📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 5 dokumenDIGITAL ROCK PHYSICS: ESTIMASI KANDUNGAN MINERAL DAN POROSITAS SERTA NILAI BRITTLENESS INDEX PADA BATUAN CITRA DIGITAL
Metode laboratorium konvensional seringkali bersifat destruktif, memakan waktu dan biaya. Penelitian ini menerapkan metodologi dari Digital Rock Physics (DRP) sebagai pendekatan non-destruktif untuk mengestimasi sifat mekanik batuan melalui perhitungan numerik. Studi ini memanfaatkan citra CT scan dari sampel batupasir serpihan. Tahapan pengolahan citra meliputi pra-pemrosesan untuk peningkatan kontras. Kemudian tahap segmentasi fasa menggunakan algoritma Machine Learning Unsupervised K-Means Clustering. Metode ini digunakan untuk memisahkan komponen pori dan matriks secara otomatis. Dengan penyesuaian segmentasi dilakukan penerapan threshold klaster pori secara kualitatif melalui visual besaran pori dan secara kuantitatif menggunakan parameter Structural Similarity Index Measure (SSIM). Dihitung porositas efektif dan terisolasi sebagai informasi tambahan. Dengan hasil segmentasi, yaitu klaster 1 (pori) 18.02-19.19%, klaster 2 (mineral quartz) 49.14% , klaster 3 (mineral illite) 22.96%, dan klaster 4 (mineral kaolinite dan campuran) 8.71%. Dengan validasi ekternal untuk segmentasi, yaitu data X-Ray Diffraction (XRD), well log, dan sayatan tipis dengan hasil yang sudah mendekati. Hasil segmentasi dilakukan konversi data untuk masukan Garboczi. Modulus elastik Garboczi diestimasi dengan pendekatan numerik berbasis Finite Element Method (FEM) dan energi minimum, perolehan estimasi Bulk Modulus sebesar 21.36 GPa dan Shear Modulus sebesar 17.40 GPa. Dengan validasi eksternal untuk Garboczi, yaitu data well log dan model batas Voigt Reuss dan Hashin-Shtrikman dengan perolehan yang sudah baik. Selanjutnya, tahap perhitungan Brittleness Index (BI) berdasarkan sumber data, yaitu mineral-based sebesar 0.608 & 0.622, elastic-based sebesar 0.49, dan logbased sebesar 0.621 dengan hasil indeks dalam satu klasifikasi yang sama, yaitu Brittle. Nilai BI ini bermanfaat dalam rencana stimulasi reservoir seperti hydraulic fracturing.
ESTIMASI MODULUS ELASTIK DAN INDEKS KERAPUHAN PADA BATU PASIR BERBASIS FISIKA BATUAN DIGITAL MENGGUNAKAN MACHINE LEARNING METODE SEGMENTASI K-MEANS DAN FINITE ELEMENT ALGORITMA GARBOCZI
Batuan merupakan material alami yang tersusun atas agregat mineral dan sistem pori dengan tingkat heterogenitas struktural yang sangat kompleks. Aktivitas pembebanan di kerak bumi menghasilkan distribusi tegangan yang direspons batuan dalam bentuk regangan. Pemahaman mendalam mengenai properti mekanis ini, khususnya parameter brittleness index, sangat penting dalam studi geomekanika guna memprediksi secara akurat kapan batuan akan mengalami kegagalan akibat tekanan. Mengingat metode karakterisasi melalui pengujian laboratorium konvensional umumnya memakan waktu lama, berbiaya tinggi, serta bersifat destruktif terhadap fisik sampel, penelitian ini menerapkan pendekatan digital rock physics berbasis komputasi machine learning. Citra digital CT-scan batuan pasir disegmentasi menggunakan machine learning algoritma k-means clustering guna memisahkan ruang pori dan fraksi mineral berdasarkan intensitas densitasnya. Model komputasi ini berhasil menghasilkan nilai porositas sebesar 19,71% yang terbukti sangat selaras dengan data well log sebesar 18%, serta persentase komposisi mineralogi yang tervalidasi kesesuaiannya dengan data x-ray diffraction. Hasil segmentasi tersebut kemudian diintegrasikan sebagai parameter input simulasi numerik elemen hingga garboczi. Berdasarkan komputasi algoritma tersebut, properti elastik sampel berhasil diestimasi dengan perolehan modulus bulk 20,28 GPa, modulus shear 14,69 GPa, modulus young 35,50 GPa, serta poisson's ratio pada angka 0,21. Selanjutnya, perhitungan brittleness index yang dinormalisasi menghasilkan angka sebesar 0,43. Nilai tersebut menempatkan sampel batuan pada kategori less brittle, mengindikasikan bahwa batuan cenderung mengakomodasi tegangan melalui fase deformasi plastis secara terbatas sebelum akhirnya pecah. Secara keseluruhan, metode komputasi ini menawarkan alternatif karakterisasi mekanis yang efisien dan bersifat non destruktif terhadap fisik sampel batuan.
KARAKTERISASI STRUKTUR PORI BATUAN BERBASIS ANALISIS KORELATIF CITRA DIGITAL 3D
Penelitian ini bertujuan untuk mengkarakterisasi struktur pori batuan tight shale menggunakan pendekatan Digital Rock Physics (DRP) berbasis analisis korelatif dari citra 3D multi-skala. Dua teknik pencitraan digunakan, yaitu X-Ray Microscopy (XRM) dan Focused Ion Beam-Scanning Electron Microscopy (FIBSEM), untuk merepresentasikan struktur internal batuan dari skala mikrometer hingga nanometer. Sampel tight shale dipreparasi dalam bentuk core plug dan mini Plug untuk analisis XRM (ukuran piksel 26,4 µm hingga 300 nm) serta mini Plug untuk FIB-SEM (ukuran piksel 25 nm). Akuisisi citra menghasilkan himpunan data 2D yang direkonstruksi secara digital menjadi dataset citra volumetrik 3D menggunakan perangkat lunak GeoDict dan CTAn. Tahap rekonstruksi mencakup penyesuaian citra dan koreksi artefak hingga menghasilkan cigtra grayscale. Proses segmentasi fase pori-solid dilakukan untuk analisis mikrostruktur sampel, mencakup beberapa parameter pertrofisika seperti porositas, distribusi ukuran pori, specific surface area, tortuositas, hingga permeabilitas. Hasil menunjukkan bahwa integrasi analisis citra multi-skala yang dilakukan memberikan gambaran struktur pori yang lebih lengkap: XRM unggul dalam mendeteksi pori dan struktur makromikro (pada ketelitian puluhan hingga ribuan mikrometer), sementara pemanfaatan tipe XRM:nano-CT dan FIB-SEM mampu mengungkap detail pori skala nanometer yang lebih representatif. Hasil analisis menunjukkan bahwa semakin tinggi resolusi citra, porositas meningkat dan permeabilitas menjadi lebih rendah. Hal ini mengindikasikan bahwa konektivitas dikontrol oleh kompleksitas jalur pori. Analisis korelatif menegaskan pentingnya pendekatan multi-skala dan analisis terintegrasi dalam memahami sifat fisis batuan tight shale. Pendekatan ini membuktikan bahwa kombinasi teknik pencitraan resolusi tinggi dapat memberikan gambaran lebih akurat tentang kompleksitas pori batuan tidak konvensional, mendukung pengembangan reservoir hidrokarbon secara lebih efektif.
REKONSTRUKSI 3D DAN KARAKTERISASI STRUKTUR PORI SKALA NANO BERBASIS CITRA MIKROSKOP ELEKTRON
Dalam teknik Fisika Batuan Digital (Digital Rock Physics), karakterisasi batuan berporositas rendah memerlukan citra resolusi tinggi dengan cakupan area luas agar tetap representatif. Namun, pemanfaatan citra Field Emission Scanning Electron Microscope (FE-SEM) dalam rekonstruksi digital masih terbatas. Penelitian ini mengevaluasi penggunaan citra Large Area Imaging (LAI) pada FE-SEM dengan resolusi tinggi pada perbesaran 50.000× dan ukuran piksel 5 nm. Penggunaan detektor Backscattered Electron (BSE) menghasilkan kontras densitas yang tegas antara fase pori dan matriks tanpa bias morfologi permukaan. Prosedur LAI membangun citra mosaik berukuran 30.720 × 20.480 piksel dari 400 tiles. Untuk melengkapi analisis, pemodelan struktur mikro biner berbasis teknik Geometris Stokastik dilakukan guna menghasilkan citra biner 3D melalui fitur DigitalTwin pada perangkat lunak GeoDict. Dataset biner 3D direkonstruksi dari beberapa area potensial berukuran 1.0003 voksel, menunjukkan rentang porositas total 2.4–8.5% dan permeabilitas absolut 4–2.120 nD. Analisis mikrogeometri mengungkap bahwa Radius Pori dan Specific Surface Area (SSA) merupakan faktor kontrol utama kompleksitas arsitektur pori; SSA tinggi merepresentasikan morfologi dinding pori rumit dan distribusi saluran sempit (pore throats) masif. Uji fidelitas terhadap referensi FIB-SEM mengonfirmasi kemiripan geometri dan pola anisotropi, dengan keterhubungan pori dominan pada sumbu x dan z. Kemampuan pemodelan GrainGeo terbukti reliabel dalam merekonstruksi heterogenitas mikrostruktur 3D dari citra LAI secara akurat. Proses ini berhasil mendefinisikan ambang batas konektivitas (percolation threshold) pada porositas 3–6%, di mana model di bawah ambang tersebut didominasi status tidak terhubung, sementara di atas 6% menunjukkan keterhubungan stabil. Selain itu, pendekatan ini mampu menangkap pola anisotropi pori. Integrasi citra LAI FE-SEM dan pemodelan biner 3D terbukti reliabel dan adaptif dalam menangkap heterogenitas batuan skala nano pada area luas, memberikan pemahaman mendalam mengenai kontrol geometris terhadap pergerakan fluida untuk kebutuhan kajian fisis batuan digital.
DIGITAL ROCK PHYSICS: PENERAPAN MACHINE LEARNING UNTUK ANALISIS POROSITAS DAN MINERAL PADA BATUPASIR
Digital Rock Physics (DRP) penting untuk memahami sifat fisik batuan dan mendukung interpretasi geologi. Penelitian ini bertujuan mengestimasi pori total dan komposisi mineral pada batupasir menggunakan empat metode unsupervised clustering, yaitu Fuzzy C-Means (FCM), Gaussian Mixture Model (GMM), SelfOrganizing Map (SOM), dan Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH), berdasarkan citra CT scan grayscale. Hasil menunjukkan pori total masing-masing metode sebesar 17,65%, 15,68%, 20,65%, dan 11,71%, dengan estimasi mineral utama tertinggi pada BIRCH sebesar 58,47% dan nilai pori total yang paling mendekati referensi 25,00% pada SOM sebesar 20,65%. Distribusi vertikal klaster dari 700 irisan citra memperlihatkan FCM dengan proporsi relatif stabil, GMM dengan variasi antar irisan yang lebih besar, SOM dengan distribusi mineral yang seimbang, dan BIRCH yang didominasi mineral 1 dengan variasi pori pada interval tertentu. Validasi terhadap data XRD, well log, dan thin section petrografi menunjukkan kesesuaian pola distribusi spasial antar metode. Analisis berbasis unsupervised clustering ini dapat digunakan untuk mengestimasi porositas dan distribusi mineral secara kuantitatif dan otomatis, dengan hasil yang bervariasi sesuai karakteristik metode.