ارائه مدلی جهت پیش بینی تقاضا در زنجیره تامین پلاکت خون با رویکرد شبکه عصبی مصنوعی و مدل های آریما

سابقه و هدف یکی از مباحث عمده در سیستم های بهداشت و درمان جهانی، مسئله بهبود عملکرد زنجیره تامین و عدم قطعیت موجود در تقاضا می باشد. هدف مطالعه حاضر، پیش بینی میزان تقاضای پلاکت خون با مدل های شبکه عصبی مصنوعی و آریما، در زنجیره تامین سازمان انتقال خون استان سیستان و بلوچستان بود.
مواد و روش هادر این مطالعه کاربردی، داده های مربوط به تقاضا برای 8 نوع پلاکت خون در بازه زمانی سال های 1390 لغایت 1394 از مرکز انتقال خون زاهدان جمع آوری گردید. سپس با بهره گیری از مدل های شبکه عصبی مصنوعی و آریما، پیش بینی تقاضای روزانه انجام پذیرفت. در انتها با توجه به معیار ارزیابی کارآیی MSE ، نتایج به دست آمده از روش های مذکور با هم مقایسه شدند. تحلیل داده ها با نرم افزارهای MatlabR2016b وEviews 6 انجام شد.
یافته هانتایج این مطالعه حاکی از دقت بالای مدل های شبکه عصبی و سپس آریما نسبت به روند فعلی سازمان بود. دقت میانگین با توجه به MSE دو مدل مذکور برای انواع پلاکت عبارتند از: (0048/0 ± 0132/0)O+ ، (0041/0 ± 0115/0) O- ، (0043/0 ± 0205/0) A+ ، (0033/0 ± 01085/0) A- ،(0086/0 ± 0221/0)B+ ، (0009/0 ± 0045/0) B- ، (0031/0 ± 0136/0) AB+ و (0005/0 ± 0034/0) AB- که به ترتیب بیانگر میانگین و انحراف معیار خطا می باشد.
نتیجه گیرینتایج این مطالعه نشانگر دقت بالای مدل های شبکه عصبی مصنوعی و سپس آریما در پیش بینی تقاضای پلاکت خون است. لذا استفاده از مدل های شبکه عصبی مصنوعی جهت پیش بینی تقاضا به جای روش های پیش بینی آماری رایج در مراکز انتقال خون قابل توصیه می باشد.