先保留缺測 再談估算
報表遇到缺測時，第一步是保留原始空值與quality，不把未知改成零。估算值可以幫助趨勢或規劃，但必須有methodVersion、estimated、原始缺口起訖與可追溯的觀測點。本文用每分鐘產量離線案例，所有數字是手算假設。
案例七分鐘資料為10、12、缺、缺、缺、20、22。已觀測總量10+12+20+22=64，觀測四分鐘平均16。缺測三分鐘若採端點線性估算14、16、18，估算總量48，估算完整總量112，完整估算平均仍是16。112不是實際產量，只是含估值的報表摘要。
報表同時顯示observedTotal=64、estimatedGapTotal=48、reportedTotal=112、observedCount=4、estimatedCount=3與qualitySummary，讓讀者不會把完整估算當實測。
| 分鐘 | 原始值 | 狀態 | 線性估值 |
|---|---|---|---|
| 00 | 10 | observed | 10 |
| 01 | 12 | observed | 12 |
| 02 | 缺 | estimated | 14 |
| 03 | 缺 | estimated | 16 |
| 04 | 缺 | estimated | 18 |
| 05 | 20 | observed | 20 |
| 06 | 22 | observed | 22 |
先確認資料語意再選方法。這七筆若是每分鐘增量，10、12、20、22各自代表該分鐘完成量；若是累計表值，就必須先以相鄰差分轉成增量，不能把兩種語意放在同一欄相加。本例明確採增量語意，因此觀測總和為10+12+20+22=64，觀測筆數為4，缺測筆數為3，總筆數為7。
比較排除 前值與線性
排除法只用四筆觀測，總量64、平均16，不能宣稱七分鐘實際總量。前值法把12延續三分鐘，估值總量36、完整總量100，假設缺測期間維持前一值。線性法用12到20的等距位置填14、16、18，缺口總48、完整112；三種結果不同，方法不能在報表中省略。
pandas DataFrame.interpolate的linear把值視為等距；time則依時間間隔，limit可限制連續缺值，搭配limit時，limit_area=inside只填前後都有有效值的內部缺口。此案例等距每分鐘才適合linear；不規則時間要先選time或明確方法。
缺口在序列開頭或結尾時，inside不會外推；不能用端點線性方法假裝有觀測。前值法適合經工程審查的保持型訊號，不適合每分鐘產量一定持續不變的設備。
| 方法 | 缺口估值 | 完整總量 | 解讀 |
|---|---|---|---|
| 排除 | 無 | 64 | 只報觀測 |
| 前值 | 12,12,12 | 100 | 保持假設 |
| 線性 | 14,16,18 | 112 | 端點內插估計 |
| 零值 | 0,0,0 | 64 | 不可當未知 |
零值替代會把未知變成已知，因而改變結論。若三個缺口填零，總和會變64、平均卻是64/7約9.14，這不是停機已確認的證據；若使用前值保持，三格可能各為12，總和100，平均約14.29，結果又不同。正確做法是並列observedTotal=64、estimatedTotal=112與missingCount=3，而不是只留一個看似精確的總數。
不規則時間戳要使用時間距離而非索引距離。00:00為12、00:01缺測、00:03為20時，按實際時間線性內插為12＋(20−12)×1/3，約14.67；若缺的是00:02，則約17.33。資料表若只有排序索引而沒有時間戳，不能宣稱使用time方法，應將methodVersion標成index-linear並在報表說明等距假設。
總量 平均與峰值界線
觀測均值是64/4=16，完整線性估計均值112/7=16；這個巧合不能讓估值變成實測。觀測峰值22是已看到的最大值，不能寫成完整期間實際峰值；缺口可能有更高值。線性估值峰值22只是估值集合的峰值，報表應標estimated peak。
若要算產量率，確認每筆是增量還是累計。案例值視為每分鐘增量，直接加總；若是累計counter，應用差分並處理reset/wrap，不能把四筆累計值相加。
摘要需列coverage=4/7、estimatedRatio=3/7、methodVersion=linear-v1、gapStart=02、gapEnd=04與quality。估算結果若供計費、品質放行或安全判斷，通常要改用人工確認或標記不可用。
| 摘要 | 觀測 | 含估算 | 限制 |
|---|---|---|---|
| 總量 | 64 | 112 | 112含48估值 |
| 平均 | 16 | 16 | 不可證明真實 |
| 峰值 | 22 observed | 22 estimated-set | 不代表缺口峰值 |
| 覆蓋 | 4/7 | 7/7呈現 | 3筆非實測 |
補值範圍也要設上限。缺口前後都有有效值且連續缺三筆時，limit=3、limit_area=inside可以處理本例；若連續缺四筆且採預設向前填補，第四筆保持未知；若改雙向填補，可能補滿四筆。若政策要求缺口超過三筆就整段不估，應先檢查缺口長度，不能只靠limit=3。開頭缺測沒有左端點，結尾缺測沒有右端點，不能用內插硬填；要另訂前值、後值或外插規則，且外插產生的quality必須與內插不同。
平均值相同不代表方法正確。本例觀測平均64/4=16，線性補值後112/7=16，只是數字巧合；它沒有證明缺測三分鐘真的各產出14、16、18。若缺測期間可能有突增，實際峰值可能高於已觀測峰值22，因此報表只能寫observedPeak=22，estimatedSeriesPeak=22，不得把22稱為完整實際峰值。
操作 排錯與限制
先保存原始表，再設定缺測規則、最大連續缺口、方法版本與是否只填內部缺口；計算後把估值寫入獨立欄，不覆蓋raw。若端點沒有兩側觀測，保持NaN並報缺口。
排錯先查時間是否等距、單位、資料型別、缺測是否真的NaN、是否誤把零當缺測、聚合欄位是否混合estimated與observed。若總量與手算不符，逐筆列出來源與methodVersion，不只看最後摘要。
估算不得冒稱峰值、實際產量或已驗證數字。平台可能有自己的interpolate、fillna或報表聚合行為；未指定平台時只描述公式與欄位契約，不造PLC或報表API。
驗收用本案例重算64、48、112、16，另測開頭/結尾缺口、兩段缺口、超過limit與時間不等距，確認結果與quality一致。
每一筆補值都要保留來源欄位。例如14、16、18的row可寫rawValue=null、reportedValue=14/16/18、sourceQuality=Missing、estimateQuality=Estimated、estimateReason=linear_between_valid、methodVersion=linear-v1、gapStart=00:02、gapEnd=00:04。報表顯示補值時加上估算標誌，匯出仍保留null原值，讓後續人員能重算或改用新方法。
FAQ 來源與驗證
若管理者要比較班次，先固定計算口徑與覆蓋率。例中coverage為4/7約57.14%，estimateRatio為3/7約42.86%；可以設定覆蓋率低於80%時只發布觀測總和，另提供估算欄位，不把112直接放進實績排行榜。每次重算記錄runAt、資料快照識別碼與methodVersion，避免同一報表因規則改版而無法解釋差異。
驗收可用四組資料逐一核對：完整資料不應產生估算；內部三筆缺口應得到14、16、18；尾端缺口應保持null；連續四筆缺口在limit=3且向前填補時至少有一筆仍為null。再檢查每個估算row的quality、方法版本與原因欄都存在，並核對報表的總和公式只使用相同口徑的欄位。
若原始訊號是累計計數器，缺測期間的處理流程不同：先保存每次有效讀值，再以計數器差值求區間增量，並處理重啟歸零、回繞與負差值。不能把累計值10、12、20、22當成每分鐘產量直接相加。本篇案例已明確排除這種語意；實作時可在schema加入valueKind=interval_increment或cumulative_counter，讓錯誤資料在進入報表前被拒絕。
取消或重跑也要有明確狀態。使用者在報表計算中途按取消時，不應發布半套總數；先完成快照讀取與方法計算，再以狀態Succeeded發布結果，取消則留下Cancelled與原因。重跑同一快照時應得到同一112與同一14、16、18，若方法版本不同則另建結果版本，不能靜默覆蓋原有實績。
FAQ1：缺測可填0嗎？不可，零可能是有效產量，未知要保留空值與quality。
FAQ2：線性估算總量112是實際產量嗎？不是，是含48估算值的報表數字。
FAQ3：峰值22可以寫成完整期間峰值嗎？不可以，只能寫觀測峰值或估值集合峰值。
FAQ4：time與linear一樣嗎？不一定，linear視為等距，time依時間間隔。
本文案例為離線手算。
參考：pandas DataFrame.interpolate：linear等距、time依時間、limit與limit_area='inside'。