guanlan-src/app_ontology/app_ontology_guanlan/ontology/trend_ingest.py

# -*- coding: utf-8 -*-
"""趋势与闭环证据入图谱 (2026-08-28 用户裁: 把"在升"补进图谱)。

此前"哪些机组风险在上升"检索不到 —— 不是排序问题, 是这类信息从未作为本体对象存在:
在升三台与闭环三例都只活在 windscada 的链盘与 component_history.json 里,
图谱侧完全没有对应节点, 于是 ont_search 检索不到、模型只能靠专用工具 ont_risk 才答得上。

本模块把两类实证补成 Evidence 对象:
  evidence/trend/<台>/<部件>  在升 — 末三窗/早三窗比值 ≥1.3, 属"未闭环"的证据
  evidence/loop/<台>/<部件>   闭环 — 检出→换件→复测回落, 属"算法端到端验证"的正面实证
两类都挂 about→turbine、affects→component, 使检索与图遍历都能到达。
幂等: 同 id 重跑覆盖, 不新增。

跑法: python -m src.ontology.trend_ingest
"""

try:
    from app_common.app_common_guanlan.api import install_root as _install_root
except ImportError:                     # 理论不可达；包结构异常时回退到按位置上跳
    from pathlib import Path as _P
    def _install_root(_f): return _P(_f).resolve().parents[4]
from src import paths as P
import json, pathlib, sys

ROOT = _install_root(__file__)
ONT = P.ont()
HIST = P.m5() / 'component_history.json'

# component_history 的部件名 → 图谱 Component id 后缀
COMP_MAP = {'齿轮箱': 'gearbox', '发电机': 'generator', '主轴承': 'main_bearing',
            '变桨': 'pitch', '偏航': 'yaw', '变流器': 'converter'}


def _comp_id(t, name):
    # 2026-08-28 门禁逮: 原来直接拼 component/<中文名> — 图谱里根本没有这种 id
    # (真实格式 component/fleet/<英文键>), 造出 6 条悬空引用。
    # 引用别人的 id 前必须去图谱核格式, 不能照直觉拼。
    key = COMP_MAP.get(name)
    return f'component/fleet/{key}' if key else None


def _links(t, comp):
    # 挂 about 到台; 部件映射不到就不写 affects — 宁可少一条边, 不留悬空引用。
    # ★值必须是**列表**: 写成字符串会被逐字符当目标 (2026-09-12 跑 src.ontology.audit 逮到
    #   78 条链接指向 't'/'u'/'r'/'b'/'i' —— 与 chain_ingest 同一处笔误)。
    L = dict(about=[f'turbine/{t}'])
    cid = _comp_id(t, comp)
    if cid:
        L['affects'] = [cid]
    return L


def build(dry=False):
    from .store import Store
    if not HIST.exists():
        print(f'源缺失: {HIST}'); return {}
    h = json.loads(HIST.read_text(encoding='utf-8'))
    summ = h.get('summary') or {}
    meta = h.get('meta') or {}
    built = meta.get('built', '')
    s = Store(ONT / 'objects.json')
    stat = dict(trend=0, loop=0)

    for key, rows in summ.items():
        if not isinstance(rows, list):
            continue
        # ── 在升 ──
        if key.startswith('★当前在升'):
            for r in rows:
                t, comp = r.get('turbine'), r.get('component')
                if not t or not comp:
                    continue
                oid = f'evidence/trend/{t}/{comp}'
                wo = r.get('工单可对')
                s.put(dict(id=oid, type='Evidence', props=dict(
                    name=f'{t[-2:]}# {comp} 振动在升 {r.get("ratio")}×',
                    turbine=t, component=comp, facet='果侧振动稳态', facet_detail='标量趋势(末三窗/早三窗)',
                    source=P.rel(P.m5() / 'component_history.json') + ' ★当前在升',
                    direction='上升', ratio=r.get('ratio'), early=r.get('early'), late=r.get('late'),
                    n_events=r.get('n_events'), work_order_matchable=wo,
                    claim_window=f'末三窗/早三窗 (component_history {built})',
                    status='在升·未闭环',
                    summary=(f'{t[-2:]}# {comp} 振动标量末三窗/早三窗 {r.get("ratio")}× '
                             f'({r.get("early")}→{r.get("late")}), 判为在升未闭环。'
                             # ★2026-09-19 修: 原先这里写死"台账止 2024-11"——那是随包旧快照的口径,
                             #   本机台账实测已到 2026-07-08 ⇒ 该断言的日期会过期、把"数据边界"
                             #   说成错的年份。改成不写具体日期的诚实说法(边界由台账跨度决定)。
                             + ('工单台账在该证据窗内没有可对的工单 —— "无工单"是**数据边界**'
                                '(台账跨度所限), 不等于未处置。' if wo is False else '')),
                    note='阈值=末三窗/早三窗 ≥1.3; 该判据只描述方向不定级'),
                    links=_links(t, comp)), force=True)
                stat['trend'] += 1
        # ── 换件闭环 ──
        if key.startswith('★换件闭环'):
            for r in rows:
                t, comp = r.get('turbine'), r.get('component')
                if not t or not comp:
                    continue
                oid = f'evidence/loop/{t}/{comp}'
                s.put(dict(id=oid, type='Evidence', props=dict(
                    name=f'{t[-2:]}# {comp} 换件闭环 {r.get("ratio")}×',
                    turbine=t, component=comp, facet='果侧振动稳态', facet_detail='换件前后对比(端到端闭环)',
                    source=P.rel(P.m5() / 'component_history.json') + ' ★换件闭环',
                    direction='下降', ratio=r.get('ratio'), pre=r.get('pre'), post=r.get('post'),
                    replace_date=r.get('replace_date'), title=r.get('title'),
                    verdict=r.get('verdict'), status='已闭环·恢复',
                    claim_window=f'换件日 {r.get("replace_date")} 前后 (component_history {built})',
                    summary=(f'{t[-2:]}# {comp}{("·" + r["title"]) if r.get("title") else ""} '
                             f'{r.get("replace_date")} 换件后振动 {r.get("pre")}→{r.get("post")} '
                             f'= {r.get("ratio")}×, 判定恢复。该台正是算法当初的检出台 ⇒ '
                             f'故障前能看见、换件后能看见恢复。'),
                    note='端到端闭环实证, 用于算法可检出性论证'),
                    links=_links(t, comp)), force=True)
                stat['loop'] += 1
    if not dry:
        s.save()
    print(f'trend_ingest: {stat}')
    return stat


if __name__ == '__main__':
    build(dry='--dry' in sys.argv)