Análise de risco da integração lavoura e pecuária com a utilização de … · 2012-04-17 ·...

XLV CONGRESSO DA SOBER "Conhecimentos para Agricultura do Futuro"

ANÁLISE DE RISCO DA INTEGRAÇÃO LAVOURA E PECUÁRIA C OM A UTILIZAÇÃODE SYSTEM DYNAMICS

LUCIANO CAVALCANTE MUNIZ (1) ; REGINALDO SANTANA FI GUEIREDO (2) ;CLAUDIO DE ULHÔA MAGNABOSCO (3) ; ALCIDO ELENOR WAN DER (4) ; GERALDOBUENO MARTHA JÚNIOR (5) .

1,2.UFG, GOIANIA, GO, BRASIL; 3,5.EMBRAPA CERRADOS, BRASILIA, DF, BRASIL;4.EMBRAPA ARROZ E FEIJÃO, GOIANIA, GO, BRASIL.

[email protected]

APRESENTAÇÃO ORAL

CIÊNCIA, INOVAÇÃO TECNOLÓGICA E PESQUISA.

Análise de risco da integração lavoura e pecuária com a utilização deSystem Dynamics

Grupo de Pesquisa: Ciência, inovação tecnológica e pesquisa

ResumoO objetivo deste trabalho foi desenvolver um modelo baseado na metodologia System

Dynamics para analisar a viabilidade econômica da integração lavoura e pecuária com basenos dados do Projeto de Integração Lavoura e Pecuária (PILP), levando em conta aaleatoriedade das variáveis de maior volatilidade. Este projeto está sendo desenvolvido naEmbrapa, em Santo Antônio de Goiás (GO) utilizando o sistema Santa Fé como técnica deimplantação de pastagens. Os parâmetros utilizados para os modelos das lavouras e pecuáriaforam determinísticos, ao longo de três ciclos de rotação no horizonte de planejamento de1.186 dias. Posteriormente foi introduzido o parâmetro preço de forma estocástica, através dasrespectivas distribuições normais dos produtos comercializados no projeto (soja, arroz, milho,boi magro e boi gordo), para analisar a viabilidade econômica sob condições de risco. O valorpresente líquido (VPL) foi favorável em todos os cenários, sendo que P(VPL< 0) foi inferior a20%, mostrando o baixo risco do PILP utilizando os índices zootécnicos alcançados noprojeto. Foi possível ao longo deste trabalho desenvolver uma ferramenta de modelagem quepermite auxiliar o investidor na tomada de decisão.Palavras-chaves: Integração Lavoura Pecuária; risco; Modelagem e simulação.

AbstractThe aim of this study was to develop a model based on system dynamics to analyze

the economic viability of integrated crop and livestock systems (ICLS) based on ICLS Projectdata considering the unpredictability of high volatility variables. This project is being carriedout at Embrapa, in Santo Antonio de Goias (GO) using the Santa Fé system as pastureestablishment technique. The parameters used for the crop and livestock models were

Londrina, 22 a 25 de julho de 2007,Sociedade Brasileira de Economia, Administração e Sociologia Rural

1


deterministic, during three cycles of rotation in a period of 1,186 days. Further priceparameters were introduced in a stochastic way, through their respective normal distributionsfor the main outputs of the project (soybeans, rice, maize, store cattle and fat oxen) to analyzethe economic viability under risk conditions. Net present value (NPV) was favorable in allconsidered scenarios. The risk in having P(NPV<0) was below 20%, showing the low risk ofICLS using the parameters of the project. Through this study, it was possible to develop amodelling tool that supports investors in their decision-making process.Key Words: Integrated Crop and Livestock System; risk; Modelling and simulation.

1. INTODUÇÃOAliado ao diversificado ecossistema, o Brasil possui também elementos tecnológicos

para implantar a terceira revolução verde, sendo desta vez de forma sustentável, podendotornar-se o celeiro do mundo no século XXI. Mas a adequação a essa nova realidade requernovos investimentos em infra-estrutura, armazenamento, dentre outros (KLUTHCOUSKI,2005).

A Integração Lavoura-Pecuária (ILP) é uma alternativa que está sendo adotada entreos elementos tecnológicos disponíveis, destacando-se por apresentar um sinergismo entre aprodução de culturas anuais e a produção de forragem para exploração da pecuária de corte oude leite, a pasto, além de apresentar vantagens agronômicas, sociais e ambientais.

Esta técnica vem sendo pesquisada no Projeto de Integração Lavoura-Pecuária (PILP),desenvolvido pela Embrapa em Santo Antônio de Goiás (GO) pelos Centros de Pesquisa deArroz e Feijão e dos Cerrados, com a implantação das pastagens pelo Sistema Santa Fé.Segundo Cobucci et al. (2001), este consiste em produzir culturas anuais consorciadas complantas forrageiras, de forma a minimizar a competição precoce desta, evitando a redução dorendimento das culturas anuais e proporcionando uma produção forrageira de alta qualidadepara entressafra.

Apesar da evidência científica da viabilidade técnica do Sistema Santa Fé, retratadaatravés de publicações de capítulos de livros, periódicos e artigos científicos, ainda hácarência de estudos para avaliação de sua viabilidade econômica. Estes estudos podem serfeitos utilizando como ferramenta a modelagem, permitindo subsidiar recomendações sobre aadoção deste sistema. A modelagem consiste numa sistematização das variáveis de umdeterminado projeto, de forma a permitir a realização de simulações que auxiliam nastomadas de decisão por parte dos produtores rurais.

A metodologia System Dynamics (FORRESTER, 1961), apropriada para analisarsistemas complexos, está sendo aprimorada, dando origem a diversos softwares, entre eles oStella (High Performance Systems, 1994). No entanto, não existem estudos utilizando estesoftware como ferramenta para modelagem da ILP e posteriores simulações.

Assim, este trabalho teve como objetivo desenvolver um modelo baseado nametodologia System Dynamics para analisar a viabilidade econômica da integração lavoura epecuária com base nos dados do PILP, levando em conta a aleatoriedade das variáveis demaior volatilidade.

2. REFERENCIAL TEÓRICOObjetivando revisar a literatura referente aos assuntos utilizados no desenvolvimento

da modelagem do sistema de integração lavoura e pecuária, serão abordados os seguintesassuntos: Integração Lavoura-Pecuária, valor presente líquido, análise de risco e simulação, ea metodologia System Dynamics.


2


2.1. Integração Lavoura-PecuáriaAs culturas anuais de grãos proporcionaram, no decorrer das décadas de 80 e 90, a

expansão da fronteira agrícola, intensificação do uso dos fatores de produção, investimentosem mecanização e adoção de tecnologias baseadas em alto consumo energético (fertilizantes edefensivos). As monoculturas, ao mesmo tempo em que elevaram os custos de produção edegradaram o meio produtivo, resultaram na instabilidade de grande parte das explorações(KLUTHCOUSKI et al., 2003).

Devido ao grande potencial que a região do Cerrado apresenta para exploração daagropecuária, várias pesquisas estão sendo desenvolvidas visando a recuperação e exploraçãode áreas degradadas, integrando a agricultura e a pecuária e explorando os recursos naturaisde forma racional, buscando assim, a sustentabilidade destas atividades.

Segundo Cobucci et al. (2001), o aprimoramento de pesquisas associando culturasanuais e espécies forrageiras possibilitou o desenvolvimento do PILP na Embrapa Arroz eFeijão, utilizando uma técnica de renovação de pastagem denominada Sistema Santa Fé. Estesistema consiste na produção consorciada de cultura de grãos, especialmente o milho, sorgo,milheto, arroz e soja, com forrageiras tropicais, principalmente as do gênero Brachiaria, tantono plantio direto como no convencional, em áreas de lavoura com solos parciais oudevidamente corrigidos. Neste sistema as culturas anuais apresentam grande desempenho dedesenvolvimento inicial, exercendo com isso alta competição sobre as forrageiras, evitandoassim redução significativa da sua produtividade (KLUTHCOUSKI et al., 2003).

Cerca 49,6 milhões de hectares de Cerrado são de pastagens cultivadas (SANO et al.,1999) e a participação relativa de gêneros Brachiaria é aproximadamente 85%. Estudosindicam que cerca de 80% destas áreas de pastagens cultivadas apresentam algum grau dedegradação (BARCELLOS, 1996). A perda de produtividade das pastagens no Cerrado é hojeo maior problema para a sustentabilidade de produção animal a pasto.

Segundo Santos e Neiva (1998), manejar corretamente pastagens é uma das tarefasmais árduas que técnicos e produtores encontram na atividade pecuária, visto que o principalobjetivo é manter elevada densidade populacional das espécies mais palatáveis e com melhoraceitação pelos animais.

Encontrar o equilíbrio correto entre a produção e qualidade do pasto, fornecernutrientes em quantidade suficiente para que os animais possam desempenhar suas funçõesprodutivas, tornar a produção sustentável ao longo dos anos e manter uma relação harmônicaentre solo, planta, animal e meio ambiente, são os desafios a serem superados.

Existem tecnologias disponíveis que permitem alcançar melhores índices zootécnicos,através da melhoria das pastagens associada à melhoria da qualidade genética do rebanho(Tabela 1).

TABELA 1 - Índices zootécnicos atuais e passíveis de serem alcançados pela atividade depecuária de corte, na região dos Cerrados.

Índices Atual Possível PotencialTaxa de Suporte (UA/ha) 0,2 – 0,5 2,0 3,5Taxa de Natalidade (%) 40 – 50 75 90Mortalidade de Bezerros (%) 7 – 8 5 1 – 2Idade de Desmame (meses) 8 – 10 7 6Idade de Primeira Cria (anos) 3,5 – 4,5 3 2,5Intervalo entre Partos (meses) 25 – 30 16 – 18 12Idade de Abate (anos) 4,5 – 5,5 2,5 – 3,0 1,8 – 2,0


3


Peso de Carcaça (%) 43 – 52 52 56Ganho de Peso Vivo (kg/ha/ano) 20 – 80 140 1.000Produção de Leite (kg vaca/dia) 1,8 – 2,1 8 – 10 15 – 20

Fonte: MAGNABOSCO et al. (2001)

2.2. Valor presente líquidoO valor presente líquido (VPL), além de considerar o valor do dinheiro no tempo,

considera também o custo de oportunidade do capital, permitindo a comparação direta comalternativas de uso deste, sendo o VPL a soma algébrica dos saldos do fluxo de caixadescontados à taxa de juros para determinada data (WOILER & MATHIAS, 1996).

Segundo Kassai et al. (2005), o VPL reflete a riqueza, em valores monetários, doinvestimento, medida pela diferença entre o valor presente das entradas de caixa e o valorpresente das saídas de caixa, a determinada taxa de desconto.

( )( )0

ni i

ii

B CVPL

i j=

−=

+∑

Onde: Bi – Benefício no ano i (entradas);Ci – Custos no ano i (saídas); j – taxa de desconto; i – período (ano) n – número de períodos do projeto (i = 0,...,n).Critério de decisão: Investimento com VPL maior ou igual a zero é considerado

atraente, dada a taxa de desconto usada (NORONHA, 1987).

Maya (2003) afirmou que o VPL considera o valor do dinheiro no tempo e o custo deoportunidade do capital, permitindo a comparação direta com alternativas de uso deste. Comodesvantagens deste indicador destacam-se a sensibilidade com relação à duração do projeto eà taxa de desconto usada, além da dificuldade de interpretação.

2.3. Análise de Risco e SimulaçãoDias (1986) distingue o significado das palavras risco e incerteza, afirmando que a

situação de risco é aquela na qual se conhecem as probabilidades dos estados da naturezaocorrer, e na incerteza esta probabilidade não é conhecida. Kassai et al. (2005) diferenciamestes dois conceitos de acordo com o grau de imprecisão associado às estimativas. Há riscoquando todas as ocorrências possíveis encontram-se sujeitas a uma distribuição deprobabilidade também conhecida, ou pode ser calculada com algum grau de precisão, e háincerteza quando esta distribuição de probabilidade não pode ser avaliada.

Alencar e Schmitz (2005) diferenciam os valores estocásticos como fator de riscoqualitativo quando se pode somar, dividir, multiplicar ou subtrair a incerteza associada aofator de risco, caso contrário corresponde-se ao fator de risco quantitativo. Aquele pertence àescala nominal e ordinal, enquanto este pode assumir a escala intervalar ou de razão.

É importante distinguir os diferentes tipos de risco porque cada um pode ser tratado deforma diferente pelas técnicas de análise de risco.

Woiler & Mathias (1996) destaca as técnicas de Delphi, painel de especialistas,redação de cenários, analogia histórica e análise de impactos cruzados como complementar à


4


análise por meio de critérios quantitativos, sendo que Kassai et al. (2005), acrescentam, alémdestas, a técnica de pesquisa de mercado, e fazem uma abordagem estatística para avaliaçãodo risco aplicando os conceitos de probabilidade, desvio padrão, coeficiente de variação,correlação (r de Pearson), regressão linear, programação matemática, análise de sensibilidadee técnicas de simulações.

Uma das ferramentas mais utilizadas para análise de risco qualitativa é o @ Risk, queconsiste em uma biblioteca de macros que estendem as funcionalidades do Microsoft ExcelR,disponibilizando um vasto conjunto de ferramentas que facilitam a construção de modelos derisco (ALENCAR & SCHMITZ, 2005). Estes autores destacam as principais funções do @Risk e parâmetros de simulação, tais como:

1Dezenas de funções de probabilidade e de probabilidade acumulada;2Gráficos de probabilidade, de posição e de variabilidade;3Estatísticas de tendência central, de posição e de variabilidade;4Facilidades para o estabelecimento de correlação entre variáveis;5Ferramentas para análises de sensibilidade do modo de risco;Ainda, segundo estes mesmos autores, dentre os parâmetros de simulação, o @ Risk

oferece:1O número de cenários a serem gerados;2O método de simulação a ser utilizado;3Os efeitos de animação que serão produzidos durante o processo de simulação.

Segundo Brumati (2002), os valores econômicos de um sistema de produção podemser estimados através de aproximações normativas, relacionadas com os modelosbioeconômicos e as aproximações positivas, os quais envolvem dados de análise de campo ouuso de sistemas de simulação computacional.

Segundo Gravira (2003), em muitos casos a simulação é o método mais adequado pararesolver problemas de decisão, quando é impossível estabelecer uma expressão analítica, sejaela determinista ou probabilística.

Naylor et al. (1971), citado por Woiler e Mathias (1996), afirmaram que a simulaçãode Monte Carlo é uma técnica de simulação que tem aplicabilidade a problemas queenvolvem alguma forma de processo estocástico, que permite simular distribuição deprobabilidade conhecidas ou empíricas, a problemas matemáticos determinísticos que nãopodem ser facilmente resolvidos por métodos determinísticos.

2.4. Metodologia System DynamicsA metodologia System Dynamics foi criada pelo professor Jay W. Forrester em 1961,

para analisar sistemas complexos e dinâmicos da área de engenharia. Atualmente suautilização está sendo ampliada, pois está servindo como ferramenta para análise de sistemasde outras áreas como administração, economia, ecologia, entre outras (OLIVEIRA et al,2003).

O termo System Dynamics, devido à sua grande abrangência, é uma adaptação dotermo Industrial Dynamics, que em sua versão inicial começou a solucionar problemas daindústria como instabilidade da produção e do emprego, queda ou inconsistência docrescimento e declínio do mercado (RICHARDSON & PUGH, 1981).

Essa metodologia tem a função de analisar comportamentos de sistemas com variáveisque mudam ao longo do tempo, podendo aumentar ou diminuir as entradas e saídas de


5


produtos no sistema. Isto ocorre como uma coleção de elementos que interagemcontinuamente produzindo variações.

Segundo Ruth & Hannon (1997), através do desenvolvimento dos computadores quefazem o trabalho requerido pelos modelos matemáticos, é possível expandir os escopos dosmodelos para inclusão de mais variáveis e testar as várias alternativas, permitindo simplificarfenômenos complexos pela eliminação de tudo que pode ser exterior ao que precisa serestudado.

Construir modelos utilizando a metodologia System Dynamics permite simular umamesma situação de várias formas diferentes. Depende de como será tratado o problema, alémde ser algo criativo que funciona como laboratório, que permite desenvolver pequenossistemas, nos quais podem ser observadas as conseqüências de decisões da vida real, isolar asdeficiências e alterar variáveis com maior facilidade que no mundo real (SAITO et al., 1999).

Recursos é o material que será simulado como no caso da terminação de bois (boismagros ou garrotes), no caso da recria (os bezerros desmamados) e no caso da empresa rural(o dinheiro). Já as informações são os meios não físicos pelos quais é exercida atransformação dos recursos. Os fluxos de informações são representados por conectores, queno software Stella são setas responsáveis pela conexão entre as variáveis do modelo (Figura1) (PIDD, 1998).

Um estoque é o acumulo de quantidades ao longo do tempo e o fluxo é umaquantidade que varia de acordo com o tempo que periodicamente contribui para a variaçãodeste estoque (OLIVEIRA et al, 2003).

Na Figura 1, observa-se no modelo que se refere ao estoque, à recria, à terminação eao fluxo, à entrada de bezerros, à saída de boi magro ou boi classificado e à saída de boigordo. O estoque é representado por um retângulo e o fluxo por uma seta com válvula enuvens na ponta.

Os fluxos representam o aumento ou redução de um estoque sempre ligado ao tempo,indicando que não se faz necessário conhecer a origem ou destino do fluxo, caso contrário ésubstituído por um novo estoque. A válvula (local onde aparecem os nomes bezerros, boimagro, boi classificado e boi gordo) é onde se encontram as fórmulas ou modelosmatemáticos de entrada ou saída do recurso do fluxo.


6


Estoquerecria

Entredabezerro

Saída boiclassif icado

Saídaboi magro

Saídaboi gordo

Estoqueterminação

bezerros

Quantidade

boi classif icado

Capacidade

terminacao

Quantidade de boi gordo

Taxa saídaboi classif icado

FIGURA 1 - Representação de conversores, conectores, fluxos e estoque no software Stella.

Segundo Oliveira et al. (2003), o estoque pode ser comparado à quantidade de bois aserem terminados em um sistema (na produção animal), às integrais (na matemática) e aosestoques de caixa (na economia).

O System Dynamics também utiliza como ferramenta para construção de modelos desimulação os converters ou conversores (quantidade de bezerros, quantidade de boi magro,quantidade de boi classificado e quantidade de boi gordo), que são representados por círculosno software Stella (Figura 1).

Os conversores podem ser copiados de um lugar para outro, através de fantasmas,sendo representados por círculos pontilhados (determinação de quantidade de bezerro, taxa desaída de boi gordo e capacidade de terminação) no software Stella. Desta forma, os modelosmatemáticos presentes ou os parâmetros das variáveis estudadas vão juntos.

Os conectores representados pela cor rosa permitem ligar os conversores aos fluxos,ligar o estoque ao conversor e ligar o fantasma ao conversor, sendo que estes apenas saem dosfantasmas (Figura 1).

3. METODOLOGIAO modelo desenvolvido neste trabalho foi baseado em dados do PILP, oriundo da

rotação de culturas anuais e pecuária em uma área de 90 ha da Fazenda Capivara (EmbrapaArroz e Feijão), localizada no município de Santo Antônio de Goiás - GO.

Utilizou-se a técnica Sistema Santa Fé para estabelecimento da pastagem consorciadacom a cultura do milho logo após a sucessiva rotação de 2,5 anos com lavoura, comconseqüente reposição de nutrientes ao solo, sendo esta área utilizada nos 3,5 anos seguintescom pastagem (Figura 2).


7

Arroz

Milho+Braq.

50 % Lavoura

Pasto

PastoFeijão

Feijão

Pasto

Inverno

33.33% Lavoura

Esquema de ocupação das áreas do PILP Primeiro Ano

Verão

PastoSoja


FIGURA 2 - Esquema de rotação de Lavoura-Pecuária, praticado no inverno e verão de trêsanos do PILP.

Mediante o esquema de rotação descrito anteriormente foi elaborado o modelo doPILP, no horizonte de planejamento de 1.186 dias, de acordo com diagrama de Gantt, descritono Quadro 1. Este corresponde ao uso de barras que exibem atividades e durações e sãousados para programar, planejar e gerenciar projetos.

O ciclo de cada atividade corresponde a uma barra horizontal e o comprimento decada barra corresponde a sua duração (Quadro 1).

QUADRO 1 - Horizonte de planejamento do PILP durante três ciclos de rotação de culturasanuais e pecuária.

DiasRECRIA Terminação

Cultura dasoja

Cultura doarroz

Cultura do milho+ Brachiaria

Animais

volantes∗

Cultura dofeijão

Ciclo de cada atividade (dias)335 120 209 214 209 90 185

0 1

151

180270

335

1º Recria34ha

1º Terminação

1º Cultura daSoja 17ha

1º Cultura doarroz 17ha

1º Cultura doMilho +

Brachiaria 17ha

1º Volantes17 ha

1º Cultura doFeijão 34ha

360

Animais utilizados para ajuste de pastagem, gerado pelo excesso de forragem no período das águas.


8

Pasto

Soja Pasto

Verão 50% Pecuária

50 % Lavoura

Pasto

Feijão

Feijão

Pasto

Inverno 66.67% Pecuária

Terceiro Ano

33.33% Lavoura

Esquema de ocupação das áreas do PILP

Pasto

Arroz Milho+Braq.

Pasto

Pasto

Esquema de ocupação das áreas do PILP

Pasto

SojaArroz

Milho+Braq.

Verão

50% Pecuária

50 % Lavoura

Pasto

Pasto

FeijãoFeijão

Pasto

Pasto

Inverno

66.67% Pecuária

Segundo Ano

33.33% Lavoura

Pasto50 % Pecuária 66.67% Pecuária

Pasto

Pasto


365455516545635

700

2º Recria34ha

2º Terminação




Brachiaria 17ha

2º Volantes17ha


725

73082088191010001060

1065

3ª Recria 34ha

3º Terminação




Brachiaria 17ha

3º Volantes17ha


1090

1095 1185 1186 Data de Encerramento do horizonte de planejamento

3.1. Componente Biológico

3.1.1. Parâmetros da PecuáriaFoi realizado o acompanhamento da evolução do ganho de peso, por animal e por área,

ao longo do ano estudado, utilizando dados dos animais participantes do Teste deDesempenho de Touro Jovem (TDTJ) da Embrapa Arroz e Feijão.

O TDTJ consiste em uma prova de ganho em peso que está no 9º ano, sendo que amédia e desvio padrão utilizado no modelo estocástico da pecuária foi oriunda dos dados do7º ano do TDTJ.

Os animais participantes deste teste são registrados e pertencem a três raças zebuínas(Nelore, Brahman e Tabapuã), com diferença de idade oscilando, no máximo, em três meses,formando assim um grupo contemporâneo. Estes animais são oriundos de fazendaslocalizadas em cinco diferentes estados da federação (Tocantins, Goiás, Mato Grosso, SãoPaulo e Mato Grosso do Sul), que submetem seus animais ao TDTJ.

Depois de selecionados e desmamados nas fazendas, com idade entre 7 a 10 meses, os117 animais participantes do TDTJ ano sete entraram no projeto no mês de junho de 2004(equivalente à data zero do modelo). Estes animais foram recriados e submetidos à avaliaçãode desempenho durante o período de onze meses, até o mês de maio do ano seguinte,correspondendo à data 335 dias do modelo, na qual os animais não classificados retornarampara suas fazendas de origem.

Os 65 primeiros classificados no TDTJ permaneceram no sistema, onde foramsubmetidos à terminação durante 120 dias e, posteriormente, comercializados no leilão daEmbrapa, no mês de setembro de 2005 (equivalente à data 455 dias no modelo).

Os parâmetros oriundos do PILP utilizados para elaboração do modelo foram obtidosdo período de junho de 2004 a setembro de 2005 referentes à:

1Uma safra com as lavouras de milho, soja e arroz;2Uma entressafra com feijão (inverno);3Uma recria referente ao TDTJ ano sete;4Uma terminação dos animais volantes;5Uma terminação dos animais participantes do TDTJ do ano sete.

3.1.2. Parâmetros Agrícolas


9


Em relação a esse tópico, foram observadas as produtividades das culturas plantadas,de acordo com o esquema de rotação do PILP referente ao ano sete.

Foram acompanhadas as seguintes informações:• Área plantada;•Cultura alocada à área;•Produtividade por cultura;•Quantidade de insumos utilizados e seus custos associados.

O acompanhamento dos custos operacionais (todos os custos relacionados ao processoprodutivo) desde o pré-plantio até a colheita e os não-operacionais (todos os custos após oplantio, custos com frete e armazenamento) foram organizados em planilhas de acordo com acultura, objetivando padronizar as planilhas das lavouras e da pecuária no PILP.

3.2. Análise de viabilidade econômicaOs dados oriundos do ano sete do PILP foram utilizados no desenvolvimento do

modelo de simulação para estudar a viabilidade econômica deste projeto, utilizando ametodologia System Dynamics, sendo o software Stella versão 8.0 para Windows da HighPerformance Systems, adotado como ferramenta de modelagem.

Depois de modelado o PILP de forma determinística, foi introduzido como variávelestocástica o preço de cada produto comercializado no projeto (soja, arroz, milho, boi magro eboi gordo), através das suas respectivas distribuições normais, para analisar a viabilidadeeconômica sob condições de risco.

3.2.1. Descrição dos cenários estudadosForam analisados oito cenários de forma estocástica, para avaliar a probabilidade de

ocorrer lucro mediante a volatilidade dos preços dos produtos comercializados na agriculturae pecuária.

Com relação às receitas pecuárias, foram considerados dois cenários: acomercialização de boi gordo e a comercialização de touros jovens, ou seja, como acomercialização do boi TDTJ (BTDTJ) é através de leilão de animais provados a pasto, mas omanejo sanitário e nutricional adotado é o mesmo para pecuária de corte em regime de pasto,considerou-se os índices zootécnicos alcançados no PILP para simular a comercialização deboi comercial (BC) em arrobas.

Além destes cenários foram considerados outros quatro:− Considerando arrendamento (A) ou depreciação (D): No caso do arrendamento foi

considerado o valor de R$ 100,00 por ha/ano, sendo já incluso neste valor todaintra-estrutura do PILP (curral, cercas elásticas e elétricas e instalaçõeshidráulicas). Em relação à depreciação, esta foi calculada considerando a vida útildo curral de 25 anos e, com relação às demais infra-estruturas citadas acima, avida-útil considerada foi de 10 anos. O valor residual utilizado no cálculo foi 10%do valor inicial de cada item.

− Considerando 90% de recurso do governo (crédito oficial) (RG) e 10% de capitalpróprio (CP) ou 100% capital próprio (CP): Para o RG foi usada a taxa de juros de8,75% a.a., que equivale à praticada pelo Fundo Constitucional de Financiamentodo Centro-Oeste (FCO) do Banco do Brasil. Com relação ao CP, considerou-se umcusto de oportunidade equivalente ao da renda fixa, praticado no mercado deespeculações a uma taxa de 10% a.a.


10


As combinações destes cenários resultaram em oito avaliações apresentada na Figuras3.

Onde os cenários determinísticos foram:1º Cenário = BC/RG + CP/D 5º Cenário = TDTJ/RG + CP/D2º Cenário = BC/RG + CP/A 6º Cenário = TDTJ/RG + CP/A

3º Cenário = BC/CP/D 7º Cenário = TDTJ/CP/D4º Cenário = BC/CP/A 8º Cenário = TDTJ/CP/A

FIGURA 3 - Fluxograma dos cenários estocásticos avaliados no modelo de simulação doPILP.

3.2.2. Indicadores de resultados econômicos utilizados no modelo

3.2.2.1. Valor Presente Líquido (VPL) no horizonte de planejamentoA análise estocástica da viabilidade econômica do PILP, foi obtida após serem geradas

uma amostragem de 500 valores (VPL’s) utilizando a função Monte Carlos no softwareStella. Posteriormente, os dados foram transferidos para o software @Risk, o qual permitiuquantificar a probabilidade de cada cenário estudado obter o VPL < 0, ou como chamado naárea de finanças value at risk, que indica o risco do projeto.

4. DESCRIÇÃO DO MODELOCom o objetivo de apresentar o desenvolvimento do modelo de avaliação econômica

do PILP, primeiramente será descrita a interface do modelo. Em seguida será apresentada ainterface do painel central do modelo do PILP no software Stella. Na seqüência seráapresentado o modelo financeiro adotado para realizar todos os pagamentos (gastosoperacionais, não operacionais, financiamento e despesas gerais) e mostrar as receitas(operacionais, não operacionais e receitas financeiras) no PILP, além do demonstrativo deresultado no horizonte de planejamento do modelo.

4.1 Interface do ModeloA simulação computacional por eventos dinâmicos, ou seja, comportamentos variáveis

dos dados originados de pesquisas no PILP ao longo do tempo, serviram como parâmetros ouInputs para alimentar a entrada do modelo de simulação com os valores conhecidos pelosestatísticos como fatores a vários níveis, podendo, na saída, avaliar os efeitos destas em umasuperfície de resposta, auxiliando assim na tomada de decisão do investidor (PIDD, 1998),como apresentado no modelo de simulação do PILP (Figura 5).


11

Capital Próprio (CP)

D A

TDTJ

Recurso do Governo (RG) + CP

D A

Capital Próprio (CP)

D A

Boi Comercial(BC)

Recurso do Governo (RG) + CP

D A

CENÀRIOS ESTOCÁSTICOS


FIGURA 4 - Modelo de simulação desenvolvido para avaliar a viabilidade econômica doPILP.

4.2. Interface do painel central do PILP, no software StellaOs oito cenários da modelagem do PILP são controlados nele. Isto devido a um

recurso do software Stella que funciona como chaves, que podem ser acionadas para ativar oudesativar duas combinações diferentes.

Estas chaves, representadas pelo número um na interface do painel central (Figura 5),são responsáveis por ativar ou desativar os oito cenários estocásticos do PILP através dasseguintes combinações: RG ou CP, BC ou TDTJ e A ou D. Sendo que depois de alteradasbasta rodar o modelo para obter suas respectivas avaliações econômicas.

Pode ser observado no número 1 da interface da Figura 5 que está ativando oscenários: capital próprio, boi gordo comercial e arrendamento. O número 2 (Figura 5)corresponde aos resultados dos custos operacionais e o orçamento de cada atividade (custooperacional + custo não operacional) no PILP ao final das possíveis combinações doscenários. Já o número 3 é outro recurso do modelo, utilizado como base de cálculo ILP, queserve para determinar os custos com elaboração do projeto, assistência técnica eadministrativa, que correspondem ao número 4 (Figura 5).

Este recurso permite, após rodar o modelo e obter o custo operacional acumulado, queestá representado pelo gerador da base de cálculo, copiar o valor obtido neste gerador e digitarna base de cálculo ILP.

Desta forma, após rodar novamente o modelo, obtêm-se os valores destes custosatualizados. Isto só foi preciso, quando as combinações entre os cenários diferiam de BC ouTDTJ, devido os custos operacionais destes dois cenários serem diferentes (Figura 5).


12


423,741.4Gerador da Base de C…

Base de Calculo ILP 423741

U Untitled List

54,408.7Orcamento AC Milho

44,445.5Custo Operacional Mil…

75,263.1Orcamento AC Arroz

69,942.9Custo Operacional Ar…

36,525.7Orcamento AC Soja

33,562.1Custo Operacional Soja

275,790.9Custo Operacional P…

280,017.7Orcamento AC Pecuaria

Deprec…

Depreciacao

Arrendame…

Arrendamento Area Total

Inv estim…

Investimentos

Recei…

Receitas ILP

Custo …

Cus to de Elaboracao do

Projeto ILP

Custo …

Cus to Ass is tencia Tecnica ILP

Custo A…

Cus to Adm inis trativo ILP

Recur…

Recursos Governo

Custo…

Custos ILP

Capit…

Capital Proprio

Demostrati…

Demostrativo Resultado ILP

Impostos…

Impostos e Contribuicoes sobre Venda

Despesa…

Despesas Gerais

Boi gordo Comercial

TDTJ Depreciacao

Recurso Governo

Capital Proprio

Arrendamento

1

3

2

4

Run Save

Painel Arroz

Painel Soja

Painel Feijao

Painel Milho

Prazos Pgtos

Pecuaria

Painel Pecuaria

FIGURA 5 - Interface do painel central do modelo PILP, no software Stella.

4.3. Módulo econômico no software Stella

4.3.1. Modelo financeiro e demonstrativo de resultado referente ao sétimo ano do PILPno software StellaComo pode ser observado na Figura 6, o início do modelo do PILP (representado pelo

número 1 – Recurso do Governo), quando considerado o cenário com RG, ocorre na data deliberação do recurso, que corresponde à data zero do modelo.

Ao ser liberado, este recurso passa a ser modelado de duas formas: A primeira refere-se à conta de capital de terceiro, a qual será acrescentada a taxa de juros sobre o capital deterceiro (8,75% a.a.). A segunda refere-se à transferência deste recurso para conta deaplicação de capital de terceiro (representado pelo número 2 – conta aplicação). Também vãopara esta conta as receitas operacionais e não-operacionais (representadas pelo número 3 –receitas), sendo a taxa de rendimento considerada, a mesma do juro sobre o capital próprio(Figura 6).

Todas as despesas (representado pelo número 4 – despesas), com seus respectivospagamentos, e o pagamento do financiamento, são pagos através desta conta de aplicaçãofinanceira, sendo que se ocorrer a exaustão dela, ou melhor, se acabar o dinheiro, ospagamentos passam a serem efetuados utilizando a conta capital próprio (representadas pelonúmero 5 – capital próprio), a qual passa a considerar uma despesa sobre a utilização docapital próprio, a uma taxa de juros sobre este capital de 10% a.a. (Figura 6).


13


Despesa

Capital Terceiro

EntradaFinanciamento

Pagamento

Financiamento

Conta Capital

TerceiroPassiv o

Data Liberacao

Financiamento

Taxa de

Juros CapitalTerceiro Data Pagamento

Financiamento

Entrada Aplicacao

Capital Terceiro

Aplicacao

FinanceiraAtiv o

Saída

Ef etuamentodos Pagamentos

Pagamentos

Utilizacao CapitalProprio apos Exaustao

do Capital de Terceiro

Despesas

Capital Proprio

Montante CapitalProprio Utilizado

Até o Final do Projeto

Taxa de

Juros CapitalProprio

Depreciação

Receita Financeira

Taxa de

Juros CapitalProprio

Receitas Nao

Operacionais

Receita

Operacionais

Encerramento Custo Oeracionais

e Não Operacionais ILP

Pagamento Impostose Contribuicoes

Sobre Venda

Encerramento

DespesasGerais

EncerramentoReceitas

Operacionais

Encerramento

Receitas NaoOperacionais

Encerramento

Despesas Financeiras

Pagamento Financiamento

VPL no

Horizonte de Planejamento

Lucro ou Prejuizodo ExercicioEncerramento

ReceitasFinanceiras

Módulo Financeiro

1 - Recurso Governo

2 - Conta Aplicação

5 - Capital Próprio

6 - Demostrativo de Resultado

4 - Despesas

3 - Receitas

FIGURA 6 - Fluxograma econômico do modelo financeiro do PILP, no software Stella.

As saídas de todas estas contas descritas anteriormente estão modeladas para ocorrerna data de encerramento, equivalendo ao dia 1.186 do modelo, que corresponde ao horizontede planejamento do projeto.

Após o encerramento destas contas, foram feitos seus respectivos fantasmas econectados a um único fluxo, denominado de lucro ou prejuízo do exercício (Figura 6).

O modelo matemático utilizado para determinar o VPL no horizonte de planejamentofoi: encerramento receitas operacionais + encerramento receitas não-operacionais +encerramento custos operacionais e não-operacionais PILP – depreciação – encerramentodespesas gerais – encerramento despesas financeiras – pagamento impostos e contribuições


14


sobre venda (Figura 6).

4.3.2. Modelo das Receitas do PILP, ano sete, no software StellaA expressão considerada no conversor receita pecuária boi comercial (BC) ou TDTJ

(Figura 7) está determinado da seguinte forma: 1) No cenário BC as receitas consideradasforam ao final da recria, com a comercialização dos bois magros, e ao final da terminação,com a comercialização de boi gordo. 2) No cenário TDTJ foi considerado, ao final da recria,apenas a receita equivalente ao custo operacional dos animais desclassificados durante arecria e, ao final da terminação, a média do preço dos quatro últimos leilões realizados peloPILP ao final do TDTJ.

Receita

Operacionais

Encerramento

ReceitasOperacionais

Conta Receitas

Operacionais

Receita

Soja

ReceitaArroz

ReceitaMilho

Produtiv idadepor ha

Soja

Area PlantadaSoja

Produtiv idadepor ha

Arroz

Preco porSc 60 Kg

Arroz

Area Plantada

Milho

Produtiv idade

por ha Milho

ReceitaArrendamento Pasto

Volantes

Receita Pecuaria

Boi Comercial ouTDTJ

Receitas ArrendamentoPlantio Feijao

Inverno

Data

Encerramento

Area Plantada

Arroz

Preco

Sc 60 kgSoja

Preco por

Sc 60 kgMilho


Encerramento


Conta Receitas

Nao Operacionais

Data

Encerramento

Entrada Receitas

Financeiras

EncerramentoReceitas

Financeiras

Conta Receitas

Financeiras

Receita

FinanceiraData

Encerramento

Receitas

3 - Receitas

FIGURA 7 - Fluxograma das receitas do PILP, no software Stella.

As receitas com soja, arroz, milho e pecuária são modeladas e conectadas ao conversorreceitas operacionais. As receitas não operacionais consideradas foram oriundas doarrendamento das áreas para plantio de feijão (no inverno) e das áreas com pastagem, paraterminação de animais volantes. As receitas financeiras ficaram em uma conta a parte, devidopermitir ao final do horizonte do projeto saber qual foi a receita financeira acumulada (Figura7).


15


4.3.3. Modelo das Despesas do PILP, ano sete, no software StellaNa Figura 8, os conversores de pagamentos: da assistência técnica (3%), da despesa

administrativa (2%) e da elaboração do projeto (2%), são o resultado da multiplicação dassuas respectivas porcentagens pelo custo operacional acumulado do PILP, sendo estessomados no fluxo de pagamento de despesas gerais.

Os fantasmas dos conversores dos custos operacionais e não-operacionais, pagamentode despesas financeiras (despesas com capital próprio e capital de terceiro) e pagamentodespesas gerais do PILP, estão modelados para entrarem no fluxo de gastos e permaneceremna conta chamada de fornecedor. Estes são pagos nas suas respectivas datas de compra,somado ao prazo de pagamento da mesma, através da conta de aplicações financeiras (Ativo),conforme Figuras 6 e 8.

Custos Operacionais

e Nao Operacionais

Gastos Pagamentos

Conta Fornecedor

Prazo

Pagamento

Pagamento

Arrendamento

Pagamento

Despesas

Financeiras

Pagamento

Despesas

Gerais

Custo

Operacionais

Arroz

Encerramento

Despesas

Financeiras

Custo

Operacionais

Soja

Data

Encerramento

Custo

Operacionais

Milho

Custos Operacionais

e Nao Operacionais

Custos Não

Operacionais

Soja

Conta Custo

Operacionais

e Nao Operacionais

Encerramento

Custo Oeracionais

e Não Operacionais ILP

Custo Operacionais

Pecuária Boi

Comercial ou TDTJ

Custo

Operacionais

Custos Não

Operacionais

Arroz

Custos Nao

Operacionais

Custo Não

Operacionais

Milho

Custo Não Operacionais

Pecuária Boi

Comercial ou TDTJ

Data

Encerramento

Pagamento

Despesas

Gerais

Encerramento

Despesas

Gerais

Conta Despesas

Nao Operacionais

Pagamento

Assistencia

Tecnica

Despesas

Capital

Proprio

Pagamento

Elaboracao

Projeto

Pagamento

Despea

Administracao

Despesa

Capital

Terceiro

Pagamento

Despesas

Financeiras

Conta Despesas

Financeiras

Data

Encerramento

Despesas

4 - Despesas

FIGURA 8 - Fluxograma das despesas do PILP, no software Stella.

Com relação à despesa com aquisição dos bezerros no cenário de BC, foi consideradaa média de peso dos bezerros na entrada do TDTJ ano sete multiplicado pelo preço da arrobado boi gordo, equivalente a R$ 56,00.

Porém, na realidade do PILP, todos os animais são cedidos por seus respectivoscriadores através de um contrato de consignação. Segundo este contrato o proprietário doanimal paga o custo operacional destes durante a recria, independentes de serem classificadosou não para terminação.

Para avaliação econômica do projeto, foi estimado o valor de aquisição de R$ 1.500,00por bezerro puro de origem. Este valor foi considerado somente para 66% do custo total de


16


aquisição dos bezerros no cenário TDTJ, porcentagem correspondente aos animaisclassificados para terminação. Aqueles desclassificados correspondem aos 34% restantes esão responsáveis pela receita oriunda do pagamento referente ao custo operacional damanutenção destes animais no PILP durante a recria.

5. RESULTADOS E DISCUSSÃOO cenário BC RG+CP D (Figura 9 - a), mostra que a probabilidade do VPL ser menor

ou igual a zero P(VPL < 0) foi de 3.8% em uma distribuição N(50.344,00, 28.383,00) com ovalor (X;Y) = (0; 3,8%). Esse resultado indica que a probabilidade de ocorrer prejuízo nestecenário é baixa (3,8%), sendo que a P(VPL > 0) = 96,2%, sugerindo alta atratividade doprojeto.

FIGURA 9 – Função de probabilidade de obtenção do VPL > 0, no cenário boi Comercial.Fonte: Dados da pesquisa obtidos no Modelo do PILP, utilizando o software Stella.

Na Figura 9 - b, o cenário BC RG+CP A, representa a segunda maior probabilidade doVPL < 0 entre todos os cenários BC e TDTJ, sendo P(VPL < 0) = 16,5% na distribuição N


17

A: 1º CenárioBC RG+CP D

B: 2º CenárioBC RG+CP A

D: 4º CenárioBC CP A

C: 3º CenárioBC CP D

Normal(26402, 27077)

-60 -40 -20 0 20 40 60 80 100 120 140

< >16.5%0.0

-60 -40 -20 0 20 40 60 80 100

< >5.5%

-40 -20 0 20 40 60 80 100

< >15.7% 84.3%0.0

VPL’s (Mil R$)0 20 40 60 80 100 120 140 160

< >3.8% 96.2%





VPL’s (Mil R$)

VPL’s (Mil R$) VPL’s (Mil R$)

94.5%

83.5%





Normal(26402, 27077)

-60 -40 -20 0 20 40 60 80 100 120 140

< >16.5%0.0

-60 -40 -20 0 20 40 60 80 100

< >5.5%

-40 -20 0 20 40 60 80 100

< >15.7% 84.3%0.0

VPL’s (Mil R$)0 20 40 60 80 100 120 140 160

< >3.8% 96.2%





VPL’s (Mil R$)


94.5%

83.5%


(26.402,00, 27.077,00) com o valor (X;Y) = (0; 16,5%). Apesar disso a probabilidade deprejuízo neste cenário é baixa, pois P(VPL > 0) = 83,5, representa uma alta atratividade doprojeto. O desvio padrão deste (27.077,00) cenário foi maior que a média (26.402,00) dadistribuição normal.

Verifica-se na Figura 9 – c, cenário BC CP D, que a P(VPL < 0) foi de 5,5%, enquantoa P(VPL > 0) foi 94,5%, mostrando que ao produzir adotando o sistema utilizado pelo PILP ealcançando índices zootécnicos e agronômicos, o produtor terá um baixo risco de ter prejuízona atividade agropecuária. A distribuição N(39.762,00, 2.931,00) deste cenário apresenta omenor desvio padrão entre os cenários estocástico BC CP (VPL < 0).

Entre os cenários BC, este cenário apresenta a segunda maior probabilidade de P (VPL< 0), equivalente a 15,7% e de P(VPL > 0) igual a 84,3%. Sua distribuição N(25.934,00,25.808,00) possui um alto desvio padrão, semelhante à média obtida após as 500 simulaçõesde Monte Carlo, no software Stella (Figura 9 - d).

Entre todos os cenários avaliados o TDTJ RG+CP D foi o que apresentou a menorP(VPL < 0), sendo o valor (x,y) = (0;1%), mostrando que a probabilidade de obter prejuízo éde apenas 1%. A P(VPL > 0) foi de 99%, sendo o cenário com maior atratividade do projeto(Figura 10 - a). A N(38944,00, 16749,00) deste cenário foi a que apresentou o menor desviopadrão entre todos os cenários avaliados, confirmando a probabilidade de obter lucro.

A P(VPL < 0), no cenário TDTJ RG+CP A, foi de 9% e de P(VPL > 0) foi de 91%.Sendo alta a probabilidade de obter lucro com a produção de tourinhos em sistema de ILP(Figura 10 - b). A N(24.794,00, 18.191,00) deste cenário, apresentou uma média inferior àsdos cenários BC, isto se deve a alta volatilidade dos preços de comercialização nos últimosquatro anos de leilão da Embrapa. A distribuição normal dos preços de comercialização detourinhos nos últimos quatro anos gerou a seguinte média e desvio: 4.301,44, 604,17.

Observando na Figura 10 - c, P(VPL<0) foi de 4.7%, enquanto P(VPL>0) foi 95.3%,mostrando que ao produzir adotando o sistema utilizado pelo PILP e alcançando os mesmosíndices zootécnicos e agronômicos, o produtor terá um baixo risco de ter prejuízo na atividadeagropecuária. A distribuição N(28.263,00, 16.873,00) deste cenário apresenta a segundamenor média de VPL e o segundo menor desvio padrão entre os cenários estocástico TDTJ.

Entre todos os cenários o TDTJ CP A, foi o que apresentou maior possibilidade deocorrer prejuízo 19,4% e 80,6% de obter lucro. Apesar destes valores este cenário aindaapresenta um baixo risco, mostrado ser atrativo a adoção por parte do produtor rural (Figura10 - d). Os valores das probabilidades apresentados neste cenário foram um reflexo daN(14852, 17200), sendo o desvio padrão considerado muito alto, maior até que a média.


18


FIGURA 10 – Função de probabilidade de obtenção do VPL > 0, no cenário TDTJFonte: Dados da pesquisa obtidos no Modelo do PILP, utilizando o software Stella.

6. CONCLUSÕESFoi possível desenvolver uma ferramenta de modelagem capaz de realizar avaliações

de diferentes cenários da integração lavoura e pecuária de forma sistêmica, no horizonte deavaliação.

A integração lavoura e pecuária, considerando os índices descritos no modelo, étécnica e economicamente viável e apresenta baixos níveis de risco para investidores doagronegócio na região do Cerrado.

7. REFERÊNCIAS BIBLIOGRÁFICASALENCAR, A. J. & SCHMITZ, E. A. Análise de risco em gerência de projetos. Rio deJaneiro: Braxport, 2005. 172 p.

BARCELLOS, A. O. Sistema extensivo e semi-intensivo de produção: pecuária bovina decorte nos cerrados. In: SIMPÓSIO SOBRE O CERRADO, 8.; INTERNATIONAL


19

-20 -10 0 10 20 30 40 50 60 70 80

< >4.7% 95.3%

-20 0 20 40 60 80 100

< >1.0% 99.0%

-20 0 20 40 60 80

< >19.4% 80.6%

-40 -20 0 20 40 60 80 100

< >9.0% 91.0%

A: 5º CenárioTDTJ RG+CP D

B: 6º CenárioTDTJ RG+CP A

D: 8º CenárioTDTJ CP A

C: 7º CenárioTDTJ CP D




SYMPOSIUM ON TROPICAL SAVANNAS, 1., 1996, Brasília. Biodiversidade e produçãosustentável de alimentos e fibras nos Cerrados: Anais... Planaltina: Embrapa-CPAC, 1996. p.130-136.

BRUMATI, R. C. Desenvolvimento de um modelo bio-econômico para determinação deponderadores econômicos utilizados em índices de seleção em gado de corte. 2002. 113 p.Dissertação (Mestrado em Zootecnia) – Faculdade de Zootecnia e Engenharia de Alimentos -Universidade São Paulo, Pirassununga, São Paulo.

COBUCCI, T.; KLUTHCOUSKI, J.; AIDAR, H. Sistema Santa Fé: produção de forragem naentressafra. In: WORKSHOP INTERNACIONAL PROGRAMA DE INTEGRAÇÃOLAVOURA PECUÁRIA PARA O DESENVOLVIMENTO SUSTENTÁVEL DASSAVANAS TROPICAIS SULAMERICANAS, 2001, Santo Antônio de Goiás. Anais... SantoAntônio de Goiás: Embrapa Arroz e Feijão, 2001. p. 125-135. (Embrapa Arroz e Feijão.Documentos, 123).

DIAS, C. T. Planejamento de uma fazenda em condições de risco: Programação linear esimulação multidimensional. Dissertação (Doutorado em Agronomia) - Escola deEngenharia de São Carlos, Universidade de São Paulo. Piracicaba, São Paulo, 1996.

FORRESTER, J. W. Dinamica Industrial . Massachusetts Institute of Technology – M. I. T.,Cambridge. Traducción: Manzanal, M., P.. Ed. El Ateno, 1961.

GRAVIRA, M. O. Simulação computacional como uma ferramenta de aquisição deconhecimento. 2003. 163 p. Dissertação (Mestrado em Engenharia de produção) - Escola deEngenharia de São Carlos, Universidade de São Paulo. São Carlos.

KASSAI, J. R.; CASANOVA, S. P. C.; SANTOS, A.; ASSAF NETO, A. Retorno deInvestimento (Abordagem matemática e contábil do Lucro Empresarial). 3ª Ed. SãoPaulo: Atlas, 2005. 273p.

KLUTHCOUSKI, J. Integração Lavoura – Pecuária sustentabilidade da agropecuária.Palestra apresentada In: WORKSHOP DE INTEGRAÇÃO LAVOURA – PECUÁRIA, 2005.

KLUTHCOUSKI, J.; STONE, L. F.; AIDAR, H. Integração Lavoura-Pecuária. 1º Ed. v. 1.Santo Antônio de Goiás – Goiás: Embrapa Arroz e Feijão, 2003. 570 p.

MAYA, F. L. A. Produtividade e viabilidade econômica da recria e engorda de bovinosem pastagens adubadas intensivamente com e sem o uso da irrigação. Dissertação(Mestrado em Agronomia) – Escola Superior de Agricultura Luiz de Queiroz, Universidadede São Paulo, Piracicaba, 2003.

MAGNABOSCO, C. U.; BARCELLOS, A. O.; OLIVEIRA, I. P.; SAINZ, R. D.; VILELA,L.; FARIA, C. U.; COSTA, D. O. Desempenho do componente animal no sistema PIAP.In: WORKSHOP INTERNACIONAL PROGRAMA DE INTEGRAÇÃO AGRICULTURAE PECUÁRIA PARA O DESENVOLVIMENTO SUSTENTÁVEL DAS SAVANASSULAMERICANAS, 2001, Santo Antônio de Goiás. Anais ... Santo Antônio de Goiás:


20


Embrapa Arroz e Feijão, 2001. p. 31-45. (Embrapa Arroz e Feijão. Documentos, 123).

NORONHA, J. F. Projetos a agropecuários: administração financeira, orçamentos eavaliação econômica. 2ª Ed. Piracicaba: FEALQ, 1987. 268p.

OLIVEIRA, L. K.; NOVAES, A. G.; DECHECHI, E. Analysis of Agribusiness SystemsUtilizing System Dynamics: A Methodological Contribution. Faculdade de Economia,Administração e Contabilidade de Ribeirão Preto / USP, 2003.

PIDD, M. Modelagem empresarial: ferramentas para tomada de decisão. TraduçãoGustavo Severo de Borba et al. – Porto Alegre: Artes Médicas, 1998.

RICHARDSON, G. P.; PUGH, A. L. Introduction to System Dynamics Modeling withDynamo. M.I.T. Press / Wright – Allen series in System dynamics. Portland, Oregon, 1981.

RUTH, M.; HANNON, B. Modelagem de Sistemas Econômicos Dinâmicos. Nova York:Springer-Verlag, 1997.

SAITO, J. R.; FIGUEIREDO, R. S.; BATALHA, M. O. Simulando CadeiasAgroindustriais . Universidade Federal de São Carlos – DEP / Ufiscar. São Carlos, 1999.

WOILER, S.; MATHIAS, W. F. Projetos: Planejamento, elaboração e análise. São Paulo:Atlas, 1996. 294 p.


21

Análise de risco da integração lavoura e pecuária com a utilização de … · 2012-04-17 ·...

Documents

Transcript of Análise de risco da integração lavoura e pecuária com a utilização de … · 2012-04-17 ·...