Ventetid: Sådan måler og rapporterer du den troværdigt

Klokken 06.40 står der 140 mennesker i sikkerhedskontrollen. Terminalchefen rapporterer bagefter en gennemsnitlig ventetid på 9 minutter. Passageren, der nåede frem kl. 06.55 og stod 24 minutter, skriver om det på sociale medier samme eftermiddag. Begge tal er korrekte. Kun det ene bliver husket. Det er kernen i problemet med ventetid som nøgletal: det er let at måle noget, der ligner ventetid, og svært at måle noget, som både passagerer, operatører og bestyrelsen vil acceptere som sandt.

Denne artikel handler om, hvordan man når frem til det sidste. Ikke hvorfor køer er dårlige, det ved du allerede, men hvordan et tal for ventetid bliver til noget, man kan lægge til grund for bemanding, servicekontrakter og budgetbeslutninger uden at skulle forsvare det hver gang.

Definér start og slut, før du måler noget

Det, mange kalder queue time, er i praksis tre forskellige ting afhængigt af, hvem der spørger. Sikkerhedsoperatøren måler fra kø-indgangen til bakkerne. Lufthavnen måler fra det punkt, hvor passageren stopper op, til han har sine sko på igen. Passageren tæller fra det øjeblik, han kunne se køen. Ingen af dem tager fejl, men hvis de tre tal lander i samme rapport uden definition, mister rapporten troværdighed med det samme.

Skriv derfor definitionen ned, før sensorerne sættes op: Hvor begynder køen fysisk? Hvor slutter den? Tæller slusens egen behandlingstid med? Og hvad med Fast Track og personale, der krydser zonen? Denne definition bør stå øverst i hver eneste rapport, ikke i en fodnote.

Tre metoder til kømåling og hvad de reelt fortæller

Manuelle stikprøver med stopur er stadig udbredte, især i mindre terminaler og offentlige borgerservicecentre. De er billige og forståelige, men de måler kun de minutter, nogen havde tid til at måle. I myldretiden, hvor tallet betyder noget, er den samme medarbejder typisk optaget af at få køen til at bevæge sig.

Genkendelse af mobilsignaler via Wi-Fi eller Bluetooth måler, hvor lang tid en enhed er om at bevæge sig fra punkt A til punkt B. Metoden dækker hele døgnet, men andelen af passagerer med synlige enheder svinger, randomiserede MAC-adresser gør sporing usikker, og metoden rejser spørgsmål i forhold til persondata, som en offentlig driftsherre ofte ikke ønsker at bruge tid på.

Den tredje metode er sensorbaseret zonedetektion: anonyme sensorer registrerer, hvor mange personer der befinder sig i et defineret køareal, hvor længe de opholder sig der, og hvor hurtigt de forlader det igen. Det er den tilgang, VemTrack bygger på. Køen tegnes som en zone direkte på plantegningen, og systemet beregner ventetid ud fra antal personer i zonen og gennemstrømningen ved udgangen. Ingen enheder, ingen identifikation, og dækning hvert minut, også kl. 06.40.

Fejlen, der først viser sig, når køen er længst

Her er en erfaring, de fleste implementeringer gør sig på den hårde måde: køzonen bliver tegnet efter en normal tirsdag formiddag. Når ferieugen rammer, vokser halen af køen ud over zonens grænse, rundt om hjørnet og ned ad gangen mod check-in. Sensoren ser stadig en fuld zone, men den ser ikke de 60 mennesker udenfor. Resultatet er en målt ventetid, der flader ud præcis dér, hvor den reelle ventetid eksploderer. Rapporten viser 12 minutter, virkeligheden er 30.

Løsningen er ikke kompliceret, men den kræver, at man tænker den ind fra starten: tegn køzonen efter den værste dag, du realistisk forventer, ikke efter en gennemsnitsdag. Supplér med en tællelinje ved kø-indgangen, så antal ankommende kan sammenholdes med antal betjente. Og brug zone-til-zone flow til at opdage, når folk begynder at stå stille i et område, der ikke burde være en kø.

Gennemsnit skjuler problemet, rapportér fordelingen

Et dagsgennemsnit for ventetid i lufthavnen er næsten altid misvisende, fordi det blander 14 rolige timer med 3 kritiske. Hvis målet er troværdighed, så rapportér i stedet:

• Median pr. 15-minutters interval, så man kan se, hvornår på dagen problemet opstår og slutter.

• 90. eller 95. percentil, altså den ventetid, som de 10 eller 5 procent mest ramte passagerer oplevede. Det er det tal, der matcher klagerne.

• Andel af intervaller over serviceniveauet, for eksempel hvor mange kvarterer ventetiden lå over 10 minutter. Det er ofte det eneste tal, en servicekontrakt kan bygges på.

• Maksimal kølængde i personer, fordi driftsfolk forholder sig til, hvor mange der står der, mere end til minutter.

Et dashboard, der viser medianen i grønt og 95. percentilen i rødt side om side, er sværere at affeje end et enkelt gennemsnitstal. Det tvinger også samtalen hen på det rigtige spørgsmål: ikke om køen er lang, men hvornår og hvor ofte.

Sådan gør du tallet troværdigt over for skeptikere

Troværdighed kommer ikke af teknologien alene, men af den dokumentation, der ligger bag. Fire ting bør være på plads, før den første rapport sendes til direktionen eller til en ekstern sikkerhedsleverandør:

• Validering mod manuel måling. Lad to medarbejdere følge 50 tilfældige passagerer med stopur over en uge og sammenlign med systemets tal for samme tidsrum. Afvigelsen og forklaringen på den skal med i dokumentationen.

• Ærlig nøjagtighed. Sensorbaseret tælling leverer typisk 98 til 99 procent nøjagtighed, når lys, layout og adfærd tillader det, og kontraktuelt bør minimum være 96 procent. Skriv det sådan, ikke som et rundt tal uden forbehold. En rapport, der indrømmer sin usikkerhed, overlever bedre, når nogen stiller spørgsmål.

• Dokumenterede undtagelser. Hvilke tidsrum er fjernet på grund af rengøring, nedbrud eller ombygning, og hvorfor. Huller i data er acceptable, uforklarede huller er ikke.

• Uændret metode over tid. Hvis køzonen flyttes eller definitionen justeres, skal det stå i rapporten, og historikken skal markeres. Ellers bliver enhver forbedring mødt med mistanke om, at man blot har flyttet målestokken.

Fra rapport til køstyring i realtid

Den månedlige rapport er til bestyrelsen. Den daglige drift har brug for noget andet: en alarm, når antallet af personer i køzonen krydser en tærskel, så en ekstra sluse kan åbnes, inden ventetiden runder ti minutter i stedet for efter. Den form for køstyring kræver, at måledata og handlingsregler lever samme sted, helst på den samme plantegning, som vagtlederen i forvejen kigger på.

Det er også her, passagerflow og kømåling bør kobles. Hvis ankomsttællingen ved terminalindgangen stiger 20 minutter før køen gør det, har man et varsel, ikke blot en konstatering. Over tid giver det mulighed for at bemande efter forventet tilstrømning frem for efter faste vagtskemaer, og det er typisk dér, investeringen i måling tjener sig hjem, både i lufthavne og i offentlige servicecentre med borgerbetjening.

Ofte stillede spørgsmål

Hvordan måles ventetid? Den mest pålidelige metode i terminaler er sensorbaseret zonedetektion, hvor et defineret køareal overvåges anonymt, og ventetiden beregnes ud fra antal personer i zonen og gennemstrømningen ved udgangen. Manuelle stikprøver og mobilsignaler kan supplere, men dækker ikke hele døgnet eller hele passagergruppen. Uanset metode skal start- og slutpunkt være skriftligt defineret, og systemet bør valideres mod manuelle målinger, inden tallene rapporteres.

Står I med et tal for ventetid, som ingen rigtig stoler på, eller skal I i gang med at definere, hvordan køer i jeres terminal eller borgerservice skal måles og rapporteres fremover? Kontakt Vemco Group, så gennemgår vi jeres køzoner, definitioner og rapportkrav sammen og viser, hvordan kødetektion og alarmer kan tegnes direkte ind på jeres egen plantegning.