Metadata-Version: 2.4
Name: phm-algo-ias
Version: 1.5.2
Summary: Example algo package with Cython-compiled submodules
Author: Your Name
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Cython
Classifier: Programming Language :: C
Requires-Python: >=3.11
Description-Content-Type: text/markdown
Requires-Dist: passlib==1.7.4
Requires-Dist: pandas==2.2.3
Requires-Dist: numpy==2.0.1
Requires-Dist: scipy==1.14.0
Requires-Dist: scikit-learn==1.5.1
Requires-Dist: matplotlib==3.9.2
Requires-Dist: seaborn==0.13.2
Requires-Dist: openpyxl==3.1.5
Requires-Dist: statsmodels==0.14.4

# 應用場域
|     | 機台種類                             | 特徵採用        | |
| --- | --------------------------------- | --------- | ------------------------ |
| | 固定式轉動機械        | 時域、頻域、fail mode |     |
|  | 非固定式轉動機械      | 時域、頻域 |      |

# 參數列表
|     | 演算法功能                             | 建模參數        | 客戶、用途                     |
| --- | --------------------------------- | --------- | ------------------------ |
| 0.1   | DEMO_1 (每分鐘訓練以及推論) (固定式轉動機械)           | "0, 0, 1, 1, 2, 1, 1, 1" | DEMO (Segmentation)      |
| 0.2   | DEMO_2 (時窗=60s, step=30s做訓練以及推論 ) (固定式轉動機械)                           | "0, 0, 1, 1, 2, 1, 1, 4" |DEMO (Rolling)      |
| 0.3   | DEMO_1 (每分鐘訓練以及推論) (非固定式轉動機械)           | "0, 0, 1, 2, 2, 1, 1, 1" | DEMO (Segmentation)   |
| 0.4   | DEMO_2 (時窗=60s, step=30s做訓練以及推論) (非固定式轉動機械)                           | "0, 0, 1, 2, 2, 1, 1, 4" |DEMO (Rolling)      |
| 1-1   | Segmentation 一般建模 (頻域)                   | "1, 0, 1, 3, 3, 1, 1, 1" | 南科TSMC
| 1-2   | Segmentation 一般建模 (時域、頻域、fail mode)                      | "1, 0, 1, 1, 2, 1, 1, 1" | SDP、雲界、景碩
| 2-1   | 快速建模-暫態 (頻域)                            | "1, 0, 1, 3, 3, 1, 1, 2" | 南科TSMC
| 2-2   | 快速建模-穩態 (頻域)                           | "1, 0, 1, 3, 3, 1, 1, 3" | 南科TSMC
| 3-1   | Rolling 一般建模 (時域、頻域、fail mode) | "1, 0, 1, 1, 2, 1, 1, 3" | 未來更版用 
| 3-2   | Rolling 一般建模 (時域、頻域) | "1, 0, 1, 2, 2, 1, 1, 3" | 未來更版用 SDP(KDY、USUN)

# 參數意義
|   | 0 | 1 | 2 | 3 | 4 |
|---|---|---|---|---|---|
| 1. 時間長度設定 | min | hour |  |  |  |
| 2. 測試資料群值處理 | close | open |  |  |  |
| 3. 低解析度特徵篩選 | close | open |  |  |  |
| 4. 特徵選擇 |  | Time, Frequency, fail mode | Time, Frequency | Frequency |  |
| 5. Scale |  | df_scaled = df | Standardize() | minmax() |  |
| 6. 模型 |  | PCA + T² |  |  |  |
| 7. rul_deadline |  | T² + 12 * σ(T²) → Score | Warning: T² + 24 * σ(T²) → Score<br>rul_deadline = 0 |  |  |
| 8. feature_extraction_setting |  | 每小時取特徵<br>小時不足1800筆則刪除 | 依資料進行rolling計算<br>Window = 120s<br>Step = 60s (暫態) | Rolling計算<br>Window = 3600s<br>Step = 1800s (穩態) | Rolling計算 Window = 60s ,Step = 30s  |

# error_stage列表
|Training | error_stage                         | 程式步驟 |
|-----|-----------------------------------|---------------------------|
|    | Error_01                            | df 轉換成每秒一筆資料 |
|    | Error_02                            | 出廠設定參數 |
|    | Error_03                            | 前處理 |
|    | Error_04                            | 特徵分類/挑選 |
|    | Error_05                            | 低解析度特徵篩選 |
|    | Error_06                            | 特徵萃取 |
|    | Error_07                            | 資料正規化 |
|    | Error_08                            | 建模 |
|    | Error_09                            | RUL 計算 |

|Inference | error_stage                         | 程式步驟 |
|-----|-----------------------------------|---------------------------|
|    | Error_01                            | df 轉換成每秒一筆資料 |
|    | Error_02                            | 檢查資料筆數 (是否<301) |
|    | Error_03                            | 出廠設定參數 |
|    | Error_04                            | 前處理 |
|    | Error_05                            | 特徵萃取 |
|    | Error_06                            | 資料正規化 |
|    | Error_07                            | 計算 HI & T2 & 嫌疑度變量 |




