การพยากรณ์อุปสงค์ที่ไม่สม่ำเสมอ และมีปริมาณที่แปรปรวนมาก สำหรับยาที่มีอัตราการหมุนเวียนช้า กรณีศึกษา โรงพยาบาลชุมชน ประเทศไทย

Main Article Content

ภัทรพร กัลยา
ปรีชา เติมสุขสวัสดิ์
ธนัญญา วสุศรี

บทคัดย่อ

บทนำ: โรงพยาบาลชุมชนขนาดเล็กมักจะประสบปัญหาในการจัดการสินค้าคงคลังของยารักษาโรค ไม่ว่าจะเป็นปัญหาของการขาดแคลนยาในบางช่วงเวลาหรือปัญหายาที่มากเกินความต้องการใช้ในบางช่วงเวลาเช่นกัน เนื่องจากอุปสงค์ในการใช้ยาที่ยากต่อการพยากรณ์ โดยเฉพาะอย่างยิ่งอุปสงค์ในการใช้ยาบางประเภทที่มีรูปแบบการเกิดขึ้นที่ไม่สม่ำเสมอ โดยมีหลายช่วงเวลาไม่เกิดอุปสงค์ และ เมื่อเกิดอุปสงค์ขึ้นปริมาณจะมีความแปรปรวนมาก อย่างเช่นยาที่มีความสำคัญต่อการช่วยเหลือชีวิตที่มีอัตราการหมุนเวียนในการใช้สอยช้า แต่โรงพยาบาลต้องมีการสำรองยาไว้เสมอ ในการศึกษานี้จึงมีวัตถุประสงค์ที่จะศึกษาถึงประสิทธิภาพของเครื่องมือพยากรณ์เพื่อใช้พยากรณ์ความต้องการยาที่มีอัตราการหมุนเวียนช้าของโรงพยาบาลชุมชนขนาดเล็ก วิธีดำเนินการวิจัย: การศึกษานี้ได้มีการเปรียบเทียบประสิทธิภาพของเครื่องมือพยากรณ์ 2 เครื่องมือได้แก่เครื่องมือ Croston (CR) และเครื่องมือ Teunter, Syntetos, and Babai (TSB) โดยการศึกษาและการวิเคราะห์ข้อมูลได้ใช้ข้อมูลในอดีตที่ได้จากโรงพยาบาลชุมชนของ ประเทศไทยแห่งหนึ่ง ข้อมูลที่ใช้ในการศึกษามีการเก็บข้อมูลตั้งแต่เดือนมกราคม พ.ศ. 2558 ถึงเดือนธันวาคม พ.ศ. 2559 โดยมีตัวชี้วัดความคลาดเคลื่อนในการพยากรณ์ 2 ตัวชี้วัด ได้แก่ ค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง (mean square error ; MSE) และช่วงเวลาในการขาดแคลนสินค้า (shortage) ผลการวิจัย: พบว่ารูปแบบการเกิดขึ้นของอุปสงค์ที่แตกต่างกัน ระยะเวลาในการปรับค่าคงที่ มีผลต่อศักยภาพของเครื่องมือพยากรณ์ เครื่องมือ TSB เกิดความคลาดเคลื่อนกำลังสองน้อยกว่าในกรณีที่มีการเกิดขึ้นของอุปสงค์แบบชุดข้อมูลของยาV1 ในขณะเครื่องมือ CR ให้ผลลัพธ์ที่ดีกว่าสำหรับตัวชี้วัด จำนวนช่วงเวลาที่สินค้าขาดแคลน ทั้ง 2 เครื่องมือเกิดค่าเฉลี่ยความคลาดเคลื่อนกำลังสองในการพยากรณ์น้อยลงในการปรับค่าคงที่ ทุก 8 และ 12 สัปดาห์ แต่ทั้งนี้ทั้ง 2 เครื่องมือยังคงพบช่วงเวลาที่เกิดสินค้าขาดแคลนหลายช่วงเวลามาก สรุปผลการวิจัย: การพัฒนาเครื่องมือสำหรับพยากรณ์อุปสงค์ที่ไม่สม่ำเสมอและมีความแปรปรวนมากควรให้ความสำคัญกับ ลักษณะของข้อมูล  ความแปรปรวนของปริมาณ อัตราการเกิดขึ้นของอุปสงค์ รวมไปถึงการพิจารณาระยะเวลาระหว่างการเกิดอุปสงค์ เพราะจะมีผลกับการประมาณการและมีโอกาสที่จะทำให้เกิดจำนวนช่วงเวลาที่สินค้าขาดแคลน หรือปริมาณสินค้าที่มากเกินความต้องการ

Article Details

ประเภทบทความ
เภสัชกรรมปฏิบัติ (Pharmaceutical Practice)

เอกสารอ้างอิง

Babai M.Z, Syntetos A ,Teunter R. Intermittent demand forecasting : An empirical study on accuracy and the risk of obsolescence. Production Economics 2014 :212-219.

Costantino F, GravioDi.G, Patriarca R , Petrella L. Spare parts management for irregular demand items.Omega 2017:1-10.

Croston J.D. Forecasting and Stock Control for Intermittent Demands. Operational Research Quarterly 23 1972: 289–303.

Kourentzes N.On intermittent demand model optimization and selection. Production Economics 2014:180-190.

Official website of The Small and Medium Enterprises Promotion.The overview of Healthcare industry in Thailand [Online].2014. [Cite 2014 Mar 17]. Available from: https://www.sme.go.th/eng/4.

Pirankar SB , Ferreira Am , Vaz FS, Pereira-Antao I ,Pinto NR ,Perni SG. Application of ABC-VED analysis in the medical stores of a tertiary care hospital. International

Journal of Pharmacology & Toxicology 2014 :175-177.

Regattieri A ,Gamberi M ,Gamberini R & Manzini R.Managing lumpy demand for aircraft spare parts.Journal of Air Transport Management 2005:426-431.

Silver E.A.Inventory management: an overview; Canadian publications, practical applications and suggestions for future research” 2008 INFOR 46:15–28.

Srinivasan A.V. Managing a Modern Hospital,2nd Edition.SAGE Publication 2008,New Delhi , India.

Syntetos A.A , Boylan J.E.The accuracy of intermittent demand estimates. International Journal of Forecasting 2005:303-314.

Syntetos A.A , Boylan J.E.On the Variance of Intermittent demand estimates. International Journal Production Economics 2010:546-555.

Spyros G , Makridakis S.G , Hibon M.Evaluating Accuracy (or Error) Measures in INSEAD working paper Volume 9518 of Working papers / INSEAD 1995.

Thai Health Coding Center.Hospital classification in Thailand. [Online].2015. [Cite 2015 Aug 14]. Available from: https://thcc.or.th/reporthcode.html.

Teunter R.H ,Syntetos A.A , Babai M,Z. Intermittent demand: Linking forecasting to inventory obsolescence. European Journal of Operation Research 2011:606-615.

WallstrÖm P & Segerstedt A.Evaluation of forecasting error measurements and techniques for intermittent demand. International Journal Production Economics 2010:625-

World Health Organization. Drug and Therapeutics Committees - A Practical Guide [Online].2003. [Cite 2015 Mar 30]. Available from: https://apps.who.int/medicinedocs/pdf/s4882e/s4882e.pdf