GORDAN TOPIĆ Ericsson Nikola Tesla d.d., Zagreb gordan.topic@ericsson.com
PLANIRANJE OSIGURAVANJA KVALITETE U FAZI RAZVOJA, PREDIKCIJOM I INFORMACIJSKOM ANALIZOM REZULTATA DOBIVENIH PRAĆENJEM KVALITETE PROIZVODA Ključne riječi: informacijska kriza, osiguranje kvalitete u fazi razvoja, proizvodnja softvera, inspekcije dokumenata i testiranje, baze podataka, mjerenje i predikcija kvalitete, stablo odlučivanja, entropija, algoritam C5, konkurentnost, održivi razvoj Sažetak Iskustva vodećih svijetskih elektroindustrija i proizvođača softvera govore da skoro 80% pogrešaka u funkcionalnosti proizvoda nastaju već u fazi razvoja, prije negoli je započela faza proizvodnje. Svaka ozbiljna tvrtka mora potencirati osiguranje kvalitete proizvoda u fazi razvoja, u cilju smanjenja troškova i osiguranja opstanka na tržištu. Kako bi se optimiziralo potrošnju resursa, zadržali zahtjevi sukladnosti i postigla planirana kvaliteta proizvoda, javlja se potreba stvaranja metoda i alata za analize i predikcije kvalitete proizvoda, te stvaranja znanja nad brojnim parametrima kvalitete, u čije ponašanje menadžment nije kadar brzo i jednostavno proniknuti samo na temelju mjerenja i promatranja sustava. Problem koji se pojavljuje je nemogućnost donošenja brze odluke i stvaranje kvalitetnog menadžmenta rizika, pri analizi velikih baza podataka dobivenih urednim prikupljanjem u analizi kvalitete proizvoda i sustava proizvodnje. U članku je opisana metoda predviđanja kvalitete temeljena na informacijskoj analizi prikupljenih podataka mjerenja uz pomoć drveta odlučivanja, poznatog kao C5 algoritam. Algoritam je temeljen na informacijskoj teoriji, gdje je korištena entropija kao mjera koja određuje koliko je koji podatak informativan za postizanje kvalitete proizvoda. Informacija je postala temeljni resurs konkurentnosti, međutim, napredak će biti moguć samo održivim razvojem i stavljanjem čovjeka u prvi plan. 1. UVOD Važnost informacijskih sustava i automatizacije procesa neprestano raste u svim područjima ljudskog života i rada [10]. Moderni svijet današnjice nalazi se u informacijskom društvu, gdje je sve više ljudi zaposleno na području prikupljanja podataka i obrade informacija [11]. Zahvaljujući informacijskoj tehnologiji i globalnoj povezanosti, znanje se danas producira i distribuira brže nego ikad [6]. Prema istraživanjima Stanford University USA, cjelokupno ljudsko znanje se od 1960. godine uvećava svakih 5-8 godina, a informacija postaje temeljni resurs poslovanja [8]. U novonastalim odnosima, informacija postaje novi temelj konkurentnosti. Rukovođenje poslovima u tvrtkama nikada nije bilo teže nego danas. Vrijeme za donošenje poslovnih odluka sve je kraće, a utjecaj donesenih odluka sve je dalekosežniji. Odlučujući faktor uspjeha je sposobnost brzog prihvaćanja promjena u načinu rada, komunikacije i usluge [12]. Sreća je naklonjena prilagodljivim i inovativnim tvrtkama, dok onim inertnim preostaje neizvjesna budućnost. Stoga, velike transnacionalne kompanije reorganiziraju svoje upravljačke strukture s ciljem povećanja poslovne uspješnosti. Razvijene zemlje i
5. HRVATSKA KONFERENCIJA O KVALITETI
njihove industrije postaju dominantne, kao jaki proizvođači informacijske opreme i znanja. Dominacija tih zemalja rezultira informacijsko-tehnološkim imperijalizmom, velikim problemom s neugodnim posljedicama za zemlje u razvoju. Informacijska znanost kao umijeće upravljanja i prikupljanja istih je još uvijek dominantno znanje, pod kojim se podrazumjeva ono znanje s kojim manja interesna grupa potčinjava većinu, ostvarujući neku prednost, a najčešće konkurentnost. S druge strane, informacijska kriza zadesila je sva područja ljudske aktivnosti, a vezana je uz pretrpanost podacima, nemogućnost sređivanja, obrade i snalaženja u ogromnoj količini podataka, vrednovanjem informacije i brzom traganju za što relevantnijom informacijom. Neorganiziranost i nemogućnost upravljanjem velikim količinama informacija, glavni je problem zemalja u razvoju. Kvaliteta proizvodnje kao ključni faktor tržišta, direktno je povezana sa stupnjem informatizacije neke tvrtke. Održavanje kvalitete u kompleksnim sustavima sadrži osnovni problem: velika količina podataka, dobivena mjerenjem i promatranjem sustava, ne može biti procesirana ljudskim umom na takav način, da se brzo i lako do dođe ispravnih logičkih zaključaka, nužnih za održavanje i povećanje kvalitete sustava. Kvaliteta proizvodnje i proizvoda je bitan činbenik u konkurentnosti. Promatrati i utjecati na kvalitetu jednog velikog proizvodnog sustava zahtijeva velike analize i prikupljanja podataka iz kojih je gotovo nemoguće donijeti zaključak za korektivnu radnju. Još veći problem je izvesti predikciju ponašanja takvog sistema, mijenjajući parametre u cilju poboljšanja kvalitete. Opća teorija sustava, nastala na poticaj biologa Ludwiga von Bertalanffyja, proklamira izgradnje teoretskih modela na području sistemskih znanosti kako bi se spriječile redundancije i ponavljajuće greške sustava. Shodno tome dolazi do minimizacije paralelnih istraživanja na raznim znanstvenim područjima u korist timskog rada na zajedničkim interdisciplinarnim projektima. Napušta se analitički pristup i sve više se teži spoznaji cjeline, tzv. sistemskom pristupu. Međutim, takav pristup počiva na nužnosti obrade velikog opsega različitih informacija, na temelju kojih se donose odluke o akcijama u sustavu. Stoga, rukovodstva odgovorna za donošenje odluka nekog složenog sustava moraju koristiti pomoćne alate, kojima se brzo obrađuju prikupljeni podaci i donose odluke, kako bi mogle biti poduzete korektivne radnje u sustavu ili korekcije na proizvodu. Drugim riječima, takav pristup omogućuje predikciju sustava, prije negoli je otpočela proizvodnja, budući da je na temelju analiza, mjerenja i ponašanja sustava u prethodnim aktivnostima skupljena i obrađena dovoljna količina relevantnih informacija, kojima je opisano ponašanje tog sustava. Takvo osiguranje kvalitete naziva se osiguranje kvalitete u fazi razvoja.
2. OSIGURAVANJE KVALITETE U FAZI RAZVOJA (ISKUSTVA INDUSTRIJE SOFTVERA) Pristup osiguravanja kvalitete u fazi razvoja smatra se danas najsuvremenijim. Donosi najbolje rezultate u smislu kvalitete zadovoljavanja zahtjeva korisnika i kupca. Prije faze proizvodnje, izvode se analize kvalitete, predviđanja i ispitivanja pouzdanosti u različitim uvjetima. Na takav način osiguranje kvalitete je već ugrađeno u samom razvoju proizvoda. Smatra se da u elektroindustriji i proizvodnji softvera 75-80 % pogrešaka na proizvodu je učinjeno u fazi razvoja. Visok nivo kvalitete proizvoda je potenciranje osiguranja u fazi razvoja, što se svodi na komparativno uklanjanje nedostataka u ranijim fazama razvoja proizvoda, prije negoli je započeo proizvodni proces. Ukoliko se ne primjenjuje ova metoda, onda ostali načini osiguranja kvalitete (kontrolom ili ovladavanjem procesa) nisu mogući ili su vrlo skupi, dok će rezultati osiguranja kvalitete biti ograničeni. Pogreška učinjena u razvoju proizvoda može dovesti cijelo poduzeće u propast, stoga je osiguravanje kvalitete u razvoju i ulaganje u preventivu, osnovno osiguranje kvalitete u nekim osjetljivim industrijama, kao što je, npr. proizvodnja softvera. Poželjno je, a ponekad i nužno da u osiguranju kvalitete u fazi razvoja učestvuju svi odjeli i službe. To je svakako najbolji način osiguranja kvalitete u pogledu troškova [14]. 5. HRVATSKA KONFERENCIJA O KVALITETI
Industrija razvoja i proizvodnje softvera služi se najsloženijim procesima i metodama kako bi iz osnovne misli i ideje budućeg softvera, razvila kvalitetan softver u što kraćem vremenu. Upravo zbog toga nužno se prati i mjeri svaki proces, a svaki se proizvod testira u različitim razvojnim fazama. Time se smanjuje broj programskih pogrešaka u kasnijim fazama razvoja proizvoda, a time troškovi razvoja i budućeg održavanja softvera [1, 2, 5]. Još jedna od značajki softverskih proizvodnih procesa je ta što ne trpe krutost, već podliježu konstantnom prilagođavanju i fleksibilnosti. Osnovno oruđe proizvodnje softvera je ljudski um, mnogo zahtjevniji i sofisticiraniji od bilo koje proizvodne naprave. Stoga, softverski procesi se često razvijaju usporedno s nastajanjem nekog softvera, iteracijski se prilagođavajući kroz veći broj projekata, povećavajući tako svoju učinkovitost na prethodnom iskustvu i znanju. Prisutnost ljudskog faktora u proizvodnji softvera je velika, budući da je niz socioloških i psiholoških faktora uključeno u efikasnost razvojnih procesa. Pojavljuje se nemogućnost praćenja kvalitete i poboljšanja, zbog fluidnosti proizvodnih procesa s obzirom na proizvodne procese drugih industrija. Ljudsku kreativnost teško je pratiti, kontrolirati, mjeriti i usmjeravati, stoga je nužno pronaći načine kako sagledati što više različitih parametara u cilju poboljšanja i predikcije kvalitete softvera i procesa. Te metode moraju brzo, lako i u svakom trenutku donositi zaključke iz mnoštva različitih podataka, prikupljenih na ražličite načine, a tiču se kvalitete proizvodnje softvera. Ovaj članak prikazuje kako poboljšati kvalitetu proizvodnje, predikcijom kvalitete donošenjem zaključaka, temeljenim na informacijskoj analizi prikupljenih podataka u procesima proizvodnje i mjerenja kvalitete softverskih proizvoda.
3. PREDVIĐANJE KVALITETE SOFTVERA STABLOM ODLUČIVANJA Cilj svakog proračunavanja i predviđanja kvalitete u proizvodnji softvera može se svesti na jedinstveni problem prisutan na tržišu: kako optimizirati vrijeme, troškove i ljudske resurse u proizvodnji softvera u odnosu na kvalitetu ili kako proizvesti što kvalitetniji softver u što kraćem vremenu i uz što manje troškove? Dakle, potrebno je donijeti odluku koji od promatranih i mjerenih parametara su prioritetni u proizvodnji. Međutim, javlja se problem: koji skup parametara promatrati i mjeriti kako bi pronašli one koji najviše djeluju na rast kvalitete [2]? Tako je u predviđanje, osim rezultata inspekcija dokumenata, testiranja, planirane potrošnje vremena i novca, te ostalih tehničkih parametara, važno uvesti i parametre poput razine stresa, kompetencije programera, brzine programiranja, radnih uvjeta i okoline, motivacije i zadovoljstva, učestalih promjena zahtjeva na funkcionalnost, te mnogih drugih parametara koje možemo proizvoljno odabrati. Ti odabrani parametri ne moraju se činiti važnim. Možda je nemoguće uvidjeti njihove uzročno-posljedične veze s kvalitetom, međutim, njihova moguća važnost i uzročnost bit će dokazana tek informacijskom analizom nad ispravno prikupljenim podacima. Bitna je što veća točnost prikupljenih podataka iz mjerenja i svih ostalih informacija koje smatramo relevantnim za prosuđivanje kvalitete nekog proizvoda, a donošenje zaključaka stvar je informacijske analize, tj. algoritma kojim obrađujemo nepregledne baze podataka i dobivamo korisno znanje nad tim podacima. Stoga, ograničavanje na parametre isključivo tehničke prirode, bez da se uzmu u obzir psiho-sociološki, vode tradicionalnom analitičkom pristupu koji nije dovoljan za kvalitetno zaključivanje, a time i za poduzimanje adekvatnih korektivnih akcija nad procesom ili u timu ljudi koji su u proizvodnom lancu. Analitički pristup mora biti zamijenjen sistemskim mišljenjem u kojem je važna spoznaja cjeline, jer sistemski pristup omogućuje promatranje tehnologije s humanističkog stanovišta pri čemu se ne zanemaruje niti jedna komponenta [8]. U ovom slučaju među psiho-sociološke parametre svrstani su količina stresa i motivacije za rad, koji su time uključeni kao vrlo bitna komponenta predviđanja kvalitate softvera. Kao model prikazan je mali primjer s nekolicinom atributa izvedenih na temelju mjerenja 20 različitih 5. HRVATSKA KONFERENCIJA O KVALITETI
programskih modula, kodiranih od različitih programera pod različitim radnim uvjetima. Atributi predstavljaju pojednostavljeni opis promatranih parametara prikladan za informacijsku analizu pomoću algoritma C5, koji je usavršena verzija Quinlanovog ID3/C4.5 algoritma za stvaranje klasifikacijskog stabla odlučivanja [7]. Tablica 1 prikazuje neke od modula čiji su dokumenti prošli inspekciju, dok je istovremeno svaki od modula prošao kroz osnovno i funkcijsko testiranje.
Tablica 1: Rezultati inpekcija dokumenata i testiranja (prikaz rezultata 5 modula) Ime modula
Inspekcijsko vrijeme [h]
M-0 M-1 M-2 M-3 M-4
10 4 18 10 4
INSPEKCIJA Broj Broj stranica pogrešaka
8 7 18 51 14
2 3 9 10 7
Brzina [str/h] inspektiranja
Volumen koda u linijama
TESTIRANJE greške funkc. testa (TR)
gustoća pogrešaka (FD)
0.8 1.75 1 5.1 3.5
3347 2324 6841 4563 1320
2 2 6 3 3
0.6 0.86 0.88 0.66 2.27
Kvalitetu svakog modula predstavlja omjer broja prijavljenih pogrešaka u funkcijskom testiranju i volumena koda (engl. Fault Density). Volumen koda mjeren je programom koji računa efektivni broj linija koda, isključujući komentare i prazne redove. Broj prijavljenih grešaka u funkcijskom testiranju po svakom modulu, dobiven je kao izlazna veličina procesa za ispravljanje funkcijskih grešaka (engl. Trouble Report Process). Na temelju omjera gustoće pogrešaka, postavlja se granica kvalitete svakog pojedinačnog modula, iznad koje se modul smatra nekvalitetnim. Kvaliteta modula je osnovni atribut klasifikacije. Atributi s pripadajućim vrijednostima prikazani su u Tablici 2. Tablica atributa definira se na temelju proračuna, zapisa mjerenja i zapažanja rukovodstva. Nakon definicije tablice atributa, potrebno je primijeniti te atribute na Tablicu 1 i kreirati bazu podataka mjerenih modula, prikladnu za postupak učenja C5 algoritma.
Tablica 2: Atributi, njihove vrijednosti i izvor podataka ATRIBUT BRZINA PROGRAMIRANJA STRES INSPEKCIJE PROGRAMER KVALITETA
VRIJEDNOSTI velika, mala, umjerena visok, normalan, nizak da, ne ekspert, iskusan, neiskusan Kvalitetno, Nekvalitetno
IZVEDENO IZ Projektnog rukovodstva Linijskog rukovodstva Inspekcijskih zapisa Rukovodstva za kompetencije Gustoće pogrešaka (FD)
Baza podataka je temeljena na rezultatima mjerenja 20 programskih modula (dio njih prikazan je u Tablici 1) i promatranju ponašanja programera od strane rukovodstva na odjelu za razvoj telekomunikacijskog softvera. Dakle, tablica sadrži 20 zapisa, od kojih svaki sadrži diskretne vrijednosti 5 različitih atributa, opisanih u Tablici 2. Tablica 3 sadrži zapise pripremljene za informacijsku obradu C5 algoritmom, koji su nastali primjenom Tablice 2 na Tablicu 1.
5. HRVATSKA KONFERENCIJA O KVALITETI
Tablica 3: Baza podataka s diskretnim vrijednostima BR. 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
PROGRAMER ekspert ekspert ekspert ekspert ekspert ekspert ekspert neiskusan neiskusan neiskusan neiskusan neiskusan neiskusan iskusan iskusan iskusan iskusan iskusan iskusan iskusan
BRZINA PROGRAMIRANJA velika mala umjerena umjerena velika umjerena mala velika mala umjerena mala umjerena velika velika umjerena mala umjerena umjerena umjerena umjerena
INSPEKCIJE
STRES
da ne da ne ne ne da da da ne ne da ne da ne ne ne da ne ne
visok normalan nizak nizak visok visok normalan visok normalan normalan normalan normalan normalan normalan normalan visok nizak normalan visok normalan
KVALITETA Kvalitetno Kvalitetno Kvalitetno Kvalitetno Kvalitetno Nekvalitetno Kvalitetno Nekvalitetno Kvalitetno Nekvalitetno Nekvalitetno Kvalitetno Nekvalitetno Kvalitetno Nekvalitetno Nekvalitetno Kvalitetno Kvalitetno Nekvalitetno Nekvalitetno
Algoritam C5 proizvest će stablo odlučivanja iz Tablice 3, koje će na temelju pitanja i odgovora prva četiri atributa, a uz pomoć posljednjeg atributa (KVALITETA), ispravno predvidjeti vrijednost istog (Kvalitetno, Nekvalitetno) [2, 7]. Stvoreno na temelju Tablice 3, prikazano je stablo odlučivanja na Slici 1. Stablo odlučivanja sastoji se od čvorova koji predstavljaju atribute, dok su grane stabla vrijednosti tih atributa. Ishodišni čvor je najinformativniji čvor, odakle se metodom pitanja i odgovora stvara put do rezultata kojeg predstavlja završni čvor, u našem slučaju vrijednost atributa KVALITETA. U zagradi pored završnog čvora, navedena je količina zapisa Tablice 3, koliko ih zadovoljava uvjete te rute. Takvo gotovo stablo može biti korišteno za testiranje i predviđanje nekog drugog fiktivnog zapisa koji ima istu strukturu atributa i vrijednosti, te se uz određeni postotak može tvrditi kakva će biti kvaliteta modula koji će biti stvoren u navedenim okolnostima. Osnovne značajke C5 algoritma su: svaki čvor stabla odlučivanja korespondira ulaznom atributu, grane u stablu predstavljaju moguće vrijednosti pojedinih atributa, put od korijena do završnog čvora stabla predstavlja put s najvećom informativnošću do tog završnog čvora, a entropija je korištena kao mjera za određivanje informativnosti svakog pojedinog ulaznog atributa prema izlaznom. Entropija je prema Shannonu, mjera za nesređenost sistema korištena u komunikacijskim sustavima [9]. Količina informativnosti svakog pojedinog atributa računa se kao razlika ukupne entropije i entropije dotičnog atributa. Nakon toga se atribut s najvećom informativnošću postavlja kao ishodišni čvor s vrijednostima kao granama. U ovom slučaju, atribut (INSPEKCIJE) je proračunat kao najinformativniji i postavljen kao ishodišni čvor. Algoritam je rekurzivan pa se isti postupak ponavlja na svakom nivou, sve dok ne ostanu iste vrijednosti izlaznog atributa koje tvore završni čvor [2]. 5. HRVATSKA KONFERENCIJA O KVALITETI
INSPEKCIJE = da: ├─STRES [normalan, nizak]: Kvalitetno! (6) │ STRES = visok: │ └─PROGRAMER = ekspert: Kvalitetno! (1) │ PROGRAMER [neiskusan, iskusan]: Nekvalitetno! (1) INSPEKCIJE = ne: └ STRES = nizak: Kvalitetno! (2) STRES [visok, normalan]: └BRZINA PROGRAMIRANJA [velika, umjerena]: Nekvalitetno! (7) BRZINA PROGRAMIRANJA = mala: └─PROGRAMER = ekspert: Kvalitetno! (1) PROGRAMER [neiskusan, iskusan]: Nekvalitetno! (2) Slika 1. Stablo odlučivanja dobiveno C5 algoritmom
Kad je stablo odlučivanja jednom stvoreno ono može poslužiti kao alat za testiranje prema parametrima koji ga tvore. Struktura razdiobe zapisa prema stablu odlučivanja, daje statistiku pravila koja tvore zaključke informacijske analize. Najbitnija pravila i njihova pouzdanost, kao rezultat informacijske analize Tablice 3, prikazana su u Tablici 4:
Tablica 4: Pravila i njihova statistika predviđanja Br. 1
2 3 4 5 6
ATRIBUTI BRZINA PROGRAMIRANJA [velika, umjerena] INSPEKCIJE = ne STRES [visok, normalan] PROGRAMER [neiskusan, iskusan] INSPEKCIJE = ne STRES [visok, normalan] PROGRAMER [neiskusan, iskusan] STRES [visok] INSPEKCIJE = da STRES = nizak PROGRAMER = ekspert BRZINA PROGRAMIRANJA = mala
SIGURNOST
KLASA
88.9 %
Nekvalitetno
88.9 %
Nekvalitetno
80 %
Nekvalitetno
80 % 80 %
Kvalitetno Kvalitetno
75 %
Kvalitetno
Iz Tablice 4 je vidljivo koje kombinacije atributa i njihovih vrijednosti daju najpouzdanije pretpostavke koje mogu biti korištene kao metode predviđanja, jer predstavljaju znanje vezano uz sustav koji smo promatrali. Tako se npr. vidi se da izrada kvalitetnog softvera jako ovisi o inspekcijama dokumenata i niskoj razini stresa, stoga primjenom ovih pravila u praksi možemo osigurati i povećati kvalitetu softverskog proizvoda. Sličan model analize velikih i složenih baza podataka.), može biti korišten u bilo kojoj grani industrije ili znanosti. Baze podataka mogu biti stvorene iz promatranja i
5. HRVATSKA KONFERENCIJA O KVALITETI
mjerenja bilo kojeg proizvodnog ili poslovnog sustava i njegovih elemenata (bez obzira bili to ljudi, procesi, proizvod, uvjeti proizvodnje i sl. Bitno je imati dovoljnu količinu pronicljivosti i znanja da bi se odlučilo što i na koji način promatrati, što znači da sustav mora biti dobro upoznat.
4. ZAKLJUČAK Diktat budućnosti i tehnologije stvarat će sve veće i složenije sustave. U tim sustavima ljudski faktor odlučivanja igrat će presudnu ulogu. Složenost tih sustava zahtijevat će pomoćna tehnološka sredstva kojima će biti moguće donositi pravovremene aktivnosti s ciljem održavanja kvalitete i poboljšanja sustava. Sustavi neće biti promatrani isključivo na procesno-proizvodni način, već će se u svrhu održivog razvoja, morati prihvatiti sistemski pristup rješavanja problema, što znači da će čovjek i njegova priroda imati centralno mjesto. [4]. Današnji položaj čovjeka u galopirajućoj tehnologiji je neodrživ: potencijalna informacijska preopterećenost jedna je od negativnih efekata informatizacije. Ljudske sposobnosti primanja informacija čulima i razumom su ograničene, a povećani pritisak u tom smislu izaziva neurozu, bijes i otupljelost. Informacijska tehnologija pojavljuje se kao sredstvo napada na privatni život, izvor stresa, pojačanja otuđenosti, manipulacije i sukoba. Pitanje je do koje granice će ljudsko tijelo biti sposobno prihvaćati ogromne količine informacija i različitih podražaja, bez da ostane traga na njegovom psihičkom zdravlju. Mnoga od novijih tehnoloških unaprjeđenja namijenjena radu u uredima, ignoriraju logiku ljudskog ponašanja. Na taj se način u uredski život i rad unosi dodatna konfuzija. Neprilagođena tehnologija i procesi rezultiraju stresnim radnim okruženjem, radnim mjestom koje nije humano niti efikasno. Današnji uredi, preplavljeni digitalnim napravama raznih profila, imaju malo veze s jednostavnim i shvatljivim radnim mjestom nedavne prošlosti [13]. Stoga, održavanje kvalitete proizvoda i sustava, kao i rješenje informacijske krize ima, osim ekonomske, i društveno-humanističku važnost koja zahtijeva radikalnu promjenu svijesti. Postavlja se i pitanje definicije kvalitete: da li je kvaliteta vezana isključivo uz profit i zadovoljstvo kupaca. Osiguranje kvalitete znači održivi razvoj, tj. osiguranje bolje kvalitete svima – sadašnjem naraštaju i onima koji tek dolaze. Rukovodstva moraju naučiti razmišljati o društvenoj vrijednosti i vrijednosti okoliša, unaprijed. Poslovni svijet doprinosit će u održivom ekonomskom razvoju, radeći sa zaposlenicima, njihovim obiteljima, lokalnom zajednicom i društvom u cjelini kako bi se poboljšala kvaliteta života. Današnja ekonomija započinje eru ekodjelotvornosti, kao neophodni strateški element u ekonomiji zasnovanoj na znanju i njegovoj integraciji. U tome leži buduća konkurentnost [4]. Stoga, ne treba robovati standardima, već se koncentrirati na poslovnu efikasnost, okoliš i napredak ljudske zajednice. Prihvatiti tendencije održivog razvoja u cilju stvaranja kvalitetnijeg tržišta. Omogućiti protok informacija kroz sve slojeve uprave i poduzeća i iskoristiti to u sistemskom pristupu koji podržava takav trend, jer danas se tokovi informacija u tvrtkama svode na feudalno informacijsko okruženje u kojem menadžeri pojedinih poslovnih jedinica zadržavaju sve vrijedne informacije za sebe, a s druge strane stvaraju privid slobodnog toka informacija [13] Nadasve treba dati odlučan akcent na tokove znanja i svjesnosti, te na taj način biti konkurentan, tj. udovoljiti ljudskim potrebama koje čine život kvalitetnijim, i to bez nepovoljnih učinaka na okoliš. Ako se ne prate dostignuća znanosti i tehnologije, povećava se vjerojatnost donošenja pogrešnih odluka što može imati pogubne posljedice za pojedine ljudske djelatnosti i društvenu zajednicu [3]
5. HRVATSKA KONFERENCIJA O KVALITETI
5. LITERATURA [1]
[2]
[3] [4]
[5] [6] [7]
[8] [9] [10] [11] [12] [13] [14]
G. Topić and D. Jevtić, Process Measuring and Monitoring in Multi-Process Industry Using Petri Nets Technology In Accordance with ISO 9000:2000, Proceedings of the 10th International Conference on Software, Telecommunications and Computer Networks - SoftCOM 2002, pp. 35-39, Split, Venice, Ancona, Dubrovnik, Croatia, 2002. G. Topić anf D. Jevtić, Software Quality Prediction Based on Information Analysis – A Decision Tree Approach, Proceedings of the 11th International Conference on Software, Telecommunications and Computer Networks - SoftCOM 2003, pp. 277-281, Split, Venice, Ancona, Dubrovnik, Croatia, 2003. V. Srića, Osnove informatike, Ekonomska biblioteka, Zagreb 1985. Hrvatski poslovni savjet za održivi razvoj – HRPSOR, Poslovni svijet u održivom razvoju: Ususret Svjetskom skupu u Johannesburgu 2002 i nakon toga, World Business Council for Suitable Development, ISBN 953-98964-0-1 Ericsson Quality Institute, Ericsson Quality Auditing, LME-Q 038 19-EN-LZU 110 7112-29 Uen Rev A 1995-04-18. Tom Gilb and D. Graham, Software Inspections, Addison Wesley Longman Limited, 1993. UGAI Lectures, Workshop: Building Classification Models: ID3 and C4.5, Providing and Integrating Educational Resources for Faculty Teaching Artificial Intelligence, Temple University in Philadelphia, June 20 - June 25, 1994. V. Srića, Poslovna Informatika, Društvo za razvoj informatičke pismenosti, Zagreb 1992. Tutorial: Decision Trees: ID3, Monash University, Faculty of Information Technology, CSE5230 Data Mining, Semester 2, 2002. V. Srića, Budućnost i perspektive informatike, Osnove informatike, Ekonomska biblioteka, Varaždin 1985. M. Tuđman, Obavijest i znanje, Radovi zavoda za informacijske studije, knjiga 2, Zagreb 1990. M. Valdevit, 1997 Godina opasnog življenja, List hrvatske pošte i telekomunikacija, HPT s p.o, broj 3/97 M. Valdevit, Kako preživjeti u informacijskom gospodarstvu, List hrvatske pošte i telekomunikacija, HPT s p.o, broj 4/97 6. škola kvalitete – Biro Q, 1. tematska skupina, Kvaliteta u svijetu – razvoj, Opatija 29.1-2.2. 2001, (pripremio: Lotar Kozina)
5. HRVATSKA KONFERENCIJA O KVALITETI