Você está na página 1de 26

Modelagem e Simulação

Roteiro

1. Introdução
2. Análise de Risco
3. Pert Master
4. Conclusões
5. Referências

Introdução

1
Simulação

Técnica matemática que captura o efeito da


variabilidade natural das entradas do modelo
nas respostas

Processo de Simulação

• Os valores são escolhidos aleatoriamente de


acordo com as distribuições de probabilidade das
entradas
• Cada conjunto de dados de entrada, selecionados
aleatoriamente, leva ao resultado de uma iteração
• A combinação dos resultados de todas as iterações
formam aproximam a distribuição de
probabilidades das saídas do modelo

Esquema de uma Simulação


Entradas Modelo Saída

y= f(x) Net
$
Present
Value

2
Uniforme na Geração de Números Aleatórios
Binomial
Bernoulli
Geral

Beta
Uniforme
Triangular (0,1)
Gama

t-Student
Pareto
Normal
F Exponencial

? 2
Poisson

Log-normal

Resultado Importante

• Seja X uma variável aleatória contínua com


função de probabilidade F. Defina Y=F(X),
então Y ~ Uniforme (0, 1)
• Permite gerar aleatoriamente outras
variáveis, através da inversa de sua função
de distribuição acumulada

Números Aleatórios e Variável de Entrada

Número aleatório = 0.71 0.20 0.99


Custos = 49.8 47.9 52.3
1.0
Número Aleatório

0.8

0.6

0.4

0.2

0
46 47 48 49 50 51 52 53
Custos

3
Saídas
y = f(x) ou y é uma função de x

Saídas = f Custos Tempo Produti- Taxa de


vidade desconto
Freqüência %

Número aleatório

R1 R2 R3 R4 R5 XEntrada

Saídas: Classes de resultados Entradas: valores amostrados

Métodos de Simulação

• Monte Carlo
• Latin Hypercube Sampling

Análise de Risco

4
Saídas – Distribuição de Freqüências

Mais
Freqüência

Provável

Melhor Pior
Caso Caso

2.8 2.9 3.0 3.1 3.2 3.3 3.4


Amplitude
(0.6)

Custo Total do Projeto

Saídas - Distribuição Acumulada


1.0
90%

0.8
Probabilidade

0.6
50%

0.4

0.2
10%

0
2.8 2.9 3.0 3.1 3.2 3.3 3.4

Custo Total do Projeto

Saídas – Comparação de Distribuições

Alternativa B
Freqüência

Alternativa A

2.8 2.9 3.0 3.1 3.2 3.3 3.4

Valores de Saída

5
Saídas – Comparando Funções Acumuladas
1.0 Alternativa A
84%
0.8
Probabilidade

60%
0.6

Alternativa B
0.4

0.2

0
2.8 2.9 3.0 3.1 3.2 3.3 3.4
Custo Total do Projeto

Como as Entradas Afetam as Saídas

• Correlação
• Gráfico de Tornado
• Extreme Tail Analysis
(Conditional Median Analysis)

Correlação

• Correlação explica a relação entre variáveis


• Correlação Positiva
√ Um aumento positivo em uma entrada, cria um
aumento na saída
√ Um decréscimo em uma entrada, provoca um
decréscimo na saída
• Correlação Negativa
√ Uma variação positiva ou negativa em uma
saída cria uma variação oposta na saída.

6
Como as Entradas Afetam as Saídas

Correlação
Valor de Positiva
Entrada

Correlação
Custo Negativa
Total do
Projeto

Gráfico de Tornado

• Usado para determinar a relação de cada


entrada com a saída
• As variáveis do topo do gráfico são mais
fortemente correlacionadas com as variáveis
de saída
• As entradas são correlacionadas positiva ou
negativamente (mostrado na direção do
gráfico)

Gráfico de Tornado
Net Present Value
0.8
Custo Fase Inicial da Construção
-0.38
Desempenho Inicial 0.35
Custo de Retrabalho Construção
-0.30
Taxa de Descontos
-0.19
Desempenho

7
Extreme Tail Analysis

√ Denominada também Conditional Median


Analysis
√ Identifica as entradas que influenciam as caudas
da distribuição

Análise das Caudas da Distribuição


Custos Retrabalho Tempo Retrabalho Taxa de Desconto

f(x)

Custo Total do Projeto

( Med15% - MedGlobal )
α =
MedGlobal

α = 0,26 α = 1,42
16 16

12 12
Saída

8 8

4 4

0 0

Custo Retrabalho Tempo Retrabalho

Subconjunto = 15% da Parte Superior da Saída

8
Pert Master

O Que É?

• Software integrado de gerenciamento de


projetos e de riscos

• Desenvolvido para análise de risco para redes


de projetos em MS Project e Primavera em
termos de custo e prazo

Método do Caminho Crítico Tradicional

Critical Path Method (CPM):


• Predição da data de conclusão
• Usa valores únicos para as durações e custos
das atividades (normalmente os valores mais
prováveis

Não leva em consideração a incerteza nas


estimativas de duração e custo das atividades

9
Schedule Risk Analysis

Abordagem de planejamento e programação


de projetos que considera:

• Incerteza nas durações


(pessimista, mais provável, otimista)

• Distribuições de probabilidade para os custos

• Simulação para determinação mais precisa de


informação

Vantagens

• Indica as probabilidades de concluir o projeto


no prazo e de acordo com o orçado

• Indica a extensão de possíveis desvios e da


necessária reserva de contingência

• Examina Planos de Contingência para reduzir


o risco a níveis aceitáveis

Exemplo de Schedule Risk

Engenharia Construção
Início Unidade 1 Unidade 1 Fim

10
Engenharia Unidade 1

Incerteza de duração
Otimista: 20 d, Mais provável: 30d, Pessimista: 60d

Caminho Crítico Único

• Cronograma CPM com conclusão em 10/Dez

• Qual a verossimilhança desta data de conclusão,


dadas as incertezas de duração?

Schedule Risk

• A data de conclusão de 10/Dez (COM) confia


em uma combinação de durações igual a 70 dias

• Dada a incerteza das durações, podem ocorrer


muitas outras possíveis combinações de datas

11
Abordagem por Simulação Monte Carlo

A simulação Monte Carlo explora muitas


outras combinações de datas.
Compreende:
• Durações escolhidas aleatoriamente de
acordo a distribuições de probabilidade
• Cálculo de datas de conclusão para cada
combinação de durações
• Distribuição das datas de conclusão

Simulação – Datas de Conclusão

Cuidados com a Data mais Provável

Senso comum:
“Se usamos as estimativas mais prováveis
no cronograma, a data de conclusão CPM é
a data mais provável”
Realidade: NÃO!
Neste caso:
• Data de conclusão CPM: 10/Dez
• Data de conclusão mais provável: 24/Dez

12
Distribuição Acumulada

10/Dez tem apenas 17% de probabilidade de ser atingida

Risk Schedule - Análise

• O projeto tem apenas 17% de probabilidade


de ser concluído até 10/Dez
• São necessários 15 dias de contingência para
trazer a probabilidade de conclusão em 50%
(25/Dez)
• Uma decisão conservativa de a probabilidade
de conclusão atingir 80% necessitaria uma
contingência de um mês (9/Jan)

Merge Bias

Engenharia Construção
Unidade 1 Unidade 1

Início Fim

Engenharia Construção
Unidade 2 Unidade 2

13
Projeto com 2 Caminhos em Paralelo

Este projeto é mais arriscado que aquele com um


único caminho pois cada caminho pode atrasar o
projeto

Este efeito é o “merge bias”

Cronograma do Projeto

• Data de conclusão CPM: 10/Dez


• O risco é maior em comparação com o projeto
com um único caminho
• Os caminhos em paralelo influenciam o risco

Schedule Risk - Resultados

10/Dez tem apenas 3% de probabilidade de ser atingida

14
Comparação de Resultados

Statistics for 1-Path and 2-Path Schedules


Project Minimum Mean Maximum
Two-Path Schedule 22-Nov-01 4-Jan-02 25-Feb-02
One-Path Schedule 12-Nov-01 25-Dec-01 25-Feb-02

O cronograma com dois caminhos é mais arriscado


na média e no mínimo (valores mais otimistas)

A Ação do Merge Bias

Verossimilhança de Conclusão até 10/Dez

Completion of Likelihood Joint


Unit 1 Unit 2 Unit 1 Unit 2 Likelihood
Yes Yes 0.17 0.17 3%
Yes No 0.17 0.83 14%
No Yes 0.83 0.17 14%
No No 0.83 0.83 69%

Onde está o Risco do Projeto? (1)

O caminho crítico é útil


• Caminho contíguo mais longo
• Caminho que determina a data mais cedo de
conclusão do projeto
• Um atraso no caminho crítico atrasa o projeto
diretamente
• É o caminho que mais merece cuidados para o
gerenciamento de riscos

15
Onde está o Risco do Projeto? (2)

• É importante gerenciar o caminho crítico, mas


e se as coisas não acontecerem de acordo ao
planejado?

• Há outro caminho que seja mais provável de


atrasar o projeto? Como descobri-lo?

Caminho Mais Provável

• O Caminho Crítico pode não ser o caminho com


maior probabilidade de atrasar o projeto
• Questão de interesse: quais são as atividades
com maior probabilidade de atrasar o projeto?
• Em uma simulação, cada iteração apresentará
pelo menos um caminho crítico. Dependerá de:
√ Quantidade de “risco” de cada um dos caminhos
√ Quantidade de folga disponível (estrutura da rede)

Índice de Criticalidade

• Durante a simulação, registra-se quantas vezes


uma atividade foi crítica

Índice de = % iterações que a


Criticalidade atividade foi crítica

16
Exemplo – Projeto com 2 Caminhos

• Prazo de“Engenharia–Unidade 1”: 27 dias


(diminuição de 3 dias)
• “Unidade 2” é agora crítica
• Conseqüência: gerencia-se o risco da Unidade 2,
obtendo-se uma diminuição de sua amplitude

Cronograma: Unidade 2 Crítica


Redução da duração – atividade não-crítica

Caminho crítico gerenciado – diminuição amplitude

Exemplo – Análise Alterações


Durações
Anterior Atual
Atividade
Mais Mais
Otimista Pessimista Otimista Pessimista
Provável Provável
Unidade 1
Engenharia Unidade 1 20 30 60 17 27 57
Construção Unidade 1 30 40 65 30 40 65
Unidade 2
Engenharia Unidade 2 20 30 60 25 30 35
Construção Unidade 2 30 40 65 35 40 50

Parâmetros
Atividade Moda Média Desvio-padrão
Antes Agora Antes Agora Antes Agora
Unidade 1
Engenharia Unidade 1 30 27 36,7 33,7 36,1 36,1
Construção Unidade 1 40 40 45,0 45,0 31,2 31,2
Unidade 2
Engenharia Unidade 2 30 30 36,7 30,0 36,1 8,7
Construção Unidade 2 40 40 45,0 41,7 31,2 13,2

17
Resultados do Índice de Criticalidade
Project X
% Activity
100 Início
100 Unidade 1
71 Engenharia
Unidade 1
71 Construção
Unidade 1
71 Unidade 2
32 Engenharia
Unidade 2
32 Construção
Unidade 2

Análise dos Resultados


• A Unidade 2 é o caminho crítico. Seu risco é
gerenciado, mas a Unidade 1 é a mais arriscada
• Resultados:
√ Unidade 1: 71% de probabilidade de suas atividades
atrasarem o projeto
√ Unidade 2: apenas 32% de probabilidade de suas
atividades atrasarem o projeto
• Recomenda-se o gerenciamento do risco das
atividade da Unidade 1

Probabilistic Branching (1)

• Situações em que não é certo o resultado de uma


atividade
√ É possível que item não passe em teste de qualidade

• Pode haver mais de uma atividade sucessora


√ Passou no teste è Certificação e transporte
√ Falhou no teste è Re-trabalho e re-teste
• Pode-se denotar a situação também por risk
event

18
Probabilistic Branching (2)

• Cada uma destas situações (branch) tem


alguma probabilidade
√ Passar no teste: 70%
√ Falhar no teste: 30%

Probabilistic Branching (3)

Distribuição de Freqüências

19
Análise de Resultados

• Distribuição de freqüências apresenta


bimodalidade
• Resultados da esquerda refletem o grupo que
passou no teste
• Resultados da direita refletem o grupo que
falhou no teste

Probabilistic branching

Data mais provável

Data com 80% de Verossimilhança

Análise dos Resultados

• O gráfico da verossimilhança acumulada mostra


um “patamar” em torno de 70%
• O gerenciamento de risco provavelmente
trabalharia para aumentar a probabilidade de o
item passar no teste
√ Suponha que o alvo seja uma verossimilhança de 80%
√ Aumentar a qualidade do item para uma probabilidade
de passar de 90% levaria a data alvo para a esquerda
(conclusão mais cedo)

20
Risk Windows

• Quando as atividades provavelmente será a


ocorrência das atividades?
• Risk Windows mostra a janela durante a qual
uma atividade provavelmente ocorrerá
• Risk Windows permite analisar esta incerteza
em cada atividade
√ Localiza onde estas incertezas se encontram

Risk Windows

Risk
windows

Atividades têm
10% de chance
de iniciar mais cedo
ou terminar mais tarde

Parte escura
mostra as
datas médias

Correlações de Custo e Cronograma

Custo e Tempo altamente correlacionados

21
Impactos de Custo e Prazo

Schedule Risk Analysis

Incertezas em projetos:
• Durações das atividades
• Caminho
• Caminhos paralelos e o merge bias

Riscos em Cronograma

• Schedule Risk depende da lógica da rede e


da incerteza nas durações das atividades
• A simulação Monte Carlo é o método aceito
para a estimar a incerteza total do projeto
considerados todos os riscos e incertezas
simultaneamente

22
Schedule Risk Analysis
Resultados:
• Verossimilhança de desvio da data alvo de
conclusão do projeto
• Quantidade de contigenciamento de tempo
necessário
• Onde está o risco do projeto?
Índice de criticalidade
• Quando as atividades provavelmente ocorrerão?
Risk Windows

Outras Funcionalidades

• Probabilistic branching
• Calendários probabilísticos
• Incerteza em custos e recursos
• NPV, DCF e IRR
• Correlação
• Sensibilidade e criticalidade

Risco de Custo

• O risco de custo depende em grande parte


dos elementos de incerteza do cronograma
• As incertezas de custo modificam-se caso
ocorra desvio no cronograma

23
Pacotes

• Pert Master
• @ Risk
• Cristal Ball
• Excel

Conclusões

Modelo

• Ele deve ser a representação mais fiel possível


da realidade que se quer simular
• A rede seqüencial de atividades e seus atributos
são parte essencial do modelo
• A estrutura de dependência entre variáveis e
atividades é a parte mais delicada para
estabelecer um modelo do projeto

24
Cuidados na Modelagem

• Durações (ou custos, ou taxas de produtividade)


podem estar correlacionados devido à influência
de eventos externos comuns ou por
características comuns
• Neste caso, as distribuições de probabilidade
envolvidas não são univariadas que não são tão
simples de se obter
• Outro desafio é escolher as distribuições
adequadas para cada variável de entrada

Cuidados na Modelagem (2)

• Os eventos externos devem ser identificados e


inseridos no modelo, que deve ser flexível para
operar com os mesmos

Simulação – Situações Recomendadas (1)

• Existência de muitas incertezas significativas


e contingências
• Situações que envolvam portfolio de projetos
• Análises que requerem distribuições de
probabilidade como elemento adicional de
decisão ou para comparação de perfis de risco
de alternativas

25
Simulação – Situações Recomendadas (2)

• Situações que envolvam:


√ critérios de decisão multi-objetivo em que seja
inadequado condensar diversos critérios em uma
única função objetivo
√ decisões seqüenciais

Referências

Bibliografia Recomendada

• Bedford, T. e Cooke, R. (Cambridge)


Probabilistic risk analysis: foundations and
methods
• Vose, D (J. Wiley)
Risk analysis: a quantitative guide
• Schuyler, J. R.
Decision analysis in projects: learn to make
faster, more confident decisions

26