Proposta de localização de base para o serviço de atendimento domiciliar de um laboratório de medicina diagnóstica

Abstract

The current study approaches the development of facilities location model for home health care based on a diagnostic medicine laboratory group. The health system is one of society’s fundamental pillars, and the number of routine exams is growing in Brazil. Due to the demand increase for at-home testing services, mainly driven by the COVID-19 pandemic, logistics operations face new challenges. The model aims to optimize logistic resources, proposing a more appropriate location for the logistics hubs. Based on demand per region in São Paulo data, the study focuses on the location of facilities through clustering and computational modeling, which apply Operational Research concepts. Using data clustering and OpenSolver, it was possible to evaluate different scenarios that assist management decision-making. Therefore, it was necessary to understand the impact and relationship between the maximum radius traveled to reach the customer and the clustering on the results of the computational model. Based on the obtained results, a scenario was proposed in which there was a 74% reduction in the number of output bases for home health care, effectively meeting the entire customer demand.

O presente trabalho aborda o desenvolvimento de um modelo de alocação das bases de saída para o serviço de atendimento móvel de um grupo laboratorial de medicina diagnóstica. O sistema de saúde é um dos pilares fundamentais para a sociedade e a realização de exames de rotina está crescendo entre a população brasileira. Devido ao aumento da demanda de serviço de coleta domiciliar, principalmente impulsionado pela pandemia do Coronavírus, novos desafios são identificados na gestão de sua operação logística. O modelo estudado visa otimizar os recursos logísticos ao reduzir e propor uma melhor alocação das bases de saída da empresa. A partir de dados fornecidos da demanda do atendimento móvel na região metropolitana de São Paulo, foi realizado um estudo de localização das bases, por meio da clusterização e de um modelo computacional que usa os conceitos de Pesquisa Operacional. Com o uso de data clustering e do OpenSolver, pôde-se avaliar diferentes cenários para auxiliar na tomada de decisão gerencial. Para isso, foi necessário entender o impacto e a relação do raio máximo percorrido até o cliente e a clusterização nos resultados do modelo computacional. Diante dos resultados obtidos, foi proposto um cenário em que houve a redução de 74% do número de bases de saída para o atendimento domiciliar e que supre toda a demanda de clientes.