排队论Queueing Theory

任务到达或耗时有波动时，负荷越接近上限，等待越会陡增。

2021年10月，洛杉矶港外等待卸货的集装箱船，把美国供应链的拥堵摆到了海面上。码头仍在作业，但进口货量激增，卡车和仓库也接货吃紧。一批货还没运走，下一批船已经赶来，延误越积越多。10月13日，美国总统拜登在白宫宣布，洛杉矶港将转向全天候作业，以增加处理能力。码头工人继续忙，货主却继续等：每天能处理多少货，与一批货要等多久，是两件不同的事。

为什么成立

随机到来的任务会把等待拉长

一个平均每分钟办完一笔业务的柜台，能让顾客平均等上十九分钟。设想顾客以固定平均速率、彼此独立地随机到达，即泊松过程。办事时长彼此独立、服从指数分布，且与到达过程独立。队伍不限长，顾客先来先办、不弃队。按这个单柜台模型计算：

每小时平均到客数	利用率	平均排队时间
48人	80%	4分钟
54人	90%	9分钟
57人	95%	19分钟

剩余能力越少，积压越难清掉

利用率是到达速度与处理能力之比： $ρ = λ / μ$ 。 $λ$ 是平均每小时到客数， $μ$ 是柜台持续忙碌时平均每小时办完的笔数。在 $ρ < 1$ 的长期稳定状态下，平均排队时间为：

$W_{q} = \frac{ρ}{1 - ρ} \frac{1}{μ}$

白话说，平均办事时间乘上“已用能力与剩余能力之比”，就是平均等待；等待不含办事本身。利用率从90%升到95%，这个倍数就从9变成19。

突然多来几个人，队伍只能靠剩余能力慢慢消化。柜台越忙，越难在下一波顾客到来前清空队伍。偶发的长业务还会让后面的人一起等。空闲时段无法存起来，留给拥挤时段使用。

出处

排队论起源于电话通信中的应用概率研究。1909年，丹麦数学家阿格纳·厄朗研究哥本哈根的电话业务，以实际话务数据分析随机呼叫与线路占用。1961年，约翰·金曼提出单服务台等待时间的近似公式，把负荷、波动和等待连在一起，后来广用于计算机性能和生产管理。

换个领域看

技术

服务器越忙越慢

高利用率会放大在线服务的排队延迟。2013年，谷歌工程师杰夫·迪恩与路易斯·巴罗索在《The Tail at Scale》中讨论了这一现象：请求争用处理器等资源，少数慢请求拖长响应。给服务器留出余量，能帮助缩短用户等待；只看每次计算耗时，会漏掉计算前的排队。

个人生活

日程留出空档

日程排满时，一件临时任务就能让后面的安排接连延期。假设你是独立设计师，把每天八小时都承诺给客户，修改意见却随时会来。多出一小时返工，就要挤掉下一项工作。每天少承诺一小时，让突发任务有地方落下，能减少客户等稿的时间。

投资

满产未必利好

接单增长能否变成利润，要看企业还剩多少处理能力。假设你评估一家代工企业，现有订单已占可用工时的95%，管理层承诺再多接一成订单。若设备与工艺不变，所需工时就会超过产能，交期持续拉长。估值时应把扩产成本、交付时间和违约损失放进预测。

遇事时问自己

任务实际到达的速度，与持续忙碌时能完成的速度，各是多少？
客户或任务会不会集中到来，有没有少数任务特别耗时？
排队发生在哪个具体环节，它还剩多少能力来消化积压？
能否通过预约错峰、缩短耗时或增加处理能力，让队伍及时清空？
我愿意花多少成本保留空闲能力，换取多短的等待时间？

边界与误用

等待陡增的前提，是任务到达或处理耗时有波动。若任务严格按时到达、耗时固定且排程恰好衔接，满负荷也能没有等待。单柜台公式不能直接套到多柜台、优先插队或顾客会放弃的系统，这些规则会改变等候结果。上述随机模型里，长期到达速度达到或超过处理能力，就没有有限的稳态平均等待。最常见的误用是把80%当成通用安全线：应按实际波动、服务台数量和等待目标留余量。

练一练

一家公司的采购申请由一位专员逐份审核。各部门原本在工作日内陆续提交，现在准备改为每天下午三点统一提交。申请总量、每份审核耗时和专员工作时间都不变，专员此前没有频繁切换任务的问题。

这项调整最可能带来什么结果？

投资人考察两家车辆检测站，每家只有一个检测工位。两站都以相同的规律随机到车，平均每小时两辆，先来先检，客户不弃队。甲站每辆检测固定用20分钟；乙站一半用5分钟，一半用35分钟，耗时彼此独立，也与到车无关。两站营业时间和收费相同。

关于客户等待，哪种判断最站得住？

小区有一间共享琴房，每次预约固定30分钟。住户都准点到场、准点离开，无需清场，也没有临时来客。周六的预约连续排满四小时，前一人离开时后一人正好进入。一位住户认为，使用率达到100%，等待一定会越来越长。

对这位住户的判断，哪种回应最站得住？