PRODUCTION FORECAST WITH TIME SERIES BASED APPLICATION

• Main Author: Contee, Rainier
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/56052
• Institution: Institut Teknologi Bandung

Seiring dengan kondisi bahwa dunia akan memasuki revolusi industry keempat, digitalisasi tentu akan memainkan peranan yang sangat penting di semua sektor. Dalam beberaapa dekade terakhir, digitalisasi dan kecerdasan buatan telah banyak digunakan pada hampir semua sektor industri, dengan tujuan untuk meningkatkan efisiensi. Minyak dan gas, sebagai pemasok terbesar energi yang terjangkau, tentu telah memulai untuk mengadaptasikan teknologi ini di setiap sektor industrinya. Sejalan dengan pernyatan sebelumnya, riset ini membahas tentang aplikasi dari analisis deret waktu untuk memprediksi laju alir produksi. Decline Curve Analysis (DCA) merupakan pendekatan yang paling populer dan terpercaya untuk memprediksi laju alir produksi, dimana pendekatan tersebut merupakan metode empiris dalam disiplin ilmu teknik reservoar yang mengekstrapolasikan tren dari sumur minyak dan gas. Tujuan dari riset ini adalah untuk menyediakan sebuah pendekatn alternative dalam hal prediksi laju alir produksi dengan menggunakan Machine Learning (ML). Sebuah alur kerja sistematis, yang menggunakan Machine Learning, kemudian di rancang guna memprediksi laju alir berdasarkan data laju alir yang sudah ada dari sebuah sumur. Deret waktu dipakai untuk mepelajari dan memahami data laju alir produksi pada sebuah rentang waktu dan memprediksi laju alir untuk waktu yang akan datang. Laju alir yang diprediksikan akan di hasilkan tanpa menggunakan tipe decline curve tertentu (misalnya: eksponensial, hiperbolik, harmonik) seperti yang dideskripsikan oleh J.J. Arps. Prediksi laju alir produksi akan sepenuhnya dilakukan berdasarkan tren dari data yang dipelajari oleh model deret waktu. Oleh karena itu, tidak akan ada istilah seperti prediksi ‘optimistis’ ataupun ‘pesimistis’. Sebuah analisis yang mendalam dan juga pembersihan data dilakukan pada data laju alir produksi yang tersedia. Kemudian, sebuah segmen tertentu akan dipililih dari seluruh data laju alir produksi akan dipilih untuk keperluan prediksi. Segmen yang terpilih ini akan dipakai untuk melatih model deret waktu. Model yang sudah dilatih ini kemudian akan digunakan untuk menghasilkan prediksi laju alir pada rentang waktu yang ditentukan oleh pengguna. Peerbandingan dengan hasil yang dikeluarkan oleh perangkat lunak DCA komersil menunjukan bahwa model deret waktu dapat menghasilkan prediksi laju alir dengan akurasi lebih dari 94%. Prediksi laju alir yang dihasikan kemudian dapat digunakan untuk tujuan lebih lanjut, seperti perancangan dan pemilihan sistem pengangkatan buatan. Riset ini akan menyediakan sebuah pendekatan baru bagi para praktisi minyak dan gas dalam hal prediksi laju alir produksi yang dapat mengurangi biaya, meningkatkan efisiensi, dan memiliki pontensi yang sangat luas untuk dikembangkan lebih lanjut.