| استفاده از روشهای یادگیری ماشین در کاهش عدم قطعیت زنجیره تامین در حوزه سلامت و پزشکی |
| کد مقاله : 1214-NAEC |
| نویسندگان |
|
مهدی افراسیابی مجرد *1، علی اصغر باقری2، علی عباسی3 1Department of Computer Engineering,Tan.C., Islamic Azad University, Ahram, Iran 2استان بوشهر برازجان دانشگاه ازاداسلامی واحد دشتستان 3تنگستان اهرم دانشگاه ازاد |
| چکیده مقاله |
| با وجود تلاش‌های سازمان جهانی بهداشت، انتقال خون و تحویل آن همچنان از چالش‌های اساسی در مدیریت زنجیره تأمین خون، به‌ویژه در شرایطی با تقاضای بالا و موجودی ناکافی، محسوب می‌شود. 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 پلتفرم‌محور هوشمند برای ایجاد یک زنجیره تأمین خون مقاوم ارائه می‌شود که قادر است با پیش‌بینی میزان جمع‌آوری و تقاضای خون، عدم قطعیت تقاضا را کاهش دهد و همچنین از طریق ایجاد تعادل بین جمع‌آوری و توزیع خون بر پایه مدیریت مؤثر موجودی، به کاهش هدررفت و کمبود خون کمک کند. برای توسعه این سامانه هوشمند پشتیبان تصمیم‌گیری، از الگوریتم‌های یادگیری ماشین و مدل‌های پیش‌بینی سری‌زمانی بهره گرفته شده است. پیاده‌سازی این سیستم منجر به بهبودهای قابل توجهی از جمله کاهش کمبود و هدررفت خون شده است. راهکار ارائه‌شده، پیش‌بینی‌های دقیق و قابل اعتمادی ارائه می‌دهد و همچنین پیش‌بین‌کننده‌های بالینی مؤثر در پیش‌بینی تقاضای خون را شناسایی می‌کند. در مقایسه با داده‌های تاریخی سال گذشته، سامانه یکپارچه پیشنهادی موجب افزایش ۱۱ درصدی در حجم خون‌های جمع‌آوری‌شده، کاهش ۲۰ درصدی در هدررفت موجودی و کاهش چشمگیر در بروز کمبود شده است. |
| کلیدواژه ها |
| زنجیره تأمین خون، مدیریت بانک خون، الگوریتم‌های یادگیری ماشین، مدل‌های پیش‌بینی سری‌زمانی |
| وضعیت: پذیرفته شده |
