PLAY IT! PLUS

يصمم المشاركون حلولًا قائمة على الذكاء الاصطناعي تجيب على المشكلات الحقيقية في القطاع الصحي، وتبتعد عن بيانات المشكلات المقدمة مباشرة من الشركاء الصناعيين، مع بلوغ هدف إنتاج النموذج الأولي مرحلة الحد الأدنى من المنتج القابل للتطبيق (MVP).

أمثلة على بيانات المشكلة:

• في مرحلة التسجيل، يجب تقليل وقت انتظار المرضى.
• في مرحلة أخذ التاريخ المرضي، يستغرق تسجيل الشكاوى يدويًا وقتًا طويلًا ويؤدي أحيانًا إلى عدم توحيد صيغة السجلات.
• في مرحلة التشخيص، يكون تاريخ المريض مبعثرًا ويصعب الاطلاع عليه كاملًا.
• في مرحلة العلاج (الأشعة، المختبر، العلاج الطبيعي)، تتنقل طلبات الفحص ونتائجه ذهابًا وإيابًا يدويًا وتستغرق وقتًا. ويجب إعادة إدخال نتائج أجهزة المختبر في نظام معلومات المستشفى (SIM RS)، مما يتطلب وقتًا إضافيًا ويزيد خطر الأخطاء الكتابية.
• في مرحلة الصيدلية، تستغرق الوصفات وقتًا طويلًا، ولا يظهر مخزون الأدوية بشكل فوري، مع خطر نفاد الأدوية.
• في الخدمات المساندة، لا يزال التنسيق بين الوحدات يتم ورقيًا أو شفهيًا، وتتأخر المطالبات والفواتير لعدم اكتمال البيانات.
• تعمل منصات SATUSEHAT وMobile JKN ونظام معلومات المستشفى (SIM RS) بشكل منفصل، لذا يجب إدخال البيانات نفسها في عدة منصات.
• لا تكون طوابير Mobile JKN والتسجيل المباشر متزامنة دائمًا مع نظام معلومات المستشفى (SIM RS).

…ومشكلات أخرى.

يصمم المشاركون حلولًا قائمة على الذكاء الاصطناعي تجيب على المشكلات الصناعية الحقيقية في عملية التصنيع، وتبتعد عن بيان المشكلة المقدم مباشرة من الشركاء الصناعيين، مع نضج هدف إخراج النموذج الأولي إلى الحد الأدنى من المنتج القابل للتطبيق (MVP) وفتح مسار تصاعدي آخر.

أمثلة على بيانات المشكلة:

• تنتظر شاحنات الصهاريج في طوابير طويلة بسبب تكدّس مواعيد الوصول واستغراق فحص الجودة وقتًا طويلًا.
• المواد الخام جاهزة، لكن مرحلة المعالجة التالية ليست جاهزة لاستيعابها بعد.
• بعض خطوط التعبئة تستهلك المواد أسرع من قدرة الإمداد، مما يؤدي إلى توقف العملية.
• يضيع الوقت في تغيير نوع المنتج/العبوة وتنظيف المعدات دون ترتيب جيد لتسلسلها.
• تنتظر المواد الخام طويلًا في الخزانات لأن المرحلة التالية غير جاهزة — مما يعرّض الجودة للانخفاض.
• يصعب تتبّع المواد الخام من شاحنة صهريج معيّنة حتى المنتج النهائي، لأن البيانات موزّعة على مراحل كثيرة.

…ومشكلات أخرى.

يصمم المشاركون حلولًا قائمة على الذكاء الاصطناعي تجيب على المشكلات الحقيقية في مجال الأمن الغذائي، وتبتعد عن بيانات المشكلات المقدمة مباشرة من الشركاء الصناعيين، مع بلوغ هدف مخرجات النموذج الأولي مرحلة الحد الأدنى من المنتج القابل للتطبيق (MVP).

أمثلة على بيانات المشكلة:

• تقويم الزراعة والطقس: يجعل الطقس المتطرف المزارعين يخطئون في تحديد موعد الزراعة، بينما تهاجم الآفات دون سابق إنذار.
• أسعار الحبوب والقدرة التفاوضية للمزارعين (التوزيع): غالبًا لا يعرف المزارعون السعر العادل وقت الحصاد، فيسهل على الوسطاء الضغط عليهم.
• تفاوت أسعار المواد الأساسية بين المناطق (التوزيع): تختلف أسعار المواد الأساسية كثيرًا بين المناطق، ولا يعرف السكان السبب أو أين يجدون الأرخص.
• فاقد ما بعد الحصاد (الإنتاج): يضيع جزء من المحصول أثناء التجفيف والتخزين والطحن بسبب الطرق التقليدية وغياب الرقابة.
• هدر الغذاء في المنازل ومتاجر التجزئة (التوفر): يُهدر طعام صالح للاستهلاك بينما لا يزال بعض السكان يعانون نقص الغذاء.
• الأسمدة في الوقت المناسب وللمستحقين (الإدارة): يصعب على صغار المزارعين التأكد من حقهم في الأسمدة المدعومة، ومتى تتوفر، وأين يمكن استلامها.
• تجديد أجيال المزارعين والأراضي الزراعية (الإنتاج): يعزف الشباب عن الزراعة، وتتقلص الأراضي المنتجة باستمرار دون رقابة مجتمعية.
• مخزون الغذاء والوصول إليه على مستوى السكان (التوفر): لا يعرف السكان مخزون الغذاء في منطقتهم أو أين يتوفر الغذاء بسعر مناسب. مثال ذلك أرز SPHP: طُلب من Bulog التركيز على توزيعه في المناطق غير المنتجة للأرز.

…ومشكلات أخرى.