在试点运行前先算清改进效果

实际价值在于 Improve。 在那里通常会有五到十条改进建议，每条都有支持者。逐项计算这些建议会得到按效果而非按声音大小的优先顺序，而且是在一个下午完成，而不是每项措施各用三周试点。

一次价值流分析显示某天对一个典型作业的加工时间、等待时间、在制品和流动率。它不显示三件事：

1. 波动。 VSM 以时点图记录在制品三角形。图中并未说明在高峰日那里是否为三倍。损失恰恰发生在这些日子里。

2. 串联效应。 瓶颈后面的步骤在价值流图中看起来很轻松，因为它只接收瓶颈放行的量。一旦瓶颈被解决，它将遭遇全部到达量。图中标注的未来价值流中的改善就不会出现。

3. 非线性。 在 70% 到 85% 的利用率之间有十五个百分点的差距，等待时间会增加到两点五倍。一个不记录利用率的价值流无法显示这一阈值。

合并使用 会得到完整的图景：价值流提供结构、在制品和参与者的视角；模拟模型承接结构和数量，并补充变动区间、产能和日历。一个八步的价值流在大约二十分钟内即可转为可计算的模型。

Kingman 近似（也称 VUT 公式）把某一步骤前的等待时间分解为三项因素：

等待时间  Wq  ≈    ρ / (1 − ρ)      ×   (ca² + cs²) / 2   ×   te
                 └─ 利用率 ─┘         └─ 离散度 ─┘         └─ 持续时间 ┘

中间那一项包含到达的变异系数（ca）和处理时间的变异系数（cs），即标准差除以均值。它以平方关系影响结果。

结论： 将离散度减半，会把其对队列的贡献减少到四分之一，而无需让任何单个操作更快，也无需增加岗位。具体能做到这一点的措施有：

• 按类型分开处理流程。 简单和复杂事项放在同一队列会产生高 cs。两条分开的队列会降低双方的等待时间。
• 平滑输入。 固定交接时间代替突发交付，预约代替随机到达。这会降低 ca。
• 消除返问。 每次返问都是一个要等待两次的操作，而且会产生双峰的时间分布，从而导致高离散度。
• 在源头修复返工。 传统的 Six Sigma 做法，这里还带来一个等待时间效应，通常比处理时间效应更大。

这些措施通常不需要额外支出，而且很少出现在商业评估中，因为它们难以作为项目出售。模拟可以让它们的效果可视化，从而更容易被采纳。详细的计算过程见 Engpass berechnen。

一个在改善周中进行模拟的成熟流程：

1. 周一：现场向小组建模当前流程。 欢迎提出异议。这里的每一次修正，都不会出现在结项演示中。一天结束时应有一个所有人都同意的模型。
2. 周二：压力测试并固定当前基线。 最上面的那一条柱是瓶颈。用 Little's Law 复核：在制品 ÷ 日吞吐量 应该大致等于测得的流转时间。如果不一致，模型中缺少一个队列，通常是一个追问或一个审批环节。
3. 周三：收集措施并单独计算。 每次只测试一个杠杆，绝不同时测试三个。结果是一份按时间和欧元影响排序的清单。
4. 周四：在真实流程中试点测试两项最佳措施。 小组此时知道要注意什么以及哪一项指标必须发生变化。
5. 周五：导出比较结果。 以 PDF 提供前/后比较，含区间、假设、后续影响，供决策层使用。

与不做计算的 Kaizen 周不同的是：周五呈现的不是“我们预计会有明显改进”，而是“流转时间 P50 从 6,1 天降到 3,4 天，P90 从 14 天降到 7 天，年度人员成本影响 78 000 到 121 000 欧元，之后审批成为新的瓶颈”。

• 统计工具包。 测量系统分析、假设检验、回归、试验设计（DoE）、过程能力。为此 Minitab、JMP 或 R 仍然是合适的工具。FlowVisual 计算流程，而不是数据集。
• 生产布局。 对于产线节拍、换线矩阵、运输逻辑和带交接规则的班次模型，需用仿真实验室（Plant Simulation、FlexSim、Arena、Simul8、AnyLogic）。
• 测量而非假设。 如果存在完整的事件日志，且问题是“实际发生了什么？”，那么 Process Mining 是合适的工具。仿真则是对一个尚不存在的流程进行计算。
• 符合规范的文档。 六个模块，不是 BPMN。参见 BPMN-Simulation。

经验法则：当波动、排队和串联决定结果时，仿真最为有力。在行政和服务流程中几乎总是如此，而经典的精益工具在那里最弱，因为它源自制造业。