Ieguvumi:
- Spēja izprast laika rindu, sezonalitātes un tendenču jēdzienus un izmantot mākslīgo intelektu ar pareiziem jautājumiem un datiem pacientu pieprasījuma prognozēšanai
- Spēja interpretēt prognozes nenoteiktību (uzticamības intervāls, scenāriji) un balstīt plānošanu uz diapazonu, nevis uz vienu skaitli
- Spēja atšķirt, ka mākslīgā intelekta prognozes ir balstītas uz vēsturiskiem datiem un ka ekspertu spriedums tiek izvirzīts priekšplānā tādu uzliesmojumu gadījumos kā epidēmijas/katastrofas.
Sarežģītākais jautājums slimnīcas administratoram ir par nākotni: "Cik pacientu nākamnedēļ ieradīsies neatliekamās palīdzības nodaļā? Par cik palielināsies poliklīnikas noslodze ziemas gripas sezonā? Cik darbinieku pietiks atvaļinājuma laikā?" Atbildes uz šiem jautājumiem ir neskaidras, bet ne pilnīgi tumšas. Pagātne nes norādes uz nākotni. Pieprasījuma prognozēšana ir pētījums par pacienta/darba slodzes prognozēšanu nākotnē, aplūkojot vēsturiskos datus. Šajā nodaļā jūs uzzināsiet, kā izmantot mākslīgo intelektu pieprasījuma prognozēšanā un, kas ir tikpat svarīgi, kā pārvaldīt prognozes nenoteiktību. Īkšķis: AI prognozēšana balstās uz pagātnes modeļiem; Ekspertu spriedumam ir prioritāte tādās situācijās kā epidēmijas, katastrofas un izmaiņas tiesību aktos.
Trīs laikrindu sastāvdaļas
Vēsturiskos pieprasījuma datus sauc par laikrindām — sakārtotu skaitļu sēriju, kas tiek mērīta noteiktos intervālos (katru dienu, nedēļu). Lai saprastu laikrindu, tā jāsadala trīs daļās. Tendence, ilgtermiņa virziens: vai jūsu ārkārtas uzņemšana gadu gaitā palielinās vai samazinās? Sezonalitāte, regulāras periodiskas svārstības: ziemā palielinās elpceļu saslimšanas, vasarā palielinās traumu/nelaimes gadījumu skaits, brīvdienās ambulatorās klīnikas tiek iztukšotas. Troksnis/svārstības ir neizskaidrojamas nejaušas svārstības. Laba prognoze atspoguļo tendences un sezonalitāti un nepārspīlē troksni. AI palīdz jums veikt šo atdalīšanu; Bet jūsu uzdevums ir spriest, kas ir patiesais modelis un kas ir troksnis.
Vissvarīgākais jēdziens ir nenoteiktība. Neviens aprēķins nav viens galīgs skaitlis. Labs aprēķins sniedz diapazonu: "Mēs gaidām no 210 līdz 260 pacientiem neatliekamās palīdzības nodaļā nākamajā sestdienā, un visticamākā vērtība ir 235." Šo intervālu sauc par ticamības intervālu. Ja plānojat, pamatojoties uz diapazonu, nevis vienu skaitli, jūs būsiet gatavs gan zemiem, gan lieliem scenārijiem. Ticēt nepāra skaitļiem ir klasiska pārāk pašpārliecinātas prognozēšanas kļūda.
Atstarpes plānošanai ir praktiska loģika: veselības aprūpē divi kļūdu aspekti nav vienlīdz dārgi. Ja nav pietiekami daudz darbinieku un liels pieprasījums, pastāv gaidīšanas, pārapdzīvotības un pacientu drošības risks; Tā ir smaga cena. Ja ir pārāk daudz darbinieku un zems pieprasījums, rodas dīkstāves izmaksas; Tas ir arī nevēlams, bet vieglāk pārvaldāms. Tāpēc plānošana dzīvībai svarīgās nodaļās (neatliekamā palīdzība, intensīvā aprūpe) bieži tiek veikta tuvu diapazona augšējai robežai (augsts scenārijs), bet ar elastības plānu, kas var novirzīt lieko jaudu uz citu vienību. Vērtīgākais, ko prognoze sniedz, nav precīzs skaitlis, bet gan iespēja saskatīt šo divvirzienu risku un izvēlēties informētu buferi.
Soli pa solim: pieprasījuma prognozēšana, izmantojot AI
- Apkopojiet pietiekami daudz vēsturisko datu. Anonīmu ikdienas/nedēļas pieteikumu skaits vismaz vienu pilnu gadu, vēlams 2–3 gadus, lai atspoguļotu sezonalitāti.
- Pievienojiet kontekstu. Atzīmējiet zināmās ietekmes, piemēram, brīvdienas, kampaņas, laikapstākļus, epidēmijas periodus; Pretējā gadījumā AI uzskatīs, ka tie ir troksnis.
- Sadalās. Lūdziet AI apkopot tendences, sezonalitāti un neparastus lēcienus.
- Iegūstiet intervāla prognozi. Lūdziet prognozes ar zemiem/iespējamiem/augstiem scenārijiem, nevis atsevišķiem skaitļiem.
- Konvertēt uz jaudu. Konvertējiet aptuvenās personāla, gultas un materiālu vajadzības.
- Pārrāvuma kontrole. Ja pie apvāršņa ir kāds faktors, kura pagātnē nebija, piemēram, epidēmija, izmaiņas likumdošanā vai jauna pakalpojuma atvēršana, manuāli labojiet prognozi ar eksperta spriedumu.
Uzmanību: ja AI liksit "paredzēt nākamo gadu" un nesniegsiet tam datus, tas jums parādīs izdomātu numuru. Prognozei ir nozīme tikai jūsu sniegtajiem vēsturiskajiem datiem.
trīs mini futrāļi
1. gadījums — sagatavošanās gripas sezonai. Slimnīca sniedza YZ anonīmus ikdienas neatliekamās palīdzības datus par 3 gadiem. YZ parādīja, ka katru gadu no decembra vidus līdz februārim pieteikumu skaits pieauga vidēji par 35 procentiem, bet maksimums bija janvāra 3. nedēļā. Vadība plānoja papildu ārstu un medmāsu maiņas šajā periodā un palielināja gripas vakcīnu un ātro testu krājumus. Šajā ziemā gaidīšanas laiks pīķa nedēļā ievērojami samazinājās, salīdzinot ar iepriekšējo gadu; jo jauda jau ir sasniegusi sastrēgumu.
2. gadījums — Scenārijs intervāla vietā. Uzņēmuma vadītājs prasīja AI savam “steidzamajam pieteikumam nākamajā sestdienā” vienu skaitli: 240. Pēc tam viņš vēlreiz jautāja ar ticamības intervālu: 205–275. Vadītājs veica plānošanu pēc 275 (augstais scenārijs), bet arī sagatavoja elastīgu izejas plānu (liekā personāla pārcelšana uz citu vienību) atbilstoši 205. Faktiski pieteikumi bija 262; Ja viņš būtu paļāvies uz vienu numuru, viņš būtu mazāk plānots par 22 pacientiem. Darbs ar intervāliem viņu pasargāja.
3. gadījums — izlaušanās izjauc prognozēšanu. Kādā reģionā bija negaidīti plūdi. Prognoze, kas balstīta uz vēsturiskajiem datiem, šai nedēļai teica "parasti"; tā kā ārkārtas pieteikumu skaits ir dubultojies. AI prognoze nevarēja redzēt pārtraukumu, jo šāds notikums agrāk nepastāvēja. Krīzes birojs ir pārcēlies no prognozēšanas un pārgājis uz reāllaika lietojumprogrammu izsekošanu un stundu atjauninājumiem. Nodarbība: struktūras pārrāvumā pagātne pārstāj būt kā ceļvedis; ekspertu spriedums un tiešraides uzraudzība ir priekšroka.
Četras kopējamas veidnes
1) Laika rindu sadalījums:
Jūsu loma: slimnīcas pieprasījuma analītiķa palīgs. Tālāk ir sniegts anonīms 3 gadu iknedēļas neatliekamās palīdzības numuru saraksts. Uzdevums: (1) apkopojiet vispārējo tendenci (pieaugums/samazinājums), (2) aprakstiet sezonālo modeli pa mēnešiem, (3) izceliet visus neparastos lēcienus. Atšķiriet to, kas ir reāls modelis, un to, kas var būt nejaušas svārstības. Izdomātu numuru pievienošana.
2) Intervāla prognoze:
Pamatojoties uz iepriekš minētajiem datiem, izveidojiet iknedēļas ārkārtas pieteikumu prognozi nākamajām 4 nedēļām. NAV viens numurs; Katrai nedēļai norādiet zemo / visticamāk / augstāko vērtību diapazonu. Īsi paskaidrojiet, kāpēc diapazons ir tik plašs.
3) Pārvēršana uz paredzamo jaudu:
Augstākā scenārija aplēse pīķa nedēļai ir 275 uzņemšanas dienā. Vidējais neatliekamās palīdzības ārsts maiņā pieņem ~35 pacientus, medmāsa ~25. Uzdevums: aprēķināt minimālo ārstu un māsu skaitu, kas nepieciešams augstajā scenārijā, parādīt formulu. Norādiet, ka tas ir plānošanas ieguldījums un gala lēmumu pieņem vadītājs.
4) Pārrāvuma brīdinājuma kontrolsaraksts:
Sagatavojiet kontrolsarakstu, kurā jautāšu, vai ir kāds faktors, kas NAV vēsturiskajos datos nākamajā periodā: epidēmija, izmaiņas likumdošanā, jaunas vienības atvēršana, reģionālais notikums, laikapstākļi/katastrofa. Katram vienumam pievienojiet piezīmi: "Ja jā, kā manuāli labot prognozi?"
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Cik pacientu nāks nākammēnes?
Nav datu, nav vienību, nav perioda definīcijas; AI var tikai izdomāt lietas.
Spēcīga uzvedne:
Man ir 3 gadu anonīmi iknedēļas poliklīnikas pieteikuma dati (pielikumā). Zinu, ka ziemas mēnešos slodze palielinās. Sniedziet zemu/iespējamu/augstu prognozi nākamajām 6 nedēļām, aprakstiet sezonālo modeli pa mēnešiem un uzskaitiet visus novirzošos faktorus, kas var padarīt prognozi nepilnīgu/maldinošu.
koncepcija
ko tu ar to domā?
Ietekme uz plānošanu
tendence
ilgtermiņa virziens
Pastāvīgās jaudas investīcijas
sezonalitāte
Regulāra atkārtošanās
Sezonas papildpersonāls/krājums
ticamības intervāls
Prognozes nenoteiktības josla
Zema un augsta scenārija plāns
lūzums
notikums, kas pagātnē nav noticis
Pārtrauciet minējumus, pārslēdzieties uz tiešraidi
Biežas kļūdas
- Ticība nepāra skaitļiem. Aprēķins ir diapazons; Plānošana, pamatojoties uz vienu punktu, ir riskanta.
- Nepietiekami dati. Sezonalitāti nevar tvert ar datiem, kas ir mazāki par vienu gadu.
- Neatzīmējot kontekstu. Ja nenorādīsit brīvdienas un akcijas, mākslīgais intelekts tos kļūdaini uztvers ar troksni.
- Salauzuma ignorēšana. Epidēmiju/katastrofu laikā pagātnes dati ir maldinoši.
- Prognozējošais lēmums. Prognoze ir ievade; Personāla un budžeta lēmumi ir vadītāja ziņā.
Padoms. Salīdziniet savu prognozi ar faktisko katru mēnesi un pierakstiet, cik daudz tas ir atlaidis. Šīs atsauksmes uzlabo gan jūsu prognozi, gan datus, ko laika gaitā sniedzat AI, un iemāca jums uzticēties pareģojumam.
Rezumējot
Pieprasījuma prognozēšana veido tiltu no pagātnes datiem uz nākotni, taču šis tilts ir neskaidrs. AI ir spēcīgs palīglīdzeklis, lai sadalītu laika rindas tendencēs, sezonalitātē un trokšņos un sagatavotu intervālu prognozes. Plānošanas pamatā ir ticamības intervāls, nevis viens skaitlis; Sagatavojieties zemajam un augstajam scenārijam kopā. Vissvarīgākais: pagātnes dati pārstāj kalpot par ceļvedi pārrāvuma laikā, piemēram, epidēmijas, katastrofas un izmaiņas tiesību aktos; Šeit vispirms ir ekspertu spriedums un reāllaika uzraudzība.
Lietojumprogrammas uzdevums
Ja jums ir vismaz gadu anonīmi iknedēļas atsauces dati (ja ne, ģenerējiet hipotētiskus datus), jautājiet AI sezonālu modeli un 4 nedēļu intervāla prognozi, izmantojot veidnes “Laika rindu sadalīšana” un “Intervāla prognoze”. Pēc tam salīdziniet visticamākās vērtības ar savu aptuveno vidējo vērtību. Pierakstiet 5 pozīcijās, kā jūs varētu noteikt lūzuma faktoru horizontā (piemēram, jaunas ambulatorās klīnikas atvēršana) un manuāli labot prognozi.
kontrolsaraksts
- [ ] Vai es izmantoju vismaz viena gada anonīmus datus, lai fiksētu sezonalitāti?
- [ ] Vai esmu atzīmējis tādus kontekstus kā brīvdienas/kampaņas?
- [ ] Vai es plānoju ar ticamības intervālu, nevis vienu skaitli?
- [ ] Vai esmu pārbaudījis pārrāvuma faktorus pie horizonta?
- [ ] Vai es varu ņemt tāmi kā ievadi un atstāt lēmumu vadītāja ziņā?