Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :

In-Line Inspection (ILI) merupakan salah satu metode asesmen pipa dalam manajemen integritas pipa di industri minyak dan gas (migas) menggunakan alat ILI Pipeline Inspection Gauge (PIG). Akan tetapi, persiapan dan operasi PIG sangat mahal dan rumit, serta jaringan pipa yang bisa dilewati terbatas karena sistem gerak yang dimiliki. In-Line Pipe Inspection Robot (IPIR) adalah perkembangan terbaru alat ILI dengan mengimplementasikan teknologi robot kepada sistem gerak dan teknologi inspeksi alat untuk mengurangi kelemahan PIG. Karena IPIR merupakan teknologi yang relatif baru perkembangan yang diberikan belum dipertimbangkan mengikuti standar inspeksi pipa sehingga belum diketahui bisa menjadi alternatif PIG yang dapat digunakan dalam industri migas. Oleh karena itu, penelitian ini menelusuri standar dan persyaratan lain aspek industri yang dapat dikaitkan dengan IPIR termasuk standar ILI, persyaratan desain dan operasi pipa yang merupakan tempat operasi alat ILI, dan peran IPIR sebagai kendaraan otomatis pembawa beban yaitu teknologi inspeksi dalam pipa. Hasil penelusuran standar berupa daftar spesifikasi IPIR termasuk persyaratan kapabilitas alat dalam melakukan inspeksi kondisi pipa dan persyaratan desain dan operasi alat dalam melakukan operasi dalam pipa. ......In-Line Inspection (ILI) is one of the pipeline assessment methods in pipeline integrity management in the oil and gas industry using the ILI tool Pipeline Inspection Gauge (PIG). However, the preparation and operation of PIG is extremely costly and complex, and the type of pipeline that can be passed is limited due to its locomotion system. In-Line Pipe Inspection Robot (IPIR) is the latest development of ILI tool by implementing robot technology to the motion system and inspection tool technology to reduce the weakness of the PIG. Because IPIR is a relatively new technology, its development has not been considered to follow pipe inspection standards, so it is not yet acknowledged to be an alternative PIG that can be utilized in the oil and gas industry. This study therefore explores the standards and other requirements that can be related to IPIR including standards for ILI, design and operation requirements for the pipeline where the ILI tool operates, and the role of IPIR as a load-carrying automated vehicle with the pipeline inspection technology instrument as the load. The results of this exploration of standards are a list of IPIR specifications including the tool capability requirements in performing pipeline condition inspections and the tool design and operation requirements in conducting operations inside a pipeline.

Abstrak :
Besarnya resiko yang dimiliki oleh peralalan yang digunakan pada praduksi minyak dan gas memerlukan perhatian khusus. Keadaan Iersebut mcnyebabkan penringnya suatu metode penarzganan yang efektif` unluk mengantiszloasi bahaya yang mungkin dapat rerjadi ketika proses produksi berlangsung. Metode rersebut berupa prinskr pencegahan dan prediksi besar dari resiko peralatan tersebur. Usaha yang dflakukan biasarrya berupa proses inspeksi terhadap peralaran tersebur. Metode inspeksi yang digunakan harus dapar mencakup keseluruhcm aspek tanpa mengeyampingkanfaidor keselamatan. Oleh karena im digunakanlah sebuah merode inspeksi yang dapaf memberikan injbrmasi dan I:eb§a/can perlindungan zerhadap Icerusakan peralaran. Metode tersebuz adalah merode RB! (Risk Based Inspecrion) dimana impelcsi yang dilalmkan berdasarkan fingkar resilco dari peraiatan yang mungkin dapat terjadi. Urztuk memudahkan proses inspeksi, maka dibuarlah sebuah program yang dapat menampung keseluruhan injbrmasi dara dan faldor dari peralalan, Program tersebut dapat menglzilung dan menerukan berapa besar tingkat resilco yang dimiliki perafalan. Dengan adanya program inf, malca dapat menyederhanakan pelcerjaan inspelcvi yang kompleks, dimana hanya rrzenqnerhfrungkan peralaran yang memifiki tingkat resiko tinggi. Misalnya dilrhususkan pada peralaran yang berrekanan tinggi dan berproduksi aid# Dengan adanya penyederharzaan ini, maka lidak perlu lagi dilakukan proses inspeldsi umuk keseluruhan .sistcm peralalan yang berakfba! besarnya wakiu dan biaya yang dQ2erIukan. Metode RBI ini efektffrncrzgklasgfikasikanjenis peraiarcm berdasarkan resiko dan juga dapat memperkirakan jenis kerusakan yang mungkin rerjadi .Serra rekomendasi walrtu inspeksi selanjumya.

Abstrak :
Peningkatan keselamatan dan efisiensi dalam industri minyak dan gas bumi di Indonesia masih memerlukan pendekatan yang canggih untuk memelihara sistem perpipaan yang ada. Disertasi ini membahas penerapan metode Risk Based Inspection (RBI) dengan dukungan teknologi machine learning (ML) dan deep learning (DL) untuk mengembangkan model yang mampu mengidentifikasi akar permasalahan dan solusi untuk menanggulangi kegagalan tersebut. Penelitian dilakukan pada sampel ex-spool berdiameter 16’’ melalui pengujian metalografi dan penggunaan algoritma AdaBoost, Random Forests, dan Gradient Boosting. Metode klasifikasi masalah dilakukan berdasarkan prinsip K-Means Clustering dan Gaussian Mixture Model dan penelitian divalidasi menggunakan metode k-fold cross-validation. Model yang dihasilkan mampu mengidentifikasi dan mengklasifikasikan jenis kegagalan ke dalam 3 kelompok sesuai jenis risikonya masing-masing serta memberikan beragam metode pemeliharaan material yang lebih ekonomis. Program artificial intelligence ini diharapkan mampu meningkatkan keselamatan dan keandalan operasi perpipaan minyak dan gas di Indonesia melalui penerapan berbagai metode pemeliharaan pipa di masa depan. ......Improving safety and efficiency in the oil and gas industry in Indonesia still requires a sophisticated approach to maintain the existing piping systems. This dissertation discusses the application of the risk-based inspection (RBI) method with the support of machine learning (ML) and deep learning (DL) technology to develop a model that is able to identify the potential root-cause and its solutions to overcome these failures. The research was carried out on a 16'' diameter ex-spool sample through metallographic testing and the use of AdaBoost, Random Forests, and Gradient Boosting algorithms. The problem classification method was carried out based on the principles of K-means clustering and the Gaussian Mixture Model, while the research was validated using the k-fold cross-validation method. The resulting model is able to identify and classify types of failure into three groups according to each type of risk and provides a variety of more economical material maintenance solutions. It is hoped that this artificial intelligence program can support efforts to increase the safety and reliability of oil and gas pipeline operations in Indonesia through the application of various pipeline maintenance methods in the future.