nouvelle planification
This commit is contained in:
1 parent
8d9b927600
commit
23f01d7c23
23 files changed
+1897
-11
No files matched your search
@@ -0,0 +1,58 @@
|
||||
# Données en masse et boucle Claude : ce qui existe et ce qu'on recommande
|
||||
|
||||
Étude du 2026-10-23, en lecture seule dans `~/monitoring-dashboard-displacement` (branche `displacement`, doc dans `CLAUDE.md` et `docs/diagnostics/`). Rien lancé, aucun secret lu ; les variables d'environnement ne sont citées que par leur nom.
|
||||
|
||||
## Recommandation
|
||||
|
||||
**Option A, avec un seul script** (`extraction/pomper.py`, brouillon, jamais lancé) : il réutilise les lectures de l'appli, ouvre un moteur PostgreSQL **en lecture seule** (comme `scripts/domain_diagnostics.py`, déjà lancé avec succès dans le container le 2026-10-21) et écrit `data/<STATION>/displacement/…_advanced_….csv` et `data/<STATION>/images/…jpg`, les formats que `agents/diagnostic/outils/donnees.py` (`trouver`, `heure_image`) lit déjà. B n'est pas une autre solution : c'est ce même script lancé depuis WSL, si la base y est joignable (non vérifié). C (une route d'export) vient seulement si la boucle prouve sa valeur.
|
||||
|
||||
## Ce que j'ai trouvé
|
||||
|
||||
**D'où viennent les données**
|
||||
- Une base PostgreSQL/TimescaleDB, partagée avec la production, pour les mesures ; les images sont dans un stockage S3 (Garage), rangées par `measurement_uuid` (`docs/architecture.md:14,25`, `docs/database/read_paths.md:17`). SQLite (`configs/database.db`) ne porte que l'appli : appareils, sorties, utilisateurs.
|
||||
- Déplacements natifs : `AcquisitionUnit.get_datapoints` (`app/aimsight_database.py:1096`) fusionné aux états à 1 min par `build_advanced_frame` (`app/datapoints.py:285`). Ses colonnes (`app/datapoints.py:35`) sont celles de l'export « advanced » reçu à la main : c'est la même fonction (endpoint parquet, `app/api/v1/datapoints.py:47`). Volume : ~0,3 Mo par jour et par station (NORDEND : 8 339 lignes pour 5 jours).
|
||||
- Horaire (« 1hour ») : `fetch_and_process_shifts` (`Dashboard/Dash_fun.py:1069`), qui exige les sorties configurées de l'appareil, donc SQLite et le contexte Flask. Le script ne le fait pas : l'horaire se recalcule depuis l'advanced.
|
||||
- Images : `Measurement` de type `OPTICAL_SHIFT-IRON` (JPEG), via `acq_unit.measurements` (`app/aimsight_database.py:901`) puis `get_measurement_payload(uuid)` (`:2346`, S3). L'id de mesure est celui que contiennent déjà nos noms `20261013T1200Z_<id>.jpg`. Poids vus dans `data/` : 0,1 à 1,2 Mo l'image selon la station.
|
||||
- **Images différentielles : elles existent**, type `OPTICAL_SHIFT-DIFF` (`app/mqtt/receiver.py:916`, `app/api/v1/images.py:307`, `Dashboard/PatternCreation.py:46`), en PNG (`app/base/routes.py:465`). Mais seules les stations réglées en mode « Differential » en ont ; je n'ai pas pu vérifier lesquelles, ni leur cadence. Le script les prend avec `--diff`, rangées à part dans `images_diff/`.
|
||||
|
||||
**Lectures déjà prêtes à réutiliser, et leur piège**
|
||||
- `Dashboard/displacement_data.py` (`hourly`, `advanced`, `images`, lignes 22 à 64) fait exactement notre besoin, mais passe par `Device.query` (SQLite, Flask-SQLAlchemy) et `AIMsightDB_get_session()`.
|
||||
- `AIMsightDB_get_session()` (`app/extensions.py:94`) construit `DatabaseEngine`, dont l'`__init__` lance `create_all_tables` (DDL) et un écouteur NOTIFY, sur une connexion **en écriture** sans délai (`app/aimsight_database.py:1636,1644`). Le `CLAUDE.md` de l'appli l'interdit pour lire. Le script contourne : un petit `ReadOnlyDB` emprunte à `DatabaseEngine` ses trois méthodes de lecture (`get_sensor_state_aggregate`, `get_common_state_aggregate`, `get_measurement_payload`) sans l'instancier.
|
||||
- Il lit par numéro de série du **système** (`System.serial_number`, comme `domain_diagnostics.py`), pas par nom d'appareil (les noms de fichiers reçus portent le nom d'appareil, ex. « Carrière TROYDO (B) »). Les dossiers de `data/` suivent déjà le numéro de série.
|
||||
|
||||
**Authentification**
|
||||
- L'appli a deux modes selon `AUTH_MODE` (`app/base/auth/__init__.py:10-16`) : formulaire login/mot de passe (Flask, session) ou Auth0. Elle ne protège que les **routes HTTP**. La base et S3 sont atteintes avec un compte de service lu dans les variables `AIMSIGHT_DATABASE_*` et `AIMSIGHT_S3_*` : pas d'authentification par utilisateur côté base. « La même authentification que l'appli » veut donc dire soit ce compte de service (le script), soit passer par HTTP.
|
||||
- HTTP : `requires_auth` (`app/base/auth/common.py:32`) n'accepte qu'un cookie de session, ce que demande aussi la route parquet. Seul `can_explore_device` passe par `is_authenticated()`, qui en mode Auth0 accepte un jeton Bearer (`auth_auth0.py:47-51,309`) ; une portée `reads:explore` y donne les droits de lecture admin (`:54-62`). Qui délivre un tel jeton, je ne le sais pas : question au collègue.
|
||||
- Les routes d'images de l'API `/api/v1` répondent 500 aujourd'hui (note dans `Dashboard/displacement_data.py:76-79`, décorateur de `common.py:53`) ; l'export CSV (`app/api/v1/measurements.py:273`) lance une tâche Celery, donc exige un worker local.
|
||||
|
||||
## Options
|
||||
|
||||
| | Effort | Blocage | Verdict |
|
||||
|---|---|---|---|
|
||||
| **A** script dans le container | brouillon écrit, ~1 h d'essai | le container ne monte sans doute que le dépôt de l'appli (compose non lisible, non vérifié) : copier le dossier dedans, puis les fichiers dehors (2 `cp`) ; charge sur la base de production | à faire |
|
||||
| **B** depuis WSL | A + `pip install` (sqlalchemy, psycopg2, boto3, pandas) + les identifiants de l'appli copiés sur WSL | la base est-elle joignable hors container ? Les docs disent que tout passe par le container (`docs/diagnostics/index.md:102`) ; en HTTP, il faudrait un cookie de session ou un jeton, à fournir ; secrets sur une seconde machine | seulement si le test réseau passe |
|
||||
| **C** route d'export | quelques jours de l'autre côté : auth par jeton sur `requires_auth`, correctif du décorateur, route d'images par plage (le zip en masse, `measurements.py:162`, n'existe que par jeton Redis posé par le Dash) | dépend d'un tiers et de la règle « ajouter, ne pas modifier » de la branche | après A, si la boucle sert |
|
||||
|
||||
Taille : l'advanced se compte en Mo. Les images dominent : à l'heure, ~1 Go pour 40 jours d'une station à 1 Mo l'image, six fois plus à 10 min. Quelques centaines de Go suffisent donc largement ; la limite sera le temps de lecture de la base, pas le disque.
|
||||
|
||||
**Précautions de l'appli à respecter** (`CLAUDE.md` de l'appli) : requêtes bornées en temps (le script lit un jour à la fois, 60 s de délai, pause entre les jours), lecture seule, rien qui écrive ; l'utilisateur lance, Claude ne se connecte jamais. Premier essai : une station, 2 jours, on note le temps par jour ; les vieux chunks compressés de `datapoint` coûtent plus cher à lire, et la base est partagée avec l'ingestion : lancer hors des heures chargées.
|
||||
|
||||
## La boucle, étape par étape
|
||||
|
||||
Hors ligne, dans Support-Agent, à la main de l'utilisateur (pas de LLM à chaque chargement de page, `journal-du-matin.md`).
|
||||
|
||||
1. **Liste** : l'utilisateur donne les stations et la plage totale (par exemple 3 stations, 60 jours) ; un fichier `extraction/plan.md` les range en tranches de 3 à 5 jours. Coût : zéro.
|
||||
2. **Pompe** (utilisateur, dans le container) : `pomper.py` par lots ; copie dans `data/<STATION>/`. Pas de coût Claude ; reprenable.
|
||||
3. **Tri sans image** : les détecteurs de `vues-deplacements/journal/` tournent sur la tranche et sortent une table d'épisodes (début, fin, étiquette, capteurs). Coût : ordinateur seul, et c'est ce qui décide la suite.
|
||||
4. **Regard de Claude, choisi** : Claude ne regarde que les tranches où les détecteurs voient quelque chose ou **ne voient rien malgré un signal fort** (saut ou tendance de `detection-d-anomalies.md`), et seulement les courbes et 4 à 8 vignettes par épisode, pas toutes les images. C'est l'étape chère : un plafond de tranches regardées par séance, fixé à l'avance.
|
||||
5. **Critique** : par épisode, Claude dit s'il est d'accord (étiquette juste), en retard ou en trop (faux positif), ou s'il manque un épisode ; il écrit son verdict dans un fichier de revue de la tranche, hors de la vue de l'agent (règle de `vues-deplacements/CLAUDE.md`).
|
||||
6. **Proposition** : au plus deux sorties, soit un réglage chiffré d'un détecteur (seuil, durée) avec les épisodes qui changent, soit un cas candidat. Les cas n'entrent dans la base que sur demande de l'utilisateur (`/nouveau-cas`) ; Claude propose, ne crée pas.
|
||||
7. **Rejeu** : le détecteur modifié est relancé sur **toutes** les tranches déjà vues (gratuit, étape 3) pour vérifier qu'il ne casse rien ; seulement alors on passe à la tranche suivante.
|
||||
8. **Arrêt** : à la fin du plafond de la séance, ou quand deux tranches de suite ne donnent plus rien à corriger. Les données déjà regardées ne sont pas relues ; le fichier de revue sert de mémoire.
|
||||
|
||||
## Ce qui reste à vérifier avant de s'y fier
|
||||
|
||||
- Le script n'a jamais tourné : écrit d'après le code, relu, syntaxe vérifiée. Premier lancement par l'utilisateur, une station, 2 jours ; ce qu'il faut comparer : le CSV obtenu contre un export « advanced » déjà reçu pour la même plage (colonnes, fuseau UTC, nombre de lignes).
|
||||
- Le numéro de série du système sert d'entrée ; si l'unité d'acquisition n'est pas unique (`acquisition_unit()` du script reprend la règle MER* / ME2S* de `app/base/models.py:268`), le dire.
|
||||
- Combien de stations ont des images `DIFF`, et à quelle cadence.
|
||||
- Joignabilité de la base depuis WSL (un test `nc -z` fait par l'utilisateur, hôte lu dans `.env` sans l'afficher).
|
||||
@@ -0,0 +1,70 @@
|
||||
# Journal du matin du client : brainstorming du 2026-10-23
|
||||
|
||||
Notes de la conversation vocale du 2026-10-23 (utilisateur, après échange avec son supérieur), tenues par l'orchestrateur. Les idées sont gardées toutes, même celles qu'on ne fait pas tout de suite ; ce qui est lancé est marqué **[en cours]**. Décision : D-056.
|
||||
|
||||
## Le constat
|
||||
|
||||
- Le projet s'est éparpillé : beaucoup d'analyses fines (sauts, tendances, compensation, agent de diagnostic) ; important, mais on s'y perd.
|
||||
- Revenir à du simple, terre à terre, côté **support** : des analyses élémentaires, qui **discréditent** certaines zones plutôt qu'elles ne mesurent des variations.
|
||||
- Changement de regard sur l'anomalie : ce n'est pas d'abord un vrai déplacement de l'ouvrage, ce sont surtout des « trucs nuls » : un train qui passe, de la neige ou une toile d'araignée sur une cible, la pluie, la buée, le soleil, la turbulence, plus assez de références (alors tout bouge un peu). **Une anomalie = un moment où il ne faut pas prendre les données en compte.**
|
||||
|
||||
## L'idée : le journal du matin
|
||||
|
||||
- Le client se lève, ouvre le monitoring comme on lit le journal : le récapitulatif de ce qui s'est passé depuis sa dernière visite.
|
||||
- Une plage de quelques jours par défaut (celle qu'il regarde : s'il vient tous les 2-3 jours, 2-3 jours).
|
||||
- Les courbes de déplacement, **toutes les données gardées** ; dessous, des **barres étiquetées** (une bande colorée : « mauvaise météo », « mauvaise visibilité », « effet thermique », la catégorie trouvée) ; les zones à ignorer **grisées** sur les courbes, sans retirer les points.
|
||||
- Deux familles de ce qui peut se passer : des conditions qui gâtent la mesure (météo, visibilité, turbulence, cycle thermique) et, plus rarement, un vrai mouvement.
|
||||
- Courbes en **pixels** (suggestion du supérieur) plutôt qu'en mm : on y voit les mêmes choses ; premier essai en px (`corr_x`, `corr_y` de l'export « advanced », à la cadence native).
|
||||
- Une visualisation **très simple**, « bateau », comme les cas de la base (pluie, toile d'araignée, train…).
|
||||
- Garder les **images** et la technique des petits **GIF** (vignettes animées) : on voit tout de suite qu'on a perdu les cibles. Pas dans la v0.
|
||||
- Objectif de contrôle : si on donnait les mêmes données à Claude, il devrait voir de lui-même les mêmes catégories ; notre solution doit dire ce que Claude dirait.
|
||||
|
||||
## Les pistes, une par agent [en cours]
|
||||
|
||||
Un orchestrateur (la conversation principale) et un agent par piste, qui rapporte à l'orchestrateur ; l'orchestrateur en discute avec l'utilisateur. Contrat commun des détecteurs : un fichier par détecteur dans `vues-deplacements/journal/`, `detect(mesures)` rend des épisodes (`start`, `end`, `label`, `text`, `ignore`, `sensors`).
|
||||
|
||||
| Piste | Ce que l'utilisateur en dit | Où |
|
||||
|---|---|---|
|
||||
| Gros sauts brutaux | perte de visibilité, gros déplacements, puis retour à la normale juste après : un événement ; variation brutale sur une petite plage | `journal/sauts.py` |
|
||||
| Taux d'erreur | entre 2 h et 3 h, d'un coup beaucoup de perturbations : un flag « grand taux d'erreur des cibles », moyenne sur les cibles | `journal/visibilite.py` |
|
||||
| Cycle thermique | chaque jour de grosses vagues : tout chauffe, bouge un peu, puis refroidit à la tombée de la nuit, très prévisible ; vu seul ça paraît bizarre, vu chaque jour c'est normal | `journal/thermique.py` |
|
||||
| Turbulence atmosphérique | des petites vagues, du bruit, à expliquer au client | `journal/turbulence.py` |
|
||||
| Cartographie des cas | il n'y a pas 36 000 options : un diagramme (Mermaid) de tous les cas rencontrés, branchés (mauvais temps, train, obstruction…), à partir des catégories déjà dans le projet | `docs/displacement/domaine/carte-des-evenements.md` |
|
||||
| Page | une page dans Explore : les courbes, les barres dessous, les zones grisées | onglet `Journal` de `vues-deplacements/maquette/` |
|
||||
| Volet 2 : lissage | le premier volet ne touche pas aux données et les interprète ; un second les lisse ; peur que ce soit trop complexe : un agent dit ce qui existe et ce qui est possible | `vues-deplacements/contexte/lissage.md` |
|
||||
| Données et boucle | récupérer les données pour travailler hors de l'application, puis boucler Claude dessus | `vues-deplacements/contexte/donnees-et-boucle.md` |
|
||||
|
||||
## Les données et la boucle d'amélioration
|
||||
|
||||
- Aujourd'hui, Claude ne voit pas l'application : elle tourne dans le dev container, que l'utilisateur doit relancer, et Claude ne peut pas y entrer.
|
||||
- Pistes d'accès, aucune fermée :
|
||||
- **A**, préférée pour l'instant : un dossier de scripts **dédié, séparé de tout le reste**, que l'utilisateur lance dans le dev container pour pomper les données de nombreuses stations sur de grandes plages (déplacements, images, images différentielles), par lots ; quelques centaines de Go acceptables ;
|
||||
- **B** : un petit client qui interroge directement la base avec le même protocole d'authentification que l'application (identifiants de l'utilisateur), et un site HTML / JS local qui fait le même travail ; avantage : ne récupérer que le nécessaire ;
|
||||
- **C** : demander au collègue l'infrastructure qui manque.
|
||||
- La boucle, idée « super puissante » à faire intelligemment (elle consomme) : Claude prend une plage, lance les scripts de diagnostic, regarde lui-même les données et les images, critique les scripts, les améliore, crée un cas si besoin, passe à la plage suivante, et épluche ainsi toutes les données.
|
||||
- Calcul à la volée : aujourd'hui, le site calcule les analyses quand le client charge la page ; faire tourner un LLM à ce moment-là n'est pas raisonnable. Claude sert donc à **régler** les scripts hors ligne, pas à répondre en direct.
|
||||
|
||||
## Où l'on travaille
|
||||
|
||||
- **Dans Support-Agent**, pas dans le dev container (précision de l'utilisateur en fin de message) : on y voit tout et on itère vite ; quand c'est convaincant, on le porte dans le vrai conteneur, comme pour les statuts des métriques système (Energy, Storage, Cellular, Temperature), où l'on savait déjà ce qu'on voulait.
|
||||
|
||||
## Façon de travailler
|
||||
|
||||
- Prototypes : ni tests, ni revues, ni qualité de code ; on développe, l'utilisateur essaie, il fait un retour, on itère.
|
||||
- Consigne aux agents : pas d'imagination débordante, pas l'optimal ni le stylé ; quelque chose qui marche au départ, minimaliste au besoin, puis on améliore.
|
||||
|
||||
## Idées gardées pour plus tard
|
||||
|
||||
- Vignettes et GIF des images d'un épisode, dans le journal.
|
||||
- Images différentielles (si la plateforme les a), pour voir ce qui a changé.
|
||||
- D'autres métriques existent sur certains projets : un agent pourrait les passer en revue quand les données seront récupérées en masse.
|
||||
- Effet périodique étiqueté comme tel (« periodic effect »), jugé encore poussé.
|
||||
- Un cas de la base pour chaque catégorie de la carte, quand l'utilisateur les apporte.
|
||||
|
||||
## Retour de l'utilisateur sur la v0 (2026-10-23, le soir)
|
||||
|
||||
- « Pas trop mal », mais il veut **encore plus simple**, et surtout un diagnostic **catégorique et complet**, comme celui des cas étudiés par l'agent de diagnostic (`agents/diagnostic/cas/`) : pas de « most likely a measurement artefact » ni de « probably rain ».
|
||||
- Exemple : sur NORDEND, le 14/10 vers 05:15, un immense saut monte puis redescend en quelques heures. Ce comportement se voit tout le temps ; il a plusieurs causes possibles, mais on veut clairement **invalider la zone**. Ici il n'y a pas d'ambiguïté : les cibles étaient perdues (intempéries, plein jour, aube…), et les images le montrent.
|
||||
- **Cas par cas, isoler les scénarios** : un gros saut → trouver sa **catégorie** (celle de la carte des événements, d'où la demande d'un agent cartographe) → **exécuter le processus de la catégorie**. Pour la perte de visibilité, le processus est de **montrer les images** : le client voit le gros saut, lit la catégorie, voit qu'on ne distingue pas les cibles, comprend que ce n'est qu'une perte de visibilité et passe à la suite sans s'alarmer.
|
||||
- Sous les courbes, le label dit **ce qui s'est passé** (la catégorie), pas le nom du détecteur.
|
||||
- La suite : pas forcément de modification tout de suite, mais **un plan** très détaillé, numéroté et non linéaire, qui reprend tout le travail de la conversation et qu'il pourra exécuter point par point dans de nouvelles conversations : `docs/superpowers/plans/2026-10-23-journal-du-matin.md`.
|
||||
@@ -0,0 +1,61 @@
|
||||
# Lisser ou corriger les courbes de déplacement : ce qui existe, ce qui est possible
|
||||
|
||||
- **Date** : 2026-10-23. **Statut** : exploration, rien de construit. Second volet du « journal du matin » : le premier n'altère rien (barres étiquetées, zones grisées « à ignorer »), celui-ci ajoute une courbe lissée ou corrigée, **la brute toujours gardée**.
|
||||
- Les chiffres ci-dessous viennent des exports horaires (mm) de WILDSTRUBEL, NIEDERHORN et CLARIDEN, 3 jours chacun : des ordres de grandeur, pas une validation.
|
||||
|
||||
## 1. Ce qui existe déjà
|
||||
|
||||
- **La station** moyenne 20 à 40 images par mesure et rejette toute mesure dont l'`error_value` dépasse le seuil du capteur (`corr_x` / `corr_y` vides, rien d'interpolé). La plateforme propose déjà de surligner, masquer, interpoler ou passer une médiane glissante (Data Exploration, cadrage §2).
|
||||
- **L'export horaire** est la moyenne des mesures de l'heure (1 à 6 selon la station), avec `_min` et `_max`. Une moyenne n'est pas robuste : un train d'une mesure déplace l'heure entière.
|
||||
- **Le cadrage D-044** (`docs/displacement/cadrage.md`) fixe déjà le cadre : brute jamais remplacée, chaque point corrigé porte son statut et sa raison (§3, §4.2), calcul causal, poids continus, correction seulement si la cause externe est `strongly supported`. Chaîne : qualifier, détecter, corriger ; outil du socle : le masque, puis une médiane glissante causale (§4.1) ; lisser sans détecter est écarté (§8).
|
||||
- **L'annexe du cadrage** note Hampel, Kalman et le poids continu, à revoir « si le besoin apparaît ». Le contexte support interdit de fusionner en silence données d'origine et retraitées (§27).
|
||||
- **Aucun code** : rien dans `src/`. Le volet 1 du journal fournira les zones « ignore », donc une partie de l'étape « détecter » du cadrage.
|
||||
|
||||
## 2. Les options, de la plus simple à la plus riche
|
||||
|
||||
**A. Masquer les zones « ignore » du journal.**
|
||||
- Principe : la courbe nettoyée est la brute sans les points des zones grisées, laissés en **trou** (pas d'interpolation, sinon on cache une marche). Aucun calcul nouveau.
|
||||
- Enlève : tout ce que le volet 1 grise (train, mauvaise visibilité, turbulence, pluie), avec sa raison déjà étiquetée.
|
||||
- Risque : une zone mal posée masque un vrai mouvement (CLARIDEN, mouvement réel qui débute la nuit : un volet 1 qui le rangerait en « mauvaise visibilité » le masquerait). La marche reste visible entre les deux bords du trou.
|
||||
- Coût : nul, bibliothèque standard, embarquable. La fiabilité est celle du volet 1.
|
||||
|
||||
**B. Médiane glissante causale (ou filtre de Hampel : un point à plus de k MAD de la médiane locale est remplacé par elle).**
|
||||
- Enlève : les pics courts. NIEDERHORN, train du 01/10 12:00 UTC : une heure à 14,83 mm sur un niveau de 9,9 ; médiane de 3 h : 9,95. Ne gomme pas un épisode plus long que la moitié de la fenêtre (pluie, turbulence de l'après-midi).
|
||||
- Risque : une marche réelle est **gardée en entier mais en retard** de (fenêtre − 1) / 2 heures. CLARIDEN, −4,9 mm en deux paliers : retard de 1 h (3 h) ou 2 h (5 h), amplitude intacte ; une moyenne de 5 h étale la marche sur 6 h. Un vrai choc d'une heure disparaît.
|
||||
- Sur WILDSTRUBEL, aucun gain : le bruit d'heure en heure est déjà de 0,03 à 0,12 mm pour un cycle de 0,3 à 0,75 mm, et la médiane de 5 h ne le change pas. La turbulence se voit à la mesure, pas à l'heure.
|
||||
- Coût : une dizaine de lignes, bibliothèque standard, embarquable, causale. Fenêtre à sourcer (cadrage §6, étape 3). `_min` / `_max` ne voient pas le train de NIEDERHORN : inutilisables pour le détecter.
|
||||
|
||||
**C. Moyenne pondérée par `error_value`.**
|
||||
- Principe : chaque mesure pèse selon son erreur, au lieu de tout ou rien (roadmap §5.2, `image_quality_weight`, qui ne donne pas de formule).
|
||||
- Enlève : le bruit des mesures sous le seuil de rejet (eau, turbulence légère).
|
||||
- Risque : à CLARIDEN, l'`error` de la cible qui saute triple (0,02 puis 0,06) **à la marche réelle** : la pondération rend la marche moins crédible au moment où elle naît. La fonction de poids n'a pas de source.
|
||||
- Coût : demande l'export « advanced » à cadence native (l'horaire ne donne que l'erreur moyenne), plus une fonction de poids à justifier.
|
||||
|
||||
**D. Retrait du profil journalier (vague thermique).**
|
||||
- Principe : soustraire le profil moyen heure par heure des jours précédents.
|
||||
- Enlève : le cycle du jour, donc ce qui ressemble à un mouvement et n'en est pas un pour le client.
|
||||
- Risque : trop court, il aggrave. WILDSTRUBEL, profil des jours 1-2 retiré du jour 3 : crête à crête 0,46 puis 0,67 mm (PA3_2), le profil variant de 0,13 à 0,21 mm d'un jour à l'autre pour un cycle de 0,3 à 0,75 mm. La dilatation thermique est aussi un mouvement réel (cadrage Q8), et une dérive apprise dans le profil s'efface.
|
||||
- Coût : simple à coder, mais il faut des semaines d'historique ; inutilisable sur une station neuve.
|
||||
|
||||
**E. Filtre de Kalman ou lissage centré a posteriori, avec bande d'incertitude.**
|
||||
- Principe : modèle d'état de la position, bande autour de la courbe ; ou fenêtre centrée sur le journal de la veille, sans retard.
|
||||
- Enlève : bruit, pics et trous, avec une incertitude affichée. Aucun chiffre ici, aucun cas de test à ce jour.
|
||||
- Risque : réglage (bruit du modèle) sans source, difficile à expliquer au client ; un modèle trop souple absorbe une marche.
|
||||
- Coût : le plus lourd ; l'annexe du cadrage le réserve au jour où l'incertitude par cible existe (roadmap §5.5).
|
||||
|
||||
## 3. Recommandation : la première marche
|
||||
|
||||
**Option A seule.** Rien à régler, rien d'inventé, chaque trou porte l'étiquette du volet 1, aucun risque d'effacer un mouvement tant que les zones sont justes. Si le client veut ensuite une courbe plus lisse, **B avec une fenêtre de 3 h** (étape 3 du cadrage), qu'on mesure sur NIEDERHORN et CLARIDEN avant de la montrer. C, D et E attendent un besoin visible.
|
||||
|
||||
**Affichage** (chaque graphique de cible) :
|
||||
- la **brute** en gris fin, toujours dessous et visible ;
|
||||
- la **nettoyée** en couleur par-dessus, en trait **interrompu aux trous** ;
|
||||
- les zones grisées du volet 1 derrière, avec leur étiquette au survol ;
|
||||
- un sélecteur « Brute / Nettoyée / Les deux », « Les deux » par défaut, et une ligne de légende : « zones à ignorer retirées, rien d'autre modifié » ;
|
||||
- avec B ensuite : une troisième courbe nommée « Lissée (médiane 3 h) », jamais confondue avec la nettoyée.
|
||||
|
||||
## 4. Questions pour l'utilisateur
|
||||
|
||||
1. Le client voit-il la nettoyée par défaut avec la brute en option, ou l'inverse ? Elle ne remplace jamais la brute à l'écran (cadrage Q4).
|
||||
2. Le journal paraît une fois le matin : un lissage **centré** (côté serveur, sans retard) vous convient-il, ou garde-t-on le calcul **causal** des analyses, avec 1 à 2 h de retard (cadrage Q5) ?
|
||||
3. Le cycle thermique du jour reste-t-il tel quel (choix par défaut, cadrage Q8), ou faut-il une vue « sans le cycle » ? Seule cette réponse justifie l'option D.
|
||||
Reference in new issue
Block a user