Upload
ngonhu
View
213
Download
0
Embed Size (px)
Citation preview
i
FACULDADE DE ECONOMIA E FINANÇAS IBMEC
PROGRAMA DE POS GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA
DISSERTAÇÃO DE MESTRADO PROFISSIONAL EM ADMINISTRAÇÃO
Programação Linear De Novo aplicada a Projetos de Explotação de Petróleo
Marcílio José da Silva Faria
ORIENTADOR : Prof. Dr. Luiz Flavio Autran Monteiro Gomes
Rio de Janeiro, 26 de Fevereiro de 2013
ii
PROGRAMAÇÃO LINEAR DE NOVO APLICADA A PROJETOS DE
EXPLOTAÇÃO DE PETRÓLEO
MARCÍLIO JOSÉ DA SILVA FARIA
Dissertação apresentada ao curso de Mestrado Profissionalizante em Administração como requisito parcial para a obtenção do grau de Mestre em Administração. Área de concentração: Administração Geral
Orientador: Prof. Dr. Luiz Flavio Autran Monteiro Gomes
Rio de Janeiro, 26 de Fevereiro de 2013
iii
FICHA CATALOGRÁFICA
F224 Faria, Marcílio José da Silva, - ,
Programação linear De Novo aplicada a projetos de explotação de petróleo / Marcílio José da Silva Faria. – Rio de Janeiro: [s.n.], 2013. 107 f.: il.
Dissertação (Mestrado) – PPGP em Administração e Economia do IBMEC Orientador: Prof. Dr. Luiz Flavio Autran Monteiro Gomes 1. Programação Linear. 2. Explotação. 3. Petróleo. I. Título II. Gomes, Luiz Flavio Autran Monteiro
CDD 665.5
v
DEDICATÓRIA
Dedico o presente trabalho à minha esposa e meus filhos, pela paciência e suporte durante
estes dois anos de dedicação intensa aos estudos e pesquisas que resultaram na confecção
desta dissertação.
vi
AGRADECIMENTOS
Sinceros agradecimentos aos Eng. Célio Vaz, Jonatas Ribeiro, Luiz Antonio Ferreira, Vinicius
Silva, Bruno Moczydlower, Jorge Pizzarro, José Ricardo Montesanti, Anderson Rapello,
Jesulino Junior, Flavio Gatto e José Augusto Neto pelo aconselhamento e consultoria
competente nas diversas disciplinas cobertas pelo presente estudo.
Agradecimento especial ao Eng. de Petróleo Fabiano Omar e à Eng. de Produção Barbara de
Moraes, pelo incentivo na busca pela otimização de projetos de explotação de petróleo.
vii
RESUMO
O perfil traçado para o desenvolvimento da explotação dos campos de petróleo em território brasileiro é quase sempre projetado no valor máximo de produção, operando-se os poços completamente abertos e sem restrição de vazão. Dessa forma, os equipamentos são superdimensionados na maioria dos projetos com o objetivo de retirar o maior volume de óleo e gás da jazida no menor espaço de tempo possível. O presente trabalho propõe avaliar a elaboração do projeto de desenvolvimento de campos offshore através de restrições impostas à produção com equipamentos dimensionados por vazões médias, levando-se em conta a reserva total ao longo do tempo e não o valor máximo de vazão. A adoção do modelo flat ao invés do modelo em forma de pico de produção pode proporcionar redução dos custos e diminuição da ociosidade das instalações, especialmente da metade do período da concessão até o final. Além disso, existe também a vantagem de postergar a perfuração de alguns poços e a instalação das tubulações submarinas, esticando-se o tempo de investimentos dessas disciplinas. Uma vez que é necessário comparar os dois tipos de estratégia de produção, a primeira tarefa é a obtenção da curva com todos os poços completamente abertos. A partir daí, são estabelecidos fatores para o projeto das instalações variando entre 0 (poços fechados) e 1 (poços com vazão máxima). O método adotado para a obtenção desses fatores adimensionais é a Programação Linear, sendo calculados os valores preliminares desses parâmetros considerando-se apenas um único objetivo: o lucro resultante de receitas e despesas em investimento e operação. O aprofundamento do estudo é conseguido utilizando-se a metodologia de Programação Linear Multiobjetivo De Novo para a obtenção dos fatores na condição meta-ótima. No modelo proposto nesse trabalho, a Programação De Novo analisa mais dois objetivos além do lucro: eficiência operacional e integridade das instalações, investigando-se os melhores números para estes fatores de acordo com os três objetivos citados conjuntamente, sem tradeoffs entre eles. Uma vez que a natureza não se comporta de forma linear, faz-se necessário calibrar os valores finais desses parâmetros pela simulação do modelo dinâmico de reservatório da concessão (modelo full-field), a qual se constitui na ferramenta mais precisa para a visualização da curva de produção. O modelo De Novo é então refeito de acordo com os novos valores resultantes do modelo dinâmico e os fatores dimensionantes são recalibrados, apontando-se assim a capacidade a ser adotada para o perfil de produção em formato flat, com os poços restringidos. Na etapa final é realizada análise econômica completa para comparar o perfil flat com o perfil de pico de produção, obtendo-se a confrontação da economicidade entre as duas estratégias. São analisados 3 casos diferentes de campos de petróleo marítimos à luz da metodologia proposta. Palavras-chave: Programação Linear. Otimização de projetos. Programação Multiobjetivo De Novo. Campos de petróleo offshore.
viii
ABSTRACT
The development profiles of the majority of oil fields in Brazilian territory are designed considering the maximum production flow rates and no oil well constraints. Disregarding the exceptions in which there is not enough room for the equipments installation, the machines are oversized aiming to extract the highest amount of oil and gas in the shortest period. The current job intends to assess offshore oil projects with production constraints and equipment design considering average flow rates, not the production peak rate. The adoption of flat models instead of production peak models may bring investment cut down and reduction of the equipment’s idleness, especially from the middle to the end of the concession period. Also, the postponement of some wells drilling campaign brings forth reduction on the total Capex, delaying huge drilling and completion expenditures. Provided that it is necessary to compare these two production profiles, the first step is to obtain the peak production curve, with all the wells fully opened. As the main goal is to establish reference numbers for the equipment sizes and its correlated flow rates, this study creates non-dimensional parameters that represent the facility capacities: wells, subsea systems, oil and gas topside facilities. These parameters may range between 0 and 1 meaning fully opened when their value is 1 or shut in when the parameter is 0. When the wells are choked back, these factors may vary between 0 and 1. The chosen method to the achievement of these parameters is Linear Programming. From a single criteria model, preliminary values are obtained considering profits as the objective function. Then, De Novo Multicriteria Linear Programming is used to find out the optimal system design, assigning metaoptimum values for the installation parameters. The practice of the De Novo formulation foresees two additional objectives which are included in the simulation process: operational efficiency and physical integrity. This methodology guides the shrinkage in the offshore systems capacities. As the flow of fluids inside porous rocks does not follow linear equations, it´s necessary to calibrate the results using a dynamic full field reservoir model, which is the most accurate tool for the production curve prediction. After this step, De Novo parameters are recalibrated according to this dynamic reservoir model outcome. Finally, an economic analysis is carried out aiming to compare flat profile with production peak profile. The final economic data are discussed on the multicriteria standpoint adopted in this study and a comparison between these two strategies is performed. Three different offshore oil fields are analyzed according to the methodology proposed. Keywords: Project optimization. De Novo Multicriteria Linear Programming. Offshore oil fields.
ix
LISTA DE FIGURAS
Figura 1 – Arranjo geral de módulo de explotação offshore .................................................... 16
Figura 2 – Fases de desenvolvimento de projetos .................................................................... 18
Figura 3 – Curva com projeto em formato de pico................................................................... 19
Figura 4 – Curva com projeto superdimensionado ................................................................... 20
Figura 5 – Curva em formato flat ............................................................................................. 21
Figura 6 – Formulação PL ........................................................................................................ 26
Figura 7 – Solução gráfica de PL monocritério ........................................................................ 27
Figura 8 – Solução gráfica de PL monocritério com várias soluções possíveis ....................... 28
Figura 9 – Formatação padrão de planilha em Excel® para a montagem dos modelos PL ...... 29
Figura 10 – Gráfico com 2 funções objetivo, 3 restrições e 2 variáveis................................... 30
Figura 11a – Otimização baseada em tradeoffs ........................................................................ 31
Figura 11b – Otimização livre de tradeoffs .............................................................................. 31
Figura 12 – Ampliação da região de soluções admissiveis ...................................................... 32
Figura 13 – Modelo de gerenciamento de reservatórios........................................................... 38
Figura 14 – Fluxograma de trabalho......................................................................................... 44
Figura 15 – Fluxograma de trabalho-continuação .................................................................... 45
Figura 16 – Modelo PL monocritério para o projeto Rio de Janeiro ........................................ 50
Figura 17 – Resultados modelo monocritério do projeto RJ .................................................... 51
Figura 18 – Modelo do projeto RJ - multicritério .................................................................... 52
Figura 19 – Resultados modelo multicritério do projeto RJ ..................................................... 53
Figura 20 – Comparação simulador full field sem restrição e com restrição de produção ....... 55
Figura 21 – Simulador full field com restrição de vazão ao óleo em 40 mil bbl/d ................... 57
Figura 22 – Simulador full field com restrição de vazão ao óleo em 50 mil bbl/d ................... 57
Figura 23 – Novos valores dos parâmetros dimensionantes após simulador dinâmico ........... 58
Figura 24 – Valores finais dos fatores dimensionantes meta-optimos ..................................... 59
Figura 25 – Números finais dos parâmetros dimensionantes após validação com o simulador
De Novo .................................................................................................................................... 60
Figura 26 – Curva do simulador full field a partir dos parâmetros meta-optimos finais .......... 61
Figura 27 – Modelo PL monocritério para o projeto Belo Horizonte ...................................... 65
Figura 28 – Resultados modelo monocritério do projeto BH ................................................... 65
Figura 29 – Modelo do projeto BH - multicritério ................................................................... 67
Figura 30 – Resultados modelo multicritério do projeto BH ................................................... 67
x
Figura 31 – Comparação simulador full field sem restrição e com restrição de produção ....... 69
Figura 32 – Simulador full field com restrição de vazão ao óleo em 45 mil bbl/d ................... 70
Figura 33 – Simulador full field com restrição de vazão ao óleo em 50 mil bbl/d ................... 71
Figura 34 – Projeto BH -novos valores dos parâmetros dimensionantes após simulador
dinâmico ................................................................................................................................... 71
Figura 35 – Valores finais dos fatores dimensionantes meta-ótimos ....................................... 72
Figura 36 – Números finais dos parâmetros dimensionantes após validação com o simulador
De Novo .................................................................................................................................... 73
Figura 37 – Modelo PL monocritério para o projeto Porto Alegre .......................................... 77
Figura 38 – Resultados modelo monocritério do projeto POA ................................................ 77
Figura 39 – Modelo do projeto POA - multicritério ................................................................. 78
Figura 40 – Resultados modelo multicritério do projeto POA ................................................. 78
Figura 41 – Comparação simulador full field sem restrição e com restrição de produção ....... 79
Figura 42 – Simulador full field com restrição de vazão ao óleo em 30 mil bbl/d ................... 81
Figura 43 – Projeto POA-novos valores dos parâmetros dimensionantes após simulador
dinâmico ................................................................................................................................... 81
Figura 44 – Valores finais dos fatores dimensionantes meta-ótimos ....................................... 82
Figura 45 – Números finais dos parâmetros dimensionantes após validação com o simulador
De Novo .................................................................................................................................... 83
Figura 46 – Modelo PL monocritério-Projeto RJ além da concessão ...................................... 97
Figura 47 – Rodada do Solver - Projeto RJ além da concessão ............................................... 98
Figura 48 – Rodada simulação De Novo - Projeto RJ além da concessão ............................... 98
Figura 49 – Capacidades finais - Projeto RJ além da concessão .............................................. 98
Figura 50 – Projeto RJ restringida – curva além período de concessão ................................... 99
xi
LISTA DE TABELAS
Tabela 1 – Projeto RJ - Ganhos orçamentários com a contração nos fatores α, β, γ, θ ............ 86
Tabela 2 – Projeto RJ - Resultado simulador econômico produção pico ................................. 88
Tabela 3 – Projeto RJ - Resultado simulador econômico formato flat ..................................... 88
Tabela 4 – Projeto RJ - Resultado simulador econômico produção TMA11%........................ 89
Tabela 5 – Projeto RJ - Resultado simulador econômico formato flat TMA11% ................... 89
Tabela 6 – Projeto BH - Ganhos orçamentários com a contração nos fatores α, γ, θ............... 91
Tabela 7 – Projeto BH - Resultado simulador econômico produção pico................................ 91
Tabela 8 – Projeto BH - Resultado simulador econômico formato flat ................................... 92
Tabela 9 – Projeto BH - Resultado simulador econômico produção pico TMA11% .............. 92
Tabela 10 – Projeto BH - Resultados simulador econômico formato flat TMA11%............... 93
Tabela 11 – Projeto POA - Ganhos orçamentários com a contração nos fatores α, γ, θ .......... 94
Tabela 12 – Projeto POA - Resultado simulador econômico produção pico ......................... 95
Tabela 13 – Projeto POA - Resultado simulador econômico formato flat ............................... 95
Tabela 14 – Projeto POA - Resultado simulador econômico produção pico TMA11% .......... 96
Tabela 15 – Projeto POA -Resultado simulador econômico formato flat TMA11% ............... 96
Tabela 16 – Aditivo prazo - Resultado simulador econômico produção pico.......................... 99
Tabela 17 – Aditivo prazo - Resultado simulador econômico formato flat ........................... 100
Tabela 18 – Aditivo prazo - Resultado simulador econômico produção pico TMA11% ...... 100
Tabela 19 – Aditivo prazo - Resultado simulador econômico formato flat TMA11% .......... 101
xii
LISTA DE ABREVIATURAS
ANM (Árvore de Natal Molhada) conjunto de válvulas para controle de fluxo dos
poços
ANP Agencia Nacional de Petróleo, Gás natural e
Biocombustíveis
bbl/d vazão de produção, em barris por dia
boe barris de óleo equivalente, em volume de liquido
BSW (Basic Sediments and Water) razão entre os volumes de água e os de líquido
produzidos
Capex investimento em bens de capital
EVTE Estudo de Viabilidade Técnico-Econômica
FEL (Front End Loading) momento ou fase de maturidade de um projeto
IBAMA Instituto Brasileiro do Meio Ambiente e dos
Recursos Naturais Renováveis
Instalações offshore instalações marítimas, equipamentos instalados
em alto mar
Instalações subsea instalações submarinas, equipamentos instalados
no fundo do mar
m³/d vazão de produção, em metros cúbicos por dia
Modelo full field simulação de fluxo em meio poroso, em
condições dinâmicas, de todo o reservatório de
petróleo
Opex despesas operacionais
Packer obturador instalado dentro do poço para isolar e
separar intervalos produtores
PL Programação Linear
RAO razão volumétrica entre a produção de água e a
produção de óleo
RGL razão volumétrica entre a produção de gás e a
produção de liquido(óleo+água)
RGO razão volumétrica entre a produção de gás e a
produção de óleo
xiii
Riser Lazy Wave tubulação submarina pendurada na plataforma e
instalada em formato de curva em “S”, antes de
tocar o fundo do mar
ROV (Remote Operating Vehicle) veículos de operação remota, operados à distância
Royalties imposto pago como compensação aos impactos
causados aos municípios
Sistemas topside sistemas de produção instalados acima da linha
d´agua
Sistemas subsea sistemas de produção instalados entre o fundo do
mar e a superfície
Software programa de computador
Solver Suplemento da planilha eletrônica Excel®, que
resolve sistemas de equações lineares e não
lineares
Suezmax navio petroleiro de médias dimensões, com
capacidade de armazenagem de 1,1 milhões de
barris de óleo
Tubing coluna de tubos de produção instalada dentro dos
poços
Tradeoff Adoção ou escolha de um critério ou alternativa
em detrimento de outro
UEP (Unidade Estacionária de Produção) plataforma instalada para receber e processar a
produção dos poços de petróleo
VLCC(Very Large Crude Carrier) navio petroleiro de grandes dimensões, com
capacidade de armazenagem de 1,6 milhões de
barris de óleo
Wild cat poço pioneiro, descobridor de uma nova jazida de
petróleo
xiv
SUMÁRIO
1 INTRODUÇÃO ................................................................................................................... 16
1.1 CONSIDERAÇÕES INICIAIS .......................................................................................... 16
1.2 DEFINIÇÃO DO PROBLEMA ......................................................................................... 22
1.3 OBJETIVOS DA PESQUISA ............................................................................................ 22
1.4 RELEVÂNCIA DO ESTUDO ........................................................................................... 23
1.5 DELIMITAÇÃO DO ESTUDO ......................................................................................... 23
2 REVISÃO BIBLIOGRÁFICA ........................................................................................... 25
2.1 PROGRAMAÇÃO LINEAR ............................................................................................ 25
2.2 PROGRAMAÇÃO LINEAR MULTICRITÉRIO ............................................................. 29
2.3 OTIMIZAÇÃO NA EXPLOTAÇÃO DE CAMPOS DE PETRÓLEO ............................. 36
2.4 MODELAGEM DINÂMICA DE RESERVATÓRIO ....................................................... 39
3 METODOLOGIA ................................................................................................................ 40
4 CONSTRUÇÃO DOS MODELOS EM PROGRAMAÇÃO LINEAR .......................... 46
4.1 PROJETO DE EXPLOTAÇÃO RIO DE JANEIRO (RJ) ................................................. 46
4.1.1 Desenvolvimento do modelo monocritério .................................................................. 46
4.1.2 Desenvolvimento do modelo multicritério ................................................................... 51
4.1.3 Validação do modelo – estudos dinâmicos de reservatório........................................ 54
4.2 PROJETO DE EXPLOTAÇÃO BELO HORIZONTE (BH)............................................. 61
4.2.1 Desenvolvimento do modelo monocritério .................................................................. 62
4.2.2 Desenvolvimento do modelo multicritério ................................................................... 66
4.2.3 Validação do modelo – estudos dinâmicos de reservatório........................................ 68
4.3 PROJETO DE EXPLOTAÇÃO PORTO ALEGRE (POA) .............................................. 74
4.3.1 Desenvolvimento do modelo monocritério .................................................................. 74
4.3.2 Desenvolvimento do modelo multicritério ................................................................... 78
4.3.3 Validação do modelo – estudos dinâmicos de reservatório........................................ 79
5 AVALIAÇÃO ECONÔMICA ............................................................................................ 84
5.1 PROJETO RIO DE JANEIRO ........................................................................................... 84
5.1.1 Nova orçamentação ....................................................................................................... 84
5.1.2 Análise de viabilidade econômica ................................................................................. 87
5.2 PROJETO BELO HORIZONTE ........................................................................................ 89
5.2.1 Nova orçamentação ....................................................................................................... 89
5.2.2 Análise de viabilidade econômica ................................................................................. 91
xv
5.3 PROJETO PORTO ALEGRE ............................................................................................ 93
5.3.1 Nova orçamentação ....................................................................................................... 93
5.3.2 Análise de viabilidade econômica ................................................................................. 94
6 ANÁLISE DE SENSIBILIDADE ...................................................................................... 97
6.1 PROJETO RIO DE JANEIRO ALÉM DO PERÍODO DE CONCESSÃO ....................... 97
6.2 ANÁLISE ECONÔMICA .................................................................................................. 99
7 CONCLUSÃO .................................................................................................................... 101
8 SUGESTÕES PARA ESTUDOS FUTUROS ................................................................. 104
REFERÊNCIAS ................................................................................................................... 106
16
1 INTRODUÇÃO
1.1 CONSIDERAÇÕES INICIAIS
Segundo Santos et al. (2007), a indústria do petróleo em ambiente marítimo é
desenvolvida através da descoberta e identificação de acumulações de hidrocarbonetos fluidos
em rochas porosas localizadas abaixo do fundo do mar. Esses compostos são extraídos através
da perfuração de poços e sua interligação a unidades estacionárias de produção, comumente
chamadas de plataformas de produção. Desde o reservatório de petróleo até a superfície são
projetados vários tipos de equipamentos em série, os quais são responsáveis por conduzir,
controlar, purificar, especificar e medir o fluxo de hidrocarbonetos que são utilizados para
posterior refino e transformação em combustíveis e matéria prima. A Figura 1 representa uma
ilustração com as instalações necessárias para a produção do petróleo e gás desde a jazida na
subsuperfície até a plataforma, a qual é também denominada UEP (Unidade Estacionária de
Produção):
Figura 1 – Arranjo geral de módulo de explotação offshore
Fonte: o autor (2010).
Para a efetivação da explotação de uma jazida de hidrocarbonetos é seguida uma
sequência de atividades. O primeiro marco importante é a descoberta da própria acumulação,
normalmente após a perfuração do poço pioneiro, aquele que revela os primeiros dados sobre
a rocha reservatório, os fluidos presentes, os contaminantes e as chances de aproveitamento
daquela jazida para produção comercial. Após a descoberta mostrada pelo poço pioneiro (ou
17
wild cat, na terminologia em inglês) são projetados os poços chamados de extensão,
responsáveis por indicar o tamanho do reservatório e as características geológicas e de fluidos
presentes na rocha. Estes poços determinam também as futuras condições de produção, o
número de poços a serem perfurados no projeto definitivo, os volumes de óleo e gás a serem
extraídos e o porte dos equipamentos a serem fabricados para instalação no fundo do mar e na
superfície.
Existem várias maneiras de se projetar um empreendimento offshore. A mais
comumente usada divide as atividades em etapas sequenciadas (denominadas de fases ou
FELs) que estão diretamente relacionadas ao nível de conhecimento disponível sobre todos os
detalhes técnicos do reservatório, do fundo do mar e das correntes marinhas. Ao final de cada
uma dessas etapas é elaborada uma série de documentos a serem analisados e aprovados pelas
instâncias superiores das empresas envolvidas na empreitada. É como se fosse tirada uma
fotografia do projeto, algo como um instantâneo de tudo que se sabe naquele momento exato
sobre o empreendimento. Ao final de cada fase, estes dados são submetidos aos decisores para
avaliação e ponderação sobre a viabilidade técnico-econômica. O final de cada FEL é
conhecido como portão (ou gate, na terminologia em inglês).
A metodologia de gerenciamento de projetos mais usada no mundo é a proposta pelo
Project Management Institute, PMI (2008), e consiste em organizar as atividades de um
projeto em áreas de conhecimento que são interconectadas e abrangem todas as disciplinas
necessárias para o sucesso do empreendimento. Além disso, o PMI (2008) também padroniza
os processos de gerenciamento de projetos dividindo-os em 5 grupos, os quais devem ser
seguidos para o adequado atingimento dos objetivos do projeto:
• Iniciação
• Planejamento
• Execução
• Monitoramento e Controle
• Encerramento
Neste padrão de elaboração de projetos cada grupo de processos se relaciona
diretamente com uma ou mais áreas de conhecimento e cada fase (FEL) pode ser elaborada
com um ou mais grupos de processos e disciplinas.
18
Na Figura 2 é mostrada uma ilustração contendo as fases de um projeto de
desenvolvimento da produção e algumas atividades :
Figura 2 – Fases de desenvolvimento de projetos
Fonte: o autor (2012).
À medida que os portões de cada fase vão sendo ultrapassados, os detalhes são mais
evidentes e o aprofundamento nos dados sobre o projeto aumenta. As decisões se tornam
menos arriscadas à medida que o projeto avança e no caso dos projetos de petróleo isso pode
significar grandes lucros ou prejuízos catastróficos porque ao lidar com as incertezas que a
natureza apresenta, qualquer pequena mudança nos dados obtidos pode significar aumento de
custos ou redução na produção. Sendo assim, é preciso buscar mais e mais informações no
menor tempo possível de modo que a tomada de decisão se torne mais fácil. Este é um dos
pontos levantados pelo Project Management Institute, PMI (2009) no que se refere ao
gerenciamento de riscos de um projeto. Notadamente no setor petróleo, há a necessidade
imperiosa de melhor gerenciamento de riscos de escopo (exatamente por causa das incertezas)
e também de tempo (por conta dos prazos curtos estabelecidos para o início das atividades de
explotação).
As informações sobre as dimensões de uma jazida de hidrocarbonetos possuem um
grau de incerteza razoável. Por isso mesmo são comuns os projetos em que o
dimensionamento da capacidade dos equipamentos seja a mais abrangente e flexível. A
vantagem disso é que as plantas de processo de uma UEP ou mesmo as linhas submarinas já
são compradas com a capacidade de absorver futuras ampliações ou alterações nos perfis de
produção ou nas características dos fluidos de reservatório. A desvantagem é que o custo pode
subir muito e novas informações futuras podem implicar em eventual necessidade de
alterações no fornecimento de materiais, implicando novamente em custos adicionais.
19
Em se tratando da realidade de exploração de petróleo, a extensão da jazida deve ser
investigada de imediato e isso só se consegue com a perfuração de poços e com testes que são
realizados nos mesmos. A partir daí é que os estudos para as especificações técnicas dos
materiais e equipamentos se iniciam. O tempo de concessão, o volume de produção a cada
ano, a produção de contaminantes e a proporção entre volumes de gás e óleo (conhecida como
RGO) são os elementos mais importantes para a elaboração da chamada curva de produção,
sendo esta o ponto de partida para os cálculos técnicos das folhas de dados dos equipamentos.
No Brasil, a preocupação em se conhecer o pico de produção antecipadamente se justifica
porque esse número é usado para os cálculos de tamanho e capacidade das instalações, sendo
que a preferencia no dimensionamento pelo pico possui uma série de razões históricas e
econômicas. Uma das mais relevantes diz respeito à alta taxa de juros vigente no país, o que
torna mais atraente a produção de valores maiores logo no início da vida produtiva dos
campos. Infelizmente, isso também traz consequências muito negativas exatamente em
relação ao superdimensionamento dos equipamentos, ocasionando custos maiores de
investimento e operação (os já conhecidos Capex e Opex) e também uma grande ociosidade
das instalações devido ao declínio natural da produção ao longo do tempo, especialmente a
partir da metade da curva de operação em diante. Máquinas paradas ou subutilizadas devido a
vazões declinantes são cenários comuns nas plataformas, principalmente ao final da vida útil
das concessões. É claro que a mera substituição das mesmas por equipamentos menores é
alternativa inviável técnica e economicamente. O perfil de produção de campos de petróleo no
Brasil mais comumente usado é ilustrado na Figura 3:
Figura 3 – Curva com projeto em formato de pico
Fonte: o autor (2012).
20
No momento de dimensionar os equipamentos para a produção, os engenheiros e
técnicos são instados a calcular a capacidade das máquinas considerando exatamente o maior
valor, o chamado pico de produção da curva de óleo e gás. Isso faz sentido porque o objetivo
maior aqui é capturar as maiores vazões o mais rapidamente possível para fazer caixa de
forma antecipada. Na maioria dos casos, a capacidade é superdimensionada para as
instalações de superfície (plataformas) e mais ainda para as instalações de poços e subsea,
onde há mais dificuldade de adaptações futuras. Entretanto, há também maior ganho de
redução de custos de investimento nesses últimos itens porque eles costumam ser mais caros
do que as plataformas, se considerado o custo global.
O momento de decisão sobre a capacidade dos equipamentos é o projeto conceitual
(ver Figura 2). Após obtidos os dados de reservatório, usa-se a curva de produção e calculam-
se as informações a serem preenchidas nas folhas de dados de processo. O portfolio de
produtos constantes nos catálogos dos fornecedores é sempre levado em consideração e o
equipamento escolhido está sempre um patamar acima dos números resultantes das memórias
de cálculo.
Apresenta-se agora na Figura 4 o mesmo gráfico anterior com o critério de vazão
dimensionante para as máquinas e equipamentos:
Figura 4 – Curva com projeto superdimensionado
Fonte: o autor (2012).
O presente trabalho tem a intenção de investigar se a realidade dos projetos de
explotação de petróleo no Brasil pode considerar a adoção do perfil de produção estabilizado
ao longo do tempo (com os poços restringidos no perfil flat da curva), mas isso significa
21
mudar bastante a filosofia de especificação das facilidades necessárias para as instalações de
poços, tubulações submarinas e plataformas na superfície.
No caso do modelo restringido (flat), o valor da produção total de óleo + água
permanece estável durante boa parte da vida útil do campo. A curva de gás permanece no seu
topo durante bastante tempo e cai depois com o aumento de produção de água. Pode-se
ilustrar a mudança no perfil da curva de produção através da Figura 5:
Figura 5 – Curva em formato flat
Fonte: o autor (2012).
O método escolhido foi usar a simplicidade da Programação Linear para tentar
otimizar as disciplinas de poços, tubulações submarinas e máquinas de superfície. Para isto,
foram criados fatores de redução de capacidade para essas instalações físicas, considerando o
valor máximo das reservas de petróleo como o fator dimensionante normalmente utilizado.
Adicionalmente, elabora-se o modelo multicritério com a inclusão dos objetivos de eficiência
operacional e segurança. Depois disso, faz-se necessário corrigir o modelo linear utilizando-se
o simulador dinâmico de reservatório e então acionar o simulador econômico para os cálculos
do EVTE (Estudo de Viabilidade Técnico-Econômica). Por fim, os dados são comparados
com o projeto original, montado com base na estratégia de produção pelos valores máximos
(pico de produção, sem restrição de vazão dos poços).
Uma mudança de hábitos no momento de especificar projetos causa desconforto e
receio dos profissionais acostumados a trabalhar há muito tempo com perfis de produção em
formato de pico. Na verdade, é preciso ter muito cuidado em restringir a capacidade das
instalações porque a descoberta de novas pequenas acumulações em volta de um campo
principal também ocorre com frequência. A vantagem de se ter uma infraestrutura já pronta
22
permite a viabilização da entrada de futuros poços, mesmo com vazões de produção
marginais. Entretanto, será visto adiante que nem todos os campos possuem possibilidades de
ampliação da produção pelo simples fato de estarem muito isolados geologicamente ou
possuírem muitas limitações na reserva de hidrocarbonetos.
1.2 DEFINIÇÃO DO PROBLEMA
O superdimensionamento dos recursos necessários para a explotação dos campos de
petróleo no Brasil causa excessivas somas no volume de capital investido, além de incorrer
em altos custos operacionais ao longo da vida útil de um campo de petróleo. Ao mesmo
tempo, ocorre elevada ociosidade destas instalações, especialmente nos últimos anos de
atividades operacionais, causando ineficiência na utilização dos recursos disponíveis durante
o período citado e diminuição da capacidade econômica para manutenção adequada das
instalações.
1.3 OBJETIVOS DA PESQUISA
• Flexibilizar os critérios utilizados no dimensionamento da capacidade a ser instalada
para explotação dos campos de petróleo em território brasileiro;
• Calcular os pontos ótimos para dimensionamento dos recursos a serem instalados,
mantendo a estrutura disponível com altas taxas de ocupação durante toda a vida útil do
projeto de explotação;
• Otimizar o dimensionamento das instalações considerando objetivos múltiplos, como
eficiência operacional e segurança das instalações, ao invés de se considerar unicamente o
critério de lucratividade;
• Propor processo mais simples para o dimensionamento das instalações através de
modelo elaborado para este fim, utilizando a Programação Linear Multiobjetivo De Novo,
proposta por Zeleny (2008);
• Descobrir se a decisão de adotar esses pontos ótimos em perfil flat de produção
consegue conferir ao projeto melhor resultado econômico do que as premissas adotadas de se
produzir com perfil em pico de produção, o qual possui declínio mais acentuado ao longo dos
anos e também apresenta alta ociosidade dos equipamentos instalados.
23
1.4 RELEVÂNCIA DO ESTUDO
Nos últimos anos a elevação dos custos de investimento (Capex) para os projetos de
produção de petróleo tem sido significativa, especialmente nas atividades offshore. Embora
seja natural considerar as variações cambiais e da própria inflação nota-se com facilidade que
as dimensões das máquinas e equipamentos têm aumentado bastante. Constata-se também que
o seu preço tem subido acima dos valores do mercado internacional. As exigências de
conteúdo local também podem constituir um elemento a justificar essa elevação nos preços.
Em seu trabalho sobre os investimentos em sistemas submarinos no Brasil, Mendes, Romeiro
e Costa (2011) relatam que o preço mínimo para produção offshore em águas profundas esteja
em torno de US$ 60,00 por barril produzido, sendo que valores inferiores a esse patamar
podem inviabilizar os projetos de explotação sob o ponto de vista econômico. É preciso
ressaltar que as exigências ambientais e de segurança operacional também elevam os custos
de produção.
Desta forma, espera-se que este trabalho possa trazer mais esclarecimentos sobre o
dimensionamento adequado para os equipamentos desde o poço até a superfície, otimizando
os custos totais de investimento e operação (Capex e Opex), além de contribuir para o
aperfeiçoamento do portfolio global de projetos das empresas.
1.5 DELIMITAÇÃO DO ESTUDO
As limitações de se considerar um modelo linear para a previsão das dimensões de
equipamentos offshore devem ser observadas com bastante cuidado. Em primeiro lugar
porque os valores reais de produção de uma jazida de petróleo só são conhecidos no final da
vida produtiva do campo. Para diminuir as incertezas nos volumes a serem produzidos, são
utilizados simuladores dinâmicos de reservatório que estão longe de adotarem modelos
simplesmente lineares. Lo, Starley e Holden (1993) propõem a utilização de um modelo em
PL (Programação Linear) para prever a produção de poços restringidos devido à limitação das
instalações, mas comparam os resultados com modelos full field, que contém equações
dinâmicas para aquele determinado tipo de reservatório que é objeto da simulação. No
presente estudo segue-se a recomendação dos autores citados e compara-se o modelo PL com
o simulador full field para cada caso estudado.
Em segundo lugar, cada campo é único e dificilmente encontramos comportamentos
de fluxo e relações fluido-rocha iguais. Assim, não é possível generalizar os resultados e esse
24
trabalho mostra estudos de casos específicos, com fatores de redução de capacidade
determinados caso a caso.
Além disso, existem vários fatores que influenciam no tamanho das instalações que
não foram levados em conta nessa pesquisa. São eles:
• Ocorrência de parâmetros de reservatório diferentes do previsto no projeto, como
RGO e volume de produção de água, incrustações, etc;
• Aumento na presença de contaminantes que podem afetar a capacidade dos
equipamentos com elevação de tamanho e custos;
• Alterações em impostos governamentais e exigências adicionais dos órgãos de
segurança e meio ambiente;
• Ao se operar com as sugestões de poços restringidos, podem ocorrer mudanças nos
parâmetros reais de fluxo ao longo de linhas e poços, afetando a vazão realmente obtida.
Essas possíveis alterações não serão simuladas nesse trabalho;
• O comportamento dos equipamentos também pode variar em relação à eficiência
operacional prevista pois a operação na capacidade máxima por muito tempo pode impor às
máquinas maior desgaste e apresentar paradas não programadas. Isso certamente vai afetar a
produção final;
• As avaliações de redução de custos são meramente estimadas, pois o valor real de
equipamentos menores sempre depende de fatores mercadológicos, de capacidade fabril da
indústria e até fatores políticos. Da mesma forma, os custos de serviços associados também
podem sofrer alterações não previstas nesse trabalho;
• Os custos operacionais também são estimados, dado que não há muita experiência no
Brasil com plataformas operando na sua capacidade máxima ao se atingir o final da vida
produtiva do campo;
• É necessário estabelecer uma data final para a concessão por conta do contrato com a
ANP, mas isso não significa que as instalações serão desativadas nessa data pois pode haver
extensões de contrato. Os projetos analisados nesse trabalho simulam o último momento da
produção na data final da concessão, mas isso pode ser perfeitamente estendido porque poderá
haver ainda reservas a serem produzidas por mais tempo. Uma análise de sensibilidade com
esta opção é mostrada no Capitulo 6;
• Um campo de petróleo já descoberto pode ou não estar completamente isolado de
outras acumulações adjacentes. Deve-se, portanto, tomar todo cuidado com futuras produções
25
que possam demandar o acionamento de máquinas em estado de ociosidade. Uma limitação
desse trabalho é que a otimização proposta não abre muito espaço adicional para que mais
volumes de óleo sejam adicionados à curva de produção no futuro porque os equipamentos
estarão produzindo com menos ociosidade até o final do tempo de concessão. É preciso,
portanto, tomar cuidado com a produção de campos adjacentes, adicioná-los ao modelo PL
desde o início do projeto e otimizar os equipamentos considerando esse óleo adicional, o que
pode não ser possível de prever ou estimar com a antecedência necessária.
2 REVISÃO BIBLIOGRÁFICA
2.1 PROGRAMAÇÃO LINEAR
A Programação Linear (PL) é ferramenta largamente usada para a solução ótima de
problemas que afetam todas as áreas da atividade humana, dentre as quais podemos citar :
• mix de produtos;
• escalonamento da produção;
• planejamento financeiro;
• análise de projetos;
• alocação de recursos;
• carteiras de investimento.
Ao se adotar a opção pela análise dos projetos através da PL, devemos colocar o
conceito de solução viável, que significa a solução em que todas as restrições são satisfeitas e
a solução ótima, que é a solução viável em que há o valor mais favorável da função objetivo,
seja de maximização ou de minimização.
Winston (2004) relata que desde a invenção do algoritmo Simplex, muito eficiente
para resolução de problemas de Programação Linear, a grande maioria das indústrias adota
este método na solução dos seus problemas de otimização de recursos. Os 3 passos principais
quando se usa a PL são :
• O objetivo é maximizar ou minimizar uma função linear de variáveis de decisão. A
função a ser maximizada ou minimizada é chamada função objetivo;
26
• Os valores das variáveis de decisão devem obedecer a um grupo de restrições. Cada
restrição deve ser uma equação linear ou uma inequação linear;
• Um sinal de restrição está associado a cada variável.
Clímaco, Antunes e Alves (2003, p. 19) formulam um problema de PL do seguinte
modo (Figura 6):
Figura 6 – Formulação PL
Fonte: Clímaco, Antunes e Alves (2003).
Na Figura 6, n é o número de variáveis de decisão e m é o numero de restrições
funcionais, sendo cada uma delas todo tipo ‘≤‘ , ‘≥’ , ou ‘=’. Na forma matricial, esta mesma
definição é mostrada:
Max (ou min) z = Cx
s. a. : Ax (≤ , ≥ , =) b
x ≥ 0;
Nesta formulação, C é o vetor 1 x n (c1, c2, c3....cn) , x é o vetor n x 1, (x1, x2, x3...xn), b é o
vetor m x 1 (b1, b2, b3,....bm) e A é uma matriz m x n cujo elemento genérico é aij (i=1 até m ,
j=1 até n). A matriz A é também conhecida como matriz de coeficientes tecnológicos.
De forma a estruturar o trabalho proposto deve-se indicar inicialmente qual é a função
objetivo a ser pesquisada. Neste estudo, a função objetivo proposta maximiza o lucro a ser
obtido através da produção ótima de óleo e gás. Mais tarde, são adicionados 2 objetivos de
igual importância para a formulação multicritério: eficiência operacional e integridade das
instalações.
Seguindo a formulação mostrada, pode-se, por exemplo, estimar os preços de venda de
óleo e gás e calcular os seus custos, de modo a obter-se:
27
Max Z= C1 x1 + C2 x2, onde x1 e x2 são os valores das reservas totais de óleo e gás e
C1 e C2 são os parâmetros formadores da receitas e dos custos.
Winston (2004) destaca o conceito de região viável, aquela em que existe um grupo de
variáveis cujos valores satisfazem todas as restrições e condições, sendo que o conceito de
solução ótima refere-se a um ponto da região viável onde ocorre o maio valor para a função
objetivo, caso a função seja de maximização. Em caso de minimização, esse ponto ótimo está
ligado ao menor valor para a função objetivo.
Este mesmo autor menciona que a grande maioria dos modelos em PL tem uma
solução ótima, mas em alguns não é possível encontrá-la e outros possuem um número
infinito de soluções.
Para modelos em PL que possuem apenas duas variáveis a adoção de solução pelo
modelo gráfico é bastante didática e de fácil visualização. Neste caso são adotadas as
variáveis x1 e x2 nos eixos das abcissas e das ordenadas, plotando-se as linhas retas
correspondentes às restrições, sendo que a região relativa à inequação fica destacada no
mesmo desenho. Depois disso a função objetivo também é colocada no gráfico, destacando-se
as linhas retas para diversos valores de Z. A solução admissível com maior valor para Z (caso
de maximização) será a solução ótima do modelo PL estudado. Clímaco, Antunes e Alves
(2003, p. 22) mostram um desenho bastante didático para simular uma situação onde o modo
gráfico encontrou a solução ótima, com as restrições representadas pelas retas (1), (2) e (3) e a
função objetivo representada pelas retas em Z (Figura 7):
Figura 7 – Solução gráfica de PL monocritério
Fonte: Clímaco, Antunes e Alves (2003).
28
Na mesma obra os autores mostram um exemplo onde existem várias soluções ótimas
(Figura 8):
Figura 8 – Solução gráfica de PL monocritério com várias soluções possíveis
Fonte: Clímaco, Antunes e Alves (2003).
A solução analítica mais comum para os problemas formulados em PL é o chamado
Método Simplex, que se baseia em uma série de iterações, determinando-se variáveis básicas
e não-básicas até que se até que a solução encontrada seja reconhecida como a solução ótima.
Este é o caso mais recomendado quando se tem mais de duas variáveis envolvidas no modelo
PL, como é o caso do presente estudo.
Moore e Weatherford (2005, p. 98) ensinam tópicos importantes no momento de se
montar um modelo em Programação Linear. Além de conseguir expressar verbalmente
objetivos e restrições, deve-se estar atento com relação à consistência das unidades de medida,
especialmente no momento de escrever as inequações referentes às restrições. Assim, se o
lado direito for expresso em horas de trabalho, por exemplo, é necessário que, no lado
esquerdo a multiplicação das variáveis de decisão pelos elementos da matriz de coeficientes
tecnológicos (matriz A citada anteriormente) resulte também em horas de trabalho.
Nesta pesquisa, a maneira escolhida para representar o problema em forma de PL foi a
de modelagem utilizando planilha eletrônica. Moore e Weatherford (2005, p. 101) declaram
que as planilhas são muito adequadas para representar modelos gerenciais e especialmente
úteis para análises de sensibilidade do tipo “E se?”. Entretanto, estes mesmos autores
recomendam que seja criada primeiramente a estrutura do modelo em PL, explicitada
verbalmente, porque desta forma é possível visualizar claramente o problema proposto.
Somente depois destas etapas deve-se iniciar a montagem em planilha eletrônica.
29
A Figura 9 é um exemplo ilustrativo de modelagem desenvolvida no software MS-
Excel® pelo prof. Dr. Altair Ferreira Filho, do Ibmec-RJ e que serviu de padrão para a criação
das planilhas apresentadas no presente estudo:
Figura 9 – Formatação padrão de planilha em Excel® para a montagem dos modelos PL variaveis de decisão
T1 T2 T3 T4 T5 T6
função objetivo
1 1 1 1 1 1
0
restrições LHS RHS1 0 0 0 0 1 0 ≥ 6
1 1 0 0 0 0 0 ≥ 7
0 1 1 0 0 0 0 ≥ 15
0 0 1 1 0 0 0 ≥ 8
0 0 0 1 1 0 0 ≥ 12
0 0 0 0 1 1 0 ≥ 9
matriz C
matriz A
resultados das variaveis de decisão
resultado final da função objetivo
Fonte: Altair Ferreira Filho (2012).
Neste trabalho será utilizado o pacote Solver, do MS-Excel®, para buscar as soluções
em PL. O Solver é um suplemento que otimiza numericamente modelos com restrições, como
é o caso dos modelos em Programação Linear. O programa possui a capacidade de rodar
também algoritmos não-lineares, os quais não serão usados neste trabalho. Portanto, durante
as execuções do Solver, foi selecionada sempre a opção “LP Simplex” na janela de entrada do
software de forma a garantir a solução pelo método linear.
2.2 PROGRAMAÇÃO LINEAR MULTICRITÉRIO
As explicações e os dados relatados até agora revelam a versatilidade e a
aplicabilidade do método de Programação Linear monocritério para solução de uma série de
problemas da indústria. Entretanto, a consideração de apenas um critério pode até facilitar a
elaboração dos cálculos, mas não corresponde à maioria dos percalços da vida real até porque
os decisores e gerentes nunca enfrentam apenas um desafio a cada situação adversa que se
lhes impõe. Nos dias de hoje não é mais possível preocupar-se apenas com receita, despesa ou
indicadores meramente financeiros. Normalmente, é preciso solucionar problemas que são
acompanhados por desafios adicionais e atualmente, na indústria de petróleo, a rentabilidade
econômica está sempre acompanhada de proteção ambiental e segurança das pessoas, entre
outros temas relevantes.
Clímaco, Antunes e Alves (2003, p. 92) mostram um gráfico ilustrativo de um
problema em PL com dois objetivos, duas variáveis e 3 restrições (Figura 10):
30
Figura 10 – Gráfico com 2 funções objetivo, 3 restrições e 2 variáveis
Fonte: Clímaco, Antunes e Alves (2003).
Nesse gráfico, as soluções representadas pelos pontos P, Q, e R são chamadas de
soluções eficientes, porque os três pontos estão numa faixa em que não há nenhuma outra
solução que seja igual ou melhor para as duas funções objetivo Z1 e Z2.
Zeleny (2010a) advoga que somente quando enfrentamos critérios múltiplos é que
aparece a necessidade de tomada de decisões. Quando se apresenta um problema com várias
alternativas sujeitas a várias restrições tem-se o grupo de possíveis soluções chamadas de
conjunto de soluções eficientes ou não dominadas.
Em Zeleny (1982 apud Clímaco; Antunes; Alves, 2003) é citado o exemplo didático
de escolher em um cesto de laranjas aquela que é a maior e a mais doce. Em um raciocínio
monobjetivo, se a maior laranja não for a mais doce inexiste solução que atenda aos dois
objetivos simultaneamente. Por outro lado, sempre há um subconjunto de laranjas que atende
ao conjunto de soluções eficientes, para o qual não existe qualquer outra laranja no cesto que
seja maior e mais doce do que aquelas do subconjunto citado.
A decisão mais comum, entretanto, é priorizar uma das alternativas em detrimento da
outra dentro dessa fronteira de soluções eficientes, também chamadas de soluções Pareto-
ótimas. Em seu trabalho sobre estratégias de decisão, Zeleny (2010a) ressalta estas escolhas
entre alternativas criticando o chamado tradeoff, ou seja, a decisão de privilegiar uma
alternativa em prejuízo da outra (quando se dá importância à redução de custos, aceitando-se
perda da qualidade, por exemplo). A crítica do autor baseia-se principalmente na visão
equivocada de que os recursos a serem considerados para um problema são dados a prori, ou
seja, fixados de antemão. Na vida prática e em condições de livre mercado, entretanto, esses
recursos são continuamente reconfigurados, calculados e recalculados, otimizados e depois
otimizados novamente. Essas constantes readaptações e verificações constituem-se em uma
31
característica fundamental do presente trabalho, no qual são utilizados modelos matemáticos
que validam uns aos outros até se chegar a uma solução que mais se aproxime das condições
reais de explotação de uma jazida de petróleo.
Sendo assim, um problema de otimização na análise multicritério, ao invés de
privilegiar a solução de maximização de apenas um deles em detrimento dos demais, deve
conseguir atingir o equilíbrio e a harmonização entre todos os critérios. Em artigo científico
intitulado “Strategic as Action: from Porter to Anti-Porter”, Zeleny (2010b) contesta o fato de
ter-se que aceitar tradeoffs entre objetivos à primeira vista conflitantes. Para o autor, deve-se
buscar atingir uma solução que atenda simultaneamente os múltiplos objetivos que
enfrentamos porque é isso que está relacionado aos desejos dos clientes. Enquanto o
fabricante pode ofertar tradeoffs do tipo “mais barato, mas com menos qualidade”, o cliente
sempre deseja atendimento aos 2 critérios simultaneamente. Neste mesmo artigo, Zeleny
(2010b) apresenta um sistema em dois critérios baseados em tradeoffs e outro sistema com a
proposta de atendimento para ambos os critérios, onde os mesmos são alçados a uma fronteira
maior, com valores melhores para ambos os objetivos e onde os valores máximos das
funções-objetivo são atendidos simultaneamente. Zeleny (2010b) expõe uma ilustração que
reflete a ampliação da região de soluções viáveis, mostrada na Figura 11:
Figura 11a – Otimização baseada em tradeoffs Figura 11b – Otimização livre de tradeoffs
Fonte: Zeleny (2010b).
O que se percebe nesse novo conceito é que não existe mais a fronteira das soluções
viáveis dentro dos limites das soluções eficientes (ou não dominadas). Ao contrario, o campo de
soluções viáveis é ampliado para além da região de soluções eficientes. Na Figura 11, f1 e f2 são
32
funções que se deseja otimizar (maximizar ou minimizar) de modo que o incremento em uma
função significa perda de valor na outra, conforme o desenho da esquerda (Figura 11a). Por outro
lado, no desenho da direita (Figura 11b), pode-se verificar que ambas as funções atingem um
ponto denominado de meta-ótimo, no qual f1 e f2 são valorizados de maneira simultânea.
Dessa forma, Zeleny (2008, p.114) propõe um reformatação da região admissível,
ampliando os seus limites de modo a se atender a ambas as funções citadas e defende que assim
obtém-se uma solução bastante superior, com a eliminação de tradeoffs. O autor mostra outra
ilustração muito didática representando a nova região de soluções viáveis e destacando o ponto
ótimo mais aperfeiçoado, denominado de ponto ideal. Na Figura 12 vê-se o destaque da nova
região proposta:
Figura 12 – Ampliação da região de soluções admissíveis
Fonte: Zeleny (2008).
Quando temos uma abordagem multicritério convencional, o nível de recursos dado a
priori é fixado logo de antemão. Assim, o resultado da simulação mostra valores para as
funções-objetivo que não correspondem aos resultados máximos (ou mínimos) para atender a
todas elas. Zeleny (2010b) mostra que neste caso ocorre sempre a otimização da função f1 ou
da função f2. Tudo aquilo que é determinado a priori não pode ser reprojetado ou
redesenhado, pois já está dado, a decisão já foi tomada e o tradeoff já foi estabelecido.
O que é proposto para eliminar a decisão em favor de apenas uma alternativa é
redesenhar os recursos a serem aplicados de forma a se conseguir uma alternativa que seja
livre de escolhas direcionadas. Em mercados abertos os recursos deveriam ser adquiridos de
forma a obter-se o melhor portfolio, a melhor configuração para a obtenção de resultados
33
aperfeiçoados. Seguindo este raciocínio, os sistemas que são testados, retestados e
reprojetados a posteriori sem o estabelecimento de recursos fixos a priori tendem a oferecer
resultados mais otimizados.
A metodologia multicritério De Novo Programming constitui-se de uma formulação
prática para a solução linear ótima de problemas de decisão multicritério, ou multiobjetivo.
Expõe-se a seguir a formulação matemática para a metodologia De Novo. De acordo
com o descrito em Zeleny (2005, p. 10) pode-se estabelecer um problema de PL da seguinte
maneira:
Max Z= Cx
sujeito a:
Ax-b ≤ 0, pb ≤B, x≥0
onde C є Rq x n e A є Rm x n são matrizes de dimensões q x n e m x n respectivamente.
Nesta formulação, b є Rm é o vetor de recursos a ser otimizado, x є Rn representa as
variáveis de decisão, p є Rm é o vetor de preços unitários dos m recursos e finalmente B é o
valor total do orçamento fixado a priori.
A solução desse problema significa encontrar a alocação ótima do orçamento total B
de forma a maximizar simultaneamente o valor de Z e as variáveis de decisão x. Ao longo do
trabalho será mostrado que a determinação da melhor configuração para as variáveis de
decisão é o ponto central das conclusões obtidas por esta pesquisa.
No mesmo artigo, o autor apresenta uma outra forma de expressar as matrizes PL :
Max Z= Cx
sujeito a:
Vx <= B
onde Z = (z1, z2...zq) є Rq e V = (v1, v2...vn) = pA є Rn
Obs: Os valores referentes ao vetor V devem ser interpretados como o orçamento total dos
recursos, em valores monetários, contabilizados individualmente para cada variável.
Considerem-se agora os valores máximos calculados para Z como Z*. A partir desse
ponto, Zeleny (2005, p. 10) propõe o conceito de solução meta-ótima, a qual pode ser
construída através da seguinte formulação matricial:
34
Min Vx
sujeito a
Cx >= Z*
x >= 0
A solução dessa etapa resulta no cálculo de x*, B* = Vx* e o valor de cada b* = Ax*.
O valor de B* refere-se ao patamar mínimo do orçamento para o alcance do vetor Z* que
contém os valores máximos para z1, z2...zq , através do uso de x* e b*.
O principal resultado dessa formulação proposta por Zeleny é a chamada razão de
trajetória ótima:
r* = B/B*
Finalmente, o projeto ótimo do sistema são os valores que tornam o sistema otimizado
como um todo:
• x = r*x*
• b = r*b*
• Z = r*Z*
A descoberta dos valores meta-ótimos das variáveis de decisão x constitui-se em
contribuição crucial para as recomendações deste trabalho.
Explicando a proposta da metodologia De Novo Programming, Shi (1995) destaca
que, ao invés de partir de um estoque de recursos fixados de antemão, há a busca de um
portfólio de recursos que consiga otimizar o sistema como um todo e assim é encontrado um
orçamento baseado nos recursos calculados, não em recursos dados a priori. Este autor
também evidencia que uma das principais características deste método é a procura da razão de
trajetória ótima, a qual irá indicar o nível ótimo de recursos que atenda a todas as funções-
objetivo, de modo a obtermos valores otimizados ao sistema com um todo. É assim que o
cenário muda para a obtenção de valores ótimos para as funções-objetivo f1 e f2 .
Existem também variações propostas em relação ao fator r*. Shi (1995) propõe a
criação de outros valores do orçamento global, além de B e B*. Um deles é Bjk , que é o valor
do orçamento relacionado a cada objetivo k. Em casos em que o número de critérios ou
35
alternativas q ≤ numero de variáveis n, Shi (1995) propõe ainda uma outra versão: B** =
Vx**. Pode ser mostrado que B** ≥ B* ≥ B ≥ Bjk com os valores de k variando entre 1 e q.
De forma resumida, Shi (1995) sugere 6 relações de trajetória ótima incorporando os
fatores λk, os quais representam pesos definidos para cada critério se for considerado que os
objetivos possuem graus de importância diferentes:
r1 = B*/B**; r 2 = B/B**; r3 = ∑ λk Bjk / B** ;
r4 = B/B*; r5 = ∑ λk Bjk / B*; r6 = ∑ λk B
jk / B
Podem-se citar algumas aplicações práticas da modelagem De Novo:
No Congresso Internacional de Modelagem Ambiental em Ottawa, Canadá, Reed et.
al. (2010) estudaram as escolhas relativas ao gerenciamento no fornecimento de água em
áreas urbanas utilizando a formulação De Novo e concluíram que deveriam ser introduzidas
simplificações e mudanças no planejamento do mercado de águas para a obtenção de
resultados otimizados.
Gomes e Ribas (1993) avaliaram a aplicação de modelos De Novo em projetos de
redes de transportes e obtiveram projetos mais produtivos mesmo considerando que tais redes
apresentam múltiplos objetivos como maximização da receita, do conforto dos passageiros e
também da segurança. Através da aplicação dos conceitos já relatados, os autores concluíram
que o nível ótimo de recursos nesta área é potencialmente significante ao passo que a
subutilização destes recursos acarreta declínio acentuado de produtividade.
Hung et. al. (2006) também obtiveram sucesso na tentativa de identificar o portfolio
ótimo de recursos que devem ser alocados na atividade de manutenção de estradas. Através da
metodologia De Novo, do redesenho dos recursos e da identificação de 3 objetivos
(maximizar o aperfeiçoamento de novas pavimentações, minimizar o custo incremental de
manutenção e maximizar a manutenção dos pavimentos já usados) os autores obtiveram o
aprimoramento da alocação dos recursos a serem usados nesta atividade de manutenção.
Um dos desafios a serem enfrentados no desenvolvimento da presente pesquisa foi o
de encontrar os parâmetros referentes aos recursos (equipamentos, sistemas de produção, etc.)
que variassem linearmente com a produção. Em virtude dessa dificuldade, foi utilizado nesse
trabalho o conceito de variação da capacidade em função de parâmetros adimensionais, os
quais podem ser relacionados linearmente com a vazão a ser aplicada a cada sistema. Assim,
pode-se dizer que quando a o parâmetro adimensional de cada sistema for reduzido em 50%, a
vazão a ser aplicada a ele também foi contraída de 50%. A etapa posterior é a do
36
dimensionamento das máquinas e equipamentos de acordo com a nova vazão, sendo que esta
tarefa deve ficar a cargo das equipes de técnicos especialistas em cada sistema, incluindo as
matérias de elétrica, tubulação, mecânica, turbomáquinas, etc. O escopo técnico desse
dimensionamento não será objeto deste trabalho.
Para o presente estudo, assume-se que a capacidade dimensionada das instalações de
poços, linhas subsea, tratamento de gás e óleo variam linearmente com a vazão dos fluidos e
são estabelecidos parâmetros dimensionantes que definem essa capacidade. Desta forma, a
redução ou ampliação nos valores desses parâmetros está linearmente relacionada à
capacidade de produção ou de transporte de fluidos de cada sistema estudado.
2.3 OTIMIZAÇÃO NA EXPLOTAÇÃO DE CAMPOS DE PETRÓLEO
A indústria de petróleo está repleta de aplicações dos modelos em Programação
Linear. Aronofsky (1993) propôs a aplicação de modelos em PL para a otimização do
desenvolvimento de reservatórios cujos modelos buscavam respostas de quantos poços
perfurar, as suas locações, o perfil de produção correspondente, etc. Naquele momento, o
autor já mencionava temas e desafios a serem discutidos no presente trabalho com o
superdimensionamento de poços ou a previsão de utilização da capacidade da plataforma com
a entrada de poços adicionais de campos adjacentes.
Grimmet e Startzman (1988) publicaram um trabalho que também mostrava a
preocupação com a otimização dos diversos recursos a serem alocados para o
desenvolvimento de campos de petróleo indicando que a minimização dos investimentos
relacionados pode resultar em um grande problema a ser resolvido por método computacional.
Os autores definem o problema matemático como “enumeração implícita zero-um”, na qual
os valores das variáveis de decisão podem assumir 1 (um) ou 0 (zero). O modelo linear
proposto busca descobrir os valores das combinações ótimas das variáveis já citadas com o
objetivo de minimizar o investimento total (Capex) do desenvolvimento dos reservatórios.
Wallace e Van Spronsen (1983) dedicaram-se a estudar como se comporta um
reservatório de petróleo em face de restrições impostas por limitações físicas nas instalações
de produção. Os autores indicam um programa de gerenciamento de poços com o objetivo de
repor as pressões de reservatório em zonas distintas e calculam diversos parâmetros de
controle como RGO, BSW, diferencial de pressão poço-reservatório (drawdown), controle das
vazões de gás a serem tratadas pela plataforma, dimensionamento das vazões de injeção de
água e gás, etc. Esse pacote de gerenciamento de poços foi incorporado a um simulador
37
dinâmico de reservatório, tendo como resultado os valores ótimos para os diversos
indicadores de controle já citados.
Serbini et. al. (2009) publicaram um trabalho sobre o desenvolvimento integrado entre
os sistemas de operação de um campo de petróleo com o desenvolvimento e gerenciamento da
jazida. Através de uma proposta de integração facilidades-reservatório, os autores avaliaram
as possibilidades de superar os gargalos impostos pelas instalações físicas através da análise
integrada da produção, envolvendo todas as disciplinas. O modelo proposto englobou a
produção de diversas plataformas, foi chamado de “modelo integrado dos ativos de produção”
e concluiu que a análise integrada permite a avaliação dos impactos negativos na reserva a ser
extraída, sendo estes causados pelas instalações de produção operando com restrições de
projeto ou de operação.
Lo e Holden (1992) mostraram um esquema de gerenciamento de produção de poços
com previsões de vazão para cada poço. Os autores propuseram adotar um modelo em
Programação Linear que serviu de base para a comparação com um outro método, de menor
tempo computacional. Neste trabalho é citado que o gerenciamento de reservatórios através
do controle de alta RGO ou de alto BSW acarreta a ociosidade das instalações físicas, como
as plantas de tratamento de óleo e gás das plataformas. O primeiro modelo adotado foi uma
montagem de PL com o uso do método Simplex atribuindo a cada poço um fator que poderia
variar entre 0 e 1, tendo como limites a capacidade máxima de processamento das facilidades
instaladas. O outro método proposto procurou encontrar a vazão máxima de produção com
todos os poços abertos, contrapondo essa vazão máxima com a limitação física das
instalações. No trabalho citado, o gerenciamento de reservatório é feito através do controle de
abertura e fechamento de poços em períodos pré-determinados e não há preocupação em
limitar os valores de BSW e de RGO. A conclusão é que o modelo Simplex proposto
consegue predizer as vazões de gerenciamento de reservatórios adequando as mesmas às
restrições físicas das instalações de produção e a comparação do método Simplex com o
segundo modelo proposto indicou uma defasagem pequena (5%), com menor tempo
computacional.
Em um artigo posterior, Lo, Starley e Holden (1993) criaram um modelo em
Programação Linear que pretendeu simular as melhores vazões para o gerenciamento de
reservatórios, mas desta vez confrontando os resultados com o simulador dinâmico de
reservatórios. Usando as mesmas limitações de instalações físicas do estudo anterior, os
autores conseguiram estabelecer uma aferição do modelo linear com a simulação full field. O
38
principal conceito no trabalho citado é o de descobrir as melhores vazões para as condições
físicas dadas pela instalação de processamento.
A ilustração da Figura 13 mostra o modelo em PL baseado em parâmetros
adimensionais adotados por Lo, Starley e Holden (1993), o qual estabelece fatores para a
vazão a ser produzida denominados de αi, sendo os índices i referentes a cada poço:
Figura 13 – Modelo de gerenciamento de reservatórios
Fonte: Lo, Starley e Holden (1993).
Os termos ao lado direito das restrições referem-se aos limites máximos de capacidade
de processamento das instalações, sendo os fatores αi pertencentes ao intervalo [0,1]. Este
modelo é usado como uma ferramenta simples e rápida para prever o que acontece com a
produção diante de limitação das instalações. Após a comparação com o modelo dinâmico, o
trabalho chega à conclusão que o modelo adotado em PL possui erros de 10 %, valores
considerados aceitáveis pelos autores citados.
O trabalho de Lo, Starley e Holden (1993) serviu de sinalização para a confecção dos
modelos em PL da presente pesquisa. Embora este artigo científico considere o exemplo de
poços terrestres, o modelo pode ser usado também para campos marítimos e aqui também se
compara o modelo PL com o simulador dinâmico de reservatório e são estabelecidos
parâmetros variando entre 0 e 1 para o dimensionamento da capacidade de produção.
Por outro lado, mudou-se o foco da disciplina de reservatório para a disciplina de
instalações de produção, visualizando desde a construção de poços até o dimensionamento da
capacidade de processamento da plataforma. Ao invés de limitar-se a vazão dos poços à
capacidade existente, aqui ocorreu a tentativa de adequação das instalações físicas ao
simulador dinâmico de reservatórios, considerando que nesta etapa ainda se constrói a fase de
39
concepção do projeto de explotação. O simulador dinâmico original, com os poços
completamente abertos, é usado como ponto de partida para as comparações do modelo PL e
depois são corrigidos os fatores entre 0 e 1 para os valores resultantes indicados pelo modelo
full field já com as restrições devido a limitações na produção.
2.4 MODELAGEM DINÂMICA DE RESERVATÓRIO
As simulações dinâmicas de campos de petróleo têm o objetivo de prever com a maior
exatidão possível todos os fenômenos que acontecem quando a explotação da jazida é
iniciada. O advento da simulação numérica tornou possível detalhar o estudo através da
subdivisão do reservatório em blocos com propriedades individualizadas. Através de uma
malha (grade) de simulação, o modelo geológico pode ser incorporado à análise, permitindo a
definição de regiões com propriedades de fluido e rocha distintas. Dentro deste enfoque, a
resposta do problema passou a ser obtida pela solução das equações de fluxo para cada
elemento.
Na construção de um simulador trabalha-se basicamente em três módulos distintos:
• Matemático - Trata das equações governantes do escoamento de fluídos no meio
poroso;
• Numérico - Discretização das equações matemáticas para posterior solução numérica;
• Computacional - Conjunto de programas para solução das equações discretizadas.
A simulação de reservatórios é uma poderosa ferramenta para propiciar uma visão
abrangente da mecânica da recuperação de petróleo. Ela não substitui, no entanto, o
julgamento do engenheiro ou do profissional de geologia, insumo que é essencial para a
condução de um estudo de reservatório. Sua utilização deve ser precedida de estudos
analíticos que, assim como modelagens mais simplificadas (simulação de seções transversais,
por exemplo) podem trazer importantes subsídios para a busca de soluções. Nem todos os
reservatórios exigem uma modelagem sofisticada sendo que, muitas vezes, a análise de um
problema em escala menor já traz as respostas desejadas.
Rosa, Carvalho e Xavier (2006) explicam que ao se desejar construir um simulador
numérico para o estudo de reservatórios de petróleo o modelo físico é o escoamento de fluidos
(água, gás, óleo) em meios porosos. As equações que descrevem qualquer processo físico são
formuladas através da aplicação de um conjunto de leis básicas restritas a um determinado
40
volume de controle, à descrição matemática de um fenômeno de transporte relacionado com a
natureza do processo e à utilização de equações de estado.
As leis básicas a serem empregadas em qualquer tipo de simulador são:
• Lei da conservação de massa;
• Lei da conservação de energia. Exemplo: energia térmica;
• Lei da conservação de momentum (segunda Lei de Newton).
Dois tipos de modelagem são definidos para o estudo da transferência de massa presentes
entre as fases dos fluidos envolvidos:
• Modelagem Composicional - Considera a existência de mais de dois componentes
hidrocarbonetos e é indicada para a simulação de gás condensado, óleo volátil e injeção de
fluidos miscíveis;
• Modelagem Black Oil - Considera a existência de apenas dois componentes
hidrocarbonetos, representados pelo óleo (não-volátil) e pelo gás que pode se encontrar livre
ou estar solúvel na fase óleo. Os modelos conhecidos como 'Beta modificados' permitem
também considerar o óleo solúvel na fase gasosa (gás condensado).
Os modelos Black Oil são bem mais simples do que os composicionais e atendem a
maioria das aplicações da Engenharia de Reservatório. Eles utilizam três componentes (óleo,
gás e água) sendo que o óleo e a água encontram-se sempre na fase líquida, não trocando
massa, enquanto o componente gás pode estar livre na fase gás ou dissolvido no óleo.
O modelo composicional vem ganhando aplicabilidade em vários projetos recentes por
ser mais completo e mais preciso. A disponibilidade de recursos computacionais e a obtenção
de dados de campo em menor tempo tem possibilitado a ampliação de sua utilização.
3 METODOLOGIA
Conforme já explicado anteriormente a elaboração de um projeto segue algumas fases
até o início da operação. A proposta que é exposta a seguir parte do principio que já
conhecemos os dados de reservatório, de modelo de fluxo, de tratamento e purificação do
petróleo e gás na superfície e das simulações de elevação e escoamento dos fluidos no fundo
do mar. Então, o projeto é elaborado com base nesses parâmetros e na filosofia de produção
41
por pico. A curva de produção é montada a partir dos simuladores dinâmicos e os
equipamentos são dimensionados. Depois vem a análise da reserva total a ser produzida e a
busca pelos dados econômicos como taxas e impostos, royalties, taxa mínima de atratividade
(TMA), cronograma de gastos com o tempo, etc. O passo a seguir é a solicitação dos
orçamentos das instalações dimensionadas, sempre lembrando que quanto maior a vazão
dimensionante mais caro é o investimento de aquisição. Com os orçamentos dos sistemas em
mãos, parte-se para o cálculo dos fatores econômicos como Taxa Interna de Retorno (TIR),
tempo de retorno do investimento (payback), Valor Presente Líquido (VPL), riscos do
investimento, etc. É assim que são obtidas as informações e documentos que compõem o
projeto original de desenvolvimento de explotação da jazida e que são encaminhados para
aprovação das instancias superiores das companhias operadoras e dos seus eventuais
parceiros.
Somente a partir desse ponto é começa a proposta ora mostrada. É com o projeto
original em mãos que se pode verificar se vale a pena reduzir o tamanho das instalações e
produzir no modelo flat. No final das simulações é que se comparam as duas filosofias de
operação e indica-se quais os fatores que influenciam positivamente as duas maneiras de
explotar uma jazida de óleo e gás.
Para efeito didático, os procedimentos da metodologia ora proposta serão expostos no
formato passo-a-passo:
a)São estabelecidas as premissas básicas para o desenvolvimento da modelagem PL. Neste
momento, são definidos parâmetros fundamentais para qualquer análise técnico-econômica de
jazidas de hidrocarbonetos: o tempo de contrato de concessão, numero de poços e sua
distribuição no tempo, premissas para orçamentação, relevância da produção de água e/ou gás
para o dimensionamento de poços e linhas subsea, preço de venda de óleo e gás, etc. Não há
como modelar possíveis otimizações sem o esclarecimento dessas premissas básicas.
b)A coleta de dados parte dos valores referentes ao projeto original. Informações como curvas
de produção, capacidade calculada de poços e linhas, plantas de tratamento de óleo e gás,
equipamentos acessórios e também dados de custos e de receitas são colocados em planilhas
eletrônicas em Excel®, as quais são preparadas no formato adequado para os cálculos do
Solver. O valor da reserva a ser produzida também é calculado com base no espaçamento dos
poços no tempo, considerando o projeto original.
c)O calculo de custos e despesas é formulado com base nos dados coletados, assim com as
futuras receitas. Nesse ponto já são descritas as fórmulas contendo os parâmetros
dimensionantes α, β, γ, θ que serão o principal alvo de resultados das simulações em PL deste
42
trabalho, a serem mais detalhados no Capitulo 4. Esta descrição resulta na função objetivo e
nas inequações das restrições a serem consideradas no modelo.
d)O modelo em PL monocriterio reúne a função objetivo (nesse caso representada pela função
lucro = receitas – despesas) a qual contempla as receitas e despesas geradas pelas plantas de
óleo e gás topside e pelas despesas geradas pelas instalações subsea e de poços. As restrições
reúnem as capacidades das máquinas e equipamentos relacionadas às reservas máximas
explotáveis de óleo, gás e água. Nesse ponto do trabalho é colocada na planilha a formatação
padrão já demonstrada na Figura 6 contendo a função objetivo, as restrições e onde os fatores
dimensionantes são colocados em cada equação ou inequação.
e)O modelo em PL é transformado na formatação mostrada na Figura 9 e esta planilha fornece
os resultados iniciais dos valores de α, β, γ, θ após a primeira rodada do Solver. Esses valores
ainda não estão submetidos a nenhum crivo da Engenharia de Reservatórios. Nesta nova
planilha em Excel são destacadas a matriz A, que compõe o vetor da função objetivo, a matriz
C, também chamada de matriz de coeficientes tecnológicos e que compõe os coeficientes das
restrições, e os valores do lado direito (RHS) e esquerdo (LHS) das restrições. Durante a
execução desta fase, é possível a ocorrência de valores mostrados pelo Solver que não estão
dentro das premissas adotadas pelo modelo em PL. Por exemplo, podem-se obter valores de
α, β, γ, θ fora da faixa [0,1]. Isto deve ser corrigido com reformatação das restrições que
possam recolocar os parâmetros dentro dos valores das premissas.
f)Uma vez obtidos os resultados do modelo monocritério, entra-se na fase da metodologia De
Novo. São calculados os valores do vetor V = p*A e o valor de B, que é o orçamento do
projeto como um todo tendo em vista os recursos disponíveis.
g)Incorpora-se então as novas funções objetivo do modelo multicritério. Elas também seguem
a relação linear e são definidas em função da sua importância para os resultados globais a
serem atingidos com a implantação do projeto. Conforme demonstrado por Shi (1995) é
possível estabelecer pesos diferentes para as funções objetivo, mas nesse trabalho será
adotada a mesma importância para os 3 objetivos, por questões de simplicidade.
h)O modelo De Novo é então construído conforme a formulação proposta por Zeleny (2005,
p.10) e a rodada do Solver permite o calculo dos valores meta-ótimos dos fatores α, β, γ, θ ,
ainda sem o crivo dos simuladores dinâmicos de reservatório.
i)A comparação dos dados dos simuladores em Programação Linear com o modelo dinâmico
de reservatório é mandatória, de acordo com a filosofia de investigação adotada no presente
trabalho. Para tanto, verifica-se se a curva de produção dinâmica com os poços restringidos
43
pode ser adotada conforme a solução proposta pelo simulador PL. Em condições normais isto
não é possível porque as primeiras simulações com curvas restringidas apresenta uma
defasagem muito grande de volume total produzido (Np) em relação à curva do projeto
original.
j)A curva mais próxima do projeto original em termos de volume total (Np) é então submetida
ao crivo da programação De Novo, que é rodada pela segunda vez indicando novos valores
para os parâmetros dimensionantes α, β, γ, θ ou confirmando os valores sugeridos pelo
modelo dinâmico. É apresentado também o fator r*, que indica a relação entre os orçamentos
da totalidade dos recursos existentes (B) com o orçamento para atingir os valores máximos
das funções objetivo (B*).
k)Com os valores definitivos dos parâmetros dimensionantes, roda-se uma curva de produção
final do modelo dinâmico com as capacidades definidas pela última rodada do simulador De
Novo.
l)A partir desse ponto é o momento de iniciar as verificações econômicas. Nesta etapa, o
primeiro passo é submeter as restrições das capacidades à avaliação de especialistas para a
aquisição de orçamentos compatíveis com esses equipamentos de menores dimensões. São
avaliados os custos dos equipamentos menores e feita sua compatibilização com o restante das
máquinas, sejam elas de menor tamanho ou do mesmo tamanho do projeto original.
m)Com o orçamentos das instalações já restringidas, roda-se o simulador econômico que
indica os resultados com base nos indicadores de qualquer fluxo de caixa convencional: Valor
Presente Líquido (VPL), investimentos (Capex), despesas operacionais (Opex) , receita e
tempo de retorno (payback). O simulador econômico deve ser rodado tanto para o projeto
original quanto para o projeto restringido e neste último caso são consideradas apenas as
mudanças de escopo em relação ao projeto original, a saber: espaçamento dos poços ao longo
do tempo, custos de sistemas adicionais como casario, casco do navio, sistemas de
emergência e segurança operacional, barcos de apoio, corridas de ROV, etc.
n)Através de tabelas-resumo, os resultados econômicos das alternativas original e restringida
são comparadas e as conclusões finais sobre a viabilidade da proposta de produção em
modelo flat são explicitadas. As ponderações sobre tal viabilidade emergem não somente dos
resultados finais apresentados, mas também dos dados expressos ao longo de todo o processo
de otimização ora proposto.
O fluxograma simplificado apresentado nas Figuras 14 e 15 resume as atividades a
serem desenvolvidas durante a realização deste trabalho:
46
4 CONSTRUÇÃO DOS MODELOS EM PROGRAMAÇÃO LINEAR
Para a montagem dos modelos em PL, escolheu-se 3 casos do mundo real que servirão
como exemplos representativos para a simulação de projetos de explotação. A metodologia
proposta no capítulo 3 deste trabalho será seguida para os 3 projetos mostrados e as diferentes
características dos mesmos serão refletidas nos modelos montados para cada um deles.
Embora a formatação dos modelos em PL siga um mesmo padrão, há que se respeitar as
diversas propriedades e nuances que caracterizam a produção dos campos que se pretende
estudar. Os exemplos representam projetos pertencentes a operadoras de petróleo no Brasil e
podem ser resumidos da seguinte maneira :
4.1 PROJETO DE EXPLOTAÇÃO RIO DE JANEIRO (RJ)
Campo de óleo e gás localizado em águas profundas em reservatórios de alta
produtividade. O projeto original prevê a instalação de 10 poços produtores de óleo leve e
mais alguns injetores de água, equipados com coluna de produção e acessórios para apenas
uma zona produtora. No projeto original, com todos os poços 100 % abertos, a plataforma
está capacitada para processar 75 mil bbl/d de líquido. Os sistemas subsea foram projetados
com ANM (Árvores de Natal Molhada), linhas e manifolds de produção e injeção, válvulas de
emergência e risers lazy wave. A RGO (Razão Gás-Óleo) foi assumida variando entre 350 e
450 m3/m3. O período de concessão desde o 1º óleo é de 22 anos, com parte dos poços
entrando em produção logo no 1º ano e o restante entrando no 2º ano.
4.1.1 Desenvolvimento do modelo monocritério
Pode-se descrever a proposta de modelo em PL da seguinte maneira:
As instalações para a produção de um campo de petróleo e gás em ambiente offshore
possuem 4 disciplinas principais, aqui representadas pelas letras gregas α, β, γ, θ:
• Planta de tratamento e armazenagem de óleo, α;
• Planta de gás de superfície, β;
• Equipamentos submarinos, γ;
• Poços produtores e injetores, θ.
47
Os valores dimensionantes para o cálculo das instalações são representados pelas
vazões máximas do pico de produção com os poços totalmente abertos, sendo assim descritos:
• Qdim α = valor do pico de produção para a planta de tratamento de óleo, bbl/d;
• Qdim β = valor do pico de produção para a planta de processamento de gás, m3/d;
• Qdim γ = valor dimensionante para as instalações submarinas, produção de óleo + gás,
boe;
• Qdim θ = valor dimensionante para instalações de poços, produção de óleo + gás, boe.
As reservas previstas para a produção considerando as vazões sem restrição do modelo
original podem ser denominadas:
• Qreserva oleo(bbl/d) = volume de óleo produzido até o final da concessão (também
conhecido por Np);
• Qreserva gás(m3/d) = volume de gás produzido até o final da concessão;
• Reserva total óleo + gás (em boe) = volume total em barris de óleo equivalente.
Na montagem do projeto original a produção de cada reserva citada anteriormente
prevê o dimensionamento de cada máquina ou tubulação no seu valor máximo. Uma vez que
estamos usando parâmetros adimensionais para representar a capacidade de cada sistema,
pode-se afirmar que se tentarmos reduzir a capacidade dos equipamentos, essa redução será
proporcional à redução do volume que cada instalação pode processar. Por exemplo: ao
tentarmos reduzir a capacidade da planta de tratamento de óleo em 50%, isso significa que
teremos de reduzir a vazão máxima para 50% do valor originalmente previsto. Pode-se,
portanto, considerar que a vazão dimensionante varia linearmente com a capacidade das
instalações das disciplinas já citadas e a partir daí montar um modelo linear para o
relacionamento entre a capacidade máxima da instalação (representada pelas letras gregas α,
β, γ, θ) e a vazão produzida ao longo dos anos da concessão.
No Capítulo 3 foi visto que a concepção descrita por Lo, Starley e Holden (2003)
estabelece parâmetros de redução contraindo a produção de cada poço e estabelecendo fatores
de redução selecionados para os mesmos. Neste trabalho, deixa-se a priorização e escolha dos
poços a serem restringidos a cargo dos engenheiros e técnicos de reservatório. O foco adotado
neste estudo são as instalações de produção e cada parâmetro é direcionado a uma instalação
48
física, ao invés de restrição na produção de cada poço. A proposta aqui apresentada está
interessada, portanto, em associar cada parâmetro representado por uma letra grega para o
tamanho da capacidade dimensionante de cada disciplina. As premissas adotadas para a
construção do modelo e os critérios para cálculo dos fatores dimensionantes podem ser
descritas:
a)Os fatores α, β, γ, θ variam no intervalo entre o 0 e 1, inclusive. Quando o fator tiver valor
1, isso significa que a instalação referente a ele está dimensionada para a vazão de pico, o
valor máximo considerando que os poços estão abertos, sem restrições;
b)Ao reduzir-se a o valor dos fatores dimensionantes α, β, γ, θ obter-se-ia uma contração na
capacidade de processo da instalação na mesma proporção e, consequentemente, a vazão de
produção dos poços seria também reduzida. Como será visto adiante, a curva de produção
obtida com valores de α, β, γ, θ menores significa operar na curva em formato flat, com os
poços devidamente restringidos;
c)A função objetivo utilizada no escopo monocritério foi o lucro obtido com a produção ao
longo do período da concessão, sendo os valores de preço de venda estimados pela média
atualmente praticada pelo mercado e considerando, de maneira simplificada, que não há
variações ao longo do período de concessão. Entretanto, ao final do fluxograma de atividades
desse estudo, calculam-se os dados de viabilidade econômica usando-se um simulador
completo, com variações de preço estimadas ao longo dos anos;
d)Os valores de custos (despesas) devem ser estimados com base nos orçamentos feitos
durante a elaboração do projeto original. Isso significa dizer que, para a primeira simulação
em PL usam-se os custos orçados considerando a capacidade máxima das instalações (α, β, γ,
θ =1). É conveniente lembrar que foram incorporadas na função objetivo também as despesas
operacionais (Opex);
e)Outra restrição a ser adicionada é a razão de volume entre o gás e o óleo (RGO) a ser
considerada. Normalmente, sabe-se que esse número varia em uma faixa de máximo e
mínimo cujos valores dependem dos resultados obtidos com os poços já perfurados. Assim, o
modelo sempre obriga que os valores de produção sugeridos pelos fatores dimensionantes
obedeçam à faixa de máxima e mínima RGO;
f)Embora a produção por pico garanta volumes mais altos de maneira antecipada, isso obriga
a perfuração e completação de poços de uma só vez considerando uma campanha intensa de
atividades concentrada em pouco tempo. O modelo proposto em formato flat, ao contrário,
prevê que a campanha de poços seja feita de maneira mais espaçada, com gastos ao longo de
49
mais tempo e término da campanha a longo prazo, com postergação de despesas alocadas em
grande parte dos poços. Isso reduz Capex pelo fluxo de caixa menos concentrado e com
prazos maiores;
g)De forma a estabelecer uma primeira visualização do cronograma de entrada de poços,
utilizou-se o seguinte espaçamento padrão:
• 55% dos poços injetores e produtores entrando em produção logo no 1º ano;
• 45% dos poços entrando em produção no 2º ano
Obs1: o modelo permite alterar essa configuração a qualquer tempo e hora a depender
do número de poços e do cronograma escolhido pelos técnicos no projeto original. Apenas por
simplificação, foi adotado o modelo considerando um número inicial fixo de poços produtores
e injetores.
Obs2: após a rodada do simulador dinâmico, verificou-se que essa distribuição pode
ser otimizada, sendo necessária a correção de entrada de poços para os cálculos econômicos a
serem efetuados conforme o Capítulo 5 do presente estudo;
h)A água produzida junto com o petróleo é um subproduto indesejável, embora se tenha que
conviver com ele. Dessa forma, os sistemas de água produzida sempre deverão estar
dimensionados para o valor máximo dos seus volumes, sendo que esse dimensionamento é
considerado no momento da realização da análise econômica (EVTE). Quanto menor a vazão
de água produzida, menores os gastos com a planta para tratar esta corrente;
i)Por simplificação, considera-se a receita a ser obtida pelo volume calculado pelo simulador
PL adotando-se o tamanho das plantas de processamento de gás e óleo;
j)Para os cálculos envolvendo os sistemas submarinos e os poços foi levado em conta o
transporte conjunto da produção de óleo e gás, daí o critério adotado de considerar os volumes
de óleo e gás conjuntamente, sob o formato de barris de óleo equivalente (boe);
k)As estimativas de redução do tamanho dos poços e sistemas submarinos foram calculadas
de acordo com a redução proporcional nesses volumes de óleo e gás;
l)Embora os volumes de água a ser injetada em reservatório não estejam sendo calculadas
pelo modelo, haverá também redução da planta de injeção em decorrência da restrição nos
poços. Esta contração nos sistemas de injeção será refletida na análise econômica explicitada
no Capítulo 5.
50
Para computar o modelo em PL, foi utilizado o add in Solver, presente em pacotes do
MS-Excel®. O motivo da escolha é a facilidade de uso oferecida pela ferramenta e a ampla
utilização do software pelos profissionais das áreas de Pesquisa Operacional e da indústria do
petróleo. As explicações sobre a simulação dos casos-base relatados a seguir podem ser
verificadas através dos modelos numéricos montados nas planilhas em MS-Excel® para cada
caso.
A Figura 16 mostra o modelo do simulador monocritério com os fatores
dimensionantes, função objetivo e as restrições referentes a este projeto:
Figura 16 – Modelo PL monocritério para o projeto Rio de Janeiro MAXIMIZAR O LUCRO , CONSIDERANDO :
Z = α*Qdim α*preçovendaoleo + β*Qdim β*preçovendagas
- α*Qdim α * (Capex oleo topside/bbl + Opex oleo topside/bbl)
- β*Qdim β * (Capex gas topside/m3 + Opex gas topside/m3)
- ƴ*Qdim ƴ media * (Capex sistema de coleta/boe + Opex sistema de coleta/boe)
- θ*Qdim θ media * (Capex poços/boe + Opex poços/boe)
sujeito a:oleo topside α*Qdim α ≤ Qreserva oleo em bbl/d
gas topside β*Qdim β ≤ Qreserva gás em m3/d
sistemas subsea ƴ*Qdim ƴ*(365*22anos*5linhas+365*21anos*5linhas) ≥ Reserva total em boe
poços θ*Qdim θ*(365*22anos*5poços+365*21anos*5poços) ≥ Reserva total em boe
RGO max 450*α*Qdim α - β*Qdim β ≥ 0 em m3/d
RGO min 350*α*Qdim α - β*Qdim β ≤ 0 em m3/d Fonte: o autor (2012).
Para o projeto Rio de Janeiro, a planta de processo originalmente dimensionada pode
ser resumida da seguinte maneira:
• Capacidade ao óleo (bbl/d): 75.000
• Capacidade de tratamento de gás (m3/d): 3.000.000
• Capacidade tratamento de água produzida (bbl/d): 60.000
• Capacidade de injeção de água (bbl/d): 90.000
Utilizando-se o modelo apresentado na Figura 16 é possível montar a planilha em MS-
Excel® e depois rodar o Solver. Os resultados são apresentados na Figura 17:
51
Figura 17 – Resultados modelo monocritério do projeto RJ variaveis de decisão
α β γ θ
função objetivo
4.687.111 1.034.630 -1.164.834 -1.448.667
0,335 0,599 0,196 0,176 1.706.535
restrições LHS RHS
oleo(bbl/d) 75.000 0 0 0 25.123 ≤ 25.123
gas(m3/d) 0 3.000.000 0 0 1.797.343 ≤ 2.072.381
linhas subsea(bbl) 0 0 1.564.859.969 0 306.409.823 ≥ 306.409.823
poços(bbl) 0 0 0 1.738.733.299 306.409.823 ≥ 306.409.823
RGO max 5.365.660 -3.000.000 0 0 0 ≥ 0
RGO min 4.173.291 -3.000.000 0 0 -399.409 ≤ 0
matriz C
matriz A(matriz de coeficientes tecnologicos)
resultados das variaveis de decisão
resultado final da função objetivo
Fonte: o autor (2012).
A partir dos resultados pode-se proceder às seguintes interpretações:
a) O modelo em PL consegue indicar o tamanho otimizado para os parâmetros das
instalações de produção;
b) É também obtido o possível lucro máximo a ser auferido com a produção das reservas
decorrentes do projeto em forma de pico, mas considerando a redução da capacidade de
máquinas e equipamentos conforme os novos valores mostrados pelos fatores dimensionantes
α, β, γ, θ;
c) O modelo linear deve ser submetido à validação através da simulação dinâmica de
reservatório, com a utilização do modelo computacional full field. Será visto a seguir que
serão necessários ajustes no modelo linear após estes resultados.
4.1.2 Desenvolvimento do modelo multicritério
A busca pela otimização do tamanho das instalações requer um modelo mais robusto
do que o modelo monocritério. Aqui vale a pena utilizar uma metodologia que ponha à prova
os valores encontrados para os parâmetros dimensionantes e ao mesmo tempo submeta os
mesmos ao atingimento de critérios adicionais. Conforme já explicitado no Capítulo 3, deve-
se incluir na análise outros objetivos para aumentar a validade e a abrangência deste estudo e,
para isto, será utilizada a metodologia em PL De Novo Programming proposta por Zeleny
(2008). Os novos objetivos a serem analisados juntamente com o lucro máximo são:
52
• Maximizar a eficiência operacional (tempo dos equipamentos operando vs. tempo
total):
o Para cada sistema de produção foi considerado que a variação detectada na perda de
eficiência operacional é linearmente dependente da contração nos parâmetros α, β, γ, θ. A
redução da ociosidade das máquinas implica em uma maior exigência das mesmas e, portanto,
é razoável supor uma diminuição da eficiência operacional. Quem trabalha mais é mais
exigido, está mais sujeito a falhas e ao mesmo tempo requer mais atenção e cuidado nas
manutenções preventivas e preditivas. O calendário de intervenções em máquinas que operam
mais tempo é mais frequente do que máquinas com tempo ocioso;
• Maximizar o indicador de integridade estrutural das instalações:
o Os valores do impacto na integridade foram submetidos à avaliação de técnicos
experientes e associados a cada disciplina, com preocupações em relação ao cumprimento de
inspeções periódicas e reparos em tubulações e válvulas corroídas. O impacto maior é sempre
nas instalações de óleo e água e poços em função do potencial corrosivo e dos custos
envolvidos para os reparos.
Para efeito de simplicidade, assume-se que os 3 critérios possuem igual importância
ou peso.
O modelo em PL multiobjetivo é mostrado na Figura 18:
Figura 18 – Modelo do projeto RJ - multicritério
MODELO MULTICRITÉRIO DE NOVO
α β γ θ
max z1= 4.687.111 1.034.630 -1.164.834 -1.448.667max z2= 34 45 8 14
max z3= 30 20 20 30
sujeito a :
matriz V = p*A : α β γ θ
390.389 231.370 1.164.834 1.448.667 ≤ 773.972,60 Fonte: o autor (2012).
Obs.: os preços calculados para a obtenção do vetor v foram baseados na orçamentação das
instalações de cada sistema de produção, sendo que as reservas de cada sistema sustentam a
aquisição dos mesmos.
Com a utilização da programação De Novo foi possível encontrar os valores ótimos
para todos os parâmetros dimensionantes e os resultados expressos pelo Solver indicaram
soluções para todos eles, com as restrições e condições de adequação satisfeitas. De modo a
53
evitar que o simulador indique parâmetros fora da faixa [0,1] colocou-se balizas
correspondentes aos valores obtidos com a simulação monocritério. Os resultados encontrados
são mostrados na Figura 19:
Figura 19 – Resultados modelo multicritério do projeto RJ
variaveis de decisão
α* β* γ* θ*
min Z = 390389 231370 1164834 1448667
0,390 0,599 0,196 0,176 773.972,60
sujeito a :
lucro 4687111,498 1034630,268 -1164834,365 -1448667,121 1962735,203 ≥ 1.962.735,20
eficiência operaciona l 34 45 8 14 43,77431703 ≥ 41,940
integridade es trutural 30 20 20 30 32,86906236 ≥ 31,23
1 0 0 0 0,389635412 ≥ 0,335
0 1 0 0 0,599 ≥ 0,599
0 0 1 0 0,196 ≥ 0,196
0 0 0 1 0,176 ≥ 0,176 Fonte: o autor (2012).
Desta forma, os parâmetros meta-ótimos que atendem aos 3 critérios-objetivo são os
representados por α* = 0,390; β* = 0,599; γ* =0,196; θ* = 0,176; sendo os valores máximos
para as funções objetivo Z1* =1.962.735,2; Z2
* = 41,9; Z3* = 31,2. Esses valores máximos só
podem ser atendidos para os valores de α*, β*, γ*, θ* mostrados.
O valor de B* = B = 773.972,6 mostra que o portfolio de recursos já está em sua
condição ótima. Portanto, o valor da razão de trajetória ótima r* =1 e os valores finais
calculados para α, β, γ, θ são idênticos aos parâmetros meta-ótimos α*, β*, γ*, θ*.
Antes de prosseguir com a validação dos dados obtidos, faz-se necessário tecer os
seguintes comentários:
a)Os valores mais otimizados pelo modelo De Novo coincidem em sua maioria com os
parâmetros da solução monocritério. Pode-se interpretar esses números como sendo a
evidência de que já estamos bem perto dos valores meta-otimos desde o modelo monocritério,
à exceção do parâmetro α, que mostra o tamanho ideal para a planta de tratamento de óleo da
plataforma;
b)O simulador multicritério quer indicar que é necessário aumentar o tamanho da planta de
óleo se há a pretensão de trabalhar com o sistema otimizado proposto pela simulação De
Novo. Isso quer dizer que tem-se que dimensionar uma planta de óleo mais robusta para
atender às reservas totais de óleo previstas desde o modelo em formato de pico de produção,
54
representadas por Qreserva óleo ( ver Figura 16 – Modelo PL monocritério para o projeto Rio de
Janeiro)
c) Pode-se entender essa necessidade de reforçar a planta de óleo como sendo o fator que mais
contribui para a maximização da função lucro, garantindo-se maior valor para Z1*.
4.1.3 Validação do modelo – estudos dinâmicos de reservatório
Em condições reais de fluxo em reservatório a movimentação dos fluidos produzidos
não se comporta de acordo com modelos lineares. Na verdade, as propriedades de pressão,
viscosidade, temperatura, composição química dos fluidos e interação rocha-fluido entre
várias outras variáveis fazem com que a predição do comportamento das vazões deva ser
submetida a uma série de testes de laboratório, que por sua vez também são incorporados ao
modelo dinâmico. As equações que pretendem descrever o que acontece de fato a vários
metros abaixo da superfície são complexas e devem ser submetidas a várias rodadas de
validação, incluindo análises de laboratório e amostras de fluido e de rocha. Ainda assim é
muito comum ocorrerem desvios de comportamento ao longo da vida produtiva do campo e,
infelizmente, essas verificações só são possíveis depois de alguns anos de efetiva produção,
com vários poços perfurados e produzindo durante esse tempo. Na indústria de petróleo,
costuma-se afirmar que somente se conhece a reserva definitiva de uma jazida depois que o
campo é abandonado, depois de terem sido extraídas as últimas gotas de petróleo que possam
ser comercializadas. Após os resultados obtidos com os modelos em Programação Linear
deve-se validá-los com a aplicação de um modelo mais próximo da realidade: o de fluxo de
fluidos em meio poroso. Estes potentes simuladores ilustram mais fidedignamente o que de
fato ocorre quando os poços são perfurados e a movimentação do óleo, gás e água no
reservatório e em ambiente subsea é iniciada. De acordo com os resultados obtidos na
simulação De Novo, foi possível estabelecer um cardápio de opções a serem desenvolvidas
para rodar o simulador dinâmico. A primeira iniciativa é a de comparar o perfil de produção
em formato de pico com o resultado sugerido pela simulação De Novo. A visualização das
duas curvas pode mostrar que a restrição dos poços estabelece um patamar para a produção de
líquidos como um todo, mas não impede o declínio na produção de óleo e gás. Na verdade, os
resultados obtidos com essa primeira rodada do simulador dinâmico revelam a necessidade da
continuidade da investigação com a ampliação das limitações impostas pela visão preliminar
do modelo em PL.
As duas curvas obtidas para o projeto Rio de Janeiro podem ser vistas na Figura 20:
55
Figura 20 – Comparação entre simulador full field sem restrição e com restrição de produção
Fonte: o autor (2012).
Os resultados dessa primeira rodada do simulador full field referem-se a uma restrição
de produção que tem como limitantes um máximo de 35 mil bbl/d na planta de óleo e 2 mil
m3/d na planta de processamento de gás; e revelam uma perda de produção significativa em
relação ao modelo em formato de pico. A verdade é que mesmo considerando que metade dos
poços é colocada em produção apenas no 3º ano depois do início das operações, o volume
total produzido ao longo da concessão é 19,7% menor do que a reserva a ser obtida com a
opção dos poços totalmente abertos e isso causa grande prejuízo na receita do projeto. Uma
perda dessa magnitude acaba por inviabilizar o projeto que for dimensionado com tanta
limitação.
Pode-se verificar pela curva restringida que o declínio da produção de óleo e gás
acontece de forma a diminuir sensivelmente o volume de produção acumulado. Outra questão
importante levantada pelos especialistas em reservatório consultados é que a limitação da
56
produção de gás prejudica sobremaneira a produção de óleo e, portanto, no caso especifico de
projetos com alta produção de gás (ou alta RGO) deve-se dar vazão total a essa corrente, de
forma a assegurar livre aumento da RGO ao longo da produção e a o mesmo tempo não
prejudicar a produção de óleo.
A validação do modelo em PL através da modelagem dinâmica mostrou-se necessária
para a revisão do dimensionamento das instalações. Uma vez que os fluxos em reservatório
não se comportam como era esperado, faz-se necessário ampliar o batente dimensionante e
rodar o modelo dinâmico considerando mais produção da planta de óleo e mais produção da
planta de gás.
De forma a sistematizar a investigação sobre a melhor recuperação da jazida através de
produção restringida, foram rodados mais 2 casos:
i)vazão de gás sem restrição e vazão de óleo limitada a 40 mil bbl/d;
ii)vazão de gás sem restrição e vazão de óleo limitada a 50 mil bbl/d.
Desta vez foram obtidos valores de defasagem na produção de óleo bem menores do
que a simulação anterior. Nessas novas simulações, distribuiu-se melhor a entrada dos poços e
linhas subsea ao longo do tempo. A melhor configuração de entrada dos poços em produção
também ajudou na manutenção dos patamares ao longo da vida produtiva do campo, com 5
poços produtores iniciando logo no 1º. ano de produção, 3 poços iniciando no 4º. ano e os 2
poços restantes começando no 6º. ano após o primeiro óleo. Como se pode verificar, essa
ordem de entrada de poços é bem mais conservadora do que as interligações propostas na
primeira rodada do nosso modelo em PL e é resultado da própria dinâmica de alterações nas
pressões, vazões e temperaturas ao longo da vida produtiva da concessão, conforme
resultados revelados pelo próprio simulador dinâmico.
Deve-se considerar também que a melhor curva de produção de gás e óleo não é fixa,
não é determinada e depende da interpretação do projetista e da sua equipe de técnicos de
reservatório. Cabe a este time de especialistas interpretar qual é a defasagem máxima na
produção total acumulada (Np) que pode ser aceita e que não causaria prejuízos significativos
na explotação da jazida em caso da adoção do formato flat.
As novas curvas do modelo dinâmico são apresentadas na Figura 21:
57
Figura 21 – Simulador full field com restrição de vazão ao óleo em 40 mil bbl/d
Fonte: o autor (2012).
Nessa nova curva obtida verifica-se um melhor volume recuperado, com diminuição
de apenas 11,8 % em relação ao volume do projeto original. Mesmo assim, deve-se considerar
que esse número ainda gera perda significativa de receita e deve-se aprimorar um pouco mais
a investigação aumentando a capacidade ao óleo.
O próximo conceito padrão de planta de processamento de óleo é a de 50 mil bbl/d e o
volume máximo de gás foi mantido de acordo com o projeto original em 3 milhões de m3/d.
A nova rodada do modelo dinâmico para essa configuração é mostrada na Figura 22:
Figura 22 – Simulador full field com restrição de vazão ao óleo em 50 mil bbl/d
Fonte: o autor (2012).
Desta vez ocorreu aumento na produção de modo que a reserva se aproximou bastante
dos valores do projeto original com os poços abertos. A diferença ficou em apenas 5,5 % para
menos. Além disso, a economia em investimentos gerada por essa redução ainda pode ser
considerada bastante atraente. A verdade é que não adiantaria muito adotar valores maiores
58
para a planta de processo e que estejam mais perto dos valores do projeto original porque essa
atitude praticamente não incorre em economia de gastos devido ao tamanho padrão dos
equipamentos não mudar significativamente e os serviços de instalação, pré-comissionamento
e comissionamento das máquinas não se alterarem.
Sendo assim, considera-se aceitável validar o modelo em PL utilizando-se essa última
curva da simulação full field, assumindo valores menores para a aquisição dos sistemas e
apostando que essa economia pode gerar resultado positivo no momento dos estudos de
viabilidade técnico-econômica (EVTE).
Uma vez escolhida a simulação dinâmica mais adequada, é necessário recalibrar os
fatores dimensionantes α, β, γ, θ para que estes estejam coerentes com a nova curva dinâmica
adotada. Para tanto, prossegue-se o estudo com nova rodada do modelo em Programação
Linear recalculando os fatores através de uma simples regra de três. De posse das novas
capacidades, os novos fatores são mostrados na Figura 23:
Figura 23 – Novos valores dos parâmetros dimensionantes após simulador dinâmico
capacidade da planta de óleo
novo valor para a planta de óleo: 50000 em bbl/d
depois do modelo dinâmico, o valor de α correto é: α´ = 0,667
capacidade da planta de gás
novo valor para a planta de gás: 3000000 em m3/d
depois do modelo dinâmico, o valor de β correto é: β´ = 1
capacidade do sistema submarino
novo valor de dimensionamento para a seção ao óleo: 92205,7 em bbl/d ao longo do tempo
novo valor de dimensionamento para a seção ao gás: 56568,2 em boe/d ao longo do tempo
γ´ = 0,763426
capacidade dos poços
novo valor de dimensionamento para a seção ao óleo: 102450,8 em bbl/d ao longo do tempo
novo valor de dimensionamento para a seção ao gás: 62853,5 em boe/d ao longo do tempo
θ´ = 0,763426 Fonte: o autor (2012).
Os parâmetros mostrados agora são submetidos a nova avaliação da Programação De
Novo, com o objetivo final de se conseguir os fatores mais aperfeiçoados possíveis para o
dimensionamento definitivo do sistema em formato flat. Esta segunda rodada do modelo De
Novo permite a obtenção dos fatores meta-ótimos, indicando que não há nenhum outro
conjunto dimensionante que consiga superá-los no atendimento aos três objetivos propostos:
lucro, eficiência operacional e integridade estrutural. Os passos anteriores de submeter os
parâmetros dimensionantes ao crivo do simulador em condições de reservatório traz ainda
mais robustez aos números finais obtidos por essa última rodada da Programação De Novo,
conferindo ao estudo um verdadeiro indicador para futuras avaliações de compra de
59
equipamentos, prazos de fabricação, cálculos de reservas mínimas a serem explotadas,
estimativas de obtenção de recursos financeiros para a concessão, valores mínimos a serem
ofertados em licitações de blocos exploratórios, etc. Esses temas serão mais detalhados no
Capítulo 7 - Conclusão.
Para essa nova simulação assumiu-se que o tamanho das máquinas deveria ser, no
mínimo, igual ao indicado pelo simulador full field e por isso a recomendação final sobre os
valores de α, β, γ, θ deveria ser motivo de análise econômica comparativa com os dados
obtidos através do modelo original em forma de pico de produção. É isso que está descrito no
capítulo 4 do presente trabalho.
Para o cálculo do novo valor de orçamento total B = p*b, utilizou-se o artifício de
estabelecer valores de reserva de óleo e gás que correspondessem aos valores máximos
referentes aos fatores ora calculados. Evidentemente, esses recursos não são reais, são apenas
teóricos, usados para o calculo do novo valor de B dessa segunda rodada do modelo De Novo.
A nova simulação pode ser vista na Figura 24, com destaque para os valores de α*, β*,
γ*, θ*:
Figura 24 – Valores finais dos fatores dimensionantes meta ótimos variaveis de decisão
α* β* γ* θ*
min Z = 390389 231370 1164834 1448667
0,758 1,000 0,763 0,764 2.522.767,57
sujeito a :
LHS RHSlucro 4687111,498 1034630,268 -1164834,365 -1448667,121 2591106,76 ≥ 2.591.106,76
eficiência operaciona l 33,58 44,55 7,78 14,09 86,69888616 ≥ 83,649
integridade es trutural 30 20 20 30 80,91485575 ≥ 78,19
1 0 0 0 0,757828525 ≥ 0,667
0 1 0 0 1 ≥ 1,000
0 0 1 0 0,763 ≥ 0,763
0 0 0 1 0,764 ≥ 0,764 Fonte: o autor (2012).
O valor final da razão B/B* pode ser resumido:
• Valor de B = 2.522.767,5
• Valor de B* = v x* = 2.522.767,5
• Fator r* = 1,0
Novamente, cabem comentários sobre os resultados dos dados obtidos:
60
a)O valor obtido de r* = 1 mostra que a simulação De Novo já incorpora os valores de B no
seu valor meta-ótimo, e que é mesmo esse número que deve ser considerado para o
dimensionamento dos recursos a serem aplicados, no caso de decidir-se por adotar o modelo
em formato flat;
b)Assim como na primeira rodada o modelo De Novo também calcula um valor meta-ótimo
maior para o parâmetro α, o que dimensiona o sistema de tratamento de óleo da plataforma.
Isso significa que o modelo recomenda, novamente, dar mais espaço para a produção de óleo,
objetivando maximizar os 3 objetivos escolhidos para otimização do projeto. É precisamente
esse novo fator α que se torna o motor principal para o desenvolvimento e dimensionamento
mais aperfeiçoado dos demais sistemas;
c)É também evidente a necessidade de se manter o maior espaço para os sistemas de gás,
especialmente porque o projeto Rio de Janeiro apresenta altos valores de Razão Gás/Liquido
(RGL).
A partir desses números decorrentes da simulação De Novo deve-se agora calcular o
tamanho indicado pelo modelo para o dimensionamento definitivo dos sistemas de produção.
Os novos números para as instalações pode ser vistos na Figura 25, considerando r* = 1:
Figura 25 – Números finais dos parâmetros dimensionantes após validação com o simulador De Novo
valores definitivos dos fatores dimensionantes
α β γ θ
0,758 1,000 0,763 0,764
valores das novas capacidades finais a serem adotadas
em bbl/d em m3/d em boe/d em boe/d
56.837 3.000.000 148.691 165.429 Fonte: o autor (2012).
Esta versão do modelo De Novo pode ser considerada a mais aperfeiçoada porque é
obtida com a capacidade de planta padrão mais próxima das reservas do modelo original.
Entretanto, os resultados indicam a necessidade de acionar o simulador full field mais uma
vez, de forma a se conhecer a curva de produção coerente com os valores definitivos dos
fatores dimensionantes da Figura 25.
Esses valores finais de α, β, γ, θ permitem rodar o simulador dinâmico com as novas e
definitivas vazões esperadas para a produção de campo. A curva resultante (Figura 26) é a que
mais se aproxima daquela a ser constatada na realidade ao longo da vida produtiva do campo:
61
Figura 26 – Curva do simulador full field a partir dos parâmetros meta-ótimos finais
Fonte: o autor (2012).
Essa curva mostrou a melhor aproximação possível da curva do projeto original com
os poços totalmente abertos, apresentando uma defasagem de apenas 3 % para menos. É com
esses dados de produção que serão feitas as comparações econômicas. Obtidas as capacidades
dos novos sistemas através dos fatores dimensionantes da Figura 25, trata-se agora de calcular
os seus orçamentos respectivos de acordo com a redução garantida pela simulação De Novo e
pela validação final com a rodada do modelo dinâmico.
Deve-se notar que mesmo com a entrada escalonada dos poços ao longo do tempo ( ao
invés de perfurar e interligar todos num só ano) não é possível manter a vazão de líquido total
constante, como sendo uma linha reta. No comportamento da vida real as pressões e os fluxos
de líquido em reservatório variam bastante ao longo dos anos e, portanto, a chegada dos
volumes na superfície também varia bastante. Essa explicação nos leva a conclusão de que é
praticamente impossível manter as máquinas com ociosidade 0 (zero) o tempo todo e em
algum momento elas terão que diminuir ou aumentar o ritmo, a depender dos volumes de
produção a serem gerenciados através da estratégia de explotação em perfil flat.
4.2 PROJETO DE EXPLOTAÇÃO BELO HORIZONTE (BH)
Campo de óleo e gás localizado em águas profundas em rochas de alta produtividade,
caracterizado por possuir óleo pesado com alta viscosidade em condições de reservatório. O
projeto original prevê a instalação de poços produtores e injetores, com a necessidade de
injeção de grandes volumes de água para manutenção de pressão. Os poços serão equipados
em apenas 1 zona. No projeto original, com todos os poços 100% abertos, a plataforma está
62
capacitada para processar 70 mil bbl/d de óleo e 160 mil bbl/d de água produzida. Em função
da alta RAO (Razão Água-Óleo), o sistema de água produzida foi projetado com tanques de
lavagem, hidrociclones e flotadores. Os sistemas submarinos foram projetados com ANMs,
linhas e manifolds de produção e injeção, válvulas de emergência e risers em formato lazy
wave. Em função do maior escopo e do cronograma de fabricação mais extenso, o período de
concessão desde o 1º óleo é de 20 anos, sendo que o último poço só vai ser perfurado no 7º
ano após a entrada dos sistemas em operação. Já existe, portanto, grande dispersão na entrada
dos poços ao longo do tempo.
4.2.1 Desenvolvimento do modelo monocritério
De maneira similar ao projeto Rio de Janeiro, o arcabouço a ser montado para este
projeto pode ser descrito em formato de PL. Entretanto, o projeto Belo Horizonte possui uma
característica especifica: os volumes de gás a serem produzidos são muito reduzidos, sendo a
RGO calculada em torno de 40 m³/m³. Durante os estudos do projeto original, ficou evidente
que não vale a pena o aproveitamento econômico dos pequenos volumes de gás deste campo
porque a produção acumulada é muito baixa. Sendo assim, não será construído o duto de
exportação de gás e nem haverá aquisição de compressores para este fim. Os volumes
produzidos que não forem aproveitados para consumo da planta serão reinjetados em
reservatório.
O parâmetro de produção de gás não será considerado para o projeto BH e os demais
parâmetros podem ser descritos:
• Planta de tratamento e armazenagem de óleo, α;
• Equipamentos submarinos, γ;
• Poços produtores e injetores, θ.
Os valores dimensionantes para o calculo das instalações são representado pelas
vazões máximas do pico de produção, com os poços totalmente abertos. Para este projeto, as
linhas submarinas e os poços foram calculados pelas vazões de óleo e de água, que
representam os fluidos impactantes para o tamanho destas instalações:
63
• Qdim α = valor do pico de produção para a planta de tratamento de óleo, bbl/d;
• Qdim γ = valor dimensionante para as instalações submarinas, produção de óleo + água,
bbl;
• Qdim θ = valor dimensionante para as instalações de poços, produção de óleo + água,
bbl.
As reservas previstas para a produção considerando vazões sem restrição do modelo original
podem ser denominadas:
• Qreserva oleo(bbl/d) = volume de óleo produzido até o final da concessão (também
conhecido por Np);
• Reserva total óleo + água (em bbl) = volume total em barris.
Neste projeto também utiliza-se parâmetros adimensionais para representar a
capacidade de cada sistema. Assim, considera-se que a vazão dimensionante varia linearmente
com a capacidade das instalações das disciplinas já citadas, montando-se um modelo linear
para o relacionamento entre a capacidade máxima da instalação (representada pelas letras
gregas α, γ, θ) e a vazão produzida ao longo dos anos da concessão.
As características do Projeto Belo Horizonte são parecidas com as do projeto Rio de
Janeiro, destacando-se apenas o seguinte:
a)Os fatores α, γ, θ variam no intervalo entre 0 e 1, inclusive. Quando o fator tiver valor 1,
isso significa que a instalação referente a ele está dimensionada para a vazão de pico, o valor
máximo considerando que os poços estão abertos, sem restrições;
b)Ao reduzir-se a o valor dos fatores dimensionantes α, γ, θ obter-se-ia uma contração na
capacidade de processo da instalação na mesma proporção e, consequentemente, a vazão de
produção dos poços seria também reduzida. Como será visto adiante, a curva de produção
obtida com valores de α, γ, θ menores significa operar na curva em formato flat, com os poços
devidamente restringidos;
c)Os valores de custos (despesas) devem ser estimados com base nos orçamentos feitos
durante a elaboração do projeto original. Isso significa dizer que, para a primeira simulação
em PL usam-se os custos orçados considerando os valores de capacidade máxima das
64
instalações (α, γ, θ = 1). É conveniente lembrar que foram incorporadas na função objetivo
também as despesas operacionais (Opex);
d)Uma vez que, no projeto BH, os volumes de gás não são significativos, não serão adotados
os limites máximos e mínimos de RGO (Razão Gás-Óleo) como restrições dentro do modelo
em PL;
e)O projeto original já prevê um espaçamento bastante grande da perfuração dos poços ao
longo do tempo. A campanha de poços estabelece o último poço sendo perfurado até o 7º ano
desde o início da produção e o modelo já contempla a distribuição dos poços dessa forma. O
modelo em PL permite alterar essa configuração a qualquer tempo e hora a depender do
número de poços e do cronograma escolhido pelos técnicos no projeto original;
f)A água produzida junto com o petróleo foi considerada nas restrições das instalações
submarinas e das instalações de poços porque o dimensionamento desses equipamentos já
leva em conta o grande volume de água a ser produzida no projeto BH. Os custos de
tratamento de água produzida na plataforma foram considerados na conta total das despesas
de superfície;
g)Para as restrições envolvendo os sistemas submarinos e os poços, foi levado em conta o
transporte conjunto da produção de óleo e água, daí o critério adotado de considerar os
volumes de óleo e água conjuntamente, sob o formato de barris (bbl);
h)Por simplificação, considera-se a receita a ser obtida pelo volume calculado pelo simulador
PL adotando-se o tamanho das plantas de processamento de óleo;
i)Embora os volumes de água a ser injetada em reservatório não estejam sendo calculadas
pelo modelo, haverá também redução da planta de injeção em decorrência da restrição nos
poços. Esta contração nos sistemas de injeção, embora muito pequena, será refletida na
análise econômica ao final deste estudo;
j)Pelas características inerentes ao óleo pesado, deve-se considerar também as dificuldades
com os sistemas de elevação artificial da produção de fluidos até a superfície, uma vez que, na
maioria dos casos, é preciso instalar bombas dentro dos poços para a realização desta tarefa. A
restrição na produção dos poços pode diminuir o tamanho desses equipamentos, mas, em
contrapartida, a alta produção de água pode limitar os ganhos com essa diminuição da
capacidade das bombas.
A Figura 27 mostra o modelo do simulador monocritério com os fatores
dimensionantes, função objetivo e as restrições referentes a este projeto:
65
Figura 27 – Modelo PL monocritério para o projeto Belo Horizonte
MAXIMIZAR O LUCRO , CONSIDERANDO :
Z = α*Qdim α*preçovendaoleo
- α*Qdim α * (Capex oleo topside/bbl + Opex oleo topside/bbl)
- ƴ*Qdim ƴ media * (Capex sistema de coleta/bbl + Opex sistema de coleta/bbl)
- θ*Qdim θ media * (Capex poços/bbl + Opex poços/bbl)
sujeito a:oleo topside α*Qdim α ≤ Qreserva oleo em bbl/d
sistemas subsea ƴ*Qdim ƴ*(365*(20anos*4linhas+19anos*6linhas+18anos*4linhas+ ≥ Reserva total em bbl
17anos*1linha+16anos*2linhas+15anos*1linha+14anos*2linhas+13anos*1linha))
poços θ*Qdim θ*(365*(20anos*4poços+19anos*6poços+18anos*4poços+ ≥ Reserva total em bbl
17anos*1poço+16anos*2poços+15anos*1poço+14anos*2poços+13anos*1poço)) Fonte: o autor (2012).
Para o projeto Belo Horizonte, a planta de processo originalmente dimensionada pode
ser resumida da seguinte maneira:
• Capacidade ao óleo (bbl/d): 70.000
• Capacidade tratamento de água produzida (bbl/d): 160.000
• Capacidade de injeção de água (bbl/d): 170.000
Utilizando-se o modelo apresentado na Figura 27 é possível montar a planilha em MS-
Excel® e depois rodar o Solver. Os resultados são apresentados na Figura 28:
Figura 28 – Resultados modelo monocritério do projeto BH
variaveis de decisão
α γ θ
função objetivo
3.276.821 -222.193 -378.712
0,385 0,690 0,614 876.197
restrições LHS RHSoleo(bbl/d) 70.000 0 0 26.957 ≤ 26.957
linhas subsea(bbl) 0 1.538.219.500 0 1.061.671.449 ≥ 1.061.671.449
poços(bbl) 0 0 1.730.496.938 1.061.671.449 ≥ 1.061.671.449
matriz C
matriz A(matriz de coeficientes tecnologicos)
resultados das variaveis de decisão
resultado final da função objetivo
Fonte: o autor (2012).
A partir dos resultados pode-se proceder às seguintes interpretações:
66
a)O modelo em PL mostra a possibilidade de redução significativa do tamanho das instalações
de produção, indicando o tamanho otimizado para os parâmetros das mesmas;
b)O modelo linear deve ser submetido à validação através da simulação dinâmica de
reservatório, com a utilização do modelo computacional full field. Será visto a seguir que
serão necessários ajustes no modelo linear após estes resultados.
4.2.2 Desenvolvimento do modelo multicritério
Usar-se-á a metodologia em Programação Linear De Novo Programming proposta por
Zeleny (2008). Os novos objetivos a serem analisados juntamente com o lucro máximo são:
• Maximizar a eficiência operacional (tempo dos equipamentos operando vs. tempo
total):
o Para cada sistema de produção foi considerado que a variação detectada na perda de
eficiência operacional é linearmente dependente da contração nos parâmetros α, γ, θ. O
calendário de intervenções em máquinas que operam mais tempo é mais frequente do que
máquinas com tempo ocioso;
• Maximizar o indicador de integridade estrutural das instalações:
o Uma vez que o projeto BH possui alta produção de água, considera-se que o impacto
maior é sempre nas instalações de óleo, água e poços em função do potencial corrosivo e dos
custos envolvidos para os reparos.
Para efeito de simplicidade, assume-se que os 3 critérios possuem igual importância
ou peso.
O modelo em PL multiobjetivo é mostrado na Figura 29:
67
Figura 29 – Modelo do projeto BH - multicritério
MODELO MULTICRITÉRIO DE NOVO
α γ θ
max Z1= 3.276.821 -222.193 -378.712max Z2= 59 29 13
max Z3= 45 15 40
sujeito a :
matriz V = p*A : α γ θ
1.070.179 222.193 378.712 ≤ 797.821,92 Fonte: o autor (2012).
Os preços calculados para a obtenção do vetor v foram baseados na orçamentação das
instalações de cada sistema de produção, sendo que as reservas de cada sistema sustentam a
aquisição dos mesmos.
Os resultados encontrados após a rodada do modelo De Novo são mostrados na Figura
30:
Figura 30 – Resultados modelo multicritério do projeto BH
variaveis de decisão
α* γ* θ*
min Z= 1070179 222193 378712
0,387 0,690 0,614 799.831,50
sujeito a :
lucro 3276821,179 -222192,5086 -378712,1957 881767,6959 ≥ 881.767,70
eficiencia operacional 59 29 13 50,30991218 ≥ 50,152
integridade es trutural 45 15 40 52,31785919 ≥ 52,08
1 0 0 0,386841315 ≥ 0,385
0 1 0 0,69 ≥ 0,690
0 0 1 0,614 ≥ 0,614 Fonte: o autor (2012).
Os parâmetros meta-ótimos que atendem aos 3 critérios-objetivo são os representados
por α* = 0,387; γ* =0,690; θ* = 0,614; sendo os valores máximos para as funções objetivo Z1*
=881.767,7; Z2* = 50,15; Z3
* = 52,08. Esses valores máximos só podem ser atendidos para os
valores de α*, γ*, θ* mostrados.
Antes de prosseguir com a validação dos dados obtidos, faz-se necessário tecer os
seguintes comentários:
68
a) Os valores mais otimizados pelo modelo De Novo coincidem em sua maioria com os
parâmetros da solução monocritério. Pode-se interpretar esses números como sendo a
evidência de que já estamos bem perto dos valores meta-ótimos desde o modelo monocritério;
b) Uma vez que temos alta produção de água, deve-se reservar espaço para esses volumes nos
sistemas de linhas e poços de modo a garantir o escoamento de água + óleo até a superfície.
4.2.3 Validação do modelo – estudos dinâmicos de reservatório
Seguindo a metodologia utilizada, neste ponto do trabalho referente ao projeto BH
também é necessário fazer as aferições do modelo proposto com o simulador dinâmico de
reservatório. Após os resultados obtidos com os modelos em Programação Linear deve-se
validá-los aplicando-se o modelo mais próximo da realidade: o de fluxo dos fluidos em meio
poroso. A primeira iniciativa é a de contrastar o perfil de produção em formato de pico com o
resultado sugerido pela simulação De Novo. É possível verificar que restrição dos poços em
modelo flat estabelece patamares para a produção de óleo e de água, mas não impede o
declínio na produção de óleo e gás. Conforme descrito anteriormente, pode-se verificar os
valores muito baixos para a produção de gás, considerando-se inviável o aproveitamento
econômico dessa corrente gasosa.
Na medição dos volumes de óleo e água, deve-se notar o rápido aumento da RAO ao
longo do tempo. Isto é comum em reservatórios de óleo pesado e desde o projeto original já
são calculadas grandes dimensões para as instalações físicas de água produzida, tanto para
plataformas quanto para os sistemas subsea e poços. O modelo flat é perfeitamente visível no
caso do projeto BH, com uma curva de óleo bastante estável ao longo do tempo.
O simulador multicritério propõe uma restrição bastante significativa à capacidade ao
óleo e isto pode representar dificuldades no momento do gerenciamento de reservatório. Por
vezes não é possível restringir um fluido apenas sem que o outro (nesse caso a água) também
tenha a sua produção restringida Essa dificuldade pode aumentar em poços acionados por
bombas de fundo, comumente usadas quando a RGO é baixa.
As duas curvas obtidas para o projeto Belo Horizonte são vistas na Figura 31:
69
Figura 31 – Comparação entre simulador full field sem restrição e com restrição de produção
Fonte: o autor (2012).
Os resultados dessa primeira rodada do simulador full field referem-se a uma restrição
de produção que tem como limitante um máximo de 30 mil bbl/d na planta de óleo, sem
restrições para a produção de água e com estabilização do produção de gás ao longo do
tempo. Observa-se que há uma perda de produção significativa em relação ao modelo em
formato de pico. Essa restrição para 30 mil bbl/d na corrente de óleo (baseada no valor de α*
= 0,387 na simulação De Novo) acarreta uma perda significativa no volume total de óleo
produzido ao longo do período de concessão e defrontando os dois gráficos da Figura 30,
percebe-se uma defasagem de 13,5 % na curva de produção de óleo. Isto deve ser considerado
como uma perda muito significativa, especialmente porque o valor mais baixo para a
remuneração do barril do óleo pesado traz consigo a necessidade de aumento na produção de
óleo, não uma redução. Uma perda dessa magnitude acaba por inviabilizar o projeto de óleo
pesado que for dimensionado com esta limitação.
No caso do projeto BH não se recomenda a limitação na produção de água porque isso
vai restringir de forma irreversível a produção de óleo. Na verdade, grande parte da reserva de
óleo é carreada pela corrente de água na direção dos poços produtores, obrigando o projetista
a não criar limitações para o fluxo de água em reservatório e ao longo de todo o trajeto até a
70
plataforma. Portanto, deve-se observar caminho livre para a corrente de água em projetos
dessa natureza. A validação do modelo em PL através da modelagem dinâmica mostrou-se
necessária para a revisão do dimensionamento das instalações. Uma vez que os fluxos em
reservatório não se comportam como era esperado, faz-se necessário ampliar o batente
dimensionante e simular o modelo dinâmico considerando mais produção da planta de óleo,
mantendo intacta a capacidade de tratamento de água.
De forma a sistematizar a investigação sobre a melhor recuperação da jazida através de
produção restringida, foram rodados mais 2 casos:
i)vazão de água sem restrição e vazão de óleo limitada a 45 mil bbl/d;
ii)vazão de água sem restrição e vazão de óleo limitada a 50 mil bbl/d.
Desta vez foram obtidos valores de perda bem menores do que a simulação anterior. A
nova curva limitada em 45 mil bbl/d e gerada por esta nova rodada do modelo dinâmico é
apresentada na Figura 32:
Figura 32 – Simulador full field com restrição de vazão ao óleo em 45 mil bbl/d
Fonte: o autor (2012).
Nessa nova curva obtida verifica-se um melhor volume recuperado, com diminuição
de 3,5 % em relação ao volume do projeto original. Mesmo assim, deve-se considerar que
esse percentual ainda pode gerar alguma perda de receita e deve-se aprimorar um pouco mais
a investigação aumentando-se a capacidade ao óleo.
O próximo conceito padrão de planta de processamento de óleo é a de 50 mil bbl/d,
mantida a capacidade à água sem restrições.
71
A nova rodada do modelo dinâmico para essa configuração é mostrada na Figura 33:
Figura 33 – Simulador full field com restrição de vazão ao óleo em 50 mil bbl/d
Fonte: o autor (2012).
Nessa ultima simulação a defasagem em relação ao projeto original caiu para 1,9 %
em relação ao projeto original.
Sendo assim, considera-se aceitável validar o modelo em PL utilizando-se essa última
curva da simulação full field, assumindo valores menores para a aquisição dos sistemas e
apostando que essa economia pode gerar resultado positivo no momento dos estudos de
viabilidade técnico-econômica (EVTE).
Uma vez escolhida a simulação dinâmica mais adequada, é necessário recalibrar os
fatores dimensionantes α, γ, θ para que estes estejam coerentes com a nova curva dinâmica
adotada, considerando a nova capacidade ao óleo de 50 mil bbl/d. Para tanto, prossegue-se o
estudo com nova rodada do modelo em Programação Linear recalculando os fatores através
de uma simples regra de três. De posse das novas capacidades, os novos fatores são mostrados
na Figura 34:
Figura 34 – Projeto BH -novos valores dos parâmetros dimensionantes após simulador dinâmico capacidade da planta de óleo
novo valor para a planta de óleo: 50000 em bbl/d
depois do modelo dinamico, o valor de α correto é: α´ = 0,714
capacidade do sistema submarino
novo valor de dimensionamento para a seção ao óleo: 50005,5 em bbl/d ao longo do tempo
novo valor de dimensionamento para a seção à água: 163351,3 em bbl/d ao longo do tempo
γ´ = 0,914286 233.359
capacidade dos poços
novo valor de dimensionamento para a seção ao oleo: 56256,2 em bbl/d ao longo do tempo
novo valor de dimensionamento para a seção à água 183770,2 em bbl/d ao longo do tempo
θ´ = 0,914286 262.529 Fonte: o autor (2012).
72
Os parâmetros mostrados agora são submetidos a nova avaliação da Programação De
Novo, com o objetivo final de se conseguir os fatores mais aperfeiçoados possíveis para o
dimensionamento definitivo do sistema em formato flat. Para o cálculo do novo valor de B =
p*b, utilizou-se o artifício de estabelecer valores de reserva de óleo e gás que
correspondessem aos valores máximos referentes aos fatores ora calculados. Evidentemente,
esses recursos não são reais, são apenas teóricos, usados para o calculo do novo valor de B
dessa segunda rodada do modelo De Novo.
A nova simulação pode ser vista na Figura 35, destacando-se os valores de α*, γ*, θ*:
Figura 35 – Valores finais dos fatores dimensionantes meta-ótimos
variaveis de decisão
α* γ* θ*
min Z = 1070179 222193 378712
0,714 0,915 0,914 1.313.556,77
sujeito a :
LHS RHSlucro 3276821,179 -222192,5086 -378712,1957 1790201,23 ≥ 1.780.883,43
eficienci a operaci onal 58,51 28,97 12,51 79,72610047 ≥ 79,534
integrida de estrutura l 45 15 40 82,415 ≥ 82,24
1 0 0 0,714 ≥ 0,714
0 1 0 0,915 ≥ 0,915
0 0 1 0,914 ≥ 0,914 Fonte: o autor (2012).
O valor final da razão B/B* pode ser resumido:
• Valor de B = 1.309.833,57
• Valor de B* = v x* = 1.313.566,77
• Fator r* = 0,997
Novamente, cabem comentários sobre os resultados dos dados obtidos:
a) O valor de r* = 0,997 mostra que a simulação De Novo já incorpora os valores de B no seu
valor meta-ótimo, e que é mesmo esse número que deve ser considerado para o
dimensionamento dos recursos a serem aplicados, no caso de decidir-se por adotar o modelo
em formato flat;
73
b) É também evidente a necessidade de se manter o espaço para os sistemas de água
produzida, especialmente porque o projeto Belo Horizonte apresenta altos valores de Razão
Água-Óleo (RAO).
c) Diferentemente do projeto RJ, os valores de α*, γ*, θ* para o projeto BH resultaram
idênticos ao redimensionamento feito com a ultima rodada do modelo dinâmico full field.
Dessa forma, o simulador De Novo confirmou o que o simulador full field já havia indicado
como sendo a configuração mais adequada.
A partir desses números decorrentes da simulação De Novo, deve-se agora calcular o
tamanho indicado pelo modelo para o dimensionamento definitivo dos sistemas de produção.
Os números definitivos para as instalações podem ser apresentados na Figura 36,
considerando r* = 0,997:
Figura 36 – Números finais dos parâmetros dimensionantes após validação com o simulador De Novo
valores definitivos dos fatores dimensionantes
α γ θ
0,712 0,912 0,911
valores das capacidades finais a serem adotadas
em bbl/d em bbl/d em bbl/d
49838 192258 216054 Fonte: o autor (2012).
Usar-se-á a curva de produção já mostrada na Figura 33, com capacidade ao óleo de
50 mil bbl/d, como sendo a mais otimizada para o projeto BH, pois essa curva mostrou a
melhor aproximação possível da curva do projeto original com os poços totalmente abertos,
apresentando uma defasagem de apenas 1,9 % para menos. É com esses dados de produção
que serão feitas as comparações econômicas. Obtidas as capacidades dos novos sistemas
através dos fatores dimensionantes da Figura 36, trata-se agora de calcular os seus orçamentos
respectivos de acordo com a redução garantida pela simulação De Novo e pela validação final
com a rodada do modelo dinâmico.
Nessa curva adotada, pode-se notar uma vazão de líquido total constante durante
grande parte do período produtivo da concessão, indicando que a ociosidade dos sistemas não
é tão grande como no projeto RJ e o ganho na tentativa de redução do tamanho das instalações
não é tão significativo, podendo-se inferir que os altos volumes de água produzida mantêm as
máquinas operando quase na sua capacidade máxima definida no projeto original.
74
4.3 PROJETO DE EXPLOTAÇÃO PORTO ALEGRE (POA)
Campo de óleo e gás localizado em águas profundas em rochas de média
produtividade, caracterizado por possuir óleo leve com média viscosidade em condições de
reservatório. O tamanho do campo é reduzido, com volumes de gás e óleo menores do que a
média observada para as acumulações offshore que vem sendo explotadas recentemente. Os
poços serão equipados em apenas 1 zona e no projeto original, com todos os poços 100%
abertos, a plataforma está capacitada para processar 40 mil bbl/d de óleo e 2 milhões de m³/d
de gás. Os sistemas submarinos foram projetados com ANMs, linhas e manifolds de produção
e injeção, válvulas de emergência e risers em formato lazy wave. O período de concessão é de
25 anos, com um número pequeno de poços produtores e injetores em função das dimensões
bastante limitadas do campo em questão. Na concepção original do projeto POA todos os
poços produtores e injetores entram em operação logo no 1º. ano à exceção do ultimo injetor,
que entra no segundo ano.
O projeto Porto Alegre conta com linhas submarinas convencionais e poços
simplificados em função da reserva limitada e das pequenas dimensões previstas para o
campo. Nesse caso específico, espera-se que os trabalhos de otimização resultem em ganhos
significativos na lucratividade da explotação da jazida.
4.3.1 Desenvolvimento do modelo monocritério
O projeto POA também pode ser descrito em forma de PL. Uma vez que a reserva
prevista para o campo não é muito significativa para a condição de explotação em águas
profundas, o aproveitamento econômico da produção de gás foi considerado não atrativo.
Sendo assim, não haverá gasoduto para exportação de óleo e a receita a ser obtida será
auferida somente com a produção de óleo. Por isso mesmo utilizar-se-á apenas o parâmetro da
planta de óleo α, o parâmetro de subsea, γ e o de poços, θ. Os volumes de gás produzidos que
não forem aproveitados para consumo da planta serão reinjetados em reservatório.
Resumindo, os parâmetros de produção pode ser assim descritos:
• Planta de tratamento e armazenagem de óleo, α;
• Equipamentos submarinos, γ;
• Poços produtores e injetores, θ.
75
Os valores dimensionantes para o calculo das instalações são representado pelas
vazões máximas do pico de produção, com os poços totalmente abertos. No caso do projeto
POA, existe uma situação intermediária entre os projetos BH e RJ: o dimensionamento dos
sistemas submarinos e de poços tem de incorporar os três fluidos, óleo, gás e água, uma vez
que os volumes produzidos ao longo da vida produtiva do campo incluem números
significativos para esses três fluidos até o final da concessão. Por este motivo, as linhas
submarinas e os poços foram calculados pelas vazões de óleo, gás e água, que representam os
fluidos impactantes para o tamanho destas instalações:
• Qdim α = valor do pico de produção para a planta de tratamento de óleo, bbl/d;
• Qdim γ = valor dimensionante para as instalações submarinas, produção de óleo + água
+ gás, boe;
• Qdim θ = valor dimensionante para as instalações de poços, produção de óleo + água +
gás, boe.
As reservas previstas para a produção considerando vazões sem restrição do modelo
original podem ser denominadas:
• Qreserva oleo(bbl/d) = volume de óleo produzido até o final da concessão (também
conhecido por Np)
• Reserva total óleo + água + gás (em boe) = volume total em barris de óleo equivalente
De forma coerente com os demais projetos, também estamos usando parâmetros
adimensionais para representar a capacidade de cada sistema no projeto POA. Assim,
considera-se que a vazão dimensionante varia linearmente com a capacidade das instalações
das disciplinas já citadas, montando-se um modelo linear para o relacionamento entre a
capacidade máxima da instalação (representada pelas letras gregas α, γ, θ) e a vazão
produzida ao longo dos anos da concessão.
As características do Projeto Porto Alegre são parecidas com as dos Projeto RJ e BH,
destacando-se apenas o seguinte:
76
a)A curva de produção de óleo, gás e água é impactante para os sistemas subsea e de poços,
sendo representadas pelos fatores α, γ, θ variando no intervalo entre 0 e 1, inclusive. Quando
o fator tiver valor 1, isso significa que a instalação referente a ele está dimensionada para a
vazão de pico, o valor máximo considerando que os poços estão abertos, sem restrições;
b)A curva em formato flat para o projeto POA afeta os três fluidos, óleo, gás e água. A
explicação para isto é que ao reduzir-se o valor dos fatores dimensionantes α, γ, θ obter-se-á
uma contração na capacidade de processo da instalação para os 3 fluidos na mesma proporção
e, consequentemente, a vazão de produção dos poços será também reduzida. Como será visto
adiante, a curva de produção obtida com valores de α, γ, θ menores significa operar na curva
em formato flat, com os poços devidamente restringidos;
c)Uma vez que, no projeto POA, os volumes de gás produzidos pela jazida não são
significativos em função da baixa dimensão das reservas explotáveis, não serão adotados os
limites máximos e mínimos de RGO (Razão Gás-Óleo) como restrições dentro do modelo em
PL;
d)Em virtude do pequeno número de poços, o projeto original prevê a entrada em operação de
todos os poços produtores e quase todos os injetores logo no primeiro ano de operação, isso
para garantir o pico de óleo o mais rápido possível. A oportunidade de produzir em formato
flat significa uma redução de custos bastante atraente no projeto POA porque mesmo
considerando poucos poços eles contribuem com grande parcela do Capex. O espaçamento
desses poucos poços ao longo do tempo pode representar uma economia bastante razoável e
impactar favoravelmente nos resultados econômicos da produção em poços restringidos. O
modelo permite alterar essa configuração a qualquer tempo e hora a depender do número de
poços e do cronograma escolhido pelos técnicos no projeto original;
e)Para as restrições envolvendo os sistemas submarinos e os poços, foi levado em conta o
transporte conjunto da produção de óleo, gás e água, daí o critério adotado de considerar os
volumes de óleo, gás e água conjuntamente, sob o formato de barris de óleo equivalente (boe);
f)Por simplificação, considera-se a receita a ser obtida pelo volume calculado pelo simulador
PL adotando-se o tamanho das plantas de processamento de óleo. Entretanto, os custos totais
da plataforma são considerados ao longo da análise da economicidade do projeto, tanto no
modelo em formato de pico quanto no modelo em formato flat;
g)Embora os volumes de água e gás a serem injetados em reservatório não estejam sendo
calculadas pelo modelo multicritério, haverá também redução das plantas de injeção desses
fluidos em decorrência da restrição nos poços. Esta contração nos sistemas de injeção também
será refletida na análise econômica ao final deste estudo.
77
A Figura 37 mostra o modelo do simulador monocritério com os fatores
dimensionantes, função objetivo e as restrições referentes a este projeto:
Figura 37 – Modelo PL monocritério para o projeto Porto Alegre
MAXIMIZAR O LUCRO , CONSIDERANDO :
Z = α*Qdim α*preçovendaoleo
- α*Qdim α * (Capex oleo topside/bbl + Opex oleo topside/bbl)
- ƴ*Qdim ƴ media * (Capex sistema de coleta/bbl + Opex sistema de coleta/bbl)
- θ*Qdim θ media * (Capex poços/bbl + Opex poços/bbl)
sujeito a:oleo topside α*Qdim α ≤ Qreserva oleo em bbl/d
sistemas subsea ƴ*Qdim ƴ*(365*(25anos*4linhas)) ≥ Reserva total em boe
poços θ*Qdim θ*(365*(25anos*4poços)) ≥ Reserva total em boe Fonte: o autor (2012).
Utilizando-se o modelo apresentado na Figura 37 é possível montar a planilha em MS-
Excel® e depois rodar o Solver. Os resultados são apresentados na Figura 38:
Figura 38 – Resultados modelo monocritério do projeto POA
variaveis de decisão
α γ θ
função objetivo
1.804.894 -219.490 -341.284
0,184 0,293 0,279 172.525
restrições LHS RHSoleo(bbl/d) 40.000 0 0 7.363 ≤ 7.363
linhas subsea(bbl) 0 512.548.513 0 150.347.040 ≥ 150.347.040
poços(bbl) 0 0 538.175.938 150.347.040 ≥ 150.347.040
matriz C
matriz A(matriz de coeficientes tecnologicos)
resultados das variaveis de decisão
resultado final da função objetivo
Fonte: o autor (2012).
A partir dos resultados pode-se proceder às seguintes interpretações:
a) O projeto Porto Alegre apresenta ganho significativo no que se refere a redução de
capacidade máxima das instalações;
b) O modelo linear será submetido à validação através da simulação dinâmica de
reservatório, com a utilização do modelo computacional full field.
78
4.3.2 Desenvolvimento do modelo multicritério
Usar-se-á a metodologia em Programação Linear De Novo Programming proposta por
Zeleny (2008). A exemplo dos projetos anteriormente estudados, utilizou-se as funções
objetivo de maximizar o lucro, a eficiência operacional e a integridade estrutural das
instalações.
Para efeito de simplicidade, assume-se que os 3 critérios possuem igual importância
ou peso.
O modelo em PL multiobjetivo é mostrado na Figura 39:
Figura 39 – Modelo do projeto POA – multicritério
MODELO MULTICRITÉRIO DE NOVO
α γ θ
max Z1= 1.804.894 -219.490 -341.284max Z2= 56 30 14
max Z3= 60 10 30
sujeito a :
matriz V = p*A : α γ θ
903.106 219.490 341.284 ≤ 325.972,60 Fonte: o autor (2012).
Os preços calculados para a obtenção do vetor v foram baseados na orçamentação das
instalações de cada sistema de produção, sendo que as reservas de cada sistema sustentam a
aquisição dos mesmos.
Os resultados encontrados após a rodada do modelo De Novo são vistos na Figura 40:
Figura 40 – Resultados modelo multicritério do projeto POA
variaveis de decisão
α* γ* θ*
min Z= 903106 219490 341284
0,184 0,293 0,279 325.972,60
sujeito a :
lucro 1804894,224 -219490,1792 -341283,8786 173115,9461 ≥ 173.115,95
eficiencia operacional 56 30 14 22,99064428 ≥ 22,974
integridade es trutural 60 10 30 22,35809193 ≥ 22,34
1 0 0 0,184301532 ≥ 0,184
0 1 0 0,293 ≥ 0,293
0 0 1 0,279 ≥ 0,279 Fonte: o autor (2012).
79
Os parâmetros meta-ótimos que atendem aos 3 critérios-objetivo são os representados
por α* = 0,184; γ* =0,293; θ* = 0,279; sendo os valores máximos para as funções objetivo Z1*
=173115,9; Z2* = 22,9; Z3
* = 22,3. Esses valores máximos só podem ser atendidos para os
valores de α*, γ*, θ* mostrados.
Antes de prosseguir com a validação dos dados obtidos, faz-se necessário tecer os
seguintes comentários:
a) Os valores mais otimizados pelo modelo De Novo coincidem em sua maioria com os
parâmetros da solução monocritério. Pode-se interpretar esses números como sendo a
evidência de que já estamos bem perto dos valores meta-ótimos desde o modelo monocritério;
b) Uma vez que temos produção significativa dos 3 fluidos óleo, gás e água deve-se reservar
espaço para esses volumes nos sistemas de linhas submarinas e poços, de modo a garantir o
seu escoamento até a superfície.
4.3.3 Validação do modelo – estudos dinâmicos de reservatório
Seguindo a metodologia proposta, neste ponto do trabalho referente ao projeto POA
também é necessário fazer as aferições do modelo proposto com o simulador dinâmico de
reservatório.
As duas curvas obtidas para o projeto Porto Alegre são vistas na Figura 41:
Figura 41 – Comparação entre simulador full field sem restrição e com restrição de produção
80
Fonte: o autor (2012).
Os resultados dessa primeira rodada do simulador full field referem-se a uma restrição
de produção que tem como limitante um máximo de 10 mil bbl/d na planta de óleo e com
restrições para as plantas de gás. Observa-se que há uma perda de produção significativa em
relação ao modelo em formato de pico. Essa restrição para 10 mil bbl/d na corrente de óleo
(baseada no valor de α* = 0,184 na simulação De Novo) acarreta uma perda significativa no
volume total de óleo produzido ao longo do período de concessão, comparando os dois
gráficos da Figura 40, percebe-se uma defasagem de 11 % na curva de produção de óleo.
No caso do projeto POA pode haver redução da injeção de gás e água com a restrição
dos poços produtores em função da possibilidade de manutenção de pressão com menor
volume de fluidos injetados. Uma vez que os fluxos em reservatório não se comportam como
era esperado, faz-se necessário ampliar o batente dimensionante e acionar o modelo dinâmico
considerando mais produção da planta de óleo, gás e água e de forma a sistematizar a
investigação sobre a melhor recuperação da jazida através de produção restringida, foi rodado
mais um caso com a limitação da produção de óleo em 30 mil bbl/d.
Adicionalmente, foi usado um espaçamento maior para os poços e para a instalação de
linhas: os 3 primeiros poços produtores entram no primeiro ano mas o último produtor só
entra no segundo ano. Quanto aos injetores, tem-se 2 deles entrando no primeiro ano e o
último entrando no segundo ano. Isto certamente significa alívio para o fluxo de caixa desse
empreendimento.
A nova curva gerada por estas rodadas do modelo dinâmico é apresentada na Figura
42:
81
Figura 42 – Simulador full field com restrição de vazão ao óleo em 30 mil bbl/d
Fonte: o autor (2012).
Nessa nova curva obtida verifica-se um melhor volume recuperado, com diminuição
de 0,8 % em relação ao volume do projeto original.
Sendo assim, considera-se aceitável validar o modelo em PL utilizando-se essa última
curva da simulação full field, assumindo valores menores para a aquisição dos sistemas e
apostando que essa economia pode gerar resultado positivo no momento dos estudos de
viabilidade técnico-econômica (EVTE).
Os fatores α, γ, θ foram recalibrados para espelhar a nova cura dinâmica adotada
considerando a capacidade ao óleo em 30 mil bbl/d. De posse das novas capacidades, os
novos fatores são mostrados na Figura 43:
Figura 43 – Projeto POA-novos valores dos parâmetros dimensionantes após simulador dinâmico capacidade da planta de óleo
novo valor para a planta de óleo: 30000 em bbl/d
depois do modelo dinamico, o valor de α correto é: α´ = 0,750
capacidade do sistema submarino
novo valor de dimensionamento para a seção ao óleo: 28305,0 em bbl/d ao longo do tempo
novo valor de dimensionamento para a seção à água: 12580,0 em bbl/d ao longo do tempo
novo valor de dimensionamento para a seção ao gás: 4679,8 em boe/d ao longo do tempo
na rodada 1, as linhas estao dimensionadas ao óleo, água e gás pelo volume de 56.170
a formula é : =(novo valor oleo+novovalor agua+novo valor gas)/(valor dimensionante rodada1 óleo+valor dimensionante rodada1 à água+valor dimensionante rodada1 gas)
γ´ = 0,811198
capacidade dos poços
novo valor de dimensionamento para a seção ao oleo: 29720,3 em bbl/d ao longo do tempo
novo valor de dimensionamento para a seção à água 13209,0 em bbl/d ao longo do tempo
novo valor de dimensionamento para a seção ao gás: 4913,7 em boe/d ao longo do tempo
na rodada 1, as linhas estao dimensionadas ao óleo, água e gás pelo volume de 58.978
a formula é : =(novo valor oleo+novovalor gas+novo valoragua)/(valor dimensionante rodada1 óleo+valor dimensionante rodada1 à água+valor dimensionante rodada1 gas)
θ´ = 0,811198 Fonte: o autor (2012).
82
A simulação De Novo foi refeita com os novos parâmetros e, utilizou-se o artifício de
estabelecer valores de reserva de óleo e gás que correspondessem aos valores máximos
referentes aos fatores ora calculados. Evidentemente, esses recursos não são reais, são apenas
teóricos, usados para o cálculo do novo valor de B dessa segunda rodada do modelo De Novo.
A nova simulação pode ser vista na Figura 44, destacando-se os valores de α*, γ*, θ*:
Figura 44 – Valores finais dos fatores dimensionantes meta-ótimos
variaveis de decisão
α* γ* θ*
min Z = 903106 219490 341284
0,750 0,811 0,812 1.132.861,19
sujeito a :
LHS RHSlucro 1804894,224 -219490,1792 -341283,8786 899161,0799 ≥ 899.161,08
eficienci a operaci onal 56,21 29,55 14,24 77,71491614 ≥ 77,715
integrida de estrutura l 60 10 30 77,49546982 ≥ 77,48
1 0 0 0,7503775 ≥ 0,750
0 1 0 0,81128198 ≥ 0,811
0 0 1 0,812 ≥ 0,812 Fonte: o autor (2012).
O valor final da razão B/B* pode ser resumido:
• Valor de B = 1.133.097,65
• Valor de B* = v x* = 1.132.861,19
• Fator r* = 1,0002
Novamente, cabem comentários sobre os resultados dos dados obtidos:
a) O valor de r* = 1,0002 mostra que a simulação De Novo já incorpora os valores de B no
seu valor meta-ótimo, e que é mesmo esse número que deve ser considerado para o
dimensionamento dos recursos a serem aplicados, no caso de decidir-se por adotar o modelo
em formato flat;
b) Há grande vantagem em se restringir a produção de óleo e também a produção de gás.
Nesse caso, apenas a produção de água não diminuiu significativamente em relação ao projeto
original. Diferente do projeto Belo Horizonte, o projeto Porto Alegre apresenta a vantagem de
redução significativa em quase todos os sistemas da plataforma e isso pode significar uma
diminuição interessante nos investimentos a serem aplicados. Isso inclui também a eventual
83
construção de um sistema para importação de gás (se necessário) que ficará mais barato e com
dimensões reduzidas em relação ao projeto original.
c) Os valores de α*, γ*, θ* para o projeto POA resultaram idênticos ao redimensionamento
feito com a última rodada do modelo dinâmico full field. Dessa forma, o simulador De Novo
confirmou o que o simulador full field já havia indicado como sendo a configuração mais
adequada.
Os números definitivos para as instalações podem ser vistos na Figura 45,
considerando r* = 1,0002:
Figura 45 – Números finais dos parâmetros dimensionantes após validação com o simulador De Novo
valores definitivos dos fatores dimensionantes
α γ θ
0,751 0,811 0,812
valores das capacidades finais a serem adotadas
em bbl/d em bbl/d em bbl/d
30021 45579 47900 Fonte: o autor (2012).
Usar-se-á a curva de produção já mostrada na Figura 42, com capacidade ao óleo de
30 mil bbl/d, como sendo a mais otimizada para o projeto POA, pois essa curva mostrou a
melhor aproximação possível da curva do projeto original com os poços totalmente abertos,
apresentando uma defasagem de apenas 0,8 % para menos. É com esses dados de produção
que serão feitas as verificações econômicas.
Nessa curva adotada (Figura 42), pode-se notar uma vazão de líquido total declinante
ao longo do tempo, indicando que a ociosidade dos sistemas deve permanecer grande no
desenvolvimento do projeto Porto Alegre. Nota-se que apenas no caso da produção restringida
ao óleo para 10 mil bbl/d ocorre um achatamento na curva de produção de líquidos. Mas aí a
produção de óleo cai demais em relação ao projeto original e essa curva foi descartada.
84
5 AVALIAÇÃO ECONÔMICA
5.1 PROJETO RIO DE JANEIRO
5.1.1 Nova orçamentação
Através de consultas a especialistas das áreas de instalações de superfície, poços e
sistemas submarinos foi possível estabelecer relações aproximadas para a redução de custos
advinda da redução de tamanho das instalações. Em alguns casos não houve diminuição
proporcional ao fator dimensionante porque os custos são compostos de alguns itens que não
se alteram muito com o tamanho da máquina, como os custos de comissionamento, por
exemplo. Os novos custos podem ser assim comentados:
a) Instalações de Superfície – o valor de β = 1 implica em dar vazão máxima possível à
produção de gás no projeto Rio de Janeiro. Infelizmente isso significa que a área reservada
para os equipamentos de tratamento da corrente gasosa e sua compressão ocupa uma fração
muito grande do convés da plataforma e isso traz o inconveniente de não ser possível
contratar um casco de pequenas dimensões. O ideal é que fosse possível diminuir também o
casco, construindo um navio de menor capacidade e, portanto, mais barato. Para este projeto
foi calculado inicialmente um VLCC (Very Large Cude Carrier) e o ideal é que fosse
utilizado um navio de tamanho médio (Suezmax ou menor), mas este estudo mostrou que nos
casos de reservatórios com alta RGO (nesse projeto os valores do projeto original chegam a
picos de 500 m3/m3) não há a oportunidade de se reduzir significativamente o tamanho do
convés principal (por conta do alto volume de gás) e por isso deve-se pagar o preço de um
navio maior. Entretanto há outros sistemas que podem sofrer redução e é certo que o fator α
referente aos sistemas de tratamento de óleo indica uma redução efetiva de pelo menos 23%
nas vazões dimensionantes desses equipamentos. Existem também valores menores de água
produzida (27% a menos) e água injetada em reservatório para repressurização (28% a
menos). Confirmando a necessidade de deixar a plataforma com capacidade máxima para
tratar e injetar o gás, a redução obtida com os compressores de reinjeção de gás é de apenas
2%.
Os sistemas de apoio como casario, torre de tocha, bombas de transferência de óleo e
armazenamento de líquidos foram considerados os mesmos do projeto original.
85
Todas essas questões provocaram a reflexão dos especialistas consultados. Uma vez
que grande parte dos sistemas topside permaneceu ainda com grandes dimensões, as opiniões
indicaram uma redução aproximada do custo total da UEP em apenas 10%.
b) Sistemas subsea - O modelo elaborado com a Programação De Novo apontou valor de
redução de 23% para a vazão de óleo. Ao contabilizarmos essa redução no diâmetro nos
sistemas de coleta submarinos, a linha de 6” pode ser reduzida para 5” (considerando valor
padrão fornecido pela indústria) e então pode-se visualizar também um abatimento nos custos.
Ao analisarmos o valor obtido para o parâmetro dimensionante γ também percebemos
coerência com o novo diâmetro escolhido de 5” porque o fator de γ = 0,76 indica um novo
diâmetro de 5,2” (variação linear com o quadrado dos diâmetros) e, então, escolhe-se o padrão
mais próximo oferecido pela indústria. Com o objetivo de simplificar a análise, deve-se anotar
que foi levado em conta o cenário específico do projeto Rio de Janeiro, com RGO média de
409 m3/m3, teor de contaminantes e pressão na superfície inalterados.
Em projetos offshore dessa natureza também são levados em consideração as
instalações de equipamentos adicionais como manifolds, linhas com isolamento térmico,
válvulas de emergência, medidores de vazão submarinos, etc. Assumiu-se que estes
equipamentos também serão submetidos a redução de vazão, acompanhando a redução do
diâmetro interno das tubulações.
Os investimentos a serem computados nas instalações submarinas seguem a lógica
simples de que os custos variam de acordo com o quadrado dos diâmetros. Por isso, uma
diminuição de 6” para 5” do diâmetro das linhas significa uma contração de 30% no
orçamento de materiais. Como isto representa 65% do dispêndio total, obtém-se 19,5% de
redução dos sistemas submarinos como um todo.
c) Poços – Este item também pode representar ganho significativo nos preços dos
investimentos. O principal motivo disto é que o custo de poços sempre foi muito significativo
nos projetos offshore e está aumentando cada vez mais. Quando se trata de reduzir vazões,
pode-se pensar em redução de diâmetro de revestimentos, tamanho da broca de perfuração,
número de fases, materiais de completação menores, etc. Aqui também foi contabilizado a
contração do fator θ = 0,76 para a redução do diâmetro da coluna de produção, originalmente
calculada para 6 5/8”, foi diminuída para 5 ½” utilizando-se a mesma variação linear com o
quadrado do diâmetro já citada. De acordo com os especialistas consultados, é possível
diminuir sensivelmente o numero de dias de perfuração simplificando a configuração dos
poços através da redução de diâmetro. Essa simplificação permite reduzir inclusive o número
de fases com economia de tempo em manobras para retirar brocas, descer revestimentos e
86
cimentar o espaço anular revestimento-rocha. O que foi revelado é que, ao invés da utilização
de tubos de revestimentos em diâmetros maiores (30”-20”-14”-10”-9 5/8”), seria possível
descer revestimentos mais esbeltos (30”-13”-10”-7”), com significativa economia de tempo
de sonda e ainda com a vantagem do uso de revestimentos mais baratos. Da mesma forma, os
materiais de completação poderiam ser: i) 5 ½” para a coluna de produção, ao invés dos 6 5/8”
do projeto original, resultando em redução de aproximadamente 31% na área da seção
transversal desses tubos; ii) obturadores de 7”. Há ainda a vantagem de não haver necessidade
de configurar os poços utilizando brocas e revestimentos de grandes diâmetros (conhecidos
como poços em formato big bore), os quais são bastante mais caros e trabalhosos.
A partir de todas essas simplificações houve condição de se reduzir o custo total de
cada poço em 20%, o que representa um ganho significativo considerando que este item é
responsável por mais de 50% dos custos totais em projetos deste tipo. Deve-se ressaltar que,
neste trabalho, não foram computados os ganhos com redução de gastos em serviços
acessórios, como barcos de apoio, rebocadores, veículos de operação remota (ROV),
transporte de materiais e equipamentos até a sonda, transporte de produtos químicos, etc. Os
ganhos de custos referem-se somente à redução de capacidade dos sistemas físicos.
Pode-se observar que o processo de dimensionamento da capacidade ao fluxo das
linhas submarinas é parecido com o dimensionamento de poços, sendo o objetivo principal
criar condições de fluxo para o escoamento da produção de hidrocarbonetos. O fato de
existirem diâmetros similares nas tubulações envolvidas não é mera coincidência. A partir das
vazões calculadas ao óleo e ao gás é que são dimensionados os equipamentos de poços e de
subsuperfície e, nesse caso, a redução significativa da capacidade ao óleo determinou a
diminuição das tubulações de poços e subsea.
Resumem-se os ganhos orçamentários obtidos com a contração dos fatores α, β, γ, θ na
Tabela 1:
Tabela 1 – Projeto RJ - Ganhos orçamentários com a contração nos fatores α, β, γ, θ plataforma instalações submarinas poços
Redução de 10 % Redução de 20 % Redução de 20 % Fonte: o autor (2012).
87
5.1.2 Análise de viabilidade econômica
A análise de viabilidade econômica de projetos de petróleo no Brasil é muito
complicada. Isto ocorre porque os itens a serem introduzidos são diversos e impactam o fluxo
de caixa ao longo do tempo com taxas variáveis. Um exemplo claro é o tributo conhecido
como Participação Especial, ou P.E., que é introduzida nos cálculos sob a forma de uma
tabela que possui taxações variáveis ao longo do tempo de concessão e dependem do volume
produzido e da contagem de tempo desde o inicio das atividades de explotação. Soma-se a
isso uma quantidade muito grande de custos adicionais que dificultam o entendimento dos
resultados, como por exemplo: pagamento de compensações ambientais, despesas com HH
(Homem-Hora) de projeto, investimentos em infraestrutura logística, gastos com solicitações
de mudanças adicionais, etc. Neste trabalho foi utilizada uma ferramenta de análise de fluxo
de caixa que contém todas essas variáveis e tem a possibilidade de alteração de algumas delas,
como a Taxa Mínima de Atratividade (TMA), por exemplo.
A intenção é estabelecer contrapontos entre a alternativa de pico de produção (Figura
20) e o modelo flat exposto na Figura 26, este último resultante do simulador De Novo
explorado ao longo deste trabalho. Expõe-se também uma análise de sensibilidade
modificando-se a TMA.
Os insumos básicos para simular-se o modelo econômico são: a curva de produção, o
cronograma de entrada de poços em produção, a TMA e os volumes de fluidos adicionais
como água produzida, água injetada e queima de gás combustível. O simulador econômico
usado já possui as tabelas de impostos, royalties, P.E., gastos com compensações ambientais e
taxas de câmbio para conversão de despesas em moeda estrangeira. Entretanto, não foram
computadas variações nesses impostos do modelo original para o modelo flat.
Nessa primeira etapa a ser desenvolvida é considerada uma TMA de 7,5% ao ano e o
primeiro passo é simular o modelo considerando a situação em formato de pico. Neste caso,
os poços estão totalmente abertos e a curva de produção antecipa as vazões máximas a serem
produzidas para o inicio da vida produtiva da concessão. O conceito se baseia na ideia de que
o quanto antes se produz, mais cedo se recupera os investimentos, com tempo de payback
menor. A curva de produção introduzida nesta primeira rodada do simulador econômico é a
mesma da Figura 20. O resumo dos resultados pode ser conferido na Tabela 2:
88
Tabela 2 – Projeto RJ - Resultado simulador econômico produção pico Modelo vazão máxima,
TMA=7,5% a.a Unidades monetárias
Valor Presente Liquido(VPL)
525
Capex total 1606 Opex total 1777 Receita nominal 9400
Payback 6,7 anos
Fonte: o autor (2012).
A seguir, rodou-se o modelo flat com os fatores dimensionantes meta-ótimos que
foram obtidos através da programação De Novo e considerando os valores de redução de
custos já expostos na Tabela 1. A curva de produção é a mesma da Figura 26, rodada pelo
simulador dinâmico de reservatório. Na Tabela 3 são mostrados os resultados:
Tabela 3 – Projeto RJ - Resultado simulador econômico formato flat Modelo vazão máxima,
TMA=7,5% a.a Unidades monetárias
Valor Presente Liquido(VPL)
563
Capex total 1338 Opex total 1772 Receita nominal 9148
Payback 7,1 anos
Fonte: o autor (2012).
Estes resultados mostram a validade da metodologia apresentada neste trabalho. O
contraste entre as duas filosofias de explotação de uma jazida podem ser vistas tanto do
ângulo técnico, com a redução do tamanho das instalações físicas, quanto do ângulo
econômico conforme exposto nas duas tabelas anteriores.
Sob o ponto de vista econômico, pode-se relatar os seguintes dados:
• O modelo flat apresentou melhor resultado em VPL, com 7% a mais;
• Como era esperado, o investimento total ficou menor em 16% com a redução dos
orçamentos;
• Uma vez que a curva de produção foi um pouco menor para o caso flat, também é
coerente esperar uma receita menor, em 2,6% valor nominal (não corrigida no tempo);
89
• Um dos motivos pelos quais se opta por produzir em pico é o tempo menor de
recuperação do investimento, conforme mostrado no item payback.
Ao aumentar-se a TMA os resultados econômicos são submetidos a um maior rigor
em termos de rentabilidade. A análise de sensibilidade a seguir mostra os dados quando tem-
se a TMA na casa dos 11 % ao ano, conforme as Tabelas 4 e 5:
Tabela 4 – Projeto RJ - Resultado simulador econômico produção TMA11% Modelo vazão máxima,
TMA=11 a.a.% Unidades monetárias
Valor Presente Liquido(VPL)
210
Capex total 1606 Opex total 1777 Receita nominal 9400
Payback 8,7 anos
Fonte: o autor, (ano).
Tabela 5 – Projeto RJ - Resultado simulador econômico formato flat TMA11% Modelo vazão máxima,
TMA=11% a.a. Unidades monetárias
Valor Presente Liquido(VPL)
254
Capex total 1338 Opex total 1772 Receita nominal 9148
Payback 8,6 anos
Fonte: o autor, (ano).
Ainda assim pode-se notar o melhor retorno da produção restringida, mesmo com a
TMA em valores bem maiores. Desta vez o VPL foi maior em 20%, certamente pelo fato da
distribuição dos poços de forma mais espaçada ao longo do tempo no modelo flat acarretar
grande benefício no fluxo de caixa global. O tempo de retorno pode ser considerado
equivalente.
5.2 PROJETO BELO HORIZONTE
5.2.1 Nova orçamentação
90
A redução de custos deste projeto possui algumas diferenças em relação ao projeto Rio
de Janeiro. Conforme dito anteriormente a manutenção da produção de água em valores
elevados obriga o dimensionamento de equipamentos subsea e de poços compatíveis com
esses volumes, embora possa haver ainda alguma redução no tamanho dessas instalações por
conta da produção em formato flat. Os números finais obtidos com a simulação De Novo
reduziram os valores dos parâmetros dimensionantes de poços e subsea de 1 para 0,91, o que
pode significar uma redução muito pequena no tamanho das instalações. Através de consultas
a especialistas das áreas de instalações de superfície, poços e sistemas submarinos foi possível
estabelecer relações aproximadas para a redução de custos advinda da redução de tamanho
das instalações.
a) Instalações de Superfície – O projeto Belo Horizonte teve redução do fator α, referente às
plataformas, de 1 para 0,714. Mesmo assim, deve-se considerar que as instalações de
superfície também devem atender à necessidade de tratamento da água produzida e isso vai
influenciar bastante na avaliação do preço final da plataforma considerando a produção
restringida. Para navios do tipo FPSO, por exemplo, costuma-se reservar um dos tanques de
carga para separar a corrente de água livre logo no inicio da planta de tratamento e isso
certamente ocupa espaço na plataforma e incorre em navios de cascos maiores. Entretanto, há
outros sistemas que podem sofrer redução e é certo que o fator α referente aos sistemas de
tratamento de óleo indica uma redução efetiva de pelo menos 29% nas vazões dimensionantes
desses equipamentos. Com relação à água injetada em reservatório para repressurização,
ocorre uma pequena redução na vazão (da ordem de apenas 2%), confirmando também a
necessidade de manter os sistemas de injeção muito próximos do projeto original.
Os sistemas de apoio como casario, torre de tocha, bombas de transferência de óleo e
armazenamento de líquidos foram considerados os mesmos do projeto original.
Sendo assim, os especialistas consultados indicaram a possibilidade de reduzir o custo
da plataforma em 5%, englobando casco, sistemas de tratamento de óleo, água produzida e
água injetada. Os sistemas de gás foram considerados como de menor importância, dada a
pequena produção dessa corrente.
b) Sistemas subsea – A pequena redução do fator γ de 1 para 0,915 mostra o impacto no
transporte de grandes volumes de água produzida no projeto Belo Horizonte. O diâmetro das
tubulações submarinas tem que permanecer próximo ao do projeto original para dar vazão aos
fluidos óleo, água e gás. Como a água representa quase 70 % do volume total e esta corrente
tem de permanecer sem restrições ao fluxo, não há como reduzir muito significativamente a
capacidade dos sistemas submarinos.
91
Uma alternativa para tentar reduzir significativamente o tamanho das instalações
submarinas do projeto BH seria instalar o chamado separador de água livre submarino,
equipamento já testado em forma de projeto piloto e instalado em alguns campos offshore. A
economia gerada pelo investimento nesse separador não foi previsto no projeto BH e não é
foco do presente estudo.
c) Poços – Os altos volumes de água gerados pelo projeto BH também causaram pequena
redução no fator θ. Os sistemas de coluna de produção, diâmetro de poço e revestimentos não
puderam ser significativamente reduzidos porque a maior parte dos fluidos produzidos
permaneceu sem redução de vazão. No caso desse projeto a maior economia em poços pode
ser gerada pelo redimensionamento dos equipamentos de elevação de óleo, gás e água, com
redução da energia necessária em função da redução (mesmo que pequena) do fator θ de 1
para 0,914.
Resumem-se os ganhos orçamentários obtidos com a contração dos parâmetros α, γ, θ
na Tabela 6:
Tabela 6 – Projeto BH - Ganhos orçamentários com a contração nos fatores α, γ, θ plataforma instalações submarinas poços
Redução de 5 % Redução de 0% Redução de 2% Fonte: o autor (2012).
5.2.2 Análise de viabilidade econômica
Os procedimentos para o projeto BH foram os mesmos do projeto RJ. Nessa primeira etapa
a ser desenvolvida é considerada uma TMA de 7,5% ao ano e o primeiro passo é rodar o modelo
considerando a situação em formato de pico. A curva de produção introduzida nesta primeira
rodada do simulador econômico é a mesma do projeto original (Figura 31). O resumo dos
resultados pode ser conferido na Tabela 7:
Tabela 7 – Projeto BH - Resultado simulador econômico produção pico Modelo vazão máxima,
TMA=7,5% a.a Unidades monetárias
Valor Presente Liquido(VPL)
415
Capex total 1797 Opex total 1622 Receita nominal 6539
Payback 8,5 anos
Fonte: o autor (2012).
92
A seguir, rodou-se o modelo flat com os fatores dimensionantes meta-ótimos que
foram obtidos através da programação De Novo e considerando os valores de redução de
custos já expostos na Tabela 6. A curva de produção é a mesma da Figura 33, rodada pelo
simulador dinâmico de reservatório. Na Tabela 8 são mostrados os resultados:
Tabela 8 – Projeto BH - Resultado simulador econômico formato flat Modelo vazão máxima,
TMA=7,5% a.a Unidades monetárias
Valor Presente Liquido(VPL)
360
Capex total 1746 Opex total 1573 Receita nominal 6341
Payback 9,4 anos
Fonte: o autor (2012).
Sob o ponto de vista econômico, pode-se relatar os seguintes dados:
• O modelo flat não melhorou os resultados econômicos do projeto Belo Horizonte, com
VPL 13% a menor;
• O investimento total permaneceu praticamente o mesmo nos dois casos, em função da
pequena oportunidade de redução da capacidade das instalações;
• Considerando que a curva de produção apresentou valor de 1,9% menor para o caso de
poços restringidos, a receita nominal também caiu e a redução de Capex e Opex
não foi suficiente para cobrir essa queda da receita;
A análise de sensibilidade a seguir mostra os dados quando tem-se TMA na casa dos
11 % ao ano conforme tabelas 9 e 10:
Tabela 9 – Projeto BH - Resultado simulador econômico produção pico TMA11% Modelo vazão máxima,
TMA=11 a.a.% Unidades monetárias
Valor Presente Liquido(VPL)
202
Capex total 1797 Opex total 1622 Receita nominal 6539
Payback 9,8 anos
Fonte: o autor (2012).
93
Tabela 10 – Projeto BH - Resultados simulador econômico formato flat TMA11% Modelo vazão máxima,
TMA=11% a.a. Unidades monetárias
Valor Presente Liquido(VPL)
143
Capex total 1746 Opex total 1573 Receita nominal 6341
Payback 11,2 anos
Fonte: o autor (2012).
Novamente pode-se notar a redução do ganho econômico ao se considerar os poços restringidos, com VPL 29 % para menos.
5.3 PROJETO PORTO ALEGRE
5.3.1 Nova orçamentação
A redução de custos deste projeto possui diferenças tanto do projeto RJ quanto do
projeto BH. Aqui a diminuição de despesas é bastante atraente tanto para os sistemas de
superfície quanto para os sistemas subsea e de poços e existem alguns motivos muito
importantes para tanto. Em primeiro lugar, o projeto POA necessita de investimentos muito
altos e tem pouca reserva de óleo para pagá-los. O volume de óleo para produção é pequeno
em comparação aos projetos RJ e BH. Além disso as condições para a produção são muito
adversas, obrigando a verificação de quais custos podem ser cortados sem que se prejudique
os volumes de produção acumulados. De qualquer forma, o trabalho de otimização deve ser
feito de acordo com a metodologia proposta e assim podemos resumir a redução de orçamento
da seguinte maneira:
a) Instalações de Superfície – O projeto Porto Alegre teve forte redução do fator α, referente
às plataformas, de 1 para 0,75. Os resultados do modelo dinâmico também revelaram redução
de pelo menos 19 % no pico de produção de gás e isso é uma boa notícia, uma vez que os
sistemas de tratamento da corrente gasosa ocupam grande espaço no convés principal e
também são responsáveis por alta percentagem nos orçamentos dos equipamentos da
plataforma. Os sistemas de injeção de água não foram reduzidos e o simulador indicou a
94
necessidade da manutenção da injeção em altos níveis para garantir a repressurização do
reservatório.
Os sistemas de apoio como casario, torre de tocha, bombas de transferência de óleo e
armazenamento de líquidos foram considerados os mesmos do projeto original.
Sendo assim, os especialistas consultados indicaram a possibilidade de reduzir o custo
da plataforma em 20 %, englobando casco, sistemas de tratamento de óleo, tratamento de gás
e injeção de gás.
b) Sistemas subsea – A redução dos sistemas submarinos também pode ser considerada
significativa, com redução de 20 % nos custos, acompanhando a redução nos fator γ de 1 para
0,81. Mesmo considerando a manutenção da produção de água do projeto original, os cálculos
mostraram a possibilidade de redução significativa dos volumes de óleo e gás que passam
pelas tubulações de fundo do mar. No caso do projeto POA, é possível uma redução similar
ao Projeto RJ, com redução das linhas subsea de 6” para 5”.
Por essas razões, os especialistas conseguiram projetar redução de custos em 20 %
para os sistemas submarinos e é essa redução que será considerada nos cálculos econômicos.
c) Poços – Neste item o raciocínio é similar ao projeto RJ, também com redução significativa
das dimensões dos materiais de completação e de perfuração. Os poços podem ser mais
simplificados, com redução do tempo de sonda e do diâmetro da coluna e dos revestimentos.
Resumem-se os ganhos orçamentários obtidos com a contração dos parâmetros α, γ, θ na
Tabela 11:
Tabela 11 – Projeto POA - Ganhos orçamentários com a contração nos fatores α, γ, θ plataforma instalações submarinas poços
Redução de 20 % Redução de 20% Redução de 20% Fonte: o autor (2012).
5.3.2 Análise de viabilidade econômica
Os procedimentos para o projeto POA foram os mesmos dos projetos RJ e BH. Nessa
primeira etapa a ser desenvolvida é considerada uma TMA de 7,5% ao ano e o primeiro passo
é avaliar o modelo considerando a situação em formato de pico. Neste caso, os poços estão
totalmente abertos e a curva de produção antecipa as vazões máximas a serem produzidas
para o inicio da vida produtiva da concessão. A curva de produção introduzida nesta primeira
rodada do simulador econômico é a mesma do projeto original (Figura 41).
95
Cabe aqui destacar um ponto importante para este empreendimento: Devido às
reservas de óleo serem muito pequenas e as condições de produção serem muito adversas, o
projeto original apresentou resultado econômico negativo. Entretanto, a alternativa de
produção em formato flat foi capaz de melhorar significativamente os valores negativos de
VPL, tanto para a opção em TMA de 7,5% quanto para a opção de 11%.
Para projetos como esse, denominados projetos marginais, qualquer otimização de
investimentos e de custos operacionais é válida. Neste caso específico, pode-se reduzir o
Capex através de redução do escopo de manuseio de gás e de filosofia de produção de óleo,
com a eliminação de determinados equipamentos que foram considerados no projeto original.
Projetos como esse aumentam ainda mais a importância das iniciativas de otimização porque
elas podem significar a passagem do prejuízo para o lucro e possuem todas as características
para assegurar a viabilidade de um projeto marginal que ficaria esquecido por muitos anos no
final do portfolio de projetos das corporações.
O resumo dos resultados pode ser conferido na Tabela 12:
Tabela 12 – Projeto POA - Resultado simulador econômico produção pico Modelo vazão máxima,
TMA=7,5% a.a Unidades monetárias
Valor Presente Liquido(VPL)
-138
Capex total 798 Opex total 872 Receita nominal 1792
Fonte: o autor (2012).
A seguir, rodou-se o modelo flat com os fatores dimensionantes meta-ótimos que
foram obtidos através da programação De Novo e considerando os valores de redução de
custos já expostos na Tabela 11. A curva de produção é a mesma da Figura 42, rodada pelo
simulador dinâmico de reservatório. Na Tabela 13 são mostrados os resultados:
Tabela 13 – Projeto POA - Resultado simulador econômico formato flat Modelo vazão máxima,
TMA=7,5% a.a Unidades monetárias
Valor Presente Liquido(VPL)
-98
Capex total 686 Opex total 871 Receita nominal 1775
Fonte: o autor (2012).
96
Sob o ponto de vista econômico, pode-se relatar os seguintes dados:
• O modelo flat apresentou melhor resultado em VPL, com 29% de melhoria no
resultado negativo;
• A receita praticamente não mudou, ficando apenas 0,1% a menos em relação ao
projeto original. Isto apresenta a oportunidade de uma redução ainda menor na capacidade das
instalações, com a aceitação de uma perda um pouco maior de produção acumulada de óleo
do modelo flat ;
A análise de sensibilidade a seguir mostra os dados quando tem-se TMA na casa dos
11 % ao ano, conforme as tabelas 14 e 15:
Tabela 14 – Projeto POA - Resultado simulador econômico produção pico TMA11% Modelo vazão máxima,
TMA=11 a.a.% Unidades monetárias
Valor Presente Liquido(VPL)
-147
Capex total 798 Opex total 872 Receita nominal 1792
Fonte: o autor (2012).
Tabela 15 – Projeto POA -Resultado simulador econômico formato flat TMA11% Modelo vazão máxima,
TMA=11% a.a. Unidades monetárias
Valor Presente Liquido(VPL)
-118
Capex total 686 Opex total 871 Receita nominal 1775
Fonte: o autor (2012).
Ainda assim pode-se notar melhoria nos resultados, mesmo considerando a TMA em
valores maiores. Desta vez o VPL foi melhor em 19,7%, não só pela diminuição no Capex
mas também pelo fato da distribuição dos poços de forma mais espaçada ao longo do tempo
no modelo flat acarretar benefícios no fluxo de caixa global.
97
6 ANÁLISE DE SENSIBILIDADE
6.1 PROJETO RIO DE JANEIRO ALÉM DO PERÍODO DE CONCESSÃO
O procedimento mais comum ao se elaborar um projeto de explotação de petróleo é
estabelecer os limites para as atividades até o período de concessão obtido por contrato junto à
Agencia Nacional de Petróleo (ANP). Na verdade, é possível a obtenção de extensão do prazo
para que as atividades possam ser continuadas pelo mesmo consórcio operador já estabelecido
na área, mas a rigor não se deve contar essa possibilidade como certa e definitiva porque há
diversas questões envolvendo os aditivos de prazo, desde interesses estratégicos de governo
até temas políticos. É por isso que existe o conceito de que os projetos de explotação devem
ser viáveis dentro do período licenciado pela ANP e a sua implementação deve ser realizada
atendendo fielmente às regras do contrato de concessão em vigor, não se pensando
antecipadamente nos aditivos.
Entretanto, como análise de sensibilidade, vale a pena se calcular os efeitos das
restrições na produção de poços contabilizando a produção até o limite máximo da
economicidade, o que normalmente acontece depois de ultrapassado o prazo de concessão.
Neste ponto, utilizar-se-á a mesma metodologia já descrita nas etapas anteriores e os dados do
projeto Rio de Janeiro serão submetidos ao crivo da metodologia De Novo considerando a
produção além da concessão.
O modelo monocritério contabiliza 34 anos de produção para o projeto RJ, conforme
Figura 46:
Figura 46 – modelo PL monocriterio-projeto RJ além da concessão MAXIMIZAR O LUCRO , CONSIDERANDO :
Z = α*Qdim α*preçovendaoleo + β*Qdim β*preçovendagas
- α*Qdim α * (Capex oleo topside/bbl + Opex oleo topside/bbl)
- β*Qdim β * (Capex gas topside/m3 + Opex gas topside/m3)
- ƴ*Qdim ƴ media * (Capex sistema de coleta/boe + Opex sistema de coleta/boe)
- θ*Qdim θ media * (Capex poços/boe + Opex poços/boe)
sujeito a:oleo topside α*Qdim α ≤ Qreserva oleo em bbl/d
gas topside β*Qdim β ≤ Qreserva gás em m3/d
sistemas subsea ƴ*Qdim ƴ*(365*34anos*5linhas+365*33anos*5linhas) ≥ Reserva total em boe
poços θ*Qdim θ*(365*34anos*5poços+365*33anos*5poços) ≥ Reserva total em boe
RGO max 450*α*Qdim α - β*Qdim β ≥ 0 em m3/d
RGO min 350*α*Qdim α - β*Qdim β ≤ 0 em m3/d Fonte: o autor (2012).
98
Os resultados da rodada do Solver pode ser mostrada na Figura 47:
Figura 47 – rodada do Solver - projeto RJ além da concessão variaveis de decisão
α β γ θ
função objetivo
4.720.741 1.064.042 -1.056.289 -1.313.673
0,237 0,424 0,136 0,122 1.267.321
restrições LHS RHS
oleo(bbl/d) 75.000 0 0 0 17.788 ≤ 17.788
gas(m3/d) 0 3.000.000 0 0 1.272.615 ≤ 1.536.239
linhas subsea(bbl) 0 0 2.511.054.370 0 340.670.306 ≥ 340.670.306
poços(bbl) 0 0 0 2.790.060.411 340.670.306 ≥ 340.670.306
RGO max 5.365.660 -3.000.000 0 0 0 ≥ 0
RGO min 4.173.291 -3.000.000 0 0 -282.803 ≤ 0
matriz C
matriz A(matriz de coeficientes tecnologicos)
resultados das variaveis de decisão
resultado final da função objetivo
Fonte: o autor (2012).
Os mesmos procedimentos foram seguidos em relação ao projeto RJ com o limite
dentro do prazo de concessão. O resultado final da simulação De Novo para esta análise de
sensibilidade apresentou os seguintes parâmetros dimensionantes (Figura 48):
Figura 48 – rodada simulação De Novo - projeto RJ além da concessão variaveis de decisão
α* β* γ* θ*
min Z = 356759 201958 1087820 1352887
0,696 0,990 0,760 0,760 2.303.280,52
sujeito a :
LHS RHSlucro 4720741,297 1064041,911 -1056288,834 -1313672,527 2539203,687 ≥ 2.539.203,69
eficiência operaciona l 33,58 44,55 7,78 14,09 84,10697039 ≥ 83,124
integridade estrutura l 30 20 20 30 78,68849583 ≥ 77,81
1 0 0 0 0,696283194 ≥ 0,667
0 1 0 0 0,99 ≥ 0,990
0 0 1 0 0,76 ≥ 0,760
0 0 0 1 0,76 ≥ 0,760 Fonte: o autor (2012).
Os valores finais de das capacidades de cada sistema são mostrados na Figura 49:
Figura 49 – capacidades finais - projeto RJ além da concessão
α β γ θ
0,696 0,990 0,760 0,760
valores das novas capacidades finais a serem adotadas
em bbl/d em m3/d em boe/d em boe/d
52.221 2.970.000 149.322 165.913 Fonte: o autor (2012).
99
Para efeito de simplicidade, adotamos a mesma capacidade máxima de 57 mil bbl/d ao
óleo. Com o período estendido de concessão, o simulador dinâmico apresentou o seguinte
resultado para os poços restringidos nos 34 anos de produção (Figura 50):
Figura 50 – Projeto RJ restringida - curva além período de concessão
Fonte: o autor (2012).
6.2 ANÁLISE ECONÔMICA
Os resultados obtidos com os novos fatores permitem os mesmos cálculos de
economicidade anteriormente praticados. A simulação econômica da curva original com a
produção totalmente aberta nos 34 anos de produção estendida resultou na Tabela 16:
Tabela 16 – Aditivo prazo - Resultado simulador econômico produção pico Modelo vazão máxima,
TMA=7,5% a.a Unidades monetárias
Valor Presente Liquido(VPL)
544
Capex total 1606 Opex total 2374 Receita nominal 10332
Payback 6,7 anos
Fonte: o autor (2012).
100
A redução de custos considerada também foi a mesma da simulação original do
projeto RJ: 20% para poços, 20% para linhas submarinas e 10% para as instalações topside.
Na Tabela 17 são mostrados os resultados da simulação econômica com a curva restringida e
os 34 anos de produção::
Tabela 17 – Aditivo prazo - Resultado simulador econômico formato flat Modelo vazão máxima,
TMA=7,5% a.a Unidades monetárias
Valor Presente Liquido(VPL)
591
Capex total 1338 Opex total 2368 Receita nominal 10264
Payback 7,1 anos
Fonte: o autor (2012).
Sob o ponto de vista econômico, pode-se relatar os seguintes dados:
• O modelo flat apresentou melhor resultado em VPL, com 8,6% a mais;
• Como era esperado, o fato de ter-se mais tempo para produção aumentou a diferença
positiva em favor da curva restringida, ou seja, o incremento no tempo da concessão é mais
favorável ainda ao trabalho com poços restringidos;
• O tempo de retorno do investimento é apenas um pouco maior devido ao fato de não
se produzir com o pico antecipado de produção. Entretanto os dados mostram que ao longo do
tempo o retorno do investimento é maior.
A análise de sensibilidade a seguir mostra os dados quando tem-se TMA na casa dos
11 % ao ano em relação ao projeto em pico , conforme Tabela 18:
Tabela 18 – Aditivo prazo - Resultado simulador econômico produção pico TMA11% Modelo vazão máxima,
TMA=11 a.a.% Unidades monetárias
Valor Presente Liquido(VPL)
216
Capex total 1606 Opex total 2374 Receita nominal 10332
Payback 8,7 anos
Fonte: o autor (2012).
101
Da mesma forma que a comparação anterior, os resultados econômicos da simulação a TMA de 11% com a produção restringida pode ser mostrada na Tabela 19:
Tabela 19 – Aditivo prazo - Resultado simulador econômico formato flat TMA11%
Modelo vazão máxima, TMA=11% a.a.
Unidades monetárias
Valor Presente Liquido(VPL)
264
Capex total 1338 Opex total 2368 Receita nominal 10264
Payback 8,7 anos
Fonte: o autor (2012).
Os dados calculados com taxas de juro maior apresentam vantagem monetaria de
aproximadamente 22% superior no caso dos poços restringidos.
Os resultados obtidos com a extensão do período de concessão permitem concluir que
a adoção do modelo flat continua a ser uma opção viável no caso do projeto RJ. Somente o
fato de ter-se mais tempo para a explotação das reservas remanescentes significa mais
vantagem ainda para a produção restringida.
7 CONCLUSÃO
As condições para a adoção de um projeto de menores dimensões ao se tentar produzir
uma jazida de hidrocarbonetos exige a análise e a visualização de diversos cenários possíveis.
Uma das concepções de empreendimento mais comuns no Brasil é a preparação das
instalações físicas para receber mais poços no futuro, estando o projetista e seus gerentes na
expectativa de haver mais petróleo adjacente, próximo das facilidades atuais e em reserva
adicional a ser explotada em um futuro próximo. Por outro lado, essas novas acumulações
podem ser descobertas bem mais tarde, quando já existe grande ociosidade nas plataformas e
mesmo com o petróleo novo adicional essa ociosidade permanece. Ela estará em níveis um
pouco menores, mas ainda subsiste.
Resulta daí um grande receio de se construir unidades menores e mais simples, mas
este paradigma não se justifica ao ser confrontado com os resultados do presente estudo. Ao
observar-se a distribuição dos campos de petróleo em ambiente offshore no Brasil percebe-se
que existe um grande número de acumulações em áreas isoladas bem distantes dos campos
maiores e, geralmente, acompanhadas por campos menores ao redor. Portanto, a primeira
102
conclusão que se pode tirar dessa pesquisa é que a quebra do paradigma de se montar
instalações offshore de grandes proporções depende de um olhar mais detalhado na ociosidade
que ainda permanece, principalmente depois dos 10 anos de atividades. Em consequência, o
que pode ser sugerido é uma verificação detalhada das oportunidades futuras (incremento da
produção) e das capacidades a serem dimensionadas no projeto presente, com o objetivo de
adequar vazões vs. capacidade instalada. Isso demanda tempo, mas é exatamente o
procedimento que deveria ser seguido durante os projetos conceitual e básico.
Pode-se concluir também que a Programação De Novo é uma ferramenta muito valiosa
para quem deseja aprimorar os seus projetos, não importa a área de atuação. Deve-se
reconhecer que a otimização obtida principalmente na parte referente à planta de tratamento
de óleo significa um dado importante a ser levado em conta na adoção de modelos menores de
instalações offshore, podendo ser estendido para projetos terrestres. Não se pode esquecer
também que é recomendável analisar os objetivos de um projeto de explotação de forma
bastante mais abrangente daquela em que a comunidade de projetistas de Exploração e
Produção (E&P) está acostumada. Os objetivos colocados neste estudo de manutenção da
integridade e eficiência operacional não podem ser encarados como apêndices, suplementos
ou acessórios. A Programação De Novo é uma forma adequada para combinar objetivos
múltiplos, até mesmo aqueles que possuem menor grau de importância, utilizando-se as
equações propostas por Shi (1995), também relatados nesse estudo.
A verificação do modelo linear através da simulação dinâmica foi inevitável porque
quem lida diariamente com a explotação de hidrocarbonetos tem consciência de que as
variações de comportamento das grandezas que afetam os resultados é muito impactante para
os mesmos. É o que se pretende ao validar e corrigir o modelo em Programação Linear inicial
com os dados de simuladores dinâmicos de reservatório, mais potentes e demorados. De toda
forma, ao se conseguir parâmetros dimensionantes que sejam validados pelo modelo full field
têm-se valores de capacidade das instalações bem mais confiáveis e com menor imprecisão.
Outro ponto importante: os modelos propostos só servem para a análise de projetos
caso a caso. Stonner (2001) ensina que um projeto é um evento específico, não rotineiro.
Segundo o autor, cada empreendimento possui aspectos diferentes, tecnologias diversificadas.
Nos projetos comerciais para a produção de hidrocarbonetos, cada uma das disciplinas possui
suas características especificas, mesmo que sejam empregados os mesmos procedimentos.
Embora a metodologia proposta possa ser estendida para mais campos, a sua abrangência
deve ser cuidadosamente verificada para os números apresentados por cada um deles e a
aplicabilidade dos resultados deve ser comparada com outras variáveis, como a possibilidade
103
de produção de campos adjacentes já citada. Certamente vão ocorrer diferenças na curva de
produção restringida para campos com menor ou maior razão gás-óleo (RGO). Se o campo
produz muito gás é quase obrigatório dar vazão máxima possível a essa corrente, sob pena de
se prejudicar a coleta de óleo, a qual oferece maior margem para os valores da receita e
consequentemente, do lucro. Por outro lado, em campos com baixa produção de gás talvez
seja possível reduzir o tamanho das instalações como um todo e nesse caso obter-se ganhos
significativos de contração nos orçamentos de todas as facilidades, incluindo a corrente
gasosa.
Ficou comprovada também a possibilidade de diminuir-se o tamanho de outras
máquinas que não as de óleo e gás. Em todos os modelos em formato flat estudados nessa
pesquisa houve redução da água produzida e da água injetada, o que é uma grande vantagem
para se diminuir não só o Capex, mas também os custos operacionais, dado que estes fluidos
demandam grande quantidade de produtos químicos, energia elétrica e consumíveis para
adequação do descarte ao mar ou injeção em reservatório.
Os 3 casos pesquisados mostraram uma abrangência adequada em relação aos projetos
mais comuns da indústria de petróleo desenvolvida no Brasil. No primeiro projeto,
denominado de Rio de Janeiro (RJ), a pesquisa mostrou necessidade de manter-se a vazão de
gás sem restrição para assegurar o carreamento dos volumes de óleo pretendidos, mesmo com
a capacidade ao óleo. A vantagem é que os demais fluidos também têm a sua produção
restringida ao longo do tempo, possibilitando redução significativa de equipamentos de poço e
subsea. No segundo projeto, denominado de Belo Horizonte (BH), a necessidade de manter a
produção de água sem restrição impactou sobremaneira a produção de óleo e por isso não
houve redução significativa no dimensionamento dos equipamentos. Nesse caso os grandes
volumes de água produzida ocupam muito espaço de todos os equipamentos e praticamente
impediram contração significativa das capacidades dimensionadas. O terceiro projeto,
denominado de Porto Alegre (POA), foi o que mais se beneficiou dos resultados do estudo e
mostrou que campos marginais podem se beneficiar bastante se configurados em formato flat.
Mesmo considerando VPL negativo no projeto original (em formato de pico) a melhora nos
resultados técnicos e econômicos com a adoção da estratégia dos poços restringidos pode
significar a passagem do prejuízo ao lucro com pequenas modificações de escopo e perfil de
produção.
O time de projetistas deve preocupar-se, portanto, com a mecânica de movimentação
de fluidos de cada reservatório a fim de descobrir quais os fluidos que podem ter a sua
104
produção diminuída, identificar os volumes reduzidos e com isso contribuir para a redução
das capacidades dos sistemas.
Quanto aos dados econômicos pode-se dizer que as reduções de orçamento nas
instalações foi modesta, se confrontado com a diversidade de máquinas e sistemas que
compõe um projeto de explotação de hidrocarbonetos. Com o objetivo de imprimir robustez
ao estudo, os especialistas consultados preferiram avaliar a redução nos orçamentos de
maneira mais conservadora. Os números utilizados para os 3 projetos confirmam a
oportunidade de redução de Capex e Opex, liberando parte dos investimentos das empresas
para aplicação em outros projetos da carteira. Os resultados econômicos confirmaram que há
possibilidade de redução de custos e a manutenção (ou melhora) nos lucros, desde que os
reservatórios sejam analisados caso a caso. A utilização da Programação De Novo confirmou
também a possibilidade do atendimento a mais funções objetivo, reservando-se recursos para
assuntos igualmente muito importantes nos dias de hoje, como preservação ambiental e
segurança, sendo que estes temas devem ser valorados e incorporados ao modelo econômico
das corporações.
8 SUGESTÕES PARA ESTUDOS FUTUROS
A influência do melhor espaçamento dos poços ao longo do tempo certamente causa
impacto positivo no resultado econômico dos projetos, mesmo considerando pequenas
reduções de produção acumulada na curva restringida. Esta tática também impacta a aquisição
das linhas submarinas porque a instalação destas depende da construção dos poços.
Entretanto, não foi possível avaliar com precisão a dimensão dos benefícios incorridos ao
adotar-se esta estratégia. O presente estudo demonstrou uma redução significativa no valor
nominal do Capex, o que já era esperado, mas é necessário detalhar como diferentes
configurações de poços ao longo do tempo acarretam mudanças na curva de produção e no
volume acumulado a ser produzido (Np). Para isto, deve-se recorrer a novas simulações do
modelo dinâmico de reservatório para uma melhor visualização da curva em formato flat em
diferentes cenários de construção de poços. Da mesma forma, o cálculo do impacto
econômico da postergação desses custos certamente resulta em benefícios sob vários aspectos,
mas isto pode ser mais bem detalhado e transformado em relações numéricas ou em
metodologias de cálculos numéricos.
Além disso, deve-se pesquisar também a forma de gerenciamento de reservatórios
mais adequada em caso da adoção do modelo em formato restringido. Isso deve ser motivo de
105
preocupação porque se não houver um planejamento prévio de quais poços ou áreas do
reservatório serão objeto de intervenções no futuro podem ocorrer surpresas de última hora,
com consequente atraso na tomada de decisão e perda no controle das curvas de produção de
óleo, água e gás. O planejamento deste gerenciamento deve ser feito de maneira prévia porque
as escolhas de cada poço a visualização de vazões pode impactar os números finas de reserva
de óleo e gás a serem produzidos.
Com relação aos orçamentos, pode-se tentar estabelecer uma correlação entre o
encolhimento dos fatores dimensionates α, β, γ, θ e os preços a serem considerados em
projetos mais enxutos. Essa é uma tarefa muito difícil porque depende de uma grande
quantidade de fatores como ambiente econômico, exigências de conteúdo local, prazos de
fornecimento e disponibilidade de matéria prima. Além disso, existem mudanças frequentes
de cada tipo de orçamentação ao longo do tempo e a necessidade de atualização é mais um
item a ser considerado nestes processos.
Conforme revela Shi (1995) é possível obter-se valores diferentes para as variáveis,
através da obtenção de pelo menos 5 fatores de trajetória ótima adicionais. Embora não tenha
sido possível o aprofundamento do estudo nesta direção, deve-se sugerir a pesquisa destes
novos fatores de acordo com a metodologia proposta pelo modelo De Novo. A investigação de
valores alternativos para as variáveis α, β, γ, θ está relacionada à descoberta de intervalos
válidos a serem estabelecidos para o orçamento B e que resultem em dados pertencentes à
ampliação da região viável dos modelos multicritério, conforme discutido no Capítulo 2 e
ilustrado na Figura 12 deste trabalho.
Finalmente, sugere-se a ampliação desse estudo envolvendo mais casos de projetos de
explotação. Conforme já comentado anteriormente, a metodologia proposta por este trabalho
depende fortemente das especificidades de cada empreendimento e das características técnicas
da jazida a ser desenvolvida. Embora tenha-se conseguido mostrar pelo menos 3 casos
bastante comuns na realidade da indústria de petróleo brasileira, certamente existem campos
ainda não desenvolvidos que merecem um estudo de simplificação ou de redução em seus
custos. A obtenção de viabilidade econômica de várias áreas exploratórias pelo Brasil afora
pode depender exatamente de um trabalho mais persistente em relação ao tamanho e
capacidade das facilidades para a explotação e também dos custos decorrentes do
desenvolvimento desses projetos.
106
REFERÊNCIAS
ARONOFSKY, J. S. Optimization methods in oil and gas development. Dallas: Southern Methodist University, 1983. CLIMACO, J. N.; ANTUNES, C. H.; ALVES, M. J. G. Programação linear multiobjectivo. Coimbra: Imprensa da Universidade de Coimbra, 2003. GOMES, L. F. A. M.; RIBAS, M. P. F. The portfolio selection under multiple criteria: a de novo approach to the design of transportation networks. Journal of Systems, Analysis, Modeling, Simulation, Newark, v. 10, p. 315-320, 1993. GRIMMETT, T. T.; STARTZMAN, R. A. Optimization of offshore field development to minimize investment. In: SPE DRILLING ENGINEERING, Dec. 1988, [S.l.]. Proceedings… [S.l.: s.n.], 1988. p. 403-410. HUNG, C. T. et al. Optimal resource allocation model for pavement maintenance established by de novo programming method. In: JOINT INTERNATIONAL CONFERENCE ON COMPUTING AND DECISION MAKING IN CIVIL AND BUILDING ENGINEERING, June 2006, Montreal. Proceedings… Montreal: [s.n.], 2006. LO, K. K.; STARLEY, G. P.; HOLDEN, C. W. Application of linear programing to reservoir development evaluations. In: SPE ANNUAL TECHNICAL CONFERENCE AND EXHIBITION, Oct. 1993, Houston. Proceedings… Houston: SPE, 1993. SPE 26637. LO, K. K.; HOLDEN, C. W. Use of well management schemes for rate forecasts. In: WESTERN REGIONAL MEETING, Mar.1992, Bakersfield. Proceedings... Bakersfield: SPE, 1992. SPE 24071. MENDES, A. P. A.; ROMEIRO, R. A. P.; COSTA, R. C. Mercado e aspectos técnicos dos sistemas submarinos de produção de petróleo e gás natural. Revista BNDES Setorial, n. 35, p.155-188, jun. 2011. Disponível em: <http://www.bndes.gov.br/SiteBNDES/export/sites/default/bndes_pt/Galerias/Arquivos/conhecimento/bnset/set3505.pdf>. Acesso em: 20 out. 2012. MOORE, J. H.; WEATHERFORD, L. R. Tomada de decisão em administração com planilhas eletrônicas. Porto Alegre: Bookman, 2005. PROJECT MANAGEMENT INSTITUTE (PMI). A Guide to the project management body of knowledge: PMBOK guide. 4th. ed. Pennsylvania: Project Management Institute, 2008. PROJECT MANAGEMENT INSTITUTE (PMI). Practice standard for project risk management. Pennsylvania: Project Management Institute, 2009. REED, P. M. et al. Multiobjective managemant of population and drought risks: a case for De Novo programming. In: INTERNATIONAL CONGRESS ON ENVIRONMENTAL MODELING AND SOFTWARE MODELING FOR ENVIRONMENT´S SAKE, 2010, Ottawa. Proceedings... Ottawa: [s.n.], 2010.
107
ROSA, A. J.; CARVALHO, R. S.; XAVIER, J. A. D. Engenharia de reservatórios de petróleo. Rio de Janeiro: Interciencia, 2006. SANTOS, I. G. et al. Gerenciamento de tempo em projetos de modificação e manutenção de unidades marítimas. São Paulo: FIA-USP, maio 2007. SERBINI, F. et al. Integrated field development-improved field planning and operation optimization. In: INTERNATIONAL PETROLEUM TECHNOLOGY CONFERENCE, Dec. 2009, Doha. Proceedings… Doha: IPTC, 2009. IPTC 14010. SHI, Y. Studies on optimal-path ratios in multicriteria de novo programming problems. Computers Math Applications, [S.l.], v. 29, n. 5, p. 43-50, 1995. STONNER, R. Ferramentas de planejamento. Rio de Janeiro: E-papers, 2001. WALLACE, D. J.; VAN SPRONSEN, E. A reservoir simulation model with platform production /injection constraints for development planning of volatile oil reservoirs. In: RESERVOIR SIMULATION SYMPOSIUM, Nov. 1983, San Francisco. Proceedings… San Francisco: SPE, 1983. SPE 12261. WINSTON, W. L. Operations research-applications and algorithms. Belmont: Thomson Brooks Cole, 2004. ZELENY, M. Human systems management. Singapore: World Scientific Publishing Co. Pte, 2008. ZELENY, M. Multiobjective optimization, systems design and de novo programming. In: ZOPOUNIDIS, C.; PARDALOS, P.M. (Editors). Handbook of multicriteria analysis. Berlin Heidelberg: Springer-Verlag, 2010a. p. 243-262. ZELENY, M. Strategy as action: from Porter to Anti-Porter. Int. J. Strategic Decision Sciences, [S.l.], v. 1, n. 1, 2010b. ZELENY, M. The evolution of optimality: De Novo Programming. In: COELLO, C.A.; COELLO, A. Hernandez Aguirre; ZITLER, E. (Editors). Evolutionary multi-criterion optimization. Berlin Heidelberg: Springer-Verlag, 2005. p. 1-13.