Live Chat
Estudios de Caso
Det Norske Veritas (DNV) utiliza @RISK para identificar riesgos en sistemas energ├ęticos

Det Norske Veritas (DNV) es un proveedor mundial de servicios de administración de riesgos para una amplia variedad de industrias de todo el mundo. Esta organización estaba interesada en comparar los factores de riesgo y el ROI de las diferentes fuentes de energía tradicionales y no tradicionales, y utilizó @RISK para establecer una línea de base de probabilidades para diferentes factores de riesgo asociados a cada sistema.

Acerca de DNV
DNV, empresa establecida en 1864, proporciona principalmente asistencia técnica a los propietarios, constructores y operadores de embarcaciones para que adquieran los servicios de certificaciones y clasificaciones necesarios para cumplir las regulaciones técnicas de la industria del transporte. DNV también proporciona servicios de consultoría a compañías de la industria energética para la construcción de estructuras en alta mar, como turbinas eólicas.

Los cambios tecnológicos y regulatorios requieren una atención constante
Los clientes de DNV se ven sometidos a factores de cambio, que frecuentemente no están bajo el control del cliente. Tanto si se trata de adaptarse a las transiciones técnicas de las industrias marítima y petrolífera, como si se trata de los ajustes regulatorios que han experimentado las industrias de la sanidad o la alimentación, DNV debe determinar los posibles factores de riesgo que aparecen cuando se altera el sistema establecido. Los factores de riesgo pueden cambiar rápidamente, lo cual requiere que DNV ajuste sus previsiones en consecuencia.

Los clientes confían en que DNV ofrecerá previsiones precisas de riesgo, y DNV resuelve este desafío utilizando la simulación Monte Carlo del software @RISK de Palisade. @RISK sirve para proporcionar una gama de distribuciones de probabilidad que representan las variables inciertas, calculando después cientos o miles de escenarios diferentes. Una distribución de probabilidad es simplemente una gama de valores con unos valores con mayor probabilidad de producirse que otros. La distribución normal, o “curva de campana”, es un ejemplo común. Los valores que se encuentran alrededor del centro –o media– de la distribución tienen una mayor probabilidad de producirse que los valores de los extremos o colas.

DNV utiliza @RISK para examinar el riesgo en sistemas energéticos tradicionales y no tradicionales
Los sistemas energéticos tienen riesgos inherentes, y esos riesgos pueden producir emergencias instantáneas y problemas a largo plazo. DNV se propuso cuantificar el riesgo de los sistemas energéticos no tradicionales (eólico y solar) y de los sistemas energéticos tradicionales (almacenamiento de residuos nucleares, petróleo y gas, energía nuclear y reciclaje de CO2). Para este proyecto, la organización utilizó la distribución triangular de @RISK en sus modelos de previsión. El estudio incluía un proceso de tres pasos:

  1. Identificación de las variables de entrada del modelo. Las variables de entrada son factores de incertidumbre y varían según el modelo. En este caso se consideraron variables de entrada como las variables del clima, los costos de la energía, las tasas de producción, el deterioro del equipo y la localización de la extracción de la fuente de energía.
  2. Creación de una previsión económica simple que determinara si el modelo es correcto en sus fundamentos.
  3. Realización de un análisis de sensibilidad para determinar los factores más importantes que generan riesgo en el modelo.

Este proceso se repitió continuamente para refinar cada modelo. Una vez establecido un modelo fiable, DNV introdujo variables probabilísticas para producir un análisis estadístico más detallado e identificar las probabilidades de los valores resultantes de cada fuente de energía.

Lo que @RISK ayudó a DNV a determinar
Con el uso de @RISK, DNV encontró información útil sobre varios factores de riesgo de fuentes de energía no tradicionales.

Eólica y solar
La región en la que se instalaba el equipo —turbinas eólicas y paneles voltaicos solares— tenía un fuerte impacto sobre los ingresos netos de la inversión para reducir las emisiones de carbono. Por ejemplo, los paneles solares fabricados en una red eléctrica predominantemente basada en el carbón tendrían dificultad para compensar la inversión realizada para reducir las emisiones de carbono si no se instalaran en un área de abundante sol.

Almacenamiento de residuos nucleares
El análisis era simplista, pero los factores de mayor impacto en el análisis de los tanques de almacenamiento de residuos nucleares mostraban cambios dependiendo de si se examinaban en su fase líquida o de vapor.

Petróleo y gas
Para el cálculo de las explotaciones en alta mar, el análisis probabilístico ayudó a DNV a determinar que condiciones de flujo eran las más severas en términos de índices de corrosión.

Reciclaje de CO2
El análisis probabilístico llevó a DNV a cambiar el diseño de sus células de conversión. Comenzaron con un proceso de consumo muy intenso que usaba mucho hidróxido de sodio (NaOH). El modelo de la cadena de valor mostraba que el consumo de NaOH era un factor importante que afectaba negativamente el valor actual neto de las previsiones del sistema. “Esto nos ayudó a cambiar a un proceso electromecánico intenso de NaOH”, señala Davion Hill, investigador experto de DNV. “Ahora usamos el análisis de sensibilidad para identificar alternativas que nos ayuden a reducir los costos energéticos. Este análisis interactivo ha sido muy eficaz para dar forma a este proyecto”.

@RISK simplifica la explicación del riesgo
La recopilación de información sobre riesgo es útil solamente si existe la capacidad de traducirla y explicarla a las personas que necesitan esos datos. DNV llegó a la conclusión de que una de las mejores características de @RISK era la forma simple en la que presentaba el análisis.

“El riesgo forma parte de todo lo que hacemos. Estamos comprometidos con nuestra función de objetividad y debemos facilitar la confianza en las relaciones entre nuestros clientes. Por lo tanto, cuando presentamos el riesgo a nuestros clientes, preferimos hacerlo de forma que sea tangible y relevante al contexto de la situación. Usar herramientas que cuantifiquen el riesgo es parte importante de ese servicio”, asegura Hill. “Los grupos de trabajo que normalmente analizan los modelos de procesos o hacen previsiones económicas, valoran la capacidad de los análisis de sensibilidad de @RISK.”

Para DNV, @RISK les ayudó a reconocer las variables que impactaban los resultados de los sistemas energéticos mencionados anteriormente. “Esto nos ayudó a entender cuál era el mejor proceso y a comunicarnos de forma inteligente con los clientes”, dice Hill. “Refinando y mejorando continuamente los modelos, identificamos las áreas de mejora, perfeccionando al mismo tiempo la calidad de nuestro propio trabajo”.

» @RISK
» Det Norske Veritas



Palisade Latinoamérica
+1 607 277 8000 x318
800 432 RISK (EEUU/Canadá)
+1 607 277 8001 fax
+54 (11) 5252-8795 Argentina
+56 2581-3492        Chile
+507 836-5675        Panamá
+52 55 5350 2852   México
+51 1 708-6781       Perú
+57 1 508-5187       Colombia
servicioalcliente@palisade.com
ventas@palisade.com
Palisade Corporation
798 Cascadilla Street
Ithaca, NY 14850-3239
sales@palisade.com
www.palisade.com
Palisade EMEA & India
+44 1895 425050
salesEMEA@palisade.com
www.palisade.com
Palisade Asia-Pacific
+61 2 9252 5922
salesAP@palisade.com
www.palisade.com
Palisade アジア・
パシフィック
東京事務所
+81 3 5456 5287 tel
sales.jp@palisade.com
www.palisade.com/jp/
Palisade Brasil
+55 (21) 3958 1443
+1 607 277 8000 x318 tel
vendas@palisade.com
www.palisade-br.com