Oilfield Review. Análisis de decisiones. Manejo de carteras de activos. Evaluación de yacimientos carbonatados

Transcripción

1 Oilfield Review Primavera de 21 Análisis de decisiones Manejo de carteras de activos Evaluación de yacimientos carbonatados Optimización de terminaciones y estimulaciones

2 SMP-682-S

3 Integración de la información petrofísica y geológica: una tarea para los petrofísicos Cualquier acción que un ingeniero o un geólogo emprenda con relación a un yacimiento, requiere poseer una idea o modelo claro de cómo es el yacimiento. Mientras más realista sea el concepto, mayores son las probabilidades de éxito. Es sabido que la visión de los geólogos respecto de lo que es un yacimiento, difiere con aquella de los ingenieros. Los geólogos se inclinan a pensar en términos de estratigrafía y estructuras, mientras que los ingenieros se preocupan más por las propiedades petrofísicas y de los fluidos. Estas dos visiones acerca de los yacimientos no son mutuamente excluyentes. De hecho, la clave para obtener un modelo o concepto realista del yacimiento es la integración de la información geológica descriptiva y los datos petrofísicos numéricos, ya que los datos geológicos contienen información tridimensional (3D) que no se encuentra en los datos petrofísicos. Por muchos años, se ha ignorado esta diferencia en dimensionalidad. Ahora debemos aceptar que sólo mediante la vinculación de las propiedades petrofísicas con los procesos geológicos, es posible imaginar y construir modelos realistas de yacimientos y representarlos en imágenes. Los petrofísicos pueden jugar un papel clave al proveer este vínculo vital. Aunque los petrofísicos pueden proporcionar grandes cantidades de datos petrofísicos provenientes de registros de pozos, esta información es de escasa utilidad para visualizar modelos 3D, a menos que se la pueda vincular con datos que contengan información espacial. Si se las recopila correctamente, las descripciones geológicas contienen enormes cantidades de información espacial que puede relacionarse con la porosidad, la saturación y la permeabilidad. En la década de 195, Gus Archie demostró que los datos petrofísicos y geológicos están relacionados a nivel de los poros. La porosidad, la permeabilidad y las fuerzas capilares están relacionadas con la distribución del tamaño de los poros, y esta distribución, a su vez, está relacionada con la historia depositacional, diagenética y estructural. El problema radica en describir este vínculo de manera que sea útil para la construcción de imágenes 3D de yacimientos de hidrocarburos; y en ninguna otra área el problema es más difícil que en los yacimientos carbonatados. En los carbonatos, las descripciones de la textura de la roca proveen el vínculo entre la petrofísica y la geología. Hoy en día, los métodos más populares para describir la textura de los carbonatos y de los sistemas de poros, son geológicos (véase "Evaluación de yacimientos carbonatados," página 2). El método que propongo es más de naturaleza petrofísica, y se centra en descripciones de texturas de rocas actuales en términos de la distribución del tamaño de los poros. 1 Este método divide el espacio de los poros en los carbonatos en: porosidad interpartícula, de cavidades aisladas y de cavidades adyacentes. Esto es en base a la ubicación del espacio de los poros respecto de los granos o cristales. La distribución del tamaño de los poros del espacio interpartícula de los poros, ya sea entre los granos o los cristales, es una función de la porosidad interpartícula, el tamaño de las partículas y el ordenamiento de las mismas. La cantidad de la porosidad interpartícula se relaciona principalmente con los procesos diagenéticos tales como cementación, compactación y dolomitización. El tamaño y el ordenamiento de los granos están relacionados con los procesos depositacionales. El tamaño de los cristales de dolomita está relacionado con las texturas previas de la roca y con los modelos de dolomitización. Las cavidades aisladas generalmente están localizadas dentro de los granos y tienen poca influencia en la permeabilidad. Este espacio de poros es a menudo diagenético en su origen, pero también puede estar relacionado con el tipo de grano, y por lo tanto, con procesos depositacionales. Por otra parte, las cavidades adyacentes forman un sistema de poros que no están relacionados con la textura y representan un tipo especial de yacimiento. Este tipo de poro raramente se relaciona con los procesos depositacionales y generalmente tiene un origen diagenético o estructural. Por lo tanto, al describir correctamente las texturas, se puede establecer un vínculo entre las propiedades petrofísicas, la distribución del tamaño de los poros y los procesos geológicos; vínculo que se puede usar para distribuir la información petrofísica en el espacio tridimensional. Las descripciones de las texturas de las rocas se deben calibrar con los registros de pozos, ya que los registros no están diseñados para capturar información geológica. Los tres elementos descriptivos clave son: la clase petrofísica de la textura de las rocas, la porosidad de cavidades aisladas y la porosidad interpartícula. Las gráficas de interrelación entre la porosidad y la saturación de agua, a menudo, se pueden calibrar en términos petrofísicos, y las gráficas de interrelación entre el tiempo de tránsito y la porosidad, se pueden utilizar para estimar la porosidad interpartícula y de cavidades aisladas. La integración de estos tres elementos en el análisis de registros de pozos, genera una estimación más precisa de la permeabilidad matricial y de la saturación de agua, así como también provee información acerca de la textura de las rocas que se pueden utilizar para construir modelos geológicos. La tarea de vincular las descripciones geológicas con las propiedades petrofísicas corresponde a las disciplinas de ingeniería y geología. Los petrofísicos pueden perfectamente proporcionar este importante vínculo, porque ellos tienen contacto directo con ambas ciencias, y son expertos en análisis de registros y de núcleos. Gus Archie vislumbró esta tarea como una parte integral de la porción "petro" de la petrofísica. Sin embargo, los petrofísicos todavía no se han abocado a esta tarea y, en lugar de ello, siguen centrados en el análisis de núcleos y en el desarrollo de herramientas de registros de pozos. Ya es tiempo de que los petrofísicos proporcionen el eslabón faltante entre las interpretaciones geológicas y de ingeniería y aborden esta tarea como parte de su responsabilidad. F. Jerry Lucia Investigador senior Departamento de Geología Económica Universidad de Texas, Austin Austin, Texas, EUA F. Jerry Lucia es un investigador senior del Departamento de Geología Económica de la Universidad de Texas en Austin. Previamente trabajó durante 31 años como ingeniero geólogo para Shell Oil Company, en áreas relacionadas con la investigación, las operaciones y en la casa matriz. Jerry es autor de muchas obras. Obtuvo su licenciatura en ingeniería y una maestría en geología, ambas de la Universidad de Minnesota en Minneapolis, EUA. 1. Lucia FJ: "Rock Fabric/Petrophysical Classification of Carbonate Pore Space for Reservoir Characterization," AAPG Bulletin 79, no. 9 (Septiembre de 1995):

4 Consejo editorial Terry Adams Azerbaijan International Operating Co., Baku Syed A. Ali Chevron Petroleum Technology Co. Houston, Texas, EUA Antongiulio Alborghetti Agip S.p.A Milán, Italia Svend Aage Andersen Maersk Oil Kazakhstan GmbH Almaty, República de Kazakhstán Editor ejecutivo Denny O Brien Editor senior de producción Lisa Stewart Editor senior Mark E. Tell Editores Gretchen M. Gillis Mark A. Andersen Colaboradores Rana Rottenberg Distribución David E. Bergt Michael Fetkovich Phillips Petroleum Co. Bartlesville, Oklahoma, EUA George King BP Houston, Texas David Patrick Murphy Shell E&P Company Houston, Texas Richard Woodhouse Consultor independiente Surrey, Inglaterra Diseño Herring Design Steve Freeman Karen Malnart Ilustraciones Tom McNeff Mike Messinger George Stewart Impresión Wetmore Printing Company Curtis Weeks Traducido y producido por LincED Int l, Inc. y LincED Argentina, S.A. Oilfield Review es una publicación trimestral de Schlumberger destinada a los profesionales de la industria petrolera, cuyo objetivo es brindar información acerca de los adelantos técnicos relacionados con la búsqueda y producción de hidrocarburos. Oilfield Review se distribuye entre los empleados y clientes de Schlumberger. Cuando se menciona sólo el lugar de residencia de un colaborador, significa que forma parte del personal de Schlumberger. 21 Schlumberger. Todos los derechos reservados. Ninguna parte de esta publicación puede ser reproducida, archivada o transmitida en forma o medio alguno, ya sea electrónico o mecánico, fotocopiado o grabado, sin la debida autorización escrita de Schlumberger. Dirigir la correspondencia editorial a: Oilfield Review 225 Schlumberger Drive Sugar Land, Texas USA (1) Facsímile: (1) obrien@sugar-land.oilfield.slb.com Dirigir las consultas de distribución a: David E. Bergt (1) Facsímile: (1) dbergt@sugar-land.oilfield.slb.com Suscripciones a Oilfield Review disponibles en: Oilfield Review Services Barbour Square, High Street Tattenhall, Chester CH3 9RF England (44) Facsímile: (44) orservices@t-e-s.co.uk El importe de la suscripción anual, incluyendo los gastos de envío, es de 16 dólares estadounidenses, sujeto a las fluctuaciones del cambio.

5 Schlumberger Oilfield Review Primavera de 21 Volumen 12 Número 4 2 La toma de decisiones en la industria del petróleo y el gas En la industria petrolera, se dispone de tecnología avanzada para analizar y dirigir las decisiones técnicas y económicas. El análisis de árboles de decisiones es la nueva solución que ayuda a los que toman decisiones a priorizar los problemas, a comprender el efecto de los factores que influyen en las decisiones, y a evaluar la incertidumbre, cuantificar el valor de la información nueva y generar confianza en la decisión final. Los árboles de decisiones contribuyen a crear un marco para resolver problemas multidisciplinarios difíciles y a probar el efecto de cada paso en el proceso de decisión. Mediante estudios de casos, se muestra la forma en que estas herramientas combinan la información técnica y económica para producir decisiones sensatas en los programas de desarrollo de campo y en las evaluaciones económicas. $5, PERFORAR $5, COMPRAR BLOQUE POZO EXPLORATORIO CAMPO GRANDE $3, $5, ABANDONAR BLOQUE PERFORAR POZO SECO EJECUTAR SISMICA PERFORAR 1 Manejo de la cartera de activos para el crecimiento estratégico La industria petrolera puede ahora aprovechar las técnicas de manejo de la cartera de activos desarrolladas para las inversiones financieras que visualizan los proyectos y las inversiones como un conjunto interdependiente, o cartera, en lugar de entidades independientes. Los nuevos programas de computación y servicios de consultoría ayudan a los que toman las decisiones a seleccionar y analizar las carteras de proyectos que alcanzan un equilibrio entre valor y riesgo acorde con la estrategia de la compañía. Mediante estudios de casos, se muestra la forma en que las compañías están utilizando la optimización de las carteras y las técnicas de manejo de oportunidades para cumplir los objetivos de producción, ingresos, reservas y otros objetivos clave. 2 Evaluación de yacimientos carbonatados La heterogeneidad de las rocas carbonatadas presenta importantes retos que deben superarse para producir el 6% de las reservas de petróleo almacenadas en las mismas. Ejemplos de todo el mundo muestran los actuales enfoques para evaluar los yacimientos carbonatados y proporcionar una dirección a las iniciativas de investigación en curso. 44 De las propiedades de los yacimientos a las soluciones de estimulación Las importantes investigaciones asociadas con la terminación de pozos requieren un enfoque que integre la caracterización de los yacimientos con la ingeniería de producción. Historias de casos ilustran la forma en que equipos de expertos distribuidos alrededor del mundo utilizan el modelado específico de campos o cuencas para efectuar recomendaciones de estimulación y terminación, centrándose en la productividad a lo largo de la vida de un pozo, independientemente de los límites entre las disciplinas técnicas. Al utilizar las herramientas basadas en la estructura y herramientas de la Red (Web) para crear conjuntos completos de datos y mejores modelos, esta metodología aprovecha las últimas tecnologías de evaluación y fracturamiento de formaciones. 66 Colaboradores 69 Próximamente en Oilfield Review y Nuevas publicaciones 71 Índice anual 1

6 La toma de decisiones en la industria del petróleo y el gas $5, $5, PERFORAR COMPRAR BLOQUE POZO EXPLORATORIO CAMPO GRANDE $3, $5, ABANDONAR BLOQUE PERFORAR POZO SECO EJECUTAR SISMICA PERFORAR Ellen Coopersmith Decision Frameworks Houston, Texas, EUA Graham Dean Centrica Slough, Berkshire, Inglaterra Jason McVean Calgary, Alberta, Canadá Erling Storaune Aker Maritime, Inc. Houston, Texas Se agradece la colaboración en la preparación de este artículo a Joe Fay, Austin, Texas, EUA; Kent Burkholder y Alexander Lythell, Londres, Inglaterra; Paige McCown, Houston, Texas; Pat Parry, Centrica, Slough, Berkshire, Inglaterra; Kenneth Ricard, Aker Maritime, Houston, Texas; y Laurence Wickens, AEA Technology, Didcot, Oxfordshire, Inglaterra. Decision Tree y Peep son marcas de Schlumberger. DPS-2 es una marca de Aker. Excel es una marca de Microsoft Corporation. La diferencia entre una buena y una mala decisión puede ser la diferencia entre el éxito y el fracaso, las ganancias y las pérdidas, o incluso entre la vida y la muerte. El software de análisis de decisiones puede ayudar a quienes toman decisiones a identificar factores que influyen en la decisión que han de tomar, y a escoger el camino para lograr los resultados deseados. Las decisiones en la industria del petróleo y el gas determinan la dirección y el curso de miles de millones de dólares cada año. La complejidad de una decisión puede variar desde una simple pregunta, al modo de Shakespeare, (perforar o no perforar) hasta niveles que requieren gran detalle. Algunas de las decisiones más extraordinarias determinan la oferta máxima por una concesión, el mejor proceso de desarrollo para un determinado bien, la prioridad de perforación en el marco de opciones de exploración de una compañía, el momento de incrementar la capacidad operativa de una instalación, o la decisión de firmar un contrato de suministro a corto o largo plazo. Si bien los problemas más simples se pueden analizar con sólo algunos cálculos, tomar decisiones más complicadas puede tomarle a una compañía meses o años de preparación. Por ejemplo, uno de los dilemas que enfrentan hoy en día las compañías de exploración y producción (E&P, por sus siglas en Inglés) es cómo desarrollar yacimientos situados en aguas profundas. A veces es mejor el desarrollo submarino; otras veces la solución es una estructura flotante amarrada al lecho marino. Por lo general, las compañías petroleras dedican de 12 a 18 meses al ciclo de toma de decisiones recopilar información, analizarla, y modelar el riesgo y la incertidumbre antes de seleccionar un sistema de producción. 2 Oilfield Review

7 Análisis de sensibilidad Factores Influencia, % 3, Valor actual neto en miles de dólares 45,1 6, Precio del petróleo 51 31,538 59,937 Volumen de petróleo 31 36,68 57,873 Erogaciones de capital 9 42,83 54,4 Volumen de gas 5 41,776 5,956 Precio del gas 3 42,862 5,157 Costos operativos 1 43,643 46,181 > Diagrama indicativo de los factores que más influyen en una decisión. De los seis factores seleccionados para el análisis, el precio del petróleo y el volumen de petróleo poseen el rango más alto en el valor actual neto (VAN), haciendo que el resultado sea más sensible a esos factores. La agilización de este proceso puede aumentar las utilidades al disminuir el tiempo necesario para la puesta en producción. Existen varios métodos para ayudar a quienes toman las decisiones a evaluar la incertidumbre, reducir el riesgo y escoger soluciones que se puedan llevar a la práctica. 1 Entre estos métodos se incluyen los cálculos del valor actual neto (VAN), los análisis del flujo de fondos descontado, la simulación de Monte Carlo, la teoría de la cartera de inversiones, el análisis del árbol de decisiones y la teoría de las preferencias, todos los cuales se describieron en un artículo reciente de Oilfield Review. 2 Las situaciones elementales se pueden resolver con cálculos básicos de valor esperado, pero los casos en los que participan más factores requieren un proceso de análisis de decisiones que combina información de múltiples disciplinas, da cuenta de la incertidumbre y evalúa el efecto de las diferentes decisiones. Este artículo se centra en el análisis del árbol de decisiones y su funcionamiento. Ambas cuestiones se ejemplifican a través de dos estudios de casos. 1. Newendorp PD: Decision Analysis for Petroleum Exploration. Aurora, Colorado, EUA: Planning Press, Bailey W. Couët B, Lamb F, Simpson G y Rose P: "Riesgos medidos," Oilfield Review 12, no. 3, (Invierno de 21): El valor actual neto es una medida de valor posible, pero se pueden usar muchas otras, incluyendo la tasa de retorno y la relación entre ganancia e inversión. 4. Newendorp, referencia 1, capítulo 4. Análisis del árbol de decisiones El análisis del árbol de decisiones es una manera de encuadrar y resolver situaciones complejas que requieren la toma de una decisión. La clave para el éxito, consiste en definir el problema con claridad desde el principio y luego determinar las decisiones que se deben tomar. La etapa de definición del problema incluye la identificación de toda la información conocida, y la especificación de todos los factores que pudieran influir en el resultado final. Para acelerar el proceso, las decisiones que se pueden dilatar se posponen, de modo que la información futura pueda ayudar al proceso de toma de decisiones. Captar la esencia de un problema mediante la determinación de cuáles son los factores más importantes, ayuda a que quienes toman las decisiones se concentren solamente en los aspectos que juegan un papel central en el resultado. Un análisis de sensitividad como éste, permite asignar un orden de importancia a los factores que se deberán considerar en una decisión. Por ejemplo, una decisión puede depender de seis factores: precio del petróleo, volumen de petróleo, precio del gas, volumen de gas, erogaciones de capital y costos operativos; pero se desconoce la importancia relativa de estos factores. Para ciertos elementos de incertidumbre, o un rango de posibles valores, el análisis de sensitividad calcula los valores actuales netos (a veces expresados como efectivo después de impuestos) representados por dichos elementos de incertidumbre, y clasifica cada factor (arriba). 3 Los factores que más influyen en los resultados del proyecto son los que tienen el rango más alto de VAN. La forma de la gráfica, con valores altos en la parte superior y valores bajos en la inferior, le da a esta representación el nombre "diagrama de tornado." En este ejemplo, los dos factores más importantes son el precio del petróleo y el volumen de petróleo. La incertidumbre acerca de los costos operativos no afecta el resultado de manera significativa y, por lo tanto, se puede tratar como una certeza sin influir en forma importante en los resultados. Una vez que se ha encuadrado el problema, los árboles de decisiones ayudan a encontrar el camino hacia una buena solución. Los árboles de decisiones son diagramas que ilustran el flujo de un proceso de toma de decisiones como una secuencia de eventos y posibles resultados (abajo). Los eventos se representan como puntos, o nodos, y los resultados, como ramas que salen de cada nodo. Los nodos son nodos de decisión (en los cuales quien toma la decisión decide qué rama seguir), o nodos de incertidumbre, donde el resultado estará determinado por varias posibilidades. 4 A cada rama se le asocia el valor monetario que se espera del resultado. Además, las ramas que salen de los nodos de incertidumbre se ponderan con la probabilidad de que tal resultado ocurra. En forma gráfica, los nodos de decisión se expresan como cuadrados y los nodos de incertidumbre, como círculos. En este ejemplo simple, el nodo de decisión indica el punto donde quien toma la decisión escoge perforar o no perforar. El valor esperado B Perforar No perforar + $1, A $ Pozo seco _ $5, 2 MMpc + $1, 5 MMpc + $25, > Árbol de decisiones simple que muestra un nodo de decisión (cuadrado) y los posibles resultados. Los resultados están acompañados por su valor esperado multiplicado por la probabilidad de que ocurra tal resultado. El camino con el valor esperado más alto está destacado en amarillo. (Adaptado de Newendorp, referencia 1.) Primavera de 21 3

8 que se asocia a una decisión de no perforar es $; es decir, no se gasta ni se gana dinero. El valor esperado de la decisión de perforar depende de lo que se encuentre al perforar: hay un 1% de probabilidad de que sean 5 MMpc de gas, 2% de que sean 2 MMpc, y un 7% de que sea un pozo seco. El tamaño esperado del yacimiento tiene una distribución continua y no de tres valores, pero a los efectos de este ejemplo, se describen tres tamaños (derecha). Idealmente, las ramas del nodo de incertidumbre tratan de atraer los aspectos más importantes de esta distribución continua. El valor esperado de un nodo de incertidumbre es la suma de todos los valores esperados, y ponderados según las probabilidades, de todos los resultados que se ramifican desde dicho nodo. De este modo, al retroceder desde el final o del lado derecho del árbol, se pueden calcular los valores esperados para cada resultado. Una vez que se han calculado todos los valores esperados, se puede tomar la ruta de decisión óptima, es decir, la que proyecta el mayor valor esperado. El mismo método funciona para decisiones más complicadas (página siguiente). En este ejemplo, la decisión de comprar o no áreas, depende de comprender los posibles resultados de una secuencia de decisiones, entre las que se incluyen realizar un estudio sísmico o no, perforar o no, y perforar un segundo pozo o no. Los resultados finales posibles (yacimiento de gran tamaño, yacimiento marginal o pozo seco) son los mismos, independientemente de la ruta de decisión. Sin embargo, tienen diferentes probabilidades de ocurrencia en etapas distintas del árbol de decisiones, puesto que, a medida que el árbol crece, se tiene mayor información. Para este árbol de decisiones, la solución que genera el mayor valor monetario esperado sigue las siguientes ramas: comprar área, ejecutar un estudio sísmico, y si el estudio sísmico confirma una estructura, perforar y, si el primer pozo es seco, perforar un segundo pozo de exploración. La asignación de probabilidades a las tres ramas requiere pericia técnica y, en este caso, se basa en el conocimiento previo de la región. La probabilidad y el valor de los distintos resultados también se pueden basar en el resultado de simulaciones de Monte Carlo más detalladas. Por ejemplo, el valor de corte o limitador (cutoff) de lo que constituye un yacimiento de gran tamaño, podría ser el lado alto de una distribución de probabilidades, que es el resultado de una simulación de Monte Carlo del parámetro volumen del yacimiento. Dependiendo del tipo de decisión que se adopte, se puede solicitar información a especialistas de diversas disciplinas de campos petrolíferos para el análisis del árbol de decisiones. Además del tamaño y el contenido desconocidos del yacimiento, es necesario predecir, entre otros, los siguientes resultados: precio del petróleo y el gas calidad y confiabilidad de la generación de imágenes sísmicas o los datos de registros de pozos costo y riesgo versus el valor de la información adicional probabilidad de que las herramientas de registros de pozos o tubería de perforación queden atascadas y que se produzcan otros tipos de sucesos que causen tiempo improductivo del equipo de perforación compartimentalización del yacimiento o número de pozos propiedades y comportamiento de los fluidos del yacimiento complejidad de las terminaciones costo del transporte hacia los mercados mejoramiento obtenido de los métodos de estimulación, reacondicionamiento o mejoramiento de la recuperación. Quizás menos obvios para los profesionales de los campos petrolíferos, pero también importantes de estimar en los casos que se prestan para el análisis de árboles de decisiones, son las eventualidades tales como la estabilidad y la legislación gubernamental, las fusiones de empresas, los Máximo posible de reservas Reservas promedio Mínimo posible de reservas (pozo seco) > Distribución continua del tamaño esperado del yacimiento. Si bien el valor esperado del tamaño del yacimiento puede caer en cualquier punto de la distribución continua, se deben seleccionar los valores más probables para las ramas del árbol de decisiones. (Adaptado de Newendorp, referencia 1.) casos judiciales, y los aspectos de salud, seguridad y ambiente (HSE, por sus siglas en Inglés). Existen numerosos productos de software que facilitan el análisis de árboles de decisiones para el sector de E&P de la industria del petróleo y el gas y otras industrias. Éstos incluyen, entre otros, Precision Tree de Palisade, Decision Programming Language (DPL) de ADA (Applied Decision Analysis) y el paquete Decision Tree desarrollado por Merak, una compañía de Schlumberger. Estos sistemas se vinculan con programas de cálculo que calculan los valores actuales netos para cada rama del árbol. En términos generales, los paquetes de software de árboles de decisiones se vinculan con Excel para las etapas de cálculo. Solamente el software Decision Tree de Merak se vincula también directamente con el programa Peep de análisis económico, que es un paquete estándar de manejo de activos de la industria del petróleo y el gas. Los árboles de decisiones pueden ser de ayuda para el análisis de varios tipos de decisiones en la industria petrolera. Entre los ejemplos se encuentra el decidir si reemplazar registros de herramientas operadas a cable por registros adquiridos durante la perforación, evaluar programas de inyección de agua, optimizar reacondicionamientos y escoger la mejor configuración de las partes superiores de las plataformas marinas. 5 En la sección siguiente, se describe la forma en que los árboles de decisiones pueden ayudar a evaluar un sistema de producción en sitios de aguas profundas. 4 Oilfield Review

9 J Campo de gran tamaño +$36 MM.5 Comprar el bloque No comprar el bloque $ Perforar I C Campo marginal +$11 MM.5 Ejecutar levantamiento sísmico Pozo seco.9 H B Perforar segundo pozo exploratorio G El levantamiento sísmico confirma estructura.5.5 El levantamiento sísmico no muestra estructura, abandonar el bloque $5 MM Abandonar el bloque $4 MM A Perforar F.85 Pozo seco Abandonar el bloque $5 MM Pozo seco, abandonar el bloque $5 MM E Campo de gran tamaño +$35 MM Campo marginal +$1 MM Campo de gran tamaño +$34 MM Campo marginal +$9 MM Abandonar el bloque $6 MM D Perforar segundo pozo exploratorio Pozo seco, Campo de gran tamaño +$33 MM Campo marginal +$8 MM abandonar el bloque $7 MM > Árbol de decisiones para la compra de bloques. En este ejemplo, la decisión depende de una sucesión de decisiones (destacadas en amarillo) que incluyen la ejecución de un levantamiento sísmico y la perforación de uno o dos pozos exploratorios. (Adaptado de Newendorp, referencia 1.) Elección de un sistema de producción Un operador que se preparaba para seleccionar un sistema de producción situado en aguas profundas para un trabajo de desarrollo en las costas de África Occidental contactó a Aker Maritime, Inc., fabricante de plataformas tipo spar y plataformas marítimas. 6 El operador tenía que decidir si adelantarse y comprar un sistema de producción que se pudiera adaptar en caso de que el yacimiento resultase mayor a lo esperado, o esperar hasta contar con más información y optimizar el tamaño del sistema. Una decisión temprana podría significar una rápida puesta en producción. Por otro lado, un sistema adaptativo tiene la flexibilidad de permitir agregar en el futuro pozos o módulos de procesamiento de fluidos. Sin embargo, una decisión como ésa estaría basada en un mínimo de información. La alternativa era perforar más pozos, obtener más información y comprar un sistema de producción optimizado para el tamaño del yacimiento, pero a un mayor costo y con una demora en la producción. Aker Maritime trabajó con Decision Frameworks, una firma de consultoría de análisis y facilitación de decisiones, para estructurar las decisiones y modelar las alternativas de desarrollo. El enfoque de Decision Frameworks se basa en la pericia técnica y comercial en el área petrolera, combinada con aplicaciones de Merak, específicamente el producto Decision Tree y el módulo Peep, este último diseñado para evaluaciones económicas y análisis de curvas de declinación. Los primeros pasos del análisis de decisión fueron estructurar el problema, comprender los problemas asociados con el descubrimiento en aguas profundas y analizar soluciones alternativas de desarrollo. Decision Frameworks trabajó con Aker y su compañía petrolera cliente para definir los parámetros del descubrimiento, tales como el tamaño del yacimiento, las tasas de producción, el número de pozos y el plan de perforación. Luego, se crearon árboles de decisiones de alto nivel para los cuatro conceptos de desarrollo que se estaban considerando. Dos de ellos eran 5. Back GF: "Examination of MWD (Measuring While Drilling) Wireline Replacement by Decision Analysis Methods: Two Case Studies," Compendio del Trigésimo- Séptimo Simposio Anual de Adquisición de Registros de Pozos de la SPWLA, Nueva Orleáns, Luisiana, EUA, Junio 16-19, 1996, artículo U. Martinsen R, Kjelstadli RM, Ross C y Rostad H: "The Valhall Waterflood Evaluation: A Decision Analysis Case Study," artículo de la SPE 38926, presentado en la Conferencia Técnica y Exhibición Anual de la SPE, San Antonio, Texas, EUA, Octubre 5-8, Macary S y El-Haddad A: "Decision Trees Optimize Workover Program," Oil & Gas Journal 96, no. 51 (Diciembre 21, 1998): 93-97, 1. MacDonald JJ y Smith RS: "Decision Trees Clarify Novel Technology Applications," Oil & Gas Journal 95, no. 8 (Febrero 24, 1997): 69-71, Una plataforma tipo spar, a veces llamada una unidad de árbol seco, es un cilindro vertical flotante que está anclado al suelo marino. Las plataformas tipo spar permiten que la producción de los campos de aguas profundas vaya hacia instalaciones de superficie "secas," en lugar de instalaciones submarinas. Primavera de 21 5

10 > Plataforma tipo spar adaptativa de Aker Maritime estructuras adaptativas: la plataforma tipo spar adaptativa de Aker y el DPS-2 (arriba y en la página siguiente, arriba). Los otros dos eran diseños que se podían optimizar para ajustarse al tamaño del yacimiento: un sistema flotante de producción, almacenamiento y descarga (FPSO, por sus siglas en Inglés) y una plataforma tipo spar optimizada. Los cuatro conceptos permitían el almacenamiento de petróleo. El análisis de los diseños adaptativos, utilizando el software Decisión Tree, requirió la selección de una estructura de superficie, y la configuración del equipamiento de superficie en base a la información de sólo dos pozos. A esto le siguió la perforación de dos pozos, la instalación de la estructura, la perforación de pozos de desarrollo y la puesta en producción, y luego la instalación de módulos de producción o la incorporación de pozos adicionales, según fuera necesario (página siguiente, abajo). El caso de los diseños optimizados comienza con la información de los cuatro pozos antes de seleccionar e instalar el sistema de producción, seguido de la perforación de pozos adicionales de desarrollo y finalmente por algunos ajustes limitados al número de pozos, dependiendo de lo que indicara la información de producción respecto al tamaño real del yacimiento. 6 Oilfield Review

11 > Aker Maritime DPS-2. Estructura del programa Decision Tree Diseños adaptativos Dos penetraciones Perforación de pozos de desarrollo y puesta en producción Tamaño de yacimiento indicado (capacidad/pozos) Selección de la estructura y del equipamiento de superficie Perforación anticipada de dos pozos Instalación de la estructura y perforación Otras indicaciones sobre el tamaño del yacimiento Agregado de módulos de producción y ajuste del número de pozos Diseños optimizados Cuatro penetraciones Perforación de pozos de desarrollo y puesta en producción Comienzo con más información Tamaño de yacimiento indicado (capacidad/pozos) Selección de la estructura y del equipamiento de superficie Instalación de la estructura y perforación Otras indicaciones del tamaño del yacimiento Ajuste limitado al número de pozos > Estructura del programa Decision Tree para el diseño adaptativo, en comparación con el diseño optimizado. En el diseño adaptativo (arriba) se comienza con menor información y se perforan menos pozos. En el diseño optimizado (abajo) se utiliza información de cuatro pozos para dimensionar el concepto del desarrollo. Primavera de 21 7

12 Resultados del árbol de decisiones para el sistema Aker DPS-2 Dos penetraciones DPS-2 $412 MM p =.28 p =.39 Indicación de yacimiento de gran tamaño $554 MM Indicación de yacimiento de tamaño medio $373 MM Perforación anticipada de 2 pozos Perforación anticipada de 2 pozos Instalación del sistema DPS-2 Instalación del sistema DPS-2 Probabilidad del tamaño real del yacimiento.48 grande.36 mediano.16 pequeño.23 grande.46 mediano.31 pequeño 26 pozos, $1 M de modificación 14 pozos, 1 pozo seco 6 pozos, 2 pozos secos 26 pozos, $1 M de modificación 14 pozos 6 pozos, 1 pozo seco VAN $MM p =.33 Indicación de yacimiento de pequeño tamaño $339 MM Perforación anticipada de 2 pozos Instalación del sistema DPS-2.23 grande.36 mediano.41 pequeño 26 pozos, $1 M de modificación 14 pozos 6 pozos > Resultados del programa Decision Tree que muestran cifras del VAN calculado para el sistema adaptativo de aguas profundas DPS-2. La incertidumbre clave era el tamaño del yacimiento, puesto que determina la capacidad de las instalaciones y la cantidad de pozos requeridos para desarrollar las reservas. Los resultados del programa Decision Tree son los efectos económicos de los múltiples escenarios que ocurren si se cree que: el yacimiento es de gran tamaño y en realidad es de gran, mediano o pequeño tamaño; el yacimiento es de mediano tamaño y en realidad es de gran, mediano o pequeño tamaño; el yacimiento es de pequeño tamaño y en realidad es de gran, mediano o pequeño tamaño. Un ejemplo de árbol de decisiones demuestra los valores actuales netos calculados para uno de los cuatro conceptos de desarrollo: el sistema adaptativo DPS-2 (arriba). EL VAN total para este concepto es de $412 millones. La comparación de esta cifra con las obtenidas para los otros tres conceptos indica que el sistema DPS-2 posee el mayor VAN (abajo a la izquierda). Los plazos de las etapas de desarrollo juegan un papel fundamental en la recuperación de la inversión. Gran parte del valor de seleccionar un sistema adaptativo está en el menor tiempo que transcurre hasta la primera producción de petróleo. Con el software Decision Tree, se siguió un plan desde enero de 21 hasta junio de 25 que incluía ingeniería y diseño iniciales (FEED, por sus siglas en Inglés), construcción, entrega y puesta en funcionamiento (abajo a la derecha). Ambos conceptos adaptativos podrían entregar la primera producción de petróleo en el año 23, en comparación con las posibles entregas para el año 25, que se obtendrían con los sistemas optimizados. Sin embargo, el valor agregado de los sistemas adaptativos representaba riesgos adicionales. El software Decision Tree ayudó a demostrar el valor agregado que se puede obtener con los primeros sistemas de producción adaptativos, y permitió que Aker Maritime presentara una amplia gama de opciones de decisión a la empresa petrolera cliente. También subrayó el hecho de que a menudo existe incertidumbre, incluso después de que se ha reunido mayor información. Reconocer esto durante la selección de los conceptos de desarrollo es importante y puede agregar valor. Desarrollo de un caso La metodología de árboles de decisiones también se puede aplicar a otros tipos de problemas de E&P. Como parte de la estrategia de Centrica para adquirir activos adicionales de la plataforma Conceptos adaptativos DPS-2 Plataforma spar adaptativa $412 MM $35 MM Valor calculado Conceptos optimizados Plataforma spar optimizada FPSO $313 MM $182 MM > Comparación de cálculos finales del VAN para los cuatro conceptos de desarrollo en consideración. Los conceptos adaptativos ofrecen hasta un VAN de $23 millones más alto que los conceptos optimizados. Secuencia de eventos para el programa Decision Tree. Los conceptos adaptativos comienzan primero y producen primero, mientras que la producción de los proyectos optimizados se atrasa cerca de 18 meses. > Ene. 21 Jun. 21 Ene. 22 Datos de entrada al programa Decision Tree Jun. 22 Aker DPS-2 Ene. 23 Plataforma tipo spar adaptativa Jun. 23 FPSO Ene. 24 Jun. 24 Plataforma tipo spar optimizada Ene. 25 Inicio de producción Dic. 23 Inicio de producción Ago. 23 Jun. 25 Ene. 26 Inicio de producción Feb. 25 Inicio de producción Abr. 25 Incluye ingeniería y diseños iniciales (FEED), construcción, entrega y puesta en funcionamiento 8 Oilfield Review

13 NORUEGA Cálculo de la variación en el gas inicialmente en sitio Adquirir capital adicional Bajo Solucionar el litigio mediante negociación Resultado negociado Medio Sí Sí Alto Medio E L NORT R DE MA No Alto Identidad del experto Campo Hewett Baja Media B REINO UNIDO Alta > El campo Hewett, en el Mar del Norte del Reino Unido, en donde el bajo rendimiento impidió que Centrica y sus socios cumplieran contratos de provisión de gas. El análisis con el programa Decision Tree ayudó a Centrica a decidir si debía proceder a un acuerdo entre las partes. Primavera de 21 Decisión del experto A No continental del Reino Unido, a menudo, la compañía podría tener que considerar intereses conflictivos entre comprador y vendedor cuando ya tuviera contratos para comprar el gas de los activos. Por ejemplo, Centrica necesitaba considerar el efecto de un conflicto de intereses anterior acerca del valor futuro de un activo que pensaba adquirir. El conflicto se refería al no cumplimiento anterior, por parte de los vendedores, de las obligaciones contractuales de proporcionar gas y a la aplicación de las cláusulas contractuales por parte de Centrica. Los vendedores se opusieron a esta acción y entablaron un litigio para limitarla. Centrica debía considerar los posibles resultados de un acuerdo litigado versus uno negociado acerca del valor futuro del activo, el campo Hewett (arriba a la izquierda). Varias condiciones complicaban el proceso de decisión. Adquirir capital adicional en el campo o asumir la función de operador, podía aumentar las reservas y el valor, y permitir que Centrica generara más gas, pero el campo era viejo y se acercaba a un costoso abandono. Sin embargo, también existía la posibilidad de efectuar reacondicionamientos o de desarrollar campos vecinos. Había tantos elementos a considerar en la decisión que el problema parecía bastante difícil de resolver. Centrica consultó con AEA Technology plc para que le ayudara a encuadrar el problema. El árbol de decisiones resultante era de Bajo > Esquema del árbol de decisiones creado para ayudar a los analistas de Centrica a tomar una decisión respecto al caso del campo Hewett. El árbol utiliza una notación compacta por la cual un nodo ubicado junto a los resultados de un nodo previo indica que tal nodo se repite para cada una de las ramas. De esta forma, el primer nodo de decisión, "Adquirir capital adicional," se aplica a los tres resultados del nodo previo, "Cálculo de la variación en el gas inicialmente en sitio." De manera similar, el nodo de decisión que indica solución por negociación, se aplica a todos los resultados Sí o No de la decisión previa, y así sucesivamente. Esta notación comunica la misma información que un árbol completo, pero hace que éste sea compacto y manejable. gran tamaño y requería la evaluación de 7 alternativas con varias horas de cómputo por resultado, totalizando un año-hombre de esfuerzo. Se necesitaba una solución automatizada para generar e ingresar números al árbol de decisiones. Los analistas de Centrica utilizaron el programa Decision Tree de Merak y, reduciendo significativamente algunas de las limitaciones, pudieron alcanzar una solución con 5 resultados y un tiempo de cómputo de 7 minutos (arriba a la derecha). Los beneficios de una solución proporcionada por el programa Decision Tree fueron de dos tipos: primero, el proceso de análisis de decisiones brindó una clara visión del problema. A pesar de la complejidad de la situación, los resultados de la aplicación Decision Tree aclararon lo que estaba impulsando la decisión, así como también la decisión que se debía tomar. Por primera vez, todos quienes participaban en el proceso estaban de acuerdo con los fundamentos del conjunto de decisiones. En segundo lugar, las herramientas de Merak facilitaron la solución del problema y ayudaron a completar rápidamente los cálculos y el análisis. Simplificación de la toma de decisiones Para las grandes organizaciones, como las de la industria petrolera, aún son las personas, no los procesos, quienes toman decisiones complejas y de alto costo. La técnica de análisis de decisiones, por lo general, se adapta de una organización a otra, pero el mejor sistema es aquél que encuadra el problema, comprende las incertidumbres, desarrolla soluciones más poderosas y a menudo híbridas, y equilibra el riesgo con respecto al valor esperado. A medida que el segmento de E&P de la industria petrolera continúe buscando prospectos en regiones más remotas y potencialmente más sensibles, las herramientas de toma de decisiones que incorporan información de todas las fuentes idóneas harán importantes aportes al éxito del proyecto. Si bien, en último término, son las personas las que toman las decisiones, las soluciones asistidas por computadoras y software facilitan la tarea. Los productos de análisis de decisiones pueden ayudar a identificar cuán sensible es una decisión a todos los factores involucrados, determinar el valor de seguir adelante o recopilar información, orientar a quienes toman las decisiones en la dirección más conveniente, y generar decisiones más coherentes. En todas las compañías, quienes toman las decisiones captan los beneficios de un proceso de análisis de decisiones coherente, lo cual permite que las organizaciones de planificación y personal técnico aumenten la eficiencia y el valor de su trabajo. LS 9

14 Manejo de la cartera de activos para el crecimiento estratégico Tom Adams Jeff Lund Kerr-McGee Oil and Gas Corp. Houston, Texas, EUA Jack A. Albers Burlington Resources International Houston, Texas Michael Back Jason McVean Calgary, Alberta, Canadá John I. Howell III Portfolio Decisions, Inc. Houston, Texas Se agradece la colaboración en la preparación de este artículo a Fiona Macmillan, Londres, Inglaterra; Graeme Simpson, Gaffney, Cline and Associates, Guildford, Surrey, Inglaterra, y Jim Thorson, Resource Solutions, Denver, Colorado, EUA. Capital Planning y Peep son marcas de Schlumberger. TERAS es una marca de Landmark. La industria del petróleo y el gas está poniendo más énfasis en las diversas prácticas de manejo de activos que en la reducción de costos. La optimización de la cartera de activos, una manera rápida y eficaz de analizar y mejorar el valor general de los mismos, es una herramienta que puede resultar de gran utilidad. Los altibajos en el negocio de exploración y producción (E&P) se aceptan como hechos naturales en una industria conocida por sus riesgos. Es difícil predecir cuán altos son los altos y cuán bajos son los bajos, y cuándo ocurrirán, pero se reconoce la naturaleza cíclica de los mismos. Cuando los tiempos son buenos, las compañías crecen, invierten en iniciativas más riesgosas y reciben utilidades si la bonanza dura lo suficiente. Cuando el ciclo entra en su etapa baja, las compañías efectúan desinversiones y aplican medidas para disminuir los costos. Dado lo impredecible de estos cambios, cómo puede la industria del petróleo planificar un crecimiento a largo plazo? Muchas compañías de E&P han descubierto el valor de manejar sus activos como un conjunto mixto, o cartera, considerando la interdependencia de los proyectos y no las inversiones para cada uno de los proyectos. 1 La práctica común es que la compañía primero clasifique los proyectos por su valor actual neto (VAN) a una tasa de descuento determinada, o mediante alguna otra medida de valor, y a continuación, inicie los proyectos que se ajusten a su presupuesto de inversiones, comenzando con el proyecto más promisorio. 2 Este método supone que los proyectos son independientes, o que no tienen factores en común. 1 Oilfield Review

15 El enfoque de manejo de la cartera de activos aprovecha el hecho de que todos los proyectos interactúan entre sí, ya sea que comprendan exploración, desarrollo, producción o adquisición. Entre los elementos que enlazan un proyecto con otro están las fluctuaciones del mercado, los objetivos de rendimiento y el riesgo técnico. Incluso, si no hay un vínculo técnico aparente entre los proyectos, éstos interactúan en el sentido de que emprender un proyecto puede impedir que se comience otro, o que el éxito de un proyecto puede hacer que otros proyectos sean posibles. La perspectiva de la cartera de activos les permite a los responsables de tomar las decisiones dentro de la organización entender cómo interactúan los proyectos para satisfacer requisitos comerciales equilibrados. Se puede ver el manejo de la cartera de activos como un puente entre la visión de una compañía, o estrategia de negocios, y el conjunto de proyectos que harán que dicha estrategia sea fructífera. La base para ello está conformada por la estrategia y los parámetros de medición de la empresa los estándares de medición utilizados para cuantificar la estrategia junto con los objetivos a largo plazo para cada parámetro de medición. Por ejemplo, los resultados del actual negocio base de la compañía se pueden comparar 1. Ball BC y Savage SL: "Holistic vs. Hole-istic E&P Strategies," Journal of Petroleum Technology 51, no. 9 (Septiembre de 1999): 74, 76, 78, 8, 82, 84. Howell JI III, Anderson RN, Boulanger A y Bents B: "Managing E&P Assests from a Portfolio Perspective," Oil & Gas Journal 96, no. 48 (Noviembre 3, 1998): Anderson RN, Amaefule J, Forrest M, Howell JI III, Nelson HR Jr y Rumann HA: "Quantitative Tools Link Portfolio Management with Use of Technology," Oil & Gas Journal 96, no. 48 (Noviembre 3, 1998): 48-5, El valor actual neto representa la diferencia entre los valores actuales de los egresos de fondos durante la vida del proyecto y los valores actuales de los ingresos de fondos, todos los cuales se descuentan a una tasa de interés seleccionada. Primavera de 21 11

16 18 45 Millones de $ 16 Ganancias Millones de barriles por año 4 Producción Año Año Millones de $ Flujo de fondos neto Año Millones de barriles de petróleo equivalente Reservas > Parámetros o estándares de medición y objetivos estratégicos para una cartera genérica de activos de exploración y producción (E&P). Los parámetros para este estudio son las ganancias, la producción, el flujo de fondos neto y las reservas. Los niveles objetivo para tales parámetros se indican como barras verticales. El área sombreada de color púrpura representa el curso normal del negocio, o el nivel alcanzado por el negocio base, en un período de 14 años. La disparidad entre los resultados del negocio base y los objetivos muestra dónde el rendimiento de la compañía resulta insuficiente. (Adaptado de Howell et al., referencia 1.) Año con parámetros de medición de los objetivos tales como las utilidades, el flujo de fondos neto, la producción y las reservas (arriba). 3 Las diferencias entre los resultados del negocio base y los objetivos, revelan problemas potenciales en el rendimiento del negocio, los que se deben corregir para cumplir con los objetivos buscados. Sin embargo, no es tarea fácil optimizar un conjunto de activos y al mismo tiempo satisfacer múltiples parámetros de medición que compiten entre sí. El siguiente elemento estructural del puente es la selección de los activos que se deben pretender, adquirir, abandonar y reconfigurar de modo tal que la cartera cumpla con los objetivos estratégicos (página siguiente, arriba). Los excedentes del flujo de fondos, por ejemplo, se pueden invertir para hacer que las reservas, la producción y las utilidades se acerquen a los niveles objetivo. Sin embargo, es improbable que la selección de un proyecto aislado lleve los resultados del negocio base a los niveles objetivo. Se debe seleccionar un subconjunto de proyectos de lo que es en general una variedad mucho mayor de posibles proyectos. Los proyectos potenciales pueden incluir oportunidades de exploración, activos actuales en desarrollo y/o en producción, y propiedad total o parcial de nuevas adquisiciones, fusiones e intercambios. A medida que aumentan las oportunidades de proyectos, los planificadores corporativos o financieros se enfrentan a la tarea cada vez más difícil de escoger los proyectos que mejor satisfagan los objetivos de la compañía. Este artículo describe algunas de las técnicas disponibles para analizar y optimizar las carteras de activos, incluidos los programas de computación y servicios de consultoría que ayudan a clasificar las inversiones, seleccionar los proyectos y predecir la probabilidad de éxito de la cartera. Estas técnicas pueden utilizarse en múltiples niveles por los encargados de tomar decisiones: al nivel más alto, para desarrollar una estrategia de negocios; a un segundo nivel, para evaluar oportunidades de inversión, y a nivel de proyecto, para apoyar negocios en curso. En primer lugar, vemos cómo un método denominado análisis de la frontera de eficiencia, diseñado para analizar carteras de inversiones financieras, es adaptado a los problemas de la industria del petróleo. Luego, presentamos estudios de casos que muestran la manera en que dos compañías petroleras comienzan a aplicar estos métodos de optimización para el manejo de la cartera de activos. En la frontera de las carteras eficientes El análisis de la frontera de eficiencia considera el equilibrio entre el valor y el riesgo en la selección de carteras óptimas. La teoría de la frontera de eficiencia se desarrolló originalmente hace unos 5 años para analizar las carteras de valores, pero difiere en algunos aspectos cuando se aplica a las carteras de la industria petrolera. 4 La idea original señala que una cartera puede tener un valor mayor o menor que la suma de los proyectos que la componen y que no hay una cartera que sea la mejor, sino una familia de carteras óptimas que logran un equilibrio entre el valor y el riesgo. Estos principios constituyen la base de la teoría de la frontera de eficiencia en lo que se refiere al campo petrolero. 12 Oilfield Review

17 Millones de $ Ganancias Año Millones de barriles por año 45 4 Producción Año Millones de $ 25 Flujo de fondos neto Año Millones de barriles de petróleo equivalente 45 4 Reservas Año > Perspectiva de la cartera. La línea rosa muestra una solución de cartera optimizada que cumple con los objetivos estratégicos, cerrando las brechas dejadas por el negocio base. (Adaptado de Howell et al., referencia 1.) Se dice que una cartera es eficiente si no hay otra cartera que tenga mayor valor, teniendo un riesgo igual o menor, y si no existe otra cartera con mayor valor a igual o menor riesgo, y si no existe otra, que tenga menor riesgo a igual o mayor valor (derecha). 5 A los efectos de este ejemplo, el valor se define como el valor actual neto promedio de la cartera, y el riesgo se define como la desviación semiestándar del valor posible de la cartera. La desviación semiestándar es una medida estadística de la distribución de los valores posibles que puede tener una cartera, dado que el valor de la 3. El negocio base es el curso del negocio si los proyectos actuales se continúan, pero no se emprenden nuevos proyectos. 4. McVean JR: "The Significance of Risk Definition of Portfolio Selection," artículo de la SPE 62966, presentado en la Conferencia Técnica y Exhibición Anual de la SPE del año 2, Dallas, Texas, EUA, Octubre 1-4, Markowitz H: "Portfolio Selection: Efficient Diversification of Investments," 2a. edición Oxford, Inglaterra: Blackwell Publishing Co., Bailey W. Couët B, Lamb F, Simpson G y Rose P: "Riesgos medidos," Oilfield Review 12, no. 3, (Invierno de 21): Valor D E B C A Riesgo Frontera de eficiencia Valor Frontera de eficiencia Riesgo > Teoría de la frontera de eficiencia. Las carteras de la industria del petróleo y el gas, representadas en función del riesgo y el valor, delinean la frontera de eficiencia. Una cartera es eficiente si ninguna otra cartera tiene mayor valor por el mismo o menor riesgo, y si ninguna otra cartera tiene menor riesgo por el mismo o mayor valor. Las carteras B, C, D, E y todos los puntos azules son eficientes, mientras que la cartera A y los demás puntos rosa no lo son. En la industria de las inversiones en valores, para la cual se desarrolló la teoría de la frontera de eficiencia, la frontera de eficiencia es una línea continua (inserto). (Adaptado de McVean, referencia 4.) Primavera de 21 13

18 Frecuencia σ 1/2 cartera es incierto. Se calcula de la misma manera que la desviación estándar, pero sólo se utilizan valores menores que la media (arriba). En un diagrama de valor versus riesgo, el límite superior del grupo de carteras se aproxima a la frontera de eficiencia. En la industria de inversiones financieras, donde cada inversión puede representar partes infinitesimalmente pequeñas de un proyecto, la frontera de eficiencia se representa con una línea continua. En el caso de los activos petroleros, los proyectos por lo general se realizan o no se realizan y, en consecuencia, el área definida por el valor y el riesgo es un conjunto de puntos, en lugar de un espacio continuo. La frontera de eficiencia en sí se representa como un conjunto de carteras, y no como una línea. En este ejemplo, las carteras B, C y D son relativamente eficientes (están en o cerca de la frontera), mientras que la cartera A podría ser más eficiente mediante la reducción de su riesgo o el aumento de su valor, o ambos. µ σ VAN, en miles de $ > Desviaciones estándar (s) y semiestándar (s 1/2 ) de una cartera cuyo perfil de riesgo es típico. Para una distribución de probabilidades como ésta, que se distribuye asimétricamente alrededor de la mediana (m ), la desviación semiestándar es notablemente menor que la desviación estándar Probabilidad Varias compañías y consultores han desarrollado paquetes de software para calcular y presentar los análisis de la frontera de eficiencia, específicamente para carteras de activos de E&P. Entre ellos se incluyen el paquete Perspectives de Portfolio Decisions, Inc. (PDI), el software Capital Planning de Merak, una compañía de Schlumberger, y el módulo Portfolio del software TERAS de Landmark. 6 Merak y PDI han desarrollado una asociación comercial que combina los servicios de consultoría de PDI y la funcionalidad del paquete Perspectives con el software Capital Planning de Merak, para crear un proceso más avanzado de manejo de carteras. En el paquete de software de Merak, el análisis de carteras en el dominio definido por el valor y el riesgo sigue tres pasos: primero, se debe reunir y evaluar el conjunto de proyectos que podrían incluirse en una cartera. Las evaluaciones económicas se realizan con el software Peep de Merak, un programa que puede realizar cálculos económicos para regímenes fiscales de todo el mundo. Se utilizan los métodos de Monte Carlo para modelar la incertidumbre inherente en cada uno de estos proyectos. Si se requiere, en esta etapa se puede establecer una correlación entre proyectos; como, por ejemplo, el precio. En el segundo paso, las estrategia de negocios se define en términos de requisitos económicos, estratégicos y físicos de la cartera. Las limitaciones se pueden definir en términos de costo máximo de capital, producción mínima, mínimo incremento de las reservas, o cualquier otro parámetro de medición estratégico, y se pueden fijar por uno o más años de la vida de la cartera. Otros factores, tales como la disponibilidad de equipos de perforación, la distribución geográfica de los activos en la estrategia corporativa y las obligaciones contractuales, pueden incluirse como limitaciones. El tercer paso combina grupos de proyectos para crear carteras, y luego compara y analiza los resultados. Las carteras se pueden crear en forma manual o mediante una serie de técnicas automáticas. Uno de estos métodos es el generador aleatorio de carteras, que crea una selección de carteras que satisface la estrategia de negocios. También se pueden buscar mejores carteras mediante la utilización de optimizadores más 6. Para obtener una lista de proveedores de software y servicios en el manejo de la decisión, el riesgo y la cartera, véase: Thorson J: "Opportunity Management Resources," Exploration Business Journal 4, no. 3 (Tercer trimestre de 2): Se puede considerar un algoritmo genético como un programa de búsqueda aleatoria guiado. Para conocer más acerca de su uso en optimización de cartera, véase: Fichter DP: "Application of Genetic Algorithms in Portfolio Optimization for the Oil and Gas Industry," artículo de la SPE 6297, presentado en la Conferencia Técnica y Exhibición Anual de la SPE del año 2, Dallas, Texas, EUA, Octubre 1-4, McVean, referencia Albers JA y Howell JI III: "Portfolio Balancing to Achieve Long Term Strategic Goals," artículo presentado en el Simposio Internacional Euroforum para el Manejo Estratégico de Carteras de E&P de la Industria del Petróleo y el Gas, Londres, Inglaterra, Marzo 22-23, Efecto de diferentes definiciones de riesgo en el análisis de la frontera de eficiencia. La gráfica izquierda utiliza la definición de riesgo común para las actividades de E&P; la desviación semiestándar del valor actual neto (VAN). Las carteras eficientes son puntos azules, y están indicadas como EP1 a EP56, comenzando desde abajo. A la derecha se grafican las mismas carteras, pero la definición de riesgo es la probabilidad de superar el límite de erogaciones de capital durante el primer año de vida de la cartera. Algunas carteras que eran atractivas bajo las definiciones originales lo fueron menos a la luz de las nuevas definiciones, y viceversa. Las carteras que antes eran eficientes se indican nuevamente como puntos azules. (Adaptado de McVean, referencia 4.) > VAN promedio, en miles de $ EP21 EP19 28 EP13 EP14 EP12 EP15 EP5 26 EP1 EP23 EP24 EP27 EP3 EP4 EP35 EP47 EP5 EP54 EP56 EP Desviación semiestándar del VAN P13 P12 P11 P Probabilidad de inversión de capital que supere los $2,, 14 Oilfield Review

19 inteligentes. Por ejemplo, la programación lineal presente en el software Perspectives de PDI y TERAS de Landmark se puede utilizar cuando la descripción del problema y sus limitaciones son lineales. La programación lineal proporciona soluciones optimizadas para una amplia gama de problemas de negocios. Sin embargo, para algunos problemas se requieren largos tiempos para hallar su solución y pueden generar resultados menos que óptimos cuando se abordan con la programación lineal. Otro optimizador, conocido como algoritmo genético, tiene la capacidad de manejar problemas altamente no lineales. 7 Debido a su robustez, puede utilizarse para maximizar el valor o minimizar el riesgo en los casos en que el valor y el riesgo se pueden definir de maneras prácticamente ilimitadas. Con estos métodos, es posible examinar y ordenar miles de proyectos para compilar carteras candidatas. Todas estas carteras, independientemente del método con que se generen, se pueden comprar y examinar de varias maneras. El software Capital Planning ofrece herramientas gráficas, tabulares y de manejo de datos para el examen y la comparación de carteras. Algunos analistas prefieren los diagramas de frontera de eficiencia para evaluar carteras, mientras que otros ponen énfasis en las probabilidades de cumplir los parámetros de medición de los objetivos. Todas ellas son herramientas útiles para explorar las fortalezas y debilidades de las diferentes carteras. La eficiencia de una cartera seleccionada, o su posición en una gráfica de riesgo versus valor, depende de las definiciones de riesgo y valor. 8 En la industria de E&P, a menudo se define el valor como el VAN promedio a una tasa de descuento específica y se considera que el riesgo es la desviación semiestándar del VAN, que representa sólo la parte inferior de la variación del VAN, o sólo los resultados inferiores a la media. Un conjunto de carteras puede tener una apariencia completamente diferente si se representa gráficamente utilizando distintas definiciones de riesgo y valor (página anterior, abajo). En este ejemplo, un diagrama utiliza la definición de riesgo común de E&P, y el otro cuantifica el riesgo como la probabilidad de superar el límite de erogaciones de capital durante el primer año de vida de la cartera. Debido a que el costo de cada proyecto es incierto, existe la posibilidad de no cumplir esta limitación al gastar en exceso en el primer año. Bajo esta definición de riesgo, algunas carteras que antes parecían inadecuadas ahora parecen atractivas, y viceversa. La selección de una cartera óptima depende en gran medida de la definición de riesgo que se adopte. En consecuencia, es importante estudiar varias definiciones de riesgo para comprender mejor la calidad de una cartera y, en definitiva, tomar decisiones acertadas acerca de qué proyectos emprender. Avance hacia el manejo de carteras En 1999, Burlington Resources International (BRI), la división internacional de Burlington Resources, comenzó a utilizar el enfoque del manejo de carteras para evaluar tanto los activos existentes como las nuevas oportunidades. Después de una exitosa implementación en la división internacional, las modernas técnicas de manejo de carteras se están aplicando hoy en toda la organización. Tradicionalmente, quienes tomaban las decisiones en esta industria habrían basado las decisiones de evaluación de oportunidades en la intuición y la experiencia. Pero, estos elementos son subjetivos y pueden dar origen a decisiones diferentes por parte de distintos encargados de tomar decisiones. Bajo el nuevo enfoque, los proyectos se evalúan sobre la base de la información cuantitativa en términos de su aporte a la estrategia a largo plazo de la compañía y a cómo interactúan con otros proyectos de la cartera. 9 En BRI, el modelo de cartera se utiliza de diversas maneras para identificar cómo y por qué una oportunidad en particular puede resultar conveniente para la cartera. Se analizan las fronteras de eficiencia de la cartera con y sin la nueva oportunidad para comprender su efecto en el valor total de la cartera, el que puede ser mayor que el VAN de la oportunidad sola. Se revisa el resultado de la cartera para determinar por qué la nueva oportunidad puede ser valiosa para la nueva estrategia e identificar los riesgos potenciales. Se estudian los niveles de confianza en el cumplimiento de las metas estratégicas con y sin la oportunidad, para evaluar la manera en que el nuevo proyecto afecta la probabilidad de cumplir dichos objetivos. Luego, se caracteriza la oportunidad para el encargado de tomar la decisión, en términos de su efecto en la rentabilidad comercial total de la cartera. Un ejemplo de la manera en que Burlington Resources ha utilizado las herramientas de manejo de carteras proviene de la evaluación de una decisión específica para adquirir un proyecto de producción. Como punto de partida, se analiza una cartera original y optimizada de $55 millones, utilizando múltiples criterios. Luego, se agregan datos económicos para el nuevo proyecto y se repite el análisis. El análisis inicial compara objetivos, valores del negocio base y valores de la cartera para seis parámetros de medición: ingresos netos, flujo de fondos neto, capital, producción, gastos de exploración y reservas de petróleo (abajo). Varios de Millones de $ Millones de barriles por año 12 1 Ingresos netos Año 3 25 Producción Flujo de fondos neto 3 Capital Año Año Millones de $ Millones de $ Gastos de exploración Año Año Año > Comparación de parámetros de medición y objetivos para una cartera de $55 millones de Burlington Resources International (BRI). El negocio base (sombreado púrpura) cumple o supera sólo algunos de los objetivos (barras verticales); por ejemplo, los ingresos netos y el flujo de fondos neto para los años 22 al 25. Mediante la inclusión de otros activos y actividades, se puede crear una cartera optimizada (línea rosa) que cumpla muchos más de los objetivos. Millones de $ Millones de barriles de petróleo equivalente Reservas Primavera de 21 15

20 12 Frontera de eficiencia 12 Frontera de eficiencia Riesgo, Millones de $ Riesgo, Millones de $ Valor, Millones de $ > Frontera de eficiencia para el conjunto de carteras de Burlington Resources International (BRI). El trazado tiene una forma diferente que el de las fronteras de eficiencia mostradas anteriormente, debido a que los ejes están intercambiados. La curva representa la familia de soluciones de mínimo riesgo y máximo valor que cumplen los mismos requisitos de rendimiento. La cartera de $55 millones tiene el valor más alto que se puede alcanzar antes de que el componente de riesgo aumente significativamente y se vuelva demasiado elevado Valor, Millones de $ > Comparación de las fronteras de eficiencia con y sin el nuevo proyecto de producción-adquisición. La frontera de eficiencia de las carteras que incluyen el nuevo proyecto (curva rosa) se desplaza hacia un valor más alto por el mismo riesgo, en relación con la frontera de eficiencia de carteras que no contienen el nuevo proyecto (curva negra). estos objetivos se aplicaron como limitaciones a la solución de la cartera. Por ejemplo, los objetivos de ingresos netos y el flujo de fondos neto para los años 2 y 21 fueron limitaciones y, por lo tanto, obligaron a que la solución fuera exactamente igual a estos valores. De manera similar, el gasto de exploración para el año 25 y los objetivos de capital desde el año 21 al 24 coincidieron exactamente. La cartera original optimizada es sólo una de un conjunto de soluciones optimizadas que se pueden crear utilizando el conjunto inicial de proyectos. Una frontera de eficiencia indica el conjunto de soluciones de carteras que cumplen los mismos parámetros de medición de rendimiento, pero tienen diferentes valores y riesgos (arriba a la izquierda). Este diagrama, que indica el riesgo en el eje vertical y el valor en el horizontal, contiene el mismo tipo de información que en las fronteras de eficiencia anteriores, pero se transpone en forma simple (los paquetes de software difieren en su estilo de presentación). La cartera de $55 millones se seleccionó como la cartera de prueba original, debido a que tiene el máximo valor para el nivel de riesgo que se puede tolerar. Con la información de la incertidumbre suministrada por los especialistas técnicos, se analizó la cartera original para determinar la probabilidad de cumplir cada objetivo de rendimiento durante un período de 14 años (abajo). La cartera tenía una baja probabilidad de cumplir los objetivos de flujo de fondos neto, producción e ingresos netos a corto plazo. Tampoco era muy probable que cumpliera los objetivos de capital entre el año 22 y el 21, y la probabilidad de cumplir el objetivo de reservas disminuye a partir del año 26. Estos diagramas ayudan a quienes toman las decisiones a comprender el efecto de las incertidumbres del proyecto a nivel de cartera y se pueden comparar con los resultados que incluyen el nuevo proyecto en consideración. Al agregarse al grupo de proyectos disponibles, el proyecto de adquisición-producción no pudo ser seleccionado para su inclusión en la cartera, ya que las pruebas iniciales mostraron que violaba la limitación sobre el capital para los primeros dos años. Después del análisis con el encargado de tomar la decisión y su aprobación, dicha limitación se flexibilizó y el proyecto se agregó al grupo. Las fronteras de eficiencia de las carteras que incluyen y excluyen el nuevo proyecto, muestran, sin lugar a dudas, que el nuevo proyecto agrega valor (arriba a la derecha). La nueva frontera de eficiencia se desplaza hacia abajo y hacia la dere- Probabilidad Ingresos netos Año Probabilidad Flujo de fondos netos Año Probabilidad Capital Año Probabilidad Producción Probabilidad Gastos de exploración Reservas Año Año Año > Probabilidad de cumplir o superar seis objetivos por la cartera optimizada. La cartera tiene una baja probabilidad de cumplir los objetivos de ingresos netos, flujo de fondos neto y producción para el primer año o en el corto plazo. También tiene bajas posibilidades de cumplir el objetivo de capital después de los dos primeros años y una probabilidad decreciente de cumplir el objetivo de reservas en el largo plazo. Probabilidad 16 Oilfield Review