Spaces:
Sleeping
Sleeping
Update src/streamlit_app.py
Browse files- src/streamlit_app.py +30 -16
src/streamlit_app.py
CHANGED
|
@@ -29,8 +29,6 @@ st.markdown("""
|
|
| 29 |
|
| 30 |
|
| 31 |
# --- 3. DEFINIÇÃO DAS FUNÇÕES GLOBAIS ---
|
| 32 |
-
# Todas as funções foram movidas para o escopo global para evitar o erro de cache.
|
| 33 |
-
|
| 34 |
def formatar_brl(valor): return f"R$ {valor:,.2f}"
|
| 35 |
def formatar_percentual(valor): return f"{valor:.2%}" if pd.notna(valor) and not np.isinf(valor) else "N/A"
|
| 36 |
|
|
@@ -100,10 +98,12 @@ def carregar_dados():
|
|
| 100 |
df_anuais = pd.DataFrame(dados_anuais).set_index('Ano')
|
| 101 |
|
| 102 |
precos_iniciais = {'Papel_Papelao': 0.50, 'Plastico': 0.80, 'Metal': 2.00, 'Vidro': 0.30}
|
| 103 |
-
|
|
|
|
|
|
|
| 104 |
|
| 105 |
# --- 5. EXECUÇÃO INICIAL E SIDEBAR DE CONTROLES ---
|
| 106 |
-
df_2024, df_anuais, precos_iniciais, df_2024_numeric = carregar_dados()
|
| 107 |
|
| 108 |
st.sidebar.title(" Painel de Controle")
|
| 109 |
st.sidebar.markdown("Use os menus abaixo para navegar entre as análises e ajustar os parâmetros do projeto.")
|
|
@@ -115,29 +115,44 @@ pagina_selecionada = st.sidebar.radio( "Menu de Navegação",
|
|
| 115 |
)
|
| 116 |
st.sidebar.divider()
|
| 117 |
|
| 118 |
-
#
|
| 119 |
with st.sidebar.expander("⚙️ Premissas Financeiras do Projeto", expanded=True):
|
| 120 |
-
|
| 121 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 122 |
horizonte_projeto = st.slider("Horizonte do Projeto (anos)", 3, 20, 10)
|
| 123 |
taxa_desconto = st.slider("Taxa de Desconto (TMA) (%)", 5.0, 25.0, 12.0, 0.5) / 100
|
| 124 |
taxa_crescimento = st.slider("Crescimento Anual (Receitas/Custos) (%)", 0.0, 10.0, 3.0, 0.5) / 100
|
| 125 |
taxa_reinvestimento = st.slider("Taxa de Reinvestimento (MTIR) (%)", 2.0, 18.0, 10.0, 0.5) / 100
|
| 126 |
|
| 127 |
with st.sidebar.expander("📈 Preços e Cenários de Simulação", expanded=False):
|
| 128 |
-
|
| 129 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
| 130 |
fator_otimista = st.slider("Cenário Otimista (%)", 100, 200, 115) / 100
|
| 131 |
|
| 132 |
st.sidebar.divider()
|
| 133 |
st.sidebar.info(f"Última atualização: {pd.Timestamp.now(tz='America/Sao_Paulo').strftime('%d/%m/%Y %H:%M')}")
|
| 134 |
|
| 135 |
-
|
| 136 |
-
#
|
| 137 |
-
#
|
|
|
|
| 138 |
|
| 139 |
if pagina_selecionada == "🔎 Análise Exploratória (EDA)":
|
| 140 |
-
# ... (código desta página não precisa de alteração nas chamadas)
|
| 141 |
st.title("🔎 Análise Exploratória dos Dados de Coleta")
|
| 142 |
st.markdown("O primeiro passo para qualquer projeção é entender o passado. Aqui, exploramos os dados históricos de coleta para identificar padrões, sazonalidades e anomalias.")
|
| 143 |
st.divider()
|
|
@@ -159,7 +174,6 @@ if pagina_selecionada == "🔎 Análise Exploratória (EDA)":
|
|
| 159 |
st.plotly_chart(fig_boxplot, use_container_width=True)
|
| 160 |
st.info("O **gráfico de linhas** mostra a tendência e sazonalidade ao longo do ano. O **boxplot** revela a volatilidade de cada material: caixas mais 'altas' indicam maior variação mensal, o que se traduz em maior risco e incerteza no faturamento.")
|
| 161 |
|
| 162 |
-
|
| 163 |
elif pagina_selecionada == "🎯 Simulação de Faturamento":
|
| 164 |
st.title("🎯 Simulação e Projeção de Faturamento Anual")
|
| 165 |
st.markdown("Utilizando a técnica de bootstrapping, simulamos 2.000 possíveis anos de faturamento com base na volatilidade dos dados de 2024. Isso nos dá uma visão probabilística das receitas do projeto.")
|
|
@@ -204,7 +218,7 @@ elif pagina_selecionada == "📊 Análise de Viabilidade":
|
|
| 204 |
st.divider()
|
| 205 |
|
| 206 |
receita_anual_media = np.mean(simulacoes_faturamento[cenario_analise])
|
| 207 |
-
fluxo_caixa_projeto = gerar_fluxo_caixa_projeto(investimento_inicial, receita_anual_media,
|
| 208 |
|
| 209 |
vpl = calcular_vpl(fluxo_caixa_projeto, taxa_desconto)
|
| 210 |
tir = calcular_tir(fluxo_caixa_projeto)
|
|
@@ -235,7 +249,7 @@ elif pagina_selecionada == "📊 Análise de Viabilidade":
|
|
| 235 |
with tab_risco:
|
| 236 |
st.subheader(f"Simulação Monte Carlo para o VPL (Cenário: {cenario_analise})")
|
| 237 |
receitas_mc = np.random.choice(simulacoes_faturamento[cenario_analise], size=5000, replace=True)
|
| 238 |
-
vpls_mc = [calcular_vpl(gerar_fluxo_caixa_projeto(investimento_inicial, r,
|
| 239 |
|
| 240 |
prob_viabilidade = (np.array(vpls_mc) >= 0).mean()
|
| 241 |
vpl_medio_mc = np.mean(vpls_mc)
|
|
|
|
| 29 |
|
| 30 |
|
| 31 |
# --- 3. DEFINIÇÃO DAS FUNÇÕES GLOBAIS ---
|
|
|
|
|
|
|
| 32 |
def formatar_brl(valor): return f"R$ {valor:,.2f}"
|
| 33 |
def formatar_percentual(valor): return f"{valor:.2%}" if pd.notna(valor) and not np.isinf(valor) else "N/A"
|
| 34 |
|
|
|
|
| 98 |
df_anuais = pd.DataFrame(dados_anuais).set_index('Ano')
|
| 99 |
|
| 100 |
precos_iniciais = {'Papel_Papelao': 0.50, 'Plastico': 0.80, 'Metal': 2.00, 'Vidro': 0.30}
|
| 101 |
+
custos_mensais_iniciais = {"Locacao_Maquina": 1100, "Coleta_Destinacao": 350, "Mao_de_Obra": 2500, "Outros": 500}
|
| 102 |
+
|
| 103 |
+
return df_2024, df_anuais, precos_iniciais, df_2024_numeric, custos_mensais_iniciais
|
| 104 |
|
| 105 |
# --- 5. EXECUÇÃO INICIAL E SIDEBAR DE CONTROLES ---
|
| 106 |
+
df_2024, df_anuais, precos_iniciais, df_2024_numeric, custos_mensais_iniciais = carregar_dados()
|
| 107 |
|
| 108 |
st.sidebar.title(" Painel de Controle")
|
| 109 |
st.sidebar.markdown("Use os menus abaixo para navegar entre as análises e ajustar os parâmetros do projeto.")
|
|
|
|
| 115 |
)
|
| 116 |
st.sidebar.divider()
|
| 117 |
|
| 118 |
+
# --- PREMISSAS FINANCEIRAS COM AS ALTERAÇÕES ---
|
| 119 |
with st.sidebar.expander("⚙️ Premissas Financeiras do Projeto", expanded=True):
|
| 120 |
+
# Alteração 1: Investimento inicial com novo valor padrão
|
| 121 |
+
investimento_inicial = st.number_input("Investimento Inicial (R$)", min_value=1000.0, value=10000.0, step=1000.0)
|
| 122 |
+
|
| 123 |
+
# Alteração 2: Custos mensais editáveis em vez de custo anual único
|
| 124 |
+
st.markdown("**Custos Fixos Mensais (R$)**")
|
| 125 |
+
custos_mensais_editaveis = {}
|
| 126 |
+
for custo, valor in custos_mensais_iniciais.items():
|
| 127 |
+
custos_mensais_editaveis[custo] = st.number_input(custo.replace("_", " "), value=valor, step=50, key=custo)
|
| 128 |
+
|
| 129 |
+
# O custo anual agora é calculado a partir dos custos mensais
|
| 130 |
+
custos_operacionais_anuais = sum(custos_mensais_editaveis.values()) * 12
|
| 131 |
+
st.info(f"Custo Anual Calculado: **{formatar_brl(custos_operacionais_anuais)}**")
|
| 132 |
+
|
| 133 |
horizonte_projeto = st.slider("Horizonte do Projeto (anos)", 3, 20, 10)
|
| 134 |
taxa_desconto = st.slider("Taxa de Desconto (TMA) (%)", 5.0, 25.0, 12.0, 0.5) / 100
|
| 135 |
taxa_crescimento = st.slider("Crescimento Anual (Receitas/Custos) (%)", 0.0, 10.0, 3.0, 0.5) / 100
|
| 136 |
taxa_reinvestimento = st.slider("Taxa de Reinvestimento (MTIR) (%)", 2.0, 18.0, 10.0, 0.5) / 100
|
| 137 |
|
| 138 |
with st.sidebar.expander("📈 Preços e Cenários de Simulação", expanded=False):
|
| 139 |
+
st.markdown("**Preços dos Materiais (R$/kg)**")
|
| 140 |
+
precos_editaveis = {material: st.number_input(f"{material.replace('_', ' ')}", value=preco, step=0.1, key=f"preco_{material}") for material, preco in precos_iniciais.items()}
|
| 141 |
+
|
| 142 |
+
st.markdown("**Fatores dos Cenários**")
|
| 143 |
+
# Alteração 3: Cenário pessimista com novo valor padrão
|
| 144 |
+
fator_pessimista = st.slider("Cenário Pessimista (%)", 0, 100, 60) / 100
|
| 145 |
fator_otimista = st.slider("Cenário Otimista (%)", 100, 200, 115) / 100
|
| 146 |
|
| 147 |
st.sidebar.divider()
|
| 148 |
st.sidebar.info(f"Última atualização: {pd.Timestamp.now(tz='America/Sao_Paulo').strftime('%d/%m/%Y %H:%M')}")
|
| 149 |
|
| 150 |
+
|
| 151 |
+
# --- 6. LÓGICA DE RENDERIZAÇÃO DAS PÁGINAS (sem alterações aqui) ---
|
| 152 |
+
# O restante do código permanece o mesmo, pois ele já utiliza as variáveis
|
| 153 |
+
# que ajustamos na barra lateral.
|
| 154 |
|
| 155 |
if pagina_selecionada == "🔎 Análise Exploratória (EDA)":
|
|
|
|
| 156 |
st.title("🔎 Análise Exploratória dos Dados de Coleta")
|
| 157 |
st.markdown("O primeiro passo para qualquer projeção é entender o passado. Aqui, exploramos os dados históricos de coleta para identificar padrões, sazonalidades e anomalias.")
|
| 158 |
st.divider()
|
|
|
|
| 174 |
st.plotly_chart(fig_boxplot, use_container_width=True)
|
| 175 |
st.info("O **gráfico de linhas** mostra a tendência e sazonalidade ao longo do ano. O **boxplot** revela a volatilidade de cada material: caixas mais 'altas' indicam maior variação mensal, o que se traduz em maior risco e incerteza no faturamento.")
|
| 176 |
|
|
|
|
| 177 |
elif pagina_selecionada == "🎯 Simulação de Faturamento":
|
| 178 |
st.title("🎯 Simulação e Projeção de Faturamento Anual")
|
| 179 |
st.markdown("Utilizando a técnica de bootstrapping, simulamos 2.000 possíveis anos de faturamento com base na volatilidade dos dados de 2024. Isso nos dá uma visão probabilística das receitas do projeto.")
|
|
|
|
| 218 |
st.divider()
|
| 219 |
|
| 220 |
receita_anual_media = np.mean(simulacoes_faturamento[cenario_analise])
|
| 221 |
+
fluxo_caixa_projeto = gerar_fluxo_caixa_projeto(investimento_inicial, receita_anual_media, custos_operacionais_anuais, horizonte_projeto, taxa_crescimento)
|
| 222 |
|
| 223 |
vpl = calcular_vpl(fluxo_caixa_projeto, taxa_desconto)
|
| 224 |
tir = calcular_tir(fluxo_caixa_projeto)
|
|
|
|
| 249 |
with tab_risco:
|
| 250 |
st.subheader(f"Simulação Monte Carlo para o VPL (Cenário: {cenario_analise})")
|
| 251 |
receitas_mc = np.random.choice(simulacoes_faturamento[cenario_analise], size=5000, replace=True)
|
| 252 |
+
vpls_mc = [calcular_vpl(gerar_fluxo_caixa_projeto(investimento_inicial, r, custos_operacionais_anuais, horizonte_projeto, taxa_crescimento), taxa_desconto) for r in receitas_mc]
|
| 253 |
|
| 254 |
prob_viabilidade = (np.array(vpls_mc) >= 0).mean()
|
| 255 |
vpl_medio_mc = np.mean(vpls_mc)
|