Publicação
Descomplicar a logística hospitalar: Introdução da Inteligência Artificial no fluxo logístico de consumíveis clínicos entre o Centro Logístico e o Bloco Central Indiferenciado da CUF Tejo
| Resumo: | A importância da transição digital é de tal ordem que foi identificada como prioridade pelo órgão executivo da União Europeia, a Comissão Europeia, que fixou metas com vista à promoção da transformação digital dos Estados-Membros. A aplicação de Inteligência Artificial, Machine Learning e das tecnologias de análise preditiva de dados auxilia a preparação das Unidades prestadoras de serviços de saúde. Ao entender a utilidade que a sua aplicação, com suporte em algoritmos e dados históricos, torna-se possível antecipar a necessidade de consumíveis clínicos. Na sequência daquela afirmação, de modo a concluir acerca do impacto que tem a análise de dados históricos de consumo e fornecimento de consumíveis clínicos afetos ao BCI, sugiro a aplicação de ferramentas de Machine Learning na gestão logística da Unidade CUF Tejo. O trabalho segue uma metodologia exploratória, integrando técnicas qualitativas, como entrevistas informais e a análise de dados quantitativos, previamente exportados de três tabelas do Excel para um Jupyter Notebook, utilizando a linguagem de programação Python. Finalizada a análise dos dados espera-se que os resultados permitam fazer ilações quanto à otimização dos processos logísticos da Unidade CUF Tejo. De modo a ajustar as quantidades encomendadas e o nível máximo associado ao nível MRP de cada material, sugere-se que qualquer material cuja quantidade média de encomendas seja superior a um valor de referência, deva sofrer um aumento de duas vezes o seu nível máximo MRP, de modo a diminuir o número de vezes que a sua reposição ocorre. A variável criada, de apoio à gestão, dará resposta a hipotéticas necessidades nos meses vindouros. |
|---|---|
| Autores principais: | Picado, Rita Alexandra Valentim |
| Assunto: | Dados históricos Gestão logística Inteligência artificial -- Artificial intelligence Machine learning -- Machine learning Serviços de saúde Transição digital -- Digital transition Healthcare services Historical data Logistics management |
| Ano: | 2024 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | ISCTE |
| Idioma: | português |
| Origem: | Repositório ISCTE |
| Resumo: | A importância da transição digital é de tal ordem que foi identificada como prioridade pelo órgão executivo da União Europeia, a Comissão Europeia, que fixou metas com vista à promoção da transformação digital dos Estados-Membros. A aplicação de Inteligência Artificial, Machine Learning e das tecnologias de análise preditiva de dados auxilia a preparação das Unidades prestadoras de serviços de saúde. Ao entender a utilidade que a sua aplicação, com suporte em algoritmos e dados históricos, torna-se possível antecipar a necessidade de consumíveis clínicos. Na sequência daquela afirmação, de modo a concluir acerca do impacto que tem a análise de dados históricos de consumo e fornecimento de consumíveis clínicos afetos ao BCI, sugiro a aplicação de ferramentas de Machine Learning na gestão logística da Unidade CUF Tejo. O trabalho segue uma metodologia exploratória, integrando técnicas qualitativas, como entrevistas informais e a análise de dados quantitativos, previamente exportados de três tabelas do Excel para um Jupyter Notebook, utilizando a linguagem de programação Python. Finalizada a análise dos dados espera-se que os resultados permitam fazer ilações quanto à otimização dos processos logísticos da Unidade CUF Tejo. De modo a ajustar as quantidades encomendadas e o nível máximo associado ao nível MRP de cada material, sugere-se que qualquer material cuja quantidade média de encomendas seja superior a um valor de referência, deva sofrer um aumento de duas vezes o seu nível máximo MRP, de modo a diminuir o número de vezes que a sua reposição ocorre. A variável criada, de apoio à gestão, dará resposta a hipotéticas necessidades nos meses vindouros. |
|---|