精益医疗完全手册：把 IE 方法搬进医院改善患者流

医院是一条极其特殊的生产线：客户（患者）既是"在制品"又是"产品"，产品不能被报废，质量事故不可逆。这篇用工业工程的排队论、产能模型与精益工具，把门诊、急诊、手术室、病房、检验科的改善逻辑完整拆开，给出可手算的公式与能直接落地的清单。

一、医院为什么需要工业工程

先看三个几乎所有医院都在面对的结构性矛盾：

矛盾一：需求波动极大，但资源是按"平均"配置的。 门诊周一上午的就诊量可能是周三下午的两倍以上，急诊的到达更是完全随机。如果按峰值配置资源，成本无法承受；按均值配置，高峰期必然排队。

矛盾二：最贵的资源（医生、手术室、大型设备）永远稀缺，但它们的时间大量浪费在非医疗事务上。 医生写病历、找耗材、等电梯、等检查结果的时间，在很多医院超过其工作时间的三分之一（具体比例因医院信息化水平与分工模式而异，以各院实测为准）。

矛盾三：系统里没有"库存缓冲"的概念。 制造业可以用成品库存吸收需求波动，医院不行——你无法提前生产一批"阑尾炎手术"存起来。这意味着医院的产能规划必须正面应对波动，而不是靠库存掩盖。

这三个矛盾，恰好都是工业工程的主场：排队论处理波动，产能模型处理资源配置，精益处理浪费。

但要先把一件事说清楚，否则后面所有的工具都会用错地方。

1.1 医院里的"价值"定义与工厂不同

制造业定义价值很简单：客户愿意付费的产品形态改变。医院要复杂得多。目前在医疗管理领域被广泛引用的一个定义框架是**"单位成本所获得的健康结果"**（即 Value = Outcomes / Cost，这一思路源于价值医疗相关研究，具体表述以最新学术文献为准）。这个定义有三个直接推论：

第三条推论，是精益医疗区别于精益制造最关键的一点。 在工厂里，缩短周期时间主要为了降成本、提响应；在医院里，缩短时间本身就是在救命。这给了医院 IE 一个制造业同行没有的强有力论证——你不需要用"省了多少钱"来证明项目价值，"缩短了多少分钟"本身就是价值。

1.2 医疗七大浪费对照表

精益的七大浪费（TIMWOOD）在医院里都有对应物，但表现形式和严重程度不同：

要注意的两个"医院特有"的放大效应：

1. "等待"在医疗里常常是隐形的。 患者在家等床位、在病床上等手术排期，这些时间不出现在任何系统里，但真实存在。IE 的第一项工作往往是把这些隐形等待显性化。
2. "缺陷"的成本结构与工厂完全不同。 工厂的不良品成本主要是物料与返工；医院的医疗差错成本是患者伤害 + 信任损失 + 法律风险，量级不可比。因此防错（Poka-Yoke）在医疗里的投资回报远高于制造业。

1.3 三条不可逾越的红线

在进入方法之前，先立规矩。任何医疗改善项目，如果触碰以下三条，无论数据多漂亮都不应推进：

红线一：不得以牺牲患者安全为代价换取效率。 例如为了缩短接台时间而简化手术安全核查（Time-out）流程——绝对不行。核查时间不是浪费，它是防错装置。

红线二：不得突破诊疗规范与法律法规。 检查项目能否合并、住院日能否压缩，必须由临床专业判断决定，IE 提供数据与流程方案，但不能代行临床决策权。相关规范以国家卫生健康主管部门、各专业委员会发布的最新指南为准。

红线三：患者隐私与数据合规。 做患者流分析必然接触就诊数据，所有数据必须脱敏，分析结果的展示不得指向可识别的个人。具体合规要求以《个人信息保护法》及卫生健康行业数据管理相关规定的最新官方文件为准。

二、排队论：门诊与急诊的患者流

2.1 Little's Law：先建立直觉

L = λ × W
在制数量 = 到达率 × 停留时间

在医院语境下："医院里（或候诊区里）的患者数 = 每小时到达人数 × 平均停留小时数"。

算例 2-1：候诊区到底需要多大

某门诊科室：上午 4 小时接诊 160 人次 → λ = 40 人/h；患者平均在科室停留（含候诊、就诊、缴费、检查）75 min = 1.25 h。

• L = 40 × 1.25 = 50 人
• 若按每位患者（含陪同家属约 0.6 人）需 1.2 m² 候诊面积估算（具体标准以《综合医院建筑设计规范》等最新官方文件为准），候诊区需 50 × 1.6 × 1.2 = 96 m²

改善方向： 如果把平均停留时间从 75 min 降到 55 min（通过分时段预约 + 检查结果线上推送 + 诊间支付），在到达率不变的前提下：

• 新 L = 40 × (55/60) = 36.7 人
• 候诊区需求降到 36.7 × 1.6 × 1.2 = 70 m²
• 腾出约 26 m² 空间

这个算例说明了两件事： 一是 Little's Law 的威力——你不需要仿真就能估算容量需求；二是缩短停留时间可以直接换算成物理空间，这在寸土寸金的医院里是硬收益。

2.2 M/M/1：为什么"医生看起来不忙，患者却在等"

单服务台排队模型（到达泊松、服务指数、单队列）：

利用率 ρ = λ / μ
平均排队人数 Lq = ρ² / (1 − ρ)
平均排队时间 Wq = Lq / λ
平均系统停留时间 W = Wq + 1/μ

算例 2-2：诊室利用率与患者等待

某诊室：患者到达率 λ = 12 人/h，医生平均服务时间 4 min/人 → μ = 15 人/h。

情形 A（ρ = 12/15 = 0.80）：

• Lq = 0.64 / 0.20 = 3.2 人
• Wq = 3.2 / 12 h = 0.2667 h = 16.0 min
• W = 16.0 + 4.0 = 20.0 min

情形 B（患者增加，λ = 13.5 人/h，ρ = 0.90）：

• Lq = 0.81 / 0.10 = 8.1 人
• Wq = 8.1 / 13.5 h = 0.60 h = 36.0 min
• W = 36.0 + 4.0 = 40.0 min

结论极其重要：患者只增加了 12.5%，等待时间却翻了一倍。

（验算 ρ=0.95：Lq = 0.9025/0.05 = 18.05；Wq = 18.05/14.25 h = 1.2667 h = 76.0 min ✓）

这张表应该贴在每个门诊管理者的墙上。 它解释了一个普遍现象：医生已经忙得连喝水的时间都没有（利用率 90%+），患者却抱怨等太久——这两件事同时为真，而且是同一个原因。

因此门诊改善的第一优先级不是"让医生更快"，而是：

1. 削峰填谷——通过分时段预约把 λ 拉平（见 2.4）
2. 降低服务时间变异——把复杂患者与简单患者分流（分诊），避免一个 20 min 的疑难患者堵住后面 5 个 3 min 的复诊患者
3. 合理设定利用率目标——门诊医生的规划利用率一般不应超过 85%（具体取值以各院实际与专科特点为准）

2.3 合并队列：不花钱就能降 58% 等待时间

这是排队论里最"免费"的收益。

算例 2-3：三个独立诊室 vs 一个共用队列

方案 A（三个独立队列，各 λ = 12 人/h，μ = 15 人/h）：

由算例 2-2，每位患者平均停留 W = 20.0 min

方案 B（三个医生共用一个队列，λ_total = 36 人/h，μ = 15 人/h，c = 3）：

用 Erlang-C 公式：

a = λ / μ                                    （总负载，单位 erlang）
C(c, a) = [a^c/c! × c/(c−a)] / [ Σ(k=0→c−1) a^k/k! + a^c/c! × c/(c−a) ]
Wq = C(c,a) × (1/μ) / (c − a)
W  = Wq + 1/μ

计算：

1. a = 36 / 15 = 2.4 erlang；c = 3；ρ = a/c = 80%
2. Σ(k=0→2) a^k/k! = 1 + 2.4 + (2.4²/2) = 1 + 2.4 + 2.88 = 6.28
3. a³/3! = 13.824 / 6 = 2.304
4. c/(c−a) = 3 / 0.6 = 5 → 该项 = 2.304 × 5 = 11.52
5. 分母 = 6.28 + 11.52 = 17.80
6. C(3, 2.4) = 11.52 / 17.80 = 0.6472
7. Wq = 0.6472 × 4 min / 0.6 = 4.31 min
8. W = 4.31 + 4.0 = 8.31 min

对比结果：

同样的三个医生、同样的总工作量、同样的平均服务时间——只是把三条队改成一条队，患者平均停留时间从 20 分钟降到 8.3 分钟。

为什么？ 因为独立队列时会出现"某个医生空闲但另一个医生的队列还排着人"的情况（资源闲置与排队并存）；共用队列消除了这种错配。

落地的三个障碍与对策：

2.4 预约排程：Bailey-Welch 规则

门诊最大的变异来源是患者到达的不规律。即使预约了，患者也会早到、迟到、爽约。一个经典的应对方法是 Bailey-Welch 预约规则（源于 1950 年代的门诊排程研究，现代已有大量改进版本，本文只用其最基础形式）：

基础规则：

• 把半天门诊切成等长时隙（如 10 min 一个）
• 前两位患者各分配 2 个时隙（吸收早到的患者、留出问诊与文书时间）
• 从第三位开始各分配 1 个时隙
• 剩余时隙作为缓冲，分散放置在中间（通常在第 2 位之后和第 2/3 处）

算例 2-4：半天门诊的时隙分配

条件：半日门诊 3 h = 180 min，时隙 10 min → 共 18 个时隙；计划接诊 12 位患者。

按规则：

1. 第 1、2 位各 2 时隙 → 占用 4 个
2. 第 3~12 位各 1 时隙 → 占用 10 个
3. 已分配 14 个，剩余 4 个作缓冲
4. 缓冲建议分布：第 2 位后放 1 个，第 6 位后放 1 个，第 9 位后放 1 个，最后放 1 个

排程表（时隙序号 → 用途）：

为什么这样有效？ 早晨最容易延误（患者集中到达、医生要处理前日遗留文书），所以给前两位更多时间；中段缓冲吸收累积波动；末尾缓冲防止延误传染到下午。

关键提醒：这个规则必须与"爽约率"一起用。 见下一节。

2.5 爽约与超订（Overbooking）

门诊爽约（No-show）率在不同医院、不同科室差异很大（公开研究中的报告值区间较宽，以各院 HIS 系统实测为准）。若某科室实测爽约率 15%，则预约 20 人平均只到 17 人——医生有 15% 的时间被浪费。

算例 2-5：超订数量决策

条件：半日放出 N 个号，爽约率 p = 0.15，医生实际能舒适接诊的上限为 20 人。到诊人数 X ~ B(N, 0.85)。用正态近似：

均值 E[X] = N × 0.85
标准差 σ = √(N × 0.85 × 0.15)
超载风险 P(X > 20) 用连续性修正：z = (20.5 − E[X]) / σ
空转风险 P(X ≤ 16) （医生明显空闲）：z = (16.5 − E[X]) / σ

（正态尾部概率：z=1.07 → 0.1423；z=−1.31 → 0.0951；z=0.55 → 0.2912；z=−1.78 → 0.0375；z=−0.31 → 0.3783；z=2.19 → 0.0143）

决策建议： 放 22 个号（超订 2 个）是较优选择，超载风险 14.2% 可通过预留一个弹性加班时隙吸收，而空转风险从 37.7% 降到 9.5%。

但更根本的解法不是超订，而是降低爽约率本身：

IE 的判断点： 超订是"用统计数据对冲不确定性"，是被动手段；降爽约率是"消除不确定性本身"，是主动手段。两者应同时做，但资源应向后者倾斜。

2.6 急诊：分诊本质是"动态优先级调度"

急诊不能先到先服务（FCFS），因为一个脚踝扭伤患者排在心梗患者前面是灾难性的。急诊分诊（Triage）在工业工程语言里就是优先级调度规则，常用的分级标准（如国内急诊预检分诊分级、ESI、CTAS 等）本质上是给每个到达者打上优先级标签。

给 IE 的三个急诊改善点：

1. 分诊台本身是瓶颈。 分诊必须在极短时间内完成（通常要求几分钟内），但它是所有患者的必经节点。分诊台的能力必须按峰值到达率配置，而不是平均到达率。
2. 分区而治。 把急诊分成复苏区、危重区、急诊诊疗区、快速通道（Fast Track）区。快速通道专门处理轻症，这是最典型的"分流降变异"操作——把 3 分钟就能搞定的轻症患者从重症流里摘出去，避免他们占用资源、也避免他们等待过久。
3. 关键时间指标必须单独监控。 例如胸痛中心的 Door-to-ECG 时间、卒中中心的 Door-to-Needle 时间、创伤的救治启动时间（具体指标定义与目标值以各专业学会与卫生主管部门发布的最新指南为准）。这些是"时间即疗效"的直接体现。

三、手术室：医院最贵资源的利用率悖论

手术室（OR）是医院里单位时间成本最高的资源之一（具体成本因地区、医院等级、手术类型差异极大，以各院成本核算为准），也是矛盾最集中的地方。

3.1 手术室产能模型

单间日可用时间 T_avail（如 9 h = 540 min）
安排 n 台手术的总占用：
  T_need = n × t_surg + (n − 1) × t_turn + t_delay
其中：
  t_surg  = 平均手术时间（切皮到缝合结束）
  t_turn  = 平均接台时间（患者出室→清洁→下一患者入室→开始麻醉）
  t_delay = 首台开台延误
约束：T_need ≤ T_avail − 安全缓冲

算例 3-1：接台时间改善的产能价值

假设（算例设定，实际以各院手术麻醉系统数据为准）：

• 8 间手术室，每间日可用 540 min
• 平均手术时间 t_surg = 108 min
• 当前接台时间 t_turn = 36 min
• 每间日排 4 台

当前状态：

• T_need = 4 × 108 + 3 × 36 = 432 + 108 = 540 min
• 占用率 = 540 / 540 = 100% → 零缓冲，任何一台手术超时都会导致后续全部顺延，最终表现为加班

改善后（接台时间 36 → 24 min，通过保洁 SOP 标准化、器械包前置准备、麻醉与复苏衔接并行化）：

• T_need = 432 + 3 × 24 = 432 + 72 = 504 min
• 释放缓冲 = 540 − 504 = 36 min/间日

年化收益：

• 8 间 × 250 工作日 = 2,000 间日/年
• 释放时间 = 2,000 × 36 = 72,000 min = 1,200 h/年
• 若用于加台，每台占用 = 108 + 24 = 132 min → 理论上限 = 72,000 / 132 = 545 台/年
• 保守折算： 实际受限于外科医生排班、麻醉人力、病房床位、消毒供应，取 30% 可兑现率 → 约 164 台/年

这个"取 30%"不是保守，是必要。 医院里最常见的错误就是把局部释放的产能当成全部可兑现量。手术室的产出受四个约束共同限制：手术间、外科医生、麻醉医生护士、术后床位（PACU/ICU/病房）。只优化其中一个，系统产出不会线性提升——这正是约束理论（TOC）的标准场景。

因此正确的做法是先识别真正的约束：

3.2 首台开台准点率（On-time Start）

首台开台延误是手术室最典型的"隐性浪费"——它造成的损失会顺延传染给当天该房间的所有手术。

算例 3-2：首台延误的量化

某日 8 间手术室的首台计划切皮时间 8:30，实际切皮时间：

计算：

1. 准点率（按 ≤ 5 min 容差计）= 3 / 8 = 37.5%
2. 平均延误 = (0+22+5+35+10+28+3+42) / 8 = 145 / 8 = 18.1 min
3. 当日总损失 = 145 min
4. 年化（250 工作日）= 145 × 250 = 36,250 min = 604 h/年
5. 按每台手术占用 132 min 折算 → 604 × 60 / 132 ≈ 275 台/年的产能损失

改善清单（首台开台）：

• 建立"首台患者 7:30 前到手术室"的硬规定，并把接送时间纳入病房考核
• 术前访视与知情同意前移至门诊/病房，不在手术当日现场完成
• 手术安全核查（Time-out）标准化，但不得简化——核查不是浪费
• 器械包按手术排程提前一日准备并核对，建立缺包预警
• 麻醉准备与护理准备并行，明确各角色的"就绪时点"
• 每日公布各手术间的首台开台准点率，按间/按科室排名
• 对连续延误的科室，追溯根因（是患者未到？还是麻醉未就位？还是器械未备？）

3.3 利用率悖论：手术室不能跑满

制造业追求设备满负荷，但手术室跑到 90% 以上是危险的。原因：

1. 急诊手术必须插入。 急诊到达不可预测，若手术室 100% 排满，急诊只能挤占择期手术，导致大量临时取消与患者投诉。
2. 手术时间变异极大。 手术时间的变异系数远高于机加工工序（具体数值以各院历史数据统计为准），满载排程在数学上必然产生大量溢出。
3. 人力无法弹性。 手术超时直接变成医护加班，长期看带来疲劳、离职与安全隐患。

经验做法（具体取值以各院实际为准）：

日间手术（Ambulatory Surgery）是破解这一悖论的最佳手段： 把大量短平快的择期手术从住院手术室剥离到日间手术中心，两类手术的变异性差异被分开管理，住院手术室的急诊缓冲压力下降，日间中心的利用率可以做到更高。这是"分流降变异"思想在手术室层面的应用。

四、床位与容量：为什么 95% 的占用率是个坏消息

4.1 占用率悖论：用 Erlang-C 量化

这是一个反直觉但极其重要的结论：床位占用率越高，患者等待入院的时间增长得越快，而且是非线性的。

算例 4-1：ICU 床位占用率与等待时间

假设（算例设定）：

• 某 ICU 有 10 张床
• 平均住院日（LOS）t = 5 天
• 用 Erlang-C 模型（无排队容量限制，患者排队等待床位）：

a = 需求负载（erlang）= 占用率 ρ × 床位数 c
C(c, a) = 等待概率
Wq = C(c,a) × LOS / (c − a)

情形 A：ρ = 85% → a = 8.5

1. Σ(k=0→9) 8.5^k/k!： 1 + 8.5 + 36.125 + 102.354 + 217.503 + 369.754 + 523.818 + 636.065 + 675.818 + 638.270 = 3,209.207
2. 8.5¹⁰/10! = 1,968,740,000 / 3,628,800 = 542.53
3. c/(c−a) = 10/1.5 = 6.6667 → 542.53 × 6.6667 = 3,616.87
4. 分母 = 3,209.207 + 3,616.87 = 6,826.08
5. C = 3,616.87 / 6,826.08 = 0.5299
6. Wq = 0.5299 × 5 / 1.5 = 1.77 天

情形 B：ρ = 95% → a = 9.5

1. Σ(k=0→9) 9.5^k/k!： 1 + 9.5 + 45.125 + 142.896 + 339.378 + 644.817 + 1,020.96 + 1,385.59 + 1,645.39 + 1,736.78 = 6,971.44
2. 9.5¹⁰/10! = 5,987,370,000 / 3,628,800 = 1,649.98
3. c/(c−a) = 10/0.5 = 20 → 1,649.98 × 20 = 32,999.6
4. 分母 = 6,971.44 + 32,999.6 = 39,971.0
5. C = 32,999.6 / 39,971.0 = 0.8255
6. Wq = 0.8255 × 5 / 0.5 = 8.26 天

结果对比：

（75% 行验算：Σ(k=0→9) 7.5^k/k! = 1,403.78；7.5¹⁰/10! = 155.19；c/(c−a) = 4 → 620.76；分母 = 2,024.54；C = 0.3066；Wq = 0.3066 × 5 ÷ 2.5 = 0.61 天）

从 75% 到 85%，等待时间从 0.61 天涨到 1.77 天（2.9 倍）；从 85% 到 95%，再涨到 8.26 天（4.67 倍）。 每一格都在加速恶化。

占用率从 85% 提到 95%（相对仅提高 11.8%），平均等待时间从 1.77 天涨到 8.26 天——翻了 4.67 倍。

这个结论的临床含义非常严重： 一个"效率很高"（95% 占用率）的 ICU，意味着急诊危重患者平均要等 8 天才有床——这在很多情况下等于没有床。因此床位的"高效率"不等于系统的"高绩效"，两者甚至常常冲突。

管理启示：

1. 床位占用率的目标值通常不应超过 85%~90%（具体取值与床位规模、专科特点相关，规模越小所需缓冲比例越高，因为小系统的相对波动更大）。
2. 小科室比大科室需要更多缓冲。 一个 5 张床的 ICU 和一个 50 张床的 ICU，即使占用率相同，前者的拥堵程度严重得多。
3. 缩短平均住院日（ALOS）比加床位更有效。 因为 a ∝ LOS，缩短 LOS 直接降低负载。

4.2 平均住院日（ALOS）与床位需求的换算

年可用床日 = 床位数 × 365 × 目标占用率
年收治人次 = 年可用床日 ÷ 平均住院日 ALOS
所需床位数 = 年需求人次 × ALOS ÷ (365 × 目标占用率)

算例 4-2：缩短 ALOS 的两种算法

假设（算例设定）：30 张床的普通外科病区，目标占用率 85%，当前 ALOS = 8.5 天。

当前能力：

• 年可用床日 = 30 × 365 × 0.85 = 9,307.5 床日
• 年收治 = 9,307.5 / 8.5 = 1,095 人次/年

方案：通过临床路径标准化、术前等待压缩、日间化疗/日间手术分流，把 ALOS 降到 7.5 天。

算法一（产能视角：需求不变，看能多收多少人）：

• 新年收治 = 9,307.5 / 7.5 = 1,241 人次/年
• 增加 146 人次/年（+13.3%）

算法二（资源视角：需求不变，能省多少床）：

• 需求 1,095 人次，ALOS 7.5 天 → 所需床位 = 1,095 × 7.5 / (365 × 0.85) = 8,212.5 / 310.25 = 26.5 → 27 张
• 省下 3 张床（可用于改造成日间病房或单人间）

两种算法对应两种决策场景： 扩张期用算法一（说服领导：不用加床就能多收 13%），收缩/提质期用算法二（说服领导：能腾出 3 张床做结构调整）。IE 要会根据对象切换口径。

4.3 "下午三点现象"：出院流程的时间错配

一个几乎所有住院病区都存在的现象：上午床位紧张，下午床位闲置。原因是出院流程集中在上午（医生查房后开出院 → 等出院带药 → 等结算 → 实际离院往往到下午），而入院患者集中在上午。

改善组合拳：

关键指标： 「当日出院患者中，11:00 前完成离院的比例」——这个指标比"平均住院日"更可操作，因为它是一个每日可反馈、可归因的过程指标。

五、检验科与药房：TAT 的分位数管理

5.1 TAT 分解：时间都去哪了

检验科的 TAT（Turnaround Time，标本周转时间）通常按"标本采集到报告发出"计算，但真正的等待时间不在检验过程中，而在过程之外。

总 TAT = 采集前等待 + 采集 + 运送 + 接收分拣 + 离心前处理 + 分析 + 审核 + 报告发布 + 临床查看

经验规律（具体占比因医院自动化水平而异）： 在自动化程度较低的检验科，分析时间可能只占总 TAT 的一小部分，而运送 + 等待 + 批量处理占大头。这直接指向改善方向：先做流程与批量优化，再考虑买更快的仪器。

5.2 必须用分位数，不能用均值

算例 5-1：急诊生化 TAT 的均值陷阱

某日 15 个急诊生化标本的 TAT（分钟，已排序）：

18, 22, 25, 28, 30, 32, 35, 38, 42, 48, 55, 62, 70, 85, 110

计算：

1. 总和 = 700 → 均值 = 700 / 15 = 46.7 min
2. 中位数 P50 = 第 8 个 = 38 min
3. P90 位置 = 0.9 × (15 − 1) + 1 = 13.6 → x₁₃ = 70，x₁₄ = 85 → P90 = 70 + 0.6 × 15 = 79 min
4. P95 位置 = 0.95 × 14 + 1 = 14.3 → x₁₄ = 85，x₁₅ = 110 → P95 = 85 + 0.3 × 25 = 92.5 min
5. 目标 TAT ≤ 60 min 的达标率 = 11 / 15 = 73.3%

结论：均值 46.7 分钟看起来"达标了"，但实际上有 26.7% 的标本超过 60 分钟，P90 高达 79 分钟。

如果只考核均值，会发生什么？ 科室会把精力放在"把最多的标本做得更快"，而长尾标本（难处理的溶血标本、需要复检的异常值、仪器故障期间的积压）会被系统性忽视——恰恰是这些标本最可能来自危重患者。

正确的指标组合：

5.3 批量与配送：静配中心的权衡

算例 5-2：增加配送批次的经济性

假设（算例设定）：静脉用药调配中心（PIVAS）每日配置 1,200 袋，当前分 4 批配送，批次间隔约 2 h。

当前：4 批 × 3 人 × 20 min = 240 min/天 配送工时

方案：改为 6 批，间隔约 1.4 h → 6 × 3 × 20 = 360 min/天

• 增加配送工时 = 120 min/天 = 2 h/天
• 年化（按 300 天）= 600 h/年（人力成本以各院薪酬标准为准）

收益侧：

• 长期医嘱的第一袋送达时间基本不变（长期医嘱有固定节奏）
• 临时医嘱/新开医嘱的等待时间显著下降：从平均等待 1 个批次（约 60 min，均匀分布假设下）降到约 42 min
• 临床价值：给药及时性提升，尤其是抗感染药物的首剂给药时间

决策框架：

IE 的建议通常是第三个方向： 不要整体加批次（成本线性上升、收益递减），而是按优先级分层配送——常规长期医嘱维持 4 批，临时/急用医嘱走独立的快速通道（小批量高频次）。这是"分流降变异"思想的又一次应用。

六、精益工具在医院的落地要点

特别强调防错（Poka-Yoke）： 在医疗场景，防错的三种层级价值差异巨大：

IE 应推动的方案优先级永远是：停止 > 控制 > 警示。 靠"加强责任心"和"反复提醒"是可靠性最低的方案，但在医疗里却最常被采用。

七、落地路线与检查清单

7.1 建议的三阶段路线

第一阶段（1~3 个月）：诊断与数据基础

• 选定一个边界清晰的试点（建议从门诊或检验科入手，手术室/病房涉及面太广不适合首战）
• 建立患者流数据的采集口径（时间戳要精确到分钟，且要覆盖全流程节点）
• 画出当前状态价值流图，识别"等待"占比
• 用 Little's Law 与排队模型建立基线

第二阶段（3~9 个月）：快速改善

• 优先做不花钱的改善：合并队列、预约排程优化、5S、缓冲时隙设置、出院流程前置
• 每个改善都要有明确的量化目标与前后对比
• 建立每日/每周指标看板（见配套阅读中的指标看板文章）

第三阶段（9~18 个月）：系统优化

• 引入仿真做容量规划（床位数、手术间数、人员编制）
• 推进跨科室流程（如日间手术中心、入院服务中心、检查预约中心）
• 建立持续改善机制与人才梯队

7.2 患者流改善检查清单

A. 指标与数据

• 明确每个流程节点的"时间戳采集点"，确保系统自动记录而非人工填报
• 所有时间类指标同时输出 P50 / P90 与达标率，不允许只看均值
• 建立"隐形等待"的统计口径（如在家等床、等手术排期）
• 每月核对系统数据与抽样实测的一致性（数据质量检查）
• 所有涉及患者的数据均已脱敏，且访问权限受控

B. 门诊

• 统计各时段到达率曲线，识别峰谷
• 分时段预约的时段粒度是否已细化到 15~30 min
• 是否已实现队列合并（共用叫号）
• 医生规划利用率是否低于 85%（超过则说明需要扩容或分流）
• 爽约率是否按月统计，超订策略是否基于实测爽约率而非经验
• 是否有针对"长问诊时间患者"的分流机制（如专病门诊、复诊简化通道）

C. 急诊

• 分诊台能力是否按峰值到达率配置
• 是否设有快速通道（Fast Track）分流轻症
• 关键时间指标（Door-to-ECG、Door-to-Needle 等）是否单独监控并设目标值（以最新指南为准）
• 留观患者的滞留时间是否纳入监控（留观区容易成为"黑洞"）
• 急诊与住院的床位衔接流程是否明确（谁决定收治、多久内必须有床）

D. 手术室

• 每日统计首台开台准点率，并按手术间/科室归因
• 接台时间的均值与标准差是否同时统计
• 是否明确识别了系统约束（手术间 / 外科医生 / 麻醉 / PACU / 床位）
• 急诊缓冲比例是否明确设定并定期回顾
• 手术取消率及其原因分布是否统计（尤其是"当日取消"，对患者伤害最大）
• 手术时间预测是否有历史数据支撑（排程不能只靠医生经验）

E. 床位

• 床位占用率是否控制在目标区间（一般不超过 85%~90%，以各院实际为准）
• 是否统计"等床患者数"与"平均等床时间"，而不只看占用率
• 是否统计 11:00 前离院患者的比例
• 术前等待天数（入院到手术）是否单独统计（这是 ALOS 中最容易压缩的部分）
• 是否有跨科室的床位统一调配机制（避免"某科满床、某科空床"）

F. 检验/药房

• TAT 是否按 P50/P90/P95 分层统计
• 是否拆分了 TAT 的时间构成（运送/前处理/分析/审核/发布）
• 超限标本是否有原因分类统计
• 危急值报告流程是否有独立的时间指标与闭环确认
• 药品配送是否按优先级分层，而非一刀切加批次

G. 文化与红线

• 改善项目是否经临床专业部门审核，未突破诊疗规范
• 是否存在因追求效率而简化安全核查的现象（一票否决项）
• 不良事件上报是否为非惩罚性，近似错误是否纳入统计
• 一线医护是否参与方案设计（而非被动接受）
• 改善成果是否同时汇报了"患者侧收益"与"员工侧负担变化"

小结

精益医疗不是把工厂的工具硬搬进医院，而是在承认医疗特殊性的前提下，用工业工程的定量方法让稀缺资源发挥更大价值。五个核心结论：

第一，排队论是医院 IE 的第一语言。 门诊医生利用率从 80% 提到 90%，患者等待从 16 分钟涨到 36 分钟——产出只涨 12.5%，等待却翻倍。不理解这条非线性，所有的"提高效率"努力都会适得其反。

第二，合并队列是最便宜的改善。 三个独立诊室改成共用队列，患者停留时间从 20 分钟降到 8.3 分钟（−58.5%），成本几乎为零。任何还没做这件事的门诊，都应该先做这件事。

第三，高占用率是危险信号而非成绩。 ICU 占用率从 85% 提到 95%，患者平均等床时间从 1.77 天涨到 8.26 天（4.67 倍）。床位管理的目标不是"住满"，而是"在可接受的等待下住得尽量满"。

第四，时间指标必须用分位数。 检验 TAT 均值 46.7 分钟看起来达标，但 P90 是 79 分钟、达标率只有 73.3%。均值会系统性地隐藏最需要关注的长尾。

第五，防错的优先级高于一切效率改善。 在医疗里，"停止型"防错（强制中断）的可靠性远高于"警示型"（提醒注意）。把资源投在这里，回报最高。

最后一句提醒： 医院里每一个"等待"背后都是一个人。这既是压力，也是动力——它让精益医疗比精益制造更有意义，也要求我们比在工厂里更谨慎。

配套阅读

• 运筹学在工业工程中的落地：从建模到求解 — 排队论、调度与容量规划的数学基础
• IE 在服务业与互联网：工业工程方法论的跨界迁移 — 本文的直接前置：服务系统的 IE 方法论
• 价值流图 VSM：从现状图到未来图的完整画法 — 患者流诊断的核心工具
• 精益七大浪费：识别、量化与改善优先级 — 第 1.2 节对照表的详细展开
• 看板拉动系统：从超市到补货规则的完整设计 — 耗材与药品的双箱看板设计方法
• SMED 快速换型：内外部作业分离的完整步骤 — 第 3.1 节接台时间改善的方法来源
• 5S 现场管理：从整理到素养的落地路径 — 治疗室与库房定置管理的基础
• SPC 统计过程控制：控制图与过程能力 — 检验科质量指标监控与分位数管理
• 可靠性与 FMEA/FTA：失效模式与风险优先数 — 医疗防错与不良事件根因分析的方法基础
• 工业工程岗位图谱与薪资：IE 能去哪些行业 — 医疗/医院管理方向的岗位与薪酬区间（以最新招聘与调研数据为准）

相关阅读

• 运筹学在工业工程里的落地：线性规划、排队论与仿真：从产品组合的线性规划算例讲到影子价格与瓶颈判断，详解 M/M/1 与 M/M/c 排队模型算…
• 工业工程不止于工厂：在服务业、医疗、物流与互联网中的应用：给出 IE 方法从制造业迁移到医疗、物流、互联网、金融、零售的对照表，详解门诊流程 ECRS…
• 新能源与半导体行业的工业工程：从电池产线节拍到晶圆厂产能的完整算法：把两个资本密集型行业的 IE 方法完整拆开：2 GWh 项目节拍倒推（2.94 s/只 → …
• 标准工时怎么定？秒表测时 + 评比系数 + 宽放率的完整流程：从观测单元划分、观测次数确定、异常值剔除，到平准化评比与四类宽放，用完整算例讲透标准工时的全…
• MODAPTS 模特排时法入门：21 个动作与工时计算：产线还没建就能算出工时。本文系统讲解 MODAPTS 的 21 个基本动作、MOD 时间单位…