利特尔法则是什么
利特尔法则（Little's Law）来自排队论：在长期稳定的系统里，平均在制品数量等于吞吐率乘以平均周期时间。它不依赖具体的排队规则，因此可以直接解释研发流动——同时在做的事情越多，单件事从开始到交付的耗时就越长。
基本关系
| 公式 | 在制品 WIP = 吞吐率 × 周期时间 |
|---|---|
| 三个变量 | WIP 是同时进行中的条目数；吞吐率是单位时间完成量；周期时间是单条从开始到交付的耗时 |
| 适用前提 | 系统长期稳定，输入与输出大致平衡，观察窗口足够长 |
| 推论 | 吞吐率不变时，降低 WIP 可以等比例缩短周期时间 |
典型使用场景
- 给看板列设在制品上限，压缩需求从提出到上线的等待时间
- 解释多加人未必提速：吞吐率由瓶颈决定，WIP 上涨只会推长周期时间
- 估算交付能力：已知每周完成量与在制品数，反推交付周期用于对外承诺
- 容量规划：把交付周期目标换算成团队可以承接的在制品额度
- 定位流程堆积：某一列 WIP 持续上涨，先查该环节是否存在瓶颈或审批等待
算例
算例
团队同时在做的需求 WIP = 12
每周完成量（吞吐率）= 6 项
平均周期时间 = 12 ÷ 6 = 2 周
把 WIP 压到 6、吞吐率保持 6 项/周
平均周期时间 = 6 ÷ 6 = 1 周
# 不增加产能，只收紧在制品，交付时间即减半变量口径与异常
| 变量 | 口径 | 异常信号 |
|---|---|---|
| WIP | 进行中且未交付的条目数，含等待评审与测试 | 持续上涨说明出口受限 |
| 吞吐率 | 单位时间真正交付完成的条目数 | 下降常因返工或瓶颈卡住 |
| 周期时间 | 单条从开始处理到交付的时长，常用中位数 | 只看平均值会被长尾拖偏 |
| 稳定性 | 输入与输出长期大致平衡 | 大起大落时公式结论不可用 |
先测准吞吐率与周期时间，再决定是压在制品还是解瓶颈；只压在制品不动瓶颈，吞吐率会一起下降。