5D Library › 规模法则、异速生长与组织新陈代谢的统计物理 · English
第五章 林格曼效应与布鲁克斯定律:人越多,每人越少?
拉绳子的人
法国农业工程师林格曼在 19 世纪 80 年代研究人用不同方式水平推拉重物时的工作效率,1913 年发表了结果 (Ringelmann 1913)。他的一张表后来被反复引用:一个人的出力记为 1,2 人到 8 人组成的小组中每人平均只出 0.93、0.85、0.77、0.70、0.63、0.56 与 0.49;8 人小组的总产出只有一个人的 3.92 倍。这张表经德国心理学家莫德 1927 年的转述进入社会心理学,常被说成拉绳实验的结果;原文直到 1986 年才由克拉维茨与马丁译介,他们指出林格曼只说这张表「概括了大量结果」,并没有说明来自哪种任务,把它归于拉绳是莫德以后的说法 (Kravitz and Martin 1986)。
证据
林格曼的原文与解释。 克拉维茨与马丁指出,林格曼的主要兴趣是工作方式,小组比较是附带的;那张递减的表是他对大量观察的概括。他把小组的损失主要归于协调损失,即各人用力不同步,也意识到动机因素(他提到靠邻人出力的囚犯),但认为在他的测试中不太可能。他的一组初步实验中,单人平均拉力 85.3 千克,7 人小组每人 65.0 千克,14 人小组每人 61.4 千克,下降随人数增加而趋缓 (Kravitz and Martin 1986)。
证据
协调损失还是动机损失。 英厄姆、莱文杰、格雷夫斯与佩卡姆 1974 年重做拉绳实验,发现真实小组的人均出力从 1 人到 3 人下降,此后不再明显下降。他们的第二个实验用了「伪小组」:参与者蒙上眼睛,以为身后的同伴在一起拉,其实同伴只是假装用力。参与者的出力同样下降,而这里没有任何协调问题,所以损失中相当一部分来自动机 (Ingham et al. 1974)。拉塔内、威廉斯与哈金斯 1979 年在鼓掌与喊叫的任务中重复了这一结论,并把它命名为社会懈怠 (Latané et al. 1979)。卡劳与威廉斯 1993 年对 78 项研究的元分析显示,社会懈怠稳健存在,个人贡献能否被评估、对同伴表现的预期、任务的意义与文化背景都会显著改变它的大小 (Karau and Williams 1993)。
所以,「人多出力少」至少有两个来源:协调损失(用力不同步、沟通占用时间)与动机损失(个人的贡献看不见)。第八章的试验比较的是团队结构,主要针对前者;但小队结构同时使每个人的贡献更容易被看见,可能也减少了后者。
通道数与最优人数
推导
个人两两之间的沟通通道数为 。若每人的单独产出为 ,每条通道使团队损失 的产出,则 等价地,每人的产出 随人数线性下降,这正是林格曼那张表的形状。程序用最小二乘拟合那张表,求出 与 ;再与一个「三人以后损失不再增加」的示意模型(人均产出最终稳定在 0.80)比较;最后计算 12 人的通道数,以及格赖丘纳斯 1937 年计算的「上下级关系数」(Graicunas 1937)。
# Ringelmann's (1913) summary table, translated by Kravitz & Martin 1986: relative output
# per worker for groups of 1 to 8 (often cited as rope pulling; Ringelmann did not name
# the task). Fit per-capita output y = 1 - c (N - 1); total output
# Y = N y = alpha N - (beta/2) N (N - 1) with alpha = 1, beta = 2c, i.e. a fixed loss per
# communication channel; peak at N* = alpha/beta + 1/2. Then: what if the per-capita loss
# levels off after three people (the curvilinear shape reported by Ingham et al. 1974;
# the plateau value 0.80 below is ILLUSTRATIVE)? Finally: channel counts for 12 people.
import math
PER_WORKER = [1.00, 0.93, 0.85, 0.77, 0.70, 0.63, 0.56, 0.49]
if __name__ == "__main__":
ns = range(1, 9)
c = (sum((n - 1) * (1 - y) for n, y in zip(ns, PER_WORKER))
/ sum((n - 1) ** 2 for n in ns)) # least squares through (1, 1)
beta = 2 * c
print(f"fitted loss per extra worker c = {c:.4f}; beta = 2c = {beta:.4f};"
f" N* = 1/beta + 1/2 = {1 / beta + 0.5:.2f}")
print("N per worker (table) total (table) total (fit) channels N(N-1)/2"
" plateau model")
for n, y in zip(ns, PER_WORKER):
plateau = n * (1 - 0.20 * (1 - math.exp(-(n - 1) / 1.0)))
print(f"{n:2d} {y:.2f} {n * y:4.2f} "
f"{n - beta / 2 * n * (n - 1):4.2f} {n * (n - 1) // 2:3d}"
f" {plateau:5.2f}")
print("12 people: all-to-all channels", 12 * 11 // 2,
"| three teams of four plus three lead-to-lead links", 3 * 6 + 3)
k = 4
print(f"Graicunas (1937) relationships for a manager with {k} direct reports:"
f" {k * (2 ** (k - 1) + k - 1)}; with 12: {12 * (2 ** 11 + 11)}")
# fitted loss per extra worker c = 0.0737; beta = 2c = 0.1474; N* = 1/beta + 1/2 = 7.28
# N per worker (table) total (table) total (fit) channels N(N-1)/2 plateau model
# 1 1.00 1.00 1.00 0 1.00
# 2 0.93 1.86 1.85 1 1.75
# 3 0.85 2.55 2.56 3 2.48
# 4 0.77 3.08 3.12 6 3.24
# 5 0.70 3.50 3.53 10 4.02
# 6 0.63 3.78 3.79 15 4.81
# 7 0.56 3.92 3.90 21 5.60
# 8 0.49 3.92 3.87 28 6.40
# 12 people: all-to-all channels 66 | three teams of four plus three lead-to-lead links 21
# Graicunas (1937) relationships for a manager with 4 direct reports: 44; with 12: 24708林格曼的表几乎完全符合「每条通道固定损失」的模型:拟合得到每增加一人人均损失 0.0737,,;表中 7 人与 8 人的总产出都是 3.92,峰值正好在两者之间。但如果损失像英厄姆等人观察到的那样在三人以后不再增加,总产出就一直随人数增长(8 人时为 6.40),没有最优人数。哪一种模型更接近现实,取决于任务:拉绳子时每多一个人并不增加需要协调的「接口」,而在软件或拼装任务中,每个人的工作都可能与其他人的工作相互依赖。
12 个人全员自由沟通有 66 条通道;分成三个 4 人小队、只让三位队长彼此联系,只有 条。格赖丘纳斯把上级与下属之间的直接关系、下属之间的关系与交叉关系都算上,一位管理者有 4 名直接下属时为 44 种关系,有 12 名时为 24,708 种。这个数字常被用来论证控制跨度不宜过大,但它假设所有可能的关系都同样需要管理,这一点没有经验依据。
布鲁克斯定律
证据
一条经验法则。 布鲁克斯根据他管理 IBM System/360 操作系统开发的经验,在 1975 年的《人月神话》中写道:「向一个已经延误的软件项目增加人手,只会让它更晚。」他给出的理由是:新人需要培训,培训占用老成员的时间;人数增加后,沟通的工作量按 增长;许多任务不能任意拆分 (Brooks 1975)。布鲁克斯在 1995 年的纪念版中称这条定律是「过分的简化」,但认为它抓住了一般的规律 (Brooks 1995)。麦康奈尔 1999 年认为,项目延误常常是因为最初的估计过于乐观,及早增加人手是合理的,这条定律只在项目末期才大致成立 (McConnell 1999)。
证据
团队规模谬误。 斯塔茨、米尔克曼与福克斯 2012 年让 267 名高管 MBA 学员以 2 人或 4 人小组用乐高积木拼一个人形。2 人小组平均用了 36.33 人·分钟,4 人小组用了 52.64 人·分钟:总工时多出约 45%。论文只报告人·分钟;按人数折算,4 人小组的钟表时间约为 13 分钟,2 人小组约为 18 分钟(另有 20 个小组未在 30 分钟时限内完成)。另一组参与者预测这两种小组所需的工时,都低估了,而且对 4 人小组低估得更多。作者称之为「团队规模谬误」(Staats et al. 2012)。
这项实验提醒我们区分两个结局:完工时间与总工时。增加人手可以缩短完工时间,同时降低每人的效率;布鲁克斯定律说的是在某些条件下,连完工时间都会变长。
推导
一个逐日模拟的示意模型:6 个人开始一个 1,500 人·日的项目;每人每多一位同事,就损失 3% 的工作时间(第一节的「每条通道固定损失」);新人在 40 天内从零线性提高到满速,每位尚在上手的新人占用老成员半天的培训时间。比较在不同日期增加 人对完工日期的影响。所有参数都是示意值。
# A day-by-day MODEL of Brooks's law (all parameters ILLUSTRATIVE). Six people start a
# project of 1,500 person-days. Each person loses c = 3 % of the day for every other team
# member (a fixed cost per communication channel, as in Chapter 5). Newcomers ramp up
# linearly from 0 to full speed over R days, and each one still ramping takes half of a
# veteran's day for training. Question: when does adding k people shorten the project?
WORK, N0, C, MENTOR = 1500.0, 6, 0.03, 0.5
def finish(k, day_add, ramp=40, work=WORK):
done, day = 0.0, 0
while done < work:
day += 1
new = [min(1.0, (day - day_add) / ramp)] * k if day > day_add else []
n = N0 + len(new)
learning = sum(1 for x in new if x < 1.0)
done += (1 - C * (n - 1)) * (N0 + sum(new) - MENTOR * learning)
return day
if __name__ == "__main__":
base = finish(0, 0)
print(f"no one added: {base} days"
f" (output {N0 * (1 - C * (N0 - 1)):.1f} person-days per day)")
ks = (2, 4, 6, 12)
print("change in finishing day, people added k: 2 4 6 12")
for d in (1, 100, 200, 260):
print(f" added on day {d:3d}: "
+ " ".join(f"{finish(k, d) - base:+5d}" for k in ks))
print(" day 260, ramp-up 10 days, not 40: "
+ " ".join(f"{finish(k, 260, 10) - base:+5d}" for k in ks))
print(f"steady-state output n(1 - c(n - 1)) peaks at n = {1 / (2 * C) + 0.5:.1f}:"
+ "".join(f" n={n}: {n * (1 - C * (n - 1)):.1f}" for n in (6, 12, 17)))
# no one added: 295 days (output 5.1 person-days per day)
# change in finishing day, people added k: 2 4 6 12
# added on day 1: -47 -73 -88 -98
# added on day 100: -28 -43 -52 -56
# added on day 200: -9 -13 -15 -14
# added on day 260: +3 +5 +7 +11
# day 260, ramp-up 10 days, not 40: -5 -7 -8 -9
# steady-state output n(1 - c(n - 1)) peaks at n = 17.2: n=6: 5.1 n=12: 8.0 n=17: 8.8不加人时项目需要 295 天。第一天就加 6 人可提前 88 天;第 100 天加人提前 52 天;第 200 天加人只提前 15 天,而且加 12 人(提前 14 天)还不如加 6 人;第 260 天、离原定完工只剩约 35 天时加人,2 人、4 人、6 人、12 人分别使完工推迟 3、5、7、11 天,这就是布鲁克斯定律。若新人只需 10 天上手,同样在第 260 天加人,完工反而提前 5 到 9 天。稳定状态下团队产出 在 17.2 人时最高。模型说明,布鲁克斯定律成立需要三个条件同时满足:剩余工作少、上手慢、沟通成本高;它是一个有条件的经验法则,不是定律。
假说 · 尚未验证
接口文档降耗假说(尚未确立)。作者推测,书面的接口说明可以降低每条跨队通道的协调成本,使分队结构的总协调成本低于全员自由沟通。第八章的试验比较的是「小队、联络人与接口文档」三者的组合与全员扁平沟通,只能间接检验这一假说:如果试验得到「没有值得行动的差别」或「分队更慢」的结论,组合形式的假说即失去支持;阳性结果则不能单独归功于接口文档,要单独检验需增加「只分队、不发文档」的第三组(见第八章「这项试验不能说明什么」)。
本章小结
林格曼的表显示人均出力随人数线性下降,等价于每条沟通通道固定损失,最优人数约为 7;但英厄姆等人发现损失在三人后趋于稳定,而且相当一部分来自动机而非协调。布鲁克斯定律是有条件的经验法则:项目末期、上手慢、沟通成本高时,加人会推迟完工;早期加人通常有利。下一章把视野从一个团队扩大到整个层级组织。
参考文献
Fan, Y. (2026). Scaling Laws, Allometric Growth and the Statistical Physics of Organisational Metabolism: From Kleiber's Three-Quarter Power Law and Fractal Supply Networks to the Mortality of Firms, Read Beside Classical Chinese Organisational Thought [规模法则、异速生长与组织新陈代谢的统计物理] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23788553 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).