O que é Lei de Little?

John D. C. Little demonstrou a relação em A Proof for the Queuing Formula: L = λW, publicado em Operations Research em 1961. O artigo apresenta condições matemáticas para a igualdade de médias em sistemas de filas. A adaptação para WIP, vazão e tempo de fluxos de trabalho deve respeitar os marcos e a estabilidade do sistema. A fórmula não foi criada como regra para limitar cartões de um quadro Kanban.

A Lei de Little relaciona médias de um sistema de filas: L = λ × W. L é o número médio de unidades dentro da fronteira escolhida; λ é a taxa média de passagem por unidade de tempo; W é o tempo médio que uma unidade permanece nessa fronteira. Em um fluxo de trabalho, podemos falar de WIP médio, vazão média e tempo médio de permanência. A unidade precisa ser coerente: itens, itens por semana e semanas, por exemplo.

Imagine uma bilheteria em que pessoas entram, esperam e saem. Se entram e saem em média dez por hora e cada uma permanece meia hora no sistema, há em média cinco pessoas ali. Não é uma previsão de espera para cada pessoa. Uma pode ser atendida imediatamente e outra enfrentar uma fila longa. A equação descreve médias observadas sob condições apropriadas, não a experiência individual.

Fronteira e marcos. Antes de calcular, defina onde o sistema começa e termina. Se WIP conta apenas itens aceitos pela equipe, o tempo W precisa medir do aceite até a saída dessa mesma fronteira. Usar Customer Lead Time, contado desde o pedido do cliente, com um WIP que exclui a fila antes do aceite mistura sistemas. O resultado pode parecer preciso, mas os dados não representam a mesma população. Se há cancelamentos, reaberturas ou tipos de item muito distintos, documente como entram na conta.

Estabilidade e médias. O resultado original de John Little trata de um sistema de filas sob hipóteses matemáticas, com médias finitas e condições de estabilidade. Na prática, uma equipe pode usar a relação como verificação de coerência de dados e para conversar sobre fluxo, mas precisa observar mudanças de política, sazonalidade e crescimento contínuo da fila. Se entradas excedem saídas por muito tempo, o WIP não se estabiliza; combinar médias de períodos arbitrários pode enganar. Escolha uma janela em que as medidas façam sentido e examine a tendência.

Taxa de chegada e vazão. No modelo original, λ representa a taxa média de chegada. Em um sistema estável, entradas e saídas médias se equilibram no longo prazo. Em quadros Kanban, costuma-se trabalhar com throughput, a taxa de conclusão. Se a fila cresce, chegada e conclusão deixam de ser intercambiáveis naquela janela. Declare qual taxa usou e verifique o balanço. Não esconda pedidos recusados ou itens removidos para fazer a fórmula fechar.

Rearranjo, não causalidade. A expressão W = L ÷ λ ajuda a entender que, se a vazão média permanecesse igual e o sistema estivesse estável, menos itens médios dentro da fronteira corresponderiam a menor tempo médio. Ela não garante que reduzir WIP isoladamente aumentará a vazão ou melhorará todo prazo. Uma restrição excessiva pode deixar capacidade necessária ociosa, e mudanças de mix podem alterar as três medidas. Teste políticas, observe dados novos e considere qualidade e carga.

Média não é promessa. A lei não informa a distribuição dos tempos. Dois serviços com W médio de quatro semanas podem ter variâncias muito diferentes. Para responder quando um pedido específico provavelmente ficará pronto, analise itens comparáveis e distribuição histórica de tempos; Service Level Expectation pode expressar uma probabilidade. A Lei de Little ajuda a enxergar coerência e ordem de grandeza do sistema. Não transforma média em data certa.

Comparação entre períodos. Se a equipe introduz um limite de trabalho, compare janelas semelhantes. Observe WIP médio diário, número de itens concluídos, tempo de permanência e defeitos. Se o WIP cai porque o time parou de registrar itens antes de começar, a experiência do cliente pode continuar igual. Se a vazão cai junto, investigue a causa. Uma mudança útil mantém a fronteira e a política de registro consistentes, ou explica claramente por que foram alteradas.

Onde agir. A relação sugere perguntar por que tanto trabalho está aberto e o que impede concluir. Um gargalo pode concentrar filas; dependências podem dividir atenção; prioridades que mudam a cada dia podem alongar permanência. Limites de WIP e sistema puxado são possíveis intervenções, não conclusões automáticas da equação. A equipe precisa observar o trabalho real e escolher uma hipótese de melhoria.

Imagine um serviço hipotético com média de 20 itens em andamento e vazão estável de 5 itens concluídos por semana. Aplicando W = L ÷ λ, o tempo médio correspondente é 20 ÷ 5 = 4 semanas. A conta não diz que o próximo item ficará pronto em quatro semanas. Também exige que os 20 itens e os 5 itens por semana pertençam ao mesmo sistema e período compatível.

Antes, o time inicia pedidos assim que chegam e não questiona por que tantos estão abertos. Decide então testar um limite de entrada e ajudar a concluir itens já iniciados. Numa janela posterior, com demanda e categorias comparáveis, observa WIP médio de 15 e vazão de 5 por semana. O tempo médio correspondente seria 3 semanas. Esses números são ilustrativos. Se a vazão cair para 3 por semana, a mesma conta daria 5 semanas, apesar do WIP menor. Por isso, a equipe acompanha as três medidas em vez de declarar que um limite sempre resolve o problema.

Imagine ainda que metade dos pedidos termina em um dia e outra metade em muitas semanas. A média pode ajudar a conferir a equação, mas será ruim para prometer prazo. O grupo examina a distribuição e os tipos de demanda. A lição prática é combinar fronteiras corretas, sistema suficientemente estável e decisão baseada em dados, não usar a fórmula como adivinhação.

Cursos K21 recomendados