دوره 14، شماره 5، 1396 (شماره پیاپی 57):211-216

شبيه‌سازي پويايي‌هاي سيستم در زنجيره تأمین دارو: مطالعه موردي بيمارستان رضوي مشهد

زهرا مجردي, مرضيه مظفري

چکیده


مقدمه: تأمین دارو به‌ عنوان یک کالای استراتژیک، از اهمیت ویژه‌ای در کشور برخوردار است. مطالعه حاضر با هدف مدیریت موجودی در زنجيره تأمین دارو با استفاده از رويكرد شبیه‌سازی پويايي‌هاي سيستم صورت گرفت.

روش بررسي: این پژوهش به ‌صورت موردی در بیمارستان رضوی مشهد انجام شد. بدین منظور، زنجيره تأمین داروی Plavix در دو سطح داروخانه‌‌ و بيمارستان‌ مورد بررسی قرار گرفت. ابتدا متغیرهای موجودی تعریف و ضمن طراحی حلقه‌های بازخوردی، روابط ریاضی مرتبط با آن‌ها مدل‌سازی شد. سپس نمودارهای علی و معلولی CLD (Causal Loop Diagram) و انباشت و جریان SFD (Stock and Flow Diagram) ایجاد گردید. شبیه‌سازی برای یک دوره سی روزه انجام گرفت.

يافته‌ها: شبیه‌سازی زنجیره تأمین داروی Plavix در بازه یک‌ ماهه در بیمارستان رضوی، حاکی از افزایش تقاضا و کاهش سطح موجودی بود؛ به‌ طوری ‌که 39 درصد بیماران موفق به دریافت دارو نشدند و در پایان ماه تعداد قابل ‌توجهی موجودی مازاد وجود داشت.

نتيجه‌گيري: مطابق بررسي علي ‌و معلولي انجام شده در مدل شبيه‌ساز، مشكلات موجودي داروي Plavix ناشي از افزايش تقاضا در بازه زماني مورد بررسي و وجود ناهماهنگي‌ در زنجيره تأمين اين دارو در بيمارستان رضوي می‌باشد. مدل پيشنهاد شده در مطالعه حاضر مي‌تواند سياست‌گذاران داروخانه و بيمارستان را جهت دستيابي به پيش‌بيني دقيق و ايجاد تصميمات هماهنگ سفارش‌دهي و نگهداري ذخيره احتياطي ياري رساند.


واژگان کلیدی


دارو؛ تأمین و توزیع؛ موجودی دارو؛ شبیه‌سازی

تمام متن:

PDF

مراجع


Karimi S, Yaghoubi M, Sairani F, Abasi M. Factors affecting drug pert of experts in selected hospitals of Isfahan (Public, Private and Voluntary). Health Inf Manage 2013; 10(7): 1066-74. [In Persian].

Barnett JW. Supply of medicines. In: Allwood MC, Fell JT, Editors. Textbook of hospital pharmacy. New York, NY: Blackwell Scientific Publications; 1980. p. 277-330.

Hirsch G, Homer J, Evans E, Zielinski A. A system dynamics model for planning cardiovascular disease interventions. Am J Public Health 2010; 100(4): 616-22.

Chopra S, Meindl P. Supply chain management: Strategy, planning, and operation. Upper Saddle River, NJ: Pearson Prentice Hall; 2007.

Towill DR. Time compression and supply chain management-a guided tour. Supply Chain Management: An International Journal 1996; 1(1): 15-27.

Kalantari M, Pishvaee MS. A robust possibilistic programming approach to drug supply chain master planning. Journal of Industrial Engineering Research in Production System 2016; 4(7): 49-67. [In Persian].

Gholamian MR, Momeni Shahraki M, Sakaki SE. Offering an approach based on integral choquet in the pharmaceutical supply chain. Journal of Industrial Management 2013; 8(24): 73-88. [In Persian].

Nematollahi M, Hosseini-Motlagh SM, Heydari J. A mathematical model for coordinating corporate social responsibility and order quantity in pharmaceutical supply chain. Journal of Modeling in Engineering 2017; 15(50): 17. [In Persian].

Hamidi H. An approach to multi agent systems in health E-SCM system. Iranian Journal of Supply Chain Management 2017; 17(50): 22-49. [In Persian].

Forrester JW. System dynamics-a personal view of the first fifty years. Syst Dyn Rev 2007; 23(2-3): 345-58.

Forrester JW. System dynamics-the next fifty years. Syst Dyn Rev 2007; 23(2-3): 359-70.

Sterman J. Business dynamics: Systems thinking and modeling for a complex world. New York, NY: Irwin/McGraw-Hill; 2000.

Metz PJ. Demystifying supply chain management. Supply Chain Management Review ed. 1998.

Jones AP, Homer JB, Murphy DL, Essien JD, Milstein B, Seville DA. Understanding diabetes population dynamics through simulation modeling and experimentation. Am J Public Health 2006; 96(3): 488-94.

Kumar D, Kumar D. Modelling rural healthcare supply chain in India using system dynamics. Procedia Eng 2014; 97(Supplement C): 2204-12.

Lubyansky A. A system dynamics model of health care surge capacity. Proceedings of the 23rd International Conference of the System Dynamics Society 2005 July 17-21; Boston, MA.

Ashoori M, NajiMoghadam V, Alizadeh S, Safi M. Classification and clustering algorithm application for prediction of tablet numbers: Case study diabetes disease. Health Inf Manage 2013; 10(5): 739-49. [In Persian].

Mohammadzadeh M, Rasuli P, Ghari T. Trend analysis and future market forecasting of cardiovascular drugs in Iran. Pajouhesh Dar Pezeshki 2017; 41(2): 120-9. [In Persian].

Meymand M, Sepehri G, Farokhi N, Beygim M, Motevali zadeh H. Pattern of drug use among residents of Bam during the first 6 months after the 2003 earthquake. Hakim Res J 2008; 10(4): 27-33. [In Persian].

Galarraga O, O'Brien ME, Gutierrez JP, Renaud-Thery F, Nguimfack BD, Beusenberg M, et al. Forecast of demand for antiretroviral drugs in low and middle-income countries: 2007-2008. AIDS 2007; 21(Suppl 4): S97-103.