Optimierung der Lieferkette im Gesundheitswesen

Erhöhung der Transparenz zur Verbesserung der Resilienz und Flexibilität der Lieferkette

Die COVID-19-Pandemie setzte die Lieferketten unter einen noch nie dagewesenen Druck und machte deutlich, wie wichtig eine effektive Lieferkettenplanung tatsächlich ist. Vor COVID wurde die so genannte „Just-in-Time“-Bestandsaufnahme als beste Methode der Bestandsverwaltung propagiert, da sie es Unternehmen ermöglicht, ihre Kosten durch die Verringerung des Lagerbestands zu senken. Die Pandemie hat jedoch gezeigt, dass man mit dieser Methode zwar Geld sparen kann, aber bei Störungen und Notfällen extrem verwundbar ist. Gleichzeitig sollten Sie jedoch auch nicht zu viel Ware auf Lager haben, nicht nur wegen der Wartungskosten, sondern auch, weil dadurch mehr Abfall entsteht, da viele Produkte mit Verfallsdatum entsorgt werden, noch bevor sie verwendet werden können. Einem kürzlich erschienenen Forschungsbericht zufolge verfallen im Durchschnitt 13 % des Bestands für einen Operationssaal bereits im Regal (PDF).

Eine effektive Lieferkettenplanung und Bestandsverwaltung ist zwar in jeder Branche von entscheidender Bedeutung, im Gesundheitswesen ist sie jedoch noch wichtiger, da sich Unterbrechungen der Lieferkette auf die Patientenversorgung, die -sicherheit und die -ergebnisse auswirken können. Um den optimalen Ansatz zu finden und zu vermeiden, dass zu viel oder zu wenig Bestand auf Lager ist, müssen der Hersteller und Gesundheitseinrichtungen sowohl die vor- als auch die nachgelagerte Lieferkette im Blick haben. Die Transparenz des gesamten Prozesses gibt allen Beteiligten in der Lieferkette die Flexibilität, bei Unterbrechungen auf andere Anbieter zurückzugreifen.

Um eine vollständige Transparenz zu erreichen, brauchen Gesundheitseinrichtungen eine Kombination aus zahlreichen externen und internen Datenquellen. Unternehmen, die Probleme mit dem Datenzugriff, der Transparenz und der Datengenauigkeit haben, müssen zunächst diese Herausforderungen lösen, um eine kontinuierliche Lieferkettenplanung zu erreichen und einen kontinuierlichen Betrieb zu gewährleisten.

Optimierung Ihrer Lieferkette mit den richtigen Daten

Heutzutage ist eine riesige Menge an Lieferkettendaten verfügbar, die jedes Jahr exponentiell wächst. Das Problem, mit dem viele Organisationen im Gesundheitswesen konfrontiert sind, ist nicht ein Mangel an Daten, sondern die Unfähigkeit, die Daten zu verstehen und auf die notwendigen Daten zuzugreifen, um aussagekräftige Erkenntnisse zu gewinnen.

In diesem Anwendungsfall zeigen wir Ihnen, wie Oracle Data Platform für das Gesundheitswesen den Prozess der Nutzung erweiterter Analysen und maschinellen Lernens vereinfachen kann, um Ihre Lieferkette vor Unterbrechungen zu schützen sowie gleichzeitig die Kosten zu senken und die Patientensicherheit zu erhöhen.

Diese Abbildung zeigt, wie Oracle Data Platform for Healthcare zur Unterstützung der wertorientierten Pflege mit Leistungsüberwachung verwendet werden kann. Die Plattform umfasst die folgenden fünf Säulen:

1. 1. Datenquellen, Entdeckung
2. 2. Aufnehmen, transformieren
3. 3. Beibehalten, kuratieren, erstellen
4. 4. Analysieren, lernen, prognostizieren
5. 5. Messen, handeln

Der Pillar „Datenquellen, Entdeckung“ umfasst zwei Datenkategorien.

1. 1. Die Business Records bestehen aus ERP, Lagerverwaltungssystem, Inventar, Material- und Terminplanung sowie EPM.
2. 2. Der technische Input umfasst Daten aus dem Transportmanagement, Telemetriedaten, Daten aus Protokollen und Daten aus Ereignisstromquellen.

Die Säule „Aufnehmen, transformieren“ umfasst drei Funktionen.

1. 1. Die Massenübertragung verwendet OCI FastConnect, OCI Data Transfer, MFT und OCI CLI.
2. 2. Die Batch-Ingestion verwendet OCI Data Integration, Oracle Integration Cloud und Data Studio.
3. 3. Die Datenänderungserfassung verwendet OCI GoldenGate und Oracle Data Integrator.

Alle drei Funktionen verbinden sich unidirektional mit dem zugrunde liegenden Datenspeicher und dem Cloud-Speicher innerhalb der Säule „Beibehalten, kuratieren, erstellen“.

Der Pillar „Beibehalten, kurieren, erstellen“ umfasst fünf Funktionen.

1. 1. Der Serving Data Store verwendet Autonomous Data Warehouse, Exadata Cloud Service und Exadata Cloud@Customer.
2. 2. Managed Hadoop verwendet Oracle Big Data Service.
3. 3. Der Cloud-Speicher verwendet OCI Object Storage.
4. 4. Die Batchverarbeitung verwendet OCI Data Flow.
5. 5. Governance verwendet OCI Data Catalog.

Diese Funktionen sind innerhalb der Säule miteinander verbunden. Der Cloud-Speicher ist unidirektional mit dem bereitstellenden Datenspeicher und dem verwalteten Hadoop und außerdem bidirektional mit der Batchverarbeitung verbunden.

Das verwaltete Hadoop ist unidirektional mit dem bereitstellenden Datenspeicher verbunden.

Zwei Funktionen sind mit der Säule „Analysieren, lernen, prognostizieren“ verbunden: Der Serving Data Store ist sowohl mit den Analyse- und Visualisierungsfunktionen als auch mit den Datenprodukten und APIs verbunden. Der Cloud-Speicher ist mit der ML-Funktion verbunden.

Der Pillar „Analysieren, lernen, prognostizieren“ umfasst drei Funktionen.

1. 1. Analysen und Visualisierungen nutzen GraphStudio, Oracle Analytics Cloud und ISVs.
2. 2. Datenprodukte, APIs verwenden OCI API Gateway und OCI Functions.
3. 3. Maschinelles Lernen verwendet OCI Data Science, Oracle Machine Learning und ML-Notizbücher.

AI Services umfasst Oracle Digital Assistant, OCI Language, Speech und Vision.

Der zugrunde liegende Datenspeicher, das verwaltete Hadoop und der Objektspeicher stellen Metadaten für den OCI Data Catalog bereit.

Der Pillar „Messen, handeln“ erfasst, wie die Datenanalyse zur Unterstützung der Lieferkettenoptimierung angewendet werden kann. Diese Ergebnisse sind in zwei Gruppen unterteilt.

1. 1. Die erste Gruppe „Mitarbeiter und Partner“ umfasst kontinuierliche Verbesserung und Leistungsmessung, Bedarfsprognose und Bestandsplanung sowie Lieferkettengestaltung und Netzwerkoptimierung.
2. 2. Die zweite Gruppe „Anwendungen“ umfasst Rückrufbenachrichtigungen, eine verbesserte Raum- und Bestandsverwaltung und die Nutzung von KI/ML zur Verbesserung der betrieblichen Abläufe.

Die drei zentralen Säulen – Aufnehmen, transformieren; Beibehalten, kurieren, erstellen; und Analysieren, lernen, prognostizieren – werden durch Infrastruktur, Netzwerk, Sicherheit und IAM unterstützt.

Es gibt drei wesentliche Möglichkeiten für die Einbindung von Daten in eine Architektur zum Aufbau einer flexiblen, offenen und leistungsfähigen Datenplattform.

• Bevor wir anfangen, müssen wir zunächst unsere Bestandsposition kennen. Dazu verwenden wir Oracle Cloud Infrastructure (OCI) GoldenGate, um die Datenänderungserfassung von Lagerbestandsdaten in Beinahe-Echtzeit aus Betriebsdatenbanken für alle gelagerten Artikel und die zugehörigen Geschäftsbereiche zu ermöglichen.
• Wir können nun relevante Datensätze hinzufügen, z. B. Daten aus ERP-Systemen, Lagerverwaltungssystemen, Personalverwaltungssystemen, Gesundheitsmanagement-Informationssystemen und Systemen für das Leistungsmanagement von Unternehmen, um die Lieferkette vollständig zu verstehen und einen Einblick in ihren Zustand zu erhalten. Diese Datasets umfassen oft große Mengen von On-Premises-Daten, und in den meisten Fällen ist die Batch-Ingestion am effizientesten. Für Integrationen von Anwendung zu Anwendung (oder Integrationen mit anderen OCI-Services) ist die Oracle Integration Cloud eine bewährte, erstklassige Methode, mit der Sie den Prozess einfach und kosteneffizient gestalten können.
• Massenübertragungs-Services werden in Situationen verwendet, in denen große Datenmengen zum ersten Mal in die Oracle Cloud Infrastructure verschoben werden müssen, z. B. für Daten aus vorhandenen On-Premises-Analyse-Repositorys oder anderen Cloud-Quellen . Welcher Massenübertragungsdienst verwendet wird, hängt vom Speicherort der Daten und der Häufigkeit der Übertragung ab. Beispielsweise kann OCI Data Transfer Service oder OCI Data Transfer Appliance verwendet werden, um eine große Menge an On-Premises-Daten aus historischen Planungs- oder Data Warehouse-Repositorys zu laden. Wenn große Datenmengen kontinuierlich verschoben werden müssen, empfehlen wir die Verwendung von OCI FastConnect, das eine dedizierte private Netzwerkverbindung mit hoher Bandbreite zwischen dem Data Center eines Kunden und OCI bietet.

Die Datenpersistenz und -verarbeitung basieren auf drei (optional vier) Komponenten.

• Aufgenommene Rohdaten werden im Cloud-Speicher gespeichert. Wir verwenden OCI Data Flow für die Batchverarbeitung dieser nun persistenten Daten, wie ERP-Daten, Bestandsdaten, Telemetriedaten von Geräten und Anwendungen, Protokolle und Produktreferenzdaten. Die verarbeiteten Datensätze werden an den Cloud-Speicher zurückgegeben, wo sie weiter aufbewahrt, kuratiert und analysiert und schließlich in optimierter Form in den dienenden Datenspeicher geladen werden. Je nach Architekturvoreinstellung kann das auch mit Oracle Big Data Service als verwaltetes Hadoop-Cluster erfolgen.
• Wir haben jetzt verarbeitete Datensätze erstellt, die in optimierter relationaler Form dauerhaft gespeichert werden können, um die Verwaltungs- und Abfrageperformance im dienenden Datenspeicher zu gewährleisten. Auf diese Weise können wir schnell mehrere wertvolle Leistungsindikatoren auswerten, wie z. B. den Lagerumschlag, die Lieferkosten als Prozentsatz der Nettoeinnahmen der Patienten, den Prozentsatz der Artikel mit Ersatz, die Anzahl der Lieferanten und die Anzahl der abgelaufenen/verschwendeten Produkte als Prozentsatz der insgesamt gekauften Produkte, um nur einige Beispiele zu nennen.

Die Fähigkeit, zu analysieren, zu lernen und Vorhersagen zu treffen, beruht auf vier Technologien.

• Analyse- und Visualisierungsservices liefern beschreibende Analysen (beschreiben aktuelle Trends anhand von Histogrammen und Diagrammen), Vorhersageanalysen (sagen zukünftige Ereignisse voraus, identifizieren Trends und bestimmen die Wahrscheinlichkeit ungewisser Ergebnisse) und präskriptive Analysen (schlagen geeignete Maßnahmen zur Unterstützung einer optimalen Entscheidungsfindung vor). Sie können Gesundheitseinrichtungen helfen,
  
  
  • die Anzahl der verfallenen Produkte als Prozentsatz der vorrätigen Produkte in ihrem Bestand zu berechnen,
  • digitale Zwillinge in der Lieferkette zu nutzen, um risikofreie Was-wäre-wenn-Analysen durchzuführen,
  • die Versorgungskosten als Prozentsatz der Nettoeinnahmen der Patienten zu bestimmen,
  • zu verstehen, wie viel Prozent der Artikel Ersatz haben.
• Neben der erweiterten Analyse werden Machine Learning-(ML-)Modelle entwickelt, trainiert und eingesetzt. Auf diese Modelle kann über APIs zugegriffen werden, die im zugrunde liegenden Datenspeicher bereitgestellt oder als Teil einer Streaming-Analysepipeline eingebettet werden.
• Bei der Erstellung von Modellen für maschinelles Lernen haben Sie die Flexibilität, OCI Data Science, die verfügbaren OCI AI Services oder eine Kombination aus beiden zu verwenden. Im Folgenden finden Sie einige Beispiele für OCI AI Services und deren Verwendung als Teil einer Lieferketten-KI/ML-Pipeline:
  
  
  • Mit OCI Anomaly Detection können Sie Leistungskennzahlen der Lieferkette (z. B. Rohmaterialbestand, Produktionsdurchsatz, laufende Arbeiten, Transitzeiten und Lagerumschlag) in Echtzeit überwachen, um Störungen zu erkennen und zu beheben. In einer komplexen Lieferkette kann die Dringlichkeitsbewertung identifizierter Anomalien dabei helfen, beobachtete Geschäftsunterbrechungen für Maßnahmen zu priorisieren.
  • OCI Forecasting kann bei der Vorhersage von Lieferkettenkennzahlen wie Nachfrage, Angebot und Ressourcenkapazität helfen, um die künftige Leistung vorherzusagen, damit geeignete Maßnahmen ergriffen werden können.
  • Mit OCI Vision und Language können Sie Dokumente wie ausgehende Produktqualitätsberichte und Fehlerberichte verstehen, um Lieferkettendaten für Analysen zu erweitern.
• Unsere kuratierten, getesteten und qualitativ hochwertigen Daten und Modelle können Governance-Regeln und -Richtlinien anwenden und als „Datenprodukt“ (API) innerhalb einer Data-Mesh-Architektur für die Verteilung im Gesundheitswesen verfügbar gemacht werden.

Automatisierte Intelligenz zur Steigerung von Rentabilität und Patientensicherheit nutzen

Ein umfassender Überblick über die gesamte Lieferkette wird es Gesundheitseinrichtungen ermöglichen, viele Fragen zu beantworten, die sie heute noch nicht beantworten können – aber dafür brauchen sie die richtige Datenplattform. Diese Plattform sollte flexibel und in der Lage sein, alle erforderlichen Datentypen zu verarbeiten. Sie sollte außerdem offen und in der Lage sein, sich problemlos mit anderen Clouds, On-Premises-Rechenzentren oder Drittorganisationen zu verbinden, und sie sollte sicher sein. Mit dem Zugriff auf alle Daten sind Gesundheitseinrichtungen in der Lage, viele Ziele zu erreichen, darunter

• die Verwaltung des Lieferantenrisikos bei gleichzeitigem Verständnis der Patientennachfrage und potenzieller Störereignisse – eingehende Kenntnisse der Beziehung zwischen Lieferantenrisiko und Patientennachfrage bilden die Grundlage für eine größere operative Effizienz im gesamten Geschäftsmodell, die durch eine zentralisierte Liste qualifizierter und zuverlässiger Lieferanten erleichtert wird;
• die Stärkung der Lieferkette im Gesundheitswesen zur Erhöhung der Patientensicherheit bei gleichzeitiger Verbesserung der Qualitätskontrolle und Kostensenkung;
• die Steigerung der Lieferkettenresilienz durch die Entwicklung eines tieferen Verständnisses der Lieferanten durch den Austausch von Daten;
• die Verbesserung der Flexibilität sowie schnellere Planungsentscheidungen und Abwägungen, wobei die Pläne bei Änderungen angepasst und überwacht werden.