Aplicación de técnicas computacionales en Ingeniería de Petróleo
Transcrição
Aplicación de técnicas computacionales en Ingeniería de Petróleo
Aplicación de técnicas computacionales en Ingeniería de Petróleo: Casos en Petrobras D.Sc. Yván Jesús Túpac Valdivia Universidad San Pablo 17 de Noviembre de 2012 Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 de deNoviembre Petróleo: Casos de 2012 en Petrobras 1 / 70 Contenido 1 Ingeniería de Petróleo Definición Áreas de actuación Empresa PETROBRAS 2 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI-CI Proyecto SMART-E&P Proyecto CONFPETRO 3 Producción académica obtenida 4 Bibliografía Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 de deNoviembre Petróleo: Casos de 2012 en Petrobras 2 / 70 Ingeniería de Petróleo Definición Ingeniería de Petróleo Definición Área de estudio interdisciplinar que combina métodos científicos y prácticos orientándolos al desarrollo y aplicación de técnicas para descubrir, explotar, desarrollar, transportar, procesar y tratar los hidrocarburos desde su estado natural (en el yacimiento), hasta los productos finales o derivados. Están involucradas entre otras, las siguientes áreas de conocimiento: Ingeniería Mecánica Ingeniería Civil Geología e Ing. Geológica Ingeniería Eléctrica, electrónica Computación Ingeniería Industrial Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 de deNoviembre Petróleo: Casos de 2012 en Petrobras 3 / 70 Ingeniería de Petróleo Áreas de actuación Ingeniería de Petróleo Áreas de actuación Se tienen las siguientes áreas de actuación: 1 Ingeniería de Yacimientos 2 Ingeniería de pozos 3 Proceso de producción 4 Análisis económico Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 de deNoviembre Petróleo: Casos de 2012 en Petrobras 4 / 70 Ingeniería de Petróleo Definición Ingeniería de Petróleo Ingeniería de Yacimientos El desafío principal es poder desplazar los fluidos desde el interior de las rocas tal que puedan llevarse hacia la superficie. Algunas de sus áreas de estudio son: Caracterización de los yacimientos Propiedades geológicas de rocas Propiedades de fluidos Modelamiento y simulación de yacimientos History Matching Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 de deNoviembre Petróleo: Casos de 2012 en Petrobras 5 / 70 Ingeniería de Petróleo Definición Ingeniería de Petróleo Ingeniería de Pozos Todo lo relacionado a la construcción de pozos petroleros Sondas de perforación Cementaciones Estructuras Estabilidad de pozos Perforación off-shore Completaciones (conexión entre pozo y yacimiento) Pozos sensoriados (inteligentes) Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 de deNoviembre Petróleo: Casos de 2012 en Petrobras 6 / 70 Ingeniería de Petróleo Definición Ingeniería de Petróleo Proceso de Producción Garantizar que el óleo fluya hasta la superficie. Existe elevación natural (suficiente presión) y elevación artificial: Gas lift Bombeo centrífugo inverso Bombeo mecánico Inyección de agua Inyección de gas. Recuperación mejorada: uso de polímeros, agentes biológicos, solventes, vapor Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 de deNoviembre Petróleo: Casos de 2012 en Petrobras 7 / 70 Ingeniería de Petróleo Definición Ingeniería de Petróleo Análisis Económico Analizar la factibilidad económica de un proyecto petrolífero, auxiliando en la toma de decisión de explorar un yacimiento petrolífero o expandir el proyecto: Modelos de precios de commodities Análisis de incertidumbre y riesgo Optimización de alternativas de E&P Opciones de expansión Inversión en información Optimización de producción y operación de pozos Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 de deNoviembre Petróleo: Casos de 2012 en Petrobras 8 / 70 Ingeniería de Petróleo Empresa PETROBRAS Empresa PETROBRAS Sociedad Anónima de Capital Abierto, cuyo accionista mayoritario es el Gobierno Brasileño1 . Actuación como empresa de Energía con los siguientes rubros: Exploración y Produción (E&P) Refinería Comercialización y transporte de óleo y gas natural Petroquímica Distribuición de derivados Electricidad Biocombustibles y outras fontes renováveis de energia. 1 www.petrobras.com.br Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 de deNoviembre Petróleo: Casos de 2012 en Petrobras 9 / 70 Proyectos en Ingeniería de Petróleo Sistema de Producción Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 10 / 70 Proyectos en Ingeniería de Petróleo Proyectos en Ingeniería de Petróleo 1 ANEPI: Análise Econômica de Projetos de Exploração e Produção E&P de Petróleo sob Incerteza (F1, F2, F3) Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 11 / 70 Proyectos en Ingeniería de Petróleo Proyectos en Ingeniería de Petróleo 1 ANEPI: Análise Econômica de Projetos de Exploração e Produção E&P de Petróleo sob Incerteza (F1, F2, F3) 2 ANEPI-CI: Análise Econômica de Projetos de Exploração e Produção E&P de Petróleo em Campos Inteligentes Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 11 / 70 Proyectos en Ingeniería de Petróleo Proyectos en Ingeniería de Petróleo 1 ANEPI: Análise Econômica de Projetos de Exploração e Produção E&P de Petróleo sob Incerteza (F1, F2, F3) 2 ANEPI-CI: Análise Econômica de Projetos de Exploração e Produção E&P de Petróleo em Campos Inteligentes 3 CONFPETRO: Sistema de Caracterização da Confiabilidade Humana para a Área de Petróleo Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 11 / 70 Proyectos en Ingeniería de Petróleo Proyectos en Ingeniería de Petróleo 1 ANEPI: Análise Econômica de Projetos de Exploração e Produção E&P de Petróleo sob Incerteza (F1, F2, F3) 2 ANEPI-CI: Análise Econômica de Projetos de Exploração e Produção E&P de Petróleo em Campos Inteligentes 3 CONFPETRO: Sistema de Caracterização da Confiabilidade Humana para a Área de Petróleo 4 SMART-E&P: Sistemas e Modelos Inteligentes Aplicados a Reservatórios com Tecnologia de Malha Fechada para a Exploração e Produção de Petróleo e Gás Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 11 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI ANEPI: Análise Econômica de Projetos de E&P de Petróleo sob Incerteza Objetivo: Desarrollo de tecnologías para el Análisis de Alternativas de Desarrollo de Campos de Petróleo bajo Incertidumbre Técnica y de Mercado Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 12 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI ANEPI: Análise Econômica de Projetos de E&P de Petróleo sob Incerteza Objetivo: Desarrollo de tecnologías para el Análisis de Alternativas de Desarrollo de Campos de Petróleo bajo Incertidumbre Técnica y de Mercado Reservorio Petrolı́fero Alternativa de Desarrollo Optimización (Algoritmo Evolutivo) Evaluación Económica (VPN) Dr. Yván Túpac (UCSP) Simulación de Reservorio Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 12 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI ANEPI: Análise Econômica de Projetos de E&P de Petróleo sob Incerteza Este proyecto constó de los siguientes módulos: 1 Optimización de alternativas en condiciones de certeza 2 Análisis de Alternativas de Desarrollo de Campos Petrolíferos bajo incertidumbres técnicas y de mercado 3 Cálculo del Valor de Opción considerando incertidumbre técnica y de Mercado Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 13 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Optimización de alternativas en condiciones de certeza Encontrar una o más alternativas iniciales de desarrollo óptimas: número, localización, tipo, orden de perforación y dimensión de pozos petroliferos. Aplicación de Computación Evolutiva [1, 2, 3, 4]. Alternative Wells layout Evolutionary Model Objective function Expert knowledge Reservoir simulator Production curve CapEx NPV compute NP V = V − D Dr. Yván Túpac (UCSP) Reservoir model OpEx Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 14 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Optimización de alternativas en condiciones de certeza Modelo evolutivo: 1 Representación: uso de un modelo de cromosoma con tamaño variable (para soportar alternativas con cantidades diferentes de pozos) y usando las estrategias de cromosoma creciente y cromosoma oscilante [5] Máscara de activación mi 0 1 0 1 1 0 1 0 Genotipo gi Verticales i, j i, j Inyectores Dr. Yván Túpac (UCSP) i, j Horizontales i, j Productores i, j, k i, j, k i, j, k i, j, k dir, l dir, l Inyectores dir, l dir, l Productores Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 15 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Optimización de alternativas en condiciones de certeza Modelo evolutivo: 2 Evaluación: que consta de dos etapas: i Simulación de la producción para la alternativa de pozos de cromosoma: para obtener las curvas de producción de óleo, gas y agua. Uso de un simulador de fluidos para modelo blackoil. ii Cálculo del Valor Presente Neto de la alternativa del cromosoma a partir de la producción, información geométrica y datos de mercado. Uso de ecuaciones para el flujo de caja descontado. Se hace uso de la arquitectura master-slave para evaluaciones en paralelo [3, 6] Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 16 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Optimización de alternativas en condiciones de certeza Modelo evolutivo: Simulación de producción Alternativa (Cromosoma) AE Evaluación de la alternativa Parámetros de mercado, inversión y operación Script de pozos Información de malla y pozos VPN Geometrı́a de la malla INCLUDE Información de la geologı́a de rocas parámetros PVT , , info de pozos Datos de producción: óleo, gas, agua y pasos de simulación Dr. Yván Túpac (UCSP) Simulador blackoil (CMG/IMEX) Archivos de salida (.OUT .MRF .IRF) Filtro de salida Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 17 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Optimización de alternativas en condiciones de certeza Modelo evolutivo: Cálculo del VPN NPV = PV − D nw D = ( fhw a + r)nw + b + ∑ |p j − p plat |c PV = (PVInc − PVOp ) (1 − I) T PVInc = ∑ Inc(ti )e−ρti i=1 G(t) Poil (t) Inc(t) = Q(t) + 1000 Dr. Yván Túpac (UCSP) j=1 T PVOp = ∑ Op(ti )e−ρti i=1 Op(ti ) = mnw +Vc Q(ti ) + Ry Inc(ti ) + Fc +WcW (ti ) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 18 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Optimización de alternativas en condiciones de certeza Ejemplo de Aplicación: Se usó un modelo de campo petrolífero homogéneo que consiste en una malla de 30 × 30 × 1 con los siguientes parámetros geológicos: Parámetro Permeabilidad Porosidad Presión inicial Saturación agua Dr. Yván Túpac (UCSP) Valor 1000.00 0.20 100.00 0.2 Unidad md kg cm 2 Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 19 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Optimización de alternativas en condiciones de certeza Ejemplo de Aplicación – Experimento 01 (Aleatorio): Respuesta ante una inicialización totalmente aleatoria. La respuesta encontrada es la siguiente: VINJ VINJ VINJ VINJ VPRO HPRO1 Parámetro VPN Petróleo Valor 1699.122 364.075 Unidad (MUS$) (Barriles) VPRO VPRO VPRO VPRO HINJ VPRO VPRO HINJ VPRO VINJ VPRO VINJ Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 20 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Optimización de alternativas en condiciones de certeza Ejemplo de Aplicación – Experimento 02 (S. Inicial): Alternativa optimizada: Alternativa “five-spot” original HINJ1 HINJ8 HPRO3 HINJ2 HINJ7 HPRO4 HINJ13 HINJ8 HPRO3 HPRO4 VINJ3 VINJ4 HINJ5 HINJ4 HINJ6 HINJ10 VINJ1 VINJ6 HINJ11 VINJ5 HPRO2 HPRO1 HPRO2 HPRO1 VINJ2 HINJ3 Parámetro VPN Petróleo HINJ7 Valor 1397.981 297.025 Dr. Yván Túpac (UCSP) HINJ9 Unidad (MUS$) (Barriles) HINJ9 Parámetro VPN Petróleo HINJ12 Valor 1667.821 359.100 HINJ14 Unidad (MUS$) (Barriles) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 21 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Análisis de Alternativas de desarrollo de campos petrolíferos bajo incertidumbres Análisis de Alternativas de Desarrollo de Campos Petrolíferos bajo incertidumbres técnicas y de mercado. Regla de Decisión Óptima Uso de Algoritmos Genéticos [7] GENETIC ALGORITHM Decision Rule (Threshold Curve) Handling Linear Constraints Evaluation Option Value Sim. Monte Carlo (Oil Price) Decisi on Rule by Genetic Algorithm Stochastic Process for a Commodity 34 Re g io n of Al te rna t ive 3 32 30 28 Geometric Brownian Motion Mean Reversion Process Waiting Regi on 26 24 Reg io n o f Alt er n a tiv e 2 Oil Price (US $) 22 20 18 Waiting Regi on 16 Re gi on of Alt ern at iv e 1 14 12 10 8 6 Pseudo Random Latin Hypercubic Sampling Dr. Yván Túpac (UCSP) 4 2 73 1. 89 1.9 4 1. 15 1 1 .23 3 1 .3 1 5 1.3 9 7 1.4 79 1.5 62 1. 64 4 1 .72 6 1 .8 08 2 68 1.0 4 86 0.7 0.9 0 0.9 75 0. 65 8 0 .8 2 9 1 93 0.5 0.3 2 0.4 0.4 1 0 .24 7 0 0.0 00 0.0 82 0. 164 Generator and sampler of random numbers Ti me (ye ars ) A lter native 1 Waiting 1 Alte rna tive 2 Wait in g 2 A lter native 3 Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 22 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Análisis de Alternativas de desarrollo de campos petrolíferos bajo incertidumbres Modelo evolutivo: Para decidir qué alternativa será aplicada se usa una “curva de disparo” por cada alternativa, que suele aproximarse mediante una curva logarítmica más un punto libre a + b log(τ ) y para periodos de espera (sin tomar decisión), se definen curvas de espera de la forma aW + bW log(τ ) donde los parámetros (a, b, aW , bW ) y los puntos libres son obtenidos por el modelo evolutivo por cada alternativa Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 23 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Análisis de Alternativas de desarrollo de campos petrolíferos bajo incertidumbres Modelo evolutivo: Representación: cada gen del cromosoma almacena los parámetros de una curva logarítmica más su punto libre Punto Libre1 Punto Libre2 Punto Libre3 Punto LibreN b1 b2 b3 bN a1 a2 a3 aN Gen1 Gen2 Gen3 Dr. Yván Túpac (UCSP) ... GenN Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 24 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Análisis de Alternativas de desarrollo de campos petrolíferos bajo incertidumbres Modelo evolutivo: Evaluación: Simular con Montecarlo varios caminos de precio de petróleo y calcular el valor de opción de las alternativas ejercidas Precio Commodity Ejercer Curva de disparoo Esperar Tiempo t1 T Expiración Luego, calcular el valor medio de todas las simulaciones Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 25 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Análisis de Alternativas de desarrollo de campos petrolíferos bajo incertidumbres Modelo evolutivo: Experimento Dadas las siguientes alternativas: Tamaño estimado de reserva (B) Calidad de reserva (q) Inversión de desarrollo (D) Alternativa 400 M(bbl) Alternativa 2 400 M(bbl) Alternativa 3 400 M(bbl) 8% 400 (MUS$) 16% 1000 (MUS$) 22% 1700 (MUS$) Considerar dos funciones estocásticas de precio de petróleo: Movimiento Genométrico Browniano Regresión a la media Comparar con la metodología “clásica” con Ecuaciones Diferenciales Parciales y evaluar el VPN de la alternativa escogida Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 26 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Análisis de Alternativas de desarrollo de campos petrolíferos bajo incertidumbres Modelo evolutivo: resultados Modelo Evolutivo 325.063 305.840 MGB MRM E.D.P. 323.340 313.860 Curvas de disparo para precio con MGB Decision Rule by Genetic Algorithm Decision Rule by D.P.E. 34 36 Region of Alternative 3 34 30 32 30 28 28 24 Region of Alternative 2 20 18 Waiting Region 16 Region of Alternative 1 14 12 20 18 Waiting Region 16 Region of Alternative 1 14 12 10 10 8 8 6 6 4 Region of Alternative 2 22 Oil Price (US$) 22 4 2 2 0 9 73 1.8 1.9 44 08 1.8 62 26 1.7 79 1.6 15 97 1.5 1.4 1.3 1.3 68 33 1.2 86 51 1.1 04 1.0 0.9 0.9 58 22 0.7 4 0.8 0.6 11 75 0.5 29 93 0.4 0.4 0.3 82 64 47 0.2 0.1 00 0.0 Time (years) 0.0 00 2. 70 80 60 40 50 90 1. 1. 1. 1. 1. 1. 20 30 1. 1. 90 00 80 70 10 1. 1. 0. 0. 0. 50 30 40 20 60 0. 0. 0. 0. 0. 10 0 0. Oil Price (US$) 24 00 Waiting Region 26 Waiting Region 26 0. Region of Alternative 3 32 Time (years) Alternative 1 W aiting 1 Dr. Yván Túpac (UCSP) Alternative 2 W aiting 2 Alternative 3 Alternative 1 Waiting 1 Alternative 2 Waiting 2 Alternative 3 Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 27 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Cálculo del Valor de Opción considerando incertidumbre Cálculo del Valor de Opción bajo incertidumbre técnica y de mercado Uso de Opciones Reales y Números Fuzzy [8, 9, 10] Market Uncertainty Stochactic Process for a Commodity Geometric Brownian Motion Mean Reversion Process Mean Reversion Process with jumps Generator and sampler of random numbers Calculation of the Threshold Curve: Algorithm of Grant, Vora and Weeks Modified for Fuzzy Numbers Pseudo-random Quasi Monte Carlo Monte Carlo Simulation to Determine the Real Option Value (Fuzzy Number) Real Option Value (Fuzzy Mean) Fuzzy Numbers Technical Uncertainty Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 28 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Cálculo del Valor de Opción considerando incertidumbre Sea un campo, no desarrollado con intertidumbre en el tamano de reserva B y calidad económica q (vistas como una distribución triangular). Se puede reducir el riesgo invirtiendo en obtener nueva información de la reserva Se debe evaluar cuál es la mejor opción de invertir en información y si vale la pena esta inversión si el precio del petróleo sigue un proceso estocástico (MRM o MGB). Para k alternativas concosto de desarrollo D(Bk ), el VPN se calcula: NPV(P)k = V (P)k − D(B)k = qk PBk − D(Bk ) Dr. Yván Túpac (UCSP) (1) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 29 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Integración [11, 12] GENETIC ALGORITHM Experts’ knowledge Decision Rule (Thr esho ld Cur ve) Ha nd li ng L ine ar Co n st ra in ts Evol ution ar y Alg orithm Genet ic operators Evalu ation Option Value Sim. Monte Car lo ( Oil Pri ce) Sto ch as ti c Pr o ces s fo r a Co m mo di ty D e c is i o n R u le Objective Function b y G e n e ti c A lg o r it h m 3 4 3 2 R e g io n o f A lt e r n a ti v e3 3 0 2 8 W C APEX Parame ters R e g io n o f A lt e rn a ti v e 2 2 2 2 0 1 8 W a it n g R e g io n 1 6 Re g i o nof 1 4 A lte r n a t iv e 1 1 0 8 6 4 2 OPEX Parame ters 9 6 9 8 8. 4 NPV = V − D 73 4 72 0 62 1 47 . 1. NPV Com puting 9. 6. 5. 8. Optimized alternatives 1 1 1 1 1 4 4 7 5 9 31 1. 3. 1 8 51 8 3 2 7. 75 90 5 6 2 1. 3 86 0 1 0. 8. 9. 0. 2. 6. 0 1 0 1 0 1 3 9 2 64 4 1 49 8 0 32 1. 0 5. 4. 2. 0. 0. 0. . 0 0 0 0 0 7 0 0 o f r a nd o m nu m b er s Production C ur ve a it n g R e g io n 2 4 1 2 Gen e ra to r an d sa m ple r Wells La yout R eser voir Model 2 6 O i lP r ic e (U S $ ) Geom etri c Br ownia n Mot ion Mean Rev ersio n Pr ocess Reservoir Simulator (or Proxy) Alter nativ e T i me (y e a rs ) A tl e r n a t v i e 1 Wa n ti g 1 A tl e r n a ti e v 2 W a i n ti g 2 A te l r n a ti e v 3 Pse udo Ran dom Lati n Hyper cubic Samp ling Decision Rule M ark et Unc ertaint y Stochactic Process for a Comm odi ty Ge om et ric B ro wnia n M o tion Me an Re ve rsio n Pr oc ess Me an Re ve rsio n Pr oc ess with jum p s Generator and samp ler of r an dom num bers Option value considering the value of the expansion option or investment in information Pse u do - ra n do m Q ua si Mo n te Ca r lo Cal culati on of th e Thresho ld Cu rve: Algo rithm of Grant, Vo ra and Weeks Modi fied for F uzzy Num bers M onte Carlo S im ulatio n to Deter mine the Real Op ti on Value (F u zzy Nu m be r ) Real Op ti on Valu e ( F uz zy Me an ) Fu zzy Num bers Technic al Unc ert ainty Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 30 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Otros productos Se implementó una herramienta de evaluaciones en paralelo usando CORBA para la evaluación de individuos del modelo evolutivo [6, 4] Envia Arquivo .DAT e .INC Parâmetros para o VPL: Parâmetros do campo e poços Requisição de inicialização Requisição de status Envia Requisição de simulação Requisição de status Retorna VPL (Avaliação), Custo de Desenvolvimento, Óleo Acumulado, ACK da avaliação Retorna ACK da inicialização Módulo Avaliador Módulo de Dados Cenário de Avaliação Retorna Status atual do cenário Dr. Yván Túpac (UCSP) Módulo de Serviços Motor Simulador Estrutura Dados Retorna Status atual do avaliador Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 31 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI Proyecto ANEPI Otros productos Esta estructura también fue utilizada por otros modelos de búsqueda desarrollados por el Centro de Pesquisas de Petrobras [13] Envia Parâmetros para o VPL: Requisição de status Retorna ACK da inicialização Retorna Status atual do módulo simulador Envia Requisição de simulação Requisição de status Requisição para Arquivos de Simulador Retorna VPL (Avaliação), Custo de Desenvolvimento, Óleo Acumulado, ACK da avaliação Módulo Simulador Módulo de Dados Módulo de Serviços Cenário de Avaliação Motor de Simulação Estrutura Dados Envia Arquivos para Simulação (.DAT, .INC) compactados Retorna Arquivos com respostas da simulação (.RWO) Dr. Yván Túpac (UCSP) TFTP Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 32 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Proyecto ANEPI-CI ANEPI-CI: Análise Econômica de Projetos de Exploração e Produção E&P de Petróleo em Campos Inteligentes Desarrollo de tecnologías para el Análisis de Alternativas de Desarrollo de Campos de Petróleo Inteligentes Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 33 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Proyecto ANEPI-CI Objetivos Objetivo 1: Investigar y proponer un sistema de optimización bajo incertidumbre geológica y de confiabilidad a emplear en el desarrollo y gestión de un reservorio inteligente de petróleo. Determinar estrategias óptimas de producción y apoyar en la decisión de usar o no pozos inteligentes Uso de Computación Evolutiva y Simulación Monte Carlo [14, 15] Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 34 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Proyecto ANEPI-CI Objetivos Objetivo 1: Investigar y proponer un sistema de optimización bajo incertidumbre geológica y de confiabilidad a emplear en el desarrollo y gestión de un reservorio inteligente de petróleo. Determinar estrategias óptimas de producción y apoyar en la decisión de usar o no pozos inteligentes Uso de Computación Evolutiva y Simulación Monte Carlo [14, 15] Objetivo 2: Perfeccionamiento de las herramientas desarrolladas en el proyecto ANEPI (F1,F2,F3) STarWeb: Sistema de Distribuição de Tarefas em Redes Herramienta ANEPI Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 34 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Proyecto ANEPI-CI Campos Inteligentes Apoyo a la decisión de uso de pozos inteligentes Estrategias óptimas de producción y apoyo a la decisión de usar pozos inteligentes. Este sistema debe ser capaz de: Evaluar el uso de completaciones inteligentes en presencia de falla en válvulas Optimizar una configuración de operación de válvulas (de tipo on/off o continuas) cuando se usa pozos inteligentes. Determinar la mejor estrategia de operación de válvulas cuando existe incertidumbre geológica. Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 35 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Proyecto ANEPI-CI Campos Inteligentes Se modeló e implementó el siguiente sistema [14, 16, 17, 15]: Sistema de Otimização do Controle de Válvulas de Poços Inteligentes sob Incertezas Módulo Otimização do Controle de Válvulas On/Off ou Abertura Contínua (Algoritmos Genéticos) VPL Otimizado Condição das Válvulas Valor Módulo Função Objetivo IMEX (Simulador de Reservatório) Módulo Tratamento de Incerteza Geológica do VPL Cenário de falha das válvulas Cenários Geológicos Curva de Produção Cenário Financeiro para Cálculo do VPL Módulo Tratamento de Incerteza de Falha (MC,QMC) Dr. Yván Túpac (UCSP) Cálculo do VPL Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 36 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Proyecto ANEPI-CI StarWeb: Sistema de distribución de Tareas en Red Simulación paralelizada de alternativas de producción (usando simulador de flujos) Uso de una arquitectura en estrella y recursiva para distribuir las tareas a lo largo de ejecutores y otros distribuidores Uso de WEB Services que aplican comunicación en http:// y facilidad de distribución inter-redes Uso de XML para especificación de tareas Multiplataforma Puede ser usado con otros sistemas Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 37 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Proyecto ANEPI-CI StarWeb y Herramienta ANEPI StarWeb: Sistema de distribución de Tareas en Red Aplicativo Web de Comando e Administração Executor Executor Executor Distribuidor Aplicação Cliente Distribuidor Facilidade de transposição de firewalls Rede 1 Dr. Yván Túpac (UCSP) 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 0000000000000000000 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 Executor Rede 2 Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 38 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Proyecto ANEPI-CI StarWeb y Herramienta ANEPI Herramienta ANEPI [18] ANEPI GACom BD local Executor (WebService) Facilidade de transposição 0de 0 0 0 0 0 0firewalls 00000000000000 Rede 1 Executor Distribuidor (WebService) (WebService) 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 Rede 2 Distribuidor (WebService) Executor Executor (WebService) (WebService) STarWeb Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 39 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Visión Integrada del Proceso E&P Extraído de [19, 20] Perfurações, construção e operação Sistema produtor Monitoração Planta de tratamento e compressão Sistema injetor Otimização da produção Controle Caracterização no subsolo Área de drenagem Atualização de modelo Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 40 / 70 Proyectos en Ingeniería de Petróleo Proyecto ANEPI-CI Visión Integrada de la Gestión E&P Nanotecnologia EOR Opções Reais Novas Tecnologias Análise Econômica e de Risco e Otimização Novos materiais BD Alternativa de desenvolvimento Sensoriamento, monitoração real-time Análise Integrada de Dados Controle e Otimização (Campo Inteligente) Dr. Yván Túpac (UCSP) Inversão Sísmica Ajuste Histórico Modelo do Sistema Modelo de reservatório Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 41 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Visión Integrada de la Gestión E&P Nanotecnologia EOR Opções Reais Novas Tecnologias Análise Econômica e de Risco e Otimização Novos materiais BD Alternativa de desenvolvimento • Módulo 1 – Otimização de Alternativas com Poços Multilaterais Sensoriamento, monitoração real-time Inversão Sísmica Módulo 4 – Ajuste Análise Integrada Histórico Inteligente Ajuste Histórico de Dados Controle e Otimização (Campo Inteligente) Modelo do Sistema • Módulo 2 – Controle Pró-Ativo: Otimização de Posicionamento e Controle de Válvulas • Módulo 3 – Controle Reativo Dr. Yván Túpac (UCSP) Modelo de • Módulo 5 – Proxy de Reservatório reservatório Usando Caos Polinomial • Módulo 6 – Estimação dinâmica do modelo de reservatório Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 42 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P SMART E&P: Sistemas e Modelos Inteligentes Aplicados a Reservatórios com Tecnologia de Malha Fechada para a Exploração e Produção de Petróleo e Gás Proyecto que integra varios frentes de investigación en el área de E&P organizados como módulos de acuerdo a su área de aplicación: 1 Otimização de Alternativas com Poços Multilaterais 2 Controle Pró-Ativo: Otimização de Posicionamento e Controle de Válvulas 3 Controle Reativo da produção 4 Estimação dinâmica do modelo de reservatório sob incertezas 5 Inversão Sísmica 3D Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 43 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P Optimización de Alternativas con pozos Multilaterales Comp. Evolutiva para optimizar alternativas con pozos multilaterales [21] Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 44 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P Optimización de localización y operación de válvulas Se optimiza: Cantidad y localización de las válvulas Considera incertidumbre técnica y geológica usando simulación Monte Carlo Estudio de expansiones para modelar las incertidumbres Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 45 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P Control reactivo de la producción Modelo de control lazo cerrado de producción a corto y medio plazo Identificación del modelo de reservorio: Neuronal, Lineal, no lineal Optimización: Reinf. Learning, MPC, Algoritmos Evolutivos [22, 23] Tratamiento de incertidumbre del modelo de reservorio: QIEA-R. a * (t ) OSP GSP WSP 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ˆ 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 a(t ) 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 Otimização 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000da 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00estratégia 0 0 0 0 0 0 0 0 0 0 0 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00de 0 0 0 0 0 0 0 0 0Controle 0 0 0 0 0 0 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ˆ 00 00 00 00 00 00 00 00 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 O(t + 1) Gˆ (t + 1) Wˆ (t + 1) O (t + 1) Reservatório 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00P00 00 00(00 t00 00 00+00 00 00100 00)00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 Modelo proxy do 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00Reservatório 000000000000000000000000000000000000000000000000000000000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 G (t + 1) W (t + 1) Nova informação Modelo de Incertezas Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 46 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P Control reactivo de la producción Control de waterflooding usando Reinforcement Learning Incrementar factor de recuperación controlando el watercut por presión de fondo (BHP) o water injection rate (STW) ti VPLi AGENTE - Matriz Q(a, s) - Q-learning Ação ai = STWa,i - Polı́tica Prêmio - CAPEX/OPEX VPLi+1 - Mercado - Cálculo VPL ti+1 Dr. Yván Túpac (UCSP) Oi+1 Gi+1 Wi+1 AMBIENTE - Rotina de RESTART - Simulador IMEX - Results Report Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 47 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P Control reactivo de la producción Control de waterflooding usando Reinforcement Learning Incrementar factor de recuperación controlando el watercut por presión de fondo (BHP) o water injection rate (STW) Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 48 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P Proxy de reservorio con característica recursiva J BHPIN t−1 ROD BHPP t−1 Entradas Recursivas Av.Pressuret−1 Oilt−1 MODELO DE RESERVORIO Watert−1 (Recursivo) Av.Pressuret Oilt Watert Gast−1 Gast Watercutt−1 Watercutt Dr. Yván Túpac (UCSP) Reservorio Control Modelo de Reservorio cuyas saidas pueden ser reaprovechadas para un próximo paso de previsión (multistep forecasting) [22]. Estimación de modelo clásica y neuronal Aplicabilidad en el control de producción Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 49 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P Estimación dinámica del modelo de reservorio bajo incertidumbre Estimación de los Parámetros geológicos del modelo de reservorio bajo incertidumbre usando [24] Expansión de PCA Karhunen-Loève para actualizar los parámetros Inversión bayesiana para auxiliar en la actualización. Ruído Entrada Algoritmo de Controle Sistema Real Otimização Saída Ruído Sensores Modelo aproximado do reservatório Algoritmo de Atualização (Expansão K-L) Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 50 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P Inversión Sísmica 3D – Estimación dinámica del modelo de reservorio bajo incertidumbre Desarrollo de un método de estimación de parámetros sísmicos para un modelo de capas en 3D con baja inclinación a partir de datos de reflexión sísmica usando Computación Evolutiva Híbrida [25] Receptores Malla Fuentes V1 V2 y x z Dr. Yván Túpac (UCSP) V3 Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 51 / 70 Proyectos en Ingeniería de Petróleo Proyecto SMART-E&P Proyecto SMART E&P Gestión Integrada y Soporte a la Decisión E&P Sistema de Gerência de Arquivos Sistema ANEPI Módulo de Otimização de Alternativas de Exploração Poços Multilaterais Módulo de Análise de Decisão de Alternativas por Opções Reais sob Incertezas Módulo de Modelos de Reservatórios Servidor BD Módulo de Análise de Decisão do Uso de Poços Inteligentes • Otimização de Localização e Controle de Válvulas sob Incertezas Campos Alternativas Poços Proxy Sistema de Controle de Produção Módulo de Otimização Waterflood Módulo de Controle Reativo de Válvulas Gerador de Modelo de Reservatório Sistema de Modelagem Dinâmica de Reservatórios Simuladores IMEX Módulo de Dados Sísmicos Simulador com Incertezas Módulo de Estimação dos parâmetros sob Incerteza Sistema Real Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 52 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO Sistema de Caracterização da Confiabilidade Humana para a Área de Petróleo Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 53 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO Sistema de Caracterização da Confiabilidade Humana para a Área de Petróleo Crear un sistema basado en lógica Fuzzy para reduir las posibilidades de error humano en el Area de Petróleo [26, 27]. Para las actividades de operación, mantenimiento e inspección de trasferencia y almacenamiento en la REDUC (Refinaria Duque de Caxias – RJ) Unidad de Producción de Gas en Pólo Cacimbas – (Unidade de Negócios – ES) Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 53 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO 1. Caracterização da Confiabilidade Humana em um Processo Caracterizada por el grado de cumplimiento de un conjunto de atributos: Performance Shaping Factors (PSFs) humanos técnico o ambientales Se requiere la opinion de expertos sobre la influencia de cada factor en la confiabilidad humana. Determinando un grado de importancia de cada especialista se obtiene el grado de influencia ajustado de cada PSF. Se conoce la opinión de cada operador y con esto se obtiene opiniones normalizadas al máximo. Se obtiene un grado de atencion consensual por cada PSF. Se puede determinar un grado de atención global. Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 54 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO Caracterización de Confiabilidad Humana: Proceso Proceso con k PSFs, M expertos y N operadores. Para um procedimento com K PSFs, e contando com M especialistas e N operadores PSFs (K) graus de influência padrão (K) Questionários (M) Opiniões sobre graus de influência (M x K) Opiniões sobre graus de atendimento (N x K) Dr. Yván Túpac (UCSP) Caracterização da Confiabilidade Humana em um Processo graus de atendimento consensual (K) graus de atendimento por operador (N) grau de atendimento global Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 55 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO Caracterización de Confiabilidad Humana: Procedimiento Procedimiento con A acciones, k factores cognitivos, M expertos y N operadores. Para um procedimento com A ações, considerando K fatores cognitivos, contando com M especialistas e N operadores Opiniões sobre possibilidades de falha (M x A) possibilidades de falha nas ações e incertezas associadas (A x 2) Opiniões sobre graus de dependência (M x A) Opiniões sobre graus de transtorno(M x A x A) Opiniões sobre graus de incerteza(M x A) Opiniões sobre graus de influência de fatores cognitivos (M x K) Caracterização da Confiabilidade Humana em um Procedimento graus de influência de fatores cognitivos (K) graus de atendimento dos operadores (N x K) Testes Cognitivos (N x K) Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 56 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO PSF (Performance Shaping Factors) Conjunto de atributos que caracterizan confiabilidad humana para un procedimiento dentro de un proceso. Son 64 factores agrupados en: Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 57 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO PSF (Performance Shaping Factors) Conjunto de atributos que caracterizan confiabilidad humana para un procedimiento dentro de un proceso. Son 64 factores agrupados en: Factores Internos: entrenamiento, experiencia del trabajador, prácticas, patrones de desempeño, stress, personalidad, estado físico, cultura del trabajador. Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 57 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO PSF (Performance Shaping Factors) Conjunto de atributos que caracterizan confiabilidad humana para un procedimiento dentro de un proceso. Son 64 factores agrupados en: Factores Internos: entrenamiento, experiencia del trabajador, prácticas, patrones de desempeño, stress, personalidad, estado físico, cultura del trabajador. Características Situacionales: Arquitectura, ambiente de trabajo, horarios, turnos, equipos, personas, organización, reglamentos, políticas. Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 57 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO PSF (Performance Shaping Factors) Conjunto de atributos que caracterizan confiabilidad humana para un procedimiento dentro de un proceso. Son 64 factores agrupados en: Factores Internos: entrenamiento, experiencia del trabajador, prácticas, patrones de desempeño, stress, personalidad, estado físico, cultura del trabajador. Características Situacionales: Arquitectura, ambiente de trabajo, horarios, turnos, equipos, personas, organización, reglamentos, políticas. Procedimientos: Procedimientos escritos, no escritos, comunicación, cuidados advertencias, métodos de trabajo, equipo de trabajo, necesidades de: previsión, toma de decisiones, complejidad, memoria, cálculos y físicas, feedback, interfaz del hardware, repetitividad Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 57 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO PSF (Performance Shaping Factors) Conjunto de atributos que caracterizan confiabilidad humana para un procedimiento dentro de un proceso. Son 64 factores agrupados en: Stress Psicológico: inicio inesperado, presión, vigilancia, monotonía, exposición, amenazas de empleo, conflictos, sensibilidad humana, distracciones, recompensas, reconocimiento. Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 58 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Proyecto CONFPETRO PSF (Performance Shaping Factors) Conjunto de atributos que caracterizan confiabilidad humana para un procedimiento dentro de un proceso. Son 64 factores agrupados en: Stress Psicológico: inicio inesperado, presión, vigilancia, monotonía, exposición, amenazas de empleo, conflictos, sensibilidad humana, distracciones, recompensas, reconocimiento. Stress Fisiológico: duración del stress, fatiga, incomodidad, hambre, sed, temperatura, radiaciones, falta de oxígeno, exposición química, vibraciones, limitación y repetición de movimientos, ejercicio físico, ritmo circadiano Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 58 / 70 Proyectos en Ingeniería de Petróleo Proyecto CONFPETRO Sistema CONFPETRO 64 n k k 1 1 Atributos de Confiabilidade Humana Procedimentos de Operação, Manutenção e Inspeção Contexto de indução ao erro Construção de seqüência de ações humanas em função de PF; Dep; GT, para cada procedimento. Construtor de regras fuzzy Identificação das demandas Cognitivas em cada procedimento. Aplicação de testes psicológicos aos trabalhadores operários Modelo Fuzzy 1. Pes o do especialista IF...PSF... and...Aç ão... 2. Matriz de concordância Then Confiabilidade Humana.... 3. Teoria de Consenso Módulo: Módulo de: • Construtor da Árvore Fuzzy de falhas humanas • Criação do Padrão de Qualidade • Determinação dos Graus de: atendimento ao PQ Inclusão doPQ PQn os nos operários Inclusão do t rabalhadores • Cálculo da possibilidade de erro humano. Sistema de Caracterização da Confiabilidade Humana para a Área de Petró leo Alterações nos procedimentos. Aplicação de novas estratégias de treinamento. Exigências de novas normas. Dr. Yván Túpac (UCSP) Legenda: PF: Probabilidades de falha humana Dep: Dependência entre ações. G T: Grau de Tr anstorno PQ: Padrão de Qualidade Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 59 / 70 Producción académica obtenida Producción académica Investigación en Ing. Petróleo – Producción Académica Se los siguientes productos: Proyectos tecnológicos I&D: - ANEPI,F2,F3, ANEPI-CI, SMART-E&P, CONFPETRO Premios ganados: - Prêmio Petrobras de Tecnologia ediciones 2005, 2007, 2008, 2011 Producción Bibliográfica: - LIBRO Análise Econômica de Projetos de Desenvolvimento de Campos de Petróleo sob Incerteza, Ed. Interciência/PUC-Rio, maio 2007. - LIBRO Oil Field Development under Uncertainty. Ed. Heidelberg: Springer Berlin, 2009. Capítulos en libros; aprox. 50 Artículos en proceedings, 7 artículos en revistas indexadas. Tesis de Doctorado, Disertaciones de Maestría, trabajos de pregrado. Congresos: CITARE 2007 Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 60 / 70 Bibliografía Bibliografía I Y. J. Túpac, M. M. Vellasco, and M. A. C. Pacheco, “Selection of Alternatives for Oil field Development by Genetic Algorithms,” Revista Engenharia Térmica, Edição Especial, vol. 2, pp. 51–54, may 2002. L. F. Almeida, “Otimização de alternativas para desenvolvimento de campo de petróleo usando computação evolucionária,” Master’s thesis, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil, 2003, (In Portuguese). Y. J. T. Valdivia, “Sistema inteligente de otimização de alternativas de desenvolvimento de campos petrolíferos,” Ph.D. dissertation, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, RJ, Brasil, 2005, (In Portuguese). L. F. Almeida, Y. T. Valdivia, M. M. B. R. Vellasco, and M. A. C. Pacheco, “Otimização de alternativas para o desenvolvimento de campos de petróleo,” Gestão & Produção, vol. 14, pp. 489–503, 12 2007. Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 61 / 70 Bibliografía Bibliografía II R. S. Zebulum, M. A. Pacheco, and M. M. B. R. Vellasco, Evolutionary Electronics: Automatic Design of Electronic Circuits and Systems by Genetic Algorithms. CRC Press, 2002. Y. J. Túpac and L. Faletti, “Parallel evolutionary algorithms applied to optimize the oilfields development,” in Proceedings del Encuentro Chileno de Computación, Curicó, Chile, 2011. [Online]. Available: http://jcc2011.utalca.cl/actas/ECC/jcc2011_submission_170.pdf J. Lazo, M. Pacheco, and M. Vellasco, “Real options and genetic algorithms to approach of the optimal decision rule for oil field development under uncertainties,” in Theoretical Advances and Applications of Fuzzy Logic and Soft Computing, ser. Advances in Soft Computing, O. Castillo, P. Melin, O. Ross, R. Sepúlveda Cruz, W. Pedrycz, and J. Kacprzyk, Eds. Springer Berlin / Heidelberg, 2007, vol. 42, pp. 445–454, 10.1007/978-3-540-72434-6_44. [Online]. Available: http://dx.doi.org/10.1007/978-3-540-72434-6_44 Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 62 / 70 Bibliografía Bibliografía III J. G. L. Lazo, “Determinação do valor de opções reais por simulação monte carlo com aproximação por números fuzzy e algoritmos genéticos,” Ph.D. dissertation, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, RJ, Brasil, 2004, (In Portuguese). J. G. Lazo Lazo, M. M. B. R. Vellasco, and M. A. C. Pacheco, “Determination of real options value by monte carlo simulation and fuzzy numbers,” in Proceedings of the Fifth International Conference on Hybrid Intelligent Systems, ser. HIS’05. Washington, DC, USA: IEEE Computer Society, 2005, pp. 488–496. [Online]. Available: http://dx.doi.org/10.1109/ICHIS.2005.35 J. G. L. Lazo, M. M. B. R. Vellasco, M. A. C. Pacheco, , and M. A. G. Dias, “Real options value by monte carlo simulation and fuzzy numbers,” International Journal of Business, vol. 12, may 2007. Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 63 / 70 Bibliografía Bibliografía IV Y. J. Túpac, L. Faletti, J. G. Lazo, M. M. R. Vellasco, and M. A. Pacheco, “Decision support system for economic analysis of E&P projects under uncertainties,” in SPE Intelligent Energy Conference and Exhibition. Amsterdam, The Netherlands: Society of Petroleum Engineers, 2008. M. A. Pacheco and M. M. Vellasco, Eds., Intelligent Systems in Oil Field Development under Uncertainty. Springer Berlin / Heidelberg, January 2009. A. A. Emerick and R. C. M. P. Portella, “Production optimization with intelligent wells,” in SPE Latin American & Caribbean Petroleum Engineering Conference. Buenos Aires, Argentina: Society of Petroleum Engineers, 2007. L. F. Almeida, “Sistema híbrido de otimização de estratégias de controle de válvulas de poços inteligentes sob incertezas,” Ph.D. dissertation, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil, 2007, (In Portuguese). Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 64 / 70 Bibliografía Bibliografía V L. Faletti, M. M. Vellasco, and M. A. C. Pacheco, “Optimization system for valve control in intelligent wells under uncertainties,” Journal of Petroleum Science and Engineering, vol. 73, pp. 129–140, may 2010. L. Almeida, Y. Valdivia, J. Lazo, M. Pacheco, and M. Vellasco, “Evolutionary computation for valves control optimization in intelligent wells under uncertainties,” in Theoretical Advances and Applications of Fuzzy Logic and Soft Computing, ser. Advances in Soft Computing, O. Castillo, P. Melin, O. Ross, R. Sepúlveda Cruz, W. Pedrycz, and J. Kacprzyk, Eds. Springer Berlin / Heidelberg, 2007, vol. 42, pp. 425–434, 10.1007/978-3-540-72434-6_42. [Online]. Available: http://dx.doi.org/10.1007/978-3-540-72434-6_42 Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 65 / 70 Bibliografía Bibliografía VI L. F. Almeida, Y. J. Túpac, M. A. C. Pacheco, M. M. B. R. Vellasco, and J. G. L. Lazo, “Evolutionary optimization of smart-wells control under technical uncertainties,” in SPE Latin American & Caribbean Petroleum Engineering Conference. Buenos Aires, Argentina: Society of Petroleum Engineers, 2007. A. A. Emerick, E. Silva, B. Messer, L. F. Almeida, D. Szwarcman, M. A. C. Pacheco, and M. M. B. R. Vellasco, “Well placement optimization using a genetic algorithm with nonlinear constraints,” in SPE Reservoir Simulation Symposium. The Woodlands, Texas, USA: Society of Petroleum Engineers, 2009. M. Nikolaou, A. Stan Cullick, L. A. Saputelli, G. Mijares, S. Sankaran, and L. C. Reis, “A consistent approach toward reservoir simulation at different time scales,” in SPE Intelligent Energy Conference and Exhibition. Amsterdam, The Netherlands: Society of Petroleum Engineers, 2006. Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 66 / 70 Bibliografía Bibliografía VII M. Nikolaou, A. Stan Cullick, and L. A. Saputelli, “Production optimization–a moving-horizon approach,” in SPE Intelligent Energy Conference and Exhibition. Amsterdam, The Netherlands: Society of Petroleum Engineers, 2006. B. Messer, “Projeto de Poços multilaterais em Reservatórios de Petróleo otimizados por Algoritmos Genéticos,” Master’s thesis, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil, 2009, (In Portuguese). Álvaro Gustavo Talavera, “Controle Preditivo com Aprendizado por Reforço para Produção de Óleo em Poços Inteligentes,” Master’s thesis, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil, 2010, (In Portuguese). Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 67 / 70 Bibliografía Bibliografía VIII A. G. Talavera, Y. J. Túpac, and M. M. R. Vellasco, “Controlling oil production in smart wells by MPC strategy with reinforcement learning,” in SPE Latin American and Caribbean Petroleum Engineering Conference. Lima, Peru: Society of Petroleum Engineers, 2010. S. de Carvalho Miyoshi, “Modelo kernel PCA-genético para ajuste de histórico,” Master’s thesis, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil, 2010, (In Portuguese). S. G. B. Huamán, “Inversão de Parâmetros Geofísicos em Três Dimensões a partir de Dados de Reflexão sísmica por Algoritmos genéticos Híbridos,” Master’s thesis, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil, 2008, (In Portuguese). Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 68 / 70 Bibliografía Bibliografía IX J. More, R. Tanscheit, M. Vellasco, M. Pacheco, and D. Swarcman, “A fuzzy approach to the study of human reliability in the petroleum industry,” in Theoretical Advances and Applications of Fuzzy Logic and Soft Computing, ser. Advances in Soft Computing, O. Castillo, P. Melin, O. Ross, R. Sepúlveda Cruz, W. Pedrycz, and J. Kacprzyk, Eds. Springer Berlin / Heidelberg, 2007, vol. 42, pp. 415–424, 10.1007/978-3-540-72434-6_41. [Online]. Available: http://dx.doi.org/10.1007/978-3-540-72434-6_41 J. D. Moré, “Análisis de la Confiabilidad humana en una Refinería de petróleo. Uso de metodología borrosa,” Cuadernos del CIMBAGE, vol. 12, pp. 71–84, 2010. Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 69 / 70 Bibliografía ¿Preguntas? Dr. Yván Túpac (UCSP) Aplicación de técnicas computacionales en Ingeniería 17 dede Noviembre Petróleo:de Casos 2012en Petrobras 70 / 70
Documentos relacionados
4° Edición: Las nuevas ofensivas petroleras
3) cuidar el clima para todo el mundo manteniendo represada en el subsuelo una significativa cantidad de petróleo, evitando la emisión de 410 millones de toneladas de CO2, 4) dar un primer paso en ...
Leia mais