دانشگاه اصفهان پژوهش در مدیریت تولید و عملیات 2981-0329 16 4 2026 01 21 Integrating Simulation Modeling and Network Data Envelopment Analysis for Healthcare Supply Chain Management ترکیب مدل‌سازی شبیه‌سازی و تحلیل پوششی داده‌های شبکه‌ای برای مدیریت زنجیره تأمین خدمات بهداشتی‑درمانی 65 92 29571 10.22108/pom.2025.141758.1567 FA معصومه زینال نژاد گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران غرب، تهران، ایران سمیه علوی گروه مهندسی صنایع، دانشکده فنی، دانشگاه شهید اشرفی اصفهانی، اصفهان، ایران نسیبه جنتیان گروه پژوهشی مدیریت کیفیت، پژوهشکده مدیریت، دانشگاه اصفهان، اصفهان، ایران پرویز غفاری اصل گروه مهندسی سیستم های صنعتی و تولیدی، دانشگاه ایالتی کانزاس، منهتن، 66560، کانزاس، ایالات متحده آمریکا Journal Article 2024 06 29 <strong>Purpose:</strong> Nowadays, in healthcare management, performance evaluation of hospital emergency departments (EDs) has received increased attention because of epidemic diseases. Few studies have combined simulation with Data Envelopment Analysis (DEA) for performance evaluation. However, they often fail to account for relative dependencies across the system structure. Most focus on internal ED processes and neglect external relationships. Network Data Envelopment Analysis (NDEA) can measure the relative efficiency of organizational units by capturing the interplay among multiple inputs and outputs. This paper develops a hybrid model that integrates discrete-event simulation with NDEA for evaluation and improvement of a hospital ED. <strong>Design/methodology/approach:</strong> The emergency department of Tehran Imam Khomeini Hospital provided data on different patient groups over 60 days, covering about 7,000 individuals. The main processes of a two-level supply chain were designed and modeled. Simulation using Arena software evaluated supply chain performance in terms of costs and patient flow time. <strong>Findings:</strong> Based on simulation results for the current system, ten improvement scenarios were designed and simulated. Running experiments with different configurations allowed analysis of those scenarios and provided valuable information to ED management for re-engineering processes. The results of the improvement scenarios and of the current system were treated as 11 separate decision-making units (DMUs) in the NDEA model. The analysis identified the best models in terms of overall productivity, efficiency, and effectiveness of the supply chain. <strong>Practical implications:</strong> This study indicates that dedicating MRI and CT scan devices for emergency department (ED) use can substantially reduce patient waiting times and overall patient flow times. This improvement stems from addressing diagnostic imaging, a key bottleneck in ED operations. The findings offer practical recommendations for optimizing resource allocation and streamlining processes within emergency departments. By targeting specific improvements, such as enhanced imaging availability, EDs can boost efficiency and patient care. <strong>Originality/value</strong>: This research proposes an innovative integrative approach for performance evaluation combining Discrete-Event Simulation (DES) and Network Data Envelopment Analysis (NDEA). The proposed approach provides new insights into healthcare system optimization. <strong>هدف پژوهش: </strong>در سال‌های اخیر، در مدیریت نظام سلامت، ارزیابی عملکرد بخش‌های اورژانس بیمارستانی به‌ویژه در پی شیوع بیماری‌های همه‌گیر توجه فزاینده‌ای یافته است. مطالعات محدودی به ترکیب شبیه‌سازی با تحلیل پوششی داده‌ها (DEA) برای ارزیابی عملکرد پرداخته‌اند؛ با این حال، اغلب از در نظر گرفتن وابستگی‌های نسبی در ساختار کل سیستم غفلت کرده‌اند. بیشتر پژوهش‌ها صرفاً بر فرایندهای درونی اورژانس متمرکز بوده و روابط بیرونی را نادیده گرفته‌اند. تحلیل پوششی داده‌های شبکه‌ای (NDEA) این امکان را فراهم می‌آورد که کارایی نسبی واحدهای سازمانی بر اساس تعامل میان چندین ورودی و خروجی سنجیده شود. این پژوهش مدلی ترکیبی ارائه می‌کند که شبیه‌سازی رویداد گسسته را با NDEA ادغام کرده و برای ارزیابی و بهبود عملکرد بخش اورژانس بیمارستان به کار می‌گیرد. <strong>طرح و روش‌شناسی: </strong>داده‌های پژوهش از بخش اورژانس بیمارستان امام خمینی تهران و بر اساس اطلاعات مربوط به گروه‌های مختلف بیماران در یک بازه زمانی ۶۰ روزه گردآوری شد که حدود ۷۰۰۰ بیمار را دربر می‌گرفت. فرایندهای اصلی زنجیره تأمین دومرحله‌ای طراحی و مدل‌سازی گردید. به‌وسیله نرم‌افزار <strong>Arena</strong>، عملکرد زنجیره تأمین از منظر هزینه‌ها و زمان جریان بیماران شبیه‌سازی و ارزیابی شد. <strong>یافته‌ها: </strong>بر مبنای نتایج شبیه‌سازی سیستم موجود، ده سناریوی بهبود طراحی و شبیه‌سازی گردید. اجرای آزمایش‌ها با پیکربندی‌های مختلف امکان تحلیل مقایسه‌ای این سناریوها را فراهم آورد و داده‌های ارزشمندی را در اختیار مدیران اورژانس برای مهندسی مجدد فرایندها قرار داد. نتایج حاصل از این سناریوهای بهبود و نیز وضعیت موجود، در مدل NDEA به‌عنوان ۱۱ واحد تصمیم‌گیری (DMU) مستقل در نظر گرفته شدند. تحلیل داده‌ها بهترین الگوها را از حیث بهره‌وری کلی، کارایی و اثربخشی زنجیره تأمین شناسایی کرد. <strong>کاربردهای عملی: </strong>نتایج پژوهش نشان می‌دهد تخصیص اختصاصی دستگاه‌های MRI و CT اسکن به بخش اورژانس می‌تواند به‌طور قابل توجهی زمان انتظار بیماران و کل زمان جریان آنان را کاهش دهد. این بهبود ناشی از رفع تنگنای موجود در بخش تصویربرداری تشخیصی است که یکی از گلوگاه‌های کلیدی در عملکرد اورژانس محسوب می‌شود. یافته‌ها، توصیه‌های عملی برای بهینه‌سازی تخصیص منابع و روان‌سازی فرایندها در بخش‌های اورژانس ارائه می‌کند. با تمرکز بر بهبودهای هدفمند ــ مانند ارتقای دسترسی به تصویربرداری ــ می‌توان کارایی و کیفیت ارائه خدمات به بیماران را افزایش داد. <strong>نوآوری و ارزش پژوهش: </strong>این تحقیق رویکردی نوآورانه و یکپارچه برای ارزیابی عملکرد پیشنهاد می‌کند که شبیه‌سازی رویداد گسسته (DES) را با تحلیل پوششی داده‌های شبکه‌ای (NDEA) تلفیق می‌نماید. رویکرد پیشنهادی چشم‌اندازهای تازه‌ای برای بهینه‌سازی سیستم‌های خدمات بهداشتی و درمانی فراهم می‌سازد. https://jpom.ui.ac.ir/article_29571_e9a83dd793d167e9c3dcbde323d78607.pdf