app.py

import gradio as gr
import pyrebase
import pandas as pd
import torch
import matplotlib.pyplot as plt
from chronos import ChronosPipeline

# 1. Identitas Model & Konfigurasi Firebase
# Pastikan data ini sesuai dengan project Firebase Pertamina lo
model_id = "amazon/chronos-t5-tiny"
config = {
    "apiKey": "AIzaSyApZpMn8lNOVMLO7bUAoe3sIpRR7C9Te90",
    "authDomain": "pertamina-power-optimizer.firebaseapp.com",
    "databaseURL": "https://pertamina-power-optimizer-default-rtdb.asia-southeast1.firebasedatabase.app",
    "storageBucket": "pertamina-power-optimizer.appspot.com"
}

# Inisialisasi Firebase & Model Amazon Chronos
firebase = pyrebase.initialize_app(config)
auth = firebase.auth()
db = firebase.database()
pipeline = ChronosPipeline.from_pretrained(model_id, device_map="cpu", dtype=torch.float32)

# Login Session menggunakan kredensial yang telah ditentukan
user_session = auth.sign_in_with_email_and_password("user@pertamina.com", "Pertamina45_")

# 2. Fungsi Utama Analisis & Forecasting
def analyze_energy(safe_limit):
    try:
        # Mengambil data dari Firebase menggunakan token aktif
        token = user_session['idToken']
        data = db.child("data_efisiensi").get(token).val()
        
        if not data:
            return "Menunggu data dari ESP32...", None, 0

        # Konversi data ke DataFrame Pandas
        df = pd.DataFrame(list(data.values()))
        
        # Mengambil 50 data poin terakhir untuk konteks AI
        # Logika: Konteks data membantu Chronos memahami tren historis
        context = torch.tensor(df['w'].tail(50).values)
        
        # Prediksi 12 langkah ke depan menggunakan model Chronos
        forecast = pipeline.predict(context, prediction_length=12)
        forecast_median = forecast[0].median(dim=0).values

        # Visualisasi Grafik Real-Time
        plt.figure(figsize=(10, 5))
        plt.plot(df['w'].tail(50).values, label="Daya Aktual (W)", color="#0047AB", linewidth=2)
        plt.plot(range(50, 62), forecast_median, color='#FF0000', linestyle='--', label="Prediksi AI")
        
        # Garis bantu batas aman dari input user
        plt.axhline(y=safe_limit, color='green', linestyle=':', label="Batas Aman User")
        
        plt.title("Integrated Terminal Semarang - Live Energy Forecast")
        plt.xlabel("Urutan Data")
        plt.ylabel("Daya (Watt)")
        plt.legend()
        plt.grid(True, alpha=0.3)
        
        plot_path = "energy_live.png"
        plt.savefig(plot_path)
        plt.close()

        # --- LOGIKA BATAS AMAN DINAMIS ---
        last_w = df['w'].iloc[-1]
        next_w = float(forecast_median[0])
        
        # Status ditentukan berdasarkan perbandingan Prediksi vs Batas Input User
        if next_w > safe_limit:
            status = "⚠️ BAHAYA: PREDIKSI MELEBIHI BATAS AMAN"
        else:
            status = "✅ OPERASIONAL STABIL"

        report = (f"📊 LIVE AI ANALYSIS\n"
                  f"----------------------------------\n"
                  f"Daya Sekarang  : {last_w:.2f} W\n"
                  f"Batas Aman User: {safe_limit:.2f} W\n"
                  f"Prediksi AI    : {next_w:.2f} W\n"
                  f"Status Sistem  : {status}\n"
                  f"Update Terakhir: {pd.Timestamp.now().strftime('%H:%M:%S')}")

        return report, plot_path, round(last_w, 2)

    except Exception as e:
        return f"Koneksi/Error: {str(e)}", None, 0

# 3. Antarmuka Dashboard Gradio
with gr.Blocks() as demo:
    gr.Markdown("# ⚡ Pertamina Power Optimizer")
    gr.Markdown("Monitoring Otomatis berbasis AI")
    
    with gr.Row():
        with gr.Column(scale=1):
            # Input untuk menentukan batas daya secara manual
            input_limit = gr.Number(label="SET BATAS AMAN (WATT)", value=3500)
            # Menampilkan angka Watt secara menonjol
            watt_display = gr.Number(label="DAYA SAAT INI (WATT)")
            output_text = gr.Textbox(label="Status Analisis (Auto-update 5s)", lines=10)
            
        with gr.Column(scale=2):
            output_plot = gr.Image(label="Grafik Tren Efisiensi")

    # Menggunakan gr.Timer untuk update otomatis setiap 5 detik
    timer = gr.Timer(5) 
    
    # Hubungkan input_limit ke fungsi analyze_energy
    timer.tick(
        fn=analyze_energy, 
        inputs=[input_limit], 
        outputs=[output_text, output_plot, watt_display]
    )

    # Jalankan sekali saat aplikasi pertama kali dimuat
    demo.load(
        fn=analyze_energy, 
        inputs=[input_limit], 
        outputs=[output_text, output_plot, watt_display]
    )

# 4. Launch Aplikasi
if __name__ == "__main__":
    # Menjalankan aplikasi dengan tema Soft agar terlihat profesional
    demo.queue().launch(theme=gr.themes.Soft())