Lei de Kingman: por que baixar o WIP não bastou? Variabilidade

Você limitou o WIP. Como resultado, a ocupação do time caiu de 95% para 85%. O quadro deixou de parecer um formigueiro e, naturalmente, todo mundo comemorou.

No entanto, três meses depois, o cliente continua perguntando quando ficará pronto. E você continua sem saber responder.

Antes de mais nada, fique tranquilo: você não errou. O que estava incompleto era a conta. É justamente aí que entra a Lei de Kingman, porque ela explica o pedaço que faltava: a fila não cresce só com a ocupação, mas sim com a ocupação multiplicada pela variabilidade.

A curva da ocupação não é uma curva só

Em 1961, portanto, muito antes de qualquer método ágil, o matemático britânico John Kingman publicou uma aproximação para o tempo médio de espera em uma fila. A fórmula é o produto de três termos: utilização (U), variabilidade (V) e tempo de serviço (T). Além disso, ela é uma aproximação, não uma igualdade: acerta bem a ordem de grandeza na faixa em que a maioria dos times opera, e tende a superestimar quando o sistema chega muito perto da saturação. Por isso ficou conhecida como equação VUT:

Tempo de espera na fila = V × U × T

Agora, traduzindo cada termo para o seu quadro:

• U (ocupação) é ρ ÷ (1 – ρ), onde ρ é o quanto o time está ocupado. Ou seja, é o termo que explode perto de 100%, exatamente o que já discutimos sobre 100% de ocupação: a grande mentira da gestão.
• V (variabilidade) combina duas coisas: primeiro, o quanto a chegada de demandas é irregular; segundo, o quanto a duração dos itens é irregular.
• T (tempo de serviço) é o tempo que o item leva para ser efetivamente trabalhado.

Repare, então, no sinal entre os termos. Não é soma, e sim multiplicação. Justamente por isso, tudo muda.

Aquele gráfico famoso da ocupação, que sobe devagar até 70% e depois vira uma parede, não é a curva. Na verdade, é uma curva, desenhada para um nível específico de variabilidade. Logo, se a sua variabilidade for outra, a sua curva também será. Mais alta, mais íngreme e, sobretudo, doendo muito antes.

Dois times na mesma ocupação, quase cinco vezes de diferença

Para tangibilizar, compare dois times. Ambos operam a 85% de ocupação e ambos levam, em média, 4 dias de trabalho efetivo por item. Na superfície, portanto, são idênticos.

A diferença está no formato do trabalho. Veja os últimos seis itens entregues por cada um, em dias:

• Time A: 1, 2, 3, 4, 5 e 9
• Time B: 1, 1, 1, 2, 2 e 17

Repare que os dois somam 24 dias e, consequentemente, têm média de 4 dias por item. O Time B, no entanto, tem cinco itens pequenos e um monstro.

Agora veja o intervalo entre a chegada de cada nova demanda, também em dias:

• Time A: 1, 1, 2, 3, 4 e 7
• Time B: 1, 1, 1, 1, 1 e 13

De novo, mesma soma e mesma média. Só que o Time B recebeu uma rajada de cinco pedidos em cinco dias e, em seguida, ficou quase duas semanas sem nada.

Um aviso antes da conta: a ocupação de 85% foi medida no fluxo de cada time, ela não sai da divisão entre esses dois números. O time trabalha vários itens em paralelo, então as séries acima servem para medir irregularidade, não para calcular a taxa de ocupação.

Feito isso, é hora da conta. São quatro passos.

Passo 1: a irregularidade da duração (cs). Divida o desvio padrão dos tempos de item pela média desses tempos.

• Time A: 2,58 ÷ 4 = 0,65
• Time B: 5,83 ÷ 4 = 1,46

Passo 2: a irregularidade da chegada (ca). Mesma conta, agora com os intervalos entre as chegadas.

• Time A: 2,08 ÷ 3 = 0,69
• Time B: 4,47 ÷ 3 = 1,49

Passo 3: o fator V. A fórmula é V = (ca² + cs²) ÷ 2.

• Time A: (0,69² + 0,65²) ÷ 2 = 0,45
• Time B: (1,49² + 1,46²) ÷ 2 = 2,18

Passo 4: o fator U. A fórmula é ρ ÷ (1 – ρ). Como ambos estão em 85%, o resultado é o mesmo: 0,85 ÷ 0,15 = 5,67.

Agora basta multiplicar V × U × T:

• Time A: 0,45 × 5,67 × 4 ≈ 10 dias de espera
• Time B: 2,18 × 5,67 × 4 ≈ 49 dias de espera

Mesma ocupação, mesma capacidade, mesma média de esforço por item. Ainda assim, quase cinco vezes de espera.

E repare no detalhe que fecha o argumento: U e T são idênticos nos dois casos, de modo que se cancelam na comparação. Toda a diferença, portanto, sai do fator V.

Agora vem a parte que dói. Suponha que o Time B decida reduzir sua ocupação para 75%, sem mexer em nada da variabilidade. Nesse caso, o fator U cai de 5,67 para 3,0 e a espera cai de 49 para cerca de 26 dias.

Melhorou bastante, sem dúvida. Mesmo assim, ele continua pior do que o Time A, operando com 10 pontos percentuais a mais de ocupação.

O ponto em que reduzir WIP para de pagar

É exatamente aqui que a Lei de Kingman oferece algo que a curva de ocupação, sozinha, não oferece.

Antes de tudo, perceba que o termo da ocupação apresenta um retorno decrescente. Sair de 95% para 85%, por exemplo, divide a espera por mais de três. Já sair de 85% para 75% divide por menos de dois. E sair de 75% para 65% divide por pouco mais de 1,5. Ou seja, cada ponto percentual a menos custa mais caro politicamente e, ao mesmo tempo, devolve menos.

O termo da variabilidade, por outro lado, não tem esse teto. Afinal, ele é um multiplicador direto. Assim, cortar o fator V pela metade corta a fila pela metade, esteja você a 90% ou a 60% de ocupação.

A conclusão prática, portanto, é simples: enquanto a ocupação estiver acima de 85%, ela costuma ser a alavanca mais barata; abaixo disso, cada ponto percentual arrancado devolve pouco, e a variabilidade passa a pagar mais por esforço investido. Aliás, times que reduziram WIP, sentiram uma melhora forte e depois bateram num platô normalmente estão nesse ponto exato. Nesses casos, continuar apertando o WIP não vai resolver, porque o gargalo simplesmente mudou de termo na equação.

Como medir a sua variabilidade

O número que a fórmula pede chama-se coeficiente de variação e, felizmente, é mais simples do que parece: o desvio padrão dividido pela média. Dessa forma, se seus itens sempre levam mais ou menos o mesmo tempo, o valor fica baixo. Por outro lado, se uns levam 2 dias e outros, 40 dias, ele dispara.

Hopp e Spearman, no Factory Physics, classificam assim:

• Abaixo de 0,75: baixa variabilidade.
• Entre 0,75 e 1,33: variabilidade moderada.
• Acima de 1,33: alta variabilidade.

A boa notícia é que você já tem esses dados. Primeiro, pega o histórico de Cycle Time que alimenta o seu gráfico de dispersão. Depois, calcula a média e o desvio padrão. Por fim, divide um pelo outro. Em seguida, faz o mesmo com o intervalo entre chegadas de novas demandas. Não se assuste com o trabalho manual: a maioria das ferramentas de fluxo entrega percentis e dispersão de bandeja, mas não calcula coeficiente de variação. Exporte para uma planilha uma vez por mês e resolva em cinco minutos.

Se você trabalha com conhecimento, prepare-se: é bem comum passar de 1,5 e, inclusive, não é raro ver valores acima de 2.

Contudo, dois cuidados antes de sair citando o número em reunião. Em primeiro lugar, a fórmula de Kingman é uma aproximação para uma fila de servidor único, enquanto o seu time é uma rede de várias etapas com várias pessoas. Logo, os números são direcionais e não são previsões. Em segundo lugar, o Cycle Time mistura tempo de trabalho com tempo de espera, de modo que usá-lo como proxy do tempo de serviço infla o coeficiente. Sendo assim, ele serve para comparar seu time com ele mesmo ao longo do tempo, mas não para produzir um valor absoluto.

Nem toda variabilidade é para ser reduzida

Aqui, finalmente, mora o mal-entendido que faz gente boa desistir do assunto.

A variabilidade que importa não é a do problema, e sim a do formato em que ele entra no fluxo. Afinal, assim como um hospital não escolhe os casos que entram na emergência, você não controla qual problema aparece amanhã. Em compensação, você controla o tamanho em que ele entra, quando entra e em que condição entra.

Por exemplo, o que aumenta a variação de chegada e você pode tratar:

• Comitê trimestral que despeja 40 itens de uma só vez, em vez de reabastecer com cadência.
• Urgência furando a fila sem classe de serviço definida.
• Ausência de filtro no upstream, de modo que pedidos mal definidos entram diretamente na construção.

Da mesma forma, o que aumenta a variação de duração e você pode tratar:

• Itens de tamanhos radicalmente diferentes convivendo na mesma fila, como o de 17 dias do Time B.
• Dependências externas que interrompem o item por um período imprevisível.
• Retrabalho, geralmente porque o critério de aceitação estava vago.
• Interrupção constante, que transforma 4 dias de trabalho em 3 semanas de calendário.
• Falta de fatiamento dos itens na chegada.

Em contrapartida, o que não vale a pena tentar reduzir é a variação inerente: qual problema o cliente traz, qual solução se mostra viável, o que a descoberta revela no meio do caminho. Padronizar isso, no fim das contas, é matar o produto para salvar o gráfico.

A distinção, aliás, é a mesma que já defendemos aqui. Padroniza linguagem, banco de dados, framework e ferramenta, porque isso é ruído. Contudo, não padroniza o pensamento, pois isso é o trabalho.

Como resolver

Antes de sair mexendo em tudo, faça o diagnóstico. Calcule ca e cs separadamente, exatamente como fizemos com os dois times, e depois compare os dois números.

Se o cs for maior, o problema está no formato do trabalho que você aceita. Ou seja, é interno.

Se o ca for maior, o problema está em como a demanda chega até você. Portanto, é de governança de entrada.

Se os dois passarem de 1,33, comece pelo cs. O motivo é prático: ele depende quase só do time, enquanto o ca normalmente exige negociar com gente de fora.

Para derrubar o cs, a irregularidade da duração

1. Estabeleça um tamanho máximo para itens. Pegue o percentil 85 do seu gráfico de dispersão e transforme esse número em política: qualquer coisa acima disso é fatiada antes de entrar. Essa é a alavanca mais forte de todas, porque um único item de 17 dias respondeu, sozinho, pela maior parte do desvio padrão do Time B.
2. Separe as filas por tipo de demanda. Quando bug, funcionalidade e investigação convivem na mesma fila, as variações se somam. Em filas separadas, por outro lado, cada uma fica mais homogênea.
3. Resolva bloqueios e dependências. Repare que um item bloqueado não tem duração maior, ele tem duração imprevisível, que é justamente o que a fórmula pune.
4. Proteja o time de interrupção. Afinal, é ela que transforma 4 dias de trabalho em 3 semanas de calendário, e nunca no mesmo grau.
5. Invista no Product Owner. Um bom PO fatia fininho, e itens pequenos (small batches) trazem menos variabilidade para dentro do fluxo. Se ainda falta segurança para definir o tamanho máximo com base na duração real, o particionamento funciona bem no começo: durante o Planning Poker, os desenvolvedores sinalizam ao PO que o item está grande demais e precisa ser dividido. Entretanto, migre para a duração real à medida que for ganhando confiança nos dados.

Para derrubar o ca, a irregularidade da chegada

1. Reabasteça com cadência fixa. Semanalmente, sempre no mesmo dia, em vez do despejo trimestral. Esse é o antídoto direto para a rajada de cinco pedidos seguida de duas semanas de silêncio.
2. Limite a fila de entrada. Assim, quando a fila está cheia, a próxima demanda fica do lado de fora e não entra junto com as demais.
3. Torne as classes de serviço explícitas. Dessa forma, a urgência deixa de ser uma chegada aleatória e vira política conhecida, com capacidade reservada.
4. Filtre no upstream. Consequentemente, pedido mal definido para entrar direto na construção e voltar semanas depois como retrabalho.

Você deve ter notado uma coisa: nenhuma dessas práticas é nova. Todas já estão no Kanban há anos. O que a Lei de Kingman acrescenta, portanto, não é a prática em si, e sim o porquê e a ordem. Elas funcionam porque atacam um multiplicador, não uma parcela. E é exatamente por isso que rendem mesmo quando você não consegue reduzir a ocupação nem um ponto percentual.

Onde Kingman se encaixa entre Little e Conway

Primeiro, a Lei de Little te diz quanto trabalho paralelo você suporta dado um Lead Time desejado. É, portanto, a lei do volume.

Em seguida, a Lei de Conway diz que a forma do seu sistema imitará a da sua organização. É, assim, a lei da estrutura.

Por fim, a Lei de Kingman explica por que a espera explode mesmo quando o volume parece estar sob controle. É a lei da irregularidade e, consequentemente, a que explica aquele caso tão comum do time que fez tudo certo no papel e continua entregando tarde.

As três operam no mesmo sistema. No entanto, nenhuma delas resolve sozinha.

Simulação

Junto com meu amigo Claudinho (Claude Code) e meu amado (Lovable), criei um modelo que você pode utilizar para simular o impacto da Lei de Kingsman. Dá uma olhada lá em: blog-art-illustrator.lovable.app — Lei de kingman.

Conclusão

Em resumo, a ocupação indica quão perto do precipício você está, enquanto a variabilidade indica a altura da queda. E como as duas se multiplicam, olhar apenas para o primeiro número te dá metade do diagnóstico e, pior, nenhuma explicação para o platô em que o seu time provavelmente está agora.

Se você quer aprender a projetar um sistema que trate as duas coisas, comece por aqui:
Kanban System Design (KSD)Kanban System Design (KSD): você sai desenhando um sistema de trabalho com limite de WIP, classes de serviço e políticas de entrada.
Kanban System Improvement (KSI): você sai lendo as métricas do seu fluxo para decidir onde mexer primeiro.
Te encontro lá.”