Produtividade_Especialista.py

# -*- coding: utf-8 -*-
import streamlit as st
import pandas as pd
from io import BytesIO
from banco import SessionLocal
from models import Equipamento

# Auto-refresh
from streamlit_autorefresh import st_autorefresh
from datetime import datetime, timedelta

# SQL util
from sqlalchemy import text

# ====== Gráficos: Altair (preferência) + fallback Matplotlib ======
ALT_AVAILABLE = True
try:
    import altair as alt
    try:
        alt.data_transformers.disable_max_rows()
    except Exception:
        pass
except Exception:
    ALT_AVAILABLE = False

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

# NumPy para cálculos numéricos robustos
import numpy as np


# ===============================
# Fotos de Responsáveis — Helpers (DB)
# ===============================
def _ensure_foto_table(db) -> None:
    """Cria a tabela responsavel_foto se não existir (SQLite/PostgreSQL/MySQL)."""
    dialect = db.bind.dialect.name

    if dialect == "sqlite":
        sql = """

        CREATE TABLE IF NOT EXISTS responsavel_foto (

            id INTEGER PRIMARY KEY AUTOINCREMENT,

            tipo TEXT NOT NULL,              -- 'especialista' | 'conferente'

            nome TEXT NOT NULL,

            imagem BLOB NOT NULL,            -- bytes

            mimetype TEXT,

            updated_at TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,

            UNIQUE (tipo, nome)

        )

        """
    elif dialect in ("postgresql", "postgres"):
        sql = """

        CREATE TABLE IF NOT EXISTS responsavel_foto (

            id SERIAL PRIMARY KEY,

            tipo TEXT NOT NULL,              -- 'especialista' | 'conferente'

            nome TEXT NOT NULL,

            imagem BYTEA NOT NULL,           -- bytes

            mimetype TEXT,

            updated_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),

            UNIQUE (tipo, nome)

        )

        """
    else:  # mysql/mariadb
        sql = """

        CREATE TABLE IF NOT EXISTS responsavel_foto (

            id INT AUTO_INCREMENT PRIMARY KEY,

            tipo VARCHAR(32) NOT NULL,

            nome VARCHAR(255) NOT NULL,

            imagem LONGBLOB NOT NULL,

            mimetype VARCHAR(64),

            updated_at TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,

            UNIQUE KEY uq_tipo_nome (tipo, nome)

        ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4

        """
    db.execute(text(sql))
    db.commit()


def _get_foto(db, tipo: str, nome: str):
    """Retorna (bytes_imagem, mimetype, updated_at) ou (None, None, None)."""
    if not (tipo and nome):
        return None, None, None
    _ensure_foto_table(db)
    row = db.execute(
        text(
            "SELECT imagem, mimetype, updated_at "
            "FROM responsavel_foto WHERE tipo = :t AND nome = :n LIMIT 1"
        ),
        {"t": tipo, "n": nome},
    ).fetchone()
    if row:
        return row[0], (row[1] or "image/jpeg"), row[2]
    return None, None, None


def _set_foto(db, tipo: str, nome: str, content: bytes, mimetype: str) -> None:
    """Upsert simples por (tipo, nome)."""
    if not (tipo and nome and content):
        return
    _ensure_foto_table(db)
    upd = db.execute(
        text(
            "UPDATE responsavel_foto "
            "SET imagem=:img, mimetype=:mt, updated_at=CURRENT_TIMESTAMP "
            "WHERE tipo=:t AND nome=:n"
        ),
        {"img": content, "mt": mimetype or "image/jpeg", "t": tipo, "n": nome},
    )
    if upd.rowcount == 0:
        db.execute(
            text(
                "INSERT INTO responsavel_foto (tipo, nome, imagem, mimetype) "
                "VALUES (:t, :n, :img, :mt)"
            ),
            {"t": tipo, "n": nome, "img": content, "mt": mimetype or "image/jpeg"},
        )
    db.commit()


def _del_foto(db, tipo: str, nome: str) -> None:
    if not (tipo and nome):
        return
    _ensure_foto_table(db)
    db.execute(text("DELETE FROM responsavel_foto WHERE tipo=:t AND nome=:n"), {"t": tipo, "n": nome})
    db.commit()


# ===============================
# Estado
# ===============================
def limpar_estado_prod_esp():
    """Remove do session_state qualquer dado do módulo Produtividade_Especialista."""
    for key in list(st.session_state.keys()):
        if key.startswith("prod_esp_"):
            del st.session_state[key]


# ===============================
# UI – Gerenciar fotos de responsáveis
# ===============================
def _ui_fotos_responsaveis(df: pd.DataFrame):
    """Bloco para cadastrar/atualizar/remover fotos de Especialistas e Conferentes."""
    st.subheader("📸 Fotos dos Responsáveis")

    especialistas = sorted([x for x in df["Especialista"].dropna().astype(str).unique() if x.strip()])
    conferentes   = sorted([x for x in df["Conferente"].dropna().astype(str).unique() if x.strip()])

    tab_esp, tab_conf = st.tabs(["Especialista", "Conferente"])

    # ---------- Especialista ----------
    with tab_esp:
        col_e1, col_e2 = st.columns([1, 2])
        with col_e1:
            nome_esp = st.selectbox("Especialista", options=["(selecione)"] + especialistas, index=0, key="prod_esp_foto_esp_sel")
            file_esp = st.file_uploader(
                "Carregar foto (PNG/JPG/JPEG/GIF/WEBP) — Especialista",
                type=["png", "jpg", "jpeg", "gif", "webp"],
                key="prod_esp_foto_esp_up"
            )
            salvar_esp = st.button("💾 Salvar/Atualizar foto (Especialista)", key="prod_esp_foto_esp_salvar")
            remover_esp = st.button("🗑️ Remover foto (Especialista)", key="prod_esp_foto_esp_remover")

        with col_e2:
            db = SessionLocal()
            try:
                if nome_esp and nome_esp != "(selecione)":
                    img_bytes, mt, updt = _get_foto(db, "especialista", nome_esp)
                    if img_bytes:
                        st.caption(f"Foto atual de **{nome_esp}** (atualizada em {updt})")
                        st.image(img_bytes, caption=nome_esp, use_container_width=False, width=220)
                    else:
                        st.info("Nenhuma foto cadastrada para este Especialista.")
            finally:
                db.close()

        if salvar_esp:
            if not (nome_esp and nome_esp != "(selecione)"):
                st.warning("Selecione um Especialista.")
            elif not file_esp:
                st.warning("Escolha um arquivo de imagem para enviar.")
            else:
                content = file_esp.read()
                mt = file_esp.type or "image/jpeg"
                db = SessionLocal()
                try:
                    _set_foto(db, "especialista", nome_esp, content, mt)
                    st.success("Foto salva/atualizada com sucesso!")
                    st.rerun()
                except Exception as e:
                    db.rollback()
                    st.error(f"Erro ao salvar foto: {e}")
                finally:
                    db.close()

        if remover_esp:
            if not (nome_esp and nome_esp != "(selecione)"):
                st.warning("Selecione um Especialista.")
            else:
                db = SessionLocal()
                try:
                    _del_foto(db, "especialista", nome_esp)
                    st.info("Foto removida.")
                    st.rerun()
                except Exception as e:
                    db.rollback()
                    st.error(f"Erro ao remover foto: {e}")
                finally:
                    db.close()

    # ---------- Conferente ----------
    with tab_conf:
        col_c1, col_c2 = st.columns([1, 2])
        with col_c1:
            nome_conf = st.selectbox("Conferente", options=["(selecione)"] + conferentes, index=0, key="prod_esp_foto_conf_sel")
            file_conf = st.file_uploader(
                "Carregar foto (PNG/JPG/JPEG/GIF/WEBP) — Conferente",
                type=["png", "jpg", "jpeg", "gif", "webp"],
                key="prod_esp_foto_conf_up"
            )
            salvar_conf = st.button("💾 Salvar/Atualizar foto (Conferente)", key="prod_esp_foto_conf_salvar")
            remover_conf = st.button("🗑️ Remover foto (Conferente)", key="prod_esp_foto_conf_remover")

        with col_c2:
            db = SessionLocal()
            try:
                if nome_conf and nome_conf != "(selecione)":
                    img_bytes, mt, updt = _get_foto(db, "conferente", nome_conf)
                    if img_bytes:
                        st.caption(f"Foto atual de **{nome_conf}** (atualizada em {updt})")
                        st.image(img_bytes, caption=nome_conf, use_container_width=False, width=220)
                    else:
                        st.info("Nenhuma foto cadastrada para este Conferente.")
            finally:
                db.close()

        if salvar_conf:
            if not (nome_conf and nome_conf != "(selecione)"):
                st.warning("Selecione um Conferente.")
            elif not file_conf:
                st.warning("Escolha um arquivo de imagem para enviar.")
            else:
                content = file_conf.read()
                mt = file_conf.type or "image/jpeg"
                db = SessionLocal()
                try:
                    _set_foto(db, "conferente", nome_conf, content, mt)
                    st.success("Foto salva/atualizada com sucesso!")
                    st.rerun()
                except Exception as e:
                    db.rollback()
                    st.error(f"Erro ao salvar foto: {e}")
                finally:
                    db.close()

        if remover_conf:
            if not (nome_conf and nome_conf != "(selecione)"):
                st.warning("Selecione um Conferente.")
            else:
                db = SessionLocal()
                try:
                    _del_foto(db, "conferente", nome_conf)
                    st.info("Foto removida.")
                    st.rerun()
                except Exception as e:
                    db.rollback()
                    st.error(f"Erro ao remover foto: {e}")
                finally:
                    db.close()


# ===============================
# Mini-gráfico mensal (% acertos) — Helpers
# ===============================
def _normalize_responsaveis(df: pd.DataFrame) -> pd.DataFrame:
    """Normaliza nomes (remove espaços/None) para evitar falhas de comparação."""
    for col in ["Especialista", "Conferente"]:
        df[col] = df[col].astype(str).fillna("").str.strip()
        df[col] = df[col].replace({"None": ""})
    return df

def _month_labels_last_n(n: int) -> pd.DataFrame:
    """Retorna DataFrame com os últimos n meses e rótulos MES/AA, em ordem cronológica."""
    base = pd.Timestamp(datetime.now().replace(day=1))
    months = [base - pd.DateOffset(months=i) for i in range(n-1, -1, -1)]
    return pd.DataFrame({
        "YM": [pd.Period(m, freq="M") for m in months],
        "mes": [m.strftime("%b/%y").upper() for m in months]
    })

def _serie_pct_mensal(df: pd.DataFrame, resp_col: str, nome: str, months: int = 6) -> pd.DataFrame:
    """

    Série mensal (últimos 'months' meses) de % acertos (MROB) para um responsável.

    Retorna DataFrame com ['mes', 'pct', 'MROB', 'ERROS'] (meses sem dados => 0).

    Corrige dtype para evitar TypeError: Expected numeric dtype, got object instead.

    """
    if not (nome and resp_col in df.columns and "Data Coleta (dt)" in df.columns):
        return pd.DataFrame(columns=["mes", "pct", "MROB", "ERROS"])

    nome = str(nome).strip()
    d = df[df[resp_col].astype(str).str.strip() == nome].copy()
    d = d.dropna(subset=["Data Coleta (dt)"])

    # Linha do tempo alvo (sempre haverá N meses)
    base = _month_labels_last_n(months)

    # Se não há dados, devolve zeros
    if d.empty:
        base["MROB"] = 0.0
        base["ERROS"] = 0.0
        base["pct"] = 0.0
        return base[["mes", "pct", "MROB", "ERROS"]]

    d["YM"] = d["Data Coleta (dt)"].dt.to_period("M")

    g = (
        d.groupby("YM", as_index=False)
         .agg(MROB=("Linhas MROB", "sum"), ERROS=("Linhas Erros MROB", "sum"))
    )

    # Merge garante a linha do tempo completa — aqui o dtype pode virar 'object'
    m = base.merge(g, on="YM", how="left")

    # Coerção numérica robusta pós-merge (evita object -> round error)
    m["MROB"] = pd.to_numeric(m["MROB"], errors="coerce").fillna(0).astype("float64")
    m["ERROS"] = pd.to_numeric(m["ERROS"], errors="coerce").fillna(0).astype("float64")

    # % acertos (evita divisão por zero, resultado sempre float)
    m["pct"] = np.where(
        m["MROB"] > 0,
        ((m["MROB"] - m["ERROS"]) / m["MROB"]) * 100.0,
        0.0
    )
    m["pct"] = pd.to_numeric(m["pct"], errors="coerce").fillna(0).astype("float64").round(2)

    # Seleciona e ordena colunas finais
    out = m[["mes", "pct", "MROB", "ERROS"]].copy()

    # Garantia de dtype correto (evita regressões futuras)
    out["MROB"] = out["MROB"].astype("float64")
    out["ERROS"] = out["ERROS"].astype("float64")
    out["pct"]  = out["pct"].astype("float64")

    return out

def _mini_grafico_pct_mensal(df_m: pd.DataFrame, meta: float, chart_type: str = "Linha", show_meta: bool = True, titulo: str = "% Acertos por mês"):
    """

    Renderiza mini‑gráfico compacto (% acertos | 0–100) com fallback:

      1) Altair (linha/barras + meta)  2) Matplotlib  3) Tabela

    """
    if df_m.empty:
        st.caption("Sem dados mensais para o período/seleção atual.")
        return

    # 1) ALTair
    if ALT_AVAILABLE:
        try:
            base = alt.Chart(df_m).encode(
                x=alt.X("mes:N", title="Mês"),
                y=alt.Y("pct:Q", title="% Acertos", scale=alt.Scale(domain=[0, 100])),
                tooltip=[
                    alt.Tooltip("mes:N", title="Mês"),
                    alt.Tooltip("pct:Q", title="% Acertos (%)"),
                    alt.Tooltip("MROB:Q", title="MROB (Σ)"),
                    alt.Tooltip("ERROS:Q", title="Erros MROB (Σ)")
                ]
            )
            chart = base.mark_line(point=True, interpolate="monotone", color="#0d6efd") if chart_type == "Linha" \
                    else base.mark_bar(size=18, color="#0d6efd")

            final = chart.properties(width=260, height=150, title=titulo)

            if show_meta:
                meta_df = pd.DataFrame({"y": [meta]})
                meta_rule = alt.Chart(meta_df).mark_rule(color="#16a34a", strokeDash=[6, 4]).encode(y="y:Q")
                final = final + meta_rule

            st.altair_chart(final, use_container_width=False)
            return
        except Exception as e:
            st.info(f"Render ALTair indisponível, usando fallback (detalhe: {e})")

    # 2) Matplotlib fallback
    try:
        fig, ax = plt.subplots(figsize=(3.2, 1.6), dpi=150)
        x = list(range(len(df_m["mes"])))
        if chart_type == "Linha":
            ax.plot(x, df_m["pct"].values, marker="o", color="#0d6efd", linewidth=1.5)
        else:
            ax.bar(x, df_m["pct"].values, color="#0d6efd", width=0.6)
        if show_meta:
            ax.axhline(y=meta, color="#16a34a", linestyle="--", linewidth=1)

        ax.set_ylim(0, 100)
        ax.set_xticks(x)
        ax.set_xticklabels(df_m["mes"].tolist(), rotation=0, fontsize=7)
        ax.set_yticks([0, 20, 40, 60, 80, 100])
        ax.set_title(titulo, fontsize=9)
        ax.grid(alpha=0.15, axis="y")

        plt.tight_layout()
        st.pyplot(fig, use_container_width=False)
        plt.close(fig)
        return
    except Exception as e:
        st.warning(f"Não foi possível renderizar o mini‑gráfico (fallback MPL): {e}")

    # 3) Último recurso
    st.caption("Exibindo dados da série por impossibilidade de gráfico:")
    st.dataframe(df_m, use_container_width=True)


# ===============================
# MAIN
# ===============================
def main():

    # 🧹 LIMPA ESTADO AO ENTRAR
    if not st.session_state.get("_prod_esp_inicializado"):
        limpar_estado_prod_esp()
        st.session_state["_prod_esp_inicializado"] = True

    st.title("🏆 Produtividade por Especialista e Conferente")

    # 🔧 CONTROLES NA SIDEBAR
    with st.sidebar:
        st.markdown("### 🔄 Atualização automática")
        auto_on = st.checkbox("Ativar atualização automática", value=True, key="prod_esp_auto_on")
        auto_interval_s = st.slider("Intervalo (segundos)", min_value=10, max_value=300, value=30, step=5, key="prod_esp_auto_int")

        if "prod_esp_auto_int_effective" not in st.session_state:
            st.session_state["prod_esp_auto_int_effective"] = auto_interval_s

        if st.button("✅ Aplicar intervalo"):
            st.session_state["prod_esp_auto_int_effective"] = auto_interval_s
            st.success(f"Intervalo atualizado para {auto_interval_s}s")
            st.rerun()

        intervalo_efetivo = st.session_state.get("prod_esp_auto_int_effective", auto_interval_s)
        st.caption(f"⏲️ Intervalo atual: **{intervalo_efetivo}s**")

        st.markdown("---")
        st.markdown("### 🎯 Metas e Série")
        meta_pct_especialistas = st.number_input("Meta (% MROB/Geral) — Especialistas", min_value=0.0, max_value=100.0, value=98.8, step=0.5, key="prod_esp_meta_pct_esp")
        meta_pct_conferentes  = st.number_input("Meta (% MROB/Geral) — Conferentes",  min_value=0.0, max_value=100.0, value=98.8, step=0.5, key="prod_esp_meta_pct_conf")
        serie_meses           = st.slider("Meses no mini‑gráfico", min_value=3, max_value=12, value=6, step=1, key="prod_esp_serie_meses")
        tipo_grafico          = st.selectbox("Tipo do mini‑gráfico", ["Linha", "Barras"], index=0, key="prod_esp_tipo_grafico")
        linha_meta            = st.checkbox("Mostrar linha de meta", value=True, key="prod_esp_show_meta")

        st.markdown("---")
        last_dt = st.session_state.get("prod_esp_last_update_dt")
        if last_dt:
            last_str = last_dt.strftime("%d/%m/%Y %H:%M:%S")
            st.caption(f"🕒 Última atualização: **{last_str}**")
            delta = datetime.now() - last_dt
            if delta < timedelta(minutes=1):
                ago_str = f"{delta.seconds}s"
            elif delta < timedelta(hours=1):
                mins = delta.seconds // 60
                secs = delta.seconds % 60
                ago_str = f"{mins}min {secs}s"
            else:
                hours = delta.seconds // 3600
                mins = (delta.seconds % 3600) // 60
                ago_str = f"{hours}h {mins}min"
            st.caption(f"⏱️ Atualizado há **{ago_str}**")
            if auto_on:
                try:
                    nxt = (datetime.now() + timedelta(seconds=intervalo_efetivo)).strftime("%d/%m/%Y %H:%M:%S")
                    st.caption(f"🔁 Próximo refresh: **{nxt}**")
                except Exception:
                    pass
        else:
            st.caption("🕒 Última atualização: **—**")

    if auto_on:
        st_autorefresh(interval=intervalo_efetivo * 1000, limit=None, key="prod_esp_autorefresh")

    db = SessionLocal()
    try:
        registros = db.query(Equipamento).all()
        st.session_state["prod_esp_last_update_dt"] = datetime.now()

        if not registros:
            st.info("Nenhum registro encontrado.")
            return

        # ========== BASE DF ==========
        df = pd.DataFrame([{
            "FPSO": getattr(r, "fpso", None),
            "Data Coleta": getattr(r, "data_coleta", None),
            "Modal": getattr(r, "modal", None),
            "Especialista": getattr(r, "especialista", None),
            "Conferente": getattr(r, "conferente", None),
            "Linhas OSM": getattr(r, "linhas_osm", 0),
            "Linhas MROB": getattr(r, "linhas_mrob", 0),
            "Linhas Erros MROB": getattr(r, "linhas_erros_mrob", None),
            "Linhas Erros (Genérico)": getattr(r, "linhas_erros", None),
        } for r in registros])

        # Conversão robusta de datas
        df["Data Coleta (dt)"] = pd.to_datetime(df["Data Coleta"], errors="coerce", dayfirst=True)
        if df["Data Coleta (dt)"].isna().all():
            # tenta novamente sem dayfirst
            df["Data Coleta (dt)"] = pd.to_datetime(df["Data Coleta"], errors="coerce", dayfirst=False)

        # Tipos numéricos
        for col in ["Linhas OSM", "Linhas MROB", "Linhas Erros MROB", "Linhas Erros (Genérico)"]:
            if col in df.columns:
                df[col] = pd.to_numeric(df[col], errors="coerce").fillna(0).astype("int64")

        # Fallback de erros MROB
        if ("Linhas Erros MROB" not in df.columns) or (df["Linhas Erros MROB"].sum() == 0 and df["Linhas Erros (Genérico)"].sum() > 0):
            df["Linhas Erros MROB"] = df.get("Linhas Erros (Genérico)", pd.Series([0] * len(df)))

        # Normaliza nomes
        df = _normalize_responsaveis(df)

        # ======== Fotos (cadastro/visualização) ========
        _ui_fotos_responsaveis(df)

        # ========== FILTROS ==========
        st.subheader("🔎 Filtros")
        col1, col2, col3 = st.columns(3)
        with col1:
            filtro_fpso = st.multiselect("FPSO", sorted(df["FPSO"].dropna().unique()), key="prod_esp_fpso")
        with col2:
            filtro_modal = st.multiselect("Modal", sorted(df["Modal"].dropna().unique()), key="prod_esp_modal")
        with col3:
            periodo = st.date_input("Período de Coleta", value=None, key="prod_esp_periodo")

        df_filt = df.copy()
        if filtro_fpso:
            df_filt = df_filt[df_filt["FPSO"].isin(filtro_fpso)]
        if filtro_modal:
            df_filt = df_filt[df_filt["Modal"].isin(filtro_modal)]
        if isinstance(periodo, (list, tuple)) and len(periodo) == 2:
            data_inicio, data_fim = periodo
            if pd.notna(data_inicio):
                df_filt = df_filt[df_filt["Data Coleta (dt)"] >= pd.to_datetime(data_inicio)]
            if pd.notna(data_fim):
                df_filt = df_filt[df_filt["Data Coleta (dt)"] <= pd.to_datetime(data_fim) + pd.Timedelta(days=1) - pd.Timedelta(seconds=1)]

        # ======== Mapeamentos por responsável ========
        fpsos_por_especialista = (
            df_filt.groupby("Especialista", dropna=False)["FPSO"]
                  .apply(lambda x: ", ".join(sorted(set(x.dropna()))))
                  .to_dict()
        )
        fpsos_por_conferente = (
            df_filt.groupby("Conferente", dropna=False)["FPSO"]
                  .apply(lambda x: ", ".join(sorted(set(x.dropna()))))
                  .to_dict()
        )

        # ======== Agregações ========
        grp_esp = (df_filt.groupby("Especialista", dropna=False)
                         .agg({"Linhas OSM":"sum","Linhas MROB":"sum","Linhas Erros MROB":"sum"})
                         .reset_index())
        grp_esp["FPSO Responsável"] = grp_esp["Especialista"].map(lambda e: fpsos_por_especialista.get(e, ""))
        grp_esp["Especialista (FPSO)"] = grp_esp.apply(
            lambda r: f"{r['Especialista']} ({r['FPSO Responsável']})" if r["FPSO Responsável"] else str(r["Especialista"]), axis=1)
        grp_esp["Total de Erros (MROB - Erros MROB)"] = (grp_esp["Linhas MROB"] - grp_esp["Linhas Erros MROB"]).clip(lower=0)

        # ✅ Denominador numérico (float) para evitar dtype object
        denom_mrob_esp = pd.to_numeric(grp_esp["Linhas MROB"], errors="coerce").replace(0, np.nan).astype("float64")
        num_acertos_esp = pd.to_numeric(grp_esp["Linhas MROB"], errors="coerce") - pd.to_numeric(grp_esp["Linhas Erros MROB"], errors="coerce")
        num_erros_esp   = pd.to_numeric(grp_esp["Linhas Erros MROB"], errors="coerce")

        grp_esp["% Acertos (MROB)"] = (num_acertos_esp / denom_mrob_esp * 100.0).round(2)
        grp_esp["% Erros (MROB)"]   = (num_erros_esp   / denom_mrob_esp * 100.0).round(2)

        grp_esp = grp_esp.sort_values(by="Linhas OSM", ascending=False)
        grp_esp = grp_esp[[
            "Especialista (FPSO)","Especialista","FPSO Responsável",
            "Linhas OSM","Linhas MROB","Linhas Erros MROB",
            "Total de Erros (MROB - Erros MROB)","% Acertos (MROB)","% Erros (MROB)"
        ]]

        grp_conf = (df_filt.groupby("Conferente", dropna=False)
                         .agg({"Linhas OSM":"sum","Linhas MROB":"sum","Linhas Erros MROB":"sum"})
                         .reset_index())
        grp_conf["FPSO Responsável"] = grp_conf["Conferente"].map(lambda c: fpsos_por_conferente.get(c, ""))
        grp_conf["Conferente (FPSO)"] = grp_conf.apply(
            lambda r: f"{r['Conferente']} ({r['FPSO Responsável']})" if r["FPSO Responsável"] else str(r["Conferente"]), axis=1)
        grp_conf["Total de Erros (MROB - Erros MROB)"] = (grp_conf["Linhas MROB"] - grp_conf["Linhas Erros MROB"]).clip(lower=0)

        # ✅ Denominador numérico (float) para evitar dtype object
        denom_mrob_conf = pd.to_numeric(grp_conf["Linhas MROB"], errors="coerce").replace(0, np.nan).astype("float64")
        num_acertos_conf = pd.to_numeric(grp_conf["Linhas MROB"], errors="coerce") - pd.to_numeric(grp_conf["Linhas Erros MROB"], errors="coerce")
        num_erros_conf   = pd.to_numeric(grp_conf["Linhas Erros MROB"], errors="coerce")

        grp_conf["% Acertos (MROB)"] = (num_acertos_conf / denom_mrob_conf * 100.0).round(2)
        grp_conf["% Erros (MROB)"]   = (num_erros_conf   / denom_mrob_conf * 100.0).round(2)

        grp_conf = grp_conf.sort_values(by="Linhas OSM", ascending=False)
        grp_conf = grp_conf[[
            "Conferente (FPSO)","Conferente","FPSO Responsável",
            "Linhas OSM","Linhas MROB","Linhas Erros MROB",
            "Total de Erros (MROB - Erros MROB)","% Acertos (MROB)","% Erros (MROB)"
        ]]

        # ======== KPIs Gerais ========
        st.subheader("📈 KPIs (dados filtrados) — Geral (Todos)")
        total_especialistas = grp_esp["Especialista"].nunique()
        total_conferentes  = grp_conf["Conferente"].nunique()
        total_osm_geral = int(df_filt["Linhas OSM"].sum())
        total_mrob_geral = int(df_filt["Linhas MROB"].sum())
        total_erros_mrob_geral = int(df_filt["Linhas Erros MROB"].sum())
        total_acertos_mrob_geral = (total_mrob_geral - total_erros_mrob_geral)
        pct_acertos_geral = round((total_acertos_mrob_geral / total_mrob_geral * 100), 2) if total_mrob_geral > 0 else 0.0
        pct_erros_geral   = round((total_erros_mrob_geral   / total_mrob_geral * 100), 2) if total_mrob_geral   > 0 else 0.0

        k1,k2,k3,k4,k5 = st.columns(5)
        k1.metric("Especialistas", f"{total_especialistas}")
        k2.metric("Conferentes", f"{total_conferentes}")
        k3.metric("Linhas OSM (Σ)", f"{total_osm_geral:,}".replace(",", "."))
        k4.metric("Linhas MROB (Σ)", f"{total_mrob_geral:,}".replace(",", "."))
        color_geral = "#198754" if pct_acertos_geral >= meta_pct_especialistas else "#dc3545"
        k5.metric("% Acertos (MROB/Geral)", f"{pct_acertos_geral}%")
        # 🔧 HTML deve usar <span>...<span>, não entidades &lt;&gt;
        st.markdown(
            f"<span style='color:{color_geral}'>Meta (Especialistas): {meta_pct_especialistas}% • "
            f"{'✅ Dentro da meta' if pct_acertos_geral >= meta_pct_especialistas else '⚠️ Abaixo da meta'}</span>",
            unsafe_allow_html=True
        )
        st.markdown(f"<span style='color:#dc3545'>% Erros (MROB/Geral): {pct_erros_geral}%</span>", unsafe_allow_html=True)
        st.divider()

        # ======== KPIs por Especialista (foto + mini‑gráfico) ========
        st.subheader("🎯 KPIs por Especialista")
        especialistas_lista = ["(selecione)"] + list(grp_esp["Especialista"].astype(str).unique())
        esp_sel = st.selectbox("Especialista:", especialistas_lista, index=0, key="prod_esp_kpi_esp")

        if esp_sel and esp_sel != "(selecione)":
            linha_esp = grp_esp[grp_esp["Especialista"] == esp_sel]
            if not linha_esp.empty:
                le_osm = int(linha_esp["Linhas OSM"].iloc[0])
                le_mrob = int(linha_esp["Linhas MROB"].iloc[0])
                le_err_mrob = int(linha_esp["Linhas Erros MROB"].iloc[0])
                le_total_err = int(linha_esp["Total de Erros (MROB - Erros MROB)"].iloc[0])
                le_pct_acertos = float(linha_esp["% Acertos (MROB)"].iloc[0]) if pd.notna(linha_esp["% Acertos (MROB)"].iloc[0]) else 0.0
                le_pct_erros   = float(linha_esp["% Erros (MROB)"].iloc[0]) if pd.notna(linha_esp["% Erros (MROB)"].iloc[0]) else 0.0

                col_pic, col_chart, col_metrics = st.columns([1, 1.4, 3])
                with col_pic:
                    dbp = SessionLocal()
                    try:
                        img_b, mt, updt = _get_foto(dbp, "especialista", esp_sel)
                        if img_b:
                            st.image(img_b, caption=f"{esp_sel}", use_container_width=False, width=220)
                        else:
                            st.caption("Sem foto cadastrada.")
                    finally:
                        dbp.close()
                with col_chart:
                    serie = _serie_pct_mensal(df_filt, "Especialista", esp_sel, months=serie_meses)
                    _mini_grafico_pct_mensal(serie, meta=meta_pct_especialistas, chart_type=tipo_grafico, show_meta=linha_meta)
                    with st.expander("🔧 Diagnóstico da série (Especialista)", expanded=False):
                        st.dataframe(serie, use_container_width=True)
                with col_metrics:
                    s1,s2,s3,s4,s5 = st.columns(5)
                    s1.metric("Linhas OSM", f"{le_osm:,}".replace(",", "."))
                    s2.metric("Linhas MROB", f"{le_mrob:,}".replace(",", "."))
                    s3.metric("Erros MROB", f"{le_err_mrob:,}".replace(",", "."))
                    s4.metric("Total Erros (MROB−Erros)", f"{le_total_err:,}".replace(",", "."))
                    s5.metric("% Acertos (MROB)", f"{le_pct_acertos}%")
                    # 🔧 HTML deve usar <span>...<span>, não entidades &lt;&gt;
                    st.markdown(f"<span style='color:#dc3545'>% Erros (MROB): {le_pct_erros}%</span>", unsafe_allow_html=True)
        st.divider()

        # ======== KPIs por Conferente (foto + mini‑gráfico) ========
        st.subheader("🎯 KPIs por Conferente")
        conferentes_lista = ["(selecione)"] + list(grp_conf["Conferente"].astype(str).unique())
        conf_sel = st.selectbox("Conferente:", conferentes_lista, index=0, key="prod_esp_kpi_conf")

        if conf_sel and conf_sel != "(selecione)":
            linha_conf = grp_conf[grp_conf["Conferente"] == conf_sel]
            if not linha_conf.empty:
                lc_osm = int(linha_conf["Linhas OSM"].iloc[0])
                lc_mrob = int(linha_conf["Linhas MROB"].iloc[0])
                lc_err_mrob = int(linha_conf["Linhas Erros MROB"].iloc[0])
                lc_total_err = int(linha_conf["Total de Erros (MROB - Erros MROB)"].iloc[0])
                lc_pct_acertos = float(linha_conf["% Acertos (MROB)"].iloc[0]) if pd.notna(linha_conf["% Acertos (MROB)"].iloc[0]) else 0.0
                lc_pct_erros   = float(linha_conf["% Erros (MROB)"].iloc[0]) if pd.notna(linha_conf["% Erros (MROB)"].iloc[0]) else 0.0

                col_pic2, col_chart2, col_metrics2 = st.columns([1, 1.4, 3])
                with col_pic2:
                    dbp = SessionLocal()
                    try:
                        img_b, mt, updt = _get_foto(dbp, "conferente", conf_sel)
                        if img_b:
                            st.image(img_b, caption=f"{conf_sel}", use_container_width=False, width=220)
                        else:
                            st.caption("Sem foto cadastrada.")
                    finally:
                        dbp.close()
                with col_chart2:
                    serie2 = _serie_pct_mensal(df_filt, "Conferente", conf_sel, months=serie_meses)
                    _mini_grafico_pct_mensal(serie2, meta=meta_pct_conferentes, chart_type=tipo_grafico, show_meta=linha_meta)
                    with st.expander("🔧 Diagnóstico da série (Conferente)", expanded=False):
                        st.dataframe(serie2, use_container_width=True)
                with col_metrics2:
                    d1,d2,d3,d4,d5 = st.columns(5)
                    d1.metric("Linhas OSM", f"{lc_osm:,}".replace(",", "."))
                    d2.metric("Linhas MROB", f"{lc_mrob:,}".replace(",", "."))
                    d3.metric("Erros MROB", f"{lc_err_mrob:,}".replace(",", "."))
                    d4.metric("Total Erros (MROB−Erros)", f"{lc_total_err:,}".replace(",", "."))
                    d5.metric("% Acertos (MROB)", f"{lc_pct_acertos}%")
                    # 🔧 HTML deve usar <span>...<span>, não entidades &lt;&gt;
                    st.markdown(f"<span style='color:#dc3545'>% Erros (MROB): {lc_pct_erros}%</span>", unsafe_allow_html=True)

        st.divider()

        # ======== Listas e Gráficos maiores ========
        st.subheader("🧾 Lista por Especialista (com métricas)")
        st.dataframe(grp_esp, use_container_width=True)

        st.subheader("🧾 Lista por Conferente (com métricas)")
        st.dataframe(grp_conf, use_container_width=True)

        st.subheader("📊 Gráficos")
        try:
            st.caption("Linhas OSM por Especialista (FPSO)")
            st.bar_chart(data=grp_esp.set_index("Especialista (FPSO)")["Linhas OSM"])
            st.caption("Linhas MROB por Especialista (FPSO)")
            st.bar_chart(data=grp_esp.set_index("Especialista (FPSO)")["Linhas MROB"])
            st.caption("Linhas de Erros MROB por Especialista (FPSO)")
            st.bar_chart(data=grp_esp.set_index("Especialista (FPSO)")["Linhas Erros MROB"])
            st.caption("Linhas OSM por Conferente (FPSO)")
            st.bar_chart(data=grp_conf.set_index("Conferente (FPSO)")["Linhas OSM"])
            st.caption("Linhas MROB por Conferente (FPSO)")
            st.bar_chart(data=grp_conf.set_index("Conferente (FPSO)")["Linhas MROB"])
            st.caption("Linhas de Erros MROB por Conferente (FPSO)")
            st.bar_chart(data=grp_conf.set_index("Conferente (FPSO)")["Linhas Erros MROB"])
        except Exception as e:
            st.warning(f"Não foi possível renderizar alguns gráficos: {e}")

        st.divider()

        # ======== Exportação ========
        st.subheader("⬇️ Exportar")
        buffer_esp = BytesIO()
        with pd.ExcelWriter(buffer_esp, engine="openpyxl") as writer:
            grp_esp.to_excel(writer, index=False, sheet_name="Prod_Especialista")
        buffer_esp.seek(0)
        st.download_button(
            label="⬇️ Exportar produtividade por Especialista (Excel)",
            data=buffer_esp,
            file_name="produtividade_especialista.xlsx",
            mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",
            key="prod_esp_export"
        )

        buffer_conf = BytesIO()
        with pd.ExcelWriter(buffer_conf, engine="openpyxl") as writer:
            grp_conf.to_excel(writer, index=False, sheet_name="Prod_Conferente")
        buffer_conf.seek(0)
        st.download_button(
            label="⬇️ Exportar produtividade por Conferente (Excel)",
            data=buffer_conf,
            file_name="produtividade_conferente.xlsx",
            mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",
            key="prod_conf_export"
        )

    finally:
        db.close()