INTERPRETASI OTOMATIS DATA WELL LOG UNTUK EVALUASI IKATAN SEMEN: PENDEKATAN MACHINE LEARNING

• Main Author: Azmi, Muhammad
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/74360
• Institution: Institut Teknologi Bandung

Penyemenan pada sumur merupakan proses yang penting dalam menjaga integritas sumur minyak dan gas selama proses pengeboran dan produksi. Namun, terkadang hasil dari proses penyemenan tidak sesuai dengan harapan. Oleh karena itu, evaluasi kelekatan antara semen, casing, dan formasi setelah penyemenan menjadi penting. Log akustik umumnya digunakan untuk evaluasi ini, tetapi memiliki keterbatasan yang dapat menyebabkan kesalahan penafsiran sinyal akustik. Sebagai alternatif, log ultrasonik digunakan karena dianggap memiliki keunggulan dibandingkan dengan log akustik. Evaluasi manual kelekatan semen, yang dilakukan oleh para profesional terlatih, saat ini memakan waktu, kompleks, dan subjektif. Berbagai penafsiran dapat muncul meskipun menganalisis data yang sama. Hal ini menunjukkan perlunya pendekatan yang lebih konsisten dan efisien. Untuk mengatasi hal ini, machine learning diperkenalkan untuk mengotomatisasi proses penafsiran. Dengan mengembangkan perangkat lunak berbasis machine learning, penelitian ini bertujuan untuk membantu evaluasi ikatan semen. Perangkat lunak ini menghasilkan interpretasi cepat yang menjadi acuan bagi para profesional dalam melakukan interpretasi manual. Hasilnya akan melalui analisis, dan tindakan selanjutnya akan ditentukan berdasarkan temuan tersebut. Dengan menggunakan algoritma Extra Trees sebagai algoritma terbaik yang memiliki skor validasi sebesar 93%, perangkat lunak ini mampu memprediksi ikatan semen pada satu bagian casing atau liner dalam waktu kurang dari 1 menit. Hal ini meningkatkan kecepatan dan konsistensi dalam evaluasi ikatan semen.