Este trabalho detalha o problema de programação de atividades de desenvolvimento de poços marítimos (PPADPM), cujo objetivo é definir o uso de sondas e navios, de forma a otimizar a produção de óleo dos poços marítimos. São apresentados cinco modelos baseados em programação linear-inteira mista (MILP) e um modelo gerado via programação por restrições (PR) para este problema. Concluiu-se que, dentre os modelos MILP, aquele baseado em variáveis que definem a ordem de execução das atividades apresenta os melhores resultados, tanto em termos de qualidade de soluções quanto em termos de tamanho do modelo. O aumento do tamanho da instância (em número de poços e/ou em número de recursos) traz como consequência um menor número de nós analisados dentro de um tempo limite de execução do modelo, ao mesmo tempo em que se observa que as estratégias de escolha de variáveis, de escolha de nós e de uso de solução inicial nos modelos MILP tornam-se ineficientes. Na comparação entre modelos MILP e o modelo baseado em PR, constatou-se que este último obteve as melhores soluções em mais de 90% dos casos analisados e, consistentemente, obteve mais soluções viáveis para cada instância. Entretanto, por não fornecer informações sobre a qualidade da solução, o modelo baseado em PR somente obtém a solução ótima ao analisar todo o espaço de busca do modelo; desta forma, este apenas chegou à solução ótima em instâncias com até quatro poços, enquanto alguns dos modelos MILP obtiveram a solução ótima para instâncias com até treze poços.

This work details the offshore wells activities on specialized resources scheduling problem, focusing on the optimization of the total oil production. A Constraint Programming (CP) model and five Mixed-Integer Linear Programming (MILP) models were studied. Among the linear models, those based on activities order variables are smaller, and led to the better solutions for almost all of the instances analyzed. As far as the size of the instances (number of wells and/or number of resources) increases, the number of branched nodes in a limited time decreases and, consequently, the influence of B&B nodes and variable selection strategies and of the initial guesses on the MILP model solution gets less efficient. Comparing best solutions for each instance, the CP model outperformed MILP models in 90% of the studied cases. In addition, the CP based model consistently found more solutions per instance than the MILP based models did. However, because the CP model does not give information on the quality of a solution (gap), it was only able to obtain optimal solutions for instances with up to four wells, while MILP based models found optimal solutions for instances up to thirteen wells.