Академический Документы
Профессиональный Документы
Культура Документы
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
Directeur de Thse
M. Habib CHABCHOUB
Directeur de Thse
M. Christian TAHON
Mme. Maria DI
MASCOLO
M. Younes BOUJELBENE
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.
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
II.1.1
II.1.2
II.1.3
leur traitement................................................................................................................ 23
II.2
II.2.1
II.2.2
IDEF0 ............................................................................................................... 68
IV.1.2
IDEF1 ............................................................................................................... 70
IV.1.3
IDEF3 ............................................................................................................... 72
DE LHPITAL HABIB
BOURGUIBA.. ........................................................................................................... 73
V.1
Dfinition de IDEF3x................................................................................................ 73
V.2
Application ................................................................................................................ 74
II.2
II.3
II.3.1
SLAM............................................................................................................... 87
II.3.2
SIMAN ............................................................................................................. 88
II.3.3
ARENA ............................................................................................................ 88
II.3.4
WITNESS......................................................................................................... 88
II.4
IV.1.2
IV.1.3
IV.1.4
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
II.2
DES
PERFORMANCES
DU
PROCESSUS
EN
CAS
DE
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 :
-
une
17
Introduction gnrale
utilisation organisationnelle pour qualifier lensemble des prestations fournies par le systme
de soins
Afin damliorer leur performance,
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).
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
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
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
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
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).
Contexte et problmatique
25
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
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
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
31
Contexte et problmatique
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
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
33
Contexte et problmatique
Inscription et
payement
Radiologie
Salle de soins
Mdecin gnraliste
Salle dorthopdie
Salle de chirurgie
gnrale
Salle de pltre
Quatre infirmiers (2 dans les deux salles de soin et 2 dans la salle de pltre)
Deux standardiss.
Pendant la nuit
-
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
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 :
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 :
-
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 :
-
7. Les patients consultent dans les services durgence car ils ne savent pas qui sadresser :
-
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.
41
Etat de lart
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.
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 :
Les lits portes ainsi que les lits dhospitalisation daval manquent.
42
Chapitre 2
-
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.
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.
La violence est frquente dans le service, aussi bien physique que verbale
43
Etat de lart
Les transferts vers dautres hpitaux sont difficiles, car les lits manquent aussi.
Des moyens matriels et humains ont t mis en place pour faire face cette
augmentation.
44
Chapitre 2
2. " Hpital Universitaire Virgin del Rocio Sville.
Difficults et problmes :
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 ;
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 ;
Le dlai dattente des patients aux urgences semble tre un point amliorer ;
45
Etat de lart
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.
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.
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.
Portugal :
La violence est surtout prsente sous forme verbale (violence physique rare).
47
Etat de lart
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.
48
Chapitre 2
-
la tenue des donnes techniques qui consiste par exemple mettre jour les
temps dinterventions partir du suivi de lactivit,
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 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 :
-
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
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
53
54
Chapitre 2
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
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 :
-
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.
2.
3.
Lordonnancement et la planification
4.
5.
6.
systme dinformation
7.
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)
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
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 :
-
63
1.
2.
3.
Modlisation,
simulation
optimisation des flux de patients
Auteurs
et
Combes C. (1994)
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 :
-
Nous avons recours la modlisation des processus dans un service durgence pour
les raisons suivants : (Colin, 2004)
-
65
66
Chapitre3
Dautres mthodes et outils danalyse peuvent tre considrs comme autant de
On trouve galement des aides dans les cercles de qualit et les systmes de
suggestion
OBJECTIFS
1.
ACNOS
2.
ARIS
3.
CIMOSA
4.
E/R
5.
GERAM
6.
GIM
7.
GRAI
8.
IDEF0
9.
IDEF3
10. IEM
11. MERISE
12. PERA
13. PIF
14. SCOR
15. TOVE
67
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 :
-
69
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
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 :
-
71
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.
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.
Les diagrammes de flux sont composs, comme prsent par la figure, de quatre
lments :
-
73
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:
(C); X = A C Et
C A = Vide
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
75
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 :
-
du nombre de mdecins ;
-
76
Chapitre3
VI. CONCLUSION
et comportementales du systme,
Analyse quantitative : elle consiste calculer les paramtres de
77
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 :
-
78
Chapitre3
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.
(1)
Modlisation : IDEF3x
79
(2)
Analyse : Simulation et
rseaux de files dattente
(3)
Inducteurs de
performance : Diagramme
en arbre
(4)
Axes damlioration :
PROMETHEE
Chapitre 4
SIMULATION ET RESEAUX DE
FILES DATTENTE
81
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
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
2.
3.
Objectifs
-
minimiser
l'annulation
d'interventions programmes en
raison de l'indisponibilit de lits
dans l'unit de soins intensifs.
4.
5.
6.
7.
8.
86
Chapitre 4
Utilisation ou Construction
de la thorie
Lancer la simulation
Valider le modle
Exprimentations sur le
Modle
87
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
88
Chapitre 4
II.3.2 SIMAN
89
primitives graphiques sont suffisamment nombreuses et riches pour modliser la majorit des
systmes complexes bases de flux.
90
Chapitre 4
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 :
-
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.
91
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
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
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 )}
{u
l
k
1} Squences
i.i.d vkl l 1 des vecteurs alatoires vkl = vrkl (1),k , , vrkl ( s( k )),k
93
k2 = var ( ukl ) 0,
k = 1, , K
j = 1, , J K C j
j = 1, J
(1)
K Ci C j
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 .
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.
( 2)
Le processus du nombre darrive Ak pour les clients de type k est donn par:
Ak ( t ) = N k ( k t ) , t 0
Nk ( t )
v
l =1
l
jk
( 3)
t0
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
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
Z ( t ) = X ( t ) + Y ( t ) R,
Z j (t ) 0
pour tout t 0, j = 1, , J
95
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
} {
n
k
} {
, n 1 et m njk , n 1
Dans le n
eme
( )
m njk V jkl
Pjkn et Pjn correspondent lintensit de la circulation comme dfinie dans la section
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
( 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
n
j
) (
, W n , I n , Z n , U n , Q n , S n X * , W * , I * , Z * , U * , Q* , S *
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
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
S k* ( t ) =
Pjl
{ j: kG j } lG
Z *j ( t ) , k = 1, , K
(15)
Remarque
J 1
J 1
Sachant que : R = I Q do Q = 2 + + ( 1) J 1
J
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
) (
N n = N 1 , , N kn N1* , , N k* = N *
En suite, on dfinit le processus des squences du temps de service normalis :
[ nt ]
Pour j = 1, , J
et
0 t 1
(17 )
98
Chapitre 4
En utilisant le thorme de vecteur de Donsker, on obtient Vkn Vk* , avec
bij
jk2 , i = j
=
ijk i j
Par lindpendance du temps de service pour les diffrents types de clients, on obtient :
) (
( N
indpendants, on a
) (
, V n N * , V *
( )
h njk ( x ) = m njk x, n = 1, 2,
h jk ( x ) = m jk x
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 :
( (
L*jk ( t ) = m jk N k* ( k t ) + V jk* ( k t )
X nj ( t ) =
(m
kCi
n
jk
( )) t = L (t ) t
L jk kn t
kCi
n
jk
(18)
(19 )
( 20 )
L ( t ) + n ( P
kCi
n
jk
1/2
n
j
1) t
( 21)
L (t ) + t
kCi
*
jk
( 22 )
99
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].
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
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
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 )
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
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
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
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
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
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
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
Les tches
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
Les tches
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
2.
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
Figure 15: Modle Witness labor (Jlassi et al, 2007b) (Jlassi et al, 2007c)
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 :
-
105
Les tableaux qui suivent prsentent les premiers rsultats de simulation pour 1 semaine et
pour 25 semaines.
Tche
Mdecin
administrative
385
384
183
247
Spcialiste
(Gnraliste ou
(Gnraliste ou
orthopdie)
orthopdie)
1ere passage
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
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
Mdecin
Mdecin
administrativ
(Gnraliste ou
(Gnraliste
orthopdie)
ouorthopdie)
1ere passage
3847
3746
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
107
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 ;
T3 : Lanalyse ;
T4 : La radiologie ;
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
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
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
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
t0
1 *
Zj
PjG
Pour le calcule de
u kl
1
N
V ( X ) = ( Xi X )
Si X i N ( , ) alors
X E(X )
V (X )
N ( 0,1)
*
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
S (t ) = S
*
k
l =1
*
lk
Z *j
(t ) =
{ j:kG j } Pij
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.
Q2
Q3
Q4
Q5
Q6
Qi
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
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
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
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 :
-
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.
-
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.
-
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.
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-
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
Temps dattente
de radiologie (S3)
Minimiser
la
dure de sjour
dun patient
Temps dattente
dun spcialiste
(S4)
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)
Ajouter
un
assistant :
spcialiste orthopdie CR14
Ajouter les deux spcialistes
CR15
Ajouter
un
spcialiste
en
gnrale CR16
assistant :
chirurgie
117
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 :
-
Structure hirarchique : Trie des lments dun systme dans diffrents niveaux et
dans des groupes caractristiques similaires ;
Consistance : Permet de garder une consistance logique des jugements utiliss pour
dterminer les priorits ;
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
du problme de
m n
n 1
CI
, o IA est un indice de cohrence obtenu par un grand
IA
119
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 :
-
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.
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
Exprience de
lentrepreneur
Alter 3
Alter1
Alter 2
120
Chapitre 5
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
Echelle verbale
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
10
11
0.58
0.90
1.12
1.24
1.32
1.41
1.45
1.49
1.51
de critres
IA
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.
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
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
Dans ce travail, nous utilisons les nombres flous triangulaires pour reprsenter les
comparaisons subjectives binaires des inducteurs dans le but de minimiser le vague.
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
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
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 :
Avec A = aij , x = ( x1 , , xn )
, xi = xil , xiu , = l , u
aij = aijl , aiju
( 2)
+ (1 ) aijl
comme suit : aij = aiju
[ 0, 1]
( 3)
an1
a12
an2
a1n
a2n
( 4)
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
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
C1 = MCF5 = S2 5
S3 5
S4 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
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
En appliquant la mme dmarche nous avons obtenu les poids dimportance suivants :
130
Chapitre 5
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
1 sem
384
25 sem
3746
2eme passage
Spcialiste
Analyse
Radiologi
e
131
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
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
133
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
(1)
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)
+ ( ) = C ( , x )
( 4)
x A
( ) = 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
f (x)
1.0
0.5
0
1.5
2.0
2.5
136
Chapitre 5
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
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
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).
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
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
BIBLIOGRAPHIE
146
Bibliographie
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
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
Il sagit de la dtermination :
des valeurs propres ;
des vecteurs propres.
162
Annexe A
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
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
165
-0.0722
0.1714
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
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
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
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
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
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
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
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
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
177
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
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
a.
(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!
X : lestimateur de maximum de
vraisemblance.
n
i =1
i =1
E ( X ) = i = X = X i Fi / Fi
( )
V ( X ) = s x2 = E X 2 [E ( X )]
n
i =1
i =1
V ( X ) = X i2 Fi / Fi X 2
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
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
observes) :
Effectifs observs Fi
Probabilit thorique
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
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
Dans une table de Khi deux, il est vrifi si le Khi deux thorique est infrieur
( )
( )=
2
c
(F
i =1
ith
Fi )
F
i =1
ith
181
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
K=6 ;
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
Si c2
182
Annexe C
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
c2 = 7.248
c2 = 7.248
Effectifs observs Fi
Total
40
183
i =1
i =1
X = X i Fi / Fi
X = 190 / 40
X : lestimateur de maximum de
vraisemblance.
n
i =1
i =1
E ( X ) = X = X i Fi / Fi
( )
V ( X ) = s x2 = E X 2 [E ( X )]
n
V ( X ) = X Fi / Fi X 2
i =1
2
i
i =1
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
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 :
-
observes) :
Effectifs observs Fi
Probabilit thorique
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
185
( )
( )=
2
c
(Fith Fi )
i =1
F
i =1
ith
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
K=6 ;
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
Si c2
c2 = 2.296
d = 62 = 4
c2 = 2.296
c2 = 2.296
c2 = 2.296
Annexe D
APPLICATION DE LA METHODE
PROMETHEE FLOUE
188
Annexe D
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 :
-
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)
1600 dinars
(10, 10, 5)
1600 dinars
(15, 5, 10)
1000 dinars
0.25
(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
P(d(a, b))
A
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)
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))
P(d(a,b))
7/6
3/2
Indice de Yager
191
TF F
AM
10
15
AE
25
30
TE
35
45
(m, , ) _ (n, , ) = (m _ n, + , + )
P(d(a,b))
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))
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
-0.03
0.92
0.45
-1.34