ALGORITMOS GENTICOS NA INDSTRIA DO PETRLEO: UMA VISO GERAL

Ricardo Linden Faculdade Salesiana Maria Auxiliadora R. Monte Elseos S/N Visconde de Arajo CEP 27943-180 Maca-RJ e-mail: rlinden@pobox.com
Resumo Este trabalho visa relatar, de forma no exaustiva, o corpo de conhecimento que tem se formado na rea de algoritmos genticos e sua aplicao na indstria de petrleo. Uma breve introduo rea dada e depois so mostrados exemplos de aplicao em reas distintas relacionadas indstria de petrleo. Abstract This study intends to present, in a non exhaustive way, the body of knowledge which is up to now built around the techniques of Evolutionary Computation in the Oil Industry. A brief introduction is presented and then different examples of genetic algorithms applications in several areas related to the oil industry are presented. Palavras-Chave Algoritmos Genticos, Petrleo, Otimizao, Produo

1. Introduo
Todos os dias a indstria do petrleo encontra novos desafios na busca, perfurao, produo e refino de petrleo. Todas estas atividades geram problemas matemticos de grande complexidade, a maioria dos quais so multimodais e apresentam espao de busca de solues praticamente infinito. Isto faz deles problemas extremamente difceis para se encontrar uma soluo, sendo que muitos deles tm solues obtidas de forma ad hoc que no necessariamente representam os melhores resultados que podem ser obtidos. Assim sendo, as tcnicas inteligentes apresentam-se como uma alternativa interessante para encontrar solues eficientes para estes difceis problemas, de forma a melhorar o desempenho das solues atuais. Os algoritmos genticos, como subrea da computao inteligente voltada para a otimizao de solues, surge ento como uma poderosa ferramenta para ser considerada neste escopo. Este trabalho visa apresentar algumas aplicaes dos algoritmos genticos na indstria do petrleo e est organizado da seguinte maneira: na seo 2 discutimos os conceitos bsicos dos algoritmos genticos. Na seo 3, fazemos algumas consideraes sobre a aplicao dos algoritmos genticos na indstria do petrleo. Na seo 4 listamos de forma no exaustiva aplicaes na rea e, finalmente, na seo 5, conclumos com alguns comentrios pertinentes. Outras revises nesta rea j foram feitas e usadas como parte da pesquisa para este trabalho. Os leitores interessados podem consultar os trabalhos (AMINZADEH, 2004) e (LANGS, 2005) para obter mais informaes sobre os assuntos discutidos neste artigo.

2. Algoritmos Genticos
Algoritmos genticos (GA) so uma tcnica de busca baseada numa metfora do processo biolgico de evoluo natural, podendo ser caracterizados como uma tcnica heurstica de otimizao global (LINDEN, 2006). Nos algoritmos genticos populaes de indivduos so criadas e submetidas aos operadores genticos: seleo, recombinao (crossover) e mutao. Estes operadores utilizam uma caracterizao da qualidade de cada indivduo como soluo do problema em questo chamada de avaliao e vo gerar um processo de evoluo natural destes indivduos, que eventualmente dever gerar um indivduo que caracterizar uma boa soluo (talvez at a melhor possvel) para o nosso problema. Assim sendo, podemos dizer que algoritmos genticos so algoritmos de busca baseados nos mecanismos de seleo natural e gentica. Eles combinam a sobrevivncia entre os melhores com uma forma estruturada de troca de informao gentica entre dois indivduos para formar uma estrutura heurstica de busca. Os algoritmos genticos evoluram bastante quando Moscatto (1989) introduziu a idia de algoritmo memtico como algo que visava reproduzir a evoluo cultural, ao contrrio dos algoritmos genticos, que visavam reproduzir a evoluo biolgica. A idia dele era casar os algoritmos genticos com operadores de busca local de forma que apenas a forma otimizada de cada indivduo pudesse interagir dentro de uma populao. A idia se difundiu e hoje os algoritmos memticos so amplamente usados, sendo tratados muitas vezes como uma espcie de evoluo de acordo com o modelo de Lamarck, que pregava as caractersticas adquiridas poderiam ser transmitidas para seus filhos. De certa forma, isto exatamente o que acontece nos algoritmos memticos: cada soluo melhorada no decorrer de sua vida (usando-se mtodos locais de otimizao) e a ele pode reproduzir e passar suas caractersticas melhoradas para seus descendentes. Hoje em dia os algoritmos memticos so usados como sendo parte da rea de algoritmos genticos, embutindo um conceito fundamental, que o de usar o mximo de conhecimento possvel sobre a rea de atuao em que pretendemos atuar, evitando o uso de algoritmos genticos como uma tcnica genrica de otimizao. A idia de usar o mximo de conhecimento possvel na resoluo de um problema deriva da afirmao fundamental de Wolpert (1995), chamada de teorema da inexistncia do almoo grtis (No-Free-Lunch Theorem, ou NFL), que afirma que todos os algoritmos de busca tm exatamente o mesmo desempenho, quando se faz a mdia de todos os infinitos problemas existentes. Grosseiramente, isto equivale a afirmar que se o algoritmo A melhor que o algoritmo B em uma srie de k problemas, ento deve haver uma outra srie de k problemas em que o algoritmo B tem um desempenho superior ao algoritmo A. Uma conseqncia do NFL que nenhum algoritmo genrico pode ser melhor do que um algoritmo desenhado especificamente para a resoluo de um problema, em que as caractersticas especiais deste problema, incluindo suas restries, mapeamentos especiais e quaisquer outras que possamos imaginar, sejam cuidadosamente projetadas e utilizadas para benefcio da soluo. Desta forma, algoritmos genticos que permitam embutir o mximo de conhecimento sobre o ramo de aplicao tendem a obter os melhores resultados. Desta forma, vamos descrever aqui algumas aplicaes que embutem este conhecimento da melhor forma possvel, para que o leitor tenha uma viso geral das aplicaes de qualidade dos algoritmos genticos na rea de petrleo.

3. Consideraes sobre a aplicao de GA indstria do petrleo

Como conseqncia do teorema da inexistncia do almoo grtis, um algoritmo gentico deve embutir o mximo de conhecimento sobre o domnio do problema que precisa ser resolvido. Caso isto no seja feito, ele ter o desempenho de um algoritmo genrico, isto , provavelmente no obter resultados significativamente superiores aos algoritmos tradicionais. A maioria dos pesquisadores tende a embutir conhecimento apenas na funo de avaliao e usar, de resto, um algoritmo gentico tradicional, off the shelf. Esta abordagem pode funcionar vrias vezes, mas no a mais recomendada para a obteno de resultados superiores. Existem outros conceitos importantes a considerar, especialmente a questo da representao e da hibridizao com mtodos de otimizao locais, transformando seu algoritmo em um algoritmo memtico. Os trabalhos que discutiremos a seguir usam representaes mais prximas de seu problema por exemplo, aqueles de otimizao de parmetros reais usam a representao real e aqueles de agendamento usam a representao baseada em ordem. Isto permite que o GA utilize operadores que melhor capturam a essncia do problema, evitando idiossincrasias associadas representao. Para maiores detalhes sobre estas, consulte (LINDEN, 2006). Os melhores resultados foram obtidos por aqueles que hibridizaram seus algoritmos com mtodos de otimizao local. Isto facilita a otimizao de cada cromossomo e, apesar de diminuir a diversidade (o nmero de mximos locais significativamente menor que o tamanho do espao de busca), aumenta a qualidade de cada soluo individual, contribuindo para um desempenho superior do algoritmo como um todo, especialmente se usarmos um mdulo de populao com elitismo.

4. Aplicaes
Nesta seo discutimos algumas aplicaes dos algoritmos genticos na indstria do petrleo. A lista de aplicaes no exaustiva e sua escolha se deu atravs de um critrio simples de demonstrao das capacidades dos algoritmos genticos na indstria como um todo.

Caracterizao de reservatrios
Caracterizao de reservatrios o processo de escolha de parmetros numricos que resultem identificao de um modelo numrico cujo comportamento seja o mais similar possvel ao do reservatrio de hidrocarbonetos em estudo (BALLESTER, 2007). Uma vez caracterizado o reservatrio, esta realizao pode ser submetida a simuladores de fluxo de forma a verificar seu comportamento em diferentes planos de produo. Holden et al (2001) realizaram uma srie de comparaes entre vrios tipos distintos de algoritmos para analisar a composio de reservatrios que permite tambm realizar a previso da produo. Seu trabalho buscou determinar os parmetros de taxa de leo, corte de gua (water cut) e presso, que so usados em conjunto com os j

determinados parmetros de injeo de gua e taxa de produo de fluidos. O uso de algoritmos genticos garantiu uma preciso quase absoluta no casamento com o histrico de produo de um poo ao mesmo tempo em que previu de forma precisa o water cut, errando apenas na quantidade de gua, que foi prevista como sendo um pouco inferior ao valor real. Aps comparar vrias tcnicas, este trabalho optou por usar algoritmos genticos como base computacional para o desenvolvimento de um framework voltado para este tipo de aplicao. Kwon et al. (2007) usaram algoritmos genticos paralelos para modelar um sistema de reservatrios com dados sinteticamente gerados. O GA encontrou as reas de permeabilidade de forma equivalente aos modelos tradicionais, enquanto que no clculo da presso, um erro de apenas 1,5% foi encontrado, mostrando a validade dos mtodos testados. Batyrshin et al (2005) mostraram que os algoritmos genticos podem ser parte de um ferramental maior para a resoluo de problemas. Eles combinaram os GAs com lgica nebulosa e anlise de componentes principais para interpretar o histrico (log) de dados de um poo de forma a avaliar a formao e permitir a posterior elaborao de estratgias de explorao. Isto uma pequena demonstrao do que j discutimos anteriormente, de como a hibridizao pode ser uma soluo mais potente do que a mera utilizao de algoritmos genticos off the shelf.

Inverso Ssmica
O problema da inverso ssmica, que extremamente importante no campo da geologia, consiste na determinao da estrutura dos dados de subsolo a partir da prospeco geolgica, tendo como objetivo primrio obter uma seo geolgica ou um modelo 3D. Este problema extremamente suscetvel aplicao de algoritmos genticos, pois sua funo objetivo extremamente irregular, sendo altamente no linear, possuindo muitos mnimos e mximos locais e podendo apresentar descontinuidades. Este problema tem alguns aspectos interessantes que so, entre outros, a sensitividade da soluo obtida a condies iniciais distintas e o problema da no unicidade de solues. Estes problemas so usualmente resolvidos usando-se o conhecimento prtico dos gelogos, logo importante lev-lo em considerao. Uma abordagem bastante tradicional, usando apenas algoritmos genticos, foi usada em (MONTESINOS, 2005), para a inverso de dados de anomalias gravitacionais correspondendo a contrastes de densidade fixos a priori para a obteno da distribuio tridimensional de fontes sub-superficiais. Apesar do uso exclusivo de algoritmos genticos, o trabalho no pega um modelo pronto, mas sim escolhe cuidadosamente sua representao (baseada em cromossomos reais), seus operadores de mutao e crossover e sua funo de avaliao, que embute um grande conhecimento sobre a rea. Ademais, as solues obtidas so corrigidas usando informao conhecida a priori, de forma a evitar desvios de mnimos locais e para produzir modelos com uma transio geomtrica mais suave, o que demonstra a necessidade do uso do mximo de informao sobre um problema que estamos tentando resolver. Wijns (2003) apresenta um algoritmo gentico interessante para atacar este problema, em que a funo de avaliao computacional de seu GA substituda por um analisa humano (gelogo) que ordena as solues de acordo com sua adequao. A justificativa por trs deste modelo a dificuldade de se quantificar numericamente, de

forma absoluta, a qualidade de uma soluo para o problema da inverso, mas a possibilidade racional de distinguir a melhor dentre duas solues. Este artigo demonstra as capacidades de uma rea denominada Computao Evolucionria Interativa (IEC) que, como o prprio nome diz, baseia-se em conhecimento de especialistas para avaliar as solues propostas. Obviamente isto reduz o nmero de solues que podem ser avaliadas em um determinado espao de tempo, mas extremamente til em domnios nos quais difcil quantificar a qualidade de uma soluo. Vassalo & Zollo (2008) usaram um modelo duplo para o problema de inverso ssmica, usando uma abordagem multi-escala e um algoritmo gentico. Estes foram aplicados para o problema de inverso de tempos de viagem e formao de frentes de onda de forma a obter a localizao e a morfologia de refletores ssmicos e usados para um esquema de otimizao no linear para a determinao dos parmetros de interface usando a equao de Eikonal, assumindo conhecimento prvio do modelo de velocidades. Este trabalho demonstra que o mximo de conhecimento prvio embutido em algoritmo gentico sempre benfico, conduzindo a resultados superiores.

Otimizao de estratgias de produo

Decidir a melhor estratgia de gerenciamento de poos de forma a maximizar o retorno um problema importante na rea de produo de petrleo. Deve-se definir um planejamento da produo, especificando as taxas de extrao em toda a vida til de cada poo. Estas decises so especialmente importantes, pois dela derivam-se as decises sobre as construes de facilidades de processamento e tubulaes. Harding & Radcliffe (1996) sugerem que o problema pode ser modelado como um modelo de maximizao do valor presente lquido (VPL) dos poos. O modelo de VPL proposto uma funo no linear de um conjunto de variveis x i,t, onde cada varivel xi,t representa a produo do poo i no ano t. Nos seus 3 primeiros anos cada poo s tem gasto, sem receitas, enquanto que cada posto tem uma vida til mxima de n y anos. Pode-se ento calcular a renda sujeita a uma taxa de desconto pr-definida, sujeita a restries como existncia de centrais de processamento e distribuio de capacidade limitada, limitao da produo como frao da reserva existente e outras. O trabalho usa ento um algoritmo gentico baseado em representao real e hibridiza o seu sistema com uma tcnica de otimizao local baseada em programao quadrtica para obter um algoritmo memtico que obtm o melhor desempenho entre vrias tcnicas testadas. De Almeida et al. (2001) buscaram resolver, usando algoritmos genticos, o problema de agendamento da produo consiste em maximizar a produo de combustveis (diesel de aviao) minimizando o custo, dadas as restries de material recebido e as demandas de mercado para outros produtos, tais como leo combustvel e asfalto. Este um problema tpico de otimizao de mltiplos objetivos, que pode ser resolvido de vrias maneiras diferentes e este trabalho prope uma abordagem baseada em uma funo de energia dada por uma funo de avaliao que depende de pesos ajustveis, de um objetivo definido pelo usurio e do valor mdio de cada componente. Ademais, os pesos so ajustados a cada iterao atravs de uma frmula similar quela usada no algoritmo de backpropagation. O GA em si bastante tradicional, usando um cromossomo que representa lista de tarefas. Como as tarefas a realizar so fixas, podem ser usadas as tcnicas de cromossomos baseados em ordem. Esse trabalho usa tambm

operadores com percentagens variveis e avaliao com normalizao linear, alm de usar um mdulo de populao baseado em steady state sem duplicatas. Kirk & Cole (2004) conseguiram uma patente demonstrando que os algoritmos genticos tm uma efetiva aplicao comercial na questo do agendamento da produo. No caso desta patente, os algoritmos genticos foram usados para agendar o recebimento de leo cru por uma refinaria, levando em conta vrios fatores tais como problemas de entrega e entrega por mar e por tubulao, entre outros.

5. Concluso
Este trabalho procurou mostrar a aplicabilidade de algoritmos genticos a vrias reas da indstria do petrleo. Como nestas reas os problemas de otimizao so complexos e normalmente multi-modais, a aplicao de algoritmos genticos proveitosa. Entretanto, fundamental entender que o uso de tcnicas evolucionrias no impede o uso de conhecimento especfico na rea. Ao contrrio, a incorporao do mximo de conhecimento existente, inclusive de tcnicas locais de otimizao geralmente usadas, tende a melhorar o desempenho dos algoritmos genticos (ou memticos, neste segundo caso) e a sua aplicabilidade.

6. Bibliografia
AMINZADEH, F., 2004, Applications of AI and soft computing for challenging problems in the oil industry, Journal of Petroleum Science and Engineering , v.47, n. 1-2, pp. 5 14, EUA BALLESTER, P. J.; CARTER, J. N., 2007, A parallel real-coded genetic algorithm for history matching and its application to a real petroleum reservoir, Journal of Petroleum Science and Engineering, v. 59, n. 3-4, pp. 157-168, EUA BATYRSHIN, I., SHEREMETOV, L., MARKOV, M., PANOVA, A., 2005, Hybrid method for porosity classification in carbonate formations. Journal Petroleum. Science and Engineering, v. 47, n. 1-2, pp. 36 50. DE ALMEIDA, M.R., HAMACHER, S., PACHECO, M.A.C., VELLASCO, M.B.R., 2001. The energy minimization method: a multiobjective fitness evaluation technique and its application to the production scheduling in a petroleum refinery. Proc. of the 2001 Congress on Evolutionary Computation, vol. 1, pp. 560 567. Seoul, Korea. HARDING, T. J.; RADCLIFFE, N. J.; KING, P. R., 1996, Optimisation of Production Strategies using Stochastic Search Methods, apresentando na European 3-D Reservoir Modelling Conference, Society of Petroleum Engineers, Stavanger, Noruega HOLDEN, L.; SANNAN, S.; SOLENG, H. H., 2001, Testing history matching algorithms, Relatrio Tcnico SAND/02/01 , Norwegian Computing Center, Noruega KIRK, G. R.; NELSON JR., C. E., 2004, US Patent 6785662 - Refinery scheduling of incoming crude oil using a genetic algorithm, acessvel no endereo http://www.patentstorm.us/patents/6785662/description.html KWON, S. I.; SUNG, W. M.; et al, 2007, Characterization of Reservoir Heterogeneity Using Inverse Model Equipped with Parallel Genetic Algorithm, Energy Sources Part A: Recovery, Utilization, and Environmental Effects, v. 29, n. 9, pp. 823-838, Taylor & Francis ed., Gr Bretanha LANGS, O. V., 2005, Genetic algorithms in oil industry: An overview, Journal of Petroleum Science and Engineering, v. 47, n. 1-2, pp. 15-22, EUA LINDEN, R., 2006, Algoritmos Genticos, 1 Edio, Ed. Brasport, Brasil

MONTESINOS, F. G; ARNOSO, J.; VIEIRA, R., 2005, Using a genetic algorithm for 3-D inversion of gravity data in Fuerteventura (Canary Islands), Int J Earth Sci (Geol Rundsch) n. 94: pp. 301 316 MOSCATO, P., 1989, "On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms". Relatrio Tcnico 826, Caltech Concurrent Computation Program, EUA. WOLPERT, D. H.; MACREADY, W. G., 1995, No Free Lunch Theorems for Search, Relatrio Tcnico SFI-TR-95-02-010. Santa Fe Institute, Santa F, EUA. VASSALO, M.; ZOLLO, A., 2008, Depth and morphology of reflectors from the non-linear inversion of arrival-time and waveform semblance data. Part I: method and applications to synthetic data, Geophysical Prospecting, v. 56, n. 4, pp. 527-540, julho, Blackweel Publishers, Gr Bretanha WIJNS, C., BOSCHETTI, F., MORESI, L., 2003. Inverse modelling in geology by interactive evolutionary computation. J. Struct. Geol. v. 25, n. 10, pp 16151621, EUA.