استفاده از روش های یادگیری ماشین در کاهش عدم قطعیت زنجیره تامین در حوزه سلامت و پزشکی

با وجود تلاش های سازمان جهانی بهداشت، انتقال خون و تحویل آن همچنان از چالش های اساسی در مدیریت زنجیره تامین خون به ویژه در شرایطی با تقاضای بالا و موجودی ناکافی محسوب می شود. بر این اساس، کاهش عدم قطعیت در تقاضای خون، کاهش هدررفت و رفع کمبود آن به یکی از اهداف کلیدی تبدیل شده است. در این مقاله یک رویکرد پلتفرم محور هوشمند برای ایجاد یک زنجیره تامین خون مقاوم ارائه می شود که قادر است با پیش بینی میزان جمع آوری و تقاضای خون، عدم قطعیت تقاضا را کاهش دهد و همچنین از طریق ایجاد تعادل بین جمع آوری و توزیع خون بر پایه مدیریت موثر موجودی به کاهش هدررفت و کمبود خون کمک کند. برای توسعه این سامانه هوشمند پشتیبان تصمیم گیری از الگوریتم های یادگیری ماشین و مدل های پیش بینی سری زمانی بهره گرفته شده است. پیاده سازی این سیستم منجر به بهبودهای قابل توجهی از جمله کاهش کمبود و هدررفت خون شده است. راهکار ارائه شده پیش بینی های دقیق و قابل اعتمادی ارائه می دهد و همچنین پیش بیننده های بالینی موثر در پیش بینی تقاضای خون را شناسایی می کند. در مقایسه با داده های تاریخی سال گذشته سامانه یکپارچه پیشنهادی موجب افزایش ۱۱ درصدی در حجم خون های جمع آوری شده، کاهش ۲۰ درصدی در هدررفت موجودی و کاهش چشمگیر در بروز کمبود شده است.

کلیدواژه ها:

زنجیره تامین ، خون مدیریت بانک ، خون الگوریتم های یادگیری ماشین ، مدل های پیش بینی سری زمانی