Observando a árvore de binomial construída com as opções reais fica fácil saber em que ponto o projeto se encontra financeiramente. Os ramos da árvore podem ser pintados com a cor que for mais conveniente para fazer distinção entre um ramo economicamente viável e um economicamente inviável. No presente estudo foram escolhidas as cores verde, amarelo e vermelho, onde o verde indica um ramo economicamente viável, o amarelo indica um ramo economicamente inviável, mas com chances de reversão no futuro para um cenário viável e o vermelho para um ramo economicamente inviável e sem possibilidade de reversão num cenário futuro. A proposição feita pelo estudo para integração é simples, as
metodologias aqui podem servir como tela de suporte para o LCC, como uma expansão das telas principais, daí, para maiores detalhes, basta que a tela seja expandida. E também poderia-se acrescentar indicadores visuais nas cores mencionadas acima na tela principal para rápida visualização da viabilidade financeira do projeto no estágio em que ele se encontra. A Figura 28ilustra essa proposta, apresentando no canto inferior esquerdo da tela principal o IVF - Indicador de Viabilidade Financeira.
Figura 28 – Indicador de Viabilidade Financeira do projeto no LCC
Fonte: Elaboração própria
7 CONCLUSÕES
O estudo se propôs a fazer uma contribuição para gestão visual do risco financeiro de um projeto, de forma que ela seja contínua ao longo do ciclo de vida do projeto. Essa contribuição se deu pelo desenvolvimento de um modelo que integrou a Simulação de Monte Carlo, a Teoria de Opções Reais e o Life Cycle Canvas. Um estudo de caso com dados reais foi realizado para melhor demonstrar esse objetivo. Foi avaliada a implantação de um parque eólico, projeto repleto de variáveis que envolvem incerteza na mensuração como, por exemplo, produção de energia, que depende da incidência do vento, taxa de desconto dentre outras variáveis. Esse estudo de caso foi interessante do ponto de vista metodológico, pois permitiu mostrar os diversos caminhos e possibilidades calculados com as técnicas aqui apresentadas.
Com a técnica tradicional do VPL foi possível observar um valor positivo para o projeto no montante de R$ 46,6 milhões e com a Simulação de Monte Carlo constatou-se que se o evento pudesse se repetir milhares de vezes, a probabilidade de que o VPL tivesse um valor positivo (ou seja, VPL maior que zero) é de quase 70%. É interessante lembrar que a simulação faz milhares de interações, modelando milhares de cenários para as variáveis de entrada para então atribuir uma chance de ocorrência. No entanto, a esses valores não está incorporado o valor da flexibilidade gerencial, que será capturado pela utilização da TOR.
Considerando a opção de abandono do projeto é possível embolsar o dinheiro com a venda dos ativos. Essa possibilidade aumenta o valor do projeto em R$ 22,6 milhões em
relação ao que foi calculado com o VPL tradicional de R$ 46 milhões, elevando o valor do projeto para cerca de R$ 69,2 milhões, que é o seu real valor englobando a flexibilidade gerencial, nesse caso, a opção de não prosseguir com o projeto. Um aumento significativo que não estava sendo precificado devido à carência do método tradicional.
É importante destacar que no estudo de caso analisado o valor do projeto foi positivo, mas o cálculo da flexibilidade gerencial utilizando a TOR também se faz necessária para os casos em que esse valor seja negativo, pois pode evitar perdas maiores se considerarmos o investimento como uma opção estratégica mesmo com perdas, por exemplo.
Constatou-se ainda no estudo que todos os resultados podem ser obtidos com a automatização dos procedimentos metodológicos e serem integrados ao LCC. Uma vantagem, embora o caminho metodológico pareça um pouco complexo, é que os resultados produzidos são todos visuais e de fácil entendimento(gráfico de probabilidades gerado pela SMC e árvore binomial para precificação da opção real), o que por si só já está alinhado com a Gestão Visual. A metodologia aqui apresentada serve como tela de apoio ao LCC, podendo ser expandida para visualização de maiores detalhes, bem como ser integrada à tela principal do modelo com a adição de um indicador visual, mostrando se o projeto se encontra em um ramo viável economicamente ou não, como demonstrado nos resultados. Há também uma discussão acadêmica acerca da melhor forma de mensuração das probabilidades de um evento. Este estudo se baseia em métodos considerados clássicos, oriundos da estatística frequentista. Como sugestão para trabalhos futuros pode-se indicar a modelagem dos dados de acordo com a escola bayesiana, utilizando a técnica de redes para possibilitar uma comparação entre os resultados dessa modelagem e os obtidos no presente estudo. Uma espécie de backtesting (o teste do método sobre dados históricos de um projeto) poderia ser feito para avaliar a eficácia das metodologias. Outra possibilidade de estudo seria comparar os resultados com aplicação da metodologia em projetos de vários tipos e áreas. Essas aplicações permitirão uma maior generalização dos métodos apresentados, servindo de referência para os utilizadores saberem quando a metodologia é adequada ou não.
Uma limitação do estudo, refere-se justamente aos dados, que apesar terem sido coletados em sua plenitude na fonte disponível (Bloomberg e NOAA) ainda estão longe de serem uma amostra representativa para permitir extrapolação com maior nível de confiança. Por isso a recomendação de aplicabilidade da metodologia a vários tipos de projetos com o intuito de comparar os resultados. Outra limitação é que a metodologia é mais adequada para projetos de maior porte e elevado risco. Projetos que não se encaixem nessas características podem ser atendidos por técnicas mais simples.
Em suma, entre as principais contribuições do trabalho pode-se citar a unificação de modelos para avaliação do risco financeiro de um projeto e sua integração a um modelo visual. O trabalho pretende servir como referência para os gestores que buscam métodos para lidar com projetos de alto risco, fazendo isso de forma contínua, não apenas na etapa
REFERÊNCIAS
ADELAJA, A.; MCKEOWN, C.; CALNIN, B.; HAILU, Y. Assessing offshore wind potential. Energy Policy, v. 42, p. 191–200, 2012.
ALVES, M. C.; AZEVEDO, P. S. Integração das metodologias do PDP e Pmbok na área de gestão do design. Projetica, v. 7, n. 2, p. 25–36, 2016.
BEYNON-DAVIES, P.; LEDERMAN, R. Making sense of visual management through affordance theory. Production Planning & Control, v. 28, n. 2, p. 142–157, 2017.
BLACK, F.; SCHOLES, M. The pricing of options and corporate liabilities. Journal of
Political Economy, v. 81, n. 3, p. 637–654, 1973.
BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princípios de Finanças Corporativas. 10. ed. [S.l.]: AMGH, 2013.
BUEHRING, S. PRINCE2 vs the PMBOK Guide: A comparison. Londres, UK, 2017. CALLEGARI, D. A.; BASTOS, R. M. Project Management and Software Development Processes: Integrating RUP and PMBOK. In: 2007 International Conference on Systems
Engineering and Modeling. [S.l.: s.n.], 2007. p. 1–8.
CHEAH, C. Y. J.; LIU, J. Valuing governmental support in infrastructure projects as real options using Monte Carlo simulation. Construction Management and Economics, v. 24, n. 5, p. 545–554, 2006.
CHENEY, E. W.; KINCAID, D. R. Numerical Mathematics and Computing. 6. ed. [S.l.]: Cengage Learning, 2012. ISBN 1133103715.
COX, J. C.; ROSS, S. A.; RUBINSTEIN, M. Option pricing: A simplified approach.
Journal of Financial Economics, v. 7, n. 3, p. 229–263, 1979.
CRUZ, C. O.; MARQUES, R. C. Flexible contracts to cope with uncertainty in public–private partnerships. International Journal of Project Management, v. 31, n. 3, p. 473–483, 2013.
DAVID, E. 7 Processos PRINCE2. 2014. Disponível em: <https://aqueleblogdeprojetos. wordpress.com/tag/7-processos-prince2/>.
ESTEBAN, M. D.; DIEZ, J. J.; LóPEZ, J. S.; NEGRO, V. Why offshore wind energy?
Renewable Energy, v. 36, n. 2, p. 444–450, 2011.
FIGL, K. Comprehension of procedural visual business process models. Business &
Information Systems Engineering, v. 59, n. 1, p. 41–67, 2017.
FIGUEIREDO, A. C. Introdução aos Derivativos. 3. ed. São Paulo, SP: Cengage Learning, 2014.
FINOCCHIO JÚNIOR, J. Project Model Canvas: Gerenciamento de Projetos sem
Burocracia. 1. ed. Rio de Janeiro, RJ: Elsevier, 2013.
GLÓRIA JÚNIOR, I.; GONCALVES, R. F. As barreiras e motivações para o uso da abordagem canvas. In: . João Pessoa, PB: [s.n.], 2016.
GRAHAM, J. R.; HARVEY, C. R. The theory and practice of corporate finance: evidence from the field. Journal of Financial Economics, v. 60, n. 2, p. 187–243, 2001.
GREEN, R.; VASILAKOS, N. The economics of offshore wind. Energy Policy, v. 39, n. 2, p. 496–502, 2011.
GUIMARAES, J.; PANDOLFO, A.; GOMES, A. P.; MUHAMMAD, D.; PANDOLFO, L. M.; MARTINS, M. S. Estudo e aplicação de metodologia para gerenciamento de prazo com base nos princípios do PMBOK. Revista CIATEC-UPF, v. 3, n. 1, p. 36–47, 2012. HONG, L.; MöLLER, B. An economic assessment of tropical cyclone risk on offshore wind farms. Renewable Energy, v. 44, p. 180–192, 2012.
HUCHZERMEIER, A.; LOCH, C. H. Project Management Under Risk: Using the Real Options Approach to Evaluate Flexibility in R. . . D. Management Science, v. 47, n. 1, p. 85–101, 2001.
HULL, J. C. Options, Futures, and Other Derivatives. 9. ed. [S.l.]: Pearson, 2015. JANSSON, G.; VIKLUND, E.; LIDELOW, H. Design management using knowledge innovation and visual planning. Automation in Construction, v. 72, n. Part 3, p. 330–337, 2016.
KENNEDY, D. M.; MCCOMB, S. A.; VOZDOLSKA, R. R. An investigation of project complexity’s influence on team communication using Monte Carlo simulation. Journal of
Engineering and Technology Management, v. 28, n. 3, p. 109–127, 2011.
KOSTROVA, A.; BRITZ, W.; DJANIBEKOV, U.; FINGER, R. Monte-Carlo
Simulation and Stochastic Programming in Real Options Valuation: the Case of Perennial Energy Crop Cultivation. [S.l.], 2016. Disponível em: <https: //ideas.repec.org/p/ags/ubfred/250253.html>.
KWAK, Y. H.; INGALL, L. Exploring Monte Carlo Simulation Applications for Project Management. Risk Management, v. 9, n. 1, p. 44–57, 2007.
LAFETá, F. G.; BARROS, C. F. d. O.; LEAL, P. d. O. C. D. Projetos Complexos: Estudo de Caso sobre a Complexidade dos projetos de engenharia de telecomunicações em uma empresa do setor de óleo e gás. Revista de Gestão e Projetos, v. 7, n. 1, p. 41–55, 2016. LAZO, J. G. L.; VELLASCO, M. M. B. R.; PACHECO, M. A. C. Determination of real options value by Monte Carlo simulation and fuzzy numbers. In: Fifth International
Conference on Hybrid Intelligent Systems (HIS’05). [S.l.: s.n.], 2005.
LEMGRUBER, E. F. Avaliação de Contrato de Opções. Rio de Janeiro, RJ: BM&F, 1995. LIANYING, Z.; JING, H.; XINXING, Z. The project management maturity model and application based on PRINCE2. Procedia Engineering, v. 29, n. Supplement C, p. 3691–3697, 2012.
LIU, J.; JIN, F.; XIE, Q.; SKITMORE, M. Improving risk assessment in financial feasibility of international engineering projects: A risk driver perspective. International
LIU, J.; YU, X.; CHEAH, C. Y. J. Evaluation of restrictive competition in PPP projects using real option approach. International Journal of Project Management, v. 32, n. 3, p. 473–481, 2014.
LOPEZ, J. P. O. Redes Bayesianas. 2008. Disponível em: <https://jpordonez.wordpress. com/2008/08/08/redes-bayesianas/>.
MA, Y.; XU, J.; WU, X.; WANG, F.; CHEN, W. A visual analytical approach for transfer learning in classification. Information Sciences, v. 390, n. Supplement C, p. 54–69, 2017. MANWELL, J. F.; MCGOWAN, J. G.; ROGERS, A. L. Wind energy explained: Theory,
design and application. 2. ed. Chichester: John Wiley & Sons, 2010.
MARKARD, J.; PETERSEN, R. The offshore trend: Structural changes in the wind power sector. Energy Policy, v. 37, n. 9, p. 3545–3556, 2009.
MASSÉ, P. Optimal Investment Decisions: Rules for Action and Criteria for Choice. [S.l.]: Prentice-Hall, 1962.
MATOS, S.; LOPES, E. Prince2 or PMBOK – A question of choice. Procedia Technology, v. 9, n. Supplement C, p. 787–794, 2013.
MEDEIROS, B. C. Life Cycle Canvas: Análise de um modelo de gestão visual para o
planejamento de projetos com base no guia PMBOK. Tese (Doutorado) — Universidade
Federal do Rio Grande do Norte, Natal, 2017.
MEDEIROS, B. C.; NETO, M. Veras de S.; NOBRE, A. Claudia dos S.; NOGUEIRA, G. M. F. Planejando projetos com o Life Cycle Canvas (LCC): Um estudo sobre um projeto de infraestrutura pública estadual. Exacta, v. 15, n. 1, p. 155–170, 2017.
OSTERWALDER, A.; PIGNEUR, Y. Business Model Generation: Inovação em Modelos
de Negócios. 1. ed. Rio de Janeiro, RJ: Alta Books, 2011.
PARRY, G. C.; TURNER, C. E. Application of lean visual process management tools.
Production Planning & Control, v. 17, n. 1, p. 77–86, 2006.
PEARL, J. Causality: Models, Reasoning, and Inference. 2. ed. [S.l.]: Cambridge University Press, 2009.
PETERSON, M. An Introduction to Decision Theory. [S.l.]: Cambridge University Press, 2009.
PIMENTA, F.; KEMPTON, W.; GARVINE, R. Combining meteorological stations and satellite data to evaluate the offshore wind power resource of Southeastern Brazil.
Renewable Energy, v. 33, n. 11, p. 2375–2387, 2008.
PROJECT MANAGEMENT INSTITUTE. Um Guia do Conhecimento em Gerenciamento
de Projetos (Guia PMBOK®). 5. ed. Pennsylvania: [s.n.], 2013.
PRäSSLER, T.; SCHAECHTELE, J. Comparison of the financial attractiveness among prospective offshore wind parks in selected European countries. Energy Policy, v. 45, p. 86–101, 2012.
ROWLAND, L. R.; DOMINICK, L. A. Application of PMI PMBOK on the Shell Brutus Deepwater Project. In: . Offshore Technology Conference, 2001. Disponível em: <https://www.onepetro.org/conference-paper/OTC-12981-MS>.
SAITO, M. B.; JÚNIOR, J. L. T.; OLIVEIRA, M. R. G. d. A teoria das opções reais: Uma aplicação a projetos de investimento em inovação tecnológica considerando-se o valor da flexibilidade gerencial. In: . Resende, Rio de Janeiro: [s.n.], 2010.
SAMIS, M.; DAVIS, G. A. Using Monte Carlo simulation with DCF and real options risk pricing techniques to analyse a mine financing proposal. International Journal of
Financial Engineering and Risk Management, v. 1, n. 3, p. 264–281, 2014.
SANTOS, P. R. d.; SANTOS, M. R. d. Comparação entre os padrões de gerenciamento de projetos PMBOK, ICB E PRINCE2. In: V SINGEPE. Saõ Paulo, SP: [s.n.], 2016. SCHULTZ, A. L. Integrating lean and visual management in facilities management using design science and action research. Built Environment Project and Asset Management, v. 7, n. 3, p. 300–312, 2017.
SIEGELAUB, J. M. How PRINCE2 can complement PMBOK and your PMP. In: . Anaheim, California: [s.n.], 2004.
SNYDER, B.; KAISER, M. J. Ecological and economic cost-benefit analysis of offshore wind energy. Renewable Energy, v. 34, n. 6, p. 1567–1578, 2009.
SOLOMON, E. The arithmetic of capital-budgeting decisions. The Journal of Business, v. 29, n. 2, p. 124–129, 1956.
SOUSA NETO, M. V. d. Gerenciamento de Projetos: Project Model Canvas. 1. ed. Rio de Janeiro, RJ: Brasport, 2014.
SOUSA NETO, M. V. d. Gestão Dinâmica de Projetos: LifeCycle Canvas. 1. ed. Rio de Janeiro, RJ: Brasport, 2016.
SPUDEIT, D. F. A. d. O.; FERENHOF, H. A. A aplicação do PMBOK® na gestão de projetos em unidades de informação. Informação & Informação, v. 22, n. 1, p. 306–330, 2017.
STEENKAMP, L. P.; HAGEDORN-HANSEN, D.; OOSTHUIZEN, G. A. Visual Management System to manage manufacturing resources. Procedia Manufacturing, v. 8, n. Supplement C, p. 455–462, 2017.
TAH, J. H. M.; CAR, V. Knowledge-Based Approach to Construction Project Risk Management. Journal of Computing in Civil Engineering, v. 15, n. 3, p. 170–177, 2001. TEZEL, A.; AZIZ, Z. Benefits of visual management in construction: Cases from the transportation sector in England. Construction Innovation, v. 17, n. 2, p. 125–157, 2017. TEZEL, A.; AZIZ, Z. Visual management in highways construction and maintenance in England. Engineering, Construction and Architectural Management, v. 24, n. 3, p. 486–513, 2017.
TEZEL, A.; KOSKELA, L.; TZORTZOPOULOS, P. Visual management in production management: a literature synthesis. Journal of Manufacturing Technology Management, v. 27, n. 6, p. 766–799, 2016.
TEZEL, B. A.; KOSKELA, L. J.; TZORTZOPOULOS, P. The functions of visual management. In: . Salford, UK: [s.n.], 2009. p. 201–219.
TOPAL, E. Evaluation of a mining project using Discounted Cash Flow analysis, Decision Tree analysis, Monte Carlo Simulation and Real Options using an example. International
Journal of Mining and Mineral Engineering, v. 1, n. 1, p. 62–76, 2008.
VALENTE, C. P.; PIVATTO, M. P.; FORMOSO, C. T. Visual Management: Preliminary results of a systematic literature review on core concepts and principles. In: . Boston, MA: International Group for Lean Construction - IGCL, 2016. p. 123–132. Disponível em: <www.iglc.net>.
VERGARA, S. H. C. Projetos e Relatórios de Pesquisa em Administração. 15. ed. [S.l.]: Atlas, 2014.
WANG, Y.; SUN, T. Life cycle assessment of CO2 emissions from wind power plants: Methodology and case studies. Renewable Energy, v. 43, p. 30–36, 2012.
WIDEMAN, R. M. Comparing PRINCE2 with PMBOK. 2002. Disponível em: <https://www.coursehero.com/file/23665025/ Wideman-2002-Comparing-PRINCE2-with-PMBOK/>.
YIN, R. K. Estudo de Caso: Planejamento e Métodos. 5. ed. [S.l.]: Bookman, 2015. ZHANG, H.-M.; BATES, J. J.; REYNOLDS, R. W. Assessment of composite global sampling: Sea surface wind speed. Geophysical Research Letters, v. 33, n. 17, p. 1–5, 2006.
APÊNDICE B – DADOS PARA ESTIMAÇÃO DA ENERGIA EÓLICA OFFSHORE
APÊNDICE C – DEFINIÇÃO DE PRESSUPOSTO NO CRYSTAL BALL
APÊNDICE D – ENTRADA DE DADOS PARA CÁLCULO DA SMC
APÊNDICE E – DISTRIBUIÇÕES DE PROBABILIDADE E SEUS GRÁFICOS
ANEXO A – GRUPOS DE PROCESSOS E MAPEAMENTO DAS ÁREAS DO CONHECIMENTO