发票审批作为现成的计算模型

到达量： 每月约 1,200 张发票，即每个工作日约 60 张，月末有峰值因子。

关键发现： 每张发票的处理时间合计为 20 到 30 分钟，而实际周转时间为八到十二个工作日。两者相差约三个数量级，这一差距几乎全部是等待时间，主要发生在业务审批之前。

原因是结构性的，与疏忽无关：审批不是全职工作，而是十四个人的附带任务。由此产生极大的波动（十分钟或六天）以及缺席时无人代理。这两个特性共同造成了等待时间。

1. 每工作日的处理量。 去年发票到达量 ÷ 工作日。该数据可在应付账款或 ERP 报表中找到。
2. 峰值系数。 最繁忙一天的发票数量相对于普通日是多少？通常在月末；常见系数为 1.5 到 2。没有这个值，您会计算出一个永远不在负载下运行的流程。
3. 会计部门的产能。 人数 × 每天有效工作小时。经验法则：岗位占比 × 7 小时，而不是 × 8。会议、追问和中断不属于处理时间。
4. 批准人的人数。 有多少人进行实质性批准？这个数字比任何其他因素更决定离散性。
5. 批准节奏。 平均每位批准人多长时间查看一次自己的收件篮？每天、每周两次、不规律？将其作为处理间隔填写，而不是作为批准本身的持续时间。
6. 按角色的全成本小时费率。 毛薪 × 1.5 到 1.8，再除以约 1 500 小时/年的有效工作小时。一个年薪 50 000 欧元的岗位因此每小时约 53 €，而不是用薪资 ÷ 2 080 小时得出的天真 24 €。使用该天真费率会使您之后的以欧元计的结论容易受到质疑。

在计算前的核对： 统计当前等待的发票数量并除以日吞吐量（Little's Law）。如果得到的通过时间与您已知的大致相符，模型就是可用的。如果差异很大，说明缺少了一处等待队列，通常是对供应商的追问，或自某个金额阈值起的第二道批准。

杠杆1. 凭证识别（OCR）用于录入。 大幅缩短录入时间。把它算一算，然后观察审批会怎样：审批现在收到的是完整数量而不是被限制的数量，审批反而会成为新的瓶颈。整体的通过时间下降远小于录入时间的下降。恰好这个效应是自动化项目商业案例未达预期的最常见原因。

杠杆2. 用于事后实质性审批的金额门槛。 低于某一阈值的发票无需逐一审批，而改为事后抽查。这会减少审批的数量，而不是时间，因此在等待时间产生的环节更有效。

杠杆3. 代理规则与共享池。 不是加快审批速度，而是降低离散程度：缺席时有固定代理，每个部门使用共同的审批篮而不是个人篮。等待时间随着离散程度的平方增长。将离散程度减半，其贡献将减少为四分之一。

杠杆4. 每日一次付款执行，而不是每周两次。 最便宜的杠杆，通常只需一个设置。平均可减少大约一天。

分别计算这四个杠杆，并按每单位投入的效果排序。在此类大多数模型中，杠杆2或3的效果通常优于杠杆1。但市场上常被推广的是杠杆1。

本示例的详细分析见文章 发票审批：为什么 OCR 不会将通过时间减半。

在 捕获前、改变一个杠杆并进行第二次运行之后，页面标题栏中的 证明 显示：

• 前后周转时间 以 P50 和 P90 表示。承诺应基于 P90，而非中位数。
• 各步骤在峰值日的利用率 以及措施后的新瓶颈。
• 年度人员成本影响 以区间表示，基于数量、时间与全成本费率计算。
• 假设清单 包含每一项估算输入。说明“未对向供应商的追问进行建模”可以在提问前就消减最尖锐的追问影响。

输出为两个 PDF：给决策者的报价，以及用于可追溯性的文档。带试用标记时免费；使用 Pro 则无水印，并带有您的信头。

• 订单处理 从订单到订单确认完成。出现共享角色的情况：两个单独看上去轻松的步骤，实际上是同一人同一下午的工作。
• 报价流程 从询价到已发送报价。此情形中，交付周期直接影响收入而非成本。
• 发票审批就是本页。
• 投诉处理 的瓶颈位于外部，因此建议不是“自动化”。
• 员工入职 参与者多，量少且波动大。这种情况由一连串预约决定通过时间。
• IT 工单 展示典型的排队行为并有分支：65 % 立即解决，35 % 进入二线支持。

每个模板都可以通过入门面板中的 浏览模板 或菜单 文件 → 模板… 打开。首次使用时，建议在开始创建自己的模型前先打开一个模板。否则模型会建得过于精细。