phm-algo-ias 1.5.3

Example algo package with Cython-compiled submodules

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	適用機械	客戶、用途
0.1	DEMO_1 (每分鐘訓練以及推論)	"0, 0, 1, 1, 2, 1, 1, 1"	固定式轉動機械	DEMO (Segmentation)
0.2	DEMO_2 (時窗=60s, step=30s做訓練以及推論 )	"0, 0, 1, 1, 2, 1, 1, 4"	固定式轉動機械	DEMO (Rolling)
0.3	DEMO_1 (每分鐘訓練以及推論)	"0, 0, 1, 2, 2, 1, 1, 1"	非固定式轉動機械	DEMO (Segmentation)
0.4	DEMO_2 (時窗=60s, step=30s做訓練以及推論)	"0, 0, 1, 2, 2, 1, 1, 4"	非固定式轉動機械	DEMO (Rolling)
1-1	Rolling 一般建模 (時域、頻域、fail mode)	"1, 0, 1, 1, 2, 1, 1, 3"	固定式轉動機械
1-2	Rolling 一般建模 (時域、頻域)	"1, 0, 1, 2, 2, 1, 1, 3"	非固定式轉動機械	KDY、USUN、南科TSMC
2-1	快速建模-暫態 (頻域)	"1, 0, 1, 2, 2, 1, 1, 2"	非固定式轉動機械	南科TSMC
2-2	快速建模-穩態 (頻域)	"1, 0, 1, 2, 2, 1, 1, 3"	非固定式轉動機械	南科TSMC

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 rul_deadline = 0
8. feature_extraction_setting		每小時取特徵 小時不足1800筆則刪除	依資料進行rolling計算 Window = 120s Step = 60s (暫態)	Rolling計算 Window = 3600s 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

產生 whl 檔案

本專案使用 pyproject.toml 搭配 setup.py 進行打包，setup.py 會透過 Cython 將 algo package 內的 Python 模組編譯後放入 wheel。

本機產生 wheel

建議使用 Python 3.11 環境，並先安裝建置工具：

python -m pip install -U pip
python -m pip install build setuptools==80.9.0 wheel==0.45.1 Cython==3.1.3 setuptools-scm

確認目前 git tag，例如：

git describe --tags --abbrev=0

產生 wheel：

SETUPTOOLS_SCM_PRETEND_VERSION=1.5.2 python -m build --wheel

完成後，wheel 檔案會產生在：

dist/

SETUPTOOLS_SCM_PRETEND_VERSION 請依實際要發佈的版本調整；若目前最新 tag 是 v1.5.2，可填 1.5.2。

產生 Linux manylinux wheel

專案內已有 build_multarch.sh，主要使用 cibuildwheel 建置 Linux wheel。若要手動建置，可參考以下流程：

python -m pip install -U pip cibuildwheel

export CIBW_ARCHS_LINUX="x86_64 aarch64"
export CIBW_BUILD="cp311-*"
export CIBW_MANYLINUX_X86_64_IMAGE="quay.io/pypa/manylinux_2_28_x86_64"
export CIBW_MANYLINUX_AARCH64_IMAGE="quay.io/pypa/manylinux_2_28_aarch64"
export CIBW_TEST_SKIP="*"
export CIBW_REPAIR_WHEEL_COMMAND='auditwheel repair --only-plat -w {dest_dir} {wheel}'
export CIBW_ENVIRONMENT='SETUPTOOLS_SCM_PRETEND_VERSION="1.5.2"'

cibuildwheel --platform linux

完成後，wheel 檔案會產生在：

wheelhouse/

注意：build_multarch.sh 最後包含 twine upload，會將 wheelhouse/* 上傳到 PyPI repository。如果只想產生 whl 檔案，請不要直接執行整支 build_multarch.sh，或先移除/註解最後的 upload 指令。

清理建置產物

若需要清理本機產生的 build artifact，可執行：

python setup.py clean