Leveraging on RFID-IoT Technologies and Simulation to Design and Develop a Smart Shelf for Managing Low Value Medical Supplies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this collaborative research project between one of the largest hospitals in the province of Quebec and university researchers, we are exploring the use of Radio Frequency Identification-Internet of things (RFID-IoT) technologies to improve the management of medical supplies in point of care units. While most of the research on RFID-IoT in the healthcare sector focuses on mobile device management and patient monitoring, this research contributes to our understanding of the potential of RFID-IoT technologies to improve (internal) hospital's logistics processes for low value medical supplies associated with patient care activities. The first objective is to contribute to the development of a "smart" shelf prototype that will combine different technologies including passive RFID technology and indicative LED. Since testing realistic impacts of such solutions on operational performance is not easy, the second objective is to use a hybrid simulation approach to evaluate the impact of an loT 2bin Kanban "smart" shelf replenishment system for medical supplies that can be used in a hospital nursing unit. The simulation approach facilitates the selection of the "best" replenishment system. The originality of this project lies (a) in the open innovation approach which is of great value in the healthcare context (b) in the combination of physical prototyping of an RFID-IoT smart shelf and simulation, which uses real operations data to explore the impact of the solution on business and operational processes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle