Carolina Hurricanes
Domicile
Formation
Statistiques joueurs
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance

Centre de jeu
	Chicago Wolves 7-5-2, 16pts	4	FINAL	6	Milwaukee Admirals 9-4-2, 20pts

Team Stats
W1	Séquence	L1
4-2-2	Fiche domicile	6-0-1
3-3-0	Fiche domicile	3-4-1
4-5-1	Derniers 10 matchs	6-2-2
4.71	Buts par match	4.00
3.71	Buts contre par match	3.40
17.86%	Pourcentage en avantage numérique	21.95%
75.00%	Pourcentage en désavantage numérique	74.51%

Belleville Senators
4-9-1, 9pts

FINAL

Chicago Wolves
7-5-2, 16pts

Team Stats
L2	Séquence	W1
2-5-0	Fiche domicile	4-2-2
2-4-1	Fiche domicile	3-3-0
4-5-1	Derniers 10 matchs	4-5-1
3.21	Buts par match	4.71
4.64	Buts contre par match	3.71
13.51%	Pourcentage en avantage numérique	17.86%
65.91%	Pourcentage en désavantage numérique	75.00%

Chicago Wolves
7-5-2, 16pts

Jour 36

Coachella Valley Firebirds
9-3-2, 20pts

Statistiques d’équipe
W1	Séquence	W1
4-2-2	Fiche domicile	4-3-0
3-3-0	Fiche visiteur	5-0-2
4-5-1	10 derniers matchs	7-2-1
4.71	Buts par match	4.86
3.71	Buts contre par match	4.86
17.86%	Pourcentage en avantage numérique	25.64%
75.00%	Pourcentage en désavantage numérique	78.79%

Chicago Wolves
7-5-2, 16pts

Jour 38

Texas Stars
6-5-2, 14pts

Statistiques d’équipe
W1	Séquence	W3
4-2-2	Fiche domicile	4-4-0
3-3-0	Fiche visiteur	2-1-2
4-5-1	10 derniers matchs	5-4-1
4.71	Buts par match	4.77
3.71	Buts contre par match	4.77
17.86%	Pourcentage en avantage numérique	13.79%
75.00%	Pourcentage en désavantage numérique	78.57%

Cleveland Monsters
9-5-1, 19pts

Jour 40

Chicago Wolves
7-5-2, 16pts

Statistiques d’équipe
W3	Séquence	W1
4-3-0	Fiche domicile	4-2-2
5-2-1	Fiche visiteur	3-3-0
6-3-1	10 derniers matchs	4-5-1
4.13	Buts par match	4.71
4.27	Buts contre par match	4.71
24.32%	Pourcentage en avantage numérique	17.86%
54.05%	Pourcentage en désavantage numérique	75.00%

Meneurs d'équipe
	Buts Clark Bishop 14	Passes Jansen Harkins 15

	Points Jansen Harkins 24	Plus/Moins Dyllan Gill 19

	Victoires Matt Tomkins 6	Pourcentage d’arrêts Marcus Hogberg 0.905

Statistiques d’équipe
Buts pour 66 4.71 GFG	Tirs pour 527 37.64 Avg	Pourcentage en avantage numérique 17.9% 5 GF	Début de zone offensive 39.8%
Buts contre 52 3.71 GAA	Tirs contre 501 35.79 Avg	Pourcentage en désavantage numérique 75.0%% 8 GA	Début de la zone défensive 41.3%

Informations de l'équipe
	Directeur général	Jason Pelletier
	Entraîneur	Rod Brind'Amour
	Division	Central Division
	Conférence	Western Conference
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	9,000
	Assistance	8,743
	Billets de saison	8,370
Informations de la formation
	Équipe Pro	16
	Équipe Mineure	21
	Limite contact	37 / 60
	Espoirs	5

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	Jansen Harkins	X	X	X		96.00	81	45	84	73	80	80	82	68	66	64	62	70	68	73	63	0	50	70	0	28	1	787,500$
2	Colin White	X	X	X		96.00	62	42	74	66	69	73	72	64	60	60	58	59	62	80	58	0	50	63	0	28	1	775,000$
3	Clark Bishop	X				96.00	59	45	66	65	63	70	69	63	61	59	58	59	62	59	54	0	50	61	0	29	1	775,000$
4	Jordan Dumais			X		100.00	57	40	67	62	58	59	57	57	41	55	54	55	58	50	50	0	50	57	0	21	2	860,000$
5	Juuso Valimaki				X	100.00	65	43	86	75	83	87	83	72	40	68	65	74	71	76	66	0	50	73	0	27	1	2,000,000$
6	Ville Ottavainen				X	100.00	68	43	67	63	71	64	62	64	40	59	56	67	61	50	50	0	50	63	0	23	1	867,500$
7	Colton White				X	100.00	57	43	68	65	64	71	69	62	40	59	55	63	61	70	52	0	50	62	0	28	1	775,000$
8	Leo Loof				X	100.00	59	45	64	65	63	64	63	59	40	59	51	64	58	51	50	0	50	61	0	23	1	867,500$
9	Dyllan Gill				X	100.00	59	40	67	62	61	59	57	57	40	54	55	59	58	50	50	0	50	58	0	21	2	870,000$
Rayé
1	Aidan McDonough		X			100.00	61	41	71	65	67	65	61	60	42	53	56	59	60	53	50	0	50	59	0	26	0	0$
2	Ole Julian Bjorgvik-Holm				X	100.00	61	43	61	62	64	62	61	58	40	54	55	61	58	51	50	0	50	59	0	23	0	0$
3	Eamon Powell				X	100.00	55	40	66	64	57	59	57	55	40	54	54	60	58	51	50	0	50	58	0	23	0	0$

	MOYENNE D’ÉQUIPE					99.00	62	43	70	66	67	68	66	62	46	58	57	63	61	60	54	0	50	62

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	Âge	Contrat	Salaire
1	Marcus Hogberg	99.00	68	71	69	86	68	65	61	63	66	68	65	77	68	0	50	64	0	30	1	775,000$
2	Matt Tomkins	100.00	71	69	70	64	69	69	71	69	69	70	67	65	58	0	50	64	0	31	2	775,000$
Rayé
1	Mitch Gibson	100.00	68	57	56	65	63	63	64	63	64	62	51	53	50	0	50	58	0	26	0	0$
2	Mack Guzda	100.00	55	49	49	64	56	54	54	51	54	54	45	51	50	0	50	51	0	24	0	0$

	MOYENNE D’ÉQUIPE	99.75	66	62	61	70	64	63	63	62	63	64	57	62	57	0	50	59

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Rod Brind'Amour	1	1	1	1	1	1	1	CAN	54	5	1$

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	P/20	PSG	PSS	S1	S2	S3
1	Jansen Harkins	Chicago Wolves (CAR)	C/LW/RW	14	9	15	24	10	12	37	61	84	20	63	10.71%	7	320	22.87	0	1	1	13	21	1	17	1	0	64.02%	492	1.50	1	1	2	2	0
2	Clark Bishop	Chicago Wolves (CAR)	C	14	14	5	19	2	8	38	48	79	20	54	17.72%	5	322	23.01	1	1	2	7	20	1	19	1	0	56.97%	337	1.18	0	1	3	2	0
3	Colin White	Chicago Wolves (CAR)	C/LW/RW	14	6	11	17	8	4	17	23	59	18	43	10.17%	0	320	22.87	0	2	2	8	21	0	19	2	1	59.38%	32	1.06	0	1	1	0	2
4	Dyllan Gill	Chicago Wolves (CAR)	D	14	2	13	15	19	6	24	15	17	3	15	11.76%	14	229	16.36	0	0	0	0	3	0	6	0	0	100.00%	1	1.31	0	0	0	0	2
5	Jordan Dumais	Chicago Wolves (CAR)	RW	14	6	9	15	5	4	20	39	60	9	40	10.00%	3	259	18.56	0	0	0	0	0	1	15	1	0	43.90%	41	1.15	0	0	0	1	1
6	Ville Ottavainen	Chicago Wolves (CAR)	D	14	5	10	15	1	12	57	34	21	10	27	23.81%	22	318	22.75	1	0	1	4	19	1	15	0	0	0%	0	0.94	0	0	0	3	3
7	Colton White	Chicago Wolves (CAR)	D	14	1	12	13	-2	6	19	30	28	10	21	3.57%	22	299	21.40	0	1	1	8	20	0	24	0	0	0%	1	0.87	0	0	0	1	0
Statistiques d’équipe totales ou en moyenne				98	43	75	118	43	52	212	250	348	90	263	12.36%	73	2069	21.12	2	5	7	40	106	4	118	5	1	60.29%	904	1.14	1	3	6	9	8

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	SO	GA	SA	EG	PS %	PSA	ST	BG	S1	S3
1	Matt Tomkins	Chicago Wolves (CAR)	11	6	3	2	0.903	3.48	673	0	39	403	2	0.333	3	11	0	0	1
2	Marcus Hogberg	Chicago Wolves (CAR)	3	1	2	0	0.905	3.03	178	1	9	95	1	0	0	3	14	1	0
Statistiques d’équipe totales ou en moyenne			14	7	5	2	0.904	3.38	852	1	48	498	3		3	14	14	1	1

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	Pays	Recrue	Poids	Taille	Non-échange	Disponible pour échange	Acquis Par	Ballotage forcé	Waiver Possible	Contrat	Date du Signature du Contrat	Forcer UFA	Rappel d'urgence	Type	Salaire actuel	Salaire restant	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire année 2	Salaire année 3	Salaire année 4	Salaire année 5	Salaire année 6	Salaire année 7	Salaire année 8	Salaire année 9	Salaire année 10	Plafond salarial année 2	Plafond salarial année 3	Plafond salarial année 4	Plafond salarial année 5	Plafond salarial année 6	Plafond salarial année 7	Plafond salarial année 8	Plafond salarial année 9	Plafond salarial année 10	Non-échange année 2	Non-échange année 3	Non-échange année 4	Non-échange année 5	Non-échange année 6	Non-échange année 7	Non-échange année 8	Non-échange année 9	Non-échange année 10	Lien
Aidan McDonough	Chicago Wolves (CAR)	LW	26	1999-11-06	USA	No	201 Lbs	6 ft2	No	No	Fantasy Draft	No	No	0	2025-07-22	False	False	Pro & Farm			0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien NHL
Clark Bishop	Chicago Wolves (CAR)	C	29	1996-03-29	CAN	No	198 Lbs	6 ft1	No	No	Fantasy Draft	No	No	1	2025-07-02	False	False	Pro & Farm	775,000$	621,751$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien NHL
Colin White	Chicago Wolves (CAR)	C/LW/RW	28	1997-01-30	USA	No	196 Lbs	6 ft1	No	No	Fantasy Draft	No	No	1	2025-07-02	False	False	Pro & Farm	775,000$	621,751$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien NHL
Colton White	Chicago Wolves (CAR)	D	28	1997-05-03	CAN	No	187 Lbs	6 ft1	No	No	Fantasy Draft	No	No	1	2025-05-26	False	False	Pro & Farm	775,000$	621,751$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien NHL
Dyllan Gill	Chicago Wolves (CAR)	D	21	2004-06-07	CAN	No	179 Lbs	6 ft2	No	No	Fantasy Draft	No	No	2	2025-05-26	False	False	Pro & Farm	870,000$	697,966$	0$	0$	No	870,000$	-	-	-	-	-	-	-	-	870,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-
Eamon Powell	Chicago Wolves (CAR)	D	23	2002-05-10	USA	No	165 Lbs	5 ft11	No	No	Fantasy Draft	No	No	0	2025-07-22	False	False	Pro & Farm			0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Jansen Harkins	Chicago Wolves (CAR)	C/LW/RW	28	1997-05-23	USA	No	199 Lbs	6 ft1	No	No	Fantasy Draft	No	No	1	2025-05-26	False	False	Pro & Farm	787,500$	631,780$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien NHL
Jordan Dumais	Chicago Wolves (CAR)	RW	21	2004-04-15	CAN	No	174 Lbs	5 ft9	No	No	Assign Manually	No	No	2	2025-05-26	False	False	Pro & Farm	860,000$	689,944$	0$	0$	No	860,000$	-	-	-	-	-	-	-	-	860,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-
Juuso Valimaki	Chicago Wolves (CAR)	D	27	1998-10-06	FIN	No	201 Lbs	6 ft2	No	No	Assign Manually	No	Yes	1	2025-05-26	False	False	Pro & Farm	2,000,000$	1,604,520$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien NHL
Leo Loof	Chicago Wolves (CAR)	D	23	2002-04-25	SWE	No	176 Lbs	6 ft2	No	No	Assign Manually	No	No	1	2025-05-26	False	False	Pro & Farm	867,500$	695,960$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Mack Guzda	Chicago Wolves (CAR)	G	24	2001-01-11	USA	No	215 Lbs	6 ft5	No	No	Fantasy Draft	No	No	0	2025-07-22	False	False	Pro & Farm			0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien NHL
Marcus Hogberg	Chicago Wolves (CAR)	G	30	1994-11-25	SWE	No	234 Lbs	6 ft5	No	No	Fantasy Draft	No	No	1	2025-05-26	False	False	Pro & Farm	775,000$	621,751$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Matt Tomkins	Chicago Wolves (CAR)	G	31	1994-06-19	CAN	No	192 Lbs	6 ft4	No	No	Fantasy Draft	No	No	2	2025-07-02	False	False	Pro & Farm	775,000$	621,751$	0$	0$	No	775,000$	-	-	-	-	-	-	-	-	775,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien NHL
Mitch Gibson	Chicago Wolves (CAR)	G	26	1999-06-25	USA	No	205 Lbs	6 ft2	No	No	Fantasy Draft	No	No	0	2025-07-22	False	False	Pro & Farm			0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien NHL
Ole Julian Bjorgvik-Holm	Chicago Wolves (CAR)	D	23	2002-05-23	NOR	No	198 Lbs	6 ft4	No	No	Fantasy Draft	No	No	0	2025-07-22	False	False	Pro & Farm			0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Ville Ottavainen	Chicago Wolves (CAR)	D	23	2002-08-12	FIN	No	216 Lbs	6 ft5	No	No	Assign Manually	No	No	1	2025-05-26	False	False	Pro & Farm	867,500$	695,960$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien NHL

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
16	25.69	196 Lbs	6 ft2	0.88	632,969$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Colin White	Jansen Harkins		30	1	2	2
2		Clark Bishop		30	1	2	2
3			Jordan Dumais	25	1	2	2
4	Colin White	Jansen Harkins	Clark Bishop	15	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1		Ville Ottavainen	30	1	2	2
2	Colton White		30	1	2	2
3	Dyllan Gill		25	1	2	2
4		Ville Ottavainen	15	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Colin White	Jansen Harkins		50	1	2	2
2		Clark Bishop		50	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1		Ville Ottavainen	50	1	2	2
2	Colton White		50	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Jansen Harkins	Colin White	50	1	2	2
2	Clark Bishop		50	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1		Ville Ottavainen	50	1	2	2
2	Colton White		50	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Jansen Harkins	50	1	2	2		Ville Ottavainen	50	1	2	2
2	Colin White	50	1	2	2	Colton White		50	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Jansen Harkins	Colin White	50	1	2	2
2	Clark Bishop		50	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1		Ville Ottavainen	50	1	2	2
2	Colton White		50	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Colin White	Jansen Harkins			Ville Ottavainen

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Colin White	Jansen Harkins			Ville Ottavainen

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Jordan Dumais, ,	Jordan Dumais,

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Dyllan Gill, Colton White,	Dyllan Gill	Colton White,

Tirs de pénalité
Jansen Harkins, Colin White, Clark Bishop, ,

Gardien
#1 : , #2 : Marcus Hogberg

Lignes d’attaque personnalisées en prolongation
Jansen Harkins, Colin White, Clark Bishop, , , Jordan Dumais, , , ,

Lignes de défense personnalisées en prolongation
, Ville Ottavainen, Colton White, , Dyllan Gill

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	Belleville Senators	1	1	0	0	0	0	0	0	6	0	6	1	1	0	0	0	0	0	0	6	0	6	0	0	0	0	0	0	0	0	0	0	0	2	1.000	6	9	15	0	1	22	26	16	3	35	163	165	193	9	30	4	11	19	0	0	0%	3	0	100.00%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
2	Calgary Wranglers	1	0	0	0	0	0	0	1	3	4	-1	1	0	0	0	0	0	0	1	3	4	-1	0	0	0	0	0	0	0	0	0	0	0	1	0.500	3	6	9	0	0	22	26	16	3	46	163	165	193	9	30	7	2	17	9	1	11.11%	1	1	0.00%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
3	Colorado Eagles	2	0	1	0	0	1	0	0	7	10	-3	1	0	0	0	0	1	0	0	3	4	-1	1	0	1	0	0	0	0	0	4	6	-2	1	0.250	7	10	17	1	0	22	26	16	3	78	163	165	193	9	82	17	10	54	3	0	0.00%	5	0	100.00%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
4	Henderson Silver Knights	1	0	1	0	0	0	0	0	1	4	-3	0	0	0	0	0	0	0	0	0	0	0	1	0	1	0	0	0	0	0	1	4	-3	0	0.000	1	2	3	0	0	22	26	16	3	30	163	165	193	9	35	12	6	20	0	0	0%	3	1	66.67%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
5	Manitoba Moose	2	1	0	0	1	0	0	0	11	6	5	1	1	0	0	0	0	0	0	7	3	4	1	0	0	0	1	0	0	0	4	3	1	4	1.000	11	20	31	0	0	22	26	16	3	71	163	165	193	9	65	17	6	46	3	1	33.33%	3	1	66.67%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
6	Milwaukee Admirals	1	0	1	0	0	0	0	0	4	6	-2	0	0	0	0	0	0	0	0	0	0	0	1	0	1	0	0	0	0	0	4	6	-2	0	0.000	4	7	11	1	0	22	26	16	3	34	163	165	193	9	32	9	2	25	1	0	0.00%	1	0	100.00%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
7	Rockford IceHogs	1	0	1	0	0	0	0	0	3	4	-1	1	0	1	0	0	0	0	0	3	4	-1	0	0	0	0	0	0	0	0	0	0	0	0	0.000	3	5	8	0	0	22	26	16	3	31	163	165	193	9	34	13	10	12	1	1	100.00%	4	2	50.00%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
8	San Jose Barracuda	1	0	0	0	1	0	0	0	7	6	1	1	0	0	0	1	0	0	0	7	6	1	0	0	0	0	0	0	0	0	0	0	0	2	1.000	7	14	21	0	0	22	26	16	3	49	163	165	193	9	33	11	6	29	0	0	0%	3	2	33.33%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
9	Texas Stars	2	1	1	0	0	0	0	0	10	9	1	1	0	1	0	0	0	0	0	4	5	-1	1	1	0	0	0	0	0	0	6	4	2	2	0.500	10	19	29	1	0	22	26	16	3	96	163	165	193	9	80	15	12	52	7	1	14.29%	4	0	100.00%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
10	Tucson Roadrunners	2	2	0	0	0	0	0	0	14	3	11	1	1	0	0	0	0	0	0	8	1	7	1	1	0	0	0	0	0	0	6	2	4	4	1.000	14	24	38	0	0	22	26	16	3	57	163	165	193	9	80	22	17	35	4	1	25.00%	5	1	80.00%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
	Total	14	5	5	0	2	1	0	1	66	52	14	8	3	2	0	1	1	0	1	41	27	14	6	2	3	0	1	0	0	0	25	25	0	16	0.571	66	116	182	3	1	22	26	16	3	527	163	165	193	9	501	127	82	309	28	5	17.86%	32	8	75.00%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
	_Since Last GM Reset	14	5	5	0	2	1	0	1	66	52	14	8	3	2	0	1	1	0	1	41	27	14	6	2	3	0	1	0	0	0	25	25	0	16	0.571	66	116	182	3	1	22	26	16	3	527	163	165	193	9	501	127	82	309	28	5	17.86%	32	8	75.00%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
	_Vs Conference	13	4	5	0	2	1	0	1	60	52	8	7	2	2	0	1	1	0	1	35	27	8	6	2	3	0	1	0	0	0	25	25	0	14	0.538	60	107	167	3	0	22	26	16	3	492	163	165	193	9	471	123	71	290	28	5	17.86%	29	8	72.41%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86
	_Vs Division	10	4	4	0	1	1	0	0	49	38	11	5	2	2	0	0	1	0	0	25	17	8	5	2	2	0	1	0	0	0	24	21	3	11	0.550	49	85	134	3	0	22	26	16	3	367	163	165	193	9	373	93	57	224	19	4	21.05%	22	4	81.82%	0	289	509	56.78%	298	529	56.33%	151	242	62.40%	317	223	357	104	179	86

			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	16	W1	66	116	182	527	501	127	82	309	3	1

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
14	5	5	2	1	0	1	66	52

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
8	3	2	1	1	0	1	41	27

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
6	2	3	1	0	0	0	25	25

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
4	5	0	1	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
28	5	17.86%	32	8	75.00%	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
163	165	193	9	22	26	16	3

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
289	509	56.78%	298	529	56.33%	151	242	62.40%

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
317	223	357	104	179	86

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	5	Calgary Wranglers	4	Chicago Wolves	3	L	X	X	Sommaire du match
3	14	Chicago Wolves	6	Texas Stars	4	W			Sommaire du match
8	45	Chicago Wolves	6	Tucson Roadrunners	2	W			Sommaire du match
10	55	Tucson Roadrunners	1	Chicago Wolves	8	W			Sommaire du match
13	74	San Jose Barracuda	6	Chicago Wolves	7	W	X		Sommaire du match
16	99	Texas Stars	5	Chicago Wolves	4	L			Sommaire du match
19	118	Chicago Wolves	4	Colorado Eagles	6	L			Sommaire du match
21	130	Chicago Wolves	4	Manitoba Moose	3	W	X		Sommaire du match
23	142	Manitoba Moose	3	Chicago Wolves	7	W			Sommaire du match
26	162	Chicago Wolves	1	Henderson Silver Knights	4	L			Sommaire du match
27	174	Colorado Eagles	4	Chicago Wolves	3	L	X		Sommaire du match
30	198	Rockford IceHogs	4	Chicago Wolves	3	L			Sommaire du match
32	210	Chicago Wolves	4	Milwaukee Admirals	6	L			Sommaire du match
34	227	Belleville Senators	0	Chicago Wolves	6	W			Sommaire du match
36	240	Chicago Wolves	-	Coachella Valley Firebirds	-
38	258	Chicago Wolves	-	Texas Stars	-
40	270	Cleveland Monsters	-	Chicago Wolves	-
42	283	Chicago Wolves	-	Tucson Roadrunners	-
44	295	Chicago Wolves	-	Lehigh Valley Phantoms	-
46	309	Tucson Roadrunners	-	Chicago Wolves	-
49	326	Chicago Wolves	-	Henderson Silver Knights	-
51	339	Coachella Valley Firebirds	-	Chicago Wolves	-
54	360	Chicago Wolves	-	Toronto Marlies	-
56	369	Texas Stars	-	Chicago Wolves	-
60	398	Milwaukee Admirals	-	Chicago Wolves	-
62	407	Chicago Wolves	-	Bridgeport Islanders	-
65	426	Chicago Wolves	-	Coachella Valley Firebirds	-
66	435	Bakersfield Condors	-	Chicago Wolves	-
69	455	Chicago Wolves	-	Belleville Senators	-
71	466	San Diego Gulls	-	Chicago Wolves	-
75	494	San Jose Barracuda	-	Chicago Wolves	-
78	504	Chicago Wolves	-	Colorado Eagles	-
81	525	Rockford IceHogs	-	Chicago Wolves	-
83	536	Chicago Wolves	-	Rockford IceHogs	-
86	556	Calgary Wranglers	-	Chicago Wolves	-
89	575	Chicago Wolves	-	Grand Rapids Griffins	-
91	590	Milwaukee Admirals	-	Chicago Wolves	-
94	603	Chicago Wolves	-	San Diego Gulls	-
96	623	Bakersfield Condors	-	Chicago Wolves	-
100	644	Chicago Wolves	-	Abbotsford Canucks	-
101	654	Manitoba Moose	-	Chicago Wolves	-
107	685	Colorado Eagles	-	Chicago Wolves	-
109	702	Chicago Wolves	-	Calgary Wranglers	-
111	715	Ontario Reign	-	Chicago Wolves	-
113	732	Chicago Wolves	-	Rockford IceHogs	-
116	746	Charlotte Checkers	-	Chicago Wolves	-
118	761	Chicago Wolves	-	Bakersfield Condors	-
121	780	Abbotsford Canucks	-	Chicago Wolves	-
123	797	Chicago Wolves	-	Rochester Americans	-
125	811	Chicago Wolves	-	Manitoba Moose	-
127	817	Grand Rapids Griffins	-	Chicago Wolves	-
129	836	Chicago Wolves	-	Hershey Bears	-
130	844	Chicago Wolves	-	Utica Comets	-
132	854	Abbotsford Canucks	-	Chicago Wolves	-
135	873	Chicago Wolves	-	San Jose Barracuda	-
137	885	Wilkes-Barre Penguins	-	Chicago Wolves	-
140	905	Chicago Wolves	-	Milwaukee Admirals	-
141	913	Chicago Wolves	-	Ontario Reign	-
143	921	Ontario Reign	-	Chicago Wolves	-
146	945	Springfield Thunderbirds	-	Chicago Wolves	-
148	962	Chicago Wolves	-	Hartford Wolf Pack	-
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
151	978	Henderson Silver Knights	-	Chicago Wolves	-
155	1003	Chicago Wolves	-	Laval Rocket	-
156	1009	Chicago Wolves	-	Iowa Wild	-
158	1016	Syracuse Crunch	-	Chicago Wolves	-
161	1037	Chicago Wolves	-	Iowa Wild	-
164	1052	Iowa Wild	-	Chicago Wolves	-
166	1064	Chicago Wolves	-	San Diego Gulls	-
169	1085	Providence Bruins	-	Chicago Wolves	-
176	1115	Iowa Wild	-	Chicago Wolves	-

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	6000	3000
Prix des billets	50	25
Assistance	46,542	23,403
Assistance PCT	96.96%	97.51%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
27	8743 - 97.15%	436,826$	3,494,610$	9000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Plafond Salariale total des joueurs	Salaire des entraineurs
200,270$	1,012,750$	1,012,750$	1$0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
0$	200,270$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
11,794,309$	142	5,722$	812,524$

Chicago Wolves Leaders statistiques des joueurs (saison régulière)

Afficher ou masquer des colonnes

#	Nom du joueur	GP	G	A	P	+/-	PIM	HIT	HTT	SHT	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PKG	PKA	PKP	PKS	GW	GT	FO%	HT	P/20	PSG	PSS

Chicago Wolves Leaders des statistiques des gardiens (saison régulière)

Afficher ou masquer des colonnes

#	Nom du gardien	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA

Chicago Wolves Statistiques de l'Équipe de Carrière

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

Chicago Wolves Leaders statistiques des joueurs (séries éliminatoires)

Afficher ou masquer des colonnes

#	Nom du joueur	GP	G	A	P	+/-	PIM	HIT	HTT	SHT	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PKG	PKA	PKP	PKS	GW	GT	FO%	HT	P/20	PSG	PSS

Chicago Wolves Leaders des statistiques des gardiens (séries éliminatoires)

Afficher ou masquer des colonnes

#	Nom du gardien	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA

	Chicago Wolves
	GP: 14 \| W: 7 \| L: 5 \| OTL: 2 \| P: 16 GF: 66 \| GA: 52 \| PP%: 17.86% \| PK%: 75.00% DG: Jason Pelletier \| Morale : 50 \| Moyenne d’équipe : 61 Prochains matchs #240 vs Coachella Valley Firebirds