Optimisation dIntervention des Appareils Work-Over sur
les Puits de Hassi Messaoud
Problématique et modélisation mathématique
Kherrouf younes
Mémoire de Khouloud Mounia GOURAI et Abdel Moutaal OUADDAH
Encadrant : M. Nedjmeddine KANTOUR
Université des Sciences et de la Technologie Houari Boumediène
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 1 / 29
Plan
1 Présentation du problème
2 Formulation du problème
3 Modélisation mathématique
4 Implementation
5 Conclusion
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 2 / 29
Présentation du problème - Contexte
L’entreprise dispose de plusieurs appareils d’intervention répartis dans différentes régions,
destinés à réaliser des opérations de workover sur des puits pétroliers en déclin ou en anomalie.
Ces interventions techniques sont essentielles pour restaurer ou maintenir la productivité des
puits, et peuvent inclure des actions comme :
Le changement d’équipement de fond
La mise en sécurité
L’équipement du puits par vanne
Des opérations avancées de type short radius
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 3 / 29
Présentation du problème - Enjeux
Face à un nombre important de puits nécessitant une de ces opérations, et à une flotte
d’appareils disponible très limitée, l’entreprise souhaite établir une planification efficace et
économiquement viable.
Il s’agit d’attribuer les appareils aux puits de manière séquentielle, en tenant compte de
nombreuses contraintes opérationnelles et techniques.
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 4 / 29
Présentation du problème - Caractéristiques
Caractéristiques des appareils :
Chaque appareil est loué à la journée
Possède des caractéristiques spécifiques et différentes (coût journalier, compatibilité
technique, Durée DTM)
Doit être mobilisé sans interruption jusqu’à la fin de chaque intervention
Caractéristiques des puits :
Chaque opération est associée à une durée fixe
Les puits présentent des contributions de production différentes selon leur potentiel
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 5 / 29
Présentation du problème - Contraintes
Contraintes opérationnelles :
Tout déplacement d’un appareil entre deux puits implique une phase dite de DTM
(Démontage Transport Montage)
Cette phase engendre un temps d’indisponibilité à intégrer dans la planification
Chaque appareil commence son cycle d’intervention sur un puits précis
Cela complexifie davantage la planification globale
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 6 / 29
Cadre opérationnel du problème (1/2)
Objectifs :
Maximiser la production attendue des puits
Minimiser les coûts liés aux interventions et aux déplacements des appareils
Contraintes principales :
Chaque puits nécessite exactement une opération, avec une durée déterminée à l’avance
Chaque appareil est mobilisé sur un seul puits à la fois, sans possibilité d’interrompre une
intervention en cours
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 7 / 29
Cadre opérationnel du problème (2/2)
Caractéristiques de la flotte :
Les appareils sont hétérogènes : ils diffèrent par leurs coûts journaliers, leur compatibilité
avec les puits et leur durée DTM
Le nombre d’appareils disponibles est très inférieur au nombre total de puits à traiter
Les appareils sont loués à la journée, ce qui impose d’optimiser leur utilisation
Autres contraintes :
Chaque déplacement entre deux puits inclut une phase DTM
La compatibilité technique entre appareils et puits est strictement respectée
Les appareils commencent leur tournée sur des puits de départ imposés
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 8 / 29
Formulation du problème - Représentation
Représentation d’une solution :
Une solution à ce problème peut être représentée par une liste de listes, où chaque sous-liste
décrit la tournée d’un appareil, ordonnée du premier au dernier puits visité avec un dépôt fictif,
indexé par 0, qui est introduit pour représenter le point de départ et de retour de chaque
appareil.
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 9 / 29
Formulation du problème - Modélisation
Type de problème :
Ce problème peut être vu comme un cas particulier du Heterogeneous Fleet Vehicle
Routing Problem (HFVRP) biobjectif, où :
Les véhicules sont les appareils i ∈ {1, . . . , n}
Les clients sont les puits j ∈ {1, . . . , m}
Objectifs :
1 Objectif 1 : minimiser le coût total (durée des interventions + déplacements DTM
pondérés par les coûts journaliers)
2 Objectif 2 : maximiser la production totale pondérée, en intervenant en priorité sur les
puits à fort potentiel
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 10 / 29
Formulation du problème - Graphe
Pour chaque appareil i, on définit un graphe orienté Gi = (J, Ai ), avec :
J l’ensemble des sommets (puits + dépôt) J ∈ {0, 1, . . . , m}
Ai l’ensemble des arcs tel que :
∀(j, k) ∈ Ai tel que j ̸= k, ∃ arc dirigé (j, k) de poids (durée dtmi )
⇔ aij = 1 et aik = 1.
Chaque tournée correspond alors à un chemin dans Gi , partant et revenant au sommet 0, en
respectant les compatibilités et les contraintes de durée.
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 11 / 29
Données du modèle
I : ensemble des appareils disponibles
J : ensemble des sites, incluant les puits et le dépôt (noté 0)
Ji0 ⊆ J\{0} : ensemble de premier puits visité par l’appareil i
tk : durée d’opération sur le puits k
pk : contribution de production
dijk : durée de déplacement de l’appareil i entre le site j et le site k
ci : coût journalier d’utilisation de l’appareil i
aik ∈ {0, 1} : vaut 1 si l’appareil i peut intervenir sur le puits k
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 12 / 29
Variables de décision
Le modèle utilise deux types de variables :
xijk ∈ {0, 1} : vaut 1 si l’appareil i passe du site j au site k, 0 sinon
uik ∈ Z+ : ordre de visite du site k par l’appareil i (pour les puits uniquement, k ̸= 0)
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 13 / 29
Fonction objectif
Objectif 1 - Minimisation du coût total :
∑∑ ∑
Minimiser ci · (dijk + tk ) · xijk
i∈I j∈J k∈J
Objectif 2 - Maximisation de la production pondérée :
∑ ∑ ∑
pk
Maximiser · xijk
d
i∈I j∈J\{0} k∈J\{0} ijk
k̸=j
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 14 / 29
Contraintes (1/4)
(1) Chaque puits est visité une seule fois (hors dépôt) :
∑∑
xijk = 1 ∀k ∈ J\{0}
i∈I j∈J
(2) Flux entrant égal au flux sortant (continuité de la tournée) :
∑ ∑
xijk = xikj ∀i ∈ I, ∀k ∈ J
j∈J j∈J
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 15 / 29
Contraintes (2/4)
(3) Puits initial dans un ensemble Ji0 :
∑
xi0j = 1 ∀i ∈ I
j∈Ji0
(4) Chaque appareil retourne au dépôt :
∑
xij0 = 1 ∀i ∈ I
j∈J\{0}
(5) Compatibilité appareil-puits :
xijk ≤ aik ∀i ∈ I, ∀j, k ∈ J
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 16 / 29
Contraintes (3/4)
(6) Pas de boucle sur un seul puits :
xijj = 0 ∀i ∈ I, ∀j ∈ J\{0}
(7) Pas d’aller-retour immédiat entre deux puits :
xijk + xikj ≤ 1 ∀i ∈ I, ∀j ̸= k, j, k ∈ J\{0}
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 17 / 29
Contraintes (4/4)
(8) Élimination des sous-tours (MTZ) :
(8a)
uik ≥ uij + 1 − |J| · (1 − xijk )
∀i ∈ I, ∀j, k ∈ J\{0}, j ̸= k
(8b)
1 ≤ uik ≤ |J| − 1 ∀i ∈ I, ∀k ∈ J\{0}
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 18 / 29
Modèle complet
∑∑∑
Minimiser ci · (dijk + tk ) · xijk
i∈I j∈J k∈J
∑ ∑ ∑ pk
Maximiser · xijk
dijk
i∈I j∈J\{0} k∈J\{0}
k̸=j
s.c.
∑∑
xijk = 1, ∀k ∈ J\{0}
i∈I j∈J
∑ ∑
xijk = xikj , ∀i ∈ I, ∀k ∈ J
j∈J j∈J
∑
xi0j = 1, ∀i ∈ I
j∈Ji0
∑
xij0 = 1, ∀i ∈ I
j∈J\{0}
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 19 / 29
Modèle complet (suite)
xijk ≤ aik , ∀i ∈ I, ∀j, k ∈ J
xijj = 0, ∀i ∈ I, ∀j ∈ J\{0}
xijk + xikj ≤ 1, ∀i ∈ I, ∀j ̸= k, j, k ∈ J\{0}
uik ≥ uij + 1 − |J| · (1 − xijk ), ∀i ∈ I, ∀j, k ∈ J\{0}, j ̸= k
1 ≤ uik ≤ |J| − 1, ∀i ∈ I, ∀k ∈ J\{0}
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 20 / 29
Modèle OPL Implementation
1 /* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
2 * OPL Model for HFVRP Bi - objective
3 * Optimisation des interventions Workover
4 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * */
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 21 / 29
Ensembles et paramètres
1 // Ensembles
2 int n = ...; // Nombre d ’ appareils
3 int m = ...; // Nombre de puits ( hors dépôt )
4
5 range I = 1.. n ; // Appareils
6 range J = 0.. m ; // Sites (0 = dépôt )
7 range J_puits = 1.. m ;
8
9 // Paramètres
0 float t [ J ] = ...; // Durée d ’ opération
1 float p [ J ] = ...; // Priorité / production
2 float d [ I ][ J ][ J ] = ...; // Durées de déplacement
3 float c [ I ] = ...; // Coût journalier
4 int a [ I ][ J ] = ...; // Compatibilité
5 { int } J0 [ I ] = ...; // Départs possibles
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 22 / 29
Variables de décision
1 // Variables de décision
2 dvar boolean x [ I ][ J ][ J ];
3 // x [ i ][ j ][ k ] = 1 si l ’ appareil i va de j à k
4
5 dvar int u [ I ][ J_puits ] in 1.. m ;
6 // Variables d ’ ordre ( élimination des sous - tours )
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 23 / 29
Fonctions objectifs
1 // Objectif 1 : minimisation du coût total
2 dexpr float cout_total =
3 sum ( i in I , j in J , k in J )
4 c [ i ] * ( d [ i ][ j ][ k ] + t [ k ]) * x [ i ][ j ][ k ];
5
6 // Objectif 2 : maximisation de la priorité
7 dexpr float score_priorite =
8 sum ( i in I , j in J_puits , k in J_puits : j != k )
9 ( p [ k ] / d [ i ][ j ][ k ]) * x [ i ][ j ][ k ];
0
1 // Modèle mono - objectif ( adaptable en bi - objectif )
2 minimize cout_total ;
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 24 / 29
Contraintes Visite et flux
1 subject to {
2
3 // (1) Chaque puits est visité une seule fois
4 forall ( k in J_puits )
5 sum ( i in I , j in J ) x [ i ][ j ][ k ] == 1;
6
7 // (2) Conservation du flux
8 forall ( i in I , k in J )
9 sum ( j in J ) x [ i ][ j ][ k ]
0 == sum ( j in J ) x [ i ][ k ][ j ];
1
2 // (3) Départ initial
3 forall ( i in I )
4 sum ( j in J0 [ i ]) x [ i ][0][ j ] == 1;
5
6 // (4) Retour au dépôt
7 forall ( i in I )
8 sum ( j in J_puits ) x [ i ][ j ][0] == 1;
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 25 / 29
Contraintes Faisabilité et MTZ
1 // (5) Compatibilité
2 forall ( i in I , j in J , k in J )
3 x [ i ][ j ][ k ] <= a [ i ][ k ];
4
5 // (6) Pas de boucle
6 forall ( i in I , j in J_puits )
7 x [ i ][ j ][ j ] == 0;
8
9 // (7) Pas d ’ aller - retour immédiat
0 forall ( i in I , j in J_puits , k in J_puits : j != k )
1 x [ i ][ j ][ k ] + x [ i ][ k ][ j ] <= 1;
2
3 // (8) Élimination des sous - tours ( MTZ )
4 forall ( i in I , j in J_puits , k in J_puits : j != k )
5 u [ i ][ k ] >= u [ i ][ j ] + 1 - m * (1 - x [ i ][ j ][ k ]) ;
6 }
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 26 / 29
Affichage des résultats
1 execute DISPLAY {
2 writeln (" Coût total : " , cout_total ) ;
3 writeln (" Score de priorité : " , score_priorite ) ;
4
5 for ( var i in I ) {
6 write (" Appareil " , i , " : Dépôt -> ") ;
7 for ( var j in J )
8 for ( var k in J )
9 if ( x [ i ][ j ][ k ] == 1 && k != 0)
0 write (k , " -> ") ;
1 writeln (" Dépôt ") ;
2 }
3 }
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 27 / 29
Conclusion
Synthèse :
Ce modèle mathématique permet de formaliser rigoureusement la problématique de
planification des opérations workover
Il tient compte des contraintes réelles de l’entreprise
Sa structure biobjectif et sa complexité combinatoire justifient le recours à des méthodes
de résolution adaptées
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 28 / 29
Merci pour votre attention
Université des Sciences et de la Technologie Houari Bou
Kherrouf younes Optimisation des interventions Work-Over 29 / 29