IMPLEMENTATIONS OF MANAGED PRESSURE DRILLING TO OPTIMIZING THE RATE OF PENETRATION OF DRILLING IN CARBONATE FORMATIONS : PREDICTION USING LIGHT GBM ALGORITHM MACHINE LEARNING MODEL

Managed Pressure Drilling (MPD) adalah proses pengeboran adaptif yang digunakan untuk secara tepat mengontrol profil tekanan annular di seluruh lubang sumur. Managed pressure drilling biasa dugunakan pada pemboran dengan jendela tekanan yang sempit. Managed pressure drilling menggunakan kepadatan ke...

Full description

Saved in:
Bibliographic Details
Main Author: Fajar, Muhammad
Format: Final Project
Language:Indonesia
Subjects:
Online Access:https://digilib.itb.ac.id/gdl/view/69133
Tags: Add Tag
No Tags, Be the first to tag this record!
Institution: Institut Teknologi Bandung
Language: Indonesia
Description
Summary:Managed Pressure Drilling (MPD) adalah proses pengeboran adaptif yang digunakan untuk secara tepat mengontrol profil tekanan annular di seluruh lubang sumur. Managed pressure drilling biasa dugunakan pada pemboran dengan jendela tekanan yang sempit. Managed pressure drilling menggunakan kepadatan kepadatan lumpur yang lebih rendah dibanding dengan pemboiran konvensional untuk mempertahankan tekanan lubang dasar sumur dekat dengan tekanan formasi (slighty overbalanced). Hal tersebut yang menyebabkan managed pressure drilling tidak hanya digunakan pada pemboran dengan jendela tekanan yang sempit saja. Penggunaan kepadatan lumpur yang lebih rendah dapat meningkatkan Rate of Penetration (ROP) pada pemboran, sehingga dapat membuat pemboran lebih efisien. Pada studi ini managed pressure drilling akan digunakan untuk dapat dilakukannya pemboran dengan kepadatan lumpur yang lebih rendah sehingga rate of pentration dapat mengalami peningkatan dan juga studi ini akan memprediksi rate of penetration ketika managed pressure drilling digunakan pada sumur dengan formasi dan section yang sama yaitu pada formasi karbonat dan section 6 1/8” dengan cara membuat program berbasis pembelajaran mesin menggunakan algoritma ligth GBM. Studi ini menggunakan 32086 data bersih dari 4 sumur dengan formasi yang sama di sebuah lapangan untuk dilatin dimodel pembelajaran mesin. Algoritma yang digunakan sebagai model pembelajaran mesin ini adalah light GBM dengan R2 Score 0.9368 dengan nilai RMSE hasil prediksi lebih kecil dibanding nilai standar deviasi data aktual yang digunakan. Studi ini menghasilkan peningkatan rate of penetration ketika kepadatan lumpur lebih rendah digunakan akibat dari penerapan managed pressure drilling.