Ieguvumi:
- Spēja analizēt krājumu līmeni, termiņu izsekošanu un pasūtījumu plānošanu ar mākslīgo intelektu un sagatavot lēmuma projektu
- Iespēja pārbaudīt mākslīgā intelekta radītās pieprasījuma prognozes un brīdinājumus par termiņa beigām, izmantojot reālus krājumu datus un aukstās ķēdes noteikumus
- Izpratne par to, ka farmaceits ir atbildīgs par zāļu izsekojamību (ITS), aukstās ķēdes un atgriešanas/iznīcināšanas procesiem.
Aptieku plauktos ir simtiem, bieži vien tūkstošiem dažādu produktu, un katram no tiem ir izmaksas, derīguma termiņš (derīguma termiņš) un pieprasījuma modelis. Pareiza produkta iegūšana pareizajā daudzumā; Runa ir par trauslā līdzsvara atrašanu starp pacientu neatstāšanu tukšām rokām un naudas netērēšanu zālēm, kurām beidzies derīguma termiņš. Mākslīgais intelekts ir spēcīgs analīzes un plānošanas palīglīdzeklis šajā līdzsvarā: tas iegūst pieprasījuma modeļus no vēsturiskajiem pārdošanas datiem, izceļ produktus, kuriem tuvojas derīguma termiņš, iesaka pasūtījumu projektus. Taču šie ieteikumi ir neapstrādāti minējumi; To nevar piemērot, nepārbaudot faktisko krājumu, aukstuma ķēdes noteikumus, likumdošanu un farmaceita zināšanas šajā jomā. Šajā nodaļā jūs uzzināsit, kā mākslīgo intelektu padarīt par drošu lēmumu atbalsta rīku noliktavā, novecojušu un piegādes pārvaldību.
Trīs krājumu pārvaldības asis
Krājumu pārvaldība ir trīs problēmu līdzsvarošana:
- Pieejamība: vai pacientam nepieciešamās zāles ir plauktā? To pārdošana kaitē gan pacientu apmierinātībai, gan uzticībai.
- Kapitāls: katra kastīte plauktā ir piesaistīta nauda. Pārmērīgi krājumi traucē naudas plūsmu.
- Derīguma termiņš: zāles, kurām beidzies derīguma termiņš, tiek iznīcinātas; Tas ir tiešs kaitējums un ir ļoti svarīgs pacientu drošībai.
Mākslīgais intelekts var analizēt šīs trīs asis kopā un sagatavot atbilžu projektus uz tādiem jautājumiem kā "kurš produkts ir jāpasūta un cik daudz, kurš no tiem var novecot?" Taču katra atbilde ir jāpārbauda, salīdzinot ar faktisko inventarizāciju un lauka zināšanām.
Uzmanību: mākslīgais intelekts prognozē nākotnes pieprasījumu, aplūkojot vēsturiskos datus; bet negaidīta epidēmija, piegādes krīze, regulējuma izmaiņas vai lokāls notikums izjauc prognozi. Pieprasījuma prognoze nav ieteikums vai pareģojums; līdzsvarots ar farmaceita spriedumu.
Miad vadība un FEFO
Derīguma termiņa pārvaldības zelta likums ir FEFO (First Expiry, First Out). Citiem vārdiem sakot, vispirms ir jāpārdod prece, kas ir vistuvāk tās derīguma termiņam plauktā. Ja mākslīgais intelekts tiek barots ar krājuma datiem:
- Uzskaita produktus, kuru derīguma termiņš tuvojas noteiktam slieksnim (piemēram, 3 mēneši).
- Tas iezīmē vienumus, kas rotē lēni un kuriem draud derīguma termiņš.
- Iesaka kandidātu produktus atgriešanai vai veicināšanai.
Bet faktiskais iznīcināšanas/atgriešanas lēmums, produkta fiziskā kontrole, aukstuma ķēdes atbilstība un atgriešanas process saskaņā ar likumdošanu ir farmaceita pārziņā.
Aukstā ķēde un izsekojamība
Dažas zāles (vakcīnas, insulīni, bioloģiskās zāles) jāuzglabā noteiktā temperatūras diapazonā; To sauc par auksto ķēdi. Kad ķēde ir pārrauta, zāles var zaudēt savu iedarbību, un tas ir neredzams apdraudējums. Turklāt Tirkijā narkotikas tiek uzraudzītas, izmantojot QR kodus, izmantojot ITS (narkotiku izsekošanas sistēmu); Katras kastes pārdošana, atgriešana un iznīcināšana tiek reģistrēta. AI šajos procesos var ģenerēt atgādinājumus un dokumentācijas projektus; Tomēr temperatūras reģistrēšanas kontrole, QR koda darījumi un oficiālie paziņojumi ir cilvēka kontrolē.
trīs mini futrāļi
1. gadījums — termiņa tīrīšana. Kāda aptieka vēlējās identificēt 40 pildspalvas, kuru derīguma termiņš beigsies 3 mēnešu laikā. Farmaceits mākslīgajam intelektam iedeva krājumu sarakstu (bez cenas un pacienta informācijas); Mākslīgais intelekts tos sakārtoja pēc brieduma un atzīmēja tos, kas atgriezās lēni. Farmaceits salīdzināja sarakstu ar fizisko plauktu, redzēja, ka dažas preces jau ir pārdotas, un sastādīja atgriešanas/akcijas plānu faktiskajām 32 precēm. Mākslīgais intelekts samazināja šķirošanas stundas līdz minūtēm; Farmaceits pieņēma lēmumu.
2. gadījums — sezonāls pieprasījums. Pirms ziemas aptieka sastādīja aukstuma produktu pasūtīšanas plānu. Mākslīgais intelekts radīja prognozi no iepriekšējo gadu pārdošanas apjoma. Farmaceits koriģēja šo aprēķinu, ņemot vērā agrīno gripas vilni reģionā tajā gadā un piegādātāja krājumu pieejamību; Tas pārsniedza prognozēto par 20%. AI deva sākuma punktu; Galīgo skaitli veidoja zināšanas par laukiem.
3. gadījums — aukstās ķēdes dokumentācija. Ledusskapja darbības traucējumu gadījumā temperatūras diapazons tika īslaicīgi pārsniegts. Farmaceits lūdza AI sniegt incidentu ierakstu un attiecīgo produktu novērtēšanas kontrolsaraksta projektu. Mākslīgais intelekts uzskaitīja, kāda informācija jāreģistrē. Farmaceits izvērtēja produktu lietojamību atbilstoši ražotāja aukstuma ķēdes pārraušanas kārtībai/normatīviem aktiem un veica nepieciešamo paziņojumu. AI ir paātrināta dokumentācija; Lēmums pieņemts, zinot likumdošanu un ražotāju.
Soli pa solim krājumu un derīguma termiņa analīze
- Sagatavojiet datus anonīmi un precīzi. Produkts, daudzums, derīguma termiņš, pārdošanas apjoms (bez pacienta/konfidenciālas informācijas).
- Pieprasīt analīzi. Mākslīgais intelekts novērš novecošanas, lēnas virpošanas un pasūtījumu projektu risku.
- Salīdziniet ar faktisko krājumu. Pārbaudiet, izmantojot fizisko skaitu un sistēmas datus.
- Labojiet ar lauka kontekstu. Pievienojiet epidēmijas, piegādes, regulējuma un vietējās zināšanas.
- Piemērojiet aukstās ķēdes/ITS noteikumus. Veikt atgriešanas, iznīcināšanas un uzglabāšanas procesus saskaņā ar likumdošanu.
- Saglabājiet lēmumu. Saglabājiet izsekojamus pasūtījumu un izmešanas iemeslus.
Vāja uzvedne / spēcīga uzvedne
Vājš: "Kas man jāpasūta?"
Spēcīgi: "Analizējiet šādus krājumu datus (produkts, pieejamais daudzums, ikmēneša pārdošanas apjomi par pēdējiem 6 mēnešiem, derīguma termiņš). Izvilkums: 1) preces, kuru derīguma termiņš beigsies 3 mēnešu laikā un kuras netiks papildinātas, pamatojoties uz pārdošanas ātrumu, 2) pārkārtošanas ieteikums (ar pašreizējo ātrumu + drošības krājumu loģiku), 3) lēna apgrozījuma preces. Norādiet, ka piedāvājums nebūs faktiskais statuss. Norādiet un apstipriniet, ka piedāvājums netiks uzskatīts par krājumu. komentējiet cenu/peļņu."
Jaudīgajā uzvednē ir skaidri redzama datu struktūra, vēlamie izvadi un validācijas ierobežojums.
Četras kopējamas veidnes
Uzdevums: Termiņa riska analīze (PROJEKTS).Ievade: | Produkts | Daudzums | Ikmēneša pārdošanas apjomi | Derīguma termiņš |Izvade: uzskaitiet preces, kuru derīguma termiņš beigsies pēc [X] mēnešiem un kuru derīguma termiņš beigsies atbilstoši to pārdošanas līmenim; Rādīt "kušanas laika" aprēķinu. Tas tiks pārbaudīts ar faktisko plauktu.
Uzdevums: Pārkārtošanas ieteikums. Ievade: produkts, pašreizējais krājums, vidējais mēneša pārdošanas apjoms, izpildes laiks (dienas). Aprēķināt: drošības krājumi + izpildes laika pieprasījums → ieteicamais pasūtījuma daudzums. Parādīt darbības. Piegādes statusu un sezonalitāti pievienos farmaceits.
Uzdevums: Lēna produkta pārskats. Ievade: pārdošanas vēsture. Izlaide: preces, kas pārdotas mazāk par [Y] vienībām pēdējā [X] mēnesī; atzīme atgriešanai/kampaņai/piederībai plauktam. Lēmums ir farmaceitam.
Uzdevums: Aukstās ķēdes incidentu protokola projekts.Incidents: [datums, ilgums, temperatūras diapazons, ietekmētie produkti]. Rezultāts: reģistrējamā informācija + novērtējuma kontrolsaraksts.Produkta pieejamība LĒMUMS PIEŅEM ražotājs/regulatīvā procedūra; AI nepieņem lēmumus.
Inventarizācijas lēmuma atbildības tabula
Meklējumi
mākslīgais intelekts
Farmaceits
Derīguma termiņa kārtošana
ātrs saraksts
fizisks apstiprinājums
Pieprasījuma prognoze
Vēsturisks melnraksts
Lauka/sezonas korekcija
Pasūtījuma daudzums
Konta ieteikums
Lēmums par piegādi/naudu
Aukstās ķēdes novērtējums
Dokumentācija
Lēmums par pieejamību
İTS/atgriešana/iznīcināšana
kontrolsaraksts
Oficiālā rīcība un atbildība
Biežas kļūdas
- Kļūdaini pareģojumu kā pareģojumu. Pieprasījuma prognoze jākoriģē ar lauka informāciju.
- Fiziskā skaitīšanas izlaišana. Sistēmas dati un plaukts var atšķirties; Plaukts ir būtisks termiņa lēmumā.
- Aukstās ķēdes lēmuma pieņemšana mākslīgā intelekta ziņā. Pieejamību nosaka ražotājs/regulatīvā procedūra.
- ITS/atgriešanas procesa atslābināšana. QR kodi un oficiālie darījumi ir jāreģistrē un jāveic saskaņā ar noteikumiem.
- Konfidenciālu/komerciālu datu augšupielāde bez kontroles. Pacientu un sensitīva biznesa informācija ir jāaizsargā.
Rezumējot
Mākslīgais intelekts ir spēcīgs analīzes un plānošanas rīks krājumu, derīguma termiņa un piegādes pārvaldībā; Tas izceļ novecojušus riskus, sagatavo pieprasījuma prognozes un pasūtījumu projektus, kā arī paātrina dokumentāciju. Bet katrs priekšlikums ir projekts; Faktisko krājumu uzskaiti nevar īstenot, ja to nepārbauda aukstās ķēdes noteikumi, ITS un tiesību akti. Pieprasījuma prognozēšana ir sākumpunkts, ko līdzsvaro nozares zināšanas. Galīgā atbildība par izsekojamību, aukstuma ķēdi un iznīcināšanas lēmumiem ir farmaceitam.
Lietojumprogrammas uzdevums
Sagatavojiet anonīmu krājumu paraugu no savas aptiekas (10-15 preces; daudzums, ikmēneša pārdošanas apjoms, derīguma termiņš). Pieprasīt derīguma termiņa riska analīzi un pārkārtot ieteikumu no mākslīgā intelekta. Salīdziniet izdruku ar faktisko plauktu un atzīmējiet visas atšķirības. Labojiet AI prognozi sezonas produktam, izmantojot savas nozares zināšanas. Visbeidzot, uzrakstiet, kā jūs izstrādātu dokumentāciju par hipotētisku aukstās ķēdes pārtraukumu un atrisinātu to, izmantojot ražotāja/regulatīvo procedūru.
kontrolsaraksts
- [ ] Krājumu datus sagatavoju anonīmi un precīzi.
- [ ] Es analizēju terminu risks un apstiprināju to ar fizisko plauktu.
- [ ] Pieprasījuma prognozi laboju ar lauka/sezonas informāciju.
- [ ] Es sabalansēju pasūtījuma daudzumu ar piegādi un skaidras naudas pieejamību.
- [ ] Aukstās ķēdes lēmumu es pamatoju ar ražotāju/regulatīvo procedūru.
- [ ] Es regulāri veicu İTS/atgriešanas/iznīcināšanas procedūras.
- [ ] Es pierakstīju pasūtījumu un iznīcināšanas iemeslus.