Capital cost estimation for oil and gas offchore projects : a stochastic approach

The purpose of this graduation thesis, edited in collaboration with Eni S.p.A., is to supply an instrument able to calculate stochastically Offshore development Capital cost of production facilities and of drilling and completion activities to the Company. Starting from Benchmarking charts, which are currently employed as comparison tool, it has been possible to obtain a fair quantity and quality of information referred to historical costs. The datasets extracted correlate unit costs to some technical data that are significant for the facilities under exam and they are integrated with data from internal projects in order to adhere more effectively to the institution Eni. The analysis has been refined using statistical tools, like Clustering, to improve the regressions confidence honouring the data dispersion in function of the various regressors. The evaluation of projects underlines also a variation of the technical estimates of weights, production rates and reserves between Authorization and project Execution. Therefore, it is appropriate evaluating the regressors themselves as statistical variables and calculating the Capital Expenditure (CAPEX) through the numerical method Montecarlo. The CAPEX distributions obtained by the model developed are compared with the estimates and the actual values of some projects that there are not in the datasets. The results achieved are appreciable and improve the previous estimates.

Il fine di questo lavoro di tesi, redatto in collaborazione con Eni S.p.A., è fornire all’azienda un mezzo in grado di calcolare stocasticamente i costi relativi allo sviluppo offshore delle strutture di produzione e delle attività di perforazione e complemento di pozzi. Partendo dai grafici di Benchmarking, attualmente impiegati come strumento di confronto tra progetti, è stato possibile ottenere una discreta quantità e qualità di informazioni relative ai costi sperimentati storicamente. I database ricavati correlano i costi unitari ad alcuni dati tecnici significativi per le diverse strutture sotto analisi e sono stati integrati con l’inserimento di dati relativi a progetti interni, per aderire più efficacemente alla realtà Eni. L’analisi è stata raffinata adoperando strumenti statistici, quali il Clustering, allo scopo di migliorare la confidenza delle varie regressioni proposte, onorando al meglio la dispersione statistica in funzione dei vari regressori. La valutazione dei progetti ha altresì evidenziato una variazione delle stime dei dati tecnici - pesi, portate di produzione e riserve – tra autorizzazione del progetto e sua esecuzione; è stato quindi opportuno considerare i regressori a loro volta come variabili statistiche e calcolare il costo totale (CAPEX) attraverso l’impiego del metodo numerico Montecarlo. Le distribuzioni ottenute mediante l’utilizzo del modello sviluppato sono state quindi confrontate con le stime e con i valori reali dei costi relativi ad alcuni progetti esterni al database dando luogo ad apprezzabili risultati.