報表範圍
Report date
報表日期，使用 Thailand / ICT 當地日期。
Window
實際查詢時間窗。例：2026-06-21 ICT = 2026-06-20T17:00:00Z → 2026-06-21T17:00:00Z
stores with metrics / inventory
前者是該日有 Central edge Prometheus metrics 的門店數；後者是 Central inventory 內的總門店數。
表格欄位
SCO
該門店 inventory 設定中的 self-checkout 數量；不是即時 online 數量。
AI Received Tx
increase(edge_scan_completed_total[24h])。代表 edge-backend 在該日收到 / 完成 scan 的交易數，作為「漏刷率 (Tx)」v0 分母。
AI Events
increase(edge_ai_events_total[24h])。代表 edge-backend 在該日收到的 AI event 數量，作為「漏刷率 (Tx)」分子，也是「事件處理率」分母。
漏刷率 (Tx) *
AI Events / AI Received Tx，即
edge_ai_events_total / edge_scan_completed_total。無絕對門檻，以顏色區分相對高低：
■ ≥15% 綠色（偏高）、
■ 5–15% 黃色（普通）、
■ <5% 紅色（偏低，需關注）。
* accepted v0 mapping；AI event 不一定等於 transaction 1:1，數值偏低時需標記 metric 語意風險。
事件處理率
managed AI events / AI events，即 edge_ai_events_managed_total / edge_ai_events_total。代表收到的 AI events 有多少已進入 managed 狀態。若 AI events = 0，顯示 N/A，不是 0%。
BE 覆蓋率
edge-backend 在報表時間窗內的健康分鐘覆蓋率。以 edge_backend_scheduler_heartbeat_age_seconds < 120 加上 Mongo / MQTT dependency reachable 狀態計算，取 heartbeat freshness 與 dependency coverage 的較保守值。
8–14d Failed †
increase(edge_tx_video_with_ai_event_upload_failed_total[14d]) + increase(edge_tx_ai_video_with_ai_event_upload_failed_total[14d])。14 天內新增的 AI-event 影片上傳失敗數（絕對值）。
† proxy：counter 為累積值，無法對應到 8–14 天前特定 cohort 的失敗，見下方說明。
8–14d Tx †
increase(edge_tx_with_event_total[7d] offset 7d)。8–14 天前有 AI event 的 transaction 數，作為 7d SLA 分母。
† 分母與分子並非同一批影片的精確對應，見下方說明。
8–14d Upload Rate †
1 - (8–14d Failed / 8–14d Tx)，門檻 ≥99%。顯示比例與 8–14d Failed 絕對數。若 8–14d Tx = 0，顯示 N/A。
† proxy，非精確 per-event 追蹤，見下方說明。
Pending
edge_tx_video_with_ai_event_waiting_for_upload_total。報表結束當下仍等待上傳的影片 backlog 數（gauge，非 increase）。
狀態與 Caveat
N/A
分母為 0 或資料來源不足，不能計算比例；不是 0%。
漏刷率的 *
表示此欄位是 accepted v0 mapping，仍有 metric 語意風險。
8–14d Upload Rate 的 †（proxy 限制）
Prometheus counter 為累積值，無法直接追蹤每筆 AI event 在觸發後第 7 天是否完成上傳。8–14d Failed（分子）為最近 14 天所有 failed 增量；8–14d Tx（分母）為 8–14 天前的 event tx 數。兩者並非同一批影片的精確對應，因此此比例為 proxy，不是嚴格意義的 per-event 7-day SLA。
Prometheus increase()
可能回傳小數，表格中的 count 已四捨五入呈現。
平均漏刷率 (加權)
Summary card 使用加權平均：sum(AI Events) / sum(AI Received Tx)，排除 AI Received Tx = 0 的門店。