Estimação das demandas de manutenção em poços marítimos de petróleo via processos de renovação generalizados

Abstract

O adequado planejamento dos recursos para manutenção de um campo de petróleo é um dos fatores chaves na composição do Valor Presente Líquido (VPL) de um projeto. A estimativa das manutenções é relevante para a provisão de gastos operacionais e serve de referência para a contratação de sondas, barcos, equipamentos e materiais. Dentro desta perspectiva, a engenharia da confiabilidade auxilia no adequado planejamento das paradas de manutenção, reduzindo assim os custos operacionais de uma empresa petrolífera. Esse trabalho apresenta uma metodologia para estimar as demandas de manutenção para subsidiar tomadas de decisões visando a um melhor planejamento dos recursos e estratégia da produção. A abordagem considera o poço como um único sistema, denominado Sistema Poço, devido à ausência de dados dos equipamentos individuais do poço. Sendo assim, os dados de entrada de interesse são as paradas de produção de cada poço com suas durações e motivos. A modelagem matemática do Sistema Poço é estocástica. Neste trabalho, esse problema é abordado através da comparação entre três modelos diferentes para realizar a estimativa: Processo de Renovação, Processo de Renovação Generalizado e Processo Não Homogêneo de Poisson. A partir de dados históricos de falhas, são estimados parâmetros de máxima verossimilhança e, em seguida, é realizada simulação Monte Carlo para realizar estimativas sobre o comportamento de falhas dos poços e, também estimar o número esperado de dias de sonda. Para aplicação da metodologia e comparação entre os modelos utilizados, dados reais de poços de petróleo são utilizados no exemplo de aplicação. Com os resultados obtidos é percebido que não há processo de renovação (𝑞=0) para o conjunto de dados do campo I e para os dados do campo II existe uma condição de reparo pior (𝑞>1). Com a validação tem-se que o PRG é o modelo que tem o melhor ajuste aos dados para o campo I e para os dados do campo II o modelo de PR tem o melhor ajuste aos dados.