समुद्री बंदरगाहों की भीड़भाड़ का अनुकूलन
बंदरगाह अक्सर 'पहले आओ-पहले पाओ' के सरल नियमों का उपयोग करते हैं। मौसम बदलने या उपकरण खराब होने पर ये नियम विफल हो जाते हैं। ये देरी से होने वाली उच्च लागतों को ध्यान में नहीं रखते हैं।
मैंने इसे हल करने के लिए AnchorFlow-AI बनाया है। यह एक Python सिमुलेशन इंजन है। यह बर्थ, पायलटों और टगबोट्स के प्रबंधन के लिए एक मल्टी-एजेंट सिस्टम का उपयोग करता है।
यह सिस्टम Prompt-Agent-Skill डिज़ाइन का उपयोग करता है। यह जटिल कार्यों को छोटे, पुन: प्रयोज्य (reusable) ब्लॉकों में विभाजित करता है:
- Triage Agent: देरी की लागत और प्रतीक्षा समय के आधार पर कतार (queue) को क्रमबद्ध करता है।
- Berth Allocator: आकार और गहराई के आधार पर जहाजों को डॉक के साथ मिलाता है।
- Transit Agent: जाँचता है कि पायलट और टग्स तैयार हैं या नहीं।
- Operations Coordinator: पूरी प्रक्रिया का प्रबंधन करता है और व्यवधानों को संभालता है।
मैंने एक मानक शेड्यूलिंग मॉडल के विरुद्ध इसका परीक्षण किया। मैंने यह देखने के लिए कि सिस्टम कैसे प्रतिक्रिया करता है, इसमें यादृच्छिक (random) तूफान और यांत्रिक विफलताएं जोड़ीं।
परिणाम:
- जहाजों के प्रतीक्षा समय में 16.4% की कमी आई।
- डेमरेज (Demurrage) लागत में $480,000 USD से अधिक की कमी आई।
- सिस्टम बंदरगाह के व्यवधानों से जल्दी उबर जाता है।
यह प्रोजेक्ट दिखाता है कि कैसे इंटेलिजेंट एजेंट स्थिर नियमों की तुलना में लॉजिस्टिक्स को बेहतर ढंग से संभाल सकते हैं। यह सरल योजना से सक्रिय ऑर्केस्ट्रेशन (active orchestration) की ओर बढ़ता है।
आप Python का उपयोग करके अपने लैपटॉप पर स्थानीय रूप से इस सिमुलेशन को चला सकते हैं।
वैकल्पिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi