本发明涉及医院管理，具体是指一种基于排队模型的药房自助取药系统。
背景技术：
1、在当前的医疗体系中，药房取药流程普遍存在效率低下、错误率高、资源利用率不均衡、信息反馈不及时以及药品管理困难等问题。传统的人工服务方式导致患者在高峰时段排队时间长，且药品分发过程中易出现错误，影响患者治疗和医疗安全。同时，药房窗口工作量的不均衡和信息反馈机制的缺乏，使得患者体验差，药品库存管理也面临挑战。因此，迫切需要药房自助取药系统来提升药房服务质量和效率。虽然现有的药房自助取药系统在很大程度上减少了人工服务的时间，但高昂的设备成本限制了其部署规模，致使患者在取药时仍面临较长的等待时间，为了有效减轻排队压力，需要一种优化策略以实现自助取药站台与人工服务站台数量的合理配置和平衡。目前基于排队模型的取药系统，仅适用于通过多个传统人工窗口进行药品领取的情形，尚缺乏针对自助与人工相结合的站台配置优化方法。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本发明提供了一种基于排队模型的药房自助取药系统，针对目前基于排队模型的取药系统，仅适用于通过多个传统人工窗口进行药品领取的情形，尚缺乏针对自助与人工相结合的站台配置优化方法的问题，本发明通过建立遵循m/m/c规则的多服务站结合的排队模型，对不同数量的自助取药站台和人工取药站台在不同时间段的平均排队时间和平均取药时间进行模拟，进而设计目标函数和约束条件，通过多目标遗传算法实现了对各个时间段取药站台的最优分配，优化了取药流程，减少了患者排队等待时间，提升了资源利用率，从而改善了患者体验并降低了运营成本。
2、本发明采取的技术方案如下：本发明提供了一种基于排队模型的药房自助取药系统，具体包括：数据采集模块、排队模型模块、智能调度模块；所述的数据采集模块的输出端连接排队模型模块的输入端，所述的排队模型模块的输出端连接智能调度模块的输入端；
3、药房建立自助取药站台和人工取药站台，自助取药站台配备自助取药机，患者在自助取药机或者人工取药站台进行取药时，数据采集模块通过扫描处方上的条形码自动记录患者取药的开始时间，药品发放完毕时记录取药的结束时间，并对每小时的自助取药站台取药人数和人工取药站台取药人数统计；
4、所述的排队模型模块建立遵循m/m/c规则的多服务站结合的排队模型，模拟不同数量的自助取药站台和人工取药站台在不同时间段的平均排队时间和平均取药时间；
5、所述的智能调度模块根据排队模型模块的模拟结果，通过多目标遗传算法实现对自助取药站台和人工取药站台的最优分配。
6、所述的排队模型模块建立遵循m/m/c规则的多服务站结合的排队模型的具体步骤如下所述：
7、s1：计算每小时的平均到达率：将每日取药人数除以24小时，得出取药患者的每小时的平均到达率；
8、s2：计算每小时的自助取药站台平均服务率：通过数据采集模块汇总每小时每名患者在自助取药站台取药的结束时间与开始时间的差值的总和，自助取药站台平均服务率=总和÷自助取药站台取药人数÷60，具体的公式如下所述：
9、;
10、其中，表示自助取药站台平均服务率，表示自助取药站台取药人数，和分别表示每名患者在自助取药站台取药的结束时间与开始时间，和的单位为分钟。
11、s3：计算每小时的人工取药站台平均服务率：通过数据采集模块汇总每小时每名患者在人工取药站台取药的结束时间与开始时间的差值的总和，人工取药站台平均服务率=总和÷人工取药站台取药人数÷60；
12、;
13、其中，表示人工取药站台平均服务率，表示人工取药站台取药人数，和分别表示每名患者在人工取药站台取药的结束时间与开始时间，和的单位为分钟。
14、s4：计算每小时的等效服务率：定义自助分配概率，等效服务率=自助分配概率×自助取药站台平均服务率+（1-自助分配概率）×人工取药站台平均服务率，具体的公式如下所述：
15、;
16、其中，表示等效服务率，表示自助分配概率。
17、s5：计算每小时的等效服务强度：输入自助取药站台个数和人工取药站台个数，等效服务强度=平均到达率÷（自助取药站台个数×自助取药站台的平均服务率+人工取药站台个数×人工取药站台的平均服务率），具体的公式如下所述：
18、;
19、其中，表示等效服务强度，表示自助取药站台的个数，表示人工取药站台的个数，表示平均到达率。
20、s6：计算每个患者的平均取药时间和平均排队时间：根据每小时的平均到达率、等效服务率和等效服务强度分别计算平均等待人数、取药队列的平均队长，进而计算每个患者的平均取药时间和平均排队时间，具体公式如下所述：
21、平均等待人数的计算公式具体如下所述：
22、<mi>lq</mi><mi>=</mi><mfrac><mrow><msup><mrow><mi>(</mi><mfrac><mi>λ</mi><mi>μ</mi></mfrac><mi>)</mi></mrow><mi>c</mi></msup><mi>ρ</mi></mrow><mrow><mi>c!</mi><msup><mi>(1-ρ)</mi><mn>2</mn></msup></mrow></mfrac><msup><mrow><mi>[</mi><mstyle displaystyle="false"><munderover><mo>∑</mo><mi>k=0</mi><mi>c-1</mi></munderover><mfrac><mn>1</mn><mi>k!</mi></mfrac></mstyle><msup><mrow><mi>(</mi><mfrac><mi>λ</mi><mi>μ</mi></mfrac><mi>)</mi></mrow><mi>k</mi></msup><mo>+</mo><mfrac><mn>1</mn><mi>c!(1-ρ)</mi></mfrac><msup><mrow><mi>(</mi><mfrac><mi>λ</mi><mi>μ</mi></mfrac><mi>)</mi></mrow><mi>c</mi></msup><mi>]</mi></mrow><mi>-1</mi></msup>;
23、其中，表示平均等待人数，。
24、取药队列的平均队长的计算公式具体如下所述：
25、;
26、其中，表示取药队列的平均队长。
27、每个患者的平均排队时间的计算公式具体如下所述：
28、;
29、其中，表示每个患者的平均排队时间。
30、每个患者的平均取药时间的计算公式具体如下所述：
31、;
32、其中，表示每个患者的平均取药时间。
33、s7：重复步骤s5-s6，以每小时为单位，以周一到周日为时间跨度，输入不同的自助取药站台个数和人工取药站台个数，对每个患者的平均取药时间和平均排队时间进行计算。
34、所述的智能调度模块根据排队模型模块的模拟结果，通过多目标遗传算法实现对自助取药站台和人工取药站台的最优分配的具体步骤如下所述：
35、d1：定义总成本目标函数：获得自助取药机的购置成本以及员工的工作成本，总成本=自助取药站台个数×购置成本+人工取药站台个数×工作成本；
36、d2：定义流程时间目标函数：流程时间=平均取药时间+平均排队时间；
37、d3：定义总药品周转率目标函数：获得自助取药站台和人工取药站台的每种药品的销售量、库存起始数量和库存结束数量，分别计算出自助取药站台和人工取药站台的药品周转率，将两种药品周转率进行加权平均后得到总药品周转率，自助取药站台和人工取药站台的药品周转率的计算公式如下：
38、;
39、;
40、其中，、、、分别表示自助取药站台的药品周转率、第个站台的销售量、第个站台的库存结束数量、第个站台的库存起始数量和药品种类个数，、、、分别表示人工取药站台的药品周转率、第个站台的销售量、第个站台的库存结束数量、第个站台的库存起始数量和药品种类个数。
41、d4：定义约束条件：定义最大自助取药站台数、最大人工取药站台数和最大流程时间，约束条件包括：自助取药站台个数小于等于最大自助取药站台数、人工取药站台个数小于等于最大人工取药站台数、流程时间小于等于最大流程时间，自助取药站台个数和人工取药站台个数为自然数；
42、d5：建立多目标优化方程组：将自助取药站台个数和人工取药站台个数作为决策变量，利用排队模型模块得到不同时间段对应的平均取药时间和平均排队时间，以最小总成本、最小流程时间、最大总药品周转率为目标建立多目标优化方程组，多目标优化方程组如下所述：
43、;
44、;
45、;
46、;
47、其中，、、分别表示总成本目标函数、流程时间目标函数和总药品周转率目标函数，表示最小化，表示最大化，和分别表示自助取药站台个数和人工取药站台个数，和分别表示购置成本和工作成本，、和分别表示最大自助取药站台数、最大人工取药站台数、最大流程时间，表示自然数，即大于等于0的整数。
48、d6：通过遗传算法得到最优解，根据最优解对各个时间段的自助取药站台和人工取药站台的配置进行规划，遗传算法具体的步骤如下所述：
49、d61：初始化种群：随机生成个个体，每个个体代表一个可能的站台分配方案，表示为；
50、d62：对个体进行评估：计算每个个体的目标函数值，目标函数包括总成本目标函数、流程时间目标函数和总药品周转率目标函数，定义第一权重系数和第二权重系数，计算每个个体的适应度，适应度的计算公式如下所述：
51、<mi>fitness(i)=[1-</mi><mi>α</mi><mi>-</mi><mi>β</mi><mi>]</mi><msub><mi>z</mi><mn>3</mn></msub><mi>(i)-</mi><mi>α</mi><msub><mi>z</mi><mn>1</mn></msub><mi>(i)-</mi><mi>β</mi><msub><mi>z</mi><mn>2</mn></msub><mi>(i)</mi>;
52、其中，表示第个个体适应度，、分别表示第一权重系数和第二权重系数，、和分别表示第个个体的总成本目标函数、流程时间目标函数和总药品周转率目标函数的值。
53、d63：对每个个体的适应度进行归一化，并通过轮盘赌的方法对个体的适应度进行选择，归一化的计算公式如下所述：
54、;
55、其中，表示归一化后的第个个体的适应度，表示第个个体适应度。
56、d64：随机选取两个个体，将两个个体的和进行交叉操作，产生新的个体；
57、d65：定义最大迭代次数，重复步骤d62-d64直到达到最大迭代次数，将适应度最高的个体作为最优解。
58、采用上述方案本发明取得的有益成果如下：
59、（1）针对目前基于排队模型的取药系统，仅适用于通过多个传统人工窗口进行药品领取的情形，尚缺乏针对自助与人工相结合的站台配置优化方法的问题，本发明通过建立遵循m/m/c规则的多服务站结合的排队模型，对不同数量的自助取药站台和人工取药站台在不同时间段的平均排队时间和平均取药时间进行模拟，进而设计目标函数和约束条件，通过多目标遗传算法实现了对各个时间段取药站台的最优分配，优化了取药流程，减少了患者排队等待时间，提升了资源利用率，从而改善了患者体验并降低了运营成本。
60、（2）基于本发明提出的排队模型对平均等待人数、取药队列的平均队长、平均取药时间和平均排队时间的模拟结果，可进一步推进对智能排队调度、排队时间预测、取药高峰预测、患者分流优化策略等功能的实现。
1.一种基于排队模型的药房自助取药系统，其特征在于：具体包括：数据采集模块、排队模型模块、智能调度模块；所述的数据采集模块的输出端连接排队模型模块的输入端，所述的排队模型模块的输出端连接智能调度模块的输入端；
2.根据权利要求1所述的一种基于排队模型的药房自助取药系统，其特征在于：
3.根据权利要求2所述的一种基于排队模型的药房自助取药系统，其特征在于：所述的智能调度模块根据排队模型模块的模拟结果，通过多目标遗传算法实现对自助取药站台和人工取药站台的最优分配的具体步骤如下所述：
