Velocity Model (Makro)

Velocity Model (Makro)

Berikut adalah resume langkah - langkah pemodelan Velocity Makro:

1. Ambil grid horizon dalam time domain (Two Way Time) sebagai input grid. Disini digunakan time surface dari CPS3, LPA_Time

2. Ambil juga well marker data dalam depth domain (TVDSS) sebagai input data. Di Petrel insert new attribute dari well tops, pilih continues, beri nama TVDSS, dan template elevation depth

3. Dengan menggunakan calculator masukkan nilai TVDSS kedalam attribute tadi, pilih elevation depth sebagai template

4.Rubah Two Way Time (TWT) menjadi One Way Time (OWT) grid. Caranya dengan mengalikan grid dengan faktor 1/2. Ubah template LPA_OWT menjadi time

5. Ekstrak harga OWT ke marker data dengan cara melakukan back interpolation. Artinya ambil harga
OWT grid di setiap node atau koordinat well data.
Buat attribute baru dari well top, misal LPA_OWT
Extract nilai OWT di posisi well dengan attribute operation, open setting untuk LPA_OWT click operation, masukkan LPA_OWT surface, click execute

6. Hitung harga velocity-nya di setiap grid node dengan membagi TVDSS dengan OWT, pilih velocity sebagai template

7. Lakukan gridding pada data velocity.
Gunakan marker LPA sebagai input, dengan attribute velocity, gunakan LPA_OWT sebagai boundary.
Untuk geometry set automatic dengan grid increment 25 x 25, pilih convergent interpolation sebagai algorithm
Usahakan semua parameter griding sama dengan yang ada di CPS3, karena hal inilah yang menyebabkan perbedaan hasil depth di CPS3 dan Petrel

8. Rubah OWT grid menjadi depth dengan mengalikannya dengan velocity grid. Gunakan surface calculator, RMB di LPA_OWT, pilih calculator

9. Lakukan koreksi antara depth grid dengan well marker data agar harga grid di setiap well coordinate data sesuai. Hasil koreksi bisa dilihat dalam bentuk spreadsheet

10. Residual data antara depth Petrel dan depth CSP3 dapat dilihat dengan cara membuat selisih keduanya menggunakan surface calculator,

Seismic bulk shift, open setting Seismic, masuk segy setting, masuk 2D/3D coordinate,
Masukkan override time/depth first sample misalkan 100 ms ke bawah.

By

Learner
(Experimen kecil)

QC at GEOMODELING

Geo modeling QC

1.GOOD QC

• •Visualize your data
• •Check before moving to next stage in workflow
• •Work in multi disciplinary team – ask!
• •Make 2D maps
• •Look at statistics - averages, SD, min, max
• •Make cross plots
• •Compare against simple deterministic and other calculations

2.WHAT IS MODEL BEING USED FOR?

• •Determine goals for the project first as this will determine level of accuracy and QC required

• •Volumetrics model may require
• high level of QC

3.LOADING DATA

• •Generally few problems
• •View data

1. –Raw logs
2. –Structure maps in 3D
3. –Fault sticks etc

• •Ideally fix data at source (LANDMARK), not in IRAP

4.BUILDING GRID

• •QC grid

1. –look through slices
2. –Run QC job in IRAP
3. –Simulation grid export to Sensor and discuss with RE first

• •Lots of options, so decide what is grid being used for first!

5.BLOCKING WELL DATA

• •First step in upscaling process
• •Look at statistics before and after upscaling, for all wells, and individual wells
• •Can use bias to correct for any sampling bias of facies
• •Block Porosity using facies weighted arithmetic average
• •Block permeability using arithmetic, geometric or harmonic – it depends!
• •Run single well models with RE to check blocking and grid size is working ok

6.FACIES MODELS – (NTG)

• •Look at blocked and raw log facies proportions to determine facies%
• •Use body logs for stacked facies
• •Must consider impact of well sampling and trends being used in model
• •Are models slow to condition to well data?
• •Look at body thickness wrt to well data, and grid size
• •Look at vertical distribution of facies
• •Be careful when combining/merging facies models – are proportions maintained correctly

7.Sample Bias and use of trends?

• •Well data has 66% sand facies
• •What facies proportion should you apply in model?

8.Example Distribution of facies, and stacked facies

• •Is there a vertical trend?
• •Are reservoir bodies stacked?

9.PETROPHYSICS

• •Fraught with dangers!
• •Can apply lots of complex transformations
• •ALWAYS CHECK DISTRIBUTION OF RAW LOG, BLOCK WELL, AND MODEL DATA AND COMPARE, may also compare core data
• •Make some maps = average porosity, net pay
• •Can use pseudo wells to compare against actual wells

10.UPSCALING

• •Fraught with dangers!
• •Set unresolved cells to -999 to view where problems
• •Use layered resampling when possible
• •Look at statistics of fine grid and upscaled
• •Compare volumetrics – should be <2%>
• •Run flow simulation of fine scale sector, and upscaled sector and compare first
• •Use net volume weighted arithmetic average for porosity
• •Use tensor or other methods for permeability
• •Use volume arithmetic average for NTG

11.Final comments

• •Don’t assume because the computer has calculated something it is done what you think – CHECK
• •More complex the model more chances of error
• •Check before going too far – can save a lot of wasted time
• •Visualize, make maps, and look at statistics

By

A. Anriansyah, dkk
(Dari coba2 & beberapa handsout)

Analysis of Simple Well Tests

•Objectives of well tests

• •Types of well tests
• •Basic analysis of:

-- Pressure drawdown tests
-- Pressure build-up tests
-- Well interference tests

Types of Well Tests

Producing wells Injection wells

Pressure drawdown Pressure fall off

• Multiple rate Multiple rate
• Pressure build-up Injectivity
• Well interference Well interference
• Drill stem Reservoir limit

Objectives of Well Tests

• •Gather transient fluid flow and pressure data in one or more wells simultaneously
• 
  
• •Analysis aim at understanding and quantifying reservoir and aquifer behavior
• 
  
• •Provide knowledge about reservoir size and continuity
• 
  
• •Provide estimates of in-situ properties such as porosity, permeability, transmissibility, productivity, injectivity and formation damage near wellbores

Properties of Reservoir Rocks

•Porosity and absolute permeability

• •Factors that affect rock permeability
• •Compressibility, density and thermal properties
• •Relative permeability
• •Capillary pressure
• •Rock wettability •Tortuosity

Petroleum Exploration Overview

ØExploration Concept

Thoughts on how the hydrocarbon can be accumulated in area under specific geological conditions :

• -Determine geological setting fit to petroleum system

•-Geological features control the petroleum system

• -Determine signs or indications of the play

• -Determine the characters; geologic-geophysics-geochemistry

•-Parameters to be further investigated by the designed exploration

• -Method

By
Sunanrno Hamid

Multiphase Flow

Multiphase Flow

a Analisa Uji Sumur Untuk Aliran Multifasa

Semua teknik yang dibahas terdahulu diturunkan dengan anggapan bahwa aliran fluida reservoir adalah satu fasa. Pada kenyataannya, seringkali kita menjumpai situasi dimana aliran fluida reservoir lebih dari satu fasa. Sehingga apabila kita terapkan metoda yang dibahas terdahulu akan menghasilkan kesalahan yang besar. Untuk hal tersebut, perlu diperkenalkan metode analisis uji sumur untuk aliran multifasa yang sudah diterima secara luas di masyarakat industri. Tetapi, sebelum kita mengulas metode tersebut, kita berikan gambaran lebih dulu bagaimana ulah tekanan tutup sumur dari reservoir yang mengalirkan fluida lebih dari satu fasa dan dasar teori pemecahan masalahnya.

b Kelakuan Tekanan Tutup Sumur Pada Reservoir Multifasa

Plot tekanan tutup sumur terhadap waktu Horner dari reservoir multifasa menunjukkan kelakuan tekanan tutup sumur.

Apabila dilakukan analisis, maka bisa didapatkan kesalahan 100%, sedangkan analisis dalam plot log-log dilakukan matching. Kalau kita perhatikan periode awal waktu, terlihat bahwa terjadi perubahan harga konstanta wellbore storage sehingga tidak ada kurva tipe kurva tunggal yang match.

1 Dasar Teori

Metoda uji sumur untuk aliran multifasa yang akan dibahas adalah metode Perrine-Martin. Disebut metoda Perrine-Martin karena metoda ini diperkenalkan oleh Martin 1 (didapatkan secara empiris dengan studi simulasi) dan selang beberapa tahun penurunan secara analitik oleh Martin 2 membuktikan kesahihan metoda tersebut dengan menurunkan persamaan difusivitas multifasa. Anggapan-anggapan yang dipakai untuk sampai kepada kesahihan metoda Perrine adalah gradien tekanan dan saturasi di dalam reservoir adalah kecil. Persamaan diffusivitas multifasa yang diturunkan oleh Martin adalah:

1/u/u u = ct/Lt p/t (5)

dimana:

P = porositas

Ct = kompresibilitas total

= C_oS_o + C_wS_w + C_gS_g + C_f

L = mobilitas total L0 + L1 + L2

Persamaan di atas serupa dengan persamaan diffusivitas fasa minyak sehingga dengan teknik transformasi sederhana solusi yang tersedia untuk satu fasa dapat dipergunakan untuk kasus dua fasa. Harus diperhatikan bahwa anggapan- anggapan pada penurunan secara analitik oleh Martin biasanya tidak dapat dipenuhi untuk kasus-kasus reservoir yang mempunyai permeabilitas rendah, atau laju alir yang relatif tinggi untuk suatu harga permeabilitas reservoar, atau harga faktor skin positif dan besar.

2 Prosedur Analisa

Definisi tambahan yang diperlukan untuk metoda Perrine-Martin adalah definisi llaju alir total fluida pada kondisi reservoir seperti dituliskan sebagai berikut:

(qB)_t = q_oB_o + B_g (q_gt ~ q_oR_s/1000) + q_wB_w (6)

Langkah-langkah analisa secara berurutan yang direkomendasikan adalah sebagai berikut:

1. Siapkan plot Horner, (tp + t)/ t vs P_ws

2. Ambil kemiringan garis (m) dari plot tersebut (kemiringan ini adalah harga dari sistem yang ada)

3. Hitung laju alir total fluida reservoir dengan rumus:

(qB)_t = q_oB_o + B_g (q_gt ~ q_oR_s/1000) + q_wB_w

4. Hitung mobilitas total (Lt) dengan rumus:

Lt=162(Qt)B/m|H (7)

5. Hitung permeabilitas efektif terhadap minyak, sebagai berikut:

Ko=162.6/mu.nH (8)

......... (9)

...................... (10)

6. Hitung kompresibilitas total (C_t) dengan rumus:

C_t = S_oC_o + S_gC_g + S_wC_w + C_f (11)

7. Dapatkan harga tekanan tutup sumur pada waktu sumur sama dengan 1 jam (p 1 jam)

8. Hitung faktor skin dengan rumus:

.............. (12)

9. Hitung jarak radius penginderaan dengan rumus:

........... (13)

Data untuk soal analisa multifasa pressure buildup

Soal 3.

Laju alir minyak = 1100 STB/D

Laju alir air = 4200 STB/D

Laju alir gas total 1800 MSCF/D

Waktu produksi = 20.5 jam

Kelarutan gas dalam minyak = 537 SCF/STB

Viskositas minyak = 0.49 cp

Viskositas air = 0.231 cp

Viskositas gas = 0.01778 cp

Faktor volume formasi minyak = 1.34 RB/STB

Faktor volume formasi air = 1.057 RB/STB

Faktor volume formasi gas = 1.424 RB/MSCF

Kompresibilitas minyak = 2.04 x 10^-4 psi^-1

Kompresibilitas air = 9.79 x 10^-6 psi^-1

Kompresibilitas gas = 5.33 x 10^-4 psi^-1

Kompresibilitas formasi = 3.9 x 10^-6 psi^-1

Saturasi air = 0.57

Saturasi gas = 0.10

Porositas = 0.165

Ketebalan = 144 ft

Jari-jari sumur = 0.411 ft

Lihat Grafik E 1

Soal 4.

Laju alir minyak = 90 STB/D

Laju alir air = 75 STB/D

Kelarutan gas dalam minyak = 675.2 SCF/STB

Viskositas minyak = 0.935 cp

Viskositas air = 0.297 cp

Viskositas gas = 0.0215 cp

Faktor volume formasi minyak = 1.3574 RB/STB

Faktor volume formasi air = 1.035 RB/STB

Faktor volume formasi gas = 0.777 RB/MSCF

Kompresibilitas minyak = 5.04 x 10^-4 psi^-1

Kompresibilitas air = 7.25 x 10^-6 psi^-1

Kompresibilitas gas = 4.32 x 10^-4 psi^-1

Kompresibilitas formasi = 3.9 x 10^-6 psi^-1

Saturasi air = 0.35

Saturasi minyak = 0.55

Saturasi gas = 0.1

Porositas = 0.15

Ketebalan = 20 ft

Jari-jari sumur = 0.351 ft

Lihat Grafik E 2

Jawaban:

Soal 1:

k_o = 8.9

k_w = 12.6

k_g = 0.38

s = -2.3

Soal 2:

k_o = 19.8

k_w = 5.63

k_g = 284

s = 1

by
MARTIN GANTENG

PERHITUNGAN CADANGAN / POTENSI CADANG MINYAK & GAS UNTUK LAPANGAN BELUM PROVEN DAN LAPANGAN PROVEN & PRODUKSI

PERHITUNGAN CADANGAN / POTENSI CADANG MINYAK & GAS UNTUK LAPANGAN BELUM PROVEN DAN LAPANGAN PROVEN & PRODUKSI

LAPANGAN BELUM PROVEN

Resiko geologi merupakan resiko yang berkaitan dengan adanya akumulasi minyak bumi yang mungkin dapat diproduksi. Terdapat 4 (empat) faktor independen yang berperan dalam penilaian resiko geologi. Ke empat faktor tersebut adalah:

1. Adanya batuan induk yang matang (P source)

2. Adanya batuan reservoar (P reservoir)

3. Adanya perangkap (P trap)

4. Dinamika Play (P dynamics)

atau saat pembentukan perangkap/ cebakan relatif terhadap waktu migrasi, jalur migrasi hidrokarbon dari batuan induk ke batuan reservoar, dan preservasi Hidrokarbon hingga saat ini.

Probabilitas kesuksesan geologi (Pg) ditentukan dengan mengalikan setiap faktor probabilitas kehadiran ke empat faktor dari konsep akumulasi hidrokarbon di atas berdasarkan rumus sebagai berikut:

Jika ada salah satu faktor bernilai nol, maka probabilitas keberhasilan geolog nol. Probabilitas setiap faktor pembentuk akumulasi hidrokarbon (resiko) ditentukan pertama kali dengan menganalisis informasi yang tersedia (dalam kajian ini dilakukan dengan menggabungkan hasilhasil studi terdahulu). Table 1 adalah daftar isian penilaian resiko (risk assessment) untuk membuat penilaian dari sebanyak mungkin informasi yang tersedia. Table 2 adalah lembar kerja penilaian resiko guna merekam penilaian faktor- faktor resiko yang dinyatakan sebagai unfavorable, questionable, neutral, encouraging, dan favorable. Penilaian direkam dalam lembar-kerja, dan jika setiap faktor telah diisi semuanya, nilai yang dimunculkan ditentukan dengan melihat kunci pada bagian bawah lembar kerja (Otis & Schneidermann, 1997).

Tabel 1. daftar isian penilaian resiko (risk assessment) untuk membuat penilaian dari sebanyak mungkin informasi yang tersedia

Penilaian didasarkan pada evaluasi analogi dan kemiripan jika sedikit atau tanpa data sehingga model akan merefleksikan analoginya. Opini dikembangkan jika didukung data. Opini tersebut dapat positif (encouraging atau favorable), atau negatif questionable atau unfavorable). Faktor- faktor dengan probabilitas yang sama aspek positif atau negatifnya diberikan angka probabilitas keterdapatan 0,5

Penilaian yang encouraging atau questionable didasarkan atas data tidak langsung yang mendukung atau tidak mendukung model. Contoh-contoh data tidak langsung untuk penilaian encouraging meliputi adanya indikasi hidrokarbon dalam inti batuan

(shows), rembesan hidrokarbon (seeps), dan kehadiran langsung hal-hal yang menyerupainya.

Table 2 adalah lembar kerja penilaian resiko guna merekam penilaian faktor- faktor resiko (Otis & Schneidermann, 1997).

Contoh data tidak langsung untuk suatu penilaian yang questionable meliputi kurangnya tanda-tanda keterdapatan hidrokarbon dalam inti batuan (show), sumur-sumur di sekitarnya, reservoar yang tipis atau kualitasnya buruk, dan adanya bukti pensesaran baru. Dengan data tidak langsung tersebut, kita lebih tergantung pada model daripada data, dan opini yang muncul didukung, namun tidak dipastikan, oleh data.

Dengan data tidak langsung yang mendukung model, probabilitas keterdapatan adalah

encouraging (dengan nilai antara 0,5–0,7). Jika data tidak langsung tidak mendukung

model, probabilitas keterdapatan adalah questionable (nilai berkisar 0,3–0,5).

Table 3 ringkasan proses penilaian.

Penilaian favorable atau unfavorable didasarkan atas data langsung yang cenderung

menguatkan atau menyanggah model. Contoh data langsung untuk penilaian favorable meliputi sumur atau lapangan produksi di dekatnya dengan aliran yang stabil pada saat pengujian, sistem hidrokarbonnya terbukti dengan indek potensi batuan induk (berdasarkan data evaluasi batuan-induk berkualitas tinggi sebesar >5), dan model kematangan batuan induk dengan parameter yang didukung data dari sumur di dekatnya.

Contoh data langsung untuk suatu penilaian unfavorable meliputi pengujian sumur pada struktur yang telah ditentukan dari seismik berkualitas baik namun tidak dijumpai hidro-karbon, kurangnya reservoar dalam sumur, dan suatu sistem hidrokarbon dengan indek potensi batuan induk sangat rendah (<2,>

keterdapatan adalah favorable (dengan nilai berkisar antara 0,7–0,99). Jika data

langsung tidak mendukung model probabilitas pembentukan adalah unfavorable (dengan nilai berkisar dari 0,01–0,3). Table 3 memuat ringkasan proses penilaian.

Penilaian resiko geologi ditentukan berdasarkan evaluasi menggunakan lembar kerja penilaian resiko

Penilaian Resiko

Dalam hal penentuan resiko geologi secara cermat dan akurat diperlukan data-data penyebaran sumur yang menunjukkan keterdapatan hidrokarbon dan lapangan penghasil hidrokarbon, sistem petroleum serta rasio keberhasilan (success ratio) penemuan hidrokarbon di daerah sekitarnya.

KALKULASI VOLUMETRIK

Dalam masing-masing prospek yang telah dievaluasi untuk kehadiran ketidak-pastian, luas dan faktor –faktor yang mempengaruhinya. Dampak ketidak-pastian juga dicerminkan menghitung volume hidrokarbon. Dengan penggunaan metoda probabilistic untuk distribusi normal, P10 adalah volume dengan untuk probabilistic sukses 90% sebagai kasus optimis, sedangkan P90 adalah volume dengan untuk probabilistic sukses 10% sebagai kasus pesimistis. P50 biasa digunakan untuk menentukan volume hidrokarbon

Volumetric calculation (1).

PROSPEK RANKING

Prospek Ranking mempertimbangkan semua parameter seperti reservoir, seal, sumber, hidrokarbon generation-expulsion-migration, dan mekanisme perangkap.

Structure	Leads	P A R A M E T E R
		x		x		x	x	x	x			x			x			x			X			Recovery Factor			Reserves	Reserves (MMSTB)
																								Min	Likely	Max	(MMSTB)	P10	P50	P90
A	BR-A																							0.22	0.24	0.26	2.040061774	3.32	1.86	0.9
	TA-A																							0.22	0.24	0.26	3.76794411	5.9	3.16	1.67
	UL-A																							0.22	0.24	0.26	0.781159392	1.24	0.72	0.36
E	TA-E																							0.22	0.24	0.26	3.033335255	4.94	2.76	1.32
	UL-E																							0.22	0.24	0.26	0.287593822	0.46	0.27	0.13
H	TA-H																							0.22	0.24	0.26	0.24815089	0.41	0.22	0.11
	UL-H																							0.22	0.24	0.26	1.238595487	1.88	1.11	0.56
																						Total Reserves (MMSTB) =					11.39684073	18.15	10.1	5.05

LAPANGAN PROVEN & PRODUKSI

Perhitungan Volumetrik

1. Single Parameter

Berdasarkan pada model geologi yang dibuat melalui data geofisika, geologi, dan petrofisik, persamaan perhitungan volumetrik yang digunakan adalah sebagai berikut:

N = 7758 *A* H * Φ * (1-Sw) / Bo

Keterangan:

N = OOIP dalam (STB)

H = Ketebalan Reservoir (feet)

A = Luas Area (Acre)

Φ = Positas reservoir (%)

Sw = Saturasi Air (%)

Bo = Faktor Formasi (%)

Perhitungan luas daerah didefinisikan berdasarkan peta struktur kedalaman dengan batas Oil Water Contact (OWC) pada kedalaman yang ditentukan. Perhitungan OOIP ini dapat dilakukan dua kali, perhitungan pertama dilakukan berdasarkan pada peta struktur kedalaman yang terdapat pada data laporan kemudian pada perhitungan kedua berdasarkan peta struktur kedalaman yang didapatkan melalui data velocity sumur yang diaplikasikan ke semua daerah. Prosedur dalam perhitungan volumetrik diatas diaplikasikan pada misalkan dua zona yang mengandung hidrokarbon yaitu zona A dan zona B.

Gambar.1 Peta struktur kedalaman Zona A dan posisi OWC =1686 feet

Gambar 2. Peta struktur kedalaman Zona B dan posisi OWC =1686 feet

Gambar 3. Peta struktur kedalaman Zona A dan posisi katakanlah OWC =1686 feet berdasarkan data velocity sumur x

Gambar 4. Peta struktur kedalaman Zona B dan misalkan posisi OWC =1686 feet berdasarkan data velocity sumur x

Ketebalan reservoir (H) diperoleh dari hasil data sumur, ketebalan rata-rata reservoir pada zona A katakanlah sebesar 21.33 feet dan zona B misal sebesar 14.5 feet.

Nilai Porositas reservoir (Φ) dan saturasi air (Sw) yang digunakan dalam perhitungan volumetrik ini yaitu dengan menggunakan data analisis petrofisik. Table dibawah ini merupakan beberapa data petrofisik hasil analisis dari konsultan A, konsultan B, dan konsultan C (Earthlab).

Tabel 1. Parameter petrofisik untuk zona A

Parameter	konsultan A	konsultan B	Konsultan(Earthlab).
Porosity	14.00%	28.60%	31.60%
Oil saturation	50.77%	77.70%	86.80%
1/Bo	0.963391	0.96339	0.963391137

Tabel 2. Parameter petrofisik untuk zona B

Parameter	konsultan A	konsultan B	Konsultan(Earthlab).
Porosity	6.70%	16.37%	16.48%
Oil saturation	48.25%	69.85%	71.70%
1/Bo	0.96339114	0.963391137	0.963391137

Tabel-tabel berikut ini adalah perbandingan perhitungan volumetrik antara simulasi manusia x dengan perhitungan ulang dari data laporan PT.xx.

Zone	Acre	Acre-ft	OOIP (MMBO)
A	868	17.097
B	746	9.121	Total OOIP = 36.5
Effective Area	274	8.527	Total OOIP = 11.86

Tabel .3 Hasil perhitungan volumetrik dari simulasi Manusia x

Dengan asumsi recovery sebesar 30 %, cadangan terbukti sebesar 3.56 MMSTB. Apabila parameter yang sama digunakan yaitu dengan data petrofisik dari konsultan B, hasil perhitungan volumetriknya sama dengan hasil perhitungan ulang yang didapatkan melalui velocity data dari well x

Zone	RF (%)	Area (Acre)	Porosity (%)	So (%)	Net Pay (feet)	OOIP (MMSTB)	Reserve (MMSTB)
A	31.51	868	0.286	0.77	21.33	30.75	9.69
B	28.89	746	0.16	0.698	14.5	9.24	2.67
Total						39.99	12.36

Tabel 4. Hasil perhitungan volumetrik Area dari Manusia x dengan parameter konsultan B

Perhitungan berikut ini dilakukan menggunakan parameter dari konsultan B sebab parameter ini lebih mendekati dari nilai rata-rata apabila dibandingkan dengan parameter yang lainnya.

Zone	RF (%)	Area (Acre)	Porosity (%)	So (%)	Net Pay (feet)	OOIP (MMSTB)	Reserve (MMSTB)
A	31.51	866.35	0.286	0.77	21.33	30.69	9.67
B	28.89	721.8	0.16	0.698	14.5	8.94	2.58
Total						39.63	12.25
A	31.51	871.28	0.286	0.77	21.33	30.87	9.73
B	28.89	739.67	0.16	0.698	14.5	9.17	2.65
Total						40.04	12.38

Tabel 5. Hasil perhitungan OOIP untuk zona A dan B berdasarkan digitasi data dan melalui velocity data pada well x

2. Metode Montecarlo

Metode perhitungan ini dilakukan dengan asumsi bahwa adanya variasi parameter porositas dan saturasi minyak berdasarkan pada semua data petrofisik yang berasal dari konsultan A, konsultan B, dan konsultan C (Earthlab). Range untuk parameter tersebut lebih didekatkan pada parameter Conlog yang mana parameter ini lebih mendekati pada hasil rata-rata dengan parameter petrofisik lainnya.

Perhitungan volumetrik dikerjakan untuk satu daerah prospek dengan menggunakan simulasi Montecarlo dan metode deterministik.

Zone	Area (Acre)		Net Pay (feet)	RF (%)	Porosity (%)			So (%)
					min	avrg	max	Min	avrg	max
IA	842	900	21.33	31.51	20	25	30	60	70	80
IB	739	790	14.5	28.89	14	16	18	65	70	75

Tabel 6. Parameter yang digunakan dalam simulasi Montecarlo

OOIP (MMSTB)			Reserves (MMSTB)
P10	P50	P90	P10	P50	P90
20.96	24.03	27.3	6.60	7.57	8.60
8.50	9.21	9.97	2.46	2.66	2.88
29.46	33.24	37.27	9.06	10.23	11.48

Tabel 7. Hasil perhitungan OOIP dan cadangan untuk zona A dan B

P10 = Perhitungan untuk nilai OOIP dan cadangan yang optimistic

P50 = Perhitungan untuk nilai OOIP dan cadangan rata-rata (mostlikely value)

P90 = Perhitungan untuk nilai OOIP dan cadangan yang pecimistic

Hasil ini tergantung pada tingkat kepercayaan pada parameter data yang digunakan

By

L. Ilmiawan & A. Anriansyah

(Dari berbagai pustaka)