基于大數據和人工智能的新型醫藥物流體系構建

陳心媛 廖吉林

摘 ?要：隨著居民健康意識增強，醫藥及與之配套的醫藥物流獲得了良好發展契機。文章在簡要綜述醫藥物流產業發展前景的基礎上，結合當下廣泛應用的大數據及人工智能技術應用場景要求，分析了醫藥物流體系目前的突出問題，提出發展物流企業總代理、成立集團型分銷企業和搭建智慧就診平臺的設想。在此基礎上，運用大數據技術嵌入構建了包括成本控制層、倉儲管理層、庫存管理層和配送運輸層的醫藥物流大數據平臺，并以AI技術賦能平臺運行，以期達到構建新型醫藥物流體系的目標。

關鍵詞：大數據;人工智能;醫藥物流;大數據平臺;體系優化

中圖分類號：F252.1 ? ?文獻標識碼：A

Abstract： With the enhancement of residents' health awareness， the development of medicine and its supporting medical logistics has obtained a good opportunity. On the basis of a brief review of the development prospects of pharmaceutical logistics industry， this paper analyzes the current outstanding problems of pharmaceutical logistics system in combination with the widely used big data and artificial intelligence technology application scenarios， and puts forward the ideas of developing general agent of logistics enterprises， establishing group distribution enterprises and building intelligent medical treatment platform. On this basis， the medical logistics big data platform including cost control layer， warehouse management layer， inventory management layer and distribution and transportation layer was built by using big data technology， and AI technology was used to enable the platform to operate， so as to achieve the goal of building a new pharmaceutical logistics system.

Key words： big data; artificial intelligence; pharmaceutical logistics; big data platform; system optimization

0 ?引 ?言

隨著國民生活水平提升和醫療保障體系完善，作為基本生活需求的藥品需求量近年來迅猛增長，由此帶動醫藥物流規模持續擴張。預計2020年國內醫藥物流總市值將突破4萬億元，同比2019年增加約9%。醫藥物流一般是指依托物流設備技術和信息管理系統，通過優化藥品預測、采購、倉儲、裝卸、運輸和配送等環節，有效整合上下游資源，提高訂單處理能力，縮短庫存及配送時間，減少物流成本，以最終實現規模效益。作為醫藥產業重要配套，物流配送貫穿于整個醫藥產業鏈，對行業提質增效發揮著至關重要的作用。而自“兩票制”、稅制改革和一致性評價等醫藥創新體制改革以來，國內整體市場秩序得到規整，醫藥物流向著高質量、高標準、嚴規范目標發展。受此類政策影響，身處上游的供應商將藥品直接銷售給醫院或零售藥店的傳統調撥模式已難以為繼。供需結構、信息化程度和物流活動效率都對醫藥物流產業提出了新的更高的要求。

2010年以來，隨著電子商務快速發展，國內物流行業迎來了超高速增長期。而在經濟持續增長及以人工智能和大數據為代表的信息科技支持助力下，據統計，社會物流總額從2010年的125.4萬億增長至2019年的301.8萬億元，10年累計增長了141%[1]。與數量指標增長同步，10年來中國物流技術水平也飛速進步，逐步進入網絡化和信息化的“智慧物流”時代。而具體到醫藥流通領域，智能軟硬件、物聯網、大數據等智慧化技術手段也越來越多地嵌入應用于醫藥物流供應鏈系統，實現了各物流環節精細化、動態化、可視化管理，改善了系統智能化分析決策和自動化執行能力，顯著提升了行業物流運作效率。正如中國物流與采購聯合會副會長崔忠付在2020年第九屆中國藥品冷鏈峰會所指出的，醫藥行業應以技術賦能數字化醫藥產業供應鏈轉型升級，大數據與人工智能正在強力助推醫藥行業供應鏈發展[2]。大數據和人工智能賦能醫藥物流供應鏈，將有效化解當前醫藥物流體系中固有的系統性和結構性頑疾。

1 ?當下醫藥物流配送體系存在的突出問題

目前國內醫療物流行業正處于發展的初級階段，物流一體化結構尚未形成[3]。尤其是在新冠疫情防控常態化背景下，醫藥物流體系仍面臨諸多重大突出問題。

1.1 ?物流成本居高不下

受藥品使用專屬性、質量絕對性和效用兩重性等影響，冷鏈成本居高不下。醫藥企業在存儲倉庫、冷鏈運輸車輛以及配送人員技能培訓等方面投入了大量資金成本，以致醫藥物流成本在物流市場總額中占據份額逐年增長。為緩解高昂的物流成本帶來的巨大資金壓力，中小型企業不得不冒著犧牲藥品質量安全的風險，采取壓縮物流成本的措施。

1.2 ?冷鏈物流設施落后

國內醫藥物流發展起步較晚，雖然近年來醫藥冷鏈在設備、技術、基礎設施和安全保障等方面均有所加強，但仍有眾多方面急需進一步升級。比如發達國家藥品冷鏈流通率平均高達90%以上，而直到2019年底國內醫藥冷鏈流通率才剛剛達到20%。冷鏈流通率的提高，完善的配送運輸網絡、智能化倉儲配送設備以及信息化公共物流平臺是基本硬件條件。只有在完善相關基礎設施的條件下，才具備進一步優化物流體系的可能。

1.3 ?信息共享機制匱乏

國內現代醫藥物流尚未形成集中收集數據、統一監管秩序的大數據平臺，來自供應鏈各主體離散的數據難以實現信息共享和宏觀分析，嚴重阻礙了現代醫藥物流體系的發展。本次新冠疫情表明，突發公共衛生事件防控極端依賴于多部門信息平臺的信息共享機制，也顯著證明了信息互通對供應鏈各主體間協同控處的至關重要性。同樣道理，供應鏈上下游之間缺乏信息互通，將直接導致醫藥產品供求不匹配、物資分配不均，無法及時準確地滿足患者需求。因而，醫藥物流急需建設具有信息互通、統一調撥功能的大數據平臺。

2 ?基于大數據和人工智能的醫藥物流體系設計

一般來說，物流體系建設作為系統性工程，并非單一企業憑借一己之力就能夠實現，其建設涉及到供應鏈上各關聯主體、構成要素和多個層面[4]。本文試圖從醫藥物流主體和要素角度出發，探究大數據和人工智能對物流體系的改進和優化策略。

2.1 ?主體構建

傳統醫藥物流體系涵蓋制藥企業、全國代理商、分銷商、批發商和患者等多個主體。物流體系中涉及到主體越多、行銷區域越窄，物流采購成本、倉儲成本和運輸成本在總成本中所占的比例就越高。因此很有必要對供應鏈主體做出適當調整以應對日趨劇烈的市場競爭。

（1）發展物流企業總代理模式。醫藥產品在制藥企業與代理商、代理商與分銷商之間經歷的中間環節紛繁復雜，為提高產品周轉頻率，降低成本損耗，制藥企業將委托第三方醫藥物流企業對藥品進行存儲、運輸與代銷。第三方醫藥物流企業利用大數據、云計算等現代技術，準確定位最優倉庫選址和規劃配送路徑，從而降低物流成本、提高運輸配送效率。同時，順豐冷鏈、京東快遞這類有實力的物流企業具備高效的倉儲管理技術和先進的冷鏈設備，能夠切實保障藥品質量安全。

（2）設立跨區域集團型分銷企業。傳統分銷范圍以行政區域為劃分標準，容易導致劃分界限模糊、管理不到位等現象。發展以跨區域集團型分銷商為主的分銷模式，能夠淘汰這類生產效益低下、管理方式落后和運作模式原始的企業。跨區域分銷體系依托大數據平臺不斷完善其集團自身的物流運輸網絡和信息化平臺，將人工智能運用于自動化倉儲建設，可有效實現規模化發展、集約化倉儲和統一化管理三者有機結合。從而實現上游供應商和下游需求方的合理對接，減少批發商產品過剩或供應商產能不足的現象。同時，多品種、小批量、寬行銷區的分銷模式將有效降低物流配送成本。

（3）搭建三方智慧就診平臺。隨著人口規模持續擴大，“就醫難”成為患者普遍面臨的問題。三甲醫院通常人滿為患，一方面就醫效率低下，另一方面易造成交叉感染。搭建由醫院、零售藥店和患者三方構成的智慧就診平臺，升級優化傳統DTP藥房能有效緩解患者就醫壓力、簡化藥品運輸過程[5]。新型DTP藥房將選址巧妙地安排在醫院一公里范圍內，充分利用互聯網優勢延展線下服務半徑，并結合大數據和人工智能技術為患者提供服務。

首先，合理對接醫院HIS系統。患者在醫院的歷史處方通過平臺引流至新型DTP藥店，同時建立審核機制、藥品可溯源機制和多方聯合監控機制對DTP開具的診斷處方進行嚴格把控;其次，引入人工智能輔助患者就醫。患者可通過AI技術享受遠程輔助醫藥服務，獲得專屬診療方案。問診結束后，機器人依據處方匹配藥品貨架號、價格和服用方法。藥房設有小型倉庫，并配備USP保障的全程冷鏈配送系統，將特殊藥品運送至患者家中。

智慧就診平臺建設有效縮短了藥品在醫院、零售商和患者之間的周轉時間和配送成本。打造了醫院以外的“第三方生存空間”，利用大數據和人工智能技術，為醫藥物流體系構建提供了創新思路。

2.2 ?大數據平臺建設

隨著互聯網的不斷發展，物流企業系統正逐漸以行業平臺形式出現，而大數據將通過協調整個行業資源配置的方式輔助平臺運營，人工智能的應用也將促進物流體系不斷升級優化。本文所構建的醫藥物流大數據平臺，自上而下分別為成本控制層、倉儲管理層、庫存管理層和運輸配送層。旨在以大數據和人工智能賦能醫藥物流體系建設，促進醫藥物流智能化、信息化、現代化[6]。

（1）成本控制層。醫藥物流成本主要包括人工成本、財務成本、營運成本等。控制人工成本最有效途徑是縮減各物流環節上的勞務支出，以人工智能代替勞務人員能夠節省近60%的人工成本。如建設無人倉庫及無人運送車，通過WMS將指令發送至對應倉庫或車輛，對其進行調撥和全程監控。

通過大數據和云計算采集下游藥品需求并上傳至上游制造商和物流企業，以便進行需求預測。盡量實現“供求平衡”的“零庫存”目標，降低因庫存過量引起的損耗或失效風險和因供貨不及時產生的懲罰成本，從而有效控制財務成本及營運成本。相關成本計算完成后，通過物流大數據平臺統一反饋至各主體，以便進行成本溯源和有效控制。

（2）倉儲管理層。推動物流倉儲操作的機械化、藥品管理的自動化是提高物流倉儲工作效率和管理質量的要求。首先，將AI技術整合至倉儲自動化工具中，準確預測各類藥品的存儲周期，并判定其最佳的放置位置，簡化藥品揀選過程，提高半自動化倉庫運行效率[4]。

其次，在半自動化倉儲基礎上，進一步提升倉儲智能化，以通過大數據平臺調撥的機器人代替人工進行作業，負責倉庫內的揀貨、復核、理貨、補貨和下架。如倉庫中的藥品出庫后，機器人監測到庫存不足，將自動上傳庫存信息至庫存管理層聯系補貨。AGV作為自動化倉庫重要基礎設施之一，通過庫內搬運、分揀等作業實現倉儲管理自動化。其中，揀選AGV依據倉儲管理層為其設定的程序，精確匹配貨物條形碼和貨架號，按照預定程序將貨物搬運至指定地點，從而實現了“貨到人”全自動化倉儲管理模式。經測算，使用AGV智能倉儲管理能夠有效縮減50%～70%的人工成本，降低20%～40%的訂單交付成本。

另外利用物聯網技術創建倉庫藥品數據庫，搭建基于倉儲管理層的智能物流信息查詢平臺，以便上游供應商與下游批發商全程監測把控采購藥品的在庫情況、所在倉庫及出入庫時間。

（3）庫存管理層。藥品物流過程中，庫存管理水平直接關系到成本控制效益和倉儲管理水平，在醫藥物流體系建設中起到重要的輔助作用。可以預見，物流企業未來將儲備更多種類的醫藥產品，倉儲管理面臨著史無前例的壓力。本體系中，庫存管理層借助大數據平臺收集下游批發商的藥品需求，分析并確定使用頻率相對較高的藥品并報送至供應商，以防在突發公共衛生事件下發生藥品供不應求的情況。同時，實時跟蹤藥品出庫后物流情況，提供交付時間并制定備選方案，確保藥品運輸在遭遇突發狀況的一小時內快速找到替代性交付通道。

此外，結合大數據提供的醫藥產品出入庫情況，分析測算其周轉率。對周轉率較高的藥品進行集中采購、集中存儲;而對于周轉率相對較低的藥品，則采取定期、定量采購的方式，以此減少藥品倉庫積壓、質量效用降低的情況。

（4）運輸配送層。人工智能結合大數據推動醫藥物流配送不斷向智能化、信息化方向發展。將AI技術賦能基礎設施建設，為所有冷鏈車輛配備智能車載、智能調度系統，由大數據平臺統一監控藥品從出庫至患者手中的物流全過程。實時監測路況，及時測算更改最佳路徑，從而實現冷鏈過程的安全管控和成本優化。

基于現存的有人駕駛運輸方案，本文提出AI技術支持下的創新型冷鏈方案，即通過無人駕駛設備對藥品進行冷鏈運輸。在無人車或無人機上配備傳感器和GPS定位系統，對于冷鏈過程中出現的溫濕度異常或不可抗力因素影響，直接向醫藥物流大數據平臺進行信息反饋。由大數據平臺下達調撥指令后采取應急措施。配送無人機在有效控制人力成本的同時，解決了偏遠地區的物流“盲區”問題[7]。完善了醫藥物流配送網絡，對于物流體系優化升級具有深遠意義。

此外，智能客服機器人為患者提供售前、售后咨詢服務，憑借其迅速響應特點，快速收集下游批發商和患者的訴求并反饋給上游供應商，完善藥品溯源機制。

2.3 ?新型醫藥物流體系構建

體系主要以醫藥物流大數據平臺為構建基礎，自上而下的各因子層分別是成本控制層、倉儲管理層、庫存管理層和運輸配送層。成本控制作為整個大數據平臺的頂層因子，受到倉儲管理、庫存管理和運輸配送的共同制約，并對物流體系優化起到至關重要的作用;庫存管理的優劣直接影響到倉儲管理水平，其上下端分別與倉儲管理層和運輸配送層對接，對上下游信息數據進行收集與報送;倉儲管理層將收集到的需求數據、供應量數據、采購情況進行匯總，報送給物流企業，提供倉儲管理指導性意見;運輸配送層作為大數據平臺的終端因子層，負責收集庫存信息、報送路徑路況，把控好醫藥物流供應鏈的最后一個環節。同時反饋患者意見至大數據平臺，經平臺審核后，確定關聯主體，通知相關供應商與患者直接進行協商。

3 ?基于大數據和人工智能的醫藥物流體系有效性預估

理論研究和管理實踐普遍認同，智慧醫藥物流體系的評價主要涉及物流鏈條長度、整體庫存水平、客戶響應速度、全鏈條數據共享程度及物流總成本這五方面維度[8]。筆者也以此為標準對優化后的醫藥物流體系進行評價。

本文構建的醫藥物流體系對傳統醫藥供應鏈相關主體加以調整，職能加以合并。委托物流企業執行代理商職能顯著簡化了藥品流通過程。下游主體由傳統的醫院—患者、藥店—患者模式升級為醫院—藥店—患者三者協同的新型DTP藥店模式，簡化了患者問診、取藥、復診等就醫流程，有效縮短了物流鏈條長度。大數據平臺庫存管理層借助大數據進行客戶需求分析，進而真正實現庫存協同;減少庫存積壓，提高藥品周轉率和現貨率;倉儲管理層調撥機器人預測庫存并及時補貨，真正實現“整體庫存少”的目標。大數據平臺的運輸配送因子層將客戶需求直接反饋至大數據平臺終端，省卻了藥品退回需經歷的層層關卡，能夠及時、準確地處理客戶訴求;設立跨區域集團型分銷企業助力跨區域配送和倉配一體化運作，從而快速響應客戶需求。智能物流信息查詢平臺依托WMS和TMS對藥品自入庫、出庫到配送全過程進行公開，供批發商、供應商和患者查詢藥品物流狀態;大數據平臺建立成本控制因子層，對藥品在供應鏈各階段所耗費的成本進行測算與分析，有效把控物流成本。

參考文獻：

[1] 丁梧桐，李登明. 電子商務環境下的物流管理創新研究[J]. 電子商務，2020（6）：2-3.

[2] 張然. 新形勢下國有糧食企業糧食物流管理對策研究[J]. 物流科技，2020，43（2）：36-38.

[3] 李原昕，周松濤. 線上線下結合的電商超市新零售運營模式研究[J]. 電子商務，2020（7）：38-39.

[4] 高文菁，陳曉琪. 精細化管理理念在物流企業管理中的應用研究[J]. 物流工程與管理，2019，41（7）：55-57.

[5] 楊寧. 基于AHP-TOPSIS的家具制造綠色供應商選擇實證研究[J]. 物流科技，2020，43（8）：17-20.

[6] 顧佳敏，姚惠芳. 基于供應鏈驅動因素淺析冷鏈物流[J]. 電子商務，2020（5）：9-10.

[7] 王宇，丁勝. 淺究林產品物流支持體系的優化對策[J]. 物流工程與管理，2020，42（6）：12-14.

[8] 趙巍. 競爭新形勢下互聯網企業品牌延伸策略研究[J]. 物流工程與管理，2020，42（9）：151-153.

收稿日期：2020-10-22

基金項目：江蘇省高校哲學社會科學研究項目“面向供應鏈整合的跨組織流程優化研究”（2020SJA0157）;南京林業大學2020年大學生創新創業訓練計劃項目“基于大數據和人工智能的第三方醫藥物流中心選址及配送模式優化”（2020NFUSPITP0216）

作者簡介：廖吉林（1976-），本文通訊作者，男，湖南永州人，南京林業大學經濟管理學院，講師，研究方向：綠色供應鏈。