[pt] No cotidiano das empresas a seleção de projetos é feita muitas vezes de forma arbitrária, ignorando os interesses dos diversos stakeholders e privilegiando as prioridades da gestão vigente. Este estudo utiliza o método AHP de análise multicritério para qualificar projetos de eficiência energética aplicáveis a plantas de shopping centers a luz de critérios financeiros, estratégicos, sociais e ambientais e identificar formas de evidenciar os critérios mais importantes nesse processo decisório. Pretende-se fornecer a gestores e investidores uma ferramenta auxiliar ao processo de seleção de projetos focando em evidenciar os critérios mais importantes na decisão e mostrar de que forma estes são impactados por vieses de orientação estratégica empresarial. / [en] On enterprises daily routine project selection is sometimes made in an arbitrary way, ignoring stakeholders interests and sometimes privileging current management priorities. This study uses the AHP multicriteria method to qualify energetic efficiency projects applicable to shopping centers on bases of financial, strategical, social and environmental objectives and identify ways to spot the most important criteria on this analysis. It seeks to empower managers and investors with an additional tool on project selection support aiming to understand how company strategic objectives interfere on the way decision making is seen and evaluated by management.

[pt] No seu planejamento plurianual de investimentos, as organizações do setor de Exploração e Produção (EeP) estruturam alternativas de projetos de produção de petróleo e gás natural, sujeitas a diversas restrições e a incertezas técnicas e econômicas. Como não há como assegurar que os resultados dos projetos ocorram conforme o previsto, é possível que seu retorno seja inferior ao esperado, o que, dependendo da relevância, pode provocar um efeito adverso no resultado operacional e nas condições financeiras da companhia. Nesse mérito, a dissertação apresenta e aplica um modelo de programação estocástica linear inteira mista para seleção de portfólio de projetos que permita a maximização dos resultados, com restrição de risco. A aplicação considerou dados realistas do segmento de upstream de uma empresa do setor. Para representar os cenários econômicos, optou-se pela utilização da simulação de Monte Carlo do modelo Movimento Geométrico Browniano. Com o Valor Presente Líquido como retorno e Conditional Value-at-Risk representando a medida de risco, foi possível estabelecer a fronteira eficiente do risco-retorno, com a qual o decisor pode definir uma solução de portfólio, conforme sua aversão ao risco. / [en] In their multi-annual investment planning, oil and gas companies consider alternatives of production projects, subject to a variety of constraints, and technical and economic uncertainties. Considering that it is not possible to guarantee that these projects will perform as predicted, the return can be less than expected and can lead to a significant adverse effect to the operational results and to financial conditions of a given organization. Therefore, this dissertation proposes a mixed integer linear stochastic programming model for project portfolio selection that maximizes the return with risk constraint. The application considered realistic data from the upstream segment of an oil and gas company. Monte Carlo simulation of the Geometric Brownian Motion model was considered to represent the economic scenarios. Using the Net Present Value as the function and Conditional Value-at-Risk as a risk measure, it was possible to establish the efficient frontier of risk-return, which can assist the decision-maker to define the project portfolio according to their risk aversion.

[pt] O planejamento e controle de portfolios de projeto é uma tarefa desafiadora. Eles estão sujeitos a múltiplos riscos, restrições de recursos, relações de precedências e penalidades por atrasos de projetos. É fundamental desenvolver estratégias efetivas de alocação dos recursos disponíveis de forma a garantir que estes projetos sejam concluídos dentro dos limites de tempo e custo. Um fator crucial que deve ser levado em consideração ao tomar estas decisões é o gerenciamento das incertezas associadas a execução dos projetos. Neste contexto, este trabalho propõe uma metodologia baseada em otimização robusta para planejamento e controle de portfolios de projeto sob incerteza. Este método combina modelos e algoritmos desenvolvidos para diferentes problemas de alocação de recursos para os quais foi aplicada a mesma abordagem de otimização robusta. Nela, a incerteza é modelada como um adversário capaz de materializar a combinação de riscos de pior caso que maximiza o impacto no(s) projeto(s) para qualquer plano de alocação de recursos. Nos problemas estudados o tomador de decisão tem então que determinar a alocação ótima de recursos que minimiza um objetivo particular assumindo que a combinação de riscos de pior caso irá se materializar. A abordagem também provê um mecanismo para controle do grau de conservadorismo das soluções robustas. Para cada problema modelado, uma estratégia de solução é desenvolvida através de um esquema de reformulação que parte de uma formulação Min-Max compacta e termina em um algoritmo de geração de cortes. Diversos experimentos computacionais foram executados, provendo importantes conclusões que direcionaram o desenvolvimento da metodologia de controle e planejamento de portfolios. A importância de se desenvolver planos de alocação de recursos de forma integrada no contexto de tomada de decisão em portfolios de projetos e a falta de efetividade do método tradicional de análise de caminhos críticos no contexto de cenários de pior caso para as durações das atividades, são importantes exemplos das conclusões obtidas pelos experimentos. A aplicação da metodologia foi demonstrada em um caso de estudo que contempla um portfolio para construção de duas refinarias. O referido exemplo demonstrou o potencial do uso prático dos métodos propostos neste trabalho. / [en] Planning and controlling complex project portfolios is a challenging task. These portfolios are subject to a number of potential risk sources coupled with resource constraints, intricate precedence relationships, and penalties for project delays. For this reason, it is fundamental that optimal strategies for the allocation of the available resources are constantly adopted by the decision makers to ensure that their projects are completed within limits of time and cost. Moreover, the uncertainty that affects these projects has to be taken into account for effective resource allocation decisions. Within this context, this work proposes a robust optimization-based methodology for planning and controlling project portfolios under uncertainty. The method combines models and algorithms for multiple resource allocation problems under the same robust optimization framework. In this approach, the uncertainty environment is modeled as an adversary that selects the worst-case combination of risks for any decision maker s actions. Subsequently, the main goal of the decision maker is to determine optimal resource allocation plans for minimizing a particular objective subject to the assumption that the adversary s worst-combination of risks will materialize. The approach also provides a way to control the degree of conservatism of the solutions. For each studied problem, a solution strategy is developed through a reformulation scheme from a compact min-max formulation to a cut-generation algorithm. Several computational experiments are conducted, providing key insights that drive the design of the referred portfolio planning and control methodology. The ineffectiveness of traditional critical path analysis under worst-case realizations of uncertain activities durations and the importance of taking integrated resource allocation decisions in the context of project portfolios, are examples of the key findings of the experiments. The application of the methodology is demonstrated in a case study of a portfolio aimed at the construction of two refineries. This example presents the capabilities of the developed techniques in a practical context.

[pt] A formação do portfólio de uma empresa de Petróleo envolve complexas decisões devido ao ambiente de incertezas e é de extrema importância na definição do futuro estratégico da empresa. Recentemente, a otimização de um portfólio de ativos de exploração e produção de petróleo vem sendo amplamente tratada na literatura, entretanto observa-se uma escassez de trabalhos que consideram a otimização do portfólio de refino. Este trabalho tem por objetivo propor um modelo de formação de portfólio para empresas do setor de óleo e gás, que possuem atividades tanto no segmento de exploração e produção (upstream) quanto no segmento de refino (downstream), levando em conta a integração entre ambos. Assim como nos modelos tradicionais, os preços do barril de petróleo e a produtividade dos campos serão tratadas como incertezas. O modelo proposto utilizará técnicas de programação estocástica com aversão a risco, medido pelo CVaR (Conditional Value-at-Risk). A fim de validar a metodologia proposta, um estudo de caso baseado em uma empresa de óleo e gás será apresentado. A aplicação numérica indicou que o modelo que otimiza o portfólio conjunto de upstream e downstream apresenta resultado da função objetivo até 28 por cento superior ao modelo usualmente tratado na literatura que trata apenas do portfólio de upstream. / [en] The portfolio allocation of an Oil and Gas company involves complex decisions within an uncertain environment and is extremely important in defining the firm s economical and financial future behavior. Recently, the portfolio selection problem for oil exploration and production (E&P) projects has been widely treated in the literature, however, few studies consider the optimization of the combined upstream and downstream portfolio. The purpose of this work is to propose a portfolio selection model for oil and gas companies, which operates both in exploration and production (upstream) and in refining (downstream), considering the integration between them. Crude oil prices and fields performance are the main uncertainties of the problem. The proposed model makes use of risk aversion stochastic programming techniques, measured by CVaR (conditional value at risk). To validate the proposed methodology a case study based on an Oil Company will be presented. The numerical application indicates that the model considering both upstream and downstream portfolio presents objective function results 28 percent higher than the model usually used in the literature that only optimizes the upstream portfolio.