UNIVERSIDADE VEIGA DE ALMEIDA

Centro de Engenharia de Produo

Anlise Quantitativa de Riscos na Indstria de

Petrleo

Eder Vincius da Silva Cruz

Rio de Janeiro
Maio de 2010

UNIVERSIDADE VEIGA DE ALMEIDA

Eder Vincius da Silva Cruz

Anlise Quantitativa de Riscos na Indstria de Petrleo

Monografia apresentada, como pr-requisito de concluso do curso de Engenharia de

Produo da Universidade Veiga de Almeida.

Orientador: Prof. Msc. Wladmir Henriques Motta

Rio de Janeiro - 2010

AGRADECIMENTOS

Aos meus pais Maria de Ftima e Antnio Carlos, pelos princpios e ensinamentos que
guiaram minha educao.
Ao meu irmo Jnior que sempre me inspirou.
minha querida Ana pelo carinho, compreenso, apoio e pacincia durante o
curso.
A Deus pela vida que Ele me concebeu.
Ao mestre Wladmir Motta, pelo apoio e orientao.
Aos amigos do curso pelas alegrias, tristezas e sufocos que passamos sempre juntos,
unidos incentivando e apoiando uns aos outros.

"O analfabeto do sculo XXI no ser

aquele que no sabe ler e escrever, mas
aquele que no consegue aprender,
desaprender e aprender novamente"
Alvin Tofler

Resumo:

Anlise Quantitativa de Riscos na Indstria de Petrleo

Para a realizao do desenvolvimento da produo de petrleo necessrio um
expressivo desembolso de capital. O comportamento da indstria de leo e gs nos
negcios demonstra que empresrios sempre procuram maximizar o retorno esperado e
minimizar o risco do empreendimento. Incertezas permeiam por todas as variveis em
um elevado grau. Determinar resultados nicos para cada varivel no corresponderia
simulao do comportamento da mesma, sendo necessrio mais do que isso para
visualiza-las em um intervalo de possibilidade. preciso, portanto, realizar diversas
anlises que possam identificar e quantificar os riscos inerentes s operaes, mitigando
ou explorando-as na medida do possvel.
O presente trabalho objetiva apresentar a anlise quantitativa do risco de
explorao de peotrleo, utilizando modelos da indstria de leo e gs. Tal anlise
poder ser utilizada como base para o processo de tomada de decises em investimentos
dessa natureza.

Eder Vincius da Silva Cruz

Maio, 2010.

Orientador: Prof. Msc. Wladmir Henriques Motta

NDICE
Captulo I - INTRODUO ........................................................................................................... 9
I.1 Objetivo ............................................................................................................................... 10
I.2 Metodologia ........................................................................................................................ 10
Captulo II - ANLISE DE RISCO NA INDSTRIA DE PETRLEO ..................................... 12
II.1 O que anlise de risco? .................................................................................................... 12
II.2 Modelos de anlise de risco na indstria de petrleo e gs ............................................... 12
Captulo III MTODO MONTE CARLO.................................................................................. 20
Captulo IV APLICAO E SIMULAES ........................................................................... 22
IV.1 Previso de Produo ..................................................................................................... 22
IV.2 Volume da Reserva ........................................................................................................ 30
IV.3 Cronograma .................................................................................................................... 36
Captulo V CONCLUSO ......................................................................................................... 42
REFERNCIAS BIBLIOGRFICAS .......................................................................................... 44
APNDICE I SISTEMA E CONVERSO DE UNIDADE ..................................................... 46
APNDICE II GLOSSRIO DE TERMOS .............................................................................. 49

LISTA DE FIGURAS

Figura 1 Curva de Produo Tpica do Campo ........................................................... 18

Figura 2 Modelo de previso representado no Excel. ................................................. 26
Figura 3 - Taxa de desconto de 12%a.a. ......................................................................... 27
Figura 4 - Taxa de desconto de 21%a.a. ......................................................................... 28
Figura 5 Curva de distribuio acumulada comparando as duas taxas de descontos .. 29
Figura 6 Correlacionamento de fatores de riscos ........................................................ 30
Figura 7 Modelo de reserva representado no excel. .................................................... 31
Figura 8 Modelo de clculo do fator de recuperao .................................................. 34
Figura 9 Fatores de Correlacionamento ...................................................................... 35
Figura 10 Curva de distribuio comparativa.............................................................. 36
Figura 11 Distribuio do volume da reserva .............................................................. 37
Figura 12 Cronograma para explorao da reserva ..................................................... 39
Figura 13 Tendncias da distribuio da quantidade de poos para cada ano ............ 39
Figura 14 Tendncias da distribuio de investimentos para cada ano ....................... 40

LISTA DE TABELAS

Tabela 1 Previso Econmica e de Produo de Petrleo ........................................... 24

Tabela 2 Modelo de Volume da Reserva..................................................................... 31
Tabela 3 Intervalo das variveis de entrada................................................................. 32
Tabela 4 - Previso de Reserva de Petrleo (Murtha, 2008) adaptado pelo autor ......... 37
Tabela 5 - Variveis e Parmetros em Diversos Sistemas de Unidades ......................... 46
Tabela 6 - Tabelas de Converso de Unidades ............................................................... 47
Tabela 7 - Glossrio de termos da indstia de gs e petrleo......................................... 49

Captulo I - INTRODUO
O investimento em uma prospeco de petrleo muito elevado e arriscado,
podendo at dobrar dependendo da complexidade do local e fenmenos naturais (BVEP,
2002). Normalmente, os investidores buscam oportunidades de negcio com maior
retorno esperado diante de um mesmo risco ou de menor risco, quando apresentam o
mesmo retorno. Portanto, este o comportamento racional no mundo dos negcios,
onde empresrios sempre procuram maximizar o retorno esperado e minimizar o risco
do empreendimento.
Com o objetivo de minimizar os riscos e maximizar o retorno, os projetos para
este tipo de empreendimento exigem que sejam estimados valores de custos, receitas e
ativos com a maior preciso possvel e com a grande maioria dos riscos identificados.
Alm disso, com o mesmo intuito, pode ser proposto para o projeto um cronograma de
investimento e produo, e diversos indicadores de medio para avaliar o andamento
do projeto, como curva S, relatrio de performance, registro de problemas e riscos, Key
Performance Indicator (KPI), entre outros (PMBOK, 2009).
Uma vez que todas as estimativas podem sofrer flutuaes, e que existe alto grau
de incerteza nas variveis, justifica-se a importncia de utilizar um mtodo de avaliao
de projetos que ajude a identificar onde esto as maiores incertezas e quais as variveis
que mais influenciam no resultado econmico do projeto, visto que o sucesso
econmico da empresa depende, entre outros aspectos, diretamento do sucesso do
projeto.
Begg et al. (2002) afirmam que o valor de um projeto fortemente influenciado
pelas incertezas, e o baixo investimento destinado ao processo de tomada de deciso
resulta num baixo desempenho da indstria de explorao e produo de petrleo
(E&P). Neste caso, no suficiente calcular apenas o Valor Presente Lquido (VPL) e a
Taxa Interna de Retorno (TIR) e verificar a sua viabilidade. Na prtica as decises so
cercadas de incertezas e deve-se, ento, quantificar o impacto dessas incertezas e avaliar
o risco envolvido com o objetivo de identificar resultados indesejveis para a empresa e
para o investidor. Estas anlises so significativas quando na tomada de deciso sobre o
investimento.

No caso de projetos de prospeco de petrleo, as decises so afetadas pela parte

tcnica e econmica da incerteza. As incertezas tcnicas so intrnsecas ao projeto e no
possuem correlao ao mercado, j as de carter econmico esto correlacionadas com
os movimentos da economia que se relacionam com o setor.
Uma das formas mais utilizadas para tratar o risco a simulao Monte Carlo
que, segundo Prado (2000), uma maneira de se transformar um conjunto de nmeros
aleatrios em um outro conjunto de nmeros (variveis aleatrias), com a mesma
distribuio de probabilidade considerada.
Neste trabalho, para a realizao da anlise de risco foi utilizado o softaware
@RISK configurado para 10.000 iteraes.

I.1 Objetivo
Este trabalho tem como escopo aplicar a anlise de riscos em modelos
quantitativos no desenvolvimento de projetos de petrleo nos ambitos tcnico e
econmico. Todo o estudo concentra-se na tcnica de simulao Monte Carlo e utiliza
como ferramentas os softwares Excel e @Risk.
Foram realizadas 10.000 iteraes e como resultados foram apresentados alguns
indicadores para melhor identificar o risco do projeto e grficos para melhor ilustr-los.

I.2 Metodologia
O primeiro passo para realizao da anlise de risco definir quais as principais
incertezas a serem consideradas e logo aps realizar a anlise de risco propriamente
dita. As principais incertezas em projetos de grande porte de desenvolvimento da
produo de campos de petrleo so relativas previso de produo, ao volume da
reserva e por fim ao cronograma.
Conforme Ligero, Costa e Schiozer (2003), uma das principais incertezas em
campos de petrleo so relacionadas a variveis estticas (modelo geolgico) e
dinmicas (parmetros de fluxo) de reservatrio, o que reflete diretamente na curva de
produo e conseqentemente no VPL do projeto.

Depois, a construo do modelo base, tal modelo, denominado de modelo base,

tem a conotao de modelo determinstico e utilizada uma planilha eletrnica para
facilitar os clculos.
Em seguida, definidas e quantificadas as incertezas dos projetos, deve-se rodar a
simulao de Monte Carlo e gerar os resultados da simulao. Podem ser gerados
diversos indicadores, tais como: valor esperado do VPL (mdia), probabilidade do
VPL ser negativo, percentis da distribuio do VPL e outros.
Um ponto importante que vale a pena ser destacado que caso a distribuio de
probabilidade ou processo estocstico adotado para determinado item no retrate a
realidade, todo o resultado da anlise de risco fica comprometido.

Captulo II - ANLISE DE RISCO NA INDSTRIA DE

PETRLEO
II.1 O que anlise de risco?
As palavras risco e incerteza so frequentemente encontradas em discusses.
Infelizmente, elas so fceis de terem seus significados confundidos, especialmente
risco.
De acordo com o Dicionrio Universal Webster (Websters Unabridged New
Universal Dictionary).,
Incerteza A qualidade ou estado de ser incerto, a falta de certeza, a
dvida.
Risco A chance de leso, dano ou perda, o grau de probabilidade de
perda, a quantidade de perda possvel.
Incerteza e Risco so utilizados para referenciar resultados e suas implicaes
de algum evento futuro. Incerteza descreve e refere a um intervalo de possveis
resultados. Risco descreve o potencial de ganhos e perdas associado a um resultado
particular (Murtha, 2008).

II.2 Modelos de anlise de risco na indstria de petrleo e gs

A maioria dos gestores de projetos aborda anlise de risco do ponto de vista
disciplinar visando adquirir informaes sobre os riscos associados ao processo de E&P.
Os diferentes profissionais envolvidos utilizam ferramentas distintas para realizar seus
clculos, baseando-se nas informaes disponveis em seu campo de conhecimento. A
seguir encontram-se alguns exemplos deste fato.
Os responsveis pela etapa de explorao, aqui denomidos de exploradores,
buscam quantificar a incerteza associada descoberta de hidrocarbonetos. Eles se
concentram na anlise de bacias hidrogrficas, visando estimar a probabilidade de um
reservatrio estar ou no adequado explorao de leo. Em seguida, a reserva
estimada e associada ao fluxo de caixa (Rosa, 2002).

Os engenheiros de perfurao analisam os dados histricos no s esperando

estimar os custos de perfurao, mas tambm buscando quantificar o risco de cano
furado, rupturas, perda de circulao e outros problemas que podem ser encontrados
durante o processo de perfurao de um poo (Thomas, 2002).
Engenheiros de reservatrios e produo simulam o tamanho dos campos, ndices
de recuperao, taxas de declnio, preos e custos de desenvolvimento e operacional.
Estes profissionais trabalham com exploradores e perfuradores membros da equipe
para estimar cronograma e a quantidade de capital de investimento (perfurao,
plataformas, instalaes, gasodutos, etc) necessrio (Rosa, 2002).
Alm do ponto de vista disciplinar, existe o ponto de vista localizacional.
Dependendo da regio, do ambiente, da tecnologia, da concepo de desenvolvimento
surgem outras incertezas (BVEP, 2002).
A anlise de risco por sua vez o mtodo de transformar esses nmeros em
distribuies de probabilidades. Quando o modelo restrito para apenas um valor,
chamado de modelo determinstico. Quando permitido no modelo representar os
parmentros por variveis aleatrias ou distrbuio de probabilidade, ento, o modelo se
torna estocstico ou probabilstico.
Os modelos matemticos utilizados neste trabalho so simplificaes de modelos
robustos e complexos adpatados por Murtha (2008).
Segundo a Wikipedia, um modelo matemtico uma representao ou
interpretao simplificada da realidade, ou uma interpretao de um fragmento de um
sistema, segundo uma estrutura de conceitos mentais ou experimentais.
Um modelo apresenta apenas uma viso ou cenrio de um fragmento do todo.
Normalmente, para estudar um determinado fenmeno complexo, criam-se vrios
modelos. Os modelos matemticos so utilizados praticamente em todas as reas
cientficas, como, por exemplo, na biologia, qumica, fsica, economia, engenharia e na
prpria matemtica pura.
Para executar a simulao no modelo estocstico ou probabilstico foi utilizada a
tcnica de Monte Carlo. Segundo o PMBOK (2009), a simulao utiliza um modelo que

converte as incertezas especificadas de maneira detalhada no seu possvel impacto nos

objetivos do projeto. Em uma simulao, o modelo do projeto calculado vrias vezes
(iterado), com valores de entrada selecionados aleatoriamente para cada iterao das
distribuies de probabilidades dessas variveis. A distribuio de probabilidades
calculada a partir das iteraes.
A ocorrncia de petrleo depende da combinao de vrios fatores que
determinam os diferentes riscos exploratrios nas diversas bacias sedimentares. Uma
vez que a avaliao destes riscos se apia na interpretao de dados geolgicos, quanto
mais informaes, menores sero os riscos envolvidos.
Os riscos podem ser agregados por cada fase do desenvolvimento de petrleo,
como: fase exploratria, fase de perfurao e fase de produo.
A fase de explorao onde se busca encontrar os hidrocarbonetos que ocupam
espaos porosos nas rochas (Thomas, 2001), sejam eles entre gros ou fraturas. So
efetuados estudos das potencialidades das estruturas acumuladoras (armadilhas ou
trapas), principalmente atravs de ssmica que o principal mtodo geofsico para a
pesquisa dos hidrocarbonetos. Variveis chaves so listadas abaixo, mas no se limitam
a:

Existncia de armadilhas

Rocha

Temperatura

Reserva (capacidade de estocagem)

Produtividade

O modelo ento fica da seguinte maneira:

Probabilidade de hidrocarbonetos

= (Probabilidade de armadilhas)*
(Probabilidade de rochas) *

...
(Probabilidade de produtividade)

A fase de perfurao onde as rochas atravessadas so descritas, pesquisando-se

a ocorrncia de indcios de hidrocarbonetos. Logo aps a perfurao so investigadas as
propriedades radioativas, eltricas, magnticas e elsticas das rochas da parede do poo
atravs de ferramentas especiais (perfilagem) as quais tambm permitem ler as
propriedades fsicas das rochas, identificar e avaliar a ocorrncia de hidrocarbonetos.
Um estudo realizado para adquirir e analizar dados histricos na esperana de
quantificar os riscos de tubo furado, rupturas, perda de circulao, e outros problemas
encontrados enquanto perfura um poo. Devido a esses riscos, os custos associados
perfurao devem conter uma reserva de contigncia (PMBOK, 2009). Variveis chaves
associadas aos custos so (Murtha, 2008):

Profundidade da lmina de gua

Profundidade total at o leo

Peso da lama

ngulo mximo de entrada na cavidade

Zonas de presso

Tamanho mnimo da cavidade

Problemas comuns de rupturas nos tubos se do devido profundidade da lmina

de gua, ngulo da cavidade, tamanho da cavidade e peso da lama (Murtha, 2008).
Segundo Murtha (2008), uma abordagem para estimar os custos examinar dados
histricos e olhar para um relacionamento da forma em que X, Y, Z,..., referem-se
profundidade da lmina de gua, profundidade total at o leo e gs, peso da lama, e
assim por diante e ento usar a regresso mltipla (em logaritmos de X, Y, Z ,...) para

estimar os parmetros c0, e a, b, c, ... Atribuir variveis aleatrias para os parmetros de

entrada, X, Y, Z - gerando a distribuio a partir dos dados histricos, assim, esta
abordagem bastante simples ignora as possveis dependncias entre as variveis, que
podem interferir na anlise de regresso.

Custo co * X a * Y b * Z c ...

A regresso mltipla envolve trs ou mais variaveis, portanto, estimadores. Ou

seja, ainda uma nica varivel dependente, porm duas ou mais variveis independentes
(explanatrias).
A finalidade das variveis independentes adicionais melhorar a capacidade de
predio em confronto com a regresso linear simples. Isto , reduzir o coeficiente do
intercepto, o qual, em regresso, significa a parte da varivel dependente explicada por
outras variveis, que no a considerada no modelo.

A fase de produo onde se precisa saber o volume de leo na reserva e a taxa

de recuperao do leo da reserva para a superfcie. Em cima desses fatores possvel
chegar ao modelo econmico do desenvolvimento de petrleo.
A equao volumtrica clssica para estimativa do tamanho do campo ou o
tamanho de um hidrocarboneto (neste caso o leo) acumulado em um determinado local
:
Reserva 7758Ah Sw

Segundo Murtha, uma simples variao da equao acima incluindo uma

eficincia de recuperao e agrupando tudo, exceto A e h, encontra-se a estimativa mais
simples da reserva que objeto de estudo utilizada no modelo de produo:

Re serva A h R

Onde:
A - rea
h - espessura mdia
R - fator de recuperao ( frao do volume que pode ser produzido)
possvel estimar esses parmetros para cada prospeco numa bacia ou em
um play de explorao. Para isso, se cada prospeco representa uma estrutura em
uma bacia, possvel atribuir distribuies de probabilidade individuais para cada
parmetro em cada estrutura. Essa seqncia de perfurao nas prospeces afeta o
tempo para comprovar as reservas e o custo operacional.
Por fim com os modelos aqui descritos so includos parmetros como custos,
instalaes, materiais, e o progresso da produo. Enquanto as receitas provenientes
desta produo incremental podem ser bastante significativas, a receita realizada em
um futuro distnte. No s a incerteza (de preos e despesas, por exemplo) ampliou,
mas o valor presente (VP) das receitas e os custos so substancialmente reduzidos
pela reduo de tempo.
Segundo Caldwell and Heather (1991) tem que, na maioria dos casos, a
distribuio das reservas tende para log-normal. Como uma distribuio normal
aparece quando so somadas vrias distribuies independentes, a distribuio lognormal aparece naturalmente como o produto de vrias distribuies independentes
(sempre positivas), ou seja, descreve variveis que so produtos de outras variveis.
Aps a estimativa da reserva, estimado o quo rpido a produo de leo.
Fatores chaves incluem, mas no se limitam a:

Nmero de poos

Percentual de poos secos ou timo fator de recuperao

rea de drenagem ou recuperao dos poos

ndice de produtividade por poo

Restries de operao

nicio do declneo

Taxa de abandono e/ou condies de abandono

Preo dos produtos

Caldwell and Heather (1991) define que um dos modelos mais comuns de
projeo de produo uma curva exponencial declinada:

q qi e ( at )

Figura 1 Curva de Produo Tpica do Campo

Fonte: Caldwell (1991) adpatado pelo autor.

H inmeros fatores que regulam a explorao e o desenvolvimento de um
campo de petrleo, entre eles cito:

Custo de licitao e contrato

Custos de perfurao

Custos de realizao

Tempo de perfurao e construo

Necessidade de manuteno da presso / reciclagem do gs

Manuteno

Custos de plataforma, instalaes e equipamentos submarinos

Exigncia de oleodutos

Captulo III MTODO MONTE CARLO

O mtodo Monte Carlo utiliza nmeros aleatrios para computar quantidades no
necessariamente aleatrias. Ele busca gerar valores aleatrios em um modelo com o
objetivo de produzir centenas ou milhares de cenrios.
De acordo com Evans e Olson (1998), a simulao de Monte Carlo basicamente
um experimento amostral, cujo objetivo estimar a distribuio de resultados possveis
da varivel de interesse (varivel de sada), com base em uma ou mais variveis de
entrada, que se comportam de forma probabilstica de acordo com alguma distribuio
estipulada.
Na viso de Law e Kelton (2000), a simulao de Monte Carlo uma abordagem
que emprega a utilizao de nmeros aleatrios para resolver problemas estocsticos
nos quais a passagem do tempo no possui um papel relevante.
Segundo Buratto (2002), a simulao de Monte Carlo um processo de
amostragem cujo objetivo permitir a observao do desempenho de uma varivel de
interesse em razo do comportamento de variveis que carregam elementos de
incerteza.
Embora seja um conceito simples, a operacionalizao desse processo requer o
auxlio de alguns mtodos matemticos, como a gerao de nmeros aleatrios, onde
segundo Evans e Olson (1998) e Vose (2000), destaca-se o mtodo da transformada
inversa.
Um nmero aleatrio definido como sendo um valor numrico escolhido ao
acaso, conforme uma distribuio de probabilidade uniforme. J a Funo Densidade de
Probabilidade (FDP) F(x) de uma varivel aleatria X dada por:
F ( x ) P( X x )

Tal funo, que mostra a probabilidade P(x) de que a varivel X seja menor ou
igual a x, para todo e qualquer x, possui as seguintes propriedades:
d
F ( x) 0
dx

lim F ( x) 0
x

lim F ( x) 1
x

Desse modo, F(x) sempre no-decrescente e assume valores entre 0 e 1. Sendo

assim, admitindo-se que a inversa dessa funo exista, escolhendo-se ao acaso um
determinado valor para F(x), pode-se encontrar um nico valor associado de x, seja de
forma explcita ou atravs de um algoritmo computacional.
Portanto, dado que os nmeros aleatrios tambm possuem a propriedade de
assumir valores apenas no intervalo entre 0 e 1, basta gerar um nmero aleatrio R,
substitu-lo diretamente em F(x) e obter o valor associado de x. Esse o mtodo da
transformada inversa.
De acordo com Vose (2000), esse mtodo, utilizado tambm por outros
procedimentos de amostragem, no aplicvel para algumas distribuies de
probabilidade, o que torna necessria a utilizao de outros mtodos. No entanto,
segundo o referido autor, o princpio bsico utilizado o mesmo, e, para os fins do
presente trabalho, entende-se que a descrio realizada at aqui j suficiente.
Independentemente do mtodo utilizado para viabilizar o processo de simulao,
no entanto, fica evidente a importncia da escolha do gerador de nmeros aleatrios a
ser utilizado.

Captulo IV APLICAO E SIMULAES

Neste captulo apresentada a simulao dos modelos utilizando o @Risk que
por sua vez usa a metodologia Monte Carlo interligado ao Microsoft Excel.
A Palisade Corporation fabricante do software de anlise de risco e tomada de
deciso @RISK. Praticamente todos os produtos da Palisade so usados como add-ins
no Microsoft Excel, o que garante flexibilidade, facilidade de uso e ampla aceitao em
uma variedade de setores.
O @RISK, produto pioneiro da empresa, foi lanado em 1987, executa anlise de
risco utilizando Simulao de Monte Carlo para mostrar os resultados possveis em
planilha Excel - e dizer qual a probabilidade de ocorrncia destes resultados. Isto
significa que voc pode avaliar os riscos a assumir e a evitar, permitindo a melhor
tomada de deciso sob incerteza.
Para o estudo de caso, so abordadas trs sees: previso de produo, volume
de reserva e por fim o cronograma. Para cada seo apresentada uma planilha de apoio
com os resultados da simulao. Os dados do estudo so adaptaes dos apresentados
em Murtha (2008).

IV.1 Previso de Produo

A previso de produo corresponde a previso do fluxo de caixa lquido que
apresentado na tabela 1 que desenvolvido inicialmente sem considerar os riscos
envolvidos em cada varivel. Segundo Murtha (2008) podemos adotar como premissa
para o estudo de caso, um declneo exponencial na produo de leo e gs anual, taxa
entre o gs e o leo (GOR Gas Oil Ratio) e os gastos de operao fixos, considerando
no primeiro ano um aporte de capital de investimento (OPEX Operation Expenditure).
A tabela abaixo apresenta um modelo de previso econmica e de produo de
petrleo baseado no modelo de Murtha (2008) adpatado pelo autor.

Previso Econmica e de Produo de Petrleo

Declnio Exponencial
Descrio

Parmentros de entrada

Concesso

XYZ

Produo Anual

Cdigo

A123

Taxa de Declnio

Local

WAW

GOR

750 scf/STB

Operador

leo ABC

Preo do Gs

1,2 $/Mscf

Engenheiro

EDEVIN

Preo do leo

20 $.STB

Data

abr/09

Taxa de Desconto

Previso de Produo
Ano

32000 STB/yr
12%

12%

Previso Econmica

OilGros

GasGros

Receita

OPEX

Fluxo Caixa Liq.

Valor Presente

STB

Mcf

2009

32.000

24.000

668.800

1.200.000

-531.200

-531.200

2010

28.381

21.286

616.644

10.000

606.644

541.646

2011

25.172

18.879

568.557

10.000

558.557

445.278

2012

22.326

16.744

524.222

10.000

514.222

366.013

2013

19.801

14.851

483.347

10.000

473.347

300.820

2014

17.562

13.171

445.660

10.000

435.660

247.205

2015

15.576

11.682

410.913

10.000

400.913

203.115

2016

13.815

10.361

378.876

10.000

368.876

166.861

2017

12.253

9.189

349.339

10.000

339.339

137.053

2018

10.867

8.150

322.105

10.000

312.105

112.548
Total VPL:

Total

197.753

148.315

4.768.463

1.290.000

Tabela 1 Previso Econmica e de Produo de Petrleo

3.478.463

1.989.341

Os parmetros de entrada podem at ser conhecidos no exato momento da

confeco, porm, no s se tratando de projeo, mas as variveis esto cobertas de
riscos e incertezas em seus valores, o que no permite uma tomada de deciso fidedigna
das possveis variaes das mesmas.
Para tanto, fundamental adicionar a essas variveis funes de destribuies que
mais se adaptam aos dados histricos e/ou opinies de especialistas, ou seja, que
representem o comportamento mais prximo da realidade, para que seja possvel
simular todas as possibilidades e suas respectivas probabilidades, alcanando um
resultado que demostre o comportamento provvel dos resultados.
Abaixo so apresentadas as funes discutidas anteriormente e que representam o
comportamento dos parmetros:
F6: LOGNORMAL (3200, 8000)
F7: LOGNORMAL (0,12, 0,02)
F8: TRIANG(500,750,1500)

Para os preos de leo e gs:

F9: NORMAL(1,2; 0,1)
F10:NORMAL(20; 2)
F11: SIMTABLE(0,12;0,14)

A funo SIMTABLE no comentada at o momento, uma funo cujo objetivo

simular todas as demais funes para cada valor do SIMTABLE, ou seja, neste caso
foram obtidos dois resultados, um a uma taxa de desconto de 12% a.a. e outro a uma
taxa de desconto de 21% a.a..
O clculo da receita dado por:

Receita = (produo de leo) * (preo do leo) + (produo de gs)*(preo do

gs)

Figura 2 Modelo de previso representado no Excel.

O grfico apresenta o resultado da principal mtrica financeira usada neste
modelo, chamado valor presente lquido (VPL). O resultado compara duas taxas de
descontos, 12% a.a. e 21% a.a.. A taxa de desconto representa o custo de capital, ou
seja, a taxa de retorno que pode ser ganho de um investimento nos mercados financeiros
com um risco similar. Nesse sentido, o fator de desconto representa o retorno exigido
sobre o investimento, caso contrrio os investimentos alternativos devem ser
preferenciados. Isto baseado na maximizao do retorno do investimento e os critrios
de deciso tambm podem prevalecer.

Figura 3 - Taxa de desconto de 12%a.a.

Valor mdio do VPL U$ 2.027.971 milhes
Probabilidade do VPL < 0 0,14%
Anlise do P10 e P90: 10% de chance de ganhar at U$ 694.000 mil, mas 10 %
de chance de ganhar mais do que 3.761.100 milhes.

Figura 4 - Taxa de desconto de 21%a.a.

Valor mdio do VPL U$ 1.788.389 milhes
Probabilidade do VPL < 0 0,21%
Anlise do P10 e P90: 10% de chance de ganhar at U$ 557.800 mil, mas 10 %
de chance de ganhar mais do que 3.378.600 milhes.

Figura 5 Curva de distribuio acumulada comparando as duas taxas de

descontos
A aplicao de uma taxa (fator) de desconto elevado significa que os investidores
exigem um alto retorno do investimento, caso contrrio o dinheiro ser colocado em
outros investimentos que apresentam uma maior taxa de retorno, logo temos que o VPL
ser menor quando o fator de desconto aplicado for menor.
Aumentar a taxa de desconto de 12% para 21% reduz o VPL P50 (mdio) em U$
239.582 mil.
Na figura 6 foi possvel verificar que alm da j analisada varivel de taxa de
deconto, demais fatores de risco que podem influenciar positivamente ou negativamente
o resultado do VPL.

Correlations for Total NPV/G30 (Sim#1)

0,833

YRLPROD/F6

-0,378

DECLRATE/F7

0,315

PRICEOIL/F10

-0,08

2009 / OPEX/E19

0,002

PRICEGAS/F9

-1

-0,8

-0,6

-0,4

-0,2

0,2

0,4

0,6

0,8

Correlation Coefficients

Figura 6 Correlacionamento de fatores de riscos

A partir dos resultados da Figura 6, pode-se ver que a taxa de declneo do poo
(DECLRATE) o maior fator de risco com efeito negativo sobre os resultados do VPL,
outro fator de risco o OPEX para executar a operao, tem o segundo maior efeito
negativo sobre os resultados do VPL, com um valor de correlao cerca de -0,08. Os
Investimentos tambm tm um efeito negativo no resultado geral, mas um tanto inferior
ao OPEX e por isso no mostrado no grfico. Por outro lado, a produo anual de
petrleo, preo do leo e preo do gs so fatores positivos de riscos (oportunidades),
esses fatores aumentam o VPL na medida em que eles aumentam.

IV.2 Volume da Reserva

O modelo a seguir calcula o volume da reserva utilizando a equao N = A*h*R
j discutida anteriormente. O resultado o produto das entradas, reduzido por 106.
A tabela abaixo aprenta um modelo de previso econmica e de produo de
petrleo baseado no modelo de Murtha (2008) adpatado pelo autor.

Volume da Reserva

2333,33

ac

56,67

ft

133,33

STB/ac-ft

Reserva

17,63

MMSTB

Tabela 2 Modelo de Volume da Reserva

Anlogo ao item anterior, as variveis A, h e R contm incertezas quanto aos seus
valores, as mesmas aqui so modeladas com distribuies triangulares (Caldwell e
Heather, 2001).
Frmulas:
B5: Triang(1000,2000,4000)
B6: Triang(20,50,100)
B7: Triang(80,120,200)
B8: =B5*B6*B7/10^6

Figura 7 Modelo de reserva representado no excel.

Vale relembrar que a equao volumtrica clssica para estimativa do tamanho do
campo ou o tamanho de um hidrocarboneto (neste caso o leo) acumulado em um
determinado local :

Reserva de leo = 7758Ah (1-Sw)/Bo

Uma simples variao da equao acima incluindo uma eficincia de recuperao
e agrupando tudo, exceto A e h, encontra-se a estimativa mais simples da reserva que
objeto de estudo utilizada no modelo de produo:
Reserva = AhR
Onde A a rea, h a espessura mdia e R o fator de recuperao. O fator de
recuperao a frao do volume que pode ser produzido.
Entretanto importante tambm entender o comportamento do fator de
recuperao que composto pelas variveis (porosidade) e Sw (saturao da gua),
cujo produto delas * (1-Sw) origina-se o fator de recuperao (R) o qual
representa a porosidade da rocha.
A porosidade representa a capacidade de conter fluidos e a saturao a
quantidade de fluido presente em um dado espao.
A tabela abaixo apresenta variveis de entrada e seus intervalos de incertezas
baseado nas informaes de Murtha (2008) adpatado pelo autor.

Entradas

Mnimos Mximos

Resistividade eltrica de formao do

Rt

reservatrio

19

21

Rw

Resistividade eltrica da gua

0,055

0,075

Expoente de Saturao

1,8

2,2

Coeficiente

0,62

0,62

Expoente de cimentao

2,3

Densidade

2,36

2,38

MA

Densidade da rocha

2,58

2,63

Densidade da reserva de fludo

0,9

0,9

Tabela 3 Intervalo das variveis de entrada

Na indstria do petrleo bastante utilizada a Lei de Archie, uma equao

emprica relacionando a condutividade efetiva da rocha com a sua porosidade ,
Fernandes et al (2002), tambm conhecida como fator de formao:
F a * m

O objetivo desta seo estimar a porosidade e a saturao da gua, e verificar

a influencia das variveis de entrada no clculo da reserva, alm de comparar os
resultados utilizando dois tipos de distribuies.
Walstrom (1967) cita em seu livro as frmulas de porosidade e saturao da
gua:
Porosidade:

B MA
F MA

FR
Saturao da gua: Sw W
RT

1/ n

McCray (1975) sugere a distribuio triangular, em seus registros foi

constatado valores histricos que se comportam no que se assemelham a uma
distribuio triangular. Walstrom (1967) um pouco mais cedo, afirma que a tambm
possvel simular o comportamento utilizando a distribuio uniforme. Para a
simulao neste trabalho foram utilizadas ambas dristribuies com o objetivo de
comparar os resultados finais.

Rt

RiskTriang(19; 20; 21)

RiskUniform(18,8; 21)

Rw

RiskTriang(0,055; 0,065; 0,075)

RiskUniform(0,054; 0,076)

RiskTriang(1,8; 2; 2,2)

RiskUniform(1,75; 2,25)

RiskTriang(0,62; 0,62; 0,62)

RiskUniform(0; 1,2)

RiskTriang(2; 2,15; 2,3)

RiskUniform(1,95; 2,3)

pB

RiskTriang(2,36; 2,37; 2,38)

RiskUniform(2,355; 2,38)

pMA RiskTriang(2,58;2,605;2,63)

RiskUniform(2,58; 2,63)

pF

RiskUniform(0,4; 1,4)

RiskTriang(0,9;0,9;0,9)

O modelo apresentado na figura abaixo:

Figura 8 Modelo de clculo do fator de recuperao

Como resultado foi obtido o grfico de sensibilidade para visualizar quais
parmetros de entrada traz um efeito tanto positivo quanto negativo para o resultado
final, ou seja, para o fator de recuperao (R) que entrada para o clculo da reserva.

Correlations for R

Expoente de cimentao / T.../M14

0,80

Resistividade eltrica da .../M11

0,41

(0,28)
Densidade
da rocha / Trian.../M16

(0,26)
Expoente de
Saturao / Tr.../M12

(0,13)
Resistividade eltrica
de .../M10

Densidade / Triangular/M15

-1

-0,8

0,12

Densidade da reserva de fl.../N17

0,02

Expoente de Saturao / Un.../N12

0,02

-0,6

-0,4

-0,2

0,2

0,4

0,6

0,8

Correlation Coefficients

Figura 9 Fatores de Correlacionamento

Quanto maior o fator de recuperao, maior ser a estimativa do volume da
reserva cuja unidade dada por STB/ac-ft (barril de leo por acre-p, ou melhor,
barril por acre de volume da reserva).
importante salientar que os dados levantados so definidos a partir da
propriedade determinada pelo mtodo geofsico, e exatamente a varivel que mais
relaciona ao resultado final trazendo um impacto positivo o expoente de cimentao,
cujo, definido impiricamente baseado em informaes adicionais, advindas do
conhecimento geolgico.
Um segundo fator positivo tambm encontrado foi a resistividade eltrica da
gua, o inverso da condutividade da gua, comumente utilizado para medir a
quantidade de sal na gua um importante indicador da qualidade da gua.
Outros 2 fatores inversamente proporcionais aos analisados so: a densidade da
rocha que vai definir o volume da rocha, quanto mais pesada a rocha, menor a
quantidade de espaos cheios de gases e hydrocarbonetos e o expoente de saturao
tambm definido no modelo geolgico atua inversamente no valor da saturao da
gua.

A figura 10 apresenta as curva de densidade das distribuies triangulares e

uniformes:

Figura 10 Curva de distribuio comparativa

notvel a diferena, enquanto na distribuio uniforme, um intervalo de
confiana de 90% varia de 6,56 barris por acre de volume a 165,35 barris por acre de
volume, na distribuio triangular o mesmo intervalo obtido valores de 59,50 a
98,01 barris por acre de volume, embora as mdias tenham ficadas prximas, o
comportamento e o grau do risco so diferentes podendo distorcer a tomada de
deciso, o que conclu-se que quanto maior o investimento em coletar dados com
qualidade maior ser a confiabilidade dos dados e maior ser a representao da
realidade do comportamento das variveis estudadas.

IV.3 Cronograma
Cronograma refere-se a alocao de capital e outros recursos no tempo para a
gerao futuro de receita. O perodo de investimento do capital um dos mais
significantes fatores para determinar o perfil do fluxo de caixa (Murtha, 2008). Seja
para fins de explorao ou produo, um modelo que representa uma perspectiva de

investimento est incompleto at que as contas de investimentos e despesas estejam

planejadas.
Este modelo linca o custo de capital e o cronograma de perfurao para o
tamanho estimado da descoberta de um campo, ou mais precisamente o volume da
reserva. O clculo do volume da reserva parte do mesmo principio j discutido
anteriormente:

rea

2333

ac

Espessura mdia

193

ft

Fator de Recuperao

133

STB/ac-ft

Reserva

60,15

MMSTB (Volume da reserva)

Tabela 4 - Previso de Reserva de Petrleo (Murtha, 2008) adaptado pelo autor

As distribuies para rea, espessura mdia e o fator de recuperao so
triangulares conforme j descrito anteriormente. Depois de decidido o modelo do
tamanho do campo, obtido o volume de recuperao do campo, ou seja, a reserva
como sada, bem como sua curva da densidade de probabilidade onde possvel
encontrar as estimativas P5 e P95 (5% e 95% de probabilidade) de 25MMbbl e 115
MMbbl. Ou seja, apenas 5% do volume da reserva pode estar abaixo de 25 MMbbl e
apenas 5% da reserva pode estar acima de 115 MMbbl.

Figura 11 Distribuio do volume da reserva

Segundo Murtha (2008) estes dois "extremos so utilizados como limites para
definir o tamanho relativo da reserva, chamando-lhes "aproxmin" e "aproxmax Haja
necessidade de calcular, uma vez que o modelo de volume da reserva utiliza
distribuies, faz sentido incorporar essas incertezas ao volume e cronograma de
investimentos. O tamanho relativo do campo em relao a esses dois extremos
calculado utilizando o processo de interpolao da seguinte forma:
Tam.Relativo= (amostragem recupervel - min) / (max-min)
Assim, a razo encontrada, sendo um valor entre 0 e 1. Segundo Murtha (2008)
usado P5 e P95 como valores de corte para o tamanho do campo, uma vez que 10% do
tamanho do campo amostrado sai do intervalo de confiana. Assim, para um campo
relativamente pequeno, obtido um plano de CAPEX modesto e um cronograma de
perfurao modesto. Da mesma forma para um campo grande, antecipa-se um CAPEX
maior e mais poos a serem perfurados.
Para o modelo, ser estimado para os prximos cinco anos valores mnimos e
mximos de investimentos a serem gastos e de nmeros de poos a serem perfurados. O
modelo pressupe que qualquer descoberta entre os dois extremos deve corresponder s
programaes de investimentos e de perfurao proporcional ao tamanho do campo, a
proporcionalidade garantida pela razo do tamanho relativo e ento calculado
interpolando ambos (CAPEX e Perfurao) para cada ano conforme frmula abaixo:

Amostra = Mnimo + tam.Relativo*(Mximo - Mnimo)

Quando o tamanho relativo for 0, essa expresso se reduz a B17, o caso

"mnimo". Quando o tamanho relativo for 1, a expresso retorna o caso mximo, C17.
Este valor interpolado (pense nisso como uma mdia ponderada tambm) sempre nos
dar um nmero entre o "mnimo" e o "mximo" de valores.
Os valores apresentados abaixo foram retirados do modelo de cronograma de
Murtha (2008) adpatado pelo autor.

Figura 12 Cronograma para explorao da reserva

Os grficos apresentam os resultados dos comportamentos do nmero de poos e
do CAPEX.

Figura 13 Tendncias da distribuio da quantidade de poos para cada ano

Figura 14 Tendncias da distribuio de investimentos para cada ano

Os grficos acima resumem as alteraes nas distribuies de probabilidade em
um intervalo de sada. O grfico leva cinco parmetros de cada distribuio - a mdia,
dois superiores e dois inferiores valores de banda e as mudanas nos cinco parmetros
ao longo do intervalo de sada. A banda superior tem valores de 1 desvio-padro e
percentil 95 de cada distribuio, enquanto os dois menores valores de banda tm -1
desvio padro e percentil 5 de cada distribuio.
O grfico particularmente til na exibio de alteraes no risco ao longo do
tempo. A figura 13 mostra as tendncias da distribuio da quantidade de poos para
cada ano e a figura 14 mostra as tendncias da distribuio de investimentos para cada
ano. As demais bandas em torno da mdia demonstram a variabilidade de possveis
resultados.
Ao gerar um grfico o @RISK calcula a mdia e os quatro valores de banda (P5 e
P95) para cada valor ano a ano.

Ano a ano possvel visualizar o valor mdio de nmero de poos, a variao de

mais ou menos 1 desvio padro em relao a mdia e as probalidades P5 e P95 (figura
13).
Com a frmula determinstica a quantidade de poos, por exemplo, a perfurar em
2011 seria de 9, porm, a quantidade de poos est diretamente relacionada com o
volume da reserva, que por sua vez incerto. Nessa anlise, em 2014, possvel
verificar que a variao da quantidade de poos de 0 a 6, a distribuio demonstra um
intervalo de incerteza grande, cabendo ao decisor escolher a melhor estratgia de
perfurao. Os custos de perfurao so altos, e a deciso em perfurar poos secos pode
custar caro.
Anlogo a quantidade de poos, escolher o momento e o valor certo em investir o
dinheiro (figura 14) pode gerar um economia ao projeto e antecipao da receita.
Ao decidir atingir a linha superior, pode-lhe trazer antecipao de receita, maior
investimento proporciona mais poos perfurados e adiantamento do cronograma, por
outro lado pode custar caro quando que na realidade o volume da reserva baixo e a
quantidade de poos obedece ao pior caso, pode ocorrer perfurano de poos secos e
um maior consumo de dinheiro no presente momento gerando um custo de oportunidade
muito alto.

Captulo V CONCLUSO
A anlise de risco na indstria de petrleo uma forma de conhecer melhor os
riscos envolvidos, identificando e quantificando o risco das variveis que mais
influenciam o resultado seja ele tcnico ou econmico. Tal conhecimento muito ltil
para auxiliar os decisores na seleo do melhor mtodo a ser implementado. Isto
particularmente importante na indstria de petrleo por conter projetos de grande porte
e alto grau de incerteza.
Este trabalho apresentou a aplicao do mtodo de Monte Carlo (MC) como
ferramenta para o processo de anlise quantitativa de risco (AQR) com 10.000 iteraes,
ou seja, cada modelo foi simulado 10.000 vezes com diferentes valores das variveis de
entrada definidos pelo gerador de nmero ramdmico.
Uma das principais dificuldades para se utilizar MC a modelagem das variveis
aleatrias a partir da lista de riscos identificados. Como visto na seo IV.2, a escolha
da distribuio distribuio uniforme ou triangular que no represente o
comportamento real das variveis pode distorcer os resultados acarretando em uma
tomada de deciso errnea.
O estudo demonstrou o conhecimento dos riscos e oportunidades envolvidos para
se buscar realizar medidas mitigadoras para os riscos e medidas exploratrias para as
oportunidades. Conclui-se tambm que a a quantidade de modelos, se so simples ou
complexos, deve ser analisado de acordo com a aceitao ao risco da organizao, pois
a anlise de risco demanda um alto grau de comprometimento da equipe envolvida, e a
precaridade

dos

dados

de

entrada

podem

causar

resultados

duvidosos

e,

consequntemente, a perda de confiabilidade da anlise.

Os resultados da anlise de risco dos modelos apresentados mostraram que a taxa
de retorno que se espera do investimento, ou at mesmo, a maneira de como est
estruturado o seu capital (custo de capital), influencia diretamente no VPL do
investimento. O fator que mais influencia no VPL a produo anual (curva de
produo) de petrleo, que influenciado pela estimativa da reserva que demonstrou
que a qualidade e a confiabilidade de informaes geofsicas so fundamentais para a
sua estimativa. O detalhamento do modelo e a realizao da AQR so essenciais para

entender os valores das variveis de entrada e verificar a acuracidade das informaes

levantadas. E finalmente o cronograma, cujo modelo teve como entrada parmetros que
foram sadas de outro modelo, no caso o de volume de reservas, que definiu o tamanho
do cronograma de perfurao e gastos com investimentos. Os valores apresentados
distribudos probabilisticamente so informaes de suporte e apoio para a tomada de
deciso, deixando na mo do tomador o critrio de aceitao do risco para o seu
negcio.

REFERNCIAS BIBLIOGRFICAS
Murtha, J.A.: Decisions Involving Uncertainty, 2 ed. Editora Palisade, New York,
EUA, 2008.
ROSA, Adalberto Jos; Carvalho, Renato de Souza. Previso de comportamento de
reservatrios de petrleo: mtodos analticos, Editora Intercincia, Rio de Janeiro,
2002.
BVEP, 2002, Biblioteca Virtual de Engenharia de Petrleo da Unicamp, Corrida contra
o tempo, Material consultado na Internet:
http://www.dep.fem.unicamp.br/boletim/be10/Artigo_corrida contra o tempo.htm Revista
Power (Fev.).

Begg S., Bratvold R, Campbell J. The Value of Flexibility in Managing Uncertainty in

Oil and Gas Investments. In: SPE, Annual Technical Conference and Exhibition
(ATCE), SPE 77586, USA, 1 CD-Rom. 2002.
Prado, D.. Teoria de Filas e Simulao. Belo Horizonte, Ed. DG. 2000.
THOMAS, J. E., Fundamentos de Engenharia de Petrleo, Intercincia, Rio de
Janeiro (2001).
Caldwell, R.H. e Heather, D.I.: How to evaluate hard-to-evaluate reserves, JPT, 1991.
Evans, J. R., Olson, D. L. Introduction to simulation and risk analysis. New Jersey:
Prentice Hall, 1998.
Buratto, M. V.; Construo e Avaliao de um Modelo de Simulao de Monte Carlo
paraAnalisar a Capacidade de Pagamento das Empresas em Financiamentos de
Longo Prazo, Dissertao de Mestrado Universidade Federal do Rio Grande do
Sul (2002).
Law, A.M., Kelton, W.D.; Simulation Modeling and Analysis. 3a. ed. New York:
McGraw- Hill: 2000.
PROJECT MANAGEMENT INSTITUTE. A Guide to the Project Management Body
of Knowledge PMBOK Guide 2009 Edition, Pennsylvania-USA 2009.
Walstrom, J.E., Mueller, T.D., and McFarlane, R.C.: Evaluating Uncertainty in
Engineering Calculations, 1967, p. 1595
Fernandes, P. Celso, et all, Proceedings of the ENCIT 2002, Caxambu - MG, Brazil Paper CIT02-0316

LIGERO, L. E, COSTA, A.P.A & SCHIOZER, D.J (2003). SPE 81162, SPE Reservoir
Simulation Symposium, Port-of-Spain, Trinidad, West Indies.
WIKIPEDIA. Modelo Matemtico. Disponvel em: http://pt.wikipedia.org/wiki/Modelo
Matemtico. Acesso em: 30/01/2010.
Sobre a Palisade Corporation. Disponvel em: http://www.palisadebr.com/about/about.asp . Acessado em: 25/04/2010.

APNDICE I SISTEMA E CONVERSO DE UNIDADE

Tabela 5 - Variveis e Parmetros em Diversos Sistemas de Unidades

Varivel ou parmetro

SI

DARCY

PETROBRAS AMERICANO

Comprimento

cm

ft

Massa

kg

kg

lb

Temperatura absoluta

Tempo

Permeabilidade

m2

darcy

md

md

Presso

Pa

atm

kgf/cm2

psi

Viscosidade

Pa.s

cp

cp

cp

Vazo

m /s

cm /s

m /d

bbl/d

Volume

m3

cm3

m3

bbl

ndice de produtividade

m3/s / Pa

cm3/s / atm

m3/d / kgf/cm2

bbl/d / psi

Fonte: ROSA (2002, apndice 1)

Tabela 6 - Tabelas de Converso de Unidades

COMPRIMENTO

cm

km

in

ft

mi

0,01

0,00001

0,3937

0,0328

0,000006214

100

0,001

39,3

3,281

0,0006214

100000

1000

39370

3281

0,6214

2,54

0,0254

0,0000254

0,08333

0,00001578

30,48

0,3048

3,048

12

0,0001894

160900

1609

1,609

63360

5280

MASSA

Kg

slug

u.m.a.

ona

lb

ton

1 grama (g)

0,001

0,00006852

6,024x1023

0,03527

0,002205

0,000001102

1000

0,06852

6,024x1026

35,27

2,205

0,001102

14590

14,59

8,789x1027

514,8

32,17

0,01609

1,66x10-24

1,66x10-27

1,137x10-28

5,855x10-26

3,66x10-27

1,829x10-30

1 ona

28,35

0,02835

0,001943

1,708x1025

0,0625

0,00003125

1 libra (lb)

453,6

0,4536

0,03108

2,732x1026

16

0,0005

907200

907,2

62,16

5,465x1029

32000

2000

cm

ft

in

10000

10,76

1550

1 centmetro quadrado(cm)

0,0001

0,001076

0,155

1 p quadrado(ft)

0,0929

929

144

1 centmetro (cm)
1 metro (m)
1 quilmetro (km)
1 polegada (in)
1 p (ft)
1 milha terrestre (mi)

1quilograma (Kg)
1 slug
1 u.m.a.

1 ton

REA
1 metro quadrado(m)

1 polegada quadrada(in)

0,0006452

6,452

0,006944

cm

ft

in

1000000

1000

35,31

61020

0,000001

0,001

0,00003531

0,06102

0,001

1000

0,03531

61,02

0,02832

28320

28,32

1728

0,00001639

16,39

0,01639

0,0005787

atm

PSI(lbf/in)

Kgf/cm

Bar

mmHg(Torricelli)

mH2O

Pascal(Pa)

14,6959

1,033

1,01325

760

10,33

101325

0,068

0,07031

0,06895

51,71

0,70307

6894,8

0,96778

14,2234

0,98

735,514

10

98066,5

0,9869

14,5

1,02

750,061

10,195

10000

mmHg

0.001315789

0.01933677

0.00135951

0.001333224

0,0136

133,3224

mH2O

0,09678

1,42234

0,1

0,0980872

73,5514

9803,1176

in. Hg

0,03342

0,49119

0,03453

33900

25,4

0,34534

3386,5

0,000009869

0,000145038

1,01972E-05

0,00001

0,007500617

0,000102

VOLUME
1 metro cbico(m)
1 centmetro cbico(cm)
1 litro(l)
1 p cbico(ft)
1 polegada cbica(in)

PRESSO
atm
PSI(lbf/in)
Kgf/cm
Bar

Pascal(Pa)

Fonte: estudelegal.com.br/tabela.htm

APNDICE II GLOSSRIO DE TERMOS

Tabela 7 - Glossrio de termos da indstia de gs e petrleo.

2D

Two dimensional seismic

Ssmica 2D bidimensional

3D

Three dimensional seismic

Ssmica 3D tridimensional

API

American Petroleum Institute

Instituto americano de petrleo

bbls

Barrels

Barris

bcf

Billion cubic feet

Bilhes de ps cbicos

bcfpd

Billion cubic feet per day

Bilhes de ps cbicos por dia

bcm

Billion cubic metres

Bilhes de metros cbicos

bcma

Billion cubic metres per annum

Bilhes de metros cbicos por

ano

bcpd

Barrels of condensate per day

Barris condensados por dia

boe

Barrels of oil equivalent

Barris de leo equivalente

boepd

Barrels of oil equivalent per day

Barris de leo equivalente por

dia

bopd

Barrels of oil per day

Barris de petrleo por dia

bpd

Barrels per day

Barris por dia

Btu

British thermal units

Unidades trmicas britnicas

CAGR

Compound Average Growth Rate

Taxa de crescimento mdia

CATS

Central Area Transmission System

Sistema de Transmisso Central

de rea

CCGT

Combined Cycle Gas Turbine

Turbina a gs de ciclo
combinado

CNG

Compressed Natural Gas

Gs Natural Comprimido

cm

Cubic metre

Metro cbico

CPP

Central Processing Platform

Plataforma Central de
Processamento

DCQ

Daily Contracted Quantity

Quantidade Diria Contratada

DTI

Department of Trade and Industry

Departamento de Comrcio e
Indstria

E&A

Exploration and Appraisal

Explorao e Avaliao

E&P

Exploration and Production

Explorao e Produo

ECMA

East Coast Marine Area

Zona Oeste da Costa Marinha

EPC

Engineering Procurement Construction

Aquisio de Engenharia de
Construo

EPSA

Exploration & Production Sharing

Agreement

Acordo de Compartilhamento
de Explorao e Produo

EWT

Extended Well Test

Teste de poo prolongado

F&D

Finding and Development costs

Custo de busca e
desenvolvimento

FEED

Front End Engineering and Design

Engenharia e Projeto

FPSA

Final Production Sharing Agreement

Acordo de Partilha de Produo

Final

FPSO

Floating Production Storage and

Offloading

Floating Production Storage

Offloading e

GW

Gigawatts

Gigawatts

GWh

Gigawatt hours

GWh

GIIP

Gas Initially In Place

Gs inicial no poo

GOR

Gas Oil Ratio

Gs Oil Ratio

GSA

Gas Sales Agreement

Acordo de Vendas de Gs

HIIP

Hydrocarbons initially in place

Hidrocarbonetos inicial no poo

HPHT

High pressure high temperature

Alta presso de alta temperatura

LNG

Liquefied Natural Gas

Gs Natural Liquefeito

LPG

Liquid Petroleum Gas

Gs de petrleo liquefeito

mmbbls

Million barrels

milhes de barris

mmboe

Million barrels of oil equivalent

milhes de barris de leo

equivalente

mmbopd

Million barrels of oil per day

milhes de barris de petrleo

por dia

mmbtu

Million British thermal units

Milhes de unidades trmicas

britnicas

mmcmd

Million cubic metres per day

Milhes de metros cbicos por

dia

mscfd

Million standard cubic feet per day

Milhes de metros cbicos por

dia

mtpa

Million tonnes per annum

Milhes de toneladas por ano

mmscm

Million standard cubic metres

Milhes de metros cbicos

MoA

Memorandum of Agreement

Memorando de Acordo

MoU

Memorandum of Understanding

Memorando de Entendimento

MW

Megawatt

Megawatt

MWh

Megawatt hours

Megawatt hora

NGL

Natural Gas Liquids

Lquidos de Gs Natural

NGV

Natural Gas Vehicle

Gs natural veicular

Billion cubic metres of gas at zero

normal bcm degrees Celsius and at an absolute
pressure of 1.01325 bar

Bilhes de metros cbicos de

gs a zero graus Celsius e sob
uma presso absoluta de
1,01325 bar

NCMA

North Coast Marine Area

Zona Norte da Costa Marinha

PPA

Power Purchasing Agreement

Acordo de compra

PSC/PSA

Production Sharing Contract /

Production Sharing Agreement

Contrato de Partilha de
Produo / Acordo de Partilha
de Produo

scf/stb

Standard cubic feet per stock tank barrel

Padro de ps cbicos por barril

tanque de leo

T&D

Transmission and Distribution

Transmisso e Distribuio

tbtu

Trillion British thermal units

unidades trmicas britnicas

Trillion

tcf

Trillion cubic feet

Trilhes de ps cbicos

tpa

Tonnes per annum

Toneladas por ano

WHP

Well Head Platform

Plataforma cabea de poo

Fonte: http://www.bg-group.com/MediaCentre/MediaPack/Pages/glossaryofterm.aspx