Esporta in CSV la temperatura simulata e la lettura del sensore

Nuova azione `python main.py csv`: esporta_csv.py integra il campo FEM e scrive
output/csv/run_XXXX.csv con la temperatura vera della parete nel punto
osservato, la lettura del sensore reale e il massimo nodale istante per
istante, più un metadata.csv con una riga per analisi. La cartella è ricreata a
ogni esecuzione.

Le righe sono campionate a FEM["frequenza_campionamento_hz"],
indipendente dal passo di integrazione, e FEM["num_run"] analisi vengono
esportate di seguito: con la randomizzazione abilitata ognuna ha parametri
diversi ma riproducibili dallo stesso seed.

simula_campo_fem accetta salva_campi=False, perché all'export servono solo le
serie scalari e non i campi nodali di ogni campione, e restituisce anche la
temperatura nodale massima per campione.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

fem.py

@@ -387,12 +387,16 @@ def simula_campo_fem(
     durata_s: float | None = None,
     mesh_dati: dict | None = None,
     rng: random.Random | None = None,
+    salva_campi: bool = True,
 ) -> dict:
-    """Integra il campo FEM fino a durata_s, salvando un campo ogni dt_frame_s.
+    """Integra il campo FEM fino a durata_s, campionando ogni dt_frame_s.
 
     Il campo nodale è la temperatura vera della parete; la lettura del sensore
     ne è la versione degradata: inerzia del primo ordine, rumore gaussiano e
     quantizzazione, questi ultimi due applicati a ogni campionamento.
+
+    Con `salva_campi = False` i campi nodali non vengono accumulati (utile per
+    l'export CSV, che usa solo le serie scalari): `campi` resta una lista vuota.
     """
     if rng is None:
         rng = random.Random(FEM["seed"])
@@ -415,7 +419,7 @@ def simula_campo_fem(
     tau_sensore = max(sensore["costante_tempo_s"], 1e-9)
 
     tempi, campi, x_riferimenti = [], [], []
-    T_vere, T_lette = [], []
+    T_vere, T_lette, T_massime = [], [], []
 
     prossimo_frame_t = 0.0
     t = 0.0
@@ -430,10 +434,12 @@ def simula_campo_fem(
             letta = quantizza(letta, sensore["quantizzazione_C"])
 
             tempi.append(t)
-            campi.append(T.copy())
+            if salva_campi:
+                campi.append(T.copy())
             x_riferimenti.append(x_rif)
             T_vere.append(float(T[indice_sensore]))
             T_lette.append(letta)
+            T_massime.append(float(T.max()))
             prossimo_frame_t += dt_frame_s
 
         t += dt
@@ -446,6 +452,8 @@ def simula_campo_fem(
         "x_riferimenti": np.array(x_riferimenti),
         "T_vere": np.array(T_vere),
         "T_lette": np.array(T_lette),
+        "T_massime": np.array(T_massime),
+        "cfg": cfg,
         "sorgente": sorgente,
         "T_ambiente_C": stato["T_ambiente_C"],
         "skin_depth_m": stato["skin_depth_m"],