Miss Udeshi Salgado

(hi/ei)

Ymchwil

Gosodiad

Cadwyni cyflenwi imiwneiddio byd-eang: integreiddio modelau AI hybrid i optimeiddio stocrestrau gan ystyried metrigau lles anariannol

Mae tua 500,000 o blant mewn gwledydd sy'n datblygu yn marw bob blwyddyn oherwydd mynediad cyfyngedig i imiwneiddio (Gavi, 2022). Mae'r realiti dinistriol hwn yn cael ei ddwysáu ymhellach gan nifer o ffactorau, megis rhagolygon anghywir, stociau, a chyfleoedd a gollir. Nodweddir y methodolegau darogan a rhestr eiddo traddodiadol gan ddull un maint i bawb ac maent yn wynebu sawl her, gan gynnwys data annigonol neu anghywir a'r ddibyniaeth ar ragdybiaethau afrealistig ar dwf poblogaeth. Yn ogystal, cynhyrchir y rhagolygon ar lefel genedlaethol yn unig, wedi'u cyfyngu i ragamcanion blynyddol, ac nid ydynt wedi'u hintegreiddio i optimeiddio stocrestrau. Felly, mae eu defnyddioldeb yn gyfyngedig. Felly, mae rhaglenni imiwneiddio yn archwilio dewisiadau amgen i wella prosesau rhagweld a rhestr eiddo a gwella effeithlonrwydd cadwyni cyflenwi.

Nod a awgrymir: Rydym yn cynnig dull AI Hybrid o ragweld anghenion brechlyn sy'n cyfuno gwybodaeth parth-benodol â rhagolygon tebygolrwydd gan ddefnyddio Quantile Atchweliad Averaging, sy'n cynhyrchu rhagolygon tebygolrwydd cywir ar gyfer hierarchaeth gyfan y gadwyn gyflenwi. Yna bydd rhagolygon yn cael eu hintegreiddio i'r optimeiddio rhestr eiddo sy'n cyfrif am fetrigau lles anariannol yn y swyddogaeth golled, yn ogystal â chostau ariannol. Bydd y prosiect yn cael ei gyfeirio'n empirig a'i ddilysu gan ddefnyddio data sydd ar gael ac sydd ar ddod o raglenni imiwneiddio o wlad yn Affrica. Yna gellir mabwysiadu'r datrysiad mewn gwledydd datblygol eraill sy'n cael rhaglenni imiwneiddio tebyg. Mae lle i'r myfyriwr ddatblygu a mireinio ymhellach nod a dyluniad yr ymchwil, a all gynnwys cyfweliadau â darparwyr imiwneiddio i gael gwybodaeth ar gyfer dylunio ymchwil.

Ffynhonnell ariannu

Cyngor Ymchwil Peirianneg a Gwyddorau Ffisegol (EPSRC)