[pt] A natureza incerta e a importância do mercado da soja para economia do Brasil são forças motrizes para melhorias no processo de planejamento da cadeia logística da soja. Esta tese apresenta um novo modelo matemático de programação estocástica para auxiliar no planejamento tático da cadeia logística da soja. Os principais componentes espaciais e temporais da indústria da soja, sob o ponto de vista do embarcador, são abordados no modelo. A função objetivo do modelo maximiza o lucro obtido com base na diferença entre a receita da venda de grãos, farelo e óleo de soja e os custos de transporte, processamento, armazenamento e venda de grãos, farelo e óleo de soja. As decisões relacionadas ao planejamento tático encontram-se dentro de um horizonte temporal de um ano. Aspectos inerentes aos contratos de transportes e de compra de soja em grão são incorporados no modelo. O modelo de programação estocástica proposto é linear de dois estágios com estrutura de recurso fixo. O modelo foi aplicado a um exemplo real com 21 pontos de origem, 11 silos, 6 fábricas de processamento, 5 pontos de mercado interno, 6 portos e 225 arcos de transportes, considerando 243 cenários, oriundos da combinação de quatro fontes de incertezas: preço de compra e venda da soja em grão, a demanda externa da soja em grão e a quebra de safra. / [en] The uncertain nature and importance of the soybean market for Brazils economy are driving forces for improvement in the planning process of soybeans supply chain. This thesis presents a new stochastic programming mathematical model to assist in tactical planning of the soybean logistics chain. The model was conceived as a tool to assist the decision making of any trader involved in this highly complex market. The main spatial and temporal components of the soybean industry are addressed in the model. The objective function of the model maximizes the profit achieved based on the difference between the revenue from the sale of grain, meal and oil and the costs of transportation, processing, storage and the sale of grain, meal and oil. The model is intended to be applied for decisions related to tactical planning within a time horizon of one year. Aspects related to transport and purchase of soybeans contracts are incorporated in the model. The stochastic programming model is linear of two-stage with fixed resource structure. The model was applied to a real example with 21 points of origin, 11 silos, 6 processing plants, 5 points of the internal market, 6 ports and 225 arcs of transport, considering 243 scenarios, derived from the combination of four sources of uncertainty: purchase price and sale price of soybeans, foreign demand of soybeans and crop failure.

[pt] A seleção de um portfolio de renda fixa é um problema comumente enfrentado pelos agentes do mercado financeiro. A alocação ótima destes ativos melhora o nível de rentabilidade e lucratividade da instituição. Um dos trade-offs rotineiramente encontrado pelos gestores destas carteiras é decidir entre a compra de títulos pré-fixados e pós-fixados de curto prazo ou longo prazo, sendo que estes últimos no geral rendem mais devido ao prêmio de risco. Tais títulos, apesar de terem a sua rentabilidade já definida no momento da compra, podem ser vendidos a qualquer momento e sua nova rentabilidade estará sujeitas às marcações a mercado. O retorno da carteira composta por estes títulos é portanto uma variável aleatória que torna necessário o controle dos riscos de perda deste portfolio. O presente estudo teve por objetivo desenvolver um modelo de otimização da rentabilidade de uma carteira composta somente por títulos prefixados do tesouro nacional, com restrições ao nível de risco expresso através do Conditional Value at Risk. Após tal, foram realizados backtests para medir o desempenho do modelo e comparar a sua rentabilidade com o índice CDI. Os testes mostraram que o modelo apresenta resultados bons em rentabilidade e resultados satisfatórios em termos de controle de risco. / [en] Fixed-income portfolio selection is a common problem faced by financial market agents. The optimal allocation of these assets improves the profitability of institutions. A trade-off routinely found by the managers of these portfolios is deciding between buying floating rate securities or short-term or long-term fixed-rate securities, while the latter generally has a higher yield due to risk premium. Despite fixed rate securities have their return already set at the moment of purchase, they can be sold at any time and the new return will be subject to the current market prices. Since the return of a portfolio holding these securities is a random variable, we argue for the importance of a risk assessment and control a fixed income security portfolio. This study aimmed to develop an optimization model of return with a portfolio composed only on fixed and floating rate bonds from Brazil s sovereign treasury, using risk restrictions expressed on the Conditional Value at Risk measure. After that, backtestswere performed to measure model efficiency and compare its return to the Brazilian s Interbank rate. The tests have shown good results in profitability and risk control.

[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).

[pt] A parte mais difícil de modelar os problemas de tomada de decisão do mundo real, é a incerteza associada a realização de eventos futuros. A programação estocástica se encarrega desse assunto; o objetivo é achar soluções que sejam factíveis para todas as possíveis realizações dos dados, otimizando o valor esperado de algumas funções das variáveis de decisão e de incerteza. A abordagem mais estudada está baseada em simulação de Monte Carlo e o método SAA (Sample Average Appmwimation) o qual é uma formulação do problema verdadeiro para cada realização da data incerta, que pertence a um conjunto finito de cenários uniformemente distribuídos. É possível provar que o valor ótimo e a solução ótima do problema SAA converge a seus homólogos do problema verdadeiro quando o número de cenários é suficientemente grande.Embora essa abordagem seja útil ali existem fatores limitantes sobre o custo computacional para obter soluções mais precisas aumentando o número de cenários; no entanto o fato mais importante é que o problema SAA é função de cada amostra gerada e por essa razão é aleatório, o qual significa que a sua solução também é incerta, e para medir essa incerteza e necessário considerar o número de replicações do problema SAA afim de estimar a dispersão da solução, aumentando assim o custo computacional. O propósito deste trabalho é apresentar uma abordagem alternativa baseada em um método de partição que permite obter cotas para estimar deterministicamente a solução do problema original, com aplicação da desigualdade de Jensen e de técnicas de otimização robusta. No final se analisa a convergência dos algoritmos de solução propostos. / [en] The hardest part of modelling decision-making problems in the real world, is the uncertainty associated to realizations of futures events. The stochastic programming is responsible about this subject; the target is finding solutions that are feasible for all possible realizations of the unknown data, optimizing the expected value of some functions of decision variables and random variables. The approach most studied is based on Monte Carlo simulation and the Sample Average Approximation (SAA) method which is a kind of discretization of expected value, considering a finite set of realizations or scenarios uniformly distributed. It is possible to prove that the optimal value and the optimal solution of the SAA problem converge to their counterparts of the true problem when the number of scenarios is sufficiently big. Although that approach is useful, there exist limiting factors about the computational cost to increase the scenarios number to obtain a better solution; but the most important fact is that SAA problem is function of each sample generated, and for that reason is random, which means that the solution is also uncertain, and to measure its uncertainty it is necessary consider the replications of SAA problem to estimate the dispersion of the estimated solution, increasing even more the computational cost. The purpose of this work is presenting an alternative approach based on robust optimization techniques and applications of Jensen s inequality, to obtain bounds for the optimal solution, partitioning the support of distribution (without scenarios creation) of unknown data, and taking advantage of the convexity. At the end of this work the convergence of the bounding problem and the proposed solution algorithms are analyzed.

[pt] Nesta tese, abordamos o escalonamento de profissionais de saúde para propor um uso mais eficiente da capacidade existente e fornecer acesso oportuno em diferentes serviços de saúde. Apresentamos um conjunto de problemas relacionados à programação de equipes de saúde. O primeiro problema procura reduzir o tempo de porta-médico em uma unidade de pronto atendimento; o segundo problema visa reduzir o tempo de espera total de tratamento também em uma unidade de pronto atendimento; o terceiro problema visa fornecer acesso oportuno à consulta clínica e à cirurgia em uma unidade cirúrgica especializada. Foram propostos e resolvidos modelos de programação estocástica de dois estágios que procuram representar com precisão as características particulares inerentes a cada problema. Um aspecto importante em problemas de saúde é o grande número de incertezas envolvidas nos processos. A incorporação da incerteza aumenta a complexidade do problema e, portanto, torna-se impossível computacionalmente considerar todos os cenários possíveis. Essa dificuldade é contornada usando a Aproximação por Média Amostral (SAA) para representar a incerteza na demanda. Modelo de simulação de eventos discretos (DES) é usado para representar os problemas. Por fim, as soluções foram aplicadas a estudos de caso reais, mostrando que os modelos propostos são adaptáveis a diferentes prestadores de serviços de saúde. Ao longo da tese, resolvemos com eficiência os modelos utilizando casos reais de hospitais no Brasil e nos EUA. / [en] In this thesis, we approach the problem of healthcare staff scheduling to propose a more efficient use of existing capacity to provide timely access in different health services. We present a set of problems related to healthcare staff scheduling. The first problem seeks to reduce the door-to-doctor time in an Emergency Department; the second problem aims to reduce the waiting time of the overall treatment also in an Emergency Department; the third problem aims to provide timely access to both clinic and surgery in a specialized surgical unit. We formulate and solve two-stage stochastic programming models that seek to accurately represent the particular features that are inherent of each problem. An important aspect in healthcare problems is a large number of uncertainties involved in the processes. The incorporation of the uncertainty increases the complexity of the problem, and it, therefore, becomes computationally infeasible to consider all of the possible scenarios. We circumvent this difficulty by relying on Sample Average Approximation (SAA) to address the demand uncertainty. We also use a discrete-event simulation (DES) model to represent the problems. Finally, we apply the framework to real case studies showing that the proposed models are adaptable to different healthcare providers. Throughout the thesis, we efficiently solve the models using real cases of Brazil and USA hospitals.

[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.

[pt] Os combustíveis de baixo impacto ambiental estão em destaque na mídia e na sociedade, atualmente. Neste contexto, o hidrogênio, fonte de energia limpa, tem um grande potencial. Entretanto, ainda não existe uma infraestrutura adequada para sua comercialização. O crescimento da demanda por hidrogênio é de difícil previsão, gerando um alto grau de incerteza na definição das necessidades de capacidades futuras de sua rede logística. Esta dissertação propõe uma metodologia para o planejamento do projeto da cadeia de suprimentos de hidrogênio para uso em transporte. Para representar o problema e avaliar diferentes alternativas de investimentos em infraestrutura logística foi desenvolvido um modelo matemático estocástico de dois estágios utilizando programação linear inteira mista (PLIM). O elevado nível de incerteza desta cadeia aumenta a complexidade do modelo, requerendo uma grande quantidade de cenários, inviabilizando sua otimização. Para contornar esta dificuldade, foi utilizada a técnica de aproximação por média amostral (SAA). Esta abordagem gera soluções, cuja qualidade pode ser estatisticamente avaliada utilizando-se um número reduzido de cenários. A metodologia proposta foi aplicada em um estudo de caso com dados reais da cadeia de suprimentos de hidrogênio líquido da Grã-Bretanha. Os gaps de otimalidade gerados nestes testes foram inferiores a 1 por cento, demonstrando a adequação do método desenvolvido. Mesmo com o alto nível de incerteza do problema, o SAA possibilitou definir como, quando, e onde investir. Os resultados obtidos devem contribuir para proporcionar avanços na criação de uma infraestrutura apropriada para a comercialização do hidrogênio. / [en] Nowadays, fuels with low environmental impact are highlighted in media and society. In this context, hydrogen, as a clean energy source, has a great potential. However, there is still no appropriate infrastructure for its commercialization. The prediction of demand for hydrogen is difficult, generating a high degree of uncertainty in the definition of capacity needs in the future for its logistics network. This work proposes a methodology for the design of the hydrogen supply chain for use in transportation. To represent the problem and evaluate alternatives to invest in logistics infrastructure, a two-stage stochastic mixed-integer programming was developed. The high degree of uncertainty in this chain increases the complexity of the mathematical model, requiring a huge number of scenarios which makes its optimization impossible. To overcome this difficulty, the technique of sample average approximation (SAA) is used. This approach generates solutions, whose quality can be statistically evaluated using a reduced number of scenarios. The proposed methodology was tested in a study case with real data from Great Britain s liquid hydrogen supply chain. The optimal gaps generated in these tests were below 1 percent, demonstrating the adequacy of the developed methodology. Even with the high level of uncertainty of the problem, the propose methodology using SAA technique can define how, when, and where to invest. The results should be helpful in advancing the creation of an appropriate infrastructure for hydrogen commercialization.

[pt] Na indústria do petróleo e gás, uma das atividades de maior importância é a intervenção em poços para serviços de manutenção, a qual é necessária para garantir a produção de petróleo. Estas intervenções são realizadas por sondas workover que são disponibilizadas para atender uma grande quantidade de poços segundo um itinerário. Nesta tese são propostos três modelos de programação linear inteira para abordar eficientemente o problema de intervenção em poços terrestres de petróleo. O primeiro modelo determina o itinerário de um conjunto de sondas homogêneas, visando minimizar a perda total de produção. Este modelo é um aprimoramento do modelo proposto por Costa e Ferreira Filho (2004). O segundo modelo é uma extensão do anterior e considera também o dimensionamento de uma frota de sondas heterogênea, procurando minimizar o custo de perda de produção e o custo de aluguel de sondas. O terceiro modelo é uma abordagem estocástica que estende o segundo modelo e consiste em dimensionar uma frota de sondas considerando o tempo de intervenção incerto. A incerteza do tempo de intervenção é representada mediante a geração de cenários, usando para este fim os métodos de Monte Carlo, Redução de Cenários e Quasi-Monte Carlo. Os testes de estabilidade propostos por Kaut e Wallace (2003) são aplicados para avaliar os métodos de geração de cenários e estabelecer o número de cenários adequados para resolver o problema. Para avaliar o desempenho dos modelos propostos, diversos experimentos computacionais foram realizados em instâncias de pequeno, médio e grande porte. Todas as instâncias são baseadas em casos reais no Brasil. Os resultados mostram que os modelos propostos foram capazes de resolver todas as instâncias utilizadas, inclusive aquelas de grande porte, demonstrando serem eficientes quando comparadas com várias metaheurísticas, pois produzem soluções exatas em um curto tempo computacional. Uma análise do impacto nas soluções quando ocorre uma mudança no preço de petróleo e no horizonte de planejamento também é realizada. A metodologia de resolução empregada no terceiro modelo mostrou que o método Quasi-Monte Carlo proporcionou os melhores cenários para representar a incerteza e também o potencial do modelo para resolver problemas de grande porte. / [en] In the oil and gas industry, one of the most important activities is the intervention in wells for maintenance services, which is necessary to ensure the production of oil. These interventions are performed by workover rigs that are available to serve a large number of wells according to a schedule. In this thesis, we proposed three integer linear programming models to efficiently address the problem of intervention in onshore oil wells. The first model determines the schedule of a set of homogeneous rigs, with the objective of minimizing the total production loss. This model is an improvement of the model proposed by Costa and Ferreira Filho (2004). The second model is an extension of the previous one and also considers the sizing of a heterogeneous rig fleet, with the objective of minimizing the production loss cost and the rig rental cost. The third model is a stochastic approach that extends the second model and consists of sizing a rig fleet considering the uncertainty in the intervention time. The uncertainty in the intervention time is represented by the generation of scenarios, using for this purpose the Monte Carlo, Scenario Reduction, and Quasi-Monte Carlo methods. The stability tests proposed by Kaut and Wallace (2003) are applied to evaluate the scenario generation methods and to establish the number of appropriate scenarios to solve the problem. To evaluate the performance of the proposed models, several computational experiments were performed in small, medium and large instances. All instances are based on real cases in Brazil. The results show that the proposed models were able to solve all of the instances considered, including the large instances, proving to be efficient when compared to various metaheuristics, as they produce exact solutions in small computational time. An analysis of the impact on the solutions when there is a change in the oil price and the planning horizon is also carried out. The resolution methodology employed in the third model showed that the Quasi-Monte Carlo method provided the best scenarios to represent the uncertainty and also the potential of the model to solve large-scale problems.

[pt] Apesar de existir na literatura modelos propostos para gestão de estoques, as premissas consideradas por tais modelos podem inviabilizar suas aplicações. Este trabalho propõe uma metodologia de programação estocástica para reposição e controle de estoques de produto único numa rede logística de duas camadas. O enfoque revisão periódica proposto pode considerar tanto atendimentos à demanda em atraso (backorders) como vendas perdidas (lost sales) sem restrição de pedidos pendentes. Além disso, a fim de alcançar um melhor nível de serviço para o cliente, é introduzida uma regra de rateio proporcional a quantidade faltante do item em estoque no centro de distribuição para atender simultaneamente a demanda de todos os varejistas, a qual é capaz de lidar com as alocações negativas da falta. A periodicidade e o nível alvo da posição dos estoques são determinados através de modelos de programação estocástica de dois estágios e de uma técnica baseada em simulação de Monte Carlo, conhecida como Sample Average Approximation, que levam em conta a natureza incerta dos níveis de demanda pelo item por meio da geração de conjuntos finitos de cenários. Os equivalentes determinísticos são apresentados como modelos de programação não-linear inteira mista e em seguida linearizados. Experimentos numéricos com a metodologia proposta para instâncias do problema geradas aleatoriamente demonstram seu potencial ao obter resultados com erros de aproximadamente 1 por cento. / [en] Although several methods for inventory management are proposed in the literature, the required assumptions can hinder their application in practice. This work proposes a methodology for stock replenishment in two-echelon logistic networks through stochastic programming, considering a single item, periodic review and uncertain demands. The proposed approach is flexible enough to consider backlogs and lost sales cases without limitations on the number of outstanding orders. Also, in order to achieve better customer service, we introduce a variable rationing rule for quantities of the item in short at the distribution center to meet simultaneously all the demands of the retailers, dealing with imbalances or negative allocations of quantities of the item in short. The optimal review periodicity and the target level for inventory position are determined through two-stage stochastic programming models and a Monte Carlo simulation based-technique, known as Sample Average Approximation, which takes into account the uncertain nature of the item demand levels through the generation of finite sets of scenarios. The deterministic equivalent models are presented as mixed-integer non-linear programming models, which are then linearized. Numerical experiments with the proposed approach for instances of the problem randomly generated shows its potential, as the errors of the obtained results are around 1 percent.

[pt] Nesta tese é abordado o problema de planejamento de investimentos para a cadeia de fornecimento de petróleo sob incerteza. Neste contexto, um modelo de programação estocástica de dois estágios é formulado e resolvido. Tal modelo busca representar com precisão as características particulares que são inerentes ao planejamento de investimentos para a infra-estrutura logística de petróleo. A incorporação da incerteza neste contexto inevitavelmente aumenta a complexidade do problema, o qual se torna rapidamente intratável conforme cresce o número de cenários. Tal dificuldade é contornada baseando-se na aproximação por média amostral (AMA) para controlar o número de cenários necessários para atingir um nível pré-especificado de tolerância em relação à qualidade da solução. Além disso, é considerado o desenvolvimento de técnicas que resolvam de maneira eficiente o problema, explorando sua estrutura especial, através de decomposiçãoo por cenários. Seguindo esta ideia, propõe-se duas novas abordagens para decompor o problema de forma que o mesmo possa ser eficientemente resolvido. O primeiro algoritmo é baseado na decomposição estocástica de Benders, a qual é aprimorada usando-se novas técnicas de aceleração propostas. O segundo consiste de um novo algoritmo baseado em decomposição Lagrangeana que foi projetado para lidar com o caso onde temos variáveis inteiras no problema de segundo estágio. A característica inovadora desse algoritmo está relacionada com a estratégia híbrida utilizada para atualizar os multiplicadores de Lagrange, combinando subgradientes, planos de cortes e regiões de confiança. Em ambos os casos as abordagens propostas foram avaliadas considerando um exemplo de grande escala do mundo real e os resultados sugerem que os mesmos apresentam desempenho superior quando comparados com outras técnicas disponíveis na literatura. / [en] In this thesis we investigate the investment planning problem for the petroleum supply chain under demand uncertainty. We formulate and solve a two-stage stochastic programming model that seeks to accurately represent the particular features that are inherent to the investment planning for the petroleum logistics infrastructure. The incorporation of uncertainty in this case inevitably increases the complexity of the problem, which becomes quickly intractable as the number of scenarios grows. We circumvent this drawback by relying on Sample Average Approximation (SAA) to control the number of scenarios required to reach a prespecified level of tolerance regarding solution quality. We also focus on efficiently solving the stochastic programming problem, exploiting its particular structure by means of a scenario-wise decomposition. Following this idea, we propose two novel approaches that focus on decomposing the problem in a way that it could be efficiently solved. The first algorithm is based on stochastic Benders decomposition, which we further improve by using new acceleration techniques proposed in this study. The second is a novel algorithm based on Lagrangean decomposition that was designed to deal with the case where we have integer variables in the second-stage problem. The novel feature in this algorithm is related with the hybrid strategy for updating the Lagrange multipliers, which combines subgradient, cutting-planes and trust region ideas. In both cases, we have assessed the proposed approaches considering a large-scale realworld instances of the problem. Results suggests that they attain superior performance.