CANN过程能力指标测试

PidProcessCapabilityMetrics 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

测试环境

• NPU 环境：node202
• CANN：Ascend Toolkit/usr/local/Ascend/ascend-toolkit/latest
• SOC：Ascend910B3
• NPU device：3
• CPU 对比线程数：64
• 数据类型：float32

测试数据

benchmark 使用确定性合成过程数据：

• values[B, N]：以 50 为中心，叠加不同回路 drift、scale 和周期扰动。
• lsl[B]：固定为 47。
• usl[B]：固定为 53。
• 少量样本注入越限点，用于验证out_of_spec_count和out_of_spec_ratio。

输出指标顺序：

mean,std_sample,std_population,cp,cpu,cpl,cpk,pp,ppk,out_ratio,out_count,min,max

对比口径

CPU 侧提供两类基线：

• cpu_parallel：Welford 稳定方差，多线程持久线程池。
• cpu_fast_parallel：sum/sum_sq快速方差，多线程持久线程池。

NPU 侧提供两类时间：

• npu_kernel：输入已在 Device 上，仅统计算子执行时间。
• npu_e2e：包含 H2D 输入拷贝、kernel 执行、D2H 输出拷贝。

npu_kernel更适合评价算子本身；npu_e2e更适合评价 CPU 数据源直接调用的整体收益。

准确度

NPU 输出与 CPU Welford 参考最大绝对误差：

B	N	max_abs_err
128	4096	1.41144e-4
512	4096	1.41144e-4
1024	8192	2.86102e-4
2048	4096	1.44958e-4
4096	4096	1.56403e-4
2048	8192	2.86102e-4

误差来自 float32 累加和 NPU kernel 内部近似开方，满足过程能力指标巡检场景的精度要求。

性能结果

B	N	CPU Welford 64T ms	CPU fast 64T ms	NPU kernel ms	NPU e2e ms	kernel / CPU fast	e2e / CPU fast
128	4096	0.475654	0.365382	0.172293	0.794343	2.12070x	0.45998x
512	4096	1.990270	0.645767	0.177989	1.083030	3.62813x	0.59626x
1024	8192	2.788000	1.209490	0.290623	4.390670	4.16172x	0.27547x
2048	4096	2.732180	1.127160	0.191054	1.978900	5.89967x	0.56959x
4096	4096	5.781140	2.180860	0.190339	20.712800	11.45780x	0.10529x
2048	8192	4.963120	1.888250	0.304033	12.050600	6.21066x	0.15669x

结论

PidProcessCapabilityMetrics的 kernel-only 性能相对 CPU 多线程有明确优势：相对更苛刻的cpu_fast_parallel基线仍有约 2.1x 到 11.5x 加速。

如果输入数据已经位于 NPU，或者 Cpk/Ppk 是 NPU 侧整定、仿真、评分流水线中的一个融合后处理步骤，该算子有工程价值。

如果输入来自 CPU 且只做一次 Cpk/Ppk 计算，端到端收益取决于 H2D/D2H 拷贝成本，数据搬移可能抵消 kernel 优势。此时建议将该算子作为 NPU 流水线的一环使用，或继续做多窗口批处理与上游算子融合，减少主机与设备之间的数据搬移。

复现命令

source /usr/local/Ascend/ascend-toolkit/set_env.sh cd prediction/ProcessControl/PIDModelFit/pid_process_capability_metrics cmake -S . -B build -DCMAKE_BUILD_TYPE=Release -DSOC_VERSION=Ascend910B3 cmake --build build -j 2 export LD_LIBRARY_PATH="$PWD/build:$PWD/build/lib:$LD_LIBRARY_PATH" ./build/test_aclnn_pid_process_capability_metrics 3 ./build/benchmark_pid_process_capability_metrics 3 128 4096 20 3 64 ./build/benchmark_pid_process_capability_metrics 3 512 4096 10 2 64 ./build/benchmark_pid_process_capability_metrics 3 1024 8192 5 2 64 ./build/benchmark_pid_process_capability_metrics 3 2048 4096 5 2 64 ./build/benchmark_pid_process_capability_metrics 3 4096 4096 3 1 64 ./build/benchmark_pid_process_capability_metrics 3 2048 8192 3 1 64

【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