بیمارستان به عنوان یک سازمان پیچیده و ارائه کننده خدمات سلامتی که با جان و سلامت جامعه سر و کار دارد نیازمند مدیریتی علمی و کارآمد است. در میان بخش های مدیریتی مختلف بیمارستان، مدیریت هزینه ها یکی از بخش های مهم و نیازمند توجه ویژه می باشد. از آن جا که موجودی ها، و به طور خاص موجودی های داروخانه که بیشتر شامل داروها و لوازم مصرفی پزشکی می باشد، در تمامی بخش های بیمارستان وجود دارند، مدیریت صحیح و کارآی آن ها صرفه جویی های هزینه ای قابل توجهی را برای بیمارستان و مدیریت آن به همراه خواهد داشت. یکی از اجزاء مدیریت بهینه موجودی، سیستم پیش بینی کارآمد می باشد. در نتیجه ی پیش بینی دقیق تر تقاضا و مصرف موجودی ها، به طور خاص موجودی های داروخانه، مزایایی مانند کاهش هزینه های مرتبط با موجودی ها و کاهش کمبودهای موجودی حاصل خواهد شد. با این حال، اکثر مدیران داروخانه های مستقل و بیمارستانی در ایران از روش های سنتی و یا شهودی جهت پیش بینی مصرف موجودی هایشان استفاده می کنند. بنابراین، هدف پژوهش حاضر، به کارگیری روشی نو، خلاقانه و دقیق برای پیش بینی داروها و لوازم مصرفی اتاق عمل (که بخشی از موجودی های داروخانه هستند) است. جهت انجام پیش بینی مصرف اقلام مصرفی اتاق عمل بیمارستان، نیازمند داشتن داده های گذشته مصرف هر دارو می باشیم. به همین منظور، داده های اعمال جراحی یک سال بیمارستان فوق تخصصی محب، که از مراکز بیمارستانی مهم در ایران است، را جمع آوری نمودیم. برای انجام پیش بینی ها، پایه کار را بر مبنای مدل های آمیخته بنا نهادیم. در واقع، مدل آمیخته ی انتخابی این پژوهش، حاصل ترکیب دو نوع مدل خطی (آریما) و غیرخطی (شبکه های عصبی مصنوعی) است. این نوع مدل ها دارای ویژگی استفاده از مزایا و توانایی های هر دو نوع مدل خطی و غیرخطی جهت شناخت و پیش بینی دقیق تر رفتار داده های سری زمانی هستند. در گام ساخت مدل های پیش بینی، دو نوع مدل را مورد بررسی و مقایسه قرار دادیم: الف) متدلوژی آریما برای پیش بینی سری های زمانی، و ب) مدل ترکیبی آریما و شبکه های عصبی مصنوعی. نتایج بررسی های این پژوهش، برتری مدل ترکیبی نسبت به متدلوژی آریما را نشان می دهند.