XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.

Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

ANLISE DE RISCO DO INVESTIMENTO DO CAPITAL(CAPEX) PARA A EXPANSO DE UMA EMPRESA DE MINERAO

Regis da Rocha Motta (UFRJ) regis@ind.ufrj.br ADILSON CORREA ALVES (PETROBRAS) adilsonalves@petrobras.com.br Vicente de Faria Cunha (UFRJ) vincefaria@yahoo.com.br : Carla G. Figueiredo (UFRJ) carlagf@uol.com.br

Esse trabalho apresenta a perspectiva da abordagem probabilstica como suporte a anlise de risco de investimento do capital (CAPEX) em uma empresa mineradora. Para tanto, foi utilizado o software de simulao @Risk para implementao da moodelagem. O maior desafio para o projeto foi determinar qual a melhor distribuio de probabilidade a ser aplicada no estudo. A soluo encontrada consistiu na adoo de trs distintos cenrios, com trs distribuies de probabilidade mais provveis. O resultado final consiste em percentuais de contingenciamento do oramento a serem reservados para cobrir as possveis incertezas para cada um dos cenrios utilizados. Palavras-chaves: Simulao, Anlise de Riscos, Incerteza.

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

1-Introduo De acordo com Hubbard et al. (2000), tomar uma deciso de investimento quando no existe incerteza relativamente simples,basta calcular o Valor Presente Lquido (VPL) e a Taxa Interna de Retorno (TIR) de vrios projetos de investimentos e escolher aqueles que apresentam maior retorno. Entretanto, na prtica, as decises so quase sempre cercadas de incertezas. O sucesso econmico das empresas depende dentre outros aspectos dos estudos de viabilidade econmica dos seus projetos que antecedem tomada de deciso.(IBIDEM,p.36). A anlise de investimento deve, portanto, considerar os riscos e incertezas presentes nos projetos. Para Motta et al (2006), o alto grau de incertezas em projetos de grande porte de desenvolvimento da produo de minrios aliado aos grandes investimentos necessrios, justificam a importncia de se utilizar metodologias de anlise de projetos que ajudem a identificar onde esto as maiores incertezas nos projetos. Deve-se ento quantificar o impacto dessas incertezas nas decises a serem tomadas e avaliar o risco envolvido nos projetos sob pena de serem gerados resultados econmicos indesejveis para a empresa. Frequentemente, a anlise quantitativa de riscos de projetos costuma no considerar, de maneira integrada, a dependncia entre os riscos de tempo (cronograma) e de custo. Em muitos casos, as razes para os desvios observados nos custos em relao ao planejamento original esto relacionadas a desvios nos cronogramas. Portanto, para a realizao de uma anlise de risco satisfatria, deve-se integrar os riscos de tempo e custo. Segundo Silva et al. (2007), para a quantificao do risco de um projeto, recomendvel realizar uma anlise de risco por meio de uma ferramenta conhecida. Uma das mais utilizadas trata-se da simulao de Monte Carlo. Para isso, existem alguns softwares disponveis que utilizam o Mtodo de Monte Carlo, tais como: @Risk e Crystal Ball . Este trabalho tem como principal objetivo apresentar uma metodologia para realizar uma anlise de risco para melhor quantificar o risco embutido nestes projetos e dar apoio tomada de deciso.
. .

2. Anlise de Risco Para Motta et al. (2006), a indstria de minerao permeada por incertezas em todos os estgios do negcio explorao, produo e logstica. Existem diversas ferramentas de avaliao de riscos no mercado, mas apesar disso, muitas empresas frequentemente utilizam a intuio e a experincia ao invs destas ferramentas. Bailey (2000) apresenta uma pesquisa realizada na Universidade de Aberdeen, Esccia, em 20 empresas com atuao no Mar do Norte, onde foi encontrada uma forte correlao positiva entre o grau de sofisticao em anlises de risco destas empresas e o sucesso em suas decises de investimento. Para a considerao dos riscos nos projetos podem ser utilizados alguns mtodos tais como:anlise de sensibilidade, anlise de cenrios, Simulao de Monte Carlo e rvores de deciso. A anlise de sensibilidade consiste em alterar o valor de cada uma das variveis individualmente permitindo avaliar o impacto desta alterao no fluxo de caixa do projeto. Permite ainda

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

identificar as variveis que mais influenciam no resultado econmico do projeto indicando onde a informao adicional tem maior utilidade (MULHERIN, 2004). Segundo Copeland et al. (2001), a anlise de cenrios permite corrigir um dos erros da anlise de sensibilidade que considerar as interdependncias entre as variveis do projeto. So escolhidos cenrios para o projeto, por exemplo: cenrio otimista, pessimista e esperado considerando combinaes diferentes, mas consistentes, de variveis. A simulao de Monte Carlo consiste da anlise do impacto sobre o resultado do projeto, quando se associa probabilidades de ocorrncia s suas variveis e permite, diferentemente das anlises de sensibilidade e cenrios, considerar todas as combinaes possveis das variveis presentes no projeto, o que torna este mtodo mais robusto que os outros dois (DIAS, 2005). As rvores de deciso podem ser utilizadas para anlise de projetos que envolvam decises seqenciais. Assim os projetos no so tratados como caixas negras, onde so consideradas apenas as decises de aceitao ou rejeio do projeto ignorando as decises de investimento subseqentes que podem ser feitas (HULLET, 2006). 3. Metodologia Para realizao da anlise de risco, o primeiro passo definir quais as principais incertezas a serem consideradas e logo aps realizar a anlise de risco propriamente dita (ALVES et al,2007). As principais incertezas em projetos de grande porte de desenvolvimento da produo de campos de minrio so relativas curva de produo, aos investimentos, custos operacionais, ao cronograma de implantao do projeto e preos dos insumos. Assim, para o nosso problema proposto, usamos o software @Risk pois o mesmo tem mais de 30 tipos de distribuio de probabilidade, dos quais os mais simples de usar so: a distribuio triangular (note-se: tringulo escaleno) e a retangular ou uniforme, conforme se observa nas figuras a seguir.
l'

Figura 1- Distribuio triangular

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Uniform(-2,5; 2,5)
0,25

0,20

0,15

0,10

0,05

0,00 -3 -2 -1 0 1 2 3

90,0% -2,250 2,250

Figura 2- Distribuio retangular H tambm outras distribuies de probabilidade, como a normal e a lognormal.Em casos em que se possui uma razovel quantidade de dados, curva emprica (prismas em azul) de freqncia relativa pode-se ajustar (atravs de testes de aderncia) a uma distribuio de probabilidade terica conhecida (linha vermelha), como a Normal abaixo.
Normal(541484,8; 3011,2)
1,4

1,2

Values x 10^-4

1,0

0,8

0,6

0,4

0,2

0,0 530 535 540 545 550 555

Values in Thousands
< 5,0% 536,53 90,0% 546,44 5,0% >

Figura 3- Distribuio uniforme

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Os dados da planilha EXCEL do oramento de investimento de capital (CAPEX) foram probabilizados, isto , com base nas faixas de incerteza em torno de valores mais provveis (caso do grfico triangular escaleno) ou da mdia (caso da uniforme e do tringulo issceles).

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

4-Estudo de Caso Um estudo de caso realizado como aplicao da metodologia onde so apresentados os resultados da anlise de risco e obtidos alguns indicadores ( MULHERIN, 2004). Uma empresa mineradora elaborou um oramento de investimento de capital visando expanso da capacidade de uma de suas minas de operao para 61 Mtpa de alimentao da planta de beneficiamento (Run of Mine). Os subtotais de cada pacote foram calculados, em dlares americanos (US$), segundo quantitativos e preos, dada uma taxa cambial de R$ 2,30 por US$ 1,00.Modelado atravs de uma planilha EXCEL, o oramento totalizou US$ 478.734,38, um valor determinstico, ou constante. Devido s incertezas nas estimativas, tanto de preo como de quantidades oradas, optou-se por fazer uma Simulao de Monte Carlo para determinar o percentil 85% (P85%) da curva de freqncia cumulativa, isto , aquele valor que deixa 85% dos casos abaixo dele. Usando o software @Risk (um add-in do EXCEL, produto da Palisade) foi feita uma simulao com 3.000 iteraes que gerou o P85% e seu respectivo contingenciamento, a partir do valor esperado acima citado, conforme o tipo de grfico da distribuio de probabilidade utilizada, como segue:

Grfico da Distribuio Tringulo Escaleno Tringulo Isscele Retngulo ou Uniforme

P85% em US$
499.581,31 508.556,19 509.463,63

Contingenciamento
4,4% 6,2% 6,4%

Grfico 1- Distribuio de probabilidade utilizada 4.1-Definio do Problema A empresa elaborou um oramento de capital, parcialmente reproduzido na Figura 4, abaixo, extrada da planilha EXCEL utilizada:

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

USDolares 1,000 x US$

Earthworks - Gasto Earthworks Estradas e Dragagem Infra-estrutura da Adutora Construo Civil - Grinding, Crushing, Stockpile Adicional Concreto magro + escavao + reaterro Muro de Conteno - Projeto Muro de Conteno - Construo Construo da Baia de Sada Tailing System Hydrocyclones Agitadores Samplers Lodo e outros canos Clulas de Flutuao

4.913,0 1.304,3 1.460,1 2.720,1 22.434,8 745,3 223,2 908,9 565,2 1.254,4 717,4 786,7 98,7 4.013,6 9.089,0

Figura 4: Oramento de Capital Fonte: Criada a partir dos dados fornecidos pela empresa H uma srie de incertezas, em graus variados, a respeito dos quantitativos e dos preos que foram estimados. 4.2-Entradas (Inputs) Para cada varivel calculada no oramento, foram estimados limites mnimo e mximo para incertezas em torno do valor base. Com esses limites, calculou-se o produto das variaes de quantidades e preos, multiplicando-se o resultado Q x P pelo citado valor base.
Quantidade
USDolares 1,000 x US$ MIN MAX

Preo
MIN MAX

UNIFORME Q P Q*P 1,00 1,16 1,13 1,13 1,10 1,50 1,00 1,24 0,90

Earthworks - Gasto Earthworks Estradas e Dragagem Infra-estrutura da Adutora Construo Civil - Grinding, Crushing, Stockpile Adicional Concreto magro + escavao + reaterro Muro de Conteno - Projeto Muro de Conteno - Construo Construo da Baia de Sada

4.913,0 1.304,3 1.460,1 2.720,1 22.434,8 745,3 223,2 908,9 565,2

0% 0% 0% 0% 0% 0% 0% 0% -40%

0% 15% 10% 10% 10% 100% 0% 30% 20%

0% 0% 0% 0% 0% 0% 0% 0% 0%

0% 15% 15% 15% 10% 0% 0% 15% 0%

1,00 1,00 1,08 1,08 1,05 1,08 1,05 1,08 1,05 1,05 1,50 1,00 1,00 1,00 1,15 1,08 0,90 1,00

Figura 5- Produto das variaes

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Distribution for CNC-01B - Infra-estrutura da Adutora/J7

12 Mean=4,999994E-02 10 0,076

6 J7 4 2 0

0,025

0,05

0,075

0,1

26,01%

50%

23,99%

,026

,076

Figura 6- Distribuio dos dados

5-Processamento Tomando como base as distribuies de probabilidades definidas pelo usurio, o software @Risk, extrai um nmero aleatrio de cada distribuio de probabilidade e opera os produtos entre quantidade e preo, alm de totalizar o valor do oramento, sem contingenciamento. A cada iterao, este resultado para o valor do oramento registrado, para posterior tratamento estatstico. Ao final da simulao, o valor de P85% registrado e seu respectivo contingenciamento, referido ao valor base. Alguns parmetros devem ser fixados: o nmero de simulaes, o nmero de iteraes, o tipo de amostragem (Monte Carlo ou Hipercubo Latino), o nmero e tipo de distribuies dos inputs e quais as variveis de output. 6-Sadas (Outputs) As variveis a serem observadas foram os resultados para o total do oramento de investimento de capital (CAPEX), para os trs tipos de grfico de distribuio: Tringulo Escaleno; Tringulo Issceles; e Retngulo (ou Uniforme). O software @Risk muito abundante em resultados, fornecendo estatsticas descritivas univariadas em profuso. As figuras seguintes demonstram exemplos de resultados gerados pela distribuio uniforme:

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Distribution for UTOTEXP3/R105

1,400 1,200 1,000 0,800 0,600 0,400 0,200 0,000
495 501,25 507,5 513,75 520
Mean=506296,3

Summary Information
Workbook Name Number of Simulations Number of Iterations Number of Inputs
R105

Regis-motta-31-05-2007-R2.xls 1 3000 900 6 Latin Hypercube 1/6/2007 11:34 1/6/2007 11:35 00:00:19 133

Values in 10^ -4

Number of Outputs Sampling Type Simulation Start Time Simulation Stop Time Simulation Duration Random Seed

Values in Thousands
5% 90% 5%

Statistic
Minimum Maximum Mean Std Dev Variance Skewness Kurtosis Median
R105

Summary Statistics Value %tile

496.860,56 517.411,22 506.296,33 3.008,81 9052954,891 0,117765795 2,881854351 506.194,16 502.903,03 501.441,56 5% 511.348,41 95% 9.906,84 90% 0 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 0 95%

Value
501.441,56 502.426,63 503.262,75 503.733,00 504.228,97 504.680,41 505.043,78 505.397,31 505.797,34 506.194,16 506.570,41 507.029,72 507.404,28 507.888,09 508.324,88 508.834,88 509.463,63 510.318,44 511.348,41

501,4416

511,3484

Distribution for UTOTEXP3/R105

1,000
Mean=506296,3

0,800 0,600 0,400 0,200 0,000

495 501,25 507,5 513,75 520

Mode Left X Left P Right X Right P Diff X Diff P #Errors Filter Min Filter Max #Filtered

Values in Thousands
5% 90% 5%

501,4416

511,3484

Figura 7 -Resultados gerados pela distribuio uniforme

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Alm das estatsticas acima, tambm feita a anlise de sensibilidade, ordenando as variveis de entrada conforme seu grau de impacto na varivel de sada, do maior para o menor grau:
Sensitivity Name Regr
INP-79 Mine Fleet / Q / $I$44 0,414 INP-77 Environment /0,345 Q / $I$42 INP-73 Lands / P / $J$38 0,292

Regression Sensitivity for UTOTEXP3/R105

INP-79 Mine Fleet / Q/I44 MEC-11A - ME - Erection - .../H95 INP-77 Environment / Q/I42 INP-73 Lands / P/J38 PRO-32 - Corpos Moedores /.../H42 INP-81B New Tailings Dam .../I46 MEC-11B - ME Erection, Cru.../H96 CNC-02 - Civil Constructio.../H8 CNC-02 - Civil Constructio.../G8 INP-79 Mine Fleet / P/J44 MEC-11A - ME - Erection - .../G95 MAT-05A - Piping / Q/G76 ENG-04 - Basic Engineering.../H64 MEC-11B - ME Erection, Cru.../G96 INP-73 Lands / Q/I38 MAT-05A - Piping / P/H76 ,414 ,388 ,345 ,292 ,262 ,26 ,231 ,227 ,221 ,206 ,195 ,157 ,13 ,119 ,11 ,075

Rank
#1 #2 #3 #4 #5 #6 #7 #8 #9 #10 #11 #12

Corr
0,386 0,339 0,292

MEC-11A - ME - Erection - Grinding, Flotation, Hydromet / P / $H$95 0,388 0,381

PRO-32 - Corpos Moedores / P / $H$420,253 0,262 INP-81B New Tailings Dam / Q / $I$46 0,200 0,260 MEC-11B - ME Erection, Crushing, Stockpile equipment / P / $H$96 0,231 0,255 CNC-02 - Civil Construction - Grinding, Crushing, Stockpile / P / $H$8 0,227 0,236 CNC-02 - Civil Construction - Grinding, Crushing, Stockpile / Q / $G$8 0,221 0,176 INP-79 Mine Fleet / P0,206 / $J$44 MAT-05A - Piping / Q / $G$76 0,157 0,200 0,115 MEC-11A - ME - Erection - Grinding, Flotation, Hydromet / Q / $G$95 0,195 0,170 ENG-04 - Basic Engineering and EPCM0,144$H$64 0,130 /P/ MEC-11B - ME Erection, Crushing, Stockpile equipment / Q / $G$96 0,119 0,116 INP-73 Lands / Q / $I$38 0,110 MAT-05A - Piping / P / $H$76 0,075 0,100 0,062

-1

-0,75

-0,5

-0,25

0,25

0,5

0,75

#13 #14 #15 #16

Std b Coefficients

Figura 8 Anlise de sensibilidade 7-Anlise crtica dos resultados As estatsticas abaixo foram obtidas com os resultados de uma simulao com 3.000 iteraes:
Output Name WorksheetMinimum Output Cell Simulation Maximum Mean Std Dev x1 p1 UTOTEXP3 Engenharia 496.861 517.411 $R$105 1 506.296 3.009 501.442 5,0% ISTOTEXP3 Engenharia 498.776 512.911 $S$105 1 506.297 2.133 502.820 5,0% ESCTOTEXP3Engenharia 489.711 506.166 $T$105 1 497.003 2.470 493.115 5,0% x2 p2 x2-x1 p2-p1 Errors

511.348 509.813 501.214

95,0% 95,0% 95,0%

9.907 6.993 8.099

90,0% 90,0% 90,0%

0 0 0

Figura 9 Resultados a partir de simulao com 3.000 iteraes As Figuras 10 e 11 e a Tabela 1 abaixo, ilustram os resultados obtidos para os trs tipos de distribuio j citados:

10

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Distribution for UTOTEXP3/R105

1,000

E ngenharia!R105: M ean=506296,3 E ngenharia!S105: M ean=506296,8

0,800

E ngenharia!T105: M ean=497003,4

0,600

0,400

0,000

485

493,75

502,5

511,25

520

Values in Thousands
5% 79,97% 15,03%

501,4416

509,461

Figura 10- Resultados

Distribution for UTOTEXP3/R105
1,800

E ngenharia!R105: M ean=506296,3 E ngenharia!S105: M ean=506296,8

1,400

E ngenharia!T105: M ean=497003,4

Values in 10^ -4

1,200

1,000

0,800

0,600

0,400

0,200

0,000

485

493,75

502,5

511,25

520

Values in Thousands
5% 79,97% 15,03%

501,4416

509,461

Figura 11- Resultados Grfico da Distribuio Tringulo Escaleno P85% em US$

499.581,31

R105

S105

T105

1,600

R105

0,200

S105

T105

Contingenciamento
4,4%

11

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Tringulo Isscele Retngulo ou Uniforme Tabela 1- Resultados

508.556,19 509.463,63

6,2% 6,4%

8-Concluses e recomendaes Para uma abordagem mais conservadora, diante da ausncia de dados que permitissem melhor juzo a respeito das possveis distribuies de probabilidade a serem utilizadas neste estudo, recomenda-se adotar a distribuio uniforme, em que qualquer valor no intervalo (entre mnimo e mximo) equiprovvel. Tal abordagem acarreta o maior nvel de contingenciamento, porm, trar o maior grau de conforto para que os administradores do risco absorvam flutuaes decorrentes da execuo do oramento, na implantao do projeto. Portanto, recomenda-se o contingenciamento de 6,4%, referido ao valor base do oramento para o CAPEX. 9-Referncias
ALVES, A.C; MOTTA, Rgis da Rocha; VITAL, M.S. Perspectivas para o uso do gs natural: limites e possibilidades para o perodo 2008-2015. In. Encontro Nacional de Engenharia de Produo. Foz do IguauPR.2007. BAILEY, W.; COUT, B.; SIMPSON, F.L.G. & ROSE, P. Taking a Calculated Risk. Oilfield Review.p.20-35, 2000. COPELAND, T. & V. Antikarov .Real Options A Practitioners Guide. 2001. DIAS, M. A. Opes Reais Hbridas com Aplicao em Petrleo. Tese de doutorado, DEI /PUC, Rio de Janeiro,2005. HUBBARD,R.G. e WEINER, R. J. Regulation and Long Term Contracting in U.S. Natural Gas arket. The Journal of Industrial Economics , vol. XXXV, n.1 pp. 71- 79.2000. HULLET, D. Anlise Integrada de Riscos em Projetos Custos e Cronograma. Mundo PM. Vol 2, n.11,p.76-81, 2006. MOTTA, Rgis da Rocha. Anlise de investimentos: tomada de deciso em projetos industriais.1 edio.So Paulo: Atlas, 2006. MULHERIN, J.H.,.Complexity in long-term contracts: an analysis of natural gas contractual provisions. Journal of Law, Economics, and Organization , vol 2 n1, pp105117, 2004. SILVA, B.N.; PEREIRA, Gesiane Silveira. Anlise de risco em projetos de produo martima de petrleo. In. Encontro Nacional de Enegenharia de Produo. Foz do Iguau-PR.2007.

12