Datenbasierte Operationsplanung im Krankenhaus unter Entwicklung und Einbindung einer Machine Learning Plattform

Autor/innen

  • Jennifer Saß Professur für Technische Logistik, Technische Universität Dresden
  • Nick Hartmann Professur für Technische Logistik, Technische Universität Dresden
  • Michael Völker Professur für Technische Logistik, Technische Universität Dresden
  • Thorsten Schmidt Professur für Technische Logistik, Technische Universität Dresden

DOI:

https://doi.org/10.2195/lj_Proc_sass_de_202112_01

Schlagworte:

CRISP, Classification, Klassifikation, Learning, Maschinelles Lernen, Regression

Abstract

Die vorliegende Arbeit gibt einen Überblick zur Ergänzung von Planungs- und Steuerungsprozessen im OP-Bereich von Krankenhäusern. Der Fokus liegt hier auf der automatisierten Vorhersage von Operationszeiten mittels maschineller Lernmethoden auf Basis von retrospektiven Daten. Der vorliegende Artikel befasst sich mit der Analyse der zu beziehenden Daten, der Aufbereitung und Vorverarbeitung dieser und der Empfehlung an geeigneten Algorithmen für das M Maschinelle Lernen. Die beschriebene Arbeit ist im Rahmen des SAB geförderten Projektes; Platform for Operation Scheduling and Prediction using machine learning (PROSPER) entstanden.

Downloads

Veröffentlicht

13.12.2021

Zitationsvorschlag

Saß, J., Hartmann, N., Völker, M., & Schmidt, T. (2021). Datenbasierte Operationsplanung im Krankenhaus unter Entwicklung und Einbindung einer Machine Learning Plattform. Logistics Journal: Proceedings, (17). https://doi.org/10.2195/lj_Proc_sass_de_202112_01