Aplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia)
Ilustraciones
- Autores:
-
Usta Díaz, Beatriz Cecilia
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/84189
- Palabra clave:
- 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
Análisis de series de tiempo
Industria farmacéutica
Pronóstico de la demanda
hospital
Industria farmacéutica
Modelado de series de tiempo
Eficiencia en la cadena se suministros
Demand forecasting
Pharmaceutical industry
Time series modeling
Supply chain efficiency
Cadena de suministro
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| id |
UNACIONAL2_ceecbe3023a3e3735dbf7425dfc860c5 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/84189 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Aplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia) |
| dc.title.translated.eng.fl_str_mv |
Application of time series models for the medicine demand forecast in the Hospital San Vicente Fundación (Rionegro/Colombia) |
| title |
Aplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia) |
| spellingShingle |
Aplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia) 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas Análisis de series de tiempo Industria farmacéutica Pronóstico de la demanda hospital Industria farmacéutica Modelado de series de tiempo Eficiencia en la cadena se suministros Demand forecasting Pharmaceutical industry Time series modeling Supply chain efficiency Cadena de suministro |
| title_short |
Aplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia) |
| title_full |
Aplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia) |
| title_fullStr |
Aplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia) |
| title_full_unstemmed |
Aplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia) |
| title_sort |
Aplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia) |
| dc.creator.fl_str_mv |
Usta Díaz, Beatriz Cecilia |
| dc.contributor.advisor.none.fl_str_mv |
López Ríos, Víctor Ignacio |
| dc.contributor.author.none.fl_str_mv |
Usta Díaz, Beatriz Cecilia |
| dc.subject.ddc.spa.fl_str_mv |
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas |
| topic |
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas Análisis de series de tiempo Industria farmacéutica Pronóstico de la demanda hospital Industria farmacéutica Modelado de series de tiempo Eficiencia en la cadena se suministros Demand forecasting Pharmaceutical industry Time series modeling Supply chain efficiency Cadena de suministro |
| dc.subject.lemb.none.fl_str_mv |
Análisis de series de tiempo Industria farmacéutica |
| dc.subject.proposal.none.fl_str_mv |
Pronóstico de la demanda hospital |
| dc.subject.proposal.spa.fl_str_mv |
Industria farmacéutica Modelado de series de tiempo Eficiencia en la cadena se suministros |
| dc.subject.proposal.eng.fl_str_mv |
Demand forecasting Pharmaceutical industry Time series modeling Supply chain efficiency |
| dc.subject.wikidata.none.fl_str_mv |
Cadena de suministro |
| description |
Ilustraciones |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-07-17T18:31:52Z |
| dc.date.available.none.fl_str_mv |
2023-07-17T18:31:52Z |
| dc.date.issued.none.fl_str_mv |
2023 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/84189 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/84189 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.indexed.spa.fl_str_mv |
LaReferencia |
| dc.relation.references.spa.fl_str_mv |
Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., y Scott, S. L. (2015). Inferring causal impact using bayesian structural time-series models. The Annals of Applied Statistics, 247–274. Correa Moreno, E. (2004). Series de tiempo: conceptos básicos. Universidad Nacional de Colombia. Fernández García, M. I. (2021). Optimización de la gestión del stock en farmacia hospitalaria. Hyndman, R., Koehler, A. B., Ord, J. K., y Snyder, R. D. (2008). Forecasting with exponential smoothing: the state space approach. Springer Science & Business Media. Hyndman, R. J., y Athanasopoulos, G. (2018). Forecasting: principles and practice. OTexts. Hyndman, R. J., Koehler, A. B., Snyder, R. D., y Grose, S. (2002). A state space framework for automatic forecasting using exponential smoothing methods. International Journal of forecasting, 18 (3), 439–454. Lakshmi Anusha, S., Alok, S., y Shaik, A. (2014). Demand forecasting for the indian pharmaceutical retail: A case study. Journal of Supply Chain Management Systems, 3 (2), 1–8. Makridakis, S. G., y Wheelwright, S. C. (2007). Métodos de pronósticos. Limusa. Merkuryeva, G., Valberga, A., y Smirnov, A. (2019). Demand forecasting in pharmaceutical supply chains: A case study. Procedia Computer Science, 149 , 3–10. Pratyaksa, H., Permanasari, A. E., Fauziati, S., y Fitriana, I. (2016). Arima implementation to predict the amount of antiseptic medicine usage in veterinary hospital. En 2016 1st international conference on biomedical engineering (ibiomed) (pp. 1–4). R Core Team. (2022). R: A language and environment for statistical computing [Manual de software inform´atico]. Vienna, Austria. Descargado de https://www.R-project.org/ Riahi, N., Hosseini-Motlagh, S.-M., y Teimourpour, B. (2013). A three-phase hybrid times series modeling framework for improved hospital inventory demand forecast. International Journal of Hospital Research, 2 (3), 133–142. Siddiqui, R., Azmat, M., Ahmed, S., y Kummer, S. (2021). A hybrid demand forecasting model for greater forecasting accuracy: the case of the pharmaceutical industry. En Supply chain forum: An international journal (pp. 1–11). Valencia-Cárdenas, M., Díaz-Serna, F. J., y Correa-Morales, J. C. (2015). Planeación de inventarios con demanda dinámica: Una revisión del estado del arte. Dyna, 82 (190),183–191. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
65 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Medellín - Ciencias - Maestría en Ciencias - Estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Medellín |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/84189/1/license.txt https://repositorio.unal.edu.co/bitstream/unal/84189/2/Trabajo_de_Grado_Beatriz_Usta__Correciones_Norman_y_Mauricio.pdf https://repositorio.unal.edu.co/bitstream/unal/84189/3/Trabajo_de_Grado_Beatriz_Usta__Correciones_Norman_y_Mauricio.pdf.jpg |
| bitstream.checksum.fl_str_mv |
eb34b1cf90b7e1103fc9dfd26be24b4a 4c740104df182f9242d3def048c3e45c 41e6eaaaf02d3f95478165f5262416f7 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089954225029120 |
| spelling |
Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2López Ríos, Víctor Ignacioe016d272b8b57062b987c9e24058bdfcUsta Díaz, Beatriz Cecilia6db073b98aef0274b2f7babc19566c132023-07-17T18:31:52Z2023-07-17T18:31:52Z2023https://repositorio.unal.edu.co/handle/unal/84189Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/IlustracionesEn este trabajo se realiza una aplicación de modelos estadísticos de suavizamizamiento para el pronóstico de la demanda mensual de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia). Inicialmente se genera la base de datos de consumo de los medicamentos desde el módulo MM (Material Management) del sistema SAP (Systeme Anwendungen und Produkte) y se realiza la lectura de la base de datos en R Core Team (2022). Para el análisis se seleccionan dos medicamentos de mayor consumo en el Hospital, el sodio cloruro y la dipirona, se hace un análisis descriptivo de los datos de consumo semanal de cada medicamento, se identifican datos atípicos, sus causas y se realizan los ajustes correpondientes en la base de datos. Se definen los modelos de suavizamiento a emplear en el pronóstico de la demanda de medicamentos y el modelo de pronóstico que aplica actualmente el Hospital, se realiza el pronóstico de consumo de las últimas cuatro semanas del año 2019 y se compara con los datos reales. Finalmente, se obtienen las métricas de precisión del pronóstico de cada modelo con el objetivo de hacer comparaciones que conduzcan a la selección del mejor modelo de pronóstico. En el caso del sodio cloruro todos los modelos de suavizamiento presentan mejores valores en las métricas de precisión del pronóstico de la demanda que el método que aplica actualmente el Hospital, siendo el mejor modelo el de suavizamiento exponencial único, y para el caso de la dipirona el mejor modelo es el promedio móvil simple. Finalmente, se calcula el ahorro en unidades de sodio cloruro y dipirona con la aplicación de modelos de suavizamiento frente al modelo actual del Hospital. (texto tomado de la fuente)In this work, an application of statistical smoothing models is carried out for the forecast of the monthly demand for medicines in the Hospital San Vicente Fundación (Rionegro/Colombia). Initially, the drug consumption database is generated from the MM module (Material Management) of the SAP system (Systeme Anwendungen und Produkte) and the database is read in R Core Team (2022). For the analysis, two drugs with the highest consumption in the Hospital, sodium chloride and dipyrone, were selected, a descriptive analysis of the weekly consumption data of each medication is made, atypical data and their causes are identified and the corresponding adjustments are made in the database. The smoothing models to be used in the forecast of the demand for medicines and the forecast model currently applied by the Hospital are defined, the consumption forecast for the last four weeks of the year 2019 is made and compared with the real data, finally , the forecast accuracy metrics of each model are obtained in order to make comparisons that lead to the selection of the best forecast model. In the case of sodium chloride, all the smoothing models present better values in the precision metrics of the demand forecast than the method currently applied by the Hospital, the best model being that of single exponential smoothing, and in the case of dipyrone the best model is the simple moving average. Finally, the savings in sodium chloride and dipyrone units are calculated with the application of smoothing models compared to the current model of the Hospital.MaestríaMagíster en Ciencias - EstadísticaÁrea Curricular Estadística65 páginasapplication/pdfspaUniversidad Nacional de ColombiaMedellín - Ciencias - Maestría en Ciencias - EstadísticaFacultad de CienciasMedellín, ColombiaUniversidad Nacional de Colombia - Sede Medellín510 - Matemáticas::519 - Probabilidades y matemáticas aplicadasAnálisis de series de tiempoIndustria farmacéuticaPronóstico de la demandahospitalIndustria farmacéuticaModelado de series de tiempoEficiencia en la cadena se suministrosDemand forecastingPharmaceutical industryTime series modelingSupply chain efficiencyCadena de suministroAplicación de modelos de series de tiempo para el pronóstico de la demanda de medicamentos en el Hospital San Vicente Fundación (Rionegro/Colombia)Application of time series models for the medicine demand forecast in the Hospital San Vicente Fundación (Rionegro/Colombia)Trabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMLaReferenciaBrodersen, K. H., Gallusser, F., Koehler, J., Remy, N., y Scott, S. L. (2015). Inferring causal impact using bayesian structural time-series models. The Annals of Applied Statistics, 247–274.Correa Moreno, E. (2004). Series de tiempo: conceptos básicos. Universidad Nacional de Colombia.Fernández García, M. I. (2021). Optimización de la gestión del stock en farmacia hospitalaria.Hyndman, R., Koehler, A. B., Ord, J. K., y Snyder, R. D. (2008). Forecasting with exponential smoothing: the state space approach. Springer Science & Business Media.Hyndman, R. J., y Athanasopoulos, G. (2018). Forecasting: principles and practice. OTexts.Hyndman, R. J., Koehler, A. B., Snyder, R. D., y Grose, S. (2002). A state space framework for automatic forecasting using exponential smoothing methods. International Journal of forecasting, 18 (3), 439–454.Lakshmi Anusha, S., Alok, S., y Shaik, A. (2014). Demand forecasting for the indian pharmaceutical retail: A case study. Journal of Supply Chain Management Systems, 3 (2), 1–8.Makridakis, S. G., y Wheelwright, S. C. (2007). Métodos de pronósticos. Limusa.Merkuryeva, G., Valberga, A., y Smirnov, A. (2019). Demand forecasting in pharmaceutical supply chains: A case study. Procedia Computer Science, 149 , 3–10.Pratyaksa, H., Permanasari, A. E., Fauziati, S., y Fitriana, I. (2016). Arima implementation to predict the amount of antiseptic medicine usage in veterinary hospital. En 2016 1st international conference on biomedical engineering (ibiomed) (pp. 1–4).R Core Team. (2022). R: A language and environment for statistical computing [Manual de software inform´atico]. Vienna, Austria. Descargado de https://www.R-project.org/Riahi, N., Hosseini-Motlagh, S.-M., y Teimourpour, B. (2013). A three-phase hybrid times series modeling framework for improved hospital inventory demand forecast. International Journal of Hospital Research, 2 (3), 133–142.Siddiqui, R., Azmat, M., Ahmed, S., y Kummer, S. (2021). A hybrid demand forecasting model for greater forecasting accuracy: the case of the pharmaceutical industry. En Supply chain forum: An international journal (pp. 1–11).Valencia-Cárdenas, M., Díaz-Serna, F. J., y Correa-Morales, J. C. (2015). Planeación de inventarios con demanda dinámica: Una revisión del estado del arte. Dyna, 82 (190),183–191.Público generalLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/84189/1/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD51ORIGINALTrabajo_de_Grado_Beatriz_Usta__Correciones_Norman_y_Mauricio.pdfTrabajo_de_Grado_Beatriz_Usta__Correciones_Norman_y_Mauricio.pdfTesis de Maestría en Ciencias - Estadísticaapplication/pdf1001973https://repositorio.unal.edu.co/bitstream/unal/84189/2/Trabajo_de_Grado_Beatriz_Usta__Correciones_Norman_y_Mauricio.pdf4c740104df182f9242d3def048c3e45cMD52THUMBNAILTrabajo_de_Grado_Beatriz_Usta__Correciones_Norman_y_Mauricio.pdf.jpgTrabajo_de_Grado_Beatriz_Usta__Correciones_Norman_y_Mauricio.pdf.jpgGenerated Thumbnailimage/jpeg5241https://repositorio.unal.edu.co/bitstream/unal/84189/3/Trabajo_de_Grado_Beatriz_Usta__Correciones_Norman_y_Mauricio.pdf.jpg41e6eaaaf02d3f95478165f5262416f7MD53unal/84189oai:repositorio.unal.edu.co:unal/841892024-08-14 23:41:57.888Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |