OTIMIZAÇÃO DO PLANEJAMENTO DE
DUAS UNIDADES DE COQUEAMENTO
RETARDADO
Nathalia de Castro Zambuzinczambuzi@fei.edu.br
Nathália Silva Andrade
n.andrade@outlook.com.br
Bruna Paschoal Thomaz Baleeiro Porto
bptbporto@gmail.com
Giuliana Coelho Prado
giulianacoelhop@gmail.com
A indústria brasileira de Petróleo tem investido cada vez mais em processos de refino capazes de converter frações pesadas do petróleo em derivados mais leves e com alto valor agregado, devido às alterações na demanda de derivados e à produção crescente de óleos pesados. Um dos processos utilizados para essa conversão é o Coqueamento Retardado, onde ocorre um processo térmico utilizado pelas refinarias capaz de converter cargas residuais do petróleo em produtos, como por exemplo, gases, nafta, gasóleo e o coque verde do petróleo. Atualmente, o processo para a projeção de rentabilidade da Unidade de Coqueamento Retardado (UCR), na Refinaria Presidente Bernardes - Petrobras é realizado considerando a produção máxima das unidades, sendo incoerente com a realidade. O presente trabalho tem como objetivo a elaboração de um modelo matemático para duas UCRs, a fim de otimizar o planejamento da Unidade de Coqueamento para três níveis de cargas, a fim de se obter um planejamento mais próximo do real, considerando o período de setembro de 2017 a agosto de 2018, considerando a produção de bunker. Utilizou-se a Programação Linear, que é um dos métodos inseridos na Pesquisa Operacional, capaz de identificar resultados ótimos por meio de operações matemáticas ligadas às variáveis de um sistema e também às suas restrições. O modelo matemático foi implementado no software Microsoft Office Excel® e solucionado por meio do suplemento Solver. Os resultados obtidos foram satisfatórios, sendo o modelo proposto melhor quando comparado ao antigo usado pela empresa em relação à aderência com o processo real, gerando o melhor resultado para a empresa. Além disso, o modelo foi validado pela empresa, por se mostrar coerente com a realidade e prático para uso.
1. Introdução
Apesar do petróleo já ser conhecido na antiguidade, sua exploração e refino passaram a ser expressivos ao final do século XIX. Segundo Neiva (1993), o mineral começou a ser explorado entre 1871 e 1889, por pessoas que o encontravam muitas vezes no quintal de suas casas. No Brasil, apenas na década de 1930 ocorreram avanços significativos na sua exploração, com a nacionalização de todas as atividades de pequenas refinarias pelo CNP (Conselho Nacional do Petróleo). Em 1953, o governo do presidente Getúlio Vargas criou a Petrobras – Petróleo Brasileiro S.A., que tem por objetivos pesquisa, lavra, refino e comércio do petróleo e seus derivados.
A produção de derivados a partir do petróleo (refino) envolve, basicamente, três processos: separação, conversão e tratamento. Na separação ocorre o fracionamento do petróleo através do processo de destilação, onde o mineral é aquecido até evaporar. Esse vapor, ao voltar ao estado líquido, é capaz de se transformar em diferentes subprodutos do petróleo, chamados de resíduos. Esses resíduos passam pelo processo de conversão transformando as partes mais pesadas do petróleo em derivados. Por fim, as etapas de tratamentos são realizadas para adequar a qualidade dos derivados às necessidades do mercado (PETROBRAS, 2017).
Para Quelhas et. al (2014), um dos maiores desafios da indústria petrolífera é o refino, devido à dificuldade de definir a melhor e mais rentável forma de processar o combustível.
Assim, buscando responder de forma rápida às variações da indústria e aumentar o rendimento dos processos, empresas buscam desenvolver novas estratégias por meio de modelos matemáticos voltados à otimização operacional, visando maximizar o ganho da produção (NEIVA, 1993).
O objetivo geral do presente trabalho é elaborar um modelo matemático, por meio da programação linear, visando otimizar o planejamento de produção da segunda etapa do refino, processo de conversão denominado Coqueamento Retardado, a fim de encontrar a melhor solução possível em relação aos níveis de produção, por meio da maximização do lucro do processo.
2. Refencial teórico
Considerando a relevância do planejamento de produção, o presente artigo apresentará o desenvolvimento realizado para elaboração de um modelo matemático, com base na Pesquisa Operacional, visando a maximização do lucro do processo de Coqueamento Retardado.
2.1. Pesquisa Operacional
A Pesquisa Operacional (PO), segundo Fávero e Belfiore (2013), surgiu na Inglaterra durante a Segunda Guerra Mundial para a solução de problemas de natureza logística, tática e de estratégia militar. A PO consiste na utilização de um método científico (modelos matemáticos, estatísticos e algoritmos computacionais) para a tomada de decisões, atuando cada vez mais em um ramo multidisciplinar, que envolve áreas de engenharia de produção, matemática aplicada, ciência da computação e gestão de negócios.
Segundo Silva et. al (2010), uma das técnicas mais utilizadas na abordagem de problemas de PO é a programação linear (PL). A simplicidade do modelo envolvido e a disponibilidade de uma técnica de solução programável em computador facilitam sua aplicação. Fávero e Belfiore (2013) afirmam que, em um problema de PL, a função objetivo e todas as restrições do modelo serão representadas por funções lineares das variáveis de decisão, sendo estas variáveis contínuas, isso é, podendo assumir quaisquer valores em um intervalo de números reais.
2.1. Refino
Segundo Gauto (2015), o refino do petróleo integra uma série de beneficiamentos pelos quais o mineral bruto passa até a obtenção de determinados produtos. Esse processo é dividido em três etapas de processos físico-químicos principais: separação, conversão e tratamentos (PETROBRAS, 2017).
Um dos processos da segunda etapa do refino (conversão), é o coqueamento retardado. Segundo Quelhas et. al (2014), o coqueamento possibilita transformar uma fração de baixo valor agregado, o resíduo de vácuo (RV) que é resultado da primeira etapa do refino do petróleo, em outras de maiores valores comerciais, como: GLP, nafta, óleo diesel e coque de petróleo. Para essa conversão, a carga de RV é recebida do fundo da torre de destilação e é bombeada para os fornos (GARCIA, 2002).
Uma das possíveis aplicações para o RV é a produção de bunker (óleo combustível marítimo). E, para acerto da viscosidade necessária, deve ser adicionado diluentes, em função do tipo de óleo desejado (BARQUETTE, 2008).
3. Definição do problema
Na Refinaria Presidente Bernardes em Cubatão (RPBC), o resíduo de vácuo possui aplicações tanto na produção de bunker, quanto como carga (entrada) para produção de derivados de maior valor agregado nas Unidades de Coqueamento Retardado (UCRs).
A RPBC possui duas UCRs que se diferem em relação aos seus rendimentos, que são as frações volumétricas (m³) representando a quantidade produzida, ou seja, a proporção de saída de cada derivado. Para diferenciá-las, as unidades serão denominadas de UCR1 e UCR2. Na RPBC, o processo de elaboração do planejamento do processamento das unidades é feito considerando uma produção de RV igual a 6.250 m³/dia, operação das UCRs com a carga máxima, ou seja processando a capacidade total, e admitindo que a quantidade não utilizada de RV é enviada para a produção de bunker. Além disso, considera-se que a proporção de saída (rendimento) de todos os produtos não se altera, seja uma UCR operando 1.300 ou 2.600 m³/dia.
A inexistência de uma metodologia robusta que auxilie o planejamento e a tomada de decisão faz com que as respostas obtidas pelos cálculos atuais não reflitam a realidade da produção, pois os rendimentos alteram de acordo com a carga processada pela unidade.
O modelo proposto visa encontrar a solução ótima para o planejamento da produção, sendo que o seu fluxo pode ser observado na Figura 1, em busca das quantidades ideais de RV que deverão ser enviadas para a produção de bunker ou para as UCRs, visando a maior margem de lucro. Para isso, serão considerados três faixas de cargas de RV, que são os valores médios de operação dessas unidades, chamados de patamares. E, para cada patamar existem valores médios de rendimentos, fornecidos pela empresa, necessários para tornar o planejamento mais aderente à realidade da produção.
Figura 1 - Processo de produção
Fonte: Autoras
4. Metodologia
O desenvolvimento da pesquisa envolveu entrevistas com engenheiros de processos, responsáveis pela área de planejamento e otimização do processo de produção da RPBC. A obtenção dos dados necessários à pesquisa se deu durante a realização de quatro visitas à área de produção, localizada em Cubatão, e também a partir de uma base documental fornecida pela empresa. Nessa base constava a projeção de preço por produto (moeda fictícia), custos de RV e do diluente necessário para produção do bunker, de setembro/2017 a agosto/2018, e valores fictícios dos rendimentos, que são os fatores de proporção para obtenção da quantidade produzida de cada derivado. Esses valores, por sigilo da empresa, foram ajustados por um fator que possibilita a comparação.
Uma vez coletadas as informações e definido o problema, determinou-se que a modelagem seria feita pelo método Simplex, visando a relação que garanta a maior margem de lucro entre o quanto as UCRs irão consumir de RV e o quanto será utilizado para produção de bunker. A última etapa do trabalho consistiu na análise dos resultados. A Figura 2 apresentada a metodologia adotada.
Figura 2 - Metodologia
Fonte: Autoras
5. Desenvolvimento
A principal entrada de uma UCR é o RV e ambas as UCRs estudadas o convertem em: gás combustível, propano intermediário (PROPINT), gás liquefeito de petróleo (GLP), nafta, gasóleo leve (GOL), gasóleo pesado (GOP) e coque verde de petróleo (CVP).
De acordo as informações fornecidas pela RPBC, a produção diária de RV a ser considerada para a modelagem deve ser 6.250 m³/dia, sendo a carga máxima da UCR1 de 2.600 m³/dia e da UCR2 de 2.750 m³/dia. A soma dessas cargas máximas das unidades resulta em 5.350 m³/dia, sendo assim, existe um envio mínimo compulsório de 900 m³/dia destinado para o
bunker, resultante da diferença entre a produção de RV (6.250 m³/dia) e a capacidade máxima
das UCRs (5.350 m³/dia).
Os dados fornecidos possibilitam a modelagem das duas unidades por meio da construção de patamares de consumo do RV, nomeados de RVK1, RVK2 e RVK3, cujos valores são exibidos na Tabela 1. A diferença entre esses patamares é o rendimento de cada derivado, que se altera de forma gradativa; afetando a rentabilidade.
Tabela 1 - Patamares de consumo RV (m³/dia)
Fonte: PETROBRAS (2017) UCR 1 UCR 2 mín máx mín máx RVK1 0 1300 0 1.300 RVK2 1.300 2.000 1.300 2.000 RVK3 2.000 2.600 2.000 2.750
5.1. Premissas e restrições
Foram utilizadas as projeções mensais (setembro/2017 a agosto/2018) dos preços dos derivados e dos custos do RV e do diluente utilizado para produção de bunker.
Além disso, restrições físicas referentes à capacidade de operação das UCRs foram consideradas. A UCR1 não opera com carga abaixo de 1.300 m³/dia e sua carga máxima é de 2.600 m³/dia; já a UCR2 opera entre 1.300 m³/dia e 2.750 m³/dia.
5.2. Dados obtidos
Foram fornecidos os rendimentos (frações volumétricas) para os três níveis das cargas de cada UCR. A Tabela 2 apresenta os rendimentos para os três intervalos de produção para a UCR1 e a Tabela 3 para a UCR2.
Tabela 2 - Rendimentos UCR1
Fonte: PETROBRAS (2017) Tabela 3 - Rendimentos UCR2
Fonte: PETROBRAS (2017)
Para calcular o lucro, considerou-se um horizonte de planejamento mensal, setembro/2017 a agosto/2018. Foram fornecidos os preços dos derivados do RV e do bunker, Tabela 4; sendo esses valores para ambas as UCRs.
Derivado / Fração volumétrica Carga (m³/dia) 1300 < x ≤ 1301 1301 < x ≤ 2000 2000 < x ≤ 2600 GÁS 58,85 60,85 63,10 PROPINT 0,01 0,01 0,00 GLP 0,01 0,01 0,00 NAFTA 0,15 0,15 0,14 GOL 0,27 0,26 0,26 GOP 0,30 0,30 0,30 COQUE 0,35 0,36 0,37 Derivado / Fração volumétrica Carga (m³/dia) 0 < x ≤ 1300 1300 < x ≤ 2000 2000 < x ≤ 2750 GÁS 47,63 50,55 51,55 PROPINT 0,03 0,03 0,03 GLP 0,03 0,03 0,03 NAFTA 0,19 0,18 0,18 GOL 0,28 0,28 0,27 GOP 0,31 0,30 0,29 COQUE 0,28 0,30 0,30
Tabela 4 - Preço por derivado (moeda fictícia)
Fonte: PETROBRAS (2017)
Além dos dados já apresentados, foram fornecidos os custos do RV e do diluente (usado na produção do bunker), para cada mês, até agosto/2018, Tabela 5.
Tabela 5 - Custos do RV e diluente (moeda fictícia)
Fonte: PETROBRAS (2017)
5.3. Modelo matemático
O modelo foi elaborado a fim de maximizar o lucro mensal obtido no processo de produção das duas UCRs, considerando três níveis de carga consumida em cada unidade, ou seja, o estudo foi feito dividindo a carga máxima de entrada de matéria prima (RV) da UCR em três
Data/
Preço GÁS PROPINT GLP NAFTA GOL GOP COQUE BUNKER set/17 0,04 390,29 258,64 385,05 387,15 350,32 122,62 348,23 out/17 0,03 399,41 260,00 373,56 372,68 337,85 129,21 335,84 nov/17 0,03 417,84 261,26 377,58 373,26 332,93 136,34 330,96 dez/17 0,02 400,07 265,01 389,77 370,62 330,88 142,40 328,92 jan/18 0,02 432,04 278,23 400,94 376,9 337,30 151,03 335,31 fev/18 0,02 440,94 281,2 396,74 386,36 346,97 153,98 344,91 mar/18 0,03 426,88 263,42 409,92 404,58 337,19 157,46 335,27 abr/18 0,03 423,27 263,61 413,00 409,84 352,35 161,01 350,31 mai/18 0,03 403,75 257,32 409,07 411,56 353,56 164,10 351,52 jun/18 0,03 386,68 243,89 397,00 416,25 353,13 167,65 351,10 jul/18 0,02 383,68 247,03 387,56 416,32 348,57 171,23 346,58 ago/18 0,02 372,38 249,20 389,51 422,95 350,37 175,13 348,38
Data/ Custo RV Diluente de baixa
viscosidade set/17 331,55 387,15 out/17 320,05 372,68 nov/17 312,83 373,26 dez/17 311,05 370,62 jan/18 317,48 376,90 fev/18 327,15 386,36 mar/18 305,56 404,58 abr/18 324,79 409,84 mai/18 325,78 411,56 jun/18 323,18 416,25 jul/18 316,70 416,32 ago/18 316,42 422,95
patamares, RVK1, RVK2 e RVK3. Além disso, considerou-se também a divisão do RV disponível, ou seja, as quantidades ideais de RV que deverão ser enviadas para a produção de
bunker ou para as UCRs, respeitando as restrições do problema.
Esse modelo tende a retratar melhor a realidade em relação ao modelo utilizado na RPBC, visto que esse considera uma carga de entrada única e máxima ao longo de toda a faixa de operação das UCRs e rendimentos únicos para os derivados.
Os parâmetros utilizados no modelo são:
Xi,j = Quantidade consumida de RV na UCR i, patamar j
RVprod = Quantidade produzida de RV
RVbunker = Quantidade disponível de RV para a produção de bunker
B = Quantidade produzida de bunker no mês a ser estudado D = Quantidade de diluente necessário no mês a ser estudado Ri,j,k = Rendimento na UCR i, patamar j, para o produto k
Pk = Preço do derivado k no mês a ser estudado
TRV = Proporção de RV utilizado na produção de bunker
Tdil = Proporção do diluente utilizado na produção de bunker Cdil = Custo do diluente no mês a ser estudado
Cbunker = Custo do bunker no mês a ser estudado
CRV = Custo de RV no mês a ser estudado Onde:
I = Unidade de coqueamento retardado i = 1, ... , I
J = Patamares de carga da UCR j = 1, ... , J
K = Derivados resultantes do processo de coqueamento retardado ou bunker
As variáveis de decisão do modelo consistem nos valores consumidos de RV por cada UCR, sendo essas declaradas a seguir:
Xi,j = Quantidade consumida de RV na UCR i, patamar j
A maximização do lucro se dá pelo produto entre a quantidade de RV consumida em cada UCR, os respectivos rendimentos para diferentes patamares de produção e o preço de cada derivado, mostrada na Equação 1, a qual demonstra o rendimento de 1 mês.
Máx Lucro= Pk I i=1 J j=1 ( K k=1
Xi,j× Ri,j,k) + Pk ×B - Cdil ×D - Cbunker ×B - CRV(1) × Xi,j
Como citado, as UCRs da RPBC possuem restrições físicas referente à carga que pode ser processada. Em relação à carga mínima, ambas necessitam de 1.300 m³/dia para operar, Equação 2. E, para a carga máxima, as UCRs possuem diferentes limites, sendo de 2.600 m³/dia para a UCR1 e 2.750 m³/dia para a UCR2.
X1,1,X2,1 ≥ 1.300 m³ dia (2)
Para a elaboração do modelo em três patamares com diferentes rendimentos, optou-se pela construção de um modelo em que a carga acumulasse de um patamar 𝑛 para 𝑛 + 1, sendo assim, o primeiro patamar produz até 1.301 m³/dia (Equação 3) e o segundo até 2.000 m³/dia. Dessa forma, foi considerado que o patamar dois deverá ser menor ou igual a 700 m³/dia, (Equação 4), e maior ou igual a 1 m³/dia (Equação 5).
X1,1, X2,1 ≤ 1.301 m³ dia (3)
X1,2, X2,2 ≤ 700 m³ dia (4)
X1,2, X2,2 ≥ 1 m³ dia (5)
A restrição para o terceiro patamar segue a mesma lógica de acumular com o anterior, porém agora, a variável deve ser menor ou igual a 600 m³/dia para a UCR1 e menor ou igual a 750 m³/dia para a UCR2, devido às suas diferentes capacidades máximas, resultando nas restrições apresentadas na Equação 6 e 7. Além disso, nesse patamar, ambas as UCRs devem ter a produção maior que 0 m³/dia (Equação 8).
X1,3 ≤ 600 m³ dia (6)
X1,3, X2,3 ≥ 0 m³ dia (8)
Devido ao limite citado nas Equações 3 e 4, é necessário que a soma de todos os patamares não ultrapasse a carga máxima que pode ser processada pela UCR, por isso foram definidas as restrições apresentadas nas Equações 9 e 10.
X1,1+ X1,2+ X1,3 ≤ 2.600 m³ dia (9)
X2,1+ X2,2+ X2,3 ≤ 2.750 m³ dia (10)
Considerou-se também a produção de bunker, sendo este composto por 70% de RV e 30% do diluente de baixa viscosidade.
Sendo assim, o modelo foi elaborado para que o RV a ser enviado para o bunker seja a diferença entre a produção diária de RV subtraído pela carga consumida pelas duas UCRs, Equação 11. RVbunker = RVprod - I i=1 Xi,j J j=1 (11)
Como consequência da quantidade de RV enviada para a produção de bunker, é possível calcular a quantidade necessária de diluente, Equação 12.
D = RVbunker
TRV × Tdil (12)
E, é possível obter a quantidade de bunker produzida por meio da Equação 13.
B = RVbunker + D (13)
Para a elaboração do modelo matemático, considerou-se que as variáveis devem ser não negativas, pois não seria condizente um consumo negativo, Equação 14.
5.4. Implementação no Excel
Implementou-se o modelo em uma planilha utilizando o software Microsoft Office Excel®, pois além de facilitar a visualização do mesmo, possibilita a resolução por meio do suplemento Solver, o qual permite a resolução de problemas de programação linear através do algoritmo Simplex.
Para a construção do modelo, consideraram-se as premissas apresentadas na Figura 3, sendo essas os custos de RV e do diluente de baixa viscosidade (coluna E, linha 2 e 3, respectivamente), os rendimentos de cada produto para ambas as UCRs dos três patamares RVK1, RVK2 e RVK3 (colunas B a G, linhas 8 a 14), preços dos derivados e do bunker (coluna H), quantidade de produção de RV diária, RV disponível para bunker, quantidade de diluente necessário e quantidade de produção de bunker (coluna L).
Figura 3 - Premissas
Fonte: Autoras
Como parte da formulação do modelo, foram consideradas restrições e variáveis de decisão, representadas na Figura 4. A tabela compreendida entre a coluna A, linha 19 e coluna G, linha 26, representa a quantidade consumida de RV (m³/dia), para as UCRs.
Os campos azuis da coluna E são as variáveis de decisão, que respeitam restrições físicas das UCRs, para cada patamar RVK1, RVK2, RVK3. Nas linhas 19 e 23, tem-se a restrição da carga mínima para a UCR 1 e UCR 2, respectivamente. Nas linhas 20 e 24, é estruturada a restrição referente ao segundo patamar, em que as cargas vão até 2.000 m³/dia (1.300 m³/dia + 700 m³/dia). E, as linhas 22 e 26 referem-se às cargas máximas das UCRs, sendo a UCR1 de 2.600 m³/dia e da UCR2 de 2.750 m³/dia.
A tabela compreendida entre as colunas I e O, e linhas 17 e 26, mostra a quantidade produzida de cada derivado (m³/dia), que consiste no produto das variáveis de decisão com os rendimentos mostrados na Figura 9.
Figura 4 - Modelo matemático em Excel
Fonte: Autoras
Para melhor visualização da função objetivo, foram estabelecidas as receitas parciais para os patamares das UCRs, mostrado na Figura 5, compreendidos entre as colunas A e D, linhas 29 a 34. Além disso, foram calculados separadamente todos os termos da função objetivo (coluna H), sendo a receita das UCRs a soma das receitas parciais (célula G29), a receita do bunker o produto entre a quantidade produzida e preço do bunker (célula G30), o custo do RV consumido pelas UCRs sendo o produto entre a somatória das variáveis de decisão e o custo do RV (célula G31), o custo do RV para o bunker sendo o produto da quantidade disponível de RV para bunker e o custo do bunker (célula G32), e por último, na célula G33, o custo do diluente, que é o produto da quantidade de diluente necessário e o seu custo. Dessa forma, a fórmula da célula G35 é a função objetivo, sendo a somatória das receitas e subtração dos custos.
Figura 5 - Função objetivo
Fonte: Autoras
5.5. Resultados
O modelo matemático proposto, que visa a otimização do planejamento das duas UCRs, foi validado pelos engenheiros de processo da RPBC. Como resultado, obteve-se as quantidades consumidas de RV (m³/dia) para cada mês, de setembro/2017 a agosto/2018, para as UCRs, considerando cada patamar RVK1, RVK2, RVK3, além da quantidade enviada de RV para a
produção de bunker. As cargas diárias obtidas para cada mês do planejamento de produção podem ser observadas, por UCR e patamar, Tabela 6.
Tabela 6 - Cargas diárias consumidas de RV por UCR, para cada patamar, mensal
Fonte: Autoras
Analisando, tem-se que tanto para UCR1 quanto UCR2, os valores de todos os meses respeitaram a restrição de que as unidades precisam operar no mínimo 1300 m³/dia.
Na maioria dos meses, o patamar RVK2 atingiu sua carga máxima, contudo, conclui-se que para alguns meses seria economicamente viável o uso do RV para produção de bunker.
Para o patamar RVK3 pode-se observar que na maioria dos meses a quantidade zerou, pois financeiramente seria mais interessante enviar o RV para produção de bunker, considerando que esse patamar é o menos rentável devido aos rendimentos; tendo então uma média de 2.000 m³/dia de carga para a alimentação das unidades.
Dessa forma, o modelo proposto permitiu uma avaliação das cargas em relação aos rendimentos pela qual o modelo antigo não permitia, de acordo com os níveis de carga e os respectivos resultados, tornando a margem de lucro mais próxima da realidade.
Os lucros foram calculados para o modelo proposto e o atual utilizado na empresa com base nas variáveis de decisão encontradas para maximizar o lucro do modelo proposto, apresentados na Tabela 7. Data/ Carga (m³/dia) UCR 1 UCR 2 RVK1 RVK2 RVK3 RVK1' RVK2' RVK3' set/17 1300 1 0 1301 1 0 out/17 1300 1 0 1301 700 0 nov/17 1301 1 0 1301 700 0 dez/17 1301 700 750 1301 700 0 jan/18 1300 700 0 1301 700 0 fev/18 1300 0 0 1301 700 0 mar/18 1301 700 0 1301 700 0 abr/18 1300 700 0 1301 700 0 mai/18 1300 700 0 1301 700 0 jun/18 1301 700 0 1301 700 0 jul/18 1301 700 0 1301 700 0 ago/18 1301 700 0 1301 700 0
Tabela 7 - Lucro obtido no modelo proposto x atual
Fonte: Autoras
O gráfico da Figura 6 compara as margens de lucro dos dois modelos, comprovando que o proposto avaliou os rendimentos e a produção diária das unidades, em um horizonte de planejamento mensal, considerando apenas os preços dos derivados e as restrições físicas das unidades, assim maximizando o lucro de acordo com o objetivo traçado.
Figura 6 - Análise variação de lucro para um dia de cada mês
Fonte: Autoras
Uma possível interpretação para o pico em de março/2018 é a de que os custos projetados do RV e diluente serem menores comparados aos outros meses, além dos preços dos derivados
Data/
Lucro Modelo proposto Modelo atual
set/17 $ 8.281,87 $ -4.209,92 out/17 $ 22.933,61 $ 11.654,54 nov/17 $ 59.374,14 $ 48.027,86 dez/17 $ 74.773,19 $ 63.442,86 jan/18 $ 87.922,56 $ 75.692,03 fev/18 $ 72.443,98 $ 60.489,02 mar/18 $ 208.490,52 $ 199.439,70 abr/18 $ 146.660,69 $ 137.602,80 mai/18 $ 145.528,07 $ 136.685,43 jun/18 $ 156.324,61 $ 147.941,24 jul/18 $ 180.689,02 $ 172.198,56 ago/18 $ 201.574,01 $ 193.009,04
estarem mais favoráveis, fator esse que depende dos custos de importação por margens e custos de risco de importação e tributos.
A Figura 7 apresenta o comparativo entre o modelo proposto e o da RPBC, em seus três patamares de estudo. Utilizou-se um dos produtos de uma UCR como exemplo, o GLP; as coordenadas x e y são, respectivamente, o consumo de RV e a quantidade produzida do GLP, ambos em m³/dia.
Figura 7 - Comparativo modelo proposto x atual
Fonte: Autoras
A curva preta representa a produção real de uma UCR; a curva azul demonstra como a projeção é feita pela empresa de acordo com o consumo do RV; e a curva vermelha apresenta os resultados obtidos através do modelo proposto. Nota-se que o comportamento do modelo proposto é mais aderente ao processo real (curva preta), devido aos patamares criados.
7. Conclusão
Devido à importância e lucratividade dos produtos resultantes do processo de Coqueamento Retardado, a Petrobras reconhece a necessidade de dados mais consistentes, que retratem melhor a realidade, a fim de auxiliar no planejamento da produção. Com base nessa situação, o presente trabalho foi capaz de propor um modelo matemático, referente ao balanço de entradas e saídas de duas UCRs, identificando a situação em que o lucro da empresa fosse maximizado, considerando um horizonte de planejamento de produção diária para cada mês, de setembro/2017 a agosto/2018.
O modelo proposto se mostrou viável e foi validado pela empresa por ser coerente com a realidade e prático para uso. Os resultados obtidos mostraram que a UCR1 é mais rentável em relação à UCR2, visto que no caso da segunda, na maioria dos casos, não era economicamente viável utilizar o RV como carga para o terceiro patamar, sendo mais rentável enviá-lo para produção de bunker.
A modelagem proposta foi comparada com a atual utilizada pela empresa por meio do balanço de rentabilidade para o processo de produção das UCRs e bunker, sendo assim, esse balanço foi calculado a partir das cargas obtidas por meio da resolução do modelo matemático utilizando o suplemento Solver, Microsoft Office Excel®, sendo esse capaz de atender as necessidades requeridas, apresentando resultados confiáveis, de forma simples e de fácil entendimento caso sejam necessárias futuras alterações no modelo.
Observou-se que os lucros mensais no modelo proposto são maiores em relação aos atuais. Como resposta para essa questão, pode-se dizer que o modelo proposto é mais próximo da realidade por considerar diferentes valores como carga e rendimentos, além de avaliar qual é a situação mais rentável entre enviar o RV para uma das UCRs ou para a produção de bunker. Por se tratar de termos e processos complexos, algumas limitações foram encontradas no decorrer do desenvolvimento, principalmente em relação à definição do problema. A pesquisa e o estudo foram detalhados até um nível necessário e satisfatório para o entendimento do todo, possibilitando que os dados fossem utilizados de maneira correta e lógica. Apesar dessa necessidade de pesquisa e conhecimento técnico específico sobre petróleo e UCRs, os resultados obtidos foram satisfatórios tanto para a conclusão do trabalho quanto para a empresa.
Como sugestão para trabalhos futuros, é importante considerar a interdisciplinaridade visto que o planejamento de produção pode ter uma aderência maior ou menor dependendo da composição química do petróleo e das reações químicas que ocorrem nas UCRs, por afetarem o rendimento dos produtos. Dessa forma, ter-se-á uma maior consistência de pesquisa, o que torna os resultados ainda mais confiáveis e próximos da solução ótima do planejamento de produção.
6. Agradecimentos
REFERÊNCIAS
BARQUETTE, André Vanzelote. Avaliação da melhor localização do sistema de mistura em uma linha de diesel da REDUC. 2008. 112 f. Dissertação (Mestrado em Engenharia Industrial) – Pontifica Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2008. Disponível em:
<https://www.maxwell.vrac.puc-rio.br/11898/11898_1.PDF>. Acesso em: 03 dez. 2017.
NEIVA, Jucy. Conheça o Petróleo. 6.ed. Rio de Janeiro: Expressão e Cultura, 1993.
FÁVERO, Luiz Paulo; BELFIORE, Patrícia. Pesquisa operacional para cursos de engenharia. Rio de Janeiro: Elsevier, 2013.
GARCIA, Roberto. Combustíveis e combustão industrial. Rio de Janeiro: Interciência, 2002.
PETROBRAS. Refino. [2017]. Disponível em: <http://www.petrobras.com.br/pt/nossasatividades/areas-de-atuacao/refino/>. Acesso em: 29 abr. 2017.
QUELHAS, André Domingues et. al. Processamento de Petróleo e Gás: Petróleo e seus derivados, processamento primário, processos de refino, petroquímica, meio ambiente. 2.ed. Rio de Janeiro: LTC, 2014 SILVA, Ernes Medeiros da; SILVA, Elio Medeiros da; GOLÇALVES, Valter; MUROLO, Afrânio Carlos. Pesquisa operacional para os cursos de administração e engenharia: programação linear. 4.ed. São Paulo: Atlas, 2010.
