Escolar Documentos
Profissional Documentos
Cultura Documentos
So Paulo
2007
Dissertao apresentada
Escola
Politcnica da Universidade de So Paulo
para obteno do ttulo de Mestre em
Engenharia.
rea de Concentrao:
Engenharia Naval e Ocenica
Orientador: Prof. Dr. Bernardo Luis R. de
Andrade
So Paulo
2007
de abril de 2007.
FICHA CATALOGRFICA
AGRADECIMENTOS
Ao Prof. Dr. Bernardo Luis R. de Andrade pelo incentivo e principalmente pelas
cobranas durante a orientao deste trabalho.
Aos amigos Joo Carlos Boyadjian e Carlos Dornellas que foram as principais foras
para que eu conclusse o mestrado com sucesso.
Ao amigo Danbio Borba, companheiro das primeiras jornadas no mundo do
gerenciamento de projeto.
Ao Eng. Jose Pique, cliente e amigo, que muito contribuiu com seu trabalho para o
desenvolvimento desta tese.
Ao IETEC e principalmente ao Ronaldo Gusmo pelo incentivo e apoio durante
todos estes anos de convivncia profissional.
Ao meu amigo Claude H. Maley que com seus primeiros treinamentos despertou
meu interesse pela rea de riscos em projetos.
Ao Eng. Carlos Pereira, cliente e amigo, que utilizou e ajudou a desenvolver muitas
das idias que estamos apresentando.
Ao saudoso Prof. Oswaldo Fadigas Fontes Torres que reencontrei no curso de psgraduao aps 30 anos. Ele longe da aeronutica e eu longe da informtica
descobrimos que tnhamos nos Riscos em Projetos um novo ponto em comum.
Foram muito proveitosas as discusses e trocas de idias sobre, causa e efeito,
expected value, metodologia de identificao dos riscos, alm da dinmica de
sistemas. com tristeza que hoje no posso mostrar para ele este trabalho.
Ao Prof. Dr. Srgio Luiz de Oliveira Assis por aceitar o convite para participar desta
banca.
RESUMO
ABSTRACT
To identify the largest possible number of risks in the projects, to prioritize and
quantify their impact on projects objectives, play a key processes for a risk
management success. The execution of these processes will allow to measure the
confidence level to reach the projects objectives. As a result of this work was
developed a systematic to measure the confidence level of decisions that are taken
during project life-cycle and also developed a systematic including identification,
qualitative analysis (ranking) and quantitative analysis of the risks. The main tool for
these systematic is Monte-Carlo's Simulation to determine the confidence level in the
decisions takings. These systematic were tested in several companies in the sectors
of Computer Science, Petroleum and Capitals Asset whose models were used to
demonstrate its application. One of the important results obtained with these
systematic was the determination of the contingency fund to the projects that are
audited by IPA-Independent Project Analysis.
Keywords: Project Risks. Risk Management. Decisions Analysis. Monte-Carlos
Simulation.
LISTA DE ILUSTRAES
31
36
37
41
43
43
49
50
52
52
58
59
60
...............................................................
67
67
69
70
71
72
72
73
73
74
Figura 3.11 - Documentao das aes sobre as causas dos riscos ...................
75
76
76
77
77
78
81
83
84
85
86
87
88
89
89
90
90
91
92
93
98
Figura 4.4 - RBS utilizada na identificao das causas dos riscos .......................
99
99
AHP
EAP
EAR
EMV
ERM
EV
FEL
IPA
IPM
IPMA
PES
PMBOK
PMI
RBS
RMIP
WBS
SUMRIO
1 INTRODUO ................................................................................
12
12
15
22
22
24
24
28
31
36
36
40
44
45
53
62
63
64
68
69
75
80
80
92
92
94
4.1.2 A Sistemtica...............................................................................................
97
6 CONCLUSO.................................................................................. 121
REFERNCIAS BIBLIOGRFICAS ................................................. 124
APNDICE A...................................................................................... 131
12
1 INTRODUO
The Standish Group uma companhia de pesquisa que produz um relatrio anual, chamado
CHAOS, sobre como est o desenvolvimento de projetos na rea de Informtica.
13
56% dos projetos ficaram acima do oramento original e 84% foram concludos com
atraso no cronograma.
Reyck complementou que entregar um projeto no prazo previsto, dentro do
oramento e com a satisfao do cliente, continua sendo uma notria dificuldade. O
autor aponta como a causa principal para estas falhas o fato de que todos os
projetos esto sujeitos a riscos e saber como trat-los hoje o fator principal para o
seu sucesso. Algumas definies conceituais de projeto, apresentadas a seguir,
ajudam a esclarecer esse ponto.
Para o PMI (2004, p. 5)2, Um projeto um esforo temporrio empreendido para
criar um produto, servio ou resultado exclusivo.
J para Wysocki e McGary (2003), Projeto uma seqncia nica, complexa, de
atividades conectadas, tendo um objetivo ou propsito que precisa ser completado
em um tempo especfico, dentro de um oramento e de acordo com as
especificaes. O prprio Kerzner (1998) considera um projeto como sendo qualquer
srie de atividades ou tarefas que:
x Tenha
um
objetivo
para
ser
atingido
dentro
de
determinadas
especificaes;
x Tenha as datas de incio e fim definidas;
x Tenha limitao de fundos;
x Consuma recursos, sejam monetrios, humanos e/ou materiais.
Hall e Johnson (2002), quando desenvolveram o conceito e publicaram um livro
sobre
Gerenciamento
Integrado
de
Projetos
(IPM
Integrated
Project
14
feito por aquela equipe, naquelas condies, para aquele ambiente. Projeto no de
execuo repetitiva e, portanto, isto que o diferencia das rotinas operacionais.
Considerando esse fator de singularidade, pode-se afirmar que um projeto repleto
de incertezas e so estas incertezas que podem fazer com que ele fracasse. As
incertezas so os riscos em potencial.
A Alta Administrao das empresas tem a responsabilidade para fazer
julgamentos e tomar decises apropriadas que levaro a organizao ao
sucesso. O ideal seria que as decises fossem tomadas sob condio de
total certeza, em que todas as informaes necessrias estivessem
disponveis e o grau de confiana nos resultados tambm fosse previsvel.
Na realidade, a maioria das decises tomada sem as informaes
necessrias e, portanto, com certo grau de incerteza nos resultados. Em
alguns casos extremos de completa falta de informao, nada conhecido
sobre o possvel resultado da deciso e uma total incerteza prevalece.4
(WIDEMAN, 1992, p. I-1).
No momento em que uma deciso deva ser tomada de forma racional, o que se
espera que ela seja baseada em um levantamento completo e com conhecimento
de todas as informaes relevantes, de modo a se procurar eliminar ao mximo as
incertezas existentes. Como fazer isso e saber qual a quantidade de informao que
seria necessria para se tomar uma deciso racional impossvel de se determinar.
A melhor resposta para essa questo encontra-se em um autor Annimo, citado em
Bernstein (1997, p. 202):
x A informao que se tem no a informao que se quer.
x A informao que se quer no a informao da qual se precisa.
x A informao da qual se precisa no a informao que se pode obter.
x A informao que se pode obter custa mais do que se quer pagar.
Ter as condies e capacidade para minimizar as incertezas, ou seja, identificar e
avaliar o que poder acontecer no futuro, durante o andamento de um projeto, e
poder optar ou decidir entre as vrias alternativas, fundamental no gerenciamento
de projetos atualmente. O processo que guia o gerente de projeto pela ampla gama
de tomada de decises presente nos projetos conhecido como Gerenciamento de
Riscos. A importncia do gerenciamento de riscos est justamente associada
caracterstica intrnseca presente em todos os projetos, que a incerteza.
Este trabalho trata exatamente do Gerenciamento de Riscos em Projetos, que um
dos processos fundamentais da disciplina de Gerenciamento de Projetos.
Traduo prpria.
15
O trabalho dos gerentes de projetos est cada vez mais difcil. O crescimento na
complexidade dos projetos, com as exigncias de custos cada vez menores e prazos
mais curtos, uma constante nos tempos atuais. Somando-se a isto a velocidade da
evoluo/mudana tecnolgica que se est experimentando, tem-se a os
ingredientes que fazem um projeto ter um alto grau de incerteza. Essa situao foi
constatada por Miguel (2002, p. 45):
Os gestores de todas as organizaes operam, hoje em dia, num ambiente
socioeconmico e tecnolgico turbulento, que desafia a sobrevivncia
organizacional com constantes alteraes econmicas, competitivas,
legislativas e tecnolgicas; esses executivos tm de ser capazes de
responder, de forma pr-ativa, s ameaas e oportunidades, e de reagir
rapidamente s novas condies que se lhes deparam a cada momento.
Durante a vida de um projeto, a certeza que normalmente se pode ter que haver
uma freqente negociao com a incerteza, pois as decises so, normalmente,
tomadas com base em informaes incompletas. Em um ambiente ideal de gerncia
de projeto, haveria tempo para que fossem preparados os planos para tratar os
riscos, mas na realidade eles so freqentemente colocados junto com todas as
outras prioridades a serem executadas.
Como constatou Royer (2000), um dos fatores mais crticos que promovem o
insucesso de um projeto a falta do gerenciamento dos riscos e a no-mitigao
dos mesmos. Sem mitigar os riscos, freqentemente um projeto caminha para ter
srios problemas no seu gerenciamento.
Se voc no tem tempo ou recursos para mitigar os riscos agora, tenha certeza
absoluta de que voc dever ter tempo ou recursos para atac-los quando se
tornarem problemas.5 (HALL; HULETT, 2002, p. 3). Risco um problema que ainda
no ocorreu, portanto, ainda existe a chance de gerenci-lo.
Otimismo significa esperar o melhor, mas confiana significa saber como se lidar
com o pior. (GUNTHER, 2003, p. 119).
exatamente isso que se espera de um Gerente de Projeto, que ele esteja
preparado para lidar com as ocorrncias dos riscos no projeto quando elas surgirem.
5
Traduo prpria.
16
Traduo Prpria.
17
Estratgia pela qual investidores, com intenes definidas, procuram cobrir-se do risco de variaes
de preos desvantajosas para seus propsitos, com operao de compra e venda de moeda
estrangeira.
18
19
Traduo prpria.
20
21
Atualmente, com a publicao do PMBOK 3 edio, essa lista classificada/priorizada dos riscos
por categorias ou reas de influncia foi denominada de RBS-Risk Breakdown Structure ou EAR
Estrutura Analtica dos Riscos. Este tema ser abordado em detalhes nos prximos captulos do
trabalho.
22
11
Process) .
2. O segundo procedimento trata da determinao do nvel de confiana
com relao a eventos, estimativas e valores de variveis do projeto, para
suporte
10
RMIP marca registrada da MIT Consultants (Management & Information Technology) da Frana.
Site www.mitconsultants.com A utilizao e adaptao do processo para esta dissertao foram
autorizadas pela empresa.
23
Para sua apresentao, o restante do texto do trabalho foi dividido em captulos com
os seguintes contedos:
Captulo 2 Conceitos de Gerenciamento de Risco e Anlise de
Deciso So revistos neste captulo os principais conceitos e
metodologias relacionados com o gerenciamento de risco em projetos e
algumas das principais tcnicas empregadas na anlise de deciso, em
particular a simulao de Monte-Carlo.
Captulo 3 Proposta de Sistemtica para Avaliao de Riscos
Apresentam-se neste captulo as sistemticas propostas para a realizao
da Identificao, Anlise Qualitativa e Quantitativa dos Riscos de Projeto.
Captulo 4 A Aplicao em Casos Reais Neste captulo, mostra-se o
resultado da aplicao da sistemtica proposta em partes de alguns
projetos reais.
Captulo 5 Anlise dos Resultados Analisa-se e discute-se, neste
captulo, os resultados da aplicao da sistemtica proposta. Com base
nestas anlises,
apresentam-se
tambm
algumas
recomendaes
24
Traduo prpria.
25
os riscos de outra forma, considerando seu impacto nos objetivos de escopo, custo,
cronograma e qualidade.
Seguindo esta tendncia, o PMI (2004, p. 238) define: Risco de Projeto um
evento ou condio incerta que, se ocorrer, ter um efeito positivo ou negativo sobre
pelo menos um objetivo do projeto, como tempo, custo, escopo ou qualidade. Essa
definio praticamente a mesma adotada por Hall e Hulett (2002, p. 5).
Dessa definio verifica-se que quando se trata de Risco de Projeto, dependendo do
impacto que ter sobre os objetivos, um evento de risco pode ser classificado como:
- Evento Favorvel Oportunidade
- Evento Adverso Ameaa (usualmente denominado como Risco)
Esta conceituao defendida pelo PMI e por Hall e Hulett (2002, p. 5) dever
provocar uma mudana do conceito dos vrios autores que tratam o Risco de
Projeto apenas como uma ameaa aos objetivos do projeto. Muitos destes autores
sero citados nos prximos pargrafos.
Para Kerzner (1998), Risco de Projeto deve ser entendido como uma combinao da
probabilidade e da conseqncia de no se atingir um determinado objetivo do
projeto. Considerando que um risco constitui a falta de conhecimento sobre os
eventos que podero ocorrer no futuro, ele sugere definir risco como um efeito
acumulado que os eventos adversos poderiam ter sobre os objetivos do projeto.
Segundo este autor, todo risco apresenta trs componentes:
- Um evento (uma mudana inesperada);
- A probabilidade de ocorrncia desse evento;
- O impacto desse evento (o montante arriscado).
Alm desses componentes, Kerzner (1998) aponta as causas dos eventos de risco
como outro elemento fundamental de um risco, cujo conhecimento essencial para
o seu gerenciamento.
Para Miguel (2002, p. 77), cada risco pode ser decomposto numa causa e num
efeito, sendo que a causa tem uma probabilidade e o efeito tem uma dimenso ou
impacto. Quando fala do impacto, ele se refere ao derradeiro impacto que o risco
tem sobre os objetivos do projeto. Com relao causa, ela pode ser devida a uma
26
Traduo prpria.
27
Traduo prpria.
28
ambiente
de
gerenciamento
de
projetos,
tambm
foram
implantados
Traduo prpria.
29
que
tratam
da
realizao
de
identificao,
anlise, respostas,
lquido
negativo
resultante
do
exerccio
de
uma
vulnerabilidade,
30
Traduo prpria
31
efetividade dos outros processos depende de uma boa execuo destes em primeiro
lugar.
Uma viso geral desses processos encontra-se na Figura 2.1 a seguir.
Uma anlise mais detalhada desses processos principais ser feita mais adiante.
Antes, sero apresentadas e discutidas algumas caractersticas e aspectos gerais,
importantes, envolvidos no gerenciamento de risco.
No tratamento dos riscos em projetos, Smith e Merritt (2002) lembram que existem
trs aspectos importantes a serem considerados: a perda, o tempo, a incerteza.
A perda a conseqncia ou efeito indesejado de um risco e tambm conhecida
como montante arriscado. A ocorrncia de um risco sempre envolve a possibilidade
de perda de alguma coisa. Os riscos so gerenciados para que o projeto no sofra
determinadas perdas, mesmo que elas sejam uma possibilidade bem pequena.
32
33
34
voc acreditar que o risco ir ocorrer.10 Estes fatos so conhecidos como causas ou
condutores do risco (risk drivers, em ingls). Uma causa de risco alguma coisa no
ambiente do projeto que faz acreditar que um determinado evento de risco ir
ocorrer.
Smith e Merritt (2002) consideram que a metodologia de gerenciamento de riscos
depende do desenvolvimento do modelo de risco que tenha foco sobre os atributos
crticos do risco (as principais causas). Este modelo atende a dois importantes
objetivos. Primeiro, ajuda na quantificao do impacto do risco assim pode-se
comparar contra outros riscos e decidir quais riscos merecem ateno; segundo, ele
coloca o Gerente de Projeto perante as causas, o que permite que ele possa
formular planos efetivos para atac-las.
Esta forma de trabalho em projetos foi durante muito tempo conhecida como a
determinao dos Fatores Crticos de Sucesso (FCS).
Diretamente relacionada com a questo de elaborao de um modelo de risco do
projeto, embora de forma no explcita, o PMI (2004) sustenta que a eficincia no
gerenciamento de riscos em um projeto est baseada em dois documentos
fundamentais para qualquer metodologia de gerenciamento de projetos: a WBS
(Working Breakdown Structure)11 ou EAP (Estrutura Analtica do Projeto); e a
RBS (Risk Breakdown Structure)12 ou EAR (Estrutura Analtica dos Riscos).
Para o PMI Project Team (2001), a WBS o escopo do projeto decomposto em
partes que possam ser gerenciadas (a soma das partes leva ao todo). A quantidade
de nveis deste desdobramento depende da maturidade e experincia do Gerente de
Projeto, do tipo e tamanho do projeto, mas sempre dever apresentar as seguintes
caractersticas:
- a representao de todo o trabalho que ser executado e este trabalho
tangvel/mensurvel;
10
Traduo prpria.
O PMI no PMBOK 3. ed. define WBS/EAP como: Uma decomposio hierrquica orientada
entrega do trabalho a ser executado pela equipe do projeto para atingir os objetivos do projeto e
criar as entregas necessrias. Ela organiza e define o escopo total do projeto. Cada nvel
descendente representa uma definio cada vez mais detalhada do trabalho do projeto. A EAP
decomposta em pacotes de trabalho.
12
35
elemento
da
WBS
representa
um
simples
resultado
36
ela classifica as causas dos riscos que ocorreram nos projetos sendo que, no ltimo
nvel da estrutura, podero ser encontradas todas as causas conhecidas de riscos
nos projetos da empresa.
Na figura 2.2 a seguir, mostra-se um exemplo genrico de RBS.
37
A Identificao dos Riscos o processo pelo qual se procura determinar quais deles
podero afetar o projeto e documentar suas caractersticas. Kerzner (1998)
considera que existem vrios mtodos para identificar os riscos, mas prtica comum
aps a identificao classific-los de acordo com as causas, porque controlando
as causas que se consegue controlar os riscos.
O processo de Identificao dos Riscos examina o projeto, utilizando a WBS com
apoio da RBS para obter uma lista dos riscos que, normalmente, sero classificados,
segundo Wideman (1992), em:
x Riscos de Negcio (Business Risk) em que existe a chance de ganhar
ou de perder;
x Riscos Puros (Pure Risk ou Insurable Risk) em que somente existe a
chance de perder.
Esta classificao serve tambm para ilustrar que at o prprio Wideman gera
alguma confuso sobre os conceitos, pois ele prprio, Wideman (1992, p. I-3),
definiu Risco de Projeto como [...] ele o grau de exposio a eventos negativos e
suas provveis conseqncias sobre os objetivos do projeto, expresso em termos de
escopo, qualidade, prazo e custo15.
Um Gerente de Projeto ser sempre cobrado e
avaliado por atingir os objetivos bsicos para os
quais a funo existe. Como mostrado na Figura
2.3, ele tem que entregar o Escopo encomendado, no
Prazo estipulado, com o Custo orado e com a
Qualidade que o Cliente solicitou. Portanto, a base
para a identificao dos riscos do projeto esta ou
seja, risco em uma viso macro no entregar o
Escopo solicitado, no Prazo, no Custo e com a
Qualidade prevista.
Para Miguel (2002, p. 65), Somente atravs do reconhecimento e apreciao
integral dos riscos existentes, possvel compreender e tratar os potenciais
problemas e dificuldades. A identificao dos riscos procura transformar as
15
Traduo prpria
38
incertezas do projeto em riscos bem definidos (tangveis), que podem ser descritos e
medidos.
Analisando o processo de identificao dos riscos, Grey (2003) constatou que a
expresso popular voc no gerencia aquilo que voc no mede o mnimo que se
pode falar quando o pensamento gerenciar os riscos de um projeto.
A atividade de identificao dos riscos envolve a considerao e o registro das
condies que podem deflagrar o evento de risco, bem como uma descrio breve
das conseqncias provveis. O objetivo obter-se uma descrio concisa do risco
que possa ser facilmente compreendida e que permita a tomada de aes concretas
e eficazes. Normalmente, esse processo executado atravs de reunies,
utilizando-se de diversos mtodos. No PMI
39
a sistemtica de
16
Medir um risco fundamental para saber se ele est para ocorrer ou no. como o termmetro
para medir a temperatura do corpo humano. Este um dos mais difceis itens a serem levantados
no processo de identificao dos riscos. Normalmente, cada metodologia tem sua forma de medir
os riscos. Aquela utilizada nesta dissertao ser mostrada no Captulo 3.
40
identificados
usando
probabilidade
deles
ocorrerem,
impacto
17
O PMI no PMBOK 3. ed. define Anlise Quantitativa de Riscos como: O processo de analisar
numericamente o efeito dos riscos identificados nos objetivos gerais do projeto. A anlise
quantitativa de riscos realizada nos riscos que foram priorizados pelo processo de anlise
qualitativa de riscos por afetarem potencial e significativamente as demandas conflitantes do
projeto
41
42
43
Uma das ferramentas utilizadas para executar esta priorizao dos riscos de projeto
a Matriz de Impacto dos Riscos ou tambm chamada de Matriz de Exposio ao
Risco. Miguel (2002, p. 85) escreve que a conjugao dos atributos de
probabilidade de ocorrncia e montante arriscado em uma matriz d origem
denominada Matriz de Exposio ao Risco, instrumento utilizado na gesto dos
riscos, pela simplicidade e viso de conjunto que propicia.
Kendrick (2003) considera que a anlise qualitativa dos riscos, com base na
categorizao da probabilidade e do impacto, proporciona uma grande viso do que
a severidade absoluta do risco.
Somente para exemplificar essa ferramenta de anlise qualitativa, na Figura 2.5
encontra-se uma matriz documentando o que poder acontecer (impacto) com
alguns objetivos do projeto se um determinado risco ocorrer em um item da WBS.
44
Traduo prpria.
45
que utilizam mais rigor estatstico tais como valor esperado, rvore de deciso e
simulao fazem mais do que apenas olhar para os riscos dentro do projeto, elas
podem ser utilizadas para providenciar uma avaliao total desses riscos.
Quando os riscos identificados passam pelo processo de anlise qualitativa e
determinam-se quais so prioritrios, est-se informando que existem algumas
causas fatores de risco que podero ocorrer e isto poder desencadear o
surgimento de riscos que podero comprometer um ou mais objetivos do projeto.
Para a tomada de deciso, necessrio que seja apresentado o custo se tudo ficar
como est, ou seja, qual o Impacto do Risco (lembrando Impacto do Risco =
probabilidade do evento ocorrer x montante arriscado) e os custos das aes
sobre as causas dos riscos. Essas aes sobre as causas que podem deflagrar os
riscos so conhecidas como planos de respostas aos riscos.19
Para os vrios clculos necessrios, a Anlise Quantitativa ir utilizar como principal
ferramenta as tcnicas de Anlise de Deciso descritas no prximo tpico, sendo a
Simulao a principal delas.
O PMI no PMBOK 3. ed. define Planejamento de Repostas aos Riscos como: O processo de
desenvolvimento de opes e aes para aumentar as oportunidades e reduzir as ameaas aos
objetivos do projeto.
20
Traduo prpria.
46
47
48
sim, pode ser quantificado. A anlise dos dados do passado traz a pergunta: At que
ponto pode-se confiar nos padres do passado para prever o futuro?
Uma coisa estudar as lies aprendidas21 dos projetos passados e estabelecer
um modelo matemtico que parece resolver todos os problemas futuros. Mas
quando o projeto entra no seu dia a dia com as constantes tentativas e erros,
correes e mudanas de escopo, e principalmente com as emoes e
caractersticas dos seres humanos influenciando o projeto, modificando o ambiente,
o modelo parece se tornar intil rapidamente.
Os dados de experincias passadas em projetos ou quaisquer informaes que se
possa obter, para a tomada de deciso so apenas fragmentos de uma possvel
realidade. A qualidade dessas informaes fundamental no processo de
generalizao e previso dos eventos no projeto. Mas nunca se ter ou se
conseguir obter todas as informaes necessrias que levaro ao mesmo grau de
confiana que se tem no resultado da soma de 2 com 2.
Durante o Ciclo de Vida do Projeto22, o que acontece realmente uma srie de
eventos interligados, cada um normalmente dependente de outro, e a previso do
que poder acontecer convergir para uma inferncia sobre o comportamento
destes eventos. Foi graas aos trabalhos do reverendo Thomas Bayes23 sobre o
conceito de inferncia estatstica (O propsito da inferncia estatstica fazer
inferncias sobre a populao a partir da informao contida em uma amostra),
utilizado no clculo da probabilidade posterior, que hoje se utiliza amplamente a
Anlise de Deciso em condies de incerteza. (ANDERSON; SWEENEY;
WILLIAMS, 2003).
Quando um Gerente de Projeto est diante de uma deciso a ser tomada, sua
primeira preocupao tentar medir a exatido desta deciso, como se cada
estimativa que fizesse sobre as variveis envolvidas resultasse em uma medio
21
O PMI no PMBOK 3. ed. define a expresso Lies Aprendidas (do ingls Lessons Learned)
como: A aprendizagem obtida no processo de realizao do projeto. As lies aprendidas podem
ser identificadas a qualquer momento. Tambm consideradas um registro do projeto, que ser
includo na base de conhecimento de lies aprendidas.
22
O PMI no PMBOK 3. ed. define o termo Ciclo de Vida do Projeto (do ingls Project Life Cycle)
como: Um conjunto de fases do projeto, geralmente em ordem seqencial, cujos nomes e
quantidades so determinados pelas necessidades de controle da organizao ou organizaes
envolvidas no projeto. Um ciclo de vida pode ser documentado com uma metodologia.
23
Reverendo Thomas Bayes (17021761). O Teorema de Bayes fornece um modo para combinar
primeiro as probabilidades determinadas subjetivamente com as probabilidades obtidas por outros
meios, para obter as probabilidades revisadas ou posteriores.
49
precisa e correta. Se isto fosse uma verdade, tudo estaria resolvido; mas acontece
que, em projetos, semelhanas no so identidades. Projeto por definio singular,
nico; portanto, nenhum dado histrico ou conhecimento especfico um exemplo
perfeito da generalidade. Por isso, o principal objetivo no deve ser indicar a
exatido, mas o erro, ou seja, o nvel ou grau de confiana na deciso que ir ser
tomada.
A rea do conhecimento que trata situaes de incerteza a Estatstica, e a
regresso a mdia, ou o valor esperado, uma das tcnicas utilizadas na anlise
dos riscos ou da confiana.
Anderson, Sweeney e Williams (2002) definem o Valor Esperado (Expected Value
EV) de uma deciso como sendo a mdia de todos os possveis valores da
distribuio amostral da varivel de deciso x.
Existem duas maneiras de se calcular o EV de uma distribuio de probabilidades.
Se a distribuio puder ser expressa por modelos matemticos, uma maneira de se
resolver a soluo de uma equao integral do tipo:
EV = x p(x)dx
50
de
deciso
possuem
algumas
caractersticas comuns:
1. A deciso envolve sempre, no mnimo, duas alternativas;
2. As alternativas so avaliadas com base no valor que elas adicionam a um
ou mais critrios de deciso. Critrios de deciso representam fatores que
so importantes para o tomador de deciso e so influenciados pelas
alternativas;
3. O valor assumido pelos vrios critrios de deciso sob cada alternativa
depende dos comportamentos futuros dos eventos que no esto sob
controle do tomador de deciso.
Os mtodos para anlise de uma deciso podem ser caracterizados como
probabilsticos e no-probabilsticos, dependendo se possvel ou no assumir uma
probabilidade para a ocorrncia de um evento futuro que influenciaria a deciso.
Ragsdale (2001) classifica os mtodos no probabilsticos mais conhecidos como:
9 Maximax, que consiste em se determinar os ganhos mximos possveis e
ento selecionar a alternativa com maior retorno;
9 Maximin, que um mtodo que, de forma pessimista, assume que a
natureza est sempre contra em qualquer deciso, portanto consiste em
se escolher os mnimos ganhos para cada alternativa e ento selecionar a
alternativa maior dos mnimos;
9 Minimax Regret (Minimax Arrependido), que envolve o conceito de
arrependimento ou oportunidade perdida, em que se calcula as perdas de
cada possvel deciso e escolhe-se a que tiver menor perda.
51
52
53
2.5.1 Simulao
(normalmente
em
computador)
este
modelo,
obter-se
um
A descrio completa do Caso do Guindaste pode ser encontrada em Schuyler (1996, p. 20).
Traduo prpria.
54
Simulao, como tudo que est em torno da cincia, envolve modelos. De uma
forma geral, Modelo pode ser definido como sendo uma abstrao ou
representao simplificada de uma realidade, idia ou objeto, adequada a uma
determinada situao.27 O propsito de qualquer modelo permitir que se faam
inferncias sobre a situao real que est sendo estudada ou analisada. O quanto
mais prximo o modelo estiver da realidade, maior a acurcia nas concluses e
previses.
Os modelos matemticos so afetados por fatores ou variveis que determinam seu
comportamento e resultado. Anderson, Sweeney e Williams (2003) classificam estes
fatores ambientais, que afetam os objetivos a serem atingidos e as restries, como
entradas/fatores incontrolveis. Fatores que so controlados ou determinados por
quem est executando o modelo so conhecidos como entradas/fatores controlveis
e podem ter valores alternativos, dependendo do tomador de deciso, por isso so
conhecidos como variveis de deciso.
Para Evans e Olson (2002), os modelos matemticos podem ser classificados, em
funo das suas variveis controlveis e incontrolveis, como sendo:
x Determinstico, quando todas as entradas forem conhecidas, ou se
assumem como conhecidas, no iro variar. A sada do modelo
geralmente nica;
x Estocstico ou Probabilstico, se qualquer das entradas incerta e
sujeita a variaes. A sada do modelo geralmente uma curva de
distribuio.
Os modelos de simulao tambm podem ser discretos ou contnuos. A maioria
dos eventos apresenta uma ocorrncia do tipo discreta, tal como chegada de
passageiros, partida de avies etc. Porm, existem situaes em que o
comportamento de alguma varivel contnuo no tempo, como, por exemplo, em
uma refinaria de leo, a variao da presso, da temperatura, o fluxo de material. No
processo de anlise de deciso, uma boa parte dos problemas envolve uma
combinao de variveis discretas e contnuas.
27
Definio do Prof. Oswaldo Fadigas. Anotaes de aula na disciplina PNV 5015 - Simulao de
Sistemas Complexos (2004).
55
objetivo
ser
descrever
as
sadas/resultados
ou
56
57
58
2.9
na
tabela
os
da
valores
atrasos e
no
exemplo,
aproximar
as
29
59
30
60
31
32
Traduo prpria.
Daniel Bernoulli, matemtico suo do sculo XVII, que escreveu, em 1738, um artigo sobre a
utilidade na deciso.
61
33
Psiclogos israelenses que criaram o conceito da Teoria da Perspectiva, que descobriu padres de
comportamento nunca antes reconhecidos pelos proponentes da tomada racional de decises. Eles
mostraram que tendemos a recorrer a tipos mais subjetivos de medio: os graus de crena e a
intuio dominam, mesmo quando pensamos que estamos usando a medio.
62
No captulo anterior foi realizada uma reviso dos conceitos envolvendo a tomada de
deciso e o gerenciamento de riscos em projetos, que sero a base para a
proposio, implementao e utilizao das Sistemticas apresentadas neste
captulo.
A sistemtica proposta para a anlise dos riscos considera que o projeto j exista e
ser utilizada nos processos de Planejamento, Execuo e Controle.
A sistemtica proposta para anlise de deciso j mais genrica e faz uso de
dados quantitativos para medir a confiana, seja na deciso entre alternativas
perante os riscos do projeto, na hora de emisso de uma proposta ou no momento
de escolha de alternativas de deciso.
Com o objetivo de facilitar seu entendimento e utilizao, as sistemticas estaro
divididas em:
9 Anlise dos Riscos na qual ser proposta uma sistemtica para
Identificao e Anlise Qualitativa dos riscos no projeto. Ela tem como
base o PMBOK (Um Guia do Conjunto de Conhecimentos em
Gerenciamento de Projetos do PMI) e o software RMIP Risk
Management Interactive Process.
9 Anlise do Nvel de Confiana na qual ser proposta uma sistemtica
para medir o nvel de confiana existente para se atingir um resultado em
determinadas situaes. Esta sistemtica est totalmente baseada na
utilizao da Simulao de Monte-Carlo e utilizada na Anlise
Quantitativa dos riscos.
As duas Sistemticas procuram melhorar o processo de tomada de deciso e
gerenciamento dos riscos nos projetos e ambas foram desenvolvidas e utilizadas em
situaes efetivas de projetos de bens de capital, modernizao e ampliao de
parque industrial e tambm para empresa de servios na rea de informtica.
63
64
65
Caso a ameaa seja confirmada, procura-se identificar nos nveis mais baixos da
RBS as provveis causas que podero desencadear o risco, pois somente atuando
sobre as causas que os riscos podero ser controlados.
O processo de Identificao dos Riscos utiliza-se da WBS, da RBS e de tcnicas
como Brainstorms, Workshops, SWOT Analysis, Delphi, Entrevistas etc. Durante
este trabalho, cada item da WBS ser cruzado contra os nveis mais altos da RBS,
questionando-se a existncia daquela categoria de risco na WBS.
No Processo de Identificao, muito importante a forma como os riscos so
identificados, pois normalmente as pessoas (devido ao emprego da palavra risco no
cotidiano) tendem a confundir o risco com as causas e freqentemente com as
conseqncias. comum, por exemplo, quando em um projeto se faz uma pergunta
sobre quais riscos existem na montagem de um equipamento qualquer, ouvir
respostas do tipo, greve, chuva, qualificao da mo de obra etc. Todas estas
respostas, no conceito de risco de projeto, so causas que podero fazer um ou
mais riscos acontecerem.
Na execuo do processo de Identificao dos Riscos preciso conseguir,
claramente, uma separao entre Causas do Risco Evento de Risco
Conseqncia (Efeito).
x Causas do Risco So determinadas caractersticas do projeto, ou do
ambiente onde ele est sendo desenvolvido, ou eventos, que tornam um
ou mais elementos da WBS e, conseqentemente o projeto, vulnerveis
ocorrncia do risco dependente destas causas.
x Eventos de Risco So variabilidades das mtricas de controle que, se
ocorrerem, podero afetar um ou mais objetivos do projeto (Custo, Prazo,
Escopo e Qualidade).
x Conseqncia/Efeito So variaes no planejadas, que podero
ocorrer sobre os objetivos do projeto, que surgem em funo da
ocorrncia do risco.
Uma das formas de se obter uma identificao precisa das Causas Evento de
Risco Conseqncia segundo, Hillson (2000), a utilizao, durante o processo,
de uma Metalinguagem do tipo:
66
Traduo prpria
67
68
69
70
Terceiro 3
O ltimo nvel o evento de risco propriamente dito, que foi identificado na WBS.
De Gerenciamento
Fase Inicial
No aprovao da documentao
No liberao da rea
Fase de Execuo
... na validao dos requerimentos
... nos testes das funcionalidades
No disponibilizar ambiente
Terceiros
Terceiro 1
Ter uma produtividade menor que a planejada
No atingir os ndices de Qualidade
Terceiro 2
Movimentao de terra na rea...
Com essa estrutura de gerenciamento montada, documentam-se os riscos do
projeto, utilizando-se um meio que atenda s necessidades do processo. Para fins
ilustrativos da sistemtica sero utilizadas planilhas. Estas planilhas tm apenas a
finalidade documentativa e facilitadora no entendimento da sistemtica, portanto,
para tornar o processo operacional poder ser desenvolvida ou utilizada qualquer
ferramenta computacional.
Em um primeiro momento,
a
planilha
Risco
de
Vulnerabilidade - Avaliao,
mostrada na Figura 3.4,
ser
preenchida
com
estrutura de Domnios e
Caractersticas estabelecida
pela
equipe
do
projeto.
campo
71
Quando um risco somente puder ser medido de forma binria, ou seja, Sim ou
No, Tem ou No Tem, sero utilizadas apenas as colunas de Baixo e Alto risco
como medidas. Como exemplo, a Obteno de uma licena para... uma situao
que ou se obtm ou no a licena.
A escala para medir os riscos utilizada em duas situaes. Durante a execuo do
projeto, atravs de medies do que est acontecendo, ela utilizada para
determinar se um risco est para ocorrer ou se j ocorreu. Durante o planejamento
utilizada na Anlise Qualitativa para indicar quais riscos podero ocorrer e o fator de
vulnerabilidade do projeto.
Aps o preenchimento de todos os ricos identificados nas planilhas esta sistemtica
de anlise dos Riscos de Vulnerabilidade segue os seguintes Passos:
72
73
74
Plano de Ao a documentao das atividades que devero ser executadas e por quem. Significa
o que dever ser feito ou modificado nos planos do projeto para aumentar sua chance de sucesso.
(Faa agora, atue agora, modifique o planejamento). A deciso do que ser implementado do
Patrocinador (Sponsor) do projeto.
75
76
Para
cada
Risco
Potencial
identificado
devero
ser
documentadas
suas
ser
objetivo
dessa
controladas,
discusso
nivelar
simplesmente
dever
avaliar
probabilidade de ocorrncia do
risco e seu impacto, com o
77
consenso
ou
votao
dever
ser
quadrante,
cruzamento
das
Os Riscos Potenciais podero ter quatro classes Potencial Alto, Potencial Mdio,
Potencial Baixo ou Potencial Open. Como esta Sistemtica tem como sustentao
as melhores prticas utilizadas em diversas empresas no gerenciamento dos riscos
em projetos, conforme a Classe do Risco Potencial existe uma recomendao de
aes que deveriam ser tomadas para aumentar as chances de sucesso do projeto:
Potencial Alto Exige um Plano de Ao se existir alguma forma de
control-lo dentro do projeto ou alguma ao tem que ser feita de
imediato para proteger o projeto.
Potencial Mdio Dever ser elaborado, no mnimo, um plano de
contingncia ou estabelecer uma reserva de contingncia.
5
O PMI no PMBOK 3. ed. define Matriz de Probabilidade e Impacto de Risco como: Uma forma
comum de determinar se um risco considerado baixo, moderado ou alto atravs da combinao
das duas dimenses de um risco: sua probabilidade de ocorrncia e seu impacto nos objetivos do
projeto, caso ocorra.
78
79
80
3.2.1 O Modelo
81
definio
do
comportamento
das
variveis de entrada em
de uma PDF muito
facilitada com utilizao
do software Crystal Ball,
pois o mesmo apresenta
uma galeria de curvas
para
escolha
como
Traduo Prpria
82
83
Para ilustrar o processo, ser mostrado um exemplo aplicado aos projetos de Bens
de Capital. Este tipo de projeto normalmente planejado e orado dentro de uma
viso matricial, como segue:
- O projeto dividido em reas conhecidas como disciplinas Civil,
Metlica, Mecnica, Eltrica, Tubulaes e Instrumentao.
- O empreendimento dividido em unidades denominadas de Prdio, Obra,
Unidade ou qualquer outra referncia utilizada pela empresa.
- As equipes tcnicas elaboram o projeto e dimensionam as necessidades
de equipamentos, materiais, servios etc. para cada uma das Obras e
Disciplinas.
- So solicitadas cotaes ou utilizam-se dados disponveis para a
elaborao do oramento de fornecimento de materiais e montagem para
cada uma das Obras e Disciplinas.
Os resultados desse trabalho seriam vrias planilhas (uma por Obra) do tipo
mostrado na Figura 3.18.
84
A coluna nomeada com Alta Conf. indica que se tudo o que est marcado com X foi
feito ou checado, a variao do oramento fsico ser muito pequena. Se acontecer
o que est marcado na coluna Mdia Conf., ser uma indicao que o nvel de
confiana no oramento fsico mdio, e, finalmente se ocorrer o que est marcado
na coluna Baixa Conf. ser uma indicao de baixo nvel de confiana no
oramento fsico.
Com o conhecimento da forma como os oramentos so elaborados e tendo
desenvolvido a lista de checagem da confiana nas informaes utilizadas,
complementa-se o modelo matemtico para avaliar o nvel de confiana por Obra.
Esse modelo avalia a confiana no oramento a partir do nvel de confiana
existente no projeto Fsico e nos valores Financeiros, sendo estes subdivididos em
custos de Fornecimento e Montagem.
Em reunies com as equipes do projeto, procura-se identificar o modelo mental que
utilizado para avaliar cada obra e desta forma transform-lo em modelo
matemtico. O que ficou claro que para cada Obra existia uma unidade
predominante que servia de base para a avaliao da equipe, ou seja, esta seria a
85
86
Com o modelo pronto, o prximo passo ser determinar como executar a simulao
das variveis de entrada e acompanhar os efeitos nas variveis de sada, ou seja,
determinar a forma e os valores das PDFs de entrada do modelo.
Aps anlise de dados histricos de projetos anteriores e com base em entrevistas
com a equipe do projeto, concluiu-se que o melhor processo para avaliar as
variveis de entrada seria model-las como uma distribuio triangular utilizando-se
a listagem de checagem para determinar as variaes das medidas otimistas, mais
provvel e pessimista.
Como Grey (2003, p. 28) afirmou: Existe um bom princpio geral para modelagem:
sempre faa as coisas mais simples possveis. Ns normalmente estaremos
procurando por uma curva PDF que se inicia em zero, cresce at um pico e depois
cai para zero. A curva mais simples que faz isso a PDF Triangular.7
Grey (2003) complementou que a PDF Triangular um modelo suficiente para a
grande maioria das situaes prticas. No existe a necessidade de se usar nada
mais complexo ou difcil que ela. A sua utilizao tem tambm a vantagem de
facilitar o entendimento de qualquer um sobre o modelo. No modelo nada exceder
7
Traduo prpria
87
Facilitador pessoa habilitada para conduzir reunies visando atingir um objetivo, utilizando-se de
vrias tcnicas tais como: Brainstorming, Delphi, etc.
88
89
Atravs da variao percentual do custo unitrio Mais Provvel, o seu valor ser
recalculado e, em seguida, com base neste novo valor, sero recalculados os
valores Otimista e Pessimista para o Custo Unitrio de Fornecimento e o Custo
Unitrio de Montagem.
A Figura 3.25 mostra como essa
vinculao efetuada, utilizando-se
o software Crystal Ball para o Custo
de Fornecimento da Civil. A clula
D36 onde se encontra o valor
otimista (Minimum), a clula D38
(Likeliest) o mais provvel e a clula
D40 (Maximum) o pessimista.
A Figura 3.26 mostra como essa
vinculao efetuada, utilizando-se
o software Crystal Ball para o Custo
90
Probabilidades
dos
custos
previstos para cada Obra e tambm poder ser mostrada a curva de distribuio dos
custos por Disciplina da Obra, como na Figura 3.27, onde se encontra a curva para
os custos da Civil na Obra-005.
91
Observando-se agora o que acontece com os valores orados para a Obra 005,
obtm-se a Figura 3.28. Na planilha da Figura 3.24, o custo total estimado para a
Obra 005 de $ 1.821.599,52. Atravs da simulao, o custo esperado estar entre
$ 1.876.950,45 e $ 1.966.329,04, que o chamado intervalo de confiana, com uma
variao de aproximadamente 4,8%.
92
Neste captulo sero apresentados alguns casos de utilizao das sistemticas para
Identificao, Anlise dos Riscos de Projeto e Avaliao do Nvel de Confiana. Por
motivo de confidencialidade, os nomes das empresas no sero reais e em alguns
casos ocorreram alteraes em valores financeiros.
93
da
NMS
garantir
que
todos
os
sites
estaro
de
OCR
da
e
UK
(Pases do Reino
tratamento
de
imagens,
Unido), dos
sero
de
94
Para a NMS, o mundo Open System (Sistemas abertos UNIX e Windows) uma
realidade competitiva da qual ela no poder fugir; porm, a mudana das
95
Transferir,
portar
e/ou
reescrever
os
Relatrios
Estatsticos
Fase 2:
x
96
O Escritrio Central e duas filiais sero utilizados para os testes de aceitao. Todas
as 7 filiais devero estar instaladas durante os testes de aceitao e prontas para
entrar em produo no final da Fase 1.
Os principais requerimentos constantes na documentao do projeto esto
sumarizados a seguir:
1. Descentralizar a produo do Escritrio Central para as Filiais Cada
Filial dever ter completa responsabilidade pelo projeto, desenvolvimento
e produo das necessidades especficas dos clientes.
2. Implementar uma Rede Local e Global na Arquitetura Cliente/Servidor
Entre a NMS e seus clientes dever ser implementada uma arquitetura
que combine VAN (Value Added Network) com WAN (Wide Area Network)
e LAN (Local Area Network). O NMP (Network Management Protocol) a
ser utilizado dever permitir o gerenciamento e monitoramento de todos
os dispositivos conectados nesta arquitetura.
3. Um total de 2.550 programas dever ser portado para a nova base de
processamento. Cerca de 5.100 programas devero ser reescritos para a
nova base de processamento.
4. A migrao de dados envolver 3.200 arquivos com um total de 153.000
Mbytes.
5. Novas aplicaes devero ser desenvolvidas para os equipamentos de
OCR e tratamento de imagens.
6. Treinamentos formais devero ser ministrados para o pessoal de suporte,
usurios e pessoal operacional envolvendo UNIX, novos sistemas,
administrao de redes, operao etc
97
4.1.2 A Sistemtica
98
99
100
101
102
103
104
Um exemplo dessa avaliao pode ser visto na Figura 4.12, onde grau do
risco potencial analisado foi Alto. As aes que foram desenvolvidas
como respostas para cada risco potencial, em funo da classificao
encontrada, seguiram o descrito no captulo 3.
105
O resultado final das avaliaes dos riscos potenciais foi transcrito para a
planilha Riscos Potenciais Resumo ficando documentado como mostra
a Figura 4.13.
Essa foi a sistemtica que a NMS Inc utilizou para identificar e fazer a anlise
qualitativa dos riscos do seu maior projeto.
106
Nessa empresa, como acontece com a maioria das empresas multinacionais na rea
de commodity, os scios em cada empreendimento so concorrentes no mercado
mundial e mesmo os participantes do conselho de administrao tm interesses
conflitantes com relao aos investimentos que sero efetuados.
O projeto para implantao da nova unidade produtora no norte do pas foi estimado
preliminarmente em US$ 800 milhes, com o objetivo de aumentar a capacidade
produtora de 1,4 mtpa para 3 mtpa (milhes de toneladas por ano).
A contratao do IPA foi uma imposio dos acionistas devido ao fato dele ter se
tornado uma referncia na avaliao de projetos exatamente pela sua atuao
independente. O IPA utiliza neste tipo de trabalho uma metodologia prpria
denominada PES-Project Evaluation System, que tem como base um modelo
estatstico construdo a partir de um banco de dados prprio de informaes de
projetos, obtidas ao redor do mundo. No tpico especfico para avaliao do projeto,
utilizado um processo denominado FEL-Front End Loading.
O FEL-Front End Loading o processo pelo qual uma empresa desenvolve uma
definio detalhada do escopo de um projeto que satisfaa aos objetivos do negcio.
107
4.2.2 A Sistemtica
108
109
110
111
112
113
114
115
116
117
118
5.3 RECOMENDAES
119
120
Dwight Eisenhower foi o presidente dos Estados Unidos da Amrica durante a Segunda Guerra
Mundial. Sua frase original foi: In preparing for battle I have always found that plans are useless,
but planning is indispensable.
121
6 CONCLUSO
122
123
124
REFERNCIAS BIBLIOGRFICAS
AMARAL, Joo Alberto Arantes do; SBRAGIO, Ricardo. A dinmica do projeto: uma
viso sistmica das conseqncias de aes gerenciais. So Paulo: Scortecci, 2003.
104 p.
ANDERSON, David R.; SWEENEY, Dennis J.; WILLIAMS, Thomas A. Estatstica
aplicada administrao e economia. Traduo da 2. ed. norte-americana Luiz
Srgio de Castro Paiva. So Paulo: Pioneira Thomson Learning, 2002. 641 p.
______. An introduction to management science: quantitative approaches to decision
making. 10th ed. Mason: South-WesternThomson Learning, 2003. 881 p.
BARTON, Thomas L.; SHENKIR, Willian G.; WALKER, Paul L. Making enterprise risk
management pay off: how leading companies implement risk management. New
Jersey: Financial Times Prentice Hall, 2002. 272 p.
BRNI, Duilio de Avila. Teoria dos jogos: jogos de estratgia, estratgia decisria,
teoria da deciso. Rio de Janeiro: Reichmann & Affonso, 2004. 138 p.
BERNSTEIN, Peter L. Desafio aos deuses: a fascinante histria do risco. Traduo de
Ivo Korytowski. 9. ed. Rio de Janeiro: Campus, 1997. 340 p.
BRYAN, Lowell L. Just-in-time strategy for a turbulent world. New York: The
McKinsey Quarterly, 2002, p.17-27. Special edition: Risk and resilience.
CLEMONS, Eric K. Past experience points the way to the future. Financial Times :
Mastering Uncertainty, Mar. 16 2006. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 maio 2006.
COOPER, Dale F. et al. Project risk management guidelines: managing risk in large
projects and complex procurements. Chichester, UK: John Wiley and Sons, 2005. 401 p.
CRYSTAL Ball 2000.2: user manual. Denver: Decisioneering, 1988-2001. 412 p.
DEL CAO, Alfredo; DE LA CRUZ, M. Pilar. Integrated methodology for project risk
management. Journal of Construction Engineering and Management, p. 473-485,
Nov./Dec. 2002.
125
DOBSON, Paul; DONKIN, Richard. When alarm bells ring. Financial Times : Mastering
Uncertainty, Apr. 6, 2006. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 maio 2006.
EPPEN, G. D. et al. Monte Carlo simulation. In: ____. Introductory management
science: decision modeling with spreadsheets. 5th ed. New Jersey: Prentice Hall, 2000.
cap. 11, p. 506-572.
EVANS, James R.; OLSON, David L. Introduction to simulation and risk analysis.
2nd ed. Upper Saddle River: Prentice Hall, 2002. 387 p.
FLEMING, Quentin W.; KOPPELMAN, Joel M. Earned value project management.
Upper Darby: PMI, 1996. 141 p.
FONSECA, Eduardo Giannetti da. Auto-Engano. So Paulo: Companhia das Letras,
1997. 270 p.
GOFFEE, Rob. Turn on, tune in and sense the way ahead. Financial Times : Mastering
Uncertainty, Mar. 23, 2006. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 maio 2006.
GOLDMAN, Lawrence. Risk analysis and Monte Carlo simulation. Decisioneering,
2000. Disponvel em: <http://www.crystalball.com/newsletters/>. Acesso em: 09 dez.
2005.
GONALVES, Almir Rogrio. Uma anlise jurdica do estudo e gerenciamento dos
riscos envolvidos na atividade financeira e seu tratamento atual no Brasil. Revista de
Direito Mercantil, So Paulo, n. 128, p. 101-121, out./dez. 2002.
GOODPASTURE, John C. Quantitative methods in project management. Boca
Raton: J. Ross, 2004. 268 p.
GRAVES, Roger. Qualitative risk assessment. PM Network: the professional magazine
of the PMI, v. 14, n. 10, p. 61-66, Oct. 2000.
GREY, Stephen. Practical risk assessment for project management. Chichester,
UK: John Wiley & Sons, 2003. 135 p. (Wiley series in software engineering practice)
GROENENDAAL, Huybert; VOSE, David. Did you loathe statistics too? In: CRYSTAL
BALL USER CONFERENCE, 2004. Proceedings... 2004. p. 1-8.
126
127
KHKNEN, Kalle; ARTTO, Karlos. Balancing project risks and opportunities. In:
PROJECT MANAGEMENT INSTITUTE ANNUAL SEMINARS & SYMPOSIUM, 2000,
Houston. Proceedings... Houston, 2000.
KAHNEMAN, Daniel; TVERSKY, Amos. Prospect theory: an analysis of decision under
risk. Econometrica, v. 47, n. 2, p. 263-292, Mar.1979.
KELLY, Eamonn; WEBER, Steve. A delicate balance between risk and reward.
Financial Times : Mastering Risk, Sept. 8 2005. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 May 2006.
KENDRICK, Tom. Identifying and managing project risk: essential tools for failureproofing your project. New York: American Management, 2003. 354 p.
KERZNER, Harold. Project management: a systems approach to planning, scheduling,
and controlling. 6th ed. New York: John Wiley & Sons, 1998. 1180 p.
KINDINGER, John P.; DARBY, John L. Risk factor analysis: a new qualitative risk
management tool. In: PROJECT MANAGEMENT INSTITUTE ANNUAL SEMINARS &
SYMPOSIUM, 2000, Houston. Proceedings Houston, 2000. p. 1-5.
KNUDSON, Joan; BITZ, Ira. Project management. New York: AMACOM Books, 1991.
163 p.
LEACH, Patrick. Why cant you just give me the number?: an executives guide to
using probabilistic thinking to manage risk and make better decision. Gainesville, FL:
Probabilistic Publishing, 2006. 197 p.
LIKIERMAN, Sir Andrew. Assessing risk is key to good performance . Financial Times:
Mastering Risk, Sept. 22 2005. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 maio 2006.
LOCH, Christoph et al. Step into the unknown . Financial Times: Mastering Uncertainty,
Mar. 23 2006. Disponvel em: <http://financialtimes.printthis.clickability.com/pt/>. Acesso
em: 02 maio 2006.
MANAGEMENT & INFORMATION TECHNOLOGY CONSULTANTS. Risk
management interactive process: user guide. [s.l.]: Mit Consultants, [19-]. 24 p.
MANDELBROT, Benoit; TALEB, Nassim. A focus on the exceptions that prove the rule.
Financial Times: Mastering Uncertainty, Mar. 23 2006. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 maio 2006.
128
METROPOLIS, N. The beginning of the Monte Carlo method. Los Alamos Science, p.
125-130, 1987. Special Issue.
MIGUEL, Antnio. Gesto do risco e da qualidade no desenvolvimento de software.
Lisboa: FCA, 2002. 438 p.
MSF risk management discipline v.1.1. USA: Microsoft Corporation, 2002. 54 p. (White
paper, June 2002). Disponvel em: <http://www.microsoft.com/msf>. Acesso em: 05
maio 2006.
PHELPS, Robert; MELLOR, Niki. An integrated approach to managing risk. Financial
Times : Mastering Risk, Sept. 30 2005. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 maio 2006.
PROJECT MANAGEMENT INSTITUTE. Combined standards glossary. 2nd ed.
Newtown Square: PMI, 2005. 68 p.
______. Um guia do conjunto de conhecimentos em gerenciamento de projetos:
Guia PMBOK. 3. ed. Newtown Square: PMI, 2004. 388 p.
______. Practice standard for earned value management. Newtown Square: PMI,
2005. 51 p.
______. Practice standard for work breakdown structures. Newtown Square: PMI,
2001. 80 p.
RAGSDALE, Cliff T. Spreadsheet modeling and decision analysis: a practical
introduction to management science. 3th ed. Cincinnati: South-Western College
Publishing, 2001. 794 p.
REYCK, Bert de. Tools to keep projects on the rails. Financial Times : Mastering Risk,
Sept. 8 2005 .Disponvel em: <http://financialtimes.printthis.clickability.com/pt/>. Acesso
em: 02 maio 2006.
RISK analysis overview. Denver: Decioneering, 2000-2005. 7 p. Disponvel em: http. //
www.decisionnering.com. Acesso em: 25 maio 2006.
ROSENZWEIG, Phil. The fruitless search for certainty. Financial Times : Mastering
Uncertainty, Apr. 6 2006. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 maio 2006.
129
130
WIDEMAN, R Max (Ed.). Project and program risk management: a guide to managing
project risks and opportunities. Newtown Square: PMI, 1992. (The PMBOX handbook
series, v. 6)
WYSOCKI, Robert K.; MCGARY, Rudd. Effective project management: traditional,
adaptive and extreme. 3th ed. New Jersey: John Wiley & Sons , 2003. 300 p.
YATES, J. Frank. Decision management: how to assure better decisions in your
company. San Francisco: John Wiley & Sons, 2003. 253 p. (University of Michigan
Business School management series)
131
Prdio 030
Crystal Ball Report - Full
Simulation started on 7/17/2006 at 20:02:58
Simulation stopped on 7/17/2006 at 20:03:08
Run preferences:
Number of trials run
Monte Carlo
Seed
Precision control on
Confidence level
95,00%
Run statistics:
Total running time (sec)
Trials/second (average)
Random numbers per sec
5552,01
1
11
4.000
999
15
0
0
0
6
Page 1
Prdio 030
Forecasts
Worksheet: [DIGESTION-030.xls]Prdio-1
Forecast: 030
Cell: D59
Summary:
Certainty level is 52.52%
Certainty range is from -Infinito to 38,933,956.27
Entire range is from 36,544,305.61 to 41,546,566.54
Base case is 38,911,434.45
After 4,000 trials, the std. error of the mean is 13,210.16
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Minimum
Maximum
Range Width
Mean Std. Error
Forecast values
4.000
38.933.956,27
38.877.058,21
--835.483,84
698.033.242.422,79
0,19906
2,53
0,02146
36.544.305,61
41.546.566,54
5.002.260,93
13.210,16
Page 2
Prdio 030
Forecast: 030 (cont'd)
Percentiles:
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Cell: D59
Forecast values
36.544.305,61
37.859.075,17
38.184.706,14
38.438.250,99
38.663.361,49
38.877.058,21
39.124.318,82
39.380.084,13
39.697.454,34
40.058.658,02
41.546.566,54
Page 3
Prdio 030
Forecast: Custo - Civil
Cell: D55
Summary:
Entire range is from 335,031.62 to 373,574.41
Base case is 356,431.71
After 4,000 trials, the std. error of the mean is 115.29
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Minimum
Maximum
Range Width
Mean Std. Error
Forecast values
4.000
356.477,01
357.525,17
--7.291,31
53.163.209,17
-0,39885
2,46
0,02045
335.031,62
373.574,41
38.542,79
115,29
Page 4
Prdio 030
Forecast: Custo - Civil (cont'd)
Percentiles:
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Cell: D55
Forecast values
335.031,62
345.991,88
349.672,96
352.672,28
355.220,54
357.525,17
359.337,35
361.138,49
363.027,59
365.327,94
373.574,41
Page 5
Prdio 030
Forecast: Custo - Eltrica
Cell: G55
Summary:
Entire range is from 479,752.08 to 528,538.59
Base case is 499,787.25
After 4,000 trials, the std. error of the mean is 124.53
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Minimum
Maximum
Range Width
Mean Std. Error
Forecast values
4.000
499.618,86
499.077,78
--7.876,12
62.033.278,57
0,32080
2,85
0,01576
479.752,08
528.538,59
48.786,52
124,53
Page 6
Prdio 030
Forecast: Custo - Eltrica (cont'd)
Percentiles:
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Cell: G55
Forecast values
479.752,08
489.628,26
492.687,03
494.987,68
497.128,68
499.077,78
501.194,08
503.365,60
506.421,29
510.199,74
528.538,59
Page 7
Prdio 030
Forecast: Custo - Mecnica
Cell: F55
Summary:
Entire range is from 23,378,182.32 to 27,719,031.88
Base case is 25,343,212.38
After 4,000 trials, the std. error of the mean is 12,611.27
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Minimum
Maximum
Range Width
Mean Std. Error
Forecast values
4.000
25.360.759,87
25.298.804,43
--797.606,54
636.176.185.743,22
0,23308
2,46
0,03145
23.378.182,32
27.719.031,88
4.340.849,56
12.611,27
Page 8
Prdio 030
Forecast: Custo - Mecnica (cont'd)
Percentiles:
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Cell: F55
Forecast values
23.378.182,32
24.333.189,47
24.639.463,22
24.874.625,49
25.087.702,79
25.298.804,43
25.532.119,78
25.776.626,78
26.096.089,29
26.480.815,60
27.719.031,88
Page 9
Prdio 030
Forecast: Custo - Tubulao
Cell: H55
Summary:
Entire range is from 7,886,570.86 to 9,304,106.06
Base case is 8,544,843.66
After 4,000 trials, the std. error of the mean is 3,771.50
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Minimum
Maximum
Range Width
Mean Std. Error
Forecast values
4.000
8.549.425,33
8.544.394,14
--238.530,58
56.896.835.505,37
0,08654
2,71
0,02790
7.886.570,86
9.304.106,06
1.417.535,21
3.771,50
Page 10
Prdio 030
Forecast: Custo - Tubulao (cont'd)
Percentiles:
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Cell: H55
Forecast values
7.886.570,86
8.240.511,48
8.342.227,52
8.415.674,23
8.483.971,04
8.544.394,14
8.608.524,04
8.677.720,94
8.753.332,70
8.866.762,00
9.304.106,06
Page 11
Prdio 030
Forecast: Metlica - Custos
Cell: E55
Summary:
Entire range is from 3,991,518.62 to 4,413,823.26
Base case is 4,167,159.45
After 4,000 trials, the std. error of the mean is 1,151.61
Statistics:
Trials
Mean
Median
Mode
Standard Deviation
Variance
Skewness
Kurtosis
Coeff. of Variability
Minimum
Maximum
Range Width
Mean Std. Error
Forecast values
4.000
4.167.675,20
4.160.288,47
--72.834,01
5.304.792.339,32
0,34773
2,54
0,01748
3.991.518,62
4.413.823,26
422.304,63
1.151,61
Page 12
Prdio 030
Forecast: Metlica - Custos (cont'd)
Percentiles:
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Cell: E55
Forecast values
3.991.518,62
4.076.749,76
4.101.879,56
4.121.576,71
4.141.192,54
4.160.288,47
4.181.561,00
4.203.859,74
4.233.699,17
4.270.838,94
4.413.823,26
End of Forecasts
Page 13
Prdio 030
Assumptions
Worksheet: [DIGESTION-030.xls]Prdio-1
Assumption: Civil - Custo de Montagem
Triangular distribution with parameters:
Minimum
Likeliest
Maximum
Cell: D53
213,61
237,34
242,09
(=D44)
(=D46)
(=D48)
Cell: D52
88,63
93,29
95,16
(=D36)
(=D38)
(=D40)
Cell: D51
1.095
1.095
1.117
Page 14
(=D28)
(=D30)
(=D32)
Prdio 030
Assumption: Civil - Quantidades (cont'd)
Cell: D51
Cell: G52
4,44
4,68
4,77
(=G36)
(=G38)
(=G40)
Cell: G53
7,87
8,03
8,43
Page 15
(=G44)
(=G46)
(=G48)
Prdio 030
Cell: G51
38.593
38.593
40.522
(=G28)
(=G30)
(=G32)
Cell: F52
16.937,39
17.828,84
19.611,72
(=F36)
(=F38)
(=F40)
Cell: F53
1.031,98
1.086,29
1.108,02
Page 16
(=F44)
(=F46)
(=F48)
Prdio 030
Cell: F51
1.285
1.311
1.364
(=F28)
(=F30)
(=F32)
Cell: E52
2,07
2,11
2,32
(=E36)
(=E38)
(=E40)
Cell: E53
1,35
1,42
1,46
Page 17
(=E44)
(=E46)
(=E48)
Prdio 030
Cell: E51
1.157.184
1.157.185
1.180.329
(=E28)
(=E30)
(=E32)
Cell: H52
4,91
5,17
5,69
(=H36)
(=H38)
(=H40)
Cell: H53
3,38
3,55
3,63
Page 18
(=H44)
(=H46)
(=H48)
Prdio 030
Cell: H51
925.288
973.987
1.022.687
End of Assumptions
Page 19
(=H28)
(=H30)
(=H32)