ارائه چارچوبی برای پیشبینی وضعیت تحویل کالای مراقبتهای بهداشتی و مدیریت زنجیره تأمین مراقبتهای بهداشتی دادهمحور برپایه تکنیک ماشین بردار پشتیبان و بهینهسازی بیزی: مطالعهموردی زنجیره تأمین مراقبتهای بهداشتی جهانی آژانس جهانی توسعه ایالات متحده | ||
| پژوهش های مدیریت منابع سازمانی | ||
| Article 2, Volume 14, Issue 3, 1403, Pages 45-72 PDF (1.41 M) | ||
| Document Type: پژوهشی اصیل | ||
| Authors | ||
| فرید دانشگر1; علی رجب زاده* 2; محمدعلی افشارکاظمی3 | ||
| 1دانشجوی رشته دکتری مدیریت فناوری اطلاعات، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. | ||
| 2استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران. | ||
| 3دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران. | ||
| Abstract | ||
| تحویل بهموقع داروها، تجهیزات پزشکی و سایر لوازم ضروری برای مراقبت از بیمار بسیار حیاتی بوده و اغلب میتواند نجاتدهنده باشد. تأخیر تحویل در زنجیره تأمین مراقبتهای بهداشتی میتواند منجر به افزایش هزینهها و چالشهای عملیاتی برای سازمانهای حوزه سلامت شده و بر مراقبت از بیمار و ثبات مالی تأثیر بگذارد. مدیریت زنجیره تأمین کارآمد و قابل اعتماد برای کاهش این خطرها و اطمینان از عملکرد یکپارچه در صنعت مراقبتهای بهداشتی بسیار حائز اهمیت است. این پژوهش بهمسئله تأخیر در تحویل کالای مراقبتهای بهداشتی در زنجیره تأمین مراقبتهای بهداشتی جهانی آژانس جهانی توسعه ایالات متحده پرداخته و یک چارچوب برای پیشبینی وضعیت تحویل کالاهای مراقبتهای بهداشتی ارائه مینماید. همچنین ویژگیهایی که بیشترین تأثیر را در پیشبینی وضعیت تحویل کالا داشتهاند، برای مدیریت زنجیره تأمین مراقبتهای بهداشتی دادهمحور تعیین میکند. روش پژوهش مطالعه پیشرو، علم طراحی است که یک چارچوب برپایه روش ماشینبردار پشتیبان و بهینهسازی بیزی برای پیشبینی وضعیت تحویل کالاهای مراقبتهای بهداشتی را ارائه کرده و عملکردهای مختلف الگوریتمهای طبقهبندی برای پیشبینی وضعیت تحویل کالای مراقبتهای بهداشتی را مقایسه کرده است. نتایج نشان میدهد که چارچوب ارائهشده برپایه روش ماشین بردار پشتیبان و بهینهسازی بیزی منجر به دقت طبقهبندی ۹۵ درصد میشود که در مقایسه با دیگر روشهای بهکار گرفتهشده برای پیشبینی تأخیر تحویل عملکرد بهتری دارد. نتایج حاصل نشان داد که ویژگیهای کشور مقصد، روش حمل، تأمینکننده و مکان تولید تأثیرگذارترین ویژگیها در پیشبینی وضعیت تحویل میباشند. | ||
| Keywords | ||
| یادگیری ماشین; مدل پیشبینی; تأخیر در تحویل; زنجیره تأمین مراقبتهای بهداشتی | ||
| References | ||
|
| ||
|
Statistics Article View: 299 PDF Download: 217 |
||
| Number of Journals | 45 |
| Number of Issues | 2,154 |
| Number of Articles | 24,478 |
| Article View | 10,454,287 |
| PDF Download | 5,931,732 |