“…Recentemente, o modelo hipercubo também vem sendo estudado para aplicação em sistemas de emergência que atuam em caso de ataques terroristas e catástrofes naturais de grande escala (Larson, 2004). No Brasil, alguns exemplos de aplicação do modelo hipercubo em sistemas de atendimento médico são: a análise de alguns SAEs urbanos (Takeda et al, 2004(Takeda et al, , 2007Costa, 2004) e alguns SAEs em rodovias do estado de São Paulo e Rio de Janeiro (Mendonça & Morabito, 2000Iannoni, 2005;Iannoni et al, 2005).…”
ResumoO modelo hipercubo é um modelo de filas espacialmente distribuídas baseado em aproximações Markovianas para analisar a configuração e operação de sistemas emergenciais servidor-para-cliente, em que os servidores se deslocam até os clientes. Neste estudo adaptamos este modelo para tratar sistemas de atendimento médico emergenciais (SAEs) em rodovias com políticas particulares de despacho, em que somente algumas ambulâncias do sistema podem atender chamadas em uma dada região (backup parcial), e duas ou mais ambulâncias idênticas ou diferenciadas podem atender uma única chamada (múltiplo despacho). Também consideramos situações em que uma ambulância pode se encontrar ocupada em sua própria base atendendo uma chamada não emergencial, isto é, sem ter que se deslocar na rodovia. Resultados computacionais da aplicação do modelo num estudo de caso de um SAE de uma concessionária de rodovias no interior de São Paulo são apresentados e analisados.Palavras-chave: sistemas emergenciais; modelo hipercubo de filas; despacho de ambulâncias; rodovias.
AbstractThe hypercube is a spatially distributed queuing model based on Markovian analysis approximations to analyze the configuration and operation of server-to-customer emergency systems, in which servers travel to the locations of the customers. In the present study we adapt the model to analyze emergency medical systems (EMS) on highways operating with particular dispatching policies, which considers that only certain ambulances in the system can service calls in a given region (partial backup), and two or more identical or distinct ambulances can simultaneously service a single call (multiple dispatch). We also consider the situations in which an ambulance is busy in its base servicing a non-emergency call (i.e. it does not need to travel along the highway). Computational results of the model application to a case study of an EMS operating on highways in São Paulo state are presented and analyzed.
“…Recentemente, o modelo hipercubo também vem sendo estudado para aplicação em sistemas de emergência que atuam em caso de ataques terroristas e catástrofes naturais de grande escala (Larson, 2004). No Brasil, alguns exemplos de aplicação do modelo hipercubo em sistemas de atendimento médico são: a análise de alguns SAEs urbanos (Takeda et al, 2004(Takeda et al, , 2007Costa, 2004) e alguns SAEs em rodovias do estado de São Paulo e Rio de Janeiro (Mendonça & Morabito, 2000Iannoni, 2005;Iannoni et al, 2005).…”
ResumoO modelo hipercubo é um modelo de filas espacialmente distribuídas baseado em aproximações Markovianas para analisar a configuração e operação de sistemas emergenciais servidor-para-cliente, em que os servidores se deslocam até os clientes. Neste estudo adaptamos este modelo para tratar sistemas de atendimento médico emergenciais (SAEs) em rodovias com políticas particulares de despacho, em que somente algumas ambulâncias do sistema podem atender chamadas em uma dada região (backup parcial), e duas ou mais ambulâncias idênticas ou diferenciadas podem atender uma única chamada (múltiplo despacho). Também consideramos situações em que uma ambulância pode se encontrar ocupada em sua própria base atendendo uma chamada não emergencial, isto é, sem ter que se deslocar na rodovia. Resultados computacionais da aplicação do modelo num estudo de caso de um SAE de uma concessionária de rodovias no interior de São Paulo são apresentados e analisados.Palavras-chave: sistemas emergenciais; modelo hipercubo de filas; despacho de ambulâncias; rodovias.
AbstractThe hypercube is a spatially distributed queuing model based on Markovian analysis approximations to analyze the configuration and operation of server-to-customer emergency systems, in which servers travel to the locations of the customers. In the present study we adapt the model to analyze emergency medical systems (EMS) on highways operating with particular dispatching policies, which considers that only certain ambulances in the system can service calls in a given region (partial backup), and two or more identical or distinct ambulances can simultaneously service a single call (multiple dispatch). We also consider the situations in which an ambulance is busy in its base servicing a non-emergency call (i.e. it does not need to travel along the highway). Computational results of the model application to a case study of an EMS operating on highways in São Paulo state are presented and analyzed.
“…Nos Estados Unidos várias aplicações podem ser citadas: a localização de ambulâncias em Boston (Brandeau & Larson, 1986) e Greenville (Burwell et al, 1993), o patrulhamento policial em New Haven (Chelst & Barlach, 1981) e Orlando (Sacks & Grief, 1994), programas de visitas de serviço social (Larson & Odoni, 1981), dentre outros. No Brasil, alguns exemplos são: o atendimento a interrupções de energia elétrica em Florianópolis, SC (Albino, 1994), a localização de ambulâncias em um trecho da BR 111 -SC (Gonçalves et al, , 1995, o balanceamento do fator de utilização das ambulâncias do sistema Anjos do Asfalto da Rodovia Presidente Dutra (Mendonça & Morabito, 2000), e a análise de desempenho do sistema SAMU-192 de Campinas-SP (Takeda et al, 2001).…”
ResumoUma das maiores preocupações de sistemas urbanos de atendimento médico-emergencial é a rapidez no atendimento às vítimas. Os tempos de resposta dependem de diversos fatores como condições de tráfego local, dia da semana e período do dia, tipo e número de veículos disponíveis, localização destes veículos, políticas de despacho, etc. Neste trabalho apresenta-se uma análise dos efeitos da descentralização de ambulâncias que operam no sistema de atendimento médico-emergencial (SAMU-192) de Campinas, SP. O problema é tratado por meio do modelo hipercubo de filas espacialmente distribuídas, que considera variações aleatórias dos processos de chegada e atendimento dos chamados emergenciais. A aplicação do modelo produz uma ampla variedade de indicadores de desempenho para o sistema, que são comparados com os valores reais observados. Os resultados obtidos com a descentralização das ambulâncias mostraram uma significativa elevação do nível de serviço oferecido aos usuários.Palavras-chave: modelo hipercubo de filas; serviços emergenciais de saúde; localização probabilística.
AbstractOne of the major concerns of urban emergency medical systems is to provide the fastest possible first care medical assistance to the victims. The response times depend on different aspects such as: local traffic conditions, weekday and time, type and number of available vehicles, location of these vehicles, dispatching policies, etc. This work analyzes the effects of decentralizing ambulances in the emergency medical system (SAMU-192) of Campinas, SP. The problem is dealt with the hypercube queuing model, which considers stochastic variations of the arrival and service processes of the emergency calls. The application of the model produces a wide variety of system performance indicators, which are compared to the actual observed values. The results obtained with ambulance decentralization showed a significant increase in the service level offered to the users.
“…No Brasil, alguns exemplos são o atendimento a interrupções na distribuição de energia elétrica em Santa Catarina (Albino, 1994), a localização de ambulâncias em um trecho da BR-111 (Gonçalves et al, 1994(Gonçalves et al, , 1995, o balanceamento da carga de trabalho de ambulâncias no sistema "Anjos do Asfalto" da Via Dutra (Mendonça, 1999;Mendonça & Morabito, 2000), e a configuração do Serviço de Atendimento Médico de Urgência (SAMU) da prefeitura de Campinas, SP (Takeda, 2000;Takeda et al, 2000). Extensões do modelo hipercubo foram consideradas em Halpern (1977) e Burwell et al (1993).…”
Section: Introductionunclassified
“…Por exemplo, nos Serviços de Atendimento aos Usuários (SAU) de algumas rodovias brasileiras, os tempos médios de serviço dos veículos podem variar devido a tempos médios de viagem diferentes, em função da localização das bases dos veículos ao longo da rodovia (Mendonça & Morabito, 2000). Nestes casos os tempos de viagem (deslocamento da base até o local do acidente, do local do acidente até o hospital e do hospital até a base) podem representar uma parcela razoável do tempo total de serviço.…”
Section: Introductionunclassified
“…Em ambas as aplicações descritas acima (Takeda et al, 2000;Mendonça & Morabito, 2000) foi utilizado o modelo hipercubo com servidores não homogêneos. Devido a um número de servidores não elevado nessas duas aplicações foi utilizado, em ambos os casos, o método de eliminação de Gauss para resolver o sistema de equações lineares.…”
ResumoO objetivo do presente trabalho é analisar o uso e a solução do modelo hipercubo para o caso de servidores não homogêneos (servidores com diferentes tempos médios de serviço). Sistemas com servidores não homogêneos podem ser encontrados em diversas situações reais, como por exemplo nos Serviços de Atendimento Médico de Emergência (SAMU) de algumas cidades brasileiras. A importância de se considerar explicitamente a não homogeneidade dos servidores no modelo hipercubo é mostrada inicialmente através de um exemplo ilustrativo. É em seguida demonstrado que a solução para o caso não homogêneo pode ser obtida vantajosamente pelo método de Gauss-Siedel. Este método foi testado para uma rede de 55 vértices disponível na literatura, em modelos com 10 a 17 servidores, variando-se a taxa de ocupação do sistema de 0,1 a 0,9. Finalmente, propõe-se um modelo de regressão para estimar o tempo de processamento necessário para resolver um dado problema.Palavras-chave: modelo hipercubo, servidores não-homogêneos, método de Gauss-Siedel.
AbstractThe objective of the present paper is to analyze the use and solution of the hypercube model for the case of non-homogeneous servers (servers with different mean service times). Systems with nonhomogeneous servers can be found in several real world applications, such as for example in the provision of Emergency Medical Services (EMS) in some Brazilian cities. The importance of explicitly considering non-homogeneous servers in the hypercube model is initially demonstrated through an illustrative example. It is then shown that the solution for the non-homogeneous case can be advantageously obtained by the method of Gauss-Siedel. This method was tested for a network of 55 nodes, in models with between 10 and 17 servers, with the total system workload varying between 0.1 and 0.9. Finally, a regression model is proposed to estimate the computing time required to solve a specific problem.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.