Agent Skills
返回列表
药品需求量精准预测

药品需求量精准预测

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_767538ff/drug-demand-forecast-0060-psm2026。

技能介绍

要解决什么问题

医院药房、供应链或采购岗手里往往只有按月汇总的药品消耗表,却要据此估计未来半年的补货量。手工凭经验外推既难留下可审计的建模依据,也难以给出带95% 置信区间的区间估计。本技能把经实战验证的时间序列流程固化成可重复执行的工作流:从 Excel/CSV 两列(月份、用量)出发,自动建模并产出图文齐备的预测报告。

技能如何工作

核心脚本 scripts/forecast.py 串联完整链路:读取数据 → 对 log(用量) 做 ADF 平稳性检验 → 按需一阶/季节差分 → 用 auto_arima(或 pmdarima 不可用时的 SARIMAX 网格搜索)选定 SARIMA(p,d,q)(P,D,Q)₁₂ → Ljung-Box 残差白噪声检验 → 预测未来 N 个月(默认 6 步)并 exp 还原为正值 → 用「截止预测前一年」训练、最近 12 个月回代算 MAPE。当 MAPE > 10% 时自动与 ETS 阻尼趋势变体对比,择优后全量重训。主交付物为 预测报告.md,并附带时序图、差分图、残差诊断图与拟合预测图。

适用边界与注意点

  • 数据建议 ≥24 个月;不足时跳过回代与 ETS 对比,结论可信度会下降。
  • 集采、政策突变等结构性断点,纯 SARIMA/ETS 无法凭空预测;报告会如实标注,并提示可考虑 ARIMAX 或干预分析。
  • 列名非默认时可用 --month-col、--value-col 指定;远期置信区间会随步长变宽,采购决策需结合业务判断。

使用场景

  • 药房拿到近三年的月度出库 CSV,需要在补货会上展示未来六个月用量点估计与置信区间
  • 采购计划员收到只有「月份+用量」的 Excel,被要求用 ARIMA 类方法做半年用量预测并留建模依据
  • 库存管理员被问「做个药品预测」,需从 xlsx 一键跑出含 ADF、残差检验与 MAPE 的 Markdown 报告
  • 供应链分析要把月度消耗表交给模型,并在 MAPE 偏高时自动对比 ETS 再选最终预测方案

适合人员

  • 医院药房负责人:要把历史月度消耗折成可汇报的半年预测,并附带残差与精度说明
  • 药品供应链采购计划员:只有 Excel 用量表,却要在招标或谈判前给出带置信区间的需求量估计
  • 医药运营数据分析:熟悉时间序列名词(SARIMA/ETS),希望复现「检验—选参—回代—择优」全流程而非手调参数
  • 基层药剂科库存协调人:不会写 Python,但需要代理人按规范列名或参数读取文件并生成图文预测报告