GORDAN TOPIĆ

Ericsson Nikola Tesla d.d.

Krapinska 45, ZAGREB
Research & Development Center
E-mail: gordan.topic@ericsson.com
Tel: 01/ 365 4618

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

APSTRAKT: Iskustva vodećih svijetskih elektroindustrija i proizvođača softvera govore da

skoro 80% pogrešaka u funkcionalnosti proizvoda nastaju već u fazi razvoja, prije nego li 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
optimizitralo 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
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
počinjava 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 zahtjeva 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
ima 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 nego li 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 uvijetima. 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 nego li 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].
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 veliko, 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
programskih modula, kodiranih od različitih programera pod različitim radnim uvjetima. Atributi
predstavljaju pojednostavljeni opis promatranih parametara prikladan za informacijsku analizu s
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)

INSPEKCIJA TESTIRANJE
Ime Inspekcijsko Broj Broj Brzina [str/h] Volumen koda greške funkc. gustoća
modula vrijeme [h] stranica pogrešaka inspektiranja u linijama testa (TR) pogrešaka (FD)
M-0 10 8 2 0.8 3347 2 0.6
M-1 4 7 3 1.75 2324 2 0.86
M-2 18 18 9 1 6841 6 0.88
M-3 10 51 10 5.1 4563 3 0.66
M-4 4 14 7 3.5 1320 3 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 VRIJEDNOSTI IZVEDENO IZ

BRZINA PROGRAMIRANJA velika, mala, umjerena Projektnog rukovodstva
STRES visok, normalan, nizak Linijskog rukovodstva
INSPEKCIJE da, ne Inspekcijskih zapisa
PROGRAMER ekspert, iskusan, neiskusan Rukovodstva za kompetencije
KVALITETA Kvalitetno, Nekvalitetno 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.

Tablica 3: Baza podataka s diskretnim vrijednostima

BRZINA
BR. PROGRAMER INSPEKCIJE STRES KVALITETA
PROGRAMIRANJA
0 ekspert velika da visok Kvalitetno
1 ekspert mala ne normalan Kvalitetno
2 ekspert umjerena da nizak Kvalitetno
3 ekspert umjerena ne nizak Kvalitetno
4 ekspert velika ne visok Kvalitetno
5 ekspert umjerena ne visok Nekvalitetno
6 ekspert mala da normalan Kvalitetno
7 neiskusan velika da visok Nekvalitetno
8 neiskusan mala da normalan Kvalitetno
9 neiskusan umjerena ne normalan Nekvalitetno
10 neiskusan mala ne normalan Nekvalitetno
11 neiskusan umjerena da normalan Kvalitetno
12 neiskusan velika ne normalan Nekvalitetno
13 iskusan velika da normalan Kvalitetno
14 iskusan umjerena ne normalan Nekvalitetno
15 iskusan mala ne visok Nekvalitetno
16 iskusan umjerena ne nizak Kvalitetno
17 iskusan umjerena da normalan Kvalitetno
18 iskusan umjerena ne visok Nekvalitetno
19 iskusan umjerena ne normalan 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 nesređenosti 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].

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. ATRIBUTI SIGURNOST KLASA
BRZINA PROGRAMIRANJA [velika, umjerena]
1 INSPEKCIJE = ne 88.9 % Nekvalitetno
STRES [visok, normalan]
PROGRAMER [neiskusan, iskusan]
2 INSPEKCIJE = ne 88.9 % Nekvalitetno
STRES [visok, normalan]
PROGRAMER [neiskusan, iskusan]
3 80 % Nekvalitetno
STRES [visok]
4 INSPEKCIJE = da 80 % Kvalitetno
5 STRES = nizak 80 % Kvalitetno
PROGRAMER = ekspert
6 75 % Kvalitetno
BRZINA PROGRAMIRANJA = mala
 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
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 zahtjevat 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 unaprijeđenja namjenjena radu u uredima,
ignoriraju logiku ljudskog ponašanja. Na taj se način u uredski život i rad unosi dodatna konfuzija.
Neprilagođena tehnologija i procesi rezultoraju 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 zahtjeva 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]
 Nadsve, dati odlučan akcent na tokove znanja i svjesnosti, te na taj način biti konkurentan, tj.
udovoljiti ljudskim potrebama koje čine život kvalitetnijim, 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. LITERATURA

[1] 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.
[2] 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.
[3] V. Srića, Osnove informatike, Ekonomska biblioteka, Zagreb 1985.
[4] 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
[5] Ericsson Quality Institute, Ericsson Quality Auditing, LME-Q 038 19-EN-LZU 110 7112-29
Uen Rev A 1995-04-18.
[6] Tom Gilb and D. Graham, Software Inspections, Addison Wesley Longman Limited, 1993.
[7] 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.
[8] V. Srića, Poslovna Informatika, Društvo za razvoj informatičke pismenosti, Zagreb 1992.
[9] Tutorial: Decision Trees: ID3, Monash University, Faculty of Information Technology,
CSE5230 Data Mining, Semester 2, 2002.
[10] V. Srića, Budućnost i perspektive informatike, Osnove informatike, Ekonomska biblioteka,
Varaždin 1985.
[11] M. Tuđman, Obavijest i znanje, Radovi zavoda za informacijske studije, knjiga 2, Zagreb 1990.
[12] M. Valdevit, 1997 Godina opasnog življenja, List hrvatske pošte i telekomunikacija, HPT s p.o,
broj 3/97
[13] M. Valdevit, Kako preživjeti u informacijskom gospodarstvu, List hrvatske pošte i
telekomunikacija, HPT s p.o, broj 4/97
[14] 6. škola kvalitete – Biro Q, 1. tematska skupina, Kvaliteta u svijetu – razvoj, Opatija 29.1-2.2.
2001, (pripremio: Lotar Kozina)