1、-. z.理工大學(xué)課程考核論文課程名稱： 課程設(shè)計論文題目：銀行效勞數(shù)據(jù)的統(tǒng)計分析*：其然*：1111850114成績：任課教師評語： 任課教師評語： 簽名： 年 月 日排隊論是運籌學(xué)的一個重要分支，又稱隨機(jī)效勞系統(tǒng)理論，是研究由隨機(jī)因素的影響而產(chǎn)生擁擠現(xiàn)象的科學(xué)。它通過研究各種效勞系統(tǒng)在排隊等待中的概率特性，來解決效勞系統(tǒng)的最優(yōu)設(shè)計與最優(yōu)控制問題。隨著社會文明的開展與進(jìn)步，排隊已成為和我們生活密不可分的話題。去銀行、商場等隨機(jī)性效勞機(jī)構(gòu)購物，如在結(jié)算時出現(xiàn)長時排隊等待現(xiàn)象，是件讓人頭痛的事情，有時會因此取消購物方案。身為商家，如何在最低本錢運營的情況下最大化的為顧客提供優(yōu)質(zhì)效勞，減少顧客無謂

2、的等待時間，是重多經(jīng)營者亟待解決的問題。因此，根據(jù)排隊論的知識來優(yōu)化銀行的排隊系統(tǒng)是具有現(xiàn)實意義的。計算機(jī)模擬就是利用計算機(jī)對所研究系統(tǒng)的部構(gòu)造、功能和行為進(jìn)展模擬。由于排隊論的應(yīng)用已越來越廣泛，排隊特征、排隊規(guī)則和效勞機(jī)構(gòu)也變得越來越復(fù)雜，解析方法已無法求解，而計算機(jī)模擬是求解排隊系統(tǒng)和分析排隊系統(tǒng)性能的一種非常有效的方法，并且計算機(jī)模擬具有本錢低，運行速度快，準(zhǔn)確度高的優(yōu)點。將排隊論與計算機(jī)模擬結(jié)合起來，是今后排隊論開展的必然趨勢。在銀行中客戶排隊是一個常見的現(xiàn)象，特別是近年來隨著客戶規(guī)模的不斷,擴(kuò)大以及營業(yè)廳擴(kuò)建速度跟不上客戶需求增長的矛盾愈顯突出。因此，為平穩(wěn)波動的客戶，需求與移動營業(yè)

3、廳有限的效勞能力之間的矛盾，提升客戶滿意度，開展縮短客戶等待時長，優(yōu)化營業(yè)廳效勞的工程刻不容緩。本文基于需求管理的理論，運用現(xiàn)代工程管理工具，針對交通銀行營業(yè)廳進(jìn)展顧客到達(dá)時間間隔、效勞員完成效勞時間等資料的收集和對客戶進(jìn)展問卷調(diào)查、訪談的根底上，對數(shù)據(jù)進(jìn)展統(tǒng)計分析，包括數(shù)據(jù)的均值、眾數(shù)、中位數(shù)、方差指標(biāo)，并做經(jīng)歷分布函數(shù)、擬合數(shù)據(jù)分布、分布參數(shù)的估計、分布假設(shè)檢驗，來反映目前交通銀行營業(yè)廳排隊現(xiàn)狀。之后，從客戶角度出發(fā)，分析了造成移動營業(yè)廳排隊問題的原因，進(jìn)而從繳費類型和對時間與價格敏感度兩個角度對客戶的需求進(jìn)展了分析，總結(jié)出適合縮短客戶等待時長的工程管理方案。并在此根底上提出基于需求管理的

4、解決移動營業(yè)廳排隊問題。【關(guān)鍵詞】：統(tǒng)計特征； 分布假設(shè)； 分布檢驗第1章 緒 論1.1 本論文的背景和意義隨著社會文明的開展與進(jìn)步，我們的物質(zhì)文化生活水平在日趨提高，但由此也給我們的生活帶來了諸多不便。排隊已成為和我們生活密不可分的話題。公交車站長長的等候隊伍，擁擠的站臺，水泄不通的城市交通和超市、商場的大量購物客流都會讓我們陷入短期的不安與煩躁之中。排隊論是運籌學(xué)的一個重要分支，主要研究排隊等待中的概率特性，是一門隨機(jī)效勞系統(tǒng)理論。這門應(yīng)用數(shù)學(xué)學(xué)科開創(chuàng)于20 世紀(jì)30 年代初。排隊論逐漸被數(shù)學(xué)界成認(rèn)是在30 年代中期，這源于W.Feller 將生滅過程引進(jìn)了排隊論。此后，伴隨著研究的不斷深

5、入，在海陸空的各項運輸管理與城市交通管理、計算機(jī)存儲、銀行效勞及物流調(diào)度等各領(lǐng)域排隊理論都逐步得到了廣泛的應(yīng)用。目前，各大中城市的銀行越建越多，但有時，銀行常常存在不協(xié)調(diào)的現(xiàn)象：顧客較多，開放的收銀臺個數(shù)較少，銀行結(jié)算需要排很長時間的隊，直接影響顧客的返途乘車，間接導(dǎo)致顧客對銀行的滿意度下降。有時則出現(xiàn)顧客較少，開放的收銀臺個數(shù)較多的現(xiàn)象，導(dǎo)致收銀員閑置，直接影響銀行收益。動態(tài)開放柜臺數(shù)之所以必要，不僅是因為它可以降低本錢，還因為它可以同時增加顧客的滿意度，這樣能夠提高整體收益，使系統(tǒng)到達(dá)最正確運行狀態(tài)。對于任何一家銀行而言，在劇烈的市場競爭下，想要生存與開展不僅要考慮打價格戰(zhàn)，還要更多的考慮

6、顧客的需求與感受。作為銀行等大型效勞單位而言，讓顧客滿意是效勞的宗旨，也是長久吸引顧客光臨的重要保障。到達(dá)顧客滿意或提升在顧客心中的形象的根本做法則是盡可能的減少顧客因排隊等待而浪費的珍貴時間，同時，再兼顧最低的經(jīng)營本錢，就會在劇烈的競爭下，占有一席之地或具備較高的競爭實力。銀行排隊效勞系統(tǒng)是一個隨機(jī)效勞系統(tǒng)，顧客的到達(dá)是隨機(jī)的，而員工對顧客的效勞時間也是由顧客的情況隨機(jī)而定的。在客流量較大時，如果銀行開放的柜臺數(shù)目過少，將會導(dǎo)致顧客長時排隊等待，容易引起不滿，嚴(yán)重會致使客流損失，降低收益。反之，假設(shè)開放過多柜臺, 雖能為顧客提供快速效勞，但是卻會增加員工的空閑時間，導(dǎo)致經(jīng)營本錢增加，整體收益

7、下降。如何合理的開放柜臺的數(shù)目，并根據(jù)顧客數(shù)量動態(tài)協(xié)調(diào)，是銀行等隨機(jī)效勞行業(yè)亟待解決的問題。由此，基于排隊理論研究如何設(shè)置超市收銀臺的數(shù)目，開放多少，是具有現(xiàn)實意義的。1.2 統(tǒng)計初步理工大學(xué)北三號門對面交通銀行實地檢測統(tǒng)計，統(tǒng)計的時間為2014年9月2日、3日、6日和9日的上午9：00-11:30或下午2:00-4:30，記20個工作小時，606位顧客，其中有4個數(shù)據(jù)由于記錄時間段的不完整，無法進(jìn)展統(tǒng)計，成為無效數(shù)據(jù)。原數(shù)據(jù)見附件1，整理數(shù)據(jù)見表1。表1 顧客到達(dá)分布表以10分鐘為一個時間間隔顧客到達(dá)數(shù)頻數(shù)01234567891011121314041219219151212460101合計

8、116n第2章 正文2.1 初等統(tǒng)計隨著社會和經(jīng)濟(jì)的開展，概率統(tǒng)計的根底知識越來越多的應(yīng)用于社會的各個方面，所以，初中學(xué)習(xí)統(tǒng)計初步知識很有必要。如下列圖1所示的各方各面即為我們所要考察的局部。圖1 統(tǒng)計初步圖2.1.1 均值、中位數(shù)與眾數(shù)平均數(shù)是指在一組數(shù)據(jù)中所有數(shù)據(jù)之和再除以這組數(shù)據(jù)的個數(shù)。平均數(shù)是統(tǒng)計中的一個重要概念。小學(xué)數(shù)學(xué)里所講的平均數(shù)一般是指算術(shù)平均數(shù)，也就是一組數(shù)據(jù)的和除以這組數(shù)據(jù)的個數(shù)所得的商。在統(tǒng)計中算術(shù)平均數(shù)常用于表示統(tǒng)計對象的一般水平，它是描述數(shù)據(jù)集中位置的一個統(tǒng)計量。既可以用它來反映一組數(shù)據(jù)的一般情況、和平均水平，也可以用它進(jìn)展不同組數(shù)據(jù)的比擬，以看出組與組之間的差異。用

9、平均數(shù)表示一組數(shù)據(jù)的情況，有直觀、簡明的特點，所以在日常生活中經(jīng)常用到，如平均速度、平均身高、平均產(chǎn)量、平均成績等等。眾數(shù)是樣本觀測值在頻數(shù)分布表中頻數(shù)最多的那一組的組中值，主要應(yīng)用于大面積普查研究之中。眾數(shù)是在一組數(shù)據(jù)中,出現(xiàn)次數(shù)最多的數(shù)據(jù)，是一組數(shù)據(jù)中的原數(shù)據(jù)，而不是相應(yīng)的次數(shù)。一組數(shù)據(jù)中的眾數(shù)不止一個，如數(shù)據(jù)2、3、-1、2、1、3中，2、3都出現(xiàn)了兩次，它們都是這組數(shù)據(jù)中的眾數(shù)。中位數(shù)又稱中值，英語：Median，統(tǒng)計學(xué)中的專有名詞，代表一個樣本、種群或概率分布中的一個數(shù)值，其可將數(shù)值集合劃分為相等的上下兩局部。對于有限的數(shù)集，可以通過把所有觀察值上下排序后找出正中間的一個作為中位數(shù)。

10、如果觀察值有偶數(shù)個，則中位數(shù)不唯一，通常取最中間的兩個數(shù)值的平均數(shù)作為中位數(shù)。一個數(shù)集中最多有一半的數(shù)值小于中位數(shù)，也最多有一半的數(shù)值大于中位數(shù)。如果大于和小于中位數(shù)的數(shù)值個數(shù)均少于一半，那麼數(shù)集中必有假設(shè)干值等同于中位數(shù)。設(shè)連續(xù)隨機(jī)變量*的分布函數(shù)為F(*)，則滿足P(*m)=F(m)=1/2的數(shù)稱為*或分布F的中位數(shù)。對于一組有限個數(shù)的數(shù)據(jù)來說，它們的中位數(shù)是這樣的一種數(shù)：這群數(shù)據(jù)里的一半的數(shù)據(jù)比它大，而另外一半數(shù)據(jù)比它小。 計算有限個數(shù)的數(shù)據(jù)的中位數(shù)的方法是：把所有的同類數(shù)據(jù)按照大小的順序排列。如果數(shù)據(jù)的個數(shù)是奇數(shù)，則中間那個數(shù)據(jù)就是這群數(shù)據(jù)的中位數(shù)；如果數(shù)據(jù)的個數(shù)是偶數(shù)，則中間那2個數(shù)

11、據(jù)的算術(shù)平均值就是這群數(shù)據(jù)的中位數(shù)。平均數(shù)的大小與一組數(shù)據(jù)里的每個數(shù)據(jù)均有關(guān)系,其中任何數(shù)據(jù)的變動都會相應(yīng)引起平均數(shù)的變動；眾數(shù)則著眼于對各數(shù)據(jù)出現(xiàn)的次數(shù)的考察,其大小只與這組數(shù)據(jù)中的局部數(shù)據(jù)有關(guān),當(dāng)一組數(shù)據(jù)中有不少數(shù)據(jù)屢次重復(fù)出現(xiàn)時,其眾數(shù)往往是我們關(guān)心的一種統(tǒng)計量；中位數(shù)則僅與數(shù)據(jù)排列位置有關(guān),當(dāng)一組數(shù)據(jù)從小到大排列后,最中間的數(shù)據(jù)為中位數(shù)(偶數(shù)個數(shù)據(jù)的最中間兩個的平均數(shù))。因此*些數(shù)據(jù)的變動對它的中位數(shù)影響不大。在同一組數(shù)據(jù)中,眾數(shù)、中位數(shù)和平均數(shù)也各有其特性:(1)中位數(shù)與平均數(shù)是唯一存在的,而眾數(shù)是不唯一的；(2)眾數(shù)、中位數(shù)和平均數(shù)在一般情況下是各不相等,但在特殊情況下也可能相等。

12、每10分鐘顧客平均到達(dá)率顧客的平均到達(dá)時間間隔眾數(shù)：4中位數(shù)：52.1.3 極差、最值極差是指一組測量值最大值與最小值之差，又稱圍誤差或全距，以R表示。它是標(biāo)志值變動的最大圍，它是測定標(biāo)志變動的最簡單的指標(biāo)。移動極差Moving Range是其中的一種。極差沒有充分利用數(shù)據(jù)的信息，但計算十分簡單，僅適用樣本容量較小n 0是分布的一個參數(shù)，常被稱為率參數(shù)rate parameter。即每單位時間發(fā)生該事件的次數(shù)。指數(shù)分布的區(qū)間是0,)。 如果一個隨機(jī)變量*呈指數(shù)分布，則可以寫作：* E*ponential累積分布函數(shù)可以寫成：2.3.2.2 指數(shù)分布檢驗方法我們?nèi)允褂闷栠d檢驗法，研究顧客到達(dá)是

13、否服從指數(shù)分布。估計指數(shù)分布里的參數(shù)，使用極大似然法。假設(shè)總體T服從指數(shù)分布，即 是取自總體T的樣本， 為對應(yīng)于 的一組樣本值，則表示樣本的似然函數(shù)，將其兩端取對數(shù)，可得令得的最大似然估計值是則的最大似然估計量是由原始數(shù)據(jù)計算得，如果為真，則T的分布函數(shù)估計為見表3表3 指數(shù)分布配適宜度檢驗計算表人數(shù)n實際頻數(shù)指數(shù)分布理論頻數(shù)000.17469320.264420.2644140.14417516.724359.681042120.11898913.802720.2354473190.09820211.391485.0818294210.0810479.40146814.30904590.06

14、68897.7590960.1984576150.0552046.40363511.539937120.045565.2849648.5320758120.0376014.36171713.37624940.0310323.5997550.0445021060.0256112.9709033.0884321100.0211372.4519062.4519061210.0174452.0235750.517751300.0143971.670071.67007141000合計116n70.72671，70.7267129.819，故拒絕，認(rèn)為總體不服從指數(shù)分布。2.3.3 線性回歸分布2.3.3

15、.1 線性回歸簡介及做法在統(tǒng)計學(xué)中，線性回歸是利用稱為線性回歸方程的最小二乘函數(shù)對一個或多個自變量和因變量之間關(guān)系進(jìn)展建模的一種回歸分析。這種函數(shù)是一個或多個稱為回歸系數(shù)的模型參數(shù)的線性組合。只有一個自變量的情況稱為簡單回歸,大于一個自變量情況的叫做多元回歸。這反過來又應(yīng)當(dāng)由多個相關(guān)的因變量預(yù)測的多元線性回歸區(qū)別，而不是一個單一的標(biāo)量變量。在線性回歸中，數(shù)據(jù)使用線性預(yù)測函數(shù)來建模，并且未知的模型參數(shù)也是通過數(shù)據(jù)來估計。這些模型被叫做線性模型。最常用的線性回歸建模是給定*值的y的條件均值是*的仿射函數(shù)。不太一般的情況，線性回歸模型可以是一個中位數(shù)或一些其他的給定*的條件下y的條件分布的分位數(shù)作為

16、*的線性函數(shù)表示。像所有形式的回歸分析一樣，線性回歸也把焦點放在給定*值的y的條件概率分布，而不是*和y的聯(lián)合概率分布多元分析領(lǐng)域。線性回歸是回歸分析中第一種經(jīng)過嚴(yán)格研究并在實際應(yīng)用中廣泛使用的類型。這是因為線性依賴于其未知參數(shù)的模型比非線性依賴于其位置參數(shù)的模型更容易擬合，而且產(chǎn)生的估計的統(tǒng)計特性也更容易確定。給一個隨機(jī)樣本，一個線性回歸模型假設(shè)回歸子和回歸量之間的關(guān)系是除了*的影響以外，還有其他的變量存在。我們參加一個誤差項也是一個隨機(jī)變量來捕獲除了之外任何對的影響。所以一個多變量線性回歸模型表示為以下的形式：其他的模型可能被認(rèn)定成非線性模型。一個線性回歸模型不需要是自變量的線性函數(shù)。線性

17、在這里表示的條件均值在參數(shù)里是線性的。例如：模型在和里是線性的，但在里是非線性的，它是的非線性函數(shù)。區(qū)分隨機(jī)變量和這些變量的觀測值是很重要的。通常來說，觀測值或數(shù)據(jù)以小寫字母表記包括了n個值.我們有個參數(shù)需要決定，為了估計這些參數(shù)，使用矩陣表記是很有用的。其中Y是一個包括了觀測值的列向量，包括了未觀測的隨機(jī)成份以及回歸量的觀測值矩陣：*通常包括一個常數(shù)項。如果*列之間存在線性相關(guān)，那麼參數(shù)向量就不能以最小二乘法估計除非被限制，比方要求它的一些元素之和為0。樣本是在母體之中隨機(jī)抽取出來的。因變量Y在實直線上是連續(xù)的，殘差項是獨立且一樣分布的(iid)，也就是說，殘差是獨立隨機(jī)的，且服從高斯分布。

18、這些假設(shè)意味著殘差項不依賴自變量的值，所以和自變量*預(yù)測變量之間是相互獨立的。在這些假設(shè)下，建立一個顯示線性回歸作為條件預(yù)期模型的簡單線性回歸，可以表示為：回歸分析的最初目的是估計模型的參數(shù)以便到達(dá)對數(shù)據(jù)的最正確擬合。在決定一個最正確擬合的不同標(biāo)準(zhǔn)之中，最小二乘法是非常優(yōu)越的。這種估計可以表示為：對于每一個，我們用代表誤差項的方差。一個無偏誤的估計是：其中是誤差平方和殘差平方和。估計值和實際值之間的關(guān)系是：其中服從卡方分布，自由度是對普通方程的解可以冩為：這表示估計項是因變量的線性組合。進(jìn)一步地說，如果所觀察的誤差服從正態(tài)分布。參數(shù)的估計值將服從聯(lián)合正態(tài)分布。在當(dāng)前的假設(shè)之下，估計的參數(shù)向量是

19、準(zhǔn)確分布的。其中表示多變量正態(tài)分布。參數(shù)估計值的標(biāo)準(zhǔn)差是：參數(shù)的置信區(qū)間可以用以下式子來計算：誤差項可以表示為：單變量線性回歸，又稱簡單線性回歸simple linear regression, SLR，是最簡單但用途很廣的回歸模型。其回歸式為：為了估計和，我們有一個樣本最小二乘法就是將未知量殘差平方和最小化：分別對和求導(dǎo)得到正規(guī)方程：此線性方程組可以用克萊姆法則來求解：協(xié)方差矩陣是：平均響應(yīng)置信區(qū)間為：2.3.3.2 線性回歸檢驗我們采用SPSS程序做檢驗。SPSS是世界上最早的統(tǒng)計分析軟件，由美國斯坦福大學(xué)的三位研究生Norman H. Nie、C. Hadlai (Te*) Hull 和

20、 Dale H. Bent于1968年研究開發(fā)成功，同時成立了SPSS公司，并于1975年成立法人組織、在芝加哥組建了SPSS總部。1984年SPSS總部首先推出了世界上第一個統(tǒng)計分析軟件微機(jī)版本SPSS/PC+，開創(chuàng)了SPSS微機(jī)系列產(chǎn)品的開發(fā)方向，極擴(kuò)大了它的應(yīng)用圍，并使其能很快地應(yīng)用于自然科學(xué)、技術(shù)科學(xué)、社會科學(xué)的各個領(lǐng)域。世界上許多有影響的報刊雜志紛紛就SPSS的自動統(tǒng)計繪圖、數(shù)據(jù)的深入分析、使用方便、功能齊全等方面給予了高度的評價。將數(shù)據(jù)輸入并直接讓SPSS進(jìn)展分析，得到表4如下結(jié)果表4 SPSS檢驗回歸方程表Anovab模型平方和df均方FSig.1回歸151.5571151.55

21、73.510.084a殘差561.3761343.183總計712.93314a. 預(yù)測變量: (常量), VAR00001。b. 因變量: VAR00002模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn)估計的誤差1.461a.213.1526.57136a. 預(yù)測變量: (常量), VAR00001。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1(常量)12.8833.2303.988.002VAR00001-.736.393-.461-1.873.084a. 因變量: VAR00002由以上擬合，得知B=12.883，R=0.461，最前方程Y=B+R*而相關(guān)系數(shù)Sig=0.0840.0

22、5，故不相關(guān)，擬合失敗。完畢語本文基于排隊論理論的指導(dǎo)，結(jié)合排隊等候時長的工程管理實踐，對交通銀行營業(yè)廳管理系統(tǒng)作了一些初步的研究和探討。工程組工作人員，通過理論與實踐的結(jié)合，增強(qiáng)了工程管理的能力，突破了單靠傳統(tǒng)的工程管理意識和管理手段，僅憑干勁、熱情和勇氣去促成工程的完成的模式；規(guī)了工程管理行為，認(rèn)清了研究的規(guī)性與實踐中的差異、約束，拓寬了解決問題的思路，探索了適合營業(yè)廳的運營支撐系統(tǒng)建立的管理方法。論文所完成的工作主要有以下幾點:(1)完成了營業(yè)廳現(xiàn)狀調(diào)研，梳理了現(xiàn)有管理規(guī)，并進(jìn)一步擬定了適合新的競爭環(huán)境的排隊等候管理制度及規(guī)。(2)剖析了統(tǒng)計數(shù)據(jù)，完成了對其平均數(shù)，中位數(shù)，眾數(shù)，方差，標(biāo)

23、準(zhǔn)差，最值的分析與計算(3)結(jié)合營業(yè)廳的環(huán)境，對該工程的整體情況作了進(jìn)一步的研究。介紹了對于統(tǒng)計學(xué)比擬重要的幾種分布(4)在研究的過程中，根據(jù)工程的特點，重點探索了幾種分布的擬合以及擬合過后的檢驗，得出結(jié)論：符合泊松分布，不符合指數(shù)分布與一元二次函數(shù)分布。(5)在檢驗分布的過程中結(jié)合實際結(jié)合現(xiàn)今科技開展，用SPSS軟件也進(jìn)展了一次檢驗，體會了科技的進(jìn)步附1：局部原始調(diào)查數(shù)據(jù) 附表1 附表22014年9月2日，9:20-10:53 2014年9月3日，14:16-16:30 時分秒時分秒1920001141647292055214175939211331423004921404142319592

24、420514244969244261428347928397142904892926814302299314791431041093218101431531193508111432351294215121437221394242131441221494357141443421594423151445321694452161447261794646171448121895026181450511895035191452302095146201452422195310211454082295349221454552395821231455552495955241458142510052025150

25、308261006532615031527100933271503202810123728150327291014152915045530101600301508353110172331151527321021173215155233102439331520073410245034152025351025233515212536102652361521333710292637152303381029543815232839102959391525454010301340152608411032204115274242103757421530104310440043153130441045284

26、415344345104619451538494610463346153912471052394715393048154051491540565015414051154226521545125315453554154641551549435615502057155349581554545915572160155735611557586216024763160251641605466516065366160711671607136816074669161127701611347116113672161225731612427416130374161309761614447716182078161

27、8467916293780162952 附表3 附表42014年9月6日，9:00-11:32 2014年9月6日，13:23-16:40時分秒時分秒190020113235129003421324043902183133013490530413371659053551339046907206133925791004713394389132981345189914509134651109153710135003119211011135644129215312140609139251313140615149274814141030159283615141057169351216142302179

28、394817142347189420018142608199460519142748209491220142959219492221143315229511322143320239513423143436249540224143812259561325143832269562226144808279582127145020289591328145056291001152914531630100340301458333110044431145916321004533215002133100824331500323410094734150253351012313515043736101526361

29、5070737101531371510473810154038151335391016163915153340102038401516394110232041152635421023584215292743102429431529324410250344153050451026004515310846102658461537544710305547153801481032314815393149103321491540275010335550154141511038405115420052103928521542125310415653154220541044435415454555104458551547335610512956155130571051355715523858105317581600585910533659160511601053416016052761105543611605366211045062160954631104576316112064110721641613076511112465161310661112266616131467111837671619006811190268163134691121116916315070112354701635507111312471163854 附表52014年9月9日，13:06-15: