Metaheuristic Approach for the Facility Layout Problem in a Hospital

Les impacts d'un aménagement sur la performance d'une organisation dans les différentes industries et secteurs de services sont indéniables. Par conséquent, le besoin d'un système d'aide à la décision parmi les décideurs dans la planification de l'aménagement des installations a amené les problèmes d'aménagement des installations (FLP) à l'épicentre des recherches dans le domaine de l'optimisation. En tant que première partie d'une approche en deux étapes de la planification de l'aménagement des installations, cette recherche vise à concevoir et à mettre en œuvre un cadre d'optimisation pour proposer la meilleure allocation des services aux bâtiments et aux étages d'un futur hôpital près de Montréal, au Québec. Pour cela, une approche de programmation mathématique et plus précisément des problèmes de semi-affectation quadratique (QSAP) est utilisée pour modéliser ce problème d'aménagement d'installations. Le modèle QSAP adopte les quatre types de contraintes : affectation unique des points de service aux étages, disponibilité de l'espace d'un étage, affectation restreinte d'un point de service aux étages, et la contiguïté et la proximité au sein des points de service. L'objectif de ce problème d'optimisation est de minimiser le flux entre les points de service, ce qui peut inclure les déplacements des patients et du personnel et la manutention du matériel. Le modèle QSAP a été reformulé comme un problème linéaire à nombres entiers mixtes pour s'appliquer à l'un des solveurs MIP existants. La complexité du problème, qui est attribuée à la nature des problèmes combinatoires, empêche l'optimisation du problème de fournir une solution optimale en un temps polynomial. Ce problème réaffirme le fait que, malgré les formidables avancées observées dans le domaine du calcul numérique, qu'il soit logiciel ou matériel, l'utilisation des méthodes exactes dans les problèmes d'optimisation en taille réelle est encore inefficace. La recherche est passée de l'utilisation d'une méthode exacte au développement d'un optimiseur méta heuristique basé sur l'algorithme génétique, qui peut proposer une solution presque optimale avec une qualité acceptable dans un délai raisonnable. L'optimiseur a été mis en œuvre à l'aide d'une architecture multicouche et dans un environnement de développement de avant-garde. Une analyse statistique descriptive approfondie des résultats des expériences démontre : Avec quelle efficacité l'optimiseur converge vers une solution quasi optimale. Comment le processus de recherche optimal et les solutions sont sensibles aux modifications des paramètres de l'GA tels que la taille de la population, le taux de croisement, le taux de mutation, la taille du pool d'élite et la taille du tournoi. Et avec quelle efficacité l'optimiseur applique les contraintes aux solutions.