METODOLOGIA METODOLOGIA DE ANALISIS DE RIESGO AL PORTAFOLIO DE OPORTUNIDADES OPORTUNIDADES DE PRODUCCION
MAYO 2001
PDVSA
CUALQUIER ADICIONAL
INFORMACIÓN REFERENTE
A
O
REQUERIMIENTO
LA
METODOLOGÍA
DESARROLLADA EN EL PROYECTO DE ANÁLISIS DE RIESGO CONTACTAR AL GRUPO DE PLANIFICACIÓN ORIENTE - GERENCIA DE PLANES Y ESTRATEGIAS.
INDICADOR
TELEFONO
LUIS FELIPE BORGES
BORGESLF
34319
LUIS SISCO
SISCOL
34450
ALEJANDRO GONZALEZ
GONZALEZAVI
36286
ZALLINEY FERNANDEZ
FERNANDEZZ
36320
CARLOTA MELENDEZ
MELENDEZC
34447
PDVSA
CUALQUIER ADICIONAL
INFORMACIÓN REFERENTE
A
O
REQUERIMIENTO
LA
METODOLOGÍA
DESARROLLADA EN EL PROYECTO DE ANÁLISIS DE RIESGO CONTACTAR AL GRUPO DE PLANIFICACIÓN ORIENTE - GERENCIA DE PLANES Y ESTRATEGIAS.
INDICADOR
TELEFONO
LUIS FELIPE BORGES
BORGESLF
34319
LUIS SISCO
SISCOL
34450
ALEJANDRO GONZALEZ
GONZALEZAVI
36286
ZALLINEY FERNANDEZ
FERNANDEZZ
36320
CARLOTA MELENDEZ
MELENDEZC
34447
PDVSA
LISTA DE FIGURAS Pag. Figura Figura 1. Retorno vs Riesgo.
2
Figura 2. Modelo de un Árbol de Decisión.
6
Figura 3. Modelo de un Diagrama Tornado.
7
Figura 4. Metodología Proyecto Piloto.
4
Figura 5. Barra de herramientas del Crystal Ball
13
Figura 6. Modelo de base de datos.
14
Figura 7. Modelo de base de datos.
14
Figura 8. Icono Define Assumption.
15
Figura 9. Galería de Distribuciones Probabilísticas. Probabilísti cas.
15
Figura 10. Galería de Distribuciones Probabilísticas ..cont.
16
Figura 11. Selección de un rango de datos.
17
Figura 12. Selección de un rango de datos, opciones.
18
Figura 13. Modelo Distrib. Probabilística.
18
Figura 14. Curvas de ajuste de data real.
19
Figura 15. Distribución continua Log-Normal.
20
Figura 16. Modelo de base de datos.
21
Figura 17. Determinación probabilística del POES.
21
Figura 18. Modelo de hoja de cálculo.
22
Figura 19. Icono Define Forecast.
22
Figura 20. Descripción del Define Forecast.
23
Figura 21. Ubicación del icono Run Preferences.
21
Figura 22. Icono de Start Simulation.
22
Figura 23. Modelo de resultado probabilístico probabilístico del POES. POES .
25
PDVSA
i
Pag. Figura 24. Distribución Normal.
28
Figura 25. Distribución Triangular.
28
Figura 26. Generación de una distribución probabilística a un
grupo de datos.
29
Figura 27. Distribución Probabilística .
30
Figura 28. Distribución Probabilística Uniforme.
31
Figura 29. Información Bench Marking en Factor de Recobro
33
Figura 30. Distribución Probabilística del Factor de Recobro.
33
Figura 31. Determinación Probabilística de Reservas.
34
Figura 32. Resultados probabilísticos de POES y Reservas.
35
Figura 33. POES probabilístico = POES oficial en libro.
36
Figura 34. POES probabilístico > POES oficial en libro.
36
Figura 35. POES probabilístico < POES oficial en libro.
37
Figura 36. POES probabilístico >>> POES oficial en libro.
38
Figura 37. Información estadística resultante.
38
Figura 38. Tabla de percentiles en Crystal Ball.
40
Figura 39. Definición de nombre de una celda en Excel.
40
Figura 40. Diagrama Tornado tipo.
41
Figura 41. Análisis por barra del Diagrama Tornado.
42
Figura 42. Distribución probabilística de producción.
44
Figura 43. Modas estadísticas por año.
45
Figura 44. Modas estadísticas por año por tipo de pozo.
45
PDVSA
ii
Pag. Figura 45. Comparación estadística de producción con el PDO.
46
Figura 46. Perfil de producción SIPEP.
47
Figura 47. Distribución probabilística de Reservas.
47
Figura 48. Perfil de producción SIPEP y más probable.
48
Figura 49. Distribución probabilística de Reservas con certidumbre del 25%. Figura 50. Curva de probabilidad acumulada invertida.
49 50
Figura 51. Banda de producción basada en la moda estadística.
50
Figura 52. Taba de variación de inversiones en proyectos ejecutados.
52
Figura 53. Distribución probabilística de variación de las inversiones de proyectos.
53
Figura 54. Distribución probabilística de variación de las inversiones de perforación.
53
Figura 54. Tabla de variación de los renglones presupuestarios.
54
Figura 55. Distribución probabilística de variación del presupuesto de gastos.
55
Figura 55. Variaciones de la actividad planificada versus la real ejecutada.
55
Figura 56. Porcentaje de variación para cada renglón presupuestario.
PDVSA
57
iii
Pag. Figura 57. Modelo de hoja de Evaluación Económica probabilística.
58
Figura 58. Modelo de hoja de Evaluación Económica probabilística.
59
Figura 59. Modelo de hoja de Evaluación Económica probabilística.
60
Figura 60. Modelo de distribución probabilística de VPN
61
Figura 61. Probabilidad acumulada invertida.
61
Figura 62. Riesgo Real.
62
Figura 63. Margen de Oportunidad Real.
63
Figura 64. Margen de Oportunidad Firme y Esperado.
64
Figura 65. Jerarquización de paquetes.
65
PDVSA
iv
DEFINICIONES BÁSICAS
›
DISTRIBUCION PROBABILÍSTICA
Comportamiento de la frecuencia de ocurrencia de una variable o grupo de variables. ›
CERTIDUMBRE
Es el porcentaje de chance de que un valor pronosticado caiga dentro de un rango especifico. ›
SIMULACION
Es un método analítico que trata de imitar un sistema real, especialmente cuando el sistema es muy complejo o difícil de reproducir. ›
SIMULACION MONTE CARLO
Método de simulación 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 distribución probabilistica de la variable.
PDVSA
v
›
MEDIA: Comúnmente conocida como Media aritmética o promedio aritmético, se define como la sumatoria del conjunto de valores o resultados obtenidos de un experimento dividido por el número total de valores sumados.
›
MEDIANA: Es el valor del conjunto de resultados, con igual número de valores mayores y menores a él. Es el valor central del conjunto de resultados una vez que éstos ha sido ordenados numéricamente en forma decreciente.
›
MODA: Es el valor, del conjunto de resultados, que se repite o aparece mayor numero de veces.
Cuando la curva de distribución probabilística tiene un comportamiento Normal, la Media, la Mediana y la Moda coinciden en el punto de mayor probabilidad.
PDVSA
vi
ÍNDICE LISTA DE FIGURAS
i
DEFINICIONES BÁSICAS
v
INDICE
vii
1. INTRODUCCIÓN
1
2. OBJETIVO GENERAL DEL PROYECTO
4
3. OBJETIVOS ESPECÍFICOS
4
4. SOFTWARE UTILIZADOS
5
5. METODOLOGIA
8
5.1. Generación de Distribuciones Probabilísticas
13
5.2. Análisis Probabilístico Reservas
26
5.2.1.
Distribución Prob. del POES
27
5.2.1.1. Distrib. Prob. del Área
28
5.2.1.2. Distrib. Prob. de Porosidad/ Saturación
29
5.2.1.3. Distrib. Prob. de Arena Neta Petrolífera
30
5.2.1.4. Distrib. Prob. de Factor Volumétrico
31
5.2.2.
Distribución Prob. de Factor de Recobro
32
5.2.3.
Determinación de Reservas
34
5.2.4.
Generación de Diagramas Tornados
39
5.3. Análisis Probabilístico de Producción
43
5.4. Banda de Producción
47
5.5. Análisis Probabilístico de Inversiones
52
5.6. Análisis Probabilístico de Gastos
54
5.7. Evaluación Económica
58
PDVSA
vii
ÍNDICE ANEXOS
66
ANEXO A: Presentación de metodología ANEXO B: Presentación de resultados
PDVSA
viii
1. INTRODUCCIÓN Tradicionalmente el esquema de evaluación de proyectos en PDVSA ha sido netamente determinístico. La jerarquización del Portafolio de Oportunidades y el Plan de Negocios, la hacemos a través del método determinístico donde utilizando la mejor información disponible desarrollamos los paquetes basados en valores puntuales de sus variables técnicas y financieras. Así, una vez determinados sus indicadores financieros de TIR, Eficiencia de Inversión, Valor Presente Neto y tiempo de Pago, jerarquizamos los paquetes desde el de mayor retorno hasta el de menor. Pero ¿Cuál es el nivel de Riesgo asociado a cada uno de estos paquetes? , ¿Cómo medimos el Riesgo?. En la actualidad la única herramienta es a través de los PostMortem de los proyectos, en donde midiendo la variación entre lo planificado y lo real tenemos una idea del riesgo inicial asociado a un proyecto especifico.
Pero nos preguntamos: ¿Són éstos
resultados extrapolables a todos los paquetes del Portafolio?. Y, adicionalmente, ¿Pudiesen estos resultados cubrir los detalles específicos de riesgos asociados a cada proyecto, es decir, inversiones, gastos, volumetria de crudo y gas, etc.?. La respuesta no es directa. Es por esta razón que es necesario hacer un alto en el enfoque tradicional de jerarquizar y tomar decisiones en la formulación del Plan de Negocios de producción, e introducir mejoras que permitan visualizar estos riesgos a lo largo de toda la cadena de valor. Y estos a su vez discriminados en función de sus variables
PDVSA
técnicas y financieras, para así poder conformar un sólido plan de negocios. Los tomadores de decisión necesitan contar con una herramienta que les permita cuantificar el Riesgo de los paquetes que conforman el Portafolio en términos monetarios, es decir, determinar que porción del retorno esperado del proyecto esta sujeto a varianza. Es así como respondemos el ¿Por Qué? hacer el Análisis de Riesgo. Porque como empresa, necesitamos tener una mejor Visión Financiera del Portafolio. Se requiere sincerar los retornos calculados en los paquetes del Portafolio y ponderar así entre el Riesgo y el beneficio esperado. Así podremos ubicarnos dentro de los ejes mostrados en la figura y medir el Riesgo asociado a nuestro Portafolio en función del retorno esperado. Hoy en día no podemos aseverar a nivel de detalle cuales son los paquetes que agregan Riesgo a nuestro Plan de Negocios ni cuales son las incertidumbres de las variables Técnicas y Financieras que lo conforman.
VPN (MM$)
?
¿Dónde estamos ubicados?
Riesgo (MM$) Figura 1. Retorno Vs Riesgo
PDVSA
Nuestro Plan de Negocios esta orientado a maximizar la creación de valor al accionista. No obstante todos compartimos que esta sujeto a una serie de riesgos de mercado, Operacionales de Indole Técnica y Financiera, Riesgos Tecnológicos y de entorno. La propuesta es que tenemos que gerenciar estos riesgos a través del análisis de decisión y Riesgo para lo cual tenemos los siguientes retos: 1. Primero tenemos que identificar y Gerenciar el riesgo asociado a los negocios que forman parte de nuestro portafolio. 2. Segundo tenemos que optimar la distribución de recursos y dirigirlos a aquellas áreas que contribuyan a disminuir el riesgo implícito en los negocios. 3. Y tercero tenemos que valorar la contribución de cada unidad de negocio y su riesgo asociado para así lograr claridad financiera y soportar los principios de gerencia de activos (Asset Management). Solo así podremos tener un portafolio balanceado y alineado con la Orientación estratégica de la Corporación. Para desarrollar la metodología se integró un equipo de trabajo multidisciplinario bajo la modalidad de Proyecto Piloto en donde se seleccionaron 11 paquetes del PDO pertenecientes a las Unidades de Explotación Furrial, Carito y Pirital. Estos once paquetes representan el 51% de VPN del portafolio de Producción Oriente y consideran el 44% de las reservas de crudos C/L/M. PDVSA
2. OBJETIVO GENERAL DEL PROYECTO El objetivo general del proyecto piloto es el de determinar el riesgo Técnico y Financiero en términos monetarios asociado al portafolio de oportunidades de PDVSA Oriente, con el fin de servir de base en la toma de decisión para la formulación del plan de negocios de PDVSA. 3. OBJETIVOS ESPECÍFICOS Para lograr el objetivo general se trazaron los siguientes objetivos específicos: • Establecer una metodología que permita a PDVSA Producción
realizar
evaluaciones
económicas
de
sus
proyectos,
considerando los riesgos asociados y las sensibilidades requeridas para el análisis de los proyectos de las Unidades de Explotación. • Determinar un índice de jerarquización que considere el riesgo
implícito en términos monetarios, que permita gerenciar la cartera de proyectos de las U.E. referidas. • Proveer a las U.E. con las herramientas adecuadas para
realizar análisis de decisiones y riesgo. • Entrenar al equipo de trabajo en el uso de las herramientas
implantadas durante el proyecto.
PDVSA
4. SOFTWARES UTILIZADOS Las herramientas utilizadas dentro de esta metodología son las siguientes: 1.- Crytal Ball 2000 – Excel 2.- Decision Tree š
CRYSTAL BALL
El Crystal Ball 2000 es un programa complementario del Excel (Add-in), propiedad de la empresa “Decisioneering”. Este software de fácil utilización, permite determinar las distribuciones probabilísticas de una serie de datos específicos o en su defecto asignar a una serie de datos un comportamiento conocido o estimado en base a criterios de expertos. El Crystal Ball esta orientado a la representación gráfica del riesgo e incertidumbre basados en la aplicación de la técnica de Montecarlo. A lo largo de la metodología se describe su aplicación practica dentro del contexto de análisis de riesgo al PDO. Sin embargo esta herramienta posee un potencial complementario para otro tipo de análisis y toma de decisiones.
PDVSA
š
DECISON TREE
El Decision Tree es una herramienta perteneciente a la Suite de aplicaciones de la empresa MERAK-Schlumberger , el cual se utilizó para la generación de los árboles de decisión y diagramas de tornado. Los árboles de decisión permiten determinar a través de la utilización de la teoría
Bayesiana, la probabilidad de
ocurrencia de un evento considerando las incertidumbres de cada una de las variables involucradas. Un modelo del árbol generado en la herramienta “Decision Tree” se muestra en la figura 2:
Valor mas probable de reservas
Figura 2. Modelo de un árbol de Decisión
El diagrama de tornado permite visualizar la contribución a la varianza que sobre un elemento en particular, por ejemplo: PDVSA
Reservas,
afectan las incertidumbre de cada variable que
intervienen en su cálculo (Area, Porosidad, etc). Así mismo el diagrama tornado permite determinar el riesgo y la oportunidad presente en cada variable, de esta forma, permite la identificación de las áreas en donde se deben asignar los recursos financieros y humanos a objeto de maximizar las oportunidades y minimizar los riesgos.
RIESGOS
OPORTUNIDADES
Figura 3. Modelo de un Diagrama Tornado
PDVSA
5. METODOLOGIA: El Análisis de Riesgo puede ser desarrollado a través de dos métodos. El primero, basado en el comportamiento probabilístico de las variables, soportándose con la información real medida en campo (data dura) y validada a los niveles correspondientes. La información estadística “validada” refleja el comportamiento inequívoco de las variables, dando un mejor soporte técnico y confiable a los resultados del análisis. El segundo método, esta asociado a la opinión de expertos, utilizándose en los casos donde la información existente es escasa o no se dispone de ella; sin embargo se agrega un mayor nivel de incertidumbre a los resultados del análisis al ser esta metodología dependiente de la experticia de la persona consultada; en consecuencia tiende a ser cualitativa. El Proyecto
Piloto
se
fundamentó en una metodología
cuantitativa considerando el análisis estadístico de la data real de campo; desarrollándose esta en seis macro-etapas: š
Determinación probabilística de Reservas: Está basado en el análisis de incertidumbre de Reservas y soportado en el comportamiento estadístico de las variables de entrada a la ecuación para la determinación del POES (Area, Espesor, Porosidad, Saturación de petróleo, Factor Volumétrico). El otro
PDVSA
parámetro asociado para la determinación de reservas es el factor de Recobro, el cual se basó en resultados reales de yacimientos( “Bench Mark”)., a nivel nacional e internacional, con características similares a los estudiados, sometidos a proyectos de recuperación secundaria por inyección de agua y/o gas š
Análisis de la capacidad de Producción por área, esta soportado por el comportamiento real de Producción por Pozo/ Yacimiento de los últimos cuatro años de producción. Construyéndose la curva de distribución para luego comparar este resultado con el perfil de producción plasmado en el Portafolio de Oportunidades (PDO).
š
Construcción de las Bandas de Producción, a partir de la distribución probabilística de las reservas de petróleo y gas .
š
Determinación de varianza en Operación e Inversión,
los presupuestos de
para ello se consideró los
desembolsos realizados en los tres últimos ejercicios presupuestarios de gastos y en cuanto al de inversión, los resultados
de
proyectos
ejecutados
y
cerrados
financieramente, así como, las variaciones en perforación y completación de pozos. š
VPN más probable, se determinó utilizando como insumo base, las distribuciones probabilísticas generadas en los
PDVSA
puntos anteriores y la información por paquete contenida en el SIPEP (Sistema Integrado de Planificación de Exploración y Produccion); a través de una hoja integrada “Excel - Crystal Ball”, desarrollada por el grupo ejecutor del Proyecto Piloto. š
Análisis al PDO / Frontera de Eficiencia. Para implementar el concepto de análisis de riesgo, en el proyecto piloto se tomó como punto de partida el conjunto de paquetes (11 paquetes) asociados al 50% del VPN de la región Oriente. Estableciendo para los paquetes analizados, comparaciones en el ámbito de Riesgo-Rentabilidad, considerándose nuevos parámetros de
jerarquización para el PDO; así como, la construcción de la Frontera de Eficiencia para el Portafolio Oriente. Para ilustrar todo lo antes citado, en el siguiente diagrama se visualiza la metodología desarrollada en el proyecto:
PDVSA
METODOLOGÍA PROYECTO PILOTO FUERZA FUERZA HOMBRE HOMBRE • YACIMIENTOS • YACIMIENTOS • PRODUCCIÓN • PRODUCCIÓN • • INFRAESTRUCTURA INFRAESTRUCTURA • PERFORACIÓN • PERFORACIÓN • PLANTAS • PLANTAS • PLANIFICACIÓN • PLANIFICACIÓN
SELECCIÓN DE PAQUETES DEL PDO IDENTIFICACION DE ÁREAS/ YACIMIENTOS
• ENTRNAMIENTO. • ENTRNAMIENTO. ••SOFWARE SOFWARE METODOLOGIA METODOLOGIA •• METODOLOGIA •PROCURA/ •PROCURA/INSTALACIÓN INSTALACIÓN DE DE HERRAMIENTAS HERRAMIENTAS
DISTRIBUCIÓN PROBABILÍSTICA DE VARIABLES TECNICO-FINANCIERAS (CRYSTAL BALL / DECISION TREE (MERAK))
RESERVAS F Data
Real P/ cálculoPOES volum : (Referenciada a cada yacimiento) ê Distrib. Prob. Porosidad. ê Distrib. Prob. Saturación. ê Distrib. Prob. Espesores ê Distrib. Prob. Area del yacim. ê Distrib. Prob. Factores Volum.
F Distrib
Probab. Reservas: (Referenciada a cada yacimiento)
PRODUCCION
GASTOS
F Data
Histórica Producción por pozo : (Referenciada a cada yacimiento) Disponibles en Sistemas Corporativos
F Data
Histórica Presu. de gastos : (1998, 1999 y 2000) ê Comparación
ê Distrib.
Prob de MBD/Pozo (1996, 1997, 1998, 1999 y 2000) ê Gráfica de MBD/Pozo mas probable para cada año. ê Comparación con plan PDO 2000-19 F Generación
Plan Vs Real / año (Bs plan Vs Bs Real) ê Comparación Plan Vs Real / año (Acti. plan Vs Activ. Real ejecutada) ê Determinación Probabilidad de varianza .
de bandas de producción
ê Bench
Marking Internacional de Factores de Recobro por tipo de proyecto de Recup . Secundaria.
FComparació n
(-)
F Diagramas
(+)
F Diagramas
Tornado de reservas probables/ Variables técnicas
de la desviación Presupuesto/ Actividad, Por año tornados.
EVALUACIÓN ECONÓMICA DE LA CARTERA VPN Esperado
INVERSIONES F Data
Histórica de Proyectos de Inv: Plan Vs Real (Bs plan Vs Bs Real) ê Determinación Probabilidad de varianza . ê Comparación
FData
Histórica de Perforación Plan Vs Real (Bs plan Vs Bs Real) ê Determinación Probabilidad de varianza por tipo de pozo. ê Comparación
FDiagramas
Tornado
(-) NUEVOS CRITERIOS DE JERARQUIZACIÓN
Fgura 4. Metodología Proyecto Piloto.
Partiendo de la información contenida en el flujograma anterior, la primera parte de la metodología de trabajo contempla la selección de los paquetes del PDO para realizarle el Análisis de Riesgo. Paso seguido,
se identifican
asociados a cada paquete
los campos y/o yacimientos
a fin de recopilar la información
necesaria asociada a la determinación del POES como la de producción de la acumulación de hidrocarburos en estudio; la cual es el insumo necesario para desarrollar las tres primeras “Macroetapas”. La otra parte de la información requerida para el análisis corresponde a la variación estadística de los presupuestos de
PDVSA
operación e inversión, de las Unidades de Explotación involucradas en los paquetes seleccionados. El siguiente paso corresponde a la generación de la distribución probabilística de cada variable, utilizándose la
herramienta
“Crystal Ball”, permitiendo realizar distribuciones probabilísticas, de manera fácil y amigable, a un conjunto de datos para posteriormente,
mediante la simulación Monte Carlo, combinar
las diferentes distribuciones de cada variables para obtener el comportamiento probabilístico de una macrovariable, por ejemplo: POES, Reservas, VPN, entre otras.
En la siguiente sección se detallará paso a paso el procedimiento seguido para la generación del comportamiento probabilísticas de las variables de interés.
PDVSA
5.1 GENERACIÓN DE DISTRIBUCIONES PROBABILÍSTICAS UTILIZANDO EL SOFTWARE “CRYSTAL BALL”. Para generar una Distribución Probabilística a
partir de un
conjunto de datos reales, se utiliza la herramienta “Crystal Ball”. Este “Software” debe estar instalado en la “PC” o a nivel de Red, el cual al ser activado, presentará un libro Excel con una barra de herramientas adicional a la tradicionalmente conocida en este programa, tal y como se muestra en la figura 5:
Figura 5. Barra de Herramientas del Crystal Ball
Para la generación de las distribuciones probabilísticas se debe seguir el siguiente procedimiento: a.- En una hoja Excel, con la aplicación de “Cristal Ball activada” se organiza la información sujeta al análisis, por ejemplo, un conjunto de datos asociados a pozos, en este caso: espesor, porosidad, saturación y/ó cualquier otro parámetro de interés, tal como se muestra en figura 6:
PDVSA
Figura 6. Modelo de base de datos
b. Se ubica el cursor y se activa la celda de la variable sujeta al análisis. Ver Figura 7:
Figura 7. Modelo de base de datos
Esta celda debe estar definida por un valor numérico colocado manualmente, “no puede ser ni una celda con fórmula ni una
PDVSA
celda en blanco”, de lo contrario esta variable no podrá ser definida por
“Cristal Ball”. Generalmente, se coloca el valor
promedio del conjunto de datos asociados a dicha variable o el valor de “cero” c.- Una vez ubicados en la celda correspondiente se hace un “click” en el icono de “Define Assumption” (Ver figura 8), sobre la barra de herramientas para activar la distribución probabilística:
Figura 8. Icono Define Assumption
El programa mostrará automáticamente la galería de modelos probabilísticos, tal como se muestra en la figura 9:
Figura 9. Galería de distribuciones probabilísticas
PDVSA
Para visualizar los restantes modelos probabilísticos se hace un “click” en el cuadro “More” y se mostrará las distribuciones restantes incorporadas en la galería
Figura 10. Galería de distribuciones probabilísticas ..cont.
Para seleccionar alguna
de las curvas de la galería se hace
un “click” sobre la distribución de preferencia. d.- Si se conoce, previamente el comportamiento probabilístico de la variable, se selecciona directamente el modelo de la galería, en caso contrario se hace “click” en el recuadro “Fit” para generar la
distribución
probabilística
capaz
de
reproducir
el
comportamiento de la data real. El programa mostrará en pantalla un recuadro donde el usuario
indicará
el rango de datos a
cotejar probabilísticamente, tal como lo muestra la figura 11:
PDVSA
En este recuadro se indica el rango de los datos a ser graficado, en este ejemplo desde la celda C2 hasta la C33
C2:C33
Figura 11. Selección de un rango de datos
En
este ejemplo se seleccionan los datos contenidos en la
columna “C”, (30 valores en total). e.- Se hace un “click” en el recuadro “Next” para ir a la siguiente pantalla, en este momento se activarán las opciones indicadas en la figura 12. Para finalizar se hace “click” en el recuadro “OK”.
PDVSA
Se activan las opciones “All Continuous Distributions” y “Show Comparation Chart…” para visualizar todo el espectro de posibilidades. Figura 12. Selección de un rango de datos, Opciones
f.- El programa muestra en cada una
de
las
gráficas
la
comparación entre el modelo probabilístico generado y la data real tal como se muestra en la figura 13.
Las
barras
Figura 13. Modelo distrib. probabilística
corresponden a la información real y la línea corresponde a la distribución probabilística ajustada a ese conjunto de datos. El programa muestra por defecto el modelo con el mejor ajuste; sin embargo, es posible seleccionar otro tipo de distribución. Para ello se hace click el botón de “Next Distribution”, visualizándose la gama completa (11
PDVSA
distribuciones), pudiéndose seleccionar
aquella con mejor aproximación según el criterio del grupo de expertos.
La figura 14, muestra el ejemplo de la gama de
distribuciones:
1. Logistic Distribution
2. Normal Distribution
3. Weibul Distribution
4. Beta Distribution
5. Gamma Distribution
6. Lognormal Distribution
7. Extreme Value Distribution
8. Triangular Distribution
9. Uniform Distribution
10. Pareto Distribution
11. Beta Distribution
Figura 14. Curvas de ajuste de data real
PDVSA
Una vez seleccionada la distribución mas representativa, se hace click
en
el
botón
“Accept”
y
el
programa
asignará
automáticamente la distribución probabilística de la variable a la celda donde estaba ubicado el valor determinísticos (para el ejemplo, porosidad prom.=12.4%). En este caso el mejor ajuste de los datos reales se obtiene para una distribución del tipo LogNormal (Curva N°6 de la figura 14):
Figura 15. Distribución Continua Log-Normal
En consecuencia, el valor de la celda C35, esta ahora definida por un comportamiento Log-Normal, con una Media de 11.82, Desviación Estándar 1.83, con un rango de datos desde 7.35 hasta 18.54. Haciendo un click en el recuadro “OK” el programa retorna a la hoja de datos (Ver figura 16), enfatizándose lo antes citado donde ahora la celda deja de ser un valor y es redefinida por un comportamiento probabilístico.
PDVSA
Figura 16. Modelo de base de datos
Este procedimiento se repite para cada una de las variables. g.- Finalizada la selección del respectivo modelo probabilístico para cada variable, se procede a identificar la celda de la macrovariable la cual será producto de una ecuación matemática (En el ejemplo, POES), donde intervienen las variables definida en el paso anterior:
POES=
7758*A*ANP* φ *(1−Sw) βoi
Figura 17. Determinación probabilística del POES.
PDVSA
La celda del POES es producto de una fórmula, condición esta a definirse en “Crystal Ball”. Para ello, se selecciona la celda del resultado (POES), tal como se muestra en la figura 18:
Figura 18. Modelo de hoja de cálculo
Luego se selecciona el icono “Define Forecast” de la barra de herramientas:
Figura 19. Icono Define Forecast.
Este icono le indica al sistema la ejecución de una ecuación en donde el resultado será una distribución probabilística calculada, a partir de una Simulación Montecarlo. El sistema
PDVSA
muestra automáticamente un recuadro donde se identificará la variable a determinar.
(MMBLS)
Figura 20. Descripción del Define Forecast
Haciendo “click” en “OK”, la celda quedará automáticamente definida. h.- Una vez definidas todas las distribuciones probabilísticas de cada variable independiente y las celdas producto de ecuaciones, el programa queda listo para efectuar la simulación Montecarlo, realizando las correspondientes itereaciones
acorde con la
cantidad pre-establecida. Sin embargo, si el usuario desea modificar el numero de iteraciones,
debe activar las opciones
“Run”, de la barra de herramientas de Excel, y luego a “Run Preferences”. El
programa automáticamente mostrará en
pantalla el cuadro donde se colocara el numero de iteraciones deseado:
PDVSA
Figura 21. Ubicación del Icono Run Preferences
Mientras mayor sea el número de variables involucradas, el numero de combinaciones se incrementa y por ende deberá
ser
el
numero
de
iteraciones
a
mayor
seleccionar,
recomendándose utilizar un mínimo de 10.000 iteraciones. Para iniciar el calculo, se hace click en el icono “Start Simulation” de la barra de herramientas:
Figura 22. Icono de Start Simulation
PDVSA
En este momento se observará en pantalla todas las iteraciones realizadas por el programa.
El resultado tendrá ahora una
distribución probabilística definida, la cual será producto de combinar aleatoriamente las distribuciones asociadas a cada variable.
Figura 23. Modelo de Resultado Probabilístico del POES
La moda de la distribución resultante, corresponderá al valor más probable de esa variable y podrá ser comparado con el valor determinísticos y/o oficial manejado en el área. Esta distribución dará el rango completo de los valores posibles de esta variable.
PDVSA
5.2.- ANÁLISIS PROBABILÍSTICO DE RESERVAS El Análisis de Riesgo Técnico contempla la determinación de la Distribución Probabilística de las Reservas de hidrocarburos y su comparación con las Reservas Oficiales en Libro. Este análisis permite
cuantificar
la
certidumbre
de
los
compromisos
volumétricos contemplados en el PDO. Previo a la construcción
de este modelo probabilístico, es
indispensable la validación de la data de entrada a utilizar, por su influencia en la calidad
de los resultados finales. Por otra
parte, de ser necesario, se debe considerar la posibilidad de sectorizar el yacimiento a fin de reproducir el comportamiento real de una o mas variables utilizadas para el determinar el “POES por área” y luego integrar la partes. Esto con la finalidad de lograr distribuciones más representativas para alcanzar un mayor grado de ajuste. Para asegurar la confiabilidad de los resultados, creación
de
equipos
multidisciplinarios
se requiere la
conformado
por
Petrofísicos, Geólogos e Ingenieros de Yacimientos, con alto grado de dominio del yacimiento y/o área de manera de disponer de los mejores criterios para la segregación de la información. A continuación se describe el procedimiento a seguir:
PDVSA
5.2.1.5.2.1 .- DISTRIBUCIÓN PROBABILÍSTICA DEL POES. La primera fase contempla la estimación Probabilística del POES, utilizándose para ello, la fórmula del método volumétrico:
POES =
7758 * AREA * AN ANP P * * (1− Sw) βoi
POES=
BN
AREA=
Acres
ANP (Arena (Arena Neta Neta Petrolífer Petrolífera)= a)=
Pies
φ (Porosidad) =
%
Sw (Saturación Agua) =
Fracción
βoi = Factor Volum. del del Petróleo= (BY/BN)
Es importante hacer nuevamente nuevamente la siguiente acotación: Cada una de las variables involucradas en este cálculo (A, ANP, φ Sw, determinístico, βoi) ya no estarán identificadas como un valor determinístico, por el contrario, cada una de ellas estará definida por una distribución probabilística.
PDVSA
5.2.1.1.- AREA La incertidumbre de este parámetro depende de la metodología empleada para determinar el área del yacimiento. Generalmente se dispone de un único valor de área definido por los especialistas, especialist as, ubicándose ésta en el libro de reservas. Cuando
la
información
es
insuficiente para generar una curva de distribución probabilística, los versados
en
recomiendan el distribución
la
materia
uso
de
normal
con
la una
Figura 24. Distribución Normal
desviación estándar del 10% o ir disminuyendo en concordancia con el incremento del del grado de definición definición de la variable variable estudio, en este caso, el Area de la acumulación. Si se dispone de dos o tres posibles valores
de área
una
buena aproximación es considerar una
distribución
probabilística
triangular, en este caso, requiere de valores mínimo, máximo y más probable,
Figura 25. Distribución Triangular
los cuales se colocarán directamente en el
programa. La selección de una u otra forma de evaluación requiere del consenso de los expertos del yacimiento en estudio.
PDVSA
5.2.1.2.5.2.1.2 .- POROSIDAD/ SATURACIÓN En el caso de disponer de un volumen de datos, previamente validados, de la petrofísica
detallada para cada pozo y
yacimiento, se procederá a llevar dicha información a una hoja Excel. El paso siguiente consistirá en la correspondientes
distribuciones
generación de las
probabilísticas
según
el
procedimiento descrito en la sección 5.1.
Figura 26. Generación de una distribución probabilística a un grupo de datos.
Es importante tener en cuenta lo siguiente, mientras mayor es el nivel de data disponible, mejor será el ajuste de los datos reales a PDVSA
una distribución probabilística en “Crystal Ball”. De esta forma el valor promedio obtenido es mas representativo, es decir, con un mayor grado de certidumbre. Si el análisis se realiza en un yacimiento conformado por múltiples estratos, se debe considerar la información asociada a todos los pozos en donde dichos horizontes estén presentes, aun cuando éstos no sean objetivo de producción. Por lo general los estratos supra e infrayacentes al productor, disponen de un menor grado de información, dificultando el análisis probabilístico, situación ésta a considerar para su reversión en el futuro próximo. Si al observar la gráfica de distribución se diferencian varias tendencias, se deben crear regiones y tratar cada sector del yacimiento de manera separada para asegurar un mejor ajuste. 5.2.1.3.- ARENA NETA PETROLÍFERA La
construcción
distribución
de
probabilística
la de
este parámetro es similar al aplicado
al
renglón
de
porosidad / saturación, así como la premisa de considerar tendencia visualizada.
PDVSA
Figura 27. Distribución Probabilística
el análisis individualizado de cada
5.2.1.4.- FACTOR VOLUMÉTRICO INICIAL DEL PETRÓLEO La distribución asignada a este parámetro dependerá de la cantidad de análisis de ensayos PVT (Presión, Volumen y Temperatura) disponibles en cada uno de los yacimientos. De contar con varios análisis se utiliza toda la información disponible para generar la distribución probabilística según el procedimiento explicado anteriormente. En su defecto, de disponer un único PVT se recomienda utilizar una distribución probabilística uniforme.
1.3
1.35
1.4
1.45
1.5
Figura 28. Distribución probabilística Uniforme
Por último, una vez definida la distribución probabilísticas de cada variable se procede a la determinación del POES, acorde con lo explicado en la sección 5.1, punto g.
PDVSA
5.2.2.-
DISTRIBUCIÓN PROBABILÍSTICA DEL FACTOR DE
RECOBRO Para generar la distribución probabilística de este parámetro se consideró los resultados reales de proyectos de recuperación secundaria por inyección de agua y gas en yacimientos similares a nivel mundial (“Bench Marking”), incluyendo los resultados hasta la fecha de proyectos ejecutados y en progreso a nivel PDVSA (Tomado
del Informe técnico: "Resultados de Proyectos de Recuperación secundaria”
presentado en el 1er Encuentro Técnico de PDVSA realizado en Junio de 1998)
Los resultados del estudio se visualizan en el siguiente gráfico, donde para el caso de PDVSA el Factor de Recobro, para la fecha, oscila en un rango de 18 a 32% para el caso de inyección de agua y aproximadamente del 35%, en la Inyección de gas; en proyectos aun vigentes y/o sin cierre oficial. En este Bench Marking, en Estados Unidos, los proyectos de Inyección de agua, tienen un promedio de 50% en su Factor de recobro y en aquellos proyectos donde el fluido de inyección es gas natural, los mismos tienen un promedio de recuperación final del 67%.
PDVSA
56 55
TEXAS AGUA (2) LOUSIANA AGUA (2) 51
LOUSIANA AGUA (1) WYOMING AGUA (1) TEXAS AGUA (1) PDVSA AGUA (1) PDVSA AGUA (2) ALASKA GAS
45 40
(1) PATRONES (2) FLANCOS REMANENTE
29 41
70 65
MAR DEL NORTE PDVSA GAS
50 0
10
20
30
40
50
60
70
Figura 29. Información Bench Marking en Factor de Recobro
Con estos elementos se construyó la distribución probabilística característica del Factor de Recobro, utilizándose una distribución triangular (acorde con el criterio descrito en la sección a.1) donde los valores mínimo y máximo del triángulo corresponden con la cifra mas pesimista y
más optimista, respectivamente; de
acuerdo al “Bech Mark “. En cuanto al valor mas probable se consideró
el correspondiente
al estimado
por el modelo
dinámico producto del estudio integrado o el considerado en el Libro de Reservas. El ejemplo de la distribución probabilística resultante se visualiza en la siguiente figura:
Figura 30. Distribución probabilística del Factor de Recobro
PDVSA
5.2.3. DETERMINACION DE RESERVAS Una vez obtenido el POES y el Factor de Recobro probabilístico, se procede a estimar las reservas, según la siguiente ecuación:
R eservas = POES × Fr Tanto el POES como las Reservas pasa de ser “un numero determinístico”
a
una
distribución
probabilistica,
cuyo
comportamiento estará en función del comportamiento real de variables involucradas en su cálculo:
Figura 31. Determinación Probabilística de Reservas.
En estos momentos el resultado de estas dos variables (POES y Reservas), estará definido por una distribución probabilística particular, donde la moda corresponderá al valor más probable y el rango de de la curva mostrará todos los valores posibles. PDVSA
POES mas Probable = 2193 RESERVAS mas Probable = 2193
Figura 32. Resultados probabilísticos de POES y Reservas
En los gráficos resultantes es posible la ubicación del valor oficial, en libro tanto del POES como de Reservas, pudiéndose presentar una de estas cuatro posibilidades:
En el primer caso, las estimaciones posiblemente se realizaron teniendo caracterizado ampliamente el yacimiento permitiendo realizar las estimaciones sobre los valores mas probables de las variables consideradas para determinar el POES y RESERVAS.
PDVSA
Forecast: POES 10,000 Trials
Frequency Chart
33 Outliers
.026
261
.020
195.7
Oficial Libro: 3645 MMBL
.013
130.5
.007
65.25
.000
0 2,000
3,000
4,000
5,000
6,000
Valor mas probable = 3600 MMBL Certainty is 59.03% from 3,600 to +Infinity MMBLS
Figura 33. POES Probabilístico = POES Oficial en Libro
En el segundo caso, cuando el valor en libro es menor al probabilístico, se infiere una menor caracterización del yacimiento y por ende el uso de una información de manera conservadora; en consecuencia, habrá una oportunidad tangible de incrementar dicho valor y una oportunidad de revisar el plan de desarrollo y explotación a niveles superiores al actualmente implementado, requiriéndose de esfuerzos adicionales “posiblemente retribuidos” al lograrse materializar los compromisos por adquirir. Forecast: POES 10,000 Trials
Frequency Chart
27 Outliers
.027
266
Oportunidad
.020
199.5
Oficial Libro: 550
.013
133
.007
66.5
.000
0 300
550
800
1,050
1,300
Valor mas probable = 780 MMBL Certainty is 50.00% from 757 to 1,351 (MMBLS):
Figura 34. POES Probabilístico > POES Oficial en Libro
PDVSA
Cuando el valor en libro es mayor al resultado probabilístico (opción 3), es el caso opuesto al anterior, donde la información es ahora utilizada de manera agresiva, introduciéndose un mayor riesgo en los compromisos volumétricos de producción considerados
en el PDO y una afectación negativa en el VPN
Esperado, requiriéndose de esfuerzos adicionales “posiblemente no retribuidos” para materializar los compromisos adquiridos.
Mayor
Riesgo
asociado Oficial Libro 2490 MMBL
Valor mas probable 1990 MMBL Figura 35. POES Probabilístico < POES Oficial en Libro
Por último, el caso cuatro es aquel donde los valores de POES y RESERVAS están fuera del rango probabilístico, en este caso, se deben maximizar los esfuerzos para re-analizar cada una de las variables asociadas al cálculo y proceder a revisión de los valores considerados oficialmente. En este caso se infiere una alta variabilidad en los factores influyentes en la determinación de POES requiriéndose maximizar la caracterización del yacimiento y/o la incorporación de otras metodologías de apoyo. Éste último caso se muestra en la figura 36.
PDVSA
Oficial Libro 6900 MMBL
Valor mas probable 3200 MMBLS Figura 36. POES Probabilístico >>> POES Oficial en Libro
Para cada ejercicio de distribución probabilística realizado en “Crystal Ball” se obtiene una gama de información estadística asociada con la distribución resultante. Para obtener dicha información se hace “click” en la opción “view” del recuadro de la distribución obtenido en Crystal Ball:
Figura 37. Información Estadística resultante en Crystal Ball
PDVSA
La tabla de información estadística y la información de percentiles, será posteriormente
utilizada como data de entrada en el
programa “Decision Tree” a fin de elaborar los Diagramas Tornado y Arboles de Decisión. Mas adelante se detallará esta parte de la Metodología. 5.2.4. GENERACION DEL DIAGRAMA TORNADO DE RESERVAS UTILIZANDO LA HERRAMIENTA “DECISION TREE” En el proyecto Piloto, se utilizó la Herramienta “Decision Tree” de la empresa MERAK (Geoquest/Schlumberger), para generar los Diagramas Tornado. El objetivo de esta parte, en la metodología de análisis de riesgo, es la generación de gráficos de Reservas en función de cada una de las variables identificándose aquella con mayor impacto en la certidumbre de este valor. Finalizada la generación de distribuciones probabilísticas de cada variable se procede a
cargar la información en el programa
“Decision Tree”. Para ello se requiere generar, previamente en “Crystal Ball”, la información estadística de cada variable (Ver sección 5.2.1, Figura 37), para seleccionar los valores P10, P50 y P90, tal como se muestra en la figura 38:
PDVSA
P20 P50 P80
Figura 38. Tabla de Percentiles en Crystal Ball
El siguiente paso es, organizar la información en una hoja Excel, donde se define un nombre a cada variable, es decir, la celda donde se encuentran los valores de área, espesor, etc., deberá identificarse para poder ser leída desde el programa “Decision Tree”. Para ello se selecciona en la barra de herramientas de Excel “Insertar, Nombre, Definir”, como se muestra en la siguiente figura: 1
2
3
Figura 39.- Definición de nombre de una celda en Excel
De esta forma la hoja queda lista para ser leída desde el programa “Decision Tree” y desde el mismo se indica el nombre del archivo Excel donde se encuentra la información. PDVSA
Para cada variable se define en “Decision Tree” los valores P10, P50 y P90 partiendo de los gráficos estadísticos generados en Crystal Ball. La generación de los Diagramas Tornado, se hace directamente del Software de MERAK, “Decision Tree”… La metodología o procedimiento para el uso y manejo de esta herramienta se está desarrollando en el curso de “Análisis de Riesgo y Toma de Decisiones”, el cual esta programado para ser dictado en el CIED. El diagrama tornado permite visualizar a las variables ordenadas, de mayor a menor incidencia, según en la incertidumbre de un determinado parámetro. La figura 40, muestra un diagrama Tornado tipo, realizado para la variable Reservas:
Figura 40. Diagrama Tornado tipo
PDVSA
El diagrama permite identificar aquellas variables hacia donde se deben enfocar los esfuerzos técnicos, humanos y financieros para incrementar la certidumbre sobre el valor de reservas de cada yacimiento. Analizando el diagrama tornado, se puede apreciar una mayor incertidumbre asociada al área del yacimiento (para el caso del ejemplo), la cual tiene un efecto del 61% sobre la variabilidad del valor de reservas.
Efecto del 61% sobre la incertidumbre de las reservas
Rango de incertidumbre
Figura 41. Análisis por barra del Diagrama Tornado
Esto representa un rango de reservas entre 1593 MMBLS, si el valor del área es el mínimo, hasta 2709 MMBLS, de si el valor de área es máximo; con un valor mas probable de 2206 MMBLS. Este mismo análisis se realiza para cada una de las variables, siendo ésta una forma para visualizar el efecto de cada una de ellas sobre el valor final de Reservas. Lo deseable, es encontrara un ancho de incertidumbre lo menos amplia posible y lo más próxima a la línea central, de esta manera se asegura la reducción en los niveles de incertidumbre de cualquier variable analizada. PDVSA
5.3. ANÁLISIS PROBABILÍSTICO DE PRODUCCIÓN: El objetivo en esta fase es la determinación de la producción de petróleo y gas por pozo “más probable” para cada una de las áreas consideradas en el estudio, tomando en cuenta la data estadística de las pruebas de los últimos 5 años de producción. La base estadística es tomada de la información cargada en la base de datos corporativa, (Centinela/ OFM). El procedimiento empleado fue el siguiente: a. Se transfiere la información de todas las pruebas de producción promedio pozo, mes a mes de cada uno de los yacimientos, correspondientes a los años 1996, 1997, 1998, 1999 y 2000. (Data disponible) b. Con el uso de la herramienta “Crystal Ball”, se determina el comportamiento estadístico de la producción promedio pozo para cada año, obteniéndose para cada yacimiento, una distribución probabilística, de cada año analizado:
PDVSA
1996
1997
1998
MODA: 2200 BPPD
MODA: 2300 BPPD
MODA: 2100 BPPD
1999
2000
MODA: 1860 BPPD
MODA: 2200 BPPD
Figura 42. Distribución probabilística de producción.
Los valores de la moda estadística de cada año corresponde al valor de producción con mayor probabilidad de ocurrencia en ese yacimiento, es decir, el valor de producción por pozo mas
probable. En este paso se
recomienda segregar los pozos “Normales” de los pozos de “alto ángulo” y/o “verticales optimizados” para evitar distorsiones en el análisis, respecto a la productividad de los pozos. c. Se grafican las modas estadísticas de cada año y por yacimiento, así se obtiene una visión del comportamiento
PDVSA
histórico real de las tasas de producción promedio por pozo. 2600 2400 2200
2374
2383
2180
2115
2186
1960
2000 D P1800 B
1600
1838
2005
1785
1831 1683
1483
1760
1470
1400
1433
YAC - 1
1200
YAC - 2 YAC - 3
1000 199 6
1997
1998
199 9
2000
AÑ O
Figura 43. Modas estadísticas por año
d. En el caso de pozos de alto ángulo o pozos con alta productividad, producto de la implantación de mejores prácticas; el resultado se muestra en la figura 40: 16000 VERTICAL 14000
) D P 1 2 0 0 0 P B ( o 1 0 0 0 0 i d e m 8000 o r P n 6000 ó i c c 4000 u d o r P 2000
13027
13733
ALTO ANGULO
4295
11284
4007
3134
2672
0
1997
1998
1999
2000
Figura 44. Modas estadísticas por año por tipo de pozo
PDVSA
e. Sobre el mismo gráfico (Ver fig. 43 y 44), se grafican los valores de producción promedio pozo estimados en el PDO. Esto con la finalidad de apreciar las desviaciones entre lo planificado y lo mas probable para cada área de acuerdo a la data estadística, visualizándose las posibles “Brechas Tecnológicas” existentes para materializar los compromisos de producción adquiridos en el plan. Ver figura 45.
Figura 45. Comparación estadística de producción con el PDO.
Este riesgo no fue considerado en el análisis económico, solo se utiliza para dar los alertas respectivos, sin embargo, en la actualidad se esta incorporando la herramienta SATEC cuya función es la de determinar el riesgo tecnológico. Este sistema monitorea el nivel de desarrollo de la tecnología en el mercado y el nivel de desarrollo de la misma dentro de PDVSA. En la medida que existan brechas , el sistema determina el nivel de
PDVSA
riesgo. La forma de minimizarlo es a través del principio de compra de información, la cual es incorporada en la evaluación económica. 5.4.- BANDAS DE PRODUCCIÓN: La generación de la banda de producción asociada al perfil de producción del PDO se fundamentó en el análisis probabilístico de las reservas, acorde con el siguiente procedimiento: a. Se toma como punto de partida el perfil de producción considerado en el plan para los próximos 20 años, el cual se encuentra reflejado en el SIPEP, ver figura 46. 400
Producción Crudo (MBD)
350 300 250 200 PLAN PDO 2000
150 100 0 0 0 2
2 0 0 2
4 0 0 2
6 0 0 2
8 0 0 2
0 1 0 2
2 1 0 2
4 1 0 2
6 1 0 2
8 1 0 2
Figura 46. Perfil de Producción SIPEP
b. Partiendo de la distribución probabilística de las reservas se determina la desviación de este valor respecto al oficial en libro: Figura 47. Distribución Probabilística de Reservas
% Desv =
PDVSA
− Vorr Vmprr
100
VALOR OFICIAL (Vro)
Vmprr = Vmpr − Np
VALOR MAS PROBABLE DE RESERVAS (Moda = Vmpr)
Donde: % Desv:
Porcentaje de desviación (Factor de escalamiento)
Vmprr:
Valor más probable de Reservas Remanentes.
Vro:
Valor de Reservas Oficiales
Vorr:
Valor Oficial de Reservas Remanentes
Vmpr:
Valor más probable de Reservas
Np:
Producción acumulada
c. Con este porcentaje de desviación se escala el perfil de producción cargado en SIPEP y este será ahora el perfil de producción más probable, manteniendo como premisa el respetar los dos primeros años del plan y a su vez ese perfil debe consumir el valor de reservas remanentes más probable (Vmprr) en los 20 años de producción.
PDVSA
350 300
Perfil SIPEP (Desarrollo Reservas Oficiales en Libro)
250 200
150
PLAN PDO 2000
0 2
0 0
Perfil mas Probable
PROBABLE
100 0 2
2 0
0 0 2
4
0 2
6 0
0 2
8 0
1 0 2
0
0 2
1
2
0 2
1
4
1 0 2
6
0 2
1
8
(Desarrollo Reservas Mas Probables, “Crystal Ball”)
Figura 48. Perfil de producción SIPEP y más probable
Es importante aclarar que esta metodología es una forma rápida y precisa para generar el perfil mas probable de producción (asociado a las reservas probables generadas en Crystal Ball). No obstante, de disponer de recursos, se recomienda realizar la simulación de yacimientos considerando las variaciones de cada variable según el análisis probabilístico. d. Sobre el gráfico de distribución probabilística de reservas, y tomando como punto de inicio la moda de la curva, se determina la banda de 25% de certidumbre.
PDVSA
Moda Moda - 12.5% Certidumbre
Moda + 12.5% Certidumbre
Figura 49. Distribución Probabilística de Reservas con certidumbre del 25%
e. El siguiente paso es Generar la curva de Probabilidad acumulada “Inversa” a fin de determinar el rango de la banda de Probabilidad, asociada a este nivel de Certidumbre:
Banda de Probabilidad ± ±50% al ± ± 75%
Figura 50. Curva de probabilidad acumulada invertida
PDVSA
Esta gráfica permite identificar
el rango de Probabilidad de
Ocurrencia asociado al nivel de certidumbre seleccionado (25% Centrado en la moda). f. Se Toman los valores de reservas generados del (-12.5%) y (+12.5%) de Certidumbre (Ver figura 49) los cuales representarán las reservas asociadas al perfil de producción escalado, para generar la banda. 0% E D A I D C A N D I E L I R R B U A C B O O R P
50% 75%
350
300
250
Res. (+12.5%)
200
100% 150
PLAN PDO 2000 PROBABLE
100
0 0 0 2
2 0 0 2
0 4 0 2
6 0 0 2
8 0 0 2
0 1 0 2
2 1 0 2
1 4 0 2
6 1 0 2
8 1 0 2
(Reservas SIPEP) ( Reservas Mas Probables Basadas en la Moda) Res. (-12.5%)
Figura 51. Banda de producción basada en la moda estadística
La gráfica anterior, se interpreta de la siguiente manera: La curva representa el perfil de producción con un 75% de
š
probabilidad de ocurrencia. La curva superior representa el perfil de producción asociado al
š
50% de probabilidad de ocurrencia. La probabilidad de ocurrencia incrementa hacia abajo.
š
PDVSA
El perfil de producción asociado a las reservas mas probables,
š
esta basado en la moda estadística. Para este caso, se aprecia que el perfil del SIPEP, aun cuando,
š
esta por encima del perfil más probable, tiene en general una probabilidad de ocurrencia superior al 50% (Se encuentra dentro de la banda de 25% de certidumbre). Si se desea generar bandas a diferentes probabilidades de ocurrencia, se repite el procedimiento anterior cambiando los niveles de certidumbre a partir de la moda estadística.
PDVSA
5.5.- ANALISIS DE INVERSIONES Para la evaluación del Riesgo e Incertidumbre asociada a las Inversiones, se evaluó por un lado, las desviaciones presupuestarias producto de las inversiones asociadas a proyectos de infraestructura y por otro lado, las desviaciones generadas en cuanto a la perforación de los pozos. En cuanto al análisis de
Infraestructura se tomó como base los
proyectos de Infraestructura mayor ejecutados y cerrados financieramente a fin de obtener las cifras reales de los presupuestos “planificados” versus los “desembolsos reales”.
TIPO DE INSTALACIONES ADEC . EST ACIO NES ADEC . EST ACIO NES ADEC . EST ACIO NES ADEC . EST ACIO NES ADEC . EST ACIO NES DESHIDRATACIÓN GASODUCTO GASODUCTO GASODUCTO GASODUCTO INYECCION AGUA (PIAMO) INYECCION GAS (PIGAP I) INYECCION GAS (RECOR) REVA OLEODUCTOS OLEODUCTO OLEODUCTO 20" OLEODUCTO 24" TQS ALMACENAMIENTO TQS ALMACENAMIENTO
COSTO INICIAL COSTO FINAL AÑO BASE AÑO BASE AMPLI ACIÓN DE ES T. DE FL UJO AMANA 821,10 2080, 85 AMPLIA CIÓN DE ES T. D E FL UJO MUSIPA N 510,50 1440, 71 AMPLIAC IÓN DE EST . DE FLUJO CARITO 980,90 2205, 54 MOD ULO VII 4003, 80 4569, 40 MODULO VI 4502, 00 6327, 20 DESHID.CRUDO NORTE DE MONAGAS 4520,00 6645,43 SIST. DE RECOLECCIÓN DE GAS 7682,00 15810,90 GASODUCTO COA-MUSCAR 453,30 417,47 GASODUCTO 8" PARAISO-CARIPITO 2556,37 2083,31 GASODUCTO 8" PIEDRITAS-MORICHAL 5325,70 2535,10 PIAMO 3098,00 3005,40 PIGAP I 45104,60 53179,04 INYECCION DE GAS OROCUAL 12928,21 12599,10 REVA 3496,00 4226,30 PTT 11350,00 13009,14 OLEODUCTO 16" FURRIAL-JUSEPIN 360 457,9 OLEODUCTO 24" FURRIAL-JUSEPIN 2696,3 2537,3 OLEODUCTO 20" JUSEPIN-TRAVIESO 4600 4767,9 TANQUE 150010 JUSEPIN 1825,3 1575 TANQUE 150011 JUSEPIN 1897,2 1968,2 PROYECTO
VARIACION [MMBs] 1259, 75 930,21 1224, 64 565,60 1825, 20 2125,43 8128,90 -35,83 -473,06 -2790,60 -92,60 8074,44 -329,11 730,30 1659,14 97,90 -159,00 167,90 -250,30 71,00
VARIACION [%] 153% 182% 125% 14 % 41 % 47% 106% -8% -19% -52% -3% 18% -3% 21% 15% 27% -6% 4% -14% 4%
Figura 52. Taba de variación de Inversiones en proyectos ejecutados.
Para determinar las variaciones presupuestarias, se escalaron sobre la misma base los montos del plan y los montos reales. Posteriormente se determinó el porcentaje de desviación de lo presupuestado versus el desembolso real y se generó una
PDVSA
distribución probabilística, utilizando el Crystal Ball”, con el objetivo de visualizar el comportamiento mas probable de desviaciones en este renglón:
Figura 53. Distribución Probabilística de variación de las inversiones de Proyectos
En cuanto a las desviaciones generadas en las inversiones de perforación, las desviaciones fueron estimadas considerando cada tipo de pozo: Desviaciones por Perforación de pozo Productor y perforación de Pozo Inyector (Diferenciando inyector de agua versus los de gas). Las variaciones por pozo se tabularon en una hoja Excel y mediante el Crystal Ball se construyó su distribución probabilística:
Figura 54. Distribución Probabilística de variación de las inversiones de Perforación
PDVSA
5.6.- ANALISIS DE GASTOS Para la evaluación del riesgo e incertidumbre asociada a los gastos,
se procede de igual forma que en caso de las
Inversiones. Se elabora una base de datos en donde se tabula la variación de los desembolsos planificados y reales para el periodo 1998 – 2000. Es de destacar que en el caso de los desembolsos del plan se tomaron las cifras del ultimo presupuesto revisado de cada año (Septiembre). Sin embargo, todavía con esta ultima revisión se observan desviación considerables reflejándose el nivel de incertidumbre presente en este renglón.
Extracción Serv. a pozos RA/RC a pozos Recuperacion Secundaria Tratamiento Manejo de Crudo Administracion+Bienestar Diversos
VARIACION EJECUCION PRESUPUESTO (%) 1998 1999 2000 27,84 -1,06 -2,95 2,55 -68,57 62,67 24,47 76,99 -54,68 -6,08 428,52 -13,97 49,62 -24,14 2,13 17,22 -39,34 -25,13 0,41 11,00 0,51 674,39 630,13 -45,34
Figura 54. Tabla de variación de los renglones Presupuestarios
Una vez obtenidos estos datos, se procede a la generación de la curva de distribución probabilística a través de la utilización de Crystal Ball, utilizándose ésta para representar el comportamiento probabilístico de las variables asociadas a este renglón.
PDVSA
10,000 Trials
Frequency Chart
196 Outliers
.021
213
.016
159.7
.011
106.5
.005
53.25
.000
0 -100
-0
99
199
299
Certainty is 66.12% from 0 to +Infinity
Figura 55. Distribución Probabilística de variación del presupuesto de gastos
Complementariamente a la generación de la curva de distribución probabilística
se
realiza
un
análisis
estadístico
del
comportamiento de ejecución de la actividad con respecto al presupuesto. De igual forma se tabula las variaciones de la actividad planificada versus la real ejecutada y se comparan posteriormente las modas estadísticas de cada año.
20
N1 0 Ó I C A I 0 R A V- 1 0 %
ACTIVIDAD GASTOS
-20 1998
1999
2000
Figura 55. Variaciones de la actividad planificada versus la real ejecutada
PDVSA
De esta forma se puede visualizar las brechas entre la planificación presupuestaria y la actividad dando una idea gráfica del riesgo asociado. En la medida en que estas curvas se separen es un indicativo de un deficiente proceso de planificación que sugieren la necesidad de revisión de los procesos internos de formulación de presupuesto., ya que este mismo nivel de incertidumbre es transferible a la formulación del PDO. En la Figura 56 se muestra un ejemplo tipo del porcentaje de variación determinado en cada renglón presupuestario y la variación en los niveles de actividad.
PDVSA
2000 ACTIVIDAD PRESUPUESTO VAR C/ RESP AL PLAN (%)
VAR C/ RESP AL PLAN (%)
0,0 -71,8 142,4 0,0 -8,3 -7,7 11,7 0,0 -4,1 -17,2 -10,8 0,0 -50,0 0,0 0,0 0,0 0,0 -100,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 18,7 -8,0 0,0 -4,9 9,5 -11,1 -83,0 0,0 0,0 -100,0 0,0 0,0 0,0 6,7 -66,7 64,1 0,0 11,8 -100,0 0,0
-0,6 -74,5 18,8 0,6 -8,0 -8,9 -9,6 0,0 -6,1 -11,9 -13,2 -13,5 -43,3 -5,0 10,0 -4,5 27,0 -100,0 34,9 3,4 1,6 1,8 2,2 0,0 3,5 6,4 -100,0 -2,6 0,9 2,8 4,1 24,0 0,6 -5,0 20,0 -6,8 11,0 -0,9 3,0 -5,8 -38,1 0,8 -2,2 -100,0 23,0 1,7 2,9 1,7 -91,6 86,0 0,0 0,0 -100,0 -2,8
LABOR EXTRACCION MTTO PREV MTTO CORREC REGISTROS ORDENES DE TRABAJO ORDENES DE SERVICIO GASTOS REEMBOLSABLES ALQUILER DE EQUIPOS QUIMICAS INSPECCIONES AEREAS SERV. A POZOS LIMPIEZA C/ COILED TUBING RA/RC MEJOR. INDICE DE PRODUCTIV. MEJOR. PERFILES PROD. GEL. CAÑONEO PARA MANTTO AISL AMIE NTO DE ARENAS C ON TAPON REPARACIONES CON TALADRO RECUP. SECUNDARIA: RECAÑONEOS CEMENTACIONES TAPONES DE ARENA LIMPIEZAS REEMPL. /REP. BES COMPRA DE BOMBAS SATURACION PLT-GAS PLT-FALL OFF TRAZ. RADIACT. LABOR TRATAMIENTO DESMULSIFICANTE QUIMICA DISPERSANTE DE SUPERFICIE QUIMICA DISPERS. DE FONDO DE POZOS CENTRO DE ANALISIS ANTICORR OSIV O LABOR SUP. OPERAC. PASANTES TAXIS ANAL ISIS DE LA BORATORI O MATERIALES GASTOS DE VIAJES PAIS GASTOS DE VIAJES EXTERIOR LABOR DE REHABILITACION ENTRENAMIENTO BENEFICIOS DE NOMINA EST. TECN: RASTER. Y VECTORIZACION EST. TEC: ASESORIA INTERNA EST. TECN: ASESORIAS EXTERNAS EST. TECN: INTEVEP EST. TEC: MANEJO DE DATOS SERVICIOS DE COMPUTACION ING. CONCEPTUAL PASIVOS AMBIENTALES ACTUAL. CENTRAL . INST. SUPERFICIE DESINC. ACTIVOS REMODELAC. OFICINAS IMPLANT. ISO 14000
Figura
PDVSA
56.
Porcentaje
de
variación
para
cada
renglón
presupuestario
5.7.- EVALUACION ECONOMICA A fin de poder realizar la evaluación económica de los paquetes, considerando las incertidumbres de las variables técnicas y financieras ya descritas, se elabora un Modelo Económico en “Excel - Crystal Ball” el cual permite determinar las distribuciones probabilisticas del VPN de cada paquete. El Modelo Económico desarrollado solo considera los resultados financieros a nivel Nación y es validado con la evaluación económica que realiza el SIPEP. En la actualidad se adelantan gestiones para la utilización del Crystal Ball dentro de la herramienta MAEP (Modelo de Análisis Económico de Proyectos), de esta forma se dispondrá de un robusto sistema de Evaluación Económica de Proyectos que permitirá realizar análisis de riesgo a nivel PDVSA y Area. 2000 DISTRIBUCIONES Probabilisticas PAQUETE xxxx 0
2001 Tipo Evmin
PAQUETE xxxx
139
Scale
4
130
24
47400
Logistic
PAQUETE xxxx
129
Scale
116
42
48915
-8
27181
Scale
17612
1
MMBs.
Inversiones totales Perforación PAQUETE xxxx
349
0
-16,9
MMBs. 42137
0
2004
135
Logistic
PAQUETE xxxx
Inversiones Infraestructura PAQUETE xxxx
2003
MMBL
Produccion Anual Crudo
0
2002
PAQUETE xxxx
9494
Ev max
9000
-4
13440
Scale
8920
8
MMBs.
Gasto Total PAQUETE xxxx
203963
206389
147757
143456
132641
1039571
990425
1015631
1029192
924379
Flujo de Caja Nacion PAQUETE xxxx
Figura 57. Modelo de hoja de Evaluación Económica probabilística
PDVSA
En la Figura 57 se muestran con una fecha cada una de las variables para las cuales ya se dispone de su curva de distribución probabilística en términos de variación porcentual, aplicando la metodología anteriormente descrita. Se selecciona una celda a la cual se le asigna el número cero “0” y a este numero se le asigna la distribución probabilística porcentual de cada variable, esta se fija a través del Crystal Ball (Figura 58).
2000
2001 Tipo Evmin
DISTRIBUCIONES Probabilisticas PAQUETE xxxx 0 Produccion Anual Crudo 139
Scale
4
130
24
47400
Logistic
PAQUETE xxxx
129
Scale
116
42
48915
-8
27181
Scale
17612
1
MMBs.
Inversiones totales Perforación PAQUETE xxxx
349
0
-16,9
MMBs. 42137
0
2004
135
Logistic
PAQUETE xxxx
Inversiones Infraestructura PAQUETE xxxx
2003
MMBL
PAQUETE xxxx
0
2002
PAQUETE xxxx
9494
Ev max
9000
-4
13440
Scale
8920
8
MMBs.
Gasto Total PAQUETE xxxx
203963
206389
147757
143456
132641
1039571
990425
1015631
1029192
924379
Flujo de Caja Nacion PAQUETE xxxx
Figura 58. Modelo de hoja de Evaluación Económica Probabilística
A manera informativa se escribe en el recuadro los datos que describen el comportamiento de la curva de distribución. El diseño de la hoja automáticamente asigna esta distribución a todos los datos del periodo en evaluación, a través de la programación de la celda que contiene la información del SIPEP y
PDVSA
la que calcula la distribución a través de la ecuación mostrada en la figura 59.
A 1 2 3 Probabilistica 4 SIPEP
B
D E F G Evmax 53,0 Scale 9 Produccion Anual Crudo MMBL PAQUETE XXX C4*(1+$B$1/100) D4*(1+$B$1/100) E4*(1+$B$1/100) F4*(1+$B$1/100) G4*(1+$B$1/100) PAQUETE XXX 139 135 130 129 116 0
C
PAQUETE XXX
Figura 59. Modelo de hoja de Evaluación Económica Probabilística
Una vez realizada la evaluación económica probabilística se obtiene la curva de distribución del VPN. Así llegamos a definir que es Riesgo e Incertidumbre. En la figura 60 se muestra representada una curva de distribución probabilística del Valor Presente Neto de un Proyecto o Portafolio. La Incertidumbre se refiere a todo en rango de variabilidad y el Riesgo Esperado se define como la diferencia entre VPNE esperado y el VPN90 o sea el correspondiente al percentil P90 .
PDVSA
Riesgo Esperado = (VPNE-VPN 90)
P r o b a b i l i d a d
Riesgo Esperado Incertidumbre
VPN VPN 90
VPNE
Figura 60. Modelo de Distribución Probabilística de VPN
El VPN90 se obtiene a partir de la curva de probabilidad acumulada invertida que es una de las opciones de graficación de Crystal Ball. P r o b a b i l i d a d
A c u m u l a d a
P90
100 90 80 70 60 50 40 30 20 10
VPN VPN90 Figura 61. Probabilidad acumulada invertida
PDVSA
El Riesgo Real se define como la diferencia entre el VPN real o planificado (SIPEP) y el VPN90. P r o b a b i l i d a d
Riesgo Real Incertidumbre
VPN VPN 90
VPNSIPEP Figura 62. Riesgo Real
Riesgo Real = (VPNE-VPN90) La razón de utilizar estas definiciones de riesgo a partir del VPNE y el VPNSIPEP hasta el P90 y no desde cero “0” hasta el P90 , esta basada en la necesidad de identificar cualquier desviación de la rentabilidad del paquete con respecto a lo que se contempla en el plan de Negocio, para así tomar las acciones y correctivos necesarios.
PDVSA
Una vez definido lo que es Riesgo Real y Esperado podemos definir el margen de Oportunidad real como la diferencia entre el VPN10 o el asociado al P 10 y el VPNSIPEP. Este valor representa la oportunidad de mejora en la rentabilidad del paquete en función de las incertidumbres de sus variables.
P r o b a b i l i d a d
Incertidumbre Margen de Oportunidad Real
VPN VPNSIPEP
VPN10
Figura 63. Margen de Oportunidad Real
Margen de Oportunidad Real = VPN10 – VPNSIPEP
PDVSA
De igual forma definimos el margen de Oportunidad esperado como la diferencia del VPN10 y el VPNE.
Margen de Oportunidad Esperado = VPN10 – VPNE
Es importante destacar al momento de analizar la información que si el valor del VPNSIPEP esta a la derecha del VPNE el margen de oportunidad real no tiene sentido practico ya que forma parte del Riesgo Real. Si por el contrario el VPNSIPEP esta a la izquierda del VPNE el margen de oportunidad real se subdivide entre firme y esperado.
P r o b a b i l i d a d
Margen de Oportunidad Firme Margen de Oportunidad Esperado VPN VPNE VPNSIPEP
VPN10
Figura 64. Margen de oportunidad firme y esperado
PDVSA
