El objetivo del anlisis de riesgos es separar los riesgos menores de los mayores, y proveer de informacin para poder evaluar

y controlar el riesgo.
El objetivo del anlisis de riesgos es proporcionar, a partir de la estimacin cuantitativa o cualitativa de los riesgos, la informacin y tiles necesarios para la valoracin de los efectos asociados a la situacin de contaminacin del suelo. Dicho proceso de valoracin ha de servir de base para la toma de decisiones sobre la aceptabilidad del riesgo y las medidas a adoptar.

Es el primer paso para reconocer la incertidumbre. Nos interesa examinar cmo el cambio en una variable afecta un resultado. Esto permite identificar las variables ms crticas o construir escenarios posibles que permitirn analizar el comportamiento de un resultado bajo diferentes supuestos. El anlisis de sensibilidad permite medir el cambio en un resultado, dado un cambio en conjunto de variables, tanto en trminos relativos como trminos relativos.
3

 Se

basa en la tcnica de simulacin Montecarlo. Metodologa mediante la cual se procesan las principales variables de riesgo en un modelo de pronstico. De esta manera se estima el impacto del riesgo sobre los resultados proyectados. El anlisis est sujeto a varias ejecuciones de simulacin con computadora. Durante el proceso de simulacin, se construyen escenarios sucesivos que utilizan los diferentes valores probabilsticos de las variables de riesgo.

Modelo de Pronsticos Preparacin de un modelo capaz de predecir la realidad

Variables de Riesgo Seleccin de las variables clave del proyecto

Distribucin de Probabilidades (Paso 1) Definicin de los lmites de rango para posibles valores de variables

Distribuciones de Probabilidades (Paso 2) Asignacin de ponderacin de probabilidad al rango de valores

Condiciones de Correlacin Establecimiento de relaciones de correlacin

Series de Simulacin Generacin de escenarios aleatorios con base en grupos de supuestos

Anlisis de Resultados Anlisis estadstico del resultado de la situacin

Para el caso de riesgos hacia las personas o el medio ambiente, quizs la respuesta es ms simple. En el caso de riesgos econmicos es difcil encontrar documentados los criterios de corte para los riesgos. En general es una decisin de los Directorios de las compaas, y muchas veces el nivel de riesgo aceptable tiene que ver con materias estratgicas ms que el nivel de riesgo propio del proyecto en cuestin.
6

Planificacin (FEL)
ING. DE PERFIL INGENIERIA CONCEPTUAL ING. BASICA

Ejecucin (EPC)
ING. DETALLE ADQUISICIONES CONSTRUCCION

Puesta en Marcha
TRASPASO OPERACION

Revisin y Aprobacin de Fondos

APROPIACIN DE FONDOS

Etapa del Proyecto Conceptual

Riesgos o incertidumbre por cambios en Incertidumbre de recursos, Mtodo de explotacin, Riesgo Poltico, Riesgo macro-econmico, Diseo minero, Diseo de proceso, Infraestructura, Permisos y licencias Programacin e hitos de riesgo Seguridad de empresa contratista Sobre gasto inversional Programa de produccin Recuperacin planta Ley de cabeza Administracin de estriles Generacin de cido Diseo de rehabilitacin Costos de rehabilitacin Procesamiento, Acuerdo de Riesgo Compartido (joint venture) Colaboradores, Indicadores econmicos del proyecto Tamao de operacin, Finanzas del proyecto, Periodo retorno de inversin, Gradiente de produccin, Explotabilidad, Procesabilidad, Comportamiento macizo rocoso Indicadores de Seguridad, Temas Medio ambiente Recuperacin de aguas subterrneas, Mantencin despus del cierre de faena, Temas Comunitarios del Entorno
8

Diseo

Construccin

Operacin y Mejoramiento

Cierre de Faena y Disposicin de Residuos

Precios de productos. Conocimiento del recurso minero: geologa, geotecnia, geometalurgia. Definicin del mtodo de explotacin y procesamiento. Estimacin de capacidades productivas y plan minero. Estimaciones de costos de operacin e inversin Riesgos macroeconmicos, reglas del juego, tasas de cambio. Riesgo poltico. Poner nfasis en el programa ms que en el proceso reflexivo No llevar adelante esta fase con una mirada integrada y completa, o se queden fuera los temas transversales: agua, energa, permisos, interferencias, etc. Falta de conduccin del dueo durante el desarrollo de esta fase, la mirada estratgica rara vez sale del proceso ingenieril.
9

Fuentes de riesgo de diseo

Supuestos optimistas o sin soporte Datos de mala calidad o insuficientes Extrapolacin injustificada de experiencias pasadas Uso de modelos inapropiados Modelos y parmetros que no han sido adecuadamente validados Asesora experta errnea No reconocer lecciones previas Cambios inesperados en condiciones Variabilidad natural Peligros externos

Los dos ms comunes y peligrosos son el uso de modelos y parmetros inapropiados, y el de confiar en opiniones de expertos o asesores no probadas Una fuente adicional de riesgo es que no se transfiera en forma adecuada el conocimiento entre etapas
10

Programa y plazo de construccin

Duracin de tareas Grado de confianza en que la ruta crtica sea la correcta

Costo de inversin Interferencias Constructibilidad Seguridad de los contratistas Equipo de proyecto inadecuado Mala comunicacin y coordinacin ejecutor-cliente Falta de compromiso de la organizacin con el xito del proyecto

11

Criterio Evaluacin de Riesgo

Modelo Conceptual del Proyecto

Identificacin Eventos no Deseados

Procesos que Conducen a Eventos

Factores que Conducen a Accidentes

Identificar Medidas Para Reducir Riesgo Tipo de Anlisis ?

Cuantitativo Determinar Consecuencias de Ocurrencia

Cualitativo Estimacin (subjetiva) Probabilidad de Ocurrencia

Determinar Probabilidad de Ocurrencia

Determinar Dependencias Relaciones

Evaluar Consecuencias de Ocurrencia

Determinar Riesgo del Proyecto

Determinar Riesgo Total

Riesgo Aceptable ?

SI

Proceder con SI Planes & Programas Actuales

Riesgo Aceptable ?

NO

NO

12

Bajo el nombre de Mtodo Monte Carlo o Simulacin Monte Carlo se agrupan una serie de procedimientos que analizan distribuciones de variables aleatorias usando simulacin de nmeros aleatorios.
El Mtodo de Monte Carlo da solucin a una gran variedad de problemas matemticos haciendo experimentos con muestreos estadsticos en una computadora. El mtodo es aplicable a cualquier tipo de problema, ya sea estocstico o determinantico.
13

La simulacin de Monte Carlo tambin fue creada para resolver integrales que no se pueden resolver por mtodos analticos, para solucionar estas integrales se usaron nmeros aleatorios. Posteriormente se utiliz para cualquier esquema que emplee nmeros aleatorios, usando variables aleatorias con distribuciones de probabilidad conocidas, el cual es usado para resolver ciertos problemas estocsticos y determinanticos, donde el tiempo no juega un papel importante.
14

15

Definicin, descripcin del problema, Plan. Formulacin del modelo. Programacin . Verificacin y Validacin del modelo. Diseo de experimentos y plan de corridas. Anlisis de resultados

16

17

El anlisis de sensibilidad
Implica cambiar el valor de una variable a fin de poner a prueba impacto sobre el resultado final; por lo tanto se utiliza para identificar las variables ms importantes y altamente sensibles del proyecto.

18

Sensibilidad de una variable respecto de otra

SVAN tasa

(VAN ) (i )

19

Valor Actual
1000 1500 2000 2500 -500 500 0

0. 0% 0. 5% 1. 0% 1. 5% 2. 0% 2. 5% 3. 0% 3. 5% 4. 0% 4. 5% 5. 0% 5. 5% 6. 0% 6. 5% 7. 0% 7. 5% 8. 0% 8. 5% 9. 0% 9. 5% 10 .0 %

Sensibilidad respecto a la tasa

Tasa descuento

Perfiles de VAN

20

VAN B

VAN A

Identificar las variables ms crticas.

Identificar dnde se debe dedicar ms esfuerzos tanto en el proceso de planeacin como en el de control y seguimiento de una decisin.
Identificar las variables que deben incluidas en la creacin de escenarios o en la simulacin de Monte Carlo.
21

El anlisis de escenarios
El anlisis de escenarios soluciona una de las deficiencias del anlisis de sensibilidad al permitir el cambio simultneo de los valores por un nmero de variables clave del proyecto, construyendo as un escenario alternativo para el proyecto.

22

Generacin de escenarios
MAS PROBABLE OPTIMISTA

PESIMISTA

23

Reconocer que el cambio en el resultado depende cmo se haya construido el modelo y de los valores. Que los cambios en las variables deben ser iguales para todas de manera que se puedan comparar los resultados. Reconocer la posibilidad de que las relaciones entre las variables y los resultados no sean lineales. Al analizar la sensibilidad de las variables hay que hacerlo de una en una si se desea determinar cules de las variables son las ms crticas.
24

Estas son las razones por las cuales es importante llevar a cabo un anlisis de sensibilidad, para investigar el efecto que tendra sobre la solucin ptima proporcionada por el mtodo smplex el hecho de que los parmetros tomaran otros valores posibles. En general, habr algunos parmetros a los que se les pueda asignar cualquier valor razonable sin que afecten lo ptimo de la solucin. Sin embargo, tambin existirn parmetros con valores probables que nos lleven a una nueva solucin ptima. Esta situacin es particularmente preocupante, si la solucin original adquiere valores sustancialmente inferiores en la funcin objetivo, o tal vez no factibles.
25

Por lo tanto, el objetivo fundamental del anlisis de sensibilidad es identificar los parmetros sensibles, (por ejemplo, los parmetros cuyos valores no pueden cambiar sin que cambie la solucin ptima ). Para ciertos parmetros que no estn clasificados como sensibles, tambin puede resultar de gran utilidad determinar el intervalo de valores del parmetro para el que la solucin ptima no cambia. (Este intervalo de valores se conoce como intervalo permisible para permanecer ptimo)

26

1.

Revisin del modelo: se hacen los cambios deseados en el modelo que se va a investigar. Revisin de la tabla simplex final: se emplea la idea fundamental para determinar los cambios que resultan en la tabla smplex final. Conversin a la forma apropiada: se convierte esta tabla en la forma apropiada para identificar y evaluar la solucin bsica actual aplicando (segn sea necesario) eliminacin de Gauss.
27

2.

3.

4.

Prueba de factibilidad: se prueba la factibilidad de esta solucin verificando que todas las variables bsicas sigan teniendo valores no negativos en la columna del lado derecho. Prueba de optimizacin: se verifica si esta solucin es ptima (si es factible), comprobando que todos los coeficientes de las variables no bsicas en el rengln 0 sigan siendo no negativos. Reoptimizacin: si esta solucin no pasa cualquiera de las pruebas, se puede obtener (si se desea) la nueva solucin ptima partiendo de la tabla actual como tabla smplex inicial (haciendo las conversiones necesarias) para el mtodo smplex primal o el smplex dual.
28

5.

6.

Riesgo:

Es la potencial ocurrencia o condicin que puede conducir a lesiones, dao al medio ambiente, atrasos o prdidas econmicas Proceso estructurado que identifica la probabilidad y las consecuencias de peligros que surgen de una actividad o lugar dado.

Anlisis de riesgo:

Evaluacin de riesgos:

Comparacin entre los resultados de un anlisis de riesgo y los criterios de aceptacin definidos.
Una accin que puede ser adoptada para controlar un riesgo, ya sea disminuyendo su probabilidad de ocurrencia como

Medida de reduccin de riesgos:

mitigando sus consecuencias.

Administracin del riesgo:

Implementacin de acciones aceptables a niveles aceptables.

para

reducir

riesgos
29

no

Incertidumbre:
Es el origen del riesgo y domina todas las

formas de actividad humana.

Hay dos tipos:

Conceptual: incertidumbre sobre el mecanismo de un proceso De parmetros: incertidumbre sobre los valores o parmetros de una variable de inters
30

Se puede hacer anlisis de sensibilidad mucho ms all de cambiar una variable en un cierto porcentaje o utilizar los tradicionales criterios de optimista promedio y pesimista. Se puede decir que el anlisis de sensibilidad sirven para identificar los parmetros relativamente sensibles que afectan la solucin ptima, para tratar de estimarlos con ms cuidado y despus elegir una solucin que se mantenga como buena en un cierto intervalo de valores posibles de estos parmetros sensibles. No hay que olvidar que este anlisis constituye una parte muy importante de los estudios de programacin lineal.
31