Sistema de soporte a la toma de decisiones en la gestión...

CIS1530AP072015-I-054

Sistema de soporte a la toma de decisiones en la gestión del inventario de medicamentos vigentes para la farmacia general del Hospital Universitario San Ignacio

Jorge Luis Ruge LeivaCamilo Andrés Sierra Niño

PONTIFICIA UNIVERSIDAD JAVERIANAFACULTAD DE INGENIERIA

CARRERA DE INGENIERIA DE SISTEMASCARRERA DE INGENIERIA INDUSTRIAL

BOGOTÁ, D.C.2015

Pontificia Universidad Javeriana Memoria de Trabajo de Grado - Aplicación

CIS1530AP072015-I-054

Sistema de soporte a la toma de decisiones en la gestión del inventario de medica-mentos vigentes para la farmacia general del Hospital Universitario San Ignacio

Autor(es):

Jorge Luis Ruge LeivaCamilo Andrés Sierra Niño

MEMORIA DEL TRABAJO DE GRADO REALIZADO PARA CUMPLIR UNO DE LOS REQUISITOS PARA OPTAR A LOS TITULOS DE INGENIERO DE

SISTEMAS E INGENIERO INDUSTRIAL

Director

Ing. Alexandra Pomares Quimbaya Ph.D.Ing. José Alejandro Páez Rodríguez

Jurados del Trabajo de Grado

-

-

Página Web del Trabajo de Grado

http://pegasus.javeriana.edu.co/~CIS1530AP07/



BOGOTÁ, D.C.Octubre, 2015

Página iPreparado por el Grupo Investigación Istar- Versión 1.0 – 12/03/2008

Ingeniería de Sistemas ISTAR - CIS1530AP07 – 2015-I-054



Rector Magnífico

Jorge Humberto Peláez Piedrahita, S.J.

Decano Facultad de Ingeniería

Ingeniero Jorge Luis Sánchez Téllez

Director de la Carrera de Ingeniería de Sistemas

Ingeniero Germán Alberto Chavarro Flórez

Director Departamento de Ingeniería de Sistemas

Ingeniero Rafael Andrés González Rivera

Director de la Carrera de Ingeniería Industrial

Ingeniero Paulo Alejandro Nieto Barrera

Director Departamento de Ingeniería Industrial

Ingeniero Lope Hugo Barrero Solano

Página ii


Página iiiPreparado por el Grupo Investigación Istar- Versión 1.0 – 12/03/2008


Artículo 23 de la Resolución No. 1 de Junio de 1946

“La Universidad no se hace responsable de los conceptos emitidos por sus alumnos en sus proyectos de grado. Sólo velará porque no se publique nada contrario al dogma y la moral católica y porque no contengan ataques o polémicas puramente personales. Antes bien, que se vean en ellos el anhelo de buscar la verdad y la Justicia”

Página iv


AGRADECIMIENTOS

Primero que todo agradecemos a Dios por habernos brindado la gran oportunidad de haber

estudiado dos valiosas carreras como los son la Ingeniería Industrial y la Ingeniería de Siste-

mas en esta maravillosa universidad, también le damos gracias por la motivación, fortaleza,

inteligencia y sabiduría otorgada en los momentos de prueba y en los momentos de sosiego

para poder culminar nuestros estudios de manera exitosa.

Del mismo modo agradecemos a nuestras familias y a nuestros padres por su gran apoyo para

poder cumplir este sueño de ser ingenieros y habernos dado la posibilidad de vivir las grandes

experiencias enriquecedoras que conlleva el estudio de dos carreras profesionales.

También le damos gracias a la Universidad, a todos nuestros profesores, en especial a nuestra

directora Ing. Alexandra Pomares, por su constante apoyo y preocupación en nuestro proyec-

to, depositando su confianza en nosotros.

De igual manera, a cada una de las personas que nos acompañaron durante nuestros estudios,

quienes son seres extraordinarios y que nos llenaron de valiosas enseñanzas tanto personales

como profesionales permitiendo enriquecer nuestras vidas.

Página vPreparado por el Grupo Investigación Istar- Versión 1.0 – 12/03/2008


CONTENIDO

CONTENIDO.............................................................................................................VI

ILUSTRACIONES.....................................................................................................IX

TABLAS.......................................................................................................................X

I - INTRODUCCIÓN................................................................................................13

II - DESCRIPCIÓN GENERAL..............................................................................14

1. DIAGNÓSTICO Y PROBLEMÁTICA.....................................................................141.1 Situación Actual – As Is..........................................................................................141.2 Análisis DOFA........................................................................................................171.3 Formulación del Problema.....................................................................................191.4 Justificación del Problema.....................................................................................191.5 Impacto Esperado...................................................................................................20

2 DESCRIPCIÓN DEL PROYECTO................................................................................202.1 Objetivo General.....................................................................................................202.2 Objetivos Específicos..............................................................................................20

3 METODOLOGÍA.......................................................................................................213.1 Diagnóstico.............................................................................................................213.2 Estado del Arte........................................................................................................223.3 Proceso To Be.........................................................................................................223.4 Recolección de Datos..............................................................................................223.5 Preparación de los Datos.......................................................................................223.6 Clasificación de Datos............................................................................................223.7 Técnicas de Minería de Datos................................................................................233.8 Generación de Vistas..............................................................................................233.9 Modelado................................................................................................................233.10 Modelo de Inventarios..........................................................................................233.11 Generación de Alertas..........................................................................................233.12 Evaluación de Indicadores...................................................................................243.13 Diseño y Arquitectura..........................................................................................243.14 Codificación.........................................................................................................243.15 Pruebas.................................................................................................................25

III – MARCO TEÓRICO.........................................................................................26

1. MARCO TEÓRICO Y CONCEPTUAL....................................................................26

2. MARCO CONTEXTUAL – TRABAJOS RELACIONADOS.......................................36

Página vi


2.1 Trabajos Relacionados con la Gestión de Inventarios y la Administración Hospi-talaria432.2 Trabajos Relacionados con la Minería de Datos en la Gestión de Inventarios y en la Administración Hospitalaria.........................................................................................45

IV – DESARROLLO DE LA SOLUCIÓN..............................................................49

1. MODELO PROPUESTO.......................................................................................491.1 Clasificador de Medicamentos...............................................................................491.2 Generador de Cantidades Óptimas de Pedido.......................................................501.3 Generador de Medicamentos Próximos a Vencer..................................................511.4 Evaluador de Indicadores.......................................................................................51

2. PROTOTIPO DE SOFTWARE...............................................................................522.1 Análisis y Diseño.....................................................................................................542.2 Casos de Uso...........................................................................................................542.3 Requerimientos.......................................................................................................562.4 Modelo Entidad – Relación....................................................................................582.5 Lenguaje de Programación y Framework usado....................................................612.6 Arquitectura............................................................................................................632.7 Funcionalidades y aspectos técnicos del sistema prototipo...................................662.7.1 Pestaña Login y Pestaña Administración de Usuarios........................................672.7.2 Pestaña Importar Datos.......................................................................................672.7.3 Pestaña Análisis de datos.....................................................................................682.7.4 Pestaña Próximos a vencer..................................................................................692.7.5 Pestaña Indicadores de Inventario.......................................................................692.8 Pruebas...................................................................................................................702.9 Repositorio y Manejo de Versiones........................................................................71

3. EVALUACIÓN FINANCIERA DEL PROYECTO......................................................72

V – CASO DE ESTUDIO..........................................................................................76

1. PROCESO PROPUESTO – TO BE........................................................................76

2. APLICACIÓN DEL MODELO EN EL CASO DE ESTUDIO......................................782.1 Clasificador de Medicamentos...............................................................................782.2 Generador de Cantidades Óptimas de Pedido.......................................................792.3 Generador de Medicamentos Próximos a Vencer..................................................892.4 Evaluador de Indicadores.......................................................................................90

VI – RESULTADOS Y REFLEXIONES................................................................93

VII – CONCLUSIONES............................................................................................96

1. ANÁLISIS DE IMPACTO DEL DESARROLLO.......................................................961.1 Impacto Administrativo...........................................................................................961.2 Impacto Económico................................................................................................961.3 Impacto Social........................................................................................................96

Página viiPreparado por el Grupo Investigación Istar- Versión 1.0 – 12/03/2008


2. CONCLUSIONES Y TRABAJO FUTURO...............................................................96

VIII- REFERENCIAS Y BIBLIOGRAFÍA............................................................99

IX - ANEXOS...........................................................................................................105

Página viii


ILUSTRACIONES

Ilustración 1: “Proceso General de Gestión de Inventarios de Medicamentos del H.U.S.I.".15

Ilustración 2: “Proceso de Generación de Conocimiento con Minería de Datos” [5]..........27

Ilustración 3: “Modelo de Inventarios de Periodo Fijo” [9]..................................................31

Ilustración 4: “Modelo de Inventarios de Cantidad de Pedido Fija”[9]................................32

Ilustración 5: “Tipos de Pronóstico” [11]..............................................................................33

Ilustración 6: "Modelo Propuesto y Sus Componentes"..........................................................49

Ilustración 7: “Diagrama de Casos de Uso del Sistema Complemento”................................55

Ilustración 8: “Modelo Entidad Relación”.............................................................................59

Ilustración 9: “Contenido Tabla User”...................................................................................61

Ilustración 10: “Los Mejores 15 Frameworks Libres en PHP” [38]......................................62

Ilustración 11: “Diagrama de Despliegue del Sistema”.........................................................65

Ilustración 12: “Redefinición del Proceso de Gestión de Inventarios de Medicamentos – To Be”...........................................................................................................................................76

Ilustración 13: “Redefinición del Proceso de Solicitud de Medicamentos por la Jefatura”. .77

Ilustración 14: “Proceso Promedios Móviles Simples en Rapid Miner”................................82

Ilustración 15: “Parámetros del Proceso de Promedios Móviles Simples en Rapid Miner”. 83

Ilustración 16: “Proceso del Modelo de Ajuste de Tendencia en Rapid Miner”....................84

Ilustración 17: “Proceso Redes Neuronales en Rapid Miner”...............................................84

Ilustración 18: “Parámetros del Proceso del Modelo de Ajuste de Tendencia”....................85

Ilustración 19: “Proceso de Reglas de Asociación en Rapid Miner”.....................................87

Ilustración 20: "Costos de Almacenamiento por Unidad - Año 2014.....................................91

Ilustración 21: "Índice de Rotación de Medicamentos - Año 2014"........................................92

Página ixPreparado por el Grupo Investigación Istar- Versión 1.0 – 12/03/2008


TABLAS

Tabla 1: “DOFA del Sistema de Gestión de Inventarios de Medicamentos del H.U.S.I.”.....18

Tabla 2: “Diferencia Entre el Modelo Q y el Modelo P” [9].................................................30

Tabla 3: “Trabajos Relacionados”..........................................................................................42

Código Actor Actor Descripción

A01 Usuario General

El usuario general es aquel actor que se encuentra dentro del equipo de la Farmacia del Hospital San Ignacio (40 personas

aproximadamente) y que influye en el manejo del inventario de los medicamentos.

A02 Administrador

El administrador es considerado como un Usuario General, pero tiene opciones y tareas privilegiadas como el registro a un

usuario nuevo, la modificación de un usuario ya existente. Y es el encargado de ejecutar el archivo de RapidMiner para generar información adicional usando la minería de datos, al igual que

importar el resultado a la aplicación web. Tabla 4: “Definición de Actores”......................................................................................................54

Tabla 5: “Descripción General Casos de Uso”......................................................................56

Tabla 6: “Requerimientos del Sistema”..................................................................................57

Tabla 7: “Contenido de las Tablas del Sistema”....................................................................60

Tabla 8: “Descripción de los Atributos de la Tabla User”.....................................................61

Tabla 9: “Características del Framework Yii 2” [19]............................................................63

Tabla 10: Comparación y resultado de pruebas en relación a lo deseado.............................71

Tabla 11: "Costos del Proyecto"..............................................................................................73

Tabla 12: "Beneficios del Proyecto"........................................................................................74

Tabla 13: "Retorno de la Inversión de Proyecto"....................................................................75

Tabla 14: “Resultados Clasificación ABC”............................................................................78

Tabla 15: “Vista Series de Tiempo”........................................................................................79

Tabla 16: “Medicamento Para el Cálculo de la Cantidad Óptima de Pedido”......................80

Página x


Tabla 17: “Demanda del Medicamento RituximAB Sol Iny 500 mg - Años 2012-2014”.......80

Tabla 18: “Pronóstico y Error Metodología Pronóstico H.U.S.I. - Año 2014”.....................82

Tabla 19: “Pronóstico y Error Metodología Pronóstico Promedios Móviles Simples - Año 2014”........................................................................................................................................83

Tabla 20: “Pronóstico y Error Metodología Ajuste de Tendencia con Redes Neuronales - Año 2014”................................................................................................................................85

Tabla 21: “Datos para la Aplicación de la Técnica de Reglas de Asociación”.....................86

Tabla 22: “Tabla de Resultados 1 de la Técnica de Reglas de Asociación”..........................87

Tabla 23: “Tabla de Resultados 2 de la Técnica de Reglas de Asociación”..........................88

Tabla 24: “Cálculo del Q Óptimo Para el Medicamento RituximAB Sol Iny 500 mg - Año 2014”........................................................................................................................................89

Tabla 25: “Tabla de Resultados de la Identificación de Vencimiento del Medicamento Salbu-tamol Sulfato Aer 100 Mg - Año 2014”...................................................................................90

Tabla 26: “Costo de Almacenamiento por Unidad - Año 2014”............................................91

Tabla 27: “Índice de Rotación de Medicamentos - Año 2014”...............................................92

Página xiPreparado por el Grupo Investigación Istar- Versión 1.0 – 12/03/2008


ABSTRACT

This paper describes the development of the support system for decision making in the man-

agement of the inventory of medications for general pharmacy from “Hospital Universitario

San Ignacio” (HUSI).

For this project the authors focused on three main axes: 1. Development of a diagnosis of the

current process of inventory management of medications from “Hospital Universitario San

Ignacio”: where the process is described and a SWOT analysis is presented to identify strate -

gies to improve inventory management of the hospital, 2. Development of inventory manage-

ment model: at this point the proposed inventory management model for the hospital is de-

fined 3. Prototype Software Development: where the features of the developed software are

described. After that, the proposed model was applied to a case study and finally, the results

and conclusions of the project were presented.

RESUMEN

Este trabajo de grado describe el desarrollo del sistema de soporte a la toma de decisiones en

la gestión del inventario de medicamentos vigentes para la farmacia general del Hospital

Universitario San Ignacio (HUSI).

Para la realización de este proyecto los autores se enfocaron en tres ejes principales: 1. Elabo-

ración de un diagnóstico del proceso actual de gestión de inventarios de medicamentos vigen-

tes del Hospital Universitario San Ignacio: en donde se describe el proceso y se presenta un

análisis DOFA para la identificación de estrategias de mejora en la administración de inventa-

rios del hospital, 2. Desarrollo del modelo de gestión de inventarios: en este punto se define

el modelo propuesto para la administración de inventarios del hospital, por último 3. Desarro-

llo del prototipo de Software: en donde se describen las características del software elabora-

do. Luego de esto se aplicó el modelo propuesto a un caso de estudio y finalmente se presen-

taron los resultados y conclusiones del proyecto.

Página xii

Pontificia Universidad Javeriana Memoria de Trabajo de Grado - Práctica

I - INTRODUCCIÓN

Este documento tiene como propósito presentar los diferentes objetivos, la metodología em-

pleada y el desarrollo del sistema que contribuye a apoyar la toma de decisiones en la admi -

nistración del inventario de medicamentos vigentes de la farmacia general del H.U.S.I, ha-

ciendo uso de diferentes herramientas de ingeniería y su enriquecimiento con el uso de técni -

cas de minería de datos.

A continuación se pueden observar las diferentes secciones de este documento y una descrip-

ción de las mismas:

Descripción del proyecto: esta sección incluye la definición general del proyecto, el diag-

nóstico del proceso llevado actualmente en el H.U.S.I para la gestión de inventarios, la identi-

ficación de problemas y la metodología utilizada para el desarrollo del proyecto.

Marco Teórico: define los principales conceptos teóricos utilizados en el desarrollo del pro-

yecto y los trabajos relacionados analizados para desarrollar este proyecto

Desarrollo de la Solución: presenta el modelo propuesto para la solución del problema plan-

teado involucrando el sistema prototipo desarrollado.

Caso de Estudio: se presenta un caso de estudio en el que se aplica el modelo propuesto para

el desarrollo del proyecto.

Resultados y Reflexiones: esta sección contiene los resultados generales y las reflexiones

generadas del desarrollo del proyecto.

Conclusiones: se presentan las diferentes conclusiones, el impacto del desarrollo del proyec-

to y la manera en que la continuación de este estudio permite alcanzar logros adicionales que

aporten a la temática planteada en este trabajo

Página 13

Preparado por el Grupo Investigación Istar- Versión 1.01 – 12/03/2008


II - DESCRIPCIÓN GENERAL

1. Diagnóstico y Problemática

Para lograr identificar la principal problemática del H.U.S.I en cuanto a la gestión de inventa-

rios de medicamentos vigentes, fue necesario realizar un diagnóstico del estado actual del

sistema utilizado para administrarlo. Este diagnóstico incluye dos fases: 1. Conocimiento del

proceso actual de administración de inventarios (AS-IS) y 2. Análisis DOFA para la defini-

ción de la situación actual respecto a características internas y externas que involucran el

proceso de gestión de inventarios.

1.1 Situación Actual – As Is

En la ejecución de la fase de entendimiento y diagnóstico, se tuvo la necesidad de conocer el

funcionamiento del control del inventario de la Farmacia y los diferentes roles que intervie-

nen en este. Estos roles son la jefatura de la farmacia, el área de compras, la bodega principal

y las diferentes farmacias satélites que tiene el hospital, teniendo en cuenta además las tareas

realizadas por cada rol.

La jefatura de la farmacia está conformada por Alma Tietbohl y Andrés Ramírez, químicos

farmacéuticos, quienes se encargan principalmente del control y solicitud de medicamentos a

externos y todo el manejo que conlleva los medicamentos dentro de la farmacia.

La bodega principal está conformada por jefes, regentes y auxiliares que se encargan en con-

junto con la jefatura del control de inventario y la dispensación de medicamentos a diferentes

puntos.

Las farmacias satélites (Central – H.U.S.I. – CJO - Salas), son diferentes puntos de recepción

y almacenamiento igual que la bodega principal, pero de menor proporción y tamaño. Estas

farmacias están encargadas de dispensar medicamentos a distintos puntos del hospital y se

encuentran ubicadas estratégicamente para lograr una correcta distribución de medicamentos

en todo el H.U.S.I.

Página 14


Teniendo en cuenta esto, se realizó un primer acercamiento con el hospital empleando entre-

vistas estructuradas que permitieran tener información más detallada de cómo era el proceso.

Estas entrevistas fueron hechas a Andrés Ramírez planteando una metodología en estructura

por embudo. Las preguntas detalladas de la entrevista se encuentran en el Anexo #1 Entrevis-

ta a Andrés Ramírez – Químico Farmacéutico – H.U.S.I.

El modelo BPMN para el proceso general es como se denota en la siguiente imagen:

Ilustración 1: “Proceso General de Gestión de Inventarios de Medicamentos del H.U.S.I."

El proceso de gestión de inventarios comienza bajo un inicio múltiple en donde el sub-proce-

so “Control Periódico de Inventario” (Bodega) es iniciado alternamente con el subproceso

“Solicitud de medicamentos por la farmacia satélite” (Farmacia satélite).

Este proceso a grandes rasgos, se desenvuelve en la bodega de la farmacia general y en las

farmacias satélites para el manejo, almacenamiento, control, generación de reportes y pedido

de medicamentos necesarios para el hospital.

Página 15



A través del flujo que se evidencia en la gráfica, se pude denotar los subprocesos para abaste-

cer a las farmacias (satélites y general) y así mismo dispensar a diferentes puntos de acuerdo

a la necesidad, para de último realizar un conteo de inventario y control sobre los consumidos

y almacenados en bodega.

Los demás subprocesos se encuentran diagramados igualmente en BPMN y se encuentran en

el Anexo #2 Diagramas Situación Actual Farmacia H.U.S.I- AsIs.

Por último, es importante mencionar, que gracias a este análisis se identificaron una serie de

problemas que se presentan a continuación:

No se tiene un sistema/herramienta de pronósticos que ayude a determinar las pro-

yecciones mensuales y así pedir al proveedor de manera más precisa.

Se debe hacer una depuración manual sobre una “proyección” de la demanda de me-

dicamentos generada por el sistema SAHI.

No se tiene control ni certeza sobre máximos y mínimos, generando sobreabasteci-

miento y desabastecimiento.

No se sabe en qué momento y qué cantidad de medicamento se debe pedir al provee-

dor, sino todo es un proceso manual en donde un auxiliar hace un barrido de la bode-

ga y mira qué medicamento tiende a cero.

No se sabe con exactitud cuál debe ser el inventario de emergencia.

Se genera pérdida de medicamentos, debido a que no se tiene control ni avisos sobre

la fecha de vencimiento de estos.

Se genera pérdida de medicamentos, debido al no control sobre la rotación del inven-

tario.

No se tiene congruencia de información, es decir las existencias disponibles en bode-

ga no concuerdan con las existencias registradas en el sistema SAHI.

Página 16


Algunos de estos problemas no estuvieron contemplados dentro del alcance del proyecto pero

para efectos de análisis de la situación actual del hospital se mencionan los más relevantes en

relación al control de inventario de medicamentos de la farmacia general.

1.2 Análisis DOFA

Para realizar el diagnóstico actual del manejo de inventarios del H.U.S.I se realizó un análisis

DOFA para definir sus principales características. Al analizar las diferentes fortalezas, opor -

tunidades, amenazas y debilidades del manejo de inventarios del H.U.S.I., se hace énfasis en

el sistema de información SAHI y la manera como el sistema prototipo desarrollado en este

trabajo permite contribuir en la mejora de la administración del inventario de medicamentos.

El análisis DOFA es el siguiente:

Página 17



HUSI Oportunidades Amenazas- Aplicación de un modelo de inventarios para

la gestión de las más de 1100 referencias de medicamentos en inventarios.

- Utilización de un modelo de pronósticos de la demanda de manera automática.

- Utilización de técnicas de análisis de datos para el apoyo en la toma de decisiones.

- Utilizar software para la gestión de inventarios y el análisis de datos.

- Disminución en costos de medicamentos por pedidos anticipados.

- Cambios en tecnología y atención al cliente.

- Incumplimiento de las normas colombianas para la gestión de inventarios

(Resolución 1403 de 2007).- Dificultad de acceso a los medicamentos

por parte de los clientes.- Altos costos en medicamentos por pedidos

inmediatos.

Fortalezas Estrategias FO Estrategias FA

- Sistema SAHI utilizado para el registro de los medicamentos del HUSI, 472.000 unidades almacenadas en promedio.

- Servidor y bases de datos disponibles para el almacenamiento de la información de los medicamentos del

HUSI.- Acceso a la información de los medicamentos por parte de

los usuarios del sistema SAHI.- Seguimiento a las existencias de medicamentos en el

sistema y en bodega.- Personal capacitado para el uso del sistema SAHI.

- Aprovechamiento de la infraestructura tecnológica, servidor, bases de datos y el sistema SAHI, para su integración con la

herramienta RapidMiner y realizar un análisis de datos para la identificación de patrones de

comportamiento de los medicamentos.- Integración del sistema SAHI con una

herramienta de análisis de datos para la elaboración de pronósticos de demanda de

medicamentos de manera automática.- Definición de un modelo de inventarios que aproveche la información y la infraestructura

tecnológica del HUSI.

- Utilizar una herramienta de análisis de datos para generar pronósticos de la

demanda de medicamentos que permitan realizar pedidos anticipados y reducir

pedidos inmediatos para disminuir costos en la adquisición de medicamentos.

- Aprovechar la infraestructura tecnológica para adaptarse a los cambios tecnológicos y cumplir la normatividad colombiana para la

gestión de medicamentos.

Debilidades Estrategias DO Estrategias DA

- Pérdida anual en medicamentos vencidos por COP$25'000.000. [1]

- Altos y bajos niveles de stock de algunas referencias de medicamentos.

- Desabastecimiento de algunas referencias de medicamentos.

- Desconocimiento de las existencias de medicamentos en bodega.

- Pronósticos de la demanda de medicamentos realizados manualmente.

- Falta de conocimiento de los medicamentos próximos a vencer y los que van a agotarse; Entre Febrero y Junio de

2015 se vencieron 1.024 unidades de medicamentos..- Falta de definición de un modelo de inventarios para el

manejo de medicamentos.- Desconocimiento de los patrones de consumo de los

medicamentos.- Base de datos de medicamentos desactualizada de los

últimos 8 meses del año.Falta de trazabilidad respecto a la ubicación de los

medicamentos.Datos vacíos o en nulo en las bases de datos.

- Aprovechar los modelos de pronósticos de series de tiempos para generar pronósticos de

demanda de medicamentos que permitan disminuir la pérdida de medicamentos por

vencimiento.- Por medio de la definición de un modelo de

inventarios y la utilización de modelos de pronósticos de series de tiempos, controlar los

niveles mínimos y máximos de stock de medicamentos así como los medicamentos

próximos a vencer.- Automatizar la generación de pronósticos de la demanda de medicamentos por medio del uso de una herramienta de análisis de datos.

- Utilizar un modelo de pronósticos y de inventarios para controlar los niveles de

inventarios de medicamentos y poder cumplir con la normatividad colombiana en la gestión de inventarios y cumplir con los

requerimientos de medicamentos del cliente.

- Por medio de los modelos de pronósticos de series temporales, contribuir a la compra

anticipada de medicamentos para evitar sobrecostos.

- Utilizar una herramienta de análisis de datos para identificar patrones de

comportamiento de los medicamentos y garantizar una mejor atención al cliente.

Tabla 1: “DOFA del Sistema de Gestión de Inventarios de Medicamentos del H.U.S.I.”

Por medio de este análisis DOFA, fue posible definir la principal problemática de la adminis-

tración de medicamentos vigentes, así como las diferentes estrategias que pueden ser aplica-

das por medio del sistema prototipo. De manera que este sistema contribuya en el apoyo a la

toma de decisiones del hospital respecto a la gestión de inventarios.

Página 18


1.3 Formulación del Problema

De acuerdo al diagnóstico realizado al proceso actual de gestión de inventarios de medica-

mentos del hospital, existe la necesidad de desarrollar un análisis más profundo del modo en

que se administra el inventario de medicamentos.

Por esta razón, la pregunta generadora a resolver fue: ¿Cómo apoyar la toma de decisiones al

momento de administrar el nivel de inventario de medicamentos vigentes de la farmacia ge-

neral del H.U.S.I y permitir su disponibilidad?

1.4 Justificación del Problema

Actualmente la Farmacia del H.U.S.I cuenta con una metodología para administrar el abaste-

cimiento de alrededor de 1.100 referencias de medicamentos que corresponden a 472.000

unidades almacenadas aproximadamente. La manera como se administra el abastecimiento

genera una serie de dificultades como se exponen a continuación:

i) Pérdidas de medicamentos debido a que no se tiene un control sobre la rotación

de los medicamentos y se vencen los productos. Anualmente se pierden alrededor

de COP$25’000.000 por medicamentos vencidos [1].

ii) Desabastecimiento de diferentes referencias de medicamentos cuando los pacien-

tes requieren de su utilización, causando un incremento de entre el 10% y el 30%

de su costo [1], debido a que se deben comprar de manera inmediata y en pocas

unidades.

iii) Altas cantidades de determinadas referencias de medicamentos en stock.

iv) Desconocimiento de las existencias disponibles de los medicamentos en bodega.

Estas dificultades, son muestra de que no se cuenta con un control adecuado sobre la adminis-

tración de los medicamentos. Y que al requerir manejar diferentes tipos de datos e informa-

ción de alta relevancia, la utilización de una metodología que cuente con técnicas de minería

de datos, puede aportar de manera importante a la solución de las diferentes dificultades del

Hospital. Y con esto, contribuir en el control del suministro de sus medicamentos.

Página 19



1.5 Impacto Esperado

Con el presente proyecto se propone una ayuda inicial a la Farmacia General del H.U.S.I,

como apoyo a la toma de decisiones en el control del inventario de medicamentos en bodega.

Esta ayuda en la toma de decisiones se enfocó en plantear una metodología de gestión de

inventarios enriquecida por técnicas de minería de datos.

Además, el presente proyecto también es pauta para que la farmacia comience a implementar

un sistema de alarmas de medicamentos próximos a vencer, en donde se propone un módulo

de medicamentos próximos a vencer en inventario dentro de un plazo de 3 y 6 meses a partir

de la fecha de inventario más reciente.

2 Descripción del Proyecto

En esta sección se presenta el objetivo general del proyecto así como los objetivos específicos

del mismo. También se describe la metodología propuesta para el desarrollo del proyecto en

donde se hace una combinación entre la metodología de minería de datos CRISP-DM (Cross-

Industry Standard Process for Data Mining), SCRUM y el uso de diferentes herramientas de

análisis de Ingeniería Industrial.

2.1 Objetivo General

Construir un sistema prototipo que complemente al sistema actual (SAHI) en la toma de deci-

siones sobre el control de los medicamentos que tiene la farmacia general del Hospital Uni-

versitario San Ignacio, teniendo en cuenta la demanda y la fecha de vencimiento de los pro-

ductos.

2.2 Objetivos Específicos

1. Realizar un diagnóstico del proceso actual de gestión de inventarios de los medicamentos

de la farmacia general del Hospital Universitario San Ignacio y sus necesidades para la toma

de decisiones.

Página 20


2. Definir indicadores de gestión para la ayuda en la toma de decisiones sobre el control de

inventario de medicamentos.

3. Desarrollar un sistema prototipo que apoye a la toma de decisiones sobre el manejo del

inventario de medicamentos de la farmacia general del Hospital Universitario San Ignacio,

haciendo uso de un modelo de inventarios enriquecido con técnicas de Minería y gestión de

datos.

4. Validar la funcionalidad del sistema utilizando la información de una muestra de las princi-

pales referencias de medicamentos que se encuentran en la base de datos de la farmacia del

hospital para verificar el cumplimiento de los requerimientos especificados.

5. Elaborar un análisis financiero que permita estimar el ahorro proporcionado por el sistema

prototipo, respecto a la metodología actual utilizada para la gestión de inventarios.

3 Metodología

La metodología desarrollada en este proyecto involucra tres componentes relacionados que

permiten llegar a la solución del problema, estos son: 1. Metodología CRISP-DM (Cross-In-

dustry Standard Process for Data Mining) [2], 2. Metodología SCRUM [3] y 3. Herramientas

de Ingeniería Industrial para el análisis de información. A continuación se presentan los pasos

que hacen parte de esta metodología:

3.1 Diagnóstico

Elaboración de un diagnóstico del proceso actual de gestión de inventarios de medicamentos

del H.U.S.I por medio de la definición del proceso y la elaboración de un análisis DOFA. De

tal manera que se pudieran definir estrategias de mejora por medio del sistema prototipo de-

sarrollado en este proyecto (Ver Sección II - Descripción General, 1.1 Situación Actual -

AsIs, 1.2 Análisis DOFA).

Página 21



3.2 Estado del Arte

Estudio de los trabajos relacionados a este proyecto, para conocer los estudios existentes y el

aporte u oportunidad que puede agregar este trabajo a los avances existentes en el área de

desarrollo de este proyecto (Ver sección III – Marco Teórico, 2. Marco Contextual - Trabajos

Relacionados).

3.3 Proceso To Be

Según el análisis desarrollado en el diagnóstico del proceso actual, las necesidades de mejora,

los trabajos relacionados y los objetivos del proyecto, se realiza una propuesta del proceso de

administración de inventarios (Ver sección V - Caso de Estudio, 1. Proceso Propuesto – To

Be).

3.4 Recolección de Datos

Se recopila la información necesaria para la elaboración del proyecto, principalmente aquella

que se va a utilizar en el análisis de la gestión de inventarios y su uso en las técnicas de mine-

ría de datos a ser empleadas (Ver sección IV - Desarrollo de la Solución - 1. Modelo Propues-

to).

3.5 Preparación de los Datos

Según los datos recopilados se prepararan los datos a ser utilizados, de manera que se limpien

los datos faltantes, nulos o que contengan errores, de modo que no influyan en los resultados

arrojados por las técnicas de minería de datos utilizadas y por los diferentes análisis de datos

realizados (Ver sección IV – Desarrollo de la Solución - 1.2. Generador de Cantidades Ópti-

mas de Pedido).

3.6 Clasificación de Datos

Se hace una clasificación de los medicamentos a ser estudiados de acuerdo la metodología

ABC y al análisis de Pareto, con el fin de establecer la prioridad de estos, de acuerdo al im-

Página 22


pacto que estos generan en la gestión de medicamentos del hospital (Ver sección IV - Desa-

rrollo de la Solución - 1.1 Clasificador de Medicamentos).

3.7 Técnicas de Minería de Datos

De acuerdo a los análisis esperados y su relación con la gestión de inventarios, se hace uso de

las técnicas de minería de datos que contribuirán al apoyo en la toma de decisión en la admi-

nistración de inventario (Ver sección IV - Desarrollo de la Solución - 1.2. Generador de

Cantidades Óptimas de Pedido).

3.8 Generación de Vistas

De acuerdo a las técnicas de minería de datos definidas, se elaboran las vistas de datos a ser

utilizadas en las técnicas de minería de datos a ser utilizadas (Ver sección IV - Desarrollo de

la Solución - 1.2. Generador de Cantidades Óptimas de Pedido).

3.9 Modelado

Este paso consiste en la aplicación de las técnicas de minería de datos de: reglas de asocia -

ción y series de tiempo, para la identificación de pronósticos y de patrones de comportamien-

to asociados al consumo de medicamentos (Ver sección IV - Desarrollo de la Solución - 1.2.

Generador de Cantidades Óptimas de Pedido).

3.10 Modelo de Inventarios

De acuerdo a los resultados obtenidos en las técnicas de minería de datos, se hace uso del

modelo de inventarios propuesto para la definición de la estrategia de aprovisionamiento (Ver

sección IV - Desarrollo de la Solución - 1.2. Generador de Cantidades Óptimas de Pedido).

3.11 Generación de Alertas

Según los análisis de vencimiento de medicamentos y el análisis del inventario de medica-

mentos, se define el modo de generación de alertas para los medicamentos que se van a ven-

cer (Ver sección IV - Desarrollo de la Solución - 1.3 Generador de Alertas por Vencimiento).

Página 23



3.12 Evaluación de Indicadores

Se evalúan los indicadores de rotación de medicamentos y costo de almacenamiento por uni-

dad, con el fin de evaluar si el movimiento y costo de los medicamentos en inventario ha

tenido variaciones positivas o negativas (Ver sección IV - Desarrollo de la Solución - 1.4

Evaluador de Indicadores).

3.13 Diseño y Arquitectura

Luego de la información resultante del análisis de datos y las respectivas evaluaciones de

resultados se procede a realizar el diseño del sistema prototipo, definiendo los casos de uso,

requerimientos, el modelo entidad relación y en general la arquitectura del sistema (Ver sec-

ción IV - Desarrollo de la Solución - 2.1 Análisis y Diseño, 2.2 Casos de Uso, 2.3 Requeri-

mientos, 2.4 Modelo Entidad Relación y 2.6 Arquitectura).

3.14 Codificación

Teniendo el diseño y la arquitectura del sistema, se realiza la codificación del sistema, de

manera que se pueda obtener el sistema prototipo (Ver sección IV - Desarrollo de la Solución

- 2.9 Software Prototipo).

Como se mencionó, una parte de la metodología usada corresponde a SCRUM para efectos

de codificación del sistema prototipo.

La metodología SCRUM es una metodología de desarrollo ágil planeado para trabajar cola-

borativamente y en equipo en proyectos que por lo general necesitan tener resultados lo más

rápido posible debido a que el tiempo es escaso.

El desarrollo del proyecto fue incremental en donde había retroalimentación en el equipo

cada semana, y se otorgaban nuevas tareas con el fin de completar cada una de las funcionali-

dades del sistema.

Dentro del gran proceso que desarrolla SCRUM, se utilizaron algunas de las fases de esta

metodología pues se necesitaba mayor ejecución a medida que pasaba el tiempo que planifi-

Página 24


cación. Cada historia o Backlog reúne las fases de planificación, ejecución, e inspección. En

la sección de codificación se denota a mayor detalle cada una de las historias.

3.15 Pruebas

Se realizan las diferentes pruebas del sistema prototipo de manera que se verifique el funcio-

namiento de sus diferentes componentes (Ver sección IV - Desarrollo de la Solución - 2.8

Pruebas).

Página 25



III – MARCO TEÓRICO

1. Marco Teórico y Conceptual

A continuación, se denotan los conceptos claves a nivel teórico que son necesarios aclarar, de

tal manera que la lectura del proyecto sea comprensible. Aquí, se expresan conceptos tanto de

Ingeniería de Sistemas como de Ingeniería Industrial:

Sistemas de Información para apoyo en la toma de decisiones

Dentro del alcance del presente proyecto se planteó un sistema prototipo para el apoyo en la

toma de decisiones. Es por esto, que es pertinente explicar y soportar también de manera

teórica, que el sistema desarrollado en este trabajo actúa como una herramienta para que el

usuario final (Farmacia H.U.S.I) tenga información adicional para ayudarle a él en la toma

decisiones con respecto al inventario de medicamentos y las fechas de vencimiento.

Es decir, el presente proyecto tuvo como alcance mostrar un sistema que por medio del análi -

sis de datos muestre información adicional en el control de inventarios para que la Farmacia

tome decisiones, mas no que el sistema las tome por ellos.

De manera teórica, un sistema de soporte a las decisiones o también llamados Decision Su-

pport System, se enfocan principalmente en el suministro de información para toma de deci-

siones basándose de Inteligencia de negocios o minería de datos para lograr tal fin.

Estos sistemas, manejan grandes cantidades de datos provenientes de diferentes fuentes para

ofrecer orientación ya sea de manera gráfica, tablas o informes y que el usuario final las vi -

sualice para proporcionar ayuda en las decisiones futuras a tomar con respecto a algún tema

tratado. Existen sistemas que toman las decisiones por sí solas u otros que simplemente

muestran información para que el usuario las tome dependiendo de la información obtenida.

[57]

Basados en esta idea de sistema de soporte a decisiones, el proyecto se basa en proponer un

modelo usando técnicas de minería de datos, y que por medio de un prototipo muestre infor-

mación adicional en la toma de decisiones en la Farmacia del H.U.S.I.

Página 26


Minería de Datos

“La minería de datos puede definirse inicialmente como un proceso de descubrimiento de

nuevas y significativas relaciones, patrones y tendencias al examinar grandes cantidades de

datos” [4]. Para el descubrimiento del conocimiento ofrecido por la minería de datos se si-

guen una serie de pasos, desde la selección y procesamiento de datos, hasta la extracción e

interpretación del conocimiento.

Ilustración 2: “Proceso de Generación de Conocimiento con Minería de Datos” [5]

La minería de datos se puede clasificar en dos grandes tipos de modelos:

• Modelos Predictivos: Es aquel en donde mediante el análisis de datos se

quiere estimar valores futuros o desconocidos que sean de interés.

• Modelos Descriptivos: Es aquel en donde mediante el análisis de datos se

quiere identificar patrones o relaciones en los datos y poder sacar conclusio-

nes de las propiedades de los datos.

Así mismo, estos modelos pueden desarrollarse bajo diferentes enfoques conceptuales. Esto

enfoques son denominados técnicas. Algunas de estas técnicas son:

Página 27



• Reglas de Asociación: “es probablemente la técnica de minería de datos más

conocidas. Aquí, se hace una correlación simple entre dos o más elementos, a

menudo del mismo tipo para identificar patrones. Por ejemplo, cuando el

seguimiento de los hábitos de compra de la gente, es posible identificar que

un cliente siempre compra la crema cuando compran fresas, y por lo tanto

sugiero que la próxima vez que compran fresas también podría querer com-

prar crema” [6].

• Series de Tiempo: esta técnica es utilizada en el reconocimiento de patrones

temporales. “La minería de datos de series temporales provee información

acerca de patrones existentes dentro de las series de tiempo, oscilaciones

estacionales, patrones temporales causados por el comportamiento de clien-

tes/compradores/subscriptores y fenómenos similares. Estos patrones pueden

estar relacionados a los hábitos de compra de los clientes, que pueden ser un

elemento para el mejor entendimiento de la naturaleza de pérdida de clientes”

[7]. Las series de tiempos pueden ser útiles en la segmentación de clientes

por características temporales.

• “Clustering (Detección de grupos): Mediante el examen de uno o más atribu-

tos o clases, se pueden agrupar piezas individuales en un grupo de datos para

formar una estructura. En un nivel simple, clustering está utilizando uno o

más atributos para identificar un cluster de resultados correlacionados” [6].

• Patrones Secuenciales: “A menudo se utiliza a en datos de largo plazo, los

patrones secuenciales son un método útil para identificar tendencias, o acon-

tecimientos regulares de eventos similares. Por ejemplo, con los datos del

cliente se puede identificar que los clientes compran una colección particular

de productos en conjunto en diferentes épocas del año. En una aplicación de

la canasta de compras, se puede utilizar esta información para sugerir auto-

máticamente que ciertos elementos se añaden a una canasta en función de su

frecuencia y la historia pasada de compra” [6].

Página 28


• Arboles de decisión: “En relación con la mayoría de las otras técnicas (prin-

cipalmente de clasificación y predicción), el árbol de decisión se puede utili-

zar ya sea como parte de los criterios de selección, o para apoyar el uso y la

selección de datos específicos dentro de la estructura global. En la técnica de

árboles de decisión, se empieza con una pregunta simple que tiene dos (o a

veces más) respuestas. Cada respuesta conduce a otra pregunta para ayudar a

clasificar o identificar los datos de manera que se puedan clasificar, o para

que una predicción pueda hacerse sobre la base de cada respuesta” [6].

• Reglas de clasificación: “Puede ser utilizada la clasificación para construir

una idea del tipo de cliente, artículo, o un objeto mediante la descripción de

varios atributos para identificar una clase particular. Por ejemplo, podrá dis-

tinguir fácilmente entre los coches en diferentes tipos (sedan, 4x4, converti-

bles) mediante la identificación de los diferentes atributos (número de asien-

tos, la forma de coche, ruedas motrices). Se puede aplicar los mismos princi-

pios a los clientes, por ejemplo, clasificándolas por edad y grupo social. Ade-

más, se puede utilizar la clasificación como un alimentador de, o el resultado

de otras técnicas. Por ejemplo, puede utilizar árboles de decisión para deter-

minar una clasificación. Clustering permite utilizar atributos comunes en

diferentes clasificaciones para identificar clusters” [6].

• Redes Neuronales: “Las redes neuronales artificiales (RNAs) son modelos

computacionales que surgieron como un intento por conseguir formalizacio-

nes matemáticas acerca de la estructura del cerebro. Las RNAs imitan la

estructura hardware del sistema nervioso, centrándose en el funcionamiento

del cerebro humano, basado en el aprendizaje a través de la experiencia, con

la consiguiente extracción de conocimiento a partir de la misma. Una RNA

puede considerarse un modelo matemático de las teóricas actividades menta-

les y cerebrales, basado en la explotación del procesamiento local en paralelo

y las propiedades en la representación distribuida” [8].

Página 29



Inventario

“Son las existencias de una pieza o recurso utilizado en una organización” [9].

Modelos de Inventarios

Es el conjunto de políticas y controles que vigilan los niveles del inventario y determinan

aquellos a mantener, el momento en que es necesario reabastecerlo y qué tan grandes deben

ser los pedidos [9].

Para administrar inventarios se incurre en un conjunto de costos que tienen un impacto en el

costo del producto; entre estos se encuentran: “el costo de pedir o de adquisición, el costo de

preparación para abastecerlos, el costo de mantener estos inventarios en bodegas y otros, y, el

costo por faltantes por no pedir o reabastecer el inventario a tiempo” [10]. Del mismo modo,

existen un conjunto de modelos de inventarios, que permiten administrar el inventario de

acuerdo a las necesidades de la organización; entre estos se encuentran los modelos estáticos

que tienen una demanda constante en función del tiempo (Modelo Q), los modelos dinámicos,

en los que la demanda cambia en función del tiempo (Modelo P) y los casos en los que la

demanda es probabilística [11].

Tabla 2: “Diferencia Entre el Modelo Q y el Modelo P” [9]

Página 30


Modelo de Inventario de Periodos Fijos – Modelo P

“En un sistema de periodo fijo, el inventario se cuenta sólo en algunos momentos, como cada

semana o cada mes. Los modelos de periodo fijo generan cantidades de pedidos que varían de

un periodo a otro, dependiendo de los índices de uso.” [9].

Ilustración 3: “Modelo de Inventarios de Periodo Fijo” [9]

Este modelo de inventarios permite calcular la cantidad óptima de pedido (Q) de cada medi -

camento, esta se define de la siguiente manera [9]:

Q=d (T +L )+zσ T +L−I

En donde:

“Q = Es la cantidad a pedir

T = Es el número de días entre cada pedido

L = Es el tiempo de entrega del pedido en días

d = Demanda promedio pronosticada

z = Número de desviaciones estándar para una probabilidad de servicio específica

σ T+ L= Desviación estándar de la demanda durante el periodo de pedido y entrega

Página 31



I = Nivel de inventario actual (incluye piezas pedidas)

z σT +L=¿ Inventario de Seguridad” [9].

Modelo de Inventario de Cantidad de Pedido Fija

“Los modelos de cantidad de pedido fija tratan de determinar el punto específico, R, en que

se hará un pedido, así como el tamaño de éste, Q. El punto de pedido, R, siempre es un núme-

ro específico de unidades. Se hace un pedido de tamaño Q cuando el inventario disponible

(actualmente en existencia o en pedido) llega al punto R.” [9].

Ilustración 4: “Modelo de Inventarios de Cantidad de Pedido Fija”[9]

L: Tiempo de entrega del pedido en días.

Inventario de Seguridad

“El inventario de seguridad se define como las existencias que se manejan además de la de -

manda esperada” [9].

Modelos de Pronósticos

Teniendo en cuenta la planeación en las organizaciones en las diversas áreas que la integran,

es de gran importancia la elaboración de planes, objetivos y presupuestos para el futuro, que

estén basados en pronósticos que permitan orientar la toma de decisiones de las instituciones

[12].

Página 32


Para el manejo de inventarios de cualquier tipo de producto, es relevante contar con un mode-

lo de pronóstico que permita representar lo que sucederá en el futuro, ya que se busca tomar

decisiones de acuerdo a la naturaleza del comportamiento de la demanda del producto o ser -

vicio, durante una línea u horizonte de tiempo en la planeación. Esto aplica también para la

planeación financiera, entre otras áreas de estudio [11].

“Los modelos de pronóstico se basan en datos históricos de la variable que se va a pronosticar

para obtener de ellos proyecciones a futuro” [11]. La clasificación de estos se puede observar

a continuación:

Ilustración 5: “Tipos de Pronóstico” [11]

La selección del pronóstico se da de acuerdo a qué tan bien la tendencia se asemeja a la se-

cuencia de los datos.

Modelo de Pronósticos de Series de Tiempo

“Los modelos de series de tiempo predicen bajo el supuesto de que el futuro es una función

del pasado. En otras palabras, observan lo que ha ocurrido durante un periodo y usan una

serie de datos históricos para hacer un pronóstico” [13].

Entre los principales pronósticos de series de tiempo se encuentran:

- Promedio móvil simple.

- Promedio móvil ponderado y suavización exponencial simple.

Página 33



- Suavización exponencial con tendencia.

- Regresión lineal.

Promedio Móvil Simple

“El pronóstico de promedios móviles usa un número de valores de datos históricos reales para

generar un pronóstico. Los promedios móviles son útiles si podemos suponer que la demanda

del mercado permanecerá relativamente estable en el tiempo.” [13]. Para calcular el promedio

móvil simple divide la suma de la demanda de los productos de los n periodos previos sobre

el número de periodos:

Promedio Móvil Simple=∑(Demanda enlos n periodos previos)n

Clasificación ABC

“El análisis ABC divide el inventario disponible en tres clases con base en su volumen anual

en dinero. El análisis ABC es una aplicación a los inventarios de lo que se conoce como prin-

cipio de Pareto. El principio de Pareto establece que hay pocos artículos cruciales y muchos

triviales. La idea es establecer políticas de inventarios que centren sus recursos en las pocas

partes cruciales del inventario y no en las muchas partes triviales” [13].

Para calcular el volumen en dinero de los artículos en inventario, se multiplica la demanda de

unidades de producto por el costo unitario. Los artículos de clase A son los que tienen mayor

volumen en dinero entre el 70% y el 80%, aunque pueden representar solo el 15% del total de

los artículos. Los de clase B pueden representar alrededor del 30% de los artículos del inven-

tario pero entre un 15% y un 25% del valor en dinero. Los de clase C representan un bajo

volumen en dinero, alrededor del 5%, pero un 55% de los artículos totales en inventario [13].

Software

Es importante incluir y definir este término dentro del marco teórico, debido a que esta pala-

bra puede presentarse para muchas mal interpretaciones. Sobre todo cuando se utilizan sinó-

nimos como programa o sistema.

Página 34


En este contexto un programa o sistema se asemeja a un software el cual está definido como

una serie de instrucciones que le indican al Hardware (componentes tangibles o físicos) lo

que tiene que hacer para trasformar datos de entrada en datos de salida [14].

También es pertinente definir este concepto como “Programas de ordenador y la documenta-

ción asociada. Los productos de software se pueden desarrollar para algún cliente en particu-

lar o para un mercado general” [15].

Sistema de Información

“Un sistema de información se puede definir técnicamente como un conjunto de componentes

interrelacionados que recolectan (o recuperan), Procesan, almacenan y distribuyen informa-

ción para apoyar la toma de decisiones y el control en una organización” [16]. Además pue-

den ayudar a analizar problemas, visualizar asuntos complejos y crear productos nuevos.

Paradigma Orientado a Objetos

El paradigma orientado a objetos es considerado como una filosofía de programación en don-

de se desarrolla programas que permitan crear unidades funcionales extensibles y genéricas,

de tal forma que se puedan utilizar y reutilizar según sean las necesidades y adaptarse libre -

mente al problema que se quiere solucionar [17].

En palabras menos técnicas es un paradigma para diseñar aplicaciones y programas informá-

ticos usando como principio básico “los objetos” como abstracciones informáticas de la vida

real. Un claro ejemplo de un lenguaje que utiliza el paradigma Orientado a Objetos es Java.

Lenguaje de Programación PHP

“PHP (acrónimo recursivo de PHP: Hypertext Preprocessor) es un lenguaje de código abierto

muy popular especialmente adecuado para el desarrollo web y que puede ser incrustado en

HTML” [18].

Página 35



Framework

“Con el término framework, nos estamos refiriendo a una estructura software compuesta de

componentes personalizables e intercambiables para el desarrollo de una aplicación. En otras

palabras, un framework se puede considerar como una aplicación genérica incompleta y con-

figurable a la que podemos añadirle las últimas piezas para construir una aplicación concreta”

[43].

Framework Yii 2

Yii 2 es un framework de programación Web genérico de alto rendimiento basado en compo-

nentes, lo que significa que se puede utilizar para el desarrollo de todo tipo de aplicaciones

web con PHP. “Debido a su arquitectura basada en componentes y soporte de almacenamien-

to en caché sofisticada, es especialmente adecuado para el desarrollo de aplicaciones a gran

escala, tales como portales, foros, sistemas de gestión de contenidos (CMS), proyectos de

comercio electrónico, servicios web RESTful, y así sucesivamente” [19].

RapidMiner

“RapidMiner es un completo banco de trabajo de análisis de negocios con un fuerte enfoque

en la minería de datos, minería de textos y análisis predictivo. Se utiliza una amplia variedad

de técnicas descriptivas y predictivas para generar el conocimiento para tomar decisiones

rentables” [20].

2. Marco Contextual – Trabajos Relacionados

Con el fin de conocer el estado del arte de los principales trabajos y soluciones relacionados a

este trabajo de grado que involucran las temáticas de: minería de datos, gestión de inventarios

y administración hospitalaria, se realizó una búsqueda exhaustiva de estos de manera que

fuera posible contar con referencias que contribuyan con conocimientos útiles para el desa-

rrollo de este proyecto.

Las características presentadas de cada trabajo son: tipo de trabajo ya sea investigación o

trabajo de grado, objetivo del proyecto, procedimiento de desarrollo del trabajo, software

Página 36


utilizado, las técnicas de minería de datos aplicadas y las oportunidades que se encuentran

para mejorar estos trabajos realizados por medio del presente trabajo de grado. Inicialmente

se presenta un cuadro comparativo de los trabajos relacionados y luego una descripción de

cada uno de ellos:

Página 37



# Tipo Título Objetivo ProcedimientoSoftware Utilizado

Técnicas de Minería

Oportunidades

2.1.1Proyecto de

Investigación

Reseña del Software Disponible en

Colombia para la Gestión de Inventarios

en Cadenas de Abastecimiento [44]

- Recopilar la información del software utilizado por las empresas de software

en Colombia, para la gestión de inventarios.

1. Estado del arte sobre el software utilizado para el manejo de inventarios.2. Definición de las características del software. No especificado Ninguna

1. Creación de un sistema prototipo enriquecido con

técnicas de minería de datos que automatice y apoye a la toma de

decisiones en el manejo de inventarios.

2. Enfoque en la gestión de inventario de medicamentos.

3. Crear un sistema de alarmas para la gestión de inventarios.

2.1.2Proyecto de

Investigación

Sistema experto de mejora de la gestión

de inventarios soportado en métodos

de previsión de demanda: Estudio de

caso [45]

"Desarrollar un sistema experto en la gestión de inventarios que, a partir

de una política de servicio, defina una

estrategia de aprovisionamiento

basada en una clasificación ABC/XYZ y pronósticos de series

temporales. Adicionalmente se

pretende verificar su funcionamiento

analizando las mejoras en el rendimiento logístico

de un sistema de aprovisionamiento contra

almacén" [45]

1. Clasificación las referencias de acuerdo al análisis ABC/XYZ teniendo en cuenta las siguientes características: a) contribución al consumo en valor o cantidad, Se realiza un análisis de Pareto por cantidad y se divide las referencias según contribuyan al 80% (A), 15% (B) o 5% (C) de las ventas en volumen. b) Tipo

y complejidad de la demanda (XYZ), si el consumo se realiza de forma regular se considera X, si presenta cierta tendencia o estacionalidad se clasifica como Y, mientras que si la demanda aparece de forma irregular

o incluso intermitente se denomina Z.2. Selección del método de pronóstico de la demanda más ajustado. Dependiendo de las características de

la demanda (estacionalidad, tendencia o intermitencia) pueden ser: -Suavizado exponencial, suavizado exponencial con tendencia, suavizado exponencial con estacionalidad,

suavizado exponencial con tendencia y estacionalidad, media aritmética, media móvil, último valor. 3. Propuesta de una estrategia de reaprovisionamiento:

- SRC con consumos medios: sistema de revisión continúa con actualización de parámetros periódica. Cuando se alcanza el punto de pedido se solicita un lote que se recalcula basado en la previsión del consumo medio. El tiempo entre pedidos por lo tanto es variable en función del nivel de demanda.

- SRC con consumos pico: sistema de revisión continúa con actualización de parámetros periódica. Cuando se alcanza el punto de pedido se solicita un lote que se recalcula basado en la previsión del consumo pico. El

tiempo entre pedidos por lo tanto es variable en función del nivel de demanda.- SRP: sistema de revisión periódica. Se define un periodo fijo de revisión y el pedido se realiza para alcanzar

un nivel de stock máximo (lote variable).

No especificado Ninguna






2.1 Trabajos relacionados con la minería de datos en la gestión de inventaios y en la administración hospitalaria

Página 38




Oportunidades

2.1.3 Trabajo de Grado

Mejoramiento en la Gestión de Compras e

Inventarios de Medicamentos y

Dispositivos Médicos de la Clínica

Prevención y Salud IPS LTDA. de El Banco

Magdalena [46]

Diseñar e implementar mejoras en la gestión de compras e inventarios de

medicamentos y dispositivos médicos en la clínica Prevención y

Salud Ltda.

1. Diagnóstico del sistema logístico, utilizando una matriz DOFA.2. Diagrama de flujo del proceso de gestión de inventarios y compras.

3. Clasificación de los productos con la metodología ABC.4. Elaboración de pronósticos de la demanda según el modelo que más se ajusta a

los datos:- Promedio móvil simple.

- Suavización exponencial.5. Elección del modelo de inventarios.

6. Propuesta de mejora en la gestión de inventarios y compras.

Microsoft Office Excel

Ninguna







Política de almacenamiento y

manejo de medicamentos

vencidos para la farmacia principal del Hospital Universitario Clínica San Rafael [47]

Desarrollar una política de gestión de inventarios para controlar la pérdida

de medicamentos por vencimiento.

1. Revisión de la situación actual en el manejo de inventarios del Hospital.2. Agrupación de las referencias de medicamentos en 6 categorías.

3. Clasificación de los medicamentos, según la demanda, costos y la cantidad física que generan. Se aplica la política de inventarios ABC y un análisis de Pareto.

4. Implementación de la política Base Stock de inventarios.5. Aplicación de la política de doble cajón, para separar los medicamentos más

próximos a vencer en un cajón y los demás en otro cajón.

Arena Simulation

Ninguna







Desarrollo software del módulo de

almacén del sistema de información

hospitalario SOCRATES en la empresa

Computer Server [48]

Desarrollar el proceso de desarrollo de software

correspondiente al almacén del sistema de

información hospitalario Sócrates de la empresa

Computer Server

Se utilizó la metodología de proceso unificado de desarrollo de software que involucra las siguientes disciplinas:

1. Modelado del negocio.2. Levantamiento de Requerimientos.

3. Análisis y Diseño4. Codificación

5. Prueba6. Instalación

También se realizan las siguientes disciplinas soporte:1. Administración de la configuración y cambios

2. Administración del proyecto.3 Ambiente.

Las disciplinas se realizan en las siguiente fases:1. Factibilidad.2. Elaboración.

3. Construcción.4. Transición.

InterBaseDelphi

Ninguna





3. Utilizar modelos de gestión de inventarios.



Página 39




Oportunidades

2.2.1Proyecto de

Investigación

Minería de Datos en Base de Datos de

Servicios de Salud [49]

Descubrir patrones decomportamiento que

generen conocimiento útil para la empresa estudiada y

para el área de la salud en general, de manera que este se pueda utilizar para tomar decisiones que le permitan

mejorar los servicios prestados a sus clientes.

Se realiza un enfoque en la búsqueda de patrones de

consumo de medicamentos.

Utilización del proceso de desarrollo de minería de datos CRISP (Cross-Industry Standard Process for Data Mining)

1. Definición de los datos a utilizar: se eligieron como potenciales variables explicativas discriminantes: el sexo del paciente, la edad, el tipo de medicamento y la estación del año.2. Cálculo del tamaño de la muestra: el tamaño de la muestra se determinó mediante un

modelo de selección de muestra para poblaciones de tamaño identificado. 3. Proceso para seleccionar los datos: la muestra se eligió tomando como base dos criterios: la

probabilidad (igual para todos) y la mecánica de selección (sin reposición).4. Toma de la muestra: proceso de selección aleatoria de registros.

5. Depuración de los datos: se eliminaron los registros con datos que podían sesgar los resultados de la minería.

6. Transformación de los datos: la principal transformación se realizó con los valores de la variable Tipo de Medicamento. Se usó el Sistema de Clasificación Anatómica, Terapéutica,

Química ATC de la Organización Mundial de la Salud. 7. Minería propiamente dicha: se utilizó una muestra

de 23919 registros y se realizaron pruebas con algoritmos de segmentación.8. Descubrimiento de información: a partir de los agrupamientosencontrados, se identificaron los patrones de comportamiento.

9. Resultados Obtenidos: 1.medicamentos con mayores consumos (Pareto y clasificación ATC), % de consumo, 2. Por cada medicamento una segunda clasificación según sexo, edad, consumo (alto, mediano, bajo), % de consumo. También el consumo por estación y por cada

tipo de medicamento

- SQL Server- Rapid Miner

Algoritmos de segmentación:

- K-medias - Árboles de

decisión






2.2.2Proyecto de

Investigación

Mining Customer Data For Decision Making

Using New Hybrid Classification

Algorithm [50]

Realizar una mejor toma de decisiones para mejorar

ventas, servicios y calidad, así como identificar las

razones del stock muerto, de lento y rápido movimiento, por medio de un algoritmo

de minería de datos híbrido, entre el denominado k-

medias y el de patrones de mayor frecuencia (MFP).

1. Recolección de datos.2. Limpieza de datos.

1. Aplicar el algoritmo K-Medias a los diferentes clusters: Stock muerto, de bajo movimiento y de alto movimiento.

2. Utilización del algoritmo MFP para contar frecuencias de ítems bajo los atributos especificados.

- XLMiner- SPSS Statistics

K-medias.- Patrón de

mayor frecuencia

(MFP)





Página 40


# Tipo Título Objetivo Procedimiento Software Utilizado Técnicas de Minería Oportunidades

2.2.3Proyecto de

Investigación

Decision Support System for Inventory Management using

Data Mining Techniques [51]

Crear un sistema que apoye la toma de decisiones en la gestión de inventarios,

para mejorar las ventas, los servicios y la calidad prestada por las empresas, por medio de la utilización de técnicas de

minería de datos.

1. Recolección de datos.2. Poner los datos en formato de Excel.

3. Limpieza de datos.4. Agregación de temporadas a los datos.

5. Aplicación de los algoritmos K-Medias y de Aglomeración Jerárquica, para los productos de stock muerto, los de lento y rápido movimiento.

6. Utilización del algoritmo del patrón más frecuente para cada clasificación de productos.

Microsoft Office Excel

- Algorítmo K-medias.- Algorítmo de aglomeración

jerárquica.- Algoritmo del Patrón más frecuente (MFP).




2.2.4Proyecto de

Investigación

Minería de Datos aplicada a la Gestión

Hospitalaria [52]

El objetivo de este proyecto es identificar y diagnosticar patologías, descubrir

interrelaciones entre diferentes enfermedades e identificar pacientes con

factores de riesgo por medio de la segmentación de pacientes para una

atención más inteligente, analizando la asociación de síntomas y clasificación

diferencial de patologías.

Este estudio se realizó con base en el Proceso KDD (knowledge discovery in databases) que consiste en los siguientes pasos.:

1. Integración y recopilación de la información.2. Selección, limpieza y transformación de los datos.

3. Aplicación de técnicas de minería de Datos.4. Evaluación e Interpretación de resultados.

5. Difusión, uso de la información y resultados alcanzados.

- Sistema de gestión hospitalaria Galen- Herramienta de minería de datos

WEKA- Herramienta de minería de datos

KUBE- Gestor de base de datos Microsoft SQL

Server

Técnicas Supervisadas de Minería de datos: - Árboles de decisión - Redes neuronales







2.2.5Proyecto de

Investigación

Minería de Datos en un Sistema de Información

Hospitalario [53]

Predecir el número de urgencias que van a presentarse en el hospital en las

siguientes temporalidades:- Para el día siguiente

- Hasta dentro de siete días.- Por turnos (mañana, tarde, noche).- Por servicio de urgencias (pediatría,traumatología, cirugía general, etc.).

También se busca preveer:- Hospitalizaciones desde

urgencias- Picos de enfermedades (gripe, alergias,

entre otros)

1. Carga de datos ( Modelos ETL: extracción, transformación y carga)2. Generación de vistas.

3. Modelización.4. Monitorización.

5. Evaluación.6. Despliegue.

- Herramienta de minería de datos

KUBE.- Herramienta de minería de datos

WEKA - Software estadístico

Clementine de SPSS.

- Regresión Lineal.- LeastMedSq.

- SMOreg.- MultiLayerPercepton.

- Kstart.- LWL.- IBK.

- DecissionStump.- M5P Tree.

- Redes neuronales.- Árbol de clasificación.








Página 41


# Tipo Título Objetivo Procedimiento Software Utilizado Técnicas de Minería Oportunidades


Análisis Para Predicción De Ventas Utilizando Minería De Datos En Almacenes

De Ventas De Grandes Superficies [54]

Encontrar asociaciones y correlaciones entre dos o más productos, aplicando un modelo de predicción de ventas sobre un conjunto de datos con la ayuda la Minería de Datos, haciendo uso de la plataforma

RapidMiner

1. Obtención de datos2. Selección de datos útiles en formato de Excel (eliminación de datos e identificación de datos

correlacionados)3. Procesamiento de datos: elaboración de una matriz de correlación entre las características

del producto.Variables utilizadas: número de factura, código del producto y nombre del

producto. Se relacionaron la cantidad de productos en cada factura y cuántas veces se compró cada producto. El almacenamiento de los datos generados se dio en formato CSV.

4. Selección del modelo

- Rapid Miner- XLMiner

- Microsoft Office Excel

- PostgreSQL

- Algoritmo FP-Growth- Algoritmos de Reglas

de asociación







2.2.7Proyecto de

Investigación

iMiner: Mining Inventory Data for

Intelligent Management [55]

Crear el sistema iMiner para administrar datos de inventarios. Utilizar

computación distribuida y técnicas de minería de datos para realizar actividades

de gestión de inventario de altos volúmenes de datos, como el análisis de

cantidades, edad del inventario, correlaciones entre productos, entre

otros.

El procedimiento no es especificado, sin embargo se describen los siguientes componentes del sistema:

1. Bases de datos.2. Administrador de recursos del sistema.

3. Administrador de tareas de minería de datos.4. Analizador de datos (pronósticos de inventarios, detección de anomalías, análisis de

envejecimiento de inventarios).

No especificado

- Algoritmos de regresión.

- Redes neuronales.- Regresiones lineales.- Procesos gaussianos.- Árboles de decisión.- Árboles de Regresión

de descenso del gradiente.





Tabla 3: “Trabajos Relacionados”

Página 42


2.1Trabajos Relacionados con la Gestión de Inventarios y la Administración Hospitalaria

Los trabajos presentados en esta sección se caracterizan por manejar las temáticas de gestión

de inventarios o de la administración hospitalaria.

2.1.1 Reseña del Software Disponible en Colombia Para la Gestión de Inventarios en Cadenas de Abastecimiento [44]

Este estudio recopila la información del software utilizado por las empresas en Colombia para

la gestión de inventarios y la toma de decisiones. Presenta el estado del arte, según los resul-

tados encontrados en la literatura y el uso de las herramientas de software en la industria co-

lombiana. Del mismo modo, muestra la caracterización de los productos de software, las ca-

racterísticas de estos, las posibilidades de integración con herramientas informáticas, entre

otros. Entre las herramientas más comúnmente utilizadas están los sistemas ERP, aplicacio-

nes en Excel, integración con tecnología RFID, códigos de barras, entre otros.

"Las herramientas informáticas que se utilizan en mayor proporción para dar soporte a las

decisiones incluyen modelos de programación lineal entera-mixta (Björk y Carlsson, 2007),

Ant Colony optimization Simulator (ACOS) (Ferretti, Zanoni y Zavanella, 2006), la imple-

mentación del software Computer Aid Multicriterion Optimization System (CAMOS) (Agre-

ll, 1995), Arena Simulation (Wu, Frizelle y Efstathiou, 2007) y desarrollos propios de investi-

gadores (Halas y Fertsch, 2001). Estos métodos son utilizados para realizar análisis de sensi-

bilidad, balancear los inventarios, optimizar las decisiones de cuánto y cuándo ordenar, pro-

gramar y comparar sistemas de producción y para estudiar los efectos de parámetros inheren-

tes al sistema de inventarios, como por ejemplo los tiempos de entrega o Lead Times." [44]

Adicionalmente se encontró el uso de software como: Uno Enterprise (ERP), Leb Logística

avanzada para bodega, Infor XA, SIIGO, JD Edwards Enterprise One (Oracle), SAG, Tin-

yERP y Armar Inventarios. En el software estudiado se encontraron componentes que corres-

ponden a los modelos de inventarios, pero no la aplicación de técnicas de minería de datos

que apoyen a la toma de decisiones.

Página 43



2.1.2 Sistema Experto de Mejora de la Gestión de Inventarios Soportado en Métodos de Previsión de Demanda: Estudio de Caso [45]

Este trabajo de Investigación, "describe el desarrollo de una herramienta que, basada en una

clasificación de referencias ABX/XYZ y pronósticos de series temporales, sugiere diferentes

políticas de aprovisionamiento para asistir al planificador." [45] Para esto se realizó un piloto

de un sistema experto para verificar la efectividad del sistema de manera que apoye en la

toma de decisiones en el manejo del inventario. El sistema hace uso de uno de los siguientes

modelos de pronóstico de la demanda: suavizado exponencial, suavizado exponencial con

tendencia, suavizado exponencial con estacionalidad, suavizado exponencial con tendencia y

estacionalidad, media aritmética, media móvil y último valor.

2.1.3 Mejoramiento en la Gestión de Compras e Inventarios de Medicamentos y Dispositivos Médicos de la Clínica Prevención y Salud IPS LTDA. de El Banco Magdalena [46]

Este trabajo de grado consiste en el estudio y mejoramiento de la gestión de los inventarios

de medicamentos y dispositivos médicos de la Clínica Prevención y Salud IPS Ltda. Se reali-

zó un enfoque en la estandarización de la gestión de inventarios de medicamentos de la clíni-

ca, aplicando la clasificación ABC de los medicamentos. Para el cálculo de los pronósticos de

la demanda de medicamentos se usaron los siguientes modelos: promedio móvil simple y

suavización exponencial, aplicados al modelo de inventarios de Revisión Periódica de Exis-

tencias de Reserva.

2.1.4 Política de Almacenamiento y Manejo de Medicamentos Vencidos Para la Farmacia Principal del Hospital Universitario Clínica San Rafael [47]

Este trabajo de grado consiste en el desarrollo de una política de almacenamiento y manejo de

medicamentos vencidos, que permite identificar medicamentos próximos a vencer en el Hos-

pital Universitario Clínica San Rafael, con el fin de reducir estas pérdidas. Se aplica la políti-

ca de inventarios ABC a los medicamentos, en conjunto con la clasificación de Pareto para

identificar los medicamentos con mayores pérdidas en costos. Adicionalmente es aplicada la

Página 44


política Base Stock. Fue utilizado el software Arena, para identificar una distribución de la

demanda de las diferentes referencias de medicamentos a estudiar.

2.1.5 Desarrollo Software del Módulo de Almacén del Sistema de Información Hospitalario SOCRATES en la Empresa Computer Server [48]

Este trabajo de grado consiste en la formulación y desarrollo de una solución de software

informático que permita administrar el inventario de productos en el sistema de información

hospitalario SOCRATES. Este software fue desarrollado en el lenguaje de programación

Delphi y tiene funciones de realizar órdenes de pedido, calcular costos de inventarios, exis-

tencias en el almacén, entre otros. Se define la arquitectura de software utilizada.

2.1.6 Conclusión Sección 2.1

Es claro observar que en estos trabajos de grado principalmente existe la gran oportunidad de

enriquecerlos con técnicas de minería de datos para ofrecer argumentos adicionales y relevan-

tes para una toma de decisiones más robusta en cuanto al manejo de inventarios. Estos siste-

mas pueden indicar las cantidades óptimas de producto a ordenar, los tiempos de reorden, el

stock de seguridad, entre otras características relevantes en el manejo de inventario; sin em-

bargo, no están teniendo en cuenta aspectos relevantes que revelan las técnicas de minería de

datos al ser utilizadas como por ejemplo los patrones de comportamiento en el consumo de

productos, la asociación de productos consumidos, la generación de clusters o agrupaciones

de productos que tienen un determinado comportamiento, entre otros.

2.2Trabajos Relacionados con la Minería de Datos en la Gestión de Inventarios y en la Administración Hospitalaria

Los trabajos presentados en esta sección se caracterizan por contar con alguna relación entre

los temas de minería de datos, la gestión de inventarios o la gestión hospitalaria.

2.2.1 Minería de Datos en Base de Datos de Servicios de Salud [49]

Este trabajo de investigación consiste en la utilización de minería de datos para identificar

patrones de comportamiento en el consumo de medicamentos, en una empresa prestadora de

Página 45



servicios de salud que cuenta con convenios con entidades profesionales de la medicina e ins-

tituciones sanitarias como: hospitales, sanatorios y clínicas. Esta investigación proporciona la

base para el desarrollo de un modelo de reglas de inferencia que la empresa estudiada podrá

implementar, para dar soporte a procesos de decisión gerenciales. Fueron utilizados algorit-

mos de segmentación, K-medias y Arboles de decisión.

2.2.2 Mining Customer Data For Decision Making Using New Hybrid Classification Algorithm [50]

Este trabajo de investigación consiste en la clasificación, extracción de patrones de compor-

tamiento, y tendencias de consumo y venta de productos, por medio del análisis de los datos

del inventario de productos, de manera que se identifique el stock muerto, de bajo y de alto

movimiento, haciendo uso de un algoritmo hibrido entre el denominado k-medias y el de

patrones de mayor frecuencia (MFP).

2.2.3 Decision Support System for Inventory Management Using Data Mining Techniques [51]

Este estudio de Investigación consiste en la identificación de patrones y tendencias, la clasifi-

cación y agrupación de productos, y el apoyo en la toma de decisiones en la gestión de inven-

tarios. Para esto se divide el inventario existente en 3 clusters diferentes que son: Stock Muer-

to (DS), Lento Movimiento(SM) y Rápido Movimiento (FM) usando algoritmos de k-medias,

de aglomeración jerárquica, del patrón más frecuente. Para lograr esto se desarrolló un siste -

ma que permite realizar este análisis.

2.2.4 Minería de Datos Aplicada a la Gestión Hospitalaria [52]

En este proyecto se describen diferentes aplicaciones y trabajos en los que se ha hecho uso de

la minería en el sector salud y en la gestión hospitalaria. Se encuentran aplicaciones en la

identificación y diagnóstico de patologías, descubrimiento de interrelaciones entre diferentes

enfermedades, identificación de pacientes factores con diferentes factores de riesgo y seg-

mentación de clientes para una atención más inteligente. En los trabajos presentados se aplicó

el proceso KDD (knowledge discovery in databases), en estos se utilizaron herramientas

como KUBE y WEKA, en donde se aplicaron diferentes técnicas de minería de datos supervi-

Página 46


sadas como los árboles de decisión y las redes neuronales. Fue utilizada la técnica de cross-

validation para la validación de datos. Para el manejo de base de datos se utilizó el sistema

SQL Server.

2.2.5 Minería de Datos en un Sistema de Información Hospitalario [53]

Este proyecto denominado IMPIVA: “Aplicación de técnicas de minería de datos sobre siste-

mas de información hospitalaria”, consiste en la aplicación de minería de datos para predic-

ción de urgencias, en tiempos anticipados de 1 día, 7 días y las urgencias por servicio y por

turno. Se apoya en el uso de la herramienta Kube, WEKA y Clementine de SPSS. En WEKA

se utilizaron los métodos: LinearRegression, LeastMedSq, SMOreg, MultiLayerPercepton,

Kstart

LWL, IBK, DecissionStump y M5P Tree. En Clementine de SPSS se utilizaron las técnicas

de Regresión Lineal, Red Neuronal, Árbol de Clasificación y Regresión (CART).

2.2.6 Análisis Para Predicción De Ventas Utilizando Minería De Datos En Almacenes De Ventas De Grandes Superficies [54]

Este trabajo de grado trata sobre la utilización de técnicas de minería de datos para predecir

ventas por medio de la herramienta RapidMiner, de manera que se logre la identificación de

patrones de comportamiento y relaciones entre productos. Se utilizaron los modelos predicti-

vos y descriptivos de minería de datos, aplicando las técnicas de clasificación, estimación,

predicción, asociación, agrupamiento o clustering, descripción, detección de conglomerados,

redes neuronales, análisis de vínculos, reglas de asociación y árboles de decisión.

2.2.7 iMiner: Mining Inventory Data for Intelligent Management [55]

Este trabajo de investigación consiste en la utilización de técnicas de minería de datos para

analizar patrones de comportamiento y correlaciones en los datos de inventarios de productos.

Para esto fue desarrollado un sistema inteligente llamado iMiner, para facilitar el manejo de

grandes volúmenes de datos de inventarios a través de computación distribuida. Esto incluye

la realización de pronósticos de inventario, detectar comportamientos anormales e inventario

envejecido.

Página 47



2.2.8 Conclusión Sección 2.2

En los trabajos presentados anteriormente, es posible observar que la principal característica

es el uso de las diferentes técnicas de minería de datos para apoyar la toma de decisiones, sin

embargo existe una gran oportunidad en involucrar temas relacionados con la gestión de in-

ventarios. Entre estos se encuentra principalmente el uso de modelos de inventarios y la utili-

zación de sistemas de alarmas para el manejo de las existencias de medicamentos, ya que esto

permite ofrecer información más específica para apoyar la toma de decisiones. Esto permite

tener un mayor control sobre las cantidades óptimas de producto a ordenar, tiempos de reor-

den, stock de seguridad óptimo, entre otros aspectos que no son definidos por si solos con las

técnicas de minería de datos.

Página 48


IV – DESARROLLO DE LA SOLUCIÓN

1. Modelo Propuesto

En el modelo propuesto para el desarrollo de este trabajo se definen los diferentes componen-

tes para que el hospital logre mejorar la gestión del inventario de sus medicamentos, estos se

pueden observar en el siguiente diagrama:

Ilustración 6: "Modelo Propuesto y Sus Componentes"

El modelo propuesto requiere de la entrada de información sobre el consumo de medicamen-

tos así como del inventario actual de los mismos en el hospital, la cual debe ser recolectada

previamente de las bases de datos del hospital. Esta información es utilizada en cada uno de

los componentes que hacen parte del modelo de acuerdo a la utilidad que ofrece cada uno.

Luego de la aplicación de cada componente se genera un reporte de gestión de inventarios

con los resultados obtenidos.

1.1Clasificador de Medicamentos

Este componente clasifica los medicamentos con la metodología ABC con el fin de identifi-

car los medicamentos que corresponden al 80% del dinero en inventario, es decir aquellos

clasificados en el grupo A. Sobre estos medicamentos se hace el análisis de datos y se enfo-

can los esfuerzos de la gestión inventarios.

Página 49



1.2Generador de Cantidades Óptimas de Pedido

El objetivo de este componente es calcular la cantidad óptima a pedir de cada medicamento

haciendo uso del modelo de inventarios de periodos, ya que por políticas del H.U.S.I se reali-

zan pedidos de medicamentos a los proveedores en fechas fijas y en cantidades variables [13].

Para calcular esta cantidad óptima de medicamentos a pedir se hace uso de los componentes

de generador de pronósticos e identificador de medicamentos asociados. A continuación se

describe este proceso:

1.2.1 Generador de Pronósticos

De acuerdo al historial de consumo de medicamentos del último año se utilizan los modelos

de pronósticos de series de tiempo con diferentes ventanas de tiempo para calcular la deman-

da esperada de medicamentos del siguiente periodo. Previamente además de la recolección de

los datos necesarios para este análisis, debe realizarse una limpieza de los mismos para asegu-

rar la confiabilidad de los resultados del pronóstico y generar las vistas de los datos a utilizar.

Teniendo en cuenta los resultados de los modelos de pronósticos de series de tiempo se iden-

tifica el resultado más acertado por medio del indicador de errores de previsión de la deman-

da, el cual calcula el porcentaje de error del pronóstico realizado al comparar este resultado

con la demanda real del medicamento. Este indicador se calcula con la siguiente formula:

1.2.2 Identificador de Medicamentos Asociados

Por medio de la aplicación de la técnica de reglas de asociación de minería de datos se identi-

fican los medicamentos asociados en el consumo para tenerlos en cuenta al momento de con-

trolar las cantidades en stock de los mismos. Para aplicar esta técnica se deben recopilar los

datos necesarios para su aplicación y realizarles la limpieza respectiva para asegurarse de que

los resultados obtenidos reflejan un resultado fiable. También debe generarse la vista de los

datos que se van a utilizar.

Página 50


Con los resultados obtenidos en los componentes de: generador de pronósticos e identificador

de medicamentos asociados, se calcula la cantidad óptima de pedido Q de los medicamentos

incluyendo el inventario de seguridad y la existencias actuales en inventario.

1.3Generador de Medicamentos Próximos a Vencer

Según las políticas del H.U.S.I., aquellos medicamentos a los que les falta 30 días o menos

para su vencimiento se consideran muy próximos a vencerse. Por otra parte, los medicamen-

tos a los que les resta entre 30 y 60 días para su vencimiento se consideran próximos a ven -

cerse. Se deben identificar estos medicamentos y generar alertas avisando sobre la posibilidad

de vencimiento de estos medicamentos. Se propone utilizar el método PEPS para la dispen-

sación de medicamentos y de esta manera contribuir al despacho de los medicamentos que

tienen fecha de expiración más próxima.

1.4Evaluador de Indicadores

Este componente evalúa los indicadores de: a. Índice de rotación de medicamentos: que mide

en términos porcentuales la cantidad de veces que ha rotado un medicamento en un mes de-

terminado y b. Costo de almacenamiento por unidad: que indica en términos porcentuales el

costo de almacenar una unidad de medicamento mensualmente. Estos indicadores se calculan

con las siguientes formulas:

Los resultados obtenidos en cada periodo se comparan con el promedio del último año. En

caso de que el índice de rotación sea menor o el costo de almacenar sea mayor al promedio

del último año, se debe evaluar la posibilidad de almacenar menos inventario en bodega.

Página 51



2. Prototipo de Software

A continuación se muestran todos aquellos aspectos relacionados al desarrollo del sistema

prototipo como el análisis y arquitectura del sistema previo a la codificación, lenguaje de

programación usado, framework usado, pruebas, repositorio, manejo de versiones y por últi-

mo se describen de manera descriptiva y visual el funcionamiento del prototipo de software

desarrollado.

Como se mencionaba en la sección de metodología, se utilizó la metodología SCRUM ya que

permite un desarrollo ágil y rápido pues el periodo de tiempo para el trabajo es demasiado

limitado.

Para el desarrollo del prototipo de software se realizó un acuerdo en el equipo de trabajo de

realizar reuniones 1 vez por semana para evidenciar y evaluar el progreso del proyecto en

cuanto a análisis, diseño y codificación y así cumplir con la metodología propuesta empleán-

dola por parejas.

Basados en una programación por parejas, el proceso para el desarrollo fue el siguiente:

Análisis y diseño

o Planificación: En esta fase se realizó la reunión del Sprint Planning para la

definición del Product Backlog establecido por medio de los requerimientos

y/o funcionalidades identificados para el desarrollo del sistema. Estos se

obtuvieron a través de las entrevistas a la Farmacia del H.U.S.I de tal manera

que se tuviera todos los requisitos necesarios para satisfacer los objetivos del

proyecto. También se definieron 3 Sprints cada uno desarrollado en 4 sema-

nas de trabajo y los elementos del Product Backlog que hacen parte de cada

sprint, que principalmente consiste en el desarrollo de 2 módulos de la solu-

ción definida en este trabajo para cada sprint. También se definieron los roles

principales, en donde el Product Owner está conformado por los químicos

farmacéuticos de la farmacia y el ScrumMaster y el equipo de desarrollo està

compuesto por las personas que desarrollaron este trabajo. El conjunto de

Página 52


actividades definidas para cumplir los objetivos de cada Sprint conforma

Sprint Backlog de los diferentes módulos del sistema.

o Ejecución: Basados en las entrevistas a la Farmacia y en los objetivos pro-

puestos, se daba paso al análisis y a las preguntas de cómo resolver cada uno

de los requerimientos, planteando diagramas de casos de uso, modelo de

datos, requerimientos de software y requerimientos arquitectónicos.

o Inspección: La inspección de estos diagramas y el resultado de la ejecución

se realizaba periódicamente en reuniones con los directores del trabajo brin-

dando asesoría y correcciones.

Codificación

o Planificación: Para este punto se realizaron reuniones de planificación (Sprint

Planning Meeting) de los Sprint, en donde para el desarrollo de cada módulo

del sistema se definió el trabajo a realizar y los avances a alcanzar durante

los periodos de culminación de cada Sprint. El proceso de planificación se

realizó para cada funcionalidad identificando como realizar la funcionalidad

en el lenguaje escogido.

o Ejecución: Para la codificación se aplicaron las reuniones Daily Scrum en

donde diariamente de forma virtual se revisaban los avances del proyecto, los

problemas y dificultades encontradas, así como las actividades a realizar. Se

realizaron reuniones personales 3 veces a la semana para el desarrollo con-

junto del sistema. Para cada funcionalidad y caso de uso, se recurría a libros

sobre aprendizaje en el lenguaje escogido y tutoriales para desarrollar de la

mejor manera cada funcionalidad. Esta codificación se realizó basado en una

programación de a parejas.

o Inspección: Para este punto se realizaron reuniones de revisión de cada Sprint

(Sprint Review Meeting) con el fin de revisar la completitud del trabajo,

presentar el trabajo a los directores del proyecto y los químicos farmacéuti-

cos de la farmacia. Se procedía a realizar una demostración de las funcionali-

dades dentro del equipo de trabajo para luego ser presentada a los directores

Página 53



y asesores del trabajo, de tal manera que exista dos filtros para evaluar estas

funcionalidades y que sean aprobadas. Luego se realizaron retrospectivas del

Sprint (Sprint Retrospective) para revisar las implicaciones de los últimos

cambios en el desarrollo sobre los Sprints completados, al igual que comple-

mentarlos con elementos de mejora adicionales.

2.1Análisis y Diseño

Dentro del análisis y el diseño del sistema, los casos de uso y requerimientos representan un

modelo para la descripción de funcionalidades del sistema y como debería ser su comporta-

miento según las instrucciones que le da un usuario.

A continuación se muestran el análisis y el diseño dado al prototipo de software previo a la

codificación.

2.2Casos de Uso

Teniendo en cuenta la teoría de análisis y diseño para sistemas orientado a objetos [34] los

casos de uso deben obtener el comportamiento (el qué) deseado del sistema en desarrollo, sin

tener que especificar cómo se implementa ese comportamiento [35].

Definición de actores:

La definición de actores principales del sistema complemento a SAHI, se describen

tal como aparece en la siguiente tabla:Código Actor Actor Descripción

A01 Usuario General

El usuario general es aquel actor que se encuentra dentro del equipo de la Farmacia del Hospital San Ignacio (40 personas

aproximadamente) y que influye en el manejo del inventario de los medicamentos.

A02 Administrador

El administrador es considerado como un Usuario General, pero tiene opciones y tareas privilegiadas como el registro a un

usuario nuevo, la modificación de un usuario ya existente. Y es el encargado de ejecutar el archivo de RapidMiner para generar información adicional usando la minería de datos, al igual que

importar el resultado a la aplicación web.

Tabla 4: “Definición de Actores”

Página 54


Diagrama Casos de Uso:

A continuación se muestra el diagrama de casos de uso correspondiente al sistema

complemento. La documentación del flujo de cada caso de uso se encuentra en el

Anexo #3 Documentación Casos de Uso.

Ilustración 7: “Diagrama de Casos de Uso del Sistema Complemento”

Página 55



Descripción general Casos de Uso:

Código Caso de Uso Nombre Caso de Uso Descripción General

CU01 Registrar a un UsuarioSituación en la cual el administrador debe agregar a un nuevo usuario al

sistema para poder visualizar la información de análisis de datos, medicamentos a vencer e indicadores.

CU02 Modificar Información de un UsuarioSituación en donde el administrador modifica información como correo

electrónico, nombre o rol de un usuario general.

CU03 Iniciar AplicaciónPermite al usuario general iniciar la aplicación mediante un navegador

vía web

CU04 Cerrar AplicaciónPermite al usuario general cerrar la aplicación usando un navegador de

internet.

CU05 Importar xls al servidorDe acuerdo al resultado obtenido en el CU14 (con la herramienta

rapidminer), se importa el archivo xls y se guarda en el servidor de la aplicación.

CU06 Iniciar SesiónPermite el acceso a la información de los diferentes módulos de la

aplicación web al usuario general.CU07 Cerrar Sesión Permite al usuario general cerrar su sesión activa

CU08Mostrar Información análisis de datos

(Minería)Al momento de ejecutar el CU09, el usuario general podrá visualizar la

información resultante.

CU09Generar reporte análisis de datos

(minería)

El usuario general podrá usar el módulo de análisis de datos (Pareto-ABC/Forecasting/reglas de asociación) para generar un reporte que

ayude a la toma de decisiones.

CU10Generar Reporte medicamentos

próximos a vencer

El usuario general podrá usar el modulo de medicamentos próximos a vencer para generar un reporte que informe medicamentos a vencer de

acuerdo a la ultima fecha registrada de inventario.

CU11 Mostrar información próximos a vencerAl momento de ejecutar el CU10, el usuario general podrá visualizar la

información resultante de medicamentos próximos a vencer.

CU12 Exportar reporte a formato xlsUna vez el usuario general genere informacion de proximos a vencer tendrá la opción de exportar la información generada en formato xls.

CU13Generar reporte Indicadores de

Inventario

El usuario general podrá usar el modulo de Indicadores de Inventario, para generar un reporte que informe sobre indicador de rotación de

inventario de medicamentos e índice de costo de almacenamiento por unidad.

CU14 Ejecutar proceso Minería de DatosEl administrador está a cargo de ejecutar los procesos diseñados en RapidMiner de minería de datos para luego poderlos guardar en el

servidor de la aplicación.

CU15 Recuperar ContraseñaEl administrador o usuario general en caso de olvido de contraseña podrá recuperar su contraseña mediante el envío de un código de verificación.

CU16Mostrar información Indicadores de

inventarioAl momento de ejecutar el CU13, el usuario general podrá visualizar la

información resultando del informe generado.

CU17 Enviar e-Mail confirmación registroCuando un usuario es registrado por el administrador, el sistema debe

enviarle un e-mail informándole que debe hacer clic en un link para activar la cuenta.

Tabla 5: “Descripción General Casos de Uso”

2.3Requerimientos

Realizados y documentados los casos de uso, fue posible extraer de manera más específica las

funcionalidades que debe permitir el sistema. A estas funcionalidades más específicas se les

conoce como requerimientos de software. Los requerimientos del sistema son los siguientes:

Página 56


ID Requerimiento Requerimiento ClasificaciónREQ_01 El sistema debe permitir al usuario iniciar la aplicación FuncionalREQ_02 El sistema debe mostrar una pantalla de inicio Funcional

REQ_03El sistema debe permitir la visualización de las pestañas del menú

Funcional

REQ_04El sistema debe permitir la navegabilidad en los diferentes opciones del menú

Funcional

REQ_05El sistema debe permitir la elección de diferentes opciones dentro de las opciones del menú principal

Funcional

REQ_06El sistema debe permitir al administrador la creación de nuevos usuarios administradores o generales

Funcional

REQ_07El sistema debe guardar en una base de datos propia diferente al SAHI, el perfil de un nuevo usuario registrado por el administrador

Funcional

REQ_08El sistema debe enviar un e-mail al nuevo usuario registrado por el administrador, con un link para la activación de la cuenta.

Funcional

REQ_09El sistema debe permitir guardar en el servidor un archivo xls con información generada por RapidMiner (importar)

Funcional

REQ_10El sistema debe permitir iniciar sesión a cada usuario con su respectivo username y password

Funcional

REQ_11 El sistema debe permitir la recuperación de contraseñas Funcional

REQ_12El sistema debe enviar un e-mail con un código de verificación para recuperar la contraseña

Funcional

REQ_13El sistema debe mostrar la información importada del xls generado por RapidMiner

Funcional

REQ_14

El sistema debe leer de la base de datos del Sistema SAHI información como el medicamento, lote y fecha de vencimiento

Funcional

REQ_15El sistema debe permitir realizar consultas a la base de datos y cálculos para determinar medicamentos próximos a vencer dentro de 3 y 6 meses a partir de la última fecha de inventario.

Funcional

REQ_16El sistema debe permitir realizar consultas a la base de datos y cálculos internos para clasificar por pareto-ABC los medicamentos.

Funcional

REQ_17El sistema debe permitir la lectura e interpretación de los archivos generados por RapidMiner para indicar pronósticos.

Funcional

REQ_18El sistema debe realizar cálculos internos de Q óptimo a pedir de acuerdo con los resultados obtenidos del forescasting de rapidminer

Funcional

REQ_19El sistema debe permitir la lectura e interpretación de los archivos generados por RapidMiner para indicar medicamentos asociados en las compras.

Funcional

REQ_20El sistema debe permitir realizar consultas a la base de datos y cálculos para determinar el indicador de rotación de invetario y el índice de costo de almacenamiento.

Funcional

REQ_21El sistema debe permitir generar un informe en xls con el listado de medicamentos próximos a vencer en 3 y 6 meses teniendo en cuenta la ultima fecha de inventario.

Funcional

REQ_22 El sistema debe permitir el registro de mínimo 40 usuarios. Funcional

REQ_23El sistema debe responder a solicitudes del usuario en menos de 15 segundos

Desempeño

REQ_24 El sistema debe poder ejecutarse en un navegador web sin depender del sistema operativo de la maquina del cliente.

Portabilidad

REQ_25 El servidor del sistema debe ejecutarse en un sistema Windows como minimo

Portabilidad

REQ_26El sistema debe permitir una manera de validación y autenticación de los usuarios que ingresen.

Seguridad

REQ_27El sistema debe poderse ampliar en cuanto a desarrollo para permitir avances futuros sobre el software

Escalabilidad

REQ_28 El sistema debe tener un manual de usuario en Español. Documentación

Tabla 6: “Requerimientos del Sistema”

Página 57



2.4Modelo Entidad – Relación

El software prototipo se modeló para tener conexiones a dos distintas bases de datos, una de

ellas es la base de datos copia de SAHI (SQL SERVER) y la otra es una interna (MYSQL)

únicamente para el manejo de acceso a los usuarios, con el fin de evitar comprometer la segu-

ridad que tiene actualmente SAHI haciendo uso de un username y password para acceder a

dicha base de datos.

Para analizar los diferentes datos del inventario de medicamentos vigentes de la farmacia

general del H.U.S.I se utilizaron los datos que se encuentran en la base de datos del sistema

SAHI. Para esto se identificaron las diferentes tablas de interés en las que se encuentra la

información necesaria para realizar los análisis de información de inventarios. El sistema

prototipo usa la base de datos de SAHI para hacer consultas, mas no para modificaciones

sobre tablas.

Es importante resaltar que el hospital no tiene definido un modelo Entidad Relación de las

tablas con las que cuenta en las bases de datos, por lo cual fue necesario tomar las tablas de

interés para este trabajo y con ellas construir el diagrama del modelo que se observa a conti -

nuación:

Página 58


Ilustración 8: “Modelo Entidad Relación”

Página 59



El contenido de cada una de las tablas es el siguiente:

Nomre de la TablaproProducto

invSISMEDVentas

invSISMEDComprasproLotePlantilla

genTercero

proFabricante

Lead Time

InvKardexCorteConsDet

InvKardexCorte

InvBodegaProducto

genServicios

genUbicacion

genBodega

Tablas BD SAHI

Descripción de la Tabla

Almacena la información que define a cada bodega del HUSI

Contiene la información con la fecha de corte del inventario de productos

Almacena las fechas de vencimiento de cada producto

Recopila la información del inventario en bodega de cada producto

Recopila la información de cada proveedor del HUSI

Recopila la información que define a cada servicio ofrecido por el hospitalContiene la información de las ubicaciones en que se prestan los diferentes

servicios del HUSI

Almacena la información existende de cada producto del HUSI

Recopila la información de la venta de medicamentos

Contiene la información de la compra de medicamentos

Contiene la información que define a cada fabricante de los productos en bodega

Almacena la información del tiempo en que tardan los proveedores en llevar los medicamentos al HUSI

Almacena la información de la ubicación de cada producto en la correspondiente bodega del HUSI

Tabla 7: “Contenido de las Tablas del Sistema”

Para realizar el análisis de la información requerida se debe hacer la consulta de los datos

respectivos en las tablas de la base de datos del H.U.S.I y extraerlos para su estudio. Cabe

resaltar que el entendimiento de los datos de la base de datos del Hospital provino de las indi-

caciones del Analista de Aplicaciones de Tecnologías de la Información del hospital [42].

Por otra parte, la base de datos interna fue necesaria para la administración de usuarios y

registro de personas pues todos los reportes se hacen consultando directamente a la base de

datos de SAHI; para los archivos generados de RapidMiner, estos son guardados directamen-

te en el servidor de la aplicación.

Para los permisos según el rol, estos fueron configurados directamente desde el código fuente

debido a que el Framework y el lenguaje php permiten realizar este tipo de configuraciones

directamente.

Es por esta razón que la base de datos propia solo tiene una tabla llamada User que se mues-

tra a continuación:

Página 60


Ilustración 9: “Contenido Tabla User”

La descripción de sus atributos se lista a continuación:

Atributo Descripciónid id único de usuario

username nombre de usuarioemail correo de usuario

password clave del usuario encriptadaauthkey llave para encriptar los password

accessToken configuración de seguridad

activate0 si no ha confirmado el correo

1 cuando ya esta confirmado

verification_codeCuando el usuario se le olvida la contraseña se genera un código

de verificación

role

Entero que se diligencia en el formato de registro1 para usuario guest

2 para usuario administrador

Tabla 8: “Descripción de los Atributos de la Tabla User”

2.5Lenguaje de Programación y Framework usado

En la fase inicial de proyecto e inclusive desde el anteproyecto, se tenía planeado realizar una

aplicación en Java tipo Stand Alone que se pudiera instalar en cada computador cliente del

sistema. Pero se pensó que esto no era tan conveniente, ni eficiente para el hospital pues ac -

tualmente existen soluciones más prácticas para desarrollar aplicaciones y que no dependen

Página 61



de la instalación de un software en x cantidad de usuarios del sistema como lo son las aplica-

ciones web.

Mediante una aplicación web es más fácil para el usuario final utilizar el software únicamente

accediendo por medio de un navegador de internet a una URL especificada, sin tener que

seguir pasos de instalación de software previamente.

Una vez ya planeado que se desarrollaría una aplicación web, se pensó en un lenguaje de

programación sencillo y básicamente que pudiera cumplir el desarrollo de los requerimientos

del sistema. Tras este cuestionamiento, se decidió que la aplicación web sería desarrollada

con el lenguaje de programación PHP [36].

Actualmente existen numerosos Frameworks para desarrollar en PHP que permiten funciona-

lidades básicas de un sistema como el registro y manejo de seguridad, estructuras de código

ya establecidas, entre otras herramientas que facilitan la codificación.

Para la elección del Framework a usar, se realizó una búsqueda de los más usados en progra-

mación PHP. A continuación se muestra una gráfica exponiendo los Frameworks más usados:

Ilustración 10: “Los Mejores 15 Frameworks Libres en PHP” [38]

Página 62


Teniendo en cuenta las necesidades del proyecto y basados también en una investigación

personal con referencias de personas de Ingeniería de Sistemas de la Pontificia Universidad

Javeriana que han usado este Framework y que ya han tenido alguna experiencia previa, se

decidió que el Framework Yii [19] en su versión 2 sería el usado para desarrollar la aplicación

web [37].

A continuación se listan las características del Framework Yii 2 que perfectamente cubren las

necesidades del sistema a desarrollar:

CARACTERISTICAS Yii 2Fecha de lanzamiento Enero de 2008

versión actual 2.0.6Fecha última versión estable Agosto de 2015

soporte y documentación Versión 2,0Licencia New BSD

Lenguaje soportado PHP versión mayor o igual a 5.4CRUD SI

Framework Orientado a Objetos

SI

Ajax Jquery - JqueryUI - PluginsMVC SI

ORM (Mapeo Objeto Relacional)

Data Access Objects (DAO) - Patrón Active Record - Plugins

SeguridadACL-Based, RBAC (Role-based access

control) - Based - PluginsValidación de formularios SI

Tabla 9: “Características del Framework Yii 2” [19]

2.6Arquitectura

Una vez escogido el lenguaje de programación con el Framework a usar, y teniendo en cuenta

la especificación y características de Yii, la arquitectura de la aplicación web prototipo es

Cliente – Servidor, de tal manera que el cliente únicamente sea el encargado de acceder a la

aplicación (alojada en el servidor) por medio de un Browser.

Página 63



El lenguaje de programación escogido permite utilizar el paradigma orientado a objetos que

conjunto a las ayudas y especificaciones del Framework a usar, permite el uso de diversos

patrones de diseño de software. Como se mencionó en la sección IV 2.2, Yii soporta y maneja

los patrones que se listan a continuación:

Active Record : Es un patrón de arquitectura usado para abstraer las tablas de la base

de datos de una forma orientada a objetos, de tal manera que se pueden interpretar

como clases dentro de la aplicación en PHP. Esto es de gran ayuda cuando el sistema

necesita acceder al modelo y escribir de una manera más fácil en la base de datos

[19]. El patrón Active Record (AR), es una técnica popular de Mapeo Objeto-Rela-

cional (ORM) [19].

Modelo – Vista – Controlador (MVC): El patrón MVC es el más importante y el más

usado por el Framework Yii al momento de realizar una aplicación web. El patrón

tiene por objetivo separar la lógica del negocio de la interfaz de usuario para que al

momento de desarrollar el software se pueda modificar cada parte más fácilmente sin

afectar la otra [19].

El modelo representa la información (datos) y las reglas de negocio, la vista contiene

elementos de interfaz y el controlador administra la comunicación entre la vista y el

modelo [19].

Observer: Este patrón básicamente permite una definición entre los objetos de tipo

uno a mucho, de tal manera que cuando un objeto cambie se actualice en todos los

relacionados a él [39].

Teniendo en cuenta el patrón MVC propio para la aplicación web y la integración de Rapid -

Miner y el uso de la base de datos de SAHI para efectos de solo lectura, a continuación se

muestra el diagrama de despliegue:

Página 64


Ilustración 11: “Diagrama de Despliegue del Sistema”

Nodo Cliente:

Componente Navegador: El computador del cliente debe disponer de un Browser o

navegador de internet para ingresar a la aplicación web a través de una URL del ser-

vidor de aplicación.

Componente RapidMiner: Este componente adicional, refiere a la ejecución de los

procesos de minería de datos usando la herramienta RapidMiner. Esta ejecución de

procesos estará a cargo del administrador. RapidMiner no está conectada directamen-

te al sistema prototipo, simplemente se ejecutan los procesos por aparte y el adminis-

trador se encarga de subir los archivos resultantes

Nodo Servidor:

Componente Controlador: Básicamente su función principal es manejar la comunica-

ción entre la vista (acciones del usuario) y el modelo (acción dentro de los datos a

tomar de acuerdo a la petición del usuario).

Componente Vista: se encarga de manejar los elementos de interfaz de usuario como

por ejemplo textos o formularios de entrada.

Página 65



Componente Modelo: El modelo representa en términos orientado a objetos los datos

de la base de datos con sus respectivas reglas de negocio. Se encarga además de la

comunicación con las bases de dato propio y la de SAHI.

Nodo Servidor Base de Datos Propia:

Componente Persistencia en MySQL: Se encarga de cumplir las funciones básicas

del modelo CRUD (Create – Read – Update - Delete) en una base de datos. Esta base

de datos maneja únicamente el acceso a usuarios y su registro, pues todas las consul-

tas se hacen directamente a SAHI y los archivos de RapidMiner se guardan directa-

mente en el servidor.

Además en busca de la promoción de no gastar dinero en software, se optó por tener

una base de datos MySQL la cual es una herramienta de software libre.

Nodo Base de Datos SAHI:

Componente Consulta en Ms SQL Server: En cuanto al modelo CRUD, solo cumple

con la función de Read debido a las restricciones anteriormente mencionadas. Cabe

anotar que para efectos de pruebas del Trabajo de Grado, la aplicación web no está

conectada directamente a la base de datos original, sino a una copia de dicha base de

datos localizada en un equipo de pruebas.

2.7Funcionalidades y aspectos técnicos del sistema prototipo

Como se mencionó anteriormente, el software prototipo es una aplicación web desarrollada

en PHP, en donde el desarrollo se realizó en un computador de desarrollo y con una base de

datos copia (con algunos datos actualizados máximo hasta diciembre de 2014) alojada en el

localhost del computador de desarrollo.

La dirección URL de la aplicación es http://localhost/appwebtgfarmacia/web/index.php (a

nivel local), desplegada en un servidor APACHE.

Página 66


El manejador de la base de datos copia de SAHI realizada es “Microsoft SQL Server 2014”,

cuyo nombre de servidor es localhost\SQLEXPRESS, teniendo una base de datos llamada

COPIA_HUSI_TG.

El manejador de la base de datos propia es “phpMyAdmin 4.4” usando MySQL, cuyo servi-

dor es 127.0.0.1 (localhost), teniendo una base de datos llamada

BD_TG_FARMACIA_HUSI.

2.7.1 Pestaña Login y Pestaña Administración de Usuarios

La pestaña Login, está a cargo del ingreso a la aplicación pidiendo el username y password de

un usuario registrado, ya sea administrador o usuario general. Contiene además un valor agre-

gado, pues es capaz de permitirle al usuario cambiar su contraseña en caso de olvido; esto lo

hace enviando un correo con un código de verificación al e-mail registrado para luego proce -

der al cambio de clave.

En cuanto a la administración de usuarios, el administrador es el único que puede hacer regis-

tro, llenando un formulario con los datos de un nuevo usuario. Luego de llenar los datos, se

envía un correo automático al nuevo usuario informándole que debe hacer clic a un link en-

viado para confirmar la cuenta.

Esta pestaña, también cuenta con opciones para listar todos los usuarios del sistema, modifi-

car alguno en caso de desearse, o la eliminación de estos también es posible.

En el Anexo #4 Pantallas Sistema Prototipo, se encuentra unas pantallas que describen de

manera visual su funcionamiento.

2.7.2 Pestaña Importar Datos

Luego de que el administrador ejecute los procesos de RapidMiner, por medio de esta pestaña

se deben cargar los archivos xls o xlsx resultantes por la herramienta, subiendo cada archivo

de manera individual.

Página 67



Luego de la carga, se guardan los archivos subidos al servidor de la aplicación, en caso de ser

utilizados más adelante.

Esta pestaña cuenta con validaciones para la carga de archivo en donde únicamente se puede

subir archivos en formato xls, xlsx o xml en su defecto.



2.7.3 Pestaña Análisis de datos

Teniendo en cuenta los archivos xls subidos por el administrador, la pestaña de análisis de

datos presenta información relevante para la ayuda de toma de decisiones dentro de la farma-

cia.

Estos análisis comprenden un informe “Pareto y ABC de medicamentos”, en donde se mues-

tra la clasficacion de medicamentos teniendo en cuenta el costo en inventario en los años

2012-2013-2014.

Informe “Forecasting”, en donde, teniendo en cuenta los medicamentos más importantes por

la clasificación ABC, se muestra un medicamento A (para el caso de prueba, en modo de

propuesta a otras alternativas de pronóstico y de pedido para ser evaluadas en la toma de de -

cisiones) con su respectivo pronostico durante 1 año.

Informe “Medicamentos asociados”, en donde, teniendo en cuenta la información de históri-

cos de órdenes de compra, se asocian medicamentos para saber a la hora de comprar qué ten-

dencias se están repitiendo y evaluar posibles compras conjuntas.

Por último, también se tiene la opción de descargar los archivos que se han subido al sistema,

listándolos para que el usuario escoja en caso de una futura utilización del archivo original.



Página 68


2.7.4 Pestaña Próximos a vencer

Mediante esta pestaña la aplicación realiza una consulta SQL directa a la base de datos de

SAHI (copia), extrayendo de acuerdo a los medicamentos que se encuentran en inventario un

listado con los próximos a vencer dentro de 3 meses (alerta roja) y 6 meses (alerta amarilla).

El cálculo de cuántos meses falta para vencerse viene de acuerdo a la última fecha de inventa -

rio realizada y la fecha de vencimiento de los lotes de los medicamentos.

El resultado final es una lista ordenada por medicamento, en donde se denota aspectos gene-

rales del medicamento próximo a vencerse como: id del producto, código del producto, fecha

de vencimiento, proveedor, fecha de corte de inventario, meses faltantes de vencimiento, id

de la bodega, nombre de la bodega en donde se encuentra, id del lote proveniente, y el nom-

bre del lote proveniente.



2.7.5 Pestaña Indicadores de Inventario

Mediante esta pestaña, se muestra todos los medicamentos el cálculo de los indicadores de

gestión definidos para el sistema (Ver sección IV - Desarrollo de la Solución - 1.4 Evaluador

de Indicadores).

Como muestra de la funcionalidad de esta opción, el usuario puede generar un reporte que

informe sobre indicador de rotación de inventario de medicamentos e índice de costo de al-

macenamiento por unidad.

En el primer indicador se muestran aspectos como: el año, mes, costo total vendido en el mes,

promedio de medicamentos en inventario en el mes, y el índice de rotación de medicamentos

en el mes.

Página 69



En el segundo indicador se muestran aspectos como: año, mes, dinero promedio en inventario

en el mes, promedio de unidades almacenadas en el mes, y el costo de almacenamiento por

unidad en el mes.



2.8Pruebas

Las pruebas de software venían implementándose desde el primer contacto con los datos de la

farmacia del hospital. Cada vez que se consultaba a la base de datos suministrada por el Hos-

pital mediante consultas, se validaba la integridad de los datos, obteniendo un entendimiento

del significado de cada tabla y su uso por parte del Hospital.

Después, en el desarrollo del sistema prototipo y con la ayuda del Framework utilizado, se

comenzaron a realizar pruebas unitarias a medida que se desarrollaba el software para ir ase-

gurando el cumplimiento de los casos de uso y requerimientos asociados. Las pruebas unita-

rias se dieron a medida que cada uno de los módulos del prototipo (Login – Administración

de usuarios – Importar Datos – Análisis de datos – Próximos a vencer – Indicadores de Inven-

tario) se fueron desarrollando.

Cada vez que cada módulo anteriormente descrito era probado con pruebas unitarias, se pro-

cedía a realizar la unificación de módulos para realizar pruebas de integración.

Como resultado final, se probó cada una de las pestañas del sistema prototipo visualizando su

funcionalidad que esté acorde a los casos de uso y requerimientos descritos anteriormente,

ejecutando la fase de inspección (metodología) con la ayuda de nuestros directores de trabajo:

Página 70


Funcionalidad Casos de uso asociados Descripción del funcionamiento post-desarrollo

Login CU03-CU04-CU06-CU07

La aplicación logra restringir a usuarios no autorizados.No permite el acceso a las pestañas del menú sin previo login.Desde el momento del login, existe la posibilidad de recuperar contraseña.Una vez se realiza el login, la aplicación redirecciona al usuario a la pestaña de admón. de usuarios si es administrador o si es guest a la pestaña análisis de datos.

Administración de Usuarios

CU01-CU02-CU15-CU17

Una vez es exitoso el logeo por el administrador, el sistema logra mostrar el menú para administrar usuarios, permitiendo agregar, editar, eliminar usuarios y recuperar contraseñas.De igual forma al momento de registro de un usuario, se envían correos de confirmación y si es necesario correo de recuperación de contraseña cuando esta es olvidada.

Importar Datos CU05La aplicación permite importar datos en formato xls resultante de los procesos de minería y análisis de datos, abriendo una ventana del explorador para iniciar la carga de archivos.

Análisis de datos CU08-CU09-CU14

Cuando se realiza la importación de datos, la aplicación muestra los medicamentos y los clasifica bajo metodología ABC - muestra los resultados para forecasting y reglas de asociación.Además esta opción lista los archivos subidos, por si es necesario descargarlos directamente.

Próximos a vencer CU10-CU11-CU12

La aplicación logra listar los medicamentos próximos a vencer en 3 meses y en 4 a 6 meses, mostrando su información, meses restantes y ubicación. Para efectos de descarga de esta información, al tratarse de un navegador web en donde se lista dichos datos, es posible copiar la tabla en memoria para tenerla en un archivo Excel.Para información adicional sobre las bodegas, la aplicación logra listar todas las bodegas existentes en el hospital.

Indicadores de inventario

CU13-CU16La aplicación logra listar información sobre los indicadores de inventario propuestos, suministrando por año y mes el calculo realizado para cada uno de estos indicadores.

Tabla 10: Comparación y resultado de pruebas en relación a lo deseado

La descripción de las pruebas y sus resultados se pueden observar en el Anexo #9 Pruebas del Sistema.

2.9Repositorio y Manejo de Versiones

Dentro de los conocimientos y experiencias adquiridas durante la carrera de Ingeniería de

Sistemas, en materias como “Ingeniería de Software”, conocimos la gran importancia de te-

ner un repositorio y manejo de versiones de documentación y codificación.

Página 71



Partiendo de la documentación siempre se tuvo un repositorio en la nube usando la herra-

mienta Google Drive [40], la cual nos permitía mantener actualizados y versionados los docu-

mentos realizados localmente para manejar el trabajo en paralelo en el grupo y que cada inte-

grante estuviera enterado tanto del progreso realizado como de la información redactada. La

ventaja principal además del versionamiento, es cuando se materializa el riesgo de pérdida de

información o pérdida del computador del trabajo, pues se tiene respaldo de cada avance

realizado.

En cuanto a codificación se manejó un repositorio mediante la herramienta GitHub [41], que

por medio de la versión para computador “GitHub Desktop” se guardaba el código de manera

local y luego cargaba automáticamente la información en el repositorio tipo nube de dicha

herramienta. Para la recuperación del código en caso de pérdida simplemente basta con hacer

un registro en la página web, y descargar el proyecto en un archivo comprimido generado

automáticamente.

3. Evaluación Financiera del Proyecto

Para evaluar la viabilidad del desarrollo de este trabajo desde la perspectiva financiera, se

realizó un presupuesto del costo de este proyecto y sus beneficios, en comparación con las

pérdidas en dinero que tiene el H.U.S.I por el vencimiento de medicamentos. En primera

instancia se tienen en cuenta los costos del desarrollo de este proyecto durante los 3 primeros

años o periodos a partir del inicio del desarrollo del proyecto, que son los siguientes:

Página 72


CONCEPTO Tipo Cantidad Periodo 0 Periodo 1 Periodo 2 COSTO TOTAL

Salario 2 Estudiantes Servicios 2 $ 11,040,000 $ 0 $ 0 $ 11,040,000

Dirección del Trabajo de Grado Servicios 1 $ 3,600,000 $ 0 $ 0 $ 3,600,000

Microsoft Office 2013 Servicios 2 $ 240,000 $ 0 $ 0 $ 240,000

Transporte Servicios 2 $ 259,200 $ 0 $ 0 $ 259,200

Internet, Agua y Luz Servicios 2 $ 252,000 $ 0 $ 0 $ 252,000

Uso de Laptop Servicios 2 $ 800,000 $ 0 $ 0 $ 800,000

Papelería Servicios 1 $ 20,000 $ 0 $ 0 $ 20,000

Alimentación Servicios 2 $ 288,000 $ 0 $ 0 $ 288,000

Mantenimiento Software Servicios 1 $ 0 $ 2,208,000 $ 2,208,000 $ 4,416,000

Total $ 16,499,200 $ 2,208,000 $ 2,208,000 $ 20,915,200

CUANTIFICACIÓN DE COSTOS

Tabla 11: "Costos del Proyecto"

Para la cuantificación de los costos, se contempla el salario de los dos estudiantes que desa-

rrollaron este trabajo el cual tiene un costo por hora de COP$23.000. Esto durante 12 sema-

nas y 40 horas de trabajo por semana para un total de 480 horas de trabajo. También se tiene

en cuenta el costo de la asesoría en la dirección del trabajo de grado por un valor de

COP$100.000 por hora, durante 12 semanas con intensidad de 3 horas semanales para un

total de 36 horas semanales. Para el desarrollo del trabajo se hizo uso del software Microsoft

Office 2013 el cual tiene un costo unitario de COP$120.000, de este se utilizaron 2 unidades

que alcanzaron un costo total de COP$240.000. El transporte de los estudiantes tiene un costo

de COP$1.800 por pasaje, teniendo en cuenta que estos se transportaron alrededor de 6 veces

a la semana se llegó a un total de pasajes utilizados de 144 durante las 12 semanas de trabajo,

alanzando un costo total de COP$259.200. Los servicios de internet, agua y luz se estimaron

en COP$252.000 durante su uso en las 480 horas de trabajo en el proyecto. El uso de laptops

Página 73



se calculó en un total de COP$800.000 teniendo en cuenta una valoración de COP$100.000

por cada laptop durante cada uno de los 4 meses de uso. Los costos en papelería fueron de

COP$20.000 lo cual incluye la compra de carpetas y la impresión y fotocopia de documentos.

La alimentación de los estudiantes fue valorada en COP$288.000 teniendo en cuenta un costo

semanal de COP$12.000 para cada estudiante durante las 12 semanas de trabajo. Por último,

se tiene en cuenta el costo estimado de mantenimiento del software equivalente al 80% del

doble del costo del desarrollo del software para una vida útil del software en 8 años [56].

El hospital pierde anualmente alrededor de COP$25’000.000 por el vencimiento de medica-

mentos [1]. Realizando una estimación de una reducción del 80% de estos costos, se puede

lograr un ahorro de COP$20’000.000 en cada uno de los siguientes periodos como se muestra

a continuación:

TIPO DE BENEFICIO

TÉCNICA DE EVALUACIÓN

VALOR ACTUAL DEL

COSTO

VALOR PROYECTADO

DEL COSTOPERIODO 0 PERIODO 1 PERIODO 2 TOTAL

Reducción de Costos

Regla del 20-80 $ 25,000,000.00 $ 5,000,000.00 $ 0 $ 20,000,000 $ 20,000,000 $ 40,000,000

TOTAL $ - $ 20,000,000 $ 20,000,000 $ 40,000,000

CUANTIFICACIÓN DE BENEFICIOS

Tabla 12: "Beneficios del Proyecto"

Teniendo en cuenta los costos y beneficios del desarrollo del proyecto se pueden definir los

beneficios percibidos con una tasa de desviación en cada periodo en caso de no lograr la re -

ducción total de costos estimada.

Con esta información se calcula el flujo de caja que consiste en la resta entre los costos me-

nos los gastos, la cual tiene valores positivos para los periodos siguientes a la elaboración del

proyecto.

Con los resultados obtenidos y una tasa de descuento del 12% se puede calcular la tasa inter-

na de retorno mejorada que equivalente a 22.50% y un valor presente neto del proyecto de los

Página 74


siguientes tres periodos por un valor de COP$10’469.270, lo cual indica que el proyecto es

rentable al tener mayores entradas que salidas de dinero.

Adicionalmente se observa una relación costo beneficio, en donde los beneficios superan a

los costos en proporción de 1:1.2 y un retorno de la inversión en el segundo periodo de

443,5% en el segundo periodo y de 624,6% en el tercero. La inversión se logra recuperar en

el segundo periodo, por lo cual se puede decir que el proyecto es rentable desde el punto de

vista financiero.

Beneficios Periodo 0 Periodo 1 Periodo 2Beneficios por Reducción de Costos $ 0 $ 20,000,000 $ 20,000,000

Total de beneficios $ 0 $ 20,000,000 $ 20,000,000 Tasa de Desviación de Beneficios 40% 60% 80%

Total de beneficios percibidos $0 $12,000,000 $16,000,000

Costos Periodo 0 Periodo 1 Periodo 2Total $16,499,200 $2,208,000 $2,208,000

Flujo de Caja Periodo 0 Periodo 1 Periodo 2Total ($ 16,499,200.00) $ 9,792,000.00 $ 13,792,000.00

ROITasa de Descuento 12%

Tasa Interna de Recuperación Mejorada TIRM 22.50%

Valor Presente Neto Total - VPN $ 10,469,270.62 VPN - Ingresos $ 20,954,810.50 VPN - Egresos $ 18,063,243.44

Relación Costo Beneficio (B/C) 1.2

Valor Presente Flujo de Caja Libre - FCL ($16,499,200) $8,742,857 $10,994,898 VPN - FCL ($16,499,200) ($7,756,343) $3,238,555

Retorno de la inversión (%) - ROI -100.0% 443.5% 624.6%

Periodo de recuperación de la inversión - PRI

CÁLCULO DEL ROI

La inversión se recupera en el segundo período

Tasa de interés de retorno durante el periodo de la inversión (0-2).

El proyecto es rentable por que los beneficios superan a los costos en

proporción 1:1.2

Tabla 13: "Retorno de la Inversión de Proyecto"

Página 75



V – CASO DE ESTUDIO

1. Proceso Propuesto – To Be

Teniendo en cuenta el diagnóstico realizado del proceso actual del control del inventario de

medicamentos del H.U.S.I y haciendo uso del modelo propuesto, como caso de estudio se

propone reformular los procesos de: “Control Periódico de Inventario” y “Solicitud de medi-

camentos por la jefatura”.

El rediseño para el proceso de “Control Periódico de Inventario” es el siguiente:

Ilustración 12: “Redefinición del Proceso de Gestión de Inventarios de Medicamentos – To

Be”

Y a continuación, el rediseño del proceso de “Solicitud de medicamentos por la jefatura”:

Página 76


Ilustración 13: “Redefinición del Proceso de Solicitud de Medicamentos por la Jefatura”

Dentro de los procesos anteriores, se implementa la metodología y solución propuesta, pues

se incluye información relevante generada a través de técnicas de minería de datos como lo

son los pronósticos, patrones secuenciales, información de indicadores, análisis de Pareto,

análisis ABC y los reportes próximos a vencer de medicamentos.

Esto es posible verlo en el proceso de gestión de inventario de medicamentos y en la parte

inicial de solicitud de medicamentos pues ahora pueden ayudarse en la toma de decisiones

cuando generan toda la información anteriormente mencionada y que antes no la tenían

(ABC, Pareto, Q a pedir, asociaciones en la compras, próximos a vencer)

Cuando se ejecutan los diversos procesos de minería de datos como los pronósticos y las

reglas de asociación, unidos y enriquecidos con análisis de Pareto, análisis ABC y análisis de

indicadores, se contribuye de gran manera en la toma de decisiones en el control de inventa-

rio.

Al generar un informe de Pareto y clasificación ABC, la administración de la bodega puede

saber qué medicamentos son los más importantes de acuerdo a diferentes variables como el

costo de mantener en inventario. Luego de conocer los productos más importantes, es posible

generar un informe de pronóstico para dicho medicamento de tal manera que se puedan prio-

rizar los pedidos.

Página 77



Además, sabiendo ya cuales son los medicamentos de mayor impacto y con el pronóstico

establecido, por medio de las reglas de asociación se puede conocer qué medicamentos se

asocian a la hora de comprar de acuerdo al histórico, de tal manera que se tenga en cuenta a la

hora de realizar una orden de pedido.

Con el reporte de próximos a vencer, también se tiene un mayor control del inventario al

evitar que se venzan y también se reducen en gran porcentaje los barridos mensuales que se

hacen en bodega para mirar si existen medicamentos vencidos o no. En este reporte es posible

conocer los medicamentos en bodega próximos a vencer de acuerdo al último inventario re-

gistrado en el sistema.

2. Aplicación del Modelo en el Caso de Estudio

Para probar el modelo propuesto de gestión de inventarios de medicamentos, se realiza su

aplicación en el caso del H.U.S.I. A continuación se presenta el desarrollo de cada una de las

partes del modelo:

2.1Clasificador de Medicamentos

Se aplicó la clasificación ABC para los medicamentos demandados al H.U.S.I en los años

2012, 2013 y 2014 teniendo en cuenta su costo en dinero en el inventario. La clasificación

ABC resultante es la siguiente:

Grupo Referencias Unidades % Unidades % de Referencias % Dinero InventarioA 56 18,861,123.00 36.9% 8.9% 80%B 101 19,112,998.00 37.4% 16.1% 15%C 469 13,177,465.00 25.8% 74.9% 5%

Total 626 51,151,586.00 100.0% 100.0% 100%

Tabla 14: “Resultados Clasificación ABC”

Fue posible encontrar que el 80% del dinero de los medicamentos más costosos en inventario

está representado en el 8.9% de las referencias totales y el 36.9% del total de unidades de

medicamentos, conformando con esto los medicamentos clasificados en el grupo A.

Página 78


También se evidenció que 16,1% de las referencias de medicamentos representan el 15% del

dinero invertido en medicamentos y el 37.4% del total de unidades de medicamentos totales

en segundo lugar más caros, conformando con estos el grupo B. El restante 5% de los medi-

camentos en tercer lugar más costosos están representados por el 74,9% del total de referen-

cias de medicamentos y un 25,8% del total de unidades.

Estos datos reflejan una alta concentración del dinero en inventario de medicamentos en una

baja cantidad de referencias de productos y una baja concentración de dinero en inventario en

una alta cantidad de referencias de medicamentos.

Teniendo en cuenta el análisis anterior se propone al H.U.S.I enfocarse en el cuidado y co-

rrecta administración de los medicamentos clasificados en el grupo A, ya que son los que

representan mayor valor en el inventario. Para ver en detalle el análisis de Pareto y los medi -

camentos que conforman la clasificación A, ver el Anexo #5 Anexo Detalle Análisis Pareto y

Clasificación.

2.2Generador de Cantidades Óptimas de Pedido

2.2.1 Generador de Pronósticos

Para calcular el pronóstico de la demanda de medicamentos utilizando el modelo de pronósti-

co de series temporales, se definió la siguiente vista de datos:

Tabla 15: “Vista Series de Tiempo”

Esta vista muestra la información necesaria para que en la herramienta de análisis de datos

RapidMiner se puedan realizar los pronósticos necesarios de demanda de medicamentos.

Para evaluar los resultados de esta técnica de minería, se aplicó como caso de estudio el uso

de los datos del medicamento más costoso en el inventario del H.U.S.I que se encuentra clasi-

Página 79



ficado en el grupo A de la clasificación ABC realizada anteriormente (Ver sección V - Caso

de Estudio - 2.1 Clasificador de Medicamentos).

Tabla 16: “Medicamento Para el Cálculo de la Cantidad Óptima de Pedido”

Los datos de la demanda de este medicamento son los siguientes:

Annio Mes Unidades Fecha2012 1 12 01/01/20122012 2 32 02/01/20122012 3 14 03/01/20122012 4 14 04/01/20122012 5 15 05/01/20122012 6 25 06/01/20122012 7 9 07/01/20122012 8 13 08/01/20122012 9 5 09/01/20122012 10 17 10/01/20122012 11 18 11/01/20122012 12 24 12/01/20122013 1 33 01/01/20132013 2 26 02/01/20132013 3 14 03/01/20132013 4 25 04/01/20132013 5 31 05/01/20132013 6 18 06/01/20132013 7 20 07/01/20132013 8 18 08/01/20132013 9 36 09/01/20132013 10 29 10/01/20132013 11 41 11/01/20132013 12 33 12/01/20132014 1 25 01/01/20142014 2 22 02/01/20142014 3 24 03/01/20142014 4 37 04/01/20142014 5 38 05/01/20142014 6 37 06/01/20142014 7 40 07/01/20142014 8 27 08/01/20142014 9 29 09/01/20142014 10 17 10/01/20142014 11 33 11/01/20142014 12 35 12/01/2014

Tabla 17: “Demanda del Medicamento RituximAB Sol Iny 500 mg - Años 2012-2014”

Para realizar la evaluación de las diferentes técnicas de pronósticos se toman los datos de la

demanda del medicamento RituximAB Sol Iny 500 mg. Con estos datos se realiza el pronós-

tico de la demanda de este medicamento para el año 2014, para este caso de estudio se utili-

zan los siguientes métodos:

Página 80


a. La metodología utilizada en el H.U.S.I.

b. El modelo de series de tiempo: promedios móviles simple.

c. El modelo de series de tiempo: ajuste de tendencia y redes neuronales.

Los resultados obtenidos de la utilización de los diferentes modelos de pronósticos se compa-

ran con la demanda real, con el fin de identificar cuál modelo pronostica los resultados más

precisos. Se evalúa la metodología utilizada por el H.U.S.I, para establecer que tan acertados

son los resultados que esta genera en comparación con los otros modelos de pronósticos pro-

puestos.

Para calcular qué tan acertados son los resultados de cada modelo se evalúa el indicador de:

errores de previsión de la demanda.

A continuación se presentan las diferentes pruebas realizadas:

a. Pronóstico Metodología H.U.S.I.

El modelo de pronóstico actual en el H.U.S.I. consiste en la realización del promedio de la

demanda de los 6 meses previos antes del último mes por cada referencia de medicamento.

Luego se divide este resultado en el número de meses en los que hubo consumo, el resultado

final indica el pronóstico de la demanda para dentro de 2 meses luego del último mes de con-

sumo que se tuvo en cuenta en el cálculo.

Por ejemplo: si se utilizaron los datos de Enero a Junio para el cálculo del pronóstico, el re-

sultado de este aplicaría para el mes de Agosto.

La fórmula utilizada es la siguiente:

Pronóstico de la Demanda=∑ Demanda 6 meses previos alúltimo mesNúmero de mesesen los quehubo consumo

Al realizar el pronóstico con la metodología en el H.U.S.I, se obtienen los siguientes resulta-

dos:

Página 81



Año Mes Demanda Real Fecha Pronóstico HUSI Error HUSI2014 1 25 01/01/2014 27.0 8.0%2014 2 22 02/01/2014 29.5 34.1%2014 3 24 03/01/2014 30.3 26.4%2014 4 37 04/01/2014 31.0 -16.2%2014 5 38 05/01/2014 29.0 -23.7%2014 6 37 06/01/2014 30.3 -18.0%2014 7 40 07/01/2014 29.8 -25.4%2014 8 27 08/01/2014 30.5 13.0%2014 9 29 09/01/2014 33.0 13.8%2014 10 17 10/01/2014 33.8 99.0%2014 11 33 11/01/2014 34.7 5.1%2014 12 35 12/01/2014 31.3 -10.5%

364 370.3 1.7%Total

Tabla 18: “Pronóstico y Error Metodología Pronóstico H.U.S.I. - Año 2014”

Se puede observar un error de 1.7% en el pronóstico global respecto a la demanda real.

b. Pronóstico Aplicando el Modelo de Promedios Móviles Simples con una Ventana de Tiempo de 8 Periodos

La definición de proceso en Rapid Miner se define de la siguiente manera, pro-

porcionando la entrada de los datos y aplicando el operador de promedios móvi-

les:

Ilustración 14: “Proceso Promedios Móviles Simples en Rapid Miner”

Página 82


El pronóstico se realiza sobre el atributo de la demanda real con una ventana de 8

periodos, es decir tomando la demanda de los 8 meses anteriores al último mes.

Ilustración 15: “Parámetros del Proceso de Promedios Móviles Simples en Rapid Miner”

Los resultados obtenidos son los siguientes:

Annio Mes Demanda Real Fecha PMS (8 Meses) Error PMS2014 1 25 01/01/2014 27.25 9.0%2014 2 22 02/01/2014 28.25 28.4%2014 3 24 03/01/2014 27.5 14.6%2014 4 37 04/01/2014 28 -24.3%2014 5 38 05/01/2014 28.5 -25.0%2014 6 37 06/01/2014 30.875 -16.6%2014 7 40 07/01/2014 31.125 -22.2%2014 8 27 08/01/2014 32.125 19.0%2014 9 29 09/01/2014 32 10.3%2014 10 17 10/01/2014 31.25 83.8%2014 11 33 11/01/2014 31.75 -3.8%2014 12 35 12/01/2014 31.125 -11.1%

364 359.75 -1.2%Total

Tabla 19: “Pronóstico y Error Metodología Pronóstico Promedios Móviles Simples - Año

2014”

Según los resultados de este modelo de pronósticos con una ventana de 8 periodos, se observa

un error equivalente al -1.2%.

Página 83



c. Modelo Aplicado al Modelo de Ajuste de Tendendencia con Redes Neuronales

La definición del modelo en RapidMiner queda especificada de la siguiente manera, ubicando

la entrada de datos, el rol del atributo a pronosticar y el operador de ajuste de tendencia:

Ilustración 16: “Proceso del Modelo de Ajuste de Tendencia en Rapid Miner”

Dentro del operador de ajuste de tendencia se utiliza la técnica de redes neuronales:

Ilustración 17: “Proceso Redes Neuronales en Rapid Miner”

Para este caso se utilizaron ciclos de entrenamientos de 500 y momentum e indi-

ce de aprendizaje de 0.5

Página 84


Ilustración 18: “Parámetros del Proceso del Modelo de Ajuste de Tendencia”

Los resultados de las pruebas con esta técnica son los siguientes:

Año Mes Demanda Real Fecha Regresión Tendencia Error ET2014 1 25 01/01/2014 41.95205173 67.8%2014 2 22 02/01/2014 43.34056893 97.0%2014 3 24 03/01/2014 44.62922893 86.0%2014 4 37 04/01/2014 45.74357483 23.6%2014 5 38 05/01/2014 46.59175575 22.6%2014 6 37 06/01/2014 47.06417972 27.2%2014 7 40 07/01/2014 47.04291439 17.6%2014 8 27 08/01/2014 46.43164261 72.0%2014 9 29 09/01/2014 45.21116423 55.9%2014 10 17 10/01/2014 43.49829745 155.9%2014 11 33 11/01/2014 41.551454 25.9%2014 12 35 12/01/2014 39.68402891 13.4%

364 532.7408615 46.4%Total

Tabla 20: “Pronóstico y Error Metodología Ajuste de Tendencia con Redes Neuronales -

Año 2014”

Según los resultados de este modelo de pronósticos, se observa un error de 46.4% en el pro-

nóstico global.

Página 85



Al analizar los diferentes resultados obtenidos en las pruebas de aplicación de las técnicas de

series de tiempos para la generación de pronósticos, se puede observar que la que ofrece me-

jores resultados el modelo de promedios móviles simples con ventana de 8 periodos, ya que

en los resultados globales tiene un error de 1.2%, mientras que el pronóstico realizado con el

método del H.U.S.I. genera un error de 1.7% para este caso de estudio.

Por otra parte, el resultado de la técnica de ajuste de tendencia con redes neuronales arroja un

error global en la predicción de 46.4%, lo cual es bastante alto, de donde se puede inferir que

para la demanda mensual del medicamento estudiado, no existe una tendencia lineal en su

comportamiento. Debido a lo anterior, esta técnica se descarta en su aplicación para este tipo

de análisis.

2.2.2 Identificación de medicamentos asociados

En principio, para aplicar la técnica de reglas de asociación se tomó como datos de entrada,

los las compras de los productos relacionadas a su número de factura. Estos datos de entrada,

fueron extraídos por medio de una consulta directa a la base de datos de SAHI.

A continuación se muestra una parte del archivo de entrada, en donde NumFacturaMax es el

número de factura en donde se incluyó el respectivo medicamento asociado:

Nomproducto NumFacturaMax valueNitroglicerina Sol Iny 0.5 % 2234026 1Levotiroxina Sodica TAB 50 Mcg 2234829 1Suplemento Nutricional Oligomerico Pediatrico Sus Or 250 ml (8.45 onzas)2234850 1Metronidazol Sol Iny 500 mg/100 Ml 2234951 1Oxibutinino Cloruro TAB 5 mg 2234990 1Propofol Sol Iny 10 mg / Ml 2235131 1

Tabla 21: “Datos para la Aplicación de la Técnica de Reglas de Asociación”

Este conjunto de datos, describen a cada producto relacionado con su factura de venta y un

valor “value” para efectos de requisito de RapidMiner. Dentro de este reporte prueba se inclu-

yeron todas las facturas del 2012, 2013 y 2014.

Una vez la información lista, se procedió a formular el proceso de RapidMiner para reglas de

asociación. Este proceso se muestra a continuación:

Página 86


Ilustración 19: “Proceso de Reglas de Asociación en Rapid Miner”

Cuando se ejecutó el modelo, una muestra de los resultados es como se denota a continua-

ción:

Tabla 22: “Tabla de Resultados 1 de la Técnica de Reglas de Asociación”

Página 87



En la tabla anterior se muestra un primer resultado de las reglas de asociación en donde por

ejemplo para este caso de estudio, en la primera fila se puede ver que se encontró asociación

de 4 medicamentos asociados en una o varias órdenes de compra.

Tabla 23: “Tabla de Resultados 2 de la Técnica de Reglas de Asociación”

Por ejemplo el análisis de uno de los resultados, refiere a que existe asociación entre el consu-

mo del medicamento “Decarbazina Sol Iny 200 mg” (Premisa) y el llamado “Vinblastina

Sulfato Sol Iny 10 mg” con un nivel de confianza de 84.6%, es decir que existe una alta co-

rrelación en el consumo de estos medicamentos y tienden a ser consumidos de forma comple-

mentaria.

2.2.3 Cálculo de cantidad Q óptima a pedir

Teniendo en cuenta los resultados del modelo de pronósticos de promedios móviles simples

con ventana de 8 periodos se calcula la cantidad Q óptima a pedir, para cada uno de los meses

del año 2014 para el medicamento estudiado: RituximAB Sol Iny 500 mg, como se muestra a

continuación:

Página 88


Mes Fecha Pronóstico Q Óptimo1 01/01/2014 27.25 30.36920692 02/01/2014 28.25 31.36920693 03/01/2014 27.5 30.61920694 04/01/2014 28 31.11920695 05/01/2014 28.5 31.61920696 06/01/2014 30.875 33.99420697 07/01/2014 31.125 34.24420698 08/01/2014 32.125 35.24420699 09/01/2014 32 35.119206910 10/01/2014 31.25 34.369206911 11/01/2014 31.75 34.869206912 12/01/2014 31.125 34.2442069

Total 359.75 397.180483

Tabla 24: “Cálculo del Q Óptimo Para el Medicamento RituximAB Sol Iny 500 mg - Año

2014”

Para este caso se tomaron tiempos entre pedidos un total de 30 días, un lead time de 5 días

para la entrega del medicamento y una probabilidad de no tener faltantes del 95% [42]. Las

cantidades a pedir incluyen el inventario de seguridad y se asume que no tienen existencias de

este medicamento en stock para calcular la cantidad efectiva a pedir del medicamento.

2.3Generador de Medicamentos Próximos a Vencer

Para realizar las pruebas de los informes de medicamentos próximos a vencer se tuvo en

cuenta la última fecha guardada de inventario realizado, es decir el 28 de Enero de 2015. Los

resultados encontrados pueden variar con respecto al tiempo de hoy pues cabe la posibilidad

que estos medicamentos en inventario ya no estén por consumo, debido a la no disponibilidad

de los datos de los niveles de inventario de medicamentos actualizados.

Para analizar el caso de un medicamento que está próximo a vencerse en menos de 3 meses,

se toma el denominado Salbutamol Sulfato Aer 100 Mg, del cual se tiene la siguiente infor-

mación.

Página 89



idProducto 6847CodProducto H151226Nomproducto Salbutamol Sulfato Aer 100 Mcg / Inhalación

fecVencimento 22/02/2015 00:00Proveedor BIOTOSCANA FARMA S A

FecCorteInventario 28/01/2015MesesFaltantes 1

idBodega 16NomBodega Bodega Unica HUSI

idLote 1Lote F

Tabla 25: “Tabla de Resultados de la Identificación de Vencimiento del Medicamento Salbu-

tamol Sulfato Aer 100 Mg - Año 2014”

Con esto, la alarma para este medicamento seria: “El medicamento Salbutamol Sulfato Aer

100 Mcg / Inhalacion está próximo a vencer dentro de 1 mes a partir de la fecha de registro

del inventario (28/01/2015).El medicamento fue suministrado por BIOTOSCANA FARMA

SA y se encuentra ubicado en la Bodega Única H.U.S.I. con lote F”.

En detalle uno de los resultados para alerta roja, se puede ver en el Anexo #6 Resultado Infor-

me Vencimiento (Alerta Roja)

2.4Evaluador de Indicadores

Dos de los indicadores a ser evaluados en este proyecto son el índice de rotación de medica-

mentos y el costo de almacenamiento por unidad. Para analizar estos indicadores se plantea el

caso de validarlo de forma mensual para el año 2014.

Los datos para el caso del costo del almacenamiento por unidad son los siguientes:

Página 90


Año Mes Costo Almacenamiento Unidad2014 1 5,444.312014 2 5,635.472014 3 5,771.692014 4 4,712.062014 5 5,201.532014 6 5,298.852014 7 5,482.742014 8 5,628.642014 9 5,381.822014 10 5,595.962014 11 8,290.972014 12 6,432.29

Tabla 26: “Costo de Almacenamiento por Unidad - Año 2014”

1 2 3 4 5 6 7 8 9 10 11 124,000.004,500.005,000.005,500.006,000.006,500.007,000.007,500.008,000.008,500.00

Costo de Almacenamiento por Unidad Año 2014

Costo Al-mace-namiento Unidad

Meses

Cos

to

Ilustración 20: "Costos de Almacenamiento por Unidad - Año 2014

De estos datos se puede observar que, el promedio de costo de almacenamiento por medica-

mento en 2014 fue de 5,739 y que en los últimos dos periodos del año se presentó un incre -

mento de 44% y 12% respecto al promedio respectivamente. Esto representa los costos más

altos durante el año debido a una cantidad baja de medicamentos almacenados respecto a sus

costos al estar almacenados.

Para el caso del índice de rotación de medicamentos se tienen los siguientes datos:

Página 91



Año Mes IndiceRotacionMedicamentos2014 1 4.5378531012014 2 3.7458608842014 3 4.6130271052014 4 5.367504872014 5 4.0096890922014 6 3.2301355322014 7 3.8085886752014 8 6.149776942014 9 5.1235513632014 10 4.6365753252014 11 3.1742655782014 12 2.888112934

Tabla 27: “Índice de Rotación de Medicamentos - Año 2014”

1 2 3 4 5 6 7 8 9 10 11 122.5

33.5

44.5

55.5

66.5

Indice de Rotacion de Medicamentos Año 2014

Indice de Rotacion de Medicamentos

Meses

Indi

ce d

e R

otac

ión

Ilustración 21: "Índice de Rotación de Medicamentos - Año 2014"

De los datos obtenidos se puede inferir que en el periodo 6 y en los últimos dos periodos del

año se presentó la menor cantidad de rotación de medicamentos. Esto debido a que el inven-

tario rotó alrededor de 3 veces al mes, lo cual es inferior al promedio que equivale a 4.27. Lo

anterior se debe a una disminución en los medicamentos vendidos y un incremento en las

unidades almacenadas en bodega en esos periodos del año. Al analizar ambos resultados, es

posible concluir que en los dos últimos meses del año se presentó tanto una disminución en la

rotación del inventario así como un incremento en el costo de almacenamiento por unidad de

medicamento.

Página 92


VI – RESULTADOS Y REFLEXIONES

Fue posible utilizar diferentes técnicas de análisis de datos para apoyar la toma de

decisiones en el manejo de inventarios de medicamentos vigentes del H.U.S.I., en

especial por el uso de las técnicas de minería de datos utilizadas, como lo son las

series de tiempos de promedios móviles simples y de ajuste de tendencia con redes

neuronales, y el uso de reglas de asociación.

Cabe resaltar que este trabajo tiene un impacto importante en el área de Contabilidad

del H.U.S.I, ya que la correcta gestión del inventario de medicamentos del hospital

permite administrar de forma más eficiente el sistema de costos de esta institución.

Del mismo modo, se cuenta con información relevante respecto a los costos y bene-

ficios generados por el sistema en la administración del inventario de medicamentos,

permitiendo complementar el sistema de información contable del hospital y apoyar

la toma de decisiones. Este impacto sobre el área de Contabilidad se convierte en

una estrategia de competitividad para el hospital.

El área de compras del H.U.S.I se ve impactada trascendentalmente debido a que el

sistema desarrollado en este trabajo, permite al hospital conocer de forma más preci-

sa las cantidades de medicamentos a adquirir, evitando la compra de medicamentos

innecesarios y por ende la pérdida por medicamentos vencidos.

El desarrollo de este trabajo tiene un impacto relevante sobre el área de tecnología

del H.U.S.I ya que con el sistema elaborado en este trabajo, se logra contar con tec-

nología que permite analizar los datos del inventario de medicamentos del hospital.

De igual manera el sistema genera información relevante que permite alimentar las

bases de datos del hospital.

El sistema desarrollado en este trabajo genera su mayor impacto en el área de alma-

cenamiento del H.U.S.I, debido a que se logra apoyar la toma de decisiones en la

gestión del inventario de medicamentos en el almacén, ya sea desde el punto de vista

del almacenaje o de su despacho. La correcta administración de los medicamentos

permite ofrecer un mejor servicio a los interesados.

Página 93



Es importante tener en cuenta que algunas de las tablas de las bases de datos tienen

los datos desactualizados, incompletos o en nulo, lo cual influyó en los resultados de

los análisis. Esto porque la mayoría de las tablas contienen datos máximo hasta el

mes de Enero de 2015 y otras hasta fechas más antiguas.

Otro caso importante es que algunas tablas solo cuentan con información de disposi-

tivos médicos más no medicamentos. Del mismo modo hay tablas que tienen la in-

formación incompleta por lo cual se presentan datos vacíos o en nulo.

Las tablas de la base de datos SAHI no están directamente relacionadas entre sí, es

decir no se puede afirmar que sea una base de datos relacional, dificultando el enten-

dimiento de las tablas a usar y sus diferentes relaciones.

Resultó de gran importancia utilizar software no pago para el desarrollo del proyecto

ya que además de lograr ahorros en este tipo de costos, también se hace uso de herra-

mientas útiles y con valiosas características.

El ahorro económico proporcionado por el desarrollo del proyecto, respecto a las

pérdidas en medicamentos vencidos demuestra la factibilidad financiera de este tra-

bajo.

No fue posible utilizar las técnicas de minería de datos de regresión lineal, ni regre-

sión lineal múltiple, ya que no se contaba con variables independientes asociadas la

demanda de medicamentos.

El hecho de haber tenido alrededor de 3 semanas menos para el desarrollo del pro-

yecto, causó que el trabajo no se pudiera haber extendido a realizar análisis más

robustos de los datos y presentar otros tipos de resultados adicionales. Del mismo

modo para ser un proyecto elaborado para dos carreras profesionales, el tiempo dis-

ponible para el su desarrollo fue muy reducido.

El acceso a la información del H.U.S.I en general tuvo diferentes tipos de dificulta-

des, ya que en muchos casos solicitaban muchos permisos y procesos que consumie-

Página 94


ron tiempo valioso el cual pudo ser utilizado para el análisis de los datos y el desa-

rrollo del proyecto.

Página 95



VII – CONCLUSIONES

1. Análisis de Impacto del Desarrollo

1.1Impacto Administrativo

Administrativamente es valioso contar con herramientas que apoyen la toma de decisiones en

el manejo de inventario de medicamentos, ya que esto permite tener un mejor control sobre

los medicamentos por medio de la utilización de herramientas tecnológicas y de análisis de

ingeniería, de manera que las decisiones administrativas sean tomadas con base en fundamen-

tos científicos y teóricos.

1.2Impacto Económico

El sistema desarrollado en este trabajo es factible financieramente, ya que los beneficios que

este ofrece al H.U.S.I por el ahorro que se logra al evitar costos en medicamentos perdidos

por vencimiento, son mayores a los costos que implica su inversión.

1.3Impacto Social

El impacto social es muy valioso, ya que una correcta administración del inventario de medi-

camentos, permite su disponibilidad para los pacientes que sufren de alguna enfermedad y el

hecho de evitar o disminuir el tener medicamentos vencidos o a punto de vencer, permite a

los pacientes recibir medicamentos que se encuentran en buen estado y que no van a afectar

la salud de estos.

2. Conclusiones y Trabajo Futuro

Se logró cumplir con el objetivo general planteado en este trabajo, ya que se desarro-

lló un sistema que complementa al sistema actual (SAHI) para apoyar la toma de

decisiones en el manejo de inventario de medicamentos de la farmacia general del

H.U.S.I. Se enfatizó en la generación de pronósticos de la demanda de medicamentos

y en la utilización de alertas para informar sobre el vencimiento de medicamentos.

Página 96


Se cumplieron todos los objetivos específicos establecidos en este proyecto, ya que se

logró realizar: 1. El diagnóstico del proceso actual de gestión de inventarios de los

medicamentos de la farmacia general del H.U.S.I., 2. Definir indicadores de gestión

para la ayuda en la toma de decisiones sobre el control de inventario de medicamen-

tos, 3. Desarrollar el sistema prototipo para apoyar la toma de decisiones en el mane-

jo de inventarios del H.U.S.I utilizando un modelo de inventarios y enriqueciendo

este proceso con técnicas de minería de datos, 4. Validar la funcionalidad del sistema

y 5. Realizar un análisis financiero para estimar el ahorro que proporciona el sistema,

respecto a la metodología actual de gestión de inventarios en el H.U.S.I.

Es posible utilizar técnicas de minería de datos para apoyar la toma de decisiones de

manejo de inventario, ya que permite hacer un análisis tanto numérico de los datos,

como de patrones de comportamiento que influyen en el modo en que comporta el

inventario.

Es importante que a futuro se logre desarrollar un análisis profundo de los costos

unitarios de almacenamiento de inventarios de medicamentos, de manera que se pue-

da establecer el impacto que estos tienen en la gestión del inventario de medicamen-

tos del H.U.S.I.

En trabajos futuros es posible realizar la integración de los resultados de la técnica de

reglas de asociación como una variable asociada al cálculo de los pronósticos de la

demanda de medicamentos, de manera que se obtengan resultados más cercanos a la

realidad del consumo de medicamentos.

A futuro puede realizarse el estudio y utilización de otras técnicas de minería de da-

tos adicionales a las aplicadas en este proyecto, de manera que también se apoye a la

toma de decisiones del manejo de inventarios de medicamentos, ya que pueden exis-

tir otro tipo de datos claves que puedan ser analizados y utilizados en otra técnica de

manera que generen otro tipo de conclusiones y resultados de análisis.

En trabajos futuros es posible realizar una conexión directa de RapidMiner con la

base de datos SQL Server de SAHI, de tal manera que en la configuración de Rapid-

Miner se pueda colocar la consulta para la obtención de datos iniciales y que la ejecu-

ción del proceso sea más rápida y directa.

Página 97



El seguimiento independiente a cada medicamento dentro del inventario de medica-

mentos del hospital es una carencia que no permite tener trazabilidad sobre la ubica-

ción de los medicamentos, por lo que una herramienta de apoyo para lograr este obje-

tivo permitiría un mayor aprovechamiento el sistema de alarmas de los medicamentos

próximos a vencer desarrollado en este proyecto, de manera que se pueda conocer la

ubicación exacta de cada medicamento para agilizar su despacho del inventario.

Una posible mejora que se le podría realizar al sistema prototipo a futuro, es una

integración directa con diferentes herramientas de análisis de datos, utilizando plu-

gins y el API de este software de minería para funcionarlo con el código fuente PHP,

y que sea automática la ejecución de procesos de minería desde la aplicación web.

Página 98


VIII- REFERENCIAS Y BIBLIOGRAFÍA

[1] Alexander Pineda Gutiérrez, Director Financiero, Administrativo y Comercial, Dirección

Financiera, Administrativa y Comercial, Hospital Universitario San Ignacio.

[2] CRISP-DM: Towards A Standard Process Model For Data Mining, Rüdiger Wirth, Daim-

lerChrysler Research & Technology FT3/KL, Jochen Hipp, Wilhelm-Schickard-Institute,

University of Tübingen.

[3] Scrum Como Metodología, IBM Developer Works, consultado el 20 de Octubre de 2015,

disponible en: <https://www.ibm.com/developerworks/community/wikis/home?lang=en#!/

wiki/Rational+Team+Concert+for+Scrum+Projects/page/SCRUM+como+metodolog

%C3%ADa>.

[4] Minería de Datos: Técnicas y Herramientas, César Pérez López, Thomson Ediciones Pa-

raninfo, S.A. 1ª Edición, 2ª Reimpresión 2008.

[5] Inteligencia en Redes de Comunicaciones, Minería de Datos, Román, J., 2012, consultado

el 20 de Octubre de 2015, disponible en: <http://ocw.uc3m.es/ingenieria-telematica/inteligen-

cia-en-redes-de-comunicaciones/material-de-clase-1/07-mineria-de-datos>.

[6] Data Mining Techniques, IBM Developer Works, consultado el 24 de Octubre de 2015,

disponible en: < http://www.ibm.com/developerworks/library/ba-data-mining-techniques/>.

[7] Developing Churn Models Using Data Mining Techniques and Social Network Analysis,

Goran Klepac, Robert Kopal, Leo Mrsic, Information Science Reference, 2015.

[8] Las Redes Neuronales Artificiales, Fundamentos teóricos y aplicaciones prácticas, Ráquel

Flórez Lopéz, José Miguel Fernández Fernández, Editorial Netbiblo, 2008.

[9] Administración de Operaciones, Producción y Cadena de Suministro, Richard Chase,

Robert Jacobs, Nicholas Aquilano, Mc Graw Hill, Duodécima Edición, 2009.

[10] Administración de Materiales, E. Chaves, Costa Rica: Editorial Universidad Estatal a

Distancia, 2010.

Página 99



[11] Investigación de operaciones, A. Taha, México: Pearson Education, 2004.

[12] Fundamentos de Investigación de Operaciones para Administración, L. Izar, M. Juan,

Universidad Autónoma de San Luis Potosi, 1996.

[13] Principios de Administración de Operaciones, Jay Heizer, Barry Render, Pearson Educa-

tion, Séptima Edición, 2009.

[14] Introducción a la Informática, George Beekman, Madrid: Pearson Educación S.A, 2005.

[15] Ingeniería de Software, I. Somerville, Madrid: Pearson Educación. S.A. Addison Wes-

ley, 2005.

[16] Sistemas de Información Gerencial: administración de la empresa digital, , Kenneth C.

Laudon, Jane P. Laudon, Pearson Educación, Octava Edición, 2004.

[17] Introducción a la Ingeniera de Software, M. Loic, F. Alonso, F. Segovia, Madrid: Delta

Publicaciones Universitarias, 2005.

[18] Manual de PHP, Mehdi Achour, Friedhelm Betz, Antony Dovgal, Nuno Lopes, Hannes

Magnusson, Georg Richter, Damien Seguy, Jakub Vrana, PHP Documentation Group, 2015,

consultado el 18 de Octubre de 2015, disponible en: <http://php.net/manual/es/intro-whatis.-

php>.

[19] The Definitive Guide to Yii 2.0, ¿Qué es Yii?, consultado el 19 de Octubre de 2015,

disponible en <http://www.yiiframework.com/doc-2.0/guide-intro-yii.html>.

[20] RapidMiner and RapidAnalytics, consultado el 19 de Octubre de 2015, disponible en

<http://www.rapid-i.com/downloads/brochures/RapidMiner_Fact_Sheet.pdf>.

[33] Manual de la Gestión Logística del Transporte y Distribución de Mercancias, Andrés

Castellanos R., Universidad del Norte, Ediciones Uninorte, 2009.

[34] Ingeniería de software orientada a objetos con UML, A. Weitzenfeld, Java en Internet.

Thomson, 2004.

Página 100


[35] Patterns for Essential Use Cases, R. Biddle, J. Noble, E. Tempero, Victoria University,

New Zealand, 2001.

[36] PHP: Hypertext Preprocessor.” consultado el 20 de Octubre de 2015, disponible en:

<http://php.net/>.

[37] Web Application Development With Yii and PHP, J. Winesett, segunda edición, open

source, 2012.

[38] 15 Best Free PHP Frameworks of 2015, Irfan Fauzi, consultado el 20 de Octubre de

2015, disponible en <http://beebom.com/2015/02/best-free-php-frameworks>.

[39] Observer Design Patern, consultado el 20 de Octubre de 2015, disponible en: <http://

sourcemaking.com/design_patterns/observer>.

[40] Repositorio Google Drive, consultado el 20 de Octubre de 2015, disponible en <drive.-

google.com>.

[41] Plataforma GitHub, consultado el 20 de Octubre de 2015, disponible en <www.github.-

com>.

[42] Pablo Gomez Rodriguez, Analista de Aplicaciones de Tecnologías de la Información,

Hospital Universitario San Ignacio.

[43] ¿Qué es un framework web?, Javier J. Gutiérrez, Universidad de Sevilla, Departamento

de Lenguajes y Sistemas Informáticos, consultado el 18 de Octubre de 2015, disponible en:

<http://www.lsi.us.es/~javierj/investigacion_ficheros/Framework.pdf >.

[44] Reseña del Software Disponible en Colombia para la Gestión de Inventarios en Cadenas

de Abastecimiento, Valentina Gutiérrez, Diana Patricia Jaramillo, Universidad ICESI, Estu-

dios Gerenciales, Consultado el 29 de Agosto de 2015, Disponible en: <http://www.science-

direct.com/>.

[45] Sistema experto de mejora de la gestión de inventarios soportado en métodos de previ-

sión de demanda: Estudio de caso, Ander Errasti, Claudia Chackelson, Javier Santos, Univer-

Página 101



sidad de Navarra, Departamento de Organización Industrial. Escuela de Ingenieros.

TECNUN, 4th International Conference on Industrial Engineering and Industrial Manage-

ment. 2010, Consultado el 29 de Agosto de 2015, disponible en: <http://www.adingor.es/con-

gresos/web/uploads/cio/cio2010/SUPPLY_NETWORK_MANAGEMENT/1830-1838.pdf>

[46] Mejoramiento en la Gestión de Compras e Inventarios de Medicamentos y Dispositivos

Médicos de la Clínica Prevención y Salud IPS LTDA. de El Banco Magdalena, Ana Karina

Bayter Bustamante, Universidad Industrial de Santander, 2008. Consultado el 30 de Agosto

de 2015, disponible en: <http://repositorio.uis.edu.co/jspui/bitstream/

123456789/5033/2/128905.pdf>.

[47] Política de almacenamiento y manejo de medicamentos vencidos para la farmacia princi -

pal del Hospital Universitario Clínica San Rafael, Mónica Andres Páez Fonseca, Universidad

de los Andes, 2013.

[48] Desarrollo software del módulo de almacén del sistema de información hospitalario

SOCRATES en la empresa Computer Server, Hoober Alexis Niño Sánchez, Universidad

Industrial de Santander, 2008, consultado el 30 de Agosto de 2015, disponible en <http://re-

positorio.uis.edu.co/jspui/bitstream/123456789/2492/2/124060.pdf>.

[49] Minería de Datos en Base de Datos de Servicios de Salud, Monserrat, Sergio, Universi-

dad Tecnologica Nacional - Facultad Regional Santa Fe, Centro de Investigación y Desarrollo

de Ingeniería en Sistemas de Información" (CIDISI), consultado el 29 de Agosto de 2015,

disponible en <http://conaiisi.frc.utn.edu.ar/PDFsParaPublicar/1/schedConfs/1/132-505-1-

DR.pdf>.

[50] Mining Customer Data for Decision Making Using New Hybrid Classification Algo-

rithm, Aurangzeb Khan, Baharum Baharudin, Khairullah Khan, Department of Computer and

Information Sciences, Universiti Teknologi PETRONAS, Malaysia. Consultado el 30 e Agos-

to de 2015, disponible en <http://www.jatit.org/volumes/research-papers/Vol27No1/7Vo-

l27No1.pdf>.

Página 102


[51] Decision Support System for Inventory Management using Data Mining Techniques,

Vivek Ware, Bharathi H. N, International Journal of Engineering and Advanced Technology

(IJEAT), consultado el 30 de Agosto de 2015, disponible en <http://www.ijeat.org/attach-

ments/File/v3i6/F3368083614.pdf>.

[52] Minería de Datos aplicada a la Gestión Hospitalaria, Ing. Yaneisis Aznielles Quesada,

Ing. Daymi Wong Pérez, Dr. Alejandro Rosete Suárez, Convención Científica de Ingeniería y

Arquitectura, 2008, consultado el 29 de Agosto de 2015, disponible en: <https://www.-

google.com.co/url?

sa=t&rct=j&q=&esrc=s&source=web&cd=7&cad=rja&uact=8&ved=0CDIQFjA-

GahUKEwiupIm3n5rHAhXHuB4KHTsXB78&url=http%3A%2F%2Fccia.cujae.edu.cu

%2Findex.php%2Fsiia%2Fsiia2008%2Fpaper%2Fdownload

%2F1233%2F295&ei=11vGVe7cE8fxeruunPgL&usg=AFQjCNFbcLAcdbLLNofl5Tj7q07-

vLfO32Q&sig2=qEXwtpua81o-A5pUPKgQhA&bvm=bv.99804247,d.dmo>.

[53] Minería de Datos en un Sistema de Información Hospitalario, proyecto IMPIVA, Anto-

nio Bella Sanjuán, Grupo MIP - Universidad Politécnica de Valencia Hospital Clínico Uni-

versitario de Valencia, consultado el 29 de Agosto de 2015, disponible en: <http://users.dsi-

c.upv.es/~abella/papers/UCLM-2005.pdf>.

[54] Análisis Para Predicción De Ventas Utilizando Minería De Datos En Almacenes De

Ventas De Grandes Superficies, José Antonio García Bermúdez, Ángela María Acevedo Ra-

mirez, Universidad Tecnológica de Pereira, Facultad de Ingenierías, Carrera de Ingeniería

de Sistemas y Computación, 2010, consultado el 29 de Agosto de 2015, disponible en

<http://repositorio.utp.edu.co/dspace/bitstream/11059/1339/1/006312G216.pdf>.

[55] iMiner: Mining Inventory Data for Intelligent Management, Lei Li, Chao Shen, Long

Wang, Li Zheng, Yexi Jiang, Liang Tang, Hongtai Li, Longhui Zhang, Chunqiu Zeng, Tao

Li, Jun Tang, Dong Liu, Florida International University, †School of Computing and Infor-

mation Sciences, 2014, consultado el 29 de Agosto de 2014, disponible en: <http://

yxjiang.github.io/paper/CIKM2014-iMiner.pdf>.

Página 103



[56] Mantenimiento del Software, Universidad de Valencia, consultado el 2 de Noviembre de

2015, disponible en < http://informatica.uv.es/iiguia/2000/IPI/material/tema7.pdf >.

[57] Decision support systems: concepts and resources for managers, Daniel J. Power, West-

port, Connecticut, Quorum Books, 2002

Página 104


IX - ANEXOS

1 Anexo #1 Entrevista a Andrés Ramírez – Químico Farmacéutico – H.U.S.I.

La entrevista se encuentra anexa en el archivo “Anexo-Entrevista.docx” dentro de la car-

peta de Anexos incluida en la página web del proyecto.

2 Anexo #2 Diagramas Situación Actual Farmacia H.U.S.I- AsIs.

Los diagramas adicionales de la situación actual se encuentran anexos en el archivo

“Anexo-As-Is.docx” dentro de la carpeta de Anexos incluida en la página web del pro-

yecto.

3 Anexo #3 Documentación Casos de Uso

La documentación de los casos de uso se encuentra anexa en el archivo “Anexo-Docu-

mentación Casos de Uso.xlsx” dentro de la carpeta de Anexos incluida en la página web

del proyecto.

4 Anexo #4 Pantallas Sistema Prototipo

La documentación de los casos de uso se encuentra anexa en el archivo “Anexo-Docu-

mentación Casos de Uso.xlsx” dentro de la carpeta de Anexos incluida en la página web

del proyecto.

5 Anexo #5 Anexo Detalle Análisis Pareto y Clasificación.

El detalle del resultado de análisis de Pareto se encuentra anexo en el archivo “Anexo-Pa-

reto.xlsx” dentro de la carpeta de Anexos incluida en la página web del proyecto.

6 Anexo #6 Resultado Informe Vencimiento (Alerta Roja)

El resultado ejemplo del informe de vencimiento alerta roja, se encuentra anexo en el

archivo “Anexo-Resultado Informe Vencimiento.xlsx” dentro de la carpeta de Anexos

incluida en la página web del proyecto.

Página 105



7 Anexo #7 Manual de Uso Sistema Prototipo

El manual de uso del sistema prototipo se encuentra anexo en el archivo “Anexo-Manual

de usuario.docx” dentro de la carpeta de Anexos incluida en la página web del proyecto.

8 Anexo #8 Manual de Instalación Sistema Prototipo

El manual de instalación del sistema prototipo se encuentra anexo en el archivo “Anexo-

Manual de instalacion.docx” dentro de la carpeta de Anexos incluida en la página web

del proyecto.

9 Anexo #9 Pruebas del Sistema

Las pruebas realizadas al sistema se encuentran anexas en el archivo “Anexo-Pruebas del

Sistema” de la carpeta Anexos incluida en la página web del proyecto.

10 Anexo #10 Bibliografía

La bibliografía se encuentra anexa en el archivo “Anexo-BibliografíaLatex.bib” dentro de

la carpeta de Anexos incluida en la página web del proyecto.

Página 106


ANEXO BIBLIOTECA 2

Página 107



Página 108


Página 109



Página 110


Página 111


Sistema de soporte a la toma de decisiones en la gestión...

Documents

Transcript of Sistema de soporte a la toma de decisiones en la gestión...