UniEvo 核心架构与数据流
版本：V1.0
关联：产品方案总纲
一、完整数据流
[外部系统] [UniEvo 平台]
原始数据 ──→ 数据接入层 ← 数据接口规范
↓ ↓
差异矩阵 Δ(t) ──→ StrEvo 计算引擎 ← 核心计算
↓ ↓
记忆矩阵 M(t) ──→ 锁定概率 P_lock(t)
↓ ↓
结构稳定性 S(t) ──→ 失效判定 T_fail
↓ ↓
44种输出 ──→ 输出选择器 ← 输出规范
↓ ↓
7个诊断维度 ──→ 仪表盘/报告 ← 呈现层
二、数据接入层
2.1 输入数据格式
UniEvo 接受以下格式的时序数据：
| 格式 |
说明 |
典型来源 |
| CSV |
多列时序，每列一个因素 |
传感器数据、财务数据、统计数据 |
| JSON |
结构化时序数据 |
API 接口、数据库导出 |
| Excel |
表格数据 |
手动录入、第三方报告 |
2.2 输入示例
time, 传感器1, 传感器2, 传感器3, ...
0, 12.5, 13.1, 11.8, ...
1, 12.7, 13.0, 12.0, ...
2, 12.9, 12.8, 12.2, ...
2.3 数据约束
| 约束 |
要求 |
| 时间序列 |
至少2个时间步，T≥2 |
| 因素数量 |
n≥2，建议 n≤5000 |
| 数据完整度 |
无缺失值（或通过预处理填充） |
| 采样间隔 |
均匀，Δt 一致 |
三、StrEvo 计算引擎
3.1 计算流程
输入：Δ(t) ∈ ℝ^{n×n} (t = 0, 1, ..., T-1)
参数：α, β, θ_lock, θ_fail
for t in range(T):
# 记忆累积
M(t) = α · M(t-1) + (1-α) · Δ(t)
# 锁定概率
μ_i(t) = mean(M_i(t)) # 因素i的平均记忆
P_i(t) = 1 / (1 + exp(β · (μ_i(t) - θ_lock)))
# 结构稳定性
S(t) = mean(P(t))
# 失效判定
T_fail = min{ t | S(t) < θ_fail }
weakest = argmin(P(T_fail))
3.2 参数说明
| 参数 |
符号 |
范围 |
默认值 |
作用 |
| 遗忘率 |
α |
(0,1) |
0.99 |
历史记忆的衰减速度。越大=记忆越持久 |
| 锁定敏感度 |
β |
>0 |
5.0 |
锁定概率在阈值附近的陡峭程度 |
| 锁定阈值 |
θ_lock |
(0,∞) |
0.3 |
差异度达到多少时，锁定概率开始显著下降 |
| 失效阈值 |
θ_fail |
(0,1) |
0.25 |
稳定性低于此值时判定失效 |
3.3 计算复杂度
| n |
T |
复杂度 |
运行时间 |
| 10 |
100 |
~10⁴ |
即时 |
| 100 |
1000 |
~10⁶ |
<0.1s |
| 1000 |
1000 |
~10⁸ |
~1s |
| 5000 |
1000 |
~10¹⁰ |
~10s（需稀疏优化） |
四、输出层
4.1 输出选择（用户可选）
计算引擎完成后，用户可以选择需要输出的维度：
| 输出类型 |
数量 |
默认输出 |
| 核心输出 |
3种 |
✅ 默认全部输出 |
| 衍生输出 |
10种 |
✅ 默认输出 |
| 复合输出 |
9种 |
⚠️ 默认输出5种，其余可选 |
| 高级输出 |
14种 |
❌ 默认关闭，用户按需启用 |
| 跨层输出 |
8种 |
❌ 默认关闭，用户按需启用 |
4.2 输出格式
| 格式 |
适用场景 |
| JSON |
API调用、程序化处理 |
| 图表 |
WEB端/移动端可视化 |
| 报告 |
导出文档（PDF/HTML） |
五、与外部系统的数据对接
UniEvo 不替代现有数据采集系统，而是作为分析诊断层叠加在现有系统之上：
[传感器系统] → [数据仓库] → UniEvo 数据接入 → StrEvo 引擎 → 诊断输出
[ERP系统] → [数据仓库] → UniEvo 数据接入 → StrEvo 引擎 → 诊断输出
[统计系统] → [数据仓库] → UniEvo 数据接入 → StrEvo 引擎 → 诊断输出
UniEvo 读取数据，输出诊断，不修改原始数据源。