| Titre : | Data-driven optimization for nurse scheduling and rescheduling problem |
| Auteurs : | Hadil Chorfi, Auteur ; Samia Beldjoudi, Directeur de thèse ; Yassine Ouazene, Directeur de thèse ; Yasmine Alaouchiche, Directeur de thèse |
| Type de document : | document électronique |
| Editeur : | [S.l.] : [s.n.], 2025 |
| Format : | 1 fichier PDF (2.3 Mo) / ill. |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Génie Industriel.Management industriel : Alger, École Nationale Polytechnique : 2025 Bibliogr. p. 82 - 86 .- Annexe p. 87 - 97 |
| Langues : | Anglais |
| Index. décimale : | PI01925 |
| Tags : | Nurse scheduling Rescheduling Heuristic Absence Hurdle model Predictive modeling Multi-objective programming |
| Résumé : | Nurse scheduling in hospitals is a highly constrained and uncertain task. While traditional optimization models can generate feasible baseline schedules, they often fail to account for unplanned disruptions such as last-minute absences. These absences compromise care quality, create workload imbalances, and force costly last-minute adjustments. Existing models rarely integrate predictive insights or proactive mechanisms to handle such volatility. The core challenge addressed in this work is to design a scheduling and rescheduling system that anticipates and reacts to daily absences with minimal disruption, while maintaining fairness, regulatory compliance, and staffing quality. |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité | Spécialité | Etat_Exemplaire |
|---|---|---|---|---|---|---|
| PI01925 | Ressources électroniques | Bibliothèque centrale | Projet Fin d'Etudes | Disponible | Management_Industriel | Téléchargeable |
