重复异常率衡量同一流程节点或同一类异常在处置后再次发生的比例，用来判断异常处理机制是否解决了根因。计算时先定义异常单元（同一流程节点加同一异常类型），再取观察窗口内“处置后再次出现的异常单元数”除以“已处置的异常单元数”，按周或按月统计。这个指标需要与异常发生率、平均恢复时长、人工接管率一起解读，单看一个比率容易得出片面结论。
要点总览（TL;DR）
- 重复异常率=观察窗口内处置后再次出现的异常单元数÷已处置异常单元数×100%，异常单元按“同一流程节点+同一异常类型”定义，按周或按月统计。
- 重复异常率回答处置是否触及根因，需与异常发生率（问题多不多）、平均恢复时长（处理快不快）、人工接管率（多少需要人介入）放在同一窗口内组合解读。
- 取数以异常事件记录和处置状态流转为准，处置完成以状态流转到已解决或已关闭的时间戳判定；处置未完成的异常不计入分母，分母为零时标注无样本。
- 重复异常率没有通用达标线，宜用自身历史基线或改进前后同口径对比；样本量小、窗口过短或口径变更都会影响比率可比性。
- 指标反映相关性而非因果，验证改进应保持窗口、节点范围和异常单元定义一致，并观察多个连续窗口的趋势。
评估目标：重复异常率要回答什么问题
评估对象是规则驱动流程的异常处理机制，也就是当流程按预设规则运行、出现偏离时，系统或人员如何识别、分派、处置并关闭异常。重复异常率要回答的核心问题是：一次处置之后，同一流程节点上的同一类异常是否还会再次出现。如果反复出现，说明处置动作可能只处理了表面症状，根因仍然存在。
这个指标在评估体系中承担“处置深度”的证据角色，与其他三个指标分工明确：异常发生率反映异常出现的频度，回答“问题多不多”；平均恢复时长反映处置速度，回答“处理快不快”；人工接管率反映自动化处置的覆盖程度，回答“有多少需要人介入”；重复异常率反映处置是否真正解决问题，回答“处理得彻不彻底”。四者组合，才能对机制运行效果形成较完整的判断。
需要说明的是，重复异常率没有通用达标线。不同流程节点、不同异常类型的合理区间差异很大，支付类节点的重复异常与内部审批类节点的重复异常不能套用同一标准。评估时应以自身历史基线或改进前后对比为主要参照，避免引入外部基准值造成误判。
指标与范围：四个指标的定义与统计边界
四个指标需要统一统计对象、时间窗口和流程节点范围，否则汇总结果无法横向比较。统计对象为规则驱动流程实例，即由预设规则触发流转的流程；AI智能编排驱动的流程和研发平台接口对接、集成部署场景不在本文口径内，相关异常应单独统计或排除。
| 指标 | 定义 | 单位 | 统计范围 |
|---|---|---|---|
| 异常发生率 | 观察窗口内发生异常的流程实例数除以同期流程实例总数 | 百分比 | 规则驱动流程实例，按流程节点可下钻 |
| 平均恢复时长 | 已处置异常从发生到处置完成的时长之和除以已处置异常数 | 小时或分钟 | 仅统计处置完成的异常 |
| 人工接管率 | 人工接管的异常数除以已处置异常数 | 百分比 | 已处置异常，区分自动处置与人工处置 |
| 重复异常率 | 处置后再次出现的异常单元数除以已处置异常单元数 | 百分比 | 已处置异常单元，按周或按月统计 |
时间窗口建议按周或按月固定，同一评估周期内四个指标使用相同窗口，便于交叉解读。流程节点范围应在评估前确定，例如只统计核心业务链路上的节点，或按节点分组分别统计。窗口和范围一旦确定，在改进前后对比中保持一致，否则比率变化可能来自口径调整而非机制改进。
数据口径：异常单元、处置记录与缺失值处理
取数需要覆盖异常发生时间、所属流程节点、异常类型、处置开始与完成时间、是否人工接管、处置后是否再次出现等字段。数据来源通常是流程引擎的异常事件记录、工单或工作项的状态流转记录，以及处置操作日志。字段缺失会直接影响分母和分子，取数前应先核对完整性。
异常单元的识别规则是“流程节点加异常类型”。同一节点上的超时异常与数据校验异常属于两个不同单元；不同节点上的同类异常也分别计数。这样定义可以避免把不同性质的问题混在一起，也便于定位重复发生在哪个环节。
处置完成的判定以状态流转到“已解决”或“已关闭”的时间戳为准。处置未完成的异常不计入分母，因为它们还没有经历完整的处置周期，纳入会低估重复异常率。重复出现的匹配规则是：同一异常单元在处置完成时间戳之后、观察窗口结束之前再次产生异常记录，即计为一次重复。若同一单元在窗口内多次重复，按单元计数一次，避免高频重复拉高比率失真。
缺失值和边界情况需要明确处理方式：分母为零时该窗口不计算比率，标注“无样本”，不用零代替；处置记录缺失完成时间的异常暂不纳入分母并单独列出待补；流程节点或异常类型定义发生变更，导致前后数据不可比时，应分段统计并在报告中说明口径变化。数据不可比的典型情形还包括流程版本升级、异常分类体系调整、统计范围扩大，这些情况下直接比较前后比率会得出错误结论。
计算步骤：重复异常率怎么算
重复异常率的公式为：重复异常率 = 观察窗口内处置后再次出现的异常单元数 ÷ 已处置异常单元数 × 100%。分子是处置完成后同一异常单元再次出现的数量，分母是窗口内已完成处置的异常单元总数。按周或按月分别计算，再汇总为周期值。
配套指标的公式如下：异常发生率 = 发生异常的流程实例数 ÷ 流程实例总数 × 100%；平均恢复时长 = 已处置异常的恢复时长之和 ÷ 已处置异常数，单位为小时或分钟；人工接管率 = 人工接管异常数 ÷ 已处置异常数 × 100%。四个指标使用同一时间窗口和同一流程节点范围。
计算步骤可以按以下顺序执行：
- 确定统计窗口和流程节点范围，锁定口径。
- 从异常记录中提取异常单元，按“节点加类型”去重归并。
- 筛选出窗口内处置完成的异常单元，形成分母。
- 对每个已处置单元，检查处置完成时间之后是否再次出现同类异常，形成分子。
- 计算汇总值，再按流程节点和异常类型下钻，找出重复集中的环节。
- 同步计算另外三个指标，形成同一窗口的指标组。
汇总值与下钻值应同时保留。汇总值用于观察整体趋势，下钻值用于定位具体节点。若汇总重复异常率下降但某节点下钻值上升，说明改进可能只覆盖了部分环节，需要继续排查。
例子：一个月的异常处置数据怎么算
以下为演示情景，数据仅用于说明计算方法，不代表任何真实组织或产品的运行数据。假设某月规则驱动流程共运行 2000 个实例，其中 160 个实例发生异常；异常记录归并后得到 120 个异常单元，已处置完成 100 个，处置后再次出现的有 15 个；已处置异常的恢复时长合计 300 小时，其中人工接管 40 个。
| 指标 | 计算过程 | 结果 |
|---|---|---|
| 异常发生率 | 160 ÷ 2000 × 100% | 8% |
| 平均恢复时长 | 300 小时 ÷ 100 | 3 小时 |
| 人工接管率 | 40 ÷ 100 × 100% | 40% |
| 重复异常率 | 15 ÷ 100 × 100% | 15% |
结果解读：该月异常发生率为 8%，平均每个已处置异常耗时 3 小时恢复，四成异常需要人工介入，处置后仍有 15% 的异常单元再次出现。重复异常率 15% 提示部分处置未触及根因，结合下钻可以进一步查看是哪些节点贡献了重复。若某节点重复异常率明显高于整体，应优先复核该节点的处置规则和根因分析记录。
分母为零的情形：假设某节点当月没有已处置异常，则该节点重复异常率标注“无样本”，不计算比率，也不参与汇总分母。若整个窗口分母为零，则四个指标中涉及比率的项均标注无样本，仅报告流程实例总数等基础数据。
在异常处置记录的管理承载上，ONES 的工作项状态流转可以记录异常从发生到关闭的过程，处置完成时间对应状态变更时间戳，统计视图可按节点和类型汇总处置数量与重复情况，为上述计算提供可追溯的数据基础。具体字段配置需结合团队实际流程设计。
解读与限制：重复异常率能说明什么、不能说明什么
重复异常率能说明处置后同类问题是否再次出现，是判断处置深度的有用证据，但它不能单独代表异常处理机制的全部绩效。一个机制可能重复异常率低，但恢复时长很长或人工接管率很高，整体效率并不理想。评估时应把四个指标放在同一窗口内综合看，避免用单一比率给机制下结论。
样本量和观察窗口会显著影响比率稳定性。已处置异常单元较少时，一两次重复就可能让比率大幅波动；窗口过短也可能漏掉周期性出现的异常。建议在样本量不足时延长观察窗口或合并多个周期统计，并在报告中注明样本量。
指标反映的是相关性，不能直接证明因果关系。重复异常率下降可能来自处置改进，也可能来自异常分类调整、流程版本变化或统计范围缩小。验证改进效果时，应采用改进前后同口径对比，保持窗口、节点范围和异常单元定义一致，并观察多个连续窗口的趋势，而不是只看单期数据。若口径发生变化，应分段报告并说明变化原因，再判断改进是否成立。
常见问题
流程节点或异常分类调整后，重复异常率还能直接和上期比较吗？
不建议直接比较。节点拆分、异常类型合并或分类体系调整都会改变异常单元的划分方式，分子和分母的口径随之变化，前后比率差异可能来自口径而非机制改进。处理方式是在变更点分段统计，分别报告变更前后的比率，并在报告中说明变更内容和生效时间；需要跨期观察趋势时，可按新口径回溯重算历史数据，重算不可行则只做分段描述。
处置后再次出现的异常，如果换了处理人，还算同一个异常单元吗？
算。异常单元按“流程节点+异常类型”识别，与处理人无关。同一节点上的同类异常在处置完成后再次出现，无论由谁接手，都计为一次重复。处理人信息可以作为下钻分析的辅助维度，用来观察是否存在交接导致的处置不彻底，但不改变重复的判定规则。
观察窗口内异常样本很少时，重复异常率波动很大，怎么处理？
样本量不足时，一两次重复就可能让比率大幅变化，单期数值参考价值有限。可以延长观察窗口或合并多个连续周期统计，并在报告中注明样本量和合并方式；也可以把该节点标注为样本不足，只报告绝对数量，不参与横向排名。等样本积累到一定规模后再计算比率，结论会更稳定。
重复异常率下降，如何判断是处置改进带来的，而不是统计范围缩小造成的？
先核对口径是否一致：窗口长度、流程节点范围、异常单元定义、处置完成的判定规则是否与改进前相同。口径一致的前提下，观察多个连续窗口的趋势，并结合下钻数据看重复减少集中在哪些节点和异常类型；如果减少恰好发生在实施了根因整改的环节，改进成立的证据更强。口径发生变化时，应分段报告并说明原因，再判断改进是否成立。
四个指标里，重复异常率和人工接管率应该先看哪个？
两者回答不同问题，没有固定的先后顺序。人工接管率反映自动化处置覆盖了多少异常，重复异常率反映处置后问题是否再次出现。可以先用人工接管率判断机制的自动化程度，再用重复异常率判断处置深度；如果人工接管率高且重复异常率也高，说明人工处置环节本身需要复核规则和根因分析质量。四个指标放在同一窗口内一起看，比单独排序更有意义。
