Newsletter Genesis do Brasil

Caro leitor,

Nos meses de julho, agosto e setembro de 2011 divulgamos um conjunto de quatro newsletters com o
objetivo de divulgar a metodologia desenvolvida pela Genesis para planejamento e acompanhamento
das intervenções de poços. Estes informativos foram bem aceitos pela comunidade e, constantemente,
nos solicitam a sua reedição. Para atender estas solicitações preparamos a consolidação do texto
técnico, apresentado a seguir.

Sobre a Genesis do Brasil

A Genesis do Brasil é uma empresa brasileira com corpo técnico formado por profissionais brasileiros
que entrega soluções de previsibilidade através de uma combinação de metodologia, serviços e
produtos de software. Os produtos aqui descritos têm sido aplicados com sucesso no maior projeto
estratégico da Petrobras, o Pré-Sal, e na Bacia de Campos.

Previsibilidade: administrando a incerteza de tempo e

custo na operação de poço.

Metodologia Genesis do Brasil

Figura 1. Formação da base de conhecimento e uso na previsibilidade de operações de poço

Os softwares Genesis foram desenvolvidos pelo centro de pesquisa Australiano CSIRO (Commonwealth
Scientific and Industrial Research Organisation) em conjunto com profissionais da Petrobras, gerando
uma solução perfeitamente alinhada com as necessidades da empresa. Estes softwares, associados à
metodologia de análise desenvolvida para operações de poço e a uma base de conhecimento, permitem
gerar nosso principal resultado: previsibilidade no planejamento e acompanhamento para avaliação
de performance (figura 2). A metodologia inclui um tratamento adequado dos dados, o que não é
feito por nenhum outro sistema (figura 1 – Estruturação).

Figura 2. Planejamento e acompanhamento de operações de poço

Previsibilidade nas intervenções de poço

Figura 3: Disciplina de Capital, representada pela maximização da rentabilidade do investimento e do Valor

Presente Líquido.
Com previsibilidade se obtém a melhor distribuição das verbas alocadas em projetos concorrentes e a
máxima rentabilidade do capital investido. A previsibilidade contribui de forma decisiva para se chegar
a um dos mais importantes valores estratégicos: Disciplina de Capital (figura 3).

Prever não significa evitar o risco ou impedir o impacto, mas sim reconhecer sua probabilidade,
garantindo as condições para decisões que permitam manter os efeitos em níveis aceitáveis para o
negócio.

Prever é manter processos dinâmicos que analisem, desenvolvam, documentem e mantenham

atualizados estudos de cenários. Um dos mais importantes cenários no desenvolvimento do campo de
petróleo é a análise da sequência operacional da intervenção no poço, quer seja de perfuração,
completação ou workover, tanto para a duração da intervenção quanto para o seu custo orçado,
representado pela AFE-Authorization for Expenditure.

Hoje ainda é praxe na indústria ter a AFE estimada de forma determinística.

AFE Probabilística

A AFE probabilística pode ser obtida a partir de uma Base de Conhecimento bem estabelecida,
conforme figura abaixo.

Figura 4- Geração da AFE probabilística

O uso da AFE determinística tem levado a diferenças entre 20 e 35% do custo real para o custo
previsto [1]. Um estudo comparativo [2] da duração estimada de forma determinística e probabilística
com a duração real de dois poços executados em um campo com 27 poços perfurados no mar do norte
do Reino Unido demonstrou o melhor ajuste da AFE probabilística (figura 5).

Figura 5: Vantagem do uso da AFE probabilística.

As companhias operadoras registram diariamente suas operações e respectivas durações, formando

uma base de dados a ser transformada em conhecimento para geração da AFE probabilística de poços
futuros.

Afinal, como sua companhia estima a duração e o custo de uma intervenção hoje? De forma
determinística ou probabilística? Fazem o uso da base de conhecimento?

Na próxima newsletter iremos detalhar a construção desta Base de Conhecimento.

Bibliografia:

[1] Hanschitz, M. “AFE (Authority for Expenditure) Generation Based on Risk Analysis and Time Versus
Depth Information from Similar Database Wells”, setembro 1997, Tese de Mestrado, University Leoben,
Austria
[2] Peterson, S.K.; Murtha J.A.; Schneider, F.F. “Risk Analysis and Monte Carlo Simulation Applied to
the Generation of Drilling AFE Estimates”, 1993, SPE 26339

Fim da Newsletter 1

Transformando Informações do Boletim Diário de Operações em

Base de Conhecimento para Melhorar a Previsibilidade
“Acompanho a comercialização dos produtos Genesis desde o tempo em que CSIRO estava desenvolvendo
este produto juntamente com parceiros da indústria. Durante este período, recebi comentários positivos por
parte de usuários a respeito dos benefícios associados ao bom gerenciamento e previsibilidade das
intervenções futuras nas operações de poços.”
Dr. Edson Nakagawa, Petroleum & Geothermal Research Portfolio Director, CSIRO

Base de Conhecimento

Além da previsibilidade (“Plano” na figura 1), a Base de Conhecimento também é aplicada na

identificação de problemas e na avaliação do desempenho de cada operação. O principal objetivo da
Base de Conhecimento é otimizar o processo de planejamento e execução do poço.

Figura 1. Ciclo de planejamento e execução de um poço [1].

A Base de Conhecimento é formada pelo conjunto de operações constantes do banco de dados da
companhia, estruturadas de acordo com um sistema de codificação destas operações.

Codificação de Operações

É muito difícil comparar uma intervenção com outra, mesmo tendo os mesmos objetivos e sendo
realizada no mesmo campo, mas as operações podem ser comparáveis entre si (Figura 2).

Figura 2: As operações são comparáveis entre si, mas as intervenções não.

Para garantir a qualidade da codificação e a padronização das operações codificadas, mesmo em

intervenções diferentes, é necessário estruturar os dados diários de operação em uma Ontologia de
Operações (organização das operações construída a partir de consenso na comunidade da empresa).

Uma estrutura que apresenta a definição de mais de 200 operações de poços obedece ao esquema
apresentado na figura 3:

Figura 3: Diagrama das outras entidades que se relacionam com a Operação.

Os quadros representam as entidades e os arcos seus relacionamentos. A terminação com “pé-de-
galinha” representa um relacionamento com diversos elementos daquela entidade. Por exemplo, uma
Operação é composta por uma Sequência de Etapas (várias etapas) e é realizada com um ou mais
Padrões de Execução. Cada Padrão de Execução contêm uma Lista de Recursos (vários recursos)
para a sua execução. Na realização da Operação podem ocorrer Anormalidades. Para mais detalhes
veja referência [2] na bibliografia.

Quando a informação contida no boletim diário é codificada de acordo com esta Estrutura de
Operações, criamos o conjunto de sementes estatísticas que podem ser comparadas entre si, gerando
a Base de Conhecimento para a análise de risco através da simulação de Monte Carlo.

Este modelo de Base de Conhecimento ganhou o prêmio de “Melhor inovação técnica” em um artigo [3]
no congresso Offshore Asia 2009.

Qualidade e Confiabilidade da Base de Conhecimento

O problema é como codificar informações diárias à medida em que são realizadas, com cerca de 200
opções de código, feitas por vários fiscais diferentes e esperar que a codificação tenha qualidade e
uniformidade que permita a comparação desejada. A figura 4 apresenta um fluxo de trabalho que
otimiza a codificação e formação da Base de Conhecimento.

Figura 4: Fluxo para formação e uso da Base de Conhecimento.

Nesta newsletter mostramos como construir uma Base de Conhecimento uniforme composta por
operações padronizadas que podem ser comparadas entre si, permitindo o planejamento de sequências
operacionais formadas por estas operações padronizadas.

Desta forma, a Base de Conhecimento estará pronta para subsidiar a estimativa da duração da sua
intervenção.

Você lembra os conceitos de distribuição probabilística e simulação de Monte Carlo, necessários para
formar os cenários de previsibilidade da duração de intervenções?
Esse será o assunto da nossa próxima newsletter.

Bibliografia:

[1] Nakagawa, E.; Damski, C.; Miura, K. “What is the source of Drilling and Completions Data”, SPE
93822

[2] Miura, K. “Um Estudo sobre a Segurança Operacional na Construção e Reparo de Poços Marítimos
de Petróleo”, 2004, Tese de Doutorado. Departamento de Engenharia de Petróleo, Faculdade de
Engenharia Mecânica, Universidade Estadual de Campinas.

[3] Miura, K.; Coelho, M.; Damski, C.; Martins, L. F. C.; Albuquerque, M. D. C.; Prudente, M. A.;
Nascimento, M. D.; Cordeiro, J. L. “Planning & Following up Well Completion & Workover Activities
using Ontology of Operations.” 2009, Offshore Ásia.

(este artigo recebeu o prêmio “Best Technical Innovation Award” no Congresso Ofshore Asia 2009 e foi
publicado na revista Offshore edição outubro/2009)

Curiosidade: Ontologia e o McDonalds

Aula de inglês. A professora explicava aos alunos a importância de se comunicar quando um aluno
argumentou que o mais importante é saber como obter comida. Para exemplificar, contou que quando
viajou para os Estados Unidos a primeira coisa que fez ao chegar, faminto, foi entrar em um McDonalds
e pedir "number one, please" (número um, por favor). O atendente respondeu, com um inglês
carregado de sotaque, um monte de coisas que ele não conseguiu entender. Pacientemente repetiu a
frase "number one, please" uma, duas vezes, até que o rapaz entendeu, tirou o ticket de venda e
indicou o valor a pagar. Assim, facilmente ele conseguiu receber e comer o mesmo que comprava no
McDonald’s no Brasil: um Big Mac com batata frita e refrigerante, exatamente como esperava.

Isto é um bom exemplo do que é ontologia: a organização do cardápio através de um conceito aceito
e conhecido pelos frequentadores McDonalds. Ou seja, a Opção No. 1 do McDonald’s é uma Ontologia
do Menu. Além de o cliente saber o que vai receber, o vendedor sabe o que entregar e o valor a cobrar.
O cozinheiro, por sua vez, através da mesma informação, segue o procedimento para montar o lanche
pedido. Este é o poder da ontologia: com conceitos em comum, vários envolvidos podem se comunicar
entre si e cada um realizar com precisão a parte da tarefa que lhes cabe.

Fim da Newsletter 2

Usando a Base de Conhecimento para cálculo da AFE

“Mais do que simples softwares, a Genesis oferece serviços técnicos de consolidação de conhecimento
sobre as operações realizadas no poço e, além disso, a consolidação de conhecimento sobre as técnicas de
perfuração usadas num campo. O primeiro tipo de conhecimento serve de base para a otimização das
intervenções, enquanto que o segundo tipo de conhecimento serve para a otimização de projetos de
perfuração naquele campo. Para realizar tudo isso, eles tem um convênio com a UNICAMP que fornece o
apoio teórico ao serviço técnico.”
Kazuo Miura
Consultor, Engenheiro de Petróleo, DSc
CENPES/PDGP/PCP

Mostramos, nas duas newsletters anteriores, que a Base de Conhecimento requer uma Estrutura de
Operações uniformes que possibilite a comparação entre operações realizadas em diversas
intervenções e que possa ser utilizada em um processamento estatístico (Simulação de Monte Carlo)
para a previsão de duração de futuras intervenções, conforme mostrado na figura 1.

Figura 1: Fluxo de geração da Sequência Operacional Probabilística

Distribuição Probabilística

Antes de descrevermos a Simulação de Monte Carlo é necessário mostrar, em linhas gerais, a

distribuição probabilística das amostras de duração de operações contida na Base de Conhecimento.
A distribuição probabilística é uma função que representa a probabilidade que a duração de operações
tem de assumir um intervalo de valores. Por exemplo, se o valor de P75 é de 15 dias, isso significa que
75% dos casos ocorrem em até 15 dias.
 Figura 2 - Distribuição lognormal: a distribuição é assimétrica em relação à moda.

A distribuição lognormal (figura 2) é assimétrica, ou seja, o valor mais provável (moda) se posiciona
nas menores durações. A área sob a curva à esquerda da moda é menor do que a área à direita,
indicando que ocorreram mais operações com duração superiores a moda do que operações com
duração inferior.
Este modelo é consistente com o que ocorre na prática porque existe um esforço para realizar a
operação no menor tempo possível (levando a moda para a esquerda), mas não é difícil ocorrer
anormalidades na operação que, em alguns casos, levam a duração para valores muito mais elevados.
Na figura 3 vemos um exemplo, dentre vários que temos encontrado em nossos trabalhos, do ajuste
desta distribuição à duração das operações de poço.

Figura 3: Exemplo de ajuste da distribuição lognormal à duração das operações de poço.

 Simulação de Monte Carlo

A Simulação de Monte Carlo (SMC) envolve o uso de funções matemáticas para analisar e simular
diversos cenários. O método pode ser aplicado em problemas de tomada de decisão que envolvem
risco e incerteza. Para operacionalizar a SMC, alguns passos básicos devem ser seguidos, como mostra
a figura 4.

Figura 4: Operacionalização da Simulação de Monte Carlo

Repetindo-se esta simulação milhares de vezes, obtem-se várias durações da sequência operacional
simulada formando o cenário de risco apresentado na Figura 5.

Figura 5: Ciclo desde a coleta dos dados até o cenário de risco da sequência operacional

A SMC produz várias estimativas para a duração da intervenção. Este conjunto de estimativas é
modelado tomando por base a distribuição de probabilidade de cada operação. Se tomarmos uma
simples soma dos valores estatísticos de cada operação, a incerteza final será maior do que se usarmos
a SMC, conforme figura 6.
 Figura 6: Redução da incerteza pelo uso da SMC

É importante ressaltar que estipular valores determinísticos para a duração da intervenção não
representa ausência de incerteza. Pelo contrário, o valor determinístico desconsidera este aspecto. A
análise probabilística permite conhecer e gerir a incerteza da duração da intervenção e também
permite uma melhor decisão de negócio.

A AFE Probabilística

Com o cenário de risco operacional estabelecido, pode-se escolher entre uma probabilidade ou uma
faixa de probabilidades para calcular o custo da intervenção. Por exemplo, calculamos o custo para a
duração de poço com P50 ou informamos que o custo previsto estará contido na faixa entre P50 e P75.
Utilizamos a duração escolhida para cada operação e para cada fase completa e aplicamos os custos
contratuais dos insumos mais as regras de negócio da empresa (fórmulas de cálculo das quantidades
de insumos para o poço) para chegarmos ao custo total do poço para cada P escolhido. Desta forma,
transportamos a incerteza do tempo para o custo, incerteza esta minimizada pelo uso da Base de
Conhecimento.
Agora que se sabe como é elaborada a previsão de duração e custo da intervenção, é preciso
acompanhar a sua execução para avaliar o que está sendo realizado em cada operação em relação ao
seu histórico contido na Base de Conhecimento, permitindo girar o ciclo de melhoria contínua. Este será
o assunto da nossa próxima newsletter.

Fim da Newsletter 3
 Avaliando a performance de cada operação em relação à Base de
Conhecimento

“While working for Anadarko Corp. few years ago as Tech Advisor, we used Genesis products extensively to
implement process improvement in drilling campaigns, including deep-water and ultra-deepwater
environments. During that period we measured significant savings to the tune of millions of dollars and
several days saved, per well, in time and cost across many well campaigns.”
Dr. A. Willie Iyoho, Shell Project and Technology, Houston

Nas 3 primeiras newsletters mostramos a metodologia empregada para formar a Base de

Conhecimento da companhia e o seu uso na otimização da previsibilidade de tempo e custo das
intervenções de poços.

Uma outra aplicação da Base de Conhecimento, que é tão importante para a disciplina de capital
quanto a previsibilidade, é a melhoria contínua da execução das intervenções.

Processo de Melhoria da Execução das Intervenções de Poço

Para estabelecer um processo de melhoria devemos ter como insumo a medição do que foi realizado e
em seguida usarmos esta medição para calcular os indicadores-chave da execução da intervenção de
poço. Estes indicadores-chave vão suportar a tomada de decisão e as ações que provocarão a melhoria
que se pretende atingir. O modelo simplificado deste processo, permeando os níveis operacional, de
engenharia e gerencial, é apresentado na Figura 1.

Figura 1: Processo de melhoria da execução de intervenções de poço.

Nossa participação neste processo é transformar os dados operacionais em indicadores-chave e

compará-los com os dados históricos (benchmarking interno) para fornecer subsídios às decisões
estratégicas e de planejamento operacional que irão produzir a melhoria contínua.

Medição e benchmarking dos indicadores-chave

Indicadores-chave da intervenção de poços são tempo de duração e custo da intervenção, sendo o

custo altamente dependente do tempo. A duração da intervenção pode ser estratificada para a duração
de cada operação.

O gráfico da Figura 2 mostra como os dados históricos de duração podem ser representados por
parâmetros estatísticos de uma distribuição lognormal. Essa distribuição de cada operação está contida
na Base de Conhecimento. A representação da distribuição é melhor visualizada usando o gráfico de
box plot, conforme a Figura 3.

Figura 2: As durações históricas de uma operação plotadas como uma distribuição lognormal

O gráfico box plot é interessante para avaliação das operações porque ele fornece visualmente dois
tipos de informações: performance e controle de processo. A performance é indicada pelo valor da
duração executada em relação a distribuição das operações já executadas (quartil de execução). A
indicação do controle do processo de execução da operação ao longo do tempo é representada pela
distância entre P90 e P10 ou, mais fácil de visualizar, pela altura do retângulo (veja a Figura 3).

Dado que uma operação atual tenha sido executada com uma determinada duração, indica-se em qual
quartil da distribuição probabilística esta operação ficou situada. Esta informação é transmitida ao
grupo de interesse por meio de um código de cores.
Figura 3: Representação da distribuição probabilística da duração da operação em um gráfico box plot e
o respectivo código de cores para indicação do quartil em que a duração da operação se situou.

Na avaliação de performance de uma intervenção é importante verificar o desempenho das operações

executadas, bem como sua relativa importância em termos de tempo total. O box plot de todas as
operações juntas permite identificar as que têm maior impacto na intervenção e maior variabilidade,
podendo-se então priorizar o planejamento destas operações.

Figura 4: Exemplo de acompanhamento da medição da performance nas operações de perfuração de

um poço (a numeração no eixo X indica a sequência das operações que foram realizadas ou estão
planejadas (cor azul)).

Medindo a performance de um tipo de intervenção

A Figura 5 mostra uma comparação de um determinado tipo de intervenção. Esse tipo de intervenção é
representado por um conjunto de operações que, para fins de avaliação de performance, é fixado como
um conjunto de operações relevantes que sempre ocorrem neste tipo de intervenção. Essas operações
foram filtradas na Base de Conhecimento para um campo específico e para cada período. O tempo total
da intervenção para cada período é então mostrado na forma de box plot.
 Figura 5: Avaliação da performance ao longo do tempo para a execução de uma intervenção de poço
composta por uma sequência de operações relevantes, em um campo específico.

Podemos notar que, a partir do 1º semestre de 2009, a execução da intervenção piorou em termos de
duração média e houve perda de controle do processo. O primeiro semestre de 2010 representou o
período de pior performance. Desde então, a execução começou um período de melhoria contínua,
tanto em duração média quanto em controle do processo, com potencial para atingir os mesmos
valores médios do 2º semestre de 2007.

Esta metodologia permite aprofundar a análise, estratificando a sequência operacional em box plot
para cada operação, para que se localize tanto aquelas que mais contribuíram para piorar quanto
aquelas que mais contribuíram para melhorar a performance. Estas informações auxiliam os
profissionais de engenharia e os gerentes nos processos de tomada de decisão que têm por objetivo a
melhoria contínua da execução da operação e, consequentemente, da intervenção.

Mostramos, nesta newsletter e nas anteriores, o ciclo completo que compõe a nossa metodologia.
Vocês poderão avaliar a sua aplicação em suas intervenções e obter os benefícios da previsibilidade de
resultados e da melhoria contínua da execução das intervenções de poço.

Oportunamente continuaremos nosso diálogo, trazendo a vocês artigos técnicos relacionados com esta
metodologia.

Fim da Newsletter 4