/** SPC I-chart 표본 수 — 신뢰할 만한 관리한계의 통설 최소(20~25) 하한. 서버가 관장(표현 계층 아님). */
export declare const GAP_SAMPLES = 24;
export interface GapPoint {
    t: number;
    p50: number;
    min: number;
    max: number;
    actual: number;
    error: number;
    inBand: boolean;
    naiveAbsError: number;
    modelAbsError: number;
}
/** 합산 결과 + **무엇을 못 넣었는지.** 알리지 않고 줄이지 않는다. */
export interface AggregateResult {
    points: GapPoint[];
    /** 한 트윈이라도 재지 못해 통째로 뺀 vantage 수. */
    droppedVantages: number;
}
/**
 * 공동배치(co-located) 트윈들의 점 배열을 공장 단위 한 시계열로 합산.
 *
 * ── 예전에 무엇이 어긋나 있었나 (2026-08-08) ─────────────────────────────────
 * "동일 부팅 → vantage 정렬" 을 **가정**하고 배열 인덱스끼리 더했다. 그 가정은 세 곳에서 깨졌다:
 *
 *  ① 격자를 트윈마다 자기 저널의 첫·마지막 이벤트로 만들었다. 저널 구간이 다르면 같은 인덱스가
 *    서로 다른 시각이다. **부팅이 같아도** 어긋난다.
 *  ② 한 vantage 를 못 재면 `continue` 로 건너뛰고 밀어 담았다. 그 순간부터 인덱스가 한 칸씩 밀린다.
 *  ③ 길이를 `max` 로 잡아, 뒤쪽 인덱스는 남은 트윈만 더해졌다 — 공장 합계 곡선이 꼬리에서
 *    아래로 꺾인다. 공장과 아무 상관 없는 이유로.
 *
 * 셋 다 오류를 내지 않았다. 그럴듯한 곡선이 나오고, 그 곡선으로 예측 정확도를 판정했다.
 *
 * ── 지금 ────────────────────────────────────────────────────────────────────
 * 격자는 밖에서 하나를 만들어 모두에게 같은 것을 주고(`sharedGrid`), 못 잰 자리는 `null` 로
 * 남긴다. 여기서는 **모든 트윈이 값을 가진 vantage 만** 더한다. 하나라도 비면 그 시각의
 * 공장 총량은 알 수 없는 것이지, 그 트윈이 0 을 낸 것이 아니다.
 *
 * 뺀 개수는 돌려준다 — 화면이 "24점 중 18점" 이라고 말할 수 있어야 한다.
 */
export declare function aggregatePoints(per: (GapPoint | null)[][]): AggregateResult;
/** 안정성 축 + 편향 축 판정(관리도). errors = 실제−예측 시계열. */
export declare function computeSpc(errors: number[]): any;
/**
 * 집계 지표 — 정확도(1−WMAPE)·편향(MPE)·예측구간 적중·FVA(예측 가치).
 *
 * A percentage whose denominator is zero is **not measured**, and says so with `null` (2026-09-24).
 * When every actual in the window is 0 — the line stood still, or the metric was not observed — WMAPE
 * is undefined. It used to become 0, so the card read "100% accurate" beside "0 of 6 in band, mean
 * error −20". Likewise `fvaPct` when the naive error is 0: 0 read as "the forecast adds nothing".
 * The absolute measures (mean error, in-band count, fva) are real in that window and stay. The two
 * neighbours below already refuse on thin evidence (`computeSpc` · `learnedCalibration`).
 */
export declare function gapMetrics(pts: GapPoint[]): any;
/** 학습(자기보정) 예상 — 평균 오차(편향)를 걷어냈을 때 기대되는 정확도·커버리지. accBefore/covBefore 는 원본 지표에서. */
export declare function learnedCalibration(pts: GapPoint[], metrics: any): any;