基于Kohonen网络算法进行医疗设备维修管理模式再优化的应用研究

2019-11-27秦文俊

中国医学装备 2019年11期

秦文俊黄振陈辉

医疗设备维修是医学工程技术人员的一项重要工作职责，其内容包括前管理、中管理和后管理三项，即故障前的预防性维修、故障中的排除处理和故障后的监控指导[1-3]。但是，医院临床在用设备品牌种类繁多，且受使用年限、应用领域及结构复杂等因素影响，其维修管理工作的事项类型及对医学工程学人员的岗位要求也不尽相同。部分医院在此项管理工作中，存在人员分工不明确和维修体系不完善等问题，管理模式的创新改革成为该领域的研究热点[4-5]。本研究通过医院医疗设备维修数据的Kohonen网络算法分析，建立人员职责和管理事项的再优化模型，通过动态管理方式不断完善管理内容。

1 Kohonen网络算法研究资料与方法

1.1 一般资料

选取襄阳市中心医院2017-2018年临床在用的医疗设备管理数据，按照不同的管理方法，将2017年度的1075台设备管理数据纳入对照组，2018年度的1203台设备管理数据纳入观察组；对照组21名医工人员分工及维修事项采用传统管理模式，观察组建立医工人员、医疗设备、维修事项和费用支出4个维度的管理数据库，采用“Kohonen-优化”管理模式优化人员分工和维修事项。两组设备的品牌类型、数量和管理人员的职称结构、数量无统计学差异，具有可比性。

1.2 维修管理元素赋值方法

维修管理元素是指医疗设备维修管理中涉及的技术人员和维修事项，其数据集合和赋值方法包括以下4方面。

(1)人员元素：Pi={a1i，a2i，a3i，a4i，a5i，a6i，a7i，a8i}。①式中ai为第i位医工人员对设备的使用操作能力、维护保养能力、质量控制管理能力以及电源故障、机械故障、电路故障、传感器故障和其他故障的维修能力；②根据不同人员2017年度维修事项案例数据，当事项成功率＞80%、60%～80%和＜60%时分别赋值为a={1，2，3}。

(2)设备元素：Ej={b1j，b2j，b3j，b4j，b5j，b6j，b7j，b8j}。①式中bj为第j类医疗设备对医工人员的使用操作需求、维护保养需求、质量控制管理需求以及电源故障、机械故障、电路故障、传感器故障和其他故障的维修需求；②根据不同类型医疗设备2017年度维修事项数据，事项频次占设备总维修频次的比例＞40%、20%～40%和＜20%时分别赋值为b={1，2，3}。

(3)维修元素：Mx={c1x，c2x，c3x}。①式中cx为第x类设备故障的预防性维修、故障排查处理和维修后管理；②根据不同类型医疗设备2017年度管理事项次数进行赋值。

(4)经费元素：Sy={d1y，d2y，d3y}。①式中dy为第y类设备维修事项的人员管理、配件材料和技术支持等费用支出；②根据不同类型医疗设备2017年度维修事项支出额度进行赋值。

1.3 Kohonen-优化方法

1.3.1 人员分工优化方法

人员分工优化的目的是根据不同医工人员能力水平安排合理的维修事项。选定医院第i位医工人员，第j类医疗设备需求与人员维修能力的差值(Dij)计算为公式1：

其中，医工人员为输入样本，医疗设备为输出神经元，将满足差值最小的医疗设备作为医工人员的最优分工内容。依据Kohonen网络算法理论修正神经元和在其邻域内包含的节点权值(bj)，直至医工人员与医疗设备的维修管理匹配度最稳定[6-8]。

医院根据人员分工优化的分析结果，每月动态调整医工人员的工作内容和岗位职责，并通过随机抽查考核的方式进行监督管理。

1.3.2 管理事项优化方法

管理事项优化的目的是最大限度地降低设备维修成本。选定第y类维修经费支出方案，医院第x类设备维修事项的年度支出成本(Oxy)计算为公式2：

其中，事项维修经费为输入样本，医疗设备为输出神经元，将满足支出成本最小的维修方案作为医疗设备的最优管理事项。继续修正神经元和在其邻域内包含的节点权值(cx)，直至医疗设备与维修经费方案匹配度最稳定。

医院根据维修管理事项优化的分析结果，每季度动态调整医疗设备的维修管理内容，并通过设备开机率指标检测管理内容的科学性。

1.4 观察指标

(1)维修成本增幅：临床医疗设备的月维修成本较上月的增长比例(%)。

(2)成功事项比例：不同类型设备的成功维修案例占全部维修案例的比例(%)。

(3)设备开机率：不同类型设备实际运行状态时间与应工作时间之间的比例(%)。

1.5 统计学方法

采用SPSS18.0软件进行数据统计分析，计量资料以均值±标准差()表示，采用Mann-Whitney U检验，以P＜0.05为差异有统计学意义。

2 Kohonen网络算法研究结果

2.1 人员分工优化结果

对照组21名医工人员共承担医疗设备维修管理事项5736例，Dij为9.67±4.23；观察组医工人员共承担维修事项6355例，Dij为6.52±2.25，见图1。

图1 人员分工优化前后对比

2.2 管理事项优化结果

对照组共包含预防性维修事项1037 例(占18.08%)、故障中处理事项3769例(占65.71%)和维修后管理事项930例(占16.21%)；观察组共包含预防性维修事项2372例(占37.32%)、故障中处理事项2658例(占41.83%)和维修后管理事项1325例(占20.85%)，见图2。

图2 两组管理事项比例对比

2.3 两组观察指标分析结果

医工人员分工及维修事项优化前后两组比较，观察组的维修成本增幅低于对照组，成功事项比例和设备开机率高于对照组，其差异有统计学意义(Z=-2.512，Z=-2.044，Z=-1.973；P＜0.05)，见表1。

表1 两组观察指标分析结果(%，)

3 Kohonen网络算法应用

Kohonen神经网络由芬兰赫尔辛基大学教授Teuvo Kohonen提出，可进行环境特征的识别并自动聚类，实现特定神经元节点的模式识别[9]。在医疗设备维修管理领域，科学合理地部署医工人员的工作内容及职责，减少维修管理费用支出，需要在日常的维修数据中挖掘匹配度较高的医疗设备集合和维修管理方案，以提高医院的医疗设备管理质量[10-11]。

本研究选取2017-2018年医院临床在用的医疗设备为研究对象，从医工人员、医疗设备、维修事项和经费支出4个维度建立管理数据库，通过Kohonen神经网络算法分析医工人员与医疗设备、维修事项与经费支出的匹配关系，获得人员分工和管理事项的优化方案。临床应用结果显示，观察组的管理效果优于对照组，表明Kohonen-优化在提升医院设备维修管理水平方面具有明显价值。