aplicabilidade do método de simulação de monte carlo na previsão

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
APLICABILIDADE DO MÉTODO DE
SIMULAÇÃO DE MONTE CARLO NA
PREVISÃO DE PRAZO EM UM
PROJETO DE TRANSFERÊNCIA DE
TECNOLOGIA INTRACOMPANHIA
FARMACÊUTICA.
Majida Farid Barakat (UNINOVE )
[email protected]
Fernando Tobal Berssaneti (UNINOVE )
[email protected]
A alteração da natureza das estratégias de negócio das indústrias
farmacêuticas exige transferência da tecnologia intra e
intercompanhias para criar a capacidade adicional para um novo
produto, as deslocalizações de operações, encerramento
de
instalações e consolidações e fusões. Planejamento e documentação
são os fatores chave para uma transferência bem-sucedida. Tal
processo de transferência de tecnologia intercompanhias deve ser
precedido e mediado por um projeto. O objetivo deste trabalho é testar
a aplicabilidade do Método de Simulação de Monte Carlo para prever
prazo de projeto de transferência de tecnologia intracompanhia
farmacêutica. Para tanto, os dados simulados encontrados foram
comparados por meios estatísticos, com os dados reais de um estudo de
caso e confrontados com a pesquisa bibliográfica. A probabilidade de
cumprimento do prazo estabelecido para o projeto pelo método
determinístico foi inferior a zero. Pela Simulação de Monte Carlo foi
possível notar que, considerando as probabilidades, o prazo para
conclusão do projeto é aproximadamente 3 vezes maior do que a média
dos prazos dos projetos avaliados de modo determinístico. Assim, a
Simulação de Monte Carlo demonstrou-se mais vantajosa pois
possibilitou um desenvolvimento com maior abrangência, clareza,
rigor e entendimento.
Palavras-chave: Monte Carlo, Prazo, Projeto, Transferência
Tecnologia
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
1. Introdução
As rápidas mudanças do mercado exigem das empresas grandes esforços na adaptação de seus negócios às novas
necessidades e demandas. Para criar capacidade adicional para um novo produto, é comum as indústrias
farmacêuticas realizarem transferência da tecnologia intra e intercompanhias, alterando a localizações de
operações, encerrando instalações e muitas vezes consolidando fusões. A transferência de processos para um
local alternativo pode ocorrer em qualquer fase do ciclo de vida do produto, desde o desenvolvimento,
lançamento, aumento de escala, fabricação e fase pós-aprovação. Tal processo de transferência de tecnologia
pode ser precedido e mediado por um projeto.
No contexto de projeto, uma fonte de riscos que deve ser considerada corresponde as estimativas de prazos das
atividades. Estimativas imprecisas impactarão o término e, consequentemente, os custos do projeto. Além disso,
concluir o projeto dentro do prazo é um fator dominante (SU; SANTORO, 2006). Porém, os projetos baseiam-se
em estimativas e projeções sobre o futuro de um mundo cada vez mais dinâmico. Neste ambiente, a quantidade
de incertezas é maior e, portanto, o risco de o projeto fracassar costuma ser alto (SU; SANTORO, 2006).
Existem técnicas de simulação bastante exploradas nas áreas de gerenciamento de risco e aplicadas ao
gerenciamento de projetos. Porém, muitas vezes pouco difundidas entre os gerentes de projetos. Para Carvalho e
Rabechini (2008) as incertezas nos projetos são muitas e minimizá-los é uma tarefa que poucos gerentes sabem.
Neste contexto, as técnicas de simulação surgem como importante ferramenta para prever e minimizar incertezas
de custos e tempo de projetos.
Este estudo pretende, por meio da aplicação da simulação de Monte Carlo (RODRÍGUEZ, 2013), contribuir com
o planejamento de prazos de um projeto de transferência de tecnologia na indústria farmacêutica. O intuito da
pesquisa é mitigar os riscos de atrasos no projeto, identificando sobretudo as probabilidades de o projeto ser
concluído dentro de um intervalo de tempo esperado. Para tanto, os resultados simulados serão comparados com
os dados reais a luz da bibliografia pertinente. Com isso, pretende-se responder a seguinte questão de pesquisa:
O método de Simulação de Monte Carlo é viável como metodologia para previsão de prazos da transferência de
tecnologia intracompanhia da indústria farmacêutica analisada?
O presente estudo mostra-se relevante devido à escassez de pesquisas que buscam analisar a aplicabilidade de
métodos matemáticos como apoio aos gestores no setor farmacêutico na tomada de decisões, sendo um campo a
ser explorado.
2. Transferência de tecnologia em indústrias farmacêuticas
A transferência de tecnologia é definida como um procedimento lógico que controla a transferência de qualquer
processo, juntamente com sua documentação e experiência profissional entre desenvolvimento e fabricação ou
entre sites de fabricantes (WHO, 2011).
2
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
É necessário no mínimo experiência nas áreas de desenvolvimento, fabricação, controle de qualidade, assuntos
regulatórios, cadeia de suprimentos e engenharia. Isto demonstra a importância da formação de um time como
primeiro passo no projeto de transferência.
Como interesses e conhecimentos são bastante diferentes dentro da equipe é ainda essencial compreender o
projeto em sua totalidade e as tarefas e entregas de subequipes.
A equipe é confrontada com questões múltiplas, o processo a ser transferido deve ser entendido e
suficientemente descrito – o que pode ser um problema, especialmente para produtos mais antigos. Mas, sem
esse entendimento a prova de equivalência após a transferência jamais será bem-sucedida.
A abordagem planejada, a documentação das atividades de transferência, bem como os procedimentos escritos
fazem parte dos requisitos de Boas Práticas de Fabricação. Planejamento e documentação são os fatores chave
para uma transferência bem-sucedida.
Neste estudo será considerada a transferência de tecnologia intracomaphia a mudança de local de fabricação de
um medicamento sólido oral.
3. Gerenciamento de riscos em projetos
Projeto é a atividade que molda a forma física e o propósito tanto de produtos e serviços como dos processos que
os produzem (SLACK, 2009). Por definição, projetos são basicamente processos únicos com limitação de
escopo, tempo e recursos. O fato de os projetos serem únicos e de possuírem limitações exige do gerenciamento
de projetos um planejamento consistente em um ambiente de incertezas, ou seja, em um ambiente probabilístico.
São considerados projetos bem-sucedidos aqueles que atendem às metas de custo, prazo e qualidade
(BERSSANETI & CARVALHO, 2015). Estas três variáveis interagem entre si: o impacto que a variação do
prazo terá no projeto será tanto sobre os custos quanto sobre a qualidade do projeto e vice-versa. Assim o
gerenciamento de riscos torna-se uma ferramenta fundamental na busca por estes resultados (SU; SANTORO,
2006).
A origem do risco reside nas incertezas presentes em todos os projetos. O Project Management Body of
Knowledge – PMBOK (2013) define o risco do projeto como “um evento ou condição incerta que, se ocorrer,
terá um efeito positivo ou negativo sobre pelo menos um objetivo do projeto, como tempo, custo, escopo ou
qualidade”. O gerenciamento de risco pressupõe o controle de determinadas variáveis que podem desencadear
situações de riscos (NASCIMENTO, 2007).
A análise quantitativa de risco (AQR) é um campo relativamente novo, o qual tem crescido rapidamente em
diversas áreas do conhecimento (VOSE, 2002). Uma destas áreas tem sido o gerenciamento de projetos, cuja
diversas abordagens disponíveis consideram a análise de risco como um de seus principais processos no contexto
do gerenciamento de risco do projeto. A análise de risco tem se deslocado no nível gerencial para o estratégico,
deixando de ser apenas uma função de medição para agregar valor ao negócio (MATIAS Jr., 2006).
A modelagem de risco proporciona uma visão não só quanto a possíveis mudanças que possam sofrer o projeto
para aumentar a sua rentabilidade, mas mais importante, permite a classificação das fontes de risco. Isto é
3
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
conseguido por traduzir a incerteza em risco, que por sua vez, pode ajudar o responsável a tomar medidas
específicas para limitar ou transferir esse risco, e, portanto, tornam o resultado desejado mais provável
(LOUIZOU; FRENCH, 2012).
Na AQR se tem o processo de mensuração numérica dos efeitos dos riscos sobre os objetivos do projeto. Esta é
uma abordagem quantitativa para se tomar decisões na presença de incertezas (MATIAS Jr., 2006). É na análise
quantitativa em particular que se tenta reduzir em termos efetivamente numéricos – e assim melhor avaliar – os
riscos relacionados a um projeto. Para tal são usadas técnicas de simulação, ou seja, são geradas amostras
aleatórias segundo um modelo da probabilidade de um risco para o projeto em termos de tempo ou custo.
Diversas técnicas e ferramentas são utilizadas para implementar o processo de AQR, como Simulação de Monte
Carlo (KARANOVIC; GJOSEVSKA, 2012).
Recentemente, a Simulação vem sendo percebida como uma das mais confiáveis ferramentas para se gerenciar
um projeto. Essa percepção surge da capacidade dessa metodologia em modelar as várias aleatoriedades
envolvidas em um projeto (LEE, 2005).
4. Simulação de Monte Carlo
A Simulação de Monte Carlo nada mais é do que um método numérico estocástico universal (GÁLVEZ, 2015)
para a solução de problemas matemáticos. Seu emprego no gerenciamento de riscos em projetos deve-se
basicamente à difícil (ou impraticável) modelagem de predição dos riscos.
A Simulação, como metodologia de pesquisa operacional, tem sido testada e discutida ano após ano como
ferramenta de tomada de decisão em gerenciamento de projetos (ARTTO, 2001, JAHANGIRIAN et al., 2010,
BANKS, 2010).
A simulação de Monte Carlo, segundo Moore e Weatherford (2005), pode ser utilizada largamente na avaliação
de projetos, em que os riscos envolvidos podem ser expressos de forma simples e de fácil leitura, e as simulações
auxiliam a decisão. Assim, os indicadores deixam de ser determinísticos e passam a ser estocásticos,
probabilísticos.
A Simulação de Monte Carlo é um método de avaliação interativa de um modelo determinístico, usando
números randomizados como entradas. Esse método é mais utilizado quando o modelo é complexo, ou nãolinear, ou quando envolve um número razoável de parâmetros de incerteza (LIMA et. al, 2008) assim como é o
projeto de transferência de tecnologia na indústria farmacêutica.
Segundo Corrar (1993), a Simulação de Monte Carlo foi criada em 1940, pelos pesquisadores Von Neunann e
Ulam, para solucionar problemas de blindagem em reatores nucleares. O termo Monte Carlo foi dado pelos
pesquisadores S. Ulman e Nicholas Metropolis em homenagem a atividade mais popular de Monte Carlo,
Mônaco, os jogos (GUJARATI, 2002).
A rigor, a Simulação de Monte Carlo consiste em um experimento de amostragem, cujo objetivo principal está
em estimar o comportamento de uma variável de resultado, que depende de outras variáveis aleatórias de forma
4
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
automática, geralmente com o auxílio de modelagens de operações e de ferramentas de software que, por
conseguinte, geram uma grande quantidade de cenários, automaticamente (NASCIMENTO, 2007, MATIAS Jr.,
2006). Neste processo, ao invés de estimar cenários, o analista do projeto arbitra o comportamento estocástico de
cada fonte de incerteza (NASCIMENTO, 2007).
Segundo Moore e Weatherford (2005), a Simulação de Monte Carlo é um dos vários métodos para a análise da
propagação da incerteza, onde sua grande vantagem é determinar como uma variação randomizada, já conhecida,
ou o erro, afetam a performance ou a viabilidade do sistema que está sendo modelado.
5. Metodologia
Do ponto de vista da classificação deste estudo, esta é uma pesquisa exploratória. Nesse tipo de pesquisa, os
fenômenos são observados, registrados, analisados e interpretados sem que haja interferência do pesquisador nos
fatos estudados (ANDRADE, 2010).
O método de pesquisa utilizado foi o estudo de caso. Este método apresenta como vantagens a manutenção das
características principais de eventos da vida real e a garantia de preservação de visão holística do problema
estudado (YIN, 2015).
O trabalho de pesquisa foi desenvolvido em uma das plantas de uma multinacional farmacêutica localizada no
Estado de São Paulo, que se encontra em operação regular caracterizando um fenômeno contemporâneo e da
vida real. O pesquisador não exerceu qualquer interferência no processo e nas decisões.
O foco deste trabalho será na fase de análise quantitativa do risco de prazo. É apresentado um estudo de caso
para a comparação dos resultados de uma análise de viabilidade feita pelo método tradicional e com o auxílio da
Simulação de Monte Carlo, composto pelas seguintes etapas:

Elaboração da rede de atividades: definição e sequenciamento das atividades, construção da rede de
atividades utilizando o método de diagrama de precedência;

Para incorporar a incerteza nas durações das atividades, foram adotadas três estimativas de duração para
cada atividade do projeto:
a) Otimista: duração mínima da atividade se tudo ocorrer perfeitamente.
b) Mais provável: a duração mais provável da atividade sob condições normais.
c) Pessimista: duração máxima da atividade se atrasos significativos são encontrados.

Simulação de Monte Carlo, técnica de modelagem escolhida por gerar resultados viáveis, próximos da
realidade;

Análise dos resultados obtidos.
O método aplicado neste artigo consiste basicamente em gerar, aleatoriamente, “n” sucessivas amostras em
termos de tempo (variável aleatória) que serão então “testadas” contra um modelo estatístico, que vem a ser na
verdade uma distribuição de probabilidade para um determinado risco no projeto. Cada amostra corresponde a
uma iteração do método. Desse modo, a Simulação de Monte Carlo fornece uma estimativa, o qual é
inversamente proporcional ao número de iterações. Dessa forma, quanto maior o número de iterações, menor o
erro.
5
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
A Simulação de Monte Carlo possibilitará:

Estabelecer uma distribuição de probabilidade (modelo) à qual responde uma variável aleatória (tempo)
para o risco analisado;

Amostrar esta variável aleatória em número suficientemente grande de vezes (realizar iterações).
A respeito da modelagem e simulação, Chung (2004) define esta metodologia como uma estratégia de pesquisa
que consiste num processo de criar e experimentar um sistema físico através de um modelo matemático
computadorizado. Um sistema pode ser definido como um conjunto de componentes ou processos que se
integram e que recebem entradas e oferecem resultados para algum propósito
6. Estudo de Caso
O presente trabalho analisa o projeto de transferência de fabricação de medicamento sólido oral entre sites de
uma indústria farmacêutica multinacional. O processo de definição das atividades do cronograma envolve
identificar e documentar o trabalho planejado a ser realizado. O processo de definição de atividades identifica as
entregas no nível mais baixo da estrutura analítica do projeto – EAP, que são os pacotes de trabalho (PMI, 2004).
O sequenciamento de atividades foi realizado através do diagrama de rede, também chamado de diagrama
lógico, que é a representação gráfica das atividades do projeto, mostrando a sequência planejada do trabalho,
seus relacionamentos lógicos, que também são chamados de dependências, ligações lógicas, interrelacionamentos (BURKE, 1999; PMI, 2004). Goodpasture (2004) salienta que o diagrama de rede deve capturar
a lógica do projeto, refletindo na sua estrutura as dependências e relacionamentos entre as atividades.
O diagrama em rede, mostra o inter-relacionamento entre as atividades do projeto, usando a lógica simples de
que todas as atividades que precedem uma dada atividade devem estar concluídas antes do início da atividade em
questão (NASCIMENTO, 2007). Para que um projeto seja eficaz, ele deve levar em consideração os parâmetros
das durações e da lógica das atividades. Este relacionamento lógico é necessário para modelar o efeito que uma
variância da programação terá nas atividades sucessoras do projeto (NASCIMENTO, 2007).
O quadro 1 apresenta as atividades envolvidas no projeto e a figura 1 o diagrama de rede do projeto. Para cada
atividade, foram relacionados três possíveis prazos para realização: o prazo otimista, o mais provável e o
pessimista. As estimativas de prazos foram levantadas com base no conhecimento dos envolvidos e histórico de
outros projetos similares realizados pela empresa. As etapas para mudanças estão relacionadas ao local das
etapas do processo produtivo do medicamento pós registro conforme Resolução RDC n° 73, de 7 de abril de
2016, uma vez que este projeto trata da transferência de fabricação de um medicamento sólido oral entre sites
intracompanhia.
Quadro 1 – Atividades do projeto de transferência de tecnologia intracompanhia farmacêutica.
Atividade
1
2
3
Adequação estrutural da planta
Aquisição de equipamentos
Elaboração e aprovação da Ordem de produção.
Prazo (dias)
Mais
Otimista
Pessimista
Provável
180
365
540
240
300
360
1
3
5
6
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
4
5
6
7
8
9
Laudos analíticos de controle de qualidade físico-quimico e
microbiológico do medicamento referentes a 1 (um) lote
fabricado/analisado no local aprovado e 1 (um) lote industrial
fabricado/analisado no local proposto.
Protocolo de estudo de estabilidade referente ao primeiro lote
industrial ou relatório de estudo de estabilidade referente a 1 (um)
lote industrial do medicamento.
Perfil de dissolução comparativo entre a condição atualmente
aprovada e a proposta.
Relatório sumário da validação de processo. No mínimo três lotes
em escala industrial devem ter sido validados prospectivamente
com êxito no local proposto.
Relatório de validação dos métodos analíticos de controle de
qualidade e estabilidade do medicamento
Certificação de Boas Práticas de Fabricação válido emitido pela
ANVISA, para a linha de produção na qual o medicamento é
fabricado.
20
25
30
50
56
70
50
56
70
50
75
90
7
15
21
90
125
180
Figura 1 – Diagrama de rede do projeto
4
1
7
8
3
9
5
2
6
Na Simulação de Monte Carlo aplicada, o tempo de execução de uma atividade comporta-se segundo uma
função de distribuição de probabilidade triangular. Assim, o tempo total de execução do projeto foi obtido da
seguinte maneira: gerou-se valores pseudo-aleatórios dos tempos de execução das atividades, de acordo com a
função de densidade de probabilidade característica de cada atividade
Para cada atividade do projeto, foi calculada uma duração aleatória que está compreendida entre os valores
otimista, mais provável e pessimista, relacionados através de uma distribuição triangular (3 pontos). Neste caso,
a duração utilizada em cada iteração do ensaio probabilístico foi calculada, utilizando-se o software MS-Excel®,
por meio da fórmula abaixo, que relaciona as durações:
Sendo:
o= duração otimista
m= duração mais provável
p= duração pessimista
r= número aleatório
Da= duração aleatório.
7
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
A partir daí, somou-se os tempos das atividades, conforme diagrama de rede e calculados pela Simulação.
7. Análise dos Resultados e Discussão
Pela Simulação de Monte Carlo foi possível notar que, considerando as probabilidades, o prazo para conclusão
do projeto é aproximadamente 3 vezes maior do que a média dos prazos dos projetos avaliados de modo
determinístico. O método proposto neste trabalho para o projeto de transferência de tecnologia intracompanhia
farmacêutica, com foco no cumprimento do prazo, estabeleceu um modelo de gerenciamento que dispõe de mais
informações.
A probabilidade de cumprimento do prazo estabelecido para o projeto pelo método determinístico foi inferior a
zero. Assim, a Simulação de Monte Carlo demonstrou-se mais vantajosa pois possibilitou um desenvolvimento
com maior abrangência, clareza, rigor e entendimento. A simulação Monte Carlo auxilia o gestor ser mais
consistente e racional em suas decisões (SCHOEMAKER, 1993), colocando o gestor longe do problema e
permitindo-lhe racionalizar suas complexidades (SCHOEMAKER, 1993), uma vez que passa a trabalhar com
probabilidades.
8. Conclusão
Foi possível, através da realização deste estudo, perceber que a probabilidade de ocorrência de valores
calculados pela duração estimada é baixa.
Simulação de Monte Carlo permite a incerteza na duração do projeto a ser quantificado tendo em conta o tempo
que leva para realizar cada tarefa em relação à sobreposição de fatores de tempo. Dessa forma, a Simulação de
Monte Carlo responde positivamente a questão de pesquisa, uma vez que demonstrou aplicabilidade na
elaboração de cronogramas possibilitando um projeto de transferência de tecnologia intracompanhia
farmacêutica com melhor desempenho de prazo.
Pode-se, portanto, concluir que modelos determinísticos tendem a ser substituídos pelos probabilísticos, e o nível
de incerteza no processo de decisão reduzirá. Esta redução, por sua vez, proporcionará benefícios para o
processo de tomada de decisão no gerenciamento de projetos.
Esta pesquisa apresentou limitações quanto a ausência de metodologia para estimativa de duração mínima e
máxima das atividades, nos dados fornecidos do estudo de caso.
Estudos sobre o assunto abordado nesta pesquisa poderia ser expandido, incluindo projetos de diferentes
companhias.
REFERÊNCIAS
_____. Um guia do conjunto de conhecimentos em gerenciamento de projetos: Guia PMBOK. 5.ed. Newton
Square, PA: Project Management Institute, 2013.
ANDRADE, M.M. Introdução à metodologia do trabalho científico. 10.ed. São Paulo: Atlas, 2010.
8
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
ARTTO, K.A.; LEHTONEN, J.M., SARANEN, J. Managing projects front-end: incorporating a strategic early
view to Project management with simulation. International Journal of Project Management. v.19, p. 255-264,
2001.
BANKS, J., CARSON, J.S., NELSON, B.L. et al. Discrete-event system simulation. 5.ed. New Jersey: Prentice
Hall, 2010.
BERSSANETI, F. T.; CARVALHO, M. M. Identification of variables that impact project success in Brazilian
companies. International Journal of Project Management, v. 33, p. 638-649, 2015.
BURKE, R. Project management: planning and control techniques. 3.ed. Chichester: John Wiley and Sons,
1999. 343p.
CARVALHO, M.M.; RABECHINI Jr., R.R. Construindo competências para gerenciar projetos: teoria e
casos. 2.ed. São Paulo: Atlas, 2008.
CHUNG, C. A. Simulation modeling handbook: a practical approach. Florida: CRC Press, 2004.
CORRAR, L.J. O modelo econômico da empresa em condições de incerteza – a aplicação do Método de
simulação de Monte Carlo. Caderno de Estudos n.8. São Paulo: FIPECAFI, 1993.
GÁLVEZ, E.D. Evaluation of Project duration uncertainty using the dependency structure matrix and Monte
Carlo simulations. Journal of Construction. v.14, n.2, 2015.
GOODPASTURE, J.C. Quantitative methods in Project management. Boca Raton: J. Ross Publishing, 2004.
GUJARANTI, D.N. Econometria básica. 3.ed. São Paulo: Makron Books, 2002.
JAHANGIRIAN, M. et al. Simulation in Manufacturing Business: a review. European Journal of Operational
Research, v. 203, p. 1-13, 2010.
KARANOVIC, G.; GSOSEVSKA, B. Analysis of risk and uncertainty using Monte Carlo simulation and its
influence on project realization. The International Conference and Administration Faculty of Business and
Administration, University of Bucharest, Romania ICEA – FAA Bucharest, 8-9 June 2012.
KEZNER, H. Project management: A systems approach to planning, scheduling and controlling. 6.ed. New
York: Van Nostrand Reinhold, 1997. 1180p.
LEAL, L.R., OLIVEIRA, M.J.F. Simulação Aplicada ao Gerenciamento de Projetos: Uma Revisão. Revista
Produção Online. v.11, n.2, p. 503-525, 2011.
LEE, D.E. Probability of Project completion using stochstic Project scheduling simulation (SPSS). Journal of
Construction Engineering and Management, ASCE. v.131, n.3, p. 310-318, fev. 2005.
9
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
LIMA, E.C.P. et al. Simulação de Monte Carlo auxiliando a análise de viabilidade econômica de projetos. IV
Congresso Nacional de Excelência em Gestão. 31 de julho a 02 de agosto de 2008.
LOIZOU, P.; FRENCH, N. A critical evaluation of using the Monte Carlo simulation method as a decision tool
in real estate development projects. Journal of Property Investment & Finance. v.30. n.2. p.195-210, 2012.
MATIAS Jr., R. Análise quantitativa de risco baseada no método de Monte Carlo: Abordagem PMBOK. I
Congresso Brasileiro de Gerenciamento de Projetos – Florianópolis 29 a 31 de março de 2006.
MOORE, J.; WEATHERFORD, L.R. Tomada de decisão em administração com planilhas eletrônicas. 6.ed.
Porto Alegre: Bookman Companhia Editora, 2006.
NASCIMENTO, C.A.D. Gerenciamento de Prazos: Uma revisão crítica das técnicas em uso em
empreendimentos em regime de EPC. Dissertação de Mestrado, 2007.
RODRIGUÉZ, S.S. Advance data mining for Monte Carlo simulation in project management. Procedia
Technology, v.9. p. 705-11, 2013.
SCHOEMAKER, P. Strategic decisions in organizations: rational and behavioural views. Journal of
Management Studies. v.30. n.1. p.107-29, 1993.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da Produção. 3.ed. São Paulo: Editora Atlas,
2009. 728p.
SU, C.T., SANTORO, M.C. Gerenciamento do risco de prazo em projetos. XXVI ENEGEP. 9 a 11 de outubro
de 2006.
VOSE, D. Risk Analysis: a quantitative guide. 2.ed. UK: Jonh Wiley & Sons, 2002. 418p.
WILLIAMS, T. The contribution of mathematical modelling to the pratice of project management.
Management Science: Theory, Method & Pratice. p.1-41, 2003.
YIN, R.K. Estudo de caso: planejamento e métodos.5.ed. Porto Alegre: Artmed, 2015.
10