Fix 2D animation artifacts and simplify README

README.md

@@ -1,109 +1,29 @@
-# DriveIndUI – Drive Industrial UI
+# DriveIndUI — Drive Industrial UI
 
-DriveIndUI (Drive Industrial UI) – интерактивный прототип цифрового двойника автомобильного производства для Qostanai Industry Hackathon.
+Интерактивный прототип цифрового двойника автомобильного производства для кейса Allur на Qostanai Industry Hackathon. Помогает контролировать выполнение плана, находить узкие места и оценивать решения до изменения работы линии.
 
-**Производственный план управляет потоком:** 2 500 Onix + 1 800 Cobalt + 500 J7 = 4 800 машин при минимуме 5 500. Разрыв 700 показан явно. Календарь (по умолчанию 22 рабочих дня — допущение), две смены по 8 часов и целочисленные квоты задают заказ на выбранную смену. Каждая машина имеет модель; годный выпуск и НЗП резервируют её заказ. Для неназначенных 700 машин заказы не создаются. Можно распределить разрыв и сравнить сценарии.
+**[Открыть демо](https://zardol.github.io/DriveIndUI/)**
 
-**Публичная демонстрация:** https://zardol.github.io/DriveIndUI/
+## Возможности по ТЗ
 
-Публичная версия запускает тот же симулятор непосредственно в браузере. Сервер и вход в аккаунт не нужны. У каждого посетителя своя смена; обновление страницы начинает новую. Это самостоятельная демонстрация, а не подключение к заводскому оборудованию.
+- **Визуализация производства:** 3D-цех и 2D-схема, оборудование, движение каждого автомобиля и очереди на конвейере.
+- **Контроль показателей:** выпуск, загрузка, простои, качество и отклонения от плана.
+- **Производственный план:** месячные заказы Onix, Cobalt и J7, сменные квоты и выпуск по моделям.
+- **Инциденты:** журнал остановок и отображение их влияния на производственный поток.
+- **Управленческие решения:** сравнение продолжения работы, обслуживания окраски и увеличения мощности сборки по выпуску и простоям.
+- **ИИ-анализ:** оценка рисков простоев и узких мест через OpenAI с объяснением причин и рекомендациями.
 
-## Публичная и офлайн-версия
+## Данные и границы прототипа
 
-Интерфейс разделён по рабочим задачам:
+Использованы тестовые данные организатора: работа линий и качество за 1–2 октября, четыре остановки оборудования и месячный производственный план. В заказах распределено **4 800 из 5 500 автомобилей**; оставшиеся **700** показаны отдельно и не создаются в симуляции без назначения модели.
 
-| Страница | Что делать |
-| --- | --- |
-| **Обзор** | Следить за выпуском, отклонениями, участками и инцидентами; переходить к проблемному участку |
-| **Цех** | Осматривать 3D/2D, выбирать машины и оборудование, наблюдать очереди, загружать размещение |
-| **План** | Распределять месячные заказы, задавать календарь и применять квоты смены |
-| **Решения** | Сравнивать три варианта и оценивать результат до конца смены |
-| **Данные** | Проверять показатели кейса, импортировать JSON/CSV, изучать риски и методику |
-| **ИИ** | Анализировать риски простоев и узких мест через OpenAI, видеть основания и следующие действия |
+Исходные показатели отделены от расчётов. Прототип не подключён к оборудованию завода; планировка и часть параметров модели условны. ИИ помогает интерпретировать риски, но не является обученной и проверенной на заводских данных моделью отказов.
 
-Переходы сохраняют текущую смену, черновик плана, схему цеха, результаты сравнения, ИИ-анализ и выбранную запись истории. Адреса `#/overview`, `#/factory`, `#/plan`, `#/decisions`, `#/data`, `#/ai` работают на GitHub Pages и в офлайн-сборке. Перезагрузка страницы по-прежнему начинает новую браузерную сессию.
+Потенциальный эффект оценивается через изменение выпуска и простоя в сценариях и возможности снижения брака. Денежный эффект не рассчитывается: необходимых исходных данных нет.
 
-```sh
-npm ci
-npm run build:demo
-npm run preview:demo
-```
+## Материалы проекта
 
-Открыть `http://localhost:4173`. После установки зависимостей симуляция работает без интернета. Сборка находится в `dist/demo`; пути к ресурсам относительные, поэтому её можно разместить и в подпапке сайта. Симуляция не обращается к серверу. Вкладка «ИИ» обращается к отдельно настроенному серверу OpenAI только для проверки подключения и ручного анализа. Подключение, защита ключа и ограничения бюджета: [docs/AI.md](docs/AI.md).
-
-В Windows команда `pwsh -NoProfile -File scripts/package-demo.ps1` упаковывает готовую сборку в `.local/releases/DriveIndUI-offline.zip`. Архив включает статические ресурсы и небольшой сервер без npm-зависимостей. Его нужно полностью распаковать на ПК с Node.js 22+ и запустить `start-demo.cmd`, затем открыть `http://localhost:4175`. Устанавливать зависимости и подключаться к интернету не требуется.
-
-Краткий сценарий защиты: [docs/DEMO.md](docs/DEMO.md).
-
-## Запуск
-
-Нужен Node.js 22 или новее; для команды и CI используется Node.js 24. Команды выполняются из корня репозитория.
-
-```sh
-npm ci
-npm run dev
-```
-
-Открыть `http://localhost:5173`. Интерфейс Vite передаёт `/api` на сервер `http://127.0.0.1:3001`.
-
-Готовая сборка без сервера разработки:
-
-```sh
-npm run build
-npm start
-```
-
-Открыть `http://localhost:3001`. По умолчанию сервер слушает `0.0.0.0`; переменные `HOST` и `PORT` меняют адрес и порт. После установки зависимостей сборка и симуляция работают без интернета. Внешние шрифты и CDN не используются.
-
-## Проверки
-
-```sh
-npm run check
-```
-
-Команда запускает проверку типов, тесты Vitest и сборку. GitHub Actions выполняет те же проверки для Pull Request.
-
-## Возможности прототипа
-
-- Четыре производственных участка с входными буферами: сварка, окраска, сборка и контроль качества. Склад изображает источник комплектующих.
-- Три сценария кейса: без остановок, замена фильтра Камеры-02 на 40 минут и обрыв цепи Конвейера-03 на 55 минут. Начало на 20-й минуте — допущение, поскольку время события в PDF отсутствует.
-- Пауза, сброс, переключение сценария и ускорение времени в 1, 10 или 60 раз.
-- Импорт JSON-конфигурации: циклы, вместимость буферов, подача, длительность и план смены, вероятность брака, скорость ленты. Перед применением показываются параметры; новая смена начинается на паузе.
-- Отдельный режим «История производства»: проверка CSV, воспроизведение по записям, график и таблица, годный выпуск, брак, НЗП и простой. История остаётся в памяти вкладки и не отправляется серверу.
-- Выпуск, доля годных изделий, незавершённое производство, загрузка оборудования, простои и журнал инцидентов.
-- Оценка выпуска по текущему среднему темпу. Она не является прогнозом обученной ИИ-модели.
-- SVG-иллюстрации оборудования, кузова на постах, реальные очереди и анимация только работающего оборудования. Пауза и режим reduced motion останавливают анимацию.
-- «Фокус смены»: активный инцидент и самая большая входная очередь. Подробности участка открываются по нажатию или с клавиатуры.
-- 3D-цех на Three.js / React Three Fiber: объёмные роботы, окраска, сборочный подъёмник, контроль, складские стеллажи, рабочие зоны и освещение. Автомобили имеют объёмный силуэт и цвет модели; это условные представления, а не CAD-модели марок. Камеру можно вращать, приближать к участку, переключать на вид сверху и разворачивать сцену.
-- Каждая машина имеет постоянный ID и проходит весь конвейер: подъезд, обработку, ожидание и выход. Очереди накапливаются на самой линии без обгона; заполненный буфер блокирует предыдущий участок. Можно выбрать машину и следить за ней камерой.
-- Состояния, прогресс и очереди в 3D берутся из общего симулятора. Пауза, остановка оборудования, reduced motion и скрытая вкладка останавливают соответствующую анимацию. Экономный режим уменьшает нагрузку; 2D-схема остаётся доступной.
-- Загрузка локальной JSON-схемы размещения с проверкой границ и пересечений. Она не меняет производственные показатели. Форматы импорта: [docs/DATA-INTEGRATION.md](docs/DATA-INTEGRATION.md).
-- Сравнение трёх решений от текущего состояния до конца смены: продолжение работы, обслуживание окраски и резерв мощности сборки. Видны выпуск, изменение простоя, остаток в линии и отклонение от плана.
-- Настраиваемые длительности обслуживания и подготовки резерва. Расчёты выполняются на независимых копиях состояния; текущая смена не меняется. В браузерной версии расчёт вынесен в Web Worker.
-
-В серверном режиме каждый браузерный сеанс получает отдельную демонстрацию. Состояние хранится в памяти и удаляется через 30 минут без обращений; перезапуск сервера сбрасывает все сессии. Одновременно допускается до 50 сессий. После длительного сна компьютера симуляция не «догоняет» всё прошедшее время: один шаг учитывает не более пяти реальных секунд. В браузерном режиме фоновая вкладка может замедлять таймер; активный показ следует вести в открытой вкладке.
-
-Смена сценария и сброс обнуляют симуляцию, сохраняя конфигурацию, выбранную скорость и состояние воспроизведения. По завершении заданной смены симуляция останавливается; по умолчанию смена длится восемь часов. Обновление страницы публичного стенда возвращает конфигурацию тестового кейса. В серверном режиме конфигурация живёт до удаления сессии. Межсменный перенос НЗП пока не моделируется.
-
-Настройки RU / KZ / ENG, тёмная тема и управление камерой: [docs/INTERFACE.md](docs/INTERFACE.md).
-
-## Разработка
-
-| Область | Назначение |
-| --- | --- |
-| `apps/web` | React-интерфейс, 3D-цех, SVG-схема, графики |
-| `apps/server` | Fastify API, независимые сессии, таймер |
-| `packages/shared` | Общие типы и определения участков |
-| `packages/simulation` | Детерминированная модель производства и тесты |
-
-План и распределение задач: [docs/TASKS.md](docs/TASKS.md). Архитектура и API: [docs/ARCHITECTURE.md](docs/ARCHITECTURE.md).
-
-## Размещение
-
-GitHub Actions публикует браузерную сборку в GitHub Pages после изменения `main` и успешного `npm run check`. Настройки: `.github/workflows/pages.yml`. Публикация не заменяет локальную резервную сборку.
-
-`render.yaml` подготовлен для размещения полного серверного режима с OpenAI. Наличие файла не означает, что сервер уже развёрнут. Публичная вкладка «ИИ» подключается к отдельно настроенному HTTPS-серверу; API-ключ нельзя помещать в статическую сборку. Подробности: [docs/AI.md](docs/AI.md).
-
-Сравнение использует заранее заданные события сценария. Обслуживание гарантированно устраняет дальнейшие отказы окраски, а резерв моделируется удвоением скорости обработки на сборке после переналадки. Это допущения учебной модели, а не подтверждённый эффект на реальном заводе. Стоимость ресурсов и экономическая окупаемость пока не рассчитываются.
-
-Следующие этапы: уточнение календаря, начального НЗП, идеальных циклов и качества после ОТК; калибровка при появлении этих данных и материалы защиты. Правила и сценарные расчёты работают без внешней модели. API-помощник OpenAI анализирует наблюдения и предлагает проверяемые действия; обученной и валидированной на заводской телеметрии модели отказов пока нет.
+- [Соответствие ТЗ, исходные данные и ограничения](docs/CASE-DATA.md)
+- [Архитектура решения](docs/ARCHITECTURE.md)
+- [Сценарий демонстрации](docs/DEMO.md)
+- [Устройство и настройка ИИ-анализа](docs/AI.md)