跳到主要内容

运行与日志分析

完成 安装与启动 后，在数字车间选择容器化工厂。

运行工厂​

  1. 选择工厂方案，上传所选方案。
  2. 设置工序调度、路径规划和任务分配算法。
  3. 设置故障预设、加工时间波动和仿真步数。
  4. 点击“一键执行”，查看车辆移动、机器加工、订单进度与事件。
  5. 需要结束本次运行时点击停止。

运行期间部分配置会锁定。物料站、缓冲及完成条件见 工厂仿真配置。订单运抵成品点并完成卸货后才计为完成。

数据集生成方案会将机器、车辆和物料站安排在同一连通区域。若启动或执行失败，页面会显示具体原因并恢复启动操作；只有启动请求超时才继续等待仿真状态。

指标与日志​

“分析”“指标”“日志”标签在同一面板中切换，标签栏保持可见，各页内容独立滚动。切换标签不会清空已采集的仿真状态、指标或日志。

实时看板展示机器、车辆和作业指标，可导出当前会话为 JSON。离线分析面板提供归档列表、运行摘要、时序图和事件详情，并支持导入系统导出的运行 JSON。

导入文件应包含完整运行记录中的 frames、metricsTimeline 和 events，可直接使用平台导出文件。打开归档后，可查看运行摘要与图表，或再次导出保存。

批处理面板可设置算法组合、随机种子以及 FJSP/MAPF 实例，查看生成的实验数量后提交。需要训练模型、探索参数或按数据集比较算法时，使用 算法实验与优化平台。

批处理 GPU 配置​

批处理的引擎、MAPF、FJSP 服务默认共享宿主机 GPU 0。单卡机器无需修改；多卡机器可在项目根目录 .env 中分别指定 GPU 编号或 UUID，例如：

SKYENGINE_BATCH_ENGINE_GPU_ID=0
SKYENGINE_BATCH_MAPF_GPU_ID=1
SKYENGINE_BATCH_FJSP_GPU_ID=0

编号以宿主机 nvidia-smi 的输出为准；上例需要至少两张 GPU。每个容器只分配所选的一张卡，容器内使用 cuda:0。共享 GPU 的服务会共享显存和算力，可按模型占用把服务分配到不同设备。

此配置适用于批处理容器，PPO 的训练 GPU 仍在训练页面选择。批处理仍需可用的 NVIDIA GPU 和容器 GPU 支持。等待当前批处理结束后再修改配置，下一次批处理启动时应用。

非网格工厂配置​

PacketFactory 管理页使用配置集。选择环境和算法，并上传 map_config.yaml、job_config.yaml、event_config.yaml 三个配置文件，再选择对应配置集启动运行。该配置格式与容器化网格工厂的 JSON 方案不同。