1

Universidade de Braslia
Faculdade de Tecnologia
Departamento de Engenharia de Produo
Disciplina: Custeio de Bens e Servios
(Apostila)
Custeio por ordem de produo
Mtodo de custeio I
Quando voc v locais em que as pessoas esto
construindo casas, fazendo manuteno de rodovias ou
remodelando edifcios de escritrios, voc est vendo o
custeio por ordem de fabricao (Maher, 2001: p. 122).
Este mtodo de custeio usualmente utilizado por firmas que adotam o sistema
de produo por lotes ou por encomendas.
Trabalho. Unidade de um produto facilmente distinguvel de outras unidades.
O acompanhamento do custo de cada trabalho importante por trs razes
principais:
a) Os gerentes utilizam seu conhecimento sobre o custo dos trabalhos
realizados para estimar os custos de trabalhos futuros semelhantes.
b) Os gerentes comparam os custos realizados dos trabalhos com os custos
estimados, para controlar custos.
c) Os gerentes podem usar informaes sobre os trabalhos executados para
negociar contratos com novos clientes.
O custeio por cliente permite avaliar a lucratividade de cada um
deles.

O documento-chave do custeio por ordem de produo a folha de custos por

ordem. Seja o seguinte exemplo de folha de custos por ordem (exemplo
baseado em Maher, 2001):

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

Folha de custos por ordem

Ordem nmero: 112
Cdigo do Cliente:
15
Data de incio:
8 de janeiro
Data de trmino:
28 de janeiro
Descrio: Fabricao de mvel de acordo com as especificaes do cliente

Materiais diretos
Data
NR
8/jan 112-1
13/jan 112-2

Total

Departamento de Produo
Mo de obra direta

$
Data
20.000
8-14/jan
4.000 12-18/jan
.
.
.
24.000 Total

ME
4
12
.
.
.

Custos indiretos de
produo
Data
$
31/jan
48.000

$
980
720
.
.
.
40.000 Total
Total da Ordem

48.000
$ 112.000

A sigla NR (na coluna materiais diretos) significa nmero de ordem. O cifro

representa o custo dos materiais diretos, da mo de obra direta e os custos
indiretos de produo. A sigla ME (referente a rubrica mo de obra direta) a
matrcula do empregado. O empregado de matrcula de nmero 12 percebe um
salrio menor do que o de matrcula 4. O total de mo de obra direta empregado
na ordem 112 somou $ 40 mil. O custo total da ordem foi de $ 112 mil, assim
distribudos:
Materiais diretos
Mo de obra direta
Custos indiretos de produo
Custos totais

$ 24.000
$ 40.000
$ 48.000
$ 112.000

21,43%
35,71%
42,86%
100,00%

Os custos indiretos de produo ou fabricao (CIF) so todos os custos de

produo (aluguel da fbrica, depreciao, salrios do pessoal da manuteno
e superviso, seguros, graxas, lubrificantes etc.), exceto os custos de materiais
diretos e mo de obra direta. Eles representam 43% do total dos custos totais da
ordem.
Usualmente, os custos indiretos de produo so acumulados em uma conta
nica de onde so transferidos para as ordens conforme uma base de rateio
arbitrria. Exemplos de base de rateio ou direcionadores de custos indiretos de
produo so:
a)
b)
c)
d)

Horas-mquinas.
Horas de mo de obra.
Espao ocupado.
Quantidade de empregados.

Os coeficientes das bases de rateio so estimados a partir de dados histricos

de custos indiretos de produo e de horas-mquinas, por exemplo, ajustados
para a demanda corrente.

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

Passo a passo
O primeiro passo identificar os itens que sero considerados custos indiretos.
O segundo passo estimar os custos dos itens relacionados no primeiro passo.
O terceiro passo consiste em escolher a base de rateio. Dissemos que a base
de rateio escolhida arbitrariamente. Mas pode ser introduzido algum rigor
estatstico para selecionar os direcionadores de custos. Podemos cotejar os
custos indiretos de produo histricos com alguns direcionadores e inferir quais
melhor explicam o seu comportamento.
O quarto passo estabelece as quantidades das bases de rateio. Lembre-se que
a demanda tem forte ligao com alguns direcionadores de custos.
O quinto passo calcula a taxa de aplicao dos custos indiretos de produo as
ordens. A taxa de aplicao dos custos indiretos de produo a quantia obtida
pela diviso entre o total estimado dos custos indiretos de fabricao em
determinado perodo e o total da base de rateio, para o mesmo perodo.
O sexto passo transfere os custos indiretos de produo as ordens mediante a
aplicao dessa taxa.
Segue um exemplo de taxa de aplicao dos custos indiretos de produo as
ordens:
TACIF

CIFE
HM E

(1)

Em que: TACIF = taxa de aplicao dos custos indiretos de produo.

CIFE = custos indiretos de produo estimados para o ano.
HME = hora-mquina estimada para o ano.
Note-se que a equao (1) considera somente o direcionador horas-mquinas
para atribuir custos indiretos de produo as ordens.
A transferncia dos CIF para as ordens seria assim:
CIFK TACIP HMK E (2)

Em que: CIFk = custo indireto de fabricao atribudo a ordem K.

HMKE =hora-mquina estimada para a ordem K.
Por fim, merece ser frisado que o mtodo de custeio por ordem de produo
requer constante reavaliao das estimativas da conta de custos indiretos de
produo. Isto feito para minimizar os erros de carregamento de custos
indiretos aos produtos.
Lembre-se. Os preos dos produtos dependem, em ltima anlise, de seus
custos.

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

Variao dos custos indiretos de fabricao

Trata-se da diferena entre os custos indiretos de fabricao realizados e
estimados.
Note-se que a conta de custos indiretos de fabricao temporria. Usualmente,
ela encerrada no final do exerccio contbil.
Raramente, a conta realizada de custos indiretos de fabricao igual conta
orada de custos indiretos de fabricao.
Custos indiretos de fabricao subaplicados
o excedente dos custos indiretos de fabricao reais (efetivos) sobre os custos
indiretos de fabricao aplicados.
Custos indiretos de fabricao superaplicados
o excedente dos custos indiretos de fabricao aplicados sobre os custos
indiretos de fabricao reais.
Por que os custos indiretos de produo reais so diferentes dos custos
indiretos de fabricao aplicados?
Como lidar com a variao dos CIF?
No final do exerccio contbil, a variao dos custos indiretos de fabricao
eliminada, mediante rateio entre:
a) Estoque de produtos em fabricao.
b) Estoque de produtos acabados.
c) Custo das mercadorias vendidas.
Uma base de rateio o custo indireto aplicado!
Muitas empresas apropriam toda a variao dos custos indiretos de fabricao
a conta de custo das mercadorias vendidas. Por qu?
Na verdade, deseja-se que no haja variao de custos indiretos ou que a
variao seja pequena. A questo principal entender as causas da diferena
entre custos indiretos reais e aplicados.

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

Custo real, custo normal e custo orado

Custo
Descrio
Real
So aplicados os custos diretos e indiretos reais as ordens
Normal So aplicados os custos diretos reais e indiretos estimados as ordens
Orado So aplicados os custos diretos e os indiretos projetados as ordens
CUSTEIO POR ORDEM EM ORGANIZAES DE SERVIOS
Encontramos operaes de custeio por ordem em empresas de servios, tais
como:
a)
b)
c)
d)
e)
f)

Escritrios de arquitetura.
Escritrios de projetos.
Empresas de consultoria.
Companhias de mudanas.
Empresas de contabilidade.
Universidades (pesquisa).

Projetos
O custeio por projeto equivale ao custeio por ordem ou encomenda, mas envolve
trabalhos complexos. Exemplos so, entre outros:
a)
b)
c)
d)

Copa do Mundo de 2014.

Construo de pontes e eclusas.
Construo de shopping centers.
Construo de hospitais.

Um projeto envolve trabalhos complexos cuja concluso muitas vezes leva

meses ou anos, e envolve vrios departamentos, divises ou diferentes
subempreiteiros.
Segue um exemplo de lista de itens de oramento de projetos (Heldman, 2005:
p. 183):

Salrios da equipe do projeto.

Gastos com equipamentos e materiais.
Aluguel de instalaes.
Propaganda e marketing, inclusive pesquisa de mercado.
Pesquisa & Desenvolvimento.
Estudo de viabilidade econmica.
Consultores.
Telefonemas, fax e taxas de longa distncia.
Suprimentos para escritrio.
Manuteno de equipamentos.
Programas de computador.
Treinamento.

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

Na medida do progresso do projeto avalia-se dos pontos principais:

a) Custo orado at a data atual versus custo real at a data.
b) Percentual de concluso orado at a data atual versus percentual de
concluso real.
Os grficos de avaliao de projetos so:
a) $ x percentual de concluso.
b) Meses (perodo) x percentual de concluso.
Exerccios
CESGRANRIO/PETROBRAS/ENGPROD/2010
1. No sistema de custeio por ordem de servio, h trs tipos de custos a
serem considerados: o de Mo de Obra Direta (MOD), o de Materiais
Diretos (MD) e o Custo Indireto de Fabricao (CIF). Considerando um
CIF estimado de $ 20.000,00; um custo por hora de MOD de $ 5,00; um
gasto com MD de $ 80.000,00 para uma produo estimada de 20.000
unidades do produto Y e a necessidade de 1 hora de trabalho para cada
5 unidades produzidas. Qual o custo de fabricao do produto Y para
(apresentar os clculos):
(A) 4.000 unidades = R$ 40.000,00.
(B) 5.000 unidades = R$ 30.000,00.
(C) 6.000 unidades = R$ 48.000,00.
(D) 7.000 unidades = R$ 35.000,00.
(E) 8.000 unidades = R$ 42.000,00.

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

Resoluo
O custeio por ordem utilizado por empresas que funcionam com produo sob
encomenda.
Dados do problema
CIF = $ 20.000
MOD/h = $ 5,00
MD Unitrio = $ 80.000/20.000 = $ 4,00
CIF Unitrio = $ 20.000/20.000 = $ 1,00.
Nessa questo teremos que analisar cada alternativa:
A) Horas trabalhadas = 4.000/5 = 800 h.
Gasto com MOD = 800 x 5 = $ 4.000
Gasto com MD = 4.000 x 4 = $ 16.000
Gasto CIF = 4.000 x 1 = $ 4.000
Custo total = $ 24.000.

B) Horas trabalhadas = 5.000/5 = 1.000h

Gasto com MOD =1.000 x 5 = $ 5.000
Gasto com MD = 5.000 x 4 = $ 20.000
Gasto CIF = 5.000 x 1 = $ 5.000
Custo total = 5.000 + 20.000 + 5.000 = $ 30.000.
Reposta: letra B
Bibliografia
Assaf, R. (2002). Manual de gerncia de preos. Campus, Rio de Janeiro.
Costa, R. P., Ferreira, H. A. S. e Saraiva Jnior, A. F. (2010). Preos, oramentos
e custos industriais. Campus, Rio de Janeiro.
Gujarati, D. (2006). Econometria bsica. Campus, Rio de Janeiro.
Heldman, K. (2005). Gerncia de projetos: fundamentos. Campus, Rio de
Janeiro.
Maher, M. (2001). Contabilidade de custos. Atlas, So Paulo.
Mendes, J. T. G. e Padilha Junior, J. B. (2007). Agronegcio: uma abordagem
econmica. Pearson, So Paulo.
Moore, J. H. e Weatherford, L. R. (2008). Tomada de deciso em administrao
com planilhas eletrnicas. Bookman, Porto Alegre.
Sweeney, D. J., Williams, T. A. e Anderson, D. R. (2013). Estatstica aplicada
administrao e economia. Cengage, So Paulo.
Viana, H. R. G. (2005). Lies preliminares sobre custos industriais. Qualitymark,
Rio de Janeiro.

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

Apndice. Estimao de custos indiretos utilizando anlise de regresso

Apresentamos o mtodo dos mnimos quadrados em breve. Deixaremos a
discusso detalhada sobre anlise de regresso para os cursos de Econometria.
Considere o seguinte modelo de srie de tempo na forma economtrica:

Yt a bX t t (1)
Onde Y a varivel dependente, X a varivel explicativa, a e b so parmetros
a serem estimados pelo mtodo e um termo-erro.1
Registre-se que no lugar da varivel explicativa X podemos ter a varivel tempo
(ano, ms, semestre, trimestre etc.). Neste caso o modelo ficaria assim

Y a bt (2)
Onde t representa o tempo. Ou seja, assumimos que o comportamento da
varivel dependente Y explicado por t.
Os principais pressupostos do mtodo, com relao ao termo-erro, so:
a) E() = 0, mdia igual a zero.
b) Var () = 2, varincia constante (homocedasticidade).
c) tem distribuio normal.
d) E(ij) = 0, ausncia de autocorrelao serial dos t (i j).
e) E(X) = 0, independncia entre e X.
A equao estimada de (1) dada por:
^

Y a b X (3)
^

Onde Y (l-se Y chapu) o estimador de Y , a e b so os estimadores de a

e b, respectivamente.
Os resduos, estimador de t, so dados por
^

Y a b X (4)

Agora, elevando (4) ao quadrado e aplicando o somatrio para obter

O termo-erro representa a influncia de outros fatores sobre a varivel dependente.

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

9
^2

[Y (a b X)]2 (5)
^

Depois, minimizando a soma dos quadrados ([A.5]), com relao a a e b , temos

^2

2[Y (a b X)] (1) 0 (6)

^2

2[Y (a b X)] (X) 0 (7)

De (6) e (7) chegamos ao chamado sistema de equaes normais, isto :

^

Y a n bX
(8)
^

XY a X b X 2

ou, na forma matricial:

^

Y
n

a
(9)
^

XY = X
X 2 b

Resolvendo o sistema de equaes acima para os parmetros a e b

encontramos:
^

n YX Y X
(10)
n X 2 ( X) 2
^

a Y b X (11)
^

Podemos tambm escrever b assim:

^

xy
(12)
x2

onde y Y Y e x X X , ambos na forma de desvio.

^

Dado a equao (12) podemos calcular a , conforme a equao (11).

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

10

Resumindo, a partir do mtodo dos mnimos quadrados encontramos os valores

^

dos parmetros a e b .
Por ltimo, vale dizer que o estudo economtrico se estende muito alm do que
foi visto aqui. Por exemplo, h que se debruar em profundidade sobre a validade
do modelo estimado.
R2
O coeficiente de determinao interpretado como a proporo da variao na
varivel dependente explicada pelas variveis independentes. Em termos
matemticos R2 assim:

e
1
Y

(13)

Onde e representa os resduos e Y a varivel dependente. Quanto menor o

somatrio dos resduos ao quadrado melhor.
Problemas prticos em estudos de regresso
Entre os problemas mais comuns em estudos de anlise de regresso podemos
mencionar:
a) Tentar ajustar uma equao linear a uma relao no-linear.
b) No excluir outliers (tcnica da varivel dummy).
c) Incluir previsores cuja relao com a varivel dependente espria
(relao de causa e efeito).
Outro problema srio em estudos de anlise de regresso dados incompletos,
inflao, perodos no correspondentes etc.
Estatstica t de Student
O objetivo da estatstica t de Student verificar se o coeficiente estimado da
varivel independente diferente de zero, assim:
^

t cal

b
^

(14)

ep (b)
Em que tcal a estatstica t calculada e ep(.) o erro-padro do parmetro
estimado.
O teste t conduzido assim (teste bicaudal):

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

11

H0 : b 0
H1 : b 0

(15)

Se a hiptese nula H0 for verdadeira, ento, teremos evidncias insuficientes

para concluir que existe uma relao significativa entre a varivel dependente e
a independente.
Para realizar o teste t precisamos calcular os chamados graus de liberdade (n 2) e definir o nvel de significncia (Erro do Tipo I); n o tamanho da amostra.
Como regra de bolso, um t calculado igual ou maior do que 2 geralmente
considerado estatisticamente significativo. Sendo t > 2, rejeitamos a hiptese de
que o valor verdadeiro do parmetro estimado zero.
Valor-P
O valor-P definido como o menor nvel de significncia ao qual a hiptese nula
pode ser rejeitada.
Intervalo de confiana em torno do parmetro estimado
Para construir um intervalo de confiana em torno do parmetro estimado
primeiro definimos um nvel de confiana, 95% por exemplo, e depois,
procedemos assim:
^
^

b t ep (b) (16)
Quando t o valor tabelado da estatstica t de Student. Ao nvel de confiana de
95%, por exemplo, t = 2,160 para n = 15.
A estatstica F de Snedecor
A estatstica F usada para testar a significncia geral do modelo de regresso
ou testar o efeito conjunto das variveis explicativas (previsores, independentes)
sobre a varivel dependente.

VE / k
(17)
VR /( n k 1)

Quando VE a variao da varivel dependente explicada pelo modelo de

regresso, VR a variao residual, n o tamanho da amostra e k o nmero
de variveis explicativas no modelo.

VE / k = Varincia explicada
VR /( n k 1) = Varincia residual

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

12

Quanto maior a varincia explicada em relao a varincia residual melhor em

termos do modelo representar o comportamento dos dados. O nosso interesse
rejeitar a hiptese nula.
Seja o seguinte exemplo:
a) O tamanho da amostra n = 15.
b) O nmero de variveis explicativas k = 1.
c) O nvel de significncia = 5%.
Com estes dados podemos chegar no chamado valor crtico da estatstica F1,13
= 4,67. Este valor crtico foi retirado da tabela do livro de Sweeney, Williams e
Anderson, (2013:).
Multicolinearidade
Se existe alguma superposio no poder de explicao de dois previsores
dizemos que o modelo sofre de multicolinearidade. Este problema s aparece
nos casos de regresso mltipla, obviamente.
Um modelo de regresso mltipla :
Y 0 1 X 2 Z (18)

A regresso mltipla apresenta a mesma lgica para encontrar os parmetros

da apresentada para a regresso simples. Considerando a equao (18),
teremos trs equaes normais; note-se que agora so trs incgnitas. A teoria
da regresso mltipla prev que o efeito da varivel independente X na varivel
dependente Y seja capturado exclusivamente por 1. Este o charme do modelo
de regresso mltipla.
Outras estatsticas
Existem outras estatsticas igualmente importantes para avaliar a qualidade de
modelos de regresso, por exemplo:
a) Estatstica para testar autocorrelao dos resduos.
b) Estatstica para testar se os resduos so constantes
(homocedasticidade x heterocedasticidade).
Tipos de dados
So trs os tipos de dados para anlise de regresso:
a) Sries temporais.
b) Cross-section (corte transversal).
c) Painel.

Um exemplo: estimando custos indiretos por ordem

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

13

Sejam os seguintes dados na forma cross-section:

Ordem
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Custos indiretos ($),

CI
2.107
2.040
2.916
2.322
1.896
2.471
3.105
2.316
2.555
2.780
2.061
2.910
2.835
2.715
1.986

Horas-mquinas,
HM
62
62
120
71
50
95
142
86
112
136
85
103
96
101
53

Custos do materiais
diretos ($), CMD
1.964
1.851
3.615
2.902
1.136
2.315
5.013
2.751
2.816
3.461
1.702
3.819
3.940
3.613
1.741

O modelo de regresso :
CI 0 1 HM (19)

O resultado da regresso como segue:

Modelo 1: MQO, usando as observaes 1-15
Varivel dependente: CI

const
HM

Coeficiente Erro Padro

1334,29
162,913
12,3731
1,70272

Mdia var. dependente 2467,667

Soma resd. quadrados 431765,3
R-quadrado
0,802444
F(1, 13)
52,80424
Log
da -98,29098
verossimilhana
Critrio de Schwarz
201,9981

razo-t
8,1902
7,2667

p-valor
<0,00001 ***
<0,00001 ***

D.P. var. dependente

E.P. da regresso
R-quadrado ajustado
P-valor(F)
Critrio de Akaike

395,1073
182,2436
0,787248
6,30e-06
200,5820

Critrio Hannan-Quinn

200,5669

A varivel horas-mquinas explica mais de 80% da variao dos custos indiretos.

As razes-t so maiores do que 2, representando que os parmetros estimados
so estatisticamente significantes. A estatstica F1,13 calculada bem maior do
que o valor crtico 4,62.
A equao estimada :

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

14

CI 1.334 12,373 HM (20)

Se a empresa prev que 110 horas-mquinas para a prxima ordem, ento, os

custos indiretos dessa ordem so de:
CI 1.334 12,373 110 $2.295 (21)

Talvez pudssemos melhorar o modelo introduzindo os custos dos materiais

diretos como mais uma varivel explicativa, assim:
Y 0 1 HM 2CMD (22)

O resultado da regresso mltipla como segue:

Modelo 2: MQO, usando as observaes 1-15
Varivel dependente: CI

const
HM
CMD

Coeficiente Erro Padro

1333,96
83,7239
4,35946
1,5783
0,258348 0,0423456

Mdia var. dependente 2467,667

Soma resd. quadrados 105262,5
R-quadrado
0,951837
F(2, 12)
118,5764
Log
da -87,70530
verossimilhana
Critrio de Schwarz
183,5347

razo-t
15,9329
2,7621
6,1009

p-valor
<0,00001 ***
0,01721 **
0,00005 ***

D.P. var. dependente

E.P. da regresso
R-quadrado ajustado
P-valor(F)
Critrio de Akaike

395,1073
93,65830
0,943810
1,25e-08
181,4106

Critrio Hannan-Quinn

181,3880

Aparentemente o modelo de regresso mltipla melhor do que o de regresso

simples. O R2 = 95,18%. As razes-t so maiores do que 2. A estatstica F2,12
calculada muito maior do que o valor crtico = 3,89.
Antes de rodar um modelo de regresso mltipla conveniente rodar a matriz
de correlao, com as variveis do modelo.
O coeficiente de correlao de Pearson dado por:

AB

cov( A, B)
(23)
A B

Onde AB coeficiente de correlao de Pearson entre as variveis A e B,

cov(A,B) a covarincia de A e B, e A o desvio-padro de A e B o desviopadro de B.
Coeficientes de correlao, usando todas as observaes 1 - 15
CI

HM

CMD

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.

15

1,0000

0,8958
1,0000

0,9598
0,8322
1,0000

CI
HM
CMD

Coeficiente de Correlao, r
O grau de severidade (correlao positiva) entre duas variveis pode ser
considerado assim:

r = 1, correlao perfeita positiva.

0,8 r < 1, correlao forte positiva.
0,5 r < 0,8, correlao moderada positiva.
0,1 r < 0,5, correlao fraca positiva.
0 r < 0,1, correlao nfima positiva.
r = 0, nula.

UnB. FT. Departamento de Engenharia de Produo. Carlos Henrique Rocha.