TIME-SERIES FORECASTING FOR PREVENTIVE MAINTENANCE OF VRU COMPRESSORS IN GAS PLANT

Sakha Rabbani Arkana, Dr. techn. Aufaclav Zatu Kusuma Frisky S.Si., M.Sc.

2026 | Skripsi | ELEKTRONIKA DAN INSTRUMENTASI

Kegagalan kompresor pada unit Vapor Recovery Unit (VRU) menyebabkan peningkatan flaring, kerugian produksi, dan pelanggaran regulasi emisi. Penelitian ini mengembangkan dan membandingkan empat sistem peringatan dini berbasis peramalan deret waktu untuk pemeliharaan preventif kompresor VRU sliding vane Ro-Flo di fasilitas produksi minyak dan gas di Indonesia.

Keempat sistem yang dibandingkan adalah S1 (ARIMA baseline), S2 (SARIMA baseline), S3 (ARIMA+CUSUM+EWMA+PI, direkomendasikan), dan S4 (SARIMA+CUSUM+EWMA+PI). Dataset terdiri dari 1.469 observasi harian selama 4,3 tahun, dengan validasi walk-forward 80/20 menghasilkan 289 hari uji pada tiga parameter: suhu gas keluaran, tekanan keluaran, dan tekanan air jaket. Seluruh sistem mencapai rata-rata MAPE di bawah 4%, memenuhi H1. S1 dan S2 menghasilkan recall kelas RED sebesar 0?n lead time 0 hari karena sifat mean-reversion pada model ARIMA dan SARIMA mencegah prakiraan titik melewati ambang batas peringatan. S3 mencapai recall RED 100%, recall YELLOW 12%, akurasi keseluruhan 80,3%, dan lead time 6 hari sebelum kegagalan hub coupling Oktober 2025, melampaui target H3 sebesar 3 hari. S4 hanya mencapai recall RED 20% meskipun menggunakan parameter deteksi yang identik dengan S3, karena transformasi Box-Cox pada SARIMA menekan amplitudo residual yang dibutuhkan untuk akumulasi CUSUM. S3 direkomendasikan untuk implementasi operasional sebagai pelengkap pemeliharaan berbasis waktu yang sudah ada.

Compressor failure in Vapor Recovery Unit (VRU) systems causes increased flaring, production losses, and environmental regulatory violations. This research develops and compares four time-series forecasting systems for preventive maintenance of a Ro-Flo sliding vane VRU compressor at an Indonesian oil and gas production facility. The four systems are S1 (ARIMA baseline), S2 (SARIMA baseline), S3 (ARIMA+CUSUM+EWMA+PI, recommended), and S4 (SARIMA+CUSUM+EWMA+PI). The dataset comprised 1,469 daily observations across 4.3 years, with an 80/20 walk-forward split yielding 289 test days across three monitored parameters: discharge gas temperature, discharge pressure, and jacket water pressure. All systems achieved average MAPE below 4%, satisfying H1.

S1 and S2 produced 0% RED-class recall and zero lead time because the mean-reversion property of stationary ARIMA and SARIMA models prevents point forecasts from crossing absolute alert thresholds. S3 achieved 100% RED recall, 12% YELLOW recall, 80.3% overall accuracy, and a 6-day advance warning before the October 2025 hub coupling failure, exceeding the H3 minimum lead time target of 3 days. S4 achieved only 20% RED recall despite identical detection parameters, because Box-Cox transformation in SARIMA suppressed the residual amplitude required for CUSUM accumulation. S3 is recommended for operational deployment as a complement to the existing time-based maintenance schedule.

Kata Kunci : ARIMA, CUSUM, EWMA, pemeliharaan preventif, Vapor Recovery Unit, peramalan deret waktu.