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 Paraarealizaododesenvolvimentodaproduodepetrleonecessrioum expressivodesembolsodecapital.Ocomportamentodaindstriadeleoegsnos negcios demonstra que empresrios sempre procuram maximizar o retorno esperado e minimizaroriscodoempreendimento.Incertezaspermeiamportodasasvariveisem um elevado grau. Determinar resultados nicos para cada varivel no corresponderia simulaodocomportamentodamesma,sendonecessriomaisdoqueissopara visualiza-lasemumintervalodepossibilidade.preciso,portanto,realizardiversas anlises que possam identificar e quantificar os riscos inerentes s operaes, mitigando ou explorando-as na medida do possvel.Opresentetrabalhoobjetivaapresentaraanlisequantitativadoriscode exploraodepeotrleo,utilizandomodelosdaindstriadeleoegs.Talanlise 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.1Objetivo ............................................................................................................................... 10 I.2Metodologia ........................................................................................................................ 10 Captulo II - ANLISE DE RISCO NA INDSTRIA DE PETRLEO ..................................... 12 II.1O que anlise de risco? .................................................................................................... 12 II.2Modelos 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 Oinvestimentoemumaprospecodepetrleomuitoelevadoearriscado, podendo at dobrar dependendo da complexidade do local e fenmenos naturais (BVEP, 2002).Normalmente,osinvestidoresbuscamoportunidadesdenegciocommaior retornoesperadodiantedeummesmoriscooudemenorrisco,quandoapresentamo mesmoretorno.Portanto,esteocomportamentoracionalnomundodosnegcios, ondeempresriossempreprocurammaximizaroretornoesperadoeminimizarorisco do empreendimento.Comoobjetivodeminimizarosriscosemaximizaroretorno,osprojetospara este tipo de empreendimento exigem que sejam estimados valores decustos, receitas e ativoscomamaiorprecisopossvelecomagrandemaioriadosriscosidentificados. Alm disso, com o mesmo intuito, pode ser proposto para o projeto um cronograma de investimentoeproduo,ediversosindicadoresdemedioparaavaliaroandamento 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 quemaisinfluenciamnoresultadoeconmicodoprojeto,vistoqueosucesso econmicodaempresadepende,entreoutrosaspectos,diretamentodosucessodo projeto. Beggetal.(2002)afirmamqueovalordeumprojetofortementeinfluenciado pelasincertezas,eobaixoinvestimentodestinadoaoprocessodetomadadedeciso resultanumbaixodesempenhodaindstriadeexploraoeproduodepetrleo (E&P). Neste caso, no suficiente calcular apenas o Valor Presente Lquido (VPL) e a TaxaInterna 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 aomercado, j as de carter econmico esto correlacionadas com os movimentos da economia que se relacionam com o setor. UmadasformasmaisutilizadasparatrataroriscoasimulaoMonteCarlo que, segundo Prado(2000), uma maneira de setransformar um conjunto de nmeros aleatriosemumoutroconjuntodenmeros(variveisaleatrias),comamesma distribuio de probabilidade considerada. Nestetrabalho,paraarealizaodaanlisederiscofoiutilizadoosoftaware @RISK configurado para 10.000 iteraes. I.1Objetivo Estetrabalhotemcomoescopoaplicaraanlisederiscosemmodelos quantitativosnodesenvolvimentodeprojetosdepetrleonosambitostcnicoe 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.2Metodologia O primeiro passo para realizao da anlise de risco definir quais as principais incertezasaseremconsideradaselogoapsrealizaraanlisederiscopropriamente dita.Asprincipaisincertezasemprojetosdegrandeportededesenvolvimentoda produodecamposdepetrleosorelativasprevisodeproduo,aovolumeda reserva e por fim ao cronograma. ConformeLigero,CostaeSchiozer(2003),umadasprincipaisincertezasem camposdepetrleosorelacionadasavariveisestticas(modelogeolgico)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 simulaodeMonteCarloegerarosresultadosdasimulao.Podemsergerados diversosindicadores,taiscomo:valoresperadodoVPL(mdia),probabilidadedo VPL ser negativo, percentis da distribuio do VPL e outros. Um ponto importante que vale a pena ser destacado que caso a distribuio de probabilidadeouprocessoestocsticoadotadoparadeterminadoitemnoretratea realidade, todo o resultado da anlise de risco fica comprometido. CaptuloII-ANLISEDERISCONAINDSTRIADE PETRLEO II.1O que anlise de risco? Aspalavrasriscoeincertezasofrequentementeencontradasemdiscusses. Infelizmente,elassofceisdeteremseussignificadosconfundidos,especialmente risco. DeacordocomoDicionrioUniversalWebster(WebstersUnabridgedNew Universal Dictionary).,-IncertezaAqualidadeouestadodeserincerto,afaltadecerteza,a dvida. -RiscoAchancedeleso,danoouperda,ograudeprobabilidadede perda, a quantidade de perda possvel. Incerteza e Risco so utilizados para referenciar resultados e suas implicaes dealgumeventofuturo.Incertezadescreveerefereaumintervalodepossveis resultados.Riscodescreveopotencialdeganhoseperdasassociadoaumresultado particular (Murtha, 2008). II.2Modelos de anlise de risco na indstria de petrleo e gsAmaioriadosgestoresdeprojetosabordaanlisederiscodopontodevista disciplinar visando adquirir informaes sobre os riscos associados ao processo de E&P. Osdiferentesprofissionaisenvolvidosutilizamferramentasdistintaspararealizarseus clculos,baseando-senasinformaesdisponveisemseucampodeconhecimento.A seguir encontram-se alguns exemplos deste fato. Osresponsveispelaetapadeexplorao,aquidenomidosdeexploradores, buscamquantificaraincertezaassociadadescobertadehidrocarbonetos.Elesse concentramnaanlisedebaciashidrogrficas,visandoestimaraprobabilidadedeum reservatrioestarounoadequadoexploraodeleo.Emseguida,areserva estimada e associada ao fluxo de caixa (Rosa, 2002). Osengenheirosdeperfuraoanalisamosdadoshistricosnosesperando estimaroscustosdeperfurao,mastambmbuscandoquantificaroriscodecano furado,rupturas,perdadecirculaoeoutrosproblemasquepodemserencontrados durante o processo de perfurao de um poo (Thomas, 2002). Engenheiros de reservatrios e produo simulam o tamanho dos campos, ndices derecuperao,taxasdedeclnio,preosecustosdedesenvolvimentoeoperacional. Estes profissionais trabalham com exploradores e perfuradores membros da equipe paraestimarcronogramaeaquantidadedecapitaldeinvestimento(perfurao, plataformas, instalaes, gasodutos, etc) necessrio (Rosa, 2002).Almdopontodevistadisciplinar,existeopontodevistalocalizacional. Dependendodaregio,doambiente,datecnologia,daconcepodedesenvolvimento surgem outras incertezas (BVEP, 2002). Aanlisederiscoporsuavezomtododetransformaressesnmerosem distribuiesdeprobabilidades.Quandoomodelorestritoparaapenasumvalor, chamadodemodelodeterminstico.Quandopermitidonomodelorepresentaros 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). SegundoaWikipedia,ummodelomatemticoumarepresentaoou interpretaosimplificadadarealidade,ouumainterpretaodeumfragmentodeum sistema, segundo uma estrutura de conceitos mentais ou experimentais. Ummodeloapresentaapenasumavisooucenriodeumfragmentodotodo. Normalmente,paraestudarumdeterminadofenmenocomplexo,criam-sevrios modelos.Osmodelosmatemticossoutilizadospraticamenteemtodasasreas 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 converteasincertezasespecificadasdemaneiradetalhadanoseupossvelimpactonos objetivos do projeto. Em uma simulao, o modelo do projeto calculado vrias vezes (iterado),comvaloresdeentradaselecionadosaleatoriamenteparacadaiteraodas distribuiesdeprobabilidadesdessasvariveis.Adistribuiodeprobabilidades calculada a partir das iteraes. Aocorrnciadepetrleodependedacombinaodevriosfatoresque determinamosdiferentesriscosexploratriosnasdiversasbaciassedimentares.Uma vez que a avaliao destes riscos se apia na interpretao de dados geolgicos, quanto mais informaes, menores sero os riscos envolvidos. Osriscospodemseragregadosporcadafasedodesenvolvimentodepetrleo, como: fase exploratria, fase de perfurao e fase de produo. Afasedeexploraoondesebuscaencontraroshidrocarbonetosqueocupam espaosporososnasrochas(Thomas,2001),sejamelesentregrosoufraturas.So efetuadosestudosdaspotencialidadesdasestruturasacumuladoras(armadilhasou trapas),principalmenteatravsdessmicaqueoprincipalmtodogeofsicoparaa 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 atravsdeferramentasespeciais(perfilagem)asquaistambmpermitemleras propriedades fsicas das rochas, identificar e avaliar a ocorrncia de hidrocarbonetos. Umestudorealizadoparaadquirireanalizardadoshistricosnaesperanade quantificarosriscosdetubofurado,rupturas,perdadecirculao,eoutrosproblemas encontradosenquantoperfuraumpoo.Devidoaessesriscos,oscustosassociados 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 histricoseolharparaumrelacionamentodaformaemqueX,Y,Z,...,referem-se profundidadedalminadegua,profundidadetotalatoleoegs,pesodalama,e assim por dianteeento usara regresso mltipla (em logaritmos deX,Y,Z ,...) para estimar os parmetros c0, e a, b, c, ... Atribuir variveis aleatrias para os parmetros de entrada,X,Y,Z-gerandoadistribuioapartirdosdadoshistricos,assim,esta abordagembastantesimplesignoraaspossveisdependnciasentreasvariveis,que podem interferir na anlise de regresso. ... * * *c b aZ Y X co Custo = Aregressomltiplaenvolvetrsoumaisvariaveis,portanto,estimadores.Ou seja, ainda uma nica varivel dependente, porm duas ou mais variveis independentes (explanatrias). Afinalidadedasvariveisindependentesadicionaismelhoraracapacidadede predioemconfrontocomaregressolinearsimples.Isto,reduzirocoeficientedo 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. Aequaovolumtricaclssicaparaestimativadotamanhodocampoouo tamanho de um hidrocarboneto (neste caso o leo) acumulado em um determinado local : o B )/ (1 u = Sw 7758Ah ReservaSegundoMurtha,umasimplesvariaodaequaoacimaincluindouma eficincia de recuperao e agrupando tudo, exceto A e h, encontra-se a estimativa mais simples dareserva que objeto de estudo utilizada no modelo de produo: R h A serva - - = Re Onde: A - rea h - espessura mdia R - fator de recuperao ( frao do volume que pode ser produzido) possvelestimaressesparmetrosparacadaprospeconumabaciaouem umplaydeexplorao.Paraisso,secadaprospecorepresentaumaestruturaem umabacia,possvelatribuirdistribuiesdeprobabilidadeindividuaisparacada parmetroemcadaestrutura.Essaseqnciadeperfuraonasprospecesafetao tempo para comprovar as reservas e o custo operacional. Porfimcomosmodelosaquidescritossoincludosparmetroscomocustos, instalaes,materiais,eoprogressodaproduo.Enquantoasreceitasprovenientes desta produo incremental podem ser bastante significativas, a receita realizada em um futuro distnte.Nos a incerteza(de preos e despesas, por exemplo) ampliou, masovalorpresente(VP)dasreceitaseoscustossosubstancialmentereduzidos pela reduo de tempo. SegundoCaldwellandHeather(1991)temque,namaioriadoscasos,a distribuiodasreservastendeparalog-normal.Comoumadistribuionormal aparecequandososomadasvriasdistribuiesindependentes,adistribuiolog-normalaparecenaturalmentecomooprodutodevriasdistribuiesindependentes (sempre positivas), ou seja, descreve variveis que so produtos de outras variveis. Apsaestimativadareserva,estimadooquorpidoaproduodeleo. 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 CaldwellandHeather(1991)definequeumdosmodelosmaiscomunsde projeo de produo uma curva exponencial declinada: ) ( atie q q= Figura 1 Curva de Produo Tpica do Campo Fonte: Caldwell (1991) adpatado pelo autor. Hinmerosfatoresqueregulamaexploraoeodesenvolvimentodeum 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 necessariamentealeatrias.Elebuscagerarvaloresaleatriosemummodelocomo 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 davariveldeinteresse(variveldesada),combaseemumaoumaisvariveisde entrada,quesecomportamdeformaprobabilsticadeacordocomalgumadistribuio estipulada. Na viso de Law e Kelton (2000), a simulao de Monte Carlo uma abordagem queempregaautilizaodenmerosaleatriospararesolverproblemasestocsticos nos quais a passagem do tempo no possui um papel relevante. SegundoBuratto(2002),asimulaodeMonteCarloumprocessode amostragemcujoobjetivopermitiraobservaododesempenhodeumavarivelde interesseemrazodocomportamentodevariveisquecarregamelementosde incerteza.Emborasejaumconceitosimples,aoperacionalizaodesseprocessorequero auxliodealgunsmtodosmatemticos,comoageraodenmerosaleatrios,onde segundoEvanseOlson(1998)eVose(2000),destaca-seomtododatransformada inversa. Umnmeroaleatriodefinidocomosendoumvalornumricoescolhidoao acaso, conforme uma distribuio de probabilidade uniforme. J a Funo Densidade de Probabilidade (FDP) F(x) de uma varivel aleatria X dada por: ) ( ) ( x X P x F s =Talfuno,quemostraaprobabilidadeP(x)dequeavarivelXsejamenorou igual a x, para todo e qualquer x, possui as seguintes propriedades: 0 ) ( > x Fdxd 0 ) ( lim = x Fx 1 ) ( lim = x Fx Desse modo, F(x) sempre no-decrescente e assume valores entre 0 e 1. Sendo assim,admitindo-sequeainversadessafunoexista,escolhendo-seaoacasoum determinado valor paraF(x), pode-seencontrarum nico valor associado de x, seja de forma explcita ou atravs de um algoritmo computacional. Portanto,dadoqueosnmerosaleatriostambmpossuemapropriedadede assumirvaloresapenasnointervaloentre0e1,bastagerarumnmeroaleatrioR, substitu-lodiretamenteemF(x)eobterovalorassociadodex.Esseomtododa transformada inversa. DeacordocomVose(2000),essemtodo,utilizadotambmporoutros procedimentosdeamostragem,noaplicvelparaalgumasdistribuiesde probabilidade,oquetornanecessriaautilizaodeoutrosmtodos.Noentanto, segundooreferidoautor,oprincpiobsicoutilizadoomesmo,e,paraosfinsdo presente trabalho, entende-se que a descrio realizada at aqui j suficiente. Independentemente domtodo utilizado para viabilizar o processo de simulao, noentanto,ficaevidenteaimportnciadaescolhadogeradordenmerosaleatriosa ser utilizado. Captulo IV APLICAO E SIMULAES Nestecaptuloapresentadaasimulaodosmodelosutilizandoo@Riskque por sua vez usa a metodologia Monte Carlo interligado ao Microsoft Excel.A Palisade Corporation fabricante do softwarede anlise de risco e tomada de deciso@RISK.PraticamentetodososprodutosdaPalisadesousadoscomoadd-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 riscoutilizandoSimulaodeMonteCarloparamostrarosresultadospossveisem planilhaExcel-edizerqualaprobabilidadedeocorrnciadestesresultados.Isto significaquevocpodeavaliarosriscosaassumireaevitar,permitindoamelhor tomada de deciso sob incerteza.Paraoestudodecaso,soabordadastrssees:previsodeproduo,volume de reserva e por fim o cronograma. Para cada seo apresentada uma planilha de apoio comosresultadosdasimulao.Osdadosdoestudosoadaptaesdosapresentados em Murtha (2008). IV.1 Previso de Produo Aprevisodeproduocorrespondeaprevisodofluxodecaixalquidoque apresentadonatabela1quedesenvolvidoinicialmentesemconsiderarosriscos envolvidosemcadavarivel.SegundoMurtha(2008)podemosadotarcomopremissa paraoestudodecaso,umdeclneoexponencialnaproduodeleoegsanual,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). Atabelaabaixoapresentaummodelodeprevisoeconmicaedeproduode petrleo baseado no modelo de Murtha (2008) adpatado pelo autor. Previso Econmica e de Produo de Petrleo Declnio Exponencial DescrioParmentros de entrada ConcessoXYZProduo Anual32000STB/yr CdigoA123Taxa de Declnio12% LocalWAWGOR750scf/STB Operadorleo ABC Preo do Gs1,2$/Mscf EngenheiroEDEVINPreo do leo20$.STB Dataabr/09Taxa de Desconto12% Previso de ProduoPreviso Econmica AnoOilGrosGasGrosReceitaOPEXFluxo Caixa Liq.Valor Presente STBMcf 200932.00024.000668.8001.200.000-531.200-531.200 201028.38121.286616.64410.000606.644541.646 201125.17218.879568.55710.000558.557445.278 201222.32616.744524.22210.000514.222366.013 201319.80114.851483.34710.000473.347300.820 201417.56213.171445.66010.000435.660247.205 201515.57611.682410.91310.000400.913203.115 201613.81510.361378.87610.000368.876166.861 201712.2539.189349.33910.000339.339137.053 201810.8678.150322.10510.000312.105112.548 Total VPL: Total197.753148.3154.768.4631.290.0003.478.4631.989.341 Tabela 1 Previso Econmica e de Produo de Petrleo Osparmetrosdeentradapodematserconhecidosnoexatomomentoda confeco,porm,nossetratandodeprojeo,masasvariveisestocobertasde 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 maisseadaptamaosdadoshistricose/ouopiniesdeespecialistas,ouseja,que representemocomportamentomaisprximodarealidade,paraquesejapossvel simulartodasaspossibilidadesesuasrespectivasprobabilidades,alcanandoum 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 simulartodasasdemaisfunesparacadavalordoSIMTABLE,ouseja,nestecaso foramobtidosdoisresultados,umaumataxadedescontode12%a.a.eoutroauma taxa de desconto de 21% a.a.. O clculo da receita dado por: Receita=(produodeleo)*(preodoleo)+(produodegs)*(preodo gs) Figura 2 Modelo de previso representado no Excel. Ogrficoapresentaoresultadodaprincipalmtricafinanceirausadaneste modelo,chamadovalorpresentelquido(VPL).Oresultadocomparaduastaxasde descontos,12%a.a.e21%a.a..Ataxadedescontorepresentaocustodecapital,ou seja, a taxa de retorno que pode ser ganho de um investimento nos mercados financeiros comumriscosimilar.Nessesentido,ofatordedescontorepresentaoretornoexigido sobreoinvestimento,casocontrrioosinvestimentosalternativosdevemser 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%dechance deganhar 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% dechance deganhar 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 exigemumaltoretornodoinvestimento,casocontrrioodinheirosercolocadoem 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. Nafigura6foipossvelverificarquealmdajanalisadavariveldetaxade deconto, demais fatores de risco que podem influenciar positivamente ou negativamente o resultado do VPL. Correlations for Total NPV/G30 (Sim#1)0,833-0,3780,315-0,080,002-1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1 YRLPROD/F6 DECLRATE/F7 PRICEOIL/F10 2009 / OPEX/E19 PRICEGAS/F9 Correlation Coefficients Figura 6 Correlacionamento de fatores de riscos ApartirdosresultadosdaFigura6,pode-severqueataxadedeclneodopoo (DECLRATE) o maior fator de risco com efeito negativo sobre os resultados do VPL, outrofatorderiscooOPEXparaexecutaraoperao,temosegundomaiorefeito negativosobreosresultadosdoVPL,comumvalordecorrelaocercade-0,08.Os Investimentos tambm tm um efeito negativo no resultado geral, mas um tanto inferior aoOPEXeporissonomostradonogrfico.Poroutrolado,aproduoanualde petrleo,preodoleoepreodogssofatorespositivosderiscos(oportunidades), esses fatores aumentam o VPL na medida em que eles aumentam. IV.2 Volume da ReservaO 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.Atabelaabaixoaprentaummodelodeprevisoeconmicaedeproduode petrleo baseado no modelo de Murtha (2008) adpatado pelo autor. Volume da Reserva A2333,33ac h56,67ft R133,33STB/ac-ft Reserva17,63MMSTB Tabela 2 Modelo de Volume da Reserva Anlogo ao item anterior, as variveis A, h e R contm incertezas quanto aos seus valores,asmesmasaquisomodeladascomdistribuiestriangulares(Caldwelle 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 campoouotamanhodeumhidrocarboneto(nestecasooleo)acumuladoemum 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 dareserva que objeto de estudo utilizada no modelo de produo: Reserva = AhR OndeAarea,haespessuramdiaeRofatorderecuperao.Ofatorde recuperao a frao do volume que pode ser produzido. Entretantoimportantetambmentenderocomportamentodofatorde recuperaoquecompostopelasvariveis (porosidade)eSw(saturaodagua), cujoprodutodelas *(1-Sw)origina-seofatorderecuperao(R)oqual representa a porosidade da rocha.Aporosidaderepresentaacapacidadedeconterfluidoseasaturaoa quantidade de fluido presente em um dado espao. Atabelaabaixoapresentavariveisdeentradaeseusintervalosdeincertezas baseado nas informaes de Murtha (2008) adpatado pelo autor. EntradasMnimosMximos Rt Resistividade eltrica de formao do reservatrio1921 RwResistividade eltrica da gua0,0550,075 nExpoente de Saturao1,82,2 aCoeficiente0,620,62 mExpoente de cimentao22,3 B Densidade2,362,38 MA Densidade da rocha2,582,63 F Densidade da reserva de fludo0,90,9 Tabela 3 Intervalo das variveis de entrada NaindstriadopetrleobastanteutilizadaaLeideArchie,umaequao empricarelacionandoacondutividadeefetivadarochacomasuaporosidade, Fernandes et al (2002), tambm conhecida como fator de formao: ma F= * O objetivo desta seo estimar a porosidade e a saturao da gua, e verificar ainfluenciadasvariveisdeentradanoclculodareserva,almdecompararos resultados utilizando dois tipos de distribuies.Walstrom(1967)citaemseulivroasfrmulasdeporosidadeesaturaoda gua: Porosidade: MA FMA B =Saturao da gua: nTWRFRSw/ 1||.|

\|=McCray(1975)sugereadistribuiotriangular,emseusregistrosfoi constatadovaloreshistricosquesecomportamnoqueseassemelhamauma distribuio triangular. Walstrom (1967) um pouco mais cedo, afirma que a tambm possvelsimularocomportamentoutilizandoadistribuiouniforme.Paraa simulaonestetrabalhoforamutilizadasambasdristribuiescomoobjetivode comparar os resultados finais. RtRiskTriang(19; 20; 21)RiskUniform(18,8; 21) RwRiskTriang(0,055; 0,065; 0,075)RiskUniform(0,054; 0,076) nRiskTriang(1,8; 2; 2,2)RiskUniform(1,75; 2,25) aRiskTriang(0,62; 0,62; 0,62)RiskUniform(0; 1,2) mRiskTriang(2; 2,15; 2,3)RiskUniform(1,95; 2,3) pBRiskTriang(2,36; 2,37; 2,38)RiskUniform(2,355; 2,38) pMARiskTriang(2,58;2,605;2,63)RiskUniform(2,58; 2,63) pFRiskTriang(0,9;0,9;0,9)RiskUniform(0,4; 1,4) O modelo apresentado na figura abaixo: Figura 8 Modelo de clculo do fator de recuperao Comoresultadofoiobtidoogrficodesensibilidadeparavisualizarquais parmetrosdeentradatrazumefeitotantopositivoquantonegativoparaoresultado final, ou seja, para o fator de recuperao (R) que entrada para o clculo da reserva. Correlations for R0,800,41(0,28)(0,26)(0,13)0,120,020,02-1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1 Expoente de cimentao / T.../M14 Resistividade eltrica da .../M11 Densidade da rocha / Trian.../M16 Expoente de Saturao / Tr.../M12 Resistividade eltrica de .../M10 Densidade / Triangular/M15 Densidade da reserva de f l.../N17 Expoente de Saturao / Un.../N12 Correlation Coefficients Figura 9 Fatores de Correlacionamento Quantomaiorofatorderecuperao,maiorseraestimativadovolumeda reservacujaunidadedadaporSTB/ac-ft(barrildeleoporacre-p,oumelhor, barril por acre de volume da reserva). importantesalientarqueosdadoslevantadossodefinidosapartirda propriedadedeterminadapelomtodogeofsico,eexatamenteavarivelquemais relaciona ao resultado final trazendo um impacto positivo o expoente de cimentao, cujo,definidoimpiricamentebaseadoeminformaesadicionais,advindasdo conhecimento geolgico. Umsegundofatorpositivotambmencontradofoiaresistividadeeltricada gua,oinversodacondutividadedagua,comumenteutilizadoparamedira 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 pesadaa rocha, menora quantidade de espaos cheios de gases e hydrocarbonetos e o expoente de saturao tambmdefinidonomodelogeolgicoatuainversamentenovalordasaturaoda gua. Afigura10apresentaascurvadedensidadedasdistribuiestriangularese uniformes: Figura 10 Curva de distribuio comparativa notveladiferena,enquantonadistribuiouniforme,umintervalode confiana de 90% varia de 6,56 barris por acre de volume a 165,35 barris por acre de volume,nadistribuiotriangularomesmointervaloobtidovaloresde59,50a 98,01barrisporacredevolume,emboraasmdiastenhamficadasprximas,o comportamentoeograudoriscosodiferentespodendodistorceratomadade deciso,oqueconclu-sequequantomaioroinvestimentoemcoletardadoscom qualidademaiorseraconfiabilidadedosdadosemaiorserarepresentaoda realidade do comportamento das variveis estudadas. IV.3 Cronograma Cronogramarefere-seaalocaodecapitaleoutrosrecursosnotempoparaa geraofuturodereceita.Operododeinvestimentodocapitalumdosmais significantesfatoresparadeterminaroperfildofluxodecaixa(Murtha,2008).Seja parafinsdeexploraoouproduo,ummodeloquerepresentaumaperspectivade investimentoestincompletoatqueascontasdeinvestimentosedespesasestejam planejadas. Estemodelolincaocustodecapitaleocronogramadeperfuraoparao tamanhoestimadodadescobertadeumcampo,oumaisprecisamenteovolumeda reserva.Oclculodovolumedareservapartedomesmoprincipiojdiscutido anteriormente: rea2333 ac Espessura mdia 193 ft Fator de Recuperao133 STB/ac-ft Reserva60,15 MMSTB (Volume da reserva) Tabela 4 - Previso de Reserva de Petrleo (Murtha, 2008) adaptado pelo autor Asdistribuiespararea,espessuramdiaeofatorderecuperaoso triangularesconformejdescritoanteriormente.Depoisdedecididoomodelodo tamanhodocampo,obtidoovolumederecuperaodocampo,ouseja,areserva comosada,bemcomosuacurvadadensidadedeprobabilidadeondepossvel encontrarasestimativasP5eP95(5%e95%deprobabilidade)de25MMbble115 MMbbl.Ouseja,apenas5%dovolumedareservapodeestarabaixode25MMbble apenas 5% da reserva pode estar acima de 115 MMbbl. Figura 11 Distribuio do volume da reserva SegundoMurtha(2008)estesdois"extremossoutilizadoscomolimitespara definirotamanhorelativodareserva,chamando-lhes"aproxmin"e"aproxmaxHaja necessidadedecalcular,umavezqueomodelodevolumedareservautiliza distribuies,fazsentidoincorporaressasincertezasaovolumeecronogramade investimentos.Otamanhorelativodocampoemrelaoaessesdoisextremos 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 tamanhodocampoamostradosaidointervalodeconfiana.Assim,paraumcampo relativamentepequeno,obtidoumplanodeCAPEXmodestoeumcronogramade perfurao modesto. Da mesma forma para um campo grande, antecipa-se um CAPEX maior e mais poos a serem perfurados.Paraomodelo,serestimadoparaosprximoscincoanosvaloresmnimose 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 programaesdeinvestimentosedeperfuraoproporcionalaotamanhodocampo,a proporcionalidadegarantidapelarazodotamanhorelativoeentocalculado interpolando ambos (CAPEX e Perfurao) para cada ano conforme frmula abaixo: Amostra = Mnimo +tam.Relativo*(Mximo - Mnimo) Quandootamanhorelativofor0,essaexpressosereduzaB17,ocaso "mnimo". Quando o tamanho relativo for 1, a expresso retorna o caso mximo, C17. Estevalorinterpolado(pensenissocomoumamdiaponderadatambm)semprenos dar um nmero entre o "mnimo" e o "mximo" de valores.Osvaloresapresentadosabaixoforamretiradosdomodelodecronogramade 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 Osgrficosacimaresumemasalteraesnasdistribuiesdeprobabilidadeem umintervalodesada.Ogrficolevacincoparmetrosdecadadistribuio-amdia, doissuperioresedoisinferioresvaloresdebandaeasmudanasnoscincoparmetros aolongodointervalodesada.Abandasuperiortemvaloresde1desvio-padroe percentil95decadadistribuio,enquantoosdoismenoresvaloresdebandatm-1 desvio padro e percentil 5 de cada distribuio.Ogrficoparticularmentetilnaexibiodealteraesnoriscoaolongodo tempo.Afigura13mostraastendnciasdadistribuiodaquantidadedepoospara cada ano e a figura 14 mostra as tendncias da distribuio de investimentos para cada ano.Asdemaisbandasemtornodamdiademonstramavariabilidadedepossveisresultados. 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 2011seriade9,porm,aquantidadedepoosestdiretamenterelacionadacomo volumedareserva,queporsuavezincerto.Nessaanlise,em2014,possvel verificar que a variao da quantidade de poos de 0 a 6, a distribuio demonstra um intervalodeincertezagrande,cabendoaodecisorescolheramelhorestratgiade 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. Aodecidiratingiralinhasuperior,pode-lhetrazerantecipaodereceita,maior investimentoproporcionamaispoosperfuradoseadiantamentodocronograma,por outroladopodecustarcaroquandoquenarealidadeovolumedareservabaixoea quantidadedepoosobedeceaopiorcaso,podeocorrerperfuranodepoossecose um maior consumo de dinheiro no presente momento gerando um custo de oportunidade muito alto. Captulo V CONCLUSO Aanlisederisconaindstriadepetrleoumaformadeconhecermelhoros riscosenvolvidos,identificandoequantificandooriscodasvariveisquemais influenciamoresultadosejaeletcnicooueconmico.Talconhecimentomuitoltil paraauxiliarosdecisoresnaseleodomelhormtodoaserimplementado.Isto particularmente importante na indstria de petrleo por conter projetos de grande porte e alto grau de incerteza.EstetrabalhoapresentouaaplicaodomtododeMonteCarlo(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 aleatriasapartirdalistaderiscosidentificados.ComovistonaseoIV.2,aescolha dadistribuiodistribuiouniformeoutriangularquenorepresenteo comportamentorealdasvariveispodedistorcerosresultadosacarretandoemuma tomada de deciso errnea. O estudo demonstrou o conhecimento dos riscos e oportunidades envolvidos para sebuscarrealizarmedidasmitigadorasparaosriscosemedidasexploratriasparaas oportunidades.Conclui-setambmqueaaquantidadedemodelos,sesosimplesou 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 precaridadedosdadosdeentradapodemcausarresultadosduvidosose, consequntemente, a perda de confiabilidade da anlise.Os resultados da anlise de risco dos modelos apresentados mostraram que a taxa deretornoqueseesperadoinvestimento,ouatmesmo,amaneiradecomoest estruturadooseucapital(custodecapital),influenciadiretamentenoVPLdo investimento.OfatorquemaisinfluencianoVPLaproduoanual(curvade produo)depetrleo,queinfluenciadopelaestimativadareservaquedemonstrou queaqualidadeeaconfiabilidadedeinformaesgeofsicassofundamentaisparaa suaestimativa.OdetalhamentodomodeloearealizaodaAQRsoessenciaispara entenderosvaloresdasvariveisdeentradaeverificaraacuracidadedasinformaes 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 docronogramadeperfuraoegastoscominvestimentos.Osvaloresapresentados distribudosprobabilisticamentesoinformaesdesuporteeapoioparaatomadade deciso,deixandonamodotomadorocritriodeaceitaodoriscoparaoseu negcio. REFERNCIAS BIBLIOGRFICAS Murtha,J.A.:DecisionsInvolvingUncertainty,2ed.EditoraPalisade,NewYork, 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.palisade-br.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 parmetroSIDARCYPETROBRASAMERICANO Comprimentomcmmft Massakggkglb Temperatura absolutaKKK 0R Temposshh Permeabilidadem2darcymdmd PressoPaatmkgf/cm2psi ViscosidadePa.scpcpcp Vazom3/scm3/sm3/dbbl/d Volumem3cm3m3bbl ndice de produtividadem3/s / Pacm3/s / atmm3/d / kgf/cm2bbl/d / psi Fonte: ROSA (2002, apndice 1) Tabela 6 - Tabelas de Converso de Unidades COMPRIMENTO cmmkmin ftmi1 centmetro (cm)10,010,000010,39370,03280,0000062141 metro (m)10010,00139,33,2810,00062141 quilmetro (km)100000100013937032810,62141 polegada (in)2,540,02540,000025410,083330,000015781 p (ft)30,480,30483,0481210,00018941 milha terrestre (mi)16090016091,6096336052801 MASSA gKgslugu.m.a.onalbton 1 grama (g)10,0010,000068526,024x10230,035270,0022050,000001102 1quilograma (Kg)100010,068526,024x102635,272,2050,001102 1 slug1459014,5918,789x1027514,832,170,01609 1 u.m.a.1,66x10-241,66x10-271,137x10-2815,855x10-263,66x10-271,829x10-30 1 ona28,350,028350,0019431,708x102510,06250,00003125 1 libra (lb)453,60,45360,031082,732x10261610,0005 1 ton907200907,262,165,465x10293200020001 REA mcmftin1 metro quadrado(m)11000010,7615501 centmetro quadrado(cm)0,000110,0010760,1551 p quadrado(ft)0,09299291144 1 polegada quadrada(in)0,00064526,4520,0069441 VOLUME mcmlftin 1 metro cbico(m)11000000100035,3161020 1 centmetro cbico(cm)0,00000110,0010,000035310,06102 1 litro(l)0,001100010,0353161,02 1 p cbico(ft)0,028322832028,3211728 1 polegada cbica(in)0,0000163916,390,016390,00057871 PRESSO atmPSI(lbf/in)Kgf/cmBarmmHg(Torricelli)mH2OPascal(Pa) atm114,69591,0331,0132576010,33101325 PSI(lbf/in)0,06810,070310,0689551,710,703076894,8 Kgf/cm0,9677814,223410,98735,5141098066,5 Bar0,986914,51,021750,06110,19510000 mmHg0.0013157890.019336770.001359510.00133322410,0136133,3224 mH2O0,096781,422340,10,098087273,551419803,1176 in. Hg0,033420,491190,034533390025,40,345343386,5 Pascal(Pa)0,0000098690,0001450381,01972E-050,000010,0075006170,0001021 Fonte: estudelegal.com.br/tabela.htm APNDICE II GLOSSRIO DE TERMOS Tabela 7 - Glossrio de termos da indstia de gs e petrleo.2DTwo dimensional seismicSsmica2D bidimensional 3DThree dimensional seismicSsmica 3D tridimensional API American Petroleum InstituteInstituto americano de petrleo bblsBarrelsBarris bcfBillion cubic feetBilhes de ps cbicos bcfpdBillion cubic feet per dayBilhes de ps cbicos por dia bcmBillion cubic metresBilhes de metros cbicos bcmaBillion cubic metres per annum Bilhes de metros cbicos por ano bcpdBarrels of condensate per dayBarris condensados por dia boe Barrels of oil equivalentBarris de leo equivalente boepd Barrels of oil equivalent per day Barris de leo equivalente por dia bopdBarrels of oil per dayBarris de petrleo por dia bpdBarrels per dayBarris por dia Btu British thermal unitsUnidades trmicas britnicas CAGRCompound Average Growth RateTaxa de crescimento mdia CATSCentral Area Transmission System Sistema de Transmisso Central de rea CCGTCombined Cycle Gas Turbine Turbina a gs de ciclo combinado CNGCompressed Natural GasGs Natural Comprimido cm Cubic metreMetro cbico CPPCentral Processing Platform Plataforma Central de Processamento DCQ Daily Contracted QuantityQuantidade Diria Contratada DTIDepartment of Trade and Industry Departamento de Comrcio e Indstria E&AExploration and AppraisalExplorao e Avaliao E&PExploration and ProductionExplorao e Produo ECMAEast Coast Marine AreaZona Oeste da Costa Marinha EPCEngineering Procurement Construction Aquisio de Engenharia de Construo EPSA Exploration & Production Sharing Agreement Acordo de Compartilhamento de Explorao e Produo EWTExtended Well TestTeste de poo prolongado F&DFinding and Development costs Custo de busca e desenvolvimento FEEDFront End Engineering and DesignEngenharia e Projeto FPSAFinal Production Sharing Agreement Acordo de Partilha de Produo Final FPSO Floating Production Storage and Offloading Floating Production Storage Offloading e GWGigawattsGigawatts GWhGigawatt hoursGWh GIIPGas Initially In PlaceGs inicial no poo GORGas Oil RatioGs Oil Ratio GSAGas Sales AgreementAcordo de Vendas de Gs HIIPHydrocarbons initially in placeHidrocarbonetos inicial no poo HPHTHigh pressure high temperatureAlta presso de alta temperatura LNGLiquefied Natural GasGs Natural Liquefeito LPGLiquid Petroleum GasGs de petrleo liquefeito mmbblsMillion barrelsmilhes de barris mmboeMillion barrels of oil equivalent milhes de barris de leo equivalente mmbopdMillion barrels of oil per day milhes de barris de petrleo por dia mmbtu Million British thermal units Milhes de unidades trmicas britnicas mmcmdMillion cubic metres per day Milhes de metros cbicos por dia mscfdMillion standard cubic feet per day Milhes de metros cbicos por dia mtpa Million tonnes per annumMilhes de toneladas por ano mmscmMillion standard cubic metresMilhes de metros cbicos MoAMemorandum of AgreementMemorando de Acordo MoUMemorandum of UnderstandingMemorando de Entendimento MWMegawattMegawatt MWhMegawatt hoursMegawatt hora NGLNatural Gas LiquidsLquidos de Gs Natural NGV Natural Gas VehicleGs natural veicular normal bcm Billion cubic metres of gas at zero 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 NCMANorth Coast Marine AreaZona Norte da Costa Marinha PPAPower Purchasing AgreementAcordo de compra PSC/PSA Production Sharing Contract / Production Sharing Agreement Contrato de Partilha de Produo / Acordo de Partilha de Produo scf/stbStandard cubic feet per stock tank barrel Padro de ps cbicos por barril tanque de leo T&DTransmission and DistributionTransmisso e Distribuio tbtuTrillion British thermal units unidades trmicas britnicas Trillion tcf Trillion cubic feetTrilhes de ps cbicos tpaTonnes per annumToneladas por ano WHPWell Head PlatformPlataforma cabea de poo Fonte: http://www.bg-group.com/MediaCentre/MediaPack/Pages/glossaryofterm.aspx