O que é e por que importa
Métricas de fluxo descrevem o comportamento do sistema, não o esforço das pessoas. Elas respondem às perguntas que clientes e gestores fazem: quanto tempo vai levar, quanto sai até tal data, o que está atrasando. A abordagem popularizada por Daniel Vacanti trata essas respostas como distribuições de probabilidade, porque é isso que elas são no trabalho do conhecimento. Um item não “leva 6 dias”; ele tem 85% de chance de ficar pronto em até 10 dias.
Previsibilidade não é acertar a data de cada item. É ter um sistema que se comporta de forma estável o bastante para que as previsões sejam úteis, com o grau de confiança declarado.
Conceitos-chave
As cinco medidas básicas
- Lead Time: tempo entre o ponto de comprometimento e o ponto de entrega. É o tempo que o cliente percebe depois de o pedido ter sido aceito. Alguns times medem desde a chegada do pedido; por isso, diga sempre a partir de qual ponto você mede.
- Cycle Time: tempo entre o início e o fim de um trecho definido do fluxo, normalmente do momento em que o time começa o item até ele ser concluído. Em muitos sistemas o trecho coincide com o do Lead Time; em outros, fica contido nele.
- Throughput: quantidade de itens concluídos por unidade de tempo, como 14 itens por semana. Conte itens, não pontos de estimativa.
- WIP: quantidade de itens que começaram e ainda não terminaram.
- Work Item Age: tempo decorrido desde o início de um item que ainda está em andamento. É a medida que permite agir antes de o atraso acontecer.
Os termos variam entre autores e ferramentas. Na prova, a questão define os pontos de início e fim quando isso importa.
CFD: o diagrama de fluxo cumulativo
O CFD mostra, dia a dia, quantos itens já chegaram a cada etapa. Cada etapa vira uma faixa colorida. Três leituras resolvem a maior parte das análises:
- a distância vertical entre a linha de chegada e a de saída, em um dia, é o WIP daquele dia;
- a distância horizontal entre as linhas dá uma aproximação do tempo médio que os itens passam no trecho;
- a inclinação da linha de saída é o ritmo médio de entrega.
Uma faixa que se alarga indica acúmulo naquela etapa, geralmente na frente de um gargalo. Uma linha de saída plana por vários dias indica que nada está sendo entregue. Pratique essas leituras na experiência de CFD.
Percentis em vez de médias
Distribuições de Cycle Time no trabalho do conhecimento costumam ter cauda longa à direita: a maioria dos itens termina rápido e alguns demoram muito. A média é puxada por esses poucos itens e não representa nenhum deles. Percentis comunicam melhor. Se o percentil 85 é 12 dias, 85% dos itens concluídos levaram 12 dias ou menos. O gráfico de dispersão de Cycle Time, com as linhas de percentil, é a ferramenta mais direta para enxergar isso.
SLE: expectativa de nível de serviço
A SLE (service level expectation) é uma previsão de quanto tempo um item deve levar, com um intervalo e uma probabilidade: “85% dos itens ficam prontos em até 12 dias”. Ela vem dos dados históricos, e não de um desejo. Não é um contrato nem uma garantia, e também não é sinônimo de previsibilidade. Seu uso mais valioso é diário: um item cuja idade se aproxima da SLE pede ação antes de ultrapassá-la.
Previsão probabilística e Monte Carlo
Para perguntas sobre vários itens, como “quando ficam prontos estes 40 itens?” ou “quantos itens entregamos em 30 dias?”, a simulação de Monte Carlo usa o Throughput histórico. O simulador sorteia, para cada dia futuro, um valor real de entregas diárias do passado e repete o processo milhares de vezes. O resultado é uma distribuição de desfechos possíveis.
A leitura depende da pergunta:
- “Quando?”: escolha a data em que 85% das simulações já terminaram. Datas mais cedo são mais arriscadas.
- “Quantos?”: escolha a quantidade que 85% das simulações atingiram ou superaram. Quantidades maiores são mais arriscadas.
A simulação assume que o futuro próximo se parece com o passado recente; mudanças grandes no time ou no tipo de trabalho pedem amostras novas. Considere também que itens se dividem e surgem durante a entrega. Rode cenários no simulador de Monte Carlo ou analise o histórico do seu time no analisador de fluxo.
Eficiência de fluxo
Eficiência de fluxo é a parcela do tempo total em que alguém trabalhou ativamente no item:
eficiência de fluxo = tempo de trabalho ativo ÷ tempo total × 100
Um item que levou 20 dias e recebeu 3 dias de trabalho ativo teve 15% de eficiência. Valores baixos são comuns no trabalho do conhecimento e mostram que o maior ganho costuma estar em reduzir esperas, e não em acelerar as pessoas. Para medir, você precisa de filas visíveis no quadro.
Erros comuns
- Prometer a média. Uma parcela grande dos itens passa da média, e ela não informa qual é essa parcela nem o risco que você está assumindo.
- Prever com pontos de estimativa. O Throughput em itens costuma prever tão bem quanto, ou melhor, e com menos esforço.
- Medir o Lead Time sem definir os pontos. Dois times com a mesma métrica podem estar medindo coisas diferentes.
- Usar a SLE como meta individual. Ela descreve o sistema; cobrar pessoas por ela incentiva esconder itens ou dividir artificialmente.
Como isso aparece na prova
Você vai ler gráficos de dispersão, CFDs e resultados de simulações. As decisões cobradas incluem: qual percentil usar para responder a um cliente, como interpretar uma faixa que se alarga no CFD, qual data informar a partir de uma distribuição de Monte Carlo e qual item do quadro precisa de atenção considerando a sua idade e a SLE. Também há questões de cálculo simples, como eficiência de fluxo e leitura de WIP no CFD.
Perguntas frequentes
Qual é a diferença entre Lead Time e Cycle Time?
O Lead Time mede, em geral, do ponto de comprometimento ao ponto de entrega, o que o cliente sente. O Cycle Time mede um trecho definido pelo time, normalmente do início do trabalho até a conclusão. Como os autores usam os termos de formas diferentes, o mais importante é declarar os pontos de início e fim.
SLE e SLA são a mesma coisa?
Não. O SLA é um acordo, frequentemente contratual, com consequências quando descumprido. A SLE é uma expectativa baseada nos dados do próprio sistema, usada para gerenciar o fluxo e conversar com o cliente sobre risco.
Monte Carlo funciona com pouco histórico?
Funciona com cautela. Algumas semanas de Throughput diário já produzem previsões úteis se o sistema estiver estável. Com pouco histórico, prefira percentis conservadores e refaça a simulação toda semana.
