Prognoseforbedringer på den Norske Kontinentalsokkelen - Redusert Skjevfordeling, Økt Verdi

Abstract

Oljeselskaper som opererer på norsk sokkel må gi årlige estimater for forventede utviklingskostnader og hydrokarbonutvinning for alle produksjonsår i et oljefelt når de leverer planen for utvikling og drift (PUD) til myndighetene. Anslagene brukes til å bestemme lønnsomheten til nye prosjekter på norsk sokkel. Dessverre er disse estimatene ofte overoptimistiske og selvsikre, noe som fører til falske estimater og verdierosjon. Som et resultat er utviklingen konsekvent forsinket, over budsjettet og produserer mindre enn forventet. Derfor må bransjen forbedre sine beslutningsmodeller for å forhindre fremtidig inkonsekvens i prognoser. Kostnadsoverskridelser ble analysert, og alvorlige årsaker til vrangforestillinger og villedende skjevheter ble funnet, og arbeidet med denne oppgaven bruker metoder for å forhindre eller redusere denne partiske beslutningstakingen. Bransjens konfidensialitet har ført til skjevhet rundt tilgjengelig informasjon. I tillegg har et komplekst leverandørkjedenettverk ført til Principal-Agent-problemer og inkonsekvente kontraktsstrukturer i offshore-utviklingen. Gjennom statistiske analyser ble historiske kostnadsoverslag analysert de siste tre flere tiår. Det ble funnet at industrien gjør de samme feilene i dag som for 30 år siden. Gjennomsnittlig budsjettoverskridelse for feltutbygging offshore var 22 prosent mellom 1990 og 2018, noe som resulterte i et økonomisk tap på over 288 milliarder kroner. Prognoser for referanseklasser ble brukt på kostnadsoverslagene ved å kategorisere konstruksjonstyper for å redusere partisk beslutningstaking. Betydelige forbedringer i de modifiserte budsjettene ble funnet, noe som tydelig reduserte skjevheten. Videre foreslås det å modifisere referanseklasseprognosemodellen ved å bruke maskinlæring for å koble referanseklasseprognoser med årlige trender i prognoseprestasjoner.

E&P companies operating on the NCS must provide yearly estimates for expected development costs and hydrocarbon recovery for all production years of an oil field when delivering the plan for development and operation (PDO) to the authorities. The estimates are used to determine the profitability of new developments on the NCS. Unfortunately, these estimates are often overoptimistic and overconfident, leading to false estimates and value erosion. As a result, developments are consistently behind schedule, over budget, and producing less than forecasted. Therefore, the industry must improve its decision-making models to prevent future inconsistency in forecasts. Cost overruns were analysed, and severe causes of delusional and deceptional bias were found, and the work of this thesis utilizes methods to prevent or reduce this biased decision-making. The industry’s secretive data policy has led to bias from unavailable information. In addition, a complex supply chain network has led to Principal-Agent problems and inconsistent contract structures in offshore developments. Through statistical analyses, historical cost estimates were analysed for the past three decades. It was found that the industry makes the same mistakes today as they were 30 years ago. The average budget overrun for offshore field developments was 22 percent between 1990 and 2018, resulting in an economic loss of over 288 billion NOK. Reference class forecasting was applied to the cost estimates by categorizing the construction types to reduce biased decision-making. Significant improvements in the modified budgets were found, clearly reducing bias. Further, it is suggested to modify the reference class forecasting model by using machine learning to couple reference class forecasting with yearly trends in forecasting performance.