Anda di halaman 1dari 56

CRYSTAL BALL

Edwin Alexander Espndola


Edward Fabin Galindo
Sergio Enrique Milln
Luis Mauricio Ojeda
Giorgio Andrs Rossi
Laura Katherinne Cruz
M.Sc Nelsn Quintero

Simulacin de yacimientos
Bucaramanga, Enero 31 del 2015

AGENDA
OBJETIVOS
INTRODUCCIN
GENERALIDADES
CONCEPTOS BASICOS
COMPONENTES DEL SIMULADOR
VENTAJAS
APLICACIONES

OBJETIVOS

Conocer y manejar las diferentes herramientas


que el software Crystal Ball ofrece.

Crear un modelo que permita utilizar la


herramienta Crystal Ball en la solucin de un
problema aplicado a las Industria Petrolera.

INTRODUCCIN
Considerando la importancia que tiene la toma de decisiones al
interior de las organizaciones y teniendo en cuenta los diferentes
factores que la afectan directa o indirectamente, consideramos
al Crystal Ball, como una herramienta viable en la creacin de
pronsticos de riesgos, y su adaptacin a una situacin que se
acerque a la realidad del gremio de la Industria petrolera.

GENERALIDES
Crystal Ball es un programa de anlisis y de pronstico orientado
a travs de grficos.
Con el propsito de quitar la incertidumbre en la toma de
decisiones.
A travs de la simulacin pretende responder preguntas o
situaciones que evalen el riesgo; tales como qu pasara
si?
Utiliza la tcnica de simulacin Monte Carlo que muestra los
resultados posibles, mostrando los niveles de confianza.
Crystal Ball es para planeadores estratgicos, analistas
financieros, ingenieros, empresarios, administradores de
mercadeo, entre otros.

HOJAS
DE
CLCULO

Usted solamente puede


modificar una hoja de
calculo por vez. Como
consecuencia, explorar el
rango entero de posibles
resultados
es
casi
imposible.

Usted podr describir un rango


de posibles valores para cada
celda incierta dentro de su hoja
de clculo. Todo lo que usted
conoce sobre cada supuesto se
encuentra expresado a la misma
vez.

CRYSTAL
BALL

HOJAS
DE
CLCULO

El
anlisis
Qu
suceder si? siempre
termina
en
estimativos
independientes
los
cuales nos indican la
probabilidad
que
usted
tiene
de
alcanzar un resultado
en particular.

Utilizando
un
proceso denominado
simulacin de Monte
Carlo, Crystal Ball le
mostrar
los
resultados en un
grfico
de
pronsticos en el
cual usted podr
observar el rango
entero de resultados
posibles
y
la
probabilidad
de
alcanzar cada uno
de ellos.

CRYSTAL
BALL

Conceptos Basicos

Media: Se refiere ms a menudo


como el "promedio" de un grupo de
nmeros. Se calcula al sumar todos
los nmeros en un conjunto y luego
dividirlos por la cantidad de
nmeros en el conjunto.

Mediana: Es el nmero en el centro


del conjunto cuando los nmeros se
ordenan en orden de menor a
mayor. Si el conjunto contiene un
nmero par de enteros, la mediana
son los dos nmeros en el centro,
se suman y dividen por dos

Moda: Es el nmero que aparece


ms a menudo dentro del conjunto.
Si hay dos nmeros que son tan
comunes el uno al otro y ms
comunes que cualquier otro, puede
haber ms de un moda en un
conjunto

Desviacin Estndar: Se puede


definir como el "casi promedio" de
los cuadrados de las desviaciones de
los datos con respecto a la media
muestral.

Conceptos Basicos

Coeficiente de Variacion: Sirve para comparar la variabilidad


entre dos grupos de datos referidos a distintos sistemas de
unidades de medida. Por ejemplo, kilogramos y centmetros.
Compara la variabilidad entre dos grupos de datos obtenidos
por dos o ms personas distintas, asi como dos grupos de datos
que tienen distinta media.

Curtosis: Mide cuan 'puntiaguda' es


una distribucin respecto de un
estndar. Este estndar es una
forma acampanada denominada
'normal', y corresponde a una curva
de gran importancia en estadstica.

Skewness o sesgo:Medida
estadstica que describe la simetra
de la distribucin alrededor de un
promedio. Si el sesgo es igual a
cero, la distribucin es simtrica; si
es positivo, se extiende hacia la
derecha; si es negativo, se extiende
hacia la izquierda.

Conceptos Basicos

Distribucin normal:
permitemodelar las
probabilidades con una enorme
cantidad de variables
incontrolables que intervienen
en el analisis estadistico.

Distribucin triangular: Se
emplea bsicamente en
Economa y en aquellos
problemas en los cuales se
conocen muy pocos o ningn
dato.

Distribucin log-normal:Es una


distribucin de una variable
aleatoria cuyo logaritmo esta
normalmente distribuido.

COMPONENTES DEL SIMULADOR

Se definen las celdas


seleccionadas como
suposicionesd, eligiendo asi, un
tipo de distribucin de
probabilidad.

COMPONENTES DEL SIMULADOR

Distribuciones que indican la gama


de valores que pueden resultar de un
experimento si ste se llevase a
cabo, diseando un escenario de
acontecimientos futuros
considerando las tendencias
actuales.

COMPONENTES DEL SIMULADOR

Define las celdas selccionadas


como variables de decisin en el
modelo.

COMPONENTES DEL SIMULADOR

Define las celdas seleccionadas


como variables de interes de
salida en el modelo.

COMPONENTES DEL SIMULADOR

Define las correlaciones entre las


suposiciones en la hoja de
calculo.

COMPONENTES DEL SIMULADOR

Inicia, detiene, restablece o


mueve por pasos la simulacion.

COMPONENTES DEL SIMULADOR

Se puede modificar el control de la


simulacion, numero de pruebas,
generacion de numeros aleatorios y
opciones de velocidad.
Ademas de guardar o restaurar los
resultados de la simulacion.

COMPONENTES DEL SIMULADOR

Se pueden ver resultados de la


simulacion mediante graficos,
crear distintos informes y extraer
varios datos de la simulacion.

COMPONENTES DEL SIMULADOR

Herramientas que ayudan a


optimizar los modelos de
simulacion y a predecir valores
futuros a partir de datos
historicos.

COMPONENTES DEL SIMULADOR

Diferentes tipos de herramientas


que ayudan al analisis de
remuestreo, datos, escenarios,
visualizarlos en diagrama de
tornado o simularlos en 2D.

COMPONENTES DEL SIMULADOR

Brinda ayuda, guia de ejemplos,


licencias, documentacion,
soporte tecnico e informacion
sobre la compaa y version del
producto.

VENTAJAS
Realiza el trabajo de manera ms rpida.
Grficas, cuadros y reportes le permiten entender y presentar
vvidamente los resultados de su anlisis.
Genera una imagen creble del riesgo, con las posibles
soluciones a situaciones que se pueden presentar

EJEMPLO 1
Un Toolpusher trabaja actualmente en la empresa
COLTALADROS, en la que gana $2,000 dlares al da.
La empresa SERVIPETROL le ofrece un salario bsico de
$1,000, ms el 1.5% del margen bruto de taladros alquilados
en dicho da.
El toolpusher le pide a los socios de SERVIPETROL un
promedio de ventas y costos para estudiar las posibilidades
de ganar ms de $2,000 al da.
SERVIPETROL le suministra los siguientes datos:

EJEMPLO 1 Posibles
Ingresos y Costos
CONCEPTO

OPTIMISTA PESIMISTA

MS
PROBABLE

Precio de Renta

$ 50,000

$ 35,000

$ 40,000

Costos Variables

$ 12,000

$ 18,000

$ 14,000

Costos Fijos

$ 8,000

$ 15,000

$ 12,000

Taladros Rentados

BALANCE DE HACE 2 DAS


INGRESOS
Precio Alquiler
Unidades Rentadas
Ingresos Totales

43,000
4
172,000

COSTOS
Costos Variables

12,000

Costos Fijos

10,000

Costos Totales

22,000

MARGEN BRUTO

150,000

MTODO
DETERMINSTICO

EJEMPLO 1
Mtodo Estocstico