Edição (ANTERIOR) de Agosto de 2013.

GESTÃO DA INFORMAÇÃO CONTÁBIL: CONTRIBUIÇÃO DA SIMULAÇÃO DE MONTE DE CARLO NA GERAÇÃO DE INFORMAÇÕES ESTRATÉGICAS PARA AUXÍLIO AO PROCESSO DECISÓRIO

Por Luís Fernando Condutta e Marlene de Fátima Campos Souza
 


RESUMO 
Devido ao aumento da concorrência no ambiente empresarial, faz-se necessária uma tomada de decisão eficaz. Para que isso ocorra, o gestor possui a tecnologia da informação como ferramenta de análise à sua disposição. Nesse contexto de concorrência, análise e tomada de decisão, o presente trabalho expõe como a simulação de Monte Carlo pode contribuir no processo decisório. Salienta, também, a contribuição da gestão da informação na melhora desses processos de gestão, por meio da utilização da planilha eletrônica MS Excel®. Este estudo objetiva avaliar a aplicabilidade da Simulação de Monte Carlo em um modelo hipotético e, posteriormente, analisar os resultados encontrados. Foi elaborada uma planilha com dados hipotéticos, de cunho contábil-financeiro e de caráter aleatório, frequentemente encontrados no ciclo operacional interno das empresas. A planilha apresenta 500 simulações e, a partir dos resultados encontrados, foi desenvolvido um estudo estatístico, que possibilita ao gestor analisar os possíveis resultados encontrados diante de vários cenários desenvolvidos de forma aleatória. Conclui-se que a simulação de Monte Carlo oferece subsídios importantes para o processo de gestão nas organizações devido à multiplicidade de cenários à disposição. 
 
Palavras-chave: Gestão da Informação Contábil. Simulação de Monte Carlo. Tomada de decisão. 
 
 
 
ABSTRACT
Due to increased competition in the business environment, it is necessary to effective decision-making, and for this to occur the manager has the information technology as an analysis tool at your disposal. In this competitive environment, analysis and decision making, this article presents how Monte Carlo simulation can help in decision making, also noting the contribution of information management in improving these management processes. This is done through the use of MS Excel spreadsheet. This study aims to evaluate the applicability of Monte Carlo simulation on a hypothetical model and then analyze the results. We created a spreadsheet with hypothetical data containing various data imprint accounting, financial and randomness often found in the cycle of domestic operating companies. Many distributed data in the spreadsheet, as the probability distributions were constructed hypotheticy. The spreadsheet shows 500 simulations, and the results a statistical study was developed. This type of study is important, therefore, enables the manager to analyze the possible results before several scenarios developed randomly. We conclude that the Monte Carlo simulation provides important information for the management process in organizations due to the multiplicity of scenarios offered.
 
Keywords: Management Accounting information. Monte Carlo Simulation. Decision making. 
 
 
 
 
 
GT 3: Gestão da Informação e do Conhecimento nas Organizações
 
 
 
INTRODUÇÃO 
 
Atualmente, as novas tecnologias e as informações geradas por ela vêm impactando nos processos internos das empresas e na sua forma de gerenciamento e tomada de decisão. 
Drucker (1998) afirma que o contexto altamente competitivo exige que as empresas se voltem cada vez mais para o seu ambiente externo, prestando muita atenção nas ameaças e oportunidades do mercado. Em um ambiente concorrencial globalizado, as organizações bem sucedidas trabalham a informação e o conhecimento como um capital de valor estratégico. O conhecimento e a informação, aliados aos sistemas informacionais, contribuem para o desenvolvimento estratégico das empresas. 
Os sistemas de informações foram surgindo com o advento da tecnologia da informação, trazendo transformações que estão gerando grandes impactos no mundo dos negócios. Abrindo um parêntese nesse assunto, podemos dizer que as ferramentas simulacionais obtiveram grandes avanços devido à evolução da tecnologia e ao aumento da agilidade no processamento de dados. Com isso, foram surgindo novos softwares específicos e/ou similares, como o MS Excel®, MAP/1®, SPSS® e Matlab®, dentre outros. Porém, neste trabalho será utilizado unicamente o MS Excel® para o desenvolvimento das simulações. 
A informação está presente em todos esses aspectos de simulação e ambiente organizacional, pois é ela que fornece os subsídios necessários no momento da tomada de decisão. 
O presente estudo busca responder à seguinte questão: A partir da aplicabilidade da Simulação de Monte Carlo, é possível gerar informações relevantes que sirvam de subsídio ao processo decisório das organizações? 
A Simulação de Monte Carlo, segundo Oliveira (2007, p. 02), “é utilizada na avaliação de fenômenos que podem se caracterizar por um comportamento probabilístico”. 
 
 
 
1.1 Objetivos
 
O objetivo da presente pesquisa é desenvolver uma aplicabilidade para a Simulação de Monte Carlo, de forma que seja possível verificar a contribuição desta ferramenta na geração de informações relevantes, que subsidiem o processo de tomada de decisão. 
 
1.1.1 Objetivos Específicos 
 
Conceituar o termo Simulação de Monte Carlo; 
 
Verificar a aplicabilidade da Simulação de Monte Carlo; 
 
Analisar os resultados encontrados com as simulações; e
 
Discorrer sobre as análises e verificar a contribuição dessa ferramenta na geração de informação para subsídio ao processo decisório. 
 
 
 
1.2 Metodologia
Quanto ao atendimento dos objetivos, a presente pesquisa é classificada como exploratória, pois a temática a ser abordada é pouco estudada. Quanto aos procedimentos, classifica-se como bibliográfica, pois toma como base um rol bem extenso de referenciais. Pauta-se, também, no fato de que esse estudo apresenta um caráter extrínseco.
Para dar continuidade, será desenvolvido no MS Excel® um modelo da Simulação de Monte Carlo, no qual serão inseridos os dados (variáveis). Inicialmente, foram determinadas as variáveis que compõem o custo da MP, custo da mão de obra, a demanda e o preço de venda. Com a união dessas variáveis, será possível estruturar o modelo e, assim, realizar a aplicação dessa ferramenta de simulação. 
 
 
 
 
 
 
 
2 DESENVOLVIMENTO
 
2.1 Gestão da Informação 
De acordo com Davenport et al. (2004), informações são dados que se transformam quando interpretados por um agente, sendo utilizados para expressar e comunicar o conhecimento nos negócios. 
No ambiente organizacional, em sua quase totalidade, temos a informação contábil, que faz a Contabilidade ser considerada como linguagem dos negócios, como afirma Smith (2013).
Mas, para que toda essa informação seja alocada e utilizada de forma adequada e no momento certo, deve-se desenvolver uma boa base de gestão.
Smith (2013) destaca que:
 
Sendo um dos objetivos da gestão da informação consolidar a informação estratégica no ambiente de negócios, seu êxito está vinculado à ação que a informação provoca e contribuir no processo decisório. 
 
2.2 Simulação 
Segundo Oliveira (2003), os modelos de simulação são compostos por uma descrição dos sistemas e requerem uma estrutura organizada, com a finalidade de se resolver o problema proposto. Para Pergher; Vaccaro; Pradella (2013) apud Carson (2004), os modelos de simulação são as representações de um sistema ou processo que incorporam o tempo e as mudanças ocasionadas pelos ambientes. Conforme Leal et al. (2006), a construção do modelo computacional é facilitada pelas informações obtidas com o mapeamento do sistema, como os inputs e outputs de cada atividade e a própria lógica do processo, representada no mapeamento por meio de conexões. 
De acordo com Andrade (2010), o termo simulação possui um curto retrospecto. Ele foi desenvolvido por dois estudiosos que associaram a expressão Análise de Monte Carlo a uma técnica matemática que utilizaram para resolver problemas de blindagem em reatores nucleares. 
A simulação aliada a sistemas informatizados possibilita repetir várias vezes um experimento e obter inúmeras combinações de resultados. Poderão ser realizadas muitas replicações, capazes de alterar os parâmetros das variáveis envolvidas no experimento. A simulação computacional segue uma sequencia linear de apresentação de números aleatórios e realiza uma correlação com a melhor análise estatística. 
 
2.3 Simulação de Monte Carlo 
Segundo Andrade (2010), o nome Simulação de Monte Carlo foi dado pelo cientista John Von Neumann, em parceria com seu companheiro Ulam.
Atualmente, devido ao desenvolvimento dos computadores e à implementação de softwares específicos, a aplicabilidade dessa ferramenta tornou-se mais constante e viável. A gestão estratégica e operacional do meio organizacional por meio da simulação de cenários torna-se uma alternativa de grande valia para os administradores, e a simulação de Monte Carlo vem se tornando, ao longo dos tempos, uma preciosa opção para isto, afirmam Pamplona; Silva (2005). 
Hammersley; Handscomb (1964) definem a Simulação de Monte Carlo como sendo “a parte da matemática experimental que está preocupada em experiências com números aleatórios”. A expressão carrega grande abrangência, com formas de investigação baseadas na utilização de números fortuitos e estatística de probabilidade. 
 
2.4 Como funciona a Simulação de Monte Carlo 
Segundo Andrade (2010), essa ferramenta baseia-se na operação de modelos estatísticos, de modo a lidar experimentalmente com variáveis descritas por funções probabilísticas. Pode-se dizer, também, que essa ferramenta consiste na substituição do estudo de um processo matemático por um modelo probabilístico, a fim de tratar problemas determinísticos por meio de números pseudoaleatórios gerados por um software específico. Contudo, a Simulação de Monte Carlo contempla uma técnica de amostragem artificial, empregada para operar numericamente sistemas que venham a se utilizar de variáveis aleatórias. 
Esse tipo de modelo busca identificar as variáveis mais relevantes no sistema e qual é a sua distribuição probabilística. É com essas informações que as amostras serão construídas. Segundo Oliveira; Lustosa (2006), para desenvolver essas análises é necessário que as amostras tenham certos parâmetros, como, por exemplo, média e desvio padrão, que podem apresentar alguns comportamentos distintos, como as distribuições de probabilidades Normal, Exponencial e Uniforme. Tais amostras devem ser obtidas aleatoriamente e, para isso, é necessário obter uma sequência de números aleatórios. 
De acordo com Corrar; Theóphilo (2009), para executar a Simulação de Monte Carlo existem algumas etapas a serem seguidas. São elas: 
 
A identificação das distribuições de probabilidades das variáveis aleatórias relevantes para o estudo; 
 
A construção das distribuições de probabilidades acumuladas para cada uma das variáveis definidas no item anterior, quando oportuno; 
 
A definição dos intervalos de números aleatórios para cada variável; 
 
A geração de números aleatórios; 
 
A simulação dos experimentos.
 
 
 
3 ANÁLISE E DISCUSSÃO DOS RESULTADOS 
 
3.1 Aplicabilidade da Simulação de Monte Carlo 
A Simulação de Monte Carlo, como foi dito anteriormente, funciona como uma grande ferramenta de auxílio na tomada de decisões, além de possibilitar a função de projeção de possíveis resultados. Essa seção do trabalho será destinada ao caso da empresa hipotética Delta X. Os dados aqui inseridos, inclusive, são de titularidade do autor. 
O gestor financeiro da Delta X deseja descobrir qual será o comportamento do resultado (lucro/prejuízo) da empresa, levando em consideração determinadas variáveis envolvidas na produção e na comercialização. São elas: 
 
Demanda de consumo mensal: Foi definida uma média mensal de produção do Beta A. Demanda 12.000 - Desvio Padrão 3.900; 
 
Preço de venda: Estipulou-se o preço em R$ 18,00;
 
Custo da matéria prima: Dentro desse quadro, existem os custos com matéria prima e com materiais diretos, sendo que em ambos estão descriminado três fornecedores diferentes e o processo de escolha entre um e outro será feito de forma aleatória pelo próprio sistema, respeitando os critérios de limite inferior e superior; 
 
Custo da mão de obra: Nesse quadro, foram definidas cinco empresas prestadoras de serviços e o critério de escolha de ambas será feito também de forma aleatória pelo próprio sistema, respeitando os critérios de limite inferior e superior; e
 
Custos e despesas fixas: Essas variáveis foram pré-determinadas e possuem valores fixos. Portanto, não passarão pelo processo de aleatoriedade. 
 
 
 
Considerou-se, também, que essa empresa só produz um tipo de produto, denominado aqui de Beta A.
Para desenvolver essa simulação, será necessária a geração de eventos aleatórios para a variável demanda, levando em consideração que esta terá o comportamento de uma distribuição normal. O processo de escolha aleatório também será aplicado nas variáveis Custos de matéria prima, Custos de materiais diretos e Custos com mão de obra, respeitando os critérios de limite inferior e superior. 
Para o conhecimento dos possíveis resultados (lucros/prejuízos), será combinado esse rol de variáveis a partir da aplicação da seguinte fórmula: 
 
Fórmula = (Preço de Venda X Demanda) – Custos MP – Custos MO – Custos MD
 
Essas simulações serão realizadas a partir do software MS Excel® e as fórmulas no sistema foram moldadas de acordo com a necessidade vigente. Será apresentada uma análise dos resultados obtidos com as simulações. Segue abaixo, na figura 1, a tela inicial das simulações no software MS Excel®. 
 
 
 
 
 
 
 
 
 
 
 
Figura 1 – Tela de apresentação das simulações
 
Fonte: Elaborado pelo autor
 
Observando os resultados (lucro/prejuízo) encontrados na análise, é possível verificar informações importantes para fins de tomada de decisão. O valor médio encontrado para o lucro nessa simulação é de R$ 57.304,71. É possível observar, também, que dentre as 500 simulações desenvolvidas o maior resultado encontrado foi de R$ 264.776,80 e o menor resultado obtido foi de - R$ 123.974,95. 
Ainda existe a possibilidade de se verificar qual foi a combinação das variáveis (preço, demanda, valor da mão de obra etc.) que resultou no maior resultado e no menor resultado. Abaixo, serão descritas essas combinações: 
- O maior resultado, de 264.776,80, foi desenvolvido na simulação nº 197, com a aquisição de MP no valor de R$ 16,00. O custo dos materiais diretos ficou no valor de R$ 10,00, o custo da mão de obra no valor de R$ 19,00, atendendo a uma demanda de 23.656 unidades do produto, com os custos fixos no valor de R$ 161.000,00 e com preço de venda no valor de R$ 18,00. 
- O menor resultado, de -123.974,95, foi desenvolvido na simulação nº 145, com a aquisição de MP no valor de R$ 16,00, custo dos materiais diretos no valor de R$ 13,00, custo da mão de obra no valor de R$ 16,00 e atendendo a uma demanda de 2.059 unidades do produto, com os custos fixos no valor de R$ 161.000,00 e com preço de venda no valor de R$ 18,00. 
Observando a tabela de frequência e o histograma (figura 2), é possível verificar que os resultados que tiveram maior frequência ficaram em torno de R$ 98.550,42, com frequência de 61. Com isso a probabilidade de que esse resultado fique dentro desse padrão é de 71,80%. 
 
Figura 2 – Histograma 
 
Fonte: Elaborado pelo autor
 
4. CONCLUSÃO
O processo de simulação de cenários tornou-se uma importante ferramenta para os gestores em vários contextos, pois permite a verificação do melhor e do pior resultado. Levando em consideração certas variáveis independentes, esse trabalho do gestor se dará por meio da gestão da informação, que irá direcionar o melhor caminho para que se obtenha êxito no resultado final. Nesse estudo, foi verificada uma aplicabilidade da Simulação de Monte Carlo, utilizando-se como caso hipotético a empresa Delta X. A Simulação de Monte Carlo é uma ferramenta de análise quantitativa de resultados, que permite simular qualquer processo a partir de eventos aleatórios. Como dito anteriormente, foi utilizado como exemplo o caso hipotético da empresa Delta X, que serviu como base para solidificar a aplicabilidade da Simulação de Monte Carlo e verificar o montante de informação que essa ferramenta produz. No caso desse exemplo, o objetivo era o de verificar o comportamento do resultado (lucro/prejuízo), levando em consideração as variáveis anteriormente definidas. Foi obtido um rol de informações sobre o comportamento do resultado, que foram compiladas no histograma. 
Uma consideração de grande relevância é que, para se chegar aos resultados acima mencionados, foram realizadas em torno de 20 replicações no modelo. De acordo com Corrar; Theóphilo (2009), quanto mais replicações forem feitas no modelo, maiores serão as possibilidades que o gestor terá de analisar e obter maior respaldo na sua decisão. Mas, nesse caso específico, não foram realizadas mais replicações no modelo por não ser esse o objetivo principal da pesquisa. 
Para que o gestor tome a decisão mais coerente, além dos resultados encontrados nas simulações ele deve analisar o ambiente externo no qual a empresa está inserida, verificar se o seu concorrente está oferecendo o mesmo produto e por qual valor, identificar o macroambiente no qual ela se encontra, verificando suas ameaças e oportunidades. 
Conclui-se que a Simulação de Monte Carlo possui grande valia no âmbito organizacional, por ser uma ferramenta que gera um poderoso número de informações, que deverão ser analisadas e compiladas para servir de base aos gestores no processo decisório. Salienta-se, em um sentido amplo, que após a realização desta pesquisa a sugestão para futuros estudos é aprofundar o tema discutido, que apresenta pouca abordagem bibliográfica.
 
 
 
 
 
 
 
 
 
REFERÊNCIAS BIBLIOGRÁFICAS
 
ANDRADE, E. L. Introdução à Pesquisa Operacional: Métodos e modelos para análise de decisões. 4 ed. Rio de Janeiro: LTC, 2010. 
 
PERGHER, I; VACCARO, G. L; PRADELLA, M. apud CARSON II, J. S. Introduction to modeling and simulation. In: Winter Simulation Conference, 2004. 
 
CORRAR, L. J. ; THEÓPHILO C. R. Pesquisa Operacional: Para decisão em contabilidade e administração. Editora Atlas, 2009.
 
DAVENPORT, T. H. ; MARCHAND, D. A. ; DICKSON, T. Dominando a gestão da informação. Tradução de Carlo Gabriel Porto Bellini e Carlos Alberto Silveira Netto Soares. São Paulo: Artmed Editora, 2004. 
 
DRUCKER, P. F. Administrando para o futuro: Os anos 90 e a virada do século. Tradução de Nivaldo Montigelli Jr. São Paulo: Pioneira, 5th ed. 1998. 
 
HAMMERSLEY, J. M; HANDSCOMB, D. C. Monte Carlo methods. London: Methuen, 1964. 
 
LEAL, F; MONTEVECHI, J. A. B; PINHO, A. F; ALMEIDA, D. A; MARINS, F. A. Análise da capacidade de produção e dimensionamento de estoques intermediários de processamento no estudo de um novo processo de manufatura através da simulação de eventos discretos. In: XXXVIII Simpósio Brasileiro de Pesquisa Operacional, Brasil, 2006. 
 
OLIVEIRA, M. G. Simulação computacional como ferramenta de aquisição do conhecimento. 2003. 163 f. Dissertação (Mestrado em Engenharia de Produção) – Escola de engenharia de São Carlos, Universidade Federal de São Carlos. 2003. 
 
OLIVEIRA, P. H. D; LUSTOSA, P. R. B. Custos primários como parâmetro de eficiência produtiva: uma análise empírica da Companhia Vale do Rio Doce antes e após a privatização. Revista Universo Contábil, Blumenau: v. 3, n. 3, p. 54-70, set./dez. 2007. 
 
OLIVEIRA, P. H. D; BARROS, N. R; REIS, S. G. Aplicabilidade do Método de Simulação de Monte Carlo na Previsão dos Custos de Produção de Companhias Industriais: O Caso Companhia Vale do Rio Doce. In: XII Congresso de Contabilidade e Controladoria da USP. São Paulo, Brasil, 2007.
 
PAMPLONA, E. O; SILVA, W. F. Contribuição da Simulação de Monte Carlo na Projeção de Cenários para Gestão de Custos na Área de Laticínios. In: IX Congresso Internacional de Custos. Florianópolis, Brasil, 2005.
SMITH, M. S. A cultura informacional como alicerce de gestão contábil nas pequenas e médias empresas. 2013. 258 f. Tese (Doutorado em ciência da informação) – Programa de pós-graduação em ciência da informação, Universidade Estadual Paulista, 2013.





Camillo Sivelli
Homenagem ao homem, ao professor, ao amigo
Projeto
PROATO: Univem lança Projeto de Cidadania Proativa e Direito
Formatura
Parabéns, formandos de Processos Gerenciais!
Computação 15 anos
Combr, a primeira empresa incubada no CIEM
Pratas da casa
Do Univem ao Tocantins, as recompensas da vida docente

Artigos desta edição


UNIVEM - Centro Universitário Eurípides de Marília
O Jornal do UNIVEM - está aberto para sugestões e matérias. Os textos assinados podem ou não corresponder à opinião do jornal.
[ Edições anteriores ] - Contato via e-mail: fundacao@univem.edu.br