为运输车队AMR机器人分配ID并实现时间折线图追踪求助

核心落地步骤 #

要实现目标，关键是在movebytransporter函数入口埋点记录时间与机器人标识，再通过数据聚合生成折线图，以下是具体操作：

1. 函数入口埋点记录数据 #

在movebytransporter函数的最开头，添加数据记录逻辑，确保每次调用都能捕获关键信息：

• 记录精确时间戳（毫秒级，保证时间维度准确性）
• 记录触发函数的机器人唯一ID（如AMR_01至AMR_07）
• 将数据存入全局可访问的数据集（数组、字典或内存数据库，依开发环境选择）

示例伪代码（以Python为例）：

# 全局存储调用记录
amr_move_logs = []

def movebytransporter(amr_id, target):
    # 埋点记录
    import datetime
    current_ts = datetime.datetime.now().timestamp()
    amr_move_logs.append({
        "amr_id": amr_id,
        "trigger_time": current_ts
    })
    # 原有业务逻辑
    # ...

2. 数据分组预处理 #

对记录的数据按机器人ID分组，整理成可视化工具易识别的格式：

• 把每个机器人的所有触发时间戳单独归类
• 将时间戳转换为可读的时间格式（如YYYY-MM-DD HH:MM:SS）

3. 生成多系列时间折线图 #

根据你使用的可视化工具（Matplotlib、Plotly或工业软件自带组件），加载分组后的数据：

• 以时间为X轴，机器人ID为不同折线系列
• 用散点+虚线的方式展示离散触发事件（阶梯式折线更直观）

示例Matplotlib代码片段：

import matplotlib.pyplot as plt
import datetime

# 按机器人ID分组数据
grouped_data = {}
for log in amr_move_logs:
    amr_id = log["amr_id"]
    if amr_id not in grouped_data:
        grouped_data[amr_id] = []
    # 转换为可读时间
    time_obj = datetime.datetime.fromtimestamp(log["trigger_time"])
    grouped_data[amr_id].append(time_obj)

# 绘制折线图
plt.figure(figsize=(12,6))
for amr_id, times in grouped_data.items():
    # 用机器人编号作为Y轴固定值，方便区分
    y_val = int(amr_id.split("_")[1])
    plt.plot(times, [y_val]*len(times), marker='o', label=amr_id, linestyle='--')

plt.xlabel("时间")
plt.ylabel("机器人ID")
plt.title("AMR机器人movebytransporter函数调用时间线")
plt.legend()
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

4. 瓶颈排查方向 #

如果仍无法推进，检查以下常见问题：

• 机器人ID是否能正确传入movebytransporter函数（确保调用时标识不丢失）
• 时间戳是否存在时区偏差（统一使用UTC或本地时间，避免时间混乱）
• 全局数据集是否被意外重置（比如局部变量覆盖全局变量）
• 可视化工具是否支持多系列折线渲染（查看工具文档确认配置规则）

内容的提问来源于stack exchange，提问作者Amol Dhumal