Update app.py

app.py

@@ -63,6 +63,11 @@ class EnergyMLPredictor:
             
             data = json.loads(json_input)
             
+            # Handle both single object and array formats
+            if isinstance(data, list):
+                # For week/month data, only use first item for threshold detection
+                data = data[0]
+            
             # Parse input data
             date_obj = datetime.strptime(data['data'], '%Y-%m-%d')
             
@@ -191,7 +196,7 @@ class EnergyMLPredictor:
                     'espessura': item['espessura'],
                     'extracao_forno': extracao_val,
                     'porcentagem_caco': item['porcentagem_caco'],
-                    'cor': item['cor'].lower(),
+                    'cor': str(item['cor']).lower() if isinstance(item['cor'], str) else {0: 'incolor', 1: 'verde', 2: 'cinza', 3: 'bronze'}.get(item['cor'], 'incolor'),
                     'prod_e': item.get('prod_e', item.get('Prod_E', 1)),
                     'prod_l': item.get('prod_l', item.get('Prod_L', 1)),
                     'autoclave': item.get('autoclave', 1),
@@ -257,7 +262,7 @@ class EnergyMLPredictor:
                     'espessura': item['espessura'],
                     'extracao_forno': extracao_val,
                     'porcentagem_caco': item['porcentagem_caco'],
-                    'cor': item['cor'].lower(),
+                    'cor': str(item['cor']).lower() if isinstance(item['cor'], str) else {0: 'incolor', 1: 'verde', 2: 'cinza', 3: 'bronze'}.get(item['cor'], 'incolor'),
                     'week_day': date_obj.weekday(),
                     'month': date_obj.month,
                     'quarter': (date_obj.month - 1) // 3 + 1,