模拟流程：八个步骤，并带有完整计算示例

Inhaltsverzeichnis+

本指南与工具无关：它同样适用于仿真实验室、Python 库或精简的决策工具。适用于 FlowVisual 的按键版请参见实践指南。

第 1 步：用一句话界定范围

“从发票到批准付款。”

这句话必须得到所有相关者的一致认可。没有它，两个领域会就不同的流程争论，不理解为何它们的数据不一致。

如果缺少这句话，那么界定范围本身就是主要工作，而不是计算。

第 2 步：粗略分解，五到十个步骤

不要三十个。瓶颈出现在利用率最高的环节，粗略建模下这一点和精细建模一样明显。每增加一个活动就需要五个输入字段，且不会改变结果。

三条规则：

• 只有在流程真正分叉时才建分支，并标注每条边的占比。
• 对所有离开流程的情况建终止：撤回、拒绝、流失。没有终止项会导致计算的量永远到不了终点。
• 等待时间不是步骤。 当产能紧张时，等待会在模型中自然产生。把“滞留时间 3 天”作为步骤填写，就是在预先决定结果而不是计算结果。

第 3 步：每步三项数据

关于区间：“5 到 15 分钟”比“平均 10 分钟”更有价值，业务方也更愿意提供，因为更诚实。变异不是不确定性，它是队列形成的原因。

关于产能：按每个全职岗位每周七个有效工作小时来算，而不是八个。会议、询问和干扰不计入处理时间。

第 4 步：描述到达流

这是最常被跳过、但后果最严重的一步。需要三项说明：

• 工作日平均到达量。
• 波动性： 到达是均匀分布还是成批到来？
• 峰值因子： 强日比平日多多少？月末或周初通常出现，因子常见在 1,5 到 2 之间。

用平滑平均数计算，就相当于模拟一个永远不受负荷影响的过程，会得到在真实运营中不存在的流转时间。

第 5 步：让模型多次运行

一次运行只是样本数为一。只有用新的随机数重复运行多次，才能得到目标结果：一个分布，从中读取 P10、P50 和 P90。

您需要的输出：吞吐量、作为区间的流转时间、各步的利用率、队列长度。

第 6 步：交叉验证

Little's Law 是最便宜的检验方法，且不依赖分布假设：

平均流转时间 W  =  在途量 L  ÷  吞吐量 λ

统计当前在等候的事项数量，除以日吞吐量，与模型输出对比。

• 大致吻合： 继续。
• 模型明显比现实快： 缺少某个队列。几乎总是因为一个询问、第二道审批或汇总处理被忽略。
• 模型明显比现实慢： 您低估了产能或遗漏了一个能把量抽走的分支。

第 7 步：只改一个杠杆

先保存现状。然后只做一个改变：

• 增加产能
• 降低变异（按类型分流，平滑入口，取消询问）
• 改变量的去向（设定价值阈值，抽样替代全检）
• 步骤自动化

重新计算并比较。然后恢复并尝试下一个杠杆。三个改动同时进行会得到一个无法归因到单个杠杆的数值。

第 8 步：把结果写下来并说明假设

四个部分：峰值日各步利用率的排序、流转时间的 P50 与 P90、杠杆的时间和欧元效果及新的瓶颈、以及未覆盖事项清单。

完整计算的示例

示例模型，无客户数据。

流程： 退款申请处理。每工作日 80 份申请，月初峰值因子 1,6。

第一种解读： 瓶颈是批准（93 %），紧随其后是事实性审查（89 %）。三者均在 85 % 以上。这意味着等待时间已经是处理时间的若干倍，在峰值因子 1,6 时，三者的利用率都超过 100 %。

仿真结果： 流转时间 P50 = 4,8 天，P90 = 11,2 天。处理时间合计为 13 到 31 分钟。真正的问题在 25 分钟到 4,8 天之间。

交叉验证： 收件箱平均有 390 件，吞吐量 80/日 → 4,9 天。吻合。

杠杆 A，事实性审查增加半个岗位： P50 降至 3,9 天，P90 降至 8,4。瓶颈现在明确在批准（93 %）。

杠杆 B，为批准设固定代理而非由兼职人员兼任： P50 降至 3,1 天，P90 降至 6,0。批准步骤的变异是更大的杠杆，且几乎不需要额外岗位。

杠杆 C，将支付改为每日而非每周两次： P50 −0,7 天，几乎免费。

按投入产出排序： C、B、A。增加人员这一经典答案排在最后。

五个代价高昂的错误

1. 把等待时间当作步骤登记。 这样会预先决定结果。
2. 用平均值而非区间计算。 没有变异就没有队列，没有队列就没有真实的流转时间。
3. 省略峰值日。 平均 85 % 的流程在峰值日会超过 100 %，由此产生的积压会持续数周。
4. 建模过于细致。 三十个步骤，同样的答案，三倍的工作量。
5. 未做交叉验证就发布。 Little's Law 只需五分钟，却能挽回可信度。