🕐 班別覆蓋率（依訂單視窗時間判定：白班 09-19・晚班 21以後・其他為交接時段）
👥 人員類型覆蓋率（正職＝平日 09-19・兼職＝其餘時段）
■ 訂單 ■ 成功履約 — 覆蓋率 （覆蓋率＝成功履約／訂單，同一來源）
🧹 管家實際清潔時段分佈
■ 實際清潔次數 （來源：管家清潔時間 clean_time，跟上方圖表是不同資料來源，僅供對照時段分布，不影響漏清率計算）
🎯 覆蓋率目標模擬（小樹屋，一般分館）
輸入目標覆蓋率，系統會依「潛力最大」（現有落差 × 可判定場次）排序，模擬把哪些分館逐一拉到 85%（假設可達成上限），直到累積達標為止。
目標覆蓋率：
%
🗓️ 未來訂單清潔規劃建議
尚未匯入未來訂單資料。請先執行 fetch_future_orders.py 抓未來訂單，
再執行 plan_future_orders.py 產生規劃建議，最後重跑 export_dashboard_data.py 嵌入資料。
依「訂單組」邏輯（同 order_coverage 判定：間隔<30分鐘併組、企業包場提前30分鐘）推算未來每一筆訂單對應的清潔視窗，
並用各分館歷史「單視窗日 vs 多視窗日」覆蓋率差，標出高風險視窗（多訂單日 + 落在該分館歷史尖峰漏清時段）。
① 現行 vs 建議清潔頻次（依路線＋日期）
② 分館比較（依調整後覆蓋率提升幅度排序）
| # | 分館 | 路線 | 未來視窗數 | 高風險視窗 |
現況預估覆蓋率 | 調整後預估覆蓋率 | 提升幅度 |
③ 時段比較（哪些時段最需要加開清潔）
④ 單筆訂單清潔建議明細