Ligue Nationale Hockey Simule

Blue Jackets
Accueil
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance
Client Web pour les lignes

Centre de jeu
	Phantoms 10-4-0, 20pts	9	FINAL	5	Monsters 6-8-0, 12pts

Team Stats
L1	Streak	W1
5-2-0	Home Record	4-3-0
5-2-0	Away Record	2-5-0
7-3-0	Last 10 Games	3-7-0
6.00	Goals Per Game	4.57
4.00	Goals Against Per Game	5.50
33.33%	Power Play Percentage	36.84%
75.00%	Penalty Kill Percentage	72.41%

penguins
3-10-1, 7pts

FINAL

Monsters
6-8-0, 12pts

Team Stats
L4	Streak	W1
2-4-1	Home Record	4-3-0
1-6-0	Away Record	2-5-0
2-8-0	Last 10 Games	3-7-0
3.79	Goals Per Game	4.57
6.14	Goals Against Per Game	5.50
18.18%	Power Play Percentage	36.84%
58.33%	Penalty Kill Percentage	72.41%

Meneurs d'équipe

Statistiques d’équipe
Buts pour 64 4.57 GFG	Tirs pour 638 45.57 Avg	Pourcentage en avantage numérique 36.8% 7 GF	Début de zone offensive 39.7%
Buts contre 77 5.50 GAA	Tirs contre 774 55.29 Avg	Pourcentage en désavantage numérique 72.4% 8 GA	Début de la zone défensive 40.0%

Information d’équipe
	Directeur général	Dave Turcotte
	Division	Metropolitaine
	Conférence	Conference 1
	Capitaine	Joakim Ryan
	Assistant #1	Jean-Sebastien Dea
	Assistant #2	Jake Bean
	Informations de l’aréna
	Capacité	3,000
	Assistance	0
	Billets de saison	300
Information formation
	Équipe Pro	25
	Équipe Mineure	18
	Limite contact	43 / 80
	Espoirs	37

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	#	C	L	R	D	CON	CK	FG	DI	SK	ST	EN	DU	PH	FO	PA	SC	DF	PS	EX	LD	PO	MO	OV	SP	Âge	Contrat	Salaire
1	Ross Colton	0	X	X			100.00	77	44	84	65	70	57	72	61	73	60	81	54	25	46	46	71	53	61	0	25	3	700,000$
2	Nicholas Merkley	0			X		100.00	75	43	91	79	68	59	70	62	33	75	58	64	25	46	46	63	53	60	0	24	2	874,125$
3	Jean-Sebastien Dea (A)	0	X		X		100.00	64	61	72	62	61	62	61	68	80	65	66	62	63	52	52	64	47	60	0	27	2	700,000$
4	Michael Eyssimont (R)	0	X	X			100.00	67	67	67	61	67	71	75	56	70	49	59	59	56	44	44	59	47	57	0	25	3	700,000$
5	Vitaly Kravtsov (R)	0		X	X		100.00	63	42	93	65	71	62	60	60	25	60	59	63	25	45	45	61	47	57	0	21	2	925,000$
6	Simon Holmstrom	0			X		100.00	80	74	94	64	74	58	60	53	50	46	56	64	53	44	44	59	47	57	0	20	3	894,167$
7	Tanner Kaspick	0	X				100.00	74	73	77	65	73	59	62	50	63	47	47	61	45	44	44	54	53	56	0	23	2	739,166$
8	David Kase	0		X	X		100.00	69	61	86	62	61	61	62	59	50	57	56	60	53	44	44	60	47	56	0	24	1	768,333$
9	Ridly Greig (R)	0		X			100.00	69	60	90	62	60	55	55	57	50	56	53	60	50	44	44	58	47	55	0	19	3	925,000$
10	Matt Filipe (R)	0		X			100.00	74	73	75	60	73	51	51	51	50	48	50	61	48	44	44	54	41	54	0	23	2	817,500$
11	Hayden Verbeek	0	X	X			100.00	74	65	95	54	65	49	49	52	65	54	46	61	44	44	44	54	41	53	0	23	1	753,333$
12	William Borgen	0				X	100.00	95	47	87	61	77	69	58	58	25	39	47	84	25	45	45	52	47	60	0	24	3	864,166$
13	Jake Bean (A)	0				X	100.00	63	41	91	67	69	65	78	64	25	60	47	59	75	48	48	57	53	58	0	23	4	875,000$
14	Tarmo Reunanen (R)	0				X	100.00	71	68	77	68	68	61	62	61	25	55	52	62	49	44	44	60	47	57	0	23	3	809,167$
15	Keaton Middleton	0				X	100.00	89	88	91	61	88	57	59	49	25	44	39	68	37	44	44	54	47	57	0	23	2	742,500$
16	Joakim Ryan (C)	0				X	100.00	72	67	85	70	67	49	49	54	25	52	39	64	37	58	60	54	53	55	0	28	1	700,000$
17	Mikko Kokkonen (R)	0				X	100.00	78	69	99	59	69	54	54	56	25	54	43	64	41	44	44	56	41	55	0	20	1	700,000$
Rayé
1	Akil Thomas (R)	0	X		X		100.00	72	64	90	60	64	72	75	63	79	59	63	63	60	44	44	65	42	60	0	21	3	795,000$
2	Remi Elie	0		X			100.00	79	78	81	60	78	59	58	63	50	57	65	67	62	47	47	65	42	60	0	26	2	700,000$
3	Nick Moutrey	0	X				100.00	81	80	82	65	80	61	65	48	60	43	47	64	45	44	44	55	42	57	0	26	1	700,000$
4	Kevin Gravel	0				X	100.00	80	78	86	70	78	57	60	48	25	39	40	66	38	56	57	53	36	57	0	29	0	0$
5	Victor Soderstrom (R)	0				X	100.00	72	64	90	60	64	59	62	50	25	43	41	60	39	44	44	52	36	53	0	20	3	894,167$
6	Mason Geertsen	0				X	100.00	68	79	42	63	79	60	63	50	25	35	49	58	47	44	44	53	36	53	0	26	2	725,000$
7	Cameron Crotty (R)	0				X	100.00	77	70	93	62	70	56	59	45	25	34	40	61	38	44	44	51	36	52	0	22	3	925,000$

	MOYENNE D’ÉQUIPE					100.00	74	65	84	64	71	59	62	56	44	51	52	63	45	46	46	58	45	57

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	CON	SK	DU	EN	SZ	AG	RB	SC	HS	RT	PH	PS	EX	LD	PO	MO	OV	SP
Rayé
1	Daniil Tarasov (R)	100.00	50	55	69	80	49	51	50	55	49	49	30	44	44	51	42	53	0

	MOYENNE D’ÉQUIPE	100.00	50	55	69	80	49	51	50	55	49	49	30	44	44	51	42	53

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	Nom de l’équipe	POS	GP	G	A	P	+/-	PIM	HIT	HTT	SHT	OSB	OSM	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PPM	PKS	PKM	GW	GT	FO%	FOT	HT	P/20	PSG	PSS	S1	S2	S3
1	Ross Colton	Monsters (CLB)	C/LW	14	13	10	23	-1	4	33	34	107	30	59	12.15%	22	247	17.64	4	1	5	14	12	0	8	1	0	63.91%	327	0	1.86	1	2	2	2	1
2	Nicholas Merkley	Monsters (CLB)	RW	14	11	6	17	2	6	63	27	92	23	55	11.96%	10	278	19.93	0	0	0	5	15	3	8	0	1	47.06%	17	1	1.22	2	2	1	2	1
3	Jake Bean	Monsters (CLB)	D	14	3	10	13	4	2	13	8	35	8	19	8.57%	21	285	20.37	0	1	1	10	14	0	9	0	0	0.00%	0	0	0.91	0	0	0	0	2
4	Joakim Ryan	Monsters (CLB)	D	14	2	10	12	0	4	43	13	25	4	19	8.00%	19	267	19.10	0	2	2	5	10	0	11	0	0	0.00%	0	0	0.90	0	0	0	0	2
5	Tanner Kaspick	Monsters (CLB)	C	14	5	4	9	-1	12	16	24	38	15	33	13.16%	11	126	9.06	0	0	0	0	0	0	0	0	0	61.31%	168	0	1.42	0	0	0	3	0
6	William Borgen	Monsters (CLB)	D	3	2	5	7	4	6	11	2	10	4	7	20.00%	4	70	23.51	1	0	1	4	4	0	6	0	0	0.00%	0	0	1.99	0	0	0	0	0
7	Jean-Sebastien Dea	Monsters (CLB)	C/RW	3	3	3	6	1	0	8	9	21	6	11	14.29%	0	61	20.34	1	0	1	2	3	0	7	0	0	66.67%	69	0	1.97	0	0	0	0	0
8	David Kase	Monsters (CLB)	LW/RW	3	1	4	5	2	2	0	3	6	6	8	16.67%	2	44	14.70	0	1	1	0	0	0	4	0	0	85.71%	7	0	2.27	0	0	0	0	1
9	Tarmo Reunanen	Monsters (CLB)	D	3	1	3	4	3	0	3	4	6	2	5	16.67%	13	62	20.97	0	1	1	0	3	0	9	1	0	0.00%	0	0	1.27	0	0	0	0	0
10	Ridly Greig	Monsters (CLB)	LW	3	3	1	4	3	0	3	1	9	2	5	33.33%	0	46	15.49	0	0	0	0	0	0	0	0	1	40.00%	5	0	1.72	0	0	1	0	0
11	Mikko Kokkonen	Monsters (CLB)	D	3	1	3	4	0	0	7	2	4	0	2	25.00%	3	45	15.06	0	1	1	0	0	0	1	1	0	0.00%	0	0	1.77	0	0	0	1	0
12	Keaton Middleton	Monsters (CLB)	D	3	0	3	3	3	4	6	3	1	7	6	0.00%	5	60	20.30	0	0	0	0	3	0	6	0	0	0.00%	0	0	0.99	0	0	0	0	0
13	Vitaly Kravtsov	Monsters (CLB)	LW/RW	3	0	3	3	1	0	3	6	16	1	15	0.00%	0	54	18.09	0	1	1	1	3	0	0	0	0	0.00%	6	0	1.11	0	0	0	0	0
14	Michael Eyssimont	Monsters (CLB)	C/LW	3	0	2	2	3	0	7	3	6	4	6	0.00%	3	64	21.38	0	0	0	1	3	2	7	0	0	75.00%	4	0	0.62	0	0	0	0	0
15	Simon Holmstrom	Monsters (CLB)	RW	3	1	1	2	1	0	7	1	9	2	2	11.11%	0	54	18.09	0	0	0	2	3	0	0	0	0	100.00%	2	0	0.74	0	0	0	0	0
16	Matt Filipe	Monsters (CLB)	LW	3	1	0	1	2	0	1	1	2	0	1	50.00%	0	10	3.58	0	0	0	0	0	0	3	0	0	0.00%	4	0	1.86	0	0	0	0	0
17	Hayden Verbeek	Monsters (CLB)	C/LW	3	0	0	0	1	0	0	1	3	1	2	0.00%	0	10	3.34	0	0	0	0	0	0	0	0	0	75.00%	12	0	0.00	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				106	47	68	115	28	40	224	142	390	115	255	12.05%	113	1789	16.89	6	8	14	44	81	5	85	3	2	62.48%	621	1	1.28	3	4	4	8	7

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	Nom de l’équipe	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA	ST	BG	S1	S2	S3
Statistiques d’équipe totales ou en moyenne							0.000	0.00	0								0.000

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Nom du joueur	Nom de l’équipe	POS	Âge	Date de naissance	Nouveau joueur	Poids	Taille	Non-échange	Disponible pour échange	Ballotage forcé	Contrat	Type	Salaire actuel	Salaire restant	Salaire moyen	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Salaire annuel 4	Link
Akil Thomas	Monsters (CLB)	C/RW	21	2000-01-01	Yes	171 Lbs	6 ft0	No	No	No	3	Pro & Farm	795,000$	795,000$	795,000$	0$	0$	No	795,000$	795,000$		Lien
Cameron Crotty	Monsters (CLB)	D	22	1999-05-05	Yes	182 Lbs	6 ft3	No	No	No	3	Pro & Farm	925,000$	925,000$	925,000$	0$	0$	No	925,000$	925,000$		Lien
Daniil Tarasov	Monsters (CLB)	G	22	1999-03-27	Yes	185 Lbs	6 ft5	No	No	No	3	Pro & Farm	925,000$	925,000$	925,000$	0$	0$	No	925,000$	925,000$		Lien
David Kase	Monsters (CLB)	LW/RW	24	1997-01-28	No	169 Lbs	5 ft11	No	No	No	1	Pro & Farm	768,333$	768,333$	768,333$	0$	0$	No				Lien / Lien NHL
Hayden Verbeek	Monsters (CLB)	C/LW	23	1997-10-17	No	184 Lbs	5 ft10	No	No	No	1	Pro & Farm	753,333$	753,333$	753,333$	0$	0$	No				Lien / Lien NHL
Jake Bean	Monsters (CLB)	D	23	1998-06-09	No	186 Lbs	6 ft1	No	No	No	4	Pro & Farm	875,000$	875,000$	875,000$	0$	0$	No	2,333,333$	2,333,333$	2,333,333$	Lien / Lien NHL
Jean-Sebastien Dea	Monsters (CLB)	C/RW	27	1994-02-08	No	168 Lbs	5 ft11	No	No	No	2	Pro & Farm	700,000$	700,000$	600,000$	0$	0$	No	750,000$			Lien / Lien NHL
Joakim Ryan	Monsters (CLB)	D	28	1993-06-17	No	185 Lbs	5 ft11	No	No	No	1	Pro & Farm	700,000$	700,000$	750,000$	0$	0$	No				Lien / Lien NHL
Keaton Middleton	Monsters (CLB)	D	23	1998-02-10	No	233 Lbs	6 ft6	No	No	No	2	Pro & Farm	742,500$	742,500$	600,000$	0$	0$	No	742,500$			Lien / Lien NHL
Kevin Gravel	Monsters (CLB)	D	29	1992-03-06	No	205 Lbs	6 ft4	No	No	No	0	Pro & Farm				0$	0$	No				Lien / Lien NHL
Mason Geertsen	Monsters (CLB)	D	26	1995-04-18	No	215 Lbs	6 ft2	No	No	No	2	Pro & Farm	725,000$	725,000$	550,000$	0$	0$	No	725,000$			Lien / Lien NHL
Matt Filipe	Monsters (CLB)	LW	23	1997-12-30	Yes	198 Lbs	6 ft2	No	No	No	2	Pro & Farm	817,500$	817,500$	817,500$	0$	0$	No	817,500$			Lien
Michael Eyssimont	Monsters (CLB)	C/LW	25	1996-09-09	Yes	181 Lbs	6 ft0	No	No	No	3	Pro & Farm	700,000$	700,000$	700,000$	0$	0$	No	750,000$	750,000$		Lien
Mikko Kokkonen	Monsters (CLB)	D	20	2001-01-18	Yes	194 Lbs	5 ft11	No	No	No	1	Pro & Farm	700,000$	700,000$	700,000$	0$	0$	No				Lien
Nicholas Merkley	Monsters (CLB)	RW	24	1997-05-23	No	194 Lbs	5 ft10	No	No	No	2	Pro & Farm	874,125$	874,125$	863,334$	0$	0$	No	750,000$			Lien / Lien NHL
Nick Moutrey	Monsters (CLB)	C	26	1995-06-23	No	218 Lbs	6 ft3	No	No	No	1	Farm Only	700,000$	700,000$	700,000$	0$	0$	No				Lien / Lien NHL
Remi Elie	Monsters (CLB)	LW	26	1995-04-16	No	215 Lbs	6 ft1	No	No	No	2	Pro & Farm	700,000$	700,000$	700,000$	0$	0$	No	750,000$			Lien / Lien NHL
Ridly Greig	Monsters (CLB)	LW	19	2002-08-08	Yes	163 Lbs	5 ft11	No	No	No	3	Pro & Farm	925,000$	925,000$	925,000$	0$	0$	No	925,000$	925,000$		Lien
Ross Colton	Monsters (CLB)	C/LW	25	1996-09-11	No	191 Lbs	6 ft0	No	No	No	3	Pro & Farm	700,000$	700,000$	767,500$	0$	0$	No	1,125,000$	1,125,000$		Lien / Lien NHL
Simon Holmstrom	Monsters (CLB)	RW	20	2001-05-24	No	200 Lbs	6 ft1	No	No	No	3	Pro & Farm	894,167$	894,167$	600,000$	0$	0$	No	894,167$	894,167$		Lien / Lien NHL
Tanner Kaspick	Monsters (CLB)	C	23	1998-01-28	No	200 Lbs	6 ft0	No	No	No	2	Pro & Farm	739,166$	739,166$	739,166$	0$	0$	No	750,000$			Lien / Lien NHL
Tarmo Reunanen	Monsters (CLB)	D	23	1998-03-01	Yes	185 Lbs	6 ft0	No	No	No	3	Pro & Farm	809,167$	809,167$	809,167$	0$	0$	No	809,167$	809,167$		Lien
Victor Soderstrom	Monsters (CLB)	D	20	2001-02-26	Yes	179 Lbs	5 ft11	No	No	No	3	Pro & Farm	894,167$	894,167$	894,167$	0$	0$	No	894,167$	894,167$		Lien
Vitaly Kravtsov	Monsters (CLB)	LW/RW	21	1999-12-23	Yes	189 Lbs	6 ft3	No	No	No	2	Pro & Farm	925,000$	925,000$	600,000$	0$	0$	No	925,000$			Lien
William Borgen	Monsters (CLB)	D	24	1996-12-19	No	205 Lbs	6 ft3	No	No	No	3	Pro & Farm	864,166$	864,166$	864,166$	0$	0$	No	900,000$	900,000$		Lien / Lien NHL

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
25	23.48	192 Lbs	6 ft1	2.20	766,065$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Michael Eyssimont	Ross Colton	Nicholas Merkley	40	1	2	2
2	Vitaly Kravtsov	Jean-Sebastien Dea	Simon Holmstrom	30	1	2	2
3	David Kase	Tanner Kaspick	Ridly Greig	20	1	2	2
4	Ridly Greig	Hayden Verbeek	Ross Colton	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	William Borgen	Jake Bean	40	1	2	2
2	Tarmo Reunanen	Keaton Middleton	30	1	2	2
3	Mikko Kokkonen	Joakim Ryan	20	1	2	2
4	William Borgen	Jake Bean	10	1	2	2

Attaque en svantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Michael Eyssimont	Ross Colton	Nicholas Merkley	60	1	2	2
2	Vitaly Kravtsov	Jean-Sebastien Dea	Simon Holmstrom	40	1	2	2

Défense en svantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	William Borgen	Jake Bean	60	1	2	2
2	Tarmo Reunanen	Keaton Middleton	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Ross Colton	Nicholas Merkley	60	1	2	2
2	Jean-Sebastien Dea	Michael Eyssimont	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	William Borgen	Jake Bean	60	1	2	2
2	Tarmo Reunanen	Keaton Middleton	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Ross Colton	60	1	2	2	William Borgen	Jake Bean	60	1	2	2
2	Nicholas Merkley	40	1	2	2	Tarmo Reunanen	Keaton Middleton	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Ross Colton	Nicholas Merkley	60	1	2	2
2	Jean-Sebastien Dea	Michael Eyssimont	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	William Borgen	Jake Bean	60	1	2	2
2	Tarmo Reunanen	Keaton Middleton	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Michael Eyssimont	Ross Colton	Nicholas Merkley	William Borgen	Jake Bean

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Michael Eyssimont	Ross Colton	Nicholas Merkley	William Borgen	Jake Bean

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Matt Filipe, Tanner Kaspick, David Kase	Matt Filipe, Tanner Kaspick	David Kase

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Mikko Kokkonen, Joakim Ryan, Tarmo Reunanen	Mikko Kokkonen	Joakim Ryan, Tarmo Reunanen

Tirs de pénalité
Ross Colton, Nicholas Merkley, Jean-Sebastien Dea, Michael Eyssimont, Vitaly Kravtsov

Gardien
#1 : , #2 :

Lignes d’attaque personnalisées en prolongation
, , , , , , , , , ,

Lignes de défense personnalisées en prolongation
, , , ,

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

	Total												Domicile											Visiteur
#	VS Équipe	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	PCT	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT
1	Bears	2	2	0	0	0	0	0	0	14	9	5	1	1	0	0	0	0	0	0	8	4	4	1	1	0	0	0	0	0	0	6	5	1	4	1.000	14	27	41	0	0	31	19	12	4	129	212	226	191	15	127	38	4	57	0	0	0.00%	3	0	100.00%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
2	Checkers	2	0	2	0	0	0	0	0	3	10	-7	1	0	1	0	0	0	0	0	1	6	-5	1	0	1	0	0	0	0	0	2	4	-2	0	0.000	3	5	8	0	0	31	19	12	4	56	212	226	191	15	107	42	4	38	5	1	20.00%	2	1	50.00%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
3	Phantoms	2	0	2	0	0	0	0	0	6	19	-13	1	0	1	0	0	0	0	0	5	9	-4	1	0	1	0	0	0	0	0	1	10	-9	0	0.000	6	12	18	0	0	31	19	12	4	41	212	226	191	15	117	24	10	43	3	1	33.33%	5	2	60.00%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
4	Sound Tigers	2	0	1	0	0	0	1	0	12	12	0	1	0	0	0	0	0	1	0	7	6	1	1	0	1	0	0	0	0	0	5	6	-1	2	0.500	12	21	33	0	0	31	19	12	4	116	212	226	191	15	94	21	6	61	2	1	50.00%	3	1	66.67%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
5	Wolf Pack	2	0	2	0	0	0	0	0	4	12	-8	1	0	1	0	0	0	0	0	2	7	-5	1	0	1	0	0	0	0	0	2	5	-3	0	0.000	4	6	10	0	0	31	19	12	4	65	212	226	191	15	154	45	6	47	2	1	50.00%	4	1	75.00%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
6	Wolves	1	0	0	0	0	0	1	0	4	3	1	0	0	0	0	0	0	0	0	0	0	0	1	0	0	0	0	0	1	0	4	3	1	2	1.000	4	5	9	0	0	31	19	12	4	56	212	226	191	15	52	12	4	21	2	1	50.00%	3	1	66.67%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
7	penguins	3	2	1	0	0	0	0	0	21	12	9	2	2	0	0	0	0	0	0	16	6	10	1	0	1	0	0	0	0	0	5	6	-1	4	0.667	21	39	60	0	0	31	19	12	4	175	212	226	191	15	123	40	18	73	5	2	40.00%	9	2	77.78%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
	Total	14	4	8	0	0	0	2	0	64	77	-13	7	3	3	0	0	0	1	0	39	38	1	7	1	5	0	0	0	1	0	25	39	-14	12	0.429	64	115	179	0	0	31	19	12	4	638	212	226	191	15	774	222	52	340	19	7	36.84%	29	8	72.41%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
	_Since Last GM Reset	14	4	8	0	0	0	2	0	64	77	-13	7	3	3	0	0	0	1	0	39	38	1	7	1	5	0	0	0	1	0	25	39	-14	12	0.429	64	115	179	0	0	31	19	12	4	638	212	226	191	15	774	222	52	340	19	7	36.84%	29	8	72.41%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
	_Vs Conference	13	4	8	0	0	0	1	0	60	74	-14	7	3	3	0	0	0	1	0	39	38	1	6	1	5	0	0	0	0	0	21	36	-15	10	0.385	60	110	170	0	0	31	19	12	4	582	212	226	191	15	722	210	48	319	17	6	35.29%	26	7	73.08%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83
	_Vs Division	13	4	8	0	0	0	1	0	60	74	-14	7	3	3	0	0	0	1	0	39	38	1	6	1	5	0	0	0	0	0	21	36	-15	10	0.385	60	110	170	0	0	31	19	12	4	582	212	226	191	15	722	210	48	319	17	6	35.29%	26	7	73.08%	0	247	486	50.82%	238	489	48.67%	118	248	47.58%	320	228	358	92	170	83

			Total pour les joueurs
Matchs joués	Points	Séquence	Buts	Passes	Points	Tirs pour	Tirs contre	Tirs bloqués	Minutes de pénalités	Mises en échec	Buts en filet désert	Blanchissages
14	12	W1	64	115	179	638	774	222	52	340	0	0

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
14	4	8	0	0	2	0	64	77

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
7	3	3	0	0	1	0	39	38

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
7	1	5	0	0	1	0	25	39

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
3	7	0	0	0	0

Tentatives en avantage numérique	Buts en avantage numérique	% en avantage numérique	Tentatives en désavantage numérique	Buts contre en désavantage numérique	% en désavantage numérique	Buts pour en désavantage numérique
19	7	36.84%	29	8	72.41%	0

Tirs en 1e période	Tirs en 2e période	Tirs en 3e période	Tirs en 4e période	Buts en 1e période	Buts en 2e période	Buts en 3e période	Buts en 4e période
212	226	191	15	31	19	12	4

Mises en jeu
Gagnées en zone offensive	Total en zone offensive	% gagnées en zone offensive	Gagnées en zone défensive	Total en zone défensive	% gagnées en zone défensive	Gagnées en zone neutre	Total en zone neutre	% gagnées en zone neutre
247	486	50.82%	238	489	48.67%	118	248	47.58%

Temps avec la rondelle
En zone offensive	Contrôle en zone offensive	En zone défensive	Contrôle en zone défensive	En zone neutre	Contrôle en zone neutre
320	228	358	92	170	83

Derniers matchs joués Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Jour	Match	Équipe visiteuse	Score	Équipe locale	Score	ST	OT	SO	Lien
1 - 2021-09-06	9	penguins	3	Monsters	8	W			Sommaire du match
3 - 2021-09-08	21	Monsters	2	Wolf Pack	5	L			Sommaire du match
4 - 2021-09-09	33	Monsters	6	Bears	5	W			Sommaire du match
5 - 2021-09-10	45	Bears	4	Monsters	8	W			Sommaire du match
7 - 2021-09-12	65	Checkers	6	Monsters	1	L			Sommaire du match
8 - 2021-09-13	77	Monsters	2	Checkers	4	L			Sommaire du match
9 - 2021-09-14	89	Monsters	4	Wolves	3	W	X	X	Sommaire du match
11 - 2021-09-16	107	Sound Tigers	6	Monsters	7	W	X	X	Sommaire du match
12 - 2021-09-17	121	Monsters	5	penguins	6	L			Sommaire du match
14 - 2021-09-19	136	Monsters	1	Phantoms	10	L			Sommaire du match
15 - 2021-09-20	142	Wolf Pack	7	Monsters	2	L			Sommaire du match
17 - 2021-09-22	161	Monsters	5	Sound Tigers	6	L			Sommaire du match
18 - 2021-09-23	173	Phantoms	9	Monsters	5	L			Sommaire du match
21 - 2021-09-26	193	penguins	3	Monsters	8	W			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	35	15
Assistance	0	0
Assistance PCT	0.00%	0.00%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
34	0 - 0.00%	0$	0$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
0$	1,915,163$	1,822,167$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
0$	0$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	1	0$	0$

Afficher ou masquer des colonnes

	Total											Domicile											Visiteur
Année	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT

	Monsters
	GP: 14 \| W: 6 \| L: 8 \| OTL: 0 \| P: 12 GF: 64 \| GA: 77 \| PP%: 36.84% \| PK%: 72.41% DG: Dave Turcotte \| Morale : 49 \| Moyenne d’équipe : 57