Vous êtes sur la page 1sur 15

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto.


Salvador, BA, Brasil, 06 a 09 de outubro de 2009

AVALIAO DE INVESTIMENTOS SOB


CONDIES DE INCERTEZA: A
APLICAO DO MTODO DE MONTE
CARLO EM UM ESTUDO DE CASO NO
SETOR SUCROALCOLEIRO
Mario Henrique da F. Oliveira (EESC/USP)
mariohfo@hotmail.com
Mariana Rodrigues de Almeida (EESC/USP)
almeidamariana@yahoo.com
Daisy Aparecida do Nascimento Rebelatto (EESC/USP)
daisy@prod.eesc.usp.br

Os mtodos determinsticos utilizados para avaliao econmicofinanceira de projetos de investimentos, como o Valor Presente Lquido
(VPL) e a Taxa Interna de Retorno (TIR), contemplam a exatido do
comportamento futuro das varveis inerenntes ao projeto. As
imprevisibilidades futuras acrescidas da alta volatilidade da economia e
da tecnologia mundial tornam as anlises determinsticas frgeis, o que
pode levar gestores e investidores a tomarem decises equivocadas quanto
alocao de capital. Nesse sentindo, o presente trabalho tem como
objetivo avaliar a viabilidade econmica de um projeto de investimento no
setor sucroalcooleiro por meio da simulao de Monte Carlos. Para
realizar essa avaliao, conduziu-se um estudo de caso com projeo de
anlise de investimentos para uma amostra intencional de uma empresa
localizada no interior paulista. A simulao de Monte Carlo, em seu
carter estatstico, permite que as variveis presentes sejam consideradas
por meio das distribuies de probabilidades, as quais associadas a
gerao de nmeros aleatrios fornecem uma resposta que considera as
incertezas presentes. Os resultados indicam que a utilizao de avaliao
de risco se torna essencial para avaliar o nvel de incerteza dos
investimentos.
Palavras-chaves: Simulao de Monte Carlo, Anlise de Investimentos,
setor sucroalcooleiro

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

1. Introduo
As avaliaes econmico-financeiras de investimentos contribuem diretamente para a tomada de
deciso de gestores e investidores. No entanto, para determinar a composio do fluxo de caixa
de um projeto, muitas vezes so encontradas dificuldades para contextualizar fatores futuros,
como tecnologia, modificaes na preferncia dos consumidores, incertezas em funo da
legislao, flutuao de preos ou cmbio (THOMPSON JNIOR, 1995). A simples utilizao
de mtodos determinsticos de anlise como o VPL (Valor Presente Lquido), TIR (Taxa Interna
de Retorno) e Payback desconsideram diversas oscilaes futuras em variveis chaves do projeto
de investimento, o que conduz a discusso central: Os mtodos determinsticos apresentam
resultados confiveis sob condies de incertezas?
Quando as incertezas so desprezadas, pode-se tomar uma deciso equivocada: uma crise
econmica ou mesmo mudanas tecnolgicas so fatores que, muitas vezes, precisam ser
desconsiderados em uma anlise de investimentos. A Simulao de Monte Carlo permite associar
distribuies de probabilidade s varveis do investimento. Utilizando nmeros aleatrios,
variveis do projeto (como demanda e custo) podem assumir valores diversos dentro das
distribuies de probabilidade, ao invs de um valor nico. Ao longo dos ltimos vinte anos, a
evoluo computacional aliada s crises financeiras internacionais torna o mtodo de Monte
Carlo uma alternativa importante e factvel para problemas de investimento onde o
comportamento das variveis incerto, sendo escassos os trabalhos que contextualizem o mtodo
com o atual estgio dos sistemas computacionais.
Com base nestes conceitos, o presente trabalho objetiva avaliar a viabilidade econmica de um
projeto de investimento referente ao setor sucroalcoleiro utilizando o mtodo de Monte Carlo. O
trabalho est estruturado em trs sees: (1) os conceitos de Simulao Monte Carlo; (2) sua
aplicao na criao de modelos probabilsticos para a anlise de investimentos em condies de
incerteza, e por fim, (3) a aplicao no estudo de caso.
2. O que Simulao Monte Carlo?
A Simulao uma ferramenta que permite a reproduo de um sistema real por meio da criao
de um modelo matemtico. Diversa sua utilizao na engenharia, sobretudo pela evoluo da
informtica, que propiciou softwares de custo acessvel e fcil uso, seja pela melhoria de
interface, ou pelo ganho na capacidade para efetuar clculos.
O comportamento de um Sistema pode ser estudado pela construo de um Modelo de
Simulao, representando de maneira prxima um evento real (SANTOS, 1999). Este advento
permite fazer ponderaes importantes sem que seja preciso realizar alteraes diretas neste
sistema, como por exemplo: Quais efeitos seriam observados em uma clula de manufatura
caso um equipamento fosse substitudo por outro mais produtivo?
O mtodo de Monte Carlo uma ferramenta para modelagem de problemas estocsticos, ou seja,
utiliza variveis aleatrias como entradas para criar um cenrio de um problema (SANTOS,
1999; PLLANA, 2007). Estes valores aleatrios so selecionados dentro de faixa de valores que
seguem uma determinada distribuio de probabilidades (CORREA NETO et al, 2002).

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

Segundo Brealey e Myers (1998), a aplicao da Simulao de Monte Carlo para avaliao de
investimentos est associada a David Hertz (1968) e a McKinsey and Company consultores
associados que, em seus trabalhos, simularam a taxa de retorno dos investimentos, permitindo
ponderaes quanto a sua variabilidade.
Os diagramas de deciso constituem-se em mtodos alternativos e mais simplificados para
avaliao de investimentos e sua concepo pode ser aplicvel para conceituar o mtodo de
Monte Carlo. Em um diagrama (ou rvore deciso) as incertezas so representadas por ns na
rvore e o resultado obtido desvendando cada n, como na Figura 1(BRANDO, 2007).

Figura 1 Exemplo de rvore de Deciso

A resoluo da rvore de deciso se d do final para o incio. As incertezas envolvidas so


resolvidas utilizando-se os valores esperados do VPL de cada uma. O resultado final do projeto
pode ser calculado pelo valor equivalente, obtido pela mdia ponderada entre os VPLs de sucesso
e insucesso, conforme a Expresso 1:
k

VPL (VPLi pi ) VPL $10.000,00 (0,7) $12.000,00 (0,3) VPL $3.400,00

(1)

i 1

Em que:

VPL i : Valor presente lquido para a situao i;

p i : Probabilidade de ocorrncia de i;
k : Situaes totais.
3. Simulao de Monte Carlo aplicado ao VPL
A anlise de cenrio, utilizando a rvore de deciso, permite na prtica, apenas um nmero
limitado de alternativas. A simulao de Monte Carlo uma ferramenta que possibilita considerar
uma quantidade muito grande de alternativas, fornecendo uma distribuio estatstica ao Valor
Presente Lquido (VPL) do projeto (BRANDO, 2007), contribuindo para reduo do vis do
analista, bastante presente no uso de rvores de deciso.

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

O mtodo de Monte Carlo gera, continua e aleatoriamente, nmeros que esto correlacionados
com as entradas e/ou sadas de caixa, usados nos clculos do VPL. Tais alteraes no fluxo de
caixa funcionam como cenrios aleatrios (TORRES, 2005). Os nmeros gerados aleatoriamente
obedecem s distribuies de probabilidade pr-definidas pelo analista, baseando-se em dados
obtidos da anlise de eventos passados ou usando projees para o futuro.
A Figura 2 compara o clculo do VPL por anlise de cenrios por rvore de deciso e pelo
mtodo de Monte Carlo.

Densidade de
Probabilidade

Figura 2 Uma comparao entre o uso da rvore Deciso e a Simulao de Monte Carlo

O uso da Simulao permite que um grande nmero de alternativas seja inclusas no clculo do
VPL, fornecendo uma informao de cunho estatstico, propiciando anlises dos tipos: Qual a
probabilidade de haver sucesso no investimento? Qual a probabilidade do retorno superar
$7.000,00? Qual projeto apresenta mais risco (no caso de comparao entre projetos)?
O indicador estatstico mais comum para o Risco de um ativo o desvio-padro, o qual mede a
disperso em torno de um valor esperado (GITMAN, 2004; PAMPLONA e MOTEVECHI,
2006), conforme a Expresso 2:

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

x j
N

(2)

/N

j 1

Em que:

N relacionado a quantidade de nmeros aleatrios gerados;


valor esperado do VPL (obtido pela mdia dos retornos de cada situao simulada i);
x j o retorno apresentado pelo VPL para cada situao simulada j.
A Incerteza, esporadicamente confundida com Risco, pode ser definida segundo Von Altrock
(1995) como dvidas sobre eventos futuros que independem da ao tomada no presente.
Segundo Casarotto Filho e Kopittke (2000), quando se dispe de alguma informao possvel
considerar a incerteza como risco, propiciando o uso da simulao de Monte Carlo.
A partir da distribuio de probabilidades gerada pela execuo da simulao, possvel fazer
consideraes de quo provveis so determinados valores; assim possvel efetuar o clculo de
qual a probabilidade do VPL ter um valor maior que 0, o que torna vivel um investimento. Para
este clculo, usa-se o conceito de probabilidade acumulada, conforme a Expresso 3:
X

P( X x) 1

f (u)du

para x

(3)

Em que:

P( X x) a probabilidade cumulativa do valor do VPL desejado;


x o valor mnimo que o VPL desejado pode assumir;
f (u ) funo densidade de probabilidade do VPL (representada pela curva de probabilidades
geradas pelo VPL simulado).
De maneira geral, os softwares que permitem o uso da Simulao de Monte Carlo apresentam
grande quantidade de ferramentas da estatstica descritiva, o que faz com que o gestor no tenha
que se preocupar com os clculos, porm a interpretao correta dos indicadores fundamental.
3. Elementos da Simulao de Monte Carlo
Apresentada a conceituao sobre o mtodo de Monte Carlo e os elementos que o compe, faz-se
necessrio apresentar de maneira lgica e seqencial a construo do modelo probabilstico e o
uso da simulao, conforme a Figura 3. Observa-se que depois de construdo o modelo
probabilstico, a cada nova situao i as variveis independentes (venda, custo fixo, custo unitrio
e valor residual) assumem um valor diferente, desta forma a cada situao tem-se um novo VPL.
O conjunto de VPLs calculados formar a distribuio de probabilidade para a tomada de
deciso.
Para aplicao da simulao, o analista define a quantidade de nmeros aleatrios que sero
gerados e a associa a distribuies de probabilidade. No passado vrios mtodos como tabelas
aleatrias e roletas foram utilizados para gerao de nmeros aleatrios, porm com advento
computacional, a facilidade em se trabalhar com modelos aleatrios aumentou muito.

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

O Microsoft Excel apresenta a funo ALEATORIO( ), que permite gerar valores entre 0 e 1. O
Minitab permite gerao de nmeros aleatrios usando o comando CALC\RANDOM DATA.
Esse recurso permite ao usurio definir quantos nmeros deseja gerar e qual a distribuio de
probabilidade que tais nmeros iro assumir.
A funo das distribuies de probabilidade delinear as varveis independentes, ou seja, so
elas que definem a quais fronteiras os nmeros aleatrios gerados iro pertencer; evitando o
aparecimento de valores fora da realidade do investimento. Assim, na construo de um modelo
onde aplicado o mtodo de Monte Carlo faz-se necessrio conhecer, no somente o valor mais
provvel de uma varivel, mas todos os valores em questo, ou pelo menos uma estimativa de
como eles se comportam.

Figura 3 A estrutura da Simulao de Monte Carlo.


Fonte: adaptado de CASAROTTO FILHO e KOPITTKE (2000).

A Tabela 1 sintetiza os conceitos expostos at o momento:


Elementos da Simulao Etapa

Conceituao
Mtodo matemtico pelo qual ser desenvolvido o clculo. Muitos mtodos para
avaliar investimentos (VPL, TIR, MTIR e Payback Descontado) so passveis de

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

Varivel Dependente
1
Variveis Independentes

Nmeros Aleatrios
Distribuies de
Probabilidade

3
4

simulao, sendo intitulados Variveis Dependentes porque depende do fluxo


de caixa a ser gerado pela simulao.
Os constituintes dos modelos so classificados como independentes, sendo seus
valores gerados pelos nmeros aleatrios. Por exemplo: receita bruta, Taxa
Mnima de Atratividade (TMA,) preo de venda, custo de MOD, etc.
Os nmeros aleatrios so obtidos por meio de geradores de nmeros aleatrios,
que tem o propsito produzir uma seqncia de nmeros gerados aleatoriamente
dentro de uma distribuio de probabilidade especfica.
As distribuies de probabilidade so desenvolvidas para reproduzir o
comportamento da varivel independente.

Tabela 1 - Os principais elementos da Simulao Monte Carlo.

Devido importncia conceitual das distribuies de probabilidade para aplicao da simulao de Monte Carlo, as mais utilizadas
para a avaliao de investimentos so apresentadas na Tabela 2.
Distribuio

Conceito

Funo densidade

Graficamente

Probabilidade Normal

Probabilidade
Uniforme

f ( x) 1 /(b a), a x b
A distribuio de probabilidade uniforme tem a funo densidade de
probabilidade constante dentro de um intervalo de valores da
varivel aleatria. Dessa maneira, cada um dos possveis valores que
X pode assumir tem a mesma probabilidade de ocorrer
(MONTGOMERY e RUNGER (2003),

A distribuio normal uma das distribuies fundamentais da


teoria estatstica. Neste trabalho, todas as incertezas sero tratadas
como distribuies normais de probabilidade, isto porque no h
histrico algum sobre as variveis que sero consideradas na anlise.

a o limite inferior da
distribuio;

b o limite superior da
distribuio.

1
f ( x)
e
2

( x ) 2
2 2

para x

Probabilidade de Weibull

A distribuio de Weibull pode apresentar formatos variados,


apresentando grandes flexibilidades para modelar diferentes tipos de
sistemas fsicos. Este tipo de distribuio deve ser usado quando se
tem idia da assimetria da varivel independente, de forma que
possa ser estipulado seu limite inferior e a curvatura da distribuio
de probabilidades (MONTGOMERY e RUNGER (2003).

x
f x e -(x/ ) ,

para x >0, >0 e >0

o parmetro de escala;

o parmetro que gera a


forma da distribuio.

Tabela 2 - Os principais tipos de distribuio de probabilidades.

4. Mtodo
A pesquisa apresenta uma abordagem quantitativa com objetivo exploratrio sobre a criao
de uma empresa para a fabricao de mquinas de grande porte para o mercado agroindustrial,
com foco central no setor sucroalcooleiro, apresentando tambm boas perspectivas na
indstria de papel e celulose. Os dados foram coletados por mltiplos instrumentos, dentre os
quais se destacam: (a) realizao de entrevistas e (b) prospeco e anlise de documentos. Os
dados de mercado foram disponibilizados pelo Instituto de Pesquisa Econmica Aplicada do
governo (IPEA) e no Banco Nacional de Desenvolvimento Econmico e Social (BNDES). O
delineamento da pesquisa o de estudo de caso (YIN, 2004). A partir dos dados coletados,
toda a operacionalizao do mtodo de Monte Carlo foi realizada por meio do software
Crystall Ball. O aplicativo funciona acoplado ao Microsoft Excel e permite boa interface e
aplicabilidade para executar problemas de carter estatstico, onde seja usada a gerao de
nmeros aleatrios. Para a simulao da varivel dependente VPL necessrio atribuir, por
meio do software, as distribuies de probabilidade para cada varivel independente que
compe o projeto de investimento.
5. Estudo de caso
O projeto consiste na criao de uma empresa para a fabricao de mquinas de grande porte
para o mercado agroindustrial, com foco central no setor sucroalcooleiro, apresentando
tambm boas perspectivas na indstria de papel e celulose.
A produo de acar e lcool exige uma srie de processos logsticos e de transformao.
Aps a colheita e transporte, o processo industrial delimitado em vrias etapas: a cana deve
ser lavada, picada e desfibrada; a partir disso, inicia-se o processo de extrao do caldo. Em
sntese, tal processo consiste na utilizao de moendas que esmagam a cana desfibrada, ou
mediante difusores, que permitem a extrao por meio de lavagens repetitivas. O
empreendimento em questo tem sua implementao prevista para Sertozinho, interior do
estado de So Paulo. A cidade apresenta sua economia voltada ao setor sucroalcooleiro
contemplando sete usinas e quase 500 empresas em atividade (ERENO, 2006).
Inicialmente, a empresa conta com 10 funcionrios para os trabalhos administrativos e de
engenharia. Estima-se que sero necessrios mais 25, para trabalhar diretamente na produo
industrial. Os investidores tambm devero comprar mquinas e equipamentos para
implantao do sistema de manufatura proposto. O Anexo 1 apresenta as estimativas iniciais
do projeto. As faixas de incerteza foram obtidas com os prprios investidores, baseado em
dados econmicos e experincia no segmento.
Quanto maior a faixa de desvios-padro considerada, a partir de um valor mdio, maior a
probabilidade de que um elemento de uma amostragem ou populao esteja representado
dentro desta faixa. Neste contexto, admitir-se- que a faixa de incerteza que compe cada
componente de caixa do projeto de investimento, conforme Anexo 1, sejam informaes que
apresentem um intervalo de confiana de 95%, ou seja, a faixa de incerteza apresentada
corresponder a um intervalo total de 2 desvios-padro em relao mdia (-2,+2),
conforme o teorema de Tchebichev (TRIOLA,1999).
Assim, para a varivel que representa o investimento no Galpo tem-se:

Galpo = valor esperado do investimento no Galpo

Galpo = R$ 2.000.000,00
Galpo

[(1 incerteza estimada mnima) Galpo incerteza estimada mxima) Galpo


4

(4)

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

Galpo

[(1 0,03) 2000000] [(1 0,03) 2000000)]


4

Galpo = R$ 30.000,00
A partir da obteno de Galpo e Galpo , possvel parametrizar a distribuio de
probabilidades normal (N) que representa a varivel incerta Galpo pela Expresso 5:

N Galpo( Galpo, Galpo) N Galpo(2000000, 30000)

(5)

De maneira anloga, o mesmo procedimento deve ser utilizado para obter as distribuies de
probabilidade que representaro as outras variveis incertas do investimento, culminando nas
colunas mdia e desvio padro do Anexo 2. Todas as varveis incertas foram tratadas como
distribuies normais de probabilidade. Isto porque no h histrico algum sobre as variveis
que possam ser considerados na anlise. Em situaes como essa, a opo por distribuies de
probabilidade mais sofisticadas ou assimtricas poderia distorcer o resultado, j que estipular
os parmetros que definem o comportamento matemtico destas funes no uma tarefa
simples.
Para prosseguir o desenvolvimento da simulao necessrio definir a quantidade de nmeros
aleatrios que sero utilizados para calcular a varivel dependente. Os nmeros aleatrios
sero gerados em obedincia s distribuies de probabilidade associadas a cada varivel
independente. O Crystall Ball solicita que sejam definidas as quantidades de cenrios que
sero gerados. Para esta aplicao, o nmero estipulado de 30.000. Como ao todo existem
17 variveis independentes, a reposta obtida a partir da simulao ser baseada em 510.000
nmeros aleatrios gerados.
Depois de construda a planilha, definida as distribuies de probabilidade das variveis
independentes e a quantidade de nmeros aleatrios a ser utilizada, a simulao executada.
O resultado da simulao de Monte Carlo uma distribuio de probabilidades que representa
o VPL do projeto. A Figura 3 apresenta o histograma gerado pela simulao.

Figura 3 VPL obtido como resultado da simulao

O software Crystall Ball propicia o clculo da probabilidade cumulativa. A probabilidade de


que o VPL seja maior ou menor do que 0 (reas em clara e escura no histograma gerado)
uma informao relevante, pois representa o provvel resultado deste investimento.
Pelo

10

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

indicador Certainly, observa-se que a probabilidade do VPL ser maior do que 0 82%. A
probabilidade de insucesso do empreendimento , conforme a Expresso 6:
P(VPL 0) = 0,8200 (VPL 0) = 1 0,8200 <=> P(VPL 0) = 18,00%

(6)

Alm de oferecer o clculo da probabilidade de sucesso ou insucesso do investimento, o


software utilizado permite que seja extrado um grande nmero de informaes estatsticas
sobre a simulao. Para este trabalho, as informaes consideradas relevantes so os
indicadores Mean, que representa o VPL mdio obtido pela simulao, o Range Minimun e o
Range Maximun, que representam, respectivamente, o menor e o maior valor de VPL gerado
pela combinao das variveis independentes durante a simulao. A Tabela 4 faz uma sntese
sobre as principais informaes obtidas pela aplicao do Monte Carlo aplicado varivel
VPL.

Mtodo de
Monte Carlo

Valor mnimo
(VPL min)

Valor esperado
(VPL esperado)

Valor mximo
(VPL mx)

Probabilidade de
insucesso

-R$ 6.020.086,14

R$ 2.610.450,81

R$ 23.801.229,71

18,00%

Tabela 4 Resultados obtidos pela aplicao da Simulao de Monte Carlo

Diferentemente dos resultados obtido pela aplicao do VPL determinstico, os resultados


obtidos pela aplicao do mtodo de Monte Carlo consideram as faixas de incerteza
estimadas. Por meio da aplicao deste mtodo possvel obter a informao de que existe
probabilidade de insucesso econmico-financeiro do empreendimento, calculada em 18%.
Sabe-se que o valor mais provvel para o VPL R$ 2.610.450,81 e, se as variveis se
comportarem da pior forma, haver um prejuzo de R$ 6.020.086,14.
6. Consideraes Finais
A incluso das incertezas em um modelo de anlise apresenta informaes relevantes aos
investidores e ganha importncia em estudos onde so comparados vrios projetos de
investimento, pois propicia o uso de uma quantidade maior de informaes.
A aplicao do mtodo de Monte Carlo apresenta essas vantagens, de maneira a melhor
prover o gestor de informaes para a tomada de deciso, porm a opo pela realizao ou
no de um investimento estritamente pessoal e depende do grau de averso incerteza de
cada investidor. Na economia, poucos so os investimentos tratados como totalmente certos;
medida que a rentabilidade desejada aumenta, os investimentos tendem a se tornar mais
arriscados. Caso os investidores acreditem que a probabilidade de insucesso aceitvel o
investimento dever ser realizado. Caso a opinio seja de que a probabilidade de insucesso
alta, uma possvel opo seria rever a TMA utilizada e, possivelmente, decidir por outra
alternativa.
Embora existam publicaes que apresentam o mtodo de Monte Carlo como ferramenta de
anlise de investimento em condies de risco, nota-se uma carncia em trabalhos que
apresentem o mtodo de maneira conceitual e aplicada, contextualizada com o atual nvel da
informao computacional.
Os mtodos que permitem aos investidores considerar a incerteza junto a um investimento
apresentam-se como alternativas importantes ao apoio deciso. O mtodo de Monte Carlo,
em seu carter estatstico, permite que as variveis sejam consideradas por meio das
distribuies de probabilidades.

11

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

Como proposta para futuros trabalhos, diversos sistemas computacionais podem ser mais
explorados para tratar o problema de incerteza e previses em investimentos, como por
exemplo, os algoritmos genticos, as redes neurais artificiais e a lgica fuzzy.

12

Anexo 1 Definies sobre o projeto


Distribuio normal

Investimento

Quant.

Especificao

Galpo

2900 m2

rea Inicial

24600 m2 Suporte para o centro fabril na movimentao dos produtos

Terreno Adicional

10250 m2 Possvel expanso da empresa.

Centro fabril para manufatura de equipamentos.

Guincho

01

Guincho para movimentao de grandes cargas no galpo.

Mq. Curvadora de Tubos

01

Mquina curvadora utilizada no processo de conformao mecnica


dos produtos.

Calandra

01

Calandra utilizada no processo de conformao mecnica de produtos


em processamento.

Munk

01

Movimentao de material em processamento

Mq. leves e soldadoras

Processamento de material e juno de ligas metlicas.

Material para escritrio

Equipamentos diversos para realizao de trabalhos tcnicos e


administrativos.

Demanda anual

Estimativa de demanda anual

Preo

Estimativa de preo de venda

Salrios MOD

Salrios e encargos anuais com mo-de-obra direta

Salrios MOI

Salrios encargos anuais com mo-de-obra indireta

Gastos

Gastos anuais com gua, energia e telefone

Custos anuais

Custos anuais gerais de produo (matria-prima e consumveis)

Alquota de imposto

Alquota de imposto a ser pago

Valor Residual

Valor Residual

Valor Residual do empreendimento

Rentabilidade

TMA

Taxa Mnima de Atratividade

Receitas

Custos e
Despesas

Impostos

Anexo 2 Variveis independentes para execuo da Simulao


Distribuio normal

Quant.

Especificao

Galpo

2900 m2

rea Inicial

24600 m2 Suporte para o centro fabril na movimentao dos produtos

Terreno Adicional

10250 m2 Possvel expanso da empresa.

Centro fabril para manufatura de equipamentos.

Guincho

01

Guincho utilizado para movimentao de grandes cargas no galpo.

Mq. Curvadora de Tubos

01

Mquina curvadora utilizada no processo de conformao mecnica


dos produtos.

Calandra

01

Calandra utilizada no processo de conformao mecnica de produtos


em processamento.

Munk

01

Movimentao de material em processamento

Investimento

Mq. leves e soldadoras

Processamento de material e juno de ligas metlicas.

Material para escritrio

Equipamentos diversos para realizao de trabalhos tcnicos e

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO


A Engenharia de Produo e o Desenvolvimento Sustentvel: Integrando Tecnologia e Gesto
Salvador, BA, Brasil, 06 a 09 de outubro de 2009

administrativos.
Demanda anual

Estimativa de demanda anual

Preo

Estimativa de preo de venda

Salrios MOD

Salrios e encargos anuais com mo-de-obra direta

Salrios MOI

Salrios encargos anuais com mo-de-obra indireta

Gastos

Gastos anuais com gua, energia e telefone

Custos anuais

Custos anuais gerais de produo (matria-prima e consumveis)

Alquota de imposto

Alquota de imposto a ser pago

Valor Residual

Valor Residual

Valor Residual do empreendimento

Rentabilidade

TMA

Taxa Mnima de Atratividade

Receitas

Custos e
Despesas

Impostos

14

Referncia bibliogrfica
BRANDO, L. Apostila de anlise de projetos e avaliao de empresas. PUC, Rio de Janeiro, 2007.
BREALEY, R.A. & MYERS, S.C. Princpios de finanas empresarias. 5.ed. Lisboa: McGraw-Hill, 1998.
CASAROTTO FILHO, N. C. & KOPITTKE, B. H. Anlise de Investimentos: matemtica financeira,
engenharia econmica, tomada de deciso, estratgia empresarial. 9 ed. So Paulo: Atlas, 2000.
CORREIA NETO, J.F; MOURA, H.J. & FORTE, S.H.C.A. Modelo prtico de previso de fluxo de caixa
operacional para empresas comerciais considerando os efeitos do risco, atravs do mtodo de Monte Carlo.
Revista Eletrnica de Administrao, Porto Alegre, UFRGS, v.8, n. 3, junho, 2002.
ERENO, D. Sertozinho, usina de inovaes. Revista Pesquisa FAPESP, ed. 128, Outubro, So Paulo, 2006.
GITMAN, L. J. Princpios de administrao financeira. 10. ed. So Paulo: Pearson Addisson Wesley, 2004.
HERTZ, D. B. Investment Policies that Pay Off. Harvard Business Review, v. 46, p. 96-108, 1968.
MONTGOMERY D.C. & RUNGERG, C. Estatstica aplicada e probabilidade para engenheiros. 2. ed. Rio
de Janeiro: LTC, 2003.
PAMPLONA E.O. & MONTEVECHI, J.A.B. Apostila do curso de engenharia econmica. Itajub: UNIFEI,
2005.
PLLANA, S. History of Monte Carlo method.http//www.geocities.com/CollegePark/Quad/2435 consultado em
maio de 2007.
SANTOS, M.P. Apostila de introduo a simulao discreta. UERJ, Rio de Janeiro, 1999.
SHAMBLIN, J.E. & STEVENS G.T. Pesquisa operacional. So Paulo: Atlas, 1979.
TORRES, O.F. Fundamentos da engenharia econmica e da anlise de projetos. So Paulo: Thomson
Learning, 2006.
TRIOLA, M.F. Introduo estatstica. 7 ed. Rio de Janeiro: LTC, 1999.