Dobici:
- Sposobnost razumijevanja koncepata vremenske serije, sezonalnosti i trenda te korištenja umjetne inteligencije s pravim pitanjima i podacima za predviđanje potražnje pacijenata
- Sposobnost tumačenja nesigurnosti prognoze (interval pouzdanosti, scenariji) i temelj planiranja na rasponu, a ne na jednom broju
- Biti u stanju razlikovati da se predviđanje umjetne inteligencije temelji na povijesnim podacima i da stručna prosudba dolazi do izražaja u slučajevima izbijanja bolesti kao što su epidemije/katastrofe.
Najteže pitanje za bolničkog administratora je ono o budućnosti: "Koliko će pacijenata sljedeći tjedan doći na hitnu? Koliko će se povećati opterećenje ambulante tijekom zimske sezone gripe? Koliko će osoblja biti dovoljno tijekom praznika?" Odgovori na ova pitanja su nejasni, ali ne i potpuno mračni. Prošlost nosi tragove budućnosti. Predviđanje potražnje je studija predviđanja budućih pacijenata/opterećenja radom gledajući povijesne podatke. U ovoj ćete jedinici naučiti kako koristiti umjetnu inteligenciju u predviđanju potražnje i – što je jednako važno – kako upravljati nesigurnošću prognoze. Osnovno pravilo: predviđanje umjetne inteligencije temelji se na obrascima iz prošlosti; Stručna procjena ima prednost u situacijama kao što su epidemije, katastrofe i promjene zakonodavstva.
Tri komponente vremenske serije
Povijesni podaci o potražnji nazivaju se vremenskom serijom — uređenom serijom brojeva mjerenih u određenim intervalima (dnevno, tjedno). Za razumijevanje vremenskog niza potrebno ga je podijeliti na tri dijela. Trend, dugoročni smjer: povećava li se ili smanjuje vaš hitni prijem tijekom godina? Sezonalnost, redovita ponavljajuća fluktuacija: respiratorne bolesti se povećavaju zimi, traume/nesreće ljeti, ambulante su prazne vikendom. Šum/fluktuacija su neobjašnjive nasumične fluktuacije. Dobra prognoza bilježi trend i sezonalnost i ne preuveličava buku. AI vam pomaže u ovom odvajanju; Ali vaš je posao procijeniti što je pravi uzorak, a što šum.
Najkritičniji koncept je neizvjesnost. Niti jedna procjena nije jedan definitivan broj. Dobra procjena daje raspon: "Očekujemo između 210 i 260 pacijenata na hitnoj pomoći sljedeće subote, a najvjerojatnija vrijednost je 235." Taj se interval naziva intervalom pouzdanosti. Ako planirate na temelju raspona, a ne jednog broja, bit ćete spremni i za niske i za visoke scenarije. Vjerovanje u neparne brojeve klasična je pogreška pretjerano samouvjerenog predviđanja.
Postoji praktična logika planiranja razmaka: u zdravstvu ne postoje dva aspekta pogreške koja su jednako skupa. Kada nema dovoljno osoblja i velike potražnje, postoji rizik od čekanja, prenapučenosti i sigurnosti pacijenata; Ovo je visoka cijena. Kada postoji višak osoblja i mala potražnja, javljaju se troškovi praznog hoda; Ovo je također nepoželjno, ali se lakše može upravljati. Stoga se planiranje u vitalnim jedinicama (hitna, intenzivna njega) često provodi blizu gornje granice raspona (visoki scenarij), ali s planom fleksibilnosti koji može prebaciti višak kapaciteta u drugu jedinicu. Najvrjednija stvar koju vam prognoza daje nije točan broj, već mogućnost da vidite ovaj dvosmjerni rizik i odaberete informirani međuspremnik.
Korak po korak: predviđanje potražnje pomoću AI
- Prikupite dovoljno povijesnih podataka. Broj anonimnih dnevnih/tjednih prijava tijekom najmanje jedne pune godine, po mogućnosti 2-3 godine, kako bi se uhvatila sezonalnost.
- Dodajte kontekst. Označite poznate utjecaje kao što su praznici, kampanje, vrijeme, razdoblja epidemija; Inače će AI misliti da su buka.
- razgraditi. Zamolite AI da sažme trend, sezonalnost i neobične skokove.
- Dobijte prognozu intervala. Zatražite predviđanja s niskim/vjerojatnim/visokim scenarijima, a ne pojedinačnim brojevima.
- Pretvori u kapacitet. Pretvorite procijenjene potrebe za osobljem, posteljom i materijalom.
- Kontrola loma. Ako je na vidiku čimbenik koji nije postojao u prošlosti, poput epidemije, promjene zakonodavstva ili otvaranja nove usluge, ručno ispravite prognozu uz stručnu procjenu.
Oprez: ako kažete umjetnoj inteligenciji da "predvidi sljedeću godinu", a ne date joj podatke, dat će vam izmišljeni broj. Predviđanje ima smisla samo na povijesnim podacima koje navedete.
tri mini kućišta
Slučaj 1 — Priprema za sezonu gripe. Bolnica je YZ-u dala 3 godine anonimnih dnevnih podataka o hitnom prijemu. YZ je pokazao da su se prijave povećale u prosjeku za 35 posto između sredine prosinca i veljače svake godine, s vrhuncem u 3. tjednu siječnja. Uprava je planirala dodatne smjene liječnika i medicinskih sestara tijekom ovog razdoblja i povećala zalihe cjepiva protiv gripe i brzih testova. Te zime vrijeme čekanja tijekom najvećeg tjedna značajno se smanjilo u usporedbi s prethodnom godinom; jer je kapacitet već zadovoljio zagušenje.
Slučaj 2 — Scenarij umjesto intervala. Poslovni upravitelj je od AI-ja zatražio jedan broj za svoju "hitnu prijavu iduće subote": 240. Zatim je ponovno zatražio s intervalom pouzdanosti: 205–275. Voditelj je izradio planiranje prema 275 (visoki scenarij), ali je pripremio i fleksibilni izlazni plan (premještanje viška osoblja u drugu jedinicu) prema 205. Stvarne prijave bile su 262; Da se oslanjao na jednu brojku, bio bi manji od plana za 22 pacijenta. Rad u intervalima ga je štitio.
Slučaj 3 — Probijanje remeti predviđanje. Došlo je do neočekivane poplave u regiji. Prognoza temeljena na povijesnim podacima rekla je "normalno" za taj tjedan; dok su se hitne prijave udvostručile. AI predviđanje nije moglo vidjeti prekid jer takav događaj nije postojao u prošlosti. Krizni desk odmaknuo se od predviđanja i prešao na praćenje aplikacija u stvarnom vremenu i ažuriranje po satu. Pouka: u strukturnom puknuću prošlost prestaje biti vodič; stručna procjena i praćenje uživo imaju prednost.
Četiri predloška za kopiranje
1) Dekompozicija vremenske serije:
Vaša uloga: pomoćnik bolničkog analitičara potražnje. Ispod je anonimni, trogodišnji tjedni popis brojeva hitnih prijema. Zadatak: (1) sažeti opći trend (porast/pad), (2) opisati sezonski obrazac po mjesecima, (3) istaknuti sve neobične skokove. Napravite razliku između onoga što je pravi obrazac i onoga što bi mogla biti slučajna fluktuacija. Zbrajanje izmišljenih brojeva.
2) Intervalna prognoza:
Na temelju gore navedenih podataka napravite tjednu prognozu hitne primjene za sljedeća 4 tjedna. NITI jedan broj; Navedite niz niskih / najvjerojatnijih / visokih za svaki tjedan. Ukratko objasnite zašto je raspon tako širok.
3) Pretvorba u procijenjeni kapacitet:
Visoka procjena scenarija za najveći tjedan je 275 prijema/dan. Prosječni liječnik hitne pomoći pregleda ~35 pacijenata po smjeni, medicinska sestra ~25. Zadatak: izračunajte minimalni broj liječnika i medicinskih sestara potrebnih u visokom scenariju, pokažite formulu. Navedite da je ovo ulaz za planiranje i da je konačna odluka na upravitelju.
4) Kontrolni popis upozorenja na lom:
Pripremite kontrolni popis u kojem ću pitati postoji li čimbenik koji NEMA u povijesnim podacima u sljedećem razdoblju: epidemija, promjena zakonodavstva, otvaranje nove jedinice, regionalni događaj, vrijeme/katastrofa. Dodajte napomenu za svaku stavku, "Ako je tako, kako da ručno ispravim prognozu?"
Slab upit / Jak upit
Slab upit:
Koliko će pacijenata doći sljedeći mjesec?
Nema podataka, nema jedinica, nema definicije razdoblja; AI može samo izmisliti stvari.
Snažan upit:
Imam 3 godine anonimnih podataka o tjednim ambulantnim prijavama (u prilogu). Znam da se opterećenje povećava tijekom zimskih mjeseci. Dajte prognozu niskog/vjerojatnog/visokog raspona za sljedećih 6 tjedana, opišite sezonski obrazac po mjesecima i navedite sve faktore odstupanja koji prognozu mogu učiniti nepotpunom/pogrešnom.
koncept
kako to misliš
Utjecaj na planiranje
trend
dugoročni smjer
Trajno ulaganje u kapacitete
sezonalnost
Redovito ponavljanje
Sezonsko dodatno osoblje/zalihe
interval pouzdanosti
Raspon nesigurnosti prognoze
Niski i visoki plan scenarija
prijelom
događaj koji se nije dogodio u prošlosti
Prestanite nagađati, prebacite se na gledanje uživo
Uobičajene greške
- Vjerovanje u neparne brojeve. Procjena je raspon; Planiranje temeljeno na jednoj točki je riskantno.
- Nedovoljno podataka. Sezonalnost se ne može uhvatiti s manje od jedne godine podataka.
- Ne označavajući kontekst. Ako ne navedete praznike i promocije, AI će ih zamijeniti za buku.
- Ne obazirući se na slomljenost. Tijekom razdoblja epidemije/katastrofe, prošli podaci su pogrešni.
- Prediktivna odluka. Predviđanje je unos; Kadrovske i proračunske odluke pripadaju upravitelju.
Savjet: usporedite svoju prognozu sa stvarnom za svaki mjesec i vodite evidenciju o tome "koliko je manja". Ove povratne informacije poboljšavaju vaše predviđanje i podatke koje dajete umjetnoj inteligenciji tijekom vremena i uče vas koliko vjerovati predviđanju.
Ukratko
Predviđanje potražnje gradi most od prošlih podataka do budućnosti, ali taj je most neizvjestan. AI je moćna pomoć u odvajanju vremenskih serija na trend, sezonalnost i buku te stvaranju intervalne prognoze. Planiranje temelji na intervalu pouzdanosti, a ne na jednom broju; Zajedno se pripremite za nizak i visok scenarij. Ono što je najvažnije: podaci iz prošlosti prestaju biti vodič u vremenima lomova kao što su epidemije, katastrofe i promjene u zakonodavstvu; Tu su stručna procjena i praćenje u stvarnom vremenu na prvom mjestu.
Zadatak aplikacije
Ako imate najmanje godinu dana anonimnih tjednih referentnih podataka (ako ne, generirajte hipotetske), zatražite od umjetne inteligencije sezonski uzorak i 4-tjednu prognozu intervala s predlošcima "Dekompozicija vremenske serije" i "Intervalna prognoza". Zatim usporedite najvjerojatnije vrijednosti sa svojim grubim prosjekom. Napišite u 5 stavki kako biste prepoznali prijelomni faktor na horizontu (na primjer, otvaranje nove ambulante) i ručno ispravite prognozu.
popis za provjeru
- [ ] Jesam li koristio najmanje jednu godinu anonimnih podataka za bilježenje sezonskih promjena?
- [ ] Jesam li označio kontekste kao što su praznici/kampanje?
- [ ] Jesam li planirao s intervalom pouzdanosti umjesto s jednim brojem?
- [ ] Jesam li provjerio prijelomne faktore na horizontu?
- [ ] Uzimam li procjenu kao input i prepuštam li odluku upravitelju?