cafeteria-sim 0.1.0__tar.gz

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
Files changed (31) hide show
  1. cafeteria_sim-0.1.0/LICENSE +21 -0
  2. cafeteria_sim-0.1.0/MANIFEST.in +6 -0
  3. cafeteria_sim-0.1.0/PKG-INFO +407 -0
  4. cafeteria_sim-0.1.0/README.md +378 -0
  5. cafeteria_sim-0.1.0/cafeteria_sim/__init__.py +35 -0
  6. cafeteria_sim-0.1.0/cafeteria_sim/__main__.py +4 -0
  7. cafeteria_sim-0.1.0/cafeteria_sim/cli.py +491 -0
  8. cafeteria_sim-0.1.0/cafeteria_sim/config.py +91 -0
  9. cafeteria_sim-0.1.0/cafeteria_sim/distributions.py +28 -0
  10. cafeteria_sim-0.1.0/cafeteria_sim/metrics.py +61 -0
  11. cafeteria_sim-0.1.0/cafeteria_sim/optimization.py +149 -0
  12. cafeteria_sim-0.1.0/cafeteria_sim/py.typed +0 -0
  13. cafeteria_sim-0.1.0/cafeteria_sim/simulation.py +543 -0
  14. cafeteria_sim-0.1.0/cafeteria_sim.egg-info/PKG-INFO +407 -0
  15. cafeteria_sim-0.1.0/cafeteria_sim.egg-info/SOURCES.txt +29 -0
  16. cafeteria_sim-0.1.0/cafeteria_sim.egg-info/dependency_links.txt +1 -0
  17. cafeteria_sim-0.1.0/cafeteria_sim.egg-info/entry_points.txt +2 -0
  18. cafeteria_sim-0.1.0/cafeteria_sim.egg-info/requires.txt +5 -0
  19. cafeteria_sim-0.1.0/cafeteria_sim.egg-info/top_level.txt +1 -0
  20. cafeteria_sim-0.1.0/examples/quickstart.py +34 -0
  21. cafeteria_sim-0.1.0/pyproject.toml +51 -0
  22. cafeteria_sim-0.1.0/setup.cfg +4 -0
  23. cafeteria_sim-0.1.0/tash.sh/README.md +27 -0
  24. cafeteria_sim-0.1.0/tash.sh/test.sh +313 -0
  25. cafeteria_sim-0.1.0/test.sh +4 -0
  26. cafeteria_sim-0.1.0/tests/test_cli.py +109 -0
  27. cafeteria_sim-0.1.0/tests/test_config.py +51 -0
  28. cafeteria_sim-0.1.0/tests/test_distributions.py +33 -0
  29. cafeteria_sim-0.1.0/tests/test_metrics.py +44 -0
  30. cafeteria_sim-0.1.0/tests/test_optimization.py +103 -0
  31. cafeteria_sim-0.1.0/tests/test_simulation.py +198 -0
@@ -0,0 +1,21 @@
1
+ MIT License
2
+
3
+ Copyright (c) 2026 cafeteria-sim contributors
4
+
5
+ Permission is hereby granted, free of charge, to any person obtaining a copy
6
+ of this software and associated documentation files (the "Software"), to deal
7
+ in the Software without restriction, including without limitation the rights
8
+ to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
9
+ copies of the Software, and to permit persons to whom the Software is
10
+ furnished to do so, subject to the following conditions:
11
+
12
+ The above copyright notice and this permission notice shall be included in all
13
+ copies or substantial portions of the Software.
14
+
15
+ THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
16
+ IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
17
+ FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
18
+ AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
19
+ LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
20
+ OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
21
+ SOFTWARE.
@@ -0,0 +1,6 @@
1
+ include LICENSE
2
+ include README.md
3
+ include test.sh
4
+ recursive-include tests *.py
5
+ recursive-include examples *.py
6
+ recursive-include tash.sh *.sh *.md
@@ -0,0 +1,407 @@
1
+ Metadata-Version: 2.4
2
+ Name: cafeteria-sim
3
+ Version: 0.1.0
4
+ Summary: Discrete-event simulation and staffing optimization for school cafeteria queues
5
+ Author: cafeteria-sim contributors
6
+ License-Expression: MIT
7
+ Project-URL: Homepage, https://github.com/yi-ning-huang/_se/tree/main/homework/HW10
8
+ Project-URL: Repository, https://github.com/yi-ning-huang/_se
9
+ Project-URL: Issues, https://github.com/yi-ning-huang/_se/issues
10
+ Keywords: simpy,discrete-event-simulation,queueing,operations-research,cafeteria,staffing
11
+ Classifier: Development Status :: 4 - Beta
12
+ Classifier: Intended Audience :: Education
13
+ Classifier: Intended Audience :: Science/Research
14
+ Classifier: Operating System :: OS Independent
15
+ Classifier: Programming Language :: Python :: 3
16
+ Classifier: Programming Language :: Python :: 3.10
17
+ Classifier: Programming Language :: Python :: 3.11
18
+ Classifier: Programming Language :: Python :: 3.12
19
+ Classifier: Topic :: Education
20
+ Classifier: Topic :: Scientific/Engineering
21
+ Requires-Python: >=3.10
22
+ Description-Content-Type: text/markdown
23
+ License-File: LICENSE
24
+ Requires-Dist: simpy<5,>=4.1
25
+ Provides-Extra: dev
26
+ Requires-Dist: build>=1.2; extra == "dev"
27
+ Requires-Dist: twine>=5.1; extra == "dev"
28
+ Dynamic: license-file
29
+
30
+ # cafeteria-sim
31
+
32
+ 用 **SimPy** 建立的學餐排隊 **離散事件模擬(Discrete Event Simulation, DES)** 套件。
33
+ 它模擬尖峰時段的多個點餐窗口、共用或分開的取餐動線、顧客不耐煩離開,
34
+ 並用模擬結果比較「多開一個窗口」能減少多少等候時間,
35
+ 最後在等候目標下找出最低成本的人力配置。
36
+
37
+ - 套件名稱:`cafeteria-sim`
38
+ - Python 模組:`cafeteria_sim`
39
+ - 執行環境:Python 3.10+
40
+ - 執行期依賴:`simpy>=4.1,<5`
41
+ - 授權:MIT
42
+
43
+ ## 1. 主題與動機
44
+
45
+ 學校餐廳在中午尖峰常同時出現:
46
+
47
+ - 多個點餐窗口,每個窗口排队速度不同(菜色、刷卡、找零)。
48
+ - 點完餐後可能有**共用取餐區**,也可能每個窗口有**自己的取餐動線**。
49
+ - 顧客看到隊伍太長會直接離開(balking),排太久也會放棄(reneging)。
50
+ - 窗口與取餐人力是成本,等候時間是體驗,兩者需要取捨。
51
+
52
+ 當系統有多個服務站、不同動線與放棄行為時,單一 M/M/c 公式很難完整描述。
53
+ 因此本套件採用 DES:把每位顧客、每個窗口、每個取餐檯都建成 SimPy 資源,
54
+ 逐步推進事件時間,最後統計等候時間、排隊長度、使用率與吞吐量。
55
+
56
+ 這個套件對應課程「階段三:作業研究與排隊模擬」的主題,
57
+ 並把課堂提到的兩個方向都做成可執行的工具:
58
+
59
+ | 課堂方向 | 本套件的做法 |
60
+ |---|---|
61
+ | SimPy 排隊模擬 | 核心引擎,支援多窗口、共用/獨立取餐線、balk、renege、暖機 |
62
+ | PuLP/SciPy 最佳化 | 以**模擬式整數搜尋**在有限人力組合中找最低成本方案;不需要把非線性的等候限制硬塞進線性規劃 |
63
+
64
+ ## 2. 安裝
65
+
66
+ 從 PyPI 安裝(發布後):
67
+
68
+ ```bash
69
+ pip install cafeteria-sim
70
+ ```
71
+
72
+ 從原始碼安裝:
73
+
74
+ ```bash
75
+ git clone https://github.com/yi-ning-huang/_se.git
76
+ cd _se/homework/HW10
77
+ python -m venv .venv
78
+ .venv/Scripts/python -m pip install -e ".[dev]" # Windows
79
+ # source .venv/bin/activate && pip install -e ".[dev]" # macOS / Linux
80
+ ```
81
+
82
+ ## 3. 快速驗證
83
+
84
+ ```bash
85
+ cafeteria-sim demo
86
+ ```
87
+
88
+ `demo` 會跑一個內建的午餐尖峰情境:每小時 120 人到達、3 個點餐窗口、
89
+ 點餐平均 75 秒、共用 2 個取餐檯、取餐平均 45 秒,模擬 2 小時並暖機 10 分鐘。
90
+ 它會同時示範「加開窗口」與「最低成本人力」兩個功能。
91
+
92
+ 執行完整測試(單元測試+CLI+建置+wheel 安裝):
93
+
94
+ ```bash
95
+ bash tash.sh/test.sh
96
+ # 或在 HW10 根目錄
97
+ bash test.sh
98
+ ```
99
+
100
+ 報告會寫到 `tash.sh/test-report.txt`,詳細輸出在 `tash.sh/artifacts/`。
101
+ 目前 `tash.sh` 的結果為 **PASS=14 FAIL=0**,其中包含 **35 個 unittest**,
102
+ 涵蓋設定驗證、四種服務時間分布、balk/renege、暖機排除、重現性、
103
+ 共用/獨立取餐、情境比較、成本最佳化、JSON 輸出與 CLI 錯誤處理。
104
+
105
+ ## 4. 命令列用法
106
+
107
+ ### 4.1 單一情境
108
+
109
+ ```bash
110
+ cafeteria-sim run \
111
+ --arrival-rate 120 \
112
+ --duration 120 \
113
+ --warmup 10 \
114
+ --order-windows 3 \
115
+ --order-mean 75 \
116
+ --pickup-mode shared \
117
+ --pickup-servers 2 \
118
+ --pickup-mean 45 \
119
+ --seed 42
120
+ ```
121
+
122
+ 加上 `--replications 5 --json` 可以跑 5 次獨立模擬並輸出機器可讀的 JSON。
123
+
124
+ ### 4.2 比較加開窗口
125
+
126
+ ```bash
127
+ cafeteria-sim compare \
128
+ --arrival-rate 120 \
129
+ --order-mean 75 \
130
+ --pickup-mode shared \
131
+ --pickup-servers 2 \
132
+ --pickup-mean 45 \
133
+ --windows 1,2,3,4,5 \
134
+ --replications 3
135
+ ```
136
+
137
+ 本範例的實際輸出(節錄):
138
+
139
+ ```text
140
+ Win Mean(s) P95(s) Done% PerHour Order% Pickup% MaxQ
141
+ ------------------------------------------------------------------------
142
+ 1 5,727.5 10,074.0 100.0% 46.5 100.0% 28.4% 162
143
+ 2 775.9 1,844.6 100.0% 97.6 97.8% 60.3% 29
144
+ 3 165.3 444.0 100.0% 117.5 82.5% 72.3% 6
145
+ 4 109.6 351.4 100.0% 116.5 62.2% 71.2% 2
146
+ 5 89.7 303.8 100.0% 117.8 47.0% 73.1% 2
147
+ ```
148
+
149
+ 重點解讀:
150
+
151
+ - 只有 1 個窗口時,點餐容量約 48 人/小時,遠低於 120 人的到達率,
152
+ 排隊幾乎無上限,平均等候超過 1.5 小時。
153
+ - 3 個窗口時容量已足夠,平均總等候降到約 165 秒;
154
+ 但取餐區固定 2 人,取餐使用率約 72%,成為下一個瓶頸。
155
+ - 4、5 個窗口的邊際效益快速下降:等候變短,但點餐窗口使用率掉到 62%、47%。
156
+
157
+ ### 4.3 最低成本人力配置
158
+
159
+ ```bash
160
+ cafeteria-sim optimize \
161
+ --arrival-rate 120 \
162
+ --order-mean 75 \
163
+ --pickup-mean 45 \
164
+ --target-mean-wait 180 \
165
+ --target-p95-wait 450 \
166
+ --max-order-windows 6 \
167
+ --max-pickup-servers 4 \
168
+ --order-cost 150 \
169
+ --pickup-cost 100 \
170
+ --replications 3
171
+ ```
172
+
173
+ 實際輸出(節錄):
174
+
175
+ ```text
176
+ 目標:平均總等候 <= 180 秒、P95 總等候 <= 450 秒
177
+ 最佳方案:點餐窗口 3 個、取餐檯 2 個,成本 650 元/小時
178
+ 平均總等候 165.3 秒、P95 444.0 秒、完成率 100.0%
179
+
180
+ Win Pickup Cost/h Mean(s) P95(s) Done%
181
+ ------------------------------------------------------
182
+ 3 2 650 165.3 444.0 100.0%
183
+ 4 2 800 109.6 351.4 100.0%
184
+ 3 4 850 101.3 355.6 100.0%
185
+ ```
186
+
187
+ 最佳解不是等候最短的方案,而是在**滿足等候目標**的前提下成本最低的方案。
188
+ 若目標太嚴苛、超過搜尋上限,指令會回傳非零結束碼並列出等候最短的候選方案。
189
+
190
+ `--json` 可輸出所有候選方案與其完整指標,方便進一步畫圖或寫報告。
191
+
192
+ ## 5. Python API
193
+
194
+ ```python
195
+ from cafeteria_sim import SimulationConfig, compare_windows, run_simulation
196
+
197
+ config = SimulationConfig(
198
+ arrival_rate_per_hour=120,
199
+ duration_minutes=120,
200
+ warmup_minutes=10,
201
+ order_windows=3,
202
+ order_mean_s=75,
203
+ pickup_mode="shared",
204
+ pickup_servers=2,
205
+ pickup_mean_s=45,
206
+ seed=42,
207
+ )
208
+
209
+ result = run_simulation(config)
210
+ print(result.metrics["total_wait_mean_s"])
211
+ print(result.metrics["total_wait_p95_s"])
212
+
213
+ for scenario in compare_windows(config, [2, 3, 4], replications=3):
214
+ print(scenario.label, scenario.metrics["total_wait_mean_s"])
215
+ ```
216
+
217
+ 也可以直接使用最佳化:
218
+
219
+ ```python
220
+ from cafeteria_sim import SimulationConfig, optimize_staffing
221
+
222
+ plan = optimize_staffing(
223
+ SimulationConfig(arrival_rate_per_hour=120, order_mean_s=75, pickup_mean_s=45),
224
+ max_order_windows=6,
225
+ max_pickup_servers=4,
226
+ order_window_cost=150,
227
+ pickup_server_cost=100,
228
+ target_mean_wait_s=180,
229
+ target_p95_wait_s=450,
230
+ replications=3,
231
+ )
232
+ print(plan.best.order_windows, plan.best.pickup_servers, plan.best.hourly_cost)
233
+ ```
234
+
235
+ 完整範例見 `examples/quickstart.py`。
236
+
237
+ ## 6. 模型與指標
238
+
239
+ ### 6.1 模型假設
240
+
241
+ - 顧客以 Poisson 過程到達(指數分布間隔),到達率以「人/小時」設定。
242
+ - 點餐與取餐服務時間可選:
243
+ - `exponential`:指數分布,平均值為設定值。
244
+ - `deterministic`:固定時間。
245
+ - `uniform`:均勻分布於平均值的 0.5 到 1.5 倍。
246
+ - `triangular`:三角分布,下限/眾數/上限為平均值的 0.5/1.0/1.5 倍。
247
+ - 點餐窗口:每個窗口 capacity 1,顧客加入最短的窗口隊伍。
248
+ - 取餐模式:
249
+ - `shared`:所有窗口共用一個取餐區,取餐檯數量由 `pickup_servers` 決定。
250
+ - `per_window`:每個點餐窗口有自己的一條取餐線,capacity 1。
251
+ - `none`:點完餐就離開(用於只看點餐瓶頸)。
252
+ - 排隊上限:`max_order_queue`、`max_pickup_queue` 可模擬看到太長就離開(balk)。
253
+ - 耐心:`order_patience`、`pickup_patience` 可模擬排太久放棄(renege),
254
+ 耐心時間採指數分布。
255
+ - 暖機:`warmup` 分鐘內的顧客仍會影響系統狀態,但不列入統計,
256
+ 避免餐廳一開門空系統造成等候時間被低估。
257
+ - 每次模擬使用固定 seed;多次 replication 使用 `seed, seed+1, ...`。
258
+ - 情境比較對所有窗口數使用同一組 seeds(common random numbers),
259
+ 降低不同情境之間的隨機差異。
260
+
261
+ ### 6.2 指標定義
262
+
263
+ | 指標 | 定義 |
264
+ |---|---|
265
+ | `arrivals` | 觀察期間內到達的顧客數 |
266
+ | `served` | 觀察期間內到達且最終完成點餐+取餐的顧客數 |
267
+ | `departures` | 觀察期間內完成並離開的顧客數(用於吞吐量) |
268
+ | `abandoned` | 觀察期間內到達但未完成的顧客數 |
269
+ | `balked` / `balked_pickup` | 看到點餐/取餐隊伍太長而直接離開 |
270
+ | `reneged_order` / `reneged_pickup` | 排隊超過耐心而放棄 |
271
+ | `completion_rate` | `served / arrivals` |
272
+ | `throughput_per_hour` | 觀察期間內離開人數 ÷ 觀察時數 |
273
+ | `total_wait_*` | 點餐排隊+取餐排隊時間(不含服務時間) |
274
+ | `system_time_*` | 從到達至離開的總時間(含服務時間) |
275
+ | `*_utilization` | 服務中時間 ÷(服務檯數 × 觀察時數) |
276
+ | `avg_*_queue` | 時間加權的平均排隊人數(含正在等待的人) |
277
+ | `max_*_queue` | 觀察期間內最大排隊人數 |
278
+ | `p95` | 最近秩百分位(nearest-rank) |
279
+
280
+ `run --json` 與 `compare --json` 會輸出所有指標,方便寫報告或畫圖。
281
+
282
+ ## 7. 為什麼用模擬式最佳化,而不是直接丟給 PuLP?
283
+
284
+ 課堂投影片提到可加入 PuLP/`SciPy.optimize` 做「最低成本排班」。
285
+ 這個套件保留了成本最小化的目標,但採用**整數枚舉+DES 評估**,原因是:
286
+
287
+ 1. 等候時間對人力數量的關係是**非線性**的,而且有隨機性;
288
+ 直接寫成線性規劃會失真。
289
+ 2. 點餐窗口與取餐檯是**整數**決策,且兩者會互相成為瓶頸。
290
+ 3. `shared`/`per_window` 動線、balk、renege、非指數服務時間
291
+ 都不容易用單一 M/M/c 公式表示。
292
+ 4. 本套件的搜尋空間很小(例如 6 個窗口 × 4 個取餐檯 = 24 個方案),
293
+ 對每個方案跑 DES 反而直接、可解釋,也能輸出所有候選方案。
294
+
295
+ 如果未來要加入更大的排班問題(例如不同時段、不同技能、加班費),
296
+ 可以再把線性規劃或混合整數規劃接到 `optimize_staffing` 的候選產生器,
297
+ 用 DES 做最後驗證。
298
+
299
+ ## 8. 驗證與打包
300
+
301
+ ```bash
302
+ # 一鍵測試(單元測試、CLI、建置、twine check、wheel 安裝)
303
+ bash tash.sh/test.sh
304
+
305
+ # 只跑單元測試
306
+ python -m unittest discover -s tests -v
307
+
308
+ # 建置 sdist + wheel
309
+ python -m build
310
+
311
+ # 檢查套件中介資料與 README
312
+ python -m twine check dist/*
313
+
314
+ # 在乾淨環境安裝 wheel 並執行
315
+ python -m venv .venv-check
316
+
317
+ # Windows
318
+ .venv-check\Scripts\pip install dist\cafeteria_sim-0.1.0-py3-none-any.whl
319
+ .venv-check\Scripts\cafeteria-sim demo
320
+
321
+ # macOS / Linux
322
+ .venv-check/bin/pip install dist/cafeteria_sim-0.1.0-py3-none-any.whl
323
+ .venv-check/bin/cafeteria-sim demo
324
+ ```
325
+
326
+ 目前已驗證:
327
+
328
+ - `bash tash.sh/test.sh`:**PASS=14 FAIL=0**,報告在 `tash.sh/test-report.txt`。
329
+ - 35 個 unittest 全數通過。
330
+ - `python -m build` 成功產生 `cafeteria_sim-0.1.0.tar.gz` 與
331
+ `cafeteria_sim-0.1.0-py3-none-any.whl`。
332
+ - `twine check` 通過。
333
+ - wheel 安裝到暫存目錄後可匯入,並可執行 `python -m cafeteria_sim run`。
334
+ - 在乾淨虛擬環境以 wheel 安裝後,`cafeteria-sim demo` 可正常執行。
335
+
336
+ ## 9. 發布到公開套件庫
337
+
338
+ 本套件以 PyPI 為公開套件庫。發布指令如下(token 請放在環境變數,不要寫進 repo):
339
+
340
+ ```bash
341
+ python -m build
342
+ python -m twine check dist/*
343
+
344
+ # 先上 TestPyPI 驗證
345
+ TWINE_USERNAME=__token__ \
346
+ TWINE_PASSWORD=pypi-你的-testpypi-token \
347
+ python -m twine upload --repository testpypi dist/*
348
+
349
+ # 確認 TestPyPI 可安裝後,再上正式 PyPI
350
+ TWINE_USERNAME=__token__ \
351
+ TWINE_PASSWORD=pypi-你的-pypi-token \
352
+ python -m twine upload dist/*
353
+ ```
354
+
355
+ Windows PowerShell 版本:
356
+
357
+ ```powershell
358
+ $env:TWINE_USERNAME = "__token__"
359
+ $env:TWINE_PASSWORD = "pypi-你的-pypi-token"
360
+ python -m twine upload dist/*
361
+ ```
362
+
363
+ 發布後即可用 `pip install cafeteria-sim` 安裝,
364
+ 專案頁面為 <https://pypi.org/project/cafeteria-sim/>。
365
+
366
+ ## 10. 專案結構
367
+
368
+ ```text
369
+ homework/HW10/
370
+ ├── cafeteria_sim/
371
+ │ ├── __init__.py
372
+ │ ├── __main__.py
373
+ │ ├── cli.py # run / compare / optimize / demo
374
+ │ ├── config.py # 設定驗證與單位轉換
375
+ │ ├── distributions.py # 四種服務時間分布
376
+ │ ├── metrics.py # 百分位、排隊面積、最大重疊
377
+ │ ├── optimization.py # 模擬式整數人力搜尋
378
+ │ ├── simulation.py # SimPy 模型、顧客紀錄、統計
379
+ │ └── py.typed
380
+ ├── examples/
381
+ │ └── quickstart.py
382
+ ├── tests/
383
+ │ ├── test_cli.py
384
+ │ ├── test_config.py
385
+ │ ├── test_distributions.py
386
+ │ ├── test_metrics.py
387
+ │ ├── test_optimization.py
388
+ │ └── test_simulation.py
389
+ ├── tash.sh/
390
+ │ ├── test.sh # 一鍵測試入口
391
+ │ ├── test-report.txt # 測試報告
392
+ │ ├── README.md
393
+ │ └── artifacts/ # unittest / CLI / build / wheel 紀錄
394
+ ├── LICENSE
395
+ ├── pyproject.toml
396
+ ├── test.sh # 根目錄入口,轉呼叫 tash.sh/test.sh
397
+ └── README.md
398
+ ```
399
+
400
+ ## 11. 限制
401
+
402
+ - 菜單只有一種服務時間分布,沒有區分不同餐點的差異。
403
+ - 顧客以最短隊伍選擇窗口,沒有考慮品牌偏好或熟客動線。
404
+ - 耐心時間固定用指數分布,尚未支援常數或歷史資料擬合。
405
+ - 假設人力在模擬期間固定,不處理輪班、休息與跨時段人力調整。
406
+ - 模擬結果為隨機估計;正式決策建議增加 `replications` 並報告信賴區間
407
+ (目前輸出平均值與百分位,未提供信賴區間)。