Essa dissertação teve como objetivo principal investigar a viabilidade do uso de técnicas de otimização aplicadas à modelos para programação do suprimento de petróleo em uma refinaria real com regras operacionais específicas da indústria bra- sileira. Dois modelos foram desenvolvidos a partir da formulação de Mouret et al.
(2011): um modelo com operações de descarregamento não-sobrepostas (DNS) e
outro com operações de descarregamento sobrepostas (DS). Cada modelo foi apli-
cado a seis cenários diferentes no sistema de interesse e solucionado com estratégia de decomposiçãoMILP-NLP.
Ambos modelos foram bem-sucedidos em representar o sistema produtivo de uma refinaria real e suas regras operacionais, e em encontrar soluções viáveis para o problema da programação do suprimento de petróleo. Soluções viáveis foram en- contradas para os cenários dois, três, quatro, cinco e seis. Nenhum dos modelos foi capaz de encontrar soluções viáveis para o cenário um. A corrida correspondente ao melhor programa dos cenários otimizados foi solucionada pelo modelo com descarre- gamentos não-sobrepostos em até 28,32 min, e pelo modelo com descarregamentos sobrepostos em até 13,94 min. Os testes foram realizados em um notebook HP Pavi-
lion dv7 com processadorIntel i7-3610QMe 8 GB de RAM.
ProblemasMILPsãoNP-hard. Além disso, os termos bilineares com as regras de mistura dão origem à regiões factíveis não-convexas para o programaNLP. Tendo em vista essas complicações, o equipamento usado para solucionar os modelos e a dimensão do problema – um sistema industrial com até cinco parcelas de petróleo, nove tanques de carga, três misturadores, trêsUDAs e trinta e seis tipos de petróleo – os tempos de solução são razoáveis e praticáveis em um empreendimento.
A formulação sequenciamento múltiplo de operações (MOS) de Mouret et al.
(2011) mostrou-se eficiente para representar problemas de programação do supri-
mento de petróleo de grande dimensão. Os cenários otimizados deram origem à pro- gramas com até 27.964 variáveis contínuas, 567 variáveis binárias e 19.709 restrições. Mesmo depois de introduzidas várias restrições do tipo Big-M os modelos foram so- lucionados em tempos computacionais praticáveis por estratégia de decomposição
MILP-NLP. Todas as soluções encontradas nessa dissertação são potenciais ótimos
locais.
Melhores funções objetivo foram obtidas na modelagem comDNSe melhores
tempos computacionais foram obtidos na modelagem comDS. Quanto aos resultados
da programação, as duas modelagens se mostraram promissoras: o modelo comDS
designa menos transições nas UDAs e o modelo com DNS realiza essas transições
de forma mais suave, com menores saltos na propriedadeTAN.
A estrutura do problema explorado neste trabalho é fortemente dependente da estratégia que define a quantidade de slots de prioridade que gera o melhor programa. Para determinar essa quantidade usou-se a abordagem aditiva considerando a função
objetivo da etapa NLP. Se a função objetivo da etapa MILP fosse considerada, os
resultados do melhor programa não seriam os mesmos.
A função objetivo do programaMINLPé maximizar a valor marginal das mis-
turas de petróleo destiladas. Por conseguinte, os dois modelos testados nessa disser-
tação procuram enviar para asUDAs somente as misturas mais nobres de petróleo, e
deixar as misturas menos nobres em inventário.
A modelagem comDNSrendeu melhores funções objetivo porque é mais efici-
ente em processar as misturas de petróleo mais nobres desde o começo do horizonte de programação. Ela consegue enviar para a destilação uma variedade maior de mis- turas de petróleo. Esse resultado é consequência de um número maior de transições
permitidas nasUDAsno modelo comDNS.
O número de operações de destilação que podem acontecer em cadaUDAé
igual à quantidade de slots de prioridade usada para resolver o modelo. Na modela-
gem comDNSsão necessários mais slots de prioridade para encontrar um programa
factível e, consequentemente, são permitidas mais transições nasUDAs.
A modelagem comDS é capaz de fragmentar o descarregamento das parce-
las em mais operações ao longo do horizonte de tempo, pois utiliza cliques disjuntos de menor cardinalidade em sua formulação. Ela retornou funções objetivo menores
porque o uso de cliques disjuntos para operações de descarregamento faz com que o modelo precise de menos slots de prioridade para encontrar um programa factível e,
como consequência, limita o número de transições nasUDAs. Com menos transições
nasUDAs o modelo é menos eficiente em destilar misturas de alto valor marginal. A função objetivo usada nessa dissertação não considera custos relacionados ao processo como, por exemplo, custos de inventário, de movimentações, custos de
transições nasUDAse custos ocasionados por operação instável dasUDAsdecorren-
tes dos saltos de composição. Sugere-se para investigações futuras que se compare
o desempenho dos modelos com DNS e DS condicionados a uma função objetivo
que represente mais satisfatoriamente a realidade da refinaria. Outra possível exten- são deste estudo é usar outros algoritmos de solução como DICOPT ou estratégia de branching local.
De acordo com a restrição de quebra de simetria, Equação5.35, um operação só pode ser alocada ao slot de prioridade i se uma operação não-sobreposta a ela for alocada ao slot de prioridade i − 1. Essa premissa estabelece que um tanque que não começa na carga em t = 0 e não recebe descarregamento de parcela em t = 0 precisa receber pelo menos uma operação de descarregamento para ser ativado mais adiante no horizonte de programação.
Uma vez que a formulação MOSaproveita a estrutura do grafo de operações
não-sobrepostas para criar modelos mais compactos, um sugestão para melhorar a performance global de modelos para programação do suprimento de petróleo con-
cebidos a partir da formulação MOS é usar algoritmos para enumeração de cliques
máximos. O grafo de operações não-sobrepostas possui 56, 40, 63, 45, 54, e 36 vértices nos cenários um, dois, três, quatro, cinco e seis, respectivamente.
Quando a janela de tempo disponível para programar a produção é curta ou é preciso reprogramá-la por causa de imprevistos, é indispensável que os modelos usados como ferramenta de suporte à decisão possam ser resolvidos rapidamente. Alguns artifícios podem ser empregados para melhorar o tempo computacional dos
modelos. Para reduzir o tempo computacional da etapa MILP é possível usar pro-
cedimentos de seleção de nós e regras de branching apropriadas. Outra sugestão
para reduzir o tempo computacional da etapa MILP é truncar a árvore de busca do
NLPé diminuir a quantidade de soluções armazenadas no pool. Tais medidas têm um impacto direto na qualidade da solução final.
Nessa dissertação apenas 20 soluções foram selecionadas para o pool com a finalidade de se obter bons tempos computacionais na etapaNLP. Outras abordagens podem ser usadas para resolver o problema. Uma abordagem mais pragmática é armazenar muitas soluções no pool, e solucionar o problema com faixas mais justas de slots de prioridade n. Armazenar mais soluções no pool aumenta a possibilidade de encontrar o ótimo global com estratégia de decomposiçãoMILP-NLP.
Outra sugestão para trabalhos futuros é usar otimização robusta para conse- guir soluções de cenários que geram modelos inviáveis, como foi o caso do cenário um.
Posto que programar a produção é mais uma questão de viabilidade do que de otimalidade, a escolha de métodos de solução para modelos de programação, assim como seus resultados devem ser pensados de forma crítica e aliados à experiência, habilidade e criatividade dos programadores.