Machine Translated by Google

SPE-172419-MS

Optimasi Waktu Pengeboran yang Efisien dengan Evolusi Diferensial

Abeeb A. Awotunde dan Mohammed A. Mutasiem, Universitas Perminyakan & Mineral Raja Fahd

Hak Cipta 2014, Masyarakat Insinyur Perminyakan

Makalah ini disiapkan untuk dipresentasikan pada Konferensi dan Pameran Internasional Tahunan SPE Nigeria yang diadakan di Lagos, Nigeria, 05–07 Agustus 2014.

Makalah ini dipilih untuk dipresentasikan oleh komite program SPE setelah meninjau informasi yang terkandung dalam abstrak yang dikirimkan oleh penulis. Isi makalah belum
ditinjau oleh Society of Petroleum Engineers dan dapat dikoreksi oleh penulis. Materi tersebut tidak mencerminkan posisi apa pun dari Perhimpunan Insinyur Perminyakan,
petugasnya, atau anggotanya. Dilarang memperbanyak, mendistribusikan, atau menyimpan secara elektronik bagian mana pun dari makalah ini tanpa persetujuan tertulis dari
Society of Petroleum Engineers. Izin untuk mereproduksi dalam bentuk cetak dibatasi untuk abstrak tidak lebih dari 300 kata; ilustrasi tidak boleh disalin. Abstrak harus
mengandung pengakuan hak cipta SPE yang mencolok.

Abstrak
Pengeboran sumur minyak adalah operasi yang sangat mahal. Akibatnya, tim aset sering berusaha meminimalkan biaya pengeboran
dengan mengoptimalkan proses pengeboran. Faktor yang paling penting dalam pertimbangan biaya adalah lamanya waktu selama rig
pengeboran disewa. Fakta bahwa rig sering disewa dengan tarif harian berarti semakin lama waktu pengeboran, semakin tinggi biaya
pengeboran. Oleh karena itu, para pengebor sering berusaha meminimalkan total waktu yang diperlukan untuk mengebor sumur guna
meminimalkan biaya pengeboran. Namun, waktu pengeboran seringkali terdiri dari banyak komponen, ada yang dapat dikontrol dan ada
juga yang tidak dapat dikontrol. Sementara faktor paling umum yang ingin diminimalkan oleh pengebor adalah waktu yang dihabiskan
untuk pengeboran mekanis sebenarnya dari sumur, ini belum tentu merupakan bagian operasi pengeboran yang paling memakan waktu.
Meminimalkan waktu yang dihabiskan untuk pengeboran sebenarnya dilakukan dengan mencari parameter optimal yang meningkatkan
laju penetrasi bit. Faktor lain yang dapat membantu mengurangi total waktu rig adalah mengurangi frekuensi penarikan rakitan lubang
bawah (BHA) dari lubang untuk mengganti bit yang aus. Dengan demikian, penting untuk mengoptimalkan proses pengeboran untuk
menghasilkan waktu pengeboran terendah secara keseluruhan.

Dalam studi ini, kami mengusulkan skema optimasi yang mengoptimalkan operasi pengeboran dengan memaksimalkan laju
pengeboran (ROP) dan umur bit. Skema ini mengoptimalkan operasi pengeboran dengan mencari nilai optimal dari parameter pengeboran
yang mengurangi waktu pengeboran keseluruhan dari setiap bagian formasi tertentu.
Parameter pemboran yang kami pertimbangkan adalah RPM, WOB dan laju aliran lumpur. Kami menggunakan evolusi diferensial sebagai
pengoptimal untuk mendapatkan ROP optimal dan masa pakai bit optimal yang menghasilkan waktu pengeboran terendah. Kami
menetapkan batas atas dan bawah untuk setiap parameter operasional dan menguji metode pada bagian yang berbeda.

Dua kasus dipertimbangkan. Yang pertama memaksimalkan laju pengeboran (ROP) sedangkan yang kedua meminimalkan waktu
total (yaitu waktu pengeboran mekanis dan waktu trip serta waktu perubahan mata bor di permukaan). Temuan menunjukkan bahwa
mengoptimalkan ROP menghasilkan waktu terendah pada kedalaman dangkal. Namun, pada kedalaman yang lebih dalam,
mengoptimalkan total waktu menghasilkan waktu keseluruhan terendah yang lebih baik.
Secara signifikan, pendekatan ini membantu mengidentifikasi nilai optimal dari parameter pengeboran pada bagian lubang berbeda
yang diperlukan untuk mencapai waktu pengeboran terendah secara keseluruhan. Oleh karena itu, metode ini dapat menghemat uang
yang seharusnya digunakan untuk menyewa rig pengeboran untuk jangka waktu yang lama.
Machine Translated by Google

2 SPE-172419-MS

Perkenalan
Meningkatnya biaya pengeboran sumur minyak menentukan bahwa cara yang efisien untuk meminimalkan keseluruhan biaya operasi
pengeboran harus disodorkan. Sangat umum untuk menyewa rig pengeboran dengan tarif harian. Tarif harian seringkali signifikan
mencapai jutaan dolar dalam beberapa kasus. Dengan demikian, penentu utama dari keseluruhan biaya pengeboran adalah total waktu
yang dihabiskan untuk mengebor sumur. Waktu keseluruhan dibagi lagi menjadi dua kategori utama. Yang pertama adalah waktu
produktif, yaitu waktu yang dihabiskan untuk mengebor lubang, menyemen, menebang bagian sumur dan dalam melakukan operasi
terkait pengeboran lainnya. Yang kedua adalah non-productive time (NPT), yaitu waktu yang dihabiskan untuk mengubah perakitan
lubang dasar dan dalam menyelesaikan masalah yang terkait dengan pengeboran. Masalah seperti itu mungkin termasuk pipa yang
macet di dalam lubang, tali yang putus, sirkulasi yang hilang dan lubang yang runtuh. Dalam banyak kasus, NPT jauh lebih besar dari
waktu produktif, terutama jika terlalu lama untuk menyelesaikan masalah yang dihadapi selama pengeboran. Sementara beberapa
NPT, seperti kehabisan lubang untuk mengganti bit yang aus, tidak dapat dihindari, beberapa lainnya karena kegagalan peralatan atau
formasi pengeboran dapat dihindari ketika operasi pengeboran direncanakan dengan hati-hati dan dilakukan secara efisien.

Oleh karena itu, optimalisasi operasi pemboran menjadi sangat diperlukan jika biaya keseluruhan pemboran sumur ingin dikurangi.

Berbagai metode telah digunakan dalam industri minyak untuk mengoptimalkan operasi pengeboran. Pendekatan yang sangat
umum adalah belajar dari pengalaman pengeboran sebelumnya di bidang yang sama atau serupa. Seringkali sumur pertama yang
dibor di lapangan yang baru ditemukan lebih mahal daripada sumur berikutnya yang dibor di lapangan yang sama. Hal ini sering
disebabkan oleh kurangnya pemahaman yang baik tentang persyaratan geologi dan hidrolik pengeboran di lapangan baru. Semakin
banyak sumur yang dibor, semakin banyak informasi tentang formasi di lapangan yang diperoleh. Juga, kesalahan sebelumnya
didokumentasikan dan dihindari selama operasi pengeboran berikutnya. Dengan demikian, kurva pembelajaran digunakan untuk
meningkatkan operasi pengeboran berikutnya dan menghindari praktik yang dapat menimbulkan potensi masalah pengeboran.

Salah satu aspek lain dari optimasi pengeboran adalah pembentukan hubungan antar parameter pengeboran. Hubungan antara
parameter pengeboran sangat kompleks dan sebagian besar tidak diketahui. Namun, upaya terus dilakukan untuk menetapkan
kombinasi parameter operasi yang optimal yang akan menghasilkan biaya pengeboran minimum. Di bawah kategori ini, sering kali
regresi berganda digunakan untuk mendapatkan parameter empiris seperti eksponen dan konstanta perkalian yang sering dikaitkan
dengan parameter pengeboran nyata (mis.
WOB, kecepatan putar, dll) oleh penulis yang berbeda. Korelasi empiris semacam itu telah menyediakan sarana utama untuk
menghubungkan parameter pengeboran yang dapat dikontrol dengan tingkat pengeboran (ROP).
Dalam beberapa tahun terakhir, operasi pengeboran telah ditingkatkan dengan menggunakan peralatan pengeboran dan sistem
telemetri yang lebih baik. Arsitektur string dan bit pengeboran telah ditingkatkan secara signifikan untuk memungkinkan pengeboran di
medan yang sulit dan tahan terhadap kondisi lingkungan yang intens. Peningkatan seperti itu pada peralatan downhole sering
mengakibatkan berkurangnya jumlah perakitan bottomhole (BHA) yang ditarik keluar dari lubang untuk penggantian. Peningkatan
efisiensi mata bor telah menghasilkan peningkatan kapasitas pengeboran mata bor dan memungkinkan untuk mengebor bagian lubang
yang lebih panjang sebelum mata bor menjadi tumpul.
Selain itu, sistem pengeboran baru-baru ini dilengkapi dengan sistem perekaman dan telemetri downhole yang memungkinkan akuisisi
data secara real-time dan transfer informasi ke ruang kontrol pusat untuk pemrosesan selanjutnya dan pengambilan keputusan secara
real-time. Peningkatan dalam akuisisi data dan teknologi komunikasi ini semakin meningkatkan operasi pengeboran, mengurangi risiko,
dan akibatnya mengurangi biaya pengeboran.
Peningkatan desain lumpur telah membantu mengoptimalkan operasi pengeboran dan mengurangi biaya pengeboran.
Hidrolik pengeboran sangat penting untuk pengangkutan pemotongan yang efisien dan pembersihan lubang selama pengeboran. Baru-
baru ini, lumpur pengeboran telah dirancang untuk lingkungan hidrolik operasi yang optimal untuk mata bor serta mendukung
pengangkutan serbuk bor dari sumur. Desain lumpur yang tepat sangat penting untuk menjaga formasi dari keruntuhan sementara
pada saat yang sama mencegah sirkulasi yang hilang.
Meskipun variabel-variabel yang berpengaruh signifikan terhadap laju pemboran (ROP) tidak sepenuhnya dipahami dan kompleks
untuk dimodelkan, beberapa persamaan empiris telah dirumuskan untuk menghubungkan variabel-variabel tersebut.
Machine Translated by Google

SPE-172419-MS 3

variabel ke ROP. Parameter pengeboran yang umumnya dioptimalkan adalah bobot pada bit (WOB), kecepatan putar bit (RPM), dan
hidrolika lumpur, terutama kepadatan sirkulasi setara (ECD). Meningkatkan ROP adalah tujuan optimalisasi yang paling umum dalam
industri pengeboran. Namun, waktu pengeboran yang produktif saja hanya sekitar 30% dari total waktu rig. Dengan demikian, lebih
dari sekadar meningkatkan ROP perlu dilakukan untuk mengurangi total waktu rig.

Dalam proyek ini, kami mengusulkan penggunaan teknik particle swarm optimization (PSO) untuk meminimalkan biaya operasi
pengeboran dengan meminimalkan total waktu rig. PSO adalah algoritma pencarian stokastik yang memiliki kemungkinan tinggi
untuk menemukan optimal global dari fungsi tujuan. Bagian pertama dari pekerjaan ini akan melibatkan maksimalisasi laju penetrasi
pengeboran menggunakan algoritma PSO. Satu-satunya tujuan di sini adalah ROP dan akan diasumsikan dalam fase ini, bahwa
ROP adalah satu-satunya penentu waktu pengeboran.
Pada bagian kedua dari pekerjaan ini, ROP dan 'umur' mata bor harus dioptimalkan untuk mengurangi total waktu rig.
Dalam hal ini, 'umur' mata bor bukanlah lamanya waktu mata bor sebelum menjadi tumpul, tetapi panjang bagian lubang yang dapat
dibor oleh mata bor dalam kerangka waktu yang wajar sebelum menjadi tumpul. Penting untuk diperhatikan di sini bahwa mengebor
dengan sangat cepat (ROP tinggi) belum tentu sama dengan mengebor bagian formasi yang lebih panjang (umur bit lebih panjang).
Nyatanya, itu sangat mungkin; bahwa beberapa parameter yang meningkatkan ROP seperti meningkatkan WOB dapat menyebabkan
mata bor cepat aus sehingga mencegah mata bor mengebor bagian formasi yang lebih panjang sebelum BHA ditarik keluar dari
lubang untuk penggantian mata bor. Penting juga untuk dicatat bahwa waktu yang terbuang dengan mengubah bit beberapa kali
dapat mengikis keuntungan apa pun dari peningkatan laju pengeboran (ROP).
Dengan demikian, permasalahan menjadi optimalisasi parameter pemboran untuk meningkatkan kedua tujuan tersebut.
Variabel desain yang harus dipertimbangkan meliputi bobot pada bit (WOB), kecepatan putar (RPM), kerapatan sirkulasi ekivalen
(ECD), indeks bukaan katup choke, dan laju sirkulasi pompa. Tujuan yang perlu dipertimbangkan termasuk meningkatkan tingkat
penetrasi dan memperpanjang umur bit. Kendala selama pengeboran akan mencakup kendala tekanan diferensial (diperlukan untuk
tetap berada dalam jendela pengoperasian yang aman).

Masalah Optimasi Secara umum masalah

optimasi didefinisikan sebagai masalah di mana fungsi tujuan harus diminimalkan (atau dimaksimalkan) biasanya tunduk pada
kendala operasional tertentu. Secara matematis, masalahnya digambarkan sebagai

(1)

tunduk pada:
(2)

Dan

(3)

Dan
di mana adalah vektor dari variabel desain, masing-masing adalah himpunan kendala persamaan dan ketidaksetaraan, yang
dikenakan pada masalah. Dalam pekerjaan saat ini, apakah set parameter pengeboran diperkirakan untuk setiap bagian lubang dan
waktu total. Pada pekerjaan ini, parameter pemboran yang dioptimalkan adalah weight-on-bit (WOB), kecepatan putar (RPM) dan
laju aliran lumpur (q). Tidak ada kendala yang dikenakan pada masalah optimasi dalam pekerjaan ini. Namun, kendala operasional
(dijelaskan dalam aplikasi sampel) dikenakan pada simulasi reservoir depan.

Fungsi Tujuan: Total Bagian Waktu Fungsi tujuan mengukur

kualitas solusi alternatif dalam masalah optimisasi. Dalam optimalisasi waktu rig, waktu yang dihabiskan untuk memegang rig yang
disewa adalah fungsi tujuan yang harus dipertimbangkan dalam memperkirakan parameter pengeboran yang optimal. Total waktu rig
terdiri dari waktu pengeboran mekanis,
Machine Translated by Google

4 SPE-172419-MS

waktu perjalanan dan waktu perubahan bit. Waktu pengeboran adalah waktu yang dihabiskan dalam melakukan pengeboran
lubang bor yang sebenarnya. Namun, ini bukan satu-satunya waktu yang terlibat dalam pengeboran sumur. Saat mata bor
menjadi tumpul, tali bor perlu ditarik keluar untuk penggantian mata bor. Waktu yang dihabiskan untuk menarik drillstring
disebut sebagai waktu trip dan waktu ini mungkin merupakan bagian yang signifikan dari total waktu rig, khususnya ketika
bagian sumur yang dalam sedang dibor. Di permukaan, beberapa waktu dihabiskan untuk mengubah bit. Kali ini adalah waktu
perubahan bit. Dengan demikian, waktu pengeboran, waktu trip dan waktu perubahan bit merupakan komponen waktu utama
yang dihadapi selama pengeboran normal tanpa halangan.
Dalam kasus masalah pengeboran seperti pipa macet, waktu tambahan mungkin diperlukan untuk menyelesaikan masalah
pengeboran. Dalam pekerjaan ini, total waktu rig dianggap sebagai waktu pengeboran, waktu trip dan waktu perubahan bit. Ini
adalah waktu yang dapat diprediksi yang terlibat dalam pengeboran bagian tertentu dari sebuah sumur.
Waktu yang dibutuhkan untuk menyelesaikan masalah lain, secara umum, tidak dapat diprediksi dan kami tidak memasukkannya
sebagai bagian dari fungsi tujuan untuk diminimalkan. Untuk melakukan minimalisasi, kami membagi bagian lubang bor yang
diinginkan menjadi beberapa interval pendek, Ninterv , dan kemudian menentukan total waktu bagian sebagai
(4)

di mana ttotal adalah total waktu untuk mengebor bagian lubang bor, tdrill,m adalah waktu pengeboran yang sesuai dengan
interval ke-n , ttrip,m adalah waktu trip yang sesuai dengan perjalanan ke-m . Ninterv adalah jumlah interval di mana bagian
telah dibagi, dan tchange adalah waktu perubahan bit. Dalam Persamaan. 4, perubahan diasumsikan konstan selama operasi
pengeboran. Untuk interval tertentu n, waktu bor, tdrill,n diberikan oleh

(5)

Dalam Persamaan. 5, hn adalah panjang interval n, dan ROPn adalah tingkat rata-rata penetrasi ROP yang dicapai oleh bit
saat mengebor interval ini. ROP dalam Persamaan. 6 diberikan oleh model Warren yang dimodifikasi (Hareland dan Hoberock
1993):
(6)

Dalam model ini, a, b dan c disebut koefisien bit, mereka didasarkan pada fitur bit dan dapat diperoleh dari percobaan
laboratorium. Juga dimungkinkan untuk memperkirakan konstanta ini dari kinerja bit di lapangan jika data kekuatan batuan
tersedia. Gaya tumbukan yang dimodifikasi, Fjm memperhitungkan efek ukuran nosel dan pengaruh fluida balik dan gaya ini
diberikan oleh
(7)

di mana Av adalah rasio kecepatan jet dengan kecepatan fluida kembali. Rasio ini diperoleh dari
(8)

Chip tahan, fc(Pe) digunakan dalam Persamaan. 6 diberikan oleh

(9)

di mana konstanta ac, bc dan cc adalah konstanta yang bergantung pada litologi dan ditentukan menurut
permeabilitas formasi. Konstanta ini disajikan pada Tabel 1.
Fungsi keausan bit, Wf , dalam model didefinisikan sebagai berikut:

(10)

Wf adalah angka antara 0 dan 1 dan bergantung pada perubahan grade gigi bit, diberikan oleh
Machine Translated by Google

SPE-172419-MS 5

Tabel 1—Koefisien litologi dan formasi (Rampersad et.al 1994)

Formasi Permeable Impermeable

Pe Ph–Pp Ph

ac 0,00497 0,0141

bc 0,757 0,47

cc 0,103 0,569

sebagai
0,0133 0,00432

bs 0,577 0,782

11

Dalam Persamaan. 11, ninterv, adalah jumlah interval yang telah dibor bit saat ini sejauh ini dan biasanya lebih kecil
dari Ninterv. Persamaan. 11 menunjukkan bahwa BG tergantung pada bobot-on-bit (W), kecepatan rotasi (N), abrasivitas
batuan relatif (Arabr) dan kekuatan batuan terbatas (S). Wc disebut koefisien keausan bit dan merupakan angka unik
untuk setiap bit yang dijalankan. Jadi Wf adalah 1 untuk bit baru (BG 0) dan 0 untuk bit yang benar-benar aus (BG
8).
Kekuatan tekan batuan adalah fungsi dari litologi dan tekanan diferensial:
(12)

dimana S dan So masing-masing adalah kekuatan batuan terkekang dan kekuatan batuan tidak terkekang. Itu
koefisien as dan b ditentukan berdasarkan permeabilitas formasi dan diberikan pada Tabel 1.

Algoritma Optimasi: Evolusi Diferensial Dalam tulisan ini, kami

menggunakan algoritma evolusi diferensial (DE) sebagai pengoptimal global. Evolusi diferensial (Storn dan Price 1996)
adalah algoritma evolusioner yang menggunakan populasi solusi kandidat untuk menyelesaikan masalah optimisasi.
Algoritma dimulai dengan menghasilkan vektor yang terdistribusi secara merata di ruang solusi masalah. Vektor-vektor
ini mengalami mutasi, rekombinasi, dan seleksi dalam beberapa langkah berulang yang dikenal sebagai generasi. Pada
setiap generasi, catatan vektor terbaik yang dihasilkan sejauh ini disimpan dalam memori dan iterasi berlanjut hingga
vektor ini cukup baik atau kriteria terminasi yang telah ditetapkan tercapai. Karena DE menggunakan populasi solusi
kandidat pada setiap generasi, algoritme ini dapat memanfaatkan komputasi paralel sehingga memungkinkan untuk
menjalankan banyak simulasi maju secara bersamaan dan meningkatkan efisiensi proses optimisasi komputasi.

Sementara DE memiliki probabilitas yang lebih tinggi untuk menemukan titik optimal global daripada algoritme
pengoptimalan berbasis gradien mana pun, algoritme tersebut tidak dijamin untuk menyatu ke titik optimal global dalam
sumber daya komputasi terbatas yang diberikan.

Pendekatan
Pendekatan melibatkan pembagian bagian lubang bor menjadi beberapa segmen lubang bor kecil (Gbr. 1) yang disebut
interval. Setiap interval memiliki kumpulan parameter pengeboran yang unik (bobot-on-bit, kecepatan rotasi, dan laju
aliran) yang diestimasi oleh algoritme pengoptimalan. Berdasarkan parameter ini, rata-rata ROP dan fungsi keausan
untuk setiap interval dihitung. ROP digunakan untuk menghitung waktu pengeboran untuk setiap interval.
Penjumlahan waktu pengeboran untuk semua interval memberikan total waktu pengeboran. Fungsi keausan secara
bertahap berkurang saat mata bor menjadi tumpul. Mata bor yang tumpul ditunjukkan oleh fungsi keausan mata bor.
Nilai minimum dari fungsi keausan ini ditentukan. Di bawah nilai ini, mata bor ditarik keluar dari lubang dan mata bor
baru dijalankan. Ketika ini terjadi, beberapa waktu dihabiskan untuk tersandung untuk mengubah bit. Dengan demikian,
waktu trip dan waktu perubahan bit terjadi untuk setiap perubahan bit yang terjadi. Jumlah dari total waktu pengeboran,
total waktu trip dan total waktu perubahan bit membentuk waktu bagian, ttotal seperti yang ditunjukkan pada Persamaan. 1. Bagian
Machine Translated by Google

6 SPE-172419-MS

waktu, ttotal digunakan sebagai fungsi tujuan dalam

optimasi untuk menentukan set optimal dari parameter
pengeboran. Himpunan parameter optimal adalah
himpunan yang menghasilkan waktu bagian minimum.
Untuk melakukan optimasi, batas bawah dan atas
parameter harus ditentukan. Batasan ini digunakan
untuk menginisialisasi pengoptimal (DE dalam kasus
ini). Pada setiap iterasi DE, kandidat solusi yang berbeda
akan memiliki set parameter pengeboran yang berbeda.
Setiap set parameter pengeboran akan menyajikan
kerangka bagaimana pengeboran bagian total harus
dicapai. Misalnya, satu set parameter pengeboran
Gbr. 1—Ilustrasi segmentasi bagian lubang yang akan dibor
mungkin mengharuskan tiga bit dijalankan. Ini berarti bit
perlu diubah dua kali. Kumpulan parameter lain mungkin
menetapkan bahwa lima bit berjalan diperlukan untuk menyelesaikan pengeboran bagian tersebut. Jumlah bit yang
berjalan adalah fungsi dari parameter pengeboran dan fungsi keausan minimum yang ditentukan untuk bit. Jika
fungsi keausan minimum yang diperbolehkan terlalu besar, bit dapat diubah beberapa kali sehingga menimbulkan
waktu trip dan perubahan bit yang terlalu tinggi. Jika fungsi keausan terlalu rendah, maka mata bor dapat terus
digunakan saat menjadi tumpul yang menyebabkan tingkat penetrasi rendah. Dengan demikian, keseimbangan
antara keduanya harus ditemukan.
Pendekatan yang diadopsi dalam pekerjaan ini menemukan kombinasi parameter terbaik yang mengoptimalkan
tingkat penetrasi dan pada saat yang sama mengoptimalkan umur bit. Dengan cara ini, tingkat penetrasi tidak
terlalu tinggi (menyebabkan banyak perubahan bit) atau terlalu rendah (menyebabkan tingkat pengeboran rendah).
Juga, umur bit tidak terlalu tinggi atau terlalu rendah. Kombinasi keduanya menghasilkan total waktu minimum
untuk mengebor bagian lubang tertentu.

Analisis PreModeling Untuk

menggunakan model Warren yang dimodifikasi untuk formasi atau area tertentu, koefisien model harus diestimasi.
Koefisien bit a dan b diperkirakan dengan memplot grup tanpa dimensi . Kemudian garis lurus dipasang ke data
melawan menggunakan pemasangan data kuadrat terkecil

metode dan ini menghasilkan kemiringan a dan perpotongan b. Koefisien ketiga c dihitung kembali dari a, b, dan
parameter lainnya dengan menyusun ulang Persamaan. 7. Juga, koefisien keausan bit Wc disediakan oleh
pembuat bit atau ditentukan berdasarkan kondisi tumpul yang dilaporkan di lapangan.
Koefisien konstan berbeda untuk formasi yang berbeda. Dalam karya ini, kami mempertimbangkan optimalisasi
dua bagian lubang dalam formasi AG di lapangan Afrika Utara. Data pengeboran yang digunakan diperoleh dari
bagian 12¼–inci dan bagian 8½–inci dari sumur yang dibor dalam formasi AG.
Formasi AG adalah salah satu reservoir minyak pasir permeabel yang terkenal di utara Afrika. Konstanta bit dan
koefisien keausan bit untuk bit yang digunakan pada bagian 12.25 dan 8.5 diperoleh dari analisis data lapangan.
Gambar 2 dan 3 mengilustrasikan bagaimana konstanta bit diperoleh masing-masing untuk bagian 12.25 dan 8.5.
Koefisien bit diperoleh dengan memasang garis lurus ke data dari setiap bagian lubang. Nilai koefisien bit dan
koefisien keausan bit (juga diperoleh dari data lapangan) ditunjukkan pada Tabel 2.

Pada estimasi koefisien model, model digunakan untuk menghitung ROP (model). ROP yang dihitung dari
model ini kemudian dibandingkan dengan ROP aktual yang diukur di lapangan selama pengeboran dua bagian
lubang bor (Gambar 4 dan 5). Gambar 4 menunjukkan plot ROP aktual dan model versus kedalaman. Gambar 4
menunjukkan bahwa model memprediksi nilai ROP yang lebih rendah daripada pengukuran lapangan yang sebenarnya.
Namun, kecocokan antara nilai ROP aktual dan model dapat diterima dan ini memvalidasi
Machine Translated by Google

SPE-172419-MS 7

Gambar 2—Penentuan konstanta bit pada bagian 12.25 Gambar 3—Penentuan konstanta bit pada bagian 8.5

Gbr. 4—Perbandingan ROP yang dihitung dan ROP aktual Gambar 5—Model ROP aktual vs ROP

Tabel 2—Konstanta bit dan koefisien keausan bit

kebenaran estimasi koefisien model untuk bagian
Koefisien Model Jalankan 12,25 Bit Jalankan 8,5 Bit
lubang bor tertentu. Juga ROP aktual versus ROP
yang dimodelkan diplot pada Gambar. 5. Koefisien Bit A 0,002 0,0024
B 24.698 19.942
Dan kami mengamati bahwa data yang diplot berada dekat dengan
C 0,00109 0,00089
garis yang menunjukkan kedekatan ROP yang dimodelkan dengan
Koefisien Keausan Bit Wc 7.50E-11 5.50E-11
ROP yang sebenarnya.

Contoh Aplikasi Kami

menyajikan dua contoh aplikasi untuk menunjukkan penerapan dan kegunaan dari metode optimasi.
Kedua contoh melibatkan optimasi parameter pengeboran (berat-on-bit, kecepatan rotasi dan laju aliran)
di sumur yang sama. Pada contoh pertama, parameter pengeboran optimal pada bagian sumur 12¼ inci
diperkirakan, sedangkan pada contoh kedua, parameter pada bagian 8½ inci diperkirakan. Pada kedua
bagian, fungsi keausan minimum dimana mata bor ditarik keluar dan diganti ditetapkan pada 0,25.
Machine Translated by Google

8 SPE-172419-MS

Gambar 6—Total waktu untuk mengebor bagian 12,25 inci

Tabel 3—Rentang pencarian untuk parameter di Bagian 12¼ inci

Parameter Ikatan bawah Batas atas 700 800

Laju aliran (GPM)
Kecepatan putaran (RPM) 60 90

Berat per bit (Lbf) 6744 31473

Contoh 1: Penentuan Parameter Optimal untuk 121 4-inci

Bagian
Dalam contoh ini, kami mengoptimalkan total waktu yang diperlukan untuk mengebor bagian berukuran 12¼ inci. Model
Warren yang dimodifikasi, bersama dengan koefisien model yang diperoleh untuk bagian ini, digunakan untuk menghitung
nilai ROP yang digunakan dalam proses optimisasi. Parameter pengeboran yang akan dioptimalkan adalah weight-on-bit (W),
kecepatan putar (N) dan laju aliran lumpur (q). Kisaran pencarian untuk parameter ini tercantum pada Tabel 3. Bagian lubang
bor ini dibagi menjadi 30 interval. Optimalisasi akan dilakukan untuk memperkirakan parameter pengeboran yang optimal di
setiap interval ini. Oleh karena itu, total 90 parameter pengoptimalan diperkirakan dari algoritma DE.

Pada Gambar 7, total waktu kumulatif, tsec, untuk mengebor bagian 12¼ inci diplot terhadap kedalaman bagian untuk
kasus yang berbeda. Waktu penampang kumulatif yang ditunjukkan pada gambar berasal dari parameter pengeboran yang
dioptimalkan, waktu aktual yang diukur di lapangan selama pengeboran dan waktu penampang model yang dihitung dari
parameter pengeboran yang digunakan saat pengeboran. Dalam situasi yang ideal, waktu aktual yang dihabiskan untuk
mengebor bagian harus setara dengan yang dihitung dari model saat parameter pengeboran yang digunakan dalam
pengeboran aktual disubstitusi ke dalam model. Namun, keduanya tidak sama karena kesalahan model dan pengukuran.
Gambar 6 menunjukkan bahwa total waktu penampang yang dihitung dari parameter lapangan sebenarnya lebih lama dari
total waktu yang diukur selama proses pengeboran. Total waktu bagian yang diperoleh dari parameter yang dioptimalkan
lebih pendek daripada total waktu terukur dan total waktu yang diperoleh dari parameter lapangan.

ROP yang dioptimalkan (dihitung dari parameter yang dioptimalkan) dan ROP aktual yang diukur pada lapangan
ditampilkan pada Gambar. 7. Gambar tersebut dengan jelas menunjukkan bahwa ROP yang dioptimalkan umumnya lebih
tinggi daripada ROP aktual yang menyebabkan waktu pengeboran lebih pendek dari parameter yang dioptimalkan. Parameter
yang dioptimalkan dalam 30 interval dari bagian 12,25 inci disajikan pada Gambar. 8 sampai 10. Waktu pengeboran, waktu tersandung,
Machine Translated by Google

SPE-172419-MS 9

Gambar 7 — ROP nyata dan ROP yang dioptimalkan

Gambar 8— Laju aliran yang dioptimalkan

Tabel 4—Jumlah bit dan komponen dari total waktu yang dihabiskan untuk mengebor Bagian 12¼ inci

Kasus Nbit tdrill (jam) ttrip (jam) total(jam)

perubahan(jam)

Digunakan di lapangan (aktual) 4 245.4 92.7 6 344.1

Dimodelkan dari parameter lapangan 3 307.2 60.7 4 371.9

Dimodelkan dari parameter optimal 3 200.9 51.7 4 256.5

Tabel 5—Rentang pencarian untuk parameter di Bagian 8½ inci

Parameter Ikatan bawah Batas atas 500 600

Laju aliran (GPM)
Kecepatan putaran (RPM) 60 90

Berat per bit (Lbf) 6000 34100

bit-change time dan total waktu yang dibutuhkan dalam pengeboran bagian sumur ini disajikan pada Tabel 4.
Jumlah bit yang digunakan juga disajikan di atas meja. Dari tabel, kami mengamati bahwa selama pengeboran aktual di
lapangan, 4 mata bor digunakan untuk mengebor bagian tersebut dan total waktu yang dibutuhkan adalah 344,1 jam. Jika
parameter pengeboran aktual yang digunakan di lapangan diganti menjadi Persamaan. 6 untuk memperkirakan ROP
untuk 30 interval dalam model kami dan ROP yang dimodelkan digunakan untuk memperkirakan total waktu (Persamaan
4), kemudian, 3 bit akan digunakan dan total waktu 379,1 jam akan dikeluarkan untuk mengebor seluruh bagian . Namun,
jika parameter yang dioptimalkan digunakan, diperlukan 3 bit dan total 256,5 jam akan dihabiskan untuk mengebor bagian
yang sama. Dengan demikian, penggunaan pengoptimalan akan membantu menghemat total waktu rig sebanyak 87,6
jam atau lebih.

Contoh 2: Penentuan Parameter Optimal untuk 81 2-inci

Bagian
Contoh ini melibatkan optimalisasi parameter pengeboran di bagian 8½ in. Bagian ini dibagi lagi menjadi 20 interval,
masing-masing interval panjangnya 164 kaki. Bagian ini dibor tepat di bawah bagian 12¼ di sumur yang sama. Parameter
pengeboran diperkirakan untuk masing-masing dari 20 interval bagian ini sehingga total menjadi 60 parameter
pengoptimalan. DE digunakan sebagai pengoptimal dan rentang pencarian untuk parameter di bagian ini ditunjukkan
pada Tabel 5.
Machine Translated by Google

10 SPE-172419-MS

Gambar 9—WOB yang dioptimalkan Gambar 10—RPM yang Dioptimalkan

Gambar 11—Total waktu dari berbagai kasus

Waktu yang dioptimalkan untuk mengebor bagian 8½ inci disajikan pada Gambar. 11 bersama dengan waktu aktual
yang diukur di lapangan dan total waktu bagian yang dihitung dari parameter lapangan aktual. Kami mengamati bahwa
waktu yang dioptimalkan lebih pendek dari waktu aktual yang diukur di lapangan dan waktu yang dimodelkan dari
parameter lapangan. Juga, ROP yang diperoleh dari parameter yang dioptimalkan dan ROP lapangan aktual diplot
terhadap dept pada Gambar. 12. Sebagian besar nilai ROP yang dioptimalkan lebih tinggi daripada nilai ROP lapangan
aktual, sehingga menunjukkan pentingnya mengoptimalkan parameter pengeboran. Nilai-nilai yang dioptimalkan dari berat-
on-bit, kecepatan rotasi, dan laju aliran lumpur ditampilkan pada Gambar. 13, 14 dan 15, masing-masing.
Tabel 6 menunjukkan bahwa total waktu yang dibutuhkan di lapangan untuk mengebor bagian 8½ inci adalah 545,1
jam. 5 bit digunakan di lapangan untuk mengebor bagian ini. Jika parameter pengeboran aktual yang digunakan di
lapangan digunakan dalam 20 interval model ini, maka hanya diperlukan 4 bit untuk mengebor seluruh bagian tetapi total waktu akan
Machine Translated by Google

SPE-172419-MS 11

Gambar 13— Laju aliran yang dioptimalkan

Gambar 12— ROP nyata dan ROP yang dioptimalkan

Gambar 14—WOB yang dioptimalkan

Gambar 15—RPM yang Dioptimalkan

meningkat menjadi 645,1 jam. Perbedaan waktu antara waktu aktual yang dicatat di lapangan saat pengeboran dan waktu yang
dimodelkan oleh persamaan (Persamaan 4 dan 6) adalah bahwa model Warren yang dimodifikasi yang digunakan untuk
menghitung ROP adalah perkiraan dan ditunjukkan pada Gambar. 4 dan 5 untuk memprediksi nilai ROP yang lebih rendah
daripada ROP aktual yang terekam di lapangan. Ini menghasilkan waktu pengeboran yang lebih besar, tdrill, untuk parameter
yang dimodelkan. Parameter yang dioptimalkan saat digunakan dalam pengeboran bagian, hanya membutuhkan 4 bit dan akan
menghasilkan total waktu 468,6 jam. Ini adalah penghematan 76,6 jam dari waktu pengeboran aktual dan 176,6 jam dari total
waktu yang dimodelkan oleh parameter aktual yang digunakan untuk pengeboran.
Machine Translated by Google

12 SPE-172419-MS

Tabel 6—Jumlah bit dan komponen dari total waktu yang dihabiskan untuk mengebor Bagian 8½ inci

Kasus Nbit 5 tdrill(jam) ttrips(jam) perubahan (jam) total(jam)

392.9 144.3 8 545.1
Digunakan di lapangan (aktual)
Dimodelkan dari parameter bidang 4 495.5 143.5 6 645.1

Dimodelkan dari parameter optimal 4 326.4 136.2 6 468.6

Kesimpulan
Pendekatan optimasi untuk memperkirakan parameter pengeboran yang optimal telah disajikan. Pendekatan ini
menggunakan waktu total (terdiri dari waktu pengeboran, waktu trip dan waktu perubahan bit) untuk mengebor bagian
lubang bor sebagai fungsi tujuan dan DE sebagai pengoptimal global. Dua bagian lubang bor digunakan untuk
menunjukkan penerapan dan kegunaan metode ini. Setiap bagian lubang bor dibagi menjadi interval dan parameter
pengeboran optimal diperkirakan untuk setiap interval.
Waktu optimal untuk pengeboran setiap bagian dibandingkan dengan waktu pengukuran sebenarnya dari lapangan dan total waktu
yang dihitung dari parameter aktual yang digunakan untuk pengeboran. Hasil yang diperoleh dengan jelas menunjukkan bahwa, di
antara ketiga kasus yang dibandingkan, parameter pengeboran yang dioptimalkan menghasilkan total waktu terendah untuk mengebor
setiap bagian lubang bor. Secara signifikan, metode ini dapat mengurangi total waktu yang diperlukan untuk mengebor sumur dan
dapat menghasilkan penghematan biaya pengeboran yang besar.

Tata nama
ROP Laju penetrasi, ft/jam
a, b, c Konstanta bit, tanpa dimensi
Toilet Koefisien keausan bit, tidak berdimensi
Wf Fungsi keausan bit, tanpa dimensi
BG Perubahan keausan bit gigi, tanpa dimensi
ac, bc, cc Chip menahan koefisien permeabilitas, tanpa dimensi
as, bs Koefisien litologi kekuatan batuan, tidak berdimensi
Av Rasio kecepatan, kecepatan
vn tanpa dimensi, ft/s
vf Kembalikan kecepatan fluida, ft/s
Arabr, saya Abrasivitas batuan relatif, tidak berdimensi
S Kekuatan batuan terbatas, psi
Kekuatan batuan tak terbatas, psi
Jadi fc(Pe) Fungsi menahan chip, psi
Pe Tekanan diferensial, psi
Hal Tekanan pori, psi
Ph Tekanan hidrolik, psi
db Diameter bit, in
F Gravitasi spesifik fluida, viskositas plastik
lumpur tak berdimensi, cp
Fj Kekuatan tumbukan jet, lbf
Fjm Gaya tumbukan jet yang dimodifikasi, lbf
N Kecepatan rotasi, rpm
W Berat sedikit, lbf
Q Laju aliran, gpm
Machine Translated by Google

SPE-172419-MS 13

Referensi H.
Rahimzadeh, SPE, M. Mostofi, SPE, A. Hashemi, SPE dan K. Salahshoor 2010. Perbandingan Model Tingkat
Penetrasi Menggunakan Data Lapangan untuk Salah Satu Lapangan Gas di Area Teluk Persia. Kertas SPE
131253, dipresentasikan pada Konferensi dan Pameran Minyak & Gas Internasional CPS/SPE di Tiongkok
yang diadakan di Beijing, Tiongkok, 8 –10 Juni 2010.
M. Mostofi, K. Shabazi, dan H. Rahimzadeh, SPE, Petroleum University of Technology, dan M.
Rastegar, NIOC. Optimasi Pengeboran Berdasarkan Model ROP di Salah Satu Ladang Minyak Iran.
Kertas SPE 131349, dipresentasikan pada Konferensi dan Pameran Minyak & Gas Internasional CPS/SPE di Tiongkok
yang diselenggarakan di Beijing, Tiongkok, 8 –10 Juni 2010.
Rampesad PR, Hareland, G. and Boonyapaluk, P. Drilling Optimization Using Drilling Data and Available Technology,
SPE paper 27034, dipresentasikan pada 3rd Latin American/Caribbean Petroleum Engineering Conference, Buenos Aires,
27–29 April 1994.
Hareland, G. dan Hoberock, LL 1993. Penggunaan Parameter Pengeboran untuk Memprediksi Batas Tegangan In-Situ.
Kertas SPE 25727, dipresentasikan pada Konferensi Pengeboran SPE/IADC 1993. Amsterdam, Belanda, 23-25 Februari
1993.
Situs web Evolusi Diferensial (http://www.icsi.berkeley.edu/~storn/code.html).
Storn R dan Price K “Differential Evolution – a Simple and Efficient Adaptive Scheme for Global Optimization Over
Continuous Spaces” Laporan Teknis TR-95– 012, di (ftp://ftp.icsi.berkeley.edu/ pub/ techreports/1995/ tr-95– 012.pdf).

Storn R dan Price K “Meminimalkan Fungsi Nyata Kontes ICEC'96 Dengan Evolusi Diferensial” Prosiding Konferensi
Internasional IEEE tentang Komputasi Evolusioner, 20 –22 Mei 1996 hlm: 842–844.

Storn, R, "Tentang penggunaan evolusi diferensial untuk optimalisasi fungsi", Fuzzy Information Processing Society, 1996.
NAFIPS. 1996 Konferensi Dua Tahunan Amerika Utara, 19 –22 Juni 1996 Halaman:519 –523.