MODULE / 01
稼動圖
全店與單機稼動，一牆展開。
GOAL///IOT
GOAL IoT · New operational UX
一眼，看懂整間店。
全店稼動率分析，把 CoinBox 的每一次運轉、營收與設備效益收進同一個視野。
運用微積分精算，再由 AI 推論，讓現場訊號成為可讀的營運情報。
Mission film · 00:58
57 秒。
從全店到每一台。
從稼動熱牆、固定公式精算、營收效益，到 ELISA 客觀摘要； 一次完整穿越全新的營運決策介面。
MODULE / 02
數據推論
固定公式，App 精算。
MODULE / 03
營收效益
把忙碌機時對回營收表現。
MODULE / 04
AI 摘要
ELISA 整理客觀營運敘事。
Static flight frames
細節不是裝飾。
每一條線，都能回到公式。
把複雜的全店時序壓縮成兩個清楚的畫面： 一張看負載如何延續，一張看運轉時間如何被積分。
Load duration × Revenue growth
負載與營收，同一條推論鏈。
負載持續曲線標出容量門檻，累進營收增速再把忙碌機時對回商業結果。
Hourly load × Busy-hour integral
把每一個小時，壓縮成一個答案。
週期負載疊圖呈現全店並行，忙碌機時積分將各台運轉秒數折算為可比較的機時。
The equation
微積分，讓
「忙不忙」有了尺度。
將每台 CoinBox 的運轉時間積分成忙碌機時，再與全店產能、時段分布與營收並置。 感覺，從此有數學可以驗證。
∫ LOAD(t) dt → Σ 各台運轉秒數 ÷ 3,600 → BUSY HOURS
所有 KPI 由 App 固定公式精算；AI 依既有數值進行客觀文字推論，不重新計算指標。
Demo telemetry 01
7
COINBOX
影片中的全店容量基準
Hourly field 02
168
POSITIONS
最新 7 天的小時級觀測位置
Integrated load 03
68.82
BUSY HOURS
依影片範例積分的忙碌機時
Analysis stack 04
4
MODULES
從稼動訊號到 AI 客觀摘要
Operational stack
不是更多圖表。
是同一套真相。
四層視角共用同一份現場資料。從全店總覽切進單機細節， 7 天與 30 天的營運節奏始終保持一致。
01 / Utilization wall7D · 30D
全店稼動，一牆展開。
機隊稼動率、平均並行、最高小時均台與最忙時窗，在同一片熱牆上快速對焦全店與各台設備。
02 / Data inferenceΣ · ∫
固定公式，精準落地。
週期負載疊圖、忙碌機時積分、負載持續曲線與完整日趨勢，讓每一項 KPI 都能回到可驗證的數學。
03 / Revenue efficiencyNT$ / HR
設備效益，不再只看營收。
以「記錄金額 ÷ 忙碌機時」比較相對全店平均，並由設備效益榜直接深入單機營運詳情。
04 / Objective summaryELISA
AI 推論，保持客觀。
ELISA 讀取已精算的 KPI，整理全店負載、離峰波動與時段特徵；不重算數值，也不加入價格判斷。
ELISA // Store analyst
數學先算清楚，AI 再說人話。
微積分負責把每一秒精算成可重現的 KPI；ELISA 再從相同數據中提取客觀觀察。 不讓生成式文字凌駕數學，也不讓真正重要的現場訊號淹沒在圖表裡。
AI objective summary
Inference ready
ELISA // 全店分析師
CALCULUS-GROUNDED OPERATIONAL NARRATIVE
從容量負載、跨小時並行台數與忙碌機時，建立全店營運的客觀輪廓； 讓管理者快速定位高峰、離峰與設備效益差異。
RULE /
依既有 KPI 整理文字，不重新計算數值，不提供未驗證因果或價格建議。
GOAL IoT · Store intelligence
讓數據，
開始工作。
全店稼動率分析，把每一秒的現場訊號，轉化成可以理解、可以比較、可以驗證的營運視野。
Calculus × AI inference
功能適用條件：需搭配實體 CounterBox、有效連線合約與對應帳號權限， 且至少 4 台 CoinBox 具有可分析的稼動資料；營收效益依可用營收資料顯示。