Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios

Edson Oliveira Pamplona (Universidade Federal de Itajub - Brasil) pamplona@unifei.edu.br Wander Fonseca da Silva (Universidade do Vale do Sapuca- Brasil) wanfonsil@uol.com.br

Resumo Para que as empresas possam se manter competitivas em seus mercados de atuao, torna-se indispensvel uma gesto eficiente dos seus custos. No entanto, a maioria das decises que so tomadas e que se baseiam em custos no contempla as suas possveis variaes, o que compromete a qualidade destas decises. Empregando-se a Simulao de Monte Carlo, e informaes de especialistas de uma empresa de laticnios do Estado de Minas Gerais foi possvel verificar sua contribuio para as decises em processo validado de acordo com os resultados encontrados e pelos especialistas da empresa. Palavras chave: Simulao de Monte Carlo, Custos, Laticnios. rea Temtica: Aplicao de Modelos Quantitativos na Gesto de Custos

1. Introduo Para Porter (1989), a base fundamental do desempenho acima da mdia a longo prazo a vantagem competitiva sustentvel, possvel atravs da diferenciao ou baixo custo. Assim a gesto eficiente dos custos base de sustentao para as empresas se tornarem competitivas. No entanto a gesto de custos necessita dar melhor suporte s decises estratgicas que a direo das empresas devem tomar, implantando novas metodologias e suprindo lacunas dos sistemas atuais de gesto. Uma destas lacunas e que tem peso substancial no processo decisrio so as muitas decises que se tomam de forma determinstica. Conforme Corrar (1993), esta forma de deciso deixa de contemplar as probabilidades inerentes aos diversos estados da natureza, isto , no se consideram as incertezas ou as variaes que existem nos processos das empresas. As incertezas dos custos correspondem s suas variaes quando se comparam o Custo Real, aquele realmente apurado, e o Custo Padro, aquele especificado ou desejado. Segundo Martins (2001), estas variaes so devidas a vrias causas como preo das matrias-primas, valor e eficincia da mo-de-obra e custos indiretos de fabricao. Todos estes pontos causam grandes incertezas nos processos decisrios. Pamplona (2003) apresenta o conceito de Risco em Custo, ou o CaR, que mede a variabilidade dos custos, condio que depende de fatores internos e externos empresa, e que normalmente de difcil controle. No entanto, este gerenciamento de suma importncia, pois permite atuar sobre os fatores controlveis e responder perguntas tais como: valor esperado do custo, custo mximo, probabilidade do custo ultrapassar um determinado valor. De acordo com Silva (2004), a gesto operacional e estratgica dos custos, atravs da simulao de cenrios, pode ser uma alternativa e inquestionvel valor para as empresas, e a Simulao de Monte Carlo uma opo para isto.

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

2. Objetivo Verificar a contribuio da Simulao de Monte Carlo (SMC) no processo de deciso considerando as variaes dos custos e comparar o custo simulado com o custo padro.

3. Variao dos Custos De acordo com Backer e Jacobsen (1972) o custo-padro do material composto por dois elementos, quantidade e preo, e os padres de quantidade dos materiais devem considerar alm das matrias-primas, as peas compradas, os materiais de revestimento e as embalagens em geral. As quantidades-padro ou fsicas (Kg/un, litros, metros, etc.) normalmente so especificadas por tcnicos, Engenheiros de Produo, juntamente com a Contabilidade de Custos e consistem em materiais adequados ao desenho e qualidade do produto, alm de possurem o melhor valor econmico. Para Leone (1997), o elemento preo do custo-padro de materiais pode ser considerado de difcil determinao, pois so controlados mais por fatores externos do que pela gerncia da empresa. Alm disso ele afirma que o preo-padro de materiais depende de uma srie de fatores, tais como: da quantidade de materiais a ser comprada, do tempo de entrega, dos custos de estocagem, e das condies financeiras. Este autor apresenta como causas de variaes da quantidade dos materiais: qualidade inferior ao padro; mquinas e ferramentas mal ajustadas; mo-de-obra inexperiente; perda de qualidade na estocagem; todas estas que levam a um maior consumo. As variaes de quantidade e preo dos materiais diretos, so apresentadas na Figura 1.
Preos $ Variao de Preos PR Variao Conjunta PP

Variao de Quantidade

0
Fonte: Silva (1977).

QP

QR Quantidades

Figura 1 Grfico de variao de materiais diretos.

Onde: PR = Preo Real; PP = Preo-Padro; QP = Quantidade-Padro; QR = Quantidade Real Leone (1997), apresenta algumas equaes que podem ser utilizadas para o clculo das variaes dos materiais diretos: QP X PP = Custo Padro; QR X PR = Custo Real; (PR - PP) X QR = Variao de Preo (QR - QP) X PP = Variao de Quantidade

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

O custo padro da mo-de-obra direta pode ser dividido em dois elementos: padro de eficincia, ou quantidade por hora e padro da taxa de salrio-hora. O salrio-hora tem pouca variao em momento de estabilidade econmica, j a eficincia pode variar devido: a operrios mal treinados; utilizao de um maior contingente de operrios; a materiais fora de especificaes, difceis de serem trabalhados; todos estes acarretando perda de eficincia. De maneira geral, as variaes de mo-de-obra so apresentadas conforme a Figura 2: Salrios $ Variao de Salrios SR Variao Conjunta SP

Variao de Tempo

0
Fonte: Silva (1977)

HP

HR Quantidades

Figura 2 - Grfico de variao de mo-de-obra.

Onde: SR = Taxa Salarial Real; SP = Taxa Salarial Padro; HP = Tempo-Padro (Horas); HR = Tempo Real. Leone (1997), apresenta as frmulas utilizadas para o clculo das variaes de mo-de-obra: HP X SP = Custo Padro; HR X SR = Custo Real; (SR - SP) X HR = Variao de Taxa; (HR - HP) X SP = Variao de Eficincia

Variaes dos Custos Indiretos de Fabricao (CIF) De acordo com Martins (2001), as variaes dos CIFs so devidas a: Variao de Volume que pode ter como causas: um problema de mercado fora do controle da empresa, uma falha do Departamento de Vendas corrigvel com medidas especficas, problemas com quebras de mquinas, falta de energia, falta de matria-prima ou ineficincia do pessoal. Variao de Eficincia que tem as seguintes causas possveis: Padro muito apertado, baixa produtividade em funo da qualidade do pessoal, falta de pessoal especializado que se encontra em frias, rotao de pessoal.

4. Passos da Simulao de Monte Carlo Conforme Shamblin (1979), a tcnica de Monte Carlo pode ser apresentada atravs dos seguintes passos: a)Estabelecimento da distribuio de probabilidade.

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

A distribuio de probabilidade para uma dada varivel pode ser obtida atravs da consulta de dados histricos ou estimativas. Quando se utilizam dados histricos, vale o pressuposto de que estes dados podero descrever adequadamente o futuro. Porm, se isto no for correto, o recomendvel que se trabalhe com estimativas. Como exemplo tem-se a demanda diria de determinado bem que pode ser expressa pela distribuio da Figura 3 e que se pretenda gerar um padro de demanda de 10 dias.
0,30 0,10 0,15

0,25 0,15

0,05 0
Fonte: Shamblin (1979).

1 2 3 4 Demanda - dias

Figura 3 Distribuio de demanda.

b)Construo da funo de distribuio acumulada (FDA) para cada varivel. A distribuio de probabilidade acumulada para cada nvel de demanda a soma do nmero de probabilidade de cada demanda adicionada da probabilidade acumulada anterior. A funo de distribuio acumulada mostrada na Figura 4: 1,00 0,85

0,60

0,30 0,15 0,05 0 1 2 3 4 Demanda - dias 5

Fonte: Shamblin (1979)

Figura 4 Distribuio acumulada de demanda.

c)Estabelecimento dos nmeros de etiqueta ou dos intervalos de classe. Os nmeros de etiqueta so atribudos de tal forma que reflitam a probabilidade dos vrios valores da varivel e a seqncia dos mesmos deve ser fechada. O nmero de dgitos (por exemplo, dois dgitos de 01, 02, ..., 98, 99, 00) deve ser o mesmo que o nmero de casas decimais usados nas probabilidades dos valores da varivel. A Tabela 1 mostra os nmeros de etiqueta ou intervalos de classes para o exemplo que est sendo comentado.

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

Demanda / dia 0 1 2 3 4 5
Fonte: Shamblin (1979).

Intervalo de Classes 00 04 05 14 15 29 30 59 60 84 85 - 99

Tabela 1 Intervalos de classe.

d)Gerao de nmeros aleatrios Os nmeros aleatrios podem ser obtidos atravs de tabelas ou gerados pelo computador. Da mesma forma, o nmero de dgitos usados nos nmeros aleatrios dever ser o mesmo que o nmero de dgitos usado nos nmeros de etiqueta. Ao se utilizar uma tabela de nmeros aleatrios, recomenda-se no escolher os nmeros. A Tabela 2 mostra os nmeros aleatrios obtidos de uma tabela:
14 74 24 87 07 45 26 66 26 94
Fonte: Shamblin (1979).

Tabela 2 Nmeros aleatrios.

e)Simulao do experimento Com os nmeros aleatrios coletados da respectiva tabela, elabora-se o padro de demanda de acordo com o interesse, neste caso para o perodo de 10 dias. Para cada nmero aleatrio, por exemplo para o nmero 14, observa-se que ele se situa no intervalo de classe compreendido entre 05 e 14 que corresponde a uma demanda de 1 unidade por dia. J o nmero aleatrio de 74 corresponde demanda de 4 un /dia e, o ltimo nmero aleatrio 94 corresponde a uma demanda de 5 unidades para o dcimo dia pesquisado. A Tabela 3 mostra a demanda para 10 dias. Dia Demanda 1 1 2 4 3 2 4 5 5 1 6 3 7 2 8 4 9 2 10 5
Fonte: Shamblin (1979).

Tabela 3 Nmeros esperados por vrios nveis de demanda em 10.000 tentativas.

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

5. O objeto de estudo
O desenvolvimento da simulao aconteceu no ambiente de uma indstria de laticnios, os Laticnios Condessa Ltda, localizado no Estado de Minas Gerais. A capacidade de produo est na faixa de 10.000 Kg / dia, com um quadro de 45 funcionrios. O piloto escolhido para se utilizar a Simulao de Monte Carlo (SMC) foi o queijo Minas Padro, principal produto de linha da empresa.

5.1

Identificao do problema

Sistema de Compra de Leite no Brasil

Para Novo (2001), a quase totalidade das transaes entre laticnios e pecuaristas ocorre por um sistema de preos de mercado livre, onde os preos pagos variam de acordo com a oferta e demanda destacando-se a condio de sazonalidade entre safra e entressafra, perodo em que ocorrem grandes variaes. Esta grande variao de oferta de leite tem impactos diretos nos preos nestes mesmos perodos, como pode ser verificado Grfico 1.
Variao Preos Leite Safra/Entresafra -MG
25,0

% Variao

20,0 15,0 10,0 5,0 0,0 1998

Fonte: FAEMG (2004).

1999

2000

2001

2002

2003

Anos
Grfico 1 Variao dos preos de leite Safra/Entresafra Minas Gerais.

Rendimento das Indstrias de Queijos

De acordo com Furtado (1999), o rendimento utilizado nas indstrias de queijos so classificados como: Econmico: aquele que o empresrio calcula o custo final da produo de seu queijo considerando-se o preo pago por 1 litro de leite e o volume deste necessrio para produzir 1 Kg de queijo. Tcnico: aquele em que se verifica o aproveitamento ideal dos constituintes do leite que podem ser transferidos para o queijo, refletindo diretamente o grau de eficincia utilizado no processo de fabricao de queijos, isto , quanto maior a eficincia maior o rendimento. O rendimento tcnico de relevante importncia, pois pode afetar decisivamente o custo final de um queijo assim como sua competitividade no mercado.

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

Um dos mtodos utilizados com grande eficincia e de simples aplicao para se obter o rendimento tcnico o Coeficiente GL, que trata da informao do aproveitamento final de slidos no queijo em relao a cada litro de leite trabalhado, sendo calculado de acordo com a Equao 1:

g ST / l

ST x P x 10 V

(Eq.1)

onde: ST = slidos totais do queijo (ou seja, 100 menos o teor de umidade); P= produo de queijos (em quilos); V= volume de leite (em litros). Na tecnologia de fabricao de queijos, muito difcil se obter queijos de diferentes lotes de produo com a mesma composio fsico-qumica, mesmo que se tenha um bom controle da qualidade da matria-prima e do processo de fabricao, fato que dificulta a anlise comparativa do rendimento destes queijos. Segundo Furtado (1999), a utilizao de um ndice denominado Rendimento Litros/Kg Ajustado (l/Kg A) permite esta comparao atravs da frmula mostrada na equao 2 (Eq.2):

l / Kg A

V (100-Up) ST x P x 10 P x ST

(Eq.2)

Onde: V = volume de leite (litros); Up = % de umidade comum pretendida; P = produo de queijos (Kg); ST = teor (%) de slidos totais do queijo. Igualando as equaes 1 e 2 temos:

l / Kg A

ST x P x 10 10 (100-Up) g ST / l

(Eq.3)

Verifica-se que variaes no rendimento tcnico (Coeficiente GL) implicam em variaes no rendimento econmico em razo direta, isto quanto maior a eficincia do processo de fabricao (Coeficiente GL), maior o Rendimento Litros / Kg Ajustado (rendimento econmico), o que determina a qualidade dos custos de fabricao de queijos. Em resumo, o sistema de compra de leite inserido num contexto de safra-entresafra opera sistematicamente em um ambiente de incertezas, dadas pelas variaes de volume e preo da matria-prima. Para a industrializao de queijos, sua rentabilidade influenciada diretamente pelo rendimento operacional, ponto de completo conhecimento por parte dos gestores, mas raramente evidenciado nos sistemas de custos apurados na grande parte das empresas. Todas estas consideraes, mais a possibilidade de se evoluir no apoio s decises gerenciais, principalmente de forma proativa de grande interesse para que se constitua um sistema

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

prtico e simples de simulao dos custos industriais que venha contribuir para o processo de gesto (SILVA, 2004).

5.2 Frmula de clculo do custo

A frmula de custos proposta para a simulao foi elaborada considerando-se parmetros de processo, e conforme a seguir: (PL * 10 * (100-Up) / Coef GL) * (1000) + (PI * QI) + (PEmb * QEmb) + (PMod * EfMod) + (237,04 + CInd), Sendo: PL o preo do litro de leite; Up a umidade do queijo; Coef GL o rendimento; PI o preo do insumo; QI a quantidade de insumo; PEmb o preo da embalagem; QEmb a quantidade de embalagem; PMod o preo da mo-de-obra; EfMod a eficincia da mo-deobra e CInd os custos indiretos. Considerando que na composio dos custos indiretos a depreciao no varia, seu valor relativo e informado pela empresa, R$237,04 foi fixado na frmula, sendo variveis os demais itens deste custo.

6. Simulao
Para a simulao foi utilizado o software estatstico Crystal Ball e planilhas em Excel, uma delas utilizando dados histricos quando disponveis (Figuras 5 e 6), e outra com estimativas dos especialistas apresentadas em trs nveis, otimista, realista, pessimista (Figura 7), condio muito utilizada na falta de dados histricos, e quando se deseja rapidez da tomada de deciso. As informaes de sada da simulao so: custo mnimo, custo mximo, custo mdio, probabilidade de o custo ser maior que um determinado valor, tabela e grfico de distribuio de freqncia dos resultados, grfico de anlise de correlao atravs do coeficiente r de Pearson que conforme Stevenson (2001), informa o grau de relacionamento entre duas variveis contnuas, e varia em seu sinal de +1 a -1, e em sua magnitude.

Figura 5 Menu de comando da planilha de SMC dados histricos

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

Figura 6 Tabela de dados da planilha de SMC dados histricos

Simulando 1000 vezes com 50 repeties os dados estimados pelos especialistas (figura 3), e analisando a probabilidade de o custo ser maior que R$4900,00, obteve-se o valor de 88,9% com a planilha Excel, e 88,55% com o software Crystal Ball conforme Figura 8. Comparando-se os dois resultados atravs do p-value, obteve-se o valor de 0,042. Conforme Levine et al., (2000), este valor p (P-value) chamado de nvel observado de significncia, o menor nvel no qual Ho pode ser rejeitado para um dado conjunto de dados. -Se o valor p for maior ou igual a , a hiptese nula no rejeitada. -Se o valor p for menor do que , a hiptese nula rejeitada. Neste caso, o valore de p ou P-value maior que o nvel de significncia = 0,05, aceitandose a hiptese nula de que as mdias so iguais.

Figura 7 Planilha de simulao dados estimados pelos especialistas

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

Figura 8 Prob. Custo > R$4.900,00 SMC Crystal Ball

Para se confirmar o nmero de simulaes a serem efetuadas com a planilha Excel, em um intervalo de confiana de 95 %, comparou-se planilhas de 1000, 5000, 10000 e 25000 simulaes e analisou-se qual seria a diferena entre elas para o parmetro de sada custo mdio. Aps 50 replicaes, e utilizando o software MINITAB 13.0 efetuou-se o teste da ANOVA, onde se obteve o P-value de 0,363, valor maior que 0,05, indicando assim que as mdias so iguais. O grfico Boxplot da Figura 9 mostra os resultados encontrados.

Figura 9 - Grfico Boxplot ANOVA Custo Mdio diferentes planilhas Excel

Com esta informao, optou-se em trabalhar com a planilha de 1000 simulaes, pela facilidade em simular mais rpido e praticidade, condio que apresenta os resultados, conforme Figura 10.

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

Figura 10 Resultados 1000 SMC Planilha Excel dados Estimados Especialistas

6. Resultados e Concluses
A primeira considerao que, quando se empregam cenrios possveis de ocorrncia, como a realidade dos negcios da indstria de laticnios, os custos podem acontecer de uma maneira bem diferente daquela que se imagina ser quando se tem um dado determinstico. Neste caso, o custo mdio de R$6.159,70 obtido da simulao das informaes do especialista, maior que o custo padro considerado de R$6.127,3. Esta variao quando no considerada poder limitar de maneira significativa os ganhos financeiros da empresa conforme o volume de um nico contrato de vendas. Outra informao importante e ligada com a considerao anterior a probabilidade do custo estar acima do custo padro, neste caso 65 %, valor bastante significativo que confirma a necessidade de rever a metodologia atual de negcios. A utilizao da planilha de simulao facilita o trabalho durante as reunies de negcios, ocasio em que muitas vezes tem-se que tomar as decises de imediato. Analisando a Figura 10, o parmetro de custo que mais se relaciona com o custo simulado o preo do leite (quase 0,75), reforando a afirmao de que, se o preo da matria prima aumenta, eleva-se tambm o custo do produto. Embora esta condio nem sempre esteja sob controle da firma, para este caso em especial, a empresa pode encaminhar aes a fim de procurar oficializar contratos de longo prazo (mnimo um ano) de compra com algumas cooperativas, de forma que as partes possam ter vantagens quando nos perodos de entressafra e safra. Outros parmetros que aparecem por ordem de importncia em relao ao custo simulado, so:

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

- A umidade do queijo (valor de 0,5), tem um grande impacto no custo do produto e seu decrscimo implica em aumento do custo simulado. Vale ressaltar que este parmetro tem um valor mximo legislado pelo Ministrio da Agricultura, mas de inteiro controle da empresa, a saber dos responsveis pela produo, tornando evidente o quanto podem interferir no custo do produto. - O valor e a eficincia (h-H-ton) da mo-de-obra direta que contribuem com uma relao de quase 0,5 para o custo simulado, devem ser bem coordenados a fim de obter a mxima eficincia. Para isto, um programa de treinamento, aperfeioamento de chefias, operadores e auxiliares de produo deve se tornar sistemtico. Faz-se necessrio tambm uma avaliao regular de cargos e salrios de forma a criar um plano de carreira na empresa, assim como constituir uma ferramenta de informao da utilizao da pessoa certa na funo certa, evitando problemas trabalhistas e o pagamento de mo de obra acima daquela necessria para a funo ou tarefa. - O Coeficiente GL ou rendimento tcnico que quando decresce aumenta o custo simulado, deve ser rigorosamente controlado, por batelada de produo, pois interfere de maneira importante no custo. Neste caso, sua correlao no muito alta, mas em outras simulaes esta correlao foi relevante. Com relao aos custos indiretos, a correlao no grande. Considerando que a depreciao fixa, os demais componentes deste custo: materiais, servios de terceiros e utilidades merecem um estudo contnuo para avaliar uma possvel racionalizao visto que so contas que tendem sempre a aumentar. Estes itens esto basicamente sob controle total da firma e do pessoal de fbrica, pois os parmetros de umidade e rendimento esto relacionados com performance do processo de fabricao e a mo-de-obra com o treinamento, a boa coordenao da equipe e a utilizao das pessoas certas para as tarefas certas. Vale ressaltar que estes somam mais de 1,0 de relao com o custo, valor bem superior ao preo do leite, item de pouco controle da empresa. Com o endosso da empresa, tem-se que a forma de se trabalhar com cenrios atravs da SMC contemplando as variaes dos custos bastante vantajosa, pois permite uma viso mais realista do negcio em comparao com a forma tradicional de tomada de deciso com base em dados determinsticos. Com as informaes geradas pela simulao entende-se que, em termos de fbrica, possvel fazer avaliaes da utilizao da mo-de-obra, do processo atravs do rendimento e a possibilidade de encaminhar aes de melhoria contnua dos parmetros tcnicos. J em termos de compra de leite, as informaes da simulao podem subsidiar a deciso de comprar ou no no mercado spot, ou tambm de produzir ou no produzir baseado no preo em questo. Conclui-se ento que o uso da simulao de maneira simples contribui de maneira eficaz para a gesto dos Laticnios Condessa.

Referncias
BACKER, M. & JACOBSEN, L. E. (1972) - Contabilidade de custos: um enfoque para administrao de empresas. McGraw-Hill. Rio de Janeiro. CORRAR, J. L. (1993) - O modelo econmico da empresa em condies de incerteza aplicao do mtodo de simulao de Monte Carlo. Caderno de Estudos, n.8, p.1-11. So Paulo. FAEMG-FEDERAO DA AGRICULTURA E PECURIA DO ESTADO DE MINAS GERAIS. (2004) Preos agrcolas: leite. Disponvel em : URL: <http:/www.faemg.org.br>. FURTADO, M. M. (1999) - Principais problemas dos queijos: causas e preveno. Fonte de Comunicaes. So Paulo. LEONE, G. S. G. (1997) - Curso de contabilidade de custos. Atlas. So Paulo. LEVINE, D. M.; BERENSON M. L. & STEPHAN D. (2000) - Estatstica: Teoria e Aplicaes. LTC-Livros

PAMPLONA, E. O. ; SILVA, Wander Fonseca da . Contribuio da Simulao de Monte Carlo na Projeo de Cenrios para Gesto de Custos na rea de Laticnios. In: IX Congresso Internacional de Custos - Florianpolis, SC, Brasil - 28 a 30 de novembro de 2005

Tcnicos e Cientficos Editora S.A. Rio de Janeiro. MARTINS, E. (2001) - Contabilidade de custos. Atlas. So Paulo. NOVO, A. L. M. (2001) - Avaliao de programas privados de assistncia tcnica no setor leiteiro: um estudo de caso do departamento de assistncia ao produtor Parmalat. Dissertao (Mestrado em Engenharia de Produo). Universidade Federal de So Carlos. So Carlos. PAMPLONA, E. O. (2003) - Gerenciamento de riscos em custos. In: VIII CONGRESO INTERNACIONAL DE COSTOS. Anais... Punta Del Este. Disponvel em: URL: http:/www.iem.efei.br/Edson/pesquisa.htm#atividades. PORTER, M. E.(1989) - Vantagem competitiva. Campus. Rio de Janeiro. SHAMBLIN, J. E. & STEVENS G. T.(1979) - Pesquisa operacional. Atlas. So Paulo. SILVA, E. L. (1977) - Custo-padro e produtividade. CNI Departamento de Assistncia Mdia e Pequena Empresa. Rio de Janeiro. SILVA, W. F.(2004) - Acontribuio da Simulaao de Monte Carlo na Projeoo de Canrios para Gesto de Custos na rea de Laticnios. Dissertao (Mestrado em Engenharia de Produo ) Universidade Federal de Itajub. Itajub. STEVENSON, W. J. (2001) - Estatstica aplicada administrao.Harbra. So Paulo.