PLANEJAMENTO DA FROTA DE SONDAS PARA

ATENDIMENTO DE UMA CAMPANHA DE PERFURAO DE

UM CAMPO

Andr Falex

PROJETO FINAL SUBMETIDO AO CORPO DOCENTE DO CURSO DE

ENGENHARIA
UNIVERSIDADE

DO

PETRLEO

FEDERAL

DO

DA
RIO

ESCOLA
DE

POLITCNICA

JANEIRO

COMO

DA

PARTE

INTEGRANTE DOS REQUISITOS NECESSRIOS PARA A OBTENO DO

GRAU DE ENGENHEIRO DO PETRLEO.

Aprovado por:

__________________________________________
Virgilio Jos Martins Ferreira Filho
(Orientador)
__________________________________________
Shiniti Ohara
(Co-orientador)
__________________________________________
Ismael da Silva Soares

_________________________________________
Clovis Antonio Lopes

RIO DE JANEIRO, RJ BRASIL

JANEIRO, 2009

Dedicatria

Dedico este trabalho minha me, Maria Jos, e ao meu pai, Israel, que sempre
acreditaram no meu potencial e que, por muitas vezes, abdicaram das prprias vontades
para
.

que

me

dar

condies

de

alcanar

meus

sonhos.
.

ii

Agradecimentos

Agradeo primeiramente a meus familiares: meus pais, minha irm, minhas tias,
meu av e minha av, onde quer que ela esteja, por todo o apoio durante toda minha
vida.
Agradeo ao meu orientador, Virgilio Jos Martins Ferreira Filho, por toda
dedicao, conhecimento e tempo a mim destinados e que sem os quais seria impossvel
realizar este trabalho.
Ao professor Shiniti Ohara, por sempre responder prontamente a todas as
dvidas sobre o lado prtico da indstria de petrleo que tive ao longo do
desenvolvimento deste trabalho.
Ao colega de curso Felipe Lima, por toda pacincia e dedicao para a
realizao das vrias e vrias simulaes de cenrios requisitadas nem sempre nos
melhores horrios.

iii

Sumrio
Dedicatria ...................................................................................................................... ii
Agradecimentos ............................................................................................................. iii
Nomenclatura................................................................................................................. vi
Lista de Figuras ............................................................................................................ vii
Lista de Tabelas ........................................................................................................... viii
Resumo ........................................................................................................................... ix
Abstract ........................................................................................................................... x
1

Introduo ............................................................................................................... 1
1.1

Descrio .......................................................................................................... 1

1.2

Relevncia ........................................................................................................ 2

1.3

Estrutura do Trabalho ....................................................................................... 2

Reviso da Literatura............................................................................................. 4
2.1

O Algoritmo Gentico ...................................................................................... 8

O Problema de Otimizao de Itinerrio de Sondas de Perfurao................ 13

3.1

Descrio do Problema................................................................................... 13

3.2

Formulao Matemtica ................................................................................. 14

3.3

A atividade...................................................................................................... 15

3.4

O Campo de Marlim Sul................................................................................. 18

3.5

Sondas............................................................................................................. 22

A Soluo do Problema ........................................................................................ 25

4.1

O Software ...................................................................................................... 25

4.2

Os parmetros ................................................................................................. 26

4.3

Cenrios .......................................................................................................... 27

4.3.1

O cenrio-base As cincos sondas perfurando o campo inteiro............ 28

4.3.2

Cenrio 2 Uma sonda para o campo inteiro ........................................ 29

4.3.3

Cenrio 3 Diviso por mdulos ........................................................... 30

4.3.3.1

Mdulo 1 ............................................................................................ 30

4.3.3.2

Mdulo 2 ............................................................................................ 31

4.3.3.3

Mdulo 3 e Mdulo 4 ......................................................................... 31

4.3.3.4

Composio por mdulos simultneos ............................................... 32

iv

4.3.3.5

Composio por mdulos no simultneos ........................................ 34

4.3.4

Cenrio 4 Quatro sondas para todo o campo....................................... 34

4.3.5

Cenrio 5 O efeito do nmero de sondas............................................. 36

4.4

Recapitulao dos resultados o melhor cenrio........................................... 38

4.5

Experimentaes............................................................................................. 38

Concluses ............................................................................................................. 40

Referncias Bibliogrficas ................................................................................... 43

Anexo I........................................................................................................................... 48

Nomenclatura
m

Mdia ...................................................................................................... [bpd]

Perda de Produao .................................................................................. [bpd]

Taxa Diria de Aluguel ....................................................................[US$/dia]

Tempo ...................................................................................................... [dia]

Smbolos Gregos:

Tempo de Servio .................................................................................... [dia]

Subscritos:
( )i

Sondas

( )j

Poos

Siglas:
AG

Algoritmo Gentico

FO

Funo-Objetivo

FPSO

Floating Production Storage and Offloading

FSO

Floating Storage and Offloading

HSD

High-Specification Drillship Navio-sonda de Alta Especificao

HSS

High-Specification

Semisubmersible

Semi-Submersvel

de

Alta

Especificao
ROP

Rate of Penetration Taxa de Penetrao

SPT

Sondas de Perfurao Terrestre

vi

Lista de Figuras

Figura 1: Pseudo-Algortimo do VNS, retirada de (BOAVENTURA-NETTO, 2004). ... 6

Figura 2: Exemplo de Cruzamento Uniforme, retirada de (VASCONCELLOS 2007). 10
Figura 3: Exemplo de Cruzamento 1-partio, retirada de (VASCONCELLOS 2007). 10
Figura 4: Exemplo de Cruzamento 2-partio, retirada de (VASCONCELLOS 2007). 11
Figura 5: Exemplo de uma mutao, retirada de (PROJETO ISIS). .............................. 11
Figura 6: Passos de um Algoritmo Gentico, retirada de (DALBONI, 2003). .............. 12
Figura 7: Plataforma Semi-Submersvel Henry Goodrich, retirada de (TOOLPUSHER,
2008) http://www.toolpusher.co.uk/images/Henry%20Goodrich%20storm%202.JPG. 17
Figura 8: Navio-Sonda Deepwater Millenium, retirada de (RIGZONE DATA CENTER,
2008) http://www.rigzone.com/data/rig_detail.asp?rig_id=154..................................... 17
Figura 9: Esquema do Campo de Marlim Sul, retirada de (PETROBRAS, 2008). ....... 20
Figura 10: Tempo de Perfurao por 5 sondas em poos de 16 mil ps, retirado de
(MATCHING RIGS AND DEEPWATER PROGRAMS, 2005) .................................. 23
Figura 11: Imagem do software resolvendo um caso qualquer. ..................................... 25
Figura 12: Exemplo de Diagrama de Gantt para 5 sondas. ............................................ 26
Figura 13: Tempo gasto na perfurao considerando o nmero de sondas.................... 37
Figura 14: Custo total do projeto considerando o nmero de sondas............................. 37

vii

Lista de Tabelas
Tabela 1: Nomenclatura dos principais elementos do Algoritmo Gentico..................... 9
Tabela 2: Poos Produtores e Injetores de Marlim Sul, retirada de (PETROBRAS,
2007)............................................................................................................................... 19
Tabela 3: Produo de leo por mdulo, retirada de (PETROBRAS, 2007) ................. 20
Tabela 4: Limites inferior e superior da LDA de cada um dos mdulos........................ 21
Tabela 5: Medidas Estatsticas da Produo Mdia. ...................................................... 22
Tabela 6: Velocidade Mdia Calculada para cada uma das sondas. .............................. 23
Tabela 7: Limites de LDA, Profunidade e a taxa diria para cada uma das sondas....... 24
Tabela 8: Parmetros definidos para o Algoritmo Gentico. ......................................... 27
Tabela 9: Nmero de identificao das sondas. ............................................................. 28
Tabela 10: As cinco sondas perfurando o campo inteiro................................................ 28
Tabela 11: Cada sonda perfurando o campo inteiro. ...................................................... 29
Tabela 12: Cada sonda perfurando o mdulo 1.............................................................. 30
Tabela 13: Cada sonda perfurando o mdulo 2.............................................................. 31
Tabela 14: Cada sonda perfurando o mdulo 3.............................................................. 32
Tabela 15: Cada sonda perfurando o mdulo 4.............................................................. 32
Tabela 16: Sonda 2 no mdulo 3 e sonda 3 no mdulo 4............................................... 33
Tabela 17: Sonda 3 no mdulo 3 e sonda 2 no mdulo 4............................................... 33
Tabela 18: Melhor composio encontrada de sonda por mdulo considerando
perfurao simultnea..................................................................................................... 33
Tabela 19: Melhor composio encontrada de sonda por mdulo considerando
perfurao no simultnea. ............................................................................................. 34
Tabela 20: Combinaes de quatro sondas para o campo inteiro. ................................. 35
Tabela 21: Cenrios considerando o efeito do nmero de sondas diferentes................. 36
Tabela 22: Experimentaes envolvendo a duplicao da sonda Enterprise. ................ 39
Tabela 23: Resumo das caractersticas geradas para cada um dos poos....................... 48

viii

Resumo
A taxa diria paga pelo aluguel de sondas de perfurao offshore tem impacto
cada vez maior no custo total do projeto de desenvolvimento de um campo. As sondas
mais modernas, capazes de perfurar em profundidades de gua superiores a 2000 metros
so alugadas por mais de US$ 500.000 por dia. Este trabalho adota a meta-heurstica
chamada de Algoritmo Gentico para a criao de programa que minimize estes custos
de aluguel de sonda. Definidas as variveis de interesse para as sondas e para os poos,
foram simulados diversos cenrios. Como so utilizados diferentes tipos de sonda,
possvel fazer comparaes entre o custo-benefcio delas. As sondas mais modernas,
embora mais caras, so mais vantajosas que as mais antigas, pois realizam o trabalho
mais rapidamente e so capazes de trabalhar em lminas dgua maiores. O custo total
do projeto, embora seja importante, no demonstrou ser o mais essencial. O tempo de
desenvolvimento mais sensvel ao nmero e tipos de sondas, por isso merece mais
cuidado durante a programao
Palavras-chave: Taxa de Aluguel de Sondas de Perfurao, Algoritmo Gentico, Perda
de Produo.

ix

Abstract

The day rate paid by the rental of offshore drilling rigs has increasing impact on
the total cost of the project of developing a field. The most modern rigs, capable of
drilling in water depths greater than 2,000 meters are charted for more than $ 500,000
per day. This paper uses a meta-heuristic named Genetic Algorithm for creating a
program that minimizes the cost of renting these equipments. After defining the
variables of interest to the rigs and to the wells, various scenarios were simulated. As
different types of rigs are used, it is possible to make comparisons between the costbenefit of them. The most modern rigs, although more expensive, are more favorable
than earlier ones, because they do the work faster and are capable of working in greater
water depths. The total cost of the project, although important, not shown to be the most
essential. The development time is more sensitive to the number and the types of
vehicles

used,

so

it

deserves

more

careful

watch

during

the

planning.

Keywords: Drilling Rigs Rental Rate, Genetic Algorithm, Loss of Flow.

Introduo

1.1 Descrio
Perfurao de poo o nome dado ao processo de se fazer um poo no solo para
a retirada de recursos naturais, tais como a gua, o petrleo ou o gs natural. Na
indstria de petrleo, esta atividade pode ter por destino, alm da extrao do leo ou do
gs natural (poos produtores), a construo de um poo injetor, o qual servir para a
injeo de algum fluido que auxilie na recuperao do hidrocarboneto. Os poos podem
ser onshore (em terra) ou offshore (no mar); verticais ou direcionais.
A perfurao realizada por um equipamento chamado de sonda de perfurao.
O princpio bsico de funcionamento de uma sonda a rotao da broca sobre a qual se
aplica peso. Os primeiros poos foram perfurados em terra, mas com o passar dos anos,
a atividade de extrao de petrleo caminhou para dentro do mar, trabalhando em
lminas dgua cada vez maiores. Assim, as sondas tiveram que se modernizar para
atender tais condies e, com isso, se tornaram mais caras.
As sondas de perfurao, equipamento central do processo, so alugadas a taxas
dirias elevadas da ordem de centenas de milhares de dlares Norte-Americanos
representando grande parte do dispndio no custo do poo. Os valores de aluguel
seguem regras de mercado como qualquer outro equipamento. Assim, dependem de
uma relao entre tamanho da frota mundial de sondas oferta e da quantidade de
sondas em uso demanda (ROSENBLATT, 2006). Dados da RIGZONE (2008)
reportam uma utilizao de mais de 87% nos ltimos meses.
Dado o grande impacto do valor da tarifa diria de sondas offshore nos
investimentos em explorao de petrleo, de grande relevncia alocar da melhor
maneira este recurso. A ordem em que estas sondas atendem aos poos crucial para o
projeto, por isso buscar a melhor seqncia de atendimentos to importante em
cenrios em que as heterogeneidades entre poos e entre sondas so grandes. Em
cenrios mais homogneos, a diferena entre as possveis rotas pequena, devido
similaridade entre os tempos de servio.
1

A Pesquisa Operacional uma cincia que tem por objetivo fornecer ferramentas
quantitativas para a tomada de decises. Segundo CODERNONSI et al. (2005), a
otimizao tem como objetivo a resoluo da alocao de recursos, tipicamente
limitados, com o intuito de alcanar determinados objetivos. Considerando que existe
um conjunto discreto de solues possveis, a resoluo de um problema de otimizao
combinatria inclui o processo de gerao, avaliao e comparao de solues, num
determinado limite de tempo.
O modo de resoluo para a otimizao do itinerrio de sondas ser atravs do
uso de uma meta-heurstica chamada de Algoritmo Gentico. Uma heurstica pode ser
definida com um algoritmo que encontra uma soluo factvel, no necessariamente a
melhor soluo, para um determinado problema com uma determinada funo objetivo,
num tempo computacional razovel (DIAZ, 1996). Uma meta-heurstica nada mais do
que um algoritmo capaz de guiar uma ou mais heursticas a uma soluo melhor.

1.2 Relevncia
Esse trabalho pretende otimizar, atravs do uso da meta-heurstica conhecida por
Algoritmo Gentico, o itinerrio de sondas de perfurao de poos de petrleo offshore,
tendo como objetivo encontrar um programa que minimize o custo de aluguel, para um
conjunto pr-determinado de poos e sondas.
O planejamento adequado de qual sonda e em qual ordem deve perfurar os poos
ser til para reduzir o tempo em que a sonda fica alugada para a empresa operadora do
campo. Este planejamento levar em considerao tambm o tempo que demorar para
que o campo seja colocado em produo, j que pode no ser interessante reduzir a
quantia gasta com aluguel, mas tendo que postergar demasiadamente o incio da
produo. Outro fator importante o quanto a empresa deixar de produzir ao optar por
determinada configurao.

1.3 Estrutura do Trabalho

Aps a descrio dos objetivos e estrutura do trabalho no Captulo 1, o Captulo
2 apresenta uma reviso da literatura sobre o assunto. Os trabalhos mais relevantes a

esta monografia so brevemente explicados. Alm disso, o assunto Algoritmo Gentico

devidamente explicado.
O terceiro captulo descreve com mais detalhes o problema tratado na
dissertao. So explicitadas as variveis selecionadas como de interesse, tanto para as
sondas quanto para os poos e de que modo elas foram encontradas na literatura e/ou
modeladas.
No Captulo 4 encontra-se a soluo do Problema de Otimizao de Itinerrio de
Sondas. Primeiramente dada uma ateno para o software usado, mostrando-se alguns
detalhes e os seus parmetros internos. proposto o cenrio-base, dado inicialmente
como melhor soluo. So feitas diversas comparaes com outros cenrios candidatos
a melhor resposta. Algumas experimentaes so feitas, com a duplicao de sondas.
As concluses aparecem no decorrer do Captulo 4 e so sintetizadas no
Captulo 5, que tambm faz sugestes para trabalhos futuros.

Reviso da Literatura
O Problema de Otimizao do Itinerrio de Sondas (POIS) pode ser entendido

como um problema de gerenciamento de veculos com vrias demandas conhecidas nos

pontos da rede que os veculos devem percorrer (COSTA, 2005). O Problema de
Roteamento de Veculos (PVR) trata da configurao espacial da frota disponvel para
atender a pedidos de entrega, geralmente localizados nos vrtices da rede. Para isto,
devem ser consideradas restries de diversas naturezas, como capacidade dos veculos,
tamanho da frota, nmero de viagens, tempo de entrega, etc.
Na literatura, h inmeros trabalhos publicados, os quais abordam os mais
diversos temas, desde modelos simples (com frota homognea, commodities de nico
tipo e sem janela de tempo) a modelos bem mais complexos (com frota no-homognea,
commodities de diferentes tipos, janela de tempo para a entrega da encomenda, com
roteamento dinmico, etc) (PIMENTA, 2001).
O problema de scheduling de mquinas pode ser entendido como a definio de
qual atividade deve ser executada em dado instante de tempo. Na prtica, bastante
comum que os problemas de roteamento e os de scheduling se tornem um s,
denominado Problema de Roteamento e Scheduling (PRS). OS PRSs formam uma das
reas de maior sucesso nas reas de Otimizao Combinatria, Pesquisa Operacional e
Computao Aplicada. Este sucesso em parte se deve a eficincia das tcnicas
existentes na literatura afim, que quando implementadas em situaes reais, tem
fornecido excelentes solues do ponto de vista operacional (TORTELLY et al., 2005).
BARNES et al. (1977) escreveram sobre a necessidade de adotar-se um critrio
para a escolha da ordem de atendimento das sondas aos poos em operaes de
manuteno. Neste trabalho, foram assumidas sondas homogneas, tempos de viagem
entre os poos nulos. No foram consideradas restries de datas para o atendimento
dos poos.
Este pode ser considerado um trabalho pioneiro no assunto e que serviu de base
para muitos outros. Muito tem sido feito desde ento, seja para definir o problema, seja

para apresentar diferentes formulaes, seja para buscar diferentes mtodos para
resolv-lo.
Grandes contribuies foram dadas pelos trabalhos de ALOISE et al. (2002) e
ALOISE. et al. (2004). O primeiro utilizou conceitos de uma heurstica conhecida como
colnia de formigas (Ants Colony System) e o segundo foi baseado no mtodo chamado
de VNS (Variable Neighborhood Search). A soluo do problema dizia respeito a sondas
de produo terrestres e foram utilizadas caractersticas do sistema de produo
brasileiro.
Otimizao com colnia de formigas (Ant Colony Optimization - ACO) uma
meta-heurstica inspirada em formigas reais. A principal forma de comunicao entre as
formigas ocorre atravs de substncias qumicas denominadas feromnios. As formigas
percebem com as antenas o vapor criado pela difuso do feromnio no ar. Segundo
DORIGO et al. (2005), as formigas inicialmente exploram a rea ao redor do ninho de
forma aleatria. Quando uma formiga encontra alimento, ela o avalia e leva certa
quantidade deste ao ninho. Durante a viagem de retorno, a formiga deposita uma trilha
de feromnio no cho. A quantidade de feromnio depositada depende da quantidade e
qualidade do alimento e ir guiar outras formigas at a fonte de alimento. Estas
caractersticas de uma colnia de formigas reais so exploradas para resolver problemas
de otimizao combinatria (OLIVEIRA et al., 2008).
No trabalho de ALOISE et al. (2002), duas heursticas baseadas nas colnias de
formigas foram propostas. Na primeira, mais simples, constituda por um algoritmo
construtivo no qual vai se passando de sonda a sonda e cada uma faz a escolha de um
poo para ser colocado em sua lista de atendimento, baseada em critrios de prioridade,
no caso perda de produo por unidade de tempo, at que todos os poos sejam
atendidos. No segundo algoritmo, o poo ao ser escolhido por uma das sondas no
retirado da lista de poos disponveis. Isto s ocorre quando no h sonda que atenda ao
poo em tempo menor do que a sonda a qual ele j est alocado. Em ambos os casos
feito um mecanismo de busca local com o objetivo de refinar a soluo: trocas entre
poos de uma mesma sonda so realizadas e quando a soluo melhorada, esta passa a
ser a soluo. As trocas seguem at no que haja mais solues melhores.

VNS um mtodo de busca local, proposto por Nenan Mladenovic e Pierre

Hansen em 1997, que explora o espao de solues atravs de trocas sistemticas de
estruturas de vizinhanas. Este mtodo foca a busca em torno de uma nova soluo
somente se um movimento de melhora realizado. Definem-se ento um conjunto de
vizinhanas N = {N k , k = 1,..., k max } e uma soluo inicial x. O algoritmo bsico o
seguinte:

Figura 1: Pseudo-Algortimo do VNS, retirada de (BOAVENTURA-NETTO, 2004).

O trabalho de ALOISE et al. (2004) prope uma heurstica VNS na qual um
algoritmo gera uma soluo inicial em que cada poo alocado para a sonda que lhe
resulta a menor perda de produo possvel. So feitas iteraes em que dois
procedimentos bsicos so realizados: perturbao na vizinhana atual e busca local. O
VNS busca, a cada iterao, novas vizinhanas para obter melhores solues.
COSTA (2005) tratou o Problema de Roteamento e Seqenciamento de Sondas
de Produo Terrestre atravs de duas heursticas e uma meta-heurstica GRASP. A
formulao matemtica foi desenvolvida de modo a permitir a incluso de poos com
prioridade mais alta em relao a outros, devido a restries de Janela de Tempo. Estas
Janelas do a possibilidade de um poo ser atendido antes de outros simplesmente por
haver uma data limite para que ele esteja pronto. De maneira anloga, permite que um
poo s receba atendimento aps certa data em que ele esteja liberado. Alm disso, foi
feita uma remodelagem na formulao matemtica inicial, de modo a torn-la para
simples para o uso de solvers para se encontrar a soluo exata.
A primeira heurstica proposta foi a Heurstica de Mxima Prioridade Tricritrio
(HMPT), em que trs possveis critrios so usados para se compor o conjunto de solues,
sujeito s restries de janelas de tempo. Os trs critrios propostos foram os seguintes:

1. Ordem decrescente de perda de produo (Pi);

2. Ordem decrescente de perda de produo sobre o tempo de servio

(Pi/t);
3. Ordem decrescente de perda de produo vezes o tempo de servio de
(Pi.t).
A segunda heurstica foi a Heurstica da Montagem Dinmica (HMD). A HMPT
aloca servios sequencialmente, um aps o outro no tempo medida que aparecem
nichos vazios. No entanto, a HMD admite que o servio atual a ser alocado (primeiro da
lista) possa tomar o lugar de algum servio j alocado, re-arrumando dinamicamente os
servios nas mquinas, com o intuito de melhorar a soluo (COSTA, 2005). Assim,
esta heurstica permite que timos locais sejam encontrados.
As meta-heursticas so estruturas algortmicas de busca, dentro de um espao
de solues, capazes de explor-lo de forma racional, sabendo fugir de timos locais
para ir em busca de um timo global, e tm por objetivo encontrar solues de
qualidade para problemas de otimizao combinatria das mais diversas naturezas
(COSTA, 2005). Uma meta-heurstica construtiva estabelece estratgias para a
construo de uma soluo atravs da definio, de forma meticulosa, do valor de cada
uma de suas componentes. Dentre essas meta-heursticas, a mais clssica a estratgia
gulosa, formada por um processo iterativo que, em cada passo, adiciona um elemento
soluo parcial, de forma a obter os melhores resultados imediatos possveis. Na metaheurstica GRASP (Greedy Randomized Adaptative Search Procedures), a fase
construtiva um processo iterativo que parte de uma soluo parcial vazia e, em cada
passo: identifica todos os elementos que podem ser incorporados soluo parcial sem
torn-la invivel; cria um subconjunto desses elementos, contendo apenas aqueles que
causam aumento mnimo de custo (este o aspecto guloso da meta-heurstica);
seleciona aleatoriamente um elemento desse subconjunto, acrescentando-o soluo
parcial (SUCUPIRA, 2004).
A meta-heurstica GRASP proposta por COSTA (2005), diferente das
heursticas HMPT e HMD, no obteve bons resultados. Cr-se que seja por conta da
heurstica construtiva usada, que no foi to eficiente.

Em ALVES et al. (2006), o Algoritmo Gentico foi usado com o objetivo de se

comparar os resultados obtidos por COSTA (2005). No entanto, os resultados obtidos
no foram conclusivos em relao s vantagens ou desvantagens da utilizao deste
mtodo frente aos propostos por COSTA (2005).
J VASCONCELLOS (2007) usou o Algoritmo Gentico para resoluo do
Problema de Scheduling de Projetos com Restries de Recursos. Alm disso, foi
incorporado o aspecto de Gerenciamento de Incertezas dos Projetos.

2.1 O Algoritmo Gentico

O Algoritmo Gentico um algoritmo de busca baseado em mecanismos de
seleo natural e gentica. Inspirado na teoria da evoluo natural de Darwin, onde os
organismos mais fortes e mais adaptados sobrevivem. Baseia-se na forma como os seres
vivos sexuados evoluem. Ou seja, definem-se indivduos, que so solues potenciais
do problema, e faz-se que estes se reproduzam, gerando indivduos-filhos, que so
teoricamente superiores aos pais. Foi criado por John Holland em seu livro "Adaption in
Natural and Artificial Systems", publicado em 1975.

Este tipo de algoritmo considera vrias solues ao mesmo tempo, ao invs de

apenas uma. Tambm so adaptativos, pois a informao atual influencia a busca futura.
Segundo PACHECO (2005), os algoritmos genticos so particularmente adequados
para problemas complexos de otimizao, de difcil modelagem matemtica como
aqueles que apresentam com diversos parmetros ou caractersticas que precisam ser
combinadas em busca da melhor soluo; problemas com muitas restries ou
condies que no podem ser representadas matematicamente; e problemas com
grandes espaos de busca.
A nomenclatura usada tambm deriva da biologia. Um cromossomo o mesmo
que um indivduo, e formado por genes que possuem posio determinada dentro do
cromossomo, o lcus. Cada gene pode assumir um determinado conjunto de valores, os
chamados alelos. Resumidamente temos:

Tabela 1: Nomenclatura dos principais elementos do Algoritmo Gentico

NOME
Cromossomo

DESCRIO
Cadeia de bits que representa uma soluo possvel para o problema.

Gene

Bit. Localizado em cada posio do cromossomo

Alelo

Valores que o gene pode assumir

Lcus

Posio do gene dentro do cromossomo

Gentipo

Indivduo candidato soluo (x)

Fentipo

Valor da funo para um dado indivduo.

O Algoritmo Gentico funciona a partir de um conjunto de indivduos,

candidatos potenciais a soluo do problema, que so mantidos a cada gerao. Cada
soluo testada para medir sua adaptao atravs de uma funo chamada funo
aptido ou funo de avaliao. Ento, alguns indivduos sofrem transformaes que
geram novos indivduos, formando uma nova gerao. Esta nova gerao , na mdia,
mais adaptada que a anterior, e assim, o programa converge sob a hiptese de que a
melhor soluo indivduo represente uma soluo prxima do timo global. No
desejvel que a nova gerao substitua completamente a gerao anterior, j que
indivduos de boa qualidade seriam perdidos. Assim, parte de uma gerao pode ser
mantida, copiando-se diretamente para a gerao posterior. Esta pratica chamada de
elistismo.
So basicamente dois os operadores genticos responsveis pelas transformaes
dos indivduos: cruzamento e mutao. No cruzamento ou crossover, pares de
cromossomos so selecionados aleatoriamente e cada um doa um certo nmero de
genes, formando assim, um novo indivduo. Segundo VASCONCELLOS (2007), o
cruzamento ocorre basicamente de acordo com os seguintes modelos:
Cruzamento Uniforme - Consiste no emparelhamento dos cromossomos pais e a
troca de genes de determinados lcus que possuem alguma possibilidade de troca.

Figura 2: Exemplo de Cruzamento Uniforme, retirada de (VASCONCELLOS 2007).

Cruzamento 1-partio - Escolha aleatria de somente 1 ponto de corte. Todo
material gentico dos pais, a direita deste ponto ser intercambiada.

Figura 3: Exemplo de Cruzamento 1-partio, retirada de (VASCONCELLOS 2007).

Cruzamento 2-partio - Escolha aleatria de 2 pontos. O material entre esses
pontos intercambiado e o restante permanece inalterado.

10

Figura 4: Exemplo de Cruzamento 2-partio, retirada de (VASCONCELLOS 2007).

A mutao efetuada alterando-se o valor de um gene de um indivduo sorteado
aleatoriamente com uma determinada probabilidade, denominada probabilidade de
mutao. A mutao tem como objetivo impedir que a resposta convirja muito
rapidamente, porm ela destri parte da informao contida no cromossomo.

Figura 5: Exemplo de uma mutao, retirada de (PROJETO ISIS).

O alvo do Algoritmo Gentico a maximizao ou a minimizao de uma
funo, denominada funo-objetivo. Desta maneira, o indivduo escolhido como
resposta dever se aproximar ao mximo do timo global, ou seja, da melhor
resposta, desta funo. Como em muitos casos encontrar este ponto de timo
extremamente complicado, uma soluo prxima j bastante satisfatria.
Os principais parmetros a serem ajustados para o melhor desempenho do
Algoritmo Gentico esto listados a seguir. Os valores escolhidos, para a resoluo
especfica do problema, sero explicitados no captulo 4.

11

1. Tamanho da populao;
2. Grau de elitismo;
3. Taxa de crossover;
4. Taxa de mutao;
5. Critrio de Parada.

Figura 6: Passos de um Algoritmo Gentico, retirada de (DALBONI, 2003).

12

O Problema de Otimizao de Itinerrio de Sondas de Perfurao

3.1 Descrio do Problema

O Problema de Otimizao de Itinerrio de Sonda basicamente a tarefa de
se determinar o roteamento e o scheduling de um conjunto de Sondas de Perfurao
Martimas para a perfurao de um determinado nmero de poos. Estes poos
podem ser interpretados como clientes ou tarefas, enquanto as sondas podem ser
vistas como veculos ou mquinas.
Sejam os conjuntos:

N = {1..n} : O conjunto dos n poos clientes, ou seja, poos a serem perfurados e;

M = {1..m} : O conjunto das m sondas disponveis.

Os valores de n e m so dados conforme a realidade do campo em questo e

da empresa operadora, enquanto hp definido pelo usurio. Em alguns momentos
feita uma subdiviso de N, onde NP so os poos produtores e NI os injetores. Neste
trabalho, as sondas no so homogneas. Isto implica que o tempo de servio
depende no apenas do comprimento do poo a ser perfurando, mas tambm da
sonda escolhida para perfur-lo. Desta maneira define-se, onde i N e j M :

Tj :

A taxa de aluguel, dada em US$/dia;

Pi :

A perda de produo, dada em barril/dia;

t ij :

O tempo de servio;

di :

A data de liberao para inicio dos servios;

Di :

A data para termino dos servios;

A funo-objetivo principal do problema calculada somando os produtos

do tempo de cada perfurao ( t ij ) pela taxa diria de aluguel da sonda que realizou
o servio ( T j ). Assim, encontramos o custo total gasto com M sondas para perfurar
os N poos, que o que desejamos minimizar.

13

A funo-objetivo secundria do problema avaliada adicionando os

produtos dos tempos de espera pelas perdas de produo (Pi), assim, encontrando
um valor de volume de leo no produzido, que dever ser o menor possvel, de
acordo com a programao estabelecida pela funo objetivo principal. O tempo de
espera nada mais que a soma do dia em que o poo recebeu atendimento com o
tempo de servio, menos a data de liberao deste poo. Perda de produo significa
o quanto o poo est deixando de produzir por no ter sido perfurado.
Em outras palavras, a funo principal definir quais poos sero perfurados
por cada sonda, segundo o critrio de menor custo de aluguel para se realizar o
projeto inteiro. Com isto definido, a ordem que cada poo ser atendido
indiferente para a sonda. Sendo assim, poderemos adotar a funo secundria,
trocando a ordem de atendimentos dentro de cada sonda, para que a perda de
produo seja minimizada.
As variveis de deciso Xijt so binrias, ou seja, assumem o valor 1 quando
o poo i comea a ser atendido pelo sonda j no instante t. Caso contrrio, valem 0.

3.2 Formulao Matemtica

A funo-objetivo principal, mostrada em (1), deseja minimizar o custo total
do projeto, calculando os produtos das taxas de aluguel Tj pelos tempos de servio tij
J a funo-objetivo secundria (2), procura minimizar as perdas de vazo
calculando os produtos das perdas unitrias de vazo Pi pelos tempos de espera at a
liberao do local (t+tij di ).

Min t ij .T j . X ijt

(1)

Min (t + t ij d i ).Pi . X ijt

(2)

Sujeito :

X
t

ijt

=1

i N

(3)

14

d i 1

X
i

t =o

ijt

=0

hp

X
i

k N

ijt
j t = Di t i +1
t ' = t t i 1

ijt
t ' = t t k +1

(4)

=0

X ijt {0,1}

(5)
j M ; i N ; t T

(6)

i N ; j M ; t T

(7)

A igualdade (3) diz respeito restrio de atendimento. Ela diz que cada
poo ser atendido uma nica vez por uma mquina. As igualdades (4) e (5) so as
restries de janela de tempo, e garantem que cada poo ser atendido dentro do
intervalo [d i , D i t i ] . J a desigualdade (6) serve para garantir que uma vez
iniciado um determinado atendimento, este no ser interrompido e que uma sonda
s iniciar um nico servio em certo instante de tempo.

3.3 A atividade
Os locais onde os poos sero perfurados so definidos por simulao
computacional de reservatrio e tem uma produo estimada, dada em unidade de
volume por unidade de tempo, que ser considerada constante. Assim sendo, a fila
de atendimentos formada por todos os poos que esto planejados serem
construdos e, a cada um deles, h um valor de produo associado. A cada poo
est tambm associada lmina dgua sob a qual ele ser perfurado, dada em
metros. Outra informao conhecida a espessura da camada de sedimentos que
dever ser ultrapassada para que se atinja o ponto de interesse dentro do
reservatrio. No modelo adotado, todos os poos so considerados verticais.
Uma vez que os poos so locais reais de trabalho dispostos geograficamente
no espao, possvel se obter uma matriz que guarde a distncia ou os custos de
transporte, mobilizao e desmobilizao, entre cada par de poos (COSTA, 2005).
Porm, como o tempo destas atividades pequeno em relao ao tempo de
perfurao e como consider-los complicaria demasiadamente o modelo,
desprezaremos este valor, e, em conseqncia, o custo associado. Adotaremos que

15

imediatamente aps concluir o servio em um poo, a sonda iniciar o atendimento

ao poo seguinte.
Segundo THOMAS (2001), as sondas de perfurao perfuram as rochas pela
ao da rotao e peso aplicados a uma broca existente na extremidade de uma
coluna de perfurao, a qual consiste basicamente de comandos (tubos de paredes
espessas) e tubos de perfurao, que so de paredes mais finas. Todos os
equipamentos de uma sonda rotativa responsveis por determinada funo na
perfurao de poo so agrupados nos sistemas de uma sonda. Os principais
sistemas so:
a) Sistema de sustentao de cargas;
b) Sistema de gerao e transmisso de energia;
c) Sistema de movimentao de cargas;
d) Sistema de rotao;
e) Sistema de circulao;
f) Sistema de Segurana do poo;
g) Sistema de monitorao;
h) Sistema de subsuperfcie.
Cada sonda tem uma diversidade enorme de caractersticas que devem ser
levadas em considerao na hora de se escolher a mais adequada para o
desenvolvimento de certo campo. Estas caractersticas podem ser fatores limitantes
ou de performance. Os fatores limitantes so aqueles que no se forem satisfeitos
pela sonda, ento esta no estar apta para realizao da operao. J os fatores de
performance so os que no precisam ser satisfeitos, porm, caso sejam, implicaro
em melhor eficincia da sonda.
Existem vrios tipos de Unidades de Perfurao Martima, porm, para
operaes em lminas dgua maiores, como o caso estudado, as plataformas
flutuantes so as mais indicadas. Este tipo de plataforma pode ser de dois grupos: as
sondas semi-submersveis e os navios-sonda.

As primeiras so compostas,

basicamente, de uma estrutura com um ou mais conveses, apoiada por colunas em

16

flutuadores submersos (THOMAS, 2001). Os navios-sonda so navios projetados

para a perfurao de poos de petrleo.

Figura 7: Plataforma Semi-Submersvel Henry Goodrich, retirada de (TOOLPUSHER,

2008) http://www.toolpusher.co.uk/images/Henry%20Goodrich%20storm%202.JPG

Figura 8: Navio-Sonda Deepwater Millenium, retirada de (RIGZONE DATA CENTER,

2008) http://www.rigzone.com/data/rig_detail.asp?rig_id=154
As plataformas flutuantes so classificadas por geraes. Embora esta
diviso no seja to bvia, cada gerao tem caractersticas prprias que permitem
17

que cada sonda seja enquadrada em determinado grupo. Para cada nova gerao,
especificaes como a lmina dgua e a taxa de penetrao (ROP) so aumentadas.
Atualmente, plataformas qualificadas como 6 gerao j esto em construo, no
entanto as que se encontram em operao para guas mais profundas variam entre a
3 e a 5 gerao.
Para cada sonda foram considerados dois fatores limitantes e dois de
performance. Os fatores limitantes so a lminas dgua sobre a qual elas podem
operar e a profundidade vertical total que elas conseguem perfurar. J os de
performance so a velocidade mdia de perfurao de cada gerao e a taxa diria
que a empresa operadora tem que pagar pelo aluguel da sonda.
No caso especfico do modelo usado neste trabalho, considerar que todos os
poos so verticais fez com que a profundidade vertical total no fosse fator
limitante para nenhum poo. Isto porque mesmo sondas da 3 gerao esto aptas
para perfurarem camadas muito mais profundas do que as adotadas no nosso caso.
No entanto, este parmetro ainda sim importante, pois em posse dele e da
velocidade mdia de perfurao, calcularemos o tempo de perfurao de cada poo.
A taxa diria de aluguel no especificamente um fator de performance da
sonda, mas por ser profundamente impactante no custo final do projeto, podemos
considerar um fator de desempenho do campo.

3.4 O Campo de Marlim Sul

A utilizao de dados reais de um campo em problemas que envolvem
simulaes sempre desejvel. No entanto, a aquisio destes dados nem sempre
possvel. Assim sendo, buscou-se a maior proximidade possvel de um campo real. O
campo escolhido foi o de Marlim Sul pelo fato, principalmente, de abranger uma grande
faixa de lmina dgua e por seu grande nmero de poos.
O campo de Marlim Sul foi descoberto em 1987 e tem uma rea de cerda de 600
km. Seu reservatrio, tipicamente como outros da Bacia de Campos, um arenito no-

18

consolidado do Tercirio, particularmente das idades Oligoceno e Eoceno. Possui leo

pesado, grau API entre 17 e 24, porosidade de 32% e permeabilidade de 2000 mD. A
operadora deste campo, Petrobras, decidiu desenvolver Marlim Sul com uma srie de
poos produtores e injetores horizontais. O campo foi dividido em quatro mdulos e
seus poos esto sob um lmina dgua que varia entre 800 e 2600 metros. (ACOSTA et
al., 2005).
Tabela 2: Poos Produtores e Injetores de Marlim Sul, retirada de (PETROBRAS,
2007).
Nmero de Poos Produtores Nmero de Poos Injetores
Mdulo
NP
NI
Mdulo 1

22

15

Mdulo 2

10

Mdulo 3

10

Mdulo 4

11

Total

53

42

O mdulo 1 encontra-se em produo desde 1994, quando o poo 3-MRL-4-RJS

comeou a ser produzido, interligado a plataforma PETROBRAS-20, situada no campo
de Marlim. Este mdulo compreende a produo dos poos diretamente para a P-40,
que, depois de tratar o leo, transfere-o para o FSO P-38. Devido alta produtividade e
injetividade dos poos da P-40, foi concebido e viabilizado um Projeto de
Desenvolvimento Complementar do Mdulo 1. Este projeto contemplou a plataforma
FPSO-Marlim Sul (FPSO-MLS), afretada, que foi ancorada prxima P-40, em lamina
dgua de 1180 metros (PETROBRAS.com.br)
Espera-se que o mdulo 2 produza seu primeiro leo em Janeiro de 2009, com a
chegada da P-51 Bacia de Campos. J o mdulo 3 encontra-se em fase de
desenvolvimento e tem previso do incio da produo em Outubro de 2010. Ser
produzido pela P-56, clone da P-51. J o mdulo 4 est em fase de estudos de
reservatrios e tem previso para o incio da produo apenas em 2015. Este mdulo
possui um leo mais pesado e depende de novas tecnologias.

19

Figura 9: Esquema do Campo de Marlim Sul, retirada de (PETROBRAS, 2008).

Tabela 3: Produo de leo por mdulo, retirada de (PETROBRAS, 2007)
Mdulo

Produo Diria Estimada de leo

(bpd) P(z)

Mdulo 1

190.000

Mdulo 2

180.000

Mdulo 3

100.000

Mdulo 4

60.000

Total

530.000

Dados especficos de cada poo so, em geral, privados e confidenciais. Para

model-los, foi necessrio fazer a combinao de informaes achadas na literatura com
dados artificiais. Por exemplo, sobre as lminas dgua, SILVA et al. (2004) e
ACOSTA et al. (2005) dizem que Marlim Sul est entre 800 e 2600 metros. (P-56)
afirma que o mdulo 3 tem entre 1450 e 1900, e (PETROBRAS) cita que o mdulo 4
est acima de 1500 metros. A partir destes dados e da figura 11, chegamos a seguinte
configurao:

20

Tabela 4: Limites inferior e superior da LDA de cada um dos mdulos.

Lmina dgua Mxima
Lmina dgua Mnima
Mdulo
(metros) LDAmin
(metros) - LDAMax
Mdulo 1

800

1500

Mdulo 2

1100

1500

Mdulo 3

1450

1900

Mdulo 4

1500

2600

Em posse das lminas dgua de cada mdulo, podemos fazer uma estimativa
mais prxima da real para cada poo. Assim sendo, para cada mdulo, foram gerados
aleatoriamente NP poos produtores e NI poos injetores, dentro dos respectivos limites
LDAmin e LDAmax de cada mdulo.
A produo de cada poo foi ajustada a partir de uma distribuio normal. Os
parmetros desta distribuio foram escolhidos da seguinte forma: a mdia para cada
mdulo simplesmente o total produzido em cada mdulo dividido pelo nmero de
poos produtores neste mdulo, onde z se refere ao mdulo em questo:

m( z ) =

P( z )
N P ( z)

(8)

O desvio padro () foi estipulado a partir da produo e do nmero de poos

produtores de cada mdulo. Para o mdulo 1, esperado que haja uma varincia maior,
devido principalmente ao grande nmero de poos produtores. J para o mdulo 4,
espera-se menor desvio padro, uma vez que a sua produo mdia diria baixa em
comparao aos outros mdulos.
A gerao de nmeros desta maneira traz consigo um erro. Este erro pode ser
calculado atravs da frmula abaixo, onde o nmero de amostras.

EP( X ) =

(9)

21

Mdulo

Tabela 5: Medidas Estatsticas da Produo Mdia.

Mdia
Desvio Padro
Erro Padro

Mdulo 1

7968,8

1351,6

288,2

Mdulo 2

18297,2

2078,9

657,4

Mdulo 3

9098,6

1493,9

472,4

Mdulo 4

5549,9

821,9

247,8

A espessura da camada a ser perfurada, isso a profundidade em que o

reservatrio se encontra outra informao importante que no pode ser verificada. No
entanto, alguns indcios puderam sem encontrados em FIGUEIREDO JUNIOR et al.,
(2007). Assim, foi adotado em que o intervalo de profundidades varia entre 2500 e 3500
metros. Para cada poo, da mesma maneira que para a lmina dgua, foi gerado um
nmero aleatrio dentro deste intervalo. As tabelas com os valores gerados para cada
poo produtor e injetor se encontram em anexo.

3.5 Sondas
Como j foi dito no comeo deste captulo, as variveis escolhidas para cada
sonda so:
a) Lmina dgua sobre a qual elas podem operar;
b) Espessura da camada de sedimentos que eles conseguem perfurar;
c) Velocidade Mdia de Perfurao e;
d) Taxa diria de aluguel.
Destas caractersticas, as duas primeiras so facilmente encontradas em websites
especializados em sondas ou das empresas fabricantes. A taxa de aluguel que est sendo
paga por cada sonda tambm pode ser encontrada atravs de pesquisa na internet.
J a velocidade mdia de perfurao uma varivel que no encontrada na
literatura, pois no simplesmente dependente da sonda. Est associada potncia que
transmitida a broca, mas tambm depende do tipo de rocha que est sendo perfurada.
O tempo em que o poo ficar pronto depende tambm do nmero de revestimentos
descidos, de quantas brocas tiveram que ser utilizadas, etc. Ento, para se obter esse

22

parmetro, utilizou-se o trabalho Matching Rigs with Deepwater Programs. Neste

trabalho, foi apresentada uma comparao do tempo de se perfurar um poo de 16000
ps entre 5 sondas selecionadas.

Figura 10: Tempo de Perfurao por 5 sondas em poos de 16 mil ps, retirado de
(MATCHING RIGS AND DEEPWATER PROGRAMS, 2005)
De posse no tempo total que cada sonda gastou para perfurar este poo, podemos
calcular a velocidade total. A velocidade mdia de perfurao foi considerada igual a
esta velocidade total. Obviamente esta aproximao bastante grosseira, no entanto,
suficiente para os objetivos deste trabalho. Desta maneira, temos um leque de sondas
diferentes para comparao.
Tabela 6: Velocidade Mdia Calculada para cada uma das sondas.
Sonda
Tempo (dias) Velocidade Mdia (ft/d) Velocidade Mdia (m/d)
Enterprise

37,7

424,4

128,1

Cajun

41,2

388,3

117,2

Millenium

41,9

381,9

115,2

Richardson

49,2

325,2

98,1

M.G. Hulme, Jr.

54,6

293,0

88,4

23

Todas as cinco sondas fazem parte do portfolio da Transocean Inc. No relatrio

anual da empresa, possvel encontrar mais informaes sobre elas. As taxas de aluguel
dizem respeito a dados reais de contrato, as fontes se encontram na referncia deste
trabalho. O valor do aluguel para a Enterprise uma mdia entre os valores que para o
contrato de trs e o de sete anos.
Tabela 7: Limites de LDA, Profunidade e a taxa diria para cada uma das sondas.
Lmina dgua
Profundidade
Taxa
Sonda

Tipo

Gerao

Mxima

Mxima

Diria

(metros)

(metros)

(US$)

Enterprise

HSD

Quinta

3048

10668

541.000

Cajun

HSS

Quinta

2590,8

10668

520.000

Millenium

HSD
HSS

Quinta
Quarta

3048
1524

9144
7620

535.000
450.000

HSS

Terceira

1524

7620

430.000

Richardson
M.G. Hulme,
Jr.

24

A Soluo do Problema

4.1 O Software
Para chegarmos soluo do problema descrito neste trabalho, foi feito o uso de
uma ferramenta criada a partir da implementao do Algoritmo Gentico no MatLab
7.5. Este software foi desenvolvido por dois alunos de graduao da UFRJ, Felipe Lima
e Thales Kropf, para tratar justamente de programas de alocao de sonda em poos.
Esta ferramenta est apta a trabalhar no so com poos que demandam perfurao, mas
tambm com poos que necessitam de interveno.

Figura 11: Imagem do software resolvendo um caso qualquer.

A resposta pode ser dada basicamente de duas maneiras: a primeira, mais
simples, mostra os valores do custo total, da perda de volume total, do nmero de
geraes para resposta e o tempo de execuo do programa. A segunda maneira o
diagrama de Gantt, que um tipo de grfico utilizado para mostrar o avano das
diversas etapas de um projeto. Neste caso, possvel saber a ordem de atendimento dos

25

poos por cada sonda. tambm apresentado um grfico sobre a resposta para a funoobjetivo em funo da gerao do Algoritmo Gentico, dando detalhes sobre a
convergncia da resposta.

Figura 12: Exemplo de Diagrama de Gantt para 5 sondas.

4.2 Os parmetros
Como j foi dito anteriormente, existem alguns parmetros que devem ser
ajustados para que o Algoritmo Gentico tenha bom funcionamento. Estes critrios so
definidos pelos autores por experimentao ou podem ser encontrados na literatura,
como valores recomendados.
Trs parmetros foram ajustados por experimentao. So eles: critrio de
parada, tamanho da populao e nmero de indivduos da elite. A tabela com os
resultados se encontra a seguir.

26

Tabela 8: Parmetros definidos para o Algoritmo Gentico.

Parmetro
Critrio de Parada

Geraes consecutivas sem mudana na funoobjetivo = 20

Tamanho da Populao

Populao inicial de 20 indivduos

Nmero de Indivduos da Elite

Membros da elite = 1

Alm disso, foram adotados os seguintes parmetros: taxa de crossover (90% 70%) e a taxa de mutao (5% - 35%), variando linearmente at a 50 gerao, onde
estes valores se tornam constantes. No comeo do processo evolutivo, a taxa de
crossover alta enquanto que a taxa de mutao baixa, ento o algoritmo pode tirar
vantagem das caractersticas individuais. No fim da evoluo, que a fase em que os
indivduos tendem a ficar parecidos, a taxa de crossover cai enquanto a de mutao
aumenta, ento o algoritmo pode explorar novas regies no espao de busca e aumentar
a diversidade da populao (ALVES et al., 2006).

4.3 Cenrios
Como j foi dito anteriormente, o objetivo deste trabalho determinar uma
ordem de atendimento aos n poos pelas m sondas disponveis, de modo a minimizar o
custo do aluguel das sondas e, em um segundo plano, a perda de produo de produo.
No entanto, de posse de uma ferramenta como a que possumos, esta tarefa simples e
diz pouco sobre o problema em geral. Desta forma, alguns cenrios sero criados, com o
objetivo de se estudar o efeito do nmero e do tipo de sondas usadas, do
desenvolvimento do campo em mdulos e de outras experimentaes.
O custo total do aluguel foi trazido para Valor Presente. Foram considerados que
pagamentos no final de cada ms e juros compostos. A taxa de juros utilizada foi de
12% ao ano, ou seja, 0,95% ao ms.
Utilizaremos uma varivel definida como perda de volume total, dada em barris.
A perda de volume a soma das diferenas entre o quanto estaria sendo produzido se
todos os poos estivessem em produo e o que est sendo de fato produzido, a cada
dia. Esta medida no tem valor real, pois consideraria o poo entrando em produo
logo aps o final da perfurao, ignorando, por exemplo, o tempo de completao.

27

A perda de volume dada em dois estgios: primeiramente ele ser calculada a

partir da configurao dada pelo Algoritmo Gentico como resposta minimizao do
custo total de aluguel. Como j foi dito, mudar a ordem dos poos, dentro desta
configurao, no causar alterao no custo total. Sendo assim, o segundo estgio
consistir no cmbio desta ordem, para que se reduza ao mximo a perda de volume. A
primeira perda de volume no tem grande valor, porm a segunda serve como critrio
secundrio de comparao entre os cenrios.
Daqui em diante, por motivos de simplificao, muitas vezes as sondas sero
identificadas por um nmero. Isto poupar trabalho na descrio dos diversos cenrios
que sero apresentados. Consideraremos, a princpio, que existe uma sonda de cada tipo.
Os mdulos j possuem esse tipo de identificao.
Tabela 9: Nmero de identificao das sondas.
Nmero

Nome da Sonda

1
2
3
4
5

Enterprise
Cajun
Millenium
Richardson
M.G Hulme Jr.

4.3.1 O cenrio-base As cincos sondas perfurando o campo inteiro

O primeiro cenrio trata-se das cinco sondas disponveis sendo usadas para
perfurar todos os poos, sem nenhum tipo de restrio. Esta opo certamente
minimizar o tempo final, e por isso, ser um parmetro para comparao. Minimizar
tambm a perda de volume, j que quanto antes os poos estiverem perfurados, mais
cedo eles podero estar produzido. Ento, este cenrio, em uma primeira anlise, a
melhor opo. Ento, o trabalho ser comprovar ou desmentir este fato.

Sondas
Utilizadas

1+2+3+4+5

Tabela 10: As cinco sondas perfurando o campo inteiro.

Poos
Perda de Volume
Dias
Custo Total (US$)
Perfurados
(bbl)
Todos

585

1.278.326.822,08

111.471.192

28

Desta forma, o tempo mnimo para se perfurar os 95 poos do campo de 585

dias e a perda mnima de volume de 111.471.192 barris. Podem existir custos
menores, porm, para cada caso, deve ser analisado se a economia financeira compensa
o tempo gasto a mais. Se em outro cenrio o custo total for maior que o US$
1.278.326.822,08, ele pode ser descartado, pois o tempo, necessariamente, maior.

4.3.2 Cenrio 2 Uma sonda para o campo inteiro

Este cenrio composto por cada uma das cinco sondas perfurando a totalidade
dos poos. Tem por objetivo comparar a relao custo-benefcio de cada sonda. Porm,
nem a M.G. Hulme Jr., nem a Richardson tem capacidade para perfurar todos os poos.
Ento, serve como comparao entre as trs sondas da 5 gerao.

Sondas
Utilizadas
1

Tabela 11: Cada sonda perfurando o campo inteiro.

Poos
Perda de Volume
Dias
Custo Total (US$)
Perfurados
(bbl)
Todos
2439
882.290.638,92
468.846.871

Todos

2667

3
4
5

Todos
Todos
Todos

2717

938.125.038,37

551.204.180

975.299.980,26
584.192.238
No perfura todos os poos
No perfura todos os poos

Podemos observar o melhor custo-benefcio da sonda Enterprise em relao s

outras duas. O tempo gasto para que ela perfure todos os poos 8,5% e 10,2% menor
do que os das sondas Cajun e Millenium, respectivamente. J o total gasto com o
aluguel 6,0% e 9,5% abaixo de suas concorrentes.
Outro dado importante que podemos tirar deste cenrio que o tempo de
perfurao da ordem de quatro vezes maior ao se escolher perfurar o campo inteiro
com apenas uma das sondas, ao invs de utilizar as cinco. Apesar disso, o total gasto
com o aluguel de sondas no cai na mesma proporo. A economia respectivamente
de 31,0%, 26,6% e 23,7%. Aliado ao fato da perda de volume ser por volta de 5 vezes
maior, dificilmente a economia conseguida compensaria o maior tempo.

29

4.3.3 Cenrio 3 Diviso por mdulos

Como o campo de Marlim Sul foi dividido e desenvolvido em mdulos
diferentes, importante que essa diviso seja levada em considerao. Utilizaremos essa
diviso primeiramente como continuao da tarefa de classificar as sondas por ordem de
custo-benefcio. Para isto, cada um dos quatro mdulos ser perfurado por cada uma das
sondas, sempre que possvel. Desta maneira, as sondas M.G. Hulme Jr e Richardson s
podero ser comparadas com as demais em duas situaes, os mdulos 1 e 2.

4.3.3.1

Mdulo 1

Sondas
Utilizadas
1
2
3
4
5

Tabela 12: Cada sonda perfurando o mdulo 1.

Poos
Perda de Volume
Dias
Custo Total (US$)
Perfurados
(bbl)
Mdulo 1
1032
457.378.646,47
59.908.209
Mdulo 1
1130
494.455.110,80
81.210.597
Mdulo 1
1145
513.173.629,17
88.237.505
Mdulo 1
1340
491.812.709,87
96.095.330
Mdulo 1
1487
510.143.283,29
92.120.032

A supremacia da sonda Enterprise verificada nesse cenrio, j que o tempo, o

custo total e a perda de volumes so menores do que todas as outras. No entanto, a
comparao entre as outras mais difcil e merece ateno especial.
A M.G. Hulme Jr. a que gasta mais tempo entre todas. Alm disso, seu custo
total e a perda de volume so bastante prximos dos piores casos. Por estes motivos,
esta sonda pode ser considerada a menos atrativa.
De maneira semelhante, pode-se constatar que a sonda Cajun a que precisa de
menos tempo para realizar todo o servio e a que tem menor perda de volume entre as
trs sondas restantes. Como o seu custo total bastante prximo do melhor caso, esta
fica com o posto de segundo melhor custo-benefcio para o mdulo 1.
Para as sondas Millenium e Richardson, a comparao deve ser mais detalhada.
O custo total da Richardson 4,2% menor do que a Millenium. No entanto, o tempo
gasto por esta sonda 17% maior do que o gasto por sua concorrente. importante

30

lembrar tambm que a sonda Richardson no est apta para perfurar todos os poos do
campo em questo, enquanto a sua concorrente est. Desta maneira, conclumos que a
sonda 3 tem melhor relao custo-benefcio que a sonda 4 dentro deste cenrio.

4.3.3.2

Mdulo 2

Sondas
Utilizadas
1
2
3
4
5

Tabela 13: Cada sonda perfurando o mdulo 2.

Poos
Perda de Volume
Dias
Custo Total (US$)
Perfurados
(bbl)
Mdulo 2
470
227.593.885,49
14.173.679
Mdulo 2
511
245.285.507,98
17.993.455
Mdulo 2
525
259.248.109,39
16.649.627
Mdulo 2
615
254.351.906,71
20.431.851
Mdulo 2
679
266.148.303,45
21.783.445

A simulao deste cenrio serve para corroborar as concluses tiradas a partir do

mdulo 1. Mais uma vez o custo total do aluguel da sonda Richardson menor que o da
Millenium. Porm, esta diferena muito pequena para compensar o tempo a mais que
seria gasto utilizando a primeira. As demais sondas tambm mantm suas posies.
Conclumos que a classificao por custo-benefcio fica assim:
1. Entreprise
2. Cajun
3. Millenium
4. Richardson
5. M.G Hulme Jr.

4.3.3.3

Mdulo 3 e Mdulo 4

A simulao dos mdulos 3 e 4 til para confirmar tendncia de custobenefcio acima explicitada, j que as posies relativas entre as trs sondas da quinta
gerao se mantm. Servir tambm para o prximo passo na pesquisa: determinar a
melhor composio por mdulos.

31

Sondas
Utilizadas
1
2
3
4
5

Tabela 14: Cada sonda perfurando o mdulo 3.

Poos
Perda de Volume
Dias
Custo Total (US$)
Perfurados
(bbl)
Mdulo 3
475
230.004.837,67
14.180.591
Mdulo 3
522
250.545.047,97
15.976.497
Mdulo 3
532
262.691.630,82
17.077.681
Mdulo 3
No perfura todos os poos
Mdulo 3
No perfura todos os poos

Sondas
Utilizadas
1
2
3
4
5

Tabela 15: Cada sonda perfurando o mdulo 4.

Poos
Perda de Volume
Dias
Custo Total (US$)
Perfurados
(bbl)
Mdulo 4
459
222.289.790,70
17.219.798
Mdulo 4
501
241.612.857,40
17.016.993
Mdulo 4
512
252.852.989,22
16.258.236
Mdulo 4
No perfura todos os poos
Mdulo 4
No perfura todos os poos

4.3.3.4

Composio por mdulos simultneos

A composio por mdulos pode ser explicada da seguinte maneira: caso a

empresa operadora do campo fosse desenvolver todo o campo de uma s vez, seguindo
a diviso por mdulos, e escolhendo uma sonda para cada mdulo, qual seria a melhor
escolha?
A resposta poderia ser obtida fazendo a combinao de todos os casos possveis
e comparando os resultados. Isto seria extremamente trabalhoso e demorado, j que
teramos 120 casos. Porm, restringiremos o problema a dois nicos casos, observando
algumas caractersticas mostradas a partir das simulaes isoladas dos mdulos:
1. Sendo a pior sonda entre as cinco disponveis, a M.G Hulme Jr. pode ser
eliminada desta situao, j que qualquer sonda alocada no lugar desta
obter melhor resultado.
2. Devido as restries de lmina dgua, a Richardson e a M.G Hulme Jr.
podero ser mandadas apenas para o mdulo 1 ou 2.
3. Devemos observar que o mdulo 1, por ser muito maior e por necessitar
de muito mais tempo que os outros trs, precisa sofrer a maior
32

otimizao. Por esta razo, na melhor soluo, a sonda Enterprise dever,

obrigatoriamente, atender este mdulo.
Juntando estas trs restries, temos que o mdulo 1 ser atendido pela sonda 1,
o mdulo 2 pela sonda 4, restando definir qual sonda atender os mdulos 3 e 4. O
resultado ser dado por comparao:
Tabela 16: Sonda 2 no mdulo 3 e sonda 3 no mdulo 4.
Sondas
Poos
Perda de Volume
Dias
Custo Total (US$)
Utilizadas
Perfurados
(bbl)
2
Mdulo 3
522
250.545.047,97
15.976.497
3
Mdulo 4
512
252.852.989,22
16.258.236
TOTAL
503.398.037,18
32.234.733
Tabela 17: Sonda 3 no mdulo 3 e sonda 2 no mdulo 4.
Sondas
Poos
Perda de Volume
Dias
Custo Total (US$)
Utilizadas
Perfurados
(bbl)
3
Mdulo 3
532
262.691.630,82
17.077.681
2
Mdulo 4
501
241.612.857,40
17.016.993
TOTAL
504.304.488,22
34.094.674
A soma dos dias no importante, pois, neste caso, os trabalhos so
independentes. Observando que o custo total nos dois casos praticamente igual, a
escolha entre um dos dois casos praticamente indiferente. No entanto, podemos
considerar que para a empresa mais interessante que ambos os mdulos estejam
prontos e que a perda de volume seja minimizada. Por este motivo, optaremos pelo
primeiro caso. Desta forma, a composio ficaria a seguinte:
Tabela 18: Melhor composio encontrada de sonda por mdulo considerando
perfurao simultnea.
Sondas
Poos
Perda de Volume
Dias
Custo Total (US$)
Utilizadas
Perfurados
(bbl)
1
Mdulo 1
1032
457.378.646,47
59.908.209
4
Mdulo 2
615
254.351.906,71
20.431.851
2
Mdulo 3
522
250.545.047,97
15.976.497
3
Mdulo 4
512
252.852.989,22
16.258.236
TOTAL
1.215.128.590,36
112.574.793,00

33

4.3.3.5

Composio por mdulos no simultneos

No entanto, a empresa poderia optar tambm por desenvolver os quatro

mdulos, um aps o outro. Esta opo pode ter sentido caso a empresa no tenha
dinheiro suficiente para investir no desenvolvimento do campo inteiro de uma vez s.
Desta maneira, enquanto o segundo mdulo estivesse sendo desenvolvido, o primeiro j
estaria em produo, trazendo retorno financeiro. Como foi anteriormente mostrado, a
sonda Enterprise a mais atraente para todos os mdulos, sendo a escolhida sempre.
Tabela 19: Melhor composio encontrada de sonda por mdulo considerando
perfurao no simultnea.
Sondas
Poos
Perda de Volume
Dias
Custo Total (US$)
Utilizadas
Perfurados
(bbl)
1
Mdulo 1
1032
457.378.646,47
59.908.209
1
Mdulo 2
470
227.593.885,49
14.173.679
1
Mdulo 3
475
230.004.837,67
14.180.591
1
Mdulo 4
459
222.289.790,70
17.219.798
TOTAL
2436
1.137.267.160,34
105.482.277,00
Neste caso, o gasto com o aluguel de sondas seria 6,4% menor do que o
desenvolvimento por mdulos simultneos, enquanto a perda de volume diminuiria
6,3%. No entanto, o tempo para que o todo o campo esteja perfurado 136% maior.
Sobre a taxa diria de aluguel importante frisar que muitas vezes contratos
mais longos so recompensados com desconto, ou seja, quanto maior o tempo de
contrato, menor o valor pago por dia. A prpria taxa diria adotada neste trabalho, de
US$ 541.000, uma mdia do valor do contrato por 3 anos US$ 553.400 - e por 7
anos US$ 528.000. Assim sendo, caso adotasse este sistema para o desenvolvimento,
a empresa poderia conseguir uma economia ainda maior.

4.3.4 Cenrio 4 Quatro sondas para todo o campo

A diviso por mdulos tem basicamente dois sentidos: dentro de um mdulo os
poos esto relativamente prximos e dentro de uma faixa de lmina dgua. A
considerao de que o tempo de deslocamento entre os poos nulo faz com que esta
diviso seja, em parte, sem sentido. Ento, voltaremos a desconsiderar a diviso por
34

mdulos, com dois propsitos principais: observar os efeitos da diviso por mdulos
sobre as respostas e tentar correlacionar a melhor soluo para este caso com a soluo
dada para o caso da composio por mdulo.
Tabela 20: Combinaes de quatro sondas para o campo inteiro.
Sondas
Poos
Perda de Volume
Dias
Custo Total (US$)
Utilizadas
Perfurados
(bbl)
1+2+3+4
Todos
686
1.239.501.632,66
152.977.534
1+2+3+5
Todos
704
1.248.450.605,99
149.816.737
1+2+4+5
Todos
732
1.236.100.261,32
149.517.714
2+3+4+5
Todos
759
1.280.263.656,50
149.652.787
De acordo com o que j tinha sido dito, o melhor caso o que exclui a sonda M.
G. Hulme Jr., por esta ser a pior dentro do nosso caso. Conforme o que era de se
esperar, o caso que elimina a sonda Enterprise o menos atraente.
Tambm de acordo com o previamente observado, a escolha entre a Millenium e
Richardson no to bvia. O caso em que a sonda 3 a escolhida, o tempo menor,
enquanto quando a sonda 4 a preferida, o custo total menor. Porm, como ocorreu
anteriormente, a economia em 1,0% nos custos no chega a ser interessante frente ao
acrscimo de 3,8% do tempo.
interessante notar que o caso em que houve a maior perda de volume foi
justamente o caso em que o desenvolvimento ocorreu em menos tempo, enquanto os
outros 3 obtiveram resultados praticamente iguais. A explicao para essa perda de
volume mais alta que como primeiramente o critrio de minimizao dos custos, a
programao obtida pode ser ruim para a minimizao da perda de volume. Assim,
mesmo depois da otimizao deste critrio, possvel que o resultado no seja to bom
quanto para os casos considerados piores. Outra opo de que a o Algoritmo Gentico
ficou mais distante do timo global para esse caso do que para os outros.
Comparemos tambm este caso com o da composio por mdulos simultneos.
Embora o tempo para que todos os poos estejam prontos seja muito menor, o custo
todo o campo sendo atendido por quatro sondas prximo que ao do dividido por
mdulos. A explicao para isso que no primeiro caso as quatro sondas ficaro

35

alugadas por 686 dias, enquanto no segundo, trs das quatro sondas j tero sido
devolvidas antes desta data.
importante tambm observar que no caso de no haver diviso por mdulos o
tempo total bem menor (686 dias), o que pode parecer ser mais interessante. Mas
isso no necessariamente verdade, principalmente pensando que os mdulos so
independentes e que no segundo caso, trs mdulos estariam completamente perfurados
at o dia 615. Comprovamos isso ao comparar os valores de perda de volume: no caso
da diviso por mdulos, a perda 26,4% menor do que o no caso sem diviso. Este
valor bastante notvel e deve ser considerado.

4.3.5 Cenrio 5 O efeito do nmero de sondas

Ao se escolher desenvolver o campo sem a diviso por mdulos, o nmero de
sondas pode variar conforme a vontade da empresa e a disponibilidade de sondas no
mercado. Considerando conhecida a classificao de custo-benefcio a qual
explicitamos neste trabalho, a empresa escolher as sondas seguindo esta classificao.
Por exemplo, se quiser trabalhar com uma sonda, a escolhido ser a Enterprise, se optar
por duas, alm da Enterprise, escolher a Cajun, e assim por diante. Foi deste modo que
este cenrio foi desenvolvido.
Tabela 21: Cenrios considerando o efeito do nmero de sondas diferentes.
Sondas
Poos
Perda de Volume
Dias
Custo Total (US$)
Utilizadas Perfurados
(bbl)
1
Todos
2439
882.290.638,92
468.846.871
1+2
Todos
1279
1.088.163.840,77
250.343.044
1+2+3
Todos
871
1.189.987.134,29
191.592.877
1+2+3+4
Todos
686
1.239.501.632,66
152.977.534
1+2+3+4+5
Todos
585
1.278.326.822,08
111.471.192
O impacto do aumento do nmero de sondas nos primeiros estgios no tempo de
perfurao e na perda de volume enorme, enquanto no custo total esse impacto no
to grande. Porm, podemos notar que esse retorno diminui com o aumento de sondas.
Isto de se esperar, pois esto sendo adicionadas sondas cada vez piores. No entanto,
at o caso com cinco sondas, foi proveitoso o aumento nmero de sondas, pois ainda

36

houve uma melhoria boa no tempo e na perda de volume para um aumento incremental
do custo relativamente baixo. Uma sexta sonda, com um custo-benefcio pior que a
sonda 5, talvez ainda fosse vantajosa.

Figura 13: Tempo gasto na perfurao considerando o nmero de sondas.

3000
2500

2000
Tempo (Dias) 1500
1+2

1000

1+2+3
1+2+3+4

500

1+2+3+4+5

Figura 14: Custo total do projeto considerando o nmero de sondas.

$1,40
$1,20

1+2+3

1+2+3+4

1+2+3+4+5

1+2

$1,00
Custo
Total $0,80
(Bilhes
de
$0,60
Dlares)

$0,40
$0,20
$0,00

Mesmo que pudssemos escolher por adicionarmos apenas sonda do tipo 1,

tambm haveria um ponto de timo para o nmero de sondas. Por ser tratar de um
modelo usando sondas heterogneas, esse efeito no foi testado. Porm, COSTA (2005)
observou que h uma curva de melhora da FO medida que aumentamos o nmero de
mquinas, mas, de se esperar que haja um certo valor de m no qual pode no ser mais
interessante se alocar mais uma mquina.

37

4.4 Recapitulao dos resultados o melhor cenrio

Agora, com todas as opes mais viveis para o desenvolvimento do campo
simuladas, possvel concluir sobre as melhores configuraes. De fato, o cenrio-base,
com cinco sondas cobrindo todos os poos, a melhor opo. O custo total de nenhum
outro cenrio foi baixo o suficiente para compensar o maior tempo de execuo das
perfuraes e a maior perda de volume.
Como j foi dito, o desenvolvimento utilizando quatro sondas (Enterprise,
Cajun, Millenium e Richardson) por todo o campo mais vantajoso que o por
composio por mdulos simultneos em certos casos, mas o segundo tambm tem suas
aplicaes. Pensando nisso, poderia haver alguma composio por mdulo, derivada da
estudava anteriormente, que se aproximasse da resposta obtida no caso base. Uma
resposta hbrida poderia ser a soluo mais prxima da realidade, j que dificilmente
um campo das propores do aqui retratado seria desenvolvido todo de uma vez.
Por exemplo, a sonda 5 sendo alocada para perfurar poos no mdulo 1,
juntamente a sonda 1 e as demais sondas alocadas como na composio por mdulos
simultneos. Outra opo poderia ser que, quando uma das sondas terminasse as suas
perfuraes, ela fosse re-alocada para ajudar a sonda 1 no mdulo 1. Porm existem
uma infinidade de combinaes possveis, algumas no podendo ser diretamente
implementadas na nossa ferramenta sem que fossem feitas adaptaes. Por esse motivo,
esses casos no foram estudados.

4.5 Experimentaes
At agora trabalhamos com uma sonda de cada tipo. Porm, como vimos, a
sonda Enterprise a mais vantajosa e seria interessante que existisse mais de uma dela.
Ento duas experimentaes sero feitas, com o objetivo de mostrar o efeito que uma
sonda, com caractersticas iguais a da Enterprise, nomeada de 1, causaria.

38

Tabela 22: Experimentaes envolvendo a duplicao da sonda Enterprise.

Poos
Sondas
Perda de Volume
Perfurado
Dias
Custo Total (US$)
Utilizadas
(bbl)
s
1+1'+2+3+4
Todos
538
1.247.846.951,67
117.661.130
1+1'+2+3+4+5
Todos
477
1.278.172.142,97
107.839.629
Por semelhana, interessante que esses resultados sejam comparados com o
cenrio-base, ou seja, as cinco sondas para o campo inteiro. A primeira experimentao
pode ser interpretada a sonda 1 substituindo a sonda 5. Neste caso, os ganhos de tempo
e financeiro so 8,0 e 2,4%, respectivamente. No entanto, a perda de volume aumentou
em 5,6%, o que no condiz com o esperado. As razes para isso podem ser as mesmas
explicadas durante o cenrio 4.
A segunda experimentao trata-se do cenrio-base acrescido da sonda 1 ou da
experimentao 1 acrescida da sonda 5. Como foi comentado anteriormente,
dependendo de suas caractersticas, a adio de uma sexta sonda, inferior a sonda 5,
seria vantajosa em relao ao cenrio-base. Considerando que a sonda 1 bem melhor
que a sonda 5, ento certamente essa adio tambm ser vantajosa. Em termos de
tempo, a economia de 18,5%, enquanto a perda de volume diminuiu em 3,3%. No
houve praticamente mudana no custo final
Tomando como base a experimentao 1, os ganhos foram os seguintes: 11,3%
em relao ao tempo e 8,3% em relao a perda de volume. Em compensao, houve
um acrscimo no custo de 2,4%.
Diversas outras experimentaes poderiam ser testadas, buscando a melhor
configurao terica possvel. Porm, este resultado cairia no caso de sondas
homogneas, ou seja, a melhor sonda seria repetida at um nmero m de sondas iguais,
que otimizaria a funo-objetivo. Como o problema aqui tratado baseia-se em sondas
heterogneas, as experimentaes feitas so suficientes.

39

Concluses
O problema de otimizao de itinerrio de sondas bastante comum na indstria

de petrleo. Enquadra-se bem em cenrios nos quais h grandes diferenas de

caractersticas dos poos e das sondas. Estas heterogeneidades fazem com que o tempo
de servio varie bastante a cada poo e, assim, a ordem de atendimento passa a ser
importante.
O engenheiro que planeja as perfuraes deve possuir uma maneira fcil e
eficaz para tomada de deciso. Desta forma, essencial que haja uma ferramenta
poderosa o suficiente para admitir a influncia das diversas variveis nesse contexto e,
que mesmo assim, seja rpida o bastante para conseguir acompanhar possveis
mudanas de cenrios.
A modelagem como programao inteira binria permite a utilizao de mtodos
de solues exatas, presentes em pacotes de otimizao e solvers. Porm, conforme o
nmero de variveis e de restries aumenta, a resposta dada por este tipo de software
passa a ser mais demorada, tomando tempos de computador cada vez maiores e
inviabilizando a tomada de deciso desta maneira.
O uso de meta-heursticas, como o caso do Algoritmo Gentico, permite que o
tratamento de problemas deste tipo se torne mais fcil, pois estas meta-heursticas so
capazes de obter boas solues em tempos razoveis.
Neste trabalho foi proposto o uso de uma ferramenta baseada no Algoritmo
Gentico como alternativa para o planejamento da frota de sondas, diferentes entre si, a
ser usada no atendimento de uma srie de poos a serem perfurados. Mesmo no
fazendo o uso de dados reais, tentou-se aproximar o problema o mximo possvel da
realidade.
Dentro dos cenrios criados, foi possvel perceber que mesmo com taxas dirias
de aluguel bem mais caras, as sondas mais modernas tm melhor custo-benefcio do que
as de geraes mais antigas, alm de estarem aptas a trabalharem em ambientes mais

40

desfavorveis. So capazes de perfurar sob lmina dgua mais profundas e com

velocidades maiores.
O custo com aluguel de sondas, apesar de ser bastante impactante na viabilidade
de um projeto de desenvolvimento de um campo, no varia tanto com os diferentes
programas de itinerrios como era de se imaginar. No entanto, o tempo gasto com o
desenvolvimento se mostrou mais sensvel s decises de nmero e tipo de sondas
utilizadas. Isto faz com que, em muitos casos, o melhor programa seja aquele que
minimize o tempo total.
A perda total de volume, mesmo no sendo uma varivel real, tem o seu valor
como comparao entre os cenrios. Dentro da modelagem do trabalho, ela poderia ser
uma maneira de substituir as decises estratgicas que as empresas adotam e que seriam
impossveis de serem reproduzidas. Estas decises envolvem a perfurao de certos
poos em determinadas partes do campo em detrimento de outros.
Nem sempre interessante para a empresa que o campo seja desenvolvido no
menor tempo possvel. Claro que quanto antes ela puder obter o retorno trazido pela
venda do petrleo produzido, melhor para ela. Mas nem sempre h disponibilidade de
capital para que o campo seja desenvolvido todo de uma vez. Por isso, nem mesmo o
caso concludo como o melhor, o mais atraente para a empresa. Porm, essa deciso
dificilmente ser tomada pelo engenheiro responsvel pelo planejamento, mas sim pela
alta cpula da empresa.
Algumas simplificaes foram feitas ao longo do trabalho. Considerar nula a
distncia entre os poos, ignorando o tempo de deslocamentos , de certa maneira,
grosseiro. Porm, dentro do nosso modelo, considerar tais tempos traria mais
complicaes do que melhorias. Trazer a perda de volume para Valor Presente,
considerando diferentes preos para o barril de petrleo seria uma alternativa
interessante.
Neste trabalho, no foi possvel se fazer uso de dados reais. Seria bastante
interessante que nos prximos trabalhos fosse usado um cenrio real, j executado.
Neste caso, seria possvel ter idia de qual seria o ganho se a programao por

41

Algoritmo Gentico tivesse sido usada no caso. Considerar o tempo de deslocamento

entre os poos teria muito mais sentido em um cenrio real, em que a distncia entre
poos conhecida.
Estudos sobre o efeito de restries de janela de tempo sobre tempo total do
projeto tambm seriam de grande valia. No entanto, no foi possvel conciliar essas
restries com os dois critrios de otimizao utilizados no trabalho. Esta outra
sugesto para trabalhos futuros.

42

Referncias Bibliogrficas

ACOSTA, M., FARIAS, R., VILELA, ., PINEDA, F., MONTANHA, R., GARCIA,
E., CALDERON, A., MAGNO, C.,GERMINO, M., Deepwater Horizontal
Openhole Gravel Packing in Marlim Sul Field, Campos Basin, Brazil
Completion Project Learning Curve and Optimization. In: 2005 SPE Annual
Technical Conference and Exhibition held in Dallas, Texas, E.U.A., 2005.
ALOISE, D. J., ALOISE, D., ROCHA, C. T. M., RIBEIRO FILHO, J.C., MOURA, L.S.S.,
RIBEIRO, C.C. ,Scheduling Workover Rigs for Onshore Oil Production. Preprint
submitted to Elsevier Science. 2004. Disponivel em <http://www-di.inf.pucrio.br/~celso/artigos/rigs.pdf>. Acessado em 21 dez 2008.
ALOISE, D. ; NORONHA, T.F., MAIA, R. S. ; BITTENCOURT, V. G. ; ALOISE, D.
J., Heursticas de Colnia de Formigas com Path-Relinking para o Problema de
Otimizao da Alocao de Sondas de Produo Terrestre - SPT. In: XXXIV
Simpsio Brasileiro de Pesquisa Operacional, 2002, Rio de Janeiro. Anais do
XXXIV Simpsio Brasileiro de Pesquisa Operacional, 2002.
ALVES, V.R.F.M., FERREIRA FILHO, V.J.M., Algoritmo Gentico para a Soluo
para o Problema de Roteamento e Sequenciamento de Sondas de Manuteno. T
& N Petrleo, v. 49, pp 148-154, 2006.
BARBASSA, A.G. Crescimento: Desafios e Oportunidades. In: IBEF, Rio de Janeiro,
Brasil, 2008. Disponvel em <http://www2.petrobras.com.br/ri/pdf/DiretorAlmir-IBEF-final.pdf>. Acessado em 21 dez. 2008.
BARNES, J. W., BRENNAN, J. J., KNAP, R. M., 1977, Scheduling a Backlog of
Oilwell Workovers. Journal of Petroleum, pp 1651-1653, 1977.
BNET

BUSINESS

NETWORK.

Acessado

em

Dezembro

de

2008.

<http://findarticles.com/p/articles/mi_qa5367/is_/ai_n25420570>.

43

BOAVENTURA-NETTO, P.O.. Um estudo sobre a construo de um algoritmo VNS

para o Problema Quadrtico de Alocao. Anais XII CLAIO, pp. 37 (resumo) /
CD-ROM,

Havana,

Cuba,

outubro

2004.

Disponvel

em

<http://www.cigraf.pep.ufrj.br/~boaventura/home_fichiers/home_artigos/artigos
5.pdf>. Acessado em 21 dez. 2008.
BOURGOYNE JR., A.T., MILLHEIM, K.K., CHENEVERT, M.E., YOUNG JR., F.S.,
Applied Drilling Engineering. SPE Textbook Series, Vol. 2.
BUSSAB, W.O., MORETTIN, P.A., Estatstica Bsica, 5. ed., Editora Saraiva, p. 309310, 2003.
CORDENONSI, A.Z., MULLER, F.M., BASTOS, F.P., O Ensino de Heursticas e
Metaheursticas na rea de Pesquisa Operacional sob a tica de Educao
Dialgica Problematizadora. CINTED-UFRGS, v.3, maio, 2005.
COSTA, L.R., Solues para o Problema de Otimizao de Itinerrio de Sondas.
Dissertao de Mestrado, UFRJ, Rio de Janeiro, Brasil, 2005.
DALBONI, F.L., Algoritmos Evolutivos Eficientes para um Problema de Roteamento
de Veculo. Dissertao de Mestrado, UFF, Niteri, Brasil, 2003.
DEPARTAMENT OF PETROLEUM RESOURCES. Acessado em Dezembro de 2008.
<http://www.dprnigeria.com/news_archive/in_the_news_oil_rigs_hit_19_in_we
st_africa.html>.
DIAZ, A. Optimizacin Heurstica Y Redes Neuronables. Editorial Paraninfo, Madrid,
1996.
DORIGO, M., BLUM, C., Ant colony optimization: Introduction and recent trends.
Physics of Life Reviews, 2(4):353-373, 2005.

44

FIGUEIREDO JR., F.P., BRANCO, C.C.M., PRAIS, F., SALOMO, M.C.,

MEZOMMO, C.C., The Challenges of Developing a Deep Offshore Heavy-Oil
Field in Campos Basin. In: 2007 SPE Latin American and Caribbean Petroleum
Engineering Conference held in Buenos Aires, Argentina, 1518 April 2007.
FINANCIAL

SENSE.

Acessado

em

Dezembro

de

2008.

<http://www.financialsense.com/Market/cpuplava/2008/0409.html>.
GERMINO, M., CALDERON, A., MOTTA, E.P., The Keys to Successfully Acidizing
Horizontal Injection Wells in the Marlim Sul Field. In: 2004 SPE Annual
Technical Conference and Exhibition, Houston, Texas, E.U.A., setembro, 2004.
INTERNACIONAL BUSINESS TIMES. Acessado em Dezembro de 2008.
<http://www.ibtimes.com/articles/20081009/transocean-shares-rally-after-fleetupdate.htm>.
OLIVEIRA, F. L., KROPF, T.C.L., Aplicao de um Algoritmo Gentico na Resoluo
de Problema de Alocao de Sondas de Perfurao a Poos. 2008.
OLIVEIRA, R., DROGUETT, E., Otimizao Multiobjetivo da Confiabilidade via
Sistemas Multiagentes Baseado em Colnia de Formigas. In: XIV CLAIO.
Colmbia,

2008.

Disponvel

em

<http://www.socio.org.co/CLAIO2008/submissions/CLAIO_2008_submission_
295.pdf>. Acessado em 21 dez. 2008.
PACHECO, M.A.C., Algoritmos Genticos: Princpios e Aplicaes. 2005. Disponvel
em <http://www.inf.unioeste.br/~claudia/CE-Apostila-Comp-Evol.pdf>. Acessado
em 21 dez. 2008.
PETROBRAS, Mdulo 3 do Campo de Marlim Sul - P-56. In Onip e Abemi, maio de
2007.

45

PETROBRAS Relaes com os Investidores. Acessado em Dezembro de 2008.

<http://www2.petrobras.com.br/portal/frame_ri.asp?pagina=/ri/port/index.asp&lang=
pt&area=ri >.
PIMENTA, D.J., Algortimo de Otimizao para o Problema de Roteamento de Veculos
no Transporte Conjunto de Cargas e Passageiros. Dissertao de Mestrado,
UFMG, Belo Horizonte, Brasil, 2001.
PINTO, A.C.C., GUEDES, S.S., BRHUN, C.H.L., GOMES, J.A.T., S, A.N. de,
FAGUNDES NETTO, J.R., Marlim Complex Development: A Reservoir
Engineering Overview. In: 2001 SPE Latin American and Caribbean Petroleum
Engineering Conference, Buenos Aires, 2001
PROJETO

ISIS.

Acessado

em

Dezembro

de

2008.

<http://www.geocities.com/igoryepes/index.htm>
REUTERS.

Acessado

em

Dezembro

de

2008

<http://www.reuters.com/article/pressRelease/idUS151104+06-May2008+PNW20080506>.
RIGZONE

DATA

CENTER.

Acessado

em

Dezembro

2008.

<

http://www.rigzone.com/data/>
ROSENBLATT, L., Aplicao de Dinmica de Sistemas ao Estudo do Comportamento
das Taxas Dirias de Aluguel de Sondas de Perfurao Off-Shore. Projeto Final
de Graduao, UFRJ, Rio de Janeiro, 2006.
SUCUPIRA, I.R., Mtodos Heursticos Genricos: Meta-Heursticas e HiperHeursticas. Projeto Final de Graduao, USP, So Paulo, 2004. Disponvel em
< http://www.ime.usp.br/~igorrs/monografias/metahiper.pdf>. Acessado em 21
dez 2008.
THOMAS, J. E., Fundamentos de Engenharia de Petrleo, 2.ed., Editora Intercincia,
p. 55-118, 2001.
46

TOOLPUSHER OFFSHORE WORKERS HOMEPAGE. Acessado em Dezembro

2008. <http://www.toolpusher.co.uk/>
TORTELLY, A., OCHI, L.S., Um GRASP eficiente para Problemas de Roteamento de
uma

Frota

de

Veculos

p.

149-158,

2005.

Disponvel

em

<http://www.sbmac.org.br/tema/seletas/docs/v7/16-To-Oc.pdf>. Acessado em
21 dez. 2008.
TRANSOCEAN, Matching Rigs with Deepwater Programs. In: IADC-GOM, Houston,
Texas, outubro 2005.
TRANSOCEAN, Transocean 2007 Annual Report. Dezembro 2007
VASCONCELLOS, R.V.J.C., Um Algortimo Gentico para o Problema de Scheduling
de Projetos com Restries de Recursos Uma soluo com Gerenciamento de
Risco. Tese de Doutorado, COPPE/UFRJ, Rio de Janeiro, 2007.

47

Anexo I
Este anexo apresenta os valores das lminas dgua, da perda de produo e da
profundidade para os todos os poos produtores e injetores.
Tabela 23: Resumo das caractersticas geradas para cada um dos poos.
Perda de produao
Mdulo
Poo
Numerao LDA (m)
(bpd)
Profundidade (m)
1461
8626,3
2657
Produtor 1
1
1216
10424,6
3355
Produtor 2
2
806
8724,1
3130
Produtor 3
3
1492
8710,6
3155
Produtor 4
4
893
7839,9
2671
Produtor 5
5
1473
9033,7
2799
Produtor 6
6
1115
7976,7
3149
Produtor 7
7
1092
7037
3280
Produtor 8
8
1320
8031,4
2552
Produtor 9
9
1017
7443,2
2833
Produtor 10
10
966
8695,8
3162
11
Mdulo Produtor 11
1
1398
9561,9
2856
Produtor 12
12
887
7282,7
3047
Produtor 13
13
1008
7675,7
3126
Produtor 14
14
1116
9915,3
3340
Produtor 15
15
1134
9184,5
3110
Produtor 16
16
1081
6873,7
3309
Produtor 17
17
1238
8170
3195
Produtor 18
18
1308
7820,9
3142
Produtor 19
19
1029
6088,1
2960
Produtor 20
20
895
4827
3272
Produtor 21
21
1342
5370,8
2991
Produtor 22
22
Mdulo Produtor 23
1257
19715,2
2942
23
2
1264
15197,4
3062
Produtor 24
24
1226
20306,1
3345
Produtor 25
25
1143
18361,8
3234
Produtor 26
26
1376
15696,3
3391
Produtor 27
27
1222
20858,1
3269
Produtor 28
28
1371
18025
3426
Produtor 29
29
1419
15923,8
3081
Produtor 30
30
1126
21161,8
3240
Produtor 31
31

48

Mdulo
3

Mdulo
4

Mdulo
1

Mdulo
2

Produtor 32
Produtor 33
Produtor 34
Produtor 35
Produtor 36
Produtor 37
Produtor 38
Produtor 39
Produtor 40
Produtor 41
Produtor 42
Produtor 43
Produtor 44
Produtor 45
Produtor 46
Produtor 47
Produtor 48
Produtor 49
Produtor 50
Produtor 51
Produtor 52
Produtor 53
Injetor 1
Injetor 2
Injetor 3
Injetor 4
Injetor 5
Injetor 6
Injetor 7
Injetor 8
Injetor 9
Injetor 10
Injetor 11
Injetor 12
Injetor 13
Injetor 14
Injetor 15
Injetor 16
Injetor 17
Injetor 18

32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71

1140
1712
1786
1819
1453
1466
1800
1715
1564
1693
1647
2465
1528
1642
2215
2578
2097
1728
1706
2127
2438
1701
1325
917
1074
932
1192
1273
1408
808
1231
1192
1339
1208
1169
1388
809
1111
1486
1186

17727
7582,3
10161,5
6683,1
9916,8
8679,5
9737,9
9753,5
11308,9
10306,3
6856,2
4985,7
6480,2
5651,2
5675,3
6406,8
5760,5
3430,2
5283,4
6426,6
5696,8
5252,3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

3473
2604
3238
3007
3123
3157
3399
2694
3466
2888
2813
2973
2560
3289
3232
2605
3418
2559
3493
3336
2570
2661
2544
3067
2636
2887
3148
3155
3434
2890
3219
3351
2855
2512
3359
2846
3391
3346
2878
3297
49

Mdulo
3

Mdulo
4

Injetor 19
Injetor 20
Injetor 21
Injetor 22
Injetor 23
Injetor 24
Injetor 25
Injetor 26
Injetor 27
Injetor 28
Injetor 29
Injetor 30
Injetor 31
Injetor 32
Injetor 33
Injetor 34
Injetor 35
Injetor 36
Injetor 37
Injetor 38
Injetor 39
Injetor 40
Injetor 41
Injetor 42

72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95

1438
1240
1186
1382
1304
1332
1664
1646
1606
1803
1588
1809
1811
1693
1452
2221
1515
1593
1862
2018
1999
2500
2589
2477

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

3419
2511
2615
3495
2950
3066
2864
2539
2535
2880
2759
3212
2754
3154
2725
3416
2576
2715
2580
2797
3070
3275
3008
2626

50