#TITLE_ALTERNATIVE#
Secara garis besar, studi ini merupakan contoh penerapan AI (Intelegensia Buatan) sebagai cara alternatif dalam menentukan hubungan dari parameter-parameter yang mempengaruhi proses Perekahan Hidrolik. Jenis AI yang digunakan adalah Adaptive Neuro Fuzzy Inference System (ANFIS), di mana sistem ini b...
Saved in:
Main Author: | |
---|---|
Format: | Final Project |
Language: | Indonesia |
Online Access: | https://digilib.itb.ac.id/gdl/view/14530 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Institution: | Institut Teknologi Bandung |
Language: | Indonesia |
id |
id-itb.:14530 |
---|---|
spelling |
id-itb.:145302017-09-27T10:37:29Z#TITLE_ALTERNATIVE# ADIPUTRO GUNADI (NIM 12205028); Pembimbing: Dr. Ir. Sudjati Rachmat, DEA., TRIANTO Indonesia Final Project INSTITUT TEKNOLOGI BANDUNG https://digilib.itb.ac.id/gdl/view/14530 Secara garis besar, studi ini merupakan contoh penerapan AI (Intelegensia Buatan) sebagai cara alternatif dalam menentukan hubungan dari parameter-parameter yang mempengaruhi proses Perekahan Hidrolik. Jenis AI yang digunakan adalah Adaptive Neuro Fuzzy Inference System (ANFIS), di mana sistem ini berperan dalam menentukan hubungan berbagai parameter yang dimiliki Fracture Conductivity.<p>Metode sederhana ini dikembangkan sebagai alternatif untuk cara-cara numerik dan analitik dan bertujuan mempermudah para engineer di lapangan dalam membuat keputusan. Hasilnya dapat digunakan sebagai perkiraan awal sebelum melakukan suatu pekerjaan stimulasi. Data yang digunakan dalam paper ini berasal dari lapangan South Balam Field, di Formasi Telisa, Sumatera Selatan. Pada lapangan ini semua sumur di-frac dengan metoda yang sama pada formasi yang sama dan memiliki karakteristik yang serupa.<p>Studi ini dikerjakan dengan men-simulasikan lingkungan di mana data-data vital seperti data Well Testing dan data Produksi tidak ada. ANFIS diuji untuk melihat kemampuannya dalam memodelkan hasil perekahan hidrolik dengan data terbatas. Data frac dan data batuan diurut, dipilih, dan dimasukkan sebagai inputan ANFIS. Kemudian model dibangun dan dilihat kemampuannya dalam merepresentasikan kasus tersebut. Setelah itu prosesnya diulang sehingga model akhirnya memiliki galat yang paling kecil. Pada akhirnya, studi ini selesai dengan hasil yang baik. Dengan menggunakan data dari lapangan South Balam Field, ANFIS berhasil menghasilkan model dengan error rata-rata sebesar 9%. text |
institution |
Institut Teknologi Bandung |
building |
Institut Teknologi Bandung Library |
continent |
Asia |
country |
Indonesia Indonesia |
content_provider |
Institut Teknologi Bandung |
collection |
Digital ITB |
language |
Indonesia |
description |
Secara garis besar, studi ini merupakan contoh penerapan AI (Intelegensia Buatan) sebagai cara alternatif dalam menentukan hubungan dari parameter-parameter yang mempengaruhi proses Perekahan Hidrolik. Jenis AI yang digunakan adalah Adaptive Neuro Fuzzy Inference System (ANFIS), di mana sistem ini berperan dalam menentukan hubungan berbagai parameter yang dimiliki Fracture Conductivity.<p>Metode sederhana ini dikembangkan sebagai alternatif untuk cara-cara numerik dan analitik dan bertujuan mempermudah para engineer di lapangan dalam membuat keputusan. Hasilnya dapat digunakan sebagai perkiraan awal sebelum melakukan suatu pekerjaan stimulasi. Data yang digunakan dalam paper ini berasal dari lapangan South Balam Field, di Formasi Telisa, Sumatera Selatan. Pada lapangan ini semua sumur di-frac dengan metoda yang sama pada formasi yang sama dan memiliki karakteristik yang serupa.<p>Studi ini dikerjakan dengan men-simulasikan lingkungan di mana data-data vital seperti data Well Testing dan data Produksi tidak ada. ANFIS diuji untuk melihat kemampuannya dalam memodelkan hasil perekahan hidrolik dengan data terbatas. Data frac dan data batuan diurut, dipilih, dan dimasukkan sebagai inputan ANFIS. Kemudian model dibangun dan dilihat kemampuannya dalam merepresentasikan kasus tersebut. Setelah itu prosesnya diulang sehingga model akhirnya memiliki galat yang paling kecil. Pada akhirnya, studi ini selesai dengan hasil yang baik. Dengan menggunakan data dari lapangan South Balam Field, ANFIS berhasil menghasilkan model dengan error rata-rata sebesar 9%. |
format |
Final Project |
author |
ADIPUTRO GUNADI (NIM 12205028); Pembimbing: Dr. Ir. Sudjati Rachmat, DEA., TRIANTO |
spellingShingle |
ADIPUTRO GUNADI (NIM 12205028); Pembimbing: Dr. Ir. Sudjati Rachmat, DEA., TRIANTO #TITLE_ALTERNATIVE# |
author_facet |
ADIPUTRO GUNADI (NIM 12205028); Pembimbing: Dr. Ir. Sudjati Rachmat, DEA., TRIANTO |
author_sort |
ADIPUTRO GUNADI (NIM 12205028); Pembimbing: Dr. Ir. Sudjati Rachmat, DEA., TRIANTO |
title |
#TITLE_ALTERNATIVE# |
title_short |
#TITLE_ALTERNATIVE# |
title_full |
#TITLE_ALTERNATIVE# |
title_fullStr |
#TITLE_ALTERNATIVE# |
title_full_unstemmed |
#TITLE_ALTERNATIVE# |
title_sort |
#title_alternative# |
url |
https://digilib.itb.ac.id/gdl/view/14530 |
_version_ |
1820737246690541568 |