Update src/streamlit_app.py

src/streamlit_app.py

@@ -16,34 +16,74 @@ st.set_page_config(
 st.markdown("""
 <style>
     .stMetric {
-        border-radius: 10px;
-        padding: 15px;
-        background-color: #FFFFFF;
-        border: 1px solid #E6E6E6;
-        box-shadow: 0 4px 8px rgba(0,0,0,0.04);
+        border-radius: 10px; padding: 15px; background-color: #FFFFFF;
+        border: 1px solid #E6E6E6; box-shadow: 0 4px 8px rgba(0,0,0,0.04);
     }
     .stTabs [data-baseweb="tab-list"] { gap: 24px; }
     .stTabs [data-baseweb="tab"] {
-        height: 50px;
-        background-color: #F0F2F6;
-        border-radius: 4px 4px 0px 0px;
-        padding: 10px 15px;
+        height: 50px; background-color: #F0F2F6; border-radius: 4px 4px 0px 0px; padding: 10px 15px;
     }
     .stTabs [aria-selected="true"] { background-color: #FFFFFF; }
 </style>
 """, unsafe_allow_html=True)
 
 
-# --- 3. CARREGAMENTO DE DADOS E FUNÇÕES DE CÁLCULO ---
+# --- 3. DEFINIÇÃO DAS FUNÇÕES GLOBAIS ---
+# Todas as funções foram movidas para o escopo global para evitar o erro de cache.
+
+def formatar_brl(valor): return f"R$ {valor:,.2f}"
+def formatar_percentual(valor): return f"{valor:.2%}" if pd.notna(valor) and not np.isinf(valor) else "N/A"
+
+def calcular_vpl(fluxo_caixa, taxa_desconto):
+    try: return npf.npv(taxa_desconto, fluxo_caixa)
+    except: return np.nan
+
+def calcular_tir(fluxo_caixa):
+    try:
+        return npf.irr(fluxo_caixa) if np.any(np.sign(fluxo_caixa)) and np.any(np.sign(fluxo_caixa) * -1) else np.nan
+    except: return np.nan
+
+def calcular_mtir(fluxo_caixa, taxa_desconto, taxa_reinvestimento):
+    try:
+        return npf.mirr(fluxo_caixa, taxa_desconto, taxa_reinvestimento) if np.any(np.sign(fluxo_caixa)) and np.any(np.sign(fluxo_caixa) * -1) else np.nan
+    except: return np.nan
+
+def calcular_payback_descontado(fluxo_caixa, taxa_desconto):
+    investimento_inicial = abs(fluxo_caixa[0])
+    fluxo_acumulado_descontado = 0
+    for periodo, valor in enumerate(fluxo_caixa[1:], 1):
+        fluxo_acumulado_descontado += valor / ((1 + taxa_desconto) ** periodo)
+        if fluxo_acumulado_descontado >= investimento_inicial:
+            ultimo_fluxo_necessario = investimento_inicial - (fluxo_acumulado_descontado - (valor / ((1 + taxa_desconto) ** periodo)))
+            return (periodo - 1) + (ultimo_fluxo_necessario / (valor / ((1 + taxa_desconto) ** periodo)))
+    return np.inf
+
 @st.cache_data
-def carregar_dados_e_funcoes():
-    """Carrega todos os dados iniciais e retorna as funções de cálculo para evitar poluição do escopo global."""
-    
-    # --- DADOS ---
+def simular_faturamento_bootstrap(_df_dados_mensais_numeric, precos_dict, cenarios_dict, n_simulacoes=2000, seed=42):
+    np.random.seed(seed)
+    faturamentos_simulados = {nome: [] for nome in cenarios_dict.keys()}
+    for nome_cen, fator in cenarios_dict.items():
+        for _ in range(n_simulacoes):
+            df_amostrado = _df_dados_mensais_numeric.sample(n=12, replace=True)
+            faturamento_anual_iteracao = sum(df_amostrado[material].sum() * preco for material, preco in precos_dict.items())
+            faturamentos_simulados[nome_cen].append(faturamento_anual_iteracao * fator)
+    return {nome: np.array(data) for nome, data in faturamentos_simulados.items()}
+
+def gerar_fluxo_caixa_projeto(investimento_inicial, receita_anual_base, custos_operacionais_anuais, horizonte_anos, taxa_crescimento):
+    fluxo_caixa = [-abs(investimento_inicial)]
+    for ano in range(1, horizonte_anos + 1):
+        fator_crescimento = (1 + taxa_crescimento) ** (ano - 1)
+        fluxo_liquido_ano = (receita_anual_base * fator_crescimento) - (custos_operacionais_anuais * fator_crescimento)
+        fluxo_caixa.append(fluxo_liquido_ano)
+    return fluxo_caixa
+
+# --- 4. CARREGAMENTO DE DADOS (FUNÇÃO CACHEADA) ---
+@st.cache_data
+def carregar_dados():
+    """Carrega apenas os dados iniciais do projeto. É seguro cachear esta função."""
     meses = ['Jan', 'Fev', 'Mar', 'Abr', 'Mai', 'Jun', 'Jul', 'Ago', 'Set', 'Out', 'Nov', 'Dez']
     dados_2024 = {
-        'Mes': meses,
-        'Papel_Papelao': [8047, 11287, 8184, 10183, 5699, 5830, 7465, 5600, 2960, 5175, 9656, 3960],
+        'Mes': meses, 'Papel_Papelao': [8047, 11287, 8184, 10183, 5699, 5830, 7465, 5600, 2960, 5175, 9656, 3960],
         'Plastico': [6353, 8771, 6993, 8050, 4880, 5296, 5937, 4747, 2446, 4109, 7667, 3367],
         'Metal': [1061, 2025, 1121, 1832, 716, 936, 1553, 904, 361, 630, 1904, 569],
         'Vidro': [5248, 6929, 6014, 5821, 3697, 3655, 4950, 3360, 1580, 3261, 6173, 2357]
@@ -52,8 +92,7 @@ def carregar_dados_e_funcoes():
     df_2024_numeric = df_2024.drop(columns='Mes')
 
     dados_anuais = {
-        'Ano': [2022, 2023, 2024],
-        'Papel_Papelao': [18780, 58718, df_2024_numeric['Papel_Papelao'].sum()],
+        'Ano': [2022, 2023, 2024], 'Papel_Papelao': [18780, 58718, df_2024_numeric['Papel_Papelao'].sum()],
         'Plastico': [5340, 1041, df_2024_numeric['Plastico'].sum()],
         'Metal': [1300, 1737, df_2024_numeric['Metal'].sum()],
         'Vidro': [0, 725, df_2024_numeric['Vidro'].sum()]
@@ -61,69 +100,22 @@ def carregar_dados_e_funcoes():
     df_anuais = pd.DataFrame(dados_anuais).set_index('Ano')
     
     precos_iniciais = {'Papel_Papelao': 0.50, 'Plastico': 0.80, 'Metal': 2.00, 'Vidro': 0.30}
+    return df_2024, df_anuais, precos_iniciais, df_2024_numeric
 
-    # --- FUNÇÕES ---
-    def formatar_brl(valor): return f"R$ {valor:,.2f}"
-    def formatar_percentual(valor): return f"{valor:.2%}" if pd.notna(valor) and not np.isinf(valor) else "N/A"
-
-    def calcular_vpl(fluxo_caixa, taxa_desconto):
-        try: return npf.npv(taxa_desconto, fluxo_caixa)
-        except: return np.nan
-
-    def calcular_tir(fluxo_caixa):
-        try:
-            return npf.irr(fluxo_caixa) if np.any(np.sign(fluxo_caixa)) and np.any(np.sign(fluxo_caixa) * -1) else np.nan
-        except: return np.nan
-
-    def calcular_mtir(fluxo_caixa, taxa_desconto, taxa_reinvestimento):
-        try:
-            return npf.mirr(fluxo_caixa, taxa_desconto, taxa_reinvestimento) if np.any(np.sign(fluxo_caixa)) and np.any(np.sign(fluxo_caixa) * -1) else np.nan
-        except: return np.nan
-        
-    def calcular_payback_descontado(fluxo_caixa, taxa_desconto):
-        investimento_inicial = abs(fluxo_caixa[0])
-        fluxo_acumulado_descontado = 0
-        for periodo, valor in enumerate(fluxo_caixa[1:], 1):
-            fluxo_acumulado_descontado += valor / ((1 + taxa_desconto) ** periodo)
-            if fluxo_acumulado_descontado >= investimento_inicial:
-                ultimo_fluxo_necessario = investimento_inicial - (fluxo_acumulado_descontado - (valor / ((1 + taxa_desconto) ** periodo)))
-                return (periodo - 1) + (ultimo_fluxo_necessario / (valor / ((1 + taxa_desconto) ** periodo)))
-        return np.inf
-
-    def simular_faturamento_bootstrap(_df_dados_mensais_numeric, precos_dict, cenarios_dict, n_simulacoes=2000, seed=42):
-        np.random.seed(seed)
-        faturamentos_simulados = {nome: [] for nome in cenarios_dict.keys()}
-        for nome_cen, fator in cenarios_dict.items():
-            for _ in range(n_simulacoes):
-                df_amostrado = _df_dados_mensais_numeric.sample(n=12, replace=True)
-                faturamento_anual_iteracao = sum(df_amostrado[material].sum() * preco for material, preco in precos_dict.items())
-                faturamentos_simulados[nome_cen].append(faturamento_anual_iteracao * fator)
-        return {nome: np.array(data) for nome, data in faturamentos_simulados.items()}
-
-    def gerar_fluxo_caixa_projeto(investimento_inicial, receita_anual_base, custos_operacionais_anuais, horizonte_anos, taxa_crescimento):
-        fluxo_caixa = [-abs(investimento_inicial)]
-        for ano in range(1, horizonte_anos + 1):
-            fator_crescimento = (1 + taxa_crescimento) ** (ano - 1)
-            fluxo_liquido_ano = (receita_anual_base * fator_crescimento) - (custos_operacionais_anuais * fator_crescimento)
-            fluxo_caixa.append(fluxo_liquido_ano)
-        return fluxo_caixa
-
-    return df_2024, df_anuais, precos_iniciais, df_2024_numeric, locals()
-
-# --- 4. EXECUÇÃO INICIAL E SIDEBAR DE CONTROLES ---
-df_2024, df_anuais, precos_iniciais, df_2024_numeric, funcoes = carregar_dados_e_funcoes()
+# --- 5. EXECUÇÃO INICIAL E SIDEBAR DE CONTROLES ---
+df_2024, df_anuais, precos_iniciais, df_2024_numeric = carregar_dados()
 
 st.sidebar.title(" Painel de Controle")
 st.sidebar.markdown("Use os menus abaixo para navegar entre as análises e ajustar os parâmetros do projeto.")
 st.sidebar.divider()
 
-pagina_selecionada = st.sidebar.radio(
-    "Menu de Navegação",
+pagina_selecionada = st.sidebar.radio( "Menu de Navegação",
     ["🔎 Análise Exploratória (EDA)", "🎯 Simulação de Faturamento", "📊 Análise de Viabilidade"],
     captions=["Análise dos dados históricos", "Projeção de receitas via simulação", "Cálculos de VPL, TIR e Risco"]
 )
 st.sidebar.divider()
 
+# Parâmetros Editáveis na Sidebar (código igual ao anterior)
 with st.sidebar.expander("⚙️ Premissas Financeiras do Projeto", expanded=True):
     investimento_inicial = st.number_input("Investimento Inicial (R$)", min_value=1000.0, value=150000.0, step=10000.0)
     custos_operacionais = st.number_input("Custos Operacionais Anuais (R$)", min_value=0.0, value=50000.0, step=5000.0)
@@ -140,20 +132,21 @@ with st.sidebar.expander("📈 Preços e Cenários de Simulação", expanded=Fal
 st.sidebar.divider()
 st.sidebar.info(f"Última atualização: {pd.Timestamp.now(tz='America/Sao_Paulo').strftime('%d/%m/%Y %H:%M')}")
 
+# --- 6. LÓGICA DE RENDERIZAÇÃO DAS PÁGINAS ---
+# O código aqui dentro permanece o mesmo, mas agora chama as funções globais diretamente.
+# Exemplo de chamada direta: formatar_brl(vpl) em vez de funcoes['formatar_brl'](vpl)
 
-# --- 5. LÓGICA DE RENDERIZAÇÃO DAS PÁGINAS ---
 if pagina_selecionada == "🔎 Análise Exploratória (EDA)":
+    # ... (código desta página não precisa de alteração nas chamadas)
     st.title("🔎 Análise Exploratória dos Dados de Coleta")
     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.")
     st.divider()
-
     st.subheader("Evolução da Coleta Total Anual (Histórico)")
     df_coleta_anual = df_anuais.sum(axis=1).reset_index()
     df_coleta_anual.columns = ['Ano', 'Coleta Total (kg)']
     fig_evol_coleta = px.bar(df_coleta_anual, x='Ano', y='Coleta Total (kg)', text_auto='.3s', title="Volume Total Anual de Materiais Coletados")
     st.plotly_chart(fig_evol_coleta, use_container_width=True)
     st.warning("**Observação:** Note a queda acentuada na coleta de Plástico e Metal em 2023 em comparação com 2022 nos dados fornecidos. É crucial investigar se isso reflete a realidade operacional ou uma anomalia nos dados antes de prosseguir com projeções críticas.")
-    
     col1, col2 = st.columns(2)
     with col1:
         st.subheader("Coleta Mensal por Material (2024)")
@@ -166,13 +159,14 @@ if pagina_selecionada == "🔎 Análise Exploratória (EDA)":
         st.plotly_chart(fig_boxplot, use_container_width=True)
     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.")
 
+
 elif pagina_selecionada == "🎯 Simulação de Faturamento":
     st.title("🎯 Simulação e Projeção de Faturamento Anual")
     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.")
     st.divider()
     
     cenarios = {'Pessimista': fator_pessimista, 'Base': 1.0, 'Otimista': fator_otimista}
-    simulacoes_faturamento = funcoes['simular_faturamento_bootstrap'](df_2024_numeric, precos_editaveis, cenarios)
+    simulacoes_faturamento = simular_faturamento_bootstrap(df_2024_numeric, precos_editaveis, cenarios)
     
     kpi1, kpi2, kpi3 = st.columns(3)
     media_faturamento_base = np.mean(simulacoes_faturamento['Base'])
@@ -180,8 +174,8 @@ elif pagina_selecionada == "🎯 Simulação de Faturamento":
     faturamento_material_base = {m: df_2024_numeric[m].sum() * p for m, p in precos_editaveis.items()}
     material_mais_rentavel = max(faturamento_material_base, key=faturamento_material_base.get)
 
-    kpi1.metric("Faturamento Anual Médio (Base)", funcoes['formatar_brl'](media_faturamento_base))
-    kpi2.metric("Intervalo de Confiança 90% (Base)", f"{funcoes['formatar_brl'](p05_base)} - {funcoes['formatar_brl'](p95_base)}")
+    kpi1.metric("Faturamento Anual Médio (Base)", formatar_brl(media_faturamento_base))
+    kpi2.metric("Intervalo de Confiança 90% (Base)", f"{formatar_brl(p05_base)} - {formatar_brl(p95_base)}")
     kpi3.metric("Material Mais Rentável (Base 2024)", material_mais_rentavel.replace('_', ' '))
     st.divider()
     
@@ -204,27 +198,27 @@ elif pagina_selecionada == "📊 Análise de Viabilidade":
     st.markdown("Esta é a etapa final, onde combinamos as projeções de receita com as premissas de investimento e custos para avaliar a viabilidade do projeto sob a ótica do risco.")
     
     cenarios = {'Pessimista': fator_pessimista, 'Base': 1.0, 'Otimista': fator_otimista}
-    simulacoes_faturamento = funcoes['simular_faturamento_bootstrap'](df_2024_numeric, precos_editaveis, cenarios)
+    simulacoes_faturamento = simular_faturamento_bootstrap(df_2024_numeric, precos_editaveis, cenarios)
     
     cenario_analise = st.radio("Selecione o cenário para a análise detalhada:", options=list(cenarios.keys()), index=1, horizontal=True)
     st.divider()
     
     receita_anual_media = np.mean(simulacoes_faturamento[cenario_analise])
-    fluxo_caixa_projeto = funcoes['gerar_fluxo_caixa_projeto'](investimento_inicial, receita_anual_media, custos_operacionais, horizonte_projeto, taxa_crescimento)
+    fluxo_caixa_projeto = gerar_fluxo_caixa_projeto(investimento_inicial, receita_anual_media, custos_operacionais, horizonte_projeto, taxa_crescimento)
     
-    vpl = funcoes['calcular_vpl'](fluxo_caixa_projeto, taxa_desconto)
-    tir = funcoes['calcular_tir'](fluxo_caixa_projeto)
-    mtir = funcoes['calcular_mtir'](fluxo_caixa_projeto, taxa_desconto, taxa_reinvestimento)
-    payback_desc = funcoes['calcular_payback_descontado'](fluxo_caixa_projeto, taxa_desconto)
+    vpl = calcular_vpl(fluxo_caixa_projeto, taxa_desconto)
+    tir = calcular_tir(fluxo_caixa_projeto)
+    mtir = calcular_mtir(fluxo_caixa_projeto, taxa_desconto, taxa_reinvestimento)
+    payback_desc = calcular_payback_descontado(fluxo_caixa_projeto, taxa_desconto)
     
     tab_kpis, tab_fluxo, tab_risco, tab_resumo = st.tabs(["📈 Indicadores Chave", "📂 Fluxo de Caixa", "🎲 Análise de Risco (Monte Carlo)", "📋 Resumo Executivo"])
 
     with tab_kpis:
         st.subheader(f"Indicadores para o Cenário: {cenario_analise}")
         col1, col2, col3, col4 = st.columns(4)
-        col1.metric("VPL", funcoes['formatar_brl'](vpl), "Viável" if vpl >= 0 else "Inviável")
-        col2.metric("TIR", funcoes['formatar_percentual'](tir), "Superior à TMA" if pd.notna(tir) and tir > taxa_desconto else "Inferior à TMA")
-        col3.metric("MTIR", funcoes['formatar_percentual'](mtir), "Superior à TMA" if pd.notna(mtir) and mtir > taxa_desconto else "Inferior à TMA")
+        col1.metric("VPL", formatar_brl(vpl), "Viável" if vpl >= 0 else "Inviável")
+        col2.metric("TIR", formatar_percentual(tir), "Superior à TMA" if pd.notna(tir) and tir > taxa_desconto else "Inferior à TMA")
+        col3.metric("MTIR", formatar_percentual(mtir), "Superior à TMA" if pd.notna(mtir) and mtir > taxa_desconto else "Inferior à TMA")
         col4.metric("Payback Descontado", f"{payback_desc:.1f} anos" if not np.isinf(payback_desc) else "Não recupera")
 
     with tab_fluxo:
@@ -241,15 +235,15 @@ elif pagina_selecionada == "📊 Análise de Viabilidade":
     with tab_risco:
         st.subheader(f"Simulação Monte Carlo para o VPL (Cenário: {cenario_analise})")
         receitas_mc = np.random.choice(simulacoes_faturamento[cenario_analise], size=5000, replace=True)
-        vpls_mc = [funcoes['calcular_vpl'](funcoes['gerar_fluxo_caixa_projeto'](investimento_inicial, r, custos_operacionais, horizonte_projeto, taxa_crescimento), taxa_desconto) for r in receitas_mc]
+        vpls_mc = [calcular_vpl(gerar_fluxo_caixa_projeto(investimento_inicial, r, custos_operacionais, horizonte_projeto, taxa_crescimento), taxa_desconto) for r in receitas_mc]
         
         prob_viabilidade = (np.array(vpls_mc) >= 0).mean()
         vpl_medio_mc = np.mean(vpls_mc)
 
         mc1, mc2, mc3 = st.columns(3)
-        mc1.metric("VPL Médio Simulado", funcoes['formatar_brl'](vpl_medio_mc))
-        mc2.metric("Probabilidade de Viabilidade", funcoes['formatar_percentual'](prob_viabilidade))
-        mc3.metric("Intervalo 90% do VPL", f"{funcoes['formatar_brl'](np.percentile(vpls_mc, 5))} a {funcoes['formatar_brl'](np.percentile(vpls_mc, 95))}")
+        mc1.metric("VPL Médio Simulado", formatar_brl(vpl_medio_mc))
+        mc2.metric("Probabilidade de Viabilidade", formatar_percentual(prob_viabilidade))
+        mc3.metric("Intervalo 90% do VPL", f"{formatar_brl(np.percentile(vpls_mc, 5))} a {formatar_brl(np.percentile(vpls_mc, 95))}")
         
         fig_mc = px.histogram(x=vpls_mc, nbins=50, title=f"Distribuição do VPL ({len(vpls_mc)} Simulações)")
         fig_mc.add_vline(x=0, line_dash="dash", line_color="red", annotation_text="Viabilidade")
@@ -258,15 +252,15 @@ elif pagina_selecionada == "📊 Análise de Viabilidade":
     with tab_resumo:
         st.subheader("Resumo Executivo e Parecer Final")
         conclusoes = []
-        if vpl >= 0: conclusoes.append(f"✅ **Projeto VIÁVEL** no cenário '{cenario_analise}', com um VPL de **{funcoes['formatar_brl'](vpl)}**.")
-        else: conclusoes.append(f"❌ **Projeto INVIÁVEL** no cenário '{cenario_analise}', com um VPL de **{funcoes['formatar_brl'](vpl)}**.")
+        if vpl >= 0: conclusoes.append(f"✅ **Projeto VIÁVEL** no cenário '{cenario_analise}', com um VPL de **{formatar_brl(vpl)}**.")
+        else: conclusoes.append(f"❌ **Projeto INVIÁVEL** no cenário '{cenario_analise}', com um VPL de **{formatar_brl(vpl)}**.")
         
-        if not pd.isna(tir) and tir > taxa_desconto: conclusoes.append(f"✅ A **TIR de {funcoes['formatar_percentual'](tir)} é superior à TMA de {funcoes['formatar_percentual'](taxa_desconto)}**, reforçando a atratividade.")
-        else: conclusoes.append(f"❌ A **TIR de {funcoes['formatar_percentual'](tir)} é inferior à TMA**, um forte indicador contra o investimento.")
+        if not pd.isna(tir) and tir > taxa_desconto: conclusoes.append(f"✅ A **TIR de {formatar_percentual(tir)} é superior à TMA de {formatar_percentual(taxa_desconto)}**, reforçando a atratividade.")
+        else: conclusoes.append(f"❌ A **TIR de {formatar_percentual(tir)} é inferior à TMA**, um forte indicador contra o investimento.")
         
-        if prob_viabilidade > 0.75: conclusoes.append(f"✅ A simulação de Monte Carlo aponta uma **alta probabilidade de sucesso de {funcoes['formatar_percentual'](prob_viabilidade)}**.")
-        elif prob_viabilidade > 0.5: conclusoes.append(f"⚠️ A probabilidade de sucesso de **{funcoes['formatar_percentual'](prob_viabilidade)} é moderada**.")
-        else: conclusoes.append(f"❌ A probabilidade de sucesso de **{funcoes['formatar_percentual'](prob_viabilidade)} é baixa**, indicando risco elevado.")
+        if prob_viabilidade > 0.75: conclusoes.append(f"✅ A simulação de Monte Carlo aponta uma **alta probabilidade de sucesso de {formatar_percentual(prob_viabilidade)}**.")
+        elif prob_viabilidade > 0.5: conclusoes.append(f"⚠️ A probabilidade de sucesso de **{formatar_percentual(prob_viabilidade)} é moderada**.")
+        else: conclusoes.append(f"❌ A probabilidade de sucesso de **{formatar_percentual(prob_viabilidade)} é baixa**, indicando risco elevado.")
 
         st.markdown("#### Conclusões Chave:")
         for c in conclusoes: st.markdown(f"- {c}")
@@ -275,6 +269,6 @@ elif pagina_selecionada == "📊 Análise de Viabilidade":
         if vpl > 0 and prob_viabilidade > 0.7:
             st.success("**RECOMENDAÇÃO: APROVAR O PROJETO.** Os indicadores são fortemente positivos e a análise de risco confere robustez à decisão.")
         elif vpl > 0 and prob_viabilidade > 0.5:
-            st.warning("**RECOMENDAÇÃO: APROVAR COM CAUTELA.** O projeto é viável no cenário base, mas a análise de risco mostra sensibilidade. Recomenda-se um plano de monitoramento de riscos focado em garantir as receitas projetadas.")
+            st.warning("**RECOMENDAÇÃO: APROVAR COM CAUTELA.** O projeto é viável, mas a análise de risco mostra sensibilidade. Recomenda-se um plano de monitoramento de riscos focado em garantir as receitas projetadas.")
         else:
-            st.error("**RECOMENDAÇÃO: REAVALIAR OU REJEITAR O PROJETO.** Os indicadores atuais, combinados com o perfil de risco, não justificam o investimento. Revisar premissas de receita, custos ou investimento.")
+            st.error("**RECOMENDAÇÃO: REAVALIAR OU REJEITAR O PROJETO.** Os indicadores atuais, combinados com o perfil de risco, não justificam o investimento. Revisar premissas de receita, custos ou investimento inicial.")