严娟
(达州市中心医院,四川 达州 635000)
在我国医疗改革持续深化的过程中,智慧医院已然成为当前医院建设的主要目标,同时也对医用耗材的精细化管理提出了更高的要求,因此传统的仓储模式与调配管理亟需得到有效的优化[1]。医院中所囊括的各类实验标本、药品试剂、消毒器械、医用耗材等医用物资,需要得到自动化与智能化的仓储管理,以便智慧医院流程效能的提升[2]。在医院日常开展教学实验与临床诊疗的过程中,均需使用大量的医用耗材,故实现医用耗材的精细化管理、保证医用耗材的正常流动极为关键。传统的医用耗材仓储管理模式通常以人力资源为主,这对管理效率与精度均存在一定的影响[3]。有鉴于此,本课题将采用智能仓储与调配管理系统,以期优化医用耗材的管理模式,提升管理的有效性与合理性,使得医院的正常运转与经营有所保障。
医院在日常运营过程中,使用的医用耗材种类较多,数量较大,往往会应用一个较为全面的医用耗材管理信息系统,对相关数据信息进行整理与分析。当前传统的医用耗材管理信息系统缺乏健全性,仅能实现部分基本功能,如医用耗材的入库与出库、科室领用、财务结算等等[4-5]。然而上述功能无法助力于实现医用耗材的精细化管理,难以对各项医用耗材的实际收费情况等进行有效的监管,其中尤以低值医用耗材的管理为主,其流程如图1所示。
图1 医院现行医用耗材管理流程示意图
图1 中呈现了当前医院应用的低值医用耗材的管理流程,该流程主要分为三个步骤。首先需要院内所有病区对自身低值医用耗材的需求情况与余量进行统计,结合病区情况来确定领用量,即可发出相应的领用申请[6]。随后则由院内的物流中心审核病区所发出的领用申请,若库房中的低值医用耗材余量可满足病区领用申请的要求,即可按照交付申请、收集出库单、计算成本等程序进行耗材的派发;若库房耗材余量无法满足申请要求,则需向耗材供应商发送采购订单[7]。最后,供应商按照采购订单进行备货与配送,低值医用耗材经由库管人员验收后,财务部完成付款操作。该流程过于繁琐,难以保证相关医用耗材管理的有效性与及时性。基于此,此次课题设计了医用耗材管理信息系统架构,详见图2。
图2 面向精细化管理的医用耗材管理信息系统架构
通过图2可知,在该系统架构中,主要囊括6个不同的层次。感知层作为整个系统架构中用以获取医用耗材信息的基础,其中包含了温度传感器、湿度传感器、射频识别技术(Radio Frequency Identification , RFID)读写器等[8]。支撑层是指为信息系统的开发运维提供支撑的软件条件与硬件条件的总称。资源层,主要是指不同类型的数据资源,如耗材数据库等,能够帮助实现信息系统的有效管理[9]。基础构件层,主要划分为三个组成部分,即系统构件、模型应用、大数据处理。平台服务层包含高级服务与业务服务,前者主要是指耗材的供应、管理、需求预测等;后者则包含院内物流的精细化管理、医用耗材的供应采购平台等内容。用户层面向五个主要的最终用户服务。
医用耗材库存管理的合理性与高效性,对医院的正常运作起着决定性的作用。库存需要耗费大量的人力成本与仓储成本,还会产生医院资金占用的机会成本。尽管如此,为了规避医用耗材出现短缺的风险、维护医院的正常经营,医用耗材库存管理不可或缺。通常情况下,对医用耗材进行需求预测的模型具有一定的丰富性与多样性,主要包含移动平均法、灰色预测分析、线性回归分析等,然而医用耗材的需求变化往往表现出一定的非线性趋势,且具有显著的波动性,因此使得对医用耗材进行预测的难度有所增大[10-11]。区别于常用的需求预测分析模型,三次指数平滑预测法能够将预测对象的历史数据作为参考,忽略其中存在的影响因子,准确地对未来的变化趋势进行预测。该种预测方法首先需要对预测对象的原始序列进行设定,令其为y1,y2,y3,…,yt,且t时刻的指数平滑值为,故可得到在t时刻下的一次指数平滑值,如式(1)所示。
式(1)中,α表示平滑系数,且α的取值范围为[0,1],其取值越大,表示对新数据的重视程度越高,所获取的预测结果将具有更高的灵敏度。根据式(1)可知,原始序列值yt,yt-1,yt-2的权重分别为α,(1-α),α(1-α)2,故在对预测对象进行预测时,与当前时刻距离越远的历史数据,其产生的影响越小。对式(1)进行变换可得式(2)。
据此可获取到相应的预测公式,如式(3)所示。
由于采用一次指数平滑法进行预测所获取到结果的准确性较差,且预测对象的时间序列变动会存在非线性的情况,因此需要对预测方法进行一定的优化处理,旨在提高其预测准确性,三次指数平滑值详见式(4)。
对应的预测模型如式(5)所示。
在式(5)中,at、bt、ct分别表示预测系数,T表示预测超前期数。
传统的仓储管理多为人工模式,所有医用耗材的存放、提取、清点、统计等均会在一定程度上受到人为因素的影响,造成仓储管理的效率低下、缺乏实时性与便利性。在此次课题中,根据三次指数平滑预测的方式,构建智能仓储与调配管理系统,主要从五个方面着手。首先利用智能仓储与调配管理系统中的物资管理结构,对所有医用耗材的包装名称作为唯一的检索标准,消除传统管理模式中医用耗材自定义称谓的影响。随后则开发设计了智能化的医用耗材拣选系统,其框架图如图3所示。
图3中呈现出该拣选系统基于控制器局域网络(Controller Area Network , CAN)总线结构,且将指示灯光模块等不同功能的构件连接至CAN上,借助交换机及相关数据库,完成有效的信息交互[12]。在实际的应用过程中,该系统可为所有医用耗材分配与其相对应的电子标签,用以清晰地显示其包装名、规格、库存余量等信息。第三个方面主要是指在医用耗材在入库的时候,系统将根据医用耗材订单,点亮对应医用耗材所在货架的指示灯,便于库存管理人员及时取出订单中所包含的医用耗材;在核对无误后完成入库,并对仓储数据进行相应增加。在第四个方面中,主要由智能医用耗材称重计数系统承担仓储管理的职责,其结构详见图4。
图3 智能医用耗材拣选系统的框架结构
通过图4可知,在申请通过后领用相应的医用耗材时,对应的医用耗材均会由该称重计数系统进行核验,在压力传感器与称重基座的共同作用下,系统可获取到医用耗材的实际取用数量;随后通过专门的网络接口,将智能医用耗材称重计数系统与医院的库存管理系统进行连接,最终达到数据交互的目的。第五个方面主要是指在每次定期进行盘点的过程中,首先点亮所有的电子标签指示灯,完成某类医用耗材的盘点时,即刻关闭该耗材所在的指示灯,避免盘点过程中出现重复或遗漏的现象。
图4 智能医用耗材称重计数系统的框架结构
在此次课题中,针对某医院低值医用耗材的库存原始数据,采用本课题所提出的预测模型对其进行验证。选择2020年1月至12月无菌注射器的使用量作为预测参考,根据无菌注射器每个月用量的变化规律,对其未来需求进行预测。为确保预测结果的准确性,首先选择不同取值的α进行试算,其结果详见图5。
图5 不同α 取值条件下实际用量与预测值的比较结果
据图5可知,要保证该低值医用耗材的实际用量与预测值之间的误差最小,α的取值应确定为0.4,即平滑系数的实际应用值为0.4;随后结合式(1)至式(5),并将T值定为1,即可求解出相应的医用耗材预测值;最后以2020年部分月份医用耗材的预测值与实际用量作为基本数据,求取二者之间的平均误差,其结果如表1所示。
通过观察表1可以看出,采用一次指数平滑预测法对医用耗材数据进行预测,所获取到的预测值与耗材实际用量之间的相对误差为0.18;而三次指数平滑预测值与实际用量间的相对误差较低,仅为0.15。因此三次指数平滑法的预测准确性更强,可更好地反映医用耗材的实际情况,且为了保证医用耗材的安全供应量,还应当在实际的预测过程中,将所获取到的医用耗材预测值乘以一个安全系数,确保医用耗材的存储量可完全满足医院日常使用的需求。
表1 一次指数平滑法与三次指数平滑法预测值及相对误差比较结果
此次课题采用三次指数平滑预测法,针对医用耗材的入库、领用、统计、预测等均进行了一定的优化,取得了较好的应用成效。为了直观地看到在该系统应用前后的管理效果,对所有对比项目的管理效果均进行了量化处理,对智能仓储与调配管理系统与传统管理系统所包含的各项比较项目进行评价,若应用效果较差,酌情给予0~3 分;若应用效果一般,酌情给予4~7分;若系统的应用管理效果较好或极好,则打出8~10 分的分数。选择50 名管理工作人员进行评分,取平均值进行比较。以10分为满分,对比结果如表2所示。
表2 系统在应用前后的量化评价结果比较
观察表2可知,在操作方式、监管来源、数据信息化程度等方面的比较中,智能仓储与调配管理系统的量化评价结果较优,其各项指标的量化评价得分均保持在8.50 以上,显著高于传统人工管理系统。在操作方式方面,所有医用耗材的入库、出库、盘点等流程均采用智能化的处理技术,极大地提高了仓储管理的效率,摆脱了传统人工管理系统中的人工配单、查找、盘点等繁琐流程。在准确程度方面,智能仓储与调配管理系统采用智能化的数据处理方式,有效规避了由人工随意性等因素造成的误差风险。这显示出基于智能仓储与调配管理系统的医用耗材管理具有一定的优越性,能够提高管理的精细化程度与有效性,助力于医院的正常经营。
随着现代医院的持续发展,医用耗材的使用、管理等日渐复杂。为了实现对医用耗材的精细化管理,此次课题采用基于三次平滑指数法的智能仓储与调配管理系统,对医用耗材的入库、出库、需求预测等管理项目进行了有效的优化。结果显示,将智能仓储与调配管理系统应用至医用耗材管理中,能够有效提高预测精度与管理效率,该系统应用效果的量化评价得分均值为8.86,显著高于传统人工管理系统量化评价得分均值,后者仅为6.10。这显示出基于智能仓储与调配管理系统的医用耗材管理可达到精细化管理的目标,可在现代医疗发展中发挥积极作用。但本课题实验数据来源仅为一家医院,全面性有所欠缺,未来将加以改进。