Penerapan AI Hasilkan Nilai Tambah Rp1,28 Triliun dan Tingkatkan Produksi Migas

Ilustrasi ladang minyak lepas pantai. (Dok. SKK Migas)
URBANCITY.CO.ID – Digitalisasi juga menjadi salah satu kunci keberhasilan transformasi industri hulu migas. Sejak dicanangkan Satuan Kerja Khusus Pelaksana Kegiatan Usaha Hulu Minyak dan Gas Bumi (SKK Migas) awal  2020, implementasi transofrmasi digital di industri hulu migas makin memperlihatkan hasil nyata.
Antara lain setelah SKK Migas menhttps://urbancity.co.id/wp-content/uploads/2019/10/Post-1.pngg Kontraktor Kontrak Kerja Sama (KKKS) menerapkan artificial inteligence/machine learning (AI/ML) dalam proses kerjanya.
Dalam Raker Produksi, Meterring dan Pemeliharaan Fasilitas 2024 di Surabaya, berdasarkan hasil dari perlombaan data sciende–penerapan AI/ML di lingkungan KKKS, potensi nilai manfaat yang dihasilan mencapai sekitar Rp 1,28 triliun dan berkontribusi meningkatkan produksi migas.
Tidak hanya potensi penghematan yang tinggi, tapi semangat dalam mengimplementasikan AI/ML terlihat dari kenaikan usulan inovasi di KKKS yang mencapai 40%.
Hal itu menjadi salah satu indikator, implementasi AI/ML di lingkungan KKKS sudah menjadi kebutuhan, dan menjadi bagian dari solusi meningkatkan kinerja operasional di KKKS.
Potensi penghematan dan nilai tambah Rp1,28 triliun itu, terdiri atas hasil nyata penerapan AI/ML yang sudah berjalan sekitar Rp912 miliar, dan potensial value dari proposal AI/ML yang sudah proof of concept (POC) atau prototype yang mencapai Rp367 miliar.
Vice President Transformasi Digital SKK Migas Rendra Utama menyatakan, digitalisasi di lingkungan SKK Migas terus berlanjut. Termasuk terus meningkatkan jumlah modul di integrated operation center (IOC), yang telah menjadi salah satu tool bagi SKK Migas dalam melakukan pengawasan dan pemantauan operasional di industri hulu migas di seluruh Indonesia.
Terkait digitalisasi di lingkungan KKKS, Rendra menyampaikan, sebagai industri yang padat teknologi, implementasi teknologi itu sudah menjadi bagian dari operasional KKKS.
“SKK Migas menhttps://urbancity.co.id/wp-content/uploads/2019/10/Post-1.pngg pemanfaatan AI/ML yang lebih masif di KKKS. Melalui lomba IOC Digital Hackaton sejak tahun lalu, inovasi penerapan AI/ML terus meningkat dan hasilnya telah dirasakan sekarang. Manfaat penerapan AI/ML oleh KKKS telah memberikan dampak positif dalam menjaga kehandalan peralatan dan fasilitas produksi, serta dampak positif berupa value creation yang mencapai sekitar Rp1,28 triliun”, jelasnya.
Sementara itu Kepala Divisi Produksi dan Pemeliharaan Fasilitas SKK Migas Bambang Prayoga, menuturkan, teknologi memiliki peran sebagai enabler dalam rencana dan strategi Indonesia Oil & Gas 4.0, yang terdiri atas digitalization dan technology adoption.
Di tengah transisi energi serta tuntutan bagi industri berbasis fosil untuk memperhatikan keberlanjutan lingkungan, teknologi menjadi salah satu kunci untuk menjaga daya saing industri hulu migas.
Lebih lanjut Bambang memaparkan, bagaimana AI/ML bisa meningkatkan value dan juga mengoptimalkan produksi minyak dan gas. Melalui AI/ML, kemampuan paling optimal dari peralatan bisa diprediksi dengan lebih presisi dengan safety tetap terjaga.
Misalnya, pada jadwal pemeliharaan sebuah peralatan yang menurut manual book setiap sekian waktu, melalui AI/ML anomali kinerja peralatan tersebut dapat dideteksi, sehingga pencegahan kerusakan dapat dilakukan segera.
“Dengan AI/ML bisa diprediksi kapan kegiatan pemeliharaan harus dijadwalkan, sehingga unplanned shutdown dapat dihindari dan produksi minyak dan gas jadi lebih optimal. Ini salah satu contoh bagaimana AI/ML bisa memberikan value dan juga kinerja produksi yang lebih optimal,” terangnya.
Bambang menanbahkan, keberhasilan penerapan AI/ML di lingkungan KKKS menjadi bukti, industri hulu migas telah mampu melakukan adaptasi terhadap perubahan. “Hal itu meningkatkan optimisme kami, hulu migas akan terus berkembang di kemudian hari karena peningkatan kinerja operasionalnya,” pungkasnya.
Pemenang Lomba Hackathon SKK Migas
Pada ajang Rapat Produksi, Meterring dan Pemeliharaan Fasilitas 2024 di Surabaya itu, SKK Migas mengumumkan pemenang lomba Hackathon penerapan AI/ML yang dimulai sejak 1 Mei 2024. Berikut nama-nama tim pemenang, judul dan KKKS-nya.
Kategori Proof of Concept/Prototype
Juara 1:                                   Judul                                                                                        KKKS
Tim Digital HERO                   AI Based D&C Heavy Equipment Movement Assignment:      Pertamina Hulu Rokan
Freddy Frinly Rizki                 Digitalization Approach to Optimize Rig Equipment
Ari Sukma Negara                 Moving Time in Drilling & Completion PHR WK Rokan
Misnawati
Bima Surya Khoirul Fikri
Dara Yasmine
Dias Gabriel
Juara 2:                                 Well Performance Prediction through Supervised                     Medco E & P Rimau
Tim MaLeZ                           Learning with Fundamental Concept of Nodal Analysis
Erwin Fernanda
Ibrahim Al Fatih
Khoirul Dwi Septianto
Juara 3:                               LEADS (Leading Equipment Anomaly Detection System):           Pertamina EP CEPU
Tim MELODI                       Reduction of potential Loss Production Opportunity
Ady Bastian Saputra          (LPO) and Improvement of Plant Reliability through
Febrita K. Wardana            Implementation of Equipment Anomaly Detection on
Ari Hidayat                         Solvent Pump at JTB Plant
Arya Ambara Jaya
Moch Hamdani Al Hamda
Anung Anindhito
Kategori Implementasi
Juara 1: Tim ALI                   Accelerating ESP Failure Detection Through Digital                 Pertamina Hulu Rokan
Monas Oktavianus Purba    Innovation AI Based Inferred Production to Fill in
Hanny Anggaraini               the Gap Between Well Test Data in Sumatra Light Oil
Rinaldi Pasaribu                  (SLO) Area, PT Pertamina Hulu Rokan
Dedi Willantara
Chairul Ichsan
Eben Ezer Sitinjak
Gunawan
Joko Nugroho PHW
Juara 2: Tim SI PINTAR       Optimasi Loss Production Opportunity (LPO) melalui               Pertamina Hulu Rokan
Asatta Oloan Siregar          Pendekatan Data Science Untuk Pemodelan Lapangan
Muhammad Reza               Heavy Oil Steamflood
Muzammir
M. Shafwan Faturrahman
Chairul Ichsan
Ramdhan Ari Wibawa
Juara 3: Tim PerfoML         Meningkatkan Kualitas dan Kuantitas Workover dengan        Pertamina Hulu Sanga
Galih Satriaji                       Menggunakan Machine Learning PERFOML di Pertamina      Sanga
I Gusti Ngurah Pandu W    Hulu Sanga Sanga
Nixon Glenn Mambu
Puja Adinda
Rosihul Amar
Juara Honorable Mention:  “e-MARS” Vast Enhancement and Upgrades                          Pertamina Hulu Rokan
Tim Venus
Afrilia Elisa
Irdas Muswar
Riri S Puspitasari
M. Awqi Gibran
Chairul Ichsan
Dapatkan Informasi Menarik Lainnya di GOOGLE NEWS

Related Posts

Add New Playlist

Are you sure want to unlock this post?
Unlock left : 0
Are you sure want to cancel subscription?
content-ciaa-1701

sabung ayam online

yakinjp

yakinjp

rtp yakinjp

slot thailand

yakinjp

yakinjp

yakin jp

yakinjp id

maujp

maujp

maujp

maujp

sabung ayam online

sabung ayam online

judi bola online

sabung ayam online

judi bola online

slot mahjong ways

slot mahjong

sabung ayam online

judi bola

live casino

sabung ayam online

judi bola

live casino

SGP Pools

slot mahjong

sabung ayam online

slot mahjong

SLOT THAILAND

138000491

138000492

138000493

138000494

138000495

138000496

138000497

138000498

138000499

138000500

138000501

138000502

138000503

138000504

138000505

138000506

138000507

138000508

138000509

138000510

138000511

138000512

138000513

138000514

138000515

138000516

138000517

138000518

138000519

138000520

138000521

138000522

138000523

138000524

138000525

article 138000526

article 138000527

article 138000528

article 138000529

article 138000530

article 138000531

article 138000532

article 138000533

article 138000534

article 138000535

article 138000536

article 138000537

article 138000538

article 138000539

article 138000540

article 138000541

article 138000542

article 138000543

article 138000544

article 138000545

article 138000546

article 138000547

article 138000548

article 138000549

article 138000550

article 138000551

article 138000552

article 138000553

article 138000554

article 138000555

158000396

158000397

158000398

158000399

158000400

158000401

158000402

158000403

158000404

158000405

158000406

158000407

158000408

158000409

158000410

158000411

158000412

158000413

158000414

158000415

article 158000416

article 158000417

article 158000418

article 158000419

article 158000420

article 158000421

article 158000422

article 158000423

article 158000424

article 158000425

article 158000426

article 158000427

article 158000428

article 158000429

article 158000430

article 158000431

article 158000432

article 158000433

article 158000434

article 158000435

208000411

208000412

208000413

208000414

208000415

208000416

208000417

208000418

208000419

208000420

208000421

208000422

208000423

208000424

208000425

208000426

208000427

208000428

208000429

208000430

208000431

208000432

208000433

208000434

208000435

article 208000436

article 208000437

article 208000438

article 208000439

article 208000440

article 208000441

article 208000442

article 208000443

article 208000444

article 208000445

article 208000446

article 208000447

article 208000448

article 208000449

article 208000450

article 208000451

article 208000452

article 208000453

article 208000454

article 208000455

article 208000456

article 208000457

article 208000458

article 208000459

article 208000460

article 208000461

article 208000462

article 208000463

article 208000464

article 208000465

208000436

208000437

208000438

208000439

208000440

208000441

208000442

208000443

208000444

208000445

208000446

208000447

208000448

208000449

208000450

208000451

208000452

208000453

208000454

208000455

228000271

228000272

228000273

228000274

228000275

228000276

228000277

228000278

228000279

228000280

228000281

228000282

228000283

228000284

228000285

article 228000286

article 228000287

article 228000288

article 228000289

article 228000290

article 228000291

article 228000292

article 228000293

article 228000294

article 228000295

article 228000296

article 228000297

article 228000298

article 228000299

article 228000300

article 228000301

article 228000302

article 228000303

article 228000304

article 228000305

article 228000306

article 228000307

article 228000308

article 228000309

article 228000310

article 228000311

article 228000312

article 228000313

article 228000314

article 228000315

238000241

238000242

238000243

238000244

238000245

238000246

238000247

238000248

238000249

238000250

238000251

238000252

238000254

238000255

238000256

238000257

238000258

238000259

238000260

article 238000261

article 238000262

article 238000263

article 238000264

article 238000265

article 238000266

article 238000267

article 238000268

article 238000269

article 238000270

article 238000271

article 238000272

article 238000273

article 238000274

article 238000275

article 238000276

article 238000277

article 238000278

article 238000279

article 238000280

content-ciaa-1701