基于數據挖掘的醫療器械分銷管理模式再優化研究

吳 濤 吳 波 王靖宇 王 昊

醫療器械分銷管理中的分倉合理備貨一直是分銷管理的重點和難點[1]。基于我國地域遼闊這一特征，為快速響應醫療器械需求，醫療器械分銷管理多采用總倉+分倉模式管理，但分倉備貨量難以確定，備貨過多可能導致大量近效期或過期貨物產生，增加倉庫運營成本；備貨量不足又可造成缺貨，倉庫間頻繁調撥，增加物流運營成本[2]。如何將分倉備貨量控制在最佳水平，既能最大限度滿足區域需求又能減少近效期或過期貨物的產生尤為重要，也一直是分銷管理的關注焦點[3]。數據挖掘(data mining，DM)技術可簡單概括為通過計算機對大量復雜數據集的自動探索性分析[4]。DM過程包括數據準備、數據選擇、數據預處理、數據縮減、確定數據庫中知識發現(knowledge discovery in databases，KDD)目標、確定知識發現算法、DM技術、模式解釋和知識評價9個關鍵流程，涉及數據庫管理、人工智能、機器學習、模式識別及數據可視化等多個學科，是揭示存在于數據里的潛在模式及數據間關系的邊緣學科，其應用領域廣泛，對商業、工業及科學研究等領域均有著重要影響[5-6]。本研究選取某醫療器械公司醫療器械分銷管理數據為研究資料，針對其管理數據進行現狀分析，構建基于DM技術的分倉合理備貨方案，完善醫療器械分銷管理模式的再優化。

1 醫療器械分銷管理與分倉備貨現狀

1.1 分銷市場銷售系統架構及備份管理

納入研究的醫療器械公司配備完善的市場銷售分析系統，系統架構包括數據獲取層、數據存儲層、應用層和訪問層。①數據獲取層：主要實現數據倉庫模型建設、數據質量管理、數據源定義、數據抽取、轉換清洗及加載等功能，數據源來自企業管理解決方案(systems applications and products in data processing，SAP)系統、Echo Plus系統、分銷管理系統(distribution management system，DMS)以及企業資源計劃(enterprise resource planning，ERP)系統等；②數據存儲層：主要實現數據的存儲與管理；③應用層：涵蓋各種數據分析工具、報表及查詢工具、DM工具及相關基于數據倉庫或數據集市的應用；④訪問層：是用戶訪問市場銷售分析系統的窗口與平臺。備份方式為網絡自動化備份。市場銷售分析系統架構見圖1，備份流程管理見圖2。

圖1 市場銷售分析系統架構

圖2 市場銷售分析系統備份管理流程

1.2 分倉備貨

當前，醫療器械分倉備貨量主要基于需求歷史分析，其將商品按銷售毛利進行備貨設定，即選取商品10 d內的銷售毛利，當毛利＜1000元時設置為10 d銷售量，當毛利為1000～2000元時設置為20 d銷售量，毛利＞2000元則按30 d銷售量備貨。這一備貨方式難以滿足醫療器械產品備貨需求，因醫療器械往往同一個產品有多個規格，或同一型號有十余個尺寸，基于這一特殊條件，即使型號產品有庫存，仍難以保證規格符合醫院需求，因此，手術醫療器械的備貨應綜合產品型號+規格。

2 醫療器械分倉備貨再優化研究

以納入研究的醫療器械公司的一家分倉中人工晶體為例，基于DM框架建立分倉合理備貨量計算模型，依據分銷管理系統銷售實施表，依次獲取分倉覆蓋區域、區域內客戶清單、交易記錄、交易年份、醫療器械類型以及對應醫療器械型號，獲取該區域客戶近5年的交易記錄和近1年的交易記錄，依據5年交易記錄獲得該區域常用的度數范圍和該區域月平均交易數量(不分度數)，依據1年交易記錄獲取當前分倉的補貨頻率，再計算最佳備貨量，若為多個分倉或多個型號則需重復計算。在人工晶體常用度數范圍的確定流程中，需明確下述5方面的內容。分銷管理系統銷售實施表的多維星型分倉備貨量計算模型見圖3。

圖3 分銷管理系統銷售多維星型分倉備貨量計算模型

表1 2017年1-12月藍光濾過型人工晶體交易數量(個)

2.1 明確有效交易紀錄

商品交易類型分為銷售和非銷售2種。①銷售：包括正常訂貨、寄售使用、銷售退貨及贈品；②非銷售：包括樣品和其他。其中正常訂貨、寄售使用及銷售退貨中的贈品和樣品皆為有效交易類型(設備款除外)。

2.2 產品替代

產品替代是指結合產品的新老型號替代信息進行分析，老型號多為寄售使用，而新型號則多為正常訂購，因此，在抽取需分析的交易記錄時要充分考慮產品替代信息。

2.3 匯總近1年銷售量

依據年度銷售量計算月平均交易數量，即為每月需求數量的預估值。

2.4 度數范圍確定

獲得常用度數范圍后由高至低排序，將常用度數范圍設置為占80%以上交易數量的前N個度數。

2.5 最佳備貨量

根據月平均交易數量和當前分倉補貨頻率計算常用度數總備貨量，其計算為公式1：

常用度數總備貨量=月平均交易數量÷分倉補貨頻率 (1)

再進一步計算各常用度數的備貨量和非常用度數(偏度數)的備貨量。常用度數范圍確定流程見圖4。

圖4 常用度數范圍確定流程

3 醫療器械分倉備貨量計算模型及應用

3.1 分倉備貨量計算模型

以公司某地區分倉庫中人工晶體庫存數據為研究資料，2017年1-12月人工晶體交易數量為1473個/年，月平均交易數量=1473÷12=122.75個，見表1。

當前分倉補貨頻率為4次/月，人工晶體常用度數的總備貨量=122.75÷4=30.68個；根據2012年1月至2016年12月，5年交易的藍光濾過型人工晶體數量，按照80%以上交易數量設置人工晶體的常用度數范圍，考慮排序8～16交易數據的一致性，將20度、19度等排序1～16的16個度數均納入常用度數范圍，見表2。

表2 2012年1月至2016年12月交易的藍光濾過型人工晶體度數

計算常用度數備貨量=30.68÷16=1.92個，約等于2個，因此，將上述16個常用度數范圍的最佳備貨數量定為2個，其余非常用度范圍的最佳備貨數量為1個。按上述步驟依次計算屈光型人工晶體、非球面型人工晶體和多交焦點型人工晶體的最佳備貨數量。

3.2 應用效果

實施分銷管理再優化模式后，2018年8月，人工晶體緊急送貨次數同比減少63.61%、環比減少50.00%，見表3。

4 討論

傳統的分倉備貨管理，除公司使用的依據銷售毛利備貨外，還包括按商品物流屬性以及按商品銷售額設定等方式，這與按銷售毛利備貨均存在同樣的局限性，難以滿足醫療器械的規格要求[7-8]。尤其是與本研究人工晶體相類似的醫療器械，如心臟手術使用的支架或輸液針型號等，此類醫療器械規格多，同一型號產品涉及十多種規格。因此，即使庫存中有相應產品，但規格不符，同樣難以滿足醫院需求，而過多的庫存則增加近效期及過期商品的產生，加大倉庫人力、租金等運營成本。由于備貨不足造成的缺貨，致使各分倉間頻繁調貨則增加物流等運營成本，且醫療器械的需求單位多數為各地各級醫院，其配送方式多采取就近原則，若缺貨便只能從總倉或其他分倉發貨，而當前所采用的運輸方式多為空運，其目的在于確保商品在次日能到達目的醫院，該種緊急發貨方式費用昂貴，頻繁調貨則使企業難以承受成本壓力，而陸運則需長時間等待，時效性差，醫院不愿意等待便可能選擇其他公司產品，存在市場丟失風險[9-10]。因此，在醫療器械管理上，合理備貨方案的制定必須將產品規格納入考量范圍。而應用何種方式能將分倉備貨量控制在最佳水平，減少近效期及過期貨物發生，又能滿足市場需求，降低緊急送貨頻率顯得尤為重要。

表3 人工晶體緊急送貨次數統計(次)

本研究中的醫療器械公司雖已建立了龐大的數據庫，但若無相應的技術手段對其進行整理和分析，管理者便難以分析數據存在的關系及規則，更不能從現有數據上預測未來走勢，陷入數據爆炸的困境。依據DM技術，可從數據倉庫中提取有效的數據，再通過對數據的分類匯總進行宏觀分析來發現數據信息，從而為分銷管理策略的制定提供更高的參考依據。本研究的分銷管理模式再優化充分考慮醫療器械在產品型號及規格上的特殊性。一般情況下，如本研究所分析的人工晶體，其每個型號下可供選擇的度數多達50余個，患者使用何種度數必須由專業儀器測試后才能確定，因此確定下一名患者使用何種度數是不能實現的。但基于DM框架，對現有分倉醫療器械銷售信息進行分析，依據該分倉區域內歷史記錄進行常用度數范圍分析便可明確下一名患者使用的度數范圍，得出分倉每個月的用量大概范圍，以此常用度數范圍作為分倉備貨的指導。本研究基于分銷管理模式再優化的分倉備貨量計算模型計算屈光型、非球面型、多焦點型和藍光濾過型4種晶體的最佳備貨量，并于2018年1月開始實施，2018年8月，4種人工晶體的緊急送貨次數同比下降38.89%～82.35%、環比減少42.10%～75.00%，4種合計緊急送貨次數同比減少63.61%、環比減少50.00%。顯示基于DM技術的醫療器械分銷管理模式再優化的分倉備貨量計算模型能計算出分倉最佳備貨量，可有效降低緊急送貨次數。

5 結論

基于DM技術構建分倉合理備貨方案，通過確定常用度數范圍構建分倉備貨量計算模型計算分倉最佳備貨量，可有效減少緊急送貨次數，降低物流運輸成本。但也存在一定局限性，如尚未實現最佳備貨量的自動計算，DM技術獲得數據后仍需人工計算，增加了工作量，下階段需構建最佳分倉備貨量的智能管理，實現最佳分倉備貨量的自動計算。