A INFLUÊNCIA DE UM SOFTWARE SIMULADOR NA DISCIPLINA DE ENGENHARIA ECONÔMICA Andreas Dittmar Weise (UFSM ) mail@adweise.de Patricia Schrippe (UFSM ) pschrippe@gmail.com Andrea Cristina Trierweiller (UFSC ) andreatri@gmail.com Nilton Camargo Batista da Silva (UNISINOS ) nbatista@inf.ufsm.br Raquel Dalvit Flores (UFSM ) raqueldalvit@hotmail.com A tecnologia e os novos recursos didáticos possibilitam dinamizar o processo de ensino/aprendizagem tornando a relação professor/alunos mais interativa. O objetivo deste artigo é discutir o uso de um Software de Simulação de Engenharia Econnômica para na disciplina de Engenharia Econômica. Em termos metodológicos, trata-se de uma pesquisa de natureza aplicada e abordagem quantitativa. O software de jogo possui cinco etapas: Custo de Capital; Financiamento; Viabilidade Econômica Simples; Viabilidade Econômica Múltipla; e Melhores Resultados. Para fins de aprovação deste software, foi feito um comparativo em duas turmas do curso de graduação em Engenharia de Produção da instituição pesquisada. Como resultado desta aplicação houve uma aprovação de 63,89% da turma que utilizou o jogo em relação à outra turma que não o utilizou 46,15%. E ainda, a reprovação por motivo de frequência (falta) do aluno na disciplina caiu de 23,08% para 5,56%. Palavras-chaves: Ensino de Engenharia de Produção, Software de Jogo, Jogo de Engenharia Econômica.
1. Introdução A revolução da inteligência estruturada que utiliza a tecnologia a seu favor, ou terceira revolução industrial (FIALHO, 2008) alterou profundamente inúmeros aspectos políticos, sociais, econômicos e educacionais. Nesta conjuntura de acesso rápido à informação, é identificada a geração Y. Uma geração dos nascidos entre 1980 até 1999, que é caracterizada por profissionais que buscam ascensão rápida no trabalho e retorno constante sobre o seu desempenho na empresa (SILVA, 2009). Atrelado ao cenário da revolução tecnológica e a geração Y, os professores universitários buscam qualificar os alunos para o mercado de trabalho. Esses professores frequentemente encontram dificuldades em transmitir o conteúdo, uma das possibilidades de adequação ao ambiente educacional nas disciplinas consiste na introdução de jogos que contextualizam o conteúdo na sala de aula. Diante dessa necessidade, foi desenvolvido um software, em um contexto didático, que através de uma configuração lúdica, auxilia os alunos no processo de aprendizagem da disciplina. Sendo assim, este trabalho tem como objetivo discutir o uso do Software de Simulação de Engenharia Econômica, criado para aperfeiçoar o aprendizado com as turmas de engenharia econômica do curso de Graduação em Engenharia de Produção da Universidade Federal de Santa Maria RS, Brasil. A eficiência do aprendizado das teorias expostas em sala de aula com a realidade do cenário econômico brasileiro atual é comprovada por meio da pesquisa comparativa realizada em duas turmas do curso de graduação da instituição pesquisada: do primeiro e segundo semestre do ano de 2012. 2. Referencial Teórico 2.1 Definição engenharia econômica 2
A Engenharia Econômica é responsável pela correlação entre os custos de processos com os parâmetros de engenharia a ser desenvolvidos (MCCOY; RUBIN, 2008). Na concepção de Bolton e Ockenfels (2012) a Engenharia Econômica consiste na ciência de projetar as ideias do mundo real e os mecanismos que alinhem os incentivos individuais e comportamento com as metas subjacentes. O objetivo da Engenharia Econômica consiste na análise econômica sobre decisões de aplicações, esse conceito se aplica desde o investimento em uma indústria como a compra ou locação até análise de carteiras de investimentos (CASSAROTTO FILHO; KOPPITTKE, 2010). Esse processo deve ser minuciosamente analisado, tanto no desenvolvimento dos indicadores quanto na respectiva compreensão, dessa forma, a alternativa mais adequada deve estar lastreada em bases seguras a fim de não incorrer erros irreparáveis (HIRSCHFELD, 2010). 2.2 Taxa de juros As taxas de juros são fundamentais no processo de transmissão de impulsos monetários para a economia real (WASSERFALLEN; KÜRSTEINER, 1994). A taxa de juros real afeta as decisões intertemporais de poupança e investimento na economia, dessa forma, a taxa de juros exerce uma função importante na dinâmica dos preços dos ativos ao longo do tempo (SAMPAIO, 2010). De forma simplificada existem duas categorias de juros: a) Simples: consiste em um artifício simplificador do cálculo, ele distorce o valor do dinheiro no tempo; e b) Composto: forma de juros que remunera adequadamente o valor do dinheiro no tempo (KASSAI et al, 2007). O funcionamento do mercado monetário foi inevitavelmente afetado pelas condições anormais da recente crise de crédito, o que também serviu para enfatizar a falta de pesquisas até o momento sobre a natureza do repasse de taxas de juro oficiais de taxas do mercado monetário e como estes, por sua vez, afetam as taxas de varejo (HOFFMANN; MACDONALD, 2009). 2.3 Viabilidade econômica 3
A engenharia econômica dispõe dos seguintes métodos de análise de investimento: Valor Presente Líquido (VPL); Valor Anual Uniforme Equivalente (VAUE); Custo Anual Uniforme Equivalente (CAUE); e, Método da Taxa Interna de Retorno (TIR) (SCHRIPPE; BORTOLOTTI; POSSAN, 2012). Nesses métodos, faz-se uso da Taxa Mínima de Atratividade (TMA) ou custo de oportunidade (LIMA Júnior; ALDATZ, 2013) no ambiente empresarial de acordo com Byers et al. (1997 apud MARTINS et al., 2012, p. 2) é definida pela menor taxa de retorno que as empresas almejam embolsar pelos investimentos, esse valor é obtido via os custos de oportunidade condicionados aos riscos de cada alternativa. O VPL, por sua vez, consiste em uma estratégia econômica convencional cujo plano central consiste em maximizar o resultado dos fluxos de caixa (GOURGUETA et al, 2013). Esse método consiste em um método de análise de investimentos, no qual é subtraído o investimento inicial de um projeto do valor presente de seus fluxos de caixa, (BRIGHAM; EHRHARDT, 2012), sendo descontado a uma TMA ou taxa de custo de capital (LIMA Júnior; ALDATZ, 2013). Antes de utilizar os VPLs ou NPVs - Net Present Values pode ser aplicados nas seguintes modalidades de projetos: (i) Projetos independentes, são aqueles cujos fluxos de caixa não são afetados por outros projetos; e (ii) Projetos mutualmente exclusivos, são duas maneiras diferentes de alcançar o mesmo resultado, por isso se um projeto é aprovado, o outro deve ser rejeitado (EHRHARDT; BRIGHAM, 2012). 3. Metodologia O presente estudo consiste em uma pesquisa de natureza aplicada e abordagem quantitativa. Além disso, trata-se de uma pesquisa bibliográfica e participante. No intuito de apoiar a aprendizagem da matéria de Engenharia Econômica, foi desenvolvido um software de simulação de engenharia econômica, o presente estudo visa discutir o uso do Software de Simulação de Engenharia Econômica, criado para aperfeiçoar o aprendizado com as turmas de engenharia econômica do curso de Graduação em Engenharia de Produção. Para a aplicação e verificação da utilidade do jogo, foram utilizados dados referentes a desempenho acadêmico e frequência de duas turmas de graduação de Engenharia de Produção (quinto semestre): sendo Engenharia de Produção (1) e Engenharia de Produção (2), que utilizou o jogo na disciplina, ambas trabalharam com o mesmo material de apoio (apostila e 4
slides), plano de ensino e exercícios e tiveram as aulas no mesmo horário. Além disso, buscou-se elaborar as questões das provas no mesmo nível de dificuldade. 4. Software de engenharia econômica O software divide a turma da disciplina em grupos, em que cada grupo pode ter até 5 membros e até 10 grupos podem jogar ao mesmo tempo, com uma avaliação diferenciada. 4.1 Etapas da simulação O layout principal do software é apresentado na Figura 1, constando de cinco etapas, das quais cada parte apresenta aos grupos de competidores um novo desafio a ser desvendado e dispõe um tempo limitado para que todos os campos sejam respondidos. Figura 1 - Dados básicos do jogo A Figura 1 demonstra os dados básicos do jogo, como capital próprio disponível, valor total do investimento, valores de venda e custo de produção por unidade do produto, quantidade 5
produzida diariamente bem como diversas possibilidades de financiamentos. Os dados financeiros são atualizados diariamente e, com eles, os grupos de alunos tem que realizar cinco (5) etapas: (1) Custo de Capital; (2) Financiamento; (3) Viabilidade Econômica Simples; (4) Viabilidade Econômica Múltipla; e (5) Melhores Resultados. O primeiro desafio é procurar o melhor Custo de Capital. Para isso, os grupos devem definir a quantidade do capital próprio (percentual) e a quantidade de capital de terceiros (percentual) para buscar o melhor Custo de Capital. Os respectivos resultados são inseridos no formulário e os resultados são enviados. O sistema verifica os resultados e atribui uma pontuação (conforme o item 4.3 Avaliação), que o grupo já pode verificar, porém não pode retornar e alterar os dados. O financiamento está contemplado na segunda etapa do jogo. Nesta etapa, o aluno deverá utilizar as opções existentes no mercado para desenvolver suas análises e assim, chegar a um denominador comum que irá informar dentro de um determinado cenário, qual a melhor metodologia de financiamento a ser utilizada no projeto. O software oferece três (3) diferentes financiamentos (um de Tabela Price e dois de Sistema de Amortização Constante - SAC) de dois bancos. Antes disso, os grupos devem novamente procurar a quantidade de capital próprio e de terceiros para, posteriormente, calcular os financiamentos. Os grupos inserem os cálculos e os seus resultados no formulário. Como na etapa anterior, o sistema calcula o resultado e verifica se o grupo conseguirá atingir a meta ou não. Dessa forma, serão distribuídos os pontos aos grupos. A inoperância de alteração de dados também é aplicada a essa etapa. A terceira etapa do jogo (Viabilidade Econômica Simples) desafia o aluno a verificar a Viabilidade Econômica Simples, ou seja, avaliar a viabilidade do projeto tendo com base, a taxa de juros do Banco Central do Brasil. Após esta etapa, os grupos entram no próximo desafio: a Viabilidade Econômica Múltipla. A tarefa é Procurar o resultado mais viável a partir de uma série de alternativas de financiamentos, dificultando a análise em relação à etapa anterior, que era de apenas utilizar os juros do Banco Central do Brasil. Mais uma vez, o grupo deverá escolher qual porcentagem de capital de terceiros irá utilizar, após escolher dentre as atividades existentes qual a modalidade e quantos períodos irá utilizar 6
o financiamento. Estas escolhas irão influenciar, significativamente, o custo do capital do projeto, uma vez que serão comparados prazos e taxas de juros diferentes. A última etapa (Melhores Resultados), que finaliza o processo e foca o uso de conhecimento de todas as outras etapas, ou seja, os grupos de alunos deverão escolher de todos os resultados, procurar o melhor resultado. Para finalizar, o grupo deverá marcar a opção se o projeto é viável ou não, a partir das análises realizadas anteriormente, definir qual a porcentagem de capital de terceiros, a opção de financiamento e a quantidade de períodos que irá utilizar em seu projeto. Conforme exposto na Figura 5, o desafio da quinta etapa será concluído no momento em que o aluno preencher o formulário, provando se o projeto é viável ou não. 4.2 Portal do professor Via portal do professor será gerenciado todo o jogo de Engenharia Econômica, começando com os dados básicos, gerenciamento de grupos, dados de bancos e juros. Antes do começo do jogo são definidos os prazos de entrega de cada etapa. Após o vencimento, o sistema tranca e nenhum grupo consegue mais colocar resultados. Quem não colocou um resultado perdeu a chance de ganhar a pontuação da etapa. Os dados dos bancos, como juros e financiamentos e os dados básicos do jogo, como preço de venda, custo de produção e Taxa Mínima de Atratividade (TMA), podem ser alterados a qualquer momento, conforme a necessidade do mercado financeiro. Os resultados de cada etapa são calculados e verificados pelo software. Nas primeiras três etapas, o sistema atribui uma pontuação ao grupo, conforme o resultado colocado na simulação, enquanto nas últimas duas etapas a pontuação é atribuída pelo professor. 4.3 Avaliação As regras do jogo visam uma avaliação simples, já que o sistema busca auxiliar neste sentido. Como já foi mencionado anteriormente, o sistema coloca automaticamente a pontuação de cada grupo, conforme os resultados. Assim, a pontuação começa com 1,0 para o melhor grupo, 0,8 para o segundo melhor grupo, 0,6 para o terceiro, 0,4 para o quarto e 0,2 para o quinto, que será o último grupo a receber pontos. Os demais grupos receberão 0 (zero) pontos. 7
Pode acontecer que dois grupos, com o mesmo resultado, dividam os pontos do posicionamento no ranking. Em cada etapa se utiliza a mesma escala e no final do jogo, soma-se a pontuação das cinco etapas. 5. Aplicação do jogo na Engenharia de Produção: comparando os dados dos alunos A seguir, as duas turmas são caracterizadas a partir da quantidade de alunos, da sua frequência e de seu desempenho escolar. Para fins de equivalência foi eliminada a pontuação adicional em função do jogo. Um aspecto interessante, refere-se ao número de alunos reprovados por frequência insuficiente (inferior a 75%), ver Tabela 1. Este número caiu, ou seja, pela utilização do jogo parece que os alunos ficam mais interessados, obtém melhores resultados, diminuindo também a desistência na disciplina. Alunos Aprovados Aprovados. por Média Alunos Exame Alunos reprovados em Exame Reprovados por Faltas Total Reprovados Engenharia de Produção (1) Engenharia de Produção (2) 39 18 13 19 14 9 21 36 23 15 19 11 2 13 Total 74 37 12 45 27 11 43 Tabela 1 - Total de alunos, aprovações e reprovações por turma A Tabela 1 demonstra que mais alunos foram aprovados, sendo por Média ou via exame, na turma da Engenharia de Produção (2). A reprovação dos alunos que não conseguiram atingir a nota mínima para passar também caiu entre a turma 1 e 2. 5.1 Análise dos dados 8
Inicialmente, foi conduzida a análise em relação aos fatores investigados (frequência às aulas, curso e sexo), com base na estatística descritiva, visando caracterizar as turmas. Para fins de análise foram considerados somente os alunos com frequência suficiente para aprovação na disciplina. Tabela 2 Frequências médias as aulas por curso para cada período de avaliação Início até P1 Entre P1 e P2 Total Engenharia de Produção (1) 89,90 88,10 89,33 Engenharia de Produção (2) 94,12 92,44 93,33 Total Geral 91,93 90,18 91,25 A Tabela 2 apresenta as frequências médias para as duas turmas. Como pode ser observado, do primeiro para o segundo período (de 91,90% para 78,90%), as frequências médias apresentam uma queda de (13,00%). Tabela 3 Médias das avaliações por turma e sexo para cada avaliação Sexo P1 P2 E Af Engenharia de Produção (1) 39 4,73 6,25 4,38 5,37 F 14 5,80 7,31 4,39 6,48 M 25 4,20 5,98 4,38 4,89 Engenharia de Produção (2) 36 5,52 6,5 3,69 5,6 F 13 6,64 7,14 4,18 6,58 M 23 4,71 5,74 3,44 4,63 Média Geral - 5,11 6,37 4,05 5,48 9
As médias das notas para cada avaliação (Prova 1 (P1), Prova 2 (P2), Exame (E) e Avaliação final (Af)) por curso e sexo do aluno são apresentadas na Tabela 3. Percebe-se que, em ambas as turmas o sexo feminino é significativamente melhor que o sexo masculino. Observa-se também, que houve um incremento na média das notas da avaliação P2 em relação à avaliação P1. Para demonstrar a evolução das médias nas avaliações, ao longo da disciplina, foi criada a Figura 2. A turma da Engenharia de Produção 2, em média, apresentou-se acima da média geral nas avaliações P1, P2 e Af, diferentemente da turma Engenharia de Produção 1. Esse comportamento não se verificou em relação ao Exame, no qual os alunos da Engenharia de Produção 2 (3,69) tiveram avaliação média inferior aquela da turma de Engenharia de Produção 1 (4,38). Figura 2 Médias das notas por turma 7 6 5 5,52 4,73 6,25 6,5 4,38 5,6 5,37 4 3 3,69 2 1 0 P1 P2 E Af Engenharia de Produção (1) Engenharia de Produção (2) A análise descritiva auxilia a compreensão da influência dos fatores investigados, porém, não permite a identificação de diferenças estatisticamente significativas. A investigação dessas diferenças foi conduzida a partir da análise de variância (ANOVA). Forem utilizadas como variáveis de resposta as avaliações P1, P2 e Af, em relação aos fatores turma (Engenharia de Produção 1 e Engenharia de Produção 2), sexo (M e F) e frequência (67,5%; 82,5%; e 95%, 10
com níveis médios categorizados, respectivamente, para as frequências entre 55% e 74,99%; 75 e 89,99%; e 90% e acima). A Tabela 4 consolida a análise da significância (p-valor) dos fatores analisados em relação às avaliações P1, P2 e Af, bem como os Coeficientes de Determinação (R²) dos modelos. A significância em relação ao Exame não foi estudada pela falta de um número de observações insuficiente. Tabela 4 Significância dos fatores e R² para as avaliações P1, P2 e Af P1 P2 Af Sexo 0,109 0,474 0,299 R 2 (%) 11,36 8,66 10,10 O fator turma e frequência não se mostraram significativos, indicando que as notas das duas turmas e o fato de assistir a aula ou não, não diferem entre si em nenhuma avaliação. Já, o fator sexo se apresentou quase que significativo para as avaliações P1 (p-valor=0,109), considerando um p-valor limite de 0,1 (TABELA 4). Os valores de R² indicam que os modelos foram capazes de explicar aproximadamente dez por cento da variância presente nos dados. A variância explicada pelo modelo indica a necessidade de investigar outros fatores para analisar o desempenho dos alunos, mas também enfatiza a importância dos fatores investigados, que se apresentaram significativos. O fator (gênero) se apresentou significativo em relação aos demais fatores analisados com base em uma comparação múltipla entre as médias, graficamente apresentadas na Figura 3. Figura 3 Médias das notas P1 e A por Curso 11
7,50 7,23 7,00 6,50 6,53 6,00 5,50 5,00 4,50 6,20 4,44 5,87 4,77 4,00 P1 P2 Af M F Em relação ao fator gênero, conforme a Figura 7, nas três avaliações (P1, P2 e Af) o sexo feminino bem como, o masculino tem o mesmo comportamento, mas o sexo feminino apresentou médias melhores. 5.2 Interpretação dos dados A interpretação foi organizada em ordem cronológica das etapas do jogo, acompanhando as avaliações dos alunos na disciplina. Nas primeiras duas etapas, os alunos aprofundam e utilizam o conhecimento do Custo de Capital e dos financiamentos, que justamente são o foco na Prova 1. Na verificação dos resultados da P1, percebe-se que a diferença entre a turma 1 e 2 é moderada (0,79), favorecendo a turma que jogou. Destaca-se o fato de a frequência não se apresentar significativa na avaliação P1. Na avaliação P2, em que são avaliados conhecimentos apreendidos em relação à viabilidade econômica de uma ou várias alternativas de investimento, não houve diferença significativa entre as turmas. Já, as alunas apresentaram notas significativamente superiores aos demais alunos. Na Avaliação final, a turma de Engenharia de Produção 2 apresentou um desempenho significativamente superior aos alunos da Engenharia de Produção 1, diferença que reflete o desempenho global dos alunos na disciplina ao longo do semestre. 6. Considerações finais 12
O jogo apresentou melhoras substancias no quesito aprovação quando comparadas as turmas. Na primeira turma analisada, ou seja, a que não utilizou o jogo, ocorreu 46,15% de aprovação e 63,89% na turma que utilizou o software. Na primeira turma, 23,08% reprovaram por faltas, enquanto que na segunda turma isso aconteceu apenas com 5,56%. Porém, essa melhora no desempenho não se refletiu nos exames, apesar de ambas as turmas apresentarem o mesmo valor bruto de estudantes na situação de exame, na primeira turma ocorreu uma aprovação de 48,71%, enquanto que na segunda, a aprovação foi na ordem de 30,56%. Dessa forma, apesar da segunda turma ter apresentado melhoras na aprovação geral essa melhora não foi estendida aos exames, nessa situação, inclusive, a segunda turma apresentou um resultado inferior ao da primeira turma. Quanto à frequência dos estudantes na primeira prova ocorreu um aumento na frequência na ordem de 4,69%, enquanto que na segunda prova o acréscimo foi na ordem de 4,93% somando um saldo final positivo de 4,48% para a segunda turma. Analisando apenas o acréscimo no desempenho nas provas dos alunos o desempenho feminino apresenta aspectos favoráveis. O menor acréscimo foi na primeira prova sendo que, na primeira prova o acréscimo do desempenho feminino foi de 14%, enquanto que, a ala masculina apresentou um acréscimo de 12%. Na avaliação final houve um acréscimo de 2% para as mulheres e um decréscimo de 5% para os homens. A prova que apresentou indicadores mais desfavoráveis para a aplicação do jogo foi o exame, houve decréscimo nas notas na ordem de 5% para as mulheres e de 21%, para os homens. Dessa forma, o desempenho feminino via análise estatística aponta que na avaliação P1 as médias obtidas pelas alunas (6,20) e alunos (4,44) diferem entre si, mas não suficientemente para demonstrar uma significância (método de Tukey). Na avaliação P2 a média atinge um nível mais alto, sendo 7,23 o índice das alunas e 5,87 dos alunos. Uma situação similar ocorreu em relação à avaliação Af, em que a média das notas das alunas (6,53) e alunos (4,77) não difere significativamente (método de Tukey). Nesse sentido, a análise de apenas 2 turmas não é suficiente para dar um embasamento adequado, bem como, a análise dos fatores que influenciam no processo de frequência e desempenho acadêmico precisam ser acompanhados mais profundamente e, ao longo do tempo. Foi concluído que, os dados preliminares apresentam indicadores controversos e pouco confiáveis quanto à real influência do Software de Simulação de Engenharia 13
Econômica nas aulas de engenharia econômica na graduação de Engenharia de Produção, da Universidade Federal de Santa Maria (UFSM). Nesse sentido, sugere-se para trabalhos futuros, uma análise estatística dos fatores avaliados para um maior número de turmas, a fim de gerar uma análise estatística confiável. É recomendável a aplicação do jogo para outros cursos de graduação e pós-graduação no campus da UFSM. Dessa forma, possíveis características imprescindíveis para esse processo, poderão ser levadas a análise fornecendo conclusões mais robustas. Referências BOLTON, G. E.; OCKENFELS A. Behavioral Economic Engineering. Journal of Economic Psychology. Vol. 33, n. 3 p. 665 676, 2012. BRIGHAM, E.F.; EHRHARDT, M.C. Administração financeira: teoria e prática. 13 ed. São Paulo: Thomson Learning, 2012. CASAROTTO FILHO, N.; KOPITTKE, B. H. Análise de Investimentos: Matemática financeira, Engenharia econômica, Tomada de decisão e Estratégia empresarial. 10. ed. São Paulo: Atlas, 2010. FIALHO, N. N. Os jogos pedagógicos como ferramentas de ensino. Curitiba. Pucpr. 2008 GOURGUETA, S.; MACHERB, C.; DOYENA, L.; THÉBAUDB, O.; BERTIGNACD, M.; GUYADERB, O. Managing mixed fisheries for bio-economic viability. Fisheries Research. Vol 140. n. 1, p. 46 62, 2013. KASSAI, J. R.; CASANOVA, S. P. C.; SANTOS, A.; ASSAF NETO, A. Retorno de Investimentos: Abordagens matemática e contábil do lucro empresarial. 3 ed. São Paulo: Atlas, 2007. HIRSCHFELD, H. Engenharia Econômica e Análise de Custos. 7 ed. São Paulo: Atlas, 2010. HOFFMANN, M.; MACDONALD, R. Real exchange rates and real interest rate differentials: A presente value interpretation. European Economic Review. Vol. 53, n. 8. p. 952 970, 2009. LIMA JÚNIOR, M. P; ALDATZ, R. J. Análise de Investimento do Segmento de Transporte em Condições de Incerteza e Risco. Ambiente Contábil. Vol. 5. n. 1, p. 224 240, 2013. MCCOY, S. T.; RUBIN, E. S. An engineering-economic model of pipeline transport of CO 2 with application to carbon capture and storage. International Journal of Greenhouse gas control. Vol. 2, n. 2, p. 219 229, 2008. 14
MARTINS, D. D.; LUCATO, W. C.; SATO, I. D. In Cd-rom. Procedimento para Avaliação da Viabilidade Econômica de Novas Programações - Estudo de Caso em uma Rede de Televisão com Abrangência Nacional. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 32. Bento Gonçalves, 15 a 18 out. 2012. Anais... Bento Gonçalves, 2012. SAMPAIO, A. V. Efeito Fisher no Brasil, de 1980 a 2008. Análise, 2010, Vol.21, n.1, p. 72-84, 2010. SCHRIPPE, P.; BORTOLOTTI, S. L. V.; POSSAN, E. In Cd-rom. Estudo da Viabilidade Técnico-Econômica da Recuperação de Fécula em uma Fecularia de Mandioca. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 32. Bento Gonçalves, 15 a 18 out. 2012. Anais... Bento Gonçalves, 2012. SILVA, P, G. Gestão de pessoas para a geração Y. Monografia do curso de processos gerenciais Faculdade Integrada Paiva de Vilhena. 2009. WASSERFALLEN, W.; KÜRSTEINER G. Interest rates and exchange rates under money supply targets: The Swiss evidence. Journal of Monetary Economics. Vol. 33, n. 1, p. 201-230. 1994. 15