كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

بکارگیری روش های یادگیری عمیق جهت پیش بینی تقاضای زنجیره‌ی تامین خون (مطالعه‌ی موردی: بیمارستان افضلی‌پور کرمان)

نویسندگان :

منصوره نادری پور¹ محمد مهدی سلندری²

1- دانشگاه شهید باهنر کرمان 2- دانشگاه شهید باهنر کرمان

کلمات کلیدی :

یادگیری عمیق،زنجیره تامین خون،پیش بینی تقاضا،کاهش هدررفت خون،هوش مصنوعی،یادگیری ماشین

چکیده :

یکی از مباحث عمده در سیستم‌های بهداشت جهانی مسئله‌ی مدیریت زنجیره تامین خون است‌، مدیریت زنجیره‌ی تامین خون به علت چالش‌هایی مانند فسادپذیری بالا، زمان کوتاه عمر، عدم قطعیت تقاضا در بیمارستان و محدودیت‌های فضای نگهداری، بسیار حیاتی است از این رو پیش بینی قابل اعتماد تقاضای خون می‌تواند تا حدودی مشکلات عمده‌ی این زنجیره‌ را حل کند و کاهش چشمگیری در هزینه ها ایجاد کند. اطلاع از حدود تقاضای خون می‌تواند نسبت به برنامه-ریزی انواع روش های تامین خون مثل برگزاری کمپین های اهدای خون، تعیین نقاط معین و ... اثرگذار باشد. از طرفی از ورود بیش از نیاز خون به منابع جلوگیری می کند و باعث کاهش هدررفت در لایه های زنجیره تامین میگردد. این مطالعه با بکارگیری دو نوع از مدل‌های یادگیری عمیق و با استفاده از داده‌های روزانه سری زمانی پنج ساله متعلق به تقاضای خون بیمارستان افضلی‌پور کرمان به پیش بینی تقاضای خون در سی روزه آینده می‌پردازد. به منظور پیش بینی، ابتدا پیش پردازش‌های لازم بر روی داده‌ها برای ورود به الگوریتم‌ها انجام می گردد و سپس عملکرد مدل‌های RNN و MLP برای پیش بینی مورد ارزیابی قرار می گیرد. نتایج نشان می دهد که الگوریتم RNN با داشتن مقدار کمتر سنجش ارزیابی MSE عملکرد مطلوب تری نسبت به الگوریتم MLP داراست.