药品申领计划量算法的优化

杨红斌,冯丹

(华中科技大学同济医学院附属同济医院药学部,武汉 430030)

药品申领计划量算法的优化

杨红斌,冯丹

(华中科技大学同济医学院附属同济医院药学部,武汉 430030)

对目前常用的药品申领计划量算法进行优缺点比较,提出新的优化算法。探讨药库药品计划量的优化算法。新的优化算法更简便高效,可有效降低库存,提高工作效率,而且便于实现编程,值得尝试推广应用。

库房管理;计划量算法;优化

药品库存管理是医院药库工作的重要环节,直接影响到临床用药供应和医院资金的周转。如何在保证临床用药需求的前提下降低药品库存,从而将大量流动资金用于医院运营的其他领域,是医院管理部门关注的焦点之一[1]。根据现代物流管理学理论,生产过程中的每一阶段都有物资的流入和流出[1]。药品的生产、销售过程同样如此。药品流入的计划量是否恰当会极大地影响库房管理的效率:计划量偏小会造成进货量不足,难以满足正常需求,需要额外补充;计划量偏大又会造成积压,而对多数的品种而言,消耗量受到疾病流行、灾害、气候、供货等因素的影响而总是动态变化的,因此合适的计划量不可能是恒定不变的。这种情况其实广泛存在于库房、药房、配送企业甚至生产企业等药品(或其他商品)销售的各个环节。对于品种少、消耗量小的单位,这个问题并不明显,但对于品种多、消耗量大的单位,问题就会非常突出。笔者就计划量算法的优化进行初步的探讨。

1 传统的药品采购计划量算法

1.1 算法1 经验估算法:根据经验估计出计划量,也就是凭感觉人工做计划。这种方法现在在很多医院仍在使用。经验估算法简便易行,但要求计划者对每个品种的使用情况都非常清楚。因此对于品种少、消耗量小的单位,这种算法简便易行,非常方便。但对于品种多、消耗量大的单位(例如我院在用品种有近两千个,每年销售额约20亿元),这必定不是一件轻松的事情,而且很容易出现遗漏。由于完全依赖人工,无法借助电脑自动完成,一般只适合做临时补充计划。

1.2 算法2 高低限量法:在医院信息系统(hospital information system,HIS)中给每个品种设定高低限量,库存量达到低限量时给出采购计划。其计算方法为:q=U×k-V(q:计划量,不足时以临时计划补充;U:高限量;k:可调整的高限量系数,默认值为1;V:当前库存量)。公式中未出现低限量,它是触发生成计划的标志,为保证临床不至于断货一般取1～3 d的用量。

高低限量法中的高低限量设置比较恰当时,可以很好地满足需求,库存量小于低限量时生成计划,因此库存量保持在大致固定的量(k=1时,保持在高限量),也能比较方便地设定在HIS中实现自动化管理,应用也较为普遍。但需要人工干预的参数很多:每一品种的高限量、低限量及限量系数需要单独维护,可能还需要不断调整,尤其是消耗量大幅度变化的时候,否则就会出问题。高限量偏大则会造成积压;偏小则会造成反复出现计划量不足,需要额外补充临时计划。虽然也可通过调整高限量(或高限量系数)来解决,但到底该调到多少又是一个新问题,而且每个品种都有一个高限量及高限量系数,共有品种数的2～3倍个参数,人工干预量大大增加。

1.3 算法3 比值排序法:以每品种库存量与日均用量的比值排序,得出畅销、次销和滞销分类,分别以不同时长乘以相应的日均用量得到各自的高低限量[2]。特点:可实时、动态地产生高、低限量数据,弥补了手工设置的缺陷,但仍需将药品人为划分为畅销药品、次销药品及滞销药品3类并按类别设置高、低限量,其基本算法仍然是高低限量法,是高低限量法的改进版。另外药品的消耗不是一成不变的,其分类不可能一次到位,需要根据变化情况适时调整。

以上算法存在这样一些通病:需要人工操作的内容较多,维护工作繁琐;对临床需求缺乏预见性,不利于有效降低库存量。

2 优化后的新算法

为了减少人工干预及在满足需求的条件下有效压缩库存,通过多次试验,笔者认为可以采用以下两种优化算法。

2.1 平均值折算法 在HIS程序中预先设定好两个参数:采样周期和计划周期。让系统自动统计采样周期中各品种消耗量,然后计算:q=N×T/D-V(q:计划量,不足时以临时计划补充;N:计划周期的天数,按库房大小、库存金额大小,每周做一次计划,故N值取7;T:采样周期中总消耗量;D:采样周期的天数;V:当前库存量)。

这种算法实际上就是根据前期的消耗量进行折算,当计划周期等于采样周期时,就是以消耗量当作计划量即以销定购。这种方法同样能比较方便地设定在HIS中实现自动化管理,需要维护的参数只有两个:取样周期和计划周期,需要的人工干预少。这种方式还有一个好处:库存量无需人工调整,它会随实际消耗量自动增减,有利于减少库存,但总会滞后一个计划周期。

这种算法引入了前两个周期药品消耗量的变化值(T1-T2),这个变化值反映了近期药品消耗量的变化趋势:T1-T2＞0,消耗量在逐渐增加;T1-T2=0,消耗量保持不变;T1-T2＜0,则消耗量在减少。以这个趋势来调整T1,因此做出的计划会随着消耗量的变化趋势而变化,相当于根据需求变化进行了预判,对临床需求具有一定的预见性,且需要维护的参数少于两个。计算机做这种简单的提取,计算速度很快,因此所花费的时间很少。见图1和表1。

图1 T1和T2示意图

表1 高低限量法、平均值折算法和增量系数法计划量与购进后库存情况 ×100支

3 优化后的新算法在实际工作中的应用

为了验证算法的合理性,以160万U青霉素钠粉针使用情况为例,在我院HIS系统中提取了连续15周消耗数据分别用高低限量法、平均值折算法和增量系数法3种算法进行验证。结果见表1和图2。从表1和图2中可以看出,高低限量法做出的计划12次中有8次都成了临时补充计划,购进后库存无明显规律;平均值折算法和增量系数法做出的计划12次中分别有3,4次临时补充计划,购进后库存明显跟随消耗量在波动。

需要说明的是:表1中高低限量法中的“购进后库存”按照其算法应该保持为高限量,如果放到图2中将显示为一条水平线,但取值时间点不同。表1中的结果是因为该算法计划时间点几乎完全不能固定(只要库存量小于或等于低限量就必须生成计划),所以大部分的计划都显示为额外补充计划。当然这个结果与高低限量的取值有很大关系。这样就导致做计划的时间完全不能固定,极有可能每天都需要做计划(品种多、用量大的医院更是如此),然后又带来每天都需要收货、入库的问题。

图2 两种优化算法购进后库存与消耗量变化曲线图

4 结束语

药品申领是医院药学部门日常工作中很重要的一环,是保证临床药品供应的第一步。由于药品消耗受到各种因素的影响而没有固定的规律,不可能准确预测,要想得到一个非常完美的计划量算法几乎是不可能的,但是可以通过算法优化使其趋向于合理,使库房管理工作更加方便简捷。在计算机普及之前,申领计划都是人工用经验估算方法做出的,费时费力且容易出现遗漏;使用计算机以高低限量法或比值排序法自动计算计划量时效率立刻提高了很多,但过多的参数设置又成了新的麻烦,而且每个参数都需要单独斟酌,同样需要额外花费不少时间,且计划时间不能固定。笔者提出的新算法分别引入以销定购和根据需求变化进行预判的思路,将需维护的参数减到了两个以内,并且在无需人工干预的情况下库存随需求自动增减,所需时间是以分钟计算的,管理效率又有了提高。

另外吴妙莲等[3]提出量化决策分析法,提取预测日前第1,3,7,10天的消耗量进行加权平均值运算并乘以领药天数t得到预测用量,采用了统计学方法,比较精确,但仍数次出现预测值小于实际用量,需要额外补充。应将医院所有药品按其价格高低、用量大小、重要程度分类,不同的类别按实际情况设定不同的权重及t值[3],与比值排序法类似。韩晋等[4]提出用自回归整合移动平均模型进行预测,每个药品都有其独特的模型及参数,无法求得一个通用公式,需要挖掘每一个品种的特性,做到精确控制。但构建模型、检验以及根据模型作预测过程很复杂,至少需要观测值50～100个,需很大的计算费用,且工作量大;同时要求数理统计专业知识强,在选取适宜的模型时要求有丰富的经验,导致其实际应用推广难度大,故鲜见采用。

医院药房的药品进销情况与药库类似,不同之处主要是药房消耗以盒、支、片等较小的单位进行,属零售,而药库则大多以件为单位,属批发。因此这种思路同样适用于药房的申领计划。笔者运用这种思路,采用平均值折算法编制出了药房药品申领程序。经试用,反映较好,做一次计划只需1～5 min,若需做计划量或品种的调整,时间约10 min,很少会有遗漏的品种。

[1] 温筱煦,冯端浩.动态库存分析在医院药库管理中的应用[J].中国药房,2011,22(41):3879.

[2] 周清武,周祖宏.比值排序法在药品申领中的应用[J].中国药房,2006,17(1):24.

[3] 吴妙莲,沈小庆,王珏,等.量化决策分析法在医院药房自动备药系统中的应用[J].中国药学杂志,2005,40(23): 1836.

[4] 韩晋,赵庆国,吴荣荣,等.自回归整合移动平均模型在医院药库采购预测中的应用[J].中国药房,2009,20(31): 2432.

DOI 10.3870/yydb.2014.12.041

R952

C

1004-0781(2014)12-1676-03

2014-02-27

2014-07-31

杨红斌(1969-),男,湖北孝感人,主管药师,学士,从事医院药学工作。电话:(0)13995586618,E-mail:yanghb @tjh.tjmu.edu.cn。

冯丹(1979-),女,湖北黄冈人,主管药师,硕士,从事医院药学工作。电话:(0)13971636111,E-mail: efengdan@163.com。