Manual Estadística E&P

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.
Facilitadores: Ing. Medardo Yaez. MSc. Email: medardo.yanez@reliarisk.com Ing. Mariener Acevedo. ME, MSc Email: mariener.acevedo@reliarisk.com
Contenido.
1. Introduccin a la Probabilidad y Estadstica Descriptiva 2. Gerencia de la Incertidumbre 3. Conceptos Bsicos en Evaluaciones Financieras 4. Anlisis de Riesgo en Proyectos 5. Anlisis de Riesgo en Proyectos de Perforacin y Rehabilitacin
5.1.- Anlisis de Riesgo en la Estimacin de los Egresos (Perforacin y Reparacin) 5.2.- Anlisis de Riesgo en la Estimacin de los Ingresos 5.3.- Estimacin del Riesgo Total
6. Anlisis de Riesgo en Carteras de Proyectos de Perforacin y Rehabilitacin
Programa
Da 1: Maana : Expectativas - Introduccin Conceptos Bsicos Tarde : Probabilidad y Estadstica Descriptiva Variables Aleatorias
Operaciones con Variables Aleatorias Gerencia de la Incertidumbre
Da 2:
Maana : Anlisis de Riesgo Anlisis de Riesgo en la Industria del Gas y del Petrleo Tarde:
Caso Base: Anlisis de Riesgo en Proyectos de Perforacin y Rehabilitacin Anlisis de Riesgo en la Estimacin de los Egresos - Anlisis de Riesgo en la Estimacin de los Ingresos
Da 3:
Maana Anlisis de Riesgo en Carteras de Proyectos

Casos Histricos - Software
Diapositiva: 2
Reliability and Risk Management (R2M) 2003
NOTAS:
Toda la informacin contenida en el presente documento es propiedad de R2M, SA. Y tiene carcter de uso reservado y sometida a la consideracin del cliente slo para efectos de su revisin y anlisis. El presente documento no podr ser reproducido total o parcialmente por cualquier medio sin la previa autorizacin escrita de R2M, SA.
Objetivos
Proveer y reforzar en los participantes los conocimientos bsicos para: 1.- Identificar y reconocer las fuentes primordiales de riesgo e incertidumbre en un proyecto de exploracin y produccin 2.- Modelar, vincular y sopesar la influencia de la incertidumbre asociada a las variables tcnicas del yacimiento y complejidades operacionales de la perforacin en los
parmetros econmicos VPN y TIR 3.- Explorar las implicaciones econmicas de cada probable escenario de produccin, establecer un plan de compra selectiva de certidumbre y establecer las acciones necesarias para mitigar el riesgo del proyecto de exploracin y produccin 4.- Identificar la combinacin adecuada de proyectos de perforacin para garantizar un ptimo nivel de riesgo y rentabilidad de la cartera de proyectos de inversin.
Diapositiva: 3
NOTAS:
Contenido
Introduccin a la Probabilidad y Estadstica Descriptiva Gerencia de la Incertidumbre Conceptos Bsicos en Evaluaciones Financieras Anlisis de Riesgo
Anlisis de Riesgo en Proyectos
Anlisis de Riesgo en Proyectos de Perforacin y Rehabilitacin

Anlisis de Riesgo en la Estimacin de los Egresos (Perforacin y Reparacin) Anlisis de Riesgo en la Estimacin de los Ingresos Estimacin del Riesgo Total
Anlisis de Riesgo en Carteras de Proyectos de Perforacin y Rehabilitacin
Diapositiva: 4
NOTAS:
Probabilidad y Estadstica Descriptiva
Probabilidad
Es una medida de la posibilidad de ocurrencia de un evento. La frecuencia de ocurrencia de un evento es un indicador de probabilidad: Si el evento A es muy frecuente => probabilidad de ocurrencia de A (P(A)) es alta (tiende a 1) Si el evento A es poco frecuente=> probabilidad de ocurrencia deA (P(A)) es baja (tiende a 0)
0
El evento o escenario A no se presentar.
Enfoque Clsico
P(A)
1
El evento o escenario A se presentar.
Enfoque Frecuentista
Basada en la historia de ocurrencias
NA Pr(A) = lim N NT
T
Escuelas de Probabilidad
Enfoque Bayesiano
NA= Numero de observaciones en las que ocurre el evento A NT= Numero total de observaciones
Enfoque Subjetivo
Basada en grado de conocimiento (Grado de creencia)
Diapositiva: 5
NOTAS:
Poblacin
No es ms que aquel conjunto de individuos o elementos que le podemos observar, medir una caracterstica o atributo. Ejemplos de poblacin: El conjunto formado por todos los estudiantes universitarios en Villahermosa. El conjunto de todos los estudiantes de una Universidad. El conjunto de personas fumadoras de una regin. Son caractersticas medibles u observables de cada elemento por ejemplo, su estatura, su peso, edad, sexo, etc.
NOTAS:
Muestra
Supongamos que nos interesa conocer el peso promedio de la poblacin formada por los estudiantes de una universidad. Si la universidad tiene 5376 alumnos, bastara pesar cada estudiante, sumar los 5376 pesajes y dividirlo por 5376. Pero este proceso puede presenta dificultades dentro de las que podemos mencionar: Localizar y pesar con precisin cada estudiante. Escribir todos los datos sin equivocaciones en una lista. Efectuar los clculos. Las dificultades son mayores si en nmero de elementos de la poblacin es muy grande, si los elementos se destruyen, si sufren daos al ser medidos o estn muy dispersos y si el costo para realizar el trabajo es muy alto. Una solucin a este problema consiste en medir solo una parte de la poblacin que llamaremos muestra y tomar el peso medio en la muestra como una aproximacin del verdadero valor del peso medio de la poblacin. Para que los resultados obtenidos de los datos muestrales se puedan extender a la poblacin, la muestra debe ser representativa
NOTAS:
Error Muestral Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. Estadstica de la Muestra Los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimacin de los parmetros. (Media Muestral, Moda, desviacin estndar de la muestra) Nivel de Confianza Llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadstico capte el verdadero valor del parmetro
NOTAS:
Seleccin del Tamao adecuado de la muestra. Ejemplo 1 De una poblacin de 1.176 adolescentes de una ciudad X se desea conocer la aceptacin por los programas humorsticos televisivos y para ello se desea tomar una muestra por lo que se necesita saber la cantidad de adolescentes que deben entrevistar para tener una informacin adecuada con error estndar menor de 0.015 al 90 % de confiabilidad. N:poblacin se: error estndar 2: Varianza Poblacional p: nivel de confianza N=1176 se=0.015 2 =(se)2= (0,015)2=0,000225 s2 = p(1-p)=0,9.(1-0,9)=0,09
NOTAS:
Estadstica Descriptiva
La Estadstica Descriptiva se ocupa del estudio de la variacin o dispersin, y para ello se apoya en herramientas matemticas conocidas como Distribuciones de Probabilidad que permiten organizar, describir, representar matemtica y grficamente la informacin sobre variables y cuantificar su incertidumbre. Las variables objeto de estudio de la Estadstica Descriptiva, se conocen como Variables Random, Variables Aleatorias o Variables Distribuidas.
Variables Random
Se denomina variable random, aleatoria o distribuda, a una variable X que por sus caractersticas pueda tomar un conjunto de valores (x1, x2, x3, x4, ... xn-1) cada uno de los cuales tiene una probabilidad de ocurrencia (p1, p2, p3, p4, ... pn-1,), sin que se pueda asegurar especficamente cual de todos estos probables valores tomar la variable.
p(X)
.167 .125 .083 .042 .000 2 3 4 5 6 7 8 9 10 11 12
Convenio de Notacin (X=xi) representa el evento "la variable aleatoria X toma el valor xi
X
p(X=xi) representa la probabilidad que la variable aleatoria X tome el valor xi.

Diapositiva: 10
x1
x2
x3
x4
x5
x6
x7
x8
x9
x10 x11
NOTAS:
Variable Random
Suma de los puntos obtenidos en el lanzamiento de dos dados Si lanzamos dos dados a la vez, tenemos: 36 posibles combinaciones ( 62) La variables random Suma de los puntos obtenidos en cada dado, Puede tomar cualquiera de los siguientes 11 probables valores 2,3,4,5,6,7,8,9,10,11 y 12
p(X)
5 6 7 8 9 10 11 6 7 8 9 10 11 12
.083 .167
Dado 1 1 1 2 Dado 2 3 4 5 6 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10
6/36 5/36 5/36 4/36 3/36 2/36 1/36 4/36 3/36 2/36
.125
.042 .000
1/36
10
11
12
x1
x2
x3
x4
x5
x6
x7
x8
x9
x10 x11
NOTAS:
Distribuciones de Probabilidad
Las Distribuciones de Probabilidad, son modelos grficos que relacionan los diversos probables valores que puede tomar una variable random, con la frecuencia de ocurrencia de cada uno de estos probables valores. Las Distribuciones de Probabilidad se clasifican en dos familias: Distribuciones Paramtricas Distribuciones No Paramtricas
f(x) Histogramas de Frecuencias f(x) Distribucin Parametrica
1 f (x) = .e 2 2 1 x 2
Frecuencias
Diapositiva: 12
NOTAS:
Distribuciones de Probabilidad no Paramtricas Histogramas de Frecuencia

Es un tipo de grfico que agrupa un conjunto de datos de una variable aleatoria, de forma tal que puedan apreciarse los siguientes aspectos: .- La forma en que estn distribuidos los mismos, .- El grado de dispersin, .- Los valores con mas alta probabilidad de ocurrencia.
Histograma
70 60 50 40 30 20 10 0
Frecuencia
Diapositiva: 13
NOTAS:
10 .7 9 14 44 .2 06 4 17 38 97 .6 50 9 21 32 66 .1 94 4 24 27 35 .5 38 9 28 21 05 .0 81 4 31 16 74 .4 25 9 34 10 43 .9 69 4 38 05 12 .3 12 89 82 41 95 .8 6 45 39 51 .2 40 8 48 88 02 .7 43 3 52 82 89 .1 87 8 55 77 59 .6 31 3 59 71 28 .0 74 8 62 66 97 .5 18 3 6 65 60 6 .9 62 8 69 55 36 .4 06 3 72 49 05 .8 49 8 76 43 74 .3 93 3 79 38 43 .7 37 8 83 32 13 .2 80 32 82 72 y 451 m ay or ...
Clase
Distribuciones de Probabilidad no Paramtricas Histogramas de Frecuencia

Para construir un histograma de frecuencias relativas deben seguirse los siguientes pasos: 1. Determinar el recorrido o amplitud de la poblacin o muestra, restando el valor mximo menos el mnimo. 2. Dividir el recorrido en un nmero de rangos o clases, seleccionados convenientemente de forma de no desvirtuar el dominio de la variable aleatoria. 3. Contar el nmero de observaciones que corresponden a cada rango o clase 4. Calcular la frecuencia relativa para cada rango o clase con la siguiente frmula: Frecuencia Clasei = (N observaciones en rango o clasei) (N total observaciones) 5. Construr el grfico resultante
Diapositiva: 14
NOTAS:
Distribuciones de Probabilidad no Paramtricas Histogramas de Frecuencia - Ejemplo No 2

La tabla que se muestra a continuacin, muestra los valores de Porosidad medidos en 40 puntos (pozos) de un yacimiento de petrleo. 1. 2. Elaborar un histograma de frecuencias de la variable random porosidad del yacimiento. Elaborar un histograma acumulado directo de la variable random porosidad del yacimiento
POROSIDADES TOMADAS EN 40 POZOS YACIMIENTO R2M 0.161 0.112 0.149 0.169 0.11 0.207 0.146 0.131 0.121 0.179
Diapositiva: 15
0.161 0.197 0.196 0.149 0.082 0.103 0.168 0.086 0.23 0.21
0.134 0.154 0.196 0.111 0.134 0.169 0.153 0.096 0.176 0.177
0.109 0.183 0.145 0.065 0.16 0.208 0.194 0.183 0.077 0.149
NOTAS:
Distribuciones de Probabilidad no Paramtricas Histogramas de Frecuencia - Ejemplo No 2

Solucin Para crear un histograma de frecuencias, debemos agrupar convenientemente los datos, tal como se muestra en la siguiente tabla
Nmero de Clases: 8 Ancho de la Clase: 0.022
ni Clase i
0 . 064 < 0 . 086
Histograma de Frecuencias
Frecuencia i f i =n i /40
Frecuencia
0.25
(N ptos en clase i )
4 2 5 8 8 6 6 1
0.2
0.1 0.05 0.125 0.2 0.2 0.15 0.15 0.025
0 . 086 < 0 . 108 0 . 108 < 0 . 130

0 . 130 < 0 . 152 0 . 152 < 0 . 174 0 . 174 < 0 . 196 0 . 196 < 0 . 218
0.15
0.1
0.05
0
0.064-0.086 0.086-0.108 0.108-0.13 0.13-0.152 0.152-0.174 0.174-0.196 0.196-0.218 0.218-0.24
0 . 218 < 0 . 240
Clases
Diapositiva: 16
NOTAS:
Distribuciones de Probabilidad no Paramtricas Histogramas Acumulados Directos - Ejemplo No 2 Solucin (cont.)

En ocasiones estamos interesados en contestar preguntas como: Cul es la probabilidad de que X tome un valor menor o igual a determinado valor? Para contestar esta pregunta es conveniente organizar grficamente la informacin en la forma de un histograma acumulado directo.
Convenio de Notacin (X<xi) representa el evento la variable aleatoria X toma un valor menor o igual a xi Pr(X< xi) representa la probabilidad de que X tome un valor menor o igual a xi
Clase i
0 . 064 < 0 . 086 0 . 086 < 0 . 108 0 . 108 < 0 . 130
Histograma Acumulado Directo

1.2
Frecuencia
N i (N acumulado de puntos)
4 6 11 19 27 33 39 40
Frecuencia acumulada F i =N i /40

0.1 0.15 0.275 0.475 0.675 0.825 0.975 1
0.8
0.6
0.4
0 . 130 < 0 . 152

0 . 152 < 0 . 174 0 . 174 < 0 . 196
0.2
0
0.064-0.086 0.086-0.108 0.108-0.13 0.13-0.152 0.152-0.174 0.174-0.196 0.196-0.218 0.218-0.24
0 . 196 < 0 . 218 0 . 218 < 0 . 240
Clases
Diapositiva: 17
NOTAS:
Distribuciones de Probabilidad no Paramtricas Histogramas Acumulados Directos - Ejemplo No 2 Solucin (cont.)

Del histograma acumulado directo construido para la variable aleatoria porosidad podemos inferir entre otras cosas, lo siguiente:
La probabilidad de que la porosidad tome valores menores o iguales de 0.24 es de 100% La probabilidad de que la porosidad tome valores menores o iguales de 0.218 es de 97.5% La probabilidad de que la porosidad tome valores mayores a 0.174 es de 32.5%
p( 0.24 )=1=100% p( 0.218)=0.975=97.5% p(>0.174 )=(1-0.675)=0.325=32.5% p( o.174) + p(>0.174) = 1
Diapositiva: 18
NOTAS:
Distribuciones de Probabilidad no Paramtricas Histogramas Acumulados Inversos - Ejemplo No 2 Solucin (cont.)

En ocasiones estamos interesados en contestar preguntas como Cul es la probabilidad de que X tome un valor mayor o igual a determinado valor? Para contestar esta pregunta es conveniente organizar grficamente la informacin en la forma de un histograma acumulado inverso.
Convenio de Notacin (X>xi) representa el evento la variable aleatoria X toma un valor mayor o igual a xi Pr(X> xi) representa la probabilidad de que X tome un valor mayor o igual a xi
Frecuencia
Histograma Acumulado Inverso

1.2
Clase i
0 . 064 < 0 . 086 0 . 086 < 0 . 108 0 . 108 < 0 . 130
N i (N acumulado de puntos)
40 36 34 29 21 13 7 1
Frecuencia acumulada F i =N i /40

1 0.9 0.85 0.725 0.525 0.325 0.175 0.025
0.8
0.6
0.4
0.2
0 . 130 < 0 . 152

0 . 152 < 0 . 174 0 . 174 < 0 . 196
0
0.064-0.086 0.086-0.108 0.108-0.13 0.13-0.152 0.152-0.174 0.174-0.196 0.196-0.218 0.218-0.24
Clases
0 . 196 < 0 . 218 0 . 218 < 0 . 240
Diapositiva: 19
NOTAS:
Distribuciones de Probabilidad no Paramtricas Histogramas Acumulados Inversos - Ejemplo No 2 Solucin (cont.)

Del histograma acumulado inverso construido para la variable aleatoria porosidad podemos inferir entre otras cosas, lo siguiente:
p(>0.064 )=1=100% p(>0.086 )=0.9=90% p( 0.108)=1-0.85=0.15=15% p(>9.4 ) + p( 9.4 ) = 1
La probabilidad de que la porosidad tome valores mayores o iguales de 0.064 es de 100% La probabilidad de que la porosidad tome valores mayores o iguales de 0.086 es de 90% La probabilidad de que la porosidad tome valores menores a 0.108 es de 15%
Ver Lectura 1 Ejercicio 2.xls

Diapositiva: 20

NOTAS:
Lectura 1. Procedimiento para Generar un Histograma de Frecuencia a partir de una Funcin Excel
Lectura 1. Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin
Procedimiento para generar un Histograma de Frecuencia a partir de una Funcin Excel

Este documento contiene a travs de un ejemplo el procedimiento para construir un Histograma de frecuencia utilizando Excel.
Procedimiento
Paso 1: En el men "Herramientas" del Excel, seleccionar la opcin "Complementos".
Paso 2: Activar los complementos de Herramientas para Anlisis y Herramienta para Anlisis
VBA.
Paso 3: Listar en una hoja de calculo los datos de la variable que se desea caracterizar a partir de un histograma de frecuencia.
Paso 4: En el men Herramientas, seleccionar la opcin Anlisis de Datos.
Paso 5: A partir del paso 4, se desplegar la siguiente ventana de Windows. Seleccionar

Histograma. Hacer click en el botn Aceptar
Paso 6: Seleccionar el rea de los datos de la muestra en la celda de "Rango de entrada".
Paso 7: Seleccionar en la opcin Rango de Salida el nmero de la celda a partir de la cual se tabularan y graficaran los resultados. Seleccionar la opcin Porcentaje Acumulado y Crear Grfico. Hacer click en Aceptar.
Paso 8: Excel grafica el Histograma de Frecuencia en la hoja de calculo activa..
Distribuciones de Probabilidad Paramtricas

Una distribucin de probabilidad paramtrica es una funcin matemtica terica, que describe la forma en que se espera que varen los probables valores de una variable random, es decir, una funcin matemtica que relaciona los diversos probables valores que puede tomar una variable random, con la probabilidad de ocurrencia de cada uno de ellos. Distribucin de Probabilidad Variables Discretas
f(x) f(x i)
f(x)
Distribucin de Probabilidad Variables Continuas
xi
Diapositiva: 21
NOTAS:
Distribuciones de Probabilidad Paramtricas - Formatos

Al igual que para las distribuciones no paramtricas, existen dos formatos para cada distribucin paramtrica, el formato de frecuencia y el formato acumulado. Distribucin de frecuencias o densidad de probabilidad f(X)
1 1
SE DEFINE COMO:
f(xi)
f( x )
0.5
f(xi)=Pr(x=xi)=pi
INTERPRETACIN: PROBABILIDAD DE OBSERVAR EL VALOR
xi
0 8 8 9
x i Variable Aleatoria
10
11
12 12
Distribucin acumulada o de probabilidad acumulada F(X)

1.0 1
SE DEFINE COMO:
F(xi)=Pr(x xi)
INTERPRETACIN:
F( x )
0.5
F(xi)
0 0 8 9 8
Diapositiva: 22
i x Variable Aleatoria
10
11
12 12
Pr( x xi ) = F ( xi ) = f ( x )dx = Area _ sombreada
xi
PROBABILIDAD DE OBSERVAR VALORES
xi
NOTAS:
Distribuciones de Probabilidad Paramtricas - Formatos

Distribucin acumulada inversa de probabilidad acumulada inversa C(X)
1
C(xi)
SE DEFINE COMO:
F(xi)=Pr(x xi)
C(x)=1-F(x)
INTERPRETACIN: PROBABILIDAD DE OBSERVAR VALORES >
xi
xi
C(xi)
F(x) C(x)
Pr( x xi ) = C( x i ) = 1 f ( x )dx = f ( x )dx

xi
xi
F(xi)
0
xi
Diapositiva: 23
X
NOTAS:
Distribuciones de Probabilidad Paramtricas

XM =MODA (valor de la variable con mayor probabilidad de ocurrencia)
f(x)
=MEDIA (medida de la tendencia
central, o valor esperado de la variable) =Desviacion estandar (Medida de la dispersion incertidumbre asociada a la variable)
XL=5% LIMITE INFERIOR Pr(X< XL)=0.05
XM
90 % INTERVALO DE CONFIANZA Pr(L<X<U)=0.9
XU=95% LIMITE SUPERIOR Pr(X< X U)=0.95
Una distribucin se caracteriza por: a.- El valor central o medida de posicin (la media, la mediana o la moda). b.- Una cantidad que expresa el grado de dispersin (la desviacin estndar). c.- La forma de la curva, es decir la forma general de la distribucin probabilstica
Diapositiva: 24
NOTAS:
NOTAS:
NOTAS:
NOTAS:
Distribuciones de Probabilidad Paramtricas Intervalo de Confianza

f(x)
f(xa) f(xb) xa
El intervalo de confianza es un intervalo dentro del cual podemos decir que se encuentra el valor verdadero con un cierto grado de confianza.
Intervalo de Confianza
xb
/2
F(x) F(xb)
/2
Cuanto ms distantes estn los lmites entre si, tanto mayor ser la probabilidad de que incluyan el valor verdadero, pero ms amplio ser el rango de variacin. Los valores xa y xb representan los lmites de confianza; y la probabilidad representa el grado de confianza o probabilidad de que el valor verdadero de la variable X se encuentre en el intervalo entre xa y xb.
F(xa)
Diapositiva: 28
xa
xb
X
NOTAS:
Distribuciones de Probabilidad Paramtricas Modelos Paramtricos de uso comn
Distribucin Normal Distribucin Lognormal Distribucin Exponencial Variables Variables Aleatorias Aleatorias Continuas Continuas Distribucin de Weibull Distribucin Beta Distribucin Gamma Distribucin Triangular Distribucin Uniforme Variables Variables Aleatorias Aleatorias Discretas Discretas Distribucin Binomial Distribucin de Poisson Dist. Hipergonomtrica Distribucin Geomtrica
Diapositiva: 29
NOTAS:
Caracterizacin Probabilstica de Variables

La caracterizacin probabilstica de una variable es una de las funciones mas delicadas del ingeniero de confiabilidad y del analista de riesgo, y la misma consiste en seleccionar la distribucin de probabilidad que mas se adapte a la naturaleza y dinmica de la variable a modelar. DISTRIBUCION QUE PUEDE TOMAR
DISCRETA: NATURALEZAFISICA DE LA VARIABLE A MODELAR
CUALQUIER VALOR DE UN CONJUNTO IDENTIFICADO DE VALORES, CADA UNO DE LOS CUALES TIENE UNA PROBABILIDAD DE OCURRENCIA DADA.
CONTINUA:
PUEDE TOMAR CUALQUIER VALOR CONTINUO DENTRO DE SU DOMINIO.
CARACTERIZACION PROBABILISTICA DE VARIABLES
TRUNCADA: CONFINAMIENTO DE LA VARIABLE A MODELAR
DISTRIBUCION QUE PUEDE TOMAR VALORES CONFINADOS ENTRE DOS VALORES PRE DETERMINADOS. DISTRIBUCION QUE PUEDE TOMAR VALORES QUE SE EXTIENDEN DESDE MENOS INFINITO A MAS INFINITO. DISTRIBUCIONES BASADAS EN MODELOS PRE ESTABLECIDOS CUYA DEFINICION MATEMATICA SE BASA EN CIERTOS COMPORTAMIENTOS DE VARIABLES FISICAS. DISTRIBUCIONES CUYA FORMA Y COMPORTAMIENTO ES DEFINIDA EXCLUSIVA Y PARTICULARMENTE POR LA DATA DISPONIBLE.
NO TRUNCADA:
REPRESENTACION MATEMATICA DE LA VARIABLE A MODELAR
PARAMETRICA:
EMPIRICAS
Diapositiva: 30
NOTAS:

Variables Fsicas
Variables Relacionadas con Tiempo
Variables por Opinin Expertos

Beta Pert
Variables Relacionadas con Desviacin o Error
Variables Relacionadas con xito y Fracaso
NOTAS:

Distribucin de Frecuencias
Probabilidad Objetiva basada en la abundante evidencia de la muestra Principal Fuente de Informacin: Datos de la Muestra
Distribucin de Frecuencias
Probabilidad Subjetiva basada en la poca evidencia de la muestra y en la experiencia del estimador Principal Fuente de Informacin: Opinin del Experto
Diapositiva: 32
NOTAS:
Caracterizacin Probabilstica de Variables desde los datos de la Muestra - Procedimiento
El paso 1 es plantear las hiptesis de las distribuciones paramtricas que podran hacer un buen ajuste con los datos. El paso 2, es calcular los parmetros de cada una de las distribuciones hiptesis con los datos de la muestra. El paso 3 consiste en realizar alguna de las pruebas de bondad de ajuste. El paso 4 es seleccionar entre las distribuciones hipotticas no rechazadas, aquella que tenga el valor del test ms bajo.
Diapositiva: 33
NOTAS:
Caracterizacin Probabilstica de Variables desde los datos de la Muestra - Test de Bondad de Ajuste
Test de Chi Cuadrado
.158 .119 .079 .040 .000 4 8 12 15
Hiptesis (Modelo Matemtico)
Estas pruebas consideran las siguientes etapas: Etapa 1: Graficar cada una de las curvas de las distribuciones hiptesis tericas, con el histograma de los datos de la muestra. Etapa 2: Calcular para cada distribucin hiptesis el valor llamado valor del test y compararlo contra el valor llamado valor critico. Etapa 3: Si el valor del test es menor que el valor crtico entonces la distribucin hipottica se considera un buen ajuste y la hiptesis no es rechazada. Si por el contrario, el valor del test es mayor que el valor crtico, la hiptesis se rechaza.
Valor del Test Histograma de los datos
Test de KolmogorovKolmogorov-Smirnov / Anderson Darlin

1.00 .750 .50 .25 .00 4 8 12 15
Para cada Nivel de Confianza (),existe un Valor Crtico Si el Valor del Test < Valor Crtico La Hiptesis es aceptada, de lo contrario se rechaza
Valor del Test
NOTAS:

La tabla que se muestra a continuacin, muestra los valores de Porosidad medidos en 40 puntos (pozos) de un yacimiento de petrleo. Utilizando el software Crystall Ball, caracterice en forma probabilstica la variable en estudio encontrando la distribucin paramtrica que mejor represente los datos. Adicionalmente distribucin represente estos datos con la
- Ejemplo No 3
POROSIDADES TOMADAS EN 40 POZOS YACIMIENTO R2M
0.161 0.112 0.149 0.169 0.11 0.207 0.146 0.131 0.121 0.179 0.161 0.197 0.196 0.149 0.082 0.103 0.168 0.086 0.23 0.21
0.134 0.154 0.196 0.111 0.134 0.169 0.153 0.096 0.176 0.177 0.109 0.183 0.145 0.065 0.16 0.208 0.194 0.183 0.077 0.149
2.1.- En su forma de frecuencia 2.2.- En su forma acumulada Calcule las siguientes magnitudes de inters: moda, media, desviacin estandar, percentiles, intervalo del 80% de certeza
Diapositiva: 35
Ejercicio 3.xls
Ver Lectura 2 y 3
NOTAS:
Caracterizacin Probabilstica de Variables - Ejemplo No 3 - Solucin

Estadsticas Valor 0.15 0.15 --0.04 0.00 0.01 0.24 0.23
Valor 0.01 0.10 0.12 0.13 0.14 0.15 0.16 0.18 0.19 0.20 0.24
Distribucin de Probabilidad de la Porosidad Formato de Frecuencia

.081 .061 .041 .020 .000 0.03 0.08 0.14 0.19 0.25
Mean Median Mode Standard Deviation Variance Range Minimum Range Maximum Range Width
Percentil 0%
Distribucin Beta Alpha = 4.63 Beta = 2.85 Scale = 0.24 Histograma
Distribucin de Probabilidad de la Porosidad Formato de Acumulado Directo

1.000 .750 .500 .250 .000 0.03 0.08 0.14 0.19 0.25
10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Distribucin Beta Alpha = 4.63 Beta = 2.85 Scale = 0.24 Histograma
P10
P90
80% de Certeza
Diapositiva: 36
NOTAS:
Lectura 2. Procedimiento de Instalacin y Ajuste del Software Crystal Ball
Lectura 2
Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos
Procedimiento de Instalacin y Ajuste del Software Crystal Ball

Este documento contiene los procedimientos a seguir para instalar y ajustar el Software Crystal Ball en su PC. El documento se divide en cuatro partes fundamentales: 1. 2. 3. 4. Cmo bajar de la Internet la versin de evaluacin del software Crystal Ball? Cmo instalar Crystal Ball en su PC? Cmo iniciar el Crystal Ball? Cmo ajustar el Crystal Ball?
Cmo bajar de la Internet la Versin de Evaluacin del Software Crystal Ball?

1. Visitar la siguiente direccin: www.decisioneering.com
2. Hacer click en el icono download
Hacer click
Lectura 2
3. Hacer click en la opcin Evaluation Version for Comercial Users
4. Ingresar su direccin de correo y datos personales en las siguientes pantallas. Hacer click en Next.
Es importe que su direccin de correo este activa, ya que el personal de decisioneering enviar a su direccin un cdigo de licencia para la instalacin de la versin de evaluacin del software.
Lectura 2
5. Hacer click en la opcin Click here to download the evaluation version.
6. Hacer click en el botn Download de la opcin Crystal Ball 2000.5 Full
7. Salvar el archivo ejecutable de instalacin en su PC (C:/cb550.exe), el proceso puede durar algunos minutos, ya que el mismo tiene un tamao de 27,7 MB.
Lectura 2
Cmo instalar Crystal Ball en su PC?

1. Una vez que usted ha bajado de Internet el archivo ejecutable de instalacin. Hacer doble click sobre el archivo C:/cb550.exe. 2. Seleccionar la opcin Si en la siguiente ventana de Windows .
3. Seguir el procedimiento de instalacin que se muestra en pantalla: Paso 1: Hacer click en Yes
Paso 2: Ingresar su nombre y el de su compaa o grupo de trabajo
Paso 3: Hacer click en Next.
Lectura 2
Paso 4: Hacer click en Next.
Paso 5: Seleccionar instalacin tpica (Opcin predeterminada). Hacer click en Next.
Paso 6: El software comenzar la instalacin.
Lectura 2
Paso 7: Hacer click en Finish. Aparecer una nueva ventana donde se pregunta si desea ver el archivo de lectura, seleccione No.
Paso 8: Seleccionar el mtodo para ingresar la licencia, seleccione la primera opcin y active el recuadro donde establece que existe conexin con Internet. Es importante que se asegure que sigue conectado a la red para poder continuar con la instalacin del software.
Paso 9: A su direccin de correo electrnico el personal de decisioneering envi un cdigo o licencia, ingrese dicho cdigo en el espacio disponible en la siguiente pantalla.
Lectura 2
Paso 10: Hacer click en el botn Finish.
Cmo iniciar el Crystal Ball?

El software Crystal Ball trabaja sobre la plataforma Excel, como una barra de herramienta adicional, a continuacin se indica los pasos para comenzar el uso y ajuste. Paso 1: Activar un nuevo libro de Excel. Hacer click sobre el botn Use Evaluation.
Paso 2: Aparecer una nueva barra de herramientas como se observa en la siguiente figura.
Barra de Herramienta Crystal Ball
Lectura 2
Cmo ajustar el Crystal Ball?

Paso 1: En el men del Excel, desplegar el men Run y seleccionar la opcin Run Preferences
Se despliega la siguiente pantalla

Ingresar el nmero de iteraciones Deseadas para la Simulacin de Montercarlo. Se recomiendan 10000 iteraciones
Paso 2: En el men del Excel, desplegar el men Cell y seleccionar la opcin Cell Preferences, se desplegar la siguiente ventana.
Asignar el color verde para las Distribuciones de Probabilidad Assumptions Asignar el color azul agua marina para los pronsticos Forecasts
Se recomienda marcar las opciones Add Excel Note y Set Distribution Mean. La primera de ella adicionar un comentario en la celda Excel con las caractersticas y parmetros de la distribucin de probabilidad seleccionada (Ver documento: Caracterizacin Probabilstica de Variables Aleatorias utilizando el Software Crystal Ball); la segunda permitir que la celda que contenga una Distribucin de Probabilidad o Pronstico contendr el Valor Esperado o Media de la Distribucin, una vez de ejecutada la Simulacin de Montecarlo
Lectura 3. Procedimiento para construir una Distribucin de Probabilidad usando el Software Crystal Ball
Lectura 3 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos
PROCEDIMIENTO PARA CONSTRUIR UNA DISTRIBUCION DE PROBABILIDAD USANDO EL SOFTWARE CRYSTAL BALL
Para caracterizar probabilsticamente una variable aleatoria, partiendo de una muestra de datos de la mencionada variable; el analista puede apoyarse en diversas herramientas computacionales para reducir tiempo y reducir al mximo la posibilidad de errores en el clculo manual. Una de estas herramientas es un software denominado Crystal Ball. Este software, que funciona sobre la plataforma Excel, debe estar instalado (ver procedimiento de instalacin y ajuste y activacin del Crystal Ball) en la PC o a nivel de Red. Al ser activado se presentar en la pantalla del PC un libro Excel con una barra de herramientas adicional a las tradicionalmente mostradas por Excel, tal y como se muestra en la Figura 1:
Figura 1. Barra de Herramienta del Crystal Ball. Para la caracterizacin probabilstica de variables aleatorias a partir de una muestra de datos se deben seguir el siguiente procedimiento:
PASO 1:
En una hoja Excel, con la aplicacin de Crystal Ball activada se organiza la informacin sujeta al anlisis, por ejemplo, un conjunto de datos asociados a 34 mediciones de la aceleracin con la que caen libremente objetos de diferentes formas y pesos (aceleracin de gravedad). Como se muestra en la Figura 2.
Figura 2. Datos de Modelo. Reliability and Risk Management (R2M) 2004
PASO 2:
Se ubica el cursor y se activa la celda de la variable sujeta al anlisis. Puede activar cualquier celda en la hoja Excel, se recomienda activar la celda al final de los datos. Ver Figura 3.
Aceleracin de Gravedad
N DE MEDICION 1 2 3 4 5 6 g (m/s 2 ) 9.123 9.158 9.185 9.261 9.385 9.403
26 27 28 29 30 31 32 33 34 Promedio
10.114 10.188 10.256 10.256 10.326 10.453 10.461 10.645 10.768 9.85
Figura 3. Datos de Modelo. Esta celda debe estar definida por un valor numrico colocado manualmente, no puede ser ni una celda con frmula ni una celda en blanco, de lo contrario esta variable no podr ser definida por Crystal Ball. Generalmente, se coloca el valor promedio del conjunto de datos asociados a dicha variable o el valor de cero.
PASO 3:
Una vez ubicados en la celda correspondiente se hace un click en el icono de Define Assumption (Ver Figura 4), sobre la barra de herramientas para activar la distribucin probabilstica:
Figura 4. Datos de Modelo. Reliability and Risk Management (R2M) 2004
Lectura 3 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos El programa mostrar automticamente la galera de modelos probabilsticos, tal como se muestra en la Figura 5 y 6:
Figura 5. Galera de Distribuciones de Probabilidad
Para visualizar los restantes modelos probabilsticos se hace un click en el botn More y se mostrar las distribuciones restantes incorporadas en la galera
PASO 4:
Como no se conoce cual de los modelos de distribuciones probabilsticas disponibles en la galera, es el que hace mejor ajuste con los datos de la muestra; debemos probarlas todas mediante un test de bondad de ajuste para seleccionar el modelo mas adecuado para nuestra variable. Para realizar este procedimiento con el Crystal Ball se hace click en el recuadro Fit. El programa mostrar en pantalla un recuadro donde el usuario indicar el rango de las celdas donde estn los datos de la muestra, tal como lo muestra la Figura 7:
En este espacio debe indicarse el rango de los datos a ser analizados, en este ejemplo desde las celdas B3 hasta la B36
Figura 7. Seleccin de rangos de datos.
PASO 5:
Se hace un click en el recuadro Next para ir a la siguiente pantalla, en este momento se activarn las opciones indicadas en la Figura 8. Para finalizar se hace click en el recuadro OK.
Figura 8. Seleccin de opciones En la primera parte de la ventana deben seleccionarse las distribuciones que sern probadas durante el ajuste (distribuciones hiptesis), se recomienda seleccionar la primera opcin (All Continuous Distributions). La segunda parte se refiere a la seleccin del Test con el cual se realizar la Prueba de Bondad de Ajuste, la eleccin de alguno depender de la cantidad de datos disponibles. Se recomienda Anderson-Darling.
Lectura 3 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos Se recomienda marcar la opcin (Show Comparison Chart and Goodness-of-Fit Statistics) que permitir que aparezca una ventana (ver figura 9) que muestra la comparacin entre el modelo probabilstico seleccionado y el histograma de los datos de la muestra
PASO 6:
El programa muestra en cada una de las grficas la comparacin entre el modelo probabilstico generado y el histograma de los datos de la muestra; tal como se muestra en la Figura 9. Las barras grises corresponden al histograma de los datos de la muestra y la lnea verde corresponde a la distribucin probabilstica (modelo matemtico) que mejor se ajusta a esta muestra.
Figura 9. Ajuste de Distribuciones (Formato Densidad). En la figura 9 se muestra la comparacin usando el formato de distribucin de densidad. Este formato de comparacin no es el mas recomendable; sobre todo para muestra pequeas; en las cuales debido a los espacios vacios que quedan en el histograma de frecuencias, es muy difcil visualizar la bondad del ajuste. En consecuencia, se recomienda hacer la comparacin usando el formato de distribucin acumulada,(en este formato, el histograma no presentar espacios vacios). Para ello, hacer click en el botn preferencias Pref. de la ventana que se muestra en la figura 9 y que se destaca con un circulo de lnea punteada; posteriormente se abrir la ventana mostrada en la figura 10.
Figura 10. Ajuste de Distribuciones (Seleccin de Opciones). Reliability and Risk Management (R2M) 2004
Lectura 3 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos En esta ventana deben seleccionarse las siguientes opciones: Distribution Type: Cumulative (que corresponde al formato acumulado)
Groups: 25 15 (para visualizar mejor el ajuste) Estas opciones se destacan con crculos en lnea interrumpida en la figura 10. Posteriormente hacer click sobre el botn OK; y se desplegara la ventana que se muestra en la figura 11.
Aqu se indica el modelo de distribucin que representa la lnea verde; en este caso la distribucin Log Normal
Este nmero indica que este modelo ocupo en 1er lugar en el ranking de mejor ajuste; entre todos los modelos disponibles en la galera.
Figura 11. Ajuste de Distribuciones (Formato Acumulado). La Figura 11 muestra la comparacin entre el histograma acumulado (barras grises) de los datos de la muestra y el modelo probabilstico que mejor se ajusta; presentado en su formato acumulado (lnea verde). En este ejemplo la Distribucin de Probabilidad que mejor ajusta al conjunto de datos es la Distribucin Lognormal (Media= 9.85,Desviacin Estndar=0.42). (Ver crculo con lnea interrumpida en la ventana mostrada en la figura 11) NOTA IMPORTANTE: El programa muestra por defecto el modelo con el mejor ajuste; sin embargo, es posible visualizar el ajuste de otros modelos de distribucin haciendo click en el botn Next Distribution.
PASO 7:
Una vez seleccionado el mejor fit, se hace click en el botn Accept de la pantalla anterior y el programa mostrar automticamente la distribucin probabilstica de la variable En este caso el mejor ajuste de los datos reales se obtiene para una distribucin del tipo Lognormal (Ver Figura 12):
Truncar en Valor Mnimo
Truncar en Valor Mximo
Parmetros de la Distribucin
Figura 12. Distribucin de Probabilidad seleccionada. Se recomienda validar el dominio de la variable considerada con el de la distribucin seleccionada, truncar la distribucin de probabilidad seleccionada cuando su dominio no se corresponda con el dominio de la variable considerada, en otras palabras definir sus valores mximos y mnimos, con la finalidad de desechar aquellos valores que no son fsicamente posibles o aquellos valores que el experto considere no representativos para el anlisis. En este ejemplo se ha considerado que el valor mximo y mnimo corresponde al valor mximo y mnimo de los datos de muestra. Al hacer click en el botn OK el programa guardar esta distribucin en la celda donde estaba ubicado el valor colocado manualmente (para el ejemplo, aceleracin gravedad promedio.=9.85). Es importante resaltar que una vez que hemos seleccionado la distribucin de probabilidad que mejor ajusta, el color de la celda en Excel aparece de color verde indicando que all hemos definido una variable aleatoria o distribuida. (Ver Figura 13)
Figura 13. Celda que contiene una Distribucin de Probabilidad.
PASO 8:
El Crystal Ball dispone de funciones en Excel, que permiten obtener informacin acerca de las caractersticas y los parmetros de la distribucin de probabilidad seleccionada. En el men Inicio, seleccionar la opcin Funcin.
Figura 14. Funciones Crystal Ball Aparecer la ventana que se muestra a continuacin, seleccionar la categora Crystal Ball y hallar en la parte inferior el listado de funciones disponibles.
Seleccionar la Categoria
Figura 15. Como insertar una funcin. En este ejemplo, supongamos que se quieren conocer los percentiles P10, P50 y P90, debemos entonces seguir el siguiente procedimiento. Activar la celda donde se desea colocar la funcin, para el ejemplo activar la celda D37. (Ver Figura 16)
Activar la celda en la cual se colocar el reusltado
Lectura 3 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos Figura 16. Como insertar una funcin de Crystal Ball.
Una vez activada la celda, en el men Insertar, seleccionar la opcin Funcin, luego seleccionar la categora Crystal Ball, y de la lista de funciones disponibles seleccionar la funcin =CB.GetAssumPercentFN (Ver Figura 17)
Figura 17. Funcin CB.GetAssumPercentFN.
Donde = CB.GetAssumPercentFN(Argumento1, Argumento 2) Argumento 1: Colocar la referencia de Celda que contiene la distribucin de probabilidad seleccionada (B37). (Ver Figura 18) Argumento 2: Colocar el percentil que se desea obtener (Por ejemplo: P10 colocar 10). (Ver Figura 18)
Figura 18. Funcin CB.GetAssumPercentFN
Figura 19. Calculo de los Percentiles P10,P50,P90
10
Caracterizacin Probabilstica del Exito y del Fracaso. (Distribucin Binomial)

La distribucin Binomial permite estimar el nmero de xitos que se alcanzaran en un nmero especfico de intentos, dada una probabilidad de xito por intento determinada. Los parmetros de la distribucin son: Probabilidad (p), Nmero de ensayos o pruebas
.157 .118 .079 .039 .000 0 6 12 18 24
p=0.15 n=50
.112 .084 .056 .028 .000 13 19 25 31 37
p=0.5 n=50
.157 .118 .079 .039 .000 26 32 38 44 50
Las variables que pueden representarse con la distribucin Binomial, tienen tres caractersticas bsicas: a.- Por cada intento, hay solo dos posibles resultados: xito o falla. (Para una moneda: el lanzamiento resulta: Cara o no. Para las piezas o partes: Es defectuosa o no) b.- Los ensayos son independientes. Los resultados de un primer ensayo no afectan los de ensayos posteriores. c.- La probabilidad de ocurrencia permanece constante en cualquier ensayo. La figura muestra el efecto del parmetro probabilidad de xito en el nmero de xitos en 50 intentos
p=0.85 n=50
NOTAS:
Caracterizacin Probabilstica del Exito y del Fracaso. (Distribucin Binomial). Ejemplo No 4.

En los ltimos aos, se han perforado 80 pozos en el rea, y se ha logrado contactar petrleo en 63 ocasiones. Para este ao se propone perforar 6 pozos nuevos, en la misma rea, con las mismas empresas perforadoras, y con caractersticas similares en el yacimiento. Para este plan de perforacin determine el nmero de pozos que sern exitosos.
Probabilidad de xito= 63/80= 78.75% Nmero de Intentos (n)=6
Nmero ms Probable de Pozos Exitosos

Ejercicio 4.xls
NOTAS:
Caracterizacin Probabilstica de Variables desde la Opinin de Expertos Distribucin Triangular

EXPERTO
f(x)
Mnimo valor posible de la variable = Xmin Valor mas probable de la variable = Xmprob Mximo valor posible de la variable = Xmax
x media =
x min + x mprob + x max 3
xmin
xmprob.
xmax
F(x) 1
Si X X mod a P ( X x ) = F ( x ) =
(x xmin )2
( x max x min ).( x mprob x min )
Si X > X mod a P ( X x ) = F ( x ) = 1
0 X
Diapositiva: 39
(xmax x )2
( x max x min ).( x max x mprob )
NOTAS:
Caracterizacin Probabilstica de Variables desde la Opinin de Expertos Distribucin Beta Pert

f(X ) )
0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 0,1190 0,1390 0,1590 0,1790 0,1990 0,2190 0,236
( + ) X X min f(X) = ( ).( ) X max X min
X X min . 1 X max X min
= ( - xmin)*(2*xmprob - xmin -xmax) / [(xmprob - )*(xmax - xmin)] = * (xmax - ) / ( - xmin)
Xmin
Xmas probable
Xmax
= (xmin + 4 * xmprob + xmax) / 6 = (xmax - xmin) / 6
EXPERTO
Diapositiva: 40
NOTAS:
Caracterizacin Probabilstica de Variables desde la Opinin de Expertos - Ejemplo No 5

Las tabla inferior, muestra los estimados hechos por expertos en Perforacin, de los probables valores del Costo de un nuevo pozo . Ntese que el estimado del Costo, esta dado por tres valores, (un mximo, un mnimo y un valor ms probable). Con esta informacin conteste las siguientes preguntas: 1.- Que distribucin de probabilidades puede usarse para representar dicha variable. Justifique su seleccin
Costo de Perforacin (M$) Mnimo 2000 Mas Probable 2789 Mximo 3329
Ejercicio 5.xls
Diapositiva: 41
Ver Lectura 4
NOTAS:
Caracterizacin Probabilstica de Variables desde la Opinin de Expertos - Ejemplo No 5 - Solucin

Distribucin Triangular
Costo de Perforacin
2,000.00
2,332.25
2,789,00
2,996.75
3,329.00
Valor Mnimo
Valor Mas Probable
Valor Mximo
Diapositiva: 42
NOTAS:
Caracterizacin Probabilstica de Variables desde la Opinin de Expertos - Ejemplo No 5 - Solucin

Distribucin Beta Pert
Costo de Perforacin (M$) Mnimo 2000 Mas Probable 2789 Mximo 3329
Distribicin de Frecuencia del Costo de Perforacin
(X mn + 4. X prob + X mx )
6
:2742.5 : 3.37 : 2.63 :221.5
( X mx X mn )
6
( X mn ) (2. X prob X mn X mx ) [(X prob ) ( X mx X mn )]

1900.0 2100.0 2300.0 2500.0 2700.0 2900.0 3100.0 3300.0 3500.0
( X mx ) ( X mn )
Diapositiva: 43
NOTAS:
Lectura 4. Procedimiento para Caracterizar Probabilsticamente la Opinin de Experto usando el Software Crystal Ball
Lectura 4
CARACTERIZACION PROBABILISTICA DE UNA OPINION DE EXPERTO

(Usando el Software Crystal Ball)
La distribucin triangular ha sido ampliamente usada para modelar variables a partir de la opinin de expertos. La opinin o estimacin de un experto, sobre los probables valores de una variable, puede expresarse con base a tres valores: valor mnimo, valor ms probable y valor mximo. A continuacin se presenta paso a paso como a partir del uso del Crystal Ball podemos caracterizar probabilisticamente la opinin de un experto asignando una distribucin de probabilidad triangular. Para ello haremos uso del siguiente ejemplo.
Ejemplo
En la siguiente tabla se presentan los estimados realizados por expertos de Geociencias de los probables valores para la variable rea de un yacimiento de petrleo. La caracterizacin Probabilstica de esta variable es de sumo inters para el calculo probabilstico del POES (Petrleo Original en Sitio). Ntese que estimacin del rea, esta dada por tres valores (Un mximo, un mnimo y un ms probable)
Mnimo 2500
Area Ms Probable 2961
Mximo 3200
Paso 1 Para generar una Distribucin Probabilstica se utiliza la herramienta Crystal Ball. Este Software debe estar instalado en la PC o a nivel de Red, el cual al ser activado, presentar un libro Excel con una barra de herramientas adicional a la tradicionalmente conocida en este programa, tal y como se muestra en la Figura 1:
Figura 1. Barra de Herramienta del Crystal Ball. Para la generacin de una distribucin de probabilidad debe seguirse el siguiente procedimiento:
Lectura 4
PASO 2:
En una hoja Excel, con la aplicacin de Crystal Ball activada, se ubica el cursor y se activa la celda en la cual asignaremos la distribucin de la variable sujeta al anlisis, en dicha celda debemos colocar un valor numrico, se recomienda colocar el valor ms probable de la variable en dicha celda (Ver Figura 2) Esta celda debe estar definida por un valor numrico colocado manualmente, no puede ser ni una celda con frmula ni una celda en blanco, de lo contrario esta variable no podr ser definida por Crystal Ball.
Figura 2. Hoja de Datos
PASO 3:
Una vez ubicados en la celda correspondiente se hace un click en el icono de Define Assumption (Ver Figura 3), sobre la barra de herramientas para activar la distribucin probabilstica:
Figura 3. Definir Distribucin de Probabilidad.
El programa mostrar automticamente la galera de modelos probabilsticos, tal como se muestra en la Figura 4 y 5:
Lectura 4
Para visualizar los restantes modelos probabilsticos se hace un click en el botn More y se mostrar las distribuciones restantes incorporadas en la galera
Figura 5. Galera de Distribuciones de Probabilidad La distribucin Triangular puede ser utilizada para caracterizar probabilsticamente la opinin de experto, debemos entonces seleccionarla de la galera disponible en el Crystal Ball, haciendo click sobre el cuadro correspondiente, y luego en el botn Ok. Ver Figura 6.
Hacer Click para seleccionar la Distribucin Triangular. Notar que el recuadro se coloca de color verde
Hacer Click para seleccionar la Distribucin
Figura 6.Seleccin de la Distribucin Triangular Reliability and Risk Management (R2M) 2004
Lectura 4
Al hacer clic en OK, aparecer la pantalla mostrada en la Figura 7.
PASO 4:
Como se muestra en la siguiente pantalla, es necesario ingresar la referencia de celda donde se ubican los valores mnimo, ms probable y mximo. Es importante resaltar que debe colocar la referencia de celda precedida del signo igual (Valor Mnimo =A3). Una vez que ha ingresado la referencia de celda, hacer click en el botn Enter.
Colocar Nombre de la Variable
Colocar la ubicacin de la celda Para el ejemplo: Valor Mnimo: =A3 Ms Probable: =B3 Mximo: =C3
Figura 7. Parmetros de la Distribucin Triangular
PASO 5:
Es importante resaltar que una vez que hemos seleccionado la distribucin de celda en Excel aparece de color verde indicando que all hemos definido una variable aleatoria o distribuida. (Ver Figura 8)
Figura 8. Celda que contiene una Distribucin de Probabilidad.
Operaciones con Variables Random

Variables de Entrada (Informacin)
A
0,15 0,15 0,15 0,15 0,15
Modelo (Informacin)
Variable de Salida (Variable de decisin)
B
0,76 0,78 0,80 0,82 0,85
,083 ,062 ,041 ,021 ,000
E=
C
18,50 19,25 20,00 20,75 21,50
(A+B+C) D
50.680,17
1,000 ,750
54.456,64
58.233,11
62.009,58
65.786,05
D
0,92 0,93 0,95 0,96 0,98
,500 ,250 ,000
50.000,00
54.375,00
58.750,00
63.125,00
67.500,00
ETAPA 1:
CUANTIFICACION DE LA INCERTIDUMBRE ASOCIADA A LAS VARIABLES DE ENTRADA O CARACTERIZACION PROBABILISTICA DE LAS VARIABLES DE ENTRADA
ETAPA 2:
PROPAGACION DE LA INCERTIDUMBRE ASOCIADA A CADA VARIABLE EN EL MODELO MATEMATICO.
ETAPA 3:
CUANTIFICACION DE LA INCERTIDUMBRE ASOCIADA A LA VARIABLE DE SALIDA O RESULTADO, O CARACTERIZACION PROBABILISTIA DEL RESULTADO
NOTAS:
Operaciones con Variables Random - Propagaci Propagacin de Incertidumbre

A
0,15 0,15 0,15 0,15 0,15
Modelo (Informacin)
B
0,76 0,78 0,80 0,82 0,85
,083 ,062 ,041 ,021 ,000
E=
C
18,50 19,25 20,00 20,75 21,50
(A+B+C) D
50.680,17
54.456,64
58.233,11
62.009,58
65.786,05
D
0,92 0,93 0,95 0,96 0,98
SOLUCIN NUMRICA Mtodo de Simulaci Simulacin de Montecarlo

Diapositiva: 45
SOLUCIN ANALTICA Mtodo de los Momentos (Serie de Taylor)

NOTAS:
Operaciones con Variables Random Ejemplo No 6

Se tiene el siguiente modelo matemtico:
D=
A+B C
donde las variables de entrada (A,B,C) son distribuidas. Con esta informacin conteste las siguientes preguntas: 1.- Qu distribucin de probabilidades puede usarse para representar la variable de salida D. 2.- Cul es el valor esperado de D
Variable B Mas Probable 400
16 39 25 42 32 35 9 56 73 59 63 47 82 82
Variable A 28 30 58 51 42 59 93 39 65 57 71 85 52 47
43 52 58 42 72 66 69 57 72 98 60 22 93 12
Min 300
Max 670
Variable C Min Max 50 75
Variable D
?
Ejercicio 6.xls
NOTAS:

n) Operaciones con Variables Random Ejemplo No 6 (Soluci (Soluci
16 39 25 42 32 35 9 56 73 59 63 47 82 82 Variable A 28 30 58 51 42 59 93 39 65 57 71 85 52 47 43 52 58 42 72 66 69 57 72 98 60 22 93 12
Distribucin Normal
Variable A
A+B D= C
Media=8.37 = 1.62
Salida D
Variable B Mas Probable 400
Variable B
Max 670
4.00 6.25 8.50 10.75 13.00
Min 300
Distribucin Uniforme
Distribucin Weibull
Variable C
Variable C Min Max 50 75
Loc. = 4.43 Scale = 4.44 Shape = 2.61
NOTAS:

Se propone perforar un nuevo pozo y el equipo de ingenieros necesita estimar el tiempo total de la actividad, con la finalidad de optimizar la programacin del taladro. Suponga que para la construccin del pozo se realizan tres actividades bsicas (Act.1,Act.2,Act.3). En las siguientes tablas se presentan los tiempos para cada una de las actividades, a partir de dos fuentes de informacin, datos histricos de pozos de estructura similar y opinin de expertos.
Act.1
Data Historica 12.8 11.6 12.6 10.2 6.6 15.2 14.4 17.8 26.0 19.0 19.9 19.3 19.6 18.4 9.8 15.3 11.2 18.5 14.1 11.8
Act. 2
Min 4 Mas Probable 10 Max 17
Con esta informacin conteste las siguientes preguntas: 1.- Cul es la probabilidad que el pozo sea perforado antes de 30 das. 2.- Si tuviese que suministrar sus estimados sobre el Tiempo de Perforacin del nuevo pozo" , cual sera su respuesta . Justifquela
Act. 3
Ejercicio 7.xls
NOTAS:
Operaciones con Variables Random Ejemplo No 7 (Soluci (Solucin)

Modelo
Act.1
Tiempo (das) 12.8 11.6 12.6 10.2 6.6 15.2 14.4 17.8 26.0 19.0 19.9 19.3 19.6 18.4 9.8 15.3 11.2 18.5 14.1 11.8
Caracterizacin Probabilstica de las Variables de Entrada

Distribucin Beta (:7.3 , :16.7)
TT = t ACT 1 + t ACT 2 + t ACT 3
Act. 1
Act. 2- Tiempo (das)

Act. 2
Act. 3- Tiempo (das)

Min 2 Probable 8 Max 32
Act. 3
La probabilidad que el pozo sea perforado en menos de 30 das es de 12.6% El valor esperado del tiempo de perforacin es de 39.4. Existe 90% de certeza que el Tiempo varia entre 26 y 54 das
NOTAS:

Una de las variables ms importantes que deben estimarse en el mundo petrlero es el POES (Petrleo Original en Sitio) y es a su vez una de las estimaciones en las que se maneja mas incertidumbre. El POES viene dado por la ecuacin
POES =
7758 .A.ANP . .(1 Sw ) Bo
donde: A=rea, ANP=Arena Neta Petrolfera, =Porosidad, Sw=Saturacin Agua, Bo=Factor Volumtrico
En las tablas superiores de la pgina siguiente, se muestran los datos de propiedades petrofsicas (Saturacin de Agua (Sw), Arena Neta Petrolfera (ANP) y Porosidad (), medidas en diferentes puntos de un yacimiento en anlisis. Ntese que para cada variable, la muestra estadstica recolectada es de 47 datos. Las tablas inferiores, muestran los estimados hechos por expertos en yacimientos, de los probables valores para el rea y el Factor Volumtrico del Yacimiento. Ntese que el estimado del rea, esta ddo por tres valores, (un mximo, un mnimo y un valor ms probable), mientras que el estimado para el factor volumtrico est dado por dos valores, (un mnimo y un mximo). Con esta informacin conteste las siguientes preguntas: 1.- Qu distribucin de probabilidades puede usarse para representar el POES. Justifique su seleccin 2.- Cul es el valor mas probable del " POES" 3.- Si tuviese que suministrar sus estimados sobre el POES" , cual sera su respuesta . Justifquela Ejercicio 8.xls
Diapositiva: 50
Ver Lectura 5
NOTAS:

Saturacin (Sw) 0.2119 0.2098 0.2418 0.2173 0.2185 0.2203 0.2039 0.2104 0.1974 0.2057 0.2397 0.2662 0.2090 0.2107 0.2012 0.1902 0.2387 0.2404 0.2316 0.1907 0.2380 0.2058 0.2072 0.2289 0.2443 0.2025 0.1259 0.2036 0.2399 0.2287 0.2232 0.2316 0.2345 0.2212 0.2421 0.2326 0.2412 0.2489 0.2224 0.2074 0.2076 0.2296 0.2308 0.1999 0.2203 0.2089 0.2250 0.1977 0.1998 0.2077 0.2038 0.1981 0.2055 0.1769 0.2066 0.1594 0.2169 0.2058 0.1623 0.1543 0.1956 0.1871 0.2005 Porosidad ( ) 0.2043 0.1524 0.1918 0.1654 0.1991 0.1983 0.1721 0.1424 0.1704 0.2248 0.1697 0.1612 0.2237 0.1699 0.2012 0.1744 0.2458 0.2409 0.1600 0.1826 0.1876 0.1519 0.1579 0.1681 0.1452 0.1874 0.2179 0.1783 0.2003 0.1899 0.1886 Arena Neta Petrolifera (ANP) 0.1977 0.2043 0.1524 0.1998 0.1918 0.1654 0.2077 0.1991 0.1983 0.2038 0.1721 0.1424 0.1981 0.1704 0.2248 0.2055 0.1697 0.1612 0.1769 0.2237 0.1699 0.2066 0.2012 0.1744 0.1594 0.2458 0.2409 0.2169 0.1600 0.1826 0.2058 0.1876 0.1519 0.1623 0.1579 0.1681 0.1543 0.1452 0.1874 0.1956 0.2179 0.1783 0.1871 0.2003 0.1899 0.2005 0.1886
Datos de Campo
Opinin de Expertos
Minimo 2500
Area (A) Mas Probable 2961
Maximo 3200
Factor Volumetrico (Boi) Minimo Maximo 1.05 1.25
Diapositiva: 51
NOTAS:
Operaciones con Variables Random Ejemplo No 8 Soluci Solucin

VARIABLES
Porosidad ( )
18 16 14 12 10 8 6 4 2 0 0.1 0.15 0.2 0.25 0.3
MODELO
SALIDA
ANP (Pies)
0.014 0.012 0.01 0.008 0.006 0.004 0.002 0 0 50 100 150 200 250 300
POES (MMBls)
.147 .110 .074 .037 .000 50.00 175.00 300.00 425.00 550.00
18 16 14 12 10 8 6 4 2 0.1 0.15
Sw
POES =
0.2 0.25 0.3
7758 .A.ANP . .(1 Sw ) Bo
POES
POES POES
POES 1% POES 10% POES 20% POES 30% POES 40% POES 50% POES 60% POES 70% POES 80% POES 90% POES 99%
Bo
1,05
0.5 0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 2500.0 2600.0
A (Acres)
1,25
POES (MMBls)
1.000 .750 .500 .250 .000 50.00 175.00 300.00 425.00
2700.0
2800.0
2900.0
3000.0
3100.0
3200.0
3300.0
Montecarlo 286.751 94.583 111.930 171.950 205.774 231.067 253.790 276.803 301.543 329.188 363.516 412.540 543.022
Diapositiva: 52
550.00 and Risk Management (R2M) 2003 Reliability
NOTAS:
Lectura 5. Procedimiento para realizar Operaciones con Variables Random usando el software Crystal Ball
OPERACIONES CON VARIABLES RANDOM USANDO CRYSTAL BALL (Simulacin de Montecarlo)

Este documento presenta a travs de un ejemplo el procedimiento para realizar operaciones con variables random usando el Software Crystal Ball. El Crystal Ball utiliza como mtodo matemtico para la propagacin de la incertidumbre la Simulacin de Montecarlo. La siguiente figura muestra el modelo general, que consta de tres etapas fundamentales.

A
0,15
Modelo (Informacin)
0,15
0,15
0,15
0,15
B
0,76
,083 ,062 ,041 ,021 ,000
0,78
0,80
0,82
0,85
E=
C
18,50 19,25 20,00 20,75 21,50
(A+B+C) D
50.680,17
1,000 ,750
54.456,64
58.233,11
62.009,58
65.786,05
D
0,92 0,93 0,95 0,96 0,98
,500 ,250 ,000
50.000,00
54.375,00
58.750,00
63.125,00
67.500,00
ETAPA 1:
CUANTIFICACION DE LA INCERTIDUMBRE ASOCIADA A LAS VARIABLES DE ENTRADA O CARACTERIZACION PROBABILISTICA DE LAS VARIABLES DE ENTRADA
ETAPA 2:
PROPAGACION DE LA INCERTIDUMBRE ASOCIADA A CADA VARIABLE EN EL MODELO MATEMATICO.
ETAPA 3:
CUANTIFICACION DE LA INCERTIDUMBRE ASOCIADA A LA VARIABLE DE SALIDA O RESULTADO, O CARACTERIZACION PROBABILISTIA DEL RESULTADO
Figura 1. Modelo General EJEMPLO. CALCULO DEL POES El modelo matemtico utilizado para el clculo del POES es:
POES =
7758.A.ANP..(1 Sw ) Bo
Donde: A = rea (acres) ANP = Arena Neta Petrolfera (pies) = Porosidad (fraccin) Sw = Saturacin Agua (fraccin) Bo = Factor Volumtrico. La tabla 1 presenta los datos de propiedades petrofsicas (Sw, ANP y ), medidas en diferentes puntos del yacimiento en anlisis, la muestra estadstica recolectada es de 48 datos). La tabla 2 muestra los estimados hechos por expertos en yacimientos, de los probables valores para el rea y el factor volumtrico del yacimiento.
Lectura 5 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos Estas variables deben tratarse como variables aleatorias, dado que en las mismas convergen las fuentes fundamentales de incertidumbre como lo es el conocimiento incompleto y la heterogeneidad. Todo lo anterior implica que el POES es funcin de variables aleatorias, cada una de las cuales debe representarse con una distribucin de probabilidades. Tabla 1. Propiedades Petrofsicas (Sw,ANP,)
Propiedades Petrofsicas Sw 0.2119 0.2173 0.2039 0.2057 0.209 0.1902 0.2316 0.2058 0.2443 0.2036 0.2232 0.2212 0.2412 0.2074 0.2308 0.2089 0.2098 0.2185 0.2104 0.2397 0.2107 0.2387 0.1907 0.2072 0.2025 0.2399 0.2316 0.2421 0.2489 0.2076 0.1999 0.225 0.2418 0.2203 0.1974 0.2662 0.2012 0.2404 0.238 0.2289 0.1259 0.2287 0.2345 0.2326 0.2224 0.2296 0.2203
ANP POROSIDAD ( )
118 121 114.25 76 72 83 112 94.5 71.5 140.5 56 62.5 87 118.5 99.5 128 108 132 81.5 60.5 78.5 55 144 179.75 149 107 111.5 90 37.5 133.5 130.5 114.5 103 71.5 69.5 69.25 132.5 73 87 93.5 113.25 115.25 114.5 71.75 93 77 110
0.1977 0.1998 0.2077 0.2038 0.1981 0.2055 0.1769 0.2066 0.1594 0.2169 0.2058 0.1623 0.1543 0.1956 0.1871 0.2005 0.2043 0.1918 0.1991 0.1721 0.1704 0.1697 0.2237 0.2012 0.2458 0.16 0.1876 0.1579 0.1452 0.2179 0.2003 0.1886 0.1524 0.1654 0.1983 0.1424 0.2248 0.1612 0.1699 0.1744 0.2409 0.1826 0.1519 0.1681 0.1874 0.1783 0.1899
Tabla 2. Opinin de Expertos (A y Bo) Area (A) Minimo Mas Probable Maximo 2500 2961 3200
Factor Volumetrico (B oi ) Minimo Maximo 1.05 1.25
Lectura 5 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos En este ejemplo, se describen en detalle todas las etapas requeridas para el clculo del POES, usando para ello el software Crystal Ball, estas son: Etapa 1: Caracterizar probabilsticamente las variables de entrada al modelo Caracterizar probabilsticamente las variables de entrada: ANP, y Sw; siguiendo los procedimientos expresados en el documento (Gua-Distribucin Probabilstica-Crystal Ball.pdf). Caracterizar probabilsticamente las variables de entrada: A y Bo siguiendo el procedimiento mostrado en el documento (Caracterizacin Opinin de Experto-Crystal Ball-.pdf)
Etapa 2: Propagar mediante la Simulacin de Montecarlo la incertidumbre de A, ANP, , Sw y Bo en el modelo matemtico del POES, para encontrar la distribucin de probabilidades del mismo. Etapa 3: Una vez conocidas las distribuciones de probabilidades del POES se calcularn parmetros de inters como la media, la moda y los percentiles 10, 50 y 90. PROCEDIMIETO Etapa 1 Caracterizacin probabilstica de Sw, ANP y : Utilizando el procedimiento de ajuste de curvas o seleccin de distribuciones de probabilidad descrito en el documento Gua-Distribucin Probabilstica-Crystal Ball.pdf, utilizando un test de calidad de ajuste (Anderson Darling), se determina la distribucin de probabilidad que mejor se ajusta a los datos disponibles de Saturacin de Agua (Sw), Arena Neta Petrolfera (ANP) y Porosidad (). El anlisis de los datos de Saturacin de Agua (Sw), muestran que el mejor fit corresponde a una distribucin Weibull, con parmetros Scale=0,228 y Shape= 12,51. Es importante recordar que es importante truncar la variable para los valores fsicamente posibles.
Figura 2. Caracterizacin Probabilstica de la Saturacin de Agua (Sw) Para la variable Arena Neta Petrolfera (ANP), los resultados de la caracterizacin muestran que el mejor fit corresponde a una distribucin Beta, con parmetros =7.53 y =16.08 (Ver Figura 3).
Figura 3. Caracterizacin Probabilstica de la Arena Neta Petrolfera (ANP) De igual forma, los resultados del anlisis de los datos de Porosidad (), reflejan que el mejor fit corresponde a una distribucin Weibull, con parmetros Scale=0.06, Shape= 2.49. (Ver Figura 4)
Figura 4. Caracterizacin Probabilstica de la Porosidad ()
Caracterizacin probabilstica del rea (A): En este caso, la informacin disponible proviene de estimaciones hechas por expertos en la materia. Esta es una muy importante fuente de informacin, que debe modelarse probabilsticamente de manera adecuada, siguiendo el procedimiento indicado en el documento (Caracterizacin Opinin de Experto-Crystal Ball-.pdf). .
Figura 5. Caracterizacin Probabilstica del rea (A). Para caracterizar la variable Factor Volumtrico (Bo), se dispone, al igual que para el rea, de datos provenientes de la opinin de expertos; pero en este caso, solo se tienen dos valores, un mximo (Bomax=1,25) y un mnimo (Bomin=1,05). Esto implica que los expertos no tienen razones para pensar que hay algn valor en ese rango con mayor probabilidad de ocurrencia; es decir no pueden identificar un valor mas probable. Para estos casos la distribucin que se usa es la distribucin uniforme, siguiendo un procedimiento similar al mostrado en el documento (Caracterizacin Opinin de Experto-Crystal Ball-.pdf), pero seleccionando la distribucin uniforme en lugar de la distribucin triangular. (Ver Figura 6).
Figura 6. Caracterizacin Probabilstica del Factor Volumtrico (Bo)
Lectura 5 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos Etapa 2 La segunda fase para la cuantificacin de incertidumbre se conoce como propagacin de incertidumbre. Se conoce como propagacin de incertidumbre al procedimiento mediante el cual se puede incluir y contabilizar la incertidumbre asociada a las variables de entrada, en un determinado modelo matemtico (ecuacin, inecuacin o correlacin), para cuantificar la incertidumbre de la variable de salida; en otras palabras, es la metodologa o proceso para resolver ecuaciones, cuando las variables de entrada son distribuciones de probabilidad. Si las variables de entrada al modelo tienen incertidumbre, entonces el resultado o salida del modelo debe tener incertidumbre, como se muestra en la siguiente figura.
VARIABLES
Porosidad ( )
18 16 14 12 10 8 6 4 2 0 0.1 0.15 0.2 0.25 0.3
MODELO
SALIDA
ANP (Pies)
0.014 0.012 0.01 0.008 0.006 0.004 0.002 0 0 50 100 150 200 250 300
POES (MMBls)
.147 .110 .074 .037 .000 50.00 175.00 300.00 425.00 550.00
18 16 14 12 10 8 6 4 2 0.1 0.15
Sw
POES =
0.2 0.25 0.3
7758 .A.ANP . .(1 Sw ) Bo
Bo
1,05
0.5 0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 2500.0 2600.0
A (Acres)
1,25
POES (MMBls)
1.000 .750 .500 .250 .000 50.00 175.00 300.00 425.00 550.00
2700.0
2800.0
2900.0
3000.0
3100.0
3200.0
3300.0
Figura 7. Propagacin de la Incertidumbre A continuacin los pasos a seguir usando la herramienta Crystal Ball: Paso 1: En una celda del Excel incluir la ecuacin matemtica para el POES, tomando como variables de entrada a las distribuciones de probabilidad antes seleccionadas. (Ver Figura 8)
Ecuacin del POES Celda (G12)
Figura 8. Creacin del Modelo
Figura 9. Creacin del Modelo
Paso 2: Con la celda que contiene la ecuacin del POES activada, hacer click en el icono Define Forecast de la barra de herramientas del Crystal Ball. (Ver Figura 10).
Hacer Click
Figura 10. Define Forecast Este icono le indica al sistema la ejecucin de una ecuacin en donde el resultado ser una distribucin probabilstica calculada, a partir de una Simulacin Montecarlo. El sistema muestra automticamente un recuadro donde se identificar la variable a determinar, hacer click en Ok. (Ver Figura 11)
Figura 11. Define Forecast Note en la siguiente figura, que la celda ha tomado color azul marino, indicando que all ha sido definida una prediccin. (Ver Figura 12)
Celda que contiene la prediccin del POES
Figura 12. Ecuacin POES Paso 3: Una vez definidas todas las distribuciones probabilsticas de cada variable independiente y la celda con la ecuacin del POES, el modelo esta listo para efectuar la simulacin Montecarlo, realizando las correspondientes iteraciones acorde con la cantidad pre-establecida. Sin embargo, si el usuario desea modificar el nmero de iteraciones, debe activar las opciones Run, de la barra de herramientas de Excel, y luego a Run Preferences (Ver documento: Procedimiento de Instalacin y Ajuste de Crystal Ball.pdf). Paso 4: Hacer click en el icono Start Simulation en la barra de herramienta del Crystal Ball, para iniciar el proceso de Simulacin de Montecarlo
Hacer Click en Play

Figura 13. Comenzar Simulacin En este momento se observar en pantalla todas las iteraciones realizadas por el programa. El resultado tendr ahora una distribucin probabilstica definida, la cual ser producto de combinar aleatoriamente las distribuciones asociadas a cada variable.
Lectura 5 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos Paso 5: Para ver la Distribucin Probabilstica del POES, hacer click en el icono Forecast Windows en la barra de herramientas del Crystal Ball. (Ver Figura 14)
Hacer click
Figura 14. Barra de Herramientas Crystal Ball Seleccionar el Forecast de la variable calculada POES, y luego hacer click en el botn Open Selected Forecasts.(Ver figura 15).
Figura 15. Forecast Windows (POES)
Aparecer en la hoja de calculo activa del Excel una ventana con la distribucin probabilstica del POES (Ver Figura 16).
Figura 16. Forecast (POES)
En la ventana de Forecast, en el men View, usted puede seleccionar ver: estadsticas (Media, Mediana, desviacin estndar), percentiles y los diferentes formatos que puede tomar la distribucin de probabilidad (frecuencia o densidad, acumulado y acumulado inverso) (Ver Figura 17)
Figura 17. Forecast -View Para ver las estadsticas, seleccione del men View la opcin Statistics. (Ver Figura 18)
Figura 18. Statistics. Para ver los pencentiles, seleccione del men View la opcin Percentiles. (Ver Figura 19)
Figura 19. Percentiles.
10
Lectura 5 Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin de Pozos Para ver la distribucin de densidad, seleccione del men View la opcin Frequency Chart. (Ver Figura 20)
Figura 20. Frequency Chart Para ver la distribucin de probabilidad acumulada, seleccione del men View la opcin Cumulative Chart. (Ver Figura 21)
Figura 21. Cumulative Chart Para ver en la grafica la media de la distribucin, seleccione del men Preferences la opcin Chart. Hacer click en Ok.
Figura 22. Chart Preferences
11
Si se desea definir un intervalo de confianza de la variable de inters, colocar en el espacio Certainty el porcentaje deseado. En el ejemplo se tiene que el POES se encuentra entre 165MMBls y 407MMBls con un 80% de certeza. (Ver Figura 23)
Intervalo de Confianza
Figura 23. Chart Preferences Paso 6: El Crystal Ball dispone de funciones en Excel, que permiten obtener informacin acerca de las caractersticas y los parmetros de la distribucin de probabilidad seleccionada. En el men Inicio, seleccionar la opcin Funcin.
Figura 24. Funciones Crystal Ball Aparecer la ventana que se muestra a continuacin, seleccionar la categora Crystal Ball y hallar en la parte inferior el listado de funciones disponibles.
Seleccionar la Categoria
Figura 25. Como insertar una funcin. Reliability and Risk Management (R2M) 2004 12
Las funciones mas usadas son: = CB.GetForeStatFN(Argumento1, Argumento 2) Argumento 1: Colocar la referencia de Celda que contiene el forecast o prediccin. Argumento 2: si se desea calcular la media colocar (2), mediana (3), desviacin estndar (5) = CB.GetForePercentFN(Argumento1, Argumento 2) Argumento 1: Colocar la referencia de Celda que contiene el forecast o prediccin. Argumento 2: se coloca el percentil que se desea calcular, por ejemplo colocar 10 si se desea conocer el P10.
13
Operaciones con Variables Random Dependencia Probabil Probabilstica

Se dice que dos variables aleatorias o distribuidas estn correlacionadas, o que son interdependendientes si existe una relacin monotnica entre ambas. Una relacin monotnica entre dos variables existe cuando cualquier incremento en una de las variables esta invariablemente asociada con un incremento o decrecimiento en la otra variable. Para detectar la posible existencia de correlacin entre dos variables X y Y, se grafican los valores de las muestras independientemente colectadas de ambas variables, para identificar si existe algn tipo de tendencia. Algunos ejemplos de correlaciones entre variables que la experiencia ha permitido detectar son los siguientes Costo de la Energa e Inflacin (Correlacin Positiva) Precio del Producto y Volumen de Ventas (Correlacin Negativa) Altura y Peso de los habitantes en USA (Correlacin Positiva) Permeabilidad y Porosidad en un Yacimiento (Correlacin Positiva)
Variables Positivamente Correlacionadas
2500 2000 1500
Variables Negativamente Correlacionadas

1,5 1,4 1,3 Y 1,2 1,1 1
Y 2500 2000 1500 1000 500 0
Variables No Correlacionadas o Independientes
Y 1000 500 0 15 20 25 X 30 35 40
500
1000 X
1500
2000
2500
200
400
600
800 X
1000
1200
1400
Diapositiva: 53
NOTAS:

Factor de Correlacin: La intensidad o fortaleza de la dependencia probabilstica se mide con un indicador estadstico conocido como factor de correlacion ; el cual varia entre -1 y 1
-1 -0.7 -0.3 0 0.3 0.7 1 CORRELACION DEBIL
CORRELACION MODERADA
CORRELACION MODERADA
CORRELACION ALTA
EN TODO ANALISIS DEBE CONSIDERARSE LA INTERDEPENDENCIA ENTRE LAS VARIABLES. EL EFECTO DE LAS CORRELACIONES SUELE SER SIGNIFICATIVO PARTICULARMENTE CUANDO EXISTE UNA ALTA CORRELACION.
CORRELACION ALTA
Las correlaciones dbiles entre variables no tienen prcticamente ningn efecto en los modelos de Simulacin de Montecarlo; sin embargo, correlaciones moderadas y altas pueden producir considerables errores si no se consideran explcitamente en los modelos de simulacin.
Diapositiva: 54
NOTAS:

Efecto en la Simulaci Simulacin de Montecarlo
Tiempo de Perforacin
Dependencia Probabilstica Directa
Costo de Perforacin
2,68
16,07
29,46
42,84
56,23
14,62
32,18
49,75
67,32
84,88
T1
T3
T2
C2
C1
C3
Escenario 1 (Base)
T1 : 20 das , C1: 36 MM$

Escenario 2 (No Vlido)
Este Escenario, que puede ser seleccionado aleatoriamente por el Simulador, es un escenario no vlido ya que no es potencialmente observable en la vida real Este Escenario, que puede ser seleccionado aleatoriamente por el Simulador, es un escenario vlido por que corresponde a uno de los escenarios potencialmente observable en la vida real
T2 : 41 das , C2: 16 MM$

Escenario 3 (Vlido)
T3 : 30 das , C3: 51 MM$
Cada iteracin de un modelo de anlisis de riesgo debe ser un escenario que pueda ocurrir fsicamente
David Vose
Diapositiva: 55
NOTAS:

Ejercicio No 9
Resolver el Ejercicio 8 considerando ahora la posible dependencia o correlacin probabilstica entre las variables. Analice y comente las diferencias (si existen) en los resultados.
Ejercicio 9.xls
Diapositiva: 56
Ver Lectura 6
NOTAS:

Ejercicio No 9 (Soluci (Solucin)
VARIABLES
Porosidad ( )
18 16 14 12 10 8 6 4 2 0 0.1 0.15 0.2 0.25 0.3
CORRELACIONES
0.26 0.24 0.22
ANP (Pies)
0.014 0.012 0.01 0.008 0.006 0.004 0.002 0 0 50 100 150 200 250 300
POES
MODELO
30 80 ANP 130 180
0.2 0.18 0.16 0.14 0.12
POES SIN CORRELACION
POES CON CORRELACION AREA BETA
16 14 12 10 8 6 4 2 0.1 0.15 0.2 0.25 0.3
ANP
18
Sw
200 180 160 140 120 100 80 60 40 20 0 0.18

0,26 0,24
0.2
0.22
0.24
0.26
0.28
Sw
POES =
7758 .A.ANP . .(1 Sw ) Bo
Porosidad ( )
18 16 14 12 10 8 6 4 2 0 0.1 0.15 0.2 0.25 0.3
0,22
0,2 0,18 0,16 0,14 0,12 0,12
0,17
Sw
0,22
0,27
Bo
SALIDA
1,05 1,25
POES POES POES 1% POES 10% POES 20% POES 30% POES 40% POES 50% POES 60% POES 70% POES 80% POES 90% POES 99%
287.085 94.900 109.357 171.686 204.400 231.178 254.613 278.220 303.219 330.548 364.087 412.544 546.459
294.068 121.581 89.637 154.333 190.536 220.219 247.516 277.213 307.222 341.693 387.167 456.875 653.868
A (Acres)
0.5 0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 2500.0 2600.0 2700.0 2800.0 2900.0 3000.0 3100.0 3200.0 3300.0
POES (MMBls)
.173 .130 .087 .043 .000 0.00 175.00 350.00 525.00 700.00
Diapositiva: 57
NOTAS:
Lectura 6. Procedimiento para modelar Dependencia Probabilstica entre Variables usando el Software Crystal Ball
Procedimiento para Modelar Dependencias Probabilsticas entre Variables usando el Software Crystal Ball 1. - Seleccionar las variables entre las cuales se sospeche correlacin o dependencia probabilstica. Ej.: para el clculo de reservas es razonable sospechar esta correlacin entre porosidad y saturacin o entre rea y ANP. Esta sospecha debe validarse siempre con un especialista en las variables que se analizan. 2. - Caracterizar probabilsticamente esta variables; es decir, encontrar la distribucin que hace mejor fit, tanto matemtico como fsico para las variables en anlisis. Ej.
Porosidad 27 38 21 32 20 20 26 29 26 32 24 28 36 38 23 32 26 20 30 28 33 33 34 35 30 25 28.7 Saturacion 28 30 40 35 37 37 25 27 40 25 31 25 36 35 40 23 30 40 50 35 19 19 18 18 26 37 31
3.- Colocar el cursor sobre la celda verde donde haya sido definida una de las variables que se quieran correlacionar, y hacer click sobre el icono de "define assumption" para ver la distribucin previamente definida:
4. - Hacer clik sobre el botn "Correlate...." de la ventana donde se observa la distribucin, para que se despliegue la sig pantalla:
5. - Hacer click sobre el botn "Select assumption, sealado en la sig figura
6. - Seleccionar la celda verde en la que esta guardada la otra variable, en este ejem, saturacin que esta guardada en la celda c28 de Excel
7. - Hacer click sobre el botn "Calc", para que se despliegue la sig. pantalla
8. - Introducir los rangos en que se encuentran los datos de las variables que se estn correlacionando:
9. - Hacer click sobre el botn de "OK" para obtener el coeficiente de correlacin y el grfico de la correlacin.
COEFICIENTE DE CORRELACION
GRAFICO DE LA CORRELACION 10. - Hacer click en el botn de OK para aceptar la correlacin. En este punto es importante recordar los siguientes aspectos sobre el factor de correlacin:
FACTOR DE CORRELACION
NO EXISTE CORRELACION ENTRE LAS VARIABLES CONSIDERADAS. LAS VARIABLES ESTAN EXACTAMENTE POSITIVAMENTE CORRELACIONADAS. LAS VARIABLES ESTAN EXACTAMENTE NEGATIVAMENTE CORRELACIONADAS.
-1
<
<
VARIABLES POSITIVAMENTE CORRELACIONADAS VARIABLES NEGATIVAMENTE CORRELACIONADAS
-1
<
<
Contenido

Diapositiva: 58
NOTAS:
Gerencia de la Incertidumbre
Gerenciar la incertidumbre es el arte de tomar decisiones cuantificando aquello que no se observa a simple vista H. Gomez de la Vega
Diapositiva: 59
NOTAS:
Incertidumbre
El nivel de conocimiento acerca de un proceso especfico puede variar desde el extremo de no saber absolutamente nada acerca del mismo (ignorancia total), hasta el extremo de llegar a entender y modelar completamente su comportamiento (certidumbre total). El escenario ms comn es el de la incertidumbre; es decir, disponer de un nivel de conocimiento que es mayor que la ignorancia total; pero que no alcanza el estado de certidumbre total.
CERTIDUMBRE TOTAL INCERTIDUMBRE IGNORANCIA TOTAL
Niveles de Conocimiento
El grado de separacin entre nuestro nivel de conocimiento del proceso, y el estado de certidumbre total se define como nuestro nivel de incertidumbre La Incertidumbre es una medida de la inseguridad o grado de desconocimiento desconocimiento acerca de una variable, proceso o fen fenmeno bajo estudio estudio
Diapositiva: 60
NOTAS:
Incertidumbre Clases de Incertidumbre

Del nivel de conocimiento de Sistemas / Procesos
Incertidumbre Fundamental o Incertidumbre Epistmica Es reducible a travs de estudio o mediciones
Incertidumbre
De la variabilidad inherente de Sistemas / Procesos
Incertidumbre Aleatoria Variabilidad Estocstica No es reducible a travs de estudio o mediciones
Diapositiva: 61
NOTAS:
Incertidumbre - Fuentes
De los datos: Calidad Cantidad Technologa de recoleccin
Del nivel de conocimiento de Sistemas / Procesos De donde viene la Incertidumbre ?
De los modelos Matemticos
Del comportamiento Humano
De la variabilidad inherente de Sistemas / Procesos
De comportamientos Aleatorios
De la heterogeneidad de los Sistemas

Diapositiva: 62
NOTAS:
Incertidumbre
Ignorarla y decidir
Caractersticas
Alto riesgo Alto impacto Dependencia del factor suerte Ambiente reactivo Sub o sobre dimensionamiento
Como tomar decisiones en presencia de Incertidumbre ?
Tratar de eliminarla para decidir
Caractersticas
Altos costos en sistemas de informacin Conflictos por calidad del dato. Parlisis por anlisis
Considerarla en el anlisis, cuantificarla y decidir

Diapositiva: 63
NOTAS:
GERENCIA DE LA INCERTIDUMBRE
CUANTIFICAR INCERTIDUMBRE DATA MODELO
ESTIMACIN DEL IMPACTO DE LA INCERTIDUMBRE EN EL MODELO DE TOMA DE DECISIONES
REDUCCIN DE LA INCERTIDUMBRE DE SER TECNICAMENTE FACTIBLE Y ECONOMICAMENTE RENTABLE
COSTO DE LA INCERTIDUMBRE ANALISIS DE SENSIBILIDAD
VALOR DE LA INFORMACION
Diapositiva: 64
NOTAS:
Cuantificacin de la Incertidumbre
A
0,15 0,15 0,15 0,15 0,15
Modelo (Informacin)
B
0,76 0,78 0,80 0,82 0,85
,083 ,062 ,041 ,021 ,000
E=
C
18,50 19,25 20,00 20,75 21,50
(A+B+C) D
50.680,17
54.456,64
58.233,11
62.009,58
65.786,05
D
0,92 0,93 0,95 0,96 0,98
SOLUCIN NUMRICA Mtodo de Simulaci Simulacin de Montecarlo

Diapositiva: 65
SOLUCIN ANALTICA Mtodo de los Momentos (Serie de Taylor)

NOTAS:
Estimacin del Impacto de la Incertidumbre:

Anlisis de Sensibilidad:
Permite cuantificar la contribucin relativa de cada una de las variables aleatorias de entrada al modelo a la dispersin o varianza del resultado o variable de salida del modelo. Debe realizarse despus de haber completado la propagacin de incertidumbre ya sea por el Mtodo de los Momentos o por Simulacin de Montecarlo. Este anlisis permite identificar las variables de entrada al modelo en las que debe centrarse la atencin y tomar las acciones necesarias (compra de informacin, toma de datos adicionales, anlisis causa raz, etc.) para mejorar el nivel de conocimiento sobre las mismas (de ser tcnicamente factible y econmicamente rentable), y reducir o controlar la incertidumbre de la variable de salida. Existen diversos tipos de anlisis de sensibilidad cada uno de los cuales tiene un grfico de resultados caracterstico: .- Contribucin a la Varianza .- Diagrama de Tornado
Diapositiva: 66
NOTAS:

Anlisis de Sensibilidad Contribucin a la Varianza
Diapositiva: 67
NOTAS:

Anlisis de Sensibilidad Diagrama de Tornado
POES MONTECARLO
Se determina un valor referencia de la variable de salida, evaluando la ecuacin que la relaciona con las variables de entrada para los valores medios de estas. Partiendo de este valor referencia, se hace variar una de las variables de entrada a la vez desde un valor mnimo que puede corresponder a su percentil 10 (P10) hasta un valor mximo que puede seleccionarse como su percentil 90 (P90), y se determina que tanto se incrementa o decrece el valor de la variable de salida de su valor referencial en funcin de una variacin del 90% de la variable de entrada estudiada. Este procedimiento se repite para cada una de las variables de entrada, y de esta forma se evala el efecto de variacin (sensibilidad) en la variable de salida con respecto a cada una de sus entradas.
Diapositiva: 68
0,0000
20,0000
40,0000
60,0000
80,0000
ANP (Pies)
26,5085
88,9662
A (Acres)
411,2372
550,0000
Sw
0,3365
0,1157
Porosidad
0,1983
0,2380
Bo
1,0950
1,0550
Downside Upside
Variable ANP (Pies) A (Acres) Sw Porosidad Bo
POES MONTECARLO Input Downside Upside Range Downside Upside Base Case 11,1652 37,4718 26,3066 26,5085 88,9662 80,9077 38,1425 51,0129 12,8703 411,2372 550,0000 367,4109 42,4786 31,8726 10,6060 0,1157 0,3365 0,2906 30,6530 36,7792 6,1261 0,1983 0,2380 0,2205 34,1889 32,9400 1,2489 1,0550 1,0950 1,0584
NOTAS:

Anlisis de Sensibilidad
Ejercicio No 10
Resolver el Ejercicio 7 y determinar mediante un anlisis de sensibilidad las variables de mayor impacto en la incertidumbre del tiempo total de la perforacin del pozo
Ejercicio 10.xls
Diapositiva: 69
Reliability and Risk Management

2003
(R2M)
NOTAS:
Contenido

Diapositiva: 70
NOTAS:
Postulados Bsicos de la Finanzas.
Finanzas.
Diapositiva: 71
NOTAS:
Postulates Bsicos de la Finanzas.
Diapositiva: 72
NOTAS:
Conceptos Bsicos en Evaluaciones Financieras
Que son los Indicadores Financieros?

Son valores estndares diseados para comparar, evaluar y/o controlar el desempeo de la organizacin en relacin con los objetivos establecidos. Los indicadores se agrupan en dos categoras: los Estticos, no consideran el valor del dinero en el tiempo y los Dinmicos, si consideran el valor del dinero en el tiempo.
Estticos Indicadores Financieros Dinmicos
Flujo Flujo de de Caja Caja Neto Neto Periodo Periodo de de Recuperacin Recuperacin de de la la Inversin Inversin
Valor Valor Presente Presente Neto Neto (VPN) (VPN) Tasa Tasa Interna Interna de de Retorno Retorno (TIR) (TIR) Periodo Periodo de de Recuperacin Recuperacin Dinmico Dinmico (DPO) (DPO) Eficiencia Eficiencia de de la la Inversin Inversin (EI) (EI)
Diapositiva: 73
NOTAS:
Indicadores Financieros Dinmicos: Valor Presente Neto (VPN):

Definicin No 1: Es la ganancia o prdidas en trminos del valor de dinero en este momento (tiempo presente), despus de haber recuperado la inversin inicial a una tasa de inters (i), que considera el cambio del valor del dinero en el tiempo. Definicin No 2: Consiste en saber cuanto se va a obtener de un proyecto, si se pudiese hacer en el presente todos los ingresos y egresos de forma instantnea (FLUJOS DE CAJA LIBRE, DESCONTADOS EN EL TIEMPO)
+ VPN 0 -
Habr ganancias mas all de haber recuperado la inversin inicial Slo se ha recuperado la inversin Las ganancias no son suficientes para recuperar el dinero invertido
Diapositiva: 74
NOTAS:
Clculo o Estimacin del Valor Presente Neto:

En general, el VPN consiste en traer todos los flujos de caja del futuro, al presente, y existen dos factores en la frmula: Flujo de Caja (Ci): Combinacin de Ingresos (entradas) y Egresos (salidas) que ocurren de manera puntual o en un periodo de tiempo corto. Tasa de Descuento (r): Mide el cambio del valor del dinero en el tiempo.
C1 C2 Cn VPN = C0 + --------- + ------- ++ -------- = (1+r)n (1+r) (1+r)2
Ci i i =0 (1 + r )
Si Ci es negativo, se trata de una inversin, gasto, o costo. Si Ci es positivo, se trata de un ingreso u otro similar.
Diapositiva: 75
NOTAS:
Tasa de Descuento
Es la tasa de inters que representa el valor al cual el inversionista esta dispuesto a arriesgar su capital. Es diferente y particular para cada inversionista y proyecto dependiendo de las caractersticas de la empresa. La Industria Petrolera considera una tasa de descuento compuesta por: Costo de Capital Riesgo Promedio Contribucin de Proyectos no generadores
Existen otros dos mtodos utilizados para la determinacin de la Tasa de Descuento: Costo Ponderado de Capital (WACC) Modelo de Equilibrio de Activos Financieros (CAPM)
NOTAS:
Tasa de Descuento
Costo Ponderado de Capital (WACC-Weighted Average Cost of Capital) El inversionista espera, como mnimo, el retorno sobre el Costo de su Capital. El costo de capital es el resultante de ponderar el costo del dinero proveniente del financiamiento propio y del externo.
WACC = ID.(1 %ISLR ).%D + Re mpresa.%C
Donde: ID: %ISLR: % D: Rempresa: %C: Tasa de inters de la deuda Tasa de Impuesto sobre la renta Porcentaje de Deuda Rentabilidad de la Empresa Rentabilidad de la Empresa
NOTAS:
Tasa de Descuento
Modelo de Equilibrio de Activos Financieros (CAPM- Capital Assets Pricing Model) Consiste en asignar una tasa de descuento similar al rendimiento de las acciones de empresas cuyas actividades tienen caractersticas similares a los proyectos que se evalan.
Resperado = Tlibre de riesgo + .(R500 Tlibre de riesgo )

Donde: Resperado: Tasa de inters de la deuda Tlibre de riesgo: Tasa de Impuesto sobre la renta : Porcentaje de Deuda Rentabilidad de las 500 mayores empresas del mercado R500:
NOTAS:
Diagrama de Flujos de Caja:

Es la representacin grfica de los flujos de efectivos (ingresos y egresos) que ocurren o podran ocurrir en una escala de tiempo. Ejemplos de Flujos de Caja:
FLUJO DE CAJA DISCOTECA

80 60 40 FLUJO DE 20 0 CAJA -20 -40 -60 -80
FLUJO DE CAJA PANADERIA
Ingresos Ao Egresos
30 20 10 FLUJO DE 0 CAJA -10 -20 -30 -40 -50 -60
Ingresos Ao
Egresos
Diapositiva: 79
NOTAS:
Tasa Interna de Retorno (TIR)

Es la tasa de inters promedio que iguala el valor presente de un flujo de ingresos y egresos con la inversin inicial.
Eficiencia de la Inversin (EI)

Es la rentabilidad que se obtiene, en trminos reales, por cada unidad monetaria invertida.
EI =
VPNgen +1 VPN ( A )
VPNgen: Valor Presente Neto generado por el proyecto VPN(A): Valor Presente de la Inversin Total
Perodo de Recuperacin Dinmico (Dynamic Pay out)

Es el tiempo necesario para que la suma de los flujos netos anuales descontados equiparen la inversin inicial.
Diapositiva: 80
NOTAS:

Ejercicio No 11
A partir de la siguiente informaci informacin se debe realizar la Evaluaci Evaluacin Econ Econmica de un nuevo pozo. Determine: Probabil Probabilsticamente el Indicador Econ Econmico Valor Presente Neto (VPN) en un horizonte econ econmico de 20 a aos
Perfil de Produccin Esperada
Timpo (Aos) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Prod. Pozo (bpd) 800 689 593 510 439 378 325 280 241 207 179 154 132 114 98 84 73 62 54 46
Mnimo Precio del Crudo ($/bl) Costo Operacin por Barril Producido ($/Bls) Costo de Perforacin ($) Tasa de Descuento % Impuesto 25 4 8000000 0.15 0.3 Ms Probable 30 10 9800000 Mximo 35 20 10500000
900
800
700
600
Perfil de Produccin del Pozo
500
400
300
200
100
0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tiempo (aos)
Ejercicio 11.xls
Reliability and Risk Management (R2M)
Diapositiva: 81
2003
NOTAS:

Ejercicio No 11- Solucin
Tiempo (Aos)
Prod. (bpd)
Prod. Anual
Inversin ($) 9800000
Ingresos ($)
Costos Oper. ($)
Impuestos ($)
Produccin Anual: Produccin Diaria x 365

Costo de Perforacin
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 800 689 593 510 439 378 325 280 241 207 179 154 132 114 98 84 73 62 54 46 292000 251327 216319 186187 160253 137931 118718 102182 87949 75698 65154 56079 48267 41544 35757 30777 26490 22800 19624 16891
Inversin: Costo de Perforacin

8760000 7539802 6489568 5585623 4807590 4137931 3561550 3065455 2638461 2270945 1954620 1682357 1448018 1246321 1072718 923297 794689 683995 588720 506716 1752000 1507960 1297914 1117125 961518 827586 712310 613091 527692 454189 390924 336471 289604 249264 214544 184659 158938 136799 117744 101343 2102400 1809552 1557496 1340549 1153822 993103 854772 735709 633231 545027 469109 403766 347524 299117 257452 221591 190725 164159 141293 121612 Factor de Riesgo P( VPN<0): 10.7% Factor de Rentabilidad : 3680855 $
Ingresos: Produccin Anual x Precio del Crudo

Consto de Operacin
Precio del Crudo
Egresos: Costo de Operacin Impuestos: Ganancias Netas x 0.3

n Ingresos Egresos VPN = Inversin (1 + i ) j j =1
NOTAS:
Contenido

Diapositiva: 83
NOTAS:
Anlisis de Riesgo
Riesgo R(t):
Incertidumbre Riesgo
El riesgo es un trmino de naturaleza probabilstica, que se define como egresos o prdidas probables consecuencia de la probable ocurrencia de un evento no deseado o falla. Matemticamente el riego asociado a una decisin o evento viene dado por
R(t) = p(t) x c(t)

R(t): Riesgo, p(t): Probabilidad, C(t): Consecuencias
Diapositiva: 84
NOTAS:
Anlisis de Riesgo
Anlisis de Riesgo:
El Anlisis de Riesgo, algunas veces llamado Anlisis para la Toma de Decisiones, es la disciplina para ayudar a los tomadores de decisiones a seleccionar opciones ptimas en ambientes de incertidumbre John R. Schuyler Es un anlisis de naturaleza probabilstica que permite soportar una decisin con base a la cuantificacin y ponderacin de la probabilidad de xito con sus beneficios y la probabilidad de fracaso y sus consecuencias Es un anlisis cuyo propsito fundamental es soportar el proceso de toma de decisiones con las siguientes caractersticas: Basadas en hechos, experiencias y datos duros Toman en cuenta la incertidumbre de las variables consideradas en el anlisis Toman suficientemente en cuenta las consecuencias de dicha decisin Son verificables y por lo tanto perfectibles
Diapositiva: 85
NOTAS:
Anlisis de Riesgo - Dimensionamiento
Dimensionamiento del Riesgo: Tcnicas Cuantitativas
Riesgo( t ) = f ( Si ,Pi ( t ),Consi ( t )) Riesgo = Pi ( t )xConsi ( t )

Si
Etapa 1: Identificar y caracterizar los posibles escenarios Si que produciran eventos no deseados o fallas. Etapa 2: Calcular la probabilidad Pi(t) de ocurrencia de cada uno de los escenarios identificados en la etapa 1 Etapa 3: Calcular las consecuencias Consi(t) que se produciran en caso de producirse cada uno de los escenarios identificados en la etapa 1. Etapa 4: Resolver la ecuacin
Diapositiva: 86
NOTAS:
Anlisis de Riesgo Modelos de Decisin Modelos Pasa No Pasa

ENTRADAS (INFORMACION) A B C D E= A+B+C D E K PROB.(E > K) MODELO
MODELOS QUE RECONOCEN, CUANTIFICAN Y PROPAGAN LA INCERTIDUMBRE ASOCIADA A LAS VARIABLES
SALIDAS
PROB.(E < K) K = CRITERIO DE APROBACION
MODELO DE DECISION: SI PROB.(E > K) x BENEFICIOS > PROB.(E < K) x CONSECUENCIAS ENTONCES SE APRUEBA; DE CUALQUIER OTRA FORMA SE OBJETA
Diapositiva: 87
NOTAS:
Contenido

Diapositiva: 88
NOTAS:

ENTRADAS (INFORMACION)
HORIZONTE DEL PROYECTO (AOS) INVERSION INICIAL INGRESOS EGRESOS TASA DE DESCUENTO n
.094
MODELO
SALIDA
VPN VPN E E VPN E de Rentabilidad Factor Factor Rentabilidad Factor de Rentabilidad
CAPEX INGJ. EGRJ. i
VPN
n ING j EGR j VPN n = j =1 CAPEX j (1 + i )
.071
.047
.024
.000 -3,000.00 -500.00 2,000.00 4,500.00 7,000.00
Pr (VPN<0) Pr(VPN<0) Factor de Riesgo Factor de de Riesgo Factor Riesgo
Pr (VPN<0)
Cuando hay varios resultados posibles y stos estn muy dispersos se ve claramente que hay inseguridad en el resultado final de un proyecto, mientras ms concentrados estn los resultados habr ms confianza en el resultado final y mientras ms dispersos estn los resultados ms desconfianza habr en el resultado final; es decir habr mas riesgo.
Diapositiva: 89
NOTAS:
Anlisis del Costo del Ciclo de Vida

OPCION 1 CAPEX
COSTOS DE DESARROLLO COSTOS DE INVERSION
OPEX
COSTOS DE OPERACION
DISEO
COMPRAS.
COSTO MANT CORR. + IMPACTO EN PROD. + IMPACTO AMBIENTAL COSTOS DE LA BAJA CONFIABILIDAD = RIESGO COSTO OPERACIN + MANT. PLANIF.
INVESTIGACION
VPN1 OPCION 2
HOY
FUTURO
CONSTRUCCION.
TIEMPO (AOS)
DESINCORPORACION
CAPEX
COSTOS DE DESARROLLO COSTOS DE INVERSION
OPEX
COSTOS DE OPERACION
COMPRAS. DISEO INVESTIGACION COSTO MANT CORR. + IMPACTO EN PROD. + IMPACTO AMBIENTAL COSTOS DE LA BAJA CONFIABILIDAD = RIESGO COSTO OPERACIN + MANT. PLANIF.
VPN2
HOY
FUTURO
CONSTRUCCION.
TIEMPO (AOS)
DESINCORPORACION Reliability and Risk Management (R2M) 2003
NOTAS:
Anlisis de Riesgo en Proyectos Modelos de Estimacin del Riesgo en Proyectos o Inversiones Anlisis de los Egresos Costo del Ciclo de Vida
COSTO CICLO DE VIDA TOTAL
CAPEX OPEX
CATEGORIAS DE COSTOS
CAPITAL
OPERACIONALES
MANTENIMIENTO
PERDIDA DE CALIDAD EVENTOS NO Y PRODUCTOS DESEADOS
INCLUYE: Diseo Desarrollo Compra de Planta Instalacin ELEMENTOS DE COSTOS Entrega EntrenamientoPersonal de Planta Manualesy Documentacin Herramientasy Facilidades de Mantenimiento Inventarioinicial de Equipos de Respaldo
INCLUYE: Operadores de Planta Labor Ingenieros Petroleo Energa Gas Electricidad Vapor Agua Etc.
INCLUYE: Labor Materiales InventarioEquipos de Respaldo Costos (almacenamiento ) Ingenieriade Soporte Costos (talleres de trabajo) Contratistas Gerencia, Administraciny Staff (planificadores , supervisorese iongenieros )
DEBIDO A: INCLUYE: Fallas Paros Accidentes, . etc
Valor Presente
Diapositiva: 91
Ajustado por Inflacin Tomado de: Life Cycle Costing Training Manual H.S. Reddell
NOTAS:
Anlisis de Riesgo en Proyectos Modelos de Estimacin del Riesgo en Proyectos o Inversiones Anlisis de los Egresos Costo del Ciclo de Vida (CCV)
CCV = Costos Capital (C) + Costos de Operacin (O) + Costos de Mantenimiento(M) + Prdidas por Fallas (L) + Costos de Desincorporacin (D)
CCV = i =0
n
(1 + r )
+ i =0
n
(1 + r )
+ i =0
n
(1 + r )
+ i =0
n
(1 + r )
+ i =0
n
(1 + r )n +1
Donde: r = tasa de descuento i = cualquier ao en la vida del activo n = vida asumida del activo
VPN = Beneficios del Ciclo de Vida por venta de Productos Costo del Ciclo de Vida
Diapositiva: 92
NOTAS:
Riesgo en Proyectos de Exploracin y Produccin
Anlisis de Riesgo en la Industria del Gas y del Petrleo Production Forecasting

Probabilistic Production Profile
14,00 90% 10,50
7,00
50%
3,50 0% 0,00
Objetivo: todos los escenarios de modeling produccin factibles, modelando las We will help predecir you to predict all production scenarios, the uncertainties of the technical incertidumbres asociadas a las variables tcnicas rigen su proceso particular de variables which drives your particular production process.que It will allow you to: produccin. Esto le permitir:
Explore economical implications of each probable scenario Establish Exploraralas implicaciones econmicas selective plan to acquire certaintyde cada escenario posible. actions to mitigate risk Plan Establecer un plan selectivo de compra de certidumbre. Resulting in a optimum strategy to drive business. Planificar acciones para mitigar el your riesgo presente.
Esto resulta en una estrategia ptima para el manejo del negocio.

Diapositiva: 93
NOTAS:
Contenido

Diapositiva: 94
NOTAS:

Ingresos
1. Estimacin probabilstica Tasa Inicial de Produccin (Qo) 2. Estimacin Probabilstica Tasa de Declinacin y Perfil Produccin (Q1,, Q2,, Q3,, ... Q20)
Inversi Inversin Inicial Egresos
3. Estimacin probabilstica del Costo de Perforacin 4. Considerar Costos de Operacin y Mantenimiento 5. Estimacin probabilstica del Riesgo (Egresos Potenciales por Fallas)
Qo x Precio de Venta
VPN VPN E E VPN E de Rentabilidad Factor Factor Rentabilidad Qi x Precio de Venta

.094
Factor de Rentabilidad
Ingresos
VPN
.071
.047
.024
.000 -3,000.00 -500.00 2,000.00 4,500.00 7,000.00
Egresos
Costos de Operacin
Pr (VPN<0)
Riesgo (Ri) (egresos potenciales por fallas) Capex
Horizonte econ econmico
t=20 t=20aos aos
NOTAS:
Contenido

Diapositiva: 96
NOTAS:
Anlisis de Riesgo en la Estimacin de los Egresos

Modelo No 1
NOTAS:

Caracterizacin Probabilstica de Costos y Tiempos de Actividades de Perforacin y Reparacin de Pozos
Tiempo Actividad1 (hrs)
ACTIVIDAD 1
Tiempo (hrs) (das) Costo (M$ (MM$) )
POZO
.151 .114
WeibullDistribution
.076 .038
56.5 48 59.2 60 12.5 11.2 14
48 56.5 57.1 58
.000 35.00 46.25 57.50 68.75 80.00
hrs Costo Actividad1 (M$)

.178 .133 .089 .044 .000 9.00 11.00 13.00 15.00 17.00
14.2 11.2 12.5 13.8 13.9
Lognormal Distribution
M$ Tiempo Actividad 2 (hrs)

.148 .111 .074 Weibull Distribution
ACTIVIDAD 2
Tiempo (das) (hrs) Costo (M$ (MM$) )
POZO
1
15 3.0
4
22
n
16
.037 .000 7.50 14.38 21.25 28.13 35.00
13 19.5
23 12.5 30 6.5 2.7
hrs Costo Actividad 2 (M$) (hrs)

.173 Lognormal Distribution
2.8 3.3 6.5
7.0 3.2
.129 .086 .043 .000 9.00 11.00 13.00 15.00 17.00
M$
NOTAS:
Plan de Perforacin Propuesto

A1
Base de Datos Histrica de trabajos y similares Curso: Evaluacin de Recursos Riesgos en Actividades de Exploracin y Produccin.
P1
A4
P2
A1
P3
A7
P4
A5
P5
A1
P6 Pn P1A7 A2 P2A6 A2 P4A3 A2

A7
A2 A2
tA2-P1 cA2-P1 tA2-P2 cA2-P2
Tiempo Actividad2 (hrs)

.151 .114 .076 .038 .000 35.00 46.25 57.50 68.75 80.00 WeibullDistribution
A2 A2
A3 A3
A2
A6
A2
A6
A6
hrs Costo Actividad 2 (M$)
A5
A3
A9
A3
A3
Atributos t: tiempo c: costos
A2
tA2-P4 cA2-P4
.178 .133 .089 .044 .000 9.00 11.00 13.00
15.00
17.00
Plan de Perforacin Propuesto

A1
M$
tPERFORACION
.151 .114 .076 .038 .000 35.00 46.25 57.50 68.75 80.00 WeibullDistribution
tA1
.178 .133 .089 .044 .000 9.00 11.00 13.00
cA1
15.00 17.00
WeibullDistribution
tPERFORACIN = tA1+ tA2 + tA3

63.52
.151 .114 .076 .038 .000 35.00 46.25 57.50
tA2
68.75 80.00 Lognormal Distribution
tmedia = 140.31 tobjetivo = 150 Pr tperf > tobjetivo= 44 % CPERFORACION
102.21
140.89
179.57
218.25
A2
.178 .133 .089 .044 .000 9.00 11.00 13.00
cA2
15.00 17.00
.151 .114 .076 .038 .000 35.00 46.25 57.50
WeibullDistribution
tA3
68.75 80.00 Lognormal Distribution
cPERFORACIN = cA1+ cA2 + cA3

5.57 16.92 28.28 39.63 50.99 Cmedia = 25.10 Cobjetivo = 32 Reliability and Risk Management (R2M) 20.4% 2003 Pr Cperf > Cobjetivo=
A3
.178 .133 .089 .044 .000 9.00 11.00 13.00
cA3
15.00 17.00
NOTAS:

Opinin de Expertos
Modelo General
Conocimiento Genrico (Bases de Datos de Experiencias Internacionales +
Bases de Datos de Perforacin de PEMEX
Arquitectura Pozos , Estudio Yacimiento, Tecnologa
Tiempos o Costos
A1
0,15 0,15 0,15 0,15 0,15
ACTIVIDADES
PLAN DE ACTIVIDADES
DURACION Dias 1 3 3 3 4 6 7 4 6 4 7 2 4 2 COSTO MM$ 2500 928 387 117 962 233 773 386 97 661 644 908 251 843 ENERO FEBRERO
,083 ,062
A2
0,76 0,78 0,80 0,82 0,85
A9
18,50 19,25 20,00 20,75 21,50
1 2 3 4 5 6 7 8 9 10 11 12 13 14
,041 ,021 ,000
Mudanza Perforar Hoyo Conductor Acondicionar Hoyo Bajar Revestidor Conductor Cementacin Revestidor Conductor Armar BOP Perforar Hoyo Sup. Acond. Hoyo Bajar Revestidor Sup Cementacin Revestidor Sup. Perforar Hoyo de produccin Acondicionar Hoyo Bajar Revestidor - Cementar Bajar Empacadura Bajar Tubera de Produccin Instalar rbol de Navidad
71% 78% 85% 92% 99% Tiempo Objetivo
Pr (treal< t objetivo
78% 85% 92% 99%
An
0,92 0,93 0,95 0,96 0,98
Teorema de Bayes
A1 A2 A9 An
Downside Upside
NOTAS:

Fuentes de Informacin Identificacin de Atributos: Mesas de Trabajo Opinin de Expertos Estadstica aos previos
Fuentes de Informacin convencionales: DIMS Anlisis Post-Morten Carpetas de pozos
Base de Datos electrnicas:
Diapositiva: 101
NOTAS:

Claves para el tratamiento Estadstico de los datos Concepto de Muestra Homogenea de Datos (Data Screanning). Conceptos de localizacin geologicamente equivalente, programa equivalente, tecnologa equivalente y completacin equivalente Herramientas estadsticas para manejo de informacin histrica, informacin real medida en campo (data dura) y validada a los niveles correspondientes. Adecuada caracterizacin probabilistica de variables Herramientas estadsticas para el manejo de opinin de expertos y tratamiento de la incertidumbre asociada a esta informacin. Pruebas estadsticas de objetividad - sesgo Distribuciones Triangular, Uniforme y Beta Pert Teorema de Bayes Combinar datos genricos de procesos similares con datos propios o evidencia, mediante el Teorema de Bayes, lo cual permitir obtener una data ms representativa del contexto operacional de PEMEX
Diapositiva: 102
NOTAS:
Anlisis de Riesgo en la Estimacin de los Egresos Ejercicio No 12

Dada la informacin histrica de 30 pozos con estructura y actividades similares. Calcule el tiempo total y el Costo total del siguiente plan de perforacin hipottico. El archivo excel contiene los tiempos y costos para cada una de las actividades Plan de Perforacin Actividad A Actividad B Actividad D Actividad J Actividad K Actividad L Actividad M Actividad N Actividad X Actividad Y Actividad Z
Ejercicio 12.xls
NOTAS:

Modelo No 2
NOTAS:
Anlisis de Riesgo en la Estimacin de los Egresos Anlisis de Riesgo en la Estimacin de los Egresos Metodologa:
Levantamiento de informacin (Bases de datos, opinin de expertos, carpetas de pozos, etc.) Definir por actividad los tiempos y los costos limpios (sin riesgo). Identificar y definir los riesgos (descripcin general) potenciales de las actividades que conforman un plan de perforacin en trminos de probabilidad, tiempo y costo) Caracterizar Probabilsticamente los tiempos y costos asociados a cada actividad. Ejecutar el modelo de Simulacin (Tiempo Total, Costo Total)
NOTAS:
Anlisis de Riesgo en la Estimacin de los Egresos Metodologa: Identificando el riesgo: Ejem. Pozo Multilateral
MUDANZA DE TALADRO
HOYO DE SUPERFICIE
HOYO INTERMEDIO
HOYO PRODUCCION - LATERAL No.1
HOYO PRODUCCION - LATERAL No.2

Diapositiva: 106
NOTAS:

MUDANZA DE TALADRO
ACTIVIDADES SOLTAR BOYAS MOVILIZAR TALADRO CONECTAR BOYAS
RIESGOS ESPERA POR PERSONAL Y EQUIPO MAL TIEMPO FALLAS DE LOS EQUIPOS
NOTAS:

HOYO DE SUPERFICIE
ACTIVIDADES PERFORAR RIESGOS CORRER REVESTIDOR
9-5/8 5/8 318 318
LIMPIEZA DEL HOYO CEMENTAR OPERACIONES DE CABEZAL Y BOP PERDIDA DE CIRCULACION
Diapositiva: 108
NOTAS:

HOYO DE SUPERFICIE
ACTIVIDADES PERFORAR CORRER REVESTIDOR CEMENTAR OPERACIONES DE CABEZAL Y BOP RIESGOS
9-5/8 5/8 318 318
PEGA DE TUBERIA
Diapositiva: 109
NOTAS:

HOYO DE SUPERFICIE
9-5/8 5/8 318 318
FALLA DEL EQUIPO FLOTADOR
Diapositiva: 110
NOTAS:

HOYO DE SUPERFICIE
9-5/8 5/8 318 318
FALLA DE LA PRUEBA DE LA BOP
Diapositiva: 111
NOTAS:

HOYO INTERMEDIO
9-5/8 5/8 318 318
ACTIVIDADES PERFORAR CORRER REVESTIDOR CEMENTAR OPERACIONES DE BOP RIESGOS FALLAS DEL LWD/MWD PEGA DE TUBERIA PERDIDA DEL OBJETIVO
Diapositiva: 112
NOTAS:

HOYO INTERMEDIO
9-5/8 5/8 318 318
ACTIVIDADES PERFORAR RIESGOS CORRER REVESTIDOR PEGA DEL CASING CEMENTAR OPERACIONES DE BOP
Diapositiva: 113
NOTAS:

HOYO INTERMEDIO
9-5/8 5/8 318 318
ACTIVIDADES PERFORAR CORRER REVESTIDOR CEMENTAR OPERACIONES DE BOP
RIESGOS FALLA DEL EQUIPO FLOTADOR TAPON DE DESPLAZAMIENTO DAADO PERDIDA TOTAL DE CEMENTO DIFICULTAD SACAR MANGA
Diapositiva: 114
NOTAS:

HOYO INTERMEDIO
9-5/8 5/8 318 318
ACTIVIDADES PERFORAR CORRER REVESTIDOR CEMENTAR OPERACIONES DE BOP RIESGOS FALLA DE LA PRUEBA DE LA BOP
Diapositiva: 115
NOTAS:

HOYO INTERMEDIO ACTIVIDADES PERFORAR RIESGOS FALLAS DEL LWD/MWD PEGA DE TUBERIA PERDIDA DEL OBJETIVO Consecuencia del riesgo: Perdida de la data de registro Acciones de recobro: Cambio de herramienta, registrar intervalos nuevamente Acciones de Mitigacin: Monitorear las condiciones de Perforacin. Mantener las herramientas en especificaciones. Asegurar calidad del equipo antes del envo Probabilidad (%) 30 Impacto de Tiempo (hr) T1 T2 T3 8 14 24 Distribucin Tiempo Pert Otros costos Min Max Distribucin Costos Uniform
9-5/8 5/8 318 318
NOTAS:

HOYO INTERMEDIO ACTIVIDADES PERFORAR RIESGOS FALLAS DEL LWD/MWD PEGA DE TUBERIA PERDIDA DEL OBJETIVO Consecuencia del riesgo: Tiempo extra y costo Acciones de recobro: Operaciones rutinarias de pesca Acciones de Mitigacin: Usar lodo base aceite, Modificar ensamblaje de fondo (BHA), Considerar uso de macha bi-centre Estudio geomecnico. Mejor taladro Probabilidad (%) 20 Impacto de Tiempo (hr) T1 T2 T3 6 48 144 Distribucin Tiempo Pert Otros costos Min Max 200 300 Distribucin Costos Uniform
9-5/8 5/8 318 318
NOTAS:
Anlisis de Riesgo en la Estimacin de los Egresos Metodologa: Caracterizacin Probabilstica

Existen dos mtodos para caracterizar probabilsticamente los riesgos en un proyecto de Perforacin de Pozos: El primero est basado en el comportamiento probabilstico de las variables, soportndose con la informacin real recolectada en campo (data dura) y validada a los niveles correspondientes. Esta informacin refleja el comportamiento inequvoco de las variables, dando un mejor soporte tcnico y confiable a los resultados del anlisis. El segundo est asociado a la opinin de expertos, utilizndose en los casos donde la informacin existente es escasa o no se dispone de ella; sin embargo se agrega un mayor nivel de incertidumbre a los resultados del anlisis al ser esta metodologa dependiente de la experticia de la persona consultada.
NOTAS:
Anlisis de Riesgo en la Estimacin de los Egresos Metodologa: Ejecutar Modelo de Simulacin
Tiempo Total de Perforacin

TACTi : Tiempo de la actividad i.
TACTi = t Li + p j t R j
j =1
m : nmero de riesgos asociados a la actividad i. tLi : Tiempo limpio (sin riesgo) de la actividad i. pj: Probabilidad de ocurrencia del riesgo Rj. tRj: Tiempo asociado al riesgo j. n: nmero de actividades de un plan de perforacin. TT: Tiempo Total de Perforacin.
TT = TACTi
i =1
NOTAS:

Plan de Perforacin Propuesto A1 Tiempo Riesgo 1Act1
TACT 1 pR1 (Act 1) pR2 (Act 1)
t-Act 1(Limpio)
Tiempo Riesgo nAct1
. . .
63.52
102.21
140.89
179.57
218.25
tPERFORACION
A2
An
NOTAS:
...
t-Act 2(Limpio) pR1 (Act 2)
pR2 (Act 2)
Tiempo Riesgo 1Act2
63.52
TACT 2
Tiempo Riesgo nAct2
. . .
tmedia = 140.31 tobjetivo = 150 Pr tperf > tobjetivo= 44 %
102.21
140.89
179.57
218.25
...
63.52
102.21
140.89
179.57
218.25

Costo Riesgo 1Act1
Costo Total de Perforacin
pR1 (Act 1)
C ACTi = (TACTi Alquiler ) + CFACTi + p j CR j

j =1
tPERFORACION
pR2 (Act 1)
Costo Riesgo nAct1
. . .
CACTi : Costo de la actividad i. m : nmero de riesgos asociados a la actividad i.
63.52
102.21
140.89
179.57
218.25
CTOTAL = C ACT i
j =1
TACTi : Tiempo de la actividad i.

pj: Probabilidad de ocurrencia del riesgo Rj. Alquiler: Tasa diaria de Alquiler del Taladro. CF: Costo Fijo n: nmero de actividades de un plan de perforacin. CTOTAL: Costo Total
NOTAS:
Anlisis de Riesgo en la Estimacin de los Egresos Modelo para estimacin Resultados Mitigacin del Riesgo
DISTRIBUCIN DE LA MUESTRA DE TIEMPO ARRIESGADO
40% 36% 32% 28% 24% 20% 16% 12% 8% 4% 0%
0 10 20
probabilidad
61 h
tiempo Sin riesgo Despues de mitigacin
124 h
184 h
Antes de mitigacin
30
40
50
60
70
80
90
100 110 120 130 140 150 160 170 180 190 200 210 220
Tiempo arriesgado, h
Tomado de Altinex
El proceso de anlisis de riesgo toma en consideracin todos los riesgos, en este caso establece un cronograma mas realstico, entre 150 y 210 horas, anticipando fallas de los componentes. Con la evaluacin de las medidas potenciales de mitigacin, el anlisis de riesgo identifica una posible reduccin de 33% en el tiempo total requerido para llevar acabo la operacin.
Diapositiva: 122
NOTAS:

Riesgo en Proyectos de Perforacin y Reparacin de Pozos
16% 14% 12% 10% 8% 6% 4% 2% 0% 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 ti m e s o r c o sts
P10
P50
EXP
P90
Cada iteracin del modelo de simulacin de Monte Carlo produce un nuevo costo estimado. El total de 10.000 costos o tiempos corridos por Monte Carlo produce la Distribucin final del Costo.
p ro ba b i
Hazard
Formation saver valve failure Sand flow damage to pump Hole instability Unable to skip and ship Unable to skip and ship Low ROP Weather conditions Loss of directional control Loss of directional control Hole instability
Sensitivity Coefficient
0.4912 0.4728 0.1974 0.1927 0.1776 0.1752 0.1566 0.1267 0.1242 0.1180 0.00 0.1180 0.1242 0.1267 0.1566 0.1752 0.1776 0.1927 0.1974 0.4728 0.4912 0.10
Tornado Diagram
Este diagrama identifica los riesgos que presentan los mayores impactos
0.20
0.30
0.40
0.50
sensitivity coefficients
Diapositiva: 123
NOTAS:
Anlisis de Riesgo en la Estimacin de los Egresos Estadstica de la aplicacin de Modelos de Estimacin Basados en Riesgo, para el pronstico de tiempos y costos de perforacin
Desviacin en Tiempo con respecto al valor real
Tradicional
-21%
Probabilstico
-25% -20% -15% -10% -5% 0%
1%
5%
Desviacin en Costo con respecto al valor real

Tradicional
-13%
Probabilstico
-15% -10%
-4%
-5%
0%
Diapositiva: 124
NOTAS:
Anlisis de Riesgo en la Estimacin de los Egresos Ejercicio No 13

Calcular el tiempo y costo de la perforacin que se muestra en el archivo anexo.
Ejercicio 13.xls

Ver Lecturas 7 y 8.
NOTAS:
Lectura 7. Aplicacin de la Metodologa de Anlisis de Riesgo en Perforacin
METODOLOGIA ANALISIS DE RIESGO EN PERFORACION APLICACIN DE LA METODOLOGIA DE ANALISIS DE RIESGO EN PERFORACION Autores: Ing. Jos Barrera, Ing. Manuel Freitas. Distribucin Probabilstica: Es un modelo matemtico que permite cuantificar la incertidumbre asociada a una variable, es decir un modelo que considera todos los posibles valores que dicha variable puede tomar. Simulacin de Monte Carlo: Mtodo de simulacin en donde se generan aleatoriamente valores para variables con incertidumbre con el fin de generar un modelo que represente el rango de incertidumbre, basado en la distribucin probabilistica de la variable.
INTRODUCCION
La Metodologa que a continuacin se detalla esta basada en Anlisis Cuantitativo de Riesgos (QRA) en Perforacin, el cual permite la identificacin de riesgos potenciales y la estimacin de consecuencias en valores de tiempo y costo.
SOFTWARE UTILIZADO
La herramienta utilizada dentro de esta metodologa fue Risk_Project 1.0. Es una herramienta que permite determinar tiempos y costos con riesgo para perforacin de pozos y llevar a cabo anlisis de sensibilidad y mitigacin. Risk_Project 1.0 utiliza la tcnica de Montecarlo para ejecutar las simulaciones.
TERMINOS BASICOS
Evento: Suceso que envuelve el comportamiento de un equipo, una accin humana o un agente o elemento externo al sistema y que causa desviacin de su comportamiento normal. Probabilidad: Es una medida de la posibilidad de ocurrencia de un evento. Media: Comnmente conocida como Media aritmtica o promedio aritmtico, se define como la sumatoria del conjunto de valores o resultados obtenidos de un experimento dividido por el nmero total de valores sumados. Mediana: Es el valor del conjunto de resultados, con igual nmero de valores mayores y menores a l. Moda: Es el valor, del conjunto de resultados, que se repite o aparece mayor nmero de veces. P10: Es el valor en el cual hay un 10% de probabilidad de ser ese valor o menor; o que existe un 90% que sea un valor superior a ese. (Fig. 1). P50: Es el valor en el cual hay un 50% de probabilidad de ser ese valor o menor. (Fig. 1). P90: Es el valor en el cual hay un 90% de probabilidad de ser ese valor o menor; o que existe un 10 % que sea un valor superior a ese. (Fig. 1).
CASO PRCTICO
A continuacin se presenta una metodologa detallada para determinar distribuciones de tiempo y costo en el plan de perforacin de un pozo. Paso 1: Seleccin del rea piloto de acuerdo a los siguientes criterios: - Esfuerzo planificado (volumen de pozos a perforar ao actual). - Data histrica reciente (mnimo tres aos). - Anlisis y visin del grupo de Perforacin. - reas que involucren procesos con desviaciones significativas que ameriten conocimiento y reduccin de incertidumbre. Paso 2: Revisin de las arquitecturas de los pozos tipo planificados para el ao en curso. Paso 3: Ubicacin de la data basada en los resultados de gestin del rea piloto y que est asociada a los pozos mencionados en el paso 2. Las fuentes disponibles para la captura de datos seran los post-morten elaborados, bases de datos, estadsticas elaboradas por los grupos de Procesos operacionales y carpetas de pozos en caso de ser necesario. Paso 4: Llenar el formato Base de Datos QRA Perforacin (Fig. 2) en Excel, el cual permitir:
Distribucin
18% 16% 14% Probabilidad 12% 10% 8% 6% 4% 2% 0% 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 Tiem pos o Costos
P10 P50 P90
Fig. 1. Ejemplo de Distribucin.
Incertidumbre: Es una medida de la inseguridad o grado de desconocimiento acerca de una variable o evento. Riesgo: Medida de prdidas econmicas, dao ambiental o lesiones humanas, en trminos de la probabilidad de ocurrencia de un accidente (frecuencia) y magnitud de las prdidas, dao al ambiente o de las lesiones (consecuencias). Anlisis Cuantitativo de Riesgo (QRA): es un proceso que permite analizar numricamente la probabilidad de ocurrencia de cada riesgo y su consecuencia en los objetivos de un proyecto o en el proyecto total.
Fig. 2. Formato Base de Datos QRA Perforacin.
METODOLOGIA ANALISIS DE RIESGO EN PERFORACION Apoyar la consolidacin de los casos base (tiempo y costo sin riesgo). Identificar y definir los riesgos (preparar registro de riesgos) potenciales de las actividades que conforman un plan de perforacin en trminos de probabilidad, tiempo y costo. Es importante en esta etapa definir dentro de las fases y actividades, aquellos atributos que caracterizan un rea en particular. Soportar los valores de tiempo y costo que alimentarn el modelo de anlisis de riesgo. En aquellos casos donde se presente dificultad para adquirir datos y no se disponga de data histrica, se proceder a obtener las percepciones de los expertos del rea (Fig. 3).
Fig. 5. Riesgos por Actividades.
Fig. 3. Formato Anlisis de Riesgos. Percepcin de Expertos.
Determinar el tipo de distribucin que se ajuste a los casos reales.
Paso 5: Generacin del Modelo de Anlisis de Riesgo para el rea (ensamblaje del modelo de riesgo): Cargar las actividades por tipo de pozo. (Fig. 4).
Fig. 6. Descripcin de los Riesgos.
Definir las acciones remediales ante la ocurrencia del riesgo identificado. Definir las consecuencias y actividades que se ven afectadas. Documentar las posibles acciones que mitiguen cada uno de los riesgos.
Paso 6: Correr la simulacin: Al presionar el botn Ejecutar (Fig. 7), se corre la simulacin del modelo QRA en Perforacin.
Fig. 4. Actividades.
Cargar los riesgos establecidos en la base de datos por cada actividad del plan ( Fig. 5). Colocar los valores en tiempo, costo para posteriormente asignar la distribucin probabilstica que haya arrojado el anlisis en la base de datos (Fig. 6).
Fig. 7. Ejecutar las simulaciones.
Al finalizar la simulacin, se producen las distribuciones de tiempo (Fig. 8) y costo (Fig. 9) con riesgo para elaborar el caso base de lo que esta sucediendo en la construccin del pozo para el rea en estudio. Tambin se pueden ver las estadsticas de las distribuciones (Fig. 10).
METODOLOGIA ANALISIS DE RIESGO EN PERFORACION
Fig. 8. Distribucin de Tiempo con riesgo.
Fig. 11. Jerarquizacion por Riesgo en terminos de Tiempo y Costo.
Paso 7: Interpretacin de Resultados: Llevar a cabo anlisis de sensibilidad para identificar los riesgos de mayor impacto. Realizar simulaciones a travs de casos duplicados incorporando nuevas tecnologas, nuevos procedimientos operacionales y acciones de mitigacin, para reducir tiempo, costos y probabilidad de ocurrencia del riesgo. Interpretar los niveles de incertidumbre que estn asociados al proceso de perforacin del rea en estudio.
Paso 8: Presentacin de Resultados. Elaborar documento con grficos (Fig. 12) obtenidos de las simulaciones para poder comparar el caso base con los casos en los cuales se aplican las acciones de mitigacin de riesgos.
Fig. 9. Distribucin de costo con riesgo.
Fig. 12. Ejemplo de mitigacin.
CONCLUSIONES
Fig. 10. Estadsticas.
Se genera las listas jerarquizadas de los riesgos (Fig. 11) para identificar los que originan mayor impacto en tiempo y costo al proceso de perforacin.
La Metodologa de Anlisis de Riesgo en Perforacin permite determinar valores de tiempo y costo con riesgo para la realizacin de la actividad de mitigacin considerando mn n i m o i m p a c to e n e l n e g o c i o . El objetivo fundamental del clculo o determinacin del Riesgo es soportar el proceso de toma de decisin.
RECOMENDACIONES
Aplicar la Metodologa de Anlisis de Riesgo en Perforacin para la planificacin de pozos futuros. 3
METODOLOGIA ANALISIS DE RIESGO EN PERFORACION
Analizar las posibles acciones de mitigacin para los riesgos de mayor impacto. Considerar el Riesgo en cualquier actividad con el propsito de soportar el proceso de toma de decisin. REFERENCIAS BIBLIOGRAFICAS Gerencia de la Incertidumbre Yaez, Gmez de la Vega, Valbuena - Enero 2002 Ingeniera de Confiabilidad y Anlisis Probabilstico de Riesgo Yaez, Gmez de la Vega, Valbuena Septiembre 2004. Desarrollo y Validacin de un Modelo de Anlisis Cuantitativo de Riesgo en las Actividades que Conforman un Plan de Rehabilitacin de Pozos (RARC), Jos Barrera, Manuel Freitas, Ricardo Palma. XIII Congreso Latinoamericano de Perforacin (COLAPER), Nov. 2002. Murtha, James - Decisions Involving Uncertainty Palisade Corporation, New York USA 2000. Newendorp, P.D A Method for Treating Dependencies Between Variables in Simulation Risk Analysis Models Paper SPE 5581, USA 1976 Murtha, James - Risk Anlisis and Montecarlo Simulation applied to the generation of Drilling AFE Estimates SPE 26339 1993 http://www.reliarisk.com
Contenido

Diapositiva: 126
NOTAS:
GERENCIA DE INCERTIDUMBRE Anlisis de Riesgo en LA la Estimacin de los Ingresos
Estimacin Probabilstica de la Tasa Inicial de Produccin de un Pozo

Caso 1: Basado en Registros de Propiedades del Yacimiento Caso 2: Basado en Opinin de Expertos Caso 3: Basado en el Error Histrico de Estimacin
Diapositiva: 127
NOTAS:

Estimacin Probabilstica de la Tasa Inicial de Produccin de un Pozo Caso 1: Basado en Registros de Propiedades del Yacimiento
PROPIEDADES M EDIDAS (REGISTROS) Pwf Pe Permeabilidad Viscosidad 600 1200 300 220 650 1111 310 220 700 1110 400 220 640 1125 298 240 620 1350 350 220 610 1400 345 220 600 1345 356 240 650 1234 367 230 220 310 650 1110 400 220 700 1400 416 230
POZOS Pozo 1 Pozo 2 Pozo 3 Pozo 4 Pozo 5 Pozo 6 Pozo 7 Pozo 8 Pozo n-1 Pozo n
ANP 25 30 43 18 16 22 35 38 46 16
Dao -2 -1 0.5 -3 3 2 1 1 2 2 -1
POZO 1
POZO 2
POZO 3
POZO NUEVO
POZO n
DATOS DE POZOS VECINOS ANP Pwf Pe Porosidad Viscosidad Dao TASA INICIAL DE PRODUCCION Q0 (Bls/dia)
.086
0.0078 ANP K (Pe Pwf ) Q0 = Rd Bo Rpozo + Dao ln
.065 .043 .022 .000 50.00 162.50 275.00 387.50 500.00
NOTAS:

Estimacin Probabilstica de la Tasa Inicial de Produccin de un Pozo Caso 2: Basado en Opinin de Expertos
ESTIMADOS Pwf RFT Permeabilidad ANP skin Viscosidad Bo Rad pozo Rad dren minimo 650 1700 298 160 -3 220 1.06 esperado 650 2100 400 230 0 220 1.06 5 5906 maximo 700 2300 464 295 3 240 1.07
OPINION DE EXPERTOS
ANP
RFT
Permeabilidad
160.00
193.75
227.50
261.25
295.00
1,700.00
1,850.00
2,000.00
2,150.00
2,300.00
TASA INICIAL DE PRODUCCION Q0 (Bls/dia)

Pwf
.104 .078
298.00
339.50
381.00
422.50
464.00
650.00
662.50
675.00
687.50
700.00
Qo =
Viscosidad
7,08/1000 * K * ANP * (Ps - Pwf) ( * Bo * (LN(Rad drenaje/Rad pozo) + S))

Skin Bo
.052 .026 .000 100.00 300.00 500.00 700.00 900.00
220.00
225.00
230.00
235.00
240.00 -3.00 1.06 1.06 1.07 1.07 1.07 - 1.50 0.00 1.50 3.00
Diapositiva: 129
NOTAS:
APLICACIONES Anlisis de Riesgo en la Estimacin de los Ingresos

Estimacin Probabilstica de la Tasa Inicial de Produccin de un Pozo Caso 2: Basado en el Error Histrico de Estimacin
PRODUCCION INICIAL Estimado Bls/dia Real Bls/dia % Error 600 550 -8.33 580 100 -82.76 430 425 -1.16 390 550 41.03 710 1000 40.85 220 100 -54.55 350 300 -14.29 380 100 -73.68 460 200 -56.52 550 700 27.27 550 120 -78.18
Mtodo de Estimacin Tradicionalmente Usado
.040
Qo
.030 .020 .010 .000 -100.00 -43.75 12.50 68.75 125.00
PRELIMINAR DE LA TASA INICIAL DE ) x(1+( =( ESTIMADOPRODUCCION Q (Bls/dia) ESTIMADO PRELIMINAR DE LA TASA INICIAL DE
0
ESTIMADO DEL % ERROR HISTORICO EN LA TASA INICIAL DE PRODUCCION Q0
/100))
.039 .030 .020 .010 .000 0.00 300.00 600.00 900.00 1,200.00
Diapositiva: 130
NOTAS:
Anlisis de Riesgo en la Estimacin de Estudio los Ingresos Caso de #1

Estimacin Probabilstica de la Tasa Inicial de Produccin de un Pozo
Ejercicio No 14
Utilizando el modelo de Darcy, estimar probabilsticamente la tasa inicial en fondo y superficie de un pozo nuevo considerando los datos tabulados. Analice si debe considerar correlaciln probabilstica entre algunas variables
Opcion 1: Estimacion Potencial Perforacion (Datos del Yacimiento) Datos Yacimiento Variable Arena Neta Petrolifera "ANP" (pies) Permeabilidad "K" (md) Presin Esttica "Pe" (lpc) Presin de Fondo Fuyente "Pwf" (lpc) Viscosidad "uo" (cp) Factor Volumetrico "Bo" (BY/BN) Radio Drenaje "Rd" (mts) Factor de Dano "S" Radio del pozo "Rw" (mts) Mnimo 20,00 40,00 4200,00 2940,00 0,30 1,60 100,00 0,00 Mas Probable 50,00 120,00 4450,00 3115,00 0,83 2,10 280,00 5,00 0,11 Mximo 60,00 180,00 4500,00 3150,00 0,90 3,12 300,00 10,10
% Perdidas Mecanicas
Diapositiva: 131
20,00
50,00
70,00
NOTAS:
Anlisis de Riesgo en la Estimacin de los Ingresos Solucin al Ejercicio No 14

Opcion 1: Estimacion Potencial Perforacion (Datos del Yacimiento) Datos Yacimiento Variable Arena Neta Petrolifera "ANP" (pies) Permeabilidad "K" (md) Presin Esttica "Pe" (lpc) Presin de Fondo Fuyente "Pwf" (lpc) Viscosidad "uo" (cp) Factor Volumetrico "Bo" (BY/BN) Radio Drenaje "Rd" (mts) Factor de Dano "S" Radio del pozo "Rw" (mts) Mnimo 20 40 4200 2940 0,30 1,60 100 0,00 Mas Probable 50 120 4450 3115 0,83 2,10 280 5,00 0,11 Mximo 60 180 4500 3150 0,90 3,12 300 10,10 Distribucion 50 120 4450 3115 0,83 2,10 280 5
% Perdidas Mecanicas Tasa Declinacion 1
20,00 25,00
50,00 30,00
70,00 35,00
50 30
Qo en fondo cor Qo en superficie cor
2791,225
Diapositiva: 132
1395,613
NOTAS:
Modelaje Probabilstico de la Declinacin de un Pozo
Caso 1: Modelo Emprico Exponencial Caso 2: Modelo Emprico Lineal Caso 3: Modelo Emprico Hiperblico
Diapositiva: 133
NOTAS:

Modelaje Probabilstico de la Declinacin de un Pozo
PRODUCCION POZOS VECINOS Pozo 1 Pozo 2 Pozo 3 Pozo 4 Pozo 5 Pozo 6 Pozo 7 Pozo 8 Pozo n-1 Pozo n Q(2000) Bls/dia 600 580 430 390 710 220 350 380 460 550 Q(2001) Bls/dia 550 560 425 385 650 210 322 370 430 525 Velocidad de Declinacin 0.087011377 0.03509132 0.01169604 0.012903405 0.088292607 0.046520016 0.083381609 0.026668247 0.067441281 0.046520016
Q(t)=Qoe-t Q(t)
Qo
Q1
Velocidad Declinacin ()
Q2 Q3 Q4
t=0
Diapositiva: 134
t=1
t=2
t=3
t=4 aos
NOTAS:

Modelaje Probabilstico de la Declinacin de un Pozo Tabla No 1: Propiedades
Ejercicio No 15
Los datos mostrados en la tabla No 1 corresponden a propiedades de un rea particular de un yacimiento estimadas en base a la opinin de expertos. En esta rea perforaremos un pozo vertical nuevo. Utilizando el software Crystal Ball, caracterizar en forma probabilstica las propiedades mostradas en la tabla y utilizando simulacin de montecarlo haga una estimacin de la tasa inicial de produccin Qo para el pozo en estudio. Adicionalmente, en base a la tabla no 2, correspondiente a datos de declinacin de pozos vecinos, estime el comportamiento de las tasas de produccin para los prximos 10 aos.
Diapositiva: 135
Variable ANP K Pe Pwf Viscosidad Bo (BY/BN) Radio del (mts) Radio Drenaje (mts) S
Propiedades Mnimo Mas Probable Mximo 160 230 295 298 400 464 1700 2100 2300 650 650 700 220 220 240 1.06 1.06 1.07 5 5906 -3 0 3
Tabla No 2: Declinaci Declinacin Vecinos

Vecinos Pozo 1 Pozo 2 Pozo 3 Pozo 4 Pozo 5 Pozo 6 Pozo 7 Pozo 8 Pozo 9 Pozo 10 % Declinacion 17.30% 15.80% 17.00% 14.20% 10.70% 20.70% 19.50% 25.20% 46.90% 27.70%
NOTAS:
Anlisis de Riesgo en la Estimacin de los Ingresos Solucin al Ejercicio No 15
Overlay Chart
TASA INICIAL DE PRODUCCION Qo (Bls/dia) Tasa Inicial (Qo)

.152
.114
Lognormal Distribution Mean = 517.97 Std Dev = 133.02
PRONOSTICO DE DECLINACION DEL POZO

1,250.00
Trend Chart
.076
.038 Qo
90%
.000 200.00 375.00 550.00 725.00 900.00
937.50 50% 625.00 25%
Sensitivity Chart Target Forecast: Qo

Skin ANP Pe K Viscosidad Pwf Bo Velocidad de Declinacion 50.5% 22.9% 13.2% 12.5% 0.6% 0.1% 0.1% 0.0%
312.50 10% 0.00 Qo Tasa Ano 1 Tasa Ano 2 Tasa Ano 3 Tasa Ano 4 Tasa Ano 5 Tasa Ano 6 Tasa Ano 7 Tasa Ano 8 Tasa Ano 9 Tasa Ano 10
Certainties Centered on Means
0%
25%
50%
75%
100%
Measured by Contribution to Variance
Diapositiva: 136
NOTAS:
APLICACIONES Estimacin del Riesgo Total

Prediccin de la Rentabilidad de un Pozo
ENTRADAS (INFORMACION)
HORIZONTE DEL PROYECTO (AOS) INVERSION INICIAL INGRESOS EGRESOS TASA DE DESCUENTO n
MODELO
SALIDA
K
CAPEX INGJ. EGRJ. i
n ING j EGR j VPNn = CAPEX (1 + i) j j=1
VPN PROB.(VPN>K) PROB.(VPN < K)
K = VPN OBJETIVO (CRITERIO DE APROBACION)

Diapositiva: 137
NOTAS:
GERENCIA DE LA INCERTIDUMBRE

Diapositiva: 138
NOTAS:
Estimacin del Riesgo Total

Ingresos
1. Estimacin probabilstica Tasa Inicial de Produccin (Qo) 2. Estimacin Probabilstica Tasa de Declinacin y Perfil Produccin (Q1,, Q2,, Q3,, ... Q20)
Inversi Inversin Inicial Egresos
3. Estimacin probabilstica del Costo de Perforacin 4. Considerar Costos de Operacin y Mantenimiento 5. Estimacin probabilstica del Riesgo (Egresos Potenciales por Fallas)
VPN VPN E E VPN E de Rentabilidad Factor Factor Rentabilidad Qi x Precio de Venta

.094
Ingresos
VPN
.071
.047
.024
.000 -3,000.00 -500.00 2,000.00 4,500.00 7,000.00
Egresos
Costos de Operacin
Pr (VPN<0)
t=20 t=20aos aos
NOTAS:

Prediccin de la Rentabilidad de un Pozo INICIO
BASADO EN OPINION DE EXPERTOS
BASADO EN DATOS (REGISTROS) DE POZOS VECINOS
ESTIMACION PRELIMINAR DE LA TASA INICIAL DE PRODUCCION DEL POZO (Q0)
INGRESOS
ESTIMACION FINAL DE LA TASA INICIAL DE PRODUCCION DEL POZO (Q0) ESTIMACION PROBABILISTICA DE LA VELOCIDAD O TASA DE DECLINACION DEL POZO () Y LA PRODUCCION DESDE EL AO 1 HASTA EL AO n (Q1 , Q2 ,
ESTIMACION PROBABILISTICA DEL INGRESO BRUTO DESDE EL AO 1 HASTA EL AO n
Q3 , .... Qn)
BASADO EN DATOS HISTORICOS DE POZOS VECINOS O SIMILARES
(ING1 , ING2... INGn)
CAPEX
ESTIMACION PROBABILISTICA DEL CAPEX O INVERSION INICIAL ESTIMACION PROBABILISTICA DE LOS EGRESOS DESDE EL AO 1 HASTA EL AO n (EGR1 , EGR2... EGRn) ESTIMACION PROBABILISTICA DEL VPNn DEL PROYECTO Y CALCULO DEL INDICE DE
BASADO EN ANALISIS PROBABILISTICO DEL PLAN DE PERFORACION
EGRESOS
VPN
JERARQUIZACION
NOTAS:

Ejercicio No 16 Ver archivo excel Ejercicio No 16
Diapositiva: 141
NOTAS:

.094
VPN
Modelo Pasa / no pasa

Exito
.071
Beneficio
.047
.024
.000 -3,000.00 -500.00 2,000.00 4,500.00 7,000.00
Perforar o no perforar???
1- p = p=
Probabilidad de alcanzar el objetivo
N pozos secos Probabilidad de no alcanzar = Total pozos perforados el objetivo (pozo seco)
Costo Perforacin (MMBs)
.156 .117
Fracaso
Consecuencia
.078 .039 .000 400.00 450.00 500.00 550.00 600.00
Valor monetario esperado = (1- p) x VPN - (p) x (Costo pozo seco)

VME
.082 .061 .041 .020 .000
Min: 400 MMBs
Mas Prob.: 400 MMBs
Max: 400 MMBs
Modelo de Decisi Decisin: SI Pr.(VME>0) > Pr.(VME < 0) se aprueba; De cualquier otra forma se objeta
-329,823.41 -45,746.82 238,329.76 522,406.34 806,482.92
Diapositiva: 142
Pr(VME<0) = 13.7%
NOTAS:
Contenido

Diapositiva: 143
NOTAS:
Modelos de Jerarquizacin de Portafolio de Inversiones

VPN Proyecto D
.099 .074 .049
Frontera optima sin restricciones

-15,625.00 -8,750.00 -1,875.00 5,000.00
.025
.000 -22,500.00
Riesgo creciendo
.085
Factor Rentabilidad VPNE
VPN Proyecto C
.064
.042
Frontera optima con restricciones VPN decreciendo
.021
.000 -10000.00 3750.00 17500.00 31250.00 45000.00
.094
VPN Proyecto B
.094
B A
.071
.071
.047
.047
.024
.024
-3,000.00 -500.00 2,000.00 4,500.00 7,000.00
.000
.000
.095
VPN Proyecto A
-3,000.00
-500.00
2,000.00
4,500.00
7,000.00
.071
A
Pr(VPN<0 Factor de Riesgo
-2500.00 15000.00 32500.00 50000.00
.048
VPNE Factor Rentabilidad
Factor de Riesgo =Prob(VPN 0)
.024
.000 -20000.00
Diapositiva: 144
NOTAS:

Ejercicio No 17 Un anlisis de rentabilidad de diversas propuestas de Inversin, tomando en cuenta riesgo e incertidumbre de las variables que intervienen en el anlisis, genera los VPN que se resumen en la tabla anexa. Jerarquice los proyectos. Justifique su respuesta.
Proyectos Media (MMBs) A B C D 1800 700 1500 2600
VPN Desviacin 1000.00 600.00 1000.00 1500.00 Distribucin Normal Normal Normal Normal
Diapositiva: 145
NOTAS:

Ejercicio 1717- Soluci Solucin
Proyectos A B C D Factor Rentabilidad 1800.00 700.00 1500.00 2600.00 Factor de Riesgo 3.92 11.97 6.65 4.03
Proyecto D
.131 .098 .065
Matriz de Jerarquizacion
Factor de Rentabilidad VPNE 3000.00 2500.00 2000.00 1500.00 1000.00 500.00 0.00 0.00 2.00 4.00 6.00 8.00 10.00 Factor de Riesgo:( Prob VPN<0)
Proyecto A Proyecto B Proyecto C Proyecto D
Proyecto B
.143 .107 .072 .036 .000 251.64 1,526.60 2,801.55 4,076.50 -860.12 -77.53 Mean = 702.95 705.06 1,487.65 2,270.24
.033 .000 -1,231.31 674.75 2,580.80 4,486.86 6,392.92
Proyecto A
.138 .103 .069 .034 .000 -869.69 443.21 1,756.10 3,068.99 4,381.89
12.00
14.00
Proyecto C
.145 .109 .072 .036 .000 -1,023.31
Diapositiva: 146
NOTAS:

Ejemplo Cartera de Pozos Jerarquizada - Soluci Solucin
Proyecto CAE-3 BCF-3 VLA-1410 APK-4 APK-5 AOL-2 VPN Esp (MMBs) 2800 2200 965 965 765 765
3000 2500 2000 VPN 1500 1000 500 0 0,0% CAE-3 BCF-3 VLA-1410 APK-4 APK-5 AOL-2
Pr(VPN<0) 10.0% 19.0% 36.0% 36.0% 41.0% 41.0%
Pr(TIR<15) 13.7% 28.6% 50.0% 50.0% 60.0% 60.0%
TIR ESP 41.0% 40.0% 14.0% 14.0% 13.0% 13.0%
Tipo Actividad Perforacion Perforacion Perforacion Perforacion Perforacion Perforacion
Ranking 1 2 3 4 5 6
10,0%
20,0%
30,0%
40,0%
50,0%
FACTOR DE RIESGO
Diapositiva: 147
NOTAS:
Anlisis Probabilstico de Riesgo de la Actividad de Perforacin y Reparacin de Pozos
Karina Semeco Manuel Freitas Medardo Yaez Angela Luzardo Jos Romero Erika Cuauro Mariagracia Sampieri
Junio 2006
Reliability and Risk Management S.A 2006
Pgina 1 de 40
Resumen Ejecutivo
El Anlisis Probabilstico de Riesgo aplicado a un proyecto de perforacin y reparacin de pozos tiene como objetivo fundamental identificar y reconocer las fuentes principales de riesgo e incertidumbre en todas las variables que intervienen en el proyecto, tanto de carcter operacional como econmicas, de yacimiento, produccin, etc. Este anlisis se sustenta en un avanzado modelo de simulacin que vincula y dimensiona la influencia de la incertidumbre de cada una de estas variables sobre el indicador econmico Valor Presente Neto (VPN), y en consecuencia permite identificar riesgos potenciales, establecer un plan de captacin selectiva de certidumbre y determinar las acciones necesarias para mitigar el riesgo del proyecto de perforacin o reparacin del pozo. La rentabilidad y el riesgo global del proyecto quedan finalmente expresados en dos factores: un factor de rentabilidad (Valor esperado o Media del VPN) y un factor de riesgo (Probabilidad de que el VPN<0). Ambos indicadores soportan de manera adecuada procesos de toma de decisin en los que deben jerarquizarse opciones de inversin. El modelo general de anlisis de riesgo esta conformado por los siguientes sub-modelos: 1. Modelo probabilstico de estimacin de la tasa inicial de produccin de aceite. 2. Modelo estocstico del pronstico del perfil de produccin de aceite y gas. 3. Modelo probabilstico de estimacin del tiempo y costo de la actividad de perforacin o reparacin. 4. Modelo de probabilidad de xito y fracaso en la actividad de perforacin. 5. Modelo de disponibilidad del pozo. 6. Modelo probabilstico de evaluacin econmica. De igual manera; el anlisis se sustenta en una rigurosa metodologa estadstica que exige la correcta seleccin de muestras estadsticas para cada variable; por ejemplo; para la estimacin de la cuota inicial de produccin, la muestra debe conformase con pozos correlacin al pozo a perforar o reparar en base a una distancia mxima entre pozos y tolerancia vertical del nivel medio del intervalo disparado del pozo en estudio. De igual forma; para la estimacin de costos y tiempos de perforacin se hace nfasis en la utilizacin de una muestra homognea de datos; basada en los conceptos de localizacin geolgicamente equivalente, programa equivalente, tecnologa equivalente y completacin equivalente. Los resultados o productos entregables del anlisis se resumen en la siguiente lista: a. Distribucin de probabilidades de la cuota inicial de produccin por pozo (Qo). b. Pronstico estocstico de la produccin por pozo en el horizonte de vida estimado. c. Anlisis de riesgo del programa de perforacin o reparacin; del cual se generan los siguientes sub-productos: - Estimacin probabilstica del tiempo y costo de la actividad de reparacin o perforacin por
Pgina 2 de 40
pozo. - Probabilidad de que la actividad se ejecute en un tiempo menor del planificado. - Probabilidad de xito o fracaso operacional de la actividad de perforacin o reparacin - Anlisis de sensibilidad de la variable costo y tiempo de la perforacin o reparacin; a travs del cual se identifican las actividades del programa que generan mayor riesgo e incertidumbre. d. Evaluacin financiera probabilstica por pozo; del cual se obtienen los siguientes sub productos: - Distribucin de probabilidades del indicador econmico Valor Presente Neto (VPN). - Factor de rentabilidad (Valor medio o esperado de la distribucin del VPN). - Factor de riesgo (Probabilidad de obtener VPN menor que cero). - Anlisis de sensibilidad de la distribucin del VPN a travs del cual se identifican las variables tcnicas, financieras y operacionales que generan mayor riesgo e incertidumbre. e. Jerarquizacin del Portafolio de Proyectos de Reparacin y Perforacin de pozos, que garantice un ptimo nivel de riesgo y rentabilidad de la cartera de proyectos de inversin.
Anlisis Probabilstico de Riesgo de la Actividad de Perforacin y Reparacin de Pozos 1.- Introduccin:

La Gerencia de Activos se define como un conjunto de disciplinas, metodologas y herramientas para optimizar el impacto sobre el ciclo de vida del negocio, de los costos, el desempeo y la exposicin al riesgo, asociados con confiabilidad, disponibilidad, eficiencia, longevidad y cumplimiento de las regulaciones de seguridad y ambiente, de los activos fsicos, en armona con el activo humano. En la bsqueda permanente de opciones para mejorar el desempeo operacional y financiero, las empresas han identificado, dentro del contexto de la Gerencia de Activos, la herramienta Anlisis Cuantitativo de Riesgo, como una plataforma para optimizar la seleccin de opciones de inversin y gasto, minimizando el riesgo y mejorando la rentabilidad del negocio. El anlisis cuantitativo de riesgo, aplicado a proyectos de perforacin y reparacin de pozos, se ha convertido en una herramienta fundamental para la optimizacin de recursos y aumento de la rentabilidad de los negocios petroleros.
2.- Objetivo del Anlisis de Riesgo

El modelo de anlisis de riesgo aplicado al portafolio de proyectos de perforacin o reparacin de pozos permite: Identificar y reconocer las fuentes primordiales de riesgo e incertidumbre en un proyecto de perforacin o reparacin de un pozo. Modelar, vincular y ponderar la influencia de la incertidumbre asociada a las variables tcnicas del yacimiento y complejidades operacionales de la perforacin reparacin, en los
Pgina 3 de 40
parmetros econmicos VPN (Valor Presente Neto) y TIR (Tasa Interna de Retorno). Explorar las implicaciones econmicas de cada escenario de produccin probable, establecer un plan de compra selectiva de certidumbre y determinar las acciones necesarias para mitigar el riesgo del proyecto de perforacin o reparacin de un pozo. Identificar la combinacin adecuada de proyectos de perforacin o reparacin para garantizar un ptimo nivel de riesgo y rentabilidad de la cartera de proyectos de inversin.
3.- Etapas del Anlisis Probabilstico de Riesgo

El modelo de Anlisis Probabilstico de Riesgo aplicado a la actividad de reparacin o perforacin de pozos se compone de las diferentes etapas que se describen de manera general a continuacin:
3.1.- Anlisis de Riesgo en la Estimacin de la Inversin Inicial Levantamiento de informacin (Bases de datos, opinin de expertos, carpetas de pozos, etc.). Definicin por actividad de los tiempos y los costos limpios (sin riesgo). Esta es la estimacin de los tiempos y costos cuando la actividad se ejecuta sin contratiempos o desviaciones y con el recurso ptimo. Identificacin y definicin de los riesgos potenciales de las actividades que conforman un plan de perforacin en trminos de probabilidad, tiempo y costo. Caracterizacin Probabilstica de los tiempos por actividad. Elaboracin del modelo de Simulacin para determinar el Tiempo y Costo Total. La figura No. 1 representa el modelo general del anlisis.
Opinin de Expertos
Conocimiento Genrico (Bases de Datos de Experiencias Internacionales +
Bases de Datos de Perforacin de PEMEX
Arquitectura Pozos , Estudio Yacimiento, Tecnologa
Tiempos o Costos
A1
0,15 0,15 0,15 0,15 0,15
ACTIVIDADES DURACION Dias 1 3 3 3 4 6 7 4 6 4 7 2 4 2 COSTO MM$ 2500 928 387 117 962 233 773 386 97 661 644 908 251 843 ,000 ENERO FEBRERO
PLAN DE ACTIVIDADES PERFORACION - / REPARACIN DE POZOS
,083 ,062
A2
0,76 0,78 0,80 0,82 0,85
A9
18,50 19,25 20,00 20,75 21,50
1 2 3 4 5 6 7 8 9 10 11 12 13 14
,041 ,021
Mudanza Perforar Hoyo Conductor Acondicionar Hoyo Bajar Revestidor Conductor Cementacin Revestidor Conductor Armar BOP Perforar Hoyo Sup. Acond . Hoyo Bajar Revestidor Sup Cementacin Revestidor Sup. Perforar Hoyo de produccin Acondicionar Hoyo Bajar Revestidor - Cementar Bajar Empacadura Bajar Tubera de Produccin Instalar rbol de Navidad
71% 78% 85% 92% 99% Tiempo Objetivo Pr (treal< t objetivo
An
0,92 0,93 0,95 0,96 0,98
t REP =
n t i =1 A( ruta _ critica )i n cREP . = c i =1 A i
78% 85% 92% 99%
Teorema de Bayes
A1 A2 A9 An
Downside Upside
Figura No. 1.- Modelo General de Anlisis de Costos y Tiempos de Perforacin
Pgina 4 de 40
3.2.- Anlisis de Riesgo en la Estimacin de los Ingresos Estimacin Probabilstica de la tasa inicial de produccin por pozo (Qoi), mediante la caracterizacin probabilstica de las variables tcnicas que intervienen en los modelos de afluencia. Deben utilizarse modelos de afluencia adecuados a cada tipo de yacimiento. Pronstico de produccin en la vida til del pozo; mediante la estimacin probabilstica de la velocidad o tasa de declinacin y la construccin de los perfiles probables de produccin (percentiles P10,P50 y P90) 3.3.- Estimacin Probabilstica de los Egresos durante la vida til del pozo. Esta actividad consiste en definir probabilsticamente el costo de operacin y mantenimiento y los egresos probables producto de fallas o eventos no deseados. Para ello se utilizan modelos avanzados de pronsticos de fallas basados en datos histricos y la opinin de los expertos. Esta etapa se resume en el llamado anlisis RAM (Reliability, Availability and Maintainability); que permite simular la disponibilidad general del sistema pozo.
3.4.- Estimacin probabilstica del Indicador Econmico Valor Presente Neto La figura No. 2 muestra de manera general el modelo para el clculo probabilstico del Indicador Econmico Valor Presente Neto (VPN), el cual nos permite determinar el factor de riesgo y de rentabilidad del proyecto y permite adicionalmente cuantificar el impacto de la incertidumbre asociada a cada una de las variables de entradas (Ingresos, Egresos, Inversin Inicial). El factor de Rentabilidad se define como el valor medio o esperado de la distribucin de probabilidad del VPN. El factor de Riesgo se define como el rea de la curva por debajo de la cual se obtiene VPN<0 (si es igual a cero indica que slo se ha recuperado la inversin inicial).
VPNE VPN E VPN E de Rentabilidad Factor Factor Rentabilidad Factor de Rentabilidad Qi x Precio de Venta
.094
Ingresos
VPN
.071
.047
.024
.000 -3,000.00 -500.00 2,000.00 4,500.00 7,000.00
Egresos
Costos de Operacin
Pr (VPN<0) Pr (VPN<0) Pr(VPN<0) Factor de Riesgo Factor de de Riesgo Factor Riesgo
t=20 t=20aos aos
Figura No. 2.- Modelo Econmico Probabilstico del Ciclo de Vida de un Activo
Pgina 5 de 40
3.5.- Anlisis de Sensibilidades y Diseo del Plan de Accin En esta actividad se generan anlisis de sensibilidades de las diferentes variables que forman parte del modelo, con la finalidad de identificar aquellas que generan mayor incertidumbre; y en consecuencia representan mayores riesgos. Esta etapa busca finalmente establecer acciones de mitigacin de los riesgos con mayor impacto.
VPN VPN E E VPN E de Rentabilidad Factor Factor Rentabilidad

.094
VPN
80000000.00 90000000.00
0.75 2.345 4.93 1031389.83 -100% 85 92 87% 5.49 22.70 98 7.46 923335.28 +85% 92 2.100
100000000.00
110000000.00
120000000.00
0.9
130000000.00
VPN
Probabilidad de alcanzar el objetivo Costo Variable (Dls/barril de petroleo) Precio de Venta del Gas (Dls/mpcd) Costo Perforacin % Error Gasto. Tiempo de Aparicin Frente de Agua Disponibilidad del Pozo
.071
.047
.024
.000 -3,000.00 -500.00 2,000.00 4,500.00 7,000.00
MOV (horas) MOV-01 (horas) MOV-06 (horas)
Pr (VPN<0)
T ie m p o P r o d u c t iv o ( D a s )
5 0 .0 M989
55.0 112.60
60.0
6 5 .0
70.0 475.70
75.0
M291
56.78
261.60
M389
46.52
208.03
M670
2 7 .0 1
1 6 9 .0 4
M348
2 4 .7 4
144.14
M380
29.25
143.85
71%
78%
85%
92%
99%
M340
65.11
1 5 0 .7 8
M249
35.67
110.07
M537
1 9 .0 1
9 0 .5 7
M787
1 7 .7 6
7 9 .4 3
M622
32.70
8 5 .5 4
M239
16.03
67.46
Portafolio de Acciones de Mitigacin del Riesgo
TR Vlvula BN Lnea de Flujo Empaque Libranza

Downside Upside
M945
17.51
68.23
M696
1 7 .1 3
6 6 .8 1
C O P (h o ra s )
1 7 .3 8
6 4 .7 4
M816
1 6 .8 9
5 6 .2 5
M190
26.09
6 2 .4 5
M154
2 0 .6 4
54.22
M748
6 .4 8
38.77
T O I (h o ra s )
5 .5 5
35.92
Figura No. 3.- Anlisis de Sensibilidad y Mitigacin de Riesgo
3.6.- Jerarquizacin del Portafolio de Proyectos de Reparacin o Perforacin de pozos
VPN Proyecto D
.099 .074 .049
Frontera optima sin restricciones

-15,625.00 -8,750.00 -1,875.00 5,000.00
.025
.000 -22,500.00
Riesgo creciendo
.085
Factor Rentabilidad VPNE
VPN Proyecto C
.064
.042
Frontera optima con restricciones VPN decreciendo
.021
.000 -10000.00 3750.00 17500.00 31250.00 45000.00
.094
VPN Proyecto B
.094
.071
.071
.047
.047
.024
.024
-3,000.00 -500.00 2,000.00 4,500.00 7,000.00
.000
.000
.095
VPN Proyecto A
-3,000.00
-500.00
2,000.00
4,500.00
7,000.00
.071
A
Pr(VPN<0 Factor de Riesgo
-2500.00 15000.00 32500.00 50000.00
.048
VPNE Factor Rentabilidad
Factor de Riesgo =Prob(VPN 0)
.024
.000 -20000.00
Figura No. 4.- Jerarquizacin de Portafolios de Proyectos
Pgina 6 de 40
En esta actividad se establece la mejor combinacin de proyectos de reparacin y perforacin que garantice un nivel ptimo de riesgo y rentabilidad de la cartera de proyectos de inversin; tal y como se muestra en la figura No 4. (Ver figura superior)
4.- Modelo de Anlisis de Riesgo

Con la finalidad de explicar detalladamente el modelo de anlisis probabilstico de riesgo para la perforacin o reparacin de un pozo; se divide el modelo general en sub-modelos, a saber: 4.1.- Modelo de Estimacin de la tasa inicial de produccin de aceite. 4.2.- Modelo de Pronstico de Produccin. 4.3.- Modelo de Tiempos de Perforacin Reparacin. 4.4.- Modelo de Costos de Perforacin Reparacin. 4.5.- Modelo de Confiabilidad, Disponibilidad y Mantenibilidad del Pozo. 4.6.- Modelo de Evaluacin Econmica.
4.1.- Modelo de Estimacin de la tasa inicial de produccin de aceite (Qo) Para cubrir la mayor cantidad de posibles escenarios, considerando aspectos como: disponibilidad y calidad de la informacin, nivel de estudio y modelacin del yacimiento y caractersticas operacionales y fsicas del tipo de yacimiento; se han conceptualizado tres modelos no dependientes ni excluyentes para la estimacin probabilstica de la cuota inicial de produccin: 4.1.1.- Modelo 1: Basado en la desviacin histrica de los estimados de Qo. 4.1.2.- Modelo 2: Basado en la caracterizacin probabilstica de las variables de la Ecuacin de Vogel para el clculo de la tasa inicial a partir de datos de presin. 4.1.3.- Modelo 3: Basado en la caracterizacin probabilstica de variables petrofsicas y de propiedades de los fluidos que determinan el rgimen de afluencia yacimiento-pozo. A continuacin se describen de manera general los tres modelos mencionados.
4.1.1.- Modelo Basado en desviacin histrica de los estimados de Qo. El modelo de desviacin de la tasa inicial de produccin de aceite se basa en la determinacin del error histrico partiendo de la premisa de que la forma de estimacin empleada en el pasado se continuar utilizando en el futuro. La desviacin de la cuota se determina como se indica en la figura No 5.
Pgina 7 de 40
Pozo Pozo 1 Pozo 2 Pozo 3 Pozo 4 Pozo 5 Pozo 6 Pozo 7 Pozo 8 Pozo 9 Pozo 10 Pozo 11 Pozo 12 Pozo 13 Pozo 14
Qplan 9000 7000 3400 7592 4630 8750 5400 7100 9000 6300 10500 9350 9000 4500
Qreal 0 3671 2040 4804 2930 6137 4098 5399 8468 6455 11089 10207 10245 6151
%Desv.
-100.00 -47.56 -40.00 -36.72 -36.72 -29.86 -24.11 -23.96 -5.91 2.46 5.61 9.17 13.83 36.69
.000 .080
% Error Histrico =
Qreal Qplan Qplan
Distribucin Probabilstica del % Error Histrico o Desviacin

Probabilidad
.060
.040
.020
-113.79
-75.19
-36.59
2.01
40.61
Figura No. 5.- Estimacin Probabilstica de la desviacin histrica
La tasa inicial de produccin de aceite probabilstica se calcula a partir de la siguiente ecuacin:
% Error Historico Qoi probablistico ( BPD ) = Qo determinstico * 1 + 100

4.1.2.- Modelo Basado en la Caracterizacin Probabilstica de las Variables Utilizadas en la Ecuacin de Vogel. Este modelo de estimacin de la cuota inicial considera la caracterizacin probabilstica de las variables de entrada al modelo de productividad propuesto por Vogel haciendo uso de la metodologa de IPR futura (Indice de Productividad Futura). El modelo de Vogel se muestra en la siguiente expresin:
Qovogel
Y sus variables de entrada son:
Pwff = Qomax 1 0.2 P wsf
Pwff P 0.8 wsf
El caudal mximo ( Qomax ) La presin de fondo fluyente ( Pwf ) La presin de yacimiento ( Pws )
Para su estimacin se hace uso de la metodologa de la IPR futura. La IPR futura es una metodologa que permite migrar en el tiempo informacin de pruebas de presin-produccin (PLT), utilizando el mejor estimado que se disponga para la presin de yacimiento en el futuro (Pwsf) haciendo uso del
Pgina 8 de 40
modelo de Eickmer, la cual permite obtener la estimacin del caudal mximo futuro (Qomaxf) en el tiempo de inters a partir de la Pwsf.
3
Qo max f = Qo max
Pwsf P ws
La metodologa del IPR futura tambin utiliza como premisa de que la variacin de presin (DP) entre las Pws y Pwf conocidas a partir del PLT se mantiene constante en el tiempo, por tanto al conocer la Pwsf, tambin es posible conocer la Pwf en el tiempo de inters. Con esta informacin se realiza un cculo preliminar de gasto inicial (Qo) que sirve de referencia para realizar, con los valores de Qomaxf, Pwff y Pwsf, un anlisis nodal en el cual se incorporan las condiciones de diseo y operacin esperadas en el pozo en estudio, obtenindose de esta manera la Qo a comprometer y la Pwff esperada de operacin, entre otros parmetros de inters. La figura 6; resume el modelo de simulacin utilizado para el clculo de la cuota inicial, basado en la ecuacin de Vogel y en el mtodo de la IPR Futura.
IP
Distribuci n de Probabilidad delndice de Productividad
20
75
POZO 1 POZO 2
POZO 3
POZO NUEVO
POZO n
Pwf
Distribuci n de Probabilidad de la Presi n de Fondo Fluyente
DATOS DE POZOS VECINOS (IP,Pwf , Pws, Q)
Pws
Distribucin de Probabilidad de la Presi n Esttica
Grfico IPR - Simulacin

Menu
140
Modelo de Voguel
120
Pws (Kg/cm2)
Pwf Pwf IP Pws 1 0 . 2 0 .8 Q = Pws 1 .8 Pws
100
80
60
40
20
50,000 100,000 150,000 200,000 250,000 300,000 350,000
Qmax (BD)
Min Alto Sim. 4 Alto Sim. 1 Bajo Sim. 8 Bajo Max Alto Sim. 5 Alto Sim. 2 Bajo Sim. 9 Bajo Min Bajo Sim. 6 Alto Sim. 3 Bajo Sim. 10 Bajo Max Bajo Sim. 7 Alto Sim. 4 Bajo Limites Qmax Sim. 1 Alto Sim. 8 Alto Sim. 5 Bajo Limites PWS Sim. 2 Alto Sim. 9 Alto Sim. 6 Bajo Sim. 3 Alto Sim. 10 Alto Sim. 7 Bajo
GASTO INICIAL DE PRODUCCION Q0 (BPD)

.086 .065 .043 .022 .000 50.00 162.50 275.00 387.50 500.00
Figura No. 6.- Modelo de Simulacin de Qo basado en Ecuacin de Vogel y Mtodo de IPR Futura
Pgina 9 de 40
4.1.3.- Modelo Basado en la caracterizacin probabilstica de variables petrofsicas y de propiedades de los fluidos que determinan el rgimen de afluencia yacimiento-pozo. Este modelo de estimacin de la cuota inicial considera la caracterizacin probabilstica de las variables de entrada al modelo de afluencia yacimiento pozo; y se resume en la figura No 7: Como puede verse en la figura; las variables de entrada a este modelo son las siguientes: h: Arena neta : Porosidad K: Permeabilidad P: Diferencial de Presin Bo: Factor volumtrico : Viscosidad re: Radio del pozo rw Radio de drenaje del pozo S: Dao
POZOS Pozo 1 Pozo 2 Pozo 3 Pozo 4 Pozo 5 Pozo 6 Pozo 7 Pozo 8 Pozo n-1 Pozo n
H 25 30 43 18 16 22 35 38 46 16
PROPIEDADES MEDIDAS (REGISTROS) Pwf Pe Permeabilidad Viscosidad 600 1200 300 220 650 1111 310 220 700 1110 400 220 640 1125 298 240 620 1350 350 220 610 1400 345 220 600 1345 356 240 650 1234 367 230 220 310 650 1110 400 220 700 1400 416 230
Dao -2 -1 0,5 -3 3 2 1 1 2 2 -1
POZO 1
POZO 2
POZO NUEVO
DATOS DE POZOS VECINOS H Pwf Pe Porosidad Viscosidad

.000
Modelo de Afluencia

.086 .065
F ( Q0 ) = f ( h, , k , P , Bo , , re, rw ,S )
.043 .022
Dao
50.00
162.50
275.00
387.50
500.00
Figura No. 7.- Modelo de Simulacin de Qo basado en la ecuacin de afluencia yacimiento-pozo (Darcy)
Todas estas variables son caracterizadas probabilsticamente; y con esta informacin se realiza un calculo de la tasa inicial (Qo) en fondo; que sirve de referencia para realizar un anlisis nodal en el cual se incorporan las condiciones de diseo y operacin esperadas en el pozo en estudio, obtenindose de esta manera la Qo a comprometer, entre otros parmetros de inters.
Pgina 10 de 40
En cualquiera de los dos mtodos mencionados; la seleccin de los pozos a utilizar como pozos correlacin o referencia utiliza varios criterios o premisas: El pozo seleccionado debe pertenecer al mismo estrato o unidad de flujo de inters del pozo en evaluacin. En trminos areales, la distancia no debe superar los 2000 metros. Con el propsito de capturar la prospectividad de la zona de inters, desde el punto de vista de calidad de roca que contribuye a la productividad del pozo, la diferencia vertical entre el nivel medio del intervalo disparado (NMID) del pozo candidato y el NMID de los pozos correlacin no debe exceder los 50 metros. Es deseable que tanto los pozos correlacin como el pozo en estudio pertenezcan al mismo bloque estructural de manera de asegurar la misma condicin hidrulica y en la medida de lo posible la consistencia en trminos de propiedades, aunque esta ultima condicin no es atrapada de manera directa por las variables que intervienen en el estudio. Los pozos correlacin deben disponer de al menos un registro completo con informacin de presin-produccin, dando prioridad en trminos de uso preferencial a los ms recientes. Algunas de las ventajas de este modelo probabilstico de estimacin de la cuota son las siguientes: Permite explorar la gama de valores probables para la tasa inicial de produccin de aceite de un pozo haciendo uso de la combinacin probabilstica de las curvas IPR posibles considerando las condiciones de operacin de los pozos correlacin. Adicionalmente, un anlisis de sensibilidad permite identificar las variables que generan mas incertidumbre sobre el valor de la cuota inicial y en consecuencia permite la generacin oportuna de planes de mitigacin de riesgo y compra selectiva de informacin.
4.2.- Modelo de Pronstico de Produccin En el marco de la evaluacin econmica de un proyecto de perforacin o reparacin, el pronstico de produccin y la vida til del pozo, determinan el tiempo y las condiciones bajo las cuales se obtendrn los ingresos. Para un pozo, el pronstico de produccin se estima de la siguiente manera: Se toma como punto de partida la cuota inicial calculada en el modelo anterior El factor de declinacin con un factor de produccin (Fd) se tipifica por campo en funcin del comportamiento histrico. Este factor representa los efectos en produccin de la declinacin energtica del yacimiento ms la declinacin mecnica generada por problemas locales a nivel de pozo, tales como: avance de contactos, efectos de conificacin, problemas mecnicos y eficiencia de los mtodos de produccin. Es importante mencionar que este patrn de declinacin solo es vlido a nivel de pozo y no
Pgina 11 de 40
en trminos globales para todo el campo. El perfil de produccin probabilstico en el ciclo de vida til del pozo se obtiene a partir de una cuota inicial de tipo probabilstica, que declinada a una velocidad equivalente al factor (Fd), se convierte en una banda de valores probables de produccin como la que se muestra en la figura No 8
Pronstico de Produccin
2500.0000 2000.0000
BPD
1500.0000 1000.0000 500.0000 0.0000 1.00
3.00
5.00
7.00
9.00
11.00 Aos
13.00
15.00
17.00
19.00
Q10
Q50
Q90
Qmedia
Figura No. 8.- Pronstico de Produccin de un Pozo
4.3.- Modelo de Tiempos de Perforacin y Terminacin Este modelo se sustenta en un anlisis estadstico del comportamiento histrico de los tiempos y las desviaciones por actividad, del plan de perforacin y terminacin. La salida del modelo es una distribucin probabilstica de todos los posibles valores del tiempo que podra tener el trabajo planificado. Este resultado probabilstico es la base fundamental del modelo de estimacin de costos. El procedimiento considera las siguientes actividades: Anlisis estadstico de los tiempos de pozos perforados o reparados. Codificacin y delimitacin por fases de las actividades asociadas a la perforacin o reparacin del pozo para efectos de automatizacin de la base de datos. Caracterizacin probabilstica de la variable tiempo para cada una de las actividades basada en datos histricos de pozos homlogos. Normalizacin del ritmo de perforacin (ROP) con el propsito de obtener un patrn de comportamiento consistente para predecir el tiempo de perforacin partiendo de los metros a perforar en el pozo en estudio. El modelo de estimacin de tiempos utiliza las siguientes ecuaciones:
Pgina 12 de 40
TACTi = t Li + p j t Rj
j =1
TT = TACTi
i =1
TACTi : Tiempo de la actividad i. m : nmero de riesgos asociados a la actividad i. tLi : Tiempo limpio (sin riesgo) de la actividad i. pj: Probabilidad de ocurrencia del riesgo Rj. tRj: Tiempo asociado al riesgo j. n: nmero de actividades de un plan de perforacin/reparacin. TT: Tiempo Total de Perforacin/Reparacin. En la figura No 9; pueden verse los resultados fundamentales de este modelo; cuyo principal beneficio es la identificacin de las desviaciones que tienen mayor incidencia en el tiempo total; y permite la identificacin de acciones de mitigacin
tReparacin
ILP-04 - Condiciones Climticas DEB-02 - Espera por Produccin EST-02 - Condiciones Climticas TIN-01 - Redispar / inducir pozo RAP-12 - Tubera Atascada MAP-12 - Cambio de programa ACP-02 - Falla de equipo MAP-04 - Espera por compaa de servicio 0.41 0.39 0.38 0.37 0.34 0.33 0.33 0.32 0.29 0.29 0.27 0.26 0.0 0.1 0.2 0.3 Tiempo (Dias) 0.4 0.5 0.48 0.53
0.57
63.52
tmedia = 140.31 tobjetivo = 150 Pr (trep > tobjetivo)= 44 %
102.21
140.89
179.57
218.25
ILP-07 - Espera por Produccin MAP-10 - Falla del empacador EST-01 - Espera por transporte RBA-07 - Falla de arbol de produccin COP-02 - Condiciones Climticas TIN-03 - Cambio de Programa (activo) / requerimientos adic. ILP-08 - Espera por transporte
0.6
Figura No. 9.- Salidas del Modelo de Tiempos de Perforacin Diagrama de Sensibilidad
4.4.- Modelo de Costos de Perforacin y Terminacin Este modelo parte del anlisis estadstico del comportamiento histrico del costo; y genera una distribucin probabilstica de todos los posibles valores de costo que podra tener el trabajo de perforacin y terminacin. La salida de este modelo se incorpora al modelo econmico del ciclo de vida del activo en forma de inversin inicial y perfil de egresos. El procedimiento parte de las siguientes premisas: La informacin requerida se obtiene de la base de datos Control Financiero de Costos, la cual presenta una estructura de costos directos, indirectos y otros gastos indirectos.
Pgina 13 de 40
Todos los renglones de costos son analizados con el fin de determinar la dependencia probabilstica y correlacin con el tiempo. La informacin es clasificada en renglones de costos cuyo comportamiento histrico son dependientes o no del tiempo total de la perforacin. Los renglones dependientes del tiempo son normalizados en el modelo y se estandarizan los costos totales en funcin de la paridad cambiaria del momento tomando como base dlares estadounidenses.
El modelo de estimacin de costos utiliza las siguientes ecuaciones:
CTotal = Crenglon j
j =1
C rengln i = ( TTOTAL C _ rengln ( T ) i ) + CF _ rengln i

CTotal : Costo Total del Pozo Crenglonj: Costo total del rengln j. C_renglon(T)i: Costo del rengln i; normalizado o por unidad de tiempo TTotal : Tiempo total planificado CF_Renglni: Costos no dependientes del tiempo n: Nmero Total de pozos i: Contador de los renglones por pozo El modelo de estimacin de costo de perforacin considera la probabilidad de xito operacional considerando el costo del pozo dada la probabilidad de completar en el objetivo geolgico de inters y en los casos de no completarlo se estima el costo asociado a la contingencia de este evento.
Probabilidad de alcanzar el Objetivo (P)

Todos los modelos, dependiendo del tipo de actividad que se este analizando
(perforacin o reparaciones mayores) consideran el xito operacional P de la actividad a ejecutar, como la manera de estimar la probabilidad de alcanzar el objetivo geolgico de inters. Para la caracterizacin probabilstica se toman muestras de pozos, agrupadas por actividad, ejecutados durante un periodo de tiempo con la premisa de que, la tecnologa y prcticas operacionales utilizadas durante ese periodo, portafolio de perforacin y reparacin futuro. Considerar la probabilidad de alcanzar el xito P en el modelo de evaluacin econmica, permite controlar la naturaleza de la muestra utilizada en el sentido de estimar los egresos probables generados por un fracaso operacional que impida cumplir con la cuota estimada. La figura No 10; resume el esquema de clculo de estas probabilidades: permanezcan vigentes durante la ejecucin del
Pgina 14 de 40
Costo
Probabilidad de completar en el objetivo ( p)
Actividad de Perforacin o Reparacin de pozos

Probabilidad de no Completar en el objetivo (1-p)
Probabilidad de Abandono p1
Costo
Probabilidad de Producir de otro objetivo (1-p1)
Costo
Contingencia
Figura No. 10.- Probabilidad de xito Operacional
4.5.- Modelo de Confiabilidad, Disponibilidad y Mantenibilidad del Pozo (RAM) El objetivo de un estudio de Confiabilidad, Disponibilidad y Mantenibilidad del Pozo (RAM) es determinar la produccin diferida y la indisponibilidad de un pozo de produccin, de acuerdo a su configuracin, a la confiabilidad de sus componentes, a las polticas de mantenimiento y a la filosofa operacional. El anlisis se sustenta en un modelo de simulacin que toma en cuenta la configuracin de los equipos, las fallas aleatorias, las reparaciones, las paradas parciales y totales, las prdidas de capacidad por degradacin y el tiempo fuera de servicio por mantenimiento planificado. La base fundamental de este anlisis es la seleccin de los TPPF y TPPR para los diversos componentes del sistema pozo, tomados de bases de datos propias, bancos de datos genricos de la industria y opinin de expertos.
Well Head & Xmax Tree Vlvula de Tormenta Aparejo de Produccin Bombeo Neumtico Tubera de Revestimiento Libranza Sistema de Compresin de Gas Condiciones Climticas
Evidencia (Datos propios de Fallas y Reparaciones)
Disponibilidad (D)
,083 ,062 ,041 ,021 ,000
Prior Knowledge Conocimiento Previo Generic Data (OREDA 2002) Informacin Genrica de Fallas y Reparaciones (Oreda, Parloc, Well Master, IEEE) Evidence (Similar Production System)
Tasas de Fallas y Reparaciones Actualizadas
71% 78% 85% 92% 99%
Simulacin en RAPTOR 6
Pr (D< Target) Target
T.R. 30"
Vlvula de Tormenta 4 1/2
130.00 md
+/- 150.00md
71%
78%
85%
92%
99%
TR
0.00 70 m.
3/ -13 TR
8"
Pro fun did
ad
pe
nd
ien
te
Vlvula BN
.00 85 21 md
-23 75 md
4 1/2 de f. 3/4 ril ori nd Ma me tro di
md .00 00 md 20 .00 00 20
ca pa Em
do
r9
5/8 7" . B.L
T.R.
9 5/
8"
o 23 lad ais mv) 23 alo 70 +/erv Int 48-21 (21 md 00 .00 B.L .5
50
Lnea de Flujo Empaque Libranza

Downside Upside
O ST md UE .00 OP 07 25 iente LO PR v m nd VA .00 Pe ER INT
TR
7" 5"
26 00 .00
+/-
00 26
TR
(2 mv
87
2m
d)
P.T.
Figura No. 11.- Modelo de Confiabilidad. Disponibilidad y Mantenibilidad (CDM) del Pozo
Pgina 15 de 40
4.6.- Modelo Econmico El indicador econmico utilizado para realizar la evaluacin econmica es el Valor Presente Neto (VPN). De la funcin de distribucin de probabilidad del VPN, se obtienen dos parmetros importantes: El factor de rentabilidad y el factor de riesgo. El factor de rentabilidad del proyecto, est representado por la media de la distribucin o valor esperado de VPN. El factor de riesgo, esta definido como el rea bajo la curva que representa la probabilidad de destruir valor, generalmente esta limitada por valores de VPN igual o menor a cero, sin embargo, este requerimiento mnimo de rentabilidad puede ser un objetivo establecido mediante lineamiento corporativo y solo aplicable a los negocios de una empresa determinada. En cualquiera de los casos, ambos parmetros se utilizan como criterios de decisin en cuanto a la conveniencia o no de una inversin. Los proyectos que queden con valores inferiores de VPN al mnimo establecido dejan de ser atractivos bajo las condiciones existentes para el momento del anlisis, desviando los flujos de capital hacia aquellos que si cumplan los requerimientos de rentabilidad. De esta manera se tiene una herramienta de anlisis que permite apoyar el proceso de toma de decisin proactivamente, permitiendo establecer los planes de mitigacin de riesgo que permitan maximizar la rentabilidad del negocio.
Factor de Rentabilidad: -3.7 MMDls
Factor de Riesgo: 72.5%
Anlisis de Sensibilidad - Indicador Econmico Valor Presente Neto (VPN)
Gasto Inicial (BD) Costo de la Reparacin (Dls/bl) Precio de Venta del Crudo (Dls/bl) Desviacin del Tiempo de Vida Util Precio de Venta del Gas (Dls/mpcd) Costo Fijo (Dls/pozo/ao) Disponibilidad Costo Variable (Dls/barril de petroleo e Costo Transporte Troncal (Dls/barril de Costo de Transporte Secundario (Dls/barr
Figura No. 12.- Salidas del Modelo Econmico VPN Probabilstica y Diagrama de Sensibilidad
Pgina 16 de 40
5.- Productos del Anlisis de Riesgo:

Distribucin de probabilidades de la cuota inicial de produccin por pozo (Qo); indicando el valor medio o esperado de produccin y los diferentes percentiles expresados en barriles/da. Adicionalmente se calcula la probabilidad de obtener un valor de gasto mayor o menor a la cuota inicial planificada. Pronstico estocstico de la produccin por pozo en el horizonte de vida estimado. Este pronstico de produccin se presenta bajo el formato de tres perfiles asociados a los percentiles P10, P50 y P90. Anlisis de riesgo del programa de perforacin o reparacin; del cual se genern los siguientes sub-productos: o o Estimacin probabilstica del tiempo y costo de la actividad de reparacin por pozo. Probabilidad de que la perforacin o reparacin se ejecute en un tiempo menor del planificado. o o Probabilidad de xito o fracaso operacional de la actividad de perforacin o reparacin Anlisis de sensibilidad de las variable costo y tiempo de la perforacin; a travs del cual se identifican las actividades del programa que generan mayor riesgo e incertidumbre. o Plan de mitigacin de los riesgos identificados. Distribucin de probabilidades del indicador econmico Valor Presente Neto (VPN). Factor de rentabilidad (Valor medio o esperado de la distribucin del VPN) Factor de riesgo (Probabilidad de obtener VPN menor que cero). Anlisis de sensibilidad de la distribucin del VPN a travs del cual se identifican las variables tcnicas; financieras u operacionales que generan mayor riesgo e incertidumbre. o Plan de mitigacin de los riesgos identificados. Matriz de Jerarquizacin del Portafolio de Proyectos de Reparacin y Perforacin de pozos, que garantice un ptimo nivel de riesgo y rentabilidad de la cartera de proyectos de inversin. Evaluacin financiera probabilstica por pozo; del cual se obtienen los siguientes sub-productos: o o o o
6.- Requerimientos de informacin para el Anlisis de Riesgo

Para la ejecucin del proyecto: Anlisis Probabilstico de Riesgo de los pozos a perforar y reparar se requiere la siguiente informacin: Lista detallada de los pozos a Reparar y Perforar. o o Informacin sobre Caractersticas del Yacimiento. Informacin Petrofsica (Porosidad, Permeabilidad, Saturacin, Espesor de arena, Dao, Viscosidad, etc.). o o Comportamiento energtico del yacimiento (Presin Esttica). Caracterizacin de los fluidos (API, Viscosidad, etc.).
Pgina 17 de 40
Informacin sobre Variables Econmicas o o o o Tasa de descuento utilizada por PEP en sus anlisis econmicos Costo por barril de aceite producido ($/bl). Costos operacionales de produccin ($/bl). Costos por mantenimiento a pozo ($/bl). Diagrama Mecnico de los pozos. Detalle del Sistema de Levantamiento Artificial de Produccin. Historia de produccin por pozo (en caso de la actividad de reparacin). Potencial determinstico de aceite esperado por pozo (Gasto). Descripcin detallada de las actividades a realizar al pozo. Registros histricos de tiempo y costo en trabajos de reparacin y perforacin previos. Registros histricos de xito y fracaso de trabajos de reparacin y perforacin previos.
Informacin sobre Variables de Produccin o o o o
Informacin sobre Variables Operacionales de la actividad de Reparacin y Perforacin o o o
Autorizacin para realizar entrevistas formales e informales con personal gerencial, de yacimientos, de proceso, operacin y mantenimiento a pozos. Autorizacin para visitar oficinas y acceder a las reas operacionales.
7.- Factores Claves para el Tratamiento de la Informacin:

Concepto de Muestra Homognea de Datos equivalente Herramientas estadsticas para manejo de informacin histrica, informacin real medida en campo (data dura) y validada a los niveles correspondientes. probabilstica de variables Herramientas estadsticas para el manejo de opinin de expertos y tratamiento de la incertidumbre asociada a esta informacin. o o o Pruebas estadsticas de objetividad sesgo Distribuciones Triangular, Uniforme y Beta Pert Teorema de Bayes datos propios o evidencia, mediante el Adecuada caracterizacin (Data Screanning). Conceptos de localizacin geolgicamente equivalente, programa equivalente, tecnologa equivalente y completacin
Combinar datos genricos de procesos similares con operacional real
Teorema de Bayes, lo cual permitir obtener una informacin ms representativa del contexto
Pgina 18 de 40
8.- Caso de Estudio No1. Aplicacin del Anlisis de Riesgo al Proyecto de Reparacin de pozo.
Se presenta a continuacin un ejemplo de los resultados obtenidos del anlisis probabilstico de riesgo de la actividad de reparacin mayor del pozo R2M-1, cuyo objetivo consiste en: Incorporar el pozo a produccin mediante una apertura de ventana en la tubera de revestimiento de 9-5/8 a 800 md y perforar hasta la profundidad de 2975 md (2800 mv), introducir liner de 7 5/8 y 5 , disparar intervalo productor, modificar el aparejo de produccin de bombeo neumtico, estimular y tomar informacin. (Ver Figura No 13).
Diagrama Mecnico Actual

POZO INCLINADO
MAXIMA INCLINACIN: 29.5 A 1777 M.
Diagrama Mecnico Propuesta

TR 30 A 131.50 m
TR 30 A 131.50 m VALVULA TORMENTA 4 A 145.14 m
POZO INCLINADO
MAXIMA INCLINACIN: 29.5 A 1777 M.
VALVULA TORMENTA 4 A 133.50 m
TR 20 A 351.20 m BL 9 5/8 A 700.00 m
VENTANA A: 800 M
TR 20, 94# A 351.20 m APAREJO DE PRODUCCION: 4 X 3 .

CIMA MIOCENO SUPERIOR A 670 md
TRACK MASTER 9 5/8 DE 800 A 807 m

CIMA MIOCENO SUPERIOR A 670 md
MANDRIL DE 4 1/2 A 685.75 m BS 7 A 892.00 m TR 13 3/8, 68# A 950.00 m
CEMENTO DE A 807 m RETENEDOR A 1020 m BS 7 A 892.00 m TR 13 3/8 A 950.00 m
APAREJO DE PRODUCCION DE: 7 5/8 x 5 x 2 7/8
CIMA MIOCENO INFERIOR A 894 md
BS 7 A 1512.00 m
CIMA EOCENO MEDIO A 1570 md CIMA EOCENO INFERIOR A 1590 md
MANDRILES CAMCO DE 3 A : 1058.93 m 1362.75 m 1618.89 m 1762.42 m 1848.71 m
BS 7 A 1512.00 m
BS 7 A 1718.00 m
BS 7 A 1718.00 m
EMP. DOBLE A 1790 m.
BL DE 5 1/2 A 1790 m
TR 9 5/8, 47# A 1844.40 m

CIMA B.P.K.S. A 1937 md
TR 9 5/8 A 1844.40 m EMP.7A 1869.14 m BL 5 A 1869.80 m CIMA A 1982.8 m
EMPACADOR 7 A 1869.14 m BS 5 A 1869.80 m
TR DE 7 5/8, 39#, TRC-95, VAM-FJLI-II A 1850 m 1761.8 mv
TR 7, 29# A 2022.00 m
CIMA CRETACICO MEDIO (K2) A 2130 m
TR 7 A 2022.00 m
TAPON INFLABLE A 2000 m
AP. 2 3/8 INYECC. BN A 2081 m
INTERV. DISPARADO: 2120 2150 m
INTERV. DISP: 2120 2150 m

TR DE 5, 18# A 2220.60 m PI A 2190.00 m
TR DE 5 A 2220.00 m PI A 2190.00 m
INTERV. DISP: POR DEFINIR
CIMA CRETACICO INFERIOR (KI) A 2358 m
PT A 2958.00 m A 2800 mv
TR DE 5 1/2 23#, TRC-95, VAM-FJLI-II A 2958 m
JST A 2929 m
Figura No. 13.- Diagrama Mecnico actual y propuesto
Estimacin Probabilstica de la cuota inicial de produccin de aceite (Qo) Para la estimacin de la cuota inicial se utiliza la metodologa de IPR futura, con el propsito de obtener las variables de entrada al modelo de Vogel, las cuales fueron caracterizadas
Pgina 19 de 40
probabilsticamente. La metodologa IPR futura requiri la seleccin de pozos correlacin al pozo R2M-1, en base a una distancia de 2000 mts alrededor del pozo en estudio y una tolerancia vertical de +/- 100 mv del nivel medio del intervalo disparado, en este caso 2700 mv. La figura No. 14 muestra el comportamiento de los IPR de los pozos correlacin seleccionados y la figura No. 15 los resultados de los IPR de las simulaciones probabilsticas obtenidas utilizando el modelo de Vogel.
Grfico IPR - Muestra

140
Menu
120
100
Pws (Kg/cm2)
80
60
40
20
20,000 40,000 60,000 80,000 100,000 120,000 140,000 160,000 180,000 200,000
Qmax (BD)
C-3028 C-55D
Figura No. 14.- Comportamiento IPR pozos Correlacin
Pgina 20 de 40
Grfico IPR - Simulacin

Menu
140
120
100
Pws (Kg/cm2)
80
60
40
20
20,000 40,000 60,000 80,000 100,000 120,000 140,000 160,000 180,000 200,000
Qmax (BD)
Min Alto Sim. 5 Alto Sim. 13 Alto Max Alto Sim. 6 Alto Sim. 14 Alto Min Bajo Sim. 7 Alto Sim. 15 Alto Max Bajo Sim. 8 Alto Sim. 16 Alto Sim. 1 Alto Sim. 9 Alto Sim. 17 Alto Sim. 2 Alto Sim. 10 Alto Sim. 18 Alto Sim. 3 Alto Sim. 11 Alto Limites Qmax Sim. 4 Alto Sim. 12 Alto Limites PWS
Figura No. 15.- Comportamiento IPR Simuladas
A partir de estas combinaciones de IPR simuladas haciendo uso de la simulacin de MonteCarlo, se gener la caracterizacin probabilstica de las variables de entrada a la ecuacin de Vogel, que permite la estimacin de la tasa inicial de produccin. La figura No. 16 muestra la distribucin de frecuencia de probabilidades resultante para la tasa inicial.
.076
45.98%
Probabilidad
.057
.038
.019
Media = 8,019.35
.000 4,306.35 5,728.84 7,151.32 8,573.80 9,996.28
Barriles/da
Certainty is 45.98% from 8,500.00 to +Infinity
Figura No. 16.- Distribucin de Probabilidad de la Tasa Inicial de Produccin del Pozo
Pgina 21 de 40
El pronstico indica que, el valor medio o esperado de la tasa inicial de produccin de aceite es de 8019 BD, y existe un 45.98% de probabilidad de superar la tasa planificada de 8500 BD. Adicionalmente se tiene un valor mnimo de 4306 BD y un valor mximo de 9926 BD.
Estimacin Probabilstica del Perfil de produccin de aceite El perfil estocstico de produccin del pozo se genera a partir de la distribucin de probabilidad de la cuota inicial afectada por el modelo de declinacin que aplique, segn las condiciones energticas del yacimiento, que corresponda al pozo en anlisis y proyectado en el tiempo de vida til determinado por el simulador de yacimiento. La figura No. 17 muestra el resultado del perfil estocstico de produccin de aceite en el tiempo de vida til del proyecto, observndose el comportamiento optimista del perfil (Percentil P90), conservador (Percentil P10) y comportamiento esperado (Percentil P50 y Media de la distribucin). El tiempo de vida til pronosticado por el simulador, para este pozo ejemplo, es de 31 meses, se define por el avance del contacto gas-aceite.
Perfil de Produccin de Aceite (BD)
10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
Gasto (BD)
Meses
Media P10 P50 P90
Figura No. 17.- Perfil Estocstico de Produccin de Aceite (BD)
El perfil de ingresos para la actividad de reparacin propuesta, es directamente proporcional a estas bandas, es decir, se obtiene del producto del perfil de produccin de aceite y el precio de venta del crudo, por tanto, controla en gran medida la factibilidad econmica del proyecto.
Pgina 22 de 40
Estimacin Probabilstica del Tiempo de la Actividad de Reparacin. La estimacin probabilstica del tiempo de la actividad de reparacin se inicia con la definicin del plan de actividades, delimitando por fases las actividades asociadas a reparacin del pozo para efectos de automatizacin de la base de datos. Ver la siguiente tabla.
Tabla No.1.- Plan de Actividades para la reparacin del Pozo R2M-1 Cdigo
DES DEB COP DAB RAP PES ETR AZA BHD PEF8-1/2" ETR9-5/8" MTR7-5/8" CMT7-5/8" PBL7-5/8" ICR RCC7-5/8" PEF6-1/2" ETR7-5/8" MTR5-1/2" CMT5-1/2" RCC5-1/2" PBL5-1/2" RTR5-1/2" RGI DIS MAP RBA ILP EST APB TIN DES - Deslizar DEB - Desmantelar bajantes COP - Control de Pozo DAB - Desmantelar rbol e Instalar BOPS RAP - Recuperar aparejo de produccin PES - Realizar pesca ETR - Escarear tubera y Rimar boca de liner AZA - Aislar zona abierta BHD - Bajar y anclar herramienta desviadora PEF - Perforar ETR - Escarear tubera y Rimar boca de liner MTR - Meter tubera de revestimiento / Liner CMT - Cementacion PBL - Pruebas a Boca del liner ICR - Instalar cabezal rotatorio RCC - Reconocer cima de cemento PEF - Perforar ETR - Escarear tubera y Rimar boca de liner MTR - Meter tubera de revestimiento / Liner CMT - Cementacion RCC - Reconocer cima de cemento PBL - Pruebas a Boca del liner RTR - Registros en tubera de revestimiento RGI - Registro giroscpico DIS - Disparar MAP - Bajar aparejo de produccin RBA - Retirar BOP's e Instalar Arbol de Produccin ILP - Inducir y Limpiar pozo EST - Estimulacin APB - Alinear Pozo a Batera TIN - Toma de Informacin - Terminacin 7-5/8" 6-1/2" 7-5/8" 5-1/2" 5-1/2" 5-1/2" 5-1/2" 5-1/2" 1108 8-1/2" 9-5/8" 7-5/8" 7-5/8" 7-5/8" 1050
Actividad
Dimetro
Metros a Perforar
Posteriormente se procede a la caracterizacin probabilstica de la variable tiempo para cada una de
Pgina 23 de 40
las actividades basado en datos histricos de pozos homlogos. La figura No.18 indica que la actividad de reparacin se ejecutar en un rango de tiempo entre 88.4 das y 135.7 das, con un valor esperado de 111.9 das. Existe solo un 8.28% de probabilidad de realizar la actividad en un tiempo menor al planificado que es de 100 das.
.086
Probabilidad
.064
8.28%
.043
.021
Media = 111.9 das

.000 88.4 100.2 112.1 123.9 135.7
Tiempo (das) Certainty is 8.28% from -Infinity to 100.0
Figura No. 18.- Tiempo con Riesgo (das)
La figura No. 19 muestra el diagrama de pareto de tiempo por actividad, que permite comparar el tiempo productivo y con riesgo para cada una de las actividades que conforman el plan de reparacin del pozo, identificando as cual actividad presenta mayor desviacin en tiempo.
Tiempo (dias)
0
PEF - Perforar 6-1/2" PEF - Perforar 8-1/2" ILP - Inducir y Limpiar pozo RAP - Recuperar aparejo de produccin MTR - Meter tubera de revestimiento / Liner 7-5/8" TIN - Toma de Informacin - Terminacin ETR - Escarear tubera y Rimar boca de liner 7-5/8" EST - Estimulacin AZA - Aislar zona abierta ICR - Instalar cabezal rotatorio APB - Alinear Pozo a Batera PES - Realizar pesca DIS - Disparar RBA - Retirar BOP's e Instalar Arbol de Produccin MAP - Meter aparejo de produccin
10
15
20
25
30
Tiempo Productivo (das) Tiempo Con Riesgo (das) Desviacin (das)
Figura No. 19.- Diagrama de Sensibilidad de las Actividades por Tiempos
Pgina 24 de 40
A partir del diagrama de pareto anterior se observa que la actividad de perforacin del hoyo de 6 1/2 es aquella que presenta mayor desviacin en tiempo, con un valor aproximado de 8.4 das. En segundo orden de impacto, se presenta la actividad de perforacin del hoyo de 8 , con una desviacin de 3.1 das y en tercer orden se observa la actividad de Inducir y limpiar pozo con un tiempo de 2.1 das, todas estas desviaciones estn asociadas a eventos no deseados o riesgos operacionales. La figura No. 20 muestra el diagrama de pareto del tiempo con riesgo, este diagrama identifica las desviaciones que tienen mayor incidencia en el tiempo total de la actividad de reparacin; y permite la identificacin de acciones de mitigacin, con la finalidad de reducir significativamente el porcentaje de tiempo improductivo.
Diagrama de Pareto- Tiempo con Riesgo
PEF-17 - Espera por lodo (materiales) 6-1/2" PEF-03 - Condiciones Climticas 6-1/2" PEF-08 - Falla de equipo 8-1/2" RAP-15 - Contingencia por alerta de huracn DEB-02 - Espera por Produccin PEF-04 - Espera por Materiales 8-1/2" PEF-08 - Falla de equipo 6-1/2" ILP-04 - Condiciones Climticas PEF-15 - Problemas en hoyo/Arrastres 8-1/2" ETR-05 - Falla de equipo 7-5/8" TIN-07 - Espera por Produccin AZA-03 - Fallo anclaje retenedor/tapn MTR-08 - Cambio de Programa (activo) 7-5/8" ILP-15 - Cambio de programa PEF-03 - Condiciones Climticas 8-1/2" 0.0 0.97 0.74 0.67 0.64 0.62 0.61 0.57 0.53 0.52 0.50 0.49 0.46 0.46 1.0 2.0 3.0 Tiempo (Dias) 4.0 5.0 6.0 1.50 5.49
Figura No. 20.- Diagrama de Sensibilidad de las Desviaciones en Tiempo
Estimacin Probabilstica del Costo de la Actividad Con respecto al anlisis de los costos de la actividad de reparacin, los resultados de la simulacin indicaron que el valor esperado o media de la distribucin de probabilidad es de 8.77 MMDls, y existe un 21.76% de probabilidad de superar el costo planificado (10 MMDls).
Pgina 25 de 40
21.76%
.079
.059
Probabilidad
.040
.020 Media = 8,768,172.64 .000 5,414,663.91 7,220,251.72 9,025,839.53 10,831,427.34 12,637,015.14
Costo (Dlares)
Figura No. 21.- Distribucin de Probabilidad del Costo de la Reparacin (Dls)
La figura No. 22 muestra el diagrama de sensibilidad de la variable costo de la reparacin, en la cual podemos identificar que rengln representa la variable cuya dispersin aporta la mayor incertidumbre a esta variable.
Anlisis de Sensibilidad - Costo de la Reparacin (Dls)
Dls
6000000
Otros Gastos SERVICIOS DE FLUIDOS PERF.REP.TERM.DE PO SERVICIOS ESTIMULACION/FRACTURAMIENTO SERV X CONTR.APOYO PERFORAC.R.T.P.EXPLOR GASTOS DE M.DE OBRA U.O. UPMP EST.NO CAP SERV X CONTR APOY.EQ PERF.Y REP POZO EXP SERVICIOS REG.Y DISPARO PERF.REP.TERM.DE SERVICIOS PERFORACION DIRECCIONAL Y CONV SERVICIOS CEMENTACION PERF.REP.TERM.DE P DEPRECIACION DE EQ. PERFORACION APLICAD SERVICIO MEDICO CONSUMO COMBUSTIBLES Y LUBRICANTES ALIMENTACION Y HOSPEDAJE A TRABAJADORES SERVICIOS DE ARBOLES DE VALVULAS SERVICIOS DE EQUIPOS H2S
7000000
8000000
9000000
10000000
11000000
Figura No. 22.- Anlisis de Sensibilidad de la Variable Costo de la Reparacin (Dls)
Pgina 26 de 40
Estimacin del Indicador Econmico Valor Presente Neto Todo proceso de evaluacin econmica de un proyecto tiene por objetivo la estimacin del Valor Presente Neto. La naturaleza aleatoria de los parmetros que intervienen en su clculo, hace que ste indicador econmico sea muy difcil de cuantificar a travs de un valor nico. Considerando el impacto que sobre la viabilidad futura de cualquier proyecto tiene el VPN, deben utilizarse herramientas que permitan predecir todos los eventos probables que pudiesen afectar o desviar la creacin de valor. La distribucin de probabilidad del Valor Presente Neto resultado de la evaluacin econmica efectuada al pozo, se muestra en la figura No.23, de ella se pueden extraer dos valores que definen la factibilidad econmica del proyecto, como lo son el Factor de Rentabilidad (media de la distribucin) y el Factor de Riesgo (rea de probables valores negativos de VPN, expresado en porcentaje) los cuales para el pozo en estudio son:
Factor de Rentabilidad: 23.9 MMDls Factor de Riesgo: 3.3 %

.087
.065
Probabilidad
3.3%
.043
.022 Media = 23,925,431.27 .000 -12,110,296.65 5,832,632.52 23,775,561.68 41,718,490.85 59,661,420.01
VPN (Dls)
Figura No. 23.- Distribucin de Probabilidad del Valor Presente Neto
En otras palabras, existe una probabilidad de 96.7% de crear valor con la actividad planificada para el pozo R2M-1, por lo que se concluye que es un proyecto econmicamente rentable. La figura No. 23 muestra los parmetros estadsticos para el VPN, resaltando que el valor esperado de rentabilidad es de 23.9 MMDls y el factor de riesgo financiero es de 3.3%. Como el VPN es un indicador que depende del tiempo de vida del proyecto (horizonte econmico estimado), se genera un perfil estocstico (banda de probabilidades) que permite inferir en distintos escenarios (optimista P90, ms probable P50 y/o Pmedia y pesimista P10), el cual nos indica
Pgina 27 de 40
cuando comienza la actividad asociada al proyecto R2M-1 a generar ganancias (tiempo o perodo de recuperacin de la inversin o gasto realizado). Ver figura 24.
VPN vs. Tiempo

$50,000,000
$40,000,000
$30,000,000
$20,000,000
Dls
$10,000,000
$0 1 -$10,000,000 2 3 4 5 6 7 8 9 10 11 12
-$20,000,000
Meses
Media P10 P50 P90
Figura No. 24.- Valor Presente Neto vs. Tiempo
La figura No. 25 muestra el anlisis de sensibilidad en torno a la variable Valor Presente Neto (VPN). El diagrama de tornado clsico permite evaluar el impacto de la incertidumbre de las variables de entrada sobre la dispersin de la variable de salida. En este tipo de diagrama, (Ver Figura No. 24) se determina un valor referencia de la variable de salida, evaluando la ecuacin que la relaciona con las variables de entrada para los valores medios de estas. A partir del anlisis y la jerarquizacin de variables que influyen sobre la incertidumbre del VPN se tiene en primer lugar el Gasto Inicial, lo cual la convierte en una variable crtica para el proyecto. Por tanto, cualquier esfuerzo orientado a mejorar la certidumbre de los elementos crticos que intervienen en su clculo, tales como: presin de fondo fluyente, presin de yacimiento, seleccin de pozos correlacin, propiedades de roca, propiedades de fluidos, entre otras, esta plenamente justificado bajo la perspectiva de este resultado.
Pgina 28 de 40
Anlisis de Sensibilidad - Indicador Econmico Valor Presente Neto (VPN) Dls

8000000 Gasto Inicial (BD) Precio de Venta del Crudo (Dls/bl) Precio de Venta del Gas (Dls/mpcd) Costo de la Reparacin (Dls) 18000000 28000000 38000000 48000000
Disponibilidad
Costo Variable (Dls/bepd)
Costo Fijo (Dls/pozo/ao) Costo Transporte Troncal (Dls/bepd) Costo de Transporte Secundario (Dls/bepd
Figura No. 25.- Anlisis de Sensibilidad de la Variable VPN
9.- Caso de Estudio No 2. Aplicacin del Anlisis de Riesgo al Proyecto de Perforacin de pozo.
Se presenta a partir de este caso de estudio los resultados obtenidos del Anlisis Probabilstico de Riesgo de la actividad de perforacin y terminacin del pozo R2M-2. El objetivo de la actividad consiste en encontrar produccin comercial de hidrocarburos del rea no drenada del bloque R2M, dentro del yacimiento Jursico Superior Oxfordiano. Se estima que la actividad de perforacin y terminacin del pozo se realizar en 115 das. La figura No. 26 muestra el diagrama mecnico propuesto para el pozo R2M-2. El pozo ser completado con una bomba electrosumergible, como mtodo de levantamiento artificial. Se espera una produccin de 3500 bls durante un horizonte econmico de 15 aos, considerando cierres planificados para el reemplazo del equipo electrosumergible, aproximadamente cada dos aos.
Pgina 29 de 40
Hoyo 36 30 @ 150 m.
Hoyo 20
16 @ 650 m.
Hoyo 17 1/2
13 3/8 @ 1600 m.
Hoyo 12 1/4
11 7/8 @
2980 m.
Hoyo 10 1/2
9 5/8 @
3720 m.
Hoyo 8 1/2
7 5/8 @
4550 m.
Figura No. 26.- Diagrama Mecnico Pozo R2M-2
Estimacin Probabilstica de la cuota inicial de produccin de aceite (Qo) Considerando las caractersticas operacionales y de yacimiento del rea de R2M en las arenas del Jurasico Superior Oxfordiano (JSO), se utiliz como mtodo de estimacin de la cuota inicial de aceite (Qoi) el modelo de flujo en medio poroso propuesto por Darcy, partiendo de la premisa: cada una de las variables involucradas se considera aleatoria y por ende son caracterizables probabilsticamente a travs de una distribucin de probabilidades que ajuste y represente el comportamiento fsico de cada variable.
Qoi =
Donde;
0.0078K h( Pws Pwf ) Bo ( Ln( R e / Rw ) + S )
K: Permeabilidad expresada en mili Darcy (md). h: Espesor de arena neta petrolfera (Ft). Pws: Presin esttica del yacimiento (psi). Pwf: Presin de fondo fluyente (psi). Bo: Factor volumtrico del aceite (BY/BN). : Viscosidad del aceite (cp). Re: Radio de drenaje del yacimiento (mts). Rw: Radio del pozo (mts). S: Factor de dao (Adimensional). Una vez caracterizadas las variables de entrada al modelo de Darcy, se propaga la incertidumbre de
Pgina 30 de 40
cada variable a travs de simulacin numrica, en este caso en particular se utiliz el modelo de Simulacin de MonteCarlo (SMC), y as la variable de estudio (Qoi), ser caracterizada probabilsticamente, obteniendo en lugar de un valor, una gama de valores probables de ocurrencia. La figura No. 27 muestra esquemticamente el modelo probabilstico a utilizar para la estimacin de la cuota inicial.
VARIABLES CARACTERIZADAS PROBABILISTICAMENTE
PROPAGACION DE LA INCERTIDUMBRE A TRAVES DE SIMULACION NUMERICA
RESULTADO PROBABILISTICO
K h
Pws
Qoi =
0.0078 K h( Pws Pwf ) Bo ( Ln( Re / Rw ) + S )

Qo
Pwf S
Figura No. 27.- Modelo Esquemtico de Estimacin de la cuota inicial
Las variables de entrada al modelo de Darcy fueron caracterizadas probabilsticamente. En las de origen petrofsico tales como: permeabilidad (K) y espesor de arena neta petrolfera (h), se utiliz la informacin proveniente de resultados de interpretaciones petrofsicas utilizadas para la construccin del modelo petrofsico cargado al modelo de simulacin de yacimiento actualizado. Mientras que las variables dependientes de la energa del yacimiento y productividad: Presin esttica (Pws), fluyente (Pwf) y factor de dao (S), provienen de informacin recolectada de la toma de PLT, mediciones estticas de presin y pruebas de incremento. Ver Tabla No.2.
Tabla No.2.- Caracterizacin Probabilstica de la Variables de Entrada
Variable Espesor de arena neta petrolfera Permeabilidad Presin Esttica del Yacimiento Presin de fondo fluyente Factor de Dao Tipo de Distribucin Beta Beta Normal Weibull Normal Parmetros Alpha: 5.43 , Beta: 7.69 , Scale: 200.36 Alpha: 12.13 , Beta: 33.84 , Scale: 937.79 Mean: 2133, :285 Loc: 1378.5 , Scale: 676.2, Shape: 3.5 Mean: -1.64, :1.35 Lmite Inferior 0 86.9 1706.4 1564 -3.5 Lmite Superior 120.22 399.5 2417.4 2275 1
h (ft) K (md) Pws(psi) Pwf (psi) S
Pgina 31 de 40
En cuanto a las variables Factor Volumtrico
(Bo) y Viscosidad () del aceite, se consideraron
determinsticas, dado que se cuenta slo con un anlisis PVT validado para las arenas JSO (R2M). Sin embargo, como el modelo de estimacin de cuota utilizado considera valores probabilsticos de Pws, se generar para cada escenario de presin el valor correspondiente de Bo y , asegurando que el proceso de generacin aleatoria de los valores de presin respete en cualquier caso los datos obtenidos en el laboratorio y validados por el comportamiento de produccin. Bo (BY/BN) = 1.10-7. Pws2- 2.10-5.Pws + 1.327 (cp) = 2.10-4.Pws + 1.746 Por ultimo la relacin LN (Re/Rw), se consider determinstica, en donde Re (400 metros) y Rw (0.08413 metros). Se realiz el anlisis de escenarios utilizando Simulacin de MonteCarlo (SMC), a fin de propagar la incertidumbre de las variables que intervienen en la estimacin de Qoi. La figura No. 28 muestra la distribucin de frecuencia de probabilidades resultante para el gasto inicial, basado en la caracterizacin probabilstica de las variables involucradas en la ecuacin de Darcy.
.082
21.62 %
.062
Probabilidad
.041
.021
Media = 2679 BD
.000 758 2107 3457 4806 6155
Cuota Inicial (BD)
Figura No. 28.- Distribucin Probabilstica de la Tasa Inicial de Produccin del pozo R2M-1.
El pronstico indica que, el valor medio o esperado de la tasa inicial de produccin de aceite (Qoi) ser de 2679 expresados en barriles/da, y existe solo un 21.62% de probabilidad de superar la tasa de produccin planificada que es de 3500 barriles/da. La figura No. 29 presenta el anlisis de sensibilidad de la variable tasa inicial de produccin de aceite. Tal como puede observarse, el elemento de mayor impacto sobre incertidumbre de la tasa inicial de produccin de aceite es la variabilidad en la presin esttica, por ello se recomienda la compra de informacin con el fin de mejorar la certidumbre de dicha variable.
Pgina 32 de 40
BD
1,000.00 2,000.00 3,000.00 4,000.00 5,000.00 6,000.00
Pws (psi)
Pwf (psi)
ANP(mts)
K(md)
Skin
Figura No. 29.- Anlisis de Sensibilidad de la Tasa Inicial de Produccin
Estimacin Probabilstica del Tiempo de la Actividad de Perforacin y Terminacin. La estimacin probabilstica del tiempo de la actividad de perforacin y terminacin se inicia con la definicin del plan de actividades. Ver tabla No. 3 Posteriormente se procede a la caracterizacin probabilstica de la variable tiempo para cada una de las actividades basado en datos histricos de pozos homlogos. La figura No.30 indica que la actividad de perforacin y terminacin del pozo R2M-2 se ejecutar en un rango de tiempo entre 110 das (Escenario Optimista) y 133.3 das (Escenario Pesimista), con un valor esperado de 121.93 das; existe solo un 5.24% de probabilidad de realizar esta actividad en un tiempo menor al planificado que es de 115 das.
.086
Probabilidad
.064
5.24%
.043
.021
.000 110.61 116.29
Mean = 121.93 das

121.96 127.63 133.31
Tiempo (das)
Figura No. 30.- Distribucin Probabilstica del tiempo con Riesgo de la Actividad.
Pgina 33 de 40
Tabla No 3.- Programa de Actividades Perforacin y Terminacin del Pozo R2M-2

Cdigo
DES PEF36" MTR30" CMT30" IEC30" PEF26" MTR20" CMT20" IEC20" RCC20" PEF17-1/2" MTR13-3/8" CMT13-3/8" IEC13-3/8" RCC13-3/8" PEF12-1/4" MTR11-7/8" CMT11-7/8" IEC11-7/8" RCC11-7/8" PEF10 1/2" REG10 1/2" MTR9-5/8" CMT9-5/8" IEC9-5/8" RCC9-5/8" PBL9-5/8" ETR9-5/8" PEF8-1/2" CON8-1/2" REG8-1/2" MTR7-5/8" CMT7-5/8" RCC7-5/8" ETR7-5/8" RGI7-5/8" DIS BAE MBE RBA ILP EST TIN DES - Deslizar PEF - Perforar MTR - Meter tubera de revestimiento CMT - Cementar Tubera de Revestimiento IEC - Instalar equipo de Control PEF - Perforar MTR - Meter tubera de revestimiento CMT - Cementar Tubera de Revestimiento IEC - Instalar equipo de Control RCC - Reconocer cima de cemento PEF - Perforar MTR - Meter tubera de revestimiento CMT - Cementar Tubera de Revestimiento IEC - Instalar equipo de Control RCC - Reconocer cima de cemento PEF - Perforar MTR - Meter tubera de revestimiento CMT - Cementar Tubera de Revestimiento IEC - Instalar equipo de Control RCC - Reconocer cima de cemento PEF - Perforar REG - Registros MTR - Meter tubera de revestimiento CMT - Cementar Tubera de Revestimiento IEC - Instalar equipo de Control RCC - Reconocer cima de cemento PBL - Prueba a boca de Liner ETR - Escarear tubera y rimar boca de liner PEF - Perforar CON - Cortar Ncleo REG - Registros MTR - Meter tubera de revestimiento CMT - Cementar Tubera de Revestimiento RCC - Reconocer cima de cemento ETR - Escarear tubera y rimar boca de liner RGI - Registro giroscpico DIS - Disparar Intervalo BAE - Bajar y Anclar empacador MBE - Meter Aparejo de Produccin con BEC RBA - Retirar BOP's e Instalar Arbol de Produccin ILP - Inducir y Limpiar pozo EST - Estimulacin TIN - Toma de Informacin 36" 30" 30" 30" 26" 20" 20" 20" 20" 17-1/2" 13-3/8" 13-3/8" 13-3/8" 13-3/8" 12-1/4" 11-7/8" 11-7/8" 11-7/8" 11-7/8" 10 1/2" 10 1/2" 9-5/8" 9-5/8" 9-5/8" 9-5/8" 9-5/8" 9-5/8" 8-1/2" 8-1/2" 8-1/2" 7-5/8" 7-5/8" 7-5/8" 7-5/8" 7-5/8" 830 740 1380 950 500 150
Actividad
Dimetro
Metros a Perforar
Pgina 34 de 40
La figura No. 31 muestra el diagrama de pareto de tiempo por actividad, que permite comparar el tiempo productivo y con riesgo para cada una de las actividades que conforman el plan de perforacin y terminacin del pozo, identificando as cual actividad presenta mayor desviacin en tiempo. Se observa que la actividad de perforacin del hoyo de 8 es aquella que presenta mayor desviacin en tiempo, con un valor aproximado de 8 das asociados a eventos no deseados o riesgos. En segundo orden de impacto, se presenta la actividad de perforacin del hoyo de 12 , donde se tiene una diferencia de 2 das entre su tiempo productivo y tiempo con riesgo.
Tiempo (das)
10
15
20
25
30
35
PEF - Perforar 8-1/2"
PEF - Perforar 12-1/4"
ILP - Inducir y Limpiar pozo
REG - Registros 8-1/2"
DIS - Disparar Intervalo
PEF - Perforar 17-1/2" IEC - Instalar equipo de Control 30" PEF - Perforar 26" Tiempo Productivo (das) Tiempo Con Riesgo (das) Desviacin (das)
Figura No. 31.- Diagrama de Sensibilidad de las Actividades por Tiempos
La figura No. 32 muestra el diagrama de pareto del tiempo con riesgo, este diagrama identifica las desviaciones que tienen mayor incidencia en el tiempo total de la actividad, el cual permite apreciar que en la fase de perforacin del hoyo de 8 , los riesgos que mayor impactan al tiempo total de la actividad corresponden a Side Track, Tapn de Cemento, Problemas de hoyo/arrastre, Atascamientos de tuberas y Pescas. En tal sentido se recomienda realizar estudios de reingeniera de diseo de fluidos, con el fin de disminuir las desviaciones en tiempo en el hoyo de 81/2, entre las profundidades de 3000 y 4500 metros, desviaciones estas originadas en mayor proporcin a la incertidumbre de la variable presin esttica del yacimiento, la cual puede ser reducida a travs de la toma de informacin con nuevos registros.
Pgina 35 de 40
PEF-24 - Side track 8-1/2" ILP-14 - Pescar TF PEF-25 - Tapon de cemento 8-1/2" PEF-17 - Problemas en hoyo/Arrastres 12-1/4" PEF-28 - Pescar 8-1/2" PEF-12 - Atascamiento de tuberia 8-1/2" PEF-28 - Pescar 12-1/4" REG-07 - Problemas en hoyo/Pozo 8-1/2" PEF-04 - Espera por Materiales 36" PEF-06 - Falla MWD/LWD/Motor de Fondo 8-1/2" PEF-05 - Falla de Barrena 12-1/4" PEF-08 - Falla de equipo 8-1/2" PEF-13 - Obstruccin en fondo 8-1/2" PEF-07 - Falla Tuberia 8-1/2" PEF-17 - Problemas en hoyo/Arrastres 8-1/2" 0.0 0.7 0.6 0.5 0.5 0.4 0.4 0.4 0.3 0.3 0.3 0.2 0.2 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 0.8 1.8
4.0
4.5
Tiempo (Dias)
Figura No. 32.- Diagrama de Sensibilidad de las Desviaciones en Tiempo
Estimacin Probabilstica del Costo de la Actividad Los resultados de la simulacin indicaron que el valor esperado o media de la distribucin de probabilidad de la variable costo de la perforacin es de 12.8 MMDls, Existe un 80% de certeza de que el costo de la actividad vare entre 10.3 MMDls (Percentil 10) y 16.3 MMDls (Percentil 90).
.120
Probabilidad
.090
.060
.030
Mean = 12,8 MMDls

.000 10,033,012.52 12,344,491.08 14,655,969.64 16,967,448.19 19,278,926.75
Costo (Dls)
Figura No. 33.- Distribucin de Probabilidad del Costo de la Perforacin (Dls)
Estimacin del Indicador Econmico Valor Presente Neto La distribucin de probabilidad del Valor Presente Neto resultado de la evaluacin econmica efectuada al pozo, se muestra en la figura No.34. De ella se pueden extraer dos valores que definen la
Pgina 36 de 40
factibilidad econmica del proyecto, como lo son el Factor de Rentabilidad (media de la distribucin) y el Factor de Riesgo (rea de probables valores negativos de VPN, expresado en porcentaje) los cuales para el pozo en estudio son: Factor de Rentabilidad: 74.1 MMDls Factor de Riesgo: 0.82 %
.077
Probabilidad
.058
0.82%
.039
.019
Mean = 74,1 MMDls

.000 -5,478,431.33 43,762,319.86 93,003,071.04 142,243,822.23 191,484,573.42
VPN (Dls)
Figura No. 34.- Distribucin de Probabilidad del Valor Presente Neto
En otras palabras, existe una probabilidad de 18 % de crear valor con la actividad planificada para el pozo R2M-2, por lo que se concluye que es un proyecto econmicamente rentable. La figura No. 35 muestras el anlisis de sensibilidad en torno a la variable Valor Presente Neto (VPN).
Anlisis de Sensibilidad - Indicador Econmico Valor Presente Neto (VPN)

Dls
20,000,000.00 40,000,000.00 60,000,000.00 80,000,000.00 100,000,000.00 120,000,000.00 140,000,000.00
Gasto Inicial (BD)
Precio de Venta del Crudo (Dls/bl)
Costo de la Perforacin (Dls)
Precio de Venta del Gas (Dls/mpcd)
Costo Variable (Dls/bepd)
Costo Fijo (Dls/pozo/ao)
Costo de Transporte Secundario (Dls/bepd
Costo Transporte Troncal (Dls/bepd)
Disponibilidad
Pgina 37 de 40
En base a los resultados, se recomienda la compra selectiva de informacin con el propsito de reducir los niveles de incertidumbre en torno a las variables de mayor impacto: presin esttica y presin de fondo fluyente y minimizar el impacto de la cuota inicial sobre el VPN.
10.- Caso de Estudio No3. Aplicacin del Modelo de Jerarquizacin del Portafolio de Proyectos de Perforacin de pozos
Un anlisis de rentabilidad de diversas propuestas de perforacin de pozos, tomando en cuenta riesgo e incertidumbre de las variables que intervienen en el anlisis, genera los VPN que se resumen en la tabla anexa.
Tabla No 4.- Factor de Rentabilidad y Riesgo por proyecto
Pozo
R2M-1 R2M-2 R2M-3 R2M-4 R2M-5 R2M-6 R2M-7 R2M-8 R2M-9
Factor Rentabilidad (MMDls)

10.2 15.4 20.5 19 3.6 13.2 10.9 26.2 36.9
Factor Riesgo Financiero (%)

28.6% 14.8% 10.0% 9.7% 9.0% 8.6% 6.0% 4.9% 2.9%
Partiendo de los datos presentados en la tabla previa y construyendo la matriz de jerarquizacin como se muestra la figura No 36, se presentan jerarquizados cada uno de los proyectos de inversin en funcin del factor de rentabilidad y el factor de riesgo financiero, permitiendo soportar la toma de decisin para la secuencia de ejecucin de la actividad, asegurando as la mxima rentabilidad con el menor nivel de riesgo.
Pgina 38 de 40
Pgina 39 de 40
12.- Bibliografa
R. Rodrguez Nieto Comportamiento de la produccin de petrleo en Yacimientos Caso Cantarell - Divisin de Ingeniera en Ciencias de la Tierra - Departamento de Explotacin del Petrleo UNAM Paper presentado en Sinposiun La Investigacin en la Facultad de Ingeniera Mxico 2004 Yaez, Medardo Gmez de la Vega, Hernando, Valbuena Genebelin, Gerencia de la Incertidumbre ISBN 980-12-0115-0 - Marzo 2003 Yaez, Medardo Gmez de la Vega, Hernando, Valbuena Genebelin, Ingeniera de Confiabilidad y Anlisis Probabilstico de Riesgo ISBN 980-12-0116-9 - Junio 2003 Vose, David Risk Analysis, A Quantitative Guide. Segunda Edicin John Wiley & Sons, LTD. New York USA 2000. Murtha, James - Decisions Involving Uncertainty Palisade Corporation, New York USA 2000. Barrera, Jos Freitas, Manuel , Aplicacin de la Metodologa de Anlisis de Riesgo en Perforacin y Rehabilitacin Paper presentado en 13avo Congreso Latinoamericano de Perforacin - Noviembre 2002 Acua, Herman Harrell, D.R Adapting Probabilistic Methods to Comform to Regulatory Guidelines Paper SPE 63202 - presentado en SPE Annual Techical Conference and Exhibition- Dallas Octubre 2000 Murtha, James When Does Correlations Matter ?, Artculo publicado en la Revista Risk Anlisis for the Oil Industry Harts E&P USA 2000. Modarres, Mohammad; Kaminsky, Mark; Kritsov, Vasily. Reliability Engineering and Risk Analysis. Marcel Dekker, New York USA 1999. Otis, Robert Scheidermann, Nahum A Process for Evaluating Exploratin Prospects- AAPG Bulletin, V.81, No 7, July 1997 Cosse, Rene Basics of Reservoirs Engineering Instituto Frances del Petroleo; Gulf Publishing Company, Houston USA 1993. Newendorp, P.D A Method for Treating Dependencies Between Variables in Simulation Risk Analysis Models Paper SPE 5581, USA 1976
Pgina 40 de 40
Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin Rehabilitacin de Pozos
...En una epoca de cambios permanentes, el futuro pertenece a los que siguen aprendiendo....... ....los que ya aprendieron, se encuentran equipados para vivir en un mundo que ya no existe. Eric Hoffer
NOTAS:
150
Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin Rehabilitacin de Pozos Instructor : MSc. Medardo Yaez
Formacin Acadmica
1. Ingeniero Mecnico. Universidad del Tchira Diciembre 1990 2. Post-Grado en Ingeniera de Confiabilidad University of Maryland - USA Cohorte Julio 2000 Ttulo: MSc Ingeniera Confiabilidad 3. PhD TP- Ingeniera de Confiabilidad y Anlisis Probabilstico del Riesgo (actualmente preparando disertacin para Diciembre 2003. University of Maryland - USA
Aspectos Resaltantes
Durante una brillante trayectoria de 13 aos de servicios en la Industria Petrolera Venezolana, ha pasado por una variedad de actividades operacionales, de servicios, de mantenimiento y planificacin que le han permitido conformar una amplia visin sobre el negocio, aunado a la formacin de un perfil como asesor en mejoramiento de los aspectos medulares de las actividades de produccin . Es autor de numerosas publicaciones tcnicas en el rea de Ingeniera de Confiabilidad y Gerencia del Riesgo, publicadas por la Universidad de Maryland (University of Maryland), NACE, SPE y por el Journal Reliability Engineering and System Safety. Es autor, junto al Profesor Mohammed Modarres de la Universidad de Maryland, de la teora para equipos reparables conocida como Proceso Generalizado de Restauracin. En el ano 2002 public junto a H. Gomez de la Vega y Genebeln Valbuena, los libros Gerencia de la Incertidumbre, y Ingeniera de Confiabilidad ya Anlisis Probabilstico de Riesgo que se han convertido en los textos referencia y gua de este tipo de anlisis en le industria del gas y del petrleo en Venezuela. Posee vasta experiencia como asesor de proyectos en reas como Anlisis RAM, Anlisis de Sistemas (Modelaje de Plantas y Procesos), Gerencia de la Confiabilidad de redes de Tuberas (Oleoductos y Gasductos) y es instructor en las reas de reingeniera de procesos, mantenimiento centrado en confiabilidad, ingeniera de confiabilidad, anlisis probabilstico del riesgo y gerencia de la incertidumbre. Se desempea como Profesor de Postgrado de Ingeniera de Confiabilidad en la Universidad Simn Bolivar y es miembro permanente del Centro para Estudios de Confiabilidad y Riesgo de la Universidad de Maryland USA En el ao 2002 fue galardonado con el Premio a la Excelencia que entrega el Centro Internacional de Educacin y Desarrollo (CIED) de Petrleos de Venezuela.
NOTAS:
151
Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin Rehabilitacin de Pozos Instructor : ME. Manuel Freitas
Aspectos Resaltantes Formacin Acadmica
1. Ingeniero Sistemas. I.U. Politcnico Santiago Mario, Caracas, Venezuela Diciembre 2000
2. T.S.U. en Informtica I.U. de Tecnologa Isaac Newton, Los Teques, Venezuela. 1991 La excelente trayectoria desarrollada durante 12 aos en la Industria Petrolera , le ha permitido obtener una visin Global del Negocio. Esto permiti desarrollar capacidades de Liderazgo, Planificacin y Ejecucin de actividades Operacionales y Administrativas, los cuales se desarrollaron con xito. Su pro actividad y eficiencia fueron las bases principales para introducir cambios y mejoras sustanciales en la optimizacin y mejoramiento de los diferentes procesos de Perforacin y Rehabilitacin de Pozos. Dentro de sus actividades en la Industria Petrolera, se destacan las siguientes: Evaluacin e incorporacin de nuevas tecnologas en el proceso de Construccin de Pozos. Coordinacin de proyectos para el desarrollo de simuladores especializados en perforacin de pozos. Asesora en anlisis probabilstico de riesgo en Perforacin y Rehabilitacin de Pozos. Desarrollo de Sistemas en el rea de Perforacin y Rehabilitacin de Pozos. Adiestramiento en el uso de programas especializados en Perforacin y Rehabilitacin de pozos. Clculo de la incertidumbre en Planes de Perforacin y Rehabilitacin de Pozos. Evaluacin e incorporacin de nuevas tecnologas en el proceso de Terminacin de Pozos. El Ingeniero Freites fue galardonado con el Premio Aportes Excepcionales Ao 2000 por el trabajo Pozos Multilaterales: Tecnologa para construccin de pozos rentables en PDVSA. Adicionalmente particip como expositor en el XIII Congreso Latinoamericano de Perforacin (COLAPER), Nov. 2002 con el tema Desarrollo y Validacin de un Modelo de Anlisis Cuantitativo de Riesgo en las Actividades que Conforman un Plan de Rehabilitacin de Pozos (RARC).
NOTAS:
152
Curso: Anlisis de Riesgo en los Proyectos de Perforacin y Rehabilitacin Rehabilitacin de Pozos Instructor Auxiliar: ME Karina Semeco
Formacin Acadmica
1. Ingeniero Petrolero. Universidad del Zulia Octubre 1998 Mencin Cum Laude 2. Especialista en Ingeniera de Petrleo. Mencin Produccin CIED PDVSA. 1999 3. Especialista en Confiabilidad de Sistemas Industriales Universidad Simn Bolvar. 2003
Aspectos Resaltantes
Durante una excelente trayectoria de seis aos de servicios en la Industria Petrolera, se ha desempeado como Ingeniera de Optimizacin de Produccin, con alta experiencia en el proceso de produccin de pozos. Permitiendo establecer las mejores prcticas en el rea del diseo, diagnstico y optimizacin del sistema de levantamiento artificial. Posee gran competencia tcnica en el seguimiento a la produccin y control de la produccin diferida, as como la elaboracin de los perfiles de produccin, logrando mejoras en la visin sobre el negocio de la produccin petrolera. En el ao 2002 culmin Programa de Adiestramiento en Produccin Basada en Confiabilidad, desarrollando un trabajo escrito titulado Anlisis de Riesgo e Incertidumbre en la Rehabilitacin de pozos pertenecientes al yacimiento Basal La Rosa (Unidad de Explotacin Lagomar). Es Especialista en Confiabilidad de Sistemas Industriales, estudio que realiz en la Universidad Simn Bolvar, con el desarrollo del trabajo de grado ttulado Nmero ptimo de pozos para maximizar VPN, en el desarrollo de un plan de explotacin de yacimiento. Ha desarrollado alto desempeo terico y prctico en aplicaciones del Anlisis de Riesgo e Incertidumbre, Ingeniera de Confiabilidad, a diferentes procesos de la industria petrolera, algunos de ellos: jerarquizacin de la perforacin de una cartera de pozos, definicin de tiempos ptimos para la ejecucin de actividades diversas de mantenimiento o rehabilitacin, mejoras vas Metodologa de Confiabilidad (Anlisis Causa Raz, Mantenimiento Centrado en Confiabilidad, Optimizacin Costo Riesgo, Anlisis del Costo del Ciclo de Vida). Todo ello con la finalidad de lograr mejoras en el proceso de toma de decisiones.
NOTAS:
153
Referencias Bibliogrficas
Yanez, Medardo Gomez de la Vega, Hernando, Valbuena Genebelin, Gerencia de la Incertidumbre ISBN 980-12-0115-0 - Marzo 2003 Yanez, Medardo Gomez de la Vega, Hernando, Valbuena Genebelin, Ingeniera de Confiabilidad y Anlisis Probabilstico de Riesgo ISBN 980-12-0116-9 - Junio 2003 Vose, David Risk Analysis, A Quantitative Guide. Segunda Edicin John Wiley & Sons, LTD. New York USA 2000. Murtha, James - Decisions Involving Uncertainty Palisade Corporation, New York USA 2000. Crystal Ball User Manual Release 2000.2, Decisioneering Inc. USA 2001. Barrera, Jos Freitas, Manuel , Aplicacin de la Metodologa de Anlisis de Riesgo en Perforacin y Rehabilitacin Paper presentado en 13avo Congreso Latinoamericano de Perforacin - Noviembre 2002 Acua, Herman Harrell, D.R Adapting Probabilistic Methods to Comform to Regulatory Guidelines Paper SPE 63202 - presentado en SPE Annual Techical Conference and Exhibition- Dallas Octubre 2000 @Risk- Risk Analysis and Simulation add-in for Microsoft Excel, Release 4.0 Users Guide, Paisade Corporation; Newfield New York USA 2000.
NOTAS:
154
Referencias Bibliogrficas
Murtha, James When Does Correlations Matter ?, Artculo pubicado en la Revista Risk Anlisis for the Oil Industry Harts E&P USA 2000. Modarres, Mohammad; Kaminsky, Mark; Kritsov, Vasily. Reliability Engineering and Risk Analysis. Marcel Dekker, New York USA 1999. Escobar, Luis - Meeker, William Statistical Methods for Reliability Data - John Wiley & Sons, LTD. New York USA 1998. Otis, Robert Scheidermann, Nahum A Process for Evaluating Exploratin ProspectsAAPG Bulletin, V.81, No 7, July 1997 Murtha, James Incorporing Historical Data in Monte Carlo Simulation, Paper SPE 26245, presentado en la Petroleoum Computer Conference en New Orleans USA 1993. Cosse, Rene Basics of Reservoirs Engineering Instituto Frances del Petroleo; Gulf Publishing Company, Houston USA 1993. Biswas, Suddhendu Topics in Statistical Methodology- John Wiley & Sons, LTD. New York USA 1991 Newendorp, P.D A Method for Treating Dependencies Between Variables in Simulation Risk Analysis Models Paper SPE 5581, USA 1976
NOTAS:
155

Manual Estadística E&P

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Manual Estadística E&P

Загружено:

Авторское право:

Доступные форматы

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

6. Anlisis de Riesgo en Carteras de Proyectos de Perforacin y Rehabilitacin

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Maana Anlisis de Riesgo en Carteras de Proyectos

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Anlisis de Riesgo en Proyectos de Perforacin y Rehabilitacin

Anlisis de Riesgo en Carteras de Proyectos de Perforacin y Rehabilitacin

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

p(X=xi) representa la probabilidad que la variable aleatoria X tome el valor xi.

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Distribuciones de Probabilidad no Paramtricas Histogramas de Frecuencia

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Distribuciones de Probabilidad no Paramtricas Histogramas de Frecuencia

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Distribuciones de Probabilidad no Paramtricas Histogramas de Frecuencia - Ejemplo No 2

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Distribuciones de Probabilidad no Paramtricas Histogramas de Frecuencia - Ejemplo No 2

0.1 0.05 0.125 0.2 0.2 0.15 0.15 0.025

0 . 086 < 0 . 108 0 . 108 < 0 . 130

0 . 218 < 0 . 240

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Distribuciones de Probabilidad no Paramtricas Histogramas Acumulados Directos - Ejemplo No 2 Solucin (cont.)

Histograma Acumulado Directo

Frecuencia acumulada F i =N i /40

0 . 130 < 0 . 152

0 . 196 < 0 . 218 0 . 218 < 0 . 240

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva

Distribuciones de Probabilidad no Paramtricas Histogramas Acumulados Directos - Ejemplo No 2 Solucin (cont.)

p( 0.24 )=1=100% p( 0.218)=0.975=97.5% p(>0.174 )=(1-0.675)=0.325=32.5% p( o.174) + p(>0.174) = 1

Reliability and Risk Management (R2M) 2003

Curso: Evaluacin de Recursos y Riesgos en Actividades de Exploracin y Produccin.

Probabilidad y Estadstica Descriptiva