Downstream petroleum supply chain strategic and tactical planning under uncertainty

Leão José Fernandes

Key information

Authors:

Leão José Fernandes (Leão José Fernandes)

Supervisors:

Susana Isabel Carvalho Relvas (Susana Isabel Carvalho Relvas); Ana Paula Ferreira Dias Barbosa Póvoa (Ana Paula Ferreira Dias Barbosa Póvoa)

Published in

December 14, 2016

Abstract

O objetivo deste trabalho é implementar modelos de programação matemática que permitam o planeamento estratégico e tático de Cadeias de Abastecimento de Petróleo (CAP), no seu segmento downstream, visando maximizar os lucros, e minimizar os custos e riscos, considerando às incertezas nos preços de crude, produtos derivados e procura dos clientes. O problema considera um conjunto de empresas de petróleo que produzem ou importam produtos petrolíferos e comercializam-nos a várias regiões de clientes, através de infraestruturas participadas: refinarias, centros de armazenagem, transportadores e retalho. Consideram-se redes multinível, multiproduto e multimodais, uni e multiempresas que podem ser reestruturadas partindo de redes de CAP existentes, ou planeadas integralmente. Ao longo da tese, são desenvolvidos quatro modelos de programação linear inteira mista (PLIM), concretamente os modelos individualista, colaborativo, estocástico multiobjectivo, e otimização robusta. Foi desenvolvida uma estrutura generalizada e detalhada da formação de preços e de custos para a CAP, e uma função de linearização de preços para determinar os custos, tarifas e preços de serviços multiempresa com economia de escala por localização ou rota, entidade, produto e tempo. Foi desenvolvido um modelo de risco neutro utilizando a programação estocástica (PE) de dois estágios, e cenários de incerteza na procura dos clientes a fim de maximizar o valor atual líquido esperado (VALE). Foi implementado um modelo da otimização estocástica multiobjectivo (MO), recorrendo ao algoritmo augmented ε-constraint, para maximizar o lucro esperado e minimizar uma das várias medidas de risco: a variância, o índice de variabilidade, o risco de incumprimento e o valor-em-risco condicional (CVaR). Dado que a definição de múltiplos cenários de incerteza faz aumentar a dimensão do problema, são desenvolvidas formulações de otimização robusta (OR) que maximizam os lucros totais da CAP para os sucessivos aumentos dos níveis de incerteza nos custos de crude, nos preços de produto, e nas procuras de clientes. Finalmente, é construído para a CAP Português uma base de dados real com localizações, coordenadas geográficas, distâncias, custos, tarifas, preços e procuras, entre 1999 e 2013, que é utilizada para validar os modelos, e apresentados os resultados. Os métodos desenvolvidos sendo generalizados, podem ser utilizados para planear redes semelhantes noutras indústrias. Petroleum Supply Chains (PSC) are a strategic sector made up of complex infrastructure networks, which are strongly influenced by globalization, lean thinking and uncertainty. As costs escalate, margins flatten and product demands stagnate due to competition and environmental regulation, PSC managers are forced to build efficient and flexible networks while integrating multi-entity installations. Here, the strategic and tactical planning delivers an important competitive edge given today’s uncertainty. The use of mathematical programming tools for advanced decision support is crucial to improve profits and reduce the PSC costs and risks. This thesis follows along this need and develops strategic and tactical planning models for the multi-entity, multi-echelon, multi-product, and multi-transportation PSC, under the context of crude costs, product prices, and customer demand uncertainties. The strategic decisions concern the installation, expansion, operation and closure of depots, resource capacities and transport routes. The tactical decisions involve the time-dependent crude oil and derived products’ production, storage, primary and secondary transportation, importation and exportation volumes and multi-stage inventories. The models developed determine the network topologies for the current, grassroots and retrofit designs where the total PSC profits are maximized by incorporating the revenues of refineries, bulk storage, transporters and retailers. This research developed four mixed integer linear programming (MILP) models, specifically the individualistic, collaborative, stochastic, multi-objective stochastic, and robust optimization MILPs. In these works a generalized and detailed price formation and cost structure is proposed for the PSC, and a piecewise linearization function is developed to determine the collaborative economy of scale multi-entity costs, tariffs and prices per localization, route and product. Considering demand uncertainty, the stochastic programming MILP maximizes the expected net present value (ENPV), whereas the multi-objective model implements the augmented εconstraint algorithm in order to maximize the expected profits and minimize one of many risk mesasures: the variance, variability index, downside risk, or the conditional value-at-risk (CVaR). As the PSC planning under uncertainty is a large scale problem, numerical complexity are observed in the stochastic models, hence, it is proposed a robust optimization approach in order to reduce the problem size when considered the crude oil costs, product prices, and customer demand uncertainty. A real world database is constructed, based on the Portuguese downstream PSC, including locations, geographical coordinates, distances, costs, tariffs, prices, and customer demand between 1999 to 2013, which is used to validate the models, and presented the results. These methods are generalized and may be used to plan similar networks for other industries.