Socialstyrelsen (2015) visar i en rapport från 2015 att tiden en patient vistas på en akutmottagning ökar för varje år. Detta gäller vid alla akutmottagningar i Sverige. Den här studien syftar till att undersöka hur data mining kan appliceras för att effektivisera planlösningen på akutmottagningen vid Skånes universitetssjukhus med hjälp av positioneringsdata. Genom att effektivisera planlösningen kommer vistelsetiden för patienter att minska. TagOn är ett forskningsprojekt, vars syfte är att samla in positioneringsdata från Skånes universitetssjukhus. Positioneringsdata från olika objekt, som exempelvis katetervagn, thoraxdrän och akutväska samlas in genom ett Internet of Things-baserat system. I vår studie har sedan data hämtats genom olika anrop till API:et som TagOn:s system tillhandahåller. Detta görs genom Postman, som är ett verktyg för att hämta data från olika API:er. Rådata som hämtades från TagOn gjordes sedan om till CSV-filer. Filerna kunde sedan analyseras med hjälp av data mining. Efter att gått igenom processen informationsupptäckt från data, tillämpades algoritmen simple K- means för att klustra ihop positioneringsdata. När sedan data från TagOn analyserats i Weka visualiserades resultatet för varje objekt i form av koordinater, där objektets omkrets för hur det rört sig visas. Koordinaterna mappas till akutmottagningen vid Skånes universitetssjukhus verkliga position. Därefter har två utgångspunkter för de olika objekten tagits fram. Den ena utgångspunkten är mittpunkten för det område objektet befunnit sig i, inom en viss tidsperiod. Den andra utgångspunkten är det område som objektet befunnit sig mest i under en viss tidsperiod. Resultatet visar på att det med hjälp av data mining går att effektivisera planlösningen på akutmottagningen vid Skånes universitetssjukhus.

The National Board of Health and Welfare (2015) shows in a report from 2015 that the time a patient stays at an emergency reception increases for every year. This applies to all emergency receptions in Sweden. With this study we want to show how one can apply data mining to streamline the construction plan at the emergency reception in Skånes universitetssjukhus with indoor positioning data. TagOn is a research project, with the purpose of collecting data from the emergency reception at Skånes universitetssjukhus. TagOn collects data from different objects that exist within this emergency reception through an Internet of Things system. Data has then been collected from this system by different calls to the API that TagOns’ system provides. This was done through Postman, which is a tool for collection of data from an API. The raw data we collected was later converted into CSV-files. The CSV-files could later be analyzed with data mining. After doing the Knowledge Discovery from Data process, we applied the algorithm simple K- means with clustering. Later on, when the data from TagOn had been analyzed in Weka, the result was displayed for each of the objects in form of coordinates, for where the object's perimeter is displayed. The coordinates were later mapped to the emergency reception at Skånes universitetssjukhus real position. Based on these coordinates, two starting-points could be found. One starting-point is based on the center for where the area where the object has been. The other starting-point is based on where the object has been the most during a specific time-period. The result shows that with applying data mining, it is possible to make the construction plan more effective.