Escolar Documentos
Profissional Documentos
Cultura Documentos
BOLETIM
TÉCNICO
EDIÇÃO ESPECIAL
TRABALHOS PREMIADOS
22º COBREAP SÃO PAULO SP
Autores
Antoniel Campos
Árlon Facynek de Oliveira Carvalho
José Nilo Alves de Sousa Neto
Juliana Miura
Marcelo Ladeira
Boletim Técnico Especial
XXII COBREAP
BTec 012/2024
SUMÁRIO
INTRODUÇÃO.........................................................................................................03
INTRODUÇÃO
Por fim, o nexo causal, enquanto elemento que liga a conduta da parte ao dano
verificado, é de obrigatória comprovação, sem a qual não há que se falar em
responsabilizações.
1. REFERENCIAL TEÓRICO
1.1 Definições
Por sua vez, Simon Braithwaite (2017, sl. 30), destaca que o estabelecimento
do direito a um ressarcimento por perda de produtividade requer três provas principais:
Quando uma empresa vence uma licitação de uma determinada obra e assina o
contrato, com as condições constantes no edital, as especificações técnicas, os
quantitativos e custos unitários constantes na planilha de orçamento, as Leis sociais e
encargos complementares utilizados, a composição do BDI, preço global e o
cronograma físico-financeiro definido pelo prazo estipulado na proposta, significa que
a manutenção de todos esses elementos representa a equação econômico-financeiro
inicial do contrato, os quais se pressupõe equilibrados para todos os efeitos.
A alteração de qualquer uma dessas condições provoca o seu desequilíbrio, havendo
a necessidade de buscar o seu reequilíbrio, para que qualquer uma das partes não
saia prejudicada. [TISAKA, 2011, p. 89]
Unidades físicas de trabalho concluído divididas por horas despendidas para concluir
tais itens de trabalho determinam a produtividade durante o período menos afetado ou
não afetado. Então, um cálculo semelhante é executado para o período do impacto. A
perda de produtividade pode então ser calculada pela subtração do índice de
produtividade unitária durante o período impactado, da produtividade unitária durante
o período não afetado. [AACE, 2004, p. 17]
Conforme lembra Simon Braithwaite (2017, sl. 58), caso não haja período
Measured Mile definido, a baseline pode ser adotada.
Produtividade Real
Fator de Produtividade =
𝐵𝑎𝑠𝑒𝑙𝑖𝑛𝑒 ou Produtividade planejada
Caso esse fator seja maior que 1, significa que, ceteris paribus, a contratada
concluiria o projeto antes do prazo pactuado. Para um fator inferior a 1, o projeto seria
concluído com atraso e, em caso de igualdade, Fp = 1, o projeto seria concluído no
prazo pactuado.
2. METODOLOGIA
Desemp.nat 0,0 1,5 3,1 4,6 6,2 7,7 9,2 10,8 12,3 13,8 15,4 16,9 18,5 20,0 21,5 23,1 24,6
mês 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
VP 0 10 25 40 60 80 90 95 100
VA 0 5 8 11 15 22 30 35 38 41 52 58 60 75 88 95 100
n1 0 0 0 1 1 1 2 2 2 3 3 3 4 4 5 7 7
n2 0 1 1 2 2 2 3 3 3 4 4 4 5 5 6 8 8
VPn1 0 0 0 10 10 10 25 25 25 40 40 40 60 60 80 95 95
VPn2 0 10 10 25 25 25 40 40 40 60 60 60 80 80 90 100 100
PA 0,50 0,80 1,07 1,33 1,80 2,33 2,67 2,87 3,05 3,60 3,90 4,00 4,75 5,80 7,00 8,00
Pplan 10,00 10,00 11,25 15,00 15,00 15,00 15,00 15,00 16,36 20,00 20,00 20,00 20,00 12,38 5,83 5,00
Pexec 5,00 3,00 3,00 4,00 7,00 8,00 5,00 3,00 3,00 11,00 6,00 2,00 15,00 13,00 7,00 5,00
Fp = Pexec/Pplan 0,50 0,30 0,27 0,27 0,47 0,53 0,33 0,20 0,18 0,55 0,30 0,10 0,75 1,05 1,20 1,00
Atraso 0,50 1,20 1,93 2,67 3,20 3,67 4,33 5,13 5,95 6,40 7,10 8,00 8,25 8,20 8,00 8,00
Impacto 0,25 0,35 0,37 0,37 0,27 0,23 0,33 0,40 0,41 0,23 0,35 0,45 0,13 -0,03 -0,10 0,00 4,13
1Do ponto de vista obrigacional, o possível atraso decorrente exclusivamente de uma performance da contratada
abaixo da pactuada, deve ser abordada entre as partes de forma apartada. (Nota do autor)
Onde:
VP e VA: valores planejado e agregado (medido), respectivamente.
n1 e n2: nº dos meses que delimita o intervalo em VP que contém o VA.
VPn1 e VPn2: Valores planejados em n1 e n2, respectivamente
PA: prazo agregado, dado pela expressão:
(𝑉𝐴 – 𝑉𝑃𝑛1)
𝑃𝐴 = 𝑛1 +
(𝑉𝑃𝑛2 – 𝑉𝑃𝑛1)
B B'
VA2
A A'
VA1 LEGENDA:
PLANEJADA
EXECUTADA
PAn1
PAn2
n1 n2
Normalidade Igualdade
item mês Pplan Pexec Fp
Shapiro-Wilk Wilcoxon t pareado
1 15 5,83 7 1,20
2 14 12,38 13 1,05 1,0000 0,1894
3 16 5,00 5 1,00 0,1972 0,2194
4 13 20,00 15 0,75 0,3982 0,6108
5 10 20,00 11 0,55 0,1682 0,2853
6 6 15,00 8 0,53 0,2751 0,1322
7 1 10,00 5 0,50 0,4099 0,0641
8 5 15,00 7 0,47 0,2896 0,0266
9 7 15,00 5 0,33 0,1089 0,0113
10 2 10,00 3 0,30 0,2916 0,0043
11 11 20,00 6 0,30 0,1813 0,0025
12 3 11,25 3 0,27 0,1382 0,0009
13 4 15,00 4 0,27 0,0776 0,0003
14 8 15,00 3 0,20 0,0404 0,0029
15 9 16,36 3 0,18 0,0186 0,0018
16 12 20,00 2 0,10 0,0255 0,0012
2 Conforme (Souto e Souto, 2020, p. 63), a forma pareada, de “par a par”, é indicada pois se pretende comparar
um mesmo grupo de atividades cujo desempenho deu-se em momentos distintos: conforme planejado e
conforme executado.
3 A hipótese nula, h0, é de que, a um nível de significância de 5% (α = 0,05), os grupos são iguais.
Como o teste que por último selecionou os dados se trata do teste t pareado,
que é um teste paramétrico, o Fator de produtividade será a razão entre a média
aritmética de Pexec e a média aritmética de Pplan. Todavia, antes de se proceder a
esse cálculo, faz-se necessário um saneamento dessa amostra, a fim de afastar os
dados discrepantes. Optou-se pela clusterização por k-means, para 3 clusters, no qual
o central será tido como o representativo e os demais, discrepantes. Seguem os
cálculos do saneamento da amostra.
dos segmentos iniciais e finais da curva, o que é um ponto favorável. Em todo caso,
estabelece-se como critério de admissão de dados, após o saneamento, aqueles
contidos no intervalo de 10% a 90% do prazo total estendido. Caso não haja dados
dentro desse intervalo, será considerado prejudicada a aferição da produtividade
natural, ocasião em que se sugere a adoção da produtividade da linha de base
(baseline), conforme pactuada.
Para o exemplo em tela, o limite seria de 1,6 meses (10% de 16) a 14,4 meses
(90% de 16); como os dados finais se referem às medições dos meses 10, 13 e 14,
todos os três dados serão considerados como representativos.
tempo menor. Isso significa que, caso não houvesse impacto, o VA do mês 4 seria
obtido num tempo inferior a 1 mês, ou seja, nesse período de a até b a contratada
ficou ociosa, com a sua estrutura mobilizada, realizando desembolsos, mas sem
produzir. É esse intervalo de tempo, de a até b, que se quer então calcular. Todavia,
esse período é o tempo máximo de dias no mês em que a contratada ficou ociosa.
Como no início do mês (ponto c) esse período de ociosidade era igual a zero, o tempo
médio de ociosidade no mês é a média entre 0 e ab.
Onde:
• In: impacto médio, em meses, relativo à ociosidade no mês “n”
• n: nº do mês considerado
• n-1: nº do mês anterior
• PAn: prazo agregado referente ao mês “n”
• PAn-1: prazo agregado referente ao mês anterior
Como se sabe, a AVA trabalha com três tipos de custos: o valor planejado (VP),
o custo real (CR) e o valor agregado (VA), ou seja, o valor medido.
𝑉𝑃 𝑉𝐴
=
𝐶𝑝(𝑚𝑜 + 𝑒𝑞) 𝐶𝑎(𝑚𝑜 + 𝑒𝑞)
𝑉𝐴
𝐶𝑎(𝑚𝑜 + 𝑒𝑞) = 𝑥 𝐶𝑝(𝑚𝑜 + 𝑒𝑞)
𝑉𝑃
Sendo:
𝑉𝑃 𝑉𝑃
• Custo planejado: 𝐶𝑃 = 1+𝐵𝐷𝐼 e 𝐶𝑝(𝑚𝑜 + 𝑒𝑞) = 1+𝐵𝐷𝐼 𝑥%(𝑀𝑂 + 𝐸𝑞. )
𝑉𝐴 𝑉𝐴
• Custo agregado: 𝐶𝐴 = 1+𝐵𝐷𝐼 e 𝐶𝑎(𝑚𝑜 + 𝑒𝑞) = 1+𝐵𝐷𝐼 𝑥%(𝑀𝑂 + 𝐸𝑞)
𝑉𝑃 𝑉𝐴
𝑃𝑒𝑟𝑑𝑎 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒 = 𝑥%(𝑀𝑂 + 𝐸𝑞. ) − 𝑥%(𝑀𝑂 + 𝐸𝑞)
1+𝐵𝐷𝐼 1+𝐵𝐷𝐼
(𝑀𝑂+𝐸𝑞.) (𝑀𝑂+𝐸𝑞.)
𝑃𝑒𝑟𝑑𝑎 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒 = 𝑉𝑃𝑥[% 1+𝐵𝐷𝐼
] - 𝑉𝐴𝑥[% 1+𝐵𝐷𝐼
]
%(𝑀𝑂 + 𝐸𝑞. )
𝑃𝑒𝑟𝑑𝑎 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒 = (𝑉𝑃 − 𝑉𝐴)𝑥 [ ]
(1 + 𝐵𝐷𝐼)
%(𝑀𝑂 + 𝐸𝑞. )
𝑃𝑒𝑟𝑑𝑎 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒 = 𝐶𝑅 − 𝑉𝐴𝑥 [ ]
(1 + 𝐵𝐷𝐼)
Assim, para cada caso, o custo da perda de produtividade é dado pelas seguintes
expressões:
%(𝑀𝑂+𝐸𝑞)
𝑉𝑃𝑃𝑐𝑖 = 𝐶𝑅 – 𝑉𝐴𝑥 [ ] (1)
(1+𝐵𝐷𝐼)
%(𝑀𝑂+𝐸𝑞)
𝑉𝑃𝑃𝑐𝑝 = (𝑉𝑃 – 𝑉𝐴)𝑥 [ ] (2)
(1+𝐵𝐷𝐼)
Onde:
• VPPci: Valor da perda de produtividade pelo custo incorrido;
• VPPcp: Valor da perda de produtividade pelo custo previsto;
• CR: custo real (custo incorrido), isento de BDI e informado pelo requerente;
• VP: Valor planejado para a data em questão;
• VA: valor agregado (medido) para a data em questão
• %(MO+Eq): somatório dos percentuais de mão de obra e equipamentos,
conforme os seus pesos na composição do custo total;
• BDI: taxa de Benefícios e Despesas Indiretas adotada, em valor decimal.
Como pode ser visto, a avaliação da perda de produtividade utilizando AVA resume-
se a uma proporção entre os valores planejado e medido, sem levar em conta a
intensidade do impacto até a data em questão, o que justifica a utilização desta
metodologia somente quando não for possível o uso do cálculo Measured Mile ou a
adoção da produtividade baseline.
MO MO MO' MO'
SEM PRODUÇÃO
SEM PRODUÇÃO
SEM PRODUÇÃO
Valor total do contrato (VT) = Custo total do contrato (CT) x (1+BDI) => VT =
CTx(1+BDI) => CT = VT/(1+BDI)
CT = MO + Eq. + Mat.
α = MO/CT = %MO; β = Eq./CT = %Eq. e γ= Mat./CT = %Mat.
Parcela do custo total que sofre ação do tempo: CTt = [VT/(1+BDI)]x(%MO+%Eq.)
Para um projeto com prazo de execução igual a “t” meses, o custo unitário mensal de
CTt é dado por:
𝑉𝑇
{[(1+𝐵𝐷𝐼)]𝑥(%𝑀𝑂+%𝐸𝑞.)}
𝐶𝑇𝑡 (𝑚ê𝑠) = (4)
𝑡
𝑉𝑇
{[(1+𝐵𝐷𝐼)]𝑥(%𝑀𝑂+%𝐸𝑞.)}
𝑉𝑃𝑃𝑚𝑚 = 𝛥𝑡 𝑥 (5)
𝑡
Onde:
• VPPmm: Valor da perda de produtividade pelo cálculo Measured Mile;
• VT: Valor total do projeto;
• BDI: taxa de Benefícios e Despesas Indiretas adotada, em valor decimal.
• %MO e %Eq.: percentuais de mão de obra e equipamentos (descontado o
combustível), conforme os seus pesos na composição do custo total;
• t : prazo inicial pactuado de execução do projeto;
• Δt: tempo de ociosidade da mão de obra e equipamentos.
A contratada
iniciava seu Ociosidade das
processo de equipes
A conduta da
compra em data decorrente do
contratada
Suprimentos que tempo de espera Contratada
ensejou o
comprometia a para chegada de
efeito
chegada de material no
material a tempo canteiro
no canteiro
Fonte: Elaborado pelo autor
Concessionárias
Há Registro?
Lic. Ambientais
Equipamentos
Suprimentos
Ociosidade
Projetos
mês
(meses)
1 0,25 1 1 S 1 1 1
2 0,35 1 S 1 0,5
3 0,20 1 S
4 0,37 1 S
5 0,27 1 S
6 0,06 1 S
7 0,33 1 S
8 0,40 1 S
9 0,24 N
10 0,23 1 S
11 0,35 1 S
12 0,28 1 S
13 0,13 1 S
14 -0,20 N/A
15 -0,44 N/A
16 0,00 N/A
3,44 1,69 0,93 0,73 0,7 0,68 4,73
Total
Importância 0,36 0,2 0,15 0,15 0,14 1,00
Contratante 1 0 0,5 1 0 58,2%
Responsabilidade
Contratada 0 1 0,5 0 1 41,8%
das Partes
Total 1 1 1 1 1 100,0%
Observe-se que no mês 9 não foi encontrado registro que justificasse o impacto
de 0,24 meses; nesse caso, admite-se que a melhor estimativa de divisão da
reponsabilidade por esta parcela mensal de impacto é a obtida sem considerar esse
mês, ou seja, 58,2% de 0,24 para a contratante e 41,8% de 0,24 para a contratada.
Esses valores finais podem ser rearrumados de acordo com a tabela seguinte.
𝑉𝑇
{[(1+𝐵𝐷𝐼)]𝑥(%𝑀𝑂+%𝐸𝑞.)}
𝑉𝑃𝑃𝑚𝑚 = 𝛥𝑡 𝑥 (5)
𝑡
Apenas a título de objeto de pesquisa, uma vez que foi possível mensurar a
perda de produtividade utilizando-se o procedimento de excelência, o cálculo
Measured Mile, será procedida a valoração dessa perda com o uso da produtividade
pactuada (baseline) e da AVA.
Inicialmente, na partir da Tabela 1 é calculado o impacto considerando a
produtividade baseline. O somatório do impacto foi igual a 4,13 meses. Substituindo
na fórmula (5), vem:
%(𝑀𝑂+𝐸𝑞)
𝑉𝑃𝑃𝑐𝑝 = (𝑉𝑃 – 𝑉𝐴)𝑥 [ ] (2)
(1+𝐵𝐷𝐼)
4. CONCLUSÃO
REFERÊNCIAS BIBLIOGRÁFICAS
OCTAVIO GALVÃO NETO (São Paulo) (org.). Diretrizes para análise de produtividade
em perícias de engenharia. 1. ed. São Paulo: Ibape Nacional, 2021. 51 p.
Antoniel Campos
Engenheiro Civil, especialista em avaliações e perícias de engenharia.
Servidor público federal.
Vencedor das medalhas Eurico Ribeiro, Hélio de Caires, Ibá Ilha Moreira
(COBREAP) e medalha Domingos de Saboya (SOBREA), todas das
áreas de avaliações, perícias e meio ambiente.
Vencedor do prêmio Min. Guilherme Palmeira pelo TCU sobre soluções
consensuais de conflitos.
Acesse este trabalho premiado no XXII COBREAP através do link na biblioteca do IBAPE:
https://ibape-nacional.com.br/biblioteca/wp-content/uploads/2023/12/abordagem-
tridimensional-do-pleito-em-pericias-envolvendo-analise-de-perda-de-produtividade.pdf
O Exército Brasileiro (EB) possui mais de vinte mil parcelas imobiliárias sob sua
administração e necessita de ferramenta para estimativa, em massa, dos valores
desses bens patrimoniais a fim de suportar processos decisórios a nível estratégico
visando à arrecadação de recursos para o Tesouro Nacional ou à permuta por outros
ativos que melhor atendam suas atuais demandas.
1. FUNDAMENTAÇÃO TEÓRICA
Segundo [Alves Dantas et al. 2010] e [Barros Antunes Campos and Almeida
2018], considerando modelo tradicional de preços hedônicos definido inicialmente por
[Rosen 1974], o valor de mercado das unidades imobiliárias residenciais pode ser
explicado por:
P = f (E, L, T, β) + ε (eq. 1)
Sendo o preço da habitação (P) função das suas características estruturais (E),
locacionais (L) e da época em que foi demandado (T); f é um operador indicativo da
forma funcional, β são parâmetros e ε os erros aleatórios do modelo.
Sob essa ótica, imóveis com outras vocações além da residencial também
poderiam ter seus valores prováveis de mercado construídos a partir de
características intrínsecas e extrínsecas.
2. TRABALHOS RELACIONADOS
3. METODOLOGIA
espacial no QGIS 3.16 Hannover entre os pontos relativos aos centroides das
propriedades e os polígonos das AP, extraídos de [Furtado 2020]. As 4598 instâncias
resultantes e as AP encontram-se representadas na Figura 1. Nos casos em que o
centroide do imóvel ficou em área descoberta pelas AP, utilizou-se a média dos
atributos das AP adjacentes.
3.3 Modelagem
4. EXPERIMENTOS E RESULTADOS
5. CONCLUSÕES E RECOMENDAÇÕES
REFERÊNCIAS BIBLIOGRÁFICAS
COHEN, J. Statistical Power Analysis for the Behavioral Sciences. Routledge, ISBN
978-0-203-77158-7, 1988.
DEWAN, P.; GANTI, R.; SRIVATSA, M.; STEIN, S. NN-SAR: A neural network
approach for spatial autoregression. 2019 IEEE International Conference on
Pervasive Computing and Communications Workshops (PerCom Workshops),
Kyoto, p. 783-789, 2019.
HAIR, J.; BLACK, W.; BABIN, B.; ANDERSON, R. Multivariate Data Analysis: A Global
Perspective. Pearson Education, ISBN 978-0-135-15309-3, 2010.
HAIR, J.; HULT, G. T. M.; RINGLE, C.; SARSTEDT, M. A Primer on Partial Least
Squares Structural Equation Modeling (PLS-SEM). Sage Publishing, ISBN 978-1-
5443-9640-8, 2022.
KIELY, T.; BASTIAN, N. The spatially conscious machine learning model. Statistical
Analysis and Data Mining: The ASA Data Science Journal, v. 13(1), p. 31-49, 2020.
LUNDBERG, S. M.; ERION, G.; CHEN, H.; DEGRAVE, A.; PRUTKIN, J. M.; NAIR, B.;
KATZ, R.; HIMMELFARB, N. B.; LEE, S. I. From local explanations to global
understanding with explainable AI for trees. Nature Machine Intelligence, v. 2, p. 56-
67, 2020.
PARK, B.; BAE, J. Using machine learning algorithms for housing price prediction: The
case of Fairfax County, Virginia housing data. Expert Systems with Applications, v.
42(6), p. 2928-2934,2015.
TCHUENTE, D.; NYAWA, S. Real estate price estimation in French cities using
geocoding and machine learning. Annals of Operations Research, v. 308(1-2), p.
571-608, 2022.
Marcelo Ladeira
Possui graduação em Engenharia Mecânica pela Universidade de
Brasília (1976), especialização em Curso Avançado de Operação de
Sistema Hidrotérmico pela Universidade Federal do Rio de Janeiro
(1981), mestrado em Análise de Sistemas e Aplicações pelo Instituto
Nacional de Pesquisas Espaciais (1981), doutorado em Computação
pela Universidade Federal do Rio Grande do Sul (2000) e pós-
-doutorado pela Universidade de Lisboa
doutorado pela(2004) . Atualmente,
Universidade é professor
de Lisboa no .Departamento
(2004) Atualmente, de
é
Ciência da Computação daprofessor
Universidade
no de Brasília e Membro
Departamento de ComitêdaConsultivo
de Ciência do CNPq.
Computação da
Tem experiência na área de Ciência da Computação,
Universidade de Brasília e com ênfase
Membro deem Metodologia
Comitê e Técnicas
Consultivo do CNPq.da
Computação, atuando principalmente nos na
Tem experiência seguintes temas: mineração
área de Ciência de dados
da Computação, ou textos,
com ênfase em
inteligência artificial, inteligência computacional,
Metodologia e Técnicas da raciocínio
Computação,probabilístico, diagramas nos
atuando principalmente de
influências, e redes bayesianas.
seguintes temas: mineração de dados ou textos, inteligência artificial,
inteligência computacional, raciocínio probabilístico, diagramas de
influências, e redes bayesianas.
Juliana Minura
Possui graduação em Engenharia Civil pelo Instituto de Ensino
Superior Planalto (IESPLAN, 2013), pós-graduação em avaliações e
perícias de engenharia pelo Instituto de Pós-graduação e Graduação
(IPOG, 2017) e créditos, como aluna especial de mestrado, na
Arquitetura da UnB, cursando as disciplinas de Estudos Especiais em
Teoria, História e Crítica 1 e Conservação do Patrimônio Moderno.
Atualmente, é avaliadora deAtualmente,
imóveis da Coordenadoria
é avaliadora dede Vistoriadae Avaliação
imóveis Imobiliária
Coordenadoria (CVAI)e
de Vistoria
da Secretaria de Estado de Administração
Avaliação do Mato
Imobiliária Grosso
(CVAI) do Sul de
da Secretaria (SAD/MS). Recentemente,
Estado de Administração
integrou equipe responsável
dopela
Matopublicação
Grosso dodo Sul
Manual para Elaboração
(SAD/MS). de Relatório
Recentemente, integroudeequipe
Valor
Específico Patrimonial da CVAI/SAD.
responsável pela publicação do Manual para Elaboração de Relatório
de Valor Específico Patrimonial da CVAI/SAD.
Acesse este trabalho premiado no XXII COBREAP através do link na biblioteca do IBAPE:
https://ibape-nacional.com.br/biblioteca/wp-content/uploads/2023/12/estimativa-de-valores-de-
imoveis-da-uniao-com-tecnicas-de-aprendizagem-de-maquina-e-componentes-espaciai.pdf
1. REFERENCIAL TEÓRICO
INDUTIVA DEDUTIVA
2. METODOLOGIA
Assim, entre esses extremos, optou-se por adotar uma estratégia que se
configura como intermediária entre as duas abordagens clássicas, que é a trazida por
Gujarati (2019, p. 195), ao aproveitar o manancial de informações contidas na amostra
composta por respostas “sim”, ou seja, o próprio universo das ocorrências de sítios
arqueológicos da região de interesse, tirando da amostra as probabilidades de
ocorrências arqueológicas, aqui denominado de risco arqueológico (Ra), permitindo
estabelecer uma métrica para o potencial arqueológico, do tipo “Alto”, “Médio” ou
“Baixo”, conforme o risco arqueológico calculado para o local de interesse.
Declividade
Dist.Água (A1)
(D1) Classe de solo
Planossolos
< 1.500 m < 0,090 Neossolos (S1) (S2)
Sim Não Sim Não Sim Não Sim Não
1 0 1 0 1 0 1 0
Frequência
# A1 D1 S1 S2 Quant. (Ra)
1 1 1 1 0 14 0,1667
2 1 1 0 1 28 0,3333
3 1 1 0 0 18 0,2143
4 1 0 1 0 5 0,0595
5 1 0 0 1 0 0,0000
6 1 0 0 0 0 0,0000
7 0 1 1 0 12 0,1429
8 0 1 0 1 3 0,0357
9 0 1 0 0 4 0,0476
10 0 0 1 0 0 0,0000
11 0 0 0 1 0 0,0000
12 0 0 0 0 0 0,0000
Total: 84
Fonte: Elaborado pelo autor
Foi utilizada a técnica de Regressão Linear, uma vez que se buscava estudar
o comportamento de uma variável dependente — no caso, o risco de ocorrência
arqueológica, Ra — em relação a outras variáveis, chamadas independentes, que são
responsáveis pela variabilidade observada na probabilidade da ocorrência.
Onde:
Ra: Probabilidade de encontrar um sítio arqueológico no local de interesse;
A1: Distância da massa aquática ao sítio arqueológico, em metros, assumindo
o valor “1”, caso a distância seja < 1.500 m, ou valor “0”, caso a distância seja ≥ 1.500
m;
D1: Declividade predominante no local de interesse, adimensional, assumindo
o valor “1”, para uma declividade < 0,090, ou valor “0”, caso a declividade seja ≥ 0,090;
S1: Classe de solo. Assume o valor “1”, caso o solo seja da classe Neossolos,
ou valor “0”, caso não seja;
S2: Classe de solo. Assume o valor “1”, caso o solo seja da classe Planossolos,
ou valor “0”, caso não seja.
mudança ente “Médio” e “Baixo”, também obtido por meio da clusterização, foi de
0,068; portanto, para um risco arqueológico (Ra) menor que 0,068 (6,8%), considera-
se baixo o potencial de ocorrência. Para valores intermediários a esses pontos de
mudança, considera-se que o risco é médio para a ocorrência de sítio arqueológico.
Esses horizontes constam na tabela a seguir.
Potencial arqueológico
Risco (Ra) Potencial
< 0,068 Baixo
0,068≤ Ra ≤0,124 Médio
> 0,124 Alto
Fonte: Elaborado pelo autor
3 ESTUDO DE CASO
REFERÊNCIAS BIBLIOGRÁFICAS
Antoniel Campos
Engenheiro Civil, especialista em avaliações e perícias de engenharia.
Servidor público federal.
Vencedor das medalhas Eurico Ribeiro, Hélio de Caires, Ibá Ilha Moreira
(COBREAP) e medalha Domingos de Saboya (SOBREA), todas das
áreas de avaliações, perícias e meio ambiente.
Vencedor do prêmio Min. Guilherme Palmeira pelo TCU sobre soluções
consensuais de conflitos.
Acesse este trabalho premiado no XXII COBREAP através do link na biblioteca do IBAPE:
https://ibape-nacional.com.br/biblioteca/wp-content/uploads/2023/12/predicao-de-ocorrencias-
arqueologicas-em-obras-de-infraestutura.pdf