報表中心
參考模型評估指標、設備別健康比較與告警統計（接後端 /servo/reference_metrics、/servo/fleet、/servo/alerts）
分類 macro-F1
—
各健康狀態平均表現，0~1，越接近 1 越好reference clf
回歸 R²
—
模型解釋了多少變化，最高 1，越接近 1 越好reference reg
回歸 MAE
—
退化值 DV 的平均誤差，越小越好退化分數 DV 誤差
深度學習對照 (PyTorch MLP + 神經 AE)
載入中…
設備別比較
各設備健康分數 / 退化值 (DV) 由真實參考模型在代表性 demo 運轉段上即時計算 （後端
/servo/fleet）；設備識別為示意。健康分數（依設備）
Servo-A01
DV 0.09健康(Nominal)風險 低 · Low
Servo-A02
DV 0.36輕度退化(Low)風險 低 · Low
Servo-A03
DV 0.53中度退化(Medium)風險 中 · Medium
Servo-TestBench
DV 0.72高度退化(High)風險 高 · High
告警統計
告警由真實模型驅動的機群衍生（後端
/servo/alerts）； 事件 ID / 時間屬示意性運維包裝。嚴重告警
1筆
severity = critical
警示告警
2筆
severity = warning
提示告警
1筆
severity = info
告警類型分布
共 4 筆告警，其中 3 筆未結案。
電流異常 (A 相)1 筆 · 25%
扭矩過載1 筆 · 25%
跟隨誤差升高1 筆 · 25%
溫升提醒1 筆 · 25%
時間區間彙整（逐班次 / 逐日趨勢）需逐時遙測串流；目前遙測趨勢仍為示意 mock （見健康儀表板標示），待實場 / IoT 串流接入後補上。