LEVERAGING LOGISTICS 4.0 FOR DEVOLOPING A FULLY AUTOMATIC AND INTEGRATED INVENTORY AND REPLENISHMENT SYSTEM FOR HOSPITALS

Abstract

La gestion de la chaine logistique hospitalière a connu des améliorations importantes au fil du temps. De nos jours, elle atteint un niveau d’amélioration très remarquable, généralement grâce à l’utilisation des nouvelles technologies. Cela a permis d’atténuer les problèmes de gestion de la chaîne logistique hospitalière et d'améliorer la réponse des hôpitaux à la demande de soins croissante. Cependant, l'évolution de la vie humaine (stress, nombreux accidents, suicides, attaques terroristes, etc.) et du monde (des catastrophes naturelles plus fréquentes à cause du réchauffement climatique) ainsi que la croissance populaire soulèvent de nouveaux défis pour la gestion de la chaîne logistique hospitalière. En plus d'une activité quotidienne difficile et volatile, les incidents de masse (pandémies et catastrophes) perturbent souvent la gestion de la chaîne logistique. Cela exacerbe les problèmes existants et rend la capacité des hôpitaux largement dépassée par la demande. La pandémie actuelle « Covid-19 » en est un bon exemple. En fait, la gestion de la chaîne logistique hospitalière n’a pas encore atteint un niveau de flexibilité et d’anticipation élevé pour maîtriser la volatilité de l’environnement hospitalier. Après avoir examiné l’état de l’art et de la pratique sur la gestion de la chaîne logistique hospitalière, il s’avère que des problèmes sérieux subsistent malgré les améliorations importantes. Ces problèmes sont liés aux sujets suivants : les systèmes de gestion d’inventaire et d’approvisionnement, les politiques de réapprovisionnement, l'automatisation de la logistique hospitalière, et les systèmes de prévision. Nous avons effectué une revue exhaustive de l'état de l'art et de la pratique pour chaque sujet afin d'identifier les lacunes permettant aux problèmes extraits d'exister et faisant que la gestion de la chaîne logistique hospitalière manque de la flexibilité et de l’anticipation en cas d’une hausse de demande (par exemple le cas des catastrophes naturelles). Les lacunes identifiées qui constituent la motivation principale de nos travaux de recherche sont les suivantes : - Un système d'inventaire et d’approvisionnement automatisé qui pourrait être intégré dans tous les services comportant un stock de produits médicaux. - Une politique de réapprovisionnement simple, valable pour une large gamme de produits médicaux, qui fonctionne en temps réel avec des réapprovisionnements immédiats et offre une gestion proactive et flexible. - Une stratégie qui vise à exploiter pleinement les systèmes automatiques mise en œuvre dans les hôpitaux et de les intégrer dans tous les services comportant un stock de produits médicaux. - Des systèmes de prévision appropriés pour la consommation des produits médicaux dans les hôpitaux en cas d'incidents de masse, ayant une capacité d'apprentissage autonome et d'autres caractéristiques (réponse rapide, dynamique, et pratique) pour une meilleure précision et performance. Les hôpitaux utilisent plusieurs méthodes/ systèmes d'inventaire et d’approvisionnement en même temps en fonction des caractéristiques de chaque service et catégorie de produits médicaux. Les systèmes automatiques ne sont utilisés que dans certains services d'urgence et pour les produits-médicaux coûteux en raison de leur coût d'investissement élevé. Les autres services fonctionnent avec des systèmes moins efficaces. Par conséquent, de nombreux problèmes continuent d'exister en plus d’une gestion globale hétérogène et une disparité de performancevi entre les services. En outre, les hôpitaux adoptent simultanément de nombreuses politiques de réapprovisionnement en fonction des caractéristiques des services, des catégories des produits-médicaux, et des contraintes de coûts. Cela nécessite la gestion et le contrôle d'un grand nombre de paramètres rendant fastidieuses les politiques de réapprovisionnement adoptées dans les hôpitaux. Ainsi, la gestion de ces politiques épuise les infirmières et réduit le temps consacré aux soins des patients. Par ailleurs, les politiques utilisées après la mise en place des systèmes automatiques ne fonctionnent pas en temps réel avec des réapprovisionnements immédiats - même en cas du contrôle continu. En plus, elles n'offrent pas une gestion proactive qui augmente la flexibilité du système en cas d'incidents de masse. Par exemple, lorsque le nombre des commandes de réapprovisionnement est élevé à cause d'une catastrophe, leurs priorités sont gérées selon la politique du premier-entré-premier-sorti avec priorité aux produits-médicaux en rupture de stock (la politique FIFO-POSM). Cependant, cette politique n’est pas flexible avec les variations aléatoires de la consommation des produits-médicaux et manque d'anticipation menant à de nombreuses ruptures de stock. La hausse de la demande de soins (par exemple le cas des catastrophes) montre que les systèmes automatiques mise en œuvre dans les hôpitaux ne sont pas bien exploités vue les nombreux problèmes (la surpression en travail et le manque des ressources) qui continuent à se produire. Après avoir examiné l'état de l'art et de la pratique sur l'automatisation de la logistique hospitalière, il s'avère que les systèmes automatiques mise en œuvre ne sont pas pleinement exploités et largement intégrés dans les processus logistiques de l’hôpital. Cette automatisation ne couvre que quelques tâches/ services laissant les infirmières en charge de la gestion de la logistique et produisant un grand espace de stockage et des problèmes d'inventaire et d’approvisionnement. En fait, les systèmes automatiques adoptés ne sont pas mise en place selon une stratégie qui prudemment (à propos de la sécurité des patients) vise un niveau élevé d’automatisation de la logistique et son intégration dans l’hôpital, tout en se basant sur des systèmes et des politiques de gestion appropriés qui devraient la rendre plus efficace et rentable. Par ailleurs, l'automatisation de la logistique hospitalière et son intégration dans l’hôpital nécessitent des systèmes de prévision développés et précis tels que les systèmes de prévision intelligents. Les chercheurs proposent une variété de modèles prédictifs basés sur l’intelligence artificielle pour prédire la consommation des produits médicaux dans le cas de l'activité hospitalière quotidienne. Cependant, ils n’abordent pas le cas des incidents de masse (les catastrophes) qui n'a pas les mêmes caractéristiques et les mêmes exigences que le cas de l’activité quotidienne. Nous proposons quatre contributions pour combler les lacunes identifiées. Nous avons effectué une analyse comparative des systèmes d'inventaire et d’approvisionnement les plus utilisés dans les hôpitaux pour sélectionner les plus efficaces. Cette analyse montre que le système « RFID-enabled Two-Bin » et les systèmes de distribution automatiques sont les plus efficaces. Le système « RFID-enabled Two-Bin » est facile à mettre en place dans tous les services comportant un stock de produits médicaux et il est moins coûteux par rapport aux systèmes de distribution automatiques. Nous avons donc choisi ce système mené d’un système de transport automatique (convoyeurs) pour proposer une politique de gestion d’inventaire et d’approvisionnement simple et proactive. Cette politique permet une gestion proactive des priorités des commandes de réapprovisionnement, qui est flexible avec les variations aléatoires de la consommation des produits médicaux et anticipe les ruptures de stock. La politique proposée est évaluée par rapport à la politique FIFO-POSM par modélisation et simulation via les réseaux de Pétri colorés et temporisés. Les résultats de simulation montrent son efficacité ; les ruptures de stock des produits médicaux et leurs durées d'indisponibilité sont réduites de 54,24% et 52,06% pendant dix jours d’une manifestation publique. Nous avons exploité cette contribution afin de proposer une stratégie pour concevoir unvii système entièrement automatisé et intégré pour la gestion d’inventaire et d’approvisionnement des produits médicaux dans les hôpitaux. Ce système est construit de technologies récentes et efficaces : une nouvelle version de la technologie « Box-Picker » dans la pharmacie centrale, des « Gravity-Flow-Racks » qui sont automatiques et intelligents (AGFRs) pour gérer le stock des unités de soins, et le système « RFID-enabled Two-Bin » pour gérer le stock du « Box-Picker » et des AGFRs. En plus, ce système comporte des convoyeurs à bande transporteuse pour le transport automatique des bacs de stockage (‘bins’) entre le « Box-Picker » et les AGFRs. La gestion et le contrôle du système proposé sont assurés par un système informatique intégré qui fonctionne en temps réel. Le système proposé est évalué par modélisation et simulation dans un hôpital virtuel en charge d’un incident de masse (incendie). Les résultats de la simulation montrent une réduction considérable des ruptures de stock et de l'espace de stockage. En outre, les infirmières sont libérées des tâches logistiques. Le pourcentage moyen de réduction des durées d'indisponibilité des produits médicaux (produits médicaux en rupture de stock) est 99,98% dans la pharmacie centrale et 90,47% dans les unités de soins. Un tel système automatique et intégré doit être renforcé par des modèles de prévision développés et précis ayant une capacité d'apprentissage autonome. Nous avons identifié les modèles de prévision d’intelligence artificielle appropriés pour prédire la consommation des produits médicaux dans un hôpital en cas d'incidents de masse. Ces modèles sont les réseaux de neurones artificiels, les réseaux de neurones récurrents, « Adaptive Neuro-Fuzzy Inference System (ANFIS) », et « Fuzzy Inference System » avec des algorithmes d'apprentissage. Parmi ces modèles, l'ANFIS est le plus approprié pour prédire la consommation des produits médicaux dans un hôpital universitaire suite à un incendie, avec une erreur moyenne égale à 0,0107176 et une précision moyenne égale à 98,46%.