پیش بینی تقاضای فرآورده های بانک خون به تفکیک گروه های خونی با استفاده از شبکه های عصبی (مطالعه موردی: شبکه انتقال خون استان زنجان)

مدیریت و برنامه‌ریزی زنجیره تامین خون باتوجه به وجود عدم قطعیت در عرضه و تقاضای آن، دارای پیچیدگی‌هایی است که عدم قطعیت در عرضه، نشات گرفته از رفتار غیرقابل پیش‌بینی و نامنظم انسان‌ها در اهدای خون، به عنوان تنها منبع تامین و همچنین تقاضای اغلب تصادفی می باشد. به علاوه، فسادپذیر و کوتاه بودن عمر خون و فرآورده‌‌های آن، از جمله مواردی هستند که باید به آن‌ها نیز توجه داشت. تامین خون سالم و کافی، نقش اساسی در سیستم‌های سلامت ایفا می‌کند. بنابراین، پیش‌بینی تقاضا جهت جلوگیری از کمبود موجودی و به خطر افتادن سلامت بیماران و از طرف دیگر افزایش موجودی و در نتیجه افزایش ضایعات و هزینه‌های دولت‌ها، توجه محققان را به خود جلب کرده‌است. بر همین اساس هدف این تحقیق پیش‌بینی تقاضای فرآورده‌های بانک خون با استفاده از شبکه‌های عصبی می‌باشد. شبکه‌های عصبی این قابلیت را دارند که با تنظیم مناسب برخی پارامترها، از روندهای گذشته پیش‌بینی مناسبی در جهت آینده داشته باشند. در این تحقیق به منظور جمع‌آوری داده‌ها از آمار و بانک‌های اطلاعاتی و شبکه‌های کامپیوتری، شبکه انتقال خون استان زنجان بهره گرفته شده و برای تجزیه و تحلیل داده‌ها، از امکانات و توابع موجود نرم‌افزار matlab، استفاده گردیده است. یافته‌های پژوهش بر اساس تقاضاهای قبلی فرآورده‌های خونی نشان می‌دهد که بهترین مدل شبکه عصبی به منظور پیش‌بینی تقاضا، دارای دو تاخیر و پنج نورون در لایه پنهان می‌باشد. همچنین نتایج نشان می‌دهد که مقدار خطا در هر سه فرآورده خونی نزدیک به هم بوده ولی دارای مقادیر متفاوت می‌باشند.

The Prediction of Demand for Blood Bank Products for Each Blood Group Using Neural Networks(Case Study:Blood Transfusion Network of Zanjan Province)

The supply and demand management and planning of the blood supply chain have complexities considering the uncertainty in demand and supply. The supply uncertainty often results from the random demand as well as unpredictable and irregular behavior of the people involved in blood donation as the only source of blood supply.  In addition, the perishability and short lifespan of blood and blood products are the problems that should be considered.  Adequate and healthy blood supply plays an essential role in health systems.  Therefore, the prediction of demand to prevent endangering the patients’ health due to the inventory shortages on one hand, and increasing inventory which increases wastages and government expenses on the other hand, have attracted the attention of researchers.  Accordingly, the aim of the present study is to predict the demand for blood bank products using neural networks.  Neural networks have the ability to properly predict the future based on certain trends of the past by adjusting some parameters.  To collect the necessary data for this research, the statistics, databases and computer networks of the blood transfusion network of Zanjan province have been selected. For data analysis, the existing facilities and functions of the MATLAB software have been used. Based on previous demands of blood products, the research findings demonstrate that the best neural network model to predict demand has two delays and five neurons in the hidden layer.  The results also show that the error values in all three blood products are close to each other but have different values.