การพัฒนาตัวแบบการตัดสินใจโดยใช้กฎในการจัดสรรโลหิตเพื่อเพิ่มอรรถประโยชน์ของโลหิต
Article Sidebar
Main Article Content
บทคัดย่อ
การจัดสรรโลหิตมีความซับซ้อน เนื่องจากศูนย์บริการโลหิตต้องกระจายโลหิตให้กับโรงพยาบาลตามประเภทของโลหิต หมู่โลหิต และจำนวนที่ต้องการ โดยคำนึงถึงตัวชี้วัดด้านการขาดแคลนโลหิตและการหมดอายุของโลหิต ดังนั้น การศึกษาถึงปัจจัยด้านการจัดการคลังโลหิตที่ส่งผลกระทบต่อตัวชี้วัดดังกล่าวจึงควรนำมาวิเคราะห์ในการจัดสรรโลหิตด้านจำนวนและอายุที่เหมาะสมยิ่งขึ้น งานวิจัยนี้มีวัตถุประสงค์ในการศึกษาวิธีการจัดสรรโลหิตโดยใช้วิธีการพัฒนาตัวแบบการตัดสินใจโดยใช้กฎซึ่งผนวกปัจจัยที่เกี่ยวข้องกับการจัดการคลังโลหิตจำนวน 4 ตัวแบบ คือ (1) ความต้องการโลหิต (2) ระดับโลหิตคงคลัง (3) ระยะเวลาการจองโลหิต และ (4) ระดับขีดความสามารถของโรงพยาบาล ยิ่งไปกว่านั้น การทดสอบตัวแบบการจัดสรรโลหิตเพื่อประเมินการลดอัตราการขาดแคลนโลหิตและการหมดอายุของโลหิตด้วยวิธีการจำลองสถานการณ์และเปรียบเทียบผลลัพธ์กับตัวแบบระบบจัดสรรโลหิตปัจจุบันในระยะเวลา 12 เดือนพบว่าตัวแบบที่ (1) มีผลการลดอัตราการขาดแคลนโลหิตในระบบสูงสุดเท่ากับร้อยละ 14.39 รองลงมาคือตัวแบบที่ (4) (2) และ (3) ด้วยค่าร้อยละ 9.41 8.76 และ 8.05 ตามลำดับ ในขณะที่ตัวแบบที่สามารถลดอัตราการหมดอายุของโลหิตเรียงลำดับจากสูงไปต่ำคือ ตัวแบบที่ (4) (3) (1) และ (2) ด้วยค่าร้อยละเท่ากับ 27.89 20.95 17.33 และ 13.26 ตามลำดับ ผลการศึกษาแสดงให้เห็นถึงปัจจัยในการจัดสรรโลหิตที่ส่งผลกระทบต่อการขาดแคลนและการหมดอายุของโลหิต
ซึ่งสามารถนำไปประยุกต์ใช้เพื่อปรับปรุงวิธีการจัดสรรโลหิตในระบบงานในปัจจุบันให้มีความเหมาะสมยิ่งขึ้นได้ในอนาคต
Article Details
เอกสารอ้างอิง
[2] Katsaliaki, K. and Brailsford, S. C. (2007). Using Simulation to Improve the Blood Supply Chain. Journal of the Operational Research Society. Vol. 58, No. 2, pp. 219-227
[3] Pierskalla, W. P. (2005). Supply Chain Management of Blood Banks. In: Brandeau M.L., Sainfort F., Pierskalla W.P. (eds) Operations Research and Health Care. International Series in Operations Research & Management Science, Vol. 70, Springer, Boston, MA
[4] Prastacos, G. P. and Brodheim, E. (1980). PBDS: A Decision Support System for Regional Blood Management. Management Science. Vol. 26, Issue 5, pp. 451-463. DOI: 10.1287/mnsc.26.5.451
[5] Sapountzis, C. (1984). Allocating Blood to Hospitals from a Central Blood Bank. European Journal of Operational Research. Vol. 16, Issue 2, pp. 157-162. DOI: 10.1016/0377-2217(84)90070-5
[6] Sapountzis, C. (1989). Allocating Blood to Hospitals. The Journal of the Operational Research Society. Vol. 40, No. 5, pp. 443-449. DOI: 10.2307/2583616
[7] Qin, Y. (2011). Optimal Allocation of Blood Inventories. Doctoral dissertation. Business Administration. Information Systems and Operations Management. University of Florida
[8] Nagurney, A. and Masoumi, A. H. (2012). Supply Chain Network Design of a Sustainable Blood Banking System. In: Sustainable Supply Chains: Models, Methods and Public Policy Implications T. Boone, V. Jayaraman, and R. Ganeshan, Editors, Springer, London, England, pp. 49-72
[9] Li, B. N., Dong, M. C., and Chao, S. (2008). On Decision Making Support in Blood Bank Information Systems. Expert Systems with Applications. Vol. 34, Issue 2, pp. 1522-1532. DOI: 10.1016/j.eswa.2007.01.016
[10] Jagannathan, R. and Sen, T. (1991). Storing Crossmatched Blood: A Perishable Inventory Model With Prior Allocation. Management Science. Vol. 37, No. 3, pp. 251-266. DOI: 10.1287/mnsc.37.3.251
[11] Levesque, H. J. and Lakemeyer, G. (2001). The Logic of Knowledge Bases. MIT Press.
[12] Cohen, M. A., Pierskalla, W. P., and Yen, H. C. (1981). An Analysis of Ordering and Allocation Policies for Multi-echelon, Age-Differentiated Inventory Systems. TIMS Studies in the Management Sciences. Vol. 16, No. 1, pp. 353-378
[13] Gonzalez, A. J. and Dankel, D. D. (1993). The Engineering of Knowledge-based Systems. Englewood Cliffs, NJ : Prentice-Hall. pp. 207-230.
