UNIVERSIDADE FEDERAL DE SANTA CATARINA

CENTRO TECNOLGICO
PROGRAMA DE PS-GRADUAO EM ENGENHARIA DE
PRODUO

Joo Eugnio Cavallazzi

MODELO DE EXPANSO DE CAPACIDADE COM

EQUILBRIO ESPACIAL DE MERCADOS

TESE DE DOUTORADO

Florianpolis
2013
i

ii

Joo Eugnio Cavallazzi

MODELO DE EXPANSO DE CAPACIDADE COM

EQUILBRIO ESPACIAL DE MERCADOS

Tese apresentada ao Programa de PsGraduao

em
Engenharia
de
Produo da Universidade Federal de
Santa Catarina como parte dos
requisitos para a obteno do ttulo de
Doutor em Engenharia da Produo.
Orientador: Srgio Fernando Mayerle,
Dr.

Florianpolis
2013

iii

iv

Todos os direitos reservados. proibida a reproduo total ou parcial do

trabalho sem autorizao da universidade, do autor e do orientador.

JOO EUGNIO CAVALLAZZI

Graduou-se em Engenharia Civil em 1979 na Universidade Federal de
Santa Catarina. Obteve o ttulo de Mestre em Engenharia de Produo
em 1984 na Universidade Federal do Rio de Janeiro COPPE, tendo
como rea de concentrao: Pesquisa Operacional e o trabalho aplicado
Cia Siderrgica Nacional com o ttulo: Otimizao do Fluxo de
Lingotes em uma Aciaria: o caso da Cia Siderrgica Nacional
(CSN).

vi

Joo Eugnio Cavallazzi

MODELO DE EXPANSO DE CAPACIDADE COM
EQUILBRIO ESPACIAL DE MERCADOS
Esta tese foi julgada adequada para a obteno do ttulo de
DOUTOR e aprovada em sua forma final pelo Programa de psgraduao em Engenharia de Produo da Universidade Federal de
Santa Catarina.
Florianpolis (SC), 23 de agosto de 2013.
____________________________________
Prof. Lucila Maria De Souza, Dra.
Coordenadora PPGEP/UFSC
Banca Examinadora:
_____________________________________
Prof. Srgio Fernando Mayerle, Dr.
Orientador - UFSC
___________________________
Prof. Antnio Srgio
Coelho, Dr.
UFSC

___________________________
Prof. Edson Tadeu Bez, Dr.
Examinador Externo

___________________________
Prof. Rafael Machado Casali, Dr.
UFSC JVE

___________________________
Prof. Rogrio Malta
Branco, Dr.
Examinador Externo

___________________________
Daniela Brando
Nascimento, Dra.
Examinadora Externa

vii

viii

Dedico esta conquista aos meus queridos pais,

Janeto (in memorium) e Nilce.
ix

AGRADECIMENTOS
Agradeo ao meu orientador, Srgio Fernando Mayerle, pela sua
brilhante e dedicada orientao e sugestes que muito contriburam para
o desenvolvimento desta pesquisa. Agradeo tambm pelo seu apoio,
confiana e pacincia em me atender em longas reunies de orientao
em horrios que, muitas vezes, me eram convenientes.
s minhas filhas, Manuella, Giovanna e Rafaella e a toda minha
famlia pelo incentivo, carinho e principalmente pela compreenso.
Ao prof. Antnio Srgio Coelho pelo apoio e incentivo em
muitos momentos ao longo desta caminhada.
Universidade Federal de Santa Catarina, pela oportunidade de
obter mais esta formao, um dos meus grandes objetivos de vida.

xi

xii

Ningum ignora tudo. Ningum sabe tudo. Todos

ns sabemos alguma coisa. Todos ns ignoramos
alguma coisa. Por isso aprendemos sempre.
(Paulo Freire, 1989).

xiii

xiv

RESUMO
CAVALLAZZI, Joo Eugnio; MAYERLE, Srgio Fernando
(Orientador). Modelo de Expanso de Capacidade com Equilbrio
Espacial de Mercados. 2013. 225p. Tese de Doutorado em Engenharia
de Produo Programa de ps-graduao em Engenharia de Produo,
Universidade Federal de Santa Catarina UFSC, Florianpolis (SC), 2013.

O objetivo deste trabalho investigar, propor e elaborar um

modelo que determina a poltica tima de expanso de capacidade de
empresas inseridas em diferentes estruturas de mercados espacialmente
distribudos, considerando situaes de competio perfeita, monoplio
e oligoplio. Assume-se que o produto em questo uma commodity e a
demanda cresce de forma determinstica ao longo do tempo. Os
investimentos das empresas so realizados em sequncia segundo um
processo estocstico que governa este sequenciamento, de forma a
garantir a unicidade da soluo. O modelo proposto aborda o problema
em dois estgios: em um primeiro estgio, chamado de jogo de longo
prazo, as empresas a cada perodo fazem suas escolhas de investimento
de forma a adequar capacidade de produo e maximizar os seus lucros.
O conceito de Equilibro Perfeito de Markov foi aplicado para a obteno
da poltica tima de expanso. A soluo tima de longo prazo obtida
atravs da Programao Dinmica. Em um segundo estgio, chamado de
jogo de curto prazo, as capacidades so fixadas e a competio volta-se
para a participao de mercado. quando as empresas produtoras se
comportam segundo o modelo de Cournot-Nash, pelo qual cada empresa
considera as decises das demais empresas como fixas, quando decide o
seu nvel timo de produo e fluxos do produto para os mercados
consumidores. O conceito de equilbrio espacial de mercados foi
aplicado e a soluo de curto prazo, que obtida atravs da formulao
de um problema de inequaes variacionais. Utilizou-se a tcnica de
simulao de Monte Carlo para analisar as distribuies de
probabilidade das variveis de deciso do modelo. O modelo foi
aplicado a um exemplo numrico terico de duoplio, atravs do qual
foi possvel analisar comportamentos qualitativos de competies entre
empresas envolvendo um mercado distribudo espacialmente. O modelo
permite considerar diferentes estruturas competitivas de mercados, tais
como, oligoplios, monoplios e concorrncia perfeita. Entre os
principais resultados, destaca-se a verificao de que os custos logsticos
impactam significativamente a poltica tima de expanso de
capacidade.
xv

Palavras Chaves
Expanso de Capacidade; Equilbrio Perfeito de Markov; Equilbrio de
Nash; Programao Dinmica; Inequaes Variacionais; Opes Reais;
Oligoplio.

xvi

ABSTRACT
CAVALLAZZI, Joo Eugnio; MAYERLE, Srgio Fernando
(Orientador). Capacity Expansion Model with Spatial Market
Equilibrium. 2013. 225p. Doctoral Thesis in Production Engineering
Postgraduate Program in Production Engineering, Federal University of
Santa Catarina UFSC, Florianpolis (SC).

This work aims at investigating, proposing and implementing a

model that determines the optimal expansion capacity strategy for
companies that operate in spatially distributed markets, regarding
perfect competition, monopoly and oligopoly market scenarios. It is
assumed that the product in question is a commodity and deterministic
demand grows over time. Companies investments are undertaken in
sequence according to a stochastic process that governs this sequencing
in order to ensure the uniqueness of the solution. The proposed model
addresses the problem in two stages: in the first stage, called long-term
game, companies make their investment choices in each period in order
to adjust production capacity and maximize their profits. The concept of
Perfect Markov Equilibrium was applied to obtain the optimal
expansion strategy, using dynamic programming. In the second stage,
called short-term game, once investments in capacity expansion have
already been performed in a given period of time, capacities are fixed
and then competition turns to market share, when companies are focused
on determining its optimal level of production and product flows to the
consumer markets. The concept of spatial equilibrium market was
applied for companies competing according to a Cournot-Nash model in
a spatially distributed market. The short-term equilibrium was obtained
through the formulation of a variational inequality problem. Monte
Carlo simulation has been used to analyze the probability distributions
of the companies decision variables. The model was applied to a
theoretical numerical example of a duopoly, where it was possible to
analyze various qualitative behaviors of competition involving a
spatially distributed market. Among the main results is the finding that
logistic costs have a significant impact in the optimal capacity
expansion policy.
Key Words
Capacity Expansion; Equilibrium; Markov Perfect Equilibrium; Nash
Equilibrium; Dynamic Programming; Variational Inequality Problem;
Real Options; Oligopoly.
xvii

xviii

LISTA DE FIGURAS
Figura 2.1

Consumo da capacidade com o crescimento da

demanda......................................................................12
Figura 2.2 Combinao de outros problemas com o problema de
expanso de capacidade..............................................17
Figura 2.3a
Evoluo bibliogrfica 1960-1995 principais
trabalhos......................................................................34
Figura 2.3b
Evoluo bibliogrfica 1995-2012 principais
trabalhos......................................................................35
Figura 2.4
Mtodos de soluo do problema de expanso de
capacidade...................................................................36
Figura 2.5
Modelos que tratam de equilbrio, jogos de opo
e equilbrio perfeito de Markov..................................38
Figura 2.6
Modelos dinmicos.....................................................39
Figura 2.7
Modelos com investimentos discretos........................40
Figura 2.8
Modelos com mercados espaciais...............................41
Figura 3.1
O problema da viagem entre as cidades A e J.............49
Figura 3.2
A Curva da Oferta.......................................................63
Figura 3.3
A Curva da Demanda..................................................64
Figura 3.4
Ponto de Equilbrio para um produto em um
mercado local..............................................................67
Figura 3.5
Quantidade tima de um monopolista........................69
Figura 3.6
Curvas de reao das empresas a e b..........................74
Figura 3.7
Distribuio espacial de mercados..............................78
Figura 4.1
Mecanismo geral do modelo proposto........................90
Figura 4.2
Estrutura de rede do problema de equilbrio
espacial........................................................................92
Figura 4.3
Exemplo de soluo no nica para o equilbrio
de Nash........................................................................99
Figura 4.4
Evoluo de estado com estratgias Markovianas....102
Figura 4.5
Mecanismo de crescimento da demanda...................107
Figura 4.6
Efeito de um incremento na quantidade ofertada no
custo total de produo do produtor i........................113
Figura 4.7
Efeito de um incremento na quantidade ofertada na
receita do produtor i no mercado j............................114
Figura 4.8
Efeito de um incremento na quantidade transportada no
custo de transporte do produtor i para o mercado j...114
Figura 5.1
Estrutura espacial do exemplo numrico..................120
xix

Figura 5.2
Figura 5.3
Figura 5.4
Figura 5.5
Figura 5.6
Figura 5.7
Figura 5.8
Figura 5.9
Figura 5.10
Figura 5.11
Figura 5.12
Figura 5.13
Figura 5.14
Figura 5.15
Figura 5.16
Figura 5.17
Figura 5.18
Figura 5.19
Figura 5.20
Figura 5.21
Figura 5.22
Figura 5.23
Figura 5.24
Figura 5.25

Evoluo das expanses e capacidades acumuladas da

empresa 1 em um exemplo simtrico........................125
Grfico de disperso dos valores presentes
das empresas - rodada 1............................................127
Histograma da diferena entre VP1 e VP2
rodada 1.................................................................128
Grfico de disperso das capacidades e dos fluxos em
trs momentos do horizonte de planejamento - com
espacialidade.............................................................129
Disperso do Valor Presente - rodadas 1 e 2............131
Histogramas de Valor Presente.................................132
Capacidades e produo em equilbrio ao longo do
tempo para os casos com e sem espacialidade..........133
Comportamento de preos em equilbrio ao longo do
tempo para casos com e sem espacialidade...............135
Disperso do Valor Presente - rodadas 3, 4 e 5........137
Histogramas do Valor Presente para um caso de
assimetria nos custos - rodada 4................................137
Distribuio espacial dos mercados - rodada 6.........138
Histogramas do Valor Presente - Rodada 6..............139
Distribuio espacial dos mercados
casos especiais........................................................139
Histogramas de Valor Presente com localizaes
equidistantes rodada 7............................................141
Histogramas do Valor Presente rodada 8...............142
Histogramas do Valor Presente rodada 9...............142
Histogramas do Valor Presente rodada 10.............143
Grficos de disperso do Valor Presente
rodadas 7-10..........................................................144
Grficos de disperso do Valor Presente
rodadas 11 e 12.....................................................145
Grfico de disperso das capacidades e fluxos em trs
momentos do horizonte de planejamento
rodada 11...................................................................146
Capacidades e fluxos ao longo do tempo
- rodada 12...............................................................147
Grficos de disperso do Valor Presente
rodadas 13, 14 e 15...............................................150
Capacidades e fluxos ao longo do tempo
- rodada 13...............................................................151
Grficos de disperso do valor presente com
xx

Figura 5.26
Figura 5.27
Figura 5.28
Figura A.1
Figura B.1
Figura B.2
Figura B.3

economias de escala rodadas 16, 17 e 18...............152

Capacidades e fluxos ao longo do tempo
- rodada 18...............................................................155
Histogramas do Valor Presente - rodadas
19, 20, 21 e 22...........................................................156
Crescimento do tempo computacional
(em seg.) versus n de empresas no oligoplio.........157
Componentes de um jogo na forma extensiva..........182
Interpretao geomtrica de VI(F,K)........................188
A projeo y de x sobre o conjunto vivel................192
Representao geomtrica do problema de
inequao variacional................................................193

xxi

xxii

LISTA DE QUADROS
Quadro 3.1 Lucros da empresa a e empresa b sob
competio Cournot..........................................................73
Quadro 5.1 Premissas bsicas comuns a todas as anlises de
sensibilidade....................................................................123
Quadro 5.2 Dados da rodada base......................................................124
Quadro 5.3 Dados da rodada 1 (rodada base) e 2..............................131
Quadro 5.4 Dados das rodadas 3, 4 e 5..............................................136
Quadro 5.5 Custos de transporte - rodada 6......................................138
Quadro 5.6 Custos de transporte - rodadas 7 a 10.............................140
Quadro 5.7 Dados de capacidades - rodadas 11 e 12.........................145
Quadro 5.8 Dados de probabilidades de investir
- rodadas 13 a 15.............................................................149
Quadro 5.9 Fatores de economia de escala
- rodadas 16, 17 e 18.......................................................152
Quadro 5.10 Plano de expanso e valor presente esperado das
empresas 1 e 2, para uma das sequncias possveis
de investimentos..............................................................154
Quadro 5.11 Crescimento do espao de estados do modelo................158

xxiii

xxiv

SUMRIO

RESUMO........................................................................................xv
ABSTRACT.................................................................................xvii
LISTA DE FIGURAS...................................................................xix
LISTA DE TABELAS................................................................xxiii
1.
1.1
1.2
1.3
1.3.1
1.3.2
1.4
1.4.1
1.4.2
1.5
1.6
1.7
2.
2.1
2.1.1
2.1.2
2.1.3
2.1.4
2.1.5
2.1.6
2.1.7
2.1.8
2.2
2.2.1
2.2.2
2.2.3
3.
3.1
3.2
3.2.1
3.2.2
3.3

INTRODUO..................................................................1
CONSIDERAES INICIAIS............................................1
DEFINIO DO PROBLEMA...........................................2
OBJETIVOS DO TRABALHO...........................................5
Objetivo geral.....................................................................5
Objetivos especficos...........................................................5
INEDITISMO, ORIGINALIDADE E CONTRIBUIO
CIENTFICA.......................................................................6
Ineditismo e originalidade.................................................6
Contribuio cientfica......................................................6
RELEVNCIA E MOTIVAO........................................7
LIMITAES......................................................................8
ORGANIZAO DO TRABALHO...................................9
REVISO BIBLIOGRFICA.......................................11
EVOLUO DA LITERATURA.....................................11
O modelo de Manne e seus sucessores............................11
Substituio de equipamentos.....17
Planejamento de produo..18
Problemas de localizao (transporte)...........20
Teoria de opes reais..... 20
Teoria dos jogos................................................................23
Processos de deciso Markovianos.................................29
Outras formulaes..........................................................31
LITERATURA FOCO DESTA PESQUISA.....................35
Mtodos de soluo...........................................................35
Abordagens conceituais...................................................37
O modelo de Murto et al..................................................42
FERRAMENTAL TERICO........................................47
INTRODUO..................................................................47
PROGRAMAO DINMICA.......................................47
Mecanismo e terminologia...............................................47
Condies de validao de modelos................................50
JOGOS DINMICOS COM INFORMAO
COMPLETA......................................................................53
xxv

3.3.1
3.3.2
3.3.3
3.3.4
3.4
3.4.1
3.5
3.5.1
3.5.2
3.5.3
3.5.4
3.5.5
3.5.6

Introduo.........................................................................53
O equilbrio de Nash de um jogo multiestgio...............54
Jogos sequncias e a programao dinmica reversa...55
Equilbrio de Nash perfeito em subjogo.........................56
EQUILBRIO PERFEITO DE MARKOV (EPM)............58
Definio e existncia de um EPM..................................59
EQUILBRIO ESPACIAL DE MERCADOS...................62
Introduo........................................................................62
Equilbrio na concorrncia perfeita...............................66
Equilbrio no monoplio..................................................68
Equilbrio no oligoplio...................................................70
Mercados espaciais...................76
Algoritmo geral para obteno do equilbrio
espacial...............................................................................87
4.
MODELOPROPOSTO....................................................89
4.1
INTRODUO.................................................................89
4.2
CARACTERIZAO DO AMBIENTE...........................92
4.3
EQUILBRIO DE LONGO PRAZO.................................97
4.4
EQUILBRIO DE CURTO PRAZO................................104
4.4.1 Premissas bsicas do modelo de curto prazo...............105
4.4.2 Formulao do modelo..................................................108
4.5
O ALGORITMO DO MODELO PROPOSTO...............116
5.
APLICAO NMERICA DO MODELO.................119
5.1
INTRODUO...............................................................119
5.2
ANLISE DOS RESULTADOS...... ..123
5.2.1 Consideraes iniciais.. .123
5.2.2 Anlise do modelo com simetria.. 126
5.2.3 Comparativo com uma estrutura sem espacialidade..130
5.2.4 Anlise do modelo com assimetria;..135
5.2.4.1 Assimetria nos custos logsticos..135
5.2.4.2 Assimetria na capacidade.........144
5.2.4.3 Assimetria na probabilidade de decidir....148
5.2.4.4 Assimetria na economia de escala...151
5.2.5 Oligoplio com mais produtores...155
6.
CONCLUSES E RECOMENDAES....................161
6.1
CONCLUSES....... .......161
6.2
RECOMENDAES......................................................164
REFERNCIAS BIBLIOGRFICAS.......................................167
APNDICE A - INTRODUO TEORIA DOS
JOGOS..........................................................................................181
A.1 INTRODUO......................................................................181
xxvi

A.2 JOGOS NA FORMA EXTENSIVA.......................................181

A.3 ESTRATGIA PURA E MISTA...........................................183
A.4 DEFINIO DE EQUILBRIO DE NASH..........................184
APNDICE B - O PROBLEMA DE INEQUAO
VARIACIONAL..........................................................................187
B.1 INTRODUO......................................................................187
B.2 DEFINIO DE VIP.............................................................187
B.3 SISTEMAS DE EQUAES.................................................189
B.4 PROBLEMAS DE OTIMIZAO........................................189
B.5 PROBLEMAS DE COMPLEMENTARIDADE....................190
B.6 PROBLEMAS DE PONTO FIXO..........................................191
B.7 ALGORITMO PDS................................................................194
B.7.1 Condies de convergncia................................................194
APNDICE C - SISTEMA COMPUTACIONAL PARA A
OBTENO DA ESTRATGIA TIMA DE EXPANSO DE
CAPACIDADE PROGRAMA FONTE .................................197

xxvii

1. INTRODUO
1.1. CONSIDERAES INICIAIS
A produo da indstria de transformao no Brasil cresceu em
torno de 30% nos ltimos 10 anos, acompanhando o crescimento do
PIB, com exceo da crise de 2008 quando sofreu uma queda acentuada.
Em meados de 2009 tornou a crescer, recuperando os nveis de produo
de antes da crise de 2008 (Pastore et al., 2012). Apesar da estagnao
que vem apresentando, a tendncia que a produo industrial
acompanhe o crescimento do PIB em uma perspectiva de longo prazo.
Este cenrio de crescimento, na esteira do aumento da demanda interna,
aliado ao acirramento cada vez maior da competio e o avano
tecnolgico, refora a importncia de um componente do planejamento
das empresas: a gesto da capacidade.
A gesto da capacidade das empresas tipicamente implica em um
planejamento estratgico e um planejamento operacional e ttico. O
segundo hierarquicamente subordinado ao primeiro. As decises
associadas ao planejamento estratgico visam determinar a capacidade
efetiva da operao produtiva, de forma a responder s flutuaes da
demanda ao longo do tempo. Uma vez definido a capacidade de longo
prazo, ou seja, de dois ou mais anos, os gerentes das empresas devem
determinar os ajustes de capacidade ou reconfiguraes de tecnologia ou
de mo de obra medida que uma previso mais acurada de demanda se
torna disponvel.
Segundo Slack et al. (2002), o planejamento operacional,
portanto, frequente e dinmico de forma a acomodar flutuaes da
demanda no curto prazo, ou seja, at 24 meses.
Se determinar a adequada capacidade considerado um dos
componentes mais importantes no planejamento de qualquer empresa de
manufatura ou de servio, para alguns segmentos da indstria, tais
como, de computadores, eletroeletrnicos, telecomunicao e
farmacutica, a gesto da capacidade indiscutivelmente um dos fatores
mais crticos de sucesso no longo prazo. Os produtos de alta tecnologia
tm seus ciclos de vida encurtados com a introduo de novas
tecnologias e, como consequncia, o seu plano de expanso de
capacidade deve ser reestruturado. O papel da gesto de capacidade
igualmente crtico em indstrias nas quais o custo de capital
significativo, tais como, nos segmentos de energia, siderurgia, leo e
gs, e outras indstrias pesadas. O foco deste trabalho o
planejamento estratgico da capacidade, ou seja, a gesto da capacidade
1

voltada para o longo prazo. A literatura sobre gesto da capacidade de

longo prazo vem evoluindo continuamente desde os anos 50 e, em
sntese, diz respeito a determinar o tamanho, o momento e, em algumas
vezes, a localizao de equipamentos ou facilidades a serem adicionados
aos j existentes, para responder a uma demanda prevista ou estimada.
Porm, nos ltimos anos, em funo de movimentos fundamentais
ocorridos nos mercados, como a desregulamentao, globalizao, o
acirramento da competio, o avano tecnolgico e o encurtamento do
ciclo de vida dos produtos, foi preciso incorporar aos modelos
caractersticas que refletissem tais mudanas.
O modelo adotado nesta pesquisa procura essencialmente
contribuir para este fim, buscando reduzir, ainda mais, o espao vazio
que h na literatura entre a perspectiva econmica e a perspectiva
organizacional no processo decisrio das empresas para a expanso de
capacidade, ou seja, criando pontes de ligao entre a teoria econmica,
teoria dos jogos e a pesquisa operacional.
1.2. DEFINIO DO PROBLEMA
Segundo Giglio (1970), a capacidade de uma instalao a sua
taxa mxima de produo. Entende-se por instalao uma unidade de
produo, equipamento, mquina, fbrica ou servio. Expanso de
capacidade, por sua vez, o processo de acrescentar mdulos similares
s instalaes existentes ao longo do tempo para atender uma demanda
crescente aos seus servios (Davis et al., 1987). Mieghem (2003) afirma
que enquanto capacidade refere-se a estoques de recursos, investimento
refere-se s mudanas destes estoques ao longo do tempo. Portanto,
pode-se afirmar que uma poltica de expanso de capacidade implica em
decises de investimentos em sequncia no tempo e, muitas vezes,
discretas em quantidades, para atender uma demanda futura.
Uma corrente da literatura define a deciso de investimento como
sendo o ato de incorrer em um custo imediato na expectativa de ganhos
futuros (Pindyck, 1988). A maioria das decises de investimento tem em
comum entre si trs importantes caractersticas. Primeiro, os custos de
investimento so parcialmente ou totalmente irreversveis, ou seja, o
custo de investimento, uma vez realizado, no totalmente recupervel
caso se queira reverter a deciso. Por exemplo, investimentos em
marketing e propaganda so especficos e no podem ser recuperados,
portanto, so investimentos irreversveis. Segundo, sempre existe uma
incerteza a cerca dos ganhos futuros desse investimento. O mximo que
se pode fazer avaliar as probabilidades de diversas alternativas de
2

resultados. Uma terceira caracterstica a possibilidade de se decidir

no realizar o investimento. Ou seja, pode-se postergar o investimento
para que se possa obter mais certeza a cerca do futuro (Dixit e Pindyck,
1994).
Em se tratando de expanso de capacidade, uma forma de
minimizar problemas associados a estas caractersticas de investimento
seria expandir em pequenas unidades e, consequentemente, com maior
frequncia. Mas a maioria das vezes indesejvel ou impossvel
estabelecer uma poltica de variao da capacidade de modo a atender
exatamente a demanda que varia ao longo do tempo. Em geral os custos
de investimentos em expanso de capacidade apresentam considerveis
economias de escala, ou seja, o custo mdio por unidade de capacidade
acrescida s instalaes existentes decresce na medida em que se
considera uma expanso maior.
Em um ambiente sem competio o problema bsico resume-se
em confrontar os benefcios da economia de escala das expanses de
grande porte, e possivelmente minimizar as chances de falta de
capacidade ou excesso de demanda, com os custos de oportunidade de
se realizar vrias expanses menores ao longo do tempo garantindo, em
contrapartida, o atendimento da demanda sem operar com capacidade
ociosa. O problema clssico de expanso de capacidade consiste,
portanto, em determinar os tamanhos adequados das expanses e os
momentos certos ao longo do tempo em que estas expanses deveriam
ser realizadas para atender uma demanda, determinstica ou no, que
geralmente cresce ao longo de tempo. O objetivo minimizar o custo
total envolvido ou maximizar o lucro total da empresa, atualizado ao
momento presente por uma taxa mnima de atratividade de
investimento, a qual se chama de taxa de desconto.
Em outras estruturas de mercado, entretanto, uma quarta
caracterstica do processo decisrio de investimento deve ser levada em
considerao: a competitividade. Sejam em um ambiente de competio
perfeita ou de um oligoplio as empresas realizam investimentos por
razes estratgicas. O que distingue decises de investimentos
estratgicos de outros tipos de investimentos que tais decises so
tomadas levando em considerao a reao de outros jogadores rivais e
o respectivo impacto destas reaes na lucratividade da empresa ao
longo do tempo. Exemplos de trabalhos que consideram tal premissa so
apresentados em Gilbert e Harris (1984), Mills (1990), Grenadier
(1999), Mieghem e Dada (1999), Murto et al. (2004), Bushnell e Ishii
(2007), entre outros. Estes estudos em geral tratam isoladamente cada
estrutura competitiva, ou seja, definem modelos distintos para um
3

oligoplio, competio perfeita e monoplio. H, ainda, situaes em

que um ou mais produtores abastecem mercados consumidores
separados espacialmente. Esta distncia geogrfica entre mercados pode
implicar em diferentes estruturas competitivas em funo dos custos
envolvidos para atender mercados distantes. Tais mercados podem ter
caractersticas competitivas diferentes e os custos de transporte para
atendimento a estes mercados podem afetar a poltica de expanso das
empresas. Em outras palavras, um produtor pode agir como monopolista
para determinado mercado e, para outros mercados ser um jogador de
um oligoplio ou at de um ambiente de competio perfeita.
As interaes entre estas cinco caractersticas, ou seja, a
irreversibilidade, incerteza, flexibilidade, competitividade e a
espacialidade do mercado, ocorrem no processo decisrio das empresas
com maior ou menor intensidade, dependendo basicamente da situao
real em que se est representando.
Face ao exposto, colocam-se as seguintes questes:
Em se tratando de mercados produtores e consumidores
distribudos espacialmente, at que ponto os custos logsticos
influenciam na estratgia de expanso?
Qual o comportamento das empresas quando competem entre si
em duas dimenses: por capacidade, no longo prazo, e em nvel de
produo, no curto prazo?.
O quo a habilidade de uma empresa em estar atenta s
necessidades do mercado impacta na competio e em sua estratgia
de expanso?.
Como determinar a estratgia tima de expanso de capacidade e
produo, considerando diferentes estruturas competitivas de um
mercado espacialmente distribudo?.
Qual a vantagem que uma empresa j estabelecida no mercado
tem sobre empresas entrantes?.
Estas questes devem ser respondidas atravs da elaborao de
um modelo de expanso de capacidade que permite considerar o
impacto de mercados distribudos espacialmente atendidos por empresas
produtoras que competem entre si em basicamente duas dimenses: no
longo prazo, objetivando estrategicamente aumentar a sua participao
4

no mercado com o aumento de sua capacidade relativa, e no curto prazo,

com o objetivo de gerar lucros e garantir sua sustentabilidade.
1.3.

OBJETIVOS DO TRABALHO

1.3.1. Objetivo Geral

Este trabalho tem como objetivo geral investigar, propor e
implementar um modelo que determina a poltica tima de expanso de
capacidade de empresas inseridas em diferentes estruturas de mercados
espacialmente distribudos, considerando situaes de competio
perfeita, monoplio e oligoplio.
1.3.2. Objetivos Especficos
Para que o objetivo geral deste trabalho seja atingido os seguintes
objetivos especficos devem ser atendidos:

Desenvolver e implementar o modelo de equilbrio espacial

de preos em mercados de competio perfeita, oligoplios
e monoplios.
Desenvolver e implementar o modelo de expanso de
capacidades, considerando o equilbrio espacial de preos.
Aplicar o modelo proposto a um exemplo numrico terico
de forma a ilustrar o uso do algoritmo, validar as premissas
adotadas e verificar o impacto de variaes em parmetros
sobre a soluo obtida.
Analisar a influncia da intensidade da competio nas
decises de expanso de capacidade das empresas.
Analisar o quanto a incerteza, inerente ao jogo competitivo
das empresas influencia na suas polticas timas.
Comparar os resultados do modelo proposto com e sem o
efeito da distribuio espacial dos mercados.

1.4.

INEDITISMO, ORIGINALIDADE E CONTRIBUIO

CIENTFICA

1.4.1. Ineditismo e originalidade

Esta pesquisa baseia-se em uma ampla reviso bibliogrfica de
artigos cientficos disponveis na literatura relacionados ao problema de
expanso de capacidade de produo. Foram considerados trabalhos
publicados nos idioma ingls, espanhol e portugus. Vrias abordagens
conceituais do problema so identificadas e relatadas. Contudo, o
trabalho da presente pesquisa procura explorar uma lacuna terica
identificada na referida literatura. Problemas de expanso de capacidade
envolvendo mltiplas localidades tm sido estudados h vrios anos,
porm, estes trabalhos no consideram, em conjunto, a irreversibilidade
dos investimentos, a incerteza e a competio entre as empresas em um
mercado espacialmente distribudo. O presente estudo, portanto, prope
um modelo de expanso de capacidade que considera o impacto dos
custos logsticos nas decises de investimentos em capacidade quando a
empresa produtora necessita atender mercados distribudos
geograficamente, que podem apresentar, inclusive, diferentes estruturas
competitivas, ou seja, competio perfeita, monoplio e/ou oligoplio.
1.4.2. Contribuio Cientfica
Entende-se que alm da contribuio cientfica explcita nas
caractersticas inditas do modelo, mencionado na seo anterior, o
trabalho procurou resgatar atravs de uma ampla pesquisa bibliogrfica
as contribuies mais relevantes da literatura de expanso de capacidade
dos ltimos 50 anos, enfatizando a evoluo dos modelos ao longo do
tempo. O trabalho buscou sua fundamentao terica em vrias
correntes da literatura, algumas delas j bastante utilizadas e outras
ainda muito pouco exploradas para este tipo de problema. So as
seguintes as principais abordagens tericas utilizadas neste trabalho:

Programao Dinmica
Teoria de Opes Reais
Teoria dos Jogos e Equilbrio de Cournot-Nash
Processos de Deciso Markoviano e Equilbrio Perfeito
de Markov
Teoria da Inequao Variacional
6

Equilbrio Espacial de Preos

Desta forma, a importncia acadmica do trabalho pode tambm

ser vista na integrao de vrias abordagens da literatura buscando
contribuir para a criao de pontes entre diversas correntes tericas no
processo decisrio de expanso de capacidade das empresas no longo
prazo.
1.5.

RELEVNCIA E MOTIVAO

Investimentos em instalaes e em equipamentos so

empreendimentos que envolvem um alto comprometimento de capital
das empresas. Em geral, trata-se de decises complexas associadas a
custos que se tornam parcial ou totalmente irreversveis logo aps o
projeto ser iniciado. Muitas dessas decises so tomadas diante de
situaes de incerteza sobre o real retorno do investimento. Em alguns
casos, existe a possibilidade da empresa esperar at que informaes
mais fidedignas a respeito de estimativas que fundamentam as decises
possam ser obtidas.
Segundo Luss (1982), desde o fim da dcada de 50 que o
problema de gesto da capacidade tem sido um dos focos de ateno das
empresas. Aplicaes de expanso de capacidade so registradas na
literatura em diversos setores, tais como, os de transportes, gerao de
energia, construo civil, siderrgico, qumico, petroqumico e em
servios pblicos como hospitais, escolas, sistemas de gua e esgoto e
sistemas de coleta de lixo.
Como afirma Karabuk e Wu (2003), a gesto de capacidade em
uma empresa de tal relevncia que faz parte do planejamento
estratgico, refletindo, desta forma, nas aes de mdio e curto prazo.
Para Wu et al. (2005), o papel da gesto da capacidade nos
setores da indstria intensivos em capital ainda de maior importncia.
Os autores destacam que em indstrias de alta tecnologia, como j
afirmado na introduo deste trabalho, tais como as de eletrnica,
semicondutores, telecomunicao e farmacutica, a habilidade para gerir
de forma eficiente a capacidade passa a ser o maior fator de sucesso da
empresa a longo prazo. Wu et al. (2005) citam ainda alguns dados que
do uma boa viso do comprometimento mdio de capital destes
investimentos em alguns setores. O custo mdio de uma fbrica de
semicondutores em torno de 1 a 4 bilhes de dlares e o preo de
aquisio de uma nica mquina pode chegar a 5 milhes de dlares.
7

Para a construo de uma fbrica padro para a produo de

remdios no setor farmacutico, o investimento necessrio gira em torno
de 200 a 500 milhes de dlares.
Caractersticas particulares de setores de alta tecnologia
potencializam a importncia de uma adequada gesto da capacidade. A
acirrada competitividade entre empresas implica na necessidade de
constante inovao. Por sua vez, a introduo acelerada de inovaes no
mercado, reduz o ciclo de vida e leva rpida obsolescncia dos
produtos. Tais empresas necessitam planejar a capacidade de sua cadeia
de suprimentos para atender a demanda de novos produtos enquanto
buscam maximizar o retorno dos investimentos realizados em produtos
j maduros no mercado.
Segundo Garcia e Shen (2010), o desenvolvimento econmico
dos pases extremamente dependente do desempenho de setores de
infraestrutura, tais como, o de energia, refinarias de leo e transporte de
gs. Em empresas de tais setores, a deciso de manter certo nvel de
excesso de capacidade socialmente recomendvel, dado que uma
proteo contra variaes inesperadas das condies de mercado, porm,
no necessariamente compatvel com a real estratgia de empresas que
competem nestes mercados. Estas se inserem, atualmente, em ambientes
oligopolizados e decises de expanso de capacidade tm agora novas
implicaes estratgicas que podem conflitar com o desejvel
socialmente, ou seja, com certo nvel de capacidade ociosa que
minimize o risco de falta de oferta. Modelos de anlise de expanso de
capacidade podem contribuir para o estabelecimento de polticas
pblicas para estes setores e para outros de similar criticidade.
Embora a literatura de expanso de capacidade tenha evoludo
muito ao longo dos anos, muitas lacunas ainda esto por serem
exploradas.
Face ao exposto, considera-se de extrema relevncia trazer tona
a discusso sobre modelos de investimentos em expanso de
capacidade, razo desta pesquisa, que contemplem vrias empresas
competindo em mercados distribudos espacialmente, visto que os
modelos de expanso de capacidade existentes, em geral, so falhos por
no considerarem a influncia da espacialidade na competitividade das
empresas.
1.6.

LIMITAES

O modelo de expanso da capacidade de produo proposto nesta

tese no foi aplicado a um estudo de caso. A aplicao do modelo
8

limitou-se a um exemplo numrico terico. Em funo disso, no foi

possvel validar o funcionamento do modelo com dados reais que
certamente trariam concluses adicionais. Contudo, a aplicao do
modelo permite analisar qualitativamente o comportamento das
empresas diante de diferentes premissas e configuraes de mercados.
A modelagem de um problema real de expanso de capacidade
pode exigir um nvel de detalhamento maior de forma a contemplar
fatores que no foram considerados no modelo proposto. Neste sentido,
a no incorporao de variveis tais como, restrio ao crdito das
empresas, aspectos poltico-econmicos, riscos relacionados segurana
e possveis aes de sindicatos podem ser considerada como limitaes
deste trabalho. Por razes de simplificao o modelo proposto no leva
em considerao a possibilidade de novos entrantes durante o horizonte
de planejamento, dado que se assume um mercado com severas barreiras
para novos jogadores. Por fim, assume-se que a premissa de demanda
determinstica pode ser considerada, tambm, como uma limitao deste
trabalho caso queira-se expandir a aplicao do modelo a outros
mercados, que no o mercado de commodities. Mercados intensivos em
tecnologia, por exemplo, tm um grau relativamente alto de incerteza da
demanda, em funo de vrios aspectos, entre eles uma alta taxa de
obsolescncia.
1.7.

ORGANIZAO DO TRABALHO

Este trabalho subdividido em seis captulos. No captulo 2

realizada uma reviso da literatura e a evoluo bibliogrfica dos
modelos de expanso de capacidade, desde os anos 50. Dentre as vrias
correntes da literatura de expanso de capacidade relatadas neste
trabalho foi identificado o foco da presente pesquisa.
No captulo 3, apresentado o arcabouo terico deste trabalho.
So introduzidos os conceitos fundamentais e tcnicas disponveis para
a elaborao do modelo proposto.
No captulo 4 apresentado o modelo matemtico, objetivando
solucionar o problema de expanso de capacidade em mercados
espaciais e a proposta de um algoritmo para a determinao da estratgia
tima de expanso, assim como, os nveis de produo e fluxo para os
mercados consumidores.
No captulo 5, o modelo matemtico aplicado a um exemplo
numrico terico, que muito se assemelha ao utilizado por Murto et al.
(2004). Os resultados para vrias configuraes de parmetros so
9

analisados e concluses qualitativas do comportamento das empresas

diante de vrios cenrios so apresentadas.
O captulo 6 apresenta as concluses finais da presente pesquisa e
as recomendaes para trabalhos futuros.
Finalmente as referncias bibliogrficas e os apndices so
apresentados.

10

2.

REVISO BIBLIOGRFICA

2.1.

EVOLUO DA LITERATURA

2.1.1. O modelo de Manne e seus sucessores

Desde os anos 50 muitos estudos sobre problemas de expanso de
capacidade tm sido elaborados. De acordo com Luss (1982), dado um
padro conhecido da demanda, o problema bsico consiste, em geral, em
determinar (a) o tamanho; (b) o momento e (c) a localizao (e/ou tipos
de capacidade) de expanses em um dado perodo de planejamento que
minimizem o valor presente de um fluxo de custos associados a estes
investimentos, descontados a uma taxa de juros.
As primeiras abordagens da literatura para problemas de
expanso de capacidade, com decises tomadas ao longo do tempo,
baseavam-se na teoria do controle estocstico, tais como em Manne
(1961), Giglio (1970), Freidenfelds (1980) e, mais tarde, Bean et al.
(1992). Estes estudos utilizaram uma abordagem de transformar o
problema estocstico de expanso de capacidade em um problema
determinstico equivalente. Manne (1961) mostrou que quando a
demanda um movimento Browniano no qual as taxas de transio no
dependem do tempo e do estado em que se encontra o processo, o efeito
da incerteza idntico a uma reduo na taxa de desconto. Giglio (1970)
prope um algoritmo que faz uso de resultados determinsticos
apresentados em Manne (1961) para obter uma soluo aproximada.
Freidenfelds (1980), assumindo que a demanda um processo
estocstico de nascimento e morte e que custos de expanso ocorrem no
momento do investimento, afirma que o problema de demanda
determinstica equivalente pode ser estabelecido prontamente.
Posteriormente, Bean et al. (1992) generalizam o modelo de Manne,
relaxando diversas premissas impostas pelo seu modelo. Em tais
modelos, geralmente com o tempo contnuo, considera-se a demanda
como um processo estocstico simples de forma a tornar a soluo
matematicamente tratvel.
O trabalho pioneiro de Manne (1961), mencionado anteriormente,
considerado pela literatura um dos mais notveis estudos de expanso de
capacidade focado na indstria pesada. O modelo explora a relao
custo-benefcio entre a economia de escala que expanses de grande
porte proporcionam e o custo de oportunidade de investir em capacidade
de instalao bem antes que esta capacidade seja plenamente
demandada. Mane baseou-se no modelo de Chenery (1952), que j
11

levava em conta economias de escala, e tinha as seguintes

caractersticas: (1) a demanda determinstica e cresce linearmente com
o tempo; (2) o horizonte de planejamento finito; (3) as instalaes tm
uma vida econmica infinita; (4) a cada vez que a demanda consome
toda a capacidade existente, imediatamente x unidades de nova
capacidade so instaladas. Em seu modelo, Manne (1961) considerou
um horizonte de tempo infinito e acrescentou algumas generalizaes ao
modelo de Chenery: (a) a demanda pode tambm seguir uma
distribuio de probabilidade do tipo random walk; (b) se a demanda
no for satisfeita, pode ser acumulada (formando o que chama-se de
backlog da demanda) para ser atendida no futuro a um custo adicional
como uma forma de penalidade. Por questes de simplificao a verso
determinstica do modelo de Mane considera ainda que a unidade fsica
de capacidade seja equivalente a exatos um ano de crescimento da
demanda. Assim, em x anos toda a capacidade inicialmente disponvel
consumida e renovada com a instalao de outras x unidades de
capacidade, em um ciclo que se repete a cada x anos, conforme ilustrado
na figura 2.1.
Figura 2.1 consumo da capacidade com o crescimento da
demanda.

Fonte: adaptado de Manne (1961).

12

No modelo, os custos de instalao de capacidade so

representados por uma funo exponencial kx , onde uma

constante de economia de escala, sendo, 0 < < 1 e k > 0 .
A economia de escala implcita na funo citada anteriormente
pode ser interpretada atravs de um exemplo hipottico. Se = , a
funo de custo indica que uma instalao que atender pelo equivalente
a 16 anos o crescimento da demanda, custa somente duas vezes mais
que outra instalao que atende pelo equivalente a 4 anos. A existncia
desta economia de escala estimula uma expanso de porte considervel,
antecipando o crescimento da demanda. Porm, o quanto a expanso
deve ser antecipada? Para esta deciso, a taxa de desconto dos custos
futuros crucial. Sem o desconto de valores futuros, seria plausvel
gastar um dlar hoje para deixar de gastar a mesma quantia em um ano,
em dez ou em cem anos. No existe limite para o tamanho da expanso
de capacidade a ser realizada hoje, com taxa de desconto zero.
Entretanto, considerando-se o desconto de valores futuros para o
momento presente, segundo uma taxa de desconto, a afirmao de que
no existe limite para a expanso de capacidade no necessariamente
vlida.
Considerando o comportamento cclico do modelo, ilustrado na
figura 2.1, diz-se que C ( x ) uma funo de x que representa a soma
dos custos futuros a partir de um ponto de regenerao, ou seja, nos
pontos t 0 + x , t 0 + 2 x , e assim por diante. A funo C ( x ) dada pela
equao recursiva a seguir.

C ( x) = kx + e rx C ( x)
O primeiro termo do lado direito do sinal de igualdade representa
os custos de instalao incorridos no incio do ciclo atual. O segundo
termo representa a soma de todos os custos de instalao incorridos nos
ciclos subsequentes e descontados do incio do ciclo seguinte ao
momento presente, ou seja, descontados de um intervalo de x anos. A
rt
expresso e representa o valor presente de uma unidade monetria
gasto em t anos no futuro utilizando uma taxa de desconto r. Assim
sendo, tm-se:

C (x )
x
=
k
1 e rx
13

Derivando o log de C ( x ) com relao a x e igualando a zero:

d log C ( x )
dx

re rx
=0
1 e rx

ou,

rx *
*

e rx 1

Onde x o tamanho timo da expanso.

O autor mostrou que o valor timo de x aumenta quando a
constante decresce, ou seja, quando h maior economia de escala.
Por outro lado, o valor timo de x diminui quando r decresce.
A verso probabilstica do modelo de Manne, um tipo particular
de uma demanda no estacionria se aproxima do clssico problema da
runa do jogador e, assim sendo, utiliza-se da transformao de
Laplace para simplificar o tratamento probabilstico. Manne mostrou
que o problema estocstico, em modelos em que insuficincia de
capacidade no permitida, pode ser transformado em um problema
determinstico equivalente, substituindo a taxa de desconto do fluxo de
2
caixa por uma funo decrescente da varincia, , do processo
estocstico da demanda. Assim sendo, todo o efeito da incerteza
captado por uma simples varivel: a taxa de desconto modificada ou
equivalente e dada por r * = ( 1 + 2r 2 1) / 2 , onde r * a taxa
livre de risco. O autor conclui que a incerteza induz a custos esperados
mais altos e estimula investimentos de maior porte em cada expanso.
Este clssico artigo de Manne estimulou vrios estudos sobre expanso
de capacidade na dcada de 60 e 70.
Nesta poca os mtodos para planejamento de expanso de
capacidade eram basicamente restritos a modelos com mltiplas
localidades, porm esttico no tempo, ou com poucas localidades e
dinmicos no tempo. Os trabalhos de Manne (1967) e Erlenkotter (1967)
consideraram, provavelmente pela primeira vez, vrias regies de
produo para o problema de expanso no qual a localizao tima para
cada expanso era uma varivel do problema. Posteriormente,
Erlenkotter (1974, 1975) aplica um modelo de expanso de capacidade
com vrias localizaes em um ambiente dinmico na indstria de
14

fertilizantes da ndia. Dois mtodos foram utilizados pelo autor que os

chamou de abordagens aproximadas e incompletas da programao
dinmica, respectivamente.
Rao e Rutenberg (1977) desenvolveram tambm um modelo com
vrias localizaes. Considerando-se uma sequncia de localizaes
para expanso como dada, o problema resume-se em determinar o
momento e o tamanho da expanso de forma a atender uma demanda
crescente, minimizando o valor presente dos custos fixos, custos de
operao e de transporte. Rao e Rutenberg (1977) testaram o algoritmo
para a indstria de fertilizantes da ndia e comparam com os resultados
obtidos por Erlenkotter (1975).
Fong e Srinivasan (1986) provem uma soluo heurstica para o
problema de expanso de capacidade com vrias localizaes. O modelo
considera custos de transporte, horizonte de planejamento finito,
demanda no necessariamente crescente no tempo e a possibilidade de
importao para atender a demanda. Diferentemente do modelo de Rao
e Rutenberg (1977), o modelo permite vrias expanses
simultaneamente. Klincewicz, Luss e Yu (1988) apresentaram um
modelo com vrias localizaes que combina decises de localizao
(abertura, fechamento e expanso) e alocao de demanda entre as
instalaes.
Modelos de expanso de capacidade foram largamente aplicados
em servios pblicos, tal como, na indstria telefnica, como
apresentado em Yaged (1973), Freidenfelds e McLaughlin (1979),
Smith (1979), Freidenfelds (1980), Smith (1980) e Bean e Smith (1985).
Neste segmento, a principal deciso consiste em determinar o tamanho,
o momento e a localizao de uma expanso de capacidade de linhas de
transmisso de uma rede telefnica e o adequado roteamento da
demanda na rede para cada ano.
Modelos de expanso de capacidade tambm foram elaborados
para aplicao no fornecimento de energia eltrica e recursos hdricos,
conforme apresentado em Bessirre (1970), Freidenfelds (1980),
Erlenkotter et al. (1989), Matsumoto et al. (1989), Bean et al. (1992) e
Smith e Villegas (1997) e em investimentos em estradas e escolas (Luss,
1982). Smith e Villegas (1997) apresentam um estudo comparativo entre
vrios modelos de expanso de capacidade do segmento de energia
eltrica existente na literatura. Entre os resultados obtidos pelo estudo
destacada a importncia de se considerar a interdependncia entre os
projetos de hidreltricas no modelo de expanso de capacidade.
Freidenfelds (1980) apresenta um modelo com demanda Markoviana
representada por um processo estocstico de nascimento e morte com
15

probabilidades de transio estacionrias. Bean et al. (1992) apresenta

um modelo de expanso de capacidade com uma demanda se
comportando segundo um processo semi-Markoviano. Os autores
mostram que o problema equivalente determinstico sempre existir
quando a demanda um processo seguindo um movimento Browniano
transformado ou um processo regenerativo de nascimento e morte. O
problema utiliza uma taxa de juros equivalente mais baixa e a demanda
determinstica equivalente calculada atravs de uma regresso linear
da demanda observada.
Neebe e Rao (1986) formularam um problema de caminho mais
curto e um mtodo de relaxamento Langrageano para determinar
sequncias de expanses de capacidade assumindo uma demanda
determinstica.
Davis et al. (1987) apresentam um modelo de expanso de
capacidade introduzindo duas inovadoras caractersticas: a demanda
crescente em quantidades discretas porm aleatoriamente no tempo e
expanses de capacidade no instantneas, ou seja, o tempo para
expandir uma varivel estocstica que depende da taxa de
investimento, uma varivel controlada pelo tomador de deciso. To
logo a margem do investimento acumulada atinja o preo randmico de
uma unidade discreta de capacidade, a referida unidade instalada. Os
autores modelaram o problema de expanso de capacidade como um
processo de controle estocstico e o testaram em casos simples.
Na indstria qumica, Lieberman (1987, 1989), analisou modelos
clssicos de expanso de capacidade existentes poca, utilizando dados
histricos de 20 a 25 anos. Lieberman buscava respostas s seguintes
questes: empresas empreendem expanses de capacidade de maior
porte quando a indstria cresce mais rapidamente? Novos entrantes da
indstria tendem a construir fbricas menores do que as empresas j
estabelecidas? Que fatores realmente influenciam o tamanho de novas
fbricas e determinam o tamanho timo ao longo do tempo? Lieberman
(1989) relatou evidncias que decises de expanso de capacidade feitas
pela indstria qumica foram diferentes daquelas preconizadas pelo
modelo de Manne, sugerindo, portanto, que o referido modelo pode ser
inapropriado para aplicao na indstria qumica.
Paraskevopoulos et al. (1991) aplicam um modelo de expanso de
capacidade indstria de PVC. Os autores propem uma abordagem
determinstica ao problema de expanso de capacidade, porm,
incorporam uma penalidade sobre a sensibilidade da funo objetiva a
vrios tipos de incerteza.
16

Os modelos de expanso de capacidade cujas decises so

tomadas na perspectiva do tempo so chamados na literatura de modelos
dinmicos, ou seja, no se limitando apenas a um nico investimento, e
sim a uma sequncia de investimentos ao longo do tempo. Segundo
Luss (1982) estes problemas so muito prximos a problemas de
estoque, localizao de instalaes e substituio de equipamentos,
embora importantes diferenas existam entre tais problemas e o
problema de expanso de capacidade. As prximas trs sees a seguir
apresentam alguns trabalhos que unem as respectivas correntes com a
literatura de expanso de capacidade, conforme apresentado na figura
2.2.
Figura 2.2 Combinao de outros problemas com o problema de
expanso de capacidade.

Fonte: elaborado pelo autor.

2.1.2. Substituio de equipamentos

Com o desenvolvimento tecnolgico acelerado, especialmente a
partir da dcada 90, novos equipamentos e opes tecnolgicas
tornaram-se disponveis para as empresas. Problemas de substituio de
equipamentos concentram-se em determinar quando instalaes
17

existentes devem ser substitudas por novas, por razes, basicamente, de

ineficincia e custos altos de manuteno de equipamentos antigos e a
disponibilidade de novas tecnologias (Luss, 1982). Portanto, modelos
que combinem decises de substituio de equipamentos com expanso
de capacidade so logicamente de interesse em determinadas situaes.
Rajagopalan et al. (1998) e Li e Tirupati (1994) desenvolveram
modelos que uniram mais de uma corrente da literatura, tais como,
decises de adoo de uma nova tecnologia, substituio de mquinas e
expanso de capacidade. Rajagopalan et al. (1998) uniram as correntes
da literatura que estudam o momento de substituio de equipamentos e
expanso de capacidade. Li e Tirupati (1994), por sua vez, consideraram
o problema de expanso de capacidade e escolha de tecnologia em um
ambiente caracterizado por mltiplos produtos, demandas dinmicas e
determinsticas em um horizonte de planejamento finito. O objetivo era
avaliar a opo por tecnologias flexveis ou dedicadas, assim como o
tamanho e o momento de expanses de capacidade. Os autores
consideraram o problema em que uma sequncia de rompimentos
tecnolgicos prevista, porm, o momento e sua magnitude so
incertos. As empresas devem decidir sobre o quanto de capacidade da
atual tecnologia devem adquirir para atender a um crescimento da
demanda ou ainda se devem substitu-la. Uma demanda no atendida,
chamada de residual, considerada como um input do modelo.
Hsu (2002) apresenta um modelo de expanso de capacidade que
prev a existncia de uma demanda residual no atendida, tal como em
Rajagopalan et al. (1998) e prev, por isto, penalidades na funo
objetiva. Esta demanda pode ser atendida por contratos de leasing ou
por terceirizao. Tais decises so tomadas preferencialmente, segundo
o autor, por motivos especulativos, ou seja, a aquisio de uma nova
tecnologia pode ser postergada em funo da expectativa que se torne
mais barata em um futuro prximo. O objetivo do modelo minimizar
os custos de aquisio, manuteno e operao associados expanso de
capacidade ao longo do tempo, em um horizonte de planejamento finito.
2.1.3. Planejamento da produo
Ao contrrio dos problemas especficos de estoque, polticas de
expanso de capacidade normalmente so elaboradas na perspectiva de
um horizonte de planejamento mais longo, por exemplo, de 5, 10 ou 20
anos. Assim sendo, economias de escala e o fluxo de caixa descontado
ao valor presente so pontos extremamente importantes nesta categoria
de problemas. Os problemas de estoque, por outro lado, so
18

relacionados ao fluxo de material na cadeia de suprimentos e so

tratados em um horizonte de planejamento relativamente pequeno (Luss,
1982). Mieghem (2003) tambm aponta o planejamento da produo,
entre outras ramificaes da literatura, como tendo relao direta ou
indireta com o problema de expanso de capacidade e afirma que em
modelos de apenas um perodo no existem diferenas essenciais entre
as duas categorias de problema. Exemplos de modelos de estoque que
consideram a capacidade so encontrados em Zangwill (1966), Angelus
e Porteus (2002) e Mieghem e Rudi (2002).
Bradley e Arntzen (1999), Rajagopalan e Swaminathan (2001), e
Atamtrk e Hochbaum (2001) tambm exploram a expanso de
capacidade na perspectiva do planejamento da produo. Bradley e
Arntzen (1999) apresentam um modelo de programao inteira mista
cuja funo objetivo maximizar o retorno sobre os ativos. Os autores
ilustram os prs e contras entre decises de capacidade e estoque
aplicando o modelo a duas empresas. Atamtrk e Hochbaum (2001)
estudam os prs e contras entre decises de aquisio de capacidade
adicional, subcontratao de produo e manter estoque para atender a
uma demanda determinstica e no estacionria para um nico perodo
de tempo, em um horizonte de tempo finito. Rajagopalan e
Swaminathan (2001), por sua vez, analisam o problema de uma empresa
de bens de consumo, com vrios produtos onde as demandas desses
itens so conhecidas, variando ao longo do tempo, mas tendo flutuaes
de curto prazo. proposto um mtodo de soluo que utiliza a
programao matemtica para otimizar o tamanho da expanso, o nvel
de produo e de estoque ao longo do tempo.
De acordo com Mieghem (2003), o planejamento da produo
utiliza-se normalmente de dados determinsticos da demanda, para cada
perodo do horizonte de planejamento. Para considerar o efeito da
incerteza normalmente esta corrente da literatura faz duas sugestes:
realizar anlises de sensibilidade alterando os parmetros utilizados no
planejamento e usar estoque de segurana ou, por segurana, usar
capacidade em excesso para satisfazer uma demanda eventualmente
mais alta que a prevista. Ainda segundo Mieghem (2003), desejvel,
porm, incorporar os efeitos da incerteza no prprio modelo, pois, assim
sendo, este automaticamente incorporar a anlise de sensibilidade das
variveis de natureza estocstica e, endogenamente, produzir a soluo
tima considerando fatores de segurana.

19

2.1.4. Problemas de localizao (transporte)

Problemas de localizao cujas variveis de deciso incluem o
tamanho de instalaes so ditos problemas de localizao capacitados e
podem ser vistos como problemas de expanso de capacidade (Luss,
1982). No planejamento de capacidade de fbricas, a localizao em
geral uma varivel importante. Se a produo destinada para outros
locais distantes da fbrica, haver um custo de transporte. O problema
determinar a localizao tima, o tamanho timo da expanso e o
momento timo para expandir de forma a minimizar os custos de
investimento e transporte. Segundo Dias e Captivo (2001), um problema
de localizao dinmico capacitado basicamente um problema de
expanso de capacidade na medida em que busca identificar a
localizao de instalaes ao longo de perodos de tempo, aumentando a
capacidade disponvel total a fim de atender a uma demanda crescente.
Manne (1967), Erlenkotter (1967) e Freidenfelds (1981) so alguns
exemplos de estudos de expanso de capacidade com mltiplas
localidades, considerando o horizonte de planejamento infinito. Rao e
Rutenberg (1977) e Fong e Srinivasan (1986), consideraram em seus
estudos um horizonte de tempo finito. O modelo de Dias e Captivo
(2001) considera a localizao de novas instalaes e expanses de
instalaes j existentes.
Com o rpido desenvolvimento tecnolgico e a globalizao dos
mercados, decises de investimentos passaram a ser consideradas em
um contexto de alta incerteza e intensa competitividade. Novas correntes
da literatura que abarcam tais fatores em seus arcabouos tericos
passam a ser utilizadas na modelagem de problemas de expanso de
capacidade de produo, conforme ser visto nas sees seguintes.
2.1.5. Teoria de opes reais
Normalmente decises de investimentos em capacidade so
realizadas diante de grandes incertezas e condies de irreversibilidade.
Se o investimento no afetar outros projetos ou a demanda de mercado,
a teoria de opes reais pode ser aplicada diretamente para determinar o
tempo timo de investimento.
Na teoria de investimentos irreversveis (Dixit e Pindyck, 1994),
a opo de investimento anloga opo americana de compra de uma
ao na bolsa de valores, na qual o ativo fundamental da opo real o
valor presente do investimento e o preo da opo igual ao custo
irreversvel do investimento. Portanto, a opo real tem as mesmas
20

propriedades de uma opo financeira e a estratgia tima selecionar o

momento e o porte do investimento que maximiza o valor da opo real.
Em outras palavras, quando um investimento irreversvel e a demanda
incerta, o ato de investir implica na perda da opo de investir em
qualquer momento do futuro. Contudo, o mais conhecido resultado desta
emergente literatura a invalidao da regra de anlise de investimento
do valor presente. Esta regra afirma que todo investimento atrativo se
o valor presente do seu fluxo de caixa no negativo. Se existe uma
incerteza quanto ao valor futuro de um ativo, existir, em contrapartida,
um custo de oportunidade de investir hoje neste ativo. Este custo referese ao que se chama de opo de esperar. Assim, a regra de deciso
investir quando o valor do investimento excede o custo de sua realizao
por um valor potencialmente grande. A analogia teoria de opes de
mercados financeiros , portanto, direta. Por isso, esta abordagem passa
a ser chamada de teoria de opes reais, por se tratar de opes de ativos
reais. O nome opes reais foi cunhado por Myers (1977).
A partir de meados da dcada de 80 e inicio da dcada de 90, o
conceito de irreversibilidade combinado com a incerteza comea a ser
introduzido aos modelos de expanso de capacidade com os trabalhos de
McDonald e Siegel (1985), McDonald e Siegel (1986), Pindyck (1988),
Dixit (1989), Pindyck (1991) e Dixit (1991).
McDonald e Siegel (1986) e Pindyck (1988) esto entre os
primeiros estudos a utilizar o arcabouo conceitual do mtodo dos ativos
contingentes (contigent claims)1 para determinar o valor da opo de
postergar um investimento irreversvel em face da incerteza. McDonald
e Siegel (1986) mostraram que mesmo com nveis moderados de
incerteza, o custo de oportunidade de investir, ou seja, o valor da opo
de esperar pode ser alto e regras de investimento que ignoram tal valor
podem conduzir a decises grosseiramente erradas. Pindyck (1988)
estende o modelo de Mcdonald e Siegel analisando a opo de investir
em capacidade irreversvel, assumindo que endgena ao modelo,
diante de uma incerteza no preo do produto. O autor mostra que
embora a margem esperada do capital cresa com a incerteza, o aumento
da incerteza faz crescer o valor da opo de esperar em uma proporo
ainda maior, de modo que o efeito lquido resultante um nvel de

Mtodo dos Ativos Contingentes um mtodo para avaliao de opes reais

que se baseia na construo de uma carteira de ativos financeiros, neutra ao
risco, que replica o valor do ativo real. Ver Dixit e Pindyck (1994) para um
maior detalhamento do mtodo.

21

capacidade timo mais baixo quando comparado a um modelo sem o

componente da incerteza.
O arcabouo terico de opes reais recebeu contribuies de
diversos autores, entre eles Trigeorgis e Mason (1987), Dixit (1989),
Dixit e Pindyck (1994), Bar-Ilan e Strange (1996), Trigeorgis (1996),
Dangl (1999), Novaes e Souza (2005) e Huang (2009). Dixit (1989)
considerou decises relacionadas ao momento de entrada e sada de uma
empresa do mercado.
Os livros de Dixit e Pindyck (1994) e Trigeorgis (1996) so
importantes referncias da literatura de opes reais, assim como, o livro
de Hull (2006), que foca na anlise de derivativos financeiros, tais
como, aes e opes, mas no trata de ativos reais. O livro de Copeland
e Antikarov (2001) trata especificamente de problemas de opes reais
usando rvores de deciso.
Modelos de expanso de capacidade combinados com a teoria de
opes reais se proliferaram a partir de ento e seus benefcios tem sido
reconhecidos por pesquisadores no s do ramo financeiro, mas tambm
tm feito muitos adeptos nas reas de pesquisa operacional e engenharia
econmica. Segundo Wu et al. (2005) a teoria de opes reais
particularmente relevante para o planejamento da capacidade porque
combina incerteza com decises gerenciais e oferece uma viso
dinmica das decises de operao e de investimento da empresa.
So encontradas na literatura vrias aplicaes em indstrias de
capital intensivo, tais como no setor de gerao e distribuio de
energia, entre os quais destacam-se, Gardner e Rogers (1999), Oren
(2001), Grenadier (2002), Murto e Keppo (2002), Aguerrevere (2003),
Keppo e Lu (2003), Muroaka e Oyama (2004), Madlener et al. (2005),
Hlouskova et al. (2005), Greening et al. (2007), Yang et al. (2008) e
Siddiqui e Maribu (2009), e na rea de infraestrutura Garvin (2005).
Em um estudo detalhado sobre regulamentao de segmentos de
infraestrutura, Guthrie (2006) destaca a relevncia da teoria moderna de
investimentos, colocando a irreversibilidade do investimento no centro
de sua anlise, que inclui tambm outras caractersticas do
comportamento de uma empresa monopolista em um ambiente
regulamentado.
Birge (2000) afirma que na medida em que decises operacionais
tenham um objetivo de maximizao (ou minimizao), a teoria de
opes reais pode ser utilizada para avaliar as decises de risco. Fazendo
a conexo entre o efeito da expanso de capacidade em uma empresa e o
preo de uma opo de compra, o autor mostra que riscos podem ser
incorporados em modelos de planejamentos atravs de ajustes de
22

capacidade. No estudo, apresentado um modelo que integra formas de

riscos financeiros em um problema de investimento em capacidade
linear.
Em geral, a teoria de opes reais pode ser utilizada em uma
grande variedade de aplicaes que envolvem decises operacionais.
A opo real pode ser de expandir capacidade, postergar
capacidade (Pindyck, 1988), abandonar um projeto (Myers e Majd,
1990), parar temporariamente a produo (McDonald e Siegel, 1985),
ou transferir produo em uma cadeia de suprimentos diante de riscos
inerentes a dinmica do mercado internacional, ou seja, taxa de cmbio,
custos locais de produo, preos e demanda local, etc., tal como
apresentados em Kogut e Kulatilaka (1994) e Cohen e Huchzermeier
(1998).
Dangl (1999) estende a teoria de opes reais apresentada em
Dixit e Pindyck (1994) desenvolvendo um modelo que determina
simultaneamente o tempo timo de investimento e o nvel timo de
capacidade. No referido modelo, o projeto de expanso uma vez
instalado no se permite expanses. Resultados numricos do estudo
indicam, ao contrrio de resultados de modelos com investimentos
incrementais (Pindyck, 1998), que a capacidade tima instalada aumenta
significativamente com a incerteza e isto traz como consequncia a
postergao de investimentos at nveis mais altos da demanda. Nos
modelos com investimentos incrementais (Pindyck, 1988), por outro
lado, a estratgia de investimento contrria. Nestes modelos, a
incerteza reduz a quantidade tima de capacidade instalada. A tendncia
de super dimensionar um projeto considerado no modelo de Dangl
(1999) pode ser interpretada como um efeito de decises do tipo uma
vez e para sempre.
Segundo Wu et al. (2005), existe uma crescente integrao entre a
teoria de opes reais e a literatura de gesto da operao, especialmente
na indstria de alta tecnologia. Nos ltimos anos empresas de alta
tecnologia esto aplicando a teoria de opes reais para definir suas
estratgias de investimentos e operaes, ou seja, para determinar o
momento e o porte dos ajustes de capacidade.
2.1.6. Teoria dos jogos
O principal inconveniente da maioria dos trabalhos existentes na
literatura de opes reais e outras correntes que tratam o problema de
expanso de capacidade que os efeitos das aes dos competidores
nestes trabalhos so, em geral, ignorados. Se empresas receiam perder
23

participao de mercado por competidores ou entrantes, a opo por

esperar perde valor. Para melhor entender e analisar investimentos da
indstria sob presso competitiva essencial a perspectiva da teoria dos
jogos sobre o exerccio de estratgias em equilbrio. A Teoria dos Jogos
explorada em maiores detalhes no captulo 3 deste trabalho. Um
trabalho pioneiro nesta rea o de Lucas e Prescott (1971) que analisam
o comportamento de investimentos de uma empresa com a demanda
seguindo um processo de Markov de tempo discreto. Os autores
mostram que o equilbrio de estratgias de investimentos em competio
perfeita pode ser determinado maximizando o excedente da sociedade,
reduzindo o modelo a um simples problema de otimizao e utilizando a
programao dinmica para obter os resultados. Empresas que ignoram
a competitividade no exerccio de suas estratgias so chamadas na
literatura de empresas mopes.
Leahy (1993) considerou trs tipos de estratgias de
investimentos: as polticas de uma empresa competitiva; as polticas
governamentais; e a as polticas de uma empresa mope, ou seja, que
ignora a influncia de outros competidores na evoluo dos preos. O
estudo demonstrou que o tempo timo de investimento no depende do
processo endgeno do preo em um ambiente competitivo e que os
momentos de investimentos de uma empresa mope e de uma empresa
agindo estrategicamente em um ambiente de competio perfeita so
idnticos. Baldursson e Karatzas (1997) estabelecem uma conexo entre
o timo da sociedade, o timo de uma empresa mope e o equilbrio em
um modelo com demanda estocstica. Segundo Murto et al. (2004),
algumas premissas assumidas em tais modelos restringem suas
aplicaes. Um exemplo a premissa de competio perfeita, que em
geral no realista. Grenadier (1999) incorpora o tempo de construo
do aumento de capacidade ao modelo de Baldursson e Karatzas (1997).
Estudo sobre competio entre empresas em oligoplio, com
modelos dinmicos de investimentos, de tempo contnuo, foram
apresentados em Gilbert e Harris (1984) e Mills (1990). Gilbert e Harris
(1984) estabeleceram algumas das propriedades de equilbrio de jogos
com ciclo fechado2 entre empresas que competem pelo momento de
investimento. Cada empresa tem um tempo de reao diferente, a partir

Estratgias de ciclo fechado ocorrem quando os jogadores podem revisar suas

decises no desenrolar do jogo. Distinguem-se de estratgias de ciclo aberto,
onde decises so tomadas antecipadamente e no podem ser revisadas ao longo
do jogo.

24

do momento em que observa o mercado, para investir em sua

capacidade.
Mills (1990) estendeu o trabalho de Gilbert e Harris (1984) e
mostra que devido economia de escala, a indstria no tende a manter
apenas grandes instalaes ou apenas pequenas instalaes no equilbrio
ao longo do tempo. Ao contrrio, pequenas e grandes instalaes se
intercalam ao longo do tempo, devido ao confronto entre custo versus
capacidade.
Ghemawat e Nalebuff (1985) estudaram um modelo de oligoplio
onde as empresas tm que decidir o momento de sair do mercado em
tempos de declnio de demanda. Concluram que existe um nico
equilbrio perfeito para empresas com diferentes participaes de
mercado, porm com custos idnticos, em que as chances de
sobrevivncia das empresas so inversamente proporcionais aos seus
tamanhos, ou seja, a empresa maior a primeira a sair do mercado e a
menor a ltima. Tais modelos assumem previses perfeitas, portanto,
com uma abordagem determinstica. Foi na dcada de 90 e incio dos
anos 2000, entretanto, que modelos de investimentos considerando a
reao do competidor se proliferaram.
Em setores de infraestrutura, por exemplo, poucas empresas tm
capacidade de realizar investimentos em expanso de capacidade. A
indstria de telecomunicao um exemplo de setor em que o preo
endgeno s decises de investimento. Em geral, em uma dada regio
geogrfica existem poucas empresas capazes de investir em larga escala.
Uma expanso de rede geralmente aumenta de forma significativa a
oferta do mercado, o que significa que o efeito de novos investimentos
sobre o preo do produto deve ser sempre levado em considerao.
Murto et al. (2004) um dos exemplos de modelos neste segmento que
levam em considerao o efeito de investimentos dos concorrentes para
se definir a estratgia de uma empresa. Outros mercados, como o de
energia, por exemplo, a deciso de investimentos de uma empresa pode
tambm impactar significativamente os preos futuros, conforme
apresentado em Bushnell e Ishii, 2007. Este impacto ainda amplificado
pelas caractersticas que fazem do setor eltrico um mercado altamente
voltil: impossibilidade de manter estoques e uma demanda altamente
inelstica. Portanto, sob o ponto de vista de modelagem, pode ser
desastroso, conforme afirma Bushnell e Ishii (2007), basear decises de
investimentos analisando sries estatsticas de preos, como se tais
preos viessem da natureza e no fossem afetados pelas prprias
decises das empresas. Outro argumento utilizado por Murto et al.
(2004) so que os modelos em geral assumem investimentos
25

incrementais, o que significa que as expanses podem ser realizadas em

unidades infinitesimais, quando na realidade, em geral, as empresas
investem em expanses discretas, por projetos, para obter vantagens de
economias de escala.
Cachon e Lariviere (1999) apresentam um modelo de escolha de
capacidade e alocao envolvendo uma cadeia de suprimentos com um
nico fornecedor e vrios varejistas. Os varejistas tm o monoplio em
seus mercados locais, mas competem entre si para o atendimento de
suas necessidades de compra por parte de um nico fornecedor central
com capacidade limitada. As necessidades dos varejistas no so
compartilhadas entre os competidores.
Mieghem e Dada (1999) estudam a interdependncia das decises
sobre a capacidade, o estoque e o preo. Os autores estudam o impacto
do momento de tomada destas decises na lucratividade da empresa,
examinando trs diferentes estruturas de mercado, ou seja, o monoplio,
o oligoplio e a competio perfeita. Ao contrrio do resultado obtido
com a postergao da produo, a postergao de preo torna as
decises de investimento e de produo relativamente insensveis
incerteza. De acordo com estes resultados, portanto, as empresas podem
tomar decises sob condies determinsticas caso tenham alguma
flexibilidade em preo. O valor relativo da postergao, segundo o
estudo, tende a crescer na medida em que a indstria torna-se mais
competitiva.
No contexto da indstria de gerao de energia aps
desregulamentao do setor, Murphy e Smeers (1999) apresentam um
estudo de expanso de capacidade que considera trs diferentes
estruturas de mercado: competio perfeita, modelo de Cournot de ciclo
aberto, em que investimentos e contratos de vendas so realizados
simultaneamente, e modelo de Cournot de ciclo fechado, em que
investimentos so realizados em um estgio e as vendas em outro
estgio, ou seja, em um mercado spot. Um dos principais resultados
obtidos no estudo que os preos e quantidades encontrados no jogo de
ciclo fechado, quando a soluo existe, se posicionam entre os valores
obtidos no jogo de ciclo aberto e na competio perfeita.
A combinao das literaturas de opes reais e de teoria dos
jogos resultou em uma corrente recente da literatura que passou a ser
muito difundida a partir do incio deste sculo.
Os jogos resultantes da juno destas duas teorias so chamados
de investimentos estratgicos sob incerteza ou de jogos de opo (Dixit
e Pindyck, 1994; Dias, 2005). Nestes jogos as empresas investem, no
s por necessidade real, mas tambm por se sentirem ameaadas por
26

seus concorrentes. Estes jogos so chamados na literatura de jogos de

preempo3 (Dias, 2005). O comportamento de preempo ocorre em
casos de: (i) medo de perder a liderana tecnolgica; (ii) ocupao de
mercados antes da concorrncia; e (iii) medo de ser preterido pelo
comprador que busca o menor preo.
Um exemplo do caso (ii) ocorreu com a cadeia de varejos
americana Wall Mart. No incio de seu crescimento, entre 1960 e 1970,
a estratgia da cadeia era estabelecer lojas de descontos em vrias
cidades do sudoeste americano. As cidades eram pequenas o suficiente
que no comportavam mais de uma loja daquele gnero em sua regio.
Nos anos 80, o Wall Mart estabeleceu um novo conceito conhecido
como warehouse clubs em reas com maior densidade populacional, o
que lhe proveu uma nova vantagem significativa sobre a concorrncia
(Lambrecht e Perraudin, 2003). O comportamento do Wall Mart um
exemplo tpico da combinao de decises reais com decises
estratgicas de investimentos, este ltimo chamado de investimento de
preempo.
De acordo com Smit e Trigeorgis (2004), em um mercado global
de incerteza crescente e grande dinamismo, a adaptabilidade estratgica
torna-se essencial para empresas que desejam tomar vantagem de boas
oportunidades de investimentos, responder adequadamente s ameaas
de aes dos competidores e mitigar potenciais perdas com o
desenvolvimento de mercados no rentveis. Pensando em termos de
teoria dos jogos, opes reais e flexibilidade, os gerentes podem
elaborar as seguintes questes estratgicas: qual o valor das
oportunidades de crescimento da empresa? Quando apropriado
acelerar o investimento de forma a aumentar a participao de mercado
e se posicionar competitivamente? Quando mais adequado esperar
pela informao para reduzir as incertezas? Entre outras questes. Em
outras palavras, estes estudos analisam o efeito do comportamento
competitivo das empresas sobre as decises de investimentos, na
perspectiva da teoria de opes reais cujo modelo ainda pode considerar
caractersticas especficas de projetos de investimentos, tais como,
tempo de construo, flexibilidade operacional e escolha da capacidade
inicial de instalao.
Exemplos de trabalhos que combinam opes reais e equilbrio
so apresentados em Williams (1993), Smit e Ankum (1993), Grenadier
3

Preempo no contexto deste trabalho refere-se ao uso de estratgias de

antecipao de investimentos para ocupar mercado antes do competidor, tal
como em Gilbert e Harris (1984).

27

(1996), Kulatilaka e Perotti (1998), Baldursson (1998), Grenadier

(2002), Lambrecht e Perraudin (2003) e Aguerrevere (2003).
Segundo Grenadier (2002), existem relativamente poucos estudos
envolvendo opes reais e equilbrio, primeiramente pelo fato de que o
equilbrio ignorado na literatura de opes financeiras j que tais
opes so consideradas ativos de risco que, em geral, pertencem a
agentes externos empresa. Em segundo lugar, a aplicao de teoria dos
jogos a modelos de tempo contnuo no bem desenvolvida e um tanto
quanto complexa. Estes modelos em geral so estticos, ou seja, de um
nico projeto (Grenadier, 1996; Kulatilaka e Perotti, 1998; Lambrecht e
Perraudin, 2003) ou dinmicos, porm, assumindo que investimentos
so incrementais (Baldursson, 1998; Grenadier, 2002; Aguerrevere,
2003). Kulatilaka e Perotti (1998) mostraram que quanto maior a
incerteza, maior tambm a motivao das empresas em investir
quando estas operam sob um ambiente de competio imperfeita.
Entre os modelos de opes reais que incorporam endogenamente
a competio entre empresas cita-se ainda os trabalhos pioneiros de
Dixit (1991) e Williams (1993), assim como os trabalhos posteriores de
Grenadier (1995) e Fries et al. (1997). Nesta linha de pesquisa, Kogut e
Kulatilaka (1994) apresentam um modelo aplicado ao investimento
direto estrangeiro, Grenadier (1996) incorporao imobiliria e Weeds
(2002) s competies de pesquisa e desenvolvimento. Os trs ltimos
modelos supracitados utilizam modelos de tempo contnuo, jogos de
lder-seguidor nos quais empresas determinam o gatilho que definir o
momento de seus investimentos.
Baldursson (1998) estuda o processo de evoluo de preos de
um produto perecvel em uma indstria oligopolizada, podendo ser de
energia eltrica, onde os competidores usam a capacidade de produo
como varivel estratgica sob uma curva de demanda linear estocstica.
A principal contribuio de Baldursson (1998) mostrar que, quando os
investimentos so incrementais, o comportamento do preo ser
qualitativamente o mesmo no ambiente de oligoplio e na competio
perfeita, ou seja, o preo flutuar com a variao da demanda sem,
porm, ser afetado por mudanas na oferta, at determinados limites de
alteraes na capacidade da indstria.
Grenadier (2002) desenvolve uma abordagem que estabelece uma
estratgia de investimentos de empresas sob um equilbrio de CournotNash. Cada empresa se pe diante de uma sequncia de oportunidades
de investimentos e o modelo deve determinar uma estratgia para o seu
caminho de investimento, considerando o tempo de construo.
28

Aguerrevere (2003) estende os trabalhos de Grenadier (2002) e

Baldursson (1998) introduzindo a flexibilidade operacional no modelo
de escolha de capacidade. Os resultados indicam que quanto maior a
incerteza maior o incentivo das empresas em manter uma maior
capacidade. Outro resultado encontrado por Aguerrevere (2003) que
empresas podem identificar o momento timo para investir mesmo
quando a sua capacidade no est sendo totalmente utilizada.
Lambrecht e Perraudin (2003) examinam o impacto do
comportamento estratgico de ocupao de mercado e a informao
incompleta a cerca dos competidores na valorao do investimento e na
determinao do momento timo de investir.
Pesquisas voltadas para a interseco entre a teoria de
investimentos sob incerteza e teoria dos jogos tm sido numerosas nos
ltimos anos. Uma pesquisa recente com o objetivo de revisar a
literatura de jogos de opo apresentada em Chevalier-Roignant et al.
(2011). Os autores apresentam uma viso geral de estudos com esta
abordagem de forma a categorizar as pesquisas nesta rea da literatura.
2.1.7. Processos de deciso Markovianos
Os modelos dinmicos de expanso de capacidade requerem
uma formulao que incorpore intrinsecamente a intertemporalidade do
processo decisrio. Se o estado que descreve o sistema evolui de forma
estocstica, muitos pesquisadores tm se utilizado de uma classe de
sistema cujas estratgias so chamadas Markovianas, de forma a reduzir
o problema da multiplicidade de equilbrios. Este tipo de equilbrio
funo apenas do estado corrente, o qual segue um processo de Markov
(Dias, 2005) e no da histria, ou seja, de todos os estados que foram
atingidos pelo processo at o presente momento. Este tipo de estado
incorpora o efeito direto do passado no jogo corrente (Fudenberg e
Tirole, 1991, captulo 13; Maskin e Tirole, 2001).
Modelos baseados em processos Markovianos so apresentados
em Zhang et al. (2004), Murto (2004), Murto et al. (2004), Bushnell e
Ishii (2007), Bhatnagar et al. (1999), Garcia e Shen (2010). Segundo
Zhang et al. (2003), os modelos Markovianos so uma ferramenta de
propsito mais generalista, podendo prover grande flexibilidade na
modelagem, mas por outro lado tornando a soluo computacionalmente
complexa quando se trata de problemas reais. Em tais modelos assumese que as empresas agem de forma no cooperativa entre si. Suas
decises de investimentos dependem do estado atual do mercado,
descrito normalmente pela demanda, em geral, uma varivel estocstica,
29

e pela capacidade total do mercado. O equilbrio resultante deste

processo conhecido como Equilbrio Perfeito de Markov (EPM)4.
Os modelos de Murto et al. (2004) e de Bushnell e Ishii (2007)
abordam problemas de anlise de investimentos em um mercado
oligopolizado para um produto homogneo. Tais modelos utilizam o
conceito de Equilbrio (de Nash) Perfeito de Markov e consideram que
as decises de investimentos no longo prazo so dependentes de lucros
obtidos no curto prazo. O modelo de Murto et al. (2004) ser detalhado
na seo 2.2.3.
Bhatnagar et al. (1999), apresenta um modelo para um Processo
de Deciso Markoviano de horizonte finito aplicado indstria de
semicondutores. O objetivo do modelo determinar uma poltica tima
de aes que incluem compra e descarte de equipamentos, atualizaes
tecnolgicas de equipamentos/processos e alocao de equipamentos
linha de produo.
Garcia e Shen (2010) desenvolveram um estudo que igualmente
destaca a dinmica entre os incentivos de curto e mdio prazo que
empresas do setor energtico enfrentam para expandir suas capacidades
em um ambiente de oligoplio. Utilizando o arcabouo conceitual do
Equilbrio Perfeito de Markov, os autores apresentam um modelo
dinmico com uma demanda crescendo de forma estocstica no tempo.
O objetivo avaliar os reais incentivos que empresas do setor energtico
tm para investir em nveis seguros de capacidade e, portanto,
minimizando riscos de uma interrupo de fornecimento provocados por
demandas inesperadamente altas. O principal resultado apresentado
que o mercado em si no suficiente para induzir um nvel social timo
de capacidade. Em geral, segundo resultados do estudo, as chances de
problemas de falta de capacidade no equilbrio aumentam quando se
reduz a probabilidade de crescimento da demanda, aumentam-se as
taxas de desconto e de depreciao e/ou aumentam-se os custos de
produo e/ou de investimentos. Os resultados do estudo ainda indicam
que nveis timos de investimentos no sero induzidos apenas com o
aumento dos preos mximos de regulao de mercado. A utilizao de
um seguro contra um eventual no crescimento da demanda
considerada, segundo os autores, uma poltica de interveno mais
efetiva.

A definio de Equilbrio Perfeito de Markov formalizada na seo 3.4 deste

trabalho. Para um detalhamento maior ver livro Teoria dos Jogos, de
Furdenberg e Tirole (1991, captulo 13).

30

2.1.8. Outras formulaes

Motivado por aplicaes na indstria de semicondutores, uma
corrente da literatura tem se dedicado nos ltimos anos ao
desenvolvimento de modelos de planejamento de capacidade para este
importante setor da economia atual. Pelo menos trs fatores fazem com
que este problema seja crucial para a referida indstria. Primeiro o alto
custo e o longo tempo necessrio para aquisio de equipamentos e
construo de salas limpas5, os quais custam na ordem de milhes de
dlares e levam em mdia 12 meses para serem construdas. O segundo
fator, aspecto bvio neste segmento, a alta taxa de obsolescncia. Na
medida em que a tecnologia de fotolitografia avana, novos e mais caros
equipamentos tem que ser adquiridos para garantir eficincia e
produtividade. Um terceiro fator a que a capacidade de produo neste
setor altamente varivel com o nvel da mo de obra local,
configurao da capacidade, tamanho das unidades fabris (chamadas de
wafers), restries impostas por clientes contrrias aos interesses dos
fabricantes, etc. (Karabuk e Wu, 2003). Tal perfil de indstria e do
estado atual da economia, induziram autores a incorporarem outras
variveis em modelos de expanso de capacidade, tais como, portflio
de capacidade (Eberly e Mieghem (1997), obsolescncia (Pangburn e
Sundaresan, 2009 e Kouvelis e Gutierrez, 1997), hedging operacional
6
(Huchzermeier e Cohen, 1996) e averso a risco (Mieghem, 2003).
Em akanyildirim e Roundy (2002a) apresentado um modelo
de programao linear que minimiza os custos de venda perdida e de
capacidade de produo de um nico produto, tratando o tempo de
aquisio de equipamentos como uma varivel contnua de deciso. A
anlise simplificada depois de observar que a sequncia tima da
expanso independente da demanda.
Em akanyildirim e Roundy (2002b) apresentado um algoritmo
de tempo polinomial para determinar um plano de expanso e retrao
de capacidade nesta indstria. Assume-se no modelo uma s famlia de
produto com uma demanda estocstica que primeiramente cresce e
depois decresce ao longo do tempo.
5

Sala limpa um ambiente controlado, utilizado para manufatura de produtos

onde a contaminao por partculas presentes no ar interfere no resultado.
6
Huchzermeier e Cohen (1996) j tinham cunhado o termo de hedging
operacional para diferenciar do conceito de hedging financeiro, que se utiliza de
instrumentos financeiros e mercados de capital para mitigar a exposio da
empresa aos riscos.

31

Zhang et al. (2004) estende o modelo de akanyildirim e Roundy

(2002b) para um modelo de mltiplos produtos com tempo discreto,
capturando a incerteza da demanda representada por uma coleo de
raios emanando de um ponto e contidos em um espao
multidimensional. O modelo permite obteno de soluo para
problemas de escala real.
Huh et al. (2006) apresentam um modelo de planejamento de
capacidade de tempo contnuo com mltiplos produtos. Cada produto
requer uma operao especfica que pode ser realizada por um ou mais
grupos de equipamentos para semicondutores. Como a demanda
estocstica de cada produto pode ser decrescente, permitido a retirada
ou compra de equipamentos. Para a soluo apresentado um algoritmo
heurstico baseado em cluster que incorpora tcnicas de reduo de
varincia da literatura de simulao e princpios de um algoritmo
genrico de fluxo mximo da literatura de otimizao de redes.
Um formulao muito utilizada em problemas de expanso de
capacidade na indstria de semicondutores a programao estocstica,
tal como apresentado em Ahmed et al. (2002), Barahona et al. (2005),
Geng et al. (2009) e Huang e Ahmed (2009). Em problemas de
expanso de capacidade sob incerteza com tempos discretos, o modelo
de programao estocstica utiliza uma abordagem de dois estgios. No
primeiro estgio, antes da demanda total ser conhecida, o produtor
realiza pedidos de compra de componentes para os seus fornecedores a
um determinado custo por unidade. Podem existir tipos de produtos
diferentes, cada qual com sua demanda especfica. No segundo estagio,
aps a demanda total ser observada, o produtor decide que tipo de
demanda ser satisfeita de forma a minimizar o nmero de componentes
em excesso. Geralmente a incerteza da demanda representada em
termos de cenrios.
Eppen et al. (1989), Escudero et al. (1993) e Geng et al. (2009)
utilizam cenrios para planejamento de capacidade em industrias de
manufatura. Entretanto, para que o modelo seja computacionalmente
vivel, um nmero limitado de cenrios deve ser empregado. Muitas
vezes, portanto, torna-se impossvel resolver modelos que consideram
vrios tipos de demanda. Karabuk e Wu (2003) e Ahmed et al. (2002)
elaboraram modelos utilizando a programao estocstica em mltiplos
estgios. A programao estocstica em mltiplos estgios uma
extenso do modelo de dois estgios de forma a permitir a reviso das
decises tomadas em cada estgio diante da incerteza revelada at ento
(Ahmed et al., 2002).
32

Muitos dos modelos de expanso de capacidade apresentados

nesta reviso bibliogrfica se baseiam em problemas envolvendo apenas
um recurso de capacidade (Manne, 1961, Luss, 1982; Davis et al., 1987;
Bean et al., 1992). Modelos envolvendo mltiplos recursos de
capacidade tinham tido pouca ateno pela literatura at ento. Estes
modelos so conhecidos na literatura da Pesquisa Operacional como
programao estocstica com recurso (Mieghem, 2003). As solues
tradicionais para este problema utilizam programao matemtica
estocstica discreta cuja estrutura permite modelar vrios aspectos
prticos, porm, muitas vezes, s custas de um aumento na dificuldade
computacional, fazendo com que se recorra a mtodos numricos para
soluo.
Eberly e Mieghem (1997) apresentam um modelo mais genrico
para estudar o investimento de mltiplos recursos sob incerteza em um
ambiente dinmico e no estacionrio com custos reversveis. Os
autores definem pioneiramente os chamados modelos de portflio de
capacidade e mostram que o modelo com horizonte infinito, com uma
estrutura particular, se reduz a um problema de um nico investimento
inicial, transformando efetivamente o problema de capacidade dinmico
para um problema de um nico perodo. Quando a funo de valor a
otimizar cncava, os autores mostram que a estratgia tima segue
uma poltica de controle-limite chamada de IMD (Investir, Manter ou
Desinvestir) e provem uma soluo analtica fechada para um modelo
de investimento onde a incerteza da demanda representada por um
processo geomtrico Browniano de tempo contnuo. Os autores
introduzem tambm o conceito de ordens de expanso para diferentes
recursos de capacidade, o que iria inspirar mais tarde a poltica de
gargalo ou bottleneck policy de akanyildirim e Roundy (2002b).
Em uma extenso do modelo de Eberly e Mieghem (1997),
Harrison e Mieghem (1999) apresentam um modelo para determinar a
estratgia de investimento timo de uma empresa que emprega
mltiplos recursos para produzir diversos tipos de produtos em um
ambiente de incerteza da demanda. Os autores adaptam o conhecido
modelo do jornaleiro7 para uma verso multidimensional e concluem
que a posio tima de investimento pode ser interpretada como uma
7

Um vendedor de jornal tem o dilema dirio de determinar a quantidade tima

de jornais de forma a minimizar a sobra ou a falta de jornal no final do dia.
Varias empresas se deparam com o mesmo problema em seu dia a dia. O
modelo de determinao da quantidade tima conhecido na literatura como
modelo do jornaleiro (Slack et al., 2002).

33

proteo (hedge) contra a incerteza da demanda. A

multidimensionalidade introduzida no modelo do jornaleiro por
Harrison e Mieghem (1999) permite incorporar variveis de produo,
demanda e recursos (capacidade) ao modelo atravs de uma estrutura
matricial especial, que inclui vetores de custo, preo, matrizes de
restries de capacidade e de demanda e uma distribuio de demanda
multivariada.
Exemplos de outros trabalhos envolvendo modelos com mltiplos
recursos utilizando a formulao do modelo do jornaleiro na verso
multidimensional foram abordados em Mieghem e Rudi (2002) e
Mieghem (2003).
As figuras 2.3a e 2.3b, apresentam um resumo da evoluo
bibliogrfica de modelos de expanso de capacidade apresentado neste
captulo, como forma de destacar o que se considera como os principais
trabalhos pesquisados.
Figura 2.3a Evoluo bibliogrfica 1960-1995 principais trabalhos.

Fonte: elaborado pelo autor.

34

Figura 2.3b Evoluo bibliogrfica 1995-2012 principais trabalhos.

Fonte: elaborado pelo autor.

Para fins didticos, a seo seguinte apresentar os principais

mtodos de soluo e abordagens conceituais identificados no
levantamento bibliogrfico, posicionando o modelo proposto nesta
pesquisa entre estes.
2.2.

LITERATURA FOCO DESTA PESQUISA

2.2.1. Mtodos de soluo

Na seo anterior foram apresentados diversos trabalhos de
expanso de capacidade. Tais estudos foram organizados
cronologicamente nas diversas correntes literrias, para as quais foram
identificados diferentes mtodos de soluo, cada qual apropriado para
as condies assumidas na modelagem do problema, tais como, tempos
discretos ou contnuos, horizontes de planejamento finito ou infinito,
evoluo do estado do sistema seguindo um processo determinstico ou
estocstico, instalaes nicas ou mltiplas, mercado nico e local ou
vrios mercados e distribudos espacialmente.
Os principais mtodos de soluo encontrados foram: controle
estocstico, programao matemtica, mtodo dos ativos contingentes
da teoria de opes reais, equilbrio perfeito em subjogos, programao
dinmica, processos de deciso Markovianos e, em alguns casos, uma
combinao de um ou mais destes mtodos. A figura 2.4 ilustra os

35

principais mtodos de soluo identificados nesta pesquisa e associa os

principais trabalhos a cada uma destas abordagens.
Figura 2.4 Mtodos de soluo do problema de expanso de
capacidade.

Fonte: elaborado pelo autor.

(1) Controle estocstico: Manne (1961), Giglio (1970),

Freidenfelds (1980), Davis et al. (1987), Bean et al. (1992).
(2) Programao matemtica: Rao e Rutenberg (1977), Eppen
et al. (1989), Escudero et al. (1993), Li e Tirupati (1994),
Karabuk e Wu (1999), Ahmed et al. (2002), Zhang et al.
(2003), Geng et al. (2009).
(3) Mtodos dos ativos contingentes (opes reais): McDonald
e Siegel (1986), Pindyck (1988), Bar-Ilan e Strange (1999),
Dangl (1999) e Novaes e Souza (2005).
(4) Opes reais e equilbrio: Williams (1993), Grenadier
(1996), Kulatilaka e Perotti (1998), Lambrecht e Perraudin
(1999), Granadier (2002), Murto e Keppo (2002),
Aguerrevere (2003).
(5) Equilbrio perfeito em subjogos: Lucas e Prescott (1971),
Leahy (1993), Baldursson e Karatzas (1997).
36

(6) Equilbrio perfeito e programao dinmica: Maskin e

Tirole (1988), Murto et al. (2004), Bushnell e Ishii (2007),
Garcia e Shen (2010).
(7) Programao dinmica e/ou processos de deciso
Markovianos: Zangwill (1966), Erlenkotter (1975),
Freidenfelds (1981), Luss (1982), Dixit e Pindyck (1994) e
Dangl (1999).
O mtodo de soluo adotado para o modelo de expanso de
capacidade proposto nesta tese mais prximo aos trabalhos
identificados nas categorias (5), (6) e (7) indicadas na figura 2.4, e mais
especificamente aos trabalhos posicionados na categoria (6), ou seja, os
estudos que utilizam em sua formulao os conceitos de equilbrio
perfeito em subjogos e a programao dinmica. Entretanto, outras
ferramentas sero utilizadas ao se introduzir caractersticas especficas
no modelo proposto, conforme ser visto nos captulos seguintes.
2.2.2. Abordagens conceituais
O arcabouo terico em que se baseia esta tese principalmente
formado pelos conceitos de teoria de investimentos sob incerteza
(opes reais), teoria dos jogos (equilbrio) e processos de Markov.
Como mencionado anteriormente, estes estudos fazem parte de uma
corrente relativamente recente da literatura, chamados de jogos de
opo, conforme mencionado na seo 2.1.6. O presente trabalho no
aplica diretamente os jogos de opo, porm, o seu conceito est
implcito no modelo proposto, como ser visto no captulo 4. A seguir,
atravs de diagramas de Ven em sequncia, destaca-se o foco da
pesquisa baseado nas caractersticas comuns dos modelos citados nesta
pesquisa.
Na figura 2.5 so apresentados os principais trabalhos
identificados com cada uma destas correntes:

37

Figura 2.5 Modelos que tratam de equilbrio, jogos de opo

e equilbrio perfeito de Markov.

foco da pesquisa
Opes
Reais
Equilbrio de
Jogos (1)

Jogos de
Opes
Reais (2)

Equilbrio
Perfeito
de Markov
(3)
Processos de
Markov

Fonte: elaborado pelo autor.

(1) Equilbrio de Jogos: Lucas e Prescott (1971); Gilbert e

Harris (1984), Ghemawat e Nalebuff (1985), Mills (1990),
Fudenberg e Tirole (1991), Leahy (1993), Baldursson e
Karatzas (1997), Grenadier (1999), Cachon e Lariviere
(1999), Murphy e Smeers (2005).
(2) Jogos de opes reais: Smit e Ankum (1993), Williams
(1993), Grenadier (1996), Fries et al. (1997), Kulatilaka e
Peroti (1998), Baldursson (1998), Lambrecht e Perraudin
(1999), Weeds (2002), Murto e Keppo (2002), Grenadier
(2002), Aguerrevere (2003), Murto et al. (2004), Bushnell e
Ishii (2007).
(3) Equilbrio perfeito de Markov: Bhatnagar et al. (1999),
Zhang et al. (2003), Murto (2004), Murto et al. (2004),
Dias (2005), Bushnell e Ishii (2007), Garcia e Shen (2010).
O problema de expanso de capacidade desta tese envolve
decises de ajustes de capacidade ao longo do tempo. Sendo assim, o
interesse desta pesquisa diz respeito apenas a problemas dinmicos de
38

expanso de capacidade. Os principais trabalhos relacionados na figura

2.5, que consideram um contexto dinmico, esto ilustrados na figura
2.6.
Jogos dinmicos:
Figura 2.6 Modelos dinmicos.
foco da pesquisa
Opes
Reais
Equilbrio de
Jogos (1)

Jogos de
Opes
Reais (2)

Jogos
Dinmicos (4)
Equilbrio
Perfeito
de Markov
(3)
Processos de
Markov

Fonte: elaborado pelo autor.

(4) Jogos dinmicos: Gilbert e Harris (1984), Ghemawat e

Nalebuff (1985), Mills (1990), Fudenberg e Tirole (1991),
Willians (1993), Baldursson (1998), Bhatnagar et al.
(1999), Zhang et al. (2003), Murto (2004), Murto et al.
(2004), Dias (2005), Bushnell e Ishii (2007), Garcia e Shen
(2010).
O modelo apresentado nesta pesquisa considera os investimentos
como sendo discretos. De fato, na maioria das situaes reais, tratandose de produo de commodities, os incrementos de capacidade so
realizados em saltos a cada perodo de tempo. Assim sendo, dos
trabalhos apresentados na figura 2.6, destacam-se aqueles em que as
expanses so discretas no tempo, conforme figura 2.7.
39

Investimentos discretos:
Figura 2.7 Modelos com investimentos discretos.
foco da pesquisa
Opes
Reais
Equilbrio de
Jogos (1)

Jogos de
Opes
Reais (2)

Jogos
Investimentos
Dinmicos
discretos(4)
(5)
Equilbrio
Perfeito
de Markov
(3)
Processos de
Markov

Fonte: elaborado pelo autor.

(5) Investimentos discretos: Mills (1990), Bhatnagar et al.

(1999), Zhang et al. (2003), Murto (2004), Murto et al.
(2004), Dias (2005), Bushnell e Ishii (2007), Garcia e Shen
(2010).
Os estudos apresentados na figura 2.7, entretanto, dizem respeito
a mercados locais. O presente estudo apresenta um modelo de expanso
de capacidade com empresas atuando em um mercado espacial,
conforme sugerido na figura 2.8.

40

Mercados espaciais:
Figura 2.8 Modelos com mercados espaciais.
foco da pesquisa
Opes
Reais
Equilbrio de
Jogos (1)

Jogos de
Opes
Reais (2)

Jogos
Mercados
Investimentos
Dinmicos
(4)
Espaciais
(6)
discretos
(5)
Equilbrio
Perfeito
de Markov
(3)
Processos de
Markov

Fonte: elaborado pelo autor.

(6) Mercados espaciais: o modelo proposto nesta pesquisa.

Diante do exposto, conclui-se que os estudos que mais se
aproximam ao modelo proposto nesta tese so, dentre aqueles
mencionados nesta seo, justamente os que adotam o conceito de
equilbrio perfeito de Markov, dinmicos e com investimentos discretos
(no incrementais) e, por ltimo, que consideram implcita ou
explicitamente o conceito de jogos de opo. Tais estudos so
identificados como sendo, em primeiro plano, o trabalho de Murto et al.
(2004), assim como, em um segundo plano, os trabalhos de Bushnell e
Ishii (2007), Gilbert e Harris (1984), Mills (1990), Bhatnagar et al.
(2009), Garcia e Shen (2010) e Zhang et al. (2003). Sendo assim, ser
apresentado resumidamente a seguir o modelo de Murto et al. (2004),
pois este formar a base conceitual para o modelo proposto nesta
pesquisa.

41

2.2.3. O modelo de Murto et al.

O modelo de Murto et al. (2004) busca determinar o momento
timo de implantar projetos de investimentos para aumentos discretos de
capacidade de empresas em um ambiente de oligoplio diante de uma
demanda que varia estocasticamente. As empresas tm um leque de
projetos sua disposio de forma a ajustarem suas funes de custos de
produo e capacidade mxima. Ao escolherem os projetos nos quais
investiro, as empresas levam em considerao a incerteza da demanda
e as decises de outras empresas do mercado, que agem de forma no
cooperativa. Assume-se que a estratgia de cada empresa, ou seja, a
deciso de expanso de capacidade depende to somente do estado atual
do mercado, o qual no referido modelo descrito pelo variao da
demanda e pela capacidade total do mercado em cada perodo do
horizonte de planejamento.
O equilbrio resultante de tais estratgias resulta em um
Equilbrio Perfeito de Markov. Como a estratgia tima de uma empresa
em um dado perodo dependente das estratgias de todas as empresas
definidas simultaneamente, podem existir mais de um equilbrio no
perodo em questo. Para garantir um nico equilbrio, considerada a
premissa mencionada anteriormente de que as empresas investem
sequencialmente. Ou seja, a cada perodo de tempo somente uma das
empresas tem a oportunidade de decidir se investir em um ou mais dos
projetos sua disposio. Sendo assim se est diante de um jogo
sequencial onde os jogadores se movem um a cada tempo. Tal jogo tem
um nico equilbrio perfeito em subjogo8.
O estado do sistema em determinado perodo de tempo t
descrito pelo vetor K t = [X t , I t ,1 ,..., I t , M , U t ] , onde X t a varivel
estocstica da demanda no tempo t, I t ,i a capacidade acumulada da
empresa i at o perodo de tempo t e U t a varivel que determina qual
a empresa da vez para decidir sobre seu investimento no tempo t,
conforme a premissa de investimento sequencial. O custo de produo
dado por Ci = Ci qi , I t ,i . Onde qi o nvel de produo da empresa i

no perodo t.
8

Um equilbrio de Nash um equilbrio perfeito em subjogo se as estratgias

dos jogadores constituem um equilbrio de Nash em todo subjogo (Fudenberg &
Tirole, 1991). Para maiores detalhes ver seo 3.3.4 deste trabalho.

42

O nvel de produo total da indstria no tempo t , portanto,

Q ( X t , I t ,1 ,..., I t ,M ) = i =1 qi ( X t , I t ,1 ,..., I t ,M )
M

commodity

definido

P Q( X t , I t ,1 ,..., I t , M ), X t

preo

da

pela funo inversa da demanda

. Portanto, o lucro da empresa i no perodo

t dado por:

t ,i = qi ( K t ) P(Q( X t , I t ,1 ,..., I t ,M ), X t ) Ci (qi ( X t , I t ,1 ,..., I t ,M ), I t ,i )

(2.1)
Seja S i ( K ) a estratgia da empresa i no tempo t dado o estado K . A
t

estratgia S i , um conjunto de projetos escolhidos pela empresa i no

tempo t , tal que,

I t +1,i = I t ,i S it ( K t )

(2.2)

Ou seja, a capacidade no tempo t+1, equivalente capacidade

acumulada at o perodo t, I t ,i , somada capacidade adicionada no
prprio perodo t,

S it ( K t ) . E, dado que as variveis

Xt e

U t descrevem processos estocsticos da demanda e da sequncia de

empresas que se movem a cada perodo de tempo, respectivamente, tmse,

Prob { X t +1 = xt +1 | X t = xt } = f t ( xt , xt +1 )

(2.3)

Prob {U t +1 = ut +1 | U t = ut } = gt ( ut , ut +1 )

(2.4)

Onde xt +1 a variao estocstica da demanda em unidades de medida

de expanso da capacidade no perodo t+1 podendo ser positiva ou
negativa e, ut +1 o valor que determina qual empresa dever tomar a
deciso de investimento no instante t+1. Por exemplo, se ut +1 = 1, a
empresa 1 a da vez, se ut +1 = 2, a empresa 2 a da vez, e assim por
diante.
43

As equaes (2.2), (2.3) e (2.4), sumarizam a regra de transio

de estados do modelo. A equao (2.2) descreve como as capacidades
das empresas evoluem de acordo com suas estratgias, considerando-se
uma dada realizao dos processos X e U . As equaes (2.3) e (2.4)
descrevem a evoluo dos processos X e U , respectivamente.
As empresas seguem uma poltica tima tomando decises que
maximizam o valor presente lquido esperado do fluxo de caixa ao longo
de todo o horizonte de planejamento. Um problema de programao
dinmica, utilizando a equao recursiva de Bellman9, utilizado para a
soluo do problema,

t
t
Z t*,i ( K t ) = max
t ,i ( K ) t ,i ( Si )
Sit ( K t )
Sit ( K t )

{ (

+ E X ,U Z t*+1,i K t +1
Onde

) )}}

(2.5)

t ,i ( K t ) o lucro imediato definido pela equao (2.1),

t ,i ( Sit ) o custo do investimento quando a estratgia escolhida

Sit e o fator de desconto de um perodo do fluxo de caixa. A notao

E X ,U ( A) representa o valor esperado da varivel A em relao s

distribuies de probabilidades das variveis X e U.
O jogo entre as empresas, cada qual decidindo por estratgias
que maximizem seus lucros esperados, conduzido a um equilbrio de
Nash.
O equilbrio de Nash um plano timo descrito por

S * = S1* ,..., Si* ,..., S n* , onde o componente S i* um vetor com o

plano timo da empresa i para cada perodo do horizonte de
planejamento, tal que,

A equao recursiva de Bellman apresentada na seo 3.2 e provm do

Princpio de Bellman que afirma que para cada estado e ao, o plano timo
deve consistir de uma determinada ao seguida do plano timo at o estado
sucessor (Bellman, 1957).

44

Z t ,i ( K t , S * ) Z t ,i ( K t , S1* ,..., S i ,..., S n* )

(2.6)

i , t , K t , S i .
Em um jogo estocstico como o apresentado nesta seo, as
estratgias so chamadas de Markovianas e o equilbrio resultante um
Equilbrio Perfeito de Markov (Murto et al., 2004), cujos conceitos de
sero detalhados na seo 3.4 desta tese.
Na primeira parte deste captulo foi apresentada uma evoluo
cronolgica da literatura de expanso de capacidade relatando-se as
diferentes formulaes e tcnicas utilizadas e citando-se as indstrias
nas quais tais tcnicas foram largamente aplicadas. Em seguida foram
apresentadas as correntes da literatura que permeiam o problema da
expanso de capacidade e em que situaes tais correntes se confundem.
Tambm foram apresentadas algumas das principais correntes da
literatura utilizadas na modelagem de problemas de expanso de
capacidade de produo. Por fim, foi apresentada, de forma grfica, a
literatura foco desta pesquisa. Tendo este foco em vista, ser
apresentado em maiores detalhes, no prximo captulo, o arcabouo
terico a ser utilizado no desenvolvimento do modelo proposto desta
tese.

45

46

3.

FERRAMENTAL TERICO

3.1.

INTRODUO

Este captulo apresenta o ferramental terico que ser utilizado no

desenvolvimento do modelo de expanso de capacidade proposto nesta
pesquisa. Na seo 3.2, descreve-se os princpios de otimizao
utilizando a Programao Dinmica, a qual se associa s decises
sequenciais, tais como em uma poltica de investimento em expanso de
capacidade ao longo do tempo. Na seo 3.3, sero apresentados alguns
conceitos de teoria dos jogos, especialmente os conceitos de equilbrio
de Nash, jogos sequenciais na forma extensiva e o equilbrio perfeito em
subjogo. Tais conceitos sero apropriados para modelar situaes
dinmicas como no problema apresentado nesta tese, no qual, em
condies especiais, a Programao Dinmica pode ser utilizada para
obteno da soluo. Na seo 3.4 ser apresentada uma classe de jogos
que considera o que se chama de estratgias Markovianas para decises
em um ambiente de incerteza e, ento, ser apresentado o Equilbrio
Perfeito de Markov, considerado na literatura (Furdenberg e Tirole,
1991) um refinamento do equilbrio de Nash. Finalmente, na seo 3.5
ser introduzido o Equilbrio Espacial de Mercados, conceito que,
utilizado integradamente com a Programao Dinmica, equilbrio
perfeito em subjogo e o Equilbrio Perfeito de Markov, formam o
arcabouo terico do modelo proposto nesta pesquisa.
3.2.

PROGRAMAO DINMICA

3.2.1. Mecanismo e Terminologia

A otimizao de problemas cujas decises afetam perodos
futuros do horizonte de planejamento tem sido aplicada em diferentes
reas, desde em simples sistemas de controle de aquecimento at em
gesto de economias inteiras de pases, passando por operao de
trfego areo, aquisio de novos equipamentos, expanso de
capacidade, roteamento de veculos, gesto de ativos, gesto de
portflios de investimentos, entre vrias outras aplicaes.
A Programao Dinmica (PD) largamente utilizada na soluo
de tais problemas, determinsticos ou estocsticos, atravs de uma
tcnica que desdobra um problema de grande dimenso em vrios
pequenos problemas. Basicamente, tais problemas implicam em tomar
decises e ento observar a informao pertinente. Em seguida, tomar
47

mais decises e voltar a observar a informao pertinente, e assim por

diante. Em funo disso, so conhecidos como problemas de decises
sequenciais e podem ser relativamente simples de formular, mas
dependendo do problema que est sendo modelado, a soluo pode se
tornar bastante complexa.
Neste momento importante que se faa uma breve descrio dos
principais elementos, ou terminologia, do mtodo de Programao
Dinmica. Para fins de apresentao dos conceitos fundamentais de
programao dinmica ser considerado um sistema com variveis de
estado discretas e perodo de otimizao finito. O foco ser em
problemas determinsticos, ou seja, no estocstico. Estes problemas
consistem nos seguintes elementos:
Estgios: so os diferentes nveis naturais que se pode dividir um
problema. Em cada um deles se estabelece um plano de
decises. Normalmente estes estgios so representados pelo
tempo que pode ser contnuo ou discreto (perodos).
Varivel de estado: a varivel que capta todas as informaes
que se necessita para a tomada de deciso, bem como a
informao que se precisa para descrever como o sistema evolui
ao longo do tempo. Cada estgio ter associado um nmero de
estados que pode ser finito ou infinito, dependendo das
variveis que representam as condies do sistema.
Varivel de Deciso: para cada estado possvel do sistema, uma
deciso pode ser tomada fazendo com que o sistema passe a
outro estado em um prximo estgio. Cada deciso, portanto,
afeta uma ou mais variveis chamadas de variveis de deciso e
causa uma transio de estado.
Plano: um conjunto de decises, no qual para cada estado
especificada uma ao. Um plano timo o melhor conjunto de
aes considerando o objetivo fixado.
Informao Exgena: a informao que se torna conhecida a
cada perodo de tempo. O estado inicial do sistema tambm
dever ser conhecido.
Funo de transio de estado: esta funo determina como o
sistema evolui do estado S t para o estado S t +1 , dada a deciso
tomada no tempo t e a nova informao que chegou entre o
tempo t e o tempo t +1.
Funo de contribuio: esta funo determina os custos
incorridos ou ganhos recebidos durante cada intervalo de
tempo.
48

 Valor de Estado: uma funo dos retornos gerados, quando o

sistema evolui de um estado inicial para o estado final, dada
uma poltica adotada. O valor de estado em um plano timo o
valor de estado timo.
Objetivo: determinar o plano timo, que resulta no melhor
retorno.
Para fins de exemplificao da terminologia considere o
problema clssico do viajante que tem como objetivo minimizar a
distncia percorrida para se deslocar de uma cidade de origem A para
outra cidade destino J, tendo de tomar decises de destinos
intermedirios a cada estgio, conforme ilustrado na figura 3.1. O
sistema, em geral, pode ser representado por ns de uma rede, que
representam os estados e cujos arcos representam as possveis
transies. Os nmeros associados a cada arco representam os retornos.
Os ns da rede so denotados pelas variveis de estado e estgio. De
uma forma geral, o i-simo estado do estgio n denotado por (n,i)
(Hastings, 1973).
Figura 3.1 O problema da viagem entre as cidades A e J.
2 E 2,1

B 3,1

2
4

3
5

H 1,1

4
A 4,1

2
6

4 C 3,2

F 2,2

0,1 J

8
3

3
4

D 3,3

2,3
4 G
2

I 1,2

Fonte: adaptado de Hastings (1973).

49

Associado a cada estado (n,i), existe um conjunto K n ,i de aes

viveis, denotado por K n ,i = 1,2,..., k ,..., k n ,i . Deste conjunto, caber

ao tomador de decises escolher a ao mais adequada, segundo um
critrio estabelecido. No caso do problema do viajante, o critrio o da
menor distncia. De acordo com a figura 3.1, portanto, ao se considerar
o estado (0,1), por exemplo, as aes viveis so viajar do ponto I ao
ponto J ou do ponto H ao ponto J.
Em geral, o sucessor de um estado determinado
por
uma
funo de transio t, que depende do estgio, estado corrente e da
deciso tomada e pode ser denotado por um funo t ( n, i, k ) .
Quando uma ao k escolhida em um estado (n,i), o retorno no
corrente estgio determinado por uma funo r (n, i, k ). O valor do
estado (n,i), sob uma poltica tima denotado por f ( n, i ) que a
funo do valor timo de cada estado.
3.2.2. Condies de validao de modelos
Considere um sistema que em um dado estgio passa do estado
(n,i) para o estado (n-1,j), sob a ao k, e gera o retorno r (n, i, k ).
Considere, ainda, que An um plano genrico que determina a
sequncia de aes k n , k n 1 ,..., k1 . Suponha que todo o processo tenha
m estgios, e que se deseja maximizar a funo de retornos dos estgios,
ou seja, que se deseja obter o mximo valor de f (m, i ) definido por:

f ( m , i ) = Max {r (m , i m , k m ),..., r (n , i n , k n ),..., r (1, i1 , k1 )}

(3.1)

An W

Onde W o conjunto de todos os possveis planos que iniciam no

estgio (m,i) e um funo particular para cada caso em questo. Para
que este mximo seja obtido preciso que as condies de
separabilidade e de otimalidade sejam satisfeitas. Tais condies sero
discutidas a seguir.

50

Condies de Separabilidade:
A condio de separabilidade, a qual permite a aplicao da
recursividade dado um determinado plano, tem o seguinte enunciado:
Para todo plano, o valor de cada estado pode ser
necessariamente calculado como uma funo de retorno do estgio
atual e do valor do estado subsequente.
Seja o valor do estado

(m, im )

sob um plano Am denotado por

f (m, im , Am ). Ento,
f ( m , i , Am ) = {r (m , i m , k m ),..., r (n , i n , k n ),..., r (1, i1 , k1 )}

(3.2)

Se a condio de separabilidade satisfeita, ento, para cada estado

(n, in ) e um dado plano An pode-se escrever a equao (3.2) na forma:

f (n, in , An ) = {r (n, in , k n ), f (n 1, in1 , An1 )}

(3.3)

onde,

{(

f (n 1, in1 , An 1 ) = r n 1, in1 , k n1 ,..., r (1, i1 , k1 )

(3.4)

Sendo e funes particulares de cada caso em questo.

A condio apresentada na equao (3.3) pode ser demonstrada
considerando-se que os retornos so descontados para um valor presente
por um fator de desconto para um estgio (perodo). Assim sendo, o
valor do estado (m,i) para um plano dado Am dado por:

f (m, im , Am ) = r (m, im , km ) + .r (m 1, im1km 1 ) + ... +

+ m n .r (n, in , kn ) + ... + m 1.r (1, i1 , k1 )

(3.4b)

f (m, im , Am ) = mn .r (n, in , k n )

(3.4c)

n =1

51

m 1

f (m, im , Am ) = 0 .r (m, im , k m ) + m n .r (n, in , k n )

(3.4d)

n =1
m 1

f (m, im , Am ) = r (m, im , k m ) + . mn1.r (n, in , k n )

(3.4e)

n =1

f (m, im , Am ) = r (m, im , k m ) + . f (m 1, im1 , Am1 )

(3.4f)

A equao (3.4f) da mesma forma que a equao (3.3), assim a

condio de separalidade satisfeita.
Condies de Otimalidade:
Considere o problema representado pela equao (3.1). A
condio de separabilidade requer que o valor de cada estado possa ser
calculado recursivamente para um dado plano. No processo interativo na
medida em que se calculam os valores de forma recursiva, se descartam
os subplanos no timos em cada estado. Para isto ser vlido, a seguinte
condio deve ser satisfeita:
Para cada estado e ao, o plano timo deve consistir de uma
determinada ao seguida do plano timo at o estado sucessor.
Esta condio conhecida na literatura como princpio de
Belmann (Belmann, 1957).
A seguir apresenta-se uma formulao algbrica da condio de
otimalidade. Pela condio de separabilidade tem-se, para cada plano A:

f (n, in , An ) = {r (n, in , k n ), f (n 1, in1 , An1 )}

(3.5)
Pode-se afirmar que um plano A consiste de uma ao k, seguida
de um plano A do estgio n-1, conforme expresso que segue:

An = k n + An1

(3.6)

Tem-se ento;

f n, in , An = f (n, in , k n + An 1 )

(3.7)
52

Seja An 1 um plano timo para o estado

(n 1, in1 ) ,

sucessor de

(n, in ) dado uma ao

k n . Dado que o problema seja de maximizao,

a condio de otimalidade requer que para cada estado (n, in ) , ao k n
e plano An 1 :

f n, in , k n + An*1 f n, in , k n + An1

(3.8)

A inequao (3.8) a sentena algbrica que garante a condio

de otimalidade para o caso de otimizao. Para o caso de minimizao,
basta trocar o sinal para .
Deste modo, as condies de separalidade e de otimalidade,
permitem incorporar ao modelo proposto nesta tese a interdependncia
de decises de investimentos tomadas ao longo do horizonte de
planejamento. A equao recursiva da Programao Dinmica ser
utilizada para o clculo do valor timo do investimento a cada perodo e
determinao do plano timo de decises, conforme ser apresentado na
seo 4.2.
3.3.

JOGOS DINMICOS COM INFORMAO COMPLETA

3.3.1. Introduo
Os conceitos bsicos da teoria dos jogos, necessrios para um
melhor entendimento desta seo, so apresentados no Apndice A deste
trabalho. Jogos dinmicos so jogos que ocorrem em vrios estgios, ou
perodos de tempo, e se quer determinar o retorno ao final do jogo, aps
vrios perodos jogados. Boa parte das aplicaes de teoria dos jogos em
economia requer esta estrutura de jogo dinmico, como no exemplo
clssico do jogo de duas empresas, uma entrante e a outra j operando
no mercado, conforme ilustrado no Apndice A. A literatura usa o
conceito de jogos na forma extensiva para modelar tais situaes
(Fudenberg e Tirole, 1991). Jogos de informao completa, por sua vez,
so jogos cujas aes dos concorrentes podem ser observadas a cada
estgio (Maskin e Tirole, 2001).

53

3.3.2. O Equilbrio de Nash de um jogo multiestgio

Os estgios de um jogo so frequentemente tratados na literatura
como perodos de tempo. Definem-se jogos multiestgio com aes
observadas como sendo uma situao de jogo onde: (a) os jogadores
conhecem as aes tomadas em todos os estgios 0, 1, 2,..., t-1 ao
escolherem suas aes no estgio t e (b) todos os jogadores se movem
simultaneamente em cada estgio t. Diz-se, portanto, que jogadores se
movem simultaneamente no estgio t se cada jogador escolhe sua ao
no estgio t sem conhecer a ao de outros jogadores neste mesmo
estgio.
Jogos simultneos incluem tambm jogos em movimentos
alternados, ou sequenciais, assumindo-se que os jogadores, exceto o
jogador que tomar a deciso, em um determinado estgio tm uma
nica possibilidade de escolha que a deciso de nada a fazer. O
jogador da vez, no entanto, tem mltiplas possibilidades. Por exemplo, o
jogo de Stackelberg (Sherali et al., 1983) tem dois estgios. No primeiro
estgio, o lder escolhe o nvel de produo e o seguidor nada faz. No
segundo estgio, o seguidor sabe o nvel de produo escolhido pelo
lder e escolhe o seu nvel de produo enquanto que o lder, por sua
vez, nada faz. O jogo de Cournot, por sua vez, detalhado mais adiante
neste captulo, um exemplo de jogo de um nico estgio onde todos os
jogadores escolhem suas aes de uma s vez e o jogo termina.
No primeiro estgio de um jogo multiestgio, todos os jogadores
i = {0,1,..., M } escolhem suas aes simultaneamente de um conjunto de

( ) . Uma dessas aes pode ser a

aes (ou estratgias) disponveis Ai h

ao de nada fazer. Seja h 0 = , o histrico de aes no incio do

jogo. Ao fim de cada estgio, todos os jogadores observam as aes
tomadas por todos os jogadores at aquele perodo.
Seja k 0 k10 ,..., k M0 , o perfil de aes (ou estratgias) do
estgio 0. No comeo do estgio 1, os jogadores conhecem o histrico
1
0
0
de aes h , que identificado por k , dado que h trivial. As
opes de aes disposio do jogador i no estgio 1 dependem do que
ocorreu antes. Por exemplo, se uma empresa tem uma sequncia de
projetos de expanso de capacidade sua disposio, os projetos
realizados saem de seu portflio de projetos a realizar.
t +1
De uma forma geral, seja h , a sequncia de aes dos perodos

( ) , as aes viveis do

anteriores, h t +1 = k 0 ,..., k t , seja ainda Ai h

t +1

54

t +1

jogador i no estgio t+1, quando o histrico h e, considerando-se

T+1 o nmero total de estgios no jogo, H T +1 , o conjunto de todos as
possveis sequncias de histrias do incio ao final do jogo.
Logo, diz-se que uma estratgia pura para o jogador i um plano
t
de como jogar em cada estgio t para uma possvel histria h .
Dado que H t o conjunto de todas as histrias possveis no
estgio t, e considerando que A (H t ) =
A (h t ) , uma estratgia pura do

h t H t

jogador i um mapa de sequncias

{s } onde cada s (h ) A (h )
t
i

t =0

t
i

para todo h . A sequncia de aes geradas por um perfil de tais

estratgias assim definida: no estgio t=0 as aes so a 0 = s 0 ( h 0 ) ,
1

( ), as aes no estgio 2 so

no estgio t=1 as aes so a = s a

a 2 = s 2 (a 0 , a1 ) e assim por diante. Tal sequncia chamada o

caminho do perfil da estratgia. O retorno de cada jogador
T +1
. Na maioria das aplicaes,
representado pela funo z i : H
as funes de retorno de cada jogador uma mdia ponderada dos
retornos de cada estgio.
Dado que se pode associar um resultado em H T +1 para cada
perfil de estratgia e um vetor de retornos para cada resultado, pode-se
obter o retorno para qualquer perfil de estratgia. Representa-se o vetor
de retornos como z (s ) , sendo s o perfil da estratgia.
Um equilbrio Nash neste contexto apenas um perfil de
estratgia s tal que nenhum jogador i pode melhorar seu retorno com
uma estratgia diferente, ou seja,

z i si* , s *i z i si , s *i ,

para todo si

(3.9)

3.3.3. Jogos Sequenciais e a programao dinmica reversa

Em um jogo de dois jogadores, onde o jogador 1 se move antes
do jogador 2, simples identificar a deciso tima do jogador 2 dado
que a deciso do primeiro conhecida. Isto permite que se resolva o
equilbrio identificando a deciso tima do jogador 2, no perodo
seguinte, para cada possvel escolha do jogador 1 e, ento, de forma
reversa se determine a escolha tima do jogador 1. Este algoritmo pode
55

ser aplicado para outros jogos onde um nico jogador move-se a cada
perodo.
Diz-se que um jogo multiestgio tem informao perfeita se, para
t
cada estgio e histria h , exatamente um jogador tem um conjunto de
opes, com pelo menos mais de um elemento sua disposio, e o
resto dos jogadores tem apenas uma opo que nada a fazer. Um
exemplo simples deste jogo seria um jogo onde o jogador 1 se move nos
estgios 0,2,4,... e o jogador 2 se move nos estgios 1,3,5, ... . De forma
geral, diz-se que so jogos em que alguns jogadores podem se mover
por diversas vezes em uma fila, e que o movimento no estgio t depende
da histria anterior do jogador. Ou seja, somente um jogador move-se a
cada estgio t. Cada jogador conhece as escolhas passadas de todos os
outros jogadores rivais, isto significa que o nico jogador que se move
no estgio t perfeitamente informado de todos os aspectos do jogo
exceto daquilo que ocorrer no futuro.
A Programao Dinmica pode ser aplicada em jogos finitos de
informao perfeita, onde finito significa que o nmero de estgios
finito e o nmero de aes possveis em qualquer estgio tambm
finito. O algoritmo inicia determinando as escolhas timas no ltimo
T
estgio T para cada histria h , ou seja, a ao do jogador da vez, dada
T

a histria h , que maximiza o retorno do jogador condicionado

T

histria h . Assim, repete-se a operao para o estgio K-1 e

determina-se a ao tima para o jogador que se move neste estgio,
dada a ao escolhida para o estgio K. O algoritmo segue
retroativamente at o estgio 0. Neste ponto, tem-se um perfil de
estratgia e este perfil um equilbrio de Nash (Furdenberg e Tirole,
1991, pag. 72).
3.3.4. Equilbrio de Nash perfeito em subjogo
Um subjogo parte de um jogo, porm, tem algumas
caractersticas particulares, conforme seguem.
(a) Inicia com um conjunto de informao que contm apenas um n
de deciso.
(b) Contm todos os ns de deciso e ns terminais que seguem
aquele n de deciso, mas no contm os ns de deciso ou ns
terminais que no esto na mesma sequncia daquele n de
deciso.
56

(c) Um subjogo no pode conter apenas parte de um conjunto de

informao. Ou seja, se o conjunto de informao tiver mais de
um n de deciso, o subjogo dever conter todos estes ns de
deciso deste conjunto de informao.
Tecnicamente, o jogo inteiro um subjogo, porm, algumas
vezes se quer focar em subjogos que no so o jogo inteiro. Um subjogo
que no o jogo inteiro chama-se de subjogo prprio. Se existem x
subjogos prprios em um jogo particular, existiro x+1 subjogos,
incluindo o subjogo inteiro.
A idia por trs do conceito de subjogo perfeito identificar o
menor, ou o ltimo subjogo que contenha ns terminais. O menor
subjogo no deve conter outros subjogos.
No jogo do incumbente e o entrante, por exemplo, ilustrado no
apndice A (fig. A.1), existe um nico subjogo prprio, ou seja, aquele
jogo que inicia no n de deciso do incumbente. Neste n de deciso, o
incumbente (segundo nvel da rvore) deve escolher entre lutar ou se
acomodar.
O incumbente sempre escolher a deciso se acomodar por que
este implica em um retorno maior que o retorno associado com a deciso
lutar. Assim sendo, a estratgia lutar eliminada do conjunto de
solues viveis. Dado que o jogo de informao perfeita, o entrante
sabe que o incumbente nunca escolher a estratgia lutar quando este
for forado a tomar uma deciso. Ento o entrante pode remover o ramo
da rvore referente deciso de lutar.
Segue-se ento no exemplo para o prximo subjogo, que o jogo
que inicia no n inicial. Se o entrante escolher permanecer de fora ele
ganhar um retorno de valor 0. Se o entrante escolher entrar ele sabe
que ter um retorno de valor 2, porque o entrante sabe que o incumbente
nunca escolher a estratgia lutar. O entrante ento escolher a
estratgia entrar no n inicial, dado que o retorno maior. Desta
forma, o equilbrio (entrar, se acomodar) o nico resultante deste
processo de refinamento de Nash atravs de subjogo perfeito.
Enquanto todo equilbrio perfeito em subjogo um equilbrio de
Nash, nem todo equilbrio de Nash um equilbrio perfeito em subjogo.
Observa-se que a definio de um subjogo perfeito implica que
todo o jogador age de forma tima a cada subjogo. Logo, no exemplo
citado, o equilbrio representado pelas decises (ficar de fora, lutar)
no um equilbrio perfeito em subjogo porque o incumbente ao
escolher lutar no est respondendo de forma tima.
57

O subjogo perfeito elimina ameaas no crveis, o que equivale

deciso de lutar para o incumbente. A nica maneira do incumbente
manter o entrante fora do jogo ameaar lutar, mas uma vez o
entrante decidindo entrar no jogo, o incumbente desiste desta ameaa,
logo a deciso de lutar , neste jogo, uma escolha no crvel.
Definio 3.1 Um equilbrio de Nash um equilbrio perfeito
em subjogo se as estratgias dos jogadores constituem um equilbrio de
Nash em todo subjogo.
Conforme mostrado em Fudenberg e Tirole (1991), todo o jogo
finito de informao perfeita tem um equilbrio de Nash perfeito em
subjogo cuja soluo pode ser obtida por induo reversa. Portanto, se
nenhum jogador tem o mesmo retorno em qualquer dos ns terminais,
existir uma nica soluo para o equilbrio perfeito de Nash em
subjogo e que pode ser determinada por programao dinmica
reversa. O referido postulado apresenta dois aspectos fundamentais.
Primeiro o jogo tem que ser finito, onde finito significa que o nmero
de perodos finito e o nmero de aes possveis em cada perodo
tambm finito. Segundo, o jogo tem que ser de informao perfeita,
implicando que no existe nenhum conjunto de informao com
mltiplos ns de deciso. Se tais condies so cumpridas ento se sabe
que existe ao menos um equilbrio perfeito de Nash em subjogo. No
modelo proposto no captulo 4 ser utilizado tais aspectos fundamentais
para garantir a unicidade da soluo.
Em jogos estocsticos, a varivel de estado seguindo um processo
estocstico (como por exemplo, o preo de uma commodity ou, no caso
do modelo proposto nesta tese, a sequncia aleatria em que os
jogadores se alternam na tomada de deciso), aumenta o problema de
multiplicidade de equilbrios. Assim sendo, usualmente utilizado na
anlise de tais jogos um tipo de equilbrio chamado de equilbrio de
Markov (Dias, 2005). Equilbrios de Markov so tambm perfeitos em
subjogos, chamados de equilbrios perfeito de Markov (EPM), como
ser visto a seguir.
3.4.

EQUILBRIO PERFEITO DE MARKOV (EPM)

Vrios exemplos de jogos dinmicos, cujos conceitos foram

apresentados na seo 3.3, podem ser enquadrados na categoria de jogos
repetidos, onde o ambiente fsico o mesmo em todo perodo. Jogos
repetidos uma classe de jogos dinmicos nos quais os jogadores
58

enfrentam um jogo a cada perodo e o retorno dos jogadores ao final do

horizonte de tempo uma mdia ponderada dos retornos em cada
estgio. Dado que em jogos repetidos as aes passadas no influenciam
no conjunto de aes viveis ou no valor presente da funo de retorno
das estratgias, este tipo de jogo no pode ser utilizado para modelar
fenmenos importantes da vida real tais como investimentos em
instalaes.
Ser apresentada nesta seo, uma classe de jogos onde o passado
tem uma influncia direta sobre as escolhas atuais, como por exemplo,
ao se determinar o nvel de capacidade instalada de uma fbrica. Tais
ambientes podem ser modelados como jogos de tempo discreto, que o
foco do problema desta pesquisa, ou jogos de tempo contnuo,
chamados tambm na literatura de jogos diferenciais (Fudenberg e
Tirole, 1991). Estes jogos consideram o que se chama de estratgias
Markovianas, onde o passado influencia o jogo presente somente atravs
de seu impacto sobre uma varivel de estado que incorpora todo o efeito
do passado em seu valor presente.
Na teoria dos jogos, o conceito de EPM, um refinamento do
equilbrio de Nash, bastante popular entre pesquisadores, em funo
basicamente de trs razes. Em primeiro lugar, o EPM em geral eficaz
em eliminar ou reduzir um grande nmero de equilbrios em jogos
dinmicos, assim, aumentando o poder de previso do modelo. As
variveis no relevantes para o comportamento estratgico do jogador
no so levadas em considerao. Em segundo lugar, as estratgias de
Markov reduzem substancialmente o nmero de parmetros a serem
estimados em modelos economtricos. Finalmente, modelos
Markovianos podem facilmente serem simulados.
3.4.1. Definio e Existncia de um EPM
Em um jogo estocstico a histria em cada estgio pode ser
sumarizada por um estado, por exemplo, o nvel de capacidade de uma
fbrica. O retorno do estgio atual depende deste estado e de aes
presentes, por exemplo, de investimentos em expanso de capacidade. O
estado segue um processo de Markov, pois existe uma distribuio de
probabilidade, p ( n, i, j , k ) , em cada estgio n, que descreve as chances
do sistema evoluir para o estado j, dado que se encontra no estado i do
estgio n, e que foi tomada a deciso k. Esta probabilidade de deciso
no depende da histria passada. De fato, cada decisor ir observar o
estado atual e tomar sua deciso. O estado futuro depender, portanto,
59

do estado atual e da ao tomada naquele estgio, independente de

decises tomadas no passado.
O EPM pode ser definido, de acordo com Maskin e Tirole (2001),
como um jogo multiestgio com aes observadas (informao
completa), conforme apresentado na seo 3.3. Existem T perodos
(t=1...,T) onde T finito ou infinito. Na data t, o jogador i
= (1,..., M ) conhece o histrico de aes escolhidas at o perodo t-1,

h t = (a 0 ,..., a t 1 ) , onde a t = (a1t ,...a Mt ) , e escolhe uma ao ait em

t
um conjunto finito de aes Ai ( h ) . Seja H o conjunto de todas as
t

possveis histrias do perodo t. Seja, tambm, g t um vetor com a ao

do perodo atual e com as aes dos perodos futuros, ou seja,
10
g t = (at ,..., aT ). As preferncias do jogador i so representadas pela
funo utilidade z i ( a ) = z i ( h , g ) .
t

Uma estratgia si para o jogador i uma funo que, para todo t e

t

cada histria h H , associa uma distribuio de probabilidade ao

espao de aes Ai ( h ) , ou seja, si ( h ) ( Ai ( h )) , onde ( X )
t

o conjunto de distribuio de probabilidades do conjunto X. Seja S i o

t

conjunto de estratgias para o jogador i. Dado t e h H , seja

S it (h t ) o conjunto de estratgias de continuao, ou seja, no subjogo do

t

perodo T-t+1, que se inicia depois de h . Denota-se o vetor de

estratgias dos jogadores rivais de i, como sendo s i e o vetor de todas
as estratgias como sendo s = ( si , s i ) .
Dado o vetor de estratgia s, o valor esperado da funo utilidade
z i ( s ) E a ( z i ( a ) | s ) . A utilidade esperada condicionada a histria

h t dada por,
vi ( s | h t ) E g t ( z i (h t , g t ) | s ) .

(3.10)

10

Assume-se que os jogadores tm preferncias Newmann-Morgenstern em

relao s suas decises. Ver Cusinato (2003), captulo 2, para um maior
detalhamento sobre os axiomas de Newmann-Morgenstern.

60

Ou seja, o valor de vi ( s | h ) o retorno esperado do jogador i,

t

aps a histria h , dado que os jogadores se comportam conforme a

estratgia s.
Um equilbrio perfeito em subjogo um vetor de estratgias s que
forma um equilbrio de Nash aps qualquer histria. Ou seja, para todo
t
t
t, h H , e i,

vi ( si* , s *i | h t ) vi ( si , s *i | h t ) , para qualquer si .

(3.11)

O equilbrio perfeito em subjogo refina o equilbrio de Nash por

eliminar as estratgias correspondentes s ameaas vazias ou no
crveis.
Teorema 3.1 Existncia de um EPM11
Supe-se que T < , ou que T = e as funes objetivo so
contnuas infinitamente12. Ento existe um EPM.
Para classes de jogos com horizonte finito a prova da existncia
de um EPM direta. Seja, t = (1,...T), onde T < . Na data T,
selecione um equilbrio de Nash que o mesmo para todas as histrias
h T no conjunto de histrias de mesmo retorno H t (h t ) , dado que para
todas as histrias com o mesmo retorno, os subjogos de ltimo perodo
so estrategicamente equivalentes e os conjuntos de equilbrio de Nash
so os mesmos. Retroativamente, o subjogo em T-1 torna-se um jogo de
um s perodo e pode-se selecionar um equilbrio de Nash que dependa
somente de H T 1 ( h T 1 ) e assim por diante, por induo reversa,
conforme visto na seo anterior.
Para uma classe mais geral de jogos como caracterizado nesta
seo, o EPM permite estratgias mistas13. No entanto, para a classe de

11

Este teorema est demonstrado em Fudenberg e Tirole (1991, pag. 504).

O valor presente descontado de retornos por perodo contnuo infinitamente
se o fator de desconto menor que 1 e se os retornos por perodo so limitados
uniformemente.
13
Quando uma soluo EPM envolve estratgia mista significa que ao menos
uma empresa no se decide por uma deciso pura, por exemplo, um nico
investimento, mas por entre vrias decises, cada qual associada a uma
12

61

jogos finitos e de informao perfeita existe um EPM com estratgias

puras e a prova tambm direta (Fudenberg e Tirole, 1991).
O conceito de Equilbrio Perfeito de Markov ser utilizado na
formulao do modelo proposto nesta tese, no captulo 4.
3.5.

EQUILBRIO ESPACIAL DE MERCADOS

3.5.1. Introduo
Na seo anterior, foram apresentados os conceitos de equilbrio
em jogos dinmicos com informao perfeita, que sero utilizados para
fundamentar o jogo de longo prazo do modelo a ser apresentado no
capitulo 4. Nesta seo sero apresentados os conceitos para obteno
de um equilbrio de um jogo de curto prazo, no qual, dadas as
capacidades de cada empresa, as empresas competem entre si pelo nvel
de produo escolhido. Tais conceitos consideram o atendimento a
vrios mercados, distribudos espacialmente e com estruturas de
competitividade variadas, ou seja, podendo ser monoplio, oligoplio ou
competio perfeita.
Conforme afirmam Pindyck e Rubinfeld (2010), uma empresa
precisa saber quais os limites de seu mercado, ou seja, quem so os reais
e potenciais competidores para os seus produtos, os produtos oferecidos
e os limites geogrficos deste mercado, a fim de fixar preos, determinar
verbas de publicidade e tomar decises de investimentos.
Em relao aos limites geogrficos, o mercado de alguns
produtos se restringe a uma fronteira geogrfica bastante restrita. Um
cidado que deseja comprar um produto em um mercado, dificilmente se
deslocar para outro mercado remoto para efetuar a transao em funo
dos custos de transporte. Alguns mercados so bastante restritos
geograficamente, como o caso do mercado imobilirio. A maioria das
pessoas que trabalham no centro de uma cidade, procurar moradia a
uma distncia compatvel com o seu deslocamento dirio para o seu
local de trabalho. Por sua vez, o mercado varejista de combustveis
veiculares menos limitado em termos geogrficos, porm tal mercado
ainda bastante regionalizado em funo dos custos de transporte.
Alguns produtos, por outro lado, so comprados e vendidos no
mercado mundial. A possibilidade de arbitragem comprar a um preo
baixo em uma localidade e vender a um preo mais alto em outra
probabilidade. A soma das probabilidades igual a 1 (Fudenberg e Tirole,
1991).

62

impede o surgimento de diferenas significativas entre os mercados e os

custos do transporte podem ser relativamente baixos em relao ao seu
valor, como o caso do mercado do ouro.
A curva da oferta descreve a quantidade de mercadoria que os
produtores esto dispostos a vender a um determinado preo, mantendose constante todas as outras variveis que possam afetar a quantidade.
Pode-se escrever esta relao entre a quantidade demandada e os preos
atravs da seguinte equao:

S = S ( P)
A figura 3.2 ilustra a curva de oferta, apresentando no eixo
vertical do grfico o preo da mercadoria e no eixo horizontal a
quantidade total ofertada.
Figura 3.2 A Curva da Oferta.

Fonte: adaptado de Pindyck e Rubinfeld (2010).

Conforme pode ser observado na figura 3.2, a curva de oferta S,

ascendente, porque quanto mais alto for o preo, maior ser a
capacidade e o desejo das empresas em produzir e vender. Se o custo de
produo cai, por exemplo, a empresa poder produzir uma mesma
quantidade por um preo menor ou poder produzir uma quantidade
maior pelo mesmo preo. Ou seja, a curva de oferta S de desloca para a
direita, representada pela curva S, de menor custo de produo
(Pindyck e Rubinfeld, 2010). Existem outras variveis que afetam a
quantidade ofertada, alm do preo. Os custos de produo, os custos de
63

matria prima e os custos de transportes so exemplos de variveis que

afetam a curva de oferta, fazendo-a deslocar-se.
A curva da demanda, por sua vez, descreve a quantidade que os
consumidores desejam comprar medida que muda o preo unitrio.
Pode-se escrever esta relao entre a quantidade demandada e os preos
atravs da seguinte equao:

D = D( P )
A figura 3.3 ilustra a curva de demanda, apresentando no eixo
vertical do grfico o preo da mercadoria e no eixo horizontal a
quantidade total demandada.
Figura 3.3 A Curva da Demanda.
Preo

P2

P1

Q1

Q2

Quantidade

Fonte: adaptado de Pindyck e Rubinfeld (2010).

Como se pode observar, a curva de demanda descendente, ou

seja, na medida em que aumentam os preos, menor ser a quantidade
de consumidores que estaro dispostos a consumir o produto, e
consequentemente menor ser a quantidade demandada. A quantidade
demandada pode tambm ser afetada por outras variveis tais como a
renda, os preos de outros bens ou at o clima. Para muitos produtos, se
a renda aumenta, por exemplo, a quantidade demandada aumenta,
fazendo a curva de demanda, D, se deslocar para a direita, se traduzindo
em uma nova curva D.
64

Considerando que o nvel de produo de uma empresa seja q, o

preo do produto seja P e que o custo de produo, C, tambm depende
do nvel de produo, o lucro da empresa , a diferena entre receita
e custo:

(q) = R(q ) C (q)

(3.12)

Onde, R ( q ) = q * P .
Para maximizar o lucro, a empresa escolhe o nvel de produo
para o qual a diferena entre receita e custo seja mxima. A curva da
receita, R (q ) , uma linha que reflete o fato de que a empresa s
consegue vender um volume maior de produto reduzindo o preo. A
inclinao dessa curva a receita marginal, RMg, a qual a receita
adicional que a empresa obtm quando o nvel de produo aumenta em
uma unidade. Por sua vez, a inclinao da curva de custo total o custo
marginal, CMg, que mede o custo adicional de produo de uma
unidade a mais do produto. O custo total maior que zero quando no
h produo porque existem custos fixos no curto prazo.
Para obteno do volume de produo que gera o lucro mximo,
deriva-se a equao (3.12) pela quantidade produzida e iguala-se a zero:

d / dq = dR(q ) / dq dC (q ) / dq = 0

(3.13)

Onde, dR ( q ) / dq a receita marginal, RMg , e dC ( q ) / dq o custo

marginal, CMg. Assim sendo, pode-se concluir que o lucro
maximizado quando: RMg(q) = CMg(q).
Um sistema est em equilbrio quando as variveis de estado que
o descrevem no se modificam ao longo do tempo. Um sistema
permanece em equilbrio quando no existem foras atuantes que
modificam as variveis de estado deste sistema (Nagurney, 1999). As
variveis de estado que caracterizam o mercado so em geral as
seguintes: preos, quantidades produzidas, quantidades transportadas e
quantidades consumidas.
O equilbrio de mercado depender da estrutura de mercado em
que o produto est inserido e como esto distribudos geograficamente
os produtores e consumidores. Em um mercado perfeitamente
competitivo, o grande nmero de vendedores e compradores garante que
nenhum vendedor ou comprador em particular possa influenciar o preo.
65

De fato, nestes mercados, espera-se que todos os ofertantes e

demandantes sejam tomadores de preos, de forma que nenhum deles se
sinta capaz sozinho, ou em conjunto com outros, de alterar os preos
praticados no mercado. Uma estrutura de mercado dita de
concorrncia imperfeita quando os agentes envolvidos no so
tomadores de preos, ou seja, conseguem afetar os preos de mercado
propositalmente com suas aes, como o caso do monoplio, em que
existe um nico ofertante no mercado. Pelo lado da oferta, entre a
concorrncia perfeita e o monoplio encontram-se duas outras estruturas
de mercado tpicas: a concorrncia monopolstica e os oligoplios
(Krugman e Obstfeld, 1999).
Pode-se eventualmente assumir que o mercado local, e que no
h distncias significativas separando o produtor do consumidor,
portanto, no havendo que considerar quantidades transportadas. Porm,
quando se reconhece a importncia da distncia geogrfica entre os
agentes produtores e consumidores e o custo de transporte associado
com a movimentao dos produtos at a regio de consumo,
necessrio considerar um modelo de equilbrio espacial.
Nas sees 3.5.2, 3.5.3 e 3.5.4 sero apresentadas conceitos
relativos s estruturas de mercado de competio perfeita, monoplio e
oligoplio, respectivamente. Formulam-se os modelos, a seguir,
considerando-se, inicialmente, um mercado nico, centralizado, ou seja,
sem espacialidade.
3.5.2. Equilbrio na Concorrncia perfeita
Em um mercado perfeitamente competitivo, o grande nmero de
produtores e consumidores de um produto garante que nenhum produtor
ou consumidor em particular pode influenciar o preo. Quando o
produtor e o consumidor disputam um preo em um mercado local, sem
que exista limites de capacidade de produo, a curva de preo do
consumidor pode ser interpretada como sendo a funo que determina o
preo unitrio mximo que os consumidores esto dispostos a pagar,
para um determinado nvel de consumo. A curva de preo do produtor,
por outro lado, identifica o preo unitrio mnimo que os produtores
esto dispostos a cobrar, para certo nvel de produo. A condio de
estabilidade obtida no ponto de equilbrio, ou seja, quando para um
dado nvel de preo observam-se quantidades ofertadas e demandadas
iguais, conforme ilustrado na figura 3.4. Portanto, para um determinado
preo praticado no mercado, abaixo do preo de equilbrio, existir uma
quantidade ofertada por produtores menor que a quantidade demandada
66

pelos consumidores. Esta situao caracteriza a escassez de produto no

mercado, o que acarreta um aumento no preo. Por outro lado, estando o
preo do produto acima do preo de equilbrio haver uma quantidade
demandada menor que a ofertada, causando um excesso de oferta no
mercado, provocando uma reduo no preo.
Figura 3.4 Ponto de equilbrio para um produto em um mercado
local.

Fonte: adaptado de Pindyck e Rubinfeld, 2010.

Este mecanismo faz com que o equilbrio seja alcanado em um

preo de mercado no qual o mximo que o consumidor est disposto a
pagar corresponde ao mnimo que o produtor est disposto a receber por
uma unidade marginal produzida.
A rea da figura 3.4 em destaque, compreendida entre as curvas
de preo do consumidor e do produtor, para uma determinada
quantidade corresponde ao excedente da sociedade, que representa a
economia obtida por produtores e consumidores no mercado em
questo. No ponto de equilbrio, o excedente da sociedade mximo.
Este excedente divide-se entre excedente do produtor e excedente do
consumidor. O excedente do consumidor o benefcio total que os
consumidores recebem ao adquirir um produto no mercado e
representado pela rea situada entre a curva da demanda e a linha de
67

preo do mercado. Sob a perspectiva individual do consumidor a

diferena entre o preo que um consumidor estaria disposto a pagar por
uma mercadoria e o preo que realmente paga. O excedente do produtor
uma medida anloga do excedente do consumidor, porm referente
aos produtores, e representado pela rea situada acima da curva da
oferta at a linha de preo de mercado.
Na viso clssica da empresa, o seu acionista est preocupado
com a maximizao do valor presente dos fluxos econmicos que
incorrem ao longo do tempo. Isto significa que o total dos fluxos atuais
e futuros incorridos na operao precisam ser levados em conta por
ocasio das decises de uma expanso de capacidade ou de produo.
Representando por Rt ( qt ) as receitas totais esperadas para o perodo t,
por Ct ( qt ) os custos econmicos incorridos em t para a obteno de tais
receitas, e considerando uma taxa de juros constante e igual a r por
perodo, o problema da empresa seria escolher a produo que
maximizasse o valor presente da empresa, VP, dado pela equao a
seguir.
T

max VP =
q

t =0

Rt (qt ) Ct (qt )
(1 + r ) t

(3.14)

A equao (3.14) traduz um objetivo importante da empresa que

maximizar o seu valor presente. No captulo 4 deste trabalho volta-se a
discutir esta equao ao se desenvolver o modelo do problema central
desta pesquisa. Por enquanto, para introduzir o conceito de equilbrio
espacial em mercados competitivos considera-se o problema com um
nico perodo.
3.5.3. Equilbrio no Monoplio
Em um mercado perfeitamente competitivo, o grande nmero de
produtores e consumidores de um produto impede que algum deles
possa influenciar o preo. O preo determinado pelas foras do
mercado da oferta e da demanda. A suposio da competio perfeita,
porm, uma premissa muito forte na anlise de movimento de certas
mercadorias. O monoplio se situa no extremo oposto da competio
perfeita, na perspectiva do comportamento econmico. Esta situao
verifica-se, em geral, em setores de atividades sempre que existe apenas
um produtor e muitos compradores. Como o monopolista o nico
68

produtor do mercado, a curva de demanda da empresa a prpria curva

de demanda do mercado, a qual relaciona o preo recebido pelo
monopolista com a quantidade vendida no mercado. Em geral, em um
mercado monopolizado, a quantidade ofertada ser menor e o preo
maior quando comparado com um mercado competitivo. O monopolista
o prprio mercado e controla totalmente a quantidade de produto a ser
colocado venda. Ele pode influenciar o preo e tende a operar com um
preo mais elevado que o custo marginal. Entretanto, o monopolista
nem sempre consegue cobrar o preo que deseja pelo produto. O
problema tpico de uma empresa monopolista o de encontrar a
quantidade tima a ser produzida, que maximiza seus lucros,
conhecendo-se a curva de demanda do mercado e os seus prprios
custos de produo (Pindyck e Rubinfeld, 2010). Para tal, o monopolista
precisa encontrar a quantidade produzida que faz com que suas receitas
marginais se igualem aos custos marginais, conforme ilustrado
graficamente na figura 3.5.

Preo/Custo

Figura 3.5 Quantidade tima de um monopolista.

CMg

pe

CMe

Lucro do Produtor

C(q)

CMe
D(q)

RMg

qe

Quantidade

Fonte: adaptado de Pindyck e Rubinfeld, 2010.

Na figura 3.5, a curva de demanda D(q ) , que a prpria curva de

receita mdia do monopolista, identifica o preo unitrio a ser recebido
pela empresa em funo do seu nvel de produo. So tambm
apresentadas as correspondentes curvas do custo marginal, CMg, e da
receita marginal, RMg. A interseco dessas duas curvas determina a
quantidade tima, ou seja, o equilbrio do monopolista. Determinada a
69

quantidade tima, encontrado o preo timo que dever ser adotado

pelo monopolista, sempre superior ao custo marginal. A quantidade qe e
o preo pe maximizaro o lucro do produtor.
Graficamente, o lucro do produtor a rea do retngulo em
destaque com altura ( pe -CMe) e largura qe , sendo CMe o custo mdio
de produo da empresa. Algebricamente podemos expressar o objetivo
de maximizao do excedente do produtor pela equao que segue:
qe

Max

z = qe D(qe ) S (q)dq

(3.15)

Onde S (q) a curva inversa de oferta do produtor, ou seja, o custo

marginal de produo.
3.5.4. Equilbrio no Oligoplio
O oligoplio se caracteriza por um mercado no qual apenas
algumas empresas competem entre si e barreiras entrada tornam difcil
ou impossvel que novas empresas entrem na competio. (Pindyck e
Rubinfeld, 2010). A administrao de uma empresa inserida no contexto
oligopolista complexa. As decises com relao a preo, produo,
investimentos e propaganda, por exemplo, envolvem consideraes
estratgicas a respeito de seus competidores. As empresas
frequentemente tomam decises por razes estratgicas. O que distingue
decises estratgicas de outros tipos de decises que tais aes so
tomadas em um contexto no qual as empresas devem levar em
considerao a reao de outros jogadores e o seu potencial impacto,
positivo ou negativo.
A antecipao da resposta de um competidor um elemento essencial na
elaborao de uma estratgia competitiva (Smit e Trigeorgis, 2004).

Durante o processo de tomada de deciso, cada empresa deve

considerar as reaes dos concorrentes, ciente do fato de que as
empresas impactadas tambm consideraro as reaes de seus
concorrentes em relao s suas decises. Um dos primeiros estudos
sobre competio oligopolista foi desenvolvido por Augustin Cournot
(Cournot, 1838, apud Nagurney, 1999). No modelo de competio de
Cournot as empresas decidem o seu nvel de produo ou de sua
capacidade. A demanda do consumidor no mercado determina o
70

preo. Cournot desenvolveu o modelo para explicar como as empresas

em uma estrutura de duoplio, ou seja, um oligoplio com duas
empresas no mercado, decidem sobre suas capacidades de forma a
maximizar seus lucros.
Equilbrio de Cournot-Nash
Para exemplificar o modelo de Cournot, base fundamental para a
modelagem do problema desta pesquisa a ser apresentado no prximo
captulo, considere a competio de duas empresas, a e b, que ainda no
iniciaram a sua operao e esto prestes a comercializar um produto de
tecnologia emergente (exemplo adaptado de Smit & Trigeorgis, 2004).
Supe-se que as duas empresas hightech entraro no mercado
simultaneamente. Em funo de custos marginais serem baixos,
rentvel produzir o produto com uma alta taxa de utilizao da
capacidade. Desta forma, com que capacidades as empresas deveriam
iniciar suas respectivas operaes? A deciso estratgica para cada
empresa a capacidade, qi , que oferecida ao mercado, sendo i

{a, b} . O preo uma consequncia da curva de demanda e da oferta

do produto. O preo de mercado suficiente para comercializar toda a
oferta dos produtores p. Assim sendo, supe-se que a curva da funo
inversa de demanda dada pela equao:

p = A (qa + qb )
Onde A o intercepto da curva.
A escolha estratgica de cada empresa , portanto, a deciso de
sua capacidade. Se uma das empresas aumenta sua produo, isto
implicaria na reduo do preo de equilbrio de mercado e afetaria
tambm o lucro do competidor. Supe-se, tambm, que o intercepto da
curva inversa da demanda, representado pelo parmetro A 17,5, o
custo varivel unitrio, c, de ambas as empresas $5 e o custo varivel
total dado por: C (qi ) = cqi . Os custos variveis totais esto
crescendo com o nvel de produo qi . Quanto deveria ser o nvel de
produo de cada uma das empresas? O valor bruto do projeto, Vi , e o
valor presente lquido, VPLi , da empresa i pode ser determinado pelo
valor presente do fluxo de caixa do projeto. A capacidade de cada
71

empresa para produzir o produto de tecnologia emergente depender do

nvel de produo que maximizar o seu valor presente lquido. O lucro
de cada empresa depende de sua produo e da produo de seu
competidor e dado por:

z i (qa , qb ) = pqi C (qi ) = [17,5 (qa + qb )]qi 5qi

Cada empresa age como se fosse um monopolista diante de uma
funo inversa da demanda em que a produo de seu competidor
considerada dada, conforme segue: p = (17,5 q j ) qi .
O quadro 3.1 mostra os lucros da empresa a (Quadro A) e os
lucros da empresa b (Quadro B), respectivamente, como uma funo da
produo da empresa e de seu competidor. A primeira linha do Quadro
A representa os nveis possveis de produo da empresa a. A primeira
coluna do Quadro A, representa os nveis possveis de produo da
empresa b. A interseco de uma coluna com uma linha do Quadro A
representa o lucro da empresa a para aqueles nveis de produo.
Raciocnio equivalente assume-se para o Quadro B, que apresenta
os lucros da empresa b, para dados nveis de produo das empresas a e
b. Portanto, para cada nvel de produo do competidor j, a empresa i
{a, b} determina qual dever ser o seu nvel de produo de modo a
maximizar seu lucro.
Por exemplo, dado que a empresa a produz duas unidades, a
empresa b dever produzir 5 unidades para maximizar seu lucro,
correspondente produo que maximiza o seu lucro, e este raciocnio
se repete para todas as possveis escolhas de produo que o competidor
vier a fazer.

72

Quadro 3.1 - Lucros da empresa a e empresa b sob competio

Cournot.

Nveis de Produo Empresa b

Quadro A Lucros da empresa a

Nveis de Produo Empresa a

Nveis de Produo Empresa b

Quadro B Lucros da empresa b

Nveis de Produo Empresa a

Fonte: adaptado de Smit e Trigeorgis, 2004.

Assim sendo, a curva de reao apresenta a quantidade tima a

ser produzida por uma empresa para cada nvel de produo de seu
competidor. A figura 3.6 ilustra as curvas de reao das empresas a e b.
Observa-se que em uma competio por capacidade as curvas de
reao tm inclinao negativa. Caso uma empresa reduza a sua
quantidade produzida, a outra empresa aumentar a sua produo de
modo a maximizar seu lucro.

73

Figura 3.6 Curvas de Reao das empresas a e b.

10

Produo - empresa b

9
8
7
6
5
4
3
2
1
0
0

4
6
Produo - empresa a

Curva de reao - empresa a

10

Curva de reao - empresa b

Fonte: Smith e Trigeorgis (2004).

Sob informao perfeita, cada empresa conhece a curva de reao

do seu concorrente e sabe que o concorrente tambm conhece a sua
prpria curva de reao. Portanto, uma empresa escolher um nvel de
produo que maximiza seu lucro dado o nvel de produo escolhido
pelo seu competidor, resultando em um equilbrio na interseco das
duas curvas. No exemplo ilustrado pela figura 3.6, ambas as empresas
produziro quatro unidades. O preo de mercado ser $9,5 de modo que
cada empresa lucrar $18. Este equilbrio constitui um equilbrio de
Cournot, tambm chamado de equilbrio de Cournot-Nash.
Nash generalizou o conceito de Cournot para o caso de n
jogadores, cada um agindo em favor do seu prprio interesse, o que
chamou de jogo no cooperativo (Smit e Trigeorgis, 2004). Em outras
palavras, Nash afirmou que uma empresa estar fazendo o melhor que
pode em funo do que os seus oponentes estejam fazendo. Por outro
lado, os concorrentes faro o melhor que podem em funo do que a
prpria empresa esteja fazendo. Pode-se ilustrar no exemplo da tabela
3.1 porque Nash chama tais interaes entre empresas de jogos no
cooperativos. A produo total de oito unidades resultante do equilbrio
no a produo tima sob o ponto de vista do lucro mximo da
indstria. Presses competitivas impedem que as empresas maximizem
os seus lucros de forma conjunta e as duas empresas abrem mo de parte
de seus lucros que poderiam ganhar tivessem elas agido como
monopolistas. Se as empresas cooperassem teriam estabelecido cada
74

uma um nvel de produo de trs unidades, implicando em um lucro de

$19,5, portanto $1,5 a mais que no equilbrio de Cournot-Nash.
Entretanto, sob a presso da competio, com ambas as empresas
produzindo trs unidades, cada uma delas ter um incentivo de produzir
cinco unidades. Estando uma das empresas produzindo cinco unidades,
a outra ter o incentivo de produzir quatro unidades e assim por diante,
at que cada uma delas esteja produzindo quatro unidades, atingindo o
equilbrio.
A funo de lucro de uma empresa em um ambiente oligopolista
pode ser generalizada para um mercado com mais de dois produtores,
conforme segue. Sejam m produtores envolvidos na produo de uma
commodity homognea. A quantidade produzida pela empresa i dada
por xi , com as quantidades produzidas representadas por um vetor
m

coluna x R . Seja S i , o custo de produo de uma unidade pela

empresa i, e D a funo inversa da demanda associado ao produto.
Assume-se que:
Si = Si ( x i )

(3.16)

e onde,
m

D = D( xi )

(3.17)

i =1

Ou seja, o custo de produo da empresa i uma funo que

depende da quantidade xi e a funo inversa da demanda ou preo,
uma funo que depende da quantidade total produzida no mercado.
O lucro da empresa i, z i , pode ser expresso como:
m

z i ( x ) = D ( xi ) xi S i ( xi )

(3.18)

i =1

A seguir os problemas de equilbrio na competio perfeita,

monoplio e oligoplio sero reformulados como problemas
matemticos de equilbrios espaciais e apresentados, em sua forma
equivalente, como Problemas de Inequaes Variacionais (VIP). A
teoria de inequao variacional uma formulao geral que incorpora
uma gama de problemas matemticos, tais como, equaes no lineares,
problemas de otimizao, de complementaridade e de ponto fixo.
Recentemente a teoria tem sido utilizada para resolver problemas
de equilbrio econmico. A formulao de inequaes variacionais
75

particularmente conveniente neste trabalho porque permite um

tratamento unificado para problemas de equilbrio, permitindo sintetizar
um espectro de mercados que contempla desde problemas de equilbrio
espacial de preos at problemas de equilbrio para mercados
imperfeitamente competitivos, tais como o oligoplio e o seu caso
particular de monoplio. Ou seja, permite considerar exogenamente no
modelo proposto nesta tese diferentes estruturas de mercado, ou seja
monoplio, competio perfeita e oligoplio.
O apndice B apresenta a definio formal de um Problema de
Inequao Variacional bem como, os relacionamentos entre a
formulao dos problemas matemticos j bem conhecidos na literatura,
normalmente utilizados para a obteno de equilbrio, e o problema de
inequaes variacionais, fundamentando teoricamente as formulaes de
inequaes variacionais apresentadas a seguir para as diferentes
estruturas de mercados.
3.5.5. Mercados espaciais
O conceito de rede foi inicialmente utilizado por Cournot (1838,
apud Nagurney, 1999), que considerou dois mercados espacialmente
distribudos, com custos de transportes entre eles. Pigou (1920, apud
Nagurney 1999) estendeu o conceito de equilbrio para um sistema de
transporte, no qual a rede consistia de duas rotas independentes. Neste
trabalho o autor concluiu que a soluo tima para a operao do
sistema diferia da soluo de equilbrio apresentada pelos usurios da
rede. Enke (1951) estabeleceu a conexo entre os problemas de
equilbrio espacial de preos e as redes de circuitos eletrnicos e, por
analogia, demonstrou que se podem calcular os preos e os fluxos
associados a uma commodity. Porm, desde o artigo clebre de
Samuelson (1952) seguido dos trabalhos de Takayama e Judge (1964),
que o conceito de mercado espacial de preos tem sido o foco nos
estudos de mercados que envolvem a competio entre empresas e o
transporte de produtos a consumidores separados geograficamente. O
modelo de equilbrio espacial de preos, para mercados competitivos,
basicamente contempla as funes de oferta e de demanda para cada
regio e uma rede de movimento de produtos cujos arcos so funes de
custos de transporte, de um ponto de produo para um ponto de
consumo, possivelmente no lineares. O objetivo obter um vetor de
preos nos mercados consumidores e um padro de quantidades
transportadas em que: (a) o total produzido iguala-se ao total
consumido; (b) so economicamente racionais (Harker, 1986).
76

A seguir os modelos apresentados nas sees anteriores para

concorrncia perfeita, monoplio e oligoplio sero generalizados de
forma a se considerar mercados espaciais.
Mercado espacial em concorrncia perfeita:
Os modelos de equilbrio espacial de preos apresentam a
caracterstica fundamental de reconhecer a importncia do espao e dos
custos logsticos associados ao transporte de uma commodity entre um
mercado de produo e um mercado de consumo. Estes modelos so de
equilbrio perfeitamente competitivo, onde se assume que existam
muitos produtores e consumidores envolvidos na produo e no
consumo, respectivamente, de uma ou mais commodities.
Considere a generalizao do modelo da seo 3.5.2 de um
mercado local, para um mercado distribudo espacialmente,
perfeitamente competitivo, no qual existem muitos produtores
individuais, cada qual com uma pequena capacidade de produo,
decidindo de modo independente uns dos outros. Neste modelo so
conhecidas as funes inversas do preo de produo e do preo de
demanda, ou seja, so dadas as quantidades de oferta e de demanda dos
mercados. Considere M mercados produtores e N mercados
consumidores envolvidos na produo e no consumo de um produto,
respectivamente. O mercado produtor denotado por i e o mercado
consumidor denotado por j. Assim sendo as variveis do modelo so
descritas a seguir:
quantidade produzida pelo mercado produtor i.

qi
dj

quantidade total consumida pelo mercado consumidor j.

xij

quantidade transportada do mercado produtor i para o

mercado consumidor j.

Cij ( xij ) custo marginal de transporte do mercado i para o mercado j.

S i ( qi )
S

max
i

funo inversa da curva de oferta do mercado produtor i.

capacidade do produtor i.

D j (d j ) funo inversa da curva de demanda do mercado consumidor

j.

77

Na notao acima, considera-se que o custo de transporte

depende do fluxo transportado entre os referidos pares de mercados. No
caso particular em que o mercado de transporte caracteriza-se por
competio perfeita, esta funo reduz-se a um valor constante Cij .
Assume-se que a comercializao realizada de acordo com a
clusula CIF14 e que os custos de transao embutem os custos de
transporte, impostos, tarifas alfandegrias, taxas e/ou eventuais
subsdios. A figura 3.7 ilustra a distribuio espacial entre os mercados.
Figura 3.7 Distribuio espacial de mercados.

...

...

Fonte: elaborado pelo autor.

Como o objetivo maximizar o excedente da sociedade, para

mercados espacialmente distribudos, o problema de concorrncia
perfeita pode ser resolvido atravs da seguinte formulao (Nagurney,
2009):
N dj

max z =

M qi

N xij

D ( w)dw S ( w)dw C
j =1 0

i =1 0

i =1 j =1 0

ij

( w)dw

(3.19)

14

Nos contratos de operaes mercantis de compra e venda, a clusula CIF

indica que as despesas com seguro e frete esto includas no preo da
mercadoria vendida e, portanto, tais despesas so de responsabilidade do
vendedor.

78

s.a.:

ij

=dj

j = 1,..., N

(3.20)

ij

= qi

i = 1,..., M

(3.21)

i =1
N

x
j =1

xij 0
0 qi qimax

i, j
i = 1,..., m

(3.22)
(3.23)

As restries (3.20) e (3.21) caracterizam o princpio de

conservao de fluxo, ou seja, garantem que: (a) as quantidades totais
produzidas sejam totalmente comercializadas; (b) a produo em cada
mercado produtor seja igual soma das quantidades transportadas para
os mercados consumidores; e (c) a quantidade consumida em cada
mercado consumidor igual soma das quantidades enviadas de cada um
dos mercados produtores.
O conjunto convexo fechado que caracteriza as solues viveis
do problema (3.19)-(3.23) pode ser denotado por .
Onde,

{( q, x, d ) | satisfaz ( 3.20 ) a ( 3.23)} ,

e q, x e d so os vetores associados s quantidades produzidas nos
mercados produtores i, fluxo de mercadorias entre o par de mercados i e
j e as quantidades consumidas em j, respectivamente.
Considerando o contexto e a formulao do problema (3.19)(3.23), a condio de equilbrio de mercado definida como sendo a
situao em que para cada par de mercados produtores e consumidores
((i, j) : i = 1,..., M ; j = 1,..., N ) :
Se S i ( qi ) + Cij = D j ( d j ), ento xij 0
(3.24)
Se S i ( qi ) + Cij > D j ( d j ), ento xij = 0

79

Em outras palavras, o equilbrio espacial obtido se o preo no

mercado produtor somado ao custo de transporte igual ao preo no
mercado consumidor, nos casos em que existem transferncias de
commodity; caso contrrio, isto , se o preo no mercado produtor
somado ao custo de transporte exceder ao preo do mercado, ento no
haver transferncia entre o par de mercados.
A seguir, apresenta-se a formulao do problema de inequaes
variacionais das condies de equilbrio em (3.24). As relaes de
equivalncia existentes entre o problema de inequaes variacionais e o
problema de otimizao so apresentadas no apndice B.
Teorema 3.215 Formulao do problema de inequao
variacional baseada em quantidade para o problema de equilbrio
espacial de preos.
*
*
*
*
O vetor x = x11 ,..., xij ,..., xMN uma soluo para o problema

de equilbrio em mercados perfeitamente concorrenciais se satisfaz o

seguinte problema de inequaes variacionais:

z ( x * ), x x * 0, xij 0

(3.25)

Onde:

z ( x* )
z ( x* )
z ( x* )
,...,
,...,
z ( x* )T =

xij
xMN
x11

(3.26)

Considerando a funo objetivo do problema de competio

perfeita dada pela equao (3.19) e derivando esta expresso em relao
s variveis de fluxo, conforme equao (3.26) se obtm a seguinte
equao que equivale a um dos componentes do vetor linha representado
pela equao (3.26):

z ( x* )
= D j (d j ) Si (qi ) Cij
xij

15

(3.27)

A prova do teorema 3.2 apresentada em Nagurney (1999, pgina 95).

80

Desta forma, a formulao final do problema de inequao

variacional considerando as equaes (3.25)-(3.27), para competio
perfeita, apresentada a seguir:

*
D1 (d1 ) + S1 (q1 ) + C11
x11 x11

..
. ..
.
.. . *
D
d
S
q
C

(
)
+
(
)
+
i
i
ij
. j j
, .xij xij
..
.. ..
D (d ) + S (q ) + C x .x *
MN
N
N
M
M
MN MN

xij 0 , i, j

(3.28)

A equao (3.28) um produto escalar comumente representado

na forma x , y .
Mercado espacial no Monoplio:
Considere a generalizao do modelo de equilbrio de um
monoplio, apresentado na seo 3.5.3 para um mercado distribudo
espacialmente, no qual se assume em cada regio um nico produtor.
Assume-se neste trabalho que a empresa produtora contrata o servio de
transporte pelo preo econmico. Este preo pode ser igualado ao custo
marginal de transporte em um mercado de transporte puramente
competitivo. Considerando as mesmas variveis e notaes apresentadas
no problema de concorrncia perfeita da seo anterior, tem-se:
N

Max z =

d D (d
j

j =1

M qi

i =1 0

i =1 j =1

j ) S i ( w) dw C ij xij

(3.29)

s.a.

ij

= qi

i = 1,..., M

(3.30)

j =1
M

ij

(3.31)

= dj

i =1

xij 0

i, j

(3.32)
81

0 qi qimax

i = 1,..., m

(3.33)

Por analogia ao problema de competio perfeita, tm-se o

teorema a seguir para o caso de monoplio.
Teorema 3.316 Formulao do problema de inequao
variacional para o problema de equilbrio espacial no monoplio.
*

O vetor x* = ( x11 ,..., xij ,..., x MN ) uma soluo para o problema

de equilbrio monopolista se satisfaz o seguinte problema de inequaes
variacionais:

z ( x * ), x x * 0,

xij 0

(3.34)

Onde:

z ( x* )
z ( x* )
z ( x* )
z ( x* )T =
,...,
,...,

xij
xMN
x11

(3.35)

Considerando que a funo objetivo do monoplio :

N

M qi

j =1

i 01 0

i =1 j =1

z = d j D j (d j ) Si ( w)dw C ij xij

(3.36)

E derivando a expresso (3.36) em relao s variveis de fluxo,

tem-se:

dD j (d j )
z ( x* )
= D j (d j ) + d j
Si (qi ) Cij
xij
dd j

(3.37)

Desta forma, a formulao final do problema de inequao

variacional para o monoplio dada pela equao a seguir:
16

A prova deste teorema apresentada em Nagurney (1999).

82

dD1 (d1 )
+ S1 ( q1 ) + C11

D1 (d1 ) d j
dd1

x x11*

11

dD j (d j )

x*

D
(
d
)

d
+
S
(
q
)
+
C
,
x

j
j
j
i
i
ij

ij ij
dd j

x MN x MN
D (d ) d dD N ( d N ) + S (q ) + C
N
N
N
M
M
MN

dd N

xij 0 , i, j

(3.38)

Mercado Espacial no Oligoplio:

Entre os dois extremos discutidos anteriormente, se situa o
mercado espacial no oligoplio que consiste de algumas poucas
empresas que atuam em um mercado espacialmente distribudo.
Considere a generalizao do modelo de mercado local,
apresentado na seo 3.5.4. Assume-se que existem m empresas e n
mercados que so separados espacialmente. Assume-se, ainda, que o
produto homogneo e produzido pelas m empresas e consumido nos n
mercados. Seja xi a quantidade produzida pela empresa i e d j a
demanda do produto no mercado j. Seja, ainda, xij o fluxo no negativo
entre a regio de produo i para a regio de consumo j. Os vetores
m
n
mn
coluna xi R+ , d j R+ e xij R+ , contm as quantidades de
produo, demandas e o fluxo do produto, respectivamente.
Cada produtor que participa do oligoplio possui um objetivo de
maximizao do lucro prprio, dado pela seguinte expresso:
N

qi

j =1

j =1

zi ( x) = xij D j (d j ) S i ( w)dw Cij xij

(3.39)

As equaes de conservao de fluxo devem ser satisfeitas:

83

ij

= qi ,

(3.40)

= dj,

(3.41)

i = 1,..., m

(3.42)

j =1
m

ij

i =1

0 qi qimax
Onde,

xij 0,

i, j

(3.43)

Associado a cada empresa tem-se o custo de produo S i e

associado a cada mercado consumidor tem-se a curva inversa da
demanda D j . Assumindo-se que xij D j d j uma funo estritamente

( )

( )

cncava, D j d j

estritamente decrescente, Si ( qi ) estritamente

convexa e o vetor xi no vazio para pelo menos um produtor i, ento o

problema (3.39)-(3.43) tem uma soluo nica para valores fixos de

Cij e

xij , para i, j , i

j.

Para achar o equilbrio espacial, o problema (3.39)-(3.43) deve

ser resolvido simultaneamente para todas as empresas. demonstrado
que isso pode ser feito, resolvendo uma nica inequao variacional,
conforme ser apresentado a seguir.
Considere m jogadores, com cada jogador i dispondo de um vetor
de estratgias xi = {x i1 , xi 2 ,..., xin }, selecionado de um conjunto
n

convexo fechado (compacto) i R , com uma funo utilidade

u i :  R1 , onde = 1 2 ... m R mn . O postulado da

racionalidade pressupe que cada jogador i seleciona um vetor de
estratgia
xi i
que
maximiza
a
utilidade

ui ( x1 ,..., xi 1 , xi , x i +1 ,..., xm ) , dada as decises ( x j ), j i, dos outros

jogadores. Portanto, pode-se reescrever a definio 3.1 do equilbrio de
Nash, apresentado na seo 3.3.4, da seguinte forma:

84

Definio 3.2 Equilbrio de Nash

Um
*

*
1

equilbrio
*
2

*
m

x = x , x ,..., x
*

de

Nash

} , tal que
*

um

*
i

*
i

vetor

de

estratgias

*
i

ui ( x , x ) ui ( xi , x ), xi i , i

onde x i = ( x1 ,..., xi 1 , xi +1 ,..., x m ).

O equilbrio de Nash um problema de inequao variacional,
conforme demonstrado por Stampacchia (1996, apud Nagurney, 1999) e
Gabay e Moulin (1980, apud Nagurney, 1999). Assim sendo, sobre a
premissa de que cada funo de utilidade u i continuamente
diferencivel em e cncava com respeito a xi , tem-se o teorema a
seguir.
Teorema 3.417 Formulao do VIP para o equilbrio de Nash
espacial:
*
Sob as premissas anteriores, x um equilbrio de Nash se e
*

somente se x uma soluo do seguinte problema de inequaes

variacionais:

( )

F x * , x x * 0,

(3.44)

Onde F ( x) ( x1u1 ( x),..., xm u m ( x) ) um vetor linha,

e onde,

u ( x)
u ( x)
xi ui ( x) = i
,..., i
xin
xi1

(3.45)

Usando este teorema apresenta-se o VIP do equilbrio de

Cournot-Nash para o Oligoplio, conforme segue.
Cada produtor que participa do oligoplio possui um objetivo de
maximizao do lucro prprio, dado pela seguinte expresso:

17

A prova do teorema 3.4 apresentada em Nagurney (1999).

85

qi

j =1

j =1

zi ( x) = xij D j (d j ) Si ( w)dw Cij xij

(3.46)

Derivando esta expresso em relao s variveis de fluxo da

estratgia do i-simo jogador, tem-se

dD (d j )
z i ( x)
= D j (d j ) + xij
S i (q ) Cij
xij
dd j

(3.47)

Como existem vrias funes objetivo, uma para cada par de

mercados de produo e de consumo, tem-se a seguinte estrutura para a
formulao do problema de inequao variacional:

dD1 (d1 )
+ S1 (q1 ) + C11
D1 (d1 ) xi1

dd1
*

x x11

11

D (d ) x dD j (d j ) + S (q ) + C
, x x *
j
j
ij
i
i
ij

ij ij
dd j

xMN xMN
D (d ) x dDN (d N ) + S (q ) + C
N
N
iN
M
M
MN

dd N

xij 0 , i, j

(3.48)

Da mesma forma que nas formulaes anteriores para competio

perfeita e monoplio, o problema (3.48) pode ser resolvido pelo
algoritmo de projeo apresentado na seo seguinte.
Na seo 4.4.2 ser formulado o modelo de equilbrio de curto
prazo para o problema apresentado nesta tese e uma interpretao
grfica de deduo da equao (3.47), anloga s equaes (3.27) e
(3.37), ser apresentada.

86

3.5.6. Algoritmo para obteno do equilbrio espacial

Nesta seo ser apresentado um roteiro interativo para a soluo
do problema de inequao variacional. Tal roteiro resulta de uma
recente teoria chamada de Sistemas Dinmicos Projetados (PDS)18 para
o estudo de problemas de equilbrio em uma configurao dinmica.
*
Diz-se que x um ponto estacionrio ou um ponto de equilbrio se,
*

uma vez o sistema dinmico projetado estando em x , este permanecer

*

em x em todos os tempos seguintes. Os algoritmos de soluo de

problemas de inequao variacional baseados na teoria PDS podem ser
interpretados como aproximaes para tempo discreto de modelos de
tempo contnuo.
*
n
Busca-se determinar x R , tal que,

F ( x* )T , x x* 0,

(3.49)

Onde F uma dada funo contnua de em R n e um dado

conjunto fechado e convexo que corresponde s restries do problema
em particular. Assume-se tambm que o conjunto compacto e
F (x) continuamente diferencivel em x.
Roteiro Interativo para soluo do VIP Algoritmo de Projeo:
Passo 1: Inicializao
0
Inicie com um x . Faa k = 0.
Passo 2: Construo e Clculo
k
Calcule x resolvendo o subproblema de inequao variacional:

( ))

x k +1 = P x k k F x k

(3.50)

18

Nesta teoria estende-se o conceito de equilbrio esttico ao se introduzir a

dimenso de tempo de forma a permitir a anlise de comportamentos de
desequilbrio que precede ao equilbrio. Para um maior detalhamento de
Sistemas Dinmicos Projetados referir-se Nagurney (1999, pginas 38 a 41).

87

Onde x

k +1

conhecido como sendo a projeo ortogonal em do vetor

( )

x k F x k para qualquer k > 0, e onde { k , k = 1,2,...} uma

k

( )

sequncia de escalares positivos e F x k

um campo vetorial

definido em (para um maior detalhamento ver seo A.2.6 do

apndice B).
Passo 3: Verificao de Convergncia
Se x

k +1

x k > , onde uma margem de tolerncia pr-

especificada, faa k k + 1 e volte ao passo P2.

Passo 4: Apresentar x

k +1

A soluo para o problema (3.49) passa, portanto, por resolver

k +1
uma sequncia de subproblemas (3.50), onde x uma projeo

( )

ortogonal de x k k F x k no conjunto . Uma discusso mais

detalhada do mtodo encontra-se apresentada em Branco et al. (2009). A
interpretao geomtrica do Mtodo de Projeo Ortogonal
apresentada no apndice B, seo B.6.
As condies de convergncia e o teorema que demonstra a
convergncia deste mtodo de soluo so apresentados na seo B.7 do
Apndice B deste trabalho.

88

4.

MODELO PROPOSTO

4.1.

INTRODUO

No captulo 2 fez-se uma reviso detalhada da literatura de

modelos de expanso de capacidade, incluindo correntes tericas
limtrofes a este assunto e diferentes tipos de abordagens ao problema.
No captulo 3, foi apresentado o ferramental terico necessrio para
fundamentar o modelo a ser proposto. Neste captulo, ser proposta uma
nova abordagem para a modelagem do problema de expanso de
capacidade.
O segmento da indstria a ser analisado contempla a produo e a
comercializao de um produto homogneo, de amplo consumo, que
pode ser produzido e comercializado por um grande nmero de
empresas, ou seja, uma mercadoria bsica, comumente chamada pelo
termo ingls de commodity. O produto comercializado com frete CIF.
O modelo composto por dois passos distintos executados a cada
perodo, caracterizado por intervalos de um ano.
No primeiro passo, as empresas enfrentam um jogo de longo
prazo onde competem por capacidade de produo, escolhendo o
tamanho da expanso a cada perodo de forma a ajustar sua funo de
custo e capacidade de produo.
No segundo passo, definidas e fixadas as capacidades, as
empresas competem em um jogo de curto prazo, por nvel de produo e
quantidades transportadas. Considera-se neste estgio que o equilbrio
ocorre em um perodo to curto em relao ao horizonte de
planejamento que as capacidades no variam.
A figura 4.1 ilustra o mecanismo do modelo. No passo 1, foras
opostas atuam simultaneamente no processo de tomada de deciso: se
por um lado o decisor tende a postergar a expanso de capacidade
devido s caractersticas de irreversibilidade e incerteza deste tipo de
investimento, por outro lado, as empresas reconhecem a vantagem de
investir antes que os seus competidores o faam. Como consequncia, o
ganho de flexibilidade, gerado pela possibilidade de postergar
investimentos irreversveis sob incerteza, deve ser confrontado com o
ganho de se investir mais cedo e potencialmente ocupar o mercado do
competidor e/ou evitar novos entrantes.

89

Figura 4.1 Mecanismo geral do modelo proposto.

t=T

t=0

Passo 2:
atualiza
produo e
quantidade
transportada

Jogo de
Curto Prazo

Jogo de
Curto Prazo

Passo 1:
atualiza
capacidades

Jogo de
Longo Prazo

Jogo de
Longo Prazo

Fonte: elaborado pelo autor.

As decises de investimento dependem do estado atual, que

caracterizado pela capacidade das empresas no perodo presente e da
sequncia que as empresas investem que, no modelo em questo,
assumido ser um processo de Markov, conforme detalhado
posteriormente neste captulo. O equilbrio resultante do jogo de longo
prazo um Equilbrio Perfeito de Markov (EPM) entre as empresas que
competem entre si.
No passo 2, as empresas enfrentam um jogo de curto prazo, no
qual as capacidades K das empresas so fixadas. Assim, a competio
volta-se para o nvel de produo e quantidades transportadas. No
modelo proposto, os resultados do jogo de curto prazo so baseados no
equilbrio Cournot-Nash.
Estes dois passos do modelo so interdependentes dado que, por
um lado, o lucro anual , de cada empresa, que resulta do mercado spot
de curto prazo, depende fundamentalmente dos investimentos
realizados, ou seja, da capacidade instalada, por outro lado, as decises
de investimentos no podem ser tomadas sem que seja determinado o
lucro anual a cada perodo. Logo, existe um acoplamento entre os dois
jogos, no qual est embebido na equao recursiva de programao
dinmica adotada no modelo proposto, no qual os lucros anuais so
inputs para as decises de investimentos. Cabe ressaltar, porm, que os
dois jogos no necessitam ser resolvidos sequencialmente a cada
perodo como esquematizado na figura 4.1.

90

Alternativamente, do ponto de vista do algoritmo, este

acoplamento poderia ser substitudo por uma abordagem de resoluo de
dois mdulos separadamente: (1) no primeiro mdulo, os lucros anuais
seriam obtidos pela soluo do jogo de curto prazo, para todas as
capacidades viveis de cada empresa produtora e em cada perodo; (2) a
seguir, no segundo mdulo, as decises timas de investimento seriam
obtidas pela soluo do jogo de longo prazo, tendo como input os lucros
anuais, gerados no primeiro mdulo do algoritmo. Esta abordagem
adotada Bushnell & Ishii (2007). Assume-se
que
as
empresas
descontam seus fluxos de caixa utilizando um fator fixo.
O arcabouo terico do modelo proposto pode ser considerado
como diretamente relacionado com o ramo da literatura que combina
opes reais e a teoria dos jogos, tambm conhecida como jogos de
opo (ver seo 2.1.6). Em outras palavras, a utilidade esperada,
comumente utilizada na teoria dos jogos, pode ser substituda pelo valor
de opes reais. Assim, o mtodo dos ativos contingentes (ver seo
2.1.5) usado para calcular o valor das opes e com a utilizao de
probabilidades neutras ao risco para calcular o valor da opo a cada
ramo de uma rvore binomial, com o equilbrio sendo alcanado por
induo reversa, iniciando com o retorno do n final da rvore.
Entretanto, no modelo proposto nesta tese, assume-se que o processo
estocstico no necessariamente correlacionado por um ativo
comercializado no mercado financeiro.
Tal como em Murto et al. (2004), a funo de distribuio de
probabilidade da varivel estocstica corresponde a probabilidades reais
de transio e o fator fixo de desconto ajustado para atender as
preferncias de risco das empresas. O modelo proposto, portanto, no que
se refere ao jogo de longo prazo, generaliza o modelo de Murto et al.
(2004), apresentado na seo 2.2.3, determinando a expanso tima de
capacidade em um horizonte de planejamento finito, assumindo uma
estrutura espacial de mercado para a competio de curto prazo
(mercado spot).
A seguir descreve-se o modelo proposto de expanso de
capacidade. O equilbrio para o jogo de curto prazo entre as empresas
ser formulado como um problema de inequaes variacionais. Para
obteno da estratgia tima de investimentos ao longo do horizonte de
planejamento ser formulado um problema de Programao Dinmica,
tendo como dados de entrada, a cada perodo de tempo, os lucros
auferidos no equilbrio de curto prazo. Conclui-se este captulo
apresentando o algoritmo de soluo do modelo.
91

4.2.

CARACTERIZAO DO AMBIENTE

O objetivo do modelo determinar uma poltica tima de

expanso de capacidade de uma empresa produtora de uma mercadoria
homognea competindo com outros produtores pela demanda dos
mercados em um horizonte de tempo finito. Tais produtores podem estar
localizados em diferentes regies e transportam seu produto para os
mercados consumidores, tambm distribudos espacialmente. A
princpio, nenhum produtor monopolista do sistema de transporte, nem
o controla, mas contrata o referido servio pelo preo econmico. Cada
mercado consumidor tem a sua prpria funo da curva demanda, a qual
conhecida por todos os produtores.
Considere mltiplos mercados produtores I = {1, 2,..., M } e
consumidores J = {1, 2,..., N } . Cada mercado produtor formado por
um ou mais produtores individuais atendendo um ou mais mercados
consumidores, todos distribudos espacialmente. Uma rede ilustrativa
desta configurao pode ser representada pela figura 4.2.
Assume-se que as empresas se comportam de forma no
cooperativa em um mercado oligopolstico com severas barreiras para
novos entrantes.
Figura 4.2 Estrutura de rede do problema de equilbrio espacial

Mercados produtores

...

...

Mercados consumidores
Fonte: elaborado pelo autor.

A notao utilizada nesta seo e em todo o captulo 4

sumarizada conforme segue:
92

I = {1, 2,..., M }
J = {1, 2,..., N }

Conjunto de mercados produtores

(empresas);
Conjunto de mercados consumidores;

= {T , T 1,..., t ,..., 0}

Conjunto de perodos (estgios).

Quando o sistema est no estgio t
restar t estgios para o fim do
horizonte de planejamento.

K i = {0,1, 2,..., kimax }

Conjunto de possveis capacidades

instaladas associadas empresa i,
onde k max a expanso mxima
permitida de forma a limitar as opes
de investimentos a um conjunto finito.

K = K1 K 2 ... K M

Produto cartesiano de todas as

possveis capacidades das empresas;

k t = ( k t ,1 , k t ,2 ,..., k t , M ) K

Vetor de capacidades instaladas das

empresas no estgio t , onde kt ,i
a capacidade instalada da empresa i
no estgio t ;

i = ( T ,i , T 1,i ,..., 1,i )

Vetor contendo as expanses de

capacidade realizadas pela empresa i
ao longo do horizonte de
planejamento, onde t ,i o tamanho
do investimento em capacidade
realizado pela empresa i no estgio
t ;

(t ,i ) = at ,i

Valor do investimento da empresa i no

estgio t , como funo do
tamanho da expanso t ,i , onde
93

0 < <1

uma
economia de escala;

constante

de

xt = x1t , x2t ,..., xit ,..., xMt t Vetor contendo as estratgias de

transporte para as diversas empresas
no
perodo
t,
onde

xit = xit,1, xit,2 ,..., xit, N t ,i ,

vetor de estratgias de transporte da

empresa i para os mercados
consumidores j = 1,2,...,N, no tempo t;
sendo que t ,i o espao convexo e
fechado contendo todas as decises
viveis de produo da empresa i no
tempo t (ver seo 3.5.5).

t ,i ( kt , xt )

Lucro da empresa i obtido no jogo de

curto prazo, que depende das
capacidades k t presentes no estgio

t e o vetor de fluxo do produto

xt obtido no jogo de curto prazo. O
clculo de

t ,i ( kt , xt ) ser

detalhado na seo 4.4.

O nmero de perodos t deve ser grande o suficiente de
forma que o efeito do fim do perodo de planejamento no afete as
decises nos perodos iniciais. Na seo 4.3 sero tecidos comentrios a
respeito do valor residual de um horizonte de planejamento finito. Se a
empresa decide investir em expanso de capacidade em um perodo t,
incorrer em um custo irreversvel t ,i ( t ,i ) , onde

t ,i

o tamanho da

expanso da empresa i no perodo t.

Define-se k t como sendo o vetor de varivel de estado que
descreve a capacidade da empresa i I , no tempo t. Sob a deciso de
um produtor r I para expandir t , r unidades de capacidade no estgio
94

t ,

sistema

evolui

de

k t = ( k t ,1 , k t ,2 ,..., k t , M ) K para

k t 1 = (kt 1,1 , kt 1,2 ,..., kt 1, M ) K de acordo com a seguinte regra de

transio:

kt 1,r = kt ,r + t , r

kt 1,i = kt ,i

i r

(4.1)

Cada empresa capaz de observar a capacidade de todos os

competidores no comeo de cada perodo. Logo, a equao (4.1)
descreve como as capacidades das empresas evoluem de acordo com
suas
estratgias.
Para
simplificar,
considere
a
notao
k t 1 = k t t , r como a maneira de representar a transio descrita em
(4.1).
A funo de retorno associada expanso da empresa i de t ,i
unidades, no estgio t , dada por:

i ( t , k t , t ,i ) = ( t ,i ) + t ,i ( k t , xt )

(4.2)

Considerando que cada produtor decide maximizar o valor

descontado de seu prprio fluxo de caixa ao longo do horizonte de
planejamento, para um dado vetor de capacidades iniciais k T , o
seguinte problema a ser resolvido pela empresa i I pode ser definido
como:

maximizar

t =1

T t

i ( t , k t , t ,i )

sujeito a: k t 1 = k t r t , r

(4.3)

t = T , T 1,...,1

t , o fator de desconto no estgio t. Assume-se que t uma

constante ao longo do tempo de forma que adotamos a notao .
Onde

Neste contexto, investimentos realizados em um momento atual,

em geral duradouros, afetam no somente os lucros atuais, mas tambm
os lucros no futuro. Em outras palavras, se a empresa expande
95

fortemente hoje, menos provvel que ela expanda de forma acentuada

em um prximo perodo. Este processo de deciso intertemporal,
portanto, pode ser incorporado no modelo atravs da programao
dinmica, formulando um problema de maximizao conforme o
princpio de otimalidade de Bellman19, como segue:

Z i* ( t , k t ) = max Z i ( t , k t | t ,i )
t ,i

*
i

Z ( t , k t ) = max
t ,i

{ (

t ,i

) + t ,i ( k t , xt ) + Z i* ( t 1, k t t ,i )

(4.4)
Onde

Z i* ( t , k t ) representa o impacto futuro dos investimentos,

*

incluindo os investimentos atuais, e Zi t 1,k t t ,i chamado

valor de continuao.
Entretanto, deve-se considerar que mercados de commodities
podem tambm no serem perfeitamente competitivos. Empresas
tendem a agir de forma estratgica quando suas decises afetam no
somente seus lucros, mas tambm afetam o lucro de seus competidores.
Este comportamento estratgico pode ser incorporado no modelo
considerando-se que cada empresa escolhe seus investimentos e nveis
de produo para maximizar a equao recursiva (4.4), dadas as
decises de todos os seus competidores. Este jogo das empresas, cada
qual decidindo sobre estratgias que maximizem seus prprios lucros,
conduz a um equilbrio de Nash. A seguir, define-se formalmente o
conceito de equilbrio de Nash para obter tais estratgias sob equilbrio.

19

O princpio de otimalidade de Bellman declara que uma poltica tima

apresenta a propriedade segundo a qual, a despeito das decises tomadas para se
atingir um estado particular num certo estgio, as decises restantes a partir
deste estado devem constituir uma poltica tima (Bellman, 1957).

96

4.3.

EQUILBRIO DE LONGO PRAZO

Definio 4.1.
Equilbrio

de

Nash

um

( , ,..., ) , onde o componente

*
1

*
2

*
M

plano

*
i

timo

descrito

por

um vetor com o plano

timo da empresa i para cada perodo do horizonte de planejamento,

T,, t , t 1,...,1 , de forma que, a cada estgio t:

Z i* ( t , k t ) = Z i ( t , k t | t*,i , *i ) Z i ( t , k t | t ,i , *i ) t ,i
Onde

*
i

(4.5)

= ( 1 , 2 ,..., i 1 , i +1 ,..., M ) o conjunto de vetores

contendo o plano timo para todas as empresas, exceto para a empresa i.

Portanto, a equao (4.5) afirma o seguinte: o retorno timo do
produtor i no perodo t, dada a capacidade total do mercado k t ,
alcanada quando o retorno resultante da deciso de expanso

t*,i ,
*

dadas as decises de capacidades de todos os outros produtores, i ,

sempre maior do que o retorno resultante da deciso de qualquer outra
expanso, t ,i , mantidas as decises de expanso de todos os outros
*

produtores, i .
Um processo de refinamento das estratgias de equilbrio Nash
para eliminar estratgias no crveis chamado de equilbrio perfeito em
subjogo. conhecido que todo o equilbrio perfeito em subjogo um
equilbrio de Nash (Fudenberg & Tirole, 1991).
Conforme definio 3.1, um equilbrio de Nash um equilbrio
perfeito em subjogo se as estratgias dos jogadores constituem um
equilbrio de Nash em todo subjogo.
Fudenberg and Tirole (1991) mostram que todo o jogo finito de
informao perfeita20 tem um equilbrio de Nash perfeito em subjogo
20

Finito neste contexto significa que o nmero de estgios finito e o nmero

de aes viveis um conjunto convexo compacto e, portanto finito. Dado que
se assume que cada jogador conhece as escolhas passadas de todos os seus
competidores, isto implica que um determinado jogador ao tomar uma deciso
em um estgio t, est perfeitamente informado de todos os aspectos do jogo,
exceto sobre o que ocorrer no futuro (Fudenberg & Tirole, 1991, pag. 72).

97

cuja soluo de equilbrio 1* , *2 ,..., *M , em um perodo t, pode ser

obtida pelo princpio da retro-induo ou induo reversa (conhecido
pelo termo em ingls de backward induction). Este princpio muito
conhecido em programao dinmica, onde se analisa a rvore de jogos
de trs para frente, ou seja, estabelecem-se primeiro as estratgias
timas nos ns terminais e depois vai se estabelecendo as estratgias
timas nos ns anteriores, at se chegar ao primeiro n de deciso da
rvore.
Entretanto, como soluo do problema, podem existir mltiplos
conjuntos de investimentos, os quais so tambm solues de equilbrio
de Nash, j que empresas decidem simultaneamente, conjecturando
sobre as possveis decises de outros competidores. A condio de um
jogo finito no suficiente para garantir a unicidade da soluo.
Esta condio pode ser ilustrada por um exemplo no contexto de
investimentos em expanso de capacidade, apresentado a seguir.
Considere um jogo entre duas empresas, A e B, ou seja, um
duoplio. O mercado no momento observado comporta apenas um
investimento de uma das empresas. Logo, se ambas as empresas
investirem, o excesso de capacidade resultante implicar em prejuzo
para as duas empresas. No caso de empresas tomarem suas decises
simultaneamente, existiro duas possveis solues: (1) a empresa A
investe e a empresa B no investe; (2) a empresa A no investe e a
empresa B investe. A figura 4.3 ilustra a forma estratgica deste jogo.
Os retornos das empresas A e B, para cada combinao das duas
decises so dados pelos pares de nmeros (x, y) em cada quadrante.
As opes que combinam decises de uma empresa investir e
outra no investir so solues de equilbrio de Nash, dado que ambas
tm a propriedade de que nenhuma das empresas teria unilateralmente o
desejo de mudar sua estratgia tendo em vista a deciso tomada da outra
empresa.

98

Figura 4.3 - Exemplo de soluo no nica para o equilbrio

de Nash.

Empresa A

No Investir
Investir

Empresa B

Investir

No Investir

Soluo de Equilbrio de Nash

(0,2)

(0,2)

(-3,-1)

(2,1)
Soluo de Equilbrio de Nash

Fonte: adaptado de Smit e Trigeorgis (2004).

No exemplo da figura 4.3 no h nenhum critrio que permita

decidir por uma nica soluo entre as duas solues de equilbrio. Um
critrio a ser adotado, seria assumir que as empresas tomam decises
sequencialmente, cada qual em um perodo de tempo. Tais jogos so
chamados de jogos sequenciais, ou jogos de informao perfeita,
conforme apresentado na seo 3.3. Neste jogo, cada empresa, em cada
estgio, tem todas as informaes necessrias para tomar uma deciso
tima.
Desta forma, de acordo com o teorema 3.1, um jogo sequencial
finito, com informao perfeita, tem um nico equilbrio perfeito de
Nash em subjogo envolvendo estratgias puras. A soluo de equilbrio,
neste caso, pode ser obtida atravs de programao dinmica reversa
(Fudenberg & Tirole, 1991).
Bushnell e Ishii (2007) alegam que a condio imposta ao modelo
de movimentao das empresas em sequncia tem apelo natural quando
se trata, por exemplo, de mercados de energia. Empresas que j operam
no mercado investem antes do que empresas entrantes e empresas
maiores se movem tambm antes que empresas menores. Neste
contexto, portanto, justifica-se adotar tal condio ao modelo.
Portanto, a unicidade da soluo de equilbrio do modelo
apresentado neste captulo ser garantida assumindo-se que as empresas
99

decidiro de forma sequencial. Logo, em cada perodo, somente uma das

empresas que participam do jogo pode decidir aumentar sua capacidade.
Para atender a esta condio, ser adicionada ao modelo uma
varivel aleatria discreta , que representa a oportunidade da empresa
i investir no tempo t.
Por definio (Albuquerque, 2008), uma varivel aleatria
uma funo de conjunto que atribui um valor real ( w) a cada pontoamostra w do espao de amostras . Em outras palavras, define o
mapa


w  ( w)

No caso em questo, o domnio o conjunto de empresas do

mercado e o contradomnio um subconjunto de  que identifica a
empresa, ou seja, ( w) = w = i , sendo i {1, 2,..., M } .
Portanto, a distribuio de probabilidade da varivel em cada
perodo t pode ser definida como um conjunto de probabilidades

{p

t ,1

, pt ,2 ... pt ,M . Onde P ( = i ) = P ({w : ( w) = i}) = pt ,i a

probabilidade da empresa i investir no perodo t, independentemente de

qual empresa investiu no perodo anterior.
A soma das probabilidades pt ,1, pt , 2 ... pt ,M igual a 1 em cada
perodo t. Portanto, pode-se reescrever a equao recursiva (4.4)
conforme segue:
M

E Z i* ( t , k t ) = pt ,r E Z i t , k t | t*,r , *t,-r
r =1

(4.6)

Onde,

E Z i t , k t | t*,r , *t,-r =

Max t ,i ( t ,i ) + t ,i ( k t , xt ) + E [ Z i ( t 1, k t -1 )] para i = r

t ,i ( k t , xt ) + E [ Z i ( t 1, k t -1 )]
para i r

t ,i

100

(4.7)
Onde, E [Z i (t 1, k t -1 )] o valor esperado da empresa i no
estgio t-1, dada a varivel aleatria que governa o sequenciamento
dos investimentos, considerando-se que quando i = r indica que a
empresa i est investindo no momento t.
Portanto, conforme ilustrado na figura 4.4, existe uma
probabilidade pt ,i da empresa i ser escolhida para realizar um
investimento no perodo t. Ao tomar tal deciso neste momento, a
empresa i ignora as aes de outros competidores, e move-se de um
estado k t para outro estado k t-1 de acordo com o tamanho de seu
investimento

t ,i , obtendo, ento, um retorno i (t , k t , t ,i ) , no qual

maximiza a equao (4.7).

Ao incorporar esta distribuio de probabilidade ao modelo, se
est diante de um jogo estocstico sequencial onde as decises
estratgicas de investimentos so Markovianas. O perfil de estratgias as
quais constituem um equilbrio de Nash em todo subjogo chamado um
Equilbrio Perfeito de Markov (EPM). Dado que somente uma empresa
toma deciso a cada perodo, existe um e somente um EPM (ver
Fudenberg & Tirole, 1991, cap. 13).
Considerando ainda que o critrio utilizado para a escolha da
estratgia tima o valor presente de um fluxo de caixa descontado por
um fator constante ao longo do tempo, as decises relativas a um
perodo distante no futuro tendem a ter um impacto desprezvel nas
decises do momento atual.
Em outras palavras, se o horizonte de planejamento longo o
suficiente, aceitvel afirmar que a deciso tima no comeo de um
horizonte de planejamento finito consistente com a deciso tima de
um problema com um horizonte de planejamento infinito (Bean &
Smith, 1985).

101

Figura 4.4 Evoluo de estado com estratgias Markovianas.

i (t , k t , t ,i )
k max

kmax
max

pt , M

pt ,2
pt ,1

l
1
0
t

i=M
...

2
1

kt 1, r = kt , r + t ,r

i=2
i=1

E Zi* ( t ,k t )

i=M
...
i=2

t-1 i=1

E Z i* ( t 1,k t )

Fonte: elaborado pelo autor.

Pode-se ainda acrescentar que, quanto maior for o fator mensal de

desconto (que pode ser medida pela taxa mnima de atratividade) em
relao ao crescimento da receita (ou do fluxo de caixa), mais
desprezvel ser o impacto de decises relativas ao final do horizonte de
planejamento.
A formulao de modelos com um horizonte de planejamento
finito, T , requer a incorporao de uma funo de valor residual,
Ri ( k 0 ) , a qual define o valor do projeto da empresa i ao fim do
horizonte de planejamento. Entende-se como valor residual o valor
presente no perodo T, o ltimo perodo de anlise, deste fluxo de caixa
perptuo.

102

O valor residual pode ser melhor entendido atravs da equao

(4.8), a qual define a sequncia de lucros ao longo do tempo sob um
caminho timo de investimento da empresa i, conforme segue:

t =0

t =1

t i* ( t , k t , t ,i ) = T t i* ( t, k t , t ,i ) + T Ri ( k 0 )
T

primeiro

T t

i* (t , k t , t ,i ) ,

termo

aps

sinal

de

(4.8)

igualdade,

define o valor presente do fluxo de caixa do

t =1

perodo 1 ao perodo T . O segundo termo aps o sinal de igualdade,

T Ri ( k 0 ) , representa o valor presente do fluxo de caixa de um perodo
que inicia no perodo T e termina no infinito. Embora o modelo permita
que se utilizem muitos tipos de funo residual, escolheu-se o mtodo
de perpetuidade constante21, o qual estende o fluxo de caixa ao infinito
sem considerar crescimento da empresa (Damadoran, 2004).
Considerando-se uma taxa de desconto e um fator de desconto ,
onde = 1 /(1 + ) , o valor residual em termos do fator de desconto
calculado como segue:

Ri ( k 0 ) =

1 *
0,i k 0 , x0
1

(4.9)

Onde Ri ( k 0 ) , o fluxo de caixa operacional descontado ao fim

do horizonte de planejamento. O retorno 0,* i k 0 , x0 definido como

o Fluxo de Caixa para o Acionista (FCO), ou seja, o fluxo de caixa
operacional descontado do fluxo do financiamento de capital de terceiro.
Logo a taxa de desconto deve ser o custo do capital prprio (CCP). A
equao (4.9) consistente com a viso de que a melhor estimativa de
um fluxo de caixa de uma empresa no futuro distante o fluxo de caixa
associado com o ltimo estgio de um longo perodo de planejamento.
Como o valor residual descontado por , quanto maior o horizonte de
21

H dois tipos de perpetuidade: com e sem crescimento (constante). No

mtodo de perpetuidade constante os projetos no criam valor para o acionista,
pois os lucros retidos so reaplicados mesma taxa de desconto do fluxo.

103

planejamento, menor o impacto da funo do valor residual nas decises

de investimentos do momento presente.
Na seguinte seo, ser formulado um modelo de equilbrio para
obter os lucros de comercializao de cada empresa, em cada perodo t,
denotado por t ,i ( k t , x t ) , o qual um dado de entrada para a equao
(4.7). Estes lucros so resultados do equilbrio das empresas competindo
pela quantidade a ser produzida, e transportada para cada mercado
consumidor, o qual chamado jogo de equilbrio de curto prazo, que
ser apresentado na seo seguinte.
4.4.

EQUILBRIO DE CURTO PRAZO

Na seo anterior foi formulado o equilbrio de longo prazo,

caracterizado por uma empresa competindo com as demais empresas
concorrentes para melhorar a sua capacidade relativa no mercado e
identificando sua estratgia tima de investimentos.
Uma vez conhecidas e fixadas as suas capacidades timas, as
empresas se voltam para um jogo de curto prazo no incio do prximo
perodo de forma a obter os nveis timos de produo que maximizem
os seus lucros e garantam participao de mercado, buscando evitar,
porm, uma queda significativa no preo do produto.
A formulao do modelo de equilbrio de curto prazo depende da
estrutura competitiva do mercado, tais como, competio perfeita,
oligoplio ou monoplio. Logo, uma formulao que considera
exogenamente a estrutura competitiva do mercado necessria.
Portanto, conveniente que se utilize a metodologia de inequaes
variacionais, apresentada na seo 3.5, para formular um modelo de
equilbrio unificado de mercados espaciais que atenda ao mesmo tempo
todas as estruturas competitivas mencionadas. Uma das caractersticas
distintivas desta formulao justamente a generalizao do algoritmo
de forma a atender a mltiplos mercados distribudos espacialmente.
Conforme visto na seo 4.3, pode-se afirmar que as receitas
obtidas no equilbrio de curto prazo so os dados de entrada que formam
a base para se calcular as variveis de deciso do modelo de longo
prazo, ou sejam, o momento de investir e o porte da expanso de
capacidade. Para a obteno destas receitas, sero considerados os
modelos de equilbrio de competio perfeita, de monoplio e o de
competio de Cournot-Nash cujas abordagens tericas foram
apresentadas na seo 3.5.

104

4.4.1. Premissas Bsicas do Modelo de Curto Prazo

O modelo de equilbrio de curto prazo baseado nos seguintes
pressupostos:
a) As empresas produzem uma mercadoria homognea, ou seja, no
h diferenas suficientemente significativas entre os produtos
oferecidos pelas empresas para, por exemplo, se ter diferentes
curvas de demandas.
b) O preo da commodity nos diferentes mercados uma funo
inversa da demanda, a qual tem um padro de crescimento
linear e estacionrio relativo aos perodos do horizonte de
planejamento. Entende-se como um padro estacionrio da
demanda como o fato de no haver mudanas qualitativas no
comportamento da funo de demanda ao longo do tempo.
c) Os custos e as capacidades so fixos no perodo de
comercializao dos produtos, ou seja, o equilbrio ocorre em
um perodo de tempo suficientemente pequeno para que no
haja variaes de custos e nem de capacidade.
d) O custo de produo infinito para um nvel de produo maior
que a capacidade da empresa.
A rede de produtores e consumidores pode ser representada pela
figura 4.2, onde so considerados os mercados produtores (i=1,...,M) e
consumidores
(j=1,...,N).
Para
um
dado
estado
k t = ( kt ,1 , kt ,2 ,...kt ,i ,..., kt , M ) K , no estgio t, uma empresa i
t

produzindo qi , com capacidade de produo

transportar uma quantidade

kt ,i , deve decidir

xijt para cada mercado consumidor j. Neste

contexto, define-se um conjunto convexo fechado t ,i de decises

viveis atravs das seguintes restries:
N

qit = xijt

(4.10)

j =1

0 qit kt ,i
x 0,
t
ij

(4.11)

(4.12)

105

A funo de custo marginal de produo Si qi , kt ,i , de uma

t

forma geral, depende da quantidade produzida e da capacidade de

produo atual da empresa. Sem perda de generalidade assume-se que
esta funo linear e dada pela equao (4.13), conforme segue.

Si qit , kt ,i = Ai + Bi qit

(4.13)

Onde, Ai o intercepto e B a inclinao da curva inversa de

oferta do produtor i. Por outro lado, a funo inversa da demanda

D j ( d j ) , dada por:

( )

D j d tj = Aj + Bt , j d tj

(4.14)

Onde d j =

t
ij

, a quantidade transportada total para o

i =1

mercado consumidor j no tempo t, A j o intercepto e Bt , j a

inclinao da curva inversa da demanda do mercado consumidor j no
tempo t. O custo unitrio de transporte do mercado produtor i para o
mercado consumidor j dado por

( )

Cij xijt .

Entende-se como necessrio, neste momento, detalhar o

mecanismo de crescimento da demanda adotada no modelo proposto
nesta tese, conforme apresentado a seguir.
O crescimento da demanda ser caracterizado pelo aumento do
parmetro de inclinao da curva inversa da demanda, Bt , j , a cada
perodo t, ou seja,

Bt +1, j = Bt , j /(1 + )
Onde

(4.15)

a taxa de crescimento da demanda. Considerando que

t
j

d a quantidade demandada no tempo t, a partir de (4.14) tem-se a

seguinte demanda no tempo t+1:
106

d tj+1 = ((1 + ) / Bt , j )( Aj D j ) = (1 + )d tj

(4.16)

A figura 4.5 ilustra o modelo de crescimento da demanda adotado

no modelo.
Figura 4.5 Mecanismo de crescimento da demanda.
Preo

Aj

d tj + 1 = (1 + ) d tj
P

d tj + 1

d tj

Quantidade

Fonte: adaptado de Garcia e Shen (2010).

Nota-se que a elasticidade preo da demanda no varia com o

tempo, ou seja,

t +1 =

t +1 =

(d tj+1 / D j )
(d tj+1 / D j )
d tj / D j
d tj / D j

= t

(1 + )(d tj / D j )
(1 + )d tj / D j

(4.17)

(4.18)

Alguns modelos disponveis na literatura utilizam esta premissa

para que a varivel de deciso se restrinja apenas ao momento timo de
deciso e no tambm ao volume escolhido de produo (Murto et al.,
2004). Dadas as premissas que o custo marginal prximo de zero e que
a elasticidade alta o suficiente, ou seja, > 1 , a receita marginal ser
positiva para todas as empresas, independentemente dos seus nveis de
107

produo. Neste caso o volume produzido ser sempre a capacidade

mxima de produo da empresa (esta condio ser melhor explorada
na seo 5.2.2). No modelo proposto nesta tese, entretanto, a referida
premissa adotada apenas por se tratar de uma caracterstica real de
mercado que garante que o preo seja sempre positivo, seja qual for a
demanda.
4.4.2. Formulao do Modelo
Oligoplio:
Considere as mesmas premissas e ambiente de mercado
apresentadas na seo 4.2, com M jogadores (empresas). Cada jogador i

dispe de um conjunto de decises xi = xi,1, xi ,2 ,..., xi , N t ,i que

t

representam as quantidades a serem transportadas no perodo t. Deve-se

t

notar que xi deve satisfazer as equaes (4.10)-(4.12) para todos os

jogadores. Assumindo-se que os jogadores so racionais, quer-se

t*

t*

t*

t*

t*

determinar um vetor de decises x = x1 , x2 ,..., xi ,..., xM que

maximize a funo utilidade do jogo de curto prazo
t*

t*

t ,i ( k t , xit* , xt*i ) no
t*

t*

t*

estgio t para todos os jogadores, onde xi = ( x1 ,..., xi 1 , xi +1 ,..., xM ) ,

o plano timo para todas as empresas, exceto para a empresa i.
O vetor timo de decises ser obtido atravs de um equilbrio
Cournot-Nash que satisfaz a seguinte condio:

t,i (kt , xit*, xt*i ) t ,i (kt , xit , xt*i ) xit t ,i ,

(4.19)

Como apresentado em Nagurney (1999, pginas 212 e 224), sob

tais premissas citadas, x t * um equilbrio de Nash se e somente se
x t * t = t ,1 t ,2 ... t , M uma soluo da inequao
variacional:

( )

F x t* , xt x t* 0,

xt t

(4.20)

108

Onde F ( xt ) xt t ,1 (k t , xt ),..., xt t , M (k t , xt )
1

, um

vetor linha e onde,

t ,i (k t , xt )
t ,i (k t , xt )
xt t ,i (k t , x ) =
,...,

1
xit1
x1t N

(4.21)

O modelo de oligoplio distribudo espacialmente uma extenso

do modelo clssico de oligoplio (Nagurney, 2009).
No modelo desta tese, o lucro da empresa oligopolista i, t ,i
obtido considerando as equaes (4.13)-(4.14) e os custos unitrios de

( )
t

transporte Cij xij , conforme segue:

qit

t , i (k t , x t ) =

x (A
t
ij

) ( A ' + B ' ) d

t
j + B jd j

j =1

C ( x ) x
t
ij

ij

t
ij

(4.22)

j =1

( )

Assim sendo, de forma a obter F x* , da equao (4.20),

deriva-se a equao (4.22) em relao ao fluxo do produto xij de acordo
com a equao (4.21), conforme segue:
t,i (kt , xt )
xijt

= Aj + Bj dtj + xijt

d ( Aj + Bj d tj )
dd tj

) ( )

A'i + B 'i qit Cij xijt

(4.23)

ou,
t,i (kt , xt )
xijt

( )

= Aj + Bj dtj + xijt Bj ( A'i + B 'i qi ) Cij xijt

(4.24)

Utilizando a equao (4.24) na equao (4.21), o problema de

inequao variacional pode ser reescrito conforme denotado pela
109

equao

determinar

vetor

t
t
t

A
+
B
d

x
B
+
A
'
+
B
'
.
q
+
C

xt xt*
1 t,1 1 11 1
1 1 1
11

11 11


 

, xijt xijt*
Aj + Bt, j dtj xijt Bj + A'i + B'i . qtj +Cij

 


t t*
A + B dt xt B + A' + B' . qt + C xMN xMN
N t, N N 
MN
N
M
M M 
MN

 


4term
2term

1term
3term

(4.25)

t*

(4.20).
t*
11

Ou

t*
ij

x = x ,..., x ,..., x

deve-se

) , tal que:
t

seja,

t*
MN

t
t
t
t
para todo x = x11,..., xij ,..., xMN t

Considerou-se na formulao que resulta na equao (4.25), um

mercado de oligoplio. Utilizando-se o mesmo raciocnio, se formula a
seguir, os problemas equivalentes, atravs das expresses apresentadas
na seo 3.5.5, para os mercados de concorrncia perfeita e monoplio.
Concorrncia Perfeita:
t
Max z(x) = t ,i (k t , x ) =
t
N dj

(A
j =1 o

t
N xij

t
M qi

i =1 0

i =1 j =1 0

+ Bt , j w ) dw ( A 'i + B 'i w ) d w Cij ( w ) dw

(4.26)

Derivando a expresso (4.26) em relao quantidade

transportada entre um par de mercados i e j , xij , obtm-se,
t ,i (k t , xt )

xijt

N d tj
d
A j + Bt , j w dw
dxijt j =1 o

t
M qi

i =1 0

( A 'i + B 'i w) d w

t
N xij

ij

i =1 j =1 0

( w) dw

(4.27)
110

Resolvendo a equao (4.27) chega-se na seguinte expresso:

t ,i (k t , xt )
xijt

) (

( )

(4.28)

= A j + Bt , j d tj A 'i + B 'i qit Cij xijt

A equao (4.28) ser utilizada para formular o problema de

inequao variacional dado pela equao (3.28).
Monoplio:
t
Max z(x) = t ,i (k t , x ) =
N

d
j =1

t
j

(A

t
M qi

i =1 0

i =1 j =1

( A 'i + B 'i w ) dw Cij xijt xijt

j + Bt , j d
t
j

( )

(4.29)

Derivando a expresso (4.29) em relao quantidade

transportada entre um par de mercados i e j , xij , obtm-se,

t , i (k t , x t ) =

N
d
d j Aj + B j * d j
dxij j =1

M qi

) ( A 'i + B 'i w )dw Cij ( xij ) * xij

i =1
i =1 j =1

(4.30)
Resolvendo a equao (4.30) chega-se na seguinte expresso:

t,i (kt , xt )
t
ij

= ( Aj + Bt, j d ) + d
t
j

t
j

d(Aj + Bt, j dtj )

dd

t
j

( A'i + B'i qit ) Cij ( xijt )

(4.31)

A equao (4.31) equivale equao (3.37) e ser utilizada para

formular o problema de inequao variacional dado pela equao (3.38).

111

 Generalizao do modelo:
O modelo neste ponto estendido de forma a permitir a sua
generalizao para todas as estruturas competitivas, ou seja, o oligoplio
e seus extremos equivalentes, a competio perfeita e o monoplio. Para
tal, ser adicionado um operador Tijt na formulao do problema,
conforme segue. O segundo termo dos vetores de derivadas depende do
valor assumido para Tijt . Logo, se o mercado i oligopolstico, assumese que Tijt = xijt . Por sua vez, quando o mercado produtor i
monopolstico, assume-se que Tijt = d tj . Por fim, se o mercado i
perfeitamente competitivo, assume-se que Tijt = 0 . Neste ltimo caso, o
segundo termo cancelado da formulao final do problema de
inequao variacional. Desta forma, a equao (4.20) pode ser reescrita
da forma que apresentada a seguir:

t
t
t
A1 + Bt,1 d1 T11 B1 + A'1+ B'1. q1 +C11

xt xt*

11 11


 

t
t
t

, xijt xijt*
Aj + Bt, j d j Tij Bj + A'i + B'i . qj +Cij

 


t t*
A + B dt Tt B + A' + B' . qt + C xMN xMN
N t, N N 
MN
N
M
M M 
MN

 


4term
2term

1term
3term

Para todo

t
t
xt = x11
,..., xijt ,..., xMN
t

(4.32)

Com o modelo de equilbrio de curto prazo apresentado nesta

seo, determina-se o nvel de produo timo, o fluxo de produto
transportado para cada mercado consumidor, assim como o lucro das
vendas obtido pelas empresas a cada perodo t. Utilizando estes lucros
como dado de entrada para o jogo de longo prazo, apresentado na seo
4.3, obtm-se a estratgia de equilbrio de expanso de capacidade ao
longo do horizonte de planejamento. Estes resultados podem ser
determinados utilizando-se a programao dinmica reversa, conforme
algoritmo a ser apresentado na seo 4.4.3.
112

Para um melhor entendimento das equaes (4.24), (4.28) e

(4.31), formula-se a seguir uma interpretao grfica de tais derivadas,
utilizando-se para tal o modelo de oligoplio, j que tal interpretao
anloga ao dos outros modelos de concorrncia perfeita e monoplio.
Seja , um incremento da quantidade transportada, xij , entre um
par de mercados i e j. As figuras (4.6), (4.7) e (4.8) ilustram
graficamente o efeito deste incremento no custo total de produo do
produtor i, na receita do produtor i no mercado j, assim como nos custos
de transporte do produtor i para o mercado j, respectivamente.
Verifica-se pela figura (4.6), que um aumento na quantidade
transportada implicar em um aumento de igual quantidade na produo
e, portanto, ocasionando um aumento no custo total de produo,
representado pela rea em destaque do grfico da figura (4.6).
Figura 4.6 - Efeito de um incremento na quantidade ofertada no
custo total de produo do produtor i.
Custo

C + Bt' , j
C

S j ( d j ) = A 'j + B t' , j * d

Aj

qi

Quantidade

(a)

Fonte: elaborado pelo autor.

Por outro lado, o referido incremento ocasionar uma reduo de

preo no mercado j associada quantidade adicional transportada, o que
implicar em uma perda de receita, dada pela rea em destaque de sinal
negativo do grfico da figura (4.7).
Em compensao, haver um aumento de receita, causado pelo
aumento da produo de quantidade , dado pela rea em destaque de
sinal positivo do referido grfico.
113

Figura 4.7 - Efeito de um incremento na quantidade ofertada na

receita do produtor i no mercado j.
Preo

Aj
D j ( d j ) = A j + Bt , j * d

Bj

P Bt , j

d
(b)

Quantidade

Fonte: elaborado pelo autor

E, finalmente, o incremento na quantidade transportada implicar,

tambm, em um aumento dos custos de transporte, representado no
grfico da figura (4.8).
Figura 4.8 Efeito de um incremento na quantidade transportada no
custo de transporte do produtor i para o mercado j.
Custo

Ci,j

Quantidade

(c)
Fonte: elaborado pelo autor.

114

Em outras palavras, sejam S i e D j as funes inversas da curva

de oferta do produtor i e de demanda do mercado j, respectivamente, a
rea em destaque na curva de oferta da figura 4.6, que representa o
aumento do custo de produo dada por S i . Na curva de demanda a
rea referente ao ganho de receita dada por D j e a rea referente a
t

perda de receita dada por Bt , j d j .

Pode-se ento representar o ganho final da empresa i relativo a
este incremento pela equao a seguir:

t ,i

= Si . Cij + D j + B j d tj

(4.33)

onde d j a contribuio da empresa i para a demanda em j, ou seja,

xijt . Se for infinitesimal tem-se:

t ,i

= S i Cij + D j + Bt , j d tj

(4.34)

Estendendo-se a derivada representada na equao (4.34) com as

funes inversas lineares da oferta e da demanda consideradas no
presente modelo, tem-se:

t ,i

= ( Ai' + Bi' qit ) Cij + ( A j + Bt , j d tj ) + Bt , j d tj

(4.35)
t

Considerando-se que o coeficiente Bt , j negativo e que d j = xij ,

tem-se:

t ,i

= Ai' Bi' qit Cij + A j 2 Bt , j xijt

(4.36)

A equao (4.36) equivale equao (3.47) e (4.24).

115

4.5.

O ALGORITMO DO MODELO PROPOSTO

Os componentes de deciso do modelo proposto consideram o

tamanho da expanso k t ,i , o momento t da expanso que maximizam a
equao (4.7), referente ao jogo de longo prazo. Considerando-se fixas
as capacidades, o lucro timo de curto prazo de uma empresa i no tempo
t, *t ,i , a quantidade produzida qi* e o fluxo de produo para os
*

mercados consumidores, xij , devem ser obtidos do equilbrio do jogo de

curto prazo. A estratgia tima, resultado dos equilbrios determinada,
portanto, atravs do seguinte algoritmo geral do modelo proposto nesta
tese:
Algoritmo geral:

Passo 1 Inicializao: ler dados iniciais, definir o nmero

de estados em funo das capacidades possveis de cada
empresa.
a. Estabelea t=T.
b. Para todos os estados e empresas, obter equilbrio
de curto prazo resolvendo o problema de inequao
variacional
dado
pela
equao
(4.32),
determinando as quantidades a serem produzidas,
transportadas e o lucro timo para todos os estados
e empresas, conforme algoritmo de projeo
apresentado mais adiante nesta seo.
c. Para todos os estados e empresas, usando a
equao recursiva (4.7), determine a expanso k T*,i
que maximize Z T*,i .
d. Estabelea t = T - 1.

Passo 2 Critrio de parada: se t = -1, parar e ir para o

passo 4.

Passo 3 Perodos intermedirios:

Para cada perodo t :

116

a.

Para todos os estados e empresas, obter o equilbrio

de curto prazo resolvendo o problema de inequao
variacional
dado
pela
equao
(4.32),
determinando as quantidades a serem produzidas,
transportadas e o lucro timo da cada empresa i,
conforme algoritmo de projeo.
b. Para todos os estados e empresas, usando a
equao recursiva (4.7), determine a expanso
k t*,i que maximize Z t*,i .
c. Estabelea t = t -1;
d. Ir para o passo 2.

Passo 4 Apresentar resultados.

Algoritmo de Projeo (equilbrio de curto prazo):

Seja o VIP

( )

F x t* , xt x t* 0, x t , que no modelo

de equilbrio de curto prazo apresentado nesta tese dado pela equao

t
t
t
t
(4.32) e onde x = x11,..., xij ,..., xMN . Ento os seguintes passos podero
t*

ser utilizados para obteno de x .

Passo 1 Obtenha x

t ,0

t . Faa n=0.

t , n +1

P ( xt ,n n F ( xt ,n )) .

Passo 2 Calcule x

Passo 3 Se x
x > , faa n n + 1 e volte ao
passo 2.
t , n +1
Passo 4 Apresente x
.

t , n +1

t ,n

A demonstrao de convergncia do algoritmo do jogo de curto

prazo apresentada em Nagurney (1999, captulo 2, pginas 52-54),
onde os resultados da convergncia so declarados no teorema 2.8 e as
condies para o teorema so afirmadas nas premissas 1.1 e 2.1, do
referido livro.
117

Com relao ao jogo de longo prazo, conforme apresentado na

seo 4.3, considerada a premissa de um movimento sequencial entre
as empresas. Se as empresas tomam suas decises em sequncia, o jogo
finito tem um nico equilbrio perfeito em subjogo e pode ser resolvido
utilizando-se a programao dinmica, conforme Fudenberg & Tirole
(1991, captulo 13).
No prximo captulo a aplicao do modelo ser ilustrada com
um exemplo numrico e os comportamentos das empresas no contexto
do equilbrio competitivo do modelo proposto sero apresentados e
analisados.

118

5.

APLICAO NUMRICA DO MODELO

5.1.

INTRODUO

Neste captulo so apresentados exemplos numricos de forma a

ilustrar o funcionamento do modelo de expanso de capacidade proposto
nesta tese. feita uma srie de anlises de sensibilidade relativas a
alguns parmetros assumidos como input do modelo.
O algoritmo para obteno da estratgia tima de expanso de
capacidade, descrito no captulo anterior, foi implementado atravs de
um sistema computacional, escrito em linguagem DELPHI 7.0 para
Windows, e rodado em um microcomputador Pentium Dual Core 2.0
GHz com memria de 3GB e sistema operacional de 32 Bits Windows
Vista Home Basic. O tempo de execuo total do programa para a
configurao bsica utilizada neste trabalho (rodada base) foi medido
em torno de 1,69 segundos. Mais adiante neste captulo so tecidos
comentrios a respeito de problemas de maior porte e seu impacto no
tempo computacional.
O desempenho do modelo foi testado para um exemplo numrico
com estrutura de mercado e dados de grandeza semelhante ao
apresentado em Murto et. al. (2004), incorporando-se, entretanto, a
espacialidade dos mercados consumidores. O horizonte de planejamento
utilizado de 20 anos.
Em um caso real, para se modelar a estrutura espacial do
problema recomenda-se responder a duas questes bsicas: (1) Em uma
regio produtora existem empresas que dominam o mercado? Caso
existam deve-se separ-las em diferentes ns da estrutura espacial. Os
grandes jogadores do mercado tm a capacidade de influenciar o preo
e, como tal, sua estratgia identificar o nvel de produo que
maximize o seu lucro. Consequentemente empresas de grande porte
devem ser destacadas e serem por si s um n da estrutura espacial,
dado que interessa analisar seu comportamento individualmente; (2)
Existem vrias empresas com capacidades menores e pulverizadas em
uma s regio? Se existirem, deve-se reun-las em apenas um n da
estrutura espacial. Empresas de menor porte, com pouca participao no
mercado, no tm a possibilidade de influenciar o preo e sua estratgia,
diferentemente de empresas maiores, sempre produzir o que puder de
forma a maximizar o seu lucro. Assim sendo, de forma a simplificar a
modelagem do problema, pode-se agregar a oferta de vrias empresas
menores concentradas em uma regio, em um s n da estrutura
119

especial. Portanto, uma regio produtora pode estar representando uma

ou mais empresas, dependendo de como se definiu a estrutura espacial.
No exemplo terico apresentado neste trabalho ser adotada a
configurao espacial bipartido. A rede de produtores e consumidores
representada pela figura 5.1, onde so considerados nos ns superiores
os mercados produtores (i = 1,2) e nos ns inferiores os mercados
consumidores (j = 1,2). Adota-se neste exemplo numrico uma estrutura
simples bipartida pelo fato de que o objetivo desta tese analisar o
efeito da espacialidade do mercado na estratgia em equilbrio das
expanses de capacidades das empresas. Outras estruturas de rede
complexas poderiam ser incorporadas sem perda de generalidade do
modelo, entretanto, esta extenso faria crescer significantemente os
recursos computacionais.
Figura 5.1 Estrutura espacial do exemplo numrico.

mercados produtores
1

mercados consumidores
Fonte: elaborado pelo autor.

Existem custos logsticos para o transporte de produtos entre as

regies produtoras e consumidoras. No nosso exemplo, cada regio
produtora representada por um nico produtor. Para fins de
comparao consideramos um caso equivalente, porm tendo em vista
um mercado sem espacialidade.
Adicionalmente s premissas bsicas do modelo de curto prazo
apresentadas na seo 4.4.1, foram considerados ainda as seguintes
premissas gerais e parmetros para a anlise do caso base e do exemplo
equivalente, sem os custos logsticos:

120

1) O horizonte de planejamento de 20 (anos), isto ,

= {20,19,18,...,0} . Conforme mencionado na seo 4.3,
assume-se um nmero de perodos suficientemente grande
de modo que as decises timas no incio do horizonte de
planejamento sejam consistentes com a soluo de um
problema com um horizonte de planejamento infinito.
2) O fator de desconto , constante ao longo do tempo, de
0,893, o que representa uma taxa de desconto de 12%.
3) O custo de incremento de uma unidade de capacidade de
instalao de $5.
4) A capacidade inicial de 10 unidades para ambas as
empresas e refere-se capacidade no incio do horizonte de
planejamento.
5)

Os produtores tm uma capacidade mxima de 80 unidades.

A capacidade mxima foi estabelecida devido a restries
computacionais e assumido ser to elevado que uma
empresa nunca ir usar este limite e por isso no afeta o
equilbrio. Tal limite foi definido arbitrariamente, mas
tambm poderia ser facilmente determinada assumindo que
cada empresa estaria disposta a fornecer toda a demanda do
mercado.

6) O intercepto e a inclinao da curva da oferta

( y = A + Bx) so A = 1,2600 e B = 0,2770, para
ambas as empresas.
7) O intercepto e a inclinao da curva da demanda
(y=A+Bx) so A = 17,2534 e B = -0,5, para a regio de
consumo 1, e A = 18,7036 e B= -0,5.
8) O coeficiente B da curva de demanda cresce a uma taxa de
10% ao ano. Na seo 4.4.1 detalhou-se o mecanismo de
variao de B ao longo do tempo.

121

9) O fator de economia de escala dos investimentos, ,

inicialmente de 1,000, para ambas as empresas. Esta
premissa especifica que h retornos constantes de escala
para o caso base.
10) Para o caso base, os custos logsticos entre a empresa 1 e os
mercados consumidores 1 e 2 so $1,45 e $1,24,
respectivamente, e os custos logsticos entre a empresa 2 e
os mercados consumidores 1 e 2 so igualmente $1,45 e
$1,24, respectivamente.
11) A probabilidade da empresa i investir no perodo t ,

pt ,i ,

inicialmente de 0,5 para ambas empresas. Assume-se que

os tomadores de deciso so neutros ao risco com relao a
esta incerteza. Neste caso, assume-se que a regra de valor
esperado apropriada (Neumann e Morgenstern , 1944,
Apud Cusinato, 2003).
12) O intercepto e a inclinao da curva da demanda inversa (y
= A + Bx) para o caso sem custos logsticos, ou seja
considerando um mercado interno, A = 17,9785 e B = 0,25. Para este caso, assumiu-se que os produtores e os
consumidores esto concentrados em uma mesma regio
geogrfica, estes parmetros representam a soma das
demandas das regies 1 e 2.
13) Para o caso sem custos logsticos o pressuposto 10 no
tomado em considerao. Assim, os custos logsticos so
considerados iguais a zero.
Os dados comuns s diferentes anlises realizadas esto
sumarizados no quadro 5.1.

122

Quadro 5.1 Premissas bsicas comuns a todas as anlises de sensibilidade.

Descrio dos Parmetros

Valores

Custo de investimento - empresas 1 e 2

$5

Capacidade Mxima - empresas 1 e 2

80

t,i

t
i

Parmetros A' e B' do custo varivel de produo da empresa 1

1,260

0,227

Parmetros A' e B' do custo varivel de produo da empresa 2

1,260

0,227

p ti

Nmero de perodos (horizonte de planejamento)

20

Taxa de desconto do fluxo de caixa

0,120

Taxa de crescimento da demanda (Cte B) - regies consumidoras 1 e 2

0,100

Fonte: elaborado pelo autor.

No quadro 5.2 esto sumarizados os dados de entrada do modelo,

relativos rodada base, que sero objetos de anlises de sensibilidade a
seguir.
5.2.

ANLISE DOS RESULTADOS

5.2.1. Consideraes iniciais

As estratgias de equilbrio de curto e longo prazo so obtidas de
acordo com o algoritmo apresentado na seo 4.5. Entende-se por curto
prazo o perodo em que esto sendo realizadas as vendas, ou seja, um
ano e por longo prazo todo o horizonte de planejamento do modelo, ou
seja, 20 anos. Ressalta-se que o objetivo do algoritmo determinar o
investimento em expanso de capacidade e o nvel de produo a cada
perodo. Estas variveis so interdependentes, mas tm naturezas
diferentes. O investimento exerce influncia nos lucros das empresas em
carter permanente, enquanto que o nvel de produo impacta apenas o
lucro do perodo. Como visto no captulo 4, a estratgia tima de
investimentos obtida a partir do equilbrio de longo prazo e determina
a deciso de investimento em expanso de capacidade ao longo dos
anos. A escolha do nvel de produo em cada perodo, por sua vez,
obtida pelo equilbrio de curto prazo e determinada sem considerar os
investimentos, porm, dependente da capacidade de produo da

123

empresa, construda pelos investimentos ao longo do tempo at o

perodo atual.
Quadro 5.2 Dados do caso base.
Valores da
rodada base

Descrio dos Parmetros

Quantidade de empresas (regies) produtoras

Quantidade de regies consumidoras

()j

Parmetros A e B da curva de demanda da regio consumidora 1

P
,=
Q
X
t(a
.d
))(
D

Parmetros A e B da curva de demanda da regio consumidora 2

(XQ,(=t)jda.))( 18,7036 -0,5

P
D

17,2534 -0,5

Custo de transporte da empresa 1 para a regio consumidora 1

1,450

Custo de transporte da empresa 1 para a regio consumidora 2

1,240

Custo de transporte da empresa 2 para a regio consumidora 1

1,450

Custo de transporte da empresa 2 para a regio consumidora 2

1,240

k t ,i

Parmetros A' e B' do custo varivel de produo da empresa 1

1,260

0,227

Parmetros A' e B' do custo varivel de produo da empresa 2

1,260

0,227

Capacidade Inicial - empresa 1

10

Capacidade Inicial - empresa 2

10

Fator de economia de escala - empresa 1

1,000

Fator de economia de escala - empresa 2

1,000

Probabilidade de expandir no tempo t - empresa 1

0,500

Probabilidade de expandir no tempo t - empresa 2

0,500

Fonte: elaborado pelo autor.

Conforme apresentado no quadro 5.2, assume-se que as duas

empresas so simtricas, ou seja, tm custos idnticos de produo e de
transporte e a mesma capacidade inicial. Assim sendo, as empresas
apresentam os mesmos resultados de equilbrio para a expanso e fluxo
de produo ao longo do horizonte de planejamento.
A figura 5.2, a seguir, ilustra as expanses resultantes do
equilbrio de longo prazo para uma das realizaes randmicas da

124

varivel aleatria i , sendo i = {1,2} , que governa o sequenciamento

das empresas 1 e 2.
Observa-se que ambas as empresas operam abaixo de suas
capacidades em grande parte do horizonte de planejamento. No final do
tempo observado, entretanto, j com a demanda relativamente alta, as
empresas passam a operar em sua capacidade mxima.
Cabe ressaltar, porm, que o plano de expanso mostrado no
grfico da figura 5.2 no reflete necessariamente a estratgia tima da
empresa, visto que podem existir muitas outras realizaes randmicas
da varivel estocstica i que governa o sequenciamento dos
investimentos das empresas. Como as decises de investimentos e de
produo dependem da distribuio de probabilidade de i , tais
variveis so tambm estocsticas.
Figura 5.2 Evoluo das Expanses e Capacidades acumuladas
da empresa 1 em um exemplo simtrico.
45
40

Unidades - Empresa 1

35
30
25
20
15
10
5
0
0

10 11 12 13 14 15 16 17 18 19 20

Perodo (anos)
Expanses

Produo

Capacidade

Fonte: elaborado pelo autor.

Assim sendo, para todos os exemplos numricos apresentados nas

sees seguintes, ser utilizada a tcnica de simulao de Monte Carlo22
22

Para um claro entendimento sobre a tcnica de simulao de Monte Carlo ver

Andrade (2004).

125

para analisar a distribuio de probabilidades das variveis de deciso

do modelo. Portanto, o valor presente, a capacidade de produo e o
fluxo de produo das empresas sero analisados tendo em vista 2000
realizaes da varivel aleatria i para cada perodo do horizonte de
planejamento. Para cada simulao do valor da varivel
i , ser
utilizado o algoritmo dos jogos de longo prazo e de curto prazo de forma
a calcular a distribuies de probabilidade do valor presente lquido, da
expanso de capacidade, dos nveis de produo e volume transportado,
para cada empresa e cada perodo, conforme o mecanismo geral do
modelo, apresentado na figura 4.1.
Nas sees seguintes sero apresentadas as anlises de
sensibilidade variando os dados de entrada do modelo apresentado no
quadro 5.2. Cada configurao de parmetros ser chamada de rodada.
Sero realizados os seguintes experimentos que visam demonstrar
a importncia de se considerar os custos de transporte na determinao
da poltica tima e validar o modelo, verificando sua consistncia com o
que se espera em termos de comportamento em relao s estratgias
das empresas:
(1)
(2)
(3)
(4)
(5)

(6)
(7)

Anlise do modelo com simetria entre as empresas

em um mercado espacial.
Comparao
entre
estruturas
com
e
sem
espacialidade.
Anlise do modelo com assimetria entre as empresas nos
custos de transportes.
Anlise do modelo com assimetria nas capacidades iniciais
de cada empresa.
Anlise do modelo com assimetria na probabilidade de
decidir quem investe a cada perodo (varivel estocstica
do modelo).
Anlise do modelo com assimetria na economia de escala
das empresas.
Anlise do modelo com um nmero maior de empresas
(oligoplio).

5.2.2. Anlise do modelo com simetria

O objetivo desta seo apresentar os resultados do modelo para
um exemplo numrico, cujos dados so apresentados no quadro 5.2.
126

(rodada 1, tambm chamada de rodada base), que ser utilizado como

comparativo para o restante das anlises apresentadas neste captulo.
Consideram-se duas empresas produtoras e duas regies consumidoras,
distribudos espacialmente, tal como representadas na figura 5.1.
A figura 5.3 mostra o grfico de disperso do Valor Presente das
empresas 1 e 2, resultante da rodada 1.
A reta de tendncia do grfico da figura 5.3, y = bx + a , foi
obtida por regresso linear. Como se podia esperar, as distribuies do
Valor Presente das empresas 1 e 2 so similares devido ao fato das
empresas, neste exemplo, terem estruturas de custos idnticas. Isto pode
ser mais claramente observado pelo coeficiente de regresso b da reta
de tendncia. O valor de | b | 0,975, portanto prximo de 1, indicando
uma forte simetria entre as empresas 1 e 2.
Figura 5.3 Grfico de disperso dos Valores Presentes
das empresas - rodada 1.
800

Valor Presente - Empresa 2

750
700
650
600
550
500
450
y = -0,975x + 1181
400
400

450

500

550

600

650

700

750

800

Valor Presente - Empresa 1

Fonte: elaborado pelo autor.

A simetria apresentada no resultado das empresas indica que as

empresas tm chances iguais de obterem vantagem uma sobre a outra. O
que pode ser determinante a habilidade da empresa em estar atenta na
tomada de deciso de expanso de sua capacidade. A anlise deste
comportamento ser retomada mais frente neste captulo.
interessante observar, no momento, que na grande maioria das
127

realizaes da simulao uma empresa ganha a dianteira em detrimento

da derrocada da outra. Este comportamento pode ser mais facilmente
observado pelo histograma da figura 5.4 que mostra a frequncia das
diferenas entre o Valor Presente da empresa 1 e 2 (VP1 e VP2), nas
2000 realizaes da simulao.
Figura 5.4 Histograma da diferena entre VP1 e VP2 rodada 1.
500
457
450

424

400

376

371

350

Frequncia

300
250
200

172
150

150
100
50
0

-250

-200

16

18

50

10

0
-150

-100

-50

100

150

200

250

Diferena entre os valores presentes das empresas 1 e 2

Fonte: elaborado pelo autor.

A relativa simetria apresentada nas frequncias do histograma da

figura 5.4, evidencia o comportamento do jogo de ganha e perde entre as
empresas. As ocorrncias prximas de zero indicam que o Valor
Presente da empresa 1 muito prximo ou igual ao Valor Presente da
empresa 2. Na verdade isto ocorre em apenas 16 ocorrncias, ou seja,
em apenas 1% das realizaes.
Passa-se a analisar a seguir o resultado da rodada 1 para as
variveis de deciso do modelo.
A figura 5.5 apresenta o grfico de disperso das capacidades e
dos nveis de produo da rodada 1. Para cada perodo de tempo do
horizonte de planejamento foi realizada uma simulao, com 2000
realizaes, para se obter a distribuio das capacidades e dos fluxos de
produo.

128

Para tornar mais simples a anlise, so mostrados apenas os

perodos 6, 12 e 18. A legenda Capacidades T6 no grfico representa o
conjunto de realizaes das capacidades de produo das empresas 1 e 2
resultantes do equilbrio no ano 6. Da mesma forma, a legenda Fluxos
T6 representa o conjunto de realizaes dos fluxos de produo das
empresas 1 e 2 resultantes do equilbrio no ano 6. O mesmo raciocnio
descreve as legendas para as capacidades e fluxos de produo para os
anos 12 e 18, ou seja, Capacidade T12, Fluxo T12, Capacidade T18
e Fluxo T18, respectivamente.
Figura 5.5 Grfico de disperso das capacidades e dos fluxos e em
trs momentos do horizonte de planejamento caso com espacialidade.
50
45
40

Empresa 2

35
30
25
20
15
10
5
0
0

10

15

20

25

30

35

40

45

Empresa 1
Capacidade T6
Fluxo T6

Capacidade T12
Fluxo T12

Capacidade T18
Fluxo T18

Fonte: elaborado pelo autor.

Observa-se pela figura 5.5 que as empresas tendem a operar

abaixo de sua capacidade em grande parte do horizonte de
planejamento, indicando que as empresas decidem eventualmente no
ofertar toda a sua capacidade, utilizando-se de sua flexibilidade
operacional e influenciando no preo do mercado. Com uma maior
demanda nos perodos finais, porm, estas passam a operar prximo ou
em sua capacidade mxima, ratificando-se o que foi observado na figura
5.2, para uma das possveis realizaes da simulao.
129

No exemplo de Murto et. al (2004), entretanto, as empresas

operam em sua capacidade mxima ao longo de todo o horizonte de
planejamento (ver seo 4.4.1). Justifica-se este comportamento
normalmente nos segmentos de infraestrutura, onde o custo marginal de
produo relativamente baixo, prximo de zero e a elasticidade da
demanda alta o suficiente, ou seja, > 1 . Neste caso a receita
marginal ser sempre positiva para ambas as empresas
independentemente do nvel de produo. Isto implicar que as
empresas operem quase sempre em suas capacidades mximas. Este o
caso de muitos modelos de expanso de capacidade investigados neste
trabalho, onde o comportamento estratgico analisado o momento de
investir e no o nvel de produo, uma premissa adotada em artigos de
oligoplios dinmicos, tais como, por exemplo, em Gilbert e Harris
(1984), Ghemawat and Nalebuff (1990), Mills (1990) e Murto et al.
(2004).
Esta premissa, porm, no adotada no modelo desta tese. No
presente trabalho, o nvel de produo uma varivel de deciso e a
cada perodo determinada a produo tima atravs de um jogo de
equilbrio de curto prazo Cournot-Nash, fixadas as capacidades das
empresas no perodo em questo.
Um comportamento interessante a ser observado nos perodos
finais do grfico da figura 5.5 o formato linear e simtrico das
distribuies. Para um determinado perodo, enquanto realizaes das
capacidades e dos fluxos de produes permanecem praticamente
constantes para uma empresa, estas variam para a outra empresa. Em
seguida, a situao se inverte entre as empresas para uma segunda parte
das realizaes. Este comportamento demonstra, mais uma vez, que a
competio entre as empresas caracteriza-se por um jogo de perde e
ganha, com uma empresa lder, tomando a dianteira e a empresa em
desvantagem perseguindo o melhor posicionamento possvel no
mercado.
5.2.3. Comparativo com uma estrutura sem espacialidade
Nesta seo comparam-se os resultados da rodada 1, com
espacialidade, com um exemplo que no considera os custos de
transporte, o qual ser chamado de rodada 2. Ou seja, a rodada 2 tem
uma configurao na qual os produtores e consumidores esto
concentrados em uma mesma regio com custos de transporte nulos.
Considerou-se que a demanda do nico mercado consumidor
130

equivalente soma das demandas dos dois mercados consumidores da

rodada 1. O objetivo desta anlise demonstrar a relevncia em se
considerar os custos de transporte em um modelo de expanso de
capacidade. Os custos de transporte e parmetros de demanda das duas
rodadas so mostrados no quadro 5.3.
Quadro 5.3 Dados das rodadas 1(rodada base) e 2.

Rodada 1

Regio 1

Regio 2

Custos de transporte - Empresa 1

1,4500

1,2400

Custos de transporte - Empresa 2

2,4500

2,2400

17,2534 e -0,5 18,7036 e -0,5

Curva da demanda (Ctes A e B)

Fonte: elaborado pelo autor.

A figura 5.6, a seguir, mostra os grficos de disperso do Valor

Presente para as rodadas 1 e 2. A rodada 2 apresenta a mesma simetria
da rodada 1, como era de se esperar. Porm, fica evidente que os custos
logsticos exercem um impacto significativo sobre os lucros das
empresas. Observa-se pelos grficos da figura 5.6 que os retornos
obtidos pelas empresas no exemplo sem custos de transporte so bem
superiores.
Figura 5.6 Disperso do Valor Presente - rodadas 1 e 2.
1000

Valor Presente - Empresa 2

900

800

700

600

500

400
400

500

600

700

800

900

1000

Valor Presente - Empresa 1

Sem custos de transporte

Com custos de transporte

Fonte: elaborado pelo autor.

131

A figuras 5.7 apresenta os histogramas do Valor Presente da

empresa 1 (as duas empresas apresentam os mesmos resultados por
serem simtricas), resultantes das rodadas 1 (com custos de transporte) e
2 (sem custos de transporte), respectivamente.
Figura 5.7 Histogramas de Valor Presente.

700
600

Frequncia

500
400
300
200
100
0
500

550

600

650

700

750

800

850

900

950

Valor Presente - Empresa 1

Sem custos de transporte

Com custos de transporte

Fonte: elaborado pelo autor.

Os histogramas da figura 5.7 evidenciam os retornos mais baixos

obtidos pelas empresas no caso com espacialidade, como esperado.
A figura 5.8 apresenta as curvas de evoluo da capacidade e do
nvel de produo do mercado, assim como, a capacidade e o nvel de
produo da empresa 1 ao longo do horizonte de planejamento para os
casos com e sem custos logsticos. Os pontos das curvas representam a
mdia dos valores obtidos para 2000 realizaes de simulao Monte
Carlo.
Observa-se pela figura 5.8 que o mercado em equilbrio tem
nveis mais altos de capacidade e de produo para o caso sem custos
logsticos comparativamente ao caso com custos logsticos.

132

Figura 5.8 Capacidades e Produo em equilbrio ao longo do tempo

para os casos com e sem espacialidade.
100
90
80

Quantidade

70
60
50
40
30
20
10
0
0

9
10
11
12
Perodos (anos)

Capacidade total do mercado (sem espacialidade)

Produo total do mercado (sem espacialidade)
Capacidade da empresa 1 (sem espacialidade)
Produo da empresa 1 (sem espacialidade)

13

14

15

16

17

18

19

20

Capacidade total do mercado (com espacialidade)

Produo total do mercado (com espacialidade)
Capacidade da empresa 1 (com espacialidade)
Produo da empresa 1 (com espacialidade)

Fonte: elaborado pelo autor.

Pode-se observar que a empresa 1 apresenta nveis mais altos de

capacidade e de produo ao longo de todo o horizonte de tempo para o
caso sem custos logsticos. Este comportamento pode ser explicado pelo
fato das empresas assumirem um risco mais alto quando competindo em
mercados espaciais, destacando a importncia de se considerar a
espacialidade do mercado ao se determinar a estratgia tima de
expanses de capacidade quando os custos logsticos entre as regies de
produo e de consumo so relevantes. Em outras palavras, ao
ignorarem os custos de transporte que as empresas incorrem em uma
competio de curto prazo na modelagem de investimentos em
expanses de capacidade ao longo do tempo, os tomadores de deciso
obtm uma estratgia tima diferente daquela obtida quando modelando
o problema com custos logsticos.
Logo, acoplar o problema de expanso de capacidade para o jogo
de longo prazo com o problema de oligoplio espacial para o jogo de
curto prazo fundamental para obteno de tais resultados.
tambm interessante notar pela figura 5.8 que o nvel de
produo est abaixo da capacidade mxima em quase todo o horizonte
de planejamento. Entretanto, na medida em que a demanda cresce ao
longo do tempo, as empresas tendem a produzir em sua capacidade
mxima. Este comportamento pode ser em parte explicado pelo efeito
do fim do horizonte de planejamento. Uma anlise do comportamento
133

da produo das empresas ilustra uma das caractersticas distintas do

modelo desta tese, conforme mencionado na seo 5.2.1, onde as
decises estratgicas dizem respeito no somente ao momento (tempo) e
ao tamanho da expanso, mas tambm com relao s decises de
produo.
A figura 5.9 ilustra o comportamento do preo ao longo do tempo
para os casos com e sem custos logsticos. Ambos os casos tem
exatamente a mesma demanda total. Em um dos casos consideram-se
duas regies (regies 1 e 2) e no outro caso considera-se somente uma
regio (regio 1). Os preos representam a mdia dos resultados obtidos
das 2000 realizaes da simulao de Monte Carlo realizada a cada
perodo.
Observa-se que os preos do caso sem espacialidade so mais
baixos do que os preos das regies 1 e 2. Dada a premissa que no h
nenhuma outra varivel adicional influenciando o comportamento das
empresas, tais como a renda da populao ou taxa de juros, uma vez
mais demonstrado que a oferta total tende a ser mais baixa em
mercados distribudos espacialmente do que em mercados com somente
uma regio de consumo, conforme j havia sido mencionado
anteriormente. As curvas de preos apresentadas na figura 5.9 refletem a
oferta nas regies de consumo ao longo do tempo. No ano 2, depois de
investimentos no perodo 1, as empresas aumentam significativamente
sua produo resultando em uma queda de preo. A partir do perodo 3
em diante, o nvel de produo cresce a um ritmo mais lento. Como a
demanda est sempre crescendo, de acordo com a premissa assumida no
modelo, os preos tendem igualmente a crescer ao longo do tempo.
Sob uma perspectiva de longo prazo este exemplo ilustra o efeito
do valor da flexibilidade23 (flexibility value effect) das empresas vis a vis
ao efeito de se investir mais cedo (commitment effect),o que significa
que as empresas devem contrapor o efeito de postergar investimentos
irreversveis com o impacto de se investir para ganhar vantagem
estratgica sobre o concorrente.

23

O impacto do efeito do valor da flexibilidade e o efeito de se investir mais

cedo descrito em mais detalhes em Smit and Trigeorgis, 2004, captulo 6,
pginas 255-258.

134

Figura 5.9 Comportamento de Preos em equilbrio ao longo do tempo

para casos com e sem espacialidade.
15

14

Preo

13

12

11

10
0

9 10 11 12 13 14 15 16 17 18 19 20
Perodo (anos)
Preo no mercado sem espacialidade
Preo da regio 1 com espacialidade
Preo da regio 2 com espacialidade

Fonte: elaborado pelo autor.

Sob uma perspectiva de curto prazo, o modelo captura a

flexibilidade operacional, quando permite que as empresas variem sua
oferta de produo para influenciar preos. Ou seja, em um mercado
oligopolstico, as empresas podem compensar eventuais erros de
dimensionamento de sua capacidade estabelecendo nveis mais baixos
de produo para forar o aumento de preos.
5.2.4. Anlise do modelo com assimetria
5.2.4.1. Assimetria nos custos logsticos
Nesta seo o modelo aplicado variando-se os custos de
transporte, impondo-se, assim, uma assimetria de custos entre as
empresas. O objetivo deste exemplo analisar a vantagem que uma
empresa tem sobre a outra na competio quando incorrem em
diferentes custos logsticos e qual o impacto desta assimetria no fluxo de
caixa das empresas.
So utilizados os mesmos parmetros da rodada 1, porm, apenas
a empresa 2 ter seus custos de transporte progressivamente aumentados
em trs aplicaes do modelo, chamadas de rodadas 3, 4 e 5, conforme
dados apresentados no quadro 5.4.

135

Quadro 5.4 Dados das rodadas 3, 4 e 5.

Regio 1

Regio 2

Empresa 1

$1,4500

$1,2400

Empresa 2

$2,4500

$2,2400

Empresa 1

$1,4500

$1,2400

Empresa 2

$4,4500

$4,2400

Empresa 1

$1,4500

$1,2400

Empresa 2

$6,4500

$6,2400

Rodada 3

Rodada 4

Rodada 5

Fonte: elaborado pelo autor.

A figura 5.10, a seguir, mostra os resultados das distribuies do

Valor Presente para as rodadas 3, 4 e 5. A inclinao das retas de
regresso linear menos acentuada na medida em que os custos de
transporte aumentam, indicando uma vantagem progressiva para a
empresa 1 na medida em que os custos logsticos crescem para a
empresa 2. Esta situao fica mais evidente analisando os coeficientes
de regresso | a | das curvas que representam as rodadas 4 e 5, cujos
valores 0,6036 e 0,3471, respectivamente, demonstram a assimetria
entre as duas empresas.
Observa-se, tambm, que na rodada 3 a empresa 2, apesar de ter
custos de transporte superiores, supera os retornos obtidos pela empresa
1 em algumas realizaes da simulao. o caso dos pontos plotados do
lado esquerdo do grfico da referida rodada. Estas ocorrncias
demonstram mais uma vez que, mesmo em desvantagem de custos, uma
empresa pode superar a outra empresa e isto depender da capacidade da
empresa em estar atenta ao momento ideal para expandir sua
capacidade, situao esta que ser explorada na seo 5.2.4.3 deste
captulo.

136

Figura 5.10 Disperso do Valor Presente - rodadas 3, 4 e 5.

700
600

Valor Presente - Empresa 2

500

y3 = -0,8465x + 1023,8
R = 0,943

400
300

y4 = -0,6036x + 737,19
R = 0,9297

200
100

y5 = -0,3471x + 444,71
R = 0,8466

0
500

550

600

650
700
750
Valor Presente - Empresa 1

Rodada 3

Rodada 4

800

850

900

Rodada 5

Fonte: elaborado pelo autor.

A vantagem da empresa 1 sobre a empresa 2 evidenciada nos

grficos de histograma da rodada 4, apresentados na figura 5.11,
conforme segue.
Figura 5.11 Histogramas do Valor Presente para um caso de
assimetria nos custos - rodada 4.

900
800

Frequncia

700
600
500
400
300
200
100
0
250 300 350 400 450 500 550 600 650 700 750 800

Valor Presente
Empresa 1

Empresa 2

Fonte: elaborado pelo autor.

137

Para esta rodada, todas as realizaes do Valor Presente da

empresa 1 so significativamente superiores quelas obtidas pela
empresa 2. Explica-se tal comportamento pelo fato da empresa 1 ser
mais competitiva, por ter seus custos de transporte bem menores que a
empresa 2.
Em seguida testou-se o modelo para casos especiais de
distribuio espacial entre os mercados produtores e consumidores para
se obter uma anlise de sensibilidade do efeito dos custos logsticos em
casos extremos de distribuio espacial entre os mercados.
No primeiro caso, chamado de rodada 6, os produtores esto
localizados na mesma regio e equidistantes dos dois mercados
consumidores, conforme ilustrado na figura 5.12, conforme segue.
Figura 5.12 Distribuio espacial dos mercados - rodada 6.

Fonte: elaborado pelo autor.

Utilizou-se os mesmos dados da rodada base, porm, com os

custos de transportes caracterizando a equidistncia entre os mercados,
conforme quadro 5.5.
Quadro 5.5 Custos de transporte rodada 6.
Regio 1

Regio 2

Empresa 1

$1,3450

$1,3450

Empresa 2

$1,3450

$1,3450

Rodada 6

Fonte: elaborado pelo autor.

A figura 5.13, a seguir, apresenta os histogramas dos retornos das

empresas para a rodada 6.

138

Figura 5.13 Histogramas do Valor Presente - Rodada 6.

500
450

Frequncia

400
350
300
250
200
150
100
50
0
500 525 550 575 600 625 650 675 700 725 750 775
Valor Presente
Empresa 1

Empresa 2

Fonte: elaborado pelo autor.

Independente das distncias entre o mercado produtor e os

mercados consumidores, observou-se para este caso que as empresas
apresentam estratgias de expanso e retornos (Valor Presente) muito
similares, j que estas se localizam na mesma regio e tm os mesmos
custos logsticos.
No segundo caso, a empresa 1 localiza-se em uma regio
consumidora e a empresa 2 em outra regio consumidora, conforme
ilustrado na figura 5.14.
Figura 5.14 Distribuio espacial dos mercados casos especiais.
Emp. 1

Emp. 2

consumidores

consumidores

Regio 1

Regio 2
Fonte: elaborado pelo autor.

139

Foram realizadas vrias rodadas, com distncias cada vez maiores

entre os dois mercados. Os custos logsticos para esta anlise de
sensibilidade so apresentados no quadro 5.6.
Quadro 5.6 Custos de transporte - rodadas 7 a 10.
Regio 1

Regio 2

Empresa 1

0,0000

2,6900

Empresa 2

2,6900

0,0000

Empresa 1

0,0000

4,6900

Empresa 2

4,6900

0,0000

Empresa 1

0,0000

8,6900

Empresa 2

8,6900

0,0000

Empresa 1

0,0000

16,6900

Empresa 2

16,6900

0,0000

Rodada 7

Rodada 8

Rodada 9

Rodada 10

Fonte: elaborado pelo autor.

Os resultados dos histogramas de realizaes do Valor Presente

das duas empresas para a rodada 7 so apresentados nas figuras 5.15.
Observa-se que os histogramas apresentados na figura 5.15
demonstram uma vantagem da empresa 2 em relao a empresa 1. Isto
pode ser explicado pelo fato da empresa 2 estar localizada na regio de
maior demanda, apesar dos custos de transporte no serem ainda
significativamente altos.

140

Figura 5.15 Histogramas de Valor Presente para

localizaes equidistantes rodada 7.

600

Frequncia

500
400
300
200
100
0
550 575 600 625 650 675 700 725 750 775 800 825 850
Valor Presente
Empresa 1

Empresa 2

Fonte: elaborado pelo autor.

medida que os custos de transporte vo crescendo, conforme

considerado nas rodadas 8, 9 e 10, a vantagem da empresa 2, mais
prxima da regio de maior demanda, passa a ser ainda mais evidente,
conforme pode ser observado nos histogramas das figuras 5.16, 5.17 e
5.18, a seguir.

141

Figura 5.16 Histogramas do Valor Presente Rodada 8.

800
700

Frequncia

600
500
400
300
200
100
0
575 600 625 650 675 700 725 750 775 800 825 850
Valor Presente
Empresa 1

Empresa 2

Fonte: elaborado pelo autor.

Figura 5.17 Histogramas do Valor Presente Rodada 9.

800
700

Frequncia

600
500
400
300
200
100
0
650 675 700 725 750 775 800 825 850 875 900 925
Valor Presente
Empresa 1

Empresa 2

Fonte: elaborado pelo autor.

142

Figura 5.18 Histogramas do Valor Presente Rodada 10.

800
700

Frequncia

600
500
400
300
200
100
0
625 650 675 700 725 750 775 800 825 850 875 900 925 950
Valor Presente
Empresa 1

Empresa 2

Fonte: elaborado pelo autor.

Esta situao torna-se bastante evidente quando analisamos o

formato das curvas de disperso do Valor Presente, conforme figura
5.19 a seguir. As rodadas 7 e 8, com custos de transportes ainda
relativamente baixos, apresentam formatos equivalentes ao exemplo da
rodada base, indicando que nestas rodadas as empresas ainda atendem
aos dois mercados.

143

Figura 5.19 Grficos de disperso do Valor Presente

rodadas 7 a 10.
950
900
850

Valor Presente - Empresa 2

800
750
700
650
600
550
500
500

550

600

650

700

750

800

850

900

Valor Presente - Empresa 1

Rodada 7

Rodada 8

Rodada 9

Rodada 10

Fonte: elaborado pelo autor.

Interessante notar, entretanto, que para as rodadas 9 e 10 as

disperses do Valor Presente so praticamente equivalentes e com
formatos bastante distintos das rodadas 7 e 8. Isto sugere que os custos
de transporte acima de um determinado valor no mais impactam os
resultados. Ou seja, as empresas passam a apresentar desempenhos
independentes, cada qual dominando o mercado no qual se localiza,
caracterizando um monoplio para as empresas que atendem a cada um
dos mercados.
5.2.4.2. Assimetria na capacidade
Nesta seo o modelo aplicado considerando-se que uma das
empresas uma entrante no mercado, com capacidade inicial zero, e a
outra uma incumbente (j estabelecida no mercado), impondo-se, assim,
uma assimetria de capacidades entre as empresas no incio do horizonte
de tempo observado. Testou-se o modelo com os dados da rodada 1 na
qual as empresas so idnticas, porm, agora com diferenas em suas
capacidades iniciais. Foram realizadas duas anlises, considerando-se
diferentes capacidades iniciais conforme o quadro 5.7.

144

Quadro 5.7 Dados de Capacidades - rodadas 11 e 12.

Empresa 1

Empresa 2

Rodada 11

Capacidade Inicial

10

Rodada 12

Capacidade Inicial

40

Fonte: elaborado pelo autor.

A figura 5.20 apresenta os grficos de disperso do Valor

Presente resultantes das rodadas 11 e 12.
Figura 5.20 Grficos de disperso do Valor Presente
rodadas 11 e 12.
600

Valor Presente - Empresa 2

500
400
300
200
100
0
500

700

900

1100

1300

-100
-200

Valor Presente - Empresa 1

Rodada 11

Rodada 12

Fonte: elaborado pelo autor.

Observa-se pela figura 5.20 que na rodada 11 a empresa 1, que

tem capacidade inicial de 10 unidades no incio do perodo, tem
realizaes significativamente maiores que a empresa entrante com
capacidade inicial zero. Quando a capacidade inicial da empresa 1
ampliada para 40, no caso da rodada 12, esta obtm uma vantagem ainda
maior em relao empresa entrante. A empresa 2, neste exemplo,
como se pode observar pela figura 5.20, apresenta resultados negativos
para o Valor Presente em um nmero razovel de realizaes em ambas
145

as rodadas. Interessante observar tambm, que as realizaes do Valor

Presente da empresa 2 so semelhantes para as rodadas 11 e 12,
sugerindo que a partir de um determinado nvel a capacidade da empresa
1 no mais impacta negativamente a empresa 2, fixada a demanda. De
qualquer forma, o exemplo demonstra que a capacidade de produo de
uma empresa incumbente funciona como uma barreira de entrada para
empresas que desejam iniciar no mercado.
As figuras 5.21 e 5.22, a seguir, apresentam as capacidades e os
fluxos de produo das empresas 1 e 2 resultantes das rodadas 11 e 12,
respectivamente.
Figura 5.21 Grfico de disperso das Capacidades e Fluxos em
trs momentos do horizonte de planejamento - rodada 11.
45

40

35

Empresa 2

30

25

20

15

10

0
0

10

15

20

25

30

35

40

45

50

Empresa 1
Capacidades T6
Fluxos T6

Capacidades T12
Fluxos T12

Capacidades T18
Fluxos T18

Fonte: elaborado pelo autor.

146

Figura 5.22 Capacidades e Fluxos ao longo do tempo - rodada 12.

45

40

35

Empresa 2

30

25

20

15

10

0
0

10

15

20

25

30

35

40

45

50

Empresa 1
Capacidades T6
Fluxos T6

Capacidades T12
Fluxos T12

Capacidades T18
Fluxos T18

Fonte: elaborado pelo autor.

Analisando-se primeiramente a figura 5.21, observa-se que as

empresas ao longo do horizonte de planejamento operam em um nvel
de produo abaixo de sua capacidade mxima. Na medida em que a
competio evolui, as empresas vo aumentando as suas produes,
deixando-as prxima sua capacidade mxima ao fim do horizonte
analisado. Observa-se, ainda, pela figura 5.21 que as empresas 1 e 2 j
operam no perodo 6 com capacidades bastante similares. Na verdade,
como no h limites impostos ao tamanho da expanso, a empresa 2 j
nos primeiros perodos do horizonte de planejamento realiza expanses
de maior porte do que a empresa 1 com capacidade inicial maior,
recuperando sua desvantagem, em termos de capacidade, relativamente
empresa 1.
Analisando-se a figura 5.22, rodada em que a empresa 1 inicia a
competio com capacidade ainda maior que no exemplo anterior,
verifica-se que esta praticamente no realiza expanses e opera abaixo
de sua capacidade at quase o final do horizonte de planejamento. Este
comportamento corrobora com a pressuposio que a empresa 1 toma
partido de seu pleno domnio do mercado e oferta um volume menor de
produto no mercado de forma a influenciar o preo e aumentar seus
lucros.
147

 observado, tambm, pelas figuras 5.21 e 5.22 que a empresa 2

experimenta algumas realizaes de valor zero para capacidade e para a
produo ainda no perodo 6. Em uma anlise mais detalhada da
simulao da rodada 11, identificou-se que existem algumas realizaes
de valor zero para a produo da empresa 2 no perodo 6, mesmo esta j
tendo expandindo a sua capacidade. Na rodada 12, o nmero de
realizaes de valor zero para a produo da empresa 2, no perodo 6,
ainda maior. Isto evidencia que a empresa entrante leva desvantagem na
competio com a empresa j estabelecida (incumbente), pelo menos no
curto e mdio prazo, resultado que vem a corroborar com a situao de
real de mercado.
Conforme mencionado anteriormente, ressalta-se que as empresas
entrantes, dado que no h restries de entrada, como por exemplo
acesso ao crdito, vo adquirindo capacidade ao longo do tempo at
quase em nvel equivalente aos jogadores j bem estabelecidos. Esta
situao no diferente para casos reais, tal como, constatou-se com a
entrada das empresas de telecomunicaes no Brasil, em relao s
empresas privatizadas. No processo de desregulamentao do setor, tais
empresas foram adquirindo capacidade nas regies em que podiam
atuar, algumas vezes com tecnologia ainda mais avanada, igualando ou
superando em competitividade as empresas incumbentes. Cabe ressaltar,
porm, que no modelo proposto, por premissa, no permitido a entrada
de empresas no mercado ao longo do horizonte de planejamento.
5.2.4.3. Assimetria na probabilidade de decidir
Conforme descrito na seo 4.3, assume-se neste modelo que
empresas tomam decises sequencialmente. Portanto, definiu-se uma
varivel aleatria que representa a oportunidade da empresa i investir
no tempo t. A distribuio de probabilidade desta varivel so
parmetros de entrada do modelo. Uma probabilidade prxima de 1 em
um determinado perodo indica que a empresa tem grande chance de
investir naquele perodo. Pode-se interpretar uma probabilidade alta em
investir como sendo uma competncia da empresa em identificar as
necessidades do mercado. Por outro lado, uma probabilidade prxima de
zero indica que a empresa demora em detectar as necessidades do
mercado e em tomar suas decises de investimentos. Nesta seo o
modelo ser aplicado tendo em vista diferentes distribuies de
probabilidades, caracterizando os diferentes comportamentos das
empresas. Assumindo-se que uma alta probabilidade de investir de uma
148

empresa est associada a um comportamento agressivo e a uma maior

ateno s demandas do mercado, o objetivo desta anlise identificar o
quanto tais caractersticas influenciam positivamente em seus
resultados. O quadro 5.8 apresenta as probabilidades consideradas para
as rodadas 13 a 15.
Quadro 5.8 Dados de probabilidades de investir - rodadas 13 a 15.
Empresa 1

Empresa 2

Rodada 13

Probabilidade de investir

0,2000

0,8000

Rodada 14

Probabilidade de investir

0,4000

0,6000

Rodada 15

Probabilidade de investir

0,5000

0,5000

Fonte: elaborado pelo autor.

Testou-se o modelo com os dados da rodada base, porm, com

diferena nas probabilidades de investir. A empresa 1 tem sua
probabilidade aumentada progressivamente ao longo das rodadas 13 a
15, enquanto a probabilidade atribuda empresa 2 decresce (a rodada
15 idntica rodada base).
A figura 5.23 apresenta a disperso do Valor Presente para tais
rodadas. Constata-se que na rodada 13, a curva de disperso mostra
retornos da empresa 1 menores que os retornos da empresa 2. Na
medida em que a probabilidade de investimento da empresa 1 aumenta,
como assumido na rodada 14, os retornos da empresa 1 se tornam mais
altos. At que, na rodada 15, v-se um equilbrio dos retornos entre as
empresas 1 e 2, j que nesta rodada as probabilidades so iguais. As
retas de tendncia para os respectivos os grficos das rodadas 13, 14 e
15, apresentados na figura 5.23, ajudam a identificar tal situao.

149

Figura 5.23 Grficos de disperso do Valor Presente

rodadas 13, 14 e 15.
850

Valor Presente - Empresa 2

800

750

700

650

600

y13 = -1,0678x + 1265,7

y14 = -1,0246x + 1214,7

550

y15 = -0,9853x + 1186,9

500
500

550

600

650

700

750

800

Valor Presente - Empresa 1

Rodada 13

Rodada 14

Rodada 15

Fonte: elaborado pelo autor.

Apesar de no apresentado neste trabalho, os mesmos testes

foram realizados variando as probabilidades da empresa 2 e resultados
similares foram encontrados. Entretanto, neste caso a empresa 2 que
tem retornos crescentes na medida em que aumenta a probabilidade de
investir.
Estes resultados sugerem que a empresa com maior probabilidade
de investir, ou seja, mais atenta s necessidades do mercado, tende a
levar vantagem sob a outra empresa. Este comportamento torna-se mais
evidente observando-se a figura 5.24, a seguir, que apresenta as
capacidades e os fluxos de produo das empresas 1 e 2 resultantes da
rodada 13 para os perodos t=6, t=12 e t=18. Observa-se que os nveis
de capacidade alcanados pela empresa 2, com maior probabilidade de
investir, so para muitas das realizaes da simulao significativamente
superiores que os da empresa 1.

150

Figura 5.24 Capacidades e Fluxos ao longo do tempo - rodada 13.

50
45
40

Empresa 2

35
30
25
20
15
10
5
0
0

10

15

20

25

30

35

40

45

50

Empresa 1
Capacidades T6
Fluxo T6

Capacidades T12
Fluxos T12

Capacidades T18
Fluxos T18

Fonte: elaborado pelo autor.

Observa-se que, como a demanda no suficientemente alta,

existe uma predisposio para que as empresas operem em nveis mais
baixos que suas capacidades mximas nos perodos iniciais do horizonte
de planejamento.
5.2.4.4. Assimetria na economia de escala
Todas as aplicaes do modelo at aqui apresentadas
consideraram custos de investimentos sem economia de escala. Nesta
seo o modelo ser aplicado considerando que a empresa obtm
economias de escala ao realizar o investimento em expanso de
capacidade. O objetivo desta anlise observar como se comportam as
empresas competindo em mercados distribudos espacialmente quando
estas tm distintas economias de escala para investimentos em expanso
de capacidade.
O custo de investimento calculado, conforme apresentado na
seo 4.2, utilizando o fator de economia de escala, . Foram
utilizados os mesmos dados da rodada base, variando-se o fator de
economia de escala. A tabela 5.9 apresenta os valores utilizados de ,
para as rodadas 16, 17 e 18. O restante dos parmetros foi aplicado
conforme a rodada base.
151

Quadro 5.9 Fatores de economia de escala - rodadas 16, 17 e 18.

Empresa 1

Empresa 2

Rodada 16

Fator de economia de escala

0,6000

0,6000

Rodada 17

Fator de economia de escala

0,7000

0,5000

Rodada 18

Fator de economia de escala

1,0000

0,4000

Fonte: elaborado pelo autor.

As realizaes do Valor Presente das empresas so apresentadas

na figura 5.25.
Figura 5.25 Grficos de disperso do Valor Presente com
economias de escala rodadas 16, 17 e 18.
900
850

Valor Presente - Empresa 2

800
750
700
650
600
550
500
450
400
400

450

500

550

600

650

700

750

800

850

900

Valor Presente - Empresa 1

Rodada 16

Rodada 17

Rodada 18

Fonte: elaborado pelo autor.

Observa-se na figura 5.25, que a empresa que apresenta maior

economia de escala (menor valor para o fator), em relao a sua
competidora, obtm resultados mais favorveis. Na rodada 16 as
empresas apresentam a mesma economia de escala. Na rodada 17 com
um fator de economia de escala maior, a empresa 2 obtm vantagem
sobre a empresa 1. Este fato fica evidenciado na rodada 18, onde a
empresa 2, com forte economia de escala, obtm resultados
152

significativamente maiores que a empresa 1, a qual no apresenta

economia de escala em seus investimentos. Estes resultados so
consistentes com os resultados apresentados em Murto et al. (2004).
As expanses das empresas 1 e 2 em cada perodo de tempo,
resultantes da rodada 18, so apresentadas no quadro 5.10.
Neste experimento as empresas iniciam o perodo observado de
planejamento com capacidade de 10 unidades. A empresa 1, porm, sem
economia de escala realiza vrios investimentos de pequeno porte ao
longo do horizonte de planejamento. Por sua vez, a empresa 2, com alta
economia de escala, investe apenas um vez, no perodo t=0.
Considerando-se que a demanda no alta o suficiente no incio
do horizonte de planejamento, a empresa 2 tira proveito de sua
economia de escala e, com expanses de maior porte, obtm lucros
maiores que a empresa 1. Na medida em que o tempo passa, porm, a
empresa 1, que realiza expanses menores, mais hbil em aumentar
sua capacidade em linha com o crescimento da demanda, reduzindo
excesso de capacidade. Verifica-se pela ltima coluna do quadro 5.10,
que a empresa 1, inicia o perodo observado com uma desvantagem de
5,4% sobre a empresa 2 em termos do valor presente de seu fluxo de
caixa. Porm, no ltimo perodo de planejamento a empresa 1
praticamente anula esta desvantagem, corroborando com os resultados
apresentados na rodada 12, que considera a assimetria de capacidade
inicial entre as empresas.
Ressalta-se que este plano no representa necessariamente as
decises timas de expanso porque resultante de apenas uma das
inmeras possveis realizaes da varivel estocstica que governa o
sequenciamento de investimento, i . Apesar disso, tais expanses so
um indicativo do comportamento de uma empresa que apresenta ganhos
de escala.

153

Quadro 5.10 Plano de expanso e valor presente esperado das empresas

1e 2, para uma das sequncias possveis de investimentos.
Perodo

Capacidade
Empresa 1

Capacidade
Empresa 2

Expanso
Empresa 1

Expanso
Empresa 2

Fluxo
Empresa 1

Fluxo
Empresa 2

Valor
Presente
(VP)
Esperado
Empresa 1

Valor
Presente
(VP)
Esperado
Empresa 2

Diferena %
entre o VP
da Empresa
1 sobre o
VP da
Empresa 2

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

10
33
34
34
35
36
36
37
38
38
39
39
40
40
40
41
41
41
42
42

10
43
43
43
43
43
43
43
43
43
43
43
43
43
43
43
43
43
43
43

23
1
0
1
1
0
1
1
0
1
0
1
0
0
1
0
0
1
0
0

33
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

10,0
16,9
18,2
19,5
20,8
22,2
23,6
25,1
26,6
28,2
29,8
31,4
32,4
34,6
36,2
37,8
39,4
40,9
42,0
42,0

10,0
16,9
18,2
19,5
20,8
22,2
23,6
25,1
26,6
28,2
29,8
31,4
32,4
34,6
36,2
37,8
39,4
40,9
43
43

1.141
1.548
1.631
1.708
1.792
1.875
1.951
2.032
2.110
2.180
2.251
2.312
2.373
2.421
2.462
2.499
2.519
2.529
2.530
2.512

1.203
1.578
1.658
1.738
1.819
1.899
1.978
2.055
2.130
2.202
2.270
2.333
2.390
2.441
2.484
2.517
2.540
2.554
2.548
2.531

5,4%
1,9%
1,7%
1,8%
1,5%
1,3%
1,4%
1,2%
1,0%
1,0%
0,8%
0,9%
0,7%
0,8%
0,9%
0,7%
0,8%
1,0%
0,7%
0,7%

Fonte: elaborado pelo autor.

A figura 5.26 apresenta as capacidades e os fluxos nos perodos

t=6, t=12 e t=18 para 2000 realizaes da varivel estocstica i de
sequenciamento dos investimentos.
Observa-se pelos grficos de disperso da figura 5.26 que a
empresa 2 opera todo o tempo bem abaixo de sua capacidade de
produo, a qual tem dois ntidos patamares: o primeiro, no incio do
horizonte em torno de 39 unidades e o segundo, a partir da metade do
horizonte de planejamento em diante, em torno de 44 unidades. Por sua
vez, a empresa 1, sem economia de escala, apresenta vrias realizaes
de capacidade de produo variando em torno de 10 no incio do
horizonte de planejamento a 42 nos ltimos perodos e operando quase
sempre em sua capacidade mxima.

154

Figura 5.26 Capacidades e fluxos ao longo do tempo - rodada 18.

50
45
40
35

Empresa 2

30
25
20
15
10
5
0
0

10

15

Capacidades T6
Fluxo T6

20

25
30
Empresa 1
Capacidades T12
Fluxos T12

35

40

45

50

Capacidades T18
Fluxos T18

Fonte: elaborado pelo autor.

Verifica-se, tambm, pelos grficos de disperso dos fluxos e

capacidades da figura 5.26, que a empresa 2 tende a operar abaixo de
sua capacidade ao longo de todo o horizonte de planejamento, como
consequncia da forte economia de escala que apresenta em relao
empresa 1.
5.2.5. Oligoplio com mais produtores
Nos exemplos analisados nas sees anteriores considerou-se
sempre um duoplio. Nesta seo estende-se a aplicao do modelo para
oligoplios de 3, 4 e 5 empresas. O objetivo desta seo verificar o
crescimento do tempo computacional para execuo do sistema e
analisar o efeito do aumento do nmero de competidores no mercado.
Portanto, nas rodadas 19, 20,21 e 22, o modelo aplicado para 2,
3, 4 e 5 produtores, respectivamente. Para fins de otimizao do tempo
computacional, a capacidade mxima de cada produtor, em cada uma
das rodadas, foi estabelecida de modo que a capacidade mxima do
mercado fosse sempre aproximadamente 90 unidades. Dado que a
demanda total do mercado permanece a mesma para todas as rodadas,
155

esta premissa no impacta na qualidade dos resultados, prestando apenas

para eliminar os estados no necessrios nas rodadas com mais
empresas. Desta forma, nas rodadas 19, 20, 21 e 22 foram adotadas as
capacidades mximas das empresas 1, 2, 3, 4 e 5 de 45, 30, 22 e 18,
respectivamente. Adotou-se a mesma capacidade inicial para todos as
empresas em todas as rodadas de 10 unidades. Assumiu-se que as
empresas so simtricas, tendo os mesmos custos de produo e de
transportes. A demanda nos mercados consumidores e demais
parmetros so os mesmos da rodada base. As empresas tm
probabilidades de investimento equivalentes e um fator de economia de
escala de 1,000 , em todas as rodadas.
Os histogramas da empresa 1, para cada uma das rodadas, so
apresentados na figura 5.27.
Figura 5.27 Histogramas do Valor Presente da empresa 1
rodadas 19, 20, 21 e 22.

1800
1600

Frequncia

1400
1200
1000
800
600
400
200
0
200 250 300 350 400 450 500 550 600 650 700 750 800 850

Valor Presente Empresa 1

Rodada 19

Rodada 20

Rodada 21

Rodada 22

Fonte: elaborado pelo autor.

Observa-se pela figura 5.27 que na medida em que aumenta o

nmero de empresas do mercado, as realizaes dos retornos (Valor
Presente) das empresas decrescem, em funo da maior competitividade,
implicando que o lucro da indstria, em cada rodada, tende tambm a
decrescer. A empresa 1 teve seu lucro mdio reduzido em 34% na
156

rodada 20 em relao rodada 19. Na rodada 21 a reduo foi de 53%, e

na rodada 22 a reduo foi de 65%, em relao rodada 19.
Em termos de tempo computacional, verificou-se um crescimento
significativo com o aumento do nmero de empresas, conforme pode ser
percebido pelo grfico da figura 5.28. O grfico plota os tempos de
processamento para as referidas rodadas, com 2, 3, 4 e 5 empresas, e
apresenta uma linha de tendncia exponencial para a curva dos tempos
de processamento versus nmero de empresas consideradas.
Figura 5.28 Crescimento do tempo computacional (em segundos)
versus n de empresas no oligoplio.
2000
1.980

Tempo de Processamento (seg.)

1800
1600
1400
1200
1000
800

780

600
515
400
200
8,62
0

3
4
Nmero de Empresas

Fonte: elaborado pelo autor.

Este crescimento do tempo de processamento pode ser explicado

pelo aumento do nmero de estados de forma significativa na medida
em que aumenta o nmero de empresas consideradas no oligoplio. O
espao de estados do modelo em questo depende diretamente dos
seguintes parmetros:
(i) o nmero de empresas;
(ii) a capacidade inicial;
(iii) e a capacidade mxima permitida.
157

O quadro 5.11 mostra, para este exemplo, o crescimento do

nmero de estados para casos com 2, 3 4 e 5 empresas produtoras,
quando mantidos os outros parmetros constantes. Conforme
mencionado anteriormente, o espao de estados do modelo, para rodadas
com maior nmero de empresas, foi reduzido com a adoo de
capacidades mximas distintas entre as rodadas.
Quadro 5.11 crescimento do espao de estados do modelo.
Rodada

N de
empresas

Capacidade
Inicial

Capacidade
mxima

Nmero de
estados

19

10

45

1.296

20

10

30

9.261

21

10

22

28.561

22

10

18

59.049

Fonte: elaborado pelo autor.

Observa-se pelo quadro 5.11, que a rodada 22 com cinco

produtores, mesmo com uma capacidade mxima menor, tem um
nmero de estados 45 vezes maior que na rodada 19, com 2 produtores.
Como ilustrao, se aumentssemos a capacidade mxima da rodada 22
de 18 para 22 unidades o nmero de estados desta rodada passaria de
59.049 para 161.051, justificando assim, o crescimento do tempo
computacional apresentado na figura 5.28.
Observou-se, no entanto, que os resultados qualitativos para os
exemplos de oligoplios no diferem de forma significativa dos
resultados do exemplo de duoplio analisado nas sees anteriores,
apesar do lucro total da indstria ter sido reduzido, conforme comentado
anteriormente. As empresas tendem a expandir ao mximo a sua
capacidade logo no incio do horizonte de planejamento por razes
estratgicas, de forma a garantir a sua participao no mercado.
Observou-se em anlise mais detalhada dos resultados da simulao
para a rodada 21, com 4 empresas, que em realizaes em que a
empresa 1 no agressiva ao expandir sua capacidade no incio do
horizonte de planejamento, esta teve os seus respectivos retornos bem
menores comparativamente de outras empresas, sugerindo que
158

empresas que investem estrategicamente, mesmo ainda com a demanda

relativamente baixa, garantem sua participao no mercado e ganham
uma vantagem competitiva duradoura.
Neste captulo, o funcionamento do modelo proposto foi ilustrado
aplicando-o a um exemplo numrico terico. Diferentes configuraes
de parmetros foram testadas e analisadas. O objetivo desta anlise de
sensibilidade dos parmetros do modelo foi explorar o comportamento
das empresas diante de diferentes cenrios. No obstante a limitao do
estudo, visto que o modelo no foi aplicado a um estudo de caso real, o
resultado desta anlise traz uma srie de concluses qualitativas.

159

160

6.

CONCLUSES E RECOMENDAES

6.1.

CONCLUSES

Na reviso bibliogrfica deste estudo verificou-se que desde os

anos 50 tm sido empregadas vrias tcnicas de soluo para o problema
de expanso de capacidades. A evoluo recente da literatura neste
campo, porm, tem sido no sentido de se considerar o efeito das
decises das empresas sobre as dos seus concorrentes, obtendo-se o
equilbrio do mercado para identificar a poltica tima de expanso ao
longo do tempo. Neste contexto, tcnicas como jogos de opo, que
unem as teorias de opes reais e teoria dos jogos tm sido aplicadas em
muitos estudos recentes de expanso de capacidades. Nenhum desses
estudos pesquisados nesta tese, porm, consideram uma estrutura
espacial de mercado tal como no modelo proposto neste trabalho para a
anlise do problema de expanso de capacidade.
O objetivo principal desta tese foi apresentar uma proposta de
modelo para determinar a estratgia tima de expanso de capacidade de
empresas produtoras de commodities. Considerou-se que produtores e
consumidores podem estar separados espacialmente entre si e, portanto,
as empresas incorrem em custos logsticos para o envio da produo, em
regime CIF. O fator diferencial do presente estudo, portanto, resultou da
necessidade de se propor um modelo que pudesse considerar os efeitos
dos custos logsticos na determinao da estratgia tima de expanso
de capacidade e tratar diferentes estruturas competitivas de mercados,
tais como, oligoplio, mercado perfeitamente competitivo e monoplio.
Para obteno da soluo tima do modelo foi proposta a unio de
vrias tcnicas disponveis na literatura.
A metodologia de soluo do modelo aborda o problema em duas
fases distintas a cada perodo de tempo.
Na primeira fase, cada empresa tem diante de si vrias opes de
porte de investimentos e uma escolha a ser feita de forma a maximizar o
seu fluxo de caixa no longo prazo. As empresas competem por
capacidade ao longo do tempo e o resultado deste jogo chamou-se de
equilbrio de longo prazo. Assume-se no modelo que em cada perodo
de tempo uma nica empresa pode investir e esta sequncia governada
por uma varivel estocstica. O conceito do Equilbrio Perfeito de
Markov (EPM) foi aplicado para se obter a estratgia de investimento
das empresas e uma soluo nica de equilbrio foi garantida em funo
do sequenciamento de investimentos. A soluo tima do jogo de longo
161

prazo a soluo de um problema de Programao Dinmica, que

resulta em um Equilbrio de Nash Perfeito de Markov.
Na segunda fase, fixadas as capacidades de cada empresa, a
competio volta-se para determinar-se o nvel de produo e as
quantidades transportadas para os mercados consumidores, distribudos
espacialmente, e o resultado deste jogo chamou-se de equilbrio de curto
prazo. O conceito de Equilbrio Espacial de Mercados foi aplicado para
determinar a produo tima das empresas e seus fluxos para os
mercados consumidores. O jogo de curto prazo foi formulado como um
Problema de Inequaes Variacionais. Para ilustrar a aplicao do
modelo foi utilizado um exemplo de duas empresas e dois mercados
consumidores, distribudos espacialmente, que comercializam um
produto homogneo da indstria, considerado uma commodity, com uma
demanda que cresce anualmente a uma taxa constante. A aplicao do
modelo ao mercado de commodities se justifica em funo da relevncia
que tm os custos logsticos neste tipo de indstria em relao aos
custos de produo. Embora o modelo no tenha sido aplicado a uma
situao real, o exemplo numrico utilizado permitiu analisar uma srie
de comportamentos qualitativos de empresas inseridas neste tipo de
mercado.
A anlise comparativa do desempenho do modelo em relao ao
modelo de Murto et al. (2004) no foi possvel em funo da adoo de
distintas premissas e configuraes de mercado entre o modelo proposto
e o modelo do referido autor. No entanto, os resultados do presente
trabalho se mostraram consistentes com as concluses de Murto et al.
(2004).
O principal mrito do modelo proposto est na incorporao ao
modelo dos custos logsticos na determinao da poltica tima de
expanso de capacidade. A formulao do problema do equilbrio de
curto prazo como um problema de Inequao Variacional (VIP)
permitiu, ainda, a generalizao do modelo para mercados competitivos
e oligopolizados.
Verificou-se que as distncias entre os mercados e os
consequentes custos de transportes influenciam sensivelmente a
estratgia de investimentos, evidenciando que o problema da localizao
da produo uma questo fundamental na estratgia de expanso de
capacidade, com impacto significativo no retorno financeiro das
empresas.
Foi ilustrado nos exemplos que os custos logsticos criam
barreiras reais para produtores localizados a partir de uma determinada
162

distncia dos mercados consumidores, eventualmente criando um

monoplio para um competidor mais prximo de tais mercados.
Destaca-se que o modelo aqui proposto, diferentemente dos
modelos pesquisados na reviso bibliogrfica deste estudo, permite
captar a flexibilidade das empresas em operar a nveis de produo
abaixo de sua capacidade de forma a influenciar no preo dos mercados
que atendem. Demonstrou-se, tambm, que empresas com maior
probabilidade de investir tendem a obter os maiores retornos, sugerindo
que decisores mais atentos s demandas de mercado ganham vantagem
competitiva no jogo de longo prazo por capacidade.
A aplicao do modelo para diferentes parmetros permitiu
analisar vrios comportamentos qualitativos da competio entre as
empresas, como foi visto no captulo 5. Porm, na anlise dos
resultados, algumas limitaes do modelo devem ser observadas,
conforme mencionadas a seguir.
O modelo no foi aplicado a um estudo de caso real. Limitou-se a
um exemplo terico e muitas das questes subjetivas no foram levadas
em considerao no processo decisrio de expanso de capacidade, tais
como, segurana de transporte, ao de sindicalistas, aspectos polticoeconmicos e ambientais. Tais variveis, ao se considerar na
modelagem do problema, devem permitir uma maior aderncia do
modelo a uma situao real e possivelmente alterar as polticas de
expanso das empresas.
Ressalta-se tambm que a funo utilidade adotada no modelo
para determinao da estratgia tima a do valor esperado do valor
presente no incio do horizonte de planejamento, assumindo-se,
portanto, que o decisor tem uma atitude neutra com relao ao risco.
Caso o decisor no tenha tal comportamento, de neutralidade ao risco, a
regra do valor esperado no deve ser aplicada, pois, segundo tal regra as
diferenas individuais de risco e o valor subjetivo dos resultados no so
levados em considerao e qualquer decisor deve tomar a mesma
deciso.
Ainda com relao s limitaes do estudo, evidenciou-se que a
capacidade inicial de uma empresa incumbente funciona como uma
barreira de entrada para outros competidores. Porm, a questo de
restrio ao crdito no foi tratada no modelo. Assim sendo, foi
observada nos resultados do modelo uma tendncia de uma empresa
entrante, no longo prazo, reduzir ou dissipar a sua desvantagem sobre a
empresa j estabelecida ao se permitir, sem limites, as expanses de
grande porte. Estas expanses ocorrem j no incio do perodo
observado e so de grande porte quando se assume um fator de
163

economia de escala relativamente alto para os investimentos das

empresas. Ainda em relao a entrantes, o modelo assume a premissa
que existe um nmero fixo de empresas ao longo de todo o horizonte de
planejamento, no permitindo a entrada de novos competidores ao longo
do tempo. Considerou-se na modelagem do problema que os decisores
agem de uma forma otimista, ou seja, ao investir a empresa assume que
o competidor no investir. Muito embora esta condio possa induzir a
um erro de excesso de capacidade, tais situaes podem ser remediadas
atravs da limitao da produo. Este comportamento, demonstrado
nos exemplos apresentados no captulo 5, influenciam o preo para
cima, fazendo com que os custos referentes aos excessos de capacidades
sejam na sua totalidade, ou em parte, compensados ao longo dos anos.
Assumiu-se tambm que a demanda do mercado em questo
determinstica. Muitos dos modelos encontrados na literatura,
entretanto, consideram a demanda como estocstica. A incluso da
incerteza da demanda deve alterar as polticas de expanso e permitir
uma aplicao do modelo a um gama maior de mercados. Muito
embora, considera-se que seja razovel a premissa de demanda
determinstica em mercados de commodities, conforme justificado no
captulo 4.
As inmeras possibilidades de investimentos a cada perodo, no
modelo proposto, podem ser vistas como um portflio de opes reais.
As empresas tm uma escolha a fazer a cada perodo e uma delas de
no investir e esperar. No contexto da teoria de opes reais, entretanto,
no foram abordadas outras opes tais como reduzir capacidade,
adquirir empresas, ou mesmo abandonar o empreendimento. A
formulao do problema, no entanto, pode ser reestruturada de forma a
considerar tais opes. A incluso dessas opes deve fornecer um
maior leque de estratgias de expanso, alterar os retornos das empresas
e deve ser analisada em um cenrio de incerteza da demanda.
6.2.

RECOMENDAES

Na aplicao do modelo proposto nesta tese foi utilizado um

exemplo numrico terico. Os valores dos parmetros do modelo foram
baseados em exemplos da literatura e ajustados por anlises de
sensibilidades. Em vista disso, recomenda-se aplicar o modelo a um
estudo de caso, de forma que os parmetros utilizados possam se basear
em medidas reais e que algumas das premissas adotadas, tais como o
sequenciamento de investimentos ou o fator de crescimento da demanda,
possam ser validadas atravs de resultados histricos de um mercado
164

real. A presente modelagem no teve a pretenso de considerar todos os

possveis fatores que possam influenciar na estratgia de expanso de
capacidade das empresas. Tais fatores podem, no entanto, serem
incorporadas ao modelo dependendo do mercado em questo. Desta
forma, ao aplicar o modelo em uma situao real, recomenda-se que seja
analisada a possibilidade de se considerar: (a) a restrio ao crdito para
o investimento das empresas, eventualmente correlacionada ao seu
porte. Tal restrio pode funcionar como uma barreira para entrantes no
mercado e alterar de forma significativa a poltica tima de expanso
dos incumbentes; (b) a possibilidade de se considerar no modelo a
entrada de competidores ao longo do horizonte de planejamento e,
portanto, no se manter fixo artificialmente o nmero de empresas.
Neste caso, dado o exemplo base deste captulo, uma terceira empresa
com zero de capacidade instalada somente entraria no mercado se os
lucros resultantes da competio Cournot-Nash de curto prazo (os quais
seriam impactados pela entrante) excedessem os custos de investimento,
conforme destacado em Garcia e Shen (2010); (c) a incorporao de
variveis subjetivas, tais como, a segurana de transporte, as polticas
econmicas e ambientais nas regies produtoras, assim como, os
possveis riscos de aes de sindicatos. Algumas dessas variveis podem
ser incorporadas nas funes de custos de produo e de transporte; (d)
empresas de mesmo grupo econmico atuando no mercado e
cooperando entre si. Quando duas empresas cooperam entre si h de se
considerar o fluxo agregado das duas empresas destinado a um mercado
consumidor para a obteno do equilbrio deste mercado. Esta situao
conduz a uma poltica de expanso distinta daquela em que no se
consideram a cooperao entre as empresas. Cabe notar, porm, que
embora nos parmetros adotados no modelo proposto tenha-se
considerado que todas as empresas so concorrentes entre si, o programa
de computador elaborado para a soluo do problema desta tese j est
preparado para atender a esta possvel situao; (e) e a demanda
estocstica em detrimento da demanda determinstica adotada neste
modelo.
Sob a perspectiva da teoria normativa da deciso, pode-se, ainda,
em um cenrio de incerteza da demanda, substituir o valor esperado do
valor presente do lucro das empresas no incio do horizonte de
planejamento por uma funo de utilidade que leve em considerao a
atitude do decisor em relao ao risco. No presente trabalho tem-se
como premissa que o decisor neutro ao risco e, desta forma, a regra do
valor esperado pode ser considerada adequada. No entanto, quando a
averso ou propenso ao risco do agente decisor estiver presente no
165

processo de tomada de deciso uma funo utilidade que leve em conta

as preferncias do decisor diante das alternativas disponveis deve ser
determinada conforme a teoria de utilidade de Von NewmannMorgenstern24.
Recomenda-se, tambm, que a componente incerteza da
demanda, caso adotada, seja atrelada a uma anlise mais abrangente das
opes reais do problema de expanso de capacidade. Como visto, o
modelo atual considera implicitamente as opes de investir ou esperar,
porm, no considera outras opes reais que podem ser inerentes a cada
caso especfico de aplicao do modelo. Quando existem flexibilidades
gerenciais de esperar, abandonar ou reduzir a capacidade de um projeto,
o mtodo das opes reais pode obter valores significativamente
distintos do mtodo do fluxo de caixa descontado adotado nesta
pesquisa. Alguns estudos tm demonstrado que a regra de opes reais
superior a regra do mtodo do valor presente, especialmente em projetos
ou decises ligeiramente atrativas, ou seja, com o VPL positivo, porm
prximo de zero (Dias, 2005).
Finalmente, sugere-se que o modelo seja adaptado para
considerar um horizonte de planejamento rolante, ou seja, a cada ano
renova-se o perodo de 20 anos frente e obtm-se a estratgia tima
para o ano atual. Como observado no captulo 4, aceitvel que se o
horizonte de planejamento seja longo o suficiente, a deciso tima do
incio do planejamento com horizonte finito esteja alinhada com a
deciso inicial tima do planejamento de horizonte infinito.

24

Para um maior detalhamento sobre a teoria da utilidade de Newmann e

Morgenstern ver Fries (2009) e Newmann e Morgenstern (1944, apud Cusinato,
2003).

166

REFERNCIAS
AGUERREVERE, F. L. (2003), 'Equilibrium Investment Strategies and
Output Price Behaviour: A Real Options Approach', The Review of
Financial Studies 16(4), 1239-1272.
AHMED, S.; KING, A. J. & PARIJA, G. (2002), 'A Multi-Stage
Stochastic Integer Programming Approach for Capacity Expansion
under Uncertainty', Technical report, Netherlands: Kluwer Academic
Publishers ceuu.tex.
ALBUQUERQUE, J. (2008), 'Probabilidade, variveis aleatrias e
processos estocsticos', Rio de Janeiro: Intercincia: PUC Rio.
ANDRADE, E. (2004), 'Introduo Pesquisa Operacional', Rio de
Janeiro:LTC.
ANGELUS, A. & PORTEUS, E. L. (2002), 'Simultaneous capacity and
production management of short-life-cycle, produce-to-stock goods
under stochastic demand', Management Science 48, 399-413.
ATAMTRK, A. & HOCHBAUM, D. (2001), 'Capacity acquisition,
subcontracting, and lot sizing', Management Science 47(8), 1081-1100.
BALDURSSON, F. M. (1998), 'Irreversible Investment under
Uncertainty in Oligopoly', Journal of Economic Dynamics and Control
22, 627-644.
BALDURSSON, F. & KARATZAS, I. (1997), 'Irreversible investment
and industry equilibrium', Finance and Stochast 1, 6989.
BAR-ILAN, A. & STRANGE, W. C. (1996), 'Investment lags',
American Economic Review 86, 610-622.
BARAHONA, F.; BERMON, S.; GNLK, O. & HOOD, S. (2005),
'Robust Capacity Planning in Semiconductor Manufactoring', Technical
report, IBM T. J. Watson Research Center, Yorktown Heights, NY
10598 and IBM Microeletronics Division.
BEAN, J.; HIGLE, J. & SMITH, R. (1992), 'Capacity Expansion Under
Stochastic Demands', Operations Research 40(2), S210-S216.
167

BEAN, J. & SMITH, R. (1985), 'Optimal capacity expansion over an

infinite horizon'., Management Science 31(12), 1523-1532.
BELLMAN, R. S. (1957), 'Dynamic Programming'. Princeton
University Press, Princeton.
BESSIRE, F. (1970), 'The Investment 85 Model of Electricite de
France', Man 17, B192-B211.
BHATNAGAR, S.; FERNNDEZ-GAUCHERAND, E.; FU, M.; HE,
Y. & MARCUS, S. (1999), 'A Markov Decision Process Model for
Capacity Expansion and Allocation', Technical report, Institute for
Systems Research, University of Maryland University of Maryland
College Park, MD 20742.
BIRGE, J. (2000), 'Option methods for incorporating risk into linear
capacity planning models', Manufacturing & Service Operations
Management 2(1), 19-31.
BRADLEY, J. & ARNTZEN, B. (1999), 'The simultaneous planning of
production, capacity and inventory in seasonal demand environments',
Operations Research 47(6), 795-806.
BRANCO, R. M.; BATISTUS, D.R.; MAYERLE, S.F.; COELHO, A.S.
(2009), 'Soluo de Inequaes variacionais aplicadas ao equilbrio
espacial de preos Cournot-Nash com algoritmo do extragradiente', V
Encontro Mineiro de Engenharia de Produo, EMEPRO 2009.
BUSHNELL, J. & ISHII, J. (2007), 'An Equilibrium Model of
Investment in Restrutured Electricity Markets', Technical report, Center
for the Study of Energy Markets (CSEM) WP, University of California
Energy Institute.
CACHON, G. & LARIVIERE, M. (1999), 'Capacity Choice and
Allocation: Strategic Behaviour and Supply Chain Performance',
Management Science 45(8), 1091-1108.
CHENERY, H. B. (1952), 'The Theory of Capital and Its TimeMeasures', Econometrica January.
168

CHEVALIER-ROIGNANT, B., FLATH, C., HUCHZERMEIER, A.,

TRIGEORGIS L (2011)., 'Strategic investment under uncertainty: A
synthesis', European Journal of Operational Research 215, 639-650.
COHEN, M. & HUCHZERMEIER, A. (1998), 'Global Supply Chain
Management: A Survey of Research and Applications', International
Series in Operations Research & Management Science, 17, 669-702.
COPELAND, T. & ANTIKAROV, V.Campus, E., ed. (2001), 'Opes
Reais: Um Novo Paradigma Para Reinventar a Avaliao de
Investimentos', So Paulo: Editora Campus.
CUSINATO, R. (2003), 'Teoria da Deciso sob Incerteza e a hiptese da
utilidade esperada: conceitos analticos e paradoxos', Tese de Mestrado,
Universidade Federal do Rio Grande do Sul.
DAMADORAN, A. (2004), 'Finanas Corporativas: teoria e prtica',
So Paulo:Bookman.
DANGL, T. (1999), 'Investment and capacity choice under uncertain
demand', European Journal of Operational Research 117, 415-428.
DAVIS, M. H. A.; DEMPSTER, M. A. H.; SETHI, S. & VERMES, D.
(1987), 'Optimal Capacity Expansion under Uncertainty', Advances in
Applied Propability 19(1), 156-176.
DIAS, M.A.G. (2005), 'Opes Reais Hbridas com Aplicaes em
Petrleo', Tese de Doutorado, Pontifcia Universidade Catlica do Rio
de Janeiro.
DIAS, J.; CAPTIVO, M. C. J. (2001), 'Dynamic Location Problems with
Discrete Expansion and Reduction Sizes of Available Capacities',
Technical report, Faculdade de Economia e INESC-Coimbra.
DIXIT, A. (1989), 'Entry and Exit Decisions under Uncertainty', Journal
of Political Economy 97(3), 620-638.
DIXIT, A. (1991), 'Irreversible Investment with Price Ceilings', Journal
of Political Economy 99(3), 541-557.
DIXIT, A. & PINDYCK, R. S. (1994), Investment Under Uncertainty,
169

New Jersey: Princeton University Press.

EBERLY, J. C. & MIEGHEM, J. A. (1997), 'Multi-factor Dynamic
Investment under Uncertainty', Journal of Economic Theory 75, 345387.
ENKE, S. (1951), 'Equilibrium among spatially separated markets:
solution by electronic analogue', Econometrica 10, 40-47.
EPPEN, G. D.; MARTIN, R. K. & SCHRAGE, L. (1989), 'A scenario
approach to capacity planning', Operations Research 37, 517-527.
ERLENKOTTER, D. (1967), 'Two production areas - dynamic
programming solutions. In Investments for Capacity Expansion: Size,
Location and Time-Phasing', Cambridge, MA: MIT Press.
ERLENKOTTER, D. (1974), 'A Dynamic Programming Approach to
Capacity Expansion With Specialization', Management Science 22, 274285.
ERLENKOTTER, D. (1975), 'Capacity Planning for Large
Multilocation Systems: Approximate and Incomplete Dynamic
Programming Approaches', Management Science 22(3), 274-285.
ERLENKOTTER, D.; SETHI, S. & OKADA, N. (1989), 'Planning for
Surprise: Water Resources Development under Demand and Supply
Uncertainty I. the General Model', Management Science 35(2), 149-162.
ESCUDERO, L. F. & KAMESAM, P.V. KING, A. W. R. (1993),
'Production planning via scenario modeling', Annuals of Operations
Research 43, 311-355.
FONG, C. & SRINIVASAN, V. (1986), 'The Multiregion Dynamic
Capacity Expansion Problem: an Improved Heuristic', Management
Science 32(9), 1140--1152.
FREIDENFELDS, J. (1980), 'Capacity Expansion when Demand is a
Birth-Death Random Process', Operations Research 28(3).
FREINDENFELDS, J. (1981), 'Near-Optimal Solution of a Two-Type
Capacity Expansion Problem', Computers & Operations Research 8,
170

221-239.
FREIDENFELDS, J. & McLAUGHLIN, C. (1979), 'A Heuristc Branchand-Bound Algorithm for Telephone Feeder Capacity Expansion',
Operations Research 27, 567-582.
FRIES, C.E.; (2009), 'Teoria da Deciso', Notas de aula, Universidade
Federal de Santa Catarina, Departamento de Engenharia de Produo e
Sistemas.
FRIES, S.; MILLER, M. & PERRAUDIN, W. (1997), 'Debt in industry
equilibrium', Review of Financial Studies 10(1), 39-67.
FUDENBERG, D. & TIROLE, J. (1991), 'Game Theory', Cambridge,
MA: MIT Press.
GARCIA, A. & SHEN, Z. (2010), 'Equilibrium Capacity Expansion
Under Stochastic Demand Growth', Operations Research 58(1), 30-42.
GARDNER, D. & ROGERS, J. (1999), 'Planning Electric Power
Systems Under Demand Uncertainty with Different Technology Lead
Times', Management Science 45(10), 1289-1306.
GARVIN, M. (2005), 'Real Optios Analysis: Can It Improve
Infrastructure Development Decisions?', Construction Research
Congress 2005.
GENG, N.; JIANG, Z. & CHEN, F. (2009), 'Stochastic programming
based capacity planning for semiconductor wagfer fab with uncertain
demand and capacity', European Journal of Operational Research 198,
899-908.
GHEMAWAT, P. & NALEBUFF, B. (1985), 'Exit', Rand Journal of
Economics 16(2), 184-194.
GIGLIO, R. (1970), 'Stochastic Capacity Models', Management Science
17(3), 175-184.
GILBERT, R. & HARRIS, R. (1984), 'Competition with lumpy
investment', Rand Journal of Economics 15(2), 197-212.
171

GREENING, L.; BOYD, G. & ROOP, J. (2007), 'Modeling of industrial

energy consumption: An introduction and context', Energy Economics
29, 599-608.
GRENADIER, S. (1996), 'The Strategic Exercise of Options:
Developments Cascades and Overbuilding in Real Estate Markets', The
Jounal of Finance LI(5), 1653-1679.
GRENADIER, S. (1995), 'Valuing lease contracts - A real-options
approach', Journal of Financial Economics 38, 297-331.
GRENADIER, S. (1999), 'Information Revelation Through Option
Exercise', Reviews of Financial Studies 12, 95-130.
GRENADIER, S. R. (2002), 'Option Exercise Games: An Application to
the Equilibrium Investment Strategies of Firms', The Review of
Financial Studies 15(3), 691-721.
GUTHRIE, G. (2006), 'Regulating Infrastructure: The Impact on Risk
and Investment', Journal of Economic Literature XLIV, 925-972.
HARKER, P. T. (1986), 'Alternative Models of Spatial Competition',
Operations Research 34(3), 410-425.
HARRISON, J. M. & MIEGHEM, J. (1999), 'Multi-resource Investment
Strategies: Operational Hedging under demand Uncertainty', European
Journal of Operational Research 113, 17-29.
HASTINGS, N.A.J. (1973), 'Dynamic programming with management
applications', Londres: Butterworths.
HLOUSKOVA, J.; KOSSMEIER, S.; OBERSTEINER, M. &
SCHNABL, A. (2005), 'Real Options and the value of generating
capacity in the German electricity market', Review of Financial
Economics 14, 297-310.
HSU, V. N., (2002), 'Dynamic capacity expansion problem with
deferred expansion and age-dependent shortage cost', Manufacturing &
Service Operations Management 4 (1), 44-54.
HUANG, K. & AHMED, S. (2009), 'The Value of Multistage Stochastic
172

Programming in Capacity Planning Under Uncertainty', Operations

Research Articles in Advance, 1-12.
HUANG, M. (2009), 'Real Options Approach-based demand forecasting
method for a range of products with highly volatile and correlated
demand', European Journal of Operational Research 198, 867-877.
HUCHZERMEIER, A. & COHEN, M. (1996), 'Valuing operational
flexibility under exchange rate risk', Operations Research 44(1), 100113.
HUH, W.; ROUNDY, R. & AKANYLDIRIM, M. (2006), 'A General
Strategic Capacity Planning Model under Uncertainty', Naval Research
Logisitcs 53, 137-150.
HULL, J. C. (2006), 'Options, Futures and Other Derivatives', New
Jersey: Prentice Hall.
KARABUK, S. & WU, S. (2003), 'Coordinating Strategic Capacity
Planning in the Semiconductor Industry', Operations Research 51(6),
839-849.
KEPPO, J. & LU, H. (2003), 'Real Options and a Large Producer: the
Case of Electricity Markets', Energy Economics 25, 459-472.
KLINCEWICZ, J. G.; LUSS, H. & YU, C. S. (1988), 'A large-scale
multilocation capacity planning model', European Journal of
Operational Research 34(2), 178-190.
KOGUT,
B.
&
KULATILAKA,
N.
(1994),
'Operatingflexibility,globalmanufacturing,
andtheoptionvalueofamultinationalnetwork', Management Science 40(1),
123-139.
KOUVELIS, P. & GUTIERREZ, G. (1997), 'The newsvendor problem
in a global market: Optimal centralized and decentralized control
policies for a two-market stochastic inventory system', Management
Science 43(5), 571-585.
KRUGMAN, P. & OBSTFELD, M. (1999), 'Economia', So Paulo:
Makron Books.
173

KULATILAKA, B. K. N. & PEROTTI, E. C. (1998), 'Strategic Growth

Options', Management Science 44(8), 1021-1031.
LAMBRECHT, B. & PERRAUDIN, W. (2003), 'Real Options and
Preemption under Incomplete Information', Journal of Dynamics &
Control 27, 619-643.
LEAHY, J. V. (1993), 'Investment in Competitive Equilibrium: The
Optimality of Myopic Behaviour', The Quartely Journal of Economics
108(4), 1105-1133.
LI, S. & TIRUPATI, D. (1994), 'Dynamic Capacity Expansion Problem
with Multiple Products: Technology Selection and Timing of Capacity
Additions', Operations Research Society of America 42(5), 958-976.
LIEBERMAN, M. (1987), 'Market Growth, Economies of Scale, And
Plant Size in the Chemical Processing Industries', The Journal of
Industrial Economics XXXVI(2), 175-191.
LIEBERMAN, M. (1989), 'Capacity utilization: Theoretical models and
empirical tests', European Journal of Operational Research 40, 155168.
LUCAS, J. & PRESCOTT, E. C. (1971), 'Investment under
Uncertainty', Econometrica 39(5), 659-681.
LUSS, H. (1982), 'Operations Research and Capacity Expansion
Problems: A Survey', Operations Research 30(5), 907-947.
MADLENER, R.; KUMBAROGLU, G. & EDIGER, V. (2005),
'Modeling technology adoption as an irreversible investment under
uncertainty: the case of the Turkish electricity supply industry', Energy
Economics 26, 139-163.
MANNE, A. S. (1961), 'Capacity Expansion and Probabilistic Growth',
Econometrica 29(4), 632-649.
MANNE, A. S. (1967), 'Investments for Capacity Expansion: size,
location and time-phasing', Cambridge, MA: MIT Press.
174

MASKIN, E. & TIROLE, J. (2001), 'Markov Perfect Equilibrium',

Journal of Economic Theory 100, 191-219.
MATSUMOTO, F.; FAHLBUSH, P. e STIFFLER, E. (1989), 'Capacity
Expansion Model for Hydrothermal Power Systems', ASCE Journal of
Water Resources Planning and Management 115(2), 165-185.
McDONALD, R. & SIEGEL, D. (1985), 'Investment and the Valuation
of Firms When There is an Option to Shut Down', International
Economic Review 26(2), 331-349.
McDONALD, R. & SIEGEL, D. (1986), 'The Value of Waiting to
Invest', The Quartely Journal of Economics 101(4), 707-728.
MIEGHEM, J. (2003), 'Capacity Management, Investment, and
Hedging: Review and Recente Developments', Manufacturing & Service
Operations Management 5(4), 269-302.
MIEGHEM, J. & DADA, M. (1999), 'Price Versus Production
Postponement: Capacity and Competition', Management Science 45(12),
1631-1649.
MIEGHEM, J. & RUDI, N. (2002), 'Newsvendor Networks: Inventory
Management and Capacity Investment with Discretionary Activities',
Manufacturing & Service Operations Management 4(4), 313-335.
MILLS, D. (1990), 'Capacity expansion and the size of plants', RAND
Journal of Economics 21(4), 555-566.
MUROAKA, Y. & OYAMA, T. (2004), 'Generating Planning Including
Distributes Generators under Uncertainty of Demand Growth.',
Electrical Engineering in Japan 146(3), 17-24.
MURPHY, F. & SMEERS, Y. (1999), 'Spatial Oligopolistic Electricity
Models with Cournot Generators and Regulated Transmission Prices',
Operations Research 47(1), 102-112.
MURTO, P. (2004), 'Exit in duopoly under uncertainty', RAND Journal
of Economics 35(1), 111-127.
MURTO, P. & KEPPO, J. (2002), 'A game model of irreversible
175

investment under uncertainty', International Game Theory Review 4,

127-140.
MURTO, P.; NASAKKALA, E. & KEPPO, J. (2004), 'Timing of
Investments in Oligopoly under Uncertainty: A Framework for
Numerical Analysis', European Journal of Operational Research 157,
486-500.
MYERS, S. & MAJD, S. (1990), 'Abandonment Value and Project Life',
Advances in Futures and Options Research, 1-21.
MYERS, S. C. (1977), 'Determinants of Corporate Borrowing', Journal
of Financial Economics 5, 147-175.
NAGURNEY, A. (1999), 'Network Economics: A Variational
Inequality Approach Revised Second Edition', Boston: Kluwer
Academic Publishers.
NAGURNEY, A. (2009), 'Network Economics', Handbook of
Computational Econometrics, David Belsley e Erricos Kontoghiorghes,
Editors, Chichester: John Wiley & Sons, 429-486.
NEEBE, A. W. & RAO, M. (1986), 'Sequencing Capacity Expansion
Projects In Continuous Time', Management Science 32(11), 1467-1479.
NOVAES, A. & SOUZA, J. (2005), 'A Real Options Approach to a
Classical Capacity Expasion Problem', Pesquisa Operacional 25(2),
159-181.
OREN, S. (2001), 'Integrating real and financial options in demand-side
electricity contracts', Decision Support Systems 30, 279-288.
PANGBURN, M. & SUNDARESAN, S. (2009), 'Capacity decisions for
high-tech products with obsolescence', European Journal of
Operational Research 197, 102-111.
PARASKEVOPOULOS, D.; KARAKITSOS, E. R. B. (1991), 'Robust
Capacity Planning Under Uncertainty', Management Science 37(7), 787800.
PASTORE, A.; GAZZANO, M.; PINOTTI M. (2012), 'Porque
176

produo industrial no cresce desde 2010? ', Instituto Braudel-FAAP,

http://www.brasil-economia-governo.org.br/2012/08/27/por-que-aproducao-industrial-nao-cresce-desde-2010/, acessado em 30/08/2012;
PINDYCK, R. S. (1988), 'Irreversible Investment, Capacity Choice, and
the Value of the Firm', The American Economic Review 78(5), 969-985.
PINDYCK, R. S. (1991), 'Irreversibility, Uncertainty, and Investment',
Journal of Economic Literature XXIX, 1110-1148.
PINDYCK, R. S. & RUBINFELD, D. L. (2010), 'Microeconomia', So
Paulo: Pearson Education do Brasil.
RAJAGOPOLAN, S. (1998), 'Capacity Expansion and Equipment
Replacement: A Unified Approach', Operations Research 46(6), 846857.
RAJAGOPALAN, S.; SINGH, M. R. & MORTON, T. E. (1998),
'Capacity expansion and replacement in growing markets with uncertain
technological breakthroughs', Management Science 44, 12-30.
RAJAGOPOLAN, S. & SWAMINATHAN, J. (2001), 'A Coordinated
Production Planning Model with Capacity Expansion and Inventory
Management:', Management Science 47(11), 1562-1580.
RAO, M. & RUTENBERG, D. P. (1977). 'Multilocation Plant Sizing
and Timing', Management Science 23, 1187-1198.
SAMUELSON, P. (1952), 'Spatial Equilibrium
Programming', American Economic Review 42, 283-303.

and

Linear

SHERALI, H. D.; SOYSTER, A. L. & MURPHY, F. H. (1983),

S'tackelberg-Nash- Cournot equilibria: Characterizations and
computations'. Operation Research 31, 253276.
SIDDIQUI, A. & MARIBU, K. (2009), 'Investment and upgrade in
distributed generation under uncertainty', Energy Economics 31, 25-37.
SLACK, N.; CHAMBERS, S. & JOHNSTON,
'Administrao da Produo', So Paulo: Editora Atlas.

R.

(2002),

177

SMITH, R. (1979), 'Turnpike Results For Single Location Capacity

Expansion', Management Science 25(5), S.
SMITH, R. (1980), 'Optimal Expansion Policies for the Deterministic
Capacity Problem', The Enginnering Economist 25(3), 149-160.
SMIT, H. & ANKUM, L. (1993), 'A real options and game-theoretic
approach to corporate investment strategy under competition', Financial
Management 22(3), 241-250.
SMIT, H. & TRIGEORGIS, L. (2004), 'Strategic Investment', New
Jersey: Princeton University Press.
SMITH, R. A. & VILLEGAS, A. M. (1997), 'A Comparative Analysis
of Various Optimization Models for Electricity Capacity Expansion',
International Transactions in Operational Research 4(1), 35-44.
TAKAYAMA, T. & JUDGE, G. (1964), 'An intertemporal price
equilibrium model', Journal of Farm Economics 46, 477-484.
TRIGEORGIS, L. (1996), 'Real Options: Managerial Flexibility and
Strategies in Resource Allocation', Cambridge, MA: MIT Press.
TRIGEORGIS, L. & MASON, S. (1987), 'Valuing Managerial
Flexibility', Midland Corporate Finance Journal 5(1), 14-21.
VARGAS, F. G. (2010), 'Sondagem
http://portalibre.fgv.br, acessado em 10/02/2011.

de

Investimentos',

VON NEUMANN, J. e MORGENSTERN, O. 'Theory of Games and

Economic Behavior', Princeton Press, 1947.
WEEDS, H. (2002), 'Strategic Delay in a Real Options Model of R&D
Competition', Review of Economic Studies 69(3), 729-747.
WIILLIAMS, J. T. (1993), 'Equilibrium and Options on Real Assets',
The Review of Financial Studies 6(4), 825-850.
WU, S.; ERKOC, M. & KARABUK, S. (2005), 'Managing Capacity in
the High-Tech Industry: A Review of Literature', The Enginnering
Economist 50, 125-158.
178

YAGED, B. (1973), 'Minimum Cost Routing for Dynamic Network

Models', Networks 10, 193-224.
YANG, M.; BLYTH, W.; BRADLEY, R.; BUNN, D.; CLARKE, C. &
WILSON, T. (2008), 'Evaluating the power investment options with
uncertainty in climate policy', Energy Economics 30, 1933-1950.
ZANGWILL, W. (1966), 'A Deterministic Multi-period Production
Scheduling Model with Backlogging', Management Science 13(1), 105119.
ZHANG, F.; ROUNDY, R.; AKANYLDIRIM, M. & HUH, W.
(2004), 'Optimal Capacity Expansion for Multi-product, Multi-machine,
Manufacturing Systems with Stochastic Demand', IIE Transactions 36,
23-36.
AKANYILDIRIM, M. & ROUNDY, R. (2002a), 'Evaluation of
Capacity Planning Practices for the Semiconductor Industry', IEEE
Transactions on Semiconductor Manufacturing 15(3), 331-340.
AKANYILDIRIM, M. & ROUNDY, R. (2002b), 'Optimal Capacity
Expansion and Contraction under Demand Uncertainty', enviado por email pelo prprio autor (metin@utdallas.edu).

179

180

APNDICE A - INTRODUO TEORIA DOS JOGOS25

A.1. INTRODUO
A rea da literatura que analisa a interao estratgica entre empresas de
forma endgena aos modelos, ou seja, que prev no prprio modelo as possveis
aes e reaes racionais de empresas e que impactam outras empresas
chamada de teoria de jogos. Embora a teoria dos jogos tem sido aplicada
atualmente em vrias campos de estudo, o foco deste apndice est em sua
aplicao no campo da economia. Os primeiros estudos de jogos na rea
econmica foram com os clebres trabalhos de Cournot (1838, apud Nagurney,
1999) e Bertrand (1883, apud Nagurney, 1999) sobre competio oligopolista
em preos e produo, respectivamente. Porm tais estudos foram considerados
como modelos especiais e praticamente no mudaram a forma de pensamentos
dos economistas da poca. A idia de uma teoria geral de jogos foi introduzida
por John Von Neumann e Oskar Morgenstern no seminal trabalho Teoria dos
Jogos e Comportamento Econmico, em 1944 (Cusinato, 2003), onde foi
proposto que muitas das questes econmicas fossem analisadas como jogos.
A.2. JOGOS NA FORMA EXTENSIVA
Existem duas formas quase equivalentes de se definir jogos: a forma
estratgica ou normal, usando matrizes e a forma extensiva, atravs de rvores
de jogo, ou seja, rvores de deciso generalizadas para mltiplos decisores.
Um jogo em sua forma normal composto por trs elementos: (a) um
conjunto de jogadores i , denotados pelo conjunto finito i = {1,2,...M } ;
(b) um espao de estratgias puras

Si

para cada jogador i; (c) e funes de

retorno
de

zi , chamadas de funo de utilidade esperada que fornecem a utilidade

Newmann-Morgenstern
zi (s ) para cada perfil de estratgia

s = {s1 , s2 ,..., s I }. Nesta tese, como funo de utilidade esperada ser usado
o valor presente esperado do fluxo de caixa descontado. Para se referenciar a
outros jogadores alm do jogador i, ser utilizada a notao i. Cabe ressaltar
que isto no significa que o jogo entre o jogador i e o resto dos jogadores. Na
verdade, cada jogador tem como objetivo maximizar o seu prprio retorno.
Aqui sero tratados apenas os jogos de informao perfeita, onde o
jogador tem conhecimento, a cada perodo de tempo, do n de deciso que ele
est em uma rvore de jogo. Assume-se tambm que a estrutura do jogo de
conhecimento comum aos jogadores, ou seja, todos os jogadores conhecem a
estrutura do jogo e seus respectivos valores e sabem que os seus oponentes
25

Adaptado de Fudenberg e Tirole (2001) pginas 1-42 e Dias (2005) pginas

319-326.

181

tambm conhecem e sabem tambm que os seus oponentes sabem que eles
sabem, e assim por diante. Esta premissa relevante para o entendimento do
conceito do equilbrio de Nash.
Define-se estratgia de um jogador

si como uma regra de deciso que

descreve as aes a serem tomadas em cada n da rvore de jogo, quando o

jogador deve jogar. As estratgias timas devem levar em considerao as
estratgias de outros jogadores que so denotadas por s1 . Foca-se aqui a
ateno em jogos finitos, ou seja, jogos onde

S = i S i

finito.

Os jogos, na forma extensiva, podem ser vistos como uma generalizao

de uma rvore de deciso com mltiplos jogadores e so compostos pelos
seguintes componentes: (a) um n inicial, a partir do qual existem aes, sendo
que uma delas selecionada pelo jogador; (b) ramificaes, que representam as
aes disponveis em cada n; (c) n terminal que um n a partir do qual no
existem mais aes. (d) n de deciso, que um n no qual um jogador tem
mais de uma opo de escolha. Um n inicial pode tambm ser um n de
deciso. (e) conjunto de informao, que so os ns de deciso em que um
jogador deve considerar ao tomar sua deciso. Em geral, um conjunto de
informao associado a nico n de deciso. Mas h casos em que o jogador
no tem conhecimento sobre qual n de deciso ele deve considerar para tomar
a deciso. Neste caso, o conjunto de informao do jogador tem mais de um n
de deciso. Essa situao tpica de jogos simultneos. A figura A.1.1 ilustra os
componentes de um jogo na forma extensiva, utilizando o exemplo clssico do
jogo de uma empresa entrante e a empresa incumbente.
Figura A.1 Componentes de um jogo na forma extensiva

Fonte: adaptado de Fudenberg e Tirole (2001).

No exemplo da figura A.1.1, a empresa entrante se move primeiro e a
empresa incumbente observa a deciso da empresa entrante.

182

A.3. ESTRATGIA PURA E MISTA

Quando uma estratgia escolhida de forma determinstica, esta
chamada de estratgia pura, onde o jogador i escolhe a estratgia

si (H ) a cada

conjunto de informao H. Quando o jogador escolhe de forma probabilstica

uma estratgia a partir de um conjunto de estratgias puras, esta chamada de

estratgia mista. Assim, uma estratgia mista

um valor esperado dos

valores das estratgias puras ponderadas pelas probabilidades relevantes. Cada

deciso aleatria de um jogador estatisticamente independente daquelas de
seus oponentes e os retornos de um perfil de estratgias mistas so os valores
esperados dos retornos correspondentes das estratgias puras.
Denota-se o espao de estratgias mistas do jogador i por

i ( si )

a probabilidade do perfil

denotado por
Seja

= i i

zi ( i , i1 ) ,

, com elemento

, onde

o valor da estratgia mista

i 1

s i . O espao de perfis de estratgias mistas

quando os demais jogam as estratgias mistas

resposta de i para o perfil

para o jogador i

i 1 . A estratgia i

a melhor

de M-1 estratgias mistas dos outros jogadores

se:

zi ( i , i 1 ) zi i, , i1
Onde

Si .

(S i )

) , para qualquer

,
i

( )

Si

(A.1)

o conjunto simplex do conjunto das estratgias puras

Chama-se conjunto simplex a uma extenso de estratgias puras que

identifica as probabilidades a todas as estratgias puras disponveis para o

jogador i.
Uma estratgia pura pode ser estritamente dominada por uma estratgia
mista se ela no estritamente dominada por qualquer uma estratgia pura.
Considere que a estratgia do jogador i est variando enquanto as estratgias de
outros jogadores se mantm fixas.
Seja

si S i .

Considere fixas as estratgias de todos os jogadores com exceo de i , assim

pode-se denotar:

(si , si ) = (s1 ,..., si1 , si,+1 ,..., sM )

183

Similarmente, para estratgias mistas tem-se:

( i , i ) = ( 1 ,..., i1 , i,+1 ,..., M ) .

Definio A1: Estratgia pura
existe

,
i

estritamente dominada para o jogador i se

tal que:

zi i, , si > zi (si , s1 ) ,

para todo

Diz se que a estratgia

estratgia

si

s i pode

si

s i S i

(A.2)

estritamente dominada por

i, e

assim a

ser excluda, pois ela no deve ser jogada por jogadores

racionais.
Na equao B.2, se no lugar da desigualdade estrita < tiver a
desigualdade no estrita , ento a estratgia

si

chamada de estratgia

fracamente dominada. Estratgias fracamente dominadas no devem ser

excludas de imediato, pois podem ser equilbrios de Nash, mas em geral so
excludas quando se utiliza equilbrios mais refinados como o equilbrio perfeito
em subjogos, apresentados na seo 3.3.4.
A.4. DEFINIO DE EQUILBRIO DE NASH:
Um equilbrio de Nash um perfil de estratgia tal que cada estratgia
de jogador uma resposta tima para as estratgias de outros jogadores.
Definio: um perfil de estratgia mista
todos os jogadores i,

* um equilbrio de Nash se, para

zi i* , *i zi si , *i

) para todo s S .
i

Um equilbrio Nash de estratgia pura um perfil de estratgia pura que

satisfaz as mesmas condies.
Um equilbrio de Nash implica que as estratgias que fazem parte desse
equilbrio so simultaneamente as melhores respostas para todos os jogadores.
Dessa forma, no h incentivo para nenhum jogador desviar desse equilbrio,
unilateralmente. Para saber se um equilbrio de Nash basta fazer a seguinte
pergunta para cada jogador, separadamente: mudando a sua estratgia voc teria
um retorno maior? Se todos os jogadores responderem negativamente, ento o
perfil de estratgias um equilbrio de Nash. Desde que utilidades esperadas
so lineares nas probabilidades, se um jogador usa uma estratgia mista no

184

degenerada (existe uma probabilidade positiva para pelo menos uma estratgia),
este jogador deve ser indiferente entre todas as estratgias puras nas quais ele
joga com probabilidade positiva e essas estratgias mistas so to boas quanto
*

s estratgias que tiverem probabilidades zero. Para se testar se o perfil

um equilbrio de Nash, suficiente testar se h incentivos para desviar da
estratgia mista

para a estratgia pura

si .

Caso no haja este incentivo,

ento se constata que um equilbrio de Nash.

Um equilbrio de Nash estrito se cada jogador tem uma nica melhor
*

resposta para as estratgias de seus competidores. Ou seja, s uma estratgia

de equilbrio estrita se, e somente se, ela um equilbrio de Nash e, para todo i
e todo

si si* ,

zi (si* , s*i ) > zi (si , s*i ) .

Por definio, um equilbrio estrito necessariamente um equilbrio de

estratgia pura.
Existncia de Equilbrio de Nash: todo jogo em que se permitam
estratgias mistas e no qual os conjuntos de estratgias puras de todos os
jogadores so finitos tem pelo menos um equilbrio de Nash em estratgias
mistas. J em um jogo que exista apenas estratgias puras, a existncia de
equilbrio de Nash s garantida em alguns casos, pois o conjunto de
estratgias de cada jogador deve ser convexo e para isso deve ser um conjunto
de infinitas estratgias. A grande maioria dos jogos tem equilbrio de Nash. O
problema que muitos deles tm mais de um equilbrio de Nash, de forma que
necessrio um processo de refinamento do equilbrio de Nash para selecionar a
estratgia tima. O equilbrio de Nash perfeito em subjogos um conceito de
equilbrio muito importante neste sentido, conforme apresentado na seo 3.3.4.
De acordo com Fudenberg e Tirole (2001), o equilbrio de Nash est
implcito em dois dos primeiros jogos que foram estudados na literatura
econmica, ou seja, nos modelos de Cournot e Bertrand, em 1838 (apud
Fudenberg e Tirole, 2001) e 1883 (apud Fudenberg e Tirole, 2001),
respectivamente. No modelo de Cournot, as empresas escolhem
simultaneamente as quantidades que produziro e vendem a um preo tal que o
mercado absorve toda a oferta. No modelo Bertrand, as empresas escolhem
simultaneamente os seus preos e ento devem produzir uma quantidade
suficiente para atender toda a demanda, aps as escolhas dos preos se tornarem
conhecidas. Em cada um dos modelos, o equilbrio determinado pela condio
de que todas as empresas escolhem a melhor resposta em antecipao ao jogo
de cada um de seus competidores. O equilbrio de Nash so previses
consistentes de como o jogo ser jogado no sentido de que todos os jogadores
prevem que um equilbrio de Nash particular dever ocorrer e que todos os
jogadores no tero nenhum incentivo para mudar sua estratgia.

185

186

APNDICE B - O PROBLEMA DE INEQUAO

VARIACIONAL26
B.1. INTRODUO
A seguir os problemas de equilbrio na competio perfeita, monoplio e
oligoplio sero apresentados na forma de Problemas de Inequaes
Variacionais (VIP). A teoria de inequao variacional uma formulao geral
que incorpora uma gama de problemas matemticos, tais como, equaes no
lineares, problemas de otimizao, de complementaridade e de ponto fixo.
Recentemente a teoria tem sido utilizada para resolver problemas de equilbrio
econmico. A formulao de inequaes variacionais particularmente
conveniente porque permite um tratamento unificado para problemas de
equilbrio, permitindo sintetizar um espectro de mercados que contempla desde
problemas de equilbrio espacial de preos at problemas de equilbrio para
mercados imperfeitamente competitivos, tais como o oligoplio e o seu caso
particular de monoplio.
O apndice B apresenta a definio formal de um Problema de
Inequao Variacional bem como, os relacionamentos entre a formulao dos
problemas matemticos j bem conhecidos na literatura, normalmente utilizados
para a obteno de equilbrio, e o problema de inequaes variacionais,
fundamentando teoricamente as formulaes de inequaes variacionais
apresentadas nesta tese.
Inequaes variacionais foram originalmente desenvolvidas como uma
ferramenta para o estudo de certas classes de equaes diferenciais parciais de
dimenso infinita, tais como, as que aparecem na rea de mecnica. O foco
apresentado no livro de Nagurney (1999), entretanto, est em problemas de
inequaes variacionais de dimenso finita aplicado rea econmica.
B.2. DEFINIO DE VIP
O problema de inequaes variacionais de dimenso finita, VI ( F , ) ,
consiste em determinar um vetor

x* R n , tal que:

F ( x * )T , x x* 0,

(B.1)
n

Onde F uma funo dada, contnua de em R , e um conjunto

fechado e convexo.
Em termos geomtricos, conforme pode ser observado na figura B.1, a
inequao variacional (B.1) determina que

26

F ( x * )T seja ortogonal ao conjunto

Extrado do livro de Nagurney, A. (1999).

187

vivel no ponto x * . Note que a condio necessria e suficiente para

x * ser a soluo de VI ( F , ) que:

F ( x* ) C ( x* )
Onde

(B.2)

C (x) denota o cone normal de

no ponto x, definido por:

C ( x ) y R n : yT , x ' x 0, x '

(B.3)

Figura B.1 Interpretao geomtrica de VI (F , ) .

Fonte: adaptado de Nagurney (1999).

De modo equivalente, ressalta-se que para dois vetores

produto interno

v, u R n ,

u , v = u . v . cos , onde o ngulo entre os vetores

T

u e v. Ento para um

no intervalo

0 90 o , tem-se que u T , v 0.

Assim, pode-se observar na figura B.1., que

somente se o ngulo entre os vetores

x*

soluo do VI ( F , ) , se e

F ( x * ) e x x * , com x* e x

em

menor ou igual a 90 .
o

188

O problema de inequao variacional como ser apresentado pelas

proposies seguintes, particularmente conveniente, pois permite tratar
problemas de equilbrio e problemas de otimizao de uma s vez. Na verdade,
muitos problemas matemticos podem ser formulados como problemas de
inequao variacional, e diversos exemplos aplicam-se a anlise de equilbrio,
como ser visto a seguir.
B.3. SISTEMAS DE EQUAES
Muitos problemas econmicos clssicos tm sido formulados como
sistemas de equaes. Em termos de um problema de inequao variacional, a
formulao de um sistema de equaes dada conforme segue.
Proposio B.1. Um sistema de equaes VIP27

= R n e seja F : R n  R n uma dada funo. Um vetor x* R n a

n
soluo de um problema de inequao variacional VI ( F , R ) se e somente se
F ( x* ) = 0. Em outras palavras, uma soluo x* R n para o sistema de
n
equaes F ( x ) = 0 pode ser obtida resolvendo o problema VI ( F , R ) , isto
Seja

, encontrando um

x* R n que satisfao a seguinte condio:

F ( x * )T , x x* 0,

x R n .

B.4. PROBLEMAS DE OTIMIZAO

Um problema de otimizao caracterizado pela sua funo objetivo
especfica, que pode ser de maximizao ou minimizao, e de suas restries.
Em um contexto econmico, a funo objetiva geralmente representa lucro,
custo, participao no mercado, risco de portflio, entre outros indicadores. As
restries geralmente representam limites de oramento ou de recursos, no
negatividade de variveis, equaes de conservao, etc. Normalmente, um
problema de otimizao consiste de uma nica funo objetiva. Problemas de
otimizao com ou sem restries podem ser formulados como um problema de
inequao variacional, conforme proposio a seguir.

27

A demonstrao da proposio B.1 apresentada em Nagurney (1999).

189

Proposio B.2. Um problema de otimizao VIP28

x* a soluo do seguinte problema de otimizao:

Seja

Onde

Minimize

f (x )

(B.4)

Sujeito a:

(B.5)

f (x )

continuamente diferencivel e

fechado e convexo. Ento

a soluo do problema de inequao variacional:

f ( x * )T , x x * 0,

(B.6)

O caso particular de problemas sem restrio corresponde a situao em

que = R . Contudo, apesar de um problema de otimizao poder ser posto
sob a forma de um problema de inequao variacional, a recproca nem sempre
verdadeira. De fato, VI ( F , ) um problema mais geral, que somente
equivalente a um problema de otimizao nos casos em que a matriz Jacobiano,
definida por:
n

F 1
F1
x ... x
n
. 1 . .

F ( x ) = ..
.

Fn
Fn
...
x
xn
1

(B.7)

simtrica e semidefinida positiva. Nestes casos sempre haver uma funo

f :  R1 que satisfaz a condio f ( x) = F ( x) , tal que x* , soluo de

VI ( F , ) , tambm soluo do problema de otimizao (B.4)-(B.5).
B.5. PROBLEMAS DE COMPLEMENTARIDADE

28

A demonstrao da proposio B.2 apresentada em Nagurney (1999).

190

O problema de inequao variacional inclui o problema de

complementaridade como um caso especial. Problemas de complementaridade
so definidos no ortante no negativo

R+n .

Proposio B.3. Um problema de complementaridade VIP

Seja

R+n

o ortante no negativo de

problema de complementaridade sobre

inequaes no qual se deseja encontrar

F ( x* ) 0
ento

Rn ,

e seja

F : Rn  Rn .

n
+

R um sistema
x* 0 tal que:

( )

F x * , x* = 0

de equaes e

(B.8)

x* soluo de VI ( F , R+n ).
Quando o mapeamento F afim, ou seja, quando F ( x) = M .x + b , onde

M uma matriz n x n , e b um vetor n x 1 o problema (B.8) denominado um

problema de complementaridade linear.
B.6. PROBLEMAS DE PONTO FIXO
A teoria do ponto fixo tem sido utilizada para formular, analisar e
resolver problemas de equilbrio econmico. A relao entre um problema de
inequao variacional e um problema de ponto fixo pode ser feito atravs do
uso de um operador de projeo. Este operador de projeo definido a seguir.
Definio B.1. Projeo ortogonal29
Seja

xR

um

conjunto fechado e convexo em

existe um nico ponto

x y xz ,

29

Rn .

Ento, para cada

y , tal que
z

(B.9)

A demonstrao da definio B.1 apresentada em Nagurney (1999).

191

Onde

y conhecido como sendo a projeo ortogonal Euclidiana de x sobre o

conjunto , isto :

y = P x = arg min x z

(B.10)

A figura B.2 ilustra a projeo de x sobre o conjunto

equao (B.10) apresentada em Nagurney (1999).

. A prova da

Figura B.2. A projeo y de x sobre o conjunto vivel.

Fonte: adaptado de Nagurney (1999).

Seja

ou

um conjunto convexo. Ento y = P x

se e somente se:

yT , z y xT , z y ,

(B.11)

(y x ), z y

(B.12)

0,

Dessa forma, a equivalncia entre o problema de inequao variacional e

o problema de ponto fixo (projeo ortogonal) pode ser observada
geometricamente atravs da figura B.3..

192

Figura B.3. Representao geomtrica do problema de inequao

variacional y x T , z y 0, para y = P x e y P x .

Fonte: adaptado de Nagurney (1999).

Teorema B.1.30
*

Seja um conjunto convexo e fechado. Ento x uma soluo

do problema de inequao variacional VI ( F , ) se e somente se para qualquer

> 0, x* um ponto fixo de mapeamento:

P ( I F ) : 

(B.13)

ou seja,

x* = P x* .F ( x* )

(B.14)

x* de (B.1) a projeo ortogonal em

qualquer > 0. Logo, a funo F pode ser

Em outras palavras, a soluo

do vetor

x* .F ( x * ) para

interpretada como um campo vetorial no conjunto , onde no ponto x que

resolve VI ( F , ) , o campo vetorial normal fronteira e aos pontos

30

A demonstrao do teorema B.1. apresentada em Nagurney (1999).

193

x* .F ( x * ) igual a x* . Esta
*
propriedade no satisfeita para nenhum outro ponto em que x x e x .

interiores. Consequentemente, a projeo de

B.7. ALGORITMO PDS

O desenvolvimento de algoritmos eficientes para a resoluo de
problemas de equilbrio considerado na literatura como um tema de igual
importncia a anlise qualitativa do equilbrio. A complexidade de problemas
econmicos, combinado com o porte crescente dos modelos que os descrevem
so impeditivos para que sejam obtidas por solues analticas de forma
fechada. De maneira geral, algoritmos de inequao variacional convergem para
o equilbrio interativamente e progressivamente atravs de formas lineares ou
relaxadas do sistema original. Em Nagurney (1999), captulo 2, so descritos
vrios desses algoritmos, cada um dos quais adequados a diferentes estruturas
do problema de inequao variacional.
O algoritmo utilizado neste trabalho, apresentado na seo 3.5.7, resulta
do estudo de problemas de equilbrio em uma configurao dinmica, chamado
de teoria de sistemas dinmicos projetados (PDS)31. Uma das caractersticas
notveis desta teoria o seu relacionamento com o problema de inequao
variacional. Os sistemas dinmicos projetados (PDS), no entanto, estendem o
estudo esttico de estados de equilbrio ao introduzir uma dimenso de tempo de
forma a permitir a anlise do comportamento de desequilbrio que precede o
equilbrio.
O algoritmo interativo geral do PDS apresentado inicialmente na seo
3.5.6 e incorporado ao algoritmo geral de soluo do modelo desta tese na seo
4.4.2.
B7.1 Condies de convergncia
A seguinte notao necessria para a declarao de premissas para a
convergncia.
Para cada

x R n , considere a funo F (x) pode ser definida como:

({

F ( x) = cov F ( y ) : x y
>0

})

(B.15)

Onde a linha superior indica fechado e cov (A) denota a convexidade do

conjunto A. Ento F (x ) uma funo convexo e semi contnua superior,
particularmente,

F ( x) = F ( x) , onde F contnua em x .

31
Para uma descrio de sistemas dinmicos projetados referir-se Nagurney (1999, pags. 3841).

194

z R n , diz-se que:

Para qualquer

d ( z , A) := inf z y
yA

a distncia entre

z e A . Ento,

d ( z , A) = z PA (z )
Onde

A compacto e convexo.
Condies de convergncia:
Considere uma condio inicial

{x ; k = 1,2,...} por

x 0 e defina a sequncia

( ))

x k +1 = P x k k Fk x k

(B.16)

Assume-se, as seguintes condies:

(i)
(ii)
(iii)

k =0

k = 0 , k > 0 , k 0 , quando k .

d Fk ( x), F ( x) 0 , uniformemente sobre os conjuntos compactos de

quando k .
Considere y (.) a nica soluo para x = ( x, F ( x ) ) que satisfaz

y (0) = y . O conjunto w-limite

w() = yK t 0 s >t { y ( s )}
est

contido

no

conjunto

de

pontos

estacionrios

de

x = ( x, F ( x ) ) .
(iv) A sequncia

{x ; k = 1,2,...} limitada.
k

(v) As solues para

qualquer conjunto

( x, F ( x ) )

so estveis no sentido que dado

, existe um conjunto

2 tal que

195

y1

{ y(t )}
t 0

Um dos mais bvios exemplos de campo vetorial

Fk (x ) = F ( x )

para k = 1,2,... e x . O que corresponde ao esquema Euler na

aproximao numrica de equaes diferenciais ordinrias clssicas. Outro
exemplo um esquema tipo Heun dado por:

Fk ( x) =

1
[ F ( x) + F ( x + P ( x k F ( x)))] .
2

Teorema B.2. Convergncia do Esquema geral interativo PDS

Seja

S as

solues para o problema de inequao variacional (B.1), e

assume-se as premissas (i)-(v). Considere a sequncia

esquema gerado por (B.16). Ento

{x ; k = 1,2,...} o
k

d x k , S 0 quando k .

Corolrio B.1.
Considere as condies do teorema B.2, e tambm que
conjunto finito de pontos. Ento

lim k x

S consiste de um

existe e igual a soluo para o

problema de inequao variacional.

196

APNDICE C - SISTEMA COMPUTACIONAL PARA A

OBTENO DA ESTRATGIA TIMA DE EXPANSO DE
CAPACIDADE PROGRAMA FONTE
program EquilibrioNash;
uses
Forms,
uInterface in 'uInterface.pas' {Form1},
uEquilibrio in 'uEquilibrio.pas',
uVetor in 'Projecao\uVetor.pas',
uProjecao in 'Projecao\uProjecao.pas',
Urelatorio in 'Urelatorio.pas' {Form2};
{$R *.RES}
begin
Application.Initialize;
Application.CreateForm(TForm1, Form1);
Application.Run;
end.
//***************************************************************
***************************
unit uEquilibrio;
interface
Uses SysUtils,Dialogs,ExtCtrls,ComCtrls,Graphics,Forms,Chart,uProjecao,
Math;
Type
tMatriz = Array of Array of Extended;
tNode = Class
ID : String[8];
Grupo, Cap : Integer;
Tipo : Char;
A,B,Fluxo,Excedente, Cinv, Prob, Escala : Extended;
Kincr, Capmax : Integer;
TNumCap, ProdNumCap, EstAux, Valorj: Integer;
Constructor Create (iTipo : Char; iGrupo: Integer; iA, iB:Extended; iCap:
Integer; iKincr:integer; iCapmax:integer; iCinv, iProb, iEscala:Extended);
Function Preco : Extended;
Procedure SetCapacidade(Valor : Integer);

197

end;
tCournotNash = Class
N,M,Count : Integer;
Produtor,Consumidor : Array of tNode;
CapInic
: Array of Integer;
ValorEstado
: Array of Array of Array of Array of Extended;
ValorEsperado
: Array of Array of Array of Extended;
Kotimo
: Array of Array of Array of Integer;
Estadoj
: Array of Array of Array of Integer;
ProdutorFluxo,consumidorpreco
: Array of Array of Array of Extended;
Demanda
: Array of Array of Extended;
Custo,X,F
TF,T0
CUnit,Passo

: tMatriz;
: tDateTime;
: Extended;

//**********************************************Variveis de
Leitura da Programao Dinmica ******************
tMax
: Integer;
Taxa, TaxaA, TaxaB
: Extended;

//***************************************************************
***********************************************
Constructor LerDados(NomeArquivo : String);
destructor Finalizar;
Procedure PDinamica(ProgressBar1:tProgressBar);
procedure CalcularF;
procedure CalcularExcedentes;
function ExcedenteSociedade : Extended;
function ExcedenteProdutor : Extended;
function ExcedenteConsumidor : Extended;
procedure AtualizarFluxoProdutorConsumidor;
function AtualizarFluxo : Extended;
procedure Equilibrar(Statusbar : tStatusBar; Chart : tChart);
function GetExcedenteProdutor(i : Integer) : Extended;
Procedure SetCapacidadeProdutor(i:Integer; Valor:Integer);
Procedure SetDemandaConsumidor(j:Integer; newA,newB : Extended);
Procedure DefinirNumEstados;
Procedure DefinirCapacidades(i:integer);
Function DefinirEstado : Integer;

198

function NumP : Integer;

function NumM : Integer;
function FtaxaA : Real;
function FtaxaB : Real;
function Ftmax : Integer;
function GetAconsumidor(m: Integer): Extended;
function GetBconsumidor(m: Integer): Extended;
Function GetCap(m:integer): Integer;
//Function GetInv(p,k:integer) : Extended;
Procedure Apresentar;
Procedure Simular(NSimul : Integer;PB:tProgressBar);
end;
implementation
Function MyFloatToStr(Number : Extended; Digits,Decimals : Integer) : String;
begin
Result := FloatToStrF(Number,ffNumber,Digits,Decimals);
While Length(Result) < Digits do Result := ' ' + Result;
end;
{ tNode }
//********************** Apresentar Resultados
***************************************
procedure tCournotNash.Apresentar;
Var
Arq : TextFile;
t,w,i,j,k,p : Integer;
begin
AssignFile(Arq,'Resultados2.txt');
Rewrite(Arq);

Writeln(Arq,'------------------------------------- Dados de Leitura -------------------------------------------------');

Writeln(Arq,'--------------------------------------------------------------------------------------------------------');
Writeln(Arq,'Horizonte de Planejamento = ', tMax: 10);
//Horizonte de
Planejamento

199

Writeln(Arq,'Nmero de Produtores
= ', M: 10);
//No. de Produtores
Writeln(Arq,'Numero de Mercados
= ', N: 10);
Writeln(Arq,'Taxa de Desconto
= ', Taxa: 10:2);
//Taxa de desconto
livre de risco
Writeln(Arq,'Taxa de Cresc Parametro A = ', TaxaA: 10:2);
//Crescimento
da Demanda = parmetro A
Writeln(Arq,'Taxa de Cresc Parametro B = ', TaxaB: 10:2);
//Crescimento
da Demanda = parmetro B
//Writeln(Arq,'Fator de Escala Invest = ', Escala: 10:2);
//Fator de Escala
de Investimento
For i :=0 to M-1 do Writeln(Arq,'Incremento de Capac/Invest Firma Produtor',
i+1, '= ', Produtor[i].Kincr:10); // incremento de capacidade por investimento
de cada firma
Writeln(Arq);
For i :=0 to M-1 do Writeln(Arq,'Capacidade Inicial/Produtor Prod.
', i+1,
'= ', Produtor[i].Cap:10); // capacidade inicial de cada firma
writeln(Arq);
For i :=0 to M-1 do Writeln(Arq,'Capacidade Mxima da firma Produtor
',
i+1, '= ', Produtor[i].Capmax:10); // capacidade maxima de cada firma
Writeln(Arq);
For i :=0 to M-1 do Writeln(Arq,'Custo de Investimento Produtor
', i+1,
'= ', Produtor[i].Cinv:10:2); // Custo de investimento
Writeln(Arq);
For i :=0 to M-1 do Writeln(Arq,'Probabilidades
', i+1, '= ',
Produtor[i].Prob:10:3); // Probabilidades
Writeln(Arq);
//**************************************** Dados do Equilibrio de
Curto Prazo ***************************
For i := 0 to M-1 do
begin
With Produtor[i] do Writeln(Arq,'Dados do Produtor
',' ', i+1, '= ',
Tipo:10, Grupo:10, ' ',A:15:5, ' ', B:15:5);
end;
Writeln(Arq);
For j := 0 to N-1 do
begin
With Consumidor[j] do Writeln(Arq,'Dados do Consumidor ',' ', j+1, '= ',
consumidor[j].A:15:5,' ', consumidor[j].B:15:5);
end;
Writeln(Arq);
For i := 0 to M-1 do
begin

200

For j := 0 to N-1 do Write(Arq, 'Custos de Transporte Empresa ',' ',i+1,'

Mercado ',' ', j+1,' = ', Custo[i,j]: 10:4);
Writeln(Arq);
Writeln(Arq);
Writeln(Arq);
end;
//******************************* Apresentar Resultados do Modelo
**********************************************
Writeln(Arq,'------------------------------------------------------------------------------------------------');
Writeln(Arq,' PERIODO FIRMA CAPACID EXPANS CAPACID
CAP.FUT. CAP.FUT. FLUXO VALORESPERADO');
Writeln(Arq,'
ATUAL FUTURA FIRMA1
FIRMA2
');
Writeln(Arq,'------------------------------------------------------------------------------------------------');
For w := 0 to M-1 do
begin
t := 0;
//i := 0;
For p := 0 to M-1 do
begin
produtor[p].cap := Capinic[p] div Produtor[p].Kincr;
end;
i := DefinirEstado;
While t<> tMax do
begin
If t <> 0 then DefinirCapacidades(i);
For p := 0 to M-1 do
begin
k := Kotimo[t,i,p];
produtor[p].cap := produtor[p].cap + k;
end;
j := DefinirEstado;

201

Writeln(Arq,t:10,w+1:10,((produtor[w].Cap)(Kotimo[t,i,w]))*Produtor[w].Kincr:10,
Kotimo[t,i,w]*Produtor[w].Kincr:10,
produtor[w].Cap*Produtor[w].Kincr:10,
produtor[0].cap*Produtor[w].Kincr:10,
produtor[1].cap*Produtor[w].Kincr:10,' ',
ProdutorFluxo[t,i,w]*Produtor[w].Kincr:10:4,' ',
ValorEsperado[t,i,w]:15:4) ;
i := j;
t := t + 1;
end;
end;
Writeln(Arq);
Writeln(Arq,'-------------------------------------------------------------------------------------------------------');
CloseFile(Arq);
end;
constructor tNode.Create(iTipo : Char; iGrupo: Integer; iA, iB:Extended; iCap:
Integer; iKincr:integer; iCapmax:integer; iCinv, iProb, iEscala:Extended);
begin
A := iA;
B := iB;
Cap := iCap;
Tipo := iTipo;
Grupo := iGrupo;
Kincr := iKincr;
Capmax := iCapmax;
Cinv := iCinv;
Prob := iProb;
Escala := iEscala;
end;
function tNode.Preco: Extended;
begin
Result := A + B * Fluxo;
end;
procedure tNode.SetCapacidade(Valor: Integer);
begin
Cap := Valor;
end;

202

{ tCournotNash }
//******************************** Funo Atualizar Fluxo
*******************************************************
function tCournotNash.AtualizarFluxo: Extended;
Var
Erro : Extended;
i,j : Integer;
V : tVetor;
begin
V := tVetor.Create(N,0);
Result := 0;
For i := 0 to M-1 do
begin
V.C := Produtor[i].Cap;
For j := 0 to N-1 do V.SetValue(j,X[i,j] + Passo * F[i,j]);
V.Project;
For j := 0 to N-1 do
begin
Erro := Abs(X[i,j]-V.GetValue(j));
If Erro > Result then Result := Erro;
X[i,j] := V.GetValue(j);
end;
end;
V.Free;
end;
//******************************** Rotina Atualizar Total Fluxo Saindo
Do Produtor E Chegando No Mercado **********
procedure tCournotNash.AtualizarFluxoProdutorConsumidor;
Var
i,j : Integer;
begin
For i := 0 to M-1 do Produtor[i].Fluxo := 0;
For j := 0 to N-1 do Consumidor[j].Fluxo := 0;
For i := 0 to M-1 do
For j := 0 to N-1 do
begin
Produtor[i].Fluxo := Produtor[i].Fluxo + X[i,j];
Consumidor[j].Fluxo := Consumidor[j].Fluxo + X[i,j];
end;

203

end;
//**************************************** Rotina Calcula Excedentes
***********************************************
procedure tCournotNash.CalcularExcedentes;
Var
i,j : Integer;
begin
For j := 0 to N-1 do
With Consumidor[j] do Excedente := - Sqr(Fluxo) * B / 2;
For i := 0 to M-1 do
With Produtor[i] do
Case Tipo of
'M' : begin
Excedente := 0;
For j := 0 to N-1 do
Excedente := Excedente + (Consumidor[j].Preco - Custo[i,j]) *
X[i,j];
Excedente := Excedente - (A * Fluxo + B * Sqr(Fluxo) / 2);
end;
'C' : Excedente := Sqr(Fluxo) * B / 2;
end;
end;
//**************************************** Rotina Calcular F[i,j]
***************************************************
procedure tCournotNash.CalcularF;
Var
i,j,g,k : Integer;
Fluxo : Extended;
begin
For i := 0 to M-1 do
For j := 0 to N-1 do
Case Produtor[i].Tipo of
'C' : F[i,j] := Consumidor[j].Preco - (Produtor[i].Preco + Custo[i,j]);
'M' : begin
Fluxo := 0;
g := Produtor[i].Grupo;
For k := 0 to M-1 do
If (Produtor[k].Grupo = g) and (Produtor[k].Tipo = 'M')
then Fluxo := Fluxo + X[k,j];

204

F[i,j] := Consumidor[j].Preco + Fluxo * Consumidor[j].B

a derivada - pag 41 pdf
- (Produtor[i].Preco + Custo[i,j]);
end;
end;
end;

// B

//**************************************** Rotina Equilibrar

*****************************************************
procedure tCournotNash.Equilibrar(StatusBar : tStatusBar; Chart : tChart);
Var
ErroMax,ErroAnt : Extended;
begin
ErroMax := 1E+30;
ErroAnt := 1E+30;
Passo := 1;
T0 := Now;
Count := 0;
If Chart <> nil then Chart.SeriesList.Series[0].Clear;
While ErroMax > 1E-4 do
begin
AtualizarFluxoProdutorConsumidor;
CalcularF;
ErroMax := AtualizarFluxo;
If (Count Mod 20) = 0
then begin
CalcularExcedentes;
If ErroMax >= ErroAnt then Passo := Passo * 0.95;
ErroAnt := ErroMax;
If Chart <> nil then
Chart.SeriesList.Series[0].AddXY(Count,ErroMax,'',clRed);
Application.ProcessMessages;
end;
Inc(Count);
end;
CalcularExcedentes;
TF := Now;
end;
//**************************************** Funo Calcular Excedente
Consumidor **********************************

205

function tCournotNash.ExcedenteConsumidor: Extended;

Var
j : Integer;
begin
Result := 0;
For j := 0 to N-1 do Result := Result + Consumidor[j].Excedente;
end;
//**************************************** Funo Calcular Excedente
Produtor ************************************
function tCournotNash.ExcedenteProdutor: Extended;
Var
i : Integer;
begin
Result := 0;
For i := 0 to M-1 do Result := Result + Produtor[i].Excedente;
end;
//**************************************** FUNO CALCULAR
EXCEDENTE SOCIEDADE ************************************
function tCournotNash.ExcedenteSociedade: Extended;
begin
Result := ExcedenteProdutor + ExcedenteConsumidor;
end;
destructor tCournotNash.Finalizar;
begin
Produtor := nil;
Consumidor := nil;
Custo := nil;
X := nil;
F := nil;
ValorEstado := nil;
ProdutorFluxo := nil;
kOtimo := nil;
Estadoj :=nil;
end;
function tCournotNash.GetExcedenteProdutor(i: Integer): Extended;
begin
Result := Produtor[i].Excedente;
//ACHO QUE NO
PRODUTOR[I].GETEXCEDENTE E SIM: PRODUTOR[I].EXCEDENTE
end;

206

//**************************************** Ler Dados Gerais

*****************************************************
constructor tCournotNash.LerDados(NomeArquivo : String);
Var
Arq
: TextFile;
i,j,Grupo,Cap, Kincr, Capmax : Integer;
A,B,Cinv, Prob, Escala
: Extended;
Tipo
: Char;
begin
AssignFile(Arq,NomeArquivo);
Reset(Arq);
Readln(Arq,M);
Readln(Arq,N);
SetLength(Custo,M,N);
SetLength(X,M,N);
SetLength(F,M,N);
SetLength(Produtor,M);
SetLength(Consumidor,N);
SetLength(CapInic,M);
Readln(Arq);
Readln(Arq);
For i := 0 to M-1 do begin
Readln(Arq,Tipo,Grupo,A,B,Cap,Kincr, Capmax, Cinv, Prob, Escala);
Produtor[i] := tNode.Create(Tipo,Grupo,A,B,Cap, Kincr, Capmax, Cinv,
Prob, Escala);
Capinic[i] := produtor[i].cap;
end;
Readln(Arq);
For j := 0 to N-1 do begin
Readln(Arq,A,B);
Consumidor[j] := tNode.Create(' ',0,A,B,0,0,0,0,0,0);
end;
Readln(Arq);
For i := 0 to M-1 do
begin
For j := 0 to N-1 do Read(Arq,Custo[i,j]);
Readln(Arq);
end;
//******************************************* Leitura dos dados da
programo dinmica ******************************
Readln(Arq);
Readln(Arq,tMax);

207

Readln(Arq,Taxa);
Readln(Arq,TaxaA);
Readln(Arq,TaxaB);
//********************************************* Fim da leitura dos
dados da Programao dinmica **********************
CloseFile(Arq);
end;

procedure tCournotNash.SetCapacidadeProdutor(i: Integer; Valor: Integer);

begin
Produtor[i].Cap := Valor;
end;
procedure tCournotNash.SetDemandaConsumidor(j: Integer; newA,
newB: Extended);
begin
With Consumidor[j] do
begin
A := newA;
B := newB;
end;
end;
function tCournotNash.NumP: Integer;
begin
Result := M;
end;
function tCournotNash.NumM: Integer;
begin
Result := N;
end;
function tCournotNash.FtaxaA: Real;
begin
Result := TaxaA;
end;
function tCournotNash.FtaxaB: Real;
begin
Result := TaxaB;
end;

208

function tCournotNash.Ftmax: Integer;

begin
Result := tMax;
end;
function tCournotNash.GetAConsumidor(m: Integer): Extended;
begin
Result := Consumidor[m].A;
end;
function tCournotNash.GetBConsumidor(m: Integer): Extended;
begin
Result := Consumidor[m].B;
end;

//**************************************** Calcular O Nmero De

Estados *************************************
Procedure tCournotNash.DefinirNumEstados;
begin
For j := 0 to M-1 do
begin
Produtor[j].TnumCap := 0;
Produtor[j].ProdNumCap := 0;
end;
For j:= 0 to M-1 do
With produtor[j] do
begin
Produtor[j].TNumCap := (Produtor[j].Capmax div Produtor[j].Kincr) + 1;
If j = 0 then Produtor[j].ProdNumCap := Produtor[j].TNumCap
Else Produtor[j].ProdNumCap := Produtor[j-1].ProdNumCap *
Produtor[j].TnumCap
end;
end;

//**************************************** ROTINA CALCULA

CAPACIDADES PARA CADA ESTADO ****************************
Procedure tCournotNash.DefinirCapacidades(i:integer);
Var j:integer;
begin
j:= M-1;

209

While j >0 do
With Produtor[j] do
begin
If j = M-1 then
begin
Produtor[j].EstAux := i;
Produtor[j].Cap := Produtor[j].EstAux div Produtor[j-1].ProdNumCap;
end
else
begin
Produtor[j].EstAux := Produtor[j+1].EstAux mod
Produtor[j].ProdNumCap;
Produtor[j].Cap := Produtor[j].EstAux div Produtor[j-1].ProdNumCap;
end;
j:= j-1;
end;
Produtor[j].EstAux := Produtor[j+1].EstAux mod Produtor[j].ProdNumCap;
Produtor[j].Cap := Produtor[j].EstAux div 1;
end;
function tCournotNash.GetCap(m: Integer): Integer;
begin
Result := Produtor[m].Cap;
end;

//**************************** FUNO DEFINE O ESTADO A

PARTIR DAS CAPACIDADES DE CADA ESTADO ********************
Function tCournotNash.DefinirEstado: integer;
Var F,j: integer; p : Integer;
begin
For j := 0 to M-1 do Produtor[j].Valorj := 0;
p:= M-1;
While p >= 0 do
begin
With Produtor[p] do
begin
F := Produtor[p].Cap;
If p = M-1 then Produtor[p].Valorj := (1+F)*Produtor[p-1].ProdNumCap - 1
//Calcula o estado novo com o acrescimo de capacidade
Else
begin

210

If p = 0 then Produtor[p].Valorj := Produtor[p+1].Valorj((Produtor[p].TNumCap -1 - F)*1)

Else Produtor[p].Valorj := Produtor[p+1].Valorj-((Produtor[p].TNumCap 1 - F)*Produtor[p-1].ProdNumCap);
end;
p:= p-1;
end;
end;
Result := Produtor[0].Valorj;
end;

//************************************************ ROTINA DE
PROGRAMAO DINMICA **************************
Procedure tCournotNash.PDinamica(ProgressBar1:tProgressBar);
Var
t,w, i,IMax,kMax, p,k,j, q,v,l : Integer;
Valor, NewA, NewB, FcrescA, FcrescB : Extended;
Arq : TextFile;
begin
AssignFile(Arq,'Debug.txt');
Rewrite(Arq);
//******************************************************Inicializar
dados ********************************************
FcrescA:= (1 + TaxaA);
FcrescB:= (1 + TaxaB);
DefinirNumEstados;
Imax := Produtor[M-1].ProdNumCap;
Setlength(ValorEstado,tMax+1,Imax,M,M);
Setlength(ValorEsperado, tMax+1,Imax,M);
Setlength(Kotimo,tMax+1,Imax,M);
Setlength(demanda,tMax+1,N);
Setlength(Estadoj,tMax+1,Imax,M);
Setlength(ProdutorFluxo,tMax+1,Imax,M);
SetLength(ConsumidorPreco,tMax+1,Imax,N);

211

For t := 0 to tMax-1 do
begin
For i := 0 to Imax-1 do
begin
For w := 0 to M-1 do
begin
Kotimo[t,i,w] := 0;
Estadoj[t,i,w] := 0;
ProdutorFluxo[t,i,w] := 0;
For v := 0 to M-1 do
begin
ValorEstado[t,i,w,v] := 0;
end;
end;
end;
end;
ProgressBar1.Max := tMax;
ProgressBar1.Position := tMax;
t := tMax-1;
While t>=0 do
begin
//***************************** Informar novas condies de mercado novos valores para A e B ************************
For w := 0 to N-1 do
begin
If t = tMax-1 then
begin
newA := getAConsumidor(w) * Power(FcrescA,t);
newB := getBConsumidor(w) / Power(FcrescB,t);
SetDemandaConsumidor(w,newA,newB);
end
else
begin
newA := getAConsumidor(w) * Power(FcrescA,1);
newB := getBConsumidor(w) * Power(FcrescB,1);
SetDemandaConsumidor(w,newA,newB);
end;
end;

212

For i := 0 to iMax-1 do
begin
DefinirCapacidades(i);
Equilibrar(nil,nil);
For p := 0 to M-1 do
begin
ProdutorFluxo[t,i,p] := Produtor[p].Fluxo;
end;
For l := 0 to N-1 do ConsumidorPreco[t,i,l] := Consumidor[l].Preco;
For p := 0 to M-1 do
begin
DefinirCapacidades(i);
kMax := (produtor[p].Tnumcap - 1) - Produtor[p].cap;
For k := 0 to kMax do
begin
produtor[p].cap := produtor[p].cap + k;
j := DefinirEstado;
If t = tMax-1
then Valor := Produtor[p].Excedente / Taxa
else Valor := Produtor[p].Excedente produtor[p].Cinv*Power(k*produtor[p].Kincr,produtor[p].Escala)
+
ValorEsperado[t+1,j,p]/(1+Taxa);
If Valor > ValorEstado[t,i,p,p] then
begin
ValorEstado[t,i,p,p] := Valor;
Kotimo[t,i,p]
:= k;
Estadoj[t,i,p] := j;
end;
produtor[p].cap := produtor[p].cap - k;
end;
j := Estadoj[t,i,p];
For q := 0 to M-1 do If p <> q
then begin
If t = tMax-1
then Valor := Produtor[q].Excedente / Taxa
Else Valor := Produtor[q].Excedente +
ValorEstado[t+1,j,q,p]/(1+Taxa);
ValorEstado[t,i,q,p] := Valor;
end;
end;
For q := 0 to M-1 do

213

begin
ValorEsperado[t,i,q] := 0;
For p := 0 to M-1 do ValorEsperado[t,i,q] := ValorEsperado[t,i,q] +
ValorEstado[t,i,q,p]*Produtor[p].Prob ;
writeln(Arq,t:5,i:5,q:5,Kotimo[t,i,q]:5, Estadoj[t,i,q]:5,'
',Produtor[q].cap:10,' ',produtor[q].excedente:15:8,' ',
ValorEsperado[t,i,q]:15:8);
For p := 0 to M-1 do Writeln(Arq,'
',p:5,ValorEstado[t,i,q,p]:15:8,Produtor[p].Prob:15:8);
end;
end;
t := t-1;
ProgressBar1.position := t;
end;
CloseFile(Arq);
end;
procedure tCournotNash.Simular(NSimul: Integer;PB:tProgressBar);
Function SorteiaDecisor : Integer;
Var
ProbAc,Soma : Extended;
begin
ProbAc := Random;
Soma := Produtor[0].Prob;
Result := 0;
While Soma < ProbAc do
begin
Result := Result + 1;
Soma := Soma + Produtor[Result].Prob;
end;
end;
Var
Arq
: TextFile;
tx
: Extended;
t,i,q,p,j,s,k,Tselec,Imax,l
: Integer;
VP
: Array of Extended;
Selec
: Array of Integer;
begin
Randomize;
AssignFile(Arq,'Simula.txt');
SetLength(VP,M);
SetLength(Selec,M);
Rewrite(Arq);

214

//******************************* Apresentar Resultados da Simulao

**********************************************
Write(Arq,' NS.');
For q := 0 to M-1 do Write(Arq,'
For q := 0 to M-1 do Write(Arq,'
For l := 0 to N-1 do Write(Arq,'
For q := 0 to M-1 do Write(Arq,'

Cp', q+1:1,'T06');
Fl', q+1:1,'T06');
Pr', l+1:1,'T06');
VP', q+1:1,'T06');

For q := 0 to M-1 do Write(Arq,'

For q := 0 to M-1 do Write(Arq,'
For l := 0 to N-1 do Write(Arq,'
For q := 0 to M-1 do Write(Arq,'

Cp', q+1:1,'T12');
Fl', q+1:1,'T12');
Pr', l+1:1,'T12');
VP', q+1:1,'T12');

For q := 0 to M-1 do Write(Arq,'

For q := 0 to M-1 do Write(Arq,'
For l := 0 to N-1 do Write(Arq,'
For q := 0 to M-1 do Write(Arq,'

Cp', q+1:1,'T18');
Fl', q+1:1,'T18');
Pr', l+1:1,'T18');
VP', q+1:1,'T18');

For q := 0 to M-1 do Write(Arq,' VPres', q+1:1);

Writeln(Arq);
PB.Max := NSimul;
PB.Position := 0;
For s := 1 to NSimul do
begin
PB.Position := s;
Write(Arq,s:5);
For q := 0 to M-1 do VP[q] := 0;
For q := 0 to M-1 do Selec[q] := 0;
t := 0;
// i := 0;
tx := 1;
Tselec := 0;
Imax := Produtor[M-1].ProdNumCap;
Setlength(Kotimo,tMax+1,Imax,M);
If t = 0 then

215

begin
For q := 0 to M-1 do
begin
produtor[q].cap := Capinic[q] div Produtor[q].Kincr;
end;
end;
i := DefinirEstado;

While t <= TMax-1 do

begin
If t <> 0 then DefinirCapacidades(i);
Equilibrar(nil,nil);
p := SorteiaDecisor;
k := kOtimo[t,i,p];
Selec[p] := 1;
If k = 0 then
begin
While Tselec < M do
begin
p := SorteiaDecisor;
k := kOtimo[t,i,p];
Selec[p] := 1;
for q := 0 to M-1 do Tselec := Tselec + Selec[q];
If k <> 0 then Tselec := M;
end;
end;

For q := 0 to M-1 do
begin
If p = q then produtor[q].cap := produtor[q].cap + k;
end;
j := DefinirEstado;

216

{Coletar Dados da Simulao}

If t in [6,12,18] then
begin
For q := 0 to M-1 do Write(Arq,Produtor[q].Cap*Produtor[q].Kincr:9);
For q := 0 to M-1 do
Write(Arq,ProdutorFluxo[t,i,q]*Produtor[q].Kincr:9:2);
For l := 0 to N-1 do Write(Arq,ConsumidorPreco[t,i,l]:9:2);
end;
{Acumular VP descontado ...}
For q := 0 to M-1 do
begin
VP[q] := VP[q] + Produtor[q].Excedente / Tx;
If p = q then
If t = tMax-1 then VP[q] := VP[q] + Produtor[q].Excedente / Tx
Else VP[q] := VP[q] - Produtor[p].Cinv * power(k*
Produtor[p].Kincr,Produtor[p].Escala) / Tx;
end;
If t in [6,12,18] then
begin
For q := 0 to M-1 do Write(Arq,VP[q]:9:2);
end;
// j := Estadoj[t,i,p];
i := j;
t := t + 1;
tx := tx * (1+Taxa);
end;
For q := 0 to M-1 do Write(Arq,VP[q]:9:2);
Writeln(Arq);
end;
CloseFile(Arq);
VP := nil;
end;
end.
//Fim da Unit
//***************************************************************
***************************

217

unit uInterface;
interface
uses
Windows, Messages, SysUtils, Classes, Graphics, Controls, Forms, Dialogs,
ExtCtrls, StdCtrls, Buttons, uEquilibrio, ComCtrls, TeEngine, Series,
TeeProcs, Chart;
type
TForm1 = class(TForm)
Panel1: TPanel;
Panel2: TPanel;
BitBtn1: TBitBtn;
StatusBar1: TStatusBar;
Panel3: TPanel;
Panel4: TPanel;
Memo1: TMemo;
Memo2: TMemo;
Splitter1: TSplitter;
BitBtn2: TBitBtn;
Label1: TLabel;
Edit1: TEdit;
OpenDialog1: TOpenDialog;
Chart1: TChart;
Series1: TFastLineSeries;
BitBtn3: TBitBtn;
Splitter2: TSplitter;
BitBtn4: TBitBtn;
Panel5: TPanel;
ProgressBar1: TProgressBar;
procedure Resolver(Sender: TObject);
procedure DefinirArquivo(Sender: TObject);
procedure BitBtn4Click(Sender: TObject);
private
{ Private declarations }
public
{ Public declarations }
end;
var
Form1: TForm1;
implementation

218

{$R *.DFM}
Uses URelatorio;
Var
Pr : tCournotNash;
procedure TForm1.Resolver(Sender: TObject);
begin
Memo1.Lines.SaveToFile(Edit1.Text);
Memo2.Lines.Clear;
pr := tCournotNash.LerDados(Edit1.Text);
pr.PDinamica(ProgressBar1);
pr.Apresentar;
Pr.Simular(5000,ProgressBar1);
Pr.Finalizar;
Memo2.Lines.LoadFromFile('Resultados2.txt');
MessageDlg('Fim de processamento',mtInformation,[mbOK],0);
end;
procedure TForm1.DefinirArquivo(Sender: TObject);
begin
If OpenDialog1.Execute then
begin
Edit1.Text := OpenDialog1.FileName;
Memo1.Lines.LoadFromFile(OpenDialog1.FileName);
end;
end;

procedure TForm1.BitBtn4Click(Sender: TObject);

begin
With tForm2.Create(Application) do
begin
Memo1.Lines.LoadFromFile('Resultados2.txt');
ShowModal;
Hide;

219

Free;
end;
end;
end.
//***************************************************************
***************************
unit Urelatorio;
interface
uses
Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,
Dialogs, StdCtrls, Buttons, ExtCtrls;
type
TForm2 = class(TForm)
Panel1: TPanel;
Memo1: TMemo;
BitBtn1: TBitBtn;
private
{ Private declarations }
public
{ Public declarations }
end;
var
Form2: TForm2;
implementation
{$R *.dfm}
end.
//***************************************************************
***************************
unit uProjecao;
interface
Type
TVetor = Class
N : Integer;

220

C : Extended;
Value : Array of Extended;
Constructor Create(initN : Integer; initC : Extended);
Destructor Free;
Procedure SetValue(i : Integer; aValue : Extended);
Function GetValue (i : Integer) : Extended;
Procedure Project;
Function SumValues : Extended;
Function CountPositives : Integer;
Function GetMinPositive : Extended;
Procedure Show(Var Arq : TextFile);
end;
implementation
Const
Prec = 1E-8;
{ TVetor }
function TVetor.CountPositives: Integer;
Var
i : Integer;
begin
Result := 0;
For i := 0 to N-1
do If Value[i] > Prec then Inc(Result);
end;
constructor TVetor.Create(initN: Integer; initC: Extended);
begin
N := initN;
C := InitC;
SetLength(Value,N);
end;
destructor TVetor.Free;
begin
Value := nil;
end;
function TVetor.GetMinPositive: Extended;
Var
i : Integer;
begin

221

Result := 1E+30;
For i := 0 to N-1
do If (Value[i] > Prec) and (Value[i] < Result) then Result := Value[i];
end;
function TVetor.GetValue(i: Integer): Extended;
begin
Result := Value[i];
end;
procedure TVetor.Project;
Var
i,Count
: Integer;
Soma,Min,Delta : Extended;
begin
{ Zera valores negativos }
For i := 0 to N-1 do If Value[i] < 0 then Value[i] := 0;
{ Calcula Soma }
Soma := SumValues;
While Soma-C > Prec do
begin
Count := CountPositives;
Delta := (Soma - C) / Count;
Min := GetMinPositive;
If Delta < Min then Min := Delta;
For i := 0 to N-1
do If Value[i] > Prec
then Value[i] := Value[i] - Min
else Value[i] := 0;
{ Calcula Soma }
Soma := SumValues;
end;
end;
procedure TVetor.SetValue(i: Integer; aValue: Extended);
begin
Value[i] := aValue;
end;
procedure TVetor.Show(var Arq: TextFile);
Var
i : Integer;
begin

222

For i := 0 to N-1 do Writeln(Arq,Value[i]:10:4);

end;
function TVetor.SumValues: Extended;
Var
i : Integer;
begin
Result := 0;
For i := 0 to N-1 do Result := Result + Value[i];
end;
end.
//***************************************************************
***************************
unit uVetor;
interface
Type
TVetor = Class
N : Integer;
C : Extended;
Value : Array of Extended;
Constructor Create(initN : Integer; initC : Extended);
Destructor Free;
Procedure SetValue(i : Integer; aValue : Extended);
Function GetValue (i : Integer) : Extended;
Procedure Project;
Function SumValues : Extended;
Function CountPositives : Integer;
Function GetMinPositive : Extended;
Procedure Show(Var Arq : TextFile);
end;
implementation
Const
Prec = 1E-8;
{ TVetor }
function TVetor.CountPositives: Integer;
Var

223

i : Integer;
begin
Result := 0;
For i := 0 to N-1
do If Value[i] > Prec then Inc(Result);
end;
constructor TVetor.Create(initN: Integer; initC: Extended);
begin
N := initN;
C := InitC;
SetLength(Value,N);
end;
destructor TVetor.Free;
begin
Value := nil;
end;
function TVetor.GetMinPositive: Extended;
Var
i : Integer;
begin
Result := 1E+30;
For i := 0 to N-1
do If (Value[i] > Prec) and (Value[i] < Result) then Result := Value[i];
end;
function TVetor.GetValue(i: Integer): Extended;
begin
Result := Value[i];
end;
procedure TVetor.Project;
Var
i,Count
: Integer;
Soma,Min,Delta : Extended;
begin
{ Zera valores negativos }
For i := 0 to N-1 do If Value[i] <= 0 then Value[i] := 0;
{ Calcula Soma }
Soma := SumValues;
While Soma-C > Prec do
begin

224

Count := CountPositives;
Delta := (Soma - C) / Count;
Min := GetMinPositive;
If Delta < Min then Min := Delta;
For i := 0 to N-1
do If Value[i] > Prec
then Value[i] := Value[i] - Min
else Value[i] := 0;
{ Calcula Soma }
Soma := SumValues;
end;
end;
procedure TVetor.SetValue(i: Integer; aValue: Extended);
begin
Value[i] := aValue;
end;
procedure TVetor.Show(var Arq: TextFile);
Var
i : Integer;
begin
For i := 0 to N-1 do Writeln(Arq,Value[i]:10:4);
end;
function TVetor.SumValues: Extended;
Var
i : Integer;
begin
Result := 0;
For i := 0 to N-1 do Result := Result + Value[i];
end;
end.
//***************************************************************
***************************

225