基于数据挖掘技术的医疗设备配件采购管理系统的研究

2017-04-20李文斐刘宏举贾立民李彦博

中国医学装备 2017年4期

赵然李文斐李巍刘宏举贾立民李彦博*

赵然①李文斐②李巍①刘宏举①贾立民①李彦博①*

目的：针对传统采购方式往往不能实时掌握库存储备动态，无法设置科学合理的配件储备量，订购时间不稳定，不利于编制严密的采购计划，且难以实现集中订购的缺点，进行采购方式改进。研究通过合理地组织采购，构建数据仓库，控制配件质量，降低配件采购成本，保障资金周转，提升设备开机率。方法：采用数据挖掘技术，对既往维修和配件采购数据进行数据分析，评估配件品目及数量，构建数据仓库，对使用率较高配件采用预采购方式。结果：医疗设备配件采购管理系统利于实现统筹规划采购，降低采购次数，规范配件管理，缩短供应周期。结论：运用数据挖掘技术有效预测了医疗设备配件需求，提高设备管理信息化程度，缩短了配件供应时间，为预防性维修提供有力支撑，提高了设备开机率。同时，此模式有利于组织批量采购，降低了成本。

数据挖掘；医疗设备；配件管理；采购管理；预防性维修

赵然,男,(1988- ),本科学历，助理工程师。解放军第307医院医学工程科，从事医疗设备管理等工作。

随着科学技术的进步和人们对医疗服务的需求增加，医疗设备已经是现代医疗中最重要的组成部分，各种医疗设备在诊断、治疗、康复以及疾病预防等方面发挥着重要的作用。各医疗单位的设备数量、品质均有大幅度提升，更多高端新型设备已装备到各临床科室，且承担着越来越重要的角色。在用医疗设备的性能和状态，直接影响医疗机构的医疗质量和运营效率。当医疗设备出现故障时，相关职能部门需要及时应对，提高故障排除速度，以保证医疗设备的开机率，从而提升医疗服务质量。

通过更换配件的方式进行应急医疗设备故障处理或维修，是实际工作中常见的处理方式之一。但医疗设备种类繁多，维修所需的配件更是具有品规繁杂、通用性低、单次采购配件时间较长等特点。因而，提前批量采购配件是现阶段行之有效的方法。提前批量采购配件可以节省维修时间，但也不可避免存在着库存积压、资金滞留等弊端，这就需要建立维修数据库提早预判、统筹规划以及合理采购，确保效益的最大化[1]。

数据挖掘(data mining)技术也称数据库知识发现(knowledge-discovery in databases)，是通过统计、分析、检索以及学习等方式，实现有目的的提取数据库中有效信息，常广泛应用在商务管理、市场分析、工程设计以及信息管理等领域。通过数据挖掘技术对设备资产数据库、设备维修数据库、医院信息系统数据库等进行数据挖掘，制定合理的采购计划，从而优化维修配件采购管理，降低采购及物流成本，成为本领域的重要研究课题[2-4]。

1 现行配件采购模式分析

在设备发生故障后，医学工程人员判断故障，论证更换配件的必要性，经审批进行单次采购。单次采购计划被批准后，联系设备厂家或其他符合条件的第三方维修公司，以询价、竞争性磋商等方式进行采购，签订采购合同，并由配件提供方发货。医学工程人员收货后，验收配件是否完好可靠，再进行更换维修，排除故障。配件采购维修流程如图1所示。

分析可见，在整个配件采购流程中，上级审批、议价谈判及等待配件送达周期较长，且不确定因素较多。即便是设备发生同类故障，也需要再次重复此采购流程，影响了维修的及时性，设备在此期间停用，导致影响医疗工作、效益损失。

医院大型设备的配件往往价值较高，更换次数较少；小型设备配件价值相对较低，更换次数较多。单纯根据配件价值高低，选择性跳过或简略审批、谈判流程，虽然能够加快采购进度，却违背了规范化管理的要求，给配件的采购带来风险。

实际工作中，通过建立常用设备配件库可以有效减少采购次数，降低采购成本并能够缩短故障维修周期[5]。配件管理主要包括配件请领、库存量控制、相关文档管理、配件采购以及库房盘点等(如图2所示)。

图1 配件采购维修流程图

图2 配件管理业务图

虽然常用设备配件库可以在一定程度上规范配件管理，实现诸如配件请领、文档管理及库房盘点等功能，但往往忽略了配件采购、效期管理等现实需求，容易出现配件闲置、老化、无法设置科学合理的配件储备量、订购时间不稳定、不利于编制严密的采购计划、且难以实现集中订购等弊端[5]。

本研究运用数据挖掘技术，在对医院既往设备维修、配件采购数据分析的基础上，构建设备配件需求预测模型及采购辅助决策机制，实现在一定程度上克服配件人工采购的盲目性，以提高采购行为的计划性和科学性[6]。

2 需求分析

针对不同配件类型，采取不同的采购方法。实际的配件管理中，按照损耗方式，配件可分为损耗可预知类配件和损耗不可预知类配件，其采购模式也不尽相同[7]。据此，建立医疗设备配件采购管理系统，其系统结构如图3所示。

图3 系统结构图

2.1 损耗可预知类配件的采购模式

对于损耗可预知类配件，即设备常规故障或更换时间可人为预知的配件，如呼吸机的氧传感器、手术无影灯的灯泡等。对于此类配件，管理过程中可参考其设备说明书中的建议或配件标识的使用寿命(额定使用时长)，建立配件更换数据库，实现效期管理[8-10](如图4所示)。并相应制定采购计划，按照寿命周期储备配件，保障预防性维修(preventive maintenance，PM)[11-12]。损耗可预知类配件定期更换数据库视图及数据结构关系如图5所示。

图4 耗可预知类配件更换数据库界面图

图5 损耗可预知类配件定期更换数据库视图及数据结构关系图

图5 显示，可预知类配件更换数据库中字段包括设备名称、使用科室、设备型号、设备编号、配件名称、配件型号、配件编号、更换时间、使用时长以及预计使用寿命和预防性维护时间。链接相关系统后，以短信和弹窗等形式，提前一定时间，提醒医学工程人员对预计更换配件相关情况进行确认，掌握配件更换时间和库存数量，从而制定维修或采购计划，及时处理应对，保证设备完好运转。提醒短信如图6所示。

图6 提醒短信示图

短信提醒系统的构成与工作流程：短信提醒系统由数据服务器和发送智能机构成，其构成如图7所示。

图7 短信提醒系统构成示意图

该提醒系统收集数据库中的提醒信息，将其在指定时间发送至预存的工程人员手机中[13]。工程人员收到信息后，根据提醒信息完成指定工作，从而进行预防性维修[14-15]。系统运行流程如图8所示。

图8 提醒系统运行流程图

2.2 损耗不可预知类配件的采购模式

损耗不可预知类配件是无确定使用寿命或是设备非常规故障配件，一般无法预知该配件何时会发生故障，如电路板级维修中的电子元器件、机械部件(螺丝、固定架)等。此类配件无法通过预防性维修数据库的方式进行计划采购，一旦出现相关故障，往往需要临时采购配件实施维修。

在实际的维修工作中，配件种类、数量往往与特定的维修事件密切相关。因此，通过数据挖掘技术，构建配件需求决策模块，根据维修事件的特点和频率，预测维修配件的数量和类型。实现相对精确的配件采购需求，统筹规划，提前完成采购，以实现压缩停机时间、降低维修成本的目的。

3 系统设计

3.1 数据库基础功能

通过建立设备维修配件数据库，实现设备维修配件请领、库存量控制、相关文档管理、配件采购以及库房盘点等功能。

3.2 数据挖掘

本模块的主要功能是确定维修过程中所需配件的型号以及数量。采用数据分析结合领域经验，提取高指向性的数据特征集合，进而将损耗不可预知类配件变为损耗可预知类配件，为最终采购配件提供数据支持。

数据仓库原始数据的质量，即数据的真实性、客观性，直接关系到数据挖掘的准确性和有效性。通过对医院固定资产数据库、医学工程维修数据库以及配件更换数据库的统计、汇总、归纳以及整理和集成，建立起真实、可靠的数据仓库，为正确决策提供依据。

数据仓库以配件名称为库名，规范同类同种配件名称，合并对可通用配件的设备规格型号。以多参数监护仪心电导联电缆为例，讨论损耗不可预知类配件预留库存；多参数监护仪及适配心电导联电缆数据仓库(如图9所示)。

图9 数据仓库整合示意图

年度采购计算为公式1：

式中S为配件的计划采购数量，E为该配件适用的设备数量，RL为相关设备去年故障率，R为近2年故障增长率，L为该配件现有库存数量，C为应急常数。

应急常数C是一个经验常数，取决于配件的易损率、价值和紧急程度等，加大应急常数，可以提供较充足的维修配件，也为配件维修预留出替代品，能提高开机率。但如果应急常数过大，会增加库存量，造成沉积老化和自然损耗。因此，合理地选择应急常数C十分必要，可以使库存配件数量始终保持在合理范围。

如某品牌心电导联线适用设备总数为100台，2014年故障率为5﹪，2015年故障率为6﹪，现有库存量为2套。根据公式可得S=100×6﹪×120﹪-2+C，计算后S=5.2+C，即可得知应采购约5套同型号心电导联线，根据实际情况可通过应急常数适量增减采购数量。

依据数据挖掘原理，有计划的规范配件采购行为，合理配件库存数量。将各类配件集中呈报，议价谈判后统一采购，可以有效降低时间和经济成本，实现采购的规范化、高效化。其流程如图10所示。

图10 基于数据挖掘的批量采购流程图

建立配件库后，当设备发生故障提出配件需求时，配件库中若存有可使用配件，即可及时更换维修，从而迅速排除故障，尽可能缩短设备停机时间；若无可使用配件，则立即转入常规采购流程(如图11所示)。

改善维修配件采购流程后，大部分常用维修配件的采购周期被有效缩短，规避了流程中不确定因素较多并且耗时较长的相关环节。数据挖掘需要建立数据仓库，数据仓库是通过大量的经验和数据分析，提取高指向性的数据集合，进而将损耗不可预知类配件变为损耗可预知类配件，为最终采购配件提供数据支持。

建立“维修设备—故障类别—配件”结构表，进而完成特定维修事件所需要配件基本信息。根据结构图确定维修所用的配件清单，通过添加各节点，构建维修事件结构树，也可以对已构建好的维修结构树进行调整。使用“重新生成”功能可以对已经建立了需求表的维修事件进行修改，重新确定该维修所需最终配件、数量和提前期。随后，根据既往同类维修提供的实施过程，结合配件库存信息以及配件需求结构表，确定维修过程的配件需求数量以及需求的时间。最后按时间段归结各配件的需求情况。

图11 建立配件库后配件采购维修流程图

4 讨论

4.1 数据预处理

由于分析数据中存在噪声、缺项甚至是不一致的状况，因此对数据挖掘所涉及的数据对象进行预处理，以提高数据挖掘效率和所获模式知识质量。本研究数据预处理过程主要包括：数据清洗、数据集成、数据转换和数据消减。对原始数据填补遗漏数据、消除异常数据、平滑噪声数据，以纠正不一致的数据。

4.2 数据集成

由于分析数据来自多个数据源的数据，因此在应用过程中需要将数据结合在一起并形成统一数据集合，将数据转换或归并以构成适合数据挖掘的形式。在设计过程中尝试将数据集合进行精简，在保持原有的数据集的完整性的基础上，提高了挖掘效率，且挖掘出的结果与使用原数据集的结果基本相同。

4.3 数据挖掘

在经过数据预处理之后的数据集合之上，数据集合中有大量的数据，蕴藏着一些潜在的规则和知识，本研究采用关联分析和聚类分析等各种分析方法发现，特定的“维修-配件”往往关联性较强。通过对维修信息与特定配件消耗之间的联系进行关联性分析，将既往维修信息应用于预测配件的消耗过程，较之去年同期采购次数有所降低，取得了一定的效果。

4.4 制订采购计划

利用数据挖掘技术，可以获得消耗率较高的配件信息，有助于科学分析各类配件需求情况，为采购配件提供合理的分析报告及预测信息，从而指导采购人员按照需求制订采购计划，及时补充短缺的配件，剔除超过效期的配件，从而保障配件采购的科学性和合理性。

5 结语

医疗设备配件采购的及时与否直接影响着设备的维修进度，高效的配件集中采购可以提高设备的维修效益。本研究利用数据挖掘技术，开发了带有优化决策功能的配件采购系统。为医院医学工程科配件采购管理以及采购提供优化方案，全面地反映决策过程，有效地、智能地解决配件采购这一难题，从而降低采购成本，优化工作流程。采购优化系统能够增加决策的针对性，同时本系统既可以由系统推荐方案，又允许用户手工选择参数确定方案，增加了系统的灵活性，具有一定的使用价值和广阔的应用前景。

[1]李玉琼,胡立勇,陈浩,等.基于JIT采购的医疗设备配件供应链管理研究[J].中国医学装备,2015,12(9):53-56.

[2]罗磊.基于数据仓库数据挖掘的医院档案信息化管理[J].黑龙江科技信息,2016(14):168-168.

[3]刘佳,兰顺碧,张晓祥.数据仓库与数据挖掘在医院管理中的应用[J].医学与社会,2006,19(10):53-56.

[4]王俊新,钱雪松,于波,等.数据仓库技术在现代医院管理中的应用[J].医学信息,2005,18(9):1081-1082.

[5]邱伟,刘仕福.浅探数字化医疗设备管理系统的构建[J].中国医疗器械信息,2009,15(8):23-28,69.

[6]李巍,徐雷.基于数据挖掘技术的医疗设备故障库的设计[J].中国医学装备,2016,13(5):119-123.

[7]金益波,李小舟,吴婷婷,等.关于医疗设备配件管理的探讨[J].医疗装备,2011,24(1):79-80.

[8]王成跃.基于Access数据库手术室医疗设备管理系统的设计与实现[J].中国医疗设备,2015,30(11):92-94.

[9]黄连成.浅谈新时期医疗设备的档案管理工作[J].中外医学研究,2011,9(30):138-139.

[10]文彬,邱丹.完善医疗设备的全生命周期管理[J].中国医学装备,2013,10(9):68-70,71.

[11]徐桓,许锋,田金.医院医疗设备维护管理新策略探讨[J].中国医学装备,2010,7(6):46-48.

[12]戴捷,冯璐琼,苏磊,等.医疗设备维修管理的研究[J].中国医学装备,2011,8(1):32-34.

[13]中国移动通信集团公司,中国移动通信信息资源站实体与互联网短消息网关接口协议[A].版本号3.0.0.

[14]JW Satzinger,RB Jackson,SD Burd.系统分析与设计[M].朱群雄,汪晓男,译.北京:机械工业出版社,2006.

[15]刘胜林,张叙天,王国宏,等.基于BS模式的医疗设备维护信息平台的开发和应用[J].中国医疗器械杂志,2012,36(2):145-148.

A research of procurement management system for medical equipment accessories based on data mining techniques

ZHAO Ran, LI Wen-fei, LI Wei, et al//
China Medical Equipment,2017,14(4):157-161.

Objective: To improve the traditional procurement mode because it has series of disadvantages, such as it couldn't grasp dynamic state of store in real time, couldn't scientifically and reasonably dispose store amount of accessories, couldn't have steady subscription time and couldn't achieve central subscription. To research how to construct data warehouse, control quality of accessory, reduce procurement cost, guarantee turnover of capital and increase operating rate of equipment through reasonably organized procurement. Methods: Data mining technique was used to analyze past procurement data of maintenance and accessory, evaluate the type and amount of accessory and construct data warehouse. And used pre-procurement mode for accessory with higher usage rate. Results: The accessory procurement management system of medical equipment contributed to achieve overall planning for procurement, reduce frequency of procurement, standard management of accessory and shorten supplying period. Conclusion: Data mining technique can effectively predict the requirement for accessory of medical equipment, increase informationization degree of equipment management, shorten supply time of accessory, and provide enough support for preventative maintenance, besides, it also can increase the operating rate. At the same time, this mode contributes to organize procurement in batches and reduce cost.

Data mining; Medical equipment; Accessory management; Procurement management; Preventive maintenance

10.3969/J.ISSN.1672-8270.2017.04.044

1672-8270(2017)04-0157-05

R197.324