فصلنامه پژوهشی خون، جلد ۱۴، شماره ۴، صفحات ۳۳۵-۳۴۵
عنوان فارسی ارائه مدلی جهت پیش‌بینی تقاضا در زنجیره تامین پلاکت خون با رویکرد شبکه عصبی مصنوعی و مدل‌های آریما
چکیده فارسی مقاله 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.  
کلیدواژه‌های فارسی مقاله کلمات کلیدی، پلاکت‌های خون، آریما، انتقال خون
عنوان انگلیسی A Demand Forcasting Model for the Blood Platelet Supply Chain with Artificial Neural Network Approach and Arima Models
چکیده انگلیسی مقاله 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.    
کلیدواژه‌های انگلیسی مقاله Key words, Blood Platelets, Arima, Blood Transfusion
نویسندگان مقاله فرزاد فیروزی جهانتیغ | f firouzi jahantigh
استادیار دانشکده مهندسی شهید نیکبخت ـ دانشگاه سیستان و بلوچستان
سازمان اصلی تایید شده: دانشگاه سیستان و بلوچستان (Sistan va baloochestan university)

بهاره فنودی | b. fanoodi
دانشکده مهندسی شهید نیکبخت ـ دانشگاه سیستان و بلوچستان
سازمان اصلی تایید شده: دانشگاه سیستان و بلوچستان (Sistan va baloochestan university)

سهیلا خسروی | s. khosravi
مرکز تحقیقات انتقال خون ـ مؤسسه عالی آموزشی و پژوهشی طب انتقال خون و پایگاه منطقه ای آموزشی انتقال خون زاهدان

نشانی اینترنتی http://bloodjournal.ir/browse.php?a_code=A-10-1180-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/45/article-45-568255.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات