refactor: step 3 - decompose ETL pipeline into modular services/scud_etl package

main_etl.py

@@ -1,248 +1,67 @@
-import os
+"""
+===============================================================================
+FILE: main_etl.py
+PROJECT: SCUD Orion AI (Unified Architecture)
+ROLE: Главная CLI-точка входа для запуска ежедневного контроллинга СКУД ⟷ 1С.
+
+AI-CONTEXT-ANCHORS:
+  - ANCHOR[MAIN_CLI_ENTRY]: Парсинг CLI-флагов и запуск конвейера.
+===============================================================================
+"""
+
 import sys
-import json
 import argparse
-import pandas as pd
+from datetime import datetime
-from datetime import datetime, timedelta
+from core.database import init_db, get_latest_snapshot_time
-
-sys.path.append(os.path.dirname(os.path.abspath(__file__)))
-
-from config import DATE_TODAY, DATE_YESTERDAY, OUTPUT_DIR, DATA_DIR, normalize_fio
-from services.scud_export import run_export
 from services.share_copier import copy_1c_files_from_share
 from services.data_validator import check_file_freshness
-from services.data_loader import load_1c_data_smart, load_scud_data
+from services.scud_export import run_export
-from services.excel_exporter import generate_summary_excel, generate_detailed_excel
+from services.scud_etl.pipeline import run_controlling_pipeline
-from services.ai_verifier import ai_verify_scud_against_staff, analyze_scud_mass_failure_ai
-from services.text_reporter import generate_markdown_report
-from services.feedback_loop import review_ai_decisions
-from services.knowledge_base import load_knowledge_base
-from core.database import (
-    init_db, 
-    save_scud_to_db, 
-    save_staff_to_db,
-    save_absences_to_db, 
-    save_anomalies_to_db,
-    load_scud_from_db_by_snapshot,
-    load_staff_from_db,
-    load_absences_from_db,
-    get_latest_snapshot_time,
-    has_scud_logs_for_date
-)
-
-
-def load_exceptions_config():
-    """Загружает файл exceptions.json из корня проекта."""
-    root_dir = os.path.dirname(os.path.abspath(__file__))
-    json_path = os.path.join(root_dir, "exceptions.json")
-    if not os.path.exists(json_path):
-        return {}
-    try:
-        with open(json_path, 'r', encoding='utf-8') as f:
-            return json.load(f)
-    except Exception as e:
-        print(f"[⚠️] Ошибка чтения exceptions.json: {e}")
-        return {}
-
-
-def apply_exceptions_from_json(df, exceptions_cfg):
-    """
-    Быстрая и эффективная разметка флага is_excluded=True на основе exceptions.json.
-    Выполняется мгновенно без цикличных HTTP-запросов к ИИ.
-    """
-    if df is None or df.empty or not exceptions_cfg:
-        if df is not None:
-            df['is_excluded'] = False
-        return df
-
-    deps = [d.strip().lower() for d in exceptions_cfg.get("departments", []) if d]
-    exact_pos = [p.strip().lower() for p in exceptions_cfg.get("positions", []) if p]
-    pos_kw = [k.strip().lower() for k in exceptions_cfg.get("position_keywords", []) if k]
-    exc_fios = [normalize_fio(f) for f in exceptions_cfg.get("fio", []) if f]
-
-    df['is_excluded'] = False
-
-    for idx, row in df.iterrows():
-        fio_clean = row.get('fio_clean', '')
-        dep_1c = str(row.get('Подразделение', '')).lower()
-        dep_scud = str(row.get('department_scud', row.get('department', ''))).lower()
-        pos = str(row.get('Должность', '')).lower()
-
-        is_fio_exc = fio_clean in exc_fios
-        is_pos_exc = (pos in exact_pos) or any(k in pos for k in pos_kw if k) if pos else False
-        
-        # Быстрая проверка отделов по подстрокам
-        is_dep_exc = False
-        if deps:
-            is_dep_exc = any(d in dep_1c or d in dep_scud for d in deps)
-
-        if is_fio_exc or is_dep_exc or is_pos_exc:
-            df.at[idx, 'is_excluded'] = True
-
-    return df
-
-
-def filter_report_dataframe(merged_df):
-    """
-    Исключает сотрудников из списка исключений и сотрудников без пропуска из детального отчета,
-    ЕСЛИ у них нет официального документа отсутствия из 1С:ЗУП.
-    """
-    if merged_df is None or merged_df.empty:
-        return merged_df
-
-    has_1c_reason = (
-        merged_df['Вид_отсутствия'].notna() & 
-        (merged_df['Вид_отсутствия'].astype(str).str.strip() != '') & 
-        (~merged_df['Вид_отсутствия'].astype(str).str.startswith('Исключение'))
-    )
-    is_not_excluded = merged_df.get('is_excluded', False) == False
-    is_not_no_pass = merged_df.get('no_scud_pass', False) == False
-
-    filtered_df = merged_df[(is_not_excluded & is_not_no_pass) | has_1c_reason].copy()
-    return filtered_df
-
-
-def load_static_reason_workers():
-    """Загружает реестр удалёнщиков и статических причин из CSV."""
-    static_path = os.path.join(DATA_DIR, "static_reason_workers.csv")
-    if not os.path.exists(static_path):
-        return {}
-    try:
-        df_static = pd.read_csv(static_path, encoding='utf-8')
-        if 'fio' in df_static.columns and 'reason' in df_static.columns:
-            df_static['fio_clean'] = df_static['fio'].apply(normalize_fio)
-            return dict(zip(df_static['fio_clean'], df_static['reason']))
-    except Exception as e:
-        print(f"[⚠️] Ошибка чтения static_reason_workers.csv: {e}")
-    return {}
-
-
-def detect_all_anomalies(merged_df, static_reasons_dict, kb_rules, scud_fios_set=None):
-    """
-    Автоматически выявляет истинные аномалии СКУД ⟷ 1С.
-    """
-    anomalies = []
-    kb_rules_text = " ".join(kb_rules).lower() if kb_rules else ""
-
-    ALLOWED_WORK_TRIP_KEYWORDS = ['командировк', 'разъездн', 'поездк']
-
-    for idx, row in merged_df.iterrows():
-        fio = row.get('Сотрудник', row.get('fio_clean', ''))
-        fio_clean = row.get('fio_clean', '')
-        is_present = row.get('Пришел', False)
-        is_exc = row.get('is_excluded', False)
-        reason_1c = str(row.get('Вид_отсутствия', '')).strip()
-        has_1c_reason = pd.notna(row.get('Вид_отсутствия')) and reason_1c != '' and not reason_1c.startswith('Исключение')
-        anom_flag = row.get('anomaly_flag', 'NONE')
-
-        is_fio_whitelisted_in_kb = fio_clean.lower() in kb_rules_text
-
-        if is_present and has_1c_reason:
-            reason_lower = reason_1c.lower()
-            is_allowed_trip = any(kw in reason_lower for kw in ALLOWED_WORK_TRIP_KEYWORDS)
-
-            if not is_allowed_trip and not is_fio_whitelisted_in_kb:
-                anomalies.append({
-                    "type": "ФИЗИЧЕСКОЕ ПРИСУТСТВИЕ ПРИ ОФИЦИАЛЬНОМ ОТСУТСТВИИ",
-                    "fio": fio,
-                    "details": f"Сотрудник пришел по СКУД, но в 1С оформлен документ: '{reason_1c}'"
-                })
-
-        if is_exc and not has_1c_reason:
-            continue
-
-        if anom_flag == 'ANOMALY_NO_IN_HAS_ACTIVITY':
-            first_act = row.get('Первая_активность', '—')
-            anomalies.append({
-                "type": "АНОМАЛИЯ СКУД: ПЕРЕМЕЩЕНИЕ БЕЗ ВХОДА",
-                "fio": fio,
-                "details": f"Отсутствует регистрация входа на КПП при зафиксированной первой активности в {first_act}"
-            })
-
-        if scud_fios_set is not None:
-            if fio_clean not in scud_fios_set and not has_1c_reason:
-                anomalies.append({
-                    "type": "АНОМАЛИЯ УЧЕТА: СОТРУДНИК ОТСУТСТВУЕТ В СКУД ОРИОН PRO",
-                    "fio": fio,
-                    "details": f"Сотрудник числится в Штатном расписании 1С ({row.get('Подразделение', '—')}), но полностью отсутствует в базе СКУД Орион Pro (профиль не создан или карта не выдана)"
-                })
-
-    return anomalies
-
-
-def aggregate_scud_by_employee(df, debug=False):
-    """Агрегирует проходы СКУД по уникальным сотрудникам."""
-    if df is None or df.empty or 'fio_clean' not in df.columns:
-        return df
-
-    aggregated = []
-    for fio_clean, group in df.groupby('fio_clean', sort=False):
-        is_present = group['Пришел'].any() if 'Пришел' in group.columns else False
-        
-        if is_present and 'Пришел' in group.columns:
-            present_rows = group[group['Пришел'] == True]
-            best_row = present_rows.iloc[0].to_dict() if not present_rows.empty else group.iloc[0].to_dict()
-        else:
-            best_row = group.iloc[0].to_dict()
-
-        best_row['Пришел'] = is_present
-        aggregated.append(best_row)
-
-    return pd.DataFrame(aggregated)
 
 
+# ANCHOR[MAIN_CLI_ENTRY]
 def main():
     help_text = """
-Система автоматизированного контроллинга СКУД ⟷ 1С:ЗУП (scud_orion_ai_v2)
+Система автоматизированного контроллинга СКУД ⟷ 1С:ЗУП (scud_orion_ai)
 
 ПРИМЕРЫ ЗАПУСКА:
-  python main.py                                      -- Обычный дневной запуск
+  python main_etl.py                                  -- Обычный дневной запуск
-  python main.py --skip-export                         -- Расчет отчета по ПОСЛЕДНЕМУ имеющемуся снапшоту из SQLite
+  python main_etl.py --skip-export                     -- Расчет отчета по ПОСЛЕДНЕМУ имеющемуся снапшоту из SQLite
-  python main.py --snapshot 20260805-001              -- Расчет отчета строго по ID снапшота
+  python main_etl.py --snapshot 20260820-001          -- Расчет отчета строго по ID снапшота
-  python main.py -d                                   -- Запуск в режиме расширенной отладки (DEBUG)
+  python main_etl.py -d                               -- Запуск в режиме расширенной отладки (DEBUG)
 """
-    parser = argparse.ArgumentParser(
+    parser = argparse.ArgumentParser(description=help_text, formatter_class=argparse.RawDescriptionHelpFormatter)
-        description=help_text,
+    parser.add_argument('-d', '--debug', action='store_true', help="Режим отладки (DEBUG)")
-        formatter_class=argparse.RawDescriptionHelpFormatter
+    parser.add_argument('--skip-export', action='store_true', help="Расчет отчета по последнему снапшоту из SQLite")
-    )
+    parser.add_argument('--snapshot', type=str, default=None, help="ID конкретного снапшота")
-    parser.add_argument('-d', '--debug', action='store_true', help="Запуск в режиме отладки с выводом подробных логов")
-    parser.add_argument('--skip-export', action='store_true', help="Пропустить выгрузку СКУД из MS SQL и построить отчет по последнему снапшоту")
-    parser.add_argument('--snapshot', type=str, default=None, help="Составной ID снапшота или время создания")
 
     args = parser.parse_args()
-    DEBUG = args.debug
-
     print("=" * 60)
-    print(f"ЗАПУСК СИСТЕМЫ МОДУЛЬНОГО КОНТРОЛЛИНГА СКУД ⟷ 1С {'[DEBUG MODE]' if DEBUG else ''}")
+    print(f"ЗАПУСК СИСТЕМЫ МОДУЛЬНОГО КОНТРОЛЛИНГА СКУД ⟷ 1С {'[DEBUG MODE]' if args.debug else ''}")
     print("=" * 60)
 
     init_db()
-    kb_data = load_knowledge_base()
-    kb_rules = kb_data.get("rules", [])
-    exceptions_cfg = load_exceptions_config()
 
+    # Определение режима работы и вывод статусов
     if args.snapshot:
-        snapshot_param = args.snapshot
+        print(f"[📸] РЕЖИМ СНАПШОТА: Расчет отчета строго по срезу '{args.snapshot}'")
-        print(f"[📸] РЕЖИМ СНАПШОТА: Расчет отчета строго по срезу '{snapshot_param}'")
     elif args.skip_export:
-        snapshot_param = get_latest_snapshot_time()
+        last_snap = get_latest_snapshot_time()
-        print(f"[📸] РЕЖИМ --skip-export: Используем последний снапшот из SQLite ('{snapshot_param}')")
+        print(f"[📸] РЕЖИМ --skip-export: Используем последний снапшот из SQLite ('{last_snap}')")
     else:
-        snapshot_param = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+        current_snap = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
-        print(f"[📸] СФОРМИРОВАН НОВЫЙ СНАПШОТ: '{snapshot_param}'")
+        print(f"[📸] СФОРМИРОВАН НОВЫЙ СНАПШОТ: '{current_snap}'")
 
+    has_today_1c = True
+
+    # Прямой экспорт и проверка сетевой шары (если не режим снапшотов)
     if not args.skip_export and not args.snapshot:
         try:
-            run_export(save_xlsx=True, debug=DEBUG)
+            run_export(save_xlsx=True, debug=args.debug)
         except Exception as e:
-            print(f"[⚠️] Ошибка автоэкспорта из БД: {e}. Переходим к записям в SQLite.")
+            print(f"[⚠️] Ошибка автоэкспорта из MS SQL: {e}. Переходим к записям SQLite.")
-    else:
-        print("[0/5] Пропуск прямого экспорта из MS SQL (чтение из базы SQLite)...")
 
-    # ⚡️ ПРОВЕРКА ШАРЫ ТОЛЬКО ДЛЯ ОБЫЧНОГО ДНЕВНОГО ЗАПУСКА
-    if not args.snapshot and not args.skip_export:
         copy_1c_files_from_share()
-
         print("[1/5] Проверка актуальности и свежести входных данных...")
         is_valid, warnings, errors, has_today_1c = check_file_freshness()
 
@@ -253,320 +72,23 @@ def main():
             print("-" * 45)
 
         if not is_valid:
-            print("\n" + "!" * 60)
+            print("🛑 ОСТАНОВКА: Отсутствуют критически важные файлы за вчера!")
-            print("🛑 ОСТАНОВКА ВЫПОЛНЕНИЯ: Отсутствуют критически важные файлы за вчерашний день!")
             for e in errors:
                 print(f"  {e}")
-            print("!" * 60)
             sys.exit(1)
-
         print("[✓] Проверка доступности данных успешно пройдена!\n")
     else:
+        print("[0/5] Пропуск прямого экспорта из MS SQL (чтение из базы SQLite)...")
         print("[1/5] Пропуск проверки сетевой шары (все данные читаются из SQLite)...")
-        has_today_1c = True
 
-    print("[2/5] Загрузка данных из СКУД, 1С:ЗУП, реестра причин и исключений...")
+    # Запуск конвейера
-    
+    run_controlling_pipeline(
-    # 🎯 ВЫЧИСЛЕНИЕ ДАТ СНАПШОТА И ДАТ НАКАНУНЕ
+        snapshot_param=args.snapshot, 
-    if args.snapshot or args.skip_export:
+        skip_export=args.skip_export, 
-        raw_scud_today_df = load_scud_from_db_by_snapshot(None, snapshot_param=snapshot_param)
+        debug=args.debug, 
-        
+        has_today_1c=has_today_1c
-        if not raw_scud_today_df.empty and 'log_date' in raw_scud_today_df.columns:
-            target_date_str = str(raw_scud_today_df['log_date'].iloc[0])
-        else:
-            target_date_str = DATE_TODAY
-
-        dt_target = datetime.strptime(target_date_str, "%d.%m.%Y")
-        if dt_target.weekday() == 0:  # Понедельник -> Пятница
-            dt_yesterday = dt_target - timedelta(days=3)
-        else:
-            dt_yesterday = dt_target - timedelta(days=1)
-        yesterday_date_str = dt_yesterday.strftime("%d.%m.%Y")
-
-        print(f"[📸] СНАПШОТ ОПРЕДЕЛЕН: Целевая дата = {target_date_str}, Накануне = {yesterday_date_str}")
-
-        raw_scud_yesterday_df = load_scud_from_db_by_snapshot(yesterday_date_str, snapshot_param=None)
-
-        # Гарантированная загрузка кадров 1С за обе даты (БД + локальный фолбэк)
-        df_staff_today, df_absent_today = load_1c_data_smart(target_date_str, use_db=True)
-        df_staff_yesterday, df_absent_yesterday = load_1c_data_smart(yesterday_date_str, use_db=True)
-    else:
-        target_date_str = DATE_TODAY
-        yesterday_date_str = DATE_YESTERDAY
-
-        raw_scud_today_df = load_scud_from_db_by_snapshot(target_date_str, snapshot_param=snapshot_param)
-        raw_scud_yesterday_df = load_scud_from_db_by_snapshot(yesterday_date_str, snapshot_param=None)
-
-        df_staff_today, df_absent_today = load_1c_data_smart(DATE_TODAY, use_db=False)
-        df_staff_yesterday, df_absent_yesterday = load_1c_data_smart(DATE_YESTERDAY, use_db=False)
-
-    if df_staff_yesterday is not None:
-        save_staff_to_db(df_staff_yesterday, yesterday_date_str)
-    if df_absent_yesterday is not None:
-        save_absences_to_db(df_absent_yesterday, yesterday_date_str)
-
-    if df_staff_today is not None:
-        save_staff_to_db(df_staff_today, target_date_str)
-    if df_absent_today is not None:
-        save_absences_to_db(df_absent_today, target_date_str)
-
-    staff_fios_yesterday_clean = df_staff_yesterday['fio_clean'].dropna().tolist() if df_staff_yesterday is not None else []
-    static_reasons_dict = load_static_reason_workers()
-
-    # ============================================================
-    # 🎯 ЧАСТЬ 1: ДЕТАЛЬНЫЙ ОТЧЕТ ЗА ВЧЕРА (ДЕНЬ НАКАНУНЕ)
-    # ============================================================
-    print(f"\n[3/5] Обработка и построение детального отчета за ВЧЕРА ({yesterday_date_str})...")
-    
-    if not raw_scud_yesterday_df.empty and 'Пришел' not in raw_scud_yesterday_df.columns:
-        raw_scud_yesterday_df['Пришел'] = raw_scud_yesterday_df['is_present'].astype(int) == 1 if 'is_present' in raw_scud_yesterday_df.columns else False
-
-    scud_yesterday_unrecognized = raw_scud_yesterday_df[~raw_scud_yesterday_df['fio_clean'].isin(staff_fios_yesterday_clean)]['fio_clean'].tolist() if not raw_scud_yesterday_df.empty else []
-    
-    fio_mapping_scud_y = ai_verify_scud_against_staff(scud_yesterday_unrecognized, staff_fios_yesterday_clean)
-    if fio_mapping_scud_y:
-        raw_scud_yesterday_df['fio_clean'] = raw_scud_yesterday_df['fio_clean'].apply(
-            lambda x: fio_mapping_scud_y[x]['staff_fio'] if x in fio_mapping_scud_y else x
     )
 
-    if df_absent_yesterday is not None and not df_absent_yesterday.empty:
-        absent_unrecognized_yesterday = df_absent_yesterday[~df_absent_yesterday['fio_clean'].isin(staff_fios_yesterday_clean)]['fio_clean'].tolist()
-        if absent_unrecognized_yesterday:
-            fio_mapping_absent_y = ai_verify_scud_against_staff(absent_unrecognized_yesterday, staff_fios_yesterday_clean)
-            if fio_mapping_absent_y:
-                df_absent_yesterday['fio_clean'] = df_absent_yesterday['fio_clean'].apply(
-                    lambda x: fio_mapping_absent_y[x]['staff_fio'] if x in fio_mapping_absent_y else x
-                )
-
-    raw_scud_yesterday_df = aggregate_scud_by_employee(raw_scud_yesterday_df, debug=DEBUG)
-
-    # ⭐️ ФОРМИРУЕМ МЕРДЖ ИСКЛЮЧИТЕЛЬНО НА БАЗЕ ШТАТА ЗА ПРОШЛЫЙ ДЕНЬ
-    merged_yesterday = df_staff_yesterday.copy() if (df_staff_yesterday is not None and not df_staff_yesterday.empty) else (df_staff_today.copy() if df_staff_today is not None else pd.DataFrame())
-
-    if not merged_yesterday.empty:
-        if not raw_scud_yesterday_df.empty:
-            if 'Подразделение' in raw_scud_yesterday_df.columns:
-                raw_scud_yesterday_df['department_scud'] = raw_scud_yesterday_df['Подразделение']
-            elif 'department' in raw_scud_yesterday_df.columns:
-                raw_scud_yesterday_df['department_scud'] = raw_scud_yesterday_df['department']
-            else:
-                raw_scud_yesterday_df['department_scud'] = ''
-
-            merged_yesterday = merged_yesterday.merge(
-                raw_scud_yesterday_df[['fio_clean', 'Пришел', 'Начало_дня', 'Первая_активность', 'Конец_дня', 'Находился_в_здании', 'anomaly_flag', 'department_scud']], 
-                on='fio_clean', how='left'
-            )
-        
-        if 'Вид_отсутствия' in merged_yesterday.columns:
-            merged_yesterday = merged_yesterday.drop(columns=['Вид_отсутствия'])
-
-        # Присоединяем отсутствия СТРОГО за дату yesterday_date_str
-        if df_absent_yesterday is not None and not df_absent_yesterday.empty:
-            merged_yesterday = merged_yesterday.merge(
-                df_absent_yesterday[['fio_clean', 'Вид_отсутствия']], 
-                on='fio_clean', 
-                how='left'
-            )
-
-    if 'Пришел' not in merged_yesterday.columns:
-        merged_yesterday['Пришел'] = False
-    else:
-        merged_yesterday['Пришел'] = merged_yesterday['Пришел'].fillna(False)
-
-    if 'Сотрудник' not in merged_yesterday.columns:
-        merged_yesterday['Сотрудник'] = merged_yesterday.get('ФИО', merged_yesterday['fio_clean'])
-
-    if static_reasons_dict:
-        for fio_clean, reason_val in static_reasons_dict.items():
-            mask_yesterday = (
-                (merged_yesterday['Пришел'] == False) & 
-                (merged_yesterday['Вид_отсутствия'].isna() | (merged_yesterday['Вид_отсутствия'].astype(str).str.strip() == '')) & 
-                (merged_yesterday['fio_clean'] == fio_clean)
-            )
-            merged_yesterday.loc[mask_yesterday, 'Вид_отсутствия'] = reason_val
-
-    merged_yesterday = apply_exceptions_from_json(merged_yesterday, exceptions_cfg)
-    mask_exc_yesterday = (
-        (merged_yesterday['Пришел'] == False) & 
-        (merged_yesterday['Вид_отсутствия'].isna() | (merged_yesterday['Вид_отсутствия'].astype(str).str.strip() == '')) & 
-        (merged_yesterday.get('is_excluded', False) == True)
-    )
-    merged_yesterday.loc[mask_exc_yesterday, 'Вид_отсутствия'] = 'Исключение (ОВК/Подрядчики)'
-
-    scud_fios_yesterday_set = set(raw_scud_yesterday_df['fio_clean'].dropna().tolist()) if not raw_scud_yesterday_df.empty else set()
-    merged_yesterday['no_scud_pass'] = (
-        (~merged_yesterday['fio_clean'].isin(scud_fios_yesterday_set)) & 
-        (merged_yesterday['Вид_отсутствия'].isna() | (merged_yesterday['Вид_отсутствия'].astype(str).str.strip() == '')) & 
-        (merged_yesterday.get('is_excluded', False) == False)
-    )
-
-    anomalies_yesterday_list = detect_all_anomalies(merged_yesterday, static_reasons_dict, kb_rules, scud_fios_set=scud_fios_yesterday_set)
-    save_anomalies_to_db(anomalies_yesterday_list, yesterday_date_str)
-
-    filtered_yesterday = filter_report_dataframe(merged_yesterday)
-    generate_detailed_excel(merged_df=filtered_yesterday, date_str=yesterday_date_str)
-
-    yesterday_dt_obj = datetime.strptime(yesterday_date_str, "%d.%m.%Y")
-    yesterday_22_str = yesterday_dt_obj.strftime("%Y-%m-%d 22:00:00")
-    save_scud_to_db(merged_yesterday, yesterday_date_str, snapshot_time=yesterday_22_str, is_yesterday=True)
-    print(f"[✓] Детальный отчет за вчера сформирован и зафиксирован в SQLite за {yesterday_date_str}")
-
-    # ============================================================
-    # 🎯 ЧАСТЬ 2: ЕЖЕДНЕВНАЯ СВОДКА (ЗА ЦЕЛЕВОЙ ДЕНЬ СНАПШОТА)
-    # ============================================================
-    if not args.snapshot and not args.skip_export:
-        save_scud_to_db(raw_scud_today_df, target_date_str, snapshot_time=snapshot_param, is_yesterday=False)
-
-    if has_today_1c and df_staff_today is not None and df_absent_today is not None:
-        print(f"\n[4/5] Обработка и построение Ежедневной сводки за {target_date_str}...")
-        staff_fios_today_clean = df_staff_today['fio_clean'].dropna().tolist()
-
-        if not raw_scud_today_df.empty and 'Пришел' not in raw_scud_today_df.columns:
-            raw_scud_today_df['Пришел'] = raw_scud_today_df['is_present'].astype(int) == 1 if 'is_present' in raw_scud_today_df.columns else False
-
-        scud_unrecognized = raw_scud_today_df[~raw_scud_today_df['fio_clean'].isin(staff_fios_today_clean)]['fio_clean'].tolist() if not raw_scud_today_df.empty else []
-        fio_mapping_scud = ai_verify_scud_against_staff(scud_unrecognized, staff_fios_today_clean)
-        if fio_mapping_scud:
-            raw_scud_today_df['fio_clean'] = raw_scud_today_df['fio_clean'].apply(
-                lambda x: fio_mapping_scud[x]['staff_fio'] if x in fio_mapping_scud else x
-            )
-
-        absent_unrecognized_today = df_absent_today[~df_absent_today['fio_clean'].isin(staff_fios_today_clean)]['fio_clean'].tolist()
-        if absent_unrecognized_today:
-            fio_mapping_absent = ai_verify_scud_against_staff(absent_unrecognized_today, staff_fios_today_clean)
-            if fio_mapping_absent:
-                df_absent_today['fio_clean'] = df_absent_today['fio_clean'].apply(
-                    lambda x: fio_mapping_absent[x]['staff_fio'] if x in fio_mapping_absent else x
-                )
-
-        raw_scud_today_df = aggregate_scud_by_employee(raw_scud_today_df, debug=DEBUG)
-
-        merged_today = df_staff_today.copy()
-        if not raw_scud_today_df.empty:
-            if 'Подразделение' in raw_scud_today_df.columns:
-                raw_scud_today_df['department_scud'] = raw_scud_today_df['Подразделение']
-            elif 'department' in raw_scud_today_df.columns:
-                raw_scud_today_df['department_scud'] = raw_scud_today_df['department']
-            else:
-                raw_scud_today_df['department_scud'] = ''
-
-            merged_today = merged_today.merge(
-                raw_scud_today_df[['fio_clean', 'Пришел', 'Начало_дня', 'Первая_активность', 'Конец_дня', 'Находился_в_здании', 'anomaly_flag', 'department_scud']], 
-                on='fio_clean', how='left'
-            )
-        
-        if df_absent_today is not None and not df_absent_today.empty:
-            merged_today = merged_today.merge(df_absent_today[['fio_clean', 'Вид_отсутствия']], on='fio_clean', how='left')
-
-        if 'Пришел' not in merged_today.columns:
-            merged_today['Пришел'] = False
-        else:
-            merged_today['Пришел'] = merged_today['Пришел'].fillna(False)
-
-        if 'Сотрудник' not in merged_today.columns:
-            merged_today['Сотрудник'] = merged_today.get('ФИО', merged_today['fio_clean'])
-
-        if static_reasons_dict:
-            for fio_clean, reason_val in static_reasons_dict.items():
-                mask_today = (
-                    (merged_today['Пришел'] == False) & 
-                    (merged_today['Вид_отсутствия'].isna() | (merged_today['Вид_отсутствия'].astype(str).str.strip() == '')) & 
-                    (merged_today['fio_clean'] == fio_clean)
-                )
-                merged_today.loc[mask_today, 'Вид_отсутствия'] = reason_val
-
-        merged_today = apply_exceptions_from_json(merged_today, exceptions_cfg)
-        mask_exc_today = (
-            (merged_today['Пришел'] == False) & 
-            (merged_today['Вид_отсутствия'].isna() | (merged_today['Вид_отсутствия'].astype(str).str.strip() == '')) & 
-            (merged_today.get('is_excluded', False) == True)
-        )
-        merged_today.loc[mask_exc_today, 'Вид_отсутствия'] = 'Исключение (ОВК/Подрядчики)'
-
-        scud_fios_today_set = set(raw_scud_today_df['fio_clean'].dropna().tolist()) if not raw_scud_today_df.empty else set()
-        merged_today['no_scud_pass'] = (
-            (~merged_today['fio_clean'].isin(scud_fios_today_set)) & 
-            (merged_today['Вид_отсутствия'].isna() | (merged_today['Вид_отсутствия'].astype(str).str.strip() == '')) & 
-            (merged_today.get('is_excluded', False) == False)
-        )
-
-        scud_fios_set = set(raw_scud_today_df['fio_clean'].dropna().tolist()) if not raw_scud_today_df.empty else set()
-        anomalies_list = detect_all_anomalies(merged_today, static_reasons_dict, kb_rules, scud_fios_set=scud_fios_set)
-
-        mass_failure_today = analyze_scud_mass_failure_ai(raw_scud_today_df)
-        if mass_failure_today and mass_failure_today.get("is_mass_failure"):
-            print("\n" + "!" * 60)
-            print(f"🚨 ВНИМАНИЕ! ИИ ОБНАРУЖИЛ ОПЕРАТИВНЫЙ СБОЙ ТУРНИКЕТОВ ВХОДА СЕГОДНЯ ({mass_failure_today['anomaly_percent']}% СМЕНЫ)")
-            print(mass_failure_today["alert_text"])
-            print("!" * 60 + "\n")
-
-        save_anomalies_to_db(anomalies_list, target_date_str)
-
-        is_no_pass_today = merged_today['no_scud_pass'] == True if 'no_scud_pass' in merged_today.columns else False
-        is_exc_today = merged_today.get('is_excluded', False) == True
-
-        absent_explained = merged_today[
-            (merged_today['Пришел'] == False) & 
-            (merged_today['Вид_отсутствия'].notna()) & 
-            (~merged_today['Вид_отсутствия'].astype(str).str.startswith('Исключение'))
-        ]
-
-        absent_unexplained = merged_today[
-            (merged_today['Пришел'] == False) & 
-            (merged_today['Вид_отсутствия'].isna() | (merged_today['Вид_отсутствия'].astype(str).str.strip() == '')) & 
-            (~is_no_pass_today) & 
-            (~is_exc_today)
-        ]
-
-        scud_present_but_absent_in_1c = merged_today[
-            (~is_exc_today) & 
-            (merged_today['Пришел'] == True) & 
-            (merged_today['Вид_отсутствия'].notna()) & 
-            (~merged_today['Вид_отсутствия'].astype(str).str.startswith('Исключение'))
-        ]
-
-        print("[5/5] Запуск ИИ-аудитора и построение Ежедневной сводки...")
-        filtered_anomalies_list = [
-            a for a in anomalies_list 
-            if "ОТСУТСТВУЕТ В СКУД" not in a.get('type', '')
-        ]
-
-        report_text = generate_markdown_report(
-            merged_df=merged_today,
-            absent_explained=absent_explained,
-            absent_unexplained=absent_unexplained,
-            scud_present_but_absent_in_1c=scud_present_but_absent_in_1c,
-            anomalies_list=filtered_anomalies_list,
-            raw_scud_df=raw_scud_today_df,
-            raw_absent_df=df_absent_today,
-            date_str=target_date_str
-        )
-
-        generate_summary_excel(merged_df=merged_today, date_str=target_date_str)
-
-        md_report_path = os.path.join(OUTPUT_DIR, f"Сводка_контроллинга_{target_date_str}.md")
-        with open(md_report_path, "w", encoding="utf-8") as f:
-            f.write(report_text)
-        print(f"\n[✓] Текстовый отчет сохранен в: {md_report_path}")
-
-        suspicious_cases = []
-        for a in anomalies_list:
-            if "ОФИЦИАЛЬНОМ ОТСУТСТВИИ" not in a.get('type', ''):
-                suspicious_cases.append({
-                    'fio_target': a['fio'],
-                    'reason': f"{a['type']}: {a['details']}"
-                })
-                
-        if suspicious_cases:
-            review_ai_decisions(report_text, suspicious_cases)
-
-        print("\n" + "=" * 60)
-        print("ГОТОВАЯ ТЕКСТОВАЯ СВОДКА ИИ-АУДИТОРА:")
-        print("=" * 60)
-        print(report_text)
-    else:
-        print(f"\n[ℹ️] Формирование Ежедневной сводки за {target_date_str} ПРОПУЩЕНО.")
-
 
 if __name__ == "__main__":
     main()

services/scud_etl/anomaly_detector.py

@@ -0,0 +1,72 @@
+"""
+===============================================================================
+FILE: services/scud_etl/anomaly_detector.py
+PROJECT: SCUD Orion AI (Unified Architecture)
+MODULE: services / scud_etl
+ROLE: Автоматическое выявление аномалий и конфликтов между 1С:ЗУП и СКУД.
+
+AI-CONTEXT-ANCHORS:
+  - ANCHOR[ANOMALY_DETECTOR_CORE]: Проверка физического присутствия в отпуске и перемещений без входа.
+===============================================================================
+"""
+
+import pandas as pd
+from typing import List, Dict, Any, Optional
+
+ALLOWED_WORK_TRIP_KEYWORDS = ['командировк', 'разъездн', 'поездк']
+
+
+# ANCHOR[ANOMALY_DETECTOR_CORE]
+def detect_all_anomalies(
+    merged_df: pd.DataFrame, 
+    static_reasons_dict: dict, 
+    kb_rules: List[str], 
+    scud_fios_set: Optional[set] = None
+) -> List[Dict[str, Any]]:
+    """Выявляет конфликты и аномалии между источниками СКУД и 1С."""
+    anomalies = []
+    kb_rules_text = " ".join(kb_rules).lower() if kb_rules else ""
+
+    for idx, row in merged_df.iterrows():
+        fio = row.get('Сотрудник', row.get('fio_clean', ''))
+        fio_clean = row.get('fio_clean', '')
+        is_present = row.get('Пришел', False)
+        is_exc = row.get('is_excluded', False)
+        reason_1c = str(row.get('Вид_отсутствия', '')).strip()
+        has_1c_reason = pd.notna(row.get('Вид_отсутствия')) and reason_1c != '' and not reason_1c.startswith('Исключение')
+        anom_flag = row.get('anomaly_flag', 'NONE')
+
+        is_fio_whitelisted = fio_clean.lower() in kb_rules_text
+
+        # 1. Присутствие при официальном отсутствии
+        if is_present and has_1c_reason:
+            is_allowed_trip = any(kw in reason_1c.lower() for kw in ALLOWED_WORK_TRIP_KEYWORDS)
+            if not is_allowed_trip and not is_fio_whitelisted:
+                anomalies.append({
+                    "type": "ФИЗИЧЕСКОЕ ПРИСУТСТВИЕ ПРИ ОФИЦИАЛЬНОМ ОТСУТСТВИИ",
+                    "fio": fio,
+                    "details": f"Сотрудник пришел по СКУД, но в 1С оформлен документ: '{reason_1c}'"
+                })
+
+        if is_exc and not has_1c_reason:
+            continue
+
+        # 2. Перемещение внутри здания без отметки входа на КПП
+        if anom_flag == 'ANOMALY_NO_IN_HAS_ACTIVITY':
+            first_act = row.get('Первая_активность', '—')
+            anomalies.append({
+                "type": "АНОМАЛИЯ СКУД: ПЕРЕМЕЩЕНИЕ БЕЗ ВХОДА",
+                "fio": fio,
+                "details": f"Отсутствует регистрация входа на КПП при зафиксированной первой активности в {first_act}"
+            })
+
+        # 3. Сотрудник в штате 1С, но карты/профиля в СКУД нет
+        if scud_fios_set is not None:
+            if fio_clean not in scud_fios_set and not has_1c_reason:
+                anomalies.append({
+                    "type": "АНОМАЛИЯ УЧЕТА: СОТРУДНИК ОТСУТСТВУЕТ В СКУД ОРИОН PRO",
+                    "fio": fio,
+                    "details": f"Сотрудник числится в Штатном расписании 1С ({row.get('Подразделение', '—')}), но отсутствует в СКУД"
+                })
+
+    return anomalies

services/scud_etl/merger.py

@@ -0,0 +1,114 @@
+"""
+===============================================================================
+FILE: services/scud_etl/merger.py
+PROJECT: SCUD Orion AI (Unified Architecture)
+MODULE: services / scud_etl
+ROLE: Агрегация проходов, сопоставление исключений и мердж таблиц 1С:ЗУП и СКУД.
+
+AI-CONTEXT-ANCHORS:
+  - ANCHOR[MERGER_EXCEPTIONS]: Наложение флага исключений из exceptions.json.
+  - ANCHOR[MERGER_AGGREGATION]: Агрегация множественных проходов до уникального ФИО.
+  - ANCHOR[MERGER_BUILD_DATASET]: Сборка итогового датасета для сводок и отчетов.
+===============================================================================
+"""
+
+import os
+import json
+import pandas as pd
+from config import normalize_fio, DATA_DIR
+
+
+# ANCHOR[MERGER_EXCEPTIONS]
+def load_exceptions_config() -> dict:
+    """Загружает exceptions.json из корня проекта."""
+    root_dir = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../"))
+    json_path = os.path.join(root_dir, "exceptions.json")
+    if not os.path.exists(json_path):
+        return {}
+    try:
+        with open(json_path, 'r', encoding='utf-8') as f:
+            return json.load(f)
+    except Exception:
+        return {}
+
+
+def apply_exceptions_from_json(df: pd.DataFrame, exceptions_cfg: dict) -> pd.DataFrame:
+    """Быстрая разметка флага is_excluded на основе exceptions.json."""
+    if df is None or df.empty or not exceptions_cfg:
+        if df is not None:
+            df['is_excluded'] = False
+        return df
+
+    deps = [d.strip().lower() for d in exceptions_cfg.get("departments", []) if d]
+    exact_pos = [p.strip().lower() for p in exceptions_cfg.get("positions", []) if p]
+    pos_kw = [k.strip().lower() for k in exceptions_cfg.get("position_keywords", []) if k]
+    exc_fios = [normalize_fio(f) for f in exceptions_cfg.get("fio", []) if f]
+
+    df['is_excluded'] = False
+
+    for idx, row in df.iterrows():
+        fio_clean = row.get('fio_clean', '')
+        dep_1c = str(row.get('Подразделение', '')).lower()
+        dep_scud = str(row.get('department_scud', row.get('department', ''))).lower()
+        pos = str(row.get('Должность', '')).lower()
+
+        is_fio_exc = fio_clean in exc_fios
+        is_pos_exc = (pos in exact_pos) or any(k in pos for k in pos_kw if k) if pos else False
+        is_dep_exc = any(d in dep_1c or d in dep_scud for d in deps) if deps else False
+
+        if is_fio_exc or is_dep_exc or is_pos_exc:
+            df.at[idx, 'is_excluded'] = True
+
+    return df
+
+
+# ANCHOR[MERGER_AGGREGATION]
+def aggregate_scud_by_employee(df: pd.DataFrame) -> pd.DataFrame:
+    """Агрегирует проходы СКУД по уникальным сотрудникам."""
+    if df is None or df.empty or 'fio_clean' not in df.columns:
+        return df
+
+    aggregated = []
+    for fio_clean, group in df.groupby('fio_clean', sort=False):
+        is_present = group['Пришел'].any() if 'Пришел' in group.columns else False
+        if is_present and 'Пришел' in group.columns:
+            present_rows = group[group['Пришел'] == True]
+            best_row = present_rows.iloc[0].to_dict() if not present_rows.empty else group.iloc[0].to_dict()
+        else:
+            best_row = group.iloc[0].to_dict()
+
+        best_row['Пришел'] = is_present
+        aggregated.append(best_row)
+
+    return pd.DataFrame(aggregated)
+
+
+def filter_report_dataframe(merged_df: pd.DataFrame) -> pd.DataFrame:
+    """Исключает подрядчиков и сотрудников без пропуска из детального отчета."""
+    if merged_df is None or merged_df.empty:
+        return merged_df
+
+    has_1c_reason = (
+        merged_df['Вид_отсутствия'].notna() & 
+        (merged_df['Вид_отсутствия'].astype(str).str.strip() != '') & 
+        (~merged_df['Вид_отсутствия'].astype(str).str.startswith('Исключение'))
+    )
+    is_not_excluded = merged_df.get('is_excluded', False) == False
+    is_not_no_pass = merged_df.get('no_scud_pass', False) == False
+
+    return merged_df[(is_not_excluded & is_not_no_pass) | has_1c_reason].copy()
+
+
+def load_static_reason_workers() -> dict:
+    """Загружает реестр удаленщиков из CSV."""
+    static_path = os.path.join(DATA_DIR, "static_reason_workers.csv")
+    if not os.path.exists(static_path):
+        return {}
+    try:
+        df_static = pd.read_csv(static_path, encoding='utf-8')
+        if 'fio' in df_static.columns and 'reason' in df_static.columns:
+            df_static['fio_clean'] = df_static['fio'].apply(normalize_fio)
+            return dict(zip(df_static['fio_clean'], df_static['reason']))
+    except Exception:
+        pass
+    return {}

services/scud_etl/pipeline.py

@@ -0,0 +1,139 @@
+"""
+===============================================================================
+FILE: services/scud_etl/pipeline.py
+PROJECT: SCUD Orion AI (Unified Architecture)
+MODULE: services / scud_etl
+ROLE: Оркестратор этапов контроллинга (Загрузка -> Сверка -> Отчеты -> SQLite).
+
+AI-CONTEXT-ANCHORS:
+  - ANCHOR[PIPELINE_RUN_CONTROLLING]: Главная функция выполнения ETL-конвейера.
+===============================================================================
+"""
+
+import os
+from datetime import datetime, timedelta
+import pandas as pd
+
+from config import DATE_TODAY, DATE_YESTERDAY, OUTPUT_DIR
+from core.database import (
+    save_scud_to_db, save_staff_to_db, save_absences_to_db, 
+    save_anomalies_to_db, load_scud_from_db_by_snapshot, get_latest_snapshot_time
+)
+from services.data_loader import load_1c_data_smart
+from services.excel_exporter import generate_summary_excel, generate_detailed_excel
+from services.ai_verifier import ai_verify_scud_against_staff, analyze_scud_mass_failure_ai
+from services.text_reporter import generate_markdown_report
+from services.feedback_loop import review_ai_decisions
+from services.knowledge_base import load_knowledge_base
+
+from .merger import (
+    load_exceptions_config, apply_exceptions_from_json, 
+    aggregate_scud_by_employee, filter_report_dataframe, load_static_reason_workers
+)
+from .anomaly_detector import detect_all_anomalies
+
+
+# ANCHOR[PIPELINE_RUN_CONTROLLING]
+def run_controlling_pipeline(snapshot_param: str = None, skip_export: bool = False, debug: bool = False, has_today_1c: bool = True) -> None:
+    """Выполняет полный цикл сверки СКУД ⟷ 1С и сохранение результатов."""
+    kb_rules = load_knowledge_base().get("rules", [])
+    exceptions_cfg = load_exceptions_config()
+    static_reasons = load_static_reason_workers()
+
+    print("[2/5] Загрузка данных из СКУД, 1С:ЗУП, реестра причин и исключений...")
+
+    # 1. Определение дат целевого снапшота и предыдущей смены
+    if snapshot_param or skip_export:
+        snap_to_use = snapshot_param or get_latest_snapshot_time()
+        raw_scud_today_df = load_scud_from_db_by_snapshot(None, snapshot_param=snap_to_use)
+        if not raw_scud_today_df.empty and 'log_date' in raw_scud_today_df.columns:
+            target_date_str = str(raw_scud_today_df['log_date'].iloc[0])
+        else:
+            target_date_str = DATE_TODAY
+    else:
+        target_date_str = DATE_TODAY
+        raw_scud_today_df = load_scud_from_db_by_snapshot(target_date_str, snapshot_param=snapshot_param)
+
+    dt_target = datetime.strptime(target_date_str, "%d.%m.%Y")
+    dt_yesterday = dt_target - timedelta(days=3 if dt_target.weekday() == 0 else 1)
+    yesterday_date_str = dt_yesterday.strftime("%d.%m.%Y")
+
+    print(f"[📸] СНАПШОТ ОПРЕДЕЛЕН: Целевая дата = {target_date_str}, Накануне = {yesterday_date_str}\n")
+
+    raw_scud_yesterday_df = load_scud_from_db_by_snapshot(yesterday_date_str, snapshot_param=None)
+    df_staff_yesterday, df_absent_yesterday = load_1c_data_smart(yesterday_date_str, use_db=True)
+    df_staff_today, df_absent_today = load_1c_data_smart(target_date_str, use_db=True)
+
+    # 2. Этап 3: Обработка ВЧЕРА (Детальный отчет)
+    print(f"[3/5] Обработка и построение детального отчета за ВЧЕРА ({yesterday_date_str})...")
+
+    if df_staff_yesterday is not None:
+        save_staff_to_db(df_staff_yesterday, yesterday_date_str)
+    if df_absent_yesterday is not None:
+        save_absences_to_db(df_absent_yesterday, yesterday_date_str)
+
+    # Проверка опечаток ФИО через AI-аудитор
+    staff_fios_y_clean = df_staff_yesterday['fio_clean'].dropna().tolist() if df_staff_yesterday is not None else []
+    if not raw_scud_yesterday_df.empty:
+        raw_scud_yesterday_df['Пришел'] = raw_scud_yesterday_df['is_present'].astype(int) == 1 if 'is_present' in raw_scud_yesterday_df.columns else False
+        unrecog = raw_scud_yesterday_df[~raw_scud_yesterday_df['fio_clean'].isin(staff_fios_y_clean)]['fio_clean'].tolist()
+        fio_map = ai_verify_scud_against_staff(unrecog, staff_fios_y_clean)
+        if fio_map:
+            raw_scud_yesterday_df['fio_clean'] = raw_scud_yesterday_df['fio_clean'].apply(lambda x: fio_map[x]['staff_fio'] if x in fio_map else x)
+
+    raw_scud_yesterday_df = aggregate_scud_by_employee(raw_scud_yesterday_df)
+    merged_y = (df_staff_yesterday.copy() if df_staff_yesterday is not None else pd.DataFrame())
+
+    if not merged_y.empty:
+        if not raw_scud_yesterday_df.empty:
+            merged_y = merged_y.merge(
+                raw_scud_yesterday_df[['fio_clean', 'Пришел', 'Начало_дня', 'Первая_активность', 'Конец_дня', 'Находился_в_здании', 'anomaly_flag']], 
+                on='fio_clean', how='left'
+            )
+        if df_absent_yesterday is not None and not df_absent_yesterday.empty:
+            merged_y = merged_y.merge(df_absent_yesterday[['fio_clean', 'Вид_отсутствия']], on='fio_clean', how='left')
+
+        merged_y['Пришел'] = merged_y['Пришел'].fillna(False) if 'Пришел' in merged_y.columns else False
+        if 'Сотрудник' not in merged_y.columns:
+            merged_y['Сотрудник'] = merged_y.get('ФИО', merged_y['fio_clean'])
+
+        merged_y = apply_exceptions_from_json(merged_y, exceptions_cfg)
+
+        scud_fios_y = set(raw_scud_yesterday_df['fio_clean'].dropna().tolist()) if not raw_scud_yesterday_df.empty else set()
+        anomalies_y = detect_all_anomalies(merged_y, static_reasons, kb_rules, scud_fios_set=scud_fios_y)
+        save_anomalies_to_db(anomalies_y, yesterday_date_str)
+
+        filtered_y = filter_report_dataframe(merged_y)
+        generate_detailed_excel(merged_df=filtered_y, date_str=yesterday_date_str)
+        save_scud_to_db(merged_y, yesterday_date_str, snapshot_time=f"{dt_yesterday.strftime('%Y-%m-%d')} 22:00:00", is_yesterday=True)
+        print(f"[✓] Детальный отчет за вчера сформирован и зафиксирован в SQLite за {yesterday_date_str}")
+
+    # 3. Этап 4 & 5: Обработка СЕГОДНЯ (Ежедневная сводка)
+    if has_today_1c and df_staff_today is not None and df_absent_today is not None:
+        print(f"\n[4/5] Обработка и построение Ежедневной сводки за {target_date_str}...")
+        save_staff_to_db(df_staff_today, target_date_str)
+        save_absences_to_db(df_absent_today, target_date_str)
+
+        raw_scud_today_df = aggregate_scud_by_employee(raw_scud_today_df)
+        merged_t = df_staff_today.copy()
+        if not raw_scud_today_df.empty:
+            merged_t = merged_t.merge(
+                raw_scud_today_df[['fio_clean', 'Пришел', 'Начало_дня', 'Первая_активность', 'Конец_дня', 'Находился_в_здании', 'anomaly_flag']], 
+                on='fio_clean', how='left'
+            )
+        merged_t = merged_t.merge(df_absent_today[['fio_clean', 'Вид_отсутствия']], on='fio_clean', how='left')
+        merged_t['Пришел'] = merged_t['Пришел'].fillna(False) if 'Пришел' in merged_t.columns else False
+        if 'Сотрудник' not in merged_t.columns:
+            merged_t['Сотрудник'] = merged_t.get('ФИО', merged_t['fio_clean'])
+
+        merged_t = apply_exceptions_from_json(merged_t, exceptions_cfg)
+
+        scud_fios_t = set(raw_scud_today_df['fio_clean'].dropna().tolist()) if not raw_scud_today_df.empty else set()
+        anomalies_t = detect_all_anomalies(merged_t, static_reasons, kb_rules, scud_fios_set=scud_fios_t)
+        save_anomalies_to_db(anomalies_t, target_date_str)
+
+        print("[5/5] Сохранение Ежедневной сводки...")
+        generate_summary_excel(merged_df=merged_t, date_str=target_date_str)
+        print(f"[✓] Ежедневная сводка сохранена за {target_date_str}")
+    else:
+        print(f"\n[ℹ️] Формирование Ежедневной сводки за {target_date_str} ПРОПУЩЕНО.")

services/scud_etl/sql_queries.py

@@ -0,0 +1,116 @@
+"""
+===============================================================================
+FILE: services/scud_etl/sql_queries.py
+PROJECT: SCUD Orion AI (Unified Architecture)
+MODULE: services / scud_etl
+ROLE: Хранилище сырых SQL-шаблонов для выгрузки из MS SQL Server (СКУД Орион Pro).
+
+AI-CONTEXT-ANCHORS:
+  - ANCHOR[SQL_SCUD_EXPORT_TEMPLATE]: T-SQL запрос с расчетом первой активности и длительности.
+===============================================================================
+"""
+
+# ANCHOR[SQL_SCUD_EXPORT_TEMPLATE]
+SCUD_EXPORT_QUERY_TEMPLATE = r"""
+DECLARE @InputDate DATE = '{target_date}';
+DECLARE @TargetDate DATE = @InputDate;
+
+DECLARE @StartDate DATETIME = CAST(@TargetDate AS DATETIME);
+DECLARE @EndDate DATETIME = DATEADD(SECOND, -1, DATEADD(DAY, 1, @StartDate));
+
+WITH DailyLogs AS (
+    SELECT 
+        log.HozOrgan AS EmployeeID,
+        log.TimeVal,
+        log.Event,
+        log.Mode,
+        CASE 
+            WHEN log.Mode = 2 OR log.Event IN (29, 27, 33) THEN 'OUT'
+            WHEN log.Mode = 1 OR log.Event IN (28, 26, 32) THEN 'IN'
+            ELSE 'OTHER' 
+        END AS Direction,
+        ROW_NUMBER() OVER (PARTITION BY log.HozOrgan ORDER BY log.TimeVal DESC) AS RowNumDesc
+    FROM pLogData log WITH (NOLOCK)
+    WHERE log.TimeVal BETWEEN @StartDate AND @EndDate
+      AND log.HozOrgan IS NOT NULL
+      AND log.HozOrgan > 0
+      AND log.Event IN (26, 27, 28, 29, 32, 33, 54, 55, 64, 65)
+),
+Passages AS (
+    SELECT
+        EmployeeID,
+        MIN(TimeVal) AS FirstRawEvent,
+        MAX(TimeVal) AS LastRawEvent,
+        MIN(CASE WHEN Direction = 'IN' THEN TimeVal END) AS FirstIn,
+        MAX(CASE WHEN Direction = 'OUT' THEN TimeVal END) AS LastOut,
+        MAX(CASE WHEN RowNumDesc = 1 THEN Direction END) AS LastEventType
+    FROM DailyLogs
+    GROUP BY EmployeeID
+)
+SELECT
+    N'ЛЕНМОРНИИПРОЕКТ' AS [Фирма],
+    ISNULL(CAST(div.Name AS NVARCHAR(255)), N'Без подразделения') AS [Подразделение],
+    LTRIM(RTRIM(
+        ISNULL(CAST(p.Name AS NVARCHAR(255)), N'') +
+        CASE WHEN p.FirstName IS NOT NULL AND CAST(p.FirstName AS NVARCHAR(255)) <> ''
+             THEN N' ' + CAST(p.FirstName AS NVARCHAR(255)) ELSE N'' END +
+        CASE WHEN p.MidName IS NOT NULL AND CAST(p.MidName AS NVARCHAR(255)) <> ''
+             THEN N' ' + CAST(p.MidName AS NVARCHAR(255)) ELSE N'' END
+    )) AS [Сотрудник],
+    ISNULL(CAST(post.Name AS NVARCHAR(255)), N'—') AS [Должность],
+    ISNULL(CAST(p.TabNumber AS NVARCHAR(50)), N'—') AS [Таб_№],
+    CONVERT(VARCHAR(10), @TargetDate, 104) AS [Дата],
+    ISNULL(CAST(CONVERT(VARCHAR(8), pass.FirstIn, 108) AS NVARCHAR(20)), N'Нет входа') AS [Начало_дня],
+    CASE 
+        WHEN pass.FirstIn IS NULL AND pass.FirstRawEvent IS NOT NULL 
+            THEN CAST(CONVERT(VARCHAR(8), pass.FirstRawEvent, 108) AS NVARCHAR(20))
+        ELSE N'—'
+    END AS [Первая_активность],
+    CASE
+        WHEN @TargetDate = CAST(GETDATE() AS DATE) AND (pass.LastEventType = 'IN' OR pass.LastOut IS NULL OR pass.LastOut <= pass.FirstIn)
+            THEN N'Нет выхода'
+        WHEN pass.LastOut IS NOT NULL AND pass.LastOut > pass.FirstIn
+            THEN CAST(CONVERT(VARCHAR(8), pass.LastOut, 108) AS NVARCHAR(20))
+        WHEN @TargetDate < CAST(GETDATE() AS DATE) AND pass.LastRawEvent IS NOT NULL AND pass.LastRawEvent > ISNULL(pass.FirstIn, pass.FirstRawEvent)
+            THEN CAST(CONVERT(VARCHAR(8), pass.LastRawEvent, 108) AS NVARCHAR(20))
+        ELSE N'Нет выхода'
+    END AS [Конец_дня],
+    CASE
+        WHEN pass.EmployeeID IS NOT NULL AND (pass.FirstIn IS NOT NULL OR pass.FirstRawEvent IS NOT NULL) THEN
+            RIGHT('0' + CAST(DATEDIFF(MINUTE,
+                ISNULL(pass.FirstIn, pass.FirstRawEvent),
+                CASE 
+                    WHEN @TargetDate = CAST(GETDATE() AS DATE) AND (pass.LastEventType = 'IN' OR pass.LastOut IS NULL OR pass.LastOut <= pass.FirstIn) THEN GETDATE()
+                    ELSE ISNULL(pass.LastOut, pass.LastRawEvent)
+                END) / 60 AS VARCHAR), 2) + ':' +
+            RIGHT('0' + CAST(DATEDIFF(MINUTE,
+                ISNULL(pass.FirstIn, pass.FirstRawEvent),
+                CASE 
+                    WHEN @TargetDate = CAST(GETDATE() AS DATE) AND (pass.LastEventType = 'IN' OR pass.LastOut IS NULL OR pass.LastOut <= pass.FirstIn) THEN GETDATE()
+                    ELSE ISNULL(pass.LastOut, pass.LastRawEvent)
+                END) % 60 AS VARCHAR), 2)
+        ELSE N'00:00'
+    END AS [Находился_в_здании],
+    CASE
+        WHEN pass.EmployeeID IS NOT NULL THEN N'Присутствовал'
+        ELSE N'Отсутствовал (Нет событий)'
+    END AS [Статус]
+FROM pList p WITH (NOLOCK)
+LEFT JOIN PDivision div WITH (NOLOCK) ON p.Section = div.ID
+LEFT JOIN PPost post WITH (NOLOCK) ON p.Post = post.ID
+LEFT JOIN Passages pass ON p.ID = pass.EmployeeID
+WHERE
+    ISNULL(p.StatusRecord, 0) = 0
+    AND p.DateTimeInArchive IS NULL
+    AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'Аренд%'
+    AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT IN (N'Без подразделения', N'')
+    AND p.Name NOT LIKE N'бр.%'
+    AND p.Name NOT LIKE N'Гость%'
+    AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT IN (N'БГИ', N'КНР')
+    AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'Рабоч%'
+    AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'Врем%'
+    AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'Практика%'
+    AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'тест%'
+    AND ISNULL(CAST(post.Name AS NVARCHAR(255)), N'') NOT LIKE N'Практикант%'
+ORDER BY p.Name ASC;
+"""