El método probabilístico-La incertidumbre estadística de los parámetros del yacimiento

individuales se utiliza para calcular la incertidumbre estadística de los volúmenes de recursos in

situ y recuperable. A menudo un método estocástico (por ejemplo, Monte Carlo) se aplica para
generar funciones de probabilidad mediante muestreo aleatorio de las distribuciones de entrada.
Dichas funciones se prestan fácilmente a diversos métodos cuantitativos de análisis de riesgos y
toma de decisiones. Los niveles de probabilidad del volumen recuperable total pueden entonces
estar relacionados con las categorías de reserva 1P, 2P y 3P, o las categorías de recursos
correspondientes, utilizando las directrices del Sistema de Gestión de Recursos Petrolíferos (SPE).
En muchos casos, no hay una relación uno a uno entre uno de estos resultados y un volumen físico
o área en el reservorio.

Este capítulo se centra en los dos últimos de estos tres enfoques, que tienen ambos un carácter
probabilístico, en oposición al primer enfoque, que es determinista. Cada vez más, la industria y
los organismos reguladores están aceptando el uso de estos métodos; Ver, por ejemplo, las
normas modernizadas de la Comisión de Valores de Estados Unidos (US SEC 2008).

El valor de los métodos probabilísticos y de escenarios en el proceso de negocio es que

•Ambos describen toda la gama de incertidumbre y revelan ventajas y desventajas

•Facilitan fácilmente el cálculo del valor de la información de diversas actividades

•Ambos permiten el cálculo de los efectos de las incertidumbres interdependientes

•Proporcionan una buena interfaz con el apoyo a la decisión y los métodos de modelado
financiero.

•Ambos métodos pueden aplicarse fácilmente a través del límite entre las actividades de
exploración y producción

Describiremos brevemente el método determinista, luego discutiremos el enfoque de escenarios,

y finalmente abordaremos los problemas en la aplicación de métodos probabilísticos.

Método Determinista

El método determinístico utiliza un valor único para cada parámetro, basado en una descripción
bien definida del yacimiento, que da como resultado un valor único para la estimación de recursos
o reservas. Típicamente, se desarrollan tres casos deterministas para representar tanto la
estimación baja (1P o 1C), la mejor estimación (2P o 2C), o la estimación alta (3P o 3C), o las
estimaciones probadas, probables y posibles. Cada una de estas categorías puede estar
relacionada con áreas o volúmenes específicos en el embalse y con un plan de desarrollo
específico.

Las ventajas del método determinístico son:

•El método describe un caso físico específico; Las combinaciones físicamente inconsistentes de los
valores de los parámetros pueden detectarse y eliminarse.

•El método es directo, fácil de explicar y eficiente en mano de obra.

•La estimación es reproducible.

•Debido a las dos últimas ventajas, inversionistas y accionistas, como este método, y es
ampliamente utilizado para informar las reservas probadas con fines reglamentarios.

Una característica y la debilidad potencial del método determinista es que maneja cada categoría
de reservas de forma aislada y no cuantifica la probabilidad de los casos medio, alto y bajo.

Método del escenario

El método de escenarios describe una gama de resultados posibles para el reservorio, los cuales
son consistentes con los datos observados. Un único resultado físicamente consistente dentro de
este intervalo con su volumen estimado en el lugar se denomina realización subsuperficial. Con el
fin de obtener un factor de recuperación, podemos definir un escenario de desarrollo para cada
realización subsuperficial y posteriormente registrar volúmenes recuperables en las categorías
PRMS apropiadas. La recopilación de escenarios también puede traducirse a una curva de
pseudoprobabilidad mediante la asignación de posibilidades asociadas de ocurrencia. Este método
combina elementos del enfoque determinístico y del método probabilístico completo.

Las realizaciones múltiples del subsuelo deben ser

•Basado en incertidumbres clasificadas. Para ello primero debemos especificar y clasificar las
principales incertidumbres.

•Internamente consistente (es decir, una realización debe consistir en valores de parámetros o
conjuntos de condiciones que pueden existir físicamente juntos).

•Asociado con una probabilidad de ocurrencia (pero no necesariamente igual de probable).

•Relacionado con una opción de desarrollo técnicamente sólida.

Cuando se usa PRMS, las Reservas Probadas son un caso comercial de alta confianza dentro del
conjunto de escenarios (es decir, una realización que da como resultado un número de reservas en
el extremo inferior del intervalo).

El método de escenario también se puede usar con cada rama que representa una ejecución de
simulación individual (historia-igualada, si existe historia de producción). Al asignar probabilidades
a estas ramas, es posible definir las estimaciones bajas apropiadas (1P o 1C), mejores (2P o 2C) y
altas (3P o 3C) del conjunto de ejecuciones de simulación. Debido a que esto no es estrictamente
un método probabilístico, no es necesario seleccionar los resultados precisamente en los
equivalentes de probabilidad de estas categorías.

Varios métodos están disponibles para representar y visualizar un conjunto de realizaciones. Los
dos más importantes son el método del árbol de probabilidades y el uso de matrices de
escenarios.

Representación del Árbol Probabilístico del Método del Escenario. Cuando se usan árboles de
probabilidad para representar escenarios, cada rama en el árbol representa un conjunto de
estimaciones discretas y probabilidad asociada de ocurrencia, como se muestra en el ejemplo
relativamente simple en la Fig. 5.1.
Cada rama final de este árbol es el resultado de una posible ruta a lo largo de los puntos de
ramificación en el árbol y por lo tanto representa una realización subsuperficial específica, para la
cual se puede calcular un volumen in situ [gas inicialmente en el lugar (GIIP) en este caso] . El
ejemplo muestra que las ramas están asociadas con diferentes probabilidades, por lo que se
puede calcular una probabilidad combinada para cada punto final. Al combinar los valores GIIP del
punto final y sus probabilidades acumulativas, este árbol también se puede usar para generar una
curva de probabilidad acumulativa, que se proporciona en la Figura 5.2, para el ejemplo de la Fig.
5.1. En esta curva, los valores de probabilidad de 90, 50 y 10% pueden identificarse fácilmente. En
este ejemplo, una estimación GIIP de aproximadamente 40 x 109 m3 tiene una probabilidad de
que se exceda el 90%.

Obviamente, un árbol de este tipo puede manejar directamente las dependencias entre las
probabilidades en los puntos de ramificación.

Representación Matriz del Método del Escenario. El método de matrices de realización para
representar las realizaciones del subsuelo y los conceptos de desarrollo es más cualitativo pero a
menudo más rico en contenido que el método del árbol de probabilidad descrito anteriormente. El
ejemplo de la Fig. 5.3, modificado a partir de un proyecto reciente, muestra diversos aspectos del
yacimiento que están representados por columnas. Cada celda de las columnas describe un
posible resultado. Una realización es la combinación consistente de un conjunto de posibles
resultados. El ejemplo también muestra que las realizaciones se pueden describir de acuerdo con
un tema específico (por ejemplo, en este caso un caso "High-STOIIP / Low-Drainage" está
representado por triángulos en el diagrama, mientras que los hexágonos representan un escenario
caracterizado por una alta saturación residual, Acuífero fuerte y bajo drenaje).

La matriz de escenarios es útil para generar escenarios que cubran una amplia gama de resultados
posibles y por lo tanto pueden desempeñar un papel importante en los ejercicios de
enmarcamiento de proyectos. Esta representación no permite tanto el tratamiento cuantitativo de
probabilidades como el método del árbol de escenarios. Para un ejemplo, véase O'Dell y Lamers
(2005).

Fortalezas y debilidades. El método de escenarios combina las ventajas de los enfoques

probabilísticos (muestreo estocástico) y deterministas. Sus puntos fuertes son

•Permite la generación de realizaciones subsuperficiales compuestas de conjuntos coherentes de

parámetros.

•Es un enfoque útil para identificar los conceptos de desarrollo.

•Los conceptos de desarrollo se pueden probar contra todos los posibles resultados del
yacimiento.

•Puede ser útil en la definición de objetivos para la evaluación (a través del análisis del valor de la
información).

•Proporciona un método auditable para identificar las reservas seleccionadas o los resultados de
la categoría de recursos.
Una debilidad del método del escenario es el número limitado de escenarios que normalmente se
pueden manejar, con el riesgo de sub-muestrear el rango de posibilidades. La asignación de una
probabilidad a cada escenario depende en gran medida del juicio de ingeniería geológica y
petrolera. Ambas deficiencias a veces se abordan mediante el uso de métodos de diseño
experimental, como se describe por Al Salhi et al. (2005).

Método probabilístico

En el método probabilístico, utilizamos la gama completa de valores que razonablemente podrían

ocurrir para cada parámetro desconocido (a partir de las geociencias y datos de ingeniería) para
generar una gama completa de resultados posibles para el volumen de recursos. Para ello,
identificamos los parámetros que conforman la estimación de reservas y luego determinamos la
denominada función de densidad de probabilidad (PDF). El PDF describe la incertidumbre
alrededor de cada parámetro individual basada en datos geocientíficos e ingeniería. Usando un
procedimiento de muestreo estocástico, entonces se dibuja aleatoriamente un valor para cada
parámetro para calcular una estimación de recursos recuperable o in situ [por ejemplo, el tanque
de almacenamiento inicialmente en el lugar (STOIIP)]. Al repetir este proceso un número suficiente
de veces, se puede crear un PDF para STOIIP o volúmenes recuperables. Este procedimiento de
Monte Carlo se muestra esquemáticamente en la Fig. 5.4.

Las dependencias entre los parámetros a menudo existen y deben ser representadas en la
estimación probabilística de los volúmenes recuperables. Las correlaciones positivas encontradas
comúnmente son entre la saturación de gas neta-gruesa y la porosidad en los embalses clásticos.
Existe una correlación negativa evidente entre los volúmenes de petróleo y gas en un depósito de
petróleo con tapón de gas. Debe observarse que el PDF resultante para los recursos recuperables
es a menudo asimétrico.

Es importante eliminar las realizaciones físicamente imposibles del modelo, ya que impondrán de
manera inapropiada la gama de resultados. Una buena práctica es seleccionar una realización que
represente un caso "típico" de 1P o 2P y complementar cada evaluación probabilística con
realizaciones discretas para casos bajos, medios y altos. Esto asegura que uno es claro sobre el
escenario de desarrollo que la estimación probabilística representa y debe evitar la posibilidad de
permitir casos poco realistas en la evaluación. Cabe señalar que las estimaciones probabilísticas
para una acumulación difieren dependiendo del escenario de desarrollo seleccionado.

Para los campos donde existen datos de producción, el flujo de trabajo incluye el paso adicional de
coincidencia de historiales. Un resultado de este flujo de trabajo es un grupo de modelos de
igualdad de historia igualmente probables creados por una combinación de parámetros, utilizando
por ejemplo algoritmos genéticos y estrategia evolutiva para adaptarse a la historia de la
producción.

Aplicaciones prácticas

El enfoque probabilístico de la estimación de recursos puede aplicarse de manera útil a otras

tareas económicas y de ingeniería, como la categorización de recursos, el diseño experimental y
los cálculos de valor de la información.
Categorización de recursos. Bajo PRMS, cuando el rango de incertidumbre en volúmenes
recuperables está representado por una distribución de probabilidad, las estimaciones baja, mejor
y alta se definen como sigue:

• Debería haber al menos una probabilidad del 90% (P90) de que las cantidades realmente
recuperadas sean iguales o excedan la estimación baja [Proved (1P) para Reservas, 1C para
Recursos Contingentes].

• Debería haber al menos una probabilidad del 50% (P50) de que las cantidades realmente
recuperadas igualen o excedan la mejor estimación [Probada + Probable (2P) para Reservas, 2C
para Recursos Contingentes].

• Debe haber al menos una probabilidad del 10% (P10) de que las cantidades realmente
recuperadas sean iguales o superiores a la estimación alta [Probada + Probable + Posible (3P) para
Reservas, 3C para Recursos Contingentes].

Aunque el valor más probable de la distribución es el modo, la práctica común de la industria

(como se describe en el PRMS) es utilizar la mediana (P50) como la mejor estimación técnica para
una sola entidad (reservorio o zona)

Diseño experimental. El diseño experimental es un conjunto bien conocido de métodos

estadísticos que son útiles para generar los escenarios o casos necesarios para cubrir
eficientemente todos los resultados posibles del desarrollo del yacimiento o del campo a mano.
Los pasos en la evaluación típicamente incluyen lo siguiente:

1. Defina el conjunto de parámetros y sus rangos.

2. Realizar un análisis de sensibilidad y seleccionar los parámetros que tienen mayor impacto en el
resultado.

3. Calcular las reservas para un número limitado de realizaciones del modelo. Estas realizaciones
se basan en combinaciones de parámetros determinados por un procedimiento de diseño
experimental.

4.Utilice los resultados de este número limitado de series de modelos para generar una llamada
función de respuesta, o superficie de respuesta, usando técnicas de regresión.

5. Utilice los PDF de los parámetros de entrada para generar el PDF de la función de respuesta en
un proceso de muestreo estocástico (por ejemplo, Monte Carlo).

El diseño experimental es particularmente útil cuando el análisis se basa en datos de rendimiento,

como el balance de materiales o la simulación del yacimiento. Una descripción de este método se
proporciona en van Elk et al. (2000), y un ejemplo ilustrativo está descrito por Al Salhi et al. (2005).

Valor de la información. El objetivo de la evaluación es reducir la incertidumbre, y es necesario

abordar el valor de la información adicional obtenida contra el costo. En el ejemplo de evaluación
representado por la Fig. 5.7, la curva para la estimación STOIIP tiene una pendiente suave antes de
la evaluación, lo que indica una amplia distribución de los posibles valores. Después de la
evaluación, la pendiente es mucho más pronunciada, lo que indica que se ha reducido el rango de
posibles respuestas. Incluso si el resultado es desfavorable (es decir, la curva posterior a la
evaluación es inferior al mínimo económico), la actividad de evaluación ha proporcionado valor al
impedir inversiones innecesarias. Una curva post-evaluación que se encuentra en el ámbito
económico permitirá un desarrollo más centrado.

Este estrechamiento de posibles respuestas permite diseñar un desarrollo más rentable, siempre y
cuando el rango post-evaluación de STOIIP exceda algún umbral económico. La mayor rentabilidad
del desarrollo es el valor de la información (VoI) obtenida por la evaluación. Siempre y cuando el
costo de tasación sea menor que este VoI, es necesario realizar una evaluación adicional.