Le NIH, une composante du HHS américain, a lancé Optimize NIH pour améliorer l'efficacité et la performance organisationnelles à l'appui de la mission du NIH. Optimize NIH a concentré ses efforts sur la réalisation de gains d'efficacité dans les processus opérationnels des fonctions de gestion des comités, d'éthique et de loi sur la liberté de l'information (FOIA) par le biais d'améliorations à l'échelle de l'entreprise. Une approche de modélisation et de simulation informatique a été utilisée pour mieux comprendre ces processus opérationnels et formuler des recommandations d'amélioration. L'équipe de projet a élaboré des schémas de processus, recueilli des données et développé un modèle informatique et une simulation qui ont été utilisés pour mieux comprendre les ressources nécessaires au traitement des demandes et la manière de déployer au mieux ces ressources à l'échelle de l'organisation. L'approche de modélisation développée pour cette activité et les leçons tirées peuvent être utilisées pour améliorer la prestation de services dans une grande variété de programmes au sein du gouvernement fédéral.
Les NIH sont les gardiens de la recherche médicale et comportementale pour la nation. La mission des NIH est la recherche de connaissances fondamentales sur la nature et le comportement des systèmes vivants et l'application de ces connaissances pour prolonger la vie en bonne santé et réduire le fardeau de la maladie et de l'invalidité. Les NIH se composent du bureau du directeur et de 27 instituts, centres et bureaux de recherche (ICO).
En 2018, les NIH ont été chargés d'analyser les processus et de mettre en œuvre des changements pour améliorer l'efficacité et l'efficience de trois services à l'échelle de l'entreprise qui soutiennent la mission de recherche des NIH. Ces trois fonctions sont la FOIA, la gestion des comités et le soutien à l'éthique. Ces services sont assurés par du personnel interfonctionnel jouant à la fois un rôle centralisé (par exemple, définition de la politique, examen et approbation) et un rôle décentralisé dans l'ensemble des CIO de recherche des NIH (par exemple, réception et lancement des demandes, communication avec les demandeurs).
Au début de ce projet, ces fonctions ne disposaient que de données limitées, voire inexistantes, sur les processus. Les processus consistaient en un flux de travail papier et/ou électronique avec une visibilité limitée. La documentation des processus utilisant une méthode cohérente ou établie de cartographie des processus faisait également défaut. Des systèmes électroniques étaient en place pour certains aspects du déroulement des opérations, mais ces systèmes n'étaient pas conçus pour produire des mesures liées à la performance des processus.
Une approche a été mise au point pour rassembler les informations et les données nécessaires à l'élaboration d'un modèle informatique et d'une simulation des processus au sein de chacune de ces fonctions. Le modèle a ensuite été utilisé comme base pour évaluer les changements proposés avant leur mise en œuvre. Un modèle générique a été mis au point, qui pouvait être rapidement personnalisé et mis à l'échelle pour incorporer plus de 40 processus d'entreprise représentés dans ces trois domaines fonctionnels.
Dans un premier temps, les processus ont été cartographiés à l'aide d'une approche normalisée par des équipes composées d'experts fonctionnels de l'ensemble de l'organisation. Une méthode d'organigramme de déploiement a été utilisée, permettant de capturer les rôles et les responsabilités, les décisions clés ou les différences dans la manière dont le travail est effectué dans l'organisation, et les transferts entre les participants aux processus.
Sur la base de ces diagrammes de processus, un modèle de collecte de données a été mis au point pour recueillir des données significatives. Les données collectées concernaient la demande, les ressources impliquées dans les différentes étapes du processus et une variété de mesures bien définies liées à la durée du processus. Dans la mesure du possible, des données historiques provenant des systèmes informatiques existants ont été collectées. Lorsque les données étaient inexistantes, un groupe représentatif d'experts en la matière, ainsi que la validation obtenue auprès des responsables fonctionnels, ont fourni une gamme d'estimations (moyenne, minimum, maximum, ou résultats estimés de la décision).
Ce modèle a fait l'objet d'un certain nombre d'itérations de validation avec les équipes fonctionnelles afin de s'assurer que le résultat de base était conforme aux attentes. Le modèle a ensuite été utilisé pour évaluer l'impact des changements proposés sur les flux de travail, les ressources et la durée des processus par le biais de changements de politique ou d'investissements dans l'automatisation.
L'utilisation de cette approche a permis de mieux comprendre et de quantifier l'impact des changements de processus à venir. L'impact de la cohérence des processus dans les différents OIC des NIH a pu être mieux quantifié en termes d'utilisation des ressources ou d'impact sur la durée du cycle. Les équipes fonctionnelles ont été mieux à même de démontrer comment des changements particuliers (par exemple, l'acquisition d'un système informatique) allaient influer sur les performances globales du processus.
Les équipes fonctionnelles ont également été mieux à même de comprendre l'effet des différentes manières de déployer les ressources en personnel à différents moments du processus. Les scénarios qui ont été exécutés ont montré comment le personnel pouvait être mis à disposition à certaines phases du processus pour être utilisé ailleurs.
Cette approche de modélisation et de simulation informatique a permis aux décideurs de mieux comprendre l'impact des changements apportés au système sur la prestation de services, ainsi que de mieux identifier, comprendre et atténuer les risques identifiés grâce à l'expérimentation d'un large éventail de scénarios. Cette approche évolutive et modulaire a permis de mettre en place une capacité de prise de décision holistique qui contribue à réduire le risque de sous-optimisation.
L'équipe de l'OQM tient à remercier les responsables des NIH et de l'Office of Research Services/Office of Research Facilities, ainsi que les nombreux membres du personnel qui ont participé à l'effort d'optimisation des NIH. Le modèle informatique et la simulation ont été développés à l'aide de Simio, avec le soutien considérable de Mosimtec, LLC, partenaire de Simio.