Nyereség:
- Képes mesterséges intelligenciával elemezni a készletszintet, a lejáratkövetést és a rendeléstervezést, és döntési tervezetet készíteni
- Lehetőség a mesterséges intelligencia által készített kereslet-előrejelzések és lejárati figyelmeztetések ellenőrzésére valós készletadatokkal és hideglánc-szabályokkal
- Annak megértése, hogy a végső felelősség a gyógyszerészt terheli a gyógyszerek nyomon követhetőségében (ITS), a hidegláncban és a visszavételi/megsemmisítési folyamatokban.
A gyógyszertárak polcain több száz, gyakran több ezer különböző termék található, és mindegyiknek megvan a költsége, a lejárati dátuma (lejárati dátuma) és a kereslet mintája. A megfelelő termék a megfelelő mennyiségben; Arról van szó, hogy megtaláljuk a kényes egyensúlyt aközött, hogy a beteget ne hagyjuk üres kézzel, és ne költsünk pénzt lejárt szavatosságú gyógyszerekre. A mesterséges intelligencia hatékony elemzési és tervezési segédeszköz ebben az egyensúlyban: kivonja a keresleti mintákat a múltbeli értékesítési adatokból, kiemeli a lejárathoz közeledő termékeket, rendelési tervezeteket javasol. De ezek a javaslatok durva találgatások; A tényleges raktárkészlettel, hűtőlánc-szabályzattal, jogszabályokkal és a gyógyszerész szakterületi ismereteivel való igazolás nélkül nem alkalmazható. Ebben az egységben megtudhatja, hogyan teheti a mesterséges intelligenciát biztonságos döntéstámogató eszközzé raktáron, elavulttá és ellátáskezelési eszközzé.
Az állománykezelés három tengelye
A készletgazdálkodás három probléma egyensúlyát jelenti:
- Elérhetőség: A betegnek szükséges gyógyszer a polcon van? Eladásuk rontja a betegek elégedettségét és bizalmát.
- Tőke: Minden doboz a polcon lekötött pénz. A túlzott készletek megzavarják a pénzáramlást.
- Lejárati idő: A lejárt gyógyszert megsemmisítik; Ez közvetlen ártalom, és kritikus a betegbiztonság szempontjából.
A mesterséges intelligencia együtt tudja elemezni ezt a három tengelyt, és válaszvázlatokat készíteni olyan kérdésekre, mint például "melyik terméket és mennyiben kell megrendelni, melyik az a veszély, hogy elavulttá válik?" De minden választ meg kell vizsgálni a tényleges leltározással és a terepismerettel.
Figyelem: A mesterséges intelligencia a múltbeli adatok alapján előrejelzi a jövőbeli keresletet; de egy váratlan járvány, ellátási válság, szabályozási változás vagy helyi esemény megzavarja az előrejelzést. A kereslet-előrejelzés nem ajánlás vagy prófécia; kiegyensúlyozott a gyógyszerész ítélete.
Miad menedzsment és FEFO
A lejáratkezelés aranyszabálya a FEFO (First Expiry, First Out). Más szóval, először azt a terméket kell eladni, amely a polcon található a lejárati dátumához legközelebb van. Ha a mesterséges intelligenciát készletadatokkal táplálják:
- Felsorolja azokat a termékeket, amelyek lejárati ideje egy bizonyos küszöbhöz közelít (pl. 3 hónap).
- Olyan tárgyakat jelöl, amelyek lassan forognak, és fennáll a lejárat veszélye.
- A jelölt termékeket ajánlja visszaküldésre vagy promócióra.
De a tényleges megsemmisítési/visszaküldési döntés, a termék fizikai ellenőrzése, a hűtőlánc megfelelősége és a jogszabályoknak megfelelő visszaküldési folyamat a gyógyszerész feladata.
Hideglánc és nyomon követhetőség
Egyes gyógyszereket (oltóanyagok, inzulinok, biológiai gyógyszerek) bizonyos hőmérsékleti tartományon belül kell tárolni; Ezt hidegláncnak hívják. Ha a lánc megszakad, a gyógyszer elveszítheti hatását, és ez láthatatlan veszélyt jelent. Ezen kívül Türkiye-ben a kábítószereket QR-kódokkal figyelik ITS-sel (Drug Tracking System); Minden doboz eladását, visszaszolgáltatását és megsemmisítését rögzítik. A mesterséges intelligencia emlékeztetőket és vázlatos dokumentációt tud generálni ezekben a folyamatokban; A hőmérsékletrögzítés ellenőrzése, a QR-kódos tranzakciók és a hivatalos értesítések azonban emberi ellenőrzés alatt állnak.
három mini tok
1. eset – Időszakos tisztítás. Egy gyógyszertár 40 tollat akart azonosítani, amelyek 3 hónapon belül lejárnak. A gyógyszerész átadta a készletlistát (ár és betegtájékoztató nélkül) a mesterséges intelligenciának; A mesterséges intelligencia érettség szerint rendezte őket, és megjelölte azokat, amelyek lassan tértek vissza. A gyógyszerész összehasonlította a listát a fizikai polccal, látta, hogy néhány terméket már eladtak, és elkészítette a visszaküldési/kampánytervet a tényleges 32 termékre. A mesterséges intelligencia a rendezési órákat percekre csökkentette; A gyógyszerész döntött.
2. eset – Szezonális kereslet. Tél előtt egy gyógyszertár elkészítette a hidegtermékek rendelési tervét. A mesterséges intelligencia előrejelzést készített a korábbi évek eladásaiból. A gyógyszerész ezt a becslést a régióban abban az évben tapasztalt korai influenzahullámmal és a szállító készleteinek elérhetőségével korrigálta; 20%-kal haladta meg az előrejelzést. Az AI kiindulási pontot adott; A végső számot a terepismeret alakította ki.
3. eset – Hideglánc dokumentáció. A hűtőszekrény meghibásodása esetén a hőmérséklet-tartományt rövid időre túllépték. A gyógyszerész kérte az AI-tól az incidens jegyzőkönyvét és a releváns termékek értékelési ellenőrzőlistájának tervezetét. A mesterséges intelligencia felsorolta, milyen információkat kell rögzíteni. A gyógyszerész a gyártó hideglánc-szakító eljárása/jogszabály szerint értékelte a termékek felhasználhatóságát és megtette a szükséges bejelentést. Az AI felgyorsította a dokumentációt; A döntés a jogszabályok és a gyártó ismeretében született.
Lépésről lépésre készlet- és lejárati elemzés
- Az adatokat anonim módon és pontosan készítse elő. Termék, mennyiség, lejárati idő, eladási arány (beteg/bizalmas információ nélkül).
- Kérjen elemzést. A mesterséges intelligencia kiküszöböli az elavulás, a lassan forgó tételek és a rendelési vázlatok kockázatát.
- Hasonlítsa össze a tényleges raktárkészlettel. Ellenőrizze a fizikai számmal és a rendszeradatokkal.
- Javítás mezőkontextussal. Adjon hozzá járványügyi, ellátási, szabályozási és helyi ismereteket.
- Alkalmazza a hideglánc/ITS szabályokat. A visszaküldési, megsemmisítési és tárolási folyamatokat a jogszabályoknak megfelelően hajtsa végre.
- Mentse el a döntést. A sorrend és a selejtezési okok nyomon követhetőek legyenek.
Gyenge felszólítás / Erős felszólítás
Gyenge: "Mit rendeljek?"
Erős: "Elemezze a következő készletadatokat (termék, elérhető mennyiség, havi eladások az elmúlt 6 hónapban, lejárati dátum). Kivonat: 1) 3 hónapon belül lejárt és az értékesítési sebesség alapján nem pótló cikkek, 2) újrarendelési javaslat (jelenlegi sebesség + biztonsági készlet logikával), 3) lassú forgalmú cikkek. A készlet ellenőrzése és a készlet státuszának igazolása. megjegyzést az árra/nyereségre vonatkozóan."
A hatékony promptban egyértelmű az adatstruktúra, a kívánt kimenetek és az érvényesítési korlát.
Négy másolható sablon
Feladat: Term kockázatelemzés (TERVEZET).Bemenet: | Termék | Mennyiség | Havi értékesítés | Lejárat |Kimenet: Sorolja fel azokat a tételeket, amelyek [X] hónap múlva járnak le, és nem járnak le az eladási arányuk szerint; Az „olvadási idő” becslésének megjelenítése. Ezt a tényleges polccal ellenőrizzük.
Feladat: Utánrendelési ajánlás. Bevitel: termék, aktuális készlet, átlagos havi értékesítés, átfutási idő (nap).Számítás: biztonsági készlet + átfutási idő kérése → javasolt rendelési mennyiség. Lépések megjelenítése. A kínálat állapotát és a szezonalitást a gyógyszerész adja hozzá.
Feladat: Lassú átfutású termékjelentés.Input: értékesítési előzmények. Kimenet: az elmúlt [X] hónapban [Y] egységnél kevesebbet értékesített cikkek; jelölés a visszaküldéshez/kampányhoz/polcra illesztéshez. A döntés a gyógyszerészé.
Feladat: Hideglánc-esemény-nyilvántartás tervezete.Incidens: [dátum, időtartam, hőmérséklet-tartomány, érintett termékek].Kimenet: rögzítendő információ + értékelési ellenőrzőlista.A termék elérhetősége A gyártó/szabályozási eljárás DÖNTÉSE; Az AI nem hoz döntéseket.
Leltári döntési felelősségi táblázat
Quest
mesterséges intelligencia
Gyógyszerész
Lejárati rendezés
gyors lista
fizikai megerősítés
Kereslet előrejelzés
Történelmi tervezet
Pálya/szezon korrekció
Rendelési mennyiség
Fiókjavaslat
Ellátási/készpénzes döntés
Hideglánc értékelés
Dokumentáció
Elérhetőségi döntés
İTS/visszaadás/megsemmisítés
ellenőrző lista
Hatósági intézkedés és felelősség
Gyakori hibák
- Egy jóslat próféciának tévesztése. A kereslet-előrejelzést korrigálni kell a terepi információkkal.
- A fizikai számolás kihagyása. A rendszeradatok és a polc eltérhet; A polc elengedhetetlen a futamidő döntésénél.
- A hideglánc döntését a mesterséges intelligenciára bízva. A rendelkezésre állást a gyártó/szabályozási eljárás határozza meg.
- Az ITS/visszatérési folyamat lazítása. A QR kódokat és a hatósági tranzakciókat rögzíteni és szabályszerűen kell végrehajtani.
- Bizalmas/kereskedelmi adatok ellenőrzés nélküli feltöltése. A türelmes és érzékeny üzleti információkat védeni kell.
Összefoglalva
A mesterséges intelligencia egy hatékony elemző és tervezési eszköz a készlet-, lejárat- és készletkezelésben; Kiemeli az elavult kockázatokat, igény-előrejelzéseket és rendelési terveket készít, valamint felgyorsítja a dokumentációt. De minden javaslat tervezet; A tényleges készletszámlálás nem valósítható meg hideglánc-szabályok, ITS és jogszabályok általi ellenőrzés nélkül. A kereslet előrejelzése egy kiindulópont, amelyet a terepismeret egyensúlyoz ki. A nyomon követhetőség, a hűtőlánc és az ártalmatlanítási döntések végső felelőssége a gyógyszerészé.
Pályázati feladat
Készítsen névtelen készletmintát gyógyszertárából (10-15 tétel; mennyiség, havi értékesítés, lejárat). Kérjen lejárati kockázatelemzést és újrarendelési ajánlást a mesterséges intelligenciától. Hasonlítsa össze a nyomtatott képet a tényleges rack-tel, és jegyezze fel az esetleges eltéréseket. Javítsa ki a szezonális termék mesterséges intelligenciájának előrejelzését saját területi ismeretei alapján. Végül írja meg, hogyan készíti el a dokumentációt egy feltételezett hideglánc-szakadáshoz, és oldja meg a gyártó/szabályozási eljárás szerint.
ellenőrző lista
- [ ] A készletadatokat anonim módon és pontosan készítettem el.
- [ ] A kockázat kifejezést elemeztem, és egy fizikai polccal megerősítettem.
- [ ] Az igény-előrejelzést terep/szezon információkkal javítottam.
- [ ] Kiegyenlítettem a rendelési mennyiséget a készlettel és a készpénz elérhetőséggel.
- [ ] A hideglánc-döntést a gyártói/szabályozási eljárásra alapoztam.
- [ ] Rendszeresen elvégeztem az İTS/visszaküldési/megsemmisítési eljárásokat.
- [ ] A sorrendet és a megsemmisítés okait rögzítettem.