Rework the Diagnosis tab: curves in mm, AI request, link with View; drop the grid (D-054)
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
1 parent
448b0680ca
commit
57dab8e47a
6 files changed
+230
-190
No files matched your search
@@ -20,7 +20,7 @@ L'état courant seulement ; l'historique est dans `git log` et `docs/decisions.m
|
||||
- **Cellular (D-030 à D-032, D-037), en pause en attendant le spécialiste** : WEISSHORN (mise en service le 19/08, puis quelques incidents isolés) et NORDEND (109 jours, 11 coupures de la liaison) explorés ; `DAILY_LINK_STATE` et `DAILY_SIGNAL_STATE` en prototype, sans cas de l'expert ; deux corrections de `DAILY_LINK_STATE` retenues sur le principe mais non codées ; couleur du jour codée (`src/cellular/day_color.py`, matrice lien × signal `docs/cellular/matrice-lien-signal.drawio` : Red si des envois manquent et que le signal n'est pas mesuré 20 h sur 24) ; livré en prototype avant les réponses du spécialiste (D-039) : figure du site `src/cellular/final.py`, bloc de la vue client, notification support, guide `docs/cellular/guide/`. Reprise : `docs/cellular/domaine/questions-pour-l-expert.md`.
|
||||
- **Temperature (D-040)** : jeux de travail WEISSHORN et NORDEND (VERMONT n'a pas le GPU) ; `DAILY_GPU_TEMPERATURE_LIMIT` en prototype, sans cas de l'expert : une moyenne horaire du GPU ≥ 97,5 °C (limite du Jetson Nano, carte supposée) dans les 24 dernières heures ; couleur du jour codée (`src/temperature/day_color.py` : Red si atteinte, sinon Green, pas d'orange) ; tous les jours Green (maximum 57,2 °C) ; livré en prototype (D-041) : figure du site `src/temperature/final.py`, bloc de la vue client, notification support, guide `docs/temperature/guide/`. Constats, pistes et questions dans `docs/temperature/domaine/point-de-depart.md`.
|
||||
- **Dev container (D-038)** : Docker Engine dans WSL, `.devcontainer/` (Python 3.14, plotly, matplotlib, réseau de l'hôte) ; prépare la communication avec la caméra, en attente de la doc de l'API REST.
|
||||
- **Prochaine étape** : **déplacements (D-052, D-053)** : maquette de la page Explore avec l'onglet Diagnosis (`vues-deplacements/maquette/`, cas NORDEND : image à l'instant T et grille capteurs × temps reliées, détail minimal ; version 0 vérifiée par captures, clics pas encore essayés, état dans `vues-deplacements/maquette/spec.md`) ; recueillir le retour de l'utilisateur (l'expert), puis la remplir pas à pas, d'abord le détail d'un capteur, puis l'agent dans la page ; `cellular` : l'utilisateur voit avec le spécialiste les questions de `docs/cellular/domaine/questions-pour-l-expert.md` (cadence des envois, articulation des deux corrections de `DAILY_LINK_STATE`, retenues mais non codées, cas annotés) ; ensuite les corrections, à reporter dans le guide ; `storage` : les réponses de l'expert (seuils, disque plein, purge, cas), puis les seuils et le guide ; `temperature` : confirmer la carte et ses seuils sur une station (question 1 de `docs/temperature/domaine/point-de-depart.md`), puis le guide si la limite change ; repérer d'autres champs à notifier ; étape 1 du rapport d'agents (pilote manuel Energy sur l'historique de VERMONT, il faut une clé API Anthropic) ; mise en forme du manuel avec le plugin Interactive Docs (dans une autre conversation) ; choisir avec l'équipe du site le format d'intégration du graphique ; maquettes : poursuivre côté client pas à pas, puis côté support (points ouverts dans D-022 et D-039) ; agent de diagnostic : l'utilisateur valide le rapport du second passage sur PS des Coudres (§7 de sa spec) ; d'autres cas de la base, quand l'utilisateur les apporte et le demande.
|
||||
- **Prochaine étape** : **déplacements (D-052, D-053)** : maquette de la page Explore (`vues-deplacements/maquette/`, cas NORDEND, D-054) : onglet View pour les images (glisseur, comparaison à ±24 h, `error_value` sur chaque capteur, gros plan des cibles avec les images d'avant et d'après), onglet Diagnosis pour les données (déplacements en mm et `error_value` des cibles choisies sur une plage, demande à l'agent composée sans être lancée) ; vérifiée par captures, clics à essayer, état dans `vues-deplacements/maquette/spec.md` ; recueillir le retour de l'utilisateur (l'expert), puis la sortie de l'agent dans la page et les annotations d'épisodes ; `cellular` : l'utilisateur voit avec le spécialiste les questions de `docs/cellular/domaine/questions-pour-l-expert.md` (cadence des envois, articulation des deux corrections de `DAILY_LINK_STATE`, retenues mais non codées, cas annotés) ; ensuite les corrections, à reporter dans le guide ; `storage` : les réponses de l'expert (seuils, disque plein, purge, cas), puis les seuils et le guide ; `temperature` : confirmer la carte et ses seuils sur une station (question 1 de `docs/temperature/domaine/point-de-depart.md`), puis le guide si la limite change ; repérer d'autres champs à notifier ; étape 1 du rapport d'agents (pilote manuel Energy sur l'historique de VERMONT, il faut une clé API Anthropic) ; mise en forme du manuel avec le plugin Interactive Docs (dans une autre conversation) ; choisir avec l'équipe du site le format d'intégration du graphique ; maquettes : poursuivre côté client pas à pas, puis côté support (points ouverts dans D-022 et D-039) ; agent de diagnostic : l'utilisateur valide le rapport du second passage sur PS des Coudres (§7 de sa spec) ; d'autres cas de la base, quand l'utilisateur les apporte et le demande.
|
||||
|
||||
## Analyses (domaine Energy)
|
||||
|
||||
@@ -109,7 +109,7 @@ python3 -m venv .venv && .venv/bin/pip install plotly matplotlib # recréer .
|
||||
### Fichiers
|
||||
|
||||
- `README.md` (40 l) : point d'entrée pour un humain.
|
||||
- `docs/decisions.md` (585 l, D-001 à D-052) : décisions **projet**, au format ADR allégé (statut, décision, pourquoi, options écartées, conséquence). À consulter avant de changer d'orientation ou de reproposer une option : elle a peut-être déjà été écartée.
|
||||
- `docs/decisions.md` (610 l, D-001 à D-054) : décisions **projet**, au format ADR allégé (statut, décision, pourquoi, options écartées, conséquence). À consulter avant de changer d'orientation ou de reproposer une option : elle a peut-être déjà été écartée.
|
||||
- `docs/domaine/` : savoir métier commun, une note courte (< 50 l) par question.
|
||||
- `ce-que-mesure-la-station.md` : format CSV, métriques et unités, consommation mesurée mais pas l'apport.
|
||||
- `pieges-des-donnees.md` : trou ≠ coupure, signatures d'une coupure, seuils absolus, cycle jour/nuit.
|
||||
@@ -146,7 +146,7 @@ python3 -m venv .venv && .venv/bin/pip install plotly matplotlib # recréer .
|
||||
- `temperature/` : calcul embarquable `gpu_temperature_limit.py`, `day_color.py` ; plotly : `final.py` (figure du site, D-041), `all_analyses.py` (D-040).
|
||||
- `maquettes/` : maquettes du site en HTML sur données réelles (D-022), Figma seulement sur demande. Un script remplit son gabarit HTML : `user/summary.py` + `summary_template.html` (client, une page par station, un bloc par domaine), `support/home.py` + `home_template.html` (support). Les deux parcourent une liste de domaines (`DOMAINS`, D-039).
|
||||
- `.claude/` : `rules/analyses.md` (se charge seule, voir « Analyses »), `agents/diagnostic.md` (point d'entrée de l'agent de diagnostic, D-046), `skills/nouvelle-analyse/` (procédure et modèle de fiche), `skills/nouveau-domaine/` (procédure pour un nouveau domaine), `skills/nouveau-cas/` (ajouter un cas à la base de l'agent de diagnostic, lancé par l'utilisateur seul), `skills/anonymiser-cas/` (données d'un cas copiées dans son dossier, noms en codes, registre des codes, D-049, D-050), `settings.json` (lecture de `.env` interdite).
|
||||
- `vues-deplacements/` : chantier à part des vues des déplacements et de l'agent dans une maquette (D-052) : contexte, cas réels (données, pages de la plateforme, parcours de l'utilisateur), puis le code ; sa carte : `vues-deplacements/CLAUDE.md` ; maquette de la page Explore avec l'onglet Diagnosis dans `vues-deplacements/maquette/` (D-053).
|
||||
- `vues-deplacements/` : chantier à part des vues des déplacements et de l'agent dans une maquette (D-052) : contexte, cas réels (données, pages de la plateforme, parcours de l'utilisateur), puis le code ; sa carte : `vues-deplacements/CLAUDE.md` ; maquette de la page Explore avec les onglets View et Diagnosis dans `vues-deplacements/maquette/` (D-053, D-054).
|
||||
- `.devcontainer/devcontainer.json` : environnement de dev en conteneur (D-038), réseau de l'hôte pour joindre la caméra. `architecture.drawio` : schéma d'architecture tenu par l'utilisateur, à ne pas modifier sans demande.
|
||||
- `out/` : pages et JSON générés. Tout le projet est versionné, sauf `out/`, `.venv/` et `__pycache__/` (D-014).
|
||||
|
||||
|
||||
@@ -594,3 +594,18 @@ Règles du journal :
|
||||
- **Pourquoi** : demande de l'utilisateur ; une anomalie se lit en deux questions, où (l'image : dépôt sur la vitre, traînée sur CTR03 et PR18) et quand, local ou commun (la grille : une ligne ou une colonne) ; l'utilisateur ne sait pas encore ce que doit montrer le détail et préfère avancer doucement.
|
||||
- **Options écartées** : entrer par une cible choisie, ou par le rapport de l'agent (« un peu des trois », mais la vue d'ensemble d'abord) ; colorer la grille par l'écart à la médiane de toute la fenêtre (MAD, comme `resume.py`) : le palier de PR17, plus de la moitié de la fenêtre, déplace la médiane, et la ligne s'allume avant le saut au lieu de pendant ; par l'écart aux 24 h glissantes : seuls les sauts s'allument, pas le palier ; redessiner les deux onglets existants depuis les exports (plus de code pour un décor, et sans le panneau Camera movement, absent des exports) ; figures construites en Python (la liaison image ↔ grille demande de toute façon du JS) ; fichier autonome aux images embarquées (985 images, basse résolution, réflecteurs illisibles).
|
||||
- **Conséquence** : la page ne marche que sur le poste (images référencées dans `vues-deplacements/cas/`) ; elle sert de cadre aux étapes suivantes : détail d'un capteur, agent dans la page.
|
||||
|
||||
## D-054 — 2026-10-16 — Maquette Explore : View pour les images, Diagnosis pour les données et la demande à l'agent
|
||||
- **Statut** : active ; précise D-053 (l'image à T, le détail d'un capteur et la grille capteurs × temps quittent Diagnosis).
|
||||
- **Décision** :
|
||||
- onglet `View` : ce que voit la caméra. Les images une à une (glisseur, clavier, film, comparaison à ±24 h), chaque capteur cerclé et coloré selon `error_value` face à son seuil, deux bandes sous le glisseur (système entier, cible choisie), et le gros plan d'une ou plusieurs cibles centré sur `x`, `y` de chaque image, avec les images d'avant et d'après ;
|
||||
- onglet `Diagnosis` : ce que disent les données. Les courbes des cibles choisies (déplacements en mm de l'export horaire, comme la page Time Series, et `error_value` de l'export « advanced »), une plage (la fenêtre visible) et `Analyze by AI`, qui compose la demande à l'agent de diagnostic pour ces cibles et cette plage, sans la lancer ;
|
||||
- l'instant et les cibles passent d'un onglet à l'autre.
|
||||
- **Pourquoi** : demande de l'utilisateur. Il distingue deux usages des images. Elles servent à juger l'aspect d'une cible (perte de visibilité, obstacle), d'une heure ou d'un jour à l'autre. Elles ne servent pas pour un déplacement fin : le saut de PR17 (−0,26 px) ne se voit pas à l'œil, même en gros plan. Ce qui ne se voit pas se lit dans les données, puis se confie à l'agent.
|
||||
- **Options écartées** :
|
||||
- une image dans Diagnosis : elle ferait doublon avec View ;
|
||||
- garder la grille capteurs × temps de D-053 : son écart « en pas » restait abstrait pour l'utilisateur, et View montre déjà l'état du système ;
|
||||
- un cadre fixe autour d'une position de départ, avec des repères (`x`, `y`, position corrigée par `corr`, amplification ×10) : le déplacement fin ne s'y voyait pas et les repères embrouillaient la lecture ;
|
||||
- `corr_x` / `corr_y` (px) pour les courbes : moins parlants pour l'utilisateur que les mm de la plateforme ; l'heure suisse de l'export horaire se convertit en UTC ;
|
||||
- lancer l'agent depuis la page et montrer sa sortie : la forme de cette sortie reste à décider.
|
||||
- **Conséquence** : la sortie de l'agent dans la page et les annotations d'épisodes par l'expert, à croiser avec l'agent, viendront plus tard ; spec : `vues-deplacements/maquette/spec.md`.
|
||||
@@ -21,7 +21,7 @@ Deux autres formats, observés sur les données (pas documentés dans la FAQ) :
|
||||
- **Horaire** (`<Station>_<début>_to_<fin>_1hour.csv`) : une ligne par heure, cibles seulement. Par cible : `horizontal_displacement`, `vertical_displacement`, leurs `_min` / `_max`, `_error`, `_count_val`.
|
||||
- `timestamp` **sans fuseau** : heure suisse (UTC+2 en octobre), au début de l'heure. Vérifié : `_error` = moyenne des `error_value` de l'heure, à 0,0006 près (médiane).
|
||||
- `count_val` compte les mesures de l'heure, rejetées comprises.
|
||||
- **Unité de `corr_x` / `corr_y`** : `horizontal_displacement` = facteur × moyenne horaire de `corr_x` + décalage constant (de même `vertical` et `corr_y`, corrélation ≥ 0,99). Le facteur dépend du motif : `target05` 0,61, `target` 1,6, `target02` 4,3, `target03` 6,85, `target04` 7,9. Si l'horaire est en mm (FAQ), `corr_x` / `corr_y` ne le sont pas. Selon l'utilisateur (2026-10-16), ils sont sûrement en **px**, le facteur étant alors des mm par px. C'est compatible avec NORDEND : au saut de PR17 (08/10 02:30), `corr_y` baisse d'environ 0,15, et `relative_y` (en px) de 0,26 px contre 0,08 px pour les autres capteurs ; sur la fenêtre, `corr` de PR17 ≈ 0,8 × (`relative` − moyenne des `relative` des références globales), mais une moyenne ignore la rotation et l'échelle de la compensation. À confirmer.
|
||||
- **Unité de `corr_x` / `corr_y`** : `horizontal_displacement` = facteur × moyenne horaire de `corr_x` + décalage constant (de même `vertical` et `corr_y`, corrélation ≥ 0,99). Le facteur dépend du motif : `target05` 0,61, `target` 1,6, `target02` 4,3, `target03` 6,85, `target04` 7,9. Si l'horaire est en mm (FAQ), `corr_x` / `corr_y` ne le sont pas. Selon l'utilisateur (2026-10-16), ils sont sûrement en **px**, le facteur étant alors des mm par px. C'est compatible avec NORDEND : au saut de PR17 (08/10 02:30), `corr_y` baisse d'environ 0,15, et `relative_y` (en px) de 0,26 px contre 0,08 px pour les autres capteurs ; sur la fenêtre, `corr` de PR17 ≈ 0,8 × (`relative` − moyenne des `relative` des références globales), mais une moyenne ignore la rotation et l'échelle de la compensation. À confirmer. Le facteur dépend de la station : sur NORDEND, `vertical_displacement` de PR17 = 55,5 × moyenne horaire de `corr_y` (r = 0,994, 244 heures), soit environ 9 mm pour son saut de 0,15.
|
||||
|
||||
Causes à départager pour une anomalie de déplacement :
|
||||
- mouvement réel de l'ouvrage ;
|
||||
|
||||
@@ -1,18 +1,20 @@
|
||||
"""Maquette de la page Explore avec un onglet Diagnosis (D-053) ; spec : vues-deplacements/maquette/spec.md.
|
||||
"""Maquette de la page Explore avec les onglets View et Diagnosis (D-053, D-054) ; spec : vues-deplacements/maquette/spec.md.
|
||||
|
||||
Lit l'export « advanced » d'un dossier de station avec l'outil donnees.py de l'agent, calcule l'écart de chaque mesure
|
||||
au niveau des 24 premières heures, en variation d'un pas à l'autre, liste les images et les captures de la plateforme,
|
||||
puis remplit explore_template.html. Écrit out/vues_deplacements_<STATION>.html et l'ouvre dans le navigateur.
|
||||
Lit l'export « advanced » d'un dossier de station avec l'outil donnees.py de l'agent (positions, error_value) et son
|
||||
export horaire (déplacements en mm), liste les images et les captures de la plateforme, puis remplit
|
||||
explore_template.html. Écrit out/vues_deplacements_<STATION>.html et l'ouvre dans le navigateur.
|
||||
Usage : python3 vues-deplacements/maquette/explore.py [dossier de station] (défaut : le cas NORDEND d'octobre 2026)
|
||||
"""
|
||||
import csv
|
||||
import html
|
||||
import json
|
||||
import os
|
||||
import statistics
|
||||
import sys
|
||||
from datetime import timedelta
|
||||
from datetime import datetime
|
||||
from pathlib import Path
|
||||
from urllib.parse import quote
|
||||
from zoneinfo import ZoneInfo
|
||||
|
||||
HERE = Path(__file__).resolve().parent
|
||||
ROOT = HERE.parents[1]
|
||||
@@ -23,25 +25,26 @@ sys.path.insert(0, str(ROOT / "agents" / "diagnostic" / "outils"))
|
||||
from common.page import AUTOSCALE_Y_JS, open_html # noqa: E402 (bascule seule sur .venv si plotly manque)
|
||||
import donnees # noqa: E402 (lecture des exports, bibliothèque standard)
|
||||
|
||||
COLUMNS = ("corr_x", "corr_y", "error_value") # grandeurs de la grille (spec §2)
|
||||
COLUMNS = ("error_value",) # grandeurs de l'export « advanced » gardées pour la page, en plus de x, y
|
||||
KINDS = ("global_ref", "ref", "target") # ordre des lignes : références de la compensation, local reference, cibles
|
||||
LEVEL_WINDOW = timedelta(hours=24) # niveau = médiane des 24 premières heures de la fenêtre (spec §2, choix de l'utilisateur)
|
||||
MARGIN_PX = 150 # marge autour des capteurs, zoom de départ de l'image (spec §1)
|
||||
HOURLY_TZ = ZoneInfo("Europe/Zurich") # horodatage de l'export horaire : heure suisse, sans fuseau (docs/domaine/colonnes-des-deplacements.md)
|
||||
CAPTURES = {"time_series": ("01", "02", "03"), "advanced": ("04", "05")} # captures de cas/<cas>/plateforme/ par onglet
|
||||
|
||||
|
||||
def deviation(values, first_day):
|
||||
"""Valeurs alignées sur les instants (None = vide), nombre d'instants des 24 premières heures -> écarts
|
||||
(valeur − niveau) / pas ; tout à None sans valeur dans les 24 premières heures ou si le pas est nul (spec §2)."""
|
||||
present = [x for x in values if x is not None]
|
||||
head = [x for x in values[:first_day] if x is not None]
|
||||
steps = [abs(b - a) for a, b in zip(present, present[1:])]
|
||||
if not head or not steps:
|
||||
return [None] * len(values)
|
||||
level, step = statistics.median(head), statistics.median(steps)
|
||||
if step == 0:
|
||||
return [None] * len(values)
|
||||
return [None if x is None else (x - level) / step for x in values]
|
||||
def hourly(path):
|
||||
"""Export horaire -> déplacements en mm de chaque cible, heure par heure, en UTC (début de l'heure) ;
|
||||
les références n'y sont pas."""
|
||||
with open(path, newline="") as f:
|
||||
rows = list(csv.DictReader(f))
|
||||
if not rows:
|
||||
return {"times": [], "sensors": {}}
|
||||
num = lambda v: float(v) if v and v.strip() else None # noqa: E731
|
||||
names = sorted(c[:-len("_vertical_displacement")] for c in rows[0] if c.endswith("_vertical_displacement"))
|
||||
times = [datetime.fromisoformat(r["timestamp"]).replace(tzinfo=HOURLY_TZ) for r in rows]
|
||||
return {"times": [donnees.iso(t) for t in times],
|
||||
"sensors": {n: {"h": [num(r[f"{n}_horizontal_displacement"]) for r in rows],
|
||||
"v": [num(r[f"{n}_vertical_displacement"]) for r in rows]} for n in names}}
|
||||
|
||||
|
||||
def url(path):
|
||||
@@ -58,7 +61,6 @@ def build(folder):
|
||||
minute = lambda t: t.replace(second=0, microsecond=0) # noqa: E731 (instants à la minute, comme donnees.iso)
|
||||
instants = sorted({minute(m["t"]) for ms in mesures.values() for m in ms})
|
||||
col = {t: j for j, t in enumerate(instants)}
|
||||
first_day = sum(1 for t in instants if t < instants[0] + LEVEL_WINDOW)
|
||||
order = lambda s: (KINDS.index(mesures[s][0]["pattern_type"]) if mesures[s][0]["pattern_type"] in KINDS # noqa: E731
|
||||
else len(KINDS), s)
|
||||
sensors = []
|
||||
@@ -72,8 +74,7 @@ def build(folder):
|
||||
sensors.append({"name": name, "kind": ms[0]["pattern_type"], "threshold": ms[0]["error_threshold"],
|
||||
"x": row["x"], "y": row["y"],
|
||||
"home": [statistics.median(xs), statistics.median(ys)] if xs and ys else None,
|
||||
"values": {c: row[c] for c in COLUMNS},
|
||||
"dev": {c: deviation(row[c], first_day) for c in COLUMNS}})
|
||||
"values": {c: row[c] for c in COLUMNS}})
|
||||
homes = [s["home"] for s in sensors if s["home"]]
|
||||
view = {a: [min(h[k] for h in homes) - MARGIN_PX, max(h[k] for h in homes) + MARGIN_PX]
|
||||
for k, a in enumerate(("x", "y"))} if homes else None
|
||||
@@ -83,7 +84,9 @@ def build(folder):
|
||||
captures = {tab: [url(p) for n in prefixes for p in sorted(plateforme.glob(f"{n}_*"))[:1]]
|
||||
for tab, prefixes in CAPTURES.items()}
|
||||
return {"platform": Path(files["advanced"][0]).name.split("_advanced_")[0], "times": [donnees.iso(t) for t in instants],
|
||||
"sensors": sensors, "images": images, "view": view, "captures": captures}
|
||||
"sensors": sensors, "images": images, "view": view, "captures": captures,
|
||||
"folder": Path(os.path.relpath(Path(folder).resolve(), ROOT)).as_posix(), # pour la demande à l'agent
|
||||
"hourly": hourly(files["horaire"][0]) if files["horaire"] else {"times": [], "sensors": {}}}
|
||||
|
||||
|
||||
def page(folder):
|
||||
|
||||
@@ -102,11 +102,11 @@
|
||||
.strip .now canvas { outline: 2px solid var(--blue); cursor: default; }
|
||||
#t-also { flex: 1; white-space: normal; }
|
||||
|
||||
/* Détail d'un capteur (spec §4). */
|
||||
.detail { border: 1px solid var(--line); border-radius: 4px; margin-top: 10px; }
|
||||
.detail header { display: flex; justify-content: space-between; align-items: center; padding: 6px 12px;
|
||||
border-bottom: 1px solid var(--line); color: var(--text); font-size: 15px; }
|
||||
.detail header button { border: 0; background: none; color: var(--muted); font-size: 20px; cursor: pointer; }
|
||||
/* Demande à l'agent (Diagnosis). */
|
||||
#d-targets, #d-question { flex: 1; white-space: normal; }
|
||||
#d-question { min-width: 300px; padding: 4px 8px; border: 1px solid var(--line); border-radius: 4px; }
|
||||
#d-request textarea { width: 100%; font: 13px/1.4 monospace; padding: 6px 8px; border: 1px solid var(--line); }
|
||||
#d-request p { margin: 4px 0; color: var(--text); }
|
||||
</style>
|
||||
</head>
|
||||
<body>
|
||||
@@ -186,7 +186,7 @@
|
||||
<option value="360">6 h</option><option value="1440">1 day</option></select>
|
||||
Images on each side <select id="t-side"><option>2</option><option selected>3</option><option>4</option><option>6</option></select>
|
||||
</div>
|
||||
<div class="toolbar">Also show <span id="t-also"></span>
|
||||
<div class="toolbar">Also show <span id="t-also"></span><button type="button" id="t-data">Data →</button>
|
||||
<span class="meta">before and after images appear when the film is paused</span>
|
||||
</div>
|
||||
<p class="note">Each image is centered on the target's raw position (x, y) measured at that image's time, not on corr.
|
||||
@@ -194,10 +194,20 @@
|
||||
<div id="t-strips"></div>
|
||||
</div>
|
||||
<div class="pane" id="diagnosis">
|
||||
<div class="toolbar">Color <span id="columns"></span><span class="meta" id="instant"></span></div>
|
||||
<div id="image"></div>
|
||||
<div id="grid"></div>
|
||||
<div id="details"></div>
|
||||
<div class="toolbar">Targets <span id="d-targets"></span></div>
|
||||
<div id="curves"></div>
|
||||
<div class="toolbar">
|
||||
<b id="d-range"></b> <span id="instant"></span>
|
||||
<span class="meta">zoom the curves to choose the range · click a button to add or remove a target</span>
|
||||
</div>
|
||||
<div class="toolbar">
|
||||
<input type="text" id="d-question" placeholder="Question for the agent (optional)">
|
||||
<button type="button" id="d-ai">Analyze by AI</button><button type="button" id="d-images">Images →</button>
|
||||
</div>
|
||||
<div id="d-request" hidden>
|
||||
<textarea rows="3" readonly></textarea>
|
||||
<p>Not run from this page yet: paste this request into Claude Code. <button type="button" id="d-copy">Copy</button></p>
|
||||
</div>
|
||||
</div>
|
||||
</section>
|
||||
</main>
|
||||
@@ -207,14 +217,19 @@ const D = /*DATA*/null;
|
||||
const day = t => `${+t.slice(8, 10)}/${+t.slice(5, 7)}/${t.slice(0, 4)}`;
|
||||
document.getElementById("period").textContent = `${day(D.times[0])} → ${day(D.times[D.times.length - 1])}`;
|
||||
|
||||
// Onglets : un seul volet visible ; Plotly recalcule la taille des graphiques du volet qui s'affiche.
|
||||
for (const b of document.querySelectorAll(".tabs button")) b.addEventListener("click", () => {
|
||||
// Onglets : un seul volet visible ; Plotly recalcule la taille des graphiques du volet qui s'affiche. Entre View et
|
||||
// Diagnosis, l'instant et les cibles passent d'un onglet à l'autre (syncTabs).
|
||||
function activate(b, sync = true) {
|
||||
const prev = document.querySelector(".pane.active").id;
|
||||
document.querySelectorAll(".tabs button, .pane").forEach(e => e.classList.remove("active"));
|
||||
b.classList.add("active");
|
||||
const pane = document.getElementById(b.dataset.pane);
|
||||
pane.classList.add("active");
|
||||
if (sync) syncTabs(prev, b.dataset.pane);
|
||||
pane.querySelectorAll(".js-plotly-plot").forEach(p => Plotly.Plots.resize(p));
|
||||
});
|
||||
}
|
||||
for (const b of document.querySelectorAll(".tabs button")) b.addEventListener("click", () => activate(b));
|
||||
const tabButton = pane => document.querySelector(`.tabs button[data-pane="${pane}"]`);
|
||||
|
||||
// Time Series et Advanced : les captures de la plateforme, telles quelles (décor, spec « La page »).
|
||||
for (const [tab, srcs] of Object.entries(D.captures)) {
|
||||
@@ -223,21 +238,15 @@ for (const [tab, srcs] of Object.entries(D.captures)) {
|
||||
for (const src of srcs) pane.insertAdjacentHTML("beforeend", `<img src="${src}" alt="">`);
|
||||
}
|
||||
|
||||
// Onglet Diagnosis (spec §1 à §3) : image à l'instant T et grille capteurs × temps, reliées.
|
||||
// Onglet Diagnosis (spec « L'onglet Diagnosis ») : ce que disent les données. Courbes des cibles choisies sur une
|
||||
// plage, et la demande à l'agent de diagnostic pour cette plage et ces cibles.
|
||||
const S = D.sensors, NAMES = S.map(s => s.name);
|
||||
const COLUMNS = ["corr_x", "corr_y", "error_value"]; // grandeurs de la grille (spec §2)
|
||||
const CAP = 10; // plafond de l'échelle de couleur, ±10 pas : choix d'affichage, pas un seuil (spec §2)
|
||||
const TOL = 10 * 60e3; // image la plus proche de T, à 10 min près (spec §1)
|
||||
const SCALE = [[0, "#2166ac"], [0.5, "#ffffff"], [1, "#b2182b"]]; // linéaire : négatif en bleu, positif en rouge,
|
||||
// blanc au niveau des 24 premières heures, distinct du gris
|
||||
const GAP = "#c8c8c8"; // case sans valeur, ligne sans niveau (spec §2)
|
||||
const TOL = 10 * 60e3; // image ou mesure la plus proche d'un instant, à 10 min près
|
||||
const CONFIG = { responsive: true, scrollZoom: true, displaylogo: false };
|
||||
const ASKED = new URLSearchParams(location.hash.slice(1)); // état de départ lu dans l'adresse (spec §3)
|
||||
let col = COLUMNS.includes(ASKED.get("col")) ? ASKED.get("col") : "corr_y";
|
||||
const ASKED = new URLSearchParams(location.hash.slice(1)); // état de départ lu dans l'adresse
|
||||
let T = D.times.includes(ASKED.get("t")) ? D.times.indexOf(ASKED.get("t")) : D.times.length - 1;
|
||||
let W = 0, H = 0; // taille des images de la caméra, lue sur la première
|
||||
const tab = document.querySelector(`.tabs button[data-pane="${ASKED.get("tab")}"]`);
|
||||
if (tab) tab.click(); // onglet de départ lu dans l'adresse (#tab=diagnosis), View sinon
|
||||
if (tabButton(ASKED.get("tab"))) activate(tabButton(ASKED.get("tab")), false); // onglet de départ (#tab=diagnosis), View sinon
|
||||
const utc = t => t.replace("T", " ").replace("Z", " UTC");
|
||||
const tLine = () => ({ type: "line", xref: "x", yref: "paper", x0: D.times[T], x1: D.times[T], y0: 0, y1: 1,
|
||||
line: { color: "#111", width: 1.5 } });
|
||||
@@ -251,125 +260,121 @@ function nearestIndex(ms, list = IMS) { // index de l'image (ou de la mesure) l
|
||||
});
|
||||
return gap <= TOL ? best : -1;
|
||||
}
|
||||
const nearestImage = () => D.images[nearestIndex(Date.parse(D.times[T]))] || null;
|
||||
|
||||
function drawGrid() {
|
||||
return Plotly.react("grid", [{
|
||||
type: "heatmap", x: D.times, y: NAMES, z: S.map(s => s.dev[col]), customdata: S.map(s => s.values[col]),
|
||||
zmin: -CAP, zmax: CAP, colorscale: SCALE, hoverongaps: false, colorbar: { title: { text: "steps" }, thickness: 12 },
|
||||
hovertemplate: `%{y} · %{x|%d %b %H:%M} UTC<br>${col} %{customdata:.4g} · %{z:.1f} steps<extra></extra>`,
|
||||
}], {
|
||||
height: 80 + 18 * S.length, margin: { l: 60, r: 10, t: 10, b: 40 }, plot_bgcolor: GAP, uirevision: "grid",
|
||||
xaxis: { type: "date" }, yaxis: { autorange: "reversed", fixedrange: true, dtick: 1 }, shapes: [tLine()],
|
||||
}, CONFIG);
|
||||
}
|
||||
|
||||
function drawImage() {
|
||||
const im = nearestImage();
|
||||
const seen = S.map((s, i) => i).filter(i => S[i].x[T] !== null && S[i].y[T] !== null);
|
||||
const markers = (ids, marker) => ({
|
||||
type: "scatter", mode: "markers+text", x: ids.map(i => S[i].x[T]), y: ids.map(i => S[i].y[T]),
|
||||
text: ids.map(i => NAMES[i]), customdata: ids, textposition: "top center", textfont: { color: "#fff", size: 11 },
|
||||
marker: { size: 13, line: { color: "#fff", width: 1 }, ...marker }, hovertemplate: "%{text}<extra></extra>",
|
||||
showlegend: false,
|
||||
});
|
||||
const valued = seen.filter(i => S[i].dev[col][T] !== null), blank = seen.filter(i => S[i].dev[col][T] === null);
|
||||
const v = D.view || { x: [0, W || 1], y: [0, H || 1] };
|
||||
return Plotly.react("image", [
|
||||
markers(valued, { color: valued.map(i => S[i].dev[col][T]), cmin: -CAP, cmax: CAP, colorscale: SCALE }),
|
||||
markers(blank, { color: GAP }),
|
||||
], {
|
||||
height: 520, margin: { l: 10, r: 10, t: 34, b: 10 }, plot_bgcolor: "#000", uirevision: "image",
|
||||
title: { text: im ? `Image ${utc(im.t)}` : "", font: { size: 13 } },
|
||||
xaxis: { range: v.x, showgrid: false, zeroline: false, showticklabels: false },
|
||||
yaxis: { range: [v.y[1], v.y[0]], showgrid: false, zeroline: false, showticklabels: false, scaleanchor: "x" },
|
||||
images: im && W ? [{ source: im.src, xref: "x", yref: "y", x: 0, y: 0, sizex: W, sizey: H,
|
||||
xanchor: "left", yanchor: "top", sizing: "stretch", layer: "below" }] : [],
|
||||
annotations: im ? [] : [{ text: "No image at this time", xref: "paper", yref: "paper", x: 0.5, y: 0.97,
|
||||
showarrow: false, font: { color: "#fff", size: 15 } }],
|
||||
}, CONFIG);
|
||||
}
|
||||
|
||||
function setT(j) {
|
||||
T = j;
|
||||
document.getElementById("instant").textContent = `T = ${utc(D.times[T])}`;
|
||||
Plotly.relayout("grid", { shapes: [tLine()] });
|
||||
drawImage();
|
||||
opened.forEach(i => Plotly.relayout(`detail-plot-${i}`, { shapes: [tLine()] }));
|
||||
document.getElementById("instant").textContent = `· T = ${utc(D.times[T])}`;
|
||||
const gd = document.getElementById("curves");
|
||||
if (gd.layout) Plotly.relayout(gd, { shapes: [tLine()] }); // seulement s'il est déjà tracé
|
||||
}
|
||||
|
||||
const columns = document.getElementById("columns");
|
||||
columns.innerHTML = COLUMNS.map(c => `<button type="button" data-col="${c}">${c}</button>`).join("");
|
||||
const markColumn = () => columns.querySelectorAll("button").forEach(b => b.classList.toggle("active", b.dataset.col === col));
|
||||
columns.addEventListener("click", ev => {
|
||||
if (!ev.target.dataset.col) return;
|
||||
col = ev.target.dataset.col;
|
||||
markColumn();
|
||||
drawGrid();
|
||||
drawImage();
|
||||
opened.forEach(i => drawDetail(i));
|
||||
// Cibles choisies (SEL, dans l'ordre du choix) et plage (RANGE, la fenêtre visible des courbes et de la grille).
|
||||
const PALETTE = ["#2a78d6", "#d03b3b", "#2ca02c", "#9467bd", "#ff7f0e", "#17becf", "#8c564b", "#e377c2", "#7f7f7f", "#bcbd22"];
|
||||
const FULL = [D.times[0], D.times[D.times.length - 1]];
|
||||
let SEL = (ASKED.get("open") || "PR17").split(",").filter(n => NAMES.includes(n)).map(n => NAMES.indexOf(n));
|
||||
let RANGE = [...FULL];
|
||||
const chips = document.getElementById("d-targets");
|
||||
chips.innerHTML = S.map((s, i) => `<button type="button" data-i="${i}">${s.name}</button>`).join("");
|
||||
function markTargets() {
|
||||
chips.querySelectorAll("button").forEach(b => {
|
||||
const at = SEL.indexOf(+b.dataset.i);
|
||||
b.classList.toggle("active", at >= 0);
|
||||
b.style.background = at >= 0 ? PALETTE[at % PALETTE.length] : ""; // la couleur de ses courbes
|
||||
});
|
||||
}
|
||||
chips.addEventListener("click", ev => { // un clic ajoute la cible, un second la retire
|
||||
const b = ev.target.closest("button");
|
||||
if (!b) return;
|
||||
b.blur();
|
||||
const i = +b.dataset.i;
|
||||
SEL = SEL.includes(i) ? SEL.filter(k => k !== i) : [...SEL, i];
|
||||
markTargets();
|
||||
drawCurves();
|
||||
});
|
||||
|
||||
// Détail d'un capteur (spec §4, version 0) : la grandeur de la grille, puis error_value et son seuil ; T marqué.
|
||||
const opened = []; // index des capteurs dépliés, dans l'ordre d'ouverture
|
||||
function autoscale(plotId) {
|
||||
function autoscale(plotId) { // ordonnées recalées sur la plage visible (D-013)
|
||||
/*AUTOSCALE*/
|
||||
}
|
||||
|
||||
function detailFigure(i) {
|
||||
const s = S[i], ends = [D.times[0], D.times[D.times.length - 1]];
|
||||
return [[
|
||||
{ type: "scatter", mode: "lines", x: D.times, y: s.values[col], name: col, line: { color: "#2a78d6", width: 1.5 } },
|
||||
{ type: "scatter", mode: "lines", x: D.times, y: s.values.error_value, name: "error_value", yaxis: "y2",
|
||||
line: { color: "#d03b3b", width: 1.5 } },
|
||||
{ type: "scatter", mode: "lines", x: ends, y: [s.threshold, s.threshold], name: "error_threshold", yaxis: "y2",
|
||||
line: { color: "#d03b3b", width: 1, dash: "dash" }, hoverinfo: "skip" },
|
||||
], {
|
||||
height: 380, margin: { l: 60, r: 10, t: 30, b: 40 }, legend: { orientation: "h", x: 0, y: 1.12 },
|
||||
xaxis: { type: "date", anchor: "y2" },
|
||||
yaxis: { domain: [0.55, 1], fixedrange: true, title: { text: col } },
|
||||
yaxis2: { domain: [0, 0.45], fixedrange: true, title: { text: "error_value" } },
|
||||
function drawCurves() { // une rangée par grandeur, une courbe par cible choisie ; seuils en tirets ; T marqué
|
||||
Plotly.purge("curves");
|
||||
const box = document.getElementById("curves");
|
||||
if (!SEL.length) {
|
||||
box.innerHTML = '<p class="empty">Choose targets: click a button above.</p>';
|
||||
return;
|
||||
}
|
||||
box.innerHTML = "";
|
||||
const traces = [], HR = D.hourly;
|
||||
SEL.forEach((i, n) => {
|
||||
const s = S[i], color = PALETTE[n % PALETTE.length], mm = HR.sensors[s.name];
|
||||
if (mm) [["h", "horizontal"], ["v", "vertical"]].forEach(([k, label], r) => traces.push({ // export horaire, en mm
|
||||
type: "scatter", mode: "lines", x: HR.times, y: mm[k], name: s.name, legendgroup: s.name, showlegend: false,
|
||||
yaxis: `y${r ? 2 : ""}`, line: { color, width: 1.3 },
|
||||
hovertemplate: `${s.name} · %{x|%d %b %H:%M} UTC (hour start)<br>${label} %{y:.2f} mm<extra></extra>` }));
|
||||
traces.push({ type: "scatter", mode: "lines", x: D.times, y: s.values.error_value, yaxis: "y3", line: { color, width: 1.3 },
|
||||
name: mm ? s.name : `${s.name} (no mm: not in the hourly export)`, legendgroup: s.name,
|
||||
hovertemplate: `${s.name} · %{x|%d %b %H:%M} UTC<br>error_value %{y:.3f}<extra></extra>` });
|
||||
traces.push({ type: "scatter", mode: "lines", x: FULL, y: [s.threshold, s.threshold], name: `${s.name} threshold`,
|
||||
legendgroup: s.name, showlegend: false, yaxis: "y3", line: { color, width: 1, dash: "dash" }, hoverinfo: "skip" });
|
||||
});
|
||||
Plotly.newPlot("curves", traces, {
|
||||
height: 620, margin: { l: 70, r: 10, t: 30, b: 40 }, legend: { orientation: "h", x: 0, y: 1.06 },
|
||||
xaxis: { type: "date", anchor: "y3", range: RANGE },
|
||||
yaxis: { domain: [0.70, 1], fixedrange: true, title: { text: "horizontal (mm)" } },
|
||||
yaxis2: { domain: [0.36, 0.66], fixedrange: true, title: { text: "vertical (mm)" } },
|
||||
yaxis3: { domain: [0, 0.32], fixedrange: true, title: { text: "error_value" } },
|
||||
annotations: [{ text: "Displacement: hourly export, in mm, one point per hour (hour start, UTC) · error_value: every measurement",
|
||||
xref: "paper", yref: "paper", x: 1, y: 1.06, xanchor: "right", showarrow: false, font: { size: 11, color: "#73879c" } }],
|
||||
shapes: [tLine()],
|
||||
}];
|
||||
}
|
||||
|
||||
function drawDetail(i) {
|
||||
const id = `detail-plot-${i}`;
|
||||
Plotly.purge(id);
|
||||
Plotly.newPlot(id, ...detailFigure(i), CONFIG).then(() => autoscale(id));
|
||||
}
|
||||
|
||||
function openDetail(i) {
|
||||
if (opened.includes(i)) return;
|
||||
opened.push(i);
|
||||
const box = document.createElement("div");
|
||||
box.className = "detail";
|
||||
box.innerHTML = `<header><b></b><button type="button" title="Close">×</button></header><div id="detail-plot-${i}"></div>`;
|
||||
box.querySelector("b").textContent = `${NAMES[i]} · ${S[i].kind}`;
|
||||
box.querySelector("button").addEventListener("click", () => {
|
||||
Plotly.purge(`detail-plot-${i}`);
|
||||
box.remove();
|
||||
opened.splice(opened.indexOf(i), 1);
|
||||
}, CONFIG).then(() => {
|
||||
autoscale("curves");
|
||||
Plotly.relayout("curves", { "xaxis.range": RANGE }); // recale les ordonnées sur la plage dès l'ouverture
|
||||
const gd = document.getElementById("curves");
|
||||
gd.on("plotly_relayout", ev => onZoom(gd, ev));
|
||||
gd.on("plotly_click", ev => { // un point d'une courbe : T devient son instant
|
||||
const j = D.times.indexOf(minute(ev.points[0].x));
|
||||
if (j >= 0) setT(j);
|
||||
});
|
||||
});
|
||||
document.getElementById("details").append(box);
|
||||
drawDetail(i);
|
||||
}
|
||||
|
||||
markColumn();
|
||||
document.getElementById("instant").textContent = `T = ${utc(D.times[T])}`;
|
||||
Promise.all([drawGrid(), drawImage()]).then(() => {
|
||||
document.getElementById("grid").on("plotly_click", ev => { // une case : T devient son instant, son capteur se déplie
|
||||
const [i, j] = ev.points[0].pointNumber;
|
||||
setT(j);
|
||||
openDetail(i);
|
||||
});
|
||||
document.getElementById("image").on("plotly_click", ev => openDetail(ev.points[0].customdata)); // un marqueur
|
||||
for (const name of (ASKED.get("open") || "").split(",")) if (NAMES.includes(name)) openDetail(NAMES.indexOf(name));
|
||||
// La plage : la fenêtre visible des courbes ; un double-clic revient à toute la période.
|
||||
const minute = v => String(v).replace(" ", "T").slice(0, 16) + "Z"; // borne d'axe Plotly -> instant UTC à la minute
|
||||
function onZoom(gd, ev) {
|
||||
if (!Object.keys(ev).some(k => k.startsWith("xaxis"))) return;
|
||||
const r = ev["xaxis.autorange"] ? FULL : gd.layout.xaxis.range.map(minute);
|
||||
RANGE = r;
|
||||
document.getElementById("d-range").textContent = `Range: ${utc(RANGE[0])} → ${utc(RANGE[1])}`;
|
||||
}
|
||||
|
||||
// Demande à l'agent de diagnostic : composée et affichée, pas encore lancée depuis la page.
|
||||
function request() {
|
||||
const q = document.getElementById("d-question").value.trim() || "Qu'est-ce qui explique le comportement de ces cibles sur cette plage ?";
|
||||
return `@agent-diagnostic ${D.folder}/ Cibles : ${SEL.map(i => NAMES[i]).join(", ") || "aucune"}. ` +
|
||||
`Plage : du ${RANGE[0]} au ${RANGE[1]} (UTC). Question : ${q}`;
|
||||
}
|
||||
document.getElementById("d-ai").addEventListener("click", ev => {
|
||||
ev.currentTarget.blur();
|
||||
const box = document.getElementById("d-request");
|
||||
box.hidden = false;
|
||||
box.querySelector("textarea").value = request();
|
||||
});
|
||||
if (D.images.length) { // la taille de l'image, lue sur la première, place la photo sous les marqueurs
|
||||
document.getElementById("d-copy").addEventListener("click", ev => {
|
||||
ev.currentTarget.blur();
|
||||
const text = document.querySelector("#d-request textarea");
|
||||
text.select();
|
||||
navigator.clipboard.writeText(text.value).catch(() => document.execCommand("copy"));
|
||||
});
|
||||
document.getElementById("d-images").addEventListener("click", () => activate(tabButton("view")));
|
||||
|
||||
markTargets();
|
||||
document.getElementById("instant").textContent = `· T = ${utc(D.times[T])}`;
|
||||
document.getElementById("d-range").textContent = `Range: ${utc(RANGE[0])} → ${utc(RANGE[1])}`;
|
||||
drawCurves();
|
||||
if (D.images.length) { // la taille des images de la caméra, lue sur la première
|
||||
const probe = new Image();
|
||||
probe.onload = () => {
|
||||
W = probe.naturalWidth; H = probe.naturalHeight; drawImage();
|
||||
W = probe.naturalWidth; H = probe.naturalHeight;
|
||||
frames.forEach(f => (f.style.aspectRatio = `${W} / ${H}`));
|
||||
fit(D.view);
|
||||
redrawMarks();
|
||||
@@ -377,6 +382,28 @@ if (D.images.length) { // la taille de l'image, lue sur la première, place la
|
||||
probe.src = D.images[0].src;
|
||||
}
|
||||
|
||||
// Passage d'un onglet à l'autre : View -> Diagnosis emporte l'instant de l'image et les cibles du gros plan ;
|
||||
// Diagnosis -> View emporte T et les cibles choisies (la première devient la cible du gros plan).
|
||||
function syncTabs(from, to) {
|
||||
if (from === "view" && to === "diagnosis") {
|
||||
const j = nearestIndex(IMS[V], TMS);
|
||||
SEL = [+tName.value, ...[...ALSO].filter(i => i !== +tName.value)];
|
||||
markTargets();
|
||||
drawCurves();
|
||||
if (j >= 0) setT(j);
|
||||
} else if (from === "diagnosis" && to === "view") {
|
||||
if (SEL.length && S[SEL[0]].home) {
|
||||
tName.value = SEL[0];
|
||||
ALSO.clear();
|
||||
SEL.slice(1).forEach(i => ALSO.add(i));
|
||||
markAlso();
|
||||
drawBand();
|
||||
}
|
||||
const k = nearestIndex(TMS[T]);
|
||||
show(k >= 0 ? k : V);
|
||||
}
|
||||
}
|
||||
|
||||
// Onglet View : une image à la fois, au glisseur, au clavier ou en film ; à côté, si demandée, l'image la plus proche
|
||||
// de la même heure la veille ou le lendemain. Les deux images partagent le zoom : échelle k, décalage x, y en fraction
|
||||
// du cadre (les deux cadres ont la même taille).
|
||||
@@ -586,6 +613,7 @@ also.addEventListener("click", ev => { // un clic ajoute le capteur aux rangée
|
||||
drawStrips();
|
||||
});
|
||||
for (const name of (ASKED.get("also") || "").split(",")) if (NAMES.includes(name)) ALSO.add(NAMES.indexOf(name));
|
||||
document.getElementById("t-data").addEventListener("click", () => activate(tabButton("diagnosis"))); // vers les données
|
||||
markAlso();
|
||||
const wanted = NAMES.indexOf(ASKED.get("target") || "PR17");
|
||||
if (wanted >= 0 && S[wanted].home) tName.value = wanted;
|
||||
|
||||
@@ -1,4 +1,4 @@
|
||||
# Maquette Explore : onglet Diagnosis (version 0, le cadre)
|
||||
# Maquette Explore : onglets View et Diagnosis
|
||||
|
||||
Spec validée en conversation le 2026-10-16 (D-053). Cas de départ : `cas/2026-10_NORDEND/` (Carrière TROYDO (B), PR17).
|
||||
|
||||
@@ -55,45 +55,41 @@ Demande de l'utilisateur, 2026-10-16. Il sépare deux besoins :
|
||||
|
||||
## L'onglet Diagnosis
|
||||
|
||||
De haut en bas.
|
||||
Refait le 2026-10-16 avec l'utilisateur. Les rôles se partagent : **View montre ce que voit la caméra** (images, aspect des cibles), **Diagnosis ce que disent les données** (ce qui ne se voit pas à l'œil, comme un déplacement fin), puis l'avis de l'agent de diagnostic sur la plage et les cibles que l'utilisateur pointe. L'image à T et le détail capteur par capteur sont retirés : l'image ferait doublon avec View.
|
||||
|
||||
### 1. Image à l'instant T
|
||||
De haut en bas : les cibles choisies, leurs courbes, la plage, la demande à l'agent.
|
||||
|
||||
- L'image de `images/` dont l'heure (nom du fichier, D-045) est la plus proche de T, à 10 min près ; au-delà : « No image at this time ».
|
||||
- Affichée en pleine résolution (3088 × 2064 px) dans un graphique Plotly (image de fond, axe y inversé), ouverte zoomée sur le cadre des positions médianes des capteurs, 150 px de marge ; zoom et déplacement libres.
|
||||
- Un marqueur par capteur à sa position brute (`x`, `y`) à T, avec son nom, coloré comme sa case de la grille à T. Pas de position à T : pas de marqueur.
|
||||
### Grille capteurs × temps (retirée)
|
||||
|
||||
### 2. Grille capteurs × temps
|
||||
La grille de D-053 (une ligne par capteur, une colonne par mesure, couleur = écart au niveau des 24 premières heures en variation d'un pas à l'autre, sur `corr_x`, `corr_y` ou `error_value`) est retirée le 2026-10-16 à la demande de l'utilisateur, qui n'en voyait pas l'intérêt : son écart « en pas » restait abstrait, View montre déjà l'état du système (bande sous le glisseur, cercles colorés selon `error_value`), et les boutons suffisent pour choisir les cibles. Son calcul est dans l'historique git.
|
||||
|
||||
- Une ligne par capteur : références `global_ref` (par nom), puis la *local reference* (`ref`), puis les cibles (par nom). Une colonne par instant de mesure de l'export « advanced » (15 min), à la minute.
|
||||
- Trois boutons de grandeur : `corr_x`, `corr_y`, `error_value` (défaut : `corr_y`).
|
||||
- Couleur = écart au niveau du début de la fenêtre, en variation d'un pas à l'autre : `(valeur − niveau) / pas`, par capteur et par grandeur, valeurs vides exclues :
|
||||
- `niveau` : médiane des valeurs des 24 premières heures de la fenêtre (instants avant le premier instant de mesure + 24 h) ;
|
||||
- `pas` : médiane des écarts absolus entre deux valeurs successives, sur toute la fenêtre (le critère du rapport PR17 de l'agent, qu'un palier ne gonfle pas) ;
|
||||
- échelle linéaire et symétrique, bleu (négatif), blanc (au niveau), rouge (positif), plafonnée à ±10 : un choix d'affichage, pas un seuil de verdict. Écartée à l'essai : l'échelle « RdBu » de Plotly, dont le milieu gris se confondait avec le gris des cases sans valeur et qui saturait dès ±3,5.
|
||||
- Case sans valeur (mesure rejetée, donc `corr_x` / `corr_y` vides, ou mesure absente) : grise, sans distinguer les deux en version 0. Aucune valeur dans les 24 premières heures, ou `pas` nul : ligne grise.
|
||||
- Survol : capteur, instant UTC, valeur brute et écart.
|
||||
- Vérifié sur NORDEND (`corr_y`, écart médian) : PR17 à 1,7 avant le saut, 23,6 sur le palier, 13,5 après le retour partiel ; PR16, PR18, CTR02 et CTR03 entre 1,6 et 4,1. Écartée : la médiane et la MAD de toute la fenêtre (comme `resume.py`), car le palier de PR17, plus de la moitié de la fenêtre, déplace la médiane : la ligne s'allumait avant le saut (2,3), pas pendant (1,1).
|
||||
- Limite connue : si les 24 premières heures sont anormales, toute la ligne s'allume ; une dérive lente ou un changement de régime (le tilt à partir du 08/10) s'allume aussi.
|
||||
### 3. Cibles, courbes et plage
|
||||
|
||||
### 3. Liaison
|
||||
|
||||
- Clic sur une case : T devient l'instant de sa colonne (un trait vertical le marque dans la grille et dans les détails ouverts ; l'image et ses marqueurs passent à T), et le détail du capteur de sa ligne se déplie sous la grille.
|
||||
- Clic sur un marqueur de l'image : le détail de ce capteur se déplie, T ne change pas.
|
||||
- **Cibles choisies** : un bouton par capteur ; un clic ajoute ou retire la cible, et le bouton prend la couleur de ses courbes. Défaut : PR17.
|
||||
- **Courbes** : déplacement horizontal et vertical **en mm**, puis `error_value`, empilés, même axe de temps, une courbe par cible choisie ; T en trait vertical ; ordonnées recalées sur la plage visible (D-013). Clic sur un point : T à cet instant.
|
||||
- Déplacements : l'export horaire (`horizontal_displacement`, `vertical_displacement`), en mm comme la page Time Series de la plateforme (« plus parlant », demande de l'utilisateur) ; un point par heure, au début de l'heure, l'heure suisse de l'export convertie en UTC (`Europe/Zurich`). Les références n'y sont pas : leur légende le dit. Vérifié : PR17 passe de +5,4 à −3,5 mm en vertical dans l'heure de 02:00 UTC le 08/10 (le saut de 02:30), et d'environ +5 mm en horizontal.
|
||||
- `error_value` : l'export « advanced », chaque mesure (15 min), avec le seuil de chaque cible en tirets.
|
||||
- Écartés : `corr_x` / `corr_y` (px) dans les courbes, moins parlants pour l'utilisateur.
|
||||
- **Plage** : la fenêtre visible des courbes ; un double-clic revient à toute la période. Affichée en clair, avec T : « Range: … → … UTC · T = … ».
|
||||
- T de départ : le dernier instant de mesure.
|
||||
- L'état de départ peut se lire dans l'adresse : `#t=2026-10-08T02:30Z&col=error_value&open=PR17,PR18` (instant T, grandeur, détails dépliés ; une valeur inconnue est ignorée). Sert à la vérification par capture et à partager une vue.
|
||||
- Adresse : `#tab=diagnosis&t=2026-10-08T02:30Z&open=PR17,PR18` (onglet, instant T, cibles choisies ; une valeur inconnue est ignorée).
|
||||
|
||||
### 4. Détail d'un capteur (version 0)
|
||||
### 4. Demande à l'agent (`Analyze by AI`)
|
||||
|
||||
- Un bloc par capteur déplié, refermable (×), plusieurs à la fois, dans l'ordre d'ouverture ; un capteur déjà ouvert ne s'ouvre pas deux fois.
|
||||
- Deux courbes empilées, même axe de temps : la grandeur choisie dans la grille (valeur brute, pas l'écart), puis `error_value` avec le seuil du capteur (`error_threshold`) en trait. T marqué. Changer de grandeur met à jour les détails ouverts.
|
||||
- C'est ici que l'on ajoutera, pas à pas, ce que l'utilisateur demandera (brut, témoins, vignettes…).
|
||||
- Un champ de question facultatif, puis `Analyze by AI` : la page compose la demande à l'agent de diagnostic et l'affiche, avec un bouton `Copy`. Exemple : `@agent-diagnostic vues-deplacements/cas/2026-10_NORDEND/NORDEND/ Cibles : PR17, PR18. Plage : du 2026-10-08T00:00Z au 2026-10-13T00:00Z (UTC). Question : …` (en français, la langue de l'agent ; question par défaut : « Qu'est-ce qui explique le comportement de ces cibles sur cette plage ? »).
|
||||
- L'agent n'est pas lancé depuis la page, et sa sortie n'y est pas montrée : choix de l'utilisateur, à revoir plus tard (forme du rapport, lancement par un petit serveur local).
|
||||
- Piste notée : croiser les épisodes annotés par l'expert dans View avec le diagnostic de l'agent sur les mêmes plage et cibles.
|
||||
|
||||
### 5. Lien avec View
|
||||
|
||||
- En passant d'un onglet à l'autre, l'instant et les cibles suivent : View → Diagnosis emporte l'heure de l'image (mesure la plus proche) et les cibles du gros plan (la cible, puis `Also show`) ; Diagnosis → View emporte T (image la plus proche) et les cibles choisies (la première devient la cible du gros plan, les autres `Also show`).
|
||||
- Boutons de passage : `Data →` sous le gros plan de View, `Images →` à côté de `Analyze by AI`.
|
||||
|
||||
## Fichiers et flux
|
||||
|
||||
- `vues-deplacements/maquette/explore.py [dossier de station]` (défaut `vues-deplacements/cas/2026-10_NORDEND/NORDEND/`) :
|
||||
- lit l'export « advanced » avec `agents/diagnostic/outils/donnees.py` (`charger`, `trouver`, `heure_image`), sans le copier ;
|
||||
- calcule l'écart de chaque mesure (niveau des 24 premières heures, pas d'une mesure à l'autre), la position médiane de chaque capteur, la liste des images avec leur heure ;
|
||||
- lit l'export horaire (déplacements en mm, heure suisse convertie en UTC), calcule la position médiane de chaque capteur et liste les images avec leur heure ;
|
||||
- injecte un JSON dans `explore_template.html` et écrit `out/vues_deplacements_<STATION>.html` (`<STATION>` : nom du dossier), puis l'ouvre (`src/common/page.py`, `open_html`).
|
||||
- `vues-deplacements/maquette/explore_template.html` : habillage, onglets, plotly.js 4.1.1 par CDN (comme les maquettes existantes), JS de la liaison.
|
||||
- Images et captures référencées par chemin relatif depuis `out/`, sans copie : la page ne marche que sur ce poste, assez pour une maquette.
|
||||
@@ -104,19 +100,17 @@ De haut en bas.
|
||||
|
||||
Pas de tests automatisés (D-008). Lancer `python3 vues-deplacements/maquette/explore.py`, ouvrir la page et contrôler :
|
||||
|
||||
- la ligne de PR17 en `corr_y` allumée à partir du 08/10 02:30, saturée jusqu'au 12/10 23:00, encore nette ensuite (retour partiel), ses voisines et les références pâles ;
|
||||
- des colonnes allumées pour de nombreux capteurs le 09/10 et le 14/10 en `error_value` ;
|
||||
- clic sur le 08/10 02:30 : l'image de 02:30 avec le disque sous PR17, les marqueurs sur les réflecteurs ;
|
||||
- clic sur PR17 : son détail, avec le palier et le seuil 0,4 ;
|
||||
- View : le glisseur, la comparaison à ±24 h, les cercles colorés selon `error_value` (le 09/10 23:00 : 17 capteurs rejetés), les bandes sous le glisseur, le gros plan de PR17 et ses images d'avant et d'après (la tache change d'aspect le 08/10 à 02:30) ;
|
||||
- Diagnosis : les courbes de PR17 et PR18, avec le saut de PR17 le 08/10 dans l'heure de 02:00 UTC (environ +5 mm en horizontal, −9 mm en vertical) et les pics d'`error_value` des 09/10 et 14/10 au-dessus du seuil 0,4 ;
|
||||
- les onglets `Time Series` et `Advanced` montrent les captures.
|
||||
|
||||
## État (2026-10-16)
|
||||
|
||||
- **Construit** : `explore.py` et `explore_template.html` (plan : `docs/superpowers/plans/2026-10-16-maquette-explore-diagnosis.md`).
|
||||
- **Vérifié** par des captures Chrome headless (adresse avec `#t=…&col=…&open=…`) : tous les points de « Vérification » ci-dessus, sauf les clics.
|
||||
- **Pas encore vérifié** : les clics (case, marqueur, changement de grandeur avec détails ouverts, zoom d'un détail), à essayer par l'utilisateur.
|
||||
- **Suite** : le retour de l'utilisateur sur cette version 0, puis le détail d'un capteur, pas à pas. Piste notée : des marqueurs en anneau plutôt qu'en pastille, pour voir le réflecteur sous chaque capteur.
|
||||
- **Construit** : `explore.py` et `explore_template.html` : onglets View (images) et Diagnosis (données, demande à l'agent).
|
||||
- **Vérifié** par des captures Chrome headless (adresse avec `#tab=…&t=…&open=…`, `#img=…&cmp=…&also=…`) : les points ci-dessus.
|
||||
- **Pas encore vérifié** : les clics et les réglages (glisseur, film, clavier, boutons, zoom des courbes et de la grille, `Analyze by AI`, passage d'un onglet à l'autre), à essayer par l'utilisateur.
|
||||
- **Suite** : le retour de l'utilisateur ; plus tard, la sortie de l'agent dans la page et les annotations d'épisodes par l'expert.
|
||||
|
||||
## Hors version 0
|
||||
## Hors maquette pour l'instant
|
||||
|
||||
Agent dans la page, rapport interactif, vue client, autres cas, données de la base de la plateforme (pan, tilt, roll), export horaire en mm : plus tard, à la demande de l'utilisateur.
|
||||
Lancement de l'agent depuis la page et affichage de son rapport, annotations d'épisodes, vue client, autres cas, données de la base de la plateforme (pan, tilt, roll), export horaire en mm : plus tard, à la demande de l'utilisateur.
|
||||
Reference in new issue
Block a user