Aplikasi Machine Learning Dalam Memprediksi Waktu Mati Produksi Sumur A6 Lower Pada Lapangan X

Abstract

Salah satu parameter penting sekaligus general yang dapat mengindikasikan bahwasanya suatu sumur produksi memiliki masalah kepasiran dan produksi pasir yang ada sudah cukup parah yakni dengan melihat nilai dari laju alir fluida. Perubahan nilai laju alir fluida reservoir dapat diketahui dengan melihat nilai dari parameter lain sebagai pendukung. Sumur A6 Lower yang menjadi fokus pada penelitian ini memiliki masalah kepasiran yang menyebabkan penurunan kapasitas produksi. Masalah kepasiran tersebut tentunya didukung oleh jenis litologi batuan sandstone unconsolidated dan tipe komplesi yakni openhole completion. Beberapa parameter yang dapat menjelaskan keadaan terhadap perubahan nilai laju alir fluida yakni diantaranya nilai pressure drawdown, pembacaan alat acoustic sand detection, dan nilai decline rate. Untuk melakukan prediksi terhadap waktu mati produksi sumur A6 Lower yakni digunakan metode dengan pengaplikasian algoritma machine learning. Model algoritma machine learning yang dirancang dalam penelitian ini yakni Random Forest Regression. Model machine learning dirancang dengan menggunakan data dari nilai input parameter pressure drawdown, nilai pembacaan acoustic sand detection, dan decline rate berdasarkan rentang waktu produksi yang tersedia sebagai train data. Hasil model machine learning yang telah dirancang dilakukan evaluasi dengan menghitung nilai R2, mean absolute error, dan mean squared error untuk menilai kekuatan performa dari model yang telah dirancang. Hasil dari penelitian ini menunjukkan bahwa model Random Forest Regression yang digunakan untuk memprediksikan nilai laju alir sebagai target terbukti efektif karena memiliki nilai error yang minimal, nilai R2 yang tinggi, serta dibuktikan dengan validasi data yang dimiliki oleh perusahaan penyedia data. Penelitian dengan menggunakan peran model machine learning untuk melakukan prediksi terhadap nilai laju alir dinilai cukup baik berdasarkan data dan kasus tertentu. Hasil dari penelitian ini diharapkan dapat menjadi solusi untuk menyelesaikan permasalahan kepasiran di beberapa lapangan minyak dan gas bumi dengan kasus serupa yang ada di dunia, terkhususnya di Indonesia. Kata Kunci: laju alir, machine learning, random forest regression, pressure drawdown, acoustic sand detection, decline rate.