Resumo

Desenvolver e apresentar uma solução de codificação para implementar o Método de Monte Carlo em planilhas eletrônicas, utilizando o Visual Basic for Applications (VBA), facilitando a modelagem e análise de sistemas complexos em ambientes organizacionais.

O estudo oferece uma abordagem prática e acessível para a aplicação do Método de Monte Carlo em contextos de gestão, abordando a crescente necessidade de modelagem diante da complexidade dos sistemas do mundo real.

Foi utilizado o Visual Basic for Applications (VBA) para codificar a geração de números aleatórios baseados em diferentes distribuições de probabilidade, seguindo os processos descritos por Thomopoulos (2013), e testando a codificação conforme as características de cada distribuição.

A ferramenta demonstrou alta aplicabilidade e replicabilidade, confirmando sua utilidade na modelagem de sistemas complexos. Facilita o processo de ensino/aprendizagem em contextos acadêmicos e possui potencial significativo para uso em ambientes organizacionais, impactando positivamente a tomada de decisão.

Ajuda na a compreensão sobre a aplicação do Método de Monte Carlo e fornece uma ferramenta replicável para profissionais e acadêmicos, contribuindo para a disseminação prática e teórica da SMC.

A ferramenta pode melhorar a tomada de decisões em ambientes organizacionais complexos, permitindo uma análise mais precisa de riscos, otimização de processos e suporte à gestão em diversos setores.

To develop and present a coding solution for implementing the Monte Carlo Method in spreadsheets using Visual Basic for Applications (VBA), facilitating the modeling and analysis of complex systems in organizational environments.

The study offers a practical and accessible approach to applying the Monte Carlo Method in management contexts, addressing the growing need for modeling in light of the complexity of real-world systems.

Visual Basic for Applications (VBA) was used to code the generation of random numbers based on different probability distributions, following the processes described by Thomopoulos (2013), and testing the coding according to the characteristics of each distribution.

The tool demonstrated high applicability and replicability, confirming its usefulness in modeling complex systems. It facilitates the teaching/learning process in academic contexts and has significant potential for use in organizational environments, positively impacting decision-making.

It enhances the understanding of the application of the Monte Carlo Method and offers a replicable tool for professionals and academics, contributing to the practical and theoretical dissemination of Monte Carlo Simulation (MCS).

The tool can improve decision-making in complex organizational environments by enabling more accurate risk analysis, process optimization, and management support across various sectors.