1 |
[en] A STOCHASTIC PROGRAMMING MODEL FOR THE STRATEGIC PLANNING OF THE OIL SUPPLY CHAIN / [pt] MODELO DE PROGRAMAÇÃO ESTOCÁSTICA PARA O PLANEJAMENTO ESTRATÉGICO DA CADEIA INTEGRADA DE PETRÓLEOGABRIELA PINTO RIBAS 06 October 2008 (has links)
[pt] A indústria do petróleo é uma das mais importantes e
dinâmicas do Brasil. Em uma indústria naturalmente
integrada como a petrolífera, é necessário um
adequado planejamento estratégico da cadeia integrada de
petróleo que contemple todos os seus processos, como a
produção de petróleo, refino, distribuição e
comercialização de derivados. Além disso, a indústria de
petróleo está suscetível a diversas incertezas relacionadas
a preço de petróleo e derivados, oferta de óleo
bruto e demanda de produtos. Em face destas oportunidades e
desafios, foi desenvolvido no âmbito desta dissertação um
modelo de programação estocástica para o planejamento
estratégico da cadeia de petróleo brasileira. O modelo
contempla as refinarias e suas unidades de processos, as
propriedades dos petróleos e derivados, a logística
nacional e decisões de comercialização de petróleo e
derivados, incluindo incertezas associadas a preço de
mercado, produção de petróleo nacional e demanda interna de
derivados. A partir do modelo estocástico foram formulados
um modelo robusto e um modelo MinMax no intuito de comparar
o desempenho e a qualidade da solução estocástica. Os
modelos propostos foram aplicados a um exemplo real, com 17
refinarias e 3 centrais petroquímicas que processam 50
produtos intermediários, destinados a produção de 10
derivados associados à demanda nacional, 8 campos de
exploração de petróleo, 14 produtores gás natural, 1
produtor de óleo vegetal, 13 terminais, 4 bases de
distribuição e 278 arcos de transporte. Na análise de
resultados foram utilizadas medidas como Valor Esperado da
Informação Perfeita (EVPI) e Valor da Solução Estocástica
(VSS). / [en] The oil industry is one of the most important and dynamic
in Brazil. As the oil industry naturally integrated, we
need an appropriate strategic planning to the oil supply
chain that consider all its processes, such as oil
production, refining, distribution and refined products
marketing. Moreover, the oil industry is
susceptible to various uncertainties regarding the oil and
products price, crude oil supply and products demand. In
light of these opportunities and challenges, it
was developed in this dissertation a stochastic programming
model for the strategic planning of the Brazilian oil
supply chain. The model includes refineries and process
units, oils and their products properties, logistics and
national marketing decisions of oil and products, including
uncertainties associated with market price, oil domestic
production and refined products domestic demand.
Based on the stochastic model a robust model and a MinMax
model were formulated in order to compare the performance
and quality of the stochastic solution. The proposed models
were applied to a real example, with 17 refineries
and 3 petrochemical power plants that process 50
intermediate products, intended to production of 10 final
products associated to national demand, 8 oil fields, 14
natural gas producers, 1 vegetal oil producer, 13
terminals, 4 delivery points and 278 arches of transport.
In the results analysis was used as measures the Expected
Value of Perfect Information (EVPI) and the Value of the
Stochastic Solution (VSS).
|
2 |
[en] MATHEMATICAL PROGRAMMING MODEL FOR STRATEGIC PLANNING OF THE OIL SUPPLY CHAIN UNDER UNCERTAINTY / [pt] MODELO DE PROGRAMAÇÃO MATEMÁTICA ESTOCÁSTICA PARA O PLANEJAMENTO ESTRATÉGICO DA CADEIA DE PETRÓLEO SOB INCERTEZAJULIEN PIERRE CASTELLO BRANCO 25 February 2019 (has links)
[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.
|
Page generated in 0.0311 seconds