Analysis and monitoring of task allocation in DevOps processes

Desvent, Damien (2025). Analysis and monitoring of task allocation in DevOps processes. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (5MB) | Prévisualisation

Résumé

In software development, the increasing need for rapid adaptation has led to the adoption of Agile methodologies, while the demand for continuous, high-quality deployment has driven the rise of DevOps practices. These approaches emphasize breaking work into smaller tasks, which improves team visibility and organization. However, task allocation—the process of assigning individuals to specific tasks—remains a persistent challenge. Effective allocation is crucial for maintaining efficiency and optimizing workflows. Although theoretical frameworks and algorithms exist, they often fail to align with industry realities, leaving organizations without reliable strategies.

This thesis investigates task allocation in an industry-based context. Instead of focusing on advanced mathematical or machine learning models, it emphasizes deriving actionable insights closely aligned with real-world scenarios. The study introduces metrics and tools to analyze and improve task allocation.

Conducted in collaboration with TELUS, a Canadian telecommunications provider, this study leverages real-world data from their GitLab projects. Regular communication with TELUS employees provided essential context, identified key areas for improvement, and validated hypotheses, ensuring relevance to both TELUS operations and broader industry practices. This research is based on the hypothesis that analyzing task lead time and identifying its influencing factors can improve task allocation. The methodology involves data extraction and processing, defining metrics to characterize tasks across multiple dimensions, and visualizing results. A key contribution is the definition of a criterion for characterizing tasks based on their ability to meet estimates, which serves as a foundation for identifying task failures and conducting related analyses.

Analysis 3148 issues from 137 projects in TELUS revealed a consistent 34% task failure rate across estimated sizes and over time, underscoring the need for further tracking and improvement. The findings also indicate that the use of waiting columns raises the failure rate from 34% to 56%, a trend more pronounced in tasks with small estimates, highlighting the need for closer monitoring and analysis of their impact. Additionally, multitasking was analyzed as a potential contributor to task failure, but the findings were inconclusive, suggesting the need for further investigation. Moreover, 35% of failed tasks were underestimated, a trend particularly evident in smaller estimates—emphasizing the importance of improving task estimation processes. These insights provide project managers at TELUS and other companies with valuable tools to improve task planning and execution.

This research presents a fully functional open-source framework for task allocation analysis, equipping organizations with a practical tool to identify inefficiencies. Rather than advocating for radical change, it prioritizes actionable insights and practical solutions for task assignment. These findings lay a strong foundation for future research, particularly in developing automated systems to detect and mitigate inefficient task allocation behaviors—offering valuable improvements for industry applications.

Titre traduit

Analyse et suivi de l’allocation des tâches dans les processus DevOps

Résumé traduit

Dans le développement logiciel, le besoin croissant d’adaptation rapide a conduit à l’adoption des méthodologies Agile, tandis que la demande de déploiements continus et de haute qualité a favorisé l’émergence des pratiques DevOps. Ces approches mettent l’accent sur la division du travail en tâches plus petites, ce qui améliore la visibilité de l’équipe et l’organisation. Cependant, l’allocation des tâches, le processus d’attribution des tâches spécifiques à des individus, reste un défi persistant. Une allocation efficace est essentielle pour maintenir l’efficacité et optimiser les flux de travail. Bien qu’il existe des cadres théoriques et des algorithmes, ils ne s’alignent souvent pas sur les réalités de l’industrie, ce qui prive les organisations de stratégies fiables.

Cette thèse étudie l’allocation des tâches dans un contexte industriel. Au lieu de se concentrer sur des modèles mathématiques ou d’apprentissage automatique avancés, elle met l’accent sur l’obtention d’informations exploitables étroitement liées à des scénarios du monde réel. L’étude introduit des mesures et des outils pour analyser et améliorer l’attribution des tâches.

Menée en collaboration avec TELUS, un fournisseur canadien de services de télécommunications, cette étude s’appuie sur des données réelles issues de leurs projets GitLab. Une communication régulière avec les employés de TELUS a permis de fournir un contexte essentiel, d’identifier les domaines clés à améliorer et de valider les hypothèses, garantissant ainsi la pertinence des opérations de TELUS et des pratiques de l’industrie en général. Cette recherche repose sur l’hypothèse que l’analyse du Lead Time des tâches et l’identification des facteurs qui l’influencent peuvent améliorer l’attribution des tâches. La méthodologie comprend l’extraction et le traitement des données, la définition de métriques pour caractériser les tâches à travers de multiples dimensions, et la visualisation des résultats. Une contribution clé est la définition d’un critère de caractérisation des tâches basé sur leur capacité à respecter les estimations, ce qui sert de base pour identifier les échecs des tâches et mener des analyses de leurs causes profondes.

L’analyse de 3107 tâches provenant de 137 projets chez TELUS, a révélé un taux d’échec des tâches constant de 34% toutes tailles estimées confondues et stable dans le temps, soulignant la nécessité d’analyses et d’un suivi accru. Les conclusions montrent également que l’utilisation des colonnes d’attente fait monter le taux d’échec de 34% à 56%, une tendance plus marquée pour les tâches avec de petites estimations, soulignant la nécessité d’un suivi et d’une analyse plus approfondis de leur impact. Par ailleurs, le multitâche a été analysé en tant que facteur potentiel d’échec des tâches, mais les résultats n’ont pas été concluants, ce qui suggère la nécessité d’une étude plus approfondie. En outre, 35% des tâches échouées ont été sous-estimées, une tendance particulièrement évidente dans les petites estimations, ce qui souligne l’importance d’améliorer les processus d’estimation des tâches. Ces analyses fournissent aux gestionnaires de projet chez TELUS et dans d’autres entreprises des outils précieux pour mieux planifier et exécuter les tâches.

Cette recherche présente un cadre open-source entièrement fonctionnel pour l’analyse de l’attribution des tâches, dotant les organisations d’un outil pratique pour identifier les inefficacités. Plutôt que de préconiser des changements radicaux, elle donne la priorité à des informations exploitables et à des solutions pratiques pour l’attribution des tâches. Ces résultats constituent une base solide pour les recherches futures, en particulier pour le développement de systèmes automatisés permettant de détecter et d’atténuer les comportements inefficaces en matière d’attribution des tâches, offrant ainsi des améliorations précieuses pour les applications industrielles.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment of a master’s degree with thesis in software engineering". Comprend des références bibliographiques (pages 93-97).
Mots-clés libres:	allocation des tâches, DevOps, développement logiciel, analyse de tableau Kanban
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Bordeleau, Francis
Codirecteur:	Codirecteur Tizghadam, Ali
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	30 juin 2025 14:53
Dernière modification:	30 juin 2025 14:53
URI:	https://espace.etsmtl.ca/id/eprint/3645

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt