一套常駐在校內 5090 主機上的虛擬工業區。學生認領園區裡的公司, 透過工業通訊協定(Modbus / OPC-UA / MQTT)連線、監控、處置故障(第一階段), 再把歷史數據帶回去訓練模型、以閉環即時推論做預測性維護(第二階段)。
一個 2D 等距(isometric)的虛擬工業園區,裡面有多家不同產業的公司 (機械加工、半導體機台、CNC、AGV 物流、產線設備、廠務動力)。每家公司有若干設備, 每台設備持續產生接近真實的運轉數據,並可隨時被注入故障。
學生不是看 demo,而是實際操作真實的工作流程: 查設備規格 → 自己寫客戶端連線抓資料 → 建監控儀表板 → 偵測故障 → 開工單處置 → 撈歷史數據訓練模型 → 把模型接回園區做即時預測 → 在設備真正壞掉之前提前告警。
老師端有上帝視角控制台:左手注入故障,右手看學生儀表板冒紅燈。
模擬引擎是「心」,2D 世界是「皮」,兩者徹底解耦。
- 心(simulation engine):唯一持有狀態的地方。負責產生誠實、有 ground-truth 標籤、 可時間加速的設備數據。它不知道協定、不知道畫面。
- 皮 / 各種視圖:協定轉接層、2D 世界、儀表板、任務板、設備目錄 —— 全部都只是「讀同一份引擎狀態的不同視圖」,自己不存任何狀態。
守住這條線,才能在一學期內把東西做出來;破壞它,複雜度會失控。
| 檔案 | 內容 |
|---|---|
CLAUDE.md |
Claude Code 進場第一份讀的檔:技術棧、repo 結構、開發慣例、建置順序 |
docs/01-architecture.md |
分層架構、資料流、部署拓樸(5090 + Cloudflare Tunnel + Tailscale) |
docs/02-simulation-engine.md |
心臟:隱藏健康狀態、退化數學模型、故障分類學、訊號模型、時間加速 |
docs/03-industry-templates.md |
產業設備型別庫與 tag 清單(CNC / AGV / 半導體 / 機械手臂 / 廠務) |
docs/04-scenario-and-api.md |
場景 YAML schema、REST + WebSocket API、協定轉接綁定 |
docs/05-world-and-teaching.md |
2D 等距世界前端、公司認領、工單、兩階段教學、自動評分、閉環推論 |
docs/06-mcp.md |
MCP server 工具定義(自然語言建廠 / 注入故障) |
docs/07-roadmap.md |
P0–P4 建置順序與具體任務拆解(原始規劃) |
README.en.md |
English project overview |
docs/ROADMAP.md |
現況路線圖 · 待辦 · 後續接續工作 · 已知限制(中英)Roadmap / TODO / follow-ups |
docs/STRESS_TEST.md |
壓力測試方法與實測結果(中英)Stress test method & results |
docs/課程規劃_18週.md |
18 週課程規劃:每週主題 × demo × 回家作業 × 批改;分軌作業表(基礎 + 進階) |
docs/課堂即時練習.md |
課堂即時練習(教師指南):一鍵佈題 → 學生手機作答 → 即時批改;練習庫 scenarios/classroom_exercises.yaml |
docs/雲端生產_概念與議題.md |
「雲端生產」概念:課名斷句、雲製造 vs 數據上雲、ISA-95、Cloud MES;討論題 + 動手練習 |
docs/部署_對外連線.md |
對外連線:Cloudflare Tunnel(HTTP)+ Tailscale(原生協定)說明與設定 |
student_kit/dashboard/README.md |
學生自建監控台(Streamlit 版):三協定即時 + 趨勢 / 統計 / 分析 / 繳交 |
student_kit/dashboard_simple/README.md |
同款監控台純 Python 版(免 Streamlit,標準庫 http.server + 原生 JS) |
docs/連線教學.md |
學生用第三方工具連三協定 + 四種 object type / 線圈的圖文步驟 Connection guide |
docs/部署運維.md |
常駐 5090 主機:venv 安裝、看門狗 / 開機自動、健康檢查、DB 持久化 Ops guide |
docs/學生講義_工業通訊資料點位.docx |
學生講義:Modbus 四 object type × 資料型別 × 位元組順序 × 縮放 × 線圈 |
docs/ML基準實證.md |
資料可訓練性實證:用合成資料訓 RUL 迴歸 + 故障分類,held-out 機台 F1 0.95 / R² 0.94 |
docs/資料集與作業.md |
資料一致性 / 出題:確定性種子、每學號不同資料、指定故障作業集、凍結釋出與版本溯源 |
docs/作業範本_預測性維護.md |
完整作業範本:出題腳本 + 每學號私有測試集 + 自動評分 rubric + 線上活廠驗收(防 AI 代寫) |
先做 P0 的垂直切片:模擬引擎(含退化)+ Modbus 轉接 + 一台會退化到故障的 CNC + 一份設備目錄。先證明「能產出可訓練的數據」,其餘都是往上長。
P0 已完成:單台 CNC 從健康自然退化到軸承故障,Modbus 讀得到、目錄查得到、Historian 有歷史曲線。 不需要 Docker —— Historian 沒連到 DB 會自動降級為 in-memory。
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
copy .env.example .env # 工業協定埠統一 6xxx 區(Modbus 6020、OPC-UA 6041、MQTT 6083);API 8077.\run-engine.ps1 # 強制用 .venv 的 python 跑 main.py,並檢查 pymodbus==3.6.9⚠ 一律用
run-engine.ps1(或.venv\Scripts\python.exe),不要用裸python—— 全域 Python 的套件版本會漂移(pymodbus 被別的工具拉到 3.9.2 會讓 Modbus 啟動崩)。 常駐 5090 主機請見 docs/部署運維.md(看門狗 + 開機自動 + 健康檢查)。
啟動後打開瀏覽器:
- API 互動文件(Swagger):http://127.0.0.1:8077/docs
- 健康檢查:http://127.0.0.1:8077/api/health
- 設備目錄(學生規格書):http://127.0.0.1:8077/api/catalog
連線驗證(另開一個終端機,在專案根目錄):
# 一次讀四種 object type(FC03 holding / FC02 discrete input / FC04 input register / FC01 coil)
.\.venv\Scripts\python.exe student_kit\p1_modbus_objecttypes.py --unit 2
# 全套不變式 smoke test(三協定可達 / 四 object type / float 解碼 / sim 前進),回傳 0=全過
.\.venv\Scripts\python.exe tools\smoke_test.py主要端點:/api/park、/api/catalog、/api/devices/{id}、/api/history、
/api/devices/{id}/health(ground-truth)、GET/POST /api/sim/clock(調倍率 / 暫停)。
預設
time_multiplier=3600,約 90 秒就跑到故障。想慢慢看,POST 調倍率:curl -X POST http://127.0.0.1:8077/api/sim/clock -H "Content-Type: application/json" -d "{\"multiplier\":600}", 或直接改scenarios/p0_single_cnc.yaml的time_multiplier(故障後重跑即重置)。 要改用真正的 TimescaleDB:.env設HISTORIAN_ENABLED=true、pip install asyncpg、docker compose up -d timescaledb。
| 驗收項 | 狀態 | 備註 |
|---|---|---|
| CNC 自然退化到軸承故障 | ✅ 已驗 | 3600× 下約 87 秒 wall;vibration 1.5→13.4 mm/s,state→fault |
| Modbus 讀得到上升中的 vibration_rms | ✅ 已驗 | pymodbus 3.6.9,float32 雙暫存器解碼 |
| 訊號相關(電流 / 溫度同步) | ✅ 已驗 | 電流 8.6→11.8 A、溫度→80°C 隨軸承退化 |
| 設備目錄查得到 | ✅ 已驗 | /api/catalog 含完整 register 對照 |
| Historian 有完整退化曲線 | ✅ 已驗(in-memory) | TimescaleDB 實寫路徑待 Docker 環境驗證 |
所有數據皆為 合成(synthetic),帶 ground-truth 標籤,絕非真實場域量測(見 docs/02 §4)。
P1 已完成:多家公司多台設備、同一設備可被 Modbus / OPC-UA / MQTT 三協定同讀、
WebSocket 即時推送、PixiJS 2D 等距園區與公開設備目錄頁。全程不需 Docker
(MQTT 走內嵌純 Python broker amqtt)。
.env 預設場景已指向多設備園區 scenarios/default_park.yaml(3 公司 / 6 設備)。
.\.venv\Scripts\python.exe -m pip install -r requirements.txt # 補裝 asyncua、amqtt
.\run.ps1 # 起 引擎 + 4 協定面 + API協定埠(預設,可在 .env 改):Modbus 6020 · OPC-UA 6041 · MQTT 6083 · API 8077。
工業協定埠統一在 6xxx 區(避開 Windows 保留/服務埠,如 5040 被 CDPSvc 占用)。
cd web
npm install # 第一次
npm run dev # 開 http://localhost:5173瀏覽器開 http://localhost:5173**:預設落在「**🚀 開始」分頁 —— 學生設 id、認領公司,系統依認領設備
自動產生可執行的 Modbus Python 連線包(填好 host/port/unit_id/register,一鍵複製直接跑),並用真實狀態
自動打勾任務進度(認領 / 開單 / 預測)。其餘分頁:「2D 世界」等距園區俯瞰、公司燈號、點設備看即時值;
「設備目錄」三協定規格書;「學生面」工單與競賽榜;「戰情版」三協定自測;「OEE 榜」。
全站為方案 4D 教學暖色(Lora / Noto Sans TC / JetBrains Mono 字體 + 燈號摘要 + 門檻條),2.5D 世界為暖色等距量體(漸層立方體建築 + 發光機台)。點機台 / 目錄卡可開設備詳情彈窗(放大詳細動畫 + 即時訊號 / 趨勢 / HOLDING / DISCRETE)。
（Vite 開發伺服器已把 /api、/ws 代理到後端 8077。）
| 驗收項 | 狀態 | 備註 |
|---|---|---|
| 多家公司多產業設備 | ✅ 已驗 | CNC×2 + 空壓機×2 + AGV×2,故障時間錯開 |
| 同一設備三協定同讀 | ✅ 已驗 | cnc-01 vibration:Modbus 1.642 / OPC-UA 1.642 / MQTT 1.804（差 0.16） |
| WebSocket 即時 telemetry / events | ✅ 已驗 | 6 設備串流;故障/換班/充電事件正確帶元件 |
| 瀏覽器看園區並鑽到設備即時值 | ✅ 已驗 | PixiJS 2D 世界 + 設備目錄頁,狀態燈號即時 |
P2 已完成:故障注入 + 感測器故障 + 工單 + 自動評分 + 教師控制台 + 自然語言建廠 + MCP。 完整教學閉環:老師注入故障 → 學生偵測開工單 → 處置 resolve → 系統自動計分。
- 故障注入:設備故障(sudden/gradual/intermittent/cascading)與感測器故障 (drift/stuck/bias/noise/dropout)。感測器故障只汙染讀值、不動隱藏 health, 讓學生學會分辨「設備壞了 vs 感測器壞了」。
- 工單 / MTTR:故障自動開單,學生 ack→resolve(順手修復設備),量偵測延遲與 MTTR。
- 自動評分:用 ground-truth 算偵測延遲 / MTTR / 漏報,出公開排名榜。
- 教師控制台(web「教師控制台」分頁):token、調速、注入故障表單、ground-truth health/RUL、工單板、評分榜。
- 自然語言建廠:
POST /api/factory {description},例「建一間有 3 台 CNC 的公司」即時長出 新公司(規則式解析,免 LLM key);web 表單與 MCP 皆可觸發。 - MCP server(
mcp/server.py,老師本機 Claude Desktop):薄 REST 轉接, 含 create_factory / inject_fault / set_sim_clock / get_health / get_scores 等工具。
教師端點需帶 Authorization: Bearer <TEACHER_TOKEN>(.env 設,預設 dev-teacher-token)。
教師控制台填一次 token 即存於瀏覽器。學生面(目錄 / 遙測 / 工單 / 評分)維持公開唯讀。
$env:WORLD_API_URL="http://127.0.0.1:8077" # 5090 的 LAN / Tailscale 位址
$env:TEACHER_TOKEN="dev-teacher-token"
python mcp/server.py # 掛進 Claude Desktop;勿用 -m(避免遮蔽 mcp SDK)| 驗收項 | 狀態 | 備註 |
|---|---|---|
| 設備故障 vs 感測器故障 | ✅ 已驗 | gradual 把故障從 >150h 提早到 20h;sensor_drift 讓溫度 59→145℃ 但 health 乾淨 |
| 教師 auth | ✅ 已驗 | 無 token 注入故障 → 401 |
| 注入→自動開單→ack/resolve→評分 | ✅ 已驗 | 偵測延遲 / MTTR 計算正確,resolve 後設備 reset 回 idle |
| 教師控制台(瀏覽器操作) | ✅ 已驗 | 注入 gradual → RUL 129h 驟降 7.5h、health 條下降、工單/評分即時 |
| 自然語言建廠 | ✅ 已驗 | 「2 台 CNC 的公司」→ 即時長出新公司、新設備已運轉、可注入故障 |
| MCP server | ✅ 匯入驗證 | 8 工具就位(完整流程需 Claude Desktop) |
P3 已完成:學生模型訂閱遙測 → 在故障之前 POST 預測 → 系統用 ground-truth 算 lead time(提前量)、設備在 2D 世界翻橘、上預測榜。
- 預測端點:
POST /api/predictions {device, student, predicted_fault, eta_sim_s, confidence}(公開,學生面)。GET /api/predictions、GET /api/predictions/scores。 - 比對:predictions.py 訂閱故障事件,設備故障時把先前的 pending 預測標記
hit,
lead_time = fault_onset − prediction_time;發prediction/prediction_hit事件。 - 預測榜:命中數、平均 lead time、誤報、命中率、分數(命中按提前量加分、誤報扣分); 教師控制台底部「階段二預測榜」即時顯示。
- 2D 世界:預測中設備翻橘(真故障紅優先)、公司燈號同步;AGV 改補間平滑移動 (解決高倍率下綠點瞬移)。
學生範例:student_kit/p3_predictor.py —— 訂閱 /ws/telemetry、
振動越界就 POST 預測的最小服務骨架(學生把啟發式換成自己用 Historian 訓練的模型)。
.\.venv\Scripts\python.exe student_kit\p3_predictor.py --student S001 --threshold 5.0⚠ Windows / PowerShell 注意:PowerShell 會把
curl的 JSON body 搞壞(送出空物件 → 422)。 要發 POST(預測 / 注入故障)請用 student_kit 的 Python 腳本或網頁 UI,不要用 PowerShell 的 curl。
| 驗收項 | 狀態 | 備註 |
|---|---|---|
| 故障前預測 → 命中算 lead time | ✅ 已驗 | 預測 cnc-01 → 注入 gradual → 故障,命中 lead time 8.9 sim h |
| 預測榜(lead time / 命中率 / 誤報) | ✅ 已驗 | S007 hits=1、hit_rate=1.0、score 64.6 |
| 2D 世界預測故障翻橘 | ✅ 已驗 | cnc-01/comp-01/comp-02 橘色脈動 + 公司燈號橘、事件列 🔮 預測故障 |
| 誤報判定與 eta 脫鉤 | ✅ 已修 | eta 估錯不再把真故障誤判成誤報;誤報只看「設備到底有沒有壞」 |
對應 docs/05 的「參考客戶端儀表板」。和教師控制台(只打 REST)不同,戰情版真的用 Modbus / OPC-UA / MQTT 各開一個 client 連回伺服器,逐設備讀一個樣本值 —— 同時是「伺服器到底通不通」的自測,也是「以協定列出設備」的戰情板。
- 端點:
GET /api/diagnostics/protocols(diagnostics.py,連 loopback)。 - web「戰情版」分頁:三協定可達數摘要 + 設備 × 協定連線矩陣(綠✓值含定址與延遲 / 紅✗錯誤)。
已實機驗證:Modbus / OPC-UA / MQTT 各 6/6 可達,跨協定讀回值一致、延遲 ~1ms; 熱載入(NL / LLM 建廠)的新設備三協定即時上線,免重啟(adapter 於下一拍動態掛 slave / node / 專屬埠)。
學生用第三方工具(Modbus Poll / UaExpert / MQTT Explorer)連線的圖文步驟見 docs/連線教學.md。
預寫的連鎖故障腳本,當期末實作測驗 —— 全班同條件、同時間軸。步驟依 sim 時間 排程 (加速 / 暫停都正確),動作沿用既有注入機制。
- 腳本:scenarios/scripts/disaster_day.yaml (多設備連鎖故障 + 一個感測器漂移陷阱,考根因判斷)。
- 端點:
GET /api/scenarios(列出)、POST /api/scenarios/{name}/run(教師,執行)、POST /api/scenarios/stop(scenarios.py)。 - 教師控制台「情境腳本」區:下拉選腳本 → 執行 / 停止 → 即時看每步觸發紀錄。
已實機驗證:disaster_day 6 步按 sim 時間依序觸發(調時鐘 → cnc-01/comp-01 漸進 →
comp-02 感測器漂移 → agv-01 突發 → cnc-02 連鎖),突發故障即時自動開單,情境正常結束。
2D 等距世界改造成像樣的工業園區:等距地磚 + 街道網格 + 滿園區高低大小不一的建築 (確定性佈局),公司建築含煙囪、招牌、屋頂彙整燈號。
- 動畫:煙囪冒煙粒子、故障紅閃、預測故障橘脈動、運轉綠呼吸、AGV 沿座標補間平滑移動。
- 點公司鑽入廠內:俯瞰點公司建築 → 切到該公司內部場景(地坪 + 輸送帶滾動 + 各設備專屬動畫:機械手臂依 joint_angle 擺動、CNC 主軸旋轉、AGV 沿 pos_x/y 廠內移動、 空壓機風扇轉),狀態環同步紅閃 / 橘脈動;「← 返回俯瞰」回上層。
- 第 4 種產業 template:
robot_arm_6axis(機械手臂,公司「鴻運自動化」),六軸角度/電流/溫度、 tcp 末端位置、reducer_wear退化主指標;pre_step 讓六軸做 pick-and-place 擺動。 - 目前 4 產業:CNC 加工中心 / 空壓機 / AGV / 機械手臂;預設園區 4 公司 8 設備。
已實機驗證(瀏覽器截圖):園區街道 + 多棟建築 + 冒煙;注入故障 → cnc-01 紅閃、屋頂燈轉紅; 預測 → comp-01 橘脈動;機械手臂公司 arm-01/02 運轉中。
讓每台設備像真實工業設備一樣有自己的 IP:port,學生得自己管理多條連線 / 資料管線。
與 channel_mux 並存(不是二選一):共用埠照舊,另外為每台設備各起一個專屬 Modbus 埠。
- 開關:
.env的MULTI_PORT_ENABLED=true+MULTI_PORT_MODBUS_BASE=6100。 - 每台設備從 base 起配埠(cnc-01=6100、cnc-02=6101…);modbus_multiport.py 為每台起一個 single-unit Modbus server,讀同一份引擎 snapshot。
- 設備目錄 / 戰情版同時列出兩種連法;戰情版多一欄「Modbus(專屬埠)」。
- MQTT 不適用 multi_port(本質 topic 分流);OPC-UA per-device 較重,先以 Modbus 為主。
已實機驗證:45 台專屬埠 server(6100 起)上線,直接連設備專屬埠不需 unit_id 即讀到值; 戰情版四協定(共用埠 / 專屬埠 / OPC-UA / MQTT)各全數可達,兩種 Modbus 讀回同一隱藏狀態。
OEE = 可用率 × 表現 × 良率,製造業標準 KPI。全部由引擎 ground-truth 累積算:
- 可用率=運轉 /(運轉+故障停機)——學生越快偵測+結工單修復,停機越短、越高。
- 表現=理想節拍 / 實際節拍(退化使節拍變慢)。良率=良品率(退化使不良升)。
- 引擎累積器在 device.py 對 sim 時間積;各 template 提供
oee_fn瞬時訊號。 - api/oee.py +
GET /api/oee(公開);web「OEE 榜」分頁:公司排名 + 三因子拆解條 + 每台明細。
把「設備退化損失」與「學生故障管理能力」綜合成一個 KPI,比單看 MTTR 更貼近真實工廠。
已實機驗證:對 cnc-01 注入故障不修 → 精鋐機械可用率掉到 74.6%、OEE 73.2%; 其他無停機公司 OEE 95–99%;三因子拆解與公司彙整正確。
階段二要訓練 PdM / RUL 模型需要夠長、帶標籤的歷史。即時 Historian(in-memory)不夠, 故提供 headless 資料集產生器(tools/generate_dataset.py):快轉引擎, 各設備跑過多次劣化→故障→維修循環,輸出每台一份 wide CSV。
.\.venv\Scripts\python.exe tools\generate_dataset.py --sim-days 120 --step-min 5 --out dataset每筆含:state + 各觀測 tag(學生可見)、gt_health_min / gt_rul_sim_s / is_sensor_fault(ground-truth)、
cycle_id、ttf_sim_s(距實際故障的時間,迴歸標籤)、fail_within_24h(24h 內是否故障,分類標籤)。
含隨機感測器故障期(教設備故障 vs 感測器故障)。dataset/ 不入庫;manifest.json 記錄欄位。
已驗證:60 sim-天 / 10 分解析度 → 每台 ~8.6k 筆、各 4–14 次 run-to-failure,8 秒跑完;
故障前 RUL/ttf 平滑遞減到 0、fail_within_24h 正樣本約 24%、循環乾淨收在故障點。
這份資料真的學得起來 —— 基準 ML 範例 student_kit/p4_train_baseline.py (+ notebook)在訓練時沒看過的 7 台 held-out CNC上:故障分類 F1 0.95 / ROC-AUC 0.998、RUL 迴歸 R² 0.94 / MAE 5.5h、中位提前告警 24.4h;模型 top 特徵正是 振動 / 溫度等設計好的退化主軸。誠實設定(特徵只用觀測訊號、循環內滾動防洩漏、依機台切分)與完整解讀見 docs/ML基準實證.md。⚠ 合成資料學的是假設物理,適合教 ML 工作流程、不保證遷移真實設備。
預設園區取材自台中工業區 / 精密機械聚落代表廠商(上銀、友嘉、東台、台中精機、永進、 大立光、成霖、復盛、盟立、慶鴻、瀧澤、程泰、亞崴…),加一座教學用「離岸風電示範場」。
⚠ 公司名稱與主要產品為公開資訊;設備、數據、運轉狀態全為合成,非任何公司真實產線。
- 10 產業 template:CNC 加工中心 / 空壓機 / AGV / 機械手臂 / 射出成型機 / 風力機 / 半導體製程腔體 / 電表能源節點 / 沖壓機 / 熱處理爐(腔體:真空泵退化 + 製程漂移→良率 subtle fault; 電表:三相 V/I、功因、日/週負載;沖壓機:噸位、離合器/煞車 + 模具磨耗→毛邊;熱處理爐:爐溫、加熱元件老化 + 保溫/密封→均勻性)。
- 滑鼠移到公司顯示簡介(名稱 + 主要產品 + 設備);點公司進廠內,左側顯示公司介紹卡。
- 廠內設備動畫:機械手臂(底座+關節+夾爪,依 joint_angle 擺動)、AGV(慢速沿固定軌跡)、 輸送帶(上有移動物件)、CNC 主軸旋轉、空壓機/風機葉片轉動。
- 設備只需寫
id + template,協定定址自動配、退化參數用 template 預設並做個體差異抖動。
設備點位刻意分散在 Modbus 四種資料物件,讓學生學會「依規格決定怎麼讀」:
| Object type | FC | 內容 | 型別 |
|---|---|---|---|
Holding Register 4xxxx |
03 | 量測值(state 在第 1 格 int16,float 由第 2 格起) | float32 / int16 / int32 |
Discrete Input 1xxxx |
02 | 狀態旗標 running / fault / idle / warning / heartbeat | bool(唯讀) |
Input Register 3xxxx |
04 | 狀態碼 + 量測的 int32 定點 ×100 鏡像(教 raw vs 工程單位) | int16 / int32 |
Coil 0xxxx |
01讀 / 05寫 | 命令:run_enable(停機/復機)、reset_fault(清故障) |
bool |
線圈權限:學生 FC01 唯讀看命令狀態;寫(FC05)只有教師(帶 token 的 REST 或隔離的教師控制埠 MODBUS_CONTROL_PORT)。寫 run_enable=0 設備會真的停機(風機順槳、AGV 停車,rpm/速度歸零,資料與命令一致)。三協定(Modbus / OPC-UA / MQTT)都暴露這些點位;設備目錄頁逐台列出 object/FC/位址/scale。
- 本機 DB(免 Docker):
DB_BACKEND=sqlite→ 高頻 telemetry 寫historian.db、營運狀態(工單 / 學生預測 / OEE 累積器)寫state.db,進程重啟全部不歸零。學生用pandas.read_sql直接撈訓練資料;production 改DB_BACKEND=timescale。 - venv 啟動:
run-engine.ps1強制用.venvpython 並檢查 pymodbus 鎖定版。 - 行程監管:
deploy/watchdog.ps1(輪詢/api/health、失敗清埠重啟)+deploy/install-startup-task.ps1(開機自動)。 - smoke test:
tools/smoke_test.py對執行中世界做 11 項不變式檢查,回傳 0/1 供排程器 / CI。 - 平靜更新:資料每 5 秒一拍 = 10 模擬分鐘(畫面不亂跳),動畫走前端 ticker 仍滑順。
- 2D 視覺:寬路 + 多樣立面(窗格紋路、高低差)+ 廠內人員走動/作業 + 產線編排(機台出件→手臂夾取→輸送帶送出)。
P0~P4 完成 + 上線硬化(~100% 功能面):階段一+二可開課、四 object type + 教師線圈控制、 SQLite 持久化(telemetry + 工單/預測/OEE)、6xxx 埠、venv 啟動 + 看門狗 + 健康檢查 + smoke test、 2.5D 工業區 + 產線編排 + 廠內人員、10 產業 template、multi_port、OEE 榜、資料集產生器、64 廠課堂場景、 學生任務中心 + 個人化連線包、教師快速故障 / 重置課堂 / 真 LLM 建廠、學生可寫 setpoint、熱載入免重啟。 近期新增:課堂即時練習(佈題→手機作答→即時批改)、學生自建監控台(Streamlit + 純 Python 版,三協定)、 18 週課程規劃 + 「雲端生產」概念文件、4D 暖色 UI 全面重設計(暖色主題 + 2D 世界重繪 + 設備詳情彈窗 + 雙機上下料工作站,只改視覺不動資料流)。 後續接續工作(見 docs/ROADMAP.md):對外接入(Cloudflare Tunnel + Tailscale,待校內 5090 主機)、 生產管理 KPI 自動批改(準交率 / WIP)、字體離線化、per-device 協定。
作者:勤益科大 劉瑞弘 · DofLab