Você está na página 1de 10
IBP 1712_12 SEQUENCIAMENTO DE BATELADAS EM UMA REDE DE DUTOS REAL UTILIZANDO PROGRAMAÇÃO LINEAR INTEIRA MISTA

IBP1712_12

SEQUENCIAMENTO DE BATELADAS EM UMA REDE DE DUTOS REAL UTILIZANDO PROGRAMAÇÃO LINEAR INTEIRA MISTA Helton L. Polli 1 , Leandro Magatão 2 , William M. Brondani 1 Lúcia V. R. de Arruda 2 , Flávio Neves-Jr 2 , Paulo C. Ribas 3

Copyright 2012, Instituto Brasileiro de Petróleo, Gás e Biocombustíveis - IBP Este Trabalho Técnico foi preparado para apresentação na Rio Oil & Gas Expo and Conference 2012, realizado no período de 17 a 20 de setembro de 2012, no Rio de Janeiro. Este Trabalho Técnico foi selecionado para apresentação pelo Comitê Técnico do evento, seguindo as informações contidas no trabalho completo submetido pelo(s) autor(es). Os organizadores não irão traduzir ou corrigir os textos recebidos. O material conforme, apresentado, não necessariamente reflete as opiniões do Instituto Brasileiro de Petróleo, Gás e Biocombustíveis, Sócios e Representantes. É de conhecimento e aprovação do(s) autor(es) que este Trabalho Técnico seja publicado nos Anais da Rio Oil & Gas Expo and Conference 2012.

Resumo

Este trabalho propõe uma nova abordagem baseada em um modelo em Programação Linear Inteira Mista para otimizar o sequenciamento de bateladas em uma rede de dutos real. O processo de programação das atividades de transferência e estocagem dutoviária na rede abordada envolve restrições operacionais complexas, sendo um problema de otimização combinatória de difícil solução. Esta rede é composta por 14 órgãos interligados por 30 dutos por onde trafegam mais de 14 derivados de petróleo. Devido à complexidade do problema, uma estratégia de decomposição é empregada. Esta estratégia é baseada nos três elementos chaves do scheduling: alocação dos recursos, sequenciamento das atividades e determinação temporal. O presente trabalho foca o módulo de sequenciamento das atividades, propondo um modelo que considera as principais restrições operacionais do sistema, visando minimizar as violações de inventário. Os testes foram realizados utilizando cenários reais obtendo-se soluções em um tempo computacional não proibitivo (de segundos a poucos minutos). Os resultados indicam que um adequado sequenciamento das bateladas provê um melhor gerenciamento dos inventários dentro dos limites desejáveis.

Abstract

This paper proposes a novel approach based on a Mixed Integer Linear Programming model to optimize the sequencing of batches in a real world pipeline network. The scheduling process of transfer and storage operations in the addressed pipeline network involves complex operational constraints, being a combinatorial optimization problem difficult to solve. This network involves 14 areas interconnected by 30 pipelines through which more than 14 oil derivatives are transported. Due to the problem complexity, a decomposition strategy is employed. This decomposition is based on the three key elements of scheduling: assignment, sequencing and timing. This paper focuses on the sequencing module, proposing a model that considers the main operating constraints in order to minimize violations of inventory. The tests were performed using real scenarios resulting solutions in a non-prohibitive computational time (from seconds to a few minutes). The results show that a suitable sequencing of batches provides better management of inventories within the desirable limits.

1. Introdução

O transporte de derivados de petróleo é realizado, em sua maioria, por três diferentes modais: transporte ferroviário, hidroviário e dutoviário. Entre esses, destaca-se a utilização da malha dutoviária devido ao baixo custo e a ser ambientalmente mais seguro Kennedy (1993). Segundo a Petrobras - Petróleo Brasileiro S.A. - apenas em 2007, suas 11 refinarias produziram cerca de 1,8 milhão de barris de derivados por dia (aproximadamente 286 mil m³ ou 286 milhões de litros). Dentre esses derivados destacam-se: diesel, gás liquefeito de petróleo, gasolina, nafta, óleo combustível e querosene de aviação. São produtos que devem ser transportados e comercializados em todo o território nacional, ou até mesmo exportados. A Transpetro - Petrobras Transportes S.A - presta serviços a diversas distribuidoras, inclusive a

______________________________

  • 1 Mestrando – CPGEI/UTFPR

  • 2 Professor Doutor – UTFPR

  • 3 Mestre, Analista de Pesquisa Operacional – CENPES/PETROBRAS

Rio Oil & Gas Expo and Conference 2012

Petrobras, sendo responsável pela malha dutoviária brasileira, a qual é composta por, aproximadamente, 7.500 km de oleodutos e 7.000 km de gasodutos, os quais interligam as diversas regiões do país. Apenas em 2010, segundo relatório da Transpetro, foi registrada uma movimentação anual em torno de 700 milhões de m³ de petróleo/derivados, valor superior a 35% de toda a movimentação nacional. Desta forma, a otimização da logística do transporte dutoviário brasileiro pode propiciar ganhos operacionais relevantes. Atualmente, o processo de programação das atividades de transferência e estocagem na malha dutoviária brasileira vem sendo realizada por especialistas de forma manual, auxiliado apenas por sistemas que realizam a consistência das operações. Todavia, o crescente interesse da indústria petrolífera vem motivando o desenvolvimento de ferramentas de auxílio à tomada de decisão, principalmente as que empregam técnicas de otimização, visando a utilização dos recursos de forma mais eficiente, segura e lucrativa. Algumas abordagens de otimização para as atividades de programação operacional de curto prazo, ou scheduling operacional de curto prazo, de dutos podem ser encontradas na literatura, tais como em (Moura et al., 2008; Neves-Jr et al., 2007; Boschetto et al., 2010). Estes trabalhos indicam que os problemas de scheduling dutoviário de curto prazo são problemas de otimização combinatórias de difícil resolução. Assim, diversos autores têm empregado estratégias de decomposição (e.g. Neves-Jr et al., 2007; Boschetto et al., 2010, Boschetto et al., 2012) com o objetivo de reduzir a complexidade combinatorial, viabilizando a aplicação em redes de dutos. Contudo, conforme indicado em Boschetto et al. (2012), encontrar soluções de scheduling dutoviário de curto prazo para redes de dutos reais ainda é um problema de difícil solução computacional. Trabalhos que visem otimizar a qualidade das soluções obtidas nestes cenários, respeitando tempos computacionais não proibitivos, podem contribuir para o estado da arte na resolução do problema. No presente artigo aborda-se uma rede de dutos real, apresentada por Boschetto et al. (2010), onde o problema do scheduling da rede dutoviária foi tratado por meio de uma abordagem de decomposição do problema. A decomposição foi baseada nos três elementos chaves do scheduling, segundo Reklaitis (1992): alocação dos recursos, sequenciamento das atividades e a determinação temporal do uso dos recursos pelas atividades. Assim, em Boschetto et al. (2010) heurísticas construtivas, baseadas no conhecimento de especialistas do sistema, foram utilizadas para o desenvolvimento de módulos de alocação de recursos e sequenciamento das atividades. Adicionalmente, modelos baseados em MILP (Mixed Integer Linear Programming) foram utilizados para um módulo de temporização. Em Felizari et al. (2009) é apresentada uma solução para o módulo de sequenciamento das atividades utilizando programação por restrições (CP - Constraint Programming), entretanto o trabalho apresenta a modelagem de somente uma parte da rede de dutos em estudo, além de simplificações no tratamento de algumas condições operacionais. Recentemente, em Boschetto et al. (2012) apresenta-se uma solução utilizando modelos MILP que abordam os módulos de alocação e sequenciamento. Contudo, o trabalho desenvolvido em Boschetto et al. (2012) apresenta alto custo computacional para um relativo curto horizonte de tempo (sete dias). No contexto de estudo, horizontes temporais de trinta dias são desejáveis. Desta forma, em relação à Felizari et al. (2009) existe a possibilidade de expansão da rede de dutos em estudo e aprimoramento de condições operacionais observadas; em relação a Boschetto et al. (2012) há necessidade de diminuição da carga computacional da abordagem de solução e consequente aumento do horizonte temporal observado. Assim, o presente trabalho propõe uma nova abordagem para o problema de sequenciamento das atividades da rede de dutos apresentada por Boschetto et al. (2010) utilizado um modelo MILP. Este artigo está organizado da seguinte forma: a seção 2 apresenta a descrição do problema contextualizando posteriormente o modelo proposto. A seção 3 apresenta o modelo de sequenciamento MILP. A seção 4 apresenta os resultados obtidos e realiza a análise dos mesmos. Por fim, é feita a conclusão do presente trabalho na seção 5.

2. Descrição do problema e abordagem proposta

O cenário em estudo, o qual envolve 14 órgãos (ou nós), é ilustrado na Figura 1.

Rio Oil & Gas Expo and Conference 2012 Petrobras, sendo responsável pela malha dutoviária brasileira, a

Figura 1. Ilustração da rede de dutos em estudo.

Rio Oil & Gas Expo and Conference 2012

O cenário apresentado na Figura 1 envolve 4 refinarias (nós N3, N4, N5 e N6), 2 terminais portuários (N7 e N10), 2 clientes finais (N2 e N14) que recebem ou enviam produtos por meio de 5 terminais de distribuição (N8, N9, N11, N12 e N13). Em particular, o nó N1 não possui tanques para armazenamento de produtos, representando apenas um entroncamento de válvulas e bombas. Os órgãos são interligados através de 30 dutos unidirecionais ou bidirecionais, os quais podem ter seu sentido de fluxo revertido. Mais de 14 derivados de petróleo podem ser transportados nesta rede. A seguir elencam-se as principais considerações e restrições operacionais que influenciam no scheduling da rede de dutos. Detalhes adicionais podem ser obtidos em Boschetto et al. (2010).

As transferências devem ocorrer, preferencialmente, dentro do horizonte de programação, tipicamente, 30 dias.

Cada batelada transporta um volume de um determinado produto através de uma “rota”.

Cada rota indica um caminho de movimentação de um órgão de origem até um órgão de destino passando por

uma sequência de dutos e órgãos. Um exemplo de uma rota é {N6 - 25 - N8 - 28 - N1 - 4 - N11}. Pela mesma rota podem trafegar diferentes bateladas de diferentes produtos a diferentes vazões.

Cada órgão possui um conjunto de tanques para cada produto. Entretanto, existem limites mínimo, máximo e

meta de inventário para cada produto. Operações chamadas de “pulmão” ocorrem quando um órgão está recebendo uma batelada a uma determinada

vazão e a rebombeia para outro órgão em uma vazão diferente. Neste caso, armazenamento intermediário deve ser realizado. Todos os dutos inicializam completamente preenchidos com algumas bateladas que já foram bombeadas. Essas

bateladas são chamadas de “estoque duto”. Alguns dutos podem ter seu sentido de fluxo revertido, ou seja, podem ocorrem bombeio a partir das duas extremidades do duto. Esta operação é chamada de “reversão”. Neste caso uma batelada adicional deve ser considerada para a efetiva entrega das bateladas nos seus destinos. Em virtude da complexidade do problema envolvido, uma estratégia de decomposição do problema de

scheduling dutoviário foi adotada. A Figura 2 ilustra essa abordagem e destaca a imersão do modelo proposto no procedimento de solução. Os dados do cenário em análise, tais como: previsões de produção e demanda, estoque inicial dos tanques e estado inicial dos dutos são utilizados nos três módulos. Primeiramente, o módulo de alocação dos recursos determina as bateladas a serem bombeadas. Em seguida, o módulo de sequenciamento das atividades determina a ordem de passagem das bateladas pelos dutos. Por último, o módulo de determinação temporal define os tempos de bombeio e recebimento das bateladas, indicando detalhes operacionais do scheduling de curto prazo.

Rio Oil & Gas Expo and Conference 2012 O cenário apresentado na Figura 1 envolve 4

Figura 2. Abordagem baseada nos três elementos do scheduling.

Modelos MILP para rede de dutos que consideram o gerenciamento de inventários podem apresentar elevada carga computacional, ainda mais considerando o número de órgãos e produtos da rede em estudo. Desta forma, o módulo de alocação de recursos determina “janelas de tempo” para o órgão de origem e destino de cada batelada alocada. Assim, os módulos seguintes gerenciam violações de janelas de tempos, conforme Boschetto et al. (2010). A Figura 3(a) ilustra uma janela de tempo de envio na origem, a qual compreende o intervalo entre o TED (tempo de envio disponível) e o TEC (tempo de envio crítico). A Figura 3(b) ilustra uma janela de tempo de recebimento no destino, compreendida entre TRD (tempo de recebimento disponível) e TRC (tempo de recebimento crítico). De acordo Felizari et al. (2009) e Boschetto et al. (2012), respeitando-se as janelas de tempo, os inventários tendem a ser mantidos dentro dos limites operacionais. Entretanto, após executar-se a determinação temporal (último módulo), o scheduling obtido pode evidenciar, via de regra, que algumas janelas de tempo não são satisfeitas. Uma razão determinante para estas violações de janelas é que as abordagens anteriormente desenvolvidas para o módulo de sequenciamento não consideram em detalhe os atrasos temporais produzidos pelo transporte das bateladas na rede de dutos. No presente trabalho propõe-se um modelo em Programação Linear Inteira Mista (MILP) para a ordenação das bateladas que evite, ou ao menos minimize, as violações das janelas de tempo, aprimorando trabalhos desenvolvidos em Felizari et al. (2009) e Boschetto et al. (2012).

Rio Oil & Gas Expo and Conference 2012

Rio Oil & Gas Expo and Conference 2012 (a) (b) Figura 3. Janela de tempo na

(a)

Rio Oil & Gas Expo and Conference 2012 (a) (b) Figura 3. Janela de tempo na

(b)

Figura 3. Janela de tempo na origem (a) e no destino (b).

3. Formulação matemática

O modelo matemático proposto indica uma sequência de bateladas que serão bombeadas. Objetiva-se minimizar violações das janelas de tempo de cada batelada nos órgãos de origem e destino. A técnica MILP foi aplicada para o desenvolvimento do modelo de sequenciamento, utilizando o software IBM-ILOG CPLEX STUDIO 12.2, executando o solver CPLEX 12.2. A notação utilizada para a elaboração do modelo, que envolve definições de conjuntos, índices, conjuntos esparsos, variáveis e parâmetros de entrada, é apresentada no Quadro 1.

Quadro 1. Notação utilizada no modelo matemático proposto

Conjuntos

Variáveis

 

N

{1

..norg}

Órgãos

atO b,nob

Atraso no bombeamento da batelada b no órgão de

D

{1

..ndut}

Dutos

origem no b (h)

B

{1

..nbat}

Bateladas

adD b,ndb

Adiantamento no recebimento da batelada b no órgão de

R

{1

..nrot}

Rotas

destino nd b (h)

 

atD b,ndb

Atraso no recebimento da batelada b no órgão de

Início de bombeio da batelada b saindo do órgão n para

Final de bombeio da batelada b saindo do órgão n para

Início de recebimento da batelada b no órgão n’, a qual

Índices

n,n’

N

Órgãos

 

ib

b,n,n,d

destino nd b (h)

no b

N

Órgão de origem de b

fb

n’ através do duto d (h)

nd b

N

Órgão de destino de b

b,n,n,d

d,d1

D

Duto

ir b,n,n,d

n’ através do duto d (h)

b,b1

B

Batelada

saiu do órgão n, no duto d (h)

r b

R

Rota da batelada b

fr b,n,n,d

Final de recebimento da batelada b no órgão n’, a qual saiu do órgão n ,no duto d (h)

Conjuntos esparsos

   

PD b,b1,d

Variável binária que identifica a precedência das

Borig

{b,n}

Órgão de origem n da batelada b

 

bateladas b e b1 no duto d

Bdest

{b,n’}

Órgão de destino n’ da batelada b

bRev b,b1,d

Variável binária que identifica a precedência das

BNNDrota

   

{b,n,n’,d}

Duto d no sentido de n para n’ da

bateladas b e b1 no duto d, quando estas possuem

 

batelada b, onde d

r b

 

sentido de movimentação distintos (reversão de fluxo)

BNNDbomb

   

{b,n,n’,d}

Duto d no sentido de n para n’ da

   
 

batelada b, onde d

r b , exceto o primeiro duto da rota

Parâmetros

 

BNNDorig

   

{b,n,n’,d}

Duto d no sentido de n para n’ da

 

norg

Número de órgãos

 

batelada b, onde d é o primeiro duto da rota

 

ndut

Número de dutos

BNNDdest

   

{b,n,n’,d}

Duto d no sentido de n para n’ da

 

nbat

Número de bateladas

 

batelada b, onde d é o último duto da rota

 

nrot

Número de rotas

BBDrev

{b,b1,d}

b e b1 trafegam por sentido de fluxo

 

Kto

Custo de violação da tancagem na origem ($)

contrário no duto d, caracterizando a reversão de fluxo

Ktd

Custo de violação da tancagem no destino ($)

P

{b,b1,d}

Primeiro duto d de conflito entre as

TED b

Tempo de envio disponível da batelada b em relação a

bateladas b e b1, quando estas possuem mais de um duto

de conflito (obs.: duto de conflito é um duto em que

capacidade no órgão de origem (h)

ambas bateladas devem trafegar e, assim, disputam o uso

TEC b

Tempo de envio crítico da batelada b em relação a capacidade no órgão de origem (h)

do recurso d)

TRD b

Tempo de recebimento disponível da batelada b em

Tempo de recebimento crítico da batelada b em relação

Tempo que a batelada b despende para ser bombeada

P1

{b,b1,d}

Duto d posterior ao primeiro duto de

 

relação a capacidade no órgão de destino (h)

conflito entre as bateladas b e b1

 

TRC b

PULMAO

{b,b1,n,n’,n1’,d,d1}

bateladas

b

e

b1

que

a capacidade no órgão de destino (h)

 

realizam pulmão em n’

 

tBombBat b

 

(h)

tBatDuto b,d

Tempo que a batelada b despende para ser deslocada de uma extremidade até a outra no duto d (h)

Rio Oil & Gas Expo and Conference 2012

3.1. Função Objetivo A Expressão 1 indica que a função objetivo envolve minimizar violações nas janelas
3.1. Função Objetivo
A Expressão 1 indica que a função objetivo envolve minimizar violações nas janelas de tempo de cada batelada
para os órgãos de origem e destino. Nos órgãos de origem, apenas o atraso no bombeamento (
atO
) é permitido, sendo
b no
,
b
penalizado pelo fator Kto . O termo
adD
representa os adiantamentos de recebimento no destino e o termo
b nd
,
b
atD
representa o atraso de recebimento no destino, ambos penalizados pelo fator Ktd .
b nd
,
b
minimizar
∑ ∑
)
atO
Kto
+
∑ ∑
(adD
+
atD
Ktd
(1)
b no
,
b nd
,
b nd
,
b
b
b
no
N b
B
nd
N b
B
b
b
3.2. Restrições
A seguir, apresenta-se o conjunto de restrições do modelo proposto. A Inequação 2 restringe o início de bombeio
da batelada b (
ib
) no duto de origem de bombeio d pelo seu
TED
.
b n n
,
,
',
d
b
ib
TED
{b n n
,
,
',
d}
BNNDorig
, {
b n
,
}
Borig
(2)
b n n
,
,
',
d
b
Na Inequação 3, o final de bombeio da batelada b (
fb
) no duto de origem de bombeio d é limitado pelo
b n n
,
,
',
d
seu
TEC , sendo possível a ocorrência de violações temporais. Nestes casos, a variável
atO
recebe um valor positivo,
b
b n
,
penalizado na função objetivo. Analogamente, à Inequação 3, a Inequação 4 restringe o início de recebimento da batelada
b ( ir
) no duto de destino d pelo valor de
TRD . Violações ( adD ) são novamente permitidas e penalizadas na
b n n
,
,
',
d
b
b,n'
função objetivo. Adicionalmente, a Inequação 5 limita o final de recebimento da batelada
b no duto de destino
d ( fr
) pelo valor de
TRC
penalizando-se possíveis violações ( atD
).
b n n
,
,
',
d
b
b,n'
fb
TEC
+
atO
{b n n
,
,
',
d}
BNNDorig
,
{
b n
,
}
Borig
(3)
b n n
,
,
',
d
b
b n
,
ir
TRD
+
adD
{b n n
,
,
',
d}
BNNDdest
, {
b n
,
'}
Bdest
(4)
b n n
,
,
',
d
b
b n
,
'
fr
TRC
+
atD
{b n n
,
,
',
d}
BNNDdest
, {
b n
,
'}
Bdest
(5)
b n n
,
,
',
d
b
b n
,
'
As Equações 6 até 8 determinam o deslocamento temporal das bateladas pelas suas rotas. Para todos os dutos da
rota, o final de bombeio da batelada
b (
fb
)
será igual ao
início de bombeio (
ib
) acrescido o tempo de
b n n
,
,
',
d
b n n
,
,
',
d

bombeio da batelada (

tBombBat ), conforme Equação 6. Em relação ao início de recebimento ( ir

b

b n n

,

,

',

d

), a Equação 7

determina como sendo o início de bombeio( ib ) acrescido ao tempo que a batelada demora
determina como sendo o início de bombeio(
ib
) acrescido ao tempo que a batelada demora trafegando pelo duto d
b n n
,
,
',
d
(
tBatDuto
). De modo análogo à Equação 7, o final de recebimento
fr
é apresentado na Equação 8.
b d
,
b n n
,
,
',
d
fb
=
ib
+
tBombBat
{b n n
,
,
',
d}
BNNDrota
(6)
b n n
,
,
',
d
b n n
,
,
',
d
b
ir
=
ib
+
tBatDuto
{b n n
,
,
',
d}
BNNDbomb
(7)
b n n
,
,
',
d
b n n
,
,
',
d
b d
,
fr
=
ir
+
tBombBat
{b n n
,
,
',
d}
BNNDbomb
(8)
b n n
,
,
',
d
b n n
,
,
',
d
b

A Equação 9 estabelece uma coordenação temporal nos órgãos intermediários, ou órgãos de passagem, da rota da

batelada b . Desta forma, o início de bombeio da batelada b do órgão

n1

recebimento (

ir

b n n

,

,

1,

d

) desta batelada no órgão n1.

(

ib

b,n1,n2,d1

) tem que ser igual ao início de

ib

b n

,

1,

n

2,

d

1

=

ir

b n n

,

,

1,

d

{

b n

,

1,

n

2,

d

1}

BNNDbomb

, {

b n n

,

,

1,

d

}
}

BNNDbomb

|

n

π

n

1

n

1

π

n

2

d

π

d

1

(9)

Rio Oil & Gas Expo and Conference 2012

No caso de duas bateladas b e b1 trafegarem pelo mesmo duto d , o tempo de início e final de bombeio de b e

b1 devem evitar a sobreposição (overlapping) entre lotes. Sendo assim, se b precede b1 , então o final de bombeio de

b deve ser menor ou igual ao início de bombeio de b1 . No caso contrário, b1 precede b , o final de bombeio de b1 deve

ser menor que o início de bombeio de b , conforme Restrição 10. Ressalta-se que a condição lógica ou (“ ”) é

linearizada no ambiente de desenvolvimento IBM-ILOG.

PD

b b

,

1,

d

{ } { } fb ib ⁄ fb ib b n n , , ', d
{
}
{
}
fb
ib
fb
ib
b n n
,
,
',
d
b
1,
n
1,
n
1',
d
b
1,
n
1,
n
1',
d
b n n
,
,
',
d
(10)
{b n n
,
,
',
d}
BNNDbomb {b
,
1,
n
1,
n
1',
d}
BNNDbomb
, {
b b
,
1,
d
}
BBDreq
A Expressão 11 estabelece uma precedência entre as bateladas b e b1 no duto
d .
Caso
a
variável binária
seja 1, a batelada b1 precede b no duto
d , caso contrário (
PD
=
0
), b precede b1 .
b b
,
1,
d
{
}
{
}
fb
ib
PD
=
1
fb
ib
PD
=
0
b n n
,
,
',
d
b
1,
n
1,
n
1',
d
b b
,
1,
d
b
1,
n
1,
n
1',
d
b n n
,
,
',
d
b b
,
1,
d
(11)
{b n n
,
,
',
d}
BNNDbomb {b
,
1,
n
1,
n
1',
d}
BNNDbomb
, {
b b
,
1,
d
}
P
As Implicações 12 e 13 estabelecem a precedência entre
b
e
b1
nos dutos de conflito. Ressalta-se que

operadores de implicação (“

”) são linearizados no ambiente de desenvolvimento IBM-ILOG.

 

PD

b b

,

1,

dx

=

1

{

b n n

,

,

',

d

}

PD

b b

,

1,

dx

=

0

{

b n n

,

,

',

d

}

fb

b n n

,

,

',

d

ib

b

1,

n n

,

',

d

BNNDbomb

, { 1,

b

n n

,

',

d

}

BNNDbomb

, {

b b

,

1,

dx

}

P

, {

b b

,

1,

d

}

fb

b

1,

n n

,

',

d

ib

b n n

,

,

',

d

BNNDbomb

, { 1,

b

n n

,

',

d

}

BNNDbomb

, {

b b

,

1,

dx

}

P

, {

b b

,

1,

d

}

P

1

(12)

P

1

(13)

As Expressões 14 e 15 consideram a operação de reversão entre as bateladas b e b1 , acrescentando ao início de

bombeio da batelada b o tempo que será despendido na reversão de fluxo no duto d.

ib

b n n

,

,

',

d

fb

b

1,

n

1,

n

1',

d

+

tBatDuto

b d

,

{

b n n

,

,

',

d

}

BNNDbomb

, { 1,

b

n

1,

n
n

b

Re

1',

d

}

v

10 4

b

1,

b d

,

BNNDbomb

b

Re

v

b

1,

b d

,

+

b

Re

v

b b

,

1,

d

=

1

 

(14)

, {

b b

,

1,

d

}

|

BBDrev n

π

n

1

n

'

π

n

1'

(15)

As equações 16 e 17 realizam o sincronismo das operações de pulmão, conforme a diferença de vazão entre as

bateladas b e b1 .

fb

b

1,

n

',

n

1',

d

1

= fr

b n n

,

,

',

d

{

b b

,

1,

n n

,

',

n

1',

d

,

d

1

}

PULMAO vazBomb

|

b d

,

vazBomb

b

1,

d

1

ib

b

1,

n

',

n

1',

d

1

= ir

b n n

,

,

',

d

{

b b

,

1,

n n

,

',

n

1',

d

,

d

1

}

PULMAO vazBomb

|

b d

,

vazBomb

b

1,

d

1

4. Resultados e discussões

(16)

(17)

Nesta seção compara-se a sequência de bateladas obtida pelo modelo proposto com a sequência fornecida pela

metodologia baseada em heurísticas construtivas apresentada em Boschetto et al. (2010). As sequências são processadas

pelo módulo de temporização proposto por Boschetto et al. (2010), definindo em detalhes os tempos de bombeamento e

recebimento de cada batelada. Três cenários reais que compreendem, cada um, um período de 30 dias do scheduling

operacional são utilizados nos testes. A Tabela 1 apresenta alguns indicadores do modelo MILP de sequenciamento para

os três cenários testados. O tempo de execução foi limitado em 300 segundos. Para o cenário C1, a solução ótima foi

encontrada em aproximadamente 65 segundos. Nos outros cenários, as melhores soluções encontradas apresentaram uma

diferença para as melhores soluções possíveis (Gap) devido à limitação temporal. A função objetivo (F.O.) representa o

somatório de todas as violações das janelas de tempo ponderadas pelos seus fatores, descritos na seção 3. O número

elevado de variáveis, principalmente binárias, e restrições são consequências do número de bateladas envolvidas, as quais

atendem a produção e demanda de todos os órgãos da rede para um período de 30 dias.

Rio Oil & Gas Expo and Conference 2012

Tabela 1. Resultados do modelo de sequenciamento

Cenário

C1

C2

C3

Tempo (segundos)

63,69

300

300

F.O.

4,95261E+07

2,2114E+08

4,9018E+07

Melhor nó

4,95163E+07

1,6695E+08

4,2969E+07

Gap(%)

0,02

24,51

12,34

NVariáveis

22000

32820

19722

NVariáveis

binárias

17917

28286

15872

NVariáveis

inteiras

36

47

38

NRestrições

16142

21438

14693

NBateladas

276

286

256

A Tabela 2 compara resultados, após a temporização, entre a abordagem utilizando heurísticas construtivas

(Heurístico) e o modelo proposto (MILP). A função objetivo (F.O.) indica as violações das janelas de tempo. Para todos

os cenários testados obteve-se uma redução significativa da F.O. e, consequentemente, das violações de estoques

(Boschetto et al., 2010). Destaca-se também o período necessário para a movimentação de todas as bateladas (Horizonte).

Observa-se a redução desse fator para o modelo proposto. Por exemplo, no cenário C1 obteve-se uma solução com um

período de 720 horas, ao passo que para a abordagem heurística há necessidade de adicionais 16h para completar as

movimentações. Outro indicador observado é o número de operações de reversão (NReversões) que ocorrem no cenário.

Operações de reversão de fluxo são custosas e devem ser minimizadas.

Tabela 2. Comparação dos resultados após o scheduling

Cenário

C1

C2

C3

 

Heurístico

MILP

Heurístico

MILP

Heurístico

MILP

F.O.

6,2652E+08

1,4269E+08

1,5847E+09

4,1949E+08

1,0164E+09

4,7432E+08

Horizonte (h)

736

720

758

738

903

760

NReversões

19

14

21

16

24

21

A seguir, apresenta-se um caso de estudo utilizando diagramas de Gantt e perfil de estoque para elucidar a

influência da sequência de bateladas na qualidade da solução proposta. O cenário em análise será o C1. A Figura 4, ilustra

uma carta de Gantt do bombeamento de todas as bateladas. A solução ilustrada foi obtida por meio da abordagem

heurística. Cada linha representa um duto da rede e as cores representam os produtos. O eixo horizontal está associado ao

tempo. No caso em análise, as bateladas são bombeadas durante um horizonte de tempo de até 30 dias e 16 horas.

O duto 4 é utilizado para a chegada dos produtos P1 e P2 no órgão N11. Este órgão possui elevada demanda

destes produtos em relação à capacidade de estocagem disponível. Assim, o suprimento da demanda deve ser realizado

por meio de uma frequente chegada de bateladas de P1 e P2 em N11. Na Figura 4, duto 4, é destacado um longo período

em que não há regularidade na entrega de P1 e P2. Em consequência, na Figura 5, a qual ilustra a projeção de estoque do

produto P2 no órgão N11 em função do horizonte de tempo, observa-se que durante alguns dias não existiria produto

suficiente para atender à demanda (período onde o estoque está abaixo de 0 na Figura 5). Na prática operacional, esta é

uma solução inviável.

Para o mesmo cenário em estudo, a carta de Gantt da solução sugerida pelo modelo de sequenciamento proposto

é ilustrada pela Figura 6, onde se observa o suprimento do produto na frequência requerida pelo órgão. Desta forma,

percebe-se por meio da projeção de estoque, representada pela Figura 7, que o atendimento à demanda não mais

necessitaria ser interrompido, ocorrendo somente violações dos estoques mínimos e máximos por apenas algumas horas.

Esta é uma situação operacional mais adequada se comparada à solução da Figura 5. Portanto, destaca-se a influência da

ordenação das bateladas no gerenciamento dos inventários a fim de viabilizar a utilização da solução obtida na prática

operacional. Adicionalmente, nota-se que a mesma carteira de bateladas pode apresentar diferentes soluções, apenas

alterando-se a precedência das bateladas nos dutos da rede. Assim, o adequado sequenciamento das bateladas é um fator

crucial na determinação da qualidade da solução final de scheduling.

Rio Oil & Gas Expo and Conference 2012

Rio Oil & Gas Expo and Conference 2012 Figura 4. Carta de Gantt da solução heurística.

Figura 4. Carta de Gantt da solução heurística.

Rio Oil & Gas Expo and Conference 2012 Figura 4. Carta de Gantt da solução heurística.

Figura 5. Projeção do estoque do produto P2 no órgão N11 da solução heurística.

Rio Oil & Gas Expo and Conference 2012 Figura 4. Carta de Gantt da solução heurística.

Figura 6. Carta de Gantt da solução obtida pelo modelo de sequenciamento.

Rio Oil & Gas Expo and Conference 2012

Rio Oil & Gas Expo and Conference 2012 Figura 7. Projeção do estoque do produto P2

Figura 7. Projeção do estoque do produto P2 no órgão N11 da solução ordenada pelo modelo proposto.

  • 5. Conclusão

Este trabalho apresenta um modelo de otimização para o sequenciamento de bateladas em uma rede de dutos

real, a qual conecta refinarias, terminais e clientes finais, transportando diferentes derivados de petróleo. O modelo está

imerso numa abordagem de decomposição baseada nos três elementos chaves do scheduling: alocação, sequenciamento e

temporização, conforme Boschetto et al. (2010). O objetivo do modelo é encontrar a melhor ordem das bateladas geradas

pelo módulo de alocação, minimizando violações de inventário em todos os órgãos da rede. Considera-se a necessidade

de obtenção de soluções em um tempo de execução de poucos minutos, viabilizando-se a utilização dos resultados do

modelo em um processo de auxílio à tomada de decisão operacional de curto prazo.

Os testes foram executados utilizando 3 cenários contendo um conjunto de mais de 250 bateladas. Realizaram-se

comparações com a abordagem heurística apresentada por Boschetto et al. (2010). Todos os cenários testados

apresentaram redução de mais de 50% no valor da função objetivo do scheduling, o que representa diretamente uma

redução das violações de inventário. Adicionalmente, o horizonte de programação e o número de reversões sofreram

reduções. indicando soluções de melhor qualidade.

Finalmente, para trabalhos futuros, uma formulação matemática mais detalhada pode possibilitar a obtenção de

melhores resultados. Por exemplo, a consideração de violações nos diferentes limites de estoques, tais como meta, mínimo

e máximo. Adicionalmente, a inserção de restrições que reduzam as possibilidades de troca de ordem limitaria o espaço

de busca, possibilitando a redução do tempo computacional. A consideração na função objetivo de outras características

operacionais, tais como a interface entre produtos proibidos pode conduzir o modelo à obtenção de soluções mais

aderentes à prática operacional.

  • 6. Agradecimentos

Este

trabalho

recebeu

o

apoio

financeiro

da

ANP/FINEP

(PRH-ANP/FINEP,

PRH10/UTFPR),

PFRH-

PETROBRAS (Convênio 6000.0067933.11.4), CENPES-PETROBRAS (TC 0050.0066666.11.9) e CNPq (grants

304037/2010-9 e 311877/2009-5).

  • 7. Referências

BOSCHETTO, S.N., MAGATÃO, L., BRONDANI, W.M., NEVES-JR, F., ARRUDA, L.V.R., BARBOSA-PÓVOA,

A.P.F.D., RELVAS, S. An operational scheduling model to product distribution through a pipeline network, In:

Industrial & Engineering Chemistry Research. v. 49, p. 56615682, 2010.

BOSCHETTO, S.N., NEVES-JR, F., MAGATAO, L., POLLI, H.L., ARRUDA, L.V.R., RELVAS, S., BARBOSA-

PÓVOA, A.P.F.D. Planning and Sequencing Product Distribution in a Real-World Pipeline Network: An MILP

Decomposition Approach, Industrial & Engineering Chemistry Research, v. 51, p. 4591-4609, 2012.

Rio Oil & Gas Expo and Conference 2012

FELIZARI, L.C., ARRUDA, L.V.R., STEBEL, S.L., LÜDERS, R. Sequencing Batches in a Real-World Pipeline

Network Using Constraint Programming, In: 10th International Symposium on Process Systems Engineering,

Salvador, v. 27, p. 303-308, 2009.

KENNEDY, J.L. Oil and Gas Pipeline Fundamentals. Oklahoma, USA, PennWell Publishing Company, 1993.

MOURA, A.V., SOUZA, C.C., LOPES, T.M.T., CIRÉ, A. A. Heuristics and Constraint Programming Hybridizations for

a Real Pipeline Planning and Scheduling Problem. 11th IEEE International Conference on Computational Science

and Engineering, p. 455–462, 2008.

NEVES-JR, F., ARRUDA, L.V.R., MAGATAO, L., STEBEL, S.L., LÜDERS, R. FELIZARI, L.C. BOSCHETTO, S.N.,

YAMAMOTO, L., MORI, F.M., BARBOSA, V., BONACIN, M.V., POLLI, H.L. An Efficient Approach to the

Operational Scheduling of a Real-World Pipeline Network, In: 17th European Symposium on Computer Aided

Process Engineering (ESCAPE 17), Bucareste, p. 697–702, 2007.

REKLAITIS, G.V., Overview of Scheduling and Planning of Batch Process Operations, Proceedings of the NATO

Advanced Study Institute on Batch Processing System, p. 660-705, 1992.