MÉTODO DE MONTE CARLO (PARTE 2)

O artigo de hoje abordará a segunda etapa da análise quantitativa, onde a equipe de gerenciamento de riscos aloca os riscos do projeto às respectivas atividades que estes podem incidir. Em seguida geram-se inúmeros cenários onde haverá “n” combinações aleatórias de ocorrência dos riscos no projeto.

Então, vamos ao artigo (...)

O método de Monte Carlo surgiu oficialmente no ano de 1949 com o artigo The Monte Carlo Method de autoria dos matemáticos John Von Neumann e Stanislaw Ulan. Segundo Ulan, o nome do método foi dado em homenagem a seu tio, que era frequentador do cassino de Monte Carlo, ao contrário do que poder-se-ia pensar em função da associação crítica à natureza repetitiva e aleatória da roleta no cassino, por exemplo. Embora o método já fosse conhecido anteriormente, seu emprego de fato deu-se com o advento das calculadoras e computadores, uma vez que se trata de um método numérico Fernandes, (2005).

Trata-se de um método de simulação de cenários que consiste na geração randômica de valores para variáveis de resultado dentro de um fluxo de trabalho definido pelo gestor, a fim de quantificar os resultados finais para análise de probabilidades. Normalmente, os resultados são computados em custo ou em dias no cronograma.


Para realizar a Análise de Monte Carlo é necessário inicialmente que a equipe de gestão de risco atribua a cada atividade uma distribuição de probabilidade. Esta probabilidade está associada ao fato das durações das atividades não serem necessariamente algo determinístico e sim probabilístico. Ao associar a distribuição triangular a cada atividade do cronograma, foram geradas outros dois tipos de duração: A duração pessimista e a otimista.

[if !supportLists]Figura 1 [endif]Duração pessimista, mais provável e otimista

Outra etapa prévia à análise de Monte Carlo é a associação de cada risco à respectiva atividade ao qual ele atua. Desta forma, quando for realizada a simulação com os diversos cenários, o software realizará diversas combinações de cenário, onde cada risco será aleatoriamente ativado ou desativado.

[if !supportLists]Figura 2 [endif]Quadro de Associação dos Riscos às Atividades do Cronograma

Finalmente, depois destas duas etapas prévias, será possível realizar a análise de Monte Carlos, com a geração de “n” cenários diferentes – no meu caso, escolhi 1000 combinações.

[if !supportLists]Figura 3 [endif]Análise de Monte Carlos

Deste gráfico pode-se verificar que, a duração do projeto deixou de ter uma data determinística, e passou a ser representada por um intervalo, compreendido entre a data mínima (28/04/2014) e máxima (20/12/2014), com média em (19/08/2014). Outras informações importantes foram retiradas desta análise, como por exemplo, a nova curva S e a probabilidade de se atingir a data determinística de 08/07/2014, que ficou em apenas 15 % (quinze por cento).


Desta forma, o gestor não terá agora uma data fictícia ou imposta para término do projeto. Ele saberá a probabilidade que seu projeto terá de terminar em datas diferentes. Desta análise, o gestor também poderá tirar importantes informações como P80 (80% das datas no intervalo) e P50 (50% das datas no intervalo).

No próximo artigo irei abordar o gráfico de tornado, uma importante ferramenta também muito utilizada pelas equipes de gestão de risco que auxilia ao gerente de projeto focar no caminho crítico e verificar os caminhos críticos latentes.

Featured Posts
Posts em breve
Fique ligado...
Recent Posts
Archive
Search By Tags
Follow Us
  • Facebook Basic Square
  • Twitter Basic Square
  • Google+ Basic Square