Crystal Ball - Hebert Huayraña

FICHA DE IDENTIFICACIÓN DE TRABAJO DE INVESTIGACIÓN
Título SIMULACIÓN Y MODELOS CON EL SOFTWARE CRYSTAL BALL
Nombres y Apellidos Código de estudiantes

Autor: Hebert Huayraña Espinoza 31321
Fecha 01/10/2019
Carrera Ingeniería en Gas y Petróleo

Asignatura Simulación y Modelos
Grupo “B”
Docente Ing. Roger Condori Lizárraga
Periodo Académico II/2019
Subsede La Paz
Copyright © (2019) por (HEBERT). Todos los derechos reservados.
.
Título: Simulación y Modelos con el Software Crystal Ball
Autor: Hebert Huayraña Espinoza
___________________________________________________________________________
RESUMEN:
Crystal Ball es un programa de análisis de riesgo y de pronóstico orientado a través de gráficos,

que es fácil de usar y está destinado a quitar la incertidumbre en la toma de decisiones.
Crystal Ball dispone, además, de la herramienta Option Quest (Opción de búsqueda), un valioso
módulo incorporado al programa principal que permite potenciar al máximo la incorporación de
las variables de decisión que puedan incorporar en cualquier modelo de simulación.
Muchas veces no es suficiente efectuar un simple pronóstico o una predicción, a veces se requiere
encontrar otro tipo de soluciones que nos permitan manejar ciertas variables sobre las cuales el
analista de riesgo, el Ingeniero, el que tiene el control, es decir, tiene el poder de decisión sobre
los valores que puede tomar estas variables -denominadas variables de decisión. Estas variables
estarán delimitadas dentro de cierto límites y un intervalo de crecimiento o disminución, a objeto
de que, además de efectuar el pronóstico, encuentre la mejor solución en el estudio.
Palabras clave: Programa, Gráficos, Herramienta, Variables, Simulación, Modelo.
ABSTRACT:
Crystal Ball is a program of risk analysis and forecasting oriented through graphics, which is easy
to use and is intended to remove uncertainty in decision making.
Crystal Ball also has the Option Quest tool, a valuable module incorporated into the main
program that maximizes the incorporation of the decision variables that can be incorporated into
any simulation model.
Many times it is not enough to make a simple forecast or a prediction, sometimes it is necessary
to find other types of solutions that allow us to manage certain variables over which the risk
analyst, the manager, the head of a project has control, that is, it has the power to decide on the
values that these variables can take - called decision variables. These variables will be delimited
within certain limits and a range of growth or decrease, so that, in addition to making the forecast,
you will find the best solution in the study of a problem.
Key words: Program, Graphics, Tool, Variables, Simulation, Model.
Asignatura: Simulación y Modelos

Carrera: Ing. Gas y Petróleo Página 2 de 30
___________________________________________________________________________
Tabla De Contenidos
Lista De Figuras ......................................................................................................................... 4

Introducción ............................................................................................................................... 5
Capítulo 1. Planteamiento del Problema .................................................................................... 6
Formulación del Problema ..................................................................................................... 6
Objetivos ................................................................................................................................ 6
Justificación............................................................................................................................ 6
Capítulo 2. Marco Teórico ......................................................................................................... 7
2.1 Área de estudio/campo de investigación .......................................................................... 7
2.2 Desarrollo del Marco ........................................................................................................ 7
2.2.1 Historia de Crystal Ball ............................................................................................. 7
2.3 Conceptos Básicos ........................................................................................................... 8
2.4 Versiones ........................................................................................................................ 14
2.5 Requisitos de Hardware ................................................................................................. 15
2.6 Requerimientos Software ............................................................................................... 15
2.6 Como Usar Crystal Ball ................................................................................................. 16
2.7 Análisis de Riesgo e Incertidumbre ............................................................................... 16
2.7.1 Identificación de modelos ....................................................................................... 16
2.8. Identificación de las Variables de Entrada ................................................................ 18
2.9 Área (A) ......................................................................................................................... 18
2.9.1 Porosidad efectiva de la formación (φ) y la Saturación de agua inicial (Sw). ........ 19
2.9.2 Generación de Distribuciones Probabilísticas utilizando el Software Crystall Ball 19
2.9.3 Espesor Neto Petrolífero (h) .................................................................................... 22
2.9.4 Factor Volumétrico del Petróleo a condiciones iniciales (Boi) ............................... 22
2.9.5 Factor de Recobro (FR) ........................................................................................... 23
2.9.6 Petróleo Acumulado (Np) ....................................................................................... 23
2.9.7 Distribución Probabilísticas de las Reservas Remanentes (RR) ............................. 26
2.9.8 Distribución Probabilística de Reservas Remanentes (RRem) ............................... 27
Capítulo 4. Conclusiones ......................................................................................................... 29
Referencias y Web grafía ......................................................................................................... 30

___________________________________________________________________________
Lista De Figuras
Figura 1: Ejemplo de Cristal Ball en MS Excel ....................................................................... 10

Figura 2: Tipos de distribución incluyen ................................................................................. 11
Figura 3: Cuadro de diálogo - Define Forecast ........................................................................ 12
Figura 4: Distribución Triangular del Área .............................................................................. 19
Figura 5: Galería de distribución Probabilísticas ..................................................................... 20
Figura 6: Distribución Log Normal de Porosidad .................................................................... 21
Figura 7: Distribución Log Normal de Saturación de Agua .................................................... 21
Figura 8: Distribución Log Normal de Espesor Neto Petrolífero ............................................ 22
Figura 9: Distribución Uniforme de Factor Volumétrico de petróleo a c. iniciales ................. 23
Figura 10: Distribución Uniforme de Factor de Recuperación ................................................ 23
Figura 11: Distribución Uniforme de Petróleo Acumulado. .................................................... 24
Figura 12: Distribución Probabilística del POES..................................................................... 25
Figura 13: Distribución Probabilísticas de Reservas Recuperables ......................................... 27
Figura 14: Distribución Probabilística de Reservas Remanentes ............................................ 28

___________________________________________________________________________
Introducción
Crystal Ball es un software de aplicación fácil de aprender y usar que permite efectuar un análisis
de riesgo y de pronóstico orientado a través de gráficos, y destinado a reducir la incertidumbre en
la toma de decisiones. Tiene una gran aceptación a nivel mundial por su facilidad de uso y
confiabilidad en sus pronósticos y su aplicabilidad se ha estandarizado como norma a una amplia
variedad de empresas de diferentes sectores.
Basado en la aplicación de la Técnica de Simulación Monte Carlo, es una herramienta que le

ayudará a validar y respaldar sus decisiones, optimizar los recursos escasos, maximizar la
rentabilidad o efectividad de cualquier proyecto de ingeniería o técnico, e incluso medir el riesgo
global de una propuesta.
Crystal Ball parte de modelos de hojas de cálculo preexistente o creadas por el usuario y, a partir
de estas, se incorporan características adicionales a las celdas de las hojas de cálculo para que se
pueda efectuar las simulaciones y obtener los pronósticos, predicciones y optimizaciones, a fin de
tener una herramienta valiosa que sirva para reducir el riesgo en la toma de decisiones en entornos
de incertidumbre. Esta herramienta tiene potencial prácticamente ilimitado para ser aplicado a
diferentes campos, sectores y ámbitos en la vida profesional, desde Ingenieros hasta técnicos.
Adicionalmente a los resultados gráficos, que son los más evidentes y que por defecto genera
Crystal Ball una vez que se lleva a cabo la primera ejecución, esta aplicación también produce
informes predefinidos tanto de los datos de entrada, como los generados aleatoriamente según las
distribuciones establecidas, así como los resultados de la propia simulación. Estos informes pueden
ser básicos o personalizados para cualquiera de los elementos que intervienen en un modelo de
simulación, tales como: variables de entrada (independientes/supuestos), variables de decisión,
pronósticos o estadísticas de datos.

___________________________________________________________________________
Capítulo 1. Planteamiento del Problema

Formulación del Problema
Cuale son los métodos para realizar una simulación y modelo con el software o programa de
Crystal Ball.
Objetivos
Objetivo General
• Conocer y manejar las diferentes herramientas que el software Crystal Ball que ofrece,
de modo que permita generar modelos a partir de simulaciones que sean aplicables a la
Ingeniería petrolífera, y nos lleve a obtener un resultado concreto que pueda servir de
guía para la implementación de un proyecto.
Objetivos Específicos
• Conocer y manejar las herramientas de Crystal Ball que permitan la elaboración de un

manual de fácil entendimiento para todos los usuarios que quieran acceder a este
• Diseñar la programación de un curso libre basado en el análisis de riesgo utilizando el

software Crystal Ball
• Crear un modelo que permita utilizar la herramienta de Crystal Ball en la solución de

un problema aplicado a la ingeniería hidrocarburifera
Justificación
La presente investigación se pone dar a conocer los principales aspectos a tener en cuenta para
realizar una breve simulación.
Gracias a Crystal Ball podrá evaluar riesgos en proyectos empresariales a través de modelos de
simulación de Excel, que le permitirán pronosticar, predecir y optimizar cualquier incertidumbre.
Para fines académicos, Crystal Ball está diseñado para la simulación de escenarios que convergen
a la formación de mejores decisores en la ejecución de proyectos, permitiendo la generación de
ciertas habilidades necesarias para un profesional.

___________________________________________________________________________
Capítulo 2. Marco Teórico
2.1 Área de estudio/campo de investigación
Se basa en los reservorios o campo petrolero o gas para determinar algunos yacimientos, como se
puede hacer los cálculos matemáticos con la aplicación de Crystal Ball.
2.2 Desarrollo del Marco
2.2.1 Historia de Crystal Ball
• Decisioneering es la empresa propietaria de Crystal Ball
• Fundada en 1986 con el objetivo de proveer de herramientas simples de utilizar sobre

planillas de cálculo, principalmente basadas en Excel, agregando la simulación de
Montecarlo como método principal para resolver problemas de riesgos.
• En 1998 introduce la versión Profesional que es la primera en su tipo que integra

simulación Montecarlo con Optimización Estocástica. También agrega la posibilidad de
analizar series de tiempo a través de Predictor.
• En Junio de 2004 Crystal Ball introduce Crystal Ball versión Premium, el primer software
de simulación que integra simulación Montecarlo, optimización estocástica, análisis de
series de tiempo y opciones reales, todo en un solo producto
• A comienzos de 2007 Hyperion adquiere a Crystal Ball con el objetivo de potenciar sus
herramientas de análisis de procesos de negocios.
• A mediados de 2007, Oracle Corporation adquiere Hyperion y como consecuencia también

a Crystal Ball, decidiendo mantenerla como unidad de negocios independiente tendiente a
ofrecer análisis de riesgos a sus productos tradicionales más los heredados.

___________________________________________________________________________
2.3 Conceptos Básicos
➢ ¿Qué es Crystal Ball?
Un conjunto de complementos de Microsoft Office Excel, desarrollados específicamente para

realizar análisis de riesgos mediante simulación Monte Carlo y Optimización Estocástica.
Esta desarrollado siguiendo los lineamientos de Microsoft de desarrollo de aplicaciones para

Windows utilizando la interface de aplicaciones framework y las herramientas de programación
Visual Studio.
➢ ¿Para qué Sirve Crystal Ball?
• Le permite hacer un análisis de riesgos sobre cualquier modelo que pueda

desarrollar en Excel
• Le permite determinar vía el análisis de sensibilidad cuales son los componentes

críticos de su modelo
• Le permite utilizar información histórica para correlacionar las variables de su

modelo
• Le permite estimar valores futuros de una serie de tiempo
• Le permite optimizar de manera estocástica su modelo
• Le permite utilizar el análisis de opciones reales para mejorar sus posibilidades de

negocios
• Le permite una fácil comunicación de resultados y mucho más.
• Le permite verificar y modificar sus variables de diseño en procesos six sigma
➢ ¿Dónde Podría Utilizar Crystal Ball?

• Finanzas Corporativas
• Servicios Públicos
• Recursos Humanos
• Planificación de Proyectos
• Proyectos de Inversión

___________________________________________________________________________
• Análisis de Carteras
• Circuito Administrativos
• Colas de Espera
• Sistemas Telefónicos
• Opciones Reales
• Sistemas de Medición
• Confiabilidad y Tolerancias
• Diseño de Productos
• Six Sigma y Lean Six Sigma
• Selección de Materiales
• Plantas Petroquímicas
• Exploración Petrolera
• Industria Aeronáutica
• Diseño de Experimentos
• Circuitos Administrativos
➢ ¿Qué es riesgo?
Condición en la cual una empresa se expone a situaciones no deseables, que pueden ser
consideradas como de pérdida o no éxito, e implican factores como la incertidumbre y asimetría
de información. De esta manera se puede afirmar que el riesgo está presente en la mayoría de las
decisiones a las que deben tomar las organizaciones.
Una vez identificados los riesgos, es posible generar un modelo que permita cuantificar las posibles
consecuencias, permitiendo al decisor determinar si vale la pena o no asumir el riesgo, reduciendo
así los costos que implicaría una inadecuada toma de decisiones.
➢ ¿Qué es un modelo?
Un modelo representa un proceso con combinaciones de datos, fórmulas y funciones, el cual

dependiendo la información que se introduzca en la hoja de cálculo puede ser generado por Crystal
Ball.
Para lograr un modelo apropiado se deben reconocer previamente los riesgos a analizar, los cuales
a su vez serán identificados con un conocimiento enfático de los valores particulares que infieren
en él, así como su variabilidad.
A diferencia de Crystal Ball que nos permite definir varias variables para su análisis, así como la
definición de los rangos para cada una, dentro de los modelos tradicionales se puede encontrar que

___________________________________________________________________________
los pronósticos obtenidos pueden verse limitados ya que su eficacia no arroja resultados lo
suficientemente óptimos para su aplicación, debido a la restricción o dispersión de sus datos.
Figura 1: Ejemplo de Cristal Ball en MS Excel
Fuente: (www.iniciativasempresariales.com)
Crystal Ball resulta entonces mucho más eficaz en la realización de análisis al incluir rangos de
variables mucho más específicas y poco dispersas que permiten mantener el panorama general del
modelo siempre a la vista, lo que significa que todas las variables establecidas, harán parte del
análisis del modelo, sin riesgo a ser excluidas.
➢ ¿Qué es la simulación Monte Carlo?
Simulación se refiere a cualquier método analítico con el objetivo de caracterizar

simplificadamente la realidad de un proceso económico en un modelo. El modelo se emplea para
tratar de evidenciar relaciones de causa efecto y realizar predicciones.
➢ ¿Qué sucede durante una simulación?
Una simulación calcula múltiples escenarios de un modelo de manera repetitiva ejemplificando

valores tomados desde las distribuciones de probabilidad para variables inciertas y así usar estos
valores en las celdas. Las simulaciones de Crystal Ball 2000 pueden realizar tantos ensayos (o
escenarios) como se quieran.
Durante un solo ensayo, Crystal Ball 2000 selecciona aleatoriamente un valor de las posibilidades
definidas (rango y forma de la distribución) para cada variable incierta y después recalcula la hoja
de trabajo. Obteniendo así un posible valor para ese escenario.

___________________________________________________________________________
El tipo de distribución se selecciona basado en las condiciones que rodean esa variable. Los tipos
de distribución incluyen:
Figura 2: Tipos de distribución incluyen
➢ ¿De dónde obtiene la Simulación Monte Carlo su nombre?
La Simulación de Monte Carlo fue nombrado en Monte Carlo, Mónaco, donde las atracciones
principales son los casinos y sus juegos de azar; tales como ruedas de la fortuna, dados, máquinas
de monedas.
Este comportamiento al azar es similar a como la Simulación de Monte Carlo selecciona los
valores de las variables de manera aleatoria, para simular el modelo. Por ejemplo, al lanzar un
dado se sabe que el número obtenido será 1, 2, 3, 4, 5 o 6 pero no se sabe cuál para cada lanzamiento
en particular. Es igual cuando dentro de un modelo se conoce el rango de valores pero se desconoce
en particular para cada evento o escenario (p.e. tipos de interés, precios, inventario, llamadas
telefónicas por minuto, etc.)
➢ ¿Cómo analizar los resultados de una simulación?
Para cada modelo de la hoja de cálculo se tiene un sistema de salidas importantes, tales como
totales de beneficios netos, o costos, que se deseen simular y analizar. Crystal Ball 2000 permite
definir esas celdas como pronósticos. Se pueden definir tantos pronósticos como se necesiten,
Crystal se encarga de recordar los valores de cada pronóstico para cada ensayo.
Durante la simulación se puede observar un histograma de resultados:

___________________________________________________________________________
Un pronóstico es una fórmula o salida de la celda que se desea simular y analizar, referido al cuadro
de probabilidades, desarrollados para cada pronóstico. Mientras corre la simulación, se puede ver
como los pronósticos se estabilizan hacia una distribución de frecuencia normal. Después de varios
ensayos se pueden observar las estadísticas de resultados y la certeza de cualquier resultado.
Figura 3: Cuadro de diálogo - Define Forecast
➢ ¿Qué es la certeza o certidumbre?
Certidumbre se define como el porcentaje de ocurrencia de que un pronóstico en particular caiga

dentro de un rango determinado. Por ende, las los resultados de las predicciones no solo muestran
los valores de las predicciones, sino también permiten saber la probabilidad de cada valor. En
Crystal Ball existen otros tipos de gráficas con más aplicaciones. Entre ellas destacan:
➢ Grafica de sensibilidad:
Permite analizar la contribución de los supuestos (variables inciertas) en la predicción, mostrando

todas aquellas de mayor impacto. Permite responder pregunta como ¿Qué factor incide más en la
incertidumbre de la utilidad neta? El análisis de sensibilidad permite concentrarse en las variables
más relevantes.

___________________________________________________________________________
➢ La gráfica de sobre posición:
Esta permite mostrar múltiples predicciones en el mismo eje, aunque los modelos estén en
diferentes hojas de cálculo. Esto con el fin de seleccionar las mejores alternativas. Esta herramienta
permite saber
¿Cuál de los proyectos tiene mayor retorno con menor variabilidad (Un menor rango de valores)?.
➢ Gráfica de tendencia:
Permite acumular pronósticos de tal forma que se puedan examinar tendencias y cambios en las
series. ¿Cómo cambia el riesgo en el tiempo?
➢ ¿Cuáles son los beneficios de realizar un análisis de riesgos con Crystal Ball 2000?
Cero conjeturas: Como ya se había mencionado anteriormente, los riesgos ocultos o no planteados
dentro de un modelo conducen a menudo a errores que implican grandes costos para las empresas.
Crystal Ball al ofrecer diferentes riesgos para calcular los riesgos, permite una comprensión más
rica de los riesgos inherentes al modelo.
No existen limitaciones con la hoja de cálculo de Excel: Mediante la Simulación de Monte Carlo
se pueden analizar múltiples escenarios sin necesidad de crear varias hojas de cálculo o estimar
una sola variable, como seria si no se contara con la herramienta de Crystal Ball.
Con el análisis de sensibilidad de Crystal Ball conocer los factores que realmente conducen a
resultados.
Con Crystal Ball los esfuerzos van encaminados a la realización y planteamiento del modelo, ya
que sus análisis es una herramienta que se genera por si sola.
➢ ¿Qué es Optimización?
La optimización es un proceso que encuentra la mejor o más óptima solución para un modelo. No
todos los modelos de una hoja de cálculo necesitan de optimización; sin embargo la técnica es muy
importante cuando se tienen variables dentro del modelo que se puedan controlar (P.Ej. Gastos) y
se quieren alcanzar metas máximas o mínimas que permitan confiar en esas variables.
Por ejemplo, un director de proyectos con restricción de presupuestos necesita saber con cual
combinación de siete portafolios posibles se obtendrá un mayor beneficio.
Con los modelos tradicionales de las hojas de cálculo, se pueden realizar optimizaciones simples
mediante programas como Sol ver en Excel. Sin embargo estas situaciones simples no se presentan
muy a menudo en la realidad. Con Opt Quest, el optimizador de Cristal Ball, se pueden realizar
optimizaciones lineales y no lineales a diferencia de las realizadas habitualmente por Excel, y
pueden ser realizadas bajo situaciones de incertidumbre. De este modo, con Opt Quest se pueden
encontrar variables óptimas cuando las variables son inciertas y cambian con el tiempo.

___________________________________________________________________________
➢ ¿Que son los pronósticos de series de tiempo?
Los pronósticos de series de tiempo es un método de pronósticos que usa un conjunto de valores
históricos para predecir un egreso. Estos valores históricos a menudo se refieren a “series de
tiempo”.
2.4 Versiones
El paquete de instalación de productos de Crystal Ball incluye los siguientes productos, que pueden
ser descargados directamente de la página Web, teniendo las licencias apropiadas o bien desde el
CD de Crystal Ball.
Se tienen cuatro ediciones de Crystal Ball en la actualidad:
• Edición estándar de Crystal Ball (incluye Crystal Ball)

• Edición Profesional de Crystal Ball (incluye Crystal Ball, CB Predictor y OptQuest)
• Edición Premium de Crystal Ball (incluye Crystal Ball, CB Predictor y OptQuest, y CB
Turbo)
• Edición académica: Nace a partir de la necesidad de reducir el costo del software para
usuarios académicos y para proporcionar materiales de enseñanza para docentes. Este
programa no tiene una tarifa o costo de entrada, y es pensado para facilitar la manera en
que profesores e instructores introducen a sus estudiantes en el uso de herramientas
analíticas basadas en hojas de cálculo tales como Crystal Ball
Dentro de la Edición académica se encuentran dos versiones de Crystal Ball:
• Versión estudiantil: Esta versión también llamada la “versión texto”, puesto que se incluye
con los libros relacionados con el tema. Esta versión está habilitada durante 140 días
después de la instalación.
• Versión académica: Esta versión se vende a través de la empresa Decisioneering y está
habilitada durante un año después de la fecha de compra. Para adquirir esta versión se debe
contactar a un representante de ventas.
También se ofrece la versión de prueba disponible en el sitio Web. Se trata de una versión de
evaluación gratuita, que está habilitada por 7 días después de la instalación. Para ello es necesario
registrarse en la página Web y a continuación se obtiene vía correo electrónico el vínculo
específico para descargar el archivo instalador, el nombre de usuario y la contraseña.

___________________________________________________________________________
Para poder instalar este software, es necesario estar conectado a Internet, pues verifica el id-
hardware de la máquina en la cual se vaya a instalar y lo relaciona con el nombre de usuario y
contraseña. Lo anterior implica que no se puede actualizar la licencia para un mismo equipo,
aunque se tenga más de un nombre de usuario o contraseña.
Las herramientas específicas presentes en para las diferentes ediciones y versiones del programa
son:
• CB Predictor para el pronóstico del series de tiempo (incluido con las versiones Profesional
y Premium o como producto independiente.)
• OptQuest, para el control de variables de simulación (Incluido con las versiones
Profesional y Premium)
• CB Turbo, para un rápido procesamiento distribuido en los equipos de una red (Incluido
con la versión Premium)
• Crystal Ball Tutorial, Herramienta de aprendizaje electrónico de Crystal Ball
• Análisis del riesgo usando Crystal Ball (versión demo): La documentación está presente
en formato de archivo .pdf, tanto en la instalación típica como la instalación personalizada.
2.5 Requisitos de Hardware
✓ Procesador Pentium o equivalente con 400 MHz o mayor)

✓ Al menos 64 MB en RAM
✓ Al menos 30 MB de espacio libre en Disco duro
✓ CD-ROM drive (En caso de tener la versión de Crystal Ball en CD)
✓ Tarjeta de video y monitor con al menos 800x600 píxeles de resolución
2.6 Requerimientos Software
Para ejecutar Crystal Ball correctamente, debe tenerse instalado el siguiente Software en el equipo.
• Sistema operativo Microsoft Windows 98, Windows Millennium Edition (Me),

WindowsNT 4.0 Workstation con Service Pack 6a o posterior, Windows 2000
Professional, Windows XP Home Edition, o Windows XP Professional.
• Microsoft Excel 97, 2000, 2002 (XP), o 2003.
• Microsoft Internet Explorer 5.0 o posterior. (Ayuda en línea)
• Adobe Acrobat Reader 4.0 o posterior (Solo para las opciones de instalación típica y
personalizada)

___________________________________________________________________________
2.6 Como Usar Crystal Ball
Crystal Ball extiende la capacidad de pronosticar modelos sobre la hoja de cálculo de Excel y
provee la información necesaria para que el usuario del software pueda llegar a ser un mejor y más
eficiente tomador de decisiones. Como usuario de Microsoft Excel, se conocen dos grandes
limitaciones:
• Se puede cambiar solo una celda al tiempo. Como resultado, al explorar el rango entero de
los datos ingresados, realmente no se puede determinar el riesgo que ha de generar impacto
sobre estos.
• El análisis “What-If” siempre resulta un punto sencillo de estimación que no indica la
probabilidad de alcanzar ningún valor en particular.
Crystal Ball supera estas dos limitaciones de la siguiente manera:
• Permite describir un rango de posibles valores para cada celda de incertidumbre dentro de
la hoja de cálculo. De modo, que todos los supuestos que se ingresen al modelo son
expresados al mismo tiempo.
• Usando un proceso llamado Simulación de Monte Carlo, Crystal Ball arroja resultados en
un cuadro de pronósticos que muestra el rango entero de posibles valores y la probabilidad
de alcanzar cualquiera de ellos.
2.7 Análisis de Riesgo e Incertidumbre
El análisis de riesgo e incertidumbre contempla la determinación de la Distribución Pirobalística

de las reservas de hidrocarburos y su comparación con las reservas oficiales en los libros. Este
análisis permite cuantificar la certidumbre de los compromisos volumétricos contemplados en los
portafolios de oportunidades (PDO). Se siguió la metodología que se describe a continuación.
2.7.1 Identificación de modelos
Se utilizó como punto de partida un modelo tradicional donde existen variables de entrada, un
modelo y variables de salida.
Para identificar el modelo de la investigación se utilizaron los conceptos de Petróleo Original en

Sitio (POE), Reservas recuperables (RR) y Reservas remanentes (RRem). Basados en esta
definición se determinó que los modelos matemáticos que permitirá realizar el análisis de riesgos
e incertidumbres son los siguientes

___________________________________________________________________________
Petróleo Original en Sitio (POES)
7758 ∗ 𝐴 ∗ ℎ ∗ 𝜙 ∗ (1 − 𝑆𝑤𝑖 )
𝑁=
𝐵𝑜𝑖
Donde las variables de entrada del modelo son:
𝜙 = Porosidad efectiva de la formación (fracción)

A = Area (acres)
H = Espesor neto petrolífero (pies)
Swi = Saturación de agua inicial (fracción)
Boi = Factor volumétrico del petróleo a condiciones iniciales (BY/BN)
7758 = Factor de conversión (Bis/acres x pies)
Reservas Recuperables (RR);
Rr = POES *Fr (MMBls)
POES = Petróleo Original en Sitio (MMMBls)

Fr = factor de Recobro (%)
Reservas Remanentes (RRem):
RRem = Rr – Np (MMBls)

Rr = Reservas Recuperables (MMBls)
Np = Petróleo Acumulados (MMBls)
Tomando como un punto de partida el modelo tradicional, basado en variables determinísticas, se

construyó un modelo de cuyas variables de entrada son del tipo probabilística, de manera de
considerar la incertidumbre (el rango de posibles valores) asociados a cada una de ellas.
El esquema muestra la existencia de incertidumbres en las variables de entrada, propagación de la

incertidumbre através del modelo matemático. Esta propagación se logra con la simulación de
modelo de Monte Carlo, para optener final mente la variable de salida (Variable de desición) que

___________________________________________________________________________
permitirá determinar al riesgo del modelo, en este caso el Petróleo Original en Sitio (POES)
Reservas Recuperables (Rr) y Reservas Remanentes (RRem.) del yacimiento.
2.8. Identificación de las Variables de Entrada
Los modelos más conocidos para cuantificar la incertidumbre asociada a una variable son las
distribuciones pirobalísticas. En esta etapa se propone encontrar la distribución de probabilidades
que mejor representa cada uno de las variables de entrada al modelo.
Como se describió anteriormente las variables de entrada son: 𝜙 (porosidad efectiva de la

formación), A (Área), h (espesor neto petrolífero), Swi (saturación del agua inicial), Boi (factor
volumétrico del petróleo a condiciones iniciales), POES (Petróleo Original en Sitio), Fr (Factor
de recobro), RR (reservas recuperables), y Np (petróleo acumulado). Cada uno de las variables
involucradas en los cálculos ya no están identificadas como valores determinísticos, por el
contrario cada uno de ellas está definida por una distribución probabilística.
A continuación se describe la metodología utilizado para caracterizar en forma pirobalística cada
una de las variables mencionadas.
2.9 Área (A)
La incertidumbre de este parámetro depende de la metodología empleada para determinar el área

del yacimiento. Generalmente se dispone de un único valor de área definido por los especialistas,
ubicándose esta en el libro de reservas.
Cuando la información es insuficiente para generar una curva de distribución probabilística, los
versados en la materia recomiendan el uso de la distribución normal con una desviación estándar
del 10% o ir disminuyendo en concordancia con el incremento del grado de definición de la
variable estudio, en este caso, el área de la acumulación.
Como se dispone de dos o tres posibles valores de área, una buena aproximación es considerar una
distribución probabilística triangular, en este caso, se requirió de valores mínimo, máximo y más
probable, los cuales se colocaron directamente en el programa.

___________________________________________________________________________
Figura 4: Distribución Triangular del Área
2.9.1 Porosidad efectiva de la formación (φ) y la Saturación de agua inicial (Sw).
Como se disponía de un volumen de datos previamente validados de la petrofísica detallada para

cada pozo del yacimiento en estudio, se procedió a llevar dicha información en una hoja de Excel.
El paso siguiente consistió en la generación de las correspondientes curvas de distribuciones
probabilísticas según el siguiente procedimiento.
2.9.2 Generación de Distribuciones Probabilísticas utilizando el Software Crystall Ball
Para generar una distribución probabilística a partir de un conjunto de datos reales) se utilizó la
Herramienta Crystall Ball, Este software debe estar instalado en la PC o a nivel de red) el cual al
ser activado) presenta un libro Excel con una barra de Herramientas adicional a la tradicionalmente
conocida en este programa.
Para la generación de una distribución probabilística se siguió el siguiente procedimiento:
a. En una hoja de Excel, con la aplicación de Crystall Ball activada, se organizó la

información sujeta al análisis. En este caso, un conjunto de datos de porosidad y saturación
asociados a pozos.
b. Se ubicó el cursor y se activó la celda de la variable sujeta al análisis. Esta celda debe estar
definida por un valor numérico colocado manualmente, no puede ser ni una celda con
fórmula ni una celda en blanco, de lo contrario esta variable no podrá ser definida por
Crystall Ball Se colocó el valor promedio del conjunto de datos asociados a las variables
de porosidad y saturación.
c. Una vez ubicados en la celda correspondiente, se hace un click en el icono Define
Assumption sobre la Barra de herramientas para activar la distribución probabilística. El
programa muestra automáticamente la galería de modelos probabilísticas.

___________________________________________________________________________
Figura 5: Galería de distribución Probabilísticas
Para mostrar los restantes modelos probabilísticos se hace un click, en el cuadro More y se
muestran las distribuciones restantes incorporadas en la galería. Para seleccionar alguna de las
curvas de la galería se hace un click sobre la distribución de preferencia.
d. Si se conoce previamente el comportamiento probabilística de la variable, se selecciona

directamente el modelo de la galería, en caso contrario, se hace click en el recuadro Fit
para generar la distribución probabilística capaz de reproducir el comportamiento de la
data real. El programa muestra en la pantalla un recuadro donde el usuario indica el rango
de datos a cotejar probabilísticamente.
e. Se hace clik en el recuadro Next para ir a la siguiente pantalla, en este momento se activan
las siguientes opciones: All continuous Distributions y Show Comparison Chart and
Boodness of Fit Statistics para visualizar todo el espectro de posibilidades. Para finalizar
se hace click en el recuadro Ok.
f. El programa muestra en cada una de las gráficas, la comparación entre el modelo

probabilístico generado y la data real. Las barras corresponden a la información real y la
línea corresponde a la distribución probabilística ajustada a ese conjunto de datos. El
programa muestra por defecto el modelo con el mejor ajuste, sin embargo, es posible
seleccionar otro tipo de distribución. Para ello se hace click en el botón de Next
Distribution visualizándose la gama completa y pudiéndose seleccionar aquella con la
mejor aproximación según el criterio del grupo de expertos.
Una vez seleccionada la distribución más representativa se hace click en el botón Aceptar
y el programa asignará automáticamente la distribución probabilística de la variable a la

___________________________________________________________________________
celda donde estaba ubicado el valor determinístico. Este procedimiento se repitió para cada
una de las variables.
En este caso, el mejor ajuste de los datos reales de porosidad se obtuvo para una
distribución del tipo Log Normal.
Figura 6: Distribución Log Normal de Porosidad
Mientras que el mejor ajuste de los datos reales de saturación de agua inicial se obtuvo para una
distribución del tipo normal.
Figura 7: Distribución Log Normal de Saturación de Agua

___________________________________________________________________________
Es importante tener en cuenta que mientras mayor es el nivel de data disponible, mejor será el
ajuste de los datos reales, a una distribución probabilística en Crystal Ball. De esta forma el valor
promedio obtenido es más representativo, es decir, posee un mayor grado de certidumbre.
Como el análisis se realizó en un yacimiento formado por varias arenas, se consideró la

información asociada a todos los pozos en donde dichos horizontales estaban presentes, aun
cuando éstos no estaban completados en dichos pozos.
2.9.3 Espesor Neto Petrolífero (h)
La construcción de las curvas de distribución probabilísticas de este parámetro fue similar al

aplicado a las variables de porosidad y saturación. El mejor ajuste de los datos reales de espesores
netos petrolíferos (h) se obtuvo para una distribución del tipo Log Normal:
Figura 8: Distribución Log Normal de Espesor Neto Petrolífero
2.9.4 Factor Volumétrico del Petróleo a condiciones iniciales (Boi)
La distribución asignada a este parámetro depende de la cantidad de análisis PVT (Presión,

Volumen y Temperatura) disponibles para el yacimiento, Si se contara con varios análisis
validados, se utilizaría toda la información disponible para generar la distribución probabilística
según el procedimiento explicado anteriormente. En su defecto, como se disponía de un único
PVT validado se utilizó una distribución probabilística uniforme.

___________________________________________________________________________
Figura 9: Distribución Uniforme de Factor Volumétrico de petróleo @iniciales
2.9.5 Factor de Recobro (FR)
Para generar la distribución probabilística del factor de Recuperación (FR) se consideró el valor
de Factor de recobro obteniendo de este estudio y por lo tanto se utilizó distribución probabilística
uniforme.
Figura 10: Distribución Uniforme de Factor de Recuperación
2.9.6 Petróleo Acumulado (Np)
Para generar la distribución probabilística del Petróleo Acumulado (NP) se consideró el valor del
petróleo acumulado otenido de este estudio y por lo tanto se utilizó una distribución probabilística
uniforme.

___________________________________________________________________________
Figura 11: Distribución Uniforme de Petróleo Acumulado.
Estimación Probabilística de Variables de salida

(Método de Monte Carlo utilizando el software Crystal Ball)
Distribución Probabilística del POES

La estimación probabilística del POES utiliza la fórmula del método volumétrico:
7758 ∗ 𝐴 ∗ ℎ ∗ 𝜙 ∗ (1 − 𝑆𝑤𝑖 )
𝑁=
𝐵𝑜𝑖
N = Petróleo Original en Sitio (POES) (BN)

𝜙 = Porosidad efectiva de la formación (fracción)
A = Area (acres)
H = Espesor neto petrolífero (pies)
Swi = Saturación de agua inicial (fracción)
Boi = Factor volumétrico del petróleo a condiciones iniciales (BY/BN)
7758 = Factor de conversión (Bis/acres x pies)
Es importante hacer la siguiente acotación: cada una de las variables involucradas en este cálculo
(A, h, Φ, Swi, Boi) ya no están más identificadas como un valor determinado, por el contrario, cada
una de ellas estará definida por una distribución probabilística.
Una vez definida la distribución probabilística de cada variable de entrada, se procedió a la

terminación del POES (variable de salida) de acuerdo a la siguiente metodología.

___________________________________________________________________________
a. Finalizada la sección del respectivo modelo probabilístico para cada variable, se procedió
a identificar la celda de la macro variable la cual será el producto de la ecuación matemática
del POES donde intervienen las variables definidas en los pasos anteriores.
b. Las celdas POES es producto de una formula, condiciones definidas en Crystal Ball. Para
ello se selecciona la celta del resultado (POES). Luego, se selecciona el icono “Define
Forecast” de la barra de herramientas.
Es icono le indica al sistema, la ejecución de una ecuación en donde el resultado será una
distribución probabilística calculada a partir de una Simulación Monte Carlo. El sistema muestra
automáticamente un recuadro en donde se identificara la variable a determinar. Haciendo Click en
Ok, la celda quedara automáticamente definida.
Figura 12: Distribución Probabilística del POES
c. Una vez definidas todas las distribuciones probabilísticas de cada variable independiente y
las celdas producto de ecuaciones, el programa queda listo para efectuar la simulación
Monte Carlo, realizando las correspondientes iteraciones acorde con la calidad pre-
establecida. Sin embargo, si el usuario desea notificar el número de iteración, debe activar
las opciones “Run” de la barra de herramientas de Excel y luego a “Run Preferences”. El
programa automáticamente mostrara en la pantalla el cuadro donde se coloca el número de
iteraciones deseadas.

___________________________________________________________________________
Mientras mayor sea el número de variables involucradas, el número de combinaciones se

incrementa y por ende, mayor deberá ser el número de iteraciones a seleccionar,
recomendándose utilizar un mínimo de 10 000 iteraciones.
d. Para iniciar el cálculo, se hace click en el icono Start Simulation de la barra de

herramientas. En este momento se observa en la pantalla todas las iteraciones realizadas
por el programa.
El resultado tendrá ahora una distribución probabilística definida, la cual será el producto
de combinar aleatoriamente las distribuciones asociadas a cada variable.
La moda de la distribución resultante corresponde al valor más probable de estas variables

y puede ser comparado con el valor determinísticos y/o oficial manejado en el área. Esta
distribución da el rango completo de los valores posibles de esta variable.
2.9.7 Distribución Probabilísticas de las Reservas Remanentes (RR)
Una vez obtenido el POES y el Factor de Recobro Probabilístico, se procede a efectuar la

estimación probabilística de las Reservas Recuperables (RR) utilizando la siguiente fórmula.
RR = POES * FR (MMBls)
POES = Petróleo Original en Sitio (MMBls)

FR = Factor de Recobro (%)
Tanto el POES como las reservas pasan de ser un número determinístico a una distribución
probabilística, cuyo comportamiento estará en función del comportamiento real de las variables
involucradas en su cálculo.

___________________________________________________________________________
Figura 13: Distribución Probabilísticas de Reservas Recuperables
2.9.8 Distribución Probabilística de Reservas Remanentes (RRem)
Una vez obtenidas las Reservas Recuperables y el petróleo acumulado probabilístico, se procede
a efectuar la estimación probabilística de las Reservas Remanentes (RRem) utilizado la siguiente
formula.
RRem = RR – Np
RR = Reservas Recuperables (MMBls)

Np = Petróleo Acumulado (MMBls)
Tanto la Reservas Recuperables (RR) como el Petróleo Acumulado (Np) pasan de ser un número
determinísticos a una distribución probabilística, cuyo compartimiento estará en función del
comportamiento real de las variables involucradas en su cálculo.

___________________________________________________________________________
Figura 14: Distribución Probabilística de Reservas Remanentes
El resultado de las Reservas Recuperables y Remanentes estará definido por una distribución
probabilística particular, donde la moda corresponderá al valor más probable y el rango de la curva
mostrará todos los valores posibles.
En los gráficos resultantes es posible la ubicación del valor oficial, tanto del POES como de las
Reservas Recuperables y Remanentes, pudiéndose presentar una de estas cuatro posibilidades:
• Valor Libro = Valor Probabilístico (Basado en lo más probable)

• Valor Libro < Valor Probabilístico (Oportunidad)
• Valor Libro > Valor Probabilístico (Mayor Riesgo)
• Valor Libro >>> Valor Probabilístico (No materializable)

___________________________________________________________________________
Capítulo 4. Conclusiones
Crystal Ball es una herramienta potente para realizar análisis y de pronóstico orientado a través de
gráficos, permitiendo reducir la incertidumbre en la toma de decisiones. Su utilización se extiende
no solo a Análisis Financieros, sino también para simular cualquier escenario donde existan
variables de entrada y de salida con un resultado.
La toma de decisiones es una habilidad fundamental dentro de las empresas y profesionales

actuales por lo que se hace necesario disponer de ciertos sistemas de análisis que permitan
disminuir el riesgo ante una decisión compleja.
Crystal Ball dispone, además, de la herramienta Option Quest (Opciones de Búsqueda), un valioso
módulo incorporado al programa principal que permite potenciar al máximo la incorporación de
las variables de decisión que puedan incorporar en cualquier modelo de simulación. Muchas veces
no es suficiente efectuar un simple pronóstico o una predicción, a veces se requiere encontrar otro
tipo de soluciones que nos permitan manejar ciertas variables sobre las cuales el analista de riesgo,
el gerente, el jefe de un proyecto tiene el control, es decir, tiene el poder de decisión sobre los
valores que puede tomar estas variables -denominadas variables de decisión-. Estas variables
estarán delimitadas dentro de cierto límites y un intervalo de crecimiento o disminución, a objeto
de que, además de efectuar el pronóstico, encuentre la mejor solución en el estudio de una
problemática.
Gracias a Crystal Ball podrá evaluar riesgos en proyectos empresariales a través de modelos de
simulación de Excel, que le permitirán pronosticar, predecir y optimizar cualquier incertidumbre.

___________________________________________________________________________
Referencias y Web grafía
EVANS, James R LAGUNA Manuel; “OptQuest User Manual”; 1988- 2004, Decisioneering,
Inc.; Págs. 1-204
TAHA Hamdy “Operations Research. An Introduction”; 6th Edition; Ed. Prentice Hall; 1997;
Págs. 1-67
MUN, Johnathan; “Applied Risk Analysis. Moving Beyond Uncertainty in Business”, Ed. John
Wiley 2003. CD ROM.
http://www.docentes.fcefa.edu.bo
http://simulacionitca.blogspot.com
https://www.iniciativasempresariales.com
prezi.com/jbl5mol5hydp/crystal-ball-oracle/


Crystal Ball - Hebert Huayraña

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Crystal Ball - Hebert Huayraña

Cargado por

Copyright:

Formatos disponibles

FICHA DE IDENTIFICACIÓN DE TRABAJO DE INVESTIGACIÓN

Título SIMULACIÓN Y MODELOS CON EL SOFTWARE CRYSTAL BALL

Nombres y Apellidos Código de estudiantes

Carrera Ingeniería en Gas y Petróleo

Crystal Ball es un programa de análisis de riesgo y de pronóstico orientado a través de gráficos,

Palabras clave: Programa, Gráficos, Herramienta, Variables, Simulación, Modelo.

Key words: Program, Graphics, Tool, Variables, Simulation, Model.

Asignatura: Simulación y Modelos

Lista De Figuras ......................................................................................................................... 4

Asignatura: Simulación y Modelos

Figura 1: Ejemplo de Cristal Ball en MS Excel ....................................................................... 10

Asignatura: Simulación y Modelos

Basado en la aplicación de la Técnica de Simulación Monte Carlo, es una herramienta que le

Asignatura: Simulación y Modelos

Capítulo 1. Planteamiento del Problema

• Conocer y manejar las herramientas de Crystal Ball que permitan la elaboración de un

• Diseñar la programación de un curso libre basado en el análisis de riesgo utilizando el

• Crear un modelo que permita utilizar la herramienta de Crystal Ball en la solución de

Asignatura: Simulación y Modelos

Capítulo 2. Marco Teórico

2.1 Área de estudio/campo de investigación

2.2 Desarrollo del Marco

2.2.1 Historia de Crystal Ball

• Decisioneering es la empresa propietaria de Crystal Ball

• Fundada en 1986 con el objetivo de proveer de herramientas simples de utilizar sobre

• En 1998 introduce la versión Profesional que es la primera en su tipo que integra

• A mediados de 2007, Oracle Corporation adquiere Hyperion y como consecuencia también

Asignatura: Simulación y Modelos

2.3 Conceptos Básicos

➢ ¿Qué es Crystal Ball?

Un conjunto de complementos de Microsoft Office Excel, desarrollados específicamente para

Esta desarrollado siguiendo los lineamientos de Microsoft de desarrollo de aplicaciones para

➢ ¿Para qué Sirve Crystal Ball?

• Le permite hacer un análisis de riesgos sobre cualquier modelo que pueda

• Le permite determinar vía el análisis de sensibilidad cuales son los componentes

• Le permite utilizar información histórica para correlacionar las variables de su

• Le permite estimar valores futuros de una serie de tiempo

• Le permite optimizar de manera estocástica su modelo

• Le permite utilizar el análisis de opciones reales para mejorar sus posibilidades de

• Le permite una fácil comunicación de resultados y mucho más.

• Le permite verificar y modificar sus variables de diseño en procesos six sigma

➢ ¿Dónde Podría Utilizar Crystal Ball?

Asignatura: Simulación y Modelos

Un modelo representa un proceso con combinaciones de datos, fórmulas y funciones, el cual

Asignatura: Simulación y Modelos

Figura 1: Ejemplo de Cristal Ball en MS Excel

➢ ¿Qué es la simulación Monte Carlo?

Simulación se refiere a cualquier método analítico con el objetivo de caracterizar

➢ ¿Qué sucede durante una simulación?

Una simulación calcula múltiples escenarios de un modelo de manera repetitiva ejemplificando

Asignatura: Simulación y Modelos

Figura 2: Tipos de distribución incluyen

➢ ¿De dónde obtiene la Simulación Monte Carlo su nombre?

➢ ¿Cómo analizar los resultados de una simulación?

Durante la simulación se puede observar un histograma de resultados:

Asignatura: Simulación y Modelos

➢ ¿Qué es la certeza o certidumbre?

Certidumbre se define como el porcentaje de ocurrencia de que un pronóstico en particular caiga

Permite analizar la contribución de los supuestos (variables inciertas) en la predicción, mostrando

Asignatura: Simulación y Modelos

➢ La gráfica de sobre posición:

Asignatura: Simulación y Modelos

➢ ¿Que son los pronósticos de series de tiempo?

Se tienen cuatro ediciones de Crystal Ball en la actualidad: