajout dun autre
mdecin gnraliste au deuxime passage des patients.
Tche

Mdecin

Mdecin

administrativ

(Gnraliste ou

(Gnraliste ou

orthopdie)

orthopdie)

1er passage

Spcialiste

Analyse

Radiologie

2eme passage

Nbre patients

1 sem

384

entrs

25 sem

3747

Nbre patients

1 sem

271

384

378

269

19

148

236

traits

25 sem

2830

3745

3744

2641

268

1520

2307

En cours du

1 sem

113

traitement

25 sem

916

% Occupation

1 sem

100

95.10

65.1

98.65

81.22

18.32

tche

25 sem

100

96.19

70.15

99.86

82.02

18

% Disponibilit

1 sem

4.90

34.9

1.35

18.78

81.68

tche

25 sem

3.81

39.85

0.14

17.98

820

Tableau 11: Rsultat de la simulation en cas d'ajout d'un mdecin gnraliste au deuxime passage

Nous remarquons une augmentation significative du nombre de patients traits, ce qui


engendre une rduction du temps de passage des patients et une disponibilit plus importantes
des mdecins au deuxime passage qui engendre un passage direct des patients venant des
tches prcdentes : cela veut dire un temps dattente qui est nul. Par consquent, le nombre
de patients en attente dun spcialiste a considrablement augment (Une augmentation de
33% et 27% des clients en attente pour les deux dures de 10000 et 100000 minutes
respectivement).

133

Aide au choix des actions damlioration

En se rfrant au diagramme en arbre, nous remarquons que les responsables du service


ont propos de choisir entre lajout de lun de ces mdecins :
-

Un mdecin de la sant publique form ;

Un assistant spcialiste en chirurgie gnrale ;

Un spcialiste en orthopdie ;

Un mdecin gnraliste.

Les rsultats de lAHP floue, ont montr quil est prfrable dajouter un mdecin
spcialiste (WS8= 0.8741) et plus prcisment un spcialiste en chirurgie gnrale (WCR16=
0.7124). Par ailleurs, le choix entre ces mdecins et ces actions se base sur certains critres
comme le cot, le nombre dexploration demand c'est--dire le nombre de fois de passage
faire analyse et / ou radiologie et le nombre de fois de demande de lavis dun autre
spcialiste. De ce fait nous proposons dans ce qui suit dappliquer une autre mthode daide
la dcision multicritre : la mthode PROMETHEE.
V. LA METHODE PROMETHEE : CHOIX DES ACTIONS DAMELIORATION

La mthode PROMETHEE est une mthode dveloppe au dpart par Brans (1982) ensuite
par Brans et Vincke (1985) et Brans et Mareschal (1994). Cest une mthode de classement
relativement simple qui est intelligible pour le preneur de la dcision et est accepte comme
une des mthodes daide la dcision les plus intuitives (Pomerol et al, 2000). Lapproche
PROMETHEE est base sur une extension de la notion de critre travers lintroduction de la
fonction , celle qui exprime la prfrence du dcideur dune alternative par rapport une
autre. Pour un critre j maximiser et deux alternatives et , lvaluation de lalternative

selon le critre j, peut tre dfinie comme C j ( ) , et la diffrence de lvaluation comme


d j (Pomerol et al, 2000). En dautres termes
d j = C j ( ) C j ( )

(1)

La fonction dvaluation [ 0, 1] . Deux seuils de valeurs q comme seuil dindiffrence et


p comme seuil de prfrence strict sont dfinis. Donc la fonction peut tre prsente
comme suit :
si d j < q
0

j ( , ) = j ( d j ) = H j ( d j ) si q d j p

si d j > p
1

( 2)

134

Chapitre 5

Avec H j peut prendre la forme de lune des six fonctions dfinies par Brans (1982).
Lindice de prfrence C ( , ) peut tre calcul comme suit :
C ( , ) = W j j ( , )

( 3)

Avec W j reprsente le poids dimportance du critre j. Pour lapplication de la mthode


PROMETHEE, les poids dimportance doivent tre strictement positif et normaliss. Ltape
suivante consiste calculer les flux de lalternative . Les flux dentre sont calculs de la
manire suivante :

+ ( ) = C ( , x )

( 4)

x A

Les flux de sortie

( ) = C ( x , )

( 5)

x A

Dans certains cas, les nombres exacts ne peuvent pas tre assez clairs pour interprter les
donnes utilises dans la mthode PROMETHEE. Les nombres flous et la thorie des
ensembles flous fournissent une structure strictement mathmatique dans laquelle les
phnomnes conceptuels vagues peuvent tre tudis prcisment et rigoureusement.
(Zimmermann, 1996). Nous allons suivre la notation introduite par Dubois et Prade (1978),
daprs laquelle un nombre flou peut tre prsent sous la forme suivante: x = ( m, a, b ) LR . La
variable x appartient lensemble flou, sa fonction dappartenance f(x) prend la valeur 1. Les
valeurs qui sont infrieures (m - a) et suprieures (m + b) nappartiennent pas
lensemble. Pour les valeurs qui appartiennent lintervalle [ m a < x < m + b ] leurs degrs
de fonctions dappartenance varient entre 0 et 1. Les lettres L et R sont les fonctions qui
indiquent le changement de f(x) droite et gauche de m, respectivement. Suivant cette
notation un nombre flou x= (2, 0.5, 0.5) peut tre prsent comme suit :

135

Aide au choix des actions damlioration

f (x)
1.0

0.5
0

1.5

2.0

2.5

Figure 23: Prsentation du nombre flou X= (2, 0.5, 0.5)

La mthode PROMETHEE floue est une combinaison de la mthode PROMETHEE et des


nombres flous. Lintgration de la logique floue et de la mthode PROMETHEE a t
propose au dpart par Le Tno et Mareschal (1998). Cette suggestion a t dveloppe en
outre par Geldermann et al. (2000) et Goumas et Lygerou. (2000). Geldermann et al (2000)
ont propos lapplication de nombres flous triangulaires pour l'interprtation de variables
linguistiques, Goumas et Lygerou (2000) ont dvelopp une mthodologie plus facile pour
appliquer la mthode PROMETHEE floue.
La mthode PROMTHEE floue a t utilise par certains auteurs pour valuer la
performance dans le domaine de lingnierie hospitalire comme par exemple Ufuk Bilsel et
al (2006) qui ont prsent un modle dvaluation de la qualit pour mesurer la performance
des sites web des hpitaux turcs. Dans la phase dvaluation, les nombres flous sont utiliss
pour prvenir le manque des donnes dvaluation prcises et vaincre la difficult dintgrer
des estimations linguistiques dans les modles analytiques. Le modle est dvelopp daprs
une structure conceptuelle qui se base sur sept dimensions majeures dans la qualit du service
lectronique, tout en incluant la tangibilit, la prcision, la sensibilit, la confiance,
lempathie, la qualit dinformation et lintgration de la communication des sites web.
Dans ce travail, Nous appliquons la mthode PROMETHEE floue comme elle est dcrite
par Goumas et Lygerou (2000). La mthode PROMETHEE interprte une diffrence de
lvaluation exprime comme dj. Dans notre cas, pour certains critres, nous choisissons une

136

Chapitre 5

fonction de prfrence linaire avec des seuils dindiffrence et de prfrence strict q et p. la


fonction dvaluation est la suivante
si d j < q
0

d j q
j ( , ) = j ( d j ) =
si q d j p

p
q

1
si d j > p

( 6)

Pour la mthode PROMETHEE floue, les dj seront introduits comme un nombre flou (n, c,
d) et la dernire quation devient :
0

( n, c , d ) q
j ( , ) = j ( d j ) =
pq

si

(n c) < q

si q ( n c ) et ( n + d p )

(7)

si ( n + d ) > p

Pour faire les calculs, nous aurons besoin des connaissances de base des oprations avec
les nombres flous. Les formules sont prsentes dans le tableau ci-dessous (Zimmermann,
1996).
1.

Addition

( m, , ) LR ( n, , ) LR = ( m + n, + , + ) LR

2.

Opposition

( m, , ) LR = ( m, , ) LR

3.

Soustraction

( m, , ) LR ( n, , )LR = ( m n, + , + )LR

4.

Multiplication par un
scalaire

5.

Multiplication par un
nombre flou : pour :

m > 0, n > 0

m < 0, n > 0
m < 0, n < 0

( m, , ) LR ( n, 0, 0 ) = ( mn, n, n )
( m, , ) LR ( n, , ) LR ( mn, m + n , m + n )LR
( m, , ) LR ( n, , )LR ( mn, n m , n m )LR

( m, , ) LR ( n, , )LR ( mn, n m , n m ) LR

Tableau 12: Les oprations de base de la logique floue (Zimmermann, 1996)

A la fin des calculs, les nombres flous seront obtenus. Pour driver une solution, ces
nombres doivent tre classifis par le moyen de comparaison de ces nombres flous. Pour
rsoudre ce problme de comparaison, Goumas et Lygerou ont suggr lutilisation de

Aide au choix des actions damlioration

137

lindice propos par Yager (1981). Cette mthode permet de calculer la moyenne pondre
dun nombre flou donn. Par exemple lindice de Yager dun nombre flou triangulaire X= (2,
0.5, 0.5) serait le centre du triangle et peut tre calcul comme F (m, a, b)= (3m-a+b)/3 et F
(2, 0.5, 0.5)= 2. Le nombre flou qui a la plus grande valeur de lindice de Yager sera
considr plus grand que ceux qui ont de petites valeurs. Lordre final sera obtenu en
calculant + , et net comme dcrit prcdemment (voir annexe D).

Lapplication de la mthode PROMETHEE II Floue a donn lordre final suivant (Jlassi et


al, 2009b):
1. Lajout dun spcialiste en chirurgie gnrale ;
2. Lajout dun spcialiste en orthopdie ;
3. Lajout dun mdecin de la sant publique form ;
4. Lajout dun mdecin gnraliste.
Les rsultats suivants montrent une cohrence avec les rsultats obtenus par la mthode
AHP floue, donc pour atteindre lobjectif fix qui est laugmentation du nombre de patients
traits il est prfrable dajouter en cas de besoin un spcialiste en chirurgie gnrale.
VI. CONCLUSION

Au cours de ce chapitre, Nous avons dtermin les inducteurs de performances sur lesquels
nous pouvons agir tout en utilisant le diagramme en arbre et la mthode AHP floue. Les
rsultats obtenus ont montr la ncessit dajouter soit un gnraliste au deuxime passage
des patients soit un spcialiste dans le but de minimiser le temps dattente des patients et donc
augmenter le nombre de patients traits. En fin pour choisir quel mdecin il faut ajouter, Nous
avons appliqu la mthode PROMETHEE floue.

CONCLUSIONS ET PERSPECTIVES

Conclusions et perspectives

139

Les tablissements hospitaliers sont confronts depuis les deux dernires dcades une
mutation impose par leur tutelle et leurs usagers. Cette mutation devrait les conduire mettre
en place une organisation plus efficiente et les forcer aller vers une gestion beaucoup plus
objective et rigoureuse des ressources. Lobjectif est dapporter au secteur de sant, qui induit
des cots trs importants, des gains significatifs en termes defficacit et de productivit tout
en veillant lamlioration de la qualit des soins. Devant cette mutation, les systmes
hospitaliers montrent de plus en plus un besoin dtre assists par des outils daide la
dcision afin de mieux rentabiliser leur structure en assurant au patient un service rendu
adapt et de qualit, au moindre cot, dans le respect des conditions de travail et de
rmunration de lensemble des acteurs de ltablissement.
Dans les systmes actuels de sant, le service des urgences reprsente un maillon important
de la chane de prise en charge des patients. Il est bien (trop) souvent le service du premier
recours pour beaucoup de souffrances physique ou morale. Il complte aussi le dispositif de
soins de sant primaires offert la population. Son objectif premier est de prendre en charge
rapidement et de faon efficace les patients dont ltat de sant ncessite des soins techniques
immdiats de type hospitalier. Son usage inappropri entrane les consquences suivantes:
Des files dattente importantes avec corrlativement une surcharge de travail
administratif et mdical;
Une entrave l'efficacit de la prise en charge des patients par le dtournement de
l'attention en raison du nombre important de pseudo urgences;
Une surveillance insuffisante des patients ainsi qu'un suivi mal assur;
Un rapport cot efficacit dfavorable;
Un dficit de satisfaction des usagers.
En Tunisie, l'intrt est d'autant plus port sur les services d'accueil d'urgence, qu'une
stratgie nationale a t cet effet mise en place depuis 1998. Le dlai de sjour au service
daccueil des urgences (SAU) est lun des problmes quotidiens de ces services. Il est source
de plaintes du public et entrave la motivation des mdecins urgentistes. De ce fait, nous avons
cherch, dans cette tude, minimiser ce dlai de sjour et de traitement dun patient au sein
du service durgences de lhpital Habib Bourguiba Sfax.

140

Conclusions et perspectives

Le travail expos dans cette thse, organis en cinq chapitres, sintresse la contribution
aux mthodes damlioration des performances du service hospitalier durgence. Nous avons
au fil des pages, prsent dans le cadre de notre tude les principales tapes de la dmarche
entreprise. Nos investigations se sont orientes vers le Service dUrgence qui compte parmi
les secteurs les plus complexes et les plus coteux.
Nous avons prsent, dans le premier chapitre, le contexte de ltude. Cette tude a permis
didentifier les aspects de la performance hospitalire qui sont au nombre de trois : la qualit,
le cot et le dlai. Or ce dernier critre est le plus significatif, puisquil a une influence sur les
deux autres critres, do le choix de notre problmatique.
Nous avons choisi le service durgences par le fait que ce service devient le mode daccs
privilgi aux soins hospitaliers. Il reprsente la porte dentre dans un hpital. Il est le plus
touch et le plus sollicit. De ce fait, cest l que les problmes sont les plus importants.
Un tat de lart en gestion hospitalire a t prsent au chapitre 2. Il a t men selon deux
principaux thmes : la gestion par processus et la modlisation et les problmes traits dans
un service durgence. Il a permis de mettre en vidence la possibilit dutiliser et dadapter
des outils du domaine industriel au milieu hospitalier (simulation, modlisation
mathmatique, techniques de files dattente, mthodes et techniques de la Recherche
Oprationnelle)
Lvaluation des performances dun systme rel se dcompose dune tape de
modlisation permettant de passer du systme au modle et d'une tape danalyse des
performances du modle. Nous avons commenc dans le troisime chapitre par la
modlisation du processus des patients. Le choix de commencer par la modlisation
sexplique par le fait quelle permet de mieux identifier les dysfonctionnements et problmes
rencontrs. Elle constitue une aide considrable au niveau de la phase danalyse de lexistant.
En effet, nous avons choisi comme mthode de modlisation lIDEF3x qui est une extension
de la mthode IDEF3. Cette dernire est trs utilise, selon Throude (2002), pour la
description des processus.
Dans le chapitre 4, nous avons propos de passer ltape danalyse par lutilisation des
deux techniques dvaluation de la performance dun systme la simulation et les rseaux de

Conclusions et perspectives

141

files dattente. Pour Di Mascolo (1990), la simulation est loutil le plus utilis car elle permet
dapprocher aussi finement que lon veut la ralit du systme tudier. Cependant, les
modles de simulation sont souvent longs dvelopper, ils peuvent demander beaucoup de
donnes, et peuvent prendre beaucoup de temps dexcution. Les rseaux de files dattente
sont plus faciles mettre en uvre et excuter, et sont gnralement plus rapides. Ainsi, les
deux approches, simulation et rseaux de files dattentes, sont complmentaires et
interviennent des stades diffrents de ltude dun systme. Les rsultats obtenus par les
deux techniques sont cohrents, ce qui justifie la ncessit dajouter soit un mdecin
gnraliste au niveau du deuxime passage des patients soit un mdecin spcialiste puisque
ces deux tches sont les plus occupes et le patient passe plus de temps attendre.
Dans le dernier chapitre, nous avons propos de choisir linducteur de performance le plus
important pour lancer nouveau le modle Witness. Nous avons prsent tout dabord le
diagramme en arbre pour identifier tous les inducteurs. Le choix dutiliser cet outil qualit
sexplique par le fait quil est utilis gnralement pour un suivi systmatique de la meilleure
stratgie pour atteindre un objectif. Il sagit de trouver des solutions pour rpondre la
question comment ? . Dans notre cas, il sagit de rpondre la question comment
diminuer le dlai de traitement dun patient ? Ou bien comment augmenter le nombre de
patients traits par le service ? Ce diagramme tait effectu avec laide de certains
responsables du service et aussi le directeur financier de lhpital.
Aprs lidentification des inducteurs, nous avons propos dutiliser la mthode AHP pour
en choisir un seul. Cette mthode, dveloppe en 1971 par Thomas Saaty, se distingue par sa
faon de dterminer les poids de critres : elle procde par combinaisons binaires de chaque
niveau de la hirarchie par rapport aux lments du niveau suprieur. Mais vu que faire une
comparaison binaire entre deux variables en utilisant une chelle linguistique est une
opration cognitive complexe et aussi que le langage est ncessairement imprcis et vague,
nous avons choisi dutiliser la mthode AHP floue. Les rsultats ont montr que linducteur
le plus important est lajout dun mdecin. En lanant nouveau le modle de simulation,
nous avons conclu quil est prfrable dajouter soit un gnraliste au niveau du deuxime
passage des patients soit un spcialiste.
Les rsultats de lAHP floue ont montr quil est prfrable dajouter un mdecin
spcialiste et plus prcisment un spcialiste en orthopdie. Par ailleurs, le choix entre ces

142

Conclusions et perspectives

mdecins et ces actions se base sur certains critres comme le cot. De ce fait nous avons
propos dappliquer la mthode PROMETHEE floue, qui est une mthode facile et
comprhensible par lutilisateur, afin de vrifier les rsultats obtenus par la comparaison
binaire selon la mthode AHP floue. Lordre suivant est obtenu :
1. Lajout dun spcialiste en chirurgie gnrale ;
2. Lajout dun spcialiste en orthopdie ;
3. Lajout dun mdecin de la sant publique form ;
4. Lajout dun mdecin gnraliste.
Au cours de ces travaux de thse, nous avons dmontr que des outils danalyse et de
modlisation issus du domaine manufacturier peuvent tre utiliss dans le domaine
hospitalier. A lissue de ce travail, des perspectives de recherches futures peuvent tre
donnes deux niveaux : au niveau des services durgences dune manire gnrale et au
niveau du service durgence de lhpital Habib Bourguiba Sfax.
Au niveau des services durgences qui cherchent amliorer leur performance par la
minimisation du cycle de parcours des patients nous proposons le suivi de la dmarche
suivante comme prsente par la figure ci-dessous.

143

Conclusions et perspectives

Etapes

Outils

Identification
des
dysfonctionnements
et problmes

Evaluation de la
performance des
processus

Dfinition
indicateurs
performance

des
de

Dfinition
inducteurs
performance

des
de

Choix
inducteurs

des

Choix des actions


damlioration

Modlisation

Rseaux
de
files dattente

Simulation

Diagramme
en arbre

AHP floue

PROMETHEE
floue

Figure 24: Le modle propos pour la minimisation du dlai de sjour d'un patient dans un service
d'urgences

La figure montre que, pour minimiser le dlai de sjour dun patient, il est important de
commencer par la modlisation pour identifier les dysfonctionnements et les problmes
rencontrs. Ltape suivante consiste valuer la performance du processus laide de
certains indicateurs par lutilisation des deux techniques complmentaires la simulation et les
rseaux de files dattentes. Pour lancer nouveau le modle de simulation en faisant varier
certains paramtres, il faut choisir les inducteurs de performance les plus significatifs. Ce
choix seffectue par lutilisation du diagramme en arbre et la mthode AHP floue. Les

144

Conclusions et perspectives

rsultats du nouveau modle de simulation va permettre lidentification des actions


damlioration. Afin daider les responsables dcider et choisir laction qui permet
datteindre lobjectif fix, une autre mthode daide la dcision multicritre peut tre
utilise, cest la mthode PROMETHEE floue.
Au niveau du service durgences, nous avons tudi jusqu prsent la performance en
nous basant sur ltude des processus de passage des patients. Un autre aspect, qui peut tre
abord, est la planification et laffectation des ressources au sein du service. Ce problme est
dune grande importance dans un contexte de ressources rares, dune croissance de la
demande de soins, de plus en plus varie et exigeante, et dune incitation au contrle des
dpenses de sant ainsi qu lamlioration de lefficacit et de la productivit du secteur
hospitalier.

BIBLIOGRAPHIE

146

Bibliographie

[Addouche et al, 2005] Addouche, S.A., Dafaoui, E. et El Mhamedi, A. (2005). Modlisation


des relations entre indicateurs et inducteurs de performance des processus dentreprise. 4me
conf. Int. sur la Conception et la Production intgre CPI2005, Casablanca, Maroc,
Novembre.
[Ailo et al, 2003] Aiello, A., Garman, A. et Morris, S.B. (2003). Patient Satisfaction With
Nursing Care: A Multilivel Analysis. Manage Health Care, Vol. 12, No. 3, pp. 187-190.
[Alberto et al, 2002] Alberto, D., Pena, PH.D. et Momar, N. (2002). Developing Hospital
Efficiency-cost control Measures. Hospital Manage Asia
[Alesky et al, 2005] Alesksy, B., Chabrol, M., Chauvet, J. et Fenies, P. (2005). Le projet de
modlisation et de simulation des flux du nouvel hpital Estaing : aide a la dcision versus
management du changement. 6e confrence francophone de modlisation et simulation mosim05, Rabat, Maroc, Avril.
[Ansoff, 1984] Ansoff, H.I. (1984). Implanting Strategic Management, Prentice Hall
International (UK). University Press, Cambridge, 1984
[Ansoff, 1982] Ansoff, H.I. (1982). The Emerging Paradigm of Strategic Behavior. Strategic
Management Journal, vol. 8, winter 1982.
[Ansoff, 1965] Ansoff, H.I. (1965). Corporate Strategy: an Analytic Approach to Business
Policy for Growth and Expansion. McGraw Hill, New-York.
[Arasli et al, 2004] Arasli, H. et Ahmadeva, L. (2004). No more tears! A local TQM formula
for health promotion. International Journal of Health Care Quality Assurance, Vol. 17, N 3,
pp. 135-145.
[Armenakis et al, 1993] Armenakis, A.A., Harris, S.G. et Mossholder, K.W. (1993). Creating
Readiness for Organizational Change. Human Relations, Vol. 46, N6, pp. 681-703.
[Artiba et al, 2004] Artiba, A., Briquet, M., Colin, J., Dontaines, A., Gource, D., Pemptroad,
G. et Stock, R. (2004). Rflexions sur le dploiement de la stratgie des tablissements de
sant. Acte de la Confrence Francophone en Gestion et Ingnierie des Systmes Hospitaliers
GISEH04, Mons, Belgique, Septembre.
[Augusto et al, 2006] Augusto, V. et Xie, X. (2006). Modlisation et analyse de flux par la
simulation en milieu hospitalier: Etat de lart. Acte de la Confrence Francophone en Gestion
et Ingnierie des Systmes Hospitaliers GISEH06, Luxembourg, Septembre.
[Auziol et al, 1988] Auziol, E. et Sodini, M. (1988). Approche mthodologique de
l'valuation d'un centre de prvention Analyse de situation et dmarche d'valuation
appliques l'Espace de Prvention des Cancers de Val d'Aurelle. Mmoire en vue de
l'obtention du DEA, Socit, communication, nouveaux mdias, Octobre.
[Bachman, 1982] Bachman, C. (1982). De la vertu la ncessit. Informations sociales,
numro spcial : valuation du travail social, o en est-on ?, juin, pp. 76-80.

Bibliographie

147

[Baesler et al, 2003] Baesler, Jahnsen H.E. et Dacosta, M. (2003). The use of simulation and
design of experiments for estimating maximum capacity in an emergency room. Dans: Proc.
of the 2003 Winter Sim. Conf., pp. 1903-1906.
[Baynat, 2000] Bayanat, B. (2000). Thorie des files dattente. Herms, Paris.
[Beckhard, 1969] Beckhard, R. (1969). Organization development: strategies and models.
Addison, Wesley.
[Bellman et al, 1970] Bellman, R.E. et Zadeh, L.A. (1970). Decision making in a fuzzy
environment. Management Science, Vol.17, N4, pp. 141164.
[Bellou et al, 2003] Bellou, A., Korwin, J., Bouget, F., Carpentier, V., Ledory, J.,
Kopferscmitt, J. et Lambert, H. (2003). La commission dvaluation de la socit francophone
de mdicine durgence ; place des services durgences dans la rgulation des hospitalisations
publiques. Revue de mdecine interne, Vol. 24.
[Beretz et al, 2000] Beretz, L., Gourieux, B. et Goetz, M.L. (2000). L'auto-valuation, outil
de pilotage d'une dmarche qualit en strilisation. Interbloc, Vol. XIX, N1, pp. 44-47, Mars.
[Bernoux, 1995] Bernoux, P. (1995). La sociologie des entreprises. Le Seuil, Paris, p. 402,
Mai.
[Berrah, 2002] Berrah, L. (2002). Lindicateur de performance : Concepts et Applications.
Cpadues- Editions, Toulouse.
[Berrah, 1997] Berrah. L. (1997). Une approche d'valuation de la performance industrielle.
Modle d'indicateur et techniques floues pour un pilotage ractif. Thse de Doctorat en Gnie
Industriel, Institut National Polytechnique de Grenoble, Juillet.
[Besombes et al, 2004] Besombes, B. et Merchier, L. (2004). Regroupement des Plateaux
Mdico- Techniques ; une base sur la Modlisation dentreprise partir de GRAI. Acte de la
Confrence Francophone en Gestion et Ingnierie des Systmes Hospitaliers GISEH04,
Mons, Belgique, Septembre.
[Bitton, 1990] Bitton, M. (1990). ECOGRAI : mthode de conception et d'implantation des
systmes de mesure des performances pour organisations industrielles. Thse de Doctorat en
Automatique, Universit de Bordeaux I, Septembre.
[Bleichner et al, 1992] Bleichner, G., Manet, P.H. et Holzapfel, L. (1992). Enqute sur les
services daccueil des urgences des Centres Hospitaliers Rgionaux Universitaires. Ran Urg,
N1, pp. 568-77.
[Bonvoisin et al, 2004] Bonvoisin, F., Clemens, A. et Linkens, I. (2004). La rorganisation
des activits ambulatoires de gyncologie, dchographie et de snologie dans le cadre dune
reconstruction. Acte de la Confrence Francophone en Gestion et Ingnierie des Systmes
Hospitaliers GISEH04, Mons, Belgique, Septembre.

148

Bibliographie

[Bordeloup, 1996] Bordeloup, J. (1996). Les agences rgionales de l'hospitalisation :


clarification ou nouvelles ambiguts. Droit Social, N 9/10, pp. 878-887, SeptembreOctobre.
[Bouchon, 1993] Bouchon, M. (1993). La logique floue. Presses Universitaires de France,
"Que sais je?".
[Bounekkar et al, 2004] Bounekkar, A., Bremond, M., Clot, D., Kabachi, N., Lamunre, M. et
Robert, D. (2004). Analyse des trajectoires patients au sein dun tablissement hospitalier.
Acte de la Confrence Francophone en Gestion et Ingnierie des Systmes Hospitaliers
GISEH04, Mons, Belgique, Septembre.
[Bozbura et al, 2005] Bozbura, F.T. et Beskese, A. (2005). Prioritization of organizational
capital measurement indicators using fuzzy AHP. In Proc. 11th international fuzzy systems
association world Congress, pp. 17561760.
[Bozbag et al, 2003] Bozdag, C.E., Kahraman, C. et Ruan, D. (2003). Fuzzy group decision
making for selection among computer integrated manufacturing systems. Computers in
Industry, Vol. 51, pp.1329.
[Brans, 1982] Brans, J.P. (1982). L'ingnierie de la dcision: l'laboration d'instruments
d'aide a la dcision. Colloq. Daide la dcision, Universit Laval, Qubec, Canada, Aot.
[Brans et al, 1985] Brans, J.P. et Vincke. P.H. (1985). PROMETHEE, a new family of
outranking methods in MCDM. Manage. Sci, Vol.31, N6, pp. 647656.
[Brans et al, 1994] Brans, J.P. et Mareschal, B. (1994). The PROMCALC and GAIA
decision support system for multicrteria decision aid. Decision Support Systems, Vol.12,
pp.297310.
[Briquet et al, 2004] Briquet, M., Colin, J., Gourc, D. et Pourcel, C. (2004). Organisation
dun systme hospitalier par ples dactivit : Modlisation et identification des problmes de
pilotage. Acte de la Confrence Francophone en Gestion et Ingnierie des Systmes
Hospitaliers GISEH04, Mons, Belgique, Septembre.
[Buckley, 1991] Buckley, J.J. (1985). Ranking alternatives using fuzzy numbers, Fuzzy Sets
and Systems, Vol. 15, N1, pp.2131
[Carrere-Debat et al, 1991] Carrere-Debat, D., Tempelhoff, G. et Holzopfel, L. (1991). Les
malades graves dans un service durgence, Ran. soins intens. mdecine durgence, Vol.7,
N4, pp.232.
[Centeno et al, 2001] Centeno, Lee, M.A., Lopez, E., Fernandez, H.R., Carrillo, M. et
Ogazon, T. (2001). A simulation study of the labo rand delivery rooms at JMH. Dans: Proc.
of the 2001 Winter Sim. Conf., pp. 1392-1400.
[Chaabane et al, 2004] Chaabane, S., Guinet, A. et Trilling, L. (2004). Pilotage conjoint de
ressources hospitalires humaines et matrielles : un problme dordonnancement avec cycles.
Acte de la Confrence Francophone en Gestion et Ingnierie des Systmes Hospitaliers
GISEH04, Mons, Belgique, Septembre.

Bibliographie

149

[Chan et al, 2000] Chan, F.T.S., Chan, M.H. et Tang, N.K.H. (2000). Evaluation
methodologies for technology selection. Journal of Materials Processing Technology, N107,
pp.330337.
[Chang, 1996] Chang, D.Y. (1996). Applications of the extent analysis method on fuzzy
AHP. European Journal of Operational Research, N95, pp.649655.
[Chauvet et al, 2006] Chauvet, J., Gourgand, M., Meskens, N. et Tchernev, N. (2006).
Modlisation et simulation de la filire des urgences. Actes de la Confrence Francophone en
Gestion et Ingnierie des Systmes Hospitaliers GISEH06, Luxembourg, Septembre.
[Chauvet et al, 2006] Chauvet, J., Gourgand, M., Meskens, N. et Tchernev, N. (2006).
Modlisation et simulation de la filire des urgences Actes de la Confrence Francophone en
Gestion et Ingnierie des Systmes Hospitaliers GISEH06, Luxembourg, Septembre.
[Che Rose et al, 2004] Che Rose, R., Uli, J., Abdul, M. et Looing, K. (2004). Hospital service
quality: a managerial challenge. International Journal of Health Care Quality Assurance,
Vol.17, N 3. pp. 146-159.
[Cheng et al, 1999] Cheng, C.H., Yang, K.L. et Hwang, C.L. (1999). Evaluating attack
helicopters by AHP based on linguistic variable weight. European Journal of Operational
Research, N116, pp.423443.
[Cheng et al, 2005] Cheng, J.Z., Chen, P.T. et Yu, H.C. (2005). Establishing a MAN access
strategy for future broadband service: a fuzzy MCDM analysis of SONETH/SDH and
Gigabit. Ethernet. Technovation, Vol. 25, pp. 557567.
[Chetaoui et al, 2002] Chetaoui. A. et Parat. J.P. (2002). Les urgences dans un hpital
rgional Profil pidmiologique et tude de la satisfaction des usagers/patients Service
rgional des urgences de Kbili Tunisie. Arch Public Health, Vol 60, pp.59-68.
[Ching-Hsue, 1997] Ching-Hsue, C. (1997). Evaluating naval tactical missile systems by
fuzzy AHP based on the grade value of membership function. European Journal of
Operational Research, Vol 96, pp.343350.
[Chodosas, 2002] Chodosas. M. (2002). Etude de lorganisation des diffrents systmes
durgence dans cinq pays europens : la France, lAllemagne, lEspagne, lItalie et le
Portugal. Thse prsent la Facult de Mdecine Lariboisire- Saint- Louis, soutenue le 31
octobre.
[Claveranne, 2003] Claveranne, J.P. (2003). Lhpital en chantier : du mnagement au
management. Revue Franaise de Gestion, Vol. 29, N 146.
[Colin et al, 2004] Colin, J., Aggoune, R., Briquet, M. et Schaefers, J. (2004). Le patient, un
client au centre des flux. Logistique et management, numro spcial 2004 logistique
hospitalire .
[Combes, 1994] Combes, C. (1994). Un environnement de modlisation pour les systmes
hospitaliers. Thse de doctorat, LIMOS, Universit Blaise Pascal, Clermont-Ferrand.

150

Bibliographie

[Combes et al, 2004] Combes, C., Dussauchoy, A., Chaabane, S., Smolski, N., Viale, J.P. et
Souquet, J.C. (2004). Dmarche mthodologique danalyse des donnes pour la planification
des blocs opratoires : une application un service dendoscopie. Actes de la Confrence
Francophone en Gestion et Ingnierie des Systmes Hospitaliers GISEH04, Mons, Belgique,
Septembre.
[Cooke et al, 2004] Cooke, M. et Fisher, J. (2004). Evidence for change. Models of
emergency
care
conference.
http://www.nelhec.warwick.ac.uk/Conf03presentations/EvidenceForSolutions.pdf,
[Cooke et al, 2002] Cooke, M.W., Wilson, S. et Pearson, S. (2002). The effect of a separate
stream for minor injuries on A&E department waiting times. Emerg Med J, Vol. 19, N1,
pp.28-30, Jan.
[De Veris et al, 1998] De Veris, T. et Beekman, R.E. (1998). Applying simple dynamic
modelling for decision support in planning regional health care. European Journal of
Operational Research, Vol. 105, pp. 277-84.
[Dehas et al, 2006] Dehas, N., Aissani, J., Adjabi, S. et Abderrahmani, H. (2006). Evaluation
des Performances dun Systme de Sant: Cas de lHpital Khellil Amrane (Bjaa). Actes de
la Confrence Francophone en Gestion et Ingnierie des Systmes Hospitaliers GISEH 06,
Luxembourg, Septembre.
[Deng, 1999] Deng, H. (1999). Multicriteria analysis with fuzzy pairwise comparison.
International Journal of Approximate Reasoning, Vol. 21, pp. 215231.
[Dexter et al, 1999] Dexter, F. et Lubarsky, D.A. (1999). Managing with information: Using
surgical services information systems to increase operating room utilization. ASA Newsletter,
Vol 62, pp. 6-8.
[Di Martinelly et al, 2005] Di Martinelly, C., Guinet, A. et Riane, F. (2005). Chane
logistique en milieu hospitalier : modlisation des processus de distribution de la pharmacie.
Congrs international de gnie industriel CIGI05, France, Juin.
[Di Martinelly et al, 2004] Di Martinelly, C.H. et Artiba, A. (2004). Lallocation des patients
au sein dune unit de soins : un bref tat de lart. Actes de la Confrence Francophone en
Gestion et Ingnierie des Systmes Hospitaliers GISEH04, Mons, Belgique, Septembre.
[Di Mascolo, 1990] Di Mascolo, M. (1990). Modlisation et valuation de performances de
systmes de production grs en Kanban. Thse doctorat Institut National Polytechnique de
Grenoble.
[Dohney et al, 1996] Dohney, J.G. et Fraser, J.L. (1996). MOBEDIC m A Decision
Modelling Tool for Emergency Situations. Expert Systems With Applications, Vol. 10, No 1,
pp. 17-27.
[Donald et al, 1970] Donald, L. et Iglehart. (1970). Multiple Channel Queues in Heavy
Traffic. Advances in Applied Probability, Vol. 2, No1, pp. 150-177, Spring.
http://links.jstor.org/sici?sici=00018678%28197021%292%3A1%3C150%3AMCQIHT%3E2
.0.CO%3B2-5

Bibliographie

151

[Donlad et al, 1970] Donald, L. et Iglehart. (1970). Multiple Channel Queues in Heavy
Traffic: Sequences, Networks, and Batches. Advances in Applied Probability, Vol. 2, N 2,
pp.
355-369.
Autumn.
http://links.jstor.org/sici?sici=00018678%28197023%292%3A2%3C355%3AMCQIHT%3E2
.0.CO%3B2-W
[Dreset et al, 2004] Dreset, L. et Tacquard, C. (2004). Adaptation ractive de plannings.
Actes de la Confrence Francophone en Gestion et Ingnierie des Systmes Hospitaliers
GISEH04, Mons, Belgique, Septembre.
[Drogoul, 1993] Drogoul, A. (1993). De La Simulation Multi-Agent A La Rsolution
Collective de Problmes: Une tude De l'mergence De Structures D'Organisation Dans Les
Systmes Multi-Agents. Thse de Doctorat de L'universit Paris VI, Spcialit:
INFORMATIQUE, Soutenue le 23 Novembre.
[Dubois et al, 1978] Dubois, D. et Prade, H. (1978). Operations on fuzzy numbers. Int J Syst
Sci, Vol. 9, pp. 613 626.
[El Mhamedi et al, 1997] El Mhamedi, A., Lerch, C. et Sonntag, M. (1997). Modlisation
des activits et des processus des systmes de production : une approche interdisciplinaire.
RAIRO - APII -JESA, Vol. 31, N4, pp. 669-693.
[Faure et al, 2003] Faure, S., Vermeulun, B. et Wiser, P. (2003). Modlisation et ringnierie
des systmes hospitaliers. In 1st confrence francophone en Gestion et Ingnierie de Systmes
Hospitaliers GISEH03, Lyon, Janivier.
[Geldermann et al, 2000] Geldermann, J., Spengler, T. et Rentz, O. (2000). Fuzzy outranking
for environmental assessment. Case study: Iron and steel making industry. Fuzzy Set Syst,
Vol. 115, pp. 45 65.
[Gonzalez et al, 1997] Gonzalez Martinez, M., Borges, J.A., Navarro, J. et Rodriguerz, N.J.
(1997). An Automatic resource scheduling system. Computer and Industrial Engineering,
Vol. 33, pp. 259-8.
[Goumas et al, 2000] Goumas, M. et Lygerou, V. (2000). An extension of the PROMETHEE
method for decision making in fuzzy environment: Ranking of alternative energy exploitation
projects. Eur J Oper Res, Vol.123, pp. 606 613.
[Griffiths et al, 2005] Griffiths, PM., Edwards, M., Forbes, A et Harris, R. (2005). Post-acute
intermediate care in nursing-1ed units: a systematic review of effectiveness. International
Journal of Nursing Studies, Vol.42, N 1, pp. 107-116.
[Hadges et al, 2003] Hadges. P., Bellou, A., Grandhaye, J.P, Bayad. (2003). Modlisation de
la prise en charge des patients du service des urgences, In 1st confrence francophone en
Gestion et Ingnierie de Systmes Hospitaliers GISEH03, Lyon, Janvier.
[Hammami et al, 2004] Hammami, S., Khraja, S., Hadj Alouane, A., Ladet, P. et Marcon, E.
(2004). Approche pour la construction dun plan directeur flexible dallocation des plages
horaires pour la programmation opratoire. Actes de la Confrence Francophone en Gestion
et Ingnierie des Systmes Hospitaliers GISEH04, Mons, Belgique, Septembre.

152

Bibliographie

[Haouala, 1995] Haouala, M. (1995). Les urgences mdicales hospitalises au CHU Farhat
Hached de Sousse en 1994. Thse n 977, Facult de mdecine Sousse.
[Harrison et al, 1981] Harrison, M. et Reiman, I.M. (1981). Reflected Brownian Motion on
an Orthant The Annals of Probability, Vol. 9, N 2, pp. 302-308, April.
http://links.jstor.org/sici?sici=00911798%28198104%299%3A2%3C302%3ARBMOAO%3E
2.0.CO%3B2-P
[Harzallah, 2000] Harzallah, M. (2000). Modlisation des aspects organisationnels et des
comptences pour la rorganisation des entreprises. Thse de Doctorat en Automatique et
Productique, Universit de Metz, Mai.
[Hassan et al, 2005] Hassan, T., Baboli, A., Guinet, A., Leboucher, G. et Brandon, M.T.
(2005). Etude des mthodes de rorganisation et de gestion de stock des services de soins
dun tablissement hospitalier. Congrs international de gnie industriel CIGI05, France,
Juin.
[Huang, 1998] Huang, X.M. (1998). Decision making support in reshaping hospital medical
services. Health Care Management Science, Vol. 1, pp. 165-73.
[Incera, 2001] Incera, D. (2001). Contributions la modlisation et la simulation acclre
de rseaux de communication. Thse de doctorat, Universit de Rennes I.
[Jebali et al, 2004] Jebali, A., Ladet, P. et Hadj Alouane, A. (2004). Planification du bloc
opratoire : une approche par processus. Actes de la Confrence Francophone en Gestion et
Ingnierie des Systmes Hospitaliers GISEH04, Mons, Belgique, Septembre.
[Jlassi et al, 2006] Jlassi. J., El Mhamedi, A. et Chabchoub, H. (2006). Modlisation et
analyse du parcours de patient dans le Service dUrgence : Cas de lhpital de Sfax. Actes de
la Confrence Francophone en Gestion et Ingnierie des Systmes Hospitaliers GISEH06,
Luxembourg, Septembre.
[Jlassi et al, 2007a] Jlassi, J., El Mhamedi, A. et Chabchoub, H. (2007). Performance of
Emergency Department. International Conference on Industrial Engineering and Systems
Management IESM'07, Beijing, Chine, May.
[Jlassi et al, 2007b] Jlassi, J., Haned, M., El Mhamedi, A. et Chabchoub, H. (2007). La
modlisation et simulation des flux de patients dun service durgence. 7e Congrs de Gnie
Industriel, Qubec, Canada. Juin.
[Jlassi et al, 2007c] Jlassi, J., El Mhamedi, A. et Chabchoub, H. (2007). A simulation model
of an emergency department. The Fourth IEEE Conference on Service Systems and Service
Management ICSSSM2007, Chine, June.
[Jlassi et al, 2007d] Jlassi, J., El Mhamedi, A. et Chabchoub, H. (2007). Utilit du diagramme
en arbre pour la satisfaction des patients: application dans un service d'urgence. 5me
Confrence Internationale Conception et Production Intgres CPI 2007, Rabat, Maroc,
Octobre.

Bibliographie

153

[Jlassi et al, 2008 a] Jlassi, J., El Mhamedi, A. Chabchoub, H. (2008). Application of fuzzy
AHP method in measuring and prioritizing perceived value in hospital ERs. Accepted in:
International Journal of Revenue Managements special issue on Revenue Management in
Practice: The Execution of Optimal Solutions.
[Jlassi et al, 2008 b] Jlassi, J., El Mhamedi, A. et Chabchoub, H. (2008). Networks of Queues
with Multiple Customer Types: application in Emergency Department. MAS 2008, Rome,
Italy, Aot.
[Jlassi et al, 2008 c] Jlassi, J., El Mhamedi, A. et Chabchoub, H. (2008). Emergency
department performance measures: multi class queuing networks. MITIP 2008, Prague,
Cheque, November.
[Jlassi et al, 2009 a] Jlassi, J., El Mhamedi, A. et Chabchoub, H. (2009). Networks of Queues
with Multiple Customer Types: application in Emergency Department. accepted in
International Journal Behavioural and Healthcare Research.
[Jlassi et al, 2009 b] Jlassi, J., El Mhamedi, A. et Chabchoub, H. (2009). The improvement of
performance of the emergency department: Application of simulation model and multiple
criteria decision making" accepted in the Journal of Industrial Engineering International.
[Jlassi et al, 2009 c] Jlassi, J., El Mhamedi, A. et Chabchoub, H. (2009). Evaluation de la
performance dun service durgence : simulation et rseaux de files dattente. Logistique et
Transport LT, Sousse, Tunisie, Mars.
[Joumard et al, 1998] Joumard, B., Semet, F. et Vovor, T. (1998). A generalised linear
programming model for nurse scheduling. European Journal Of operational Research, Vol.
107, pp. 1-18.
[Kahraman et al, 2004] Kahraman, C., Cebeci, U. et Ruan, D. (2004). Multi-attribute
comparison of catering service companies using fuzzy AHP: the case of Turkey. International
Journal of Production Economics, Vol. 87, pp.171184.
[Kahraman et al, 2003] Kahraman, C., Ruan, D., et Dogan, Y. (2003). Fuzzy group
decisionmaking for facility location selection. Information Sciences, Vol. 157, pp.135153.
[Kahraman et al, 1998] Kahraman, C., Ulukan, Z. et Tolga, E. (1998). A fuzzy weighted
evaluation method using objective and subjective measures. In Proc. Of international ICSC
symposium on engineering of intelligent systems EIS98, Vol. 1, pp. 5763.
[Kim et al, 2000] Kim, S.C., Horowitz, I., Young, K.K. et Buckley, T.A. (2000). Flexible
bed allocation and performance in the intensive care unit. J. of Op. Management.
[Kizer, 2002] Kizer, W. (2002). The emerging imperative for health care Quality
improvement. Acad Emerg Med, Vol. 9, N11, November.
[Kuo et al, 2002] Kuo, Y. et Chen, L. (2002). Using the fuzzy synthetic decision approach to
assess the performance of university teachers in Taiwan. International Journal of
Management, Vol.19, pp. 593604.

154

Bibliographie

[Kwong et Bai, 2002] Kwong, C.K. et Bai, H. (2002). A fuzzy AHP approach to the
determination of importance weights of customer requirements in quality function
deployment. Journal of Intelligent Manufacturing, Vol. 13, N 5, pp. 367-377, Octobre.
[Ladjimi et al, 2004] Ladjimi, R. et Chenguel, H. (2004). Le calcul des cots en milieu
hospitalier tunisien. Actes de la Confrence Francophone en Gestion et Ingnierie des
Systmes Hospitaliers GISEH04, Mons, Belgique, Septembre.
[Lagergren, 1998] Lagergren, M. (1998). What is the role and contribution of models to
management and research in the health services?. European Journal of Operational Research.
[Le Teno et al, 1998] Le Teno, J.F. et Mareschal, B. (1998). An interval version of
PROMETHEE for the comparison of building products design with ill-defined data on
environmental quality. European Journal of Operational Research, Vol.109, pp. 522529.
[Lee et al, 1999] Lee, M., Pham, H. et Zhang, X. (1999). A methodology for priority setting
with application to software development process. European Journal of Operational
Research, Vol. 118, pp. 375389.
[Li, 1997] Li, L. (1997). Relationships between determinants of hospital quality management
and service quality performance. Omega International Journal of Management Science, Vol.
25, pp. 535-45.
[Ling et al, 2003] Ling, Li. et Benton, W.C. (2003). Hospital capacity management decisions:
emphasis on cost control and quality enhancement. European Journal of Operational
Research, Vol.146, pp. 596-614.
[Lissandre, 1990] Lissandre, M. (1990). Matriser SADT . Colin
[Lorino, 1995] Lorino, P.H. (1995). Le dploiement de la valeur par les processus. Revue
Franaise de Gestion, N104, juin juillet- aot.
[Lubicz et al, 1987] Lubicz, M. et Mielczarek, B. (1987). Simulation modelling of emergency
medical services. European Journal of Operational Research, Vol. 29, Issue 2, pp. 178-185.
[Maggi et al, 2002] Maggi, B. et Rulli, G. (2002). Prescription, standardisation et prvention.
Les normes ISO 9000 et la qualit dans le secteur sanitaire : une valuation critique. Les
volutions du champ de la prescription, SELF 2002.
[Mainz, 2003] Mainz, J. (2003). Defining and classifying clinical indicators for quality
improvement. International Journal for Quality in Health Care.
[Maksoudi, 1998] Maksoudi, C.H. (1998). Les malades graves pris en charge au service des
urgences, Thse, Facult de mdecine, Sousse.
[Marcon et al, 2003] Marcon, E., Kharraja, S. et Simonnet, G. (2003). The operating Theatre
planning by the follow-up of the risk of no realization. International Journal of Production
Economics.

Bibliographie

155

[Mayer, 1992] Mayer, R.J. (1992). Information Modelling (IDEF1) A reconstruction of the
original Air Force Wright aeronautical laboratory technical. report Knowledge Based Systems,
Inc... Rapport technique AFWAL-TR-81-4023, College Station, Texas, USA
[Mebrek et al, 2005] Mebrek, F. et Tanguy, A. (2005). modlisation et simulation a
vnements discrets du ple imagerie dun hpital moderne. 6e confrence francophone de
modlisation et simulation - mosim05, Rabat, Maroc, Avril.
[Miller et al, 2003] Miller Ferrin, D.M. et Szymanski, J.M. (2003). Simulating Six-Sigma
improvement ideas for a hospital emergency department. Dans: Proc. of the 2003 Winter Sim.
Conf., pp. 1926-1929.
[Miller et al, 2004] Miller Ferrin, D.M. et Messer, M.G. (2004). Fixing the emergency
department: a transformation journey with EDsim. Dans: Proc. of the 2004 Winter Sim. Conf.,
pp. 1988-1993
[Minvielle, 1996] Minvielle, E. (1996). Grer la singularit grande chelle. Thse de
doctorat en sciences de gestion, cole polytechnique, Paris.
[Moreno et al, 1996] Moreno, L., Aguilar, R.M., Pineiro, J.D., Estevez, J.I., Sigut, J.F. et
Gonzalez, C. (1996). Using KADS methodology in a simulation assisted knowledge based
system: application to hospital management, Expert Systems With Applications, Vol. 10, N.
1, pp. 17-27.
[Mouise, 1984] Mouise, F. (1984). SIX SIGMA: un outil de reprsentation et de simulation
adapt la conception de systmes industriels. Thse, Chtenay-Malabry, p.278.
[Navas et al, 2004] Navas, J.F., Arteta, C., Hadjes, P.S. et Jimenez, F. (2004).
Construction et simulation dun modle de flux de patients dans le service durgences dun
hpital colombien. Actes de la Confrence Francophone en Gestion et Ingnierie des
Systmes Hospitaliers GISEH04, 2004 Mons, Belgique, Septembre.
[Ong et al, 2003] Ong, S.K., Sun, M.J. et Nee, A.Y.C. (2003). A fuzzy set AHP-based DFM
tool for rotational parts. Journal of Materials Processing Technology, Vol. 138, pp. 223230.
[OMS, 2000] Organisation Mondiale De La Sant (OMS). (2000). Rapport sur la
performance des systmes de sant dans le monde, p.161.
[Pascal, 2000] Pascal, C. (2000). Grer les processus lhpital : une rponse la difficult
de faire ensemble. Thse Science de Gestion. Universit Jean Moulin Lyon III, p. 457.
[Pascal, 2003] Pascal, C.H. (2003). La gestion par processus lhpital entre procdure et
cration de valeur. Revue Franaise de Gestion, Vol. 29, N 146.
[Philippe, 1999] Philippe, Nain. (1999). Basic Element of Queueing Theory: Application to
the Modeling. Computer Systems.
[Pineau, 2004] Pineau, S. (2004). Management de la qualit en structure hospitalire. Actes
de la Confrence Francophone en Gestion et Ingnierie des Systmes Hospitaliers GISEH04
Mons, Belgique, Septembre.

156

Bibliographie

[Pomerol et al, 2000] Pomerol, J., Barba, C. et Romero, S. (2000). Multicriterion decision in
management: Principles and practice, 1st ed. James C, translator. Norwell, MA: Kluwer
Academic Publishers.
[Rakotondranaivo et al, 2005] Rakotondranaivo, A., Grandhaye, P. et Sylvain. (2005).
Identification des dcisions dans un rseau de sant. Congrs international de gnie
industriel. CIGI05, France, Juin.
[Reix, 2000] Reix, A. (2000). Etude de lorganisation des diffrents systmes durgence dans
six pays europens : la France, le Royaume Uni, la Belgique, la Sude, la Finlande et la
Norvge. Thse de doctorat prsente la Facult de Mdecine Cochin, Port Royal.
[Ricordel et al, 2000] Ricordel, P.M. et Demazeau, Y. (2000). From Analysis to deployment:
A Multi-Agent Platform Survey. Proceedings of 1st International Workshop on Enginnering
Societies in the Agents World (ESAW), ECAI2000, A. Oinici R. Tolksdorf, and F.
Zambonelli, (Eds.), Berlin, Germany, Springler Verlag pp. 93-105.
[Ridge et al, 1998] Ridge, J.C., Jones, S.K., Nielsen, M.S. et Shahani, A.K. (1998). Capacity
Planning for intensive care units. European Journal of Operational Research, Vol. 105, pp.
346-55.
[Romeyer et al, 2000] Romeyer, C. et Bonjiovanni, I. (2000). Les systmes dinformations
hospitaliers, vecteurs de changement organisationnel. 5me colloque de lAssociation
Information et Management.
[Romeyer et al, 2004] Romeyer, C., Boireaux, A., Dupre, V., Geindre, C., Matray, N. et
Meyznnier, C. (2004). Modlisation par les processus : une mthode pralable
indispensable la mise en oeuvre dun systme dinformation communicant centr sur le
patient. Actes de la Confrence Francophone en Gestion et Ingnierie des Systmes
Hospitaliers GISEH04, Mons, Belgique, Septembre.
[Rousseaux, 2004] Rousseaux, M. (2004). Conception et mise en uvre dun outil daide la
planification des soins dun centre de rducation fonctionnelle. Actes de la Confrence
Francophone en Gestion et Ingnierie des Systmes Hospitaliers GISEH04, Mons, Belgique,
Septembre.
[Roy et al, 2002] Roy, P.M., Lannehoa, Y. (2002). Le triage aux urgences. Ranimation, Vol.
11, pp. 480-5
[Saaty, 1980] Saaty. TL. (1980). The analytic hierarchy process. NY: McGraw-Hill, New
York.
[Samaha et al, 2003] Samaha, S., Wendy, S., Armel Darrell, W. et Starks. (2003).
Emergency departments I: the use of simulation to reduce the length of stay in an emergency
department. Proceedings of the 35th conference on Winter simulation: driving innovation,
New Orleans, Louisiana, December
[Sandoval, 1994] Sandoval, V. (1994). Les techniques de reengineering. Editions Herms.

Bibliographie

157

[Shabayek et al, 2002] Shabayek, A.A. et Yeung, W.W. (2002). A simulation model for the
Kwai Chung container terminals in Hong Kong . European Journal of Operational Research,
Vol. 140 N1, pp. 111.
[Shen-Hshiung et al, 2002] Shen-Hshiung., Tsaur., Te-Yi., Chang., Chang-Hua., Yen.
(2002). The evaluation of airline service quality by fuzzy MCDM. Tourism Management,
Vol. 23, pp. 107115.
[Stam et al, 1996] Stam, A., Minghe, S. et Haines, M. (1996). Artificial neural network
representations for hierarchical preference structures. Computers & Operations Research,
Vol. 23, pp.11911201.
[Syi Sua et al, 2003] Syi Sua., Chung-Liang. et Shihb.(2003). Modeling an emergency
medical services system using computer simulation. International Journal of Medical
Informatics, pp. 57-72
[Tao et al, 2006] Tao, W., Guinet, A. et Meyran, S. (2006). Modlisation et simulation du
processus de passage des patients aux urgences laide dARIS: tude de cas au SAU du
Centre Hospitalier Saint Joseph et Saint Luc. Actes de la Confrence Francophone en Gestion
et Ingnierie des Systmes Hospitaliers GISEH06, Luxembourg, Septembre.
[Tao et al, 2006] Tao, W., Guinet, A. et Meyran, S. (2006). Modlisation et simulation du
processus de passage des patients aux urgences laide dARIS: tude de cas au SAU du
Centre Hospitalier Saint Joseph et Saint Luc. Actes de la Confrence Francophone en Gestion
et Ingnierie des Systmes Hospitaliers GISEH06, Luxembourg, Septembre.
[Tenon, 1788] Tenon. (1788). Mmoire sur les hpitaux de Paris. Pierres impr, Paris.
[Thempelhoff et al, 1990] Thempelhoff, G. et Coll. (1990). Proposition dune classification
des patients et relation la charge de travail. Ranimation Soins Intensive Mdecine
dUrgence, Vol. 6, N7, pp. 459-463.
[Throude F, 2002] Theroude, F. (2002). Formalisme et systme pour la reprsentation et la
mise en oeuvre des processus de pilotage des relations entre donneurs d'ordres et
fournisseurs. Thse de Doctorat en organisation industrielle et systme de production,
universit Joseph Fourier INP Grenoble, soutenue le 17-07-2002.
[Trilling et al, 2005] Trilling, L. et Guinet, A. (2005). Aide la dcision pour la gestion
quantitative des ressources humaines : comment lever la contrainte financire hospitalire.
Congrs international de gnie industriel CIGI05, France, Juin.
[Trudeau, 2004] Trudeau, J. (2004). Impact de lagent de liaison en sant mentale la salle
durgence. Actes de la Confrence Francophone en Gestion et Ingnierie des Systmes
Hospitaliers, Mons, Belgique, Septembre.
[Ufuk et al, 2006] Ufuk, R., Bilsel, Gulcin., Buyukozkan, D.A. et Ruan. (2006) A Fuzzy
Preference-Ranking Model for a Quality Evaluation of Hospital Web Sites, International
Journal Of Intelligent Systems, Vol. 21, pp.11811197.

158

Bibliographie

[Us Air Force, 1993] Us Air Force. (1993). Integrated Computer Aided Manufactured
Definition Language (IDEF methods). Department of Commerce, National Institute of
Standards and Technology, Computer Systems Laboratory. Rapport technique, Gaithersburg,
USA.
[Valenzuela et al, 1990] Valenzuela, D.T., Goldberg, J., Keeley, T.K. et Criss, A.E. (1990).
Computer modeling of emergency medical system performance, Annals of Emergency
Medicine, Vol. 19, Issue 8, pp. 898-901.
[Van Laarhoven et al, 1983] Van Laarhoven, P.J. M. et Pedrycz, W. (1983). A fuzzy
extension of Saatys priority theory. Fuzzy Sets and Systems, Vol. 11, pp.229241.
[Velin et al, 2001] Velin, P., Alamir, H., Babe, P., Four, R. et Guida, A. (2001). Les horaires
principaux du circuit dun enfant aux urgences pdiatriques. Exprience de lhpital Lenval
en 1999, Archives pdiatriques.
[Venkatarman et al, 1996] Venkatarman, R. et Brusco, M.J. (1996). An integrated analysis
of nurse staffing and scheduling policies. Omega International Journal of Management
Science, Vol 24, pp. 57-71.
[Vernadat, 1996] Vernadat, F. (1996). Enterprise Modeling and Integration: Principles and
Applications, Chapman&Hall, London
[Vernadat, 1999] Vernadat, F. (1999). Techniques de modlisation en entreprise: application
aux processus oprationnels. Editions Economica.
[Wagner et al, 2003] Wagner, G., Godefridus, G., Van, Merode. et Vanoort, M. (2003). Costs
of Quality Management Systems in Long Term Care Organizations: An Exploration. Manage
Health Care, Vol.12, No.2, pp.106-114.
[Weck et al, 1997] Weck, M., Klocke, F., Schell, H. et Ruenauver, E. (1997). Evaluating
alternative production cycles using the extended fuzzy AHP method. European Journal of
Operational Research, Vol. 100, pp. 351366.
[Wieser et al, 2002] Wieser, P.H., Vermeulen. et Faure, S., (2002). Modlisation et r
ingnierie des systmes hospitaliers. Actes de la Confrence Francophone en Gestion et
Ingnierie des Systmes Hospitaliers GISEH02, Lyon.
[William Peterson, 1991] William Peterson. (1991). A heavy traffic limit theorem for
networks of queues with multiple customer types. Mathematics of operations research, Vol
16, N1, pp 90-118, Feb.
[Wiser, 2004] Wiser, P.H. (2004). Les nouvelles technologies de linformation au service des
urgences. Actes de la Confrence Francophone en Gestion et Ingnierie des Systmes
Hospitaliers GISEH04, Mons, Belgique, Septembre.
[Yager, 1981] Yager, R.R. (1981). A procedure for ordering fuzzy subsets of the unit interval.
Inform Sci, Vol. 24, pp.143161.

Bibliographie

159

[Zadeh, 1965] Zadeh, L. (1965). Fuzzy sets. Information and Control, Vol.8, N 1965, pp.
338-353
[Zadeh, 1975] Zadeh, L. (1975). The concept of a linguistic variable and its application to
approximate reasoning. Information Sciences, Partie 1: Vol.8, pp. 199-249, Partie 2: Vol.8,
pp. 301-357, Partie 3: Vol.9, pp. 43-80.
[Zadeh, 1978] Zadeh, L. (1978). Fuzzy sets as a basis for a theory of possibility. Fuzzy sets
and Systems, Vol., N1, pp. 3 28.
[Zarama et al, 2004] Zarama, G. et Vinck, D. (2004). Comment les utilisateurs font marcher
les outils informatiques ? Le cas de la prescription mdicale informatise; Actes de la
Confrence Francophone en Gestion et Ingnierie des Systmes Hospitaliers GISEH04,
Mons, Belgique, Septembre.
[Zhu et al, 1999] Zhu, K.J., Jing, Y. et Chang, D.Y. (1999). A discussion on extent analysis
method and applications of fuzzy AHP. European Journal of Operational Research, Vol. 116,
pp. 450456.
[Zimmermann, 1996] Zimmermann, H.J. (1996). Fuzzy set theory and its applications, 3rd
ed. Dordrecht: Kluwer Academic Publishers.

ANNEXES

Annexe A

RESULTATS OBTENUS PAR


MATLAB

Il sagit de la dtermination :
des valeurs propres ;
des vecteurs propres.

162

matrice A=[1 9;0.1125 1]


A=
1.0000 9.0000
0.1125 1.0000
V=
0.9938 -0.9938
0.1111 0.1111
D=
2.0062
0
0 -0.0062
b=
2.0062
B=
-0.9938
0.1111
matrice A=[1 9;0.1125 1]
A=
1.0000 9.0000
0.1125 1.0000
V=
0.9938 -0.9938
0.1111 0.1111
D=
2.0062
0
0 -0.0062

Annexe A

Rsultats obtenus par Matlab

ans =
0

b=
2.0062
B=
0.9938
0.1111
matrice A=[1 9;0.1125 1]
A=
1.0000 9.0000
0.1125 1.0000
V=
0.9938 -0.9938
0.1111 0.1111
D=
2.0062
0
0 -0.0062
ans =
0

b=
2.0062
B=
0.9938
0.1111

163

164

Annexe A

matrice A=[1 3;0.375 1]


A=
1.0000 3.0000
0.3750 1.0000
V=
0.9428 -0.9428
0.3333 0.3333
D=
2.0607
0
0 -0.0607
ans =
0

b=
2.0607
B=
0.9428
0.3333
matrice A=[1 1.5 3 1.5;0.75 1 5 1.5;0.375 0.208 1 1.5;0.75 0.75 0.75 1]
A=
1.0000
0.7500
0.3750
0.7500

1.5000
1.0000
0.2080
0.7500

3.0000
5.0000
1.0000
0.7500

1.5000
1.5000
1.5000
1.0000

V=
-0.6404
-0.6450

-0.7861
0.5895

-0.0905 + 0.4373i -0.0905 - 0.4373i


-0.7595
-0.7595

165

Rsultats obtenus par Matlab


-0.2517
-0.3324

-0.0722
0.1714

0.1022 - 0.3028i 0.1022 + 0.3028i


0.2848 + 0.2013i 0.2848 - 0.2013i

D=
4.4684
0
0
0

0
-0.1763
0
0

0
0
0
0
-0.1460 + 1.1641i
0
0
-0.1460 - 1.1641i

ans =
0

matrice A=[1 1.5 3 1.5;0.75 1 5 1.5;0.375 0.208 1 1.5;0.75 0.75 0.75 1]


A=
1.0000
0.7500
0.3750
0.7500

1.5000
1.0000
0.2080
0.7500

3.0000
5.0000
1.0000
0.7500

1.5000
1.5000
1.5000
1.0000

V=
-0.6404
-0.6450
-0.2517
-0.3324

-0.7861
0.5895
-0.0722
0.1714

-0.0905 + 0.4373i -0.0905 - 0.4373i


-0.7595
-0.7595
0.1022 - 0.3028i 0.1022 + 0.3028i
0.2848 + 0.2013i 0.2848 - 0.2013i

D=
4.4684
0
0
0
b=
4.4684
B=

0
-0.1763
0
0

0
0
0
0
-0.1460 + 1.1641i
0
0
-0.1460 - 1.1641i

166

Annexe A

-0.0905 - 0.4373i
-0.7595
0.1022 + 0.3028i
0.2848 - 0.2013i
matrice A=[1 0.208;5 1]
A=
1.0000 0.2080
5.0000 1.0000
V=
0.1998 -0.1998
0.9798 0.9798
D=
2.0198
0
0 -0.0198
b=
2.0198
B=
-0.1998
0.9798
matrice A=[1 0.208 0.208 0.208 0.208;5 1 5 7 0.208;5 0.208 1 3 0.208;5 0.145 0.375 1
0.208;5 5 5 5 1]
A=
1.0000
5.0000
5.0000
5.0000
5.0000

0.2080
1.0000
0.2080
0.1450
5.0000

0.2080
5.0000
1.0000
0.3750
5.0000

0.2080
7.0000
3.0000
1.0000
5.0000

0.2080
0.2080
0.2080
0.2080
1.0000

V=
0.0672

0.0163 - 0.0652i 0.0163 + 0.0652i 0.0872 + 0.0189i 0.0872 - 0.0189i

Rsultats obtenus par Matlab


0.4706
0.1959
0.1287
0.8480

0.0607 + 0.4559i 0.0607 - 0.4559i 0.2404 - 0.1417i 0.2404 + 0.1417i


-0.1252 + 0.0764i -0.1252 - 0.0764i 0.1570 + 0.2053i 0.1570 - 0.2053i
-0.1139 - 0.0480i -0.1139 + 0.0480i -0.1987 - 0.1204i -0.1987 + 0.1204i
0.8644
0.8644
-0.8907
-0.8907

D=
6.0848
0
0
0
0

0
0
0
0
0.0622 + 2.4242i
0
0
0
0
0.0622 - 2.4242i
0
0
0
0
-0.6046 + 0.2124i
0
0
0
0
-0.6046 - 0.2124i

b=
6.0848
B=
0.0872 - 0.0189i
0.2404 + 0.1417i
0.1570 - 0.2053i
-0.1987 + 0.1204i
-0.8907
matrice A=[1 5;0.208 1]
A=
1.0000 5.0000
0.2080 1.0000
V=
0.9798 -0.9798
0.1998 0.1998
D=
2.0198
0
0 -0.0198
b=

167

168

Annexe A

0.0622 - 2.4242i
B=
-0.9798
0.1998
matrice A=[1 5 0.208;0.208 1 0.145;5 7 1]
A=
1.0000 5.0000 0.2080
0.2080 1.0000 0.1450
5.0000 7.0000 1.0000
V=
0.2939
0.0902
0.9516

0.1478 - 0.2513i 0.1478 + 0.2513i


0.0446 + 0.0776i 0.0446 - 0.0776i
-0.9524
-0.9524

D=
3.2077
0
0

0
0
-0.1039 + 0.7487i
0
0
-0.1039 - 0.7487i

b=
3.2077
B=
0.1478 + 0.2513i
0.0446 - 0.0776i
-0.9524
matrice A=[1 0.145;7 1]
A=
1.0000 0.1450
7.0000 1.0000

Rsultats obtenus par Matlab


V=
0.1425 -0.1425
0.9898 0.9898
D=
2.0075
0
0 -0.0075
b=
2.0075
B=
-0.1425
0.9898
matrice A=[1 0.145 0.208;7 1 5;5 0.208 1]
A=
1.0000 0.1450 0.2080
7.0000 1.0000 5.0000
5.0000 0.2080 1.0000
V=
0.0902
0.9516
0.2939

-0.0446 - 0.0776i -0.0446 + 0.0776i


0.9524
0.9524
-0.1478 + 0.2513i -0.1478 - 0.2513i

D=
3.2077
0
0
b=
3.2077

0
0
-0.1039 + 0.7487i
0
0
-0.1039 - 0.7487i

169

170
B=
-0.0446 + 0.0776i
0.9524
-0.1478 - 0.2513i

Programme
A=input('matrice A=')
d=size(A);
k=d(:,1);
[V,D] = eig(A)
j=0;
while (j ~= k)
for i=1:k
a=max(D(:,i));
j=j+1;
W(j)=a;
end
end
b= max(W);
for i=1:k
if W(i) == b else
B=V(:,i);
end
end
b
B

Annexe A

Annexe B

LECHANTILLON DE 100
PATIENTS

Dtermination des dures minimum, maximum et moyenne de chaque tche

172

Annexe B

Patients

NG

Standardis

Mdecin

Analyse

15

60

Radiologie

Mdecin

Spcialiste

70

30

60

30

60

20

60

45

180

120

45

45

60

60

30

30

30

45

15

15

15

30

120

30

10

30

30

90

120

11

20

15

20

90

12

20

45

75

13

15

15

120

60

14

150

45

15

30

30

16

15

17

15

18

19

20

30

30

180

30

60
30

20

120

180
60
120

180

120

90

120

180

120

180

30

150

45

15

210

50

15

50

15

21

10

30

22

90

90

23

20

24

15

15

25

90

10

26

15

15

27

90

10

15

90

28

30

60

30

60

180

240

25

60

30

50

30

75

180

45

2880

150
10
180

15
50

15
180

90

150

50
150

173

Lchantillon de 100 patients


29

10

30

150

70

30

10

60

31

10

30

32

45

45

33

15

30

34

30

15

35

20

50

210

36

30

30

240

37

75

120

30

35

38

10

30

25

60

39

15

15

40

15

35

41

10

45

42

15

15

43

10

20

44

60

10

240

90

180

45

40

30

150

20

240

46

45

50

150

15

80

47

20

20

180

30

75

48

15

30

120

120

49

30

60

240

90

50

20

45

150

45

51

20

75

240

30

60

52

30

45

150

30

90

53

40

150

10

45

54

15

10

15

10

55

10

15

56

35

15

10

20

57

30

15

20
210

75

240

45
30

210

50
60

30

120

20

45
55

180

600

250

75

30

15

70

240

30

55

150

70
30

180

120

50

150

180

180

40
240

174

Annexe B

58

10

10

15

59

60

60

20

61

15

10

180

62

20

15

180

63

10

20

15

40

64

30

15

30

30

65

45

10

15

20

66

30

30

180

15

67

15

20

200

15

68

20

15

69

35

70

40

10

71

50

15

72

30

20

73

20

10

74

45

15

75

20

30

180

40

76

15

10

150

30

77

20

15

20

15

78

35

10

15

20

79

40

15

15

15

80

30

15

240

10

81

15

30

120

30

82

20

20

83

40

20

84

60

85

86

160

150

20
15

15

30

10

10
15

15

40

20

50

30

60

120

140

240

20

240

30
10

15

30

15

20

20

10

10

20

15

10

15

45

20

15

180

240

15
15

150

600

40

180

300

400

220

175

Lchantillon de 100 patients


87

30

30

88

15

10

89

20

2015

90

40

15

91

20

20

92

30

25

93

15

35

94

10

45

95

20

20

96

40

15

97

30

15

98

20

10

99

25

20

100

50

15

Moyenne

44.95

290.5445

55

13.13

150

150

30
20

20

15

15

15

10

150

180

240

180

40
20

20

30

25

150

30
35

15

20

10

600

20

2880

15

30

400

120

10

30

180

15

20

240

25.25

168.14

22.5

Annexe C

Etude des lois des arrives des patients

Il sagit de ltude des lois des arrives des patients :

cas non grave


cas grave

177

Etude des lois des arrives des patients


1. Etude de la loi des arrives de la classe des patients cas non grave:

Cest la premire opration qui a consist a enregistr le nombre des patients qui arrivent
au service des urgences pendant un intervalle de temps de 30mn pour analyser la loi des
arrives on a pris lchantillon suivant (la collecte des donnes tait faite du 22/12/2006
jusquau 24/12/2006)
Nombres de patients arrivant la tache chaque

Effectifs observs Fi

30mn Xi
1

12

10

10

11

Totaux

50

En examinant le tableau prcdent et en employant la formule de la moyenne arithmtique :


50

50

i =1

i =1

X = X i Fi / Fi
On obtient la valeur numrique suivante :
1
[(1 4) + (2 6) + (3 12) + (4 10) + (5 7 ) + (6 5) + (7 1) + (8 3) + (9 0) + (10 1) + (11 1)]
50
209
X =
= 4,18
50
X =

On conclue quil arrive en moyenne 4.18 patients rguliers par 30 minute (ou 0.14 patients
par minute).
On veut tester maintenant si la loi thorique de la variable alatoire Xi qui reprsente le
nombre de patients arrivants au service durgence par un intervalle de 30 minutes est une loi
de poisson ?
H0 : la distribution observe des arrives est tire dune population caractrise par une

distribution de poisson.
Contre lhypothse :

178

Annexe C

H1 : La distribution de la population nest pas une distribution poissonnienne.

Supposons cet effet que les hypothses suivantes soient satisfaites :


La probabilit dune arrive est proportionnelle la longueur de lintervalle [t ;

a.

t+dt]. Donc p (1 ; t)= p (1; t ) =dt


est une fonction telle que : Lim

+ (dt ) , o est un paramtre positif et (dt )

(dt )
dt

= 0;

dt 0

b. La probabilit quil y ait deux arrives ou plus entre t et (t+dt) est ngligeable
p (n; t ) = (dt ) pour n 2

Les arrives sont indpendantes. Dans ce cas ; on peut dmontrer que le hasard

c.

des arrives est gouvern par la loi de poisson, de paramtre qui est la moyenne de
la distribution et dont la formule est la suivante : p(n; t ) =

(t ) n e t
n!

Cette formule donne la probabilit que n arrivs se produisent durant un intervalle de


temps gal t.
Afin de soccuper de vrifier si la loi de poisson sapplique bien notre cas, nous faisons
appel aux mthodes suivantes :
-

Egalit entre lesprance mathmatique et la variance :

Lesprance mathmatique de la loi de poisson est le paramtre i qui est la moyenne


de la distribution quon peut exprimer par

X : lestimateur de maximum de

vraisemblance.
n

i =1

i =1

E ( X ) = i = X = X i Fi / Fi

La variance de la distribution de X est :

( )

V ( X ) = s x2 = E X 2 [E ( X )]
n

i =1

i =1

V ( X ) = X i2 Fi / Fi X 2

Lcart type quon note par X

V (x )

Comme ces paramtres sont inconnus, nous allons les estimer en formant le tableau cidessous :
Xi

Fi

Xi2

Xi2 Fi

24

12

108

179

Etude des lois des arrives des patients

V (X ) =

10

16

160

25

175

36

180

49

49

64

192

81

10

100

100

11

121

121

Totaux

50

1113

1113
2
(4018) = 4.78
50

Parmi les proprits fondamentales de la loi de poisson : on distingue la double galit


entre sa moyenne et sa variance c'est--dire : E ( X ) = V ( X ) = i .
Pour notre distribution, cette condition est vrifie, pour cela on peut dire que la loi
thorique des arrives est poissonnienne.
Vrifiant donc la distribution des arrives dautres manires :
-

Vrification par lallure des deux courbes des frquences (thoriques et

observes) :

Soit le tableau suivant :


Nombres de patients
arrivant chaque 30mn

Effectifs observs Fi

Probabilit thorique

Effectifs thoriques Fith

P(n ;t)

la tache administrative
1

0.064

3.2

0.134

6.7

12

0.187

9.35

10

0.195

9.75

0.163

8.15

0.114

5.7

0.068

3.4

0.036

1.8

0.017

0.85

10

0.007

0.35

11

0.003

0.15

Totaux

50

50

180

Annexe C

Sachant que ;

(
t )n t
t) =
e

P(n;

Fith = Pni Fi

n!

i =1

Les calcules sont effectus pour i = 4.18

Pour les courbes on a :

En abscisse sont les nombres de patients arrivant au service chaque 30minutes ;

En ordonnes sont les frquences : observs (Fi) et thoriques (Fith).

En observant les deux courbes de frquences, on remarque que :

Elles atteignent le maximum au mme point Xi =3 ;

Elles ont presque la mme allure ;

Lcart nest pas largement remarquable : donc la distribution des frquences

thoriques nest pas trop loigne de celle des frquences observes.


Donc on peut dire que la distribution des patients qui arrivent au service durgence peut tre
celle de Poisson. Ainsi, il faut recourir la meilleure mthode qui est le test de Khi deux.
-

Validation des arrives laide du test de Khi deux :

Cette mthode est la meilleure pour vrifier si la loi de poisson sapplique bien notre cas
ou non.
Cest un outil statistique qui permet de vrifier la concordance entre la distribution
exprimental et la distribution thorique calcule daprs la loi de poisson et de juger de la
qualit de leur ajustement et de leur conformit.
Ce test seffectue de la faon suivante :

Un niveau de risque est fix, qui permet de supposer que la distribution des

mesures suit une loi thorique de poisson.

Dans une table de Khi deux, il est vrifi si le Khi deux thorique est infrieur

au Khi deux calcul pour un seuil de confiance donn.

( )

Le Khi deux calcul c2 est obtenu par la formule suivante :


n

( )=
2
c

(F
i =1

ith

Fi )

F
i =1

ith

181

Etude des lois des arrives des patients

Soit alors le tableau suivant :


Nombre de
patients

Effectifs

Probabilits

Effectifs

Effectifs

(Fithr Fi )2

arrivant

observs Fi

thoriques

thoriques Fith

thoriques

Fithr

chaque 30 min

P(n ; t)

regroups Fithr

0.064

3.2

0.134

6.7

9.9

1.537

12

0.187

9.35

9.35

0.752

10

0.195

9.75

9.75

0.007

0.163

8.15

8.15

0.163

0.114

5.7

5.7

0.086

0.068

3.4

6.55

4.703

0.036

1.8

0.017

0.85

10

0.007

0.35

11

0.003

0.15

Totaux

50

50

50

7.248

Il faut noter que le test de Khi deux ne peut pas tre appliqu que si les effectifs

sont suffisamment grandes (F 5) , si cette condition nest pas satisfaite, il y a lieu de


regrouper deux ou plusieurs classes adjacentes.
-

Le nombre de degrs de libert d=K-L-1 doit tre dfini pralablement :

K : nombre de classes (aprs regroupement les frquences thoriques) ; avec

K=6 ;

L : nombre de paramtres de la loi thoriques tirs de lobservation.

Or le paramtre dune loi de poisson est sa moyenne : la valeur de L est donc gale 1.
Leurs degrs de libert est donc gale K-2.
En consultant la table : il est dfini la probabilit P davoir Khi deux, avec K-2 degrs de
libert, dpasse une certaine valeur limite ; c'est--dire que le seuil critique :

c2

(2 ) = 1
-

Si la valeur du Khi deux calcule est infrieure celle du Khi deux observ sur

la table ( c2 (2 ) ) on accepte H0 c'est--dire, lajustement est considr comme


correct et les arrives sont alors poissonniennes.
-

Si c2

(2 ) alors on rejette H0 et on conclut que les arrives nobissent

pas une loi de poisson.

182

Annexe C

Daprs notre tableau ; on a :

c2 = 7.248
d = 62 = 4

Rgle de dcision :

En utilisant la table des quantiles dune loi de khi-deux v degrs de libert, afin de
dterminer la valeur thorique de c2 ; pour d=5, on aura :
Pour = 10%; 42.10% =7.779

c2 = 7.248

Les observations suivent la loi de poisson de paramtre i = 4.18


Pour = 5%; 42.5% = 9.448

c2 = 7.248

Les observations suivent la loi de poisson de paramtre i = 4.18


Pour = 1%; 42.1% = 13.277

c2 = 7.248

Les observations suivent la loi de poisson de paramtre i = 4.18


2. Etude de la loi des arrives pour la classe des patients cas grave:
Pour tablir ltude dvaluation du taux des arrives des patients qui ont un cas grave, on
a opr de la mme faon que pour les arrives des cas non graves : c'est--dire par
chronomtrage du nombre des patients enregistrs durant 40 priodes successives dont 30
minutes chacune delle. On a trouv les rsultats suivants :

Nombres de patients enregistrs chaque 30mn

Effectifs observs Fi

Total

40

En examinant le tableau prcdent en vue de calculer la moyenne arithmtique du nombre


de patients enregistrs par intervalle de 30 minutes, dont la formule est la suivante :

183

Etude des lois des arrives des patients


9

i =1

i =1

X = X i Fi / Fi
X = 190 / 40

= 4.75 patients/ 30 minutes


=0.16 patients/ minute.
-

Egalit entre lesprance mathmatique et la variance :

Lesprance mathmatique de la loi de poisson est le paramtre i qui est la moyenne


de la distribution quon peut exprimer par

X : lestimateur de maximum de

vraisemblance.
n

i =1

i =1

E ( X ) = X = X i Fi / Fi

La variance de la distribution de X est :

( )

V ( X ) = s x2 = E X 2 [E ( X )]
n

V ( X ) = X Fi / Fi X 2
i =1

2
i

i =1

Lcart type quon note par X

V (x )

Comme ces paramtres sont inconnus, nous allons les estimer en formant le tableau cidessous :
Xi

Fi

Xi2

Xi2 Fi

20

36

16

96

25

200

36

252

49

245

64

128

81

81

Totaux

40

106

V (X ) = 4

Parmi les proprits fondamentales de la loi de poisson : on distingue la double galit


entre sa moyenne et sa variance c'est--dire : E ( X ) = V ( X ) .

184

Annexe C

Pour notre distribution, cette condition est vrifie, pour cela on peut dire que la loi
thorique des arrives est poissonnienne.
Vrifiant donc la distribution dautres manires :
-

Vrification par lallure des deux courbes des frquences (thoriques et

observes) :

Soit le tableau suivant :


Nombres de patients
arrivant chaque 30mn

Effectifs observs Fi

Probabilit thorique

Effectifs thoriques Fith

P(n ;t)

la tache administrative
1

0.042

1.68

0.098

3.92

0.155

6.2

0.184

7.36

0.175

0.139

5.56

0.094

3.76

0.056

2.24

0.03

1.2

Totaux

40

40

Sachant que ;

(t )n e t

P(n; t ) =

Fith = Pni Fi

n!

i =1

Les calcules sont effectus pour i = 4.18

Pour les courbes on a :

En abscisse sont les nombres de patients arrivant au service chaque 30minutes ;

En ordonnes sont les frquences : observs (Fi) et thoriques (Fith).

En observant les deux courbes de frquences, on remarque que :

Elles atteignent le maximum au mme point Xi =5 ;

Elles ont presque la mme allure ;

185

Etude des lois des arrives des patients

Lcart nest pas largement remarquable : donc la distribution des frquences

thoriques nest pas trop loigne de celle des frquences observes.


Donc on peut dire que la distribution des patients qui arrivent au service durgence peut tre
celle de Poisson. Ainsi, il faut recourir la meilleure mthode qui est le test de Khi deux.
-

Validation des arrives laide du test de Khi deux :

( )

Le Khi deux calcul c2 est obtenu par la formule suivante :


2

( )=
2
c

(Fith Fi )
i =1

F
i =1

ith

Soit alors le tableau suivant :


Nombre de
patients

Effectifs

Probabilits

Effectifs

Effectifs

(Fithr Fi )2

arrivant

observs Fi

thoriques

thoriques Fith

thoriques

Fithr

chaque 30 min

P(n ; t)

regroups Fithr

0.042

1.68

0.098

3.92

5.6

0.065

0.155

6.2

6.2

0.79

0.184

7.36

7.36

0.252

0.175

0.143

0.139

5.56

5.56

0.373

0.094

3.76

7.2

0.673

0.056

2.24

0.03

1.2

Totaux

40

40

40

2.296

Il faut noter que le test de Khi deux ne peut pas tre appliqu que si les effectifs

sont suffisamment grandes (F 5) , si cette condition nest pas satisfaite, il y a lieu de


regrouper deux ou plusieurs classes adjacentes.
-

Le nombre de degrs de libert d=K-L-1 doit tre dfini pralablement :

K : nombre de classes (aprs regroupement les frquences thoriques) ; avec

K=6 ;

L : nombre de paramtres de la loi thoriques tirs de lobservation.

Or le paramtre dune loi de poisson est sa moyenne : la valeur de L est donc gale 1.
Leurs degrs de libert est donc gale K-2.

186

Annexe C

En consultant la table : il est dfini la probabilit P davoir Khi deux, avec K-2 degrs de
libert, dpasse une certaine valeur limite ; c'est--dire que le seuil critique :

c2

(2 ) = 1
-

Si la valeur du Khi deux calcule est infrieure celle du Khi deux observ sur

la table ( c2 (2 ) ) on accepte H0 c'est--dire, lajustement est considr comme


correct et les arrives sont alors poissonniennes.
-

Si c2

(2 ) alors on rejette H0 et on conclut que les arrives nobissent

pas une loi de poisson.


Daprs notre tableau ; on a :

c2 = 2.296
d = 62 = 4

Pour = 50%; 42.50% =3.357

c2 = 2.296

Les observations suivent la loi de poisson de paramtre i = 4.75


Pour = 10%; 42.10% = 7.779

c2 = 2.296

Les observations suivent la loi de poisson de paramtre i = 4.75


Pour = 5%; 42.5% = 9.488

c2 = 2.296

Les observations suivent la loi de poisson de paramtre i = 4.75 .

Annexe D

APPLICATION DE LA METHODE
PROMETHEE FLOUE

188

Annexe D

Les actions proposes sont au nombre de quatre :


-

Lajout dun mdecin de la sant publique form ;

Lajout dun mdecin gnraliste ;

Lajout dun assistant : spcialiste en orthopdie ;

Lajout dun assistant : spcialiste en chirurgie gnrale.

Nous avons propos plusieurs critres pour arriver choisir entre les quatre actions tel
que : occupation de lespace, le nombre des infirmiers que le mdecin besoin, le nombre de
patients traits, le temps dattente dun patient avant la tache, le taux de disponibilit du
mdecin, le temps de travail, le besoin des quipements spciales .
Mais en faisant des interviews directes avec certains responsables du service et avec le
directeur financier de lhpital, les indicateurs les plus importants que nous devons prendre en
compte sont :
-

Le cot (le salaire) de chaque mdecin ajout ;

Le nombre dexplorations demandes (demande des analyses et de la radiologie)

La demande de lavis dun autre spcialiste

Nous avons pris un chantillon pour dterminer les valeurs du tableau ci-dessous.
Le problme rsoudre peut tre prsent de la forme suivante :
Cots

Critres
Nombre dexplorations

Min
1200 dinars

Min
(60, 10, 20)

Demande de lavis dun


autre spcialiste
Min
(25, 10, 5)

1600 dinars

(40, 10, 10)

(10, 10, 5)

1600 dinars

(50, 10, 10)

(15, 5, 10)

1000 dinars
0.25

(80, 20, 20)


0.4

(35, 5, 10)
0.35

Actions
Mdecin de la sant
publique form (A)
Assistant : spcialiste en
chirurgie gnrale (B)
Assistant : spcialiste en
orthopdie (C)
Mdecin Gnraliste (D)
Poids dimportance

Critre1 : cot
d(a, b)
d(

400

400

-200

-400

-600

-400

-600

200

600

600

189

Application de la mthode PROMETHEE floue

P(d(a, b))
A

Critre 2 : nombres dexplorations demands

Nous avons utilis une chelle de 1 7 :


1 : Trs faible [0, 0, 20] ;
2 : Faible [20, 5, 10] ;
3 : Assez moyen [30, 10, 10] ;
4 : Moyen [40, 10, 10] ;
5 : Assez lev [50, 10, 10]
6 : lev [60, 10, 20]
7 : Trs lev [80, 20, 40]
TF F

AM

AE

TE

15Figure1
20 30
40
50dune60
80
: reprsentation
chelle floue
Figure 25: Prsentation d'une chelle floue

(m, , ) _ (n, , ) = (m _ n, + , + )
d(a,b)

(-20, 30, 20)

(-10, 30, 20)

(20, 40, 30)

(20, 20, 30)

(10, 20, 20)

(40, 30, 30)

(10, 20, 30)

(-10, 20, 20)

(30, 30, 30)

(-20, 30, 40)

(-40, 30, 30)

(-30, 30, 30)

190

Annexe D

Pj (a, b)

dj (a, b)
0
q

60
p

( )

j (, ) = j d j = 0

si

(n, c, d )_q

(n_c) < q

si q (n_c)et (n + d p)

p_q
si (n + d ) > p

1
P(d(a,b))

(1/3, 1/3, 1/2)

(1/2, 1/2, 1/2)

P(d(a,b))

7/6

3/2

Indice de Yager

F (m, a, b)= (3m-a+b)

191

Application de la mthode PROMETHEE floue


Critre3 : Nombre de demande de lavis dun autre spcialiste

TF F

AM

10

15

AE

25

30

TE

35

45

Figure 26: Prsentation d'une chelle floue

1 : Trs faible [0, 0, 5]


2 : Faible [5, 5, 5]
3 : Assez moyen [10, 10, 5]
4 : Moyen [15, 5, 10]
5 : Assez lev [25, 10, 5]
6 : lev [30, 5, 5]
7 : Trs lev [35, 5, 10]
Opration de soustraction :

(m, , ) _ (n, , ) = (m _ n, + , + )
P(d(a,b))

[-15, 15, 15]

[-10, 10, 20]

[10, 10, 20]

[15, 15, 15]

[5, 10, 20]

[25, 10, 20]

[10, 20, 10]

[-5, 20, 10]

[20, 15, 15]

[-10, 20, 10]

[-25, 20, 10]

[-20, 15, 15]

Pj (a, b)

dj (a, b)
0
q

25
p

192

Annexe D

( )

j (, ) = j d j = 0

si

(n_c) < q

si q (n_c)et (n + d p)

(n, c, d )_q
p_q

si (n + d ) > p

P(d(a,b))

[2/5, 2/5, 2/5]

[3/5, 3/5, 3/5]

P(d(a,b))

2/5

3/5

Indice de Yager
F (m, a, b)= (3m-a+b)

A
B
C
D

0
0.67
0
0
0.67

0.25
0
0
0.25
0.5

0.25
0
0
0.25
0.5

0.14
0.75
0.95
0
1.84

0.64
1.42
0.95
0.5

Les rsultats de la mthode PROMETHEE II Floue donne lordre suivant :


1. Lajout dun spcialiste en chirurgie gnrale ;
2. Lajout dun spcialiste en orthopdie ;
3. Lajout dun mdecin de la sant publique form ;
4. Lajout dun mdecin gnraliste.

-0.03
0.92
0.45
-1.34