企业官网建设流程全解析

PidProcessCapabilityMetrics

【免费下载链接】mat-chem-sim-pred面向工业领域，聚焦计算仿真、预测两大核心场景，构建面向流程工业"机理+数据"双轮驱动的领域计算层，推动AI for Science在材料化学领域的深度应用。项目地址: https://gitcode.com/cann/mat-chem-sim-pred

功能说明

PidProcessCapabilityMetrics面向工业过程控制中的过程能力评价和控制性能巡检场景。算子对多条回路的历史窗口数据进行批量统计，一次输出均值、标准差、Cp、Cpk、Pp、Ppk、越限数量和越限比例等指标。

该算子适合如下批量场景：

• 上百到上千个控制回路的周期性健康度巡检。
• 多窗口滚动计算 Cpk/Ppk，用于质量能力趋势分析。
• PID 整定结果上线前的历史数据质量评价。

与控制性能算子的区别

PidProcessCapabilityMetrics是质量规格视角，只看values是否稳定落在[lsl, usl]内，不需要设定值sp。PidControlPerformanceMetrics是控制跟踪视角，需要pv/sp，还会计算 IAE/ISE、超调、稳定时间和 Harris 指数。

本算子回答：过程是否达标、波动是否过大、均值是否偏规格边缘？ 控制性能算子回答：控制器是否跟得上设定值、误差和超调是否可接受？

例如pv=[9,11,9,11]、lsl=8、usl=12时，过程能力可能认为没有越限；但如果sp=[10,10,10,10]，控制性能还会指出该回路一直围绕设定值振荡，IAE/ISE 不为 0。

输入输出

metrics的最后一维顺序：

0 mean 1 std_sample 2 std_population 3 cp 4 cpu 5 cpl 6 cpk 7 pp 8 ppk 9 out_of_spec_ratio 10 out_of_spec_count 11 min_value 12 max_value

指标公式

Cpu = (USL - mean) / (3 * std_sample) Cpl = (mean - LSL) / (3 * std_sample) Cp = (USL - LSL) / (6 * std_sample) Cpk = min(Cpu, Cpl) Pp = (USL - LSL) / (6 * std_population) Ppk = min((USL - mean)/(3*std_population), (mean - LSL)/(3*std_population))

指标说明

小例子

假设一条回路：

values = [9, 10, 11, 10, 12] LSL = 8 USL = 14

均值：

mean = 10.4

中心化平方和：

[-1.4, -0.4, 0.6, -0.4, 1.6]^2 -> m2 = 5.2

标准差：

std_population = sqrt(5.2 / 5) = 1.0198 std_sample = sqrt(5.2 / 4) = 1.1402

规格宽度为6：

Cp = 6 / (6 * 1.1402) = 0.877 Cpu = (14 - 10.4) / (3 * 1.1402) = 1.052 Cpl = (10.4 - 8) / (3 * 1.1402) = 0.702 Cpk = min(1.052, 0.702) = 0.702 Pp = 6 / (6 * 1.0198) = 0.981 Ppk = min((14 - 10.4)/(3*1.0198), (10.4 - 8)/(3*1.0198)) = 0.784

所有采样点都在[8,14]内：

out_of_spec_count = 0 out_of_spec_ratio = 0 min_value = 9 max_value = 12

构建

cd prediction/ProcessControl/PIDModelFit/pid_process_capability_metrics mkdir -p build && cd build cmake .. -DCMAKE_BUILD_TYPE=Release -DSOC_VERSION=Ascend910B3 make -j$(nproc)

测试

python tests/test_pid_process_capability_metrics.py python tests/benchmark_pid_process_capability_metrics.py

NPU smoke：

./build/test_aclnn_pid_process_capability_metrics 3

NPU/CPU benchmark：

./build/benchmark_pid_process_capability_metrics 3 128 4096 20 3 64

文档

• 算法说明
• API 说明
• 测试报告

【免费下载链接】mat-chem-sim-pred面向工业领域，聚焦计算仿真、预测两大核心场景，构建面向流程工业"机理+数据"双轮驱动的领域计算层，推动AI for Science在材料化学领域的深度应用。项目地址: https://gitcode.com/cann/mat-chem-sim-pred