Menetukan cadangan migas dari suatu prospek/lead dengan Metode Monte Carlo menurut Otis dan Schneidermann (1997)
Daffa fahreza 111.170.119
KELAS A – EKSPLORASI MIGAS
Simulasi Monte Carlo merupakan perangkat analisis berbasis statistik, yang memberikan hasil berupa hubungan antara probalilitas versus harga parameter-parameter kunci seperti cadangan minyak dan gas, modal awal, dan beberapa variable ekonomi penting seperti net present value (NPV), return on investment (ROI)1). Simulasi Monte Carlo juga merupakan sebagian dari analisis resiko dan seringkali dilakukan bersama dengan atau sebagai alternatif terhadap decision tree analysis.
Analisis resiko adalah ungkapan yang erat hubungan dengan analisis pengambilan keputusan, taksiran resiko, manajemen resiko, manajemen portofolio, dan juga optimasi, dimana semuanya bersifat kualitatif sedangkan simulasi Monte Carlo adalah kuantitatif.
Sebagaimana diketahui, cadangan (R) merupakan fungsi dari beberapa parameter reservoir seperti luas area (A), ketebalan (h), porositas ( ), initial water saturation (Swi) dan Recovery Factor (RF).
Untuk setiap parameter diatas dapat dibuat distribusi frekuensinya baik untuk suatu reservoir, daerah atau basin dsb. Bila cadangan akan ditentukan besarnya dari distribusi frekuensi untuk masing-masing parameter yang mempengaruhinya, maka akan timbul kesulitan karena secara analitik hal ini sangat sulit untuk dilaksanakan. Simulasi Monte Carlo dapat digunakan sebagai suatu cara atau metoda untuk memecahkan persoalan diatas berdasarkan atas penggunaan sekumpulan bilangan yang disebut sebagai “random number”.
Keuntungan metode ini adalah kecepatan perhitungan dan tidak memiliki persyaratan untuk menentukan distribusi parameter. Pedoman meliputi yang berikut ini:
(1) Memilih nilai 5%, yang umumnya mendekati nilai minimum yang diharapkan. Eksplorasionis harus mengingat bahwa peluang untuk menemukan nilai kurang dari pemilihan adalah 1 banding 20.
(2) Memilih nilai 95%, yang umumnya mendekati nilai maksimum yang diharapkan. Misalnya, untuk porositas 95% akan mendekati porositas maksimum yang diamati di sumur terdekat; untuk area, nilai 95% akan menjadi area yang sesuai dengan kolom hidrokarbon maksimum yang diharapkan. Demikian juga, ahli eksplorasi harus ingat bahwa peluang untuk menemukan nilai yang lebih besar daripada seleksi adalah 1 banding 20.
(3) Memilih nilai 50%, yang umumnya mendekati pertengahan kisaran nilai yang diharapkan.
Median seringkali paling sulit untuk dipilih dan membutuhkan dukungan data yang terkait dengan permainan atau dengan analog yang sesuai. Analog harus digunakan dengan hati-hati. Misalnya, di cekungan murni benua, analog parsial dengan sumber lacustrine dan reservoir laut tidak berlaku.
Penjelajah harus mengingat bahwa peluang untuk menemukan nilai kurang dari seleksi sama dengan peluang menemukan nilai yang lebih besar daripada seleksi.
Dimana A = luas areal prospek dalam hektar, h = rata-rata pembayaran bersih kaki, f = porositas rata-rata, Sh = saturasi hidrokarbon (1 - Sw, di mana Sw = saturasi air), Boi = faktor volume pembentukan minyak awal dalam reservoir barel / stock tank barrel (STB), Bgi = pembentukan gas awal faktor volume dalam reservoir kaki kubik / permukaan kaki kubik, Rfo = faktor pemulihan untuk minyak, Rfg = faktor pemulihan untuk gas, CR = kondensat faktor pemulihan dalam STB / ft3, 7758 = faktor konversi dari are-kaki ke barrel, dan 43560 = faktor konversi dari are-kaki ke kaki-kubik.
Berikut gambar yang menunjukkan cara pengisian chart perhitungan : Langkah 1: Tentukan rentang parameter.
ABSOLUTE MINIMUM
BEST GUESS
ABSOLUTE MAXIMUM Net Area,
Acres AvgNet Pay, Feet Recovery / Ac–Ft BBL / AC – FT
Langkah 2: Hitung rata-rata dan (varians) untuk setiap parameter.
Average
Net Area Net Pay Recovery Reserves
@ P23 … x
… x … = … MMBBL @
P10
@ P50 … x
… x … = … MMBBL @
P50
@ P77 … x
… x … = … MMBBL @
P77
Langkah 3: Gandakan parameter berarti dan jumlahkan untuk memperoleh mean dan dari distribusi cadangan.
KAIDAH SWANSON
0.30 x P10 Value + 0.40 x P50 Value + 0.30 x P90 Value
= Mean Value
Langkah 4: Hitung nilai untuk berbagai kemungkinan kejadian yang berbeda sebagaimana tercantum dalam tabel dan diplot pada distribusi kumulatif.
Kesimpulan
1. Metode perhitungan cadangan dengan ketersediaan data reservoir yang sangat minim dapat dilakukan dengan cara Simulasi Monte Carlo yang dapat membentuk suatu distribusi perhitungan reservoir yang dapat menggambarkan rentang kepastian suatu perhitungan cadangan. Dalam pelaksanaan perhitungannya, metoda ini menggunakan bilangan acak sebagai salah satu input datanya.
2. Hasil perhitungan cadangan dengan Simulasi Monte Carlo dapat dipergunakan untuk sebagai pembanding dalam menentukan derajat keberhasilan ditemukannya suatu akumulasi minyak yang komersil dengan melaksanakan analisis resiko pengembangan lapangannya.
3. Dari hasil perhitungan resiko eksplorasi dengan memperhitungkan resiko geologi akan diperoleh suatu hasil yang akan menunjukkan besar resiko pengembangan lapangan. Bila diperoleh resiko pengembangan yang kecil, akan menunjukan bahwa lapangan atau reservoir
tersebut layak untuk dikembangkan lebih lanjut. Bila diperoleh resiko pengembangan yang besar pengembangan lapangan atau reservoir menjadi tidak menarik untuk dikembangkan.
