[发明专利]药品采购计划的确定方法、装置、设备及存储介质在审

专利信息
申请号: 202010898030.4 申请日: 2020-08-31
公开(公告)号: CN112036795A 公开(公告)日: 2020-12-04
发明(设计)人: 王成林;丁毅;诸洁;王春山;陈兆文 申请(专利权)人: 平安医疗健康管理股份有限公司
主分类号: G06Q10/08 分类号: G06Q10/08;G06Q10/04;G06K9/62
代理公司: 深圳市明日今典知识产权代理事务所(普通合伙) 44343 代理人: 王杰辉;曹勇
地址: 200000 上海市黄浦*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 药品 采购 计划 确定 方法 装置 设备 存储 介质
【权利要求书】:

1.一种药品采购计划的确定方法,其特征在于,所述方法包括:

获取待预测药品特征数据;

将所述待预测药品特征数据输入药品消耗预测模型进行预测,所述药品消耗预测模型是基于ARIMA模型训练得到的模型;

获取所述药品消耗预测模型输出的目标药品消耗预测数据;

根据所述目标药品消耗预测数据、库存安全阈值、所述待预测药品特征数据的最晚采集时间的药品采购周期,确定安全库存数据;

根据所述目标药品消耗预测数据、所述安全库存数据、实时实际库存数量、与所述实时实际库存数量对应的实时实际库存总容量,生成目标药品采购计划。

2.根据权利要求1所述的药品采购计划的确定方法,其特征在于,所述获取待预测药品特征数据的步骤,包括:

根据第一预设时长,获取待预测药品历史数据;

对所述待预测药品历史数据进行缺失值清洗,得到第一药品历史数据;

对所述第一药品历史数据进行格式内容清洗,得到第二药品历史数据;

对所述第二药品历史数据进行逻辑错误清洗,得到第三药品历史数据;

对所述第三药品历史数据进行非需求数据清洗,得到第四药品历史数据;

对所述第四药品历史数据进行关联性验证,得到已清洗药品历史数据;

根据所述已清洗药品历史数据进行特征提取,得到所述待预测药品特征数据。

3.根据权利要求1所述的药品采购计划的确定方法,其特征在于,所述将所述待预测药品特征数据输入药品消耗预测模型进行预测,所述药品消耗预测模型是基于ARIMA模型训练得到的模型的步骤之前,包括:

获取药品数据样本集合,所述药品数据样本集合包括多个药品数据样本;

将所述药品数据样本集合中的所述药品数据样本按时间顺序进行划分,得到训练集合和验证集合,所述验证集合的药品数据样本的采集时间晚于所述训练集合的药品数据样本的采集时间;

根据所述训练集合对所述ARIMA模型进行训练,得到待验证ARIMA模型;

根据所述待验证ARIMA模型,确定待验证药品消耗预测数据;

根据所述验证集合、所述待验证药品消耗预测数据及误差阈值,得到模型验证结果;

当所述模型验证结果为成功时,将所述待验证ARIMA模型作为所述药品消耗预测模型;

当所述模型验证结果为失败时,执行所述根据所述训练集合对所述ARIMA模型进行训练,得到待验证ARIMA模型的步骤,直至所述模型验证结果为成功。

4.根据权利要求3所述的药品采购计划的确定方法,其特征在于,所述根据所述训练集合对所述ARIMA模型进行训练,得到待验证ARIMA模型的步骤,包括:

对所述训练集合进行不平稳处理,得到平稳训练集合;

将所述平稳训练集合输入所述ARIMA模型进行定阶,得到已定阶ARIMA模型;

对所述已定阶ARIMA模型进行参数估计,得到所述待验证ARIMA模型。

5.根据权利要求4所述的药品采购计划的确定方法,其特征在于,所述将所述平稳训练集合输入所述ARIMA模型进行定阶,得到已定阶ARIMA模型的步骤,包括:

基于所述平稳训练集合,确定自相关系数和偏自相关系数;

根据所述自相关系数,确定所述ARIMA模型的自相关阶数;

根据所述偏自相关系数,确定所述ARIMA模型的移动平均阶数;

将已确定所述自相关阶数和所述移动平均阶数的所述ARIMA模型,作为所述已定阶ARIMA模型。

6.根据权利要求1所述的药品采购计划的确定方法,其特征在于,所述根据所述目标药品消耗预测数据、库存安全阈值、所述待预测药品特征数据的最晚采集时间的药品采购周期,确定安全库存数据的步骤,包括:

根据所述目标药品消耗预测数据、所述待预测药品特征数据的最晚采集时间的药品采购周期,确定最低库存数据;

将所述最低库存数据和所述库存安全阈值相加,得到所述安全库存数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安医疗健康管理股份有限公司,未经平安医疗健康管理股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010898030.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top