ANALYSIS OF BLOWOUT PREVENTER MAINTENANCE PERFORMANCE ON RIG #55 AND RIG #99 BASED ON DEGRADATION TEST DATA IN "DERE" FIELD
Notice bibliographique
Résumé
Blowout Preventer (BOP) digunakan untuk mengatasi risiko semburan liar dengan menutup sumur sebelum terjadinya semburan. Penelitian ini akan menganalisis masalah yang terjadi pada BOP di Rig #55 dan Rig #99 di Lapangan “DERE” menggunakan metode performance maintenance. Data yang digunakan untuk menganalisis kinerja BOP di kedua Rig tersebut adalah data degradation test. Metode performance maintenance akan menghitung MTBF (Mean Time Between Failures), MTTR (Mean Time To Repair), serta availability. Selain itu, akan dilihat penyebab penurunan kinerja dan memberikan rekomendasi optimalisasi perawatan BOP dengan menggunakan diagram fishbone. Hasil analisis menunjukkan bahwa selama beroperasi pada periode tahun 2023 Rig #55, nilai MTBF adalah 11520 menit, MTTR adalah 2160 menit, availability 89%. Rig #99, nilai MTBF adalah 18.720 menit, MTTR adalah 1440 menit dan availability 92%. Sedangkan Rig #99 di tahun 2021 nilai MTBF adalah 40320 menit, MTTR adalah 1440 menit, availability 96%. Faktor kemunduran yang terjadi pada Rig #55 dan Rig #99 dipengaruhi oleh packing element, sehingga perlu dilakukan pengecekan dan penggantian sesuai dengan jam operasionalnya. Aspek lingkungan tempat kerja, kurangnya kebersihan area BOP, usia part yang sudah usia, prosedur pengantian part belum berjalan efektif dan faktor manusia kurang konsentrasi dan kurangnya kepedulian terhadap SOP menyebabkan penurunan kualitas pada BOP.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».