Molina Pariente, José ManuelDíaz Arias, Sergio2025-07-032025-07-032025Díaz Arias, S. (2025). Configuración de equipos quirúrgicos en el problema de planificación y programación de quirófanos para maximizar el número de pacientes programados. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/174979Este TFG aborda un problema de alta complejidad relacionado con la planificación y programación quirúrgica en hospitales, incluyendo la definición de equipos quirúrgicos como un componente de este. En él, se aborda la necesidad de formar equipos compatibles a partir de los cirujanos disponibles y planificar y programar las intervenciones quirúrgicas maximizando el número de pacientes intervenidos, reduciendo así, la extensa lista de espera, considerando diversas restricciones operativas y clínicas. El problema combina elementos propios de la configuración de equipos y la planificación de actividades, lo que lo clasifica como un ejemplo clásico de optimización combinatoria del tipo NP-hard. Para afrontar este desafío, se ha propuesto una metodología de resolución que contempla heurísticas de secuenciación, estrategias de asignación de equipos y algoritmos adaptados al contexto hospitalario. Se ha estudiado el desempeño del algoritmo genético clásico y Modelo de Islas, este último por primera vez para problemas de planificación y programación de quirófanos. La evaluación del rendimiento de los algoritmos aproximados ha seguido un procedimiento estructurado, que incluye la generación de instancias de datos realistas, la calibración de parámetros clave y la experimentación con distintas variantes del algoritmo genético, tales como: tácticas de reinicio, búsqueda local o combinación con Simulated Annealing. La implementación se ha realizado en Python, con un diseño modular que facilita su extensión futura. Los resultados experimentales permiten validar el enfoque propuesto mediante el cálculo del Average Relative Percentage Deviation (ARPD) y el test ANOVA, identificando configuraciones eficientes y resaltando la relevancia de considerar la configuración de equipos en la planificación quirúrgica. En resumen, este estudio proporciona un recurso flexible y ajustable que puede servir como base para desarrollos posteriores en el campo de la administración de hospitales.This Project focuses on a complex problem related to surgical planning and scheduling in hospitals, including surgical teams formation as a key component. It handles the need to form compatible teams from the available surgeons and to plan and schedule surgical procedures in a way that maximizes the number of patients treated, thereby reducing the long waiting list, while considering various operational and clinical constraints. The problem combines elements of team configuration and activity scheduling, making it a classic example of NPhard combinatorial optimization. To tackle this challenge, a solution approach has been proposed that includes sequencing heuristics, team assignment strategies and algorithms adapted to the hospital context. The efficiency of the genetic algorithm and the Island Model has been studied, the latter being used for the first time in operating room scheduling and planning problems. The Project has followed a structured process, including the generation of realistic data, parameter calibration, and experimentation with different variants of the genetic algorithm, such as restart strategies, local search, or combination with Simulated Annealing. The implementation was done in Python, using a modular design that allows future improvements. The experimental results validate the proposed approach by calculating the Average Relative Percentage Deviation (ARPD) and doing ANOVA tests, identify efficient configurations, and highlight the importance of considering team configuration in surgical planning. In summary, this study provides a flexible and adaptable tool that can be used as a basis for future solutions for hospital planning and coordination.application/pdf106 p.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccess