Healthcare supply chain optimization

Augmentez la visibilité pour améliorer la résilience et la flexibilité de la chaîne d'approvisionnement

La pandémie de COVID-19 a mis une pression sans précédent sur les chaînes d'approvisionnement et a souligné l'importance d'une planification efficace de la chaîne d'approvisionnement. Avant la pandémie de COVID, le stock juste à temps a été mis en avant en tant que meilleure méthode de gestion des stocks car il permet aux entreprises de réduire les dépenses en diminuant le stock disponible. Cependant, comme l'a démontré la pandémie, même si cette méthode peut vous faire économiser de l'argent, elle vous laisse extrêmement vulnérable lorsque des perturbations et des urgences surviennent. En même temps, il ne faut pas avoir trop de quantités en stock, non seulement en raison des coûts de maintenance, mais aussi parce que cela augmente le gaspillage puisque de nombreux produits avec une date d'expiration sont éliminés avant qu'ils ne puissent être utilisés. Un récent rapport de recherche a révélé qu'en moyenne 13 % du stock d'une salle d'opération expirait en réserve (PDF).

Bien qu'une planification efficace de la chaîne d'approvisionnement et une gestion des stocks soient essentielles dans tous les secteurs, elles sont particulièrement cruciales dans les soins de santé, où les perturbations de la chaîne d'approvisionnement risquent d'avoir un impact sur les soins aux patients, la sécurité et les résultats. Pour trouver l'approche optimale et éviter d'avoir trop ou trop peu de stock, le fabricant et l'organisme de santé doivent avoir une visibilité sur la chaîne d'approvisionnement, aussi bien en amont qu'en aval. La visibilité sur l'ensemble du processus donne à toutes les parties de la chaîne d'approvisionnement l'agilité nécessaire pour tirer parti des différents fournisseurs source lorsque des perturbations surviennent.

Pour obtenir une visibilité totale, les organismes de santé doivent combiner les données de nombreuses sources externes et internes. Les entreprises qui rencontrent des difficultés en matière d'accès aux données, de transparence et de précision des données résoudre ces problématiques défis pour évoluer vers une planification continue de la chaîne d'approvisionnement et assurer la continuité des opérations.

Optimisez votre chaîne d'approvisionnement à l'aide des données appropriées

De grandes quantités de données de chaîne d'approvisionnement sont disponibles aujourd'hui et leur volume augmente de façon exponentielle chaque année. Le problème rencontré par de nombreux établissements de santé n'est pas un manque de données, c'est l'incapacité de comprendre les données et d'accéder aux données nécessaires pour obtenir des informations pertinentes.

Dans ce cas d'utilisation, nous vous montrerons comment Oracle Data Platform pour le secteur de la santé peut simplifier le processus d'utilisation des analyses avancées et du machine learning pour isoler votre chaîne d'approvisionnement des événements perturbateurs tout en réduisant les coûts et en renforçant la sécurité des patients.

Cette illustration montre comment la plateforme de données Oracle pour le secteur de la santé peut être utilisée pour prendre en charge les soins reposant sur la valeur avec le suivi des performances. La plateforme comprend les cinq piliers suivants :

1. 1. Sources de données et repérage
2. 2. Ingestion et transformation
3. 3. Sauvegarde, tri et création
4. 4. Analyses, apprentissage et prévision
5. 5. Mesures et réactions

Le pilier « Sources de données et repérage » inclut deux catégories de données.

1. 1. Les enregistrements métier comprennent les données ERP, du système de gestion des entrepôts, d'inventaire, des matériaux, et de planification et d'EPM.
2. 2. Les données techniques comprennent les données de gestion du transport, les données de télémétrie, les journaux et les sources de flux d'événements.

Le pilier « Ingestion et transformation » comprend trois fonctionnalités.

1. 1. Le transfert en masse utilise OCI FastConnect, OCI Data Transfer, MFT et l'interface de ligne de commande OCI.
2. 2. L'ingestion par lots utilise OCI Data Integration, Oracle Integration Cloud et Data Studio.
3. 3. La capture des données de modification utilise OCI GoldenGate et Oracle Data Integrator.

Les trois fonctionnalités se connectent de manière unidirectionnelle au dépôt de données et au stockage cloud de service dans le pilier « Sauvegarde, tri et création ».

Le pilier « Sauvegarde, tri et création » comprend cinq fonctionnalités.

1. 1. Le dépôt de données de service utilise Autonomous Data Warehouse, Exadata Cloud Service et Exadata Cloud@Customer.
2. 2. Hadoop géré utilise Oracle Big Data Service.
3. 3. Le stockage cloud utilise OCI Object Storage.
4. 4. Le traitement par lots utilise OCI Data Flow.
5. 5. La gouvernance utilise OCI Data Catalog.

Ces fonctionnalités sont connectées au sein du pilier. Le stockage cloud est connecté de manière unidirectionnelle au dépôt de données de service et à Hadoop géré. Il est également connecté de manière bidirectionnelle au traitement par lots.

Hadoop géré est connecté de manière unidirectionnelle au dépôt de données de service.

Deux fonctionnalités se connectent au pilier « Analyses, apprentissage et prévision » : le dépôt de données de service se connecte à la fois à la fonction d'analyse et de visualisation, aux produits de données et à la fonctionnalité API. Le stockage cloud se connecte à la fonctionnalité de machine learning.

Le pilier « Analyses, apprentissage et prévision » comprend trois fonctionnalités.

1. 1. L'analyse et la visualisation utilisent GraphStudio, Oracle Analytics Cloud, et des éditeurs de logiciels indépendants.
2. 2. Les produits de données et les API utilisent OCI API Gateway et OCI Functions.
3. 3. Le machine learning utilise OCI Data Science, Oracle Machine Learning et les ML Notebooks.

Les services d'IA incluent Oracle Digital Assistant, OCI Language, Speech et Vision.

Le dépôt de données de service, Hadoop géré et le stockage d'objets fournissent des métadonnées à OCI Data Catalog.

Le pilier « Mesures et réactions » saisit la manière dont l'analyse des données peut être appliquée pour permettre l'optimisation de la chaîne d'approvisionnement. Ces résultats sont divisés en deux groupes.

1. 1. Le premier groupe « Personnes et partenaires » comprend l'amélioration continue et la mesure des performances, la prévision de la demande et la planification des stocks, ainsi que la conception de la chaîne d'approvisionnement et l'optimisation du réseau.
2. 2. Le deuxième groupe « Applications » comprend l'obtention de notifications de rappel, l'amélioration de la gestion de l'espace et des stocks et l'utilisation de l'IA/machine learning pour améliorer les processus opérationnels.

Les trois piliers centraux (« Ingestion et transformation », « Sauvegarde, tri et création », et « Analyses, apprentissage et prévision ») sont pris en charge par l'infrastructure, le réseau, la sécurité et IAM.

Il existe trois options principales d'injection de données dans une architecture en vue de créer une plateforme de données flexible, ouverte et performante.

• Pour commencer, nous devons comprendre notre stock global. Pour ce faire, nous utilisons Oracle GoldenGate pour permettre l'ingestion de la capture des données de modification des données d'inventaire d'entrepôt en quasi-temps réel à partir de bases de données opérationnelles pour tous les articles stockés et les unités commerciales auxquelles ils sont associés.
• Nous pouvons désormais ajouter des ensembles de données pertinents, tels que des données provenant de systèmes ERP, de systèmes de gestion des entrepôts, de systèmes de ressources humaines, de systèmes d'information de gestion de la santé et de systèmes de gestion des performances d'entreprise, pour comprendre pleinement la chaîne d'approvisionnement et obtenir des informations sur sa santé. Ces ensembles de données comprennent généralement d'importants volumes de données souvent sur site. Dans la plupart des cas, l'ingestion par lots est généralement la plus efficace. Pour les intégrations d'applications à applications (ou les intégrations à d'autres services OCI), Oracle Integration Cloud est une méthode éprouvée de premier ordre qui rend le processus facile et économique.
• Les services de transfert en masse sont utilisés dans les cas où de grands volumes de données doivent être déplacés vers Oracle Cloud Infrastructure pour la première fois, par exemple des données provenant de référentiels analytiques sur site existants ou d'autres sources cloud. Le service de transfert en masse que nous allons utiliser dépend de l'emplacement des données et de la fréquence de transfert. Par exemple, nous pouvons utiliser le OCI Data Transfer Service ou OCI Data Transfer Appliance pour charger de grands volumes de données sur site à partir de référentiels de planification historique ou d'un entrepôt de données. Lorsque de grands volumes de données doivent être déplacés régulièrement, nous vous recommandons d'utiliser OCI FastConnect, qui fournit une connexion réseau privée dédiée à bande passante élevée entre le centre de données d'un client et OCI.

La persistance et le traitement des données reposent sur trois (voire quatre) composants.

• Les données brutes incluses sont sauvegardées dans le stockage cloud. Nous utiliserons OCI Data Flow pour le traitement par lots de ces données désormais persistantes, telles que les données ERP, les données d'inventaire, les données de télémétrie des appareils et des applications, les journaux et les données de référence des produits. Ces ensembles de données traités sont renvoyés au stockage cloud pour persistance, curation et analyse ascendantes, et finalement pour chargement sous forme optimisée dans le dépôt de données de service. Selon les préférences en matière d'architecture, vous pouvez également effectuer cette opération avec Oracle Big Data Service en tant que cluster Hadoop géré.
• Nous avons créé des ensembles de données traités prêts à être rendus persistants sous forme relationnelle optimisée pour le traitement et les performances des requêtes dans le dépôt de données de service. Cela nous permettra d'évaluer rapidement plusieurs indicateurs clés de performance précieux, tels que les rotations de stock, les dépenses d'approvisionnement en pourcentage du chiffre d'affaires net par patient, le pourcentage d'articles avec des substituts identifiés, les taux de couverture fournisseur et le nombre de produits périmés en pourcentage du total acheté, pour ne citer que quelques exemples.

La capacité d'analyser, d'apprendre et de prévoir repose sur deux technologies.

• Les services d'analyse et de visualisation fournissent des analyses descriptives (description des tendances actuelles avec des histogrammes et des graphiques), des analyses prédictives (prédiction des événements futurs, identification des tendances et détermination de la probabilité de résultats incertains) et des analyses prescriptives (propositions d'actions appropriées en vue d'une une prise de décision optimale), afin d'aider les établissements de santé
  
  
  • Calculer le nombre de produits expirés en pourcentage des produits en stock
  • Utilisez des jumeaux numériques dans la chaîne d'approvisionnement pour effectuer des analyses par simulation sans risque
  • Déterminer la dépense d'approvisionnement en pourcentage du chiffre d'affaires net par patient
  • Comprendre le pourcentage d'articles avec des substituts identifiés
• Outre les analyses avancées, des modèles de machine learning sont développés, entraînés et déployés. Ces modèles sont accessibles via des API, déployés dans le dépôt de données de service ou intégrés dans le pipeline d'analyses de diffusion en continu.
• Lorsque vous créez des modèles de machine learning, vous avez la possibilité d'utiliser OCI Data Science, les services d'IA OCI disponibles ou une combinaison des deux. Voici quelques exemples de services d'IA OCI et de leur utilisation possible dans le cadre d'un pipeline d'IA et de machine learning de la chaîne d'approvisionnement :
  
  
  • OCI Anomaly Detection peut aider à surveiller en temps réel les performances de la chaîne d'approvisionnement (par exemple, inventaire des matières premières, débit de production, travaux en cours, temps de transit et rotation des stocks) afin de détecter et de résoudre les problèmes. Dans une chaîne d'approvisionnement complexe, l'indice de gravité des anomalies détectées peut aider à lister les perturbations à résoudre en premier.
  • OCI Forecasting peut aider à prévoir les indicateurs de la chaîne d'approvisionnement, tels que la demande, l'approvisionnement et la capacité des ressources, afin que des actions appropriées puissent être prises.
  • OCI Vision et OCI Language peuvent aider à comprendre des documents, tels que des rapports sur la qualité des produits sortants et des rapports sur les défauts des produits, afin d'enrichir les données de la chaîne d'approvisionnement à des fins d'analyse.
• Nos règles et politiques de gouvernance peuvent être appliqués à nos données et modèles organisés, testés et de haute qualité, et peuvent être exposés en tant que produit de données (API) au sein d'une architecture de maillage de données à des fins de distribution dans l'ensemble de l'établissement de santé.

Utilisez l'intelligence automatisée pour augmenter la rentabilité et la sécurité des patients

Une vue complète de l'ensemble de la chaîne d'approvisionnement permettra aux organismes de santé de répondre à de nombreuses questions auxquelles ils ne peuvent pas répondre aujourd'hui. Pour ce faire, ils doivent disposer de la bonne plateforme de données. La plateforme doit être flexible et capable de gérer tous les types de données nécessaires, être ouverte et facile à connecter à d'autres clouds, centres de données sur site ou organisations tierces, et sécurisée. Grâce à l'accès à toutes les données, les établissements de santé seront en mesure d'atteindre de nombreux objectifs, notamment

• Gérer les risques fournisseur tout en comprenant la demande des patients et les événements perturbateurs potentiels. Une connaissance approfondie de la relation entre les risques fournisseur et la demande des patients jette les bases d'une efficacité opérationnelle accrue dans l'ensemble du modèle opérationnel de l'entreprise, facilitée par une liste centralisée de fournisseurs qualifiés et fiables
• Fortification de la chaîne d'approvisionnement des soins de santé pour augmenter la sécurité des patients tout en améliorant le contrôle de la qualité et en réduisant les coûts
• Renforcement de la résilience de la chaîne d'approvisionnement en développant une compréhension plus approfondie des fournisseurs grâce au partage des données
• Améliorer l'agilité et prendre des décisions de planification et des compromis plus rapidement, en ajustant et en surveillant les projets au fur et à mesure des changements