Page 1

FACULDADE INDEPENDENTE DO NORDESTE COLEGIADO DE ENGENHARIA DE PRODUÇÃO

ANDRESSA JOANE DOS SANTOS DA LUZ

APLICAÇÃO DO MÉTODO MONTE CARLO PARA ANÁLISE DE RISCO EM GESTÃO DE PROJETOS:O CASO DE UMA EMPRESA DE CONSTRUÇÃO DE PISCINAS DE VITÓRIA DA CONQUISTA-BA

VITÓRIA DA CONQUISTA-BA JUNHO DE 2016


ANDRESSA JOANE DOS SANTOS DA LUZ

APLICAÇÃO DO MÉTODO MONTE CARLO PARA ANÁLISE DE RISCO EM GESTÃO DE PROJETOS: O CASO DE UMA EMPRESA DE CONSTRUÇÃO DE PISCINAS DE VITÓRIA DA CONQUISTA-BA

Trabalho de Conclusão de Curso apresentadoà Faculdade Independente do Nordeste – FAINOR, para obtenção do título de Bacharel em Engenharia de Produção. Docente de TCC II:Prof. M.Sc. Marcus Vinicius C. Fagundes

Orientador: Fagundes

Prof.

VITÓRIA DA CONQUISTA-BA JUNHO DE 2016

M.Sc.

Marcus

Vinicius

C.


ANDRESSA JOANE DOS SANTOS DA LUZ

APLICAÇÃO DO MÉTODO MONTE CARLO PARA ANÁLISE DE RISCO EM GESTÃO DE PROJETOS: O CASO DE UMA EMPRESA DE CONSTRUÇÃO DE PISCINAS DE VITÓRIA DA CONQUISTA-BA VitóriadaConquista - BA, ComissãoExaminadora

Prof. Marcus Vinicius C. Fagundes, M.Sc.(Orientador)

Prof. Felipe Ungarato, M.Sc.(Coordenador do Curso de Engenharia de Produção da FAINOR)

Prof. João Thiago CamposM.Sc.(Professor do Curso de Engenharia de Produção da FAINOR)


L979a

Luz, Andressa Joane dos Santos da Aplicação do método Monte Carlo para análise de risco em gestão de projetos: o caso de uma empresa de construção de piscinas de Vitória da Conquista. / Andressa Joane dos Santos da Luz._ _ Vitória da Conquista, 2016.

70f; il.

Monografia (Graduação em Engenharia de Produção) Faculdade Independente do Nordeste - FAINOR Orientador: Prof. Marcus Vinícius C. Fagundes

1. Método e Bibliotecário Simulação Monte Carlo.Carvalho 2. Risco em Catalogação na fonte: Lucas Sousa CRB-5/1883 Projetos. 3. Análise de Risco. 4. Risco de Tempo. I. Título

CDD 658.5


Dedico а Deus queiluminou о mеυ caminho durante esta caminhada. E aos meus Pais, Joana e Durval, que empreenderam minha vida com muito amor, sabedoria e suor.·.


Rir é correr o risco de parecer tolo. Chorar é correr o risco de parecer sentimental. Estender a mão é correr o risco de se envolver. Expor os sentimentos é correr o risco de mostrar o verdadeiro eu. Defender sonhos e ideias diante da multidão é correr risco de perder as pessoas. Amar é correr risco de não ser correspondido. Viver é correr risco de morrer. Confiar é correr risco de se decepcionar. Tentar é correr o risco de fracassar. Mas os riscos devem ser corridos. Porque o maior perigo é não arriscar nada. Há pessoas que não correm nenhum risco, não fazem nada, não tem nada e não são nada. Elas podem até evitar sofrimentos e desilusões, mas não conseguem nada, não sentem nada, não mudam nada, não crescem, não amam, não vivem. Acorrentadas por suas atitudes, elas viram escravas, privam-se de sua liberdade. Somente a pessoa que corre riscos São Livres! (Autor desconhecido)

“Só se pode alcançar um grande êxito quando nos mantemos fiéis a nós mesmos.” (Friedrich Nietzsche)


AGRADECIMENTOS: A Deus por ter mе dado saúde е força para superar as dificuldades. A toda a minha família em especial aos meus pais e aminha tia Sandra, qυе apesar de todas as dificuldades mе fortaleceram е me apoiaram em todos os momentos importantes. As minhas Primas Allana Brenda e Camile Vitória pela forma especial e carinhosa que me deram força e entusiasmo para seguir. Aos meus amigos,Aline Santos,Carol Achy,Isnale, João Pedro, Rafael, que sempre estão presentes minha vida. A Joel Jr. pela sua boa vontade e generosidade.Suaajuda foi fundamental nessa reta final. Aos meus colegas e amigos de faculdade, em especial: Ana Lucia, André, Aline Oliveira, Camila, Ludiam e Silvia. Agradeço ao meu orientador Marcus Vinicius, pelos seus conselhos e espírito de interajuda me que permitiram a concretização do trabalho. A todos os professores que contribuíram para minha formação acadêmica, em especial: Alexsandro Gama, Everton Costa,Felipe Ungarato, João Thiago Campose Rosana Brito. Obrigado a todas as pessoas que contribuíram para meu crescimento como pessoa e como acadêmico. Sou o resultado da confiança e da força de cada um de vocês.


RESUMO

Objetivando a utilização eficiente e eficaz da gerência de riscos, esse trabalho visa demonstrar a aplicação da simulação do Método de Monte Carlo para análise quantitativa de risco em projeto de construção de piscinas de uma empresa de Vitoria da Conquista, Estado da Bahia. Especificamente, este estudo buscouidentificar e mensurar os riscos que causam maiores impactos sobre o tempo e custo do projeto, correlacionar os riscos que mais causam danos ao projeto modelo e descrever as limitações da utilização do método Monte Carlo. Como procedimentos metodológicos realizou-se uma pesquisa descritiva e quantitativa a partir do estudo de caso de uma empresa que atua na comercialização e construção de piscinas residenciais e comerciais na cidade de Vitória da Conquista e região. Para alcance dos resultados foi fundamental a adoção de ferramentas e métodosespecíficos e conceituados.Para alcance dos objetivos propostos, este estudo fez uso do suplemento do Excel, @RISK Industrial o mesmo permite fazer uma analise probabilística além de fornecer correlação entre as atividades. Quanto à avaliação dos riscos relacionados à gestão do tempo dos projetos deferiu-se, principalmente que as maiores incertezasestão na etapa de construção,pois, mesma apresentou a probabilidade de acabar 5 dias após o previsto, enquanto as outras etapas apresentaram um comportamento semelhante ao prazo estipulado pela empresa.Quanto ao custo verificou-se que as atividades de “escavação”, “compra e entrega de material” de “construção e instalação de acessórios” podem elevar o custo do projeto em até 30%. Após a aplicação da técnica de simulação de Monte Carlo para análise quantitativa de riscos em projetos através do software @Risk foi possível demonstrar o quanto essa simulação matemática distribuição probabilística pode tornar os projetos mais confiáveis e precisos. Palavras-chave:método e simulação Monte Carlo; risco emprojetos, análise de risco; riscos de tempo de projetos; riscos em custos de projetos.


Abstract

Aiming at theefficientandeffective use ofrisk management, thisworkaimstodemonstratetheapplicationofthe Monte Carlo simulationmethod for quantitativeanalysisofrisk pools constructionprojectof Vitoria da Conquista company, Stateof Bahia. Specifically, thisstudysoughttoidentifyandmeasuretherisksthat cause greaterimpactsonthe time andcostoftheproject, correlate risksthat cause mostdamagetothemodelprojectanddescribethelimitationsofusingthe Monte Carlo method. As methodological procedures conducted a descriptiveandquantitativeresearchfromthe case studyof a companyengaged in the marketing andconstructionofresidentialandcommercial pools in thecityof Vitoria da Conquista and region. For achievingtheresultswascriticaltoadoptionofspecific tools andmethodsandrespected. Toreachtheproposedobjectives, thisstudymade use of Excel add-in, @RISK Industrial it allows a probabilisticanalysisandprovidescorrelationbetweenactivities. As theassessmentoftherisksrelatedto time management ofprojects it isgranted, especiallythat major uncertainties are in theconstructionstage, because it presentedtheprobabilityofending5daysaftertheexpected, whiletheotherstagespresented a similar behavior deadline set bythecompany. As for thecost it wasfoundthattheactivitiesof "digging", "purchaseanddeliveryof material" of "constructionandinstallationaccessories" couldincreasethecostoftheprojectupto 30%. Afterapplyingthe Monte Carlo simulationtechnique for quantitativeriskanalysisonprojectsusing @RISK software wasdemonstratedhowthisprobabilisticdistributionmathematicalsimulationcanbecomet hemostreliableandaccurate designs. . Keywords: methodand Monte Carlo simulation; riskprojects, riskanalysis; project time risk; risks in projectcosts.


LISTA DE FIGURAS

Figura 1 Processo de gerenciamento de risco. ........................................................ 19 Figura 2 Ciclo de vida do projeto .............................................................................. 21 Figura 3 Risco internos e externos ........................................................................... 22 Figura 4 Exemplo de EAR ........................................................................................ 25 Figura 5 Processo de entrada e saída da análise quantitativa ................................. 26 Figura 6 Modelo determinístico que usa variáveis de input para gerar variáveis de output ....................................................................................................................... 30 Figura 7 Fluxo da simulação Monte Carlo ................................................................ 34 Figura 8 Fluxograma do projeto de piscina .............................................................. 40 Figura 9 Estrutura analítica de risco do projeto ........................................................ 41 Figura 10 Resultado da etapa de planejamento ....................................................... 45 Figura 11 Gráfico de Correlação da etapa de Planejamento .................................... 46 Figura 12 Resultado da etapa de construção ........................................................... 47 Figura 13 Gráfico de Correlação da etapa de construção ........................................ 48 Figura 14 Resultado da Etapa de Acabamento ........................................................ 50 Figura 15 Resultado da duração total do projeto ...................................................... 52 Figura 16 Gráfico de correlação do Projeto .............................................................. 53 Figura 17 Projeto 2D ................................................................................................ 62 Figura 18 Projeto 3D ................................................................................................ 62 Figura 19 Projeto 3D ................................................................................................ 63 Figura 20 Marcação do terreno ................................................................................ 63 figura 21 Escavação................................................................................................. 63 Figura 22 Contrução ................................................................................................ 64 Figura 23 Acabamento ............................................................................................. 65 Figura 24 Piscina de 32m² ....................................................................................... 65


LISTA DE QUADROS

Quadro 1 Distribuição de probabilidades .................................................................. 31 Quadro 2 Sumário estatístico ................................................................................... 33 Quadro 3 Projeto da piscina 2016 ............................................................................ 42 Quadro 4 Estimativa Geral ....................................................................................... 43 Quadro 5 Estimativa do Planejamento ..................................................................... 45 Quadro 6 Estimativa da etapa de Construção .......................................................... 47 Quadro 7 Estimativa da etapa de Acabamento ........................................................ 50 Quadro 8 Estimativa de do Projeto ........................................................................... 51 Quadro 9 Estatística detalhada do Projeto ............................................................... 54


SUMÁRIO

1 INTRODUÇÃO ...................................................................................................... 14 1.2 OBJETIVO GERAL ........................................................................................... 16 1.2.1 Objetivos Específicos ...................................................................................... 16 1.3 ESTRUTURA DO TRABALHO .......................................................................... 16 2 REFERENCIAL TEÓRICO ................................................................................... 18 2.1 RISCO E PROBABILIDADES ........................................................................... 18 2.1.1 Gerenciamento de risco em projetos ............................................................... 19 2.1.2 Componentes do risco .................................................................................... 21 2.1.3 Origem e natureza dos riscos em projetos ...................................................... 22 2.1.4 Grau de incerteza no ambiente de projeto....................................................... 23 2.1.5 Métodos de identificação de riscos em projetos .............................................. 23 2.1.6 Categorização dos riscos ................................................................................ 24 2.1.7 Análise quantitativa de riscos .......................................................................... 25 2.2 MÉTODO MONTE CARLO ................................................................................ 27 2.2.1 Simulação Método Monte Carlo ...................................................................... 28 2.2.2 Simulação de Monte Carlo para o gerenciamento de risco ............................. 29 2.2.3 Explicando o método ....................................................................................... 29 2.2.4 Avaliação das probabilidades associados ao resultado do modelo ................. 32 2.2.5 Fases da simulação de Monte Carlo ............................................................... 34 3 METODOLOGIA ................................................................................................... 36 3.1 CLASSIFICAÇÃO DA PESQUISA .................................................................... 36 3.2 UNIDADE DE INVESTIGAÇÃO ......................................................................... 36 3.3 UNIDADE DE OBSERVAÇÃO .......................................................................... 37 3.4 INSTRUMENTOS DE COLETA DE DADOS ..................................................... 37 3.5 ESTRATÉGIA DE ANÁLISE DE DADOS .......................................................... 38 4 RESULTADOS E DISCUSSÕES .......................................................................... 39 4.1 PROCESSOS E OPERAÇÕES DA EMPRESA ESTUDADA ............................ 39 4.2 SIMULAÇÃO ..................................................................................................... 42 4.2.1 Etapa de planejamento ................................................................................... 45 4.2.2 Etapa de Construção....................................................................................... 47 4.2.3 Etapa de acabamento ..................................................................................... 50 4.2.4 Resultado geral do projeto. ............................................................................. 51 4.3 IMPACTO SOBRE OS CUSTOS DO PROJETO ............................................... 53


5 CONCLUSÃO ....................................................................................................... 56 REFERÊNCIAS ....................................................................................................... 59 ANEXO A ................................................................................................................ 62 APENDICE A ........................................................................................................... 66


14

1INTRODUÇÃO

A instabilidade provocada pelas mudanças tecnológicas, econômica e social estimula cada vez mais a competitividade entre as organizações. Com esse reforço as entidades se viram incitadas a desenvolverem estratégias para driblar os mecanismos que ameaçam suas estruturas. Independente do segmento de atuação nota-se que as incertezas geradas pelo mercado vêm expondo as instituições a situaçõesde riscos, riscos esses que se originam em diversos momentos de uma atividade. Esses eventos impactam diretamente no resultado final de um projeto. Em todo momento as pessoas e as organizações estão sujeitas a situações que as ameaçam. De acordo com La Rocque (2007) o risco é intrínseco a qualquer atividade na vida pessoal, profissional ou nas organizações, envolvendo perdas, bem como oportunidades. Com a alta demanda por crescimento e inovação, o gerenciamento de riscos em projetos passou a ter importância cada vez maior nas organizações. De acordo com Shenhar e Dvir (2007), a globalização dos mercados força as empresas a responderem demandas locais e a competirem por baixo custo no mundo todo. Especificamente, empresas que projetam e constroem piscinas

são

instituições cujo principal objetivo é a satisfação dos clientes, ressaltando-se que esse é um nicho de mercado voltado para um publico muito exigente e que busca exclusividade. O mercado de piscinas no Brasil está em plena expansão, fruto principalmente da existência de diferentes linhas de crédito para as obras de construção civil e instalação de piscinas. De acordo com previsões da Associação Nacional dos Fabricantes e Construção de Piscinas e Produtos Afins (Anapp), o Brasil já aparece como o segundo melhor mercado do mundo, perdendo apenas para os Estados Unidos. Anualmente, são construídas cerca de 70 mil novas piscinas no país. Devido ao crescimento acelerado do mercado de construção de piscinas e da mesma atender um público exigente,o gerenciamento de riscos se apresenta como um

diferencial

competitivo,

pois

possibilita

melhorar

o

desempenho

principalmenteem relação a custo e prazo, tornando assim um determinante para sucesso do projeto. Pois, tem como finalidade reduzir as incertezas inerentes às


15

projeções adotadas para um projeto que podem impactar nos resultados práticosda implantação e no planejamento de atividades operacionais. Todos os projetos estão expostos a algum tipo de risco.As organizações que elaboram projetos voltados para construção de piscinas não têm capacidade para tratar de todos os riscos, aos quais os projetos e operações estão expostos, pois, as mesmas não conseguem identificar os processos ou atividades que as expõem ao fracasso. Entretanto, é de grande importância ter mecanismos que auxiliem na identificação de tais contingências que impactam no desempenho do projeto. E a análise de risco associada à tomada de decisões pode ser melhorada com o uso da técnica de simulação. Diante disso, a simulação é uma opção utilizada para analisare avaliar as contingências envolvidas em um projeto. A simulação mais comum em projetos é a simulação do cronograma, utilizando o plano inicial como modelo de projeto. Os resultados de uma simulação podem ser utilizados para avaliar os riscos e assim encontrar o melhor caminho ou estratégia para minimizá-lo. É uma abordagem comportamental baseada em estatística, usada parase ter percepção do risco. O método Monte Carlo é uma ferramenta muito útil para análise de riscos em projetos, pois se trata de um procedimento que envolve a utilização de números aleatórios nas simulações para geraravaliação quantitativa de riscos em projetos. Este método consiste no emprego de programas computacionais que realizam análise estatística, executando o projeto de forma a determinar possíveis resultados de variáveis incertas.Por isso, é indispensávelautilização de métodos e softwares que avaliem e simulem todos os cenários possíveis. Este trabalho busca realizar um estudo de caso em uma organização dedicada à construção de piscinas e a comercialização de diversos produtos, como: banheiras, aquecimento solar e produtos químicos diversos. Esta surgiu com o objetivo de comercializar e construir piscinas e outros produtos relacionados ao seguimento. Para fins de preservação da identidade da referida empresa, esta será referenciada como “Empresa Alfa” nesta investigação. Atualmente a Empresa Alfa é uma das maiores e mais completas empresas no seguimento de piscinas na Bahia, atuando principalmente no sul, sudeste e sudoeste da Bahia, além de atuar em todo o norte de Minas Gerais. Devido à natureza dos projetos realizados pela empresa analisada, as incertezas e riscos presentes na execuçãodas obras podem afetar, principalmente,


16

as variáveis “prazos e custos” dos produtos comercializados.Neste contexto, o presente trabalho propõe a como pergunta de partida: Como o método de simulação Monte Carlo pode auxiliar na identificação e avaliação de riscos de uma pequena empresa fornecedora de piscinas e correlatos de Vitória da Conquista-BA? Para tanto, tem-se como objetivosgeral e específicos da pesquisa os seguintes. 1.2 OBJETIVO GERAL

Este trabalho tem como objetivo geral identificar, mensurar e analisarriscos e incertezas em projetos de fornecimento de piscinas de alvenariapor uma empresa de Vitória da Conquista-BApelo método de simulação Monte Carlo.

1.2.1 Objetivos Específicos

O objetivo geral do estudo se desdobra em quatro objetivos específicos: 

identificar e mensurar os riscosincidentes nosprojetos;

verificar como os riscos afetamo tempo e o custodos projetos;

correlacionar quais riscos apresentam maiores impactos nos prazos e custos dos projetos;

definirlimitações da utilização do método Monte Carlo como uma ferramenta de auxílio ao processo de gestão de riscos.

1.3 ESTRUTURA DO TRABALHO

Este estudo está estruturado em mais quatro capítulos, além desta Introdução. Nopróximocapítulo será apresentado o referencial teórico que tem como objetivo dar embasamento científicopara o estudo,a partir de informações sobre risco, gerenciamento de risco, projetos e gerenciamento de risco em projetos, apresentação do Método Monte Carlo, bem como a simulação e aplicação do método para análise de riscos. O terceiro capitulorefere-se à metodologia utilizada no presente estudo, pois contém informações sobre classificação da pesquisa, as unidadesde investigação ede observação, além do processo de coleta e análise dos dados.


17

Já no quarto capítulo é exposto à aplicação da simulação para análise de risco quantitativo de projeto, finalizado com a apresentação do estudo de caso, com o objetivo de ilustrar a simulação e seus benefícios através da utilização do software @RISK, suplemento do aplicativo Microsoft Excel, versão 2010. No último capítulo serãoapresentadas as considerações finais do estudo, com intuito de se dar visibilidade as contribuições do trabalho tanto em termos acadêmicos quanto pragmáticos e econômicos, alémde sugestões para o aprofundamento de estudos futuros.


18

2 REFERENCIAL TEÓRICO

2.1 RISCO E PROBABILIDADES

Em diversos momentos da história da civilização o risco estava presente na vida do homem. Na pré-história o ato de caçar o homem era exposto a perigos físicos, pois o mesmo enfrentava incertezas de um ambiente que tinha que lutar pela sobrevivência. Na Idade Média surgem as guerras e doenças. E na Idade Moderna e Contemporânea continuamos a enfrentar guerras, doenças e catástrofes provocadas pelo homem. Assim, podemos dizer que o risco sempre acompanhou a humanidade (AGUIAR 2010). A palavra risco deriva do italiano risicare (por sua vez derivado do baixo latim risicu, riscu), que significa "ousar". No dicionário Aurélio risco é definido como: “probabilidade de perigo, ameaça física para o homem e/ou para o meio ambiente”. Também há uma definição voltada para o mundo dos negócios, que define risco como: “Probabilidade de insucesso de determinado empreendimento, em função de acontecimento eventual, incerto, cuja ocorrência não depende exclusivamente da vontade dos interessados” (LA ROCQUE, 2007). O primeiro estudo feito sobre risco foi para se desatar das crenças antes impostas a todos. Mais tarde um nobre francês com gosto pelo jogo e pela matemática, desafiou o físico francês Pascal a decifrar um enigma proposto por um amigo. A pergunta era como dividir duas apostas em um jogo de azar entre dois jogadores, que foi interrompido quando um deles estava vencendo. O resultado dessa descoberta da teoria da probabilidade colaborou muito para o conceito de risco e trouxe um grande avanço intelectual na compreensão de risco. A partir da década de 60 que as organizações voltaram seus olhos para o risco e seu gerenciamento, devido os crescentes avanços tecnológicos e o aumento das organizações em escala global. Segundo Aguiar (2010) os estudos sobre risco passaram a ser sistemáticos e marcados pela multiplicidade da abordagem teóricometodológica, voltadas para o tema de investigação, medição e interpretação, contribuindo para uma visão de risco multifacetada.


19

2.1.1 Gerenciamentode risco em projetos

O gerenciamento de risco é um processo de identificação e análise dos riscos, onde a organização deve considerar a sua probabilidade e o impacto como alicerce para determinar como deverão ser controlados ou tratados (VIER 2009). A gestão de risco envolve a identificação dos fatores internos e externos às atividades da empresa, que podem afetar o desenvolvimento. Essa avaliação de risco deve ser feita constantemente, e os controles internos devem ser reavaliados de forma que possa considerar a existência de novos. No Guia PMBOK (PMI, 2004), a definição técnica de gerenciamento de riscos em projetos é descrita como:“risco é um evento ou condição incerta que, se ocorrer, provocará um efeito positivo ou negativo nos objetivos do projeto”. Segundo KADE (2003), o processo de gerenciamento deve se desenvolver da seguinte forma, conforme Figura 1: 

identificação de riscos - identificar riscos no projeto/processo;

análise de riscos – avaliar as possibilidades e os impactos decorrentes do risco;

planejamentopara eliminar os riscos – planejar ações para eliminar ou minimizar os efeitos dos riscos;

monitoração de riscos – monitorar os riscos duranteo processo.

Figura 1 Processo de gerenciamento de risco.

Fonte: KADE 2003.


20

O gerenciamento de risco é um processo de grande valia para as organizações, pois, o mesmo e busca identificar, analisar e monitorar o risco, a partir disso realizar ações para minimização do impacto de seus eventos. Segundo Clements (2013) projeto é um esforço para se alcançar um objetivo especifico por meio de um conjunto de tarefas e das utilizações eficaz dos recursos. O projeto tem que conter objetivos claros que estabeleça o que deve ser realizado, o mesmo também deve incluir os benefícios e os resultados a serem alcançados. Para Samsão(2015), projeto é um empreendimento, caracterizado por uma sequencia de eventos que inclui inicio meio e fim, que se destina a atingir um objetivo claro e definido, sendo conduzido por uma equipe de pessoas dentro dos parâmetros pré-definidos duração, custo, recurso e qualidade. Sendo assim conclui-se que projeto é um conjunto de ações executadas de maneira coordenada por uma organização, no qual são alocados recursos, para em dado momento alcançar os objetivos determinados. Um projeto resulta em:  Um produto ou objeto único, como exemplo confecção de um vestido de noiva, a construção de uma piscina, a construção de uma casa.  A realização de um serviço, como suporte a produção distribuição.  Um resultado ou documentação, como a realização de uma palestra, uma aula, um projeto com intuito de desenvolver conhecimento. Normalmente os projetos têm características exclusivas, que os tornam valiosos. Por exemplo, milhares de casas foram construídas, e tem a mesma função, porém a metodologia de projeto geram resultados únicos, têm projetos diferentes, moradores diferentes, locais distintos entre outras singularidades. A gerência de projetos é a aplicação de técnicas na elaboração de atividade que busca atingir um determinado objetivo o conhecimento e as praticas do gerenciamento de projetos são mais bem descritas através dos processos de seu ciclo de vida. O ciclo de vida do projeto tem quatro componentes, que são: iniciação, planejamento, execução e encerramento. A Figura 2 mostra as quatro fases e seu nível de esforço a mesmas irão variar de acordo o projeto. A fase de iniciação é definida os projetos a serem selecionados, logo após são autorizado por meio de documentação. A fase a de planejamentoinclui definir escopo, identificar recurso, identificar riscos, desenvolver programação e orçamento


21

para execução do trabalho. Na etapade realização o plano de projeto é executado a fim de produzir as entregas do projeto. Na fase de encerramento acontecem as avaliações e documentações que servirão para ajudar a melhorar desempenhos futuros. Figura 2Ciclo de vida do projeto

Fonte:Clements, 2003.

A gerência de projetos busca manter os riscos de fracasso em um nível mais baixo possível durante o ciclo de vida do projeto. O risco de fracasso aumenta de acordo com a presença de incerteza durante as fases do projeto. O gerente de projeto trabalha para manter o progresso do empreendimento, de modo a reduzir o risco de fracasso do projeto.

2.1.2Componentes do risco

Todo risco tem obrigatoriamente três componentes: 

o evento em si;

uma probabilidade associada ao evento;

um impacto no projeto;

Com análise desses componentes citados acima, pode-se afirmar que a probabilidade está associada diretamente à causa e ao impacto (LOPES, 2010). Ou seja, as ações são tomadas sobre a causa do risco, podendo assim, haver


22

alterações na probabilidade do risco. E ações tomadas sobre o efeito do risco, haverá alteração no impacto.

2.1.3Origem e natureza dos riscos em projetos

No âmbito organizacional, La Rocque (2007) define risco como um conjunto de eventos, externos e internos, que podem impactar nos objetivos estratégicos da empresa, sendo que a maioria deles está ligada aos ativos intangíveis. Ou Seja, todo organização está sujeita ao risco, e se faz necessário determinar a origem desses riscos, para que possa auxiliar na tomada de decisão. 

risco externo: São eventos associados ao ambiente macroeconômico, social, politico, natural ou setorial em que as organizações operam. Exemplo: Aumento do dólar, queda da inflação, ações governamentais, greves, catástrofes ambientais, terroristas, saúde publica, meios de transporte etc. São ocorrências onde as organizações não conseguem intervir diretamente. Isto não significa que os riscos externos não possam ser “gerenciados”, mas as mesmas devem estar preparadas para enfrenta-las; 

riscointerno: são ocorrências originadas na própria organização, e são gerados pelos processos, ambientes tecnológicos e pessoas. Neste caso as empresas devem interagir diretamente com uma ação para a redução do mesmo (Figura 3). Figura 3 Risco internos e externos

Fonte: HIRSCHMANN, D.M. Gerência de Riscos. 2001


23

É de grande valia, identificar a natureza do risco, assim possibilitando a redução do mesmo e auxilia na tomada de decisão. Segundo La Rocque (2007) a natureza do risco se divide em três categorias que são elas: 

risco estratégico: está ligada a tomada de decisão da alta

administração. Uma má decisão pode gerar perdas significativas para a sobrevivência desta empresa. 

risco

operacional:

está

associado

a

falhas

ou

deficiência

dosprocessos produtivos, pessoas e sistemas no ambiente interno, também estão sujeita a catástrofes que está relacionada ao ambiente externo. Os riscos operacionais geram redução ou interrupção das atividades realizada pelas organizações, impactando negativamente nas atividades desenvolvidas. 

risco financeiro: Os riscos financeiros correspondem às operações

financeiras. A má administração do Fluxo de caixa, cotação do dólar, as alterações da inflação, taxas de juros entre outros.

2.1.4Grau de incerteza no ambiente de projeto

Na atual realidade de se gerenciar um projeto sujeito a elevadas incertezas torna-se um desafio significativo. Levando isso em consideração, nota-se que não é comum encontrar registros de estimativas em projetos. Dado que o habito de registrar estimativas de custo e prazo de um projeto gerariam grandes ganhos para as organizações, pois seria possível realizar comparações entre o previsto e o realizado e gerar dados históricos que futuramente poderiam contribuir para analises de desempenho.

2.1.5Métodos de identificação de riscos em projetos

O objetivo deste processo é prever quais riscos podem ocorrer, descrevendo os eventos para ser analisados (Lopes, 2010). Existem diversas técnicas para identificar riscos, entre elas:  Experiências anteriores.


24

 Entrevistas: Reuniões com a equipe e entrevistas individuais podem acumular o conhecimento das pessoas na identificação dos possíveis riscos.  Fluxogramas: Cronograma, rede de atividades, árvore de decisão, diagramas de causa e efeito e fluxos dos processos.  Check-List: Fruto de lições aprendidas de projetos anteriores, pode ser usado como instrumento para prevenir a repetição das causas dos riscos identificadas.  FMEA: Sigla em inglês, que significa Aplicação da Análise de Modos de Falha e Efeitos, colabora com o processo de gerenciamento de riscos.  Brainstorming: também conhecida com chuva de ideias, consiste em reunir a equipe e desenvolver uma reunião livre, na qual todas as sugestões são consideradas e nada é descartado.

2.1.6Categorização dos riscos

Após a identificação do risco, é necessário categoriza-lo por afinidade ou tipo.Assim os riscos serão agrupados por categoria, dimensões técnicas, organizacionais ou funcionais, gerenciais e do ambiente. A categorização do risco pode ser apresentada pela Estrutura Analítica de Risco (EAR), que exibe uma estrutura hierárquica dos riscos em projetos, como é demonstrado na figura 4.


25

Figura 4Exemplo de EAR

Fonte: PMI E PMBOK (2004)

2.1.7Análise quantitativa de riscos

Análise qualitativa de risco é o processo de avaliação do projeto. Este processo elege os riscos de acordo com os seus efeitos potenciais nos objetivos do projeto (PMBOK 2000). Análise qualitativa de risco é a forma de determinar a importância de se endereçar riscos específicos e guiar respostas de risco. Análise qualitativa de risco requer que a probabilidade e consequências dos riscos sejam avaliadas usando métodos e ferramentas de análise qualitativa estabelecida. A tendência dos resultados indica a necessidade de ações a serem tomadas no gerenciamento de risco, como na figura 5.


26

Figura 5Processo de entrada e saída da análise quantitativa

Fonte: PMBOK,2000.

A seguir serão apresentadas as etapas que serão avaliadas com uma breve explicação.  Entrevista: A entrevista é usada para mensurar a probabilidade e consequências dos riscos no projeto. Uma entrevista sobre risco com a equipe que irá desenvolver o projeto e especialistas no assunto é o primeiro passo na mensuração dos riscos (PMBOK, 2000).  Análise sensitiva: A análise sensitiva ajuda a determinar quais riscos têm o maior impacto no projeto. Ela examina a incerteza que afetam o objetivo do projeto. Mantendo todos os outros elementos em seus valores iniciais (PMBOK, 2000).  Análise da árvore de decisão: A árvore de decisão é um diagrama que descreve uma decisão sob consideração e as implicações de escolher alternativas disponíveis. Ela incorpora probabilidades de riscos e os custos de recompensas de cada caminho lógico dos eventos e decisões futuras (PMBOK, 2000). Ou seja, indica quais decisões geram os valores maiores que auxiliam na tomada de decisão.  Simulação: uma simulação do projeto usa um modelo que traduz as incertezas geradas por um processo em um nível detalhado para o impacto das mesmas que incide nos objetivos do projeto.


27

 Lista principal de riscos quantificados: Esta lista de riscos inclui aqueles que oferecem maiores ameaças ou apresentam a maior oportunidade ao projeto, junto com a avaliação do impacto.  Análise probabilística do projeto: São previsões de cronogramas do projeto e resultados de custo, listando as possíveis datas para a finalização ou duração do projeto (Lopes, 2010). 

Probabilidade de conquista dos objetivos do custo e tempo: É a probabilidade de alcance dos objetivos do projeto sob o plano atual e com o conhecimento atual dos riscos pode ser estimado, usando risco quantitativo(Lopes, 2010).Sendo assim o método Monte Carlo é uma ferramenta de grande valia para análise e simulação de custo e tempo, gerando resultado de um cenário real.

2.2 MÉTODO MONTE CARLO

Com os avanços da tecnologia, os métodos numéricos tornaram-se instrumentos fundamentais na solução de problemas nas diversas áreas, principalmente onde as soluções são mais complexas, tais como em situações de gestão de riscos. O matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidade de sucesso de uma determinada jogada (NASSER, 2012). Após gastar bastante tempo fazendo análise combinatória, percebeu que a única saída seria realizar inúmeras jogadas, e partir dessas jogadas determinaria quantas vezes o resultado ocorria. O método ficou conhecido como Método Monte Carlo (MMC), o nome foi dado em homenagem a um frequentador do cassino da cidade de Monte Carlo devido à maneira aleatória dos resultados da roleta. O MMC provê uma simulação estatística que utiliza sequências de números aleatórios. Segundo Lopes (2010) uma simulação é sempre necessária, quando a realização efetiva de um processo ou um projeto pode vim a gerar gastos ou riscos, ou quando há variáveis aleatórias envolvidas.


28

2.2.1Simulação Método Monte Carlo

Simulação é qualquer método analítico que tente transcrever um sistema real, principalmente quando envolvem complexidade matemática ou que são difíceis de serem reproduzidas (MOURA 2000). Como vimos, o método de Monte Carlo é um método de solução numérica de problemas que se baseia na simulação de variáveis aleatórias. Para Silva (2010), simulação é uma das técnicas usadas para reproduzir o funcionamento de um sistema como o auxílio de um modelo, que permite testar hipóteses sobre variáveis. Segundo Nasser (2012), uma simulação de MMC é calculada inúmeros cenários de um modelo utilizando distribuições de probabilidade para as variáveis incertas e utilizando esses valores para o evento. Como todos os cenários produzem resultados associados, cada cenário pode vir a ter uma previsão. Previsões são eventos que definem importantes outputs do modelo. Hull (2001), afirma que a simulação de Monte Carlo envolve o uso de números aleatórios para obter amostras de várias trajetórias diferentes que poderiam ser percorridas pelas variáveis objetos do derivativo em um mundo neutro ao risco. Para programar o Método de Monte Carlo é necessário inicialmente que sejam geradas sequências de números aleatórios uniformemente distribuídos no intervalo [0,1]. É muito importante frisar que o sucesso da implementação deste método está estritamente ligado à qualidade da aleatoriedade dos números dessas sequências. Dada uma distribuição de probabilidades para uma variável x. Seja F(x) a função de distribuição acumulada, a qual fornece a probabilidade, P, em que X é menor ou igual a x. Assim: F(x) = P(X £ x) , onde: 0 £ F(x) £ 1. Da equação anterior pode-se obter a função inversa G(F(x)) que para valores de F(x) calcula valores de x. Então: G(F(x)) = x Este conceito de função inversa é fundamental na geração de valores aleatórios. O primeiro passo é gerar um número aleatório, r, de uma distribuição uniforme com intervalo [0,1]. O valor de r representará o valor da função de distribuição acumulada. Através da função inversa, será então determinado o valor a ser gerado para a distribuição: G(r) = x (NASSER, 2012).


29

O número r é gerado de uma distribuição uniforme [0,1] para permitir igual oportunidade de que o valor x seja gerado em cada percentil do domínio com as probabilidades equivalentes.

2.2.2 Simulação de Monte Carlo para o gerenciamento de risco

A simulação de Monte Carlo (MMC) é reconhecida como uma ferramenta de grande utilidade na tomada de decisão no tratamento de situações sujeitas a riscos. O MMC é uma solução numérica de problemas que se baseia essencialmente na simulação de variáveis aleatórias. A simulação MMC é utilizada para analise quantitativa de riscos em projetos, a mesma consiste no emprego de programas computacionais que realizam análise estatística, executando projeto de forma a determinar possíveis resultados de variáveis incertas. Habitualmente, é definido no planejamento o tempo em que irá ser feito determinada atividade. Por exemplo, quando há desenvolvimento de um cronograma de um processo, é gerada uma estimativa de duração para cada atividade, que nem sempre será realizado nesse tempo estipulado. Para que haja exatidão, é necessário aplicar uma distribuição probabilística para essa estimativa de duração. Determinando duração mais provável, durações mínimas e máximas para cada atividade. Modelos de simulação são usados para tomada de decisão. Para se gerar uma

simulação

que

analise

situações

de

risco,

adotam-se

modelos

de

comportamento de um ou mais fatores incertos. Tendo então como resultado da simulação fatores mais prováveis. No contexto de projetos, os modelos de simulação são utilizados numa avaliação mais precisa de custo e prazo de entrega, e se encontram sob as condições de incerteza na execução.

2.2.3 Explicando o método

O método de Monte Carlo é usado para determinar e soluções numéricas (output) através de parâmetros (input) gerados aleatoriamente (Figura 6). Geralmente, estas soluções consistemem distribuições de valores já que o input


30

consiste num conjunto de parâmetros pseudoaleatórios. Figura 6 Modelo determinístico que usa variåveis de input para gerar variåveis de output

Fonte: Carmo 2014

Para Carmo (2014) Monte Carlo, o sistema ĂŠ simulado um grande nĂşmero de vezes, sendo que cada simulação pode ser considerada como um ciclo. Em cada ciclo, o input, que consiste num valor de cada parâmetro, pertencente a uma distribuição aleatĂłria especificada, e ĂŠ usado para obter um resultado. O output final consiste, assim, num conjunto elevado de resultados que representam respostas separadas e independentes. O conjunto destes resultados, ou o output, consiste numa distribuição de probabilidades de possĂ­veis cenĂĄrios o que, na realidade, quer dizer que o output ĂŠ uma distribuição probabilĂ­stica. Quanto maior for o nĂşmero de ciclos, mais precisa ĂŠ a sĂŠrie de probabilidades gerada pela simulação. Cada interação significa um cenĂĄrio possĂ­vel de ocorrer. Esse evento tem entĂŁo uma probabilidade diferente de zero de acontecer e gera uma saĂ­da que deve ser guardada em uma lista para posterior anĂĄlise. Esse processo de geração de dados de entrada e registro dos resultados ĂŠ repetido quantas vezes forem necessĂĄrias. A determinação da quantidade de repetiçþes vai depender de vĂĄrios fatores. Um deles ĂŠ o poder de processamento utilizado, se o processamento de muitas repetiçþes for possĂ­vel, tanto serĂĄ melhor, jĂĄ que os resultados serĂŁo mais representativos. Visto que para o mĂŠtodo de Monte Carlo quanto maior o nĂşmero de iteraçþes tanto melhor. Para Rubinstein (2011) ĂŠ necessĂĄrio estimar um mĂ­nimo necessĂĄrio de iteraçþes para um erro estipulado. O nĂşmero de iteraçþes ĂŠ dado pela equação 1. 3đ?œŽ đ?‘ = đ?œ€

2

(1)


31

N: NĂşmero de interaçþes Îľ: Erro total absoluto Ďƒ: Desvio padrĂŁo Seja um Projeto de duração mĂ­nima total “Dminâ€? e duração total mĂĄxima “Dmaxâ€?. A faixa superior de Ďƒpode ser estimada calculando-se o desvio padrĂŁo entre Dmin, Dmax e o valor mĂŠdio. Estipula-se entĂŁo um erro relativo (em %) Îľ%. O erro total absoluto pode entĂŁo ser calculado como a mĂŠdia das variĂĄveis aleatĂłrias vezes seu erro relativo.

Îľ = đ?‘Ľ ∗ Îľ%

(2)

Esta Ê a estimativa do número mínimo necessårio de iteraçþes, o que significa que um número consideravelmente maior que este deve ser levado em conta para um bom resultado da simulação. Deste modo, o mÊtodo de Monte Carlo permite que se aborde o contexto de resultados de uma forma mais integrada e abrangente, por meio do uso de distribuiçþes de probabilidades nas estimativas do projeto. Em relação à escolha da curva de probabilidade, os softwares que realizam a simulação podem ajudar na decisão da escolha. Sabendo-se que a escolha da curva de uma distribuição deve obedecer alguns critÊrios, como no exemplo abaixo: Quadro 1 Distribuição de probabilidades

Distribuição de probabilidade

Características São três as condiçþes características desta curva:

Distribuição Uniforme



Ter um valor mĂ­nimo,



Ter um valor mĂĄximo



Todos os valores entre o mĂ­nimo e o mĂĄximo possuem

a

mesma

probabilidade

de

ocorrência. Distribuição Triangular

São três as condiçþes características desta curva: 

Um nĂşmero mĂĄximo de itens



Um nĂşmero mĂ­nimo de itens


32

O mais provável de itens fica entre o mínimo e o máximo, formando o desenho de um triângulo.

Distribuição Normal

A curva tem como características principais: 

Média populacional indica a posição central da distribuição

Desvio padrão refere-se a dispersão da distribuição

A curva normal tem forma de sino, ou sejaunimodal e simétrica.

Distribuição Exponencial

Ela é caracterizado para analisar inversamente o experimento:

um

intervalo

ou

espaço

para

ocorrência de um evento. Fonte: Montgomery, 2013.

Após a escolha da distribuição de probabilidade, emprega-se o uso de simuladores para a geração de números aleatórios relacionados às variáveis.

2.2.4 Avaliação das probabilidades associados ao resultado do modelo

Após as interações para cada cenário simulado os mesmo são convertidos em histograma,gráfico coeficiente de correlação posto de spearmam tabelas contendo os limites de alta, média e baixa probabilidade de valor, média, moda, mediana, desvio padrão, variância e percentil. Histograma é utilizado para representar graficamente uma grande quantidade de dados numéricos. Através da análise do histograma é possível interpretar estas informações de forma mais fácil e simples, do que acompanhando uma grande tabela ou um relatório com somente números e/ou valores (KURUKAWA, 2002). Coeficiente de correlação de Pearson é uma medida do grau de relação linear entre duas variáveis quantitativas. Este coeficiente varia entre os valores -1 e 1. O valor 0 (zero) significa que não há relação linear, o valor 1 indica uma relação linear perfeita e o valor -1 também indica uma relação linear perfeita mas inversa, ou seja quando uma das variáveis aumenta a outra diminui. Quanto mais próximo estiver de


33

1 ou -1, mais forte Ê a associação linear entre as duas variåveis(CARGNELUTTI, 2001). O coeficiente de correlação de Pearson Ê normalmente representado pela letra r e a sua formula Ê dada na equação 3:

đ?‘&#x;=

(đ?‘Ľđ?‘– − đ?‘Ľ)(đ?‘Śđ?‘– − đ?‘Ś)

(3)

(đ?‘Ľđ?‘– − đ?‘Ľ)² (đ?‘Śđ?‘– − đ?‘Ś)²

O coeficiente de correlação de postos de Spearman permite identificar se hå relação de duas variåveis em uma função monótona (se um número aumenta, o mesmo acontece com o outro, ou vice-versa)

Abaixo, o Quadro 1 apresenta o sumĂĄrio estatĂ­stico utilizado pelo software para auxiliar na tomada de decisĂŁo.

Quadro 2 SumĂĄrio estatĂ­stico

MĂŠdia

É a medida de tendência central, usada para descrever uma distribuição de frequência. É dada pela formula: �

đ?‘Ľ= đ?‘–=1

Moda

đ?‘Ľđ?‘– đ?‘›

(4)

Define-se modacom o valor mais frequente dentro de uma amostra ou população.

Mediana

Pode ser definida como o valor que divide uma serie ordenada de tal forma que pelo menos a metade dos itens sejam iguais ou maiores do que ela.

MĂ­nimo

Menor valor da amostra

MĂĄximo

Maior valor da amostra

Desvio

É igual à mÊdia aritmÊtica dos valoresabsolutos dos desvios

padrĂŁo

tomados em relação a uma medida de tendência central.


34

đ?‘ = Variância

(đ?‘Ľ − đ?‘Ľ)² đ?‘›âˆ’1

(5)

É quadrado do desvio-padrão; a esperança matemåtica do quadrado do desvio de uma variåvel aleatória.

Percentil

O percentil de ordem pâ&#x2030;¤100 (0 < p < 1), em um conjunto de dados de tamanho n, ĂŠ o valor da variĂĄvel que ocupa a posição p ď&#x201A;´ (n + 1) do conjunto de dados ordenados.

Fonte:Murray,1993.

2.2.5 Fases da simulação de Monte Carlo

De modo geral, a anålise de risco utilizando a simulação de Monte Carlo Ê definida nos passos do fluxo abaixo:

Figura 7 Fluxo da simulação Monte Carlo

DESENVOLVIMENTO DO MODELO

IDENTIFICAĂ&#x2021;Ă&#x192;O O RISCO

IDENTIFICAR A(S) VARIĂ VEL (EIS) DE ANĂ LISE (VAR. DE SAĂ?DA)

GERAR SIMULAĂ&#x2021;Ă&#x192;O

ANĂ LISE DO MODELO SIMULADO

TOMADA DE DECISĂ&#x192;O Fonte: Adaptado Lopes 2005


35

Desenvolvimento do modelo - Explicar o problema e suas características em uma planilha eletrônica, na qual a relação entre as variáveis do modelo é estabelecida.

Identificar o Risco - Identificar

no

modelo

as

variáveis

que

exercem

significativa importância no resultado do modelo. Em seguida, é necessário estudar cada uma para que se defina a distribuição de probabilidade que melhor se ajusta à série de dados. Esse procedimento se repete para cada uma das variáveis de risco do modelo. Essas são as chamadas variáveis de entrada do modelo de simulação. 

Identificar a(s) Variável (eis) de Análise (Var. de Saída)

-

variáveis

do

de

estudo

ou

índices

de

desempenho

Identificar projeto

cujo

comportamento será analisado. Essas são chamadas de variáveis de saída ou análise 

Gerar Simulação - Executar o modelo N vezes, gerando a série de valores para variável de análise.

Análise do Modelo Simulado - Obter a distribuição de frequência e distribuição de frequência acumulada para as variáveis de análise (saída).

Tomar a Decisão - Tomar a decisão, com base nas informações obtidas em conjunto com outros aspectos relevantes.


36

3METODOLOGIA

Metodologia é o estudo do método, ou seja, é o corpo de regras e procedimento estabelecido para realizar uma pesquisa científica deriva de ciência, a qual compreende o conjunto de conhecimentos precisos e metodicamente ordenados em relação a determinado domínio do saber (GERHARDT pág. 11, 2009).

3.1 CLASSIFICAÇÃO DA PESQUISA

Este estudo teve como intuito a geração de conhecimento à aplicação pratica da investigação do risco em projetos e seu impacto no desempenho. Assim classifica-se em pesquisa aplicada (GERHARDT, 2009). Quanto aos fins a mesma se enquadra em pesquisa descritiva.A pesquisa descritiva observa, registra, analisa e correlaciona fatos ou fenômenos (variáveis) sem manipulá-los (CERVO, pág. 67, 2002) Quanto aos, se enquadra em pesquisa quantitativa.A mesma recorre à linguagem matemática para descrever as causas de um fenômeno, as relações entre variáveis, etc. (Fonseca 2002, p. 20). Ou seja, busca traduzir números em informações para analise do pesquisador. Para cumprir com os objetivos propostos foi essencial à adoção de procedimentos como pesquisa bibliográfica e pesquisa documental. Enquadrando assim, em estudo de caso. Segundo Santos (2003), estudo de caso busca aprofundar um ou poucas ocorrências com intuito de obter um grande conhecimento sobre o objeto de estudo. É de fundamental importância para o desenvolvimento da pesquisa à adoção de ferramentas e métodos específicos, conceituados e serão aplicados de acordo com os objetivos a serem alcançados. 3.2 UNIDADE DE INVESTIGAÇÃO

Por motivo de confidencialidade o nome da empresa pesquisa não foi revelado. Neste estudo será referenciada como “Empresa Alfa”. Ela foi fundada em


37

2001 e localiza-se na cidade de Vitória da Conquista - BA, dedicando-se à construção de piscinas e comercialização de diversos produtos, como: banheiras, aquecimento solar e produtos químicos. A mesma surgiu com o objetivo de comercializar e construir piscinas e outros produtos relacionados ao seguimento. Em poucos anos de trabalho a empresa se transformou em referência na região, tornando-se líder na cidade sede. Devido à necessidade de atender a demanda e explorar novos mercados, em fevereiro 2010 a empresa inaugurou uma filial na cidade de Jequié na Bahia. A empresa ALFA atualmente é uma das maiores e mais completas empresas no seguimento de piscinas na Bahia, atuando principalmente no sul, sudeste, sudoeste da Bahia e em todo o norte de Minas Gerais, tem uma média de 50 piscinas construídas por ano.

3.3 UNIDADE DE OBSERVAÇÃO

Este trabalho busca identificar e analisar os riscos em projetos assim como suas especificidades relacionadas a riscos quantitativos de uma construção depiscina. Associando os riscos, em caso positivo, a quantificação do valor dessa contingência, balanceando as condições de minimização de prejuízos e a manutenção da competitividade da proposta. No anexo A, é apresentado fotos das etapas que serão analisadas, é importante salientar que o publico alvo deste nicho de mercado é exigente e pede exclusividade em cada projeto, logo todas as piscinas tem características únicas. O projeto a ser estudado ainda será executado, os dados obtidos neste trabalho poderão posteriormente ser comparados com os dados reais, a fim de demonstrar de modo assertivo o quanto os resultados se aproximam

3.4 INSTRUMENTOS DE COLETA DE DADOS

Os dados referente à duração das atividades serão coletados a partir de entrevistas com gestores e colaboradores inseridos no ambiente organizacional da empresa. Os mesmos passaram por análise, que tem como objetivo a apresentação dos fenômenos, possibilitando o aprofundamento e a reflexão sobre o trabalho.


38

Para dar alicerce a pesquisa foi coletada dada históricos no sistemaintegrado de gestão tipo “ERP” utilizado pela empresa.

3.5 ESTRATÉGIA DE ANÁLISE DE DADOS

A pesquisa foi embasada na coleta de dados provenientes de entrevistas, observação e da análise documental. Por se tratar de uma pesquisa quantitativa, o estudo requer um tratamento estatístico. Para o tratamento estatístico e aplicação do Modelo de Monte Carlo foi realizada a simulação dos dados, optando-se por usar um suplemento do Excel @Risk 7.0 industrial (www.palisade.com).Para a simulação de Monte Carlo, este software desenvolve facilmente o processo de simulação e interações, além de gerar relatórios que contribuem e orientam a tomada de decisão no gerenciamento de riscos em projetos de natureza diversa.


39

4RESULTADOS E DISCUSSÕES

4.1 PROCESSOS E OPERAÇÕES DA EMPRESA ESTUDADA

O processo completo de desenvolvimento de uma piscina, como demostrado fluxograma, figura 8, inicia-se a partir da venda concretizada com consumidor, a partir dessa etapa, juntamente ao cliente, o projetista desenvolve o projeto da piscina de acordo as necessidades, espaço físico. Utilizando o projeto como base, é calculado e planejado todo o material necessário para a realização do projeto, verificado a disponibilidade desses materiais então se inicia a próxima etapa. Para dar inicio a obra, é necessário analisar a disponibilidade da equipe de construção, que segue a ordem cronológica das vendas, verificado a disponibilidade, inicia-se a construção, durante essa construção os inspetores de qualidade visitam a obra em media 04 vezes para verificar se está tudo correto e se está faltando algum material, após a parte estrutural pronta o inspetor verifica mais 01 vez, se aprovado autoriza o técnico a fazer à parte hidráulica da piscina.A parte hidráulica estando pronta, o inspetor novamente verifica se está dentro das normas exigidas, estando em conformidade com os padrões segue o processo. Após a construção e parte hidráulicas em conformidade, é instalado os equipamentos que ficam na casa de máquinas (Bombas, motores, filtros, módulos transformadores, sensores, etc), verificado a instalação pelo inspetor é hora de colocar o revestimento na piscina, no caso da empresa o mais utilizado é o vinil, todos os processos anteriores estando prontos o Técnico e o inspetor verifica o funcionamento de todo o conjunto, a piscina por completo, construção, hidráulica, equipamentos elétricos e revestimento, esses processos precisam estar trabalhando em sincronia, testado o produto a empresa disponibiliza um funcionário capacitado geralmente o vendedor ou o inspetor para realizar um treinamento com o cliente, com o objetivo de esclarecer toda e qualquer duvida que venha aparecer com o uso do produto, duvida sanadas é feito a entrega do produto final ao cliente. Na figura 8 o fluxograma do processo.


40

Figura 8 Fluxograma do projeto de piscina

Fonte: Empresa Alfa

Para alcançar os objetivos propostos, o presente trabalho está fundamentado nas seguintes fases: na primeira, foi feito o levantamento de todas as etapas do projeto para a construção de uma estrutura do modelo EAR, como exibido na figura 9.


41

Figura 9 Estrutura analítica de risco do projeto

PROJETO DE PISCINA DE 32M

PLANEJAMENTO

CONSTRUÇÃO

ACABAMENTO

ANALISE DE VIABILIDADE TECNICA

MARCAÇÃO

REVESTIMENTO EM VINIL

DESENVOLVIMENT O DE PROJETO 2D/ 3D

ESCAVAÇÃO

INSTALAÇÃO DE EQUIPAMENTO DE FILTRAGEM

COTAÇÃO DE MATERIAL

ARMAÇÃO DE FERRAGEM

INSTALAÇÃO DE ACESSÓRIOS

ENTREGA DE MATERIAL DE CONSTRUÇÃO

CONCRETAGEM

INSTALAÇÃO ELÉTRICA

ENTREGA DE MATERIAL DE MATERIAL DE ACABAMENTO

LEVANTE

TESTE

REBOLCO

TREINAMENTO

CIRCUITO HIDRAÚLICO

Fonte: Pesquisa de campo, 2016.


42

4.2 SIMULAÇÃO

Noquadro 3 é apresentado as datas, quantidade de dias de cada atividade e o custo de cada atividadedo projeto-modelo que será analisado. Quadro 3 Projeto da piscina 2016 NOME DA TAREFA

DURAÇÃO

ÍNICIO

TÉRMINO

CUSTO

PISCINA

39 dias

Seg 04/07/16

Qui 25/08/16

R$ 21.682,50

PLANEJAMENTO

5 dias

Seg 04/07/16

Sex 08/07/16

R$ 6.510,00

Análise de viabilidade técnica

1 dia

Seg 04/07/16

Seg 04/07/16

R$ 600,00

Projeto 2D/ 3D

1 dia

Ter 05/07/16

Ter 05/07/16

R$ 800,00

Cotação e compra

1 dia

Qua 06/07/16

Qua 06/07/16

R$ 150,00

Entrega de Material de Construção

2 dias

Qui 07/07/16

Sex 08/07/16

R$ 4.960,00

CONSTRUÇÃO

26 dias

Seg 11/07/16

Seg 15/08/16

R$ 4.192,50

Marcação

1 dia

Seg 11/07/16

Seg 11/07/16

R$ 150,00

Escavação

11 dias

Ter 12/07/16

Ter 26/07/16

R$ 1.300,00

Armação de ferragem

2 dias

Qua 27/07/16

Qui 28/07/16

R$ 457,00

Concretagem

1 dia

Sex 29/07/16

Sex 29/07/16

R$ 228,50

Levante

7 dias

Seg 01/08/16

Ter 09/08/16

R$ 1.600,00

Rebocar

2 dias

Qua 10/08/16

Qui 11/08/16

R$ 228,50

Circuito hidráulico

2 dias

Sex 12/08/16

Seg 15/08/16

R$ 228,50

ACABAMENTO

8 dias

Ter 16/08/16

Qui 25/08/16

R$ 10.980,00

Entrega de Material de acabamento

1 dia

Ter 16/08/16

Ter 16/08/16

R$ 8.940,00

Revestimento em vinil

1 dia

Ter 16/08/16

Ter 16/08/16

R$ 450,00

Instalação de equipamento de filtragem

1 dia

Qui 18/08/16

Qui 18/08/16

R$ 300,00

Instalação de acessórios

2 dias

Sex 19/08/16

Seg 22/08/16

R$ 600,00

Instalação elétrica

1 dia

Ter 23/08/16

Ter 23/08/16

R$ 90,00

Teste

1 dia

Qua 24/08/16

Qua 24/08/16

R$ 300,00

Treinamento

1 dia

Qui 25/08/16

Qui 25/08/16

R$ 300,00

Fonte: Empresa Alfa, 2016.


43

Na segunda fase, foram registradas as estimativas do projeto, de forma categorizada, bem como deve proceder aos registros dos parâmetros de execução, dos valores pertinentes à duração realizada real do projeto de forma criar uma base histórica para a cada etapa de cada um dos projetos. A este cenário aplicou-se uma estimativa a partir do uso do levantamento de dados e informações dos gestores e executivos da Empresa Alfa e métodos de mercado apoiado pela simulação de Monte Carlo. Ao envolver o gerente da Empresa Alfaobtiveram-se as seguintes: Quadro 4 Estimativa Geral ETAPAS

DURAÇÃO EM DIAS

PROJETO

OTIMISTA

REALISTA

PESSIMISTA

PISCINA

35

38

45

DURAÇÃO EM DIAS 1º ETAPA: PLANEJAMENTO

OTIMISTA

REALISTA

PESSIMISTA

ANALISE DE VIABILIDADE TÉCNICA

1

2

3

DESENVOLVIMENTO DE PROJETO 2D/3D

2

2

2

COTAÇÃO E COMPRA

1

1

2

ENTREGA DE MATERIAL DE CONSTRUÇÃO

1

2

3

TOTAL

5

7

10

DURAÇÃO EM DIAS 2º ETAPA: CONSTRUÇÃO

OTIMISTA

REALISTA

PESSIMISTA

MARCAÇÃO

1

1

2

ESCAVAÇÃO

8

11

15

ARMAÇÃO DA FERRAGEM

1

2

2

CONCRETAGEM

1

1

2

LEVANTE

5

7

10

REBOCAR

1,5

2

3

CIRCUITO HIDRAÚLICO

1

2

2,5

TOTAL

18,5

26

36,5

DURAÇÃO EM DIAS 3º ETAPA: ACABAMENTO

OTIMISTA

REALISTA

PESSIMISTA

ENTREGA DE MATERIAL DE ACABAMENTO

0,7

1

4

REVESTIMENTO EM VINIL

1

1

2


44

INSTALAĂ&#x2021;Ă&#x192;O DE EQUIPAMENTO DE FILTRAGEM INSTALAĂ&#x2021;Ă&#x192;O DE ACESSĂ&#x201C;RIOS

1

1

1,5

1

2

3

ELĂ&#x2030;TRICA

0,5

0,5

1

TESTE

0,5

1

1,5

TREINAMENTO

0,5

1

1

5,2

6,5

14

TOTAL Fonte: Empresa Alfa, 2016.

Após as estimativas coletadas, foi determinado o numero de interaçþes, cada output simulado admitindo uma variação de 1%de seu valor real. E um nível de confiança de 99%.

1°passo: Determinar erro absoluto: Îľ = đ?&#x2018;Ľ â&#x2C6;&#x2014; Îľ%

Îľ=

35 + 45 â&#x2C6;&#x2014; 0,01 2 Îľ = 0,4

2° passo: Determinar onumero de iteraçþes mĂ­nima: 3đ?&#x153;&#x17D; đ?&#x2018; = đ?&#x153;&#x20AC;

2

3 â&#x2C6;&#x2014; 3,37 đ?&#x2018; = 0,4

2

đ?&#x2018; = 638

Determinado o número de interaçþes, utilizou-se o suplemento do Excel @Risk 7.0 industrial (www.palisade.com) para realizar o processo de simulação de Monte Carlo.Utilizando-se da distribuição estatística triangular, para as estimativas de três pontos. Nesta fase busca comtemplar o primeiro e o segundo objetivos específicosdeste estudo, obtendo as seguintes informaçþes:


45

4.2.1 Etapa de planejamento

No quadro 5, é apresentado as estimativas do da etapa de planejamento, a distribuição estatística e o número de interações realizados. Quadro 5Estimativa do Planejamento

Duração otimista:

5 dias

Duração mais provável:

7 dias

Duração pessimista:

10 dias

Prazo de término:

6 dias

Distribuição estatística:

Triangular

Número de iterações:

638

Fonte: Pesquisa de campo, 2016.

O conjunto de resultados produzidos ao longo de todas as simulações poderá ser analisadoestatisticamente e fornecer resultados em termos de probabilidade. Como pode ser observado na figura 10 projeto tem cerca de 60% de chance de ser finalizado em 6 dias e 95% de chance de finalizado em 7 dias, ou seja, dentro do tempo mais provável. Figura 10 Resultado da etapa de planejamento

Fonte:Pesquisa de campo, 2016.


46

Nos Apêndices do estudo serão apresentados resultados estatísticos gerados detalhadamente

pelo

software

@RisK.

Cada

geração

de

novos

valores

correspondea um evento ou cenário provável de ocorrer. A disposição desses eventos em uma distribuição possibilita a avaliação daprobabilidade de ocorrência de cada evento, através de medidas de estatística descritiva, comoa média eo percentil. A seguir é apresentado o coeficiente de correlação de Pearson, que mostra que quanto mais alta for à correlação entre um input e um output, mais significante será este input na determinação do valor do output.É possível identificar que as atividades que mais influenciam o desenvolvimento da etapa de planejamento são: “análise de viabilidade técnica”, “entrega de material de construção” e “cotação e compra”. Figura 11 Gráfico de Correlação da etapa de Planejamento

Fonte:Pesquisa de campo, 2016.

Em entrevista ao gerente da Empresa Alfa, foi identificado que na etapa de planejamento a atividade que oferece mais riscoé a analise de viabilidade técnica de entrega de material de construção. Essa contingência pode ser classificada como risco externo. Pois, encontra-se fora do controle dos líderes de projeto (HIRSCHMANN, 2001), ou seja, não há controle direto sobre as ocorrências de riscos, que podemreceber a influência de terceiros.


47

E quanto à natureza do risco, é considerado com risco operacional, poisa mesma implica na redução ou interrupção das atividades realizada pelas organizações, impactando negativamente nas atividades desenvolvidas.

4.2.2 Etapa de Construção

No quadro 6, é apresentado as estimativas do da etapa de construção, a distribuição estatística e o número de interações realizados. Quadro 6Estimativa da etapa de Construção

Duração otimista:

18 dias

Duração mais provável:

26 dias

Duração pessimista:

36 dias

Prazo de término:

26 dias

Distribuição estatística:

Triangular

Número de iterações:

638

Fonte: Pesquisa de campo, 2016

Na etapa de construção houve maior variação da duração, o mesmo teve um aumento 5 dias do que foi previsto. Com 90% de chance de o projeto terminar em 31 dias, enquanto que a estimativa mais provável, feita pelos especialistas eram 26 dias. Figura 12 Resultado da etapa de construção


48

Fonte: Pesquisa de campo, 2016.

Para um resultado mais detalhada foi gerado uma análise de sensibilidade, apresentado nafigura13 este gráfico com barras mais longas no topo evidencia as variáveis de entrada mais significativas, o mesmo apresenta as atividades que mais incidem no tempo de duração de cada atividade. Como é evidenciado no gráfico , atividades de escavação e levante, são as que mais oferecem risco a etapa de construção devido a sua elevada duração. Figura 13Gráfico de Correlação da etapa de construção


49

Fonte: Pesquisa de campo, 2016.

Na etapa de construção foi identificada a incidência tanto do risco externos quanto a riscos internos e quanto à natureza a mesma se enquadra em risco operacional. A atividade que mais sofre com a eventualidade é a de escavação. Por se tratar de uma etapa que necessita de trabalho braçal, a mesma depende de algumas variáveis para ser realizada com excelência. Dada o vasto atendimento da organização a mesma atende em regiões distintas, onde pode ocorrer variabilidade do clima. Sendo assim em cidades onde se tem maior índice de chuva, tem-se a maior probabilidade de atraso no projeto, dado que a atividade fica impossibilitada de prosseguir em dias chuvosos. Outro fator determinante para o atraso desta atividade é em relação ao solo, pois, pode ocorrer variação no tipo de terreno (terrenos rochosos, alagados, arenosos, aterros), pois para cada tipo de solo é usado uma técnica diferente de escavação. Outra variável que exerce impacto sobre a atividade de escavação é a quantidade disponível de mão-de-obra para realizar essa atividade, quanto maior a disponibilidade de mão-de-obra mais rápido será concluído, porém vale salientar que a aquisição de mais mão-de-obra eleva o custo e para a empresa não é uma opção viável. Segundo o gestor, a redução do tempo de execução não foi diretamente proporcional ao custo empregado.


50

4.2.3 Etapa de acabamento

No quadro 7, é apresentado as estimativas do da etapa de acabamento, a distribuição estatística e o número de interações realizados. Quadro 7Estimativa da etapa de Acabamento

Duração otimista:

4 dias

Duração mais provável:

7 dias

Duração pessimista:

10 dias

Prazo de término:

7 dias

Distribuição estatística:

Triangular

Número de iterações:

638

Fonte: Pesquisa de campo, 2016.

Na etapa de acabamento tem mais de 90% de chance de ser finalizado no prazo sugerido pelos especialistas. Podemos considerar a etapa mais eficiente deste processo, Essa fase é a que oferece menos risco ao projeto, pois a mesma sofre menos com interferências dos fatores externos. Como pode ser visto nos resultado da simulação a mesma apresenta um resultado satisfatório com 90% chances de terminar na data prevista como pode ser observado na Figura 14.

Figura 14 Resultado da Etapa de Acabamento


51

Fonte: Pesquisa de campo, 2016.

4.2.4 Resultado geral do projeto.

No quadro 8, é apresentado as estimativas geral do projeto, a distribuição estatística e o número de interações realizados. Quadro 8Estimativa de do Projeto

Duração otimista:

35 dias

Duração mais provável:

38 dias

Duração pessimista:

45 dias

Prazo de término:

38 dias

Distribuição estatística:

Triangular

Número de iterações:

638

Fonte: Pesquisa de campo, 2016.

Quanto aoresultado geral do projeto, tem-se 90% chances de acabar o projeto em aproximadamente 43 dias, cinco dias após o previsto. Nesta fase foi modelado os riscos que causam maiores danos ao projeto, e para um resultado mais detalhado


52

é apresentado no anexo A, resultados para os cenários de 5% a 95% tanto para tempo de duração quanto para o custo. Figura 15Resultado da duração total do projeto

Fonte: Pesquisa de campo, 2016.

O gráfico de correlação apresentam as atividades mais significantes para o processo. O mesmo é uma ferramenta de grande valia, pois, antes de desenvolver respostas a todos os riscos, o gerente deve se preocupar em identificar e analisar somente os riscos com alta e média prioridade (NASCIMENTO, 2003). Alguns riscos são de baixa prioridade de acontecimento, e não se deve perder tempo com eles.


53

Figura 16 Gráfico de correlação do Projeto

Fonte: Pesquisa de campo, 2016.

Sendo assim, nota-se que a maior parte das atividades que tem maior correlação, é referente à etapa de construção. Entretanto é necessário salientar que o gráfico apresenta atividades de outras etapas que deverão ser monitoradas. A entrega de material de construção e instalação de acessórios apresenta certo grau correlação que pode oferecer um risco significativo para a duração do projeto.

4.3 IMPACTO SOBRE OS CUSTOS DO PROJETO

Identificado às atividades que oferecem maior contingência, faz se necessário avaliar o quanto o custopode variar em relação à duração das atividades. No quadro 9 é apresentada a variação do custo das atividades, com valores de custo mínimo, médio, e máximo e percentil de 5% e 95%. A gerência do custo do projeto consiste, fundamentalmente, nos custos dos recursos necessários à implementação das atividades do projeto (PMBOK, 2004). Entretanto, a gerência do custo do projeto deve, também, considerar os efeitos das decisões do projeto e incluir os custos de contingências. No caso de atrasos na


54

entrega da piscina, gera multa contatuais e aumento nos custos operacionais, visando eliminar essa possibilidade é indispensável eliminar as contingencias que levam a este atraso. E para isso, ferramentas computacionais, tais como @Risk que foi utilizada neste trabalho e outras como planilhas e ferramentas de simulação/estatística, são amplamente utilizadas no apoio à estimativa dos custos e duração. Tais ferramentas podem simplificar, portanto, agilizar as considerações de muitas alternativas de custo. No Quadro 9, é evidenciado o valor mínimo e máximo do custos, sabendo-se que os valores mínimos refere-se a uma visão otimista e os valores máximo numa visão pessimista. Quadro 9Estatística detalhada do Projeto Nome

Gráfico

Min

Média

Max

5%

95%

Escavação / Custo

R$ 1175,415 R$ 1300,003 R$ 1425,076 R$ 1210,869 R$ 1388,525

Entrega de Material de acabamento / Custo

R$ 8075,095 R$ 8939,983 R$ 9813,298 R$ 8327,912 R$ 9550,307

instalação de acessórios / Custo

R$ 542,6697 R$ 599,9996 R$ 658,2882 R$ 558,7936 R$ 640,9462

Cotação e compra / Custo

R$ 135,5399

Rebocar / Custo

Concretagem / Custo

R$ 150

R$ 164,4521 R$ 139,7257

R$ 160,254

R$ 206,0247 R$ 228,4994 R$ 250,3676 R$ 212,8252 R$ 244,1225

R$ 205,832

R$ 228,4986 R$ 250,3606 R$ 212,8391 R$ 244,0936

Circuito hidráulico / Custo

R$ 206,0593 R$ 228,4996 R$ 250,7746 R$ 212,8071 R$ 244,06

Treinamento / Custo

R$ 270,7756 R$ 300,0005 R$ 329,8264 R$ 279,4042 R$ 320,4202

Fonte: Pesquisa de campo, 2016.

Com os resultados apresentados nota-se que atividades como, “escavação”, “entrega de material de construção” e “ instalação de acessórios” tem uma variação de até 30% a mais do que foi planejado, podemos considera-las atividades de alto


55

risco, devido o seu impacto no orçamento.Contudo, as outras atividades apresentam variação que gira em torno de 10%. Para Souza (1995) Identificada às contingências e como a mesma pode afetar o projeto, é de responsabilidade do gerente a elaboração e implantação do plano de gerenciamento de risco, devem ser efetivas e controladas com objetivo de minimizar ou eliminar o risco, os mesmos servirão para reduzir prazos, custo ou ainda melhorar a qualidade. Munidos dessas informações a Empresa Alfa pode tornar a gestão dos riscos mais eficiente e melhora o gerenciamento, implantando, portanto a simulação de Monte Carlo como sua ferramenta padrão para análise quantitativa de riscos nos seus projetos. Com isto, a confiabilidade da simulação de Monte Carlo se tornou visivelmente eficiente para análise de riscos quantitativos em projetos. Para dar maior veracidade neste estudo o mesmo dispõe no anexo um conjunto de relatórios que explicam os resultados das Estatísticas Detalhadas, os mesmo colaboram para a tomada de decisão.


56

5CONCLUSÃO

Gerenciar riscos com eficiência constitui-se não apenas em um grande desafio no nosso cenário atual,mas é um fator crítico para o sucesso do projeto eparaa sobrevivência da empresa. Os riscos são inerentes a todo projeto. O gerenciamento do mesmo é de grande valia, pois, procura analisar estes riscos, e reduzir as surpresas, os custos e os atrasos. Para colher os benefícios esperados, deve haver a conscientização das empresas em adotar o gerenciamento de risco como uma metodologia na qual os seus gerentes devem ser devidamente treinados. Entretanto para se realizar um plano que gerencie tais contingências é necessário verificar cada um dos fatos ocorridos durante suaexecução,identificar quais são os riscos e o grau de impacto sobre o projeto, possibilitando a geração aprendizado, conhecimentopara enfrentar tal cenário. Diante disso é indispensável ter mecanismos que auxiliem na tomada de decisão. Atualmente o mercado disponibiliza ferramentas que auxiliam nessa identificação e mensuração, mas infelizmente não é de conhecimento de todas as organizações. Diante disso,este projeto teve como intuito a aplicação da simulação Monte Carlo com finalidade de identificar os risco e como eles impactam na duração e no custo do projeto. E através de uma comparação dos resultados obtidos e da visão intrínseca do gerente da empresa Alfa. Para dar embasamento, enriquecer o estudo a metodologia utilizada neste trabalho foi fundamental para atingir os objetivos proposto. A bibliografia usada foi composta por matérias provenientes de diversas fontes confiáveis, como livros, teses de mestrados, artigos e documentos conceituados como o PMBOK/PMI. Dada à escolha do método mais adequado foramgeradosresultados satisfatórios, os mesmo poderão contribuir para implantação de um gerenciamento de riscoque permitirá a redução de riscos, a eliminação de falha no projeto e ganhode qualidade, além de ser ajustável às necessidades e realidade da empresa.


57

Após a aplicação da técnica de simulação de Monte Carlo para análise quantitativa de riscos em projetos através do software @Risk foi possível demonstrar o quanto essa simulação matemática distribuição probabilística pode tornar os projetos mais confiáveis e precisos. Através dos prazos obtidos pela simulação de M.C. a probabilidade de sucesso é de 90%. Portanto, conseguimos determinar o percentual de confiabilidade dos prazos resultantes das simulações e esses percentuais podem ser comprovados com a realização do projeto dentro dos prazos apontados pela aplicação da técnica de simulação de Monte Carlo. Por meio da simulação, foramobtidas outras informações relevantes para o projeto o mesmo,apontouas atividades que oferecem mais risco para a duração e o aumento do custo planejado. Como foi exposto nos resultados, nota-se que apenas uma etapa teve uma implicação que fugia da estimativa considerada mais provável, perante a este resultado podemos considerar como uma etapa critica que prejudica o andamento do projeto. A etapa de construção tem a probabilidade de 90% de ter o término em 31 dias gerando um atraso em cinco dias. Entretanto, para se elaborar um plano para conter esta contingência é necessário ter um resultado mais minucioso, ou seja, analisar qual a atividade desta etapa que provocou este atraso e através desta simulação foi possível fazer esta identificação. A atividade com maior impacto sobre o projeto foià escavação, a mesma apresentou um grau de 0,82 de correlação e como aumento do custo de até 30% do valor inicial, considerada a atividade que tem maior grau de risco, sendo assim os esforços serão voltados para reduzir este risco. Contudo, foram apresentadas outras atividades que deverão ser observadas e analisadas juntamente com a escavação, são elas: A entrega de material de construção e a instalação de acessórios, que apesar de apresentar um grau de correlação baixo a mesma pode ter uma variação de 30% nos custos. Com os dados obtidos através da simulação de Monte Carlo, os responsáveis pela gestão daempresa Alfa passam a possuir informações das probabilidades de termino de cada etapa e da variação do custo, por meio, destas informações poderão tornar a gestão dos riscos mais eficiente, implantando, portanto a simulação de Monte Carlo como sua ferramenta padrão para análise quantitativa de riscos nos seus projetos.


58

Quanto às limitações do trabalho, as mesmas são relativas a metodologias e ferramentas computacionais utilizadas. Em relação à metodologia, a limitação apresentada refere-se a generalização dos resultados obtidos. Comumente, os experimentos são casos específicos ou que causam interesse no pesquisador. As conclusões e os resultados obtidos neste trabalho só podem ser aplicados, com segurança, nos dados aqui analisados, pois cada projeto possui uma natureza diferente. Quanto à limitação de softwares, pode se citar a falta de conhecimento e acesso de muitos estudantes e pesquisadores aos softwares @RisK, que impossibilita maior aprofundamento do trabalho. Outro grande percalço na utilização do método Monte Carlo é em relação ao custo de aquisição da licença dos softwares que fazem essa simulação, visto que, empresas de pequeno porte tem certa resistência para adquirir, por não estar ao alcance de seus orçamentos, ou por achar ferramenta ineficiente devido o porte da empresa. Além dos objetivos propostos neste estudo, Outro objetivo é visivelmente evidente, pois a construção de trabalho acadêmico não busca apenas a formação do docente, mas busca também trazer benefícios para a sociedade e apresentando técnicas e modos distintos de enfrentar as novas situações a que estamos expostos. É inegável que o mesmo pode ser enriquecido ao longo do tempo.


59

REFERÊNCIAS

AGUIAR E. C.; TORTATO, U.E GONÇALVES, M. A. Riscos e gestão de riscos em cadeias de suprimentos: umasíntese da literatura. In Revista Espacios. Vol. 33, 2012. pág. 3. AGUIAR, E. C. Contribuição ao estudo do fator risco no desempenho em organizações e cadeias desuprimentos. São Paulo, 2010. Tese (doutorado) – Faculdade de Economia e Administração, USP ANAPP. Associação Nacional dos Fabricantes e Construção de Piscinas e Produtos Afins. Disponível em <www.anapp.com.br> acesso em: 18 de mar. De 2016. AURÉLIO, F. B. H. Novo dicionário da língua portuguesa. Nova Fronteira, 1996. CARGNELUTTI F. A. et al. "Tamanho de amostra para estimação do coeficiente de correlação de Pearson entre caracteres de Crambeabyssinica." Revista Ciência Agronômica 42.1 (2011). CARMO. J.P.C. Aplicação do método Monte Carlo na estimativa das necessidades nominais de energia útil para aquecimento e arrefecimento de um parque residencial. Lisboa, 2014. Dissertação de Mestrado. Universidade de Lisboa, Departamento de engenharia geográfica. CERVO, A. L. Metodologia cientifica. 5 ed. São Paulo. Prentice Hall, 2002) CLEMENTS, J. P. Gestão de projetos. Cengage Learning São Paulo, 2013. FREITAS, A. R. "Técnicas de análises exploratórias de dados." (2003). FONSECA, J. J. S. Metodologia da pesquisa científica. São Paulo 2002. GERHARDT, T. E. et al. Métodos de pesquisa.coordenado pela Universidade Aberta do Brasil – UAB/UFRGS e pelo Curso deGraduação Tecnológica – Planejamento e Gestão para o Desenvolvimento Ruralda SEAD/UFRGS. – Porto Alegre: Editora da UFRGS, 2009. HIRSCHMANN, D.M. Gerência de Riscos. São Paulo, 2001. HULL ,J. Incorporatingvolatilityupdatingintothehistoricalsimulationmethod for valueat-risk."JournalofRisk, 2001. KADE, A. M. Gerência de Projetos. 2003. Disponível em:<http://www.fw.uri.br/~adrovane/engsoft_arquivos/gerencia_projetos.pdf> Acesso em :04 MAR 2016. Kurokawa, E.A. et, al. "Utilizando o histograma como uma ferramenta estatística de análise da produção de água tratada de Goiânia." XXVIII CONGRESO Interamericano de Engenharia Sanitária y Ambiental. Vol. 28. 2002.


60

LA ROCQUE, EDUARDA. Guia de orientação para o gerenciamento de riscos corporativos / Instituto Brasileiro de Governança Corporativa; coordenação: Eduarda La Rocque. São Paulo, SP: IBGC, 2007 (série de cadernos de governança corporativa, 3). LOPES, B. A. Aplicação da técnica de simulação de Monte Carlo para análise quantitativa de riscos em projetos de eventos. Aroldo Bezerra Lopes [et al.]. – 2010. MALETTA, B. V. Modelos baseados em simulação de Monte Carlo: Soluções para o calculo do valoe-at-rick. Dissertação de Mestrado, UFRJ 2005. MONTGOMERY, D. C. Estatística aplicada e probabilidade para engenheiros; tradução e revisão técnica Veronica calada. Rio de Janeiro, 2013. MOURA, A.D. Análise de Projetos Sob Condições de Risco. 2000 (internet) disponível em: < http://www.gestaodoagronegocio.com.br/aziz/download/MonteCarlo.pdf>. Acesso em: 2FEV 2016. MURRAY, R. E. Estatística; tradução e revisão técnica Pedro Consentino. 3º ed. São Paulo: Makron books, 1993. NASCIMENTO, A. R. Avaliação do desempenho do método de determinação de TPH(Total PetroleumHydrocarbon) em areia por detecção no infravermelho. Dissertação(Mestrado em Metrologia para Qualidade Industrial), Pontifícia Universidade Católica - PUC,Rio de Janeiro, 2003. NASSER, R.B. Arcabouço para desenvolvimento de serviço baseado na simulação Monte Carlo. Dissertação de mestrado – Pontifícia Universidade Católica do Rio de Janeiro, PUC-RJ. Departamento de informática. PMBOK – Conjunto de Conhecimentos em Gerenciamento de Projetos, 3ª Ed., 2004 PMBOK – Project Management Body Of Knowledge, 2004. Rubinstein, R. Y. Simulation and the Monte Carlo method.Vol. 707. John Wiley& Sons, 2011 SANTOS, I. E.Texto selecionado de métodos e técnicas de pesquisa cientifica. 4. Ed. rev. Atual. E ampl. Rio de Janeiro, 2003. SHENHAR, A. J.; DVIR, Dov. Reinventing project management: the diamond approach to successful growth and innovation.Harvard Business Review Press, 2007. SANSÃO. W. Projetos, elaboração e análise. 2ed. São Paulo: Atlas, 2015. SILVA,C. M. X. Gestão de Projetos. FGV Management, 2010.


61

SOUZA, E. A. O Treinamento Industrial e a Gerência de Riscos: Uma Proposta de InstruçãoProgramada. 1995. Disponível em: http://www.eps.ufsc.br/disserta/evandro/capit_3/imagens/f34_eva.htm#34. Acesso em: 20 FEV2016.


62

ANEXO A

Etapa de Planejamento. Figura 17 Projeto 2D

Figura 18 Projeto 3D


63

Figura 19 Projeto 3D

Etapa de construção. Figura 20 Marcação do terreno

figura21 Escavação


64

Figura 22Contrução


65

Etapa de acabamento Figura 23 Acabamento

Figura 24 Piscina de 32m²


66

APENDICE A

Profile for Fainor

LUZ, Andressa Joane dos Santos da  

Monografia FAINOR

LUZ, Andressa Joane dos Santos da  

Monografia FAINOR

Advertisement