التنبؤ بالطلب: تخطيط الحمل في حالات الطوارئ والعيادات الخارجية والموسمية

المكاسب:

• القدرة على فهم مفاهيم السلاسل الزمنية والموسمية والاتجاه واستخدام الذكاء الاصطناعي مع الأسئلة والبيانات الصحيحة للتنبؤ بطلب المرضى
• القدرة على تفسير عدم اليقين المتوقع (فاصل الثقة والسيناريوهات) والتخطيط الأساسي على نطاق بدلاً من رقم واحد
• القدرة على التمييز بين أن التنبؤ بالذكاء الاصطناعي يعتمد على البيانات التاريخية وأن حكم الخبراء يأتي في المقدمة في حالات تفشي المرض مثل الأوبئة / الكوارث.

السؤال الأصعب بالنسبة لمدير المستشفى هو عن المستقبل: "كم عدد المرضى الذين سيأتون إلى غرفة الطوارئ الأسبوع المقبل؟ كم سيزداد عبء العيادات الخارجية خلال موسم الأنفلونزا الشتوي؟ كم عدد الموظفين الذين سيكفيهم خلال العطلة؟" الإجابات على هذه الأسئلة غير واضحة، ولكنها ليست مظلمة تماما. الماضي يحمل أدلة للمستقبل. التنبؤ بالطلب هو دراسة التنبؤ بعبء العمل/المريض في المستقبل من خلال النظر في البيانات التاريخية. في هذه الوحدة، سوف تتعلم كيفية استخدام الذكاء الاصطناعي في التنبؤ بالطلب - وبنفس القدر من الأهمية - كيفية إدارة عدم اليقين في التوقعات. القاعدة الأساسية: يعتمد التنبؤ بالذكاء الاصطناعي على الأنماط السابقة؛ لحكم الخبراء الأسبقية في حالات مثل الأوبئة والكوارث والتغييرات في التشريعات.

ثلاثة مكونات للسلسلة الزمنية

تسمى بيانات الطلب التاريخية بالسلسلة الزمنية - وهي سلسلة مرتبة من الأرقام يتم قياسها على فترات زمنية محددة (يوميًا وأسبوعيًا). لفهم السلسلة الزمنية، من الضروري تقسيمها إلى ثلاثة أجزاء. الاتجاه والاتجاه طويل المدى: هل قبولك في حالات الطوارئ يتزايد أم يتناقص على مر السنين؟ الموسمية، والتقلبات المنتظمة والمتكررة: تزيد أمراض الجهاز التنفسي في الشتاء، وتزداد الصدمات/الحوادث في الصيف، ويتم إفراغ العيادات الخارجية في عطلات نهاية الأسبوع. الضوضاء/التقلبات هي تقلبات عشوائية غير مفسرة. تلتقط التوقعات الجيدة الاتجاه والموسمية ولا تبالغ في الضوضاء. يساعدك الذكاء الاصطناعي على القيام بهذا الفصل؛ لكن مهمتك هي الحكم على ما هو النمط الحقيقي وما هو الضجيج.

المفهوم الأكثر أهمية هو عدم اليقين. لا يوجد تقدير هو رقم نهائي واحد. التقدير الجيد يعطي نطاقًا: "نتوقع ما بين 210 و260 مريضًا في غرفة الطوارئ يوم السبت المقبل، والقيمة الأكثر ترجيحًا هي 235". ويسمى هذا الفاصل الزمني بفاصل الثقة. إذا كنت تخطط بناءً على نطاق بدلاً من رقم واحد، فسوف تكون مستعدًا لكل من السيناريوهات المنخفضة والمرتفعة. إن الاعتقاد بالأرقام الفردية هو الخطأ الكلاسيكي للتنبؤ المفرط بالثقة.

هناك منطق عملي لتخطيط المباعدة: في مجال الرعاية الصحية، لا يوجد جانبان من الخطأ لهما تكلفة متساوية. عندما لا يكون هناك عدد كاف من الموظفين وارتفاع الطلب، هناك خطر الانتظار والاكتظاظ وسلامة المرضى؛ وهذا ثمن باهظ. عندما يكون هناك فائض في عدد الموظفين وانخفاض الطلب، تحدث تكاليف خاملة؛ وهذا أيضًا غير مرغوب فيه ولكنه أكثر قابلية للإدارة. ولذلك، فإن التخطيط في الوحدات الحيوية (الطوارئ، العناية المركزة) غالبًا ما يتم بالقرب من الطرف العلوي للنطاق (السيناريو المرتفع)، ولكن مع خطة مرنة يمكنها تحويل الطاقة الزائدة إلى وحدة أخرى. الشيء الأكثر قيمة الذي توفره لك التوقعات ليس الرقم الدقيق، ولكن القدرة على رؤية هذه المخاطر ذات الاتجاهين واختيار مخزن مؤقت مستنير.

خطوة بخطوة: التنبؤ بالطلب باستخدام الذكاء الاصطناعي

1. جمع البيانات التاريخية الكافية. عدد الطلبات اليومية/الأسبوعية المجهولة لمدة سنة كاملة على الأقل، ويفضل 2-3 سنوات، للتعرف على الموسمية.
2. أضف السياق. تحديد التأثيرات المعروفة مثل العطلات، والحملات، والطقس، وفترات الوباء؛ وبخلاف ذلك، سيعتقد الذكاء الاصطناعي أنها ضوضاء.
3. تتحلل. اطلب من الذكاء الاصطناعي تلخيص الاتجاه والموسمية والقفزات غير العادية.
4. الحصول على توقعات الفاصل الزمني. اطلب تنبؤات ذات سيناريوهات منخفضة/محتملة/عالية، وليس أرقامًا فردية.
5. تحويل إلى القدرة. تحويل تقديرات الموظفين والسرير والاحتياجات المادية.
6. التحكم في الكسر. إذا كان هناك عامل في الأفق لم يكن موجودًا في الماضي، مثل الوباء، أو تغيير التشريعات، أو افتتاح خدمة جديدة، فقم بتصحيح التوقعات يدويًا بحكم الخبراء.

تحذير: إذا طلبت من الذكاء الاصطناعي "التنبؤ بالعام المقبل" ولم تقدم له بيانات، فسوف يعطيك رقمًا مختلقًا. التنبؤ ذو معنى فقط على البيانات التاريخية التي تقدمها.

ثلاث حالات صغيرة

الحالة 1 – الاستعداد لموسم الأنفلونزا. قدم أحد المستشفيات بيانات دخول الطوارئ اليومية المجهولة لمدة 3 سنوات إلى YZ. أظهر YZ أن الطلبات زادت بمعدل 35 بالمائة بين منتصف ديسمبر وفبراير من كل عام، وبلغت ذروتها في الأسبوع الثالث من يناير. خططت الإدارة لنوبات إضافية للأطباء والممرضات خلال هذه الفترة وزادت مخزون لقاحات الأنفلونزا والاختبارات السريعة. في ذلك الشتاء، انخفضت أوقات الانتظار خلال أسبوع الذروة بشكل ملحوظ مقارنة بالعام السابق؛ لأن السعة قد استوفت الازدحام بالفعل.

الحالة 2 - السيناريو بدلاً من الفاصل الزمني. طلب أحد مديري الأعمال من الذكاء الاصطناعي رقمًا واحدًا "لطلبه العاجل يوم السبت المقبل": 240. ثم سأل مرة أخرى بفاصل الثقة: 205-275. قام المدير بالتخطيط وفقًا لـ 275 (السيناريو المرتفع)، ولكنه أعد أيضًا خطة خروج مرنة (نقل الموظفين الزائدين إلى وحدة أخرى) وفقًا لـ 205. وكانت الطلبات الفعلية 262؛ ولو أنه اعتمد على رقم واحد، لكان قد تم التخطيط له بـ 22 مريضًا. العمل على فترات كان يحميه.

الحالة 3 - الاختراق يعطل التنبؤ. كان هناك فيضان غير متوقع في المنطقة. وقالت التوقعات المبنية على البيانات التاريخية إنها "طبيعية" لذلك الأسبوع. بينما تضاعفت طلبات الطوارئ. لم يتمكن تنبؤ الذكاء الاصطناعي من رؤية الكسر لأن مثل هذا الحدث لم يكن موجودًا في الماضي. لقد ابتعد مكتب الأزمات عن التنبؤ وانتقل إلى تتبع التطبيقات في الوقت الفعلي والتحديثات كل ساعة. الدرس المستفاد: في حالة التمزق الهيكلي، يتوقف الماضي عن أن يكون مرشدًا؛ لحكم الخبراء والمراقبة المباشرة الأسبقية.

أربعة قوالب قابلة للنسخ

1) تحليل السلاسل الزمنية:

دورك: مساعد محلل الطلب في المستشفى. فيما يلي قائمة أسبوعية مجهولة المصدر لمدة 3 سنوات بأرقام القبول في حالات الطوارئ. المهمة: (1) تلخيص الاتجاه العام (زيادة/نقصان)، (2) وصف النمط الموسمي حسب الشهر، (3) تسليط الضوء على أي قفزات غير عادية. التمييز بين ما هو النمط الحقيقي وما قد يكون تقلبًا عشوائيًا. إضافة أرقام مختلقة.

2) توقعات الفاصل الزمني:

بناءً على البيانات المذكورة أعلاه، قم بإعداد توقعات أسبوعية لتطبيقات الطوارئ للأسابيع الأربعة القادمة. ليس رقمًا واحدًا؛ أعط نطاقًا من المستويات المنخفضة / الأكثر احتمالاً / المرتفعة لكل أسبوع. اشرح بإيجاز سبب كون النطاق واسعًا إلى هذا الحد.

3) التحويل إلى القدرة المقدرة:

تقدير السيناريو المرتفع لأسبوع الذروة هو 275 حالة قبول في اليوم. يرى طبيب الطوارئ في المتوسط ​​حوالي 35 مريضًا في كل نوبة عمل، وترى الممرضة حوالي 25 مريضًا. المهمة: حساب الحد الأدنى لعدد الأطباء والممرضات المطلوبين في السيناريو المرتفع، وإظهار الصيغة. اذكر أن هذا مدخل تخطيط وأن القرار النهائي متروك للمدير.

4) قائمة التحقق من التحذير من الكسر:

قم بإعداد قائمة مرجعية سأسأل فيها عما إذا كان هناك عامل غير موجود في البيانات التاريخية في الفترة القادمة: الوباء، التغيير في التشريعات، افتتاح وحدة جديدة، حدث إقليمي، الطقس/الكوارث. أضف ملاحظة لكل عنصر، "إذا كان الأمر كذلك، كيف يمكنني تصحيح التوقعات يدويًا؟"

موجه ضعيف / موجه قوي

حث ضعيف:

كم عدد المرضى الذين سيأتون الشهر المقبل؟

لا توجد بيانات، ولا وحدات، ولا تعريف الفترة؛ الذكاء الاصطناعي يمكنه فقط اختلاق الأشياء.

مطالبة قوية:

لدي بيانات طلب العيادة الخارجية الأسبوعية المجهولة لمدة 3 سنوات (مرفق). أعلم أن الحمل يزداد خلال أشهر الشتاء. قم بإعطاء توقعات منخفضة/محتملة/عالية النطاق للأسابيع الستة القادمة، ووصف النمط الموسمي حسب الأشهر، وقم بإدراج أي عوامل متحيزة قد تجعل التوقعات غير كاملة/مضللة.

مفهوم

ماذا تقصد؟

التأثير على التخطيط

الاتجاه

اتجاه طويل المدى

الاستثمار في القدرات الدائمة

موسمية

التكرار المنتظم

موظفون/مخزون إضافي موسمي

فاصل الثقة

نطاق عدم اليقين من التوقعات

خطة السيناريو المنخفضة والعالية

كسر

حدث لم يحدث في الماضي

توقف عن التخمين، وانتقل إلى المشاهدة المباشرة

الأخطاء الشائعة

• الإيمان بالأرقام الفردية. التقدير هو نطاق؛ التخطيط على أساس نقطة واحدة أمر محفوف بالمخاطر.
• بيانات غير كافية. ولا يمكن تسجيل الموسمية ببيانات تقل عن سنة واحدة.
• عدم وضع علامة على السياق. إذا لم تحدد العطلات والعروض الترويجية، فسوف يخطئ الذكاء الاصطناعي في اعتبارها ضوضاء.
• تجاهل الكسر. خلال فترات الأوبئة/الكوارث، تكون البيانات السابقة مضللة.
• قرار تنبؤي. التنبؤ هو المدخلات. قرارات الموظفين والميزانية تنتمي إلى المدير.

نصيحة: قارن توقعاتك بالتوقعات الفعلية كل شهر واحتفظ بسجل "لمقدار التخفيض". تعمل هذه التعليقات على تحسين تنبؤاتك والبيانات التي تقدمها للذكاء الاصطناعي بمرور الوقت وتعلمك مدى الثقة في التنبؤ.

في ملخص

إن التنبؤ بالطلب يبني جسرا من البيانات السابقة إلى المستقبل، ولكن هذا الجسر غير مؤكد. يعد الذكاء الاصطناعي أداة مساعدة قوية في فصل السلاسل الزمنية إلى الاتجاه والموسمية والضوضاء وإنتاج توقعات الفاصل الزمني. التخطيط الأساسي على فترة الثقة، وليس على رقم واحد؛ استعد للسيناريو المنخفض والمرتفع معًا. والأهم من ذلك: لم تعد البيانات السابقة بمثابة دليل في أوقات التمزقات مثل الأوبئة والكوارث والتغيرات في التشريعات؛ وهنا يأتي حكم الخبراء والمراقبة في الوقت الفعلي أولاً.

مهمة التطبيق

إذا كان لديك على الأقل عام من البيانات المرجعية الأسبوعية المجهولة (إذا لم يكن الأمر كذلك، فقم بإنشاء بيانات افتراضية)، فاطلب من الذكاء الاصطناعي الحصول على النمط الموسمي والتنبؤ بفاصل زمني مدته 4 أسابيع باستخدام قوالب "تحليل السلاسل الزمنية" و"التنبؤ بالفاصل الزمني". ثم قارن القيم الأكثر احتمالية بمتوسطك التقريبي. اكتب في 5 عناصر كيف يمكنك تحديد عامل الانهيار في الأفق (على سبيل المثال، افتتاح عيادة خارجية جديدة) وتصحيح التوقعات يدويًا.

قائمة مرجعية

• [ ] هل استخدمت سنة واحدة على الأقل من البيانات المجهولة لالتقاط الموسمية؟
• [ ] هل قمت بوضع علامة على سياقات مثل العطلات/الحملات؟
• [ ] هل قمت بالتخطيط بفاصل ثقة بدلاً من رقم واحد؟
• [ ] هل قمت بفحص عوامل الانهيار في الأفق؟
• [ ] هل أعتبر التقدير كمدخل وأترك ​​القرار للمدير؟