AI & Rig Minyak: Strategi Pintar Hadapi Lonjakan Bekalan

AI & Rig Minyak: Strategi Pintar Hadapi Lonjakan Bekalan

Pada minggu terkini, data Baker Hughes menunjukkan jumlah pelantar penggerudian aktif di Amerika Syarikat turun kepada 548 rig, 41 lebih rendah berbanding tempoh sama tahun lalu. Namun dalam angka keseluruhan yang menurun itu, ada satu mesej penting: rig minyak bertambah 1 kepada 414 unit, manakala rig gas berkurang 2 kepada 127. Dalam masa pasaran sudah mula bimbang tentang “oil glut” baharu, syarikat di AS masih menambah rig minyak.

Inilah realiti minyak dan gas hari ini: kapasiti pengeluaran boleh naik dengan cepat, tetapi permintaan dan harga tak selalu ikut rentak. Sesiapa yang membuat keputusan pelaburan berdasarkan “rasa” atau pengalaman semata-mata, akan ketinggalan. Bagi negara pengeluar seperti Malaysia, dan pemain utama seperti Petronas, data AS ini bukan sekadar berita antarabangsa – ia isyarat kenapa AI, analitik ramalan dan automasi pintar bukan lagi pilihan tambahan, tetapi asas strategi operasi.

Dalam siri “AI in Oil & Gas / Energy (Petronas & Major Utilities)” ini, fokusnya jelas: bagaimana pemain tenaga Malaysia boleh guna AI untuk mengurus ketidaktentuan global, daripada jumlah rig di AS, hingga kepada permintaan elektrik domestik pada musim perayaan hujung tahun.

Artikel ini meneliti apa yang sedang berlaku di AS, kenapa ia relevan kepada Malaysia, dan bagaimana AI boleh bantu pengeluar minyak & gas, termasuk Petronas, membuat keputusan rig, pengeluaran dan penyelenggaraan dengan jauh lebih tepat.

---

Apa Maksud Perubahan Rig AS kepada Harga & Strategi Malaysia

Perubahan bilangan rig di AS ialah petunjuk awal kepada arah bekalan minyak dan gas global.

• Jumlah rig keseluruhan AS: 548 (turun 41 berbanding tahun lepas)
• Rig minyak: 414 (turun 68 vs tahun lepas, tetapi naik 1 minggu ini)
• Rig gas: 127 (turun 2 minggu ini, masih 24 lebih tinggi berbanding paras tertentu sebelum ini)

Kenapa angka ini penting?

Lebihan rig minyak bermaksud kapasiti pengeluaran tambahan. Bila penganalisis bercakap tentang “incoming glut”, mereka risau senario di mana:

• Rig terus bertambah
• Produktiviti per rig kekal tinggi (shale oil sangat produktif)
• Permintaan global perlahan (contoh: kelembapan ekonomi China atau Eropah)

Gabungan faktor ini menekan harga minyak. Bagi Malaysia, walaupun kita bukan pemain sebesar AS atau Arab Saudi, pendapatan kerajaan dan strategi pelaburan Petronas masih sangat sensitif kepada harga minyak Brent dan Tapis.

Satu keputusan menambah atau mengurangkan 5–10 rig di negara utama boleh memberi kesan kepada bajet, CAPEX dan jadual projek Petronas bertahun-tahun ke hadapan.

Di sinilah AI & analitik ramalan masuk sebagai alat taktikal dan strategik.

---

Dari Rig ke Algoritma: Kenapa AI Jadi Senjata Baru Pengeluar Minyak

Realitinya, kebanyakan syarikat minyak tahu data itu penting. Masalahnya, terlalu banyak data, terlalu sedikit masa.

• Data rig global
• Data storan komersial & strategik
• Data penghantaran (tanker tracking)
• Data makroekonomi & geopolitik
• Data operasi dalaman (tekanan reservoir, kadar alir, kadar penukaran loji LNG, dan lain-lain)

Manusia boleh analisis sebahagian kecil sahaja. AI dan pembelajaran mesin boleh hadam ribuan siri masa secara serentak dan menghasilkan ramalan yang lebih konsisten.

3 fungsi utama AI dalam membuat keputusan “rig & pengeluaran”

1. Peramalan harga & permintaan (AI demand & price forecasting)
   Model AI boleh menggabungkan data rig AS, pengeluaran OPEC+, inventori global, ekonomi China, hingga corak perjalanan udara untuk menganggarkan:

   • Julat harga minyak 3, 6, 12 bulan ke hadapan
   • Senario permintaan (optimistik, asas, pesimistik)

2. Perancangan senario (scenario planning berasaskan data)
   Bukannya bertanya “berapa rig patut kita jalankan?”, soalan lebih tepat ialah:
   “Jika harga Brent di bawah USD70 selama 9 bulan, strategi pelantar lepas pantai Sabah & Sarawak apa yang paling masuk akal?”
   AI boleh simulasi puluhan senario dan mengira impak kepada:

   • Tunai operasi (operating cash flow)
   • NPV projek jangka panjang
   • Risiko teknikal & keselamatan

3. Pengoptimuman portfolio aset
   Tak semua telaga dan rig sama produktif. AI boleh menilai:

   • Telaga mana paling kos efektif untuk dipertingkatkan
   • Aset mana patut dihentikan sementara (shut‑in) bila harga rendah
   • Kawasan mana sesuai untuk enhanced oil recovery berbanding telaga baharu

Hasilnya, keputusan bukan lagi berdasarkan “tradisi” atau “kita selalu buat macam ni”, tetapi model kuantitatif yang boleh diaudit dan diuji.

---

Bagaimana Petronas Boleh Guna AI Menghadapi Ketidaktentuan Global

Petronas sudah pun melabur besar dalam analitik, pusat data dan inisiatif AI. Langkah seterusnya ialah menjadikan AI sebahagian daripada “otak taktikal” syarikat.

1. AI untuk perancangan pengeluaran & eksport

Apabila penganalisis menjangka Lebihan Bekalan (glut) minyak, persoalannya: adakah Malaysia patut:

• Menyusun semula jadual offtake dan eksport?
• Menumpu kepada produk bernilai tambah seperti petrokimia?
• Mengalihkan berat portfolio kepada gas asli & LNG?

Model AI peramalan pasaran boleh membantu:

• Menentukan volum eksport optimum untuk mengurangkan risiko jual pada harga terlalu rendah
• Menilai bila lebih untung menyimpan minyak (storage) berbanding menjual segera
• Menyesuaikan operasi loji penapisan dan petrokimia mengikut margin semasa

2. AI untuk pengurusan rig & telaga di Malaysia

Walaupun angka rig AS jadi tajuk utama, strategi tempatan sama penting:

• Di offshore Sabah, Sarawak dan Terengganu, AI boleh menganalisis data geologi, tekanan reservoir, dan sejarah produksi untuk mencadangkan:
  • Telaga mana patut menerima workover dulu
  • Kawasan mana sesuai untuk penggerudian lanjutan (infill drilling)
  • Risiko kegagalan peralatan bawah laut (subsea equipment) beberapa bulan awal

Contoh praktikal:

• Sistem AI membaca data vibration dan suhu pam bawah tanah, lalu mengesan corak pelik 3 minggu sebelum kegagalan kritikal.
• Pasukan penyelenggaraan menjadualkan intervensi ketika jendela weather window yang selamat.
• Pengeluaran tak perlu dihentikan mengejut; kadar alir (flow rate) boleh diurus secara terkawal.

Hasilnya:
Kurang downtime tak dirancang, lebih kestabilan pengeluaran, dan kos penyelenggaraan yang lebih rata.

---

Dari Pelantar ke Utiliti: Peranan AI untuk TNB, Sabah Electricity dan Lain-lain

Kesan lebihan bekalan minyak dan gas bukan pada huluan (upstream) sahaja. Utiliti besar seperti TNB, Sabah Electricity, Sarawak Energy juga perlu mengurus risiko harga bahan api dan corak permintaan elektrik yang tidak menentu.

AI untuk pengoptimuman bahan api & loji jana kuasa

Bila harga minyak dan gas berubah:

• Kos jana kuasa turbin gas berubah
• Keputusan peralihan antara gas, arang batu dan tenaga boleh baharu jadi lebih sensitif

Di sinilah AI untuk pengoptimuman tenaga jadi kritikal:

• Ramal permintaan elektrik mengikut musim (contoh: cuti sekolah, perayaan, cuaca panas hujung tahun)
• Cadangkan kombinasi loji (generation mix) paling kos efektif untuk jam, hari dan bulan tertentu
• Mengurangkan kos bahan api sambil kekalkan keselamatan sistem (grid stability)

AI dan kecekapan rangkaian

Bagi utiliti, selain kos bahan api, kerugian teknikal dan bukan teknikal (technical & non‑technical losses) juga kritikal. AI boleh:

• Mengesan corak penggunaan yang luar biasa yang mungkin tanda kecurian elektrik
• Mengoptimumkan voltan dan beban di rangkaian untuk kurangkan kerugian tenaga
• Meramal peralatan yang hampir gagal (transformer, kabel, switchgear) sebelum gangguan besar berlaku

Kombinasi ini menjadikan AI bukan sekadar teknologi tambahan, tetapi alat langsung untuk mengurangkan OPEX dan meningkatkan kebolehpercayaan grid.

---

Langkah Praktikal: Bagaimana Pemain Tenaga Malaysia Boleh Bermula Serius dengan AI

Ramai pengurus sudah yakin AI penting, tetapi buntu pada soalan: “mula dari mana?”
Daripada apa yang saya lihat berkesan di syarikat tenaga serantau, pendekatan berikut lebih praktikal berbanding sasaran mega yang kabur.

1. Mulakan dengan satu masalah bernilai tinggi, bukan 20 POC kecil

Contoh untuk sektor minyak & gas Malaysia:

• Pengurangan downtime tidak dirancang di pelantar lepas pantai
• Peramalan pengeluaran untuk perancangan jualan LNG dan minyak mentah

Untuk utiliti:

• Peramalan beban yang lebih tepat pada skala 15 minit sehingga 7 hari
• Pengurangan kerugian rangkaian di kawasan berisiko tinggi

Pilih satu masalah dengan:

• Nilai kewangan yang jelas (RM berjuta, bukan ribu)
• Data sedia ada yang munasabah kualitinya
• “Owner” perniagaan yang komited

2. Bentuk pasukan hibrid: domain + data + operasi

Projek AI yang berjaya hampir selalu ada tiga kumpulan ini bekerja rapat:

• Subject matter experts – jurutera petroleum, pengurus loji, pakar grid
• Data scientist / data engineer – membina model, pipeline data, MLOps
• Owner operasi – orang yang akan guna hasil model dalam keputusan harian

Tanpa pemilik operasi, model AI hanya tinggal papan pemuka cantik yang tiada siapa guna.

3. Bangunkan “AI playbook” untuk huluan & utiliti

Daripada projek ad hoc, jadikan AI sebagai program berulang dengan playbook jelas:

• Senarai kes guna keutamaan tinggi (use case library) untuk upstream, midstream, downstream dan utiliti
• Standard data (naming, quality, governance)
• Proses “from pilot to scale” – apa kriteria sesuatu model AI layak diperluas ke seluruh organisasi

Bila playbook ini mantap, respon kepada kejutan seperti penambahan rig AS di tengah-tengah risiko glut menjadi lebih tersusun. Keputusan strategik boleh dibuat lebih cepat, disokong data dan simulasi.

---

Penutup: Dari Ketidaktentuan Rig AS ke Keputusan Data-Driven di Malaysia

Perubahan kecil pada angka rig di AS hari ini boleh membawa kesan besar kepada harga minyak tahun depan. Dalam dunia macam ini, meneka bukan lagi strategi. Pengeluar seperti Petronas dan utiliti utama Malaysia perlukan AI, analitik ramalan dan pengoptimuman tenaga supaya setiap keputusan – dari pelantar di laut dalam hingga pusat kawalan grid – disokong data, bukan naluri semata-mata.

US drillers mungkin menambah rig walaupun penganalisis menjangka lebihan bekalan. Di Malaysia, kita boleh ambil jalan lebih tersusun: gunakan AI untuk:

• Menilai senario pasaran global dengan lebih tajam
• Mengoptimumkan pelaburan rig, telaga dan loji jana kuasa
• Mengurangkan downtime, kerugian tenaga dan kos bahan api

Syarikat yang bermula lebih awal dengan AI akan lebih bersedia menghadapi 2026 dan seterusnya, apabila turun naik harga dan peralihan tenaga menjadi lebih kompleks. Soalannya sekarang: di mana dalam operasi anda hari ini AI boleh memberi impak terbesar dalam 12 bulan akan datang – dan apa langkah pertama yang anda berani komit esok pagi?