医疗设备维修备件库存控制与耐用性分析探讨

周晟汀，毛一荐，马成群，郭宇峰，王子洪

在医疗技术服务中，医疗设备是诊疗工作顺利实施不可缺少的部分[1]。为确保良好的设备工作状态，医疗设备的维修、维护工作不容忽视，它在提高医疗设备的完好率，最大效益地发挥医疗设备效用，保证医疗、教学、科研工作的正常开展等方面起着至关重要的作用[2~4]。 而在维修、维护链路中，维修备件又是实施维修、维护工作的必要物质基础，良好的维修备件库存与质量管理不仅有助于缩短维修时间，提高医疗设备使用率，同时能够有效避免备件库存积压，提高备件周转率，避免造成医院资源浪费[5，6]。

目前关于医院医疗设备维修管理的研究大多集中在数字化管理[7，8]、工程师培训[9]、维修模式探索[10~12]等方面，针对维修链路中维修备件管理投入的关注较少，甚至被忽视，多数医院仍是沿用传统粗放管理模式[13，14]。在这种模式下，维修备件的日常管理比较主观，对于维修备件预警库存量、订货量设置随意、备件选购也比较盲目，缺乏理论依据与数据支撑，使得维修备件管理总处于被动形势。为提高维修备件管理水平，改善维修备件供保现状，更好地服务于临床，以下突出问题亟需解决。①维修备件库存控制不精准。当前医院备件库，一般由工程师维修中认为更换频度较高且市场供应充足的维修设备配附件组成，包括监护仪附件、无影灯灯泡、冷光源氙灯、呼吸机氧电池、流量传感器等[15]。在实际管理中，由于维修工程师关注点偏向于医疗设备运行稳定性，加之维修备件采购需要一定周期，在维修备件提需上往往习惯“多而全”，在维修备件品类上偏向尽量多买， 而维修备件管理人员若不经过分析盲目采购，就会导致部分维修备件库存积压，周转率降低，有些甚至超出有效期，造成浪费；另外维修备件管理人员在收发维修备件、日常盘点、缺货预警时对维修备件预留库存设置偏主观，在维修备件余量多少时提需采购把握不准确，常会导致在采购周期内维修备件已领用完，维修时无维修备件可用的情形。为保障临床维修备件供应，同时不造成库存积压，对于维修备件库存精准控制显得尤为重要。 ②维修备件选购缺乏依据。 医疗设备维修备件库中多为常规维修备件，由于市场供应充足，同类维修备件一般有多个品牌可供选择。 较长使用寿命的维修备件能够缩短故障维修周期与频次，降低对医护人员临床工作的影响，因此对于临床使用科室来说， 维修备件的耐用性要更受关注。然而，当前维修备件选购时，对于维修备件耐用性评价往往依据临床科室人员与维修工程师的个人主观感受为参考，不可避免存在局限性和偏见性，因缺乏客观数据支撑，不能准确了解备件耐用程度，并不利于维修备件的选购。 为此有必要对已用维修备件的耐用性进行调研分析，指导选购更优的维修备件。

1 材料与方法

1.1 实验材料

选择某院近2 年内某品牌监护仪的血氧探头库存管理数据，内容包括血氧探头的出库时间、出库数量、库存余量；近1 年内监护仪心电导联线的损坏记录数据，包括每条心电导联线的品牌型号、申领时间、损坏时间。

1.2 方法

1.2.1 维修备件库存控制方法

1.2.1.1 维修备件预期需求量分析 为避免出现维修备件库存积压或短缺，首先需了解维修备件预期需求量，利用预测需求量来指导库存设置。 采用指数平滑法来预测维修备件下个采购周期的更换需求量，它是一种利用过去值的加权值来预测将来值的方法，其特点是既考虑历史所有维修情况对预测影响，又给予不同时期、不同影响权重，近期数据被赋以较大的权重，远期数据被赋以较小权重，符合维修备件消耗这种无明显变化趋势， 但前后有一定关联的应用场景。运用中， 截取Tinterval时间段内备件的库存管理数据，设维修备件常规采购周期为T （从提出采购计划、逐级审批、备货送货到配送入库所需时间），把截取的时间段按采购周期分为n 份。统计维修备件在该时间段内每个采购周期内维修备件更换量，设第t 个周期内维修备件更换量为Yt， 则维修备件下一周期需求预测量可由通用式得出：

其中：Ft+1为t+ 1 期的指数平滑趋势预测值；Ft为t期的指数平滑趋势预测值；Yt为t 期实际观察值；α为权重系数，取值范围0~1。

为获得n+1 期维修备件需求预测值Fn+1， 根据表1 按通用公式（1）逐级推导，得出如下公式（2）：

表1 维修备件一次指数平滑预测Tab. 1 Single exponential smooth prediction of maintenance spare parts

从展开式中可知，如要得出n+1 期维修备件需求预测值，除获得每期维修备件更换数据外，还需确定第一期预测值和权重系数。但数据中并没有第一期预测值， 一般情况取前三期的实际观察平均值来代替；另外就是权重系数的确定，指数平滑预测是否理想，很大程度上取决于权重系数，为得到较优值，权重系数从0 至1 以0.1 步长递增，按照预测平均误差平方和Serror最小原则确定权重系数的值， 其中Serror=（E1+E2+ …+En）/n。 见表1。

1.2.1.2 维修备件最大消耗量确定 为取得近期维修备件最大换件量以指导订货量， 采用滑窗法来计算该值， 它是一种处理连续数据序列较为流行的方法，通过对数据流按窗长以适宜步长进行切分，并对每个窗长内数据进行统计分析， 能够全面考虑数据流内所有数据特征，避免截取固定数据带来的误差。运用中，截取近期Tnear时间段维修备件消耗数据，每个黑点表示维修备件更换记录， 并按更换维修备件时间顺序排序（图1）；取任意相邻两次更换时间最短间隔为△t，以采购周期为窗长，以最短间隔时间为滑动步长，共有Q 个统计值，满足Q = （Tnear- T）/△t +1；统计所有窗口内维修备件更换量li（i = 1，2，…，Q）， 则近期在采购周期时间内最大换件量M=max（l1，l2，…，lQ）。

图1 窗长T 内维修备件更换量Fig.1 Replacement amount of maintenance spare parts in window length T

1.2.2 库存控制方法具体实现

维修备件库存控制方法的具体实现流程图如图2。在设定采购周期后，基于前文提出的指数平滑法和滑窗法可分别得到下个周期预测值及近期最大换件量。考虑到维修备件购置需经历签字、审批、备货、配送等一系列流程，花费时间长，为确保医疗设备及时维修，在维修备件库存量接近预警值时需及时订购补充，这里将维修备件预警库存量设置为维修备件下个周期预测值，以满足下个采购等待期的使用需要。同时为得到合适的订货量，设定订货量=最大换件量+（需求预测值-现有库存量），以保证足够的循环库存余量，又不会引起库存积压。在维修备件库存日常盘点时，对于接近维修备件预警库存的各类维修备件，按上述方法计算出不同维修备件的订货量后，就可以提需采购了。

图2 维修备件库存控制方法实现流程图Fig.2 Flow chart of maintenance spare parts inventory control method

1.2.3 维修备件耐用性分析方法

维修备件生命周期时长概率分布。 在同样的外界使用环境下， 维修备件生命周期能够反映维修备件的耐用性，生命周期长说明维修备件耐用性高，生命周期短则耐用性低。 为此，通过维修备件生命周期时长概率分布来分析维修备件的耐用性。 其中单个维修备件的生命周期通过如下方法获得， 首先维修备件申领时在维修备件上标记领取时间并记录下来，当备件损坏后，工程师需将损坏备件拿回库房再申领新的维修备件，并记录已损维修备件损坏时间，两个时间记录间隔即为该维修备件生命周期时长。运用中， 提取一段时间内某品牌维修备件的历史损坏记录，并按维修备件的生命周期时长大小排序，统计生命周期时长等于ti时的备件数量和为Xi， 则与不同生命周期时长对应备件数量分别为X1，X2， …，Xn，且该时间段内所有损坏备件数量和为X；同时得出维修备件生命周期时长等于ti时的概率Pi=Xi/X，并按概率累加方式得出维修备件生命周期时长小于ti的概率Pt=P1+P2+ …+Pi（图3）。

图3 维修备件生命周期时长概率分布图Fig. 3 Probability distribution diagram of life cycle length of maintenance spare parts

1.2.4 维修备件耐用性分析方法实现

基于上述维修备件生命周期时长概率分布，提出两个衡量维修备件耐用性的指标参数（图4）：维修备件平均生命周期时长Taverage及极大生命周期时长T95%。其中平均生命周期时长代表该品牌维修备件在使用中的平均使用寿命； 极大生命周期时长表示该品牌的维修备件在使用中，其使用寿命大概率（95%）不超过的天数。

2 结果

2.1 维修备件库存控制实践

将维修备件库存控制方法应用在某院监护仪血氧探头的库存管理中， 依据经验将采购周期设为30 d，截取近720 d 库存管理数据，统计各周期时间内的血氧探头消耗量，计算出第一期预测值为5 个，调节权重序数在0.6 时平均误差平方和最小，进而得到预期需求量为24 个。另截取最近60 d 内的备件消耗记录，得出滑动步长2 d，取得滑动窗口内最大配件消耗量为33 个。 结合当前实际库存仅6 个，远低于预警库存，已无法满足临床维修需求，于是先紧急调货20 个；同时运用该方法进行库存管理，因当前库存为26 个，故申请常规采购订货31 个，之后库存短缺现象未再出现。 后续将该方法逐步运用于心电导联线、呼吸机氧电池等常规备件管理上，维修备件短缺或过剩情况得到有效改善， 临床服务水平得到明显提升。

2.2 维修备件耐用性分析实践

将维修备件耐用性分析方法用在某院监护仪心电导联线的耐用性研究中， 提取损坏记录数据中两种不同品牌型号心电导联线的申领时间与损坏时间，统计其生命周期时长，分别得到两种心电导联线的生命周期时间概率分布， 其中A 品牌心电导联线损坏记录50 条，B 品牌心电导联线损坏记录44 条。通过计算生命周期时长数学期望得到两种心电导联线的平均生命周期时长分别为139 d 和165 d， 并利用累加概率获得两种心电导联线的极大生命周期时长分别为234 d 和254 d。 比较两种品牌的平均生命周期时长与极大生命周期时长可知，B 品牌的监护仪心电导联线耐用性更佳。 在后续维修备件购置中，能够综合这两个指标参数分析同类不同品牌备件的耐用性，以指导维修备件订货品牌的选择。

3 讨论

充足的维修备件库存能够使医疗设备在出现故障的第一时间得到维修，降低医疗设备宕机时间，保障医疗设备的运行效率与维修效率[16]；而医疗设备备件存储过多又会导致库存积压， 医疗设备备件在长期贮存过程中也对备件的质量产生不良影响， 甚至降低医疗设备的维修质量， 影响其安全稳定运行效率，同时导致库存压力增大，人力、场地成本增多，造成医院资源浪费。 文中提出的维修备件库存控制方法， 能够依据历史数据科学动态指导维修备件预警库存设定和维修备件购置量设定， 确保维修备件库存不积压不断供，实现维修备件库存的精细化管理。

为实现维修备件的储采闭环管理， 除维修备件库存的精准控制外， 其订购品牌的合理选择也同样重要。 针对备件品牌的选购，必然要考虑质量、价格等因素， 鉴于当前多数原装品牌的维修备件价格过高，在选购时大多会倾向于兼容性维修备件。 而随着兼容性维修备件市场逐步饱和，不同品牌兼容性维修备件价格差异逐渐缩小，再加上临床使用科室对备件耐用性的关注程度，笔者提出了两个衡量维修备件耐用性的指标参数，可为维修备件的选购提供有价值的决策依据， 以改善维修备件选购中主观盲目现状，更好地保障临床使用。

笔者在维修备件库存管理方面提出了一些优化维修备件库存控制和维修备件耐用性分析的方法，但是实际操作中每次更新维修备件库存后需要调用该方法再次计算备件预警库存量和订购量，该方式不够方便，后期将加强信息化方面建设，将维修备件库存历史信息及算法整合到软件系统上，依靠信息化手段存储和分析数据，实现所有种类维修备件预警库存量与订货量的自动计算并及时提醒备货，进一步提升医疗设备维修备件库存管理水平。