基于数据挖掘的医疗器械分销管理模式再优化研究

吴 涛 吴 波 王靖宇 王 昊

医疗器械分销管理中的分仓合理备货一直是分销管理的重点和难点[1]。基于我国地域辽阔这一特征，为快速响应医疗器械需求，医疗器械分销管理多采用总仓+分仓模式管理，但分仓备货量难以确定，备货过多可能导致大量近效期或过期货物产生，增加仓库运营成本；备货量不足又可造成缺货，仓库间频繁调拨，增加物流运营成本[2]。如何将分仓备货量控制在最佳水平，既能最大限度满足区域需求又能减少近效期或过期货物的产生尤为重要，也一直是分销管理的关注焦点[3]。数据挖掘(data mining，DM)技术可简单概括为通过计算机对大量复杂数据集的自动探索性分析[4]。DM过程包括数据准备、数据选择、数据预处理、数据缩减、确定数据库中知识发现(knowledge discovery in databases，KDD)目标、确定知识发现算法、DM技术、模式解释和知识评价9个关键流程，涉及数据库管理、人工智能、机器学习、模式识别及数据可视化等多个学科，是揭示存在于数据里的潜在模式及数据间关系的边缘学科，其应用领域广泛，对商业、工业及科学研究等领域均有着重要影响[5-6]。本研究选取某医疗器械公司医疗器械分销管理数据为研究资料，针对其管理数据进行现状分析，构建基于DM技术的分仓合理备货方案，完善医疗器械分销管理模式的再优化。

1 医疗器械分销管理与分仓备货现状

1.1 分销市场销售系统架构及备份管理

纳入研究的医疗器械公司配备完善的市场销售分析系统，系统架构包括数据获取层、数据存储层、应用层和访问层。①数据获取层：主要实现数据仓库模型建设、数据质量管理、数据源定义、数据抽取、转换清洗及加载等功能，数据源来自企业管理解决方案(systems applications and products in data processing，SAP)系统、Echo Plus系统、分销管理系统(distribution management system，DMS)以及企业资源计划(enterprise resource planning，ERP)系统等；②数据存储层：主要实现数据的存储与管理；③应用层：涵盖各种数据分析工具、报表及查询工具、DM工具及相关基于数据仓库或数据集市的应用；④访问层：是用户访问市场销售分析系统的窗口与平台。备份方式为网络自动化备份。市场销售分析系统架构见图1，备份流程管理见图2。

图1 市场销售分析系统架构

图2 市场销售分析系统备份管理流程

1.2 分仓备货

当前，医疗器械分仓备货量主要基于需求历史分析，其将商品按销售毛利进行备货设定，即选取商品10 d内的销售毛利，当毛利＜1000元时设置为10 d销售量，当毛利为1000～2000元时设置为20 d销售量，毛利＞2000元则按30 d销售量备货。这一备货方式难以满足医疗器械产品备货需求，因医疗器械往往同一个产品有多个规格，或同一型号有十余个尺寸，基于这一特殊条件，即使型号产品有库存，仍难以保证规格符合医院需求，因此，手术医疗器械的备货应综合产品型号+规格。

2 医疗器械分仓备货再优化研究

以纳入研究的医疗器械公司的一家分仓中人工晶体为例，基于DM框架建立分仓合理备货量计算模型，依据分销管理系统销售实施表，依次获取分仓覆盖区域、区域内客户清单、交易记录、交易年份、医疗器械类型以及对应医疗器械型号，获取该区域客户近5年的交易记录和近1年的交易记录，依据5年交易记录获得该区域常用的度数范围和该区域月平均交易数量(不分度数)，依据1年交易记录获取当前分仓的补货频率，再计算最佳备货量，若为多个分仓或多个型号则需重复计算。在人工晶体常用度数范围的确定流程中，需明确下述5方面的内容。分销管理系统销售实施表的多维星型分仓备货量计算模型见图3。

图3 分销管理系统销售多维星型分仓备货量计算模型

表1 2017年1-12月蓝光滤过型人工晶体交易数量(个)

2.1 明确有效交易纪录

商品交易类型分为销售和非销售2种。①销售：包括正常订货、寄售使用、销售退货及赠品；②非销售：包括样品和其他。其中正常订货、寄售使用及销售退货中的赠品和样品皆为有效交易类型(设备款除外)。

2.2 产品替代

产品替代是指结合产品的新老型号替代信息进行分析，老型号多为寄售使用，而新型号则多为正常订购，因此，在抽取需分析的交易记录时要充分考虑产品替代信息。

2.3 汇总近1年销售量

依据年度销售量计算月平均交易数量，即为每月需求数量的预估值。

2.4 度数范围确定

获得常用度数范围后由高至低排序，将常用度数范围设置为占80%以上交易数量的前N个度数。

2.5 最佳备货量

根据月平均交易数量和当前分仓补货频率计算常用度数总备货量，其计算为公式1：

常用度数总备货量=月平均交易数量÷分仓补货频率 (1)

再进一步计算各常用度数的备货量和非常用度数(偏度数)的备货量。常用度数范围确定流程见图4。

图4 常用度数范围确定流程

3 医疗器械分仓备货量计算模型及应用

3.1 分仓备货量计算模型

以公司某地区分仓库中人工晶体库存数据为研究资料，2017年1-12月人工晶体交易数量为1473个/年，月平均交易数量=1473÷12=122.75个，见表1。

当前分仓补货频率为4次/月，人工晶体常用度数的总备货量=122.75÷4=30.68个；根据2012年1月至2016年12月，5年交易的蓝光滤过型人工晶体数量，按照80%以上交易数量设置人工晶体的常用度数范围，考虑排序8～16交易数据的一致性，将20度、19度等排序1～16的16个度数均纳入常用度数范围，见表2。

表2 2012年1月至2016年12月交易的蓝光滤过型人工晶体度数

计算常用度数备货量=30.68÷16=1.92个，约等于2个，因此，将上述16个常用度数范围的最佳备货数量定为2个，其余非常用度范围的最佳备货数量为1个。按上述步骤依次计算屈光型人工晶体、非球面型人工晶体和多交焦点型人工晶体的最佳备货数量。

3.2 应用效果

实施分销管理再优化模式后，2018年8月，人工晶体紧急送货次数同比减少63.61%、环比减少50.00%，见表3。

4 讨论

传统的分仓备货管理，除公司使用的依据销售毛利备货外，还包括按商品物流属性以及按商品销售额设定等方式，这与按销售毛利备货均存在同样的局限性，难以满足医疗器械的规格要求[7-8]。尤其是与本研究人工晶体相类似的医疗器械，如心脏手术使用的支架或输液针型号等，此类医疗器械规格多，同一型号产品涉及十多种规格。因此，即使库存中有相应产品，但规格不符，同样难以满足医院需求，而过多的库存则增加近效期及过期商品的产生，加大仓库人力、租金等运营成本。由于备货不足造成的缺货，致使各分仓间频繁调货则增加物流等运营成本，且医疗器械的需求单位多数为各地各级医院，其配送方式多采取就近原则，若缺货便只能从总仓或其他分仓发货，而当前所采用的运输方式多为空运，其目的在于确保商品在次日能到达目的医院，该种紧急发货方式费用昂贵，频繁调货则使企业难以承受成本压力，而陆运则需长时间等待，时效性差，医院不愿意等待便可能选择其他公司产品，存在市场丢失风险[9-10]。因此，在医疗器械管理上，合理备货方案的制定必须将产品规格纳入考量范围。而应用何种方式能将分仓备货量控制在最佳水平，减少近效期及过期货物发生，又能满足市场需求，降低紧急送货频率显得尤为重要。

表3 人工晶体紧急送货次数统计(次)

本研究中的医疗器械公司虽已建立了庞大的数据库，但若无相应的技术手段对其进行整理和分析，管理者便难以分析数据存在的关系及规则，更不能从现有数据上预测未来走势，陷入数据爆炸的困境。依据DM技术，可从数据仓库中提取有效的数据，再通过对数据的分类汇总进行宏观分析来发现数据信息，从而为分销管理策略的制定提供更高的参考依据。本研究的分销管理模式再优化充分考虑医疗器械在产品型号及规格上的特殊性。一般情况下，如本研究所分析的人工晶体，其每个型号下可供选择的度数多达50余个，患者使用何种度数必须由专业仪器测试后才能确定，因此确定下一名患者使用何种度数是不能实现的。但基于DM框架，对现有分仓医疗器械销售信息进行分析，依据该分仓区域内历史记录进行常用度数范围分析便可明确下一名患者使用的度数范围，得出分仓每个月的用量大概范围，以此常用度数范围作为分仓备货的指导。本研究基于分销管理模式再优化的分仓备货量计算模型计算屈光型、非球面型、多焦点型和蓝光滤过型4种晶体的最佳备货量，并于2018年1月开始实施，2018年8月，4种人工晶体的紧急送货次数同比下降38.89%～82.35%、环比减少42.10%～75.00%，4种合计紧急送货次数同比减少63.61%、环比减少50.00%。显示基于DM技术的医疗器械分销管理模式再优化的分仓备货量计算模型能计算出分仓最佳备货量，可有效降低紧急送货次数。

5 结论

基于DM技术构建分仓合理备货方案，通过确定常用度数范围构建分仓备货量计算模型计算分仓最佳备货量，可有效减少紧急送货次数，降低物流运输成本。但也存在一定局限性，如尚未实现最佳备货量的自动计算，DM技术获得数据后仍需人工计算，增加了工作量，下阶段需构建最佳分仓备货量的智能管理，实现最佳分仓备货量的自动计算。