Koszty [zł]
Min (a) Średnia (b) Max (c) Koszt budowy drogi 200 000,00 zł 229 818,00 zł 250 000,00 zł Koszt przygotowania placu
budowy 600 000,00 zł 682 115,00 zł 750 000,00 zł Koszt wiercenia 9 468 000,00 zł 21 380 000,00 zł 29 149 000,00 zł
Model symulacyjny operacji i prac przygotowawczych
pola wiertniczego
W ramach badań zbudowano model symulacyjny w omawianym pakiecie symulacyj-nym DOSMIS-3 [Bukowski, Karkula, Schiff 1999]. W modelu uwzględniono następują-ce etapy realizacji projektu:
• Budowa drogi dojazdowej do placu wiertni: • zjazd z drogi publicznej – z płyt betonowych, • budowa zaplecza socjalnego i parkingu, • Budowa placu pod wiertnię:
• zaopatrzenie w wodę, wywóz odpadów i zapewnienie przejezdności, • wykonanie i obmurowanie bodni,
• rozbiórka placu, rekultywacja terenu, wykonanie drogi dojazdowej i pla-cu manewrowego do głowicy w przypadku otworu pozytywnego, • elementy wyposażenia placu, roboty wykończeniowe,
• Operacje wykonywania odwiertu.
W tabeli 3 zestawiono czasy operacji dla podstawowych etapów prac przygoto-wawczych i wiertniczych realizowanych w projekcie. Czasy te zostały wykorzystane jako parametry modelu symulacji.
Tabela 3. Parametry czasów podstawowych operacji
Czasy [dni] min. (a) Średnia (b) maks. (c)
Czas budowy drogi Tdc 15 30 60
Czas przygotowania placu budowy Tpc 30 42 90
58
Fragment modelu zrealizowanego w środowisku DOSIMIS-3 przedstawiono na rysunku 3. Model składa się z kilku typów elementów, a do najważniejszych należą:
• Źródło – to miejsce, w którym obiekty (np. zgłoszenia, ładunki, środki trans-portu, zadania do realizacji itp.) są generowane i pojawiają się w systemie. Moduł może być uznany za element odpowiadający wejściu systemowemu. Jego podstawowe zadanie to realizacja procesu generowania obiektów we wskazanym miejscu w systemie – element może także imitować zachowania dostawców surowców i półproduktów podczas symulacji łańcucha dostaw. W prezentowanym modelu źródło pełni funkcję elementu inicjującego roz-poczęcie realizacji projektu. Jeżeli takich zadań odbywa się równocześnie kilka, to można wykorzystać mechanizmy współbieżnego generowania za-dań;
• Spływ – odpowiada granicznemu miejscu w systemie, w którym obiekty koń-czą przepływ, a zadania są kończone. W określonym miejscu w systemie ele-ment typu spływ przyjmuje obiekty podlegające wcześniejszym procesom zaimplementowanym w modelu symulacyjnym. Spływ może odwzorowywać zachowanie rzeczywistych obiektów, np. magazynu wyrobów gotowych, tymczasowego składu półproduktów, do którego trafiają wyroby po zakoń-czeniu operacji na danym etapie procesu. Podczas trwania symulacji spływ pracuje ze zdefiniowaną częstotliwością – oznacza to, że może przyjmować obiekty tak często, jak jest to możliwe w rzeczywistych obiektach, których pracę symuluje;
• Stacja obsługi – w elemencie tym wykonywane są wszelkie operacje i zdefi-niowane zadania. Podstawowym parametrem definiowanym lub obliczanym w stacji roboczej jest czas operacji dla każdego typu zadania lub obiektu. Dziewięć stacji obsługi (I–IX) pokazanych na rysunku 4 odwzorowuje po-szczególne operacje przygotowania placu i prac wiertniczych;
• Przerwa/awaria – element kontrolny odpowiedzialny za symulację wszyst-kich rodzajów przestojów w realizacji zadań i przebiegu pracy: przerw pra-cowników, awarii, czynności związanych z utrzymaniem maszyn i urządzeń. Umożliwia symulację takich stanów, a wykorzystany do tego celu model sto-suje parametry MTBF (Mean Time Between Failures) oraz MTTR (Mean Time To Repair) opisujące czasy trwania i usuwania awarii.
59 Ry sunek 3. F rag men t modelu symulac yjnego zbudo w anego w śr odo wisku Dosimis-3 Źr ódło: opr ac ow anie własne .
60
W przypadku większości modeli rzeczywistych systemów lub procesów logistycz-nych relacje między zmiennymi wejściowymi i wyjściowymi nie są ustalone (deter-ministyczne), lecz opisane przez rozkłady prawdopodobieństwa lub procesy stocha-styczne. Modele takie wymagają wyrażenia cech probabilistycznych wyjścia modelu przez np. analityczne wyznaczenie jego wartości oczekiwanej, wariancji, korelacji itp. Często istnieje także potrzeba określenia rozkładów prawdopodobieństw dla zmien-nych modelu i porównanie ich z rozkładami teoretycznymi. Uwagi te odnoszą się także do rozpatrywanych w pracy operacji i zadań realizacji prac przygotowawczych placu budowy i wiercenia.
W przygotowanym modelu wykorzystano mechanizmy generowania liczb pseu-dolosowych realizujących procesy stochastyczne o rozkładzie trójkątnym z wykorzy-staniem tabel decyzyjnych (rys. 4).
Tabele decyzyjne są elementami modelu pozwalającymi na zaawansowane defi-niowanie warunków określających zachodzenie poszczególnych zdarzeń w systemie, jak również dostosowanie dostępnych, ogólnych opcji poszczególnych modułów do potrzeb symulowanej operacji. Dzięki zastosowaniu techniki tabel decyzyjnych moż-liwe jest odwzorowanie praktycznie każdego zachowania (algorytmu) modelowane-go procesu. Programowanie odbywa się za pomocą prostemodelowane-go języka skryptowemodelowane-go definiującego zmienne, warunki oraz akcje w specjalnie przygotowanym interfejsie użytkownika [Palaniappan, Sawhney, Sarjoughian 2006].
61 Ry sunek 4. Tabela dec yz yjna umo żliwiająca odwz or ow anie loso w ego czasu r
ealizacji zadania – wier
cenia Źr ódło: Opr ac ow anie własne .
62
Na rysunku 4 pokazano przykładowe wykorzystanie tabeli decyzyjnej w przed-stawionym w pracy modelu – zadaniem tabeli było generowanie losowych czasów operacji wiercenia zgodnie z przyjętym założeniem, że czas ten będzie podlegał roz-kładowi trójkątnemu o zadanych parametrach. W przedstawionej tabeli mamy na-stępujące elementy: (1) – zmienne inicjalizujące, parametry rozkładu trójkątnego, (2) – warunek pojawienia się zadania (rozpoczęcie wiercenia), (3) – przy spełnieniu wa-runku (2) realizacja akcji – losowanie liczby pseudolosowej z rozkładu trójkątnego, (4) – reguły decyzyjne – przypisanie odpowiednich akcji do odpowiednich warunków. Rosnąca liczba wskaźników oceny procesów i konieczność ich prezentacji dla różnych grup docelowych odbiorców modeli (decydenci, sponsorzy, zarządy przedsiębiorstw itp.) stawia przed twórcami modeli symulacyjnych nowe wyzwania, także ukierunko-wane na wykorzystanie różnych technik wizualizacji. Istotną cechą wielu współcze-snych symulatorów, których praca opiera się na sterowaniu zdarzeniami dyskretnymi, jest możliwość obserwacji realizacji procesów i przepływów na żywo. Możliwość taką daje funkcja animacji dwuwymiarowej (2D), która okazuje się bardzo ważnym i poży-tecznym narzędziem do walidacji modeli symulacyjnych, dodatkowo umożliwia ona prezentację dynamicznego zachowania się modelu. Za pomocą narzędzia, jakim jest animacja, można szybko wychwycić błędy w modelu czy sytuacje niepożądane, np. blokady i spiętrzenia w realizacji zadań w modelowanym systemie. Zmienne stany obiektów i zadań przepływających przez system są reprezentowane przez odpowied-nio przedstawione wizualnie elementy graficzne (przykład modelu w trakcie animacji pokazano na rysunku 5 – użytkownik ma możliwość obserwacji postępu realizowa-nych zadań w czasie). Technika animacji 2D umożliwia także szybkie wykrycie błędów w modelu – projektant, obserwując przepływ obiektów, może na bieżąco weryfiko-wać jego zgodność z przyjętymi na etapie budowy modelu założeniami.Zbudowany model można poddawać dowolnym eksperymentom uwzględniającym zmiany pa-rametrów modelu, struktury i sekwencji realizacji zadań, a po ich wykonaniu prze-prowadzić analizę wyników symulacji. Jednym z efektów symulacji może być harmo-nogram dla poszczególnych elementów badanego systemu przedstawiony w postaci wykresu Gantta (rys. 6).
63 Ry sunek 5. Obser w acja pr zebiegu r ealizacji pr
ojektu – animacja modelu
Źr ódło: Opr ac ow anie własne .
64
Wnioski
Zdaniem autorów do rozwiązywania problemów z zakresu wspomagania decyzji dotyczących sposobu wykonywania odwiertów na zadanym terenie można wyko-rzystać symulację dyskretną sterowaną zdarzeniami. Na potrzeby realizacji modeli symulacyjnych opracowano dane dotyczące zarówno czasów, jak i kosztów budo-wy podstawowej infrastruktury placu wiertni oraz kosztów i czasu procesu wierceń. Tego typu rzetelne dane są niezmiernie trudne do pozyskania, dlatego przyjęto ich oszacowanie z wykorzystaniem zmiennych losowych o rozkładzie trójkątnym. Prze-prowadzono badania symulacyjne dla dwóch wariantów prowadzenia prac wiertni-czych.
Wiercenie kilku odwiertów z jednego miejsca pozwala na oszczędności związa-ne z dzierżawą obszaru na wiercenia, dojazdem do placu wiertniczego, wykorzysta-niem urządzenia wiertniczego, systemem krążenia płuczki wiertniczej, instalacją do szczelinowania i oczyszczania płynów po szczelinowaniu. Główną pozycją generującą koszty jest etap związany z fizyczną realizacją odwiertu. W wariancie pierwszym sta-nowią one mniej więcej 52% wszystkich kosztów, w wariancie drugim – 53%. Tak jak się należało spodziewać, to na etapie budowy placu kopalni można by poszukiwać znacznych oszczędności finansowych związanych z budową jednej drogi dojazdowej oraz uzbrojeniem jednego obszaru wokół wiertni w wypadku wariantu, w którym prowadzimy wiercenia poziome i pionowe z jednego placu budowy. Koszty te w wa-riancie pierwszym są o 60% mniejsze niż w waw wa-riancie drugim. W ogólnym porówna-niu kosztów w wariacie pierwszym są one mniejsze o mniej więcej 5% niż w warian-cie drugim. Zrealizowany model symulacyjny stanowić będzie bazę do opracowania i realizacji badań symulacyjnych dotyczących kolejnych wariantów prowadzenia prac przygotowawczych i wierceń. W przykładzie stanowiącym formę pilotażowego rapor-tu dotyczącego identyfikacji i oceny nakładów inwestycyjnych dla rozwiercania złoża węglowodorów wierceniami pionowymi i poziomymi autorzy wskazują kierunek oraz sposoby dalszych badań i analiz umożliwiających optymalizację prac wiertniczych na złożach gazu z pokładów łupków. Autorzy zwracają uwagę, że określenie nakładów inwestycyjnych według zaproponowanej metodyki ma jedynie znaczenie poglądowe i szacunkowe.
65 Ry sunek 6. Harmonog ram r ealizacji pr ojektu dla w arian tu pier w sz ego Źr ódło: Opr ac ow anie własne .
Literatura
Bukowski L., Karkula M., Schiff K. (1999), Transport wewnątrzzakładowy – symulacja z wykorzystaniem pakietu DOSIMIS-3. Logistyka, 6:36–38.
Grossmann I.E., Cafaro D.C., Yang L. (2014), Optimization Models for Optimal Invest-ment, Drilling, and Water Management in Shale Gas Supply Chains, [w:] Eden M.R., Sii-rola J.D., Towler G.P., (Eds.), Computer Aided Chemical Engineering, Elsevier, Vol. 34. Noche B. (1997), Simulation von Standardmodellen in der Logistik – Fortschritte in der Simulationstechnik, [w:] ASIM 11. Symposium in Dortmund, Hrsg: A. Kuhn, S. Wenzel, Dortmund. Vieweg Verlag.
Palaniappan S., Sawhney A., Sarjoughian H.S. (2006), Application of the DEVS Framework in Construction Simulation, Simulation Conference, 2006. WSC 06. Proce-edings of the Winter , vol., no., 3–6 Dec. 2006.
67 Tom XVII | Zeszyt 12 | Część II | ss. 67–90