IBP1375_12 PROGRAMAO ESTOCSTICA DE SUPRIMENTOS DE SONDAS 1 Bruno F. Vieira , Virglio J.

Martins Ferreira Filho 2

Copyright 2012, Instituto Brasileiro de Petrleo, Gs e Biocombustveis - IBP Este Trabalho Tcnico foi preparado para apresentao na Rio Oil & Gas Expo and Conference 2012, realizado no perodo de 17 a 20 de setembro de 2012, no Rio de Janeiro. Este Trabalho Tcnico foi selecionado para apresentao pelo Comit Tcnico do evento, seguindo as informaes contidas no trabalho completo submetido pelo(s) autor(es). Os organizadores no iro traduzir ou corrigir os textos recebidos. O material conforme, apresentado, no necessariamente reflete as opinies do Instituto Brasileiro de Petrleo, Gs e Biocombustveis, Scios e Representantes. de conhecimento e aprovao do(s) autor(es) que este Trabalho Tcnico seja publicado nos Anais da Rio Oil & Gas Expo and Conference 2012.

Resumo
Esse trabalho tem como objetivo usar tcnicas de programao estocstica para reduzir os custos logsticos relativos a suprimentos de sondas offshore, considerando que esse assunto de grande importncia para a indstria do petrleo no Brasil. Dado o grande nmero de poos que precisam ser perfurados para atender o crescimento esperado da produo nacional de petrleo nos prximos dez anos (a PETROBRAS possui uma estratgia bastante ambiciosa), faz-se importante que as incerteza nas entregas dos suprimentos para sondas offshore sejam adequadamente tratadas. Atrasos na entrega de suprimentos como produtos qumicos, fluidos de perfurao e tubos podem resultar em tempo de parada de sondas, cujas taxas dirias de afretamento representam o maior custo na perfurao e na completao de um poo.

Abstract
The goal of this work is to use techniques of stochastic programming to reduce logistic costs regarding offshore drilling rigs. This theme is of great interest to Brazilian oil industry since there is an increasing number of wells that need to be perforated so that Brazilian oil production can reach its expected growth over the next ten years (PETROBRAS in particular has an ambitious strategy in this respect). Proper treatment of the uncertainties involved in the deliveries of supplies to offshore drilling rigs is essential, namely, these uncertainties need to be included in the models used in logistic models. Delays in the deliveries of products such as chemicals, perforation fluids and tubes may force drilling rigs to stop their operations what highly increases costs. The daily hiring rates of drilling rigs represent the highest cost in the perforation and completion of a well. .

______________________________ 1 Doutorando, Engenheiro de Petrleo UFRJ/COPPE, PETROBRAS 2 Doutor UFRJ/COPPE

Rio Oil & Gas Expo and Conference 2012

1. Introduo
Dados os planos arrojados para aumento da produo nacional nos prximos anos e o aquecimento do mercado da indstria do petrleo, preciso maximizar o uso de recursos crticos como sondas e suprimentos de sondas. Nesse contexto a formulao de modelos logsticos para reduo de custos assume grande relevncia. Na literatura, os modelos mais similares aos de logstica de suprimentos de sondas que envolvem incerteza foram os encontrados em modelos de cadeia de suprimentos de indstria de processos que assim como a indstria do petrleo tambm representam sistemas de larga escala que envolvem valores monetrios muito altos. Dada a crescente competio na rea de cadeia de suprimentos e o desenvolvimento de ferramentas matemticas para otimizao em larga escala, modelos de otimizao inclusive com grande nmero variveis e restries tm sido usados com sucesso para reduzir custos e riscos. Conforme afirmou Grossman (2005), h grande interesse entre uma variedade de indstrias de processo, como a do petrleo, em atingir o objetivo de otimizar toda a cadeia produtiva. Mais recentemente vrios artigos tm sido escritos para tratar as incertezas envolvidas em modelos de cadeia de suprimentos. Subrahmannyam et al. (1994) constitui um exemplo de busca de valores de variveis que apresentassem resultados ao menos medianos em todos os cenrios. A dificuldade de modelos baseados em cenrios o crescimento exponencial do tamanho do problema quando o nmero de cenrios aumenta. Para a resoluo de modelos que lidam com incerteza, as tcnicas mais comuns so lgica fuzzy (podem gerar bons resultados, mas precisam da opinio de especialistas), cadeias de Markov e programao dinmica. Essas duas ltimas tcnicas impem certas restries nas relaes intertemporais entre as variveis. As cadeias de Markov pressupem que o valor futuro das variveis no depende do histrico mas apenas do valor atual dessa, j a programao dinmica pressupe quebra do problema maior em problemas menores. Como o uso de distribuies contnuas pode gerar dificuldades computacionais, o uso de amostragem de Monte Carlo tem se tornado bastante popular, pois permite um grande ganho via diminuio de tempo de processamento com pequena perda de preciso. O nvel de acurcia pode ser escolhido pelo usurio como mostra Shapiro (2000). Por essa razo o mtodo de amostragem de Monte Carlo tem sido bastante usado para lidar com problemas de grande escala que envolvem incerteza. Em modelos de programao estocstica o uso apenas do valor esperado como funo objetivo apresenta o inconveniente de no levar em a conta a variabilidade dos cenrios, ou seja, est implcita a hiptese de neutralidade em relao ao risco. Como essa premissa inadequada maioria dos casos reais (tanto as empresas quanto as pessoas tendem a ser avessas ao risco), h diversas formas de se incluir o risco na funo objetivo como mostram Barbaro e Bagajewicz (2004). Os mtodos mais comuns constituem na incluso de um fator que leve em conta a variabilidade na funo objetivo. Restries probabilsticas tambm podem ser usadas de forma a garantir, por exemplo, que os custos no ultrapassem determinado patamar. O artigo de You et al. (2009) no qual usado um modelo estocstico para lidar com as incertezas e para reduo do custo esperado um bom exemplo de modelo que pode ser adaptado de artigos de otimizao em cadeia de suprimentos para a indstria do petrleo. Como escreveu Grossman (2005), a rea de otimizao ao longo da cadeia de suprimentos tem grande relao com a rea de pesquisa operacional. O modelo de You et al. (2009) visa reduzir os custos esperados totais de uma cadeia de indstria de produtos qumicos com fbricas, centros de distribuio e consumidores espalhados no mundo. A premissa de You et al. de que a demanda e as taxas de frete so variveis estocsticas, as outras variveis tais como tempo de transporte e custo de falta do produto so determinsticas. A varivel de deciso a quantidade a ser transportada em cada cenrio e em cada perodo. Apesar de modelos determinsticos fornecerem resultados de implementao mais fcil, apresentam em geral resultados finais piores, pois so consideradas apenas os valores mdios das variveis. Ao comparar os resultados obtidos de modelos determinsticos nos quais eram usados simplesmente os valores mdios da demanda e da taxa de frete com os estocsticos, You et al. concluiu que os custos esperados eram cerca de 5% menores nos modelos estocsticos. A decomposio em L (multicorte ou no) constitui a base de algoritmos convergentes que buscam a soluo tima do problema com reduo de tempo computacional. No algoritmo de decomposio em L a idia bsica resolver primeiramente o modelo com restries que no incluem as variveis dos estgios posteriores a fim de obter os valores das variveis do primeiro estgio. Posteriormente, fixam-se as variveis de deciso de primeiro estgio e resolvem-se os subproblemas que incluem variveis de deciso de outros estgios de modo a obter os valores timos das variveis de outros estgios. Na decomposio em L multicorte, a estrutura do algoritmo multicorte similar a do outro algoritmo, porm podem ser feitos vrios cortes por cada interao. Por outro lado, so introduzidas mais variveis na funo objetivo do problema master o que pode diminuir a velocidade de computao. Outros mtodos como decomposio estocstica e mtodos quase-gradiente estocsticos tambm podem ser usados conforme mostram Birge e Louveaux (1997). Recentemente mtodos de otimizao robusta, que almejam os melhores resultados caso ocorra o pior cenrio possvel, tem ganhado mais espao. Inclusive, vrios softwares de otimizao ganharam extenses para tratamento de otimizao robusta. 2

Rio Oil & Gas Expo and Conference 2012

2. Modelo Matemtico
O problema de programao estocstica do suprimento de sondas pode ser definido da seguinte forma: Dados: um conjunto d de sondas, um conjunto t de perodos, um conjunto s de cenrios, um conjunto p de produtos para cada sonda (depois de certo nmero de perodos a sonda pode perfurar ou completar outro poo). Deseja-se obter a quantidade de cada produto que deve ser transportado para cada sonda em cada perodo em cada cenrio (TRd,p,t,s). Diversas hipteses tem que ser assumidas de forma a construir um modelo factvel para o problema. Dentre elas se destacam: Variveis exgenas como clima e outros fatores no-observveis, como gerenciamento de projeto, no foram considerados no modelo, pois so de difcil mensurao. Ressalte-se que impossvel identificar todas as caractersticas relevantes das atividades das sondas, apenas possvel estabelecer relaes empricas para medir o desempenho dessas operaes (Kaiser, Pulsipher, 2007). O modelo supe um horizonte temporal mdio prazo (de 70 dias divididos em perodos de 7 dias). Esse nmero de perodos maior que o normalmente utilizado (12 perodos ou 1 ano). A inteno dessa suposio tornar o modelo mais adequado s demandas de produtos nas atividades desempenhadas pelas sondas de perfurao e de completao, que precisam de entrega de suprimentos (como dutos, fluidos, diesel e cimento) com uma freqncia maior que um ms. A atividade de uma sonda em um determinado poo pode tambm levar menos de um ms. Considerou-se que a programao das sondas j est definida, faltando decidir que materiais embarcaro na sonda em determinado perodo. H incerteza sobre o tempo de cada operao (de perfurao ou completao da sonda) e com relao demanda de cada sonda por cada produto em cada perodo (DEd,p,t,s). Ressalte-se que o uso de independncia entre as variveis pode causar resultados enviesados. Atualmente, tem-se usado funes cpula para estabelecer as relaes de dependncia. Dadas as dificuldades computacionais de se lidar com muitas variveis estocsticas, resolveu-se tratar apenas a demanda das sondas como variveis estocsticas que foram separadas em dois produtos principais: produtos qumicos e tubos. Por meio de dados histricos relativos Bacia de Campos, achou-se apropriado uma funo triangular para simbolizar a funo distribuio de probabilidade dessas variveis. O modelo composto por um porto (para o modelo pode ser considerado o porto de Maca, que um porto central para a Petrobras em todo o Sul-Sudeste) de onde so embarcadas todas as mercadorias que sero transportadas para as sondas. Para simplificao, suposto que no h problemas de estocagem, ou seja, os produtos esto sempre disponveis no porto. A seguir so apresentadas as restries e a funo objetivo do modelo: 2.1. Balano de Massa A quantidade transportada de cada produto para cada sonda mais o estoque inicial mais uma varivel que representa a demanda no-atendida (DN maior ou igual a zero) igual a demanda de cada produto em cada sonda:

TR

d , p ,t ,s

I d , p,t 1,s DN d , p ,t ,s DEd , p ,t ,s d , p, t , s

(1)

2.2. Limitao de Peso Em cada sonda, h uma limitao fsica que pode ser tanto por volume quanto por massa. No caso, foi considerada restrio por massa (Mp a massa do produto p) de modo que h um limite mximo de estocagem de produtos (Mmx): 3

Rio Oil & Gas Expo and Conference 2012

M (TR
p p

d , p ,t , s

I d , p,t 1,s ) DEd , p,t ,s M mx d , t , s

(2)

2.3. Funo objetivo A funo objetivo inclui o somatrio de custos em todos os perodos e cenrios (sendo Ps a probabilidade de cada cenrio ocorrer), que podem ser divididos em: os custos de estocagem total (CIT) nas sondas ( como o espao e o peso que podem ser transportados na sonda so limitados, deve ser computado um custo de estocagem) que proporcional a um custo de estocagem por produto por sonda (CId,p).

CIT

d , p ,t , s

d , p ,t , s

CI P
d,p

(3)

o custo de falta total (CFT) de todos os produtos nas sondas que pode ser muito alto se levar a tempo de parada da sonda (a taxa diria de sonda pode ultrapassar os U$500.000 por dia). Esse custo igual a demanda no-atendida multiplicada pelo custo de falta do produto na sonda (CFd,p).

CFT

d , p ,t , s

DN

d , p ,t , s

CF P
d,p

(4)

os custos de transporte totais (CTRT) de produtos dos portos transportados s sondas por distncia percorrida por produto (DISTd,p) que so iguais a distncia do porto sonda (DISTd,p) multiplicada por uma constante por produto (CTp).

CTRT

d , p ,t , s

(TR

d , p ,t , s

DIST CT ) P
d,p p

(5)

os custos totais (CST) abaixo do estoque de segurana (IS) para tentar evitar faltas de produtos nas sondas que podem causar altos prejuzos. Considerou-se que os custos abaixo do estoque de segurana

CST

d , p ,t , s

(IS I
d , p,

d , p ,t , s

)P (IS I
s d , p,

d , p ,t , s

0
(6)

Logo, a funo objetivo (F.O) ser:

F.O.CIT CFT CTRT CST

3. Concluses e Resultados Esperados

(7)

Considera-se que o modelo estocstico formulado pode fornecer economias considerveis em relao a um modelo determinstico no qual se usa o valor mdio das variveis estocsticas, j que em outros setores de cadeia de suprimentos os xitos tm sido considerveis. Os prximos passos consistem em fazer essas comparaes entre os modelos estocsticos e os determinsticos e incluir restries de probabilidade e otimizao robusta no modelo. Outra possibilidade checar se o modelo trar bons resultados para outras reas, como a Bacia de Santos.

Rio Oil & Gas Expo and Conference 2012

Agradecimentos
A PETROBRAS e a COPPE pelo apoio.

Referncias
BARBARO, A.F., BAGAJEWICZ, M.. Managing financial risk in planning under uncertainty. AIChE J.,50:963989, 2004. BIRGE, J.R., Louveaux F. Introduction to Stochastic Programming. New York: Springer-Verlag, 1997. GROSSMAN, I. E. Enterprise-wide Optimization: A New Frontier in Process Systems Engineering. Published Published online June 14, 2005 in Wiley InterScience (www.interscience.wiley.com). KAISER, M. J, PULSIPHER, A. G. Generalized Functional Models for Drilling Cost Estimation. SPE Drilling & Completion Volume 22, Number 2, pp. 67-73, June 2007. SHAPIRO, A.. Stochastic programming by Monte Carlo simulation methods. Stochastic Program E-Prints Series. 03,2000. SUBRAHMANYAM S, PEKNY J. F., REKLAITIS G.V. Design of batch chemical plants under market uncertainty. Ind Eng Chem Res.,33:26882701, 1994. YOU, F., WASSICK, J. M., GROSSMAN, I. E. Risk Management for a Global Supply Chain Under Uncertainty: Models and Algorithms. AIChE J v55, n.4, p.931-946, 2009.