手術室では、法令や勤務ルール、看護師ごとのスキル・経験、教育方針、緊急手術への対応など、多数の条件を考慮しながらシフト作成と手術ごとの看護師割り当てを行う必要があります。本プロジェクトでは、これらの複雑な条件を考慮し、シフト作成から看護師割り当てまでを最適化するAIシステムの開発を行いました。
対象業界、解決した課題、現在のフェーズ、採用したソリューションと得られた結果を、まずはサマリとしてまとめています。
手術室特有の複雑な勤務条件や看護師のスキル・経験、教育方針、手術情報などを考慮し、シフト作成と手術ごとの看護師割り当てを最適化するAIシステムを開発。公平性や法令順守、医療現場の運用負荷軽減を実現しました。
手術室特有の複雑なシフト作成と看護師割り当てを自動化する仕組みを設計。法令順守やスキル・教育方針を考慮した最適化により、管理者の負担軽減と公平性の高い人員配置を実現できるシステムの基盤を構築しました。
なぜこのプロジェクトが立ち上がったのか、その背景を整理します。
手術室では、法令や勤務ルールに加え、看護師ごとのスキル・経験、教育方針、緊急手術への対応など、多数の条件を考慮しながらシフト作成や手術ごとの看護師割り当てを行う必要があります。人手では最適な人員配置に多くの時間を要し、担当者の負担が大きいことから、複雑な条件を考慮した配置を自動化できるシステムの開発が求められていました。
過去の課題や、これまでの方法で解決しきれなかった理由を明確にします。
手術室のシフト作成や看護師割り当てでは、法令・院内ルールだけでなく、看護師の習熟度や資格、手術ごとに必要なスキル、教育目的の組み合わせ、急な欠勤や緊急手術への対応まで考慮する必要があります。条件が多岐にわたるため、人手による作成では最適な配置や公平性を維持することが難しく、業務負担の増加が課題となっていました。
クライアントが抱えていた状況と、それに対して弊社が提供できる強みの両面から整理します。
基本方針から提案ポイント、発注者にとっての価値、そしてなぜこの方法を選んだのかという判断根拠までを順に示します。
本プロジェクトで我々がスクラッチから設計・実装したコンポーネントを、主要なものから順に列挙します。
モデルが判断を行うために必要なデータと、その形式・取得元を整理します。
推論結果としてどのような形でデータを外部へ渡すか、その形式と活用法を示します。
社内系統及び外部サービスとの接続点と、その接続方式をまとめます。
見えずらい部分で効いた設計・実装上のポイントを大きなものから順に記します。
キックオフから本番稼働までに要した期間と、本プロジェクト全体の費用感をまとめます。