Análise de Risco dos custos de um projeto de obra civil residencial via Python
DOI:
https://doi.org/10.33448/rsd-v11i5.28203Palavras-chave:
Simulação Computacional; Método de Monte Carlo; Linguagem Python; Análise; Risco; Projetos.Resumo
É fundamental nos dias atuais analisar os riscos dos projetos que se deseja implementar, principalmente no setor da construção civil, pois os mesmos são altamente vulneráveis a condições externas, como: questões climáticas, políticas e de saúde pública. A maioria dos projetistas usa um fator de majoração para definir o gasto máximo, porém, essa pode ser considerada uma forma ultrapassada. Para inovar a análise de risco na construção civil, o presente trabalho elaborou duas simulações computacionais via Método de Monte Carlo implementadas na Linguagem de Programação Python. A primeira simulação foi feita usando o Método de Abordagem de Identificação Orientada ao Risco e a segunda o Método de Diagrama de Precedência e Ferramenta PERT/CPM. Diante do exposto, o principal objetivo é apresentar uma comparação entre duas metodologias de análise de risco e, posteriormente, auxiliar empreendedores da construção civil a avaliarem melhor os riscos orçamentários de seus projetos. Através dos resultados obtidos pela simulação computacional foi possível identificar os possíveis custos máximos, e a partir de então planejar e organizar melhor o andamento do projeto.
Referências
Almeida, G.F.; Sobral, L.S.; Oliveira, J. A.; Baltazar, B.T.; Silveira Neta, A.; Tavares, J.J.; Novais, B.F.; Rodrigues, R. M. G.; Cavalcanti, J. M. M.; Duarte, L.; Marçal, G. F.; Machado, R. S. S. (2021). Uso de simulação computacional para ensino e aprendizagem em cursos da área da saúde. Research, Society and Development. 10(15), e565101523522.
Câmara Brasileira da Indústria da Construção. (2021). PIB Brasil e construção civil. Recuperado de https://cbic.org.br/custo-com-materiais-de-construcao-aumentou-2505-em-12-meses/, acesso em 08 de março de 2021.
Dias, S. C., Da Silva, L. M. C., Nascimento, L. G., Oliveira, F. C., Lopes, S. J. C. & Sousa, L. M. (2020). Cenário da construção civil no Brasil durante a pandemia da COVID-19. 9(7). Research, Society and Development. e528974464.
Fermino, M., Dantas, F., Cândido, J., Costa, A. E., Paula, G. A. & Paula, G. L. S. (2013). Método de Monte Carlo para Análise de Risco. Vol. 3. Universidade do Algarve, Faro, Portugal.
Fernandes, C. A. B. A. (2005). Gerenciamento de riscos em projetos: Como usar o Microsoft Excel para realizar a simulação de Monte Carlo. Paraná-RS. http://www.pucrs.br/ciencias/viali/especializa/miaimafafis/material/ead/artigos/MonteCarloExcel.pdf.
Figueirêdo, P. R.; Lacerda, L.P.; Silva, J. M.; Brito, A. F. (2021). Estudo de simulação de um processo de produção de massa em uma padaria. Research, Society and Development, 10(13), e570101321850.
Freitas Filho, P. J. (2008). Introdução à modelagem e simulação de sistemas: com aplicações em Arena. Visual Books.
Gallardo, N. P., Ferreira, L. M. P., Souza, T. D., Mendes, M. dos S. A., Silva, M. S. D., & Borges A. M. (2020). Analysis of the cooling and heating load by computer simulation in two construction systems: Light Steel Frame and ceramic block masonry. Research, Society and Development, 9(11), e56191110313.
Gil, A. C. (2002). Como elaborar projetos de pesquisa (4ª ed.). São Paulo: Atlas.
Humphreys, G. C. (2014). Project management using earned value (3ª ed.). USA: Humphreys &Associates.
Iannoni, A. P.; Morabito, R. (2002). Análise do sistema logístico de recepção de cana-de-açúcar: um estudo de caso utilizando simulação discreta. Gestão & produção, Scielo Brasil, v. 9, n. 2, p. 107–127.
Joia, L. A., Soler, A. M., Bernat, G. B. & JR, R. R. (2013). Gerenciamento de riscos em projetos. Rio de Janeiro: FGV.
Lacerda, L. P. Figueirêdo, P. R. Brito, A. F & Silva, J. M. Aplicação da Teoria de Filas via Modelagem Computacional em uma Empresa de Lavagem de Veículos. 10(8). Research, Society and Development. e21910817188.
Lakatos, E. M.; Marconi, M. A. (1991). Metodologia científica. São Paulo: Atlas.
Landau, D. P.; Binder, K. (2000). A Guide to Monte Carlo Simulationsin Statistical Physics. CAMBRIDGE UNIVERSITY PRESS.
Martins, F. A. (2014). Análise de risco na construção - Método de Monte Carlo. In f. Dissertação (Mestrado em Engenharia de Civil). Departamento de Engenharia Civil, Faculdade de Engenharia da Universidade do Porto, Porto, Portugal.
Menezes, N. N. C. (2010). Introdução à Programação com Python: Algoritmos e lógica de programação para iniciantes. São Paulo: Novatec Editora Ltda.
National Aeronautics and Space Administration. (2015). Cost Estimating Handbook, Version 4.0.
Nunes, J. M., Longo, O. C., Alcoforado, L.F. & Pinto, G. O. (2020). O setor da construção civil e a atual crise econômica. Research, Society and Development, 9(9), e 393997274-e 393997274.
PMI. (2013). Um Guia do Conjunto de Conhecimento em Gerenciamento de Projetos – PMBOK. Pennsylvania.
Raybaut, P. (2017). Spyder-documentation. Vol. 3. Available online at: pythonhosted.org.
Rodrigues, E. M., Nunes, R. V., & Adriano, N. de A. (2010). A simulação de Monte Carlo como instrumento para a análise econômico-financeira em investimentos de risco - O caso de uma decisão de investimento na abertura de uma filial para revenda de equipamentos pesados no Estado do Ceará. Anais Do Congresso Brasileiro De Custos - ABC.
Silva, E. L. D. & Menezes, E. M. (2005). A pesquisa e suas classificações. Metodologia da pesquisa e elaboração de dissertação. 4. ed. rev. atual. – Florianópolis: UFSC.
Shonkwiler, R. W. & Mendivil, F. (2009). Explorations in Monte Carlo Methods (Undergraduate Texts in Mathematics). Sprinder.
Vergara, W. R. H., Teixaira, R. T. & Yamanari, J. S. (2017). Análise de riscos em projetos de engenharia: uso do PERT/COM com simulação. Revista Exacta, vol. 15, núm. 1, pp. 75-88.
Vieira, S. (2018). Estatística Básica (2ª ed.). São Paulo: Cengage Learning.
Vilcapoma, A. A. I., Moura, L. M., & Sampaio, L. M. D. (2014). Uso da simulação de Monte Carlo em projetos de construção de rodovias no norte fluminense. Universidade Federal Fluminense e Universidade Federal do Rio de Janeiro.
Vuolo, J. H. (1996). Fundamentos da Teoria de Erros. São Paulo: Edgard Blücher.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 José Antônio Lima Santos; Iágo Prado Cardoso; Jaqueline Maria da Silva; Alexandre Faissal Brito
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
