SUPERVISED CLASSIFICATION MODEL IN QUICK INTERPRETATION OF CEMENT BOND LOG DATA

• Main Author: Izzal Biladi, Alaex
• Format: Final Project
• Language: Indonesia
• Online Access: https://digilib.itb.ac.id/gdl/view/61860
• Institution: Institut Teknologi Bandung

Di zaman kita saat ini, ada begitu banyak sumur tua yang sudah tidak menghasilkan minyak atau gas lagi. Sumur ini menjadi semakin tua dan hanya menjadi warisan bagi generasi berikutnya. Namun ada solusi untuk mengaktifkan kembali sumur ini untuk menjadi produktif kembali. Solusi ini memerlukan beberapa pertimbangan termasuk kekuatan ikatan semen. Sumur dengan ikatan semen yang buruk akan berpeluang menyebabkan kebocoran produksi. Kebocoran dalam aktivitas produksi dapat mempengaruhi kualitas sumur dan meningkatkan masalah berbahaya lainnya seperti blow-out. Oleh karena itu diperlukan pengecekan terhadap kualitas semen pada sumuran sebelum diaktifkan kembali. Untuk menemukan kualitas ikatan semen, para ahli biasanya menjalankan log ikatan semen. Alat ini akan memberikan data termasuk waktu transit, amplitudo, intensitas variabel, dan gambar osiloskop. 4 data ini akan digunakan oleh untuk menafsirkan kualitas ikatan semen dan membedakannya menjadi dua bagian yang berbeda, ikatan semen yang baik dan ikatan semen yang buruk. Namun, interpretasi yang dialkukan seorang ahli akan memiliki perbedaan dengan interpretasi yang dilakuan ahli lainnya. Itu terjadi karena para ahli memiliki pengalaman yang berbeda. Meskipun perbedaan ini terjadi, secara umum, setiap ahli memiliki dasar yang sama yang mereka gunakan untuk menafsirkan data log ikatan semen. Dengan menggunakan pembelajaran mesin untuk interpretasi awal, interpretasi umum dapat dilakukan lebih cepat dan para ahli akan memiliki lebih banyak waktu untuk mendiskusikan perbedaan yang terjadi pada interpretasi. Penelitian ini adalah untuk mengembangkan aplikasi dengan pembelajaran mesin yang dapat menafsirkan data yang belum ditafsirkan dengan mempelajari kebiasaan para ahli dalam menafsir. Model pembelajaran diperoleh menggunakan enam data log sumuran yang berbeda dengan total 47.790 data sepanjang lebih dari tujuh kilometer log yang telah ditafsirkan secara manual berdasarkan amplitudo log ikatan semen dan sinar gamma. Model pembelajaran mesin dibedakan menjadi 5 model. Setiap model memberikan interpretasi yang berbeda. Namun, hasilnya masih menunjukkan bahwa model memiliki akurasi lebih dari 75%.