adiutaByte - Neue Potentiale für Pflegedienste

adiutaByte - New potentials for home care services

~
15
[[de]]Minuten Lesezeit[[en]]minutes reading
·
[[de]]Gepostet am: [[en]]Posted at:
18.12.2019

Executive Summary

Durch das Feedback zahlreicher Pflegedienstleitungen konnte die automatische Tourenplanungslösung von adiutaByte in den letzten Monaten nochmals umfangreich weiterentwickelt werden. Die vorliegende Case Study zeigt exemplarisch, welche Einsparpotentiale ambulante Pflegedienste unterschiedlicher Größe im Vergleich zur Planung mit Tools in herkömmlichen Pflegedokumentationslösungen täglich realisieren könnten.

So kann selbst ein kleiner bis mittelgroßer Dienst mit 6 Touren knapp 20% an gefahrenen Kilometern einsparen (dies entspricht darüber hinaus einer CO2-Einsparung von über 3 kg pro Tag). Die eingesparte Reisezeit hierdurch beläuft sich auf 25%, sodass sich jede Pflegekraft täglich über eine halbe Stunde mehr der Versorgung von Patienten widmen kann. Zuletzt profitieren auch die Patienten von verlässlicheren Ankunftszeiten durch den Einbezug von Verkehrsdaten und künstlicher Intelligenz anstelle von unrealistischen und statischen Fix-Werten für Reisezeiten.

„Eine effektive Tourenplanung ist eine der maßgeblichen Stellschrauben für die wirtschaftliche Steuerung eines mobilen Dienstes. Das Team von adiutaByte nimmt sich mit dem Tourenplaner und der Rentabilitätsanalyse für Kundenanfragen genau den Themen an, die ambulante Pflegedienste aktuell besonders interessieren. Beiden ersten gemeinsamen Tests hierzu hat sich das Team von adiutaByte als kompetenter und flexibler Partner gezeigt – ich erwarte mir viel von den entstehenden Möglichkeiten.“ (Kai Goetze, Diakonisches Werk Bethaniene.V.)

Case-Study ambulante Pflege

Im Rahmen der Pilotphase in der Weiterentwicklung der Flottenplanungssoftware aid.u von adiutaByte wurden Pilotstudien mit vielen ambulanten Pflegediensten durchgeführt. Die Ergebnisse und Kernerkenntnisse von zwei dieser Studien werden im Folgenden ausführlich erläutert und ausgewertet.

Die Aufgabenstellung

Bei der Flottenplanung für ambulante Pflegedienste müssen eine Vielzahl von Einflüssen wie Zeitfenster, Qualifikationen oder Präferenzen u.v.m. berücksichtigt werden. Im Verlauf des Tages ändert sich außerdem ständig etwas, z. B. meldet sich ein Mitarbeiter morgens krank oder ein neuer Patient muss versorgt werden. Wie kann jetzt kurzfristig umgeplant werden, sodass alle Patienten noch pünktlich gepflegt werden und niemand Überstunden machen muss? Eine Pflege-Flottenplanung für 60 Fahrzeuge bedeutet eine unvorstellbare Anzahl an möglichen Kombinationen! Die hinzukommenden Einflüsse wie Echtzeit-Verkehrsdaten, Wetter, Zeitslots für Aufträge u.v.m. machen eine optimale Lösung, sowie eine bestmögliche Reaktion auf unvorhergesehene Ereignisse, faktisch unmöglich und kostet wertvolle Zeit, die in der ambulanten Pflege viel besser für wichtige Aufgaben genutzt werden könnte.

Die Ausgangssituation

Die Pilotstudie wurde mit verschiedenen ambulanten Pflegediensten unterschiedlicher Größe und Organisationsstruktur deutschlandweit durchgeführt. Darunter kleinere bis mittelgroße Pflegedienste mit 10-20 Pflegekräften, 75-100 Patienten und 50-100 Einsätzen pro Tag, sowie große Pflegedienste mit 20-50 Pflegekräften, 100-250 Patienten und 100-200 Einsätzen pro Tag und ebenso sehr große Pflegedienste mit mehr als 50 Pflegerinnen und Pflegern, über 250 Patienten und mehr als 300 Einsätzen pro Tag. In einigen Diensten werden ausschließlich unterschiedlich qualifizierte Pflegekräfte (Hilfskräfte, examinierte Kräfte o.ä.) eingeplant während in anderen - neben diesen unterschiedlich qualifizierten Pflegekräften - auch verschiedene Aufgabentypen, wie z.B. Pflegeaufgaben und Hauswirtschaftsaufgaben zentral geplant werden müssen.

Fall I – kleiner Pflegedienst, ausschließlich Pflegeaufgaben – Potential der tourenübergreifenden Planung

Um das Potential der mitarbeiter- und tourenübergreifenden Planung abzuschätzen, wird zunächst die Planung eines kleineren Pflegdienstes betrachtet.

In der aktuellen Tagesplanung des Dienstes gibt es 6 starre vorab definierte Touren, auf die 72 Aufträge unterschiedlicher Qualifikation, Dauer und Zeitfenster aufgeteilt sind. Dabei wurde die Auftragsreihenfolge innerhalb der Touren so gestaltet, dass sich möglichst Rundtouren ergeben. Die präferierten Zeitfenster der Patienten können in der aktuellen Planung nicht alle berücksichtigt werden. So kommt bei der festen Tourenplanung mit der aktuellen Zuweisung der Aufträge bei durchschnittlich 4,5% der Aufträge zu Verspätungen von mehr als 5 Minuten.

Kennzahlen mit 6 starren Touren nach Einzeltouroptimierung (rechts):

- 301 min Fahrzeit

- 218,2 km Fahrtstrecke

- durchschnittlich 4,5% Verspätungen

Mit der tourenübergreifenden Planung (links) durch aid.u von adiutaByte und einer optimierten Abfahrt der Aufträge entsprechend der vorgegebenen Zeitfenster können diese Verspätungen alle vermieden und trotzdem alle notwendigen Qualifikationen berücksichtigt werden. Die Fahrtstrecke bzw. Fahrzeit konnte durch die tourenübergreifende Planung überdies ebenfalls um 17,8% (weniger km) bzw. 23,4% (weniger min) reduziert werden. Außerdem können die Präferenzen der Patienten bezüglich bevorzugter Mitarbeiter, sowie alle Qualifikationsanforderungen der Aufträge nun zu 100% erfüllt werden.

Kennzahlen mit übergreifender Planung und Volloptimierung:

- 244 min Fahrzeit

- 185,1 km Fahrtstrecke

- keine Verspätungen

Fall II – großer Pflegedienst, verschiedene Qualifikationen, verschiedene Auftragsarten – übergreifende Planung

Exemplarisch kann die Auswertung der Tourenplanung für einen größeren Pflegedienst mit insgesamt 45 Mitarbeitern herangezogen werden, von denen laut Dienstplan 28 verfügbar waren. Für den betrachteten Tag standen 16 Pflegekräfte, davon 7 examinierte und 9 Krankenpflege-, Arzt- bzw. Pflegehelfer/innen zur Verfügung. Die weiteren 12 Mitarbeiter waren für Hauswirtschaftsaufgaben vorgesehen, für diese waren an diesen Tag jedoch noch keine Aufgaben hinterlegt. Insgesamt gab es 190 Pflegeaufgaben mit unterschiedlichen Ausbildungsanforderungen, verschiedenen Zeitfenstern und Dauern zu verplanen. Präferenzen der Patienten bezüglich Wunschpflegern waren nicht gegeben und wurden dementsprechend auch nicht in der Planung mitberücksichtigt.

Bei den 12 nicht eingeplanten Mitarbeitern handelt es sich um die Hauswirtschaftskräfte, für die an diesem Tag noch keine Aufträge eingegeben waren. Über das Kategorie-System der aid.u Software können diese verschiedenen Kategorien von Aufgaben abgebildet werden, sodass automatisch nur die entsprechenden Mitarbeiter den Pflege- bzw. Hauswirtschaftsaufgaben zugewiesen und somit eingeplant werden. Die verschiedenen Qualifikationen der Mitarbeiter und die benötigten Qualifikationen für die verschiedenen Aufträge können über das Qualifikations-System in aid.u gleichzeitig abgedeckt und in der optimierten Lösung beachtet werden. Hierbei wird garantiert, dass keine Aufgabe von einer Pflegekraft ausgeführt wird, die/der nicht mindestens die erforderliche Qualifikation/ Ausbildung abgeschlossen hat. In den Statistiken ist zu erkennen, dass einige Mitarbeiter deutlich ausgelasteter sind als andere. Das sind an diesem Tag die examinierten Kräfte, da es sehr viele Aufgaben zu planen gab, für die die Qualifikation einer examinierte Pflegekrafterforderlich ist. Das Assistenzsystem bietet auf diese Weise neben der reinen Planung und Optimierung wichtige Einblicke ind die Struktur und Belastung des eigene Teams, sodass der gesamte Prozess für alle Beteiligten - PDL, Pfleger und Klient - transparenter und fairer wird.

Ebenfalls fällt auf, dass auch nach intensiver Optimierung nicht alle Aufträge mit 100% Pünktlichkeit erfüllt werden können. Wenn zuviele Klienten ähnliche Zeitfenster vorab mitgeteilt worden sind und an bestimmten Tagen die Personaldecke dünner ist, dann ist das natürlich auch mit der besten Optimierung nicht vermeidbar - man kann seine Mitarbeiter ja nicht "teilen". In der oben dargestellten Planübersicht wird auch in solchen Fällen aber näher erläutert, bei welchen Aufgaben welche Verspätungen prognostiziert werden können, sodass die Patienten nun ggf. vorab gezielt hierüber informiert werden können.

Fazit und Stimmen der Anwender

Es zeigte sich in diesen beiden Fällen, wie auch in allen anderen untersuchten Diensten, dass die durch aid.u unterstütze Planung verglichen mit der manuellen Planung - unabhängig von der dafür erforderlichen Zeit - zu besseren Ergebnissen hinsichtlich Wirtschaftlichkeit und Patientenzufriedenheit führt. Durch die Kombination des Expertenwissens vom Planer (bzgl. Qualifikationen, Pflegerpräferenzen, Eignungen etc.) sowie modernsten Algorithmen und Künstliche Intelligenz können somit Vorteile für alle Beteiligten geschaffen werden.

„Nach Erprobung im Testsystem: unverändert halten wir die Softwarelösung zur Unterstützung bei der Tourenplanung für hilfreich, wie notwendig.“ (Jan Kambeck, Referent ambulante Pflege, Johanniter-Unfall-Hilfe e.V. Landesverband NRW)

Weitere Informationen finden Sie auch auf https://www.adiutabyte.de/pflege. Haben Sie auch Interesse die Software aid.u in einem kostenfreien Pilotprojekt zu testen oder wünschen Sie eine ausführliche Präsentation der Software? Reservieren Sie direkt einen unverbindlichen Demo Termin unter https://www.demo.adiutabyte.de/.

Executive Summary

Thanks to the feedback of numerous home care services, the automatic tour planning solution of adiutaByte has been further developed extensively in the last months. The present case study shows exemplarily which savings potentials home care services of different sizes could realize daily in comparison to planning with tools in conventional home care documentation solutions.

So even a small to medium-sized service with 6 tours can save almost 20% in driven kilometers (this also corresponds to a CO2 saving of over 3 kg per day). The travel time saved by this amounts to 25%, so that each caregiver can devote half an hour more each day to the care of patients. Finally, patients also benefit from more reliable arrival times through the inclusion of traffic data and artificial intelligence instead of unrealistic and static fixed values for travel times.

„Effective tour planning is one of the key factors for the economic management of a mobile service. The adiutaByte team uses the tour planner and the profitability analysis for customer inquiries to address precisely those topics that are of particular interest to outpatient care services at present. The adiutaByte team has proven to be a competent and flexible partner in both of these first joint tests - I expect a lot from the resulting opportunities.“ (Kai Goetze, Diakonisches Werk Bethaniene.V.)

Case-Study Home Care

In the context of the pilot phase in the further development of the fleet planning software aid.u by adiutaByte, pilot studies were conducted with many home care services. The results and core findings of two of these studies are explained and evaluated in detail below.

The task

When planning a fleet for home care services, a variety of influences such as time slots, qualifications or preferences and much more must be taken into account. During the course of the day, things also change constantly, e.g. an employee calls in sick in the morning or a new patient has to be cared for. How can you reschedule at short notice so that all patients are still being cared for punctually and no one has to work overtime? A care fleet planning for 60 vehicles means an unimaginable number of possible combinations! The added influences such as real-time traffic data, weather, time slots for orders and much more make an optimal solution, as well as the best possible reaction to unforeseen events, virtually impossible and cost valuable time, which could be used much better for important tasks in home care.

The initial situation

The pilot study was conducted with various home care services of different sizes and organizational structures throughout Germany. These include small to medium-sized home care services with 10-20 caregiver, 75-100 patients and 50-100 assignments per day, as well as large home care services with 20-50 caregiver, 100-250 patients and 100-200 assignments per day and equally large home care services with more than 50 caregivers, over 250 patients and more than 300 assignments per day. In some services, only differently qualified employees (assistants, certified staff, etc.) are planned, while in others - in addition to these differently qualified employees - different types of tasks, such as caring tasks and domestic tasks, must be planned centrally.

Case I - small home care service, exclusively caring tasks - potential of cross-tour planning

In order to estimate the potential of planning across employees and tours, the planning of a smaller home care service is considered first.

In the current daily planning of the service there are 6 rigid pre-defined tours, on which 72 jobs of different qualification, duration and time window are divided. The order sequence within the tours has been designed in such a way that the tours are as round as possible. The preferred time windows of the patients cannot all be taken into account in the current planning. For example, in fixed tour planning with the current assignment of orders, an average of 4.5% of orders are delayed by more than 5 minutes.

Key figures with 6 fixed tours after single tour optimization (right):

- 301 min travel time

- 218.2 km travel distance

- average 4.5% delays

With the tour-spanning planning (left) by aid.u from adiutaByte and an optimized departure of the orders according to the given time windows, these delays can all be avoided and still all necessary qualifications can be considered. The route and travel time could also be reduced by 17.8% (less km) and 23.4% (less min) by the cross-tour planning. In addition, the patients' preferences regarding preferred employees as well as all qualification requirements of the orders can now be fulfilled 100%.

Key figures with comprehensive planning and full optimization:

- 244 min travel time

- 185.1 km travel distance

- no delay

Case II - large home care service, different qualifications, different order types - comprehensive planning

As an example, the evaluation of the tour planning can be used for a larger home care service with a total of 45 employees, of which 28 were available according to the schedule. For the day under consideration, 16 employees, 7 of them examined employees and 9 caregivers, physician and caregiver assistants were available. The other 12 employees were scheduled for home economics tasks, but no tasks were available for them on this day. Altogether there were 190 care tasks with different training requirements, different time windows and durations to plan. Patients' preferences with regard to preferred caregivers were not given and were therefore not taken into account in the planning.

The 12 unplanned employees are the housekeeping employees for whom no orders were entered on that day. Using the category system of the aid.u software, these different categories of tasks can be mapped so that only the corresponding employees are automatically assigned to the care or housekeeping tasks and thus scheduled. The different qualifications of the employees and the necessary qualifications for the different orders can be covered by the qualification system in aid.u simultaneously and considered in the optimized solution. Here it is guaranteed that no task will be performed by a caregiver who has not at least completed the required qualifications/training. Statistics show that some employees are significantly more busy than others. On this day, these are the examined employees, because there were many tasks to plan, for which the qualification of an examined employee is required. In this way, the assistance system offers, in addition to pure planning and optimization, important insights into the structure and workload of the own team, so that the entire process becomes more transparent and fairer for all participants - PDL, caregiver and client.

It is also noticeable that even after intensive optimization not all orders can be fulfilled with 100% punctuality. If too many clients have been notified of similar time slots in advance and on certain days the personnel cover is thinner, then this is of course unavoidable even with the best optimization - you can't "share" your employees. In the plan overview shown above, however, it is also explained in more detail in such cases which delays can be predicted for which tasks, so that patients can now be specifically informed in advance if necessary.

Conclusion and opinions of the users

In these two cases, as in all other services investigated, it was shown that planning supported by aid.u leads to better results in terms of profitability and patient satisfaction compared to manual planning - regardless of the time required for this. By combining the expert knowledge of the planner (regarding qualifications, caregiver preferences, aptitudes, etc.) with state-of-the-art algorithms and artificial intelligence, advantages can be created for all parties involved.

„After testing in the test system: unchanged, we consider the software solution to be as helpful as necessary to support the tour planning.“ (Jan Kambeck, Consultant for outpatient care, Johanniter-Unfall-Hilfe e.V. Regional Association NRW)

Further information can also be found at https://www.adiutabyte.de/pflege. Are you also interested in testing the software aid.u in a free pilot project or would you like a detailed presentation of the software? Reserve a non-binding demo appointment directly at https://www.demo.adiutabyte.de/.

Download PDF

[[de]]Diese Beiträge könnten Sie auch interessieren:[[en]] These articles may also be of interest to you:

[[de]]* Pflichtfeld[[en]]* Mandatory input field
Danke für Ihre Anfrage, wir melden uns schnellstmöglich bei Ihnen!
Da ist wohl etwas schiefgegangen, bitte versuchen Sie es erneut oder senden Sie uns eine Mail an kontakt@adiutabyte.de .
[[de]]Sie wollen Ihre Tourenplanung optimal gestalten?[[en]]You want to optimize your tour planning?
[[de]]* Zur Bestätigung Ihrerseits erhalten Sie im Anschluss eine E-Mail * [[en]]* For your confirmation you will receive an e-mail *
Vielen Dank für Ihre Anfrage!
Oops! Something went wrong while submitting the form.