Escolar Documentos
Profissional Documentos
Cultura Documentos
JULIANO KOCHHANN
Canoas, RS
2022
JULIANO KOCHHANN
Canoas, RS
2022
2
Abstract: Organizing a storage with known seasonality and scheduled demand is not
easy, but when it comes to a volatile environment with a heterogeneous public, and
with little or no seasonality, the difficulty becomes worrying. Believing that technology
should be used to facilitate jobs with high mathematical demand and volume of data,
this article proposes to develop a tool that can automate the management of
inventories in the hospital pharmacy, forecasting the demand for supplies. I attribute
the importance of the success of this research / development to the high degree of
dependence on hospital institutions for good management in this area, since it has
an impact on both financial management and care results.
1 INTRODUÇÃO
2 FUNDAMENTAÇÃO TEÓRICA
3 METODOLOGIA
4 DESENVOLVIMENTO
Para avaliar a utilização do algoritmo não foi possível trabalhar com dados
reais, pois estes não foram autorizados pelo Comitê de Ética em Pesquisa da
Universidade Federal do Rio Grande do Sul (UFRGS) e do Hospital de Clínicas de
Porto Alegre (HCPA). Em razão disso, o estudo faz uso de uma base de dados
bastante recorrente em testes práticos envolvendo séries temporais. Trata-se de um
registro mensal de passageiros em voos, no período entre 01/1949 e 12/1960. O
mencionado registro foi escolhido por apresentar características semelhantes ao
ambiente alvo, como a sazonalidade e a temporariedade, e ser uma sequência
consistente, por se tratarem de dados reais, embora de um universo diferente.
A sequência de execução da coleta de dados será descrita a seguir, com
imagens e o código de teste executado.
15
5 RESULTADOS
6 CONCLUSÃO
podendo, com o devido tempo e dados reais, chegar-se a cenários ainda mais
assertivos.
Portanto, este trabalho atinge seu objetivo principal que é encontrar um
algoritmo, ou conjunto de ferramentas computacionais, capaz de antecipar a
demanda por medicamentos.
Como possibilidades, ao implementar uma ferramenta desse tipo, pode-se
vislumbrar ainda a automatização dos abastecimentos, bem como relatórios de
desempenho das farmácias. A partir destas análises pode-se reduzir vícios de
processos e compras em quantidades desnecessárias, o que abriria campo para
novos estudos, que visem melhor qualidade do gasto público e do atendimento à
população, utilizando meios comprovados cientificamente para apoiar as decisões
que são tomadas com base exclusivamente em conhecimento.
21
REFERÊNCIAS
FILHO, M. Como criar um modelo simples para prever séries temporais usando
Machine Learning em Python. In: Mario Filho | Machine Learning. [S. l.], 29 nov.
2019. Disponível em:
https://www.mariofilho.com/como-criar-um-modelo-simples-para-prever-series-
temporais-usando-machine-learning-em-python/. Acesso em: 03 set. 2020.
GONÇALVES, L. Características das séries temporais. In: Statplace. [S. l.], [2020?].
Disponível em: https://operdata.com.br/blog/caracteristicas-das-series-temporais/.
Acesso em: 10 set. 2020.