累积流图把研发流程各阶段的在制品数量按时间展开，配合到达率与吞吐量，可以判断流动效率是在改善还是恶化。判断的前提是三个指标取自同一时间窗、同一阶段定义。本文给出一套可复算的方法：先看WIP在哪个阶段堆积，再比较进入与离开系统的累积曲线斜率，最后用利特尔法则换算成周期时间，确认变化来自瓶颈前移、需求集中进入还是交付能力下降。评估所需数据通常来自工作项状态流转记录，ONES可作为承载这类记录的协作平台之一。
要点总览（TL;DR）
- 判断顺序固定为三步：先看WIP在哪个阶段持续堆积，再比较到达率与吞吐量的斜率差是否扩大，最后用利特尔法则换算周期时间确认变化方向。
- 三个指标必须取自同一时间窗、同一阶段定义和同一完成定义；阶段合并、完成标准调整或卡片拆分合并后，前后数据不可比，需截断或回溯重算。
- 到达率明显高于吞吐量时，WIP与周期时间同步上升，优先按需求涌入解释；到达率稳定而吞吐量下滑，则指向交付能力下降；积压位置向上游移动提示瓶颈前移。
- 累积流图斜率变化只描述现象，不构成因果证明；单日色带宽度波动大，应取时间窗平均值或趋势，并结合需求来源与流程变更记录复核。
- 评估数据来自工作项状态流转记录，按周或按迭代固定复盘节奏，把结论与依据留痕，连续观察多个周期后再调整WIP上限或阶段划分。
判断流动效率变化要回答的三个问题
流动效率变化在累积流图上表现为带状图的形状改变：某阶段色带变宽、整体曲线变陡或变平、末端曲线与入口曲线的间距拉大。这些形状变化对应三类不同的信号，需要分开识别，否则容易把需求涌入误判为流程变慢。
三个指标各自回答一个独立问题。在制品数量（WIP）回答“工作堆在哪里”：某一时点各中间阶段积压了多少卡片，堆积位置往往指向瓶颈所在阶段。到达率回答“工作以多快速度进入系统”：单位时间内新增卡片数，反映需求侧的压力。吞吐量回答“工作以多快速度离开系统”：单位时间内完成卡片数，反映交付侧的能力。三者组合起来，才能区分是入口压力变大、中间环节卡住，还是出口能力下降。
本文讨论范围限定在工作流动层面的瓶颈识别与效率变化判断，不涉及人员主观体验评估，也不处理单个项目的进度纠偏与排期调整。评估结论用于发现流程问题并组织复盘，不直接作为个人或团队的绩效结论。
指标定义、统计范围与数据口径
可复算的前提是每个指标都有明确的公式、单位与分母。下表给出本文采用的口径，实际使用时需在评估开始前固定下来，并在多个周期之间保持一致。
| 指标 | 公式 | 单位 | 分母与统计范围 | 时间窗 |
|---|---|---|---|---|
| 在制品数量 WIP | 某一时点处于某中间阶段的卡片数 | 张（按阶段分别统计） | 无分母；统计范围为已进入该阶段且尚未离开的卡片 | 按日或按周取时点值 |
| 到达率 | 时间窗内新增卡片数 ÷ 统计天数 | 张/天 | 分子为进入系统的卡片数，分母为时间窗天数 | 与WIP同一时间窗 |
| 吞吐量 | 时间窗内完成卡片数 ÷ 统计天数 | 张/天 | 分子为离开末端状态的卡片数，分母为时间窗天数 | 与WIP同一时间窗 |
| 平均WIP | 时间窗内各时点WIP之和 ÷ 时点数 | 张 | 分母为取样时点数 | 与吞吐量同一时间窗 |
WIP按阶段分别统计，不做全流程加总后再比较，因为瓶颈定位依赖阶段级数据。吞吐量必须先明确完成定义：以哪个状态作为“离开系统”的判定点，需在评估前写清楚，中途更改会导致前后数据不可比。统计粒度建议统一为日或周，同一组对比中不混用。
缺失值与分母为零需要预先约定处理方式。某天无新增卡片时，到达率记为零而非缺失；时间窗内吞吐量为零时，周期时间无法计算，应标注为“不可计算”并单独说明，不用零或极大值替代。时间窗过短会让日粒度数据波动剧烈，建议至少覆盖数个完整交付周期再作比较。
从累积流图读取数据并计算
累积流图按阶段分层绘制各状态的累计卡片数，相邻两条累积曲线之间的垂直距离就是该阶段在某一时点的WIP。取数的第一步是确定读取位置：在每个取样时点，读取每条阶段曲线的累计值，相邻曲线累计值之差即为该阶段WIP序列。
具体计算按以下步骤进行：
- 固定阶段顺序与完成定义，确认取样时间窗的起止日期。
- 在每个取样时点读取各阶段累积曲线的累计值，形成按阶段、按时间的累计值表。
- 用相邻阶段累计值相减，得到各阶段WIP序列；用末端曲线相邻时点累计值相减，得到各时点吞吐量；用入口曲线相邻时点累计值相减，得到各时点到达量。
- 将到达量与吞吐量分别除以时间窗天数，得到到达率与吞吐量；对WIP序列求平均，得到平均WIP。
- 把三个结果对齐到同一时间窗与同一粒度，形成可比较的指标表。
数据不可比的情况需要先处理再计算。阶段定义变更（例如新增评审环节或合并两个状态）会使曲线分层结构改变，前后时段不能直接相减；卡片拆分或合并会改变计数单位，导致到达量与吞吐量口径不一致。遇到这类情况，应在变更点截断，分别计算变更前后的指标，或按新口径回溯重算历史数据后再比较。
用利特尔法则把三者换算成周期时间
利特尔法则给出平均周期时间≈平均WIP÷吞吐量的换算关系，单位由WIP的张数除以吞吐量的张/天得到天数。这个换算把WIP与吞吐量统一到时间口径，使不同时段、不同阶段的流动效率可以直接比较。
当到达率大于吞吐量时，系统内积累的工作增加，平均WIP上升，按公式换算的周期时间随之变长；当到达率小于吞吐量时，积压被消化，WIP下降，周期时间缩短。到达率与吞吐量接近时，WIP趋于稳定，周期时间的变化主要取决于吞吐量的绝对水平。因此判断流动效率变化时，先比较两条斜率，再看WIP的走向，最后用公式确认周期时间的方向。
瓶颈定位需要分阶段计算。对每个中间阶段分别取该阶段的平均WIP和流经该阶段的吞吐量，换算成阶段级周期时间，周期时间最长且持续增长的阶段即为当前瓶颈。若瓶颈阶段前移，表现为上游某阶段的WIP开始堆积而原瓶颈阶段色带收窄，此时应重新计算各阶段周期时间确认新的约束位置。
吞吐量极小时，公式结果会被放大，单日数据尤其不稳定。此时应拉长时间窗、改用周粒度，或直接标注该时段周期时间不可靠，避免用个别异常值下结论。
一个可复算的判断示例
以下数字为演示用途，用于说明计算过程，不代表任何通用达标线。假设某团队以两周为时间窗，阶段划分为“开发中”和“测试中”两个中间阶段，完成定义为进入“已上线”状态。
| 指标 | 前一时段 | 当前时段 |
|---|---|---|
| 平均WIP（开发中） | 12张 | 20张 |
| 平均WIP（测试中） | 8张 | 9张 |
| 到达率 | 3.0张/天 | 4.5张/天 |
| 吞吐量 | 3.0张/天 | 3.2张/天 |
| 全流程平均WIP | 20张 | 29张 |
| 周期时间（全流程） | 约6.7天 | 约9.1天 |
按公式计算：前一时段20÷3.0≈6.7天，当前时段29÷3.2≈9.1天，周期时间明显变长。分阶段看，测试中WIP从8张增至9张，变化有限；开发中WIP从12张增至20张，是积压的主要位置。到达率从3.0升至4.5张/天，吞吐量仅从3.0升至3.2张/天，入口增速远高于出口增速。
这组数据支持三种解释，需要结合业务背景区分。其一，需求集中进入：到达率大幅上升而吞吐量基本持平，WIP堆积主要来自入口压力，属于需求涌入型。其二，瓶颈前移：若开发中阶段本身处理能力未变，而测试中阶段因评审或环境问题放慢了流转，积压会向上游传导，需检查测试中阶段的流入流出是否失衡。其三，交付能力下降：若到达率稳定而吞吐量下滑，则属于出口能力问题。本例中到达率上升最明显，优先按需求涌入解释，同时复核开发中阶段的处理能力是否同步变化。
结果解读的边界与常见误判
累积流图上的斜率变化描述的是工作流动的现象，不能直接作为因果证明。色带变宽可能来自流程变慢，也可能来自批量到达、统计口径调整或阶段性集中提交，结论需要结合需求来源、人员变动和流程变更记录复核。
常见误判集中在以下几类：
- 把WIP上升直接归因于流程变慢。批量到达会在短时间内推高WIP，此时吞吐量未必下降，应同时看到达率曲线。
- 用单一时点的色带宽度下结论。单日数据波动大，应取时间窗内的平均值或趋势。
- 忽略阶段定义与完成定义的变化。状态合并、拆分或完成标准调整后，前后数据不可比，直接对比会得出错误结论。
- 把周期时间换算结果当作绩效指标。利特尔法则给出的是系统层面的平均关系，个体卡片差异较大，不宜用于个人评价。
- 套用固定达标线。不同团队、不同工作类型的合理WIP与周期时间差异很大，应建立自身基线并观察趋势变化。
解读时应把三个指标放在一起陈述：WIP堆积在哪个阶段、到达率与吞吐量的差值如何变化、周期时间朝哪个方向移动。三者方向一致时结论较可靠，出现矛盾时应先核查数据口径，再补充业务信息。
把评估落到日常协作中
这套评估依赖持续、可追溯的状态流转记录。工作项从进入开发到完成上线的每次状态变更，构成累积流图的原始数据；按阶段与时间窗汇总这些记录，即可得到WIP序列、到达量与吞吐量。数据来源稳定，评估才能按周期重复进行。
在实际协作中，可以把评估组织成一个固定节奏的复盘动作：按周或按迭代查看各阶段累积变化，确认WIP堆积位置与到达率、吞吐量的差值，用利特尔法则换算周期时间并与上一周期对比，把判断结论和依据记录在复盘文档中。ONES支持工作项状态流转的记录与按阶段、时间范围查看工作项分布，团队可以据此汇总各阶段WIP与完成数量，并将复盘结论留痕，便于下一周期直接对比。评审中形成的改进项可转为工作项跟踪，使评估结论落到具体的流程调整上。
需要提醒的是，评估的价值在于发现趋势和定位约束，单次结果不足以支撑流程改造决策。建议连续观察多个周期，确认变化方向稳定后再调整WIP上限、阶段划分或交付节奏，并在调整后继续用同一口径复算，验证改动是否带来预期的流动改善。
常见问题
时间窗应该取多长，日粒度和周粒度怎么选？
时间窗至少要覆盖数个完整交付周期，否则日粒度数据波动剧烈，斜率和WIP序列都难以形成稳定趋势。判断方法上可以先按周粒度看整体走向，确认某阶段存在持续堆积后，再切到日粒度定位堆积开始的时间点。
同一组前后对比必须使用同一粒度。前一时段用周、当前时段用日，算出的到达率和吞吐量分母不同，直接比较会得出错误结论。吞吐量极低或某段时间窗内完成数为零时，应拉长时间窗或标注该时段周期时间不可靠，不用个别异常值下结论。
完成定义中途调整了，历史数据还能直接对比吗？
不能直接对比。完成定义决定吞吐量的分子，判定点从“测试通过”改为“已上线”，同一批卡片离开系统的时间会整体后移，吞吐量曲线随之改变。阶段定义变更同理，新增评审环节或合并两个状态会改变累积曲线的分层结构，相邻阶段相减得到的WIP序列口径已经不同。
处理方式有两种：在变更点截断，分别计算变更前后的指标，只做各自时段内的趋势判断；或按新口径回溯重算历史数据，使前后可比。无论选哪种，都应在复盘记录中写明变更时间和处理方式，避免下一周期误读。
WIP上升但吞吐量没有下降，说明流程变慢了吗？
不一定。批量到达会在短时间内推高WIP，此时到达率曲线明显变陡，而吞吐量保持平稳，属于入口压力而非流程变慢。判断时应同时看到达率与吞吐量的差值：差值扩大且WIP堆积集中在入口附近阶段，优先按需求涌入解释；差值稳定而某中间阶段色带持续变宽，才更可能是该阶段流转受阻。
还要排除统计口径因素，例如卡片拆分导致计数单位变化、阶段性集中提交造成的数据尖峰。三者方向一致时结论较可靠，出现矛盾时先核查数据口径，再补充需求来源和流程变更信息。
利特尔法则算出的周期时间和实际交付周期对不上，以哪个为准？
两者口径不同。利特尔法则给出的是系统层面的平均关系，用平均WIP除以吞吐量得到，反映的是整体趋势；实际交付周期是单张卡片从进入到离开的实际耗时，个体差异较大。两者长期偏离明显时，通常说明系统未处于稳定状态，例如WIP持续增长或到达率剧烈波动，此时平均关系的适用性下降。
实践中用利特尔法则做跨时段的方向比较，用实际交付周期核对单张卡片的异常。不建议把换算结果当作个人或团队的绩效指标，它描述的是流程状态，不用于评价个体。
复盘时发现瓶颈阶段前移了，下一步该调整什么？
先重新分阶段计算周期时间，确认新的约束位置，再决定调整动作。瓶颈前移通常表现为上游某阶段WIP开始堆积而原瓶颈阶段色带收窄，此时应检查新瓶颈阶段的流入流出是否失衡，以及原瓶颈阶段的处理能力提升是否真实发生。
可调整的方向包括WIP上限、阶段划分和交付节奏，但每次只改一个变量，并在调整后继续用同一口径复算，验证流动是否改善。单次复盘结果不足以支撑流程改造决策，建议连续观察多个周期，确认变化方向稳定后再动手。
