ਸਮੁੰਦਰੀ ਬੰਦਰਗਾਹਾਂ ਦੀ ਭੀੜ ਨੂੰ ਘਟਾਉਣਾ
ਬੰਦਰਗਾਹਾਂ ਅਕਸਰ 'ਪਹਿਲਾਂ ਆਓ, ਪਹਿਲਾਂ ਪਾਓ' (first-come-first-served) ਦੇ ਸਰਲ ਨਿਯਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ। ਜਦੋਂ ਮੌਸਮ ਬਦਲਦਾ ਹੈ ਜਾਂ ਉਪਕਰਨ ਖਰਾਬ ਹੋ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਇਹ ਨਿਯਮ ਅਸਫਲ ਹੋ ਜਾਂਦੇ ਹਨ। ਇਹ ਦੇਰੀ ਕਾਰਨ ਹੋਣ ਵਾਲੀ ਉੱਚ ਲਾਗਤ ਦਾ ਧਿਆਨ ਨਹੀਂ ਰੱਖਦੇ।
ਮੈਂ ਇਸ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ AnchorFlow-AI ਬਣਾਇਆ ਹੈ। ਇਹ ਇੱਕ Python simulation engine ਹੈ। ਇਹ berths, pilots, ਅਤੇ tugboats ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ ਇੱਕ multi-agent system ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।
ਇਹ ਸਿਸਟਮ Prompt-Agent-Skill ਡਿਜ਼ਾਈਨ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਨੂੰ ਛੋਟੇ, ਮੁੜ ਵਰਤੋਂ ਯੋਗ (reusable) ਬਲਾਕਾਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ:
- Triage Agent: ਦੇਰੀ ਦੀ ਲਾਗਤ ਅਤੇ ਉਡੀਕ ਦੇ ਸਮੇਂ ਦੇ ਅਧਾਰ 'ਤੇ ਕਤਾਰ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਦਾ ਹੈ।
- Berth Allocator: ਜਹਾਜ਼ਾਂ ਦੇ ਆਕਾਰ ਅਤੇ ਡੂੰਘਾਈ ਦੇ ਅਧਾਰ 'ਤੇ ਉਹਨਾਂ ਨੂੰ ਡੌਕਾਂ (docks) ਨਾਲ ਮਿਲਾਉਂਦਾ ਹੈ।
- Transit Agent: ਇਹ ਜਾਂਚ ਕਰਦਾ ਹੈ ਕਿ pilots ਅਤੇ tugs ਤਿਆਰ ਹਨ ਜਾਂ ਨਹੀਂ।
- Operations Coordinator: ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦਾ ਹੈ ਅਤੇ ਵਿਘਨਾਂ (disruptions) ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ।
ਮੈਂ ਇੱਕ ਮਿਆਰੀ ਸ਼ਡਿਊਲਿੰਗ ਮਾਡਲ ਦੇ ਵਿਰੁੱਧ ਇਸਦਾ ਟੈਸਟ ਕੀਤਾ। ਮੈਂ ਇਹ ਦੇਖਣ ਲਈ ਕਿ ਸਿਸਟਮ ਕਿਵੇਂ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਦਾ ਹੈ, ਇਸ ਵਿੱਚ ਅਚਾਨਕ ਆਉਣ ਵਾਲੇ ਤੂਫਾਨ ਅਤੇ ਮਕੈਨੀਕਲ ਖਰਾਬੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ।
ਨਤੀਜੇ:
- ਜਹਾਜ਼ਾਂ ਦੇ ਉਡੀਕਣ ਦੇ ਸਮੇਂ ਵਿੱਚ 16.4% ਦੀ ਕਮੀ ਆਈ।
- Demurrage ਲਾਗਤਾਂ ਵਿੱਚ $480,000 USD ਤੋਂ ਵੱਧ ਦੀ ਕਮੀ ਆਈ।
- ਸਿਸਟਮ ਬੰਦਰਗਾਹ ਦੇ ਵਿਘਨਾਂ ਤੋਂ ਤੇਜ਼ੀ ਨਾਲ ਉਭਰਦਾ ਹੈ।
ਇਹ ਪ੍ਰੋਜੈਕਟ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਇੰਟੈਲੀਜੈਂਟ ਏਜੰਟ ਸਥਿਰ ਨਿਯਮਾਂ (static rules) ਨਾਲੋਂ ਬਿਹਤਰ ਤਰੀਕੇ ਨਾਲ ਲੌਜਿਸਟਿਕਸ ਨੂੰ ਸੰਭਾਲ ਸਕਦੇ ਹਨ। ਇਹ ਸਧਾਰਨ ਯੋਜਨਾਬੰਦੀ ਤੋਂ ਸਰਗਰਮ ਸੰਚਾਲਨ (active orchestration) ਵੱਲ ਵਧਦਾ ਹੈ।
ਤੁਸੀਂ Python ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੇ ਲੈਪਟਾਪ 'ਤੇ ਇਸ simulation ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚਲਾ ਸਕਦੇ ਹੋ।
ਵਿਕਲਪਿਕ ਲਰਨਿੰਗ ਕਮਿਊਨਿਟੀ: https://t.me/GyaanSetuAi