Submitted by Rafael Santana (rafael.silvasantana@ufpe.br) on 2018-02-20T18:02:59Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertacao TIAGO FRANCA BARRETO versao final revisada com ficha.pdf: 1881406 bytes, checksum: 12e01eebda9019e211cef41ad935a421 (MD5) / Made available in DSpace on 2018-02-20T18:02:59Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertacao TIAGO FRANCA BARRETO versao final revisada com ficha.pdf: 1881406 bytes, checksum: 12e01eebda9019e211cef41ad935a421 (MD5) Previous issue date: 2017-02-16 / CNPQ / Campos de produção de petróleo terrestres são compostos por um conjunto de poços de petróleo que, depois de certo tempo em operação, podem apresentar algum tipo de mau funcionamento e ter a produção interrompida. Quando isso ocorre, veículos especialmente equipados, também chamados sondas de manutenção, são utilizados para prestação de serviço nos poços e garantir que suas atividades sejam reestabelecidas. Dado um número limitado de sondas de manutenção e a grande quantidade de poços existentes no campo de petróleo, o problema das sondas de manutenção consiste em encontrar o melhor escalonamento para as mesmas de modo que a perda de produção total dos poços seja minimizada. O escalonamento dos poços considera alguns fatores como a taxa de perda de produção por poço, o nível de atendimento requerido e o horizonte de planejamento para o qual o escalonamento será executado. Este trabalho apresenta um algoritmo genético híbrido para a resolução do problema de sondas de manutenção com múltiplos objetivos, frota heterogênea e horizonte de planejamento finito. O algoritmo genético híbrido incorpora uma heurística de descida em vizinhança variável como método de busca local para aumentar a velocidade de convergência do conjunto de soluções. São considerados os objetivos de minimização da perda de produção e custo com frota associado ao aluguel das sondas de manutenção. A frota é mantida variável, portanto um depósito de sondas é incluído em uma posição estratégica no campo de produção de petróleo para garantir que as novas sondas de manutenção, além das já espalhadas no campo, possam ser incluídas no escalonamento quando requeridas. O algoritmo genético foi testado em um conjunto de instâncias com até 200 poços, 10 sondas de manutenção e horizonte de planejamento igual a 300. Os resultados demonstram um alto conflito entre os objetivos de minimização da perda de produção e o custo da frota para o problema das sondas de manutenção, além de importantes aspectos relacionados às soluções obtidas pelo algoritmo proposto aplicado ao problema. / Onshore oil fields are composed by a set of geographically distributed wells that, after some time of operation, might present some malfunction and have their production interrupted. When the oil production of some wells is interrupted, specially-equipped vehicles, also called workover rigs, are deployed to service the wells and guarantee that their activity is restored. Given the limited number of workover rigs and the large number of wells around the oil field, the workover rig problem consists in finding the best scheduling for the workover rigs so the total production loss of wells is minimized. The scheduling considers some factors such as the production loss rate of each well, the service level required and the planning time horizon in which the scheduling must be executed. This research presents a hybrid genetic algorithm to solve the multi-objective workover rig problem with a heterogeneous fleet and a finite time horizon. The hybrid genetic algorithm incorporates a variable neighborhood descent heuristic as a local search procedure to increase the convergence speed of the set of solutions. Both objectives of minimization of the production loss and fleet cost associated to the rent of workover rigs are taken in consideration. The fleet is held variable, so a workover rig depot is included at a strategic position on the oil field in order to guarantee that new workover rigs, besides the already existent ones on the oil field, might be included in the scheduling when required. The genetic algorithm was tested on a set of practical-sized instances up to 200 wells, 10 workover rigs and 300 period horizon. Results show a high conflict between the objectives of minimizing the production loss and fleet cost for the workover rig problem, besides important aspects of the solutions obtained by the proposed algorithm to solve the problem.