SOLUCIONES DE OPTIMIZACIÓN EN CADENAS DE ABASTECIMIENTO EN INDUSTRIAS EXTRACTIVAS

Transcripción

1 SOLUCIONES DE OPTIMIZACIÓN EN CADENAS DE ABASTECIMIENTO EN INDUSTRIAS EXTRACTIVAS Ing. Jesus Velasquez, Ph. D. Chief Scientist, DecisionWare Corp.

2 OPTIMIZACIÓN: LA TECNOLOGÍA INFORMÁTICA DE MAYOR VALOR ECONÓMICO AGREGADO

3 COMPETITIVIDAD es el resultado de la suma de tres productividades: TECNOLÓGICA: eficacia de los procesos industriales; ECONÓMICA: eficacia en el acceso a los mercados; GERENCIAL: eficacia del proceso de toma de decisiones.

4

5

6

7

8 1947

9 COORDINACIÓN JERÁRQUICA Horizonte Planificación ESTRATEGIA INVERSIÓN A LARGO PLAZO LI: LÓGICA DE INVERSIÓN OM: OPERACIONES MENSUALES LI OM TÁCTICA DE MEDIANO PLAZO METAS OPERACIONALES A MEDIANO PLAZO OM: OPERACIONES MENSUALES OM Condición de Frontera TÁCTICA DE CORTO PLAZO METAS DE OPERACIONALES A CORTO PLAZO OM: OPERACIONES MENSUALES WO OM OS: OPERACIONES SEMANALES PROGRAMACIÓN DE OPERACIONES ORDENES DE OPERACION OS: OPERACIONES SEMANALES OD: OPERACIONES DIARIAS OD OS

10 CADENA DE ABASTECIMIENTO MULTINEGOCIO PUERTO (pu) REFINERÍA CRUDO (re) REFINERÍA CRUDO (re) BIO-REFINERÍA (re) SISTEMA DUCTOS (s) TERMINAL (n) TERMINAL (n) BIO-REFINERÍA (re) PUERTO (pu) MODO TRANSPORTE SISTEMA PRODUCCIÓN CRUDO (sp) PLANTACION (zb) PLANTA TERMICA (ct) ZONA DE CONSUMO (zd)

11 CADENA DE VALOR AGREGADO

12 J. Shapiro. Beyond Supply Chain Optimization to Enterprise Optimization

15 Tecnologías Analíticas Tecnologías Transaccionales J. Shapiro. Beyond Supply Chain Optimization to Enterprise Optimization

16 APS SCM ERP J. Shapiro. Beyond Supply Chain Optimization to Enterprise Optimization

17 VENTAS: Podemos Vender 5000 MARKETING: La romoción venderá 7000 CADENA FINANZAS Tenemos Presupuesto para 3000 MANUFACTURA Podemos Producir 2500 ASINCRÓNICA DEMAND PLANNING INVENTORY PLANNING PRODUCTION PLANNING/ SCHEDULING SOURCING PLANNING

18 DEMAND PLANNING PRODUCTION PLANNING/ SCHEDULING INVENTORY PLANNING SOURCING PLANNING CADENA SINCRÓNICA Planificación Táctica y Estratégica Planificación Financiera Planificación de Fuerza de Ventas Planificación de Producción APS SCM Planificación Investigació y Desarrollo Planificación de Compras Planificación de Demanda Planificación Logística

19 ERP ON-LINE PLANIFICACIÓN ESTRATÉGICA SOO OPTIMIZACIÓN COMPRAS PEDIDOS DE CLIENTES COMPROMETIDOS SCD DISEÑO CADENA ABASTECIMIENTO REQUERIMIENTOS DE MATERIALES ORDENES DE COMPRAS DEMAND ESCENARIOS DE DEMANDA DE LARGO/MEDIANO PLAZO PLANES DE EXPANSIÓN PSC PROGRAMACIÓN PRODUCCIÓN SUPPLY ESCENARIOS DE DEMANDA DE MEDIANO/CORTO PLAZO DEM LONG/MEDIUM/SHORT TERM DEMAND ESCENARIOS DE DEMANDA DE MEDIANO/CORTO PLAZO TPO PLANIFICACIÓN TÁCTICA OPERACIONES POLITICA DE INVETARIOS INV POLÍTICAS INVENTARIOS PLANIFICACIÓN TÁCTICA METAS DE PRODUCCIÓN METAS DE DISTRIBUCIÓN ATP-D ASIGNACIÓN PRODUCTOS PEDIDOS DIS PROGRAMACIÓN DISTRIBUCIÓN SCHEDULING ORDENES DE PRODUCCIÓN ORDENES DE DISTRIBUCIÓN

20 S

21 S

22 WELL-DOCUMENTED OPTIMIZATION ROI CASES 2 Chilean Forestry firms* Timber Harvesting $20M/yr + 30% fewer trucks UPS* Air Network Design $40M/yr + 10% fewer planes South African Defense* Force/Equip Planning $1.1B/yr Motorola* Procurement Mgmt $100M-150M/yr Samsung Electronics* Semiconductor Mfg 50% reduction in cycle times SNCF (French RR)* Scheduling & Pricing $16M/yr rev + 2% lower op ex Continental Airlines* Crew Re-scheduling $40M/yr AT&T* Network Recovery 35% reduction spare capacity Grant Mayo van Otterloo* Portfolio Optimization $4M/yr Pepsi Bottling Group Production Sourcing $6M inv reduction + 2% fewer miles Fonterra Dairy Distribution $15M annual savings NA Brewing Company Mfg Sourcing + Distribution $150M/yr transportation savings US Water Products Mfg Inventory Optimization $6.2M working capital reduction *Franz Edelman Competition Finalists, Science of Better, Published Case Studies 22

23 SOLUCIONES TECNOLÓGICAS

24 MATHEMATICAL MODELING PROCESS ALGEBRAIC MODEL DATA MODEL OPTMER(P): = Maximizar RMin sujeto a: RMin t= 1,T b= 1,NB{ c= 1,NC((DEM cdbt-dns + cdbt)p cbt) + (VBOLSA + hdbt-vbolsa - hdbt)cm hdbt - ECP hdbt PPO + VBOLSA + hdbt CPO hbt} - VENF t PFI t } h,d VBOLSA + hdbt-vbolsa - hdbt = H hdbt + T hdbt - c= 1,NC(DEM dbt-dns + dbt) h,d,b,t DNS + dbt - DNS - dbt = DEM cdbt - EV cbt c,d,b,t ECP hdbt c= 1,NCEV cbt - DHI hdbt - CT bt h,b VENF t b= 1,NB { c= 1,NCEV cbt - CT bt} - EF t t VENF t 0 t EV cbt 0 c,b,t ECP hdbt 0 h,d,b,t DNS + cdbt, DNS - cdbt 0 c,d,b,t VBOLSA + hdbt, VBOLSA - hdbt 0 h,d,b,t DSS DATABASE MODELERS MATRIX GENERATION DECISION MAKERS BENDERS THEORY NUMERICAL MODEL G.R.G. /PC G.R.G. /PL 0-1 BALAS-BENDERS FLUJO EN REDES P.L. BRANCH & BOUND D.F.P. x, p DSS DATABASE G.R.G. LAGRAGIAN RELAXATION OPTIMIZATION SOLVER

25 MATHEMATICAL MODELING PROCESS ALGEBRAIC MODEL DATA MODEL OPTMER(P): = Maximizar RMin sujeto a: RMin t= 1,T b= 1,NB{ c= 1,NC((DEM cdbt-dns + cdbt)p cbt) + (VBOLSA + hdbt-vbolsa - hdbt)cm hdbt - ECP hdbt PPO + VBOLSA + hdbt CPO hbt} - VENF t PFI t } h,d VBOLSA + hdbt-vbolsa - hdbt = H hdbt + T hdbt - c= 1,NC(DEM dbt-dns + dbt) h,d,b,t DNS + dbt - DNS - dbt = DEM cdbt - EV cbt c,d,b,t ECP hdbt c= 1,NCEV cbt - DHI hdbt - CT bt h,b VENF t b= 1,NB { c= 1,NCEV cbt - CT bt} - EF t t VENF t 0 t EV cbt 0 c,b,t ECP hdbt 0 h,d,b,t DNS + cdbt, DNS - cdbt 0 c,d,b,t VBOLSA + hdbt, VBOLSA - hdbt 0 h,d,b,t DSS DATABASE MODELERS MATRIX GENERATION DECISION MAKERS BENDERS THEORY NUMERICAL MODEL G.R.G. /PC G.R.G. /PL 0-1 BALAS-BENDERS FLUJO EN REDES P.L. BRANCH & BOUND D.F.P. x, p DSS DATABASE G.R.G. LAGRAGIAN RELAXATION OPTIMIZATION SOLVER

26 MATHEMATICAL MODELING PROCESS ALGEBRAIC MODEL DATA MODEL OPTMER(P): = Maximizar RMin sujeto a: RMin t= 1,T b= 1,NB{ c= 1,NC((DEM cdbt-dns + cdbt)p cbt) + (VBOLSA + hdbt-vbolsa - hdbt)cm hdbt - ECP hdbt PPO + VBOLSA + hdbt CPO hbt} - VENF t PFI t } h,d VBOLSA + hdbt-vbolsa - hdbt = H hdbt + T hdbt - c= 1,NC(DEM dbt-dns + dbt) h,d,b,t DNS + dbt - DNS - dbt = DEM cdbt - EV cbt c,d,b,t ECP hdbt c= 1,NCEV cbt - DHI hdbt - CT bt VENF t b= 1,NB { c= 1,NCEV cbt - CT bt} - EF t h,b Lenguajes t VENF t 0 t EV cbt DSS 0 c,b,t ECP hdbt 0 h,d,b,t DNS + DATABASE cdbt, DNS - cdbt 0 c,d,b,t Modelamiento VBOLSA + hdbt, VBOLSA - hdbt 0 h,d,b,t MATRIX GENERATION Algebraico MODELERS DECISION MAKERS NUMERICAL MODEL BENDERS THEORY 0-1 Comerciales/GNU BALAS-BENDERS FLUJO EN REDES G.R.G. Algortitmos /PC P.L. Matemáticos G.R.G. /PL Librerias BRANCH & BOUND D.F.P. x, p DSS DATABASE G.R.G. LAGRAGIAN RELAXATION OPTIMIZATION SOLVER

27 MATHEMATICAL MODELING PROCESS ALGEBRAIC MODEL DATA MODEL OPTMER(P): = Maximizar RMin sujeto a: RMin t= 1,T b= 1,NB{ c= 1,NC((DEM cdbt-dns + cdbt)p cbt) + (VBOLSA + hdbt-vbolsa - hdbt)cm hdbt - ECP hdbt PPO + VBOLSA + hdbt CPO hbt} - VENF t PFI t } h,d VBOLSA + hdbt-vbolsa - hdbt = H hdbt + T hdbt - c= 1,NC(DEM dbt-dns + dbt) h,d,b,t DNS + dbt - DNS - dbt = DEM cdbt - EV cbt c,d,b,t ECP hdbt c= 1,NCEV cbt - DHI hdbt - CT bt VENF t b= 1,NB { c= 1,NCEV cbt - CT bt} - EF t h,b Lenguajes t VENF t 0 t EV cbt DSS 0 c,b,t ECP hdbt 0 h,d,b,t DNS + DATABASE cdbt, DNS - cdbt 0 c,d,b,t Modelamiento VBOLSA + hdbt, VBOLSA - hdbt 0 h,d,b,t MATRIX GENERATION Algebraico MODELERS DECISION MAKERS NUMERICAL MODEL OPL BENDERS THEORY 0-1 Comerciales/GNU BALAS-BENDERS FLUJO EN REDES G.R.G. Algortitmos /PC P.L. Matemáticos G.R.G. /PL Librerias BRANCH & BOUND D.F.P. G.R.G. CPLEX LAGRAGIAN RELAXATION OPTIMIZATION SOLVER x, p DSS DATABASE

28 REAL WORLD COMMON ERP ON-LINE PLANIFICACIÓN ESTRATÉGICA SOO OPTIMIZACIÓN COMPRAS DATA MODEL PEDIDOS DE CLIENTES COMPROMETIDOS ESCENARIOS DE DEMANDA DE LARGO/MEDIANO PLAZO SCD DISEÑO CADENA ABASTECIMIENTO PLANES DE EXPANSIÓN REQUERIMIENTOS DE MATERIALES PSC PROGRAMACIÓN PRODUCCIÓN ORDENES DE COMPRAS INFORMATION SYSTEM ESCENARIOS DE DEMANDA DE MEDIANO/CORTO PLAZO DEM LONG/MEDIUM/SHORT TERM DEMAND ESCENARIOS DE DEMANDA DE MEDIANO/CORTO PLAZO TPO PLANIFICACIÓN TÁCTICA OPERACIONES POLITICA DE INVETARIOS INV POLÍTICAS INVENTARIOS PLANIFICACIÓN TÁCTICA METAS DE PRODUCCIÓN METAS DE DISTRIBUCIÓN ATP-D ASIGNACIÓN PRODUCTOS PEDIDOS DIS PROGRAMACIÓN DISTRIBUCIÓN SCHEDULING ORDENES DE PRODUCCIÓN ORDENES DE DISTRIBUCIÓN Decision Support System

29 REAL WORLD SISTEMAS DE DESARROLLO DE ESCENARIOS DE DEMANDA DE LARGO/MEDIANO PLAZO SISTEMAS DE ERP PLANIFICACIÓN SOO ON-LINE SOPORTE ESTRATÉGICA DE OPTIMIZACIÓN DECISIONES COMPRAS PEDIDOS DE CLIENTES SCD REQUERIMIENTOS ORDENES DE COMPROMETIDOS DISEÑO CADENA DE MATERIALES COMPRAS ABASTECIMIENTO PLANES DE EXPANSIÓN PSC PROGRAMACIÓN PRODUCCIÓN COMMON DATA MODEL INFORMATION SYSTEM ESCENARIOS DE DEMANDA DE MEDIANO/CORTO PLAZO DEM LONG/MEDIUM/SHORT TERM DEMAND ESCENARIOS DE DEMANDA DE MEDIANO/CORTO PLAZO TPO PLANIFICACIÓN TÁCTICA OPERACIONES POLITICA DE INVETARIOS INV POLÍTICAS INVENTARIOS PLANIFICACIÓN TÁCTICA METAS DE PRODUCCIÓN METAS DE DISTRIBUCIÓN ATP-D ASIGNACIÓN PRODUCTOS PEDIDOS DIS PROGRAMACIÓN DISTRIBUCIÓN SCHEDULING ORDENES DE PRODUCCIÓN ORDENES DE DISTRIBUCIÓN Decision Support System

30 REAL WORLD SISTEMAS DE DESARROLLO DE ESCENARIOS DE DEMANDA DE LARGO/MEDIANO PLAZO SISTEMAS DE ERP PLANIFICACIÓN SOO ON-LINE SOPORTE ESTRATÉGICA DE OPTIMIZACIÓN DECISIONES COMPRAS PEDIDOS DE CLIENTES SCD REQUERIMIENTOS ORDENES DE COMPROMETIDOS DISEÑO CADENA DE MATERIALES COMPRAS ABASTECIMIENTO PLANES DE EXPANSIÓN PSC PROGRAMACIÓN PRODUCCIÓN COMMON DATA MODEL INFORMATION SYSTEM ESCENARIOS DE DEMANDA DE MEDIANO/CORTO PLAZO DEM LONG/MEDIUM/SHORT TERM DEMAND ESCENARIOS DE DEMANDA DE MEDIANO/CORTO PLAZO TPO PLANIFICACIÓN TÁCTICA OPERACIONES POLITICA DE INVETARIOS INV POLÍTICAS INVENTARIOS PLANIFICACIÓN TÁCTICA METAS DE PRODUCCIÓN METAS DE DISTRIBUCIÓN SCHEDULING ORDENES DE PRODUCCIÓN ATP-D ODME ASIGNACIÓN PRODUCTOS PEDIDOS DIS PROGRAMACIÓN DISTRIBUCIÓN ORDENES DE DISTRIBUCIÓN Decision Support System

31

32 32

33

34 Productores ERPs Invierten Librería en Modelos Comerciales CPLEX Primer Lenguaje Algebraico GAMS MPSX 1947

35 TIEMPO DESARROLLO DE MODELOS años meses Librería Comerciales CPLEX Primer Lenguaje Algebraico GAMS Productores ERPs Invierten en Modelos Sistemas Comerciales Desarrollo Sistema de Soporte de Decisiones MPSX 1947

36 APLICACIONES BASADAS EN HOJAS DE CÁLCULO PROS Herramienta familiar Rápida adaptabilidad CONTRAS Complejidad y tamaño limitado Mantenimiento díficil Poca consistencia

37 APLICACIONES BASADAS EN HOJAS DE CÁLCULO APLICACIONES A LA MEDIDA MODELO A LA MEDIDA PROS Herramienta familiar Rápida adaptabilidad Diseñado a la medida de las necesidades del negocio CONTRAS Complejidad y tamaño limitado Mantenimiento díficil Poca consistencia Costoso y riesgoso Díficil de mantener en el tiempo Díficil uso y mejoras

38 APLICACIONES BASADAS EN HOJAS DE CÁLCULO APLICACIONES A LA MEDIDA MODELO A LA MEDIDA APLICACIONES EMPAQUETADAS MODELO GENERICO POR COMPAÑÍA DE SOFTWARE PROS Herramienta familiar Rápida adaptabilidad Diseñado a la medida de las necesidades del negocio Funcionalidad inmediata Configurable Mejores prácticas verticales CONTRAS Complejidad y tamaño limitado Mantenimiento díficil Poca consistencia Costoso y riesgoso Díficil de mantener en el tiempo Díficil uso y mejoras Puede no capturar todas las restricciones, costos y metas Costoso de customizar

39 APLICACIONES BASADAS EN HOJAS DE CÁLCULO APLICACIONES A LA MEDIDA MODELO A LA MEDIDA APLICACIONES EMPAQUETADAS MODELO GENERICO POR COMPAÑÍA DE SOFTWARE PROS Herramienta familiar Rápida adaptabilidad Diseñado a la medida de las necesidades del negocio Funcionalidad inmediata Configurable Mejores prácticas verticales CONTRAS Complejidad y tamaño limitado Mantenimiento díficil Poca consistencia Costoso y riesgoso Díficil de mantener en el tiempo Díficil uso y mejoras Puede no capturar todas las restricciones, costos y metas Costoso de customizar APLICACIONES A LA MEDIDA MODELO A LA MEDIDA + Diseñado a la medida de las necesidades del negocio Funcionaliad inmediata Fácil de usar y mejorar Proceso desarrollo iterativo Requiere compromiso y habilidades técnicas

40 MAPEO DECISION SUPPORT INFORMATION SYSTEM TECNOLOGÍAS Long / Medium Term Demand Scenarios ERP PCO Sourcing ON-LINE PES Scheduling Supply Chain ANALÍTICAS Expansion Plans POD PTA Production Medium / Short Term Scheduling Compromised Orders Demand Projection DEM Long/Medium/Short Term Deman Design Tactical Planning of Industrial Ops Inventory Policy APS - SCM Distribution INV Goals Inventory Policy DIS Medium / Short Term Demand Scenarios Material Requirement s Productio n Goals Distribution Scheduling Buy Orders Production Orders Distributio n Orders COMPANY ERP INFORMATION SYSTEM ERP

41 OPCHAIN-SCO OPTIMIZING THE VALUE CHAIN SUPPLY CHAIN OPTIMIZATION DECISION SUPPORT INFORMATION SYSTEM XML MAPEO ERP INFORMATION SYSTEM ADMINISTRADORES SISTEMA SOPORTE DE DECISIONES USUARIOS OPERACIONES

42 OPTIMIZATION-BASED SOLUTIONS: SMARTER DECISIONS FOR A SMARTER PLANET

43 SOLUCIONES SECTOR MINERO

44 SECTOR MINERO SE PUEDEN DISTINGUIR LAS SIGUIENTES ÁREAS DE APLICACIÓN DE INVESTIGACIÓN DE OPERACIONES EN LA INDUSTRIA MINERA (GUNN, ELDON 1998): VALORACION ECONÓMICA DE PROYECTOS MINE PLANNING PLANIFICACION OPERACIONAL PLANEACION DE CAPACIDAD RUTEO DE VEHICULOS

45 PRODUCTION SCHEDULING LKAB S KIRUNA MINE

46 PRODUCTION SCHEDULING LKAB S KIRUNA MINE El complejo minero LKAB s Kiruna está localizadas por encima del Circulo Ártico en el norte de Suecia, emplea 3000 trabajadores y produce 24 millones de toneladas de mineral de hierro por año. El yacimiento es de clase mundial y tiene depósitos con altos grados de magnetita. En el año 2004 era el complejo minero subterráneo más grande del mundo

48 PRODUCTION SCHEDULING LKAB S KIRUNA MINE Actualmente la extracción se hace usando el método de explotación SUBLEVEL CAVING a gran escala.

50 PRODUCTION SCHEDULING LKAB S KIRUNA MINE La mina produce 3 tipos principales de productos brutos B1, B2 y D3. El fosforo es el principal contaminante, encontrándose en poca, media y alta concentración en los productos B1, B2 y D3 respectivamente. La mina dispone de cuatro molinos: uno para mineral de B1, dos para B2, y uno para D3. Debido a que puede almacenar sólo toneladas de mineral por día, se deben cumplir exactamente las demandas de producción en los cuatro molinos, de tal forma de satisfacer las necesidades de producción.

51 PRODUCTION SCHEDULING LKAB S KIRUNA MINE La mina se divide en 10 principales áreas de producción (shaft group), cada uno con su propio grupo de ore passes. Cuenta con uno o dos unidades de LHDs eléctricos de 25 toneladas de capacidad operando en cada subnivel dentro de cada área de producción y transporta el mineral desde el crosscuts (cortes transversales) hasta el ore passes. El lugar en que cada LHD opera es también conocido como machine placement. Cada machine placement es usualmente de 200 a 500 m de longitud y contiene de uno a tres millones de toneladas de mineral, equiparando entre uno a cinco production blocks (bloques de producción) de 100 m.

52

53 PRODUCTION SCHEDULING LKAB S KIRUNA MINE El planificador debe crear un programa de producción que determina la fecha de inicio de la asignación de varias máquinas para que la mina puede producir las demanda mensual de minerales tipo B1, B2 y D3. Se desarrollaron varios modelos de programación matemática para la solución del problema de programación de la producción. Objetivo: Programar las operaciones mensuales, específicamente, cuáles bloques minar y cuándo minarlos, para minimizar las desviaciones respecto a la planificación de cantidades de producción con respecto a la demanda comprometida, sujeto a las restricciones operacionales de la mina.

54 PRODUCTION SCHEDULING LKAB S KIRUNA MINE MODELOS DE OPTIMIZACIÓN RESUELTOS UTILIZANDO IBM ILOG CPLEX

56 PRODUCTION SCHEDULING LKAB S KIRUNA MINE Los modelos matemáticos proporcionan soluciones óptimas para programación de operaciones que cubren 5 años, en muy poco tiempo (300 segundos en 2004). El ahorro en personal orientado a estas labores implica la reducción del 25% del costos de nómina y en un mejor uso del tiempo del personal calificado. Estas soluciones producen planes de producción con desvíos menores al 5% con respecto a la demanda, que son muy superiores a los obtenidos con las anteriores herramientas, que producían desvíos entre el 10-20%.

57 DW HA DESARROLLADO UNA VERSIÓN PROTOTIPO DEL MODELO IMPLEMENTADO EN LKAB S KIRUNA MINE UTILIZANDO HERRAMIENTAS IBM ILOG ODME

58 RUTEO DE VEHÍCULOS EN MINAS DESMON TADERA VIAJES CON CARGA MINA/ TÚNEL/ PIT CANTERA PLANTA INDUSTRIAL TALLER

59 DW HA DESARROLLADO UNA VERSIÓN PROTOTIPO UTILIZANDO HERRAMIENTAS IBM ILOG ODME

60

61 SOLUCIONES SECTOR PETROLERO

62 CADENA DE ABASTECIMIENTO DE PRODUCTOS DERIVADOS DEL PETRÓLEO PUERTO REFINERÍA CRUDO REFINERÍA CRUDO BIO- REFINERÍA SISTEMA DUCTOS TERMINAL TERMINAL BIO- REFINERÍA (re) PUERTO MODO TRANSPORTE SISTEMA PRODUCCIÓN CRUDO PLANTACIÓN PLANTA TÉRMICA ZONA DE CONSUMO

63 OPTIMIZACIÓN DE OPERACIONES INDUSTRIALES DISEÑO DE CADENAS DE ABASTECIMIENTO PETROLERAS SINCRONIZACIÓN DE LA CADENA PETROLERA EXTRACCIÓN DE CRUDO Y GAS REFINACIÓN DE PRODUCTOS DERIVADOS DEL PETRÓLEO Y DE LA BIOMASA OPTIMIZACIÓN DEL CONSUMO Y DE LA COMPRA/VENTA DE ENERGÍA

64 OPTIMIZACIÓN DE CONSUMO DE ENERGÍA EN LA REFINERÍA CAPUAVA DE PETROBRAS

65 OPTIMIZACIÓN DE CONSUMO DE ENERGÍA EN LA REFINERÍA CAPUAVA DE PETROBRAS

66 PLANTA DE PROCESOS INDUSTRIALES PLANTA DE SERVICIOS INDUSTRIALES OPTIMIZACIÓN DE CONSUMO DE ENERGÍA EN LA REFINERÍA CAPUAVA DE PETROBRAS

67 OPTIMIZACIÓN DE CONSUMO DE ENERGÍA EN LA REFINERÍA CAPUAVA DE PETROBRAS The objective of this work is to develop a mathematical programming model applied to the operational planning of the utility plant of the RECAP Refinery (Sao Paulo, Brazil), as well as its interconnections with the process units. The problem is formulated as a mixed-integer linear programming (MILP) model where the mass and energy balances, the operational status of each unit, and the demand satisfaction are defined in multiple time periods. The model determines the operational configuration of the plant by minimizing utility costs, and identifies steam losses as well as inefficient units by comparing the optimal solutions with the current operation.

68 OPTIMIZACIÓN DE CONSUMO DE ENERGÍA EN LA REFINERÍA CAPUAVA DE PETROBRAS The MILP is able to accurately represent the topology and optimize the operation of the real-world system under different utility demands and abnormal situations in single and multiperiod scenarios, achieving up to 10% cost reduction. The MILP is currently integrated with the plant database and used for the planning of the refinery utility system. MODELOS DE OPTIMIZACIÓN RESUELTOS UTILIZANDO IBM ILOG CPLEX

69 RUTEO DE VEHÍCULOS EN OPERACIONES PETROLERAS DISTRIBUCIÓN DE RECURSOS DE PERFORACIÓN RECOLECCIÓN DE CRUDO POR MEDIO DE CARRO- TANQUES ACOPIO/ DISTRIBUCIÓN DE CRUDO, GAS Y PRODUCTOS REFINADOS POR MEDIO DE SISTEMAS DE TRANSPORTE MULTIMODAL. SINCRONIZACIÓN CON REFINERÍAS. DISTRIBUCIÓN DE GASOLINA GAS OIL DE LOS TERMINALES A LOS PUNTOS DE CONSUMO

70 SINCRONIZACIÓN DE OPERACIONES MARÍTIMAS DW HA DESARROLLADO UNA VERSIÓN PROTOTIPO UTILIZANDO HERRAMIENTAS IBM ILOG ODME

71 SINCRONIZACIÓN DE OPERACIONES MARÍTIMAS DW HA DESARROLLADO UNA VERSIÓN PROTOTIPO UTILIZANDO HERRAMIENTAS IBM ILOG ODME 71

72 SINCRONIZACIÓN DE OPERACIONES TERRESTRES DW HA DESARROLLADO UNA VERSIÓN PROTOTIPO UTILIZANDO HERRAMIENTAS IBM ILOG ODME 72

73 RUTEO DE VEHÍCULOS Combustible A Combustible B

74 Servicios (Itinerarios) Programación Muelles Programación Entregas Asignación Conductores Planificación Ejecución Nodo Origen Generador de Carga 2... Generador de Carga 3 Generador de Carga 1 Destinatario n Destinatario 1 Destinatario 2 Destinatario m Destinatario p Cronograma Bombas Cronograma Entregas Generador de Carga n Destinatario 3 Destinatario 4 Destinatario 8 Turnos Destinatario 5 Destinatario 6 Destinatario 7

75 Resultados: Cronograma por bomba de llenado Cronograma servicio por camión Asignación conductores Indicadores utilización recursos Evaluación/seguimiento proceso Capacidades/Características: Restricciones en turnos conductores Tasas de alimentación por instalación Reprogramación de asignaciones Sincronización sistemas adquisición datos Comparación de escenarios DW HA DESARROLLADO UNA VERSIÓN PROTOTIPO UTILIZANDO HERRAMIENTAS IBM ILOG ODME

76 SOLUCIONES SECTOR ELÉCTRICO

77 OPTIMIZACIÓN DE EN EL SECTOR ELÉCTRICO PLANIFICACIÓN SECTORIAL INTEGRAL Sistema/mercado eléctrico Sistema/mercado gas OPTIMIZACIÓN OPERACIONES DE LOS GENERADORES Diseño de sistemas/redes de generación Planificación Mantenimiento Compra venta de energía (electricidad/gas) a largo plazo DISEÑO DE REDES DE DISTRIBUCIÓN OPTIMIZACIÓN OPERACIONES DE LOS DISTRIBUIDORES Mantenimiento de las redes Relocalización de equipos

78 LA SUPERINTENDENCIA DE SERVICIOS PÚBLICOS DOMICILIARIOS DE COLOMBIA UTILIZA MODELOS DE OPTIMIZACIÓN PARA ANALIZAR EL COMPORTAMIENTO DE LOS MERCADOS DE ELECTRICIDAD Y DE GAS NATURAL. Caribe Antioquia Chocó 1285 MW MW 1270 MW 2297 MW 340 MW 1550 MW Nordeste MW 700 MW 2546 MW 806 MW San Carlos 181 MW 1431 MW 1250 MW Sur Occidente 26.2 MW CHEC 561 MW 3073 MW 230 MW 1950 MW Centro Oriente MODELOS DE OPTIMIZACIÓN RESUELTOS UTILIZANDO IBM ILOG CPLEX

79

80 OPTIMIZACIÓN: LA TECNOLOGÍA INFORMÁTICA DE MAYOR VALOR ECONÓMICO AGREGADO

81 COMPETITIVIDAD es el resultado de la suma de tres productividades: TECNOLÓGICA: eficacia de los procesos industriales; ECONÓMICA: eficacia en el acceso a los mercados; GERENCIAL: eficacia del proceso de toma de decisiones. Esta última maneja del orden del 20% de los costos totales y su soporte científico es BUSINESS ANALYTICS AND OPTIMIZATION

82 OPTIMIZATION IS EVERYWHERE