scripts/summary.py

import os
import pandas as pd
from typing import Dict
from pathlib import Path

# Prefer HF router via OpenAI-compatible client. Use env `HF_TOKEN`.
# HF_TOKEN loaded lazily to allow dotenv loading after import
def get_hf_token():
    return os.environ.get('HF_TOKEN')

def openai_summary(text: str, verbosity: str = 'brief', model: str = 'meta-llama/Llama-3.1-8B-Instruct:novita') -> str:
    HF_TOKEN = get_hf_token()
    if not HF_TOKEN:
        return None
    try:
        # Import here to avoid requiring OpenAI client unless HF_TOKEN set
        from openai import OpenAI
        client = OpenAI(base_url="https://router.huggingface.co/v1", api_key=HF_TOKEN)
        if verbosity == 'analyze':
            instruction = 'วิเคราะห์สาเหตุไฟฟ้าจากข้อมูลนี้ สรุปไม่เกิน 3-4 บรรทัด (ไทย) ระบุสาเหตุทางเทคนิค ผลกระทบต่อลูกค้าและระบบ และช่วงเวลา:'
        elif verbosity == 'recommend':
            instruction = 'วิเคราะห์สาเหตุไฟฟ้าจากข้อมูลนี้ พร้อมแนะนำการแก้ไข สรุปไม่เกิน 3-4 บรรทัด (ไทย) ระบุสาเหตุทางเทคนิค ผลกระทบต่อลูกค้าและระบบ ช่วงเวลาและข้อเสนอแนะในการป้องกัน:'
        prompt = f"{instruction}\n\n{text}\n\nสรุป:"
        completion = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            max_tokens=1000,
        )
        # Extract text from response
        choice = completion.choices[0]
        msg = choice.message
        content = msg.content
        return content.strip() if content else None
    except Exception:
        return None


def summarize_overall(df: pd.DataFrame, use_hf: bool = False, model: str = 'meta-llama/Llama-3.1-8B-Instruct:novita', total_customers: float = None) -> Dict:
    """Summarize overall outage data with GenAI and reliability metrics."""
    # Basic statistics
    total_events = len(df)
    date_cols = ['OutageDateTime', 'FirstRestoDateTime', 'LastRestoDateTime', 'CreateEventDateTime', 'CloseEventDateTime']

    # Parse dates
    df_copy = df.copy()
    for col in date_cols:
        if col in df_copy.columns:
            df_copy[col] = pd.to_datetime(df_copy[col], dayfirst=True, errors='coerce')

    # Calculate basic metrics
    if 'OutageDateTime' in df_copy.columns:
        date_range = f"{df_copy['OutageDateTime'].min()} ถึง {df_copy['OutageDateTime'].max()}" if pd.notna(df_copy['OutageDateTime'].min()) else "ไม่ระบุ"
    else:
        date_range = "ไม่ระบุ"

    # Event types
    event_types = df_copy.get('EventType', pd.Series()).value_counts().head(5).to_dict()

    # Affected customers
    total_affected = 0
    if 'AffectedCustomer' in df_copy.columns:
        total_affected = pd.to_numeric(df_copy['AffectedCustomer'], errors='coerce').sum()

    # Create summary text for GenAI
    summary_text = f"""
ข้อมูลไฟฟ้าล้มทั้งหมด:
- จำนวนเหตุการณ์ทั้งหมด: {total_events}
- ช่วงเวลาที่เกิดเหตุการณ์: {date_range}
- ประเภทเหตุการณ์หลัก: {', '.join([f'{k}: {v}' for k, v in event_types.items()])}
- จำนวนลูกค้าที่ได้รับผลกระทบทั้งหมด: {int(total_affected) if not pd.isna(total_affected) else 'ไม่ระบุ'}
"""

    # Reliability metrics DataFrame
    reliability_df = pd.DataFrame()
    reliability_summary = ""

    if total_customers and total_customers > 0:
        try:
            from scripts.compute_reliability import compute_reliability
            import tempfile
            import os

            # Save df to temp CSV for compute_reliability
            with tempfile.NamedTemporaryFile(mode='w', suffix='.csv', delete=False) as f:
                df_copy.to_csv(f.name, index=False)
                temp_path = f.name

            try:
                reliability_results = compute_reliability(temp_path, total_customers=total_customers, exclude_planned=True)
                overall_metrics = reliability_results.get('overall', pd.DataFrame())
                if not overall_metrics.empty:
                    row = overall_metrics.iloc[0]

                    # Create reliability DataFrame with proper metric names
                    reliability_data = [
                        {
                            'Metric': 'SAIFI',
                            'Full Name': 'System Average Interruption Frequency Index',
                            'Value': f"{row.get('SAIFI', 'N/A'):.4f}",
                            'Unit': 'ครั้ง/ลูกค้า',
                            'Description': 'ความถี่เฉลี่ยของการขัดข้องต่อลูกค้า'
                        },
                        {
                            'Metric': 'SAIDI',
                            'Full Name': 'System Average Interruption Duration Index',
                            'Value': f"{row.get('SAIDI', 'N/A'):.2f}",
                            'Unit': 'นาที/ลูกค้า',
                            'Description': 'ระยะเวลาขัดข้องเฉลี่ยต่อลูกค้า'
                        },
                        {
                            'Metric': 'CAIDI',
                            'Full Name': 'Customer Average Interruption Duration Index',
                            'Value': f"{row.get('CAIDI', 'N/A'):.2f}",
                            'Unit': 'นาที/ครั้ง',
                            'Description': 'ระยะเวลาขัดข้องเฉลี่ยต่อครั้ง'
                        },
                        {
                            'Metric': 'MAIFI',
                            'Full Name': 'Momentary Average Interruption Frequency Index',
                            'Value': f"{row.get('MAIFI', 'N/A'):.4f}",
                            'Unit': 'ครั้ง/ลูกค้า',
                            'Description': 'ความถี่เฉลี่ยของการขัดข้องชั่วคราวต่อลูกค้า'
                        }
                    ]
                    reliability_df = pd.DataFrame(reliability_data)

                    reliability_summary = f"""
ดัชนีความน่าเชื่อถือ:
- SAIFI (System Average Interruption Frequency Index): {row.get('SAIFI', 'N/A'):.4f} ครั้ง/ลูกค้า
- SAIDI (System Average Interruption Duration Index): {row.get('SAIDI', 'N/A'):.2f} นาที/ลูกค้า
- CAIDI (Customer Average Interruption Duration Index): {row.get('CAIDI', 'N/A'):.2f} นาที/ครั้ง
- MAIFI (Momentary Average Interruption Frequency Index): {row.get('MAIFI', 'N/A'):.4f} ครั้ง/ลูกค้า
"""
                    summary_text += reliability_summary
            finally:
                os.unlink(temp_path)
        except Exception as e:
            reliability_summary = f"ไม่สามารถคำนวณดัชนีความน่าเชื่อถือได้: {str(e)}"

    # Use GenAI for overall summary
    ai_summary = None
    if use_hf and get_hf_token():
        try:
            instruction = "สรุปภาพรวมข้อมูลไฟฟ้าล้มจากข้อมูลนี้ สรุปเป็นย่อหน้าเดียว (ไทย) ระบุจำนวนเหตุการณ์ สาเหตุหลัก ผลกระทบ และข้อเสนอแนะในการปรับปรุงระบบไฟฟ้า:"
            prompt = f"{instruction}\n\n{summary_text}\n\nสรุปภาพรวม:"
            ai_summary = openai_summary(prompt, verbosity='recommend', model=model)
        except Exception as e:
            ai_summary = f"ไม่สามารถสร้างสรุปด้วย AI ได้: {str(e)}"

    return {
        'total_events': total_events,
        'date_range': date_range,
        'event_types': event_types,
        'total_affected_customers': int(total_affected) if not pd.isna(total_affected) else None,
        'basic_summary': summary_text.strip(),
        'reliability_summary': reliability_summary.strip() if reliability_summary else None,
        'reliability_df': reliability_df,
        'ai_summary': ai_summary,
    }