Professional Documents
Culture Documents
So Carlos
2008
ii
iii
AGRADECIMENTOS
A minha me, Luzia Darci da Fonseca, que em todos os momentos de minha vida
sempre incentivou meus estudos e pelo seu exemplo de dedicao e fora de vontade.
Ao estimado amigo Ronaldo Justo Santoro pela ajuda neste trabalho e por nossas
interminveis discusses que nos acompanham desde os tempos de graduao.
iv
Aos companheiros de Tecumseh, Orlando Falanghe Carneiro, Marcos Roberto Perez
de Oliveira e Valter Kenji Okada, pelos esforos para disponibilizar horrios para
minha participao no programa de ps-graduao.
vi
SUMRIO
LISTA DE FIGURAS............................................................................................................................. I
LISTA DE QUADROS.......................................................................................................................... V
LISTA DE TABELAS......................................................................................................................... VI
LISTA DE SMBOLOS ..................................................................................................................... VII
LISTA DE ABREVIATURAS.............................................................................................................. X
RESUMO ............................................................................................................................................. XI
ABSTRACT ........................................................................................................................................ XII
1 APRESENTAO ..............................................................................................................................1
1.1 OBJETIVO.........................................................................................................................................4
1.2 JUSTIFICATIVA DO TRABALHO..................................................................................................5
1.3 MTODO...........................................................................................................................................6
1.3.1 Pesquisa bibliogrfica.................................................................................................................6
1.3.2 Estudo de caso ............................................................................................................................8
1.4 A COMPARAO ENTRE O MTODO DE MONTE CARLO E O VALOR PRESENTE
LQUIDO FUZZY ....................................................................................................................................9
1.4.1 Grupo de anlises quantitativas ..................................................................................................9
1.4.2 Grupo de anlises qualitativas ..................................................................................................11
1.5 LOCALIZAO DO TEMA NO CONTEXTO DA ENGENHARIA DE PRODUO...............11
1.6 ESTRUTURA DO TRABALHO .....................................................................................................12
2 A ANLISE DE INVESTIMENTOS E AS INCERTEZAS NA TOMADA DE DECISES ....14
2.1 MTODOS QUANTITATIVOS NA ANLISE DE INVESTIMENTOS......................................15
2.1.1 Valor Presente Lquido (VPL) ..................................................................................................15
2.1.2 Taxa Mnima De Atratividade (TMA)......................................................................................17
2.1.3 Taxa Interna De Retorno (TIR).................................................................................................19
2.1.4 TIR Modificada (MTIR)...........................................................................................................21
2.1.5 Payback Descontado.................................................................................................................23
2.2 O INVESTIMENTO E A INCERTEZA ..........................................................................................24
2.3 A NATUREZA DAS INCERTEZAS ..............................................................................................26
vii
3 A SIMULAO DE MONTE CARLO NA ANLISE DE INVESTIMENTO SOB
CONDIES DE INCERTEZA.........................................................................................................30
3.1 O CONCEITO DE SIMULAO ...................................................................................................31
3.2 A CONSTRUO DE UM MODELO PROBABILSTICO E O USO DA SIMULAO DE
MONTE CARLO ...................................................................................................................................34
3.2.1 Um Breve Histrico ..................................................................................................................34
3.2.2 As rvores de Deciso .............................................................................................................35
3.2.3 O Conceito da Simulao de Monte Carlo aplicado ao VPL....................................................38
3.2.4 Elementos da Simulao de Monte Carlo .................................................................................42
3.2.5 Alguns tipos importantes de distribuio de probabilidade ......................................................46
3.2.6 Consideraes Importantes .......................................................................................................51
4 O USO DE NMEROS FUZZY NA ANLISE DE INVESTIMENTOS SOB CONDIES DE
INCERTEZA ........................................................................................................................................55
4.1 A LGICA FUZZY ..........................................................................................................................57
4.2. NMEROS E CONJUNTOS FUZZY .............................................................................................60
4.2.1 Introduo .................................................................................................................................60
4.2.2 O Conceito de Possibilidade .....................................................................................................62
4.2.3 Os Nmeros Fuzzy ....................................................................................................................64
4.2.4 Tipos de Nmeros Fuzzy...........................................................................................................66
4.2.5 Operaes com Nmeros Triangulares Fuzzy...........................................................................71
4.3 A ESTRUTURA LGICA EM SISTEMAS E MODELOS FUZZY ...............................................76
4.3.1 Fuzzificao..............................................................................................................................79
4.3.2 Defuzzificao ..........................................................................................................................81
4.4 A APLICAO DA LGICA FUZZY EM UM SISTEMA DE CONTROLE ...............................86
4.5 A APLICAO DO VALOR PRESENTE LQUIDO FUZZY NA AVALIAO ECONMICOFINANCEIRA DE INVESTIMENTOS.................................................................................................95
4.5.1 Clculo de VPLFuzzyl() ..............................................................................................................98
4.5.2 Clculo de VPLFuzzyr() ..............................................................................................................99
4.5.3 O Valor Presente Lquido Fuzzy .............................................................................................101
4.5.4 Fuzzificao do Fluxo de Caixa..............................................................................................102
4.5.5 Clculo do VPLFuzzy ................................................................................................................104
4.5.6 Defuzzificao do VPLFuzzy ....................................................................................................105
4.5.7 VPLFuzzy utilizando o nmero de perodos de um investimento como uma varivel Fuzzy ....107
4.5.8 Consideraes Importantes .....................................................................................................110
5 ESTUDO DE CASO ........................................................................................................................113
5.1 O PROJETO DE INVESTIMENTO ..............................................................................................113
5.2 O ESTUDO DE MERCADO .........................................................................................................117
5.2.1 Aspectos Gerais ......................................................................................................................117
5.2.2 Mercado Alvo da Empresa .....................................................................................................121
5.2.3 Concorrncia no Setor ............................................................................................................122
5.3 PROJEES DE ENGENHARIA E LOGSTICA DO PROJETO...............................................125
viii
5.3.1 Aspectos Logsticos ................................................................................................................125
5.3.2 A Engenharia do Projeto.........................................................................................................126
5.4 A ESTIMATIVA DE CUSTOS E RECEITAS DO PROJETO .....................................................128
5.5 AS IMPLICAES SOCIAIS E AMBIENTAIS DO PROJETO .................................................131
5.6 O CLCULO DO VPL DETERMINSTICO PARA A AVALIAO ECONMICOFINANCEIRA DO PROJETO DE INVESTIMENTO ........................................................................132
5.6.1 O Investimento Total ..............................................................................................................132
5.6.2 Receita Anual Total ................................................................................................................133
5.6.3 Custos e Despesas Anuais Totais............................................................................................133
5.6.4 O Fluxo de Caixa antes dos Impostos.....................................................................................134
5.6.5 Depreciao Total Anual ........................................................................................................134
5.6.6 O Fluxo de Caixa aps os Impostos........................................................................................135
5.6.7 O Clculo do VPL determinstico...........................................................................................136
5.7 A AVALIAO ECONMICO-FINANCEIRA DO PROJETO DE INVESTIMENTO
UTILIZANDO A SIMULAO DE MONTE-CARLO .....................................................................137
5.7.1 Atribuio de distribuies de probabilidades junto s variveis independentes....................138
5.7.2 Atribuio dos nmeros aleatrios e execuo da simulao .................................................142
5.7.3 Resultados da simulao .........................................................................................................143
5.8 A AVALIAO ECONMICO-FINANCEIRA DO PROJETO DE INVESTIMENTO
UTILIZANDO VPL FUZZY ................................................................................................................146
5.7.1 A fuzzificao das variveis ...................................................................................................147
5.7.2 O clculo do VPLfuzzy ..............................................................................................................150
5.7.3 A defuzzificao do Valor Presente Lquido Fuzzy................................................................158
5.9 A COMPARAO ENTRE O VPL OBTIDO PELA SIMULAO DE MONTE CARLO E O
VPL FUZZY .........................................................................................................................................161
5.9.1 Grupo de anlises quantitativas ..............................................................................................162
5.9.2 Grupo de anlises qualitativas ................................................................................................166
6 CONSIDERAES FINAIS..........................................................................................................172
6.1 RESULTADOS OBITOS...............................................................................................................173
6.1.1 A incerteza e o projeto de investimento avaliado ...................................................................175
6.1.2 A importncia da avaliao de investimentos.........................................................................176
6.1.3
Contribuies para o grupo de pesquisa ............................................................................177
6.1.4 Contribuies para o pesquisador ...........................................................................................178
6.1.5 Dificuldades encontradas........................................................................................................178
6.2 SUGESTES PARA TRABALHOS FUTUROS ..........................................................................180
6.2.1 Melhorias na composio do Valor Presente Lquido Fuzzy ..................................................180
6.2.2 Melhorias na quantificao de incertezas ...............................................................................181
6.2.3 Estruturao de softwares ou planilhas de clculo para maior facilidade de aplicao ..........183
6.2.4 Sistemas de apoio a deciso para decises de curto e curtssimo prazo..................................184
6.2.5 Sistema de apoio a deciso para a anlise de crdito ..............................................................185
6.2.6 Sistema de avaliao social de projetos ..................................................................................186
6.2.7 A utilizao da Lgica Fuzzy para precificao de opes.....................................................187
6.2.8 Possveis aplicaes da lgica Fuzzy em outras reas da engenharia de produo.................187
ix
APNDICE A .....................................................................................................................................190
APNDICE B .....................................................................................................................................196
REFERNCIAS BIBLIOGRFICAS..............................................................................................204
LISTA DE FIGURAS
16
20
25
32
33
36
37
39
47
49
50
52
58
59
61
61
62
64
65
65
66
ii
Figura 22 Nmero Trapezoidal Fuzzy
67
68
69
70
71
73
73
74
75
76
77
79
80
81
83
84
85
88
89
90
90
91
93
94
iii
Figura 46 Valor defuzzificado de power : 14.0500 kW
94
97
102
103
104
105
106
109
109
110
115
116
120
123
139
144
145
155
156
158
159
iv
Figura 69 Valor Presente Lquido fuzzy obtido por aproximao
165
LISTA DE QUADROS
12
27
29
63
122
vi
LISTA DE TABELAS
78
92
128
129
145
Tabela 7 Variveis fuzzificadas para o clculo do Valor Presente Lquido Fuzzy 149
Tabela 8 Resultados obtidos pela aplicao do Valor Presente Lquido Fuzzy
161
162
164
165
vii
LISTA DE SMBOLOS
- Parmetro de Forma
c - Constante de Incremento
viii
f 1a ( x) - Funo de Pertinncia 1
f 2a ( x) - Funo de Pertinncia 2
FC 0 - Fluxo de caixa verificado no momento zero (momento inicial)
FC j - Fluxo de caixa em cada perodo j
FC l ( ) - Lado Esquerdo de Pertinncia do nmero Fuzzy FC
FC r ( ) - Lado Direito de Pertinncia do nmero Fuzzy FC
- Parmetro de Escala
i - Taxa de Desconto
m - Constante Mdulo
- Mdia
ix
N Galpo - Distribuio Normal de Probabilidade da Varivel Galpo
P - Probabilidade
r() Lado Direito de uma Funo de Pertinncia
R j - Fluxos de Caixa Positivos
- Desvio-padro
Galpo - Desvio-padro da Varivel Galpo
2 - Varincia
U - Universo de Discurso
VPL * - Valor Presente Lquido Defuzzificado
VPL fuzzy - Valor Presente Lquido Fuzzy
VPL fuzzy
VPL fuzzy
l ( )
r ( )
LISTA DE ABREVIATURAS
xi
RESUMO
Por meio da
aplicao dos mtodos em uma situao real de investimento, buscou-se realizar uma
anlise comparativa, que levasse em conta os resultados numricos obtidos e a
conceituao terica envolvida.
xii
ABSTRACT
OLIVEIRA, M. H. F. (2008). The financial and economic evaluation of investments
under uncertainly: a comparison between the Monte Carlo method and NPV fuzzy.
So Carlos, 2008, 209p. Dissertao (Mestrado) Escola de Engenharia de So
Carlos, Universidade de So Paulo.
1 APRESENTAO
2
gesto financeira e empresarial, altos estoques assim como o overnight eram incisivos
no sucesso das empresas.
O ambiente complexo da globalizao forou a evoluo da estratgia
empresarial e os investimentos e modernizao passaram a ser fundamentais
(MEIRELES, 2004). O uso de mtodos quantitativos para a avaliao econmicofinanceira de investimentos passaram a ter mais visibilidade, isto no s pela
necessidade dos investidores em avaliar seus passos futuros, mas tambm pela
evoluo do sistema financeiro nacional, informatizado e bastante lucrativo.
As
avaliaes
econmico-financeiras
dos
investimentos
contribuem
3
As informaes disponveis para elaborar uma anlise de investimento no so
lineares ou absolutas, visto que a economia e o mercado financeiro mundial
historicamente apresentam variaes que podem ser imprevisveis e tambm podem
atingir economias diversas. Mesmo com as agncias de rating e diversos sistemas de
informaes
on-line,
parte
dos
ttulos
mobilirios
americanos
estiveram
como
mudanas de
tecnologia,
modificaes na
4
comparao est associada capacidade que eles apresentam de representar riscos e
incertezas, presentes em grande parte dos investimentos correntes.
A simulao de Monte Carlo um mtodo de simulao estocstico, que se
baseia na gerao de nmeros aleatrios para sua execuo. Em sntese, pode-se dizer
que os nmeros aleatrios gerados representam cenrios possveis do investimento em
questo. A gerao de nmeros aleatrios associada a distribuies de probabilidade
de maneira a simular os valores futuros de receitas e custos.
A Lgica Fuzzy conhecida por ser factvel ao uso em situaes incertas e de
difcil mensurao. Em vrios momentos de uma anlise de investimentos, as
informaes encontram-se vagas e imprecisas, sendo necessrio interpretar as
variveis de maneira qualitativa. A Lgica Fuzzy permite manipular informaes que
se encontram imprecisas, traduzindo expresses verbais, vagas, imprecisas e
qualitativas, de categoria subjetiva, comuns na comunicao humana, em valores
numricos (MEDEIROS, 2003).
1.1 OBJETIVO
6
Mesmo sendo conceitualmente diferente da matemtica tradicional, os
conceitos para utilizao da Lgica Fuzzy no apresentam grande complexidade,
sendo vivel sua aplicao em diversos softwares no mercado. Aliado a isso,
1.3 MTODO
7
Uma pesquisa bibliogrfica consiste no levantamento da bibliografia j
publicada que apresente relao com o assunto. Sua finalidade colocar o
pesquisador em contato com muito do j foi escrito sobre determinado assunto
(MARCONI e LAKATOS, 1982).
O ponto de partida para o desenvolvimento conceitual foi a crtica aos mtodos
tradicionais para a avaliao de investimentos, que em muitas de suas aplicaes, no
permitem explorar as variaes futuras nas receitas e dispndios de um projeto. Tal
crtica fortalece a hiptese do uso Valor Presente Lquido Fuzzy como uma alternativa
aos problemas correntes na avaliao de investimentos.
8
necessria tanto para estipular as variaes nas entradas da anlise como para
interpretao de seu resultado final.
A construo da reviso sobre a Lgica Fuzzy e do mtodo do Valor Presente
Lquido Fuzzy subsidiada por trabalhos da rea de automao, sistemas de apoio de
deciso, matemtica aplicada e da anlise de investimentos. Esta parte da reviso visa
atender objetivos importantes deste trabalho; como o de estruturar a Lgica Fuzzy
segundo a ptica da Engenharia de Produo e o de apresentar os principais conceitos
da ferramenta central da pesquisa.
1.3.2 Estudo de caso
Coleta dos dados referentes ao projeto, como receitas, despesas, custos, prazos e
demais fatores considerados importantes ao estudo;
O trabalho tem entre seus objetivos a comparao entre dois mtodos para a
avaliao econmico-financeira de investimentos. Atravs da experimentao (estudo
de caso) acredita-se que ser possvel realizar anlises comparativas baseadas na
aplicao prtica.
A fim de evitar que as concluses e consideraes apresentem algum tipo de
vis, faz-se necessrio estruturar alguns possveis itens de comparao antes mesmo
da realizao do experimento. Dois grupos de anlise foram criados: o primeiro se
refere anlises quantitativas e o segundo a anlises qualitativas.
10
valores obtidos pelos dois mtodos. Em resumo, as respostas dos mtodos se
apresentam como uma faixa de valores provveis (ou possveis) do capital que ser
ganho ou perdido caso o investimento seja realizado. Baseando-se nos valores obtidos
como resposta, os seguintes itens de comparao sero trabalhados nesta dissertao:
distintos,
os
dois
conceitos
podem
ser
comparados
numericamente;
11
captulo final, ter-se- o intuito de deix-los mais perceptveis, visto que toda a
reviso bibliogrfica e aplicao dos mtodos j tero sido efetuadas.
12
Gesto da Produo
Gesto da Qualidade
Gesto Econmica
Gesto do Produto
Pesquisa Operacional
Gesto Ambiental
10
13
alm de consideraes sobre o custo de capital em empresas. Na seqncia so
apresentados conceitos sobre as incertezas e riscos presentes nos projetos de
investimentos, bem como suas principais fontes e como trat-las.
O terceiro captulo refere-se Simulao de Monte Carlo. Este mtodo tem
como foco central a gerao de nmeros aleatrios associados a distribuies de
probabilidade para representao do risco em um investimento, fazendo com que a
interpretao de resultados seja realizada de maneira estatstica. Desta forma, faz-se
necessrio a apresentao de conceitos de como so gerados os nmeros aleatrios,
algumas distribuies de probabilidade e como estruturar a Simulao para uso na
avaliao de um projeto de investimento.
A Lgica Fuzzy apresentada no captulo 4 como mtodo alternativo para
formulao de problemas onde a incerteza est presente. O captulo traz em sua parte
inicial o estado da arte desta lgica, seguindo para os conceitos fundamentais para
aplicao. Um exemplo de sistema de automao Fuzzy mostrado; por fim
apresenta-se o mtodo do Valor Presente Lquido Fuzzy e um exemplo de sua
aplicao.
O captulo 5 destina-se apresentao do estudo de caso; sua descrio em
mbito geral, o cenrio do projeto de investimento, a ponderao sobre as incertezas e
a aplicao da Simulao de Monte Carlo e do Valor Presente Lquido Fuzzy para
avaliao quantitativa do investimento.
O sexto captulo dedicado s concluses e recomendaes finais, assim como
propostas para trabalhos futuros. Os apndices A e B os conceitos bsicos para a
estruturao de clculos no Microsoft Excel em aplicaes da simulao de Monte
Carlo e da Lgica Fuzzy.
14
15
Dentre os mtodos utilizados para anlise de investimentos cita-se como
determinsticos o Valor Presente Lquido (VPL) e Taxa Interna de Retorno (TIR),
Taxa Interna de Retorno Modificada (MTIR) e o Payback Descontado, os quais sero
apresentados nos prximos itens.
Prosseguindo na discusso em questo, a anlise de investimentos em sua
essncia lida com expectativas, premissas de custos e receitas futuras. O que foi
definido como certo no projeto realmente se confirmar? A prpria experincia do ser
humano sugere dificuldade em lidar com esses assuntos futuros e incertos. Assim,
conhecese a incerteza, a qual no pode ser ignorada em grande parte das anlises de
investimentos. O item 2.2. fornece um panorama sobre o assunto e como pode ser
tratado.
16
Por considerar explicitamente o valor do dinheiro no tempo, o valor presente
lquido considerado uma tcnica sofisticada para a anlise de investimentos. Este
tipo de tcnica de uma forma ou de outra, desconta os fluxos de caixa de uma empresa
a uma taxa especificada. Essa taxa, freqentemente chamada de taxa de desconto1(i),
custo de oportunidade de capital ou custo de capital (GITMAN, 2002).
A Figura 1 ilustra um fluxo de caixa qualquer. A funo do VPL consiste em
trazer as entradas e sadas de capital para a data zero do investimento.
VPL =
j =1
FC j
(1 + i ) j
FC 0
(Eq. 2.1)
A taxa de desconto taxa de juros aplicadas sobre os valores futuros. Ao analisar seus investimentos
os gestores utilizam-se da chamada Taxa Mnima de Atratividade (TMA) a qual ser abordada no
prximo item deste captulo.
17
Em que:
i : a taxa de desconto;
n : perodo de tempo.
18
A mesma autora diz ser necessria a definio prvia de uma taxa para servir
como parmetro de aceitao ou rejeio de um determinado projeto de investimento.
Essa taxa de aceitao recebe o nome de Taxa Mnima de Atratividade (TMA) e deve
ser a taxa mnima alcanada pelo investimento para que ele seja vivel
economicamente, isto , a taxa mnima de retorno de capital aceitvel para que um
projeto econmico seja implementado. Assim, deve-se considerar a TMA taxa de
desconto a ser utilizada no clculo do VPL.
Existem grandes controvrsias quanto a como calcular esta taxa. Alguns
autores afirmam que taxa de juros a ser usada pela engenharia econmica a taxa de
juros equivalente maior rentabilidade das aplicaes correntes e de pouco risco.
Uma proposta de investimento deve render, no mnimo, esta taxa de juros para ser
atrativa.
Outro enfoque dado TMA a de que deve ser o custo de capital investido na
proposta em questo, ou ainda, o custo de capital da empresa mais o risco envolvido
em cada alternativa de investimento. Naturalmente, haver disposio de investir se a
expectativa de ganhos, j deduzido o valor do investimento, for superior ao custo
mdio de capital (PAMPLONA e MONTEVECHI 2006).
O custo mdio de capital uma mdia ponderada do custo de capital prprio e
do custo de capital de terceiros e tambm costuma ser chamado de Custo Mdio
Ponderado de Capital ou Weighted Average Cost of Capital (WACC) (ROSS et al,
2000):
S
B
WACC =
iS +
i B (1 TC )
S + B
S +B
Em que:
(Eq. 2.2)
19
i s : custo de capital prprio;
20
VPL =
j =1
j =1
(1 + i ) j
FC j
0=
FC j
(1 + TIR ) j
FC 0 =
j =1
FC 0
(Eq. 2.3)
FC 0
(Eq. 2.4)
FC j
(1 + TIR ) j
(Eq. 2.5)
A TIR pode ser usada pelo executivo para tomar decises entre diferentes
alternativas de investimentos. Para isso determina-se a TMA e a TIR de cada uma das
alternativas. A vencedora aquela que tiver maior TIR, desde que seja maior que a
TMA. Caso contrrio, nenhuma das alternativas vivel (BARREIROS, 2003)
21
Deve-se ressaltar que a comparao entre duas ou mais TIRs estritamente
percentual e deixa de lado valores monetrios. Por exemplo, dois investimentos de
prazo de um ano so colocados em questo; o investimento A requer um desembolso
inicial de R$10.000 e o retorno de R$12.000,00. J o desembolso em B de
R$20.000, e seu retorno de R$23.000,00. Nesta situao TIRA 20% e TIRB 15%,
porm o ganho de capital em A de R$2.000,00 e em B de R$3.000,00. Qual seria o
investimento escolhido?
Uma alternativa para esta situao a da utilizao do capital excedente do
investimento A em relao B, no caso R$10.000,00, e estimar sua aplicao em outro
investimento corrente (investimento C). A TIRAC seria resultado da composio de A
e de C; esta taxa seria comparada com a TIRB.
Casarotto Filho e Kopittke (2000) consideram a Taxa Interna de Retorno (TIR)
como um mtodo determinstico para a anlise de investimentos equivalente ao VPL.
Apesar de apresentarem diferenciaes, vantagens e desvantagens, grande parte dos
investimentos a serem realizados podem ser avaliados pelas duas tcnicas.
22
Outro fator negativo que na confeco do clculo da TIR pressupe-se que
todos os fluxos de caixa, sejam eles recebimentos ou desembolsos, so financiados ao
longo do tempo. No entanto, normalmente a taxa de captao (custo financeiro)
maior do que a taxa de remunerao para aplicaes dos saldos de caixa
(BALARINE, 2004)
O mtodo da TIR Modificada (MTIR) leva em considerao essas diferentes
taxas, atravs da seguinte soluo:
n
R j (1 + ir ) n j
j =0
MTIR = n
C j /(1 + ic ) j
j =0
(Eq. 2.6)
Em que:
n : perodo de tempo.
23
2.1.5 Payback Descontado
VPL = FC 0 +
j =1
FC j
(1 + i ) j
(Eq. 2.7)
Em que:
i a taxa de desconto;
j um ndice genrico que representa os perodos j = 1 a n ;
VPL o Valor Presente Lquido;
FC j : representa o valor de entrada (ou sada) de caixa at o instante n ;
FC 0 : fluxo de caixa verificado no momento zero (momento inicial).
24
O tempo sem dvida importante para anlise de investimentos, quanto maior o
horizonte de planejamento do projeto, maior a chance da avaliao ficar sujeita as
oscilaes, mudanas econmicas, alteraes no preo da energia ou outras alteraes
nas estimativas e premissas assumidas no incio do projeto.
intensidade
da
incerteza
em
um
dado
investimento
aumenta
25
A Figura 3 apresenta um fluxo de caixa esquemtico. Nos perodos prximos
da data zero, normalmente se tem boas estimativas do investimento necessrio para o
projeto, com algumas pequenas incertezas, as estimativas para esse cenrio prximo
refletem a realidade mais prxima da empresa e da economia. Entretanto variaes ao
longo do tempo ocorrem nos fatores que compem as receitas e despesas caixa. Os
valores a priori estimados como manuteno, mo-de-obra, matria prima, energia
eltrica, impostos, depreciao, financiamentos, etc. podem no se comportar da
maneira prevista. Na maioria das vezes, ao se analisar e construir os fluxos de caixa, a
considerao sobre os dados determinstica, sendo que na realidade isso pode gerar
falhas em algumas anlises. Existem variaes imprevisveis sobre os diversos
elementos que compem o fluxo de caixa, que precisam ser considerados para a
correta avaliao do projeto.
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, podendo ser Estocstica ou Lxica. A Estocstica
est associada probabilidade de um evento ocorrer, enquanto a Lxica est
associada intensidade com que o evento ocorre. J o Risco definido segundo
Pamplona e Montevechi (2006), como um valor conhecido de disperso associado
distribuio de probabilidade com que o evento ocorre, o que est, logicamente,
associado incerteza Estocstica (SANCHES, 2003).
Em suma, num ambiente de incertezas, devem ser calculadas as possveis
conseqncias dessas incertezas, de forma que o projeto tenha uma possibilidade de
sucesso adequada, como objetivo de maximizar a riqueza da empresa. Quando as
incertezas so ignoradas numa anlise, esta pode ficar comprometida. A avaliao de
investimentos em um ambiente que no seja sujeito a incertezas bastante
26
conveniente, porm so poucos os fatores que podem ser tratados efetivamente como
certos. Na economia isso evidente, pois existem variveis que esto ligadas a
parmetros de grande incerteza como: mercado, inflao, guerras, eleies, etc.
Em um caso genrico de investimento em equipamentos, devem ser
consideradas as seguintes variveis: o Investimento Fixo, que representa o custo de
aquisio e instalaes do equipamento, o Capital de Giro, que o capital
necessrio para a compra de matria prima e implementos em geral, o Horizonte de
Planejamento, que a vida til esperada para o empreendimento, a Previso de
Vendas, o Custo Fixo, o Custo Varivel, a TMA representando a taxa de
desconto a ser utilizada nos clculos de VPL (custo de capital da empresa), as
Alquotas de Imposto de Renda, a Taxa de Depreciao (regulamentada pela
Receita Federal) e finalmente o Valor Residual do Equipamento (SANCHES,
2003).
27
Econmicos
Financeiros
Tcnicos
Outros
Oferta
Insuficincia de
Inadequabilidade do
Fatores
Subdimensionada
capital
processo utilizado
Polticos
Oferta
Falta de capacidade
Inadequabilidade das
Fatores
Superdimensionada
de pagamento
matrias-primas
Institucionais
Dimensionamento
Inadequabilidade da
Incorreto
tecnologia empregada
Greve
Alterao de
produtos e
Inflao
subprodutos
Aumento dos
custos de matriaprima
Investimentos
imprevistos
28
premissas incertas podem, ainda, ser imprecisas, inconsistentes ou incompletas e
devero ser identificadas e descritas, conforme suas origens, para posteriormente
poderem ser avaliadas (SANHCES, 2003).
As incertezas possuem diferentes fontes e formas de tratamento e podem ser
ilustradas segundo no Quadro 3:
Fonte/Tipo
Exemplo de Origem
Tratamento Analtico
Fsica
Conhecimento limitado
Estatstica
Amostragem
um estado Oculto
eventos
Deciso
Reao Pblica
impossibilidade de
Comunicao
transferncia
Ignorncia, negligncia, falta
Erro Humano
de experincia e
treinamento
29
Nesta viso, cada tipo de incerteza deveria receber um tratamento especfico,
porm este tipo de abordagem torna-se impraticvel, pois o nmero de possveis
fatores fontes de incerteza muito abrangente na avaliao de investimentos.
Dessa maneira, a escolha do tratamento que se adqe de forma abrangente ao
tipo de anlise um caminho a ser usado. Na anlise de investimentos a Simulao de
Monte Carlo destaca-se como um mtodo utilizado. A Lgica Fuzzy, devido a sua
flexibilidade, considera as incertezas de vrias fontes distintas, no sendo rgida a
forma como se chega a incerteza, propiciando uma anlise conjunta dos fatores
presentes.
30
Este tipo de funo presente nesses softwares recebe a denominao de CAE Computer Aided
Engineering
www.numa.org.br/conhecimento
31
Na avaliao de investimentos a Simulao de Monte Carlo muito utilizada
como ferramenta para anlise de riscos e incertezas. Em um dado investimento ao
invs de se tratar uma varivel, como a demanda, assumindo um valor fixo, considerase que esta demanda pode assumir qualquer valor, obedecendo a uma distribuio de
probabilidade estipulada pelo analista, o que d uma conotao mais ampla do cenrio
analisado.
A primeira parte deste captulo apresenta o conceito de Simulao; enquanto a
segunda visa mostrar a Simulao utilizando o mtodo de Monte Carlo, focando sua
aplicao na criao de modelos probabilsticos para a anlise de investimentos em
condies de risco e incertezas.
32
33
34
Segundo Santos (1999) um modelo de simulao pode ser Determinstico ou
Estocstico. Modelos de simulao que no contm nenhuma varivel aleatria so
classificados como determinsticos, ou seja, para um conjunto conhecido de dados de
entrada teremos um nico conjunto de resultados de sada.
O mesmo autor define que modelos estocsticos de simulao aqueles tm
uma ou mais variveis aleatrias como entrada. Estas entradas aleatrias levam a
sadas aleatrias que podem somente ser consideradas como estimativas das
caractersticas verdadeiras de um modelo. Assim, por exemplo, a simulao
(estocstica) do funcionamento de uma agncia bancria envolve variveis aleatrias
como o intervalo entre chegadas e a durao dos servios prestados. Logo, medidas
como o nmero mdio de clientes esperando e o tempo mdio de espera de um
cliente, devem ser tratadas como estimativas estatsticas das medidas reais do sistema.
35
determinada faixa de valores que seguem uma determinada distribuio de
probabilidades (CORREA NETO et al, 2002).
A apario do mtodo e seu desenvolvimento ocorreram por volta de 1944, na
poca da segunda guerra mundial no projeto Manhattan, relacionado a construo da
bomba atmica. O intuito do estudo na ocasio era obter solues aproximadas para
problemas referentes difuso randmica de nutrons no material nuclear atravs de
simulaes (PLLANA, 2007). O nome Monte Carlo foi dado por um dos seus
criadores o matemtico austraco Stanislaw Uslam (CORREA NETO et al, 2002).
Segundo Brealey e Myers (1998) a aplicao da Simulao de Monte Carlo na
anlise de investimentos est associada a David Hertz3 e a McKinsey and Company,
consultores associados. Sua aplicao consistia em simular a taxa de retorno dos
investimentos.
D. B. HERTZ, Investment Policies that Pay Off. Harvard Business Review, 46:96-108.
janeiro/fevereiro 1968.
36
Um exemplo explica o conceito: suponha que um uma empresa esteja
analisando um projeto que apresenta 70% de chances de sucesso, e consequentemente
30% de probabilidade de fracasso. Se o investimento resultar em sucesso, o retorno
ser um VPL de $10.000,00, caso seja um fracasso acarretar um prejuzo de
$12.000,00.
A Figura 6 ilustra o exemplo utilizando uma rvore de deciso. No incio do
projeto pode-se tomar a deciso de se investir ou no, representada pelo
. Caso o
a de sucesso e a de insucesso.
37
No se sabe qual ser o resultado do projeto, mas pode-se calcular o valor equivalente
atravs da mdia ponderada entre os VPLs de sucesso e insucesso:
k
VPL = (VPLi p i )
(Eq. 3.1)
(Eq. 3.2)
VPL = $3.400,00
(Eq. 3.3)
i =1
Em que:
VPLi : Valor presente lquido para a situao i;
p i : Probabilidade de ocorrncia de i;
k : Situaes totais.
38
Segundo Brando (2007) as rvores de deciso tm a vantagem de
representarem graficamente as interaes de maneira simples e intuitiva. Elas devem
ser mantidas simples, pois se desdobram facilmente, se tornando complexas e de
difcil manejo. Diversas ferramentas computacionais foram desenvolvidas nos ltimos
anos com o intuito de facilitar e automatizar a construo das rvores de deciso,
facilitando seu manejo e permitindo a construo de rvores complexas.
39
Densidade de
Probabilidade
Figura 8 Uma comparao entre o uso da rvore Deciso e a Simulao de Monte Carlo
40
A Figura 8 ilustra o clculo do VPL do exemplo do item 3.2.2. O uso da
rvore de cenrios leva em conta um nmero reduzido de hipteses, fornecendo uma
informao direta, porm ela mostra pouco sobre qual a probabilidade de haver
insucesso. O uso da Simulao de Monte Carlo permite que um grande nmero de
alternativas sejam 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)?
A definio de Risco foi apresentada no captulo 2 e est relacionada com a
disperso dos valores obtidos pela simulao. O desvio-padro usado como
ferramenta para obteno do risco, quanto maior o desvio-padro, maior a
variabilidade dos dados, conseqentemente maior o risco do projeto.
N
2
(x j )
j =1
=
N
(Eq. 3.4)
41
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;
P( X > x) = 1
f (u)du
(Eq. 3.5)
Em que:
P( X > x) a probabilidade cumulativa do valor do VPL desejado;
42
com que o gestor no tenha que se preocupar com os clculos, porm a interpretao
correta dos indicadores fundamental.
Ao decorrer do captulo sero mostrados alguns elementos ainda no bem
definidos sobre a Simulao de Monte Carlo; como a gerao de nmeros aleatrios e
a possibilidade de criar variaes em variveis independentes (demanda, preo,
custos, etc.) de maneira a gerar um VPL simulado (varivel dependente).
43
simulao, as variveis independentes assumem um novo valor. Desta forma,
quantidade de nmeros aleatrios est relacionada a quantidade de cenrios aleatrios.
Nmeros Aleatrios
44
(normal, qui-quadrado, exponencial, poisson, etc.) so simuladas empregando-se
transformaes apropriadas aos nmeros aleatrios uniformes gerados (VIEIRA et al,
2004).
Na literatura os nmeros aleatrios gerados por computador tambm so
conhecidos como nmero pseudo-aleatrios, j que ainda no se consegue gerar por
esse advento seqncias totalmente aleatrias, pois aps certos nmeros gerados
percebe-se padres de repetio. Muitas empresas de software tm investido nesse
recurso, o software Sas5, por exemplo, pode gerar rapidamente milhes de nmeros
com correlao relativamente baixa a algum tipo de padro matemtico de repetio.
Segundo Torres (2006), a grande maioria dos algoritmos dos softwares utiliza
o mtodo da congruncia linear do clculo numrico, representado pela funo
abaixo:
x n +1 = (dx n + c) mod m
(Eq. 3.5)
Em que:
x0 chamado de semente (seed), que pode ser definida pelo usurio do
software;
d a constante multiplicadora;
c a constante incremento;
m a constante mdulo.
Rosa e Pedro Jnior (2002) salientam que tais constantes devem ser
convenientemente escolhidas, pois estes valores afetam drasticamente o comprimento
5
www.sas.com/offices/latinamerica/brazil/technologies/ai/forecasting.html
45
do perodo da seqncia de nmeros aleatrios. Existem softwares que permitem ao
usurio alterar ou fixar o valor da semente.
A planilha 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.
Distribuies de Probabilidade
46
Segundo Silva (2004) uma forma comum de estabelecer a distribuio de
probabilidades para uma dada varivel atravs da consulta de dados histricos ou
estimativas. Quando se utiliza dados histricos, vale o pressuposto de que estes dados
podero descrever adequadamente o futuro, se isto no for correto, o recomendvel
que se trabalhe com estimativas.
Devido relevncia do uso das distribuies para a aplicao da simulao de
Monte Carlo, o item 3.2.5 trata sobre alguns tipos importantes de distribuies para a
aplicao do mtodo.
47
A Figura 9 apresenta a funo densidade de probabilidade de uma distribuio
de probabilidade uniforme contnua:
f ( x) = 1 /(b a), a x b
(Eq. 3.5)
Em que:
x
0,5 x 2
E( X ) =
dx =
ba
ba
a
(Eq. 3.6)
a
48
E ( X ) = ( a + b) / 2
(Eq. 3.7)
a + b
a+b
x
x
b
2
2
2
=
dx =
ba
3(b a )
a
2 = (b a) 2 / 12
3
b
(Eq. 3.8)
a
(Eq. 3.9)
e :
49
f ( x) =
1
2
( x )2
2 2
(Eq. 3.10)
A mdia pode ser obtida atravs da mdia aritmtica de todos os valores que
compe o estudo. J o desvio-padro foi apresentado pela equao 3.4.
Kalatizs (2006) cita que a distribuio normal deve ser utilizada quando no se
tem informao sobre os limites de variao da varivel em estudo ou, no se quer
fixar os limites para a varivel em estudo.
50
flexibilidade da distribuio de Weibull ilustrada pelos grficos das funes
densidade de probabilidade selecionadas na Figura 11:
f (x ) =
e -(x/ ) , para
Em que:
o parmetro de escala;
(Eq. 3.10)
51
= 1 +
2
1
= 1 + 2 1 +
2
(r ) = (r 1)!
(Eq. 3.10)
2
(Eq. 3.11)
(Eq. 3.12)
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.
Depois de apresentada a conceituao sobre a Simulao de Monte Carlo, fazse necessrio apresentar de maneira lgica e seqencial a construo do modelo
probabilstico e o uso da simulao. O fluxograma apresentado na Figura 12 exprime
os conceitos:
52
53
um ttulo pblico, por exemplo, informaes histricas do valor deste ttulo podem ser
relevantes e suficientes para o investidor, o que faz com que as distribuies de
probabilidade sejam facilmente obtidas e reflitam a confiana do investidor nos dados.
O mesmo pode ocorrer com algumas expanses de manufatura de uma indstria, na
formulao de uma carteira com muitos ativos, etc.
Nas situaes de anlise de Incerteza as informaes sobre os cenrios
financeiros e econmicos so vagas e pouco mensurveis, ou seja, no se conhece a
distribuio estatstica dos componentes do fluxo de caixa e usa-se como alternativa
trabalhar com opinies e sugestes de especialistas que tem a funo de decidir as
condies do projeto do ponto de vista econmico. Infelizmente, esta situao mais
freqente e tambm a qual os especialistas esto menos preparados para enfrentar.
Como responder as seguintes perguntas: qual ser a inflao daqui trs anos? Qual o
valor do kW/h se as companhias de distribuio forem privatizadas? Qual o valor do
petrleo daqui cinco anos? (PAMPLONA e MONTEVECHI, 2005).
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. Intuitivamente, pode-se criar distribuies de
probabilidade para representar situaes de incerteza, porm o mesmo autor salienta o
cuidado que deve ser dado na definio de parmetros de distribuio de cada
varivel, sob pena de obter resultados totalmente inteis.
O conceito do mtodo de Monte Carlo trata a incerteza como estritamente
Estocstica, onde os limites das incertezas presentes na anlise so bastante visveis
e bem definidos pelas distribuies de probabilidade. No captulo 4, avalia-se a
incerteza em seu carter Lxico, assim lana-se uso da teoria de conjuntos fuzzy e
sua utilizao em sistemas que apresentam incerteza e subjetividade.
54
O Apndice A apresenta a construo uma breve conceituao de como
Microsoft Excel em conjunto com software Crystal Ball pode ser utilizado para
55
USO
DE
NMEROS
FUZZY
NA
ANLISE
DE
56
relativas soluo do problema. Normalmente os algoritmos genticos so vistos
como otimizadores de funes, embora a quantidade de problemas para o qual os
algoritmos genticos se aplicam seja bastante abrangente (ARAJO, 2008).
A Lgica Fuzzy, tambm conhecida como difusa ou nebulosa, tem o intuito
de emular o pensamento humano, baseando-se na forma incerta e imprecisa com que
os seres humanos raciocinam (SHAW e SIMES, 1999). Sua aplicao crescente na
engenharia, sendo comuns estudos e aplicaes em conjunto com as redes neurais
artificiais, culminando nos Sistemas Neuro-Fuzzy.
Segundo Oliveira Jnior (1999) o aspecto mais notvel dos mtodos baseados
na Lgica Fuzzy a possibilidade de capturar em um modelo matemtico, conceitos
intuitivos como grau de satisfao, conforto e adequao.
O mesmo autor cita um exemplo para ilustrar a idia. Supe-se que em uma
determinada cidade a temperatura varia anualmente entre 15 e 42C. Ao questionar-se
um grupo de habitantes sobre sua sensao trmica, escolhida entre diferentes
alternativas {Fria, Neutra, Quente}, provavelmente haveria consenso que a 15C a
sensao trmica Fria, a 42C seria Quente e a 25C tal sensao poderia ser
considerada Neutra.
Mas em que temperaturas a sensao Fria se torna Neutra e esta se transforma
em Quente?
Dificilmente haver coincidncia de opinies na resposta a essa pergunta,
tendo em vista que os conceitos envolvidos so subjetivos e apresentam reas
sombrias, onde no se consegue escolher entre duas alternativas mutuamente
exclusivas simplesmente porque ambas podem estar parcialmente presentes.
Atravs da Lgica Fuzzy o problema poderia ser interpretado de maneira em
que as temperaturas no apresentem fronteiras rgidas entre os limites de Fria, Neutra
57
e Quente. Isto seria possvel representado, por exemplo, a concepo de Frio como
um nmero ou conjunto Fuzzy, que conteria uma faixa de valores possveis para as
temperaturas consideradas frias. Tal conceito expresso ao longo deste captulo.
A ( x) = 1 se e somente se x A ;
(Eq.4.1)
A ( x) = 0 se somente se x A ;
(Eq.4.2)
Em que:
58
59
Funo Pertinncia ou Membership que assuma qualquer valor no intervalo [0,1].
Segundo Shaw e Simes (1999) este princpio chamado de multivalncia.
60
Inicialmente a funo pertinncia associada a um elemento x qualquer pode
apresentar semelhana com o conceito de uma funo de probabilidade, porm
existem diferenas essenciais entre esses dois conceitos que ficam mais claras ao
apresentar-se a seqncia de regras de combinao entre funes pertinncia e suas
propriedades bsicas. Na verdade, a noo de um conjunto Fuzzy de natureza no
estatstica (ZADEH, 1965).
61
62
A Figura 17 apresenta outro conceito; o de Prximo de Zero. Neste caso a
rea de valores compreendidos maior do que Quase Zero, o que permite dizer que
este novo nmero mais Fuzzy do que o nmero que representa Quase Zero.
63
probabilidade que se refere a chance de que um elemento seja membro de um
conjunto (SHAW e SIMES, 1999).
Os mesmos autores apresentam um exemplo que ajuda a compreender o
conceito. Em um relatrio de metrologia a chance de chuva de 0,8. Essa uma
expresso probabilstica, pois o que est sendo levado em conta se haver chuva ou
no. No conceito de possibilidade a representao do evento chuva poderia ser obtida
atravs da construo de uma escala de possibilidades, como na Quadro 4:
Grau de Pertinncia
Intensidade da Chuva
1,0
Tempestade (T)
0,8
0,6
0,4
Garoa (G)
0,2
Neste caso uma possibilidade de chuva 0,8 indica que a chuva ser forte, o que
difere conceitualmente de dizer que amanh existe uma probabilidade 80% de que
haja chuva.
Atravs de um conjunto Fuzzy em forma de trapzio pode-se representar a
intensidade de chuva expressa pela quadro anterior:
64
65
66
67
A = (a1 , a 2, a 3 , a 4 )
(Eq.4.3)
0,
x a1
,
a
2
1
A ( x) = 1
a4 x
,
a 4 a3
0,
x < a1
a1 x a 2
a 2 x a3
(Eq.4.4)
a3 x a 4
x > a4
68
0,
x a1
,
a 2 a1
A ( x) =
a x
3
,
a3 a 2
0,
x < a1
a1 x a 2
(Eq.4.5)
a 2 x a3
x < a3
A = (a1 , a 2, a 3 )
(Eq.4.6)
69
A = [ a l ( ) , a r ( ) ]
(Eq.4.7)
[0,1]
(Eq.4.8)
A = [a
l ( )
,a
r ( )
] = [(a 2 a1 ) + a1 ,(a3 a 2 ) + a3 ]
70
0,
x +1
,
3
A ( x) =
5 x
,
3
0,
x < 1
1 x 2
(Eq.4.9)
2 x5
x>5
[0,1]
(Eq.4.10)
A = [a l ( ) , a r ( ) ] = [3 1,3 + 5]
A ( x) = e ( x a )
/b
(Eq.4.11)
71
Os nmeros Fuzzy podem assumir formatos diversos, isto porque uma funo
qualquer que apresente os princpios de normalidade e convexidade pode caracterizar
um nmero Fuzzy.
Neste trabalho o intuito principal o de representar parmetros que compe
um fluxo de caixa atravs de nmeros Fuzzy. Visto que tais parmetros so incertos e,
de certa forma, de difcil mensurao, atear-se- aos nmeros de formato geomtrico
mais simples como os triangulares, pois a opo por funes mais complexas pode ser
pouco representativa. medida que a complexidade da funo aumenta, mais difcil
se torna adequ-las as informaes vagas e muitas vezes intuitivas presentes nas
anlises de investimento onde no se sabe claramente o comportamento futuro das
variveis dependentes.
72
Segundo Chiu e Park (1994) a adio entre dois nmeros Fuzzy A e B pode ser
expressa por:
A(+ ) B = [a l ( ) + b l ( ) , a r ( ) + b r ( ) ]
(Eq.4.12)
Para a soma entre dois nmeros Fuzzy A = (-10, 4, 5) e B = (7, 10, 15). Temse:
A = [10 + 14 , 5 ] e B = [7 + 3 , 15 5 ]
A(+ ) B = [3 + 17 , 20 6 ]
A Imagem Simtrica
(Eq.4.13)
(Eq.4.14)
73
A Imagem Simtrica de um nmero triangular Fuzzy A = (a1 , a 2 , a3 ) pode ser
definida como:
A = ( a3 , a 2 , a1 )
(Eq.4.15)
A = [ a r ( ) , a l ( ) ]
(Eq.4.16)
74
A() B = [a l ( ) b r ( ) , a r ( ) b l ( ) ]
(Eq.4.17)
A = [2 + 2 , 3 3 ] e B = [2 + 2, + 5]
A() B = [7 + 3 , 1 5 ]
(Eq.4.18)
(Eq.4.19)
A Multiplicao Fuzzy ( )
75
A() B = [a l ( ) b l ( ) , a r ( ) b r ( ) ]
(Eq.4.20)
(Eq.4.21)
A Diviso Fuzzy ( )
76
A() B = [min(a l ( ) / b l ( ) , a l ( ) / b r ( ) , a r ( ) / b l ( ) , a r ( ) / b r ( ) );
max(a l ( ) / b l ( ) , a l ( ) / b r ( ) , a r ( ) / b l ( ) , a l ( ) / b r ( ) )]
(Eq.4.22)
A = [10 + 14 , 5 ]
(Eq.4.23)
B = [7 + 3 , 15 5 ]
(Eq.4.24)
(Eq.4.25)
A() B = [min((10 + 14 ) /(7 + 3 ), (10 + 14 ) /(15 5) , (5 ) /(7 + 3 ),
(5 ) /(15 5 a )); max((10 + 14 ) /(7 + 3 ), (10 + 14 ) /(15 5 ),
(5 ) /(7 + 3 ), (5 ) /(15 5 ))]
A partir dos primeiros conceitos propostos por Zadeh at os dias atuais, muito
se desenvolveu da Lgica Fuzzy, o que fez com que suas aplicaes se estendessem
diversos tipos de sistemas e modelos. Este captulo enfatiza sua utilizao, em um
77
primeiro momento, em um Sistema de Controle Fuzzy automtico; a posteriori
apresentado um exemplo na avaliao de um investimento, que serve como base
conceitual para modelo proposto no Estudo de Caso.
Como ponto de partida para sua aplicao, alguns conceitos utilizados na
estruturao de modelos e sistemas Fuzzy devem ser ressaltados. A Figura 32 ilustra
conceitos importantes do mtodo e faz uma referncia Figura 5 do captulo 2:
78
reais, de maneira que possam ser interpretadas e utilizadas em aes ou aplicaes
subseqentes.
A utilizao de estruturas Fuzzy para Inferncia apresenta diferenas
significativas quando comparada a utilizaes em Clculos. Desta forma uma breve
diferenciao sobre as duas aplicaes exposta na Tabela 1; melhor esclarecida nos
itens seguintes:
Clculo
Inferncia
Estruturas lgicas:
Estrutura Principal
- Se;
- Ento.
- Conjuntos numricos Fuzzy
delimitam todos os valores
possveis de entrada;
evento incerto.
representar entrada no
Fuzzificao
79
4.3.1 Fuzzificao
80
De maneira diferente das aplicaes Fuzzy baseadas em clculo, nos sistemas
Fuzzy baseados em Inferncia, usualmente representa-se uma determinada varivel
lingstica atravs de um conjunto de funes de pertinncia, o qual representa todos
os valores possveis de entrada. A Figura 34 apresenta o conceito:
81
O valor 13% pertence a dois dos nmeros Fuzzy da Figura 35; o primeiro que
se refere a Taxa de Juros Selic Baixa, com pertinncia 0.35 e o segundo referente a
Taxa de Juros Selic Mdia com pertinncia 0.8. Nota-se que a pertinncia do valor
13% ao nmero Fuzzy Taxa de Juros Selic Alta igual a 0.
Assim, um Vetor de Possibilidades equivalente ao nmero discreto 13%
poderia ser representado por {0.35; 0.8; 0} (SHAW e SIMES, 1999). Em suma, nos
sistemas de Inferncia, usualmente as entradas so Fuzzificadas atravs deste tipo de
vetor.
4.3.2 Defuzzificao
82
O mundo fsico no entende nmeros e conjuntos difusos, logo
necessrio gerar grandezas abruptas que representem ou resumam da
melhor maneira possvel a informao contida nesses resultados (Oliveira
Jnior, 1999).
83
x
x* =
j =1
sada ( x)
(Eq.4.26)
j =1
sada
( x)
Em que:
x j o valor do valor real da varivel em cada em cada situao j;
sada (x) o valor funo de pertinncia para valor real os cada valor real x j ;
N o nmero de iteraes utilizadas.
84
Neste mtodo os picos mximos das funes de pertinncia so utilizados,
enquanto a rea ignorada. Matematicamente expresso por (SHAW e SIMES,
1999):
xm
m =1 M
x* =
(Eq.4.27)
Em que:
x m o m-simo valor no inverso de discurso com pertinncia mxima;
M o nmero total de valores com pertinncia mxima.
85
Desta forma:
0
* ( x < 0) =
sada
( x)
15
30
15
(Eq.4.28)
sada
( x)
86
Apesar de parecer pouco representativa, se aplicada no controle de um motor
eltrico, a utilizao da possibilidade cumulativa pode ser muito til em aplicaes
onde se deseja fazer uso do VPL, pois atravs dela possvel calcular a possibilidade
de sucesso ou insucesso de um investimento. J os mtodos do centride e do centro
do mximo podem ser teis no clculo do valor mais possvel, ou seja, no caso do
VPL, o retorno de maior possibilidade.
87
A ampla utilizao industrial e em produtos de bens de consumo culminou no
desenvolvimento de softwares para aplicao e equipamentos para automao. Na
Europa e na sia principalmente, e com menor intensidade nos EUA, diversos
fabricantes como Siemens, Allen-Bradley, AEG desenvolveram Controladores
Lgicos Programveis (CLP) com mdulos especficos para a Lgica Fuzzy (SHAW e
SIMES, 1999).
Os
Controladores
Lgicos
Programveis
so
dispositivos
88
89
riscos, pois os mesmos caminhavam com os controladores em mos, estando sujeitos
a quedas ou algum deslize.
A aplicao da Lgica Fuzzy na automao desta operao baseada na
experincia humana neste controle. Subsidiada pelo raciocnio humano, a automao
realizada considerando apenas duas variveis de entrada: distance e angle. Pela
observao das entradas o operador controla power buscando velocidade no
descarregamento.
O sistema Fuzzy para esse controle baseado em inferncias. A Figura 40
representa as entradas e sadas do sistema.
90
91
92
- o ngulo de abertura -45 pequeno e negativo (neg_small). Sua intensidade
0.30;
- o ngulo de abertura -45 grande e negativo (neg_big). Sua intensidade
0.70.
SE
ENTO
Regras
Angle
angle
Distance
distance
Power
power
neg_small
0.30
medium
0.73
pos_high
0.30
neg_big
0.70
medium
0.73
pos_medium
0.70
neg_small
0.70
far
0.27
pos_high
0.27
93
Apenas 3 entre 9 regras presentes na Figura 43 foram utilizadas, isto porque,
power obtida pelo menor valor entre angle e dis tan ce . Assim quando alguma destas
pertinncias nula, power tambm .
Quando no h regra para uma situao corrente, no h sada no sistema e a
potncia permanece inalterada.
Assim como para as entradas angle e distance, a sada Fuzzy realizada
atravs de uma srie de nmeros Fuzzy (neg_high, neg_medium, zero, pos_medium e
pos_high) que representam a potncia do motor. Observando-se a Tabela 2 na regra 7;
a sada inferida uma potncia pos_medium com pertinncia 0.70, visualizada
geometricamente pela Figura 44:
94
Regra 7
Regra 6
Regra 9
Obtida a sada fuzzificada faz-se necessrio torna-l uma varivel real para
que seja emitido o sinal de sada do controlador para o atuador. O mtodo de
defuzzificao o da Mdia dos Mximos, que resulta um valor de 14.0500 kW.
95
A cada instante os valores de angle e distance se alteram devido a
movimentao, a cada variao nas entradas a inferncia realizada, o que resulta em
um novo valor para power, ou seja, o controle contnuo.
A aplicao apresentada faz parte de exemplos presentes nos software
Fuzzytech 5.60, que apresenta verso demonstrativa para download no site6 do
fabricante.
Apesar de no ser tratada diretamente no estudo de caso, a utilizao da
Lgica Fuzzy para inferncias amplamente utilizada, seja em aplicaes de controle,
como em sistemas de apoio a deciso, portanto fez-se necessria sua apresentao no
trabalho.
www.fuzzytech.com
96
Taxa Interna de Retorno atravs do clculo Fuzzy. Medeiros (2003) apresenta em sua
dissertao um estudo para avaliao de viabilidade de um projeto de um campo de
golfe pblico, levando em conta a ordenao de fatores ambientais, econmicos e
sociais.
Neste trabalho o intuito calcular o VPL atravs da Lgica Fuzzy de modo
com que as incertezas presentes no investimento sejam incorporadas ao clculo.
Gutirrez (1989) apresenta a primeira formulao para a aplicao de nmeros Fuzzy
para o clculo do Valor Presente Lquido. Em seu trabalho os fluxos de caixa por
perodo( FC ) e a taxa de desconto de um investimento por perodo( i ) so
representados por nmeros triangulares Fuzzy, tratando a incerteza presente como
lxica.
FC = FC l ( ) ; FC r ( )
= i l ( ) ; i r ( )
(Eq.4.29)
(Eq.4.30)
97
Figura 47 VPL obtido em um investimento onde fora utilizado taxas de descontos e fluxos
caixa Fuzzy
Fonte: Adaptado de GUTIERRZ(1989)
l ( )
r ( )
), de
maneira que:
l ( )
;VPL fuzzy
r ( )
(Eq.4.31)
98
4.5.1 Clculo de VPLFuzzyl()
VPL fuzzy
l ( )
= FC 0l ( ) +
VPL fuzzy
l ( )
FC1l ( )
FC 2l ( )
FC nl ( )
+
+
...
+
(1 + i1r ( ) ) (1 + i2r ( ) )
(1 + i nr ( ) )
l ( )
FC j
r ( )
= j
, onde i0 = 0
j =0
(1 + i rj ( ) )
j '= 0
(Eq.4.32)
(Eq.4.33)
VPL fuzzy
l ( )
= FC
VPL fuzzy
l ( )
0
l ( )
FC1l ( )
FC 2l ( )
FC nl ( )
+
+
+ ... +
(1 + i1l ( ) ) (1 + i2l ( ) )
(1 + i nl ( ) )
l
(
)
n
FC j
l ( )
= j
, onde i0 = 0
j =0
(1 + i lj( ) )
j '= 0
(Eq.4.34)
(Eq.4.35)
99
VPL fuzzy
VPL fuzzy
l ( )
0
l ( )
VPL fuzzy
=0
r ( )
(1 + i n )
(Eq.4.36)
l ( )
0
l ( )
VPL fuzzy
=0
l ( )
(1 + i n )
(Eq.4.37)
VPL fuzzy
l ( )
l
l
(
)
(
)
n
max(FC j ,0) min( FC j ,0)
= j
+ j
j =0
r ( )
l ( )
(1 + i j )
(
1
+
i
)
j '= 0
j '= 0
(Eq.4.38)
VPL fuzzy
r ( )
= FC 0r ( ) +
FC1r ( )
FC 2r ( )
FC nr ( )
+
+
...
+
(1 + i1l ( ) ) (1 + i 2l ( ) )
(1 + i nl ( ) )
(Eq.4.39)
100
VPL fuzzy
r ( )
r ( )
FC j
l ( )
= j
, onde i0 = 0
j =0
(1 + i lj( ) )
j '= 0
(Eq.4.40)
VPL fuzzy
r ( )
= FC 0r ( ) +
VPL fuzzy
r ( )
FC1r ( )
FC 2r ( )
FC nr ( )
+
+
...
+
(1 + i1r ( ) ) (1 + i2r ( ) )
(1 + i nr ( ) )
r
(
)
n
FC j
r ( )
= j
, onde i0 = 0
j =0
(1 + i rj ( ) )
j '= 0
(Eq.4.41)
(Eq.4.42)
VPL fuzzy
VPL fuzzy
r ( )
0
r ( )
VPL fuzzy
=0
l ( )
(1 + i1 )
(Eq.4.43)
r ( )
0
r ( )
VPL fuzzy
=0
r ( )
(1 + i1 )
(Eq.4.44)
101
VPL fuzzy
r ( )
r ( )
r ( )
max(FC j ,0) min( FC j ,0)
= j
+ j
j =0
r ( )
(1 + i lj( ) )
(
1
+
i
)
j
j '=0
j '= 0
(Eq.4.45)
l ( )
e VPL fuzzy
r ( )
no intervalo
de pertinncia de 0 a 1 tem-se:
(Eq.4.46)
VPL fuzzy
n
l ( )
l ( )
r ( )
r ( )
n
max(FC j ,0) min( FC j ,0)
max(FC j ,0) min( FC j ,0)
= j
+ j
+ j
; j
j =0
j =0
r ( )
l ( )
l ( )
r ( )
(1 + i j )
(1 + i j )
(1 + i j )
(1 + i j )
j '=0
j
'
=
0
j
'
=
0
j '= 0
102
4.5.4 Fuzzificao do Fluxo de Caixa
Investimento
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
-350000
-300000
-250000
-200000
Investimento L()
-150000
-100000
-50000
Investimento R()
(Eq.4.47)
(Eq.4.48)
103
(Eq.4.59)
Retorno Esperado
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0
50000
100000
150000
200000
250000
300000
(Eq.4.51)
(Eq.4.52)
104
TMA
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0,0%
2,0%
4,0%
6,0%
8,0%
TMA L()
10,0%
12,0%
14,0%
16,0%
18,0%
TMA R()
l ( )
(Eq.4.54)
VPL fuzzy
r ( )
105
A Figura 51 mostra a representao vetorial do VPL, obtida no intervalo de
entre 0 e 1.
VPLfuzzy
1,00
267974,03
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
128755,33
0
50000
100000
150000
399678,12
200000
250000
VPLL()
300000
350000
400000
450000
VPLR()
l ( )
e VPL fuzzy
r ( )
reta, o que levaria a pensar que trata-se de um nmero triangular. Entretanto, trata-se
de um equvoco. Isso deve-se ao fato de haver potenciao em . Como seu domnio
pequeno (entre 0 e 1), a curvatura das funes geradas muito pouco acentuada.
Assim, caso haja necessidade de se trabalhar com algum tipo de aproximao junto ao
VPL fuzzy , esta apresenta resultados bastante satisfatrios.
No exemplo apresentado, o VPL fuzzy obtido como sada apresenta somente
valores positivos, ou seja, para todos os valores de pertinncia o investimento
vivel. No necessrio, priori, lanar-se uso do clculo da possibilidade
cumulativa [ * (VPL fuzzy < 0) ]. J o valor que apresenta maior possibilidade no
106
domnio Real obtido pelo uso do mtodo de defuzzificao pelo Centro da rea
(CHIU e PARK, 1994):
VPL
VPL* =
j =1
fuzzy j
(VPL fuzzy )
(Eq.4.55)
(VPL
j =1
fuzzy
Em que:
N o nmero de iteraes a serem realizadas;
(VPLFuzzy) funo que descreve a pertinncia do VPL fuzzy
Neste exemplo foi utilizado N = 40, sendo o intervalo entre cada iterao uma
valor em 0,05 de (VPLFuzzy), obtendo-se:
VPL * = R$ 266.270,57
(Eq.4.56)
266270,57
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0
50000
100000
150000
VPLL()
200000
VPLR()
250000
300000
350000
VALOR DEFUZZIFCADO
400000
450000
107
O valor obtido pela defuzzificao pode ser utilizado para comparao
econmico-financeira entre projetos de investimento, uma vez que o valor
defuzzificado representa o valor mais possvel para cada investimento.
Esta dissertao apresenta um indicador complementar para comparao entre
projetos de investimentos. O nome escolhido coeficiente de incerteza lxica (CIL)
representado pela funo:
CIL =
VPL fuzzy
r (1)
VPL fuzzy
l (1)
VPL *
(Eq.4.57)
CIL =
399.678,12 128.755,33
266.270,57
CIL = 1,02
(Eq.4.58)
(Eq.4.59)
varivel Fuzzy
108
Desta forma, explorando o exemplo apresentado, o nmero de perodos do
investimento poderia ser considerado um valor entre 2 e 4 anos, ao invs do valor
absoluto de 3 anos. A Figura 53 apresenta o conceito.
Vida Econmica
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0
0,5
1,5
2,5
3,5
4,5
109
110170,13
267974,03
405194,81
0,90
0,80
VPLfuzzy 2 anos
0,70
VPLfuzzy 3 anos
VPLfuzzy 4 anos
0,60
0,50
0,40
0,30
0,20
0,10
0,00
1383,74
0
399678,12
400000
500000
568954,09
600000
273419,07
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
1383,74
0
100000
200000
300000
400000
500000
568954,09
600000
110
Omitaou e Badiru (2007) sugerem para interpretao do Vapor Presente
Lquido Fuzzy em perodos variveis, o uso do conceito de mximo Fuzzy,
representado pela unio das funes de pertinncia do VPL fuzzy com vida econmica
de 2, 3 e 4 anos, mostrado pelo tracejado na Figura 56.
A defuzzificao tambm realizada pelo mtodo do centro da rea e resulta
em um valor lquido de R$ 256.301,39. Percebe-se que neste exemplo, que a
diferena do valor presente lquido em perodos variveis utilizando-se dos mtodos
apresentados relativamente pequena; R$ 17.117,68 (um valor prximo a 7% do
resultado total do investimento).
256301,39
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0
100000
200000
300000
400000
500000
600000
111
O exemplo apresentado bastante simplificado, visto que o projeto apresenta
vida econmica reduzida e a varivel chamada Retorno Esperado incorpora as
incertezas presentes no fluxo de caixa do investimento. Entre suas contribuies, esta
dissertao tratar em seu estudo de caso as variveis incertas que compe o fluxo de
caixa de maneira independente. Por exemplo: a demanda e o valor do dlar so
consideradas variveis de entrada representadas cada qual por nmeros Fuzzy
distintos. Desta maneira as receitas e dispndios de caixa no perodo so obtidos
atravs
da
interao
matemtica
dessas
variveis,
que
embora
aumente
http://fuzzy.cs.uni-magdeburg.de/
112
Assim como no mtodo de Monte Carlo, para que o resultado seja
representativo, a contextualizao do cenrio econmico deve ser clara e
fundamentada nas informaes presentes do investimento. A economia mundial
apresenta um cenrio bastante voltil, de fato isto contribui para que informaes
presentes se transformem em fatos relativamente diferentes no futuro. No exemplo
apresentado as faixas de incerteza so bastante reduzidas, em uma situao real com
investimentos de perodos mais longos, pode ser incoerente assumir faixas de
incertezas 10% ou 15%. evidente que tais variveis dependem da situao
econmica e empresarial de cada investimento.
No prximo captulo apresentado o Estudo de Caso, onde Lgica Fuzzy
usada para contextualizar a incerteza, tratada em seu carter lxico. O Apndice B
apresenta como representar e operar nmeros a formulao utilizando o Microsoft
Excel.
113
114
sucroalcooleiro, apresentando tambm boas perspectivas na indstria de papel e
celulose. O grupo de investidores envolvidos apresenta experincia neste mercado,
tendo atuado na direo de uma metalrgica de grande porte no setor.
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 da inicia-se o
processo de extrao do caldo. Em sntese, tal processo consiste na utilizao de
moendas que esmagam a cana desfibrada, ou atravs de difusores, que permitem a
extrao atravs de lavagens repetitivas.
Aps a extrao, iniciam-se uma srie de processos fsico-qumicos que
permitem a obteno do acar e do lcool. A fonte primria de energia utilizada em
todo o processo inerente operao em uma usina a queima do bagao da cana.
Atravs do uso de uma central trmica; um grande volume de gua aquecido
gerando vapor, que alm de ser diretamente utilizado no processo industrial tem suas
propriedades
termodinmicas
aproveitadas
em
sistemas
mecnicos
para
Caldeiras Aquatubulares
115
caldeiras de baixa e mdia presso, medida que o equipamento recebe calor de uma
fonte trmica, a gua presente no vaso se torna vapor saturado (FLORES, 2003). J as
caldeiras de alta presso trabalham com vapor em seu estado superaquecido,
apresentando maior eficincia energtica, tornado-a mais apropriada para a gerao de
energia eltrica, o que as tornam um modelo de maior valor agregado. A Figura 57
apresenta um esquema de funcionamento de uma caldeira aquatubular.
116
mecnica obtida pela rotao aciona os geradores de energia que atravs de induo
magntica, transformam a energia mecnica em energia eltrica.
Difusor
117
5.2 O ESTUDO DE MERCADO
118
Nos ltimos anos a participao do setor na economia nacional foi
intensificada. Em 2002, com o lanamento dos carros com tecnologia Flex Fuel,
esenvolvida pela Bosch8, observou-se significativo crescimento do consumo do lcool
combustvel no pas (OLIVEIRA e VASCONCELOS, 2006). Hoje o nmero de
carros bicombustveis representa quase 90% dos carros vendidos no pas (RANGEL,
2007).
O lcool produzido a partir da cana-de-acar visto como um produto de
grande potencial, por se tratar de um biocombstivel e estima-se que seu consumo
deva crescer nos prximos anos. O processo de gerao do lcool brasileiro tomado
como uma referncia mundial. Quando comparado a processos produtivos que se
utilizam do milho, como nos EUA, China e ndia (MSANGI et al, 2006), a tecnologia
nacional para produo de lcool mostra-se mais eficiente e com custo mais baixo
(ZHANG et al, 2006).
Em 2007 as exportaes do lcool nacional alcanaram 3,6 bilhes de litros,
um leve crescimento em relao aos 3,4 bilhes exportados em 2006. Os Estados
Unidos so os maiores importadores de lcool, com 1,9 bilho de litros (900 milhes
diretamente comprados do Brasil e 1 bilho comprados de pases da Amrica
Central), seguidos pela Holanda, com 700 milhes, e Japo, com 380 milhes de
litros.
A ascenso do lcool brasileiro tem gerado interesse do mercado internacional,
fazendo com que o produto fosse destaque em uma matria do jornal americano The
New York Times que ressaltou a tecnologia brasileira e sua importncia para autosuficincia energtica do Brasil (ROTHER, 2006).
A empresa ganhou o prmio FINEP por inovao tecnolgica por este desenvolvimento.
119
O interesse norte-americano na agroindstria sucroalcooleira tambm pode ser
observado pela sua insero no grupo Santelisa Vale, da regio de Ribeiro Preto,
interior do estado de So Paulo. Em maro de 2007, a direo da empresa anunciou
uma sociedade com a Global Foods e o Carlyle Riverstone para criar a Companhia
Nacional de Acar e lcool (CNAA). A empresa dever investir R$ 2 bilhes de
reais nos prximos dois anos para erguer quatro usinas. Em julho de 2007, foi a vez
do banco americano Goldman Sachs investir 400 milhes de reais no Santelisa Vale
(CORREA, 2007).
Com o "boom" do lcool no mundo, o setor sucroalcooleiro do Brasil receber
novos investimentos, que contaro com forte financiamento estatal. Sero aplicados
US$ 19 bilhes at 2012 em pelo menos 86 novas usinas e ampliaes, e os
emprstimos do BNDES (Banco Nacional de Desenvolvimento Econmico e Social)
somaro at R$ 10 bilhes no perodo (SOARES, 2007). Em contrapartida o Instituto
de Pesquisa Econmica Aplicada do governo (IPEA) criticou a presena do BNDES
no setor, alegando instabilidade nos preos do produto, julgando que o mercado ainda
incerto (IPEA, 2008).
Segundo Pessoa (2008), alm do lcool, o mercado do acar refinado tambm
tem sido diferencial para a indstria sulcroalcooleira. Apesar da diminuio no
consumo mundial, os produtores nacionais vem oportunidades de negcio em pases
como China e Japo, que apresentam um consumo de acar abaixo da mdia (6
kg/habitante ano), substancialmente menor do que os Estados Unidos e a Unio
Europia (20 kg/habitante ano).
Junto a comercializao de produtos derivados da cana-de-acar, a venda de
energia eltrica pelas usinas sucroalcooleiras ao mercado de distribuio uma fonte
de receita potencial. Em 2003 o governo brasileiro criou o Programa de Incentivo s
120
Fontes Alternativas (PROINFRA). Tal programa tem como objetivo diversificar a
matriz energtica brasileira, buscando solues regionais por meio da implementao
de polticas para o desenvolvimento de novas fontes energticas como a biomassa,
pequenas centrais hidroeltricas e aplicaes em fontes elicas. No entanto percebe-se
que, apesar de seu potencial, o setor sulcroalcooleiro no apresentou a adeso
esperada ao programa. Segundo Souza e Azevedo (2006) o preo de compra pelo
MWh pago pela Eletrobrs ainda considerado pouco atrativo.
Visto um panorama geral sobre o mercado sulcroalcooleiro, a Figura 59
apresenta a quantidade em toneladas produzidas de cana-de-acar, desde o ano de
1900 at o ano de 2007.
O ano de 2007 foi marcado por uma safra recorde, onde foram produzidas
cerca de 514.000.000 toneladas. Para 2008 o IBGE projeta uma produo no setor 9,3
% maior, superando o valor de 560.000.000 de toneladas (ABDALA, 2007).
121
Apesar das boas projees do IBGE o incio do ano de 2008 (perodo em que
est sendo realizada a anlise do projeto presente neste trabalho) comeou com um
sinal amarelo para os produtores e investidores. Ao menos em curto prazo, o mercado
do lcool frustrou os que acreditaram nas promessas de novo eldorado verde dos
negcios. A euforia de investidores e empresrios com o crescimento do setor,
iniciada em 2006, arrefeceu com a queda nos preos do produto no mercado interno e
com as dificuldades para a exportao, que no se abriu na velocidade alardeada pelo
governo; no mercado acredita-se que h excesso de oferta do produto, causada pela
safra recorde em 2007. Outro fator de influncia foi a produo recorde de
combustvel a partir do milho nos Estados Unidos que reduziu sua importao do
produto (LOBATO e SOARES, 2008).
Segundo informaes de empresrios, ao menos 25 projetos de implantao de
novas unidades industriais foram adiados ou reavaliados. H, no pas, 367 usinas em
funcionamento, com a previso de mais 29 entrarem em operao este ano e um
estudo indito, o BNDES admite a possibilidade de excedente de produo de 10%
at 2010, a depender da evoluo do preo da gasolina. A partir da, projeta-se um
longo ciclo de crescimento sustentado, principalmente, pelo mercado interno
(LOBATO e SOARES, 2008).
122
Alm de atender ao mercado nacional, a tecnologia brasileira mostra-se
propicia exportao, j que os produtos nacionais tambm so diretamente
aplicveis ou adaptveis em sistemas agroindustriais onde o milho utilizado. O
Quadro 5 apresenta uma descrio dos principais mercados em questo:
Pas / Regio
Tecnologia Empregada
Brasil
Cana-de-Acar
16500
EUA
Milho
16230
China
Milho
2000
Unio Europia
Milho
950
ndia
Milho
300
Canad
Milho
250
Colmbia
Cana-de-Acar
150
Tailndia
Cana-de-Acar
60
Austrlia
Cana-de-Acar
60
123
No Brasil existem grandes fabricantes de mquinas e equipamentos para as
usinas sucroalcooleiras; a maioria deles est concentrada no interior do estado de So
Paulo. A estrutura industrial neste segmento apresenta-se bastante verticalizada,
fazendo com que as empresas envolvidas trabalhem com produtos ou servios
bastante especficos de engenharia. As parcerias empresarias so bastante
contundentes; enquanto parte das empresas so responsveis pelo desenvolvimento de
projetos, outras so responsveis pela manufatura e aplicao dos produtos.
Algumas parcerias no se apresentam totalmente rgidas, onde possvel
encontrar um nico fabricante trabalhando simultaneamente com mais de uma
empresa responsvel pela execuo de projetos, sejam elas nacionais ou
internacionais.
Os responsveis pelo investimento consideram quatro grandes fabricantes
nacionais, como seus futuros concorrentes diretos. A Figura 60 apresenta uma
estimativa realizada pelos investidores sobre a situao atual do marketshare entre as
empresas envolvidas:
124
Somando-se concorrncia nacional, existe a presena de empresas
internacionais no fornecimento de mquinas e equipamentos para produo de acar
e lcool. medida que a tecnologia de fabricao de etanol diversifica-se pelo
mundo, novas empresas podero surgir o que poder aumentar a volatilidade do setor.
Caso o projeto de investimento seja executado, de se esperar que a empresa
enfrente dificuldades para estabelecer-se no mercado, j que seus principais
concorrentes mostram-se empresas bem estruturadas. Com o intuito de superar as
possveis dificuldades para a comercializao de seus produtos, o grupo de
investidores tem em mente alguns itens estratgicos que devero delinear a poltica da
empresa em seus primeiros anos de trabalho:
125
incorridos pela sua fabricao (MARTINS, 2003). Em termos gerais o conceito
margem de contribuio utilizado para representao do lucro obtido pela venda de
determinado produto.
Com intuito de firmarem-se no mercado, os investidores acreditam que ser
necessrio trabalhar com margens menores nos primeiros projetos, oferecendo preos
competitivos ao mercado.
Parcerias empresariais
126
(ERENO, 2006). Tal localizao propiciar fcil acesso a parceiros, fornecedores e
clientes do interior paulista.
Vizinha cidade de Ribero Preto, a regio conta com excelente infraestrutura. O acesso rodovirio bom, facilitando o fluxo dos produtos at o porto de
Santos, principal centro logstico de exportao industrial do pas.
127
A empresa dever contar inicialmente com 10 funcionrios para trabalhar na
parte administrativa 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 implementao de seu sistema de manufatura.
A Tabela 3 apresenta as estimativas iniciais do projeto:
128
Tabela 3 Estimativas Iniciais do Projeto
Valor
Projetado
2
Galpo
2900 m
rea Inicial
24600 m
Terreno Adicional
10250 m
Guincho para
Movimentao
01
Especificao
Nele ser montado o centro fabril para
manufatura de equipamentos. Tambm conta
com escritrios para a rea administrativa.
Importante para logstica interna da empresa,
servindo como suporte para o centro fabril na
movimentao de produtos em processamento e
matria-prima.
Vizinho ao galpo, ser utilizado para uma
possvel expanso da empresa.
Ser utilizado para movimentao de grandes
cargas no galpo.
Mquina Curvadora de
Tubos
01
Calandra
01
Munk
01
Mquinas leves e
soldadoras
---
---
Nmero de funcionrios
(mo-de-obra direta)
11
Nmero de funcionrios
(mo-de-obra indireta)
25
Capacidade de produo
1560 ton/ano
15 anos
129
Tabela 4 Estimativa de receitas e custos anuais do projeto
Investimento
Valor Esperado
Incerteza
Estimada
Depreciao
Restante
Galpo
-R$ 2.000.000,00
3%
10 anos
rea Inicial
-R$ 2.400.000,00
3%
no
deprecivel
Terreno Adicional
-R$ 1.725.000,00
3%
no
deprecivel
Guincho para
Movimentao
-R$100.000,00
3%
10 anos
Mquina Curvadora
de Tubos
-R$150.000,00
3%
10 anos
Calandra
-R$20.000,00
3%
10 anos
Munk
-R$20.000,00
3%
10 anos
Mquinas leves e
soldadoras
-R$100.000,00
3%
10 anos
Material para
escritrio, mveis e
computadores
-R$30.000,00
3%
10 anos
1200 ton
30%
R$10.495,00 /ton
5%
-R$672.750,00
30%
-R$491.556,00
30%
-R$100.000,00
30%
-R$7.623,75 /ton
5%
35% a.a.
No tratado
como incerto.
R$ 4.725.000,00
20%
15,72% a.a.
6%
Estimativa de
demanda anual
Receitas
Estimativa de preo
de venda
Salrios e encargos
anuais com mo-deobra direta
Salrios encargos
anuais com mo-deobra indireta
Gastos anuais com
agua, energia e
telefone
Custos anuais gerais
de produo (matriaprima e consumveis)
Custos e
Despesas
Alquota de imposto a
ser pago
Impostos
Valor Residual
Rentabilidade
Desejada
Valor Residual
empreendimento
do
Taxa
mnima
de
atratividade (TMA)
O valor residual do investimento corresponde a soma dos itens rea Inicial e Terreno Adicional da
tabela.
130
As informaes contidas na Tabela 4 esto divididas em quatro principais
grupos. O primeiro deles, o investimento, representa os ativos necessrios para que a
empresa seja implantada. Os demais fornecem informaes estimadas sobre as
receitas e dispndios de capital que a execuo do projeto trar, bem como a
rentabilidade desejada do projeto e sua carga tributria.
A coluna incerteza estimada de fundamental importncia para o estudo. Esse
indicador apresenta as possveis variaes que influenciaro no fluxo de caixa da
empresa no decorrer da vida econmica do investimento. A grande dificuldade para
quantificao destas incertezas que, apesar de existirem informaes relevantes
sobre o mercado, as mesmas apresentam-se pouco sistematizadas e organizadas,
dificultando a aplicao de ferramentas matemticas ou procedimentais para
represent-las numericamente. Desta forma, as faixas de valores incertos foram
estipuladas com base em informaes de mercado e reunies efetuadas junto aos
investidores, nas quais o feeling e experincia empresarial dos responsveis pelo
projeto apresentaram papel fundamental nestas estimativas.
Observa-se que as estimativas de incerteza para o investimento inicial so
variaes muito pequenas, isto porque os investimentos j foram cotados e acredita-se
que as possveis alteraes possam ocorrer por motivo de negociao ou pela forma
de pagamento do ativo. J as receitas, despesas e custos estimados apresentam uma
amplitude maior, visto que uma projeo para quinze anos contm alto grau de
imprevisibilidade.
A coluna depreciao consiste em representar contabilmente em quanto tempo
um determinado ativo imobilizado perde seu valor durante o uso. As depreciaes so
importantes, pois so computadas como custos ou despesas nas demonstraes de
131
resultados de uma empresa, o que diminui o lucro contbil, valor pelo qual incidem a
maioria dos tributos pagos pela empresa (PAMPLONA e MONTEVECHI, 2006).
O prximo tpico deste trabalho destina-se a uma breve considerao sobre as
implicaes sociais e ambientais que a execuo do projeto trar. Posteriormente
iniciada a avaliao econmico-financeira do projeto, que ser apresentada por meio
da aplicao do clculo determinstico do Valor Presente Lquido, da simulao de
Monte Carlo e do Valor Presente Lquido Fuzzy.
132
5.6 O CLCULO DO VPL DETERMINSTICO PARA A AVALIAO
ECONMICO-FINANCEIRA DO PROJETO DE INVESTIMENTO
(Eq. 5.2)
133
5.6.2 Receita Anual Total
(Eq. 5.3)
Receita Anual Total = Estimativa de Demanda Estimativa de preo de venda
(Eq. 5.4)
(Eq. 5.6)
134
5.6.4 O Fluxo de Caixa antes dos Impostos
(Eq. 5.7)
Fluxo de Caixa antes dos Impostos = Receita Anual Total +- Custos e Despesas
Anuais Totais
(Eq. 5.8)
10
Apesar de no haver intuito dos investidores por capital de terceiros, o uso de financiamentos e
emisso de ttulos de dvida podem ser alternativas interessantes para empresas; os juros pagos em
emprstimos e financiamentos so dedutveis do imposto de renda, o que alguns casos podem ser
alternativas para maximizao dos resultados financeiros de uma empresa(GITMAN, 2002)
135
anualmente o quanto os ativos imobilizados perderam seu valor segundo as instrues
normativas da Receita Federal (1998).
Conforme apresentado na Tabela 4, os ativos depreciveis apresentam vida
contbil de 10 anos. Assim a parcela de depreciao anual em um perodo de 1 a 10
anos calculada por:
(Eq. 5.9)
Depreciao Anual Total = (Galpo + Guincho para Movimentao + Mquina
Curvadora de Tubos + Calandra + Munk + Mquinas leves e soldadoras + Material
para escritrio, mveis e computadores) / 10
(Eq. 5.10)
136
(Eq. 5.11)
Fluxo de Caixa aps os Impostos (1 a 10 anos) = Fluxo de Caixa antes dos Impostos
Alquota de Imposto [Fluxo de Caixa antes dos Impostos + Depreciao Anual
Total]
(Eq. 5.12)
Fluxo de Caixa aps os Impostos (1 a 10 anos) = R$ 1.502.476,10
(Eq. 5.14)
Fluxo de Caixa aps os Impostos (11 a 15 anos) = R$ 1.417.776,10
(1 + TMA) j
j =1
10
137
15
Fluxo de Caixa aps os impostos ( 11 a 15 anos)
+
(1 + TMA) j
j =11
Valor residual
+
(1 + TMA)15
VPL= R$ 2.407.071,12
(Eq. 5.16)
5.7
AVALIAO
ECONMICO-FINANCEIRA
DO
PROJETO
11
DE
138
Baseando-se no fluxograma apresentado na Figura 12 inicia-se a aplicao do
mtodo de Monte Carlo no clculo do Valor Presente Lquido. O primeiro passo
consiste na resoluo determinstica do problema, apresentada no tpico anterior. Os
clculos foram efetuados por meio de uma planilha eletrnica elaborada no
Microsoft Excel, onde foi estruturada a base de clculo para a simulao.
independentes
139
(Eq. 5.17)
(Eq. 5.18)
140
(Eq. 5.19)
Galpo =
[(1 + incerteza estimada mnima) Galpo ] [(1 + incerteza estimada mxima) Galpo ]
4
Galpo =
Galpo = R$ 30.000,000
(Eq. 5.20)
(Eq. 5.21)
(Eq. 5.22)
(Eq. 5.23)
141
Tabela 5 Variveis independentes para execuo da Simulao de Monte Carlo
Distribuio normal
de probabilidade (N)
Investimento
Mdia ()
Desvio Padro ()
Galpo
-R$ 2.000.000,00
R$ 30.000,000
rea Inicial
-R$ 2.400.000,00
R$ 36.000,000
Terreno Adicional
-R$ 1.725.000,00
R$ 25.875,000
Guincho para
Movimentao
-R$100.000,00
R$ 1.500,000
Mquina Curvadora
de Tubos
-R$150.000,00
R$ 2.250,000
Calandra
-R$20.000,00
R$ 300,000
Munk
-R$20.000,00
R$ 300,000
Mquinas leves e
soldadoras
-R$100.000,00
R$ 1.500,000
Material para
escritrio, mveis e
computadores
-R$30.000,00
R$ 450,000
1200 ton
R$ 180,000
R$10.495,00 /ton
R$ 262,375
-R$672.750,00
R$ 100.912,500
-R$491.556,00
R$ 73.733,400
-R$100.000,00
R$ 15.000,000
-R$7.623,75 /ton
R$ 190,594 / ton
35% a.a.
No tratado como
incerto.
R$ 4.725.000,00
R$ 472.500,000
15,72% a.a.
3,00% a.a.
Estimativa de
demanda anual
Receitas
Estimativa de preo
de venda
Custos e
Despesas
Impostos
Salrios e encargos
anuais com mo-deobra direta
Salrios encargos
anuais com mo-deobra indireta
Gastos anuais com
agua, energia e
telefone
Custos anuais gerais
de produo (matriaprima e consumveis)
Alquota de imposto a
ser pago
Valor Residual
Valor Residual
empreendimento
do
Rentabilidade
Desejada
Taxa
mnima
de
atratividade (TMA)
142
Neste trabalho, toda a operacionalizao da simulao de Monte Carlo
realizada por meio do software Crystall Ball. Tal programa 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 executar a simulao da varivel dependente VPL necessrio atribuir,
por meio do software, as distribuies de probabilidade em cada varivel
independente que compe o projeto de investimento. A Figura 62 mostra o uso do
Crystall Ball para insero dos parmetros da distribuio de probabilidade da
varivel independente Galpo na planilha de clculo, que se constituem na mdia,
desvio-padro e intervalo de confiana adotado (95%).
143
Para prosseguir no desenvolvimento da simulao necessrio definir a
quantidade de nmeros aleatrios que sero utilizados para calcular a varivel
dependente. Os nmeros aleatrios sero gerados de maneira que obedeam 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.
Aps construda a planilha, definida as distribuies de probabilidade das
variveis independentes e a quantidade de nmeros aleatrios a ser utilizada, a
simulao executada.
144
P(VPL 0) = 0,8200
(Eq. 5.24)
(Eq. 5.25)
(Eq. 5.26)
145
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%
146
e se as variveis se comportarem da pior forma haver um prejuzo de R$
6.020.086,14.
A incluso das incertezas em um modelo de anlise apresenta informaes
relevantes aos investidores e ganham importncia em estudos onde so comparados
vrios projetos de investimento, pois propicia o uso de uma quantidade maior de
ferramentas matemticas para comparao.
A aplicao do mtodo de Monte Carlo apresenta novas informaes para a
anlise que servem de subsdios para a deciso a ser tomada; porm a opo pela
realizao ou no de um investimento estritamente pessoal e depende do grau de
averso incerteza e ao risco de cada investidor. Na economia poucos so os
investimentos tratados como totalmente certos; medida que a rentabilidade desejada
aumenta, os investimentos podem se tornar mais incertos. Caso
os
investidores
5.8
AVALIAO
ECONMICO-FINANCEIRA
DO
PROJETO
DE
Prosseguindo com os mtodos para a avaliao econmico-financeira, iniciase a estruturao para o uso do VPLfuzzy, que apresenta-se organizada em trs etapas:
fuzzificao das variveis de entrada, clculo e defuzzificao.
Todas as etapas de clculo foram elaboradas utilizando o Microsoft Excel,
que embora no apresente nenhuma funo especfica para aplicao da lgica Fuzzy
147
mostrou-se suficiente para a execuo do estudo. A opo pelo uso do Excel tem o
intuito de contemplar um dos objetivos centrais do trabalho: o de divulgar e promover
o uso da matemtica Fuzzy em aplicaes prticas e acadmicas da Engenharia de
Produo, visto que este software , sem dvida, um dos mais utilizados nesta rea da
engenharia.
(Eq. 5.27)
(Eq. 5.28)
Galpo2 = R$ 2.000.000,00
(Eq. 5.29)
(Eq. 5.30)
(Eq. 5.31)
148
Galpo1 = R$ 2.060.000,00
(Eq. 5.32)
(Eq. 5.33)
(Eq. 5.34)
(Eq. 5.35)
Assim tem-se:
Galpofuzzy = ( R$ 2.060.000, R$ 2.000.000, R$ 1.940.000)
(Eq. 5.36)
(Eq. 5.37)
(Eq. 5.38)
(Eq. 5.39)
(Eq. 5.40)
(Eq. 5.41)
(Eq. 5.42)
149
Tabela 7 Variveis fuzzificadas para o clculo do Valor Presente Lquido Fuzzy
Nmero fuzzy
Investimento
l()
r()
Galpo
60000x 2060000
60000x 1940000
rea Inicial
72000x 2472000
72000x 2328000
Terreno Adicional
51750x 1776750
51750x 1673250
Guincho para
Movimentao
3000x 103000
3000x 97000
Mquina Curvadora
de Tubos
4500x 154500
4500x 145500
Calandra
600x 20600
600x 19400
Munk
600x 20600
600x 19400
3000x 103000
3000x 97000
900x 30900
900x 29100
Mquinas leves e
soldadoras
Material para
escritrio, mveis e
computadores
Estimativa de
demanda anual
360x
+ 840
360x +1560
Receitas
Estimativa de preo
de venda
Custos e
Despesas
Salrios e encargos
anuais com mode-obra direta
Salrios encargos
anuais com mode-obra indireta
Gastos anuais com
agua, energia e
telefone
Custos anuais
gerais de produo
(matria-prima e
consumveis)
Impostos
Alquota de imposto
a ser pago
Valor Residual
Valor Residual do
empreendimento
Rentabilidade
Desejada
Taxa mnima de
atratividade (TMA)
524,75x
+ 9970,25
524,75x
+11019,75
201825x 874575
201825x 470925
147466,80x
639022,80
147466,80x
344089,20
30000x 130000
30000x 70000
381,19x 8004,94
381.19x 7242,56
+ 0,097
945000x+ 5670000
0,060x
+ 0,217
150
5.8.2 O clculo do VPLfuzzy
Investimento Total
(Eq. 5.44)
Investimento Total l() = Galpo l() + rea Inicial l() + Terreno Adicional l() +
Guincho para Movimentao l() + Mquina Curvadora de Tubos l() + Calandra l() +
Munk l() + Mquinas leves e soldadoras l() + Material para escritrio, mveis e
computadores l()
(Eq. 5.45)
Investimento Total r() = Galpo r() + rea Inicial r() + Terreno Adicional r() +
Guincho para Movimentao r() + Mquina Curvadora de Tubos r() + Calandra r()
+ Munk r() + Mquinas leves e soldadoras r() + Material para escritrio, mveis e
computadores r()
151
(Eq. 5.47)
Receita Anual Total l() = Estimativa de demanda anual l() Estimativa de preo de
venda l()
(Eq. 5.48)
Receita Anual Total r() = Estimativa de demanda anual r() Estimativa de preo de
venda r()
152
(Eq. 5.50)
Custos e Despesas Anuais Totais l() = [Estimativa de demanda anual l() Custos
anuais gerais de produo (matria-prima e consumveis) l()] + Salrios e encargos
com mo-de-obra direta l() + Salrios e encargos com mo-de-obra indireta l() +
gua, energia e telefone l()
(Eq. 5.51)
Custos e Despesas Anuais Totais r() = [Estimativa de demanda anual r() Custos
anuais gerais de produo (matria-prima e consumveis) r()] + Salrios e encargos
com mo-de-obra direta r() + Salrios e encargos com mo-de-obra indireta r() +
gua, energia e telefone r()
(Eq. 5.52)
Fluxo de Caixa antes dos impostos fuzzy = [Fluxo de Caixa antes dos impostos
Fluxo de Caixa antes dos impostos
l()
r()
]
(Eq. 5.53)
l()
153
(Eq. 5.54)
Fluxo de Caixa antes dos impostos
r()
l()
, Depreciao Anual
r()
]
(Eq. 5.56)
l()
Mquina Curvadora de Tubos l() + Calandra l() + Munk l() + Mquinas leves e
soldadoras l() + Material para escritrio, mveis e computadores l()) / 10
(Eq. 5.57)
Depreciao Anual Total
r()
Mquina Curvadora de Tubos r() + Calandra r() + Munk r() + Mquinas leves e
soldadoras r() + Material para escritrio, mveis e computadores r()) / 10
154
Obtidos os nmeros Fuzzy que representam o valor deprecivel dos ativos
imobilizados, possvel obter o fluxo de caixa aps os impostos. Conforme
apresentado, as depreciaes so factveis at o dcimo ano de projeto, desta forma o
Fluxo de Caixa aps os Impostos representado por dois nmeros Fuzzy distintos: o
primeiro se refere ao perodo de 1 a 10 anos de projeto e o segundo de 11 a 15 anos.
(Eq. 5.58)
Fluxo de Caixa aps os Impostos (1 a 10 anos) fuzzy = [Fluxo de Caixa aps os
Impostos (1 a 10 anos) l() , Fluxo de Caixa aps os Impostos (1 a 10 anos) r()]
(Eq. 5.59)
Fluxo de Caixa aps os Impostos (1 a 10 anos) l() = Fluxo de Caixa antes dos
Impostos l() - Alquota de Imposto [Fluxo de Caixa antes dos Impostos l() +
Depreciao Anual Total l()]
(Eq. 5.60)
Fluxo de Caixa aps os Impostos (1 a 10 anos) r() = Fluxo de Caixa antes dos
Impostos r() - Alquota de Imposto [Fluxo de Caixa antes dos Impostos r() +
Depreciao Anual Total r()]
155
Fluxo de Caixa aps os Impostos (1 a 10 anos) l() = Fluxo de Caixa antes dos
Impostos l() - 0,35 [Fluxo de Caixa antes dos Impostos l() + Depreciao Anual
Total l()]
(Eq. 5.62)
Fluxo de Caixa aps os Impostos (1 a 10 anos) r() = Fluxo de Caixa antes dos
Impostos r() - 0,35 [Fluxo de Caixa antes dos Impostos r() + Depreciao Anual
Total r()]
A Figura 65 traz a representao grfica do Fluxo de Caixa aps os Impostos
(1 a 10 anos) fuzzy:
R$
500.000,00
R$
R$
R$
R$
R$
R$
R$
1.000.000,00 1.500.000,00 2.000.000,00 2.500.000,00 3.000.000,00 3.500.000,00 4.000.000,00
(Eq. 5.63)
Fluxo de Caixa aps os Impostos (11 a 15 anos) fuzzy = [Fluxo de Caixa aps os
Impostos (11 a 15 anos) l() , Fluxo de Caixa aps os Impostos (11 a 15 anos) r()]
156
(Eq. 5.64)
Fluxo de Caixa aps os Impostos (11 a 15 anos) l() = (1 0,35) Fluxo de Caixa
antes dos Impostos l()
(Eq. 5.65)
Fluxo de Caixa aps os Impostos (11 a 15 anos) r() = (1 0,35) Fluxo de Caixa
antes dos Impostos r()
R$
500.000,00
R$
R$
R$
R$
R$
R$
R$
1.000.000,00 1.500.000,00 2.000.000,00 2.500.000,00 3.000.000,00 3.500.000,00 4.000.000,00
r()
(Eq. 5.66)
157
(Eq. 5.67)
VPL fuzzy l() = [Investimento Total l()] +
10
j=0
15
j = 11
(Eq. 5.68)
VPL fuzzy r() = [Investimento Total r()] +
10
j=0
15
j = 11
158
VPL fuzzy
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
-R$ 6.177.171,30
-R$
-R$
10.000.000,00 5.000.000,00
R$ 2.407.071,12
R$ 20.729.644,92
R$ 0,00
R$
R$
R$
R$
R$
5.000.000,00 10.000.000,00 15.000.000,00 20.000.000,00 25.000.000,00
VPL
VPL* =
j =1
fuzzy j
(VPL fuzzy )
(VPL
j =1
fuzzy
Em que:
N o nmero de iteraes a serem realizadas;
(VPLfuzzy) a funo que descreve a pertinncia do VPL fuzzy .
(Eq. 5.69)
159
VPL* = R$ 3.153.147,04
-R$
-R$
10.000.000,00 5.000.000,00
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
R$ 0,00
R$ 3.153.147,04
R$
R$
R$
R$
R$
5.000.000,00 10.000.000,00 15.000.000,00 20.000.000,00 25.000.000,00
VPL defuzificado
(Eq. 5.70)
160
10
j=0
15
j = 11
(Eq. 5.71)
(Eq. 5.72)
VPL fuzzy r(0) = [Investimento Total r(0)] +
10
j=0
15
j = 11
(Eq. 5.73)
161
Como apresentado na Figura 68, o VPL fuzzy contempla valores positivos e
negativos, fazendo com que seja necessrio o clculo da possibilidade cumulativa
[ * (VPL fuzzy < 0) ] para identificar a possibilidade de insucesso do projeto de
investimento. Aplicando-se a equao tem-se:
(VPL
fuzzy
6.177.171,30
20.729.644,92
(VPL
(Eq. 5.74)
fuzzy
6.177.171,30
(Eq. 5.75)
(Eq. 5.76)
VPL fuzzy
Valor mnimo
(VPL min)
Valor esperado
(VPL esperado)
Valor mximo
(VPL mx)
Possibilidade de
insucesso
-R$ 6.177.171,30
R$ 3.153.147,04
R$ 20.729.644,92
22,19%
162
apresentados. O primeiro deles refere-se a anlises quantitativas, j o segundo destinase a comparaes qualitativas.
Tabela 9 Anlise numrica comparativa entre os valores obtidos pela aplicao da simulao de
Monte Carlo e Valor Presente Lquido Fuzzy
Valor mnimo
(VPL min)
Valor esperado
(VPL esperado)
Valor mximo
(VPL mx)
Insucesso do
investimento
Mtodo de
Monte Carlo
-R$ 6.020.086,14
R$ 2.610.450,81
R$ 23.801.229,71
18,00%
VPL fuzzy
-R$ 6.177.171,30
R$ 3.153.147,04
R$ 20.729.644,92
22,19%
Diferena
Percentual
2,6%
20,8%
-12,9%
4,19%
163
meio a um grande universo de discurso que compreende os provveis e possveis
resultados do empreendimento. Para um investidor, possivelmente a principal
informao obtida pela aplicao dos dois mtodos seja a quantificao de insucesso
do investimento, cuja a diferena 4,19%. Apesar da diferena numrica presente em
todos os indicadores obtidos como resposta, cada um dos mtodos apresentam
informaes substancialmente prximas, levando-se em conta que so obtidas por
concepes totalmente distintas.
A comparao numrica efetuada entre os resultados obtidos pelo mtodo de
Monte Carlo e o VPL
fuzzy,
fuzzy
164
Neste tpico, alm de reaplicado o mtodo, ser alterada a quantidade de
nmeros aleatrios estipulada; o intuito de adicionar maior variabilidade
comparao. Na primeira aplicao para o estudo de caso foram utilizados 510.000
nmeros aleatrios, para a prxima simulao a ser apresentada, a quantidade foi
aumentada para 1.530.000.
A Tabela 10 sintetiza as informaes obtidas pela execuo da simulao
utilizando-se desta outra proposta de nmeros aleatrios:
Tabela 10 Comparao numrica entre valores obtidos pela simulao de Monte Carlo em duas
diferentes situaes
Valor mnimo
(VPL min)
Valor esperado
(VPL esperado)
Valor mximo
(VPL mx)
Probabilidade de
insucesso
Mtodo de
Monte Carlo
-R$ 6.020.086,14
R$ 2.610.450,81
R$ 23.801.229,71
18,00%
Reaplicao
-R$ 6.384.780,34
R$ 2.602.583,00
R$ 20.340.033,88
18,02%
Erro de
reaplicao
6,1%
-0,3%
-14,5%
-0,02%
165
R$ 0,00
R$
R$
R$
R$
R$
5.000.000,00 10.000.000,00 15.000.000,00 20.000.000,00 25.000.000,00
fuzzy
fuzzy
Tabela 11 Comparao numrica entre valores obtidos pelo clculo do Valor Presente Lquido Fuzzy
efeutado sem aproximao e com aproximao matemtica
Valor mnimo
(VPL min)
Valor esperado
(VPL esperado)
Valor mximo
(VPL mx)
Possibilidade de
insucesso
VPL fuzzy
-R$ 6.177.171,30
R$ 3.153.147,04
R$ 20.729.644,92
22,19%
-R$ 6.177.171,30
R$ 3.948.973,59
R$ 20.729.644,92
16,08%
Erro por
aproximao
0,0%
25,4%
0,0%
- 6,11%
166
fuzzy
diferena no resultado.
Embora os resultados obtidos pela reaplicao da simulao de Monte Carlo
no tenha apresentado diferenas significativas, quando comparada ao seu resultado
original, uma possvel vantagem do uso do VPL
fuzzy
167
probabilidade, o que requer certo conhecimento em estatstica, sobretudo quando temse o intuito de utilizar representaes assimtricas para tais variveis.
A lgica Fuzzy fundamentada na existncia de impreciso, incerteza e
definies qualitativas. A representao da incerteza presente nas variveis que
compem o investimento por nmeros triangulares Fuzzy uma tarefa de natureza
matemtica bastante simplificada, pois para que seja efetuada a fuzzificao de uma
varivel presente no investimento, basta definir os vrtices do triangulo que compem
o nmero Fuzzy. Apesar de no terem sido utilizadas durante o estudo de caso, se
necessrio o uso de variveis assimtricas, basta deslocar o vrtice do triangulo de
pertinncia igual a 1 dentro do universo em discurso.
168
escassos os softwares especficos que permitem simplicidade ao clculo do Valor
Presente Lquido Fuzzy ou que sejam estruturados para aplicaes diretas na rea
financeira. Na maioria das aplicaes faz-se necessrio a estruturao passo a passo
do problema, tornando sua execuo relativamente trabalhosa.
Dentre os softwares mais utilizados para aplicao da lgica Fuzzy descata-se
o Matlab, o qual apresenta uma barra de ferramentas especfica que permite a
construo de sistemas e modelos de inferncia ou clculo. Apesar de propiciar ao
usurio a construo de trabalhos complexos, a utilizao deste software requer bons
conhecimentos sobre programao, o que restringe seu uso.
O clculo do Valor Presente Lquido Fuzzy apresentado no estudo de caso,
fora executado pelo Microsoft Excel. Como tal aplicativo no apresenta nenhuma
funo especfica que contemple a lgica Fuzzy, a execuo do trabalho deu-se de
maneira bastante trabalhosa, visto que no foram encontrados, dentro da pesquisa
bibliogrfica realizada, trabalhos que mostrassem como representar as variveis Fuzzy
por meio daquele software.
Para a execuo do clculo do VPL
fuzzy
169
170
comportamento de variveis no futuro, uma das poucas alternativas trabalhar junto
s estimativas que representem o projeto de investimento.
Para anlises de projetos de investimento sob condio de incerteza, estipular
distribuies de probabilidade associadas a cada uma das variveis presentes uma
tarefa difcil j que, em geral, no h informaes concretas sobre o comportamento
das variveis, o que interfere diretamente em um dos pontos centrais das teorias que
acercam a estatstica; a anlise de dados.
No projeto de investimento apresentado a incerteza presente mensurada por
conceitos no estatsticos, baseados em definies bastante subjetivas onde
factivelmente, a impreciso pode estar presente. Essencialmente a teoria Fuzzy
voltada para o desenvolvimento de conceitos e tcnicas que permitam quantificar
fontes de incerteza e impreciso de natureza no estatstica e de difcil mensurao;
fato com que fez que tal teoria fosse aplicada com bastante sucesso em diversas da
engenharia. Desta forma, acredita-se que os conceitos que envolvem a aplicao do
Valor Presente Lquido Fuzzy sejam mais adequados para a avaliao de
investimentos onde a condio presente de incerteza.
A aceitao de um investimento deste porte, na grande maioria das vezes, no
realizada com base exclusiva de resultados em indicadores. Uma avaliao
econmico-financeira tem o intuito de proporcionar a investidores maiores subsdios
para decises a serem tomadas, porm vale a ressalva que em um ambiente complexo
sobre um investimento; o conhecimento de mercado, contatos empresariais,
capacidade tcnica so fatores relevantes para a execuo ou no de um projeto.
O prximo captulo destina-se a apresentar as consideraes finais sobre os
mtodos em estudo, promover uma reviso geral sobre o que fora exposto ao longo do
171
trabalho e por fim, esboar possveis trabalhos futuros que possam contribuir com as
discusses apresentadas.
172
6 CONSIDERAES FINAIS
173
em um sistema ou modelo, de forma a represent-la como um nmero ou conjunto
nebuloso onde suas fronteiras no so rgidas.
O Valor Presente Lquido Fuzzy constitui-se em mtodo para a avaliao
econmico-financeira que utiliza a associao de nmeros difusos ou nebulosos, o que
permite representar a incerteza presente em um investimento por seu carter lxico. O
uso de nmeros Fuzzy contempla todos os valores possveis que compem a varivel
em questo, onde tais valores podem apresentar intensidades diferentes. Este tipo de
representao mostrou-se propcia para anlises onde no existiam clareza das
variveis a serem utilizadas, fazendo-se necessrio a utilizao de estimativas, em
certos casos at intuitivas.
Ao decorrer do trabalho e sobretudo aps da execuo do estudo de caso,
percebeu-se que o Valor Presente Lquido Fuzzy contribui significativamente para
avaliao de investimentos sob condio de incerteza, j que pode trazer informaes
relevantes aos que buscam decises otimizadas, considerando o uso de faixas de
incerteza em seu clculo. Como resposta da aplicao, so fornecidas estruturas
matemticas Fuzzy que, por meio do conceito de defuzzicao, so transformadas em
indicadores passveis de interpretao.
A concepo da lgica Fuzzy mostra-se diferente dos conceitos estatsticos que
envolvem a execuo de uma simulao de Monte Carlo. Por meio de observaes
quantitativas e qualitativas buscou-se realizar uma comparao entre os dois mtodos.
174
partir da comparao feita junto ao mtodo de Monte Carlo. O captulo 5 foi dedicado
comparao: por meio da aplicao em uma situao real de investimento foram
obtidos resultados que puderam ser discutidos. Em termos gerais observou-se que as
respostas obtidas pelos dois mtodos convergem para um cenrio relativamente
prximo, apesar de observadas diferenas considerveis em alguns dos indicadores
obtidos.
Dentre as comparaes qualitativas observou-se maior facilidade da Lgica
Fuzzy para a representao de variveis incertas; a utilizao das faixas de incerteza
por meio de nmeros triangulares Fuzzy mostrou-se conceitualmente simples, sendo
bastante apropriada na transformao de dados estimados e intuitivos em valores
matemticos que se associassem s incertezas presentes.
Apesar de muito relevante, a aplicao do Valor Presente Lquido Fuzzy em
seus moldes atuais exige relativo conhecimento sobre a lgica em questo, visto que o
mercado ainda no dispe de ferramentas computacionais que permitam sua aplicao
em situaes de maneira simplificada, necessitando em muitos casos de softwares
especficos para sua aplicao. Neste trabalho o uso do Microsoft Excel teve o
intuito de aproximar a Lgica Fuzzy a um dos aplicativos computacionais mais
utilizadas no mercado. Apesar de no conter nenhuma ferramenta especfica para o
uso de nmeros Fuzzy, os clculos foram considerados satisfatrios, j que atenderam
as exigncias matemticas necessrias.
Quanto adequao conceitual ao estudo de caso realizado, o uso da lgica
Fuzzy est bem alinhado a situao avaliada, pois no se dispe de informaes que
permitam grandes consideraes sobre o comportamento econmico do projeto de
investimento apresentado.
175
6.1.1 A incerteza e o projeto de investimento avaliado
176
A expectativa do pesquisador responsvel pela avaliao que o valor da taxa
de juros bsica da economia nacional para os prximos 15 anos, seja estimada em 6%
acima ou abaixo do valor apresentado em maro de 2008. Desta forma:
depende
de
fatores
polticos,
econmicos,
estratgicos
177
podem se tornar as decises tomadas. Tendo em vista a quantidade de informaes
passveis de coleta e sistemas para aplicao, presentes na chamada era digital, o
adequado uso da informao em busca melhores resultados empresarias, em quaisquer
reas, no deve ser considerado um diferencial, mas sim uma exigncia futura incisiva
no sucesso empresarial.
178
6.1.4 Contribuies para o pesquisador
179
estrutur-la em uma linguagem compactuada com a rea, com a adaptao de parte
dos conceitos referenciados.
Vale a ressalva de que a linguagem matemtica utilizada nas representaes
que envolvem a Lgica Fuzzy carece muito em padronizao e que este fato dificulta
sensivelmente a compreenso de grande parte dos trabalhos pesquisados, aumentando
o tempo de estudo dedicado. Para elaborao desta dissertao, buscou-se uma
representao matemtica modernizada, j utilizada em trabalhos nacionais e
internacionais como os de Nicoletti e Camargo (2004); Banholzer (2005); Omitaou e
Badiru (2007).
As reas financeiras so tratadas com extremo sigilo pela direo das
empresas em geral, fato que dificulta a execuo de pesquisas e estudos relacionados.
O estudo de caso tornou-se quase uma exigncia para este trabalho, j que acreditavase que a comparao entre os mtodos apresentados seria melhor avaliada ao entorno
de uma situao real de investimento. Apesar de sua importncia, a aplicao em uma
situao prtica quase foi inviabilizada, j que a primeira empresa que havia se
comprometido em fornecer informaes necessrias preferiu no divulg-las. Desta
forma, o estudo de caso foi realizado em uma segunda empresa, a qual se mostrou
bastante receptiva e informativa. Embora a necessidade da aplicao prtica tenha
sido suprida nesta dissertao, muitos pesquisadores apresentam dificuldades na busca
por situaes reais, fazendo-se necessria esta meno.
Por fim, apesar das dificuldades para execuo de uma dissertao, a
satisfao obtida e o conhecimento adquirido fazem com que as barreiras encontradas
sejam minimizadas. O Brasil, apesar dos significativos avanos em pesquisa e
desenvolvimento, ainda muito dependente das instituies de ensino superior para
seu avano cultural e tecnolgico visto que, ao contrrio de outros pases que
180
produzem conhecimento, a presena da iniciativa empresarial neste seguimento ainda
restrita, o que ressalta a importncia de dissertaes e teses construdas ano aps
ano.
181
como os nmeros em formato de sino, j que nestes casos a definio de cada lado da
funo Fuzzy [l() e r()] natural. Acredita-se que a maior dificuldade estaria
associada a utilizao de nmeros Fuzzy onde a normalidade esteja compreendida em
uma faixa de valores, como nos nmeros trapezoidais. Nestes casos, uma alternativa
seria a definio de uma representao matemtica por -cut que permitisse trabalhar
tais nmeros por funes l() e r(), dividindo a regio normalizada.
Uma lacuna que este trabalho traz relativo a como as incertezas devem ser
parametrizadas, para que sejam inclusas aos modelos clculo do valor presente
lquido. As definies quanto s incertezas consideradas no estudo de caso
apresentam certa fragilidade estrutural, pois dependem excessivamente de
conhecimento e opinio de mercado dos investidores responsveis pelo projeto,
fazendo-se necessrio o uso de amplitudes altas para definio dos valores numricos
que representaro as variveis incertas.
Quanto mais incertas as variveis de entrada, maior ser a amplitude numrica
das respostas obtidas pela aplicao do modelo, fazendo com que mecanismos que
levem a reduo dos parmetros que definem as faixas de incerteza possam contribuir
significativamente ao apoio a deciso. Dois tipos de pesquisa distintos so sugeridos
para a busca de novas contribuies a este tema:
182
A Engenharia de Produo dispe de mtodos qualitativos para anlise de
problemas de concepo complexa. Dentre os mais difundidos, destacam-se o Failure
Mode Effect Analysis (FMEA) e o Quality Function Deployment (QFD), muito
utilizados nas reas de produo, projeto e qualidade de grandes corporaes
industriais.
Tais ferramentas ganharam projeo com a ascenso da filosofia Lean
Production, do Sistema Toyota de Produo e mais recentemente, do Lean Six Sigma.
Em sntese o FMEA e o QFD familiarizam-se por relacionar diversas informaes
qualitativas e trabalh-las, de maneira lgica e procedimental, utilizando-se de
conceitos matemticos bastante simplificados.
Acredita-se que estudos que visem utilizao de conceitos presentes em tais
mtodos, para a contextualizao de informaes e cenrios de investimento podero
promover melhores interpretaes quanto s incertezas presentes em um projeto,
contribuindo para a definio de faixas de incerteza menos amplas.
183
possvel alternativa poderia ser a utilizao de dados macroeconmico junto a
informaes qualitativas que considerassem perspectivas especficas sobre o
empreendimento.
aplicao
184
situaes financeiras podero ser trabalhadas pelo uso do aplicativo? sero
necessrios treinamentos preliminares para sua utilizao?
Assim como no item anterior, o desenvolvimento de um trabalho desta
natureza mostra-se complexo, fazendo-se acreditar que sua realizao exija um grupo
de pesquisadores experientes no tema, composto tambm por pessoas com elevado
conhecimento em linguagens de programao.
Uma alternativa mais simplificada, e no menos importante para este problema
de pesquisa, poderia ser a utilizao da linguagem de programao intitulada Visual
Basic for Applications (VBA). Trata-se da linguagem interna de programao dos
aplicativos do pacote Microsoft Office, os quais apresentam um editor especfico
para criao de rotinas utilizadas na automatizao de tarefas repetitivas.
O editor de VBA poderia ser utilizado para a criao de uma barra de
ferramentas no Microsoft Excel que permitisse a automatizao de tarefas referentes
ao uso da Lgica Fuzzy. Este artifcio ainda permitiria que as diversas funes de
clculo e lgica oferecidas pelo Excel pudessem ser utilizadas normalmente por um
usurio.
185
Embora muitas empresas tentem reduzir seu ambiente de incerteza por meio
de heading e contratos firmados junto a fornecedores e clientes, as possibilidades de
prejuzos em decises de curto prazo so bastante factveis.
Nas negociaes comerciais realizadas por indstrias de produtos seriados, por
exemplo, ocorrem situaes onde devem ser definidos preos de venda com
informaes baseadas em indicadores econmicos e financeiros dirios. Acredita-se
que pesquisas relacionadas ao uso de nmeros triangulares Fuzzy para representar as
variveis e compor o preo de seus produtos podero trazer considerveis
contribuies s decises a serem tomadas.
Outra aplicao possvel da Lgica Fuzzy para situaes em curto prazo seria a
criao de um sistema de apoio a deciso, ou mesmo um sistema especialista, para o
gerenciamento de fundos agressivos de aes. Tais fundos so possibilidades de
investimento oferecidas por bancos de varejo e so caracterizados pela busca de altos
ndices de rentabilidade, aumentando a incerteza presente.
Os gestores destes fundos, alm de trabalharem com aes de alta
variabilidade, realizam grandes volumes de negociao, seja buscando a reduo de
prejuzos ou a realizao de lucros em perodos onde seus ativos apresentam alta
valorizao. Por meio de um sistema de inferncia Fuzzy seria possvel considerar o
preo de aes e investimentos de renda fixa disponveis no mercado, fuzzificados por
meio de indicadores qualitativos (muito baixo, baixo, normal, alto, muito alto). Por
meio da inferncia Fuzzy, seria possvel a composio de uma carteira otimizada para
o fundo em anlise.
186
As anlises para concesso de crdito a pessoas fsicas so atividades muito
importantes para as instituies financeiras; a deciso de conceder crdito ou no
envolve questes como inadimplncia e taxa de juros a ser cobrada.
Em instituies onde h alto ndice de inadimplncia, muitas vezes
necessrio elevar poltica de juros proposta para a concesso de emprstimos, fazendo
com que prejuzos causados pelo no pagamento de clientes sejam cobertos. Em
contrapartida, quanto maior a taxa de juros cobrada pela instituio financeira, menor
ser sua demanda, visto que no mercado talvez sejam encontradas taxas menores, em
concorrentes. Desta forma, quanto mais certeiras as anlises, melhores os resultados
obtidos pela empresa.
Para que seja possvel as anlises estatsticas e regresses, uma srie de
questionamentos so realizados, como faixa etria, renda mensal, quantidade de
dependentes, etc. Um Sistema Neuro-Fuzzy poderia ser utilizado para este tipo de
avaliao, conjugando variveis quantitativas e qualitativas.
187
6.2.7 A utilizao da lgica Fuzzy para precificao de opes
produo
188
No se restringindo s sugestes relacionadas as reas de economia e finanas,
a parte final desta dissertao dedicada a mais duas sugestes de pesquisas que
podem ser englobadas em outras reas, dentro da Engenharia de Produo.
Pesquisa Operacional
189
prazos de entrega, material utilizado e as quantidade de cada produto que devem ser
produzidas.
Um ERP, no entanto, trabalha em seu sistema de clculo valores absolutos,
porm no meio industrial, grandes variaes podem ser originadas devido a falta de
material, atraso em fornecimentos internos ou externos, presena de refugos, etc.
A utilizao de um ERP que utilize as variveis de entrada para a programao
da produo representada por nmeros Fuzzy, possivelmente poder apresentar
ganhos, pois medida que seja possvel obter um Plano Mestre de Produo melhor
ordenado, mais adequadas as empresas de manufatura podero estar de uma das suas
principais metas: a de conseguir trabalhar da maneira mais prxima possvel a sua
programao, cumprindo datas e quantidades estipuladas.
190
APNDICE A
Exemplo
Representao no Excel
191
192
193
194
Execuo da simulao
195
C. Simulao deve ser executada
196
APNDICE B
Exemplo
Representao
necessria
para
que
sejam
efetuados
os
clculos
(seu
197
Representao no Excel
Regio onde os
nmeros Fuzzy
sero as entradas
198
2. Define-se a funo pertinncia baseando-se nas iteraes definidas.
A. Digita-se na clula
B2
= A2-$I2$
B. Utiliza-se do recurso de
autocompletar
e chega-se at o valor 0,00 de
pertinncia
199
3. Digitam-se as funes representadas por nas colunas respectivas.
A. Digita-se em B2 a
funo L do preo de
venda, considerando a
coluna A como
=(524,75*A2+9970,25)
B. Utiliza-se do recurso de
autocompletar
200
4. De maneira anloga, so preenchidas as outras funes.
201
A. Digita-se:
=B2*D2
B. Digita-se:
=C2*E2
C. Usa-se o autocompletar
202
Representao grfica
Coluna F
Coluna A
203
3. Insere-se a funo R da varivel no menu do grfico.
4. Obtm-se o grfico.
204
REFERNCIAS BIBLIOGRFICAS
ABDALA, V. Produo de cana-de-acar deve aumentar 9,3% no ano que vem, diz
IBGE. Agncia Brasil, Dezembro de 2007.
http://www.agenciabrasil.gov.br/noticias/2007/12/10/materia.2007-1210.6405334294/view
ABEPRO Associao Brasileira de Engenharia de Produo XXVII Encontro
nacional
de
engenharia
de
produo
ENEGEP
http://www.abepro.org.br/indexsub.asp?ss=8 consultado em novembro de 2007.
ALCKMIN, G; GOLDBERG, J.; BARRETO, D. Eficincia energtica na gesto
ambiental. Secretaria do Meio Ambiente Governo do Estado de So Paulo.
http://146.164.33.61/termo/cogeracao/EFICI%CANCIA%20ENERG%C9TICA%20N
A%20GEST%C3O%20AMBIENTAL.pdf consultado em janeiro de 2008.
ARAJO, C.E.G Algoritmos genticos hbridos sem delimitadores de rotas para
problemas de roteirizao de veculos. 89p. Dissertao (Mestrado) Escola
Politcnica, Universidade de So Paulo, So Paulo, 2008.
BALARINE, O.F. O uso de anlise de investimentos em incorporaes imobilirias.
Revista Produo, So Paulo, ABEPRO vol.14 julho/dezembro 2004.
BANHOLZER, I.E.G. Proposta para interpretao da taxa interna de retorno
atravs do calculo fuzzy. 93p. Dissertao (Mestrado) UNIFEI, Itajub, 2005.
BATALHA, M. O. Introduo engenharia de produo. Rio de Janeiro: Elseiver,
2008.
BASTOS NETO, A.O. Aspectos da extrao de sacarose de cana-de-acar por
difuso. UNI-SYSTEMS
http://uni-systems.locaweb.com.br/images/online/arq_Catalogo%20portu.pdf
consultado em janeiro de 2008.
BARREIROS, F.A.M. Projeto de investimento: uma anlise estratgica a partir do
conceito de cadeia de suprimentos. 221p. Dissertao (Mestrado) Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2003.
BORBA J.A.B & DILL R. Anlise de rentabilidade de empresas: uma abordagem
baseada na lgica nebulosa (fuzzy logic). RAC-Eletrnica, So Paulo ANPAD vol. 1
janeiro/abril 2007.
BRANDO L. Apostila de anlise de projetos e avaliao de empresas. PUC, Rio de
Janeiro, 2007.
205
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.
CHIU, C.Y.;PARK, C. S.; Fuzzy cash flow analysis using present worth criterion;
The Engeneering Economist 1994 volume 39, no 2 (113-137).
CORREA, C. O cl do etanol. Revista Exame. Editora Abril, So Paulo, agosto de
2007.
http://portalexame.abril.com.br/revista/exame/edicoes/0899/mm_2007/m0135376.htm
l
CORREIA NETO, J.F; MOURA, H.J.; e 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 vol.8 n. 3, junho 2002.
ERENO, D. Sertozinho, usina de inovaes. Revista Pesquisa FAPESP, edio 128
Outubro, 2006. So Paulo.
FEITOSA, H.A & PAULOVICH, L. Um preldio lgica. So Paulo, Editora
UNESP, 2005.
FLORES, L.F.V.; Apostila do curso de sistemas e centrais trmicas. UNIFEI, Itajub,
2003.
FUZZYTECH. 5.60c IA-S5 Demo Copyright 1991-2006
GAVIRA, M. O. A simulao computacional como uma ferramenta de aquisio de
conhecimento. Dissertao (Mestrado) Escola de Engenharia de So Carlos,
Universidade de So Paulo, So Carlos, 2003.
GIL, A.C. Como elaborar projetos de pesquisa. So Paulo: Atlas, 1987.
GILL-LAFUENTE, A.M. Fuzzy logic in financial analysis. Nova York, Springer
Verlag, 2005.
GITMAN, L. J. Princpios de administrao financeira. 10. ed. So Paulo: Pearson
Addisson Wesley, 2004.
GUTIRREZ, I. Fuzzy numbers and net present value. Scand. J. Mgmt, Vol 5 No. 2,
pp.149-159, 1989.
206
IPEA Instituto de Pesquisa Econmica Aplicada. Exibio de notcia.
http://www.ipea.gov.br/003/00301009.jsp?ttCD_CHAVE=2246
consultado
em
janeiro de 2008.
IPEADATA. Produo anual de cana-de-acar.
http://www.ipeadata.gov.br/ipeaweb.dll/ipeadata?SessionID=1639907358&Tick=121
6527590421&VAR_FUNCAO=SubmeterFormulario%28%27frmMain%27%2C%27
Series%3FSessionID%3D1639907358%26Text%3Dcana%26Tick%3D12165275904
21%27%29%3B&Mod=M consultado em fevereiro de 2008.
KALATIZS, A.E.G. Avaliao de investimentos envolvendo risco: uma abordagem
probabilstica. Apostila do curso de finanas corporativas aplicada. Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2006.
KASSAI, J.R. Uma abordagem matemtica e contbil do retorno do investimento.
Caderno de estudos em administrao, So Paulo, FIPECAFI, vol.14, julho/dezembro
1996.
KREUZER, H.; 2000. General report. Twentieth congress of large dams, Vol.1,
Question 76, Beijing China.
LAW, A.M.; KELTON, W.D. Simulation modeling and analysis. 3. ed. Boston:
McGraw-Hill, 2000.
LIMA, M.S.O. (2007). O gs natural como alternativa energtica para a indstria
txtil:
vantagem
competitiva
ou
estratgia
de
sobrevivncia?
Dissertao (Mestrado) Escola de Engenharia de So Carlos, Universidade de So
Paulo, So Carlos, 2007.
LOBATO, E.; SOARES, P. lcool frustra investidores e produtores. Folha de So
Paulo, 20/01/2008. So Paulo.
MALERBA, E.P.M. Desenvolvimento e aplicao de uma ferramenta computacional
de apoio deciso em anlise de investimentos sob condies de risco uma
automao do mtodo de monte carlo. 136p. Dissertao (Mestrado) UNIFEI, Itajub,
2003.
MARCONI, M.A; LAKATOS. E.M. Tcnicas de pesquisa. So Paulo: Atlas, 1982.
MARTINS, E. Contabilidade de custos. 9. ed. So Paulo: Atlas, 2002.
MEDEIROS, S. Mtodo para analise de projetos em unidades de conservao,
usando lgica fuzzy. Dissertao (Mestrado) UFSC, Florianpolis, 2003.
207
MEIRELES, J.L.F. A teoria das opes reais como instrumento de avaliao de
projeto de investimentos. 117p. Dissertao (Mestrado) Escola de Engenharia de
So Carlos, Universidade de So Paulo, So Carlos, 2004.
MONTGOMERY D.C.; RUNGERG.C. Estatstica aplicada e probabilidade para
engenheiros. 2. ed. Rio de Janiero: LTC, 2003.
MSANGI, M.; SULSER, T.; ROSEGRANT, M.; VALMONTE SANTOS, R. Global
scenarios for biofuels: impacts and implications. Farm Policy Journal, Vol. 4 No. 2,
May Quarter 2007.
NOVA, A.M.O.P. (1980); Gerao de nmeros aleatrios em computador. Algumas
aplicaes. Primeiro CPI - Congresso Portugus de Informtica. Braga, Portugal.
NICOLETTI, M.C.; CAMARGO, H.A. Fundamentos da teoria dos conjuntos fuzzy.
(Srie Apontamentos). So Carlos: Edufscar, 2004.
OLIVEIRA, M.; VASCONCELOS, Y. Uma histria de sucesso e polmicas. Revista
Pesquisa FAPESP, edio 122 Abril, 2006. So Paulo.
OLIVEIRA JNIOR, H.A. Lgica difusa: aspectos prticos e aplicaes. Rio de
Janeiro: Intercincia, 1999.
OLIVEIRA JNIOR, H.A, CALDEIRA, A.M.; MACHADO, M.A.S.; SOUZA, R.C.;
TRANSCHEIT, R. Inteligncia computacional aplicada administrao, economia e
engenharia em matlab. So Paulo: Thomson Learning 2007.
OMITAOMU, O.A; BADIRU A. Fuzzy present value analysis model for evaluating
information system projects. The Engineering Economist, Volume 52, Issue 2 April
2007, pages 157 178.
PACIFICO, O. (2003). Substituio do ativo permanente como vantagem
competitiva: estudo de caso no cluster da laranja no municpio de bebedouro. 102 p.
Dissertao (Mestrado) Escola de Engenharia de So Carlos, Universidade de So
Paulo, So Carlos, 2003.
PAMPLONA E.O.; MONTEVECHI, J.A.B. Apostila do curso de engenharia
econmica 2. UNIFEI, Itajub, 2005.
PAMPLONA E.O.; MONTEVECHI, J.A.B. Apostila do curso de engenharia
econmica avanada. UNIFEI, Itajub, 2006.
PESSOA, A. Cana-de-acar.
http//www.mre.gov.br/Itamaraty/web/port/economia/agrc/producao/cana consultado
em fevereiro 2008.
208
PLLANA, S. History of Monte Carlo method.
http//www.geocities.com/CollegePark/Quad/2435 consultado em maio de 2007.
PINTO O.P.F. Desenvolvimento de uma ferramenta de anlise de deciso para
suprimento de uma refinaria de petrleo atravs de uma rede de oleodutos.
Dissertao (Mestrado) UFSC, Santa Catarina, 2001.
RANGEL, C. Carros flex puxam recorde na produo de lcool. Terra economia.
Dezembro de 2007.
http://invertia.terra.com.br/sustentabilidade/interna/0,,OI2180117-EI10426,00.html
RECEITA FEDERAL. Instruo Normativa SRF. n 162, de 31 de dezembro de 1998
DOU de 07/01/1999, pg. 5.
REBELATTO, D.A.N. Projeto de investimento: com estudo de caso completo na
rea de servios. BARUERI: Manole, 2004.
ROSA, F.H.F.P.; PEDRO JNIOR, V.A. Gerando nmeros aleatrios. Laboratrio
de Matemtica Aplicada - Instituto de Matemtica e Estatstica, Universidade de So
Paulo, So Paulo, 2002.
ROSS, S.A.; WESTERFIELD R.W.; JORDAN B.D. (2002); Administrao
financeira. 2. ed. So Paulo. Atlas 2002.
ROSS, S.A.; WESTERFIELD R.W.; JAFFE, F.F. (2000); Princpios de
administrao financeira. 2. ed. So Paulo. Atlas 2000.
ROTHER, L. With big boost from sugar cane, Brazil is satisfying its fuel needs. The
New York Times, 2006-04-10.
http://www.nytimes.com/2006/04/10/world/americas/10brazil.html?_r=1&pagewante
d=1&sq=Bush%20Brazil%20ethanol&st=nyt&scp=5&oref=slogin
SANCHES, A.L. Avaliao econmica de projetos de investimento em condies de
incerteza utilizando nmeros triangulares fuzzy. 221p. Dissertao (Mestrado)
UNIFEI, Itajub, 2003.
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.
SHAW, I.S.; SIMES, M.G. Controle e modelagem fuzzy. So Paulo: Edgar
Bltcher, 1999.
SILVA, W.F. Contribuio da simulao de Monte Carlo na projeo de cenrios
para a gesto de custos na rea de laticnios. Dissertao (Mestrado) UNIFEI,
Itajub, 2004.
209
SILVA FILHO, B.S. Curso de controladores lgicos programveis. Apostila.
Laboratrio de Engenharia Eltrica. UERJ, Rio de Janeiro, 2007.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administrao da produo. 2. ed.
So Paulo: Atlas, 2002.
SOARES, P.; Investimento em lcool chega a US$ 19 bi at 2012. Folha de So
Paulo, 17/07/2007. So Paulo.
SOUZA, Z.J.; AZEVEDO, P.F.; Gerao de energia eltrica excedente no setor
sulcroalcooleiro: um estudo a partir de usinas paulistas. RER Revista Economia e
Sociologia, Rio de Janeiro, vol. 44, n 02, p. 179-199, abr/jun 2006.
THOMPSON JNIOR, A. Tomada de decises sob condies de incerteza, risco e
incerteza. Porto Alegre: Universidade Federal do Rio Grande do Sul, 1995.(Texto
didtico, n.6).
VON ALTROCK, C.; Fuzzy logic & neurofuzzy application in business & finance,
Pretince Hall PRT-Upper Sadle River, New Jersey 07458-1995.
TORRES, O.F.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.
VIEIRA, C.E.C.; RIBEIRO, C.C.R.; SOUZA, R.C. Geradores de nmeros aleatrios.
PUC-RioInf.MCC22/04. PUC, Rio de Janeiro, junho de 2004.
ZADEH, L.A. Fuzzy sets. Information and control vol 8, 1965.
ZANG, Z.; VEDENOV, D.; WETZSTEIN, M. Can the U.S. ethanol industry compete
in the alternative fuels market? Southern Agricultural Economics Association
Meetings Mobile, Alabama, February 4 - 6, 2007.