مجله اینترنتی دیتاسرا
امروز چهارشنبه ۱۱ اسفند ۱۳۹۵

مدل صف بندی مارکوف برای تأخیرهای آفلود آمبولانس A Markovian queueing model for ambulance offload delays

Abstract



Ambulance offload delays are a growing concern for health care providers in many countries. Offload delays occur when ambulance paramedics arriving at a hospital Emergency Department (ED) cannot transfer patient care to staff in the ED immediately. This is typically caused by overcrowding in the ED. Using queueing theory, we model the interface between a regional Emergency Medical Services (EMS) provider and multiple EDs that serve both ambulance and walk-in patients. We introduce Markov chain models for the system and solve for the steady state probability distributions of queue lengths and waiting times using matrix-analytic methods. We develop several algorithms for computing performance measures for the system, particularly the offload delays for ambulance patients. Using these algorithms, we analyze several three-hospital systems and assess the impact of system resources on offload delays. In addition, simulation is used to validate model assumptions.



Keywords: Queueing theory, Matrix-analytic method, Ambulance offload delay, Priority queues



چکیده فارسی



در بسیاری از کشورها تأخیرهای آفلود آمبولانس به نگرانی پزشکان تبدیل شده است. تأخیرهای آفلود زمانی رخ می دهد که بهیارهای آمبولانس که به بخش اورژانس بیمارستان (بخش اضطراری) می رسند نمی توانند بیمار را به سرعت برای مراقبت به کارکنان در بخش اضطراری (ED) منتقل کنند. دلیل این مورد معمولاً شلوغی بیش از حد در بخش اضطراری است. ما با استفاده از تئوری صف¬ بندی، واسط بین پزشک اورژانس محلی (EMS) و چندین بخش اضطراری که به بیماران اورژانسی و بیماران غیر اورژانسی خدمت می کنند را مدلسازی می کنیم. ما مدل های زنجیره Markov را برای سیستم معرفی می کنیم و برای توزیع های احتمال حالت ثابت طول های صف و زمان های انتظار با استفاده از روش های تحلی ماتریس، مسأله را حل می کنیم. ما چندین الگوریتم برای محاسبه مقیاس های عملکرد برای سیستم توسعه می دهیم، خصوصاً تأخیرهای آفلود برای بیماران اورژانسی. ما با استفاده از این الگوریتم ها، چندین سیستم سه بیمارستانی را تحلیل می کنیم و تأثیر منابع سیستم را روی تأخیرهای آفلود بررسی می کنیم. به علاوه، شبیه سازی نیز برای اعتبارسنجی فرضیات مدل مورد استفاده قرار گرفته است.


مشخصات

مشخصات

توسط: Eman Almehdawe, Beth Jewkes مجله: European Journal of Operational Research انتشارات: Elsevier سال انتشار: 2012 میلادی تعداد صفحات متن اصلی: 13 تعداد صفحات متن ترجمه: 35 درج در دیتاسرا: ۱۳۹۵/۱۰/۱۱ منبع: دیتاسرا

خرید فایل ترجمه

خرید فایل ترجمه

عنوان: مدل صف بندی مارکوف برای تأخیرهای آفلود آمبولانس حجم: 416.43 کیلوبایت فرمت فایل: pdf قیمت: 15000 تومان رمز فایل (در صورت نیاز): www.datasara.com

فرمت ایمیل صحیح نمی باشد.

گروه نرم افزاری دیتاسرا www.datasara.com

دانلود فایل اصلی

دانلود فایل اصلی

عنوان: A Markovian queueing model for ambulance offload delays

رمز فایل
رمز فایل (در صورت نیاز): www.datasara.com

نمای مطلب

1- مقدمه



زمان آفلود آمبولانس زمان صرف شده برای انتقال یک بیمار از برانکار آمبولانس به بخش -اورژانس (بخش اضطراری) یک بیمارستان است. اگر بخش اورژانس نتواند پرستاری بیماری که از آمبولانس آمده را بپذیرد، یک دوره اقدامات معمول لازم است تا بهیار بتواند به ارائه خدمات پزشکی در آمبولانس یا روی برانکار در بخش اورژانس ادامه دهد تا زمانی که بخش اورژانس حاضر شود. این تأخیر در انتقال پرستاری با نام تأخیر آفلود شناخته شده است. بیمارانی که تأخیرهای آفلود را تجربه می کنند از بازگشت آمبولانس ها و خدمه آنها برای انجام وظیفه شان جلوگیری می کنند. طبق گزارش ارائه شده توسط وزارت بهداشت و مراقبت های درازمدت اونتاریو (کانادا)، دلیل اصلی تأخیرهای آفلود آمبولانس ازدحام در مراحل اولیه مراقبت از بیمار است، یعنی، فقدان توانایی درمان بیماران در بیمارستان. چنین نقصان توانایی تأثیر آبشاری دارد – یعنی در ازدحام بیش از حد در بخش اورژانس، تأخیرهای آفلود آمبولانس و در نهایت در کاهش سطح خدمات EMS به جامعه تأثیر دارد.



تأخیرهای آفلود آمبولانس در بسیاری از کشورها به نگرانی استرس زای مراقبت های سلامتی تبدیل شده است، خصوصاً، موضوع نگرانی رو به رشد بسیاری از جوامع در کانادا. به عنوان مثال، حکومت ایالتی اونتاریو در سال 2006 مبلغ 96 میلیون دلار روی طرح اقدام بسیط خود برای کاهش طول زمان انتظار بهیارها برای بیماران آفلود در بخش های اورژانس بیمارستان سرمایه گذاری کرده است. علیرغم چنین تلاش هایی، گزارش شده که در دسامبر 2007 تأخیرهای آفلود برای Ems تورنتو حدود 180 ساعت آمبولانس در روز هزینه داشته است. در ناحیه Waterloo (ROW)، اونتاریو، ناوگانی از 18 آمبولانس و سه بیمارستان به جمعیتی در حدود 500000 نفر خدمت می کنند که در سه بخش شهری و چهار شهرستان زندگی می کنند. طبق طرح اصلی سال 2008 ROW EMS، این ناحیه در سال 2005 در هر ماه حداکثر 25/13 روز آمبولانس، و در سال 2006 در هر ماه حداکثر 36/12 روز آمبولانس از دست داده است. در دسامبر سال 2007، ماکسیمم 22 رویداد تأخیر آفلود در یک روز گزارش شده است.



چون تأخیرهای آفلود هم هزینه های مراقبت های بهداشتی را بالا می برد و هم خطری که بیماران را تهدید می کند، چگونگی کاهش تأخیرهای آفلودآمبولانس به مسأله ی مهم پزشکان تبدیل شده است و توجه محققان و متخصصین را به خود جلب کرده است. اغلب تحقیقات در مورد تأخیرهای آفلود توسط پزشکانی انجام شده اند که سعی در روشن کردن اهمیت مسأله و تأثیرات آن دارند. به عنوان نمونه، Ting دلایل تأخیر آفلود آمبولانس و تأثیر مراقبت بخش اضطراری به تعویق افتاده برای بیماران را بررسی می کند. Taylor و همکارانش مطالعه ای نظارتی برای تعیین تفاوت میان زمان های رسیدن آمبولانس مستند و زمان واقعی رسیدن بیمار از آمبولانس به بخش اورژانس انجام داده اند .



Silvestri و همکارانش مطالعه ای نظارتی برای آزمودن اثر دسترس پذیر تخت در بخش اورژانس (بخش اضطراری) روی تأخیرهای آفلود انجام داده اند. Silvestri و همکارانش مطالعه ای نظارتی برای ارزیابی وقفه های تأخیر آفلود و ارتباط میان رده بندی کمک های اولیه به بیماران خارج از بیمارستان و پذیرش آنها انجام داده اند. مطالعه با این مطلب نتیجه گیری می شود که آمبولانس های دارای تأخیر دستر پذیری EMS را کاهش می دهند. Eckstein و Chan اثر شلوغی بخش اورژانی را روی دسترسی پذیری بهیار آمبولانس بررسی می کنند. مطالعه تجربی آنها اظهار دارنده ی ارتباط مستقیم میان شلوغی بخش اضطراری و توانایی EMS برای ارائه پاسخ به موقع به تماس های اورژانسی است.



مطالعات نظارتی ذکر شده در بالا نشان می دهند که ارتباطی قوی میان تأخیرهای آفلود و توانایی خدمات بخش اضطراری، به صورت تخت های بیمارستان، برای بیماران وجود دارد. از اینرو، برای درک و کاهش تأخیرهای آفلود، بررسی رابطه بطور تحلیلی ضروری است. ابزار طبیعی برای چنین مطالعه ای نظریه صف بندی است، چون آمبولانس ها و بیماران در سیستم EMS-بخش اضطراری صف هایی تشکیل می دهند.



در این مقاله، ما شبکه صف بندی معرفی می کنیم که به صراحت رسیدن، انتقال، و فرایندهای سرویس دهی بیماران در سیستم EMS-بخش اضطراری را مدلسازی می کند. ما از مدل صف بندی برای کمیت سنجی تأخیرهای آفلود و همچنین سنجش تأثیر تراکم خدمات در زمان انتظار آمبولانس در بخش اضطراری ها استفاده می کنیم.



نظریه صف بندی بطرز گسترده ای در مطالعه تولید، ارتباطات راه دور و سیستم های خدماتی مورد استفاده قرار گرفته است. استفاده از نظریه صف بندی در مدیریت مراقبت های سلامتی در دو دهه گذشته رشد قابل توجهی داشته است. به عنوان مثال، Kao و Tung مسأله تخصیص مجدد تخت ها به خدمات را برای به حداقل رساندن سرریزهای مورد انتظار برای سیستم پزشکی بزرگ مورد مطالعه قرار داده اند. آنها از مدل صف بندی (نیاز به دانلود ترجمه) برای تخمین پویایی های جمعیت بیمار استفاده کرده اند. Creemers و همکارانش مدل صف بندی برای تخصیص شکاف های زمانی سرور برای رده های مختلفی از بیماران توسعه داده اند. Gorunescu و همکارانش مدل صف بندی فقدان را برای بهینه سازی تخصیص و استفاده از تخت های بیمارستان توسعه داده اند. در حالی که مدل های بالا از روش های صف بندی کلاسیک برای تحلیل استفاده می کنند، ما مدل زنجیره Markov را برای تحلیل تعامل میان ارائه کننده EMS و چندین بخش اورژانس در ناحیه توسعه می دهیم. از طرف دیگر، اغلب تحقیقات انجام شده در مورد عملیات EMS روی مکان واحدهای اورژانس (به عنوان نمونه Chaiken و Larson، Erkut و همکارانش، و Erkut و همکارانش) یا تخصیص مجدد و تصمیم به اعزام نیروها تمرکز دارند (به عنوان نمونه، Schmid).



در اغلب زمینه های بخش اضطراری، بیماران مبتلا به جراحاتی که زندگی آنها را در معرض خطر قرار داده دارای اولویت نسبت به بیمارانی هستند که شرایط کم خطرتری دارند. Sidhartan و همکارانش نظم اعمال اول آمده اول خدمات می گیرد (FCFS) را در یک ترتیب اولویت دو رده ای را برای پذیرش بیماران در یک بخش اضطراری مقایسه می کند. آنها زمان های انتظار و طول صف ها را برای هر دو رده از بیماران مورد مطالعه قرار دادند. Worthington از سیستم اولویت سه سطحی برای تحلیل انتقال بیمار از سوی پزشک بیمار غیر اورژانسی به یک پزشک بیمار بستری استفاده می کند. در مدل ما، فرض را بر این گذاشته شده که بیمارانی که با آمبولانس می رسند سطوح مراقبت بالاتری نسبت به بیمارانی که خود به بیمارستان آمده اند نیاز دارند، و از اینرو به افرادی که با آمبولانس می رسند اولویت خدمات بالاتری می دهد. اخیراً، Mandelbaum و همکارانش مدل صف بندی برای واسط میان بخش اورژانس و اطاق های عمومی داخلی یک بیمارستان توسعه داده اند. ساختار مدل V برعمس آنها شبیه مدل صف بندی ماست، به جز اینکه مدل Mandelbaum و همکارانش از کلاس رده برای اهداف پذیرش بیماران بستری استفاده می کند.



در این مطالعه، ماعمدتاً می خواهیم جریان های بیماران را از طریق یک سیستم EMS منفرد در یکی از چندین بخش اورژانس مدلسازی کنیم. نگرانی ما تنها در رابطه با بیماران با نیازهای مراقبتی متوس وش دید است – آنهایی که در تخت های بخش اورژانس خوابیده اند – است و بیماران با کمترین نیاز به مراقبت را در نظر نمی گیرم چون فرض را بر این می گذاریم که در بخش درمان ثانوی بخش اضطراری مراقبت های پزشکی را دریافت می کنند. ما دو نوع بیمار را در نظر می گیریم: آنهایی که توسط آمبولانس به بخش اورژانس می رسند که به آن ها به عنوان بیماران اورژانسی اشاره می کنیم، و آنهایی که مستقیماً از بخش اورژانس بوسیله ی موارد دیگری می رسند که به آن ها با عنوان بیماران غیر اورژانسی اشاره می کنیم. فرض بر این گذاشته شده که بیماران غیر اورژانسی سطح اولویت کمتری نسبت به بیماران اورژانسی دارند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



در مدل ما برای سیستم EMS-بخش اضطراری، دو زنجیره Markov برای فرایندهای صف بندی بیماران اورژانسی و بیماران غیر اورژانسی ارائه شده است. تأخیرهای آفلود بواسطه زمان های انتظار بیماران اورژانسی ثبت و ضبط شده اند . با استفاده از روش های ماتریس تحلیل، ما چندین الگوریتم برای مقیاس های عملکرد سیستم های محاسباتی توسعه می دهیم. هدف ما توسعه ابزاری است که بتواند به تصمیم گیرندگان در ارزیابی تأثیر تصمیمات تخصیص منبع در هر بخش اضطراری بیمارستان در تأخیرهای آفلود و سیستم بیمارستان وسیع شلوغ کمک کند.



مشارکت های اولیه این مقاله در دو سطح هستند. اولاً، زنجیره های Makarov زمان پیوسته برای تحلیل طول صف ها، و زمان های توقف موقتی آمبولانس و بیماران غیر اورژانسی در تمام بخش اضطراری ها معرفی شده اند. الگوریتم های کارامد برای محاسبه مقیاس های عملکرد مرتبط نظیر طول صف میانگین و میانگین زمان های مورد انتظار توسعه یافته اند. مشارکت دوم ما اعمال مدل نظری برای آزمودن تأثیر تخصیص مجدد منابع در مقیاس های عملکرد سیستم است.



ادامه این مقاله به شرح زیر سازماندهی شده است. در بخش 2، ما مدل صف بندی مورد علاقه را معرفی می کنیمو ما مدل ا با بیماران اورژانسی فقط در بخش 2 تحلیل می کنیم. سپس مدل را با بیماران اورژانسی و بیماران غیر اورژانسی در بخش 4 بررسی می کنیم. برای هر دو مدل، زنجیره Markov زمان پیوسته ای معرفی می کنیم و از روش های تحلی ماتریس برای تجزیه و تحلیل استفاده می کنیم. در بخش 5، از نظر عددی مطالعات موردی را با سه بخش اورژانش مورد بررسی قرار می دهیم. در نهایت، بخش 6 حاوی نتایج مطالعه شبیه سازی استفاده شده برای اعتباریابی دو فرضیه از فرضیات مدلسازی ماست.



2-- مدل تصادفی



ما شبکه صف بندی با یک ارائه کننده Ems را در نظر می گیریم که به K بیمارستان خدمت رسانی می کند، که هر کدامشان بخش اورژانش چند تخته دارند. EMS، N آمبولانس دارد. شکل 1 شبکه ای متشکل از سه بیمارستان را نشان می دهد. در کل، جریان بیماران را می توان به شرح زیر تعریف کرد:



بیماران با حدت بالا با نرخ پواسون ثابت برای رسیدن آمبولانس تماس می گیرند. وقتی تماسی حاصل می شود و آمبولانس در دسترس است، بیمار به یکی از K بخش اورژانس منتقل می شود تا خدمات پزشکی به او ارائه شود. به این بیماران با نام بیماران اورژانسی یاد شده است. از طرف دیگر، بیمار خودش برای دریافت خدمات به یک بخش اضطراری مراجعه می کند. ما باید این بیماران را بیماران غیر اورژانسی بنامیم . بیماری که به یک بخش اضطراری می رسد سریعاً پذیرش می شود و به صف بیماران در انتظار برای دریافت خدمات ملحق می شود. وقتی تختی خالی می شود، ابتدا به یک بیمار آمبولانس تخصیص اده می شود، البته اگر چنین بیماری وجود داشته باشد؛ در غیر اینصورت، به بیمار غیر اورژانسی منتظر تخصیص داده می شود. ما فرض را بر این می گذاریم که حق تقدم خدمات بیماران غیر اورژانسی در صورتی که هیچ تختی وجود نداشته باشد به بیماران آمبولانس داده شده است. تمام بیماران سریعاً پس از دریافت خدمات خود بخش اضطراری را ترک می کنند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



ما فرض می کنیم که بیماران اورژانسی طبق فرایند پواسون با نرخ (نیاز به دانلود ترجمه) به سیستم می رسند. بیماران غیر اورژانسی طبق فرایند پواسون با نرخ (نیاز به دانلود ترجمه) به K اُمین بخش اضطراری می رسند، و مقادیر k=1,2,… است. تمام فرایندهای پواسون مستقل از یکدیگرند. فرضیه پواسون تحت حمایت مطالعات تجربی قرار گرفته است (به عنوان نمونه، Channouf و همکارانش و مراجع ارائه شده در اینجا). اگرچه فرایندهای رسیدن در عمل بسته به زمان روز، روز هفته، و دیگر عوامل هستند، اما استفاده از یک فرایند پواسون برای تخمین فرایند پواسون غیر ایستا در مقالات ارائه شده است.



2-2- مسیریابی آمبولانس



وقتی بیماری برای استفاده از خدمات آمبولانس تماس می گیرد، اگر آمبولانسی موجود باشد بیمار را بر می دارد و او را با احتمال pk به kاُمین بخش اورژانس منتقل می کند. ما {pk, k=1,2,…,K} را احتمال های مسیریابی می نامیم. بواسطه قانون احتمال کلی، ما داریم (نیاز به دانلود ترجمه) . اگر تمام N آمبولانس هنگام دریافت تماسی مشغول باشند، ما فرض را بر این می گذاریم که بیمار را از دست داده ایم. در عمل، این رخداد نادر است، و تماس حقیقاً توسط یک ارائه کننده EMS مجاور سرویس دهی خواهد شد.



زمان های انتقال آمبولانس شامل زمان برای رسیدن بیمارریال برای بارگیری بیمار به درون آمبولانس، و سپس انتقال بیمار به بخش اضطراری است. در عمل، زمان انتقال غیر صفر است، اما در مقایسه با زمانی که یک بیمار در بخش اضطراری صرف می کند کوتاه است. مهمتر از آن، تأخیرهای آفلود است، که تمرکز این مقاله روی آنهاست و عمدتاً وابسته به ازدحام در بخش های اورژانس هستند. بنابراین ما فرض را بر این گذاشته ایم که زمان انتقال صفر است. این ساده سازی به ما امکان می دهد تا به چند بینش بدون پیچیده کردن مدل خود دست یابیم. در بخش 6، از طریق شبیه سازی، از نظر عددی نشان می دهیم که اضافه کردن زمان انتقال EMS به مدل تأثیر کمی روی تأخیرهای آفلود و دیگر مقیاس های عملکرد دارد. در عمل، بیمارستانی که در آن بیمار پذیرش می شود تقریباً نزدیکترین بیمارستان است. در مدل ما، چنین جزئیاتی در نظر گرفته نمی شود. در عوض، ما فرض را بر این می گذاریم که احتمالات مسیریابی بازتاب دهنده کسر طولانی مدت تمام بیماران ارسال شده به بخش اضطراری های منفرد هستند.



3-2- گنجایش خدمات و زمان سرویس دهی در یک بخش اضطراری



هر بخش اضطراری هم به بیماران اورژانسی خدمات ارائه می کند و هم به بیماران غیر اورژانسی. ما فرض می کنیم که Kاُمین بخش اضطراری ظرفیت خدمت رسانی ck واحد 0یا تخت) را دارد. یعنی: kاُمین بخش اضطراری می تواند به ck بیمار بصورت همزمان خدمت رسانی کند. در kاُمین بخش اضطراری، زمان خدمت رسانی به یک بیمار، بدون در نظر گرفتن نوع آن، توزیعی نمایی با پارامتر (نیاز به دانلود ترجمه) دارد. ما می توانیم هر سرور را به عنوان یک تخت یا تلفیقی از منابع مورد نیاز برای خدمت رسانی به یک بیمار در نظر بگیریم. هر واحد از این بخش بصورت مستقل از هم عمل می کنند. در بخش 6، ما تأثیر فرضیه نمایی را روی عملکرد سیستم می آزماییم.



4-2- اولویت سرویس در یک بخش اضطراری



ما فرض را بر این می گذاریم که بیماران اورژانسی نسبت به بیماران غیر اورژانسی اولویت دارند. یعنی: اگر تختی در دسترس قرار گیرد، ابتدا به بیمار آمبولانس اختصاص داده خواهد شد. اگر بیمار آمبولانی به یک بخش اضطراری برسد و دریابد که تمام خدمت رسان ها (تخت ها) پر هستند، بنابراین اگر یک یا چند بیمار غیر اورژانسی در حال سرویس گرفتن باشند، بیمار یا یکی از بیماران اولویت خود را به بیمار آمبولانس خواهد داد. وقتی تختی در دسترس قرار گیرد، و هیچ بیمار آمبولانسی در صف انتظار نباشد، به بیمار غیر اورژانسی مجدداً خدمت رسانی خواهد شد. چون زمان سرویس نمایی در نظر گرفته شده است، زمان های انتظار برای بیماران غیر اورژانسی تحت تأثیر خدمات تکراری/بازگشتی نیست. علاوه بر این فرض را بر این می گذاریم که در هر رده اولویت، به بیماران بر مبنای اول آمده اول خدمات دریافت می کند سرویس ارائه می شود.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



ما پارامترهای مدل را به شرح زیر خلاصه می کنیم:

N: تعداد کل آمبولانس های موجود در سیستم؛

K: تعداد بیمارستان های محلی (بخش اضطراری ها)؛



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



Pk: احتمال اینکه بیمار آمبولانس به kاُمین بخش اضطراری فرستاده شده باشد، برای مقادیر (نیاز به دانلود ترجمه) .



- : نرخ سرویس به ازای هر سرور در kاُمین بخش اضطراری، برای مقادیر (نیاز به دانلود ترجمه) .



: نرخ رسیدن بیماران غیر اورژانسی به kاُمین بخش اضطراری، برای مقادیر (نیاز به دانلود ترجمه) .



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



برای تحلیل شبکه صف بندی، ما دو مجموعه متغیرهای ایستا را برای شرح حالت سیستم معرفی می کنیم:



-1- : تعداد مجموع بیماران اورژانسی در حال خدمت رسانی یا منتظر در kاُمین بخش اضطراری، در زمان t، برای مقادیر (نیاز به دانلود ترجمه) .



-2- : تعداد مجموع بیماران غیر اورژانسی در حال خدمت رسانی یا منتظر در kاُمین بخش اضطراری، در زمان t، برای مقادیر (نیاز به دانلود ترجمه) .



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



3-- بیماران اورژانسی



در این بخش، ما مدل تصادفی را تنها با بیماران اورژانسی تحلیل می کنیم. تحلیل شامل چهار بخش است. بخش 1-3: روش بازگشتی برای ایجاد مولد بی اندازه کوچکی برای زنجیره Makarov زمان پیوسته معرفی شده است. بخش 2-3: روش های تحلیل ماتریس برای توسعه الگوریتمی برای محاسبه توزیع ایستای تعداد بیماران در سیستم استفاده شده اند. بخش 3-3: تعدادی مقیاس عملکرد مشتق شده اند. بخش 4-3: زنجیره Makarov برای زمان های انتظار بیماران اورژانسی ایجاد شده اند و میان زمان های انتظار بدست آمده اند.



1-3- زنجیره Markov



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



ما باید (نیاز به دانلود ترجمه) را متغیر سطح و (نیاز به دانلود ترجمه) را متغیر فاز (بردار) بنامیم. مجموعه حالات در سطح ik، (نیاز به دانلود ترجمه) است.



ما مشاهده می کنیم که هر یک از متغیرهای حالت (نیاز به دانلود ترجمه) و (نیاز به دانلود ترجمه) مقدار آن را با بیشترین مقدار تغییر می دهد و این زمانی است که بیماری می رسد یا ارائه خدمات به پایان می رسد. بنابراین، (نیاز به دانلود ترجمه) سطح مستقل از فرایند شبه تولد و مرگ (QBD) با تعداد سطوح متناهی است. برای جزئیات بیشتر در مورد فرایندهای QBD به کار Neuts و Latouche مراجعه کنید.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



بصورت ذاتی، ماتریس های (نیاز به دانلود ترجمه) و (نیاز به دانلود ترجمه) نرخ انتقالی را می دهند که بواسطه آنها تعداد بیماران در Kاُمین بخش اضطراری یعنی ، یکی یکی افزایش می یابد، و یکی یکی کاهش می یابد، یا تغییری نمی کند. یافتن بلوک های ماتریس در (نیاز به دانلود ترجمه) رو به جلو نیست. مشکل اصلی از این حقیقت نشی می شود که تعداد حکم ها در سطوح مختلف متفاوت است. ما مشاهده می کنیم که تعداد حکم ها در هر سطح با تعداد آمبولانس های موجود برای دیگر بخش اضطراری ها تعیین شده است. بر مبنای این مشاهده، روش بازگشتی برای ساختن بلوک های ماتریس در مولد بسیار کوچک (نیاز به دانلود ترجمه) معرفی شده است. مراحل محاسباتی در پیوست الف در الگوریتم 4 خلاصه شده اند.



2-3- راه حل ماتریس هندسی



ما با (نیاز به دانلود ترجمه) توزیع ایستای زنجیره Markov (نیاز به دانلود ترجمه) را نشان می دهیم که در آن عناصر بردار سطری (نیاز به دانلود ترجمه) توزیع حالت ایستای حالات در ، برای (نیاز به دانلود ترجمه) هستند، چون زنجیره Markov ساده نشدنی (غیر قابل تقلیل) است، (نیاز به دانلود ترجمه) وجود دارد و راه حل غیر نمنفی منحصربفرد سیستم خطی است:



که در آن e بردار ستونی از یک هاست. چون مولد بسیار کوچک (نیاز به دانلود ترجمه) ساختار سه قطری بلوکی دارد، راه حل ماتریس هندسی را می تواند بدست آورد. ابتدا، برای سطوح (نیاز به دانلود ترجمه) و ، به فرمول زیر می رسیم:



که در آن



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



ما مراحل راه حل را در الگوریتم 1 خلاصه می کنیم.

الگوریتم 1. توزیع ایستای (نیاز به دانلود ترجمه)



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



2- یافتن (نیاز به دانلود ترجمه) با استفاده از معادله 5.



3- یافتن (نیاز به دانلود ترجمه) بصورت بازگشتی با استفاده از معادله (7)، برای .



4- یافتن بردار (نیاز به دانلود ترجمه) با استفاده از شرایط مرزی و نرمال سازی در (8).



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



3-3- مقیاس های عملکرد



تعدادی مقیاس عملکرد را می توان مستقیماً از (نیاز به دانلود ترجمه) بدست آورد. ما باید روی مقیاس های عملکرد برای kاُمین بخش اضطراری تمرکز داشته باشیم مقیاس های عملکرد برای دیگر بخش اضطراری ها را می توان از (نیاز به دانلود ترجمه) بدست آورد، اما فرمولهای بیشتری شامل شده اند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



2- میانگین تعداد بیماران اورژانسی در Kاُمین بخش اضطراری با فرمول زیر داده شده است:



3- ما متغیر تصادفی (نیاز به دانلود ترجمه) را به عنوان تعداد آمبولانس ها یا تأخیر آفلود در Kاُمین بخش اضطراری تعریف می کنیم. چون آمبولانس هایی با تأخیر آفلود در Kاُمین بخش اضطراری وجود دارند، اگر (نیاز به دانلود ترجمه) باشد، ما داریم (نیاز به دانلود ترجمه) . توزیع احتمال تعداد آمبولانس ها با تأخیر آفلود را می توان به شرح زیر محاسبه کرد:



تعداد میانگین آمبولانس ها با تأخیر آفلود در Kاُمین بخش اضطراری، یعنی (نیاز به دانلود ترجمه) را می توان مطابق با آن بدست آورد.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



میانگین تعداد مجموع آمبولانس های با تدخیر آفلود، یعنی E[O] را می توان طبق این فرمول بدست آورد.



5- ما اشاره به احتمالی داریم که تمام آمبولانس ها تأخیر آفلودی شبیه احتمال فقدان، که با PL نشان داده شده است. بنابراین احتمال فقدان با فرمول زیر داده شده است



4-3- زمان های انتظار بیماران اورژانسی (تأخیرهای آفلود)



زمان انتظار wa,k ی یک بیمار آمبولانس که به Kاُمین بخش اضطراری رسیده است بسته به تعداد بیماران اورژانسی در صف انتظار در Kاُمین بخش اضطراری است. با (نیاز به دانلود ترجمه) احتمال این نشان داده شده که i بیمار آمبولانس در Kاُمین بخش اضطراری به هنگام رسیدن یک بیمار آمبولانس به Kآُمین بخش اضطراری در صف انتظارند. چون بیمار وارد شده می تواند تنها در صورتی به Kامین بخش اضطراری دسترسی پیدا کند که آمبولانسی در زمان رسیدن در دسترس باشد، ما برای مقادیر (نیاز به دانلود ترجمه) داریم:



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



تابع توزیع زمان انتظار wa,k با فرمول زیر داده شده است:



با محاسبات روتین، به فرمول زیر می رسیم:



میانگین زمان انتظار E[wa,k] و میانگین طول صف E[qa,k] قانون Little را برقرار می کند: (نیاز به دانلود ترجمه) که در آن (نیاز به دانلود ترجمه) نرخ ورود به Kامین بخش اضطراری است. ما از قانون Little برای تأیید دقت محاسبات استفاده می کنیم.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



4-- بیماران غیر اورژانسی



برای شمردن بیماران غیر اورژانسی که با بیماری با حدت کمتری به بخش اضطراری های بیمارستان آمده اند، ما از زنجیره Markov تعریف شده در بخش 3 برای توسعه زنجیره Markov جدیدی که هم شامل بیماران اورژانسی است و هم شامل بیماران غیر اورژانسی. به دلیل این حقایق که فرایندهای ورود بیماران غیر اورژانسی به بیمارستان های منفرد مستقل هستند و اولویت خدمات انحصاری است، بدون از دست دادن عمومیت، می توانیم روی صف بیماران غیر اورژانسی در یک بخش اضطراری تمرکز کنیم.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



ما (نیاز به دانلود ترجمه) را به زنجیره Markov در نظر گرفته شده بخش 3 اضافه می کنیم تا زنجیره Markov زمان پیوسته (نیاز به دانلود ترجمه) را بدست آوریم، که فضای حالت نامتناهی دارد. هر سطح، که متشکل از تمام حالات با (نیاز به دانلود ترجمه) ثابت است، همان تعداد حالاتی را دارد که در (نیاز به دانلود ترجمه) وجود داشت. چون نظم خدمات انحصاری است، بیماران غیر اورژانسی هیچ تأثیری روی خدمات بیماران اورژانسی ندارند. از اینرو، مولد بسیار کوچک (نیاز به دانلود ترجمه) ساختار زیر را دارد:



که در آن (نیاز به دانلود ترجمه) حاصلضرب Kronecker ، I است (که اندازه اش نامتناهی است) و (نیاز به دانلود ترجمه) در معادله (2) تعریف شده است، و (نیاز به دانلود ترجمه) ماتریس قطری است که شامل نرخ خدمات برای شرایط بیمار غیر اورژانسی در تعداد از بیماران اورژانسی در Kامین بخش اضطراری است: برای مقادیر



توجه داشته باشید که تفسیر n در (نیاز به دانلود ترجمه) به صورت (نیاز به دانلود ترجمه) می باشد، یعنی، تعداد بیماران غیر اورژانسی که می توان به آن ها خدمات ارائه کرد. عناصر قطری MK,n نشان دهنده تعداد بیماران غیر اورژانسی هستند که در حال گرفتن خدماتند، که بسته به تعداد تخت های موجود و تعداد بیماران غیر اورژانسی در Kامین بخش اضطراری است، و با max{0,min{n,ck-qa,k(t)}} داده شده است. مشاهده این مطلب ساده است که زنجیره Markov (نیاز به دانلود ترجمه) سطح مستقل از سطح cK است. فرای سطح cK، زنجیره Markov ساختار مستقل از سطح دارد. این به ما امکان می هد تا توزیع احتمال ایستای آن را با استفاده از روش های ماتریس تحصیلی بیابیم.



2-4- طول صف میانگین برای بیماران غیر اورژانسی



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



سمت چپ معادله (20) ذاتاً نرخ رسیدن مجموع بیماران به Kامین بخش اضطراری است و سمت راست قابلیت سرویس بالقوه برای خدمات رسانی به تمام بیمارانی است که به Kامین بخش اضطراری وارد شده اند. در ادامه این مقاله، ما فرض را بر این می گذاریم که معادله (20) صادق است. از اینرو توزیع احتمال ایستای (نیاز به دانلود ترجمه) را می توان با حل سیستم خطی به صورت زیر بدست آورد



با Neuts توزیع ایستای شکل هندسی ماتریس به شکل زیر است:



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



معادله بالا را می توان با استفاده از الگوریتم کاهش لگاریتمی (15*) حل کرد. برای بخش مستقل از سطح زنجیره Markov احتمال ها را می توان با حل فرایند QBD سطح متناهی بدست آورد. جزئیات محاسبه (نیاز به دانلود ترجمه) در الگوریتم 2 داده شده اند.



الگوریتم 2. محاسبه توزیع ایستا برای (نیاز به دانلود ترجمه)



1- ثبات زنجیره Markov را با استفاده از شرایط (20) چک کنید. اگر سیستم پایا است، با مرحله 2 ادامه دهید؛ در غیر اینصورت توزیع احتمال ایستایی وجود ندارد.



2- Rw را با حل معادله (23) بیابید.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



4- (نیاز به دانلود ترجمه) را برای مقادیر (نیاز به دانلود ترجمه) بصورت بازگشتی با شروع از (نیاز به دانلود ترجمه) با استفاده از (نیاز به دانلود ترجمه) پیدا کنید.



5- بردار (نیاز به دانلود ترجمه) را با استفاده از شرایط مرزی و نرمال سازی بیابید: (نیاز به دانلود ترجمه) (نیاز به دانلود ترجمه)



6- برای مقادیر ، (نیاز به دانلود ترجمه) را با شروع از n=1 تا رسیدن به (نیاز به دانلود ترجمه) با استفاده از معادله: بیابید.



7- برای مقادیر (نیاز به دانلود ترجمه) با استفاده از معادله (22) (نیاز به دانلود ترجمه) را بیابید.



با محاسبات روتین، طول صف میانگین بیماران غیر اورژانسی در Kامین بخش اضطراری را می توان به صورت زیر بدست آورد:



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



اکنون ما زنجیره Markov زمان پیوسته ای برای تحلیل زمان توقف موقتی یک بیمار غیر اورژانسی ایجاد می کنیم. چون بیمار غیر اورژانسی ممکن است تختی را اشغال کند و سپس آن را چندین مرتبه قبل از ترک بیمارستان از دست بدهد، ما روی زمان توقف موقتی تمرکز داریم، یعنی ww,k، یعنی زمان مجموعی که یک بیمار غیر اورژانسی در Kامین بخش اضطراری می گذراند.



برای یافتن توزیع زمان توقف موقتی، ما زنجیره Markov جاذبی برای زمان توقف موقتی یک بیمار غیر اورژانسی نشان دار شده بنا می نهیم. برای انجام این کار، تنها به در نظر گرفتن آن بیماران غیر اورژانسی نیاز داریم که قبل از بیمار غیر اورژانسی نشانه دار به بیمارستان می رسند. یعنی: هیچ بیمار غیر اورژانسی در زنجیره Markov جاذب در زمان توقف موقتی به بیمارستان وارد نشده است. زنجیره Markov زمانی خاتمه یافته است که سرویس دهی به بیمار غیر اورژانسی نشانه دار به اتمام رسیده باشد. اگر بیمار نشانه دار غیر اورژانسی، تختی را اشغال کند، خدمات با نرخ (نیاز به دانلود ترجمه) تکمیل می شوند. ممکن است بیمار غیر اورژانسی نشانه دار چندین مرتبه تخت را ترک کرده باشد تا بیماران اورژانسی خدمات دریافت کنند و این قبل از تکمیل سرویس رسانی به او باشد. باز هم، خاطرنشان می کنیم که خدمات برای بیماران اورژانسی به صورتی که برای بیماران غیر اورژانسی ارائه می شود نمی باشد. ما برای مقادیر (نیاز به دانلود ترجمه) ، فرمول زیر را تعریف می کنیم:



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



با توجه به اینکه هنگام رسیدن بیمار غیر اورژانسی نشانه گذاری شده همواره n بیمار غیر اورژانسی در Kامین بخش اضطراری وجود دارد، زمان توقف موقتی بیمار نشانه گذاری شده توزیع نوع فازی با نمود ماتریسی (نیاز به دانلود ترجمه) دارد. توجه داشته باشید که اگر سطح در ، (نیاز به دانلود ترجمه) عدد از بیماران اورژانسی در Kامین بخش اضطراری باشد، ممکن است خدمت گرفتن خود را زودتر از دیگر بیماران در حال سرویس گرفتن دریافت کند. بنابراین ما توزیع احتمال شرطی زمان توقف موقتی را به شرح زیر بدست می آوریم:



توزیع زمان توقف موقت یک بیمار غیر اورژانسی اختیاری را می توان به صورت زیر بدست آورد:



با استفاده از کوتاه سازی، می توان از فرمول بالا برای محاسبه توزیع زمان توقف موقتی استفاده کرد. به علاوه، فرمول صریح زیر را می توان برای زمان توقف موقتی میانگین بدست آورد، که در آن محاسبات را می توان در تعداد مراحل متناهی انجام داد، و بدین وسیله ماتریس Rw را می توان بدست آورد. موارد زیر تعریف شده اند



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



و برای



توجه داشته باشید که DK ماتریس تصادفی غیر قابل تقلیل است. بنابراین بردار تصادفی منحصربفرد (نیاز به دانلود ترجمه) وجود دارد که (نیاز به دانلود ترجمه) و (نیاز به دانلود ترجمه) را برقرار می سازد. می توان نشان داد که معکوس پذیر است. با محاسبات روتین، می توان معادله (32) را به صورت زیر تقلیل داد



برای بیمار غیر اورژانسی در Kامین بخش اضطراری به فرمول زیر می رسیم:



مجموع نامتناهی در معادله (34) را می توان با استفاده از جمع مستقیم f(.) به شکل زیر تبدیل کرد:



ما تذکر می دهیم که (1) جمع مستقیم f(X) ماتریس X برداری سطری است و با بهم پیوستن سطرهای X با شروع از اولین سطر بدست آمده است و؛ (2) (نیاز به دانلود ترجمه) ضرب Kroncker ماتریس های (نیاز به دانلود ترجمه) و (نیاز به دانلود ترجمه) است. متعاقباً، محاسبه (نیاز به دانلود ترجمه) تنها شامل جمع های متناهی است و می توند آن را بدون کوتاه سازی انجام داد. رویه موجود برای محاسبه (نیاز به دانلود ترجمه) در الگوریتم 3 خلاصه شده است.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



1- با حل معادله (23) Rw را بیابید.



 



2- DK و AK را با معادله (29) محاسبه کنید.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



4- از معادله (34) برای یافتن (نیاز به دانلود ترجمه) استفاده کنید.



مشابه با طول صف میانگین و میانگین زمان انتظار برای بیماران اورژانسی، قانون Little به طول صف میانگین (نیاز به دانلود ترجمه) و زمان توقف موقت میانگین (نیاز به دانلود ترجمه) اعمال می شود، یعنی . از اینرو، با محاسبه یکی دیگری بدست می آید. می توان از قانون Little برای چک کردن دقت محاسبه هر دو مورد بصورت مجزا استفاده کرد. چون تمام محاسبات در این بخش، و همچنین در بخش3، شامل ماتریس های بزرگ هستند، محاسبه (نیاز به دانلود ترجمه) و (نیاز به دانلود ترجمه) و استفاده از قانون Little برای چک کرن دقت محاسبات مهم است.



نکته 1. ما تذکر می دهیم که زمان انتظار بیمار غیر اورژانسی نشانه گذاری شده (یعنی، زمان صرف شده از لحظه رسیدن بیمار تا اولین زمانی که روی تخت بیمارستان خدمات دریافت می کند) می تواند مشابهاً مورد مطالعه و بررسی قرار گیرد. زنجیره های Markov جاذب را می توان به شیوه مشابهی ایجاد کرد، به جز اینکه تنها حالات بدون تخت موجود برای بیماران نشانه گذاری شده حفظ شده اند. جزئیات در اینجا حذف شده اند. Kao و Narayanan صف گره منفرد چند پردازگشری و دو نوع کار را در نظر می گیرند که یکی از آنها نسبت به دیگری اولویت بیشتری دارد. برای یافتنتوزیع زمان انتظار برای کارهای با اولویت پایین، آن ها توزیع هایی از دو متغیر تصادفی یافتند: زمان صرف شده در انتظار در صف تا زمانی که به سروری دست پیدا کند، و زمان گذشته بین آغاز دوره جدید ، وقتی کاری برای اولین بار به سرور می رسد و زمانی که سیستم شروع به کار می کند. مشی ما که در بالا شرح داده شد مستقیم است و بسیار کارامد است.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



در این بخش، ما از روش های توسعه یافته در بخش 3 و 4 برای تحلیل سه موردی استفاده می کنیم که برای بازتاب نسخه تنزل یافته ای از یک سیستم EMS-بخش اضطراری واقعی از جنوب غرب اونتاریوی کانادا توسعه یافته اند.



1-5- انتخاب پارامتر



همانطور که در بالا اشاره شده، پارامترهای موجود برای سه مطالعه موردی با تنزل سیستم EMS-بخش اضطراری واقعی کنترل شده اند تا قابلیت ارائه کننده EMS منفرد آن و حوزه های مراقبت شدید و متوسط از بیمار از سه بیمارستان محلی که EMS به آنها خدمت رسانی می کرد بازتاب داده شود. مطالعات موردی با ویژگی های زیر توسعه یافته اند:



-1- مطالعه موردی 1 نشان دهنده شبکه کوچکی است (یعنی تعداد کمی آمبولانس و تخت) که تأخیرهای آفلود نامکرری را تجربه می کنند.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



-3- مطالعه موردی 3 نشان دنده مقادیر پارامتری است که نزدیکترین موارد به سیستم EMS-بخش اضطراری واقعی هستند که این کار مبتنی بر آنهاست. برای این مطالعه موردی، ما اثر نرخ خدمات را روی تأخیرهای آفلود بررسی می کنیم.



مخصوصاً، پارامترهای سیستم منحصربفردی برای مطالعات موردی به شرح زیر انتخاب شده اند.



1-1-5- تعداد سرورهای بخش اضطراری



تعداد سرورهای بخش اضطراری برای بازتاب نسخه تنزل یافته ی تعداد واقعی تخت ها در سیستم EMS-بخش اضطراری واقعی انتخاب شده است. دلیل اینکه از تعداد کمتری از سرورها نسبت به تعداد واقعی تخت ها استفاده کرده ایم این است که خدمات برای بیماران بواسطه منابعی نظیر پرستاران و پزشکان محدود شده است، و علاوه بر این این حقیقت که تخت های بخش اضطراری بطور معمول توسط بیمارنی اشغال شده اند که بیمارستان آن ها را پذیرش کرده است و منتظر تختی هستند که بیماری روی آن نخوابیده باشد.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



نرخ های بهره برداری از بخش اضطراری واقعی و نسبت های معینی از بیماران غیر اورژانسی در مقابل ورود بیماران اورژانسی برای انتخاب نرخ های ورود بیماران اورژانسی و غیر اورژانسی استفاده شد. سپس ما نرخ ورود بیماران اورژانسی را تغییر دادیک تا بارهای کاری EMS متفاوتی ایجاد کنیم.



3-1-5- احتمالات مسیر یابی



داده های واقعی در احتمالات مسیربابی برای انتخاب مقادیر (نیاز به دانلود ترجمه) برای سه بخش اضطراری ستفاده شدند. ما تذکر میدهیم که یکی از بخش اضطراریها حدود 45 درصد از بیماران اورؤانسی را می پذیرد و نرخ ورود نامناسبی از بیماران دارد، و این عدم تناسب در مقایسه با ظرفیت کلی آن است.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.



نرخ خدمات برای هر بخش اضطراری، یعنی ، بر مبنای داده های طول واقعی توقف (LOS) انتخاب شده بودند. LOS تقریباً 6 ساعت است، که معادل یا (نیاز به دانلود ترجمه) است. در مورد مطالعه موردی 3، ما نرخ خدمات بخش اضطراری را تغییر دادیم تا تأثیر آن را روی مقیاس های عملکردی بخش اضطراری مشاهده کنیم.



برای مقایسه عملکرد بخش اضطراری در هر مطالعه موردی، ما دو نوع بهره برداری از سرور برای Kامین بخش اضطراری تعریف می کنم، یعنی برای ؛



بهره وری از بخش اضطراری برای بیماران اورژانسی : چون خدمات بیماران اورژانسی تحت تأٍیر بیماران غیراورژانسی نیستند، می توانیم بهره وردی سرور را برای بیماران اورژانسی تعریف کنیم. (نیاز به دانلود ترجمه) را به این صورت تعریف کنید که در آن (نیاز به دانلود ترجمه) نرخ ورود بیماران اورژانسی به Kآمین بخش اضطراری است، و (نیاز به دانلود ترجمه) ظرفیت خدمات مجموع در Kامین بخش اضطراری است.



جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.


 برچسب ها: 

ISI

Paper

Papers

Article

Articles

مقاله ISI

دانلود ISI

ترجمه مقاله

دریافت مقاله

ISI کامپیوتر

مقاله انگلیسی

Persian Paper

خرید ترجمه ISI

Queueing theory

Priority queues

ترجمه مقاله ISI

Persian Article

دانلود مقاله ISI

مقاله رایگان ISI

خرید ترجمه مقاله

دانلود ترجمه ISI

دانلود مقاله جدید

مقالات رایگان ISI

دریافت مقالات ISI

مدل صف بندی مارکوف

مقاله ISI با ترجمه

مقاله انگلیسی جدید

خرید ترجمه انگلیسی

فروش ترجمه انگلیسی

مقاله ISI کامپیوتر

دانلود مقاله انگیسی

ترجمه مقاله انگلیسی

دانلود ISI کامپیوتر

مقالات معتبر انگلیسی

ترجمه مقالات انگلیسی

دریافت مقاله انگلیسی

ترجمه مقاله کامپیوتر

دانلود مقاله جدید ISI

دریافت مقاله کامپیوتر

Matrix-analytic method

مقاله انگلیسی با ترجمه

مقاله انگلیسی کامپیوتر

تأخیرهای آفلود آمبولانس

Ambulance offload delay

دانلود رایگان مقاله ISI

خرید ترجمه ISI کامپیوتر

Translate English Paper

دانلود مقالات رایگان ISI

ترجمه مقاله ISI کامپیوتر

دانلود مقاله ISI با ترجمه

دانلود مقاله انگلیسی جدید

دریافت مقاله انگلیسی جدید

دانلود مقاله ISI کامپیوتر

مقاله رایگان ISI کامپیوتر

خرید ترجمه مقاله کامپیوتر

دانلود ترجمه ISI کامپیوتر

Translate English Article

ترجمه مقالات معتبر انگلیسی

دانلود مقاله جدید کامپیوتر

مقالات رایگان ISI کامپیوتر

دریافت مقالات ISI کامپیوتر

Translate Paper in English

دانلود مقاله انگلیسی رایگان

دانلود رایگان مقاله انگلیسی

دانلود مقاله انگلیسی رایگان

دریافت مقاله انگلیسی رایگان

مقاله ISI با ترجمه کامپیوتر

مقاله انگلیسی جدید کامپیوتر

خرید ترجمه انگلیسی کامپیوتر

فروش ترجمه انگلیسی کامپیوتر

دانلود مقاله انگیسی کامپیوتر

ترجمه مقاله انگلیسی کامپیوتر

Translate Article in English

دانلود مقاله انگلیسی با ترجمه

دریافت مقاله انگلیسی با ترجمه

مقالات معتبر انگلیسی کامپیوتر

ترجمه مقالات انگلیسی کامپیوتر

دریافت مقاله انگلیسی کامپیوتر

دانلود مقاله جدید ISI کامپیوتر

مقاله انگلیسی با ترجمه کامپیوتر

Translation of Paper in English

دانلود رایگان مقاله ISI کامپیوتر

دانلود مقالات رایگان ISI کامپیوتر

Translation of Article in English

دانلود مقاله ISI با ترجمه کامپیوتر

دانلود مقاله انگلیسی جدید کامپیوتر

دریافت مقاله انگلیسی جدید کامپیوتر

ترجمه مقالات معتبر انگلیسی کامپیوتر

دانلود مقاله انگلیسی رایگان کامپیوتر

دانلود رایگان مقاله انگلیسی کامپیوتر

دانلود مقاله انگلیسی رایگان کامپیوتر

دریافت مقاله انگلیسی رایگان کامپیوتر

دانلود مقاله انگلیسی با ترجمه کامپیوتر

دریافت مقاله انگلیسی با ترجمه کامپیوتر

مطالب پیشنهادی
متأسفانه موردی یافت نشد.
ناحیه کاربری

فرمت ایمیل صحیح نمی باشد. ایمیل خود را وارد نمایید.

رمز عبور خود را وارد نمایید.

گزیده ها
پرواز با اتومبیل پرنده: اتومبیل تی‌اف-ایکس مجوز پرواز گرفت
گزیده های پر بیننده ترین اخبار روز و هفته
جشن کریسمس در نقاط مختلف جهان (+عکس)
گزیده های وبگردی و اخبار جذاب
بازیافت ماشین های قدیمی به روشی نو!
گزیده های وبگردی و اخبار جذاب
لوکس ترین خودروهای دنیا در نمایشگاه اتومبیل لس آنجلس (+عکس)
گزیده های پر بیننده ترین اخبار روز و هفته
مجله اینترنتی دیتاسرا
کلیه حقوق مادی و معنوی این وبسایت متعلق به گروه نرم افزاری دیتاسرا می باشد.
Copyright © 2015