לאחרונה השיק משרד הבריאות אפליקציה שתומכת בהחלטה "לאיזה חדר מיון ללכת?". לאפליקציה מתוכננים שני חלקים. בראשון "יוצג מידע על זמן הנסיעה למרכזי רפואה דחופה (מלר״ד), ומידע על זמני ההמתנה הצפויים"; בשני "יימסר מידע אודות התחנות במלר״ד". המצב כרגע הוא שרק היישום הראשון בחלק הראשון ממומש; אין הערכה למתי ימומשו החלקים הנוספים. ומדוע להתחיל את סיכום מחקרינו בדוגמא הנ"ל? משתי סיבות: ראשית, היוזמה לפיתוח היא פועל ישיר של מחקרנו. שנית, המחקר שלנו תומך בדיוק במימוש החלקים הלא מיושמים באפליקציה זו, ובפרט אמידת זמני המתנה – לפני הגעה למיון ותוך כדי התהליך בו. מחקרנו כלל ניתוח השפעות של מתן תחזיות של משכי המתנה ברשת מלר״דים אמריקאית. לניתוח שתי מטרות: ראשית, להבין אם הפונים למיון השתמשו במידע; ושנית, לנתח את איכות והשפעת המידע שפורסם. נמצא כי המערכת הביאה לשיפור של כ-20% במשך ההמתנה ב-80% מהרשת. מאידך, התגלה חוסר יציבות והידרדרות של משכי המתנה ב-20% בקרב המלר״דים הנותרים. בניתוח מעמיק התברר שאחוז גבוה של לקוחות אסטרטגיים (המשתמשים במידע), וחישוב תחזיות על בסיס ממוצע של מספר רב מדי של השעות האחרונות (4 שעות ברשת הנ"ל), עלולים להוביל לחוסר יציבות של מופיעים למלר״ד, וכתוצאה מכך, להידרדרות במשכי ההמתנה. הראנו שהתנהגות אסטרטגית של רק 10%-15% מהפונים, על בסיס תחזיות מדויקות יותר, עשויה להביא לשיפור של כ-50% במשך ההמתנה. במחקר המשך, פיתחנו שיטות לחיזוי זמני המתנה המבוססות על תורת התורים. מלר״ד הוא דוגמא לרשת שירות מורכבת שבה סוגים רבים של לקוחות העוברים סדרה של פעולות (לדוגמה: בדיקה, צילום), בתהליך גמיש שאינו ידוע מראש. דוגמאות נוספות לרשתות שירות הן בתי המשפט ומערכות תחבורה, ובכולן מעניין את הלקוחות לקבל אינפורמציה אמינה על הצפוי להם. כחלק מתוכנית המחקר יושמו שיטות החיזוי שבנינו באפליקציה למטופלים במרכז הרפואי כרמל. המערכת מאפשרת לקבל מידע אישי דינמי על שלבי תהליך הטיפול, זמני המתנה המשוערים לכל שלב וזמן שהות משוער במלר"ד. בדקנו את השפעת המערכת על חווית השירות של מטופלים ומלוויהם. הממצאים הראו כי אחוז המשתמשים במערכת הגיע ל-30%. מטופלים שהשתמשו במערכת דיווחו על הבנה טובה יותר של הליך הטיפול וכתוצאה מכך היו יותר שבעי רצון, הביעו פחות רגשות שליליים, והביעו אמון רב יותר בבית החולים, בהשוואה למטופלים שלא השתמשו במערכת. למחקרינו השלכות מעבר למערכות בריאות. למשל, ניתן להשתמש במתן מידע על משכי המתנה כדי להשפיע על החלטות הממתינים לשירות: האם לחכות לשירות או לנטוש. ואכן, נתונים ממוקדי שירות טלפוניים אפשרו לענות על השאלה של מתי, אם בכלל, להודיע על משכי המתנה צפויים; זאת כאשר במקביל מחליטים על מספר המוקדנים הנדרשים כדי להעניק שירות ברמה מתוכננת מראש.