[pt] A avaliação de projetos de PeD é uma das mais difíceis de determinar devido à existência de incertezas tanto na fase de investimento, quanto na fase de comercialização. Neste trabalho foi analisado o uso da avaliação por opções reais para o caso do investimento em um projeto petroquímico onde existem importantes opções de aprendizagem que podem ser derivadas de investimento em P&D. Para avaliar estas opções foi proposto um modelo que organiza as incertezas pela lógica técnica de resolução e quantifica o seu impacto sobre o valor do projeto usando as probabilidades de sucesso ligadas a cada fase da decisão, além das diferentes combinações possíveis entre elas. Com este modelo, observou-se que um projeto de investimento considerado inviável pelas técnicas tradicionais de avaliação torna-se atrativo quando seu valor positivo é identificado através do valor que as opções reais adicionam a ele. Além disso, notou-se que algumas das opções identificadas não agregam valor ao projeto, porque, embora a flexibilidade tenha valor positivo, o custo de implementação supera os benefícios esperados. / [en] The valuation of ReD projects is one of the most difficult endeavors due to the existence of uncertainty both in the investment phase as well as in the market phase. We analyze the use of the real options valuation approach to the case of an investment in a petrochemical project where there are significant learning options that can be derived from further R&D investment. To evaluate these options we propose a model that organizes the uncertainties by technical resolution logic and quantifies their impact on the value of the project using the probabilities of success tied to each stage of the decision and the different possible combinations between them. We observed that in an investment project that was considered unfeasible under traditional valuation techniques, its value becomes positive when the embedded real options were taken into consideration. Moreover, it was noticed that some of the options identified did not add value to the project because, although flexibility has positive value, the implementation cost outweighed the expected benefits.

[pt] A exploração e desenvolvimento de um campo de petróleo é permeada de incertezas de diferentes naturezas. A incerteza mais básica que o gestor de um portfolio exploratório enfrenta é aquela relativa à existência (ou não) de petróleo em determinado prospecto. Tipicamente, incertezas técnicas tendem a ser reduzidas com investimentos em aquisição de informação, que são exercícios de opções de aprendizagem. Decorrente da estrutura de correlações presentes nos prospectos de um portfolio exploratório, o resultado da perfuração de um poço pioneiro potencialmente irá revelar informações adicionais sobre a probabilidade de existência (ou não) de petróleo em outros prospectos deste mesmo portfolio. Cada poço a ser perfurado pode ser entendido como uma opção de aprendizagem a ser exercida (ou não) a depender da sua probabilidade de sucesso. Neste contexto, um dos fatores determinantes na otimização da campanha exploratória é a escolha da sequência ideal de perfuração de poços. Tal escolha é mais complexa, quão maior for a quantidade e diversidade de prospectos no portfolio. Diante dessa realidade, este trabalho propõe uma modelagem que busca, através de Algoritmos Genéticos, otimizar a sequência de perfurações dos poços e, portanto, o valor do portfolio. O modelo proposto considera as interdependências e as especificidades de cada prospecto e usa como função objetivo, a ser maximizada, o valor presente do líquido (VPL). Opções e aprendizagem são os aspectos-chave por trás do modelo de otimização. O modelo foi avaliado em dez diferentes portfolios exploratórios e, em todos os casos, foi capaz de propor pelo menos uma sequência que apresentasse expressivos ganhos de VPL em relação ao caso-base. / [en] An oil field exploration and development campaign is bounded with different kinds of uncertainty. The most basic one that an E and P portfolio manager deals with is the one related to the existence (or not) of oil in a given prospect. Typically, technical uncertainties are related to learning, and tend to be reduced with investments on information acquisition. From the correlation pattern on the prospects in a given exploratory portfolio, follows that the results from one initial wildcat drilling will, potentially, reveal, additional information about the oil existence (or not) in other prospects in the same geological play. This way, each prospect to be drilled might be understood as a learning option to be exercised (or not) depending on its respective success probability. In such case, one of the main factors on optimizing the exploratory campaign is choosing the ideal drilling sequence. Such choice is more complex, as the quantity and diversity of the prospects increases. Given such background, the present work proposes a model that intends, using Genetic Algorithms, to optimize the drilling sequence and, as a consequence, the total portfolio value. The proposed model considers the interdependencies and each prospect specific aspects and has as an objective function (to be maximizes) the portfolio net present value (NPV). Options and learning are the main aspects underlying the optimization model. The model was evaluated on ten different exploratory portfolios and, in every case, was able to deliver at least one sequence that could represent expressive NPV gains compared to the basic scenario.