AI & Fleksibiliti Rantaian Bekalan Semikonduktor

AI dalam Pembuatan (Elektronik, Automotif, Semikonduktor)••By 3L3C

Bagaimana AI boleh menjadikan rantaian bekalan semikonduktor Malaysia lebih fleksibel, selamat dan tahan lasak dalam dunia yang penuh kejutan permintaan.

AI dalam pembuatanrantaian bekalan semikonduktorelektronik & E&E Malaysiakualiti komponen elektroniksmart factoryautomotif Malaysia
Share:

AI & Fleksibiliti: Senjata Baru Rantaian Bekalan Semikonduktor

Nilai rantaian bekalan semikonduktor dunia dianggarkan sekitar USD600 bilion. Satu gangguan kecil pada bekalan cip boleh hentikan pengeluaran telefon pintar, kereta elektrik, malah pesawat tempur.

Di Malaysia, terutama di Pulau Pinang, Kulim dan Melaka, ramai pemain besar semikonduktor dan E&E bergantung pada rangkaian global yang sama. Bila berlaku kejutan permintaan, perang dagang atau sekatan geopolitik, kilang di sini turut terasa: jadual shipment lari, line SMT berhenti, dan OEE merudum.

Artikel asal EE Times menceritakan bagaimana sebuah startup, Mobius Materials, cuba menjadikan pasaran sekunder komponen lebih dipercayai. Cerita itu menarik, tapi saya nampak satu perkara yang lebih besar: kita sebenarnya sedang bercakap tentang keperluan sistem rantaian bekalan yang lebih pintar, real-time, dan dipacu AI.

Posting ini fokus pada satu soalan: bagaimana AI boleh menjadikan rantaian bekalan semikonduktor – di Malaysia khususnya – lebih fleksibel dan tahan lasak tanpa mengorbankan kualiti dan integriti komponen?

Masalah Asas: Rantaian Bekalan Semikonduktor Memang Kaku

Realitinya, model tradisional rantaian bekalan semikonduktor dibina atas kontrak jangka panjang dan jadual pesanan berbulan-bulan lebih awal. Sistem ini stabil bila permintaan boleh diramal, tetapi:

  • Bila lead time melonjak dari 12 minggu ke 36 minggu
  • Bila tarif naik mendadak
  • Bila OEM tukar forecast pada saat akhir

…kilang hanya ada dua pilihan: hentikan pengeluaran atau masuk ke pasaran sekunder (open market) yang penuh risiko komponen tiruan.

Pengasas Mobius, Margaret Upshur, menyebut satu poin yang sangat tepat:

"Lebih baik harga naik tiga kali ganda daripada lead time naik tiga kali ganda."

Dalam bahasa operasi kilang: harga boleh dipindahkan ke harga produk akhir, tapi masa henti line memang membunuh P&L.

Untuk Malaysia, perkara ini kritikal sebab:

  • Banyak kilang di sini ialah high-volume contract manufacturer untuk MNC.
  • SLA pelanggan sangat ketat – kelewatan 1–2 hari pun boleh kena penalti.
  • Margin tak setebal syarikat jenama; ruang untuk serap kos dan risiko sangat terhad.

Jadi, rantaian bekalan yang kaku bukan sekadar isu kos. Ia isu kelangsungan operasi.

Mengapa Pasaran Sekunder Masih Dipandang Serong

Mobius cuba membina “spot market yang selamat” untuk komponen elektronik. Idea ini logik dari sudut ekonomi: wujudkan liquidity untuk inventory berlebihan, kurangkan pembaziran, dan bantu kilang yang terdesak.

Masalahnya, industri semikonduktor sudah lama hidup dengan satu dogma:

"Hanya OEM/OCM dan pengedar sah yang boleh dipercayai. Yang lain semua berisiko."

Bukan paranoia kosong. Antara risiko sebenar:

  • Industri dilaporkan kehilangan sekitar USD75 bilion setahun akibat komponen tiruan.
  • Banyak komponen tiruan datang dari e-waste, dicabut, dicuci, di-sand dan di-mark semula.
  • Dalam sektor automotif dan perubatan, satu IC tiruan dalam modul brek ABS atau alat bantuan hayat sudah cukup untuk jadi isu keselamatan awam.

World Semiconductor Council (WSC) menegaskan, cara paling selamat ialah beli hanya daripada saluran sah. Mereka juga skeptikal bahawa inspection pihak ketiga boleh benar-benar membezakan tiruan generasi baru daripada komponen asli.

Inilah “tembok kepercayaan” yang cuba ditembusi oleh Mobius – dan di sinilah AI sebenarnya boleh main peranan besar.

Di Mana AI Boleh Menjadikan Rantaian Bekalan Lebih Fleksibel

Kalau kita hadap isu ini hanya dengan proses manual dan Excel, memang sukar. Tapi bila AI disatukan merentasi ramalan permintaan, perolehan, kualiti dan logistik, keadaan berubah.

1. Ramalan Permintaan & Perancangan Kapasiti yang Jauh Lebih Tepat

Kebanyakan kilang di Malaysia masih guna forecast tradisional: gabungan data jualan, judgment sales, dan sedikit kiraan statistik. Masalahnya:

  • Data tidak granular (mingguan/bulanan saja).
  • Lambat dikemas kini.
  • Tak cukup sensitif pada signal pasaran mikro (contoh, pelancaran produk pesaing, trend regional, promosi e-dagang).

Model AI demand forecasting boleh:

  • Guna data dalaman (PO, MRP, historikal shipment, NPI pipeline) + data luaran (harga komoditi, tarif, data makro, malah sentimen berita).
  • Ramal permintaan mengikut SKU, pelanggan, dan lokasi kilang.
  • Kemas kini forecast hampir real-time bila ada signal baru.

Kesan praktikal untuk plant manager di Bayan Lepas atau Kulim:

  • Kurang risiko overstock (inventory mati) dan kurang stock-out (line stop).
  • PO ke pengeluar cip boleh diatur lebih awal dengan lebih yakin.
  • Tekanan untuk beli di open market berkurang kerana kesilapan forecast berkurang.

2. Optimumkan Inventory & Buat “Dynamic Reallocation” Antara Kilang

Banyak kumpulan MNC ada 3–10 kilang di rantau ini: Malaysia, Thailand, Vietnam, China. Selalunya, setiap kilang urus inventory sendiri. Silos ini menyebabkan:

  • Ada kilang terlebih stok untuk satu IC kritikal.
  • Kilang lain terpaksa beli mahal di open market untuk IC yang sama.

AI-based inventory optimization boleh:

  • Peta-kan stok komponen penting merentasi kilang dalam satu kumpulan.
  • Cadangkan transfer dalaman (plant-to-plant transfer) sebelum kilang beli di luar.
  • Simulasikan impak decision (contoh: kalau pindah 20k pcs dari Penang ke Shenzhen, berapa hari cover, berapa kos logistik vs kos beli open market).

Ini sebenarnya sama roh dengan apa yang Mobius cuba buat (wujudkan liquidity), cuma dalam “closed ecosystem” syarikat sendiri – dan jauh lebih mudah diterima oleh pasukan kualiti dan compliance.

3. Saringan Komponen & Pengesanan Tiruan Dipacu AI

Bahagian paling kontroversi ialah percaya atau tidak pada komponen open market.

Mobius memfailkan paten untuk sistem pembelajaran mesin yang boleh kesan komponen tiruan dan rosak. Pendekatan macam ini memang masuk akal, dan vendor di Malaysia pun boleh ambil inspirasi.

Bagaimana AI boleh bantu?

  • Computer vision untuk analisis imej beresolusi tinggi pada IC: marking, surface texture, saiz pad, alignment, kecacatan fizikal.
  • Banding dengan database imej komponen tulen untuk setiap lot/origin.
  • Anomali detection pada data elektrik (IV curve, leakage, timing) daripada sampel ujian.
  • Gabung faktor risiko lain: lokasi pembekal, sejarah RMA, maklumat shipment.

Daripada situ, sistem boleh beri skor kepercayaan seperti:

  • 0–40: tinggi risiko tiruan – reject automatik.
  • 40–70: perlukan ujian lanjutan manual.
  • 70–100: berkemungkinan tinggi tulen – boleh dilepas dengan sampling ketat.

Kelebihan untuk kilang automotif di Pekan atau kilang EMS di Senai:

  • Boleh kurangkan masa inspection berbanding 100% manual visual check.
  • Boleh ada lapisan keselamatan tambahan jika mereka TERPAKSA beli open market.
  • Lebih mudah yakinkan pelanggan bahawa ada proses saintifik & terukur bukan sekadar “tengok mata”.

4. AnonimitI & “Trusted Marketplace” Dalam Kumpulan Pembekal

Satu lagi poin menarik daripada Mobius: kerahsiaan inventory OEM besar. Tiada siapa mahu pesaing tahu mereka simpan berjuta-juta unit satu cip tertentu; ia boleh bocorkan maklumat tentang demand sebenar atau kegagalan produk.

Di peringkat Malaysia, isu ini muncul dalam bentuk berbeza:

  • OEM tak mahu beritahu vendor lain bahawa mereka ada excess stock.
  • Contract manufacturer segan mengaku mereka over-buy dan sekarang terperangkap dengan stok.

Dengan AI dan platform digital dalaman (atau konsortium industri tempatan), kita boleh wujudkan:

  • Marketplace tertutup di mana identiti pihak hanya didedahkan bila transaksi hampir dimeterai.
  • Algoritma yang padankan penjual & pembeli berdasarkan BOM dan spec, bukan nama syarikat.
  • Analitik yang kira nilai optimum trade-off: jual lebihan atau simpan untuk NPI akan datang.

Ini menjadikan konsep "trusted marketplace" lebih praktikal – tanpa perlu bergantung sepenuhnya kepada open market global yang tidak diketahui.

Halangan Utama: Budaya, Polisi & Skalabiliti

Secara teknikal, banyak perkara di atas boleh dibuat hari ini. Namun, mengapa ramai syarikat Malaysia masih belum agresif menggunakan AI untuk rantaian bekalan semikonduktor?

1. Polisi Kualiti yang Sangat Ketat

Terutamanya dalam automotive, medical, aerospace:

  • SOP jelas: authorized source only.
  • Audit pelanggan akan tanya hingga ke tahap lot dan wafer.

Untuk ubah polisi ini, unit AI & supply chain kena bekerjasama dengan:

  • Pasukan QA/RA untuk reka flow pengesahan yang mematuhi standard (IATF 16949, ISO 13485 dan sebagainya).
  • Legal & risk untuk jelaskan liability dan coverage insurans.

AI di sini bukan pengganti piawaian – ia alat untuk memenuhi piawaian dengan lebih cekap.

2. Kos & Kompleksiti Operasi Pengujian

Mobius sendiri mengakui cabaran: full chip-level testing untuk setiap lot adalah mahal dan intensif tenaga kerja. Di Malaysia, isu sama wujud bila cuba membina lab pengesahan sendiri.

Pendekatan realistik yang saya lihat berkesan:

  • Risk-based testing: guna model AI untuk kategorikan risiko pembekal & komponen. Yang berisiko tinggi diuji lebih dalam; yang rendah cukup dengan sampling standard.
  • Automasi selangkah demi selangkah: mula dengan computer vision untuk visual inspection, kemudian baru tambah functional test automatik.

3. Jurang Data & Silo Sistem

Ramai pemain di Malaysia ada:

  • ERP lain, MES lain, WMS lain, dan
  • forecast masih dalam Excel berasingan.

AI hanya sekuat kualiti dan integrasi data. Jadi, sebelum terjun ke projek model canggih, selesaikan dahulu:

  • Standardkan kod bahan, lokasi, dan struktur BOM.
  • Wujudkan data pipeline dari kilang ke data lake pusat.
  • Tetapkan governance: siapa pemilik data, siapa boleh akses.

Tanpa asas ini, projek AI akan jadi PoC cantik di slide, tapi tak hidup di lantai kilang.

Langkah Praktikal untuk Kilang di Malaysia (2026 dan Seterusnya)

Kalau anda pengurus kilang, ketua SCM, atau director E&E di Malaysia, apa yang realistik untuk 12–24 bulan akan datang?

1. Mulakan dengan Use Case Semikonduktor yang Paling Pedih

Pilih 1–2 kategori komponen semikonduktor yang:

  • Selalu menyebabkan line stop bila shortage.
  • Mempunyai lead time panjang.
  • Ada sejarah pembelian open market.

Bangunkan model AI untuk:

  • Ramal permintaan khusus untuk komponen ini.
  • Kira safety stock optima mengikut kilang/pelanggan.
  • Simulasi senario (tarif naik, vendor utama terhenti, dan sebagainya).

2. Bangun “Control Tower” Rantaian Bekalan Dipacu AI

Bukan semestinya sistem mahal berjuta-juta. Fokus pada:

  • Dashboard real-time: PO, shipment, stok kritikal, risiko bekalan.
  • Alert automatik bila ada pola luar biasa (contoh: kenaikan lead time tiba-tiba daripada supplier utama di satu negara).
  • Integrasi dengan data kualiti (RMA, reject incoming) untuk nampak supplier mana paling stabil.

3. Eksperimen Terkawal Dengan Pasaran Sekunder yang Disaring AI

Jika perniagaan anda memang tak dapat lari dari open market:

  • Wujudkan SOP khusus "emergency buy".
  • Gunakan vendor yang ada proses inspection dipacu AI/automasi.
  • Rekodkan semua keputusan dalam satu sistem untuk bina database pengalaman (supplier mana ok, mana bermasalah, pattern apa yang perlu dielak).

Ini bukan menggalakkan ambil risiko buta, tetapi mengurus risiko secara profesional.

4. Rancang Talent & Partnership AI

Ramai syarikat cuba buat semua sendiri, kemudian projek tersangkut sebab tiada data scientist yang faham manufacturing, tiada SME yang boleh commit masa.

Pendekatan yang lebih bijak:

  • Bentuk squad kecil: 1 orang SCM, 1 orang IT/data, 1 orang operasi, 1 orang kualiti.
  • Guna partner luar untuk bina model pertama, tetapi pastikan pengetahuan dipindahkan.
  • Sasarkan dalam 18–24 bulan, sebahagian besar model AI penting boleh diurus dalaman.

Kenapa Ini Kritikal untuk Masa Depan E&E Malaysia

Rantaian bekalan semikonduktor global tidak akan jadi lebih mudah. Kita akan terus berdepan:

  • Ketegangan geopolitik AS–China.
  • Siklus naik turun permintaan automotif & elektronik pengguna.
  • Tekanan ESG yang memaksa pengeluar kurangkan pembaziran dan e-waste.

Untuk Malaysia kekal relevan sebagai hab AI in Manufacturing bagi elektronik, automotif dan semikonduktor, syarikat di sini perlu beralih daripada:

  • Rantaian bekalan yang kaku + reaktif, kepada
  • Rantaian bekalan yang pintar, ramal lebih awal, dan boleh ubah haluan dalam masa hari – bukan bulan.

AI bukan ubat magik, tetapi ia alat paling praktikal hari ini untuk:

  • Menambah fleksibiliti tanpa mengorbankan integriti komponen.
  • Mengurangkan kebergantungan buta pada satu-satu pembekal atau negara.
  • Memberi keyakinan kepada pelanggan global bahawa kilang di Malaysia mampu mengurus risiko rantaian bekalan setara – atau lebih baik – daripada lokasi lain.

Persoalannya sekarang bukan lagi "patut atau tidak guna AI" dalam rantaian bekalan semikonduktor, tetapi sejauh mana pantas anda mahu bergerak berbanding pesaing yang kilangnya hanya beberapa kilometer dari anda.