import pandas as pd
from sklearn.ensemble import IsolationForest
import joblib
import pyodbc
from datetime import datetime, timedelta

print("--- INICIANDO SCRIPT DE ENTRENAMIENTO (BOBINAS DAÑADAS) ---")

# --- 1. Configuración ---
DB_SERVER = 'TECNICA3'
DB_DATABASE = 'SistemaGestion'
CONNECTION_STRING = f'DRIVER={{ODBC Driver 18 for SQL Server}};SERVER={DB_SERVER};DATABASE={DB_DATABASE};Trusted_Connection=yes;TrustServerCertificate=yes;'

MODEL_FILE = 'modelo_danadas.joblib'
CONTAMINATION_RATE = 0.02 # Un 2% de los días podrían tener una cantidad anómala de bobinas dañadas (ajustable)

# --- 2. Carga de Datos desde SQL Server ---
try:
    print(f"Conectando a la base de datos '{DB_DATABASE}' en '{DB_SERVER}'...")
    cnxn = pyodbc.connect(CONNECTION_STRING)
    
    fecha_limite = datetime.now() - timedelta(days=365)
    
    # << CAMBIO IMPORTANTE: Nueva consulta para contar bobinas marcadas como "Dañada" por día y planta >>
    # Asumimos que el estado "Dañada" tiene Id_EstadoBobina = 3 y el historial lo registra
    query = f"""
        SELECT 
            CAST(h.FechaMod AS DATE) as fecha,
            DATEPART(weekday, h.FechaMod) as dia_semana,
            h.Id_Planta as id_planta,
            COUNT(DISTINCT h.Id_Bobina) as cantidad_danadas
        FROM 
            bob_StockBobinas_H h
        WHERE
            h.Id_EstadoBobina = 3 -- Asumiendo que 3 es el ID del estado 'Dañada'
            AND h.TipoMod = 'Estado: Dañada' -- Filtra por el evento específico del cambio de estado
            AND h.FechaMod >= '{fecha_limite.strftime('%Y-%m-%d')}'
        GROUP BY
            CAST(h.FechaMod AS DATE),
            DATEPART(weekday, h.FechaMod),
            h.Id_Planta
    """
    print("Ejecutando consulta para obtener historial de bobinas dañadas...")
    df = pd.read_sql(query, cnxn)
    cnxn.close()

except Exception as e:
    print(f"Error al conectar o consultar la base de datos: {e}")
    exit()

if df.empty:
    print("No se encontraron datos de entrenamiento de bobinas dañadas en el último año. Saliendo.")
    exit()

# --- 3. Preparación de Datos ---
print(f"Preparando {len(df)} registros agregados para el entrenamiento...")
# Las características serán la planta, el día de la semana y la cantidad de bobinas dañadas ese día
features = ['id_planta', 'dia_semana', 'cantidad_danadas']
X = df[features]

# --- 4. Entrenamiento y Guardado ---
print(f"Entrenando el modelo de bobinas dañadas con tasa de contaminación de {CONTAMINATION_RATE}...")
model = IsolationForest(n_estimators=100, contamination=CONTAMINATION_RATE, random_state=42)
model.fit(X)
joblib.dump(model, MODEL_FILE)

print(f"--- ENTRENAMIENTO DE BOBINAS DAÑADAS COMPLETADO. Modelo guardado en '{MODEL_FILE}' ---")