【医院案例】丨「药品运输」场景之青海大学附属医院的“人退机进”
 2022-04-02
医院简介

青海大学附属医院始建于1959年,经过60年的建设和发展,现已成为集医疗、教学、科研、急救、康复、预防、保健等功能于一体的大型综合性三级甲等医院,也是青海省唯一的高等院校直属教学医院。全院编制床位2200张,开放床位2700张。年平均门诊量170余万人次。

机器人·应用效果

青海大学附属医院原有39个专门的配送工,管理起来问题诸多,且经常出错。2021年初,工程师完成13台诺亚®医院物流机器人项目部署和1部电梯改造工作,配送范围覆盖静配药房和中心药房,对住院楼22层26个住院病区进行药品配送。

自2021年4月份正常运行以来,截止2021年10月底累计已完成32574次配送任务,各病区平均送达时长在15-26分钟。相比于人工配送,机器人运载能力高达300kg/次。而采用1多病区的配送模式,一般情况下能在35分钟内完成全住院病区配送,配送出错率为零

保守测算,用机器人替代人工运输,能够为青海大学附属医院节省35个(留下4人搬运)人力,有效解决了配送工的管理问题,降低了人员管理成本,也大大提升了配送效率。

住院部各病区口服药、针剂或静脉输液药品运输

需求痛点

住院药房、静配中心每天都有大量的药品需要配送到各个住院病区;从频次上来看,每个住院病区一般来说每天至少上午和下午各有一次药品的送达,如果还有临时医嘱出现,可能还会再增加一到两次的配送。

从物品重量和体积来看,每个病区一次送达的输液包可能会重达50kg,体积也都要超50L,如果有出院带药,体积还会更大;目前大部分医院还在采用人力运输的方式,一个1500张床位的住院部,预计要派20-30人来进行上述物资的运输。

因为国内人口老龄化、年轻人就业意愿转移等因素,配送人员极不稳定,招聘培训和管理成本很高,严重影响了临床的业务。

解决方案

通过医院物流机器人、自动收发站等智能设备完成PIVAS大输液、口服药品、针剂等的自动转运与自动收发,提升药品运输安全性,保证药品运输效率和准确性,助力实现药品全流程可追溯闭环智慧管理。具体到口服药、针剂、PIVAS的机器人运输流程,诺亚®医院物流机器人提供了2种解决案

方案A:人工收发货

1.药房的药师根据医嘱(包含长期医嘱和临时医嘱),准备好每个住院病区的药品,然后在平板电脑或者PC上启动机器人运输任务,诺亚医院物流机器人智能调度系统会指派合适的机器人前往装货地点。

2.机器人到达后,操作人员通过RFID卡、密码或者指纹鉴权,打开机器人身上的智能货柜,把装有药品的转运箱放入货柜的格子里,智能货柜会自动识别到配套转运箱上的ID信息,然后自动前往对应的目的地。

3.机器人在运输的过程中,可以自动呼叫电梯,进出电梯,也可以自动打开路上的自动门,最后一站一站地把药送到每个目的地病区。

4.到达病区后,护士通过RFID卡、密码或者指纹鉴权,机器人身上的智能货柜会自动打开该病区的格子,护士取出格子里的所有转运箱,关上所有柜门(如果格子里有箱子没有拿完,机器人会再次弹开柜门,并提醒护士取完物品),机器人就会自动前往下一个目的地。

5.送完所有的目的地后,机器人自动前往等待区或者到充电桩上充电。

方案B:自动收发货

1.药房的药师根据医嘱(包含长期医嘱和临时医嘱),准备好每个住院病区的药品,装入对应病区的专用的转运箱中,然后把转运箱放入到药房发药区的自动收发站中,按下发货键,就可以启动机器人的运输任务。

2.诺亚®医院物流机器人智能调度系统会指派对应的诺亚X1机器人前往装货地点。机器人到达后,自动跟自动收发站进行对接,对接完成后,自动收发站把装有药品的转运箱传送到机器人身上的货柜里,智能货柜会自动识别到药品转运箱上的ID信息,然后自动前往对应的目的地。机器人在运输的过程中,可以自动呼叫电梯,进出电梯,也可以自动打开路上的自动门,最后一站一站地把药送到每个目的地病区。

3.到达病区后,诺亚X1会自动跟病区的自动收发站对接,对接成功后,机器人把身上的药品转运箱传送到病区的自动收发站内,并通知病区的工作人员,药品已经送达。

4.机器人自动前往目的地,不需要病区的人进行任何操作。护士如果想用药,就自行来到自动收发站跟前,通过RFID卡鉴权,打开自动收发站的门,手动取出站内的转运箱。

方案总结

依据医嘱(包含长期医嘱、临时医嘱等),住院部药房、静配中心向各个住院病区发放口服药、针剂或静脉输液等药品,用诺亚®医院物流机器人代替护工来完成途中的运输和分发,并做好收发货操作权限的管理。

机器人配合智能货柜技术,可以实现配送过程中药品的闭环管理,避免出现物品的多错少拿。根据医院用药时效性和药量的要求,配置对应数量的机器人和不同运载能力的机型,提供满足临床需求的送药服务。部分医院夜间也用机器人来响应送药需求,大大解决了夜间护工人数少、响应慢的问题,此场景在大部分医院都可以应用。