본 연구는 자원이 제한된 지역에서 혈액 수혈 관리 및 최적 배분이라는 중요한 과제를 다룹니다. 기증자-환자 및 혈액 은행 선택을 위한 휴리스틱 매칭 알고리즘과 혈액 수혈 수락 데이터를 분석하고 잠재적 부족을 예측하는 머신러닝 방법을 제시합니다. 혈액 은행 운영을 최적화하기 위해 무작위 배분부터 근접성 기반 선택, 혈액형 적합성, 유효기간 우선순위 및 희귀도 점수를 통합한 시스템까지 시뮬레이션을 개발했습니다. 맹목적인 매칭에서 휴리스틱 기반 접근 방식으로 전환하면 혈액 요청 수락률이 28.6% 개선되었으며, 다단계 휴리스틱 매칭을 통해 47.6% 개선되었습니다. 부족 예측을 위해 170일의 과거 데이터로 훈련된 LSTM 네트워크, 선형 회귀 및 ARIMA 모델을 비교했습니다. 선형 회귀가 예측에서 평균 절대 백분율 차이 1.40%로 다른 모델보다 약간 성능이 우수했습니다. 본 솔루션은 휴리스틱 최적화 및 부족 예측을 통합하여 혈액 자원을 사전에 관리하는 Cassandra NoSQL 데이터베이스를 활용합니다. 자원이 제한된 환경을 위해 설계된 이 확장 가능한 접근 방식은 근접성, 혈액형 적합성, 재고 유효기간 및 희귀도와 같은 요소를 고려합니다. 향후 개발에서는 예측 정확도와 최적화 성능을 향상시키기 위해 실제 데이터와 추가 변수를 통합할 것입니다.
