KR102102112B1 - Inventory management method of drug distribution corporation - Google Patents

Inventory management method of drug distribution corporation Download PDF

Info

Publication number
KR102102112B1
KR102102112B1 KR1020190076848A KR20190076848A KR102102112B1 KR 102102112 B1 KR102102112 B1 KR 102102112B1 KR 1020190076848 A KR1020190076848 A KR 1020190076848A KR 20190076848 A KR20190076848 A KR 20190076848A KR 102102112 B1 KR102102112 B1 KR 102102112B1
Authority
KR
South Korea
Prior art keywords
data
prescription
medical
demand
treatment
Prior art date
Application number
KR1020190076848A
Other languages
Korean (ko)
Inventor
박성대
Original Assignee
박성대
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 박성대 filed Critical 박성대
Priority to KR1020190076848A priority Critical patent/KR102102112B1/en
Application granted granted Critical
Publication of KR102102112B1 publication Critical patent/KR102102112B1/en

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00ICT specially adapted for the handling or processing of medical references
    • G16H70/40ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Epidemiology (AREA)
  • Development Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Finance (AREA)
  • Toxicology (AREA)
  • Accounting & Taxation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

A drug inventory management method for a drug distribution company according to the present invention comprises: a first step in which a hospital server receives treatment data and prescription data from a user; a second step in which the hospital server samples an input date of the treatment data and prescription data, and the treatment data and prescription data, and combines the treatment data and prescription data with personal information of a specific patient, to generate a treatment record and prescription information with respect to the specific patient; a third step in which the hospital server stores the sampled treatment/prescription data in a database; a fourth step in which an inventory management server receives the treatment/prescription data stored in the database, and estimates a demand for a drug through demand estimation learning data; and a fifth step in which the inventory management server updates the demand estimation learning data to a machine learning technique, through an evaluation by comparing estimated demand estimation data to actual drug demand data.

Description

의약품 유통 회사의 약품 재고 관리 방법{Inventory management method of drug distribution corporation}{Inventory management method of drug distribution corporation}

본 발명의 실시예들은 의약품 유통 회사의 약품 재고 관리 방법에 관한 것으로서, 각 병의원 단말들의 처방 정보를 이용하여 동종 약품들의 주문추이를 분석하고, 분석결과를 이용하여 제약사의 약품의 주문량을 효율적으로 조정할 수 있도록 하는 약품 재고 관리 시스템을 이용한 관리방법에 관한 것이다.Embodiments of the present invention relates to a method for managing drug inventory of a drug distribution company, analyze order trends of drugs of the same kind using prescription information of each hospital terminal, and efficiently adjust the order amount of drugs of a pharmaceutical company using the analysis results It relates to a management method using a drug inventory management system to enable.

종래의 일 실시예에 따른 약품 주문 방식에 의하면, 병원에서 처방(판매)되는 약품의 재고량을 모니터링 하여, 재고량이 일정 수준 이하가 되면 병원 단말에 알려 해당 약품을 일정 양만큼 제약사 또는 약품 유통사에 주문하고 있다.According to the drug ordering method according to an exemplary embodiment, the amount of a drug that is prescribed (sold) in a hospital is monitored, and when the quantity of the drug becomes below a certain level, the hospital terminal is notified and the drug is ordered to a pharmaceutical company or a drug distributor by a certain amount. Doing.

즉, 종래에는 단순히 약품의 재고량에 근거해, 해당 약품의 주문 여부 및 주문량을 결정하고 있을 뿐, 해당 약품의 현재 처방되는 추세를 고려하여, 이전보다 많이 혹은 적게 처방되고 있는 약품(예, 환절기의 감기약)의 주문량을 늘리거나 줄여 주문할 수 있는 방법이 없었다.That is, conventionally, simply based on the inventory amount of a drug, it determines whether or not the drug is ordered and the amount of the drug. Considering the currently prescribed trend of the drug, drugs that are prescribed more or less than before (eg There was no way to increase or decrease the order quantity of cold medicine).

이와 관련하여, 특허 출원번호 10-2005-0002601에 따르면, 약품에 대한 처방추세를 예측하고, 예측된 처방추세에 따라 대체약품의 주문량을 조정해 병원 단말, 제약사 서버, 약품 유통사 서버등에 제공함으로써, 약품 재고 및 주문 관리가 이루어지도록 하는 발명이 개시되어 있다.In this regard, according to Patent Application No. 10-2005-0002601, by predicting a prescription trend for a drug and adjusting the order quantity of an alternative drug according to the predicted prescription trend, by providing it to a hospital terminal, a pharmaceutical company server, a drug distributor server, etc. Disclosed is an invention that enables drug inventory and order management to occur.

그러나, 상술한 특허를 비롯하여 기존의 약품 재고관리와 관련된 종래의 기술들은 처방전만을 통해서 약품에 대한 처방추세를 예측할 뿐이어서 정확한 약품 주문량의 변동량을 예측할 수 없는 문제점이 있었으며, 현실적으로 개인정보보호법이나 의료법 등에 의하여 개인진료기록이나 처방전 기록을 열람 또는 조회하는 것이 어렵기 때문에 그 구현이 어렵다는 문제가 있었다.However, the conventional technologies related to the existing drug inventory management, including the above-mentioned patents, have problems in that it is not possible to predict the fluctuation of the exact amount of drug orders, only by predicting the prescription trend for drugs through prescriptions only. Due to this, it is difficult to view or inquire personal medical records or prescription records.

상기한 바와 같은 종래기술의 문제점을 해결하기 위해, 본 발명에서는 현실적으로 가능한 범위 내에서 보다 정확한 약품에 대한 처방추세를 예측하고, 처방추세에 따라 약품의 주문을 함으로써, 약품의 재고 관리를 효율적으로 할 수 있도록 하는 약품 유통 회사의 약품 재고 관리 시스템을 제공한다.In order to solve the problems of the prior art as described above, in the present invention, by predicting the prescription trend for a more accurate drug within a practically possible range, and ordering the drug according to the prescription trend, the inventory management of the drug can be efficiently It provides a drug inventory management system of drug distribution companies.

본 발명에 따른 의약품 유통 회사의 약품 재고 관리방법은 병원서버가 사용자로부터 진료데이터 및 처방데이터를 입력받는 제1 단계; 상기 병원서버가 상기 진료데이터 및 처방데이터의 입력 일시, 상기 진료데이터 및 처방데이터를 샘플링하고, 상기 진료데이터 및 처방데이터와 특정 환자의 개인정보를 결합하여 상기 특정 환자에 대한 진료기록 및 처방전 정보를 생성하는 제2 단계; 상기 병원서버가 상기 샘플링된 진료/처방 데이터를 데이터베이스에 저장하는 제3 단계; 재고관리 서버가 상기 데이터베이스에 저장된 진료/처방 데이터를 전송받아 수요예측학습데이터를 통하여 의약품의 수요를 예측하는 제4 단계; 및 상기 재고관리 서버가 예측된 수요예측 데이터와 실제 의약품 수요 데이터의 비교에 의한 평가를 통하여 상기 수요예측 학습데이터를 머신러닝 기법으로 갱신하는 제5 단계;를 포함한다.A pharmaceutical inventory management method of a drug distribution company according to the present invention comprises: a first step in which a hospital server receives medical data and prescription data from a user; The hospital server samples the date and time of input of the medical data and prescription data, samples the medical data and prescription data, and combines the medical data and prescription data with personal information of a specific patient to obtain medical records and prescription information for the specific patient. A second step of generating; A third step in which the hospital server stores the sampled treatment / prescription data in a database; A fourth step in which the inventory management server receives medical / prescription data stored in the database and predicts demand for medicines through demand prediction learning data; And a fifth step of the inventory management server updating the demand prediction learning data with a machine learning technique through evaluation by comparing the predicted demand prediction data with actual drug demand data.

또한 상기 제4 단계에서 상기 수요예측학습데이터 모델에 입력되는 독립변수는 상기 샘플링된 진료/처방 데이터와 [날씨, 일간 평균기온, 일간 교통정보 변환지수] 중 적어도 어느 하나의 지수를 포함할 수 있다.In addition, the independent variable input to the demand forecast learning data model in the fourth step may include at least one index of the sampled medical / prescription data and [weather, average daily temperature, daily traffic information conversion index]. .

또한 상기 제3 단계 이후, 개인정보 검출부가 상기 진료/처방 샘플링데이터로부터 개인정보가 저장되어 있는지의 여부를 검출하는 단계를 더 포함할 수 있다.In addition, after the third step, the personal information detection unit may further include the step of detecting whether the personal information is stored from the treatment / prescription sampling data.

또한 상기 제2 단계에서 상기 진료내역 및 처방내역에 대하여 전수 수집하는 방법, 일정 주기로 일정한 시간 동안 샘플링을 수행하는 방법 및 특정 의료진에 대한 환자수에 비례하는 샘플링 수로 샘플링을 하는 방법 중 어느 하나의 방식으로 데이터를 수집할 수 있다.In addition, in the second step, any one of a method of collecting all of the medical history and prescription history, a method of performing sampling for a certain period of time at a predetermined cycle, and a method of sampling with a sampling number proportional to the number of patients for a specific medical staff Data can be collected.

또한 상기 제4 단계 이후 질병관리 본부서버로부터 긴급 질병에 대한 데이터를 전송받아 상기 긴급 질병에 대한 의약품 수요를 산출하고, 상기 저장된 예측된 수요 데이터에 보정치를 제공하는 단계를 더 포함할 수 있다.In addition, after the fourth step, it may further include the step of receiving the data on the emergency disease from the disease management headquarters server to calculate the drug demand for the emergency disease, and providing a correction value to the stored estimated demand data.

또한 상기 제5 단계에서 상기 재고관리 서버에 의한 평가는 상기 보정치를 제외한 데이터를 대상으로 수행할 수 있다.In addition, the evaluation by the inventory management server in the fifth step may be performed on data excluding the correction value.

본 발명에 따르면, 개인정보와의 결합 전 샘플링을 통하여 일정한 시기에서의 진료/처방 데이터들을 수집하고 이를 통하여 처방전 분석, 동종 약품들에 대한 환자의 설문조사 결과, 의사의 설문조사 결과, 동종 약품들에 대한 제약사들의 영업실적 정보를 이용하여 보다 정확한 약품에 대한 처방추세를 예측하고, 처방추세에 따라 약품을 주문함으로써 약품 재고관리가 효율적으로 이루어질 수 있도록 할 수 있다.According to the present invention, medical / prescription data at a certain time is collected through sampling before combination with personal information, and through this, prescription analysis, patient's survey results on allogeneic drugs, doctor's survey results, allogeneic drugs Prescription trends for more accurate drugs can be predicted by using information on pharmaceutical companies' business performance, and drug inventory management can be efficiently performed by ordering drugs according to prescription trends.

또한, 본 발명에 따른 발명 추이정보를 이용하여 추가 주문량을 예측하여, 제약사 서버에 제공하여 약품을 주문함으로써, 약품 주문 관리가 효율적으로 이루어지도록 할 수 있다.In addition, by using the invention trend information according to the present invention, an additional order amount can be predicted and provided to a pharmaceutical company server to order drugs, so that drug order management can be efficiently performed.

도 1은 본 발명의 일 실시예에 따른 약품재고 관리 시스템의 모습을 나타내는 블록도이다.
도 2는 일 실시예에 따른 병원 서버 및 이에 연결되는 병원 단말기를 설명하기 위한 블록도이다.
도 3은 병원 단말기에서 실행되어 진료기록 및 처방전을 입력받기 위한 사용자 인터페이스의 일 예를 나타내는 예시도이다.
도 4는 일 실시예에 따른 약품재고 관리 서버를 설명하기 위한 블록도이다.
도 5는 일 실시예에 따른 약품재고 관리방법을 설명하기 위한 순서도이다.
1 is a block diagram showing a state of a drug inventory management system according to an embodiment of the present invention.
2 is a block diagram illustrating a hospital server and a hospital terminal connected thereto according to an embodiment.
3 is an exemplary view showing an example of a user interface that is executed in a hospital terminal and receives medical records and prescriptions.
4 is a block diagram illustrating a drug inventory management server according to an embodiment.
5 is a flow chart for explaining a drug inventory management method according to an embodiment.

이하 첨부된 도면을 참조하여 본 발명의 실시예를 설명한다. 특별한 정의나 언급이 없는 경우에 본 설명에 사용하는 방향을 표시하는 용어는 도면에 표시된 상태를 기준으로 한다. 또한 각 실시예를 통하여 동일한 도면부호는 동일한 부재를 가리킨다. 한편, 도면상에서 표시되는 각 구성은 설명의 편의를 위하여 그 두께나 치수가 과장될 수 있으며, 실제로 해당 치수나 구성간의 비율로 구성되어야 함을 의미하지는 않는다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. In the absence of specific definitions or references, terms indicating directions used in this description are based on the states indicated in the drawings. In addition, the same reference numerals refer to the same members throughout each embodiment. On the other hand, each configuration displayed on the drawing may exaggerate its thickness or dimensions for convenience of description, and does not mean that it should actually be configured at a ratio between the corresponding dimensions or configurations.

도 1 내지 도 4를 참조하여 일 실시에에 따른 약품재고 관리 시스템을 설명한다. 도 1은 본 발명의 일 실시예에 따른 약품재고 관리 시스템의 모습을 나타내는 블록도이고, 도 2는 일 실시예에 따른 병원 서버 및 이에 연결되는 병원 단말기를 설명하기 위한 블록도이다. 또한 도 3은 병원 단말기에서 실행되어 진료기록 및 처방전을 입력받기 위한 사용자 인터페이스의 일 예를 나타내는 예시도이고, 도 4는 일 실시예에 따른 약품재고 관리 서버를 설명하기 위한 블록도이다.The drug inventory management system according to an embodiment will be described with reference to FIGS. 1 to 4. 1 is a block diagram showing a state of a drug inventory management system according to an embodiment of the present invention, and FIG. 2 is a block diagram for explaining a hospital server and a hospital terminal connected thereto according to an embodiment. In addition, FIG. 3 is an exemplary view showing an example of a user interface executed in a hospital terminal for receiving medical records and prescriptions, and FIG. 4 is a block diagram illustrating a drug inventory management server according to an embodiment.

본 발명의 일 실시예에 따른 약품재고 관리 시스템은 도 1에 도시된 바와 같이 네트워크 상에서 병원 서버(100), 재고관리 서버(200), 질병관리 본부서버(400) 및 제약사 서버(500)를 포함한다. 한편, 진료/처방정보 데이터베이스(300)는 병원 서버(100) 및 재고 관리서버(200)에 폐쇄 또는 개방 네트워크로 연결될 수 있다.The drug inventory management system according to an embodiment of the present invention includes a hospital server 100, an inventory management server 200, a disease management headquarters server 400, and a pharmaceutical company server 500 on a network as shown in FIG. do. Meanwhile, the medical treatment / prescription information database 300 may be connected to the hospital server 100 and the inventory management server 200 through a closed or open network.

병원 서버(100)는 진료기록/처방정보 입력부로 입력되는 진료데이터 및 처방데이터를 전달받아 특정 환자의 진료기록 및 처방전 정보를 생성한다. 진료/처방정보 데이터베이스(300)는 특정 시기, 진료내역 및 처방내역의 샘플링 데이터가 저장된다. 재고관리 서버(200)는 진료/처방정보 데이터베이스(300)에 저장된 진료/처방 샘플링 데이터를 이용하여 의약품의 수요예측을 수행한다.The hospital server 100 receives medical data and prescription data input to the medical record / prescription information input unit to generate medical records and prescription information of a specific patient. In the medical treatment / prescription information database 300, sampling data of a specific time, medical history and prescription history are stored. The inventory management server 200 uses the medical treatment / prescription sampling data stored in the medical treatment / prescription information database 300 to perform demand prediction of medicines.

이하에서는 각 구성부에 대하여 구체적으로 설명한다.Hereinafter, each component will be described in detail.

도 2를 참조하여 설명하면, 병원 서버(100)는 적어도 하나 이상의 병원 단말기(190)를 포함하고, 해당 병원 단말기(190)들을 통하여 데이터의 입력을 받게 된다. 병원 단말기(190)는 도 3에 도시된 바와 같이 일정한 사용자 인터페이스를 통하여 특정 시기의 특정환자에 대한 진료기록과 처방기록을 입력 받게 된다. 다만, 일반적인 병원에서 사용되는 단말기와 유사하나 환자의 진료 시 입력되는 특정 환자에 대한 진료기록과 처방정보를 두 가지의 경로를 통하여 처리하게 된다.Referring to FIG. 2, the hospital server 100 includes at least one hospital terminal 190, and receives data input through the hospital terminals 190. As shown in FIG. 3, the hospital terminal 190 receives medical records and prescription records for a specific patient at a specific time through a certain user interface. However, it is similar to the terminal used in general hospitals, but it processes the medical records and prescription information for a specific patient input when the patient is treated through two channels.

첫번째 경로는 기존의 특정 환자에 대한 진료기록 저장 및 처방전 데이터를 기록하는 방법으로서 일반적으로 환자에 대한 데이터를 축적하는 방식으로 데이터를 수집 및 저장하게 된다. 이러한 경로는 개인정보 보호법이나 의료법 등의 각종 법률에 의하여 엄격히 관리된다. 두번째 경로는 개인정보와의 결합없이 단순히 진료 데이터 및 처방 데이터만을 수집하는 것을 의미한다. 예를 들면 특정 시기에 발생한 질병 또는 사고와 이에 대한 처방 내역만이 저장되며 특정 사람에 대한 개인 정보는 포함되지 않는다. 다만, 법률이 허용하는 사항에 따라 진료 대상인의 연령, 성별 등의 일반적인 특징은 포함될 수 있다.The first path is a method of storing medical records and prescription data for a specific patient, and generally collecting and storing data in a manner of accumulating data for patients. These routes are strictly managed by various laws such as personal information protection law and medical law. The second path means simply collecting medical data and prescription data without combining with personal information. For example, only illnesses or accidents that occurred at a specific time and prescriptions are stored, and personal information about a specific person is not included. However, the general characteristics such as age and gender of the person to be treated may be included in accordance with the matters permitted by the law.

선호도 입력부(193)는 의료진들에 의한 입력을 받게 되며, 특히 특정 질병이나 상처에 대하여 처방되는 동종의 의약품들 중 특정 의약품에 대한 선호도를 입력받는다. The preference input unit 193 receives input from medical personnel, and particularly receives preferences for specific medicines among the same kind of medicines prescribed for a specific disease or wound.

병원 서버(100)는 앞서 설명한 바와 같이 병원 단말기(190)를 적어도 하나 이상 포함하여 의료진들로부터 데이터를 입력받아 처리하게 된다. 병원 서버(100)는 진료기록/처방전 저장수단(110), 진료/처방 데이터 샘플링부(120), 약품선호도 수집부(130), 환자정보 데이터베이스(160), 진료기록 처방전 데이터베이스(170) 및 진료/처방 샘플링 데이터 저장부(180)를 포함한다.As described above, the hospital server 100 includes at least one hospital terminal 190 and receives and processes data from medical staff. The hospital server 100 includes medical records / prescription storage means 110, medical / prescription data sampling unit 120, drug preference collection unit 130, patient information database 160, medical record prescription database 170, and medical treatment / Prescription sampling data storage unit 180.

진료기록/처방전 저장수단(110)은 진료기록/처방정보 입력부(191)를 통하여 입력된 진료데이터 및 처방데이터와 환자정보 데이터베이스(160)로부터 조회된 환자 개인정보 및 진료일시를 결합하여 진료기록 및 처방전을 생성한다. 즉, 진료기록/처방전 저장수단(110)은 기존의 일반적으로 사용되는 의료 시스템과 동일한 방법으로 진료기록 및 처방전 데이터를 수집하여 진료기록/처방전 데이터베이스(170)에 저장한다.The medical record / prescription storage means 110 combines medical records and prescription data entered through the medical record / prescription information input unit 191 with patient personal information and medical date and time retrieved from the patient information database 160, and records medical records. Generate prescriptions. That is, the medical record / prescription storage means 110 collects the medical record and prescription data in the same way as the existing commonly used medical system and stores it in the medical record / prescription database 170.

진료/처방 데이터 샘플링부(120)는 진료기록/처방정보 입력부(191)로부터 입력된 진료데이터 및 처방데이터를 샘플링한다. 진료/처방 데이터 샘플링부(120)는 진료기록/처방정보 입력부(191)를 통하여 입력되는 진료내역 및 처방내역에 대하여 전수 수집하거나, 일정 주기로 일정한 시간 동안 샘플링을 수행하거나, 특정 의료진에 대한 환자수에 비례하는 샘플링 수로 샘플링을 하는 방식으로 데이터를 수집할 수 있다. 예를 들어 의료진 A. B 및 C를 가정하는 경우 월간 래원 환자수의 비가 각각 1: 2: 1.5 인 경우 총 샘플링 수에 대한 샘플링 분배 비율을 이와 비례하도록 분배하여 데이터를 수집할 수 있다. 즉, 의료진 A, B 및 C의 시간 별 입력 데이터 중 램덤으로 각각 6개, 12개 및 9개를 샘플링하여 데이터를 수집할 수 있다. 이러한 방식을 통하여 특정 의료인의 데이터가 편중되거나 샘플링에 따라 전체 데이터의 경향이 왜곡되는 것을 개선할 수 있다. 다만, 총 래원 환자수의 차가 10% 내인 경우에는 이러한 의료진 간의 차를 무시하고 동일한 수로 샘플링 한다.The treatment / prescription data sampling unit 120 samples medical data and prescription data input from the medical record / prescription information input unit 191. The treatment / prescription data sampling unit 120 collects the entire number of medical records and prescriptions input through the medical record / prescription information input unit 191, performs sampling for a certain period of time, or the number of patients for a specific medical staff. Data can be collected by sampling with a sampling number proportional to. For example, assuming the medical staff A. B and C, if the ratio of the number of patients in the monthly hospital is 1: 2: 1.5, the ratio of the sampling distribution to the total number of sampling can be distributed proportionally to collect data. That is, among the input data for each of the medical staffs A, B, and C, 6, 12, and 9 can be sampled as random data, respectively, to collect data. Through this method, it is possible to improve the bias of the data of a specific healthcare provider or distortion of the overall data according to sampling. However, if the difference between the total number of patients in the hospital is within 10%, the difference between these medical staffs is ignored and sampling is performed with the same number.

다만, 분과별 환자수 비율은 특정 질병 등에 대한 특정 시기의 발생 빈도를 알 수 있는 데이터이기 때문에 달리 취급한다. 즉, 분과별 샘플링 수는 래원 환자수의 비율에 따라 분배하지 않고 동일하게 유지시키며, 의료진 간의 샘플링수 분배는 분과별 샘플링 수를 동일하게 유지하는 한도 내에서 수행된다.However, the ratio of the number of patients by subdivision is handled differently because it is data that shows the frequency of occurrence of a specific disease or a specific period. That is, the sampling number per division is maintained without being distributed according to the ratio of the number of patients in the hospital, and the distribution of sampling numbers among medical staffs is performed within a limit of maintaining the same number of sampling per division.

이와 같이 샘플링된 진료/처방 샘플링 데이터는 진료/처방 샘플링데이터 저장부(180)에 의하여 진료처방정보 데이터베이스(300)로 전송 또는 저장된다.The sampled treatment / prescription sampling data is transmitted or stored in the treatment prescription data database 300 by the treatment / prescription sampling data storage unit 180.

약품선호도 수집부(130)는 선호도 입력부(193)를 통하여 입력되는 동종의 의약품들에 대한 선호도 조사결과를 수집하여 진료/처방 데이터와 함께 진료/처방정보 데이터베이스로 전송될 수 있으며, 이러한 결과는 재고 관리를 위한 수요 예측 시 활용된다.The drug preference collection unit 130 may collect the results of preference surveys for drugs of the same kind inputted through the preference input unit 193 and transmit them to the treatment / prescription information database together with treatment / prescription data, and these results are in stock It is used to predict demand for management.

개인정보 검출부(195)는 진료/처방 샘플링데이터 저장부(180)로부터 진료처방정보 데이터베이스로 전송되는 진료/처방 샘플링 데이터에 개인정보가 저장되어 있는지의 여부를 검출한다.The personal information detection unit 195 detects whether personal information is stored in the medical / prescription sampling data transmitted from the medical / prescription sampling data storage unit 180 to the medical prescription information database.

진료처방정보 데이터베이스(300)가 공개 네트워크 상에 위치하는 경우 개인정보 검출부(195)는 병원서버(100)로부터 외부로 전송되는 데이터 중 목적 IP가 진료/처방정보 데이터베이스(300)인 패킷에 개인 정보가 포함되어 있는지의 여부를 판단하고, 개인정보가 포함된 경우 해당 진료/처방 데이터를 격리저장할 수 있다. 이 경우 개인정보 검출부(195)는 네트워크 액세스 포인트 또는 게이트 웨이 등에 설치되어 데이터를 검사할 수 있다.When the treatment prescription information database 300 is located on the public network, the personal information detection unit 195 personal information in a packet whose destination IP is the treatment / prescription information database 300 among data transmitted from the hospital server 100 to the outside. It is determined whether or not is included, and if personal information is included, the corresponding medical / prescription data may be quarantined. In this case, the personal information detection unit 195 may be installed on a network access point or gateway to inspect data.

재고관리 서버(200)는 진료처방정보 수신부(210), 수요예측부(220), 긴급 이벤트 분석부(240), 예측수요 저장부(230), 수요예측 평가부(250)를 포함한다.The inventory management server 200 includes a treatment prescription information receiving unit 210, a demand prediction unit 220, an emergency event analysis unit 240, a predicted demand storage unit 230, and a demand prediction evaluation unit 250.

진료처방정보 수신부(210)는 진료/처방정보 데이터베이스(300)로부터 진료/처방 데이터를 전송받는다. 수요예측부(220) 수요예측학습데이터(225)를 학습모델로 하여 전송된 진료/처방 데이터로부터 수요예측을 수행한다. 예측수요 저장부(230)는 예측된 수요 데이터를 저장한다.The treatment prescription information receiving unit 210 receives the treatment / prescription data from the treatment / prescription information database 300. The demand prediction unit 220 performs demand prediction from the transmitted medical / prescription data using the demand prediction learning data 225 as a learning model. The predicted demand storage unit 230 stores predicted demand data.

이 때 샘플링된 데이터와 함께 아래와 같은 항목들을 일정한 수치로 변환하여 머신러닝의 독립변수로 제공할 수 있다. 날씨, 일간 평균기온, 교통사고 발생건수 등의 교통정보 변환지수, 동종 약품들에 대한 영업실적 정보, 동종 약품에 대한 의료진들의 선호도 등을 독립변수로 하여 머신러닝에 활용할 수 있다.At this time, the following items along with the sampled data can be converted into constant values and provided as independent variables for machine learning. It can be used for machine learning with independent variables such as weather, daily average temperature, traffic information conversion index, such as the number of traffic accidents, business performance information for the same kind of drugs, and preferences of medical staff for the same kind of drugs.

이 때 긴급 이벤트 분석부(240)는 질병관리 본부서버로부터 긴급 질병에 대한 데이터를 전송받아 긴급 질병에 대한 의약품 수요를 산출하고, 산출된 긴급 질병에 대한 의약품 수요를 이용하여 예측수요 저장부(230)에 저장된 예측된 수요 데이터를 보정한다. 보정된 수요 데이터를 이용하여 재고관리를 수행하게 된다.At this time, the emergency event analysis unit 240 receives the data on the emergency disease from the disease management headquarters server, calculates the drug demand for the emergency disease, and uses the calculated medicine demand for the emergency disease to store the predicted demand (230) ) To correct the forecasted demand data stored in. Inventory management is performed using the corrected demand data.

다만, 수요예측 평가부(250)는 순수하게 수요예측부(220)에 의하여 산출된 예측수요에 대하여만 평가를 진행하고 학습을 수행한다. 즉, 수요예측부(220)에 의하여 예측된 수요예측 데이터 중 보정치를 제외한 나머지 데이터와 실제 의약품 수요 데이터 중 상술한 보정치에 해당하는 의약품을 제외한 나머지 의약품에 대한 수요 데이터를 비교/평가하여 수요예측 학습데이터(225)를 갱신할 수 있다.However, the demand prediction evaluation unit 250 purely evaluates and performs learning only on the predicted demand calculated by the demand prediction unit 220. That is, demand prediction learning is performed by comparing / evaluating the demand data for the remaining drugs excluding the drugs corresponding to the above-mentioned correction value among the actual data and the demand data predicted by the demand forecasting unit 220 and the remaining data excluding the correction value. The data 225 can be updated.

도 5를 참조하여 일 실시예에 따른 약품재고 관리방법을 설명한다. 도 5는 일 실시예에 따른 약품재고 관리방법을 설명하기 위한 순서도이다.Referring to Figure 5 will be described a drug inventory management method according to an embodiment. 5 is a flow chart for explaining a drug inventory management method according to an embodiment.

본 발명에 따른 의약품 유통 회사의 약품 재고 관리방법은 다음과 같은 단계를 통하여 수행된다.The drug inventory management method of the drug distribution company according to the present invention is performed through the following steps.

제1 단계로서, 병원서버가 사용자로부터 진료데이터 및 처방데이터를 입력받는다(S100).As a first step, the hospital server receives medical data and prescription data from the user (S100).

제2 단계로서, 상기 병원서버가 상기 진료데이터 및 처방데이터의 입력 일시, 상기 진료데이터 및 처방데이터를 샘플링하고(S200), 상기 진료데이터 및 처방데이터와 특정 환자의 개인정보를 결합하여 상기 특정 환자에 대한 진료기록 및 처방전 정보를 생성한다. 다만, 진료데이터 및 처방데이터를 샘플링과 특정 환자에 대한 진료기록 및 처방전 정보의 생성은 병렬적으로 수행하는 것을 의미하는 것일 뿐 동시에 수행되어야 하는 것을 의미하는 것은 아니다.As a second step, the hospital server samples the date and time of input of the medical data and prescription data, samples the medical data and prescription data (S200), and combines the medical data and prescription data with the personal information of a specific patient to obtain the specific patient Generates medical records and prescription information. However, sampling of medical data and prescription data and generation of medical records and prescription information for a specific patient are meant to be performed in parallel, but not to be performed at the same time.

또한 제2 단계에서 앞서 설명한 바와 같이 상기 진료내역 및 처방내역에 대하여 전수 수집하는 방법, 일정 주기로 일정한 시간 동안 샘플링을 수행하는 방법 및 특정 의료진에 대한 환자수에 비례하는 샘플링 수로 샘플링을 하는 방법 중 어느 하나의 방식으로 데이터를 수집할 수 있다.In addition, as described above in the second step, any one of a method of collecting all of the medical history and prescription history, a method of performing sampling for a certain period of time at a certain period, and a method of sampling with a sampling number proportional to the number of patients for a specific medical staff Data can be collected in one way.

제3 단계로서, 상기 병원서버가 상기 샘플링된 진료/처방 데이터를 데이터베이스에 저장한다(S300). 또한 제3 단계 이후, 개인정보 검출부가 상기 진료/처방 샘플링데이터로부터 개인정보가 저장되어 있는지의 여부를 검출하는 단계를 더 포함할 수 있다.As a third step, the hospital server stores the sampled treatment / prescription data in a database (S300). In addition, after the third step, the personal information detection unit may further include the step of detecting whether or not personal information is stored from the treatment / prescription sampling data.

제4 단계로서, 재고관리 서버가 상기 데이터베이스에 저장된 진료/처방 데이터를 전송받아 수요예측학습데이터를 통하여 의약품의 수요를 예측한다.As a fourth step, the inventory management server receives medical / prescription data stored in the database to predict the demand for medicines through demand prediction learning data.

또한 상기 제4 단계에서 상기 수요예측학습데이터 모델에 입력되는 독립변수는 상기 샘플링된 진료/처방 데이터와 [날씨, 일간 평균기온, 일간 교통정보 변환지수] 중 적어도 어느 하나의 지수를 포함할 수 있다.In addition, the independent variable input to the demand forecast learning data model in the fourth step may include at least one index of the sampled medical / prescription data and [weather, average daily temperature, daily traffic information conversion index]. .

또한 상기 제4 단계 이후 질병관리 본부서버로부터 긴급 질병에 대한 데이터를 전송받아 상기 긴급 질병에 대한 의약품 수요를 산출하고, 상기 저장된 예측된 수요 데이터에 보정치를 제공하는 단계를 더 포함할 수 있다.In addition, after the fourth step, it may further include the step of receiving the data on the emergency disease from the disease management headquarters server to calculate the drug demand for the emergency disease, and providing a correction value to the stored estimated demand data.

제5 단계로서, 상기 재고관리 서버가 예측된 수요예측 데이터와 실제 의약품 수요 데이터의 비교에 의한 평가를 통하여 상기 수요예측 학습데이터를 머신러닝 기법으로 갱신한다.As a fifth step, the inventory management server updates the demand forecast learning data with a machine learning technique through evaluation by comparing the predicted demand forecast data with actual drug demand data.

또한 상기 제5 단계에서 상기 재고관리 서버에 의한 평가는 상기 보정치를 제외한 데이터를 대상으로 수행할 수 있다.In addition, the evaluation by the inventory management server in the fifth step may be performed on data excluding the correction value.

이상 본 발명의 바람직한 실시예에 대하여 설명하였으나, 본 발명의 기술적 사상이 상술한 바람직한 실시예에 한정되는 것은 아니며, 특허청구범위에 구체화된 본 발명의 기술적 사상을 벗어나지 않는 범주에서 다양하게 구현될 수 있다.The preferred embodiments of the present invention have been described above, but the technical spirit of the present invention is not limited to the above-described preferred embodiments, and may be variously implemented in a range not departing from the technical spirit of the present invention as specified in the claims. have.

100: 병원 서버
110: 진료기록/처방전 저장수단
120: 진료/처방 데이터 샘플링부
130: 약품선호도 수집부
160: 환자정보 데이터베이스
170: 진료기록/처방전 데이터베이스
180: 진료/처방 샘플링데이터 저장부
195: 개인정보 검출부
100: hospital server
110: medical records / prescription storage means
120: medical treatment / prescription data sampling unit
130: Drug preference collection unit
160: patient information database
170: Medical record / prescription database
180: treatment / prescription sampling data storage
195: Personal information detection unit

Claims (6)

병원서버가 사용자로부터 진료데이터 및 처방데이터를 입력받는 제1 단계;
상기 병원서버가 상기 진료데이터 및 처방데이터의 입력 일시, 상기 진료데이터 및 처방데이터를 샘플링하고, 상기 샘플링을 한 이후 상기 진료데이터 및 처방데이터와 특정 환자의 개인정보를 결합하여 상기 특정 환자에 대한 진료기록 및 처방전 정보를 생성하는 제2 단계;
상기 병원서버가 상기 샘플링된 진료/처방 데이터를 데이터베이스에 저장하는 제3 단계;
재고관리 서버가 상기 데이터베이스에 저장된 진료/처방 데이터를 전송받아 수요예측학습데이터를 통하여 의약품의 수요를 예측하는 제4 단계; 및
상기 재고관리 서버가 예측된 수요예측 데이터와 실제 의약품 수요 데이터의 비교에 의한 평가를 통하여 상기 수요예측 학습데이터를 머신러닝 기법으로 갱신하는 제5 단계;를 포함하고,
상기 제1 단계에서는 입력되는 상기 진료데이터 및 처방데이터를 상기 처방전의 생성을 위하여 상기 특정 환자의 개인정보와 함께 저장하기 전에 샘플링이 수행되고,
상기 제4 단계에서 상기 수요예측학습데이터 를 통한 수요의 예측 시 입력되는 독립변수는 상기 샘플링된 진료/처방 데이터와 [날씨, 일간 평균기온, 일간 교통정보 변환지수] 중 적어도 어느 하나의 지수를 포함하며,
상기 제3 단계 이후, 개인정보 검출부가 상기 진료/처방 샘플링데이터로부터 개인정보가 저장되어 있는지의 여부를 검출하는 단계를 더 포함하고,
상기 제2 단계에서 상기 진료기록 및 처방내역에 대하여 전수 수집하는 방법, 일정 주기로 일정한 시간 동안 샘플링을 수행하는 방법 및 특정 의료진에 대한 환자수에 비례하는 샘플링 수로 샘플링을 하는 방법 중 어느 하나의 방식으로 데이터를 수집하며,
상기 제4 단계 이후 질병관리 본부서버로부터 긴급 질병에 대한 데이터를 전송받아 상기 긴급 질병에 대한 의약품 수요를 산출하고, 상기 저장된 예측된 수요 데이터에 보정치를 제공하는 단계를 더 포함하고,
상기 제5 단계에서 상기 재고관리 서버에 의한 평가는 상기 보정치를 제외한 데이터를 대상으로 수행하는 의약품 유통 회사의 약품 재고 관리방법.
A first step in which the hospital server receives medical data and prescription data from a user;
The hospital server samples the date and time of input of the treatment data and prescription data, samples the treatment data and prescription data, and after the sampling , combines the treatment data and prescription data with the personal information of a specific patient to treat the specific patient A second step of generating records and prescription information;
A third step in which the hospital server stores the sampled treatment / prescription data in a database;
A fourth step in which the inventory management server receives medical / prescription data stored in the database and predicts demand for medicines through demand prediction learning data; And
And a fifth step of the inventory management server updating the demand prediction learning data with a machine learning technique through evaluation by comparing the predicted demand prediction data with actual drug demand data.
In the first step, sampling is performed before storing the input medical data and prescription data together with personal information of the specific patient for generation of the prescription,
In the fourth step, the independent variable input when the demand is predicted through the demand prediction learning data includes at least one index among the sampled medical / prescription data and [weather, daily average temperature, daily traffic information conversion index]. And
After the third step, further comprising the step of detecting whether the personal information is stored in the personal information detection unit from the medical treatment / prescription sampling data,
In the second step, any one of a method of collecting the entire number of the medical records and prescriptions, a method of performing sampling for a certain period of time at a predetermined cycle, and a method of sampling with a sampling number proportional to the number of patients for a specific medical staff Collect data,
After the fourth step, further comprising the step of receiving the data for the emergency disease from the disease management headquarters server to calculate the drug demand for the emergency disease, and providing a correction value to the stored predicted demand data,
In the fifth step, the evaluation by the inventory management server is carried out on data excluding the correction value, the drug distribution company's drug inventory management method.
삭제delete 삭제delete 삭제delete 삭제delete 삭제delete
KR1020190076848A 2019-06-27 2019-06-27 Inventory management method of drug distribution corporation KR102102112B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190076848A KR102102112B1 (en) 2019-06-27 2019-06-27 Inventory management method of drug distribution corporation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190076848A KR102102112B1 (en) 2019-06-27 2019-06-27 Inventory management method of drug distribution corporation

Publications (1)

Publication Number Publication Date
KR102102112B1 true KR102102112B1 (en) 2020-04-20

Family

ID=70467289

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190076848A KR102102112B1 (en) 2019-06-27 2019-06-27 Inventory management method of drug distribution corporation

Country Status (1)

Country Link
KR (1) KR102102112B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102352329B1 (en) * 2021-09-14 2022-01-17 뉴통 주식회사 Method, device and system for providing service of goods ordering, logistics, distribution based on artificial intelligence
KR20220064057A (en) * 2020-11-11 2022-05-18 (주)미소정보기술 Real-time Influenza Vaccine Demand Forecasting alarm System using CEP technique

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013073493A (en) * 2011-09-28 2013-04-22 Weather Service Co Ltd Information processing system, medical information collection device, medical information collection method, medical information collection program, declaration information collection device, declaration information collection method, declaration information collection program and program for patient side terminal
JP2016024737A (en) * 2014-07-23 2016-02-08 富士通株式会社 Order quantity determination method, order quantity determination program and information processor
KR101774327B1 (en) * 2017-03-08 2017-09-19 김종훈 Method for managing orders of medicine in drug distribution corporation
KR101939106B1 (en) * 2018-07-23 2019-01-16 (주)아이와즈 Inventory management system and method using common prediction model

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013073493A (en) * 2011-09-28 2013-04-22 Weather Service Co Ltd Information processing system, medical information collection device, medical information collection method, medical information collection program, declaration information collection device, declaration information collection method, declaration information collection program and program for patient side terminal
JP2016024737A (en) * 2014-07-23 2016-02-08 富士通株式会社 Order quantity determination method, order quantity determination program and information processor
KR101774327B1 (en) * 2017-03-08 2017-09-19 김종훈 Method for managing orders of medicine in drug distribution corporation
KR101939106B1 (en) * 2018-07-23 2019-01-16 (주)아이와즈 Inventory management system and method using common prediction model

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220064057A (en) * 2020-11-11 2022-05-18 (주)미소정보기술 Real-time Influenza Vaccine Demand Forecasting alarm System using CEP technique
KR102510530B1 (en) * 2020-11-11 2023-03-15 (주)미소정보기술 Real-time Influenza Vaccine Demand Forecasting alarm System using CEP technique
KR102352329B1 (en) * 2021-09-14 2022-01-17 뉴통 주식회사 Method, device and system for providing service of goods ordering, logistics, distribution based on artificial intelligence

Similar Documents

Publication Publication Date Title
KR102102110B1 (en) Inventory management system of drug distribution corporation
Dong et al. The impact of delay announcements on hospital network coordination and waiting times
US20200402671A1 (en) Systems and methods for determining, tracking, and predicting common infectious illness outbreaks
Schweigler et al. Forecasting models of emergency department crowding
Prentice et al. Delayed access to health care and mortality
Karnon et al. Model‐based cost‐effectiveness analysis of interventions aimed at preventing medication error at hospital admission (medicines reconciliation)
Zychlinski et al. Bed blocking in hospitals due to scarce capacity in geriatric institutions—cost minimization via fluid models
WO2018228852A1 (en) Systems and methods for dynamic monitoring of patient conditions and prediction of adverse events
Rathlev et al. Time series analysis of emergency department length of stay per 8-hour shift
KR102102112B1 (en) Inventory management method of drug distribution corporation
CN110767308B (en) Information pushing method and device, computer equipment and storage medium
JP5399978B2 (en) Water service support system, method and program thereof
US20190206575A1 (en) Smart clustering and cluster updating
Meng et al. The impact of facility layout on service worker behavior: An empirical study of nurses in the emergency department
US20120259662A1 (en) Predicting Provider Negotiated Rates
Gilmour Identification of hospital catchment areas using clustering: an example from the NHS
Comis et al. Patients, primary care, and policy: Agent-based simulation modeling for health care decision support
KR102585818B1 (en) Display system for forecasting vaccine demand
Zaerpour et al. Patient classification based on volume and case-mix in the emergency department and their association with performance
Bountourelis et al. The modeling, analysis, and management of intensive care units
Murtas et al. Time-series cohort study to forecast emergency department visits in the city of Milan and predict high demand: a 2-day warning system
Rahiminia et al. A novel data-driven patient and medical waste queueing-inventory system under pandemic: A real-life case study
KR101693015B1 (en) A method for individual disease prediction, an individual disease prediction system, a storing medium for storing a program for individual disease prediction
Schwierz et al. Demand, selection and patient outcomes in German acute care hospitals
AU2018204673A1 (en) Smart clustering and cluster updating

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant