LUIZ HENRIQUE TADEU RIBEIRO PEDROSO

UMA SISTEMTICA PARA A IDENTIFICAO, ANLISE

QUALITATIVA E ANLISE QUANTITATIVA DOS RISCOS EM
PROJETOS

So Paulo
2007

LUIZ HENRIQUE TADEU RIBEIRO PEDROSO

UMA SISTEMTICA PARA A IDENTIFICAO, ANLISE

QUALITATIVA E ANLISE QUANTITATIVA DOS RISCOS EM
PROJETOS

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

Este exemplar foi revisado e alterado em relao verso original, sob

responsabilidade nica do autor e com a anuncia de seu orientador.
So Paulo,

de abril de 2007.

Assinatura do autor ____________________________

Assinatura do orientador _______________________

FICHA CATALOGRFICA

Pedroso, Luiz Henrique Tadeu Ribeiro

Uma sistemtica para a identificao, anlise qualitativa e
anlise quantitativa dos riscos em projetos / L.H.T.R. Pedroso.
ed,ver. -- So Paulo, 2007.
110 p.
Dissertao (Mestrado) - Escola Politcnica da Universidade
de So Paulo. Departamento de Engenharia Naval e Ocenica.
1.Administrao de risco 2.Projetos 3.Anlise de deciso
4.Mtodo de Monte Carlo (Simulao) I.Universidade de So
Paulo. Escola Politcnica. Departamento de Engenharia Naval e
Ocenica II.t.

 minha esposa Magaly, aos meus filhos

Raquel e Daniel, pelo apoio permanente.
A memria dos meus pais Lucia e Lazaro.

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

Identificar o maior nmero possvel de riscos nos projetos, prioriz-los e quantificar

seus impactos, so os processos centrais para o um bom gerenciamento dos riscos
nos projetos. A execuo destes processos permite determinar o nvel de confiana
que existe para se atingir os objetivos do projeto. Sendo assim o resultado deste
trabalho foi apresentar uma sistemtica visando medir o nvel de confiana nas
vrias decises que so tomadas durante a vida do projeto e tambm uma
sistemtica abrangente de identificao, anlise qualitativa (priorizao) e anlise
quantitativa dos riscos. Como principal ferramenta nestas sistemticas utilizou-se a
Simulao de Monte-Carlo para determinar o nvel de confiana nas decises
tomadas. Estas sistemticas foram testadas em vrias empresas dos setores de
Informtica, Petroqumica e Bens de Capital, sendo que alguns destes modelos
foram utilizados para demonstrar sua aplicao. Um dos resultados importantes
obtidos foi a determinao do valor do fundo de contingncia para os projetos de
bens de capital que esto sujeitos auditoria do IPA-Independent Project Analysis.
Palavras-Chave: Riscos em Projetos. Gerenciamento de Riscos. Anlise de Deciso.
Simulao de Monte-Carlo.

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

Figura 2.1 - Processos do gerenciamento de riscos .............................................

31

Figura 2.2 - Modelo genrico de RBS....................................................................

36

Figura 2.3 - Objetivos do gerenciamento de projeto..............................................

37

Figura 2.4 - Exemplo de forma qualitativa e quantitativa de mensurao dos

riscos ...................................................................................................

41

Figura 2.5 - Exemplo do impacto de um risco sobre os objetivos do projeto ........

43

Figura 2.6 - Exemplo da Matriz de Impacto dos Riscos ........................................

43

Figura 2.7 - Exemplo de Curva de Distribuio Acumulada de Probabilidades....

49

Figura 2.8 - Representao do EV na forma discreta ...........................................

50

Figura 2.9 - Exemplo de uma Payoff Table ...........................................................

52

Figura 2.10 - Exemplo de rvore de Deciso .......................................................

52

Figura 2.11 - Exemplo de uma varivel de entrada da simulao ........................

58

Figura 2.12 - Curva de Distribuio Acumulada de Probabilidades ......................

59

Figura 2.13 - Exemplo de Intervalo de Confiana..................................................

60

Figura 3.1 - Documentao dos riscos

...............................................................

67

Figura 3.2 - Documentao dos riscos causas...................................................

67

Figura 3.3 - Estrutura de gerenciamento dos riscos..............................................

69

Figura 3.4 - Risco de Vulnerabilidade Avaliao ................................................

70

Figura 3.5 - Modelo de preenchimento dos riscos de vulnerabilidade ..................

71

Figura 3.6 - Risco de Vulnerabilidade Resumo ..................................................

72

Figura 3.7 - Tercis do Risco de Vulnerabilidade ....................................................

72

Figura 3.8 - Avaliao do risco de vulnerabilidade ................................................

73

Figura 3.9 - Totalizao dos riscos de vulnerabilidade..........................................

73

Figura 3.10 - Fator de Vulnerabilidade ..................................................................

74

Figura 3.11 - Documentao das aes sobre as causas dos riscos ...................

75

Figura 3.12 - Riscos Potenciais Resumo............................................................

76

Figura 3.13 - Riscos Potenciais Avaliao..........................................................

76

Figura 3.14 - Matriz de Probabilidade e Impacto de Risco....................................

77

Figura 3.15 - Classe do risco potencial..................................................................

77

Figura 3.16 - Aes sobre os riscos potenciais .....................................................

78

Figura 3.17 - Galeria de curvas de distribuio - PDF...........................................

81

Figura 3.18 - Modelo de planilha de cadastramento de obra ................................

83

Figura 3.19 - Lista para avaliao da civil..............................................................

84

Figura 3.20 - Modelo de cadastramento de obra para simulao .........................

85

Figura 3.21 - Exemplo de obra valorada para a simulao ...................................

86

Figura 3.22 - Modelo de avaliao do Fsico da obra ..........................................

87

Figura 3.23 - Exemplo de distribuio triangular para o Fsico............................

88

Figura 3.24 - Modelo de avaliao do Fornecimento e Montagem ...................

89

Figura 3.25 - Exemplo de distribuio triangular para o Fornecimento ...............

89

Figura 3.26 - Exemplo de distribuio triangular para a Montagem ....................

90

Figura 3.27 - Curva de distribuio acumulada dos custos da civil.......................

90

Figura 3.28 - Curva de distribuio acumulada de todos os custos da obra ........

91

Figura 4.1 - WBS do projeto NMS..........................................................................

92

Figura 4.2 - WBS de controle.................................................................................

93

Figura 4.3 - Cadastro de um risco do projeto ........................................................

98

Figura 4.4 - RBS utilizada na identificao das causas dos riscos .......................

99

Figura 4.5 - Exemplo de documentao das causas dos riscos ...........................

99

Figura 4.6 - Cadastramento dos riscos de vulnerabilidade ................................... 100

Figura 4.7 - Pontuao mxima dos riscos de vulnerabilidade ............................. 100
Figura 4.8 - Avaliao dos riscos de vulnerabilidade ............................................ 101
Figura 4.9 - Determinao do Fator de Vulnerabilidade........................................ 102
Figura 4.10 - Exemplo de documentao dos riscos potenciais ........................... 103
Figura 4.11 - Documentao das causas dos riscos potenciais ........................... 104
Figura 4.12 - Classificao do risco potencial ....................................................... 105
Figura 4.13 - Documentao da avaliao dos riscos........................................... 105
Figura 4.14 - Oramento de todos os prdios ....................................................... 108
Figura 4.15 - Modelo para cadastramento dos prdios ......................................... 109
Figura 4.16 - Modelo de cadastramento dos prdios com reavaliao................. 109
Figura 4.17 - Exemplo de lista de verificao ........................................................ 110
Figura 4.18 - Avaliao do oramento quantitativo ............................................... 110
Figura 4.19 - Exemplo de um prdio totalmente avaliado ..................................... 112
Figura 4.20 - PDF dos custos do Prdio 030......................................................... 113
Figura 4.21 - Percentil dos custos acumulados do Prdio 030 ............................. 113
Figura 4.22 - Resultado acumulado de todos os prdios ...................................... 114

LISTA DE ABREVIATURAS E SIGLAS

AHP

Analytic Hierarchy Process

EAP

Estrutura Analtica do Projeto

EAR

Estrutura Analtica dos Riscos

EMV

Expected Monetary Value

ERM

Enterprise Risk Management

EV

Expected Value / Valor Esperado

FEL

Front End Loading

IPA

Independent Project Analysis

IPM

Integrated Project Management

IPMA

International Project Management Association

PDF

Probability Distribution Function

PES
PMBOK

Project Evaluation System

Um Guia do Conjunto de Conhecimento em

Gerenciamento de Projeto

PMI

Project Management Institute

RBS

Risk Breakdown Structure

RMIP

Risk Management Interactive Process

WBS

Working Breakdown Structure

SUMRIO
1 INTRODUO ................................................................................

12

1.1 CONTEXTO DO TRABALHO ...............................................................

12

1.2 CARACTERIZAO DO PROBLEMA..................................................

15

1.3 OBJETIVO DO TRABALHO .................................................................

22

1.4 ORGANIZAO DO TRABALHO.........................................................

22

2 CONCEITOS DE GERENCIAMENTO DE RISCO E ANLISE DE

DECISO........................................................................................

24

2.1 RISCO DE PROJETO ..................................................................................

24

2.2 GERENCIAMENTO DE RISCOS EM PROJETOS ...............................

28

2.3 ASPECTOS IMPORTANTES RELATIVOS AO GERENCIAMENTO

DE RISCOS EM PROJETOS ..............................................................

31

2.4 PRINCIPAIS PROCESSOS DO GERENCIAMENTO DE RISCOS.......

36

2.4.1 A Identificao dos Riscos ........................................................................

36

2.4.2 A Anlise Qualitativa dos Riscos ..............................................................

40

2.4.3 A Anlise Quantitativa dos Riscos............................................................

44

2.5 A ANLISE DE DECISO ....................................................................

45

2.5.1 Simulao ....................................................................................................

53

3 PROPOSTA DE SISTEMTICA PARA AVALIAO DE RISCOS

62

3.1 ANLISE DOS RISCOS .......................................................................

63

3.1.1 Identificao dos Riscos ............................................................................

64

3.2.1 Anlise Qualitativa dos Riscos..................................................................

68

3.1.2.1 Riscos de Vulnerabilidade..........................................................................

69

3.1.2.2 Riscos Potenciais .......................................................................................

75

3.2 ANLISE DO NVEL DE CONFIANA .................................................

80

3.2.1 O Modelo ......................................................................................................

80

4 A APLICAO EM CASOS REAIS................................................

92

4.1 UMA EMPRESA NA REA DE TECNOLOGIA ....................................

92

4.1.1 Uma Viso do Escopo da Soluo ............................................................

94

4.1.2 A Sistemtica...............................................................................................

97

4.2 UMA EMPRESA NA REA DE COMMODITY...................................... 106

4.2.1 Uma Viso do Escopo da Soluo ............................................................ 106
4.2.2 A Sistemtica............................................................................................... 107

5 ANLISE DOS RESULTADOS ...................................................... 116

5.1 IDENTIFICAO E ANLISE QUALITATIVA DOS RISCOS ............... 116
5.2 ANLISE DE DECISO ....................................................................... 117
5.3 RECOMENDAES ............................................................................ 118

6 CONCLUSO.................................................................................. 121
REFERNCIAS BIBLIOGRFICAS ................................................. 124
APNDICE A...................................................................................... 131

12

1 INTRODUO

1.1 CONTEXTO DO TRABALHO

A crescente competitividade entre as empresas na disputa por um mercado

globalizado impe exigncias, cada vez maiores, sobre as reas responsveis pelo
desenvolvimento de novos produtos, servios, ou empreendimentos de carter
interno ou externo. Para lidar com demandas mais restritivas e exigentes em termos
de prazo, custo e qualidade, as empresas tm revisto suas estruturas e seus
processos internos como forma de assegurar o sucesso desses empreendimentos.
Neste sentido, vem sendo observada uma crescente implantao de novas prticas,
tcnicas, processos e metodologias, associadas disciplina que se convencionou
chamar de Gerenciamento de Projetos.
Segundo Kerzner (1998), foi durante os anos 70 e 80 que mais e mais empresas
passaram a utilizar, de forma estruturada, os processos de gerenciamento de
projetos, principalmente por causa das dimenses e complexidade que os projetos
comearam a ter.
Reyck (2005) constatou o rpido crescimento no uso das tcnicas de gerenciamento
de projeto pelas empresas em geral, como forma de atingir seus objetivos, e tambm
que as filiaes s associaes de gerenciamento de projetos, tais como o PMI
(Project Management Institute) e o IPMA (International Project Management
Association) esto experimentando um crescimento exponencial. Segundo o autor, a
Microsoft informou que j possui mais de 5 milhes de usurios do seu software de
gerenciamento de projeto em todo o mundo.
Porm, todo esse crescimento no se refletiu em uma melhoria na taxa de sucesso
dos projetos. Reyck (2005) cita que em 2004 o Standish Group1 relatou que somente
29% dos projetos na rea de informtica foram considerados um sucesso, sendo
que a maioria ultrapassou os custos e prazos previstos. Com relao aos custos,

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

Management)3, procuraram aprimorar a definio de projeto, pois consideravam

incompleta a definio dada pelo PMI. O IPM define um projeto como uma
seqncia nica de atividades que tem um incio, um resultado preciso e
mensurvel, que requer um esforo cooperativo de uma quantidade de pessoas
durante um tempo, e que gerenciado por uma pessoa.
O aspecto relevante que se encontra em comum nessas definies a concordncia
com relao caracterizao de projeto como sendo nico, singular, que nunca foi
2

PMI Project Management Institute o autor do livro Um Guia do Conjunto de Conhecimentos em

Gerenciamento de Projetos: Guia PMBOK , que uma referncia na rea de Gerenciamento de

Projetos.
3
HALL, Earl; JOHNSON, Juliane. Integrated Project Management. USA: Prentice Hall, 2002. 272 p.

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

1.2 CARACTERIZAO DO PROBLEMA

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

Como apropriadamente indagou Schuyler (1996, p. 1):

Existe algo mais importante em um projeto do que tomar ou levar boas
decises para serem tomadas? Esta uma das habilidades que certamente
esto no topo da lista das necessidades bsicas de um Gerente de Projeto,
mesmo que poucos tenham tido um treinamento formal para a tomada de
deciso. A Anlise de Deciso a disciplina que ajuda os Gerentes de
Projetos a escolherem, sabiamente, alternativas sob condies de
incerteza.6

A incerteza e o nvel de risco encontrados nos projetos tornam difcil, seno

impossvel, determinar o que acontecer no futuro. Mas uma estratgia para ajudar a
empresa a obter vantagens das oportunidades que podero surgir sem correr riscos
desnecessrios fundamental.
Bryan (2002), ao analisar como est o processo de tomada de deciso nas
empresas, verificou que a forma clssica de elaborar uma estratgia corporativa
inicia-se com a seguinte presuno: com suficiente rigor analtico e uma adequada
avaliao das probabilidades, estrategistas podem pavimentar um caminho
previsvel para o futuro com base no que ocorreu no passado. Hoje, esse
pensamento poder levar a empresa ao insucesso, pois o passado somente mais
uma das variveis que devem ser consideradas no momento da tomada de deciso.
Incerteza uma parte inseparvel da tomada de deciso, assim como uma parte
intrnseca da vida do gerente de projeto. Para melhorar sua chance de sucesso, o
gerente de projeto precisa ampliar sua flexibilidade; isto requer uma habilidade para
destruir o conhecimento obsoleto que serve de ncora ao passado.6 (HOLAN, 2006,
p. 1).
Esse novo ambiente de negcios foi mencionado por Srhneier e Mirroli (1998, p.1)
como uma preocupao sria que as empresas esto comeando a ter com o
gerenciamento de riscos de forma geral.
Os altos executivos vm andando cada vez mais na corda bamba. Os
investidores pagam um prmio para a empresa que melhor souber lidar com
o risco, mas correr esse risco pode faz-la cair de joelhos, porque ele s faz
crescer com o mercado globalizado, que trouxe mais complexidade e
aumentou as chances de as coisas darem errado.

Gonalves (2002, p. 103) lembra:

Temos assistido, nos ltimos anos, sobretudo na rea financeira, o avano
dos estudos e do gerenciamento dos mais diversos riscos. Isto se deve
sobretudo aos fenmenos das grandes quebras de instituies, financeiras

Traduo Prpria.

17

ou no, at ento consideradas slidas e que geraram prejuzos

incalculveis aos seus acionistas e em alguns casos a toda a sociedade.

Como exemplos marcantes destes acontecimentos, Gonalves (2002) cita os casos

da falncia do Banco Barings (1995, na Inglaterra) e das vultosas perdas do Banco
Daiwa em operaes com ttulos do governo americano.
Alm destes casos, as quebras das empresas Enron, Arthur Andersen e WorldCom
levaram o governo americano a elaborar a lei Sarbanes-Oxley. Esta lei, publicada
em 2002, define Riscos de Negcio como ameaas provocadas por um evento ou
ao (interno e/ou externo) ou por conjuntos destes, afetando negativamente a
habilidade da empresa em atingir seus objetivos e suas estratgias de negcios.
Alm de definir que registros e documentos uma empresa deve arquivar e por
quanto tempo, a lei tambm colocou novas responsabilidades sobre os principais
executivos das empresas, exigindo maior controle sobre os riscos financeiros. Os
acordos Basilia I e II determinaram padres e procedimentos para anlise contbil
das empresas.
Com essas novas regras e controles externos sobre as empresas, as conseqncias
de projetos mal conduzidos, ou que acarretem grandes prejuzos, podem colocar a
empresa em uma situao delicada perante o mercado e as instituies de controle.
Algum tempo atrs bastava contingenciar, nas propostas, todos os riscos
conhecidos, que os problemas estavam resolvidos. Hoje, essa atitude, em um
mercado globalizado e competitivo, com certeza aumentar a chance de se perder o
negcio. Por outro lado, o no contingenciamento dos riscos certamente far a
empresa ganhar um grande problema.
O que Srhneier e Mirroli (1998) questionam : Como se equilibrar, ou melhor,
sobreviver nesse mundo novo?
Uma das formas de ao a que um grande nmero de empresas est recorrendo o
financiamento do risco fazendo provises contra possveis perdas, seguros, hedge
cambial7 etc. Este um tipo de estratgia que apresenta alguns problemas:
- passiva (se preocupa com as conseqncias e no ataca as causas);

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

- Coloca o foco da atuao sobre alguns riscos apenas (no procura

identificar todas as ameaas s quais o projeto est exposto) e;
- No se preocupa diretamente com o sucesso do projeto, procurando
apenas proteo contra as conseqncias futuras da ocorrncia dos
riscos.
Smith e Merritt (2002) observaram como o gerenciamento dos riscos de projeto
nas empresas e perceberam que algumas parecem lidar melhor com o risco do que
outras e que dentro das prprias empresas encontram-se projetos muito bem
sucedidos no gerenciamento dos riscos e outros nem tanto. Na verdade, quando
procuraram analisar as causas destas discrepncias, descobriram que no existiam
quaisquer processos para tomada de deciso perante os riscos e sim decises
baseadas no que as empresas podiam ou no suportar, o que, naturalmente, em
algumas situaes, levavam o projeto ao sucesso, enquanto, em outras, levavam ao
fracasso.
Este quadro mostra que a atuao dos Gerentes de Projetos e das Empresas no
gerenciamento dos riscos, quando no est orientada ou controlada por
metodologias e processos, depender do comportamento de quem decide perante
uma situao de risco. Este comportamento poderia ser representado por uma
escala que vai do pessimista ao otimista. O problema encontrado que nestes
pontos extremos as decises no so mais tomadas racionalmente; elas so
controladas pelas emoes.
A maneira mais sensata de gerenciar um projeto no fugindo dos riscos, mas
expondo-se deliberadamente a eles. Porm, no de maneira emocional ou irracional;
ao contrrio, com cautela e deliberao. Os riscos sempre existem, no existe
atividade sem risco.
A palavra risco deriva do italiano risicare, que significa ousar. Neste sentido, o risco
uma opo e no um destino. (BERNSTEIN, 1997, p. 8). Como risco um evento
futuro, existem condies de gerenci-lo para fazer com que ele ocorra ou no.
Esta oportunidade de conhecer o que poder acontecer no futuro um dos mais
importantes marcos da evoluo de nossa sociedade, como constatou Bernstein
(1997, p. 1):

19

A idia revolucionria que define a fronteira entre os tempos modernos e o

passado o domnio do risco: a noo de que o futuro mais do que um
capricho dos deuses e de que homens e mulheres no so passivos ante a
natureza. At os seres humanos descobrirem como transpor essa fronteira,
o futuro era um espelho do passado ou o domnio obscuro de orculos e
adivinhos que detinham o monoplio sobre o conhecimento dos eventos
previstos.

O modo de se conseguir que a tomada de deciso perante os riscos nos projetos

seja feita em benefcio do projeto no permitir que as emoes comandem as
decises. Isto tem se mostrado possvel apenas com a utilizao constante de
metodologias para Gerenciamento de Riscos.
Na introduo de seu artigo sobre uma metodologia de gerenciamento integrado de
riscos, Del Cao e De la Cruz (2002, p. 473) informam que [...] a idia de que o
Gerenciamento de Riscos deveria ser uma parte importante e integral do
gerenciamento de projetos fortemente reconhecida pelas instituies lderes da
rea de gerenciamento de projetos, tais como IPMA (International Project
Management Association) e PMI (Project Management Institute) [...].8
O PMI, principalmente com as alteraes que foram efetivadas a partir da edio
2000 do PMBOK, vem dando grande nfase ao Gerenciamento de Riscos. O PMI
(2004, p. 237) define que os objetivos do gerenciamento de riscos do projeto so
aumentar a probabilidade e o impacto dos eventos positivos e diminuir a
probabilidade e o impacto dos eventos adversos ao projeto.

Esta uma das

poucas publicaes na qual os Riscos e o Gerenciamento de Riscos nos projetos

no so tratados apenas de uma forma negativa para o projeto.
Para Wideman (1992, p. I-2)
[...] de forma simples, os objetivos do gerenciamento de riscos so:
9

Identificar os fatores que podero causar impacto nos objetivos de

Escopo, Qualidade, Prazo e Custo do projeto;

Quantificar a probabilidade e o impacto de cada fator;

Criar uma referncia dos fatores no controlveis;

Mitigar os impactos influenciando os fatores controlveis.8

Nesse novo cenrio, no qual o Gerenciamento de Riscos vem se mostrando decisivo

para o sucesso dos projetos, tem-se observado um grande crescimento nas
solicitaes de auditorias externas para avaliao das prticas de gerenciamento,
principalmente de grandes projetos.
8

Traduo prpria.

20

Como exemplo dessas empresas de auditoria, pode-se citar o IPA (Independent

Project Analysis), lder no mercado de anlise quantitativa de sistemas de gesto, e
que se tornou a consultoria de destaque na auditoria e avaliao de grandes
projetos de bens de capital pelo mundo e no benchmarking de gerenciamento de
projeto. Segundo uma pesquisa desenvolvida pelo IPA Institute (2005), a utilizao
das melhores prticas apontadas fez com que 25% dos projetos tivessem custos
menores, fossem completados 20% mais rpido e operassem 15% melhor do que a
mdia da indstria. Isto proporcionou um crescimento de 22% no retorno dos
investimentos.
Um dos pontos fundamentais da anlise do IPA a avaliao do nvel de confiana
que existe no atendimento aos objetivos de custo, prazo, escopo e qualidade,
requeridos pelo projeto. Dentro desta anlise, o processo de determinao do fundo
de contingncia para suportar os riscos um dos fatores prioritrios.
Portanto, alm de uma metodologia estruturada que indique como se deve fazer
para gerenciar os riscos, necessrio contar tambm com tcnicas que permitam a
quantificao e a avaliao das incertezas ou do nvel de confiana existente nos
diversos elementos que contribuem para o atendimento dos objetivos do projeto.
Nesse sentido, a utilizao de tcnicas para medir e quantificar uma deciso sob
condies de incerteza fundamental para o sucesso de um projeto. Para isto, em
termos de ferramentas, existem no mercado vrios softwares que se propem a
automatizar a aplicao de diversas das tcnicas de anlise de deciso como
suporte ao processo de gerenciamento de riscos. Alguns destes softwares so os
seguintes:
x @RISK, da Palisade.
x Crystal Ball, da Decisioneering Inc.
x Clarity, da Computer Associates.
x Risk Radar, da ICE Integrated Computer Engineering .
+

x Risk , da C/S Solutions Inc.

No entanto, no basta apenas o conhecimento de metodologias que ditam apenas o
que se deve fazer, o conhecimento de tcnicas de anlise de deciso ou a posse de
ferramentas computacionais, para a realizao de um processo efetivo de
Gerenciamento de Risco. A questo essencial que se coloca : de posse das

21

tcnicas e ferramentas, qual a sistemtica mais adequada para gerenciar os riscos?

Ou seja, como a metodologia de gerenciamento deve ser executada e quais tcnicas
e abordagens so mais adequadas para as diferentes fases e estgios do projeto?
Essa questo se torna particularmente importante nas etapas iniciais que a maioria
das metodologias de gerenciamento de riscos propem e que tratam da
identificao, qualificao e quantificao dos riscos e incertezas do projeto.
Smith e Merritt (2002) e Hillson (2002) constataram que, atualmente nos projetos em
que a identificao dos riscos executada, seja no momento em que o
planejamento do projeto est sendo elaborado ou durante a vida do projeto, o
processo mais comum o questionamento do tipo E se... acontecesse tal coisa?.
O resultado obtido por este processo uma lista de riscos muito difcil de entender e
muito mais difcil de gerenciar.
Os riscos desta lista poderiam, at, ser classificados9 em ordem de prioridade para
determinar quais deveriam receber ateno em primeiro lugar, mas isto no daria
qualquer informao estruturada para o gerenciamento dos riscos no projeto.
Perguntas, freqentemente feitas, continuariam sem respostas. Dentre outras:
x Qual prestador de servio impe maior risco ao projeto?
x Qual tipo de risco (Tcnico, Administrativo, Qualidade) dever ter maior
ateno?
x Qual o nvel de confiana (Probabilidade de ocorrer) para se atingir um
determinado objetivo?
x Qual o nvel de confiana no sucesso do projeto?
Esse tipo de avaliao dos riscos no consegue indicar quais reas do projeto
requerem uma ateno especial, onde maior a concentrao dos riscos e quais
so os pontos de alta exposio aos riscos.

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

1.3 OBJETIVO DO TRABALHO

O objetivo deste trabalho apresentar uma sistemtica para execuo nas

atividades iniciais propostas nas metodologias de gerenciamento de riscos nos
projetos, utilizando-se como base os conceitos e processos apresentados pelo PMI
(2004) no captulo 11 do PMBOK (Gerenciamento de Riscos do Projeto). Essa
sistemtica est dividida em dois procedimentos.
1. O primeiro procedimento trata da Identificao e da Anlise Qualitativa10
dos Riscos de Projeto e foi desenvolvido com base na metodologia
empregada pelo software RMIP

(Risk Management Interactive

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

tomada de deciso. Procedimento utilizado na Anlise

Quantitativa dos Riscos de Projeto. No processo proposto, emprega-se

como ferramenta a tcnica de simulao de Monte-Carlo atravs da
utilizao de planilhas eletrnicas.
Finalmente, com base nas revises sobre os processos de gerenciamento de risco,
ser proposto um conjunto de cuidados e precaues que devem ser tomados para
a implantao dos processos para Anlise de Deciso e Gerenciamento de Riscos
em projetos.

1.4 ORGANIZAO DO TRABALHO

10

Tendo em vista a multiplicidade de definies destes conceitos (Anlise Qualitativa e Anlise

Quantitativa) entre os vrios autores, eles sero esclarecidos e conceituados no captulo 2.
Conceitos de Gerenciamento de Risco e Anlise de Deciso.
11

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

referentes implantao de processos de gerenciamento de risco.

Captulo 6 Concluso

24

2 CONCEITOS DE GERENCIAMENTO DE RISCO E ANLISE DE

DECISO

Apresenta-se neste captulo uma reviso dos principais conceitos e processos

relacionados com o gerenciamento de riscos em projetos e de algumas tcnicas de
apoio tomada de deciso. Esses conceitos e processos serviro de base para os
procedimentos a serem propostos para a realizao das etapas iniciais do processo
de gerenciamento de riscos em projetos.

2.1 RISCO DE PROJETO

O uso da palavra Risco em situaes comuns do cotidiano provoca, em geral,

alguma confuso quando se est tratando do tema em algum contexto especfico
como, por exemplo, o de gerenciamento de projetos. O texto abaixo, extrado de
Smith e Merritt (2002, p. 5), ilustra esta situao:
Nos vrios livros ou artigos sobre riscos, ns encontramos muita confuso
sobre o gerenciamento de riscos, tendo como base diferentes interpretaes
dos vrios termos envolvidos. Isto compreensvel, porque risco uma
palavra popular em nosso vocabulrio do dia-a-dia. Entretanto, esta
popularidade pode trabalhar contra ns quando estamos falando de
gerenciar riscos em projetos, onde ns temos que ser muito mais precisos
sobre o que estamos pensando.1

Tendo em vista esta considerao, importante que, inicialmente, se estabelea

qual o entendimento corrente sobre a definio de Risco e, mais particularmente,
no contexto do gerenciamento de projetos. Para isto, apresentam-se a seguir
algumas definies propostas na literatura para essas questes.
Segundo Kerzner (1998), no incio da aplicao das tcnicas e conceitos de
gerenciamento de projeto, as preocupaes eram fortemente orientadas para os
riscos de custo e cronograma. Este favoritismo ocorria porque se conhecia mais
sobre custos e cronogramas do que sobre qualquer outro tipo de risco. Desde
meados dos anos 80, as empresas reconheceram a necessidade de trabalhar com
1

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

incerteza de um evento ou incerteza de uma estimativa. Incerteza de um evento

a incerteza acerca de algo no projeto, alguma variabilidade no que deveria
acontecer. A incerteza de uma estimativa reflete a falta de informao concreta
sobre algo dentro do projeto.
Pelos pargrafos acima se pode ver que enquanto Kerzner coloca a probabilidade
de ocorrncia do evento de risco como um dos componentes do risco, Miguel
decompe o risco em duas dimenses e atribui a probabilidade causa do risco.
Ambos consideram o risco como uma ameaa aos objetivos do projeto.
Para Smith e Merritt (2002), nos projetos para desenvolvimento de novos produtos, o
Risco de Projeto pode ser conceituado como a possibilidade que um resultado
indesejado ocorra ou que um resultado desejado no ocorra comprometendo o
projeto.
Da mesma forma que a lei Sarbanes-Oxley considera risco como uma ameaa
habilidade de fazer negcios das empresas, Srhneier e Mirroli (1998) analisando os
riscos empresariais e seu gerenciamento, definiram: Risco a possibilidade de
alguma coisa dar errado. Fatores de risco so as condies que do origem a essa
possibilidade. O Gerenciamento do Risco do Empreendimento (ERM - Enterprise
Risk Management) uma abordagem sistemtica segundo a qual os fatores de risco
e os programas de atenuao so considerados em relao ao negcio como um
todo.
Pensando na utilizao da simulao de Monte-Carlo para quantificar o risco,
Goldman (2000) definiu risco como sendo uma situao de incerteza, que uma
possibilidade de perda, dano ou qualquer outro evento indesejado. Existem dois
pontos a serem considerados quando da anlise do risco: onde o risco se encontra;
quo significativo ele .
Em um dos primeiros e mais conhecidos livros a tratar dos riscos em projeto,
Wideman (1992, p. I-3) afirma: No contexto do Gerenciamento de Projeto, o Risco
de Projeto definido como: Risco de Projeto o efeito cumulativo das chances da
ocorrncia de uma incerteza adversa que afetar os objetivos do projeto.2 Para
melhor caracterizar, continuou: Em outras palavras, ele o grau de exposio a

Traduo prpria.

27

eventos negativos e suas provveis conseqncias sobre os objetivos do projeto,

expresso em termos de escopo, qualidade, prazo e custo.3
Embora expressas de maneiras distintas, as diversas definies apresentadas acima
mostram que h certa convergncia no entendimento sobre o que est envolvido no
termo Risco de Projeto e quais so os principais elementos que caracterizam estes
riscos. Essa concordncia particularmente alta quando se consideram apenas os
eventos adversos aos objetivos dos projetos, que so aqueles para os quais o foco
deste trabalho est dirigido.
Em sntese, neste trabalho de acordo com o PMI, Risco de Projeto, ou
simplesmente Risco, ser considerado com sendo um evento ou condio incerta
que, se ocorrer, ter um efeito negativo sobre pelo menos um objetivo do projeto,
como escopo, prazo, custo ou qualidade.
Alm dessa definio, ser considerado, tambm, de forma alinhada com os
conceitos propostos pelo PMI (2004), que todo risco caracterizado por trs
fatores, tambm chamados de componentes, a saber:
9 Um Evento a variabilidade do que deveria acontecer (est
relacionada com as variaes das mtricas de controle do projeto) ou a
incerteza sobre estimativas, que poder afetar um ou mais objetivos (de
escopo, custo, prazo e/ou qualidade) do projeto;
9 Probabilidade deste Evento ocorrer a medida da probabilidade de
ocorrncia do evento;
9 Conseqncia/Montante Arriscado o valor da conseqncia sobre
os objetivos do projeto se o evento ocorrer.
Para tentar colocar certa ordem nesta terminologia a partir deste ponto sempre que
for utilizada a palavra risco estar sendo referenciado um evento que se ocorrer
poder afetar negativamente um ou mais objetivos do projeto.
Seguindo Kerzner (1998, p. 885), a avaliao do impacto do risco ser feita
empregando-se o modelo baseado no conceito matemtico do Valor Esperado (EV
Expected Value). Por este modelo, define-se impacto do risco pela seguinte
expresso:
3

Traduo prpria.

28

Impacto do Risco = Probabilidade do evento ocorrer x montante

arriscado

2.2 GERENCIAMENTO DE RISCOS EM PROJETOS

A forma de comportamento perante o risco encontrada nas organizaes depende

basicamente da cultura da organizao. comum que os bombeiros (aqueles que
passam os dias somente resolvendo problemas) sejam tratados como heris e at
premiados pelos seus atos, em detrimento daqueles que planejam e diminuem as
crises dentro dos projetos.
Este aspecto cultural foi citado por Smith e Merritt (2002, p. 11): [...] identificado nos
Estados Unidos da Amrica pelo Professor Robert Hayes que, escrevendo para a
Harvard Business Review de Julho-Agosto de 1981, observou que, para os Gerentes
americanos, Crises so o que tornam o trabalho divertido. Para os Gerentes
japoneses, crises so evidncias de falhas.4
Analisando a crescente preocupao com as conseqncias dessas falhas,
Bernstein (1997) comenta que na engenharia, medicina, cincia, nas finanas, nos
negcios e mesmo no governo, decises que afetam a vida de todos so agora
tomadas segundo procedimentos disciplinados que superam de longe os mtodos
empricos do passado. Muitos erros de julgamento catastrficos so, assim,
evitados, ou suas conseqncias so atenuadas.
No

ambiente

de

gerenciamento

de

projetos,

tambm

foram

implantados

procedimentos disciplinados, buscando controlar os riscos nos projetos. Este

conjunto de procedimentos conhecido como Gerenciamento de Riscos.
Para Hall e Hulett (2002, p. 6) [...] Gerenciamento de Riscos a arte e a cincia de
planejamento, avaliao (identificao e anlise), desenvolvimento e monitorao de
aes sobre os eventos futuros para assegurar resultados favorveis ao projeto.3 O
sentido de arte est relacionado ao gerenciamento de pessoas e o de cincia
utilizao de processos e metodologias.
4

Traduo prpria.

29

Os processos de gerenciamento de riscos foram desenvolvidos para atender muito

mais do que apenas identificar os riscos; eles tambm quantificam as conseqncias
dos riscos em funo do impacto que tero sobre os objetivos do projeto. A sada
deste processo um risco que pode ser aceitvel ou inaceitvel. A aceitao ou
no aceitao de um risco normalmente dependente do nvel de tolerncia ao risco
pelos stakeholders5. Antigamente, os riscos em projetos eram tratados como
fazendo parte da vida do projeto. Hoje, o gerenciamento de riscos parte
integrante do fazer negcios nas empresas; ele traz o foco para o futuro, que
onde as incertezas continuamente surgem.
Kerzner (1998, p. 871) define o Gerenciamento de Riscos como [...] um processo de
identificao e mensurao dos riscos, desenvolvimento e seleo das opes de
gerenciamento para controle destes riscos.6 Gerenciar os riscos significa controlar
os possveis eventos futuros, isto , uma ao pr-ativa e no reativa.
J o PMI (2004, p. 237) no procura mais definir o que o gerenciamento de
riscos, mas apenas informar que O gerenciamento de riscos do projeto inclui os
processos

que

tratam

da

realizao

de

identificao,

anlise, respostas,

monitoramento e controle e planejamento do gerenciamento de riscos em um

projeto; [...].
Na rea de desenvolvimento de software, o NIST7 preparou um documento sobre
gerenciamento de riscos nos projetos de informtica em que Stoneburner, Goguen e
Feringa (2001, p. 1) definem desta forma o risco e seu gerenciamento: Risco um
impacto

lquido

negativo

resultante

do

exerccio

de

uma

vulnerabilidade,

considerando a probabilidade e o impacto da ocorrncia. Gerenciamento de Riscos

o processo de identificao, avaliao e desenvolvimento de aes para reduzir os
riscos a um nvel aceitvel.6
Para projetos de desenvolvimento de novos produtos, Smith e Merritt (2002)
consideram que o gerenciamento de riscos uma atividade pr-ativa de
identificao e controle dos resultados indesejados do projeto. Estes autores
5

O PMI no PMBOK 3. ed. define Stakeholder / Partes Interessadas como: Pessoas e

organizaes, como clientes, patrocinadores, organizaes executoras e o pblico, que estejam
ativamente envolvidas no projeto ou cujos interesses possam ser afetados de forma positiva ou
negativa pela execuo ou trmino do projeto. Elas tambm podem exercer influncia sobre o
projeto e suas entregas.
6
Traduo prpria.
7
NIST National Institute of Standards and Technology do U.S. Department of Commerce

30

consideram que o processo de gerenciamento de riscos possui os seguintes cinco

passos fundamentais:
1. Identificao dos Riscos identifica todos os possveis riscos que
poderiam ocorrer;
2. Anlise dos Riscos determina quais as causas dos riscos, qual o
montante arriscado e as probabilidades de ocorrncias;
3. Mapear e Priorizar os Riscos determina quais riscos so prioritrios
no processo;
4. Solucionar os Riscos desenvolve respostas aos riscos prioritrios;
5. Monitorar os Riscos regularmente monitora o que est acontecendo
no projeto em termos dos riscos, se as respostas foram adequadas, se
8
novos riscos surgiram etc.

Seguindo uma linha similar, Wideman (1992) define o Gerenciamento de Riscos

como um processo sistemtico de identificao, anlise, desenvolvimento de
respostas e controle dos riscos de projeto, durante o seu ciclo de vida e nos
interesses de seus objetivos (de escopo, custo, prazo e qualidade), compreendendo
as seguintes fases9 ou processos:
9 Identificao dos Riscos examinar a situao, identificar e classificar
os riscos e suas causas;
9 Anlise dos Riscos (Qualitativa e Quantitativa) efetuar a Anlise
Qualitativa dos riscos para determinar os prioritrios; calcular (Anlise
Quantitativa) a probabilidade de ocorrncia, a conseqncia e o impacto
dos riscos;
9 Desenvolvimento de Respostas aos Riscos desenvolver, avaliar e
implementar medidas para reduzir a probabilidade ou controlar os riscos,
principalmente atuando sobre as causas;
9 Controle dos Riscos monitorar as causas e os riscos, assegurar a
execuo do plano de gerenciamento dos riscos e documentar as lies
aprendidas.
Para efeitos deste trabalho, ser adotado este modelo de Wideman como
representativo do processo de gerenciamento de riscos em projetos. Dos cinco
processos listados, a Identificao e a Anlise Qualitativa so fundamentais, pois a
8
9

Traduo prpria

O PMI no PMBOK 3. ed. divide o Gerenciamento de Riscos em 6 processos: Planejamento do

Gerenciamento de Riscos, Identificao de Riscos, Anlise Qualitativa de Riscos, Anlise
Quantitativa de Riscos, Planejamento de Respostas a Riscos, Monitoramento e Controle de Riscos.

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.

Figura 2.1 Processos do gerenciamento de riscos

Fonte Adaptado de Wideman (1992)

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.

2.3 ASPECTOS IMPORTANTES RELATIVOS AO GERENCIAMENTO DE

RISCOS EM PROJETOS

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

O tempo um aspecto decisivo quando se pensa em riscos. O risco temporal.

Dependendo de quando ele ocorrer, o projeto poder ou no ser afetado. O quando
ele ocorrer depender de quando algumas das causas do risco possam ocorrer,
pois so elas as deflagradoras de um risco. Uma greve na alfndega antes da
retirada da mercadoria faz um risco virar um problema. Porm, se a greve ocorrer
aps a retirada da mercadoria, nenhuma conseqncia haver para o projeto.
A incerteza uma caracterstica inerente a todo risco. Um risco poder ou no
ocorrer durante a vida do projeto e somente existir certeza quando ele ocorrer ou
deixar de ser um risco. As incertezas de um projeto no podem ser eliminadas
completamente, somente reduzidas a um grau considerado tolervel, ou seja, o
gerenciamento de riscos no pode garantir que no haver surpresas durante a vida
do projeto, mas pode, freqentemente, reduzir as incertezas mediante as seguintes
aes:
- Estimar a probabilidade de ocorrncia do risco;
- Avaliar as conseqncias e identificar alternativas caso o risco ocorra;
- Determinar quais so as causas que podem fazer o risco ocorrer, isto ,
os fatores que influenciam o montante arriscado e/ou a probabilidade de
ocorrncia do risco.
Essa ltima ao de determinao das causas que podero fazer com que o risco
ocorra tem uma importncia fundamental no processo de gerenciamento de riscos,
pois atuando sobre elas que se podem aumentar as chances de sucesso do
projeto.
Durante a execuo do projeto, podem coexistir causas internas e externas a ele.
Normalmente, as causas internas esto sob controle do Gerente de Projeto,
podendo, portanto, ser gerenciadas. So aquelas devidas incerteza da ocorrncia
de um evento relacionado mtrica de controle do projeto ou incerteza de uma
estimativa. J as causas externas podero ou no ocorrer independente da
existncia do projeto (fenmenos naturais, greves, mudanas de legislao etc.);
logo, no podem ser gerenciadas e normalmente a atuao de proteo contra as
conseqncias.
Enquanto no conseguirmos distinguir um acontecimento realmente
aleatrio de outro resultante de causa e efeito, jamais saberemos se o que
vemos o que obteremos, nem como obtivemos aquilo que obtivemos.

33

Quando corremos um risco, apostamos em um resultado que ser

conseqncia de uma deciso que tomamos, embora no saibamos ao
certo qual ser o resultado. A essncia da administrao do risco est em
maximizar as reas onde temos certo controle sobre o resultado, enquanto
minimizamos as reas onde no temos absolutamente nenhum controle
sobre o resultado e onde o vnculo entre efeito e causa est oculto de ns.
(BERNSTEIN, 1997, p. 337).

Para Wideman (1992), o processo de gerenciamento de riscos depende do

desenvolvimento do modelo matemtico que tenha foco sobre os atributos crticos
do risco, principalmente as causas. O desenvolvimento desse modelo deve atender
a dois importantes objetivos. O primeiro o de ajudar na quantificao do impacto
do risco sobre os objetivos do projeto para que seja possvel comparar o impacto
contra outros riscos e seus planos de respostas e assim decidir quais merecem
ateno. O segundo o de mostrar todas as causas prioritrias que podero
desencadear os riscos para que sejam formulados planos efetivos de ataque.
No momento da elaborao desse modelo de risco de projeto, Wideman (1992)
aponta algumas premissas bsicas para sua construo, que devem ser
consideradas para que o gerenciamento de riscos possa ser executado em harmonia
com estratgia da organizao:
1. Riscos e Oportunidades so interdependentes. Normalmente, em um
projeto, o que ameaa para um Stakeholder oportunidade para outro.
Portanto, deve-se ter um esforo sistmico e contnuo na identificao
dos riscos para que no momento da deciso sobre as alternativas tenhase o conhecimento dos afetados;
2. Evoluem ao longo do tempo e em cada fase demandam respostas
distintas. Riscos novos aparecem, riscos desaparecem, o impacto do
risco no foi o esperado, as causas se modificaram; portanto, quanto mais
cedo forem identificados e controlados, o seu gerenciamento ter mais
opes e ser mais eficaz;
3. A percepo e a aceitao dos riscos variam entre organizaes e
pessoas. Para tanto, necessrio que se conheam as tcnicas e a
poltica de tomada de deciso da organizao e seu comportamento
perante o risco.
Para Smith e Merritt (2002, p. 63) [...]: A chave do sucesso no gerenciamento dos
riscos no gerenciar os riscos em si, mas preferivelmente os fatos que levaram

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

O PMI no PMBOK 3. ed. define RBS/EAR como: Uma representao organizada

hierarquicamente dos riscos identificados do projeto ordenados por categoria e subcategoria de
risco, que identifica as diversas reas e causas de riscos potenciais.
11

35

- organizada em uma estrutura hierrquica;

- Cada

elemento

da

WBS

representa

um

simples

resultado

tangvel/mensurvel que conhecido como entrega (deliverable)13;

- Apresenta as entregas (deliverables) decompostas at o nvel que mostra
logicamente como elas sero produzidas;
Interpretando-se a definio de risco de projeto para uma forma mais simples e
direta, pode-se dizer: Risco de Projeto no fazer aquilo que deveria ser feito, no
produzir o que deveria ser produzido ou no entregar o que deveria ser entregue.
Sendo assim, o ltimo nvel da WBS, chamado de entrega (deliverable), o local
onde os riscos devero ser identificados e controlados.
O PMI Project Team (2001, p. 16) considerou que: Riscos de Projeto esto
relacionados com a probabilidade de ocorrncia de eventos favorveis ou adversos
que afetam os objetivos do projeto [...] A forma de decomposio da WBS ajuda na
identificao e mitigao dos riscos.14 E concluiu que, como os impactos dos riscos
podem afetar vrios elementos da WBS, seria prudente que o Gerente de Projeto
executasse uma anlise de impacto contra todos os elementos da WBS.
No entanto, sem o apoio de qualquer ferramenta para ajudar na identificao dos
riscos, este processo se torna demorado e no produzir mais do que uma lista dos
riscos, que seria de difcil entendimento e gerenciamento, como observou Hillson
(2002).
Para ajudar na identificao dos riscos na WBS de um projeto, Hillson (2002)
apresentou o conceito da RBS cujo objetivo auxiliar o Gerente de Projeto no
entendimento e distribuio dos riscos no projeto, e no seu efetivo gerenciamento.
A RBS, tambm conhecida como Checklist de Causas de Riscos, definida por
Hillson (2002, p. 2) como Um grupo estruturado hierarquicamente de causas de
riscos em projetos que organiza e define a total exposio de risco do projeto. Cada
nvel descendente representa um detalhamento na definio das causas de riscos
nos projetos.14 Para cada empresa, em particular, esta estrutura hierrquica pode
ser criada atravs de um processo formal de lies aprendidas e ir mostrar como
13

Deliverable no obrigatoriamente uma entrega para o Cliente/Usurio do projeto; tambm

conceituado como algo ou resultado de um trabalho que ser utilizado pelo prximo nvel de
controle da WBS.
14
Traduo prpria.

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.

Figura 2.2 Modelo genrico de RBS

2.4 PRINCIPAIS PROCESSOS DO GERENCIAMENTO DE RISCOS

2.4.1 A Identificao dos Riscos

Risco um problema que ainda no ocorreu; portanto, pode ser gerenciado.

Eventos que com certeza iro ocorrer no so considerados riscos e sim problemas.
muito comum durante o processo de identificao dos riscos que um grande
nmero de problemas seja identificado como risco. Isso somente atrapalha e cria
muita confuso, pois problema tem que ser resolvido, enquanto que os riscos podem
ser gerenciados atuando-se sobre as causas.

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

Figura 2.3 Objetivos do

gerenciamento de projeto

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

(2004) encontram-se alguns dos

mtodos mais utilizados, tais como:

x Brainstorming. A meta do brainstorming obter uma lista abrangente de
riscos do projeto. A equipe do projeto normalmente realiza o brainstorming,
freqentemente com um conjunto multidisciplinar de especialistas que no
fazem parte da equipe. Idias sobre o risco do projeto so geradas sob a
liderana de um facilitador. As categorias de risco como uma estrutura
analtica dos riscos, podem ser usadas como uma referncia. Em seguida,
os riscos so identificados e categorizados por tipo de risco e suas
definies so refinadas.
x Tcnica Delphi. A tcnica Delphi um meio de alcanar um consenso entre
especialistas. Nesta tcnica, os especialistas em riscos de projetos
participam anonimamente. Um facilitador usa um questionrio para solicitar
idias sobre os riscos importantes do projeto. As respostas so resumidas e
ento redistribudas para os especialistas para comentrios adicionais. O
consenso pode ser alcanado aps algumas rodadas desse processo. A
tcnica Delphi ajuda a reduzir a parcialidade nos dados e evita que algum
possa indevidamente influenciar o resultado.
x Identificao da causa-raiz. Esta uma investigao das causas
essenciais dos riscos de um projeto. Ela refina a definio do risco e permite
o agrupamento dos riscos por causas. possvel desenvolver respostas a
riscos eficazes se a causa-raiz do risco for abordada.

39

x Anlise dos pontos fortes e fracos, oportunidades e ameaas (SWOT).

Esta tcnica garante o exame do projeto de cada uma das perspectivas da
anlise SWOT, para aumentar a amplitude dos riscos considerados:
O que est bom ou ruim hoje? Pontos positivos (Strengths) e Pontos
Negativos (Weaknesses);
O que poder estar bom ou ruim no futuro? Oportunidades
(Opportunities) e Ameas (Threaths).
Para Smith e Merritt (2002), o sucesso de uma reunio de identificao dos riscos
depende, em grande parte, da escolha de um facilitador habilitado na conduo da
tarefa. Cada participante da reunio precisa conhecer

a sistemtica de

gerenciamento dos riscos, os processos de levantamento de informaes e

principalmente os conceitos, termos e definies para que as discusses tenham
foco.
No processo de identificao dos eventos de risco, a equipe dever manter o foco
na obteno das seguintes informaes para cada evento selecionado:
1. Descrio sucinta e clara do Risco;
2. Identificao em qual item da WBS ele foi encontrado;
3. Identificar de que forma o Risco ser medido16;
4. Identificar as conseqncias do Risco;
5. Ter certeza de que as conseqncias do Risco podero ser
quantificadas;
6. Identificar a freqncia (perodos, datas) da ocorrncia do Risco;
7. Descrio de todas as causas que poderiam deflagrar este Risco.
O resultado desse processo ser uma lista de riscos identificados com todas as suas
caractersticas documentadas. Como os riscos so identificados no nvel de controle
da WBS, em alguns projetos podero ser identificadas centenas ou at milhares 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

riscos. Se todos estes riscos fossem alvos de ateno, provavelmente o projeto

acabaria e a deciso de como atuar sobre eles ainda no estaria pronta.
Para solucionar esse problema, utiliza-se o processo de Anlise Qualitativa.

2.4.2 A Anlise Qualitativa dos Riscos

No processo de gerenciamento de riscos, quanto mais riscos forem identificados,

completamente analisados e monitorados, maior ser o custo do gerenciamento.
Para que isso no se torne uma prtica invivel, aps a identificao dos riscos,
utilizam-se as tcnicas da Anlise Qualitativa dos Riscos, com o objetivo de priorizlos e de se determinar o conjunto de riscos que merecem ateno naquele
momento.
Segundo Royer (2000), no mundo real do gerenciamento de projeto, no existe
dinheiro, tempo ou recursos para tratar todos os riscos. Portanto, o Gerente de
Projeto precisa escolher quais riscos merecem ateno. Para permitir que isso
acontea, importante desenvolver uma forma objetiva de classificao dos riscos e
estabelecimento de prioridades.
Para o PMI (2004, p. 249), A anlise qualitativa de riscos avalia a prioridade dos
riscos

identificados

usando

probabilidade

deles

ocorrerem,

impacto

correspondente nos objetivos do projeto [...].

A quantificao dos riscos17, a identificao e valorao das respostas aos riscos
sero efetuadas sobre os riscos priorizados pelo processo de anlise qualitativa.
Miguel (2002, p. 77) considera que a atividade de avaliao dos riscos envolve o
processo de analisar detalhadamente os riscos, por forma a determinar o seu
alcance, o modo como se relacionam entre si e quais so os mais importantes.

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

Como foi mostrado anteriormente, o risco caracterizado por trs fatores Um

Evento (o que poder acontecer e afetar um ou mais objetivos do projeto); A
Probabilidade de Ocorrncia do Evento; A Conseqncia ou Montante Arriscado,
que o valor envolvido se o risco ocorrer.
A probabilidade de ocorrncia do risco e o montante arriscado esto intimamente
relacionados com as causas do risco. As causas, que atuando sobre determinado
item da WBS, impediro (variabilidade de um evento) que aquela entrega
(deliverable) seja executada e, como conseqncia, determinados objetivos do
projeto no sejam atingidos, tm possibilidades diferentes de ocorrerem, e seus
impactos tambm o sero. Devido a uma determinada causa, podem ocorrer alguns
dias de atraso que tero um determinado valor; devido outra causa, podem ocorrer
multas contratuais; por outra causa, pode-se ter que fazer novos investimentos etc.
Portanto, o montante arriscado ser a somatria dos vrios impactos produzidos
pelas causas e a ocorrncia do risco depender das possibilidades de ocorrncia
das vrias causas.
Quando se fala de probabilidade e montante arriscado, necessria uma distino
entre valores qualitativos e quantitativos. A anlise qualitativa baseada em uma
escala nominal e descritiva para a probabilidade e o montante arriscado, enquanto
que a anlise quantitativa utiliza escalas numricas e de valor para este fim. A Figura
2.4 a seguir esclarece a diferena entre estas abordagens.

Figura 2.4 Exemplo de forma qualitativa e quantitativa de mensurao dos

riscos

Para Grey (2003), os mtodos existentes para efetuar a anlise qualitativa

normalmente esto dentro de um destes trs grupos:
x Mtodo baseado em problemas potenciais, o conhecido mtodo do

se.... Atravs desse questionamento, gera-se uma lista sobre o que

poder dar errado no projeto em termos tcnicos, comercial, gerencial etc.
x Mtodo baseado na ponderao sobre um questionrio. Consiste em
verificar se determinado fator aplicvel ao projeto e assinala-se uma

42

pontuao de modo a determinar o quanto de negativo ser sua influncia

sobre os objetivos do projeto. A somatria de todos os pontos ser a
pontuao total de risco do projeto.
x Mtodo mensurvel que ajuda a representar a probabilidade e o impacto
dos riscos sobre os objetivos do projeto.
Seja qual for o mtodo utilizado, como observou Wideman (1992), o processo de
Anlise Qualitativa tem como objetivo:
1. Melhorar o entendimento do projeto como um todo atravs do
questionamento do que poder acontecer (variaes nas mtricas de
controle) com cada entrega (deliverable) da WBS e seu impacto nos
objetivos do projeto;
2. Identificar alternativas viveis para a execuo do projeto;
3. Fazer com que as incertezas e os riscos sejam adequadamente
considerados e sistematicamente revistos;
4. Atravs dessa anlise, estabelecer as implicaes sobre os objetivos do
projeto.
A execuo do processo de Anlise Qualitativa traz ao seu final uma srie de
benefcios para o projeto:
x Uma grande quantidade de informao estar disponvel, durante o
planejamento do projeto, para a tomada de deciso. Por exemplo,
estimativas da incerteza sobre o desempenho do projeto;
x Os objetivos do projeto podero ser revistos e melhorados;
x Melhoria na comunicao entre os membros do projeto e os interessados
(stakeholders);
x Confiana de que as implicaes das incertezas e riscos foram analisadas
e incorporadas aos planos do projeto;
x Reduo da probabilidade que o projeto tenha um desempenho baixo
seja pela identificao das fraquezas ou por uma atuao forte durante o
planejamento;
x Aumento nas chances de sucesso do projeto.

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.

Figura 2.5 Exemplo do impacto de um risco sobre os objetivos do projeto

Fonte Adaptado de PMI (2004)

Com as informaes dessa matriz, ser montada a matriz de impacto de risco e

efetuada uma anlise da possibilidade de ocorrncia do impacto (Muito Baixo, Baixo,
Moderado, Alto, Muito Alto) com a probabilidade de sua ocorrncia (de 0,1 a 0,9)
conforme mostra a Figura 2.6. Com base nas melhores prticas e dependendo do
local onde ficou a avaliao (faixa de cores ou valores das clulas) o risco
considerado ser priorizado.

Figura 2.6 Exemplo da Matriz de Impacto dos Riscos

Fonte Adaptado de PMI (2004)

44

Normalmente, como subproduto da anlise qualitativa dos riscos, obtm-se uma

medida da chance de sucesso do projeto como um todo. Algumas metodologias
chamam esta medida de nvel de confiana, outras chamam simplesmente de Risco
do projeto (diferente de Risco de Projeto, que um evento futuro, este Risco uma
medida das chances de sucesso do projeto). Normalmente esta medida expressa
da seguinte forma:
x Baixo Risco ou Alta Confiana Significa que existe uma alta chance
de sucesso do projeto com o planejamento elaborado.
x Risco Moderado ou Mdia Confiana Significa que existe um
potencial mdio de ocorrncia de problemas que causaro impacto nos
objetivos do projeto, mas, com esforo adicional, os problemas sero
ultrapassados.
x Risco Alto ou Baixa Confiana Significa que mesmo com esforo
adicional ocorrero impactos importantes nos objetivos de Escopo, Prazo,
Custo e Qualidade.

2.4.3 A Anlise Quantitativa dos Riscos

Kerzner (1998, p. 885) afirma: O objetivo final do gerenciamento de riscos a

mitigao dos riscos, que o ato de revisar os objetivos do projeto (Escopo, Prazo,
Custos e Qualidade) de modo a reduzir as incertezas sem que haja um impacto
significativo sobre estes objetivos18. A mitigao requer que seja executada uma
quantificao dos riscos identificados para se conhecer o impacto de cada um sobre
os objetivos do projeto. Somente com o custo do impacto dos riscos frente aos
custos dos planos de respostas que uma deciso poder ser tomada.
O principal resultado da execuo da Anlise Qualitativa a obteno de uma lista
de riscos classificados como prioritrios, dentro dos critrios que foram
estabelecidos para o processo, que ser a entrada do processo de Anlise
Quantitativa. Kendrick (2003) considera que as tcnicas para a anlise quantitativa
18

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.

2.5 A ANLISE DE DECISO

Neste trabalho, dentro do contexto de gerenciamento de projeto, o termo deciso

ser empregado com o seguinte significado: Uma deciso um compromisso com
uma ao que se pretende que satisfaa s necessidades de negcio de um grupo
particular, chamado de beneficirio daquela ao.20 (YATES, 2003, p. 24).
Quando se est diante de uma escolha ou deciso concebe-se, dependendo da
importncia da deciso, algumas vezes intuitivamente, outras de forma metdica,
pensada e analisada, a estratgia a ser adotada. Segundo Brni (2004), esta
estratgia nada mais que uma concepo mental, um plano de uma seqncia de
aes destinada a alcanar um determinado objetivo. Dentro do ambiente de
19

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

deciso de um projeto, esta seqncia de aes tanto poder levar em conta,

dependendo da forma como foi analisada, como poder desprezar as alteraes que
cada ao provocar. Uma estratgia ou deciso a ser implementada nada mais
que uma norma que especificar o caminho que dever ser seguido em qualquer
das situaes possveis.
Pela natureza dos trabalhos executados em um projeto, constantemente so
necessrias decises, que se espera iro resolver problemas ou melhorar as
oportunidades para a equipe do projeto e para a empresa empreendedora. Mas
tomar boas decises raramente uma tarefa fcil. Avaliar todas as alternativas
possveis e escolher a melhor ao a ser tomada representa a essncia da anlise
de deciso este seu objetivo, ajudar as pessoas a tomarem boas decises.
Porm, boas decises nem sempre resultam em bons resultados; as tcnicas
ajudam que boas decises sejam tomadas, mas no garantem que elas sempre
levaro aos bons resultados. (RAGSDALE, 2001).
Para Anderson, Sweeney e Williams (2003), o processo de tomada de deciso
envolve normalmente os seguintes passos:
1. Identificar e definir o problema/deciso a ser tomada;
2. Determinar as alternativas;
3. Determinar o critrio ou critrios que sero usados para avaliar as
alternativas;
4. Avaliar as alternativas;
5. Escolher uma alternativa.
Atualmente, a teoria de tomada de deciso um ramo bem estabelecido do
conhecimento humano. O mtodo intuitivo de deciso, que caracterizado por um
razovel grau de subjetividade, esta cada vez mais longe das decises nas
empresas e tambm do ambiente de desenvolvimento dos projetos. Os mtodos
utilizados hoje so chamados de objetivos, basicamente por utilizarem equaes
matemticas a fim de orientar a tomada de deciso. A aplicao destes mtodos
depende do tipo de problema decisrio que se enfrentar, ou seja, envolve uma
deciso baseada na certeza ou na incerteza. (BRNI, 2004).

47

Kerzner (1998) divide a tomada de deciso em trs categorias: certeza, risco e

incerteza. Sendo:
x A deciso sob condio de certeza significa que toda a informao
necessria para a tomada de deciso encontra-se disponvel. Como
exemplo, o conhecimento das taxas de juros de diversos bancos na
escolha da melhor aplicao;
x A deciso sob risco ocorre quando no existe uma estratgia dominante e
uma probabilidade precisa ser assinalada para cada situao;
x A deciso sob incerteza ocorre quando no existe uma estratgia
dominante e no h condies de uma probabilidade ser assinalada para
cada situao.
No se considera esta uma boa classificao, j que provoca alguma confuso. O
prprio Kerzner define risco como um evento futuro que poder ocorrer em funo
das incertezas existentes no projeto.
Em um ambiente de incerteza, a varivel de deciso depende do comportamento de
outras variveis cujo valor futuro desconhecido. Como exemplo: a deciso de
adquirir papis com variao cambial para resgate em seis meses.
Atravs de Bernstein (1997), confirma-se que a capacidade de definir o que poder
acontecer no futuro com os diversos eventos do projeto e poder optar entre as vrias
alternativas a habilidade central do Gerente de Projeto. Sem o domnio da teoria
das probabilidades e de outros instrumentos de administrao do risco, os gerentes
de projetos tomaro decises com base na intuio e o sucesso do projeto
depender de uma simples palavra: sorte.
Dentro da disciplina de Anlise de Deciso, surge um conflito, ou melhor, uma eterna
discusso entre aqueles que afirmam que as melhores decises se baseiam na
quantificao e nos nmeros dos padres do passado, e os que baseiam suas
decises em graus de crena mais subjetivos sobre o futuro incerto.
Bernstein (1997) mostrou que a preocupao existente no momento quando se
avaliam as alternativas de uma deciso sobre quanto o passado determina o
futuro. No se consegue quantificar o futuro, por ser desconhecido, mas o passado,

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

onde p(x) um valor de uma funo densidade de

probabilidade de uma varivel x. Como exemplo, a Figura 2.7 mostra a distribuio

acumulada dos possveis custos de um projeto.

Figura 2.7 Exemplo de Curva de Distribuio Acumulada de

Probabilidades
Fonte Schuyler (1996)

50

Quando utilizada uma distribuio discreta (Figura 2.8) o EV calculado como a

soma ponderada das probabilidades pelas possveis sadas da deciso:
EV = xi p( xi ) onde xi so todos os valores
possveis da deciso e p(xi ) so as probabilidades
de ocorrncia.
Segundo Ragsdale (2001), todos os problemas de
anlise

de

deciso

possuem

algumas

Figura 2.8 Representao

do EV na forma discreta

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

J Anderson, Sweeney e Williams (2003) aprofundam o conceito da tomada de

deciso sem o auxlio das probabilidades como sendo mtodos apropriados nas
situaes em que o tomador de deciso tem pouca confiana na sua habilidade de
determinar as probabilidades ou nos quais uma simples anlise de melhor ou pior
caso desejada. Estes mtodos podem ser classificados como:
9 Mtodo Otimista avalia cada alternativa de deciso com foco no
melhor retorno que poder ocorrer. Dependendo do que se est
avaliando, poder ser o maior ou o menor valor. Quando utilizado para
maximizar um resultado (ex.: lucro), este mtodo conhecido como
maximax. Quanto for utilizado para minimizar um resultado (ex.: custo)
ele conhecido como minimin;
9 Mtodo Conservador avalia cada alternativa de deciso com foco no
pior retorno que poder ocorrer. A alternativa recomendada ser aquela
que representar o melhor dos piores retornos possveis, ou seja, se o
resultado for para maximizar (ex.: lucro), a alternativa escolhida ser
aquela que maximize os mnimos possveis maximin; se o resultado for
para minimizar (ex.: custo), a alternativa escolhida ser aquela que
minimize os mximos possveis minimax;
9 Mtodo Minimax Arrependido um mtodo de tomada de deciso que
no puramente otimista e nem conservador. Consiste em se estabelecer
o valor/quantidade de cada alternativa, que poder ser escolhida, e
quando comparada com a alternativa de maior valor, se escolhe aquela
que representa o mnimo dos mximos valores de arrependimento.
Para o desenvolvimento deste trabalho, ser utilizado o mtodo probabilstico de
anlise de deciso, baseado no Valor Esperado (EV) de uma deciso. O EV
tambm conhecido como Expected Monetary Value (EMV) quando transformado em
valor financeiro. O clculo do EV de uma deciso em um projeto pode ser feito com
a utilizao de diversas ferramentas, sendo, as seguintes, as mais comuns de serem
encontradas:

52

Payoff Table24 segundo Anderson, Sweeney e Williams (2003, p. 627),

uma tabela que mostra todas as combinaes de alternativas de
deciso de um problema. O resultado pode ser expresso na forma de
lucro, custo, prazo, distncia, ou qualquer outra medida que seja
adequada para a anlise de deciso. Um exemplo de uma Payoff Table
mostrado na Figura 2.9, para uma deciso entre escolher um guindaste
grande e um guindaste mdio.

Figura 2.9 Exemplo de uma Payoff Table

Fonte Schuyler (1996)

rvore de Deciso segundo Anderson, Sweeney e Williams (2003), a

representao grfica do processo de deciso. Para Schuyler (1996) um
diagrama grfico que representa e ajuda no clculo do EV. A Figura 2.10

Figura 2.10 Exemplo de rvore de Deciso

Fonte Schuyler (1996)
24

Na anlise de deciso, a conseqncia resultante de uma especfica combinao de uma

alternativa de deciso e um resultado associado quela alternativa conhecida como Payoff.
(ANDERSON; SWEENEY; WILLIAMS, 2003, p. 661).

53

mostra uma rvore de Deciso para o mesmo exemplo da escolha entre

os guindastes.25
Segundo Ragsdale (2001, p. 561), [...] quando o EV de uma deciso calculado de
forma discreta, as incertezas que envolvem as variveis independentes no so
consideradas no modelo, pois se presume que os valores das variveis
independentes so os mais provveis e certos. Este tipo de anlise no nos diz nada
sobre o comportamento destas variveis nem sobre as possveis conseqncias no
desempenho do modelo.26
A maneira de levar em considerao essas avaliaes efetuar uma anlise do
nvel de confiana no comportamento da varivel independente no momento da
deciso.
Existem vrias tcnicas para ajudar nesta anlise. As trs mais comuns so: Anlise
do otimista/pessimista (best-case/worst-case analysis); Anlise dos E se! (Whatif analysis); e Simulao (Simulation). De todas as trs, a simulao a tcnica
mais potente.

2.5.1 Simulao

Evans e Olson (2002) definiram a Simulao como sendo o processo de montagem

de um modelo matemtico ou lgico de um sistema ou problema de deciso para,
executando-se

(normalmente

em

computador)

este

modelo,

obter-se

um

conhecimento do comportamento do sistema ou ajuda na soluo do problema de

deciso. Os dois elementos-chave nesta definio so o modelo e a execuo do
mesmo.
Eles consideram que a simulao particularmente aplicvel quando envolve um
grande nmero de incertezas, as quais so difceis de tratar com modelos analticos
tais como programao linear e teoria das filas. Modelos de simulao so
descritivos; eles simplesmente estimam as medidas de desempenho ou avaliam o
comportamento de um sistema para um conjunto de variveis de entrada.
25
26

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

Todo o trabalho desenvolvido nesta dissertao est baseado em modelos

matemticos estocsticos. Desta forma, os modelos que sero apresentados estaro
categorizados de acordo com Ragsdale (2001), como:
x Predictive (Proftico, Prever/Projetar o futuro) no qual as relaes
entre as variveis independentes e a varivel dependente no so
conhecidas e precisam ser estimadas de modo que o tomador de deciso
preveja o que poder acontecer com a varivel dependente. Como
exemplo: o valor de um ponto comercial influenciado pelo tipo de
negcio, pela idade dos consumidores, pela distncia dos consumidores
do local de compra etc.
x Descriptive (Descritivo) em que a relao entre as variveis
conhecida; entretanto existe uma grande incerteza sobre os exatos
valores que as variveis independentes podem assumir. Neste tipo de
problema,

objetivo

ser

descrever

as

sadas/resultados

ou

comportamentos de uma determinada operao ou sistema.

Anderson, Sweeney e Williams (2003) consideram que a Simulao um dos
mtodos mais utilizados na anlise quantitativa de uma deciso sob condies de
risco. Ela um mtodo que procura representar, ou ensinar como , ou ser, o
comportamento de um evento atravs de experimentos com os modelos que o
representam. O modelo de simulao contm expresses matemticas e/ou
relaes lgicas que descrevem como calcular os valores de sada do evento em
funo das variaes dos valores das entradas.
Para Anderson, Sweeney e Williams (2003), o sucesso de um modelo matemtico,
em um enfoque quantitativo, depende fundamentalmente de como conseguir com
exatido representar, expressar com elementos matemticos, a relao entre
objetivos e restries, ou seja, relacionar matematicamente a varivel dependente
(Sada) com as variveis independentes (Entradas).
Nos modelos determinsticos, as informaes so conhecidas ou se assumem como
conhecidas, ou seja, no existe incerteza. Nos modelos probabilsticos, alguns
dados ou informaes so descritos como tendo um comportamento dentro de uma
curva de distribuio probabilstica.

56

Devido a grande popularizao e velocidade dos computadores atuais, a utilizao

da Simulao de Monte-Carlo28 tornou-se fundamental no processo de anlise de
deciso e gerenciamento dos riscos.
Vose (2000) considera importante a utilizao da Simulao de Monte-Carlo no
processo de quantificao dos riscos. Atravs desta tcnica (gerao de centenas
ou milhares de cenrios pela gerao de nmeros randmicos), cada distribuio de
probabilidade amostrada de modo a reproduzir uma curva de distribuio das
possveis ocorrncias que sero utilizadas para elaborar a curva de distribuio dos
possveis valores de sada do modelo.
A simulao de Monte-Carlo, para Vose (2000), oferece uma srie de vantagens
sobre as outras formas de quantificao dos riscos:
x As variveis do modelo de distribuio no so valores aproximados;
x As correlaes e as interdependncias esto no modelo;
x O nvel de conhecimento matemtico para executar uma simulao de
Monte-Carlo prximo ao bsico;
x Modelos matemticos complexos podero ser utilizados;
x A simulao de Monte-Carlo fortemente reconhecida como uma tcnica
vlida e seus resultados aceitos;
x O comportamento do modelo pode ser avaliado com facilidade;
x Mudanas no modelo podem ser feitas com rapidez e os resultados
comparados com o modelo anterior.
A Simulao de Monte-Carlo tambm um dos mtodos mais utilizados na anlise
quantitativa de uma deciso. Para Evans e Olson (2002), ela basicamente uma
amostragem experimental cujo objetivo estimar uma curva de distribuio
acumulada de probabilidades de uma varivel, chamada de sada, que depende de
outras variveis probabilsticas de entrada, que sero amostradas atravs da
gerao de nmeros randmicos. Com a execuo deste processo, gerada uma
28

creditado ao Fsico italiano Enrico Fermi o desenvolvimento do mtodo de Monte-Carlo quando

de seus estudos sobre a difuso de nutrons nos anos 30. A popularizao do mtodo devido ao
prmio Nobel de Matemtica John von Neumann pela sua utilizao durante o desenvolvimento da
bomba atmica, no Laboratrio de Los Alamos, nos Estados Unidos da Amrica, utilizando o
primeiro computador do mundo, o ENIAC. O nome Monte-Carlo devido aos Cassinos existentes
na cidade de mesmo nome. Metropolis (1987).

57

curva de distribuio dos possveis valores da varivel de sada, ou seja, a curva do

EV da varivel de sada.
Um importante aspecto em qualquer simulao envolve confirmar que o modelo
uma boa aproximao do evento de risco ou deciso que ele representa. Isto
geralmente feito, segundo Anderson, Sweeney e Williams (2003), com duas
atividades:
x Verificao o processo utilizado para determinar que os
procedimentos a serem feitos no computador para executar o clculo da
simulao esto logicamente corretos. Na maioria dos casos, deve-se
executar manualmente a simulao com um nmero limitado de opes e
comparar com os resultados do computador. Quando isto no possvel,
deve-se verificar se as entradas probabilsticas esto sendo geradas
corretamente e se os resultados esto razoveis.
x Validao o processo que visa garantir que o modelo de simulao
uma boa aproximao do evento de risco. Normalmente utilizam-se dados
reais nos quais as sadas j so conhecidas; caso isto no seja possvel,
pode-se utilizar um ou mais especialistas que conheam o evento de risco
que est sendo analisado para que verifiquem os resultados da simulao
para determinar se esto razoveis.
Um bom modelo utilizando planilhas pode ajudar muito na anlise de deciso e
tambm na identificao e gerenciamento dos riscos nos projetos. Porm, sem o
auxlio da simulao, um modelo em planilhas permite somente verificar um
resultado simples, geralmente o mais provvel ou a mdia do cenrio considerado.
A forma tradicional de simulao de modelos matemticos atravs de planilhas
eletrnicas tenta capturar as incertezas de uma deciso, que normalmente sero
apresentadas de uma das trs formas:
1. Estimativa de um ponto que utilizada quando se acredita no
conhecimento do valor mais provvel de uma varivel. uma maneira
fcil de estimar, porm a que contm maior erro no resultado.
2. Estimativa da amplitude tipicamente calcula trs cenrios, otimista,
pessimista e mais provvel. Este tipo de estimativa pode mostrar a

58

amplitude dos resultados da varivel de sada, mas no a probabilidade

da ocorrncia.
3. Cenrios E-se? (What-if scenarios) usualmente baseado sobre uma
amplitude de estimativas e calcula o resultado dos vrios cenrios
possveis que podero ocorrer. uma forma de anlise que consome
muito tempo e resulta em uma grande quantidade de dados, mas que
ainda no possvel determinar a probabilidade de atingir os resultados
encontrados.
A simulao, utilizando planilhas, analisa os efeitos das variaes das variveis de
entrada sobre os valores das variveis de sada. A simulao de Monte-Carlo faz
exatamente este processo, ou seja, atravs da gerao de nmeros randmicos
para as variveis de entrada (vrias e vrias vezes) calcula os possveis valores da
varivel de sada. Neste processo, deve-se atribuir a cada varivel de entrada os
possveis valores para uma curva de distribuio de probabilidades (ex.: normal,
triangular, uniforme etc.) baseado no comportamento da varivel.
Para exemplificar o processo, ser utilizado o mesmo caso, apresentado
anteriormente, de deciso entre usar um guindaste mdio ou grande, atravs do
software de simulao Crystal Ball.29
Considerando
Figura

2.9

na

tabela

os

da

valores

levantados para os custos dos

possveis

atrasos e

no

ocorrncia de atraso, pode-se,

por

exemplo,

aproximar

as

ocorrncias atravs de uma

distribuio Beta, obtendo-se a
curva da varivel de entrada
(em dias) como mostrada na
Figura 2.11.

29

Figura 2.11 Exemplo de uma varivel de entrada da

simulao

Software Crystal Ball v 7.2 da Decisioneering. Inc. 2005, site www.crystalball.com

59

Executando a simulao, obtm-se a curva de distribuio acumulada de

probabilidade para os possveis custos da escolha do guindaste mdio, como mostra
a Figura 2.12.
Quando se trabalha com simulao, utilizando-se a curva de distribuio acumulada
de probabilidades, alguns conceitos so importantes na leitura das informaes
obtidas:
Limite de Confiana30 como denominada a rea em azul da Figura
2.12. Ela deve ser lida da seguinte forma: existe X% (57,62%) de
probabilidade de ser atingido, no mximo, o valor indicado pela
probabilidade ($17.692,83).

Figura 2.12 Curva de Distribuio Acumulada de

Probabilidades

Intervalo de Confiana a rea compreendida entre dois limites de

confiana, ou seja, a rea azul da Figura 2.13. Onde se l da seguinte
forma: existe 48,84% de probabilidade que os custos fiquem entre
$16.000 e $25.000.

30

Os conceitos aqui apresentados de Limite de Confiana e Intervalo de Confiana so os

usualmente utilizados em Gerenciamento de Projeto, no tendo qualquer relao com o mesmo
conceito estatstico.

60

Figura 2.13 Exemplo de Intervalo de Confiana

Utilizando esse conceito de Intervalo de Confiana, Goldman (2000) define Certeza

como sendo a probabilidade de que um particular valor da curva de distribuio de
probabilidades da varivel de sada fique dentro de uma determinada faixa.
No adianta apenas considerar as ferramentas e metodologias para a tomada de
uma deciso. No momento da deciso, a preferncia do Tomador de Deciso (seja
ele pessoa jurdica ou fsica) ter um papel fundamental. A rea do conhecimento
que trata desse assunto chama-se Teoria da Utilidade.
Anderson, Sweeney e Williams (2003, p. 654) definem: Utilidade a medida do
valor de uma particular deciso e reflete a atitude do tomador de deciso frente ao
risco. Envolve uma srie de fatores tais como lucro, perda, risco, experincias
passadas etc..31 A Teoria da Utilidade mostra como incorporar a atitude e
preferncia do tomador de deciso perante o risco no momento de quantificar e
tomar uma deciso.
Segundo Bernstein (1997 p. 189) [...] Daniel Bernoulli32 introduziu a utilidade como a
unidade para medir preferncias [...] a teoria da utilidade foi redescoberta no final do
sculo XVIII por Jeremy Bentham, um popular filsofo ingls que viveu de 1748 a
1832.

31
32

Traduo prpria.
Daniel Bernoulli, matemtico suo do sculo XVII, que escreveu, em 1738, um artigo sobre a
utilidade na deciso.

61

Atualmente, na Anlise de Deciso, esto tambm sendo incorporados os conceitos

da Teoria da Perspectiva, desenvolvida por Daniel Kahneman e Amos Tversky33.
A Anlise de Deciso a principal ferramenta utilizada no gerenciamento de riscos
durante toda a vida dos projetos, porque gerenciar riscos avaliar e tomar decises
que se espera levem ao sucesso do projeto. Nos prximos captulos, ser
apresentada uma proposta para uma sistemtica de avaliao dos riscos nos
projetos, utilizando os principais conceitos que foram introduzidos.

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

3 PROPOSTA DE SISTEMTICA PARA AVALIAO DE RISCOS

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

3.1 ANLISE DOS RISCOS

Esta sistemtica preocupa-se exclusivamente com as ameaas ao projeto, que

sero sempre chamadas de Riscos. De todos os processos apresentados no
captulo 2, os mais importantes, para o efetivo gerenciamento dos riscos, so: a
Identificao dos Riscos e a Anlise Qualitativa dos Riscos. O primeiro fornece as
ferramentas para uma efetiva identificao e o outro fornece as ferramentas para
ranquear os riscos, determinando assim as prioridades de ao.
A eficincia desta sistemtica est suportada em dois documentos fundamentais,
apresentados no captulo 2, para qualquer metodologia de gerenciamento de riscos:
9 WBS (Working Breakdown Structure) ou EAP (Estrutura Analtica do
Projeto) A identificao dos riscos em um projeto toda feita sobre a
WBS, pois nela que esto definidas todas as entregas (deliverables) do
projeto e ela por definio o escopo do projeto desdobrado em partes
gerenciveis. A variabilidade das mtricas de controle de cada entrega ir
determinar o evento de risco do projeto atravs da projeo do seu
impacto sobre os objetivos dos projeto.
9 RBS (Risk Breakdown Structure) ou EAR (Estrutura Analtica de
Riscos) ou Checklist de Causas de Riscos um documento que
mostra como a empresa gerencia os riscos e contm (atravs de um
processo formal de lies aprendidas) todas as causas conhecidas de
riscos nos projetos da empresa.
Para facilitar o trabalho com a sistemtica proposta, os riscos do projeto sero
classificados em duas categorias denominadas Riscos de Vulnerabilidade e Riscos
Potenciais:
9 Riscos de Vulnerabilidade So os riscos que afetam diretamente os
objetivos do projeto, portanto somente existem como risco se o projeto
existir. Atravs do processo de identificao e gerenciamento dos riscos
desta categoria, avalia-se a vulnerabilidade do projeto, determinando-se o
nvel de confiana atual que existe no sucesso do projeto. Pela prpria

64

definio de risco de vulnerabilidade, um projeto vulnervel se no

atingir seus objetivos, se no entregar o que foi planejado, ou se no fizer
o que foi prometido.
9 Riscos Potenciais So eventos externos ao projeto que normalmente
podero ocorrer independente da existncia do projeto, e se ocorrerem
durante seu ciclo de vida podero afetar um ou mais de seus objetivos.
Muitos destes riscos, que em geral no se consegue controlar, sero
identificados como causas dos riscos de vulnerabilidade.
importante ressaltar tambm que de acordo com a conceituao que est sendo
adotada sobre Risco de Projeto, os mesmos sero identificados no nvel de controle
da WBS (conhecido como deliverable), que foi definido pelo Gerente de Projeto e
equipe.

3.1.1 Identificao dos Riscos

O objetivo do Gerente de Projeto no exerccio de sua funo entregar o Escopo

encomendado, no Prazo estipulado, nos Custos acordados e com a Qualidade
especificada. Estes so os objetivos do projeto que devem ser protegidos, ou seja, a
ocorrncia de um risco durante o ciclo de vida do projeto dever ser controlada para
que, como conseqncia, nenhum desses objetivos sejam afetados.
Conceitualmente, muito importante perceber que no existe o risco de se
ultrapassar os custos estimados, de no se atingir os prazos, por exemplo, como
normalmente se fala. Existem riscos que, se ocorrerem, durante o ciclo de vida do
projeto, podero, como conseqncia, impactar negativamente os custos e os
prazos, dependendo do limite de aceitao de desvios pelos stakeholders.
O primeiro passo para a identificao dos riscos determinar se haver impacto nos
objetivos finais do projeto (escopo, custo, prazo e qualidade) pela variabilidade das
mtricas de controle do ltimo nvel da WBS. Cada nvel de controle da WBS possui
um ou mais requerimentos, performance, ndices etc. a serem atingidos (chamados
deliverables-entregas).

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

Como resultado de <Causa>, pode ocorrer <Evento de Risco>, o que

acarretaria <Conseqncia>.1
A seguir, apresentam-se alguns exemplos do uso desta tcnica de metalinguagem:
x Como estamos <utilizando um novo hardware>, podero ocorrer <erros
inesperados na integrao>, que acarretaro <atraso na entrega do site>.
x Como <neste trecho da estrada ocorrem nevoeiros>, poderemos <no
cumprir o percurso no tempo planejado>, o que poder <causar o
cancelamento do contrato>.
Durante este processo de identificao dos risco, esta sistemtica procura obter as
seguintes informaes para cada evento selecionado:
1. Descrever de forma sucinta e clara o Risco;
2. Identificar em qual item da WBS ele foi encontrado;
3. Identificar de que forma o Risco ser mensurado (mtrica) considerando
a seguinte escala Alto, Mdio e Baixo Risco. Esta escala indicar como
medir os riscos durante o ciclo de vida do projeto.
4. Identificar as conseqncias do Risco, ou seja, quais objetivos futuros do
projeto podero no ser atingidos.
5. Ter certeza de que as conseqncias do Risco podero ser
quantificadas;
6. Identificar a freqncia (perodos, datas) prevista para a ocorrncia do
Risco;
7. Identificar e descrever todas as causas que poderiam deflagrar este
Risco, indicando a possibilidade de sua ocorrncia (Alta, Mdia ou
Baixa).
A forma como essas informaes sero registradas e documentadas depender da
ferramenta ou tcnica que estar sendo utilizada. Para ilustrar este processo, o
registro dos riscos ser feito em uma planilha denominada Documentao dos
Riscos, como mostra a Figura 3.1.

Traduo prpria

67

Figura 3.1 Documentao dos riscos

Na parte da figura contornada em vermelho, encontram-se as mtricas do risco e o

impacto que poder ocorrer nos objetivos do projeto. O que est sendo
documentado significa, no exemplo, que se naquele item da WBS ocorrer uma
movimentao de terra inferior a 500 kg, podemos esperar um atraso no projeto
superior ao aceitvel pelos stakeholders. desta forma que o processo de
identificao dos riscos se processa verificao do impacto das variaes das
mtricas do item da WBS nos objetivos do projeto e sua documentao.
No quadro Ferramentas de Controle do Risco documentam-se as ferramentas que
sero utilizadas, durante a execuo do projeto, para determinar se um risco j
ocorreu, se est para ocorrer ou se no ir ocorrer. Podero ser relatrios,
ferramentas matemticas, inspees, medies, etc.
Para cada risco encontrado tambm devero ser documentadas todas as causas
que podero deflagrar o risco, avaliando a possibilidade da sua ocorrncia na forma
Alta, Mdia e Baixa, como mostra a Figura 3.2.

Figura 3.2 Documentao dos riscos causas

68

Estas causas foram identificadas atravs da utilizao da RBS e em funo da

possibilidade de ocorrncia definida ser priorizado o desenvolvimentos das
respostas aos riscos, lembrando que para se controlar um risco deve-se atuar sobre
as causa que podero fazer com que ele acontea.

3.1.2 Anlise Qualitativa dos Riscos

Aps a identificao dos riscos, o Gerente do Projeto e a equipe devero decidir, de

acordo com as caractersticas do projeto, qual a estrutura lgica hierrquica que os
riscos devero ser agrupados e organizados para fins de gerenciamento. Levandose em considerao que gerenciar riscos no gerenciar escopo, prazo, custo ou
qualidade, mas sim gerenciar informao para tomada de deciso.
Existem inmeras formas para se organizar esta estrutura. Empresas que j
possuem um amadurecimento no processo, normalmente utilizam a mesma
estrutura da RBS, substituindo o ltimo nvel (causas do risco) pelo risco. A forma
mais comum para se trabalhar com os riscos identificados agrup-los por
categorias (Financeiro, Tcnico, Terceiros etc.) de acordo com as singularidades e
caractersticas do projeto. Com a continuidade na utilizao desta sistemtica,
durante vrios projetos, a empresa poder desenvolver uma RBS que se aproximar
da sua forma de gerenciar os riscos.
Miguel (2002, p. 120) alerta: Durante a identificao e anlise dos riscos, aqueles
que se encontram relacionados devero ser agrupados, a fim de facilitar a respectiva
gesto.
Com esta categorizao dos riscos ficar mais simples a avaliao da exposio aos
riscos no projeto, e como resultado, nessa sistemtica, obtm-se:
x Um entendimento completo dos tipos de riscos a que o projeto est
exposto;
x Quais so as fontes/causas de riscos mais significativas, aquelas que
merecem maior ateno;
x As causas que tero maior influncia sobre os riscos;

69

x As reas da WBS com dependncia ou correlao entre riscos;

x Os tipos de respostas aos riscos nas reas de alto risco.
Durante a execuo dessa sistemtica, sero identificadas causas que so externas
ao projeto (podero ocorrer independente da existncia do projeto) ou sobre as
quais no se tem qualquer gerncia. Elas se constituiro e sero tratadas
posteriormente como Riscos Potenciais.
A seguir sero apresentadas separadamente as sistemticas para tratar os Riscos
de Vulnerabilidade e os Riscos Potenciais.

3.1.2.1 Riscos de Vulnerabilidade

Riscos de Vulnerabilidade so os riscos que existem somente porque o projeto

existe; so aqueles que ameaam diretamente os objetivos do projeto portanto
devem ser identificados no ltimo nvel da WBS, no nvel de controle, onde esto as
entregas (Deliverables), atravs a variabilidade das mtricas de controle.
O tipo de estrutura que ser utilizada por esta
sistemtica est representado na Figura 3.3.,
onde Domnio o nvel mais alto utilizado para
gerenciamento dos riscos, por exemplo, poderia
ser Tecnolgico, De Gerenciamento, Cliente,
Terceiros, Externos etc., dependendo do projeto,
da empresa e de cada negcio da empresa.
Para cada Domnio poder ou no existir o nvel
Caracterstica, que um desdobramento para
melhor gerenciar os riscos. Por exemplo, poderia
se ter as seguintes caractersticas:
De Gerenciamento
Fase Inicial
Fase de Execuo
Terceiros
Terceiro 1
Terceiro 2

Figura 3.3 Estrutura de

gerenciamento dos riscos

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.

Quando, para determinado

Domnio, no existir uma
Caracterstica,

campo

ser deixado em branco.

Figura 3.4 Risco de Vulnerabilidade Avaliao

Fonte Adaptado do RMIP

71

A seguir, na planilha, sero preenchidos os campos Evento de Risco que foram

documentados na planilha de Documentao dos Risco, Figura 3.1, agrupados por
Caracterstica, e transcritas as escalas de medida dos riscos.
Foi atravs de um processo de lies aprendidas, em casos prticos de aplicao e
verificao dessa sistemtica, que a MIT Consultants determinou os pesos a serem
utilizados para a escala de medio dos riscos 1 baixo risco; 3 mdio risco e 7 alto
risco. Estes pesos sero utilizados no momento da avaliao dos riscos como
mostrado no Passo 4 da sistemtica. Estes Passos sero descritos a seguir.
Utilizando-se o exemplo de Movimentao de terra... apresentado anteriormente na
Figura 3.1, a documentao desta situao estar preenchida como mostra a Figura
3.5.

Figura 3.5 Modelo de preenchimento dos riscos de

vulnerabilidade
Fonte Adaptado do RMIP

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

1. Observa-se na planilha Risco de Vulnerabilidade Avaliao, Figura 3.4,

que o peso de valor 7 para o nvel Alto risco, portanto, multiplicando-se
o total de eventos de risco encontrados por 7 obtm-se a pontuao
terica mxima de risco do projeto. Este valor ser transportado para o
respectivo campo (marcado em vermelho) da planilha Riscos de
Vulnerabilidade Resumo. Considerando, como exemplo, que foram
identificados 100 eventos de risco, a planilha teria o preenchimento da
Figura 3.6.

Figura 3.6 Risco de Vulnerabilidade Resumo

Fonte Adaptado do RMIP

2. Para possibilitar a determinao do Fator de Vulnerabilidade do projeto,

seja no momento do planejamento ou durante sua execuo, e tambm
traar uma curva de tendncia dos riscos, necessria a determinao
de uma escala para executar esta medio. Para esta sistemtica, isto
ser possvel dividindo-se a pontuao total mxima de riscos do projeto
em trs faixas (chamadas de Tercis) conforme mostrado na Figura 3.7.
Onde o Tercil 1 tem escala de 1 at 25% da pontuao mxima de risco
do projeto, o Tercil 2 fica na faixa de 26% a 50% e o Tercil 3 na faixa de
51% at a mxima pontuao.

Figura 3.7 Tercis do Risco de Vulnerabilidade

Fonte Adaptado do RMIP

73

3. Para verificar como esto os riscos do projeto, a equipe dever avaliar

cada evento de risco para determinar, com base nas informaes
disponveis no momento, se o evento tem Alta, Mdia ou Baixa chance de
ocorrer. Esta avaliao ser documentada na planilha Risco de
Vulnerabilidade Avaliao marcando-se com um X ao lado da escolha
como mostra Figura 3.8.

Figura 3.8 Avaliao do risco de vulnerabilidade

Fonte Adaptado do RMIP

4. Aps a avaliao de todos os eventos de riscos, efetua-se a totalizao

dos pesos assinalados, por Caracterstica e depois por Domnio, como
mostra a Figura 3.9.

Figura 3.9 Totalizao dos riscos de vulnerabilidade

Fonte Adaptado do RMIP

5. As totalizaes obtidas por Domnio sero transcritas na planilha Risco

de Vulnerabilidade Resumo como mostrado na Figura 3.10. Totalizamse todos os valores dos Domnios, obtendo-se a pontuao terica de
risco do projeto, naquele momento. Comparando-se este valor com as

74

faixas dos Tercis encontra-se o Fator de Vulnerabilidade do Projeto que

ser transcrito no campo apropriado (Com fundo verde claro).

Figura 3.10 Fator de Vulnerabilidade

Fonte Adaptado do RMIP

6. Esta Sistemtica tem como base as melhores prticas utilizadas em

diversas empresas no gerenciamento dos riscos em projetos, levantadas
pela MIT Consultants para elaborao do software RMIP. Essas
melhores prticas, de acordo com o Fator de Vulnerabilidade obtido,
sugerem uma recomendao de aes que deveriam ser tomadas para
aumentar as chances de sucesso do projeto:
Risco Alto (Alta Vulnerabilidade) No mnimo um Plano de
Ao2 preventivo deveria ser elaborado para todos os Riscos com
pontuao avaliada em 7, alta chance de ocorrer.
Risco Mdio (Mdia Vulnerabilidade) A equipe do projeto ir
verificar todos os Riscos com pontuao avaliada em 7, alta
chance do ocorrer, e decidir qual tipo de resposta poder ser dada
2

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

ou um Plano de Ao ou no mnimo elaborar um Plano de

Contingncia3 para esses eventos.
Risco Baixo (Baixa Vulnerabilidade) No mnimo um Plano de
Contingncia dever ser elaborado para todos os Riscos com
pontuao avaliada em 7, alta chance de ocorrer.
importante notar que o resultado final desta Sistemtica poderia ser resumido em
uma nica frase No deixar nenhum Risco com alta chance de ocorrer sem
resposta e o tipo de resposta depender do Fator de Vulnerabilidade encontrado.
Seja qual for o plano a ser executado ele dever atuar sobre as Causas dos riscos,
pois somente atuando sobre as causas que se conseguir controlar os riscos no
projeto. Para causas que no existam estas possibilidades de atuao podero ser
determinados Fundos de Contingncia4 para proteo contra as conseqncias do
risco. Todas estas aes, que podero ser tomadas, sero documentadas na
planilha Documentao dos Riscos conforme mostra a Figura 3.11.

Figura 3.11 Documentao das aes sobre as causas dos riscos

3.1.2.2 Riscos Potenciais

Riscos Potenciais so normalmente eventos externos ao projeto que podero

ocorrer independente da existncia do projeto e que, se ocorrerem durante seu ciclo
de vida, podero afetar um ou mais de seus objetivos. Muitos destes riscos foram
identificados como causas dos riscos de vulnerabilidade, que no se consegue
controlar. Como exemplo pode-se ter Greves, Terremotos, Enchentes, Doenas etc.

Plano de Contingncia uma ao alternativa se as coisas no acontecerem conforme planejado

ou se uma falha inesperada acontecer. o conhecido Plano B, que somente ser acionado se o
risco ocorrer.
4
Fundo ou Reserva de Contingncia uma reserva em quantidade de tempo, dinheiro ou recursos
para tratar as ameaas conhecidas.

76

Para documentar e complementar a identificao dos riscos potenciais, em primeiro

lugar separa-se todas as causas dos Riscos de Vulnerabilidade das quais no se
tem controle. Depois, a equipe de projeto em uma sesso do tipo Brainstorm ir
completar a lista de riscos potenciais, utilizando-se de questes do tipo E se...?
Como exemplo:
x E se o subcontratado falir?
x E se o computador no der a performance especificada pelo fabricante?
Conforme os riscos vo sendo identificados, eles sero documentados na planilha
Riscos Potenciais Resumo, como mostra a Figura 3.12.

Figura 3.12 Riscos Potenciais Resumo

Fonte Adaptado do RMIP

Para

cada

Risco

Potencial

identificado

devero

ser

documentadas

suas

caractersticas na planilha Riscos Potenciais Avaliao, Figura 3.13. Durante este

processo, a equipe de projeto discutir sobre quais seriam as causas que fariam
aquele risco surgir, registrandoas. Apesar destas causas no
poderem

ser

objetivo

dessa

controladas,

discusso

nivelar

simplesmente

conhecimento da equipe com

relao quele evento de risco.
No passo seguinte, a equipe de
projeto

dever

avaliar

probabilidade de ocorrncia do
risco e seu impacto, com o

Figura 3.13 Riscos Potenciais Avaliao

Fonte Adaptado do RMIP

77

auxlio da Matriz de Probabilidade e Impacto de Risco5 constante da planilha.

Por

consenso

ou

votao

dever

ser

indicada qual a probabilidade (Alta, Mdia ou

Baixa) de ocorrncia do evento de risco e do
seu impacto sobre os objetivos do projeto
(Alto, Mdio ou Baixo), marcando-se o
respectivo

quadrante,

cruzamento

das

indicaes, como na Figura 3.14.

A descrio encontrada dentro do quadrante

Figura 3.14 Matriz de

Probabilidade e Impacto de Risco

assinalado indicar a classe do risco que

dever ser transcrita na planilha Riscos Potenciais Resumo, Figura 3.15.

Figura 3.15 Classe do risco potencial

Fonte Adaptado do RMIP

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

Potencial Baixo A deciso nada fazer.

Potencial Open o indicativo de baixa probabilidade e alto impacto.
Nestas situaes, a equipe de projeto dever analisar caso a caso e
decidir o que fazer, pois neste quadrante ocorrem situaes tipo terremoto
no Brasil (Baixa probabilidade e Alto impacto) como tambm situaes
sob controle e de grande conhecimento, porm com grande impacto se
ocorrerem.
As aes que podero ser tomadas sero documentadas na planilha Riscos
Potenciais Avaliao no campo Aes, Figura 3.16.

Figura 3.16 Aes sobre os riscos potenciais

Fonte Adaptado do RMIP

Aps o processo de Anlise Qualitativa, obtm-se uma lista de todos os riscos

prioritrios (Riscos de Vulnerabilidade e Potenciais) no momento e tambm quais
seriam as possveis respostas que poderiam ser dadas aos eventos de risco.
O Gerente de Projeto no ir automaticamente desenvolver e implementar estas
respostas; em primeiro lugar, ele dever calcular o Valor Esperado (Expected Value)
de cada risco do projeto (de acordo com as tcnicas mostradas no captulo 2 e que
tambm sero aplicadas no captulo 3.2); e, em seguida calcular os custos das

79

respostas aos riscos e submeter o estudo ao Patrocinador para a tomada de

deciso. Este estudo dever prever para cada resposta implementada qual ser a
nova exposio do projeto aos riscos remanescentes.
Com a utilizao destas tcnicas, ser possvel:
9 Quantificar os possveis resultados do projeto e suas probabilidades;
9 Obter uma avaliao probabilstica nas chances de serem atingidos os
vrios objetivos planejados;
9 Identificar os riscos que exigem maior ateno em funo do impacto
calculado;
9 Identificar metas realistas de custo, prazo e escopo.
Com os riscos e as possveis respostas quantificadas tm-se todas as informaes
necessrias para que seja tomada a deciso sobre o que dever ser feito.
Aps a escolha das respostas que sero implementadas, dever ser atualizado o
cadastro dos riscos, nomeando-se os responsveis pelos monitoramentos e
detalhando-se todo o processo de controle durante a vida do projeto. O plano que
ser implementado dever ser detalhado e a sua execuo controlada.
Como o objetivo do desenvolvimento de respostas aos riscos aumentar as
chances de sucesso do projeto, uma nova Anlise Qualitativa dever ser executada
para se verificar como ficou a exposio do projeto aos riscos aps a implementao
das respostas.
Aps a execuo de todos os processos anteriores, restar apenas o processo de
Monitoramento e Controle dos Riscos, que tem como objetivos principais:
9 Verificar se o plano de gerenciamento de riscos est sendo executado
conforme planejado;
9 Controlar a exposio do projeto aos riscos.
Este um processo contnuo durante toda a vida do projeto, pois riscos novos iro
surgir, respostas dadas podem no ter sido eficazes, riscos no ocorreram etc.
Portanto fundamental o acompanhamento da execuo do plano.

80

Atravs desse controle os riscos podero ser reavaliados, a tendncia verificada e o

desempenho do projeto poder ser medido e projetado. Todos os processos para
medir a nova exposio aos riscos do projeto devero ser refeitos.

3.2 ANLISE DO NVEL DE CONFIANA

No dia a dia de um projeto, quando solues para um problema ou alternativas para

uma determinada situao so apresentadas, ou para se fazer preo sobre
determinado custo orado, ou assumir que os objetivos de um projeto sero
alcanados, ouve-se a mesma pergunta Qual a garantia que existe nesta deciso?
Em outras palavras, o que se procura o nvel de confiana na escolha que ser
feita. Conforme discutido no captulo 2, uma das melhores formas para medir o nvel
de confiana em uma deciso determinar o seu Valor Esperado atravs da
simulao de Monte-Carlo.
A Sistemtica que ser proposta trabalha com planilhas do Excel, utilizando o
software Crystal Ball para executar a simulao. No possvel ter uma planilha
nica como modelo para a soluo de qualquer problema. O que ser mostrado
um processo de construo destas planilhas para soluo dos problemas de anlise
de deciso.
Na utilizao de planilhas para simulao, Goldman (2000) define que o modelo ir
representar um processo com combinaes de dados, variveis, frmulas e funes
executadas atravs de clulas das planilhas.

3.2.1 O Modelo

No momento da criao de um modelo de simulao deve-se considerar a diferena

entre um modelo de otimizao e um modelo de simulao. Eppen et al. (2000, p.
507) descrevem estas diferenas da seguinte forma:

81

x Nos modelos de otimizao os valores das variveis de deciso so as

sadas do modelo. O modelo providencia uma srie de valores para as
variveis de deciso que maximize ou minimize o valor da funo
objetivo.
x Nos modelos de simulao os valores das variveis de deciso so
entradas do modelo. O modelo avalia a funo objetivo para um particular
conjunto de valores.6

Um modelo matemtico de simulao desenvolvido para medir o nvel de confiana

depende, basicamente, de trs elementos fundamentais:
1. Definio das variveis de entrada do modelo;
2. Determinao dos tipos de variaes a que estaro sujeitas as variveis
de entrada;
3. Os relacionamentos matemticos das variveis de entrada para produzir
um determinado resultado (funo objetivo) que ser medido na forma de
nvel de confiana.
A tarefa mais difcil de ser realizada na montagem do modelo a determinao das
possveis variaes que podero sofrer as variveis de entrada. Durante a execuo
da simulao, sero calculados vrios cenrios levando-se em conta a variao das
variveis de entrada em funo da definio do seu comportamento. Este
comportamento obtido pela representao das variveis de entrada por curvas de
densidade de probabilidade, conhecidas como PDF (Probability Density Function).
A

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

mostra a Figura 3.17.

A escolha da curva de

Figura 3.17 Galeria de curvas de distribuio PDF

Fonte Crystal Ball

distribuio dever obedecer alguns critrios conhecidos sobre a utilizao de cada

curva, por exemplo:
6

Traduo Prpria

82

Distribuio Uniforme So trs as condies caractersticas desta curva:

- Ter um valor mnimo fixo;
- Ter um valor mximo fixo;
- Todos os valores entre o mnimo e o mximo possuem a mesma
probabilidade de ocorrncia.
Distribuio Triangular So trs as condies caractersticas desta curva:
- Um nmero mximo de itens fixado;
- Um nmero mnimo de itens fixado;
- O mais provvel nmero de itens fica entre o mnimo e o mximo,
formando o desenho de um tringulo que indica que os valores mais
prximos do mnimo e do mximo tm menos chances de ocorrerem do
que aqueles prximos do valor mais provvel.
Identificadas as variveis de entrada e as curvas de distribuio, criam-se as clulas
de sada do modelo, que tero relaes matemticas entre as clulas que contm as
variveis de entrada.
Resta definir como determinar os valores que iro dar forma s curvas de
distribuio das variveis de entrada.
Normalmente a tcnica utilizada : trabalhando em conjunto com quem conhece
muito bem o comportamento da varivel que se est analisando, procura-se montar
uma lista de tudo que seria necessrio de informao, documentos, desenhos etc.
para se ter certeza na estimativa ou comportamento da varivel. Este conjunto de
informaes teoricamente seria a certeza absoluta na estimativa da varivel de
entrada. A partir deste ponto, atravs de um trabalho de questionamento e
verificao, procura-se levantar a falta de quais informaes ou documentos poderia
levar a um nvel de incerteza no comportamento ou estimativa da varivel.
A continuidade desse processo ter como resultado uma lista de checagem
contendo os limites de alta, mdia e baixa confiana no valor ou comportamento da
varivel de entrada. Esta lista ser utilizada nas reunies de validao e avaliao
das previses elaboradas.

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.

Figura 3.18 Modelo de planilha de cadastramento de obra

Nesse modelo, a pergunta fundamental Qual o nvel de confiana nas

informaes que foram passadas para a realizao dos oramentos de custo,
fornecimento e montagem? O clculo do oramento feito sobre o projeto fsico e
baseado em uma srie de informaes que delimitam seu grau de confiana. Esta
a funo da listagem de checagem, ou seja, conseguir identificar o nvel de
confiana, de quem est elaborando o projeto, nos dados fornecidos para fazer o
oramento.
Nos projetos de bens de capital, a lista de checagem est separada por disciplina.
Na Figura 3.19 pode-se ver um exemplo desta lista.

84

Figura 3.19 Lista para avaliao da civil

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

unidade quantitativa que variaria em funo da confiana nas informaes

disponveis. Alguns exemplos:
x Para determinada Obra na disciplina Instrumentao, a unidade era
nmero de pontos de coleta. Para outra, onde estavam sendo instalados
equipamentos, a unidade era unitria;
x Para determinada Obra na disciplina Civil, a unidade era toneladas; em
outra, metros quadrados;
x Para determinada Obra na disciplina Eltrica, a unidade era metros
lineares. Para outra, onde estava sendo instalada uma subestao, era a
quantidade de itens;
x Para determinada Obra nas disciplinas Mecnica e Tubulao, a unidade
bsica era o Quilograma.
Com esse levantamento, complementa-se o modelo matemtico para capturar as
avaliaes onde o componente Fsico ser representado pelo quantitativo de cada
Disciplina. Para cada Obra ser efetuado um levantamento e definida a unidade
fsica que seria representativa do que ser executado. Quando as informaes do
projeto forem passadas para a equipe que elabora o oramento, ela tambm
calcular o quantitativo da unidade de medida que representa aquela obra. O
resultado deste trabalho ficar registrado na planilha da Figura 3.20.

Figura 3.20 Modelo de cadastramento de obra para simulao

Nessa planilha sero automaticamente calculados os custos unitrios de

fornecimento e montagem para cada disciplina e totalizando-se o custo total das
Disciplinas e da Obra. Com isso, elaborou-se o modelo matemtico para simulao
do oramento, assim definido:

86

9 Variveis de Entrada Quantidade, Custo Unitrio de Fornecimento e

Custo Unitrio de Montagem.
9 Varivel de Sada Custo Total Orado = (Quantidade x Custo
Unitrio de Fornecimento + Quantidade x Custo Unitrio de Montagem),
para todas as disciplinas.
Na Figura 3.21 encontra-se um exemplo preenchido desta planilha com as variveis
marcadas em vermelho e relevo.

Figura 3.21 Exemplo de obra valorada para a simulao

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

ao mximo ou cair abaixo do mnimo e o valor mais provvel mais importante do

que os extremos.
Atravs de reunies seletivas com as equipes responsveis por cada disciplina e na
presena de um Facilitador8, para cada Obra ser executada uma avaliao do nvel
de confiana nas informaes quantitativas fornecidas para a elaborao do
oramento, denominado de Fsico. O objetivo ser determinar, questionando a
existncia ou no dos dados e informaes contidas na listagem de checagem, qual
a variao percentual em relao aos dados quantitativos fornecidos para a
elaborao do oramento.
O primeiro valor avaliado ser o mais provvel. Em funo das informaes
disponveis dever ser informada a variao em percentual da Quantidade usada
para a elaborao do oramento (a mais provvel); dessa forma ser recalculada a
Quantidade orada. Em seguida, procura-se obter a variao percentual (que incidir
sobre a quantidade mais provvel recalculada) para as avaliaes pessimista e
otimista.
Para facilitar a execuo do modelo, essas informaes sero preenchidas na
mesma planilha, conforme mostrado na Figura 3.22.

Figura 3.22 Modelo de Avaliao do Fsico da Obra

De acordo com o modelo, toda a avaliao do projeto fsico vai influenciar a

quantidade que foi dimensionada para cada disciplina, ou seja, estas variaes vo
atuar sobre as quantidades de forma percentual para redefinir os valores, otimista,
8

Facilitador pessoa habilitada para conduzir reunies visando atingir um objetivo, utilizando-se de
vrias tcnicas tais como: Brainstorming, Delphi, etc.

88

mais provvel e pessimista. Estes valores serviro de entrada para distribuio

triangular que foi definida para a Quantidade de cada uma das Disciplinas.
A Figura 3.23 mostra como essa vinculao efetuada, utilizando-se o software
Crystal Ball. A clula D28 onde se encontra o valor otimista (Minimum), a clula
D30 (Likeliest) o mais provvel e a clula D32 (Maximum) o pessimista.

Figura. 3.23 Exemplo de distribuio triangular

para o Fsico
Fonte Crystal Ball

Para as outras duas variveis de entrada, Custo Unitrio de Fornecimento e Custo

Unitrio de Montagem, realizou-se vrios levantamentos de dados histricos em
reunies com a equipe de Compras.
Verificou-se que a melhor forma de representar as variaes seria tambm atravs
de uma distribuio triangular, sendo que as porcentagens Otimistas, Mais
Provvel e Pessimista seriam obtidas atravs de reunies de avaliao realizadas
com a equipe de compras.
Para estas reunies foram tabulados vrios dados de custos unitrios em projetos
recentes e no mercado para que atravs do questionamento dos nmeros, em
funo dos volumes envolvidos, caractersticas do projeto, variaes cambiais,
experincia de negociao com os fornecedores, pudessem ser estimadas as
variaes.
Aps essas reunies de avaliao, a planilha de cada prdio ficar como o exemplo
na Figura 3.24, onde os percentuais da avaliao esto mostrados em relevo e
vermelho.

89

Figura 3.24 Modelo de avaliao do Fornecimento e Montagem

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

Fig. 3.25 Exemplo de distribuio triangular

para o Fornecimento
Fonte Crystal Ball

de Montagem da Civil. A clula D44 onde se encontra o valor otimista (Minimum),

a clula D46 (Likeliest) o mais provvel e a clula D48 (Maximum) o pessimista.

90

Aps a elaborao das avaliaes

para todas as Obras, as planilhas
estaro prontas para execuo do
processo de simulao e obteno
dos possveis resultados esperados
para o custo orado de cada Obra e
tambm do empreendimento como um
todo.
O resultado dessa simulao ser
uma Curva de Distribuio Acumulada
de

Probabilidades

dos

custos

Figura 3.26 Exemplo de distribuio

triangular para a Montagem
Fonte Crystal Ball

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.

Figura 3.27 Curva de distribuio acumulada dos

custos da Civil
Fonte Crystal Ball

Na planilha da Figura 3.24 o custo estimado para a disciplina Civil de $ 99.551,29.

Atravs da simulao, o custo esperado estar entre $ 94.790,63 e $ 105.942,47,
que o chamado intervalo de confiana, com uma variao de aproximadamente
12%. Tambm se verifica que existem 45,56% de probabilidade que os custos da
Disciplina Civil fiquem no mximo em $ 99.967,77, que o Valor Esperado.

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%.

Figura 3.28 Curva de distribuio acumulada de todos os

custos da Obra
Fonte Crystal Ball

Tambm se verifica que existem 52,01% de probabilidade que os custos da Obra

005 fiquem no mximo em $ 1.910.862,01, que o Valor Esperado. Executando-se
a simulao para todas as Obras, obtm-se a curva de distribuio acumulada das
probabilidades para o empreendimento como um todo.
No prximo captulo ser mostrada a sistemtica sendo empregada em um projeto
real.

92

4 A APLICAO EM CASOS REAIS

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.

4.1 UMA EMPRESA NA REA DE TECNOLOGIA

A NMS, que um dos maiores provedores de solues de informtica, decidiu

descentralizar seus servios e o suporte aos seus clientes por vrias regies do
pas. Devido complexidade dessa operao e o impacto nos negcios que falhas
poderiam acarretar, este foi o primeiro projeto da empresa no qual a sistemtica de
gerenciamento dos riscos deveria ser utilizada.
O projeto foi alocado sob controle da diretoria e executado por diversos
fornecedores. A WBS do projeto foi dividida conforme mostra a Figura 4.1.

Figura 4.1 WBS do projeto NMS

93

Para apresentao da utilizao da sistemtica de gerenciamento dos riscos, vamos

considerar apenas o item da WBS, Migrao/Instalao do Escritrio Central e
Filiais, que foi desdobrado como mostrado na Figura 4.2.

Figura 4.2 WBS de controle

Como no possvel neste documento descrever todo o conhecimento do projeto,

torna-se necessrio que algumas consideraes importantes sejam listadas para
que a anlise dos riscos do projeto apresentada seja compreensvel.
9 Preparao dos Sites no Escritrio Central e Filiais de
responsabilidade

da

NMS

garantir

que

todos

os

sites

estaro

apropriadamente equipados e prontos para receber as instalaes

eltricas e fsicas.
9 Instalao e integrao do hardware e software para todos os sites
A integrao HW & SW ser executada nas instalaes da Integra Inc.
(Prestador de servios subcontratado) e por ela enviada para os sites
destinos. A importao
equipamentos

de

OCR

da
e

UK

(Pases do Reino

tratamento

de

imagens,

Unido), dos
sero

de

responsabilidade da NMS. A Integra Inc. no possui escritrios nem filiais

em todos os locais onde se localizam os sites.
9 Integrao das Redes e Start-up Todo o servio de lanamento e
instalao dos cabos de sinal e suas conexes ser executado por
subcontratados dos locais onde os sites se encontram e devero
obedecer aos padres internacionais.

94

9 Treinamentos Os treinamentos devero ser ministrados para os

funcionrios e clientes nos prprios sites da NMS. Existe a necessidade
de alguns dos treinamentos serem em ingls.
9 Migrao das aplicaes atuais para todos os sites Os servios para
portar ou reescrever as aplicaes atuais sero de responsabilidade da
XF Inc. com sede na ndia. Esta empresa possui grande experincia na
converso de programas escritos em COBOL.
9 Integrao das novas aplicaes O desenvolvimento das novas
aplicaes necessrias para suportar o modelo de negcio ser feito pela
Verona Inc. dos Estados Unidos, que mantm sua equipe de
desenvolvimento na ndia. Eles so especialistas em aplicaes OCR e
tratamento de imagens.
9 Migrao dos Sistemas Legados O sistema legado, que no sofrer
grandes alteraes, dever ser migrado durante a fase de aceitao e
testes. A aceitao da migrao somente ocorrer aps um prazo de 3
meses de operao em paralelo. Esta migrao ser feita pela SOFT Inc.
de Frankfurt, que ser responsvel tambm pelo software de converso
das bases de dados.
9 Testes On-Site Todos os sites precisam ser testados e aceitos antes do
incio dos testes de aceitao da migrao. Os testes de aceitao sero
executados atravs do site do Escritrio Central. A Diretoria solicitou um
perodo de 3 meses de operao paralela antes da passagem total para o
novo ambiente e que esse perodo ocorresse 6 meses antes da total
retirada dos equipamentos obsoletos.

4.1.1 Uma Viso do Escopo da Soluo

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

plataformas tecnolgicas atuais envolve no s tecnologia, mas tambm alterao

na forma de como ela faz negcios uma mudana cultural na empresa.
Para que essa mudana no acarrete grande impacto nos negcios, a NMS
pretende caminhar, no mnimo, em duas fases para o mundo Open System e deseja
que todas as suas aplicaes atuais sejam aderentes a esse mundo.
Fase 1:
x

Autonomia parcial inicial s Filiais.

Durao estimada em 12 meses.

Introduzir o conceito de Cliente/Servidor em todas as filiais, seguindo

uma distribuio balanceada de produo entre o Escritrio Central e
as Filiais.

Processar os dados brutos localmente, utilizando a ltima tecnologia

de OCR disponvel. Os dados capturados sero transmitidos das
filiais para a Diviso de Produo no Escritrio Central.

Desenvolvimento do software de OCR necessrio para a aplicao.

Transferir,

portar

e/ou

reescrever

os

Relatrios

Estatsticos

Customizados e outros softwares de aplicao.

x

Introduzir as facilidades locais para que cada Filial possa produzir os

Relatrios Estatsticos Customizados.

Reorganizar e adaptar a Diviso de Produo do Escritrio Central

para acomodar a supresso da entrada de dados, que foi transferida
para as filiais, que ir gerar uma reduo de 50% nas atividades.

Fase 2:
x

Autonomia total s Filiais.

Introduzir o ambiente EWP (Enterprise Wide Processing) permitindo a

descentralizao total da produo para as filiais e reorganizar a
Diviso de Produo do Escritrio Central para se tornar uma
unidade de gerenciamento de informaes.

Expandir as facilidades locais das filiais para obter capacidade total

de processamento.

96

Implementar dentro da Diviso de Produo as atividades de

Gerenciamento de Redes, Administrao de Dados e Sistemas.

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

Nessa empresa, o gerenciamento dos riscos se concentrou sobre as ameaas ao

projeto e, portanto, a sistemtica adotada para identificao e anlise qualitativa dos
riscos de projeto foi a mesma apresentada no captulo 3.
Para apresentao dos resultados da aplicao dessa sistemtica no projeto da
NMS, sero considerados apenas os itens que fazem parte da Migrao/Instalao
do Escritrio Central e Filais na WBS.
Passo 1 Identificao das mtricas na WBS/EAP
x

Para cada item de controle da WBS/EAP foram identificadas as vrias

mtricas que seriam utilizadas durante a vida do projeto;

Alguns exemplos dessas mtricas foram a quantidade de gates a serem

integrados (esperada na ordem de 200), quantidade de aplicaes a
serem migradas (esperada por volta de 2.500), quantidade de pontos a
serem testados simultaneamente (esperado na ordem de 250) etc.

Passo 2 Determinao do impacto das variaes das mtricas

x

Utilizando-se uma Metalinguagem do tipo Como resultado de <Causa>,

pode ocorrer <Evento de Risco>, o que acarretaria <Conseqncia>
descrita no captulo 3, identificaram-se os possveis eventos de riscos
(Variaes das mtricas de controle) em cada nvel de controle da WBS.

Para cada evento possvel, executou-se a avaliao do intervalo de

variao das mtricas de controle (Risco) que poderiam impactar
(Conseqncia) o Escopo, Prazo, Custo e Qualidade finais do projeto.
Somente as variaes, cujo impacto estivessem fora dos limites aceitos
pelos stackeholders, foram consideradas eventos de riscos do projeto.

Os eventos de riscos identificados por esta sistemtica so denominados

de Riscos de Vulnerabilidade.

Para esses eventos de risco, de acordo com a sistemtica, dividiu-se a

faixa de variao em trs nveis, denominados Baixo, Mdio e Alto Risco.
Nas mtricas mostradas no Passo 1 temos como exemplo: menos que 50

98

gates a serem integrados = Baixo Risco; entre 50 e 200 gates = Mdio

Risco; acima de 200 gates = Alto Risco.
Passo 3 Documentao dos riscos de vulnerabilidade do projeto
x

Para cada risco de vulnerabilidade identificado foi preenchido o cadastro

de riscos do projeto, como mostra a Figura 4.3.

Figura 4.3 Cadastro de um risco do projeto

Com auxlio da RBS (Explicada no captulo 2 e mostrada na Figura 4.4)

tambm foram identificadas e documentadas as causas (ltimo nvel da
RBS), que poderiam fazer com que as mtricas no fossem atingidas.
Classificaram-se as possibilidades de ocorrncia das causas, para cada
item de controle da WBS como Alta, Mdia e Baixa, conforme a Figura 4.5.

99

Figura 4.4 RBS utilizada na identificao das causas dos riscos

Figura 4.5 Exemplo de documentao das causas dos riscos

Passo 4 Avaliao dos riscos de vulnerabilidade

x

Neste Passo, a equipe decidiu, de acordo com as caractersticas do

projeto, como os Riscos seriam gerenciados durante a vida deste,
montando uma estrutura hierrquica para seu gerenciamento. Nesta
sistemtica, essa estrutura foi dividida em nveis denominados Domnios,
Caractersticas e Eventos de Riscos, como apresentado no captulo 3.

Foram analisados todos os riscos identificados e montada a estrutura para

seu gerenciamento.

100

Seguindo essa estrutura os riscos, foram documentados na planilha Risco

de Vulnerabilidade Avaliao, como mostra o exemplo na Figura 4.6.

Figura 4.6 Cadastramento dos riscos de vulnerabilidade

De acordo com a sistemtica descrita no captulo 3, multiplicou-se a

quantidade de eventos de risco por 7 (Risco Alto) para obteno da maior
pontuao de risco do projeto, no momento. Em seguida, utilizando-se a
planilha Riscos de Vulnerabilidade Resumo dividiu-se esta pontuao
em tercis, obtendo-se as faixas para medio do risco do projeto. O
resultado deste processo pode ser visto na Figura 4.7, onde, no momento
da identificao dos riscos, foram encontrados 170 eventos de risco.

Figura 4.7 Pontuao mxima dos riscos de vulnerabilidade

101

A seguir foi efetuada a avaliao do que poderia acontecer com cada

evento de risco, tomando-se como base as informaes disponveis do
projeto no momento. Essa avaliao foi feita marcando-se com um X as
colunas identificadas com Alto, Mdio ou Baixo Risco na planilha Risco de
Vulnerabilidade Avaliao.

Totalizaram-se os pontos marcados, nos Eventos de Riscos, por

Caractersticas e em seguida por Domnio, obtendo-se o resultado
mostrado na Figura 4.8.

Figura 4.8 Avaliao dos riscos de vulnerabilidade

As totalizaes de todos os Domnios foram transcritas na planilha Risco

de Vulnerabilidade Resumo, obtendo-se o total de pontos para todos os
Domnios. Essa pontuao de risco do projeto no momento comparada
com a escala de Tercis indicando o Fator de Vulnerabilidade do Projeto.
Essa avaliao mostrada na Figura 4.9.

102

Figura 4.9 Determinao do Fator de Vulnerabilidade

Passo 5 Anlise da avaliao dos riscos de vulnerabilidade

x

Os passos de 1 a 4 foram executados periodicamente durante o ciclo de

vida do projeto. A cada execuo obteve-se uma nova pontuao total de
risco do projeto que foi utilizada para verificao da tendncia dos riscos
no projeto atravs de um grfico contendo a pontuao no tempo.

O resultado da avaliao mostrado na Figura 4.9 contm algumas

informaes importantes para o gerenciamento dos riscos do projeto.
Atravs da anlise da pontuao encontrada para cada Domnio obteve-se
a priorizao das reas de maior risco para o projeto; nesse caso, a ordem
decrescente : Tcnico (230 pontos), 31% dos riscos do projeto causado
por este Domnio; Terceiros (190 pontos), 25% dos riscos; Integrao (140
pontos), 18% dos riscos; Treinamento (100 pontos), 14% dos riscos e
Financeiro (80 pontos) 12% dos riscos.

Focando-se no Domnio Tcnico, por exemplo, na Figura 4.8 identificou-se

qual Caracterstica tem maior pontuao dentro do Domnio, e dentro
dessa Caracterstica foram desenvolvidas respostas para os riscos
assinalados como Alto. Esta a forma como essa sistemtica priorizou
os riscos que mereciam ateno.

103

Passo 6 Documentao dos riscos potenciais

x

Durante a identificao dos riscos de vulnerabilidade, foram descobertas

causas de risco, externas ao projeto, e que poderiam ocorrer
independente da existncia do projeto. Essas causas so denominadas,
por essa sistemtica, como Riscos Potenciais ao projeto. Esses riscos
tambm foram identificados atravs do processo de questionamento
E se ... (What If?). A forma de se trabalhar com esses riscos foi
apresentada no captulo 3.

Atravs do processo de identificao e com a relao das causas de risco

de vulnerabilidade que so externas ao projeto, foram documentados os
Riscos Potenciais do projeto, utilizando-se a planilha Riscos Potenciais
Avaliao. Foi preenchida uma planilha para cada risco identificado, como
mostra a Figura 4.10.

Figura 4.10 Exemplo de documentao dos riscos potenciais

104

Aps o cadastramento, a equipe do projeto discutiu sobre as possveis

causas que poderiam deflagrar o problema, com o objetivo de nivelar o
conhecimento da real possibilidade de sua ocorrncia. Documentou-se na
planilha todas as possveis causas encontradas, como mostra a Figura
4.11.

Figura 4.11 Documentao das causas de riscos potenciais

Passo 7 Avaliao dos riscos potenciais

x

Para cada risco potencial identificado, a equipe do projeto analisou a

possibilidade de sua ocorrncia e o impacto que haveria sobre os objetivos
do projeto (Escopo, Prazo, Custo e Qualidade). Foi assinalado na matriz
de impacto de riscos (Grade de Risco na planilha) de forma qualitativa
(A-alto, M-mdio, B-baixo) o que poderia acontecer ao projeto, ou seja, no
cruzamento da avaliao da probabilidade com o impacto obteve-se o que
nessa sistemtica denominada Classificao do Risco Potencial.

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

Figura 4.12 Classificao do risco potencial

O resultado final das avaliaes dos riscos potenciais foi transcrito para a
planilha Riscos Potenciais Resumo ficando documentado como mostra
a Figura 4.13.

Figura 4.13 Documentao da avaliao dos riscos

Essa foi a sistemtica que a NMS Inc utilizou para identificar e fazer a anlise
qualitativa dos riscos do seu maior projeto.

106

4.2 UMA EMPRESA NA REA DE COMMODITY

A MultiUSA Inc., em sociedade com vrias outras empresas nacionais e

internacionais, decidiu elaborar um estudo de viabilidade para construo de uma
nova unidade produtora no norte do Pas. Para obteno dos investimentos
necessrios, o Brasil estava competindo com outros pases da Amrica Latina.
Um dos fatores decisivos para a escolha do local de instalao era a qualidade do
projeto. Para que esta avaliao fosse totalmente independente, livre das influncias
dos vrios interessados, foi contratado o IPA para fazer a anlise dos projetos.

4.2.1 Uma Viso do Escopo da Soluo

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

A preparao para o FEL deve procurar responder s seguintes perguntas Por

qu?; O qu?; Quando?; Como? e Quem?.
Atravs da avaliao destas respostas, o IPA considera que um projeto aprovado ir
atingir seus principais objetivos, que so On Budget; On Time; Fast; Low Cost;
Works as Expected; Safe.
Especificamente nesse projeto havia a concorrncia com um outro na rea do
Caribe; portanto a qualidade do projeto para determinao dos investimentos que
seriam feitos assumiu uma importncia fundamental no processo de tomada de
deciso. Um dos fatores que o IPA colocou como foco de sua anlise foi a
determinao do fundo de contingncia para o projeto.
Para o IPA, um projeto dividido em trs etapas conhecidas como ndices de FEL 1,
FEL 2 e FEL 3, onde em cada uma delas exigido um nvel de detalhamento e
conhecimento do projeto de forma crescente. Esses ndices so comparados com as
mdias da indstria durante o processo de avaliao.
No projeto da MultiUSA Inc foi implementada uma sistemtica para medir o nvel de
confiana com relao ao oramento proposto em FEL 3 e determinar o fundo de
contingncia necessrio para atingir 90% de nvel de confiana.

4.2.2 A Sistemtica

A sistemtica adotada para atender s necessidades da empresa foi atravs da

utilizao da Simulao de Monte-Carlo, como apresentada no processo de anlise
de deciso descrito no captulo 3.
A empresa dividiu o projeto em prdios (Centenas) separados em duas categorias
de acordo com a utilizao, ou seja, produo e infra-estrutura. As equipes
responsveis pelo projeto, separadas por especialidade, com base nas informaes
disponveis elaboraram os oramentos quantitativos, por prdio.
A empresa responsvel pelos clculos oramentrios utilizando-se de cotaes,
dados histricos, elaborou os oramentos para cada prdio. Os oramentos foram

108

divididos por Disciplina, considerando como disciplinas as reas de Civil, Metlica,

Mecnica, Tubulao e Instrumentao.
Passo 1 Cadastramento dos prdios
x

A empresa calculista desenvolveu uma planilha na qual acumula, por

prdio, os oramentos para cada disciplina. Essa planilha tambm contm
as informaes da disciplina separadas por Fornecimento (Oramento da
compra dos materiais), Montagem (Oramento da montagem) e
Quantidades (Base quantitativa representativa daquele prdio). Na Figura
4.14 encontra-se um exemplo dessa planilha.

Figura 4.14 Oramento de todos os prdios

Cada prdio foi cadastrado em planilhas que acumulavam todos os

valores orados. O resultado uma planilha, como a mostrada na Figura
4.15, contendo todos os oramentos do prdio por disciplina. A disciplina
Instrumentao no foi considerada durante a simulao, pois foi
contratada no exterior a preo fechado; portanto, o seu valor foi adicionado
ao valor total do projeto no final.

109

Figura 4.15 Modelo para cadastramento dos prdios

A planilha calculou, automaticamente em funo das quantidades

fornecidas, os custos unitrios de Fornecimento e Montagem.
Passo 2 Revises oramentrias
x

Nas apresentaes do projeto para os vrios interessados, verificou-se

que ocorriam alteraes e revises que incidiam percentualmente sobre as
bases quantitativas de cada disciplina. Para atender este objetivo, a
planilha foi modificada, como mostra a Figura 4.16.

Figura 4.16 Modelo de cadastramento dos prdios com reavaliao

Passo 3 Avaliao das bases quantitativas do projeto

x

As equipes que elaboraram os oramentos quantitativos de cada disciplina

e prdio foram convocadas para avaliao da confiana que existia nas
informaes fornecidas. Para estas reunies de avaliaes foram
utilizadas listas de informaes necessrias para elaborao dos
oramentos com indicativos da confiana existente (dependente das
informaes disponveis no momento do oramento). A Figura 4.17 mostra

110

o mesmo exemplo que est no captulo 3, onde se encontra uma

descrio detalhada desse processo.

Figura 4.17 Exemplo de lista de verificao

Com base nas listas de verificao, foram analisados todos os prdios e

determinada a variao percentual que deveria ocorrer no oramento
quantitativo em funo da disponibilidade das informaes no momento.
Em primeiro lugar foi determinada a variao sobre a quantidade mais
provvel e em seguida as variaes percentuais para clculo dos valores
otimista e pessimista, sobre este novo valor mais provvel, como
mostrado nos campos Avaliao Fsico na Figura 4.18.

Figura 4.18 Avaliao do oramento quantitativo

111

Passo 4 Avaliao dos valores financeiros

x

Em reunio com as reas de compras e financeiras ficou decidido que as

variaes que seriam determinadas para os valores de Fornecimento e
Montagem seriam aplicadas para todos os prdios, visto que as
negociaes de fornecimento seriam efetuadas para o projeto todo.

Foram separados todos os custos unitrios de Fornecimento e Montagem

calculados na elaborao do oramento (Custos por metros cbicos,
metros lineares, quilograma, tonelagem etc.) para serem comparados com
os custos histricos de obras recentes e custos de mercado.

Atravs desta anlise, foram definidas as variaes percentuais que

seriam aplicadas aos custos unitrios de fornecimento e montagem que
haviam sido calculados no cadastramento dos prdios (Campo Valorao
da planilha). Em primeiro lugar, avaliou-se a variao que deveria ocorrer
no valor mais provvel calculado na planilha e depois as porcentagens
para clculo dos valores otimistas e pessimistas sobre este novo valor
mais provvel. Na Figura 4.19, encontra-se a planilha totalmente
preenchida.

112

Figura 4.19 Exemplo de um prdio totalmente avaliado

Passo 5 Simulao dos prdios

x

Com todos os prdios avaliados, iniciou-se o processo de simulao. Este

processo foi executado prdio a prdio (no todos de uma nica vez) com
objetivo de se executar uma anlise da PDF de cada prdio.

A Figura 4.20 mostra o resultado da avaliao do Prdio 030 que est

servindo de modelo para esta apresentao. Analisando a PDF, verifica-se
que o valor orado originalmente de $ 34.200.053,61 est abaixo do limite
mnimo de variao esperada para os custos do prdio. O Valor Esperado
dos custos do prdio de $ 38.933.946,27, com um nvel de confiana de
52,52% que os custos no ultrapassaro este valor.

113

Figura 4.20 PDF dos custos do Prdio 030

Para cada Prdio simulado analisou-se o intervalo de confiana total (o

range da PDF). Para intervalos com variao superior a 20%, uma
verificao do oramento e das avaliaes efetuadas foi executada. Nos
casos em que o valor orado original ficou fora do intervalo de confiana,
verificou-se que a causa era a falta de documentos ou informaes
importantes; portanto, os responsveis pelo oramento foram acionados
para procurar melhorar o oramento elaborado.

Para as simulaes consideradas corretas, foram geradas pastas nas

planilhas de cada Prdio, contento o percentil dos custos simulados, como
mostra a Figura 4.21. Nesta planilha, esto marcados os valores por
Disciplina e total do Prdio para os nveis de confiana de 50% e 90%.

Figura 4.21 - Percentil dos custos acumulados do Prdio 030

114

Este processo foi repetido para as centenas de prdios do projeto. Foi

desenvolvida uma planilha que acumulasse, automaticamente, todos os
valores dos Prdios, por disciplina, na forma de Orado (Custo Total
Orado Reavaliado, da Figura 4.19), com 50% de Confiana (Valores da
faixa amarela da Figura 4.21) e com 90% de Confiana (Valores da faixa
azul da Figura 4.21). O resultado destas acumulaes mostrado na
Figura 4.22.

Figura 4.22 Resultado acumulado de todos os Prdios

Passo 6 Avaliao do oramento total do projeto

x

A planilha da Figura 4.22 acumula automaticamente o custo total do

projeto nas trs faixas (Oramento original; com 50% de nvel de
confiana; com 90% de nvel de confiana) separados por Prdio e
Disciplinas.

Neste momento, a empresa estava preparando a apresentao de FEL 3

para o IPA; portanto, o valor a ser apresentado deveria ser com um nvel
de confiana de 90%, ou seja, de $ 77.571.936,72.

O IPA tambm solicitou que fosse desenvolvido e apresentado um modelo

matemtico para a determinao do Fundo de Contingncia do projeto.
Esse processo de medio do nvel de confiana foi utilizado para essa
finalidade. Com base na anlise final dos nmeros obtidos mostrou-se que
seria necessrio um fundo de contingncia de $ 10.442.748,47 (15%) para
que a empresa trabalhasse com um nvel de confiana de 90% em relao
ao oramento originalmente elaborado.

Para a apresentao final ao IPA foi anexado, para alguns prdios, o

relatrio das premissas e avaliaes estabelecidas, ficando os relatrios

115

dos outros Prdios disponveis para consulta se necessrio. No Apndice

A, encontra-se o relatrio de Prdio 030 utilizado nestes exemplos.

116

5 ANLISE DOS RESULTADOS

O principal resultado que se procurou atingir com a aplicao das sistemticas

apresentadas foi minimizar as incertezas, ou seja, identificar e avaliar o que poderia
acontecer no futuro, durante o andamento de um projeto, e obter as informaes
necessrias para se ter condies de atuar em benefcio dos seus objetivos.

5.1 IDENTIFICAO E ANLISE QUALITATIVA DOS RISCOS

Estes processos procuraram conceituar mais consistentemente o que so riscos de

projeto para que o Gerente mantenha o foco naquilo que realmente importa para o
projeto. A utilizao e adaptao de uma metalinguagem para identificao das
causas, riscos e suas conseqncias, como proposto por Hillson (2000), foi
fundamental para o sucesso do processo.
A aplicao, no caso NMS, dessa metalinguagem sobre as variabilidades das
mtricas do nvel de controle da WBS se mostrou muito eficiente na identificao dos
riscos e para manter o foco nos objetivos do projeto (Escopo, Prazo, Custo e
Qualidade).
O que se constatou, atravs desse caso apresentado, que existe uma linha mestra
que poderia ser seguida para qualquer tipo de projeto. Desenvolver uma WBS com
mtricas quantitativas de controle; ter ou utilizar uma sistemtica de identificao e
priorizao dos riscos (Anlise Qualitativa durante toda a vida do projeto) que leve
em conta os impactos que podero ocorrer sobre os objetivos do projeto pela
variabilidade das mtricas de controle; que essa sistemtica informe a tendncia dos
riscos no projeto.
Outro ponto importante verificado foi a separao dos riscos em Riscos de
Vulnerabilidade e Riscos Potenciais; isto foi muito interessante para o processo de
gerenciamento, pois os riscos de vulnerabilidade esto relacionados diretamente
com as mtricas e objetivos do projeto; portanto, so prioritrios na ao. J os
riscos potenciais so causas de riscos de vulnerabilidade sobre as quais no se tem

117

gerncia, ou so eventos externos ao projeto que existiro mesmo que o projeto no

ocorra; portanto, normalmente a ao a ser tomada ser de proteo.
Essa sistemtica apresenta um resultado muito importante, mostrado no captulo 4.
Aps a execuo da anlise qualitativa, define-se como ser a estrutura de
gerenciamento dos riscos durante a vida do projeto, o que proporciona uma viso de
reas (Chamadas de Domnios) onde se concentram os maiores riscos do projeto.
Descendo dentro da estrutura hierrquica de gerenciamento dos riscos, chega-se
at as causas prioritrias. Esta forma de gerenciar os riscos nos projetos no consta
de qualquer processo descrito pelos diversos autores citados neste trabalho.
A NMS, aps o sucesso desta experincia, tornou a sistemtica obrigatria em todos
os projetos e iniciou aes para implementar, na organizao, o processo completo
de anlise de deciso e gerenciamento dos riscos em projetos.

5.2 ANLISE DE DECISO

O caso da MultiUSA, no captulo 4, apresentou o uso de uma sistemtica, utilizando

modelagem matemtica e Simulao de Monte-Carlo, cujo objetivo foi ajudar no
processo de tomada de decises que atendessem s necessidades do negcio.
A sistemtica utilizada serviu de suporte para todo o trabalho de planejamento do
projeto da empresa por apresentar como resultado a medida do nvel de confiana
existente no planejamento. O modelo elaborado para essa anlise foi do tipo
probabilstico, que apresentou como resultado uma curva de distribuio (PDF) onde
se mediu o nvel de confiana no oramento final do projeto, utilizando-se de
variaes quantitativas e financeiras das estimativas.
Para determinao do comportamento das variveis de entrada do modelo, foi
desenvolvida uma lista de checagem para cada disciplina, utilizada na elaborao
dos oramentos. Esta lista foi preparada com base no histrico de projetos da
empresa e no conhecimento da equipe do projeto. A equipe de cada disciplina
montou as listas dos requisitos mnimos necessrios para se atingir os nveis
exigidos pelo IPA em FEL 1, FEL 2 e FEL 3.

118

A validao da lista de checagem e a opo pela estimativa de amplitude (Trs

cenrios Otimista, Mais provvel e Pessimista) foram preliminar e exaustivamente
testadas em vrios Prdios do projeto.
Um dos resultados importantes dessa sistemtica foi a determinao do fundo de
contingncia do projeto, de acordo com o nvel de confiana que a empresa
desejava trabalhar. Em projetos anteriores, o fundo de contingncia era definido com
base em dados histricos de projetos, o que simplesmente no levava em
considerao a singularidade de cada projeto. A partir desse modelo, todas as
singularidades, sejam elas tcnicas, administrativas ou do cliente, so incorporadas
dentro do modelo de anlise do nvel de confiana.
A empresa foi parabenizada pelo IPA pela qualidade do projeto apresentado e
principalmente pelo modelo de determinao do nvel de confiana e do fundo de
contingncia.
A utilizao de uma unidade quantitativa bsica no oramento, por disciplina,
comprovou ser a melhor soluo para o modelo implementado. Essa quantidade
orada serviu de base para avaliao do planejamento do projeto e, como foi
utilizada nos clculos dos custos unitrios de fornecimento e montagem, incorporou,
ao modelo, as incertezas dos custos de fornecimento e montagem.
O sucesso obtido com a implantao dessa sistemtica levou a sua aplicao no
projeto de desenvolvimento da mina que produzir os insumos para a nova unidade
fabril, um projeto na ordem de US$ 600 milhes e tambm para o projeto de reforma
de sua mais antiga unidade fabril, um projeto na ordem de US$ 120 milhes.

5.3 RECOMENDAES

No somente pelos casos apresentados no captulo 4, mas tambm a prtica na

implementao das tcnicas de anlise de deciso e gerenciamento dos riscos nos
projetos indica que para se ter sucesso, necessrio um total comprometimento da
alta administrao com apoio formal e financeiro para treinamentos, aquisio de
ferramentas, consultoria, aquisio e levantamento de informaes etc.

119

Observa-se que o sucesso dessa implementao, em qualquer empresa, est

intimamente relacionado com a sua cultura, e ele somente foi alcanado quando
foram adotadas as seguintes diretrizes:
1. O medo de tomar decises tem que ficar fora da empresa. O
funcionrio tem que saber que ele no deve ter medo de tomar decises;
2. Os funcionrios so avaliados pela deciso tomada e no pelo
resultado da deciso. Uma boa deciso aquela que utilizou o processo
certo com as melhores informaes disponveis no momento. Se o
resultado no foi bom, avaliam-se os porqus e procura-se melhorar o
processo. Quando a empresa avalia o funcionrio pelo resultado da
deciso tomada, a tendncia que as prximas decises sejam tomadas
para se perder menos, e quando as pessoas decidem para perder menos,
somente a empresa perde, pois as decises no so para ganhar.
Para que haja alguma chance de sucesso, a implementao desses processos
dever ser o que for possvel dentro da cultura atual da empresa. Se no momento
apenas for possvel implementar algum deles informalmente, que seja assim, pois
sempre ser melhor do que o processo atual. Se for possvel implementar uma
sistemtica formal com utilizao das tcnicas e ferramentas existentes no mercado,
melhor ainda.
Nos dos casos mostrados, observou-se que a melhor forma de implementao
fazer um processo contnuo e permanente atravs da implantao de pequenos
processos, com objetivos claramente definidos e mensurveis, fazendo ajustes no
tempo e verificando se eles esto sendo efetivos. A adoo desta estratgia, em
uma seqncia de projetos, resultar em um processo de anlise de deciso e
controle dos riscos muito aceitvel com relao ao custo e esforo necessrio.
preciso pensar sobre os conceitos e tcnicas que esto nesta dissertao do
mesmo modo que se pensa em todo aquele conhecimento obtido nos cursos de
engenharia. Existem alguns que sero utilizados quase todos os dias, outros que
sero utilizados algumas vezes, outros que nunca sero utilizados; mas importante
que todos sejam de conhecimento e estejam l, porque mesmo aqueles que no
esto sendo utilizados tm sua aplicao e estaro disponveis se um dia for preciso.

120

Uma boa definio de escopo e um bom planejamento, com certeza minimizam os

riscos. Com relao ao planejamento, vale lembrar a frase de Dwight Eisenhower1:
Na preparao para a batalha eu sempre acreditei que os planos so inteis, mas o
planejamento indispensvel. Eisenhower reconheceu que, na guerra, de fato,
poucas coisas aconteciam como estavam realmente planejadas, o que uma
grande verdade quando se fala de projetos; porm, o exerccio do planejamento
supre as necessidades para medir o progresso e rapidamente detectar desvios e
problemas.
Para uma sistemtica de gerenciamento dos riscos, verificar periodicamente o
progresso do projeto e monitorar os riscos no apenas prudente, mas obrigatrio.
Falhas na execuo deste monitoramento fazem com que pequenos problemas
cresam e tornem-se incontrolveis. Pequenos problemas podem ser resolvidos
rapidamente, preservando os objetivos do projeto, mas grandes problemas
geralmente podem levar o projeto ao insucesso.
Gerenciar os riscos e tomar decises muito fcil quando se tem sorte. Mas sorte
no algo que surge do nada; preciso trabalhar para que ela acontea.

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

Esta dissertao mostrou algumas alternativas de processos para o gerenciamento

de riscos nos projetos. Sabe-se que a implementao do gerenciamento de riscos
em uma organizao um grande desafio e que no possvel faz-lo em um
perodo curto de tempo. O gerenciamento de riscos no um simples processo de
identificar as tcnicas necessrias, enviar as pessoas para serem treinadas e
comprar os softwares necessrios. A capacidade para gerenciar os riscos dos
projetos possui uma amplitude que vai da utilizao informal de tcnicas de controle
de riscos at processos rotineiros e formais, fortemente aplicados pr-ativamente no
gerenciamento das incertezas.
Uma sistemtica de Gerenciamento dos Riscos e Anlise de Deciso, como foi
apresentada, um caminho para descobrir se um projeto factvel, ou seja, com
qual nvel de confiana ele poder atingir seus objetivos. E tambm servir para
identificar as ameaas aos objetivos e atuar sobre elas. A maior parte da bibliografia
disponvel sobre o assunto d um enfoque terico ao problema; por outro lado, os
casos aqui apresentados procuraram mostrar uma sistemtica que pudesse ser
aplicada para que a principal meta, que de lidar com as incertezas dentro das
organizaes, fosse atingida.
Um dos dilemas-chave na implementao do gerenciamento de riscos nas empresas
a lacuna entre as prticas comuns e as melhores prticas. O ponto central desse
distanciamento a falha no entendimento das relaes entre as formas simples de
trabalhar, que so apropriadas em determinadas circunstncias e as formas mais
complexas que do excelentes resultados quando os aspectos que elas focam
merecem grande ateno pelo seu impacto nos objetivos do projeto. O problema
que quanto mais sofisticado for o tratamento dos riscos mais relevante ser a
necessidade de uma boa conceituao e um forte apoio de ferramentas
computacionais.
A percepo na confiana de uma deciso, baseada na credibilidade das
informaes disponveis, essencial para o sucesso do projeto, e a informao
sobre os riscos o dado-chave necessrio ao processo de deciso. O objetivo
principal da avaliao dos riscos facilitar a escolha de alternativas.

122

Foram apresentadas algumas tcnicas para a tomada de deciso, a identificao e a

anlise dos riscos nos projetos e sua aplicao prtica. Seria legtimo questionar se
essas tcnicas so sempre necessrias e se poderiam ser usadas como modelo
para outros projetos. Cada uma delas poder ser muito importante para alguns
projetos em determinado momento, mas difcil imaginar que qualquer projeto
poderia se beneficiar, suficientemente, delas.
Qualquer tipo de projeto poder se beneficiar dos conceitos que aqui foram
discutidos e apresentados, que, por si s, justificam a utilizao ou o
desenvolvimento de uma sistemtica para anlise de deciso e gerenciamento dos
riscos. O quanto do que foi apresentado poderia ser utilizado em outros projetos?
Depende de vrios fatores, como da similaridade do projeto, da aplicabilidade do
modelo, dos processos de tomada de deciso da empresa, da maturidade da equipe
etc.; portanto, depende de uma anlise e julgamento do Gerente de Projeto.
O trabalho aqui apresentado pretende ser o passo inicial para implementao do
gerenciamento dos riscos de projeto. Foi mostrada uma sistemtica, utilizando-se
simulao de Monte-Carlo, para trabalhar com as incertezas existentes dentro dos
projetos, o que comprovadamente melhorou o processo de deciso sob condies
de incerteza. Porm, o enfoque dado foi sempre no aspecto de ameaa aos
objetivos do projeto. Um caminho que poderia dar continuidade a este trabalho seria
a verificao ou elaborao de um novo modelo que tambm pudesse ser utilizado
para avaliar e medir o nvel de confiana com relao s oportunidades.
O modelo de tomada de deciso foi implementado, alm do caso apresentado, em
outras empresas do ramo petroqumico e de informtica com sucesso; porm, existe
claramente uma oportunidade de melhoria do modelo nos aspectos dos processos
para determinao e avaliao das informaes quantitativas, financeiras e tambm
na utilizao da estimativa de amplitude (estimativa de trs pontos).
A sistemtica de identificao e anlise qualitativa dos riscos atendeu a praticamente
todos os objetivos propostos no incio deste trabalho, principalmente responder aos
questionamentos que outras metodologias no conseguiam, do tipo:
x Qual prestador de servio impe maior risco ao projeto?
x Qual tipo de risco (Tcnico, Administrativo, Qualidade) dever ter maior
ateno?

123

x Qual o nvel de confiana (Probabilidade de ocorrer) de se atingir um

determinado objetivo?
x Qual o nvel de confiana no sucesso do projeto?
Mas somente uma sistemtica consistente no resolve os problemas dos riscos. O
estudo dos casos apresentados mostrou que, para gerenciar os riscos, necessria
a presena de um profissional que, entre outras habilidades importantes, tem que
influenciar pessoas que normalmente no querem ser influenciadas. Esta uma das
grandes incoerncias nos projetos as pessoas contratam quem tem condies de
resolver problemas, mas no querem que ocorram problemas.
Esta constatao abre mais uma oportunidade de continuidade deste trabalho, ou
seja, o desenvolvimento, e a forma de implementar, processos de tomada de
deciso perante os riscos nas empresas, levando em considerao a Teoria da
Utilidade e a Teoria da Perspectiva.
Dentre todos os processos para gerenciamento dos riscos foram tratados, neste
trabalho, a Identificao, Anlise Qualitativa e Quantitativa dos Riscos e tambm da
ferramenta Anlise de Deciso. A continuidade natural dos trabalhos seriam os
processos de:
x Desenvolvimento de Respostas aos Riscos utilizando como suporte
os processos de tomada de deciso das empresas e as Teorias da
Utilidade e Perspectiva;
x Monitoramento e Controle das Respostas aos Riscos utilizando
principalmente as tcnicas de Earned Value.
O trmino deste trabalho somente poderia ser com a constatao de que o pior dos
sentimentos que um Gerente de Projeto pode ter a esperana. Gerente de Projeto
tem que trabalhar com confiana, saber medir o nvel de confiana nas decises
tomadas. Saber sair de uma situao complicada talvez seja a mais difcil das
habilidades de um Gerente de Projeto. Este profissional torna-se um vencedor
quando aprende a perder. Um Gerente de Projeto precisa lembrar sempre que
Otimismo significa esperar o melhor, mas confiana significa saber como se lidar
com o pior. (GUNTHER, 2003, p. 119).

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

GUIMARES, Leonam dos Santos. Gerenciamento de riscos e segurana de

sistemas. So Paulo: iEditora, 2003. 187 p.
GUNTHER, Max. Os axiomas de Zurique. Traduo de Isaac Piltcher. 9. ed. Rio de
Janeiro: Record, 2003. 155 p.
HALL, Dave; HULETT, David (Coord). Universal risk project: final report. INCOSE
RMWG : PMI RiskSIG. [S.l.], Feb. 2002. 46 p. Disponvel em: <http://www.risksig.com/>.
Acesso em: 11 Mar. 2005.
HALL, Earl; JOHNSON, Juliane. Integrated project management. Upper Saddle River:
Prentice Hall, 2002. 256 p.
HALPERN, Joseph Y. Reasoning about uncertainty. Massachusetts: MIT Press, 2003.
HANNSON, Sven Ove, Decision theory: a brief introduction. Uppala: Uppala University,
1994.95 p.
HILLSON, David. Project risks: identifying causes, risks end effects. PM Network: the
professional magazine of the PMI, v. 14, n. 9, p. 48, Sept. 2000.
______. The risk breakdown structure (RBS) as an aid to effective risk management. In:
EUROPEAN PROJECT MANAGEMENT CONFERENCE, 5., 2002, Cannes. Cannes:
PMI Europe, 2002. p. 1-11.
HOLAN, Pablo Martin de. Out with the old, in with the new. Financial Times : Mastering
Uncertainty, Apr. 6 2006. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 maio 2006.
INGEBRETSON, Mark. In no uncertain terms. PM Network: the professional magazine
of the PMI, v. 16, n. 12, p. 29-32, Dec. 2002.
IPA INSTITUTE. IPA research studies. 5 p. Disponvel em: <www.ipaglobal.com>.
Acesso em: 05 Setembro 2005.
JORION, Philippe. Financial risk manager handbook. 2nd ed. New Jersey: John Wiley
& Sons, 2003. 733 p.
JOSHI, Narayan. Benchmarking and best practices for turnarounds. In: IQPC
TURNAROUND CONFERENCE, 2003, London. London, 2003. 7 p.

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

ROYER, Paul S. Risk management: the undiscovered dimension of project

management. PM Network: the professional magazine of the PMI, v. 14, n. 9, p. 31-39,
Sept. 2000.
SALIBY, Eduardo; ARAJO, Marcos Moura Silva. Clculo do valor em risco atravs de
simulao Monte Carlo: uma avaliao de uso de mtodos amostrais mais eficientes em
portfolios com opes. In: SIMPSIO OPERACIONAL E O MEIO AMBIENTE, 33.,
2001, Campos do Jordo. Campos do Jordo, 2001. p. 605-614.
SCHUYLER, John R. Decision analysis in projects. Upper Darby, PA: PMI, 1996. 144
p.
SEVERINO, Antnio Joaquim. Metodologia do trabalho cientfico. 22. ed. So Paulo:
Cortez, 2002. 335 p.
SHIMIZU, Tamio. Deciso nas organizaes: introduo aos problemas de deciso
encontrados nas organizaes e nos sistemas de apoio deciso. So Paulo: Atlas,
2001. 317 p.
SMITH, Preston G.; MERRITT, Guy M. Proactive risk management: controlling
uncertainty in product development. New York: Productivity Press, 2002. 226 p.
SRHNEIER, Robert; MIRROLI, Jerry. Gerenciamento holstico do risco. HSM
Management, n. 10, set./out.1998.
STONEBURNER, Gary; GOGUEN, Alice; FERINGA, Alexis. Risk management guide
for information technology systems: recommendations of the National Institute of
Standards and Technology. Whashington, D.C.: Government Printing Office, 2001. 55 p.
(NITS special publications, n. 800-30)
SULL, Donald. Difficult decisions for an uncertain world . Financial Times : Mastering
Uncertainty, March 16 2006. Disponvel em:
<http://financialtimes.printthis.clickability.com/pt/>. Acesso em: 02 maio 2006.
USEEM, Michael. A cure for selection fever. Financial Times : Mastering Uncertainty,
Mar. 30 2006. Disponvel em: <http://financialtimes.printthis.clickability.com/pt/>.
Acesso em: 02 maio 2006.
VOSE, David. Risk analysis: a quantitative guide. 2nd ed. Chichester, UK: John Wiley
& Sons, 2000.
WEINBERG, Gerald M. Consultoria: o segredo do sucesso. Traduo de Barbara
Theoto Lambert. So Paulo: McGraw-Hill do Brasil, 1990. 261 p.

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

APNDICE A Relatrio final de avaliao do Prdio 030

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

Crystal Ball data:

Assumptions
Correlations
Correlated groups
Decision variables
Forecasts

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)

Assumption: Civil - Custo Fornecimento

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: D52

88,63
93,29
95,16

(=D36)
(=D38)
(=D40)

Assumption: Civil - Quantidades

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: D51

1.095
1.095
1.117

Page 14

(=D28)
(=D30)
(=D32)

Prdio 030
Assumption: Civil - Quantidades (cont'd)

Cell: D51

Assumption: Eltrica - Custo de Fornec.

Cell: G52

Triangular distribution with parameters:

Minimum
Likeliest
Maximum

4,44
4,68
4,77

(=G36)
(=G38)
(=G40)

Assumption: Eltrica - Custo de Montagem

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: G53

7,87
8,03
8,43

Page 15

(=G44)
(=G46)
(=G48)

Prdio 030

Assumption: Eltrica - Quantidades

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: G51

38.593
38.593
40.522

(=G28)
(=G30)
(=G32)

Assumption: Mecnica - Custo de Fornec.

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: F52

16.937,39
17.828,84
19.611,72

(=F36)
(=F38)
(=F40)

Assumption: Mecnica - Custo de Montagem

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: F53

1.031,98
1.086,29
1.108,02

Page 16

(=F44)
(=F46)
(=F48)

Prdio 030

Assumption: Mecnica - Quantidades

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: F51

1.285
1.311
1.364

(=F28)
(=F30)
(=F32)

Assumption: Metlica - Fornecedor

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: E52

2,07
2,11
2,32

(=E36)
(=E38)
(=E40)

Assumption: Metlica - Montagem

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: E53

1,35
1,42
1,46

Page 17

(=E44)
(=E46)
(=E48)

Prdio 030

Assumption: Metlica - Quantidades

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: E51

1.157.184
1.157.185
1.180.329

(=E28)
(=E30)
(=E32)

Assumption: Tubulao - Custo de Fornec.

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: H52

4,91
5,17
5,69

(=H36)
(=H38)
(=H40)

Assumption: Tubulao - Custo de Montagem

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: H53

3,38
3,55
3,63

Page 18

(=H44)
(=H46)
(=H48)

Prdio 030

Assumption: Tubulao - Quantidades

Triangular distribution with parameters:
Minimum
Likeliest
Maximum

Cell: H51

925.288
973.987
1.022.687

End of Assumptions

Page 19

(=H28)
(=H30)
(=H32)