Dissertação

{en_GB=Modelling uncertainty in the technologies’ conversion efficiency for the design and planning of biomass supply chains} {} EVALUATED

{pt=A bioenergia tem mostrado um tremendo potencial como substituto aos combustíveis fósseis e ajudado a atingir os objetivos ambientais da União Europeia. Contudo, para ser sustentável, precisa de ser viável economicamente. Então, uma cadeia de abastecimento bem projetada é necessária. Na literatura, a maioria assume que as tecnologias usadas para converter biomassa em bioenergia são estáveis e imediatamente produtivas após a instalação. No entanto, têm uma incerteza associada, pois ainda não atingiram um estado de maturidade. É importante que esta incerteza seja considerada no processo de planeamento das cadeias de abastecimento da biomassa para que o problema seja mais realístico e os resultados mais fiáveis. A teoria das curvas de aprendizagem é usada para representar a evolução das tecnologias no tempo devido a ganhos de experiência e para representar a incerteza na eficiência de conversão associada a esta evolução. Esta usa a produção acumulada como medida de experiência e depois calcula o seu impacto nos custos. Para testar e avaliar os efeitos deste método, é incorporada num modelo de otimização estocástico linear que apoia decisões sobre instalação de biorrefinarias, processos tecnológicos, locais de recolha de biomassa, transporte, fluxos de biomassa e biocombustíveis, enquanto minimiza os custos. A aplicação deste modelo ao contexto Português sugere que considerar a incerteza na evolução da eficiência de conversão reduz os custos totais de produção desta cadeia, apesar de aumentar os totais. Este é um modelo que representa melhor a realidade e torna a cadeia de abastecimento da biomassa mais flexível a qualquer cenário., en=Bioenergy has been proven to have great potential as a substitute for fossil fuels and help reach the European Union’s environmental goals. However, to be a sustainable alternative, it needs to be economically viable. Thus, an efficient and well-designed supply chain is required. Most research works from literature assume the technologies used to convert biomass into bioenergy as stable and the process immediately productive as planned after installation. However, there is still a lot of uncertainty inherent to them and their conversion efficiency’s, given they haven’t reached maturity. It is of great importance that this uncertainty is considered and incorporated in the design process, so the problem becomes more realistic and results are more reliable. The learning curve theory is the approach used to represent the technology’s evolution over time due to learning and the conversion efficiency’s uncertainty associated to it. It uses the accumulated production as measure of experience of the technologies and then calculates its impact on costs. Afterwards, to test the effects of this approach, it is incorporated in a Mixed-Integer Linear Programming model that supports decisions concerning biorefineries installation sites and process technologies, biomass collection sites, biomass and product’s flows and transportation modes, while minimizing costs. The model’s application to the Portuguese context suggests that considering the conversion efficiency’s evolution uncertainty using learning curves reduces the total production costs of the supply chain, despite increasing the total costs. This model represents reality more accurately and makes the biomass supply chain more flexible for any future scenario.}
{pt=Cadeia de Abastecimento da Biomassa, Otimização, Incerteza da Tecnologia, Curvas de Aprendizagem, en=Biomass Supply Chain, Optimisation, Technology Uncertainty, Learning Curves}

Janeiro 19, 2021, 12:0

Orientação

ORIENTADOR

Susana Isabel Carvalho Relvas

Departamento de Engenharia e Gestão (DEG)

Professor Associado