本站原创
摘要：医院物流系统在国内处于初级阶段，如何根据各医院不同的情况，合理优化运行效率成为关注的焦点，本文运用数据挖掘技术从物流系统运行记录的数据中提取隐含的规律，可以帮助医院提高物流系统的效率。
关键词：数据挖掘医院物流物流管理
1007-9416（2012）09-0079-02
目前国内患者众多，医疗资源紧张，物流传输系统可以很好地帮助医院提高医疗工作的效率，优化物流管理，并且可以有效的节省能源消耗，避免交叉感染等问题。
国内医院的需求和特点各有不同，因此物流需求的个性化、多样化和集成化，要求物流怎么写作企业必须不断改进和优化系统的运作流程，使物流系统更加适应物流需求的变化。而数据挖掘技术，以其强大关联、分类、预测等功能，可将医院物流系统运行过程中产生的信息数据进行有效整合处理，为改善医院物流系统运行效率提供依据。
数据挖掘技术已经在商业、金融业、保险业、电信业等多个领域开始得到应用，取得了令人满意的效果。但我国物流企业在数据挖掘应用方面还处于起步阶段，经验不足，应用实践在国内物流企业中还并不多见，所以有很大的改良空间。
本文研究了基于数据挖掘技术的医院物流管理和优化问题，从而提高医院运行效率，缓解医疗资源紧张提供了技术支持。
国外发达国家的医院十分重视物流管理。根据2001年法国和美国联合抽样调查，在美国有98.6%的医院设立“物流部”或“物料管理部”；在法国，这个比例也有31.4%。因此，物流效率的高低，直接影响着医疗成本。出于政府、公众和市场的压力，医疗产业正专注于降低成本，提高利润。而优化医疗供应链，加强医院物流管理，是重要战略之一。
现阶段我国医院物流主要的方式是“专职递送队伍+多部电梯”，引进现代化物流系统的比例不到5%，远落后于发达国家水平。而且目前医院使用的物流系统大多都是进口设备，很多方面的技术都是国外厂家掌握着，比如物流系统运行记录，后期完全可以用来分析医院的物流需求并对软件优先级做调整，但大多数厂家并没有这方面的怎么写作。因此对记录的数据进行有效的利用，了解其中的规律对医院物流效率的提高和后期维护有着很重要的作用。
数据挖掘主要分5步骤：
（1）定义问题。对目标有一个可行、清晰和明确的定义，即决定到底想干什么，有效的问题定义应该包含一个对结果进行衡量的标准。
（2）建立用于挖掘的数据库，包括收集数据、维护数据库等工作。
（3）分析和准备数据，根据问题的定义，对数据库中的字段变量、记录进行筛选，剔除不合理的记录和无关的字段，根据现有的变量进行转换，生成新的变量和字段。
（4）建立模型。模型的建立过程主要是选择一定的挖掘算法来处理数据，在现代医院物流系统中主要使用的是关联规则模型[3]，主要反映一个事物和其他事物之间的依赖或关联。
（5）结果的表达和解释。对数据挖掘发现的模式进行解释和评价，过滤过有用的知识呈现给使用者。
3、数据挖掘在现
医院物流系统记录每天的所有事件，信息量较大，但医院以往都只是保存下来备份，从没有去进行数据挖掘利用。而随着物流系统越来越多的出现在医院中，使用数据挖掘技术分析系统记录，对提高医院运行效率和管理水平具有重要的意义[4]。
下面这个列表是运行数据的摘要，一般医院物流系统每天运行2000次左右，记录包括每次发出、到达和确认，每天合计会产生5000条左右的信息记录。
物流系统的记录中有3个因素最为重要：日期（时间）、控制区域（BT站点）、事件发生设备（运载小车）。虽然我们可以根据医院各自不同的结构特点来提前设置站点和车辆的优先级、归属地等，但与实际总是有出入的。但从系统运行记录中我们可以得到在不同时段的系统负荷，不同时段的站点和小车运行次数，以及全天的运行量。结合三者的关系我们可以对系统进行优化，针对不同时间段来分配不同站点的优先级，这样可以让系统对优先级高的站点分配更多的资源[5]。
我们首先从表1的数据中筛选出关键的三个参数日期、控制区域、事件发生设备，然后把一天分成四个时间段，再用Apriori算法来进行关联规则，得到的部分挖掘结果如图1所示。
Bt 201代表病案室工作站点，结果显示从早上6点到晚上18点，病案室的运输量最大，根据以往经验医院是静脉配置中心的运输量最大，因此我们要根据长时间积累的数据结果对系统进行优化修改，当然还有不同时间段中，高负荷站点不同的情况，那么就可以在系统中设定不同时段的站点优先级，通过变更站点的优先级来加快各功能科室（例中的病案室）的物品传输效率，也就优化了医疗流程，
4、结语
数据挖掘作为一门新兴的多科学交叉的技术还处于初级发展时期，我国的医院物流在数据挖掘应用方面更是起步阶段，经验不足，应用实践的案例还很少，但随着数据挖掘研究的深入开展，数据挖掘技术方法的不断改进和完善，以及使用者追求高效愿望的增强，将会有越来越多的物流系统企业开展数据挖掘，数据挖掘技术在医院物流领域也将会有更加广阔的前景。
参考文献
阎子刚.物流信息技术[M].北京：高等教育出版社，2003.
陈安，陈宁，周龙骧等.数据挖掘技术及应用[M].北京：科学出版社，2006.
[3]杜明义，吉祥寿，郭达志等.基于空间数据仓库的数据挖掘[J].计算机工程与应用，2000（11）.
[4]钟晓，马小平，张钹等.数据挖掘综述[J].模式识别与人工智能，2001（3）.
[5]魏新军.数据挖掘物流企业提升竞争力的利器[J].中国储运，2008（3）.
关键词：数据挖掘医院物流物流管理
1007-9416（2012）09-0079-02
目前国内患者众多，医疗资源紧张，物流传输系统可以很好地帮助医院提高医疗工作的效率，优化物流管理，并且可以有效的节省能源消耗，避免交叉感染等问题。
国内医院的需求和特点各有不同，因此物流需求的个性化、多样化和集成化，要求物流怎么写作企业必须不断改进和优化系统的运作流程，使物流系统更加适应物流需求的变化。而数据挖掘技术，以其强大关联、分类、预测等功能，可将医院物流系统运行过程中产生的信息数据进行有效整合处理，为改善医院物流系统运行效率提供依据。
数据挖掘技术已经在商业、金融业、保险业、电信业等多个领域开始得到应用，取得了令人满意的效果。但我国物流企业在数据挖掘应用方面还处于起步阶段，经验不足，应用实践在国内物流企业中还并不多见，所以有很大的改良空间。
本文研究了基于数据挖掘技术的医院物流管理和优化问题，从而提高医院运行效率，缓解医疗资源紧张提供了技术支持。
1、医院物流现状
医院物流是物流领域中较为复杂的一个分支，分外部物流和楼内物流，前者经历过几轮的升级换代已经很成熟；而作为本文重点的后者依靠的是自动化设备，在国内却是直到近几年才受到高度重视并有了较大的发展。其实医院楼内物流在现代医院管理和运营中的地位很重要，涵盖了医院所有部门日常工作和管理活动，如传输（病历、医生处方、检验报告单、医疗收费单据和账目等）；配送（药品、药械、器材、无菌医用材料、手术器械等）；送达（化验标本、病理标本等）。国外发达国家的医院十分重视物流管理。根据2001年法国和美国联合抽样调查，在美国有98.6%的医院设立“物流部”或“物料管理部”；在法国，这个比例也有31.4%。因此，物流效率的高低，直接影响着医疗成本。出于政府、公众和市场的压力，医疗产业正专注于降低成本，提高利润。而优化医疗供应链，加强医院物流管理，是重要战略之一。
现阶段我国医院物流主要的方式是“专职递送队伍+多部电梯”，引进现代化物流系统的比例不到5%，远落后于发达国家水平。而且目前医院使用的物流系统大多都是进口设备，很多方面的技术都是国外厂家掌握着，比如物流系统运行记录，后期完全可以用来分析医院的物流需求并对软件优先级做调整，但大多数厂家并没有这方面的怎么写作。因此对记录的数据进行有效的利用，了解其中的规律对医院物流效率的提高和后期维护有着很重要的作用。
2、数据挖掘的原理
数据挖掘（Data Mining）就是从大量的、不完全的、模糊的、随机的实际应用数据中，提取隐含在其中的、潜在有用的信息和知识的过程。是一种深层次的数据分析方法，它不仅仅局限于对数据的查询和访问，主要在于找出数据之间潜在的联系。数据挖掘主要分5步骤：
（1）定义问题。对目标有一个可行、清晰和明确的定义，即决定到底想干什么，有效的问题定义应该包含一个对结果进行衡量的标准。
（2）建立用于挖掘的数据库，包括收集数据、维护数据库等工作。
（3）分析和准备数据，根据问题的定义，对数据库中的字段变量、记录进行筛选，剔除不合理的记录和无关的字段，根据现有的变量进行转换，生成新的变量和字段。
（4）建立模型。模型的建立过程主要是选择一定的挖掘算法来处理数据，在现代医院物流系统中主要使用的是关联规则模型[3]，主要反映一个事物和其他事物之间的依赖或关联。
（5）结果的表达和解释。对数据挖掘发现的模式进行解释和评价，过滤过有用的知识呈现给使用者。
3、数据挖掘在现
中专毕业论文www.udooo.com
代医院物流系统中的应用医院物流系统记录每天的所有事件，信息量较大，但医院以往都只是保存下来备份，从没有去进行数据挖掘利用。而随着物流系统越来越多的出现在医院中，使用数据挖掘技术分析系统记录，对提高医院运行效率和管理水平具有重要的意义[4]。
下面这个列表是运行数据的摘要，一般医院物流系统每天运行2000次左右，记录包括每次发出、到达和确认，每天合计会产生5000条左右的信息记录。
物流系统的记录中有3个因素最为重要：日期（时间）、控制区域（BT站点）、事件发生设备（运载小车）。虽然我们可以根据医院各自不同的结构特点来提前设置站点和车辆的优先级、归属地等，但与实际总是有出入的。但从系统运行记录中我们可以得到在不同时段的系统负荷，不同时段的站点和小车运行次数，以及全天的运行量。结合三者的关系我们可以对系统进行优化，针对不同时间段来分配不同站点的优先级，这样可以让系统对优先级高的站点分配更多的资源[5]。
我们首先从表1的数据中筛选出关键的三个参数日期、控制区域、事件发生设备，然后把一天分成四个时间段，再用Apriori算法来进行关联规则，得到的部分挖掘结果如图1所示。
Bt 201代表病案室工作站点，结果显示从早上6点到晚上18点，病案室的运输量最大，根据以往经验医院是静脉配置中心的运输量最大，因此我们要根据长时间积累的数据结果对系统进行优化修改，当然还有不同时间段中，高负荷站点不同的情况，那么就可以在系统中设定不同时段的站点优先级，通过变更站点的优先级来加快各功能科室（例中的病案室）的物品传输效率，也就优化了医疗流程，
4、结语
数据挖掘作为一门新兴的多科学交叉的技术还处于初级发展时期，我国的医院物流在数据挖掘应用方面更是起步阶段，经验不足，应用实践的案例还很少，但随着数据挖掘研究的深入开展，数据挖掘技术方法的不断改进和完善，以及使用者追求高效愿望的增强，将会有越来越多的物流系统企业开展数据挖掘，数据挖掘技术在医院物流领域也将会有更加广阔的前景。
参考文献
阎子刚.物流信息技术[M].北京：高等教育出版社，2003.
陈安，陈宁，周龙骧等.数据挖掘技术及应用[M].北京：科学出版社，2006.
[3]杜明义，吉祥寿，郭达志等.基于空间数据仓库的数据挖掘[J].计算机工程与应用，2000（11）.
[4]钟晓，马小平，张钹等.数据挖掘综述[J].模式识别与人工智能，2001（3）.
[5]魏新军.数据挖掘物流企业提升竞争力的利器[J].中国储运，2008（3）.