Riesgo global: un enfoque eficaz en la gestión de proyectos y la toma de decisiones, Opex

Riesgo global: un enfoque eficaz en la gestión de proyectos y la toma de decisiones, Opex.

Freddy José Márquez, EPRA Consultores; Ranses Guillermo Sandrea, Opex

Resumen

Los riesgos añaden constantemente complejidad al proceso de toma de decisiones en la industria del petróleo y el gas. El registro de riesgos y las matrices de riesgos son herramientas comunes utilizadas para gestionar los riesgos, pero una lista de riesgos no puede responder a los patrocinadores y a las partes interesadas a la pregunta “¿Qué tan riesgoso es?”, especialmente aquellos relacionados con temas altamente técnicos. Sin embargo, la estimación del riesgo global puede dar respuesta a estas preocupaciones.

El Project Management Institute define el riesgo global como “el efecto de la incertidumbre sobre el proyecto en su conjunto, más que la suma de los riesgos individuales dentro de un proyecto…”. El objetivo de este documento es proporcionar directrices para estimar el riesgo global con el fin de tomar decisiones informadas sobre el riesgo mediante la modelización del efecto de la incertidumbre en la consecución de los objetivos, proporcionando un análisis que ponga en contexto a las partes interesadas y a los patrocinadores del proyecto, incluso en proyectos de alta complejidad.

Toma de decisiones Opex

Introducción

A la hora de informar sobre los riesgos de equipos multidisciplinares, puede resultar difícil comunicarlos a los patrocinadores y las partes interesadas, ya que no siempre disponen de conocimientos técnicos de todas las disciplinas. Además, la enumeración manual explícita de todos los riesgos incluidos en el registro de riesgos podría resultar poco práctica. Una solución a esta situación es estimar el riesgo global del proyecto, que puede ser mayor que la suma de los riesgos individuales dentro de un proyecto (PMBOK, 2017).

Las evaluaciones probabilísticas de riesgos (PRA) permiten estimar el riesgo global. El PRA proporciona a los gestores de riesgos información sobre las incertidumbres en los datos, modelos, supuestos y resultados, proporcionando a los responsables de la toma de decisiones una mejor comprensión del impacto de las incertidumbres en el proyecto. El PRA también puede servir de apoyo a la gestión de riesgos mediante el uso de análisis de sensibilidad e incertidumbre para evaluar posibles alternativas de decisión. (Agencia de Protección del Medio Ambiente de Estados Unidos, EPA, 2014).

Herramienta de exploración

La Agencia de Protección Medioambiental de Estados Unidos (EPA), la Comisión Reguladora Nuclear de Estados Unidos (USNRC) y la Administración Nacional de la Aeronáutica y del Espacio (NASA) aplican modelos de PRA para comprender mejor y gestionar eficazmente el riesgo y como herramienta para explorar cómo afectarán algunas decisiones al riesgo antes de que el proyecto se comprometa con esa vía.

El riesgo global y el PRA permiten:

• Tomar decisiones basadas en el riesgo.
• Realizar un análisis jerárquico de las variables más importantes del proyecto.
• Evaluar el impacto de posibles cambios en el programa antes de que se ejecuten.
• Comunicar las expectativas de las partes interesadas y los patrocinadores en objetivos cuantificables.
• Comprender qué incertidumbres afectan en gran medida al resultado de la decisión y si son potencialmente reducibles a través de la investigación o de cualquier otra forma.

Este artículo presenta una metodología inspirada en las herramientas de PRA de la NASA que puede aplicarse a muchos aspectos de la actividad de O&G, como las finanzas, las operaciones, la toma de decisiones, la salud y la seguridad, las cuestiones medioambientales, la ingeniería, etc.

Bibliografía relacionada

El PRA se está aplicando con fines muy diversos en numerosos sectores. A continuación se presentará la literatura relacionada con el PRA en otras industrias y en O&G. El Apéndice A contiene algunas definiciones que sirven de apoyo a este documento.

Toma de decisiones Opex

El PRA en otras industrias

Kapplan et al. (2016) explicaron en un editorial que el PRA fue desarrollado por la industria de la energía nuclear y publicado inicialmente a mediados de 1975. La NASA adoptó y adoptó el PRA para los programas del transbordador espacial y la Estación Espacial Internacional con el fin de reforzar sus capacidades de seguridad y garantía de misión tras la pérdida del transbordador espacial Columbia en su reentrada en febrero de 2003. En la NASA, los enfoques cualitativos como los árboles de fallos, los análisis de modos de fallo y efectos, las evaluaciones de riesgos, etc., se complementan con una técnica cuantitativa de evaluación de riesgos denominada PRA para descubrir y mitigar secuencias de sucesos de baja probabilidad que pueden tener consecuencias graves.

La USNRC exige un PRA específico para cada central nuclear de Estados Unidos. La USNRC utiliza el PRA para estimar el riesgo calculando números reales para determinar qué puede salir mal, qué probabilidad hay de que ocurra y cuáles son sus consecuencias. La EPA incorporó el DRP al proceso de toma de decisiones de la Agencia en respuesta a las recomendaciones de numerosos órganos consultivos, como el Consejo Asesor Científico, la Academia Nacional de Ciencias y la USNRC. El PRA empezó a desempeñar un papel cada vez más importante en las evaluaciones de riesgos de esta Agencia tras la publicación en 1997 de la Política de la EPA para el uso del análisis probabilístico en la evaluación de riesgos en Estados Unidos.

Toma de decisiones Opex

PRA en O&G

La seguridad y la calidad son aplicaciones para el PRA en O&G. Mayfield et al. (2019) utilizaron el proceso de gestión de riesgos de la NASA y el manual de Ingeniería de Sistemas para examinar el procedimiento de gestión de riesgos de proyectos globales de la empresa O&G, descubriendo que los procesos de ingeniería de sistemas de la NASA podrían beneficiar a la industria O&G racionalizando sus procedimientos de gestión de riesgos, proporcionando una reducción del 61% de los requisitos innecesarios.

Keilty et al. (1996) aplicaron la Evaluación Cuantitativa de Riesgos (QRA), una herramienta probabilística, para abordar la pregunta en el proceso de diseño de revestimientos: “¿Con qué frecuencia se producirá un fallo?”. El propósito del diseño probabilístico era sustituir la sobreingeniería o la infraingeniería por un diseño coherente y adecuado a los fines previstos.

Codling et al. (2013) describieron técnicas para extraer directamente la información de las operaciones y ofrecen un enfoque de la previsión mediante métodos probabilísticos, de fácil manejo para revisar los datos de entrada de las operaciones planificadas en el modelo de Montecarlo.

Otros Modelos

Otros trabajos evaluaron la gestión del riesgo de costes y plazos, aplicando simulaciones de Montecarlo y análisis de sensibilidad. Mattioli et al. (2009) desarrollaron un modelo de simulación de actividades de perforación para estimar el impacto del riesgo genérico y específico y la incertidumbre en la duración y el coste globales del proyecto. Mattioli et al. utilizaron distribuciones triangulares para construir el modelo; sin embargo, debido a la falta de información sobre la tecnología utilizada para perforar el pozo, algunas distribuciones se derivaron utilizando el juicio de expertos. Saibi (2011) evaluó el tiempo y el coste de los pozos, en un yacimiento de Argelia, determinando funciones de distribución para el tiempo y el coste proyectados del pozo.

Un programa informático realizó múltiples ensayos mediante valores de muestreo de probabilidad triangular asignados a cada operación, y luego recalculó el tiempo y el coste con respecto a los parámetros de diseño. Kitchel et al. (1997) combinaron una hoja de cálculo de costes de perforación con un programa de previsión y análisis de riesgos para predecir el intervalo tanto de tiempo como de coste necesario para perforar un pozo.

Incertidumbre en costes

Se generó un gráfico tornado para que el estimador de costes pudiera identificar fácilmente los componentes o supuestos que más contribuían a la incertidumbre en la estimación de costes. Akins et al. (2005) construyeron un modelo de tiempo y coste para utilizarlo a lo largo del ciclo de vida de la construcción de un pozo, desde la concepción del proyecto hasta su explotación y como herramienta para la revisión del proyecto, utilizando este modelo como herramienta para mejorar la comprensión por parte de la alta dirección y del equipo de activos de los posibles resultados de tiempo y coste del proyecto.

Hariharan et al. (2006) presentaron un enfoque y una herramienta de estimación del tiempo y el coste de perforación utilizados para evaluar el efecto y el impacto de las nuevas tecnologías en comparación con los métodos convencionales.

Toma de decisiones Opex

Metodología

La metodología presentada en este documento se inspira en el proceso de Gestión de Riesgos (GR) de la NASA, que se utiliza para fundamentar las decisiones de ingeniería de sistemas mediante un mejor uso de la información sobre riesgos e incertidumbres, en la selección de alternativas y el establecimiento de requisitos de rendimiento de referencia. Y gestionar los riesgos a lo largo del ciclo de vida del proyecto para garantizar el cumplimiento de estos requisitos. A continuación se indican los pasos para aplicar la metodología:
1. Construir un diagrama modelo que represente el proceso.
2. Asignar valores y distribución de probabilidades a cada variable del modelo.
3. Estimar el riesgo global aplicando la simulación Monte Carlo.
4. Realizar un análisis de sensibilidad.
5. Comunicar los resultados.

Toma de decisiones Opex

Construir un diagrama modelo

El primer paso consiste en construir un modelo que represente el proceso, teniendo en cuenta toda la información disponible, incluidos los factores internos y externos. El modelo debe incluir no sólo la secuencia de operaciones prevista, sino también los acontecimientos no deseados que puedan producirse.

El modelo se representa en un diagrama de flujo que permite al equipo del proyecto visualizar el flujo de trabajo y comprender la lógica que hay detrás. La complejidad del modelo debe aumentar a medida que avanza el proyecto. Si se conocen más datos o detalles de una o más variables, el modelo debe actualizarse inmediatamente. Estas iteraciones deben realizarse hasta que se ejecute la operación.

Figura 1

La Fig. 1 muestra un ejemplo sencillo para ilustrar cómo el diagrama de flujo va incrementando su complejidad a medida que avanza la fase de planificación. En este ejemplo, el fallo de la herramienta y la estabilidad del agujero son eventos fundamentales, ya que son variables binarias que se utilizan para especificar si un evento determinado se produce o no.

Se recomienda aportar el mayor detalle posible al diagrama de flujo para poder evaluar escenarios realistas. Incluso los factores externos, como el mal tiempo o la inflación, pueden incorporarse a un determinado modelo de proyecto.

Toma de decisiones Opex

Asignar valores y distribución de probabilidades a cada variable del modelo

Sobre la base de lo que se conoce actualmente, se asigna una distribución probabilística, probabilidad o valor a cada variable definida en el modelo para convertirlo en un modelo matemático. En cada iteración del diagrama del modelo hay que asignar valores a los nuevos parámetros o variables, y actualizar o validar el resto de variables. La situación ideal es disponer de suficientes registros representativos de cada variable para ajustar una distribución continua, sin embargo, puede ser necesario el juicio de expertos en la materia (DEJ) para estimar la frecuencia o probabilidad de un suceso cuando no se dispone de suficientes datos o los datos disponibles pueden no ser representativos.

Hay algunas distribuciones que se utilizan con frecuencia cuando se dispone de pocos o ningún dato sobre una variable determinada. La distribución uniforme se utiliza cuando sólo se fijan dos parámetros, los valores mínimo y máximo, y se espera que el resultado se sitúe entre esos límites; por ejemplo, instalar la unidad de tala puede llevar entre 60 y 90 minutos, cualquier tiempo dentro de este intervalo tiene la misma probabilidad de ocurrir. Si además del mínimo y el máximo hay una estimación más probable, se pueden seleccionar las distribuciones triangular y beta-PERT para favorecer el valor más probable. Normalmente, se asigna una probabilidad de ocurrencia a un suceso pivotal en lugar de una distribución continua.

Figura 2

La Fig. 2 ilustra la diferencia entre un suceso central y una variable. En este ejemplo, “Fallo de la herramienta” se considera un suceso pivote con una probabilidad de ocurrencia del 20%, mientras que las demás variables responden a una función de distribución continua, como es el caso de “Perforar más allá de 2.000 pies”, que se describe mediante una distribución normal.

Toma de decisiones Opex

Estimación del riesgo global aplicando la simulación Monte Carlo

Los modelos pueden analizarse mediante algoritmos informáticos basados en datos de entrada cuidadosamente formulados por ingenieros. Las variables se repiten varias veces y se muestrean aleatoriamente a partir de una distribución de probabilidades para simular los resultados del proceso y generar funciones de densidad de probabilidad. El riesgo global se define por el porcentaje de resultados que no cumplen el objetivo o los objetivos. En otras palabras, si 600 resultados de 1.000 iteraciones cumplen el objetivo, el riesgo global sería del 40%.

Existen aplicaciones basadas en hojas de cálculo que pueden añadirse a Excel o a otro software de hojas de cálculo para ejecutar simulaciones de Monte Carlos, pero algunas empresas han desarrollado sus propias herramientas adaptadas a cada propósito. En este trabajo se utilizaron bibliotecas de fuentes abiertas para Python (lenguaje de programación) para crear los modelos y las visualizaciones. NumPy se utilizó para generar las distribuciones, y Matplotlib y Plotly para crear los gráficos. Estas bibliotecas permiten crear modelos complejos sin costes y con una gran calidad.

Toma de decisiones Opex

Análisis de sensibilidad

El análisis de sensibilidad se realiza considerando todas las iteraciones del modelo, para comprender los resultados y estimar la importancia y el efecto de cada variable sobre el objetivo u objetivos. Los gráficos Tornado se utilizan con frecuencia para mostrar la sensibilidad del objetivo a cada variable. Este gráfico ordena las variables de arriba abajo en función de su impacto sobre el objetivo; en otras palabras, en la parte superior estará la variable que añada más varianza a la distribución de resultados del modelo.

Las aplicaciones basadas en hojas de cálculo que pueden ejecutar simulaciones de Monte Carlos también proporcionan análisis de sensibilidad y gráficos tornado. Sin embargo, en este trabajo se utilizaron otras bibliotecas de código abierto para realizar el análisis de sensibilidad. Se utilizó el algoritmo de aprendizaje automático XGboost para construir un modelo entrenado con los parámetros y resultados de la simulación. SHAP, SHapley Additive exPlanations, se utilizó para aplicar ingeniería inversa al resultado del modelo XGboost. SHAP cuantifica la contribución que cada variable aporta al resultado del modelo.

Toma de decisiones Opex

Comunicar los resultados

Los resultados pueden presentarse gráficamente o en forma de datos tabulados. Se debe informar de los supuestos de modelización, así como de la interpretación de los resultados y del grado general de incertidumbre sobre los mismos. Los responsables de la toma de decisiones deben ser capaces de comprender qué fuentes de incertidumbre son críticas para esos resultados y cuáles no.

Los gráficos de caja, las funciones de densidad de probabilidad (PDFs), las funciones de distribución acumulativa y los histogramas son herramientas de visualización para mostrar la incertidumbre del modelo. Los diagramas de flujo que representan el modelo pueden informar sobre la lógica del análisis.

Toma de decisiones Opex

Aplicaciones del PRA en O&G

Los PRA tienen múltiples aplicaciones y pueden utilizarse para gestionar e informar de la incertidumbre en las previsiones, la selección de una alternativa, el rendimiento de un sistema físico, el tiempo, las cotas, etc. A continuación se presentan algunos ejemplos para ilustrar cómo el PRA puede ayudar a mejorar el proceso de toma de decisiones.

Toma de decisiones Opex

Seleccionar una alternativa

Cuando se evalúan alternativas aplicando el ARP para tomar decisiones basadas en el riesgo, es necesario evaluar los efectos de las incertidumbres. Además, los gestores pueden querer saber cómo las incertidumbres podrían apoyar una alternativa de decisión diferente o proporcionar más apoyo a la decisión seleccionada.

Figura 3

La figura 3 muestra la distribución de dos alternativas (A y B). En este caso existe una restricción de rendimiento (tal y como la define la NASA) de 127 días y todos los posibles resultados que caigan por encima de ese valor definen el riesgo global. El ejemplo también se considera una contingencia del 10% para fijar la meta u objetivo. Las matrices de la derecha de la figura 3 muestran también el coste, de modo que el tiempo y el coste pueden evaluarse en un único análisis. Este análisis también puede hacerse considerando dos o más alternativas con dos o más variables, como la integridad del pozo, el riesgo medioambiental, etc.

Toma de decisiones Opex

Definición del objetivo

Para apoyar la asignación de recursos teniendo en cuenta el riesgo, es necesario abordar la incertidumbre. Construir un modelo matemático del proceso permite fijar los objetivos en función de la tolerancia al riesgo de la organización o de los responsables de la toma de decisiones, contextualizando los requisitos de los interesados y patrocinadores. También permite comprender visualmente la magnitud de las oportunidades.

El proyecto puede ser complejo, con cientos de variables, pero los responsables de la toma de decisiones pueden evaluar los posibles resultados basándose en las consideraciones del modelo, teniendo una buena idea del riesgo del proyecto aunque no tengan conocimientos técnicos de todas las disciplinas implicadas.

Figura 4

La figura 4 muestra un ejemplo de fijación de objetivos en función de la incertidumbre. El pdf describe la incertidumbre del proyecto. El proyecto tiene una restricción de 19.8 millones de USD; por lo tanto, la zona negra representa tanto la tolerancia al riesgo como el riesgo global (20%), sin embargo el objetivo se fija considerando un 10% de contingencia. El porcentaje 0.5% es de 14.4 millones de USD, por lo tanto, incluso con una probabilidad estimada del 38% de alcanzar el objetivo, la organización aún dispone de más de 3.5 millones de USD de oportunidad si se ponen en marcha estrategias de optimización. La NASA define la cantidad con contingencia (19.8 millones USD) como requisito de rendimiento.

Como ya se ha dicho, el modelo debe actualizarse a medida que se dispone de más información, incluso cuando el proyecto está en marcha, y si se reduce la incertidumbre se espera que disminuya el riesgo global, aunque la restricción de costes sea la misma.

Toma de decisiones Opex

Economía de proyectos

El PRA puede aplicarse para estimar la incertidumbre de los indicadores clave de rendimiento (KPI). Los KPI económicos son muy importantes y normalmente son establecidos y seguidos por los responsables de la toma de decisiones. A través del PRA se puede estimar la incertidumbre del KPI para comprender su contexto.

En el siguiente ejemplo, se estima la incertidumbre del valor actual neto (VAN) de un pozo en un horizonte temporal de dos años. La Figura 5a, muestra las distribuciones estimadas de tiempo y coste del pozo.

Figura 5

La figura 5b muestra la previsión estimada del precio del petróleo y las previsiones aleatorias de petróleo basadas en la estimación. Los valores de tiempo y coste se muestrearon aleatoriamente a partir de sus correspondientes distribuciones. Se tomó una muestra de una previsión del precio del petróleo a 2 años de los 10,000 mostrados en la figura 5b.

Figura 6

La figura 6a muestra un histograma con la distribución estimada del VAN. Obsérvese que el VAN es positivo en todos los resultados en los que se alcanzó el objetivo de costes. El análisis de sensibilidad de la figura 6b indica que la producción inicial es la variable que más contribuye a la incertidumbre. La producción inicial más alta aumentó el VAN hasta 10 millones de USD. El coste del pozo es la segunda variable que más influye en la incertidumbre del VAN. Para el coste de pozo más alto, el VAN puede disminuir en 2.5 millones de USD, mientras que para el coste más bajo, el VAN puede aumentar en la misma cantidad.

El ejemplo explicado es relativamente sencillo a efectos ilustrativos, pero el modelo puede considerar muchas otras variables para medir su impacto en el riesgo global. Es posible estimar en qué medida afecta al VAN la fiabilidad de las herramientas, las conexiones de deslizamiento a deslizamiento, la ventana meteorológica, el tipo de cambio o el índice de penetración, entre otras.

Toma de decisiones Opex

Cartera de Proyectos

Las carteras de proyectos también pueden modelizarse. Vinculando diferentes modelos de proyectos y evaluando el efecto de cada proyecto o de una variable específica, se puede determinar cómo repercuten en el rendimiento de la cartera. Es posible medir cómo la decisión de hoy puede repercutir en el futuro. Además, la cartera alternativa puede evaluarse sobre el papel a medida que se recopila nueva información, para tener una idea de qué pasa si algo cambia.

En el siguiente ejemplo, se analiza una cartera de perforación de pozos para estimar la incertidumbre de alcanzar la producción neta de petróleo para un periodo de tiempo determinado. Por simplicidad, en este modelo sólo se asignará el tiempo con una distribución, dejando constantes la tasa de producción inicial y el declive de la producción.

Figura 7

La figura 7a muestra la programación de la cartera. Se espera que cinco pozos produzcan petróleo en el año 2022. Determinísticamente, se espera una producción de 2.42 millones de barriles de petróleo hasta el 31 de diciembre de 2022. Las figuras 7b, 7c y 7d muestran la distribución del tiempo estimado para las actividades de perforación, terminación y traslado de la plataforma, respectivamente. En este caso no se indica la contingencia.

Figura 8

La Figura 8a muestra la distribución de la producción neta de petróleo acumulada hasta el 31 de diciembre de 2022, a partir de las consideraciones ya descritas, donde el 71% de los resultados no alcanzaron el objetivo. La Figura 8b, muestra el correspondiente análisis de sensibilidad donde el tiempo de perforación es el que más contribuye al riesgo global. Cuando el tiempo medio de actividad de perforación en el año tiene su valor más alto, la producción neta puede caer en más de 600.000 bbl. La finalización y los movimientos de los equipos de perforación influyen de forma similar en el riesgo global. Aunque el riesgo de finalización, relativamente bajo, puede contribuir positivamente a la incertidumbre del objetivo.

Toma de decisiones Opex

Ingeniería

La mayoría de los materiales y sistemas físicos se construyen con tolerancias y rangos de funcionamiento recomendados. Cuando se dispone de esas especificaciones, que describen su distribución de probabilidad, es posible aplicar el PRA para estimar la probabilidad de fallo y comprender la importancia de las variables implicadas.

Como se mencionó anteriormente, Keilty et al. (1996) aplicaron el QRA, para abordar esta pregunta en el proceso de diseño de la tubería de revestimiento: “¿Con qué frecuencia se producirá un fallo?”. El propósito del diseño probabilístico era sustituir el exceso o la falta de ingeniería por un diseño coherente que se ajustara a los fines previstos y buscar una mejor comprensión de los factores que rigen los diseños de las tuberías de revestimiento.

La NASA aplica ampliamente el PRA en ingeniería, ya que su enfoque lógico, sistemático y exhaustivo ha demostrado ser capaz de descubrir puntos débiles de diseño y funcionamiento que se habían escapado al aplicar otras técnicas convencionales. En el sector de O&G, la NASA y Anadarko realizaron un PRA de preventores de reventones genéricos 20K. El alcance incluía los sistemas de hardware, las operaciones y las interacciones humanas asociadas a un BOP submarino típico.

Toma de decisiones Opex

Gestión de Recursos

La mano de obra, los materiales, los servicios y los equipos deben suministrarse a tiempo. El PRA permite analizar el calendario de estos recursos para poder responder a las siguientes preguntas: ¿cuál es la probabilidad de realizar un trabajo en una fecha determinada?

En el siguiente ejemplo, está previsto utilizar herramientas de manipulación de tuberías de revestimiento en tres plataformas. Se prevé que cada trabajo dure tres días.

Figura 9

La figura 9a muestra la programación de los trabajos para tres tamaños de herramientas diferentes. En la figura 9b se observa que no se prevén trabajos simultáneos.

Figura 10

Los resultados se muestran en las figuras 10a y 10b. La figura 10a muestra diferentes curvas de probabilidad (1%, 10%, 20% y 30%). Como puede observarse, se estima un 1% (percentil .99) de probabilidad de requerir tres cuadrillas simultáneas hasta marzo y principios de mayo, y un 30% de probabilidad de requerir una sola cuadrilla a partir de febrero, es decir, en un 70% no se requiere más de una cuadrilla. La figura 10b muestra una representación gráfica alternativa de los resultados.

Toma de decisiones Opex

Otras aplicaciones

Como se ha demostrado, el PRA puede aplicarse a muchos procesos diferentes, de distintas áreas de conocimiento. En materia de seguridad, el Bureau of Safety and Environmental Enforcement (BSEE) y la NASA han elaborado un borrador de guía para el uso del PRA en la industria del petróleo y el gas en alta mar. En 2016, la BSEE y la NASA suscribieron un acuerdo interinstitucional para, entre otros objetivos conjuntos, evaluar el uso del PRA en la industria del petróleo y el gas en alta mar. Deloitte anunció una alianza estratégica con la NASA para prestar servicios de gestión de riesgos operativos a empresas, dirigidos a compañías que buscan minimizar el riesgo de fallos catastróficos, el tipo de percances dramáticos que, aunque muy improbables, pueden ocurrir en entornos remotos y duros, en actividades como la perforación en aguas profundas, la producción submarina y la conducción de tuberías, entre otras.

Toma de decisiones Opex

Consideraciones al aplicar el PRA

Se ha demostrado lo versátil que puede ser la aplicación del PRA en el negocio de O&G. Puede aplicarse a cualquier proceso que pueda representarse en un modelo matemático. No existen limitaciones, y la complejidad del modelo dictará la profundidad del análisis. Sin embargo, a la hora de estimar el riesgo global mediante PRA, hay que prestar atención a la incertidumbre del propio modelo y a las capacidades del hardware para ejecutar las simulaciones.

El diseño del modelo debe desarrollarse y validarse cuidadosamente antes de utilizarlo para la toma de decisiones. La EPA (2013) advierte en su documentación que la incertidumbre puede estar presente en las variables de entrada, en el modelo o en los escenarios. La incertidumbre del modelo se refiere a lagunas en el conocimiento científico o en la teoría que se requiere para hacer predicciones precisas, mientras que la incertidumbre del escenario se refiere a errores, típicamente de omisión, resultantes de una especificación incorrecta o incompleta del escenario de riesgo a evaluar. La NASA también señala que si existe incertidumbre epistémica asociada a los parámetros de entrada de un modelo, también existe incertidumbre epistémica asociada al resultado del modelo.

Calidad y Precisión

La calidad de la información dictará en última instancia la calidad y la precisión de los resultados.
Al generar muestras a partir de una distribución de probabilidad, hay que tener en cuenta que es más probable que las muestras se extraigan en las zonas de la distribución donde la probabilidad de ocurrencia es mayor. En el caso de una distribución triangular, ése es el valor medio. Por lo tanto, las zonas de baja probabilidad de la distribución, como los valores mínimo y máximo, pueden no estar adecuadamente representadas en las muestras. Para mitigar esto, se requiere un número relativamente alto de iteraciones para obtener estimaciones fiables de la función de salida.

Especialmente cuando se construyen modelos multivariables complejos, porque es necesario interactuar mínimos y máximos de distintas variables. Si cada uno de esos mínimos y máximos se genera una sola vez, no será posible evaluar todos los resultados posibles. Por lo tanto, cuando se construyen modelos complejos con cientos de variables, se recomienda considerar potentes capacidades de hardware para calcular el mayor número de escenarios posibles en un tiempo razonable.

Toma de decisiones Opex

Conclusión

Estimar el riesgo global permite al patrocinador del proyecto y/o a las partes interesadas tomar una decisión con conocimiento de causa. Sin un buen modelo de riesgo, es posible que se preste demasiada atención a aspectos relativamente poco importantes y que no se identifiquen aspectos relativamente importantes.

Un riesgo individual puede afectar a un determinado aspecto de un proyecto, pero un nivel de riesgo global inaceptable puede acabar con el proyecto.

En la gestión de proyectos, el riesgo global cambia constantemente desde la fase de planificación hasta el final del proyecto. Los modelos deben actualizarse a medida que se recopila nueva información o se identifican nuevas variables que pueden afectar al proyecto.

La calidad del modelo determinará la calidad de las decisiones. Aun cuando se disponga de herramientas sofisticadas como el ARP, las organizaciones dependerán de las habilidades técnicas, los conocimientos y el compromiso de los equipos de proyecto para ofrecer el mejor análisis posible con la información disponible.

Toma de decisiones Opex

Primera parte: Referencias

1. Akins, W.M., Abell, M.P., and E.M. Diggins. “Enhancing Drilling Risk & Performance Management Through the Use of Probabilistic Time & Cost Estimating.” Paper presented at the SPE/IADC Drilling Conference, Amsterdam, Netherlands, February 2005. doi: https:// doi.org/10.2118/92340-MS
2. Codling, J., and J. Leatherby. “Probabilistic Well Time Estimation Using Operations Reporting Data.” Paper presented at the SPE Digital Energy Conference, The Woodlands, Texas, USA, March 2013. SPE-163687-MS. doi: https://doi.org/10.2118/163687-MS
3. Hariharan, Peringandoor Raman, Robert Arnold, Judge, and Dat Manh Nguyen. “The Use of Probabilistic Analysis for Estimation of Drilling Time and Costs When Evaluating Economic Benefits of New Technologies.” Paper presented at the IADC/SPE Drilling Conference, Miami, Florida, USA, February 2006. SPE-98695-MS. doi: https://doi.org/10.2118/98695-MS
4. Kaplan, David. “Guest Editorial: Risk Management at NASA and Its Applicability to the Oil and Gas Industry.” J Pet Technol 68 (2016): 14–15. SPE-1016-0014-JPT. doi: https:// doi.org/10.2118/1016-0014-JPT

Segunda parte: Referencias

1. Keilty, I.D., and H. Rabia. “Applying Quantitative Risk Assessment to Casing Design.” Paper presented at the IADC/SPE Drilling Conference, New Orleans, Louisiana, March 1996. SPE-35038-MS. doi: https://doi.org/10.2118/35038-MS
2. Kitchel, Bruce G., Moore, Steven O., Banks, William H., and Brett M. Borland. “Probabilistic Drilling Cost Estimating.” SPE Comp App 9 (1997): 121–125. SPE-35990-PA. doi: https:// doi.org/10.2118/35990-PA
3. Mattioli, C., Calderoni, A., Gagliano, L., Mattioli, L., Michelez, J., and F. Zausa. “Discrete Event Simulation For The Risk Analysis Of Drilling Projects.” Paper presented at the Offshore Mediterranean Conference and Exhibition, Ravenna, Italy, March 2009. OMC-2009-057. https:// admin.onepetro.org/OMCONF/proceedings-abstract/OMC09/All-OMC09/OMC-2009-057/1081
4. Mayfield, James Allen. “Process Improvement Based on a Gap Assessment of NASA and O&G Risk Management Processes.” Paper presented at the Offshore Technology Conference, Houston, Texas, May 2019. OTC-29510-MS. doi: https://doi.org/10.4043/29510-MS

Tercera parte Referencias

1. National Aeronautics and Space Administration, “Probabilistic Risk Assessment Procedures Guide for NASA Managers and Practitioners”. NASA/SP-2011-3421. Second Edition. December 2011.
2. Project Management Institute, “A Guide To The Project Management Body Of Knowledge (PMBOK Guides)”, Sixth Edition. Newtown Square, PA: Project Management Institute, 2017.
3. Saibi, M. “Risk Based Approach For Well Planning Applied To Set Drilling Performance Targets.” Paper presented at the Offshore Mediterranean Conference and Exhibition, Ravenna, Italy, March 2011. OMC-2011-095. https://admin.onepetro.org/OMCONF/proceedings-abstract/ OMC11/All-OMC11/OMC-2011-095/1223
4. S. Environmental Protection Agency, “Probabilistic Risk Assessment to Inform Decision Making: Frequently Asked Questions”. EPA/100/R‐14/003. July, 2014. Washington, D.C.: Risk Assessment Forum, Office of the Science Advisor, USEPA.

Apéndice A

Las siguientes definiciones se han extraído de las Guías del PMBOK, la NASA y documentos de la EPA.
Guías del PMBOK:

Riesgo: Acontecimiento o condición incierta que, de producirse, tiene un efecto positivo o negativo sobre uno o más objetivos del proyecto.

Simulación Montecarlo: Una técnica de análisis en la que un modelo informático se itera muchas veces, con los valores de entrada elegidos al azar para cada iteración impulsada por los datos de entrada, incluyendo distribuciones de probabilidad y ramas probabilísticas. Los resultados se generan para representar la gama de posibles resultados del proyecto.

Apéndice A

Aceptación del riesgo: Estrategia de respuesta al riesgo por la que el equipo del proyecto decide reconocer el riesgo y no tomar ninguna medida a menos que se produzca.

Apetito por el riesgo: El grado de incertidumbre que una organización o individuo está dispuesto a aceptar en previsión de una recompensa.

Probabilistic Risk Assessment Procedures Guide for NASA Managers and Practitioners (Guía de procedimientos de evaluación probabilística de riesgos para gestores y profesionales de la NASA):

Evaluación probabilística de riesgos: es un método de análisis exhaustivo, estructurado y lógico destinado a identificar y evaluar los riesgos en sistemas tecnológicos complejos con el fin de mejorar de forma rentable su seguridad y rendimiento.

Apéndice A

Modelo: (del mundo) Construcción matemática que convierte la información (incluidos los datos como subconjunto de la información) en conocimiento. Para el análisis de riesgos se utilizan dos tipos de modelos: aleatorios y deterministas.

Epistémico: Perteneciente al grado de conocimiento de los modelos y sus parámetros. Del griego episteme (conocimiento).

“Probabilistic Risk Assessment to Inform Decision Making: Preguntas frecuentes” (EPA):

Variabilidad: se refiere a la variación natural e inherente, la variabilidad es inevitable y no puede reducirse del mismo modo que la incertidumbre.

Incertidumbre: es la falta de comprensión del mundo; aunque es inevitable, puede reducirse mediante la investigación adicional o la recopilación de mejor información.

Análisis de sensibilidad: es el proceso de modificar una variable dejando constantes las demás para determinar su efecto en el resultado. Este procedimiento fija cada cantidad incierta en sus límites inferior y superior creíbles (manteniendo todas las demás en sus valores nominales, como las medianas) y calcula los resultados de cada combinación de valores. Los resultados ayudan a identificar las variables que tienen el mayor efecto sobre las estimaciones de exposición y a centrar los esfuerzos de recopilación de información.

También te puede interesar: Fracturas progresivas por fatiga asociadas al modo PID