1. 一个具体问题
团队平均同时推进二十项工作，每周完成五项，却希望所有任务一周内交付。若工作定义和统计边界一致，这几个愿望无法在稳定状态下同时成立。队列中的数量、完成速度与停留时间存在一个直接的平均关系。
2. 一句话解释
利特尔法则描述稳定系统中的平均数量关系：L＝λW，即平均在系统内数量等于平均流率乘平均停留时间。
3. 出处与原意
John Little 在一九六一年给出相关证明。这是排队论中的结果，并不要求到达过程必须泊松或服务时间必须指数分布，但需要相应的长期平均与稳定性等条件，统计边界也必须一致。
4. 原理与机制
L 可以是平均在制工作数，λ 是单位时间通过系统的数量，W 是从进入到离开的平均时间。若二十项在制、每周完成五项，平均停留约四周。只统计处理中数量，却把包含排队的时间当 W，会混用边界。平均关系也不提供个别任务的保证，更不能单凭公式预测尾部等待。
在同一系统中，流率的单位改变时，停留时间单位也要同步转换。每天五件与每周五件差异很大，却容易在看板中被混读。任务尺寸差异明显时，还应分组分析，否则混合不同工作类型可能让整体平均变化看起来像流程本身改善。
5. 一个完整案例
假设案例：某编辑组稳定维护十二篇在制稿，每周发布三篇，从接受到发布平均约四周。团队将启动上限降到九篇，试图把平均周期降为三周。如果吞吐量仍为每周三篇，这与法则相符；但若减少在制后常因资料未到而无人可写，吞吐量也降到两篇，周期未必改善。于是团队区分等待外部素材和已可执行稿件，并确保关键工序不断料。公式帮助检查数据与约束，不替代对流程机制的理解。
编辑组实施上限时，不会把多余稿件移到另一个未统计的列表就宣布在制下降。只要已经向作者承诺交付，它们仍在用户等待的系统内。可以同时追踪内部制作边界与客户承诺边界，但必须给两个平均周期不同名称。
6. 适用条件与反例
在积压持续爆炸、系统刚启动或样本窗口过短时，直接拿期末数量除以本周完成量容易误导。要使用时间平均数量，而不是方便获取的单点快照；取消、返工和不同任务尺寸也应有一致口径。等待时间分布很长时，平均改善仍可能掩盖少数严重拖延。
7. 今天可以尝试的行动
定义一个清楚边界，例如从承诺接单到验收完成，收集数周内每日在制数、完成数和各任务停留时间。比较 L 与 λW 是否接近，先排查口径差异。再考虑限制新启动数量，同时监控吞吐量与较慢任务，避免只优化平均数。
8. 参考资料与关联条目
- Little（1961），A Proof for the Queuing Formula: L = λW。