Kan bankalarında talep tahmini ve stokastik stok yönetimi

Hastalıklar, ameliyatlar veya yaralanmalar nedeniyle her gün binlerce insan kan nakline ihtiyaç duymaktadır. Bu nedenle hastanelerden gelen kan talebini karşılayan kan bankalarının doğru miktarda kan bulundurması hayatî bir önem taşımaktadır. Kan bankası stoklarında gereğinden az miktarda kanın bulundurulması ihtiyacın karşılanamaması ve can kaybı gibi önemli sorunlar oluştururken, fazla miktarda kanın stoklanması ise kanın bozulmasına ve kan ihtiyacı olan farklı hastanelerin stoksuz kalma durumunu ortaya çıkmaktadır. Bu nedenle optimum miktarda kanın stoklarda bulundurulması gerekmektedir. Ayrıca kan bankası toplam maliyetinin de minimum olması istenmektedir. Bu çalışmada kan bileşenlerine ait talep miktarları optimum düzeyde tahmin edecek ve kan bankasının toplam maliyeti en aza indirecek stokastik bir stok modeli oluşturulması amaçlanmıştır. Geliştirilen model beş aşamadan oluşmaktadır. Modelin ilk aşamasında, talep edilecek kan bileşeni miktarına etki edeceği düşünülen değişkenlerin belirlenmesi amaçlanmştır. İkinci aşamada; talep edilecek kan bileşeni miktarı yapay zeka tabanlı tahmin yöntemleri olan; ridge regresyon, gradyan artırma ağacı, derin öğrenme, karar ağaçları, destek vektör makineleri, rassal orman ve yapay sinir ağı yöntemleri kullanılarak tahmin edilmiştir. Üçüncü aşama da ise en iyi tahmin sonucunu veren yöntem, istatistiksel performans kiterleri ile belirlenip; dördüncü aşamada elde edilen talep tahmini sonuçları; (s,Q), (s,S), (R,S) ve (R,s,S) stokastik stok modellerinde girdi olarak kullanılmıştır. Stokastik stok modelleri ile verilecek siparişin büyüklüğü, zamanı ve modelin sürekli mi yoksa periyodik olarak mı takip edileceği belirlenmektedir. Son olarak beşinci aşamada ise geliştirilen maliyet modeli ile en düşük maliyeti veren stokastik stok modeli belirlenmiştir. Geliştirilen modelin uygulanabilirliği; Eskişehir, Afyonkarahisar, Kütahya ve Bilecik'te faaliyet gösteren kamu ve özel hastanelere kan bileşeni tedariği sağlayan Orta Anadolu Bölge Kan Merkezi'nde incelenmiştir. Uygulama sonunda en düşük ortalama eksik ve fazla stok ile minimum toplam maliyete sahip modelin destek vektör makinasını baz alan (s,S) stokastik stok modeli olduğu görülmüştür.