문 ① 선석배정 최적화 — 운영의 심장

시나리오: 선석 배정 담당자가 "내일 입항 7척의 최적 배정안"을 요청하면, 그래프가 제약(선석 제원×선박 제원, 기존 윈도우, 환적 연결)을 검사한 배정 후보와 각 안의 파급(대기 예상, 연결 위험)을 제시합니다.

기술 기반: PL-02·03(선석 윈도우), AN-04(연결 위험), 앞 모듈의 what-if 경로 분석. 코스 1에서 본 STK-LLM이 검증한 방향입니다 — 시공간 KG가 배정 추론의 지식 기반이 됩니다.

추가 재료: 선석 배정 이력(공공 부재 → 코스 3 협의 대상 목록의 1순위).

⚠️ 최적화 엔진(OR 계열)은 그래프 밖에 두고, 그래프는 제약 검사와 파급 계산을 담당하는 역할 분담이 현실적입니다. 그래프는 만능 엔진이 아니라 만능 심판입니다.

수취인: 터미널운영사(생산성), 항만공사(체선 완화). 배정 1건의 실수가 수천만 원(코스 1의 체선 비용)임을 기억하세요 — ROI 서사가 가장 명확한 문입니다.

문 ② 체선 예측 — 운영에서 예방으로

시나리오: "다음 주 화요일 오전 체선 위험 76%(주요 요인: 일요일 야간 입항 집중 + 3부두 정비)"처럼, 체선을 사후 집계가 아니라 사전 경보로 바꿉니다.

기술 기반: AN-07(전조 패턴), 앞 모듈의 시간대 히트맵, 그리고 코스 1에서 본 "KG를 ML 피처의 원천으로" 쓰는 두 번째 활용법입니다.

그래프에서 뽑은 구조 피처 — 직전 72시간 입항 밀도, 네트워크 상류 항만의 지연률 — 가 시계열 모델의 입력이 됩니다. 상류 지연의 전파는 표에서는 안 보이고 그래프에서만 계산됩니다(매개 중심성 경로).

추가 재료: 기상 데이터(공공 확보 용이), 예측 모델(그래프 밖).

예측의 각주 규율은 유지합니다 — "예측은 가설이다" 딱지와 근거 피처 목록 공개.

수취인: 항만공사(관제·자원 배치), 선사(JIT 도착 조정 — 코스 1의 DCSA JIT가 존재하는 이유와 정확히 접속합니다).