সামুদ্রিক বন্দরের যানজট অপ্টিমাইজ করা
বন্দরগুলো প্রায়শই 'আগে আসলে আগে পাবেন' (first-come-first-served) নিয়ম ব্যবহার করে। আবহাওয়া পরিবর্তন হলে বা সরঞ্জাম নষ্ট হয়ে গেলে এই নিয়মগুলো ব্যর্থ হয়। এগুলো বিলম্বের উচ্চ খরচ বিবেচনা করে না।
এটি সমাধানের জন্য আমি AnchorFlow-AI তৈরি করেছি। এটি একটি Python সিমুলেশন ইঞ্জিন। এটি বার্থ (berths), পাইলট এবং টাগবোট (tugboats) পরিচালনা করার জন্য একটি মাল্টি-এজেন্ট সিস্টেম ব্যবহার করে।
সিস্টেমটি একটি Prompt-Agent-Skill ডিজাইন ব্যবহার করে। এটি জটিল কাজগুলোকে ছোট এবং পুনরায় ব্যবহারযোগ্য ব্লকে বিভক্ত করে:
- Triage Agent: বিলম্বের খরচ এবং অপেক্ষার সময় অনুযায়ী কিউ (queue) সাজায়।
- Berth Allocator: জাহাজের আকার এবং গভীরতার ভিত্তিতে ডকের সাথে জাহাজগুলোর মিল ঘটায়।
- Transit Agent: পাইলট এবং টাগগুলো প্রস্তুত আছে কিনা তা পরীক্ষা করে।
- Operations Coordinator: পুরো প্রক্রিয়াটি পরিচালনা করে এবং বিঘ্নগুলো সামাল দেয়।
আমি একটি স্ট্যান্ডার্ড শিডিউলিং মডেলের বিপরীতে এটি পরীক্ষা করেছি। সিস্টেমটি কীভাবে প্রতিক্রিয়া জানায় তা দেখার জন্য আমি এতে আকস্মিক ঝড় এবং যান্ত্রিক ত্রুটি যুক্ত করেছি।
ফলাফলসমূহ:
- জাহাজের অপেক্ষার সময় ১৬.৪% কমেছে।
- ডেমারেজ (Demurrage) খরচ $৪৮০,০০০ USD-এর বেশি কমেছে।
- সিস্টেমটি বন্দরের বিঘ্ন থেকে দ্রুত স্বাভাবিক অবস্থায় ফিরে আসে।
এই প্রকল্পটি দেখায় যে কীভাবে ইন্টেলিজেন্ট এজেন্টগুলো স্ট্যাটিক নিয়মের চেয়ে লজিস্টিকস আরও ভালোভাবে পরিচালনা করতে পারে। এটি সাধারণ পরিকল্পনা থেকে সক্রিয় সমন্বয়ের (active orchestration) দিকে ধাবিত হয়।
আপনি Python ব্যবহার করে আপনার ল্যাপটপে স্থানীয়ভাবে এই সিমুলেশনটি চালাতে পারেন।
Optional learning community: https://t.me/GyaanSetuAi