Lợi nhuận:
- Khả năng phân tích mức tồn kho, theo dõi hạn sử dụng và lập kế hoạch đặt hàng bằng trí tuệ nhân tạo và đưa ra dự thảo quyết định
- Khả năng xác minh dự báo nhu cầu và cảnh báo hết hạn do trí tuệ nhân tạo tạo ra với dữ liệu tồn kho thực và quy tắc chuỗi lạnh
- Hiểu rằng trách nhiệm cuối cùng thuộc về dược sĩ trong việc truy xuất nguồn gốc thuốc (ITS), dây chuyền lạnh và quy trình trả lại/tiêu hủy.
Có hàng trăm, thường là hàng nghìn sản phẩm khác nhau trên kệ của hiệu thuốc và mỗi sản phẩm đều có giá thành, ngày hết hạn (ngày hết hạn) và mô hình nhu cầu. Có đúng sản phẩm, đúng số lượng; Đó là việc đạt được sự cân bằng mong manh giữa việc không để bệnh nhân tay trắng và không tiêu tiền vào thuốc hết hạn. Trí tuệ nhân tạo là công cụ hỗ trợ lập kế hoạch và phân tích mạnh mẽ trong sự cân bằng này: nó trích xuất các mô hình nhu cầu từ dữ liệu bán hàng lịch sử, nêu bật các sản phẩm sắp hết hạn, đề xuất dự thảo đơn đặt hàng. Nhưng những gợi ý này chỉ là những phỏng đoán thô thiển; Nó không thể được áp dụng nếu không xác minh với nguồn hàng thực tế, các quy định về dây chuyền lạnh, luật pháp và kiến thức của dược sĩ trong lĩnh vực này. Trong phần này, bạn sẽ học cách biến trí tuệ nhân tạo thành một công cụ hỗ trợ ra quyết định an toàn trong kho, hàng lỗi thời và quản lý nguồn cung.
Ba trục quản lý chứng khoán
Quản lý hàng tồn kho là sự cân bằng của ba vấn đề:
- Tình trạng sẵn có: Thuốc bệnh nhân cần có sẵn trên kệ không? Việc bán chúng sẽ làm tổn hại đến cả sự hài lòng và niềm tin của bệnh nhân.
- Vốn: Mỗi chiếc hộp trên kệ đều được buộc tiền. Hàng tồn kho quá mức làm gián đoạn dòng tiền.
- Hạn sử dụng: Thuốc hết hạn bị tiêu hủy; Đây là tác hại trực tiếp và rất quan trọng đối với sự an toàn của bệnh nhân.
Trí tuệ nhân tạo có thể phân tích ba trục này cùng nhau và đưa ra câu trả lời phác thảo cho các câu hỏi như “nên đặt hàng sản phẩm nào và số lượng bao nhiêu, sản phẩm nào có nguy cơ trở nên lỗi thời?” Nhưng mọi câu trả lời đều phải được kiểm tra dựa trên kiến thức thực tế và kiểm kê thực tế.
Thận trọng: Trí tuệ nhân tạo dự đoán nhu cầu trong tương lai bằng cách xem dữ liệu lịch sử; nhưng một dịch bệnh bất ngờ, khủng hoảng nguồn cung, thay đổi quy định hoặc sự kiện địa phương sẽ làm gián đoạn dự báo. Dự báo nhu cầu không phải là một khuyến nghị hay một lời tiên tri; được cân bằng bởi sự đánh giá của dược sĩ.
Quản lý Miad và FEFO
Nguyên tắc vàng trong quản lý hạn sử dụng là FEFO (Hết hạn trước, xuất trước). Nói cách khác, sản phẩm gần ngày hết hạn nhất trên kệ sẽ được bán trước. Nếu trí tuệ nhân tạo được cung cấp dữ liệu chứng khoán:
- Liệt kê các sản phẩm có thời hạn sử dụng sắp đạt đến một ngưỡng nhất định (ví dụ: 3 tháng).
- Nó đánh dấu các mặt hàng quay chậm và có nguy cơ hết hạn.
- Đề xuất các sản phẩm ứng cử viên để trả lại hoặc khuyến mãi.
Tuy nhiên, quyết định hủy/trả lại thực tế, kiểm soát vật lý sản phẩm, tuân thủ dây chuyền lạnh và quy trình trả lại theo quy định là trách nhiệm của dược sĩ.
Chuỗi lạnh và truy xuất nguồn gốc
Một số loại thuốc (vắc xin, insulin, thuốc sinh học) phải được bảo quản trong khoảng nhiệt độ nhất định; Đây được gọi là chuỗi lạnh. Một khi sợi dây chuyền bị đứt, thuốc có thể mất tác dụng và đây là mối nguy hiểm vô hình. Ngoài ra, tại Türkiye, ma túy được giám sát thông qua mã QR với ITS (Hệ thống theo dõi ma túy); Việc bán, trả lại và tiêu hủy từng hộp đều được ghi lại. AI có thể tạo lời nhắc và soạn thảo tài liệu trong các quy trình này; Tuy nhiên, việc kiểm soát ghi nhiệt độ, giao dịch mã QR và thông báo chính thức đều nằm trong tầm kiểm soát của con người.
ba trường hợp nhỏ
Trường hợp 1 - Làm sạch theo thời hạn. Một hiệu thuốc muốn xác định 40 chiếc bút sẽ hết hạn sử dụng trong vòng 3 tháng. Dược sĩ đưa danh sách hàng (không có giá và thông tin bệnh nhân) cho trí tuệ nhân tạo; Trí tuệ nhân tạo đã sắp xếp chúng theo mức độ trưởng thành và đánh dấu những thứ quay trở lại chậm. Dược sĩ so sánh danh sách với kệ thực tế, thấy rằng một số mặt hàng đã được bán và lập kế hoạch trả lại/chiến dịch cho 32 mặt hàng thực tế. Trí tuệ nhân tạo giảm số giờ phân loại xuống còn vài phút; Dược sĩ đã đưa ra quyết định.
Trường hợp 2 - Nhu cầu theo mùa. Trước mùa đông, một nhà thuốc lập kế hoạch đặt hàng các sản phẩm lạnh. Trí tuệ nhân tạo đưa ra dự báo từ doanh số bán hàng của những năm trước. Dược sĩ đã điều chỉnh ước tính này do đợt cúm sớm trong khu vực vào năm đó và lượng hàng sẵn có của nhà cung cấp; Nó vượt quá dự báo 20%. AI đã đưa ra điểm khởi đầu; Con số cuối cùng được định hình bởi kiến thức thực tế.
Trường hợp 3 - Tài liệu về dây chuyền lạnh. Trong trường hợp tủ lạnh gặp trục trặc, phạm vi nhiệt độ đã bị vượt quá trong thời gian ngắn. Dược sĩ đã yêu cầu AI cung cấp hồ sơ sự cố và danh sách kiểm tra đánh giá dự thảo các sản phẩm liên quan. Trí tuệ nhân tạo liệt kê những thông tin nào cần được ghi lại. Dược sĩ đánh giá khả năng sử dụng của sản phẩm theo quy trình phá vỡ dây chuyền lạnh của nhà sản xuất/luật pháp và đưa ra thông báo cần thiết. AI đã tăng tốc tài liệu; Quyết định được đưa ra dựa trên kiến thức về luật pháp và nhà sản xuất.
Phân tích tồn kho và hết hạn từng bước
- Chuẩn bị dữ liệu ẩn danh và chính xác. Sản phẩm, số lượng, ngày hết hạn, tỷ lệ bán hàng (không có thông tin bệnh nhân/bí mật).
- Yêu cầu phân tích. Trí tuệ nhân tạo giúp loại bỏ nguy cơ lỗi thời, hàng hóa quay chậm và đơn hàng nháp.
- So sánh với hàng tồn kho thực tế. Xác minh bằng số lượng vật lý và dữ liệu hệ thống.
- Khắc phục bằng bối cảnh trường. Bổ sung kiến thức về dịch bệnh, nguồn cung, quy định và địa phương.
- Áp dụng quy tắc dây chuyền lạnh/ITS. Thực hiện quy trình hoàn trả, tiêu hủy, lưu giữ theo quy định của pháp luật.
- Lưu quyết định. Giữ trật tự và lý do thải bỏ có thể theo dõi được.
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: "Tôi nên gọi món gì đây?"
Mạnh: "Phân tích dữ liệu tồn kho sau đây (sản phẩm, số lượng có sẵn, doanh số hàng tháng trong 6 tháng qua, ngày hết hạn). Trích xuất: 1) các mặt hàng sẽ hết hạn trong vòng 3 tháng và sẽ không được bổ sung dựa trên tốc độ bán hàng, 2) đề xuất đặt hàng lại (với vận tốc hiện tại + logic tồn kho an toàn), 3) các mặt hàng quay vòng chậm. Trình bày đề xuất dưới dạng bản nháp; nêu rõ rằng nó sẽ được xác minh theo số lượng hàng tồn kho thực tế và trạng thái cung cấp. Không bình luận về giá/lợi nhuận."
Trong lời nhắc mạnh mẽ, cấu trúc dữ liệu, đầu ra mong muốn và giới hạn xác thực đều rõ ràng.
Bốn mẫu có thể sao chép
Nhiệm vụ: Phân tích rủi ro kỳ hạn (DRAFT).Đầu vào: | Sản phẩm | Số lượng | Doanh số hàng tháng | Hết hạn |Đầu ra: Liệt kê các mặt hàng sẽ hết hạn sau [X] tháng và sẽ không hết hạn theo tỷ lệ bán hàng của chúng; Hiển thị ước tính "thời gian tan chảy". Nó sẽ được xác minh với kệ thực tế.
Nhiệm vụ: Đề xuất đặt hàng lại. Đầu vào: sản phẩm, lượng hàng tồn kho hiện tại, doanh số trung bình hàng tháng, thời gian giao hàng (ngày). Tính toán: lượng hàng tồn kho an toàn + yêu cầu thời gian giao hàng → số lượng đặt hàng đề xuất. Hiển thị các bước. Tình trạng cung cấp và tính thời vụ sẽ được dược sĩ bổ sung.
Nhiệm vụ: Báo cáo sản phẩm quay vòng chậm. Đầu vào: lịch sử bán hàng. Đầu ra: các mặt hàng đã bán được ít hơn [Y] đơn vị trong [X] tháng qua; đánh dấu sự phù hợp cho lợi nhuận/chiến dịch/xếp hàng. Quyết định thuộc về dược sĩ.
Nhiệm vụ: Dự thảo hồ sơ sự cố dây chuyền lạnh. Sự cố: [ngày, khoảng thời gian, phạm vi nhiệt độ, sản phẩm bị ảnh hưởng]. Đầu ra: thông tin cần ghi lại + danh sách kiểm tra đánh giá. Tính sẵn có của sản phẩm ĐƯỢC QUYẾT ĐỊNH bởi nhà sản xuất/thủ tục quản lý; AI không đưa ra quyết định.
Bảng trách nhiệm quyết định hàng tồn kho
Nhiệm vụ
trí tuệ nhân tạo
Dược sĩ
Sắp xếp hết hạn
danh sách nhanh
xác nhận vật lý
Dự báo nhu cầu
dự thảo lịch sử
Hiệu chỉnh trường/mùa
Số lượng đặt hàng
Đề xuất tài khoản
Quyết định cung cấp/tiền mặt
Đánh giá chuỗi lạnh
Tài liệu
Quyết định sẵn có
İTS/trả lại/hủy diệt
danh sách kiểm tra
Hành động chính thức và trách nhiệm pháp lý
Những lỗi thường gặp
- Nhầm một lời tiên đoán là một lời tiên tri. Dự báo nhu cầu cần được điều chỉnh bằng thông tin thực địa.
- Bỏ qua số lượng vật lý. Dữ liệu hệ thống và giá có thể khác nhau; Kệ là điều cần thiết trong việc quyết định thời hạn.
- Để lại quyết định dây chuyền lạnh cho trí tuệ nhân tạo. Tính sẵn có được cung cấp bởi nhà sản xuất/quy trình quản lý.
- Giảm bớt quá trình ITS/trả lại. Mã QR và các giao dịch chính thức phải được ghi chép và thực hiện theo đúng quy định.
- Tải lên dữ liệu bí mật/thương mại mà không được kiểm soát. Thông tin kinh doanh nhạy cảm và bệnh nhân phải được bảo vệ.
Tóm lại
Trí tuệ nhân tạo là một công cụ phân tích và lập kế hoạch mạnh mẽ trong quản lý tồn kho, hết hạn và cung ứng; Nó nêu bật những rủi ro lỗi thời, đưa ra dự báo nhu cầu và dự thảo đơn đặt hàng, đồng thời đẩy nhanh quá trình lập hồ sơ. Nhưng mọi đề xuất đều chỉ là bản nháp; Việc kiểm kê hàng tồn kho thực tế không thể được thực hiện nếu không được xác minh bằng các quy tắc dây chuyền lạnh, ITS và pháp luật. Dự báo nhu cầu là điểm khởi đầu, được cân bằng bởi kiến thức thực tế. Dược sĩ chịu trách nhiệm cuối cùng về việc truy xuất nguồn gốc, dây chuyền lạnh và quyết định thải bỏ.
Nhiệm vụ ứng dụng
Chuẩn bị một mẫu hàng tồn kho ẩn danh từ hiệu thuốc của bạn (10-15 mặt hàng; số lượng, doanh số hàng tháng, hạn sử dụng). Yêu cầu phân tích rủi ro hết hạn và đề xuất sắp xếp lại từ trí tuệ nhân tạo. So sánh bản in với giá thực tế và lưu ý bất kỳ sự khác biệt nào. Sửa dự báo AI cho sản phẩm theo mùa bằng kiến thức lĩnh vực của riêng bạn. Cuối cùng, hãy viết cách bạn soạn thảo tài liệu về một sự cố dây chuyền lạnh giả định và giải quyết nó bằng quy trình quản lý/nhà sản xuất.
danh sách kiểm tra
- [ ] Tôi đã chuẩn bị dữ liệu chứng khoán một cách ẩn danh và chính xác.
- [ ] Tôi đã phân tích thuật ngữ rủi ro và xác nhận nó bằng một kệ vật lý.
- [ ] Tôi đã sửa lại dự báo nhu cầu bằng thông tin về cánh đồng/mùa vụ.
- [ ] Tôi đã cân bằng số lượng đặt hàng với nguồn cung và lượng tiền mặt sẵn có.
- [ ] Tôi đưa ra quyết định về dây chuyền lạnh dựa trên quy trình quản lý/nhà sản xuất.
- [ ] Tôi thường xuyên thực hiện các thủ tục İTS/trả lại/hủy bỏ.
- [ ] Tôi đã ghi lại trật tự và lý do phá hủy.