Dynamic task assignment in IT departments using a rolling-horizon mixed-integer programming model

Öz

Context—Information Technologies (IT) departments usually handle large volumes of support and development requests with varying urgency, complexity, and resource requirements every day. Efficient assignment of these requests to employees is essential for maintaining service quality, minimizing completion times, and ensuring balanced workforce utilization. However, in many organizations, including major telecommunications companies in Türkiye, task assignments are still performed manually and without a structured decision-support system. This often leads to workload imbalances, insufficient prioritization of urgent tasks, and long task completion times.

Objective—The aim of this study is to develop an optimization-based decision-support framework to efficiently assign the daily tasks to employees in an IT department.

Method—To address this problem, a Mixed Integer Linear Programming (MILP) model is developed to assign tasks considering the task type, priority level, and individual capacities of the workers. We propose a rolling-horizon framework where the MILP model re-optimizes newly arriving tasks each day while keeping previously implemented assignments. In this way, the system can adapt to dynamic task flows. The proposed approach is implemented in Python using the Gurobi optimizer, tested with real operational data from a major telecommunications company in Türkiye.

Results—The computational results show that our approach improves both task completion performance and fairness compared with the current system. The workload balance improves substantially, with a 93.7% reduction in the standard deviation of cumulative workload, while the mean completion day and mean flow time of urgent (Priority 3) tasks decrease by 3.4% and 8.3%, respectively. These improvements come with a 6.7% increase in mean cumulative workload, indicating a trade-off among task completion performance, workload fairness, and total labor requirements. Despite higher task-day requirements, the optimized system reduces the overall mean flow time by 1.3%, and all tasks are completed four days earlier compared to the actual system. A sensitivity analysis is conducted on the workload balance parameter Δ (maximum allowable workload difference between workers). Results point out a clear trade-off between fairness and responsiveness: smaller Δ values provide better workload distribution but generally require higher task processing requirements (mean cumulative workload), whereas higher Δ values improve completion performance, especially for urgent tasks, at the expense of increased workload inequality.

Conclusion—Our findings demonstrate that the proposed rolling-horizon MILP framework provides an effective, practical, and adaptable decision-support tool for IT task assignment operations. The results show that optimization-based decision-support tools can improve workload balance and task completion performance while requiring slightly higher labor requirements. The results also demonstrate a trade-off between fairness and task completion speed, allowing decision makers to select the desired workload balance according to operational priorities. Future studies may incorporate task arrival forecasting, stochastic processing times, skill-based worker constraints, and real-time disruption scenarios to test the robustness and generalizability of the framework.

Anahtar Kelimeler

• Information technologies
• Rolling-horizon MILP
• Task-worker assignment
• Workload balance

Etik Beyan

Ethics committee approval is not required for this article.

Teşekkür

Dear Editor, thank you for considering our manuscript.

Bilgi teknolojileri departmanlarında yuvarlanan ufuklu karma tamsayılı programlama modeli kullanılarak dinamik görev ataması

Öz

Arka Plan—Bilgi Teknolojileri (BT) departmanları, her gün farklı aciliyet, karmaşıklık ve kaynak gereksinimleri ile gelen destek ve geliştirme taleplerini yönetmektedir. Bu talepler çalışanlara atanırken hizmet performansının artırılması, iş tamamlanma sürelerinin azaltılması ve iş gücünün dengeli kullanılması büyük önem taşımaktadır. Ancak birçok şirkette (Türkiye’deki büyük telekomünikasyon şirketleri de dâhil olmak üzere) görev atamaları hâlen manuel olarak ve yapılandırılmış bir karar destek sistemi olmadan gerçekleştirilmektedir. Bu durum çoğu zaman iş yükü dengesizliklerine, acil işlerin yeterince önceliklendirilememesine ve işlerin uzun sürede tamamlanmasına yol açmaktadır.

Amaç—Bu çalışmanın amacı, bir BT departmanındaki günlük işlerin çalışanlara etkin biçimde atanmasını sağlayacak optimizasyon tabanlı bir karar destek sistemi geliştirmektir.

Yöntem— Bu problemi ele almak amacıyla, iş türü, öncelik seviyesi ve çalışanların kapasitelerini dikkate alan bir Karma Tamsayılı Doğrusal Programlama (MILP) modeli geliştirilmiştir. Ayrıca, daha önce uygulamaya alınmış atamaları korurken her gün yeni gelen işleri yeniden optimize eden bir yuvarlanan ufuk yaklaşımı önerilmiştir. Bu sayede sistem, dinamik iş akışına uyum sağlayabilmektedir. Önerilen yaklaşım, Python ortamında kodlanmış, Gurobi çözücüsü kullanılarak çözülmüş ve Türkiye’de faaliyet gösteren büyük bir telekomünikasyon şirketine ait gerçek veriler kullanılarak test edilmiştir.

Bulgular—Sonuçlar, önerilen yaklaşımın mevcut sisteme kıyasla hem operasyonel verimliliği hem de işçiler arasındaki adaleti artırdığını göstermektedir. İş yükü dengesi önemli ölçüde iyileşirken (%73,5), acil (Öncelik 3) işlerin ortalama tamamlanma süresi %3,92 gün oranında azalmıştır. Bu bulgular, acil işlerin daha hızlı tamamlandığını ve iş yüklerinin çalışanlar arasında daha adil dağıldığını göstermektedir. İş yükü dengesi parametresi Δ (çalışanlar arasında izin verilen en yüksek iş yükü farkı) üzerinde bir duyarlılık analizi gerçekleştirilmiştir. Sonuçlar, adalet ile hızlı yanıt verebilme arasında açık bir denge ilişkisi olduğunu ortaya koymaktadır: daha küçük Δ değerleri daha dengeli bir iş yükü dağılımı sağlarken, daha yüksek Δ değerleri özellikle acil işlerde tamamlanma performansını artırmakta, ancak iş yükü eşitsizliğini yükseltmektedir.

Sonuç—Bulgular, önerdiğimiz yuvarlanan ufuklu MILP yaklaşımının BT iş atama operasyonları için etkili, uygulanabilir ve uyarlanabilir bir karar destek aracı olduğunu göstermektedir. Sonuçlar, optimizasyon tabanlı karar destek araçlarının özellikle büyük ölçekli BT ortamlarında iş yükü dengesi, iş önceliklendirme ve hizmet performansını önemli ölçüde iyileştirebildiğini ortaya koymaktadır. Gelecekte yapılacak çalışmalarda, iş geliş tahmini, stokastik iş süreleri, çalışan becerilerine dayanan kısıtlar ve beklenmeyen aksama senaryoları modele dâhil edilerek yaklaşımın dayanıklılığı ve uygulanabilirliği test edilebilir.

Anahtar Kelimeler

• Bilgi teknolojileri
• Yuvarlanan ufuklu karma tamsayılı doğrusal programlama
• Görev-çalışan ataması
• İş yükü dengesi

Etik Beyan

Bu çalışma için etik kurul onayı gerekmemektedir.

Teşekkür

Sayın Editör, makalemizi değerlendirmeye aldığınız için teşekkür ederiz.

Kaynakça

1. A. T. Ernst, H. Jiang, M. Krishnamoorthy, D. Sier, “Staff scheduling and rostering: A review of applications, methods and models”, European Journal of Operational Research, 153(1), 3–27, 2004. https://doi.org/10.1016/S0377-2217(03)00095-X.
2. P. De Bruecker, J. Van den Bergh, J. Beliën, E. Demeulemeester, “Workforce planning incorporating skills: State of the art”, European Journal of Operational Research, 243(1), 1–16, 2015. https://doi.org/10.1016/j.ejor.2014.10.038.
3. H. A. Eiselt, V. Marianov, “Employee positioning and workload allocation”, Computers & Operations Research, 35(2), 513–524, 2008. https://doi.org/10.1016/j.cor.2006.03.014.
4. Z. Liang, Y. Li, A. Lim, S. Guo, “Load balancing in project assignment”, Computers & Operations Research, 37(12), 2248–2256, 2010. https://doi.org/10.1016/j.cor.2010.03.016.
5. T. Lapègue, O. Bellenguez-Morineau, D. Prot, “A constraint-based approach for the shift design personnel task scheduling problem with equity”, Computers & Operations Research, 40(10), 2450–2465, 2013. https://doi.org/10.1016/j.cor.2013.04.005.
6. P. Smet, T. Wauters, M. Mihaylov, G. Vanden Berghe, “The shift minimisation personnel task scheduling problem: A new hybrid approach and computational insights”, Omega-International Journal of Management Science, 46, 64–73, 2014. https://doi.org/10.1016/j.omega.2014.02.003.
7. Z. Düzgit, A. Ö. Toy, S. Çoban, Z. Alibaşoğlu, Ö. T. Özkeskin, M. Karakaya, Y. Bayrak, “Design of job assignment and routing policies in service logistics”, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 25(9), 1071–1079, 2019. https://doi.org/10.5505/pajes.2019.84658.
8. W. Wang, K. Xie, S. Guo, W. Li, F. Xiao, Z. Liang, “A shift-based model to solve the integrated staff rostering and task assignment problem with real-world requirements”, European Journal of Operational Research, 310(1), 360–378, 2023. https://doi.org/10.1016/j.ejor.2023.02.040.

9. S. Jin, J. Tao, M. Lai, Q. Hu, “Scheduling multi-skill technicians and reassignable tasks in a cloud computing company”, European Journal of Operational Research, 321(3), 717–733, 2025. https://doi.org/10.1016/j.ejor.2024.09.050.
10. Ö. Karsu, M. Azizoğlu, “An exact algorithm for the minimum squared load assignment problem”, Computers & Operations Research, 106, 76–90, 2019. https://doi.org/10.1016/j.cor.2019.02.011.
11. Ö. Karsu, A. Morton, “Inequity averse optimization in operational research”, European Journal of Operational Research, 245(2), 343–359, 2015. https://doi.org/10.1016/j.ejor.2015.02.035.
12. A. Cossari, J. C. Ho, G. Paletta, A. J. Ruiz-Torres, “A new heuristic for workload balancing on identical parallel machines and a statistical perspective on the workload balancing criteria”, Computers & Operations Research, 39(7), 1382–1393, 2012. https://doi.org/10.1016/j.cor.2011.08.007.
13. R. Stolletz, J. O. Brunner, “Fair optimization of fortnightly physician schedules with flexible shifts”, European Journal of Operational Research, 219(3), 622–629, 2012. https://doi.org/10.1016/j.ejor.2011.10.038.
14. L. Huang, Y. Gao, F. Xiao, “Balancing workload fairness in task assignment: modeling via piecewise linear approximation”, Applied Sciences, 16(4), 1747, 2026. https://doi.org/10.3390/app16041747.
15. X. Chen, B. W. Thomas, M. Hewitt, “Multi-period technician scheduling with experience-based service times and stochastic customers”, Computers & Operations Research, 82, 1–14, 2017. https://doi.org/10.1016/j.cor.2016.12.026.
16. X. Chen, M. Hewitt, B. W. Thomas, “An approximate dynamic programming method for the multi-period technician scheduling problem with experience-based service times and stochastic customers”, International Journal of Production Economics, 196, 122–134, 2018. https://doi.org/10.1016/j.ijpe.2017.10.028.
17. L. M. Annear, R. Akhavan-Tabatabaei, V. Schmid, “Dynamic assignment of a multi-skilled workforce in job shops: an approximate dynamic programming approach”, European Journal of Operational Research, 306(3), 1109–1125, 2023. https://doi.org/10.1016/j.ejor.2022.08.049.
18. K. Wang, Y. Xiang, W. Chen, “Online task assignment in warehouse considering the pickers’ dynamic capability: A data-driven optimization approach”, Transportation Research Part E: Logistics and Transportation Review, 214, 105040, 2026. https://doi.org/10.1016/j.tre.2026.105040.
19. R. Stolletz, E. Zamorano, “A rolling planning horizon heuristic for scheduling agents with different qualifications”, Transportation Research Part E: Logistics and Transportation Review, 68, 39–52, 2014. https://doi.org/10.1016/j.tre.2014.05.002.
20. I. Tarhan, K. G. Zografos, J. Sutanto, A. Kheiri, H. Suhartanto, “A multi-objective rolling horizon personnel routing and scheduling approach for natural disasters”, Transportation Research Part C: Emerging Technologies, 149, 104029, 2023. https://doi.org/10.1016/j.trc.2023.104029.