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

چکیده سابقه و هدف یکی از مباحث عمده در سیستم­های بهداشت و درمان جهانی، مسئله بهبود عملکرد زنجیره تامین و عدم قطعیت موجود در تقاضا می­­باشد. هدف مطالعه حاضر، پیش بینی میزان تقاضای پلاکت خون با مدل­های شبکه عصبی مصنوعی و آریما، در زنجیره تامین سازمان انتقال خون استان سیستان و بلوچستان بود. مواد و روش ها در این مطالعه کاربردی، داده­های مربوط به تقاضا برای ۸ نوع پلاکت خون در بازه زمانی سال های ۱۳۹۰ لغایت ۱۳۹۴ از مرکز انتقال خون زاهدان جمع آوری گردید. سپس با بهره گیری از مدل­های 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 روش­های مذکور با هم مقایسه شدند. تحلیل داده­ها با نرم افزارهای MatlabR۲۰۱۶b وEviews ۶  انجام شد. یافته ها نتایج این مطالعه حاکی از دقت بالای مدل­های 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: (۰۰۴۸/۰ ± ۰۱۳۲/۰)O+  ، (۰۰۴۱/۰ ± ۰۱۱۵/۰) O- ، (۰۰۴۳/۰ ± ۰۲۰۵/۰) A+ ، (۰۰۳۳/۰ ± ۰۱۰۸۵/۰) A- ،(۰۰۸۶/۰ ± ۰۲۲۱/۰)B+ ، (۰۰۰۹/۰ ± ۰۰۴۵/۰) B- ، (۰۰۳۱/۰ ± ۰۱۳۶/۰) AB+ و (۰۰۰۵/۰ ± ۰۰۳۴/۰) AB- که به ترتیب بیانگر میانگین و انحراف معیار خطا می­باشد. نتیجه گیری نتایج این مطالعه نشانگر دقت بالای مدل­های شبکه عصبی مصنوعی و سپس آریما در پیش بینی تقاضای پلاکت خون است. لذا استفاده از مدل­های شبکه عصبی مصنوعی جهت پیش بینی تقاضا به جای روش­های پیش بینی آماری رایج در مراکز انتقال خون قابل توصیه می باشد.

کلیدواژه ها:

Key words: Blood Platelets ، Arima ، Blood Transfusion ، کلمات کلیدی: پلاکت های خون ، آریما ، انتقال خون