The Scientific Journal of Iranian Blood Transfusion Organization
فصلنامه پژوهشی خون
Sci J Iran Blood Transfus Organ
Medical Sciences
http://bloodjournal.ir
91
journal91
1027-9520
1735-8248
fa
jalali
1396
9
1
gregorian
2017
12
1
14
4
online
1
fulltext
fa
ارائه مدلی جهت پیشبینی تقاضا در زنجیره تامین پلاکت خون با رویکرد شبکه عصبی مصنوعی و مدلهای آریما
A Demand Forcasting Model for the Blood Platelet Supply Chain with Artificial Neural Network Approach and Arima Models
عمومى
General
پژوهشي
Research
<p dir="RTL" style="text-align: justify;"><span style="font-family:jadid;">چکید</span><span style="font-family:jadid;">ه</span><span style="font-family:jadid;"></span><br>
<strong><em><span style="font-family:titr;"><span style="font-size:9.0pt;">سابقه و هدف </span></span></em></strong><br>
<strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;">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.</span></span></strong><br>
<strong><em><span style="font-family:titr;"><span style="font-size:9.0pt;">مواد و روشها</span></span></em></strong><br>
<strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;">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 </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">MSE</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> ، نتایج به دست آمده از روش­های مذکور با هم مقایسه شدند. تحلیل داده­ها با نرمافزارهای </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">MatlabR2016b</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> و</span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">Eviews 6 </span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> انجام شد.</span></span></strong><br>
<strong><em><span style="font-family:titr;"><span style="font-size:9.0pt;">یافتهها</span></span></em></strong><br>
<strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;">نتایج این مطالعه حاکی از دقت بالای مدل­های شبکه عصبی و سپس آریما نسبت به روند فعلی سازمان بود. دقت میانگین با توجه به </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">MSE</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> دو مدل مذکور برای انواع پلاکت عبارتند از: (0048/0 </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">±</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> 0132/0)</span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">O<sup>+</sup> </span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> ، (0041/0 </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">±</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> 0115/0) </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">O<sup>-</sup></span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> ، (0043/0 </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">±</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> 0205/0) </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">A<sup>+</sup></span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> ، (0033/0 </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">±</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> 01085/0) </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">A<sup>-</sup></span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> ،(0086/0 </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">±</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> 0221/0)</span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">B<sup>+</sup></span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> ، (0009/0 </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">±</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> 0045/0) </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">B<sup>-</sup></span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> ، (0031/0 </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">±</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> 0136/0) </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">AB<sup>+</sup></span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> و (0005/0 </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">±</span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> 0034/0) </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">AB<sup>-</sup></span></span></strong><strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;"> که به ترتیب بیانگر میانگین و انحراف معیار خطا می­باشد.</span></span></strong><br>
<strong><em><span style="font-family:titr;"><span style="font-size:9.0pt;">نتیجه گیری</span></span></em></strong><br>
<strong><span style="font-family:2 lotus;"><span style="font-size:11.0pt;">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.</span></span></strong><br>
<br>
</p>
<p dir="rtl" style="text-align: left;"><strong>Abstract</strong><br>
<strong><em>Background and Objectives</em></strong><br>
One of the major issues in global healthcare systems is the issue of improving supply chain performance and uncertainties in demand. The aim of this study is to forecast blood platelet demand with artificial neural network and Arima Models in the blood transfusion supply chain in Sistan and Baluchistan province.<br>
<br>
<strong><em>Materials and Methods</em></strong><br>
In this applied study, the data on demand for 8 types of blood platelets were collected from the Zahedan Blood Center between 2011 and 2015. Then, using artificial neural network models and ARIMA models, daily demand forecasts were made. Then, according to MSE performance evaluation criteria, the results of the above-mentioned methods were compared<span dir="RTL">.</span> The data were analyzed by MetlabR2016b and Eviews 6 softwares.<br>
<br>
<strong><em>Results</em></strong><br>
The results of this study indicate the high accuracy of neural network models followed by Arima compared to that calculated in the current profile of IBTO. The average accuracy according to MSE of the two models for platelet types are: O<sup>+</sup> (0.0132±0.0048), O<sup>-</sup> (0.0115 ± 0.0041), A<sup>+</sup> (0.0205 ± 0.0043), A<sup>-</sup> (0.0108 ± 0.0033), B<sup>+</sup> (0.0221 ± 0.0086), B<sup>-</sup> (0.0045 ± 0.0009), AB<sup>+</sup> (0.0136 ± 0.0031), AB<sup>-</sup> (0.0034 ± 0.0005) which represent the mean and standard deviation of the error, respectively.<br>
<br>
<strong><em>Conclusions </em></strong><br>
The results of this study indicate the high accuracy of artificial neural network models followd by Arima in predicting blood platelet demand. Therefore, using artificial neural network models for prediction of demand is recommended instead of common statistical prediction methods in blood centers.<br>
<br>
<br>
</p>
کلمات کلیدی: پلاکتهای خون, آریما, انتقال خون
Key words: Blood Platelets, Arima, Blood Transfusion
335
345
http://bloodjournal.ir/browse.php?a_code=A-10-1180-1&slc_lang=fa&sid=1
F.
Firouzi jahantigh
فرزاد
فیروزی جهانتیغ
firouzi@eng.usb.ac.ir
9100319475328460018698
9100319475328460018698
Yes
استادیار دانشکده مهندسی شهید نیکبخت ـ دانشگاه سیستان و بلوچستان
B.
Fanoodi
بهاره
فنودی
Fanoodi.bahar@pgs.usb.ac.ir
9100319475328460018699
9100319475328460018699
No
دانشکده مهندسی شهید نیکبخت ـ دانشگاه سیستان و بلوچستان
S.
Khosravi
سهیلا
خسروی
Khosravi_sh@yahoo.com
9100319475328460018700
9100319475328460018700
No
مرکز تحقیقات انتقال خون ـ مؤسسه عالی آموزشی و پژوهشی طب انتقال خون و پایگاه منطقه ای آموزشی انتقال خون زاهدان