23333

طراحي مدلي براي پيش بيني ضايعات دارو با استفاده از مدل هاي شبكه عصبي(مطالعه موردي شركت پخش ثامن)

كارشناسي ارشد

مهندسي صنايع لجستيك و زنجيره تامين

1399-1397

1399/11/4

دكتر مهدي غضنفري

مهندسي صنايع

صنعت دارو كه يكي از مهم ترين بخش هاي زنجيره تامين دارو است در محيطي قرار گرفته كه از يك سو عوامل داخلي و از سوي ديگر رقابت با شركت هاي بزرگ چندمليتي و كشورهاي در حال توسعه در محيط پرتلاطم و رو به رشد جهاني، صنعت دارو را در معرض ريسك هاي گوناگون قرار داده است.يكي از مسائل مهم و نگران كننده در صنعت دارو ، منقضي شدن آن است كه اثرات مخربي بر روي سلامت انسان ها و محيط زيست و اقتصاد كشور دارد.در اين پژوهش به بررسي پيش بيني ضايعات دارو با استفاده از الگوريتم هاي داده كاوي مي پردازيم كه نخستين بار است كه در ادبيات به آن پرداخته مي شود.براي مدلسازي از داده هاي شركت پخش ثامن استفاده شده است. به علت وجود Lable در داده هاي ضايعات دارو از الگوريتم هاي با نظارت استفاده شده است.ابتدا با استفاده از الگوريتم درخت تصميم ID3 مدلسازي صورت گرفته است و بعد با استفاده از الگوريتم ماشين بردار پشتيبان استفاده شده است و در نهايت با الگوريتم شبكه عصبي پرسپترون مدلسازي شده است. با توجه به نتايج بدست آمده مي توان دريافت كه شبكه عصبي بهترين عملكرد را نسبت به بقيه الگوريتم ها دارد. با استفاده از نتايج بدست آمده به اين نتيجه مي توان رسيد كه علت ضايع شدن به دليل تاريخ گذشته بودن بيشترين آمار را نسبت به بقيه علت ها دارد.با استفاده از راهكارهاي پيشنهادي مي توان از تاريخ گذشته بودن داروها جلوگيري كرد و آن را به حداقل رساند.

1400/01/17

The model of forcasting pharmaceutical waste using neural network methods (Case study:Samen distribution center)

1/23/2021 12:00:00 AM

The pharmaceutical industry, which is one of the most important parts of the drug supply chain, is located in an environment where on the one hand, domestic factors and,on the other hand,competition with large multinational companies and developing countries in the turbulent and growing global environment,the pharmaceutical industry exposed to various risks. In this study,we investigate drug waste prediction using data mining algorithms,which is the first time that it is addressed in the literature. Samen distribution company's data was used for modeling. Due to the presence of lable in the drug waste data, monitoring algorithms have been used. First, we modeled using the ID3 decision tree algorithm, and then we used the backup machine vector algorithm. Finally, it was modeled with the perceptron neural network algorithm. According to the results, it can be seen that the neural network has the best performance compared to other algorithms. Also, the cause of wasting due to the expiration date is the highest number of other causes and by using the suggested solutions, the expiration of the drugs can be prevented and minimized.

زنجيره تامين دارو , ضايعات دارو , فساد دارو , امحاءدارو , داده كاوي

Pharmaceutical supply chain , Pharmaceutical waste , Pharmaceutical perishable , Pharmaceutical disposal , Data mining