Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

1 de 11

REPORTE DE SIMULACIÓN

INFORMACIÓN GENERAL: Astete Arce Judith Zulema

CARRERA: Ing. Petróleo y Gas ASIGNATURA: Explotación del
Natural Gas Natural
NRO.
TÍTULO PRÁCTICA: Simulación
PRÁCTICA: 1

DESARROLLO:
1. RESUMEN:
Se hace un análisis del método de Monte Carlo que integra variables técnicas y financieras mediante el uso de
diagramas y simulación, donde las variables necesarias no se conocen con exactitud, pero se conoce un rango
donde pueden estar probablemente los valores reales de dichas variables.

2. OBJETIVO(S) ALCANZADO(S):
2.1 OBJETIVO GENERAL
Analizar sobre las ventajas y la aplicación del método de Monte Carlo
2.2 OBJETIVOS ESPECÍFICOS
o Definir la distribución de probabilidades de las variables de entrada.
o Determinar el procedimiento de uso de herramientas para realizar simulaciones de Monte Carlo

3. MARCO TEÓRICO:
 Simulación de Monte Carlo: es una técnica matemática computarizada que permite a las personas dar
cuenta del riesgo en el análisis cuantitativo y la toma de decisiones. La técnica es utilizada por
profesionales en campos tan dispares como finanzas, gestión de proyectos, energía, fabricación,
ingeniería, investigación y desarrollo, seguros, petróleo y gas, transporte y medio ambiente.

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

2 de 11

 Funcionamiento del Simulador Monte Carlo: realiza análisis de riesgos mediante la construcción de
modelos de posibles resultados mediante la sustitución de un rango de valores, una distribución de
probabilidad, por cualquier factor que tenga incertidumbre inherente. Luego calcula los resultados una y
otra vez, utilizando cada vez un conjunto diferente de valores aleatorios de las funciones de probabilidad.

 Variables de Entrada: Son aquellos factores que por sus características propias se cree que tendrán un
comportamiento aleatorio en el transcurso del tiempo, cada una de estas variables, tiene una distribución
de probabilidad que refleja su comportamiento en el ciclo de vida del proyecto.

Distribución de probabilidades comunes de las variables de

entrada (docentes.fcefa, 2019)

o Normal o "curva de campana": El usuario simplemente define la media o el valor esperado y una
desviación estándar para describir la variación sobre la media. Los valores en el medio cerca de la
media tienen más probabilidades de ocurrir.
o Uniforme: Todos los valores tienen la misma probabilidad de ocurrir, y el usuario simplemente define
el mínimo y el máximo.
o Triangular: Los valores alrededor de los más probables tienen más probabilidades de ocurrir. Las
variables que podrían describirse mediante una distribución triangular incluyen el historial de ventas
pasadas por unidad de tiempo y los niveles de inventario. (palisade, 2019)

 Marco Metodológico: El Análisis de Riesgo e Incertidumbre en la Estimación del GOES contempla la

determinación de la Distribución Probabilística de las Reservas de Hidrocarburos y su comparación con
las Reservas Oficiales en libros. Este análisis permite cuantificar la certidumbre de los compromisos

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

3 de 11

volumétricos. Para tal fin seguirá la metodología que se describe a continuación:

o Identificación del Modelo: Se utilizará como punto de partida un modelo tradicional donde existen
variables de entrada, un modelo variable de salida.
Para identificar el modelo se utilizarán los conceptos de Gas Original en Sitio (GOES), Reservas Recuperables
(RR) y Reservas Remanentes (RRem). Basándonos en estas definiciones se determina que los modelos
matemáticos que permitirán realizar el análisis de riesgo e incertidumbre son los siguientes:
Gas Original en Sitio (GOES):
43560∗A∗h∗φ∗(1−Swi)
G= (1)
Bgi
Reservas Recuperables (RR):

RR=GOES∗FR ( MMSCF )(2)

Reservas Remanentes (RRem):

RRem=RR −Gp ( MMSCF ) (3)

4. DESARROLLO DE LA SIMULACIÓN:
 Para cálculo de gas original en sitio (GOES), se calculó los promedios de: Saturación (Sw), espesor (h) y
Porosidad (φ )

 Declarar las variables de entrada:

 Construir un modelo cuyas variables de entrada son del tipo probabilística, de manera de considerar la
incertidumbre (el rango de posibles valores) asociadas a cada una de ellas.

Las variables de entrada son: Ø (porosidad), A(área), h (espesor neto petrolífero), Sw(saturación de agua), Bgi
(factor volumétrico del gas a condiciones iniciales), FR (factor de recobro) y Gp (Gas Acumulado).Para generar
una distribución probabilística a partir de un conjunto de datos reales, se utilizará la herramienta Crystall Ball.

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

4 de 11

o Área (A): Considerar una distribución probabilística triangular.

o Factor volumétrico del Gas a condiciones iniciales (Bgi): Utilizar una distribución probabilística
uniforme.

o Espesor Neto (h): La construcción de la curva de distribución probabilística Beta.

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

5 de 11

o Porosidad (Ø): La construcción de la curva de distribución probabilística Normal.

o Saturación de agua (Sw): Considerar una distribución probabilística Beta.

o Factor de Recobro (FR): Para generar la distribución probabilística del Factor de Recobro es posible
utilizar una distribución probabilística uniforme.

o Gas Acumulado (Gp): Para generar la distribución probabilística del Gas Acumulado el uso de una

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

6 de 11

distribución probabilística uniforme.

 Estimación Probabilística de Variables de Salida.

 Se selecciona la celda del resultado (GOES). Luego, se selecciona el icono “Definir Previsión” de la
barra de herramientas. Este icono le indica al sistema, la ejecución de una ecuación en donde el
resultado será una distribución probabilística calculada a partir de una Simulación Monte Carlo.

 Una vez definidas todas las distribuciones probabilísticas de cada variable independiente y las celdas
producto de ecuaciones, el programa queda listo para efectuar la simulación Monte Carlo, realizando las
correspondientes iteraciones acorde con la cantidad pre-establecida (10000). Para iniciar el cálculo, se
hace “click” en el icono “Iniciar” de la barra de herramientas.

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

7 de 11

Distribución Probabilístico de Reservas remanentes:

Distribución Probabilístico de Reservas Recuperables:

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

8 de 11

Distribución Probabilístico de Gas original en sitio:

5. CALCULOS TEÓRICOS:
Calculamos :

∑Ø
Ø= =0,15181818
n
∑ Sw
Sw= =0,26318182
n
∑h
h= =11,18181818 ft
n

o Con la ecuación 1: Gas Original en Sitio (GOES).

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

9 de 11

43560∗13573∗11,18181818∗0,15181818∗( 1−0,26318182)
GOES=
0,004086
GOES=180993049681 SCF

o Con la ecuación 2: Reservas Recuperables (RR).

180993049681
RR= ∗0,74=133934,857 ( MMSCF )
1000000

o Con la ecuación 3: Reservas Remanentes (RRem).

1453000000
RRem=133934,857− =1,32e5 ( MMSCF )
1e6

6. ANALISIS DE RESULTADOS:

Percentiles mostrados:
Percentiles GOES(SCF) RR(MMSCF) Rrem(MMSCF)
Reservas Probadas P90 1,50132E+11 11.937.142,31 1,23E+07
Reservas Posibles P50 1,88129E+11 13.349.898,81 1,34E+07
Reservas Probables P10 2,39737E+11 14.872.398,41 1,45E+07

Estadísticas GOES RR Rrem

Pruebas 10000 10000 10000
Media 1,92153E+11 13.392.868,32 1,34E+07
Mediana 1,88134E+11 13.350.301,55 1,34E+07
Desviación Estándar 3,47054E+10 1.084.558,62 7,74E+05
Varianza 1,20446E+21 1.176.267.398.826,31 5,99E+11
Curtosis 2,75 2,46 1,80

 Tiene bajo grado riesgo ya que cuenta con suficiente información lo que hace que el nivel de

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

10 de 11

incertidumbre se reduzca.
 Analizando la desviación estándar podemos notar que esta es menor a la media del pronóstico esto se
debe a que la distribución es simétrica.
 Los valores con más probabilidad y mayor frecuencia de repetición, se ubican entre los 1,85E+11 SCF
(escenario medio) y los 2e11 SCF, representando un escenario positivo.
Media= 1,92153E+11
 El valor de POES disminuye en ocasiones, lo que coincide con los espesores de arena neta petrolífera
que también sufrieron un decrecimiento en los rangos de espesores para ese intervalo.
 El proyecto a un nivel de confianza del 95% es decir que existe una probabilidad del 5% que el proyecto
pierda.

7. CONCLUSIONES Y RECOMENDACIONES:
 Demostramos que la simulación Montecarlo está asociada a la estructura de decisiones, permite
resolver problemas complejos de proyectos de Exploración y Producción asociados a la de
Reservorios que considera muy importante la incertidumbre en las estimación de información
petrofísica de los reservorios
 En lugar de describir las variables como un simple número determinístico, en este estudio las
describimos como una distribución de probabilidades, de esta manera reducimos la incertidumbre
de las variables en estudio.
 Debemos tener presente que la simulación Monte Carlo por sí sólo no es análisis de riesgo, esta
simulación es una herramienta para poder agilizar el proceso de análisis. La metodología que
utilizamos en este estudio provee de una forma sencilla la interpretación de los resultados para la
toma de decisiones.
RECOMENDACIONES:
 Escoger el software que se utilizará para realizar la simulación considerando la ecuación a utilizar, el
número de simulaciones que se desean y el tiempo con el que se dispone.
 Escoger el número de simulaciones de acuerdo a los datos de entrada, mientras más variables tenga la
ecuación y mientras más dispersas estén las mismas, más simulaciones serán necesarias.

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019
 Facultad de Tecnología

Reporte de
MATERIA:
Explotación del Gas Natural
(PGP-300)
Simulación PAGINA:

11 de 11

8. REFERENCIAS BIBLIOGRAFICAS:
Bibliografía
docentes.fcefa. (30 de septiembre de 2019). Obtenido de docentes.fcefa:
http://www.docentes.fcefa.edu.bo/imorales/wp-content/uploads/sites/9/2013/09/
MANUAL-CRYSTAL-BALLModelos-de-Simulaci%C3%B3n-4329.pdf
palisade. (30 de septiembre de 2019). Obtenido de
https://www.palisade.com/risk/monte_carlo_simulation.asp
Cruz, I. D. (2019). Práctica de simulación.
repositorio.unp. (s.f.). Recuperado el 30 de septiembre de 2019, de repositorio.unp:
http://repositorio.unp.edu.pe/bitstream/handle/UNP/1593/PET-TRO-JIM-
2018.pdf?sequence=1&isAllowed=y
No hay ninguna fuente en el documento actual.

NOMBRE DEL ESTUDIANTE: PERIODO ACADEMICO: FECHA DE PRESENTACIÓN:

Semestre 02.2019