Perpustakaan Digital ITB

Industri minyak dan gas memiliki peran strategis dalam menjamin keberlanjutan pasokan energi global. Untuk menjaga keandalan dan kinerja produksi, seluruh peralatan, termasuk sistem perpipaan pada fasilitas hulu, harus dipelihara secara optimal. Salah satu tantangan utama dalam pemeliharaan peralatan tersebut adalah banyaknya sistem yang telah berumur, dengan keterbatasan data hasil inspeksi, bahkan beberapa di antaranya belum pernah diinspeksi sama sekali. Untuk mengatasi permasalahan ini, digunakan pendekatan berbasis data melalui metode statistika dan machine learning guna memperkirakan kondisi peralatan secara lebih menyeluruh dan representatif. Tugas sarjana ini berfokus pada analisis integritas sistem perpipaan berumur yang memiliki keterbatasan data hasil inspeksi. Analisis integritas mencakup evaluasi statistik berdasarkan API 574 untuk mengestimasi kondisi keseluruhan sistem perpipaan, estimasi umur sisa sesuai API 570, dan penilaian kekuatan sisa menggunakan metode ASME B31.G, dengan dasar data pengukuran ketebalan pipa. Pengembangan model machine learning dilakukan untuk mengelompokkan sirkuit korosi serta memprediksi laju korosi, menggunakan data ketebalan, karakteristik fluida, dan spesifikasi sistem perpipaan. Hasil analisis menunjukkan bahwa terdapat tujuh sistem perpipaan yang tidak memenuhi batas ketebalan minimum dan memerlukan tindakan perbaikan atau penggantian. Umur sisa sistem perpipaan yang masih memenuhi syarat berkisar antara 0,14 hingga 1161 tahun. Analisis statistik menunjukan sebanyak 25 sistem perpipaan teridentifikasi berpotensi mengalami korosi lokal. Model pengelompokan korosi menghasilkan nilai silhouette score sebesar 0,87, sementara model prediksi laju korosi menunjukkan performa dengan nilai root mean squared error sebesar 0,249, mean absolute error sebesar 0,179, dan R-squared sebesar 0,03.