grame/src/introduction/__init__.py

import streamlit as st
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from scipy import linalg
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import time

def show_introduction():
    """Affiche l'introduction aux concepts de jumeaux numériques"""
    
    st.header("📚 Introduction aux Jumeaux Numériques")
    
    col1, col2 = st.columns([2, 1])
    
    with col1:
        st.markdown("""
        ### Définition et concepts clés
        
        Un **jumeau numérique** est une réplique virtuelle d'un système physique qui :
        
        1. **Intègre des modèles physiques** de différentes fidélités
        2. **Assimile des données** issues de capteurs en temps réel
        3. **Permet le pilotage** du système physique
        4. **Évolue avec le système** tout au long de son cycle de vie
        
        ### Composants essentiels
        
        - **Modèles de connaissance** : équations de la mécanique
        - **Capteurs et données** : mesures réelles du système
        - **Algorithmes d'estimation** : Filtre de Kalman
        - **Algorithmes de contrôle** : PID, contrôle optimal
        - **Interfaces** : visualisation, interaction
        """)
    
    with col2:
        st.image("https://via.placeholder.com/400x300/4A90E2/FFFFFF?text=Digital+Twin+Architecture",
                caption="Architecture d'un jumeau numérique")
    
    # Démonstration interactive simple
    st.subheader("🔄 Démonstration interactive")
    
    col1, col2, col3 = st.columns(3)
    
    with col1:
        model_fidelity = st.slider("Fidélité du modèle", 0.1, 1.0, 0.7, 0.1,
                                  help="Compromis précision/coût calcul")
    
    with col2:
        sensor_noise = st.slider("Bruit des capteurs", 0.0, 0.5, 0.1, 0.05,
                                help="Niveau de bruit de mesure")
    
    with col3:
        control_gain = st.slider("Gain de contrôle", 0.1, 2.0, 1.0, 0.1,
                                help="Agressivité du contrôleur")
    
    # Visualisation simple
    fig = go.Figure()
    
    # Système réel (simulé)
    t = np.linspace(0, 10, 100)
    system_response = np.sin(t) + np.random.normal(0, sensor_noise, len(t))
    
    # Modèle du jumeau numérique
    model_response = model_fidelity * np.sin(t) + 0.1
    
    fig.add_trace(go.Scatter(x=t, y=system_response,
                            mode='lines', name='Système réel',
                            line=dict(color='blue', dash='dash')))
    
    fig.add_trace(go.Scatter(x=t, y=model_response,
                            mode='lines', name='Jumeau numérique',
                            line=dict(color='red')))
    
    fig.update_layout(title="Comparaison système réel / jumeau numérique",
                     xaxis_title="Temps (s)",
                     yaxis_title="Réponse du système",
                     height=400)
    
    st.plotly_chart(fig, use_container_width=True)