ESP PROBLEMS DETECTION USING IMAGE RECOGNITION FEATURE ON AMMETER CHART: A MOBILE APPLICATION

• Main Author: Rizki Dwi Lanang, Al
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/66126
• Institution: Institut Teknologi Bandung

Salah satu optimisasi pada sumur minyak adalah metode pengangkatan buatan. Electrical Submersible Pump (ESP) merupakan salah satu alat yang biasa digunakan pada sumur minyak, khususnya di daerah lepas pantai. Operasi ESP tidak terlepas dari proses monitoring dan troubleshooting. Dalam troubleshooting, interpretasi ammeter chart adalah salah satu metode yang digunakan untuk deteksi awal masalah pada ESP. Operator atau teknisi adalah pelaku utama dalam melakukan interpretasi pada ammeter chart di bagian ruang sistem kontrol untuk mengidentifikasi masalah pada ESP. Hal ini dilakukan untuk mencegah masalah operasional menjadi masalah yang cukup besar. Ammeter chart digunakan untuk menguukur dan mencatat arus yang diambil oleh motor ESP dan merupakan representasi dari kondisi ESP berdasarkan pola arus listrik pada chart. Berdasarkan polanya, ammeter chart dibagi ke dalam beberapa kelas sesuai dengan masalah pada ESP. Pada studi ini, ammeter chart dibagi menjadi 15 kelas dan 49% ESP beropeasi dalam kondisi normal. Sebagian masalah yang terjadi pada kasus ini adalah masalah gas (gassy), sebesar 11% dan diikuti masalah lainnya. Interpretasi yang dilakukan menjadi awal untuk inspeksi masalah pada bagian ESP, seperti pompa, motor, sistem suplai listrik, impeller, diffuser, dan komponen lainnya. Untuk mempermudah operator dan teknisi yang berada di lepas pantai serta mengatasi masalah misinterpretasi ammeter chart maupun perbedaan interpretasi antar operator atau teknisi, solusi yang diajukan adalah pembuatan perangkat lunak yang bertujuan untuk mempermudah operator atau teknisi melakukan interpretasi ammeter chart secara efisien, sekaligus mengambil keputusan pada masalah ESP. Program machine learning dibuat untuk membantu permasalahan ini melalui konstruksi fitur deteksi objek gambar dan digunakan sebagai basis perangkat lunak ini. Selain itu, pembuatan aplikasi seluler dilakukan sebagai wadah interaksi antar muka dari perangkat lunak yang terintegrasi dengan program yang sudah dibuat. Studi ini membahas tentang prediksi masalah pada ESP melalui interpretasi ammeter chart dengan program machine learning berbasis deteksi objek yang didukung aplikasi seluler. Studi ini merekomendasikan model program prediktif untuk mengenali pola ammeter chart dengan tingkat akurasi 89.5% sebagai skenario terbaik.