[en] SCENARIO SELECTION WITH SET COVERING PROBLEM

[pt] SELEÇÃO DE CENÁRIOS COM WEIGHTED SET COVERING

[pt] ISABELLA FISCHER GUINDANI VIEIRA

[pt] PROGRAMACAO INTEIRA

[pt] MODELO DE COBERTURA DE CONJUNTOS

[pt] SELECAO DE CENARIOS

[en] INTER LINEAR PROGRAMMIN

[en] SET COVERING MODEL

[en] SCENARIO SELECTION

[pt] As técnicas de agrupamentos aplicadas a um grande número de cenários de incerteza permitem a escolha de um conjunto reduzido, porém, representativo da população de cenários completa. Em outras palavras, uma amostra que contenha uma quantidade menor de elementos a ponto de reduzir suficientemente o volume total de dados e obter ganhos significativos de eficiência no processamento dos dados, mas que consiga, sobretudo, preservar as características do processo estocástico que o originou. Com este intuito, o presente trabalho propõe uma metodologia de seleção de cenários estocásticos utilizando o modelo clássico de Cobertura de Conjuntos. Aplicada na etapa de cálculo de demanda estocástica de ferramentas e serviços para construção de poços marítimos de exploração de petróleo, uma análise de sensibilidade compara os resultados das demandas calculadas com os cenários selecionados pelo Problema de Cobertura de Conjuntos (PCC) e a demanda calculada com o conjunto universo de cenários. O PCC foi solucionado, nesta aplicação, em sua versão clássica da literatura a partir de um algoritmo exato e um heurístico. Os resultados apontam diferenças pouco representativas no resultado final das demandas calculadas com cenários reduzidos e com o total de cenários. A heurística, ainda que seja first solution, apresentou um resultado satisfatório em relação ao ganho de desempenho versus confiabilidade, e indica o potencial do método se aplicado em conjunto com algoritmos de metaheurística e busca local.

[en] Clustering techniques applied to a large number of scenarios under uncertainty allow the selection of a reduced, however, representative set of the total scenario population. In other words, a sample that contains a smaller number of elements to the point of sufficiently reducing the total volume of data and obtaining significant gains in efficiency in processing the data, but that is able, above all, to preserve the characteristics of the stochastic process that originated it. To this end, the present work proposes a methodology for selecting stochastic scenarios using the classic Set Covering Model. Applied in the calculation of demand for tools and services in the construction of offshore oil exploration wells, a sensitivity analysis compares the results of the demands calculated with the scenarios selected by the Set Covering Problem (SCP) and the demand calculated with the universe of scenarios. The SCP was solved, in this application, in its classic version of the literature using an exact algorithm and a heuristic algorithm. The results show not representative differences in the final result of the demands calculated with reduced scenarios and with the total scenarios. The heuristic, even if it is first solution, presented a satisfactory result in relation to the performance gain versus reliability, and indicates the potential of the method if applied together with metaheuristic and local search algorithms.

RAFAEL MARTINELLI PINTO

2021-05-18

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52760@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52760@2

https://doi.org/10.17771/PUCRio.SeminarPPGEP.52760