Você está na página 1de 231

A AVALIAO ECONMICO-FINANCEIRA DE

INVESTIMENTOS SOB CONDIO DE INCERTEZA:


UMA COMPARAO ENTRE O MTODO DE MONTE
CARLO E O VPL FUZZY



Mrio Henrique da Fonseca Oliveira


Dissertao apresentada Escola de Engenharia de So
Carlos, da Universidade de So Paulo, como parte dos
requisitos para obteno do ttulo de Mestre em
Engenharia de Produo

ORIENTADORA: Profa. Associada Daisy Aparecida do Nascimento Rebelatto



So Carlos
2008
ii



















A minha esposa Francine, meu filho
Guilherme e minha me Luzia.


iii
AGRADECIMENTOS

A Deus por todas as oportunidades e realizaes que tem me abenoado em toda
minha vida.

A orientadora, professora Daisy Aparecida do Nascimento Rebelatto, pela
oportunidade e pela sbia maneira com que conduziu este trabalho. Obrigado pelo
valor inestimvel de seu exemplo pessoal e profissional.

A minha esposa Francine Guidugli Bartoletti, pela amada companhia e maneira
atenciosa com que disps de seu tempo para me ajudar na construo textual e
conceitual deste trabalho.

A minha me, Luzia Darci da Fonseca, que em todos os momentos de minha vida
sempre incentivou meus estudos e pelo seu exemplo de dedicao e fora de vontade.

Aos professores da Escola de Engenharia de So Carlos, Marcelo Seido Nagano e
Ivan Nunes da Silva, pelas sugestes que aperfeioaram e engrandeceram este
trabalho.

Ao professor Carlos Roberto Azzoni por honrar-me com presena na participao da
banca examinadora.

Ao estimado amigo Ronaldo Justo Santoro pela ajuda neste trabalho e por nossas
interminveis discusses que nos acompanham desde os tempos de graduao.

iv
Aos companheiros de Tecumseh, Orlando Falanghe Carneiro, Marcos Roberto Perez
de Oliveira e Valter Kenji Okada, pelos esforos para disponibilizar horrios para
minha participao no programa de ps-graduao.

Aos amigos do programa de ps-graduao em Engenharia de Produo, uma gerao
estimada de novos pesquisadores.








v
















Mire o cu para acertar o horizonte.
(Renato Nunes Faria de Aquino)



vi

SUMRIO

LISTA DE FIGURAS............................................................................................................................. I
LISTA DE QUADROS.......................................................................................................................... V
LISTA DE TABELAS......................................................................................................................... VI
LISTA DE SMBOLOS ..................................................................................................................... VII
LISTA DE ABREVIATURAS.............................................................................................................. X
RESUMO............................................................................................................................................. XI
ABSTRACT........................................................................................................................................ XII
1 APRESENTAO.............................................................................................................................. 1
1.1 OBJETIVO......................................................................................................................................... 4
1.2 JUSTIFICATIVA DO TRABALHO.................................................................................................. 5
1.3 MTODO........................................................................................................................................... 6
1.3.1 Pesquisa bibliogrfica................................................................................................................. 6
1.3.2 Estudo de caso ............................................................................................................................ 8
1.4 A COMPARAO ENTRE O MTODO DE MONTE CARLO E O VALOR PRESENTE
LQUIDO FUZZY .................................................................................................................................... 9

1.4.1 Grupo de anlises quantitativas .................................................................................................. 9
1.4.2 Grupo de anlises qualitativas .................................................................................................. 11
1.5 LOCALIZAO DO TEMA NO CONTEXTO DA ENGENHARIA DE PRODUO............... 11
1.6 ESTRUTURA DO TRABALHO..................................................................................................... 12
2 A ANLISE DE INVESTIMENTOS E AS INCERTEZAS NA TOMADA DE DECISES .... 14
2.1 MTODOS QUANTITATIVOS NA ANLISE DE INVESTIMENTOS...................................... 15

2.1.1 Valor Presente Lquido (VPL) .................................................................................................. 15
2.1.2 Taxa Mnima De Atratividade (TMA)...................................................................................... 17
2.1.3 Taxa Interna De Retorno (TIR)................................................................................................. 19
2.1.4 TIR Modificada (MTIR)........................................................................................................... 21
2.1.5 Payback Descontado................................................................................................................. 23
2.2 O INVESTIMENTO E A INCERTEZA.......................................................................................... 24
2.3 A NATUREZA DAS INCERTEZAS .............................................................................................. 26




vii
3 A SIMULAO DE MONTE CARLO NA ANLISE DE INVESTIMENTO SOB
CONDIES DE INCERTEZA......................................................................................................... 30
3.1 O CONCEITO DE SIMULAO................................................................................................... 31
3.2 A CONSTRUO DE UM MODELO PROBABILSTICO E O USO DA SIMULAO DE
MONTE CARLO................................................................................................................................... 34

3.2.1 Um Breve Histrico.................................................................................................................. 34
3.2.2 As rvores de Deciso ............................................................................................................. 35
3.2.3 O Conceito da Simulao de Monte Carlo aplicado ao VPL.................................................... 38
3.2.4 Elementos da Simulao de Monte Carlo................................................................................. 42
3.2.5 Alguns tipos importantes de distribuio de probabilidade ...................................................... 46
3.2.6 Consideraes Importantes ....................................................................................................... 51
4 O USO DE NMEROS FUZZY NA ANLISE DE INVESTIMENTOS SOB CONDIES DE
INCERTEZA........................................................................................................................................ 55
4.1 A LGICA FUZZY.......................................................................................................................... 57
4.2. NMEROS E CONJUNTOS FUZZY............................................................................................. 60

4.2.1 Introduo................................................................................................................................. 60

4.2.2 O Conceito de Possibilidade..................................................................................................... 62
4.2.3 Os Nmeros Fuzzy.................................................................................................................... 64
4.2.4 Tipos de Nmeros Fuzzy........................................................................................................... 66
4.2.5 Operaes com Nmeros Triangulares Fuzzy........................................................................... 71
4.3 A ESTRUTURA LGICA EM SISTEMAS E MODELOS FUZZY............................................... 76

4.3.1 Fuzzificao.............................................................................................................................. 79
4.3.2 Defuzzificao .......................................................................................................................... 81
4.4 A APLICAO DA LGICA FUZZY EM UM SISTEMA DE CONTROLE............................... 86
4.5 A APLICAO DO VALOR PRESENTE LQUIDO FUZZY NA AVALIAO ECONMICO-
FINANCEIRA DE INVESTIMENTOS................................................................................................. 95

4.5.1 Clculo de VPL
Fuzzy
l()
.............................................................................................................. 98
4.5.2 Clculo de VPL
Fuzzy
r()
.............................................................................................................. 99
4.5.3 O Valor Presente Lquido Fuzzy............................................................................................. 101
4.5.4 Fuzzificao do Fluxo de Caixa.............................................................................................. 102
4.5.5 Clculo do VPL
Fuzzy
................................................................................................................ 104
4.5.6 Defuzzificao do VPL
Fuzzy
.................................................................................................... 105
4.5.7 VPL
Fuzzy
utilizando o nmero de perodos de um investimento como uma varivel Fuzzy .... 107
4.5.8 Consideraes Importantes ..................................................................................................... 110
5 ESTUDO DE CASO........................................................................................................................ 113
5.1 O PROJETO DE INVESTIMENTO.............................................................................................. 113
5.2 O ESTUDO DE MERCADO......................................................................................................... 117
5.2.1 Aspectos Gerais ...................................................................................................................... 117
5.2.2 Mercado Alvo da Empresa ..................................................................................................... 121
5.2.3 Concorrncia no Setor ............................................................................................................ 122
5.3 PROJEES DE ENGENHARIA E LOGSTICA DO PROJETO............................................... 125

viii
5.3.1 Aspectos Logsticos ................................................................................................................ 125
5.3.2 A Engenharia do Projeto......................................................................................................... 126
5.4 A ESTIMATIVA DE CUSTOS E RECEITAS DO PROJETO..................................................... 128
5.5 AS IMPLICAES SOCIAIS E AMBIENTAIS DO PROJETO................................................. 131
5.6 O CLCULO DO VPL DETERMINSTICO PARA A AVALIAO ECONMICO-
FINANCEIRA DO PROJETO DE INVESTIMENTO........................................................................ 132

5.6.1 O Investimento Total .............................................................................................................. 132
5.6.2 Receita Anual Total ................................................................................................................ 133
5.6.3 Custos e Despesas Anuais Totais............................................................................................ 133
5.6.4 O Fluxo de Caixa antes dos Impostos..................................................................................... 134
5.6.5 Depreciao Total Anual ........................................................................................................ 134
5.6.6 O Fluxo de Caixa aps os Impostos........................................................................................ 135
5.6.7 O Clculo do VPL determinstico........................................................................................... 136
5.7 A AVALIAO ECONMICO-FINANCEIRA DO PROJETO DE INVESTIMENTO
UTILIZANDO A SIMULAO DE MONTE-CARLO..................................................................... 137

5.7.1 Atribuio de distribuies de probabilidades junto s variveis independentes.................... 138
5.7.2 Atribuio dos nmeros aleatrios e execuo da simulao ................................................. 142
5.7.3 Resultados da simulao......................................................................................................... 143
5.8 A AVALIAO ECONMICO-FINANCEIRA DO PROJETO DE INVESTIMENTO
UTILIZANDO VPL FUZZY ................................................................................................................ 146

5.7.1 A fuzzificao das variveis ................................................................................................... 147
5.7.2 O clculo do VPL
fuzzy
.............................................................................................................. 150
5.7.3 A defuzzificao do Valor Presente Lquido Fuzzy................................................................ 158
5.9 A COMPARAO ENTRE O VPL OBTIDO PELA SIMULAO DE MONTE CARLO E O
VPL FUZZY ......................................................................................................................................... 161

5.9.1 Grupo de anlises quantitativas .............................................................................................. 162
5.9.2 Grupo de anlises qualitativas ................................................................................................ 166
6 CONSIDERAES FINAIS.......................................................................................................... 172
6.1 RESULTADOS OBITOS............................................................................................................... 173

6.1.1 A incerteza e o projeto de investimento avaliado ................................................................... 175
6.1.2 A importncia da avaliao de investimentos......................................................................... 176
6.1.3 Contribuies para o grupo de pesquisa ............................................................................ 177
6.1.4 Contribuies para o pesquisador ........................................................................................... 178
6.1.5 Dificuldades encontradas........................................................................................................ 178
6.2 SUGESTES PARA TRABALHOS FUTUROS.......................................................................... 180

6.2.1 Melhorias na composio do Valor Presente Lquido Fuzzy .................................................. 180
6.2.2 Melhorias na quantificao de incertezas ............................................................................... 181
6.2.3 Estruturao de softwares ou planilhas de clculo para maior facilidade de aplicao .......... 183
6.2.4 Sistemas de apoio a deciso para decises de curto e curtssimo prazo.................................. 184
6.2.5 Sistema de apoio a deciso para a anlise de crdito.............................................................. 185
6.2.6 Sistema de avaliao social de projetos .................................................................................. 186
6.2.7 A utilizao da Lgica Fuzzy para precificao de opes..................................................... 187
6.2.8 Possveis aplicaes da lgica Fuzzy em outras reas da engenharia de produo................. 187




ix
APNDICE A..................................................................................................................................... 190
APNDICE B ..................................................................................................................................... 196
REFERNCIAS BIBLIOGRFICAS.............................................................................................. 204










































i
LISTA DE FIGURAS

Figura 1 O conceito de VPL 16
Figura 2 Ilustrao Grfica da TIR 20
Figura 3 A Incerteza nos Fluxos de Caixa 25
Figura 4 Formas de Estudo de um Sistema 32
Figura 5 Processo simples de modelagem 33
Figura 6 Uso da rvore de Deciso 36
Figura 7 rvore de Deciso para Comparao de Investimentos 37
Figura 8 Uma comparao entre o uso da rvore Deciso e a Simulao de Monte
Carlo 39
Figura 9 Funo densidade de probabilidade uniforme contnua 47
Figura 10 Funo densidade de probabilidade da distribuio normal. 49
Figura 11 Funo densidade de probabilidade de Weibull para valores selecionados
de e . 50
Figura 12 A estrutura da Simulao de Monte Carlo. 52
Figura 13 Lgica booleana 58
Figura 14 Lgica Fuzzy 59
Figura 15 Nmero Real 0 61
Figura 16 O conceito de Quase zero 61
Figura 17 Prximo de Zero 62
Figura 18 A Intensidade da Chuva 64
Figura 19 Funo de pertinncia no normalizada 65
Figura 20 Funo de pertinncia normalizada 65
Figura 21 Funo de pertinncia normalizada, porm no convexa 66
ii
Figura 22 Nmero Trapezoidal Fuzzy 67
Figura 23 Nmero Triangular Fuzzy 68
Figura 24 Representao de
25 . 0 = cut
e
75 . 0 = cut
em um nmero triangular
Fuzzy 69
Figura 25 Representao grfica do nmero Fuzzy A = (-1, 2, 5) 70
Figura 26 Nmero Fuzzy em formato de Sino 71
Figura 27 Soma entre os nmeros Fuzzy A e B 73
Figura 28 A Imagem Simtrica de A 73
Figura 29 Subtrao entre os nmeros Fuzzy A e B 74
Figura 30 Multiplicao entre os nmeros Fuzzy A e B 75
Figura 31 Diviso entre os nmeros Fuzzy A e B 76
Figura 32 Sistemas e Modelos Fuzzy 77
Figura 33 Varivel Lingstica Taxa de Juros Selic Alta 79
Figura 34 Possveis valores Taxa de Juros Selic 80
Figura 35 Valor de entrada 13% 81
Figura 36 Mtodo de defuzzificao pelo Centro da rea 83
Figura 37 Mtodo de Defuzzificao pela Mdia do Mximo 84
Figura 38 Possibilidade Cumulativa 85
Figura 39 Transporte para cargas porturias 88
Figura 40 Estrutura de Controle 89
Figura 41 Entrada da varivel angle 90
Figura 42 Entrada da varivel distance 90
Figura 43 Conjunto de regras para o sistema 91
Figura 44 Potncia pos_medium com pertinncia 0.70 93
Figura 45 Resultado fuzzificado da Power 94
iii
Figura 46 Valor defuzzificado de power : 14.0500 kW 94
Figura 47 VPL obtido em um investimento onde fora utilizado taxas de descontos e
fluxos caixa Fuzzy 97
Figura 48 Investimento fuzzificado 102
Figura 49 Retorno Esperado Fuzzy 103
Figura 50 A TMA fuzzificada 104
Figura 51 VPL
Fuzzy
aplicado ao exemplo apresentado 105
Figura 52 Valor do VPL
Fuzzy
defuzzificado pelo mtodo do Centro da rea 106
Figura 53 Vida econmica do investimento representada por um nmero Fuzzy 108
Figura 54 Resultados do VPL para cada perodo 109
Figura 55 Defuzzificao proposta por Sanches (2003) 109
Figura 56 Defuzzificao proposta por Omitaou e Badiru (2007) 110
Figura 57 Esquema de funcionamento de uma caldeira aquatubular 115
Figura 58 Esquema de funcionamento de uma caldeira aquatubular 116
Figura 59 Produo de cana-de-acar em tonelada 120
Figura 60 Estimativa da distribuio atual do mercado 123
Figura 61 O teorema de Tchebichev ou regra emprica 139
Figura 62 Definio da varivel Galpo na simulao utilizando o Crystall Ball 142
Figura 63 VPL obtido como resultado da simulao 144
Figura 64 Indicadores estatsticos obtidos atravs da simulao 145
Figura 65 Fluxo de caixa Fuzzy para o perodo de 1 a 10 anos 155
Figura 66 Fluxo de caixa Fuzzy para o perodo de 11 a 15 anos 156
Figura 67 Valor Presente Lquido Fuzzy do projeto de investimento 158
Figura 68 Defuzzificao do Valor Presente Lquido Fuzzy do projeto de
investimento 159
iv
Figura 69 Valor Presente Lquido fuzzy obtido por aproximao 165





































v
LISTA DE QUADROS

Quadro 1 - Grandes reas da Engenharia de Produo 12
Quadro 2 Fatores que contribuem para Incerteza 27
Quadro 3 Fatores e Tratamentos para as Incertezas 29
Quadro 4 Uma representao Fuzzy para chuva 63
Quadro 5 Grandes produtores mundiais de etanol 122




















vi
LISTA DE TABELAS

Tabela 1 Diferenas bsicas entre Clculos e Inferncias Fuzzy 78
Tabela 2 Inferncia do sistema 92
Tabela 3 Estimativas Iniciais do Projeto 128
Tabela 4 Estimativa de receitas e custos anuais do projeto 129
Tabela 5 Variveis independentes para execuo da Simulao de Monte Carlo 141
Tabela 6 Resultados obtidos pela aplicao da Simulao de Monte Carlo 145
Tabela 7 Variveis fuzzificadas para o clculo do Valor Presente Lquido Fuzzy 149
Tabela 8 Resultados obtidos pela aplicao do Valor Presente Lquido Fuzzy 161
Tabela 9 Anlise numrica comparativa entre os valores obtidos pela aplicao da
simulao de Monte Carlo e Valor Presente Lquido Fuzzy 162
Tabela 10 Comparao numrica entre valores obtidos pela simulao de Monte
Carlo em duas diferentes situaes 164
Tabela 11 Comparao numrica entre valores obtidos pelo clculo do Valor
Presente Lquido Fuzzy efetuado sem aproximao e com aproximao
matemtica 165





vii
LISTA DE SMBOLOS

a - Limite Inferior da Distribuio de Probabilidade Uniforme
1
a - Representao Genrica do Primeiro Elemento do Nmero Fuzzy A
2
a - Representao Genrica do Segundo Elemento do Nmero Fuzzy A
3
a - Representao Genrica do Terceiro Elemento do Nmero Fuzzy A
4
a - Representao Genrica do Quarto Elemento do Nmero Fuzzy A
) ( l
a - Lado Esquerdo de Pertinncia do Nmero Fuzzy A
) ( r
a - Lado Direito de Pertinncia do Nmero Fuzzy A
- Indicador de Representao por cut
b - Limite Superior da Distribuio de Probabilidade Uniforme
1
b - Representao Genrica do Primeiro Elemento do Nmero Fuzzy B
2
b - Representao Genrica do Segundo Elemento do Nmero Fuzzy B
3
b - Representao Genrica do Terceiro Elemento do Nmero Fuzzy B
) ( l
b - Lado Esquerdo de Pertinncia do Nmero Fuzzy B
) ( r
b - Lado Direito de Pertinncia do Nmero Fuzzy B
B - Montante Capital de Terceiros
- Parmetro de Forma
c - Constante de Incremento
j
C - Fluxos de Caixa Negativos
d - Constante Multiplicadora
) ( X E - Valor Mdio para Distribuio de Probabilidade Uniforme
) (x f - Funo Densidade de Probabilidade
viii
) (
1
x f
a
- Funo de Pertinncia 1
) (
2
x f
a
- Funo de Pertinncia 2
0
FC - Fluxo de caixa verificado no momento zero (momento inicial)
j
FC - Fluxo de caixa em cada perodo j
) ( l
FC - Lado Esquerdo de Pertinncia do nmero Fuzzy FC
) ( r
FC - Lado Direito de Pertinncia do nmero Fuzzy FC
- Parmetro de Escala
i - Taxa de Desconto
B
i - Custo de Capital de Terceiros
c
i - Taxa Correspondente ao Custo de Capitao
s
i - Custo de Capital Prprio
r
i - Taxa de Aplicao de Recursos Ociosos
) ( l
i - Lado Direito de Pertinncia do nmero Fuzzy i
) ( r
i - Lado Direito de Pertinncia do nmero Fuzzy i
l() Lado Esquerdo de uma Funo de Pertinncia
m- Constante Mdulo
- Mdia
Galpo
- Mdia da Varivel Galpo
x
sada
( ) Funo de Pertinncia da Varivel Sada
) (x
A
- Funo de Pertinncia para o Nmero Fuzzy A
) 0 ( * <
fuzzy
VPL - Possibilidade Cumulativa de
fuzzy
VPL menor do que 0
n - Perodo de Tempo
N - Quantidade de Iteraes utilizadas
ix
Galpo
N - Distribuio Normal de Probabilidade da Varivel Galpo
P - Probabilidade
r() Lado Direito de uma Funo de Pertinncia
j
R - Fluxos de Caixa Positivos
- Funo Auxiliar da Distribuio de Probabilidade de Weibull
S - Montante da Capital Prprio
- Desvio-padro
Galpo
- Desvio-padro da Varivel Galpo
2
- Varincia
U - Universo de Discurso
* VPL - Valor Presente Lquido Defuzzificado
fuzzy
VPL - Valor Presente Lquido Fuzzy
) ( l
fuzzy
VPL - Lado Esquerdo de Pertinncia da funo VPL Fuzzy
) ( r
VPL
fuzzy
- Lado Direito de Pertinncia da funo VPL Fuzzy
x - Valor que o VPL pode assumir
0
x - Semente ou seed
m
x - m-simo Valor no Universo de Discurso com Pertinncia Mxima
1 + n
x - Nmero aleatrio x Gerado
* x - Valor da Varivel x Defuzzificado
) (+ - Adio Fuzzy
) ( - Subtrao Fuzzy
) ( -Multiplicao Fuzzy
) ( - Diviso Fuzzy
x
LISTA DE ABREVIATURAS

BNDES Banco Nacional de Desenvolvimento Econmico e Social
CAD - Computer Aided Design (Desenho Auxiliado por Computador)
CNAA - Companhia Nacional de Acar e lcool
CIL - Coeficiente de Incerteza Lxica
IBGE Instituto Brasileiro de Geografia e Estatstica
IPEA - Instituto de Pesquisa Econmica Aplicada
MTIR - Taxa Interna De Retorno Modificada
PROINFA - Programa de Incentivo s Fontes Alternativas
SELIC Sistema Especial de Liquidao e Custdia
TIR - Taxa Interna De Retorno
TMA - Taxa Mnima de Atratividade
VPL - Valor Presente Lquido
VPL
fuzzy
- Valor Presente Lquido Fuzzy
WACC - Weighted Average Cost of Capital (Custo Mdio Ponderado de Capital)












xi
RESUMO

OLIVEIRA, M. H. F. (2008). A avaliao econmico-financeira de investimentos sob
condio de incerteza: uma comparao entre o mtodo de Monte Carlo e o VPL
fuzzy. So Carlos, 2008, 209p. Dissertao (Mestrado) Escola de Engenharia de So
Carlos, Universidade de So Paulo.

Os mtodos determinsticos utilizados para avaliao econmico-financeira de
projetos de investimentos, como o Valor Presente Lquido (VPL) e a Taxa Interna de
Retorno (TIR), contemplam exatido do comportamento futuro das varveis inerentes
ao projeto. Porm, as imprevisibilidades futuras acrescidas da alta volatilidade da
economia e tecnologia mundial tornam as anlises determinsticas frgeis em
situaes onde existam incertezas, o que pode levar gestores e investidores a tomar
decises equivocadas quanto alocao de capital. O presente trabalho tem como
objetivo geral a comparao entre dois mtodos que podem ser utilizados para
avaliao de investimentos que abordam a condio de incerteza. O mtodo de Monte
Carlo, em seu carter estatstico, permite que as variveis presentes sejam
consideradas por meio de distribuies de probabilidade, as quais associadas a
gerao de nmeros aleatrios fornecem uma resposta que considera as incertezas
presentes. O Valor Presente Lquido Fuzzy constitui-se em um mtodo alternativo
para anlise, o qual considera as variveis incertas como nmeros nebulosos, ou seja,
concepes matemticas que no apresentam fronteiras rgidas. Por meio da
aplicao dos mtodos em uma situao real de investimento, buscou-se realizar uma
anlise comparativa, que levasse em conta os resultados numricos obtidos e a
conceituao terica envolvida.

Palavras-chave: VPL Fuzzy, Incerteza, Anlise de Investimentos.
xii
ABSTRACT
OLIVEIRA, M. H. F. (2008). The financial and economic evaluation of investments
under uncertainly: a comparison between the Monte Carlo method and NPV fuzzy.
So Carlos, 2008, 209p. Dissertao (Mestrado) Escola de Engenharia de So
Carlos, Universidade de So Paulo.


The deterministic methods used for economical and financial evaluation of
investments projects, such as Net Present Value (NPV) and Internal Rate Return
(IRR) consider the future comportment of the project variables as exact values.
Nevertheless, the future unpredictability and the high volatility of world economy and
technology make fragile the deterministic analysis under situations that uncertainty is
present, what may lead managers and investors to take bad decisions about capital
allocation. The main objective of this assignment is two compare two different
methods used to evaluate investments under uncertainty. The Monte Carlo Method is
its statistical character, allows to associate probability distributions with random
numbers and this application provides that includes uncertainty. The Fuzzy Net
Present Value is an alternative method to analyze investments, which consider
uncertainty variable as Fuzzy numbers, i.e., mathematics conceptions that do not
present absolute borders. Two different kinds of comparisons were produced by
applications of both methods in a real investment situation: the first was developed
based on numeric analysis; the second is based on a theory that involves those
methods.


Key-words: NPV Fuzzy, Uncertainty, Investments Analysis.



1
1 APRESENTAO

A partir da dcada de 90 grandes transformaes foram observadas no mundo;
a crescente tecnologia na informtica, a intensificao das relaes comerciais e maior
integrao dos meios de informao propiciaram a criao de um mercado global,
onde a variedade de produtos e empresas contribuiu para o aumento da volatilidade
econmica e a concorrncia empresarial.
O mundo um lugar menor para se fazer negcio. Muitas empresas mdias
esto buscando fornecedores e vendendo seus produtos e servios globalmente. Um
website bem desenhado pode transformar mesmo pequenas empresas em atores
globais (SLACK et al, 2002).
A facilidade comercial e de comunicao fez com que o acesso a novos
produtos, marcas e servios se tornassem accessveis. Os objetivos de desempenho
como qualidade, flexibilidade e custo tornaram-se mais importantes, agindo como
diferenciais competitivos na concorrncia empresarial. Em um cenrio voltil fora
possvel observar grandes empresas como a IBM, reduzirem seu faturamento
acentuadamente, enquanto novas empresas surgiam no mercado internacional.
O governo brasileiro inseriu o pas neste cenrio ao desvencilhar-se de uma
poltica comercial protecionista em pr da abertura econmica. Segundo Meireles
(2004) a reduo das tarifas de importao sem uma contrapartida de financiamentos
voltados a modernizao, acentuou ainda mais as diferenas competitivas entre as
empresas, segundo a origem de capital e segundo o tamanho.
A dificuldade inicial das empresas brasileiras em se desenvolver neste novo
cenrio internacional tambm era advinda do grande descontrole que a economia
nacional apresentou desde a dcada 80. Os altos ndices de inflao dificultavam a
2
gesto financeira e empresarial, altos estoques assim como o overnight eram incisivos
no sucesso das empresas.
O ambiente complexo da globalizao forou a evoluo da estratgia
empresarial e os investimentos e modernizao passaram a ser fundamentais
(MEIRELES, 2004). O uso de mtodos quantitativos para a avaliao econmico-
financeira de investimentos passaram a ter mais visibilidade, isto no s pela
necessidade dos investidores em avaliar seus passos futuros, mas tambm pela
evoluo do sistema financeiro nacional, informatizado e bastante lucrativo.

A anlise das alternativas de investimento o estudo dos fluxos de
caixa desembolsos de capital (sadas de caixa) e retornos de
investimentos (entradas de caixa) de um projeto para avaliar a sua
viabilidade econmica. A viabilidade econmica de um investimento
exige sua recuperao de capital (retorno do investimento) e sua
remunerao (retorno sobre o investimento) (Rebelatto, 2004).

As avaliaes econmico-financeiras dos investimentos contribuem
diretamente para a tomada de deciso de gestores e investidores. Atravs de tais
anlises possvel projetar o sucesso ou insucesso econmico de um investimento, j
que consideram como entradas, as variveis que compem o fluxo de caixa do
investimento, e oferece como resposta ou sada a viabilidade do investimento em
termos financeiros.
evidente que anlises podem conduzir a prejuzos; o cenrio projetado para o
investimento pode modificar-se ao longo do tempo e as premissas assumidas no incio
do projeto podem no ocorrer, j que na grande maioria dos casos existem incertezas
sobre qual ser o comportamento do projeto analisado no futuro.
3
As informaes disponveis para elaborar uma anlise de investimento no so
lineares ou absolutas, visto que a economia e o mercado financeiro mundial
historicamente apresentam variaes que podem ser imprevisveis e tambm podem
atingir economias diversas. Mesmo com as agncias de rating e diversos sistemas de
informaes on-line, parte dos ttulos mobilirios americanos estiveram
supervalorizados no primeiro semestre de 2007. Surpresas e variaes de natureza
diversas so bastante presentes na economia.

A dificuldade dos gestores e investidores em prever com exatido
os resultados de suas decises existente devido a inmeros fatos
desconhecidos, como mudanas de tecnologia, modificaes na
preferncia, incertezas em funo da legislao, flutuao de preos e
cmbio (Thompson Jnior, 1995).

A incerteza um componente imutvel da vida empresarial tal qual
impostos e acionistas. Cabe empresa, no entanto, decidir quais as
incertezas que deseja assumir e quais prefere evitar. Para tanto, preciso
um mtodo para descobrir e avaliar as incertezas inerentes aos seus
projetos de investimento (Brando, 2007).

Uma das grandes dificuldades ao se elaborar uma anlise de um projeto de
investimento a de concernir os dados presentes de modo com que as variaes
futuras em custos, receitas e horizonte de planejamento, entre outras, sejam
consideradas na anlise.
O presente trabalho visa comparar dois mtodos para a anlise de
investimentos: o primeiro deles est associado simulao de Monte Carlo e o
segundo baseado na teoria dos nmeros e conjuntos Fuzzy. A opo por essa
4
comparao est associada capacidade que eles apresentam de representar riscos e
incertezas, presentes em grande parte dos investimentos correntes.
A simulao de Monte Carlo um mtodo de simulao estocstico, que se
baseia na gerao de nmeros aleatrios para sua execuo. Em sntese, pode-se dizer
que os nmeros aleatrios gerados representam cenrios possveis do investimento em
questo. A gerao de nmeros aleatrios associada a distribuies de probabilidade
de maneira a simular os valores futuros de receitas e custos.
A Lgica Fuzzy conhecida por ser factvel ao uso em situaes incertas e de
difcil mensurao. Em vrios momentos de uma anlise de investimentos, as
informaes encontram-se vagas e imprecisas, sendo necessrio interpretar as
variveis de maneira qualitativa. A Lgica Fuzzy permite manipular informaes que
se encontram imprecisas, traduzindo expresses verbais, vagas, imprecisas e
qualitativas, de categoria subjetiva, comuns na comunicao humana, em valores
numricos (MEDEIROS, 2003).

1.1 OBJETIVO

O objetivo geral deste trabalho consiste em avaliar a aplicabilidade do Valor
Presente Lquido Fuzzy como instrumento de avaliao de projetos de investimento, a
partir da comparao que ser feita junto ao mtodo de Monte Carlo. Os objetivos
especficos deste trabalho so:

Discutir a incerteza na anlise econmico-financeira de investimentos e sua
influncia na tomada de deciso;
5
Estruturar de maneira clara os principais conceitos que envolvem o uso da Lgica
Fuzzy, representando-os segundo a ptica da Engenharia de Produo;
Estruturar os conceitos que envolvem o Valor Presente Lquido Fuzzy e sua
aplicabilidade;
Verificar as possveis vantagens do uso do Valor Presente Lquido Fuzzy para a
avaliao de investimentos onde a incerteza est presente;
Apresentar as limitaes e as principais dificuldades para o uso da Lgica Fuzzy
como mtodo para avaliao de investimentos.

1.2 JUSTIFICATIVA DO TRABALHO

A necessidade de se considerar a variao dos parmetros de entrada
fundamental para realizao de uma avaliao concisa de um investimento, j que
impossvel saber quais os valores exatos que o fluxo de caixa do projeto assumir no
futuro. Assim necessrio buscar mtodos que consigam representar a
imprevisibilidade futura (MALERBA, 2003).
Apesar de difundida em outras reas do conhecimento, a Lgica Fuzzy ainda
carece de estudos quando sua aplicao diz respeito rea financeira. A quantidade de
trabalhos que visam aprimorar e divulgar mtodos baseados neste princpio bastante
escassa, sendo tambm poucas as fontes bibliogrficas que estruturam de forma
acessvel e fundamentada as aplicaes presentes na Engenharia de Produo.
A comparao de novas teorias (Lgica Fuzzy) junto a mtodos j aceitos pela
comunidade cientfica (simulao de Monte Carlo) pode trazer informaes e
discusses relevantes ao processo decisrio nas anlises de investimentos.
6
Mesmo sendo conceitualmente diferente da matemtica tradicional, os
conceitos para utilizao da Lgica Fuzzy no apresentam grande complexidade,
sendo vivel sua aplicao em diversos softwares no mercado. Aliado a isso,
softwares especficos para manipular sistemas Fuzzy tm sido desenvolvidos, fazendo
com que sua operacionalizao em diversas instituies e empresas seja bastante
factvel.

1.3 MTODO

Segundo Gil (1987) quando no objeto de estudo deseja-se confrontar de
maneira emprica os dados tericos com a realidade, torna-se necessrio traar um
modelo conceitual e operativo para pesquisa, que recebe o nome de delineamento.
O mesmo autor define dois grandes tipos de delineamento: o que se vale das
chamadas fontes de papel e aqueles cujo os dados so fornecidos por pessoas. No
primeiro grupo esto a pesquisa bibliogrfica e a pesquisa documental. O segundo
grupo est compreendido pela pesquisa experimental, a pesquisa ex-post-facto, o
levantamento e o estudo de caso.
A presente dissertao foi elaborada com a combinao de duas etapas
distintas. A primeira, de carter conceitual, foi desenvolvida com base em uma
pesquisa bibliogrfica. A segunda, de carter complementar e adicional, consistiu na
execuo de um estudo de caso, que permitiu a explanao dos conceitos luz de uma
situao real de investimento.
1.3.1 Pesquisa bibliogrfica

7
Uma pesquisa bibliogrfica consiste no levantamento da bibliografia j
publicada que apresente relao com o assunto. Sua finalidade colocar o
pesquisador em contato com muito do j foi escrito sobre determinado assunto
(MARCONI e LAKATOS, 1982).
O ponto de partida para o desenvolvimento conceitual foi a crtica aos mtodos
tradicionais para a avaliao de investimentos, que em muitas de suas aplicaes, no
permitem explorar as variaes futuras nas receitas e dispndios de um projeto. Tal
crtica fortalece a hiptese do uso Valor Presente Lquido Fuzzy como uma alternativa
aos problemas correntes na avaliao de investimentos.

Enquanto no testadas empiricamente, e mesmo aps isto, as
concluses e raciocnios lgicos no passam de hipteses. Mesmo aps
serem submetidas com sucesso a uma bateria de testes empricos jamais
perdero seu carter precrio. A qualquer momento, podem ser postas em
xeque, diante da apresentao de novos indcios ou explicaes (Meireles,
2004).

Para confeco de uma reviso bibliogrfica compactuada ao tema, fez-se
necessria a pesquisa e estudo de variados textos. A discusso sobre os mtodos
quantitativos tradicionais de anlises e as incertezas presentes nos investimentos foi
realizada atravs de pesquisas em trabalhos sobre finanas corporativas, o mercado
financeiro e a engenharia econmica.
Em uma segunda etapa fez-se necessrio conceituar o mtodo de Monte Carlo,
levando em conta os principais conceitos sobre simulao. Tambm foi necessria a
pesquisa em publicaes sobre estatstica, caracterstica marcante ao mtodo, j que
8
necessria tanto para estipular as variaes nas entradas da anlise como para
interpretao de seu resultado final.
A construo da reviso sobre a Lgica Fuzzy e do mtodo do Valor Presente
Lquido Fuzzy subsidiada por trabalhos da rea de automao, sistemas de apoio de
deciso, matemtica aplicada e da anlise de investimentos. Esta parte da reviso visa
atender objetivos importantes deste trabalho; como o de estruturar a Lgica Fuzzy
segundo a ptica da Engenharia de Produo e o de apresentar os principais conceitos
da ferramenta central da pesquisa.
1.3.2 Estudo de caso

A opo pela realizao de uma experimentao foi de explicitar a pesquisa
vigente, j que traz tona a aplicao prtica de constataes importantes realizadas
na reviso bibliogrfica.
Um estudo de caso caracterizado pelo estudo profundo de um ou poucos
objetos, de maneira que permita o seu amplo e detalhado conhecimento, tarefa
praticamente impossvel mediante os outros tipos de delineamento (GIL, 1987).
A aplicao em questo consiste na avaliao de um projeto de investimento
referente a criao de um centro fabril para produo mquinas e equipamentos
industriais utilizados no setor sucroalcooleiro. O estudo fundamentado nas seguintes
etapas:

Coleta dos dados referentes ao projeto, como receitas, despesas, custos, prazos e
demais fatores considerados importantes ao estudo;
9
Coleta e pesquisa de informaes econmicas e financeiras referentes ao setor em
que a empresa est inserido, considerados o carter micro e macroeconmico,
possibilitando contextualizar a incerteza presente no projeto;
Elaborao de planilhas eletrnicas para o uso da simulao do mtodo de Monte
Carlo;
Elaborao de planilhas eletrnicas para o uso do Valor Presente Lquido Fuzzy;
Anlise comparativa dos resultados obtidos pelos modelos aplicados.

1.4 A COMPARAO ENTRE O MTODO DE MONTE CARLO E O VALOR
PRESENTE LQUIDO FUZZY

O trabalho tem entre seus objetivos a comparao entre dois mtodos para a
avaliao econmico-financeira de investimentos. Atravs da experimentao (estudo
de caso) acredita-se que ser possvel realizar anlises comparativas baseadas na
aplicao prtica.
A fim de evitar que as concluses e consideraes apresentem algum tipo de
vis, faz-se necessrio estruturar alguns possveis itens de comparao antes mesmo
da realizao do experimento. Dois grupos de anlise foram criados: o primeiro se
refere anlises quantitativas e o segundo a anlises qualitativas.

1.4.1 Grupo de anlises quantitativas

O mtodo de Monte Carlo e o Valor Presente Lquido Fuzzy apresentam
respostas de carter matemtico, o que torna possvel confrontar diretamente os
10
valores obtidos pelos dois mtodos. Em resumo, as respostas dos mtodos se
apresentam como uma faixa de valores provveis (ou possveis) do capital que ser
ganho ou perdido caso o investimento seja realizado. Baseando-se nos valores obtidos
como resposta, os seguintes itens de comparao sero trabalhados nesta dissertao:

Comparao entre o retorno esperado mais provvel (mtodo de Monte Carlo) e
os mais possvel (Lgica Fuzzy) se realizado o investimento;
Anlise comparativa entre os limites numricos (melhor e pior situaes) de
retorno de capital obtidos pela aplicao dos mtodos;
Uma das respostas obtidas pelo aplicao do mtodo de Monte Carlo a
probabilidade de insucesso de um investimento, j o Valor Presente Lquido Fuzzy
informa possibilidade de sucesso ou insucesso de um investimento. Apesar de
conceitualmente distintos, os dois conceitos podem ser comparados
numericamente;
A simulao de Monte Carlo tem sua execuo baseada em nmeros aleatrios,
fazendo com que cada vez que o mtodo seja aplicado, mesmo que mantidas as
mesmas entradas, as respostas apresentem alguma alterao (neste trabalho
chamado de erro de reaplicao). No caso da Valor Presente Lquido Fuzzy as
funes geradas muitas vezes podem ser trabalhadas com aproximaes (gerando
um erro por aproximao). Tem-se ento o intuito de comparar o erro matemtico
presente nos dois mtodos (reaplicao e aproximao).

Embora na parte inicial deste trabalho os itens citados para a comparao
quantitativa possam parecer pouco claros, ao decorrer do trabalho e principalmente no
11
captulo final, ter-se- o intuito de deix-los mais perceptveis, visto que toda a
reviso bibliogrfica e aplicao dos mtodos j tero sido efetuadas.

1.4.2 Grupo de anlises qualitativas

Alm da comparao por resultados numricos obtidos como resposta da
aplicao dos dois mtodos, uma srie de anlises qualitativas ser efetuada para
confront-los:

A facilidade em representar a incerteza presente no investimento como uma
entrada para o modelo de clculo;
Viabilidade de execuo dos clculos pertinentes a cada mtodo;
Facilidade de assimilao da resposta calculada pelos modelos matemticos;
Aplicabilidade junto ao estudo de caso efetuado.

1.5 LOCALIZAO DO TEMA NO CONTEXTO DA ENGENHARIA DE
PRODUO

A Comisso de Diretrizes Curriculares da ABEPRO (Associao Brasileira de
Engenharia de Produo), cumprindo resoluo da Sesso Plenria Final do IX
ENCEP (Encontro Nacional de Coordenadores de Cursos de Engenharia de
Produo), realizado entre os dias 28 e 30 de maio de 2003, no Centro Universitrio
da FEI em So Bernardo do Campo SP relata dez diferentes reas do conhecimento
compreendidas pela Engenharia de Produo:
12

1 Gesto da Produo
2 Gesto da Qualidade
3 Gesto Econmica
4 Ergonomia e Segurana do Trabalho
5 Gesto do Produto
6 Pesquisa Operacional
7 Gesto Estratgica e Organizacional
8 Gesto do Conhecimento Organizacional
9 Gesto Ambiental
10 Educao em Engenharia de Produo

Quadro 1 - Grandes reas da Engenharia de Produo
Fonte: ABEPRO (2007).


O presente trabalho se enquadra na rea denominada Gesto Econmica, que
por sua vez inclui a Engenharia Econmica, a Gesto de Custos, a Gesto Financeira
de Projetos e a Gesto de Investimentos.

1.6 ESTRUTURA DO TRABALHO

Este trabalho ser estruturado em 6 captulos. No primeiro colocada em
pauta uma breve apresentao do trabalho, bem como a definio do objetivo,
justificativas a respeito do tema e da linha metodolgica utilizada.
O captulo 2 caracteriza-se pela apresentao de conceitos sobre anlise de
investimentos, trazendo a tona os principais mtodos determinsticos utilizados para
avaliar investimentos, como o Valor Presente Lquido e Taxa Interna de Retorno,
13
alm de consideraes sobre o custo de capital em empresas. Na seqncia so
apresentados conceitos sobre as incertezas e riscos presentes nos projetos de
investimentos, bem como suas principais fontes e como trat-las.
O terceiro captulo refere-se Simulao de Monte Carlo. Este mtodo tem
como foco central a gerao de nmeros aleatrios associados a distribuies de
probabilidade para representao do risco em um investimento, fazendo com que a
interpretao de resultados seja realizada de maneira estatstica. Desta forma, faz-se
necessrio a apresentao de conceitos de como so gerados os nmeros aleatrios,
algumas distribuies de probabilidade e como estruturar a Simulao para uso na
avaliao de um projeto de investimento.
A Lgica Fuzzy apresentada no captulo 4 como mtodo alternativo para
formulao de problemas onde a incerteza est presente. O captulo traz em sua parte
inicial o estado da arte desta lgica, seguindo para os conceitos fundamentais para
aplicao. Um exemplo de sistema de automao Fuzzy mostrado; por fim
apresenta-se o mtodo do Valor Presente Lquido Fuzzy e um exemplo de sua
aplicao.
O captulo 5 destina-se apresentao do estudo de caso; sua descrio em
mbito geral, o cenrio do projeto de investimento, a ponderao sobre as incertezas e
a aplicao da Simulao de Monte Carlo e do Valor Presente Lquido Fuzzy para
avaliao quantitativa do investimento.
O sexto captulo dedicado s concluses e recomendaes finais, assim como
propostas para trabalhos futuros. Os apndices A e B os conceitos bsicos para a
estruturao de clculos no Microsoft Excel em aplicaes da simulao de Monte
Carlo e da Lgica Fuzzy.

14
2 A ANLISE DE INVESTIMENTOS E AS INCERTEZAS NA
TOMADA DE DECISES

Pode-se definir investimento como sendo o ato de incorrer em gastos
imediatos na expectativa de obter futuros benefcios. So esses benefcios que
promovem ganhos de capital para empresa, propiciando crescimento, novas
alternativas ou, em alguns casos, sua sobrevivncia. Diversos so os fatores que
justificam um investimento; a pesquisa em uma nova tecnologia, investimentos em
manufatura, substituio de equipamentos, troca de fonte energtica, a possibilidade
de ganho de capital em aplicaes financeiras, etc. O capital um recurso escasso, por
isso seleo do investimento correto questo fundamental para os gestores.
A deciso de investir envolve um conjunto particularmente complexo de
questes e alternativas que devem ser solucionadas pela administrao (PACFICO,
2003). Durante a anlise do investimento deve-se considerar as possveis vantagens
competitivas que a empresa poder obter, tempo limite de espera do retorno do
investimento, perspectivas da empresa dentro do setor que est inserido e demais
fatores que interferem na sua deciso de investir (LIMA, 2007).
O processo decisrio de uma empresa complexo, sobretudo porque as
decises refletem muitas vezes caractersticas para longo prazo. As estimativas e
clculos devem refletir informaes disponveis de maneira ampla e concisa, a partir
da deve-se lanar uso de um mtodo para anlise do investimento em questo.

Os mtodos de anlise de investimentos so utilizados pelas
empresas para a seleo de projetos que visam aumentar a riqueza de
seus proprietrios ou acionistas (Rebelatto, 2004).
15
Dentre os mtodos utilizados para anlise de investimentos cita-se como
determinsticos o Valor Presente Lquido (VPL) e Taxa Interna de Retorno (TIR),
Taxa Interna de Retorno Modificada (MTIR) e o Payback Descontado, os quais sero
apresentados nos prximos itens.
Prosseguindo na discusso em questo, a anlise de investimentos em sua
essncia lida com expectativas, premissas de custos e receitas futuras. O que foi
definido como certo no projeto realmente se confirmar? A prpria experincia do ser
humano sugere dificuldade em lidar com esses assuntos futuros e incertos. Assim,
conhecese a incerteza, a qual no pode ser ignorada em grande parte das anlises de
investimentos. O item 2.2. fornece um panorama sobre o assunto e como pode ser
tratado.

2.1 MTODOS QUANTITATIVOS NA ANLISE DE INVESTIMENTOS

2.1.1 Valor Presente Lquido (VPL)

O Valor Presente Lquido (VPL) apresenta-se como um dos mtodos mais
utilizados pela engenharia econmica, sendo de grande valia para avaliar
investimentos. Seu intuito fornecer qual seria o ganho monetrio que se teria na
realizao de um investimento a uma determinada taxa de juros.
De acordo com Rebelatto (2004), o VPL de um projeto de investimento o
valor atual das entradas de caixa (retornos de capital esperados), incluindo o valor
residual (se houver) menos o valor atual das sadas de caixa (investimentos
realizados).
16
Por considerar explicitamente o valor do dinheiro no tempo, o valor presente
lquido considerado uma tcnica sofisticada para a anlise de investimentos. Este
tipo de tcnica de uma forma ou de outra, desconta os fluxos de caixa de uma empresa
a uma taxa especificada. Essa taxa, freqentemente chamada de taxa de desconto
1
(i),
custo de oportunidade de capital ou custo de capital (GITMAN, 2002).
A Figura 1 ilustra um fluxo de caixa qualquer. A funo do VPL consiste em
trazer as entradas e sadas de capital para a data zero do investimento.


Figura 1 O conceito de VPL

O clculo do VPL descrito pela seguinte funo:

0
1
) 1 (
FC
i
FC
VPL
n
j
j
j

+
=

=
(Eq. 2.1)


1
A taxa de desconto taxa de juros aplicadas sobre os valores futuros. Ao analisar seus investimentos
os gestores utilizam-se da chamada Taxa Mnima de Atratividade (TMA) a qual ser abordada no
prximo item deste captulo.
17
Em que:
0
FC : fluxo de caixa verificado no momento zero (momento inicial), podendo
ser um investimento, emprstimo ou financiamento;
j
FC : representa o valor de entrada (ou sada) de caixa previsto para cada
intervalo de tempo;
i : a taxa de desconto;
n : perodo de tempo.

No caso de uma nica alternativa de investimento:
Se o VPL > aceita-se o projeto;
Se o VPL < rejeita-se o projeto;
Se o VPL = 0, indiferente investir ou no nesse projeto.

Considerando duas ou mais alternativas de investimento utiliza-se a de maior
VPL positivo. A grande vantagem para o uso VPL do como indicador para avaliao
de investimentos sustenta-se na revelao do quanto o projeto enriquecer a empresa,
representado pelo prprio valor do VPL.

2.1.2 Taxa Mnima De Atratividade (TMA)

Como o dinheiro tem valor no tempo, alguns mtodos de anlise de
investimentos de projetos econmicos sugeridos pela engenharia econmica requerem
a necessidade de uma taxa de juros para equacionamento (REBELATTO, 2004).
18
A mesma autora diz ser necessria a definio prvia de uma taxa para servir
como parmetro de aceitao ou rejeio de um determinado projeto de investimento.
Essa taxa de aceitao recebe o nome de Taxa Mnima de Atratividade (TMA) e deve
ser a taxa mnima alcanada pelo investimento para que ele seja vivel
economicamente, isto , a taxa mnima de retorno de capital aceitvel para que um
projeto econmico seja implementado. Assim, deve-se considerar a TMA taxa de
desconto a ser utilizada no clculo do VPL.
Existem grandes controvrsias quanto a como calcular esta taxa. Alguns
autores afirmam que taxa de juros a ser usada pela engenharia econmica a taxa de
juros equivalente maior rentabilidade das aplicaes correntes e de pouco risco.
Uma proposta de investimento deve render, no mnimo, esta taxa de juros para ser
atrativa.
Outro enfoque dado TMA a de que deve ser o custo de capital investido na
proposta em questo, ou ainda, o custo de capital da empresa mais o risco envolvido
em cada alternativa de investimento. Naturalmente, haver disposio de investir se a
expectativa de ganhos, j deduzido o valor do investimento, for superior ao custo
mdio de capital (PAMPLONA e MONTEVECHI 2006).
O custo mdio de capital uma mdia ponderada do custo de capital prprio e
do custo de capital de terceiros e tambm costuma ser chamado de Custo Mdio
Ponderado de Capital ou Weighted Average Cost of Capital (WACC) (ROSS et al,
2000):

) 1 (
C B S
T i
B S
B
i
B S
S
WACC |

\
|
+
+ |

\
|
+
= (Eq. 2.2)

Em que:
19
s
i : custo de capital prprio;
B
i : custo de capital de terceiros;
C
T : alquota de imposto de renda da empresa;
S : montante da capital prprio;
B : montante capital de terceiros.

Observa-se que todas as fontes de capital da empresa so consideradas
levando em conta a proporo de que cada um constitui o investimento, Dessa forma
um investimento que tenha um retorno percentual superior ao WACC propicia a
empresa lucro econmico, pois permite ao gestor saldar suas obrigaes, sejam elas
de capital prprio ou de terceiros, e o excedente de capital adquirido aumenta a
riqueza da empresa.

2.1.3 Taxa Interna De Retorno (TIR)

A taxa interna de retorno de um projeto a taxa de desconto para a qual o
valor presente das receitas torna-se igual ao valor presente dos desembolsos. Isto
significa dizer que a TIR aquela que torna nulo o valor presente lquido do projeto.
Pode ainda ser entendida como a taxa de remunerao do capital. Um investimento
onde a TIR apresenta um valor superior ao da TMA vivel economicamente, pois
sua taxa de remunerao maior do que o mnimo exigido pela empresa.
A Figura 2 apresenta a relao ente TIR e VPL:


20

Figura 2 Ilustrao Grfica da TIR
Fonte: BARREIROS (2004).

Matematicamente a TIR obtida resolvendo-se a equao:

+
=
n
j
j
j
FC
i
FC
VPL
1
0
) 1 (
(Eq. 2.3)

+
=
n
j
j
j
FC
TIR
FC
1
0
) 1 (
0 (Eq. 2.4)

=
+
=
n
j
j
j
TIR
FC
FC
1
0
) 1 (
(Eq. 2.5)

A TIR pode ser usada pelo executivo para tomar decises entre diferentes
alternativas de investimentos. Para isso determina-se a TMA e a TIR de cada uma das
alternativas. A vencedora aquela que tiver maior TIR, desde que seja maior que a
TMA. Caso contrrio, nenhuma das alternativas vivel (BARREIROS, 2003)
21
Deve-se ressaltar que a comparao entre duas ou mais TIRs estritamente
percentual e deixa de lado valores monetrios. Por exemplo, dois investimentos de
prazo de um ano so colocados em questo; o investimento A requer um desembolso
inicial de R$10.000 e o retorno de R$12.000,00. J o desembolso em B de
R$20.000, e seu retorno de R$23.000,00. Nesta situao TIR
A
20% e TIR
B
15%,
porm o ganho de capital em A de R$2.000,00 e em B de R$3.000,00. Qual seria o
investimento escolhido?
Uma alternativa para esta situao a da utilizao do capital excedente do
investimento A em relao B, no caso R$10.000,00, e estimar sua aplicao em outro
investimento corrente (investimento C). A TIR
AC
seria resultado da composio de A
e de C; esta taxa seria comparada com a TIR
B.

Casarotto Filho e Kopittke (2000) consideram a Taxa Interna de Retorno (TIR)
como um mtodo determinstico para a anlise de investimentos equivalente ao VPL.
Apesar de apresentarem diferenciaes, vantagens e desvantagens, grande parte dos
investimentos a serem realizados podem ser avaliados pelas duas tcnicas.

2.1.4 TIR Modificada (MTIR)

A TIR, apesar da facilidade de entendimento como uma taxa, requer alguns
cuidados em sua interpretao que muitas vezes podem vir a serem desprezados.
Segundo Kassai (1996) quando um projeto representado por um fluxo de
caixa no tradicional em que h vrias inverses de sinais entre fluxo de caixas
positivos e negativos, esse mesmo projeto pode apresentar mais de uma TIR
(positivas ou negativas) ou at inexistir soluo.
22
Outro fator negativo que na confeco do clculo da TIR pressupe-se que
todos os fluxos de caixa, sejam eles recebimentos ou desembolsos, so financiados ao
longo do tempo. No entanto, normalmente a taxa de captao (custo financeiro)
maior do que a taxa de remunerao para aplicaes dos saldos de caixa
(BALARINE, 2004)
O mtodo da TIR Modificada (MTIR) leva em considerao essas diferentes
taxas, atravs da seguinte soluo:

1
) 1 /(
) 1 (
1
0
0

|
|
|
|
|

\
|
+
+
=

=
=

n
n
j
j
c j
n
j
j n
r j
i C
i R
MTIR (Eq. 2.6)

Em que:
r
i a taxa de atratividade (taxa de aplicao de recursos ociosos);
c
i taxa correspondente ao custo de capitao (custo financeiro);
j
R representa os fluxos de caixa positivos (recebimentos);
j
C representa os fluxos de caixa negativos (custos ou dispndios de capital);
n : perodo de tempo.

A utilizao de planilhas eletrnicas e calculadoras financeiras torna bastante
funcionais tcnicas como TIR, MTIR e VPL, pois propicia velocidade de execuo,
alm de dispor de ferramentas para anlises subseqentes.


23
2.1.5 Payback Descontado

O mtodo do Payback consiste em mostrar quanto tempo (n) um investimento
leva para ser ressarcido, porm a taxa de desconto ignorada. O conceito do Payback
Descontado atua justamente nessa falha, pois considera uma taxa de juros para
realizar o clculo do perodo gasto.
O Payback Descontado obtido pela funo abaixo:

=
+
+ =
n
j
j
j
i
FC
FC VPL
1
0
) 1 (
(Eq. 2.7)

Em que:
i a taxa de desconto;
j um ndice genrico que representa os perodos 1 = j a n ;
VPL o Valor Presente Lquido;
j
FC : representa o valor de entrada (ou sada) de caixa at o instante n ;
0
FC : fluxo de caixa verificado no momento zero (momento inicial).

Quando ocorrer VPL = 0, n o Payback Descontado, com n inteiro. Se ocorrer
VPL<0 em 1 j e VPL>0 em j , interpola-se para determinar um n fracionrio
(LIMA, 2007).
A grande informao que o Payback Descontado oferece qual o perodo
necessrio para que o investidor retome o dinheiro que fora investido, e a partir da,
comece a obter ganhos de capital.
24
O tempo sem dvida importante para anlise de investimentos, quanto maior o
horizonte de planejamento do projeto, maior a chance da avaliao ficar sujeita as
oscilaes, mudanas econmicas, alteraes no preo da energia ou outras alteraes
nas estimativas e premissas assumidas no incio do projeto.

2.2 O INVESTIMENTO E A INCERTEZA

Na tomada de deciso sobre um investimento so aceitas algumas previses,
que podem no se concretizar, ou se apresentarem de forma diferente, refletindo
diretamente no sucesso ou insucesso de um projeto. O conceito de incerteza reflete as
dvidas sobre o investimento corrente.
A intensidade da incerteza em um dado investimento aumenta
proporcionalmente varivel tempo (n), ou seja, quanto mais distante o fluxo de
caixa, maiores so as incertezas a seu respeito.


Figura 3 A Incerteza nos Fluxos de Caixa
Fonte: PAMPLONA E MONTEVECHI (2006)


25
A Figura 3 apresenta um fluxo de caixa esquemtico. Nos perodos prximos
da data zero, normalmente se tem boas estimativas do investimento necessrio para o
projeto, com algumas pequenas incertezas, as estimativas para esse cenrio prximo
refletem a realidade mais prxima da empresa e da economia. Entretanto variaes ao
longo do tempo ocorrem nos fatores que compem as receitas e despesas caixa. Os
valores a priori estimados como manuteno, mo-de-obra, matria prima, energia
eltrica, impostos, depreciao, financiamentos, etc. podem no se comportar da
maneira prevista. Na maioria das vezes, ao se analisar e construir os fluxos de caixa, a
considerao sobre os dados determinstica, sendo que na realidade isso pode gerar
falhas em algumas anlises. Existem variaes imprevisveis sobre os diversos
elementos que compem o fluxo de caixa, que precisam ser considerados para a
correta avaliao do projeto.
A incerteza, esporadicamente confundida com risco, pode ser definida
segundo Von Altrock (1995) como dvidas sobre eventos futuros que independem da
ao tomada no presente, podendo ser Estocstica ou Lxica. A Estocstica
est associada probabilidade de um evento ocorrer, enquanto a Lxica est
associada intensidade com que o evento ocorre. J o Risco definido segundo
Pamplona e Montevechi (2006), como um valor conhecido de disperso associado
distribuio de probabilidade com que o evento ocorre, o que est, logicamente,
associado incerteza Estocstica (SANCHES, 2003).
Em suma, num ambiente de incertezas, devem ser calculadas as possveis
conseqncias dessas incertezas, de forma que o projeto tenha uma possibilidade de
sucesso adequada, como objetivo de maximizar a riqueza da empresa. Quando as
incertezas so ignoradas numa anlise, esta pode ficar comprometida. A avaliao de
investimentos em um ambiente que no seja sujeito a incertezas bastante
26
conveniente, porm so poucos os fatores que podem ser tratados efetivamente como
certos. Na economia isso evidente, pois existem variveis que esto ligadas a
parmetros de grande incerteza como: mercado, inflao, guerras, eleies, etc.
Em um caso genrico de investimento em equipamentos, devem ser
consideradas as seguintes variveis: o Investimento Fixo, que representa o custo de
aquisio e instalaes do equipamento, o Capital de Giro, que o capital
necessrio para a compra de matria prima e implementos em geral, o Horizonte de
Planejamento, que a vida til esperada para o empreendimento, a Previso de
Vendas, o Custo Fixo, o Custo Varivel, a TMA representando a taxa de
desconto a ser utilizada nos clculos de VPL (custo de capital da empresa), as
Alquotas de Imposto de Renda, a Taxa de Depreciao (regulamentada pela
Receita Federal) e finalmente o Valor Residual do Equipamento (SANCHES,
2003).

2.3 A NATUREZA DAS INCERTEZAS

Como j mostrado esquematicamente na Figura 3, O futuro pode revelar
surpresas (PAMPLONA e MONTEVECHI, 2006). Quanto maior a vida do projeto,
maiores as chances de se ter problemas com estimativas feitas na poca da anlise
econmica do projeto. Vrios so os fatores que podem contribuir para a incerteza.
Alguns destes fatores esto sintetizados na Quadro 2.




27
Econmicos Financeiros Tcnicos Outros
Oferta
Subdimensionada
Insuficincia de
capital
Inadequabilidade do
processo utilizado
Fatores
Polticos
Oferta
Superdimensionada
Falta de capacidade
de pagamento
Inadequabilidade das
matrias-primas
Fatores
Institucionais
Dimensionamento
Incorreto

Inadequabilidade da
tecnologia empregada
Greve
Alterao de
produtos e
subprodutos
Inflao
Aumento dos
custos de matria-
prima

Investimentos
imprevistos


Quadro 2 Fatores que contribuem para Incerteza
Fonte: PAMPLONA e MOTEVECHI (2006)

Fatores como o aumento de investimento ou impostos podem afetar a todas as
empresas e so os chamados sistemticos. Outros fatores como o aumento de preo de
uma matria-prima especfica, atingem empresas em casos isolados e so os no
sistemticos.
Na realidade a distino de fatores sistemticos ou no sistemticos nunca to
exata. Mesmo eventos mais limitados e peculiares a um tipo de empresa tm repercusso
na economia (ROSS et al, 2002).
Cada projeto concebido e desenvolvido com base em um conjunto de
hipteses. Esta uma tcnica que explora as incertezas do projeto pela existncia de
algumas premissas que foram assumidas e podem no ser verdadeiras. Essas
28
premissas incertas podem, ainda, ser imprecisas, inconsistentes ou incompletas e
devero ser identificadas e descritas, conforme suas origens, para posteriormente
poderem ser avaliadas (SANHCES, 2003).
As incertezas possuem diferentes fontes e formas de tratamento e podem ser
ilustradas segundo no Quadro 3:

Fonte/Tipo Exemplo de Origem Tratamento Analtico
Fsica Conhecimento limitado Simulao de Monte Carlo
Estatstica Amostragem
Desvio padro, erro mdio,
limites de confiana
Epistmica
Simplificao de Modelos
Matemticos
Simulao de Monte Carlo,
Teorema de Bayes, rvore de
eventos
Deciso
Viso Humana Subjetiva de
um estado Oculto
Teorema de Bayes, rvore de
eventos
Predio Eventos futuros Incertos
Teorema de Bayes, rvore de
eventos
Reao Pblica
Falta de confiana ou
impossibilidade de
transferncia
Comunicao
Erro Humano
Ignorncia, negligncia, falta
de experincia e
treinamento
Teoria do erro grosseiro

Quadro 3 Fatores e Tratamentos para as Incertezas
Fonte: SANCHEZ(2003) apud KREUZER (2000)

29
Nesta viso, cada tipo de incerteza deveria receber um tratamento especfico,
porm este tipo de abordagem torna-se impraticvel, pois o nmero de possveis
fatores fontes de incerteza muito abrangente na avaliao de investimentos.
Dessa maneira, a escolha do tratamento que se adqe de forma abrangente ao
tipo de anlise um caminho a ser usado. Na anlise de investimentos a Simulao de
Monte Carlo destaca-se como um mtodo utilizado. A Lgica Fuzzy, devido a sua
flexibilidade, considera as incertezas de vrias fontes distintas, no sendo rgida a
forma como se chega a incerteza, propiciando uma anlise conjunta dos fatores
presentes.
















30
3 A SIMULAO DE MONTE CARLO NA ANLISE DE
INVESTIMENTO SOB CONDIES DE INCERTEZA

A Simulao uma ferramenta que permite a reproduo de um sistema real
atravs da criao de um modelo matemtico. Diversa sua utilizao na engenharia,
dada sobretudo, pela evoluo da informtica ao longo dos ltimos vinte anos, que
propiciou softwares de custo acessvel e fcil uso, seja pela melhoria de interface, ou
pelo grande ganho na capacidade para efetuar clculos.
Na engenharia mecnica, softwares atuais relacionados ao Desenho Auxiliado
por Computador (CAD Computer Aided Design), como SolidWorks e Cathia,
apresentam funes integradas
2
para simulao de, por exemplo, esforos em
estruturas metlicas, propiciando aos projetistas captar informaes representativas,
evitando possveis problemas na fase de execuo do projeto. Na engenharia de
produo, softwares como o Arena proporcionam observao virtual de sistemas de
manufatura, possibilitando as mais diversas alteraes, contribuindo para tomada de
deciso.
A evoluo computacional proporcionou tambm a disseminao de modelos
chamados estocsticos, que so baseados na gerao de nmeros aleatrios. A
Simulao de Monte Carlo utiliza a gerao destes nmeros aleatrios, os quais esto
associados a distribuies de probabilidade pr-definidas. Softwares amplamente
encontrados como Statistica ou Microsoft Excel oferecem este recurso de
aplicao vasta.

2
Este tipo de funo presente nesses softwares recebe a denominao de CAE Computer Aided
Engineering
www.numa.org.br/conhecimento
31
Na avaliao de investimentos a Simulao de Monte Carlo muito utilizada
como ferramenta para anlise de riscos e incertezas. Em um dado investimento ao
invs de se tratar uma varivel, como a demanda, assumindo um valor fixo, considera-
se que esta demanda pode assumir qualquer valor, obedecendo a uma distribuio de
probabilidade estipulada pelo analista, o que d uma conotao mais ampla do cenrio
analisado.
A primeira parte deste captulo apresenta o conceito de Simulao; enquanto a
segunda visa mostrar a Simulao utilizando o mtodo de Monte Carlo, focando sua
aplicao na criao de modelos probabilsticos para a anlise de investimentos em
condies de risco e incertezas.

3.1 O CONCEITO DE SIMULAO

A Simulao, de acordo do com Shamblin (1979), uma ferramenta muito
valiosa por permitir obter uma resposta a um problema particular, principalmente
quando se trata de um sistema complexo.
Uma Simulao a imitao da operao de um sistema ou de um processo do
mundo real. Feita a mo (estudando) ou em um computador, a simulao envolve a
gerao de uma histria artificial do sistema, e a partir desta histria artificial a
inferncia de como o sistema real funcionaria. O comportamento do sistema
estudado pela construo de um Modelo de Simulao (SANTOS, 1999). A Figura 4
exprime o conceito de simulao junto a um sistema.


32

Figura 4 Formas de Estudo de um Sistema
Fonte: GAVIRA (2003) apud LAW e KELTON (2000)

O uso da Simulao busca representar de maneira prxima um evento real. A
partir da uma srie de prvias consideraes podem ser feitas, sem que seja
necessrio a implementao ou alterao do sistema real. Por exemplo, que efeitos
poderiam ser observados em uma clula de manufatura caso um equipamento fosse
substitudo por um mais produtivo?

Segundo Pinto (2001) a simulao uma ferramenta verstil que
permite as companhias responder questes do tipo what if (o que
aconteceria se...) sobre mudanas em seus sistemas sem ser necessrio
efetuar mudanas na prtica.


33

Figura 5 Processo simples de modelagem
Fonte: GAVIRA (2003)


A Figura 5 apresenta uma noo dos princpios utilizados no processo de
modelagem. Imaginando um projeto de investimento com durao de 10 anos, onde
deseja-se utilizar o VPL para sua avaliao. Qual associao poderia ser feita entre a
figura e a anlise de investimento desse projeto? Neste caso, o Sistema engloba toda
a situao real do investimento a ser realizado. Desde o incio do investimento at o
seu final, todas as receitas e dispndios reais que ocorrerem no perodo iro contribuir
para o sucesso ou insucesso do investimento. evidente que no h como saber
realmente quais sero tais receitas e dispndios de capital ao longo do projeto, j que
se tratam de eventos futuros, ou seja, no h como saber o VPL exato deste
Sistema. Desta forma, a ato de simular este problema est associado a criao de
um Modelo matemtico, onde atravs do uso da Simulao os valores utilizados
para clculo do fluxo de caixa sofrem variaes, as quais representam alteraes que
iro ocorrer com os valores entrada e sada de capital ao decorrer do projeto.
34
Segundo Santos (1999) um modelo de simulao pode ser Determinstico ou
Estocstico. Modelos de simulao que no contm nenhuma varivel aleatria so
classificados como determinsticos, ou seja, para um conjunto conhecido de dados de
entrada teremos um nico conjunto de resultados de sada.
O mesmo autor define que modelos estocsticos de simulao aqueles tm
uma ou mais variveis aleatrias como entrada. Estas entradas aleatrias levam a
sadas aleatrias que podem somente ser consideradas como estimativas das
caractersticas verdadeiras de um modelo. Assim, por exemplo, a simulao
(estocstica) do funcionamento de uma agncia bancria envolve variveis aleatrias
como o intervalo entre chegadas e a durao dos servios prestados. Logo, medidas
como o nmero mdio de clientes esperando e o tempo mdio de espera de um
cliente, devem ser tratadas como estimativas estatsticas das medidas reais do sistema.

3.2 A CONSTRUO DE UM MODELO PROBABILSTICO E O USO DA
SIMULAO DE MONTE CARLO

3.2.1 Um Breve Histrico

O Mtodo de Monte Carlo uma ferramenta para modelagem de problemas
estocsticos. Leva este nome devido ao comportamento aleatrio das roletas, principal
atrao da cidade de Monte Carlo, capital do principado de Mnaco. Tal mtodo tem
como base a gerao de valores aleatrios para criar um cenrio de um problema
(PLLANA, 2007). Estes valores aleatrios so selecionados dentro de uma
35
determinada faixa de valores que seguem uma determinada distribuio de
probabilidades (CORREA NETO et al, 2002).
A apario do mtodo e seu desenvolvimento ocorreram por volta de 1944, na
poca da segunda guerra mundial no projeto Manhattan, relacionado a construo da
bomba atmica. O intuito do estudo na ocasio era obter solues aproximadas para
problemas referentes difuso randmica de nutrons no material nuclear atravs de
simulaes (PLLANA, 2007). O nome Monte Carlo foi dado por um dos seus
criadores o matemtico austraco Stanislaw Uslam (CORREA NETO et al, 2002).
Segundo Brealey e Myers (1998) a aplicao da Simulao de Monte Carlo na
anlise de investimentos est associada a David Hertz
3
e a McKinsey and Company,
consultores associados. Sua aplicao consistia em simular a taxa de retorno dos
investimentos.

3.2.2 As rvores de Deciso

Diagramas de deciso ou rvores de deciso so representaes grficas das
relaes e seus possveis resultados. Seu conceito, embora simples, tem ampla relao
com o uso da Simulao de Monte Carlo.
As rvores de deciso tem uma conveno simples, onde as decises e
incertezas do projeto so representadas por ns na rvore, com os galhos
representando as alternativas escolhidas ou o resultado da resoluo da incerteza
(BRANDO, 2007).

3
D. B. HERTZ, Investment Policies that Pay Off. Harvard Business Review, 46:96-108.
janeiro/fevereiro 1968.
36
Um exemplo explica o conceito: suponha que um uma empresa esteja
analisando um projeto que apresenta 70% de chances de sucesso, e consequentemente
30% de probabilidade de fracasso. Se o investimento resultar em sucesso, o retorno
ser um VPL de $10.000,00, caso seja um fracasso acarretar um prejuzo de
$12.000,00.
A Figura 6 ilustra o exemplo utilizando uma rvore de deciso. No incio do
projeto pode-se tomar a deciso de se investir ou no, representada pelo . Caso o
investimento seja realizado encontra-se uma bifurcao na rvore, representada na
incerteza, simbolizada por . A partir da as duas situaes possveis so ilustradas;
a de sucesso e a de insucesso.


Figura 6 Uso da rvore de Deciso
Fonte: Adaptado de BRANDO (2007)

A resoluo da rvore de deciso se d do final para o incio. As incertezas
envolvidas so resolvidas utilizando-se os valores esperados do VPL de cada uma.
37
No se sabe qual ser o resultado do projeto, mas pode-se calcular o valor equivalente
atravs da mdia ponderada entre os VPLs de sucesso e insucesso:
) (
1
i
k
i
i
p VPL VPL =

=
(Eq. 3.1)
) 3 , 0 ( 00 , 000 . 12 $ ) 7 , 0 ( 00 , 000 . 10 $ = VPL (Eq. 3.2)
00 , 400 . 3 $ = VPL (Eq. 3.3)
Em que:
i
VPL : Valor presente lquido para a situao i;
i
p : Probabilidade de ocorrncia de i;
k : Situaes totais.

O exemplo meramente ilustrativo, porm este conceito pode ser utilizado
aumentando o nmero de alternativas e incertezas ao longo do projeto. A Figura 7
apresenta um investimento hipottico, onde dois projetos so analisados.


Figura 7 rvore de Deciso para Comparao de Investimentos
Fonte: Adaptado de BRANDO (2007)
38
Segundo Brando (2007) as rvores de deciso tm a vantagem de
representarem graficamente as interaes de maneira simples e intuitiva. Elas devem
ser mantidas simples, pois se desdobram facilmente, se tornando complexas e de
difcil manejo. Diversas ferramentas computacionais foram desenvolvidas nos ltimos
anos com o intuito de facilitar e automatizar a construo das rvores de deciso,
facilitando seu manejo e permitindo a construo de rvores complexas.

3.2.3 O Conceito da Simulao de Monte Carlo aplicado ao VPL

A anlise de cenrio, utilizando a rvore de deciso, permite na prtica, apenas
um nmero limitado de alternativas. A simulao de Monte Carlo uma ferramenta
que possibilita considerar uma quantidade muito grande de alternativas possveis,
fornecendo uma distribuio estatstica do VPL do projeto (BRANDO, 2007),
contribuindo para reduo do vis do analista, muito presente no uso de rvores de
deciso.
O mtodo gera continuamente e aleatoriamente nmeros, que esto ligados nas
entradas e/ou sadas de caixa, usadas no clculo do VPL. Tais alteraes no fluxo de
caixa funcionam como cenrios aleatrios. Os nmeros gerados aleatoriamente
obedecem a distribuies de probabilidade pr-definidas pelo analista, baseando-se
em dados obtidos da anlise de eventos passados ou usando projees para o futuro.
A definio das distribuies de probabilidades feita sobre fatores que
compe o clculo do VPL, como demanda e custo fixo; sendo assim o ato de gerar
aleatoriamente esses fatores faz com que o VPL assuma diversos valores.

39


Figura 8 Uma comparao entre o uso da rvore Deciso e a Simulao de Monte Carlo

Segundo Torres (2006) a simulao de Monte Carlo executa o
projeto muitas vezes, criando cenrios aleatrios que permitem uma
distribuio estatstica das variveis, permitindo uso de ferramentas da
estatstica descritiva, como mdia, desvio-padro e probabilidade
acumulada.
Densidade de
Probabilidade
40
A Figura 8 ilustra o clculo do VPL do exemplo do item 3.2.2. O uso da
rvore de cenrios leva em conta um nmero reduzido de hipteses, fornecendo uma
informao direta, porm ela mostra pouco sobre qual a probabilidade de haver
insucesso. O uso da Simulao de Monte Carlo permite que um grande nmero de
alternativas sejam inclusas no clculo do VPL, fornecendo uma informao de cunho
estatstico, propiciando anlises dos tipos: qual a probabilidade de haver sucesso no
investimento? Qual a probabilidade do retorno superar $7.000,00? Qual projeto
apresenta mais risco (no caso de comparao entre projetos)?
A definio de Risco foi apresentada no captulo 2 e est relacionada com a
disperso dos valores obtidos pela simulao. O desvio-padro usado como
ferramenta para obteno do risco, quanto maior o desvio-padro, maior a
variabilidade dos dados, conseqentemente maior o risco do projeto.

O indicador estatstico mais comum para o risco de um ativo o
desvio-padro, o qual mede a disperso em torno de um valor esperado. O
valor esperado de um retorno o retorno mais provvel de um ativo
(Gitman, 2004, p.207).

A funo do desvio-padro
4
(s) expressa por:

( )
|
|
|
|
|

\
|

=

=
N
x
N
j
j
1
2

(Eq. 3.4)


4
A funo representa o desvio-padro (raiz quadrada da varincia) para distribuies normais de
probabilidades, porm outros tipos de distribuies geradas pela simulao podem ser transformadas
em normais, assim pode-se fazer uso da funo apresentada.
41
Em que:
N relacionado a quantidade de nmeros aleatrios gerados;
valor esperado do VPL (obtido pela mdia dos retornos de cada situao
simulada i);

j
x o retorno apresentado pelo VPL para cada situao simulada j;

A partir do momento em que analisada uma distribuio estatstica pode-se
fazer consideraes de quo provveis so determinados valores; assim possvel
efetuar o clculo de qual a probabilidade do VPL ter um valor maior que 0, o que
torna vivel um investimento. Para este clculo usa-se o conceito de probabilidade
cumulativa, tambm conhecido como probabilidade acumulada.
O clculo da probabilidade cumulativa do VPL apresentado pela funo:

= >
X
x
du u f x X P ) ( 1 ) ( (Eq. 3.5)
para < < x

Em que:
) ( x X P > a probabilidade cumulativa do valor do VPL desejado;
x o valor mnimo que o VPL desejado pode assumir;
) (u f funo densidade de probabilidade do VPL (representada pela curva de
probabilidades geradas pelo VPL simulado).

De maneira geral, os softwares que permitem o uso da Simulao de Monte
Carlo apresentam grande quantidade de ferramentas da estatstica descritiva, o que faz
42
com que o gestor no tenha que se preocupar com os clculos, porm a interpretao
correta dos indicadores fundamental.
Ao decorrer do captulo sero mostrados alguns elementos ainda no bem
definidos sobre a Simulao de Monte Carlo; como a gerao de nmeros aleatrios e
a possibilidade de criar variaes em variveis independentes (demanda, preo,
custos, etc.) de maneira a gerar um VPL simulado (varivel dependente).

3.2.4 Elementos da Simulao de Monte Carlo

Variveis Dependentes e Independentes

O ponto de partida para a construo da simulao a definio de qual
mtodo matemtico estar envolvido no clculo. Todos os mtodos citados no
captulo 2 (VPL, TIR, MTIR e Payback Descontado) so passveis de simulao,
sendo chamados de Variveis Dependentes do modelo, j que seu clculo depende
do fluxo de caixa do composto pela interao matemtica de valores constituintes do
projeto, como receita bruta, TMA, preo de venda de determinado produto, custo de
mo-de-obra direta, etc.; considerados Varveis Independentes.
A Simulao de Monte Carlo ocorre variando continuamente as variveis
independentes. Dessa forma a cada novo valor dessas variveis, uma varivel
dependente nova calculada (neste trabalho o VPL), representando um cenrio
diferente.
Para execuo da simulao o analista define a quantidade de nmeros
aleatrios que sero gerados. A cada nova gerao de nmeros aleatrios durante a
43
simulao, as variveis independentes assumem um novo valor. Desta forma,
quantidade de nmeros aleatrios est relacionada a quantidade de cenrios aleatrios.

Nmeros Aleatrios

Para gerao de tais nmeros diversas tcnicas foram utilizadas ao longo da
histria. A priori mtodos manuais eram utilizados para sua gerao, como o sorteio
de valores atravs do uso de urnas. Depois foram desenvolvidas as tabelas de nmeros
aleatrios, que apresentam uma srie muito grande de nmeros, cumprindo a condio
de igualdade de probabilidade de ocorrncia de cada nmero. Mquinas mecnicas e
eltricas analgicas tambm foram desenvolvidas com o intuito de reproduzir eventos
aleatrios para gerao dos nmeros (NOVA, 1980).
O mesmo autor cita que com a evoluo da eletrnica teve-se o surgimento
dos chamados mtodos eletrnicos. Existem muitas mquinas eletrnicas para gerao
de nmeros aleatrios, um exemplo interessante a ERNIE, que seleciona os prmios
da loteria da Gr-Bretanha. Nessas mquinas os nmeros so gerados com base no
rudo produzido por uma fonte (material radioativo, lmpadas de non, diodos
termoinnicos). Os rudos apresentados por essas fontes, no apresentam padres
harmnicos, o que d carter aleatrio.
Na informtica, os nmeros aleatrios so obtidos atravs de geradores de
nmeros aleatrios, que tem o propsito de atravs do clculo numrico, produzir uma
seqncia de nmeros gerados aleatoriamente dentro de uma distribuio de
probabilidade especfica. Usualmente, um gerador bsico de nmeros aleatrios
produz nmeros que imitam variveis aleatrias independentes da distribuio
uniforme sobre o intervalo [0;1]. As variveis aleatrias de outras distribuies
44
(normal, qui-quadrado, exponencial, poisson, etc.) so simuladas empregando-se
transformaes apropriadas aos nmeros aleatrios uniformes gerados (VIEIRA et al,
2004).
Na literatura os nmeros aleatrios gerados por computador tambm so
conhecidos como nmero pseudo-aleatrios, j que ainda no se consegue gerar por
esse advento seqncias totalmente aleatrias, pois aps certos nmeros gerados
percebe-se padres de repetio. Muitas empresas de software tm investido nesse
recurso, o software Sas
5
, por exemplo, pode gerar rapidamente milhes de nmeros
com correlao relativamente baixa a algum tipo de padro matemtico de repetio.
Segundo Torres (2006), a grande maioria dos algoritmos dos softwares utiliza
o mtodo da congruncia linear do clculo numrico, representado pela funo
abaixo:

m c dx x
n n
mod ) (
1
+ =
+
(Eq. 3.5)

Em que:
0
x chamado de semente (seed), que pode ser definida pelo usurio do
software;
d a constante multiplicadora;
c a constante incremento;
m a constante mdulo.

Rosa e Pedro Jnior (2002) salientam que tais constantes devem ser
convenientemente escolhidas, pois estes valores afetam drasticamente o comprimento

5
www.sas.com/offices/latinamerica/brazil/technologies/ai/forecasting.html
45
do perodo da seqncia de nmeros aleatrios. Existem softwares que permitem ao
usurio alterar ou fixar o valor da semente.
A planilha Excel apresenta a funo ALEATORIO( ), que permite gerar
valores entre 0 e 1. O Minitab permite gerao de nmeros aleatrios usando o
comando CALC \ RANDOM DATA; esse recurso permite ao usurio definir quantos
nmeros deseja gerar e qual a distribuio de probabilidade que tais nmeros iro
assumir.

Distribuies de Probabilidade

Na Simulao de Monte Carlo as distribuies de probabilidade tm a funo
de delinear as varveis independentes, ou seja, so elas que definem quais so as
fronteiras que os nmeros aleatrios gerados iro pertencer; evitando o aparecimento
de valores fora da realidade do investimento.

Uma distribuio de probabilidades d a probabilidade de cada
valor de uma varivel aleatria (Triola, 1999, p.94).

O intuito de se atribuir uma distribuio a determinada varivel independente
reproduzir o comportamento das variveis durante todo o perodo do projeto de
investimento. Dessa forma, na construo de um modelo onde h uso do mtodo de
Monte Carlo faz-se necessrio conhecer; no somente o valor mais provvel de uma
varivel, mas todos os valores em questo, ou pelo menos uma estimativa de como
eles se comportam. Assim lana-se uso das distribuies que visam reproduzir o
comportamento da varivel independente.
46
Segundo Silva (2004) uma forma comum de estabelecer a distribuio de
probabilidades para uma dada varivel atravs da consulta de dados histricos ou
estimativas. Quando se utiliza dados histricos, vale o pressuposto de que estes dados
podero descrever adequadamente o futuro, se isto no for correto, o recomendvel
que se trabalhe com estimativas.
Devido relevncia do uso das distribuies para a aplicao da simulao de
Monte Carlo, o item 3.2.5 trata sobre alguns tipos importantes de distribuies para a
aplicao do mtodo.

3.2.5 Alguns tipos importantes de distribuio de probabilidade

Distribuio de Probabilidade Uniforme

Neste tipo de distribuio considera-se que todos os eventos que podem
ocorrer so equiprovveis. Essa distribuio remete ao velho exemplo do uso de
dados; a probabilidade de se obter um nmero entre seis a mesma para qualquer
evento do espao amostral. Apesar do exemplo em um caso discreto, usualmente so
usadas distribuies contnuas para uma simulao.

Uma varivel aleatria discreta admite um nmero finito de valores
ou tem uma quantidade enumervel de valores. Uma varivel aleatria
contnua pode tomar um nmero infinito de valores, e esses valores
podem ser associados a mensuraes em uma escala contnua, de tal
forma que no haja lacunas ou interrupes (Triola, 1999).

47
A Figura 9 apresenta a funo densidade de probabilidade de uma distribuio
de probabilidade uniforme contnua:


Figura 9 Funo densidade de probabilidade uniforme contnua
Fonte: MONTGOMERY e RUNGER (2003)

A varivel aleatria contnua X tem distribuio uniforme contnua com
parmetros reais a e b ; sua funo densidade de probabilidade denotada por:

b x a a b x f = ), /( 1 ) ( (Eq. 3.5)
Em que:
a o limite inferior da distribuio;
b o limite superior da distribuio.

O valor mdio em uma distribuio uniforme contnua denotado por:


b
a
b
a
a b
x
dx
a b
x
X E

2
5 , 0
) ( (Eq. 3.6)

48
2 / ) ( ) ( b a X E + = (Eq. 3.7)

A varincia denotada por:

b
a
b
a
a b
b a
x
dx
a b
b a
x
) ( 3
2 2
3
2
2

\
| +

|
|

\
|
|

\
| +

(Eq. 3.8)
12 / ) (
2 2
a b = (Eq. 3.9)

Segundo Kalatizs (2006) essa distribuio usada quando se tem informao
sobre os limites de variao da varivel em estudo. O fato que nesta distribuio o
responsvel pela construo do modelo probabilstico para simulao define somente
os limites a e b .
.
Distribuio de Probabilidade Normal

Indubitavelmente, o modelo mais largamente usado para a distribuio de uma
varivel aleatria a distribuio normal (MONTGMOREY e RUNGER et al,
2003). Seu formato definido por uma funo gaussiana; simtrico em relao a
mdia ( ), onde o desvio-padro ( ) maneira usual de representear sua disperso.
A Figura 10 ilustra uma particular curva normal, determinada por valores de
e :

49

Figura 10 Funo densidade de probabilidade da distribuio normal.
Fonte: KALATIZS (2006)

A funo densidade de probabilidade denotada por:

2
2
2
) (
2
1
) (


=
x
e x f para < < x (Eq. 3.10)

A mdia pode ser obtida atravs da mdia aritmtica de todos os valores que
compe o estudo. J o desvio-padro foi apresentado pela equao 3.4.
Kalatizs (2006) cita que a distribuio normal deve ser utilizada quando no se
tem informao sobre os limites de variao da varivel em estudo ou, no se quer
fixar os limites para a varivel em estudo.

Distribuio de Probabilidade de Weibull

A distribuio de Weibull pode apresentar formatos variados, apresentando
grande flexibilidade para modelar diferentes tipos de sistemas fsicos. Tal
50
flexibilidade da distribuio de Weibull ilustrada pelos grficos das funes
densidade de probabilidade selecionadas na Figura 11:


Figura 11 Funo densidade de probabilidade de Weibull para valores
selecionados de e .
Fonte: MONTGOMERY e RUNGER (2003)

A funo densidade de probabilidade dessa funo descrita por:

( )
) (x/ -
1

e
x
x f

\
|
= , para x >0, >0 e >0. (Eq. 3.10)

Em que:
o parmetro de escala;
o parmetro que d forma a distribuio.

A mdia e a varincia so descritas pelas funes abaixo:

51
|
|

\
|
+ =


1
1 (Eq. 3.10)
2
2 2 2
1
1
2
1
(

|
|

\
|
+
|
|

\
|
+ =

(Eq. 3.11)
)! 1 ( ) ( = r r (Eq. 3.12)

Este tipo de distribuio deve ser usado quando se tem idia da assimetria da
varivel independente, de forma que possa ser estipulado seu limite inferior e a
curvatura da distribuio de probabilidades.

3.2.6 Consideraes Importantes

Depois de apresentada a conceituao sobre a Simulao de Monte Carlo, faz-
se necessrio apresentar de maneira lgica e seqencial a construo do modelo
probabilstico e o uso da simulao. O fluxograma apresentado na Figura 12 exprime
os conceitos:




52

Figura 12 A estrutura da Simulao de Monte Carlo.
Fonte: adaptado de CASAROTTO FILHO e KOPITTKE. (2000)

Aps construdo o modelo probabilstico, a cada nova situao i as variveis
independentes (venda, custo fixo, custo unitrio e valor residual) assumem um valor
diferente, desta forma a cada situao tem-se um novo VPL. O conjunto de VPLs
calculados formar a distribuio de probabilidade para a tomada de deciso.
Outra considerao que deve ser feita sobre a relao do mtodo com os
tipos de incerteza vistos no captulo 2. A Simulao de Monte Carlo fundamentada
para efetuar anlises de Risco, onde o cenrio do projeto permite a formulao de
distribuies estatstica para uso nas variveis dependentes. Em um investimento em
53
um ttulo pblico, por exemplo, informaes histricas do valor deste ttulo podem ser
relevantes e suficientes para o investidor, o que faz com que as distribuies de
probabilidade sejam facilmente obtidas e reflitam a confiana do investidor nos dados.
O mesmo pode ocorrer com algumas expanses de manufatura de uma indstria, na
formulao de uma carteira com muitos ativos, etc.
Nas situaes de anlise de Incerteza as informaes sobre os cenrios
financeiros e econmicos so vagas e pouco mensurveis, ou seja, no se conhece a
distribuio estatstica dos componentes do fluxo de caixa e usa-se como alternativa
trabalhar com opinies e sugestes de especialistas que tem a funo de decidir as
condies do projeto do ponto de vista econmico. Infelizmente, esta situao mais
freqente e tambm a qual os especialistas esto menos preparados para enfrentar.
Como responder as seguintes perguntas: qual ser a inflao daqui trs anos? Qual o
valor do kW/h se as companhias de distribuio forem privatizadas? Qual o valor do
petrleo daqui cinco anos? (PAMPLONA e MONTEVECHI, 2005).
Segundo Casarotto Filho e Kopittke (2000) quando se dispe de alguma
informao possvel considerar a incerteza como risco, propiciando o uso da
Simulao de Monte Carlo. Intuitivamente, pode-se criar distribuies de
probabilidade para representar situaes de incerteza, porm o mesmo autor salienta o
cuidado que deve ser dado na definio de parmetros de distribuio de cada
varivel, sob pena de obter resultados totalmente inteis.
O conceito do mtodo de Monte Carlo trata a incerteza como estritamente
Estocstica, onde os limites das incertezas presentes na anlise so bastante visveis
e bem definidos pelas distribuies de probabilidade. No captulo 4, avalia-se a
incerteza em seu carter Lxico, assim lana-se uso da teoria de conjuntos fuzzy e
sua utilizao em sistemas que apresentam incerteza e subjetividade.
54
O Apndice A apresenta a construo uma breve conceituao de como
Microsoft Excel em conjunto com software Crystal Ball pode ser utilizado para
executar uma Simulao de Monte Carlo.






















55
4 O USO DE NMEROS FUZZY NA ANLISE DE
INVESTIMENTOS SOB CONDIES DE INCERTEZA

Os Sistemas Inteligentes so ferramentas computacionais aplicveis em
diversas reas do conhecimento. Suas principais estruturas so baseadas em novos
conceitos matemticos, que permitem a trabalhar na resoluo de problemas onde a
programao ou formulao tradicional muito difcil ou at mesmo impraticvel.
Tais sistemas so utilizados desde automao de sistemas de manufatura, previses
temporais e na tomada de deciso, entre outras inmeras aplicaes.
Grande parte destes Sistemas Inteligentes bastante conhecida e utilizada em
aplicaes na chamada Inteligncia Artificial, definida por Shaw e Simes (1999)
como a rea do conhecimento que estuda como as pessoas resolvem problemas e
como as mquinas podem emular esse comportamento humano de soluo de
problemas, em outras palavras, como fazer com que as mquinas sejam mais
atribudas de caractersticas da inteligncia humana.
A concepo lgica dos diversos tipos de Sistemas Inteligentes bastante
variada; as Redes Neurais Artificiais, por exemplo, so tcnicas computacionais que
apresentam um modelo matemtico inspirado na estrutura neural de organismos
inteligentes que adquirem conhecimento com a experincia. Porm enquanto uma
rede neural artificial pode ter centenas ou milhares de unidades de processamento, o
crebro de um mamfero pode ter muitos bilhes de neurnios (SANCHES, 2003).
Os Algoritmos Genticos so uma famlia de modelos computacionais
inspirados na evoluo, que incorporam uma soluo potencial para um problema
especfico numa estrutura semelhante a de um cromossomo e aplicam operadores de
seleo e "cross-over" a essas estruturas de forma a preservar informaes crticas
56
relativas soluo do problema. Normalmente os algoritmos genticos so vistos
como otimizadores de funes, embora a quantidade de problemas para o qual os
algoritmos genticos se aplicam seja bastante abrangente (ARAJO, 2008).
A Lgica Fuzzy, tambm conhecida como difusa ou nebulosa, tem o intuito
de emular o pensamento humano, baseando-se na forma incerta e imprecisa com que
os seres humanos raciocinam (SHAW e SIMES, 1999). Sua aplicao crescente na
engenharia, sendo comuns estudos e aplicaes em conjunto com as redes neurais
artificiais, culminando nos Sistemas Neuro-Fuzzy.
Segundo Oliveira Jnior (1999) o aspecto mais notvel dos mtodos baseados
na Lgica Fuzzy a possibilidade de capturar em um modelo matemtico, conceitos
intuitivos como grau de satisfao, conforto e adequao.
O mesmo autor cita um exemplo para ilustrar a idia. Supe-se que em uma
determinada cidade a temperatura varia anualmente entre 15 e 42C. Ao questionar-se
um grupo de habitantes sobre sua sensao trmica, escolhida entre diferentes
alternativas {Fria, Neutra, Quente}, provavelmente haveria consenso que a 15C a
sensao trmica Fria, a 42C seria Quente e a 25C tal sensao poderia ser
considerada Neutra.
Mas em que temperaturas a sensao Fria se torna Neutra e esta se transforma
em Quente?
Dificilmente haver coincidncia de opinies na resposta a essa pergunta,
tendo em vista que os conceitos envolvidos so subjetivos e apresentam reas
sombrias, onde no se consegue escolher entre duas alternativas mutuamente
exclusivas simplesmente porque ambas podem estar parcialmente presentes.
Atravs da Lgica Fuzzy o problema poderia ser interpretado de maneira em
que as temperaturas no apresentem fronteiras rgidas entre os limites de Fria, Neutra
57
e Quente. Isto seria possvel representado, por exemplo, a concepo de Frio como
um nmero ou conjunto Fuzzy, que conteria uma faixa de valores possveis para as
temperaturas consideradas frias. Tal conceito expresso ao longo deste captulo.

4.1 A LGICA FUZZY

O surgimento da Lgica Fuzzy est associado ao professor Loft A. Zadeh, da
Universidade de Berkley na Califrnia, que em 1965 publicou o artigo Fuzzy Sets. Na
poca Zadeh havia observado que os recursos tecnolgicos disponveis eram
incapazes de automatizar problemas de natureza industrial que compreendessem
situaes ambguas, no passveis de processamento atravs da lgica computacional
fundamentada na lgica booleana.
Na lgica booleana ou binria, um elemento x pertence ou no pertence a um
determinado conjunto A. Apenas duas hipteses lgicas sobre a pertinncia de x ao
conjunto Aso possveis, sendo representadas em um conjunto binrio {0,1}.

1 ) ( = x
A
se e somente se A x ; (Eq.4.1)
0 ) ( = x
A
se somente se A x ; (Eq.4.2)

Em que:
) (x
A
a funo de incluso do elemento ao conjunto.

A Figura 13 exprime o conceito:

58

Figura 13 Lgica booleana
Fonte: adaptado de SANCHEZ(2003)

A lgica booleana na verdade a estruturao da lgica clssica proposta por
Aristteles, baseada no princpio da bivalncia, o qual permeia o pensamento
ocidental. Espera-se sempre que uma afirmao seja verdadeira ou falsa, branco ou
preto, um ou zero. Nada est entre ambas e o meio est excludo.

H um considervel descompasso entre o mundo real e a viso
bivalente do mesmo, a comear pelo fato de que o mundo real contm um
nmero infinito de graus de cinza entre as cores pretas e brancas. Verdade
e preciso existem apenas em casos extremos. Desta forma a Lgica
Fuzzy tem o objetivo de capturar os tons de cinza ou graus de verdade
(Shaw e Simes, 1999).

Na lgica proposta por Zadeh (1965), existe a possibilidade dos termos
pertencerem parcialmente ao conjunto A, ou seja, um termo qualquer x pode ter uma
59
Funo Pertinncia ou Membership que assuma qualquer valor no intervalo [0,1].
Segundo Shaw e Simes (1999) este princpio chamado de multivalncia.


Figura 14 Lgica Fuzzy
Fonte: adaptado de SANCHEZ(2003).

Um conjunto Fuzzy A caracterizado por um membership ) (x
que associa cada ponto em x a um nmero real no intervalo [0,1], onde
cada valor da funo ) (x representa o grau de pertinncia de x em A
(Zadeh, 1965 p.339).

Pela Figura 14 possvel observar que na Lgica Fuzzy pode existir um
elemento c que pertence parcialmente ao conjunto A (0 grau de pertinncia 1).
O grau de pertinncia de um elemento a um conjunto Fuzzy expressa o grau
de compatibilidade do elemento com o conceito representado (NICOLETTI e
CAMARGO, 2004).
60
Inicialmente a funo pertinncia associada a um elemento x qualquer pode
apresentar semelhana com o conceito de uma funo de probabilidade, porm
existem diferenas essenciais entre esses dois conceitos que ficam mais claras ao
apresentar-se a seqncia de regras de combinao entre funes pertinncia e suas
propriedades bsicas. Na verdade, a noo de um conjunto Fuzzy de natureza no
estatstica (ZADEH, 1965).

4.2. NMEROS E CONJUNTOS FUZZY
4.2.1 Introduo

Embora na matemtica clssica exista uma distino entre a noo de
elemento e a de um conjunto, na Lgica Fuzzy esta noo se aproxima bastante, isso
porque um nmero Fuzzy representa uma faixa de nmeros possveis e no um valor
absoluto.
Segundo Sanches (2003) os nmeros Fuzzy so subconjuntos dentro dos
nmeros reais, representando valores incertos. Todos os nmeros Fuzzy esto
relacionados ao grau de pertinncia que expressam o quanto verdadeira uma
informao.
Por exemplo, numericamente o nmero Zero poderia ser representado em
um eixo cartesiano simplesmente por um ponto nico (Figura 15).


61

Figura 15 Nmero Real 0
Fonte: SHAW e SIMES (1999)

O nmero Fuzzy mostrado na Figura 16 expressa o conceito de Quase Zero.
Neste conceito observa-se que existe uma rea coberta no eixo horizontal. O conceito
matemtico de Zero tem uma abstrao matemtica de rea nula, enquanto o
conjunto Quase Zero desfruta de uma faixa de valores no eixo horizontal,
denominada Universo de Discurso (U).



Figura 16 O conceito de Quase zero
Fonte: Adaptado de SHAW e SIMES (1999)

Observa-se que o para todos os valores compreendidos no nmero Fuzzy
Quase Zero existe uma relao com a funo pertinncia. Onde 0 tem pertinncia
mxima 1.
Os termos nmeros Fuzzy e conjuntos Fuzzy podem nesse caso
representar a mesma coisa, h no entanto definies matemticas mais
rigorosas que apresentam diferenciao entre os termos (Shaw e Simes,
1999).
62
A Figura 17 apresenta outro conceito; o de Prximo de Zero. Neste caso a
rea de valores compreendidos maior do que Quase Zero, o que permite dizer que
este novo nmero mais Fuzzy do que o nmero que representa Quase Zero.


Figura 17 Prximo de Zero
Fonte: Adaptado de SHAW e SIMES (1999)

A representao de uma grandeza ou evento por um nmero Fuzzy permite que
atravs da matemtica, conceitos que poderiam ser considerados qualitativos sejam
representados de maneira quantitativa.

4.2.2 O Conceito de Possibilidade

A teoria dos conjuntos Fuzzy baseada no fato de que os conjuntos existentes
no mundo real no possuem limites precisos. Um conjunto Fuzzy um agrupamento
impreciso e indefinido, onde a transio da no-pertinncia para a pertinncia
gradual e no abrupta. A caracterstica Fuzzy implica em existncia de impreciso,
incerteza e definies qualitativas. A teoria dos conjuntos Fuzzy prov um mtodo
para manipulao dos conjuntos, onde os limites so imprecisos ao invs de restritos.
A incerteza de um elemento, isso , seus graus fracionrio de pertinncia pode ser
concebida por uma medida de possibilidade, ou seja, a possibilidade de que um
elemento seja membro de um conjunto. O conceito de possibilidade no o mesmo de
63
probabilidade que se refere a chance de que um elemento seja membro de um
conjunto (SHAW e SIMES, 1999).
Os mesmos autores apresentam um exemplo que ajuda a compreender o
conceito. Em um relatrio de metrologia a chance de chuva de 0,8. Essa uma
expresso probabilstica, pois o que est sendo levado em conta se haver chuva ou
no. No conceito de possibilidade a representao do evento chuva poderia ser obtida
atravs da construo de uma escala de possibilidades, como na Quadro 4:

Grau de Pertinncia Intensidade da Chuva
1,0 Tempestade (T)
0,8 Chuva Forte (CF)
0,6 Chuvas Intermitentes (CI)
0,4 Garoa (G)
0,2 Garoa Fina (GF)
Quadro 4 Uma representao Fuzzy para chuva

Neste caso uma possibilidade de chuva 0,8 indica que a chuva ser forte, o que
difere conceitualmente de dizer que amanh existe uma probabilidade 80% de que
haja chuva.
Atravs de um conjunto Fuzzy em forma de trapzio pode-se representar a
intensidade de chuva expressa pela quadro anterior:

64

Figura 18 A Intensidade da Chuva

Na Figura 18 o segmento em verde que representa a funo ) (x tambm
chamado de distribuio de possibilidades (FEITOSA e PAULOVICH, 2005).

4.2.3 Os Nmeros Fuzzy

At o presente momento nenhuma diferenciao entre um nmero Fuzzy e um
conjunto Fuzzy foi apresentada, porm faz-se necessrio explorar esses conceitos para
que a matemtica utilizada no trabalho fique mais clara.
Segundo Chiu e Park (1994) um nmero Fuzzy um subconjunto Fuzzy
caracterizado por uma funo pertinncia que satisfaz as seguintes condies:

Normalidade: 1 ) ( = x
A
, pelo menos em um ponto U x :

As Figuras 19 e 20 mostram o conceito:

65

Figura 19 Funo de pertinncia no normalizada.
Fonte: Adaptado de OLIVEIRA JNIOR (1999).


Figura 20 Funo de pertinncia normalizada
Fonte: Adaptado de OLIVEIRA JNIOR (1999)

Convexidade: ) ( ) ( ) ' (
2 1
x x x
A A A
, onde: ] 1 , 0 [ ) ( x
A
e ] , [ '
2 1
x x x

As Figuras 19 e 20 apresentam funes pertinncias convexas, j a Figura 21
apresenta uma no convexa:


66

Figura 21 Funo de pertinncia normalizada, porm no convexa


4.2.4 Tipos de Nmeros Fuzzy

Diversos tipos de nmeros Fuzzy so aplicados na engenharia, usualmente so
denominados em funo do formato de funes de pertinncia e podem ser aplicados
para representar conceitos ou eventos diversos. Na automao, so utilizados para
representar entradas incertas em sistemas de controle. Nos sistemas de apoio
deciso, podem representar incertezas como, por exemplo, comportamento cambial ou
variao diria da quantidade produzida de um produto.

Nmero Trapezoidal Fuzzy

Neste caso a funo pertinncia assume um formato de trapzio como na
Figura 22 que representa um nmero trapezoidal Fuzzy qualquer denominado A:


67

Figura 22 Nmero Trapezoidal Fuzzy
Fonte: Adaptado de SANCHEZ (2003)

Matematicamente o nmero acima pode ser representado por:

) , , (
4 3 , 2 1
a a a a A = (Eq.4.3)

Onde ) (
1
x f
a
e
a
f
2
(x) so funes que representam os seguimentos de reta,
definindo a funo pertinncia como:

>

<
=
4
4 3
3 4
4
3 2
2 1
1 2
1
1
, 0
,
1
,
, 0
) (
a x
a x a
a a
x a
a x a
a x a
a a
a x
a x
x
A

(Eq.4.4)

Nmero Triangular Fuzzy

Um nmero triangular Fuzzy constitudo por dois segmentos de reta, o que
faz com que sua funo pertinncia assuma a seguinte forma:
68


(Eq.4.5)



Figura 23 Nmero Triangular Fuzzy
Fonte: Adaptado de SANCHEZ (2003)

Uma representao matemtica simples do nmero apresentado na Figura 23
pode ser expressa por:

) , (
3 , 2 1
a a a A = (Eq.4.6)

Na literatura a denominao cut muito utilizada quando deseja-se
representar um nmero Fuzzy em funo de determinada pertinncia. Em termos
prticos o cut nada mais do que os infinitos valores que uma funo de
pertinncia pode assumir dentro do intervalo [0,1]. A Figura 24 exprime esta
representao para um nmero triangular Fuzzy e em seguida apresentada sua
representao matemtica.

<

<
=
3
3 2
2 3
3
2 1
1 2
1
1
, 0
,
,
, 0
) (
a x
a x a
a a
x a
a x a
a a
a x
a x
x
A

69

Figura 24 Representao de 25 . 0 = cut e 75 . 0 = cut em um nmero triangular
Fuzzy

] , [
) ( ) ( r l
a a A =
(Eq.4.7)

Onde, ) ( l funo inversa do seguimento de reta esquerda do referido
nmero Fuzzy e ) ( r funo inversa que representa o seguimento da direita
(BANHOLZER, 2005). Desta forma:

] ) ( , ) [( ] , [
] 1 , 0 [
3 2 3 1 1 2
) ( ) (
a a a a a a a a A
r l
+ + = =


(Eq.4.8)

Um exemplo ajuda na melhor compreenso dos conceitos. Supe-se que um
nmero triangular Fuzzy A seja definido por (-1, 2, 5), ilustrado na Figura 25. Sua
funo de pertinncia expressa por:

70

>


+
<
=
5 , 0
5 2 ,
3
5
2 1 ,
3
1
1 , 0
) (
x
x
x
x
x
x
x
A

(Eq.4.9)

Figura 25 Representao grfica do nmero Fuzzy A = (-1, 2, 5)

Utilizando a representao por cut :

] 5 3 , 1 3 [ ] , [
] 1 , 0 [
) ( ) (
+ = =

r l
a a A
(Eq.4.10)

Nmero Fuzzy em formato de Sino

As funes pertinncia em formato de sino so representadas pela seguinte
funo:
b a x
A
e x
/ ) (
2
) (

= (Eq.4.11)
71

Figura 26 Nmero Fuzzy em formato de Sino
Fonte: NICOLETTI e CAMARGO (2004)

Os nmeros Fuzzy podem assumir formatos diversos, isto porque uma funo
qualquer que apresente os princpios de normalidade e convexidade pode caracterizar
um nmero Fuzzy.
Neste trabalho o intuito principal o de representar parmetros que compe
um fluxo de caixa atravs de nmeros Fuzzy. Visto que tais parmetros so incertos e,
de certa forma, de difcil mensurao, atear-se- aos nmeros de formato geomtrico
mais simples como os triangulares, pois a opo por funes mais complexas pode ser
pouco representativa. medida que a complexidade da funo aumenta, mais difcil
se torna adequ-las as informaes vagas e muitas vezes intuitivas presentes nas
anlises de investimento onde no se sabe claramente o comportamento futuro das
variveis dependentes.

4.2.5 Operaes com Nmeros Triangulares Fuzzy

A Adio Fuzzy (+)
72
Segundo Chiu e Park (1994) a adio entre dois nmeros Fuzzy A e B pode ser
expressa por:

] , [ ) (
) ( ) ( ) ( ) ( r r l l
b a b a B A + + = + (Eq.4.12)

Para a soma entre dois nmeros Fuzzy A = (-10, 4, 5) e B = (7, 10, 15). Tem-
se:

] 5 , 14 10 [ + = A e ] 5 15 , 3 7 [ + = B (Eq.4.13)
] 6 20 , 17 3 [ ) ( + = + B A (Eq.4.14)

Para = 0: ] 20 , 3 [ ) ( = + B A
Para = 1: ] 14 , 14 [ ) ( = + B A


Figura 27 Soma entre os nmeros Fuzzy A e B
Fonte: BANHOLZER (2005).

A Imagem Simtrica

73
A Imagem Simtrica de um nmero triangular Fuzzy ) , , (
3 2 1
a a a A = pode ser
definida como:

) , , (
1 2 3
a a a A = (Eq.4.15)

A representao grfica da imagem simtrica de um nmero Fuzzy pode ser
visualizada atravs da Figura 28:

Figura 28 A Imagem Simtrica de A


Pela concepo por cut ;

] , [
) ( ) ( l r
a a A = (Eq.4.16)

A Subtrao Fuzzy (-)

A subtrao Fuzzy na verdade a soma de um nmero Fuzzy A com a imagem
simtrica do nmero Fuzzy B que se pretende subtrair:

74
] , [ ) (
) ( ) ( ) ( ) ( l r r l
b a b a B A = (Eq.4.17)

Considerando os nmeros Fuzzy A = (-2, 0, 3) e B = (2, 4, 5) tem-se:

] 3 3 , 2 2 [ + = A e ] 5 , 2 2 [ + + = B (Eq.4.18)
] 5 1 , 3 7 [ ) ( + = B A (Eq.4.19)

Para = 0: ] 1 , 7 [ ) ( = B A
Para = 1 ] 4 , 4 [ ) ( = B A


Figura 29 Subtrao entre os nmeros Fuzzy A e B

A Multiplicao Fuzzy ()

Segundo Chiu e Park (1994) a multiplicao entre dois nmeros Fuzzy A e B
pode ser expressa por:


75
] , [ ) (
) ( ) ( ) ( ) ( r r l l
b a b a B A = (Eq.4.20)


Utilizando os valores dos nmeros Fuzzy do exemplo anterior (subtrao
Fuzzy) tem-se:
] 15 18 3 , 4 4 [ ) (
2 2
= B A (Eq.4.21)

Desta forma o nmero Fuzzy resultante da multiplicao poderia ser
representado pela Figura 30. Onde ) ( l e ) ( r de B A ) ( no so segmentos de reta.


Figura 30 Multiplicao entre os nmeros Fuzzy A e B

A Diviso Fuzzy ( )

Segundo Banholzer (2005) a diviso de dois nmeros Fuzzy A e B pode ser
expressa por:


76
)] / , / , / , / max(
); / , / , / , / [min( ) (
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (


r l l r r l l l
r r l r r l l l
b a b a b a b a
b a b a b a b a B A =
(Eq.4.22)

O mesmo autor apresenta um exemplo usando nmeros Fuzzy A = (-10, 4, 5) e
B = (7, 10, 5):
] 5 , 14 10 [ + = A (Eq.4.23)
] 5 15 , 3 7 [ + = B (Eq.4.24)

(Eq.4.25)

))] 5 15 /( ) 5 ( ), 3 7 /( ) 5 (
), 5 15 /( ) 14 10 ( ), 3 7 /( ) 14 10 max(( )); 5 15 /( ) 5 (
), 3 7 /( ) 5 ( , ) 5 15 /( ) 14 10 ( ), 3 7 /( ) 14 10 [min(( ) (



+
+ + +
+ + + + =
a
B A


Figura 31 Diviso entre os nmeros Fuzzy A e B
Fonte: BANHOLZER (2005)

4.3 A ESTRUTURA LGICA EM SISTEMAS E MODELOS FUZZY

A partir dos primeiros conceitos propostos por Zadeh at os dias atuais, muito
se desenvolveu da Lgica Fuzzy, o que fez com que suas aplicaes se estendessem
diversos tipos de sistemas e modelos. Este captulo enfatiza sua utilizao, em um
77
primeiro momento, em um Sistema de Controle Fuzzy automtico; a posteriori
apresentado um exemplo na avaliao de um investimento, que serve como base
conceitual para modelo proposto no Estudo de Caso.
Como ponto de partida para sua aplicao, alguns conceitos utilizados na
estruturao de modelos e sistemas Fuzzy devem ser ressaltados. A Figura 32 ilustra
conceitos importantes do mtodo e faz uma referncia Figura 5 do captulo 2:


Figura 32 Sistemas e Modelos Fuzzy

A Fuzzificao torna variveis de entrada reais em variveis Fuzzy. Estas
variveis fuzzificadas so utilizadas por meio de Clculos ou Inferncias baseados
na matemtica Fuzzy, que resultam em sadas para o sistema ou modelo. Por fim
realizada a Defuzzificao, que torna as variveis Fuzzy de sada obtidas em sadas
78
reais, de maneira que possam ser interpretadas e utilizadas em aes ou aplicaes
subseqentes.
A utilizao de estruturas Fuzzy para Inferncia apresenta diferenas
significativas quando comparada a utilizaes em Clculos. Desta forma uma breve
diferenciao sobre as duas aplicaes exposta na Tabela 1; melhor esclarecida nos
itens seguintes:

Tabela 1 Diferenas bsicas entre Clculos e Inferncias Fuzzy

Clculo Inferncia
Estrutura Principal Operaes Matemticas Fuzzy.
Estruturas lgicas:
- Se;
- Ento.
Fuzzificao
Nmeros Fuzzy representam
evento incerto.
- Conjuntos numricos Fuzzy
delimitam todos os valores
possveis de entrada;

- Qualquer valor real pode
representar entrada no
Sistema. A partir da ocorre a
fuzzificao, que transforma a
varivel real em um vetor
Fuzzy.
Defuzzificao
Resultado Fuzzy obtido passvel de interpretao ou serve
como resposta do sistema ou modelo.


79
4.3.1 Fuzzificao

Segundo Oliveira Jnior et al (2007) a Fuzzificao feita para incorporar
percepes a elementos ordinrios, sendo realizada por meio de funes de
pertinncia que modelam a anlise. Nesta etapa todas as informaes relativas
impreciso ou incertezas associadas devem ser consideradas.
Por exemplo, a varivel lingstica, Taxa de juros Selic Alta poderia ser
utilizada em Clculo financeiro na forma de um nmero triangular Fuzzy, como na
Figura 33. Neste caso, baseando-se nas informaes econmicas e financeiras
vigentes, o investidor supe que a variao desta taxa de juros ao longo do
investimento ser representada pela funo de pertinncia triangular exposta na
figura.
A Fuzzificao corresponde simplesmente em tornar o conceito Taxa de
Juros Selic Alta em um nmero Fuzzy.



Figura 33 Varivel Lingstica Taxa de Juros Selic Alta.

80
De maneira diferente das aplicaes Fuzzy baseadas em clculo, nos sistemas
Fuzzy baseados em Inferncia, usualmente representa-se uma determinada varivel
lingstica atravs de um conjunto de funes de pertinncia, o qual representa todos
os valores possveis de entrada. A Figura 34 apresenta o conceito:


Figura 34 Possveis valores Taxa de Juros Selic

A Figura 34 serve como universo de discurso para qualquer entrada do
sistema, ou seja, qualquer varivel real possvel no intervalo de 8% a 24% passvel
de fuzzificao. Supe-se que as estruturas apresentadas na figura sejam componentes
de um software que faz inferncias baseado no valor dirio da Taxa de Juros Selic de
Mercado, alm de outras entradas, como valores de ttulos e aes. A sada do
software indica a melhor composio de um portiflio para um investidor em ativos
para curtssimo prazo.
Neste tipo de aplicao, a alimentao do sistema seria feita com valores
dirios da Taxa Selic no Mercado Financeiro. A cada dia um novo valor de entrada
corresponderia essa varivel. A Figura 35 mostra a entrada no sistema quando a taxa
referente 13% a.a.

81

Figura 35 Valor de entrada 13%

O valor 13% pertence a dois dos nmeros Fuzzy da Figura 35; o primeiro que
se refere a Taxa de Juros Selic Baixa, com pertinncia 0.35 e o segundo referente a
Taxa de Juros Selic Mdia com pertinncia 0.8. Nota-se que a pertinncia do valor
13% ao nmero Fuzzy Taxa de Juros Selic Alta igual a 0.
Assim, um Vetor de Possibilidades equivalente ao nmero discreto 13%
poderia ser representado por {0.35; 0.8; 0} (SHAW e SIMES, 1999). Em suma, nos
sistemas de Inferncia, usualmente as entradas so Fuzzificadas atravs deste tipo de
vetor.
4.3.2 Defuzzificao

Na Defuzzificao o valor da varivel de sada inferida ou calculada ser
traduzida em um valor discreto. O objetivo obter-se um nico valor numrico
discreto que melhor represente os valores Fuzzy obtidos da varivel de sada, ou seja,
da distribuio de possibilidades gerada. Assim a Defuzzificao uma
transformao inversa que traduz a sada do domnio Fuzzy para o domnio discreto
(SHAW e SIMES, 1999).

82
O mundo fsico no entende nmeros e conjuntos difusos, logo
necessrio gerar grandezas abruptas que representem ou resumam da
melhor maneira possvel a informao contida nesses resultados (Oliveira
Jnior, 1999).

Existem inmeros mtodos para realizao da Defuzzificao, onde sua
aplicabilidade varia de acordo com os tipos de aplicaes em que a Lgica Fuzzy est
sendo utilizada.

Defuzzificao pelo Centro da rea

Este mtodo tambm conhecido como mtodo do Centro de Gravidade, pois
sua utilizao se d pelo clculo do centride da rea composta que representa o
termo Fuzzy obtido como sada sistema ou modelo (SHAW e SIMES, 1999).
A Figura 36 apresenta a sada de um controlador Fuzzy de potncia de um
motor em um sistema automtico. Este exemplo ser detalhado no item 4.4 deste
captulo.
83

Figura 36 Mtodo de defuzzificao pelo Centro da rea
Fonte: Adaptado de SHAW e SIMES (1999).

O clculo do centride da rea pode expresso da seguinte forma:
) (
) (
*
1
1
x
x x
x
N
j
sada
N
j
sada j

=
=

(Eq.4.26)
Em que:

j
x o valor do valor real da varivel em cada em cada situao j;
) (x
sada
o valor funo de pertinncia para valor real os cada valor real
j
x ;
N o nmero de iteraes utilizadas.

Defuzzificao pela Mdia dos Mximos

84
Neste mtodo os picos mximos das funes de pertinncia so utilizados,
enquanto a rea ignorada. Matematicamente expresso por (SHAW e SIMES,
1999):

(Eq.4.27)

Em que:

m
x o m-simo valor no inverso de discurso com pertinncia mxima;
M o nmero total de valores com pertinncia mxima.

A mesma sada fuzzificada, mostrada no item anterior, resultaria em uma
menor potncia do motor quando utilizando o mtodo da Mdia dos Mximos,
representado na Figura 37:


Figura 37 Mtodo de Defuzzificao pela Mdia do Mximo
Fonte: Adaptado de SHAW e SIMES (1999)

=
=
M
m
m
M
x
x
1
*
85
Defuzzificao pela Distribuio de Possibilidades Cumulativa

Chiu e Park (1994) defendem o uso do clculo de reas para calcular a
possibilidades da sada. Utilizando a sada fuzzificada apresentada nos exemplos
anteriores poderia ser calculada a possibilidade do motor atuar em reverso, ou seja,
apresentar potncia negativa. Assim o valor seria obtido pela diviso da rea que
compreende os valores negativos na Figura 38 divididos pela rea total.



Figura 38 Possibilidade Cumulativa


Desta forma:

= <
30
15
0
15
) (
) (
) 0 ( *
x
x
x
sada
sada

(Eq.4.28)


86
Apesar de parecer pouco representativa, se aplicada no controle de um motor
eltrico, a utilizao da possibilidade cumulativa pode ser muito til em aplicaes
onde se deseja fazer uso do VPL, pois atravs dela possvel calcular a possibilidade
de sucesso ou insucesso de um investimento. J os mtodos do centride e do centro
do mximo podem ser teis no clculo do valor mais possvel, ou seja, no caso do
VPL, o retorno de maior possibilidade.

A escolha do mtodo de Defuzzificao nos sistemas de apoio a
deciso depende do contexto dessa deciso. Nas decises qualitativas
como alocao de recursos ou priorizao de projetos recomendado o
uso centro do mximo (Shaw e Simes, 1999).

Apresentado os conceitos de Fuzzificao e Defuzzificao, uma lacuna surge
no que diz respeito a maneira que clculos ou inferncias Fuzzy so efetuados.
Pretende-se apresentar esses conceitos ainda inexplorados nos prximos tpicos do
captulo, onde so apresentados exemplos da aplicao da lgica.

4.4 A APLICAO DA LGICA FUZZY EM UM SISTEMA DE CONTROLE

Nas aplicaes industriais e na engenharia de controle a Lgica Fuzzy ganhou
aplicabilidade desde seu surgimento. Fora utilizada no controle automtico de
mquinas de lavar, controle de freios ABS, direo automtica de trens, sistemas de
transmisso automtica de veculos, controle de trfego urbano e rodovirio, sistemas
de reconhecimento de voz e imagem, entre inmeras outras aplicaes (OLIVEIRA
JNIOR, 1999).
87
A ampla utilizao industrial e em produtos de bens de consumo culminou no
desenvolvimento de softwares para aplicao e equipamentos para automao. Na
Europa e na sia principalmente, e com menor intensidade nos EUA, diversos
fabricantes como Siemens, Allen-Bradley, AEG desenvolveram Controladores
Lgicos Programveis (CLP) com mdulos especficos para a Lgica Fuzzy (SHAW e
SIMES, 1999).
Os Controladores Lgicos Programveis so dispositivos
eletrnicos utilizados em sistemas de automao flexvel. So ferramentas
de trabalho muito teis e versteis para aplicaes em sistemas de
acionamentos e controle, e por isso so utilizados em grande escala no
mercado industrial. Permitem desenvolver e alterar facilmente a lgica
para acionamento das sadas em funo das entradas. Desta forma, pode-
se associar diversos sinais de entrada para controlar diversos atuadores
ligados nos pontos de sada (Silva Filho, 2007).

O sistema de controle que ser apresentado aplicado em uma situao de
automao. Trata-se de uma ponte rolante para contineres, usada para carga e
descarga em embarcaes navais. A Figura 39 ilustra a situao:


88

Figura 39 Transporte para cargas porturias
Fonte: Adaptado de FUZZYTECH (2006)

A operao consiste em transportar contineres ao longo da distncia
(distance) compreendida entre o navio e rea de descarregamento. A dificuldade desta
tarefa que o continer suspenso atravs de um cabo e a medida que h
movimentao; forma-se um ngulo de abertura (angle) durante o transporte, gerando
oscilao no sistema. medida que a carga ganha velocidade, mais difcil se torna
control-la, o que pode culminar em graves acidentes.
Deve-se levar em conta que trata-se de uma aplicao largamente usada em
zonas porturias, dessa forma a velocidade de descarregamento desses contineres
um fator primordial, visto que afeta diretamente a produtividade logstica e os custos
operacionais. A velocidade do sistema est ligada potncia (power) do motor em
operao.
Devido dificuldade de automao por modelos fsicos, usualmente esta tarefa
era realizada manualmente por operadores humanos, o que tambm apresentava
89
riscos, pois os mesmos caminhavam com os controladores em mos, estando sujeitos
a quedas ou algum deslize.
A aplicao da Lgica Fuzzy na automao desta operao baseada na
experincia humana neste controle. Subsidiada pelo raciocnio humano, a automao
realizada considerando apenas duas variveis de entrada: distance e angle. Pela
observao das entradas o operador controla power buscando velocidade no
descarregamento.
O sistema Fuzzy para esse controle baseado em inferncias. A Figura 40
representa as entradas e sadas do sistema.


Figura 40 Estrutura de Controle
Fonte: FUZZYTECH (2006)

Fuzzificao das Variveis

Para fuzzificao das variveis utiliza-se o conceito de vetor de possibilidades.
A Figura 41 representa a entrada da varivel angle em graus.


90

Figura 41 Entrada da varivel angle
Fonte: FUZZYTECH (2006).

A seta vermelha representa a entrada angle em -45 que fuzzificada em um
vetor de possibilidades {0.70;0.30;0.00;0.00;0.00}. A pertinncia do valor real ao
nmero Fuzzy neg_big (negativo alto) 0.70, sua pertinncia neg_small 0.30,
enquanto a pertinncia nula quando considerado os outros nmeros Fuzzy da figura.
A entrada distance com valor de 13.27 jardas expressa pelo vetor Fuzzy
{0.00;0.00;0.00;0.73;0.27}. Os nmeros Fuzzy neg_close, zero, close, medium e far
representam respectivamente os conceitos de perto esquerda, na posio adequada,
perto direita, distncia mdia direita e longe direita. A Figura 42 apresenta esta
entrada.

Figura 42 Entrada da varivel distance


Fonte: FUZZYTECH (2006).
91
A Inferncia Fuzzy no Sistema

O ato da inferncia est relacionado ao processamento das variveis de entrada
de maneira a obter uma sada ou reposta fuzzyficada. Tal inferncia realizada
atravs dos conectivos lgicos SE, E e ENTO. A Figura 43 exprime o conjunto de
regras de inferncia necessrias para o controle.


Figura 43 Conjunto de regras para o sistema
Fonte: FUZZYTECH (2006)

Nesta aplicao, em uma situao em que o sistema apresenta um ngulo
levemente negativo e o continer est prximo do ponto de descarregamento, a sada
do sistema power levemente negativa, conforme a regra 5.
Para que a inferncia seja feita, considera-se os valores dos vetores de
possibilidade onde a combinao entre seus mnimos resultam em sadas fuzzificadas.
Quando a entrada angle -45 , esta apresenta possibilidade 0.70 em neg_small e
0.30 em neg_big. Trata-se ento das possibilidade separadamente:

92
- o ngulo de abertura -45 pequeno e negativo (neg_small). Sua intensidade
0.30;
- o ngulo de abertura -45 grande e negativo (neg_big). Sua intensidade
0.70.

A outra entrada mostra a distncia em que o continer est do ponto de
descarregamento. Conforme Figura 41, quando a distncia 13.27 jardas o vetor de
possibilidades representa que:

- a distncia 13.27 jardas mdia (medium) com intensidade 0.73;
- a distncia 13.27 jardas longa (far) com intensidade 0.27.

Desta forma, o resultado Fuzzy da potncia do motor obtido combinando as
duas entradas, onde a pertinncia resultante obtida pelo menor valor de pertinncia
entre elas. Utilizando o bloco de regras da Figura 43 obtm-se a resposta do sistema:

Tabela 2 Inferncia do sistema
SE E ENTO
Regras
Angle
angle
Distance
distance
Power
power

6 neg_small 0.30 medium 0.73 pos_high 0.30
7 neg_big 0.70 medium 0.73 pos_medium 0.70
9 neg_small 0.70 far 0.27 pos_high 0.27


93
Apenas 3 entre 9 regras presentes na Figura 43 foram utilizadas, isto porque,
power
obtida pelo menor valor entre
angle
e
ce dis tan
. Assim quando alguma destas
pertinncias nula,
power
tambm .
Quando no h regra para uma situao corrente, no h sada no sistema e a
potncia permanece inalterada.
Assim como para as entradas angle e distance, a sada Fuzzy realizada
atravs de uma srie de nmeros Fuzzy (neg_high, neg_medium, zero, pos_medium e
pos_high) que representam a potncia do motor. Observando-se a Tabela 2 na regra 7;
a sada inferida uma potncia pos_medium com pertinncia 0.70, visualizada
geometricamente pela Figura 44:


Figura 44 Potncia pos_medium com pertinncia 0.70
Fonte: Adaptado de FUZZYTECH (2006).

Na realidade a resposta da inferncia precisa ser composta pela combinao de
todas as regras. Assim, a figura geomtrica resultante da inferncia composta pela
unio das reas geradas nas regras 6, 7 e 9. Tal sada conhecida como resposta
fuzzificada, apresentada na Figura 45:

94

Figura 45 Resultado fuzzificado da power
Fonte: Adaptado de FUZZYTECH (2006).

Este mtodo de inferncia denominado por Shaw e Simes (1999) como de
Mnimo-Mximo (Min-Max).

A Defuzzificao das Variveis

Obtida a sada fuzzificada faz-se necessrio torna-l uma varivel real para
que seja emitido o sinal de sada do controlador para o atuador. O mtodo de
defuzzificao o da Mdia dos Mximos, que resulta um valor de 14.0500 kW.

Figura 46 Valor defuzzificado de power : 14.0500 kW
Fonte: Adaptado de FUZZYTECH (2006).

R Re eg gr ra a 7 7
R Re eg gr ra a 9 9
R Re eg gr ra a 6 6
95
A cada instante os valores de angle e distance se alteram devido a
movimentao, a cada variao nas entradas a inferncia realizada, o que resulta em
um novo valor para power, ou seja, o controle contnuo.
A aplicao apresentada faz parte de exemplos presentes nos software
Fuzzytech 5.60, que apresenta verso demonstrativa para download no site
6
do
fabricante.
Apesar de no ser tratada diretamente no estudo de caso, a utilizao da
Lgica Fuzzy para inferncias amplamente utilizada, seja em aplicaes de controle,
como em sistemas de apoio a deciso, portanto fez-se necessria sua apresentao no
trabalho.

4.5 A APLICAO DO VALOR PRESENTE LQUIDO FUZZY NA AVALIAO
ECONMICO-FINANCEIRA DE INVESTIMENTOS

A capacidade de relacionar a incerteza fez com que os conceitos Fuzzy
ganhassem notoriedade e aplicabilidade em outras reas do conhecimento. Na rea
financeira crescente a quantidade de trabalhos e aplicaes, a literatura internacional
contempla livros especficos do uso da Lgica Fuzzy em finanas. Von Altrock (1995)
e Gil-Lafuente (2005) apresentam aplicaes diversas, como o uso na concesso de
crdito e na deteco de fraudes.
No Brasil ainda so escassos os trabalhos que promovem o uso da Lgica
Fuzzy na rea financeira, porm este cenrio est mudando. Borba e Dill (2007)
mostram sua aplicao na anlise de rentabilidade de empresas, onde o balano
patrimonial das mesmas o objeto de estudo. Banholzer (2005) prope o clculo da

6
www.fuzzytech.com
96
Taxa Interna de Retorno atravs do clculo Fuzzy. Medeiros (2003) apresenta em sua
dissertao um estudo para avaliao de viabilidade de um projeto de um campo de
golfe pblico, levando em conta a ordenao de fatores ambientais, econmicos e
sociais.
Neste trabalho o intuito calcular o VPL atravs da Lgica Fuzzy de modo
com que as incertezas presentes no investimento sejam incorporadas ao clculo.
Gutirrez (1989) apresenta a primeira formulao para a aplicao de nmeros Fuzzy
para o clculo do Valor Presente Lquido. Em seu trabalho os fluxos de caixa por
perodo( FC ) e a taxa de desconto de um investimento por perodo( i ) so
representados por nmeros triangulares Fuzzy, tratando a incerteza presente como
lxica.

[ ]
) ( ) (
;
r l
FC FC FC = (Eq.4.29)

[ ]
) ( ) (
;
r l
i
i i = (Eq.4.30)

Como resultado dos clculos, fora apresentado um nmero Fuzzy de formato
prximo a um triangular que constitua a funo Valor Presente Lquido Fuzzy
(VPL
Fuzzy
). No entanto o trabalho de Gutierrz (1989) apresentava certa dificuldade
para interpretao dos resultados, j que a sada do modelo era na verdade um valor
fuzzificado.


97

Figura 47 VPL obtido em um investimento onde fora utilizado taxas de descontos e fluxos
caixa Fuzzy
Fonte: Adaptado de GUTIERRZ(1989)


A dificuldade de interpretao do VPL resultante na Figura 47 acentuada
quando se deseja a comparao entre vrios investimentos, visto que o ato de
comparar valores fuzzificados pode exigir certo cuidado matemtico.
Chiu e Park (1994) apresentam um mtodo para defuzzificao para o
VPL
Fuzzy
, alm de reestruturar a formulao proposta por Guiterrz (1989), tornando-
se um dos trabalhos mais conceituados para a aplicao da Lgica Fuzzy como
instrumento para avaliao de investimentos. A formulao de Chiu e Park (1994)
apresentada em duas etapas distintas; a primeira refere-se ao clculo do lado
esquerdo da funo (
) ( l
fuzzy
VPL ) e posteriormente o lado direito (
) ( r
fuzzy
VPL ), de
maneira que:

[ ]
) ( ) (
;
r
fuzzy
l
fuzzy fuzzy
VPL VPL VPL = (Eq.4.31)

98
4.5.1 Clculo de VPL
Fuzzy
l()


A funo VPL
Fuzzy
l()
representa os piores resultados possveis para o
investimento em questo. Para seu clculo necessrio considerar trs situaes
possveis para o fluxo de caixa:


I. Para 0
) (
>
l
j
FC em n perodos;

) 1 (
...
) 1 ( ) 1 (
) (
) (
) (
2
) (
2
) (
1
) (
1 ) (
0
) (


r
n
l
n
r
l
r
l
l l
fuzzy
i
FC
i
FC
i
FC
FC VPL
+
+ +
+
+
+
+ = (Eq.4.32)

=
=
|
|
|
|
|

\
|
+
=
n
j
j
j
r
j
l
j l
fuzzy
i
FC
VPL
0
0 '
) (
) (
) (
) 1 (

, onde 0
) (
0
=
r
i (Eq.4.33)

II. Para 0
) (
<
l
j
FC em n perodos;

) 1 (
...
) 1 ( ) 1 (
) (
) (
) (
2
) (
2
) (
1
) (
1 ) (
0
) (


l
n
l
n
l
l
l
l
l l
fuzzy
i
FC
i
FC
i
FC
FC VPL
+
+ +
+
+
+
+ = (Eq.4.34)

=
=
|
|
|
|
|

\
|
+
=
n
j
j
j
l
j
l
j l
fuzzy
i
FC
VPL
0
0 '
) (
) (
) (
) 1 (

, onde 0
) (
0
=
l
i (Eq.4.35)

III. Para 0
) (
=
l
j
FC em n perodos;

99
0
) 1 (
0
) (
) (
) (
=
+
=

l
fuzzy
r
n
l
fuzzy
VPL
i
VPL (Eq.4.36)
0
) 1 (
0
) (
) (
) (
=
+
=

l
fuzzy
l
n
l
fuzzy
VPL
i
VPL (Eq.4.37)

Ou seja, esta situao no influencia o clculo.

Representando-se I e II na mesma funo:


=
= =
|
|
|
|
|

\
|
+
+
+
=
n
j
j
j
l
j
l
j
j
j
r
j
l
j l
fuzzy
i
FC
i
FC
VPL
0
0 '
) (
) (
0 '
) (
) (
) (
) 1 (
) 0 , min(
) 1 (
) 0 , max(

(Eq.4.38)

4.5.2 Clculo de VPL
Fuzzy
r()



O intuito do VPL
Fuzzy
r()
representar as possveis combinaes das funes
Fuzzy FC e i, de maneira a funo gerada represente os melhores resultados para o
investimento em questo. Sua estruturao realizada pelas situaes IV, V e VI:

IV. Para 0
) (
>
r
j
FC em n perodos;

) 1 (
...
) 1 ( ) 1 (
) (
) (
) (
2
) (
2
) (
1
) (
1 ) (
0
) (


l
n
r
n
l
r
l
r
r r
fuzzy
i
FC
i
FC
i
FC
FC VPL
+
+ +
+
+
+
+ = (Eq.4.39)

100

=
=
|
|
|
|
|

\
|
+
=
n
j
j
j
l
j
r
j r
fuzzy
i
FC
VPL
0
0 '
) (
) (
) (
) 1 (

, onde 0
) (
0
=
l
i (Eq.4.40)

V. Para 0
) (
<
r
j
FC em n perodos;

) 1 (
...
) 1 ( ) 1 (
) (
) (
) (
2
) (
2
) (
1
) (
1 ) (
0
) (


r
n
r
n
r
r
r
r
r r
fuzzy
i
FC
i
FC
i
FC
FC VPL
+
+ +
+
+
+
+ = (Eq.4.41)

=
=
|
|
|
|
|

\
|
+
=
n
j
j
j
r
j
r
j r
fuzzy
i
FC
VPL
0
0 '
) (
) (
) (
) 1 (

, onde 0
) (
0
=
r
i (Eq.4.42)

VI. Para 0
) (
=
r
j
FC em n perodos;


0
) 1 (
0
) (
) (
1
) (
=
+
=

r
fuzzy
l
r
fuzzy
VPL
i
VPL (Eq.4.43)
0
) 1 (
0
) (
) (
1
) (
=
+
=

r
fuzzy
r
r
fuzzy
VPL
i
VPL (Eq.4.44)

Tambm no h influncia sobre o clculo.

Representando IV e V na mesma funo tem-se:

101


=
= =
|
|
|
|
|

\
|
+
+
+
=
n
j
j
j
r
j
r
j
j
j
l
j
r
j r
fuzzy
i
FC
i
FC
VPL
0
0 '
) (
) (
0 '
) (
) (
) (
) 1 (
) 0 , min(
) 1 (
) 0 , max(

(Eq.4.45)

4.5.3 O Valor Presente Lquido Fuzzy

Atravs da combinao entre as funes
) ( l
fuzzy
VPL e
) ( r
fuzzy
VPL no intervalo
de pertinncia de 0 a 1 tem-se:
(Eq.4.46)
(
(
(
(
(

|
|
|
|
|

\
|
+
+
+
|
|
|
|
|

\
|
+
+
+
=


=
= =
=
= =
n
j
j
j
r
j
r
j
j
j
l
j
r
j
n
j
j
j
l
j
l
j
j
j
r
j
l
j
fuzzy
i
FC
i
FC
i
FC
i
FC
VPL
0
0 '
) (
) (
0 '
) (
) (
0
0 '
) (
) (
0 '
) (
) (
) 1 (
) 0 , min(
) 1 (
) 0 , max(
;
) 1 (
) 0 , min(
) 1 (
) 0 , max(



Para ilustrar sua aplicao um exemplo simplificado mostrado a seguir.
Atravs da opinio de especialistas e anlise mercadolgica tem-se estimativas dos
componentes de caixa de um determinado investimento:

Investimento: R$ 280.000,00, com variao estimada entre -10% a +15%;
Retorno Esperado: R$ 240.000,00, com variao estimada entre 15%;
Taxa mnima de Atratividade: 15% a.a., variando 2%;
Valor residual: nulo para este exemplo;
Vida econmica: 3 anos.

102
4.5.4 Fuzzificao do Fluxo de Caixa

Realizar a fuzzificao significa escrever as variveis em nmeros Fuzzy. O
Investimento pode ser transformado em um nmero triangular Fuzzy conforme as
Figura 48:

Investimento
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
-350000 -300000 -250000 -200000 -150000 -100000 -50000 0
Investimento L() Investimento R()

Figura 48 Investimento fuzzificado

Matematicamente o Investimento pode ser representado da seguinte forma:

Investimento = (-322000, -280000, -252000) (Eq.4.47)

Utilizando-se da representao por cut tem-se:

Investimento ] 252000 28000 ; 42000 322000 [ + = (Eq.4.48)

O Retorno Esperado pode ser representado matematicamente por:
103

Retorno Esperado = (204000, 240000, 276000) (Eq.4.59)
Retorno Esperado ] 276000 36000 ; 36000 204000 [ + + = (Eq.450)

Graficamente as funes que definem o Retorno Esperado Fuzzy so
mostradas na Figura 49:

Retorno Esperado
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
0 50000 100000 150000 200000 250000 300000
Ret. Esp L() Ret. Esp R()


Figura 49 Retorno Esperado Fuzzy

A Taxa Mnima de Atratividade a ser utilizada para o clculo do VPL
Fuzzy

expressa matematicamente por:

TMA = (0.130, 0.150, 0.170) (Eq.4.51)
TMA ] 170 . 0 020 . 0 ; 020 . 0 130 . 0 [ + + = (Eq.4.52)

A Figura 50 mostra sua representao como um nmero triangular Fuzzy:
104

TMA
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
0,0% 2,0% 4,0% 6,0% 8,0% 10,0% 12,0% 14,0% 16,0% 18,0%
TMA L() TMA R()

Figura 50 A TMA fuzzificada

4.5.5 Clculo do VPL
Fuzzy


Uma vez obtidas as variveis Fuzzy presentes no investimento, d-se a etapa
de clculo do
fuzzy
VPL . Utilizando a formulao proposta por Chiu e Park (1994),
tem-se:
(Eq.4.53)
3 2
) (
) 020 . 0 170 . 1 /( ) 36000 204000 ( ) 020 . 0 170 . 1 /( ) 36000 204000 (
) 020 . 0 170 . 1 /( ) 36000 204000 ( ) 42000 322000 (

+ + +
+ + + + =
l
fuzzy
VPL

(Eq.4.54)
3 2
) (
) 02 . 0 130 . 1 /( ) 36000 276000 ( ) 02 . 0 130 . 1 /( ) 36000 276000 (
) 02 . 0 130 . 1 /( ) 36000 276000 ( ) 28000 252000 (

+ + +
+ + + =
r
fuzzy
VPL


105
A Figura 51 mostra a representao vetorial do VPL, obtida no intervalo de
entre 0 e 1.

VPL
fuzzy
128755,33 399678,12
267974,03
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
0 50000 100000 150000 200000 250000 300000 350000 400000 450000
VPLL() VPLR()

Figura 51 VPL
Fuzzy
aplicado ao exemplo apresentado

4.5.6 Defuzzificao do VPL
Fuzzy

As funes
) ( l
fuzzy
VPL e
) ( r
fuzzy
VPL aparentemente lembram seguimentos de
reta, o que levaria a pensar que trata-se de um nmero triangular. Entretanto, trata-se
de um equvoco. Isso deve-se ao fato de haver potenciao em . Como seu domnio
pequeno (entre 0 e 1), a curvatura das funes geradas muito pouco acentuada.
Assim, caso haja necessidade de se trabalhar com algum tipo de aproximao junto ao
fuzzy
VPL , esta apresenta resultados bastante satisfatrios.
No exemplo apresentado, o
fuzzy
VPL obtido como sada apresenta somente
valores positivos, ou seja, para todos os valores de pertinncia o investimento
vivel. No necessrio, priori, lanar-se uso do clculo da possibilidade
cumulativa [ ) 0 ( * <
fuzzy
VPL ]. J o valor que apresenta maior possibilidade no
106
domnio Real obtido pelo uso do mtodo de defuzzificao pelo Centro da rea
(CHIU e PARK, 1994):
) (
) (
*
1
1
fuzzy
N
j
N
j
fuzzy
j
fuzzy
VPL
VPL VPL
VPL

=
=

(Eq.4.55)
Em que:
N o nmero de iteraes a serem realizadas;
(VPL
Fuzzy
) funo que descreve a pertinncia do
fuzzy
VPL

Neste exemplo foi utilizado N = 40, sendo o intervalo entre cada iterao uma
valor em 0,05 de (VPL
Fuzzy
), obtendo-se:

* VPL = R$ 266.270,57 (Eq.4.56)

A Figura 52 faz referncia ao valor defuzzificado:
VPL*
266270,57
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
0 50000 100000 150000 200000 250000 300000 350000 400000 450000
VPLL() VPLR() VALOR DEFUZZIFCADO

Figura 52 Valor do VPL
Fuzzy
defuzzificado pelo mtodo do Centro da rea

107
O valor obtido pela defuzzificao pode ser utilizado para comparao
econmico-financeira entre projetos de investimento, uma vez que o valor
defuzzificado representa o valor mais possvel para cada investimento.
Esta dissertao apresenta um indicador complementar para comparao entre
projetos de investimentos. O nome escolhido coeficiente de incerteza lxica (CIL)
representado pela funo:

*
) 1 ( ) 1 (
VPL
VPL VPL
CIL
l
fuzzy
r
fuzzy

= (Eq.4.57)

Quanto mais prximo de 0 for o valor de CIL , menos incerto o
investimento.
Para o exemplo apresentado tem-se:

266.270,57
128.755,33 399.678,12
= CIL (Eq.4.58)
02 , 1 = CIL (Eq.4.59)
4.5.7 VPL
Fuzzy
utilizando o nmero de perodos de um investimento como uma
varivel Fuzzy

O uso da Lgica Fuzzy pode ser bastante flexvel em representar as incertezas,
Sanchez (2003) assim como Omitaou e Badiru (2007) propem em seus trabalhos o
uso de nmeros Fuzzy para representar a vida econmica de um investimento.
108
Desta forma, explorando o exemplo apresentado, o nmero de perodos do
investimento poderia ser considerado um valor entre 2 e 4 anos, ao invs do valor
absoluto de 3 anos. A Figura 53 apresenta o conceito.

Vida Econmica
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Vida Econmica L() Vida Econmica R()

Figura 53 Vida econmica do investimento representada por um nmero Fuzzy

Para obteno do Vapor Presente Lquido Fuzzy em perodos variveis,
necessrio calcular individualmente o
fuzzy
VPL do investimento em cada uma das trs
principais situaes que definem o nmero triangular Fuzzy Vida Econmica: 2, 3 e 4
anos. A combinao entre os trs
fuzzy
VPLs obtidos representa o
fuzzy
VPL para
perodos variveis, expresso na Figura 54:

109
VPL
fuzzy
com vida econmica em 2, 3 e 4 anos
128755,33 399678,12
267974,03
1383,74
110170,13
208396,27 237619,94 568954,09
405194,81
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
0 100000 200000 300000 400000 500000 600000
VPL
fuzzy
2 anos VPL
fuzzy
3 anos VPL
fuzzy
4 anos

Figura 54 Resultados do VPL para cada perodo

Para realizar a defuzzifao, Sanches (2003) prope a aproximao das
funes geradas para um nmero triangular Fuzzy e a partir da utiliza-se do mtodo
do centro da rea para obter o valor defuzzificado. A Figura 54 exprime o conceito e
apresenta o valor defuzzificado de R$273.419,07:

VPL
fuzzy
com vida econmica em 2, 3 e 4 anos
273419,07
1383,74 568954,09 0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
0 100000 200000 300000 400000 500000 600000

Figura 55 Defuzzificao proposta por Sanches (2003)

110
Omitaou e Badiru (2007) sugerem para interpretao do Vapor Presente
Lquido Fuzzy em perodos variveis, o uso do conceito de mximo Fuzzy,
representado pela unio das funes de pertinncia do
fuzzy
VPL com vida econmica
de 2, 3 e 4 anos, mostrado pelo tracejado na Figura 56.
A defuzzificao tambm realizada pelo mtodo do centro da rea e resulta
em um valor lquido de R$ 256.301,39. Percebe-se que neste exemplo, que a
diferena do valor presente lquido em perodos variveis utilizando-se dos mtodos
apresentados relativamente pequena; R$ 17.117,68 (um valor prximo a 7% do
resultado total do investimento).

VPL
fuzzy
com vida econmica em 2, 3 e 4 anos
256301,39
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
0 100000 200000 300000 400000 500000 600000

Figura 56 Defuzzificao proposta por Omitaou e Badiru (2007)

4.5.8 Consideraes Importantes

Na aplicao do Valor Presente Lquido Fuzzy, a incerteza presente em um
investimento tratada como lxica, ou seja, o modelo possibilstico e como
mostrado ao longo do captulo no apresenta carter estatstico.
111
O exemplo apresentado bastante simplificado, visto que o projeto apresenta
vida econmica reduzida e a varivel chamada Retorno Esperado incorpora as
incertezas presentes no fluxo de caixa do investimento. Entre suas contribuies, esta
dissertao tratar em seu estudo de caso as variveis incertas que compe o fluxo de
caixa de maneira independente. Por exemplo: a demanda e o valor do dlar so
consideradas variveis de entrada representadas cada qual por nmeros Fuzzy
distintos. Desta maneira as receitas e dispndios de caixa no perodo so obtidos
atravs da interao matemtica dessas variveis, que embora aumente
substancialmente o clculo, contribui para a quantificao das incertezas.
O clculo do Valor Presente Lquido Fuzzy utilizando-se de um nmero Fuzzy
para representar a vida econmica de um investimento pode ser bastante til, pois
permite representar as dvidas quanto a longevidade do investimento. Entretanto,
neste trabalho este artifcio no ser colocado em prtica, visto que tem-se tambm
como objetivo, a comparao da Lgica Fuzzy junto ao mtodo de Monte Carlo. A
medida que se adiciona variaes ao modelo, mais difcil torna-se a comparao entre
as respostas; o que conseqentemente poderia comprometer o estudo.
Apesar da matemtica Fuzzy no ser demasiadamente complexa, seu uso s
viabilizado atravs de softwares. Alm do j citado Fuzzytech, existem softwares
especficos para aplicao dos conceitos Fuzzy, como o Matlab, que apresenta um
toolbox especfico para sua aplicao. Oliveira Jnior et al (2007) cita os softwares
desenvolvidos na Universidade de Magdeburg
7
, na Alemanha, como o Nefcon,
Nefclass e o Neprox. Trabalhos que usam o Microsoft Excel em sua estruturao
tambm so encontrados.

7
http://fuzzy.cs.uni-magdeburg.de/
112
Assim como no mtodo de Monte Carlo, para que o resultado seja
representativo, a contextualizao do cenrio econmico deve ser clara e
fundamentada nas informaes presentes do investimento. A economia mundial
apresenta um cenrio bastante voltil, de fato isto contribui para que informaes
presentes se transformem em fatos relativamente diferentes no futuro. No exemplo
apresentado as faixas de incerteza so bastante reduzidas, em uma situao real com
investimentos de perodos mais longos, pode ser incoerente assumir faixas de
incertezas 10% ou 15%. evidente que tais variveis dependem da situao
econmica e empresarial de cada investimento.
No prximo captulo apresentado o Estudo de Caso, onde Lgica Fuzzy
usada para contextualizar a incerteza, tratada em seu carter lxico. O Apndice B
apresenta como representar e operar nmeros a formulao utilizando o Microsoft
Excel.












113
5 A APLICAO E COMPARAO ENTRE O MTODO DE
MONTE CARLO E O VPL FUZZY EM UM ESTUDO DE CASO

5.1 O PROJETO DE INVESTIMENTO

Com intuito de promover empiricamente a avaliao dos conceitos
apresentados ao longo do trabalho, o mtodo de Monte Carlo e o Valor Presente
Lquido Fuzzy sero aplicados em um projeto real de investimento. A parte inicial
deste captulo refere-se a apresentao e estruturao do investimento. A segunda
parte destina-se a aplicao dos mtodos em discusso. Por fim, so efetuadas as
comparaes, qualitativas e quantitativas, propostas no captulo inicial desta
dissertao.
Para elaborao de um projeto de investimento necessrio buscar e organizar
as informaes presentes que envolvem o projeto, organizando-as de maneira
sistematizada, e a partir da, realizar uma avaliao concisa sobre o investimento em
discusso. Rebelatto (2004) apresenta a estruturao de um projeto de investimento
em cinco etapas. A primeira delas denomina-se anlise de mercado. A segunda refere-
se s projees de engenharia e logstica do projeto. Em seguida devem ser estimados
os custos e receitas do projeto. No quarto item so observadas as implicaes scio-
ambientais que a execuo do projeto trar, e por fim deve ser realizada a avaliao
econmico-financeira.
Este trabalho apresenta um projeto de investimento, elaborado conforme os
itens descritos. O projeto consiste na criao de uma empresa para a fabricao de
mquinas de grande porte para o mercado agroindustrial, com foco central no setor
114
sucroalcooleiro, apresentando tambm boas perspectivas na indstria de papel e
celulose. O grupo de investidores envolvidos apresenta experincia neste mercado,
tendo atuado na direo de uma metalrgica de grande porte no setor.
A produo de acar e lcool exige uma srie de processos logsticos e de
transformao. Aps a colheita e transporte, o processo industrial delimitado em
vrias etapas: a cana deve ser lavada, picada e desfibrada; a partir da inicia-se o
processo de extrao do caldo. Em sntese, tal processo consiste na utilizao de
moendas que esmagam a cana desfibrada, ou atravs de difusores, que permitem a
extrao atravs de lavagens repetitivas.
Aps a extrao, iniciam-se uma srie de processos fsico-qumicos que
permitem a obteno do acar e do lcool. A fonte primria de energia utilizada em
todo o processo inerente operao em uma usina a queima do bagao da cana.
Atravs do uso de uma central trmica; um grande volume de gua aquecido
gerando vapor, que alm de ser diretamente utilizado no processo industrial tem suas
propriedades termodinmicas aproveitadas em sistemas mecnicos para o
acionamento de mquinas ou geradores de energia eltrica.
Devido a grande quantidade de processos presentes em uma usina
sulcroalcooleira, uma srie de mquinas e equipamentos so necessrios. Nos
prximos itens so apresentados dois exemplos de produtos que visam ser
comercializados pelos investidores:

Caldeiras Aquatubulares

Uma caldeira aquatubular um vaso de presso que contm a gua. A
caractersitca tcnica mais importante de uma caldeira sua presso de trabalho. Em
115
caldeiras de baixa e mdia presso, medida que o equipamento recebe calor de uma
fonte trmica, a gua presente no vaso se torna vapor saturado (FLORES, 2003). J as
caldeiras de alta presso trabalham com vapor em seu estado superaquecido,
apresentando maior eficincia energtica, tornado-a mais apropriada para a gerao de
energia eltrica, o que as tornam um modelo de maior valor agregado. A Figura 57
apresenta um esquema de funcionamento de uma caldeira aquatubular.


Figura 57 Esquema de funcionamento de uma caldeira aquatubular
Fonte: ALCKMIN et al (2008)

Por meio da queima do insumo (bagao de cana) na cmara de combusto,
obtm-se energia para a transformao da gua em vapor no interior da caldeira
(regio em verde). Por meio de uma linha de descarga o vapor direcionado a outras
etapas do processo.
Para gerao de energia eltrica, o vapor obtido pela queima de bagao de
cana nas caldeiras direcionado para uma turbina; o vapor superaquecido passa pelos
discos da turbina mantendo o eixo central do equipamento em rotao, a energia
116
mecnica obtida pela rotao aciona os geradores de energia que atravs de induo
magntica, transformam a energia mecnica em energia eltrica.

Difusor

Os difusores so equipamentos responsveis pela extrao do caldo da cana de
acar. Pelo processo de difuso, o caldo concentrado presente na cana desfibrada
extrado atravs do contato com a gua aquecida.
A Figura 58 apresenta um esquema simplificado do funcionamento de um
difusor. A regio em azul representa a gua de embebio. Na embebio injetado
vapor entre 75C a 90C, temperatura apropriada para extrao de sacarose.


Figura 58 Esquema de funcionamento de um difusor
Fonte: BASTOS NETO (2008)

A regio em verde, no esquema da Figura 58, representa a cana de acar
desfibrada que passa pelo difusor. Pelas canaletas, a embebio percorre o colcho de
cana, fazendo com que o concentrado de sacarose deixe as clulas desfibradas,
substncia em maior concentrao, e se acumule no lquido de embebebio
(inicialmente em menor concentrao), originando o caldo; uma substncia rica em
sacarose que recolhida no captador abaixo do difusor (BASTOS NETO, 2008).
117
5.2 O ESTUDO DE MERCADO

Um estudo de mercado tem o intuito de captar informaes relevantes a um
projeto de investimento, relacionando informaes econmicas, financeiras e tcnicas.
Neste tpico apresentado um panorama geral sobre o mercado, buscando obter
informaes das perspectivas de crescimento e concorrncia no setor, o que
contribuir para quantificao da incerteza inerente ao projeto.

5.2.1 Aspectos Gerais

O setor sulcroalcooreiro movimenta 2% do Produto Interno Bruto (PIB) do
Brasil. Esta grande participao na economia nacional est relacionada a posio do
pas neste seguimento; sendo o maior produtor e exportador de lcool etlico e acar
do mundo. O setor considerado o mais antigo da economia nacional, visto que a
cana-de-acar chegou ao pas ainda em seu perodo colonial e ganhou projeo
econmica com a produo de acar enviado a Portugal. Apesar de bastante
representativo em diversos perodos da economia nacional, o setor s iniciou sua
diversificao em 1931, quando o ento presidente Getlio Vargas decretou o
acrscimo de 5% de lcool na gasolina (OLIVEIRA e VASCONCELOS, 2006).
Em 1976 teve incio o Programa Nacional do lcool (Prolcool), marcado por
incentivos fiscais significativos que propiciaram desenvolvimento de tecnologia no
setor, porm a imagem do programa ficou abalada no fim dos anos 80 com falta do
combustvel no mercado, visto que a exportao do acar era mais lucrativa do que a
venda do combustvel no mercado nacional.
118
Nos ltimos anos a participao do setor na economia nacional foi
intensificada. Em 2002, com o lanamento dos carros com tecnologia Flex Fuel,
esenvolvida pela Bosch
8
, observou-se significativo crescimento do consumo do lcool
combustvel no pas (OLIVEIRA e VASCONCELOS, 2006). Hoje o nmero de
carros bicombustveis representa quase 90% dos carros vendidos no pas (RANGEL,
2007).
O lcool produzido a partir da cana-de-acar visto como um produto de
grande potencial, por se tratar de um biocombstivel e estima-se que seu consumo
deva crescer nos prximos anos. O processo de gerao do lcool brasileiro tomado
como uma referncia mundial. Quando comparado a processos produtivos que se
utilizam do milho, como nos EUA, China e ndia (MSANGI et al, 2006), a tecnologia
nacional para produo de lcool mostra-se mais eficiente e com custo mais baixo
(ZHANG et al, 2006).
Em 2007 as exportaes do lcool nacional alcanaram 3,6 bilhes de litros,
um leve crescimento em relao aos 3,4 bilhes exportados em 2006. Os Estados
Unidos so os maiores importadores de lcool, com 1,9 bilho de litros (900 milhes
diretamente comprados do Brasil e 1 bilho comprados de pases da Amrica
Central), seguidos pela Holanda, com 700 milhes, e Japo, com 380 milhes de
litros.
A ascenso do lcool brasileiro tem gerado interesse do mercado internacional,
fazendo com que o produto fosse destaque em uma matria do jornal americano The
New York Times que ressaltou a tecnologia brasileira e sua importncia para auto-
suficincia energtica do Brasil (ROTHER, 2006).

8
A empresa ganhou o prmio FINEP por inovao tecnolgica por este desenvolvimento.
119
O interesse norte-americano na agroindstria sucroalcooleira tambm pode ser
observado pela sua insero no grupo Santelisa Vale, da regio de Ribeiro Preto,
interior do estado de So Paulo. Em maro de 2007, a direo da empresa anunciou
uma sociedade com a Global Foods e o Carlyle Riverstone para criar a Companhia
Nacional de Acar e lcool (CNAA). A empresa dever investir R$ 2 bilhes de
reais nos prximos dois anos para erguer quatro usinas. Em julho de 2007, foi a vez
do banco americano Goldman Sachs investir 400 milhes de reais no Santelisa Vale
(CORREA, 2007).
Com o "boom" do lcool no mundo, o setor sucroalcooleiro do Brasil receber
novos investimentos, que contaro com forte financiamento estatal. Sero aplicados
US$ 19 bilhes at 2012 em pelo menos 86 novas usinas e ampliaes, e os
emprstimos do BNDES (Banco Nacional de Desenvolvimento Econmico e Social)
somaro at R$ 10 bilhes no perodo (SOARES, 2007). Em contrapartida o Instituto
de Pesquisa Econmica Aplicada do governo (IPEA) criticou a presena do BNDES
no setor, alegando instabilidade nos preos do produto, julgando que o mercado ainda
incerto (IPEA, 2008).
Segundo Pessoa (2008), alm do lcool, o mercado do acar refinado tambm
tem sido diferencial para a indstria sulcroalcooleira. Apesar da diminuio no
consumo mundial, os produtores nacionais vem oportunidades de negcio em pases
como China e Japo, que apresentam um consumo de acar abaixo da mdia (6
kg/habitante ano), substancialmente menor do que os Estados Unidos e a Unio
Europia (20 kg/habitante ano).
Junto a comercializao de produtos derivados da cana-de-acar, a venda de
energia eltrica pelas usinas sucroalcooleiras ao mercado de distribuio uma fonte
de receita potencial. Em 2003 o governo brasileiro criou o Programa de Incentivo s
120
Fontes Alternativas (PROINFRA). Tal programa tem como objetivo diversificar a
matriz energtica brasileira, buscando solues regionais por meio da implementao
de polticas para o desenvolvimento de novas fontes energticas como a biomassa,
pequenas centrais hidroeltricas e aplicaes em fontes elicas. No entanto percebe-se
que, apesar de seu potencial, o setor sulcroalcooleiro no apresentou a adeso
esperada ao programa. Segundo Souza e Azevedo (2006) o preo de compra pelo
MWh pago pela Eletrobrs ainda considerado pouco atrativo.
Visto um panorama geral sobre o mercado sulcroalcooleiro, a Figura 59
apresenta a quantidade em toneladas produzidas de cana-de-acar, desde o ano de
1900 at o ano de 2007.


Figura 59 Produo de cana-de-acar em tonelada
Fonte: Adaptado de IPEADATA (2008)

O ano de 2007 foi marcado por uma safra recorde, onde foram produzidas
cerca de 514.000.000 toneladas. Para 2008 o IBGE projeta uma produo no setor 9,3
% maior, superando o valor de 560.000.000 de toneladas (ABDALA, 2007).
121
Apesar das boas projees do IBGE o incio do ano de 2008 (perodo em que
est sendo realizada a anlise do projeto presente neste trabalho) comeou com um
sinal amarelo para os produtores e investidores. Ao menos em curto prazo, o mercado
do lcool frustrou os que acreditaram nas promessas de novo eldorado verde dos
negcios. A euforia de investidores e empresrios com o crescimento do setor,
iniciada em 2006, arrefeceu com a queda nos preos do produto no mercado interno e
com as dificuldades para a exportao, que no se abriu na velocidade alardeada pelo
governo; no mercado acredita-se que h excesso de oferta do produto, causada pela
safra recorde em 2007. Outro fator de influncia foi a produo recorde de
combustvel a partir do milho nos Estados Unidos que reduziu sua importao do
produto (LOBATO e SOARES, 2008).
Segundo informaes de empresrios, ao menos 25 projetos de implantao de
novas unidades industriais foram adiados ou reavaliados. H, no pas, 367 usinas em
funcionamento, com a previso de mais 29 entrarem em operao este ano e um
estudo indito, o BNDES admite a possibilidade de excedente de produo de 10%
at 2010, a depender da evoluo do preo da gasolina. A partir da, projeta-se um
longo ciclo de crescimento sustentado, principalmente, pelo mercado interno
(LOBATO e SOARES, 2008).

5.2.2 Mercado Alvo da Empresa

O grupo de investidores em questo acredita que os possveis projetos em
expanso, criao e reformas de usinas sucrooalcoleiras no Brasil sero valiosas
oportunidade de negcios.
122
Alm de atender ao mercado nacional, a tecnologia brasileira mostra-se
propicia exportao, j que os produtos nacionais tambm so diretamente
aplicveis ou adaptveis em sistemas agroindustriais onde o milho utilizado. O
Quadro 5 apresenta uma descrio dos principais mercados em questo:

Pas / Regio Tecnologia Empregada
Produo Anual de Etanol
(milhes de litros em 2005)
Brasil Cana-de-Acar 16500
EUA Milho 16230
China Milho 2000
Unio Europia Milho 950
ndia Milho 300
Canad Milho 250
Colmbia Cana-de-Acar 150
Tailndia Cana-de-Acar 60
Austrlia Cana-de-Acar 60
Quadro 5 Grandes produtores mundiais de etanol
Fonte: MSANG et al (2005)

Os responsveis pelo projeto de investimento afirmam que, alm dos pases
apresentados no estudo de Msang et al (2005), outros pases j aderiam ou devero
aderir produo de etanol em suas economias. No continente americano tem-se:
Argentina, Equador, Mxico, Paraguai, Peru, Venezuela e pases da Amrica Central
como Nicargua e El Salvador (onde h forte presena do grupo Cargil). Na frica
destacam-se a frica do Sul, Nigria e Angola.

5.2.3 Concorrncia no Setor

123
No Brasil existem grandes fabricantes de mquinas e equipamentos para as
usinas sucroalcooleiras; a maioria deles est concentrada no interior do estado de So
Paulo. A estrutura industrial neste segmento apresenta-se bastante verticalizada,
fazendo com que as empresas envolvidas trabalhem com produtos ou servios
bastante especficos de engenharia. As parcerias empresarias so bastante
contundentes; enquanto parte das empresas so responsveis pelo desenvolvimento de
projetos, outras so responsveis pela manufatura e aplicao dos produtos.
Algumas parcerias no se apresentam totalmente rgidas, onde possvel
encontrar um nico fabricante trabalhando simultaneamente com mais de uma
empresa responsvel pela execuo de projetos, sejam elas nacionais ou
internacionais.
Os responsveis pelo investimento consideram quatro grandes fabricantes
nacionais, como seus futuros concorrentes diretos. A Figura 60 apresenta uma
estimativa realizada pelos investidores sobre a situao atual do marketshare entre as
empresas envolvidas:


Figura 60 Estimativa da distribuio atual do mercado

124
Somando-se concorrncia nacional, existe a presena de empresas
internacionais no fornecimento de mquinas e equipamentos para produo de acar
e lcool. medida que a tecnologia de fabricao de etanol diversifica-se pelo
mundo, novas empresas podero surgir o que poder aumentar a volatilidade do setor.
Caso o projeto de investimento seja executado, de se esperar que a empresa
enfrente dificuldades para estabelecer-se no mercado, j que seus principais
concorrentes mostram-se empresas bem estruturadas. Com o intuito de superar as
possveis dificuldades para a comercializao de seus produtos, o grupo de
investidores tem em mente alguns itens estratgicos que devero delinear a poltica da
empresa em seus primeiros anos de trabalho:

Prazo de entrega reduzido

As empresas deste setor foram absorvidas por uma grande demanda do
mercado nacional e internacional nos ltimos anos. A demanda excedente elevou
significativamente o volume de produo do setor, culminando na maioria das vezes
em um alto prazo de entrega dos produtos acabados.
Os investidores entendem que trabalhar com prazos mais curtos de entrega
ser um bom diferencial competitivo para empresa, principalmente para negociaes
comerciais junto aos clientes.

Margem de contribuio reduzida frente aos concorrentes

A margem de contribuio um indicador de custeio que tem o intuito de
represntar as receitas obtidas pela venda de um produto, frente aos custos variveis
125
incorridos pela sua fabricao (MARTINS, 2003). Em termos gerais o conceito
margem de contribuio utilizado para representao do lucro obtido pela venda de
determinado produto.
Com intuito de firmarem-se no mercado, os investidores acreditam que ser
necessrio trabalhar com margens menores nos primeiros projetos, oferecendo preos
competitivos ao mercado.

Parcerias empresariais

Alm de um bom relacionamento junto a possveis parceiros nacionais, o
grupo de investidores mantm contato com uma empresa sul-africana que projeta
difusores e pretendem buscar novas parcerias com empresas internacionais.
As parcerias entre as empresas so encaradas como uma boa maneira de
angariar mercado, j que fortalece a empresa em negociaes comerciais e permitem
que os produtos fabricados possam ser oferecidos em diferentes mercados.

5.3 PROJEES DE ENGENHARIA E LOGSTICA DO PROJETO

5.3.1 Aspectos Logsticos

O empreendimento em questo ser realizado em Sertozinho, interior do
estado de So Paulo. A cidade apresenta sua economia voltada ao setor
sucroalcooleiro contemplando sete usinas e quase 500 empresas em atividade
126
(ERENO, 2006). Tal localizao propiciar fcil acesso a parceiros, fornecedores e
clientes do interior paulista.
Vizinha cidade de Ribero Preto, a regio conta com excelente infra-
estrutura. O acesso rodovirio bom, facilitando o fluxo dos produtos at o porto de
Santos, principal centro logstico de exportao industrial do pas.

5.3.2 A Engenharia do Projeto

De acordo com Rebelatto (2004) um projeto de investimento deve
compreender um estudo amplo de engenharia que retrate o sistema produtivo da
empresa, apresentando informaes claras e estruturadas sobre as escolhas por
processos de manufatura, equipamentos, capacidade produtiva e definies quanto a
fornecedores e mo-de-obra.
O grupo de investidores preferiu no divulgar de maneira completa as
informaes tcnicas do projeto, acreditando que devem ser mantidas como dados
sigilosos. Desta forma, este captulo apresenta exclusivamente as informaes
consideradas relevantes para a avaliao econmico-financeira do projeto, no se
referindo a maneira como foi estruturado e desenvolvido.
O centro fabril foi projetado para que sua capacidade mxima de produo seja
de 1560 toneladas por ano de produtos fabricados. Para tal, os investidores tm
interesse na compra de um galpo de 2.900 m
2
presente em um terreno de 24.600 m
2
.
Alm disso, os investidores vem a necessidade de uma rea livre adicional de 10.250
m
2
que contribuir para possveis expanses, medida que os resultados do
empreendimento sejam positivos.
127
A empresa dever contar inicialmente com 10 funcionrios para trabalhar na
parte administrativa e de engenharia. Estima-se que sero necessrios mais 25 para
trabalhar diretamente na produo industrial. Os investidores tambm devero
comprar mquinas e equipamentos para implementao de seu sistema de manufatura.
A Tabela 3 apresenta as estimativas iniciais do projeto:




















128
Tabela 3 Estimativas Iniciais do Projeto

Valor
Projetado
Especificao
Galpo 2900 m
2

Nele ser montado o centro fabril para
manufatura de equipamentos. Tambm conta
com escritrios para a rea administrativa.
rea Inicial 24600 m
2

Importante para logstica interna da empresa,
servindo como suporte para o centro fabril na
movimentao de produtos em processamento e
matria-prima.
Terreno Adicional 10250 m
2

Vizinho ao galpo, ser utilizado para uma
possvel expanso da empresa.
Guincho para
Movimentao
01
Ser utilizado para movimentao de grandes
cargas no galpo.


Mquina Curvadora de
Tubos
01
Ser utilizado no processo de conformao
mecnica de produtos em processamento.
Calandra 01
Ser utilizado no processo de conformao
mecnica de produtos em processamento.
Munk 01
Movimentao de material em processamento
em mdias distncias
Mquinas leves e
soldadoras
---
Processamento de material e juno de ligas
metlicas.

Material para escritrio,
mveis e computadores
---
Equipamentos diversos para realizao de
trabalhos tcnicos e administrativos.

Nmero de funcionrios
(mo-de-obra direta)
11
Nmero de funcionrios
(mo-de-obra indireta)
25
Capacidade de produo 1560 ton/ano
Vida econmica do projeto 15 anos


5.4 A ESTIMATIVA DE CUSTOS E RECEITAS DO PROJETO

Baseando-se em informaes de engenharia do projeto obtidas junto aos
responsveis pelo investimento, elaborou-se a Tabela 3, que apresenta estimativa
sobre o comportamento de receitas e dispndios de capital que o projeto, caso
executado, apresentar:
129
Tabela 4 Estimativa de receitas e custos anuais do projeto

Valor Esperado
Incerteza
Estimada
Depreciao
Restante
Galpo -R$ 2.000.000,00 3% 10 anos
rea Inicial -R$ 2.400.000,00 3%
no
deprecivel
Terreno Adicional -R$ 1.725.000,00 3%
no
deprecivel
Guincho para
Movimentao
-R$100.000,00 3% 10 anos
Mquina Curvadora
de Tubos
-R$150.000,00 3% 10 anos
Calandra -R$20.000,00 3% 10 anos
Munk -R$20.000,00 3% 10 anos
Mquinas leves e
soldadoras
-R$100.000,00 3% 10 anos
Investimento
Material para
escritrio, mveis e
computadores
-R$30.000,00 3% 10 anos
Estimativa de
demanda anual
1200 ton 30%
Receitas
Estimativa de preo
de venda
R$10.495,00 /ton 5%
Salrios e encargos
anuais com mo-de-
obra direta
-R$672.750,00 30%
Salrios encargos
anuais com mo-de-
obra indireta
-R$491.556,00 30%
Gastos anuais com
agua, energia e
telefone
-R$100.000,00 30%
Custos e
Despesas
Custos anuais gerais
de produo (matria-
prima e consumveis)
-R$7.623,75 /ton 5%
Impostos
Alquota de imposto a
ser pago
35% a.a.
No tratado
como incerto.
Valor Residual
9

Valor Residual do
empreendimento
R$ 4.725.000,00 20%
Rentabilidade
Desejada
Taxa mnima de
atratividade (TMA)
15,72% a.a. 6%




9
O valor residual do investimento corresponde a soma dos itens rea Inicial e Terreno Adicional da
tabela.
130
As informaes contidas na Tabela 4 esto divididas em quatro principais
grupos. O primeiro deles, o investimento, representa os ativos necessrios para que a
empresa seja implantada. Os demais fornecem informaes estimadas sobre as
receitas e dispndios de capital que a execuo do projeto trar, bem como a
rentabilidade desejada do projeto e sua carga tributria.
A coluna incerteza estimada de fundamental importncia para o estudo. Esse
indicador apresenta as possveis variaes que influenciaro no fluxo de caixa da
empresa no decorrer da vida econmica do investimento. A grande dificuldade para
quantificao destas incertezas que, apesar de existirem informaes relevantes
sobre o mercado, as mesmas apresentam-se pouco sistematizadas e organizadas,
dificultando a aplicao de ferramentas matemticas ou procedimentais para
represent-las numericamente. Desta forma, as faixas de valores incertos foram
estipuladas com base em informaes de mercado e reunies efetuadas junto aos
investidores, nas quais o feeling e experincia empresarial dos responsveis pelo
projeto apresentaram papel fundamental nestas estimativas.
Observa-se que as estimativas de incerteza para o investimento inicial so
variaes muito pequenas, isto porque os investimentos j foram cotados e acredita-se
que as possveis alteraes possam ocorrer por motivo de negociao ou pela forma
de pagamento do ativo. J as receitas, despesas e custos estimados apresentam uma
amplitude maior, visto que uma projeo para quinze anos contm alto grau de
imprevisibilidade.
A coluna depreciao consiste em representar contabilmente em quanto tempo
um determinado ativo imobilizado perde seu valor durante o uso. As depreciaes so
importantes, pois so computadas como custos ou despesas nas demonstraes de
131
resultados de uma empresa, o que diminui o lucro contbil, valor pelo qual incidem a
maioria dos tributos pagos pela empresa (PAMPLONA e MONTEVECHI, 2006).
O prximo tpico deste trabalho destina-se a uma breve considerao sobre as
implicaes sociais e ambientais que a execuo do projeto trar. Posteriormente
iniciada a avaliao econmico-financeira do projeto, que ser apresentada por meio
da aplicao do clculo determinstico do Valor Presente Lquido, da simulao de
Monte Carlo e do Valor Presente Lquido Fuzzy.

5.5 AS IMPLICAES SOCIAIS E AMBIENTAIS DO PROJETO

Caso o projeto seja realizado, sero criados 35 novos empregos; o quadro de
funcionrios tende a aumentar a medida com que a empresa atinja bons resultado.
Pela comercializao e manufatura dos produtos so esperadas outras contribuies
sociais, j que o fluxo de capital junto a clientes e fornecedores dever impactar
positivamente na economia regional.
Quanto as questes ambientais, no so observadas no setor empresas que
possuam a certificao ISO 14.001, a qual refere-se a implementao e controle de
um Sistema de Gesto Ambiental. Segundo Batalha (2008) tal sistema tem o objetivo
de avaliar e melhorar continuamente os processos inerentes a empresa buscando a
eliminao dos resduos descartados durante a vida til do empreendimento.
O grupo de investidores no entende que a implementao de um sistema de
gesto ambiental seja prioridade neste momento, pois os custos com a implementao
so altos e no se percebe, neste mercado, exigncias por parte de clientes nacionais e
internacionais por este tipo de certificao.

132
5.6 O CLCULO DO VPL DETERMINSTICO PARA A AVALIAO
ECONMICO-FINANCEIRA DO PROJETO DE INVESTIMENTO

Apresentado o projeto de investimento, inicia-se a etapa referente sua
avaliao econmico-financeira. Em geral este tipo de avaliao tem o objetivo de
quantificar aos investidores o resultado do investimento. Neste tpico ser
apresentado o clculo determinstico do VPL. Este modelo considera os componentes
de caixa do investimento valores absolutos, no sendo atribuda nenhuma
considerao sobre a incerteza presente. Os valores utilizados para elaborao dos
clculos foram apresentados na Tabela 4.
A primeira etapa para o clculo do VPL consiste em definir os componentes de
caixa do projeto: Investimento Total, Receita Anual Total, Custos e Despesas Anuais
Totais, Depreciao Anual Total e Valor Residual. A partir da, possvel obter o
fluxo de caixa ao longo da vida econmica do empreendimento, necessrio para
obteno do VPL.

5.6.1 O Investimento Total

O Investimento Total consiste na somatria de todos os valores gastos para
implementao e funcionamento da empresa:
(Eq. 5.1)
Investimento Total = Galpo + rea Inicial + Terreno Adicional + Guincho para
Movimentao + Mquina Curvadora de Tubos + Calandra + Munk + Mquinas
leves e soldadoras + Material para escritrio, mveis e computadores

Investimento Total = R$ 6.545.000,00 (Eq. 5.2)
133
5.6.2 Receita Anual Total

Tendo em mente que a comercializao de seus produtos ser a nica fonte de
receita da empresa, a Receita Anual Total composta pela multiplicao entre
Estimativa de Demanda e a Estimativa de preo de venda:

(Eq. 5.3)
Receita Anual Total = Estimativa de Demanda Estimativa de preo de venda

Receita Anual Total = R$ 12.594.000,00 (Eq. 5.4)

5.6.3 Custos e Despesas Anuais Totais

Os Custos e Despesas Anuais Totais representam todos os dispndios de
capital que o projeto trar aps sua realizao, excluindo-se os impostos a serem
pagos:
(Eq. 5.5)
Custos e Despesas Anuais Totais = [Estimativa de Demanda Custos gerais de
produo (matria-prima e consumveis)] + Salrios e encargos com mo-de-obra
direta + Salrios e encargos com mo-de-obra indireta + gua, energia e telefone

Custos e Despesas Totais = R$ 10.412.806,00 (Eq. 5.6)

134
5.6.4 O Fluxo de Caixa antes dos Impostos

A partir das estimativas apresentadas sobre o projeto de investimento,
possvel calcular o fluxo de caixa anual que o projeto apresentar antes da tributao:

(Eq. 5.7)
Fluxo de Caixa antes dos Impostos = Receita Anual Total +- Custos e Despesas
Anuais Totais

Fluxo de Caixa antes dos Impostos = R$ 2.181.194,00 (Eq. 5.8)

5.6.5 Depreciao Total Anual

Apesar de um bom indicador para expor a diferena entre receitas e dispndios
de capitais estimadas para um projeto de investimento, o Fluxo de Caixa antes dos
Impostos por si s no representativo para avaliao de um projeto, j que no leva
em considerao as depreciaes, amortizaes e impostos, os quais apresentaro
influncia no resultado anual do empreendimento.
As amortizaes no fazem parte do estudo, j que os investidores com capital
trabalharo exclusivamente com capital prprio, no havendo interesse de usar
alguma forma de financiamento
10
para o projeto. Quanto as depreciaes, denominou-
se um indicador chamado Depreciao Anual Total que consiste em representar

10
Apesar de no haver intuito dos investidores por capital de terceiros, o uso de financiamentos e
emisso de ttulos de dvida podem ser alternativas interessantes para empresas; os juros pagos em
emprstimos e financiamentos so dedutveis do imposto de renda, o que alguns casos podem ser
alternativas para maximizao dos resultados financeiros de uma empresa(GITMAN, 2002)
135
anualmente o quanto os ativos imobilizados perderam seu valor segundo as instrues
normativas da Receita Federal (1998).
Conforme apresentado na Tabela 4, os ativos depreciveis apresentam vida
contbil de 10 anos. Assim a parcela de depreciao anual em um perodo de 1 a 10
anos calculada por:

(Eq. 5.9)
Depreciao Anual Total = (Galpo + Guincho para Movimentao + Mquina
Curvadora de Tubos + Calandra + Munk + Mquinas leves e soldadoras + Material
para escritrio, mveis e computadores) / 10

Depreciao Anual Total = R$ 242.000,00 (Eq. 5.10)

Anualmente at o dcimo ano de vida econmica da empresa, ser possvel
deduzir, para o clculo do imposto a ser pago, o valor das depreciaes do lucro
tributvel. Pelo escopo do projeto, a partir do dcimo primeiro ano esse benefcio
cessar, fazendo com que o valor pago em impostos seja maior.

5.6.6 O Fluxo de Caixa aps os Impostos

Utilizando-se do conceito de depreciao possvel calcular o fluxo de caixa
que o projeto de investimento apresentar do primeiro ao dcimo ano aps sua
execuo. Conforme apresentado na Tabela 4, a alquota de imposto utilizada ser
35% a.a.:

136
(Eq. 5.11)
Fluxo de Caixa aps os Impostos (1 a 10 anos) = Fluxo de Caixa antes dos Impostos
Alquota de Imposto [Fluxo de Caixa antes dos Impostos + Depreciao Anual
Total]
(Eq. 5.12)
Fluxo de Caixa aps os Impostos (1 a 10 anos) = R$ 1.502.476,10

Para o clculo do fluxo de caixa do dcimo primeiro ao dcimo quinto ano as
depreciaes foram finalizadas, de maneira que:
(Eq. 5.13)
Fluxo de Caixa aps os Impostos (11 a 15 anos) = Fluxo de Caixa antes dos Impostos
[Alquota de Imposto Fluxo de Caixa antes dos Impostos]

(Eq. 5.14)
Fluxo de Caixa aps os Impostos (11 a 15 anos) = R$ 1.417.776,10

5.6.7 O Clculo do VPL determinstico

Organizado os dados que compem financeiramente o projeto possvel
calcular o VPL resultante caso o investimento seja realizado. Utilizando-se a
formulao apresentada no captulo 3 tem-se:
(Eq. 5.15)
VPL = Investimento Total +

=
(

+
10
1
) 1 (
10 1
j
j
TMA
anos) a s ( os imposto aixa aps Fluxo de C

137
+

=
(

+
15
11
) 1 (
15 11
j
j
TMA
anos) a s ( os imposto aixa aps Fluxo de C
+
15
) 1 ( TMA
residual Valor
+


VPL= R$ 2.407.071,12 (Eq. 5.16)

O Valor residual do investimento, R$ 4.725.000,00, e a TMA, 15,72% a.a.,
foram extrados da Tabela 4. A taxa mnima de atratividade adotada apresenta valor
4% maior do que a taxa de juros Selic
11
mdia que o mercado apresentou no ms de
janeiro de 2008, considerada por muitos investidores como a taxa de remunerao de
capital mais segura no mercado financeiro nacional.
O resultado do clculo do VPL mostra que o investimento vivel. Caso o
grupo de investidores realize o projeto, de se esperar uma remunerao sobre o
capital investido de 15,72% a.a. mais um lucro adicional R$ 2.407.071,1.
Apesar do resultado positivo, a aceitao ou no do investimento, baseando-se
no resultado do VPL determinstico, pode no ser suficiente para uma anlise concisa
sobre o investimento. Ao longo de 15 anos os valores que compem o fluxo de caixa
estimado do empreendimento certamente apresentaro variaes. Nos prximos
tpicos sero apresentados os mtodos de avaliao que permitem contemplar a
incerteza presente no investimento.

5.7 A AVALIAO ECONMICO-FINANCEIRA DO PROJETO DE
INVESTIMENTO UTILIZANDO A SIMULAO DE MONTE-CARLO


11
A Taxa Selic mdia em Janeiro de 2008 foi 11,72% a.a.
www.bacen.gov.br
138
Baseando-se no fluxograma apresentado na Figura 12 inicia-se a aplicao do
mtodo de Monte Carlo no clculo do Valor Presente Lquido. O primeiro passo
consiste na resoluo determinstica do problema, apresentada no tpico anterior. Os
clculos foram efetuados por meio de uma planilha eletrnica elaborada no
Microsoft Excel, onde foi estruturada a base de clculo para a simulao.

5.7.1 Atribuio de distribuies de probabilidades junto s variveis
independentes

Aps a resoluo determinstica do modelo, as variveis que compem o
clculo do VPL devem ser tratadas como variveis independentes e em cada uma
delas devem ser atribudas distribuies de probabilidade, as quais tm o intuito de
representar as incertezas inerentes ao projeto.
Todas as incertezas sero tratadas como distribuies normais de
probabilidade, isto porque no h histrico algum sobre as variveis que possam ser
considerados na anlise. Em situaes como essa, a opo por distribuies de
probabilidade mais sofisticadas ou assimtricas poderia distorcer o resultado, j que
estipular os parmetros que definem o comportamento matemtico destas funes no
uma tarefa simples.
A representao das incertezas presentes de maneira estatstica foi baseada nos
conceitos do teorema de Tchebichev, onde o comportamento de uma distribuio de
probabilidade normal descrito em funo de sua mdia () e de seu desvio-padro
() (TRIOLA, 1999), como apresentado na Figura 61.

139

Figura 61 O teorema de Tchebichev ou regra emprica
Fonte: Adaptado de TRIOLA (1999)


Quanto maior a faixa de desvios-padro considerados a partir de um valor
mdio, maior a probabilidade de que um elemento de uma amostragem ou
populao esteja representado dentro desta faixa. Neste contexto admitir-se- que a
faixa de incerteza que compe cada componente de caixa do projeto de investimento
sejam informaes que apresentem um intervalo de confiana de 95%.
A faixa de incerteza apresentada na Tabela 4 corresponder a um intervalo
total de 2 desvios-padro em relao mdia (-2,+2). Assim, para a varivel que
representa o investimento no Galpo tem-se:

Galpo
= valor esperado do investimento no Galpo (Eq. 5.17)
Galpo
= R$ 2.000.000,00 (Eq. 5.18)

140
(Eq. 5.19)
4
mxima) estimada incerteza mnima) estimada incerteza [(1 ] + [(1 ] +
=
Galpo Galpo
Galpo



4
)] 2000000 ) 03 , 0 1 [( ] 2000000 ) 03 , 0 1 [( +
=
Galpo
(Eq. 5.20)

Galpo
= R$ 30.000,000 (Eq. 5.21)

A partir da obteno de
Galpo
e
Galpo
possvel parametrizar a distribuio
de probabilidades normal (N) que representa a varivel incerta Galpo:

) , (
Galpo Galpo Galpo
N (Eq. 5.22)

) 30000 , 2000000 (
Galpo
N (Eq. 5.23)

De maneira anloga, o mesmo procedimento deve ser utilizado para obter as
distribuies de probabilidade que representaro as outras variveis incertas do
investimento, culminando na Tabela 5:








141
Tabela 5 Variveis independentes para execuo da Simulao de Monte Carlo
Distribuio normal
de probabilidade (N)
Mdia () Desvio Padro ()
Galpo -R$ 2.000.000,00 R$ 30.000,000
rea Inicial -R$ 2.400.000,00 R$ 36.000,000
Terreno Adicional -R$ 1.725.000,00 R$ 25.875,000
Guincho para
Movimentao
-R$100.000,00 R$ 1.500,000
Mquina Curvadora
de Tubos
-R$150.000,00 R$ 2.250,000
Calandra -R$20.000,00 R$ 300,000
Munk -R$20.000,00 R$ 300,000
Mquinas leves e
soldadoras
-R$100.000,00 R$ 1.500,000
Investimento
Material para
escritrio, mveis e
computadores
-R$30.000,00 R$ 450,000
Estimativa de
demanda anual
1200 ton R$ 180,000
Receitas
Estimativa de preo
de venda
R$10.495,00 /ton R$ 262,375
Salrios e encargos
anuais com mo-de-
obra direta
-R$672.750,00 R$ 100.912,500
Salrios encargos
anuais com mo-de-
obra indireta
-R$491.556,00

R$ 73.733,400

Gastos anuais com
agua, energia e
telefone
-R$100.000,00 R$ 15.000,000
Custos e
Despesas
Custos anuais gerais
de produo (matria-
prima e consumveis)
-R$7.623,75 /ton R$ 190,594 / ton
Impostos
Alquota de imposto a
ser pago
35% a.a.
No tratado como
incerto.
Valor Residual
Valor Residual do
empreendimento
R$ 4.725.000,00 R$ 472.500,000
Rentabilidade
Desejada
Taxa mnima de
atratividade (TMA)
15,72% a.a. 3,00% a.a.


142
Neste trabalho, toda a operacionalizao da simulao de Monte Carlo
realizada por meio do software Crystall Ball. Tal programa funciona acoplado ao
Microsoft Excel e permite boa interface e aplicabilidade para executar problemas de
carter estatstico onde seja usada a gerao de nmeros aleatrios.
Para executar a simulao da varivel dependente VPL necessrio atribuir,
por meio do software, as distribuies de probabilidade em cada varivel
independente que compe o projeto de investimento. A Figura 62 mostra o uso do
Crystall Ball para insero dos parmetros da distribuio de probabilidade da
varivel independente Galpo na planilha de clculo, que se constituem na mdia,
desvio-padro e intervalo de confiana adotado (95%).


Figura 62 Definio da varivel Galpo na simulao utilizando o Crystall Ball

5.7.2 Atribuio dos nmeros aleatrios e execuo da simulao

143
Para prosseguir no desenvolvimento da simulao necessrio definir a
quantidade de nmeros aleatrios que sero utilizados para calcular a varivel
dependente. Os nmeros aleatrios sero gerados de maneira que obedeam s
distribuies de probabilidade associadas a cada varivel independente.
O Crystall Ball solicita que sejam definidas as quantidades de cenrios que
sero gerados. Para esta aplicao o nmero estipulado de 30.000. Como ao todo
existem 17 variveis independentes, a reposta obtida a partir da simulao ser
baseada em 510.000 nmeros aleatrios gerados.
Aps construda a planilha, definida as distribuies de probabilidade das
variveis independentes e a quantidade de nmeros aleatrios a ser utilizada, a
simulao executada.

5.7.3 Resultados da simulao

O resultado da simulao de Monte Carlo uma distribuio de probabilidades
que representa o Valor Presente Lquido do projeto. A Figura 63 apresenta o
histograma gerado pela simulao.
144

Figura 63 VPL obtido como resultado da simulao

O software Crystall Ball propicia que a probabilidade cumulativa seja
calculada. A probabilidade de que o VPL seja maior ou menor do que 0 (reas em azul
e vermelho no histograma gerado) so informaes relevantes pois representam o
provvel resultado deste investimento.
Pelo indicador Certainly da Figura 63, observa-se que a probabilidade do VPL
ser maior do que 0 82%. Desta forma a probabilidade de insucesso do
empreendimento :

P(VPL0) = 0,8200 (Eq. 5.24)
P(VPL<0) = 1 0,8200 (Eq. 5.25)
P(VPL<0) = 18,00% (Eq. 5.26)

Alm de oferecer o clculo da probabilidade de sucesso ou insucesso do
investimento, o software utilizado permite que seja extrado um grande nmero de
informaes estatsticas sobre a simulao. As mais importantes so apresentadas na
Figura 64.
145

Figura 64 Indicadores estatsticos obtidos atravs da simulao

As informaes consideradas relevantes para este trabalho so o indicadores
Mean, que representa o VPL mdio obtido pela simulao, o Range Minimun e o
Range Maximun, que representam respectivamente o menor e o maior valor de VPL
gerado pela combinao das variveis independentes durante a simulao.
A Tabela 6 faz um sntese sobre as principais informaes obtidas pela
aplicao do mtodo de Monte Carlo aplicado varivel VPL, que servir como base
para comparao de resultados junto ao VPL
fuzzy
.

Tabela 6 Resultados obtidos pela aplicao da Simulao de Monte Carlo

Valor mnimo
(VPL
min
)
Valor esperado
(VPL
esperado
)
Valor mximo
(VPL
mx
)
Probabilidade de
insucesso
Mtodo de
Monte Carlo
-R$ 6.020.086,14 R$ 2.610.450,81 R$ 23.801.229,71 18,00%

Diferentemente dos resultados obtido pela aplicao do VPL determinstico, os
resultados obtidos pela aplicao do mtodo de Monte Carlo consideram as faixas de
incerteza estimada. Por meio da aplicao deste mtodo possvel obter a informao
de que existe probabilidade de insucesso econmico-financeiro do empreendimento,
calculada em 18%. Sabe-se que o valor mais provvel para o VPL R$ 2.610.450,81
146
e se as variveis se comportarem da pior forma haver um prejuzo de R$
6.020.086,14.
A incluso das incertezas em um modelo de anlise apresenta informaes
relevantes aos investidores e ganham importncia em estudos onde so comparados
vrios projetos de investimento, pois propicia o uso de uma quantidade maior de
ferramentas matemticas para comparao.
A aplicao do mtodo de Monte Carlo apresenta novas informaes para a
anlise que servem de subsdios para a deciso a ser tomada; porm a opo pela
realizao ou no de um investimento estritamente pessoal e depende do grau de
averso incerteza e ao risco de cada investidor. Na economia poucos so os
investimentos tratados como totalmente certos; medida que a rentabilidade desejada
aumenta, os investimentos podem se tornar mais incertos. Caso os investidores
acreditem que a probabilidade de insucesso aceitvel o investimento dever ser
realizado. Caso a opinio seja de que esta probabilidade alta, uma possvel opo
seria rever a TMA utilizada, e possivelmente decidir por outra alternativa, como por
exemplo, investimentos em renda fixa.

5.8 A AVALIAO ECONMICO-FINANCEIRA DO PROJETO DE
INVESTIMENTO UTILIZANDO VPL FUZZY


Prosseguindo com os mtodos para a avaliao econmico-financeira, inicia-
se a estruturao para o uso do VPL
fuzzy
, que apresenta-se organizada em trs etapas:
fuzzificao das variveis de entrada, clculo e defuzzificao.
Todas as etapas de clculo foram elaboradas utilizando o Microsoft Excel,
que embora no apresente nenhuma funo especfica para aplicao da lgica Fuzzy
147
mostrou-se suficiente para a execuo do estudo. A opo pelo uso do Excel tem o
intuito de contemplar um dos objetivos centrais do trabalho: o de divulgar e promover
o uso da matemtica Fuzzy em aplicaes prticas e acadmicas da Engenharia de
Produo, visto que este software , sem dvida, um dos mais utilizados nesta rea da
engenharia.

5.8.1 A fuzzificao das variveis

Por meio da fuzzificao possvel transformar os conceitos incertos que
esto presentes nas variveis que compem o investimento em nmeros Fuzzy. As
informaes sobre cada varivel apresentadas na Tabela 4, sero utilizadas como os
parmetros para obteno dos nmeros Fuzzy.
A varivel que representa o investimento no Galpo, por exemplo, apresenta
valor esperado em R$ 2.000.000,00 e a incerteza estipulada corresponde a 3%. A
partir destas informaes possvel obter o nmero triangular Fuzzy correspondente:


Galpo
fuzzy
= (Galpo
1
, Galpo
2
, Galpo
3
) (Eq. 5.27)

Galpo
2
= valor esperado do investimento no Galpo (Eq. 5.28)


Galpo
2
=

R$ 2.000.000,00 (Eq. 5.29)

Galpo
1
= Galpo
2
(1 + incerteza mxima estimada) (Eq. 5.30)
Galpo
1
=

2000000 (1 + 0,03) (Eq. 5.31)
148
Galpo
1
=

R$ 2.060.000,00 (Eq. 5.32)

Galpo
3
= Galpo
2
(1 - incerteza mnima estimada) (Eq. 5.33)
Galpo
3
=

2000000 (1 0,03) (Eq. 5.34)
Galpo
3
=

R$ 1.940.000,00 (Eq. 5.35)

Assim tem-se:
Galpo
fuzzy
= ( R$ 2.060.000, R$ 2.000.000, R$ 1.940.000) (Eq. 5.36)

Utilizando a representao por -cut apresentada na captulo 4 tem-se:

Galpo
fuzzy
= [Galpo
l()
, Galpo
r()
]

Galpo
l()
= (Galpo
2
Galpo
1
) + Galpo
1
(Eq. 5.37)
Galpo
l()
= ( 2000000 + 2060000) 2060000 (Eq. 5.38)
Galpo
l()
= 60000 2060000 (Eq. 5.39)

Galpo
r()
= (Galpo
3
Galpo
2
) + Galpo
3
(Eq. 5.40)
Galpo
r()
= (1940000

2000000) 1940000 (Eq. 5.41)
Galpo
r()
= 60000 1940000 (Eq. 5.42)

De maneira anloga, o mesmo procedimento deve ser utilizado para obter os
valores fuzzificados que representaro as outras variveis incertas do investimento,
culminando na Tabela 7.

149
Tabela 7 Variveis fuzzificadas para o clculo do Valor Presente Lquido Fuzzy

Nmero fuzzy l() r()
Galpo 60000x 2060000 60000x 1940000
rea Inicial 72000x 2472000 72000x 2328000
Terreno Adicional 51750x 1776750 51750x 1673250
Guincho para
Movimentao
3000x 103000 3000x 97000
Mquina Curvadora
de Tubos
4500x 154500 4500x 145500
Calandra 600x 20600 600x 19400
Munk 600x 20600 600x 19400
Mquinas leves e
soldadoras
3000x 103000 3000x 97000
Investimento
Material para
escritrio, mveis e
computadores
900x 30900 900x 29100
Estimativa de
demanda anual
360x + 840 360x +1560
Receitas
Estimativa de preo
de venda
524,75x + 9970,25 524,75x +11019,75
Salrios e encargos
anuais com mo-
de-obra direta
201825x 874575 201825x 470925
Salrios encargos
anuais com mo-
de-obra indireta
147466,80x
639022,80
147466,80x
344089,20
Gastos anuais com
agua, energia e
telefone
30000x 130000 30000x 70000
Custos e
Despesas
Custos anuais
gerais de produo
(matria-prima e
consumveis)
381,19x 8004,94 381.19x 7242,56
Impostos
Alquota de imposto
a ser pago
No tratado como incerto.
Valor Residual
Valor Residual do
empreendimento
4725000x 3780000 945000x+ 5670000
Rentabilidade
Desejada
Taxa mnima de
atratividade (TMA)
0,060x + 0,097 0,060x + 0,217


150
5.8.2 O clculo do VPL
fuzzy


Para realizao do clculo necessrio executar algumas operaes
intermedirias de modo que as variveis sejam organizadas. Conceitualmente, as
operaes seguintes seguem o modelo determinstico apresentado no item 5.5.7,
porm nos clculos a seguir as variveis encontram-se em sua forma Fuzzy.

Investimento Total

A primeira etapa consiste em obter um nmero Fuzzy que represente todo
investimento necessrio para execuo do projeto:
(Eq. 5.43)
Investimento Total
fuzzy
= [Investimento Total
l()
, Investimento Total
r()
]

(Eq. 5.44)
Investimento Total
l()
= Galpo
l()
+ rea Inicial
l()
+ Terreno Adicional
l()
+
Guincho para Movimentao
l()
+ Mquina Curvadora de Tubos
l()
+ Calandra
l()
+
Munk
l()
+ Mquinas leves e soldadoras
l()
+ Material para escritrio, mveis e
computadores
l()

(Eq. 5.45)
Investimento Total
r()
= Galpo
r()
+ rea Inicial
r()
+ Terreno Adicional
r()
+
Guincho para Movimentao
r()
+ Mquina Curvadora de Tubos
r()
+ Calandra
r()

+ Munk
r()
+ Mquinas leves e soldadoras
r()
+ Material para escritrio, mveis e
computadores
r()

151
Receita Anual Total

Prosseguindo com os clculos, necessrio obter a receita total que o
empreendimento apresentar em sua representao Fuzzy, descrita pelas equaes
abaixo:
(Eq. 5.46)
Receita Anual Total
fuzzy
= [Receita Anual Total
l()
, Receita Anual Total
r()
]

(Eq. 5.47)
Receita Anual Total
l()
= Estimativa de demanda anual
l()
Estimativa de preo de
venda
l()

(Eq. 5.48)
Receita Anual Total
r()
= Estimativa de demanda anual
r()
Estimativa de preo de
venda
r()


Custos e Despesas Anuais Totais

Os custos e despesas totais anuais representam todo dispndio de capital que
sero gerados ao longo da vida econmica do projeto aps a sua execuo:
(Eq. 5.49)
Custos e Despesas Anuais Totais
fuzzy
= [Custos e Despesas Anuais Totais
l()
,
Custos e Despesas Anuais Totais
r()
]



152
(Eq. 5.50)
Custos e Despesas Anuais Totais
l()
= [Estimativa de demanda anual
l()
Custos
anuais gerais de produo

(matria-prima e consumveis)
l()
] + Salrios e encargos
com mo-de-obra direta
l()
+ Salrios e encargos com mo-de-obra indireta
l()
+
gua, energia e telefone
l()


(Eq. 5.51)
Custos e Despesas Anuais Totais
r()
= [Estimativa de demanda anual
r()
Custos
anuais gerais de produo

(matria-prima e consumveis)
r()
] + Salrios e encargos
com mo-de-obra direta
r()
+ Salrios e encargos com mo-de-obra indireta
r()
+
gua, energia e telefone
r()


O Fluxo de Caixa antes dos impostos

Assim como no clculo do VPL determinstico, o fluxo de caixa antes dos
impostos obtido pela combinao entre receitas e sadas de caixa ao longo da vida
econmica do projeto:

(Eq. 5.52)
Fluxo de Caixa antes dos impostos
fuzzy
= [Fluxo de Caixa antes dos impostos
l()
,
Fluxo de Caixa antes dos impostos
r()
]
(Eq. 5.53)
Fluxo de Caixa antes dos impostos
l()
= Receita Anual Total
l()
+ Custos e
Despesas Anuais Totais
l()

153
(Eq. 5.54)
Fluxo de Caixa antes dos impostos
r()
= Receita Anual Total
r()
+ Custos e
Despesas Anuais Totais
r()


Depreciao Anual Total

A contabilizao da Depreciao Anual Total obtida pela somatria dos
valores investidos em ativos depreciveis para execuo do projeto divididos pelo
perodo de depreciao, neste projeto, de 10 anos:
(Eq. 5.55)
Depreciao Anual Total
fuzzy
= [Depreciao Anual Total
l()
, Depreciao Anual
Total
r()
]
(Eq. 5.56)
Depreciao Anual Total
l()
= (Galpo
l()
+ Guincho para Movimentao
l()
+
Mquina Curvadora de Tubos
l()
+ Calandra
l()
+ Munk
l()
+ Mquinas leves e
soldadoras
l()
+ Material para escritrio, mveis e computadores
l()
) / 10

(Eq. 5.57)
Depreciao Anual Total
r()
= (Galpo
r()
+ Guincho para Movimentao
r()
+
Mquina Curvadora de Tubos
r()
+ Calandra
r()
+ Munk
r()
+ Mquinas leves e
soldadoras
r()
+ Material para escritrio, mveis e computadores
r()
) / 10

Fluxo de Caixa aps os Impostos

154
Obtidos os nmeros Fuzzy que representam o valor deprecivel dos ativos
imobilizados, possvel obter o fluxo de caixa aps os impostos. Conforme
apresentado, as depreciaes so factveis at o dcimo ano de projeto, desta forma o
Fluxo de Caixa aps os Impostos representado por dois nmeros Fuzzy distintos: o
primeiro se refere ao perodo de 1 a 10 anos de projeto e o segundo de 11 a 15 anos.
(Eq. 5.58)
Fluxo de Caixa aps os Impostos (1 a 10 anos)
fuzzy
= [Fluxo de Caixa aps os
Impostos (1 a 10 anos)
l()
, Fluxo de Caixa aps os Impostos (1 a 10 anos)
r()
]

(Eq. 5.59)
Fluxo de Caixa aps os Impostos (1 a 10 anos)
l()
= Fluxo de Caixa antes dos
Impostos
l()
- Alquota de Imposto [Fluxo de Caixa antes dos Impostos
l()
+
Depreciao Anual Total
l()
]
(Eq. 5.60)
Fluxo de Caixa aps os Impostos (1 a 10 anos)
r()
= Fluxo de Caixa antes dos
Impostos
r()
- Alquota de Imposto [Fluxo de Caixa antes dos Impostos
r()
+
Depreciao Anual Total
r()
]

Vale ressaltar que a Alquota de Imposto no considerada neste trabalho
como uma varivel incerta, portanto no um nmero Fuzzy. Trata-se de uma
constante que multiplica todos os valores obtidos pela a adio entre Fluxo de Caixa
antes dos Impostos
fuzzy
e a Depreciao Anual Total
fuzzy
:
(Eq. 5.61)
155
Fluxo de Caixa aps os Impostos (1 a 10 anos)
l()
= Fluxo de Caixa antes dos
Impostos
l()
- 0,35 [Fluxo de Caixa antes dos Impostos
l()
+ Depreciao Anual
Total
l()
]

(Eq. 5.62)
Fluxo de Caixa aps os Impostos (1 a 10 anos)
r()
= Fluxo de Caixa antes dos
Impostos
r()
- 0,35 [Fluxo de Caixa antes dos Impostos
r()
+ Depreciao Anual
Total
r()
]
A Figura 65 traz a representao grfica do Fluxo de Caixa aps os Impostos
(1 a 10 anos)
fuzzy
:

Fluxo de Caixa Depois de Impostos (1 a 10 anos)
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
R$ 0,00 R$
500.000,00
R$
1.000.000,00
R$
1.500.000,00
R$
2.000.000,00
R$
2.500.000,00
R$
3.000.000,00
R$
3.500.000,00
R$
4.000.000,00
Fluxo de Caixa Depois de Impostos 1 a 10 anos L() Fluxo de Caixa Depois de Impostos 1 a 10 anos R()

Figura 65 Fluxo de caixa Fuzzy para o perodo de 1 a 10 anos


No perodo entre 11 e 15 anos de investimento, o fluxo de caixa aps os
impostos obtido por:

(Eq. 5.63)
Fluxo de Caixa aps os Impostos (11 a 15 anos)
fuzzy
= [Fluxo de Caixa aps os
Impostos (11 a 15 anos)
l()
, Fluxo de Caixa aps os Impostos (11 a 15 anos)
r()
]
156

(Eq. 5.64)
Fluxo de Caixa aps os Impostos (11 a 15 anos)
l()
= (1 0,35) Fluxo de Caixa
antes dos Impostos
l()



(Eq. 5.65)
Fluxo de Caixa aps os Impostos (11 a 15 anos)
r()
= (1 0,35) Fluxo de Caixa
antes dos Impostos
r()



Fluxo de Caixa Depois de Impostos (11 a 15 anos)
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
R$ 0,00 R$
500.000,00
R$
1.000.000,00
R$
1.500.000,00
R$
2.000.000,00
R$
2.500.000,00
R$
3.000.000,00
R$
3.500.000,00
R$
4.000.000,00
Fluxo de Caixa Depois de Impostos 11 a 15 anos L()
Fluxo de Caixa Depois de Impostos 11 a 15 anos R()

Figura 66 Fluxo de caixa Fuzzy para o perodo de 11 a 15 anos


O Valor Presente Lquido Fuzzy

Obtida a representao Fuzzy para o fluxo de caixa, aplicam-se os conceitos
apresentados na equao do captulo 4:


VPL
fuzzy
= [VPL
fuzzy

l()
, VPL
fuzzy

r()
] (Eq. 5.66)

157
(Eq. 5.67)
VPL
fuzzy
l()
= [Investimento Total
l()
] +

=
10
0 j
[max(Fluxo de Caixa aps os Impostos
(1 a 10 anos)
l()
, 0) / (1 + TMA
r()
)
j
) + min(Fluxo de Caixa aps os Impostos (1 a 10
anos)
l()
, 0) / (1 + TMA
l()
)
j
)] +

=
15
11 j
[max(Fluxo de Caixa aps os Impostos (11 a
15 anos)
l()
, 0) / (1 + TMA
r()
)
j
) + min(Fluxo de Caixa aps os Impostos (11 a 15

anos)
l()
, 0) / (1 + TMA
l()
)
j
)] + [(Valor Residual
l()
) / (1 + TMA
r()
)
15
]

(Eq. 5.68)
VPL
fuzzy
r()
= [Investimento Total
r()
] +

=
10
0 j
[max(Fluxo de Caixa aps os Impostos
(1 a 10 anos)
r()
, 0) / (1 + TMA
l()
)
j
) + min(Fluxo de Caixa aps os Impostos (1 a 10
anos)
r()
, 0) / (1 + TMA
rl()
)
j
)] +

=
15
11 j
[max(Fluxo de Caixa aps os Impostos (11 a
15 anos)
r()
, 0) / (1 + TMA
l()
)
j
) + min(Fluxo de Caixa aps os Impostos (11 a 15

anos)
r()
, 0) / (1 + TMA
r()
)
j
)] + [(Valor Residual
r()
) / (1 + TMA
l()
)
15
]

A Figura 67 traz a representao grfica do Valor Presente Lquido calculado
para este projeto de investimento.

158
VPL fuzzy
-R$ 6.177.171,30 R$ 20.729.644,92
R$ 2.407.071,12
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
-R$
10.000.000,00
-R$
5.000.000,00
R$ 0,00 R$
5.000.000,00
R$
10.000.000,00
R$
15.000.000,00
R$
20.000.000,00
R$
25.000.000,00
VPL fuzzy anos L() VPL fuzzy R()

Figura 67 Valor Presente Lquido Fuzzy do projeto de investimento


5.8.3 A defuzzificao do Valor Presente Lquido Fuzzy

O valor mais possvel para o VPL
fuzzy


Para representar as variveis obtidas em variveis reais passveis de
interpretao, inicia-se a etapa de defuzificao. Por meio da aplicao do mtodo do
Centro da rea possvel obter o valor do VPL de maior possibilidade no domnio
real:
) (
) (
*
1
1
fuzzy
N
j
N
j
fuzzy
j
fuzzy
VPL
VPL VPL
VPL

=
=

(Eq. 5.69)

Em que:
N o nmero de iteraes a serem realizadas;
(VPL
fuzzy
) a funo que descreve a pertinncia do
fuzzy
VPL .
159

Utilizando-se N = 40 o obtido o valor defuzzificado:

VPL* = R$ 3.153.147,04

A Figura 68 representa o valor mais possvel obtido pela defuzzificao:

VPL fuzzy - Valor Defuzzificado
R$ 3.153.147,04
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
-R$
10.000.000,00
-R$
5.000.000,00
R$ 0,00 R$
5.000.000,00
R$
10.000.000,00
R$
15.000.000,00
R$
20.000.000,00
R$
25.000.000,00
VPL fuzzy anos L() VPL fuzzy R() VPL defuzificado

Figura 68 Defuzzificao do Valor Presente Lquido Fuzzy do projeto de investimento

Pior e melhor situaes possveis para o investimento

O pior resultado que o investimento poder apresentar segundo esta aplicao
da lgica Fuzzy obtida pelo valor de igual a 0 na funo VPL
fuzzy
l()
.



(Eq. 5.70)
160
VPL
fuzzy
l(0)
= [Investimento Total
l(0)
] +

=
10
0 j
[max(Fluxo de Caixa aps os Impostos
(1 a 10 anos)
l(0)
, 0) / (1 + TMA
r(0)
)
j
) + min(Fluxo de Caixa aps os Impostos (1 a 10
anos)
l(0)
, 0) / (1 + TMA
l(0)
)
j
)] +

=
15
11 j
[max(Fluxo de Caixa aps os Impostos (11 a
15 anos)
l(0)
, 0) / (1 + TMA
r(0)
)
j
) + min(Fluxo de Caixa aps os Impostos (11 a 15

anos)
l(0)
, 0) / (1 + TMA
l()
)
j
)] + [(Valor Residual
l(0)
) / (1 + TMA
r(0)
)
15
]


VPL
fuzzy
l(0)
= R$ 6.177.171,30 (Eq. 5.71)


O valor que representa o melhor resultado possvel para o projeto de
investimento obtido pela substituio do 0 em na funo VPL
fuzzy
r()
:

(Eq. 5.72)
VPL
fuzzy
r(0)
= [Investimento Total
r(0)
] +

=
10
0 j
[max(Fluxo de Caixa aps os Impostos
(1 a 10 anos)
r(0)
, 0) / (1 + TMA
l(0)
)
j
) + min(Fluxo de Caixa aps os Impostos (1 a 10
anos)
r(0)
, 0) / (1 + TMA
r(0)
)
j
)] +

=
15
11 j
[max(Fluxo de Caixa aps os Impostos (11 a
15 anos)
r(0)
, 0) / (1 + TMA
l(0)
)
j
) + min(Fluxo de Caixa aps os Impostos (11 a 15

anos)
r(0)
, 0) / (1 + TMA
r(0)
)
j
)] + [(Valor Residual
r(0)
) / (1 + TMA
l(0)
)
15
]

VPL
fuzzy
r(0)
= R$ 20.729.644,92 (Eq. 5.73)

A possibilidade de insucesso do projeto de investimento

161
Como apresentado na Figura 68, o
fuzzy
VPL contempla valores positivos e
negativos, fazendo com que seja necessrio o clculo da possibilidade cumulativa
[ ) 0 ( * <
fuzzy
VPL ] para identificar a possibilidade de insucesso do projeto de
investimento. Aplicando-se a equao tem-se:


) 0 ( * <
fuzzy
VPL =

,92 20.729.644
30 6.177.171,
0
30 6.177.171,
) (
) (
fuzzy
fuzzy
VPL
VPL

(Eq. 5.74)

) 0 ( * <
fuzzy
VPL = 0,2219 (Eq. 5.75)

= < ) 0 ( *
fuzzy
VPL 22,19 % (Eq. 5.76)

A Tabela 8 apresenta as informaes obtidas pelo uso do Valor Presente
Lquido Fuzzy para avaliao econmico-financeira do projeto de investimento:

Tabela 8 Resultados obtidos pela aplicao do Valor Presente Lquido Fuzzy

Valor mnimo
(VPL
min
)
Valor esperado
(VPL
esperado
)
Valor mximo
(VPL
mx
)
Possibilidade de
insucesso
VPL
fuzzy
-R$ 6.177.171,30 R$ 3.153.147,04 R$ 20.729.644,92 22,19%

5.9 A COMPARAO ENTRE O VPL OBTIDO PELA SIMULAO DE MONTE
CARLO E O VPL FUZZY


Conforme apresentado no primeiro captulo deste trabalho, dois grupos de
anlises sero elaborados para que seja estruturada a comparao entre os mtodos
162
apresentados. O primeiro deles refere-se a anlises quantitativas, j o segundo destina-
se a comparaes qualitativas.

5.9.1 Grupo de anlises quantitativas

A comparao entre os valores obtidos

A simulao de Monte Carlo aplicada ao VPL e o Valor Presente Lquido
Fuzzy apresentam respostas de carter matemtico, o que torna possvel confrontar
diretamente os valores obtidos pela aplicao de cada um dos mtodos. A Tabela 9
apresenta a comparao entre resultados obtidos:

Tabela 9 Anlise numrica comparativa entre os valores obtidos pela aplicao da simulao de
Monte Carlo e Valor Presente Lquido Fuzzy

Valor mnimo
(VPL
min
)
Valor esperado
(VPL
esperado
)
Valor mximo
(VPL
mx
)
Insucesso do
investimento
Mtodo de
Monte Carlo
-R$ 6.020.086,14 R$ 2.610.450,81 R$ 23.801.229,71 18,00%
VPL
fuzzy
-R$ 6.177.171,30 R$ 3.153.147,04 R$ 20.729.644,92 22,19%
Diferena
Percentual
2,6% 20,8% -12,9% 4,19%


Tmando como referncia os resultados obtidos pelo uso da simulao de
Monte Carlo calculada a linha que apresenta a diferena percentual entre os valores
de resposta de cada mtodo.
A varivel que apresenta diferena mais significativa o valor esperado para o
VPL. Apesar da grande diferena entre os valores obtidos para este indicador, o valor
esperado muitas vezes pouco representativo, pois se trata de um valor nico em
163
meio a um grande universo de discurso que compreende os provveis e possveis
resultados do empreendimento. Para um investidor, possivelmente a principal
informao obtida pela aplicao dos dois mtodos seja a quantificao de insucesso
do investimento, cuja a diferena 4,19%. Apesar da diferena numrica presente em
todos os indicadores obtidos como resposta, cada um dos mtodos apresentam
informaes substancialmente prximas, levando-se em conta que so obtidas por
concepes totalmente distintas.
A comparao numrica efetuada entre os resultados obtidos pelo mtodo de
Monte Carlo e o VPL
fuzzy
, no permite concluses exatas sobre qual deles apresenta
respostas mais significativas frente realidade do projeto, visto que o conceito de
Valor Presente Lquido exprime os resultados financeiros presentes do projeto a partir
projees que representam o futuro. Desta forma, uma comparao desta natureza
seria melhor subsidiada mediante estudos em projetos de investimento j realizados e
com vida econmica finalizada, situao diferente da estudada neste trabalho.

Possveis variaes na aplicao dos mtodos

Mesmo que mantidas todas as entradas do modelo, tanto o mtodo de Monte
Carlo como o VPL
fuzzy
podem apresentar variaes na maneira como so aplicados,
podendo gerar algumas diferenas numricas nas respostas obtidas. No caso da
simulao de Monte Carlo, uma possvel variao pode ser obtida pela reaplicao do
mtodo, j que a simulao ocorre por meio da gerao de nmeros aleatrios; em
cada vez que o mtodo for aplicado de se esperar que haja alguma diferena no
resultado obtido.
164
Neste tpico, alm de reaplicado o mtodo, ser alterada a quantidade de
nmeros aleatrios estipulada; o intuito de adicionar maior variabilidade
comparao. Na primeira aplicao para o estudo de caso foram utilizados 510.000
nmeros aleatrios, para a prxima simulao a ser apresentada, a quantidade foi
aumentada para 1.530.000.
A Tabela 10 sintetiza as informaes obtidas pela execuo da simulao
utilizando-se desta outra proposta de nmeros aleatrios:

Tabela 10 Comparao numrica entre valores obtidos pela simulao de Monte Carlo em duas
diferentes situaes

Valor mnimo
(VPL
min
)
Valor esperado
(VPL
esperado
)
Valor mximo
(VPL
mx
)
Probabilidade de
insucesso
Mtodo de
Monte Carlo
-R$ 6.020.086,14 R$ 2.610.450,81 R$ 23.801.229,71 18,00%
Reaplicao -R$ 6.384.780,34 R$ 2.602.583,00 R$ 20.340.033,88 18,02%
Erro de
reaplicao
6,1% -0,3% -14,5% -0,02%


A linha Erro de reaplicao apresenta a variao percentual obtida pela
reaplicao do mtodo de Monte Carlo quando confrontada com os resultados iniciais,
apresentados no tpico 5.6. Observa-se que, apesar de muito sensveis para alguns
indicadores, existe variao dos resultados mesmo quando mantidas as mesmas
definies quanto s variveis independentes do modelo.
Como no baseado na gerao de nmeros aleatrios, Valor Presente
Lquido Fuzzy no apresenta variaes quanto reaplicao do mtodo em um mesmo
modelo, porm muito comum o uso de aproximaes para seu clculo, j que este
artifcio reduz sensivelmente sua complexidade. A aproximao consiste em
representar cada nmero no triangular obtido pelos clculos em nmeros
triangulares. A linha tracejada na Figura 69 representa a aproximao do VPL
fuzzy
:
165
Valor obtido por aproximao do VPL fuzzy
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
-R$
10.000.000,00
-R$
5.000.000,00
R$ 0,00 R$
5.000.000,00
R$
10.000.000,00
R$
15.000.000,00
R$
20.000.000,00
R$
25.000.000,00
VPL fuzzy L() VPL fuzzy R() VPL fuzzy aprox L() VPL fuzzy aprox R()

Figura 69 Valor Presente Lquido Fuzzy obtido por aproximao


Nos trabalhos de Chiu e Park (1994), Sanchez (2003) e Omitaou et al (2007),
o uso da aproximao para o VPL
fuzzy
considerado matematicamente irrelevante, j
que os resultados apresentam variaes pouco significativas quando comparado aos
clculos sem aproximao. Vale ressaltar que, nos trabalhos citados, o nmero de
variveis Fuzzy utilizado menor que nesta dissertao, que totaliza 17 nmeros
Fuzzy representando as variveis que compem o investimento.
A Tabela 11 apresenta os resultados obtidos pela defuzzificao do VPL
fuzzy

aproximado; nela so apresentadas tambm a comparao numrica frente aos
resultados obtidos pelo clculo sem aproximao.

Tabela 11 Comparao numrica entre valores obtidos pelo clculo do Valor Presente Lquido Fuzzy
efeutado sem aproximao e com aproximao matemtica

Valor mnimo
(VPL
min
)
Valor esperado
(VPL
esperado
)
Valor mximo
(VPL
mx
)
Possibilidade de
insucesso
VPL
fuzzy
-R$ 6.177.171,30 R$ 3.153.147,04 R$ 20.729.644,92 22,19%
VPL
fuzzy aprox
-R$ 6.177.171,30 R$ 3.948.973,59 R$ 20.729.644,92 16,08%
Erro por
aproximao
0,0% 25,4% 0,0% - 6,11%

166

Observa-se que a aproximao gera um erro considervel no indicador de
resposta mais importante; a possibilidade de insucesso do investimento, que passa de
22,19% para 16,08%. Pelo grande nmero de ferramentas computacionais disponveis
a pesquisadores e aplicadores da lgica Fuzzy, entende-se que a prtica de
aproximaes para o clculo do VPL
fuzzy
no deve ser utilizada, pois exprime
diferena no resultado.
Embora os resultados obtidos pela reaplicao da simulao de Monte Carlo
no tenha apresentado diferenas significativas, quando comparada ao seu resultado
original, uma possvel vantagem do uso do VPL
fuzzy
sem aproximao para com a
simulao sua independncia aleatoriedade, pois sempre que mantidas as mesmas
entradas o resultado de clculo o mesmo.

5.9.2 Grupo de anlises qualitativas

As anlises qualitativas presentes no trabalho tm o intuito de proporcionar
diversas comparaes sobre a aplicabilidade da simulao de Monte Carlo e o Valor
Presente Lquido Fuzzy no por suas respostas numricas, mas sim pela compilao
dos conceitos que envolvem cada um dos mtodos.

A facilidade em representar a incerteza presente no investimento como uma
entrada para o modelo de clculo

Para a execuo da simulao de Monte Carlo, as variveis incertas que
compem um investimento devem ser estruturadas por meio de distribuies de
167
probabilidade, o que requer certo conhecimento em estatstica, sobretudo quando tem-
se o intuito de utilizar representaes assimtricas para tais variveis.
A lgica Fuzzy fundamentada na existncia de impreciso, incerteza e
definies qualitativas. A representao da incerteza presente nas variveis que
compem o investimento por nmeros triangulares Fuzzy uma tarefa de natureza
matemtica bastante simplificada, pois para que seja efetuada a fuzzificao de uma
varivel presente no investimento, basta definir os vrtices do triangulo que compem
o nmero Fuzzy. Apesar de no terem sido utilizadas durante o estudo de caso, se
necessrio o uso de variveis assimtricas, basta deslocar o vrtice do triangulo de
pertinncia igual a 1 dentro do universo em discurso.

A viabilidade de execuo dos clculos pertinentes em cada modelo

Por se tratar de um mtodo utilizado em um grande nmero de estudos
estatsticos, as simulaes de carter estocstico, como a de Monte Carlo, podem ser
executadas por diversos softwares no mercado. O Microsoft Excel, por exemplo,
apresenta diversos tipos de funes lgicas e da matemtica, que permitem construir
modelos de simulao sem grandes dificuldades.
Quando realizadas em softwares especficos, como o Crystall Ball, a facilidade
para a execuo das simulaes ainda maior. Alm disto, estes aplicativos
apresentam um grande nmero de informaes estatsticas para a anlise da varivel
simulada, embora a maior parte delas no seja representativa em situaes onde a
varivel independente o Valor Presente Lquido para um investimento.
Os modelos baseados em lgica Fuzzy por sua vez, constituem-se em
concepes mais recentes e pouco conhecidas em algumas reas da engenharia. So
168
escassos os softwares especficos que permitem simplicidade ao clculo do Valor
Presente Lquido Fuzzy ou que sejam estruturados para aplicaes diretas na rea
financeira. Na maioria das aplicaes faz-se necessrio a estruturao passo a passo
do problema, tornando sua execuo relativamente trabalhosa.
Dentre os softwares mais utilizados para aplicao da lgica Fuzzy descata-se
o Matlab, o qual apresenta uma barra de ferramentas especfica que permite a
construo de sistemas e modelos de inferncia ou clculo. Apesar de propiciar ao
usurio a construo de trabalhos complexos, a utilizao deste software requer bons
conhecimentos sobre programao, o que restringe seu uso.
O clculo do Valor Presente Lquido Fuzzy apresentado no estudo de caso,
fora executado pelo Microsoft Excel. Como tal aplicativo no apresenta nenhuma
funo especfica que contemple a lgica Fuzzy, a execuo do trabalho deu-se de
maneira bastante trabalhosa, visto que no foram encontrados, dentro da pesquisa
bibliogrfica realizada, trabalhos que mostrassem como representar as variveis Fuzzy
por meio daquele software.
Para a execuo do clculo do VPL
fuzzy
foram construdas quatro pastas de
trabalho. A primeira delas, referente a fuzzificao das variveis de caixa do
investimento, constituda por 22 planilhas. A segunda, elaborada para a realizao de
clculos de depreciao dos ativos, constituda por 8 planilhas. A terceira constitui os
clculos de impostos a serem pagos pela empresa, totalizando 5 planilhas. Por fim, a
quarta pasta de trabalho, destinada aos clculos referentes a defuzzificao das
variveis, constituda por 10 planilhas. Os arquivos em Excel elaborados para o
clculo esto gravados no CD em anexo a esta dissertao, servindo como mecanismo
de consulta e aprendizado para pesquisadores interessados em aplicaes da lgica
Fuzzy.
169
Facilidade de assimilao da resposta calculada pelos modelos matemticos

Conforme apresentado no grupo de anlises quantitativas, os resultados
obtidos, tanto pelo mtodo de Monte Carlo como pelo Valor Presente Lquido Fuzzy
apresentam respostas que pode ser parametrizadas e comparadas. Desta forma no h
grande diferena sobre o tipo de resposta obtida, j que a aplicao de ambos os
mtodos pode apresentar respostas equivalentes.

Aplicabilidade junto ao estudo de caso efetuado

O estudo de caso presente neste trabalho refere-se a criao de uma nova
empresa; no h referncia histrica ou conjunto de dados que possa servir como base
para obteno dos valores que compem o fluxo de caixa. Pelas concepes
apresentadas no captulo 2, a situao que contempla o investimento de incerteza.
Uma situao de risco, apesar de conceitualmente prxima a de incerteza, delineada
quando existem dados que permitam relacionar situaes passadas com projees
futuras.
O mtodo de Monte Carlo, conforme definio de Casarotto Filho e Kopittke
(2002), adequado para situaes de risco, onde, por meio de dados existentes sobre
o investimento em questo, possvel obter distribuies de probabilidade que
representem as variveis independentes do projeto. Existem ferramentas estatsticas
que permitem a associao de uma srie de dados para compor informaes sob o
futuro, como os testes de aderncia e as regresses lineares.
Quando no se dispe de dados que permitam o uso de ferramentas
estatsticas, ou acredita-se que o comportamento passado no apresenta relao com o
170
comportamento de variveis no futuro, uma das poucas alternativas trabalhar junto
s estimativas que representem o projeto de investimento.
Para anlises de projetos de investimento sob condio de incerteza, estipular
distribuies de probabilidade associadas a cada uma das variveis presentes uma
tarefa difcil j que, em geral, no h informaes concretas sobre o comportamento
das variveis, o que interfere diretamente em um dos pontos centrais das teorias que
acercam a estatstica; a anlise de dados.
No projeto de investimento apresentado a incerteza presente mensurada por
conceitos no estatsticos, baseados em definies bastante subjetivas onde
factivelmente, a impreciso pode estar presente. Essencialmente a teoria Fuzzy
voltada para o desenvolvimento de conceitos e tcnicas que permitam quantificar
fontes de incerteza e impreciso de natureza no estatstica e de difcil mensurao;
fato com que fez que tal teoria fosse aplicada com bastante sucesso em diversas da
engenharia. Desta forma, acredita-se que os conceitos que envolvem a aplicao do
Valor Presente Lquido Fuzzy sejam mais adequados para a avaliao de
investimentos onde a condio presente de incerteza.
A aceitao de um investimento deste porte, na grande maioria das vezes, no
realizada com base exclusiva de resultados em indicadores. Uma avaliao
econmico-financeira tem o intuito de proporcionar a investidores maiores subsdios
para decises a serem tomadas, porm vale a ressalva que em um ambiente complexo
sobre um investimento; o conhecimento de mercado, contatos empresariais,
capacidade tcnica so fatores relevantes para a execuo ou no de um projeto.
O prximo captulo destina-se a apresentar as consideraes finais sobre os
mtodos em estudo, promover uma reviso geral sobre o que fora exposto ao longo do
171
trabalho e por fim, esboar possveis trabalhos futuros que possam contribuir com as
discusses apresentadas.







































172
6 CONSIDERAES FINAIS

As incertezas so caractersticas presentes em investimentos correntes do
mercado financeiro e tambm em projetos de investimento com escopo definido. A
dificuldade em se estimar, com exatido, as varveis de caixa presentes a qualquer
investimento est ligada a imprevisibilidade futura e alta volatilidade econmica e
tecnolgica que o atual cenrio internacional apresenta. Mesmo em curto prazo,
eventos naturais, polticos e econmicos apresentam grande influncia em fatores
decisivos no resultado de empresas e grupos de investidores.
As anlises determinsticas de investimentos podem ser falhas; medida que
h presena de incerteza em um projeto, os resultados obtidos por estimativas exatas,
em muitos casos, no representam a realidade do investimento, o que pode contribuir
diretamente para que gestores ou investidores tomem decises equivocadas sobre a
alocao de capital.
Os mtodos que permitem aos investidores considerar a incerteza junto a um
investimento apresentam-se como alternativas de apoio deciso. O mtodo de Monte
Carlo, em seu carter estatstico, permite com que as variveis presentes sejam
consideradas por meio de distribuies de probabilidade. Embora tal alternativa seja
dificultada em situaes onde no existem dados passados referentes s variveis
presentes, este mtodo tem sido bastante utilizado ao longo dos anos, seja em
trabalhos cientficos ou em aplicaes em prticas empresariais.
A lgica Fuzzy, conforme apresentado ao longo do trabalho, prescreve uma
nova alternativa para aplicaes onde existe incerteza. O uso de uma funo de
pertinncia contnua permite quantificar de maneira estruturada a incerteza presente
173
em um sistema ou modelo, de forma a represent-la como um nmero ou conjunto
nebuloso onde suas fronteiras no so rgidas.
O Valor Presente Lquido Fuzzy constitui-se em mtodo para a avaliao
econmico-financeira que utiliza a associao de nmeros difusos ou nebulosos, o que
permite representar a incerteza presente em um investimento por seu carter lxico. O
uso de nmeros Fuzzy contempla todos os valores possveis que compem a varivel
em questo, onde tais valores podem apresentar intensidades diferentes. Este tipo de
representao mostrou-se propcia para anlises onde no existiam clareza das
variveis a serem utilizadas, fazendo-se necessrio a utilizao de estimativas, em
certos casos at intuitivas.
Ao decorrer do trabalho e sobretudo aps da execuo do estudo de caso,
percebeu-se que o Valor Presente Lquido Fuzzy contribui significativamente para
avaliao de investimentos sob condio de incerteza, j que pode trazer informaes
relevantes aos que buscam decises otimizadas, considerando o uso de faixas de
incerteza em seu clculo. Como resposta da aplicao, so fornecidas estruturas
matemticas Fuzzy que, por meio do conceito de defuzzicao, so transformadas em
indicadores passveis de interpretao.
A concepo da lgica Fuzzy mostra-se diferente dos conceitos estatsticos que
envolvem a execuo de uma simulao de Monte Carlo. Por meio de observaes
quantitativas e qualitativas buscou-se realizar uma comparao entre os dois mtodos.

6.1 RESULTADOS OBTIDOS

O objetivo geral deste trabalho consistira em avaliar a aplicabilidade do Valor
Presente Lquido Fuzzy como instrumento de avaliao de projetos de investimento, a
174
partir da comparao feita junto ao mtodo de Monte Carlo. O captulo 5 foi dedicado
comparao: por meio da aplicao em uma situao real de investimento foram
obtidos resultados que puderam ser discutidos. Em termos gerais observou-se que as
respostas obtidas pelos dois mtodos convergem para um cenrio relativamente
prximo, apesar de observadas diferenas considerveis em alguns dos indicadores
obtidos.
Dentre as comparaes qualitativas observou-se maior facilidade da Lgica
Fuzzy para a representao de variveis incertas; a utilizao das faixas de incerteza
por meio de nmeros triangulares Fuzzy mostrou-se conceitualmente simples, sendo
bastante apropriada na transformao de dados estimados e intuitivos em valores
matemticos que se associassem s incertezas presentes.
Apesar de muito relevante, a aplicao do Valor Presente Lquido Fuzzy em
seus moldes atuais exige relativo conhecimento sobre a lgica em questo, visto que o
mercado ainda no dispe de ferramentas computacionais que permitam sua aplicao
em situaes de maneira simplificada, necessitando em muitos casos de softwares
especficos para sua aplicao. Neste trabalho o uso do Microsoft Excel teve o
intuito de aproximar a Lgica Fuzzy a um dos aplicativos computacionais mais
utilizadas no mercado. Apesar de no conter nenhuma ferramenta especfica para o
uso de nmeros Fuzzy, os clculos foram considerados satisfatrios, j que atenderam
as exigncias matemticas necessrias.
Quanto adequao conceitual ao estudo de caso realizado, o uso da lgica
Fuzzy est bem alinhado a situao avaliada, pois no se dispe de informaes que
permitam grandes consideraes sobre o comportamento econmico do projeto de
investimento apresentado.

175
6.1.1 A incerteza e o projeto de investimento avaliado

Durante a realizao do estudo de caso, uma das tarefas de maior dificuldade
fora a busca por estimativas de faixas de incerteza que representassem o projeto de
investimento em anlise. A definio de faixas de incerteza que no englobem as
possibilidades futuras faz com que a resposta obtida pela aplicao do modelo de
clculo seja intil e, conseqentemente, possa levar investidores e gestores a
concluses deturpadas sobre o projeto de investimento.
Com o intuito de realizar uma avaliao econmico-financeira que
representasse a variabilidade futura do projeto, optou-se pela utilizao de faixas de
incerteza elevadas, em que alguns componentes de caixa chegaram a apresentar
valores com variao percentual de 60%. Um valor alto, porm adequado em vista da
imprevisibilidade e da baixa capacidade de mensurao do comportamento futuro das
variveis envolvidas.
A taxa de desconto utilizada no projeto de investimento fora estipulada
baseada em discusso com o grupo de investidores. Seu valor fora referenciado na
taxa Selic mdia do ms de janeiro de 2008: 11,72% a.a. Segundo os investidores, a
realizao do projeto de investimento s se torna vivel caso sua rentabilidade supere
a taxa bsica de juros nacional em 4%. Desta forma:

TMA = (Selic Janeiro/2008) + 4%
TMA = 15,72% a.a.

176
A expectativa do pesquisador responsvel pela avaliao que o valor da taxa
de juros bsica da economia nacional para os prximos 15 anos, seja estimada em 6%
acima ou abaixo do valor apresentado em maro de 2008. Desta forma:

TMA = (Selic Janeiro/2008+ 4%) 6%
TMA = 15,72 6% a.a.

A incluso deste raciocnio como entrada para os modelos de clculo, fizera
com que as repostas obtidas (valor mnimo, valor mximo, valor esperado,
possibilidade ou probabilidade de insucesso) levassem em conta flutuaes estimadas
nos juros da economia nacional.

6.1.2 A importncia da avaliao de investimentos

As contribuies da avaliao de um projeto de investimento vo alm dos
resultados econmico-financeiros que possam ser inferidos. O sucesso de um
empreendimento depende de fatores polticos, econmicos, estratgicos e
operacionais. A construo de um projeto sistematizado permite a gestores e
investidores angariarem um grande nmero de informaes decisivas, como a atuao
da concorrncia, perspectivas de mercado, entre outras: o que pode contribuir para a
definio da estratgia e poltica empresarial a serem seguidas, caso o investimento
seja realizado.
As avaliaes econmico-financeiras constituem-se em um mecanismo de
apoio a deciso; medida que seja possvel oferecer modelos de clculo que
representem a realidade futura de um investimento, mais apropriadas e menos incertas
177
podem se tornar as decises tomadas. Tendo em vista a quantidade de informaes
passveis de coleta e sistemas para aplicao, presentes na chamada era digital, o
adequado uso da informao em busca melhores resultados empresarias, em quaisquer
reas, no deve ser considerado um diferencial, mas sim uma exigncia futura incisiva
no sucesso empresarial.

6.1.3 Contribuies para o grupo de pesquisa

O grupo de pesquisa em economia e finanas do SEP - Departamento de
Engenharia de Produo da Escola de Engenharia de So Carlos, ao longo de 8 anos
tem apresentado diversos trabalhos, nacionais e internacionais, que visam criar ou
aprimorar mtodos e aplicaes para a engenheira econmica, a gesto econmica e a
gesto de custos.
Desde a criao do grupo, muitos temas e mtodos foram trabalhados, como as
Redes Neurais Artificiais, a Anlise por Envoltria de Dados, os Sistemas de Custeio
Dinmicos, a Teoria das Opes Reais entre outros. Apesar da variabilidade tcnica e
temtica das pesquisas j realizadas, a presente dissertao o primeiro trabalho do
grupo a utilizar a Lgica Fuzzy.
O incio das aplicaes da Lgica Fuzzy na rea financeira bastante recente,
o que faz acreditar que pouco de seu potencial tenha sido explorado. Com o intuito de
promover este trabalho a um material para informao e consulta para realizao de
trabalhos futuros, buscou-se realizar a reviso bibliogrfica de forma abrangente; a
apresentao de conceitos foi colocada de forma lgica e seqencial, expondo-se um
nmero grande de figuras e ilustraes para maior facilidade de assimilao.

178
6.1.4 Contribuies para o pesquisador

Apesar de no se apresentar demasiadamente complexos, os conceitos que
envolvem a lgica Fuzzy no se caracterizam pela obviedade; acredita-se que a
escolha deste tema de pesquisa contribuiu sensivelmente para desenvolvimento do
raciocnio analtico e do poder de assimilao do autor. Em vista ao grande nmero de
publicaes relacionadas aos chamados sistemas inteligentes realizadas anualmente,
de se supor que a execuo deste trabalho contribuir conceitualmente, ao autor, para
a busca por novas e mais elaboradas pesquisas, no se restringindo a Lgica Fuzzy,
mas tambm ao alcance de outros mtodos, como as redes neurais, os sistemas Neuro-
Fuzzy e os Algoritmos Genticos.
Alm dos conceitos que envolvem a Lgica Fuzzy, a execuo do presente
trabalho tornou necessria a pesquisa em outras reas do conhecimento. A engenharia
econmica, a gesto financeira e a estatstica mostram-se reas valorizadas e
importantes no meio empresarial e acadmico, firmando-se tambm como um
possvel universo de atuao profissional para o pesquisador.

6.1.5 Dificuldades encontradas

A busca de informaes diversas para elaborao de uma dissertao vem
acompanhada de dificuldades, sejam elas de carter conceitual ou prtico. No caso em
especfico da Lgica Fuzzy, os trabalhos encontrados em pesquisas realizadas
apresentam-se conceituados em universos especficos referentes suas aplicaes,
caracterizadas em diversas reas da engenharia como a de controle e de computao.
Por se tratar de um dissertao referente a engenharia de produo, foi necessrio
179
estrutur-la em uma linguagem compactuada com a rea, com a adaptao de parte
dos conceitos referenciados.
Vale a ressalva de que a linguagem matemtica utilizada nas representaes
que envolvem a Lgica Fuzzy carece muito em padronizao e que este fato dificulta
sensivelmente a compreenso de grande parte dos trabalhos pesquisados, aumentando
o tempo de estudo dedicado. Para elaborao desta dissertao, buscou-se uma
representao matemtica modernizada, j utilizada em trabalhos nacionais e
internacionais como os de Nicoletti e Camargo (2004); Banholzer (2005); Omitaou e
Badiru (2007).
As reas financeiras so tratadas com extremo sigilo pela direo das
empresas em geral, fato que dificulta a execuo de pesquisas e estudos relacionados.
O estudo de caso tornou-se quase uma exigncia para este trabalho, j que acreditava-
se que a comparao entre os mtodos apresentados seria melhor avaliada ao entorno
de uma situao real de investimento. Apesar de sua importncia, a aplicao em uma
situao prtica quase foi inviabilizada, j que a primeira empresa que havia se
comprometido em fornecer informaes necessrias preferiu no divulg-las. Desta
forma, o estudo de caso foi realizado em uma segunda empresa, a qual se mostrou
bastante receptiva e informativa. Embora a necessidade da aplicao prtica tenha
sido suprida nesta dissertao, muitos pesquisadores apresentam dificuldades na busca
por situaes reais, fazendo-se necessria esta meno.
Por fim, apesar das dificuldades para execuo de uma dissertao, a
satisfao obtida e o conhecimento adquirido fazem com que as barreiras encontradas
sejam minimizadas. O Brasil, apesar dos significativos avanos em pesquisa e
desenvolvimento, ainda muito dependente das instituies de ensino superior para
seu avano cultural e tecnolgico visto que, ao contrrio de outros pases que
180
produzem conhecimento, a presena da iniciativa empresarial neste seguimento ainda
restrita, o que ressalta a importncia de dissertaes e teses construdas ano aps
ano.

6.2 SUGESTES PARA TRABALHOS FUTUROS

A facilidade do acesso informao dos dias atuais gera oportunidades de
pesquisas vastas fazendo com que os trabalhos possam ser ampliados, tornando-se
muito abrangentes. Ao longo da elaborao de uma dissertao de mestrado, emerge
ao pesquisador a necessidade de capacidade analtica e senso crtico, importantes para
delinear e delimitar um trabalho cientfico de modo que no sejam perdidos de vista
os objetivos envolvidos. Em paralelo, uma srie de limitaes e possveis melhorias
ao trabalho executado tornam-se visveis. Este tpico trata das idias que surgiram no
decorrer desta dissertao e, acredita-se, possam orientar novos trabalhos de pesquisa,
dentro da Engenharia de Produo.

6.2.1 Melhorias na composio do Valor Presente Lquido Fuzzy

O mtodo conceitual que compreende o Valor Presente Lquido Fuzzy
apresentado neste trabalho restringiu-se ao uso de nmeros triangulares. Um possvel
trabalho que poderia complementar o modelo descrito, seria baseado na incluso de
mais tipos de nmeros Fuzzy ao clculo.
Em princpio, parece no haver grandes problemas em tipos de nmeros Fuzzy
cuja funo de pertinncia compreende um nico valor em sua normalidade ( = 1),
181
como os nmeros em formato de sino, j que nestes casos a definio de cada lado da
funo Fuzzy [l() e r()] natural. Acredita-se que a maior dificuldade estaria
associada a utilizao de nmeros Fuzzy onde a normalidade esteja compreendida em
uma faixa de valores, como nos nmeros trapezoidais. Nestes casos, uma alternativa
seria a definio de uma representao matemtica por -cut que permitisse trabalhar
tais nmeros por funes l() e r(), dividindo a regio normalizada.

6.2.2 Melhorias na quantificao de incertezas

Uma lacuna que este trabalho traz relativo a como as incertezas devem ser
parametrizadas, para que sejam inclusas aos modelos clculo do valor presente
lquido. As definies quanto s incertezas consideradas no estudo de caso
apresentam certa fragilidade estrutural, pois dependem excessivamente de
conhecimento e opinio de mercado dos investidores responsveis pelo projeto,
fazendo-se necessrio o uso de amplitudes altas para definio dos valores numricos
que representaro as variveis incertas.
Quanto mais incertas as variveis de entrada, maior ser a amplitude numrica
das respostas obtidas pela aplicao do modelo, fazendo com que mecanismos que
levem a reduo dos parmetros que definem as faixas de incerteza possam contribuir
significativamente ao apoio a deciso. Dois tipos de pesquisa distintos so sugeridos
para a busca de novas contribuies a este tema:

A uso de ferramentas qualitativas para delineamento da incerteza

182
A Engenharia de Produo dispe de mtodos qualitativos para anlise de
problemas de concepo complexa. Dentre os mais difundidos, destacam-se o Failure
Mode Effect Analysis (FMEA) e o Quality Function Deployment (QFD), muito
utilizados nas reas de produo, projeto e qualidade de grandes corporaes
industriais.
Tais ferramentas ganharam projeo com a ascenso da filosofia Lean
Production, do Sistema Toyota de Produo e mais recentemente, do Lean Six Sigma.
Em sntese o FMEA e o QFD familiarizam-se por relacionar diversas informaes
qualitativas e trabalh-las, de maneira lgica e procedimental, utilizando-se de
conceitos matemticos bastante simplificados.
Acredita-se que estudos que visem utilizao de conceitos presentes em tais
mtodos, para a contextualizao de informaes e cenrios de investimento podero
promover melhores interpretaes quanto s incertezas presentes em um projeto,
contribuindo para a definio de faixas de incerteza menos amplas.

O uso de Sistemas Neuro-Fuzzy para delineamento da incerteza

Seguindo para uma linha de pesquisa mais computacional, a aplicao de
sistemas denominados Neuro-Fuzzy tambm poder contribuir para a melhor
quantificao de incertezas em investimentos. As Redes Neurais so conhecidas pelo
alto poder de associao de dados, enquanto a Lgica Fuzzy caracterizada por sua
capacidade de mensurao de variveis inexatas, fazendo com que estes sistemas
hbridos propiciem a associao de um grande nmero de informaes quantitativas e
qualitativas.
Em situaes onde no se dispe de informaes que permitam projees
futuras sobre as principais variveis de caixa em um projeto de investimento, uma
183
possvel alternativa poderia ser a utilizao de dados macroeconmico junto a
informaes qualitativas que considerassem perspectivas especficas sobre o
empreendimento. Este conjunto de informaes quando trabalhadas por meio de
clculos e inferncias nos sistemas Neuro-Fuzzy, poderia gerar repostas que
exprimissem a incerteza referente a importantes variveis de um projeto de
investimento
As variveis obtidas pela aplicao de um Sistema Neuro-Fuzzy poderiam ser
mantidas em seu estado fuzzificado, que por sua vez seriam entradas diretas para um
modelo de clculo do Valor Presente Lquido Fuzzy. evidente esta sugesto
incorpora um sistema de clculo bastante complexo que possivelmente possa no ser
explorado em um nico projeto de pesquisa, mas possa se tornar factvel ao longo de
trabalhos complementares.

6.2.3 Estruturao de softwares ou planilhas de clculo para maior facilidade de
aplicao

Conforme j ressaltado ao longo do trabalho, o crescimento das aplicaes da
Lgica Fuzzy na rea financeira poder ser elevado, medida com que os aplicativos
disponveis apresentem uma interface prtica e amigvel a gestores e investidores.
Desta forma acredita-se que um trabalho focado ao desenvolvimento de softwares que
venham preencher esta lacuna sejam de grande valia, sobretudo pelo apelo comercial
que possam apresentar.
Para o desenvolvimento de um software especfico realmente efetivo, mesmo
antes das definies quanto ao padro de interface a ser seguido, diversas questes
devem estar pr-determinadas: quais funes matemticas oferecidas? que tipo de
184
situaes financeiras podero ser trabalhadas pelo uso do aplicativo? sero
necessrios treinamentos preliminares para sua utilizao?
Assim como no item anterior, o desenvolvimento de um trabalho desta
natureza mostra-se complexo, fazendo-se acreditar que sua realizao exija um grupo
de pesquisadores experientes no tema, composto tambm por pessoas com elevado
conhecimento em linguagens de programao.
Uma alternativa mais simplificada, e no menos importante para este problema
de pesquisa, poderia ser a utilizao da linguagem de programao intitulada Visual
Basic for Applications (VBA). Trata-se da linguagem interna de programao dos
aplicativos do pacote Microsoft Office, os quais apresentam um editor especfico
para criao de rotinas utilizadas na automatizao de tarefas repetitivas.
O editor de VBA poderia ser utilizado para a criao de uma barra de
ferramentas no Microsoft Excel que permitisse a automatizao de tarefas referentes
ao uso da Lgica Fuzzy. Este artifcio ainda permitiria que as diversas funes de
clculo e lgica oferecidas pelo Excel pudessem ser utilizadas normalmente por um
usurio.

6.2.4 Sistemas de apoio a deciso para decises de curto e curtssimo prazo

A economia globalizada, ao longo dos anos, tem se mostrado bastante
oscilante com a formao de grandes grupos e uma possibilidade ilimitada de
mercados a se investir. Em perodos muito curtos de tempo podem ocorrer variaes
considerveis em valores cambiais, no preo do petrleo ou outras commodities.
185
Embora muitas empresas tentem reduzir seu ambiente de incerteza por meio
de heading e contratos firmados junto a fornecedores e clientes, as possibilidades de
prejuzos em decises de curto prazo so bastante factveis.
Nas negociaes comerciais realizadas por indstrias de produtos seriados, por
exemplo, ocorrem situaes onde devem ser definidos preos de venda com
informaes baseadas em indicadores econmicos e financeiros dirios. Acredita-se
que pesquisas relacionadas ao uso de nmeros triangulares Fuzzy para representar as
variveis e compor o preo de seus produtos podero trazer considerveis
contribuies s decises a serem tomadas.
Outra aplicao possvel da Lgica Fuzzy para situaes em curto prazo seria a
criao de um sistema de apoio a deciso, ou mesmo um sistema especialista, para o
gerenciamento de fundos agressivos de aes. Tais fundos so possibilidades de
investimento oferecidas por bancos de varejo e so caracterizados pela busca de altos
ndices de rentabilidade, aumentando a incerteza presente.
Os gestores destes fundos, alm de trabalharem com aes de alta
variabilidade, realizam grandes volumes de negociao, seja buscando a reduo de
prejuzos ou a realizao de lucros em perodos onde seus ativos apresentam alta
valorizao. Por meio de um sistema de inferncia Fuzzy seria possvel considerar o
preo de aes e investimentos de renda fixa disponveis no mercado, fuzzificados por
meio de indicadores qualitativos (muito baixo, baixo, normal, alto, muito alto). Por
meio da inferncia Fuzzy, seria possvel a composio de uma carteira otimizada para
o fundo em anlise.

6.2.5 Sistema de apoio a deciso para a anlise de crdito

186
As anlises para concesso de crdito a pessoas fsicas so atividades muito
importantes para as instituies financeiras; a deciso de conceder crdito ou no
envolve questes como inadimplncia e taxa de juros a ser cobrada.
Em instituies onde h alto ndice de inadimplncia, muitas vezes
necessrio elevar poltica de juros proposta para a concesso de emprstimos, fazendo
com que prejuzos causados pelo no pagamento de clientes sejam cobertos. Em
contrapartida, quanto maior a taxa de juros cobrada pela instituio financeira, menor
ser sua demanda, visto que no mercado talvez sejam encontradas taxas menores, em
concorrentes. Desta forma, quanto mais certeiras as anlises, melhores os resultados
obtidos pela empresa.
Para que seja possvel as anlises estatsticas e regresses, uma srie de
questionamentos so realizados, como faixa etria, renda mensal, quantidade de
dependentes, etc. Um Sistema Neuro-Fuzzy poderia ser utilizado para este tipo de
avaliao, conjugando variveis quantitativas e qualitativas.

6.2.6 Sistema de avaliao social de projetos

Talvez uma das maiores dificuldades na avaliao de um projeto de
investimento seja quanto s contribuies sociais ou mesmo scio-ambientais que sua
execuo possa causar. Uma possvel alternativa para este problema seria a criao de
um sistema de inferncia Fuzzy baseando-se em indicadores padronizados de entrada
como, por exemplo, nmero de empregos gerados e a quantidade de CO
2
lanada ao
meio ambiente. Como resposta do sistema poderia ser obtido um indicador numrico
que representasse as contribuies sociais ou ambientais que a execuo do projeto
traria, fazendo-se possvel a comparao entre projetos.
187
6.2.7 A utilizao da lgica Fuzzy para precificao de opes

Em sua grande maioria, os modelos desenvolvidos para precificao de opes
financeiras, como o de Black-Scholes caracterizam-se pela utilizao da estatstica
para representar a variabilidade do ativo a que opo se refere. Acredita-se que o uso
de nmeros Fuzzy neste tipo de representao seria uma tcnica interessante. Uma
pesquisa poderia ser desenvolvida para explorar este tema, facilitada pelo fato de que
as informaes necessrias (valor de mercado de aes e opes) para comparaes
em situaes reais entre o modelo de Black-Scholes e o modelo a ser desenvolvido,
apresentam-se amplamente disponveis.
A Teoria das Opes Reais (TOR) consiste em um mtodo em destaque, tema
de pesquisas e publicaes para avaliao de projetos de investimentos. Tal mtodo
caracteriza-se por permitir ao clculo do VPL maior flexibilidade, j que torna
possvel considerar o investimento inicial em um projeto como uma opo de compra,
contemplando situaes onde dispndio de capital no precisa ser totalizado em seu
incio. O uso de um modelo de precificao de opes utilizando-se de nmeros Fuzzy
poderia ser utilizado em conjunto com o Valor Presente Lquido Fuzzy, fazendo com
que as aplicaes da TOR contemplassem tambm a incerteza em variveis presentes
ao investimento.

6.2.8 Possveis aplicaes da lgica Fuzzy em outras reas da engenharia de
produo

188
No se restringindo s sugestes relacionadas as reas de economia e finanas,
a parte final desta dissertao dedicada a mais duas sugestes de pesquisas que
podem ser englobadas em outras reas, dentro da Engenharia de Produo.

Pesquisa Operacional

A Pesquisa Operacional a rea da Engenharia de Produo referente a
aplicao de mtodos cientficos a problemas complexos no auxlio a tomada de
deciso, tais como projetar, planejar e operar sistemas em situaes que requerem
alocaes eficientes de recursos escassos (BATALHA, 2008). Em suas aplicaes
mais comuns, destacam-se os problemas de otimizao executados por meio do uso
de sistemas numricos. Acredita-se que o uso de nmeros Fuzzy como entradas de tais
sistemas permitiria agregar o conceito de incerteza as variveis presentes, como por
exemplo, variaes em processos de transformao dentro de um problema de
alocao de recursos em um complexo de manufatura.

Planejamento e controle da produo

Os sistemas denominados Enterprise Resource Planning (ERP) permitem a
integrao de vrias (ou todas) as base de dados que acercam uma empresa (SLACK
et al, 2002). Dentre as funes que tais sistemas apresentam o planejamento e
controle da produo.
Por meio de informaes firmadas junto ao departamento de vendas de uma
empresa inicia-se a programao da produo ou servio, gerando o chamado Plano
Mestre de Produo, que por sua vez, apresenta as ordens de fabricao diria ou
semanal dos sistemas de produo e manufatura. Em tais ordens esto definidos o
189
prazos de entrega, material utilizado e as quantidade de cada produto que devem ser
produzidas.
Um ERP, no entanto, trabalha em seu sistema de clculo valores absolutos,
porm no meio industrial, grandes variaes podem ser originadas devido a falta de
material, atraso em fornecimentos internos ou externos, presena de refugos, etc.
A utilizao de um ERP que utilize as variveis de entrada para a programao
da produo representada por nmeros Fuzzy, possivelmente poder apresentar
ganhos, pois medida que seja possvel obter um Plano Mestre de Produo melhor
ordenado, mais adequadas as empresas de manufatura podero estar de uma das suas
principais metas: a de conseguir trabalhar da maneira mais prxima possvel a sua
programao, cumprindo datas e quantidades estipuladas.














190
APNDICE A

O objetivo deste tpico apresentar de maneira simplificada a execuo de
uma simulao baseada no mtodo de Monte Carlo, utilizando o Excel e Crystall Ball.

Exemplo

Obter a distribuio de probabilidades Receita Total, resultante do produto
entre Preo de Venda e a Demanda. Em que:
Preo de Venda:
preo
= R$10.495,00 e
preo
= R$ 262,375
Demanda:
demanda
= 1200 e
demanda
= 180

Representao no Excel


B. Na clula C que representa a Receita Total digita-se:
=A2*B2
A. Digita-se os valores de mdia do Preo
e da Demanda
191
Associao das distribuies de probabilidade s variveis independentes



C. Deve neste exemplo a distribuio a normal


A. Seleciona-se a clula da varivel independente Preo
B. Deve-se clicar no boto Define Assumption do Crystall Ball
192

D. Digita-se o desvio-padro da distribuio

De maneira anloga o mesmo procedimento realizado com a varivel
Demanda.












193
Definio da Varivel Dependente















B. Deve-se clicar no boto Define Forecast do Crystall Ball
A. Seleciona-se a clula da varivel dependente Receita Total
194
Execuo da simulao




A. Deve-se clicar no boto Run Preferences do Crystall Ball
B. Define-se o nmero de cenrios a ser utilizado
195


D. Obtm a varivel RECEITA simulada

C. Simulao deve ser executada
196
APNDICE B

O objetivo deste tpico apresentar de maneira simplificada de como, definir,
realizar clculos e representar nmeros Fuzzy utilizando o Microsoft Excel:

Exemplo

Calculo do nmero Fuzzy Receita Total, resultante da multiplicao dos nmeros
triangulares Fuzzy Preo de Venda e Demanda. Em que:

Preo de Venda = (R$9.970,25, R$10.495,00, R$11.019,75)
Demanda = (840, 1200, 1560)

Representao por -cut

Representao necessria para que sejam efetuados os clculos (seu
equacionamento apresentado no item 4.2.4 deste trabalho):

Preo de Venda
l()
= (524,75 + 9970,25)
Preo de Venda
r()
= (524,75 +11019,75)

Demanda
l()
= (360 + 840)
Demanda
r()
= (360 +1560)


197
Representao no Excel

1. Cria-se uma planilha. A coluna A destinada para descrever a funo de
pertinncia. Cada funo (L e R) dos nmeros Fuzzy representada por uma coluna
diferente.










Regio onde os
nmeros Fuzzy
sero as entradas
198
2. Define-se a funo pertinncia baseando-se nas iteraes definidas.























A. Digita-se na clula
B2
= A2-$I2$
B. Utiliza-se do recurso de
autocompletar
e chega-se at o valor 0,00 de
pertinncia
199
3. Digitam-se as funes representadas por nas colunas respectivas.




























A. Digita-se em B2 a
funo L do preo de
venda, considerando a
coluna A como
=(524,75*A2+9970,25)
B. Utiliza-se do recurso de
autocompletar

200
4. De maneira anloga, so preenchidas as outras funes.





























201
Clculo da Receita Total Fuzzy

Conforme apresentado no item 4.2.5 deste trabalho, multiplicao Fuzzy
obtida pela multiplicao das funes pertinncia, de forma que:

Receita Total
l( )
= Preo de Venda
l( )
Demanda
l()
Receita Total
r( )
= Preo de Venda
r( )
Demanda
r()

Utilizando-se o Excel tem-se o nmero Fuzzy Receita Total, resultante da
multiplicao:






A A. . D Di ig gi it ta a- -s se e: :
= =B B2 2* *D D2 2

B B. . D Di ig gi it ta a- -s se e: :
= =C C2 2* *E E2 2

C C. . U Us sa a- -s se e o o a au ut to oc co om mp pl le et ta ar r
202
Representao grfica

1. Para representar graficamente o nmero Fuzzy obtido deve ser usado um
grfico de disperso.


2. Insere-se a funo L da varivel no menu do grfico.


Coluna F
Coluna A
203
3. Insere-se a funo R da varivel no menu do grfico.





4. Obtm-se o grfico.




204
REFERNCIAS BIBLIOGRFICAS

ABDALA, V. Produo de cana-de-acar deve aumentar 9,3% no ano que vem, diz
IBGE. Agncia Brasil, Dezembro de 2007.
http://www.agenciabrasil.gov.br/noticias/2007/12/10/materia.2007-12-
10.6405334294/view
ABEPRO Associao Brasileira de Engenharia de Produo XXVII Encontro
nacional de engenharia de produo ENEGEP
http://www.abepro.org.br/indexsub.asp?ss=8 consultado em novembro de 2007.
ALCKMIN, G; GOLDBERG, J.; BARRETO, D. Eficincia energtica na gesto
ambiental. Secretaria do Meio Ambiente Governo do Estado de So Paulo.
http://146.164.33.61/termo/cogeracao/EFICI%CANCIA%20ENERG%C9TICA%20N
A%20GEST%C3O%20AMBIENTAL.pdf consultado em janeiro de 2008.
ARAJO, C.E.G Algoritmos genticos hbridos sem delimitadores de rotas para
problemas de roteirizao de veculos. 89p. Dissertao (Mestrado) Escola
Politcnica, Universidade de So Paulo, So Paulo, 2008.
BALARINE, O.F. O uso de anlise de investimentos em incorporaes imobilirias.
Revista Produo, So Paulo, ABEPRO vol.14 julho/dezembro 2004.
BANHOLZER, I.E.G. Proposta para interpretao da taxa interna de retorno
atravs do calculo fuzzy. 93p. Dissertao (Mestrado) UNIFEI, Itajub, 2005.
BATALHA, M. O. Introduo engenharia de produo. Rio de Janeiro: Elseiver,
2008.
BASTOS NETO, A.O. Aspectos da extrao de sacarose de cana-de-acar por
difuso. UNI-SYSTEMS
http://uni-systems.locaweb.com.br/images/online/arq_Catalogo%20portu.pdf
consultado em janeiro de 2008.

BARREIROS, F.A.M. Projeto de investimento: uma anlise estratgica a partir do
conceito de cadeia de suprimentos. 221p. Dissertao (Mestrado) Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2003.
BORBA J.A.B & DILL R. Anlise de rentabilidade de empresas: uma abordagem
baseada na lgica nebulosa (fuzzy logic). RAC-Eletrnica, So Paulo ANPAD vol. 1
janeiro/abril 2007.
BRANDO L. Apostila de anlise de projetos e avaliao de empresas. PUC, Rio de
Janeiro, 2007.
205
BREALEY, R.A.; MYERS, S.C. Princpios de finanas empresarias. 5.ed. Lisboa.
McGraw-Hill, 1998.
CASAROTTO FILHO, N. C. & KOPITTKE, B. H. Anlise de Investimentos:
matemtica financeira, engenharia econmica, tomada de deciso, estratgia
empresarial. 9.ed. So Paulo: Atlas, 2000.
CHIU, C.Y.;PARK, C. S.; Fuzzy cash flow analysis using present worth criterion;
The Engeneering Economist 1994 volume 39, no 2 (113-137).

CORREA, C. O cl do etanol. Revista Exame. Editora Abril, So Paulo, agosto de
2007.
http://portalexame.abril.com.br/revista/exame/edicoes/0899/mm_2007/m0135376.htm
l

CORREIA NETO, J.F; MOURA, H.J.; e FORTE, S.H.C.A. Modelo prtico de
previso de fluxo de caixa operacional para empresas comerciais considerando os
efeitos do risco, atravs do mtodo de Monte Carlo. Revista Eletrnica de
Administrao, Porto Alegre, UFRGS vol.8 n. 3, junho 2002.

ERENO, D. Sertozinho, usina de inovaes. Revista Pesquisa FAPESP, edio 128
Outubro, 2006. So Paulo.
FEITOSA, H.A & PAULOVICH, L. Um preldio lgica. So Paulo, Editora
UNESP, 2005.
FLORES, L.F.V.; Apostila do curso de sistemas e centrais trmicas. UNIFEI, Itajub,
2003.
FUZZYTECH

. 5.60c IA-S5 Demo Copyright

1991-2006
GAVIRA, M. O. A simulao computacional como uma ferramenta de aquisio de
conhecimento. Dissertao (Mestrado) Escola de Engenharia de So Carlos,
Universidade de So Paulo, So Carlos, 2003.
GIL, A.C. Como elaborar projetos de pesquisa. So Paulo: Atlas, 1987.
GILL-LAFUENTE, A.M. Fuzzy logic in financial analysis. Nova York, Springer
Verlag, 2005.
GITMAN, L. J. Princpios de administrao financeira. 10. ed. So Paulo: Pearson
Addisson Wesley, 2004.
GUTIRREZ, I. Fuzzy numbers and net present value. Scand. J. Mgmt, Vol 5 No. 2,
pp.149-159, 1989.
206
IPEA Instituto de Pesquisa Econmica Aplicada. Exibio de notcia.
http://www.ipea.gov.br/003/00301009.jsp?ttCD_CHAVE=2246 consultado em
janeiro de 2008.
IPEADATA. Produo anual de cana-de-acar.
http://www.ipeadata.gov.br/ipeaweb.dll/ipeadata?SessionID=1639907358&Tick=121
6527590421&VAR_FUNCAO=SubmeterFormulario%28%27frmMain%27%2C%27
Series%3FSessionID%3D1639907358%26Text%3Dcana%26Tick%3D12165275904
21%27%29%3B&Mod=M consultado em fevereiro de 2008.
KALATIZS, A.E.G. Avaliao de investimentos envolvendo risco: uma abordagem
probabilstica. Apostila do curso de finanas corporativas aplicada. Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2006.
KASSAI, J.R. Uma abordagem matemtica e contbil do retorno do investimento.
Caderno de estudos em administrao, So Paulo, FIPECAFI, vol.14, julho/dezembro
1996.
KREUZER, H.; 2000. General report. Twentieth congress of large dams, Vol.1,
Question 76, Beijing China.
LAW, A.M.; KELTON, W.D. Simulation modeling and analysis. 3. ed. Boston:
McGraw-Hill, 2000.
LIMA, M.S.O. (2007). O gs natural como alternativa energtica para a indstria
txtil: vantagem competitiva ou estratgia de sobrevivncia?
Dissertao (Mestrado) Escola de Engenharia de So Carlos, Universidade de So
Paulo, So Carlos, 2007.
LOBATO, E.; SOARES, P. lcool frustra investidores e produtores. Folha de So
Paulo, 20/01/2008. So Paulo.
MALERBA, E.P.M. Desenvolvimento e aplicao de uma ferramenta computacional
de apoio deciso em anlise de investimentos sob condies de risco uma
automao do mtodo de monte carlo. 136p. Dissertao (Mestrado) UNIFEI, Itajub,
2003.
MARCONI, M.A; LAKATOS. E.M. Tcnicas de pesquisa. So Paulo: Atlas, 1982.
MARTINS, E. Contabilidade de custos. 9. ed. So Paulo: Atlas, 2002.
MEDEIROS, S. Mtodo para analise de projetos em unidades de conservao,
usando lgica fuzzy. Dissertao (Mestrado) UFSC, Florianpolis, 2003.
207
MEIRELES, J.L.F. A teoria das opes reais como instrumento de avaliao de
projeto de investimentos. 117p. Dissertao (Mestrado) Escola de Engenharia de
So Carlos, Universidade de So Paulo, So Carlos, 2004.
MONTGOMERY D.C.; RUNGERG.C. Estatstica aplicada e probabilidade para
engenheiros. 2. ed. Rio de Janiero: LTC, 2003.
MSANGI, M.; SULSER, T.; ROSEGRANT, M.; VALMONTE SANTOS, R. Global
scenarios for biofuels: impacts and implications. Farm Policy Journal, Vol. 4 No. 2,
May Quarter 2007.

NOVA, A.M.O.P. (1980); Gerao de nmeros aleatrios em computador. Algumas
aplicaes. Primeiro CPI - Congresso Portugus de Informtica. Braga, Portugal.
NICOLETTI, M.C.; CAMARGO, H.A. Fundamentos da teoria dos conjuntos fuzzy.
(Srie Apontamentos). So Carlos: Edufscar, 2004.
OLIVEIRA, M.; VASCONCELOS, Y. Uma histria de sucesso e polmicas. Revista
Pesquisa FAPESP, edio 122 Abril, 2006. So Paulo.
OLIVEIRA JNIOR, H.A. Lgica difusa: aspectos prticos e aplicaes. Rio de
Janeiro: Intercincia, 1999.

OLIVEIRA JNIOR, H.A, CALDEIRA, A.M.; MACHADO, M.A.S.; SOUZA, R.C.;
TRANSCHEIT, R. Inteligncia computacional aplicada administrao, economia e
engenharia em matlab. So Paulo: Thomson Learning 2007.

OMITAOMU, O.A; BADIRU A. Fuzzy present value analysis model for evaluating
information system projects. The Engineering Economist, Volume 52, Issue 2 April
2007, pages 157 178.
PACIFICO, O. (2003). Substituio do ativo permanente como vantagem
competitiva: estudo de caso no cluster da laranja no municpio de bebedouro. 102 p.
Dissertao (Mestrado) Escola de Engenharia de So Carlos, Universidade de So
Paulo, So Carlos, 2003.
PAMPLONA E.O.; MONTEVECHI, J.A.B. Apostila do curso de engenharia
econmica 2. UNIFEI, Itajub, 2005.
PAMPLONA E.O.; MONTEVECHI, J.A.B. Apostila do curso de engenharia
econmica avanada. UNIFEI, Itajub, 2006.
PESSOA, A. Cana-de-acar.
http//www.mre.gov.br/Itamaraty/web/port/economia/agrc/producao/cana consultado
em fevereiro 2008.

208
PLLANA, S. History of Monte Carlo method.
http//www.geocities.com/CollegePark/Quad/2435 consultado em maio de 2007.

PINTO O.P.F. Desenvolvimento de uma ferramenta de anlise de deciso para
suprimento de uma refinaria de petrleo atravs de uma rede de oleodutos.
Dissertao (Mestrado) UFSC, Santa Catarina, 2001.

RANGEL, C. Carros flex puxam recorde na produo de lcool. Terra economia.
Dezembro de 2007.
http://invertia.terra.com.br/sustentabilidade/interna/0,,OI2180117-EI10426,00.html

RECEITA FEDERAL. Instruo Normativa SRF. n 162, de 31 de dezembro de 1998
DOU de 07/01/1999, pg. 5.

REBELATTO, D.A.N. Projeto de investimento: com estudo de caso completo na
rea de servios. BARUERI: Manole, 2004.
ROSA, F.H.F.P.; PEDRO JNIOR, V.A. Gerando nmeros aleatrios. Laboratrio
de Matemtica Aplicada - Instituto de Matemtica e Estatstica, Universidade de So
Paulo, So Paulo, 2002.

ROSS, S.A.; WESTERFIELD R.W.; JORDAN B.D. (2002); Administrao
financeira. 2. ed. So Paulo. Atlas 2002.
ROSS, S.A.; WESTERFIELD R.W.; JAFFE, F.F. (2000); Princpios de
administrao financeira. 2. ed. So Paulo. Atlas 2000.
ROTHER, L. With big boost from sugar cane, Brazil is satisfying its fuel needs. The
New York Times, 2006-04-10.
http://www.nytimes.com/2006/04/10/world/americas/10brazil.html?_r=1&pagewante
d=1&sq=Bush%20Brazil%20ethanol&st=nyt&scp=5&oref=slogin
SANCHES, A.L. Avaliao econmica de projetos de investimento em condies de
incerteza utilizando nmeros triangulares fuzzy. 221p. Dissertao (Mestrado)
UNIFEI, Itajub, 2003.
SANTOS, M.P. Apostila de introduo a simulao discreta. UERJ, Rio de Janeiro,
1999.

SHAMBLIN, J.E.; STEVENS G.T. Pesquisa operacional. So Paulo: Atlas 1979.

SHAW, I.S.; SIMES, M.G. Controle e modelagem fuzzy. So Paulo: Edgar
Bltcher, 1999.

SILVA, W.F. Contribuio da simulao de Monte Carlo na projeo de cenrios
para a gesto de custos na rea de laticnios. Dissertao (Mestrado) UNIFEI,
Itajub, 2004.
209
SILVA FILHO, B.S. Curso de controladores lgicos programveis. Apostila.
Laboratrio de Engenharia Eltrica. UERJ, Rio de Janeiro, 2007.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administrao da produo. 2. ed.
So Paulo: Atlas, 2002.
SOARES, P.; Investimento em lcool chega a US$ 19 bi at 2012. Folha de So
Paulo, 17/07/2007. So Paulo.
SOUZA, Z.J.; AZEVEDO, P.F.; Gerao de energia eltrica excedente no setor
sulcroalcooleiro: um estudo a partir de usinas paulistas. RER Revista Economia e
Sociologia, Rio de Janeiro, vol. 44, n 02, p. 179-199, abr/jun 2006.

THOMPSON JNIOR, A. Tomada de decises sob condies de incerteza, risco e
incerteza. Porto Alegre: Universidade Federal do Rio Grande do Sul, 1995.(Texto
didtico, n.6).

VON ALTROCK, C.; Fuzzy logic & neurofuzzy application in business & finance,
Pretince Hall PRT-Upper Sadle River, New Jersey 07458-1995.
TORRES, O.F.F. Fundamentos da engenharia econmica e da anlise de projetos.
So Paulo: Thomson Learning 2006.

TRIOLA, M.F. Introduo estatstica. 7 ed. Rio de Janeiro: LTC, 1999.
VIEIRA, C.E.C.; RIBEIRO, C.C.R.; SOUZA, R.C. Geradores de nmeros aleatrios.
PUC-RioInf.MCC22/04. PUC, Rio de Janeiro, junho de 2004.

ZADEH, L.A. Fuzzy sets. Information and control vol 8, 1965.

ZANG, Z.; VEDENOV, D.; WETZSTEIN, M. Can the U.S. ethanol industry compete
in the alternative fuels market? Southern Agricultural Economics Association
Meetings Mobile, Alabama, February 4 - 6, 2007.