9.3.2. Metriky pre proces ------------------------- Medzi najd“le§itejçie meran‚ atrib£ty procesov patria Ÿas, £silie (Ÿloveko-mesiace), n klady (za vçetky zdroje), riadite–nosœ, pozorovate–nosœ a stabilita (v zmysle stability k Ÿasu, zmen m person lu atÔ.). Jednotliv‚ metriky je mo§n‚ vzœahovaœ ku vçetkìm procesom, ktor‚ s£ vykon van‚ pri tvorbe softv‚ru, tzn. tvorba çpecifik cie, n vrh, k¢dovanie, testovanie a £dr§ba. Najzn mejçie metriky pre meranie procesov s£ nasledovn‚: n klady cenov  intenzita procesu = --------- Ÿas £silie pracovn  intenzita procesu = -------- Ÿas poŸet n jdenìch chìb priemern  cena zistenia chyby = ---------------------- n klady poŸet zlyhan¡ priemernì poŸet zlyhan¡ = --------------- Ÿas Odhady pre n klady a Ÿas ------------------------ Pri odhadoch r“znych charakterist¡k procesu tvorby programu vystupuj£ do popredia dve z kladn‚ metriky: n klady a Ÿas. Najm„ z h–adiska managementu je potrebn‚ maœ k dispoz¡cii met¢dy, ktor‚ umo§nia odhadn£œ n klady a potrebnì Ÿas na vìvoj nov‚ho syst‚mu. Z analìz v organiz ci ch produkuj£cich softv‚r vyplìva, §e iba m lo organiz ci¡ vykon va meranie n kladov na produkt. Vìsledkom tejto skutoŸnosti je, §e skutoŸn  cena produktu nie je zn ma. Organiz cie vykon vaj£ce tieto merania sa musia uistiœ, §e ch pu podstatu svojich meran¡. V opaŸnom pr¡pade m“§e d“jsœ k skresleniu vìsledkov merania. Met¢dy odhadu n kladov a Ÿasu je mo§n‚ rozdeliœ do çtyroch skup¡n: - dekompoz¡cia - expertn‚ odhady - anal¢gia - modely Odhady pomocou dekompoz¡cie s£ zalo§en‚ na rozdelen¡ projektu na jednotliv‚ etapy. Toto rozde–ovanie na jednoduhçie celky m“§e maœ viacero £rovn¡. N klady a zdroje na jednotliv‚ (jednoduhçie) etapy m“§u byœ urŸen‚ kvalifikovanìm odhadom, porovn van¡m s podobnìmi £lohami realizovanìmi v minulosti, alebo kombin ciou oboch pr¡stupov. Pre odhad n kladov a Ÿasu pre celì projekt sa vykon  jednoduch  sum cia predikci¡ pre jednotliv‚ epapy. Expertnì odhad s£ zalo§en‚ na z¡skan¡ "anonymnìch" predikci¡ od viacerìch expertov, spojenìch s od“vodneniami. Potom sa jednotliv‚ odhady medzi expertami vymenia a experti s£ po§iadanì prehodnotiœ svoj vlastnì odhad na z klade inform ci¡ z¡skanìch z Ôalç¡ch odhadov. Tento proces sa opakuje, ak §iaden expert svoj odhad na z klade dodatoŸnìch inform ci¡ nemen¡. Ako odhad projektu sa vyberie priemern  hodnota, hoci na z klade tìchto odhadov nie je mo§n‚ urŸiœ presnosœ vìsledn‚ho odhadu. Anal¢gia je zalo§en  na existencii £dajov o n kladoch z predch dzaj£cich porovnate–nìch projektov. Pri anal¢gii je potrebn‚ urŸiœ glob lne charakteristiky analyzovan‚ho projektu, n jsœ podobnì, v minulosti rieçenì projekt a vybraœ udaje z predch dzaj£ceho projektu ako inici lnu predikciu. Inici lna predikcia sa m“§e spresniœ na z klade çpecif¡k analyzovan‚ho projektu. Anal¢gia vçak je zalo§en  na subjekt¡vnom urŸovan¡ podobnosti projektu, preto nie je objekt¡vnym hodnoten¡m zlo§itosti. Modely s£ zalo§en‚ na urŸen¡ n kladov a Ÿasu v z vislosti od inìch merate–nìch atrib£tov projektu. Najzn mejç¡m modelom je COCOMO (COnstructive COst MOdel). Tento model m  3 £rovne, z visiace od podrobnosti a prec¡znosti odhadu: - jednoduchì (simple) urŸenì pre poŸiatoŸn‚ hrub‚ odhady - strednì (intermediate) pou§ite–nì ak boli identifikovan‚ hlavn‚ komponenty syst‚mu - detailnì (detailed) pou§ite–nì ak boli identifikovan‚ jednotliv‚ moduly syst‚mu Pre ka§d£ uroveå je definovan  rovnica, ktor  definuje potrebn‚ usilie (napr. v Ÿloveko-mesiacoch) v z vislosti na Ôalç¡ch merate–nìch atrib£toch. Pre jednoduchì model COCOMO je rovnica definovan  nasledovne: b £silie = a * (rozsah) kde £silie je odhad v Ÿloveko-mesiacoch a rozsah definuje odhad ve–kosti syst‚mu v KDSI (tis¡coch dodanìch zdrojovìch inçtrukci¡). Konçtanty a a b z visia od typu vyv¡jan‚ho syst‚mu. Tieto hodnoty m“§u byœ nasletovn‚: - organic definuje syst‚m, ktorì sa bude vyv¡jaœ samostatne, v r mci jednej firmy. Pre tento typ syst‚mu maj£ konçtanty nasledovn‚ hodnoty a = 2.4 b = 1.05 - embedded reprezentuje syst‚m s aplik ciou v re lnom Ÿase, alebo syst‚m s viacerìmi ohraniŸeniami, ktor‚ komplikuj£ jeho vìvoj. V tomto pr¡pade maj£ konçtanty nasledovn‚ hodnoty: a = 3.6 b = 1.20 - semi-detached reprezentuje syst‚m medzi organic a embedded. Konçtanty maj£ nasledovn‚ hodnoty: a = 3.0 b = 1.12 Strednì a detailnì model COCOMO v rovnici vych dza z 15 r“znych charakterist¡k syst‚mu. K tìmto charakteristik m patr¡ po§adovan  spo–ahlivosœ, zlo§itosœ, pou§itie podpornìch prostriedkov, po§adovan‚ casov‚ harmonogramy, ohraniŸenia na vykonate–n£ verziu a schopnosti a sk£senosti person lu. Podrobnejç¡m popisom tohoto modelu sa budeme venovaœ v samostatnej Ÿasti. Testovanie ---------- V pr¡pade testovania je mo§n‚ definovaœ efektivitu testovania. T to bìva definovan  pre r“zne strat‚gie pokrytia nasledovne: TER = ------------------------------------------------- T TER = --------------------------------- B 9.3.3. Metriky pre zdroje ------------------------- Medzi zdroje v procese tvorby softv‚rovìch syst‚mov je mo§n‚ zahrn£œ person l, vìpoŸtov‚ syst‚my, softv‚rov‚ prostriedky, pracovn‚ priestory, kni§niŸn‚ slu§by, slu§by tlaŸe a kop¡rovania. Atrib£ty person lu ------------------ Z kladn‚ charakteristiky person lu (sk£senosti, kvalitu pr ce a produktivitu) je mo§n‚ definovaœ jednak pre jednotliv‚ osoby, ako aj pre celì t¡m. NebezpeŸenstvo pri meran¡ atrib£tov t¡mov spoŸ¡va v efekte sum cie schopnost¡ jednotlivcov do schopnost¡ t¡mu. Jednou z najd“le§itejç¡ch charakterist¡k person lu je jeho produktivita. Produktivitu person lu (Ÿi u§ cel‚ho t¡mu alebo konkr‚tneho Ÿloveka) nemo§no meraœ priamo, napr. iba poŸtom riadkov vytvoren‚ho k¢du. V tomto pr¡pade je potrebn‚ meraœ istì atrib£t d vaj£ci indik ciu kvality a rozsahu produktu spolu s atrib£tov identifikuj£cim zdroje potrebn‚ pre vìvoj produktu. Produktivitu je potom mo§n‚ z¡skaœ pod–a nasledovn‚ho vzorca: "ve–kosœ" vytvorenej pr ce produktivita = ----------------------------- vynalo§en‚ £silia a n klady V pr¡pade sledovania produktivity program torov sa ve–mi Ÿasto d va podielu vytvorenì k¢d (LOC) a Ÿas vytvorenie tohoto k¢du (Ÿloveko-mesiace). Takìto sp“sob merania produktivity m  jedin£ vìhodu - mo§nosœ automatick‚ho sledovania. Jeho nevìhody s£ nasledovn‚: - nezoh–adåuje kvalitu a funkcionalitu vytvoren‚ho k¢du - vstup je meranì iba vzh–adom na Ÿas, nezoh–adnuj£ sa Ôalçie atrib£tu zdrojov (napr. sk£senosti, vzdelanie) - t£to metriku nie je mo§n‚ pou§¡vaœ ako jedinì ukazovate– produktivity Alternat¡vnou metrikou pre produktivitu je meranie "ve–kosti" produktu vo function points. T to metrika d va presnejçie ohodnotenie hodnoty vytvoren‚ho produktu. Òalçou d“le§itou charakteristikou pracovnìch t¡mov je zlo§itosœ komunik cie v r mci t¡mu. ætrukt£ra komunik cie v t¡me m“§e byœ reprezentovan  grafov, v ktorom uzly reprezentuj£ indiv¡du  v t¡me a hrany reprezentuj£ komunikaŸnìm kan lom medzi Ÿlenmi t¡mu. Pre meranie zlo§itosti komunik cie je mo§n‚ pou§iœ nasledovn‚ metriky: rozsah çtrukt£ry definovanì ako poŸet uzlov v komunikaŸnom grafe hustota komunik cie definovan  ako podiel uzlov a hr n v komunikaŸnom grafe individu lna £roveå konunik cie definovan  ako stupeå zodpovedaj£ceho uzla, tzn. poŸet hr n dan‚ho uzla priemern  individu lna £roveå konunik cie definovan  ako priemern  hodnota individu lnej £rovne komunik cie Òalçou d“le§itou charakteristiokou person lu je jeho sk£senosœ Individu lna sk£senosœ bìva obvykle ud van  v ordin lnej stupnici, napr¡klad: 1 - §iadne predch dzaj£ce sk£senosti 2 - do 20 hod¡n praktickej pr ce (sk£senosti) na projekte 3 - do 100 hod¡n praktickej pr ce (sk£senosti) na projekte 4 - viac ako 100 hod¡n praktickej pr ce (sk£senosti) na projekte Platn‚ ohodnotenie (metrika) sk£senosti t¡mu m“§e byœ definovan‚ ako medi n individu lnych sk£senost¡. V pr¡pade malìch t¡mov m“§e tento sp“sob ud vaœ zav dzaj£ce vìsledky, napr. medi n z mno§iny {1,1,1,4,4} je 1. Atrib£ty vìpoŸtovìch syst‚mov ----------------------------- Atrib£ty vìpoŸtovìch syst‚mov s£ relat¡vne presne definovan‚ a merate–n‚. K tìmto atrib£tom patr¡ vìpoŸtov  rìchlosœ (jednotka MIPS), kapacita operaŸnej pam„œe, kapacita externej pam„œe, pr¡stupov  rìchlosœ k externej pam„ti a priemernì Ÿas odozvy. Aj k takto "dobre" definovanìm metrik m vçak treba pristupovaœ opatrne. Ako varovania m“§u sl£§iœ nasledovn‚ pr¡klady: - pre RISC procesor je rìchlosœ v MIPS relat¡vne vysok , preto§e strojov‚ inçtrukcie s£ jednoduch‚ a vykon van‚ na menej strojovìch taktov. V tomto pr¡pade sa Ÿasto pou§¡va na meranie rìchlosti tzv. Gibsonov inçtrukŸnì s£bor. - pre program, ktorì intenz¡vne vyu§¡va disk m“§e byœ £daj o pr¡stupovej dobe k disku d“le§itejç¡ ako rìchlosœ procesora Atrib£ty softv‚rovìch prostriedkov ---------------------------------- Softv‚rovì prostriedok s m osebe predstavuje produkt vìvoja sotv‚ru. Z tohoto d“vodu je pre softv‚rov‚ prostriedky mo§n‚ aplikovaœ vçetky metriky pre produkty. Naviac metriky d vaj£ce indik ciu miery zefekt¡vnenia pr ce pri pou§it¡ softv‚rov‚ho prostriedku m“§u byœ taktie§ u§itoŸn‚. Samostatnìm atrib£tom je miera vyu§¡vania softv‚rovìch podpornìch prostriedkov. V tomto pr¡pade sa taktie§ vyu§¡va ordin lna stupnica, ktor£ je mo§n‚ ilustrovaœ pre pr¡pad pou§itia ladiacich prostriedkov: 0 - §iadne ladiace prostriedky okrem editora 1 - editor s trasovac¡mi mo§nosœami 2 - editor s trasovan¡m a analìzou tokov 3 - editor s trasovan¡m, analìzou tokov a vz jomnìmi referenciami Atrib£ty pracovn‚ho prostredia ------------------------------ Atrib£ty pracovn‚ho prostredia maj£ priamy alebo nepriamy vplyv na produktivitu pr ce. Medzi tieto charakteristiky patr¡ priemernì pracovnì priestor pre pracovn¡ka, vykurovanie, osvetlenie a ventil cia, pozadie hluku, komfort zariadenia atÔ. 9.4. Zber, uchov vanie a spracovanie £dajov o meraniach ------------------------------------------------------- Ka§d  predikcia alebo meranie je z visl‚ aspoå na jednej priamo merate–nej metrike. Pri meran¡ tejto charakteristiky vznikaj£ £daje, ktor‚ je potrebn‚ z¡skavaœ a uchov vaœ. édaje priamo z¡skavan‚ z procesu tvorby programu sa nzìvaj£ zdrojov‚ ("surov‚"). Pr¡kladom zdrojovìch £dajov m“§u byœ osobn‚ pl ny program torov alebo spr vy o chyb ch. Z¡skanie hodnoty sledovanej zo zdrojovìch £dajov je realizovan‚ pomocou extrakcie. Pr¡kladom hodn“t metr¡k z¡skanìch zo zdrojovìch £dajov m“§u byœ potrebn  pr ca v urŸitej etape (z osobnìch pl nov), alebo poŸet identifikovanìch chìb poŸas testovania (zo spr v o chyb ch). Sledovan‚ udaje m“§u byœ z¡skavan‚ manu lne alebo automaticky. Manu lny zber £dajov vy§aduje, aby £daje zaznamen val person l. Tieto £daje m“§u byœ na pr¡sluçnom formul ri, alebo v poŸ¡taŸovìch s£boroch. Manu lny zber je vhodnì pre metriky charakterizuj£ce neautomatizovan‚ procesy alebo zdroje, napr. sk£senosti person lu, £silie vynalo§en‚ v procese a celkov‚ n klady procesu. Vìhody: - aplikovate–n‚ pre vçetky druhy procesov, produktov a zdrojov Nevìhody: - znaŸne chybov‚ - z visl‚ na subjekte vykon vaj£com zber £dajov - Ÿasovo n roŸn‚ - m“§u rozptylovaœ person l pri pr ci Automatickì zber £dajov vyu§¡va softv‚rov‚ prostriedky, ktor‚ zbieraj£ £daje bez –udsk‚ho z sahu. T to forma sa pou§¡va pri meran¡ atrib£tov produktov a procesov, v ktorìch hr  hlavn£ ulohu vìpoŸtov  technika. Pr¡kladmi tìchto metr¡k m“§e byœ d’§ka programu, poŸet kompilaŸnìch chìb a çtrukt£rovanosœ n vrhu. Vìhody a nevìhody automatick‚ho zberu £dajov je mo§n‚ zhrn£œ nasledovne: Vìhody: - objektivita a spo–ahlivosœ - rìchlosœ - neruçia pri person l pr ci - £daje priamo uchov van‚ v poŸ¡taŸi Nevìhody: - aplikovate–n‚ iba pre poŸ¡taŸom podporovan‚ produkty, procesy a zdroje Pri zav dzan¡ meran¡ –udskìch zdrojov je potrebn‚ postupovaœ obzvl çt citlivo. Probl‚my sa daj£ zhrn£œ nasledovne: - –udia nemaj£ radi keÔ sa meria ich produktivita, obzvl çœ ak nevedia, preŸo je ich produktivita meran , alebo ak maj£ pocit, §e pou§it‚ metriky nie s£ objekt¡vnym vyjadren¡m ich skutoŸnej produktivity - je Ÿasto jednoduch‚, aby –udia ovplyvnili vìsledky meran¡, napr. umelìm zvyçovan¡ poŸtu riadkov v zdrojovom k¢de Z psychol¢gie je zn my tzv. Hawthornov efekt, ktorì popisuje vylepçenia produktivity person lu, ak tento person l vie, §e jeho produktivita je meran . Produktivita rastie, keÔ sa meranie prvìkr t zavedie. Toto zlepçenie vçak m  spravidla kr tku trvanlivosœ. Z h–adiska minimaliz cie –udskìch faktorov pri zbere £dajov je potrebn‚: - z¡skaœ podporu person lu tìm, §e sa mu vysvetl¡ potreba zberu £dajov a proced£ry, ktor‚ sa bud£ pri zbere pou§¡vaœ - proced£ry zberu by mali byœ jednoduch‚ - vyhìbaœ sa zberu nepotrebnìch £dajov - pokia– je to mo§n‚ zachovaœ £daje anonymn‚ - zabezpeŸiœ sp„tn£ v„zbu vìsledkov analìzy Zdrojov‚ d ta by mali byœ uchov van‚ v datab ze. Tento pr¡stup m  nieko–ko vìhod oproti uchov vaniu £dajov na papierovìch formul roch: - preh–ad vanie a dotazy s£ rìchlejçie - mo§nosœ defin¡cie komplexnìch £dajovìch çtrukt£r - z znamy m“§u maœ vz jomn‚ referencie z d“vodu zabezpeŸenia konzistencie - form ty a rozsahy £dajov m“§u byœ testovan‚ automaticky po zad van¡ £dajov édaje o meran¡ je potrebn‚ validovaœ. Za tìmto £Ÿelom je potrebn‚ maœ k dispoz¡cii proced£ru, ktor  zabezpeŸ¡ platnosœ £dajov. T to proced£ra by mala zoh–adåovaœ najm„: - bezpeŸnosœ - m  byœ pr¡stup k £dajom v datab ze obmedzenì iba na presne ohraniŸenì okruh –ud¡ - £plnosœ - s£ formul re vyplåovan‚ £plne - presnosœ - je mo§n‚, §e m“§u byœ nekorektn‚, napr. z d“vodu manipul cie Z £dajov uchov vanìch v datab ze je mo§n‚ z¡skavaœ hodnoty meranìch charakterist¡k. Priame metriky je mo§n‚ z¡skaœ priamo dotazom na datab zu. Nepriame metriky je mo§n‚ rìchlo z priamych metr¡k odvodiœ. Na tomto mieste je mo§n‚ pou§iœ statistick‚ programov‚ bal¡ky, resp. bal¡ky umo§åuj£ce vykon vaœ analìzu a grafick£ prezent ciu £dajov. Analìza £dajov pom ha redukovaœ udaje o meraniach do pou§ite–nejçej formy, zobraziœ vìsledky merania v preh–adnej forme, extrahovaœ z £dajov Ôalçie inform cie a identifikovaœ trendy. Hoci existuje viacero prepracovanìch çtatistickìch met¢d, doporuŸuje sa pou§iœ najjednoduhçiu techniku sp’åaj£cu stanoven‚ po§iadavky. Pri vìbere tejto met¢dy je potrebn‚ zoh–adniœ distrib£ciu £dajov a stupnicu, v ktorej s£ vìsledky meran¡ dod van‚. Pri analìze jednoduch‚ho atrib£tu s£ zauj¡mav‚ nasledovn‚ inform cie: - distrib£cia hodn“t atrib£tu - priemern  hodnota (hlavn  tendencia) a rozptyl hodn“t - neobvykl‚ hodnoty Analìze vzœahov medzi atrib£tmi pom ha k lepçiemu pochopeniu zdrojov, procesov a produktov. Pri analìze tìchto vzœahov sa vzœahy najŸastejçie zachyt vaj£ pomocou dvojdimenzion lneho grafu. Pre vìpoŸet parametrov krivky sa pou§¡vaj£ r“zne matematick‚ met¢dy. Grafick  prezent cia £dajov umo§åuje z¡skan‚ £daje zobraziœ v –ahçie pochopite–nej forme. Pre jednoduchì atrib£t je mo§n‚ pou§iœ nasledovn‚ sp“soby grafickej prezent cie: - kruhovì vìsekovì graf (pie chart) - st’pcov‚ diagramy (bar chart) - dvojrozmern‚ grafy 9.5. Zav dzanie programu merania -------------------------------- Prvotnì podnet k zaŸatiu merania prich dza spravidla od z kazn¡ka, alebo z potreby dosiahnuœ lepçie vìsledky ako konkurencia. Pri zav dzan¡ programu merania sa doporuŸuje dodr§aœ postupnosœ krokov, ktor‚ podrobnejçie pop¡çeme. 1. Defin¡cia cie–ov programu meran¡. Ciele merania vych dzaj£ z potrieb organiz cie. Je potrebn‚ jednoznaŸne definovaœ, Ÿo m  byœ meran‚ a na ak‚ £Ÿely sa bud£ vìsledky meran¡ pou§¡vaœ. 2. ZabezpeŸenie potrebnìch zdrojov. Po defin¡cii cie–ov je potrebn‚ vytvoriœ pre vykon vanie merania nez vislì t¡m. Ide lne je, ak Ÿlenovia meracieho t¡mu s£ dobrovo’n¡ci, ktor¡ vych dzaj£ z jednotlivìch pracov¡sk. Naçtartovanie programu meran¡ nie je zvyŸajne lacnou z le§itosœou. Existuj£ tri faktory, ktor‚ ovplyvåuj£ n klady: - cena pr ce meracieho t¡mu - n klady na person l zapojenì do zaçkolovania a zberu £dajov - cena podpornìch prostriedkov bez oh–adu na to, Ÿi s£ tieto prostriedky zak£pen‚, alebo vyvinut‚ na tento £Ÿel v organiz cii 3. Obozn menie sa s problematikou. Pred defin¡ciou metr¡k je potrebn‚, aby sa merac¡ t¡m teoreticky obozn mil s problematikou merania. V tejto oblasti treba venovaœ pozornosœ najm„: - z kladom te¢rie merania - existuj£cim metrik m popisuj£cim charakteristiky, ktor‚ je potrebn‚ sledovaœ - sp“sobom zberu £dajov - sp“sobom analìzy £dajov - sp“sobom prezent cie £dajov 4. Defin¡cia prvotnìch metr¡k. Merac¡ t¡m na z klade z¡skanìch inform ci¡ zvol¡ metriku, ktorou bude meraœ sledovan£ charakteristiku. V pr¡pade, §e dan£ metriku nie je mo§n‚ meraœ priamo, je potrebn‚ definovaœ model. 5. Z¡skanie sk£senost¡. Pred vlastnìm zapoŸat¡m meran¡ sa doporuŸuje s t¡mom vykonaœ pilotnì projekt. 6. Z¡skanie prostriedkov pre zhroma§Ôovanie a analìzu £dajov. 7. Zaçkolenie person lu s£vis¡ so zauŸen¡m person lu, ktorì bude poskytovaœ zdrojov‚ d ta. Do zaçkolenia patr¡ forma z¡skavania £dajov, vyplåovania formul rov a odovzd vania £dajov meraciemu t¡mu. 8. Zverejnenie z merov a podpora diskusie. Pred zaveden¡m merania do praxe by mal byœ ka§dì pracovn¡k, ktorì sa na procese merania urŸitìm sp“sobom podie–a, obozn menì s cie–mi merania a sp“sobom vyu§itia vìsledkov merania. Diskusia je vhodnìm motivaŸnìm prostriedkom. 9. Vytvorenie centr lnej datab zy 10. Vytvorenie mechanizmu pre bud£ce zmeny Z h–adiska zav dzania merania do praxe je mo§n‚ v organiz ci ch rozl¡çiœ 5 £rovn¡: £roveå 0 (inici lna) - organiz cia nepou§¡va §iadne systematick‚ proced£ry pre meranie vlastnej Ÿinnosti £roveå 1 (opakovate–n ) - organiz cia pou§¡va z kladn‚ techniky sledovania kvality, priŸom sa uchov vaj£ inform cie o n kladoch a Ÿasovìch pl noch £roveå 2 (definovan ) - pou§¡vanì model §ivotn‚ho cyklu programu sa periodicky preveruje, chyby a zlyhania produktu pred a po dodan¡ sa zaznamen vaj£ £roveå 3 (riaden ) - zaveden‚ meranie produktivity a kvality, predikŸn‚ modely pre spo–ahlivosœ, n klady a Ÿas sa systematicky pou§¡vaj£ £roveå 4 (optimalizovan ) - automatickì zber £dajov, vçetky procesy sa priebe§ne monitoruj£ a vylepçuj£ Pri analìze aplik cie meran¡ v reprezentat¡vnej vzorke firiem produkuj£cich softv‚r v USA boli z¡skan‚ nasleduj£ce vìsledky: £roveå 0 - 85% £roveå 1 - 14% £roveå 2 - 1% Analogick‚ vìsledky s£ aplikovate–n‚ i pre Eur¢pu. Realiz cia programu merania je nemyslite–n  bez pou§itia podpornìch prostriedkov. Tieto prostriedky mo§no kategorizovaœ pod–a oblasti, v ktorej s£ pou§ite–n‚: - z¡skavanie £dajov - analìza £dajov - Ôalçia podpora (datab zy, tabu–kov‚ procesory, çtatistika) Kontext pou§itia podpornìch prostriedkov v programe merania v softv‚rovìch organiz ci ch ilustruje OBR.9.15. OBR.9.15. - kontext pou§itia podpornìch prostriedkov pri meran¡