Appointment scheduling systems represent a method to manage patient waiting lists effectively. This work advances an innovative quantitative approach for the outpatient appointment scheduling problems, based on an optimization model, to manage outpatient Day Service operations. It focuses on outpatient appointment scheduling. We start from earlier works in the literature to design models with the objective to maximize the number of patients’ appointments, to reduce patient’s waiting time, and to increase patient’s satisfaction. The proposed combinatorial problem is solved by Answer Set Programming, which is a declarative logic formalism, widely used in Artificial Intelligence and recognized as a powerful tool for Knowledge Representation and Reasoning, to show the advantages of declarative programming for modelling and fast prototyping problem requirements. We apply the model to solve real-life scenarios of the Rheumatology domain. We compare the results on the real instance already solved in our earlier work and extend the computational experiments on some new generated and realistic instances. Since the computational times increase with the size of instances, we develop a three-phase solution approach based on patient’s priority. The heuristic approach is hierarchical and enables to solve more instances than the one-run approach within the computational time limit.

中文翻译：

---

安排风湿病门诊日间服务

预约调度系统代表了一种有效管理患者等待名单的方法。这项工作为基于优化模型的门诊预约安排问题提供了一种创新的定量方法，以管理门诊日间服务。它着重于门诊预约计划。我们从文献中的早期工作开始，设计模型，其目的是最大程度地增加患者预约的数量，减少患者的等待时间并提高患者的满意度。提出的组合问题由“答案集编程”解决，这是一种声明性逻辑形式主义，广泛用于人工智能中，并被认为是知识表示和推理的强大工具，展示了声明式编程在建模和快速原型问题要求方面的优势。我们将模型应用于风湿病领域的现实生活中。我们在早期工作中已经解决的真实实例上比较结果，并在一些新生成的真实实例上扩展了计算实验。由于计算时间随实例大小而增加，因此我们根据患者的优先级开发了一种三相解决方案。启发式方法是分层的，与一次计算方法相比，在计算时限内可以解决更多实例。我们在早期工作中已经解决的真实实例上比较结果，并在一些新生成的真实实例上扩展了计算实验。由于计算时间随实例大小而增加，因此我们根据患者的优先级开发了一种三相解决方案。启发式方法是分层的，与一次计算方法相比，在计算时限内可以解决更多实例。我们在早期工作中已经解决的真实实例上比较结果，并在一些新生成的真实实例上扩展了计算实验。由于计算时间随实例大小而增加，因此我们根据患者的优先级开发了一种三相解决方案。启发式方法是分层的，与一次计算方法相比，在计算时限内可以解决更多实例。