MGP Decoder

El MGP Decoder interpreta señales de fase magnética crudas en valores de fase decodificados con metadatos acompañantes. Acepta conjuntos de datos MGP comunes en formatos CSV o JSON con marcas de tiempo y produce resultados trazables aptos para informes de ingeniería y figuras de calidad para publicaciones. La herramienta está dirigida a ingenieros de datos, técnicos de laboratorio e investigadores que necesitan un flujo de trabajo de decodificación reproducible y auditable. Aplicando perfiles de calibración y reglas de asignación estandarizadas, convierte señales de sensor en mediciones de fase significativas mientras preserva la integridad de la marca de tiempo y su procedencia. Ejemplo: un conjunto de datos con campos timestamp, raw_signal y sensor_id proporciona decoded_phase en grados, una puntuación de confianza y una bandera de calidad. Conceptualmente, la decodificación es un proceso de dos fases: acondicionamiento de datos y mapeo de señal a fase. Primero, el analizador de datos verifica los campos requeridos, normaliza las marcas de tiempo y maneja valores ausentes. Después, un perfil de calibración aplica una asignación (lineal o por partes) para producir decoded_phase, calculando una métrica de confianza a partir de residuos y la integridad de los datos. La herramienta soporta múltiples perfiles para comparar conjuntos de datos o reflejar configuraciones de equipos. La salida incluye decoded_phase, confianza, flags y datos de trazabilidad opcionales como profile_id y calibration_source. Este diseño soporta flujos de QA y reproducibilidad. El valor clave es la automatización, consistencia y exportabilidad. Los usuarios obtienen resultados reproducibles, menos trabajo manual de decodificación y artefactos listos para compartir en auditorías, informes de I+D o documentación de cumplimiento. Casos de uso incluyen validación de calibración de sensores, análisis por lotes de flujos MGP, comparaciones entre conjuntos de datos y exportación a CSV/JSON para analítica posterior. Diferenciadores clave: reglas de validación integradas frente a curvas estándar, soporte multi-perfil y trazabilidad explícita de datos en las salidas.