TY - JOUR T1 - A Demand Forcasting Model for the Blood Platelet Supply Chain with Artificial Neural Network Approach and Arima Models TT - ارائه مدلی جهت پیش‌بینی تقاضا در زنجیره تامین پلاکت خون با رویکرد شبکه عصبی مصنوعی و مدل‌های آریما JF - Blood-Journal JO - Blood-Journal VL - 14 IS - 4 UR - http://bloodjournal.ir/article-1-1133-fa.html Y1 - 2017 SP - 335 EP - 345 KW - Key words: Blood Platelets KW - Arima KW - Blood Transfusion N2 - چکیده سابقه و هدف یکی از مباحث عمده در سیستم­های بهداشت و درمان جهانی، مسئله بهبود عملکرد زنجیره تامین و عدم قطعیت موجود در تقاضا می­­باشد. هدف مطالعه حاضر، پیش بینی میزان تقاضای پلاکت خون با مدل­های شبکه عصبی مصنوعی و آریما، در زنجیره تامین سازمان انتقال خون استان سیستان و بلوچستان بود. مواد و روش‌ها در این مطالعه کاربردی، داده­های مربوط به تقاضا برای 8 نوع پلاکت خون در بازه زمانی سال‌های 1390 لغایت 1394 از مرکز انتقال خون زاهدان جمع‌آوری گردید. سپس با بهره‌گیری از مدل­های شبکه عصبی مصنوعی و آریما، پیش‌بینی تقاضای روزانه انجام پذیرفت. در انتها با توجه به معیار ارزیابی کارآیی MSE ، نتایج به دست آمده از روش­های مذکور با هم مقایسه شدند. تحلیل داده­ها با نرم‌افزارهای MatlabR2016b وEviews 6 انجام شد. یافته‌ها نتایج این مطالعه حاکی از دقت بالای مدل­های شبکه عصبی و سپس آریما نسبت به روند فعلی سازمان بود. دقت میانگین با توجه به MSE دو مدل مذکور برای انواع پلاکت عبارتند از: (0048/0 ± 0132/0)O+ ، (0041/0 ± 0115/0) O- ، (0043/0 ± 0205/0) A+ ، (0033/0 ± 01085/0) A- ،(0086/0 ± 0221/0)B+ ، (0009/0 ± 0045/0) B- ، (0031/0 ± 0136/0) AB+ و (0005/0 ± 0034/0) AB- که به ترتیب بیانگر میانگین و انحراف معیار خطا می­باشد. نتیجه گیری نتایج این مطالعه نشانگر دقت بالای مدل­های شبکه عصبی مصنوعی و سپس آریما در پیش‌بینی تقاضای پلاکت خون است. لذا استفاده از مدل­های شبکه عصبی مصنوعی جهت پیش‌بینی تقاضا به جای روش­های پیش‌بینی آماری رایج در مراکز انتقال خون قابل توصیه می‌باشد. M3 ER -