METODOLOGIA DE ANALISIS DE RIESGO

AL PORTAFOLIO DE OPORTUNIDADES
DE PRODUCCION

MAYO 2001

PDVSA

CUALQUIER INFORMACIÓN O REQUERIMIENTO
ADICIONAL REFERENTE A 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 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. 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 del POES. 25

PDVSA i

31 Figura 29. 45 PDVSA ii . 34 Figura 32. Información estadística resultante. 38 Figura 38. 44 Figura 43. Información Bench Marking en Factor de Recobro 33 Figura 30. 30 Figura 28. Distribución probabilística de producción. Figura 24. 28 Figura 26. Modas estadísticas por año. 41 Figura 41. 35 Figura 33. Distribución Probabilística . POES probabilístico >>> POES oficial en libro. 38 Figura 37. 40 Figura 40. 42 Figura 42. 28 Figura 25. POES probabilístico < POES oficial en libro. 40 Figura 39. Análisis por barra del Diagrama Tornado. Modas estadísticas por año por tipo de pozo. Generación de una distribución probabilística a un grupo de datos. Distribución Probabilística Uniforme. 36 Figura 35. Distribución Normal. Tabla de percentiles en Crystal Ball. Resultados probabilísticos de POES y Reservas. POES probabilístico = POES oficial en libro. Determinación Probabilística de Reservas. POES probabilístico > POES oficial en libro. 45 Figura 44. Distribución Triangular. Diagrama Tornado tipo. 29 Figura 27. Definición de nombre de una celda en Excel. 37 Figura 36. Pag. 36 Figura 34. Distribución Probabilística del Factor de Recobro. 33 Figura 31.

Perfil de producción SIPEP. Taba de variación de inversiones en proyectos ejecutados. 55 Figura 56. Distribución probabilística de Reservas. Comparación estadística de producción con el PDO. 50 Figura 52. 47 Figura 47. 52 Figura 53. Figura 45. Perfil de producción SIPEP y más probable. Porcentaje de variación para cada renglón presupuestario. 46 Figura 46. 57 PDVSA iii . Pag. 53 Figura 54. 48 Figura 49. Variaciones de la actividad planificada versus la real ejecutada. Distribución probabilística de variación del presupuesto de gastos. 49 Figura 50. Distribución probabilística de variación de las inversiones de perforación. Tabla de variación de los renglones presupuestarios. 54 Figura 55. Curva de probabilidad acumulada invertida. 55 Figura 55. Distribución probabilística de variación de las inversiones de proyectos. 47 Figura 48. Banda de producción basada en la moda estadística. Distribución probabilística de Reservas con certidumbre del 25%. 50 Figura 51. 53 Figura 54.

Margen de Oportunidad Real. Figura 57. Modelo de distribución probabilística de VPN 61 Figura 61. 59 Figura 59. Probabilidad acumulada invertida. 58 Figura 58. 64 Figura 65. 63 Figura 64. Margen de Oportunidad Firme y Esperado. Jerarquización de paquetes. Modelo de hoja de Evaluación Económica probabilística. Pag. 60 Figura 60. 62 Figura 63. Modelo de hoja de Evaluación Económica probabilística. Riesgo Real. Modelo de hoja de Evaluación Económica probabilística. 65 PDVSA iv . 61 Figura 62.

basado en la distribución probabilistica de la variable. PDVSA v . › 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. › SIMULACION Es un método analítico que trata de imitar un sistema real. especialmente cuando el sistema es muy complejo o difícil de reproducir. 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.

› MEDIANA: Es el valor del conjunto de resultados. la Mediana y la Moda coinciden en el punto de mayor probabilidad. Es el valor central del conjunto de resultados una vez que éstos ha sido ordenados numéricamente en forma decreciente. PDVSA vi . que se repite o aparece mayor numero de veces. con igual número de valores mayores y menores a él. se define como la sumatoria del conjunto de valores o resultados obtenidos de un experimento dividido por el número total de valores sumados. la Media. del conjunto de resultados. Cuando la curva de distribución probabilística tiene un comportamiento Normal. › MODA: Es el valor.› MEDIA: Comúnmente conocida como Media aritmética o promedio aritmético.

6. Análisis Probabilístico de Gastos 54 5. del POES 27 5.1.3.2. Distrib. Prob. Generación de Diagramas Tornados 39 5. Distribución Prob. del Área 28 5.2. Generación de Distribuciones Probabilísticas 13 5. Distrib.2.2. OBJETIVO GENERAL DEL PROYECTO 4 3.1. OBJETIVOS ESPECÍFICOS 4 4.2. Evaluación Económica 58 PDVSA vii . Banda de Producción 47 5. INTRODUCCIÓN 1 2. Prob. de Factor Volumétrico 31 5.2. SOFTWARE UTILIZADOS 5 5. de Porosidad/ Saturación 29 5.4.3.1.2. Distrib.1. de Arena Neta Petrolífera 30 5. Prob.7.1.1. Distribución Prob. de Factor de Recobro 32 5.4.1.2.5.2. Distrib.2. Análisis Probabilístico de Inversiones 52 5.2. Análisis Probabilístico de Producción 43 5. Determinación de Reservas 34 5.4. METODOLOGIA 8 5.3. Análisis Probabilístico Reservas 26 5. Prob. ÍNDICE LISTA DE FIGURAS i DEFINICIONES BÁSICAS v INDICE vii 1.

ÍNDICE ANEXOS 66 ANEXO A: Presentación de metodología ANEXO B: Presentación de resultados PDVSA viii .

Eficiencia de Inversión. una vez determinados sus indicadores financieros de TIR. INTRODUCCIÓN Tradicionalmente el esquema de evaluación de proyectos en PDVSA ha sido netamente determinístico. adicionalmente.?.1. 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. Y. gastos. Y estos a su vez discriminados en función de sus variables PDVSA . La jerarquización del Portafolio de Oportunidades y el Plan de Negocios. Valor Presente Neto y tiempo de Pago. Pero ¿Cuál es el nivel de Riesgo asociado a cada uno de estos paquetes? . inversiones. es decir. jerarquizamos los paquetes desde el de mayor retorno hasta el de menor. volumetria de crudo y gas. 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. En la actualidad la única herramienta es a través de los Post- Mortem de los proyectos. e introducir mejoras que permitan visualizar estos riesgos a lo largo de toda la cadena de valor. ¿Pudiesen estos resultados cubrir los detalles específicos de riesgos asociados a cada proyecto. Así. en donde midiendo la variación entre lo planificado y lo real tenemos una idea del riesgo inicial asociado a un proyecto especifico. ¿Cómo medimos el Riesgo?. etc. Pero nos preguntamos: ¿Són éstos resultados extrapolables a todos los paquetes del Portafolio?.

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. Retorno Vs Riesgo PDVSA . determinar que porción del retorno esperado del proyecto esta sujeto a varianza.técnicas y financieras. para así poder conformar un sólido plan de negocios. es decir. VPN (MM$) ? ¿Dónde estamos ubicados? Riesgo (MM$) Figura 1. Porque como empresa. 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. Es así como respondemos el ¿Por Qué? hacer el Análisis de Riesgo. Así podremos ubicarnos dentro de los ejes mostrados en la figura y medir el Riesgo asociado a nuestro Portafolio en función del retorno esperado. 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.

No obstante todos compartimos que esta sujeto a una serie de riesgos de mercado.Nuestro Plan de Negocios esta orientado a maximizar la creación de valor al accionista. Segundo tenemos que optimar la distribución de recursos y dirigirlos a aquellas áreas que contribuyan a disminuir el riesgo implícito en los negocios. 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. PDVSA . 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. Riesgos Tecnológicos y de entorno. 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). 3. 2. 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. Solo así podremos tener un portafolio balanceado y alineado con la Orientación estratégica de la Corporación. Operacionales de Indole Técnica y Financiera. Primero tenemos que identificar y Gerenciar el riesgo asociado a los negocios que forman parte de nuestro portafolio. Carito y Pirital.

que permita gerenciar la cartera de proyectos de las U. referidas. PDVSA . • Proveer a las U.2. 3. con las herramientas adecuadas para realizar análisis de decisiones y riesgo. considerando los riesgos asociados y las sensibilidades requeridas para el análisis de los proyectos de las Unidades de Explotación. • Entrenar al equipo de trabajo en el uso de las herramientas implantadas durante el proyecto. 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. con el fin de servir de base en la toma de decisión para la formulación del plan de negocios de PDVSA.E. 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. • Determinar un índice de jerarquización que considere el riesgo implícito en términos monetarios.E.

Este software de fácil utilización.Decision Tree š CRYSTAL BALL El Crystal Ball 2000 es un programa complementario del Excel (Add-in).4.. 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.Crytal Ball 2000 – Excel 2. Sin embargo esta herramienta posee un potencial complementario para otro tipo de análisis y toma de decisiones. SOFTWARES UTILIZADOS Las herramientas utilizadas dentro de esta metodología son las siguientes: 1. A lo largo de la metodología se describe su aplicación practica dentro del contexto de análisis de riesgo al PDO. propiedad de la empresa “Decisioneering”. PDVSA ..

el cual se utilizó para la generación de los árboles de decisión y diagramas de tornado.š DECISON TREE El Decision Tree es una herramienta perteneciente a la Suite de aplicaciones de la empresa MERAK-Schlumberger . Modelo de un árbol de Decisión El diagrama de tornado permite visualizar la contribución a la varianza que sobre un elemento en particular. Un modelo del árbol generado en la herramienta “Decision Tree” se muestra en la figura 2: Valor mas probable de reservas Figura 2. la probabilidad de ocurrencia de un evento considerando las incertidumbres de cada una de las variables involucradas. Los árboles de decisión permiten determinar a través de la utilización de la teoría Bayesiana. por ejemplo: PDVSA .

Porosidad. Así mismo el diagrama tornado permite determinar el riesgo y la oportunidad presente en cada variable. RIESGOS OPORTUNIDADES Figura 3.Reservas. de esta forma. Modelo de un Diagrama Tornado PDVSA . etc). afectan las incertidumbre de cada variable que intervienen en su cálculo (Area. 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.

utilizándose en los casos donde la información existente es escasa o no se dispone de ella.5. soportándose con la información real medida en campo (data dura) y validada a los niveles correspondientes. 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. El Proyecto Piloto se fundamentó en una metodología cuantitativa considerando el análisis estadístico de la data real de campo. Porosidad. Factor Volumétrico). El segundo método. Espesor. El primero. en consecuencia tiende a ser cualitativa. esta asociado a la opinión de expertos. El otro PDVSA . METODOLOGIA: El Análisis de Riesgo puede ser desarrollado a través de dos métodos. La información estadística “validada” refleja el comportamiento inequívoco de las variables. basado en el comportamiento probabilístico de las variables. Saturación de petróleo. 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. dando un mejor soporte técnico y confiable a los resultados del análisis.

a partir de la distribución probabilística de las reservas de petróleo y gas . parámetro asociado para la determinación de reservas es el factor de Recobro. el cual se basó en resultados reales de yacimientos( “Bench Mark”). š Construcción de las Bandas de Producción. š Determinación de varianza en los presupuestos de Operación e Inversión. sometidos a proyectos de recuperación secundaria por inyección de agua y/o gas š Análisis de la capacidad de Producción por área. las variaciones en perforación y completación de pozos. para ello se consideró los desembolsos realizados en los tres últimos ejercicios presupuestarios de gastos y en cuanto al de inversión. así como. Construyéndose la curva de distribución para luego comparar este resultado con el perfil de producción plasmado en el Portafolio de Oportunidades (PDO).. los resultados de proyectos ejecutados y cerrados financieramente. esta soportado por el comportamiento real de Producción por Pozo/ Yacimiento de los últimos cuatro años de producción. las distribuciones probabilísticas generadas en los PDVSA . con características similares a los estudiados. se determinó utilizando como insumo base. š VPN más probable. a nivel nacional e internacional.

Estableciendo para los paquetes analizados. considerándose nuevos parámetros de jerarquización para el PDO. la construcción de la Frontera de Eficiencia para el Portafolio Oriente. puntos anteriores y la información por paquete contenida en el SIPEP (Sistema Integrado de Planificación de Exploración y Produccion). 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. desarrollada por el grupo ejecutor del Proyecto Piloto. en el siguiente diagrama se visualiza la metodología desarrollada en el proyecto: PDVSA . así como. š Análisis al PDO / Frontera de Eficiencia. Para implementar el concepto de análisis de riesgo.Crystal Ball”. comparaciones en el ámbito de Riesgo-Rentabilidad. Para ilustrar todo lo antes citado. a través de una hoja integrada “Excel .

Metodología Proyecto Piloto. se identifican los campos y/o yacimientos asociados a cada paquete a fin de recopilar la información necesaria asociada a la determinación del POES como la de producción de la acumulación de hidrocarburos en estudio. FDiagramas Tornado de reservas (+) (-) probables/ Variables técnicas EVALUACIÓN ECONÓMICA DE LA CARTERA NUEVOS CRITERIOS DE VPN Esperado JERARQUIZACIÓN Fgura 4. Factores Volum. Disponibles en Sistemas Corporativos (Bs plan Vs Bs Real) ê Distrib . Paso seguido. Secundaria. 1999 y 2000) ê Comparación Plan Vs Real ê Distrib . (-) FDiagramas Tornado F Diagramas tornados. de gastos : F Data Histórica de Proyectos de Inv : (Referenciada a cada yacimiento) (Referenciada a cada yacimiento) (1998. 1998. Prob.. Prob. plan Vs Activ. METODOLOGÍA PROYECTO PILOTO FUERZA FUERZA HOMBRE HOMBRE SELECCIÓN DE PAQUETES DEL PDO ••YACIMIENTOS YACIMIENTOS ••ENTRNAMIENTO ENTRNAMIENTO. Real FData Histórica de Perforación para cada año. ê Gráfica de MBD/Pozo mas probable (Acti. ê Comparación Plan Vs Real / año êDeterminación Probabilidad de ê Distrib . Prob. 1999 y 2000) ê Comparación Plan Vs Real / año ê Distrib . la primera parte de la metodología de trabajo contempla la selección de los paquetes del PDO para realizarle el Análisis de Riesgo. Prob. ••PRODUCCIÓN PRODUCCIÓN ••SOFWARE SOFWARE ••INFRAESTRUCTURA INFRAESTRUCTURA ••METODOLOGIA METODOLOGIA ••PERFORACIÓN PERFORACIÓN IDENTIFICACION DE ÁREAS/ YACIMIENTOS •PROCURA/ •PROCURA/INSTALACIÓN INSTALACIÓN ••PLANTAS PLANTAS DE DE HERRAMIENTAS DE HERRAMIENTAS HERRAMIENTAS ••PLANIFICACIÓN PLANIFICACIÓN DISTRIBUCIÓN PROBABILÍSTICA DE VARIABLES TECNICO-FINANCIERAS (CRYSTAL BALL / DECISION TREE (MERAK)) RESERVAS PRODUCCION GASTOS INVERSIONES F Data Real P/ cálculo POES volum : F Data Histórica Producción por pozo : F Data Histórica Presu . Prob de MBD/Pozo (Bs plan Vs Bs Real) varianza . Saturación. Espesores ê Distrib . ê Bench Marking Internacional de FComparación de la desviación Factores de Recobro por tipo de Presupuesto/ Actividad. La otra parte de la información requerida para el análisis corresponde a la variación estadística de los presupuestos de PDVSA . Porosidad. Partiendo de la información contenida en el flujograma anterior. Area del yacim . Reservas: ê Comparación con plan PDO 2000-19 ê Determinación Probabilidad de (Bs plan Vs Bs Real) (Referenciada a cada yacimiento) varianza . (1996. Por año proyecto de Recup. la cual es el insumo necesario para desarrollar las tres primeras “Macro- etapas”. ê Distrib . 1997. Prob. êDeterminación Probabilidad de FGeneración de bandas de producción varianza por tipo de pozo. ejecutada) ê Comparación Plan Vs Real FDistrib Probab .

VPN. El siguiente paso corresponde a la generación de la distribución probabilística de cada variable. PDVSA . En la siguiente sección se detallará paso a paso el procedimiento seguido para la generación del comportamiento probabilísticas de las variables de interés. de las Unidades de Explotación involucradas en los paquetes seleccionados. de manera fácil y amigable.operación e inversión. Reservas. utilizándose la herramienta “Crystal Ball”. a un conjunto de datos para posteriormente. entre otras. por ejemplo: POES. combinar las diferentes distribuciones de cada variables para obtener el comportamiento probabilístico de una macrovariable. permitiendo realizar distribuciones probabilísticas. mediante la simulación Monte Carlo.

Para generar una Distribución Probabilística a partir de un conjunto de datos reales. saturación y/ó cualquier otro parámetro de interés. Este “Software” debe estar instalado en la “PC” o a nivel de Red. con la aplicación de “Cristal Ball activada” se organiza la información sujeta al análisis.5. el cual al ser activado. porosidad. un conjunto de datos asociados a pozos. por ejemplo. tal y como se muestra en la figura 5: Figura 5. en este caso: espesor. Barra de Herramientas del Crystal Ball Para la generación de las distribuciones probabilísticas se debe seguir el siguiente procedimiento: a.1 GENERACIÓN DE DISTRIBUCIONES PROBABILÍSTICAS UTILIZANDO EL SOFTWARE “CRYSTAL BALL”. presentará un libro Excel con una barra de herramientas adicional a la tradicionalmente conocida en este programa. se utiliza la herramienta “Crystal Ball”.. tal como se muestra en figura 6: PDVSA .En una hoja Excel.

Figura 6. Se ubica el cursor y se activa la celda de la variable sujeta al análisis. Ver Figura 7: Figura 7. “no puede ser ni una celda con fórmula ni una PDVSA . Modelo de base de datos b. Modelo de base de datos Esta celda debe estar definida por un valor numérico colocado manualmente.

. tal como se muestra en la figura 9: Figura 9. se coloca el valor promedio del conjunto de datos asociados a dicha variable o el valor de “cero” c. Icono Define Assumption El programa mostrará automáticamente la galería de modelos probabilísticos. de lo contrario esta variable no podrá ser definida por “Cristal Ball”. Galería de distribuciones probabilísticas PDVSA . Generalmente.celda en blanco”. sobre la barra de herramientas para activar la distribución probabilística: Figura 8.Una vez ubicados en la celda correspondiente se hace un “click” en el icono de “Define Assumption” (Ver figura 8).

se selecciona directamente el modelo de la galería.. d. tal como lo muestra la figura 11: PDVSA ..Si se conoce.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.cont. Para seleccionar alguna de las curvas de la galería se hace un “click” sobre la distribución de preferencia. El programa mostrará en pantalla un recuadro donde el usuario indicará el rango de datos a cotejar probabilísticamente. en caso contrario se hace “click” en el recuadro “Fit” para generar la distribución probabilística capaz de reproducir el comportamiento de la data real. previamente el comportamiento probabilístico de la variable. Galería de distribuciones probabilísticas .

(30 valores en total). en este momento se activarán las opciones indicadas en la figura 12. e. PDVSA .. 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”. En este recuadro se indica el rango de los datos a ser graficado. Para finalizar se hace “click” en el recuadro “OK”.Se hace un “click” en el recuadro “Next” para ir a la siguiente pantalla.

El programa muestra por defecto el modelo con el mejor ajuste. Modelo distrib.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. Figura 12. probabilística corresponden a la información real y la línea corresponde a la distribución probabilística ajustada a ese conjunto de datos. Las barras Figura 13.. Opciones f. Selección de un rango de datos. Se activan las opciones “All Continuous Distributions” y “Show Comparation Chart…” para visualizar todo el espectro de posibilidades. Para ello se hace click el botón de “Next Distribution”. es posible seleccionar otro tipo de distribución. pudiéndose seleccionar PDVSA . sin embargo. visualizándose la gama completa (11 distribuciones).

aquella con mejor aproximación según el criterio del grupo de expertos. Extreme Value Distribution 8. Beta Distribution Figura 14. Weibul Distribution 4. Triangular Distribution 9. Pareto Distribution 11. La figura 14. Beta Distribution 5. Uniform Distribution 10. Normal Distribution 3. Gamma Distribution 6. muestra el ejemplo de la gama de distribuciones: 1. Lognormal Distribution 7. Curvas de ajuste de data real PDVSA . Logistic Distribution 2.

35 hasta 18. PDVSA . con un rango de datos desde 7. el valor de la celda C35.54.83. Desviación Estándar 1.=12. 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. En este caso el mejor ajuste de los datos reales se obtiene para una distribución del tipo Log- Normal (Curva N°6 de la figura 14): Figura 15. con una Media de 11. porosidad prom. Haciendo un click en el recuadro “OK” el programa retorna a la hoja de datos (Ver figura 16). esta ahora definida por un comportamiento Log-Normal. enfatizándose lo antes citado donde ahora la celda deja de ser un valor y es redefinida por un comportamiento probabilístico. Distribución Continua Log-Normal En consecuencia.4%).Una vez seleccionada la distribución mas representativa.82.

Figura 16. POES). Modelo de base de datos Este procedimiento se repite para cada una de las variables. donde intervienen las variables definida en el paso anterior: 7758*A*ANP* φ *(1−Sw) POES= βoi Figura 17. Determinación probabilística del POES. PDVSA . se procede a identificar la celda de la macrovariable la cual será producto de una ecuación matemática (En el ejemplo.Finalizada la selección del respectivo modelo probabilístico para cada variable.. g.

La celda del POES es producto de una fórmula. Este icono le indica al sistema la ejecución de una ecuación en donde el resultado será una distribución probabilística calculada. Para ello. condición esta a definirse en “Crystal Ball”. Modelo de hoja de cálculo Luego se selecciona el icono “Define Forecast” de la barra de herramientas: Figura 19. a partir de una Simulación Montecarlo. El sistema PDVSA . se selecciona la celda del resultado (POES). tal como se muestra en la figura 18: Figura 18. Icono Define Forecast.

Sin embargo. Descripción del Define Forecast Haciendo “click” en “OK”. de la barra de herramientas de Excel.Una vez definidas todas las distribuciones probabilísticas de cada variable independiente y las celdas producto de ecuaciones. h. el programa queda listo para efectuar la simulación Montecarlo. (MMBLS) Figura 20. realizando las correspondientes itereaciones acorde con la cantidad pre-establecida.muestra automáticamente un recuadro donde se identificará la variable a determinar. si el usuario desea modificar el numero de iteraciones. y luego a “Run Preferences”. la celda quedará automáticamente definida.. El programa automáticamente mostrará en pantalla el cuadro donde se colocara el numero de iteraciones deseado: PDVSA . debe activar las opciones “Run”.

se hace click en el icono “Start Simulation” de la barra de herramientas: Figura 22. Icono de Start Simulation PDVSA . el numero de combinaciones se incrementa y por ende mayor deberá ser el numero de iteraciones a seleccionar. Ubicación del Icono Run Preferences Mientras mayor sea el número de variables involucradas. recomendándose utilizar un mínimo de 10.000 iteraciones. Para iniciar el calculo. Figura 21.

Figura 23. PDVSA . El resultado tendrá ahora una distribución probabilística definida. Esta distribución dará el rango completo de los valores posibles de esta variable.En este momento se observará en pantalla todas las iteraciones realizadas por el programa. 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. la cual será producto de combinar aleatoriamente las distribuciones asociadas a cada variable.

Por otra parte. es indispensable la validación de la data de entrada a utilizar. A continuación se describe el procedimiento a seguir: PDVSA . con alto grado de dominio del yacimiento y/o área de manera de disponer de los mejores criterios para la segregación de la información.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. se requiere la creación de equipos multidisciplinarios conformado por Petrofísicos.2. Para asegurar la confiabilidad de los resultados. Previo a la construcción de este modelo probabilístico. por su influencia en la calidad de los resultados finales. Esto con la finalidad de lograr distribuciones más representativas para alcanzar un mayor grado de ajuste.5. Este análisis permite cuantificar la certidumbre de los compromisos volumétricos contemplados en el PDO. 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. de ser necesario. Geólogos e Ingenieros de Yacimientos..

5.2.1.- DISTRIBUCIÓN PROBABILÍSTICA DEL POES.

La primera fase contempla la estimación Probabilística del POES,
utilizándose para ello, la fórmula del método volumétrico:

7758 * AREA * ANP * * (1− Sw)
POES =
βoi

POES= BN
AREA= Acres
ANP (Arena Neta Petrolífera)= Pies

φ (Porosidad) = %

Sw (Saturación Agua) = Fracción
βoi = Factor Volum. del Petróleo= (BY/BN)

Es importante hacer nuevamente la siguiente acotación: Cada
una de las variables involucradas en este cálculo (A, ANP, φ Sw,
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, ubicándose ésta en el libro de reservas.

Cuando la información es
insuficiente para generar una curva
de distribución probabilística, los
versados en la materia
recomiendan el uso de la
distribución normal con una
Figura 24. Distribución Normal

desviación estándar del 10% o ir disminuyendo en concordancia
con el incremento del grado de definición de la 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 Figura 25. Distribución Triangular

más probable, 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.- 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 generación de las
correspondientes distribuciones 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

ARENA NETA PETROLÍFERA La construcción de la distribución probabilística de este parámetro es similar al aplicado al renglón de porosidad / saturación. De esta forma el valor promedio obtenido es mas representativo. se debe considerar la información asociada a todos los pozos en donde dichos horizontes estén presentes.una distribución probabilística en “Crystal Ball”.3. dificultando el análisis probabilístico.1. Distribución Probabilística la premisa de considerar el análisis individualizado de cada tendencia visualizada. 5. Si al observar la gráfica de distribución se diferencian varias tendencias. Por lo general los estratos supra e infrayacentes al productor. con un mayor grado de certidumbre. Si el análisis se realiza en un yacimiento conformado por múltiples estratos. se deben crear regiones y tratar cada sector del yacimiento de manera separada para asegurar un mejor ajuste.. aun cuando éstos no sean objetivo de producción. situación ésta a considerar para su reversión en el futuro próximo. así como Figura 27. es decir. disponen de un menor grado de información.2. PDVSA .

punto g.35 1.1.4.3 1.45 1. En su defecto. Volumen y Temperatura) disponibles en cada uno de los yacimientos.5 Figura 28.. de disponer un único PVT se recomienda utilizar una distribución probabilística uniforme. De contar con varios análisis se utiliza toda la información disponible para generar la distribución probabilística según el procedimiento explicado anteriormente. 1. PDVSA .FACTOR VOLUMÉTRICO INICIAL DEL PETRÓLEO La distribución asignada a este parámetro dependerá de la cantidad de análisis de ensayos PVT (Presión. Distribución probabilística Uniforme Por último. acorde con lo explicado en la sección 5.1.4 1.5. una vez definida la distribución probabilísticas de cada variable se procede a la determinación del POES.2.

tienen un promedio de 50% en su Factor de recobro y en aquellos proyectos donde el fluido de inyección es gas natural.. 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. para la fecha. en proyectos aun vigentes y/o sin cierre oficial. los proyectos de Inyección de agua.5. En este Bench Marking.2. oscila en un rango de 18 a 32% para el caso de inyección de agua y aproximadamente del 35%.2. donde para el caso de PDVSA el Factor de Recobro. en Estados Unidos. los mismos tienen un promedio de recuperación final del 67%. en la Inyección de gas. PDVSA .

Información Bench Marking en Factor de Recobro Con estos elementos se construyó la distribución probabilística característica del Factor de Recobro. 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. utilizándose una distribución triangular (acorde con el criterio descrito en la sección a. El ejemplo de la distribución probabilística resultante se visualiza en la siguiente figura: Figura 30. de acuerdo al “Bech Mark “.1) donde los valores mínimo y máximo del triángulo corresponden con la cifra mas pesimista y más optimista. respectivamente. Distribución probabilística del Factor de Recobro PDVSA . TEXAS AGUA (2) 56 LOUSIANA AGUA (2) 55 LOUSIANA AGUA (1) 51 WYOMING AGUA (1) 45 TEXAS AGUA (1) 40 (1) PATRONES 29 (2) FLANCOS PDVSA AGUA (1) REMANENTE 41 PDVSA AGUA (2) 70 ALASKA GAS 65 MAR DEL NORTE PDVSA GAS 50 0 10 20 30 40 50 60 70 Figura 29.

cuyo comportamiento estará en función del comportamiento real de variables involucradas en su cálculo: Figura 31. según la siguiente ecuación: R eservas = POES × Fr Tanto el POES como las Reservas pasa de ser “un numero determinístico” a una distribución probabilistica. se procede a estimar las reservas.5.2.3. estará definido por una distribución probabilística particular. En estos momentos el resultado de estas dos variables (POES y Reservas). donde la moda corresponderá al valor más probable y el rango de de la curva mostrará todos los valores posibles. Determinación Probabilística de Reservas. DETERMINACION DE RESERVAS Una vez obtenido el POES y el Factor de Recobro probabilístico. PDVSA .

pudiéndose presentar una de estas cuatro posibilidades: En el primer caso. POES mas Probable = 2193 RESERVAS mas Probable = 2193 Figura 32. 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 . 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.

POES Probabilístico = POES Oficial en Libro En el segundo caso.026 261 .7 .000 Trials Frequency Chart 27 Outliers .020 195.007 65.013 Oficial Libro: 133 550 .600 to +Infinity MMBLS Figura 33.5 . se infiere una menor caracterización del yacimiento y por ende el uso de una información de manera conservadora.027 266 .300 ValorCertainty masis probable 50. requiriéndose de esfuerzos adicionales “posiblemente retribuidos” al lograrse materializar los compromisos por adquirir. 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.000 0 300 550 800 1.00% from 757 to= 780 1.050 1.013 Oficial Libro: 130. Forecast: POES 10.25 .000 0 2.000 5.03% from 3.007 66.000 Trials Frequency Chart 33 Outliers .351 MMBL (MMBLS): Figura 34.020 Oportunidad 199.5 . Forecast: POES 10.000 4. en consecuencia. cuando el valor en libro es menor al probabilístico. POES Probabilístico > POES Oficial en Libro PDVSA .000 3.000 Valor mas probable = 3600 MMBL Certainty is 59.000 6.5 3645 MMBL .

Cuando el valor en libro es mayor al resultado probabilístico (opción 3). 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. Mayor Riesgo asociado Oficial Libro 2490 MMBL Valor mas probable 1990 MMBL Figura 35. introduciéndose un mayor riesgo en los compromisos volumétricos de producción considerados en el PDO y una afectación negativa en el VPN Esperado. 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. en este caso. Éste último caso se muestra en la figura 36. PDVSA . el caso cuatro es aquel donde los valores de POES y RESERVAS están fuera del rango probabilístico. donde la información es ahora utilizada de manera agresiva. POES Probabilístico < POES Oficial en Libro Por último. requiriéndose de esfuerzos adicionales “posiblemente no retribuidos” para materializar los compromisos adquiridos. es el caso opuesto al anterior.

Información Estadística resultante en Crystal Ball PDVSA . Para obtener dicha información se hace “click” en la opción “view” del recuadro de la distribución obtenido en Crystal Ball: Figura 37. 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. Oficial Libro 6900 MMBL Valor mas probable 3200 MMBLS Figura 36.

2. Finalizada la generación de distribuciones probabilísticas de cada variable se procede a cargar la información en el programa “Decision Tree”. GENERACION DEL DIAGRAMA TORNADO DE RESERVAS UTILIZANDO LA HERRAMIENTA “DECISION TREE” En el proyecto Piloto. previamente en “Crystal Ball”. para generar los Diagramas Tornado. para seleccionar los valores P10. P50 y P90. 5.La tabla de información estadística y la información de percentiles. tal como se muestra en la figura 38: PDVSA . Mas adelante se detallará esta parte de la Metodología. se utilizó la Herramienta “Decision Tree” de la empresa MERAK (Geoquest/Schlumberger).2. en la metodología de análisis de riesgo. Para ello se requiere generar. será posteriormente utilizada como data de entrada en el programa “Decision Tree” a fin de elaborar los Diagramas Tornado y Arboles de Decisión. la información estadística de cada variable (Ver sección 5. 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. Figura 37).1. El objetivo de esta parte.4.

etc. la celda donde se encuentran los valores de área. espesor. deberá identificarse para poder ser leída desde el programa “Decision Tree”. PDVSA . Para ello se selecciona en la barra de herramientas de Excel “Insertar. Nombre. como se muestra en la siguiente figura: 1 2 3 Figura 39. P20 P50 P80 Figura 38. Definir”.. 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.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. es decir.

P50 y P90 partiendo de los gráficos estadísticos generados en Crystal Ball. “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”. de mayor a menor incidencia. muestra un diagrama Tornado tipo. La figura 40. según en la incertidumbre de un determinado parámetro. El diagrama tornado permite visualizar a las variables ordenadas. Diagrama Tornado tipo PDVSA . realizado para la variable Reservas: Figura 40.Para cada variable se define en “Decision Tree” los valores P10. el cual esta programado para ser dictado en el CIED. La generación de los Diagramas Tornado. se hace directamente del Software de MERAK.

Análisis por barra del Diagrama Tornado Esto representa un rango de reservas entre 1593 MMBLS. Lo deseable. con un valor mas probable de 2206 MMBLS. Efecto del 61% sobre la Rango de incertidumbre incertidumbre de las reservas Figura 41. se puede apreciar una mayor incertidumbre asociada al área del yacimiento (para el caso del ejemplo). humanos y financieros para incrementar la certidumbre sobre el valor de reservas de cada yacimiento. de si el valor de área es máximo.El diagrama permite identificar aquellas variables hacia donde se deben enfocar los esfuerzos técnicos. la cual tiene un efecto del 61% sobre la variabilidad del valor de reservas. 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. de esta manera se asegura la reducción en los niveles de incertidumbre de cualquier variable analizada. PDVSA . Analizando el diagrama tornado. hasta 2709 MMBLS. es encontrara un ancho de incertidumbre lo menos amplia posible y lo más próxima a la línea central. si el valor del área es el mínimo.

Se transfiere la información de todas las pruebas de producción promedio pozo. obteniéndose para cada yacimiento. se determina el comportamiento estadístico de la producción promedio pozo para cada año. 1999 y 2000. mes a mes de cada uno de los yacimientos. tomando en cuenta la data estadística de las pruebas de los últimos 5 años de producción. (Centinela/ OFM). 1997. una distribución probabilística. de cada año analizado: PDVSA . El procedimiento empleado fue el siguiente: a. Con el uso de la herramienta “Crystal Ball”.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.5. correspondientes a los años 1996. 1998. (Data disponible) b. La base estadística es tomada de la información cargada en la base de datos corporativa.

c. el valor de producción por pozo mas probable. respecto a la productividad de los pozos. 1996 1997 1998 MODA: 2200 BPPD MODA: 2300 BPPD MODA: 2100 BPPD 1999 2000 MODA: 1860 BPPD MODA: 2200 BPPD Figura 42. es decir. Distribución probabilística de producción. así se obtiene una visión del comportamiento PDVSA . Se grafican las modas estadísticas de cada año y por yacimiento. 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. Los valores de la moda estadística de cada año corresponde al valor de producción con mayor probabilidad de ocurrencia en ese yacimiento.

Modas estadísticas por año d. Modas estadísticas por año por tipo de pozo PDVSA . histórico real de las tasas de producción promedio por pozo. el resultado se muestra en la figura 40: 16000 VERTICAL 13733 14000 13027 ALTO ANGULO Producción Promedio (BPPD) 11284 12000 10000 8000 6000 4295 4007 4000 3134 2672 2000 0 1997 1998 1999 2000 Figura 44. 2600 2374 2383 2400 2200 2180 2186 2115 1960 2000 1838 2005 BPD 1785 1800 1831 1760 1600 1683 1483 1470 1400 YAC . producto de la implantación de mejores prácticas.3 1000 1996 1997 1998 1999 2000 AÑO Figura 43.1 1433 1200 YAC . En el caso de pozos de alto ángulo o pozos con alta productividad.2 YAC .

visualizándose las posibles “Brechas Tecnológicas” existentes para materializar los compromisos de producción adquiridos en el plan. Esto con la finalidad de apreciar las desviaciones entre lo planificado y lo mas probable para cada área de acuerdo a la data estadística. En la medida que existan brechas . Comparación estadística de producción con el PDO. sin embargo. solo se utiliza para dar los alertas respectivos.e. se grafican los valores de producción promedio pozo estimados en el PDO. Este sistema monitorea el nivel de desarrollo de la tecnología en el mercado y el nivel de desarrollo de la misma dentro de PDVSA. 43 y 44). el sistema determina el nivel de PDVSA . en la actualidad se esta incorporando la herramienta SATEC cuya función es la de determinar el riesgo tecnológico. Figura 45. Ver figura 45. Sobre el mismo gráfico (Ver fig. Este riesgo no fue considerado en el análisis económico.

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.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. La forma de minimizarlo es a través del principio de compra de información. 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. ver figura 46. riesgo.. el cual se encuentra reflejado en el SIPEP. 400 Producción Crudo (MBD) 350 300 250 200 150 PLAN PDO 2000 100 00 02 04 06 08 10 12 14 16 18 20 20 20 20 20 20 20 20 20 20 Figura 46. la cual es incorporada en la evaluación económica.4. 5. Distribución Probabilística de Reservas Vmprr − Vorr % Desv = 100 PDVSA .

VALOR OFICIAL Vmprr = Vmpr − Np (Vro) VALOR MAS PROBABLE DE RESERVAS (Moda = Vmpr) Donde: % Desv: Porcentaje de desviación (Factor de escalamiento) Vmprr: Valor más probable de Reservas Remanentes. Con este porcentaje de desviación se escala el perfil de producción cargado en SIPEP y este será ahora el perfil de producción más probable. PDVSA . Vro: Valor de Reservas Oficiales Vorr: Valor Oficial de Reservas Remanentes Vmpr: Valor más probable de Reservas Np: Producción acumulada c. 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.

Sobre el gráfico de distribución probabilística de reservas. No obstante. d. 350 300 250 Perfil SIPEP 200 (Desarrollo Reservas Oficiales en Libro) 150 PLAN PDO 2000 100 PROBABLE Perfil mas Probable (Desarrollo Reservas Mas 0 2 4 6 8 0 2 4 6 8 0 0 0 0 0 1 1 1 1 1 Probables. y tomando como punto de inicio la moda de la curva. se recomienda realizar la simulación de yacimientos considerando las variaciones de cada variable según el análisis probabilístico. de disponer de recursos. 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). PDVSA . “Crystal Ball”) 0 0 0 0 0 0 0 0 0 0 2 2 2 2 2 2 2 2 2 2 Figura 48. se determina la banda de 25% de certidumbre.

5% Certidumbre Figura 49. Moda Moda . Curva de probabilidad acumulada invertida PDVSA . asociada a este nivel de Certidumbre: Banda de Probabilidad ±50% al ± 75% Figura 50. El siguiente paso es Generar la curva de Probabilidad acumulada “Inversa” a fin de determinar el rango de la banda de Probabilidad.12. Distribución Probabilística de Reservas con certidumbre del 25% e.5% Certidumbre Moda + 12.

5%) y (+12. se interpreta de la siguiente manera: š La curva representa el perfil de producción con un 75% de probabilidad de ocurrencia.5%) 100% 150 PLAN PDO 2000 (Reservas SIPEP) PROBABLE 100 ( Reservas Mas Probables Basadas en la Moda) 00 02 04 06 08 10 12 14 16 18 Res. para generar la banda. f. š La curva superior representa el perfil de producción asociado al 50% de probabilidad de ocurrencia.5%) 20 20 20 20 20 20 20 20 20 20 Figura 51. 0% 350 PROBABILIDAD DE OCURRENCIA 50% 300 250 75% 200 Res.5%) de Certidumbre (Ver figura 49) los cuales representarán las reservas asociadas al perfil de producción escalado. (-12. (+12. Se Toman los valores de reservas generados del (-12. Banda de producción basada en la moda estadística La gráfica anterior. PDVSA .Esta gráfica permite identificar el rango de Probabilidad de Ocurrencia asociado al nivel de certidumbre seleccionado (25% Centrado en la moda). š La probabilidad de ocurrencia incrementa hacia abajo.

š El perfil de producción asociado a las reservas mas probables. 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 . š Para este caso. esta basado en la moda estadística. tiene en general una probabilidad de ocurrencia superior al 50% (Se encuentra dentro de la banda de 25% de certidumbre). esta por encima del perfil más probable. se aprecia que el perfil del SIPEP. aun cuando.

44 18% INYECCION GAS (RECOR) INYECCION DE GAS OROCUAL 12928.70 2535.00 6327. DE FLUJO AMANA 821. DE FLUJO CARITO 980.10 -329.20 41% DESHIDRATACIÓN DESHID.21 12599. DE FLUJO MUSIPAN 510.75 153% ADEC.14 15% OLEODUCTO OLEODUCTO 16" FURRIAL-JUSEPIN 360 457.40 -92. Taba de variación de Inversiones en proyectos ejecutados.3 -159.43 47% GASODUCTO SIST. ESTACIONES AMPLIACIÓN DE EST.90 4% TQS ALMACENAMIENTO TANQUE 150010 JUSEPIN 1825.00 3005. ESTACIONES MODULO VII 4003. ESTACIONES AMPLIACIÓN DE EST.21 182% ADEC.00 4226.10 2080.00 6645.3 2537. DE RECOLECCIÓN DE GAS 7682.20 1825. Posteriormente se determinó el porcentaje de desviación de lo presupuestado versus el desembolso real y se generó una PDVSA .60 -3% INYECCION GAS (PIGAP I) PIGAP I 45104.90 27% OLEODUCTO 20" OLEODUCTO 24" FURRIAL-JUSEPIN 2696.06 -19% GASODUCTO GASODUCTO 8" PIEDRITAS-MORICHAL 5325.40 565.00 13009.30 417. ESTACIONES MODULO VI 4502.9 167.37 2083.43 2125.80 4569.30 730.60 -52% INYECCION AGUA (PIAMO) PIAMO 3098.3 1575 -250.71 930. las desviaciones presupuestarias producto de las inversiones asociadas a proyectos de infraestructura y por otro lado.5.11 -3% REVA REVA 3496.60 14% ADEC.90 106% GASODUCTO GASODUCTO COA-MUSCAR 453.30 -14% TQS ALMACENAMIENTO TANQUE 150011 JUSEPIN 1897. TIPO DE INSTALACIONES PROYECTO COSTO INICIAL COSTO FINAL VARIACION VARIACION AÑO BASE AÑO BASE [MMBs] [%] ADEC. se evaluó por un lado. 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”.ANALISIS DE INVERSIONES Para la evaluación del Riesgo e Incertidumbre asociada a las Inversiones. se escalaron sobre la misma base los montos del plan y los montos reales.14 1659.30 21% OLEODUCTOS PTT 11350..90 8128.9 97.2 1968.00 -6% OLEODUCTO 24" OLEODUCTO 20" JUSEPIN-TRAVIESO 4600 4767.60 53179. ESTACIONES AMPLIACIÓN DE EST.54 1224.00 4% Figura 52.85 1259.50 1440.04 8074. Para determinar las variaciones presupuestarias.83 -8% GASODUCTO GASODUCTO 8" PARAISO-CARIPITO 2556.64 125% ADEC.CRUDO NORTE DE MONAGAS 4520.31 -473.10 -2790.2 71.47 -35.5.90 2205. las desviaciones generadas en cuanto a la perforación de los pozos.00 15810.

Distribución Probabilística de variación de las inversiones de Proyectos En cuanto a las desviaciones generadas en las inversiones de perforación. con el objetivo de visualizar el comportamiento mas probable de desviaciones en este renglón: Figura 53. 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 . utilizando el Crystal Ball”. 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).distribución probabilística.

68 Recuperacion Secundaria -6.22 -39.39 630.57 62. PDVSA . todavía con esta ultima revisión se observan desviación considerables reflejándose el nivel de incertidumbre presente en este renglón.55 -68.62 -24.67 RA/RC a pozos 24. VARIACION EJECUCION PRESUPUESTO (%) 1998 1999 2000 Extracción 27.13 -45. utilizándose ésta para representar el comportamiento probabilístico de las variables asociadas a este renglón.99 -54. Se elabora una base de datos en donde se tabula la variación de los desembolsos planificados y reales para el periodo 1998 – 2000. Tabla de variación de los renglones Presupuestarios Una vez obtenidos estos datos.41 11.52 -13.97 Tratamiento 49.95 Serv.34 Figura 54.6.00 0.47 76.ANALISIS DE GASTOS Para la evaluación del riesgo e incertidumbre asociada a los gastos.14 2.13 Administracion+Bienestar 0.06 -2.51 Diversos 674. a pozos 2. se procede de igual forma que en caso de las Inversiones.34 -25. se procede a la generación de la curva de distribución probabilística a través de la utilización de Crystal Ball. Sin embargo.13 Manejo de Crudo 17..84 -1.5.08 428. Es de destacar que en el caso de los desembolsos del plan se tomaron las cifras del ultimo presupuesto revisado de cada año (Septiembre).

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.011 106.12% from 0 to +Infinity Figura 55.005 53.25 . 20 % VARIACIÓN 10 0 -10 ACTIVIDAD GASTOS -20 1998 1999 2000 Figura 55.5 .021 213 .000 Trials Frequency Chart 196 Outliers . Variaciones de la actividad planificada versus la real ejecutada PDVSA .016 159. 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. 10.7 .000 0 -100 -0 99 199 299 Certainty is 66.

PDVSA . 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.. 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.De esta forma se puede visualizar las brechas entre la planificación presupuestaria y la actividad dando una idea gráfica del riesgo asociado.

8 SATURACION 0.5 MTTO CORREC 142.0 DESMULSIFICANTE 0.0 23. INDICE DE PRODUCTIV.0 6.6 COMPRA DE BOMBAS 0.1 86.0 REMODELAC.2 EST.6 PASIVOS AMBIENTALES 64.6 PASANTES 0.8 EST. 0.1 ANTICORROSIVO 0.1 -5.6 MTTO PREV -71.0 0.9 QUIMICA DISPERS.0 -100. PERFILES PROD.8 -74. DE FONDO DE POZOS 0. SECUNDARIA: RECAÑONEOS 0. TEC: MANEJO DE DATOS 0. SUPERFICIE 0.6 ALQUILER DE EQUIPOS 0.0 -2. OFICINAS -100.0 QUIMICAS -4.5 RECUP. TECN: RASTER.0 0.0 EST.0 EST.0 4.9 GASTOS REEMBOLSABLES 11.0 REPARACIONES CON TALADRO 0.0 TAXIS 18.0 -100.0 0.9 SERVICIOS DE COMPUTACION 6. -50. OPERAC.0 -4. CENTRAL.0 -5.0 LABOR SUP.4 REEMPL.0 -100.7 1.3 -8. GEL. Porcentaje de variación para cada renglón presupuestario PDVSA .1 INSPECCIONES AEREAS -17. /REP.2 PLT-GAS 0.8 MATERIALES 0.6 ORDENES DE TRABAJO -8.0 -6.8 REGISTROS 0.0 PLT-FALL OFF 0.0 GASTOS DE VIAJES PAIS -4. ACTIVOS 11.8 Figura 56.0 TAPONES DE ARENA 0.0 24.0 ANALISIS DE LABORATORIO -8.0 -5.0 11.1 BENEFICIOS DE NOMINA 0. TEC: ASESORIA INTERNA -100.0 3.0 -100.0 1. ISO 14000 0.8 0.7 -8.0 2.0 -13.0 2.7 ING.0 0.0 34.5 3. RADIACT.9 LIMPIEZAS 0.0 -2. 2000 ACTIVIDAD PRESUPUESTO VAR C/ RESP AL PLAN (%) VAR C/ RESP AL PLAN (%) LABOR EXTRACCION 0.4 18.3 CAÑONEO PARA MANTTO 0.0 IMPLANT.5 MEJOR.7 -9.0 1. 0.0 CEMENTACIONES -100. 0.0 0.0 2.0 -38.7 -91.8 -13.0 0. A POZOS LIMPIEZA C/ COILED TUBING -10.5 TRAZ.0 3.8 CENTRO DE ANALISIS 0.9 GASTOS DE VIAJES EXTERIOR 9.7 EST.8 ENTRENAMIENTO -83.4 LABOR TRATAMIENTO 0.0 ORDENES DE SERVICIO -7.0 -2.0 27.0 -43. INST.9 SERV.0 -0.0 ACTUAL.2 RA/RC MEJOR.0 LABOR DE REHABILITACION -11. CONCEPTUAL -66.0 10. TECN: ASESORIAS EXTERNAS 0.6 QUIMICA DISPERSANTE DE SUPERFICIE 0.1 -6.0 DESINC. TECN: INTEVEP 0.0 1.9 -0.0 0.7 20.0 AISLAMIENTO DE ARENAS CON TAPON 0. Y VECTORIZACION 0.2 -11. BES 0.

EVALUACION ECONOMICA A fin de poder realizar la evaluación económica de los paquetes.Crystal Ball” el cual permite determinar las distribuciones probabilisticas del VPN de cada paquete.7. 2000 2001 2002 2003 2004 DISTRIBUCIONES Probabilisticas Tipo 0 PAQUETE xxxx Evmin -16.5. 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).9 Scale 4 Produccion Anual Crudo MMBL PAQUETE xxxx 139 135 130 129 116 0 PAQUETE xxxx Logistic 24 Scale 42 Inversiones Infraestructura MMBs. PAQUETE xxxx 203963 206389 147757 143456 132641 Flujo de Caja Nacion PAQUETE xxxx 1039571 990425 1015631 1029192 924379 Figura 57.. Modelo de hoja de Evaluación Económica probabilística PDVSA . considerando las incertidumbres de las variables técnicas y financieras ya descritas. se elabora un Modelo Económico en “Excel . PAQUETE xxxx 349 9494 9000 13440 8920 0 PAQUETE xxxx Ev max -4 Scale 8 Gasto Total MMBs. PAQUETE xxxx 42137 47400 48915 27181 17612 0 PAQUETE xxxx Logistic -8 Scale 1 Inversiones totales Perforación MMBs. 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.

El diseño de la hoja automáticamente asigna esta distribución a todos los datos del periodo en evaluación. 2000 2001 2002 2003 2004 DISTRIBUCIONES Probabilisticas Tipo 0 PAQUETE xxxx Evmin -16. a través de la programación de la celda que contiene la información del SIPEP y PDVSA . 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.9 Scale 4 Produccion Anual Crudo MMBL PAQUETE xxxx 139 135 130 129 116 0 PAQUETE xxxx Logistic 24 Scale 42 Inversiones Infraestructura MMBs. PAQUETE xxxx 203963 206389 147757 143456 132641 Flujo de Caja Nacion PAQUETE xxxx 1039571 990425 1015631 1029192 924379 Figura 58. aplicando la metodología anteriormente descrita. PAQUETE xxxx 42137 47400 48915 27181 17612 0 PAQUETE xxxx Logistic -8 Scale 1 Inversiones totales Perforación MMBs. esta se fija a través del Crystal Ball (Figura 58). PAQUETE xxxx 349 9494 9000 13440 8920 0 PAQUETE xxxx Ev max -4 Scale 8 Gasto Total MMBs. 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.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.

0 Scale 9 2 Produccion Anual Crudo MMBL 3 Probabilistica 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) 4 SIPEP PAQUETE XXX 139 135 130 129 116 Figura 59. Así llegamos a definir que es Riesgo e Incertidumbre.la que calcula la distribución a través de la ecuación mostrada en la figura 59. Modelo de hoja de Evaluación Económica Probabilística Una vez realizada la evaluación económica probabilística se obtiene la curva de distribución del VPN. Riesgo Esperado = (VPNE-VPN90) PDVSA . 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 P 90. A B C D E F G 1 0 PAQUETE XXX Evmax 53. En la figura 60 se muestra representada una curva de distribución probabilística del Valor Presente Neto de un Proyecto o Portafolio.

Probabilidad acumulada invertida PDVSA . P r o A b c 100 a u P90 90 80 b m 70 i u 60 50 l l 40 30 i a 20 d d 10 a a VPN d VPN90 Figura 61. 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 Riesgo Esperado a b Incertidumbre i l i d a VPN d VPN 90 VPNE Figura 60.

P r o b Riesgo Real a b Incertidumbre i l i d a VPN d VPN 90 VPN SIPEP Figura 62. PDVSA . 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.El Riesgo Real se define como la diferencia entre el VPN real o planificado (SIPEP) y el VPN90. para así tomar las acciones y correctivos necesarios. 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.

Margen de Oportunidad Real Margen de Oportunidad Real = VPN10 – VPNSIPEP 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 P10 y el VPNSIPEP. P r o Incertidumbre b Margen de a b Oportunidad Real i l i d a VPN d VPN 10 VPN SIPEP Figura 63. Este valor representa la oportunidad de mejora en la rentabilidad del paquete en función de las incertidumbres de sus variables.

Margen de oportunidad firme y esperado PDVSA . P Margen de r o Oportunidad b Firme Margen de a b Oportunidad i Esperado l i d a d VPN VPNE VPN10 VPNSIPEP Figura 64. 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.De igual forma definimos el margen de Oportunidad esperado como la diferencia del VPN10 y el VPNE. Si por el contrario el VPNSIPEP esta a la izquierda del VPNE el margen de oportunidad real se subdivide entre firme y esperado.

el riesgo de inversión. Jerarquización de Paquetes. considerando solo la parte financiera o la técnica. En la actualidad se adelantan evaluaciones para considerar otros índices de jerarquización que permitan identificar el riesgo desde diferentes puntos de vista.El índice de riesgo se define como la división del Riesgo Real entre el Riesgo Esperado. PDVSA . etc. es decir. Figura 65. Estos indicadores o jerarquizadores serán incorporados oportunamente dentro de la metodología. Indice de Riesgo (IR) = Riesgo Real / Riesgo Esperado La forma de interpretar el IR es la siguiente: Si IR > 1 ⇒ Retorno de Alto Riesgo de Materialización Si IR = 1 ⇒ Caso más Probable SI IR < 1 ⇒ Retorno de Firme materialización Este indicador a su vez permite jerarquizar y agrupar paquetes en función de sus riesgos implícitos.