Tarifacin y Valuacin de la Energa Elctrica

Anlisis de Riegos de un Proyecto Elctrico

--

Integrantes:
Vega Flores, Leonardo Angel
Luna Cruz, Noemy Milagros
Zamora Condori, Omar Alexander
Llanco Quispe, David
Carbajal Cortez, Antony

Profesor:
Eddy Romn
 Anlisis de Riegos de un proyecto elctrico
Introduccin
La base para poder llevar a cabo los objetivos de cualquier proyecto es
partir de una planificacin factible, que considere y acepte la variabilidad e
incertidumbre inherente en todo proyecto, ya que su duracin y coste no
puede definirse de forma determinista. Para ello mediante software se
realizan simulaciones de la variabilidad de un proyecto para determinar la
probabilidad de xito y rentabilidad.
El anlisis de riesgo forma parte de todas las decisiones que tomamos. Nos
enfrentamos continuamente a la incertidumbre, la ambigedad y la
variabilidad. Y aunque tenemos un acceso a la informacin sin precedentes,
no podemos predecir con precisin el futuro. La simulacin Monte Carlo
permite ver todos los resultados posibles de las decisiones que tomamos y
evaluar el impacto del riesgo, lo cual nos permite tomar mejores decisiones
en condiciones de incertidumbre
Como parte del curso, nuestro grupo realizar el anlisis de riesgos
mediante el software Crystal Ball, detallando cada paso y los resultados
obtenidos.
Objetivos
* Analizar los riesgos a los que estn sometidos los proyectos elctricos.
* Realizar paso a paso la simulacin de la factibilidad de un proyecto en
Crystal Ball.
* Determinar la probabilidad de xito del proyecto mediante indicadores
econmicos.
Marco Teorico
Analisis de Montecarlo
La simulacin Monte Carlo es una tcnica matemtica computarizada que
permite tener en cuenta el riesgo en anlisis cuantitativos y tomas de
decisiones. Esta tcnica es utilizada por profesionales de campos tan
dispares como los de finanzas, gestin de proyectos, energa,
manufacturacin, ingeniera, investigacin y desarrollo, seguros, petrleo y
gas, transporte y medio ambiente.
La simulacin Monte Carlo ofrece a la persona responsable de tomar las
decisiones una serie de posibles resultados, as como la probabilidad de que
se produzcan segn las medidas tomadas. Muestra las posibilidades
extremas los resultados de tomar la medida ms arriesgada y la ms
conservadora as como todas las posibles consecuencias de las decisiones
intermedias.
En la prctica este anlisis consiste en ejecutar varias veces los diferentes
sucesos variando aleatoriamente su valor en funcin de la funcin
estadstica que los define, dando como resultado un conjunto de valores
finales. Este conjunto de valores permite calcular el valor medio y la
variabilidad para el conjunto.
Fundamento del Anlisis de Montecarlo para proyectos.
Como sucede a menudo, las estimaciones de plazo y coste que hacemos
durante la planificacin de un proyecto estn sujetas a variabilidad. Esta
variabilidad es debida tanto a la variabilidad intrnseca de las estimaciones,
una determinada tarea no cuesta o dura siempre lo mismo, como a los
riesgos asumidos, los cuales tienen una determinada probabilidad de ocurrir
y un impacto.
Por ello no es conceptualmente correcto dar un valor determinado para el
coste o la duracin del proyecto (aunque por lo general todos lo hacemos),
ya que estos van a estar sujetos a variabilidad. Por el contrario, lo ms
correcto sera hablar de un valor medio y una variabilidad para el coste y la
duracin totales, los cuales pueden determinarse mediante el anlisis de
Montecarlo.
De esta forma el anlisis de Montecarlo permite calcular el valor de coste y
plazo del proyecto en base a un determinado grado de confianza, y as
determinar en qu medida nuestra planificacin es realista, y va a permitir
conseguir los objetivos del proyecto. Esto significa determinar en qu
porcentaje de las simulaciones realizadas, el plazo y el coste totales son
menores a los objetivos del proyecto.

Si este porcentaje es menor al grado de confianza que la organizacin

define como aceptable, podemos determinar que la planificacin no es
factible, por lo que deberemos modificar esta, o tendremos datos objetivos
para defender delante del sponsor o el comit de direccin del proyecto que
una determinada restriccin o peticin no es asumible.
Otra utilidad, si planificamos por el mtodo de cadena crtica, es usar este
anlisis para determinar el valor de la proteccin en cada grupo de tareas y
del conjunto del proyecto. Esto se realiza de la misma forma que con el
proyecto completo, pero ejecutando el anlisis en el grupo de tareas que
queremos estudiar.
Una vez hemos completado la planificacin del proyecto, el anlisis de
Montecarlo sigue siendo til para estudiar los efectos de los cambios o de
las contramedidas sobre el proyecto.
Elementos en el Analisis de Riesgos mediante la simulacin
Montecarlo.
Debido al tamao y complejidad de los proyectos que justifican el uso de
este anlisis, en los pequeos no se usa, este se realiza mediante
computador, siendo totalmente inviable hacerlo a mano. De todas formas es
recomendable entender el mtodo de clculo que hay detrs de estos
programas de simulacin.
En cualquier proyecto hay dos elementos que tienen un comportamiento no
determinista:
* Las tareas. Las cuales tienen un valor medio y una variabilidad de
acuerdo a una distribucin estadstica, que permite relacionar un
determinado valor de plazo o coste a un porcentaje de representatividad.

* Los riesgos; sujetos a una probabilidad de ocurrencia y a un impacto. Si

tenemos un riesgo con una probabilidad de ocurrencia del 15%, y un
impacto de 1000 y 1 da, diremos que el 15% de las veces que se ejecute
el proyecto, este va a durar un da ms y costar 1000 ms, el 85% de las
veces restantes no.
Teniendo definidas las distribuciones estadsticas de todas las tareas y
riesgos, es posible calcular un valor determinado para cada tarea o riesgo
mediante la generacin de mltiples nmeros aleatorios de 0 a 100,
asemejando el nmero aleatorio al porcentaje de representatividad del valor
de la tarea, o a la probabilidad de ocurrencia del riesgo. Al final, esto
permite calcular una duracin o coste total del proyecto para cada valor
aleatorio.
Si repetimos este clculo un nmero suficientemente alto de veces (sobre
1000 puede ser correcto), podemos obtener varios valores de plazo y coste
para el proyecto; los cuales pueden representarse en un grfico de Pareto
mostrando el nmero de veces que ha aparecido en el anlisis un
determinado valor de plazo o coste. A partir de este grfico podemos acabar
calculado la distribucin estadstica que sigue el proyecto en su conjunto, y
por tanto determinar el porcentaje de las veces que este va a cumplir una
determinada restriccin.

A partir de aqu, el criterio para determinar si una planificacin es factible,

es mirar si el porcentaje de veces que se cumple la restriccin es superior o
inferior al margen de confianza definido por la organizacin. Si es inferior
significa que la planificacin no es factible, y que por tanto deberemos
modificar esta hasta conseguir que lo sea, o acabar determinando que el
proyecto no es posible con las restricciones impuestas.
Procedimiento del Analisis de Riesgo, Simulacion Montecarlo
El anlisis de riesgo se puede realizar cualitativa y cuantitativamente. El
anlisis de riesgo cualitativo generalmente incluye la evaluacin instintiva o
por corazonada de una situacin, y se caracteriza por afirmaciones como
Eso parece muy arriesgado o Probablemente obtendremos buenos
resultados. El anlisis de riesgo cuantitativo trata de asignar valores
numricos a los riesgos, utilizando datos empricos o cuantificando
evaluaciones cualitativas. Vamos a concentrarnos en el anlisis de riesgo
cuantitativo.
Mediante el uso de distribuciones de probabilidad, las variables pueden
generar diferentes probabilidades de que se produzcan diferentes
resultados. Las distribuciones de probabilidad son una forma mucho ms
realista de describir la incertidumbre en las variables de un anlisis de
riesgo. Las distribuciones de probabilidad ms comunes son:

Normal O curva de campana. El usuario simplemente define la

media o valor esperado y una desviacin estndar para describir la
variacin con respecto a la media. Los valores intermedios cercanos a la
media tienen mayor probabilidad de producirse. Es una distribucin
simtrica y describe muchos fenmenos naturales, como puede ser la
estatura de una poblacin. Ejemplos de variables que se pueden
describir con distribuciones normales son los ndices de inflacin y los
precios de la energa.
Lognormal Los valores muestran una clara desviacin; no son
simtricos como en la distribucin normal. Se utiliza para representar
valores que no bajan por debajo del cero, pero tienen un potencial
positivo ilimitado. Ejemplos de variables descritas por la distribucin
lognormal son los valores de las propiedades inmobiliarias y bienes
races, los precios de las acciones de bolsa y las reservas de petrleo.
Uniform Todos los valores tienen las mismas probabilidades de
producirse; el usuario slo tiene que definir el mnimo y el mximo.
Ejemplos de variables que se distribuyen de forma uniforme son los
costos de manufacturacin o los ingresos por las ventas futuras de un
nuevo producto.
Triangular El usuario define los valores mnimo, ms probable y
mximo. Los valores situados alrededor del valor ms probable tienen
ms probabilidades de producirse. Las variables que se pueden
describir con una distribucin triangular son el historial de ventas
pasadas por unidad de tiempo y los niveles de inventario.
PERT El usuario define los valores mnimo, ms probable y mximo,
como en la distribucin triangular. Los valores situados alrededor del
ms probable tienen ms probabilidades de producirse. Sin embargo,
los valores situados entre el ms probable y los extremos tienen ms
probabilidades de producirse que en la distribucin triangular; es decir,
los extremos no tienen tanto peso. Un ejemplo de uso de la distribucin
 PERT es la descripcin de la duracin de una tarea en un modelo de
gestin de un proyecto.
Discrete El usuario define los valores especficos que pueden ocurrir y
la probabilidad de cada uno. Un ejemplo podra ser los resultados de
una demanda legal: 20% de posibilidades de obtener un veredicto
positivo, 30% de posibilidades de obtener un veredicto negativo, 40% de
posibilidades de llegar a un acuerdo, y 10% de posibilidades de que se
repita el juicio.
Durante una simulacin Monte Carlo, los valores se muestrean
aleatoriamente a partir de las distribuciones de probabilidad introducidas.
Cada grupo de muestras se denomina iteracin, y el resultado
correspondiente de esa muestra queda registrado. La simulacin Monte
Carlo realiza esta operacin cientos o miles de veces, y el resultado es una
distribucin de probabilidad de posibles resultados. De esta forma, la
simulacin Monte Carlo proporciona una visin mucho ms completa de lo
que puede suceder. Indica no slo lo que puede suceder, sino la
probabilidad de que suceda.
La simulacin Monte Carlo proporciona una serie de ventajas sobre el
anlisis determinista o estimacin de un solo punto:
Resultados probabilsticos. Los resultados muestran no slo lo que
puede suceder, sino lo probable que es un resultado.
Resultados grficos. Gracias a los datos que genera una simulacin
Monte Carlo, es fcil crear grficos de diferentes resultados y las
posibilidades de que sucedan. Esto es importante para comunicar los
resultados a otras personas interesadas.
Anlisis de sensibilidad. Con slo unos pocos resultados, en los
anlisis deterministas es ms difcil ver las variables que ms afectan el
resultado. En la simulacin Monte Carlo, resulta ms fcil ver qu
variables introducidas tienen mayor influencia sobre los resultados
finales.
Anlisis de escenario. En los modelos deterministas resulta muy difcil
modelar diferentes combinaciones de valores de diferentes valores de
entrada, con el fin de ver los efectos de situaciones verdaderamente
diferentes. Usando la simulacin Monte Carlo, los analistas pueden ver
exactamente los valores que tienen cada variable cuando se producen
ciertos resultados. Esto resulta muy valioso para profundizar en los
anlisis.
Correlacin de variables de entrada. En la simulacin Monte Carlo es
posible modelar relaciones interdependientes entre diferentes variables
de entrada. Esto es importante para averiguar con precisin la razn
real por la que, cuando algunos factores suben, otros suben o bajan
paralelamente.
Una ventaja de la simulacin Monte Carlo es el uso del muestreo Latino
Hipercbico, que muestrea con mayor precisin a partir de un rango
completo de funciones de distribucin.
Software para el Analisis de Simulacin Montecarlo
Para poder lidiar con la incertidumbre
producto de la variabilidad en el tiempo
de duracin y coste de un proyecto y
poder determinar el grado de factibilidad
de la planificacin, los directores de
proyectos disponemos de
diferentes programas informticos que
permiten realizar la simulacin de
Montecarlo sobre el cronograma y
presupuesto del proyecto. Muchos de
estos programas se integran perfectamente con Microsoft Project o Oracle
Primavera, siendo posible utilizar nuestros cronogramas directamente, a
continuacin se presenta una lista de los softwares ms conocidos.
@RISK
Aplicacin sobre Excel pero que permite integrarse con Microsoft Project
para hacer anlisis de Montecarlo para el cronograma, considerando los
riesgos del proyecto.
Cristal Ball
Aplicacin basada en Excel para obtener una visin fiable de riesgos, crear
modelos predictivos precisos, buscar la mejor solucin y maximizar su
inversin mediante simulaciones de Monte Carlo.
Full Monte
Software de simulacin de Montecarlo compatible con Project y Primavera.
GoldSim
Programa de anlisis de Montecarlo con varias aplicaciones dentro del
mbito de los negocios, la gestin de proyectos, y la ingeniera en general.
Katmar
Aplicacin de anlisis de Montecarlo focalizada en el estudio del
presupuesto del proyecto.
Risky Project
Software de gestin de riesgo en projectos que trabaja con Project o
Primavera.

Anlisis de Riegos para un Proyecto de Inversin

con Crystal Ball
 Proyecto de Inversin: Generador
Trmico
1.- Anlisis de Riesgo del
presupuesto de inversin

Informacin Base:

Trmi
Tipo de Central ca
Combustible Gas
Potencia Instalada 3000 Kw
Costo de inversin 800 $/Kw
2400
Precio Base de la Central 000 $

Estructura del Presupuesto de

Inversin

Precio $
Optimi Pesimi CB
sta Base sta Riesgo
12312 1296 13608
Suministro Mecanico 54% 00 000 00 0
43092 4536 47628
Compresor 35% 0 00 0
36936 3888 40824
Turbina 30% 0 00 0
Generador 30780 3240 34020
Electrico 25% 0 00 0
Equipos aux de 12312 1296 13608
la CT 10% 0 00 0
32592 3360 36960
Suministro Electrico 14% 0 00 0 0
19555 2016 22176
Transformador 60% 2 00 0
Sist. electricos 8400
auxiliares 25% 81480 0 92400
Sistemas de 5040
control 15% 48888 0 55440
11400 1200 14400
Costos Indirectos 5% 0 00 0 0
3600
Fletes 30% 34200 0 43200
2400
Seguros 20% 22800 0 28800
2400
Construccin 20% 22800 0 28800
3600
Administracin 30% 34200 0 43200
Obras Civiles y montaje 33120 3600 41400
estructural 15% 0 00 0 0
 16296 1680 20160
Derechos de internacin 7% 0 00 0 0
11520 1200 14400
Imprevistos 5% 0 00 0 0
Costo Total por Pot 100 2280 2400 2634
Instalada % 480 000 000 0

* Aplicando distribucin triangular a las casillas verdes y tomando la casilla

celeste para definir la previsin de la probabilidad del presupuesto total.
Previamente aplicar el grfico tornado y la grfica spider para analizar la
sensibilidad entre los componentes del presupuesto del escenario base:

Grfico Tornado

Precio Base
2,200,000.00 2,300,000.00 2,400,000.00 2,500,000.00 2,600,000.00

Sum Mecanico 2,270,400.00 2,529,600.00

Sum Electrico 2,364,000.00

2,436,000.00

Costos Indirectos 2,366,400.00

2,433,600.00

Obras civiles 2,383,200.00

2,416,800.00

Derechos 2,388,000.00
2,412,000.00

Imprevistos 2,388,000.00
2,412,000.00

Hacia arriba Hacia abajo

Grfico Spider
 Precio Base
2,600,000.00

2,500,000.00

2,400,000.00

2,300,000.00

2,200,000.00
-0.1 -0.05 0 0.05

Sum Mec Sum Elec Cost Indirectos

Obras Civiles Derechos Imprevistos

2.- Anlisis de Riesgos (Resultados Simulacin:

Previsin Presupuesto)

Escenarios Precio $ Probabilidad

Base <= 2400000 17.56%
95% Var <= 2500000 95%
Media <= 2437000 50%
Optimista <= 2280480 0%
Pesimista >= 2634000 0%
3.- Analisis de Riesgo de la factibilidad del Proyecto
(Indicadores Econmicos)

Informacin de entrada

250000
Inversion con certeza del 95% 0
Tiempo de vida del proyecto
(aos) 20
Tasa de interes 12%

Escenarios
Ingresos por Optimist CB
Potencia Pesimista Base a Riesgo
Potencia Firme 2900 Kw 2850 2900 3000 0
$/Kw-
Pago por Potencia 80.99 Ao 79.5 80.99 81.2 0
Ingresos por
potencia 234871 $/Ao 226575 234871 243600 0

Ingresos por
Energa
Tiempo real de Horas/A
operacin 4800 o 4000 48005600 0
1392000 Kwh/A 1680000
Energa anual 0 o 11400000 13920000 0 0
Precio Energa 0.11 $/Kwh 0.1 0.11 0.12 0
Ingresos por
Energa 1531200 $/Ao 1140000 1531200 2016000 0

Egresos
$/mmBT
Precio Gas Natural 2.7729 U 2.7 2.7729 2.8 0
0.009454 0.009205 0.009454 0.009546
Precio Gas Natural 24 $/Kwh 69 24 64 0
Eficiencia de la
Turbina 33 % 32 33 34 33
327952.5 471716.1
Gastos por Energa 398797 $/Ao 53 398797 82 0

Calculo del flujo de caja para el escenario Base

Flujo de Caja (Escenario Base)

Aos 0 1 2 3 4 5 6
-
Inversin 2500000 0 0 0 0 0 0
Ingresos
Pot 234871 234871 234871 234871 234871 234871
Ingresos 153120 153120 153120
Eng 1531200 1531200 1531200 0 0 0
- - -
Costo Gas -398797 -398797 -398797 398797 398797 398797
- - -
COyM -125000 -125000 -125000 125000 125000 125000
- 124227 124227 124227
Total 2500000 1242274 1242274 1242274 4 4 4

7 8 9 10 11 12 13
0 0 0 0 0 0 0
 234871 234871 234871 234871 234871 234871 234871
1531200 1531200 1531200 1531200 1531200 1531200 1531200
-398797 -398797 -398797 -398797 -398797 -398797 -398797
-125000 -125000 -125000 -125000 -125000 -125000 -125000
1242274 1242274 1242274 1242274 1242274 1242274 1242274
14 15 16 17 18 19 20
0 0 0 0 0 0 0
234871 234871 234871 234871 234871 234871 234871
1531200 1531200 1531200 1531200 1531200 1531200 1531200
-398797 -398797 -398797 -398797 -398797 -398797 -398797
-125000 -125000 -125000 -125000 -125000 -125000 -125000
1242274 1242274 1242274 1242274 1242274 1242274 1242274

4.- Anlisis de Factibilidad (Resultados Simulacin de Previsin VAN

TIR)

* Establecer en la informacin de entrada las distribuciones probabilsticas

para los escenarios pesimista, optimista y base como en el caso anterior,
utilizando la distribucin triangular y asignndolas a las celdas verdes.
* En una tabla similar a la del flujo de caja, colocar los resultados de la suma
de los ingresos y egresos (celdas amarillas) y aplicar a las ecuaciones del
VAN y TIR (celdas celestes) la asignacin de simulaciones de previsin para
hallar la probabilidad de ocurrencia de los valores de VAN y TIR ms
probables para el proyecto.

Flujo de Caja Simulacin

Aos 0 1 2 3 ..
-
Inversin 2500000 0 0 0 ..
Ingresos Pot 0 0 0 ..
Ingresos
Eng 0 0 0 ..
Costo Gas 0 0 0 ..
-
COyM 125000 -125000 -125000 ..
- -
Total 2500000 125000 -125000 -125000 ..

VAN TIR
#NUM
S/. -3,433,680.45 !

Resultados de los indicadores econmicos

Escenari
os TIR Probabilidad
Base >=50% 50.00%
Ms probable >=44% 95%

Escenario
s VAN $ Probabilidad
Base >= 6779000.00 50.00%
Ms probable >= 5636000.00 95%
* Finalmente, podemos determinar con toda certeza que el
proyecto es factible con una probabilidad muy alta de
obtener un VAN positivo y un TIR mayor a la tasa de inters
del 12%