• 首页
  • 文章首页
  • 利特尔法则怎么用?工单积压不是技术员不够,而是同时在做的事太多

利特尔法则怎么用?工单积压不是技术员不够,而是同时在做的事太多

ServiceDesk Plus 顶部Banner免费下载试用预约个性化演示
AIAI 摘要

本文定义了利特尔法则(Little's Law):在稳定系统中,平均在制数量等于平均完成速率乘以平均停留时间。文章用这一关系解释工单积压的常见误区——完成速率不变时,技术员同时处理的工单越多,每张工单的平均处理周期就越长;因此缓解积压的关键往往是限制在制工单数,而非单纯增加人手。文章说明该法则的适用前提,并结合ServiceDesk Plus的看板视图、报表和技术员工作负载,介绍如何观察并控制在制工单数。

月底复盘时,服务台经理发现积压工单已经超过两百张,第一反应是向上级申请增加人手。但仔细看每位技术员的队列,会发现每个人手上同时挂着十几张工单:这张在等用户回复,那张在等备件,另一张刚被插队的紧急请求打断。大家都很忙,工单却关得很慢。

利特尔法则(Little's Law)为这种现象提供了一个简洁的数量解释:在稳定的系统里,在制数量、完成速率和停留时间三者之间存在固定关系。理解了它,就会明白“同时在做的事太多”本身就是拖慢交付的原因。

本文将围绕三个问题展开:利特尔法则是什么,怎么用在工单队列上?为什么限制同时处理的工单数反而能更快?借助ServiceDesk Plus,如何观察并控制在制工单数?

ServiceDesk Plus 看板视图

什么是利特尔法则(Little's Law)?

利特尔法则源自排队论,由约翰·利特尔(John D. C. Little)于1961年证明,公式为 L = λ × W:系统中的平均数量(L)等于平均到达速率(λ)乘以平均停留时间(W)。详细介绍可参考维基百科关于利特尔法则的条目。放到工单场景中,可以表述为:平均在制工单数 = 单位时间完成的工单数 × 工单平均处理周期。

举例说明:假设服务台平均每天关闭20张工单,当前平均有100张工单处于在制状态,那么平均每张工单从受理到关闭大约需要5天。如果在完成速率不变的前提下,把在制数量压到60张,平均周期就会降到约3天。

一、为什么在制工单越多,处理反而越慢?

利特尔法则说明的是数量关系,而背后的原因是人的工作方式。技术员同时处理的工单越多,就越频繁地在不同工单之间切换,每次切换都需要重新回忆上下文;而每张工单被搁置的时间也越长,平均周期自然被拉长。此外,大量在制工单还会掩盖真正的瓶颈,团队看起来都在忙,却说不清到底卡在哪。

行业观察:利特尔法则有适用前提:流程相对稳定,进入和完成的速度大致平衡,统计取同一时间窗口。它是帮助判断方向的推算工具,不是精确预测每张工单何时关闭的公式。

二、怎么在工单队列上应用?三个动作

第一,先量出现状。统计一段时间内的平均完成速率和当前在制数量,倒推出平均周期,并和用户实际感受到的等待时间对照。挂起等待用户回复的工单建议单独标注,避免外部等待掩盖内部问题。

第二,设定在制上限。为每位技术员或每个小组设定同时处理的工单数量上限,超过上限的工单留在待分派队列中,而不是一股脑推给个人。

第三,持续观察并调整。上限不是一成不变的,需要根据看板上的堆积情况和周期变化定期调整,同时优先处理已在制的工单,而不是不断开新的。

ServiceDesk Plus 报表示例截图

三、ServiceDesk Plus如何帮助观察和控制在制工单数?

ServiceDesk Plus作为一套完整的ITSM系统,可以为这一做法提供数据和流程支撑:看板视图可以按状态、优先级、技术员展示工单分布,直观看到工单堆积在哪个状态或哪位技术员手上;报表功能可以统计一段时间内的工单创建与关闭数量,作为估算完成速率的依据;耗时分析可以区分工单总耗时与挂起耗时,帮助团队把外部等待与内部处理分开看;自动分派功能能够按规则把请求分配到合适的技术员,避免把工单集中堆在少数人手上。

核心要点速览

  • 利特尔法则:平均在制数量 = 平均完成速率 × 平均停留时间,三个量知道两个就能推算第三个。
  • 完成速率基本不变时,同时处理的工单越多,每张工单的平均周期就越长。
  • 工单积压的原因,往往不是人手不够,而是同时在做的事太多、频繁切换。
  • 该法则适用于流程相对稳定的场景,统计时要取同一时间窗口并单独标注挂起工单。
  • ServiceDesk Plus的看板视图、报表和技术员工作负载可以帮助团队观察并控制在制数量。

写在最后:少开几张,比多干几张更快

积压让人本能地想加快速度、增加人手,但利特尔法则提醒我们:在完成速率有限的情况下,同时开着的事情越多,每件事就等得越久。有时候,让团队先把手头的工单关掉,比不断开新工单更能缩短用户的等待。

从借助ServiceDesk Plus的看板视图数一数每位技术员手上同时挂着多少工单开始,再试着设定一个合理的上限,观察几周后的周期变化,团队就能用数据验证这个简单却有效的改进方向。

立即体验 ServiceDesk Plus,看清每位技术员手上的在制工单

☁️ 免费注册云版本💻 下载本地版📅 预约专家演示

常见问题解答(FAQ)

Q1:利特尔法则的公式是什么?
利特尔法则表示为:系统中的平均在制数量等于平均到达(或完成)速率乘以平均停留时间。放到工单场景,就是平均在处理的工单数等于单位时间完成的工单数乘以工单平均处理周期。三个量只要知道其中两个,就能推算第三个。
Q2:利特尔法则适用于哪些工单场景?
它适用于流程相对稳定的场景:在统计周期内,工单进入和离开的速度大致平衡,且数据取的是同一时间窗口。如果积压在持续暴涨或服务台刚经历大规模变化,就应先等流程稳定,或者缩短统计周期后再套用。
Q3:为什么限制在制工单数能缩短处理周期?
在完成速率基本不变的前提下,根据利特尔法则,在制数量越少,每张工单的平均停留时间就越短。技术员同时处理的工单越多,切换上下文的损耗越大,每张工单被搁置的时间也越长,限制同时进行的数量反而能让工单更快被关闭。
Q4:在制工单数(WIP)应该怎么统计?
把处于已受理但尚未关闭、并且有人在负责的工单计入,可以按状态或技术员分别统计。对于挂起等待用户回复的工单,建议单独标注,因为这类工单的停留时间主要取决于外部,混在一起会拉长平均周期而掩盖真实问题。可以参考ServiceDesk Plus的看板视图按状态查看。
Q5:利特尔法则和价值流图有什么关系?
两者互补:价值流图找出单个流程中的等待在哪些环节,利特尔法则则从整体上说明在制数量、完成速率和停留时间的数量关系。先用价值流图定位等待环节,再用利特尔法则估算降低在制数量能带来多少周期缩短,更容易说服团队落实改进。详情可参考ServiceDesk Plus的ITSM功能说明了解更多。

延伸阅读:

ServiceDesk Plus 底部Banner免费下载试用预约个性化演示