[pt] GESTÃO DA CADEIA DE PETRÓLEO SOB INCERTEZA: MODELOS E ALGORITMOS

• Ano de defesa: 2021
• Autor(a) principal: FABRICIO CARLOS PINHEIRO OLIVEIRA
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] PLANEJAMENTO ESTRATEGICO; [pt] ESTRATEGIA DE DECOMPOSICAO; [pt] GESTAO DA CADEIA DE SUPRIMENTOS DE PETROLEO; [pt] OTIMIZACAO SOB INCERTEZA; [pt] PROGRAMACAO ESTOCASTICA; [en] STRATEGIC PLANNING; [en] DECOMPOSITION STRATEGY; [en] PETROLEUM SUPPLY CHAIN MANAGEMENT; [en] OPTIMIZATION UNDER UNCERTAINTY; [en] STOCHASTIC PROGRAMMING
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55799&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55799&idi=2; http://doi.org/10.17771/PUCRio.acad.55799

[pt] Nesta tese é abordado o problema de planejamento de investimentos para a cadeia de fornecimento de petróleo sob incerteza. Neste contexto, um modelo de programação estocástica de dois estágios é formulado e resolvido. Tal modelo busca representar com precisão as características particulares que são inerentes ao planejamento de investimentos para a infra-estrutura logística de petróleo. A incorporação da incerteza neste contexto inevitavelmente aumenta a complexidade do problema, o qual se torna rapidamente intratável conforme cresce o número de cenários. Tal dificuldade é contornada baseando-se na aproximação por média amostral (AMA) para controlar o número de cenários necessários para atingir um nível pré-especificado de tolerância em relação à qualidade da solução. Além disso, é considerado o desenvolvimento de técnicas que resolvam de maneira eficiente o problema, explorando sua estrutura especial, através de decomposiçãoo por cenários. Seguindo esta ideia, propõe-se duas novas abordagens para decompor o problema de forma que o mesmo possa ser eficientemente resolvido. O primeiro algoritmo é baseado na decomposição estocástica de Benders, a qual é aprimorada usando-se novas técnicas de aceleração propostas. O segundo consiste de um novo algoritmo baseado em decomposição Lagrangeana que foi projetado para lidar com o caso onde temos variáveis inteiras no problema de segundo estágio. A característica inovadora desse algoritmo está relacionada com a estratégia híbrida utilizada para atualizar os multiplicadores de Lagrange, combinando subgradientes, planos de cortes e regiões de confiança. Em ambos os casos as abordagens propostas foram avaliadas considerando um exemplo de grande escala do mundo real e os resultados sugerem que os mesmos apresentam desempenho superior quando comparados com outras técnicas disponíveis na literatura.