Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ian Bryant El riesgo es bueno. El riesgo es malo. El objetivo nen mayor impacto sobre un resultado. Otra de
Alberto Malinverno que mueve a las compañías es la obtención de las mejoras introducidas es la asignación de fun-
Michael Prange ganancias y, en un clima comercial competitivo, ciones de densidad de probabilidades a los ran-
Ridgefield, Connecticut, EUA normalmente es imposible generar ganancias sin gos de los parámetros, lo cual genera una curva
que exista cierta exposición al riesgo. ¿Cuál es el de expectativas de parámetros económicos, tales
Mauro Gonfalini
límite aceptable de riesgo? Es fundamental juzgar como el valor presente neto (VPN) o las reservas
Eni Agip
con exactitud cuándo el riesgo se convierte en explotadas. Un enfoque probabilístico, multidis-
Milán, Italia
imprudencia. La búsqueda de formas de reducir la ciplinario, totalmente integrado, conocido como
James Moffat exposición al riesgo constituye una práctica análisis de riesgos y toma de decisiones, incor-
Moscú, Rusia comercial difícil pero esencial; la cuantificación pora muchos más parámetros básicos y propaga
del riesgo y la evaluación del valor de la informa- la incertidumbre.2 Un estudio de compañías ope-
Dennis Swager ción destinada a reducirlo pueden resultar aún radoras de la plataforma continental noruega
Team Energy, LLC más problemáticas. indicó que los resultados financieros de las socie-
Bridgeport, Illinois, EUA El descubrimiento y desarrollo de activos de dades, mejoraban cuando éstas integraban el
petróleo y gas siempre ha sido un negocio ries- análisis de riesgos y toma de decisiones en sus
Philippe Theys goso. La industria cuenta con varios anteceden- secuencias de tareas.3
Sugar Land, Texas, EUA
tes de avances tecnológicos que permitieron El sofisticado análisis de riesgo puede indicar
reducir el riesgo, aun cuando los yacimientos y la cuáles son los factores desconocidos que tienen
Francesca Verga
Politécnico de Torino forma en que se los explota se hayan vuelto más mayor impacto sobre los resultados económicos
Turín, Italia complejos. Uno de los primeros desarrollos, la del proyecto y probablemente exista tecnología
utilización de registros adquiridos con cable en para obtener esa información, pero queda una
un pozo petrolero por parte de Conrad y Marcel pregunta por responder: ¿Posee el valor de la
Por su colaboración en la preparación de este artículo, se
agradece a Bill Bailey, Ridgefield, Connecticut, EUA; y a Schlumberger, cumplió su aniversario 75 el 5 de información adicional relación con el costo de su
Scott Leaney, Gatwick, Inglaterra. septiembre de 2002. En la última década, los obtención? A fin de responder a esta pregunta
Bit On Seismic, ECS (Espectroscopía de Captura Elemental),
EPT (herramienta de Propagación Electromagnética), RAB
levantamientos sísmicos tridimensionales (3D) para cualquier caso específico, una compañía
(Resistividad Frente a la Barrena), SeismicVISION y SpectroLith permitieron reducir sustancialmente la incerti- debe evaluar primero el grado de incertidumbre
son marcas de Schlumberger.
dumbre de las estructuras, identificar zonas de un proyecto con y sin la nueva información.
1. Head K: “Predicting the Value of 3-D Seismic Before It Is
Shot,” World Oil 219, no. 10 (Octubre de 1998): 97-100. pasadas por alto y mejorar los resultados econó- En este artículo, investigamos las fuentes de
2. Coopersmith E, Dean G, McVean J y Storaune E: “La micos de los proyectos.1 incertidumbre y un método para propagar la incer-
toma de decisiones en la industria del petróleo y el gas,” La evaluación económica también ha mejo- tidumbre a lo largo de todo el análisis de un pro-
Oilfield Review 12, no. 4 (Primavera de 2001): 2-9.
3. Jonkman RM, Bos CFM, Breunese JN, Morgan DTK, rado. El modelado determinístico simple provee yecto. La propagación de la incertidumbre permite
Spencer JA y Søndenå E: “Best Practices and Methods un valor único que puede incrementarse con cier- que el impacto de agregar información sobre un
in Hydrocarbon Resource Estimation, Production and
Emissions Forecasting, Uncertainly Evaluation and tos análisis de sensibilidad. La evaluación un parámetro de entrada se traslade al resultado. Un
Decision Making,” artículo de la SPE 65144, presentado poco más sofisticada utiliza rangos de valores y modelo probabilístico que incluya explícitamente
en la Conferencia Europea del Petróleo de la SPE, París,
Francia, 24 al 25 de octubre de 2000. puede ayudar a determinar qué parámetros tie- distribuciones de probabilidades para los paráme-
2 Oilfield Review
tros de interés es capaz de indicar el grado de el resultado podría predecirse con certeza. La Existe un valor verdadero que describe una
reducción de la incertidumbre que se puede espe- calidad de las mediciones de que dispone la cantidad física en un punto específico del tiempo
rar al obtenerse más información. El estudio de industria de E&P es alta, pero los registros obtie- y el espacio. Por ejemplo, la resistencia de un
tres casos muestra el análisis de incertidumbre nen información de un pequeño volumen del yaci- determinado bloque de cemento bajo una deter-
para: una operación de geoposicionamiento en miento y la extracción de núcleos de pozos ofrece minada serie de condiciones dadas, tiene un
una sección productiva delgada, un análisis petro- una fracción aún más pequeña del yacimiento valor único. Los errores de medición impiden la
físico de una arenisca arcillosa y un perfil sísmico para su estudio. Si bien un levantamiento sísmico determinación exacta de ese valor y requieren
vertical (VSP, por sus siglas en inglés) con despla- 3D abarca la totalidad del yacimiento, la resolu- una distribución de respuestas posibles para
zamiento sucesivo de la fuente. ción vertical es baja. Las limitaciones fundamen- representar la incertidumbre. El análisis tiene que
tales que imponen la física de las mediciones y la atenerse a estas distribuciones de probabilidad.
La probabilidad de error geometría de los cuerpos limitan la cantidad y El término “probabilidad” tiene dos significa-
Un factor fundamental para el análisis de riesgo calidad de la información disponible. La informa- dos comunes. Uno de ellos se refiere a la fre-
lo constituye el nivel de incertidumbre que aún ción del yacimiento se interpreta mediante cuencia relativa de un evento en pruebas
perdura en el momento de tomar una decisión. Si modelos, que raramente son exactos para todos repetitivas, tales como el lanzamiento de una
se conociera toda la información con precisión, los casos posibles (véase “Catalogación de erro- moneda al aire reiteradas veces. Si se trata de
no habría ningún riesgo en la toma de decisiones; res,” página 4). una moneda equilibrada y correcta, y el proceso
Invierno de 2002/2003 3
Catalogación de errores
Modelo estático
de registros, introducen errores. Por ejemplo, si Estructura (geofísica) Reflexión, migración Velocidad (registro, apilamiento)
la longitud de un objeto es exactamente 5.780 Distribución de facies (geología) Analogías depositacionales Ejemplos de campo
unidades—tales como pulgadas o centímetros—y Parámetros de las rocas (petrofísica) Porosidad, permeabilidad Empírico, estadístico
la regla utilizada está graduada en décimos de Cálculo volumétrico Distribución Geoestadístico
Modelo dinámico
para determinar el dígito que corresponde al Presión, volumen Darcy, desplazamiento Régimen de flujo
Características de los fluidos Darcy Mezcla de contenido, viscosidad
lugar de los centésimos. Se puede aumentar la
Relaciones entre las fases PVT (Presión, Volumen, Temperatura) Físico, empírico
precisión y reducir la incertidumbre; por ejem- Modelo de permeabilidad Yacimiento Modelo estático, modelo de flujo
plo, invirtiendo en una nueva regla o en una Balance de materiales* Flujo * Prueba de validación
mejor tecnología de sondas. No obstante, el
mejoramiento estará limitado por el costo y por > Incertidumbres respecto del proceso de modelado de yacimientos. Los modelos estáticos de yacimientos,
la tecnología existente en ese momento. que describen las propiedades geométricas del yacimiento, están sujetos a errores de interpretación en el
Normalmente, la inexactitud genera errores modelo y a errores de datos en los parámetros. Los modelos dinámicos, que describen el flujo de fluido,
tienen fuentes de errores similares pero el balance de materiales ofrece una prueba de validación.
de medición más grandes que la imprecisión. Si
la cantidad es 5.780 y un dispositivo es capaz de
medir hasta dos decimales como mínimo, un dis- tividad de la formación o la densidad del petró- comparan con el resultado de transponer los pri-
positivo inexacto arrojaría algún valor distinto leo. Tanto dentro del programa de la herramienta meros dos dígitos de un número de cinco dígitos
de 5.78. Esto podría deberse a un error sistemá- como en el post-procesamiento de los datos, la o de perder la única copia de un grupo de datos
tico, tal como una regla combada que mide la medición se analiza utilizando un modelo disponible. Los sistemas de manejo de datos y de
longitud erróneamente, o podría atribuirse a un (arriba). Los modelos son representaciones de la información procuran reducir la probabilidad de
error aleatorio asociado con el proceso de medi- realidad—simplificaciones o generalizaciones de error humano diseñando procesos que no requie-
ción. Los errores sistemáticos conocidos pueden nuestra comprensión de la forma en que funcio- ren el ingreso de los datos más de una vez. Me-
ser contemplados; muchas mediciones de regis- na el mundo—pero no son la realidad. La ecua- diante la transferencia de datos en tiempo real,
tros contienen correcciones ambientales—tales ción de Archie no es exactamente correcta, así la información llega a la computadora del usua-
como correcciones por el tamaño del pozo o por como tampoco lo son sus diversas derivaciones. rio con un mínimo de intervención humana.
la salinidad del fluido del pozo—utilizadas en Los petrofísicos tratan de comprender las limita- También existen errores humanos más sutiles.
las mediciones de las herramientas de resistivi- ciones de los modelos y los errores asociados con La predisposición a aceptar ciertos escenarios
dad y de las herramientas nucleares. su aplicación, pero los siguen utilizando para la puede incidir en las interpretaciones. Un fuerte
Si las mediciones repetidas de una misma evaluación de formaciones. deseo de seguir adelante con un proyecto o, con-
cantidad utilizando el mismo dispositivo arrojan Las mediciones de laboratorio y de campo trariamente, una intensa necesidad de cumplir
valores diferentes, la causa es la presencia de están sujetas a problemas de control de calidad, con una obligación y dar por concluida una obli-
errores aleatorios. Las causas de este tipo de que pueden ser errores sistemáticos, instrumen- gación contractual, puede producir evaluaciones
errores suelen estar más allá de nuestro control tales o humanos. Un estudio de garantía de la excesivamente optimistas o excesivamente pesi-
y, muchas veces, trascienden nuestra compren- calidad sobre densidad, porosidad y permeabili- mistas de la información. Otro ejemplo es el
sión. Las variaciones naturales del subsuelo pro- dad al aire, realizado por Amoco—ahora BP— otorgamiento de incentivos económicos a los
ducen variaciones aleatorias en las cantidades entre 1978 y 1989, consistió en la realización de perforadores para que eviten desviaciones tipo
medidas, tales como las reflexiones sísmicas pro- repetidas mediciones en núcleos estables por pata de perro en un pozo, lo cual puede condu-
venientes de recorridos de ondas similares pero parte de diversos laboratorios. Al comienzo del cir a limitar la notificación de problemas de per-
no idénticos, o los resultados de análisis de nú- estudio, Amoco siguió las pautas generales res- foración. Estos errores humanos sutiles pueden
cleos tomados de muestras adyacentes y aparen- pecto de la exactitud, pero luego la base de ser difíciles de descubrir. La mejor solución es
temente idénticas. La influencia de los errores datos creció lo suficiente como para tener que la transparencia. Todos los pasos de un proceso
aleatorios puede reducirse mediante la repeti- ajustar las pautas referentes a errores acepta- necesitan ser rastreables y debe existir un catá-
ción de las mediciones o, en ciertos casos, invir- bles en relación con esas mediciones. La compa- logo de todas las suposiciones propuestas. Si
tiendo más tiempo en su obtención. ñía pudo aseverar con seguridad cuáles de los bien esto quizás no impida que se introduzca
El usuario de la información aportada por una resultados de laboratorio se encontraban más cierta tendencia en el análisis, el mismo puede
herramienta sofisticada no se interesa en el va- allá de los límites aceptables.1 ser descubierto y corregido con posterioridad.
lor de una medición directa. La medición puede Los desaciertos humanos constituyen una
ser una caída de tensión o la densidad óptica, importante fuente de error, difícil de manejar en 1. Thomas DC y Pugh VJ: “A Statistical Analysis of the
Accuracy and Reproducibility of Standard Core Analysis,”
mientras que la magnitud de interés es la resis- el análisis de los errores. Los errores de medi- The Log Analyst 30, no. 2 (Marzo - Abril de 1989): 71-77.
ción en porcentajes pequeños, son mínimos si se
4 Oilfield Review
de lanzamiento también es correcto, aproximada- dependen de la información disponible. En base a Sin embargo, dado que a un argumento se le
mente la mitad de los resultados serán “caras.” lo que se conoce acerca del yacimiento, ese VPN da una forma lógica, puede suceder que el mismo
Mientras más veces se arroje la moneda, más tiene un 10% de probabilidad de ser igual al valor no sea válido. Hasta este sencillo argumento
cerca del 50% estará el resultado (abajo). modelado P10 o un valor menor, igual oportunidad posiblemente sea erróneo si las premisas son
El otro uso del término se refiere a la creencia de ser mayor o menor que la media P50, y un 90% falsas. Después de todo, puede darse el caso de
o grado de confianza en una proposición incierta. de probabilidad de ser igual o menor que la pre- que el corte de agua no supere el 99%. Los argu-
Por ejemplo, arrojemos una moneda pero no dicción P90.4 mentos lógicos normalmente no son tan directos
miremos cómo cae. El resultado ya está determi- El correcto análisis de los datos sigue un pro- como éste, y si las conclusiones no se deducen
nado; es cara o “cruz.” Aún así, seguimos consi- ceso lógico, lo cual significa que comenzamos de las premisas, el argumento también puede
derando la probabilidad de que el resultado sea con las premisas y creamos argumentos lógicos resultar erróneo.
cara como equivalente al 50% porque ese es el para llegar a las conclusiones. Tanto las premisas Los argumentos que implican proposiciones
grado de confianza en ese resultado. como las conclusiones son enunciaciones, o pro- inciertas corresponden a una rama llamada
En la industria de E&P se utilizan ambos sig- posiciones, que pueden ser verdaderas o falsas. lógica inductiva, la cual utiliza la probabilidad en
nificados. Las herramientas de adquisición de La lógica deductiva tiene la siguiente estructura vez de la certeza en el argumento. Algunas de las
registros de pozos que se basan en procesos clásica: probabilidades a utilizar se denominan probabili-
radiactivos, realizan un muestreo en una estación Premisa 1: Si A es verdadera, entonces B es dades condicionales: la probabilidad de que un
de medición durante un cierto tiempo o bien verdadera. evento sea verdadero cuando se sabe que otro es
registran a baja velocidad para incrementar las Premisa 2: A es verdadera. verdadero. Por ejemplo, en un área determinada,
estadísticas de conteo. El conteo implica la fre- Conclusión: Por lo tanto, B es verdadera. puede que exista igual probabilidad de que una
cuencia relativa de un evento; esto es, la primera A modo de ejemplo, reemplacemos A por la roca que se encuentra a una profundidad deter-
percepción del término probabilidad. Un ejemplo proposición de que el corte de agua de este pozo minada sea arenisca o caliza. Sin embargo, si un
de probabilidad como creencia es el uso común es superior al 99% y reemplacemos B por la pro- registro indica que la formación posee una den-
de las probabilidades P10, P50 y P90 para describir posición de que este pozo no es económico. Los sidad de 2.3 g/cm3, la probabilidad de que se
el rango de resultados en términos de VPN, a par- planteamientos pasan a ser los siguientes: trate de una arenisca es muy alta.
tir de un gran número de evaluaciones económi- Premisa 1: Si el corte de agua de este pozo La inclusión de planteamientos probabilísti-
cas de yacimientos obtenidas mediante la es superior al 99%, entonces cos en un argumento inductivo generalizado es
modificación de los parámetros de entrada en este pozo no es económico del siguiente tipo:
cada prueba. El VPN de un yacimiento real bajo Premisa 2: El corte de agua de este pozo es Premisa 1: Si B es verdadera, entonces la
las condiciones de desarrollo modeladas es un superior al 99% probabilidad de que A sea ver
valor fijo, pero desconocido. Las probabilidades Conclusión: Por lo tanto, este pozo no es dadera es P(A|B).5
expresadas como grados de creencia siempre económico. Premisa 2: La probabilidad de que A sea
verdadera es P(A).
Premisa 3: La probabilidad de que B sea
1.0 verdadera es P(B).
Conclusión: Existe una probabilidad P(B|A)
de que B sea verdadera si A es
0.8
Número fraccionario de caras
verdadera.
La premisa 3 puede parecer extraña, ya que el
0.6 Desviación estándar objetivo es llegar a una conclusión acerca de B.
La tercera premisa es una enunciación acerca de
0.4 la probabilidad de que B ocurra en general, mien-
tras que la conclusión es una enunciación condi-
0.2 cional sobre B dado que A es verdadera. La
importancia de esta distinción resulta más evi-
0 dente si se utiliza un caso específico.
1 10 100 1000 10,000
Cantidad de lanzamientos de la moneda
4. Ciertas compañías utilizan la inversa de esta nomencla-
tura. Por ejemplo, si P10, como se define en el texto,
> Frecuencia de resultados caras de un lanzamiento de la moneda. Luego de representara un VPN de 1 millón de dólares estadouni-
lanzar la moneda una vez, el resultado cero o uno será cara y ambos resulta- denses, habría un 10% de probabilidad de que el VPN
dos tendrán igual probabilidad (el tamaño de los puntos indica la probabilidad). incierto equivaliera a 1 millón o menos dólares estadou-
nidenses. Algunas compañías describirían ese VPN de 1
El resultado más probable de dos lanzamientos es que la mitad de los resulta- millón de dólares estadounidenses como P90, indicando
dos corresponda a caras. Luego de tres lanzamientos, el resultado más pro- un 90% de probabilidad de un VPN equivalente a 1 millón
bable será una o dos caras, proveyendo resultados fraccionarios equivalen- o más dólares estadounidenses.
tes a 1⁄3 ó 2⁄3. La probabilidad de obtener todas caras o todas cruces disminuye 5. La barra vertical indica una probabilidad condicional y
con cada nuevo lanzamiento. Una desviación estándar de una sigma (curvas), se lee como “dado,” de manera que P(A|B) es la proba-
respecto de la media del resultado, indica que el número fraccionario más bilidad de A dado B.
probable de caras se aproxima a 0.5 a medida que aumenta la cantidad de
lanzamientos de la moneda.
Invierno de 2002/2003 5
Supongamos que una persona es examinada que describe aquello que se conoce antes de Esto se conoce como probabilidad posterior. El
en busca de un virus extraño. El examen no siem- obtener la nueva información. La posibilidad, denominador es un factor de normalización que
pre es correcto. En el 5% de los casos, el examen P(A|B), contiene información nueva específica de involucra sólo a A; es decir, la probabilidad total
resulta positivo cuando la persona no está infec- la instancia en cuestión. A partir de la probabili- de que ocurra A.
tada. A esto se lo denomina falso positivo. Los dad previa, de las distribuciones de posibilidades El uso del formalismo Bayesiano queda de-
falsos negativos—el resultado del examen es y de la regla de Bayes se deriva la probabilidad mostrado con un ejemplo simple. Una compañía
negativo cuando la persona está infectada—se condicional de B cuando ha ocurrido A, P(B|A). debe decidir si desarrollar o no un pequeño yaci-
dan en el 10% de los casos. Representemos el
enunciado de que la persona está infectada como
Infectado y el enunciado de que el examen es P (B )*P (A B )
P (B A ) = donde
positivo con la palabra Sí. P (A )
P (B A) = Probabilidad
El resultado del examen en una persona espe- posterior
cífica es positivo: según el examen esa persona P (B ) = Probabilidad
previa
está infectada. ¿Cuál es la probabilidad de que la P (A B ) = Posibilidad
persona efectivamente haya contraído el virus? P (A ) = Factor de
La respuesta no es 90%; es decir normalización
P(Sí |Infectado), la probabilidad de que el resul-
> Regla de Bayes para las proposiciones.
tado sea positivo si la persona está infectada. La
respuesta tampoco es 5%; es decir la probabili-
dad de que el examen sea positivo si la persona
no está infectada, P(Sí |no Infectado). El resultado
deseado es P(Infectado|Sí), la probabilidad de N
P(Sí |Económico) = 80%
que la persona esté infectada cuando el examen P(No |Antieconómico) = 75%
resulta positivo. Esa respuesta se basa crítica-
mente en cuán extraño es el virus en la población
general, P(Infectado).
P (Económico) = 14% ?
En este caso, supongamos que el término
en esta área
extraño significa que hay 10 personas infectadas
por cada 1,000,000 de individuos no infectados, es
decir aproximadamente 0.001%. El examen de una
selección aleatoria de 1,000,010 personas indica P(Sí) = P(Sí y Económico) + P(Sí y P (Sí)
50,000 personas no infectadas con resultados Antieconómico)
positivos, ya que el examen da un 5% de falsos P(Sí y Económico) = P(Sí |Económico) «
positivos, y nueve casos verdaderos positivos. La P(Económico)
Antieconómico Económico
probabilidad de que una persona esté infectada si
el examen resulta positivo es 0.018%; una tasa
P(Sí |Económico) * P(Económico)
mucho mayor que la de la población general. El P(Económico |Sí) =
P(Sí |Económico) * P(Económico) + P(Sí |Antieconómico) * P(Antieconómico)
examen no es concluyente porque la infección es
extraña, de modo que los casos falsos positivos =
0.8*0.14
siguen superando considerablemente en cantidad 0.8*0.14 + 0.25*0.86
a los verdaderos positivos. Si el resultado del exa- 0.112
= ~= 0.34
men es positivo, lo recomendable sería practicar 0.327
una segunda prueba independiente.
> Regla de Bayes para un caso de yacimiento sintético. Una prueba que con-
Regla de Bayes siste en la interpretación de datos sísmicos y de registros (arriba a la izquier-
Los resultados condicionales como los del ejem- da) constituye una prueba de la economía de una área prospectiva. Permite
identificar correctamente las áreas prospectivas económicas el 80% de las
plo precedente pueden calcularse utilizando la veces y las áreas prospectivas antieconómicas el 75% de las veces. En esta
regla de Bayes para las proposiciones.6 La regla área, un 14% de yacimientos similares al yacimiento en cuestión son econó-
de Bayes proporciona una forma de calcular una micos (arriba a la derecha). El numerador en la regla de Bayes puede calcu-
probabilidad condicional, P(B|A), cuando se larse separando la probabilidad de que la prueba provea una indicación afir-
mativa (Sí) en la condición de que la indicación afirmativa (Sí) sea correcta y
conoce la probabilidad condicional opuesta, la condición de que la indicación afirmativa (Sí) sea incorrecta (centro a la
P(A|B) (arriba, a la derecha). Por esa razón, tam- derecha). Cada uno de esos términos puede ser definido por una relación
bién se le conoce como la regla de la probabilidad matemática de las probabilidades de dos cantidades independientes toma-
inversa. La estadística Bayesiana parte de la das en conjunto (centro a la izquierda). Cuando los valores dados son reem-
plazados en la regla de Bayes, el resultado que se obtiene es sólo un 34% de
información general acerca de la probabilidad de probabilidad de que el nuevo yacimiento sea económico, aunque la prueba
B, P(B), que se denomina probabilidad previa por- indique que es económico (abajo).
6 Oilfield Review
hj
hi
miento en una cuenca donde un 14% de yaci- El resultado es un tanto sorprendente. Si bien que se utilizaron herramientas de adquisición de
mientos pequeños similares al yacimiento en el análisis es relativamente exacto, con un 80% registros de última generación y que se inter-
cuestión han resultado productivos y económicos. de probabilidad de predecir yacimientos econó- pretó la sección sísmica suponiendo la presencia
La interpretación de este yacimiento en particular, micos en forma acertada, la chance de que este de secuencias estratificadas. Para calcular la pro-
basada en un estudio sísmico y en registros de yacimiento resulte económico es del 34% babilidad previa, P(Económico), se puede asumir
pozos, indica que la acumulación de hidrocarbu- (página anterior, abajo). El resultado previo lleva que todos los yacimientos son fluviales. Todos
ros es económica. Según experiencias anteriores, al resultado posterior a un nivel bajo; es decir, la estos supuestos se resumen como información
la interpretación de este tipo de datos permite baja probabilidad de que la población general de adicional I, de manera que la posibilidad pasa a
predecir correctamente la presencia de un yaci- este tipo de campo resulte económica. La intui- ser P(Sí |Económico, I) y la probabilidad previa,
miento económico un 80% de las veces y permite ción puede conducir a equivocaciones, especial- P(Económico, I).
estimar correctamente la presencia de un yaci- mente en aquellos casos en que la probabilidad La incorporación explícita de supuestos cono-
miento antieconómico, un 75% de las veces. ¿Es de una solución cuando se conoce el resultado de cidos e información, I, acerca del problema en el
probable que este yacimiento resulte económico? una prueba, tal como P(Económico\Sí), se con- formalismo Bayesiano, es una forma de indicar
Según la información previa, P(Económico), el funde con P(Sí\Económico), la probabilidad del las condiciones bajo las cuales se calcularon las
14% de este tipo de campo en esta área resulta resultado de una prueba cuando se conoce la probabilidades. La selección de la información
económico. La nueva información es el resultado solución. No obstante, el valor de la información incluida en un escenario refleja la propensión del
afirmativo (Sí) de una prueba; es decir, el análisis adicional provista por el análisis, queda clara- analista. La transparencia respecto de todos los
indica que este yacimiento en particular es eco- mente demostrado con el aumento de la probabi- supuestos del proceso posibilita una retroalimen-
nómico. Esto introduce la posibilidad, lidad de éxito económico, del 14% al 34%. tación efectiva.
P(Sí\Económico). P(Sí), que aparece en el denomi- El razonamiento probabilístico propaga lógi- Las probabilidades de la distribución previa
nador de la regla de Bayes, no se proporciona camente la incertidumbre desde las premisas (información anterior a los datos) y la posibilidad
pero puede calcularse. La probabilidad puede hasta una conclusión. Sin embargo, ni siquiera la (información contenida en los datos) no siempre
dividirse en dos partes, la probabilidad de que el utilización adecuada del formalismo probabilís- se conocen con precisión. Cada parámetro invo-
resultado del análisis sea Sí y el yacimiento tico garantiza que el resultado sea correcto. La lucrado puede tener asociada una incertidumbre
resulte Económico y la probabilidad de que el conclusión es sencillamente tan buena como las (arriba). El álgebra simple de la regla de Bayes
análisis diga Sí pero el yacimiento sea premisas y las suposiciones formuladas al inicio. debe convertirse a cálculo matricial y, si existe un
Antieconómico. Estas dos condiciones no se La ventaja de utilizar un método bien fundado gran número de parámetros inciertos, quizás se
superponen e incluyen todas las condiciones, de desde el punto de vista lógico, tal como el for- requiera una computadora de alta velocidad para
manera que la separación de la probabilidad de malismo Bayesiano, es que las conclusiones determinar la distribución posterior a partir de la
que el resultado sea Sí en estas dos partes no incorrectas indican que ciertas premisas o distribución previa y de la posibilidad.
afecta la probabilidad total. La probabilidad com- supuestos son inconsistentes; una retroalimenta-
binada, por ejemplo Sí y Económico, puede obte- ción en el proceso de interpretación. 6. Thomas Bayes (1702-1761) fue un ministro inglés cuyo
trabajo original sobre probabilidad e inducción lógica fue
nerse a partir de la probabilidad condicional de A veces se incluye explícitamente otro tér- publicado en 1763 después de su muerte. Para obtener
que el resultado sea Sí, dado que el yacimiento mino en cada término de la regla de Bayes, que mayor información y por una introducción a la estadís-
tica Bayesiana, consulte Hacking I: An Introduction to
es Económico, multiplicada por la probabilidad representa el conocimiento general y los supues- Probability and Inductive Logic. Cambridge, Inglaterra:
de que el yacimiento sea Económico. De este tos incluidos en la evaluación de la probabilidad. Prensa de la Universidad de Cambridge, 2001.
modo, se puede determinar la incógnita P(Sí) a En el ejemplo del yacimiento, en el término de
partir de las cantidades conocidas. posibilidad, P(Sí |Económico), se puede asumir
Invierno de 2002/2003 7
Campo
Lamott
Consolidado
Indiana
Lena 2 Emma 1
Layer 1
Layer 4
Mohr 1A
Matt 2
Pozo productor Pozo estéril
Pozo inyector de agua Sin perforar Mohr 2 Mohr 1
> Ubicación de la unidad Mount Vernon del Campo Lamott Consolidado, cerca de Evansville, Indiana,
EUA. El área delineada indica la zona modelada para el pozo horizontal Simpson N° 22. Se utilizaron
ocho pozos vecinos (rotulados) para acotar el modelo en torno a la sección de incremento angular
(negro) y a la sección horizontal de 246 m [808 pies] de longitud (en rojo).
Geoposicionamiento con incertidumbre también se origina en el yacimiento Tar Springs, probabilidad. La información del campo derivada
Team Energy, LLC, compañía operadora de la uni- más somero, también de la misma edad. Los de los registros de pozos permitió definir la
dad East Mount Vernon, perforó el pozo Simpson pozos verticales existentes producen con un alto media del espesor de cada capa. La combinación
N° 22, el primer pozo horizontal del campo corte de agua, aproximadamente de un 95%, por- de todos estos valores permitió a su vez definir el
Lamott Consolidado, situado en el Condado de que la columna de petróleo del yacimiento vector medio del modelo. La incertidumbre res-
Posey, Indiana, EUA (arriba).7 Schlumberger dese- Cypress es muy delgada. El pozo Simpson N° 22 pecto del espesor de las capas y la interrelación
aba probar algunas nuevas tecnologías de termi- fue perforado primero como pozo piloto desviado, entre las incertidumbres asociadas con el espe-
nación de pozos para drenar el petróleo de una para atravesar la arenisca Cypress cerca del sor en diferentes localizaciones, definen la matriz
columna de 4 m [13 pies] de espesor depositada comienzo de la sección horizontal, y luego se per- de covarianza del modelo. El vector medio y la
en esta unidad. El proyecto permitió a foró a lo largo de una curva suave hacia una sec- matriz de covarianza definen la distribución de
Schlumberger comprobar los métodos de incerti- ción horizontal del yacimiento. probabilidad del modelo. Una distribución loga-
dumbre Bayesianos, que fueron incorporados en El geoposicionamiento de un pozo es intrínse- rítmica normal de espesor evita que el espesor
un paquete de programas de computación desa- camente un problema tridimensional. Intentar de una capa adopte valores negativos y describe
rrollado en un entorno de colaboración. Este pro- modelar el proceso en dos dimensiones puede dar la población de valores de espesor mejor que una
ceso ayudó a localizar y posicionar exitosamente lugar a un tratamiento inconsistente de los datos distribución normal.
un pozo horizontal dentro de una delgada de otros pozos. Schlumberger confeccionó un El modelo inicial fue restringido utilizando
columna de petróleo. modelo 3D del subsuelo que contenía los rasgos horizontes picados de los registros de ocho pozos
La unidad East Mount Vernon se encuentra estratigráficos significativos del yacimiento vecinos. El procedimiento de inicialización daba
muy desarrollada con pozos verticales perforados Cypress. El modelo incluía 72 capas, en una retí- cuenta de la incertidumbre respecto de la pro-
en un área de 40,500 m2 [10 acres]; en su mayor cula con cinco celdas por lado. A cada celda del fundidad medida del picado del horizonte y la
parte, se trata de pozos terminados a agujero modelo se le asignaron valores de rayos gamma y incertidumbre asociada con la trayectoria del
descubierto en los que quedan expuestos sólo de resistividad provenientes de registros de pozos. pozo. Esta distribución previa en el modelo 3D
los 0.6 a 1.5 m [2 a 5 pies] superiores de la Los parámetros que definen la geometría del del subsuelo constituyó el punto de partida para
columna de petróleo. La mayor parte de la pro- modelo del subsuelo, es decir el espesor de cada la perforación del pozo piloto. Aún después de
ducción acumulada provino del yacimiento de capa en cada punto de la retícula, fueron repre- incluida la información obtenida de los pozos
areniscas Cypress del Mississíppico, aunque sentados en el modelo como una distribución de vecinos, la incertidumbre respecto de la localiza-
8 Oilfield Review
ción de la profundidad del tope de la zona obje-
tivo de 13 pies de espesor fue de aproximada-
mente 3 m [10 pies], un riesgo significativo para
un objetivo tan estrecho.8
Los científicos del Centro de Investigación Doll
de Schlumberger, situado en Ridgefield,
Connecticut, EUA, crearon una interfaz de usuario
para actualizar el modelo 3D del subsuelo en
forma rápida y sencilla, a través de una red de
computación global y segura. En colaboración con
los ingenieros apostados en el equipo de perfora-
ción de Indiana, especialistas en interpretación de
registros de Ridgefield actualizaron el modelo
durante la perforación. Más adelante en el pro-
ceso de perforación, otros intérpretes lograron
seguir la marcha de la perforación de la sección
horizontal en tiempo real desde Inglaterra y Rusia,
mediante el acceso a la red de Schlumberger. > Actualización interactiva. La interfaz del modelo consistente con los datos
Especialistas en interpretación de registros facilita la actualización del modelo tridimensional. Los espesores de las capas
compararon las mediciones de registros de rayos se indican en la gráfica de tipo cortina (arriba a la izquierda). La vista del mo-
delo del subsuelo indica las localizaciones de los pozos verticales existen-
gamma y de resistividad adquiridas durante la tes, el pozo piloto desviado y el pozo horizontal que estaba siendo perforado
perforación (LWD, por sus siglas en inglés) en (abajo a la izquierda). El intérprete ubica un marcador (línea amarilla) en la
tiempo real, con un modelo 3D del subsuelo que profundidad medida, que es sugerida por los datos de registros adquiridos
incluía la incertidumbre. Mediante la utilización durante la perforación (derecha). La flecha roja indica el cambio en la inter-
pretación de la información previa (línea roja). También se ingresa una incer-
del programa de computación, un intérprete pudo tidumbre respecto de la profundidad (ventana de diálogo). El programa actua-
picar un nuevo horizonte y asignar un valor de liza el modelo automáticamente sin intervención adicional por parte del usuario.
incertidumbre a esa localización (arriba, a la
derecha). El procedimiento de actualización com-
binaba automáticamente esta nueva información
con la distribución previa. La aplicación del pro-
cedimiento estadístico Bayesiano aseguraba que
se siguiera dando cuenta de los picados previos y Incertidumbre respecto Antes de la actualización
de toda la información de los pozos vecinos, y de la profundidad de la formación Cypress
que la interpretación estuviera correctamente
restringida (derecha).
El nuevo modelo basado en la distribución
posterior estuvo disponible de inmediato a través
de una interfaz segura de la Red, de manera que
los ingenieros apostados en el equipo de perfora-
ción pudieran actualizar el plan de perforación. El Incertidumbre respecto Después de
procedimiento se repetía cada vez que la barrena de la profundidad la actualización
Invierno de 2002/2003 9
El pozo piloto aportó información para actua- Parámetro Desviación estándar
de petróleo. El corte de agua, equivalente a un
lizar el modelo cerca de la iniciación propuesta 30%, es considerablemente mejor que el 95%
Rayos gamma –+ 5%
del pozo horizontal. Los registros establecieron observado en los otros pozos del campo.
Porosidad neutrón –+ 7%
que una capa con altos valores de permeabilidad, Resistividad –+ 10% Si bien no fue utilizado en el pozo Simpson N°
cercana al centro de la columna de petróleo ori- ∆T Sónico –+ 5% 22, el paquete de programas Bit On Seismic
–+ 0.015 g/cm
3
ginal, había sido inundada con agua de produc- Densidad ofrece la posibilidad de efectuar un análisis simi-
ción reinyectada. Esto reducía la ventana Atenuación –+ 5% lar. Con la información obtenida con el sistema
disponible para la sección horizontal a la mitad > Error de los instrumentos. La desviación estándar
SeismicVISION durante el proceso de perfora-
superior del intervalo del yacimiento. La sección para la densidad es constante; todas las demás ción, se puede determinar la localización de los
desviada del nuevo pozo se perforó con un incre- constituyen un porcentaje del valor medido. marcadores durante la perforación. La estadís-
mento angular de 4°/30 m [100 pies] para ingre- tica Bayesiana permite evaluar la incertidumbre
sar en la formación cerca de la horizontal. El respecto de la localización de los futuros marca-
modelo 3D del subsuelo se volvió a actualizar nieros de perforación lograron mantener el tramo dores de perforación y ajustar la ventana del
durante la perforación del pozo, el cual logró horizontal de 246 m [808 pies] de largo dentro de objetivo de perforación.10
alcanzar con éxito la formación objetivo con un una capa petrolífera de 1.8 m [6 pies] de espesor.
ángulo de 89°. El problema siguiente era cómo El pozo estaba equipado con registradores de Determinación de la
mantener la trayectoria del pozo dentro de un presión y válvulas de fondo de pozo que pueden incertidumbre en la formación
intervalo productivo tan estrecho. abrirse y cerrarse en tiempo real.9 Las válvulas, Para el problema de geoposicionamiento se uti-
Los registros de resistividad LWD transmitidos instaladas en tres zonas independientes, pueden lizó un modelo con distribuciones normales de
a la superficie en tiempo real resultaron críticos fijarse en cualquier posición, desde totalmente múltiples variables, o distribuciones Gaussianas,
para el mantenimiento de la trayectoria dentro abiertas hasta totalmente cerradas. Estas válvu- que pueden resolverse analíticamente. Ante la
del espesor productivo (abajo a la derecha). las permitieron a Schlumberger y a Team Energy, imposibilidad de suponer que las distribuciones
Schlumberger es la única compañía que puede LLC, hacer pruebas bajo una amplia gama de con- de las variables tienen una forma Gaussiana sim-
registrar imágenes durante la perforación y trans- diciones operativas. Actualmente, la producción ple, o cuando los errores no son pequeños, el
mitirlas a la superficie en tiempo real, utilizando mezclada proveniente de dos zonas inferiores método de Monte Carlo resulta más adecuado.
transmisión de pulsos a través del lodo. Las con- suministra los mejores regímenes de producción En este método, la función de distribución de pro-
figuraciones de la imagen generada por la herra-
mienta de Resistividad Frente a la Barrena RAB
mostraban claramente cómo la trayectoria del
pozo se mantenía paralela a estratificación de la
formación. Mediante la utilización del modelo 3D
del subsuelo, actualizado en tiempo real, los inge-
10 Oilfield Review
babilidad puede tener una forma arbitraria pero incluyendo los registros de resistividad, neutrón, ciones de error se ven afectadas por las restric-
el procedimiento exige más capacidad computa- densidad, rayos gamma, sónico y los de la herra- ciones impuestas sobre los valores de porosidad,
cional que la requerida por un enfoque analítico. mienta de Propagación Electromagnética EPT. los volúmenes de lutita y los volúmenes de la
En una simulación de Monte Carlo, los valores El error de los instrumentos fue utilizado para matriz, para que oscilen entre cero y uno.
para los parámetros se seleccionan en forma ale- definir una desviación estándar en la distribución En la actualidad, el mejor procedimiento para
atoria a partir de la población posible y luego se de la incertidumbre (página anterior, arriba). determinar el contenido de lutita utiliza datos
resuelve el escenario en cuestión. La iteración de Cuando el contenido de lutita era desprecia- espectroscópicos aportados por herramientas
una selección aleatoria, seguida por la inversión ble, se utilizaba el modelo de Archie en el análi- tales como la sonda de Espectroscopía de
del modelo repetidas veces, conduce a una dis- sis para determinar la saturación de agua, Sw. El Captura Elemental ECS. Los datos de concentra-
tribución de resultados de dicho escenario.11 análisis no daba cuenta de la incertidumbre rela- ción elemental se convierten en contenido de
En cooperación con investigadores de la cionada con mediciones de a, m y n efectuadas arcilla utilizando la aplicación SpectroLith para el
Universidad Politécnica de Torino, Italia, Eni Agip en núcleos. Si bien es factible incluir el error en procesamiento litológico. Pero, para estos pozos
realizó una evaluación de incertidumbre respecto estas mediciones de núcleos, por razones de sim- no se disponía de tales datos. La industria ha uti-
del volumen de lutita, de la porosidad y de la plificación se omitió ese paso en este estudio. lizado diversos indicadores del volumen de lutita,
saturación de agua en diversas formaciones de Existe una relación hiperbólica entre Sw y porosi- Vlutita, incluyendo dos indicadores derivados de
areniscas y lutitas.12 Durante el estudio se com- dad, que distorsiona la distribución de incerti- registros corridos en estos pozos. Tanto los regis-
paró el enfoque analítico que asume distribucio- dumbre en el análisis (abajo). Una distribución tros de rayos gamma como los de EPT proveen
nes normales y resulta sencillo desde el punto de normal del error de porosidad genera una distri- resultados razonables para Vlutita en condiciones
vista computacional, con el método de Monte bución logarítmica normal del error de Sw. Dado ideales, pero esas condiciones varían para cada
Carlo que plantea mayor complejidad. que Sw no puede ser superior al 100%, cerca de indicador (abajo). Si se emplea un enfoque deter-
Las formaciones estudiadas tenían litologías ese límite la distribución se distorsiona aún más. minístico, la práctica común en la industria con-
similares pero en cada una se advertían propie- Los dos procedimientos de análisis de error siste en aceptar el indicador Vlutita que tenga el
dades eléctricas, intervalos de porosidad y canti- generan bandas de incertidumbre similares para valor más bajo en cada nivel.13 Una simulación de
dades de lutita diferentes. La incertidumbre se la porosidad total y la porosidad efectiva, salvo en Monte Carlo proporcionó el análisis de incerti-
aplicó solamente a las mediciones de registros, los valores de porosidad bajos donde las distribu- dumbre para el volumen de lutita utilizando dos
0.30 Vlutita
0 0.2 0.4 0.6 0.8 1.0
0.25 2846
0.20
Frecuencia
0.15 2847
0.10
0.05
2848
0
0 0.2 0.4 0.6 0.8 1.0
Saturación de agua, fracción
2849
Porosidad
1
⁄n
Profundidad, m
a Rw 2850
Sw = m
O t Rt
2851
2852
> Relación no lineal entre parámetros petrofísicos que afectan las distribu- 2854
ciones de probabilidad. La relación de Archie (fórmula) para una formación
dada con factores a, m, n y Rt constantes, genera una relación hiperbólica
entre la saturación de agua, Sw y la porosidad (en azul). Esta relación distor- 2855
siona las distribuciones de frecuencia que se muestran a lo largo de los ejes.
Una distribución de incertidumbre normal en torno a un valor de porosidad > Determinación del volumen de lutita a partir de
dado (en verde), se convierte en una distribución logarítmica normal para la dos indicadores. El registro de rayos gamma (en
incertidumbre resultante respecto de Sw (en rojo). El valor medio (guiones rojo) y la curva de atenuación del registro EPT
amarillos) y los puntos tres sigma (guiones púrpura) muestran la distribución (en azul), por separado, aportan un indicador del
de Sw sesgada. Las distribuciones de Sw determinadas por el modelado de volumen de lutita. El mínimo de los dos indicado-
Monte Carlo se distorsionan en los valores altos ya que la saturación no res fue tomado como el estimador de Vlutita (som-
puede superar el 100% (recuadro). bra púrpura).
Invierno de 2002/2003 11
Porosidad
Porosidad neutrón
Saturación de agua Saturación de agua
Rayos gamma, unidades API Resistividad, ohm-m Densidad total, g/cm3 Porosidad de densidad (método analítico) (método numérico)
0 50 100 150 0.1 1 10 100 2 2.5 3 0.6 0.4 0.2 00 0.2 0.4 0.6 0.8 10 0.2 0.4 0.6 0.8 1
1206
1208
1210
1212
Profundidad, m
1214
1216
1218
1220
1222
1224
> Incertidumbre en las mediciones petrofísicas. En los tres primeros carriles se muestran los registros de rayos gamma, resistividad y densidad correspon-
dientes a una formación gasífera de baja porosidad. Una curva del registro de porosidad neutrón (en verde) se compara con la porosidad deducida de la
densidad total (en azul), que se muestra con un error de una desviación estándar (en rosa) (Carril 4). La saturación de agua (en azul) se calculó utilizando la
ecuación de Archie, mediante un método analítico (Carril 5) y el método numérico de Monte Carlo (Carril 6). Las bandas de incertidumbre marcadas en
color rosa indican una desviación estándar de una sigma. La incertidumbre del límite inferior cerca de los 1209 m [3967 pies] y entre los 1212 y 1214 m [3977
y 3983 pies] es mucho mayor si se utiliza el método analítico que si se emplea el método numérico de Monte Carlo.
12 Oilfield Review
cordancia general observada debería considerarse relación matemática entre la saturación de agua los parámetros de un modelo basado en una serie
propia de este caso por las siguientes razones: y el volumen de lutita incidía en la incertidumbre de mediciones, tales como la obtención de veloci-
• En rocas del yacimiento raramente se obser- respecto de la saturación de agua.14 dades sísmicas del subsuelo a partir de un levan-
van intervalos de porosidad alta (superior al La aplicación de la simulación de Monte Carlo tamiento sísmico. Sin embargo, la aplicación de
33%). permitió realizar una evaluación más rigurosa de una metodología de Monte Carlo directa implica
• Sólo algunas combinaciones especiales de la incertidumbre y el riesgo asociados con los un proceso lento porque sólo una pequeña propor-
los parámetros de Archie no amplifican el resultados de un proceso de interpretación de ción de los modelos del subsuelo seleccionados al
error propagado de los registros de porosidad. registros, porque el método no se limita a una azar se ajusta a las mediciones.
• La fórmula de Archie no da cuenta de los distribución normal. Los resultados de este análi- Con una gran cantidad de parámetros, la
errores asociados con el volumen de lutita, sis demostraron que había que seleccionar y simulación de Monte Carlo con Cadenas de
pero en las formaciones en las que la frac- adaptar a cada formación un modelo adecuado Markov (MCMC, por sus siglas en inglés) resulta
ción de lutita no es despreciable, la incerti- para obtener una distribución de probabilidad más eficaz. La simulación comienza en un punto
dumbre en la determinación del volumen coherente de los hidrocarburos en sitio y para aleatorio, o estado, en el espacio de los paráme-
de lutita contribuye a la incertidumbre res- efectuar evaluaciones económicas del campo tros, y se perturban los parámetros siguiendo una
pecto de la saturación de agua. confiables (véase “Obtención del modelo trayectoria aleatoria en su espacio. A cada
Para analizar las formaciones de areniscas correcto,” página 16). estado en el espacio de los parámetros se le
arcillosas se utilizaron modelos para computar la puede asignar un valor de mérito asociado, que
saturación de agua más complejos que la ecua- Una trayectoria aleatoria mide la calidad de esa selección de parámetros
ción de Archie. Las propiedades petrofísicas de en busca de una solución en particular. Cada paso de la trayectoria aleato-
las rocas proporcionaron la base para la selección Los métodos de Monte Carlo también han sido ria es aceptado con una probabilidad determi-
del modelo que mejor se adecuaba a cada forma- aplicados a problemas inversos. El objetivo de nada por la regla de Metropolis: si el nuevo
ción. Los análisis demostraron que la forma de la este tipo de análisis consiste en inferir el valor de estado es mejor que el anterior, siempre se
acepta el paso dado; de lo contrario, se acepta el
paso dado con una probabilidad equivalente a la
Formación de alta porosidad relación de los valores de mérito entre el nuevo
0.25
estado y el anterior.15 Por ejemplo, si el nuevo
estado es cinco veces peor que el anterior, se
0.20 aceptará el paso dado con un 20% de probabili-
Resultado analítico
dad. Es como si un borracho siguiera un recorrido
Resultado numérico
Error relativo
Invierno de 2002/2003 13
El operador registró un VSP con desplazamiento
sucesivo de la fuente debido al exceso de presión
X800
observado en el pozo. Los datos de ese VSP se
extendían hasta un desplazamiento máximo de
2500 m [1.6 millas] respecto de la boca de pozo
(próxima página, a la derecha).16 X900
El conjunto de datos fue utilizado posterior-
mente para investigar la incertidumbre asociada
con la predicción de las propiedades elásticas de Y000
X800
X900
Tiempo de tránsito de ondas P de incidencia normal, mseg
Y000
Y100
Y200
Y300
Y400
Y500
2000 3000 4000 2000 3000 4000 2000 3000 4000 2000 3000 4000 2000 3000 4000
Vp, m/seg Vp, m/seg Vp, m/seg Vp, m/seg Vp, m/seg
> Perfil de velocidad de ondas compresionales de la simulación de Monte Carlo con Cadenas de Markov (MCMC). Las cuatro realizaciones de la velocidad
de ondas P mostradas se combinan con varios miles de otras realizaciones en un procedimiento MCMC para obtener la distribución de la derecha. La
oscuridad de la banda indica la cantidad de realizaciones que tienen una velocidad determinada de ondas P a una profundidad dada; las bandas más oscu-
ras indican los valores más probables.
14 Oilfield Review
< Incertidumbre de un VSP con desplazamiento
X100 sucesivo de la fuente. Los datos de tiempo de
tránsito de un VSP con desplazamiento sucesivo
X200 de la fuente (centro) fueron utilizados en un
modelo inverso para determinar los parámetros
X300 de velocidad y de densidad. Se utilizaron los
datos de tiempo de tránsito, provenientes direc-
X400 tamente de la zona debajo del pozo (cuadro
negro), para simular un VSP sin desplazamiento
Profundidad, m
–2500 –2000 –1500 –1000 –500 0 500 1000 1500 2000 2500
Desplazamiento, m
X100
X200
X300
X400
Profundidad, m
X500
X600
X700
X800
> Perfil sísmico vertical (VSP) con desplazamien-
X900
to sucesivo de la fuente. El receptor se encuen-
tra fijo en el pozo y se dispara una serie de fuen-
Y000 tes a medida que la ubicación del punto de tiro
“se aleja” del equipo de perforación. En una con-
Y100 figuración sin desplazamiento de la fuente (con
2000 3000 4000 5000 1000 2000 1.8 2.0 2.2 2.4 2.6 2.8 desplazamiento cero), sólo se utiliza una fuente
Vp, m/seg Vs, m/seg Densidad, g/cm3 cercana al equipo de perforación.
Invierno de 2002/2003 15
La banda de incertidumbre asociada con las pro-
piedades elásticas predichas es bastante ancha.
La inclusión de todo el grupo de datos hace que
la banda de incertidumbre sea mucho más ajus-
tada; la información de velocidad obtenida de los
datos de longitud de onda larga proviene de la
variación de los tiempos de arribo de las reflexio-
nes respecto del desplazamiento del VSP con
desplazamiento sucesivo de la fuente. Esta
mejora en la incertidumbre representa el
aumento del valor de la información obtenida con
un VSP con desplazamiento sucesivo de la fuente
frente a un VSP sin desplazamiento lateral de la
fuente. Esto puede combinarse con un análisis
financiero global del proyecto para determinar la
reducción del riesgo cuando se dispone de la
nueva información.
17. La ventaja de una superficie fractal para este análisis > Tamaño óptimo del modelo. Para un nivel de ruido equivalente a 5 mseg,
fue que, independientemente de la densidad de la retí- existe un tamaño óptimo de retícula que consiste de 25 celdas (flecha). Los
cula del modelo, éste nunca pudo ajustarse a la superfi-
cie. modelos más pequeños carecen de especificación suficiente y la información
18. Bailey W, Mun J y Couët B: “A Stepwise Example of Real
se pierde. Los modelos más grandes tienen un exceso de especificación y el
Options Analysis of a Production Enhancement Project,” ruido se modela junto con los datos.
artículo de la SPE 78329, presentado en la 13ª
Conferencia Europea del Petróleo, Aberdeen, Escocia, 29
al 31 de octubre de 2002.
16 Oilfield Review
y de visualización. Por otra parte, aunque los
datos se procesaran hasta ese nivel, hay ruido 300
presente en los mismos. El tamaño óptimo para la
0.77
Invierno de 2002/2003 17