2. 医院排班业务全景
医院排班不是“给所有人排一张班表”这么简单。它面对的是一个由多个业务单元组成的复杂系统：门诊按半天号源组织，急诊按小时甚至分钟响应，住院按24小时连续照护，手术按台次和间室占用，护理按床护比和班次连续性，医技按设备与预约队列。每个单元的排班对象不同，约束来源不同，优化目标也不同。理解这些差异，是后续建模、算法选择和系统设计的前提。
下面从“排班对象—核心约束—目标函数”三个维度，逐一拆解六类典型单元。
一、门诊：以号源为对象的容量分配
门诊排班的直接对象不是医生个人，而是号源——某位医生在某个半天、某个诊室、某类号别下可提供的挂号名额。排班决策包括：哪些医生在哪些半天出诊、分配哪个诊室、开放普通号还是专家号、每个号别放多少号。
核心约束有三类。第一是医生资质与专科匹配：专家号只能由具备相应职称和执业范围的医生出诊。第二是诊室与设备容量：眼科需要裂隙灯，口腔科需要牙椅，诊室数量直接限制同时出诊医生数。第三是号源与接诊能力匹配：若某医生半天放40个号，但平均接诊时间8分钟，则理论接诊上限约30人，超放会导致候诊时间失控。
门诊排班的目标通常是在满足医生出诊次数要求的前提下，最大化号源供给与患者需求的匹配度，同时控制医生连续出诊强度。例如某三甲医院内科要求每位主任医师每周出诊不少于3个半天，普通号与专家号比例约为3:1，这些都会转化为排班约束。
二、急诊：以覆盖为对象的班次连续性
急诊排班的对象是岗位覆盖：抢救室、留观区、急诊诊室、分诊台等岗位在每个小时都必须有人。急诊不能按半天排，必须按班次排，常见三班制（8:00—16:00、16:00—24:00、0:00—8:00）或两班制。
急诊的核心约束是连续性覆盖和资质搭配。每个班次至少有一名能独立处理抢救的医生，护士需覆盖分诊、抢救、留观等不同职责。夜班后必须安排休息，不能连续排夜班。此外，急诊还要考虑高峰时段弹性：冬季夜间、节假日急诊量上升，需要预留备班或加强班。
急诊排班的目标是最小化覆盖缺口，同时尽量均衡夜班负担。与门诊不同，急诊的“需求”波动大且不可预约，因此排班更依赖历史就诊量分布和分时段到达率。
三、住院：以床位和连续性照护为对象
住院排班的对象是病区医生组和护理单元。医生通常按医疗组排班，每组负责固定床位；护士按病区排班，需覆盖白班、小夜班、大夜班。住院排班的关键约束是24小时连续性和床护比。
例如某病区开放40张床，白班要求床护比1:8，则白班至少5名护士；小夜班1:15，至少3名；大夜班1:20，至少2名。医生方面，每个医疗组每天至少一名医生在岗，负责查房、开医嘱、处理病情变化。周末和节假日不能断档，通常采用轮值制。
住院排班的目标是在满足最低人力配置的前提下，均衡各班次负荷，并保证主管医生对患者的连续性。这里有一个容易被忽视的约束：交接班质量。如果排班导致频繁换组，交接信息损失会增加医疗风险。
四、手术：以间室和台次为对象的时序排程
手术排班的对象是手术间、手术台次和手术团队。它本质上是有时序约束的资源调度问题：每台手术需要占用一间手术室、一名主刀医生、一名麻醉医生、若干护士，以及相应的器械和耗材。
核心约束包括：手术间开放时间（通常8:00—17:00，可延点）、主刀医生可用时间、麻醉医生覆盖、无菌器械周转、急诊手术插入。择期手术通常提前一天排定，急诊手术需要预留间室或中断择期。
手术排班的目标是最大化手术间利用率，同时最小化接台等待和超时。一个典型判断指标是“首台准点开台率”和“接台间隔时间”。如果接台间隔长期超过30分钟，说明排程或周转环节存在问题。
五、护理：以班次和能级为对象的组合排班
护理排班的对象是护士个体与班次组合。与医生不同，护士排班更强调班次连续性、能级搭配和公平性。每个班次需要不同能级的护士：N0辅助、N1基本照护、N2独立管床、N3危重护理。
约束包括：每名护士每周工作时长、夜班后休息、连续夜班上限、节假日轮值公平性、以及个人请假和培训安排。护理排班通常以月为周期，先确定班次需求，再分配到人。
目标函数通常是最小化班次缺口，同时均衡夜班和周末班分布。实际中常用“夜班积分”来衡量公平性：一个夜班记1分，周末夜班记1.5分，月底统计每人积分差异控制在合理范围内。
六、医技：以设备和预约队列为对象
医技科室包括影像、检验、超声、内镜、病理等。排班对象是设备时段和操作技师。例如CT排班，需要决定每台设备在每个时段做哪些检查、由哪位技师操作、是否安排增强扫描。
核心约束是设备容量、检查时长差异和患者准备条件。普通CT平扫约5分钟，增强CT约15分钟且需要护士注射和观察，磁共振约20—30分钟。不同检查不能随意混排，否则会导致队列混乱。
医技排班的目标是最大化设备利用率，同时控制预约等待时间。常见做法是按检查类型分时段预约，例如上午集中做住院患者，下午做门诊患者，急诊随时插入。
差异背后的统一逻辑
把六类单元放在一起看，会发现它们共享一个底层结构：需求侧（患者到达或手术台次）、资源侧（医生、护士、设备、间室）、约束层（资质、连续性、容量、公平性）、目标层（覆盖、效率、均衡、体验）。差异在于各层的权重和粒度不同。
门诊和医技更接近容量分配问题，急诊和住院更接近覆盖排班问题，手术更接近时序调度问题，护理更接近组合优化问题。这意味着后续章节中，不能指望用同一个算法解决所有排班场景。理解每个单元的对象和约束，才能为它选择正确的建模方式和求解策略。