Defesa Mestrado [22/03/2024 – 08:00h] Gerenciamento dos desafios humanitários: uma análise das Operações Ribeirinhas na Amazônia

ESTHER CAMPOS RODRIGUES 

Data:  22/03/ 2024, 8h          

Sala Zoom:  https://puc-rio.zoom.us/j/98786160863?pwd=NzdrL2JmOGZ2aE1VQXZvbW5RMWpLQT09

ID da reunião: 987 8616 0863

Senha: 089470

Orientadores: Adriana Leiras | PUC-Rio

Resumo:

O Brasil possui mais de 40.000 Km de hidrovias interiores, das quais cerca de 31.500 Km são navegáveis no seu estado natural, formando ambientes ribeirinhos variados. O batalhão de operações ribeirinhas na Amazônia é uma operação militar organizada para realizar assistência e auxílio a comunidades, resolvendo problemas imediatos e urgentes no país. O propósito das organizações militares nas operações ribeirinhas é formar uma Força Militar para atuar em terra, nos rios e no ar, inteiramente integrada e ajustada, especificamente para prover a mobilidade necessária, e promover as ações de segurança ao movimento Força Tarefa Ribeirinha. No entanto, as operações ribeirinhas possuem desafios, como levar atendimento médico e suprimentos a áreas de difícil acesso, distribuir de kits de limpeza sem gerar aglomeração, falta de insumos e atraso dos suprimentos, comunicação com outros militares na região. A necessidade de planejamento para operações em ambientes ribeirinhos é evidente, tendo em vista a complexidade e as dificuldades que normalmente caracterizam tais operações, dada a diversidade dos meios terrestres, navais e aéreos que podem ser empregados, além das características individuais de cada região. Portanto, o objetivo principal dessa dissertação e identificar e analisar os principais desafios das operações ribeirinhas na Amazônia, a fim de propor melhorias na execução e gestão da assistência humanitária. Conforme o resultado do estudo de caso, pode-se observar, que 41 profissionais, ou seja, 22,28% dos que responderem o questionário, atuam ou já atuaram nas operações ribeirinhas na região da Amazônia. Além disso, o desafio mais frequente para as Operações Ribeirinhas é a carência de recursos.

Defesa Mestrado [07/03/2024 – 09:00h] Corporate Bond Pricing: A Systematic Literature Review on Influential Factors

BIANCA BUNJES LOPES

Sala Zoom: https://puc-rio.zoom.us/j/2383896077?pwd=UHRPeDZTdXB6blFTTTNtalY4Szljdz09

Orientadores: Igor Tona Peres & Davi Valladão | PUC-Rio

Resumo:

This thesis provides a systematic literature review on the pricing of corporate bonds worldwide. These securities are essential financing mechanisms for companies worldwide and are vital to transfer resources and catalyze economic growth. The democratizing potential of capital markets is highlighted, emphasizing that anyone can become an investor, thus facilitating wealth creation and boosting the national economy. The main exploration of the study is the bond pricing process in financial markets, focusing on the determinants of the price of these securities. Through a systematic review of selected literature, the research elucidates complex relationships between bond valuations, credit ratings, macroeconomic indicators, and specific bond characteristics. The results categorize the factors that influence credit spreads into corporate, issuance, liquidity and macroeconomic/market. This categorization is important to serve as a guide for future works. The existing literature lacks comprehensive reviews on the factors influencing corporate bond prices, and there is a notable absence of categorizations of these factors.

Defesa Mestrado [01/03/2024 – 10:00h] Desafios e lições aprendidas na manutenção da integridade de plataformas offshore em situações de ruptura de cadeias de suprimento: o caso da pandemia de COVID-19

RAFAELA LIRA SANTOS REGIO

Data: 01/03/2024, 10h.

Sala Zoom: https://puc-rio.zoom.us/j/98130287940?pwd=MkhrYnlzZllhbnpUclJUQiszM1c1QT09

ID da reunião: 981 3028 7940
Senha: 884378

Orientador: Antônio Márcio Tavares Thomé | PUC-Rio

Resumo:

A pandemia de COVID-19 acelerou e potencializou os efeitos de soluções e problemas conhecidos e enfrentados previamente no contexto offshore, tais como as dificuldades de programação de barcos e voos, longos lead times de suprimento e restrições regulamentares, intensificando desafios de planejamento e execução de intervenções. Visando contribuir para a melhor gestão da operação de Unidades Marítimas (UMs), propõe-se investigar os principais desafios e lições aprendidas na manutenção da integridade de plataformas em situações de ruptura de cadeias de suprimento como a vivenciada em função do COVID-19. Para explorar tais desafios e lições aprendidas, pretende-se investigar: (i) A definição e os principais indicadores de integridade no contexto das UMs, (ii) Como a literatura tem tratado a ruptura em cadeias de suprimento? (iii) Quais são os fatores críticos para o planejamento de intervenções offshore para manutenção da integridade? (iv) Como a manutenção da integridade de uma UM é abordada numa empresa que opera no Brasil e (v) Como a ruptura da cadeia de suprimentos ocasionada pela COVID-19 afetou o planejamento e execução da manutenção da integridade, seus efeitos na integridade de uma UM e formas de minimizá-los. A investigação foi feita por meio da revisão de escopo da literatura existente e através do estudo de caso de uma organização que produz petróleo no Brasil e levantou pontos notáveis para observância de gestores, acadêmicos e demais partes interessadas, que podem aprofundar em grupos de trabalho multidisciplinares aspectos que venham a facilitar a gestão de eventuais novos momentos de ruptura, seja em operações, gestão de contratos, estratégia ou gestão de suprimentos.

Defesa Mestrado [29/02/2024 – 11:00h] Uncertainty and scenario reduction in material resources allocation of offshore rigs: a machine learning approach

RACHEL MARTINS VENTRIGLIA

Data: 29/02/2024, 11h

Sala Zoom: https://puc-rio.zoom.us/j/94399580314?pwd=S3pwUDdjUGhsS0xQYitIeFVGMnlvdz09

Orientador: Leonardo dos Santos Lourenço Bastos | PUC-Rio & Silvio Hamacher | PUC-Rio

Resumo:

Material resource planning is an integral part of supply chain management; tasks in the supply chain need materials and resources to be executed; thus, allocating resources correctly is an important part of task scheduling. Specifically, construction tasks for subsea wells require the use of resources, such as rigs, and planning the schedule of these operations involves the sizing of various materials and services necessary for their execution. This study is motivated by real-life scheduling planning from a large Oil and Gas company that estimates the demand for materials and services stochastically due to the uncertainties associated with the tasks in their start dates and durations. The calculation of the demand is subject to the current schedule that the company has and a set of rules that indicate allocation conditions, logistics parameters, disembarking conditions, and dependencies to allocate the tools and services needed for each task and estimate their quantity and how many days they will be used. These set of tools and rules can change depending on the user and their operation knowledge. To add to the complexity of the problem, the company uses a large number of scenarios, which results in extremely high computational times and impact operational decision-making. In this context, scenario reduction could assist the company in its decision-making process. The methodology proposed in this work evaluates and identifies representative scenarios of uncertainty in strategic planning schedules of offshore rigs, in order to reduce the number of scenarios used in the calculation of the demand for tools and services. With the use of unsupervised techniques, such as k-means and hierarchical clustering, we identified a subset with the most representative scenarios for the scenario reduction. The Wasserstein Distance and graphical visualization were used to validate the results, to confirm whether the reduction found a representative subset of scenarios. Moreover, the scenario reduction subset was also used to analyze the impact of the reduction in the demand calculation. The Agglomerative Clustering with Ward Linkage obtained the best results, with a reduction subset of 782 clusters. To find a minimal representative set of scenarios, the best clustering method and the Wasserstein Distance were used, resulting in a number of 343 scenarios. This presents a reduction of 84% in the execution time of the demand calculation, with the higher error of 11% in the demand calculation.

Defesa Mestrado [27/02/2024 – 10:00h] Goal-Based Investments: A Dynamic Stochastic Programming Approach

ANDRE FREDERICO MACIEL GUTIERREZ

Data: 27/02/2024, 10h, via zoom

Sala Zoom: https://meet.google.com/dwx-yacd-qpz

Orientador: Davi Michel Valladão | PUC-Rio

Resumo:

The purpose of this study is to develop an investment policy that minimizes the total contribution necessary to reach a long-term financial goal while accounting for stochastic programming that incorporates Markovian dynamics of asset returns. To achieve this objective we develop a multi-stage optimization problem that incorporates a Hidden Markov Model.
Unlike conventional portfolio optimization techniques that rely on unrealistic assumptions, our approach is grounded in the goal-oriented investment framework that provides a more practical and effective solution. In addition, by using the Hidden Markov Model in our optimization process, we obtain a more accurate estimation of asset return dynamics, which translates into more efficient investment modeling.
Collectively, these attributes yield a simple yet robust tool that empowers investors to make personalized and informed investment decisions. By employing our model, the necessary contribution to achieve a desired financial goal is minimized through an investment policy that accounts for the current stage of wealth and prevailing economic conditions.

Defesa Mestrado [26/02/2024 – 11:00h] Advencements in time series modeling: using modern optimization and robustness techniques with score-driven models.

MATHEUS ALVES PEREIRA DOS SANTOS

Data: 26/02/2024, 11h

Sala Zoom: link do Google meet: https://meet.google.com/ckr-vuwz-skk.

Orientador: Davi Michel Valladão | PUC-Rio
Resumo:

The study of time series plays a crucial role in the decision-making process, resulting in the proposition of numerous methodologies over time for this purpose. In this context, score-driven models stand out as a flexible and interpretable approach. However, due to the considerable number of parameters, the estimation process of these models tends to be complex. In order to address this complexity, this work aims to evaluate how the use of modern optimization techniques impacts the final performance of the model. In addition to simplifying the parameter estimation process, this paradigm shift allows for the incorporation of new techniques, such as robust optimization, in the model formulation, which has the potential to enhance its performance. The SDSS.jl package, which enables the fitting and forecasting of Scoredriven models based on unobserved components using modern optimization techniques, emerges as one of the main contributions of this work. By using monthly data on the electric load of the Brazilian system and competition series, it was possible to highlight its good performance even during periods of regime change in the data, thanks to the application of robust techniques, and compare its performance with implementations already available in the literature

Defesa Mestrado [22/02/2024 – 11:00h] Desenvolvimento de metodologia de apoio à decisão para manutenção inteligente combinando abordagens multicritério e machine learning: Estudo de Caso em empresa de manufatura

JAQUELINE ALVES DO NASCIMENTO

Data: 22/02/2024, 11h.

Sala Zoom: https://puc-rio.zoom.us/j/96390294397?pwd=VXNTY0Rxai9vNHluTFpkWE9IZ0F5UT09

Orientadores: Rodrigo Goyannes Gusmão Caiado & Luiz Felipe Roris Rodriguez Scavarda do Carmo | PUC-Rio

Resumo:

A Indústria 4.0 (I4.0) e a transformação digital estão revolucionando a manutenção nas indústrias, impulsionando-a rumo a uma abordagem mais inteligente e proativa, conhecida como manutenção inteligente (smart maintenance – SM). Recentemente vive-se a transição para a Manutenção 4.0, em que decisões de manutenção baseada em dados e análises avançadas trazidas com a SM permitem aumentar a eficiência, reduzir os custos operacionais e têm um grande impacto no desempenho operacional. Com a crescente digitalização dos processos e a disponibilidade de novas tecnologias, as decisões estão se tornando mais inteligentes, o que requer ter um processo de tomada de decisão estruturado e baseado em dados para decisões eficientes. No entanto, tomar decisões gerenciais pode ser complexo devido a múltiplos critérios e pontos de vista envolvidos. Por exemplo, podem existir trade-offs e prioridades competitivas diferentes entre equipes funcionais como de manutenção, de produção e financeira. Nessa perspectiva, é crucial ter uma metodologia que combine esses aspectos conflitantes e, na era da Manutenção 4.0, a consideração de múltiplos critérios e pontos de vista, justifica a necessidade de um framework de apoio a decisão que combine técnicas de apoio multicritério a decisão (multi-criteria decision making – MCDM) e Machine Learning (ML). A partir de uma revisão de escopo observou-se a ausência de metodologias (e frameworks) de apoio a decisão combinando essas abordagens em estudos empíricos e em países emergentes. Diante disso, a presente pesquisa tem como objetivo propor e aplicar um framework de apoio à decisão para SM em uma empresa de manufatura brasileira. Como método empírico foi utilizado um estudo de caso, utilizando dados reais de manutenção, observação participante e entrevistas, além de análise documental. Uma abordagem multicritério híbrida é proposta por meio dos métodos AHP, MOORA, MULTIMORA e de Borda com dados qualitativos e quantitativos, para resolver um problema de ranking de impressoras para fazer parte do início das manutenções preditivas. A implementação computacional das abordagens que compõem a metodologia ocorreu em Python. A final da pesquisa foi possível observar que a combinação de MCDM e ML pode ser uma abordagem eficaz para aprimorar a tomada de decisão na manutenção de ativos, considerando múltiplos critérios e a complexidade dos dados envolvidos.

Defesa Mestrado [22/02/2024 – 09:00h] Framework de apoio à decisão para avaliação de criticidade de ativos: uma abordagem fuzzy-multicritério

BRUNA CRISTINA SIQUEIRA KAISER

Data: 22/02/2024, 9h.

Sala Zoom: :  https://puc-rio.zoom.us/j/96390294397?pwd=VXNTY0Rxai9vNHluTFpkWE9IZ0F5UT09

Orientadores: Rodrigo Goyannes Gusmão Caiado & Luiz Felipe Roris Rodriguez Scavarda do Carmo | PUC-Rio

Resumo:

As falhas localizadas ou sistêmicas em plataformas offshore representam, simultaneamente, riscos ambientais, sociais e econômicos devido à extensão potencial dos danos que podem causar. Além disso, os ativos offshore são altamente suscetíveis a mecanismos corrosivos que podem levar a cenários de falhas. Portanto, neste contexto, a adoção de boas práticas de gestão de manutenção é necessária, permitindo que a operação ocorra da maneira mais confiável possível. Vale ressaltar que, dentro das condições operacionais de uma plataforma offshore, inúmeros fatores afetam os diversos sistemas que a compõem, além de ser um setor altamente regulamentado. Considerando todos os sistemas, destaca-se a ênfase especial em tubulações, válvulas e flanges (TVF), pois são classificados como ativos-chave nas operações, desempenhando papéis cruciais na dinâmica operacional. Assim, surge a necessidade imperativa de uma metodologia sistemática que forneça uma classificação estruturada desses sistemas, orientando o gestor na priorização com base nas classificações de seus respectivos componentes. Portanto, esta pesquisa propõe um framework prático, de natureza prescritiva, que considera as diretrizes da manutenção centrada na confiabilidade (RCM), integrando modelos de análise de decisão multicritério (MCDM) associados à lógica fuzzy. Finalmente, a metodologia foi validada por meio de um estudo de caso em uma plataforma FPSO, com base na coleta de dados triangulados. Em resumo, destaca-se que a metodologia proposta traz contribuições teóricas ao preencher lacunas e propor/aplicar metodologias integradas, e contribuições práticas ao fornecer aos gestores, responsáveis pela formulação de planos de manutenção, elementos objetivos para uma tomada de decisão mais eficaz.

Defesa Mestrado Profissional [07/02/2024 – 13:00h] Distribution Grid Planning with Lines Investment and Topology Reconfiguration for Wildfire Resilience under Decision-Dependent Uncertainty

FELIPE NEVES PIANCÓ

Data: 07/02/2024, 13h.

Sala Zoom: https://puc-rio.zoom.us/j/98789887722?pwd=YXhRVVJBK24zTXpKeXRSTEdFODg1QT09

Orientadores: Bruno Fânzeres dos Santos | PUC-Rio & Alexandre Moreira da Silva | Lawrence Berkeley National Laboratory

Resumo:

Wildfires can be a source of vulnerability for power systems operations. Those events can especially affect the operation of transmission and distribution systems. It can interrupt energy supply, increase costs, and decrease grid reliability. Numerous approaches can be executed to prevent this. Planning decisions that consider the relationship between operative actions and the probability of wildfire disruption hasn’t been properly evaluated by academia. By not recognizing this aspect, the operation of power systems may be impaired. Properly modeling this dependency could lower wildfire disruption and loss of load. In this thesis, a two-stage, distributionally robust optimization problem with decision-dependent uncertainty is developed to consider distribution system multiperiod operation. The first stage determines the optimal switching actions and lines investments, and the second stage evaluates the worst-case expected operation cost. It is designed a decision-dependent uncertainty framework where the line failure probabilities are a function (dependent) of its power flow levels. An iterative method is proposed to solve this model and an out-of-sample analysis is developed to validate it through different case studies. Results showed that, by neglecting the uncertainty dependency on operative decisions, the way is developed here, there could be a higher expected loss of load and a higher operational cost. By considering this new approach when operating power lines, the grid’s resilience could be improved and wildfires consequences can be mitigated with lesser costly actions.