銀行服務(wù)系統(tǒng)評(píng)價(jià)

1、銀行服務(wù)系統(tǒng)評(píng)價(jià)摘要針對(duì)目前銀行服務(wù)系統(tǒng)中顧客等待時(shí)間、排隊(duì)過(guò)長(zhǎng)的問(wèn)題，在兼顧銀行成本的情況下，對(duì)如何減短隊(duì)列長(zhǎng)，提高客服滿意率進(jìn)行分析并建立更加有效的服務(wù)系統(tǒng)，得到銀行服務(wù)窗口的最佳安排。在同等條件下，窗口數(shù)量與銀行成本正相關(guān)，窗口太少又會(huì)導(dǎo)致顧客滿意率下降、營(yíng)業(yè)人員服務(wù)強(qiáng)度過(guò)大，因而合理的窗口設(shè)置兼顧三者。利用已有數(shù)據(jù)分析得知，顧客的到達(dá)服從泊松分布，相鄰兩顧客到達(dá)時(shí)間間隔服從負(fù)指數(shù)分布，通過(guò)仿真擬合得到他們分布函數(shù)的關(guān)鍵參數(shù)。利用平均隊(duì)長(zhǎng)、平均等待時(shí)間和服務(wù)強(qiáng)度作為指標(biāo)衡量銀行服務(wù)系統(tǒng)好壞，我們得出多隊(duì)列多窗口的效率不如單隊(duì)列單窗口，得到對(duì)問(wèn)題一的解答，即開(kāi)設(shè)4個(gè)窗口最佳。在上述基礎(chǔ)上，

2、我們討論兩種系統(tǒng)的服務(wù)效率，這里主要是從因隊(duì)伍過(guò)長(zhǎng)不愿排隊(duì)而失去的顧客數(shù)作為指標(biāo)討論的。經(jīng)過(guò)討論得知，在人數(shù)較多的情況下較好系統(tǒng)具有較大優(yōu)勢(shì)。考慮雙休日和工作日的人流量變化，對(duì)模型進(jìn)行改進(jìn)，得到這樣的結(jié)果：工作日開(kāi)放4個(gè)窗口，雙休日開(kāi)放3個(gè)窗口。在上述改進(jìn)基礎(chǔ)上，深入討論了不同時(shí)段人流量下服務(wù)窗口的安排，將工作時(shí)分為三個(gè)班次8:00-12:00為早班，12:00-16:00為中班，16:0018:00為晚班得到如下結(jié)論：在工作日早班開(kāi)設(shè)5個(gè)窗口、中班開(kāi)設(shè)7個(gè)窗口、晚班開(kāi)設(shè)3個(gè)窗口，在雙休日早班開(kāi)設(shè)2個(gè)窗口，中班開(kāi)設(shè)3個(gè)窗口，晚班開(kāi)設(shè)1個(gè)窗口。實(shí)際排隊(duì)時(shí)存在的插隊(duì)、因“飛號(hào)”而產(chǎn)生糾紛延時(shí)的情況

3、則是模型今后改進(jìn)的主要方向。關(guān)鍵詞： 銀行服務(wù)系統(tǒng) 排隊(duì)論 仿真模擬 分時(shí)安排窗口一、問(wèn)題重述排隊(duì)叫號(hào)機(jī)已經(jīng)融入到了銀行服務(wù)中，但是最近在廣州出現(xiàn)的銀行不使用排隊(duì)機(jī)進(jìn)行叫號(hào)卻讓人感覺(jué)非常奇怪，以至于有時(shí)排隊(duì)長(zhǎng)達(dá)10米。到底是排隊(duì)的效率高還是叫號(hào)的效率高呢？這是一個(gè)值得眾多商家和用戶思考的一個(gè)問(wèn)題，不要我們使用了排隊(duì)系統(tǒng)，反而降低了效率，那就適得其反了。銀行方面對(duì)此回應(yīng)是排隊(duì)比叫號(hào)效率高可避免“飛號(hào)”現(xiàn)象，但來(lái)辦業(yè)務(wù)的眾多老人都表示長(zhǎng)久站立有些吃不消。某銀行支行人士告訴記者，銀行采用“叫號(hào)”服務(wù)是想減少儲(chǔ)戶排隊(duì)之苦，還可避免儲(chǔ)戶信息外泄等。但是，在實(shí)際操作中他們發(fā)現(xiàn)，不少市民在拿到號(hào)后去買菜、逛

4、商場(chǎng)，造成“飛號(hào)”現(xiàn)象頻繁發(fā)生，甚至引起其他客戶不滿和不必要的糾紛；“有的一去不回，工作人員連叫數(shù)次無(wú)人應(yīng)答；有的在錯(cuò)過(guò)叫號(hào)后又要求插隊(duì)，常引起不少紛爭(zhēng)?！睘榱嗽u(píng)價(jià)銀行叫號(hào)系統(tǒng)與排隊(duì)系統(tǒng)的服務(wù)效率，我們對(duì)銀行的顧客到達(dá)情況進(jìn)行了統(tǒng)計(jì)，統(tǒng)計(jì)了某銀行大型網(wǎng)點(diǎn)約4個(gè)月(18個(gè)完整周)全部工作日各時(shí)段顧客的到達(dá)總?cè)藬?shù)和周內(nèi)各天到達(dá)總?cè)藬?shù)分布(見(jiàn)附件)。注：該銀行的營(yíng)業(yè)時(shí)間為8:00am6:00pm針對(duì)以上情形，請(qǐng)各參賽隊(duì)完成以下任務(wù)：1) 從顧客滿意率、銀行成本、服務(wù)內(nèi)容等出發(fā)，建立模型分析此網(wǎng)點(diǎn)應(yīng)該如何設(shè)置服務(wù)窗口開(kāi)放情況（可另行收集或合理假設(shè)需要的數(shù)據(jù)）。2) 分析兩種系統(tǒng)的服務(wù)效率（叫號(hào)服務(wù)系統(tǒng)

5、、排隊(duì)服務(wù)系統(tǒng)），你是否有更加合理的服務(wù)系統(tǒng)可以建議。二、問(wèn)題分析由于銀行服務(wù)系統(tǒng)涉及到客戶滿意率、銀行成本、服務(wù)內(nèi)容等關(guān)乎整個(gè)服務(wù)系統(tǒng)良好運(yùn)營(yíng)，因此通過(guò)采集、查閱銀行服務(wù)系統(tǒng)中的有關(guān)數(shù)據(jù)（如：客戶單位時(shí)間內(nèi)的平均到達(dá)率、客戶單位時(shí)間內(nèi)的平均服務(wù)率，客戶等待極限時(shí)間等）進(jìn)行分析研究，擬合出數(shù)據(jù)呈現(xiàn)的規(guī)律或概率；再根據(jù)銀行采用的不同運(yùn)營(yíng)方式（如：?jiǎn)我魂?duì)列多個(gè)窗口、多行隊(duì)列多個(gè)窗口、叫號(hào)服務(wù)等），可以模擬計(jì)算出在銀行服務(wù)系統(tǒng)中的客戶等待時(shí)間、客戶隊(duì)列長(zhǎng)、客服業(yè)務(wù)辦理時(shí)間等隨機(jī)事件的規(guī)律或概率，而這些模擬出的規(guī)律或概率對(duì)于考慮銀行成本情況下，應(yīng)該采用何種服務(wù)系統(tǒng)來(lái)提高客戶滿意率，服務(wù)效率提供了可行的

6、參考。2.1數(shù)據(jù)的采集對(duì)銀行客戶到達(dá)情況進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)出該銀行大型網(wǎng)點(diǎn)18周全部工作日和工作日期間各個(gè)時(shí)段的顧客人數(shù)（人流量）的分布情況（試題材料提供）；客戶滯留業(yè)務(wù)窗口時(shí)間的統(tǒng)計(jì)；2.2概率統(tǒng)計(jì)知識(shí)的儲(chǔ)備和排隊(duì)論的研究運(yùn)用MATLAB對(duì)得到數(shù)據(jù)進(jìn)行分析，得到其分布律；掌握排隊(duì)論的三部分，分析影響因素；2.3對(duì)不同情況下的排隊(duì)模型進(jìn)行討論根據(jù)單一隊(duì)列多個(gè)窗口、多行隊(duì)列多窗口、流動(dòng)隊(duì)列多窗口（叫號(hào)排隊(duì)）這三種情況建立模型，分析影響因素；對(duì)不同情況下的排隊(duì)時(shí)間，隊(duì)長(zhǎng)，窗口利用率進(jìn)行討論，找到最優(yōu)模型解，平衡客戶和銀行雙方的利益。三、模型假設(shè)1.顧客排隊(duì)過(guò)程中不會(huì)去插隊(duì)；2.顧客進(jìn)入隊(duì)伍中途離場(chǎng)則需

7、再次拿號(hào)，即“飛號(hào)”不影響隊(duì)列的前移；3.個(gè)窗口服務(wù)時(shí)間大致相等（業(yè)務(wù)員熟練程度相同，業(yè)務(wù)繁雜情況相同）；4.沒(méi)有發(fā)生可以中斷業(yè)務(wù)辦理的意外；5.窗口數(shù)量作為銀行利益的主要因素；6.排除節(jié)假日對(duì)銀行人流量的影響；四、符號(hào)說(shuō)明：表示系統(tǒng)中的顧客數(shù)，包括排隊(duì)等候的和正在接受服務(wù)的所顧客（稱為平均隊(duì)長(zhǎng)）；: 表示系統(tǒng)中排隊(duì)等候的顧客數(shù)（稱為平均隊(duì)列長(zhǎng)）；: 表示顧客在系統(tǒng)中的平均逗留時(shí)間(包括等待時(shí)間和服務(wù)時(shí)間)； : 表示顧客在系統(tǒng)中的平均等待時(shí)間（平均排隊(duì)等待時(shí)間）；: 表示排成單一隊(duì)列時(shí)的平均等待時(shí)間；: 表示排成單一隊(duì)列時(shí)的平均隊(duì)列長(zhǎng)；: 表示排成k個(gè)小隊(duì)時(shí)的平均等待時(shí)間；f(k):權(quán)重組合

8、函數(shù)；: 表示排成k個(gè)小隊(duì)時(shí)的平均隊(duì)列長(zhǎng)；: 表示顧客的平均到達(dá)率(稱為顧客到達(dá)速率)；: 表示系統(tǒng)的平均服務(wù)率(即服務(wù)臺(tái)的平均服務(wù)速率)；k: 窗口數(shù)量 ；：權(quán)重（i=1,2）;：平均每日客戶到達(dá)人數(shù)；：周一至周五平均每日各時(shí)段客戶到達(dá)人數(shù)；：周六周日平均每日各時(shí)段客戶到達(dá)人數(shù)；：飛號(hào)人數(shù)；：系統(tǒng)中有n個(gè)客戶的概率，n=0時(shí)表示窗口完全空閑的概率；: 表示服務(wù)強(qiáng)度，其值為有效的平均到達(dá)率與平均服務(wù)率之比，即=/。 對(duì)顧客而言，希望、越小越好，對(duì)銀行而言，希望減小，減輕勞動(dòng)強(qiáng)度。五、模型建立5.1排隊(duì)論理論闡釋12所謂M/M/k的排隊(duì)系統(tǒng)是指這樣的一種服務(wù)：顧客的到達(dá)服從參數(shù)為的泊松分布；顧客

9、的服務(wù)時(shí)間服從參數(shù)為的指數(shù)分布；有k個(gè)服務(wù)臺(tái)（窗口），顧客按到達(dá)的先后次序接受服務(wù)(FCFS)。泊松分布： (為常數(shù)， K=0,1,2,)即在時(shí)間t內(nèi)有k位客服的到達(dá)的概率為：其中是在時(shí)間內(nèi)客戶到達(dá)的平均客戶數(shù)，平均到達(dá)率。負(fù)指數(shù)分布： 其中為大于0的常數(shù)，代表單位時(shí)間內(nèi)的平均服務(wù)率。設(shè)在任意時(shí)刻t系統(tǒng)中有n個(gè)顧客的概率為。當(dāng)系統(tǒng)達(dá)到穩(wěn)定狀態(tài)后， 趨于穩(wěn)定狀態(tài)概率，此時(shí)，與t無(wú)關(guān)，稱系統(tǒng)處于統(tǒng)計(jì)平衡狀態(tài)，并稱為統(tǒng)計(jì)平衡狀態(tài)下的穩(wěn)態(tài)概率，它表示系統(tǒng)在穩(wěn)定狀態(tài)下有n個(gè)顧客的概率，此時(shí)=(1-)，特別(< 1)，表示穩(wěn)態(tài)系統(tǒng)所有服務(wù)臺(tái)全部空閑的概率。其中： 服務(wù)強(qiáng)度：=/；平均隊(duì)長(zhǎng)： ；平均隊(duì)

10、列長(zhǎng)：； ；平均逗留時(shí)間：；W =/( -)平均等待時(shí)間：；由于這里顧客會(huì)源源不斷的到達(dá)，屬于無(wú)限源的排隊(duì)系統(tǒng)。5.2數(shù)據(jù)的處理從題目哪里，我們得到原始數(shù)據(jù)：表1 全部工作日各時(shí)間段顧客的到達(dá)人數(shù)分布時(shí)間8：009：0010：0011：0012：0013：0014：0015：0016：0017：00人數(shù)1608587672025592431338287321713441282354這里我們認(rèn)為每天的人流量一樣，對(duì)上表處理后得到每天的各時(shí)段顧客到達(dá)人數(shù)分布。表2 平均每天各時(shí)間段顧客的到達(dá)人數(shù)分布時(shí)間8：009：0010：0011：0012：0013：0014：0015：0016：0017：00

11、人數(shù)12.7646.6357.1644.3834.2330.3858.1056.6232.7618.68通過(guò)對(duì)數(shù)據(jù)的參數(shù)估計(jì)和參數(shù)檢驗(yàn)，確定顧客的到達(dá)服從泊松分布，,每小時(shí)達(dá)到人數(shù)：。5.3單隊(duì)列多窗口模型 此時(shí)，排隊(duì)系統(tǒng)為M/M/1系統(tǒng)，根據(jù)經(jīng)驗(yàn)可以假設(shè)銀行服務(wù)時(shí)間服從均勻分布，銀行顧客達(dá)到時(shí)間間隔則服從負(fù)指數(shù)分布，利用仿真，取人數(shù)25人，算出。表3 服務(wù)時(shí)間仿真結(jié)果人數(shù)12345服務(wù)時(shí)間5.42353.66725.39923.99914.4592平均等待時(shí)間02.68044.22286.05538.4155人數(shù)678910服務(wù)時(shí)間3.85315.29385.30514.15624.6376

12、平均等待時(shí)間10.465112.997416.668017.354519.5383人數(shù)1112131415服務(wù)時(shí)間4.35035.66784.64394.11154.8313平均等待時(shí)間22.204623.572029.774431.871232.0659人數(shù)1617181920服務(wù)時(shí)間4.16914.49235.83714.22614.4258平均等待時(shí)間34.041141.776838.532845.395142.6333人數(shù)2122232425服務(wù)時(shí)間4.23785.61033.76504.77544.5681平均等待時(shí)間44.367348.567149.077256.953557.09

13、57取排隊(duì)時(shí)間、排隊(duì)長(zhǎng)度與窗口數(shù)量的權(quán)重各為=0.35, =0.35, =0.3，進(jìn)行加權(quán)min f（k）=0.35+0.35+0.3k。比較最優(yōu)窗口數(shù)量的選擇以此為標(biāo)準(zhǔn)。 （1） 當(dāng)開(kāi)設(shè)一個(gè)窗口時(shí)，即k=1，（2） 當(dāng)開(kāi)設(shè)兩個(gè)窗口時(shí)，即k=2，（3） 當(dāng)開(kāi)設(shè)三個(gè)窗口時(shí)，即k=3，（1）、（2）會(huì)使排隊(duì)的人越來(lái)越多，隊(duì)列越來(lái)越長(zhǎng)，對(duì)銀行有負(fù)面影響，（3）則會(huì)使工作人員壓力較大，故需再增加一個(gè)窗口（4）當(dāng)開(kāi)設(shè)四個(gè)窗口時(shí)，即k=4，服務(wù)強(qiáng)度較好。=系統(tǒng)空閑率適中，穩(wěn)定性較好。由于顧客可能中途離開(kāi)，且銀行窗口屬于多窗口并行服務(wù)因此有：平均等待長(zhǎng)度： 平均等待時(shí)間：注：有效輸入率系統(tǒng)平均等待時(shí)間和平均

14、隊(duì)列長(zhǎng)在1左右，符合顧客的心理，取得較好效果，如果再次增加窗口，增益不大，反而會(huì)增加銀行成本。5.4多隊(duì)列多窗口模型 此時(shí)有k個(gè)隊(duì)列，k個(gè)窗口，由前端假設(shè)，這k個(gè)事件互相獨(dú)立，即為k個(gè)模型，當(dāng)服務(wù)強(qiáng)度時(shí)，顧客平均等待時(shí)間：，每位客戶的平均隊(duì)列長(zhǎng)：。代入數(shù)據(jù)求得，顯然這里采用排成一個(gè)大隊(duì)的模型更能使顧客滿意。5.5叫號(hào)模型直觀的可以看出，叫號(hào)可以避免長(zhǎng)時(shí)間的站立等待，調(diào)劑不均衡服務(wù)時(shí)間引起的隊(duì)列長(zhǎng)短不一，較為公平的分配資源。由于顧客的到達(dá)和離開(kāi)是互逆的兩個(gè)過(guò)程，可以知道在達(dá)到服從泊松分布的前提下，離開(kāi)服從負(fù)指數(shù)分布。得到其參數(shù)： 采取叫號(hào)系統(tǒng)不采取叫號(hào)系統(tǒng)假設(shè)有30個(gè)人待進(jìn)入排隊(duì)系統(tǒng)，則兩種情況

15、系可能損失人數(shù)采取叫號(hào)系統(tǒng)：不采取叫號(hào)系統(tǒng)：如果出現(xiàn)5%的飛號(hào)，則飛號(hào)人數(shù),s為待排隊(duì)人數(shù)，可見(jiàn)在人數(shù)較多情況下，叫號(hào)系統(tǒng)優(yōu)勢(shì)更明顯。六、模型的改進(jìn)6.1針對(duì)工作日和雙休日的該改進(jìn)表4 全部工作日到達(dá)總?cè)藬?shù)周內(nèi)分布日期周一周二周三周四周五周六周日人數(shù)9183832782327067888638663795由題目給我們的第二個(gè)表格看出，周六周日的人數(shù)明顯比周一到周五的少，通過(guò)這個(gè)表格我們大概算出比例約為5.4425:1。因此我們將周六周日與周一到周五分開(kāi)考慮窗口的設(shè)置，系統(tǒng)的平均服務(wù)率=0.2249保持不變，對(duì)周末數(shù)據(jù)進(jìn)行泊松檢驗(yàn)得到=0.3580，當(dāng)窗口數(shù)量為3時(shí)，周末開(kāi)三個(gè)窗口即可。6.2針

16、對(duì)分時(shí)段人流量的改進(jìn) 由于不同時(shí)段人流量（這里和達(dá)到人數(shù)等價(jià)）不同，單一窗口方案必然引起顧客在某些時(shí)刻排隊(duì)過(guò)長(zhǎng)，某些時(shí)刻銀行資源浪費(fèi)，造成不必要損失，因而我們分析不同時(shí)段下的優(yōu)化窗口數(shù)。表5 周一至周五平均每日各時(shí)間段顧客的到達(dá)人數(shù)分布及其值時(shí)間8：009：0010：0011：0012：0013：0014：0015：0016：0017：00平均人數(shù)15.09355.15567.60152.48940.48435.93168.71866.96338.74722.096平均到達(dá)率0.2520.9191.1270.8750.6750.5991.1451.1160.6460.368表6 周六周日平均每

17、日各時(shí)間段顧客的到達(dá)人數(shù)分布及其值時(shí)間8：009：0010：0011：0012：0013：0014：0015：0016：0017：00平均人數(shù)6.93325.33531.05224.11118.59616.50531.56630.75917.79810.15平均到達(dá)率0.1160.4220.5180.4020.3100.2750.5260.5130.2970.169由上述分布律，為了兼顧各個(gè)窗口的排隊(duì)的均衡性，使顧客到各個(gè)窗口排隊(duì)等待時(shí)間差不多，將相鄰窗口隊(duì)長(zhǎng)之差限制在0.3之內(nèi)，可以算得不同時(shí)間段的，得到各自時(shí)間段的較優(yōu)解（表7）。表7 工作日（周一至周五）各時(shí)間段較優(yōu)窗口數(shù)時(shí)間8：009：

18、0010：0011：0012：0013：0014：0015：0016：0017：00k27865488521.49981.28971.33041.36681.36131.42081.34291.35411.35051.3903由于銀行不可能時(shí)時(shí)改變窗口數(shù)，所以實(shí)行大時(shí)區(qū)窗口輪換成為改變現(xiàn)狀的可行方法，這樣也可以利用相鄰時(shí)間段內(nèi)人流的自動(dòng)調(diào)配能力錯(cuò)開(kāi)業(yè)務(wù)相對(duì)高峰期。將時(shí)段分為早、中、晚三個(gè)班次，不同班次窗口數(shù)不同。其8:00-12:00為早班，開(kāi)設(shè)5個(gè)窗口，12:0016:00為中班，開(kāi)設(shè)7個(gè)窗口，16:00-18:00為晚班，開(kāi)設(shè)3個(gè)窗口。如此得到表8：表8 實(shí)際營(yíng)業(yè)窗口安排表（工作日）時(shí)間8

19、：009：0010：0011：0012：0013：0014：0015：0016：0017：00k55557777331.49981.48681.59101.46291.15651.48681.59101.46291.45261.4996同理得到雙休日下的窗口開(kāi)放安排表：表9 實(shí)際營(yíng)業(yè)窗口安排表（雙休日）時(shí)間8：009：0010：0011：0012：0013：0014：0015：0016：0017：00k22223333112.9731.35331.25671.36882.02272.00692.09332.06840.76251.3903在雙休日，8:00-12:00開(kāi)放2個(gè)窗口，12:00-

20、16:00開(kāi)放3個(gè)窗口，16:00-17:00開(kāi)放1個(gè)窗口。（這里考慮到晚班人流較少可以自動(dòng)平衡，故開(kāi)設(shè)一個(gè)窗口。）七、模型的評(píng)價(jià)與推廣本模型基于排隊(duì)論，針對(duì)銀行窗口顧客等待時(shí)間、隊(duì)長(zhǎng)建立指標(biāo)量衡量排隊(duì)模型的優(yōu)劣。在模型中運(yùn)用計(jì)算機(jī)模擬服務(wù)過(guò)程，使得可靠性水平大大提高。由于沒(méi)有更為詳盡的數(shù)據(jù)去檢驗(yàn)?zāi)Ｐ团c真實(shí)情況的貼合度，使得建立在理論上檢驗(yàn)?zāi)Ｐ偷闹笜?biāo)量具有相當(dāng)大的不確定性風(fēng)險(xiǎn)。期待這方面數(shù)據(jù)的到位，是的模型檢驗(yàn)更具有可信度。本模型只考慮了各種業(yè)務(wù)辦理繁雜度一樣，業(yè)務(wù)員熟練水平一樣的等服務(wù)時(shí)間條件下的排隊(duì)問(wèn)題，如果考慮不等服務(wù)時(shí)間及插隊(duì)對(duì)模型的影響會(huì)更具應(yīng)用價(jià)值。加入多個(gè)優(yōu)先級(jí)和干擾因素之后，可

21、以將模型推廣到醫(yī)院門診窗口的安排，手術(shù)時(shí)間的安排和空中受油的順序安排等實(shí)際問(wèn)題中。參考文獻(xiàn)：1:概率論與數(shù)理統(tǒng)計(jì)（第四版），沈恒范，高等教育出版社，2003年4月第4版；2:運(yùn)籌學(xué)基礎(chǔ)及其運(yùn)用，胡運(yùn)權(quán)等，高等教育出版社，2008年6月第5版；附件：（1）題目涉及數(shù)據(jù)表1 全部工作日各時(shí)間段顧客的到達(dá)人數(shù)分布時(shí)間8：009：0010：0011：0012：0013：0014：0015：0016：0017：00人數(shù)1608587672025592431338287321713441282354表2 全部工作日到達(dá)總?cè)藬?shù)周內(nèi)分布日期周一周二周三周四周五周六周日人數(shù)9183832782327067888638663795(2)檢驗(yàn)數(shù)據(jù)服從泊松分布求解系數(shù)的程序a=12.7646.6357.1644.3834.2330.3858.1056.6232.7618.68;b,c(1,1:2)=poissfit(a);h,p,ksstat,cv=kstest(a,a',poisscdf(a',b),0.05,0);b=b/60（3）MATLAB仿真計(jì)算顧客平均等待時(shí)間程序fo