度量簇理论在医用耗材库存管理中的应用研究

目的:基于度量簇理论建立分类评估库存预期模型,探讨其在医用耗材库存管理中的应用价值。方法:设置医用耗材的价值成本、使用频率、库存必要性和配送周期4个库存管理分级指标,并对指标进行标准化处理,构建分类评估库存预期模型,采用伪-F统计方法对分类簇进行度量评估,并对不同簇中心值的类型采用差异性管理方法。选取2015年1月至2019年6月期间医院临床在用的2237种医用耗材使用数据为研究资料,将2015年1月至2016年12月数据纳入对照组,采用临床计划型管理模式,将2017年7月至2019年6月数据纳入观察组,采用分类评估库存预期模型管理模式。对比两组耗材的库存周转率、周转天数、配送天数和库存退换货数量差异性。结果:医用耗材5个簇的伪-F统计值为316.7(p≈0),可以被接受。观察组的库存周转率、耗材周转天数、耗材配送天数和库存退换货数量数据均优于对照组,差异有统计学意义(t=4.286,t=2.712,t=2.288,t=2.102;P<0.05)。结论:基于度量簇理论的医用耗材分类评估库存预期模型管理模式,可有效提高医用耗材库存数量与临床用量的匹配度,提高库存周转率,降低库存数量和管理成本。

新建牵引变电所的负荷预测及变压器容量优化配置

为了获得新建牵引变电所的负荷情况并校验优化所内牵引变压器的配置容量,将高斯混合模型用于牵引变电所实测数据聚类,然后引入神经网络对新建牵引负荷进行匹配分类.依据聚类和分类结果,结合概率密度及蒙特卡洛抽样方法,实现新建电气化铁路牵引负荷的预测.根据热传递原理和相对老化计算,建立新建牵引变电所牵引变压器温升与寿命损失的差分方程模型,对新建牵引变电所的牵引变压器容量进行优化配置.通过对大量牵引变电所实测数据的分析,聚类后伪-F统计量达12.81,匹配分类后伪-F统计量进一步上升至12.90,表明本文聚类分类方法效果良好.通过牵引变压器建模,将算例中变压器容量利用率从60%提高到96%,即使考虑安全裕度适当提高安装容量也能使容量利用率达到75%,实现了变压器容量的优化,充分利用了变压器的温度指标和寿命损失.

系统聚类在牵引负荷分类上的应用

为获得牵引负荷的分布规律,基于大量牵引负荷实测数据,计算并选择95%概率大值、最大值、平均值和有效值、带电有效系数作为聚类指标。通过7种数据处理常用的系统聚类方法,依据Cophenetic相关系数选择一种最优方法,即类平均法,并用不一致系数确定聚类个数,对47组牵引负荷实测数据进行聚类,最后计算轮廓值和伪-F统计量来评价聚类结果。通过对大量牵引变电所实测数据的聚类,表明该聚类方法合理,聚类效果良好。