Update src/streamlit_app.py

src/streamlit_app.py

@@ -5,274 +5,302 @@ import plotly.express as px
 import plotly.graph_objects as go
 
 # --- Configuração da Página ---
-st.set_page_config(layout="wide", page_title="Dashboard de Reciclagem v0 Estruturado")
-
-# --- Dados (Originais do v0) ---
-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],
-    '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]
-}
-df_2024 = pd.DataFrame(dados_2024)
-
-dados_anuais = {
-    'Ano': [2022, 2023, 2024],
-    'Papel_Papelao': [18780, 58718, 84046],
-    'Plastico':      [5340, 1041, 8279],
-    'Metal':         [1300, 1737, 19955],
-    'Vidro':         [0, 725, 1709]
-}
-df_anuais = pd.DataFrame(dados_anuais)
-
-precos = {
-    'Papel_Papelao': 0.50,
-    'Plastico': 0.80,
-    'Metal': 2.00,
-    'Vidro': 0.30
-}
+st.set_page_config(
+    layout="wide",
+    page_title="Dashboard Estratégico de Reciclagem",
+    page_icon="♻️"
+)
 
-# --- Estatísticas descritivas (Originais do v0) ---
-df_2024_numeric = df_2024.drop(columns='Mes')
-desc = df_2024_numeric.describe().T
-desc['Mediana'] = df_2024_numeric.median()
-desc = desc[['mean', 'Mediana', 'std', 'min', 'max']]
-desc.columns = ['Média', 'Mediana', 'Desvio Padrão', 'Mínimo', 'Máximo']
-
-# --- Simulação de faturamento (Originais do v0) ---
-estatisticas_simulacao = {} # Renomeado para evitar conflito com o df 'estatisticas' se existir
-for material_key in precos.keys(): # Evitar conflito com a variável 'material' do selectbox
-    media = df_2024_numeric[material_key].mean()
-    std = df_2024_numeric[material_key].std()
-    estatisticas_simulacao[material_key] = {'media': media, 'std': std}
-
-def simular_faturamento_anual(estats, precos_dict, fator=1.0, n_sim=1000, seed=42):
+# --- Carregamento e Preparação dos Dados ---
+@st.cache_data
+def carregar_dados():
+    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],
+        '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]
+    }
+    df_2024 = pd.DataFrame(dados_2024)
+
+    dados_anuais = {
+        'Ano': [2022, 2023, 2024],
+        'Papel_Papelao': [18780, 58718, 84046],
+        'Plastico':      [5340, 1041, 8279],
+        'Metal':         [1300, 1737, 19955],
+        'Vidro':         [0, 725, 1709]
+    }
+    df_anuais = pd.DataFrame(dados_anuais).set_index('Ano')
+
+    precos = {
+        'Papel_Papelao': 0.50,
+        'Plastico': 0.80,
+        'Metal': 2.00,
+        'Vidro': 0.30
+    }
+    # DataFrame numérico para simulação e estatísticas
+    df_2024_numeric = df_2024.drop(columns='Mes')
+    return df_2024, df_anuais, precos, df_2024_numeric
+
+df_2024_original, df_anuais, precos, df_2024_numeric = carregar_dados()
+
+# --- Simulação de Faturamento com Bootstrapping ---
+@st.cache_data
+def simular_faturamento_bootstrap(df_dados_mensais_numeric, precos_dict, fator_cenario=1.0, n_simulacoes=2000, seed=42):
     np.random.seed(seed)
-    faturamentos = []
-    for _ in range(n_sim):
-        total = 0
-        for mat_sim, stats_sim in estats.items():
-            medias = stats_sim['media'] * fator
-            stds = stats_sim['std']
-            # Garantir que o desvio padrão não seja negativo ou zero se a média for zero
-            quantidades = np.random.normal(medias, stds if stds > 0 else 1e-6, 12)
-            quantidades = np.clip(quantidades, 0, None) # Quantidades não podem ser negativas
-            total += quantidades.sum() * precos_dict[mat_sim]
-        faturamentos.append(total)
-    return np.array(faturamentos)
-
-cenarios_simulacao = { # Renomeado para evitar conflito
+    faturamentos_simulados_ano = []
+
+    if df_dados_mensais_numeric.empty:
+        return np.array([0] * n_simulacoes)
+
+    for _ in range(n_simulacoes):
+        faturamento_anual_iteracao = 0
+        # Amostra 12 meses COM REPOSIÇÃO dos dados históricos mensais
+        # Cada "linha" amostrada representa um mês com as quantidades de todos os materiais
+        df_amostrado_para_ano = df_dados_mensais_numeric.sample(n=12, replace=True, random_state=np.random.randint(0, 100000))
+
+        for material, preco_unitario in precos_dict.items():
+            if material in df_amostrado_para_ano.columns:
+                quantidade_total_material_ano = df_amostrado_para_ano[material].sum()
+                # Aplica o fator de cenário às quantidades anuais amostradas
+                quantidade_ajustada_cenario = quantidade_total_material_ano * fator_cenario
+                faturamento_anual_iteracao += quantidade_ajustada_cenario * preco_unitario
+        faturamentos_simulados_ano.append(faturamento_anual_iteracao)
+    return np.array(faturamentos_simulados_ano)
+
+cenarios_sim = {
+    'Pessimista': 0.85, # Redução de 15% na coleta
     'Base': 1.0,
-    'Otimista': 1.15,
-    'Pessimista': 0.85
+    'Otimista': 1.15   # Aumento de 15% na coleta
 }
-# Cores para os gráficos de cenário
-cores_graf_cenarios = {'Base': '#1f77b4', 'Otimista': '#2ca02c', 'Pessimista': '#d62728'}
-
-
-# --- Interface Streamlit ---
-st.sidebar.title("🔩 Configurações e Navegação")
-secao_analise = st.sidebar.radio(
-    "Selecione a Seção de Análise:",
-    ("Visão Geral da Coleta", "Análise Estatística da Coleta", "Simulação de Faturamento"),
-    captions = ["Tendências anuais e mensais", "Descritivas e distribuições", "Projeções e cenários"]
-)
-st.sidebar.markdown("---")
-
-# Filtros (relevância depende da seção)
-st.sidebar.subheader("Filtros Gerais")
-materiais_opcoes = ['Todos'] + list(precos.keys())
-material_filtro = st.sidebar.selectbox('Selecione o material:', materiais_opcoes)
-
-# O filtro de cenário só é relevante para a seção de faturamento
-cenario_filtro = 'Todos' # Default
-if secao_analise == "Simulação de Faturamento":
-    cenarios_opcoes_filtro = ['Todos'] + list(cenarios_simulacao.keys())
-    cenario_filtro = st.sidebar.selectbox('Selecione o cenário de faturamento:', cenarios_opcoes_filtro)
-
-st.sidebar.markdown("---")
-st.sidebar.info(f"Dashboard de Reciclagem (v0 Estruturado)\nDados de 2022-2024. Simulações baseadas em 2024.\nAtualizado em: {pd.Timestamp('now').strftime('%d/%m/%Y')}")
+cores_cenarios_sim = {'Base': '#1f77b4', 'Otimista': '#2ca02c', 'Pessimista': '#d62728'}
+
+# Realizar simulações para os cenários
+@st.cache_data
+def calcular_todas_simulacoes(df_numeric_data, precos_data):
+    simulacoes_completas = {}
+    for nome_cen, fator in cenarios_sim.items():
+        # Passar uma cópia ou garantir que os objetos sejam "hashable" para o cache
+        simulacoes_completas[nome_cen] = simular_faturamento_bootstrap(df_numeric_data.copy(), dict(precos_data), fator_cenario=fator)
+    return simulacoes_completas
+
+simulacoes_faturamento = calcular_todas_simulacoes(df_2024_numeric, precos)
+
+
+# --- Funções Auxiliares para Gráficos e Tabelas ---
+def formatar_brl(valor):
+    return f"R$ {valor:,.2f}"
+
+# --- Sidebar para Navegação ---
+with st.sidebar:
+    st.markdown("<h1 style='text-align: center; font-size: 26px;'>♻️ Análise Estratégica</h1>", unsafe_allow_html=True)
+    st.markdown("---")
+    pagina_selecionada = st.radio(
+        "Menu de Navegação:",
+        ["🎯 Visão Geral", "💰 Análise de Faturamento", "📦 Análise da Coleta"],
+        captions=["KPIs e Resumos Globais", "Detalhes e Cenários de Receita", "Volumes e Tendências de Materiais"]
+    )
+    st.markdown("---")
+    if pagina_selecionada != "🎯 Visão Geral":
+        st.subheader("Filtros Detalhados")
+        materiais_disponiveis = ['Todos'] + list(precos.keys())
+        material_filtro_detalhe = st.selectbox("Selecionar Material:", materiais_disponiveis, key="mat_detalhe")
+    st.markdown("---")
+    st.info(f"Última atualização: {pd.Timestamp.now(tz='America/Sao_Paulo').strftime('%d/%m/%Y %H:%M')}")
 
 
 # --- Conteúdo Principal ---
-st.title('♻️ Dashboard de Recicláveis e Faturamento')
-st.markdown(f"### Seção Atual: {secao_analise}")
-st.markdown("---")
-
-
-if secao_analise == "Visão Geral da Coleta":
-    st.header("📈 Evolução da Coleta de Materiais")
-    st.caption(f"Visualizando dados para: {material_filtro}")
-
-    tab_anual, tab_mensal = st.tabs(["Evolução Anual", "Evolução Mensal (2024)"])
-
-    with tab_anual:
-        if material_filtro != 'Todos':
-            st.subheader(f'Evolução Anual de {material_filtro}')
-            if material_filtro in df_anuais.columns:
-                fig_anual = px.bar(df_anuais, x=df_anuais.index, y=material_filtro,
-                                   title=f'Coleta Anual de {material_filtro}',
-                                   labels={'value': 'Quantidade (kg)', 'Ano': 'Ano', material_filtro: 'Quantidade (kg)'},
-                                   template='plotly_white', text_auto='.2s')
-                fig_anual.update_layout(xaxis_title='Ano', yaxis_title='Quantidade (kg)')
-                st.plotly_chart(fig_anual, use_container_width=True)
-            else:
-                st.warning(f"Dados anuais não disponíveis para '{material_filtro}'.")
-        else:
-            st.subheader('Evolução Anual de Todos os Materiais')
-            df_anuais_melt = df_anuais.reset_index().melt(id_vars='Ano', var_name='Material', value_name='Quantidade')
-            fig_anual_todos = px.bar(df_anuais_melt, x='Ano', y='Quantidade', color='Material', barmode='group',
-                                     title='Coleta Anual de Todos os Materiais',
-                                     labels={'Quantidade': 'Quantidade (kg)', 'Ano': 'Ano'},
-                                     template='plotly_white', text_auto='.2s')
-            fig_anual_todos.update_layout(xaxis_title='Ano', yaxis_title='Quantidade (kg)')
-            st.plotly_chart(fig_anual_todos, use_container_width=True)
-
-    with tab_mensal:
-        if material_filtro != 'Todos':
-            st.subheader(f'Evolução Mensal de {material_filtro} em 2024')
-            if material_filtro in df_2024.columns: # df_2024 agora tem 'Mes' como index
-                 fig_mensal = px.line(df_2024, x=df_2024.index, y=material_filtro, markers=True,
-                                   title=f'Coleta Mensal de {material_filtro} (2024)',
-                                   labels={'index': 'Mês', material_filtro: 'Quantidade (kg)'}, template='plotly_white')
-                 fig_mensal.update_layout(xaxis_title='Mês', yaxis_title='Quantidade (kg)')
-                 st.plotly_chart(fig_mensal, use_container_width=True)
-            else:
-                st.warning(f"Dados mensais de 2024 não disponíveis para '{material_filtro}'.")
-        else:
-            st.subheader('Evolução Mensal de Todos os Materiais em 2024')
-            df_2024_melt = df_2024_numeric.reset_index().melt(id_vars='Mes', var_name='Material', value_name='Quantidade')
-            fig_mensal_todos = px.line(df_2024_melt, x='Mes', y='Quantidade', color='Material', markers=True,
-                                       title='Coleta Mensal de Todos os Materiais (2024)',
-                                       labels={'Mes': 'Mês', 'Quantidade': 'Quantidade (kg)'}, template='plotly_white')
-            fig_mensal_todos.update_layout(xaxis_title='Mês', yaxis_title='Quantidade (kg)')
-            st.plotly_chart(fig_mensal_todos, use_container_width=True)
-
-
-elif secao_analise == "Análise Estatística da Coleta":
-    st.header("📊 Análise Estatística da Coleta (Baseado em Dados Mensais de 2024)")
-
-    tab_desc, tab_box = st.tabs(["Estatísticas Descritivas", "Boxplot dos Materiais"])
 
-    with tab_desc:
-        st.subheader('Tabela de Estatísticas Descritivas')
-        st.caption("Quantidades médias, medianas, desvios, mínimos e máximos mensais por material em 2024.")
-        st.dataframe(desc.style.format('{:,.2f}'), use_container_width=True)
-
-    with tab_box:
-        st.subheader('Distribuição das Quantidades Mensais por Material (Boxplot)')
-        st.caption(f"Visualizando para: {material_filtro}")
-        df_melt_box = df_2024_numeric.reset_index().melt(id_vars='Mes', var_name='Material', value_name='Quantidade')
-
-        if material_filtro != 'Todos':
-            df_melt_box_filtrado = df_melt_box[df_melt_box['Material'] == material_filtro]
-        else:
-            df_melt_box_filtrado = df_melt_box
+if pagina_selecionada == "🎯 Visão Geral":
+    st.title("🎯 Visão Geral Estratégica")
+    st.markdown("Principais indicadores de desempenho e projeções de faturamento.")
+    st.markdown("---")
+
+    # KPIs
+    kpi1, kpi2, kpi3, kpi4 = st.columns(4)
+    sim_base = simulacoes_faturamento['Base']
+    media_faturamento_base = np.mean(sim_base)
+    p05_faturamento_base = np.percentile(sim_base, 5)
+    p95_faturamento_base = np.percentile(sim_base, 95)
+    
+    ultimo_ano_real = df_anuais.index.max()
+    coleta_total_ultimo_ano = df_anuais.loc[ultimo_ano_real].sum()
+
+    # Material mais rentável (baseado na média de 2024 e preços)
+    coleta_media_2024_material = df_2024_numeric.mean() # Média mensal
+    faturamento_medio_mensal_material = coleta_media_2024_material * pd.Series(precos)
+    material_mais_rentavel = faturamento_medio_mensal_material.idxmax()
+    rentabilidade_max = faturamento_medio_mensal_material.max() * 12 # Anualizado
+
+    with kpi1:
+        st.metric(label="Faturamento Anual Médio Simulado (Base)", value=formatar_brl(media_faturamento_base),
+                  help="Média das simulações de faturamento para o cenário base.")
+    with kpi2:
+        st.metric(label="Intervalo de Confiança 90% (Base)", value=f"{formatar_brl(p05_faturamento_base)} - {formatar_brl(p95_faturamento_base)}",
+                  help="Intervalo provável (90% de confiança) para o faturamento anual no cenário base.")
+    with kpi3:
+        st.metric(label=f"Coleta Total em {ultimo_ano_real}", value=f"{coleta_total_ultimo_ano:,.0f} kg",
+                  help="Soma de todos os materiais coletados no último ano com dados reais.")
+    with kpi4:
+        st.metric(label="Material Mais Rentável (Est. Anual)", value=f"{material_mais_rentavel}",
+                  help=f"Estimativa anual: {formatar_brl(rentabilidade_max)}")
+    st.markdown("---")
+
+
+    # Gráficos da Visão Geral
+    col_g1, col_g2 = st.columns([6, 4]) # Ajustar proporções das colunas
+
+    with col_g1:
+        st.subheader("Distribuição do Faturamento Anual Simulado")
+        fig_dist_faturamento = go.Figure()
+        for nome_cen, data_sim in simulacoes_faturamento.items():
+            fig_dist_faturamento.add_trace(go.Histogram(
+                x=data_sim, name=nome_cen, histnorm='probability density',
+                opacity=0.7, marker_color=cores_cenarios_sim[nome_cen]
+            ))
+        fig_dist_faturamento.update_layout(
+            barmode='overlay', title_text="Comparativo de Cenários de Faturamento",
+            xaxis_title="Faturamento Anual Simulado (R$)", yaxis_title="Densidade",
+            legend_title_text='Cenário', template='plotly_white', height=400,
+            margin=dict(t=50, b=10)
+        )
+        st.plotly_chart(fig_dist_faturamento, use_container_width=True)
+
+    with col_g2:
+        st.subheader("Composição do Faturamento (Base)")
+        # Calcular faturamento médio por material no cenário base
+        faturamento_material_base_lista = []
+        for material_nome in precos.keys():
+            sim_material_base = simular_faturamento_bootstrap(df_2024_numeric[[material_nome]], {material_nome: precos[material_nome]}, fator_cenario=1.0)
+            faturamento_material_base_lista.append({'Material': material_nome, 'Faturamento Médio': np.mean(sim_material_base)})
         
-        if not df_melt_box_filtrado.empty:
-            fig_boxplot = px.box(df_melt_box_filtrado, x='Material', y='Quantidade',
-                                 color='Material' if material_filtro == 'Todos' else None,
-                                 title='Distribuição das Quantidades Mensais (2024)',
-                                 labels={'Quantidade': 'Quantidade (kg)'}, template='plotly_white')
-            fig_boxplot.update_layout(xaxis_title='Material', yaxis_title='Quantidade (kg)')
-            st.plotly_chart(fig_boxplot, use_container_width=True)
+        df_faturamento_material_base = pd.DataFrame(faturamento_material_base_lista)
+        
+        fig_comp_faturamento = px.pie(df_faturamento_material_base, values='Faturamento Médio', names='Material',
+                                      title="Estimativa da Composição do Faturamento (Cenário Base)",
+                                      hole=0.4, template='plotly_white', height=400)
+        fig_comp_faturamento.update_layout(margin=dict(t=50, b=10))
+        st.plotly_chart(fig_comp_faturamento, use_container_width=True)
+
+    st.subheader("Evolução da Coleta Total Anual (Histórico)")
+    df_coleta_total_anual = df_anuais.sum(axis=1).reset_index()
+    df_coleta_total_anual.columns = ['Ano', 'Coleta Total (kg)']
+    fig_evol_coleta = px.bar(df_coleta_total_anual, x='Ano', y='Coleta Total (kg)',
+                             text_auto='.2s', template='plotly_white',
+                             title="Volume Total de Materiais Coletados por Ano")
+    fig_evol_coleta.update_traces(textposition='outside')
+    fig_evol_coleta.update_layout(height=350, yaxis_title="Coleta Total (kg)")
+    st.plotly_chart(fig_evol_coleta, use_container_width=True)
+
+
+elif pagina_selecionada == "💰 Análise de Faturamento":
+    st.title("💰 Análise Detalhada de Faturamento")
+    st.markdown(f"Explorando as simulações de faturamento. Filtro de Material: **{material_filtro_detalhe}**")
+    st.markdown("---")
+
+    simulacoes_faturamento_detalhe = {}
+    if material_filtro_detalhe == 'Todos':
+        simulacoes_faturamento_detalhe = simulacoes_faturamento
+        titulo_sufixo = " (Todos Materiais)"
+    else:
+        if material_filtro_detalhe in precos:
+            df_material_unico_numeric = df_2024_numeric[[material_filtro_detalhe]]
+            precos_material_unico = {material_filtro_detalhe: precos[material_filtro_detalhe]}
+            for nome_cen, fator in cenarios_sim.items():
+                simulacoes_faturamento_detalhe[nome_cen] = simular_faturamento_bootstrap(
+                    df_material_unico_numeric, precos_material_unico, fator_cenario=fator
+                )
+            titulo_sufixo = f" ({material_filtro_detalhe})"
         else:
-            st.warning(f"Não há dados para exibir no boxplot para '{material_filtro}'.")
-
-
-elif secao_analise == "Simulação de Faturamento":
-    st.header("💰 Simulação de Faturamento Anual")
-    st.caption(f"Analisando Material: {material_filtro}, Cenário: {cenario_filtro}")
-
-    # Funções de plotagem e tabela de resumo da simulação (originais do v0, adaptadas)
-    def criar_tabela_resumo_simulacao(simulacoes_dict):
-        dados = []
-        # Iterar sobre as chaves dos cenários de simulação para manter a ordem
-        for nome_cenario_sim in cenarios_simulacao.keys():
-            if nome_cenario_sim in simulacoes_dict:
-                media_val = simulacoes_dict[nome_cenario_sim].mean()
-                std_val = simulacoes_dict[nome_cenario_sim].std()
-                dados.append([nome_cenario_sim, f"R$ {media_val:,.2f}", f"R$ {std_val:,.2f}"])
-        df_res = pd.DataFrame(dados, columns=['Cenário', 'Faturamento Anual Médio', 'Desvio Padrão'])
-        return df_res.set_index('Cenário')
-
-    def criar_grafico_cenarios_simulacao(simulacoes_dict, titulo_grafico):
-        fig = go.Figure()
-        # Iterar sobre as chaves dos cenários de simulação para manter a ordem e cores
-        for nome_cenario_sim in cenarios_simulacao.keys():
-            if nome_cenario_sim in simulacoes_dict:
-                fig.add_trace(go.Histogram(
-                    x=simulacoes_dict[nome_cenario_sim],
-                    name=nome_cenario_sim,
-                    histnorm='probability density',
-                    opacity=0.6,
-                    nbinsx=40, # Ajustado para melhor visualização
-                    marker_color=cores_graf_cenarios[nome_cenario_sim],
-                    showlegend=True
-                ))
-                media_val = simulacoes_dict[nome_cenario_sim].mean()
-                fig.add_vline(x=media_val, line_dash='dash', line_color=cores_graf_cenarios[nome_cenario_sim],
-                              annotation_text=f'Média {nome_cenario_sim}: R${media_val:,.0f}',
-                              annotation_position='top right' if nome_cenario_sim != 'Pessimista' else 'top left',
-                              annotation_font_size=10)
-        fig.update_layout(
-            barmode='overlay',
-            title_text=titulo_grafico,
-            xaxis_title_text='Faturamento Total Anual (R$)',
-            yaxis_title_text='Densidade de Probabilidade',
-            legend_title_text='Cenário',
-            template='plotly_white',
-            title_font_size=16
+            st.warning(f"Material '{material_filtro_detalhe}' não encontrado para simulação detalhada.")
+            titulo_sufixo = ""
+
+
+    if simulacoes_faturamento_detalhe:
+        # Tabela de Resumo
+        st.subheader(f"Resumo Estatístico das Simulações{titulo_sufixo}")
+        dados_resumo_lista = []
+        for nome_cen, data_sim in simulacoes_faturamento_detalhe.items():
+            dados_resumo_lista.append({
+                'Cenário': nome_cen,
+                'Faturamento Médio': formatar_brl(np.mean(data_sim)),
+                'Mediana': formatar_brl(np.median(data_sim)),
+                'Desvio Padrão': formatar_brl(np.std(data_sim)),
+                'Mínimo (P5)': formatar_brl(np.percentile(data_sim, 5)),
+                'Máximo (P95)': formatar_brl(np.percentile(data_sim, 95))
+            })
+        df_resumo_sim = pd.DataFrame(dados_resumo_lista).set_index('Cenário')
+        st.dataframe(df_resumo_sim, use_container_width=True)
+        st.markdown("---")
+
+        # Gráfico de Distribuição
+        st.subheader(f"Distribuição do Faturamento Simulado{titulo_sufixo}")
+        fig_dist_detalhe = go.Figure()
+        for nome_cen, data_sim in simulacoes_faturamento_detalhe.items():
+            fig_dist_detalhe.add_trace(go.Histogram(
+                x=data_sim, name=nome_cen, histnorm='probability density',
+                opacity=0.7, marker_color=cores_cenarios_sim[nome_cen]
+            ))
+        fig_dist_detalhe.update_layout(
+            barmode='overlay', title_text=f"Comparativo de Cenários{titulo_sufixo}",
+            xaxis_title="Faturamento Anual Simulado (R$)", yaxis_title="Densidade",
+            legend_title_text='Cenário', template='plotly_white', height=450
         )
-        return fig
+        st.plotly_chart(fig_dist_detalhe, use_container_width=True)
 
-    # Lógica de simulação e exibição (adaptada do v0)
-    if material_filtro != 'Todos':
-        estats_filtradas = {material_filtro: estatisticas_simulacao[material_filtro]}
-        precos_filtrados = {material_filtro: precos[material_filtro]}
-        titulo_base_grafico = f"Simulação para {material_filtro}"
-    else:
-        estats_filtradas = estatisticas_simulacao
-        precos_filtrados = precos
-        titulo_base_grafico = "Simulação para Todos os Materiais"
-
-    if cenario_filtro != 'Todos':
-        # Simulação para um cenário específico
-        fator_unico = cenarios_simulacao[cenario_filtro]
-        dados_simulados_unicos = simular_faturamento_anual(estats_filtradas, precos_filtrados, fator=fator_unico)
-        
-        st.subheader(f"Distribuição para Cenário: {cenario_filtro} ({titulo_base_grafico.split('para ')[1]})")
-        fig_sim_unica = px.histogram(dados_simulados_unicos, nbins=50, histnorm='probability density',
-                                   title=f'Faturamento Anual Simulado - {titulo_base_grafico} ({cenario_filtro})',
-                                   labels={'value': 'Faturamento Anual (R$)'}, template='plotly_white')
-        fig_sim_unica.update_traces(marker_color=cores_graf_cenarios.get(cenario_filtro, '#808080'))
-        media_sim_unica = dados_simulados_unicos.mean()
-        fig_sim_unica.add_vline(x=media_sim_unica, line_dash='dash', line_color='black',
-                                annotation_text=f'Média: R$ {media_sim_unica:,.0f}', annotation_position='top right')
-        st.plotly_chart(fig_sim_unica, use_container_width=True)
-        st.write(f"**Faturamento Anual Médio Simulado:** R$ {media_sim_unica:,.2f}")
-        st.write(f"**Desvio Padrão:** R$ {dados_simulados_unicos.std():,.2f}")
-
-    else: # cenario_filtro == 'Todos'
-        # Simulações para todos os cenários (Base, Otimista, Pessimista)
-        simulacoes_completas = {
-            nome_cen: simular_faturamento_anual(estats_filtradas, precos_filtrados, fator=fator_cen)
-            for nome_cen, fator_cen in cenarios_simulacao.items()
-        }
-        st.subheader(f"Comparativo de Cenários ({titulo_base_grafico.split('para ')[1]})")
-        
-        tab_graf_sim, tab_tab_sim = st.tabs(["Distribuição dos Cenários", "Resumo Estatístico"])
 
-        with tab_graf_sim:
-            fig_todos_cenarios = criar_grafico_cenarios_simulacao(simulacoes_completas,
-                                                                f"Comparativo de Cenários de Faturamento ({titulo_base_grafico.split('para ')[1]})")
-            st.plotly_chart(fig_todos_cenarios, use_container_width=True)
-        
-        with tab_tab_sim:
-            df_resumo_todos_cenarios = criar_tabela_resumo_simulacao(simulacoes_completas)
-            st.dataframe(df_resumo_todos_cenarios, use_container_width=True)
+elif pagina_selecionada == "📦 Análise da Coleta":
+    st.title("📦 Análise Detalhada da Coleta")
+    st.markdown(f"Analisando dados de coleta. Filtro de Material: **{material_filtro_detalhe}**")
+    st.markdown("---")
 
-else:
-    st.error("Seção de análise não reconhecida.")
+    df_coleta_analise = df_2024_original # Contém a coluna 'Mes'
+
+    # Evolução Mensal
+    st.subheader("Evolução Mensal da Coleta (2024)")
+    if material_filtro_detalhe == 'Todos':
+        df_melt_mensal = df_coleta_analise.melt(id_vars='Mes', value_vars=precos.keys(), var_name='Material', value_name='Quantidade')
+        fig_evol_mensal = px.line(df_melt_mensal, x='Mes', y='Quantidade', color='Material', markers=True,
+                                  title="Coleta Mensal de Todos os Materiais", template='plotly_white')
+    else:
+        if material_filtro_detalhe in df_coleta_analise.columns:
+            fig_evol_mensal = px.line(df_coleta_analise, x='Mes', y=material_filtro_detalhe, markers=True,
+                                      title=f"Coleta Mensal de {material_filtro_detalhe}", template='plotly_white',
+                                      labels={material_filtro_detalhe: 'Quantidade (kg)'})
+        else:
+            st.warning(f"Dados mensais para '{material_filtro_detalhe}' não encontrados.")
+            fig_evol_mensal = go.Figure()
+    fig_evol_mensal.update_layout(yaxis_title="Quantidade (kg)", height=400)
+    st.plotly_chart(fig_evol_mensal, use_container_width=True)
+    st.markdown("---")
+
+    # Boxplot da Coleta Mensal
+    st.subheader("Distribuição da Coleta Mensal por Material (2024)")
+    df_melt_box_coleta = df_coleta_analise.melt(id_vars='Mes', value_vars=precos.keys(), var_name='Material', value_name='Quantidade')
+    
+    df_plot_box = df_melt_box_coleta
+    if material_filtro_detalhe != 'Todos':
+        df_plot_box = df_melt_box_coleta[df_melt_box_coleta['Material'] == material_filtro_detalhe]
+
+    if not df_plot_box.empty:
+        fig_boxplot_coleta = px.box(df_plot_box, x='Material', y='Quantidade',
+                                    color='Material' if material_filtro_detalhe == 'Todos' else None,
+                                    title="Boxplot da Coleta Mensal", template='plotly_white')
+        fig_boxplot_coleta.update_layout(yaxis_title="Quantidade (kg)", height=450)
+        st.plotly_chart(fig_boxplot_coleta, use_container_width=True)
+    else:
+        st.info("Selecione um material para ver o boxplot ou 'Todos' para comparação.")
+    st.markdown("---")
+    
+    # Estatísticas Descritivas da Coleta
+    st.subheader("Estatísticas Descritivas da Coleta Mensal (2024)")
+    desc_coleta = df_2024_numeric.describe().T[['mean', 'std', 'min', '50%', 'max']]
+    desc_coleta.columns = ['Média Mensal', 'Desvio Padrão', 'Mínimo', 'Mediana (50%)', 'Máximo']
+    if material_filtro_detalhe == 'Todos':
+        st.dataframe(desc_coleta.style.format("{:,.0f} kg"), use_container_width=True)
+    else:
+        if material_filtro_detalhe in desc_coleta.index:
+            st.dataframe(desc_coleta.loc[[material_filtro_detalhe]].style.format("{:,.0f} kg"), use_container_width=True)
+        else:
+            st.warning(f"Estatísticas para '{material_filtro_detalhe}' não disponíveis.")