દરિયાઈ બંદરની ભીડનું વ્યવસ્થાપન
બંદરો ઘણીવાર 'જે પહેલા આવે તે પહેલા મળે' (first-come-first-served) ના સરળ નિયમોનો ઉપયોગ કરે છે. જ્યારે હવામાન બદલાય અથવા સાધનો બગડી જાય ત્યારે આ નિયમો નિષ્ફળ જાય છે. તેઓ વિલંબના ઊંચા ખર્ચને ધ્યાનમાં લેતા નથી.
આ સમસ્યાના ઉકેલ માટે મેં AnchorFlow-AI બનાવ્યું છે. તે એક Python સિમ્યુલેશન એન્જિન છે. તે બર્થ્સ (berths), પાયલોટ્સ અને ટગબોટ્સના સંચાલન માટે મલ્ટી-એજન્ટ સિસ્ટમનો ઉપયોગ કરે છે.
આ સિસ્ટમ Prompt-Agent-Skill ડિઝાઇનનો ઉપયોગ કરે છે. આ જટિલ કાર્યોને નાના, ફરીથી ઉપયોગ કરી શકાય તેવા બ્લોક્સમાં વિભાજિત કરે છે:
- Triage Agent: વિલંબ ખર્ચ અને રાહ જોવાનો સમય મુજબ કતારને ગોઠવે છે.
- Berth Allocator: કદ અને ઊંડાઈના આધારે જહાજોને ડોક સાથે જોડે છે.
- Transit Agent: પાયલોટ્સ અને ટગ્સ તૈયાર છે કે નહીં તે તપાસે છે.
- Operations Coordinator: સમગ્ર પ્રક્રિયાનું સંચાલન કરે છે અને અવરોધોને સંભાળે છે.
મેં આનું પરીક્ષણ પ્રમાણભૂત શેડ્યુલિંગ મોડેલ સામે કર્યું છે. સિસ્ટમ કેવી રીતે પ્રતિક્રિયા આપે છે તે જોવા માટે મેં તેમાં અચાનક આવતા વાવાઝોડા અને યાંત્રિક ખામીઓ ઉમેરી હતી.
પરિણામો:
- જહાજોના રાહ જોવાનો સમય 16.4% ઘટ્યો.
- ડેમરેજ (Demurrage) ખર્ચ $480,000 USD થી વધુ ઘટ્યો.
- સિસ્ટમ બંદરના અવરોધોમાંથી ઝડપથી રિકવર થાય છે.
આ પ્રોજેક્ટ દર્શાવે છે કે ઇન્ટેલિજન્ટ એજન્ટ્સ સ્થિર નિયમો કરતા લોજિસ્ટિક્સનું વધુ સારી રીતે સંચાલન કરી શકે છે. તે સાદા આયોજનથી સક્રિય ઓર્કેસ્ટ્રેશન (orchestration) તરફ આગળ વધે છે.
તમે Python નો ઉપયોગ કરીને તમારા લેપટોપ પર સ્થાનિક રીતે આ સિમ્યુલેશન ચલાવી શકો છો.
વૈકલ્પિક લર્નિંગ કોમ્યુનિટી: https://t.me/GyaanSetuAi