Miss Merennage Salgado

(hi/ei)

Ymchwil

Mae fy ymchwil yn canolbwyntio ar gadwyni cyflenwi imiwneiddio byd-eang, rhagfynegi galw am frechlynnau, a modelau AI hybrid ar gyfer gwneud penderfyniadau mewn iechyd cyhoeddus. Mae gen i ddiddordeb arbennig mewn integreiddio rhagolygon tebygolrwydd, dysgu peiriannau, ac ymchwil gweithrediadau i fynd i'r afael â heriau mewn imiwneiddio arferol, yn enwedig mewn gwledydd incwm isel a chanolig (LMICs).

Rwy'n angerddol am ddatblygu dulliau sy'n cael eu gyrru gan ddata sy'n gwella tegwch, mynediad a gwytnwch o fewn systemau gofal iechyd. Mae fy ngwaith yn rhychwantu modelu cyfres amser, optimeiddio stocrestrau, a dadansoddeg cadwyn gyflenwi iechyd, gyda phwyslais cryf ar gymhwyso byd go iawn ac effaith gymdeithasol.

Prosiect PhD cyfredol

Gwella Cadwyni Cyflenwi Imiwneiddio Byd-eang trwy Ragfynegi Hybrid a Optimeiddio Stocrestr wedi'i Yrru gan AI

Ysgol Busnes Caerdydd, Prifysgol Caerdydd
Cyllid: Dyfarniad Ysgoloriaeth EPSRC (2024–2028) 

Mae fy ymchwil PhD yn datblygu fframwaith cymorth penderfyniadau digidol sy'n integreiddio:

• Modelau rhagfynegi tebygolrwydd
• Gwybodaeth benodol i'r maes o raglenni imiwneiddio
• Metrigau lles anariannol fel cyfleoedd a gollwyd, cyfyngiadau cadwyn oer, a hygyrchedd gwasanaeth
• Dulliau optimeiddio stocrestr wedi'u teilwra i ddata defnydd brechlyn cyfnewidiol a heb ei adrodd

Y nod yw creu system deallusrwydd hybrid gadarn a all wella cywirdeb rhagolygon, lleihau stociau, a gwella perfformiad imiwneiddio arferol yn fyd-eang.

Mae'r prosiect hwn yn cael ei gynnal mewn cydweithrediad â John Snow, Inc. (JSI), sefydliad iechyd cyhoeddus byd-eang blaenllaw sy'n gweithio i gryfhau systemau imiwneiddio ledled y byd.

Pam mae'r ymchwil hon yn bwysig

Mae rhagolygon brechlyn dibynadwy yn hanfodol i sicrhau bod pob plentyn yn derbyn y brechlyn cywir ar yr adeg iawn. Eto mae llawer o LMICs yn wynebu heriau fel:

• Galw heb ei ddogfennu neu heb ei gofnodi
• Cyfyngiadau ansawdd data
• Dynameg cadwyn gyflenwi cymhleth
• Cyfyngiadau adnoddau sy'n cyfyngu ar effeithiolrwydd cynllunio

Trwy gyfuno rhagolygon wedi'u gyrru gan AI gyda mewnwelediadau cyd-destunol, rhaglennol, nod fy ngwaith yw cefnogi gweinidogaethau iechyd, partneriaid byd-eang, a rheolwyr cadwyn gyflenwi i wneud penderfyniadau mwy cywir a theg.

Yn y pen draw, rwy'n cael fy ysgogi gan y cyfle i gymhwyso gwyddor data er lles cymdeithasol, gan helpu i wella canlyniadau iechyd a lleihau anghydraddoldebau y gellir eu hatal mewn cwmpas imiwneiddio .

Bywgraffiad

Addysg

• 2024 – Presennol:  PhD mewn Rheoli Busnes (Cadwyni Cyflenwi Imiwneiddio Byd-eang), Ysgol Busnes Caerdydd, Prifysgol Caerdydd, DU
  Gwobr Ysgoloriaeth EPSRC; ymchwil ar fodelau AI hybrid ar gyfer rhagfynegi brechlynnau ac optimeiddio stocrestr.
• 2019 - 2023:  BSc (Anrh) mewn Ystadegau, Prifysgol Sri Jayewardenepura, Sri Lanka
  Adran Uchaf Ail Ddosbarth; GPA 3.64 / 4.00; Traethawd hir A+ ar ddysgu peiriannau ar gyfer canfod anghysondebau dannedd.
• 2015: Diploma mewn Peirianneg Meddalwedd, Campws Metro Esoft, Sri Lanka
  Hyfforddiant mewn OOP, SDLC, Java, C #, a datblygu cymwysiadau.

Anrhydeddau a dyfarniadau

• 2025: Enillydd, Her Codio NATCOR, Cwrs Modelu Stocastig, Caerhirfryn, DU
• 2024: Gwobr Ysgoloriaeth EPSRC, Ysgol Busnes Caerdydd, DU 
• 2024: Gwobr Efydd (categori Meddygaeth a Fferylliaeth), Cystadleuaeth Genedlaethol Dyfeisiadau ac Arloesi Sahasak Nimavum 2023, Sri Lanka
• 2022: Menter Gwasanaeth Clwb Mwyaf Rhagorol – Gwobr Aur, 31ain Cynulliad Dosbarth Rotaract, Sri Lanka

Aelodaethau proffesiynol

• Aelod Myfyriwr: Sefydliad Rhyngwladol y Rhagolygon (IIF)
• Aelod Myfyriwr: Y Gymdeithas Ymchwil Weithredol (Cymdeithas OR)
• Aelod: Menywod mewn Gwyddor Data (WiDS) Byd-eang
• Aelod: R-Ladies Colombo (2024)

Safleoedd academaidd blaenorol

• Hydref 2025 - Presennol: Tiwtor Graddedigion