• norsk
    • English
  • English 
    • norsk
    • English
  • Login
View Item 
  •   Home
  • Universitetet i Stavanger
  • Faculty of Science and Technology
  • Department of Industrial Economics, Risk Management and Planning (TN-ISØP)
  • Studentoppgaver (TN-ISØP)
  • View Item
  •   Home
  • Universitetet i Stavanger
  • Faculty of Science and Technology
  • Department of Industrial Economics, Risk Management and Planning (TN-ISØP)
  • Studentoppgaver (TN-ISØP)
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Beslutningsanalyse under usikkerhet ved bruk av Monte Carlo simulering i E&P olje- og gassindustri

Molven, Joakim
Master thesis
Thumbnail
View/Open
Molven Joakim.pdf (3.442Mb)
URI
http://hdl.handle.net/11250/182241
Date
2013
Metadata
Show full item record
Collections
  • Studentoppgaver (TN-ISØP) [1683]
Abstract
For å opprettholde dagens produksjonsnivå, i Norge og internasjonalt, har oppstrøms olje- og gassindustri de siste årene blitt tvunget til å lete etter petroleumsressurser i områder forbundet med større usikkerhet og risiko. Det har resultert i en gryende erkjennelse for at det i forbindelse med beslutningstaking er nødvendig med en bedre forståelse, analyse og håndtering av usikkerhet. Til tross for dette sliter industrien med å håndtere denne usikkerheten.

For å få en bedre forståelse for hvordan usikre parametere håndteres under en beslutning, er det foretatt en studie av Total E&P Norges håndtering av usikre parametere under en beslutningsanalyse. Resultatet av denne analysen viser at Total i all hovedsak benytter seg av netto nåverdimetoden og deterministisk sensitivitetsanalyse. For å videre kunne forstå de utfordringene en må ta høyde for ved en beslutningsanalyse innenfor olje- og gassindustrien, er det også gjort rede for særtrekk ved investeringer, samt de viktigste usikkerhetsfaktorene som preger industrien.

Diskontert kontantstrømsanalyse i form av netto nåverdi og deterministisk sensitivitetsanalyse er i olje- og gassindustrien den mest benyttede metoden for å vurdere lønnsomheten til et investeringsprosjekt. Denne metoden har i utgangspunktet ikke evnen til å håndtere og kommunisere usikkerhet.

En sentral utfordring innenfor beslutningsanalyse er å fastsette usikkerheten til en beslutningsvariabel. For å kunne fastsette usikkerheten kan det benyttes en stokastisk analysemodell hvor parametere vi er i stand til å beskrive usikkerheten til er implementert i form av sannsynlighetsfordelinger. Ved å gjennomføre en Monte Carlo simulering på den aktuelle modellen vil også beslutningsvariabelen kunne beskrives gjennom en sannsynlighetsfordeling. Beslutningsvariabelens sannsynlighetsfordeling gir et innblikk i verdiene denne variabelen kan ta, og kommuniserer på samme tid usikkerheten som er forbundet med beslutningsvariabelen. Teorien og mekanismene som ligger bak en Monte Carlo simulering er presentert i oppgaven.

Som en sentral del av oppgaven er det fremlagt et forslag til endring av eksisterende metode for beslutningsanalyse under usikkerhet. Forslaget er presentert gjennom en caseanvendelse hvor utbyggingen av et fiktivt felt er vurdert. I caseanvendelsen er det gjennomført en deterministisk og en stokastisk beslutnings- og sensitivitetsanalyse.

På bakgrunn av resultatet i caseanvendelsen er det konkludert med at den stokastiske analysens sannsynlighetsfordeling for netto nåverdien, gir et mer korrekt bilde over de mulige utfall denne kan ta. Dette i motsetning til de statiske verdiene, som er et resultat av den deterministiske analysen, og som kun viser et fåtall av alle mulige utfall netto nåverdien kan ta. Sannsynlighetsfordelingen til netto nåverdien egner seg dermed bedre til å kommunisere usikkerheten fra reserven og de andre stokastiske forklaringsvariablene som er inkludert, gjennom sine respektive sannsynlighetsfordelinger.

Den stokastiske sensitivitetsanalysen gir i tillegg et mer korrekt bilde over hvilke forklaringsvariabler netto nåverdien er mest sensitiv ovenfor. I første omgang gjelder det hvilke variabler det kan lønne seg å redusere usikkerheten til, og i andre omgang hvilke variabler som bør få mest oppmerksomhet gjennom prosjektets øvrige faser.
Description
Master's thesis in Industrial economics
Publisher
University of Stavanger, Norway
Series
Masteroppgave/UIS-TN-IØRP/2013;

Contact Us | Send Feedback

Privacy policy
DSpace software copyright © 2002-2019  DuraSpace

Service from  Unit
 

 

Browse

ArchiveCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsDocument TypesJournalsThis CollectionBy Issue DateAuthorsTitlesSubjectsDocument TypesJournals

My Account

Login

Statistics

View Usage Statistics

Contact Us | Send Feedback

Privacy policy
DSpace software copyright © 2002-2019  DuraSpace

Service from  Unit