[pt] A natureza incerta e os altos incentivos econômicos do negócio de refino são forças motrizes para melhorias nos processos de planejamento das refinarias. Decisões tomadas na cadeia do petróleo diferem principalmente na gama de atividades (integração espacial) e no horizonte de planejamento (integração temporal). O objetivo desta tese é abordar o problema da integração da cadeia do petróleo sob incerteza em diferentes níveis de decisão. Modelos de programação matemática tático e operacional são propostos. O modelo tático maximiza o lucro esperado da cadeia de suprimentos e aloca metas de produção para as refinarias considerando restrições logísticas. O modelo operacional maximiza o lucro esperado de cada refinaria determinando a quantidade de material processada por unidade de processo em um dado período. Ambos os modelos são lineares estocásticos de dois estágios, onde a incerteza é incorporada nos parâmetros dominantes de cada nível (preço e demanda no nível tático e suprimento de petróleo e capacidade das unidades no nível operacional). A integração espacial é discutida no nível tático (considerando a cadeia de suprimentos), enquanto a integração temporal é discutida na interação entre os dois níveis. Duas abordagens de integração temporal são consideradas: hierárquica, onde o fluxo de informações é somente do modelo tático para o operacional, e iterativa, onde há retorno do nível operacional para o tático. Um estudo de escala industrial foi conduzido para demonstrar os benefícios da integração em ambiente estocástico. Resultados são oferecidos no contexto de um estudo usando dados da indústria brasileira do petróleo para demonstrar a eficácia das abordagens propostas. / [en] The uncertain nature and high economic incentives of the refining business are driving forces for improvements in the refinery planning process. Decisions made at the oil chain differ mainly in the range of activities (spatial integration) and planning horizon (temporal integration). This thesis purpose is to address the problem of the oil chain integration under uncertainty at different decision levels. Tactical and operational mathematical programming models are proposed. The tactical model maximizes the expected profit of the supply chain and allocates the production targets to refineries taking logistics constraints into account. The operational model maximizes the expected profit of each refinery determining the amount of material that is processed at each process unit in a given period. Both models are two-stage stochastic linear programs where uncertainty is incorporated in the dominant random parameters at each level (price and demand at the tactical level and oil supply and process capacity unit at the operational level).Spatial integration is discussed at the tactical level (considering supply chain), whereas the temporal integration is discussed in the interaction between the two levels. Two temporal integration approaches are considered: hierarchical, where the flow of information is only from the tactical to the operational model, and iterative, where there is feedback from the tactical to the operational model. An industrial scale study was conducted to discuss the benefits of integration in a stochastic environment. Results are offered in the context of a study using data from the Brazilian oil industry to demonstrate the effectiveness of the proposed approaches.

[pt] O presente trabalho tem como foco o estudo do Sistema Petrobras, no que tange o planejamento estratégico dos investimentos da Companhia, sob a ótica da cadeia integrada do petróleo. A partir de um dos modelos matemáticos mais utilizados (e há mais tempo) na empresa, diversas decisões estratégicas de suma importância são suportadas, de modo a maximizar seu resultado operacional ao longo de um horizonte de tempo da ordem de 10 (dez) anos. Com embasamento na literatura atual, evoluções são propostas e testadas no modelo matemático. Primeiramente são introduzidas técnicas de programação estocástica em dois estágios, onde as decisões de investimento são representadas por variáveis de primeiro estágio; e a operação de todo o sistema – desde o refino até a comercialização do petróleo e derivados, passando por toda a questão logística – passa a fazer parte do segundo estágio, após a realização / revelação dos parâmetros estocásticos. Em um segundo passo, técnicas de decomposição são aplicadas para contornar eventuais limitações geradas pelo grande porte atingido pelo modelo, que cresce proporcionalmente ao número de cenários envolvidos na otimização. Os resultados mostram que o modelo estocástico começa a esbarrar nestas limitações a partir da resolução de problemas com mais de 30 cenários. Por outro lado, apesar do tempo computacional consideravelmente maior, o modelo decomposto chegou a resolver até 80 cenários, nos testes realizados. / [en] This work focuses on the study of Petrobras, regarding the strategic planning of the Company s investments, from an integrated oil supply chain perspective. From one of the most widely used mathematical models in the Company, several strategic decisions of great importance are supported, so as to maximize its operating result over a time horizon of approximately 10 (ten) years. Based in current literature, developments are proposed and tested in the mathematical model. First, two-stage stochastic programming techniques are introduced, where investment decisions are represented by first-stage variables; and system s operation – from oil refining and sales to the entire logistics issue – by second-stage variables, after realization of the stochastic parameters. In a second step, decomposition techniques are applied to circumvent any large scale limitations. The results show that the stochastic model starts to reach these limitations in problems with 30 scenarios or more. On the other hand, despite the considerably greater computational time, the decomposed model was able to solve up to 80-scenarios problems, during the tests.