Journal of Iranian Blood Transfusion

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 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.   Abstract Background and Objectives 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.   Materials and Methods 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. The data were analyzed by MetlabR2016b and Eviews 6 softwares.   Results 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+ (0.0132±0.0048), O- (0.0115 ± 0.0041), A+ (0.0205 ± 0.0043), A- (0.0108 ± 0.0033), B+ (0.0221 ± 0.0086), B- (0.0045 ± 0.0009), AB+ (0.0136 ± 0.0031), AB- (0.0034 ± 0.0005) which represent the mean and standard deviation of the error, respectively.   Conclusions  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.     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