Inhalt
Q:
Mit welchen geschäftlichen Problemen kann maschinelles Lernen umgehen?
EIN:
Bei LeanTaaS konzentrieren wir uns darauf, mithilfe von Predictive Analytics, Optimierungsalgorithmen, maschinellem Lernen und Simulationsmethoden die Kapazitäten knapper Vermögenswerte in einem Gesundheitssystem freizusetzen - ein herausforderndes Problem aufgrund der hohen Variabilität im Gesundheitswesen.
Die Lösung muss in der Lage sein, Empfehlungen zu generieren, die spezifisch genug sind, damit die Front jeden Tag Hunderte von konkreten Entscheidungen treffen kann. Das Personal muss die Gewissheit haben, dass das Gerät die Empfehlungen erhalten hat, die es aufgrund der Verarbeitung großer Datenmengen erhalten hat. Außerdem muss es aus allen Änderungen des Patientenvolumens, der Mischung, der Behandlungen, der Kapazität, des Personals, der Ausrüstung usw. gelernt haben, die unvermeidlich sind im Laufe der Zeit auftreten.
Stellen Sie sich eine Lösung vor, die Planern eine intelligente Anleitung für den richtigen Zeitpunkt bietet, zu dem ein bestimmter Termin geplant werden soll. Algorithmen für maschinelles Lernen können die Muster für die tatsächlich gebuchten Termine mit dem empfohlenen Muster für Termine vergleichen. Abweichungen können automatisch und maßstabsgetreu analysiert werden, um die „Fehler“ entweder als eindeutige Ereignisse, Planungsfehler oder als Indikator dafür zu klassifizieren, dass die optimierten Vorlagen nicht mehr richtig ausgerichtet sind und daher eine Aktualisierung erfordern.
Als weiteres Beispiel gibt es Dutzende von Gründen, warum Patienten früh, pünktlich oder spät zu ihren geplanten Terminen kommen können. Durch Minimieren des Musters der Ankunftszeiten können Algorithmen den Grad der Pünktlichkeit (oder des Mangels an Pünktlichkeit) basierend auf der Tageszeit und dem spezifischen Wochentag kontinuierlich „lernen“. Diese können in spezifische Optimierungen der optimalen Terminvorlage einbezogen werden, damit sie den unvermeidlichen Erschütterungen und Verzögerungen standhalten, die in einem realen System auftreten, das Termine mit Patienten umfasst.