هوش مصنوعی در مدیریت انبار، انقضا و عرضه

سود:

• توانایی تجزیه و تحلیل سطح سهام، ردیابی انقضا و برنامه ریزی سفارش با هوش مصنوعی و تهیه پیش نویس تصمیم
• امکان تایید پیش بینی تقاضا و هشدارهای انقضا تولید شده توسط هوش مصنوعی با داده های واقعی سهام و قوانین زنجیره سرد
• درک اینکه مسئولیت نهایی در ردیابی دارو (ITS)، زنجیره سرد و فرآیندهای بازگشت/دفع بر عهده داروساز است.

صدها و اغلب هزاران محصول مختلف در قفسه های داروخانه وجود دارد و هر کدام دارای هزینه، تاریخ انقضا (تاریخ انقضا) و الگوی تقاضا هستند. داشتن محصول مناسب در مقدار مناسب؛ این در مورد ایجاد تعادل ظریف بین دست خالی رها نکردن بیمار و خرج نکردن پول برای داروهای تاریخ مصرف گذشته است. هوش مصنوعی یک تحلیل و برنامه‌ریزی قدرتمند در این تعادل است: الگوهای تقاضا را از داده‌های فروش تاریخی استخراج می‌کند، محصولات نزدیک به انقضا را برجسته می‌کند، پیش‌نویس سفارش را پیشنهاد می‌کند. اما این پیشنهادات حدس های خام هستند. بدون تأیید با موجودی واقعی، قوانین زنجیره سرد، قوانین و دانش داروساز در این زمینه قابل اعمال نیست. در این واحد یاد خواهید گرفت که چگونه هوش مصنوعی را به یک ابزار پشتیبانی تصمیم ایمن در انبار، منسوخ و مدیریت عرضه تبدیل کنید.

سه محور مدیریت سهام

مدیریت موجودی تعادل بین سه مشکل است:

• در دسترس بودن: آیا دارویی که بیمار نیاز دارد در قفسه است؟ فروش آنها به رضایت و اعتماد بیمار آسیب می رساند.
• سرمایه: هر جعبه در قفسه پول بسته است. موجودی بیش از حد باعث اختلال در جریان نقدینگی می شود.
• تاریخ انقضا: داروهای تاریخ مصرف گذشته از بین می روند. این آسیب مستقیم است و برای ایمنی بیمار بسیار مهم است.

هوش مصنوعی می تواند این سه محور را با هم تجزیه و تحلیل کند و به سوالاتی مانند "کدام محصول و به چه میزان سفارش داده شود، کدام یک در معرض منسوخ شدن است؟" اما هر پاسخی باید در برابر انبارداری واقعی و دانش میدانی آزمایش شود.

احتیاط: هوش مصنوعی تقاضای آینده را با مشاهده داده های تاریخی پیش بینی می کند. اما یک اپیدمی غیرمنتظره، بحران عرضه، تغییر مقررات یا رویداد محلی، پیش‌بینی را مختل می‌کند. پیش بینی تقاضا یک توصیه یا پیشگویی نیست. با قضاوت داروساز متعادل می شود.

مدیریت میاد و FEFO

قانون طلایی مدیریت انقضا FEFO (اولین انقضا، اولین خروج) است. به عبارت دیگر، نزدیک ترین محصول به تاریخ انقضا در قفسه باید ابتدا فروخته شود. اگر هوش مصنوعی با داده های موجودی تغذیه شود:

• محصولاتی را فهرست می کند که تاریخ انقضا آنها به آستانه مشخصی نزدیک می شود (مثلاً 3 ماه).
• مواردی را که به آرامی می چرخند و در معرض خطر انقضا هستند را علامت گذاری می کند.
• محصولات کاندید را برای بازگشت یا ارتقاء توصیه می کند.

اما تصمیم واقعی انهدام/بازگشت، کنترل فیزیکی محصول، انطباق با زنجیره سرد و فرآیند بازگشت طبق قانون بر عهده داروساز است.

زنجیره سرد و قابلیت ردیابی

برخی از داروها (واکسن ها، انسولین ها، داروهای بیولوژیکی) باید در محدوده دمایی خاصی ذخیره شوند. به این زنجیره سرد می گویند. به محض پاره شدن زنجیره، دارو ممکن است اثر خود را از دست بدهد و این یک خطر نامرئی است. علاوه بر این، در ترکیه، داروها از طریق کدهای QR با ITS (سیستم ردیابی مواد مخدر) نظارت می شوند. فروش، استرداد و انهدام هر جعبه ثبت می شود. هوش مصنوعی می تواند یادآورها و پیش نویس اسناد را در این فرآیندها ایجاد کند. با این حال، کنترل ثبت دما، تراکنش‌های کد QR و اعلان‌های رسمی تحت کنترل انسان است.

سه کیف کوچک

مورد 1 - تمیز کردن مدت. یک داروخانه می خواست 40 قلم را شناسایی کند که در عرض 3 ماه منقضی می شوند. داروساز لیست سهام (بدون اطلاعات قیمت و بیمار) را به هوش مصنوعی داد. هوش مصنوعی آنها را بر اساس بلوغ طبقه بندی کرد و آنهایی را که به آرامی بازگشته بودند علامت گذاری کرد. داروساز لیست را با قفسه فیزیکی مقایسه کرد، دید که چند کالا قبلاً فروخته شده است، و یک برنامه بازگشت/کمپین برای 32 مورد واقعی تهیه کرد. هوش مصنوعی ساعت‌های مرتب‌سازی را به دقیقه کاهش داد. داروساز تصمیم گرفت.

مورد 2 - تقاضای فصلی. قبل از زمستان، یک داروخانه برنامه ای برای سفارش محصولات سرد تهیه کرد. هوش مصنوعی یک پیش‌بینی از فروش سال‌های گذشته ایجاد کرد. داروساز این تخمین را با موج آنفولانزای اولیه در منطقه در آن سال و موجود بودن موجودی عرضه کننده تنظیم کرد. 20 درصد از پیش بینی ها فراتر رفت. هوش مصنوعی نقطه شروعی را ارائه داد. عدد نهایی بر اساس دانش میدانی شکل گرفت.

مورد 3 - مستندات زنجیره سرد. در صورت خرابی یخچال، برای مدت کوتاهی از محدوده دما فراتر رفت. داروساز از هوش مصنوعی یک رکورد حادثه و پیش نویس چک لیست ارزیابی محصولات مربوطه را درخواست کرد. هوش مصنوعی فهرستی از اطلاعاتی که باید ثبت شوند را ذکر کرد. داروساز قابل استفاده بودن فرآورده ها را بر اساس روال قطع زنجیره سرد تولید کننده/قانون ارزیابی کرد و اطلاع رسانی لازم را انجام داد. هوش مصنوعی اسناد را تسریع کرده است. این تصمیم با آگاهی از قانون و سازنده گرفته شد.

تجزیه و تحلیل گام به گام موجودی و انقضا

1. داده ها را به صورت ناشناس و دقیق آماده کنید. محصول، مقدار، تاریخ انقضا، نرخ فروش (بدون اطلاعات بیمار/محرمانه).
2. درخواست تجزیه و تحلیل هوش مصنوعی خطر منسوخ شدن، چرخش آهسته اقلام و پیش نویس سفارش ها را از بین می برد.
3. با موجودی واقعی مقایسه کنید با شمارش فیزیکی و داده‌های سیستم تأیید کنید.
4. با زمینه زمینه رفع کنید. اطلاعات همه گیر، عرضه، نظارتی و محلی را اضافه کنید.
5. قوانین زنجیره سرد/ITS را اعمال کنید. انجام فرآیندهای بازگشت، تخریب و ذخیره سازی مطابق با قانون.
6. تصمیم را ذخیره کنید نظم و دلایل دفع را قابل ردیابی نگه دارید.

اعلان ضعیف / اعلان قوی

ضعیف: "چی سفارش بدهم؟"

قوی: "داده‌های موجودی زیر را تجزیه و تحلیل کنید (محصول، مقدار موجود، فروش ماهانه برای 6 ماه گذشته، تاریخ انقضا). استخراج کنید: 1) اقلامی که در عرض 3 ماه منقضی می‌شوند و بر اساس سرعت فروش دوباره پر نمی‌شوند، 2) سفارش مجدد (با سرعت فعلی + منطق موجودی سهام)، 3) پیش‌نویس پیش‌نویس آن را به‌عنوان پیش‌نویس آهسته نشان می‌دهد. تعداد موجودی و وضعیت عرضه در مورد قیمت / سود اظهار نظر نکنید.

در اعلان قدرتمند، ساختار داده، خروجی های مورد نظر و محدودیت اعتبارسنجی مشخص است.

چهار قالب قابل کپی

وظیفه: تحلیل ریسک اصطلاحی (DRAFT). ورودی: | محصول | مقدار | فروش ماهانه | Expiry | Output: اقلامی را فهرست کنید که در [X] ماه منقضی می‌شوند و با توجه به نرخ فروششان منقضی نمی‌شوند. نمایش تخمین "زمان ذوب". با قفسه واقعی تأیید می شود.

وظیفه: توصیه مجدد سفارش دهید. ورودی: محصول، موجودی فعلی، میانگین فروش ماهانه، زمان سررسید (روزها). محاسبه: موجودی ایمنی + درخواست زمان تحویل → مقدار سفارش پیشنهادی. نمایش مراحل. وضعیت عرضه و فصلی بودن توسط داروساز اضافه می شود.

وظیفه: گزارش محصول با چرخش آهسته. ورودی: سابقه فروش. خروجی: اقلامی که کمتر از [Y] واحد در ماه گذشته [X] فروخته اند. علامت برای بازگشت / کمپین / مناسب قفسه. تصمیم متعلق به داروساز است.

وظیفه: پیش نویس رکورد حادثه زنجیره سرد. رخداد: [تاریخ، مدت، محدوده دما، محصولات تحت تأثیر]. خروجی: اطلاعاتی که باید ثبت شود + چک لیست ارزیابی. در دسترس بودن محصول باید توسط سازنده/رویه نظارتی تعیین شود. هوش مصنوعی تصمیم نمی گیرد.

جدول مسئولیت تصمیم گیری موجودی

تلاش

هوش مصنوعی

داروساز

مرتب سازی در انقضا

لیست سریع

تایید فیزیکی

پیش بینی تقاضا

پیش نویس تاریخی

تصحیح زمین/فصل

مقدار سفارش

توصیه حساب

تصمیم تامین/نقد

ارزیابی زنجیره سرد

مستندات

تصمیم در دسترس بودن

İTS/بازگشت/تخریب

چک لیست

اقدام و مسئولیت رسمی

اشتباهات رایج

• اشتباه گرفتن یک پیشگویی به عنوان یک پیشگویی پیش بینی تقاضا باید با اطلاعات میدانی اصلاح شود.
• رد شدن از شمارش فیزیکی داده های سیستم و قفسه ممکن است متفاوت باشد. قفسه در تصمیم گیری مدت ضروری است.
• واگذاری تصمیم زنجیره سرد به هوش مصنوعی. در دسترس بودن توسط سازنده / رویه نظارتی ارائه شده است.
• آرام کردن فرآیند ITS/بازگشت. کدهای QR و تراکنش‌های رسمی باید بر اساس قوانین ثبت و انجام شوند.
• آپلود داده های محرمانه/تجاری بدون کنترل. اطلاعات تجاری بیمار و حساس باید محافظت شود.

به طور خلاصه

هوش مصنوعی یک ابزار تحلیل و برنامه ریزی قدرتمند در مدیریت انبار، انقضا و عرضه است. این خطرات منسوخ را برجسته می کند، پیش بینی تقاضا و پیش نویس سفارش را تولید می کند و اسناد را تسریع می بخشد. اما هر پیشنهادی یک پیش نویس است. شمارش واقعی سهام بدون تأیید قوانین زنجیره سرد، ITS و قوانین قابل اجرا نیست. پیش بینی تقاضا نقطه شروعی است که با دانش میدانی متعادل می شود. مسئولیت نهایی ردیابی، زنجیره سرد و تصمیمات دفع بر عهده داروساز است.

وظیفه کاربردی

یک نمونه سهام ناشناس از داروخانه خود تهیه کنید (10-15 مورد، مقدار، فروش ماهانه، انقضا). درخواست تجزیه و تحلیل ریسک انقضا و سفارش مجدد از هوش مصنوعی. پرینت را با قفسه واقعی مقایسه کنید و تفاوت ها را یادداشت کنید. پیش بینی هوش مصنوعی برای یک محصول فصلی را با دانش زمینه خود اصلاح کنید. در نهایت، نحوه پیش نویس اسناد را برای قطع زنجیره سرد فرضی بنویسید و آن را با رویه سازنده/قانونی حل کنید.

چک لیست

• [ ] من اطلاعات سهام را به صورت ناشناس و دقیق تهیه کردم.
• [ ] من اصطلاح خطر را تجزیه و تحلیل کردم و آن را با یک قفسه فیزیکی تأیید کردم.
• [ ] من پیش بینی تقاضا را با اطلاعات میدان/فصل تصحیح کردم.
• [ ] من مقدار سفارش را با عرضه و در دسترس بودن پول نقد متعادل کردم.
• [ ] من تصمیم زنجیره سرد را بر اساس رویه سازنده/قانونی استوار کردم.
• [ ] من به طور منظم مراحل İTS/بازگشت/تخریب را انجام دادم.
• [ ] من دستور و دلایل تخریب را ثبت کردم.