Otimização de agenda médica
A escala de plantão era montada por estimativa, sem previsão da demanda por horário, o que mantinha profissionais ativados além do necessário. O sistema projeta o volume de atendimentos hora a hora e dimensiona a equipe mínima capaz de cobrir cada período.
Stack
Reduz o custo de plantão sem deixar horário descoberto.
O desafio
A escala de plantão era montada por estimativa, sem previsão de demanda por horário, o que deixava a decisão sujeita à experiência de quem montava a escala naquela semana. O resultado alternava entre dois problemas opostos: profissionais ativados além do necessário, gerando custo de plantão sem contrapartida em atendimento, ou horários descobertos nos picos de demanda, comprometendo o tempo de resposta. Prever esse volume hora a hora e, a partir da previsão, calcular a equipe mínima capaz de cobrir cada período é um problema de otimização combinatória que não se resolve em planilha. Era preciso projetar a demanda antes de dimensionar a equipe, sem folga desnecessária nem lacuna de cobertura.
A abordagem
- 01
Modelos de forecasting em Prophet e XGBoost projetam o volume de atendimentos hora a hora.
- 02
OR-Tools resolve a otimização combinatória e dimensiona a equipe mínima para cada período previsto.
- 03
Uma API em Python e FastAPI entrega as recomendações de escala ao sistema já usado pela operação.
- 04
Infraestrutura hospedada em AWS.
A arquitetura
O resultado
- Custo de plantão reduzido
- Cobertura mantida em todos os horários previstos
Frente aplicada
IA & Advanced Analytics
Modelos em produção, com o pipeline que os sustenta depois do go-live.
Ver a frente completa →
Traga o problema para um engenheiro.
A primeira conversa é com um engenheiro e não tem custo. Se o projeto não for adequado à OmniTech, dizemos isso logo no início e, quando possível, indicamos quem atende.