Anda di halaman 1dari 9

IBP1224_12 OTIMIZAO DAS OPERAES DE TRANSPORTE DE DERIVADOS EM UM POLIDUTO COM MLTIPLAS SANGRIAS Guilherme Kira1, Lucas El Ghoz de Lara2,

Leandro Magato3, Lcia Valria Ramos de Arruda3, Marcos Henrique da Silva4, Paulo Csar Ribas5
Copyright 2012, Instituto Brasileiro de Petrleo, Gs e Biocombustveis - IBP Este Trabalho Tcnico foi preparado para apresentao na Rio Oil & Gas Expo and Conference 2012, realizado no perodo de 17 a 20 de setembro de 2012, no Rio de Janeiro. Este Trabalho Tcnico foi selecionado para apresentao pelo Comit Tcnico do evento, seguindo as informaes contidas no trabalho completo submetido pelo(s) autor(es). Os organizadores no iro traduzir ou corrigir os textos recebidos. O material conforme, apresentado, no necessariamente reflete as opinies do Instituto Brasileiro de Petrleo, Gs e Biocombustveis, Scios e Representantes. de conhecimento e aprovao do(s) autor(es) que este Trabalho Tcnico seja publicado nos Anais da Rio Oil & Gas Expo and Conference 2012.

Resumo
Este trabalho apresenta o desenvolvimento de uma abordagem de soluo para auxiliar a tomada de deciso operacional das atividades de scheduling em um poliduto com operaes de mltiplas sangrias. O poliduto em estudo composto de 6 reas operacionais, incluindo 1 refinaria e 5 terminais de distribuio (ou rgos consumidores), cada qual com seus parques de tancagem caractersticos. Em suma, a refinaria bombeia derivados leves de petrleo, tais como diesel e gasolina, em sentido unidirecional, para esses terminais consumidores, de forma que suas demandas sejam atendidas. A abordagem de soluo baseada em heursticas e modelagem de Programao Linear Inteira Mista (PLIM), executados iterativamente. Detalhamentos das curvas de estoques nos rgos e de vazes operacionais nos dutos so obtidos na abordagem proposta, expandindo-se resultados obtidos por Kira et al. (2010). Adicionalmente, a abordagem de soluo proposta contempla demandas variantes em patamares dirios ao longo do horizonte de scheduling. Assim, compe-se uma abordagem hbrida para a obteno de uma soluo que respeite as restries operacionais do transporte de derivados, em tempo computacional da ordem de minutos, para horizontes de scheduling de 30 dias.

Abstract
This work presents an optimization structure to support the operational decision making of scheduling activities in a multiproduct pipeline with multiple deliveries. This pipeline connects, in sequence, 6 operational areas: one is the main refinery, and the 5 remaining are distribution centers, each one with specific capacity of storage. Basically, the refinery pumps derivatives, such as diesel and gasoline, in a unidirectional flow to distribution centers, in a way to supply their demands. The solution kernel is underlined in a hybrid structure, using heuristics and Mixed Integer Linear Programming (MILP) modeling, executed iteratively. Details of storage curves and flow rate of pipelines are obtained in the proposed approach, expanding the results of Kira et al. (2010). Additionally, the proposed approach is able to deal with discrete demands along the scheduling horizon. Thus, this hybrid structure makes possible to obtain operational scheduling solutions at a low CPU times (few minutes), using real data scenarios, whose horizon length has at least 30 days.

1. Introduo
A crescente demanda e produo de derivados de petrleo torna necessria a utilizao de modais eficientes e de elevado benefcio em relao ao custo operacional. Nesse cenrio, o transporte dutovirio, por sua eficcia, tornou-se um modal chave no transporte desses derivados ao longo do territrio brasileiro. No entanto, esse modal possui um conjunto considervel de restries e procedimentos operacionais, que abrangem desde a determinao da logstica das operaes de movimentao at aspectos de segurana das refinarias e dos clientes contratados. A coordenao do escoamento da produo para os terminais consumidores, isto , o scheduling da logstica de distribuio de derivados entre as refinarias

______________________________ 1 Pesquisador de Engenharia UTFPR, 2 Engenheiro de Equipamentos PETROBRAS 3 Professor(a) Doutor(a) UTFPR, 4 Graduando UTFPR, 5 Analista de Pesquisa Operacional CENPES/PETROBRAS

Rio Oil & Gas Expo and Conference 2012 e terminais via modal dutovirio, fica a cargo de especialistas, cujo gerenciamento depende, em sua maioria, de experincias passadas e clculos manuais. Por isso, decises de scheduling que melhorem as prticas de movimentao de produtos, de forma que os estoques mantenham-se em patamares mais controlados, podem gerar ganhos financeiros considerveis. Os artigos da literatura que contemplam as decises de scheduling em polidutos envolvem, geralmente, modelos PLIM e propem abordagens com simplificaes e/ou estratgias de decomposio, devido complexidade combinatria do problema e da resoluo dos modelos PLIM. Nesse mbito, pode-se citar os trabalhos desenvolvidos por Cafaro e Cerd (2008), Relvas et al. (2008), Boschetto et al. (2010). Assim, abordagens de soluo que viabilizem/facilitem a soluo do scheduling de polidutos so relevantes e podem contribuir para o estado da arte do tema. Este trabalho tem como base o modelo proposto por Kira et al. (2010), no qual um modelo baseado em coordenadas volumtricas foi utilizado para a alocao de sangrias em cada um dos 5 terminais consumidores. A idia geral do presente trabalho consiste em adequar o modelo anteriormente citado para ser executado iterativamente, de forma a se gerar sadas temporais de bombeio/recebimento nos dutos e de sangrias nos rgos, em perodos exatos de tempo. Ou seja, objetiva-se transformar o domnio da soluo do modelo volumtrico, baseado em volumes, em um domnio temporal, com intervalos de tempo e vazes definidas, conforme explicitado nas sees subsequentes. O artigo est organizado da seguinte forma. A seo 2 descreve o problema do transporte de derivados de petrleo no poliduto em estudo, destacando as principais caractersticas e restries que devem ser consideradas na modelagem do processo. A seo 3 detalha a abordagem hbrida proposta para determinar o scheduling do poliduto. Na seo 4 apresentado o cenrio a ser aplicado e os principais resultados obtidos. Finalmente, a seo 5 apresenta as concluses do trabalho e a aplicabilidade da formulao proposta.

2. Transporte Dutovirio de Derivados de Petrleo


O poliduto em estudo composto de 6 reas operacionais, incluindo 1 refinaria e 5 terminais de distribuio (ou rgos consumidores), cada qual com seus parques de tancagem caractersticos, conforme ilustra a Figura 1. Vale ressaltar que as reas so interligadas por dutos, cada um com seu volume especfico. Em suma, a refinaria bombeia derivados leves de petrleo, tais como diesel e gasolina, em sentido unidirecional para os terminais consumidores, de forma que suas demandas sejam atendidas. Os produtos, oriundos da refinaria, so bombeados em lotes sequenciais de volume (bateladas) no duto D1, como por exemplo: diesel, gasolina, diesel, GLP, gasolina, diesel e assim por diante. Alm disso, o bombeio na refinaria deve ser contnuo e o mais constante o possvel, dado que a rede extensa (superior a 900 km), o que resulta em um grande custo inercial envolvido. Por isso, os terminais consumidores recebem os produtos da rede via operao de sangria, que possibilita, simultaneamente, os terminais a receberem produtos, enquanto os dutos a continuarem movimentando produtos. A sangria a transferncia de parte do volume de um produto (batelada) para outro duto de menor dimetro, fazendo com que a vazo da batelada que continua na rede aps essa retirada seja menor do que a anterior. Esse processo faz com que as bateladas encolham percam volume ao longo do deslocamento na rede. A Figura 2 exemplifica uma operao de sangria, em que um dado produto bombeado a uma vazo de 1000 m/h do duto D1, enquanto que no duto D2 esse mesmo produto movimentado a 750 m/h. Esta diferena de vazo ocorre devido ocorrncia de uma sangria no rgo O1, a 250 m/h. Logo, o balano de vazo mantido, pois a vazo no duto D1 (1000 m/h) a vazo no duto D2 (750m/h), somada da vazo de sangria no rgo O1 (250m/h).

Figura 1: Poliduto com Mltiplas Sangrias

Figura 2: Operao de Sangria

3. Otimizao das atividades de Scheduling Dutovirio


Dada a natureza combinatria envolvida, a abordagem de soluo adotada baseia-se na decomposio do problema, conforme ilustra a Figura 3. Foram elaboradas heursticas (Pr-Processamento e Ps-Processamento), as quais so aliadas a um modelo de otimizao em PLIM. A abordagem adotada iterativa e tem como objetivo determinar o scheduling das operaes de curto-prazo do poliduto. Essa decomposio em processos heursticos e modelo PLIM se faz necessria devido natureza combinatria do problema tratado, alm da necessidade de detalhamento das solues geradas, em termos de vazes e controle de nvel de estoques para horizontes iguais ou superiores a 30 dias.Vale ressaltar que o modelo PLIM utilizado uma adaptao do modelo proposto por Kira et al. (2010), de forma que possa ser 2

Rio Oil & Gas Expo and Conference 2012 executado em laos de repetio.

Figura 3: Diagrama de Execuo do Processo de Soluo A linha de execuo da soluo Figura 3 iterativa. Inicialmente as heursticas de Pr-Processamento efetuam simplificaes para que o Modelo de Otimizao (PLIM) as utilizem de forma a gerar uma soluo em tempo computacional da ordem de segundos a poucos minutos. Assim, os resultados do Modelo sero entrada para o PsProcessamento, o qual tambm efetuar heursticas e transformar a soluo em um domnio temporal, como tambm servir como reentrada para novas execues do Pr-Processamento. A abordagem de soluo envolve um planejamento rgo a rgo, objetivando-se gerar um controle preciso de vazes nas sangrias e nos dutos, como tambm dos estoques. Para isto, na Iterao 1 (Figura 4), necessrio formar uma rede simplificada a partir da rede original, com um rgo e um duto, conforme indica a Figura 5. Assim, geram-se os tempos mdios em que as bateladas bombeadas da refinaria atingiro o primeiro rgo da rede (o1). Desta forma, nas prximas iteraes, um rgo estar na origem das redes simplificadas, fato que auxilia nas tomadas de decises por parte do modelo matemtico, principal razo dessa primeira iterao diferir das demais Na etapa seguinte (Iterao 2), gerado o planejamento para o primeiro rgo da rede. Para isso necessrio formar uma rede simplificada rede original, com um rgo e um super-rgo, conforme indica a Figura 6. Na Figura 6, tem-se um duto e dois rgos: rgoDutoSuper-rgo. Um super-rgo agrega demandas de todos os demais rgos da rede em um nico rgo, de forma que este os represente indiretamente na rede simplificada. Assim, o modelo matemtico aplicado a uma rede simplificada, reduzindo-se a carga computacional do modelo matemtico de otimizao em relao ao apresentado por Kira et al. (2010). No caso, o nmero de variveis de deciso sensivelmente reduzido. A dinmica da rede , considerando-se tempos mdios, mantida, pelo fato do super rgo compreender todos os demais rgos necessrios, mantendo-se balanos da alocao geral inicial do scheduling.

Figura 4: Etapa Iterativa de Soluo

Figura 5: Rede Contendo 1 Duto e 1 rgo

Figura 6: Rede Contendo 1 Duto e 2 rgos

Aps a alocao de sangrias para a rede simplificada da Iterao 2, realizada pelo modelo PLIM, obtido o 3

Rio Oil & Gas Expo and Conference 2012 detalhamento temporal com uma heurstica de temporizao, presente no Ps-Processamento. Dessa forma, tem-se o scheduling para o rgo da rede em questo, bem como os recebimentos das bateladas no duto, que sero entradas para a prxima etapa a ser calculada. Nessa prxima etapa, uma nova rede constituda do rgo seguinte da rede original e um novo super-rgo, o qual compreende os demais rgos restantes da rede. A rede simplificada ser similar representada na Figura 6, porm com diferentes rgos e dutos. Aps a execuo do modelo matemtico, a soluo novamente temporizada no Ps-Processamento e uma nova etapa similar a esta se inicia, at que o ltimo trecho da rede seja compreendido, conforme mostra a execuo representada pela Iterao 5 na Figura 4. 3.1. Super-rgo O Super-rgo foi criado para simplificar a complexidade computacional, de forma que solues que atendam o problema possam ser obtidas em tempo computacional vivel. Dessa forma, cria-se uma entidade que abstrai/simplifica uma dada quantidade de rgos e dutos em uma nica, chamada de super-rgo, conforme ilustra a Figura 7.

Figura 7: Rede com um Super-rgo No exemplo da Figura 7, tem-se que os terminais o2 e o3, junto do duto d3, compem um super-rgo, que ficar virtualmente localizado na mesma posio do rgo o2. A mesma figura tambm mostra uma batelada sendo recebida no super-rgo. Se apenas for considerado um somatrio simples de todos os perfis de demanda dos rgos o2 e o3, o perfil do rgo o3 no representaria, de fato, uma demanda nos instantes da programao. Suponha-se que a batelada em questo seja recebida no super rgo a partir do instante 0 u.t. (unidades de tempo), e que o deslocamento mdio necessrio no duto d3 para essa batelada atingir o rgo o3 seja de 10 u.t. Ento, essa batelada s conseguir suprir uma demanda no rgo o3 dali a uma mdia de 10 u.t. Portanto, esse deslocamento pode gerar falhas na gerao de uma soluo. Para corrigir tal impreciso, realizado um avano dos perfis de demanda dos rgos que compem o super rgo, de forma que essas demandas deslocadas impactem num recebimento antecipado de bateladas no super rgo, para antever o deslocamento a ser percorrido at essa batelada atingir o rgo o3. Cada rgo ter um clculo de deslocamento para a referncia comum, que impacta em alguns atributos que devem ser ajustados. Esses atributos so basicamente as demandas, as produes, e os parmetros de tancagem dos rgos que compem o super-rgo.A Figura 8 exemplifica o ajuste de um perfil de demanda de um rgo.

Figura 8: Ajuste do Perfil de Demanda com um Avano Nota-se na Figura 8 que a demanda antecipada em relao original, pois necessrio considerar de alguma forma os deslocamentos que a batelada ainda precisar para atingir os rgos abstrados no super rgo. Alm disso, a taxa de demanda em u.vz. (unidades de vazo) mantm-se inalterada em todo o processo, como tambm a durao do intervalo de demanda se mantm constante. Para realizar o clculo dos avanos de cada rgo necessrio obter estimativas da vazo mdia de operao dos dutos, em funo de um volume planejado global de demandas, ou seja, vazes mdias que cada duto dever operar para atender as demandas individuais de cada terminal, conforme ilustra a Figura 9. 4

Rio Oil & Gas Expo and Conference 2012

Figura 9: rgos e Dutos de um Super rgo Na Figura 9 h 4 rgos e 3 dutos, sendo que cada duto possui um volume e uma vazo associada, como por exemplo o duto d1, que possui uma vazo mdia de operao de 800 u.vz. (unidades de vazo) e volume de 10.000 (unidades de volume). Assim, os avanos calculados so uma estimativa de tempo que uma batelada bombeada na origem leva para atingir cada rgo. Por exemplo, para o rgo o1 o tempo que uma batelada demora em atingi-lo zero, pois ele j se encontra na origem. No entanto, para os demais rgos essa clculo no ser nulo, e ser expresso pela equao (1):

Avanoo Avancoo 1

VolumeDuto d VazoMdia d

o Orgos, d DutoOrigemo o 1

(1)

onde, Avanoo o avano calculado de cada rgo o pertencente ao conjunto de rgos ( o Orgos ), VolumeDutod o volume do duto d, VazoMdiad a vazo mdia de operao do duto d, e DutoOrigemo o duto que interliga o rgo o ao rgo o-1. Assim, para o rgo o2 o tempo de deslocamento ser de 12,5 u.t. (unidades de tempo): o tempo calculado pela razo entre volume que a batelada necessita percorrer (10.000 u.v. ou unidades de volume), que o volume do duto, pela vazo mdia do duto (800 u.vz. ou unidades de vazo). J para o prximo rgo o3, o tempo de deslocamento ser o tempo que a batelada demorou em atingir o rgo o2 somado do tempo mdio para a batelada percorrer o duto d2. O tempo mdio total para uma batelada sair da origem e atingir o rgo o3 de 32,5 u.t., resultado da soma do tempo de deslocamento nos dutos d1 e d2. Esse mesmo clculo utilizado tambm para os demais rgos posteriores da rede. A Tabela 1 abaixo mostra os avanos calculados para cada rgo da Figura 9, com a equao (1): Tabela 1: Avano calculado para cada rgo rgo o1 o2 o3 o4 DutoOrigem d1 d2 d3 Tempo de Deslocamento Avano [u.t.] [u.t.] 0 0,0 12,5 12,5 20,0 32,5 20,0 52,5

Nota-se, na Tabela 1, que os avanos tero ordem crescente de valores, uma vez que quanto maior a distncia do rgo em relao referncia, mais antecipado dever ser o seu recebimento no super-rgo. A realizao desses clculos de deslocamentos podem ser tambm interpretados como o deslocamento de cada um dos rgos para um ponto de referncia comum (do super-rgo), anlogo a uma mudana de base em sistemas de coordenadas. A Figura 10 ilustra esse deslocamento de referncias.

Figura 10: Deslocamento das Referncias dos rgos formadores do Super-rgo

4. Resultados

Rio Oil & Gas Expo and Conference 2012 O modelo de otimizao PLIM foi implementado e resolvido na IDE IBM ILOG CPLEX Optimization Studio v12.2 (IBM ILOG CPLEX, 2012), enquanto que as heursticas foram implementadas em linguagem C#, na IDE Microsoft Visual Studio 2010, ambos executados numa plataforma composta por um Processador Intel Core i7 (2,93GHz) com 4,00GB de memria RAM, Sistema Operacional Windows 7 de 64 bits. A Figura 11 ilustra uma Carta de Gantt da soluo, em que o eixo horizontal representa o tempo, em u.t., e o eixo vertical ilustra os bombeios nos dutos e sangrias nos rgos consumidores. O cenrio em questo composto de 5 dutos (D1 a D5) e 5 rgos consumidores (O1 a O5), cada um com demandas de dois tipos de produtos derivados (P1 e P2), para um horizonte de programao de 720 u.t.

Figura 11: Carta de Gantt de Bombeios e Sangrias Nota-se que em nenhum momento os dutos D1, D2, D3 e D4 pararam de movimentar produtos, pois para todos os instantes de tempo h um bombeio de algum produto ocorrendo. Assim, a premissa de estar sempre movimentando produtos nos dutos D1 a D4 foi respeitada. O nico trecho em que houve, de fato, paradas de bombeio foi no duto D5, onde h a possibilidade de tal ocorrncia, pois um trecho em que a inrcia de movimentao deixa de ser restritiva. O perfil de demanda de cada um dos produtos para cada rgo consumidor do cenrio dado em instncias dirias, ilustradas de acordo com a Figura 12, em que as taxas de demanda so constantes ao longo de ciclos de 24 u.t.

Figura 12: Perfil de Demanda em Instncias Dirias Na Figura 13 so mostrados os perfis de tancagem (estoque) dos produtos P1 e P2 nos rgos O1 a O5, respectivamente. Nos perfis da figura destacam-se linhas horizontais para identificao de patamares de estocagem mnimo, meta e capacidade. Capacidade o volume fsico mximo de armazenamento do rgo, estoque mnimo um 6

Rio Oil & Gas Expo and Conference 2012 volume mnimo operacionalmente desejado a ser mantido, e o estoque meta um volume base, ou volume desejvel, a ser mantido ao longo do horizonte. Nota-se que nenhuma violao de falta de produto ou estouro de capacidade ocorreu na soluo desse cenrio. Os perfis de estoques nos rgos foram, em geral, bem controlados de forma a serem mantidos entre um valor no nulo e a capacidade.

Figura 13: Perfis de Tancagem da Soluo do Cenrio Na Figura 14 so mostrados os perfis de vazo dos dutos D1 a D5, decorrentes da soluo obtida. Nos grficos so ilustrados os limites mnimos e mximos de vazo nos dutos, bem como a vazo sugerida pelo scheduling. 7

Rio Oil & Gas Expo and Conference 2012

Figura 14: Perfil de Vazes da Soluo do Cenrio Em apenas um perfil de vazo dos dutos sugere-se uma vazo fora dos limites operacionais, mais precisamente para o duto D4, indicado na Figura 14(d). No entanto, o intervalo em que se sugere essa violao do limite pequeno, o que no afeta demasiadamente a soluo. Alm disso, percebe-se na Figura 14(a) que foi mantida uma vazo constante de bombeio de bateladas no duto D1, premissa adotada para o scheduling. 8

Rio Oil & Gas Expo and Conference 2012 A Tabela 2 lista os tempos computacionais de cada iterao da soluo proposta. A iterao que tomou maior tempo computacional foi a quinta, em que o nmero de variveis de deciso aumenta consideravelmente, em funo das quebras de vazes nos dutos ocasionadas pela superposio das sangrias ocorridas em rgos anteriores. Essa iterao, somada de todas as demais quatro execues, resultam em um tempo utilizado de 1minuto, 30 segundos e 397 milissegundos. Logo, o tempo total do sistema ficou abaixo das dezenas de minutos, resultado que satisfaz premissa de gerar uma soluo em tempo computacional vivel, da ordem de poucos minutos. Tabela 2: Tempo Computacional de cada Iterao Iterao 1 2 3 4 5 Total Minutos(m) 0 0 0 0 0 1 Segundos(s) 0 4 9 26 48 30 Milisegundos(ms) 749 944 844 765 95 397

5. Consideraes Finais
O principal objetivo do trabalho foi desenvolver uma estrutura de otimizao, envolvendo heursticas e modelo PLIM, para atender dois requisitos importantes para uma ferramenta de auxlio tomada de deciso: soluo operacionalmente vivel e tempo computacional reduzido, tendo em vista um problema de otimizao combinatria. Os principais avanos em relao ao modelo proposto por Kira et al. (2010) foram o detalhamento preciso dos instantes de sangria das bateladas ocorridos em cada um dos terminais consumidores, bem como do detalhamento das curvas de estoques nos rgos e de vazes operacionais nos dutos, conforme ilustram os resultados obtidos. Outro avano obtido foi formular uma abordagem que contemple demandas variantes ao longo do horizonte de programao, como demandas em patamares dirios (ex.: Figura 12). Para trabalhos futuros, objetiva-se abordar um controle maior sobre as vazes nos dutos, no apenas as mantendo em faixas operacionais, como tambm se minimizando suas variaes ao longo do scheduling, fato tambm operacionalmente desejvel nesse poliduto. Isso gera a necessidade da adio de novas restries ao modelo MILP, como tambm de readaptaes na heurstica de temporizao, presente no Ps-Processamento.

6. Agradecimentos
Este trabalho recebeu o apoio financeiro da ANP/FINEP (PRH-ANP/FINEP, PRH10/UTFPR), PFRHPETROBRAS (Convnio 6000.0067933.11.4), CENPES-PETROBRAS (TC 0050.0066666.11.9) e CNPq (grants 304037/2010-9 e 311877/2009-5).

7. Referncias
BOSCHETTO, S.N., MAGATO, L., BRONDANI, W.M., NEVES-JR, F., ARRUDA, L.V.R., BARBOSA-PVOA, A.P.F.D., RELVAS, S. Ind. Eng.Chem. Res. 2010, 49, 5661-5682. CAFARO, D.C., CERD, J. Optimal dynamic scheduling of multiproduct pipelines with multiple delivery due dates. Computers and Chemical Engineering, Vol. 32(4-5), p. 728-753, 2008. IBM ILOG CPLEX. Language Users Manual. IBM Corporation, 2012. KIRA, G.; LARA, L.G.; FELIZARI, L.C.; STEBEL, S.L.; BOSCHETTO, S.N. MAGATO, L.; ARRUDA, L.V.R.; FABRO, J.A.; BETTONI, L.M.M.; RIBAS, P.C. Scheduling das operaes de transporte de derivados de petrleo em um poliduto com mltiplas sangrias. In: Rio Oil & Gas Expo and Conference, 15, 2010, Rio de Janeiro. RELVAS, S., MATOS, H.A., BARBOSA-PVOA, A.P.F.D., FIALHO, J. Oil products pipeline scheduling with tank farm inventory management, Proceedings of 18th European Symposium on Computer Aided Process Engineering, Vol. 25, p. 277-282, 2008.