Prediktor og OFU. Espen Krogh, Chief Technical Officer

Transkript

1 Prediktor og OFU Espen Krogh, Chief Technical Officer

2 Prediktor fakta Etablert Hovedkontor Fredrikstad Eierskap Hovedsaklig ansatte og venner Omsetning MNOK (budsjett) Omsetningsvekst 34% ( i snitt siste 6 år) Antall ansatte 85+ Forretningsområder MES: Industrial IT solution deliveries SW: Software licenses sales PAT: Instrument sales/deliveries Prediktor har fullt eierskap til alle produkter

3 Prediktor HQ Fredrikstad - Norway Prediktor Sweden Gothenburg Prediktor Minnesota 2010 Prediktor Germany Berlin Prediktor China Zuzhou Prediktor France Lyon Prediktor Asia Singapore

4 Prediktor Software based products Made out of world class engineering competencies MES Business Area APIS Click & Trace Manufacturing Execution System Løsnings Leveranser Modelling /Control Prediktor Software Foundation Software Engineering Engineering competencies competencies PAT Business Area (Process Analytical Technology) Spektron Instrument Leveranser SW Business Area APIS Foundation Software Lisenssalg Industrial Experience competencies PIC Department (Product Innovation and Consulting) Søker nye muligheter for Prediktor produkter og kompetanse

5 Which resources Periode and interval Which segments along production flow Unfinished Finished scrapped Withheld products Interrupts/unplanned Production Uncheduled Idle time stops Distribution Biggest of scrap reason Availability Quality Performance OEE Availability Utilization Effectivity Distribution Biggest Idle idle reason Distribution Unplanned unplanned stop stop reason reason Places where products have been scrapped Places of unfinished products

6 Sykehus versus Industri Alle industribedrifter har som målsetning å produsere produkter Med best mulig eller tilstrekkelig kvalitet Med optimal ressursbruk Finnes tilsvarende målsetninger for moderne sykehus? Industriens utvikling Håndverker tradisjoner 1400: Workshops med standardisering av arbeidsprosesser 1700: Industrialisering med spesialisering del-produksjon 1960: Automasjon data-styrt produksjon 1990: Standardisert kommunikasjon mellom datasystemer plug-and-play 2000: Manufacturing Execution Systems Verktøy for kontinuerlig forbedring av hele produksjonsprosessen Sykehus Kommer fra samme håndverker tradisjon, men har ikke gått gjennom samme spesialiserings-faser Med inntog, og definisjon av behandlingslinjer/standardiserte og strukturerte behandlingsforløp begynner strukturene i sykehus å ligne på strukturene i industribedrifter Finnes det da teknologi utviklet for industrielle formål som kan anvendes i Sykehus?

7 MES/ACT til Sykehuset? Alder / Kjønn Vurdering fastlege Utenfor / innenfor sykehus Alder / Kjønn eksklusive Alder / Kjønn ruter Ordrereserve Ordrereserve Vurdering ortoped Kontroll Alder / Kjønn Hofteskole Alder / Kjønn Innleggelse SØM Grønt skjema Vurdering av pasient utført Brev av fastlege Syk Ny vurdering Grønt skjema Ingen behandling Alder / Kjønn / -brikke Oppfølging av fastlege Venteliste og Venteliste ikke vurderte og ikke henvisninger vurderte henvisninger Vurdering av innkommet DIPS DIPS dokumentasjon, alvorlighetsgrad Klar for Grønt skjema operasjon? Ingen behandling Ingen behandling Kontroll av ortoped For ytterligere kontroll av pasient for eventuell operasjon Alder / Kjønn / -brikke Informasjon om operasjon og rehabilitering Startid sluttid DIPS hofteskole Dato for planlagt innleggelse Prøver Labprøver, EKG, RTG Dato og klokkeslett for innleggelse Prøver Forberedelse til operasjon DIPS Labprøver, EKG, RTG Frisk? Postoperativt forløp Peroperativt forløp Alder / Kjønn / -Brikke Sengepost Postoperativ avdeling ut fra operasjonsavd til operasjonsstue til forrom / sluse til operasjonsavd. Forberedelser på operasjonsavd. Preoperative forberedelser Preoperative forberedelser (sykehus) Grønt skjema Tidspunkt operasjonsstart ferdig behandlet Kontroll Tidspunkt operasjonsslutt Overføring til sengepost Brukt utstyr Tid på operasjonsbordet Alder / Kjønn / -brikke Alder / Kjønn Kontrott eksklusive ruter Rehabilitering / Utskriving Poliklinisk kontroll klar for 3mnd. kontroll Gjøre klart for utskriving og DIPS oppfølging Prøver Epikrise, 3mnd. kontroll, Rehabsenter Etterkontroll DIPS Frisk! Reoperasjon Tidspunkt utskriving RTG Ferdigbehandlet? Oppfølging fastlege Legend: Process unit: Nummer = process unit with internal details Equipment SubEquipm ent Process unit: Nummer = new process unit = process equipment with names DIPS WEB WEB Name name = mass transfer signal from DIPS - EPJ = mass transfer signal from = mass transfer signal from WEB = mass transfer signal from WEB, for optional or backup use = mass transfer direction with name, primary route = mass transfer direction with name, secondary route 0:1 name = bar code reader Carrier = carrier with ID = matrix code reader = medical record in EPR or on Paper = parts recycle storeage = parts scrap storeage = operating time capture source Lab = collection of laboratory sample MainIdentif sample(s) ier Identifier = location of quality check WEB/PLC = a named process unit run Min amount : max amount per run = data capture from process unit (material / run) = materiel identifiers = client PC station text = a generic text (label, description, etc.) =Part of system which is planned to be replaced with new units.

8 Hvilken enhet/avdeling/linje i sykehuset Periode og interval Hvilket segment av behandlingslinjen Mislykkede Vellykkede Ikke Tilbakeholdte ferdige behandlinger pasienter Effektiv Ikke Tomgang planlagte behandlings bruk avbrudd tid time Fordeling Største av feilbehandlinger feilbehandlingsårsak Tilgjengelighet Kvalitet OEE Ytelse Tilgjengelighet Effektivitet Utnyttelse Fordeling Største av tomgangsårsak Fordeling Ikke ikke planlagt stopp årsak Steder med feilbehandling Steder med pasienter i behandling

9 Fra ide til virkelighet Ble kontaktet av engasjerte personer i SØ-HF Behandlingslinjer SØ-HF er ledende på behandlingslinje tankegang i Norske helseforetak Ligner industrielle produksjonslinjer Teste hypotese i relevante miljøer Samtidig skape forankring Hovedoppgave på NTNU Søknad og diverse kontraktsforhandlingsrunder Godkjent søknad med god/tilstrekkelig finansiering Sykehuset i Østfold: NOK Prediktor: NOK Innovasjon Norge: NOK Totalt: NOK Oppstart August Ferdig Desember 2011 Et ferdigutviklet systemkonsept der Industri løsningen er flyttet til Heleforetakets behov En spesifikasjonsmetode som tar utgangspunkt i Sykehusets virkelige prosessbeskrivelse To piloter der vi prøver ut teknkologien, Primære Hofteproteser og Triage En forretnings- og markedsplan Videre bruke prosjektresultater til å utvikle et nytt virksomhetsområde i Prediktor Håper på leveranser til nytt sykehus i Østfold

10 CAPAS OFU Prosjekt - CAre Pathway execution System Interessant ide, men høy risiko! Helsesektor (offentlig i det hele tatt) er en ny sektor for Prediktor Helt nytt type system for sykehusene ingen har hørt om det før Prediktor er allerede i sollid vekst i eksisterende markeder, 20-50% årlig Må finansiere vekst - ikke rasjonellt å investere i nye høy-risiko prosjekter Kostnadsberegninger OFU prosjekt > 20% av Prediktor s årlige (2008) omsetning Men det er betydelige synergier med eksisterende virksomhet OFU prosjekt med delfinansiering fra Innovasjon Norge reduserer finansiell risiko Sykehuset i Østfold er den rette partner Initiativtager Behandlingslinjer Sollid kompetanse hos ansatte Sollid forankring (2 ganger ;-) Nytt sykehus mulighet for nye systemer og nye tanker Videre for å redusere risiko Vi har involvert sentrale personer i Norsk Helse-IT miljø, samt politiske stakeholders i helse foretakene, i en referansegruppe.

11 Erfaringer så langt Sykehus-organisasjoner er komplekse Kompliserte forankrings og beslutningsprosesser Sett av tid til forankrings-, forhandlings- og søknadsarbeide Vi brukte ca 2 år før prosjektet var igang Å delta i og gjennomføre et OFU prosjekt, er også en læreprosess for den offentlige partner Prosjektkultur kan ta tid å etablere Risiko kartlegging essensielt Vi fikk full utelling på risikoantagelser: CAPAS Teknisk Risiko: En annen standardiserings virkelighet enn i industrien CAPAS Komersiell Risiko: Uklar kjøper rolle for systemer som sikter på effektivisering av pasientflyt CAPAS Politisk Risiko: Lagring av pasientinformasjon uten spesifisert formål Innovasjon Norge er en god støttespiller for bedriften Avklaring av kommersielle forhold mellom partene Trykke på de rette knappene for å besørge forankring og fremdrift i beslutningprosesser hos offentlig partner Tips finn en støttespiller med edderkopp -rolle i det offentlige partner organet

12 CAPAS Mål En sanntids datamodell av helseorganisasjonen Oppdateres automatisk gjennom storstilt bruk av sensorer og systemkommunikasjon Fordeler Sanntids KPI er rundt effektivitet, kvalitet og ytelse Multivariat dataanalyse på operasjonelt datalager Beslutningsstøtte på forskjellige organisasjonsnivåer Informasjons gateway for andre systemer