Prototipe riset dengan data publik Petrobras

Alarm gangguan sumur dari data historian yang sudah ada.

Riset ini memakai 4 sensor SCADA standar (tekanan dan suhu di kepala sumur serta di sekitar choke) dari 13 sumur produksi Petrobras. Pertanyaannya: bisakah gangguan seperti kerak di choke dan hidrat dikenali cukup cepat, dengan sedikit alarm palsu, di sumur yang belum pernah dilihat model?

Jawabannya: bisa. Alarm klasik CUSUM yang dikalibrasi dari riwayat sumur itu sendiri menangkap sebagian besar kejadian kerak choke, dan model pendeteksi anomali (ML) tidak lebih baik. Syaratnya, data historian dibersihkan dulu dari sensor mati dan kode status.

Ringkasan 1 halamanDashboard putar ulang (interaktif)Baca batasnya

Empat sensor yang dipakai. Klik titik sensor untuk melihat perannya dan apa yang terjadi bila sensor itu hilang. Sketsa disederhanakan, bukan gambar teknik.
83%kejadian kerak choke tertangkap CUSUM di sumur uji (selang 68–100%)
0,76alarm palsu per sumur per shift 12 jam (10 sumur ≈ 8, 40 sumur ≈ 30 per shift; ambang bisa diperketat)
±6,6 jamjeda median sejak gangguan mulai sampai alarm berbunyi
2.026tag historian sungguhan diaudit kesehatannya (Volve, Equinor)
Penting dibaca dulu. Semua angka diukur pada data publik sumur laut dalam Petrobras. Angka ini menunjukkan apa yang mungkin dicapai dan cara mengujinya dengan jujur, bukan janji performa di lapangan. "Jeda" diukur sejak gangguan mulai, jadi ini bukan peringatan dini sebelum kejadian. Kerak berkembang berjam-jam sampai berhari-hari, sehingga pembanding yang adil adalah kapan gangguan diketahui dengan cara sekarang (tren harian, well test); jeda itu belum diukur di sumur sasaran. Sumur 3W mengalir alami di laut dalam. Untuk tipe sumur lain (ESP, gas lift, darat), yang bisa dipindahkan adalah cara mengujinya, bukan angkanya.

Putar ulang kejadian nyata

Pilih satu kejadian dari 39 kejadian kerak choke dan hidrat yang dipakai untuk uji. Tekan Putar untuk melihat sensor dan skor alarm berjalan, mulai 6 jam sebelum gangguan sampai 24 jam sesudahnya. Ambang alarm disetel dari sumur lain, sehingga sumur ini benar-benar "baru" bagi alarm.

Contoh cepat:

Tekanan dalam bar, suhu dalam °C, dirata-rata per 2 menit untuk tampilan. Skor alarm = skor CUSUM dibagi ambang; alarm berbunyi saat skor melewati 1. Nama sumur mengikuti kode anonim dataset 3W.

Cara uji, dalam 6 langkah

Seluruh perhitungan dijalankan di Google Colab. Setiap angka bisa dilacak ke berkas hasil dan catatan run-nya.

  1. Saring dataDataset 3W v2.0.0, hanya kejadian nyata (bukan simulasi). Hanya 4 sensor yang layak dipakai; sensor dasar sumur (P-PDG) dibuang karena sering mati atau macet.
  2. Ringkas tiap 10 detikData 1 detik dirata-rata per 10 detik. Nilai sensor dinormalkan terhadap 60 menit pertama rekaman sumur itu sendiri.
  3. Sisihkan satu sumurModel dilatih dari sumur lain lalu diuji di satu sumur yang disisihkan, bergiliran (leave-one-well-out).
  4. Setel ambang di sumur latihAmbang alarm dipilih agar alarm palsu di sumur latih ≤ 0,25 sampai 4 per shift. Sumur uji tidak disentuh saat penyetelan.
  5. Hitung yang penting di lapanganBerapa kejadian tertangkap, berapa menit jedanya, dan berapa alarm palsu per shift 12 jam (alarm beruntun dalam 30 menit dihitung satu).
  6. Audit, lalu uji ulangHasil diperiksa terhadap kebocoran data dan overfitting. Temuan yang mencurigakan diuji ulang sekali pada data terpisah.
CUSUM: alarm klasik (Page, 1954) yang menjumlahkan penyimpangan kecil yang terus-menerus. Cocok untuk gangguan yang merambat pelan.
"Tertangkap" (recall): dari semua kejadian gangguan, berapa persen yang memicu alarm setelah gangguan dimulai.
Sumur uji: sumur yang tidak dipakai untuk melatih atau menyetel apa pun, supaya hasilnya tidak "menilai dirinya sendiri".

Alarm: klasik lawan ML, pada alarm palsu yang setara

Bayangkan tiap metode dipasang di ruang kontrol selama ±35 hari operasi normal (tidak ada gangguan sama sekali). Setiap kotak adalah satu shift 12 jam; makin gelap, makin banyak alarm palsu yang harus ditanggapi operator.

Disusun dari rekaman normal nyata sumur uji (786–834 jam). CUSUM memakai pengaturan utamanya (sama dengan tabel di bawah); metode lain memakai pengaturan ±1 alarm palsu/shift. Angka di kanan sedikit berbeda dari tabel karena tabel juga menghitung jam sebelum gangguan dimulai. Rekaman disambung berurutan; posisi alarm di dalam satu rekaman diratakan untuk tampilan.

Pada pengaturan itu, berapa gangguan yang tertangkap? Angka di kurung adalah selang kepercayaan 95% dari bootstrap antarsumur.

MetodeAlarm palsu/shiftKerak choke tertangkapJeda medianHidrat tertangkapJeda median
CUSUM (klasik)0,7683% [68–100%]6,6 jam33%4,8 jam
Ambang batas (klasik)0,9543%17 jam56%4,2 jam
Laju perubahan (klasik)0,9620%7,5 jam33%25 menit
Isolation Forest (ML)1,0723%11 jam44%44 menit
PCA T²+SPE (ML)2,19 (target tidak tercapai)43%2,3 jam56%1 jam
LOF (ML)13,397%2,8 jam89%29 menit

Cara normalisasi paling menentukan

  • Kalau batas normal diambil dari sumur lain, alarm palsu melonjak ke 3–18 per shift.
  • Kalau diambil dari riwayat sumur itu sendiri, turun ke di bawah 1. Tiap sumur punya "level normal" sendiri.

ML belum layak menggantikan alarm klasik

  • Pada alarm palsu yang setara, Isolation Forest dan PCA menangkap jauh lebih sedikit kerak choke.
  • LOF menangkap hampir semua, tetapi dengan 13 alarm palsu per shift. Operator akan mengabaikannya.

Hidrat: ada petunjuk, belum bukti

  • Isolation Forest berbunyi ±44 menit setelah hidrat mulai, lebih cepat dari CUSUM.
  • Tetapi hanya 9 kejadian dari 4 sumur. Terlalu sedikit untuk diklaim.
Detail untuk yang ingin: kurva kompromi semua pengaturan ambang
Makin ke kiri atas makin baik. Tiap titik adalah satu ambang yang disetel di sumur latih lalu diuji di sumur lain. LOF tidak tampak karena alarm palsunya 5–20 per shift.

Penebak jenis gangguan: setelah alarm berbunyi, gangguan apa ini?

Dari 30 menit data setelah alarm, model menebak salah satu dari 5 kelas. Model utama (regresi logistik) dipilih sebelum melihat hasil uji.

0,52

Skor F1 rata-rata 5 kelas

  • Selang 0,31–0,57. Tebakan "semua normal" hanya 0,13, tebakan acak 0,20.
  • Random Forest (0,34) dan XGBoost (0,39) lebih buruk di sumur baru.

Tertebak benar per kelas

  • Normal: 88% (berguna untuk menolak alarm palsu)
  • Aliran tidak stabil (kelas 4): 74%
  • Slugging (kelas 3): 78%, tetapi hanya 2 sumur
  • Hidrat (kelas 9): 38%
  • Kerak di choke (kelas 7): 0%

Model mengenali sumur, bukan gangguan

  • Fitur terpenting adalah level rata-rata suhu, yang lebih mencirikan sumur daripada jenis gangguan.
  • Tanpa fitur level, skor sempat naik ke 0,61. Tetapi uji ulang pada data terpisah gagal (hidrat 0 dari 150), jadi angka 0,61 tidak dipakai.

Tebakan lawan kenyataan (200 + 32 + 140 + 30 + 8 kejadian)

Tiap baris adalah gangguan yang sebenarnya; tiap kolom adalah tebakan model. Kotak diagonal (bergaris) adalah tebakan benar. Arahkan kursor atau ketuk kotak untuk melihat angkanya.

Artinya: skor 0,9 ke atas yang sering muncul di makalah turun ke ±0,5 saat diuji di sumur baru. Model dari vendor yang dilatih di sumur lain berisiko mengalami jalan pintas yang sama.

Ketahanan: data per menit, sensor hilang, operasi terus-menerus

CUSUM diuji ulang dengan pengaturan target 0,5 alarm palsu per shift di sumur latih.

SkenarioAlarm palsu/shiftKerak choke tertangkapJeda median
Acuan: data 10 detik, 4 sensor0,7683%6,6 jam
Data per menit (seperti historian umumnya)0,5573%12 jam
Tanpa tekanan kepala sumur (P-TPT)1,0383%6,3 jam
Tanpa suhu kepala sumur (T-TPT)0,6683%8,7 jam
Tanpa tekanan sebelum choke (P-MON-CKP)0,8890%5,4 jam
Tanpa suhu setelah choke (T-JUS-CKP)0,7873%5 jam
Batas normal bergulir (6 jam s.d. 1 jam terakhir)0,9687%10,9 jam
Kompresi ala historian (nilai hanya dicatat bila berubah lebih dari pita), dibandingkan dengan acuan di run yang sama
Tanpa kompresi (acuan run ini)0,6383%6,6 jam
Pita 0,5% rentang (63% titik tersisa)0,6683%6,6 jam
Pita 1% rentang (53% titik tersisa)0,6387%6,6 jam
Pita 2% rentang (41% titik tersisa)0,7067%13,8 jam
Pita 5% rentang (25% titik tersisa)0,9120%–

Kehilangan satu sensor tidak meruntuhkan alarm. Suhu setelah choke paling penting untuk kerak choke. Batas normal bergulir, yang realistis untuk operasi terus-menerus, tetap menangkap sebagian besar kejadian, tetapi lebih lambat karena gangguan yang pelan ikut "terserap" ke dalam batas normal. Kompresi historian sampai pita 1% rentang tidak mengubah hasil, walau titik data tinggal separuh. Mulai pita 2% alarm melambat, dan pita 5% merusak. Jadi pengaturan kompresi historian perlu dicek sebelum alarm dipasang.

Rata-rata sensor dua jam sebelum sampai dua jam sesudah gangguan dimulai, untuk kerak choke dan hidrat per sumur
Cara membaca: garis 0 di sumbu waktu adalah saat ahli menandai gangguan mulai. Kerak choke hampir tidak berubah dalam ±2 jam karena prosesnya lambat (berjam-jam sampai berhari-hari). Pada hidrat, tekanan dan suhu kepala sumur turun setelah gangguan mulai di 2 dari 4 sumur. Grafik ini ilustrasi, bukan klaim peringatan dini.

Cek kesehatan sensor pada historian sungguhan (Volve, Equinor)

3W sudah dikurasi. Untuk menguji opsi menu nomor 1 pada data apa adanya, 2.026 tag historian PI dari tiga instalasi Laut Utara (±98 miliar baris, ±900 GB) diperiksa. Setiap tag diambil sampelnya dari 3 file (awal, tengah, akhir), masing-masing 50.000 baris pertama.

Sleipner T746 tag
Sleipner B458 tag
Gudrun816 tag

Lolos cek (908)Tetap, wajar (setpoint/pengendali/posisi) (497)Datar serentak (unit diduga berhenti) (184)Datar di nol (tidak beroperasi) (23)Mati (199)Datar di nilai proses (perlu cek) (100)Celah > 24 jam (85)Status buruk > 20% (24)

Kode status ikut tercatat sebagai nilai

Semua 906 baris berkualitas buruk pada 24 tag yang diperiksa bernilai 240–315, dan 472 di antaranya tepat 307. Lonjakan ini kode sistem, bukan kejadian proses. Uji pada 417 transmitter: di sepertiga tag yang mengandung kode, alarm CUSUM bertambah, bahkan oleh satu baris kode saja. Jadi baris berstatus buruk wajib dibuang sebelum alarm dipasang.

Celah 8 jam itu normal

60% tag punya celah terpanjang ±8 jam. Ini jeda bawaan kompresi historian (nilai hanya ditulis saat berubah), bukan sensor putus. Pemeriksa yang naif akan salah menandai ratusan tag.

Tanda "macet" perlu dicek mata

Dari 21 kandidat macet yang diplot, sekitar 12 memang tidak beroperasi. Pembedanya: yang tidak beroperasi datar di sekitar nol, salah tanda punya nilai proses normal (sinyal posisi, start-up). Aturan sekarang memisahkan keduanya. Kelompok "datar di nilai proses" tetap perlu dicek mata. Aturan ini disusun dari 21 tag yang sama, jadi belum teruji di tag baru.

Contoh nyata: satu kode status menyalakan alarm. Tag tekanan P-63-PT2201 (Gudrun), ±1 hari di sekitar baris pertama berstatus buruk. Nilai 253 tercatat ±10 menit, lalu sinyal kembali normal.

Mentah (kode ikut)Tersaring (hanya status baik)Ambang alarm

Seri tersaring tidak pernah melewati ambang (maksimum 0,68 × ambang). Seri mentah melewatinya pada menit pertama kode dan tetap di atas ambang sampai akhir jendela, karena CUSUM di sini tidak di-reset setelah alarm. Lamanya alarm menyala itu bergantung pada aturan reset; yang pasti, satu baris kode sudah cukup memicu alarm palsu.

Selain itu, 10 file tidak bisa dibaca sama sekali (seluruh 7 file Gina Krog) dan 124 file Sleipner B kosong. Semua label di atas adalah kandidat dari aturan otomatis, bukan diagnosis instrumen. Volve tidak punya catatan kejadian gangguan, jadi data ini tidak dipakai untuk menguji ketepatan alarm.

Yang belum pasti

Bagian ini sengaja ditulis terbuka agar pembaca tahu batas kepercayaan setiap angka sebelum memakainya.

1. Hanya 5 sumur yang punya data normal

Alarm palsu dihitung dari 5 sumur saja. Selang kepercayaan dari bootstrap dengan sumur sesedikit ini cenderung terlalu sempit.

Perlu: data historian dari lebih banyak sumur

2. Data normal sudah dipilih rapi

Potongan "normal" di 3W sudah dikurasi peneliti Petrobras. Di lapangan ada start-up, shut-in, dan sensor rusak, jadi alarm palsu kemungkinan lebih banyak.

Perlu: rekaman historian apa adanya

3. Sumur laut dalam, bukan sumur sasaran

Kondisi sumur, fluida, dan instrumentasi bisa sangat berbeda. Angka di halaman ini tidak bisa dipindah begitu saja.

Perlu: uji ulang di sumur sasaran

4. Hidrat dan slugging terlalu sedikit

Hidrat hanya 9 kejadian layak uji, slugging hanya dari 2 sumur. Keduanya studi kasus, bukan hasil.

Perlu: catatan kejadian gangguan internal

5. Waktu mulai gangguan ditandai ahli

Jeda dihitung dari tanda waktu yang dibuat ahli Petrobras. Kalau tanda itu terlambat, jeda yang sebenarnya lebih panjang.

Perlu: log operasi dengan waktu kejadian

6. Cara normalisasi dipilih setelah run pertama

Normalisasi dari sumur lain gagal total (run 1a), lalu diganti normalisasi per sumur. Pilihan ini masuk akal secara fisik, tetapi tetap dibuat setelah melihat hasil.

Perlu: konfirmasi di data baru
Foto Ade Rizky Darmawan

Peneliti

Ade Rizky Darmawan

Peneliti

Mahasiswa S1 Sains Data UPN "Veteran" Jawa Timur. Riset ini menguji, dengan cara yang ketat, seberapa jauh data SCADA standar bisa dipakai untuk mengenali gangguan sumur. Riset sebelumnya: Pantau Bercak Minyak dan CAYMAN. Masukan dan koreksi sangat diharapkan.

LinkedIn

Sumber data & lisensi