CN111310977A - 基于大数据的药品库存预测系统及方法 - Google Patents
基于大数据的药品库存预测系统及方法 Download PDFInfo
- Publication number
- CN111310977A CN111310977A CN202010063264.7A CN202010063264A CN111310977A CN 111310977 A CN111310977 A CN 111310977A CN 202010063264 A CN202010063264 A CN 202010063264A CN 111310977 A CN111310977 A CN 111310977A
- Authority
- CN
- China
- Prior art keywords
- purchasing
- medicine
- information
- inventory
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 335
- 229940079593 drug Drugs 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000001647 drug administration Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 12
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 238000012795 verification Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及药品管理技术领域，具体为一种基于大数据的药品库存预测系统及方法，该系统包括用药统计子系统，用于获取历史采购时间，并根据历史采购时间获取历史当前时间至采购时间的历史开药信息A，并对历史开药信息A进行统计生成预测售药信息a；库存统计子系统，用于获取当前库存信息，并根据预测售药信息a和当前库存信息生成预测库存信息。采用本方案能够根据医生的历史开药信息对药品的销售量进行准确预测，从而获得在采购时间时药品库的库存量，进而辅助医院确定药品采购量，减少药品库中药品的库存量。
Description
技术领域
本发明涉及药品管理技术领域，具体为一种基于大数据的药品库存预测系统及方法。
背景技术
随着信息化建设的不断深入，信息管理平台已经完成了从信息化建设到数据积累的职能转变，在通信、金融、大型生产制造等领域，海量数据的存储、分析需求的迫切性日益明显。以移动通信运营商为例，数据业务需求猛增、流量急剧增加，需要运营商协同发展不同的网络(WLAN、LTE、3G、2G)，集中管理、实时维护网络存在的问题，及时处理网络故障。大数据预测系统就是在这样的背景下应运而生的，专门为规划、建设、经营、维护、优化等部门工程人员提供所需的支撑数据，提供解决方案的综合分析优化平台。
而在当代医疗卫生体系中，药品在维护人们生命、健康的过程中起着不可或缺的作用，当人们遭受疾病或伤害时，通常需要服用药物治疗或借助药物辅助治疗，但是各医院的各种药品用量并非每时每刻都处于恒定状态，而疾病的发生和爆发往往受季节性等诸多因素的影响，因此导致不同区域医院的药品需求量存在不确定性。除此之外，对于药品而言，其保质期也是十分重要的，对于某些对药品库监管不当的医院而言，其可能存在药品超过保质期的情况，而在药品超过保质期的后其药效受损，甚至会改变药性。因此，对于医院而言药品库的监管是极其重要的。
目前，对于药品库的监管采用进销存的方式，记录药品的采购量和销售量，实时对药品库的库存量进行更新，从而便于医院药品管理部门实时掌握药品的库存量。但是对于医院而言，仅仅掌握药品的库存量是不够的，还需对药品的采购量进行预测，而现有的预测方式多是由经验丰富的药品管理人员，根据经验作为依据，其预测结果不够客观和准确。同时由于疾病的发展存在不确定性，因此药品管理人员的经验与当前情况下的药品需求存在差异。综上所述，现亟需一种能够结合大数据对药品库的药品进行准确预测，并辅助医院进行药品采购的系统。
发明内容
本发明意在提供一种基于大数据的药品库存预测系统及方法，能够根据医生的历史开药信息对药品的销售量进行准确预测，从而获得在采购时间时药品库的库存量，进而辅助医院确定药品采购量，减少药品库中药品的库存量。
本发明提供一基础方案：基于大数据的药品库存预测系统，包括：
用药统计子系统，用于获取历史采购时间，并根据历史采购时间获取历史当前时间至采购时间的历史开药信息A，并对历史开药信息A进行统计生成预测售药信息a；
库存统计子系统，用于获取当前库存信息，并根据预测售药信息a和当前库存信息生成预测库存信息。
说明：历史采购时间为医院曾经统一购买药品的时间；当前库存信息为医院药品库中当前的库存药品名称及库存药品数量。
基础方案的工作原理及有益效果：历史开药信息为曾经某一时间段内，对医生根据患者病情开具的处方单进行统计所得的药品名称及对应的药品数量，而历史开药信息A为历史当前时间至历史采购时间内医生所开具的所有处方单的统计结果，例如当前时间为2019年11月11日，历史采购时间为每月的1日，则历史当前时间为2018年11月11日，历史采购时间为2018年12月1日。对这一时间段内的医生开具的所有处方单的药品名称及药品数量进行统计，从而估计当前这一时间段(2019年11月11日至2019年12月1日)内，可能销售的药品名称及药品数量(即预测售药信息a)。
通过库存统计子系统获取当前库存信息，当前库存信息可直接为药品库内药品剩余量，也可通过药品库的采购量和销售量统计得出。通过药品库的当前库存信息和预测售药信息生成预测库存信息，通过预测库存信息反映在下一次采购时间时药品库中的药品剩余量。
通过历史开药信息对医院的售药情况进行预测，从而辅助医院药品管理部门确定药品采购量，减少医院药品库中的库存量，进而减少因在药品库中放置时间过长导致药效减弱的情况发生。同时药品的销售量反映各类疾病发展趋势，而由于医院药品库的库存量减少，因此医院的采购量与销售量呈相同发展趋势，国家药品管理部门通过药品的采购量便能了解各类疾病发展趋势，便于对相关疾病进行管控。
进一步，还包括采购统计子系统，所述用药统计子系统还用于获取当前采购时间和下一采购时间，并获取两采购时间之间的历史开药信息B，并对历史开药信息B生成预测售药信息b；所述采购统计子系统用于获取预测库存信息，并根据预测库存信息和预测售药信息b生成预测采购信息。
说明：当前采购时间为距离当前时间最近的一次采购时间；下一采购时间为当前采购时间的下一次采购时间。
有益效果：获取两采购时间之间的历史开药信息B，通过历史开药信息B对当前采购时间至下一采购时间内的药品销售情况进行预测，从而生成预测售药信息b。预测库存信息为预测的当前采购时间时药品库的药品库存情况，通过预测药品库存情况和药品销售情况，从而确定当前采购时间所需采购的药品采购情况，辅助医院药品管理部门进行药品的采购，在满足医院药品销售的情况下，减少医院的药品库存。
进一步，所述用药统计子系统还用于获取患者的取药单，并对取药单进行统计生成实际售药信息；库存统计子系统，用于获取实际采购信息，并根据实际采购信息和实际售药信息生成实际库存信息。
说明：取药单为患者缴费后，医院出具的证明；实际采购信息为医院的实际采购情况，即药品的采购量。
有益效果：由于取药单是患者缴费后的证明，因此可以认为患者的取药单为医院药品的实际销售量，因此对取药单进行统计生成实际售药信息。根据医院的实际采购信息和实际售药信息生成实际库存信息，实际库存信息即为按照记录所统计的药品库当前的药品库存情况。通过药品库存情况便于药品管理人员与药品库的实际药品库存情况进行核对，及时发现药品遗失等情况。
进一步，所述用药统计子系统包括采购时间设定模块，所述采购时间设定模块用于获取若干采购时间，并对采购时间按时间先后顺序进行记录。
说明：采购时间为医院与药品供货商约定的统一购买药品的时间，若干采购时间为一年内的采购时间，例如每月的初一。
有益效果：通过采购时间设定模块供医院设定采购时间，从而实现辅助药品管理人员确定药品采购量。
进一步，所述用药统计子系统包括历史开药记录模块、历史开药统计模块，所述历史开药记录模块用于获取医生的处方单，并按时间先后顺序对处方单进行记录；历史开药统计模块用于获取统计时间段，并根据统计时间段获取对应时间的若干处方单作为历史开药信息。
说明：处方单为医生根据患者病情开具的需要购买的药品及数量。
有益效果：通过历史开药记录模块对医生的处方单进行记录，便于对处方单进行追查。通过历史开药统计模块对统计时间段内的处方单进行统计，例如，对当前采购时间和下一采购时间内的处方单进行统计，并将统计结果作为历史开药信息，通过历史开药信息反映某一时间段内医生的处方单情况，从而反映各病情的发展情况。
进一步，所述处方单包括开药名称和开药数量，所述用药统计子系统还包括预测售药统计模块，所述预测售药统计模块用于对若干处方单的开药名称和开药数量进行统计生成预测售药信息。有益效果：开药名称与开药数量一一对应，即一种开药名称对应一个开药数量，对处方单中记录的开药名称及开药数量进行统计，从而生成预测售药信息。部分患者会出现拿着处方单到药店购买药品的情况，因此根据取药单统计的药品情况与根据处方单统计的药品情况有所区别。根据处方单生成预测售药信息，与根据取药单生成预测售药信息相比，能够避免药品不够销售的情况。
进一步，所述预测采购信息包括预测采购名称和预测采购数量，所述采购统计子系统包括采购调整模块，所述采购调整模块预设有采购溢量，所述采购调整模块用于根据采购溢量更新预测采购数量。
说明：采购溢量为在药品的采购数量上多增加的余量。
有益效果：通过采购溢量的设置，在采购药品时，在预测采购数量的基础上增加采购溢量，从而避免在突发情况时医院无药品销售的情况。
进一步，所述用药统计子系统还包括历史取药记录模块和历史取药统计模块，所述历史取药记录模块用于获取患者的取药单，并按时间先后顺序对取药单进行记录；历史取药统计模块用于获取上一采购时间，并根据上一采购时间获取上一采购时间至当前时间内的若干取药单，并对若干取药单进行统计生成实际售药信息。有益效果：通过历史取药模块对患者的取药单进行记录，便于医院掌握药品销售情况。通过历史取药统计模块获取根据时间段获取对应时间内的取药单，并对取药单进行统计生成实际售药信息，便于医院掌握药品销售情况，同时也为后续统计药品库的药品库存情况提供基础。
进一步，所述库存统计子系统包括库存统计模块，所述库存统计模块用于获取上一采购时间的实际采购信息和实际库存信息，并获取上一采购时间至当前时间的实际售药信息，并根据实际售药信息、实际采购信息、实际库存信息生成当前时间的实际库存信息。
有益效果：通过库存统计模块统计实际库存信息，通过实际库存信息反映药品库当前应当的库存情况，便于药品管理员对药品库的库存情况进行核对，从而实现对药品库的监管。
本发明还提供另一基础方案：基于大数据的药品库存预测方法，使用上述任一基于大数据的药品库存预测系统。有益效果：采用本方案通过对医院的售药情况进行预测，从而辅助医院药品管理部门确定药品采购量，减少医院药品库中的库存量，进而减少因在药品库中放置时间过长导致药效减弱的情况发生。同时药品的销售量反映各类疾病发展趋势，而由于医院药品库的库存量减少，因此医院的采购量与销售量呈相同发展趋势，国家药品管理部门通过药品的采购量便能了解各类疾病发展趋势，便于对相关疾病进行管控。
附图说明
图1为本发明基于大数据的药品库存预测系统实施例一的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
基于大数据的药品库存预测系统，如附图1所示，包括数据库、用药统计子系统、库存统计子系统、管理终端，管理终端供药品管理人员使用。数据库中存储有采购时间记录表、处方单记录表、取药单记录表。
用药统计子系统，包括：
采购时间设定模块，用于获取若干采购时间，并对采购时间按时间先后顺序记录在数据库的采购时间记录表中。采购时间为医院和药品供货商约定的购买药品的时间，在本实施例中，将每月的初一定义为采购时间，则若干采购时间为一年内所有的采购时间，即采购时间记录表内记录有12个采购时间。
历史开药记录模块，用于获取医生的处方单，并按时间先后顺序将处方单记录在数据库的处方单记录表中。处方单为医生根据患者病情开具的药品单，其包括开药时间、开药名称、开药数量和主治医师，开药名称和开药数量一一对应，即一个开药名称对应一个开药数量，处方单中包括多个开药名称。
历史开药统计模块，用于获取统计时间段，并根据统计时间段从处方单记录表中筛选出对应时间的若干处方单作为历史开药信息。统计时间段包括开始时间和结束时间，若干处方单为从开始时间至结束时间内所有医生所开具的处方单。
历史取药记录模块，用于获取患者的取药单，并按时间先后顺序将取药单记录在数据库的取药单记录表中。取药单为患者缴费后得到的药品单，其包括开药时间、取药名称、取药数量和取药医师，取药名称和取药数量一一对应，即一个取药名称对应一个取药数量，取药单中包括多个取药名称。
历史取药统计模块，用于获取当前时间，并根据当前时间从采购时间记录表中筛选出上一采购时间，并从取药单记录表中筛选出上一采购时间至当前时间内的若干取药单。还用于对若干取药单的取药名称和取药数量进行统计生成实际售药信息。实际售药信息包括实际售药名称、实际售药数量，实际售药名称为从上一采购时间至当前时间内所有取药单中的取药名称，实际售药数量为与实际售药名称对应的药品在上一采购时间至当前时间内所有取药单中的取药数量的总和。例如，若当前时间为2019年11与11日，则上一采购时间为2019年11月1日。
预测售药统计模块，用于对若干处方单的开药名称和开药数量进行统计生成预测售药信息。预测售药信息包括预测售药名称、预测售药数量，预测售药名称为从开始时间至结束时间内所有医生所开具的处方单中的开药名称，预测售药数量为与预测售药名称对应的药品在开始时间至结束时间内所有医生所开具的处方单中的开药数量的总和。
管理终端，用于获取采购信号，并将采购信号发送给用药统计子系统。用药统计子系统还包括时间计算模块，时间计算模块用于接收采购信号时，获取当前时间，并根据当前时间获取历史当前时间，并根据历史当前时间从采购时间记录表中筛选出历史采购时间，并将历史采购时间作为开始时间，历史当前时间作为结束时间发送给历史开药统计模块。历史开药统计模块根据历史采购时间、历史当前时间生成的历史开药信息作为历史开药信息A，并将历史开药信息A发送给预测售药统计模块。预测售药统计模块根据历史开药信息A生成预测售药信息a，并将预测售药信息a发送给库存统计子系统。
管理终端，还用于获取核对信号，并将核对信号发送给用药统计子系统。历史取药统计模块用于接收核对信号时，获取当前时间，并将最终生成的实际售药信息发送给库存统计子系统。
库存统计子系统，包括：
预测库存模块，用于接收预测售药信息a时，通过管理终端获取当前库存信息，并根据预测售药信息a和当前库存信息生成预测库存信息。
库存统计模块，用于接收到实际售药信息时，获取上一采购时间的实际采购信息和实际库存信息，并根据实际售药信息、实际采购信息、实际库存信息生成当前时间的实际库存信息。在本实施例中，实际采购信息和实际库存信息通过管理终端获取。
基于大数据的药品库存预测方法，使用上述基于大数据的药品库存预测系统。
实施例二
本实施例与实施例一的不同之处在于：基于大数据的药品库存预测系统，还包括采购统计子系统。
时间计算模块还用于接收采购信号时，获取当前时间，并根据当前时间从采购时间记录表中获取下一采购时间，并将当前时间作为开始时间、下一采购时间作为结束时间发送给历史开药统计模块。历史开药统计模块根据当前时间、下一采购时间生成的历史开药信息作为历史开药信息B，并将历史开药信息B发送给预测售药统计模块。预测售药统计模块根据历史开药信息B生成预测售药信息b，并将预测售药信息b发送给采购统计子系统。
预测库存模块还用于将预测库存信息发送给采购统计子系统。
采购统计子系统，包括：
预测采购模块，用于接收预测售药信息b、预测库存信息时，根据预测库存信息和预测售药信息b生成预测采购信息。
溢量预测模块包括历史数据库、BP神经网络模块，BP神经网络模块用于根据历史处方单数据、历史取药单数据、历史采购数据生成采购溢量对预测采购数量进行调整。BP神经网络模块包括BP神经网络模型，BP神经网络模块使用BP神经网络技术来预测采购溢量对预测采购数量进行调整，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，本实施例中，以历史处方单数据、历史取药单数据、历史采购数据作为输入层的输入，因此输入层有3个节点，而输出是对预测采购数量进行调整的采购溢量，因此共有1个节点；针对于隐层，本实施例使用了以下公式来确定隐层节点的数量:
其中L为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数，本实施例中,a取为3，因此隐层共有5个节点。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。在本实施例中，选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP网络模型构建完毕后，利用历史数据库的历史参数信息作为样本对模型进行训练，由于历史数据库中存储有以前的采购信息，因此训练完成后得到的模型可以取得较为准确的预测结果。
采购调整模块，用于根据采购溢量更新预测采购数量。
实施例三
在药品库中药品通常以整箱的方式进行堆放，医护人员需要时，从药品库中取出整箱的药品分放到药房或护士站，由于药品以堆放的方式进行存储，不规范的取药行为使得药品堆放的稳固性变弱，受到轻微的振动，容易出现药箱掉落的情况。而在医院中部分药品仍采用玻璃包装，磕碰极易导致玻璃包装破裂，药箱掉落使得其内的药瓶被破坏，从而使得药品掉落，而药箱掉落通常会带来一系列的连锁反应，例如碰撞其他药箱，由此使得大量药品均发生掉落，多种药品掉落根本无法识别，只能将掉落的药品都丢弃，因此为了避免医疗资源的浪费，应对医护人员的不规范取药行为进行监管，避免因药物堆放不稳定造成的医疗资源浪费的情况发生。
本实施例与实施例一的不同之处在于：基于大数据的药品库存预测系统，还包括取药监管子系统、身份验证终端和多个监控终端。身份验证终端设置在药品库的大门，取药的医护人员需要通过验证，才能打开药品库的大门进行取药。监控终端设置在药品库内，并分别设置在药品库的多个方位，用于拍摄堆放药品的四个方向的存放视频。
身份验证终端用于获取医护人员的身份信息进行验证，并在验证成功时生成验证信号，并将验证信号上传至取药监管子系统。
取药监管子系统包括监控控制模块、行为识别模块、堆放预警模块、对比模块、提醒模块。
监控控制模块用于接收验证信号时，控制监控终端启动。
监控终端用于采集药品库内包含堆放药品库的存放视频，并将存放视频实时上传至取药监管子系统。在本实施例中，监控终端的数量为四个，分别用于拍摄堆放药品前侧、左侧、右侧和后侧的图像。
基础识别模块用于接收存放视频，并对存放视频进行图像识别，当识别到医护人员时，对存放视频进行标记，并将标记后的存放视频发送给行为识别模块。在本实施例中，存放视频的数量为四组，当任一组存放视频中，医护人员的左右两侧与堆放药品完全重叠时，将该组视频标记为前侧图像；当任一组存放视频中，医护人员和堆放药品处于同一画面，且医护人员的左右两侧并未与堆放药品完成重叠时，将该组视频标记为左右侧图像，则左右侧图像最多有两组。
行为识别模块用于接收存放视频，并对存放视频进行图像识别，当识别到医护人员时，对医护人员的动作进行识别，并根据识别结果对堆放药品中的药箱进行标记。识别结果为预测医护人员从堆放药品中取走的药箱。
堆放预警模块预设有分析模型，在本实施例中，行为分析模型采用BP神经网络模型。堆放预警模块用于将标记的药箱、四个方向的存放视频输入分析模块，并将分析模型中根据标记的药箱、四个方向的存放视频生成的稳定性结果输出，稳定性结果包括结构稳定和结构不稳定，将稳定性结果发送给对比模块。
对比模块用于接收存放视频，并对存放视频进行图像识别，当识别到医护人员取走堆放药品的药箱时，将该药箱与标记的药箱进行对比，当两者为同一药箱时，生成预测一致信号，并在接收到结构不稳定的稳定性结果时，生成提醒信号，并将提醒信号发送给提醒模块；还用于当两者为不同的药箱时，将标记的药箱更新为该药箱，并将标记后的药箱发送给堆放预警模块。
提醒模块用于接收提醒信号，并向医护人员发出提醒。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于大数据的药品库存预测系统，其特征在于，包括：
用药统计子系统，用于获取历史采购时间，并根据历史采购时间获取历史当前时间至采购时间的历史开药信息A，并对历史开药信息A进行统计生成预测售药信息a；
库存统计子系统，用于获取当前库存信息，并根据预测售药信息a和当前库存信息生成预测库存信息。
2.根据权利要求1所述的基于大数据的药品库存预测系统，其特征在于：还包括采购统计子系统，所述用药统计子系统还用于获取当前采购时间和下一采购时间，并获取两采购时间之间的历史开药信息B，并对历史开药信息B生成预测售药信息b；所述采购统计子系统用于获取预测库存信息，并根据预测库存信息和预测售药信息b生成预测采购信息。
3.根据权利要求1所述的基于大数据的药品库存预测系统，其特征在于：所述用药统计子系统还用于获取患者的取药单，并对取药单进行统计生成实际售药信息；库存统计子系统，用于获取实际采购信息，并根据实际采购信息和实际售药信息生成实际库存信息。
4.根据权利要求1所述的基于大数据的药品库存预测系统，其特征在于：所述用药统计子系统包括采购时间设定模块，所述采购时间设定模块用于获取若干采购时间，并对采购时间按时间先后顺序进行记录。
5.根据权利要求4所述的基于大数据的药品库存预测系统，其特征在于：所述用药统计子系统包括历史开药记录模块、历史开药统计模块，所述历史开药记录模块用于获取医生的处方单，并按时间先后顺序对处方单进行记录；历史开药统计模块用于获取统计时间段，并根据统计时间段获取对应时间的若干处方单作为历史开药信息。
6.根据权利要求5所述的基于大数据的药品库存预测系统，其特征在于：所述处方单包括开药名称和开药数量，所述用药统计子系统还包括预测售药统计模块，所述预测售药统计模块用于对若干处方单的开药名称和开药数量进行统计生成预测售药信息。
7.根据权利要求2所述的基于大数据的药品库存预测系统，其特征在于：所述预测采购信息包括预测采购名称和预测采购数量，所述采购统计子系统包括采购调整模块，所述采购调整模块预设有采购溢量，所述采购调整模块用于根据采购溢量更新预测采购数量。
8.根据权利要3所述的基于大数据的药品库存预测系统，其特征在于：所述用药统计子系统还包括历史取药记录模块和历史取药统计模块，所述历史取药记录模块用于获取患者的取药单，并按时间先后顺序对取药单进行记录；历史取药统计模块用于获取上一采购时间，并根据上一采购时间获取上一采购时间至当前时间内的若干取药单，并对若干取药单进行统计生成实际售药信息。
9.根据权利要求8所述的基于大数据的药品库存预测系统，其特征在于：所述库存统计子系统包括库存统计模块，所述库存统计模块用于获取上一采购时间的实际采购信息和实际库存信息，并获取上一采购时间至当前时间的实际售药信息，并根据实际售药信息、实际采购信息、实际库存信息生成当前时间的实际库存信息。
10.基于大数据的药品库存预测方法，其特征在于：使用权利要求1-9任一项所述的基于大数据的药品库存预测系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010063264.7A CN111310977A (zh) | 2020-01-20 | 2020-01-20 | 基于大数据的药品库存预测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010063264.7A CN111310977A (zh) | 2020-01-20 | 2020-01-20 | 基于大数据的药品库存预测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111310977A true CN111310977A (zh) | 2020-06-19 |
Family
ID=71148961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010063264.7A Pending CN111310977A (zh) | 2020-01-20 | 2020-01-20 | 基于大数据的药品库存预测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111310977A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915261A (zh) * | 2020-08-10 | 2020-11-10 | 辉岭加拿大有限公司 | 一种医学实验室耗材定数管理算法 |
| CN112330375A (zh) * | 2020-12-24 | 2021-02-05 | 壹药网耀方科技(上海)股份有限公司 | 一种药店库存可售时间的预测系统 |
| CN113628717A (zh) * | 2021-08-11 | 2021-11-09 | 广东省第二人民医院（广东省卫生应急医院） | 医用品管理数据计算方法及装置 |
| CN113724831A (zh) * | 2021-08-31 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的药品调配方法、装置、终端设备及介质 |
| CN113888090A (zh) * | 2021-10-09 | 2022-01-04 | 中国人民解放军32251部队 | 一种基于lstm的医院药品采购计划预测方法及系统 |
| CN114496188A (zh) * | 2022-01-25 | 2022-05-13 | 玉溪市人民医院 | 一种应用于急救车上急救药品物品异常的监控方法和系统 |
| CN116051170A (zh) * | 2023-01-28 | 2023-05-02 | 航天正通汇智(北京)科技股份有限公司 | 一种基于ai技术的区域常用药品需求量预测的方法及装置 |
| CN116504417A (zh) * | 2023-06-28 | 2023-07-28 | 南京易联阳光信息技术股份有限公司 | 基于医药大数据的决策辅助方法及平台 |
| CN116959679A (zh) * | 2023-05-11 | 2023-10-27 | 中山大学附属第六医院 | 一种试剂仓库调配方法、系统、装置及存储介质 |
| CN117273615A (zh) * | 2023-10-17 | 2023-12-22 | 广州广康医药有限公司 | 一种智能化的药品销售数据管理系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1604104A (zh) * | 2003-10-03 | 2005-04-06 | 株式会社日立制作所 | 物品余量库存管理订购系统及物品订购接受订购管理系统 |
| CN102142120A (zh) * | 2010-02-01 | 2011-08-03 | 台湾积体电路制造股份有限公司 | 动态库存控制的方法与系统 |
| CN105074766A (zh) * | 2013-03-13 | 2015-11-18 | 康尔福盛303公司 | 预测性用药安全 |
| CN105989451A (zh) * | 2015-01-29 | 2016-10-05 | Ims健康有限公司 | 一种药品社会库存计算方法 |
| CN106061457A (zh) * | 2014-02-28 | 2016-10-26 | 富士胶片株式会社 | 检查装置及检查方法、以及使计算机执行检查方法的程序 |
| CN107730360A (zh) * | 2017-10-24 | 2018-02-23 | 北京小度信息科技有限公司 | 订单数据处理方法、设备和存储介质 |
| CN107818439A (zh) * | 2017-10-24 | 2018-03-20 | 南京康博泰信息科技有限公司 | 一种医院药物采购管理系统及方法 |
| CN108985199A (zh) * | 2018-07-02 | 2018-12-11 | 百度在线网络技术（北京）有限公司 | 商品取放操作的检测方法、装置及存储介质 |
| CN109475469A (zh) * | 2016-08-17 | 2019-03-15 | 富士胶片株式会社 | 配药监查装置以及方法 |
| CN109785003A (zh) * | 2019-01-17 | 2019-05-21 | 四川骏逸富顿科技有限公司 | 一种药品零售行业药品销售预测系统及方法 |
| CN109840730A (zh) * | 2017-11-29 | 2019-06-04 | 北京京东尚科信息技术有限公司 | 用于数据预测的方法及装置 |
| CN109993516A (zh) * | 2018-01-02 | 2019-07-09 | 阿里巴巴集团控股有限公司 | 商品的信息处理方法、装置及系统 |
| CN110322203A (zh) * | 2019-07-05 | 2019-10-11 | 江苏云脑数据科技有限公司 | 零售业库存优化分析方法 |
| CN110363454A (zh) * | 2018-04-09 | 2019-10-22 | 杉数科技(北京)有限公司 | 用于确定商品补货量的方法及装置 |
-
2020
- 2020-01-20 CN CN202010063264.7A patent/CN111310977A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1604104A (zh) * | 2003-10-03 | 2005-04-06 | 株式会社日立制作所 | 物品余量库存管理订购系统及物品订购接受订购管理系统 |
| CN102142120A (zh) * | 2010-02-01 | 2011-08-03 | 台湾积体电路制造股份有限公司 | 动态库存控制的方法与系统 |
| CN105074766A (zh) * | 2013-03-13 | 2015-11-18 | 康尔福盛303公司 | 预测性用药安全 |
| CN106061457A (zh) * | 2014-02-28 | 2016-10-26 | 富士胶片株式会社 | 检查装置及检查方法、以及使计算机执行检查方法的程序 |
| CN105989451A (zh) * | 2015-01-29 | 2016-10-05 | Ims健康有限公司 | 一种药品社会库存计算方法 |
| CN109475469A (zh) * | 2016-08-17 | 2019-03-15 | 富士胶片株式会社 | 配药监查装置以及方法 |
| CN107818439A (zh) * | 2017-10-24 | 2018-03-20 | 南京康博泰信息科技有限公司 | 一种医院药物采购管理系统及方法 |
| CN107730360A (zh) * | 2017-10-24 | 2018-02-23 | 北京小度信息科技有限公司 | 订单数据处理方法、设备和存储介质 |
| CN109840730A (zh) * | 2017-11-29 | 2019-06-04 | 北京京东尚科信息技术有限公司 | 用于数据预测的方法及装置 |
| CN109993516A (zh) * | 2018-01-02 | 2019-07-09 | 阿里巴巴集团控股有限公司 | 商品的信息处理方法、装置及系统 |
| CN110363454A (zh) * | 2018-04-09 | 2019-10-22 | 杉数科技(北京)有限公司 | 用于确定商品补货量的方法及装置 |
| CN108985199A (zh) * | 2018-07-02 | 2018-12-11 | 百度在线网络技术（北京）有限公司 | 商品取放操作的检测方法、装置及存储介质 |
| CN109785003A (zh) * | 2019-01-17 | 2019-05-21 | 四川骏逸富顿科技有限公司 | 一种药品零售行业药品销售预测系统及方法 |
| CN110322203A (zh) * | 2019-07-05 | 2019-10-11 | 江苏云脑数据科技有限公司 | 零售业库存优化分析方法 |
Non-Patent Citations (12)
| Title |
|---|
| 张仁伟: "门诊收费及药房管理系统的设计实现", 《信息科技辑》 * |
| 张仁伟: "门诊收费及药房管理系统的设计实现", 《信息科技辑》, no. 1, 15 January 2019 (2019-01-15), pages 36 * |
| 张伟: "门诊药房药品差错诱发因素及解决措施探讨", 《中国处方药》 * |
| 张伟: "门诊药房药品差错诱发因素及解决措施探讨", 《中国处方药》, no. 07, 15 July 2017 (2017-07-15) * |
| 徐晓光等: "医药公司的药品采购决策系统研究", 《计算机时代》 * |
| 徐晓光等: "医药公司的药品采购决策系统研究", 《计算机时代》, no. 12, 25 December 2003 (2003-12-25) * |
| 杨樟卫等: "医院药品消耗综合分析软件设计和应用", 《中国医院统计》 * |
| 杨樟卫等: "医院药品消耗综合分析软件设计和应用", 《中国医院统计》, no. 03, 25 September 2003 (2003-09-25) * |
| 王辉等: "药品信息管理系统在我院的应用体会", 《中国执业药师》 * |
| 王辉等: "药品信息管理系统在我院的应用体会", 《中国执业药师》, no. 11, 1 November 2010 (2010-11-01) * |
| 高峻峻: "智能采购――医药零售企业的必由之路", 《中国药店》 * |
| 高峻峻: "智能采购――医药零售企业的必由之路", 《中国药店》, no. 05, 15 May 2018 (2018-05-15) * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915261B (zh) * | 2020-08-10 | 2023-07-18 | 辉岭加拿大有限公司 | 一种医学实验室耗材定数管理算法 |
| CN111915261A (zh) * | 2020-08-10 | 2020-11-10 | 辉岭加拿大有限公司 | 一种医学实验室耗材定数管理算法 |
| CN112330375A (zh) * | 2020-12-24 | 2021-02-05 | 壹药网耀方科技(上海)股份有限公司 | 一种药店库存可售时间的预测系统 |
| CN112330375B (zh) * | 2020-12-24 | 2021-04-06 | 壹药网耀方科技(上海)股份有限公司 | 一种药店库存可售时间的预测系统 |
| CN113628717A (zh) * | 2021-08-11 | 2021-11-09 | 广东省第二人民医院（广东省卫生应急医院） | 医用品管理数据计算方法及装置 |
| CN113628717B (zh) * | 2021-08-11 | 2024-02-09 | 广东省第二人民医院（广东省卫生应急医院） | 医用品管理数据计算方法及装置 |
| CN113724831A (zh) * | 2021-08-31 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的药品调配方法、装置、终端设备及介质 |
| CN113888090A (zh) * | 2021-10-09 | 2022-01-04 | 中国人民解放军32251部队 | 一种基于lstm的医院药品采购计划预测方法及系统 |
| CN114496188A (zh) * | 2022-01-25 | 2022-05-13 | 玉溪市人民医院 | 一种应用于急救车上急救药品物品异常的监控方法和系统 |
| CN114496188B (zh) * | 2022-01-25 | 2022-09-13 | 玉溪市人民医院 | 一种应用于急救车上急救药品物品异常的监控方法和系统 |
| CN116051170A (zh) * | 2023-01-28 | 2023-05-02 | 航天正通汇智(北京)科技股份有限公司 | 一种基于ai技术的区域常用药品需求量预测的方法及装置 |
| CN116959679A (zh) * | 2023-05-11 | 2023-10-27 | 中山大学附属第六医院 | 一种试剂仓库调配方法、系统、装置及存储介质 |
| CN116504417A (zh) * | 2023-06-28 | 2023-07-28 | 南京易联阳光信息技术股份有限公司 | 基于医药大数据的决策辅助方法及平台 |
| CN116504417B (zh) * | 2023-06-28 | 2023-09-12 | 南京易联阳光信息技术股份有限公司 | 基于医药大数据的决策辅助方法及平台 |
| CN117273615A (zh) * | 2023-10-17 | 2023-12-22 | 广州广康医药有限公司 | 一种智能化的药品销售数据管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111310977A (zh) | 基于大数据的药品库存预测系统及方法 | |
| Tighe et al. | Teaching a machine to feel postoperative pain: combining high-dimensional clinical data with machine learning algorithms to forecast acute postoperative pain | |
| Li et al. | A decision integration strategy for short-term demand forecasting and ordering for red blood cell components | |
| US20170185723A1 (en) | Machine Learning System for Creating and Utilizing an Assessment Metric Based on Outcomes | |
| US20140108033A1 (en) | Healthcare enterprise simulation model initialized with snapshot data | |
| US20080255880A1 (en) | Plan-of-Care Order-Execution-Management Software System | |
| CN103136629A (zh) | 基于实时关系kpi的自发报警工具 | |
| Ramirez‐Nafarrate et al. | Point‐of‐dispensing location and capacity optimization via a decision support system | |
| CN112562836A (zh) | 医生推荐方法、装置、电子设备及存储介质 | |
| de Oliveira et al. | Lead Time Forecasting with Machine Learning Techniques for a Pharmaceutical Supply Chain. | |
| Cheng et al. | Intermittent demand forecasting in a tertiary pediatric intensive care unit | |
| CN112669188A (zh) | 危机事件预警模型构建、危机事件预警方法和电子设备 | |
| WO2020106913A1 (en) | Workflow predictive analytics engine | |
| Abera et al. | On the decision support model for the patient admission scheduling problem with random arrivals and departures: A solution approach | |
| US11664120B1 (en) | Apparatuses, systems, and methods for reducing return of prescriptions to stock | |
| CN112837781B (zh) | 一种基于医院处方信息的药房管理系统及方法 | |
| Meineke et al. | Design and concept of the SMITH phenotyping pipeline | |
| Turkulainen et al. | A robust autonomous method for blood demand forecasting | |
| CN111180036A (zh) | 医疗处方流向监控系统及方法 | |
| Dey et al. | Optimization modeling for pandemic vaccine supply chain management: A review and future research opportunities | |
| US20210019296A1 (en) | System and method for data de-duplication and augmentation | |
| Fruggiero et al. | A forecast model for pharmaceutical requirements based on an artificial neural network | |
| Mohamed et al. | A simulation optimisation approach for managing bed capacity in an intensive care unit | |
| US12148524B1 (en) | Apparatuses, systems, and methods for reducing return of prescriptions to stock | |
| Liao | Using GA to dispatch the obtaining quantity for minimizing the total cost based on consideration of patient safety in HSCM |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200619 |