Beruflich Dokumente
Kultur Dokumente
Porque
Porque una de las
formas ms importantes
de agregar valor, es
evitar que se destruya
Medardo Yez
AREA 2
90%
AREA1
10 50
10,50
AREA 3
AREA 5
7,00
50%
3,50
0%
0,00
Contenido
Contenido
Muestras Grandes
Opinin de Expertos
Muestras Pequeas
Contenido
Anlisis de Riesgo en el Marco de la Metodologa FEL - VCD
Modelo Integrado del Activo (MIAc) Parte I
Sub Modelo Probabilista de Volmenes Originales y Reservas
o Estimacin Probabilista del VOI y Reservas
Contenido
Caso de Estudio
Contenido
Da 1
Conceptos Bsicos: Incertidumbre, Riesgo y Anlisis de Riesgo, Decisin, Estadstica
Breve Introduccin a la Metodologa FEL
FEL-VCD
VCD
Incertidumbre en la Industria del Gas y del Petrleo
Fundamentos de Probabilidad y Estadstica Descriptiva
Probabilidad
Muestra y Poblacin
o Muestra Representativa
p
I fl
Influencia
i d
dell Tamao
T
de
d la
l Muestra
M
t en ell clculo
l l de
d las
l estadsticas
t d ti
- Promedio
P
di
Incertidumbre
Es preferible estar aproximadamente correcto
que exactamente
t
t equivocado
i
d
Incertidumbre
Incertidumbre
CONCEPTOS BASICOS
BASICOS
CONCEPTOS
5
66
8
7
Incertidumbre
Certidumbre
Conceptos Bsicos
Incertidumbre
El nivel de conocimiento acerca de un proceso especfico puede variar desde el extremo de no saber
absolutamente
abso uta e te nada
ada acerca
ace ca del
de mismo
s o (ignorancia
( g o a c a total),
tota ), hasta
asta el
e extremo
e t e o de llegar
ega a entender
e te de y modelar
ode a
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
Niveles de
Conocimiento
INCERTIDUMBRE
IGNORANCIA TOTAL
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
La Incertidumbre es una medida de la inseguridad o grado de desconocimiento
acerca de una variable, proceso o fenmeno bajo estudio
Riesgo
Conceptos Bsicos
Fundamentos Tericos
Riesgo
Incertidumbre
Incertidumbre
Riesgo
Riesgo
El riesgo es un trmino de naturaleza probabilstica, que se define como egresos o prdidas probables
consecuencia de la ocurrencia de un evento no deseado o falla.
Matemticamente
M
i
ell riesgo
i
asociado
i d a una decisin
d i i o la
l ocurrencia
i de
d una falla
f ll o evento viene
i
d d por la
dado
l
expresin:
Anlisis de Riesgo
El anlisis de riesgo busca contestar 5 preguntas a travs de 5 fases distintas:
Qu puede
p
salir mal?
Modelado de Consecuencias
Estimacin de Frecuencia
Evaluacin de Riesgo
Qu se puede hacer?
Anlisis de Riesgo
Conceptos Bsicos
Anlisis de Riesgo
El Anlisis de Riesgo,
g , algunas
g
veces llamado Anlisis p
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
Anlisis de naturaleza probabilstica que permite
soportar una decisin con base en la cuantificacin y
ponderacin de la probabilidad de xito con sus
beneficios y la probabilidad de fracaso con sus
consecuencias.
El propsito fundamental es soportar el proceso de
toma de decisiones con las siguientes caractersticas:
Hechos, experiencias y datos duros.
Toman en cuenta la incertidumbre
incertidumbre de las variables consideradas en el anlisis,
anlisis y las
consecuencias de las decisiones tomadas.
Son verificables y por lo tanto perfectibles.
Conceptos Bsicos
Area 2:
Area 3:
Administracin
del Riesgo
Comunicacin
C
i
i
del Riesgo
Conceptos Bsicos
Escuelas de Anlisis de Riesgo
Area 1:
Dimensionamiento
del Riesgo
Virtud:
Vi t d Velocidad
V l id d y Facilidad
F ilid d del
d l Anlisis
A li i
Debilidad: Subjetividad y Inauditabilidad del Anlisis
Area 2:
Area 3:
Administracin
del Riesgo
Comunicacin
del Riesgo
Conceptos Bsicos
CONS
SECUENCIA / IMP
PACTO
Grave
Sustancial
ALTO
Ri
Riesgo
I
Inaceptable
t bl
MEDIO
BAJO
Riesgo Aceptable
Marginal
Insignificante
Remoto
Bajo
Medio
PROBABILIDAD / FRECUENCIA
Alto
Conceptos Bsicos
Decisin
Conceptos Bsicos
Decisin
Decisin es un proceso ms que el simple hecho de elegir entre alternativas, es un proceso
que incluye
q
y identificar un p
problema, elegir
g una alternativa y evaluar la eficacia de dicha decisin.
(Robbins, 1996 : 111)
Las decisiones contemporneas ya no solo consisten en seleccionar entre diversas alternativas
sino que han evolucionado en grado de complejidad. Como ejemplo de decisiones complejas
tenemos:
Jerarquizar las alternativas.
Seleccionar la mejor combinacin de alternativas.
Seleccionar la opcin optima entre un conjunto de alternativas de la misma naturaleza respecto a varios
criterios (optimizar).
PASADO
DATOS
PRESENTE
DECISION
ACCION
( Ai )
FUTURO
RESULTADOS
( Xij )
Para tomar decisiones hay que prever el futuro, hay que predecir y calcular las
consecuencias de cada una de las posibles acciones.
Estadstica
Conceptos Bsicos
Probabilidad y Estadstica
Contenido
Da 1
Conceptos Bsicos: Incertidumbre, Riesgo y Anlisis de Riesgo, Decisin, Estadstica
B
Breve
Introduccin
I t d
i a la
l M
Metodologa
t d l FEL
FEL-VCD
VCD
Incertidumbre en la Industria del Gas y del Petrleo
Fundamentos de Probabilidad y Estadstica Descriptiva
Probabilidad
Muestra y Poblacin
o Muestra Representativa
Exploracin
Produccin
(Recursos prospectivos)
(Reservas)
Evaluacin
de potencial
(EP)
Incorporaci
n de reservas
(IR)
Caract.
inicial y
delimitacin
(DL)
Desarrollo
Explotacin
Comercializacin
y transporte
Abandono
Pozos de desarrollo
Inversiones
y gastos
Estudios
Ssmica
2-D
Pozos
exploratorios y
delimitadores
3-D
Mayor oportunidad
de identificacin del valor
Riesgo
Optimizaciones y
nuevas oportunidades
Infraestructura
Instalaciones
Costos de
mantenimiento y
produccin
Menor oportunidad
de identificacin del valor
Costo de
Abandono
Nueva oportunidad
de identificacin del valor
Aprobacin Otorgamiento
Proyecto
Buena--Pro
Buena
+
O
P
O
R
T
U
N
I
D
A
D
+
Visualizacin Conceptuali
zacin
Definicin
Contratacin
DEFINICIN Y DESARROLLO
CONTRACONTRATACIN
Materializac. PEP
hasta completacin
mecnica
EJECUCIN
Operacin, anlisis
cumplimiento
expectativas de
negocio
OPERACIN
D
E
S
E
M
B
O
L
S
O
S
Operacin y Mante
enimiento
Con
nstruccin
n
65 %
Fases de Con
nceptualiz
zacin
y de D
Definicin
85 %
Fase de
e
Visualizac
V
cin
% Costo
o de Ciclo
o de Vida
a
Co
omprome
etido
100 %
95 %
Visualizacin
Objetivo
Estimados
de Costos
Llaves
Tcnicas
Dictamen
D
Conceptualizacin
Definicin
Modelado
detallado
de
las
incertidumbres tcnicas y los riesgos
asociados, evaluacin de los
escenarios e integracin de resultados
con riesgos/complejidad,
riesgos/complejidad seleccin del
escenario ptimo para FEL-D
(Definicin) e ingeniera conceptual.
Clase V
-35% - 50%
Clase IV
-25% - 35%
Clase III
-15% - 20%
y un p
Hay
plan de administracin de cada
riesgo y un plan para medir su impacto en
los resultados de la explotacin de la
oportunidad?
La ingeniera bsica tiene todos los
componentes listos de subsuelo, pozos,
superficie, Seguridad Industrial
P t i A
Proteccin
Ambiental
bi t l y los
l recursos
financieros?
El plan de operacin maestro es factible
ecolgica, social, tcnica y
econmicamente?
Contenido
Da 1
Conceptos Bsicos: Incertidumbre, Riesgo y Anlisis de Riesgo, Decisin, Estadstica
B
Breve
Introduccin
I t d
i a la
l M
Metodologa
t d l FEL
FEL-VCD
VCD
Incertidumbre en la Industria del Gas y del Petrleo
Fundamentos de Probabilidad y Estadstica Descriptiva
Probabilidad
Muestra y Poblacin
o Muestra Representativa
Prospecto
Trampa
Roca Fuente
Migracin
Sello
Productividad
Incertidumbre Geolgica
VOI
Volumtrico
Curvas de declinacin
Balance de Materiales
Simulacin Matemtica
Incertidumbre Volumtrica
3.- Cunto de se p
petrleo es extrable?
RESERVAS
Fr
Reservas Probadas
Reservas Probables
Reservas Posibles
Reservas por descubrir
Tcnicas de
Perforacin
Tipo de Terminacin
Tecnologa de Perforacin
Tiempo de Perforacin
Incertidumbres Operacionales
Incertidumbre de
Produccin
Vida til
Yacimiento
Declinacin de Produccin
Frentes de Agua y Gas
Mtodos de Recuperacin Secundaria
Mtodos de Recuperacin Terciaria
7.- Cmo
7
C
manejar
j
en superficie
fi i la
l
produccin del yacimiento?
Infraestructura
para
Producir
Instalaciones de Produccin
Ingeniera de Procesos
Costo
C t M
Mantenimiento
t i i t yE
Energa
Disponibilidad y Confiabilidad
Flexibilidades Operacionales
Incertidumbre
de
Produccin
Rentabilidad
Incertidumbre
Financiera
Ejercicio Introductorio
Incertidumbre - Fuentes
De los datos:
Calidad - Cantidad
Tecnologa de recoleccin
Del nivel de
conocimiento de
Sistemas / Procesos
De dnde viene la
Incertidumbre ?
De los modelos
matemticos
Del comportamiento
humano
De la variabilidad
inherente de
Sistemas / Procesos
De comportamientos
aleatorios
De
D la
l heterogeneidad
h t
id d
de los sistemas
GAP DE O
G
OPCIONE
ES
Ignorarla y
Decidir
Tratar de
para
Eliminarla p
Decidir
Alto Ri
Alt
Riesgo
Alto Impacto
Dependencia del Factor Suerte
Ambiente Reactivo
Sub o Sobre Dimensionamiento
Considerarla en el
Anlisis, Cuantificarla
y Decidir
ADMINISTRACIN
DE LA
INCERTIDUMBRE
Administracin de la Incertidumbre
"Administrar la incertidumbre es el arte de tomar decisiones cuantificando aquello
que no se observa
b
a simple
i l vista,
i t evaluando
l
d su impacto
i
t en ell modelo
d l de
d decisin
d i i y
mejorando nuestro nivel de conocimiento, cuando ello es tcnicamente factible y
econmicamente rentable.
Dimensionar
Incertidumbre
Dato - Modelo
Estimar
Reducir
Impacto
I
Incertidumbre
tid b
sobre Modelo de
Toma de
Decisiones
Incertidumbre
Tcnicamente
Factible y
Econmicamente
Rentable
Valor de la Informacin
Contenido
Da 2
Conceptos Bsicos: Incertidumbre, Riesgo y Anlisis de Riesgo, Decisin, Estadstica
Breve Introduccin a la Metodologa FEL-VCD
Incertidumbre en la Industria del Gas y del Petrleo
Fundamentos de Probabilidad y Estadstica Descriptiva
Probabilidad
Muestra y Poblacin
o Muestra Representativa
Fundamentos de Probabilidad y
Estadstica Descriptiva
Marco matemtico para predecir el futuro modelando la
experiencia.
experiencia.
Probabilidad:
Es una medida de la posibilidad de ocurrencia de un evento. La frecuencia de ocurrencia de un
evento es un indicador de probabilidad:
p
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 de A [P(A)] es baja (tiende a 0)
0
El evento o escenario
A
A no se presentar.
presentar
Enfoque
Clsico
Enfoque
E
f
Bayesiano
P(A)
1
El evento o escenario
A
A se presentar.
presentar
Enfoque Frecuentista
Basada en la historia
de ocurrencias
Enfoque Subjetivo
Basada en grado de conocimiento
(Grado de creencia)
Poblacin y Muestra
Poblacin: es el conjunto de todos los elementos que son objeto del estudio
estadstico.
Muestra:
M
t
es un subconjunto,
b
j t extrado
t d de
d la
l poblacin
bl i (mediante
( di t tcnicas
t i
d
de
muestreo), cuyo estudio sirve para inferir caractersticas de toda la poblacin.
Individuo: es cada uno de los elementos que forman la poblacin o la muestra.
NOTA: Para seleccionar una muestra deben utilizarse tcnicas de muestreo para
que los individuos o elementos de este subconjunto tengan las caractersticas
distintivas de la poblacin; pero que a la vez representa la heterogeneidad de dicha
poblacin respecto a otras caractersticas y atributos.
Muestra Representativa
Para considerar que una muestra es representativa, la misma debe ser:
Robusta: La muestra contiene la cantidad suficiente de datos para que se puedan
hacer inferencias vlidas y minimizar el margen de error.
Fidedigna: Los elementos de la muestra reproducen la realidad de los procesos y
variables bajo anlisis; es decir, los atributos del dato son coherentes y
corresponden a las condiciones y caractersticas del proceso.
Justa (sin sesgo): La muestra debe tener elementos de todas las reas del
proceso, para representar adecuadamente su heterogeneidad.
Estandarizada: Los datos de la muestra deben tener atributos y formato
predefinido para reducir inconsistencias.
Ejemplos de Clculos
de Probabilidad:
Localizacin
KPTZ
GTHS
RVHT
HAVM
JEIV
HYSE
PLIA
NBSE
OKYB
MNTD
fracasos : k
trials : n
p
xito
X
X
X
Fracaso
X
X
X
X
X
X
X
10
prob .fracaso
1
10
0 .1
3
30
0 .1
fracasos : k 3
trials : n 30
p
prob .fracaso
Perforacin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Localizacin
KPTZ
CRAL
HAVM
GTHS
RVHT
BCUB
MTSC
JDLD
PKTF
JEIV
HYSE
HERR
PLIA
NBSE
OKYB
MNTD
TBNM
YTED
SHG
POWE
NLAW
QPLA
OYEB
NESR
IUER
AZVU
OKEA
BJCE
UHA
ERTF
xito
X
X
Fracaso
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
k
n
p LOW
p HIGH
n k 1
k (F2 k ,2 ( n
k 1 ),1
k
n
1
n k
k 1(F2 ( k
1 ),2 ( n k ),
El ancho o incertidumbre de este rango depende del tamao de la muestra analizada y del grado
de confianza que se le dar a la estimacin.
Estimado Optimista
pLOW
Estimado Ms Probable
1
1
n k 1
k (F2 k ,2 ( n
k 1 ),1
k
n
Estimado Pesimista
p HIGH
1
n k
k 1( F2 ( k
1), 2 ( n k ),
Muestra 1
Nmero de
F
Fracasos
Nmero de
Intentos
Muestra 2
10
Nmero de
F
Fracasos
Nmero de
Intentos
30
Grado de
Confianza
Estimado
"Optimista"
Optimista
p LOW
Estimado
"Mas Probable"
p
Estimado
"Pesimista"
Pesimista
p HIGH
Estimado
"Optimista"
Optimista
p LOW
Estimado
"Mas Probable"
p
Estimado
"Pesimista"
Pesimista
pHIGH
80%
0.0105
0.1000
0.3370
0.0373
0.1000
0.2090
90%
0 0051
0.0051
0 1000
0.1000
0 3940
0.3940
0 0279
0.0279
0 1000
0.1000
0 2390
0.2390
99%
0.0005
0.1000
0.5440
0.016
0.1000
0.3200
Estadstica Descriptiva
La Estadstica Descriptiva es la ciencia que se ocupa del estudio de la variacin, dispersin o
p especial
p
de variables conocidas como Variables Random, Variables
incertidumbre de un tipo
Aleatorias, Variables Dispersas o Variables Distribuidas
La Estadstica Descriptiva se apoya en herramientas matemticas conocidas como
Distribuciones de Probabilidad y en indicadores de comportamiento de los datos
conocidos como estadsticas de la variable aleatoria que en conjunto permiten organizar,
describir, representar matemtica y grficamente la informacin sobre este tipo de variables y
cuantificar su incertidumbre.
.
Histograma de
Frecuencias
f (x)
1
.e
2
1 x
2
Curva de
Probabilidad
68.53
1.31
67 45
67.45
66.34
13.06
170.54
0.00
0 46
0.46
60.60
41.62
102.22
Variables Aleatorias
Se denomina variable aleatoria, random o distribuida, a una variable X que por sus
caractersticas pueda tomar un conjunto de valores (x1, x2, x3, x4, ... xn-11) 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))
p(
Convenio de Notacin
.167
.125
.083
.042
.000
2
x1
x2
x3
x4
x5
x6
x7
x8
10
x9
11
12
"la variable
x10 x11
Variables Aleatorias Discretas: Son variables aleatorias que slo pueden tomar valores
enteros, es decir, un nmero finito de valores contables.
Variables Aleatorias Continuas: Son variables aleatorias que pueden tomar infinitos valores
en un intervalo dado.
Las variables aleatorias discretas se identifican de las continuas, porque para cuantificar su
frecuencia hay que contar, mientras que para las variables aleatorias continuas hay que
medir.
f(x)
Histogramas de Frecuencias
Distribucin Parametrica
f (x)
Fre
ecuencias
f(x)
1
.e
2
1 x
2
Estadstica de la Muestra
Histogramas de Frecuencias
Frecuencia
0.3
0.25
0.2
0.15
0.1
0.05
0
9.1 9.4
9.4 9.7
Clases
Frecuencias
Relativas
Frecuencias
Acumuladas
Probabilidad Accumulada
1.2
1
0.8
0.6
0.4
0.2
0
9.1 9.4
9.4 9.7
9.7 10.0
10.0 10.3
10.3 10.6
10.6 10.9
Directas
Inversas
Probabilidad Acumulada
1.2
1
0.8
0.6
0.4
0.2
0
9.1 9.4
9.4 9.7
9.7 10.0
10.0 10.3
10.3 10.6
10.6 10.9
1
X =
n
n
i 1
Percentiles
xi
0.8
=X =
1
n
n
i 1
xi
LOW
HIGH
El ancho o incertidumbre de este rango depende del tamao de la muestra analizada y del grado de
confianza que se le dar a la estimacin.
142.5
83.0
145.1
80.2
101.0
153.9
80.6
65.6
78.3
112.6
144.3
107.2
128.2
55.5
101.1
81.3
82.6
76.9
103.0
116.9
105.1
100.6
99.7
48.2
172.4
150.5
90.9
84.9
168.7
123.9
124.7
125.9
81.1
94.7
102.6
80.7
80.9
101.4
129.8
141.8
90.4
85.2
Para las
P
l muestras
t
observadas
b
d en las
l tablas
t bl anexas, y utilizando
tili
d la
l herramienta
h
i t RARE.xls,
RARE l estimar
ti
l intervalos
los
i t
l y ell valor
l ms
probable para la Espesor Promedio (pies) para los niveles de confianza de 80, 90 y 99%.
Ver Ejemplo No.4 Incertidumbre en Parmetros media.xls
Contenido
Da 2
Variables Aleatorias Parte II
E t d ti de
Estadstica
d la
l Poblacin
P bl i
Distribuciones de Probabilidad
o Caracterizacin Probabilstica de Variables Aleatorias
Muestras Grandes
Opinin de Expertos
Muestras Pequeas
Estadstica de la Poblacin
1
.e
2
1 x
2
SE DEFINE COMO:
f(xi)
f( x )
f(xi)=Pr(x=xi)=pi
0.5
INTERPRETACIN:
PROBABILIDAD DE OBSERVAR EL VALOR
0
8
xi
10
11
x
Variable Aleatoria
xi
12
12
1.0
SE DEFINE COMO:
F(xi)=Pr(x xi)
F( x )
0.5
INTERPRETACIN:
F(xi)
0
xi
10
x
Variable Aleatoria
11
12
12
Pr( x
xi )
F ( xi )
xi
f ( x )dx
xi
Area _ sombreada
SE DEFINE COMO:
C(xi)
C(xi)=Pr(x xi)
INTERPRETACIN:
C(x)=1-F(x)
xi
xi
C(xi)
xi
F(x)
Pr( x
xi
f ( x )dx
f ( x )dx
xi
C(x)
F(xi)
x i ) C( x i ) 1
f(x)
=MEDIA (medida de la tendencia
central, o valor esperado
de la variable)
=Desviacion
D
i i estandar
t d
(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< XU)=0.95
Distribucin Normal
Distribucin Lognormal
Distribucin Binomial
Distribucin Exponencial
Variables
Aleatorias
Continuas
Distribucin de Weibull
Distribucin Beta
Variables
Aleatorias
Discretas
Distribucin Gamma
Distribucin Triangular
Distribucin Uniforme
Distribucin de Poisson
Dist. Hipergonomtrica
Distribucin Geomtrica
f(t): Distribucin de
Frecuencia Relativa
f (t )
Exponencial
Weibull
Gamma
f (t )
1 e
F (t )
C (t )
F (t )
C (t )
C (t )
1 F (t )
C (t )
1 F (t )
C (t )
1 F (t )
e
t
1 e
C(t)=1-F(t): Distribucin
Acumulada Inversa
e
t
f (t )
F (t )
t
F(t): Distribucin
Acumulada Directa
e dt
Normal
Log- Normal
f (t )
f (t )
2
1
tt 2
1 t
2
F (t )
1 t
2
dt
1 ln( t )
t
t
F (t )
f (t )dt
0
De la Estadstica de la
Muestra a la de la Poblacin
Muestras Grandes > 14 Datos
Caracterizacin probabilstica de la
muestra o Cmo seleccionar el modelo
de distribucin de probabilidad para una
muestra dada?
Estadstica de la Poblacin
f(x)
Histogramas de Frecuencias
Distribucin No Paramtrica
Distribucin Parametrica
Distribucin Paramtrica
Frequ
uencies
Frec
cuencias
f (x)
1
.e
2
1 x
2
Media de la Muestra X =
Muestra SD
1
n 1
1
n
n
i 1
n
i 1
xi
xi
x .f ( x )dx
Media de la Poblacin
Poblacin SD
(x
)2 .f ( x )dx
1
2
Variables Relacionadas
con Desviacin o Error
Variables Relacionadas
con xito y Fracaso
8
7
6
F 1( X , 1 , 2 ) Fm ( X , 1 , 2 ) F 2( X , 1 ,
5
4
3
2
M
t
Muestra
1
0
F(x)
X1
0.8
0.6
0.4
X2
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
X3
X4
.
Establecer Distribucin de
Probabilidad Hiptesis
Xn
n= nmero de
datos de la
muestra
t o
tamao de
muestra
0
0.064-0.086
Hiptesis 1
Hiptesis 2
Hiptesis m
f1 ( x, 1 ,
F1 ( x, 1 ,
f2 ( x, 1 ,
F2 ( x, 1 ,
fm ( x, 1 ,
Fm ( x, 1 ,
2
2
0.108-0.13
0.13- 0.152
0.152-0.174
0.174- 0.196
0.196- 0.218
0.218- 0.24
0.086-0.108
Test de Bondad de
Ajuste
.
.
De la Opinin de Expertos
a la Estadstica de la
Poblacin
0,45
04
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0 05
0,05
0
0,1190
0,1390
Xmin
0,1590
0,1790
0,1990
0,2190
Xmas probable
0,236
Xmax
EXPERTO
0.00400
0.00350
0.00300
Probability
0.00250
0.00200
0.00150
0.00100
0.00050
0.00000
0
0.1
X 5%
X MIN
0.2
0.3
EXPERTO
0.4
0.5
X 95%
0.6
X MAX
xmin
xmax
xmprob.
EXPERTO
f(x)
xmin
EXPERTO
xmax
h (pies)
Mnimo
Mas Probable
Mximo
19
34
150
Mnimo
0.1228
Mximo
0.3826
Ntese que la estimacin de la Velocidad de Declinacin, est dada por dos valores (un mximo y un
mnimo).
) Con esta informacin conteste las siguientes
g
preguntas:
p
g
1.- Qu distribucin de probabilidades puede usarse para representar dicha variable? Justifique su
seleccin.
De la Estadstica de la
Muestra a la de la Poblacin
Muestras Pequeas < 15 datos
Caracterizacin probabilstica de la
muestra o Cmo seleccionar el modelo
de distribucin de probabilidad para una
muestra dada?
Pasos 1 y 2
Muestra Datos
Pozos Muestra
% Declinacion
Pozo 1
17.30%
Po o 2
Pozo
Histograma de Declinacin
15 80%
15.80%
Pozo 3
17.00%
Pozo 4
14.20%
Pozo 5
10.70%
Pozo 6
20.70%
Pozo 7
19 50%
19.50%
Pozo 8
25.20%
Pozo 9
46.90%
Pozo 10
27.70%
Paso 4
Paso 3
7
120.00%
100 00%
100.00%
80.00%
Valor Mnimo
60.00%
40.00%
20.00%
1
0
Valor Mximo
0.00%
10.70%
22.77%
34.83%
Clase
Valor Ms Probable o Moda
y mayor...
Vecinos
% Declinacion
Pozo 1
17.30%
Pozo 2
15.80%
Pozo 3
Pozo 4
17.00%
14.20%
Pozo 5
10.70%
Pozo 6
Pozo 7
20.70%
19.50%
Pozo 8
25.20%
Pozo 9
Pozo 10
46.90%
27.70%
P5%=PERCENTIL(K15 :K24,0.05)=0.12275
P95%=PERCENTIL(K15 :K24,0.95)=0.3826
posterior
i knowledge
k
l d
y se denota
d
f( /X) Esta
f(q/X).
E
i f
informacin
i se obtiene
bi
combinando:
bi
d
Una distribucin previa del parmetro de inters se denota como g(q) y representa el conocimiento
o experiencia previa (prior knowledge); normalmente proveniente de Opinin de Expertos o de Datos
Anlogos.
Anlogos
Una funcin de probabilidad llamada funcin de verosimilitud la cual representa la probabilidad de la
evidencia y se denota L(X/q); sta se construye a partir de la evidencia o datos propios.
La combinacin del conocimiento previo y la evidencia se hace mediante la ecuacin:
f( / X)
L( X )g ( )
L( X )g ( )d
Teorema de Bayes
D t A
Datos
Anlogos
l
u Opinin
O i i de
d Expertos
E
t
Informacin Previa
pLOW
Distribucin Beta-Pert
Probabilidad de Fracaso p
Muestra
X1
X2
X3
X4
pHIGT pLOW
6
xito
x
Trials (nPREVIA)
Fracasos (kPREVIA)
0.1
0.2
0.3
0.4
0.5
0.6
0.7
.
.
.
Xi
pLOW
4 p pHIGT
6
pHIGHT
pLOW
pHIGHT
pHIGT
pLOW
X2
.
.
.
Xi
TEOREMA DE BAYES
xito
Trials (nEVIDENCIA)
Fracasos (kEVIDENCIA)
f( / X)
kEVIDENCIA
nEVIDENCIA
pACTUALIZADA
L( X )g ( )
L( X )g ( )d
kEVIDENCIA
nEVIDENCIA kEVIDENCIA
2
nEVIDENCIA
nEVIDENCIA 1
pACTUALIZADA
1
2
0.00250
0.00200
Probability
Muestra
X1
0.00150
0.00100
0 00050
0.00050
0.00000
0.1
0.2
0.3
0.4
0.5
Probabilidad de Fracaso
Prior Distribution
Posterior Distribution
0.6
0.7
Prior Knowledge
Datos Anlogos
H1
H2
H3
H4
H5
.
.
.
.
.
.
Hm
Muestra de
tamao n
h1
h2
h3
.
.
.
.
hn
Teorema de Bayes
Posterior Knowledge
Informacin Mejorada
Evidence
Datos Propios
CASO II: Distribucin del Valor Esperado de Variables o Propiedades - n<6 datos
Esta aplicacin
p
ha sido p
particularmente valiosa y exitosamente aplicada
p
en la
Industria del Gas y del Petrleo en situaciones tales como:
Clculo de Volmenes Originales y Reservas para nuevos desarrollos utilizando
informacin de propiedades de campos anlogos.
anlogos
Mejora de Pronsticos de Produccin generados por simulacin aprovechado
las primeras evidencias para actualizar el modelo.
Contenido
Da 3
Variables Aleatorias Parte II
E t d ti de
Estadstica
d la
l Poblacin
P bl i
Distribuciones de Probabilidad
o Caracterizacin Probabilstica de Variables Aleatorias
Muestras Grandes
Opinin de Expertos
Muestras Pequeas
Operaciones con
Variables Aleatorias
Modelos Deterministicos
Variables de Entrada
(Informacin)
Modelo
(Informacin)
Variable de Salida
(Variable de decisin)
A
B
C
D
E=
(A+B+C)
(A
B C)
D
Variable de Salida
(Variable de decisin)
Modelo
(Informacin)
A
0,15
0,15
0,15
0,15
0,15
B
0,76
0,78
0,80
,083
0,82
,062
0,85
E=
C
(A+B+C)
D
,041
,021
,000
50.680,17
18,50
19,25
20,00
20,75
54.456,64
58.233,11
62.009,58
65.786,05
54.375,00
58.750,00
63.125,00
67.500,00
21,50
1,000
,750
D
0,92
0,93
0,95
,500
0,96
,250
0,98
,000
50.000,00
ETAPA 1:
ETAPA 2:
ETAPA 3:
CUANTIFICACION DE LA INCERTIDUMBRE
ASOCIADA A LAS VARIABLES DE ENTRADA O
CARACTERIZACION PROBABILISTICA DE LAS
VARIABLES DE ENTRADA
PROPAGACION
DE
LA
INCERTIDUMBRE ASOCIADA A
CADA VARIABLE EN EL MODELO
MATEMATICO.
CUANTIFICACION
DE
LA
INCERTIDUMBRE
ASOCIADA A LA VARIABLE DE SALIDA O
RESULTADO,
O
CARACTERIZACION
PROBABILISTIA DEL RESULTADO
Act.1
12,805
11,603
12,634
10,243
6,572
15,218
14,397
17,782
25,959
19,044
19 926
19,926
19,311
19,578
18,365
9,778
15,345
11,222
18,483
14,091
11,778
Act.2
Mnimo
Mas Probable
Mximo
4
10
17
Act.3
Mnimo
Mas Probable
Mximo
2
8
32
Operaciones con Variables Aleatorias Ejemplo No. 8 Parte II Planteamiento del Problema
De la poblacin total de actividades en la secuencia de Reparacin Mayor de un Pozo, asumiremos que las
actividades que conformarn la reparacin son las listadas a continuacin:
1.- Deslizar (D)
2.- Control de Pozo (CP)
3.- Recuperar Aparejo de Produccin (RAP)
4.- Perforar (P)
5.- Escarrear Tubera y Rimar Boca de Liner (ETRB)
6.- Estimulacin (E)
En las tablas de la pgina siguiente, se muestran los datos recopilados en bitcoras de perforacin de pozos
similares estructuralmente, geolgicamente equivalentes y de aproximadamente la misma profundidad, sobre la
duracin en horas de las actividades de la secuencia de reparacin previamente descrita
Basado en el listado de actividades y el set de datos en horas asociado a la duracin de cada una de ellas,
ellas se
solicita:
1.- Definir la Distribucin de Probabilidad que mejor describe a cada una de las actividades.
2.- Definir la Distribucin de Probabilidad que representa la variable Random "Tiempo Total de la Actividad de
Reparacin".
Reparacin"
3.- Si usted es el responsable de suministrar a la alta Administracin el estimado de la variable Tiempo Total de la
Actividad de Reparacin, cual sera su respuesta?
CP (hrs)
RAP (hrs)
P (hrs)
ETRB (hrs)
E (hrs)
13
20
8
24
12
11.5
21
5.5
13.5
5.5
9.5
10
12
29.5
14.5
29
11.5
10
7
10
4
12
3
9
11.5
3
19
22.5
9
57
9
11
11.5
15
44
13
21
26
14
8
9
28
47
40
27.5
65
23.5
112.5
59.5
17.5
33.5
24
61
20
66.5
10
39
83
52
24
24.5
41.5
29
96
19.5
87
12
51
19
85
42
56
53
35
56
95.5
43.5
53
110.5
158
83
46
32
34
95.5
105
27
38.5
22
49
21
36
22
21
81
28.5
37.5
88.5
34.5
154 5
154.5
22.5
181.5
33
35.5
42
26
31.5
41
53
70
105.5
41.5
50
74
74.5
71.5
52
59.5
163
42
47
22.5
58.5
27.5
83
46.5
94.5
30.5
89
46.5
62.5
41
110.5
47
99
82.5
66.5
57
118.5
58
172
51
154.5
167
68
304
184
186.5
83
166
44
21
33.5
30
17
39
18
20.5
19
36
28.5
38
86
77.5
72
37
20.5
46
153
122
18
28
158
43.5
31.5
47 5
47.5
116.5
25
142.5
105.5
10
40.5
48
20.5
41
7.5
31.5
20
28.5
22.5
8.5
23
70
48.5
10
44.5
5.5
90
7
Identificar
Centrar
Atencin
Variables Crticas
Tomar
Decisiones
Tcnicamente Factibles
Econmicamente Rentables
S
Sensibilidad
Tipo I
Sensibilidad de la Variable de Salida a
la Dispersion (Desviacin Estndar) de
las Variables de Entrada
Dagramas de
Contribucin a la
Varianza
Dagramas de
Correlacin por
Ranking
Anlisis de
Sensibilidad
Sensibilidad Tipo II
Sensibilidad de la Variable de Salida a
la posicin de la Media de las
Variables de Entrada
Dagramas de
Tornado
Dagramas de
Araa
Tipos de Sensibilidad
Variables de
Entrada
M d l
Modelo
Sensibilidad Tipo II
Sensibilidad de la Variable de Salida a la
posicin de la Meda de las Variables de
Entrada
A
0,15
0,15
0,15
0,15
0,15
0,82
0,85
Variable de Salida
B
0,76
0,78
0,80
E=
C
18,50
19,25
20,00
20,75
21,50
0,96
0,98
(A+B+C)
D
D
0,92
0,93
0,95
Sensibilidad Tipo I
Sensibilidad de la Variable de Salida a la
Dispersion (Desviacin Estndar) de las
Variables de Entrada
Variables Positivamente
C
Correlacionadas
l i
d
Variables Negativamente
C
Correlacionadas
l i
d
Variables No Correlacionadas o
I d
Independientes
di t
1,5
2500
2000
1,4
2000
1500
1,3
1500
Y
2500
1000
1,2
,
1000
500
1,1
500
1
15
20
25
30
X
35
40
500
1000
1500
X
2000
2500
200
400
600
800
X
1000
1200
1400
La
L correlacin
l i dbil entre
t variables
i bl no afecta
f t ell resultado
lt d del
d l modelo
d l de
d simulacin.
i l i
Las correlaciones moderadas y altas pueden producir un error significativo, si ste no es
considerado explcitamente en el modelo de simulacin.
Porosidad - Fraccin
0.198
0.200
0.208
0.204
0.198
0.206
0.177
0.207
0 159
0.159
0.217
0.206
0.162
0.154
0.196
0.187
0.201
0.204
0.192
0.199
0.172
0.170
0 170
0.170
0.224
0.201
0.246
0.160
0.188
0.158
0.145
0.218
0.200
0.189
0 152
0.152
0.165
0.198
0.142
0.225
0.161
0.170
0.174
0.241
0.183
0.152
0.168
0.187
0 178
0.178
0.190
Sw - Fraccin
0.212
0.217
0.204
0.206
0.209
0.190
0.232
0.206
0 244
0.244
0.204
0.223
0.221
0.241
0.207
0.231
0.209
0.210
0.219
0.210
0.240
0.211
0 239
0.239
0.191
0.207
0.203
0.240
0.232
0.242
0.249
0.208
0.200
0.225
0 242
0.242
0.220
0.197
0.266
0.201
0.240
0.238
0.229
0.126
0.229
0.235
0.233
0.222
0 230
0.230
0.220
Contenido
Da 3
Variables Aleatorias Parte II
E t d ti de
Estadstica
d la
l Poblacin
P bl i
Distribuciones de Probabilidad
o Caracterizacin Probabilstica de Variables Aleatorias
Muestras Grandes
Opinin de Expertos
Muestras Pequeas
VPN n
INGRESO j
(1 i )
j 1
VPN
EGRESO j
j
INVERSION INICIAL
un proyecto; y el mismo consiste en un modelo grfico que se utiliza para representar los
ingresos y desembolsos de dinero que se esperan a lo largo del horizonte econmico
establecido.
Durante la construccin del grfico que representa un flujo de caja,
caja la direccin de las flechas
es importante, puede asumirse que una flecha hacia arriba es positivo (ingreso), y si se
muestra hacia abajo es negativo (egreso).
Ingresos
(US$)
Horizonte Econmico
INGRESOS
t
DESINCORPORACION
Egresos
(US$)
INVERSION
INICIAL
Ingresos
Horizonte Econmico
(Tiempo)
0
Inversin Inicial
Impuestos
Operacin
Eventos No Deseados
Desincorporacin
Ingresos
1
1
5
4
Egresos
VPN n
n
j 1
INGRESO j
EGRESO j
(1 i )
INVERSION INICIAL
i=tasa de descuento
VARIABLES DE ENTRADA
(INFORMACION)
Horizonte del
Proyecto (aos)
Inversion
Inicial
Ingresos
Egresos
Tasa de
Descuento
MODELO
(INFORMACION)
VARIABLE DE SALIDA
(VARIABLE DE DECISION)
VPNE
VPN
E
Factor
de Rentabilidad
Factor
Rentabilidad
n
.094
CAPEX
INGJ.
VPNn
n
j 1
EGR
G J.
i
ING j EGR j
(1 i)
VPN
.071
CAPEX
.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 Riesgo
i=tasa de descuento
Contenido
Da 3
Anlisis de Riesgo en el Marco de la Metodologa FEL - VCD
g
del Activo ((MIAc)) Parte I
Modelo Integrado
Sub Modelo Probabilista de Volmenes Originales y Reservas
o Estimacin Probabilista del VOI y Reservas
Cmean:10 MMUSD
Cplan:15 MMUSD
Pr(Creal>Cplan):70%
CMX:19 MMUSD
Para la generacin del Modelo MIAc, se han desarrollado herramientas computacionales basadas en
plantillas preestablecidas para cada uno de los sub modelos del MIAc, desarrolladas con Microsoft
Excel utilizando Visual Basic para Aplicaciones bajo Excel (VBA) y el software Crystal Ball.
La mencionada herramienta permite actividades fundamentales para el anlisis de riesgo e
incertidumbre tales como:
Caracterizacin probabilstica de variables (encontrar la distribucin de probabilidades que mejor
ajusta
j t all comportamiento
t i t de
d una muestra
t de
d datos
d t sobre
b una variable
i bl especfica).
fi ) Es
E importante
i
t t hacer
h
nfasis en que la herramienta, adicional a las tcnicas estadsticas tradicionales, considera tcnicas
estadsticas especiales para el tratamiento de informacin escasa y tcnicas para el manejo de
distintos tipos de informacin:
Tcnicas estadsticas para tratar datos o muestras recolectadas en el mismo activo
EVIDENCIA.
Tcnicas estadsticas para tratar Opinin de Expertos CONOCIMIENTO EMPRICO
Tcnicas estadsticas para tratar Estadstica Internacional CONOCIMIENTO GENRICO O
DATOS ANLOGOS.
Propagacin de Incertidumbre con Simulacin de Montecarlo, Latin Hypercube y Mtodo de los
Momentos .
Medicin del sesgo y la subjetividad en la opinin de expertos y Teorema de Bayes para combinar
informacin de expertos o estadstica internacional, con informacin propia o evidencia.
Contenido
Da 4
Anlisis de Riesgo en el Marco de la Metodologa FEL - VCD
g
del Activo ((MIAc)) Parte I
Modelo Integrado
Sub Modelo Probabilista de Volmenes Originales y Reservas
o Estimacin Probabilista del VOI y Reservas
Cdigo
Codigo Fuente Pozos Tipo
Modelo Pozo
P.V.F*
Tecnologa
rea
Area
P.H.F
P.V.C
P.V.N
P.N.F
Cent
Occ
Orien
Sab
Conv
DNC
FNC
Pozo Tipo
p 011B
rea
C t l Disparos
Central,
Di
N Convencionales
No
C
i
l y de
d
Baja Productividad
Condicin de
P d ti id d
Productividad
A
3.86
0.79
0.70
0.67
0.66
0.64
0.58
0.52
0.51
0.43
0.43
0.41
0.37
0.34
0.29
0.0
0.5
1.0
1.5
2.0
2.5
Tiempo (Dias)
Evaluacin Econmica
3.0
3.5
4.0
4.5
H
25
30
43
18
16
22
35
38
Pwf
600
650
700
640
620
610
600
650
Pe
1200
1111
1110
1125
1350
1400
1345
1234
Pozo n-1
Pozo n
46
16
650
700
110
1400
Permeabilidad Viscosidad
300
220
310
220
400
220
298
240
350
220
345
230
356
220
367
240
400
416
Dao
-2
-1
0.5
-3
2
1
1
2
220
230
Pozo 1
Pozo 2
Nuevo Pozo
2
-1
Pe
Modelos de Afluencia
G t IInicialQ
Gasto
i i lQ0 (bpd)
(b d)
Permeabilidad
Viscosidad
Dao
50.00
162.50
275.00
387.50
500.00
Estimacin Probabilista del Gasto Inicial de Gas (Qg) Ejemplo Aplicacin al AIB
re
538.00
577.33
Kg:
0.12
0.15
0.18
0.22
0.25 0.28
0.92
0.94
0.96
656.00
0.99
1.01 1.03
g:
3,800.00
0.02
0.02
1,056.00
616.67
Z:
Pr:
2,200.00
T:
2,204.00
0.02
0.02
0.02 0.02
30.00
35.05
40.10
45.15 50.00
Percentiles Qo
Percentile
(MMPCGD)
0%
0.78
10%
1.32
20%
1.48
30%
1.62
40%
1.75
50%
1.89
60%
2.03
70%
2.19
80%
2.4
90%
2.68
100%
4.82
Qo(BPD)
.147
.110
.074
.037
.000
50.00
175.00
300.00
425.00
550.00
Qo determins tico * 1
Pozo
o o
Qplan
Qp
a
Qreal
Q
ea
%Desv.
%
es
Pozo 1
9000
-100.00
Pozo 2
7000
3671
-47.56
Pozo 3
3400
2040
-40.00
Pozo 4
7592
4804
-36.72
Pozo 5
4630
2930
-36.72
Pozo 6
8750
6137
-29.86
Pozo 7
5400
4098
-24.11
Pozo 8
7100
5399
-23.96
Pozo 9
9000
8468
-5.91
Pozo 10
6300
6455
2.46
Pozo 11
10500
11089
5 61
5.61
Pozo 12
9350
10207
9.17
Pozo 13
9000
10245
13.83
Pozo 14
4500
6151
36.69
% Error Historico
100
% Error Histrico
Qreal Qplan
Qplan
Probabilidad
Qoi
.060
.040
.020
.000
-113.79
-75.19
-36.59
2.01
40.61
El estimado del Ingeniero de Yacimientos, sobre el Gasto Inicial que tendr el Pozo
RRM 2572, a perforarse dentro de dos meses se resume como sigue:
Gasto Inicial Planificado Pozo RRM 2572: 5320 BPD
Tipo de Pozo:
Po o Desviado
Des iado
Tipo de Actividad: Perforacin
Objetivo Planificado: KI
Este estimado fue realizado con el mtodo de la IPR Futura usado consistentemente
para estas estimaciones.
En el archivo Ejemplo No 12 - Clculo Qo Mtodo 1 - Desviacin Histrica encontrar
informacin histrica sobre pozos perforados en el pasado, en los cuales se utiliz el
mismo
i
mtodo
d de
d estimacin
i
i para ell Gasto
G
I i i l Con
Inicial.
C
b
base
en esta informacin
i f
i
determine:
Distribucin de Probabilidades para el Gasto Inicial del Pozo RRM 2572.
Probabilidad de terminar el pozo en el objetivo planificado.
Probabilidad de terminar en otro objetivo.
Ver Ejemplo No. 12 Clculo Qo Mtodo I Desviacin
Histrica.xls
Q(t) - BPD
2500
2000
1500
1000
500
0
0
Aos
Q10%
Q Media
Q90%
10
D2: Declinacin 2
MMPCD
1.40
1.20
P5
1.00
P50
0.80
P95
0.60
0.40
Med
ia
0.20
0.00
1
T1: Periodo de D1
10
11
12
13
14
15
T2: Periodo de D2
Pozo 112
MMPCD
1.40
1.20
P5
1.00
P50
0.80
0.60
P95
0.40
Med
ia
0.20
0.00
1
10
11
12
13
14
15
p1=84%
Intento= 1
p1=probabilidad de
alcanzar el objetivo
Binomial 2
p2.p3=13.76%
Intento= 1
p2=probabilidad de
no alcanzar el objetivo
%Desv 2
p3=probabilidad de
completar en otro objetivo
-100.00
p2=16%
p4=14%
14%
-43.75
12.50
p4=probabilidad de
abandono
-100%
68.75
125.00
Q Lreal
Q Kplan
QKplan
Ejemplo No. 13
Parte I: Con el estimado del Gasto Inicial calculado en el Ejemplo No.9, estimar el Perfil de
Produccin del Pozo en un periodo de 10 aos.
aos
Parte II: Re-estimar el Gasto Inicial y Perfil de Produccin del Pozo en un periodo de 10 aos,
considerando ahora la probabilidad de xito o fracaso de la actividad:
En los ltimos aos, se han perforado 100 pozos en el campo R2M 142003, y es por ello que se dispone de la siguiente estadstica:
.- De 100 pozos perforados, 85 pozos fueron completados en el objetivo geolgico planificado.
.- 15 pozos fueron completados en otro objetivo geolgico.
.- De los 15 pozos completados en otro objetivo,
objetivo 5 pozos fueron abandonados,
abandonados y el resto de ellos fueron productores.
productores
M Probable
Ms
P b bl
M i
Mximo
50
10
Ejemplo Integrador II
Integrar vincular resultados de los Ejemplos No. 13 Parte I y No. 13 Parte II con la
Evaluacin Econmica mostrada en el Ejercicio Introductorio.
Introductorio
Adicionalmente, considere el siguiente historial de perforacin en la evaluacin econmica:
Historia Perforacin
12
exitos
4
fracasos
Mnimo
0.516
Mas Probable
0.75
Mximo
0.91
Renta Equipo US$/hr
17000
Calculo de
Intervalo con
RARE
Contenido
Da 4
Anlisis de Riesgo en el Marco de la Metodologa FEL - VCD
g
del Activo ((MIAc)) Parte I
Modelo Integrado
Sub Modelo Probabilista de Volmenes Originales y Reservas
o Estimacin Probabilista del VOI y Reservas
Pega
Diferencial
Inestabilidad de
hoyo
Zona
desconsolidada
Formacin
reactiva
Vibracin de la
sarta
Acumulacin de
ripios
i i
Modelo Base
Pr(treal<tobj):44%
TT
TACT
i
63 52
63.52
102 21
102.21
140 89
140.89
Tmedia:140 das
TObjetivo:150 das
179 57
179.57
218 25
218.25
tLi
TACTi
i 1
m
p j tR
j
j 1
Catlogo de Perforacin
ABT
Abandono Temporal
ACE
Acondicionar Equipo
ACP
Acondicionar pozo
APB
CCL
CMC
CMT
PEF-01
CON
Cortar
C t Ncleo
N l
PEF-02
DES
Deslizar
PEF-03
Condiciones Climticas
DIS
Disparar Intervalo
PEF-04
EST
Estimulacin
PEF-05
Falla de Barrena
ETR
PEF-06
EVA
Evaluacin de Formacin
PEF-07
Falla tubera
IEC
PEF-08
Falla de equipo
IER
PEF-09
IES
Instalacin de Estructura
PEF-10
ILP
PEF-11
q
adicional/Cambio de p
programa
g
Requerimiento
MAP
PEF-12
Atascamiento de tubera
MEP
PEF-13
Obstruccin en fondo
MTR
PEF-14
Taponamiento de tubera
PBL
PEF-15
Pozo Fluyendo
PEF
Perforar
PEF-16
PTR
PEF-17
Problemas en hoyo/Arrastres
RBA
PEF-18
Perdida de Circulacin
RCC
PEF-19
Presencia de H2S
REG
g
Registros
PEF-20
RGI
Registro giroscpico
RTR
TIN
Toma de Informacin
Actividades y Riesgos
XXX Tiempo Limpio o productivo de la actividad
XXX-01 - Riesgo 01 de la Actividad XXX
.
.
.
PEF-34
Catlogo Perforacin
260
31
.
.
.
Espera por tubera de perforacin
Catlogo Reparacin
337
42
XXX - Actividad
XXX-01 - Riesgos
Acondicionar Equipo
ACP
Acondicionar Pozo
APB
AZA
Pozo n
46
105
78
50
30
RAP-01
10
12
13
RAP
03
RAP-03
Pesca no programada
21
10
COP
Control de Pozo
RAP-05
Falla de Equipo
12
DAB
RAP-12
Tubera Atascada
10
13
21
DIS
Disparar
EST
Estim lar
Estimular
ILP
Trisk RAP-01
MAP
p1 x
MEP
RAP
RDV
Reemplazar vlvula de BN
RRE
TIN
TOI
Toma de Informacin
T - RAP
Trisk RAP-03
T Productive RAP
p2 x
Trisk RAP-05
p3 x
Trisk RAP-12
p4 x
63.52
102.21
140.89
179.57
218.25
t efectivo
ma
ROP
ROP (mts/hr)
.082
082
.062
.041
ROP
metros
t
_ perforados
f d
tiempo _ efectivo _ perforacion
.021
.000
1.87
3.33
4.80
6.26
7.73
tcompl
triesgo
tPERFORACION
Bases de Datos de
Perforacin de
PEMEX
Base de datos de tiempos
y desviaciones a partir de
los registros y bitcoras
de las actividades de
perforacin y reparacin
mayor
Acondicionar Equipo
ACP
Acondicionar Pozo
APB
AZA
COP
Control de Pozo
DAB
DIS
Disparar
EST
Estimular
ILP
MAP
MEP
Mantenimiento Programado
g
de Equipo
q p
A1
0,15
0,15
0,15
0,15
63.52
A2
0 76
0,76
0 78
0,78
0 80
0,80
0 82
0,82
0 85
0,85
102.21
10%
20%
PEF
18,50
RAP
RDV
Reemplazar vlvula de BN
RRE
TIN
TOI
Toma de Informacin
Programa de Perforacin
19,25
20,00
16.36%
21,50
REG
An
0,93
0,95
0,96
0,98
8.40%
EST
4.67%
MTR
4.62%
RGI
179.57
30%
40%
50%
60%
218.25
70%
64.86%
ILP
20,75
140.89
tmedia = 140.31
tobjetivo = 150
Pr tperf > tobjetivo= 44 %
0%
A9
0,92
Teorema
de Bayes
0,15
ACE
Conocimiento
Genrico (Bases
de Datos de
Experiencias
Internacionales)
0.88%
5.00
10.00
15.00
20.00
5.2
REG
3.6
Activ
vidad
CMT
6.9
4.0
0.1
3.6
0.0
3.6
0.0
3.2
EST
20
2.0
3.1
MTR
ACE
TIN
MAP
APB
RBA
RGI
DES
4.4
ILP
RCC
30.00
27 6
27.6
27.5
PEF
IEC
25.00
2.0
2.7
0.0
2.6
0.0
1.8
0.0
1.5
0.0
1.1
0.0
0.5
0.4
0.3
0.0
Ti
Tiempo
P
Productivo
d i (Das)
(D )
Tiempo Improductivo (Das)
10%
20%
30%
40%
50%
60%
IEC-03
70%
MTR-14 , 47
RGI-08 , 9
IEC 01 , 1
IEC-01
EST-02 , 48
PEF
64.86%
ILP
16.36%
REG
8.40%
EST
4.67%
MTR
4.62%
RGI
0 88%
0.88%
REG-16 , 21
PEF-23 , 357
REG-07
REG
07 , 65
ILP-07 , 34
ILP-08
ILP
08 , 63
ILP-04 , 70
PEF-12 , 6
PEF-17 , 38
IEC
PEF-03 , 169
0.20%
PEF-08 , 91
PEF-23 - Espera por lodo, PEF-03 - Condiciones Climticas, PEF-08 - Falla de equipo, PEF-17 - Problemas en hoyo/Arrastres, PEF-12 Atascamiento de tubera, ILP-04 - Condiciones Climticas, ILP-08 - Espera por transporte, ILP-07 - Espera por Produccin, REG-07 - Problemas
en hoyo/Pozo, REG-16 - Pesca no programada, EST-02 - Condiciones Climaticas, MTR-14 - Pesca no programada, RGI-08 - Espera por
compaa de servicio, IEC-03 - Espera por Produccin, IEC-01 - Falla de equipo
40%
36%
Probabilidad
32%
61 h
hrs
28%
124 hrs
184 hrs
24%
20%
Despus de la
mitigacin
Sin
Riesgo
16%
Antes de la mitigacin
12%
8%
4%
0%
0
Tomado de Altinex
10
20
30
40
50
60
70
80
90
100 110 120 130 140 150 160 170 180 190 200 210 220
Con la evaluacin de las medidas potenciales de mitigacin, el QRA identifica una posible reduccin en el
tiempo total requerido para llevar acabo la operacin.
Codigo
Actividad
DES
DEB
COP
DAB
ICR
RAP
PEE
MOE
RRE
PEF6-1/2"
ETR7-5/8"
RTR
RGI
MAP
RBA
ILP
APB
EST
TIN
DES Deslizar
DEB - Desmantelar bajantes
COP - Control de Pozo
DAB - Desmantelar rbol e Instalar BOPS
ICR - Instalar cabezal rotatorio
RAP - Recuperar aparejo de produccin
PEE - Pescar Empacador
MOE - Moler empacador
RRE - Recuperar restos del empacador
PEF Perforar
ETR - Escarear tubera y Rimar boca de liner
RTR - Registros en tubera de revestimiento
RGI - Registro giroscpico
MAP - Meter aparejo de produccin
RBA - Retirar BOP's e Instalar Arbol de Produccin
ILP - Inducir y Limpiar pozo
APB - Alinear Pozo a Batera
EST Estimulacin
TIN - Toma
T
de
d Informacin
I f
i - Terminacin
T i i
Objetivo General
Dimetro
Metros
a Perforar
135.32 MD
T.R. 16"
800.00 MD
RESISTENCIA ENCONTRADA
A 1200.54 M EN TR. 11 7/8",
PAS MOLINO DE 10 1/4",
PERO NO DE 10 1/2".
SE SUBI B.L. DE 9 5/8" EN
VEZ DE PROG. A 1750 M
0
.6
91
10
.9
B.L
6-1/2"
7-5/8"
7-5/8"
200
D
M
"
5/8
1
.5
59
17
0
.0
44
18
",
1/2
5
DE
IL 3/4"
DR IO
AN
M IFIC
OR
11
D
M
0
.0
01
20
D
M
4
.4
94
21
TR
D
M
0
.0
78
22
"
7/8
"
/8
R 95
DO TE
8"
CA EN
5/8
PA AN
.7
EM RM
B.L
PE
TR
D
M
D
M
"
5/8
9
62
-2
75
25
0
.0
35
. 26
P.I
TR
"
5/8
.
P.T
D
M
D
M
65
26
66
25
D
M
0
.0
64
26
V
M
D
M
Determinar:
1.- Distribucin Probabilstica del Tiempo Productivo.
2.- Distribucin Probabilstica del Tiempo Total con Riesgo
Modelo Base
Cmedia: 10 MMUSD
Cplan: 15 MMUSD
Cclasei
Pr(Creal>Cplan): 70%
Cmax: 19 MMUSD
Inversin Inicial
Egresos
Qo x Precio de Venta
VPNE
VPN
E
Factor
de Rentabilidad
Factor
Rentabilidad
Qi x Precio de Venta
.094
Ingresos
VPN
.071
.047
.024
Costos de Produccin
.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 Riesgo
Egresos
Riesgo (Ri)
(egresos potenciales por fallas)
Capex
Horizonte
econmico
t=n meses
VPN
80000000.00
.094
VPN
.071
.047
Costo Perforacin
90000000.00
100000000.00
-3,000.00
-500.00
2,000.00
4,500.00
7,000.00
4.93
7.46
1031389.83
923335.28
+85%
-100%
85
92
92
98
87%
MOV (horas)
Pr (VPN<0)
Pr(VPN<0)
Factor de Riesgo
F t de
Factor
d Riesgo
Ri
130000000.00
2.100
2.345
120000000.00
0.9
% Error Gasto.
.024
110000000.00
0.75
5.49
MOV-01 (horas)
22.70
MOV-06
MOV
06 (horas)
T i e m p o P r o d u c t i v o ( D a s )
50 .0
M989
M291
M389
55 .0
6 0 .0
56 .7 8
20 8 .0 3
27 .0 1
2 4 .7 4
M380
29.25
M340
65.11
35 .6 7
1 9 .0 1
M787
1 7 .7 6
M622
3 2 .7 0
M239
M945
1 6 .0 3
1 7 .5 1
1 6 9.0 4
144.14
11 0 .0 7
9 0 .5 7
79 .4 3
8 5.5 4
67.46
6 8 .23
17.13
66.81
C O P (h o ra s )
1 7.3 8
64.74
M190
M154
16.89
2 6 .0 9
20.64
71%
14 3 .8 5
78%
85%
92%
99%
150.78
M696
M816
7 5 .0
2 61 .6 0
46 .5 2
M348
M537
7 0 .0
47 5 .7 0
M670
M249
6 5 .0
112.60
Portafolio de Acciones de
Mitigacin del Riesgo
TR
Vlvula BN
Lnea de Flujo
Empaque
56.25
62.45
54 .2 2
M748
6 .4 8
38 .7 7
T O I (h o ra s )
5 .5 5
35 .9 2
Libranza
Downside
Upside
.099
.074
Frontera optima
sin restricciones
.049
.025
.000
-22,500.00
-15,625.00
-8,750.00
-1,875.00
Riesgo creciendo
5,000.00
Factor Rentabilida
ad VPNE
VPN Proyecto C
.085
.064
.042
.021
.000
-10000.00
3750.00
17500.00
31250.00
45000.00
VPN Proyecto B
.094
.094
.071
.071
.047
.047
.024
Frontera optima
con restricciones
VPN
decreciendo
.024
.000
-3,000.00
3 000 00
.095
-500.00
500 00
2 000 00
2,000.00
4 500 00
4,500.00
7 000 00
7,000.00
VPN Proyecto A
-3,000.00
.071
.048
.000
-2500.00
15000.00
32500.00
-500.00
2,000.00
4,500.00
7,000.00
VPNE
Factor Rentabilidad
Pr(VPN<0
Factor de Riesgo
.024
-20000.00
.000
50000.00
Empresa Perforacin 2
Historia
15
exitos
1
fracasos
Renta Equipo
11000
(US$/hr)
Empresa Perforacin 3
Historia
12
exitos
4
fracasos
Renta Equipo
9000
(US$/hr)
Da 5
Modelo Integrado del Activo (MIAc) Parte III
Sub Modelo Probabilista de Instalaciones
o Introduccin al Anlisis RAMP
Caso de Estudio
Perfil de Produccin
Probabilsta
Probabilistic
Production
Profile
14,00
90%
10,50
7,00
50%
3,50
0%
0,00
Conocimiento Previo
Informacin
Genrica de Fallas y
Reparaciones
(Oreda, Parloc, Well
Master, IEEE)
+
Evidencia (Datos
propios de Fallas y
Reparaciones)
Modelaje DBD
(Diagrama de Bloques de Disponibilidad)
Tasa de Fallas y
Reparaciones
Actualizadas
Anlisis RAM
CASO ESTUDIO
Da 5
Modelo Integrado del Activo (MIAc) Parte III
Sub Modelo Probabilista de Instalaciones
o Introduccin al Anlisis RAMP
Caso de Estudio
Sub Modelo Probabilista del Perfil de Produccin basado en los Sub Modelos de Pozos
Tipo y Movimiento de Equipos
Pozo Tipo 2
Pozo Tipo 1
Perfil de Produccin de Gas
qsc(MMPCD))
0.45
14,00
0.35
0.40
0.30
0.35
0.25
0.25
P50
P95
0.20
90%
P5
P5
MMPCD
MMPCD
0.30
0.20
P50
P95
0.15
Media
Media
10,50
0.15
0.10
0.10
0.05
0.05
0.00
0.00
1
7,00
50%
Pozo Tipo 4
Pozo Tipo 3
3,50
10,000.00
35.00
9,000.00
0%
30.00
8,000.00
7,000.00
20.00
P5
P50
15.00
P95
Media
10.00
pcd
p
bpd
b
25.00
6,000.00
P5
5 000 00
5,000.00
P50
P95
4,000.00
0,00
0 00
Media
3,000.00
2,000.00
5.00
1,000.00
0.00
0.00
1
10
11
12
13
14
15
10
11
Perforacin
Movimiento de Equipos
Reparacin
12
13
14
Ao 1
Ao 5
Ao 10
Pozo Tipo 1
Pozo Tipo 2
Pozo Tipo 3
Pozo Tipo 4
15
Ao 15
Ao 20
Ao 25
Pozos Tipo
Nombre Pozo
Tipo Productividad
Pozo Tipo 01
Pozo Tipo 02
Pozo Tipo 03
Pozo Tipo 04
Nombre
N
b Pozo
P
Tipo Productividad
Pozo Tipo 01
Pozo Tipo 02
Pozo Tipo 03
p 04
Pozo Tipo
T1 (Aos)
(A )
Mnimo Ms Probable Mximo
15.000
18.000
20.000
15.000
18.000
20.000
15.000
18.000
20.000
15.000
18.000
20.000
Media
17.833
17.833
17.833
17.833
Desv.Std
0.833
0.833
0.833
0.833
Mnimo
0.752
0.752
0.752
0.752
Desv.Std
Desv
Std Mnimo
0.008
0.176
0.008
0.176
0.008
0.176
0.008
0.176
CCosto
t (Inversin)
(I
i ) Perforacin
P f i (MMU$$)
Ms Probable Mximo Media Desv.Std
1.566
2.940
1.659
0.365
1.566
2.940
1.659
0.365
1.566
2.940
1.659
0.365
1.566
2.940
1.659
0.365
1
2.000
2.000
2
2.000
2.000
2.000
2.000
3
2.000
4
2.000
2.000
10
Desv.Std
Desv
Std
0.003
0.003
0.003
0.003
Sub Modelo Probabilista del Perfil de Produccin basado en los Sub Modelos de Pozos
Tipo y Movimiento de Equipos
CASO ESTUDIO
h
k
?h
Modelo de Simulacin de Yacimiento
Ps(t)
Pws
Pwf(t)
PERFIL
BANDA DE
DE PRODUCCION
PRODUCCION DEL
DEL YACIMIENTO
YACIMIENTO
14,00
90%
10 50
10,50
7,00
50%
3,50
0%
0,00
Pozo 1
CASO ESTUDIO
Da 5
Modelo Integrado del Activo (MIAc) Parte III
Sub Modelo Probabilista de Instalaciones
o Introduccin al Anlisis RAMP
Caso de Estudio
0.83
0.85
0.88
0.90
0.92
394,997.92
642,500.00
766,251.04
890,002.08
782,307.90
869,231.00
1,130,000.30
GASTOS
14,00
0.35
0.40
518,748.96
BANDA
PERFIL DE PRODUCCION DEL YACIMIENTO
P
Pozo
Tipo
Ti 2
Pozo Tipo 1
0.45
0.30
0.35
0.25
P50
P95
90%
P5
P5
0.25
0.20
MMPCD
MMPCD
0.30
0.20
P50
10,50
P95
0.15
Medi a
Medi a
0.15
0.10
0.10
0.05
0.05
0.00
0.00
1
7,00
3,50
10,000.00
9,000.00
30.00
0%
8,000.00
25.00
7,000.00
20.00
P5
P50
15.00
P95
Media
10.00
pcd
bpd
PRECIO ($/BLS)
50%
Pozo Tipo 4
Pozo Tipo 3
35.00
6,000.00
P5
5,000.00
P50
P95
4,000.00
0,00
Media
3,000.00
2,000.00
12
5.00
1,000.00
0.00
X
13
14
15
16
0.00
1
10
11
12
13
14
15
Movimiento de Equipos
Ao 1
Ao 5
Ao 10
Perforacin
Pozo Tipo 1
Pozo Tipo 2
Reparacin
Pozo Tipo 3
Pozo Tipo 4
10
11
12
13
14
15
Ao 15
Ao 20
Ao 25
.094
I
N
G
R
E
S
O
S
VPN
.071
SIPEP
.047
.024
.000
-3,000.00
-500.00
2,000.00
4,500.00
7,000.00
Pr(VPN<0)=24.25%
FACTOR DE RIESGO
INVERSIONES
COSTO POZO PROD (MM$)
9.75
10.38
11.00
11.63
12.25
0.78
0.83
0.89
0.94
1.00
1.15
1.23
1.32
1.40
1.48
PROBABILIDAD DE EXITO
REHAB. PRODUCTORES
0.69
0.72
0.75
0.78
1.59
1.71
1.83
1.94
2.06
PROBABILIDAD DE XITO
EN REHAB. INYECTOR
0.81
0.49
0.52
0.55
0.58
0.61
Fac
ctor Rentabilidad (Med
dia VPN)
48,000.00
46,000.00
Esc 16
44,000.00
Esc 4
Esc 14
42,000.00
40,000.00
38 000 00
38,000.00
36,000.00
Esc 9
Esc 10
Esc 6
Esc 3
Esc 7
Esc 11
Esc
Esc25
Esc 12
Esc 8
Esc 13
Esc 15
Esc 1
34,000.00
32,000.00
30,000.00
0.00
2,000.00 4,000.00 6,000.00 8,000.00 10,000.00 12,000.00 14,000.00 16,000.00 18,000.00 20,000.00
Eficiencia de la Inversin (V
VPN/VPI)
0.48
0.46
Esc 16
0.44
Esc 14
Esc 8Esc 11
0.42
Esc 3
Esc 2 Esc
Esc 910
Esc 5
Esc 12
0.4
0.38
Esc 13
0.36
Esc 7
Esc 1
Esc 4
Esc 6
0.34
0.32
0.3
35,000.00
40,000.00
45,000.00
Esc 1
Esc 2
Esc 3
Esc 4
Esc 5
Esc 6
Esc 7
Esc 8
Esc 9
Esc 10
Esc 11
Esc 12
Esc 13
Esc 14
Esc 15
Esc 16