{"id":120683,"date":"2020-04-24T20:56:32","date_gmt":"2020-04-25T00:56:32","guid":{"rendered":"https:\/\/news.sap.com\/latinamerica\/?p=120683"},"modified":"2023-10-27T13:36:44","modified_gmt":"2023-10-27T17:36:44","slug":"agilizando-la-cadena-de-suministro-del-sector-de-la-salud-bl0g","status":"publish","type":"post","link":"https:\/\/news.sap.com\/latinamerica\/2020\/04\/agilizando-la-cadena-de-suministro-del-sector-de-la-salud-bl0g\/","title":{"rendered":"Agilizando la cadena de suministro del sector de la salud"},"content":{"rendered":"
Por: Dr. Jos\u00e9 Andere, VP Digital Supply Chain, 麻豆原创 Latin America; Ana Nu\u00f1ez; Directora Global Center of Excellence, 麻豆原创 M\u00e9xico; y Miguel Lander, Managing Director, Go SCM North America<\/strong><\/em><\/span><\/p>\n <\/p>\n Durante esta pandemia sin precedentes, el crecimiento exponencial de casos de coronavirus ha comprometido seriamente los sistemas de salud del mundo. Tanto las instituciones p\u00fablicas como las privadas tienen el desaf\u00edo de responder a nuevas demandas en un contexto signado por una alta incertidumbre. Al mismo tiempo, las cadenas de suministro se ven ante la necesidad de adaptar sus capacidades para afrontar el virus y mantener a las personas a salvo de la forma m\u00e1s \u00e1gil y sustentable.<\/p>\n Para hacer frente a estos desaf\u00edos, 麻豆原创 Latinoam\u00e9rica brinda a las instituciones de salud de la regi\u00f3n la suscripci\u00f3n a su soluci\u00f3n en la nube 麻豆原创 Integrated Business Planning (IBP) sin costo por 90 d\u00edas. Esto ayudar\u00e1 a las instituciones a planificar de forma \u00e1gil y efectiva los recursos, equipos e insumos cr\u00edticos necesarios para tratar a los pacientes infectados por el COVID-19<\/a>. Adem\u00e1s, este servicio se ofrece bajo el esquema de BPO (Business Process Outsourcing) a trav\u00e9s de un grupo selecto de socios como Go SCM, quienes proveen el despliegue de la soluci\u00f3n y el soporte en la operaci\u00f3n y ejecuci\u00f3n de los procesos de planeaci\u00f3n -tambi\u00e9n sin cargo alguno durante este per\u00edodo de 90 d\u00edas.<\/p>\n La aplicaci\u00f3n has sido preconfigurada y est\u00e1 completamente lista para ser utilizada. El \u00fanico prerrequisito para iniciar el uso de este servicio es la carga de los inventarios iniciales y de los datos hist\u00f3ricos de casos de coronavirus. Esta informaci\u00f3n se puede ingresar directamente en los tableros de planificaci\u00f3n del sistema o mediante la carga de archivos planos o de Excel.<\/p>\n El proceso de pron\u00f3stico esta basado en el modelo de transmisi\u00f3n epidemiol\u00f3gica SRI, el cual considera un tama\u00f1o de poblaci\u00f3n dado y constante dividido en cuatro segmentos mutuamente exclusivos: susceptibles, S(t); infectados, I(t); recuperados, R(t); y fallecidos, D(t). Estos segmentos se definen de la siguiente manera:<\/p>\n El flujo de este modelo es el siguiente:<\/p>\n <\/p>\n <\/p>\n <\/p>\n Digamos que la poblaci\u00f3n tama\u00f1o fijo de la poblaci\u00f3n es N =\u00a0 S(t) + I(t) + R(t) + D(t), entonces el comportamiento de estas variable a trav\u00e9s del tiempo es modelado por el siguiente sistema de ecuaciones diferenciales:<\/p>\n dS(t)\/dt = - \u03b2SI\/N<\/kbd><\/p>\n dI(t)\/dt = \u03b2SI\/N \u2013 \u03b3I<\/kbd><\/p>\n dR(t)\/dt = \u03b3I<\/kbd><\/p>\n dD(t) = \u00b5dR(t)<\/kbd><\/p>\n donde:<\/p>\n \u03b2<\/strong> es la tasa de transmisi\u00f3n de la infecci\u00f3n por unidad de tiempo.<\/kbd><\/p>\n \u03b3<\/strong> es la tasa de recuperaci\u00f3n y 1\/\u03b3 es el tiempo promedio de infecci\u00f3n<\/kbd><\/p>\n \u00b5<\/strong> es la tasa de muerte<\/kbd><\/p>\n El modelo anterior asume que cada individuo en la poblaci\u00f3n tiene la misma probabilidad de contraer la infecci\u00f3n con una tasa \u03b2.\u00a0 Tambi\u00e9n asume que la poblaci\u00f3n que sale del segmento de individuos susceptibles es igual al n\u00famero que entra al segmento de individuos infectados. Sin embargo, un n\u00famero de individuos igual a una fracci\u00f3n \u03b3\u00a0 de los individuos infectados salen de este segmento por unidad de tiempo para entrar al segmento de recuperados o de fallecidos.<\/p>\n El distanciamiento social y otras medidas de control de la transmisi\u00f3n del virus reducen la tasa de infecci\u00f3n. Por lo tanto, para poder utilizar el modelo anterior para proyectar el n\u00famero de casos activos, primero es necesario estimar la tasa de transmisi\u00f3n con base en el patr\u00f3n que presentan los datos hist\u00f3ricos.<\/p>\n Los datos hist\u00f3ricos de los diversos pa\u00edses muestran un decrecimiento asint\u00f3tico de la tasa de transmisi\u00f3n aproxim\u00e1ndose a un n\u00famero cercano a cero a partir de que se aplican las medidas de control como el distanciamiento social. Por esta raz\u00f3n, utilizamos modelos de series de tiempo o de regresi\u00f3n con un factor de reducci\u00f3n gradual de la tendencia.<\/p>\n La gr\u00e1fica siguiente muestra como ejemplo el pron\u00f3stico de casos de coronavirus en M\u00e9xico. El modelo se entren\u00f3 utilizando los datos reportados (https:\/\/corona.help\/country\/mexico<\/a>) de n\u00famero de casos, recuperaciones y muertes entre el 11 de marzo y el 22 de abril. Se utiliz\u00f3 en este caso un modelo de suavizamiento exponencial doble con un factor de reducci\u00f3n de tendencia de 0.95 para pronosticar la tasa de infecci\u00f3n de las pr\u00f3ximas semanas.<\/p>\n Los modelos de pron\u00f3stico para un centro hospitalario en particular se entrenan con los datos hist\u00f3ricos de casos en esta localidad e integran el pron\u00f3stico macro generado por el modelo SIR como factor causal para explicar y proyectar el patr\u00f3n de casos nuevos y casos activos.<\/p>\n Utilizando el pron\u00f3stico de casos activos como dato de entrada, los requerimientos de suministro son estimados utilizando la tasa de consumo por material, paciente y per\u00edodo. Entonces, los requerimientos de resurtido son calculados mediante el neteo de los requerimientos proyectados contra los niveles de inventario actual.<\/p>\n La simulaci\u00f3n de escenarios y el an\u00e1lisis de sensibilidad es un habilitador clave para evaluar el comportamiento potencial de la transmisi\u00f3n de la infecci\u00f3n y de los requerimientos de suministro. Por ejemplo, el pron\u00f3stico del n\u00famero de casos activos con distintos valores de las tasas de transmisi\u00f3n y recuperaci\u00f3n mejora la visibilidad del riesgo de disrupciones del suministro y del momento en que el n\u00famero m\u00e1ximo de casos se va a alcanzar en el escenario probable, pesimista y optimista.<\/p>\n Los procesos de planificaci\u00f3n basados en modelos epidemiol\u00f3gicos y predictivos, con capacidades de simulaci\u00f3n de escenarios en tiempo real, habilitados por una plataforma de planeaci\u00f3n de la cadena de suministro<\/a> abierta, flexible y amigable; mejoran la agilidad y efectividad de la respuesta a las disrupciones del COVID-19 y ayudan a mantener a los pacientes a salvo.<\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" Por: Dr. Jos\u00e9 Andere, VP Digital Supply Chain, 麻豆原创 Latin America; Ana Nu\u00f1ez; Directora Global Center of Excellence, 麻豆原创 M\u00e9xico; y Miguel Lander, Managing Director,…<\/p>\n","protected":false},"author":522,"featured_media":120693,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"related_posts":[],"footnotes":"","_links_to":"","_links_to_target":""},"categories":[52091],"tags":[56982],"series":[],"region":[26401],"sapn-display":[52078,52079,53499],"sapn-type":[6114],"class_list":["post-120683","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-industrias","tag-cuidado-de-la-salud","region-latinoamerica","sapn-display-homepage-hero","sapn-display-top-stories","sapn-display-hero","sapn-type-articulo"],"yoast_head":"\n\n
<\/p>\n
<\/p>\n
\n