研发价值流图要支持瓶颈判断，需要同时标注时间、在制品和流动效率三组指标：时间类看各环节处理与等待、前置时间和增值时间比；在制品类看各环节数量、在制品天数和分布；流动效率类看流动效率、吞吐量、到达率与处理率之比、阻塞与返工占比。三组指标按同一时间窗和分母口径拆分到环节，才能回答瓶颈在哪、积压有多重、改善是否生效。
要点总览（TL;DR）
- 研发价值流图支持瓶颈判断，需要同时标注三组指标：时间类（处理时间、等待时间、前置时间、增值时间比）、在制品类（环节在制品数量、在制品天数、在制品分布）、流动效率类（流动效率、吞吐量、到达率与处理率之比、阻塞与返工占比）。
- 指标要拆分到环节：每个环节都标注处理时间、等待时间、在制品数量和到达率与处理率之比，前置时间与流动效率在整条流上汇总，只标总量无法定位瓶颈。
- 统一口径是可比的前提：固定按周或按迭代的时间窗，前置时间以完成项为分母，在制品采用固定快照时点，缺失值、跨环节拆分与返工重复计入都需在口径中写明。
- 瓶颈判定组合多指标：先按等待时间与在制品分布排序，再用到达率与处理率对比确认积压方向，并在连续多个观察窗口复核瓶颈是否稳定。
- 不设通用达标线，以自身基线与趋势判断改善；流动效率低指向排队等待，不能直接归因于个人，指标改善与业务结果的关系需另行验证。
评估目标：价值流图要回答哪些瓶颈问题
价值流图上的指标服务于一个具体任务：把工作项从进入研发流程到交付的过程拆成若干环节，判断流动在哪里受阻。标注指标之前，先明确这张图要回答的三个问题，后续取数和计算才有取舍依据。
- 哪个环节在积压：工作项在哪个环节停留时间最长、排队数量最多，这是瓶颈的候选位置。
- 积压造成多少等待：该环节的等待时间占前置时间的比例有多大，积压对整体交付周期的影响是否显著。
- 改善后是否缓解：调整后同一环节的等待时间、在制品数量是否下降，瓶颈是否发生转移。
这三个问题决定了指标的观察单位是环节，而非个人。价值流图统计的是工作项在流程节点上的停留与流转，用于发现流程结构性问题；开发者主观体验、单项目进度纠偏属于另外的评估任务，需要不同的数据和方法，不宜混在同一张图里下结论。
指标与范围：时间、在制品、流动效率三组指标
三组指标各自回答不同侧面：时间类说明“慢了多久”，在制品类说明“积压了多少”，流动效率类说明“流动是否顺畅”。下表给出应标注的指标全集及其在瓶颈判断中的角色。
| 类别 | 指标 | 定义 | 单位 | 瓶颈判断中的作用 |
|---|---|---|---|---|
| 时间 | 处理时间 | 工作项在某环节处于实际处理状态的总时长 | 小时/天 | 识别环节本身的工作负荷 |
| 时间 | 等待时间 | 工作项在该环节排队、待评审、待分配等非处理状态的时长 | 小时/天 | 直接暴露排队积压 |
| 时间 | 前置时间 | 工作项从进入流程到完成的全部时长，等于各环节处理时间与等待时间之和 | 天 | 衡量整体交付周期 |
| 时间 | 增值时间比 | 增值时间（通常取处理时间）占前置时间的比例 | 百分比 | 说明等待在周期中的占比 |
| 在制品 | 环节在制品数量 | 某一时点处于该环节未完成的工作项数 | 个 | 显示积压规模 |
| 在制品 | 在制品天数 | 在制品数量除以单位时间吞吐量 | 天 | 换算为“清空当前积压需要多久” |
| 在制品 | 在制品分布 | 各环节在制品数量占总在制品的比例及分位分布 | 百分比/分位 | 定位积压集中位置，比均值更能暴露问题 |
| 流动效率 | 流动效率 | 增值时间合计除以总时长（前置时间合计） | 百分比 | 整体流动顺畅度 |
| 流动效率 | 吞吐量 | 单位时间内完成的工作项数 | 个/周或个/迭代 | 衡量流程产出速度 |
| 流动效率 | 到达率与处理率之比 | 单位时间进入环节的工作项数除以该环节完成数 | 比值 | 大于1说明流入快于流出，是积压来源 |
| 流动效率 | 阻塞与返工占比 | 处于阻塞状态或经历返工的工作项占该环节工作项的比例 | 百分比 | 解释等待的非正常来源 |
指标与环节一一对应：每个环节都要有处理时间、等待时间、在制品数量和到达率与处理率之比，前置时间、流动效率则在整条流上汇总。只标注总量而不拆分到环节，无法定位瓶颈；只标注环节而不汇总，无法判断瓶颈对交付周期的影响程度。
数据口径：时间窗、分母与缺失值处理
不同环节、不同周期的指标要可比，前提是取数口径统一。口径说明应作为价值流图的附页，随图一起维护。
时间窗与起止点
按周或按迭代固定时间窗，避免不同环节使用不同周期。起止点建议统一定义为：工作项进入首个环节的时刻为起点，到达完成状态的时刻为终点；环节级时间以状态变更记录为准，处理时间与等待时间按状态区间切分。
分母约定
- 前置时间以时间窗内完成项为统计对象，未完成项不计入前置时间均值，避免在制品拉长周期造成失真。
- 流动效率的分母为完成项的前置时间总和，分子为对应的增值时间总和，两者必须来自同一批工作项。
- 在制品天数以时间窗内平均在制品数量除以同期吞吐量计算，吞吐量单位与时间窗一致。
在制品快照与缺失值
在制品数量采用固定快照时点，例如每周最后一个工作日结束时刻，同一张图内所有环节使用同一时点。缺失值处理需在口径中写明：状态记录缺失的工作项单独列出，不默认按零处理；跨环节拆分时，若一个工作项同时处于两个环节，按主责环节归属并注明；返工导致同一工作项多次经过同一环节时，明确是累计计入还是只计最后一次，两种口径的结果不可混用比较。
在工具层面，这些口径依赖工作项状态流转记录和按环节的在制品统计。ONES 的工作项状态与流转记录可以作为环节时间与在制品数量的取数来源，具体字段和统计方式需结合团队实际配置确认。
计算与评估步骤：从标注到定位瓶颈
标注完成后，按以下步骤计算并形成瓶颈判断，避免用单一指标直接下结论。
- 按环节计算处理时间与等待时间：对时间窗内每个工作项，按状态区间累加各环节的处理时长与等待时长，再取环节内均值或中位数。
- 计算在制品天数：环节在制品天数 = 该环节平均在制品数量 ÷ 该环节单位时间吞吐量，结果表示按当前产出速度清空积压所需时间。
- 计算流动效率：流动效率 = 增值时间合计 ÷ 前置时间合计 × 100%，分子分母均取同一时间窗内的完成项。
- 用到达率与处理率对比识别积压方向：比值持续大于1的环节，流入快于流出，是积压的结构性来源；比值接近1但等待时间仍长的环节，需检查阻塞与返工占比。
- 排序确定瓶颈：先按等待时间降序排列环节，再叠加在制品分布，取“等待时间长且在制品集中”的环节作为瓶颈候选；若两者指向不同环节，以对前置时间贡献更大的环节为准。
- 多窗口复核：在连续三个以上观察窗口重复上述计算，瓶颈位置稳定的环节才作为改善对象；只在单窗口出现的峰值先记录，不急于归因。
判定规则可以写成一句话：瓶颈是等待时间与在制品分布同时靠前、且到达率持续高于处理率的环节。三个条件不必全部满足，但至少两个同时成立才进入改善清单。
算例：一条研发价值流图的标注与瓶颈判断
以下为演示情景，数据为示例，用于说明计算过程，不代表任何真实团队水平。
| 环节 | 处理时间（天） | 等待时间（天） | 在制品数量（个） | 周吞吐量（个） |
|---|---|---|---|---|
| 需求澄清 | 1.0 | 2.0 | 6 | 3 |
| 开发 | 4.0 | 3.0 | 9 | 3 |
| 代码评审 | 0.5 | 5.5 | 12 | 3 |
| 测试 | 2.0 | 2.0 | 5 | 3 |
计算过程：
- 前置时间 = 各环节处理时间与等待时间之和 = (1+2)+(4+3)+(0.5+5.5)+(2+2) = 20 天。
- 增值时间合计取处理时间 = 1+4+0.5+2 = 7.5 天，流动效率 = 7.5 ÷ 20 × 100% = 37.5%。
- 代码评审在制品天数 = 12 ÷ 3 = 4 天，即按当前吞吐速度清空该环节积压需要4天；开发环节为 9 ÷ 3 = 3 天。
- 代码评审等待时间5.5天为各环节最高，在制品数量12个也最多，到达率与处理率之比大于1，三项指标同时指向该环节。
结论：瓶颈位于代码评审环节，主要表现为排队等待而非处理本身耗时。改善方向是缩短评审排队，例如限制同时待评审数量、明确评审响应时限，改善后再用同一口径复核等待时间与在制品天数是否下降。
分母为零或数据缺失的处理示例：若某环节在时间窗内吞吐量为0，在制品天数无法计算，应标注“不适用”并说明原因，不填0；若某工作项缺少状态变更记录，其前置时间不计入均值，单独列入缺失清单，并在口径说明中注明缺失数量，避免均值被少数完整记录主导。
解读与限制：指标能说明什么、不能说明什么
流动效率低指向等待与排队，说明流程中存在非增值时间，不能直接归因于某个人的工作节奏。把环节等待时间用于个人考核，会诱导数据填报失真，也会掩盖流程结构问题。
- 小样本与短窗口波动：完成项数量少时，前置时间均值和中位数都容易受个别工作项影响，建议同时看分布和趋势，单周数据只作参考。
- 返工重复计入的影响：累计计入会放大某些环节的时间，只计最后一次会低估返工成本，两种口径下的结果不可直接比较，需在图中注明。
- 指标改善与业务结果的关系需另行验证：等待时间下降不必然带来交付价值提升，需结合交付结果另行评估。
- 不设通用达标线：不同团队、不同工作类型的流动效率基线差异较大，应以自身历史基线、趋势变化和瓶颈是否转移作为判断依据。
价值流图的价值在于持续观察同一口径下的变化。把三组指标固定到环节、固定时间窗和分母，按周期复算，瓶颈判断才有可比性，改善动作也才能被验证。
常见问题
团队刚开始画研发价值流图，指标可以只标一部分吗？
可以先从最小组合起步，但三组指标至少要各有一项，否则瓶颈判断会缺一个维度。建议的起步组合是：每个环节的等待时间、在制品数量，加上整条流的前置时间和流动效率。等待时间与在制品数量用于定位积压位置，前置时间与流动效率用于衡量积压对交付周期的影响。等口径稳定、数据记录完整后，再补充在制品天数、到达率与处理率之比、阻塞与返工占比，判断会更细。
环节划分到什么粒度比较合适？拆得太细会不会影响统计？
环节粒度以团队能对结果负责、且状态记录能稳定区分为准。常见做法是按需求澄清、开发、评审、测试、发布这类阶段划分，每个阶段对应工作项状态流转中的明确区间。拆得过细会带来两个问题：单个环节样本量小，均值波动大；状态切换频繁，时间切分容易出错。如果某个环节内部等待与处理混杂严重，可以先在该环节内部再分“处理中”和“排队中”两个状态，而不必拆成多个独立环节。
在制品数量按天统计还是按周统计，结果差异大吗？
差异主要来自快照时点，而不是统计周期本身。在制品是时点量，按天取快照会受工作日与周末节奏影响，按周取快照更平稳，但会掩盖周内波动。建议同一张图内所有环节使用同一快照时点，例如每周最后一个工作日结束时刻，并在口径说明中固定下来。如果需要观察波动，可以保留每日快照作为明细，但对外比较和瓶颈判断使用统一时点的数据，避免不同环节用了不同口径。
返工的工作项重复经过同一环节，时间应该累计还是只算最后一次？
两种口径都能用，关键是全图统一并注明。累计计入反映返工带来的真实时间消耗，适合评估流程总成本；只计最后一次更接近“净处理时长”，适合观察环节本身的工作节奏。混用会让环节之间不可比，也会让改善前后的对比失真。建议在口径说明中写明选择，并在返工占比较高的环节单独标注返工占比，避免累计口径把返工影响隐藏在等待时间里。
流动效率算出来偏低，是否说明流程一定有问题？
流动效率低说明前置时间中非增值时间占比高，通常指向排队与等待，但结论要结合环节数据看。如果等待集中在某个环节且到达率持续高于处理率，属于结构性积压；如果等待分散在各环节、样本量又小，可能只是短期波动。另外，不同工作类型的流动效率基线差异较大，没有通用达标线，应对比自身历史趋势，并观察改善动作后瓶颈是否转移，再判断流程是否真的变好。
