Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Pipa dianggap sebagai peralatan paling aman dan paling efisien untuk mendistribusikan cairan atau gas alam. Namun, kemungkinan kegagalan dengan dampak kerusakan ekonomi, keselamatan, dan ekologi masih mungkin terjadi. Fenomena korosi uniform adalah anomali yang sering terjadi pada pipa yang dapat mengurangi ketebalan pipa dan implikasinya bagi manajemen aliran gas yang buruk. Metodologi Risk Based Inspectionn dapat digunakan untuk mengelola risiko korosi dengan memfokuskan upaya inspeksi pada peralatan dengan risiko tertinggi. Salah satu metode untuk menganalisis risiko korosi yang terjadi pada pipa gas adalah dengan metode Monte Carlo. Metode Monte Carlo adalah teknik metode yang membangun distribusi probabilitas terhadap hasil yang tepat dari sampel terbatas menggunakan proses pengacakan. Graphical User Interface (GUI) dibuat untuk metode model Monte Carlo dengan menggunakan bahasa pemrograman python. Untuk memvalidasi model, perhitungan manual pada perangkat lunak minitab digunakan sebagai perbandingan.

---

---

Pipes are considered the safest and most efficient equipment for distributing liquids or natural gas. However, the likely of failure with economic, safety, and ecological damage impacts is still possible. Uniform corrosion phenomenon is an anomaly that often occurs in pipelines that can reduce pipe thickness and implicate to poor management of gas flow. Risk-Based Inspection methodology may be used to manage the corrosion risk by focusing inspection efforts on the process equipment with the highest risk. One of the methods to analyse the corrosion risk that occur in gas pipelines is by Monte Carlo method. Monte Carlo method is a simulation technique that constructs probability distributions of the possible outcomes from the limited samples using a randomization process. Graphical User Interface (GUI) was created to model Monte Carlo method by using python programming language. To validate the model, the manual calculation on Minitab software was used as a comparation.

"

"Minyak merupakan kebutuhan bahan bakar yang utama untuk menunjang kehidupan manusia dalam banyak aspek termasuk menggerakkan roda perekonomian. Kegiatan eksplorasi minyak banyak melibatkan jaringan perpipaan sebagai tempat mengalirkan atau memindahkan fluida. Oleh karena itu kehandalan sistem perpipaan sangat diperlukan untuk mencegah terjadinya kegagalan pada sistem perpipaan. Kegagalan pada sistem perpipaan terjadi akibat adanya interaksi antara logam pipa dengan lingkungannya yang akan mengakibatkan terjadinya korosi. Untuk mengantisipasi terjadinya korosi, dibutuhkan sistem inspeksi yang optimal sehingga mampu mencegah terjadinya korosi serta dapat meningkatkan efektifitas inspeksi. Risk Based Inspection (RBI) merupakan salah satu metode untuk menentukan sistem inspeksi secara optimal dengan menggunakan pendekatan risiko. Dalam pendekatan penghitungan risiko, simulasi Monte Carlo dapat digunakan untuk mendekati nilai risiko aktual pada kondisi lapangan dengan jumlah sampel yang sedikit. Metode simulasi Monte Carlo merupakan bentuk simulasi probabilistik dimana suatu solusi dari suatu masalah diberikan berdasarkan proses randomisasi (acak). Unsur pokok yang diperlukan dalam simulasi Monte Carlo adalah random number generator. Pada penelitian ini, perhitungan keandalan dilakukan dengan menggunakan simulasi Monte Carlo menggunakan bantuan perangkat lunak RStudio® yang akan dibandingkan hasil perhitungannya dengan menggunakan Graphical User Interface (GUI) berbasis bahasa pemrograman R. Tujuan akhir dari penelitan ini adalah untuk menciptakan Graphical User Interface (GUI) berbasis bahasa pemrograman R yang ditargetkan mampu mempermudah  user melakukan kalkulasi risiko dengan menggunakan simulasi Monte Carlo pada metode Risk Based Inspection

---

Oil is the main fuel requirement to support human life in many aspects including propelling the economy. Many oil exploration activities involve pipelines as a place to drain or move fluid. Therefore, the reliability of the piping system is needed to prevent failures in the piping system. Failure in the piping system occurs due to the interaction between the metal pipe and its environment which will result a corrosion. To anticipate the occurrence of corrosion, an optimal inspection system is needed so that it can prevent corrosion and increase the effectiveness of inspections. Risk Based Inspection (RBI) is one of the methods to determine the inspection system optimally by using a risk management approach. In this approach, Monte Carlo simulations can be used to approach the actual risk value in field conditions with a small number of samples. Monte Carlo simulation method is a form of probabilistic simulation where a solution of a problem is given based on a randomization process. The basic element needed in a Monte Carlo simulation is a random number generator. In this study, the reliability calculation is done using Monte Carlo simulation using the help of RStudio® software which will be compared to the results of calculations using the Graphical User Interface (GUI) based on the R programming. The final purpose of this research is to create a Graphical User Interface (GUI) based on the R programming language that is targeted to be able to facilitate users in calculating risk by using Monte Carlo simulations on the Risk Based Inspection method."

"

Kegagalan sistem perpipaan pada industri minyak bumi dan gas merupakan kondisi yang sangat dihindari dan diantisipasi karena kerugian yang dihasilkan dapat mencapai sangat tinggi. Salah satu penyebab yang mengakibatkan kegagalan sistem perpipaan adalah korosi internal. Korosi internal ini disebabkan oleh kandungan karbon dioksida dan zat-zat yang korosif di dalam minyak bumi dan gas. Untuk mengantisipasi kegagalan yang dapat terjadi, dibutuhkan sistem inspeksi yang optimal sehingga tidak hanya dapat mencegah terjadinya korosi yang mengakibatkan kegagalan sistem perpipaan namun juga overbudgetting akibat inspeksi yang terlalu sering. Risk Based Inspection (RBI) merupakan salah satu metode untuk menentukan sistem inspeksi secara optimal dengan menggunakan pendekatan risiko. Dalam pendekatan penghitungan risiko, simulasi monte carlo dapat digunakan untuk mendekati nilai risiko aktual pada kondisi lapangan dengan jumlah sampel yang sedikit. Dalam simulasi monte carlo ini digunakan dua jenis fungsi laju korosi yang sesuai dengan ASTM G-16 95. Dengan membandingkan jenis fungsi laju korosi linier yang umumnya digunakan dalam penghitungan laju korosi di lapangan dengan fungsi laju korosi non-linier akan menghasilkan pendekatan nilai risiko yang lebih akurat. Dengan pendekatan nilai risiko yang lebih akurat, sistem inspeksi yang dihasilkan dalam akan lebih optimal.

 

---

Failures in oil and gas piping system are a condition which may occur and resulting in high amount of loses. One of the main causes on pipeline system failure is Internal corrosion. This internal corrosion is occurred due to high content of carbon dioxide gasses and other corrosive substances inside crude oil and natural gasses. Therefore, an optimum inspection scheduling system will be needed not only to intercept the probability of pipeline failures caused by corrosion but also to prevent overbudgeting on excessive inspection scheduling. For this purpose, Risk-Based Inspection (RBI) is used based on API RP 581 document as a standard procedure of analysis. Also, in this paper Monte Carlo simulation will be applied using stochastic iteration to approximate the actual risk value of the pipeline system with limited amount of sample on site. In addition, the non-linear corrosion rate function is used as a comparison to the commonly used linear corrosion rate function based on the ASTM G-16 95 document. The results show non-linear corrosion rate function will generate more accurate approach on approximating the actual risk value and eventually resulting in more efficient inspection scheduling system during the lifetime of the pipe system.

 

"

"[Jaringan pipa adalah salah satu sarana transportasi minyak dan gas yang palingaman dan ekonomis sehingga pipa tidak boleh mengalami kegagalan saatberoperasi. Pipa sambungan dalam suatu pipeline adalah pipa dengan geometriyang paling sering dijumpai. Jalur pipa transmisi biasanya ditanam didalam tanah(underground) sehingga rentan terhadap korosi eksternal. Oleh karena itu perludilakukan analisis keandalan, terutama pada geometri sambungan. Pengujiankeandalan dilakukan dengan menggunakan simulasi Monte Carlo. Untukmengetahui pengaruh tanah terhadap laju korosi pipa maka dilakukan pengukuranpH , resistivitas tanah dan laju korosi pipa pada setiap segmen. Hasil daripengukuran laju korosi pipa sambungan kemudian dibandingkan dengan lajukorosi pipa sambungan. Pengamatan mikrostruktur dilakukan untuk mengetahuipenyebab perbedaan laju korosi kedua jenis pipa tersebut. Nilai resistivitas tanahpada segmen I berada pada level very corrosive 􀀋􀀟􀀘􀀓􀀓􀈍-cm), segmen II beradapada level corrosive (500-􀀔􀀓􀀓􀀓􀀃 􀈍-cm), dan segmen II berada pada levelmoderately corrosive (1000-􀀕􀀓􀀓􀀓􀀃􀈍-cm). Nilai pH berada pada rentang 5-7 untuksemua segmen. Laju korosi pipa sambungan meningkat seiring penurunan nilairesistivitas tanah, dengan range nilai antara 0.03-0.75 mm / year. Keandalan pipasambungan pada segmen adalah 34,53%, segmen II adalah 64,04%, dan segmenIII adalah 99,78%, Pipeline is one mean of oil and gas transportation which is the most safe andeconomical so that the pipe should not fail during operation. Tee pipe in thepipeline is a pipe which geometry is the most frequently encountered.Transmission pipelines are usually planted in the ground (underground) so that itis susceptible to external corrosion. Therefore it is necessary to perform thereliability analysis, especially in a tee geometry. Reliability testing was doneusing Monte Carlo simulations. To determine the influence of soil on the rate ofcorrosion of pipes, the measurements of pH, soil resistivity and corrosion rate ofpipes on each segment were carried out. Results of tee pipe corrosion ratemeasurements were then compared with the corrosion rate of the straight pipe.Microstructural observations was performed to determine the cause of differencesin the corrosion rate of the two types of pipe. Soil resistivity values in the segmentI was at the very corrosive level 􀀋􀀟􀀘􀀓􀀓􀈍-cm), segment II at the corrosive level(500-􀀔􀀓􀀓􀀓􀀃 􀈍-cm), and segment II at the moderately corrosive level (1000-2000􀈍-cm). pH value was in the range 5-7 for all segments. Tee pipe corrosion rateincreases with the decreasing of soil resistivity values, ranging between 0.03-0.75mm / year. Reliability tee pipe segment was 34,53%, segment II was 64,04%, andsegment III was 99,78%]"

"Meningkatnya standar keamanan dan ketatnya persaingan antar perusahaan meningkatkan kebutuhan bagi suatu perusahan untuk mengendalikan kegagalan pada peralatan. Inspeksi secara teratur dilakukan sebagai bagian dari rangkaian pemeliharaan dan manajemen integritas peralatan. Dalam merencanakan dan melakukan inspeksi, diperlukan strategi yang tepat agar inspeksi yang dilakukan tepat sasaran dan sesuai dengan kebutuhan. Risk-based inspection merupakan teknik pengambilan keputusan dalam perencanaan pemeliharaan yang berdasar pada risiko. Pada saat ini, penggunaan metode-metode kecerdasan buatan untuk kegiatan penilaian risiko, pemodelan konsekuensi, dan perencanaan pemeliharaan telah dilakukan. Penelitian ini bertujuan untuk mengembangkan suatu program yang memanfaatkan pembelajaran mesin dan kecerdasan buatan untuk melakukan penilaian salah satu komponen risiko yaitu probabilitas kegagalan (Probability of Failure, PoF) pada bagian cangkang dalam alat penukar panas menggunakan deep learning. Model ini dapat membantu operator yang bekerja di bidang minyak dan gas untuk menentukan tingkatan risiko sehingga inspeksi dapat dilakukan dengan lebih efisien dan terarah. Penelitian ini menghasilkan sebuah program dan disain program pembelajaran mesin berbasis deep learning yang digunakan untuk memprediksi risiko kegagalan akibat korosi seragam pada peralatan sisi dalam cangkang penukar panas cangkang dan buluh (shell-and-tube heat exchanger) berdasarkan standar API 581 dengan akurasi sebesar 89% yang didapatkan dengan parameter-parameter diantaranya learning rate sebesar 0.001, epoch sebesar 150, random state sebesar 60, tiga hidden layer, dan test size sebesar 0.2.

---

Increasing regulations and safety standards along with competition among companies increase the need for a company to control and predict failure on equipments. Planned inspections are carried out as a part of equipments’ maintenance and integrity management. Appropriate strategies are needed in planning and performing inspections so that the inspections are performed in an efficient manner according to the equipments’ needs. Risk-based inspection is a decision-making technique in maintenance planning which is based on the risk of each equipment. In recent years, incorporation of artificial intelligence methods for risk assessment, consequence modelling, and maintenance planning has been carried out. This research aims to develop a program which utilizes machine learning and artificial intelligence to perform assessment on one of the components of risk, namely the Probability of Failure (PoF), of a shell-and-tube heat exchanger’s inner shell component by using deep learning methods. This model may help operators working in oil and gas field to determine risk levels so that inspections can be done efficiently. This research produced a deep learning-based machine learning program and program design used to predict the risk of failure caused by uniform corrosion on the inner shell component in shell-and-tube heat exchangers based on API RBI 581 standards, yielding accuracy of 89% which is obtained using the following parameters; a learning rate of 0.001, an epoch of 150, random state of 60, three hidden layers, and a test size of 0.2.

Keywords: Inspection, Risk-Based Inspection, deep learning, heat exchanger, uniform corrosion."

"Dalam skripsi ini dibuat sebuah program aplikasi data capture dari osiloskop Analog/Digital Hameg HM407-2 dengan tampilan grafis (berbasis GUI/GraphicalUser Interface) dan berjalan dibawah perangkat lunak Matlab. Program yang dibuat memiliki kemampuan untuk melakukan remote control terhadap osiloskop ini dan data capture. Fitur remote control ini memungkinkan perubahan setting osiloskop seperti Volt/Div, Time/Div, Channel Mode, dsb. Fitur lain yang bermanfaat adalah kemampuan program yang dibuat dalam melakukan Data Logging dari hasil multi-captnre pada osiloskop. Multi-capture merupakan capturing secara kontinu selama jangka waktu yang dapat ditetapkan sebelumnya. Hasil yang diperoleh dapat disimpan dalam media penyimpan pada komputer (harddisk) dan dapat diakses serta dapat ditampilkan kembali dengan program yang dibuat.Data pengukuran yang telah di-capture dapat disimpan dalam file *.Mat yang dapat dijalankan dengan perangkat lunak Matlab dan File *.xls yang dapat dijalankan dengan aplikasi spreadsheet yang umum dikenal, Microsoft Excel dan kompatibelnya.Manfaat yang dirasakan dengan menggunakan program ini, pengambilan data pengukuran dari osiloskop Hameg HM407-2 ke komputer (bentuk digital) dapat dilakukan dengan sangat mudah dan penggunaan waktu tentunya lebih efisien."

"ABSTRAKSeiring dengan kebangkitan revolusi digital, inovasi GUI telah menjadi aset oleh perusahaan elektronik. Produsen perangkat keras dan perangkat lunak seperti: Apple, Samsung, Microsoft, dan perusahaan yang menggunakan ponsel aplikasi sebagai tempat mengembangkan bisnis mereka (Gojek, Grab, Lazada)) dan melindungi GUI di bawah undang-undang kekayaan intelektual sebagai desain dan program. Ada beberapa peraturan di Indonesia yang mengatur tentang perlindungan terhadap rancangan dan program yaitu UU no. 28 Tahun 2014 UU Hak Cipta, UU 31 Tahun 2000 tentang Desain Industri dan UU No. 3 tahun 2016 tentang Paten. Saat ini, peraturan tersebut tidak mengatur perlindungan GUI secara komprehensif. Ini menciptakan kebingungan bagi pemilik GUI dalam menentukan perlindungan yang paling tepat. Amerika Serikat dan Inggris Raya telah membahas perlindungan GUI sebagai desain dan sebagai program di Hukum Kekayaan Intelektual (IPR) mereka. Indonesia sebagai pasar kekayaan intelektual perlu mempertimbangkan untuk membuat lebih banyak produk hukumspesifik untuk memberikan perlindungan GUI yang proporsional.ABSTRACTAlong with the rise of the digital revolution, GUI innovation has become an asset by electronics companies. Hardware and software manufacturers such as: Apple, Samsung, Microsoft, and companies that use mobile applications as a place to develop their business (Gojek, Grab, Lazada)) and protect GUIs under intellectual property laws as designs and programs. There are several regulations in Indonesia that regulate the protection of designs and programs, namely Law no. 28 of 2014 on Copyright Law, 31 of 2000 on Industrial Design and Law no. 3 of 2016 concerning Patents. Currently, these regulations do not provide comprehensive GUI protection. This creates confusion for GUI owners in determining the most appropriate protection. The United States and United Kingdom have discussed GUI protection as a design and as a program in their Intellectual Property Law (IPR). Indonesia as an intellectual property market needs to consider making more legal products specific to provide proportional GUI protection."

"Bejana tekan  merupakan peralatan yang sebagai penampung fluida cair maupun gas dengan temperatur yang memiliki perbedaan dengan lingkungan yang ada di sekitarnya yang memiliki kemungkinan kegagalan yang tinggi yang dapat berpengaruh pada banyak faktor. Kegagalan bejana tekan dapat disebabkan karena adanya fenomena korosi seragam yang menyebabkan keluarnya fluida berbahaya dari peralatan yang memiliki tekanan karena adanya penipisan pada dinding bejana tekan. Hal ini dapat dihindari dengan melakukan inspeksi menggunakan risk-based inspection (RBI) yang mampu meningkatkan keamanan bejana tekan berbasis risiko yang dilakukan pada suatu peralatan berdasarkan prioritas risiko yang mempermudah dalam melakukan inspeksi dengan memperhatikan Probability of Failure dan Consequence of Failure. Salah satu metode untuk menganalisis risiko pada bejana tekan adalah dengan menggunakan metode pembelajaran mesin berbasis deep learning yang akan mengembangkan model penilaian risiko kegagalan bejana tekan minyak dan gas akibat korosi seragam yang dapat mempersingkat waktu, meningkatkan akurasi, efisien dalam melakukan pengolahan data, serta lebih lebih hemat biaya dengan menawarkan akurasi perhitungan yang tinggi. Penelitian menghasilkan program prediksi risiko bejana tekan dengan menggunakan klasifikasi pembelajaran mesin berbasis deep learning untuk memprediksi kegagalan pada peralatan bejana tekan akibat korosi seragam dengan menggunakan metode Risk Based Inspection dengan beberapa parameter model seperti random state senilai 25, learning rate sebesar 0.001, dengan layer berjumlah 3 dan dense 64,32,16, test size sebesar 20% dan batch size sebesar 32, dan epoch dengan nilai 150 menghasilkan akurasi model sebesar 93% yang didapatkan dari validasi confusion matrix. Nilai akurasi 93% bersumber dari 300 data yang didapatkan dari pembuatan dataset dengan berlandaskan standard API RBI 581.

---

A pressure vessel is an equipment that acts as a container for a liquid or gas with a different temperature from the surrounding environment, a high probability of failure, which can affect many factors. Pressure vessel failure can be caused by uniform corrosion, causing the dangerous liquid to be discharged from the pressure vessel due to thinning the pressure vessel wall. Pressure vessel failure can prevent failure by performing Risk Based Inspection (RBI), improving the safety and reliability of pressure vessels based on the risk performed on the equipment are based on risk priority. RBI facilitates the execution of tests that consider the probability of failure and the consequences of failure. One risk analysis method in pressure vessels is to use deep learning based machine learning to develop a failure risk assessment of pressure vessels due to uniform corrosion. This method can shorten the time, increase accuracy, be efficient in data processing, and be more cost-effective by offering high calculation accuracy. In this study, a risk prediction program of a pressure vessel is completed using a deep learning based machine learning classification to predict failure of pressure vessel using the Risk based Inspection method. This program which obtained the following model parameters such as random state of 25, a learning rate of 0.001, with three layers and dense 64,32,16, test size of 20% and batch size of 32, and an epoch with a value of 150, resulted in a model accuracy of 93% obtained from the validation of the confusion matrix. Program with accuracy of 93% comes from 300 dataset based on the RBI 581 API standard."

"Bejana tekan merupakan peralatan yang sebagai penampung fluida cair maupun gas dengan temperatur yang memiliki perbedaan dengan lingkungan yang ada di sekitarnya yang memiliki kemungkinan kegagalan yang tinggi yang dapat berpengaruh pada banyak faktor. Kegagalan bejana tekan dapat disebabkan karena adanya fenomena korosi seragam yang menyebabkan keluarnya fluida berbahaya dari peralatan yang memiliki tekanan karena adanya penipisan pada dinding bejana tekan. Hal ini dapat dihindari dengan melakukan inspeksi menggunakan risk-based inspection (RBI) yang mampu meningkatkan keamanan bejana tekan berbasis risiko yang dilakukan pada suatu peralatan berdasarkan prioritas risiko yang mempermudah dalam melakukan inspeksi dengan memperhatikan Probability of Failure dan Consequence of Failure. Salah satu metode untuk menganalisis risiko pada bejana tekan adalah dengan menggunakan metode pembelajaran mesin berbasis deep learning yang akan mengembangkan model penilaian risiko kegagalan bejana tekan minyak dan gas akibat korosi seragam yang dapat mempersingkat waktu, meningkatkan akurasi, efisien dalam melakukan pengolahan data, serta lebih lebih hemat biaya dengan menawarkan akurasi perhitungan yang tinggi. Penelitian menghasilkan program prediksi risiko bejana tekan dengan menggunakan klasifikasi pembelajaran mesin berbasis deep learning untuk memprediksi kegagalan pada peralatan bejana tekan akibat korosi seragam dengan menggunakan metode Risk Based Inspection dengan beberapa parameter model seperti random state senilai 25, learning rate sebesar 0.001, dengan layer berjumlah 3 dan dense 64,32,16, test size sebesar 20% dan batch size sebesar 32, dan epoch dengan nilai 150 menghasilkan akurasi model sebesar 93% yang didapatkan dari validasi confusion matrix. Nilai akurasi 93% bersumber dari 300 data yang didapatkan dari pembuatan dataset dengan berlandaskan standard API RBI 581.

---

A pressure vessel is an equipment that acts as a container for a liquid or gas with a different temperature from the surrounding environment, a high probability of failure, which can affect many factors. Pressure vessel failure can be caused by uniform corrosion, causing the dangerous liquid to be discharged from the pressure vessel due to thinning the pressure vessel wall. Pressure vessel failure can prevent failure by performing Risk Based Inspection (RBI), improving the safety and reliability of pressure vessels based on the risk performed on the equipment are based on risk priority. RBI facilitates the execution of tests that consider the probability of failure and the consequences of failure. One risk analysis method in pressure vessels is to use deep learning based machine learning to develop a failure risk assessment of pressure vessels due to uniform corrosion. This method can shorten the time, increase accuracy, be efficient in data processing, and be more cost-effective by offering high calculation accuracy. In this study, a risk prediction program of a pressure vessel is completed using a deep learning based machine learning classification to predict failure of pressure vessel using the Risk based Inspection method. This program which obtained the following model parameters such as random state of 25, a learning rate of 0.001, with three layers and dense 64,32,16, test size of 20% and batch size of 32, and an epoch with a value of 150, resulted in a model accuracy of 93% obtained from the validation of the confusion matrix. Program with accuracy of 93% comes from 300 dataset based on the RBI 581 API standard."