Descomplicar a logística hospitalar: Introdução da Inteligência Artificial no fluxo logístico de consumíveis clínicos entre o Centro Logístico e o Bloco Central Indiferenciado da CUF Tejo

Abstract

A importância da transição digital é de tal ordem que foi identificada como prioridade pelo órgão executivo da União Europeia, a Comissão Europeia, que fixou metas com vista à promoção da transformação digital dos Estados-Membros. A aplicação de Inteligência Artificial, Machine Learning e das tecnologias de análise preditiva de dados auxilia a preparação das Unidades prestadoras de serviços de saúde. Ao entender a utilidade que a sua aplicação, com suporte em algoritmos e dados históricos, torna-se possível antecipar a necessidade de consumíveis clínicos. Na sequência daquela afirmação, de modo a concluir acerca do impacto que tem a análise de dados históricos de consumo e fornecimento de consumíveis clínicos afetos ao BCI, sugiro a aplicação de ferramentas de Machine Learning na gestão logística da Unidade CUF Tejo. O trabalho segue uma metodologia exploratória, integrando técnicas qualitativas, como entrevistas informais e a análise de dados quantitativos, previamente exportados de três tabelas do Excel para um Jupyter Notebook, utilizando a linguagem de programação Python. Finalizada a análise dos dados espera-se que os resultados permitam fazer ilações quanto à otimização dos processos logísticos da Unidade CUF Tejo. De modo a ajustar as quantidades encomendadas e o nível máximo associado ao nível MRP de cada material, sugere-se que qualquer material cuja quantidade média de encomendas seja superior a um valor de referência, deva sofrer um aumento de duas vezes o seu nível máximo MRP, de modo a diminuir o número de vezes que a sua reposição ocorre. A variável criada, de apoio à gestão, dará resposta a hipotéticas necessidades nos meses vindouros.

Digital transition has been identified as a political priority by the executive body of the European Union. The European Commission has set targets and created supports aimed at promoting the digital transformation of the Member States. The application of Artificial Intelligence, Machine Learning and predictive data analysis technologies serves as an aid in preparing healthcare service providers to respond to times of high demand from patients. Understanding the utility of its application, supported by algorithms and historical data, it becomes possible to anticipate the need for clinical consumables. Following that and in order to clarify the impact of analyzing historical consumption and supply data of clinical consumables related to BCI, I suggest applying Machine Learning tools to the logistics management of CUF Tejo Unit. The work will follow an exploratory methodology, integrating qualitative techniques such as informal interviews, with quantitative data analysis where Machine Learning algorithms will be applied to data previously exported from three Excel tables to a Jupyter Notebook, using Python, a programming language. Expected outcomes include optimized logistical processes at CUF Tejo Unit. To adjust ordered quantities and the maximum level associated with the MRP of each material, it is suggested that any materials exceeding average order quantities should double their maximum stock levels. This new variable will support management in responding to potential needs in the upcoming months. With this approach it may be possible to enhance the efficiency of logistical operations and improve the quality of services provided.