Esta dissertação apresenta um artefato de \emph{software} que sistematiza em computador o método \emph{Crashing} de otimização de rede de projetos e quantifica os riscos envolvidos com o apoio da simulação Monte Carlo. O artefato baseia-se no método CPM (\emph{Critical Path Method}) de balanceamento entre as estimativas de tempo e custo, conhecido como \emph{Time-Cost Trade-off Problem} (TCTP) e possui duas versões de aproximação da função custo, sendo uma linear e outra exponencial convexa como contribuição. Ao fazer uma simulação e análise das estimativas dos custos e das durações das atividades nos caminhos possíveis do projeto, o artefato demonstrou em dois estudos de caso abordados, a utilidade prática da ferramenta computacional desenvolvida. O artefato corrobora a dificuldade de uma abordagem manual do problema mostrando a interação das variáveis envolvidas e a variabilidade delas ao se aplicar mudanças em suas estimativas. Adicionalmente, foi feita uma quantificação dos riscos resultantes da incerteza presente na variabilidade das estimativas e o resultado mostrou as probabilidades de sucesso ou fracasso diante dos múltiplos cenários aleatórios gerados com o apoio da técnica de simulação Monte Carlo.
This dissertation presents a software artifact that systematizes in computer the Crashing method of network optimization of projects and quantifies the risks with the Monte Carlo simulation support. The artifact is an algorithmic approach that solves the Time-Cost Trade-off Problems (TCTP) in Critical Path Method network flows (CPM) and has two cost approximation versions: Linear and Exponential Convex as contribution. In doing a simulation and analysis of the cost estimates and the durations of the activities in the possible project paths, the artifact showed in two case studies addressed, the practical utility of the developed computational tool. The artifact corroborates the difficulty of a manual approach to the problem showing the interaction of the variables involved and their variability when applying changes in their estimates. Additionally, it was made a risk quantification present in the variability of the estimates and the result showed the probabilities of success or failure against the multiple random scenarios generated with the support of the Monte Carlo simulation technique.
