Penerapan Pso-Lssvm Dalam Prediksi dan Analisis Slow Drilling (Rate Of Penetration) Pada Proses Pengeboran Studi Kasus Sumur X Lapangan Y

Abstract

Manfaat pengeboran antara lain untuk mengurangi total waktu, mempertahankan risiko serendah mungkin, menghemat biaya, dan meningkatkan efisiensi,yang terjadi dalam (tahap perencanaan dan eksplorasi). Slow drilling mengacu pada rate of penetration (ROP) yang tidak berada pada tingkat yang diinginkan. ROP mencirikan kecepatan mata bor memecah batuan di bawahnya untuk memperdalam lubang bor, karena secara langsung mengontrol kecepatan dan efisiensi pengeboran dan pada akhirnya mempengaruhi biaya pengembangan.  Memprediksi ROP adalah langkah yang sangat penting untuk mengoptimalkan pengeboran dengan Machine Learning yang dapat membantu dalam memecahkan masalah yang kompleks dengan semaksimal mungkin dan efisiensi. Model yang digunakan adalah PSO-LSSVM memperlakukan penetrasi drill bit sebagai proses yang berkesinambungan. Dibutuhkan data pengeboran secara berurutan dan memprediksi ROP secara terus menerus serta mencapai hasil prediksi ROP yang lebih baik. Dalam kasus ini, Hole Depth, weight on bit (WOB), Bit Rotation per menite (RPM), Torque, Bit Depth, Time of Penetration, Hook Load, Standpipe Pressure, menunjukkan pengaruh dalam menjaga ROP pada level tinggi. Menurut hasil, algoritma PSO-LSSVM dapat digunakan untuk prediksi ROP pada sumur X. sehingga memberikan solusi untuk prediksi serta mengontrol efek operasi yang dapat menghasilkan tingkat penetrasi yang cepat dan efisiensi dalam pengeboran yang lebih baik