Un modelo de optimizaci on del movimiento de equipos de perforaci on de pozos

Juan Victor Mondrag on G. Instituto Mexicano del Petr oleo vmondra@imp.mx

Resumen
Se describe el problema de asignaci on y calendarizaci on de cargas de trabajo para los equipos de perforaci on de pozos petroleros en tierra. Se presenta un modelo de programaci on entera para determinar la secuencia de trabajos que deben realizar los equipos de perforaci on, de tal forma que se maximice el incremento de producci on en la regi on o bien se minimicen los costos por traslado de los equipos. Se muestran simplicaciones lineales del modelo.

perforaci on y un programa t pico de actividades para tres a nos contempla trabajos en 400 pozos. La programaci on se inicia con un conjunto de necesidades de perforaci on de nuevos pozos y reparaci on o mantenimiento de algunos otros. Cada uno de estos trabajos implica el acondicionamiento de las v as de acceso hasta el pozo o la localizaci on en que se va a perforar. Esta preparaci on del sitio se hace mediante licitaci on de contratos. Una vez terminado el acondicionamiento de las v as de acceso y cuando el equipo asignado est a disponible se procede a su desarmado, traslado y rearmado en el nuevo sitio de trabajo. Debido a los tiempos y costos involucrados en el movimiento de equipos, debe haber una calendarizaci on adecuada para el inicio de la licitaci on de la obra de acondicionamiento del sitio y la fecha de disponibilidad del equipo para su traslado. El programa de trabajo de un equipo tambi en debe incluir los tiempos fuera de operaci on debidos al mantenimiento preventivo de las propias unidades. La relaci on donde se indican los pozos en que operar a cada equipo, junto con la duraci on estimada de cada trabajo se conocen en PEP como Programa de Movimiento de Equipos.

1.
1.1.

Introducci on
Antecedentes

La explotaci on optima de los yacimientos petroleros requiere de la perforaci on y el mantenimiento de un gran n umero de pozos. Estas actividades son muy costosas, por lo que es indispensable un an alisis detallado para determinar la prioridad con que ser an realizados los trabajos. El problema que se estudia es la log stica del movimiento de equipos de perforaci on y reparaci on de pozos en la Regi on Sur de Pemex Exploraci on y Producci on (PEP). En esta zona operan alrededor de 40 equipos de

Universidad Ju arez Aut onoma de Tabasco

1.2.

Criterios emp ricos para programar

Para elaborar el Programa de Movimientos se deben tener en cuenta los tiempos de traslado de los equipos de un pozo a otro, la duraci on de los trabajos y las profundidades de perforaci on, ya que la capacidad de los equipos para sostener la columna de tuber a var a de una unidad a otra. Adicionalmente, hay equipos que han sido modicados para poder trabajar en pozos con cabezales especiales1 . Debido a la complejidad del problema, una opci on intuitiva es asignar los equipos a trabajar en areas delimitadas, para no incurrir en costos de traslado de un extremo a otro de la regi on. Esta opci on resulta natural si se asigna un subconjunto de equipos para trabajar en un s olo Activo de Producci on2 La calendarizaci on se puede hacer vericando la fecha probable de terminaci on del trabajo actual de cada equipo y escogiendo cu al ser a el siguiente pozo, con un criterio de cercan a o de prioridad. Preparar el calendario de trabajos de la manera descrita no proporciona elementos de an alisis basados en costos o benecios.

producir hidrocarburos3 . As que entre m as r apido se pueda incorporar producci on nueva, mejores resultados globales se obtendr an. Una forma de mejorar los resultados globales es que cuando se requiera reparar o perforar un pozo se considere no s olo los equipos asignados al Activo correspondiente, sino que se incluyan en el an alisis los equipos que pudieran estar pr oximos a liberarse en los Activos cercanos. Debido a que los equipos de perforaci on disponibles deben atender todos los requerimientos de trabajo, incluyendo las maniobras no productivas como la perforaci on de pozos exploratorios o el mantenimiento de las cavidades de almacenamiento, se requiere denir prioridades globales de los pozos con base en los benecios esperados y atendiendo las urgencias del mantenimiento. Pareciera natural que se puedan lograr benecios mayores si se considera toda la infraestructura disponible en la Regi on en lugar de limitar la programaci on de los trabajos a la infraestructura local.

2.

Objetivos del modelo

1.3.

Necesidad de optimizar

Los benecios que resultan de la perforaci on y reparaci on de pozos dependen de la fecha en que dichos pozos quedan terminados para
Es el caso de la cavidades de almacenamiento de crudo en Tuzand epetl, que tienen arboles de v alvulas de dimensiones que imposibilitan el acceso de equipos convencionales. 2 La Regi on Sur de PEP est a dividida geogr acamente en cinco unidades de productivas, denominadas Activos de Producci on. Cada Activo tiene encomendada la explotaci on de yacimientos cercanos entre s .
1

Desarrollar una representaci on de las restricciones de log stica del movimiento de equipos y describir el valor econ omico de los benecios de la perforaci on y reparaci on de pozos. Con esta modelaci on es posible cuanticar el valor econ omico de las operaciones y por tanto se pueden denir prioridades objetivas para decidir el orden en que se realizar an los trabajos.
3 En el caso de reparaciones de pozos, se considera s olo el incremento de producci on por encima de la producci on actual, pues si no se realizara la reparaci on, el pozo continuar a operando en su nivel actual

62

Foro de Matem aticas del Sureste

DAC B asicas

Universidad Ju arez Aut onoma de Tabasco Proporcionar elementos de an alisis para la toma de decisiones, cuando por causas externas surgen cambios en el programa de movimientos. Por ejemplo, cuando por razones externas resulta forzoso que un cierto equipo realice determinada perforaci on, es conveniente considerar como elemento de juicio el costo que tienen los ajustes que resulten en el programa de toda la Regi on. Ayudar a identicar las estrategias que maximizan el aprovechamiento de los recursos t ecnicos y econ omicos con que cuenta la Regi on Sur de PEP. Modelando el costo en forma aproximada y con restricciones completas, la funci on objetivo y restricciones resultan lineales. Con un modelo de costo exacto y restricciones completas, la funci on objetivo y las restricciones resultan no-lineales. La utilidad pr actica de cada enfoque depende de la disponibilidad de software de implementaci on de algoritmos de soluci on. Por ejemplo, si se dispone s olo de algoritmos de programaci on entera, se puede maximizar el incremento de producci on pero no se puede hacer una maximizaci on de utilidades debido a que se requerir a un modelo exacto de costo y este enfoque condujo a expresiones nolineales.

3.

Enfoques desarrollados

Para establecer la prioridad que tiene cada pozo, se utilizan criterios de maximizaci on de la producci on esperada o minimizaci on del costo de transporte. La modelaci on del problema se realiza usando variables binarias4 en forma generalizada, pues el problema es de naturaleza combinatoria. Algunas formas en que se modelan las restricciones y la funci on objetivo se enumeran a continuaci on. Maximizar producci on (modelo de programaci on de tareas) Considerando la declinaci on de la producci on, la funci on objetivo resulta no-lineal y sus restricciones lineales. Sin declinaci on de la producci on, la funci on objetivo es lineal y sus restricciones tambi en son lineales. Minimizar costo de transporte
4

4.
4.1.

Modelo algebraico
Denici on de variables

Los pozos que requieren intervenciones se representar an por Zi , i = 1, . . . , n. La duraci on del trabajo requerido en cada uno de ellos ser a i . El incremento de producci on esperada al completar el trabajo ser a de a i unidades g de aceite y de i unidades de gas. El factor de declinaci on5 de la producci on ser a i . El horizonte de planeaci on va desde el d a cero hasta el d a L. Este es el periodo en que deben realizarse todos los trabajos. La producci on de los pozos se contabiliza s olo en este intervalo de tiempo.
Es el porcentaje constante en que se reduce la producci on del pozo de un d a al siguiente. Este valor se determina a partir del factor de declinaci on mensual
5

Variables que s olo toman los valores 0 o 1.

DAC B asicas

Foro de Matem aticas del Sureste

63

Universidad Ju arez Aut onoma de Tabasco Los equipos de perforaci on se denotar an por Ej , j = 1, . . . , m. Para el modelado de costos de traslado se simboliza por j el peso del equipo. Los trabajos asignados a cada equipo se identicar an mediante las variables pij . Estas variables son binarias; pij = 1 si el pozo Zi lo atender a el equipo Ej ; en caso contrario pij = 0. Las variables m as relevantes del modelo son si , i = 1, . . . , n, las cuales representan el inicio de la intervenci on del pozo Zi y sus valores deben ser no negativos6 . Se asume que sus unidades son d as. Estas variables resultan con valores enteros si los tiempos de traslado y la duraci on de los trabajos se indican en d as completos, es decir, si no se usan fracciones de d a. Se denir a un conjunto de par ametros j ik , los cuales representan el tiempo que tarda el equipo Ej en ser trasladado del pozo Zi al pozo Zk , incluyendo su desarmado y rearmado. Esta cantidad de par ametros se pueden reducir durante la implementaci on del modelo si se consideran los mismos tiempos para todos los equipos de potencias similares. Incluso se puede reducir a unos pocos valores si se asume que la mayor parte del tiempo de traslado se debe al desarmado y rearmado. Se requiere denir variables de precedencia dik . Estas servir an para indicar si el pozo Zi se empieza a atender antes o despu es que cuando inicia el trabajo del pozo Zk . Existen algunas otras variables que se usan como auxiliares para modelar la l ogica de algunas restricciones, pero ser an denidas en las secciones en que se utilizan.
Por simplicidad se supone que los trabajos en el pozo inician a primera hora del d a si , por lo que este d a cuenta en la duraci on del trabajo
6

4.2.
4.2.1.

Restricciones fundamentales del problema

Unicidad de la asignaci on

Cada pozo s olo puede ser atendido por un u nico equipo de perforaci on, lo que signica que cada trabajo es iniciado y terminado por el mismo equipo.
m

pij = 1
j =1

i = 1, . . . , n

(1)

Adem as, estas igualdades fuerzan a que todos los pozos sean asignados a alg un equipo. Observe que no se excluye el caso en que alg un equipo no tuviera trabajos asignados. 4.2.2. Capacidad de los equipos

La capacidad de los equipos de perforaci on se describe principalmente por la profundidad m axima de operaci on posible. Con estos valores se denen los par ametros auxiliares ij para indicar qu e equipos pueden realizar cu ales trabajos. Si el equipo Ej tiene capacidad suciente para realizar el trabajo del pozo Zi entonces ij = 1. En caso contrario ij = 0. Ahora hay que asegurar que no se asignen equipos cuya capacidad sea inferior a los requerimientos del pozo. pij ij i = 1, . . . , n j = 1, . . . , m (2)

4.2.3.

Precedencia de los trabajos

Antes de poder modelar las restricciones para evitar el traslape de los trabajos que son asignados a un mismo equipo, se requiere modelar el comportamiento de las variables binarias de DAC B asicas

64

Foro de Matem aticas del Sureste

Universidad Ju arez Aut onoma de Tabasco precedencia dik . i, k = 1, . . . , n (3) dik + dki = 1 i < k, i, k = 1, . . . , n (4) Donde el par ametro K es una constante sucientemente grande para asegurar que si el t ermino a la derecha no es cero, entonces todas las combinaciones de diferencias sean menores que dicha constante7 . Ahora puede observarse que la variable dik = 1 si el trabajo en el pozo Zi empieza antes que el del pozo Zk . Y dik = 0 cuando ocurre lo contrario. 4.2.4. Evitar el empalme de trabajos sk si dik K i = k, inicio debe cumplir con las siguientes restricciones. i si (6) si + i 1 i i = 1, . . . , n 4.2.6. Mantenimiento de los equipos

La programaci on del mantenimiento de los equipos se puede modelar agregando pozos virtuales con ventanas de tiempo adecuadas y con asignaciones forzosas en las variables pij . Digamos que el pozo virtual Zi representa el mantenimiento preventivo del equipo Ej , entonces se agrega la restricci on pi j = 1 con lo cual se vuelve forzosa la asignaci on deseada para cualquier soluci on factible del modelo. 4.2.7. Localizaciones ya licitadas

Los pozos que se asignan en secuencia a un mismo equipo deben programarse de tal forma que haya tiempo suciente para que se concluyan los trabajos del primer pozo y el equipo se desarme y traslade hasta la nueva localizaci on, antes de empezar el trabajo del segundo pozo. si +i +j ik sk K(1dik +2pij pkj ) (5) j = 1, . . . , m 4.2.5. i = k, i, k = 1, . . . , n

Ventanas de tiempo

En el caso de la preparaci on de localizaciones con contratos ya licitados, es necesario ajustar las ventanas de tiempo a n de que la programaci on resultante del modelo coincida con los compromisos contractuales. Incluso puede ser necesario incluir la asignaci on forzosa de un determinado equipo de perforaci on.

En el caso de zonas inundables hay ventanas de tiempo permisibles para realizar los trabajos, pues s olo en ciertas epocas del a no pueden transitar los equipos en dichos lugares. Digamos que el pozo Zi debe ser atendido entre los d as i y i , entonces la variable de
Esta misma constante K se utiliza en otro conjunto de restricciones que se describen posteriormente, con lo cual se puede ver que un valor adecuado es max(i ) + max(j ik ) + L
7

4.3.

Funci on objetivo

Con el conjunto de restricciones fundamentales se puede establecer la funci on objetivo de ganancias. 4.3.1. Maximizaci on de producci on

La perforaci on del pozo Zi se inicia el d a si , dura i d as en completarse, as que termina 65

DAC B asicas

Foro de Matem aticas del Sureste

Universidad Ju arez Aut onoma de Tabasco el d a si + i 1 y al d a siguiente (si + i ) se inicia la producci on, la cual contin ua hasta el t ermino del periodo de programaci on en el d a L. La producci on posterior a este d a ya no se considera. La producci on total de aceite durante el periodo de programaci on ser a
L lsi i a i (1 i ) l=si +i

4.3.2.

Minimizaci on de costos por traslado de equipos, enfoques lineales

Esta suma se puede reducir con una f ormula de suma de una progresi on. Resultando la funci on objetivo no-lineal siguiente: IN Cia = a i 1 (1 i )Lsi i +1 i (7)

Para modelar el costo de traslado de los equipos se asume que la base de cobro de estos servicios es el peso de las unidades y la distancia del transporte. La distancia de traslado entre los pozos Zi y Zk se simboliza por ik . El costo unitario de transporte es C . Si el equipo Ej tiene asignados los pozos i y k consecutivamente en su ruta, entonces el correspondiente costo de traslado ser a C j ik Para denir una funci on objetivo para minimizaci on de costos se requiere sumar los costos de los traslados entre pozos, pero s olo en los casos de los pozos consecutivos en la ruta de un mismo equipo. Escribir una f ormula expl cita de esta suma de costos y que adem as sea lineal parece bastante complejo. En su lugar se presenta primero una modelaci on lineal de un concepto que se denominar a intensidad de transporte. Se denen variables binarias hj ik . Se desea modelarlas para que valgan 1 si los pozos Zi y Zk est an ambos asignados al equipo Ej y el pozo Zi aparece antes en la ruta que el Zk . Estas variables valen 0 en otro caso. Observe que no se asegura que ambos pozos sean contiguos en la ruta para que hj ik = 1. j Si las variables hik tienen el comportamiento deseado, se podr a plantear la funci on objetivo lineal
m n n

El incremento en gas IN Cig durante todo el horizonte de programaci on se trata en forma similar. La funci on objetivo ser a la suma de incrementos de todos los pozos, ponderando adecuadamente el gas y el aceite, digamos con los precios G y A respectivamente, para expresarlos en una base com un8 .
n

M ax
i=1

(A IN Cia + G IN Cig )

(8)

Si no se considera el efecto de declinaci on de la producci on, entonces la ecuaci on 7 se reducir a a una expresi on lineal. IN Cia = a i [L si i + 1] (9)

Con esta reducci on la funci on objetivo resulta lineal, por lo que puede resolverse con software de programaci on lineal mixta (MILP).
Estos ponderadores pueden ser los precios de cada hidrocarburo por unidad volum etrica. Tambi en pueden ser factores de equivalencia energ etica, incluso uno de ellos puede ser igualado a cero para tomar en cuenta s olo el otro.
8

M in

(hj ik j ik )
j =1 i=1 k=1,k=i

(10)

Observe que s olo se minimiza el pesodistancia total, pues este es un modelo aproximado que est a relacionado en forma directa DAC B asicas

66

Foro de Matem aticas del Sureste

Universidad Ju arez Aut onoma de Tabasco con el costo por traslados, pero no en una proporci on constante. Las restricciones que modelan el comportamiento de las variables hj ik son las siguientes. hj (11) ik pij hj ik pkj hj ik dik variables de decisi on, por lo que no es manejable con software est andar tipo MILP. Adicionalmente, las restricciones que se presentan para modelar el comportamiento de las j variables fik incluyen t erminos no lineales. Si alguno de los pozos Zi y Zk no est a asigj nado al equipo Ej , entonces fik = 0.
j fik pij j fik pkj

(13)

hj ik (pij 1) + (pkj 1) + (dik 1) + 1 i, k = 1, . . . , n i = k j = 1, . . . , m

i, k = 1, . . . , n i = k

j = 1, . . . , m

Una ventaja importante del modelo de funci on objetivo es que tambi en puede resolverse con software tipo MILP. 4.3.3. Minimizaci on de costos por traslado de equipos, enfoques no-lineales

Ahora, s olo para ilustrar un modelo exacto del costo, se denen variables binarias para utilizar en lugar de hj ik . Estas variables se dej nominar an fik , y se modelar an para que tengan valor 1 cuando los pozos Zi y Zk est an ambos asignados al equipo Ej y aparezcan contiguos en la ruta, es decir, uno despu es del otro, sin importar el orden espec co. Si estas variables se modelan en la forma descrita, el modelo de funci on objetivo del costo de traslados es el siguiente:
m n n j fik dik j ik C (12) j =1 i=1 k=1,k=i

La principal limitaci on del modelo de costo estimado es que no se representa la condici on de que los pozos sean contiguos en la ruta del equipo de perforaci on. Digamos que se tienen dos pozos Zi y Zk y se trata de identicar si est an contiguos en la ruta, si ambos est an asignados al mismo equipo Ej . La expresi on siguiente es de utilidad para esto, pues permite determinar si hay otros pozos intermedios en la ruta entre el i y k.

Inter(i, k, j ) =
n

(dil dkl ) (dik dki ) plj

l=1,l=i,l=k

M in

Ahora se presentan las restricciones que aseguran que si los pozos Zi y Zk est an asignados al equipo Ej y son contiguos en la ruta, enj tonces fik = 1. Para esto se agregan variables j binarias ik .
j (1 pij )+(1 pkj )+ Inter(i, k, j ) ik (14) j j fik 1 ik

Este es un modelo exacto del costo, as que puede ser combinado con la funci on objetivo 8 para denir una funci on general de utilidades. Tiene la desventaja de incluir un producto de DAC B asicas

i, k = 1, . . . , n i = k

j = 1, . . . , m 67

Foro de Matem aticas del Sureste

Universidad Ju arez Aut onoma de Tabasco La restricci on anterior no asegura que si los j pozos no son contiguos fik = 0. Para garantizar esto se agregan m as variables binarias j ik y las siguientes restricciones. Inter(i, k, j ) j ik m
j fik 1 j ik

Referencias
[1] Christos H. Papadimitriou, Kenneth Steiglitz. Combinatorial Optimization, Algorithms and Complexity, Dover 1998.

(15) Foro de Matem aticas del Sureste 2003 Universidad Ju arez Aut onoma de Tabasco 22 28 de mayo de 2003 Cunduac an Tabasco M exico Enviado: Mayo, 2003 Publicado: Diciembre, 2004

i, k = 1, . . . , n i = k

j = 1, . . . , m.

5.

Conclusiones

Los modelos de programaci on mixta permiten analizar y resolver problemas de tipo combinatorio. La programaci on mixta tambi en se puede usar para linealizar funciones objetivo no lineales o discontinuas. La principal limitaci on pr actica para aprovechar estos modelos es la disponibilidad de software de soluci on y el ambiente de c omputo en que est a implementado.

68

Foro de Matem aticas del Sureste

DAC B asicas