Rantai bekalan semikonduktor kaku dan penuh risiko. Begini bagaimana AI boleh jadikan ia lebih fleksibel, selamat dan berdaya tahan untuk kilang di Malaysia.
Realiti Pahit: Rantai Bekalan $600 Bilion yang Masih Kaku
Rantai bekalan semikonduktor global bernilai lebih kurang $600 bilion, tetapi cara ia beroperasi masih sangat tradisional: forecast kaku, tempahan 6–12 bulan awal, kontrak eksklusif dengan pengedar sah, dan toleransi rendah terhadap perubahan.
Bagi kilang elektronik, automotif dan semikonduktor di Malaysia – daripada Intel dan Infineon di Pulau Pinang dan Kulim, hinggalah EMS dan tier-1 automotif – struktur kaku ini datang dengan satu risiko besar: bila berlaku kejutan permintaan atau geopolitik, barisan pengeluaran boleh berhenti dalam masa beberapa hari.
Artikel asal tentang Mobius Materials di EE Times mendedahkan sisi lemah sistem ini, dan bagaimana pasaran sekunder cuba memberi ruang bernafas. Dalam siri AI in Manufacturing (Electronics, Automotive, Semiconductor) ini, saya nak bawa perbincangan selangkah lagi:
Bagaimana AI boleh menjadikan rantai bekalan semikonduktor jauh lebih fleksibel, tanpa mengorbankan keselamatan dan kualiti?
Masalah Utama: Harga Boleh Naik, Tapi Lead Time Jangan
Intipati masalah sebenarnya mudah: kilang lebih sanggup bayar mahal daripada tunggu lama.
Margaret Upshur, pengasas Mobius Materials, ringkaskan begini: kalau lead time komponen naik 3x, barisan berhenti, hasil jualan hangus, dan kerosakan ekonomi berlaku serta-merta. Kalau harga naik 3x, syarikat masih ada ruang untuk sesuaikan harga produk akhir atau struktur margin.
Dalam konteks Malaysia:
- Pengeluar elektronik pengguna di Batu Kawan boleh kehilangan ratusan ribu ringgit sehari bila line SMT berhenti kerana kekurangan satu IC kecil.
- Pengeluar automotif di Tanjung Malim yang kekurangan cip ECU mungkin perlu parking beratus unit kereta separa siap di yard kerana satu modul tak cukup.
Tetapi kenapa kilang sukar ubah hala bila forecast berubah?
- Kontrak jangka panjang dengan pengedar sah mengunci kuantiti dan jadual penghantaran.
- SOP dalaman melarang pembelian dari pasaran terbuka kerana risiko counterfeit.
- Silo data – pasukan perancangan, pembelian, dan operasi guna sistem berlainan, jadi tindak balas lambat.
Di sinilah AI dalam perancangan dan pengoptimuman rantai bekalan mula jadi kritikal.
Di Antara Keselamatan & Fleksibiliti: Dilema Pasaran Sekunder
Mobius Materials cuba bina satu bentuk "pasaran spot selamat" untuk komponen elektronik. Idea asasnya masuk akal:
- Biar OEM/CM yang ada stok lebihan boleh jual semula secara cepat.
- Biar pengeluar yang terdesak komponen boleh beli pada harga pasaran terapung.
- Biar proses ini berlaku dalam platform dipercayai, bukan melalui broker kelabu yang tidak jelas sumber.
Cabaran besar? Kepercayaan.
Dunia semikonduktor hidup dengan satu prinsip mudah:
"OCM atau pengedar sah selamat, yang lain semua mencurigakan."
Bukan paranoid kosong. Industri dilaporkan kerugian sekitar $75 bilion setahun akibat komponen palsu. Banyak cip palsu datang dari e-waste: papan litar lama dipanaskan, komponen dicabut, digilap, di-re-mark seolah-olah baru.
Bayangkan cip palsu ini masuk ke:
- Sistem brek kenderaan
- Peranti perubatan
- Inverter solar atau EV charger
Satu kegagalan boleh jadi isu keselamatan awam, bukan sekadar RMA.
Dari perspektif pengilang di Malaysia, ketakutan ini sangat nyata. OEM global yang beroperasi di sini biasanya:
- Wajib ikut garis panduan World Semiconductor Council (WSC).
- Meletakkan klausa ketat dalam kontrak: hanya sumber sah, jika tidak, isu liabiliti boleh jatuh atas kilang tempatan.
Jadi walaupun secara teori pasaran sekunder boleh beri fleksibiliti, secara praktikalnya ramai yang takut rugi lebih besar.
Apa Peranan AI? Membina "Trust Architecture" Baharu
Di sinilah AI mula jadi pembeza antara pasaran gelap dan pasaran sekunder yang boleh dipercayai.
Mobius sendiri memfailkan paten untuk sistem pembelajaran mesin yang mengesan komponen palsu dan rosak. Mereka juga membuat pemeriksaan fizikal di fasiliti mereka. Itu permulaan yang baik, tetapi untuk benar-benar ubah permainan, ekosistem semikonduktor perlu pergi lebih jauh dan lebih sistematik.
Berikut beberapa lapisan "trust architecture" berasaskan AI yang saya nampak relevan untuk kilang di Malaysia:
1. AI untuk pemeriksaan kualiti & ketulenan komponen
Sistem visi mesin dengan model AI boleh:
- Mengenal pasti perbezaan mikro pada marking, bentuk kaki, dan tekstur permukaan
- Mengesan tanda pemanasan semula atau sanding pada komponen reclaim
- Menggunakan data X-ray, IR atau electrical signature untuk kenal pasti ketidakselarasan dalaman
Untuk kilang elektronik di Bayan Lepas, ini bermakna:
- Boleh "memutihkan" sebahagian sumber pasaran sekunder dengan protokol pemeriksaan yang objektif dan boleh diaudit.
- Boleh mengurangkan kebergantungan 100% pada pengedar sah bila berlaku krisis, tanpa menggadai kualiti.
2. AI untuk pengesanan corak pembekal berisiko
Selain komponen, tingkah laku pembekal juga ada corak.
AI boleh menganalisis:
- Sejarah penghantaran, ketepatan tarikh, variasi kualiti
- Corak harga yang terlalu pelik (contoh: terlalu murah ketika kekurangan global)
- Jejak transaksi dari pelbagai pembeli global (melalui konsortium data)
Bagi syarikat seperti Infineon atau vendor EMS besar di Malaysia, model risiko pembekal ini boleh diintegrasi dengan sistem pembelian:
- Pesanan hanya dilepaskan kepada pembekal sekunder jika skor risiko bawah threshold tertentu.
- Syarikat boleh membezakan broker "nakal" dengan pembekal sekunder yang sedang membina reputasi baik.
3. AI sebagai enjin perancangan dinamik
Masalah asal bukan semata-mata counterfeit. Ia bermula di peringkat perancangan permintaan dan kapasiti.
Di sinilah AI dalam pembuatan benar-benar menyinar:
- Peramalan permintaan berbilang senario: model guna data pasaran, musim, promosi, sentimen pelanggan.
- Simulasi what-if: jika tarif baru dikenakan, jika geopolitik mengganggu pelabuhan tertentu, jika satu foundry di luar negara shutdown.
- Pengoptimuman stok keselamatan secara dinamik: bukan lagi "1.5 bulan" statik, tetapi buffer berubah ikut volatiliti sebenar.
Bila forecast lebih tepat dan buffer lebih pintar, keperluan untuk panic buying di pasaran gelap pun berkurang.
Dari Kilang Kaku ke Smart Factory: Rantai Bekalan Sebagai Sistem Hidup
Ramai syarikat bercakap tentang smart factory dari sudut robotik, OEE, dan automasi line. Tapi kalau rantai bekalan masih kaku, kilang itu sebenarnya separuh pintar sahaja.
Saya biasanya pecahkan transformasi ini kepada tiga lapisan:
1. Lapisan operasi kilang (shopfloor)
Di sini fokusnya:
- AI untuk pengesanan kecacatan pada PCB dan modul
- Penjadualan pengeluaran adaptif mengikut ketersediaan komponen
- Integrasi AGV/robot dengan data sebenar WIP dan bahan mentah
Kesan kepada rantai bekalan:
- Bila satu komponen mula kritikal, sistem terus mencadangkan alternatif yang diluluskan atau konfigurasi produk lain yang masih boleh dijalankan.
2. Lapisan perancangan & pembelian
Inilah tempat syarikat paling banyak "duit bocor" bila lead time meletup.
AI boleh membantu:
- Menentukan mix kontrak jangka panjang vs spot buying yang optimum
- Menilai secara real-time: patutkan terima harga lebih mahal di pasaran sekunder, atau turunkan output beberapa minggu?
- Menghubungkan data inventori hidden (stok safety di kilang lain dalam group, atau di CM) untuk digunakan sebagai sumber dalaman dahulu sebelum ke pasaran terbuka.
Untuk kumpulan MNC yang ada beberapa kilang di Asia Tenggara, ini sangat besar kesannya. Kadang-kadang stok ada di kilang "jiran", cuma sistem tak bercakap.
3. Lapisan ekosistem & kolaborasi
Peringkat paling matang ialah bila beberapa pemain besar berkongsi subset data secara terlindung (privacy-preserving):
- OEM, foundry, OSAT, dan pengedar berkongsi trend kapasiti dan risiko tanpa mendedahkan rahsia perniagaan.
- AI di peringkat ekosistem mengesan "gugusan risiko" – contohnya terlalu banyak syarikat bergantung kepada satu jenis MCU dari satu fab.
Bagi Malaysia yang sedang mengukuhkan kedudukan sebagai hub E&E serantau, ini ruang untuk:
- Persatuan industri, agensi kerajaan dan pemain utama membina pusat data rantai bekalan dengan analitik AI untuk manfaat bersama.
Cabaran Sebenar: Bukan Teknologi, Tapi Polisi & Mindset
Teknologi AI untuk vision, peramalan, dan pengoptimuman sudah matang. Yang sukar selalunya:
- Polisi dalaman yang terlalu rigid: "No open market, full stop" walaupun ada proses pengesahan canggih.
- Liabiliti & compliance: siapa tanggung jika komponen yang disahkan AI rupanya bermasalah?
- Budaya silo antara HQ global dan kilang tempatan: kilang nampak realiti, tapi HQ tetapkan polisi generik.
Bagi saya, jalan tengah yang realistik untuk pengeluar di Malaysia ialah:
- Kekalkan garis merah jelas untuk aplikasi kritikal keselamatan (automotif, perubatan, aeroangkasa) – hanya sumber sah.
- Untuk produk risiko lebih rendah, bina rangka kerja:
- Pemeriksaan AI + ujian sampel fizikal
- Audit berkala pembekal sekunder
- Kontrak yang jelas tentang liabiliti
- Dokumenkan proses ini dengan terperinci supaya auditor, pelanggan dan HQ boleh melihat kawalan risiko yang kukuh.
Bila semua ini dipacu oleh data dan AI, keputusan bukan lagi bergantung pada "instinct pembeli", tetapi pada model risiko yang konsisten.
Langkah Praktikal Untuk Kilang di Malaysia
Kalau anda terlibat dengan operasi atau rantai bekalan di kilang E&E, automotif atau semikonduktor, berikut beberapa langkah praktikal yang saya cadangkan:
1. Audit ketegaran (rigidity audit)
Tanya soalan terus terang:
- Berapa cepat kita boleh tukar source komponen jika pembekal A gagal hantar?
- Berapa banyak stok keselamatan sebenarnya wujud dalam seluruh rangkaian (bukan hanya satu kilang)?
- Di mana polisi kita terlalu "black and white" sehingga menutup opsyen semasa krisis?
2. Mulakan projek AI yang kecil tetapi berimpak
Contohnya:
- Pilot AI demand forecasting untuk satu keluarga produk utama.
- Pilot AI visual inspection untuk saringan komponen dari sumber sekunder (dalam volume terkawal).
- Model supplier risk scoring bagi semua pembekal, termasuk pengedar sah.
Yang penting, projek ini dihubungkan terus dengan KPI perniagaan: masa henti kilang, nilai stok, OTIF, dan sebagainya.
3. Bangunkan polisi baharu berasaskan data
Gunakan hasil dari projek AI tadi untuk:
- Mengemas kini SOP pembelian: bila boleh guna pasaran sekunder, apa syaratnya, apa senarai komponen yang dibenarkan.
- Menentukan tahap ujian yang berbeza ikut profil risiko komponen.
- Menyediakan hujah konkrit untuk meyakinkan HQ atau pelanggan global.
Menjadikan Rantai Bekalan sebagai Kelebihan Strategik
Rantai bekalan semikonduktor yang kaku bukan sekadar isu operasi; ia mengikat inovasi. Bila akses kepada cip tak menentu, roadmap produk jadi konservatif, line EV atau produk IoT terpaksa ditangguh, dan peluang pasaran hilang.
AI tidak boleh menghapuskan semua risiko geopolitik atau kekurangan global, tetapi AI boleh menjadikan rantai bekalan:
- Lebih telus – anda tahu di mana stok, siapa pembekal paling rapuh.
- Lebih lincah – anda boleh bertindak dalam hari, bukan bulan.
- Lebih berani tetapi terkawal – berani guna sumber baharu kerana ada sistem pengesahan objektif.
Bagi Malaysia yang sedang memposisikan diri sebagai pusat E&E dan semikonduktor serantau, syarikat yang awal menggabungkan AI in manufacturing dengan strategi rantai bekalan akan berada selangkah di hadapan – bukan sahaja sebagai "plant yang cekap", tetapi sebagai rakan kongsi global yang boleh dipercayai walau dalam krisis.
Persoalannya sekarang: adakah rantai bekalan anda aset strategik, atau masih jadi single point of failure yang anda hanya nampak bila line sudah terpaksa berhenti?