You are on page 1of 11

Revista Brasileira de Geocincias

Eliana Luci Ligero et al.

38(1 - suplemento): 106-116, maro de 2008

Anlise econmica da reduo de incertezas geolgicas de reservatrios de


petrleo
Eliana Luci Ligero1, Valmir Francisco Risso1 & Denis Jos Schiozer1
Resumo Reservatrios de petrleo, nas fases de avaliao e desenvolvimento, possuem elevado nmero de
incertezas geolgicas, que influenciam significativamente na recuperao de leo e gs. Tais incertezas podem
ser reduzidas ou at mesmo eliminadas pela obteno de informaes, que so fundamentais para mitigar o
risco envolvido em projetos, mas em contrapartida possuem um custo associado. A viabilidade econmica da
obteno de uma ou mais informaes adicionais (completa ou incompleta) pode ser quantificada pelo Valor de
Informao (VDI). A metodologia de clculo do VDI apresentada neste trabalho baseia-se na combinao dos
atributos geolgicos incertos atravs da rvore de derivao, onde cada ramo da rvore representa um modelo
de simulao do reservatrio. A quantificao do VDI, no caso ideal, deveria considerar os benefcios que
poderiam ser obtidos pelo emprego das estratgias de produo mais adequadas para cada um dos possveis
cenrios geolgicos. Na prtica, a determinao de uma estratgia de produo otimizada para cada modelo da
rvore invivel, pois o nmero de modelos cresce exponencialmente com o aumento do nmero de atributos
incertos. Deste modo, as incertezas geolgicas so representadas pelos Modelos Geolgicos Representativos
(MGR) - modelos selecionados por um procedimento definido e usados como base para a determinao de
diferentes estratgias de produo, a fim de considerar os benefcios de informaes adicionais. No exemplo
usado neste trabalho, um poo adicional foi perfurado em um reservatrio de leo na fase de desenvolvimento,
com elevado grau de incertezas geolgicas, para reduo da incerteza e estudo da viabilidade econmica da
obteno da informao que foi avaliada pelo clculo do VDI.
Palavras-chave: Incertezas geolgicas, modelos geolgicos representativos, valor de informao.

Abstract Economic feasibility of reduction of geological uncertainties in petroleum reservoir. Petroleum reservoirs in appraisal and development phases have high number of geological uncertainties with
strong influence in oil and gas recovery. These uncertainties can be reduced or eliminated through additional
information acquisitions that are fundamental to mitigate the risk of projects; however, the acquisition of new
information has an associated cost. The economic viability to obtain one or more information (complete or
incomplete) can be quantified by the Value of Information (VoI). The methodology to VoI calculation used in
this work is based on the combination of uncertain geological attributes by the derivative tree technique, where
each branch of the tree represents a reservoir simulation model. The VoI quantification, in the ideal case, should
consider the benefits that could be obtained using the most adequate production strategy for each possible geological scenario. In practice, it is not viable to optimize the production strategy of each model that constitutes
the derivative tree. Therefore, the geological uncertainties are represented by Geological Representative Models (MGR), which are used as base to determine different production strategies in order to consider the benefits
of additional information. The studied case is represented by an oil reservoir in development phase with high
level of uncertainties and one additional well is drilled in reservoir in order to reduce the uncertainties and to
study the economic feasibility to obtain additional information, which was evaluated by VoI calculation.
Keywords: Geological uncertainties, geological representative models, value of information.

INTRODUO Incertezas esto presentes em campos de petrleo nas fases de avaliao e desenvolvimento e so resultantes, principalmente, do pouco conhecimento associado caracterizao geolgica dos
reservatrios, tais como, volume in situ, continuidade,
falhas e propriedades de rochas e fluidos. Outras fontes comuns de incertezas so representadas por fatores
tecnolgicos associados a dvidas sobre o avano da
tecnologia com o tempo; aspectos econmicos, principalmente o preo do leo e os custos e; por fatores pol-

ticos, como por exemplo, o regime fiscal adotado.


Este cenrio de incertezas exerce um forte impacto nos resultados econmicos dos projetos e isso
mais crtico em campos martimos, onde os investimentos so elevados. Begg et al.(2002) afirmam que o valor
de um projeto fortemente influenciado pelas incertezas, e o baixo investimento destinado ao processo de
tomada de deciso resulta num baixo desempenho da
indstria de explorao e produo de petrleo (E&P).
Deste modo, a indstria de E&P est sempre associada

1 - Departamento de Engenharia de Petrleo, Faculdade de Engenharia Mecnica, Unicamp, Campinas (SP), Brasil. E-mails:
eligero@dep.fem.unicamp.br, valmir@dep.fem.unicamp.br, denis@dep.fem.unicamp.br

106

Arquivo digital disponvel on-line no site www.sbgeo.org.br

Eliana Luci Ligero et al.

a um risco, seja este em maior ou menor intensidade. O


risco, segundo Stermole & Stermole (1974), pode ser
definido como a avaliao de um investimento usando um mecanismo que incorpore as probabilidades de
ocorrncia de sucesso ou falha e diversos valores de
parmetros de investimento. Trs tipos de riscos podem ser considerados no processo de tomada de deciso relacionado a um campo de petrleo na fase de
desenvolvimento: (1) a perda de oportunidade quando
o prospecto tido como no econmico e abandonado, mas na realidade economicamente vivel, (2) o
desenvolvimento no comercial, ou seja, um campo
no econmico, porm considerado como econmico
e (3) desenvolvimento sub-timo quando o campo produz menos que o mximo retorno econmico esperado,
o qual seria obtido se o modelo correto de reservatrio
tivesse sido considerado (Demirmen, 2001). Uma maneira possvel de reduzir o risco envolvido na fase de
desenvolvimento atravs da obteno de informaes
adicionais, que podem reduzir determinada incerteza
ou at mesmo eliminar por completo a incerteza de um
determinado atributo. Embora informaes adicionais
sejam extremamente teis na reduo de incertezas, as
mesmas esto associadas a um custo, que em alguns
casos pode ser invivel economicamente. Deste modo,
Mian (2002) sugere que antes da aquisio de qualquer
informao adicional duas questes sejam consideradas: se a obteno da informao adicional vale a pena
e se vrias fontes potenciais de informao so capazes
de melhorar o processo de deciso, qual delas a preferida.
VALOR DE INFORMAO A viabilidade econmica da obteno de uma ou mais informaes adicionais pode ser quantificada pelo Valor de Informao
(VDI). O clculo do VDI pode ser realizado pela diferena entre o Valor Monetrio Esperado (VME) com e
sem informao (Demirmen, 1996 e 2001). A anlise e
clculo do VDI so usualmente descritos por rvores
de derivao e deciso, mas podem ser explorados por
outros mtodos, tais como, Monte Carlo e Teoria das
Opes Reais.
A anlise do VDI pode ser interpretada como
um critrio consistente para tomada de deciso, reduzindo o risco econmico na fase de desenvolvimento.
A relevncia e aplicabilidade da anlise do VDI no
processo de deciso e anlise de risco de projetos de
E&P foi apresentada por vrios autores (Clemen, 1995;
Koninx, 2000; Floris & Peersmann, 2000; Coopersmith
& Cunninghan, 2002). Hayashi et al. (2007) demonstraram que alm do valor da informao, a reduo do
risco deve ser considerada no processo de deciso associado aquisio de uma informao.
Na literatura tcnica disponvel, no h metodologias claras e bem definidas para o clculo de VDI em
casos complexos com muitos atributos incertos nas fases de avaliao e desenvolvimento. De modo anlogo,
procedimentos sistemticos que explorem o potencial
da metodologia de clculo do VDI, principalmente se a
simulao numrica de reservatrios empregada como

ferramenta de clculo so inexistentes. Na indstria petrolfera, problemas complexos so demasiadamente


simplificados, desde que prtica comum considerar
apenas trs modelos representativos (otimista, provvel e pessimista), resultando num valor de informao
subestimado. De fato, Xavier (2004) mostrou que na
avaliao do VDI, o Mtodo DSS utilizado por Floris &
Peersmann (2000) e o emprego de apenas trs modelos
representativos sub-avaliam o VDI. Portanto, na quantificao do VDI deve-se considerar a possibilidade de
cada um dos vrios cenrios possveis de um determinado reservatrio possuir uma estratgia de produo
especfica aps a obteno da informao.
Uma informao pode ser classificada como
completa ou incompleta, perfeita ou imperfeita. Uma
informao considerada completa e perfeita quando
a incerteza eliminada, de modo a no exercer mais
influncia sobre o risco e o Valor Monetrio Esperado
(VME) do projeto. Uma informao incompleta no
elimina toda a dvida relacionada a um atributo, apenas
reduz o nvel de incerteza. Alm de incompleta, uma
informao pode ser imperfeita, se no houver confiabilidade total no valor medido. Uma explicao detalhada sobre informaes completas e incompletas foi
apresentada por Xavier et al. (2006).
A metodologia de clculo do VDI proposta por
Xavier (2004) foi empregada em reservatrios simples
e reais, sendo admitidas tanto informaes completas,
quanto informaes incompletas. A considerao de
informao completa e perfeita a respeito da incerteza no modelo estrutural de um reservatrio simples foi
utilizada para exemplificar o procedimento de clculo
de VDI. No clculo do VDI do campo real de Namorado foram consideradas as seguintes situaes: dois
atributos incertos passveis de reduo de incerteza e
informao completa e perfeita para os dois atributos,
quatro atributos incertos passveis de reduo de incerteza e informao completa e perfeita para os todos os
atributos e quatro atributos incertos passveis de reduo de incerteza e informao completa e perfeita para
trs atributos e informao incompleta para o quarto
atributo (Xavier, 2004). Esta mesma metodologia foi
empregada com sucesso por Hayashi et al. (2007) no
clculo do VDI de um modelo sinttico baseado num
campo martimo tpico da Bacia de Campos.
METODOLOGIA A quantificao do VDI durante
as fases de avaliao e desenvolvimento de campos de
petrleo realizada por uma metodologia nova e confivel, que se aplica tanto a modelos simples como complexos, caracterizados por poucos ou muitos atributos
geolgicos incertos (Xavier, 2004). As etapas iniciais
do clculo do VDI correspondem s etapas da metodologia de anlise de risco denominada de rvore de
derivao e proposta por Steagall & Schiozer (2001) e
Schiozer et al. (2004). Os passos a serem seguidos no
clculo do VDI so descritos a seguir.
Etapa 1: Definio das Incertezas Seleo de todos
os atributos incertos, definio de seus nveis de incer-

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

107

Anlise econmica da reduo de incertezas geolgicas de reservatrios de petrleo

teza e probabilidades de ocorrncia associada a cada


nvel. O usual considerar inicialmente trs nveis de
incerteza para cada atributo: provvel, otimista e pessimista. A discretizao em trs nveis pode ser uma boa
representao inicial para os atributos contnuos, sendo
que quanto maior a importncia do atributo, maior o
nmero de nveis em que o atributo deve ser discretizado. Os atributos caracterizados por distribuies discretas de probabilidades tm seus nveis de incerteza
definidos pela qualidade das anlises confiveis e representativas disponveis.
Etapa 2: Modelo Base Elaborao do modelo geolgico constitudo por todos os atributos incertos com
seus valores mais provveis. Tal modelo, denominado
de modelo base, tem a conotao de modelo determinstico. A estratgia de produo deste modelo selecionada em termos de uma funo-objetivo pr-estabelecida,
como por exemplo, o Valor Presente Lquido (VPL).
Esta etapa tem como objetivo, portanto, a determinao
de um modelo do reservatrio com uma estratgia de
produo adequada para elaborao da curva de risco.
Etapa 3: Anlise de Sensibilidade A anlise de sensibilidade visa seleo dos atributos incertos mais crticos de modo a reduzir o nmero de atributos a serem
considerados no processo de quantificao do risco e
conseqentemente no clculo do VDI. O procedimento
adotado na anlise de sensibilidade consiste na variao
de um atributo incerto por vez no modelo base. O VPL
representa a principal funo-objetivo, na qual o efeito dos atributos incertos analisado, contudo funes
tais como, produo acumulada de leo (Np) e de gua
(Wp) devem ser levadas em considerao, pois atributos com pouco efeito no VPL podem causar variaes
significativas na produo de leo ou gua.
Etapa 4: rvore de Derivao Elaborao da rvore de derivao, na qual cada ramo corresponde a um
modelo de simulao completo e distinto. O nmero de
atributos a serem includos na rea de derivao depende dos objetivos do caso em estudo. O procedimento
da adio gradativa de atributos crticos na rvore de
derivao (Costa & Schiozer, 2003) garante que apenas
os atributos mais importantes constituam a rvore e que
uma preciso aceitvel seja obtida sem excessivo tempo computacional.
Etapa 5: Curva de Risco Os vrios cenrios gerados
pela combinao dos atributos crticos atravs da rvore de derivao so submetidos simulao numrica
de fluxo. Os resultados das simulaes so empregados
no clculo do VPL de cada um dos modelos. Os VPL
obtidos so tratados estatisticamente a fim de elaborar a
curva de risco e de quantificar o risco envolvido no projeto. importante observar que a elaborao da curva
de risco no necessria no clculo do VDI, porm de
acordo com Hayashi (2006), sua importncia fundamental na determinao qualitativa ou quantitativa do
risco envolvido no projeto, o que pode tambm influen108

ciar a deciso de adquirir ou no uma nova informao


(isso no foi feito neste trabalho, pois o VDI foi baseado somente no clculo descrito at a Etapa 12).
Etapa 6: Aquisio de Informao Verifica-se a possibilidade de reduo ou eliminao das incertezas de
determinados atributos incertos atravs da aquisio
de novas informaes. O investimento em informaes
adicionais sobre o reservatrio pode estar associado a
operaes, tais como, realizao de ssmica 4D, perfurao de poos de delimitao, execuo de testes de
presso e/ou de laboratrio e implantao de um plano
piloto de produo.
Etapa 7: rvore de Deciso A rvore de derivao
transformada em rvore de deciso aps a aquisio da
informao adicional. A figura 1 ilustra a transformao
da rvore de derivao em rvore de deciso. Observase que o n de um evento com probabilidade de ocorrer
com incerteza (representado por um crculo) transformado em um n de deciso (representado por um
quadrado). O tringulo horizontal representa que no
h decises a serem tomadas ou ocorrncia de eventos.
Na metodologia para o clculo do VDI, a definio de
grupo importante. De acordo com a figura 1, a rvore de derivao constituda por um nico grupo e
uma nica estratgia de produo e a rvore de deciso,
por sua vez, composta por trs grupos sendo que para
cada grupo, uma estratgia de produo distinta pode
ser considerada.
Etapa 8: Seleo dos Modelos Geolgicos Representativos (MGR) Os modelos geolgicos representativos (MGR) visam representar as incertezas geolgicas
do reservatrio e variaes de estratgias de produo.
A seleo dos MGR, segundo Xavier (2004) depende
dos seguintes pontos: (1) do nmero de atributos e seus
respectivos nveis passveis de reduo de incerteza quanto maior o nmero desses atributos, maior o nmero de MGR a ser selecionado; (2) da disperso apresentada no grfico do Valor Presente Lquido versus Fator
de Recuperao de leo - quanto maior a disperso dos
pontos, maiores as possveis diferenas nas estratgias
de produo dos MGR; (3) das probabilidades de ocorrncia de cada modelo altas probabilidades de ocorrncia concentradas em determinados modelos devem
ser diludas em um nmero maior de modelos; (4) da
preciso desejada no processo - quanto maior o nmero

Figura 1 Exemplo de transformao de


rvore de derivao em rvore de deciso
(Xavier, 2004).

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

Eliana Luci Ligero et al.

de MGR, maior a preciso e confiabilidade no clculo


e; (5) do tempo disponvel para a realizao do clculo
do valor da informao. importante ressaltar que o
modelo base deve ser considerado como um MGR.
Portanto, os MGR so selecionados visando
definir diferentes estratgias de produo para cada
cenrio ou grupo da rvore de deciso, de modo que
quanto maior o nmero de MGR selecionados, maior
a garantia de otimizao da estratgia de produo
para o grupo. O uso de um nmero limitado de MGR
baseado apenas na inteno de diminuir o tempo computacional da anlise.
Etapa 9: Otimizao das Estratgias de Produo
dos MGR Os MGR so submetidos ao processo de
otimizao de suas estratgias de produo. Um procedimento possvel para otimizao de estratgias foi
proposto por Santos & Schiozer (2003). necessrio
que as estratgias de produo dos MGR e do modelo
base estejam otimizadas, caso as mesmas no estejam
necessrio otimiz-las. Deste modo, o procedimento de
otimizao pode ser iterativo.

maximiza o VME do grupo. Alm disso, a equao generalizada para o clculo do VME dada pela equao
3.
(3)
Portanto, a equao 3 reduz-se a equao do
VMESI, se G = 1 e NG = N. Para G > 1, a equao 3
reduz-se a equao do VMECI.
Etapa 12: Clculo do Valor de Informao O Valor
da Informao obtido pela diferena entre o VMECI e
o VMESI:
(4)
O fluxograma do procedimento de clculo do
VDI encontra-se na figura 2.

Etapa 10: Clculo do Valor Monetrio Esperado


sem Informao O clculo do Valor Monetrio Esperado sem informao (VMESI) realizado atravs da
equao 1. Todos os modelos da rvore de derivao
so simulados considerando cada uma das estratgias
de produo otimizadas dos MGR a fim de determinar
a estratgia que maximiza o VME do caso sem informao. Conseqentemente, o nmero de modelos a ser
simulado igual ao nmero de modelos MGR multiplicado pelos ramos da rvore de derivao (nmero total
de cenrios).
(1)
onde: n EST o nmero de estratgias otimizadas,
w ndice que varia de 1 a n EST , N nmero total de modelos ou cenrios possveis e j um ndice que varia de 1 a N.

Etapa 11: Clculo do Valor Monetrio Esperado


com Informao O Valor Monetrio Esperado com
Informao (VMECI) obtido pela equao 2, generalizada para w estratgias.
(2)
onde: NG o nmero de modelos ou cenrios por grupo,
um ndice que varia de 1 a NG, G nmero de grupos da
rvore e k o ndice que varia de 1 a G.

importante ressaltar que, na Etapa 10, uma


nica estratgia deve ser escolhida, aquela que maximiza o VME de toda a rvore de derivao. Por outro
lado, na Etapa 11, cada grupo ter uma estratgia que

Figura 2 - Representao esquemtica do


mtodo de clculo do VDI (Xavier, 2004).
APLICAO O caso estudado uma modificao
do modelo sinttico proposto por Maschio et al. (2008).
O reservatrio encontra-se na fase avaliao e desenvolvimento e possui algumas incertezas associadas. A
rocha reservatrio constituda por dois tipos de fcies, denominados de reservatrio e de folhelho, ambos
com incertezas associadas. Todos os atributos incertos
foram constitudos por trs nveis de incerteza: provvel (nvel 0), pessimista (nvel 1) e otimista (nvel 2)
e foram admitidos como independentes entre si (Tab.
1). Portanto, inicialmente dez atributos do reservatrio
foram considerados como incertos.
O modelo de simulao do reservatrio foi representado por uma malha com dimenses 25x25x34,

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

109

Anlise econmica da reduo de incertezas geolgicas de reservatrios de petrleo

Tabela 1 - Atributos incertos e suas probabilidades de ocorrncia.


Atributos

Nveis

Probabilidade

dwoc0
dwoc1
dwoc2
cpor0
cpor1
cpor2

0,6
0,2
0,2

Porosidade - Folhelho

porF0
porF1
porF2

0,6
0,2
0,2

Permeabilidade
Horizontal - Folhelho

kxF0
kxF1
kxF2

0,6
0,2
0,2

kzF0
kzF1
kzF2
krF0
krF1
krF2
porR0
porR1
porR2

0,6
0,2
0,2

Permeabilidade
Horizontal Reservatrio

kxR0
kxR1
kxR2

0,6
0,2
0,2

Permeabilidade
Vertical - Reservatrio

kzR0
kzR1
kzR2

0,6
0,2
0,2

Permeabilidade
Relativa gua/leo Reservatrio

krR0
krR1
krR2

0,6
0,2
0,2

Contato leo-gua
Compressibilidade da
Rocha

Permeabilidade
Vertical - Folhelho
Permeabilidade
Relativa gua/leo Folhelho
Porosidade Reservatrio

0,6
0,2
0,2

Figura 3 Mapa de porosidade do modelo base.

0,6
0,2
0,2
0,6
0,2
0,2

onde: (0), (1) e (2) so os nveis provvel, pessimista e


otimista, respectivamente; os termos otimista e pessimista
so em relao ao valor do atributo e no ao impacto que
eles exercem sobre a funo-objetivo.

constituindo um total de 21.250 blocos. As simulaes


foram executadas num simulador comercial do tipo
Black-Oil, num perodo de tempo de 20 anos (7300
dias). Os mapas de porosidade e permeabilidade absoluta do modelo base (constitudo pelos atributos mais
provveis) so apresentados nas figuras 3 e 4, respectivamente. As regies de porosidade 5% correspondem a
fcies folhelho, que possuem permeabilidade absoluta
da mesma ordem de grandeza da fcies reservatrio.
Um atributo passvel de reduo de incerteza,
atravs da perfurao de um poo adicional, o contato
gua-leo (dwoc). Foi assumido que a informao sobre tal atributo completa e perfeita, portanto, elimina
completamente a dvida quanto ao contato gua-leo.
A figura 5 ilustra os trs nveis de incerteza do atributo
contato gua-leo.
Duas situaes distintas, quanto o modo de
operao dos poos produtores do modelo base, foram
consideradas para o modelo geolgico representado nas
figuras 3, 4 e 5 com as incertezas descritas na tabela
110

Figura 4 - Mapa de permeabilidade absoluta horizontal do modelo base.


1. Numa primeira situao, denominada de Caso 1, os
poos produtores foram monitorados por camada, de
modo que quando a frao de gua produzida atingisse
o valor de 90% numa determinada camada, a produo
na mesma seria fechada. No Caso 2, a condio de operao dos poos produtores foi mais flexvel, sendo que
no foi realizado o monitoramento da frao de gua
nas camadas em que os produtores estavam completados. Esta diferena nas condies de operao dos produtores, embora possa ser considera pequena, resultou
em diferentes modelos bases com estratgias de produo distintas para os Casos 1 e 2.
RESULTADOS Independente da condio de operao dos poos produtores, os Casos 1 e 2 apresentaram
incerteza em 10 atributos conforme descrito na tabela
1. O emprego de todos esses atributos incertos na obteno da curva de risco seria invivel, pois seria necessrio simular 59.049 modelos, que equivale 310, pois
todos os atributos possuem 3 nveis de incerteza.
Anlise de Sensibilidade A anlise de sensibilidade
em ambos os casos foi realizada tomando-se como base
as funes-objetivo Valor Presente Lquido (VPL) e

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

Eliana Luci Ligero et al.

Figura 5 Nveis de incerteza do atributo contato gua-leo: (a) pessimista, (b) provvel e
(c) otimista.
Produo Acumulada de leo (Np). A figura 6 ilustra a
anlise de sensibilidade para o Caso 1. Observa-se que
tanto para a funo-objetivo VPL, quanto para a funo Np, os atributos que se apresentaram mais crticos
foram dwoc (contato leo-gua), kxR (permeabilidade
absoluta horizontal na fcies reservatrio) e porR (porosidade na fcies reservatrio). Para esses trs atributos, ambos os nveis otimista e pessimista mostraram
efeitos significativos nas funes analisadas.
O fato do modelo base do Caso 2 ser distinto
do modelo do Caso 1 fez com que a anlise de sensibilidade para o Caso 2 se mostrasse diferente da anlise de sensibilidade do Caso 1, ainda que os mesmos
atributos incertos e as mesmas funes-objetivo VPL e
Np tenham sido consideradas (Fig. 7). Observa-se atravs das funes VPL e Np, de modo anlogo ao Caso
1, que os atributos mais crticos foram dwoc (contato
leo-gua), kxR (permeabilidade absoluta horizontal na
fcies reservatrio) e porR (porosidade na fcies reservatrio). Para esses trs atributos, ambos os nveis otimista e pessimista mostraram efeitos significativos nas

Figura 6 Caso 1: Anlise de sensibilidade para


as funes-objetivo. (a) VPL e (b) Np.
funes analisadas. Contudo, o atributo kzR (permeabilidade absoluta vertical na fcies reservatrio) apresentou efeito significativo para a funo VPL apenas para
seu nvel otimista.
Atributos Crticos e Curvas de Risco O nmero total de atributos crticos a ser considerado na elaborao
da curva de risco, em ambos os casos, foi determinado
de acordo com o critrio da adio gradativa de atributos rvore de derivao.
A figura 8 ilustra o efeito da adio gradativa
na curva de risco do Caso 1. importante ressaltar que
todos os nveis (otimista, provvel e pessimista) foram
utilizados para todos os atributos: dwoc, porR, kxR, krR
e cpor. A adio do atributo cpor resultou numa variao pouco significativa na curva de risco comparada
curva com 4 atributos (dwoc, porR, kxR e krR). Este
fato pde ser observado, tambm, atravs da figura 9, a
qual mostra que a adio do atributo cpor praticamente
estabilizou os valores dos percentis P10 (otimista), P50
(provvel) e P90 (pessimista). Deste modo, a adio

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

111

Anlise econmica da reduo de incertezas geolgicas de reservatrios de petrleo

Figura 8 Caso 1: Curva de risco - adio gradativa de atributos incertos.

Figura 7 Caso 2: Anlise de sensibilidade para


as funes-objetivo. (a) VPL e (b) Np.
do atributo cpor com seus trs nveis de incerteza no
resultou em alteraes significativas na curva de risco
do Caso 1, mas em contrapartida aumentou o esforo
computacional e o tempo do processo, pois o nmero
de modelos simulados cresceu exponencialmente com
o aumento do nmero de atributos na rvore de derivao. Deste modo, no Caso 1, os atributos considerados como crticos foram dwoc (contato leo-gua), kxR
(permeabilidade absoluta horizontal na fcies reservatrio), porR (porosidade na fcies reservatrio) e krR
(permeabilidade relativa gua-leo na fcies reservatrio), todos com trs nveis de incerteza.
Para o Caso 2, o efeito da adio gradativa de
atributos nos valores dos percentis P10 , P50 e P90
apresentado na figura 10. Os atributos dwoc, kxR e porR,
com todos seus nveis de incerteza (otimista, provvel
e pessimista) foram adicionados rvore de derivao,
para o atributo kzR apenas os nveis provvel e otimista
foram considerados, o que resultou num total de quatro
atributos. O quinto e sexto atributos adicionados na rvore de derivao foram, respectivamente, krR (nveis
provvel e otimista) e cpor (trs nveis de incerteza).
112

Figura 9 Caso 1: Efeito da adio gradativa de atributos nos valores dos percentis P10 (otimista), P50
(provvel) e P90 (pessimista).
Observa-se que os valores do percentil P50 (provvel)
praticamente estabilizaram a partir da adio do quarto
atributo. O mesmo no aconteceu para os percentis P10
(otimista) e P90 (pessimista). Tendo em mente o fato
do crescimento exponencial do nmero de simulaes
com o aumento do nmero de atributos crticos, optouse em considerar para o Caso 2 cinco atributos crticos:
dwoc (contato leo-gua), kxR (permeabilidade absoluta horizontal na fcies reservatrio), porR (porosidade
na fcies reservatrio), todos com trs nveis de incerteza e kzR (permeabilidade absoluta vertical na fcies
reservatrio) e krR (permeabilidade relativa gua-leo
na fcies reservatrio), ambos apenas com dois nveis
de incerteza (provvel e otimista).
Modelos Geolgicos Representativos Uma vez determinados os atributos crticos e elaborada a curva de
risco foram selecionados os modelos geolgicos repre-

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

Eliana Luci Ligero et al.

Figura 10 Caso 2: Efeito da adio gradativa de atributos nos valores dos percentis: P10 (otimista), P50
(provvel) e P90 (pessimista).

Figura 11 - Caso 1: Seleo dos Modelos Geolgicos


Representativos (MGR).

sentativos (MGR), os quais representam a variabilidade da estratgia de produo. A escolha dos MGR foi
baseada em termos do indicador econmico VPL em
funo do fator de recuperao do leo. Para ambos os
Casos, um total de cinco modelos foi selecionado como
MGR, sendo que o prprio modelo base constituiu um
dos MGR, figura 11 e 12, respectivamente.
rvores de Derivao e Deciso A transformao da
rvore de derivao em rvore de deciso depende do
nmero de atributos incertos que podem ter sua incerteza reduzida pela aquisio da informao. Nos casos
em estudo a informao foi admitida como perfeita, ou
seja, capaz de eliminar totalmente a incerteza associada
ao atributo contato gua-leo. A elaborao da rvore
de derivao deve seguir a Etapa 4 da metodologia,
enquanto que sua transformao em rvore de deciso
segue a Etapa 7.
O Caso 1 por conter um menor nmero de atributos crticos foi selecionado para ilustrar a rvore de
derivao (Fig. 13), e sua transformao em rvore de
deciso (Fig. 14).
Clculo do Valor de Informao A otimizao das
estratgias de produo dos MGR uma etapa muito
importante para o clculo do VDI, pois quanto melhor
e mais eficiente a otimizao de cada modelo, maior
a preciso e a confiabilidade do VDI calculado. A otimizao de cada modelo um processo dispendioso
devido ao nmero de parmetros que devem ser alterados e ao elevado nmero de simulaes que devem ser
realizadas a fim de maximizar uma ou mais funesobjetivo.
Os modelos geolgicos representativos (MGR)
dos Casos 1 e 2 foram submetidos otimizao de suas
estratgias de produo. Embora possa haver flexibilidade na otimizao de uma estratgia de produo,

Figura 12 - Caso 2: Seleo dos Modelos Geolgicos Representativos (MGR).


em ambos os casos estudados, neste trabalho, apenas
o nmero e a posio dos poos foram alterados durante o processo de otimizao dos MGR (a existncia de
maior flexibilidade de mudanas pode aumentar o VDI
calculado). A tabela 2 mostra, para os Casos 1 e 2, o
nmero de poos produtores e injetores de cada MGR
otimizado.
De posse dos MGR otimizados em termos da
funo-objetivo VPL, os modelos referentes s rvores de derivao dos Casos 1 e 2 foram simulados com
cada uma das cinco estratgias de produo referentes
aos seus respectivos MGR.
A estratgia de produo que resultou no maior
VME para o Caso 1 e para o Caso 2 foi selecionada
para representar o caso sem informao, ou seja, para
determinar o VMESI. importante ressaltar que uma
nica estratgia de produo foi selecionada para determinar o VMESI de cada caso. Com o conhecimento
da informao, para cada um dos trs grupos da rvore
de deciso dos Casos 1 e 2 foi determinada a estratgia

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

113

Anlise econmica da reduo de incertezas geolgicas de reservatrios de petrleo

Figura 14 Caso 1: rvore de deciso


com informao completa para o contato leo-gua (dwoc).

Figura 13 Caso 1: rvore de derivao com 4 atributos crticos.


de produo dentre as estratgias dos MGR capaz de
maximizar o VME de cada grupo, cuja soma resultou
no determinao do VMECI.
114

CASO 1 A tabela 3 mostra que a estratgia de produo do MGR 4 resultou no maior valor de VME para o
caso sem informao (VMESI). Esta mesma estratgia,
tambm, maximizou o VME de todos os trs grupos da
rvore de deciso. Conseqentemente, o Valor da Informao obtido foi nulo. Contudo, isto no significa
que a obteno de uma informao adicional, como a
perfurao de um poo adicional, possui custo nulo.
Este resultado foi decorrente do fato de no se ter tirado o proveito adequado da informao adicional no
procedimento de otimizao dos MGR, ressaltando a

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

Eliana Luci Ligero et al.

Tabela 2 Nmero de poos aps a otimizao dos


MGR.

Cenrio

Caso 1
N.o de
N.o de

Caso 2
N.o de
N.o de

Produtores

Injetores

Produtores

Injetores

11

16

11

MGR 0
MGR 1

11

14

13

MGR 2

14

12

12

MGR 3

16

11

14

MGR 4

16

14

18

14

um poo adicional para eliminar a incerteza do contato gua-leo foi de 17,68 milhes US$. Portanto, neste
caso, na otimizao dos MGR tirou-se o proveito adequado da informao, de modo que o VDI apresentou
valor maior que zero.
DISCUSSO Conforme mostrado por Xavier (2004)
e Hayashi (2006), o VDI cresce com o aumento do nmero de MGR, com o aumento no nmero de simulaes e com a sofisticao do processo de otimizao,
por isso, o VDI obtido , em geral, subestimado. No
Caso 1, o VDI zero no indica necessariamente que a
informao no tem valor, mas que seu valor baixo e

Tabela 3 Caso 1: Determinao do VMESI, VMECI e VDI aps otimizao dos MGR.
US$ (Milhes)
VME
VMESI
Grupo 3

VME

VME

Grupo 1

Grupo 2

MGR 0

1690.92

485.96

595.35

MGR 1

1726.60

509.00

603.46

MGR 2

1685.53

491.06

600.57

MGR 3

2318.22

675.28

838.53

MGR 4

2544.02*

744.19*

925.48*

Estratgia Otimizada para o Cenrio

4213.69

VMECI

VDI(1)

4213.69

onde: * Valores de VME dos grupos usados para calcular VMECI.


(1)
VDI = VMECI - VMECI

Tabela 4 Caso 2: Determinao do VMESI, VMECI e VDI aps otimizao dos MGR.
US$ (Milhes)
Estratgia Otimizada para o Cenrio

VME

VME

VME

Grupo 1

Grupo 2

Grupo 3

MGR 0

1614.45

460.46

570.43

MGR 1

1887.63

552.53

666.14

MGR 2

1870.12

505.47

685.08

MGR 3

1880.38

557.65*

649.17

MGR 4

1960.08*

540.02

726.37*

VMESI

VMECI

VDI(1)

3226.47

3244.10

17.63

onde: * Valores de VME dos grupos usados para calcular VMECI.


(1)
VDI = VMECI - VMECI

importncia e necessidade de utilizar adequadamente


as informaes adicionais na otimizao das estratgias
de produo dos MGR.
CASO 2 A tabela 4, referente ao Caso 2, mostra que a
estratgia de produo do MGR 4 resultou no maior valor de VME para o caso sem informao (VMESI). No
clculo do VME com informao (VMECI), os maiores
valores de VME para os Grupos 1, 2 e 3 foram, respectivamente, obtidos pelas estratgias de produo dos
MGR 4, MGR 3 e MGR 4. O custo da perfurao de

prximo de zero; isso significa, para o Caso 1 estudado,


que a informao no traz grandes benefcios para a deciso de nmero e posio dos poos. No Caso 2, como
o VDI subestimado, pode-se afirmar que se o custo
da informao for inferior a 17,63 milhes US$, devese obter a informao adicional. Contudo, se o custo
da informao for um pouco superior ao VDI obtido,
faz-se necessrio sofisticar o processo, melhorando a
otimizao das estratgias de produo dos MGR ou
aumentando o nmero de MGR selecionados. Se esse
custo for muito superior, pode-se descartar essa possi-

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

115

Anlise econmica da reduo de incertezas geolgicas de reservatrios de petrleo

bilidade.
CONCLUSES Os dois casos estudados mostraram
ser bons exemplos para ilustrar a metodologia de clculo do Valor Monetrio sem Informao (VMESI) e
com Informao (VMECI), os quais possibilitam avaliar
a viabilidade econmica da obteno de uma ou mais
informaes adicionais a fim de eliminar ou reduzir incertezas associadas a reservatrios de petrleo na fase
de desenvolvimento. Um dos casos mostrou que possvel obter um VDI nulo e como qualquer informao
adicional est associada a um custo, deve-se ter cautela
na aquisio da informao, pois ela pode no trazer
benefcios para o projeto. Um VDI nulo tambm um
indicador de que os benefcios referentes informao
adicional no foram devidamente explorados no processo de otimizao dos Modelos Geolgicos Representativos (MGR). Pode-se mudar este valor atravs de

uma maior flexibilidade na estratgia de produo para


que se possa tirar proveito da informao. O segundo
caso estudado, no qual tirou-se o proveito adequado da
informao adicional na otimizao dos MGR, resultou
num VDI prximo do custo da perfurao de um poo
adicional. Como o VDI em geral subestimado, podese afirmar que interessante adquirir a informao. A
preciso e confiabilidade do VDI resultam da otimizao de estratgias de produo dos MGR. Quanto maior
o nmero de MGR e mais eficiente for a otimizao da
estratgia de cada MGR, maior preciso e maior a
confiabilidade no valor de VDI. De posse de um valor
confivel de VDI, o executor do projeto optar ou no
pela aquisio de uma nova informao.
Agradecimentos Os autores agradecem a Petrobras
(Rede SIGER) e ao grupo de pesquisas UNISIM (CEPETRO/UNICAMP).

Referncias
Begg S., Bratvold R, Campbell J. 2002. The Value of
Flexibility in Managing Uncertainty in Oil and Gas
Investments. In: SPE, Annual Technical Conference and
Exhibition (ATCE), SPE 77586, USA, 1 CD-Rom.
Clemen R.T., 1995. Making Hard Decisions - An Introduction
to Decision Analysis. Belmont, 664p.
Costa A.P.A & Schiozer D.J. 2003. Treatment of Geological
Attributes in Risk Analysis Applied to the Appraisal
Phase of Petroleum Fields. In: Canadian International
Petroleum Conference, Calgary, Alberta, Canada, 1 CDRom.
Coopersmith E.M. & Cunningham M.P.C., 2002. A Practical
Approach to Evaluating the Value of Information and
Real Option Decisions in the Upstream Petroleum
Industry. In: SPE, Annual Technical Conference and
Exhibition (ATCE), SPE 77582, EUA, 1 CD-Rom.
Demirmen F. 2001. Subsurface Appraisal: The Road from
Reservoir Uncertainty to Better Economics. In: SPE,
Hydrocarbon Economics and Evaluation Symposium,
Dallas, U.S.A, SPE 68603, 1 CD-Rom.
Demirmen F., 1996. Use of value of Information Concept
in Justification and Ranking of Subsurface Appraisal.
In: SPE, Annual Technical Conference and Exhibition
(ATCE), Denver, USA, SPE 36631, 1 CD-Rom.
Floris F.J.T. & Peersmann M.R.H.E. 2000. E&P Decision
System for Asset Management A case study. SPE European Petroleum Conference, SPE 65146, Paris, Frana,
1 CD-Rom.
Hayashi S.H.D. 2006. Valor da Flexibilizao e Informao
em Desenvolvimento de Campo por Mdulos. Dissertao de Mestrado em Cincias e Engenharia de Petrleo,
FEM e IG, UNICAMP, Campinas, 118 p.
Hayashi S.H.D., Ligero E.L., Schiozer D.J. 2007. DecisionMaking Process in Development of Offshore Petroleum
Fields, SPE 107737. In: SPE Latin American and Caribbean Petroleum Engineering Conference, Buenos Aires,
Argentina, 1 CD-Rom.
Koninx J.P.M., 2000. Value of Information: From Cost Cut-

116

ting to Value Creation. In: SPE, Asia Pacific Oil and Gas
Conference and Exhibition, SPE 64390, Australia, 1 CDRom.
Maschio C., Vidal, A.C., Schiozer, D.J. (submetido). A
Framework to Integrate History Matching and Geostatistical Modeling using Genetic Algorithm and Direct
Search Methods Journal of Petroleum Science and Engineering.
Mian M.A. 2002. Project economics and decision analysis.
Tulsa, Okla., Penn well, 411 p.
Santos J.A.M. & Schiozer D.J. 2003. Quantifying Production
Strategy Impact in Risk Analysis of an E&P Project Using Reservoir Simulation. In: Reservoir Simulation Symposium, 17th, Houston, EUA, SPE 79679, 1 CD-Rom.
Schiozer D.J., Ligero E.L., Suslick S.B., Costa A.P.A., Santos J.A.M. 2004. Use of Representative Models in the
Integration of Risk Analysis and Production Strategy
Definition. Journal of Petroleum Science and Engineering, 44(1/2):131-141.
Steagall D.E. & Schiozer D.J. 2001. Uncertainty Analysis in
Reservoir Production Forecast during the Appraisal and
Pilot Production Phases. In: SPE Reservoir Simulation
Symposium, SPE 66399, EUA, 1 CD-Rom.
Stermole F.J. & Stermole J.M. 1974. Economic Evaluations
and Investment Decision Methods. Colorado, Golden:
Investment Evaluation Corporation, 353p.
Xavier A.M. 2004. Anlise do Valor da Informao na Avaliao e Desenvolvimento de Campos de Petrleo. Dissertao de Mestrado em Cincias e Engenharia de Petrleo, FEM e IG, UNICAMP, Campinas, 160p.
Xavier A.M., Ligero E.L., Schiozer D.J., 2006. Metodologia
para Clculo do Valor de Informao no Desenvolvimento de Campos de Petrleo. In: Rio Oil and Gas Expo
and Conference, Rio de Janeiro, 1 CD-Rom.
Manuscrito BR 07
Submetido em 21 de dezembro de 2007
Aceito em 10 de maro de 2008

Revista Brasileira de Geocincias, volume 38 (1 - suplemento), 2008

You might also like