Artículo Académico / Academic Paper
Recibido: 10-05-2020, Aprobado tras revisión: 16-07-2020
Forma sugerida de citación: Morales, J.; Quitiaquez, W., Simbaña I.; (2020). Modelos de optimización matemática aplicables al
sector downstream y midstream del petróleo, Revisión de la literatura y dirección de investigaciones futuras. Revista Técnica
“energía”. No. 17, Issue I, Pp. 103-111.
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
© 2020 Operador Nacional de Electricidad, CENACE
Mathematics optimization models for downstream and midstream petroleum
sectors. Literature review and future research directions
Modelos de optimización matemática aplicables al sector downstream y
midstream del petróleo. Revisión de la literatura y dirección de
investigaciones futuras
J. Morales
1
W. Quitiaquez
1
I. Simbaña
1
1
Universidad Politécnica Salesiana, Quito, Ecuador
E-mail: jmoralesc17@est.ups.edu.ec; wquitiaquez@ups.edu.ec; isaaxsin@hotmail.com
Abstract
This article resumes a literature review about
Integer Linear and No-linear programming models
(MILP and MINLP) applied to petroleum supply
chain, especially for Downstream and Midstream
sectors. These sectors work in the hydrocarbons’
production, tailored and distribution for final uses,
such as intermediate distillates and LPG. The aim of
this research is contrast 32 research articles of
operations research, especially which considered
multiproduct pipeline transport. The main aim of
this article has focused on a future approach of
research for petroleum supply chain in the
Downstream and Midstream sectors. Of the articles
analyzed, the 32 articles tailored a MILP, about of
26 tailored a fuel`s distribution structure in
Downstream sector. There is not evidence of MILP
and MINLP researched in Ecuador. Finally, discuses
about futures lines of research in this topic, such as
applied a MILP for operative programing in multi-
products pipelines network of Ecuador’s petroleum
supply chain. Tools that in the future will lead take
effectives decisions a tactic and operative level,
considered whole variables in the distributions
multi-products pipelines network for satisfied the
demand.
Resumen
Este artículo presenta una revisión de la literatura
sobre los modelos de Programación Lineal y No
lineal de Enteros Mixtos (MILP y MINLP,
respectivamente por sus siglas en inglés), aplicados a
la cadena de suministro del petróleo crudo,
especialmente en el sector downstream y midstream.
Los cuales se encargan de la producción,
preparación y distribución de hidrocarburos de uso
final como gasolina, diésel, jet y gas licuado de
petróleo. El objetivo de esta investigación es
comparar 32 trabajos de investigación de
operaciones, especialmente los que consideran el
transporte de multi productos en una misma línea.
El artículo tiene el enfoque principal de realizar un
planteamiento de la dirección futura de la
investigación para la cadena de suministro del
petróleo en los sectores downstream y midstream. De
todos los artículos analizados, los 32 generan un
modelo MILP, de los cuales 26 modelan la estructura
de distribución de combustibles en el sector
downstream, no existe evidencia de trabajos de
investigación de modelos MILP o MINLP
desarrollados en el Ecuador. Finalmente, se discute
futuras líneas de investigación referente a esta
temática como la aplicación de MILP para la
programación operativa de la red de la cadena de
suministro del petróleo en el Ecuador. Herramienta
que a futuro permitirá la toma de decisiones de nivel
táctico y operativo de manera efectiva, considerando
todas las variables de la red de distribución de
combustibles para satisfacer una demanda prevista.
Index terms Integer linear program, Supply
Chain, downstream, midstream, hydrocarbons
Palabras clave Programación lineal de enteros
mixtos, Cadena de suministro, Downstream,
Midstream, Hidrocarburos.
103
Edición No. 17, Issue I, Julio 2020
1. INTRODUCCIÓN
Barbosa et al. [1] definen a la cadena de suministro
como un sistema interconectado de entidades
responsables del abastecimiento, producción y
distribución de una variada oferta de productos en la
industria química o biológica, los cuales manejan una
amplia cantidad de información de los flujos de
materiales e información. La finalidad de cualquier
cadena de suministro es satisfacer la demanda al menor
costo posible.
La gestión y planeación efectiva para la toma de
decisiones de la cadena de suministro dependen de tres
niveles: estratégico, táctico y operacional [2]. El nivel
estratégico implica el planteamiento de objetivos y el
análisis del entorno interno y competitivo de la empresa
a largo plazo, el nivel táctico consiste en la coordinación
de las actividades operativas a mediano plazo, mientras
que, el nivel operativo se encarga de ejecutar las tareas
asignadas por el nivel táctico con la finalidad de cumplir
los objetivos estratégicos.
Saad et al. [3] desarrollaron e implementaron una
red integrada para la optimización y planeación de la
cadena de suministro del petróleo, limitándose a la
refinación del petróleo, usando técnicas discretas y
continuas de modelamiento obtuvieron valores
2,57 x 10
7
toneladas de petróleo crudo para ser
alimentado en la planta, utilizando como restricciones la
tasa de alimentación de petróleo a las unidades de
destilación atmosférica, la calidad del petróleo
alimentado y la demanda de productos.
Un análisis de la cadena de suministro del petróleo
amigable ambientalmente, fue planteado por
Moradinasab et al. [4], en la que con la teoría de juegos
crearon un MILP, el modelo fue implementado en la
empresa National Iranian Oil Company, obteniéndose
un incremento de 11,2 % en la rentabilidad para la
empresa pública y una pérdida entre 25,4 y 28,1 % de
rentabilidad para la empresa privada.
Zhang et al [5], investigaron una cadena de
suministro de petróleo ambientalmente amigable, en el
mismo plantean un contrato de subsidio de dos partes en
la que se involucra la participación del gobierno
mediante el cobro de tasas arancelarias, demostrándose
que una intervención gubernamental más fuerte no
siempre puede conducir a una mejora ambiental y que el
gobierno debería cambiar de impuestos a subsidios en el
escenario de alto costo de inversiones ambientalmente
sustentables.
El trabajo de investigación de Siwi et al. [6]
establece un modelo MINLP, en el cual se analiza el
comportamiento no lineal de los reservorios de petróleo,
el impacto ambiental basado en el Eco-indicator 99 el
cual se introduce en la función objetivo, además del
rendimiento económico. Los resultados indican un
efecto de considerar los impactos ambientales en la
cadena de suministro del petróleo.
Farahini et al. [7] analizan la cadena de suministro
de petróleo en los campos de perforación y mediante un
MILP maximizan el Valor Actual Neto (VAN), en el
mismo se incluye la planeación de producción, locación
de facilidades, planeación de distribución. Se analiza
también el impacto de la inyección de gas en los
reservorios. En el caso de 5 importaciones, 5
exportaciones e inyección de gas, se observa que el
VAN pasa de 17,42 a 12,35 unidades monetarias entre
el caso 1 y 2.
La actual infraestructura de petróleo y su interacción
en la cadena de suministro de biocombustibles es
analizado con un MILP en el estudio de Tong et al. [8],
en el cual se determina que la producción óptima para el
estado de Illinois en sus 4 refinerías es 68,9 % de
biocombustibles.
An et al. [9], realizan una revisión de la literatura de
la cadena de suministro de petróleo integrada con la de
biocombustibles en la que abordan estudios dentro de
los tres niveles de planificación. Finalmente, se enfatiza
la necesidad de la interacción de agricultores con
productores de petróleo crudo para integrar la red de
distribución y comercialización existente y plantea
futuras investigaciones en este sentido.
El modelamiento de la cadena de suministro del
petróleo es una gran herramienta para la planeación de
la operación y distribución de hidrocarburos, la
planeación adecuada y la optimización, permite
incrementar las utilidades de las empresas mediante la
reducción de gastos innecesarios. Esta es la razón
principal por la cual las investigaciones acerca de la
cadena de suministro del petróleo han incrementado en
los últimos años, en una determinada base de datos al
consultar con palabras claves “supply chain petroleum”
se observa un incremento de las publicaciones de
290 % en la última década (981 en 2.009 y 3.826 en
2.019), la Figura 1 muestra la cantidad de artículos
referentes a la temática por año de publicación.
Figura 1. Publicaciones sobre cadena de suministro del
petróleo en el periodo 2.009 – 2.019 [10]
En el caso de Ecuador no existen publicaciones
referentes al presente tema de estudio.
104
Morales et al. / Modelos de optimización matemática aplicables al sector downstream y midstream del petróleo
2. FUNDAMENTOS DE LA INVESTIGACIÓN
La industrialización del petróleo se divide en tres
macroprocesos: Up-Stream, Down-Stream y Mid-
Stream [11]. El Up stream se refiere a los procesos de
prospección, perforación y extracción de petróleo.
Down stream engloba a los procesos de refinación y
transformación petroquímica del petróleo crudo,
mientras que Midstream es el proceso de transferencia
de hidrocarburos entre dos lugares ya sea como petróleo
crudo, productos refinados o petroquímicos como
gasolinas, diésel y gas licuado.
Los procesos de downstream y midstream son los
que generan un mayor margen económico dentro de la
cadena de suministro del petróleo, razón por la cual es
necesario contar con un modelo óptimo que permita
maximizar las ganancias y reducir tiempos muertos en
los sistemas de producción y distribución [12]. Los
cuales se deben incluir variables como producción de
centros de refinación, volúmenes de productos
importados, inventarios en los centros de mezclas y
distribución de hidrocarburos, volúmenes transportados
por poliductos u otros medios y secuencias de estos, con
la finalidad de satisfacer la demanda con un bajo costo
operativo.
El flujo de materiales en la cadena de suministro se
mueve desde la extracción del petróleo crudo hasta el
usuario final y la información es retroalimentada en la
cadena de acuerdo con las necesidades del cliente final,
regulaciones ambientales u otros organismos de control.
Dentro de la Investigación de Operaciones se
introducen los MILP y los modelos MINLP que son
utilizados para formular reglas que permitan decidir
entre diferentes opciones mediante los programas de
optimización [13]. Para el caso del Ecuador, la
generación del modelo debe incluir los tres centros de
refinación nacional (Refinería Esmeraldas, Refinería La
Libertad y Refinería Shushufindi), los productos que se
transportan por diferentes medios (gasolinas, diésel, jet,
GLP y naftas bases de refinerías), productos importados
y descargados en diferentes puertos (naftas y diésel), así
como la mezcla (blending and pooling) en los centros de
preparación de combustibles.
3. PLANEACIÓN DE LA CADENA DE
SUMINISTRO DEL PETROLEO
Una de las actividades de mayor criticidad en el
sector dowstream es la planificación de las cargas y
descargas de materias primas y productos [14]. En la
literatura los trabajos referentes al área de la cadena de
suministro no establecen de forma concisa la cantidad
de factores de incertidumbre o disrupciones en el
gerenciamiento de la cadena y de los modelos MILP
planteados, esto a su vez ocasiona que estos modelos no
se aproximen de manera adecuada a la realidad y no
puedan utilizarse para la toma de decisiones. La
tendencia actual es trabajar en el desarrollo de modelos
con una mayor robustez.
A pesar de estos inconvenientes existen empresas
que han desarrollado modelos comerciales tales como
RPMS®, PIMPS®, GRTMPS® entre otros, basados en
programación lineal a través de información introducida
en tablas tipo GAMS. Los cuales son analizados por
Popescu [15], estos se centran en la planificación de la
producción de plantas de refinación y petroquímicas
para estructurar la adquisición de materia prima y ventas
de productos finales, permite estimar los márgenes de
refinación, pero tiene como deficiencia establecer los
planes de transporte y distribución de hidrocarburos.
La Tabla 1 muestra un reporte que ha sido realizado
sobre las principales investigaciones relacionadas a la
temática en estudio, de los 32 trabajos descritos, 20 han
sido publicados en la revista Computer and Chemical
Engineering del Reino Unido especializada en artículos
de automatización y optimización de los procesos de la
industria química. El 90 % de los artículos tiene
procedencia de Asia y destacan 14 trabajos precedentes
de China. Todos los trabajos muestran el desarrollo de
modelos MILP y MINLP con la finalidad de reducir
costos de operación y facilitar la toma de decisiones al
nivel operacional y táctico de las empresas
hidrocarburíferas. No existe evidencia de trabajos que
incluyan como medio de transporte buques entre
terminales. El 40 % incluye el transporte de
hidrocarburos a través de poliductos, uno de los trabajos
incluye factores hidrodinámicos para calcular los
tiempos en que el producto llega de un terminal a otro,
incluyendo las pérdidas de presión a través de la línea.
No está por demás mencionar el trabajo del
cálculo óptimo entre producción de petróleo y GLP en
la Estación de producción Aguarico [46], estudio que al
ser aplicado a nivel nacional, incrementaría los
volúmenes de GLP y gasolina natural recuperados en
los campos petroleros, lo que tendría un impacto en el
blender de Gasolinas en los Terminales Beaterio y
Refinería Shushufindi por el cambio de las
especificaciones de calidad de la nafta base de Refinería
Shushufindi la cual es enviada a la Terminal Beaterio
para producción de gasolina Extra. Además, estudios
que investigan el reemplazo de los combustibles fósiles
por combustibles que permitan avanzar a una economía
sustentable [47] cambiarían radicalmente la cadena de
suministro de hidrocarburos en el Ecuador y el mundo.
La topología (relación entre Centro de Distribución
y Fuentes) más básica, es la distribución a un Centro de
Distribución desde una fuente, investigaciones como la
de Relvas et al [48] en la cual se cumple el objetivo de
suplir la demanda del Centro de distribución y evitar el
sobre stock, minimizando el flujo en el poliducto, como
conclusión muestra indicadores operacionales en los
cuales existe una variación de 30 % en los inventarios.
105
Edición No. 17, Issue I, Julio 2020
Tabla 1: Principales características de artículos revisados sobre modelamiento de la cadena de suministro del petróleo
Autor
Comportamiento estadístico
Nivel de planeación
Cadena de suministro del Petróleo
Tipo de modelo
Aplicación
Año de
publicación
Determinístico
Estocástico
Estratégico
Táctico
Operacional
Upstream
Midstream
Downstream
Real
Simulación
Hong et al.
[16]
X
X
X
MILP
X
2.019
Bian et al.
[17]
X
X
X
X
MILP
X
2.019
Wang et al.
[18]
X
X
X
MILP
X
2.018
Liao et al.
[19]
X
X
X
X
MILP
X
2.018
Chen et al.
[20]
X
X
X
X
MILP
X
2.017
Liao et al.
[21]
X
X
X
MILP
X
2.018
Zhang et al.
[22]
X
X
X
MILP
X
2.017
Moradinasab
et al. [4]
X
X
X
X
MILP
X
2.018
Zhou et al.
[23]
X
X
X
X
MINLP
X
2.018
Wang et al.
[24]
X
X
X
MILP
X
2.019
Siddiqui et
al. [25]
X
X
X
X
MILP
X
2.018
Albahri et
al. [26]
X
X
X
X
MILP
X
2.019
Wang et al.
[27]
X
X
X
MILP
X
2.019
Assis et al.
[28]
X
X
X
X
MILP /
MINLP
X
2.019
Almedallah
et al. [29]
X
X
X
MILP
X
2.019
Attia et al.
[30]
X
X
X
MILP
X
2.019
Franzoi et
al. [31]
X
X
X
X
2.019
Quinteros et
al. [32]
X
X
X
MILP
X
2.019
Xin et al.
[33]
X
X
X
X
Multi Objetivo
MILP
X
2.019
Bayu et al.
[34]
X
X
X
X
Algoritmo
genético
gráfico
X
2.019
Qiu et al.
[35]
X
X
X
MINLP
X
2.019
hang et al.
[36]
X
X
X
X
MILP
X
2.018
Siwi et al.
[6]
X
X
X
X
MINLP
X
2.018
Zaghian et
al. [37]
X
X
X
MILP
X
2.015
Abdellaoui
et al. [38]
X
X
X
MILP
X
2.018
Qu et al.
[39]
X
X
X
MINLP
X
2.018
Kirschstein
Thomas [40]
X
X
X
Programación
de Lote
Económico
X
2.018
Zhang et al.
[41]
X
X
X
MILP
X
2.017
Rosa et al.
[42]
X
X
X
MILP
X
2.018
Jalanko et
al. [43]
X
X
X
MILP /
MINLP
X
2.018
Akgul et al.
[44]
X
X
X
X
MILP
X
2.011
Bittante et
al. [45]
X
X
X
X
X
X
MILP
X
2.018
106
Morales et al. / Modelos de optimización matemática aplicables al sector downstream y midstream del petróleo
La Tabla 1, resume los diferentes trabajos que tratan
de la programación de la cadena de suministro de
hidrocarburos y los clasifica de acuerdo con el tipo de
datos que manejan. Se observa que 25 de los 32
artículos trabajan con un MILP, desarrollados para
diferentes tipos de topologías, la más común en los
estudios revisados es la distribución a un Centro de
Distribución a partir de una Fuente. Algo común es que
ninguno de ellos analiza el uso de baches como
interfaces entre baches de productos que por cuestiones
de estabilidad y calidad no deben transportarse en
secuencia, además del análisis de reductores de fricción
que pueden variar las tasas de flujo en los poliductos.
Ninguno de ellos aborda los tres macroprocesos de
la cadena de suministro de hidrocarburos a la vez.
4. TRABAJOS FUTUROS
La elaboración de un modelo de la cadena de
suministro de petróleo, que permita la planificación de
los procesos de producción y mezclas para elaboración
de productos y el transporte de estos a través de una red
de poliductos, cuya topología muestre la complejidad
que existe en los casos reales como abastecimiento de
un Centro de distribución o Terminal desde dos Fuentes
o Refinerías diferentes. El cual sea modelado en tiempo
continuo y considere los tiempos de los operativos de
descarga/carga de importaciones /exportaciones,
transferencias de productos entre tanques y tiempos de
preparación de productos en general y cumplimiento de
las normas de calidad de productos, así como la
operación de las refinerías. Constituirá una herramienta
de gran valor para las empresas del sector ya que a
partir de una buena proyección de la demanda permitirá
conocer la manera en la que Refinerías, Terminales y
poliductos dentro de una red, deben trabajar para evitar
sobre stocks o desabastecimiento de productos en
cualquiera de sus elementos.
Un modelo de esta complejidad permitirá a los
analistas de movimiento de productos o programadores
dentro de la cadena de suministro destinar parte del
tiempo que utilizaban en la planificación antes de esta
herramienta, en otras actividades de valor dentro de la
empresa.
Del estado del arte realizado respecto a los MILP, se
puede deducir que es menester para el Ecuador iniciar
investigaciones de modelos MILP en la cadena de
suministro del petróleo, a su vez intentar cubrir la
brecha de conocimiento que existe en modelos que no
consideran a más de una disrupción. Entre las futuras
investigaciones se incluye:
(i) Desarrollo de gerenciamiento de incertidumbres
en un ambiente real.
(ii) Extensión del modelo a toda la cadena de
suministro (Upstream, Downstream and Midstream).
(iii) Modelos que consideren más de un factor de
incertidumbre en un solo estudio.
El modelo planteado para la realidad ecuatoriana
pretende trabajar en los puntos (i) y (iii) mencionados.
Limitándose desde la entrada de petróleo crudo en las
unidades de destilación atmosférica hasta la llegada de
producto a los terminales de combustibles de la empresa
petrolera del Ecuador, incluyendo los siguientes centros
de refinación:
(i) Refinería Esmeraldas, RE (110.000 bopd).
(ii) Refinería Shushufindi, RSH (20.000 bopd).
(iii) Refinería Libertad y Cautivo, RLL (45.000
bopd).
Se excluye el proyecto del Decreto Ejecutivo 861 de
2.018 de la construcción de un centro de refinación de
300.000 bopd en la Región Costa del Ecuador.
Se considera los terminales (T):
Se considera los siguientes modos de transporte (t):
(i) Poliducto (p).
(ii) Cabotaje (c)
(iii) Autotanque (at)
Se consideran los siguientes productos (p):
(i) Gasolinas (Súper, Extra, Ecopaís y Premezcla).
(ii) Nafta Base.
(iii) Nafta de bajo octano importada.
(iv) Nafta de alto octano (NAO)
(v) Diésel (Premium, Diésel 2, Diésel 1).
(vi) Jet A1 (J).
(vii) Gas licuado de petróleo (GLP).
Se definen los siguientes tipos de movimientos (m):
(i) Demanda (D).
(ii) Oferta (O).
(iii) Importación (i)
La Figura 2 esquematiza la información con la que
se modelaría el MILP aplicado a la realidad nacional,
obteniéndose como resultado información que permita
la programación de la operación de las Refinerías,
Terminales de Mezclas y volúmenes de importaciones,
además de la programación de las mezclas para la
preparación de gasolinas.
El modelo propuesto se centra exclusivamente en
productos limpios, por lo que investigaciones
adicionales podrían analizar la inclusión de productos
como Fuel Oíl de exportación y la importación de
Cutter Stock.
107
Edición No. 17, Issue I, Julio 2020
Figura 2. Esquema del flujo de información del modelo propuesto
5. CONCLUSIONES
En la presente investigación se realizó la revisión de
la literatura sobre los modelos MILP referentes a la
cadena de suministro del sector downstream y
midstream con uno o más factores de incertidumbre de
lo que resumimos lo siguiente.
A. Los 32 modelos tratan de la cadena de
distribución de hidrocarburos a través de poliductos,
además, ninguno comprende un modelo global que
incluya actividades del downstream y de preparación de
combustibles antes del despacho.
B. El desarrollo de un modelo que permita la
planificación de manera adecuada debe incluir los
tiempos de transferencia de hidrocarburos de entre
tanques y los tiempos de recirculación, muestreo y
análisis de calidad en la obtención de productos de
consumo final.
C. Modelar la complejidad de la cadena de
suministro del petróleo en el contexto nacional, implica
el levantamiento de información base de toda la
estructura del país como se muestra en la Figura 2, y el
desarrollo de un modelo que incluya la planificación de
la operación de refinerías y terminales, la mezcla de
productos y la transferencia entre los distintos centros,
todo ello con la finalidad de satisfacer la demanda de
hidrocarburos a nivel nacional.
AGRADECIMIENTOS
Los autores agradecen al Grupo de Investigación en
Energías Renovables e Implementación Mecánica de
Pymes (GIERIMP) de la Universidad Politécnica
Salesiana.
REFERENCIAS BIBLIOGRÁFICAS
[1] A. P. Barbosa-Póvoa y J. M. Pinto, «Process supply
chains: Perspectives from academia and industry»,
Computers & Chemical Engineering, vol. 132, p.
106606, ene. 2020.
[2] M. Govil y J.-M. Proth, «Supply Chain Design and
Management Strategic and Tactical Perspectives»,
en Supply Chain Design and Management, M.
Govil y J.-M. Proth, Eds. San Diego: Academic
Press, 2002, pp. 1-6.
[3] S. M. Saad, E. H. Elsaghier, y D. Ezaga, «Planning
and optimising petroleum supply chain», Procedia
Manufacturing, vol. 17, pp. 803-810, ene. 2018.
[4] N. Moradinasab, M. R. Amin-Naseri, T. J.
Behbahani, y H. Jafarzadeh, «Competition and
cooperation between supply chains in multi-
objective petroleum green supply chain: A game
theoretic approach», Journal of Cleaner Production,
vol. 170, pp. 818-841, 2018.
[5] X. Zhang y H. M. A. U. Yousaf, «Green supply
chain coordination considering government
intervention, green investment, and customer green
preferences in the petroleum industry», Journal of
Cleaner Production, p. 118984, 2019.
[6] R. G. Siwi, F. Aljumah, J. Li, y X. Xao, «Optimal
Strategic Planning of Integrated Petroleum and
Petrochemical Supply Chain», en 28th European
Symposium on Computer Aided Process
Engineering, vol. 43, A. Friedl, J. J. Klemeš, S.
Radl, P. S. Varbanov, y T. Wallek, Eds. Elsevier,
2018, pp. 1201-1206.
[7] M. Farahani y D. Rahmani, «Production and
distribution planning in petroleum supply chains
regarding the impacts of gas injection and swap»,
Energy, vol. 141, pp. 991-1003, 2017.
[8] K. Tong, F. You, y G. Rong, «Robust design and
operations of hydrocarbon biofuel supply chain
integrating with existing petroleum refineries
considering unit cost objective», Computers &
Chemical Engineering, vol. 68, pp. 128-139, 2014.
[9] H. An, W. E. Wilhelm, y S. W. Searcy, «Biofuel
and petroleum-based fuel supply chain research: A
literature review», Biomass and Bioenergy, vol. 35,
n.o 9, pp. 3763-3774, 2011.
[10] Sciences direct, «40,021 Search Results –
Keywords (supply chain petroleum) -
ScienceDirect». [En línea]. Disponible en:
https://bibliotecas.ups.edu.ec:2230/search/advanced
108
Morales et al. / Modelos de optimización matemática aplicables al sector downstream y midstream del petróleo
?qs=supply%20chain%20petroleum&show=50&so
rtBy=relevance. [Accedido: 10-nov-2019].
[11] «Oilfield Glossary en español - Schlumberger
Oilfield Glossary». [En línea]. Disponible en:
https://www.glossary.oilfield.slb.com/es.aspx.
[Accedido: 11-nov-2019].
[12] J.-P. Favennec, «Petroleum Refining. Vol. 5
Refinery Operation and Management», en
Petroleum Refining, 2001.
[13] G. Towler y R. K. Sinnott, «12.11 Mixed Integer
Programming», en Chemical Engineering Design -
Principles, Practice and Economics of Plant and
Process Design, 2da edition., Elsevier, 2013.
[14] A. Fragkogios y G. K. D. Saharidis, «Modeling and
Solution Approaches for Crude Oil Scheduling in a
Refinery», en Energy Management—Collective and
Computational Intelligence with Theory and
Applications, C. Kahraman y G. Kayakutlu, Eds.
Cham: Springer International Publishing, 2018, pp.
251-275.
[15] P. Popescu, «Software Implementation for
Optimization of Production Planning within
Refineries», Econ. Insights – Trends Chall, vol.
VII(LXX), no 1, pp. 1-10, 2018.
[16] B. Hong et al., «An integrated MILP method for
gathering pipeline networks considering hydraulic
characteristics», Chemical Engineering Research
and Design, vol. 152, pp. 320-335, 2019.
[17] C. Bian, H. Li, F. Wallin, A. Avelin, L. Lin, y Z.
Yu, «Finding the optimal location for public
charging stations – a GIS-based MILP approach»,
Energy Procedia, vol. 158, pp. 6582-6588, 2019.
[18] B. Wang, Y. Liang, J. Zheng, R. Qiu, M. Yuan, y
H. Zhang, «An MILP model for the reformation of
natural gas pipeline networks with hydrogen
injection», International Journal of Hydrogen
Energy, vol. 43, n.o 33, pp. 16141-16153, 2018.
[19] Q. Liao, Y. Liang, N. Xu, H. Zhang, J. Wang, y X.
Zhou, «An MILP approach for detailed scheduling
of multi-product pipeline in pressure control
mode», Chemical Engineering Research and
Design, vol. 136, pp. 620-637, 2018.
[20] H. Chen et al., «Optimizing detailed schedules of a
multiproduct pipeline by a monolithic MILP
formulation», Journal of Petroleum Science and
Engineering, vol. 159, pp. 148-163, 2017.
[21] Q. Liao, H. Zhang, N. Xu, Y. Liang, y J. Wang, «A
MILP model based on flowrate database for
detailed scheduling of a multi-product pipeline with
multiple pump stations», Computers & Chemical
Engineering, vol. 117, pp. 63-81, 2018.
[22] H. Zhang, Y. Liang, J. Ma, C. Qian, y X. Yan, «An
MILP method for optimal offshore oilfield
gathering system», Ocean Engineering, vol. 141,
pp. 25-34, 2017.
[23] X. Zhou et al., «A MILP model for the detailed
scheduling of multiproduct pipelines with the
hydraulic constraints rigorously considered»,
Computers & Chemical Engineering, vol. 130, p.
106543, 2019.
[24] B. Wang, Y. Liang, T. Zheng, M. Yuan, y H.
Zhang, «Optimisation of a downstream oil supply
chain with new pipeline route planning», Chemical
Engineering Research and Design, vol. 145, pp.
300-313, 2019.
[25] A. Siddiqui, M. Verma, y V. Verter, «An integrated
framework for inventory management and
transportation of refined petroleum products:
Pipeline or marine? », Applied Mathematical
Modelling, vol. 55, pp. 224-247, 2018.
[26] T. A. Albahri, C. S. Khor, M. Elsholkami, y A.
Elkamel, «A mixed integer nonlinear programming
approach for petroleum refinery topology
optimisation», Chemical Engineering Research and
Design, vol. 143, pp. 24-35, 2019.
[27] Y. Wang, S. F. Estefen, M. I. Lourenço, y C. Hong,
«Optimal design and scheduling for offshore oil-
field development», Computers & Chemical
Engineering, vol. 123, pp. 300-316, 2019.
[28] L. S. Assis, E. Camponogara, B. C. Menezes, y I.
E. Grossmann, «An MINLP formulation for
integrating the operational management of crude oil
supply», Computers & Chemical Engineering, vol.
123, pp. 110-125, 2019.
[29] M. K. Almedallah y S. D. C. Walsh, «A numerical
method to optimize use of existing assets in
offshore natural gas and oil field developments»,
Journal of Natural Gas Science and Engineering,
vol. 67, pp. 43-55, 2019.
[30] A. M. Attia, A. M. Ghaithan, y S. O. Duffuaa, «A
multi-objective optimization model for tactical
planning of upstream oil & gas supply chains»,
Computers & Chemical Engineering, vol. 128, pp.
216-227, 2019.
[31] R. E. Franzoi, B. C. Menezes, J. D. Kelly, y J. A.
W. Gut, «Design for Online Process and Blend
Scheduling Optimization», en Proceedings of the
9th International Conference on Foundations of
Computer-Aided Process Design, vol. 47, S. G.
Muñoz, C. D. Laird, y M. J. Realff, Eds. Elsevier,
2019, pp. 187-192.
[32] M. Quinteros, M. Guignard, A. Weintraub, M.
Llambias, y C. Tapia, «Optimizing the pipeline
planning system at the national oil company»,
European Journal of Operational Research, vol.
109
Edición No. 17, Issue I, Julio 2020
277, n.o 2, pp. 727-739, 2019.
[33] S. Xin et al., «A two-stage strategy for the pump
optimal scheduling of refined products pipelines»,
Chemical Engineering Research and Design, vol.
152, pp. 1-19, 2019.
[34] F. Bayu, D. Panda, M. A. Shaik, y M. Ramteke,
«Scheduling of Gasoline Blending and Distribution
using Graphical Genetic Algorithm», Computers &
Chemical Engineering, p. 106636, 2019.
[35] R. Qiu et al., «A multi-scenario and multi-objective
scheduling optimization model for liquefied light
hydrocarbon pipeline system», Chemical
Engineering Research and Design, vol. 141, pp.
566-579, 2019.
[36] H. Zhang, Y. Liang, Q. Liao, J. Gao, X. Yan, y W.
Zhang, «Mixed-time mixed-integer linear
programming for optimal detailed scheduling of a
crude oil port depot», Chemical Engineering
Research and Design, vol. 137, pp. 434-451, 2018.
[37] A. Zaghian y H. Mostafaei, «An MILP model for
scheduling the operation of a refined petroleum
products distribution system», Operational
Research, vol. 16, n.o 3, pp. 513-542, oct. 2016.
[38] W. Abdellaoui, A. Berrichi, D. Bennacer, F. Maliki,
y L. Ghomri, «Optimal Scheduling of Multiproduct
Pipeline System Using MILP Continuous
Approach», en Computational Intelligence and Its
Applications, Cham, 2018, pp. 411-420.
[39] H. Qu, J. Xu, S. Wang, y Q. Xu, «A novel MINLP
model of front-end crude scheduling for refinery
with consideration of inherent upset minimization»,
Computers & Chemical Engineering, vol. 117, pp.
42-62, 2018.
[40] T. Kirschstein, «Planning of multi-product
pipelines by economic lot scheduling models»,
European Journal of Operational Research, vol.
264, n.o 1, pp. 327-339, 2018.
[41] H.-R. Zhang, Y.-T. Liang, Q. Liao, J. Ma, y X.-H.
Yan, «An MILP approach for detailed scheduling
of oil depots along a multi-product pipeline»,
Petroleum Science, vol. 14, n.o 2, pp. 434-458, may
2017.
[42] V. R. Rosa, E. Camponogara, y V. J. M. F. Filho,
«Design optimization of oilfield subsea
infrastructures with manifold placement and
pipeline layout», Computers & Chemical
Engineering, vol. 108, pp. 163-178, 2018.
[43] M. Jalanko y V. Mahalec, «Supply-demand pinch
based methodology for multi-period planning under
uncertainty in components qualities with
application to gasoline blend planning», Computers
& Chemical Engineering, vol. 119, pp. 425-438,
2018.
[44] O. Akgul, N. Shah, y L. G. Papageorgiou, «An
MILP Model for the Strategic Design of the UK
Bioethanol Supply Chain», en 21st European
Symposium on Computer Aided Process
Engineering, vol. 29, E. N. Pistikopoulos, M. C.
Georgiadis, y A. C. Kokossis, Eds. Elsevier, 2011,
pp. 1799-1803.
[45] A. Bittante, F. Pettersson, y H. Saxén,
«Optimization of a small-scale LNG supply chain»,
Energy, vol. 148, pp. 79-89, 2018.
[46] P. Gutiérrez et al, «Análisis Nodal para determinar
el punto óptimo de operación entre producción de
petróleo y producción de GLP, maximizando el
recurso energético de la Estación de producción de
Petróleo, Aguarico», Revista Técnica "energía",
Edición No. 16, Vol. 16 Núm. 2 (2020).
[47] S. Golla et al, «Primer Estudio para una Transición
Energética Completa y Sostenible para Ecuador “El
Fin del Petróleo”», Revista Técnica “energía”. No.
14, Pp. 246-255.
[48] Susana Relvas and Suelen N. et al, «Integrated
scheduling and inventory management of an oil
products distribution system», Revista Omega. No.
6, Pp. 955 - 968.
Jonnathan Morales. - Nació en
Quito, Ecuador en 1989. Se tituló
de Ingeniero Químico de la
Universidad Central del Ecuador
en 2014. Actualmente cursa la
Maestría en Producción y
Operaciones Industriales en la
Universidad Politécnica Salesiana.
Su interés se centra en campos de
Programación lineal y optimización de procesos
industriales.
William Quitiaquez. - Nació en
Quito en 1988. Recibió su título
de Ingeniero Mecánico de la
Universidad Politécnica Salesiana
en 2011; de Magister en Gestión de
Energías de la Universidad Técnica
de Cotopaxi, en 2015; de Magister
en Ingeniería de la Universidad
Pontificia Bolivariana de Medellín, en 2019.
Actualmente, obtuvo la distinción de Candidato a
Doctor en la Universidad Pontificia Bolivariana de
Medellín, su campo de investigación se encuentra
relacionado a Fuentes Renovables de Energía,
Termodinámica, Transferencia de Calor
110
Morales et al. / Modelos de optimización matemática aplicables al sector downstream y midstream del petróleo
Isaac Simbaña. - Nació en Quito,
Ecuador en 1990. Recibió su título
de Ingeniero Mecánico de la
Universidad Politécnica Salesiana
en 2018. Sus campos de
investigación están relacionados a
Procesos de Manufactura, así como
el estudio de Transferencia de
Calor y Fuentes Renovables de Energía.
111
