利特尔法则是什么
利特尔法则（Little's Law）指出稳定系统中平均在制品数量等于到达速率乘以平均停留时间：L = λW。放到测试与交付语境：队列里堆积的在测需求数，等于需求进入速率乘以平均测试流转时间。它帮助团队判断积压的成因——要么降低进入速率（限流），要么缩短流转时间（提速），没有第三种魔法。
基本信息
| 公式 | L = λW：在制品 = 到达速率 × 平均停留时间 |
|---|---|
| 变量含义 | L 系统内平均数量，λ 单位时间到达数，W 平均驻留时间 |
| 适用前提 | 系统稳定、长期平均、单位统一，瞬时值不能直接代入 |
| 测试应用 | 在测需求排队、缺陷队列、环境占用都可以套用估算 |
| 经典推论 | 想让在制品少又吞吐高，核心抓手是压缩停留时间 |
| 与看板配合 | 限制在制品数量（WIP 上限）倒逼流转时间下降 |
典型使用场景
- 排队评估：测试环境总被占满时，用公式反推需要压缩的环节。
- 人力规划：给定到达速率与目标停留时间，估算所需并行测试容量。
- 看板治理：设定在制品上限，用数据证明限流不会降低吞吐。
- 缺陷管理：缺陷队列长度异常时，分解为流入速率与停留时长两个因子。
- 沟通决策：用统一模型向管理层解释为什么不加人反而要限流。
变量与测试场景映射
| 变量 | 测试场景对应 | 改善手段 |
|---|---|---|
| L 在制品 | 在测需求数、缺陷存量 | 限制同时开工数量 |
| λ 到达速率 | 需求移交测试的节奏 | 与上游协商节奏与批量 |
| W 停留时间 | 平均测试流转时长 | 自动化、环境提速、减少等待 |
| 组合结论 | 积压=速率×时长 | 同时微调速率与时长 |
单位必须统一：每分钟到达配分钟级停留时间，混用会让估算差出六十倍。
瞬时队列不适用：法则基于长期平均，样本要覆盖多个完整周期。
加人前先做除法：先看停留时间卡在哪，盲加人手往往只增加协调成本。