Update app.py

app.py

@@ -181,9 +181,9 @@ class EnergyMLPredictor:
                     'extracao_forno': extracao_val,
                     'porcentagem_caco': item['porcentagem_caco'],
                     'cor': item['cor'].lower(),
-                    'prod_e': 1,
-                    'prod_l': 1,
-                    'autoclave': 1,
+                    'prod_e': item.get('prod_e', 1),
+                    'prod_l': item.get('prod_l', 1),
+                    'autoclave': item.get('autoclave', 1),
                     'week_day': date_obj.weekday(),
                     'month': date_obj.month,
                     'quarter': (date_obj.month - 1) // 3 + 1,
@@ -239,10 +239,10 @@ class EnergyMLPredictor:
                     'month': date_obj.month,
                     'quarter': (date_obj.month - 1) // 3 + 1,
                     'week_of_year': date_obj.isocalendar()[1],
-                    'prod_e': 1,
-                    'prod_l': 1,
+                    'prod_e': item.get('prod_e', 1),
+                    'prod_l': item.get('prod_l', 1),
                     'is_weekend': int(date_obj.weekday() >= 5),
-                    'autoclave': 1
+                    'autoclave': item.get('autoclave', 1)
                 }
                 
                 # Encode categorical features
@@ -310,7 +310,10 @@ energy_example = """[
     "cor": "incolor",
     "espessura": 10,
     "extracao_forno": "651,6",
-    "porcentagem_caco": 10.0
+    "porcentagem_caco": 10.0,
+    "prod_e": 1,
+    "prod_l": 1,
+    "autoclave": 1
   }
 ]"""