Analisis, pronostico de la demanda y necesidades de personal en un call center de emergencias sanitarias

Abstract

Los sistemas sanitarios de los países desarrollados ofrecen la prestación de asistencia prehospitalaria, que se ha caracterizado de un lado por el incremento paulatino de la demanda, entre otros factores, como consecuencia del cambio de patrones sociodemográficos, y de otro, por un aumento de financiación, fundamentalmente, para dar respuesta a estos cambios y a la incorporación de avances tecnológicos. La utilización de recursos públicos requiere un adecuado equilibrio entre eficacia de los servicios y eficiencia en la gestión. En la consideración de este contexto, los estudios de previsión de demanda y de planificación de la actividad de prestación del servicio adquieren mayor relevancia a la hora de tomar decisiones de asignación de recursos. El objetivo principal de esta tesis es diseñar y contrastar un modelo de optimización a corto y medio plazo de la gestión de un call center de llamadas de emergencias sanitarias utilizando de forma sinérgica distintas técnicas de investigación operativa y econométrica. En la tabla 1 se exponen los objetivos de cada capítulo y la metodología aplicada. Tabla 1: Objetivo de la tesis Capítulo y Objetivo Metodología 1. Diagnóstico del Sistema de información para la gestión y medición de eventos y tiempos relevantes. (Call center metrics, perfomance measurement, Workflow) Diagrama de bloques funcional y análisis estadístico descriptivo (frecuencias absolutas y relativas, medidas de tendencia central, dispersión, histogramas, diagramas de tallo y hojas). 2. Desarrollar modelos de comportamiento de llamadas perdidas e impaciencia de los usuarios. (Abandonment, Impatience) Impaciencia: Modelos de supervivencia no paramétrico (Kaplan-Meier, Splines), semiparamétricos (Regresión de Cox), Paramétricos (Exponencial, Normal, Logístico,¿, y Modelos de Fallo Acelerado). Pronóstico de llamadas perdidas: estudio previo con Análisis en Componentes Principales y Cluster Jerárquico, Regresión lineal múltiple, Modelos Lineales Generalizados (Regresión de Poisson, Tweedie, Binomial negativa, Normal identidad y con enlace logaritmo). Instrumento de clasificación de llamadas: Análisis discriminante, Regresión logística binaria, Redes Neuronales (Perceptrón multicapa y Red de Base Radial). 3. Pronóstico de la Demanda. (Forecasting) Modelo clásico de descomposición Armónico multiplicativo con análisis espectral. Modelo clásico de descomposición estacional X-11. Modelo de alisado de triple parámetro de Winters. Modelo Arima con análisis de intervención de meses estivales. Modelo Arima con función de transferencia gripe. Modelo estructural armónico con gripe, pernoctaciones y población. 4. Necesidades de personal. (Staffing) Identificación de estados estacionarios con Test de Kruskal-Wallis, Análisis Discriminante y Test de Kolmogorov-Smirnov. Modelos de colas Erlang C (M/M/S), Erlang A (M/M/S+k) y Red de colas acíclica de Jackson 5. Optimización de plantilla. (Scheduling) Programación lineal entera, modelo general y modelo que tiene en cuenta la satisfacción del personal con horarios más homogéneos. Fuente: Elaboración propia Consecuencia de este planteamiento es la estructura que se sigue con un enfoque integral y jerárquico en la consecución del objetivo, así en primer lugar es necesario tener un conocimiento del trabajo que se realiza en el call center, por lo que en el capítulo 1 se desarrolla el proceso operativo de atención de las llamadas con elaboración de un diagrama de bloques funcional (¿Workflow¿), y realización de un análisis exploratorio y estadístico descriptivo de las operaciones y tiempos de las mismas (¿call center metrics¿ y ¿perfomance measurement¿), resultando una demanda y tiempos de atención variables por meses, franjas horarias y tipos de línea de atención. El capítulo 2 está dedicado al análisis de las llamadas perdidas (¿Abandonment¿), evento de especial importancia debido a sus características de demanda insatisfecha, los efectos sobre pacientes de especial gravedad y por ser uno de los indicadores de desempeño más relevantes, sirviendo además de información complementaria y básica para los capítulos 3 y 4 respectivamente. El abordaje se realiza sobre la base de tres bloques metodológicos que por medio de análisis de supervivencia, pronóstico de llamadas perdidas, y clasificación de las llamadas en atendidas y perdidas, permiten conocer las características de los tiempos de impaciencia de los usuarios, las variables que influyen para que se pierdan llamadas en cada momento temporal, y el establecimiento de un método que permita prever la probabilidad de pérdida de una llamada concreta, arrojando los resultados una impaciencia (¿Impatience¿) variable por tipos de línea y franjas horarias, un efecto muy importante del dimensionamiento sobre las llamadas perdidas y un instrumento de clasificación razonable con la red neuronal del tipo perceptrón multicapa. El capítulo 3 trata el primer paso en la obtención del objetivo central que es identificar y evaluar modelos de análisis de series temporales que mejoren el pronóstico del número de llamadas recibidas ("forecasting"), para ello se plantean seis modelos que van desde los clásicos de descomposición hasta los ARIMA y Estructural, cuya visión conjunta aporta alternativas de cursos de acción a seguir en la toma de decisiones (gráfico 1). Gráfico 1: Modelos de series temporales aplicados Fuente: elaboración propia Los modelos que utilizan variables exógenas (población, casos de gripe notificados y número de pernoctaciones) se comportan con más precisión. Los pronósticos del capítulo 3 pueden aplicarse como input inicial del capítulo 4, que estudia el segundo paso, dedicado al cálculo de la necesidades de personal (¿Staffing¿), para lo que se analizan los comportamientos de llamadas recibidas y los tiempos de atención o servicio en intervalos de horas y meses, aplicando una metodología de identificación de estados estacionarios, los modelos de teoría de colas Erlang-C (tradicional de la industria del call center), Erlang-A (incluye la impaciencia y llamadas perdidas), y un modelo de Red de colas de Jackson al objeto de identificar cuellos de botella, con resultados que mejoran las medidas de rendimiento actuales y conformando el puesto de médico coordinador como cuello de botella. Finalmente en el capítulo 5 se toma como información inicial la procedente del capítulo 4 con objeto de determinar el conjunto de horarios y plantilla óptima (¿Scheduling¿), teniendo en cuenta el desarrollo de la actividad laboral en cuanto a turnos, descansos, vacaciones, y otras circunstancias del convenio colectivo, aplicando dos modelos de programación lineal entera que minimizan el coste de personal asociado a los niveles de servicio de la prestación, consiguiendo que el exceso de personal sea inferior al 5%. En conclusión, la utilización conjunta de los distintos métodos de análisis aplicados en los cinco capítulos genera sinergias en el conocimiento de las operaciones en el call center, los mecanismo que provocan la pérdida de llamadas, los escenarios de demanda de emergencias sanitarias, el dimensionamiento adecuado al nivel de servicio ofertado, la optimización de plantilla teniendo en cuenta las necesidades de personal por franja y mes. Contribuyendo todo ello a una mayor eficiencia en la planificación a medio plazo de los recursos humanos disponibles, reduciendo costes y mejorando la calidad simultáneamente. Su desarrollo mediante software estándar, disminuye los costes de aprendizaje y aplicación de forma estable y periódica en los centros de emergencias. Aunque los resultados obtenidos son de aplicación al centro de atención de llamadas de EPES, la metodología es extrapolable a cualquier call center ya que se han planteado toda una gama de modelos alternativos y complementarios en cada capítulo, que pueden instrumentalizarse atendiendo a las características particulares de cada call center, por lo que no es posible recomendar exclusivamente alguno de ellos, sino que han de probarse para cada caso concreto dentro del amplio marco metodológico expuesto. Entre la bibliografía consultada puede destacarse: -Brown y otros ¿Statistical Analysis of a Telephone Call Center: A Queueing-Science Perspective¿. March 2005, Vol. 100, No. 469. Journal of the American Statistical Association. -Cleveland y otros ¿Call Center Management on Fast forward: Succeeding in Today¿s Dynamic Inbound Environment¿. USA 1997. -McManus y otros ¿Queuing Theory Accurately Models the Need for Critical Care Resources¿. May 2004, Vol. 100, No. 5. Anesthesiology. American Society of Anesthesiologists. -Centeno M. ¿Simulation-ILP based tool for scheduling ER staff. Proceedings¿ f the Winter Simulation Conference 2003, 2:1930¿1938, 2003. -Channouf N, L¿Ecuyer P, Ingolfsson A, Avramidis A. ¿The application of forecasting techniques to modeling emergency medical system calls in Calgary, Alberta¿. Health Care Manage Sci(2007) 10:25-45. -Mandelbaum A. ¿Call Centers. Research Bibliography with Abstracts¿. Version 7, May, 2006. Disponible en http://ie.technion.ac.il/serveng/References/references.html.