2023年1
月-4月資料，發現並不存在丟失率水平高的情況。如圖：
統計資料顯示，
2010
年1-4
月份**丟失率均在
1%-2%
間，並無偏高現象。
但統計2023年12
月資料顯示出現了異常，如圖：
該資料顯示，去年12月
18日以前，丟失率資料普遍在
12%以上，其中12月
8-11
日之間出現了
29%-37%
的高峰。而在
18日後，資料又恢復到
2%的低水平。
出現這種情況的原因，是三高公司在去年12月
18日後對「丟失率」指標的計算方式做了調整。
原來的計算公式為：
丟失率=
撥入丟失數
/撥入**數
調整後的計算公司為：
丟失率=
（撥入丟失數
-佇列丟失數）
/撥入**數
很顯然，前者比之後者中的較大水分被「擠」掉了。這個「水分」就是「佇列丟失數」。而且該值具有較大的波動性，導致原有比較平緩的曲線變得「起伏」。
而三高工程師認為，此「佇列丟失數」較高的原因並非
cti本身導致的，其原因在於使用者服務水平。即算要解釋「佇列丟失數」為什麼會出現較大變化，也應該有業務部門解釋，其責任並不在**商。
出於此種考慮，三高工程師直接調整了「丟失率」的計算方法，而不是對客戶的疑問進行解釋。
檢視同期的「最長等待時間」的統計曲線發現，「最長等待時間」在去年12月
8-11
日期間出現了類似的變化規律：
最長等待時間的延長，必然導致平均等待時間延長。
而平均等待時間的延長，必然導致使用者放棄機率增加。因此我們可以推測，當某種情況導致最長等待時間加大後，導致了佇列丟失數增大，所以使用原計算方式的「丟失率」會出現突然增高的情況。
那麼是什麼原因導致平均等待時間變大呢？
從理論上分析，應該參考
bhca
和erl
值。bhca
即忙時試呼次數，是程式控制交換機控制部件呼叫處理能力的重要指標，著重衡量的是系統或硬體的固有效能。一般裝置在恆定條件下，其
bhca
是相對固定的。根據
alti gen
提供的引數
60,0000-80,000bhca
，即每小時處理呼叫次數的能力達到了
60,000-80,000
erl值是衡量話務量大小的乙個指標。它是根據話音通道的占空比來計算的。通俗的講，話務量就是一條**線乙個小時內被占用的時長。如果一條**線被占用乙個小時，話務量就是
1 erl
。erl
進行分析，看是否出現與「最長等待時間」相同的變化規律。如果是，我們可以斷定去年
12月份出現丟失率劇烈增高的原因是由於話務量增加或者是服務水平降低的原因，而並非系統效能導致。
遺憾的是，系統中的話務分析系統並未提供
erl值以供分析，因此以上假設僅為推論難以證實。
楊巨集焱2010-05-07