Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 - Análisis Probabilístico de Productividad
1 - Análisis Probabilístico de Productividad
Para fortalecer este tipo de análisis, el ingeniero debe auxiliarse a través de métodos probabilísticos, ya
que permiten evaluar un amplio rango de datos y obtener varios escenarios (pesimista, más probable y
optimista) al momento de proponer un nuevo pozo. En los siguientes párrafos, se explicará una
metodología sencilla para realizar un análisis probabilístico de productividad.
Es importante tener claro una serie de conceptos de estadística básica y de probabilidades, por lo que
se recomienda descargar el siguiente manual haciendo clic aquí. Para empezar, en los modelos de
análisis probabilísticos de productividad se deben tomar como parámetros probabilísticos aquellos que
presentan mayor incertidumbre, ya que sensibilizar una gran cantidad de parámetros puede ocasionar
que la corrida del software sea mucho más lenta (tomar en cuenta que una corrida de 6 parámetros a
sensibilizar y 10.000 iteraciones puede tardar aproximadamente 3 horas en una computadora con
procesador de doble núcleo). Es importante identificar que cada parámetro o variable esté
caracterizada con la curva de distribución probabilística correcta. A continuación se hace mención
algunas de ellas:
Tabla No. 1: Tipos de Curvas de Distribución Probabilística.
Presiones
Factores Volumétricos
(Bo, Bg, Ug) Opinión del
Subjetiva Escasa
Cualquier otro dato Experto
que no se tenga
disponible
Nota: Existen varios tipos de curvas de distribución probabilística. Las identificadas en la tabla
anterior son las comúnmente usadas en la industria petrolera.
Es importante resaltar que los software de análisis de probabilidades permiten realizar un test de
bondad de ajuste, cotejando automáticamente la muestra de datos a un rankeo de curvas de
distribución probabilísticas. Luego de esto, los datos se encuentran ajustados a una curva de
distribución específica, luego es leída por el software, la cual realizará combinaciones aleatorias entre
las variables probabilísticas durante la corrida.
Luego de realizar la corrida, los datos de salida obtenidos son esencialmente también curvas de
distribución probabilísticas, para el caso ejemplo fueron el caudal de producción de líquido y gas. En
la gráfica a continuación se puede observar el resultado obtenido:
Figura 1. Ajuste probabilístico de la variable de tasa de líquido.
En la gráfica anterior se puede observar la probabilidad obtenida por clases o grupos (un total de 100),
la cual se obtuvo un valor medio de 2.560 BN/D de tasa de líquido. El ajuste de la curva de
distribución fue de tipo logística, y es mucho más precisa a altos caudales de producción de líquido. A
bajas tasas de producción, es apreciable que existe un menor ajuste, y es debido a que
aproximadamente el 17% de los casos corresponden a una condición de no flujo, producto de la no
existencia de corte entre las curvas de afluencia y la curva de levantamiento de fluidos. En el reporte se
puede observar información detallada de la corrida, tal como los percentiles de probabilidad para
evaluar el escenario pesimista, más probable y optimista, y el gráfico tornado para observar la
variables de mayor incertidumbre. Para el ejemplo mostrado, los resultados caudal de producción de
líquido fueron los siguientes:
Es importante tener en cuenta que mientras más iteraciones se hagan durante la corrida, más precisos
van a ser los resultados. Lo importante del método es que ya construida la macro que funciona de
conector entre el software de motor de cálculo (Prosper) y el software probabilístico (Crystal Ball
2000), se puede evaluar cualquier variable tanto de entrada como de salida que el ingeniero de
yacimientos requiera.