海上港湾の混雑の最適化
港湾では多くの場合、単純な先着順（first-come-first-served）のルールが適用されています。しかし、天候の変化や設備の故障が発生すると、これらのルールは機能しなくなります。また、高額な遅延コストも考慮されていません。
私はこの問題を解決するために AnchorFlow-AI を構築しました。これは Python のシミュレーションエンジンであり、マルチエージェントシステムを使用して、岸壁、パイロット、およびタグボートを管理します。
このシステムは「Prompt-Agent-Skill」設計を採用しています。これにより、複雑なタスクを小さく再利用可能なブロックに分解できます。
- トリアージ・エージェント (Triage Agent): 遅延コストと待ち時間に基づいてキューを並べ替えます。
- 岸壁割当エージェント (Berth Allocator): 船のサイズと水深に基づいて、船とドックをマッチングさせます。
- 通航エージェント (Transit Agent): パイロットとタグボートの準備ができているかを確認します。
- 運用コーディネーター (Operations Coordinator): プロセス全体を管理し、混乱に対処します。
標準的なスケジューリングモデルと比較してテストを行いました。システムがどのように反応するかを確認するために、ランダムな嵐や機械的な故障をシミュレーションに加えました。
結果：
- 本船の待ち時間が 16.4% 減少しました。
- 滞船料（Demurrage costs）が 480,000 米ドル以上削減されました。
- システムは港湾の混乱から迅速に復旧します。
このプロジェクトは、インテリジェント・エージェントがいかに静的なルールよりも優れたロジスティクス管理を行えるかを示しています。これは、単純な計画から能動的なオーケストレーションへの移行を意味します。
このシミュレーションは、Python を使用してノートパソコン上でローカルに実行できます。
オプションの学習コミュニティ: https://t.me/GyaanSetuAi