Operational management of crude oil supply: models and solution strategies

Abstract

Esta tese de doutorado avança o estado da arte do gerenciamento de suprimento de óleo cru propondo modelos de programação matemática e algoritmos que tratam deste problema de forma integrada no nível de decisão operacional. Como resultado obtém-se o Gerenciamento Operacional do Suprimento de Petróleo (OMCOS). OMCOS considera ambos segmentos upstream (i.e., plataformas, navios e o terminal de petróleo cru) e midstream (i.e., CDUs nas refinarias). Em relação à literatura técnica, OMCOS combina Maritime Inventory Routing (MIR) com Crude Oil Scheduling (COS), considerando elementos do nível operacional (i.e., escalonamento e misturas de óleo cru) e do nível tático (i.e., controle de inventário e alocação de recursos). Esta integração gera modelos MINLP não convexos que são abordados nesta tese. O capítulo 2 propõe um algoritmo iterativo baseado em decomposição MILP-NLP, que aplica em cada iteração uma estratégia de redução de domínio para lidar com os termos bilineares encontrados no escalonamento de operações com óleo cru (COS). Um modelo MINLP não convexo para o OMCOS que agrega ao problema de suprimento de petróleo elementos do nível operacional encontrados em Maritime Inventory Routing e Crude Oil Scheduling é proposto no capítulo 3. Além disto, é apresentado um algoritmo baseado em decomposição MILP-NLP que utiliza envelopes de McCormick (para gerar uma relaxação MILP), redução de domínio (para reduzir a complexidade), e um solver NLP (para a obtenção de soluções factíveis). O capítulo 4 propõe um modelo de programação inteira mista (MILP) para clusterizar o OMCOS que possui os seguintes benefícios: (a) redução do número de rotas dos navios; (b) simplificação de operações de offloading e unloading; (c) imposição de regras para a mistura de diferentes tipos de petróleo em storage tanks de forma a minimizar a variação das propriedades; e (d) produção de limites em relação às propriedade dos petróleos nos storage tanks e charging tanks que são usados para linearizar os termos bilineares. Através da combinação de clusters e de uma decomposição MILP-NLP, boas soluções com custo computacional reduzido foram obtidas para um conjunto de instâncias do OMCOS.

Abstract: This thesis advances the state of the art on the management of crude oil supply by proposing models and algorithms to consider elements of the operational decision level in an integrated fashion, which leads to the Operational Management of Crude Oil Supply (OMCOS). OMCOS comprises both the upstream (i.e., platforms, vessels and terminal) and the midstream (i.e., CDUs at the refinery) segments. In relation to the technical literature, OMCOS combines elements of Maritime Inventory Routing (MIR) with Crude Oil Scheduling (COS) by considering decisions at the operational level (i.e., scheduling and crude oil blending) and tactical level (i.e., inventory control and resource allocation). Such an integration leads to non-convex Mixed Integer Non- Linear Programming (MINLP) models that are addressed in this thesis. Chapter 2 proposes an iterative two-step MILP-NLP decomposition algorithm, which implements a domain-reduction strategy for handling bilinear terms in the scheduling of crude oil operations (COS). A non-convex MINLP model for OMCOS that brings elements of the operational level into the management of crude oil supply, thereby incorporating elements of maritime inventory routing and crude oil scheduling is proposed in Chapter 3. Further, an iterative MILP-NLP decomposition is presented to tackle the MINLP problem that relies on bivariate piecewise McCormick envelopes (to yield an MILP relaxation), domain reduction (to reduce complexity), and an NLP solver (to reach feasible solutions). Chapter 4 proposes an Mixed Integer Linear Programming (MILP) clustering formulation for OMCOS that offers the following benefits: (a) reduces the number of routes for the vessels; (b) simplifies offloading and unloading operations; (c) imposes rules for crude mixtures in clusters of storage tanks that minimize property variations; and (d) produces bounds on crude properties inside storage and charging tanks that are used to linearize the bilinear terms in blending constraints. Through the combination of clusters and an MILP-NLP decomposition, good solutions were obtained for a set of representative instances of OMCOS at a reduced computational cost.