Hits
100% 24oet0s
95% 1700s
ex 1400s
od
same05
2005
2005
Weans
wens
wens
sons
rons
sons
ores
‘Cumutatve Frequency
o7ecins
GUNG GRRE ITT
i
2aBsap0s osoctns 3005 ‘mmosns
Morte Corio
2500
Plan Fish Date:
‘Converged in 200 tertions
(aration < 1% over 100 Rerations)
Tota Pon Cost
Converged in 200 terstions
(variation < 1% over 100 terations)
Statistics
Miu: 2a1sep0s
Maximum: 2410S
Meer: 4oVDaNs:
Max Hits: 348
Std Deviation: 3754
Selected Confidence
35% 1410ans
Deterministic Fish: a7,
Probebilty 33%
Em vez de afirmar que “a estima:
tiva de duracdo da Atividade A2 é 10
dias", agora dizemos que "a estimativa
de duragao da atividade A2 pode va-
Distribution (start of interal)
128, Dstribuigdo de Probabicades para 0 Projeto-exerplo,
Far entre o minimo de nove e o maximo de 13 dias, com um valor mais provével
de 10 dias, ea probabilidade de ocorréncia de qualquer valor de duragdo dentro
desses limites obedece a uma Distbuicdo Triangular de probabllidades'
Autiizacio de distribuigdes de probabilidades para representar as duragSes de
atividades & 2 base para 0 processo de simulacao Monte Carlo, coro verernos.
A simulagio
(Uma vez definidas as dstribuigdes de probabilidade que vdo representar as du-
rages das atvidades do projeto,o software utliza o métedo de Monte Carlo para
simular diversos cendvios possiveis @ gerar um gréfica com varias datas calculadae
para a conclusio do projeto e suas chances de ocorréncia
De forma resumida, 0 algoritmo de Monte Carlo & um processo de simulacio
‘que & repetido muitas vezes. Em cada iteracio,
as duragGes das atividades (em fungao das distribuigdes escolhidas) e a rede do
0 gerados valores possivels para
rojeto calculada com base nesses valores, obtendo-se uma data de conclusdo.
possivel para o projeto.
‘Ao final de N iteragdes, obtém-se N valores para as datas de conclusio do
projeto. Esses valores sto organizados ern um histograma e também é tracado um
grafico da freqléncia cumulativa das datas obtidas, que nos permite tirar condl-
Bes importantes.
A figura 8 mostra o resultado da aplicacio do método de Monte Carlo com
uma simulacao de 2.500 iteragSes para 0 projeto do exeplo.MPM pratica oO
Na figura 8, temos um histograma
com as frequéncias relativas de ocor
réncia das datas calculadas para 0 tér
min do projeto durante a simulacio.
No gréfico também é mostrada a Dis-
‘ribuigdo Cumulative de Freqiiéncias
ue nos mostra a probabilidade acu-
mulada do projeto terminar até uma
determinada data
Analsando 0 grafico, podemos
fazer vérias consideracoes in-
Tal como destacato por SMITH (1973) eros que ter em mente que o méto-
do de Monte Carlo ¢ um proceémentoindutve, um método Ico que permite
aque as decisis sejam tomadas de forma mais consstente. Consequentemente 35
respostas obticas com a apcaczo do método Monte Carlo no 30 do tpo'"ver
dadeir"ou"tlso" ras sim estabelecidas en termos probabiltics.
muito importante ressatar que 0 fato do prazo de concisio do projeto
obtido na simulacdo ser maior que o previsto pelo método CPM nao é uma mera
concidéncia. Na maoria dos casos as datas de conciusdo geradas por métodos