Ranking de candidatos a secundaria con machine learning: caso Pan American Energy.
Para Pan American Energy desarrollamos una metodología de machine learning que ordena las áreas candidatas a recuperación secundaria y predice su recuperación final estimada (EUR) con su incertidumbre. Se entregó en siete meses y obtuvo el premio al mejor trabajo de la Sección Convencionales en CONEXPLO 2026.
Problema
En una operación de recuperación secundaria de gran escala, la conversión de áreas de primaria a secundaria es parte de la rutina. Evaluar y priorizar las áreas candidatas demanda mucho tiempo y trabajo, y a veces no es viable en los plazos que exige la operación.
Enfoque
Desarrollamos una metodología basada en machine learning que ordena las áreas candidatas y predice su EUR (recuperación final estimada) con una incertidumbre explícita, entrenada con los proyectos existentes de la propia compañía.
Desafíos clave
- Integración de datos: fuentes heterogéneas que exigieron un pipeline robusto y un control de calidad riguroso.
- Dataset ambiguo: requirió una selección cuidadosa de algoritmos y ajuste de hiperparámetros.
- Complejidad geológica y de ingeniería: los principios de ingeniería de reservorios fueron clave para construir variables con poder predictivo real.
Resultados
- Metodología entregada en 7 meses, incluido un modelo estadístico para estimar valores faltantes de permeabilidad.
- Validada contra resultados conocidos de producción primaria y secundaria, con gran consistencia respecto del criterio experto de los especialistas de la compañía.
- Aplicada a las áreas candidatas: un ranking de áreas y capas con EUR estimados y sus incertidumbres.
- El esfuerzo de caracterización completa se concentra ahora en las mejores áreas, cumpliendo los plazos que impone el ritmo de la operación.
El trabajo se presentó en CONEXPLO 2026, donde obtuvo el premio al mejor trabajo de la Sección Convencionales.
¿Enfrenta una decisión parecida?
Cuéntenos sobre sus datos y la decisión que deberían respaldar. La primera llamada es gratuita.