Einride dan IonQ guna AI + kuantum untuk optimakan logistik elektrik. Apa pelajaran praktikal untuk kilang automotif, E&E dan semikonduktor di Malaysia?
AI + Kuantum: Dari Logistik ke Kilang Pintar
Satu angka yang jarang disebut: pasaran pengangkutan jalan raya global dianggarkan bernilai sekitar $4.6 trilion. Setiap 1% penjimatan kos operasi flot lori bermakna berbilion dolar dijimatkan. Sebab itu, bila Einride dan IonQ umum kerjasama menggunakan komputasi kuantum untuk mengoptimumkan logistik kargo elektrik dan autonomi, seluruh dunia logistik dan pembuatan patut beri perhatian.
Bagi pemain pembuatan di Malaysia – terutama dalam automotif, elektronik dan semikonduktor – cerita Einride–IonQ ini bukan sekadar berita teknologi di luar negara. Ia sebenarnya “preview” kepada apa yang akan berlaku pada rantaian bekalan dan kilang pintar di rantau ini dalam 3–5 tahun akan datang.
Dalam siri AI dalam Pengangkutan & Logistik ini, kita lihat bagaimana AI digunakan untuk perancangan laluan, automasi gudang dan analitik flot. Kali ini, kita naik satu aras: gabungan AI + komputasi kuantum yang sedang diuji dalam logistik elektrik boleh menjadi model untuk mengoptimumkan talian pengeluaran, jadual mesin, dan aliran bahan di kilang-kilang Malaysia.
Apa Sebenarnya Einride & IonQ Sedang Buat?
Ringkasnya: Einride menguruskan ekosistem pengangkutan elektrik dan autonomi (lori elektrik, lori autonomi, infrastruktur pengecasan, perisian pengoptimuman). IonQ pula membekalkan platform komputasi kuantum.
Mereka menandatangani kerjasama tiga tahun untuk menggabungkan:
- Platform AI pengoptimuman Saga (Einride) – otak yang rancang laluan, jadual, dan penggunaan tenaga bagi flot elektrik & autonomi
- Algoritma pengoptimuman kuantum (IonQ) – modul khusus yang menyelesaikan sub-masalah sangat kompleks, contohnya pengagihan penghantaran (shipment allocation) di bawah pelbagai kekangan dunia sebenar
Fokus fasa awal: mengoptimumkan peruntukan penghantaran dengan mengambil kira kekangan sebenar seperti ketersediaan kenderaan, masa kerja pemandu, kapasiti bateri, jadual pengecasan dan permintaan pelanggan.
Menariknya, mereka tidak cuba ganti keseluruhan sistem dengan kuantum. Pendekatan mereka adalah hibrid:
- Pecahkan masalah besar – contohnya pengorchestrasian flot – kepada modul kecil
- Guna komputer klasik dan algoritma AI biasa untuk sebahagian besar kerja
- Guna modul kuantum hanya pada bahagian yang benar-benar kompleks (contohnya kombinasi pengagihan penghantaran yang hampir mustahil dikira dengan cara biasa dalam masa singkat)
Inilah pendekatan yang sangat relevan kalau anda sedang fikir bagaimana nak bawa AI dan teknologi baru ke kilang tanpa huru-hara.
Kenapa Cerita Logistik Ini Penting untuk Pembuatan Malaysia
Bagi industri pembuatan Malaysia – sama ada E&E, automotif atau semikonduktor – cabaran terasnya hampir sama dengan logistik elektrik Einride:
- Terlalu banyak pembolehubah: mesin, jadual shift, ratusan SKU, ribuan komponen
- Banyak kekangan serentak: masa set-up mesin, kapasiti mesin, penyelenggaraan, kualiti, kekurangan operator mahir
- Tekanan kos & masa: pelanggan mahu lead time lebih pendek, kos mesti turun, yield mesti naik
Apa yang Einride buat pada logistik boleh diterjemahkan hampir satu-ke-satu kepada pembuatan:
1. Pengagihan Penghantaran ≈ Penjadualan Talian Pengeluaran
Masalah pengagihan penghantaran yang Einride optimakan sangat serupa dengan:
- Mesin mana patut proses lot wafer yang mana?
- Talian pemasangan mana patut buat varian model kereta yang mana?
- Dalam satu syif, susunan kerja mana beri output tertinggi dengan penggunaan tenaga paling rendah?
AI klasik sudah gunakan heuristic dan metaheuristic (contoh: genetic algorithm, tabu search) untuk selesaikan masalah ini. Tetapi bila skala besar – ratusan mesin, ribuan job – masalah mula jadi sangat sukar.
Di sinilah modul kuantum berpotensi masuk:
- Menilai berjuta-juta kombinasi jadual dalam masa lebih singkat
- Mencari konfigurasi yang jimat tenaga, masa dan kos serentak
- Mengambil kira kekangan yang rumit (contoh: penukaran tooling, window masa QC, batasan tenaga grid dalaman)
2. Pengecasan Flot Elektrik ≈ Pengurusan Tenaga di Kilang
Einride perlu merancang bila dan di mana lori elektrik perlu dicas, tanpa ganggu operasi penghantaran. Kilang Malaysia pula semakin banyak guna:
- Tenaga boleh baharu (solar rooftop)
- Sistem penyimpanan tenaga (battery energy storage)
- Tarif masa puncak (TOU – time of use)
Konsep sama boleh digunakan untuk:
- Menjadualkan mesin berintensiti tinggi tenaga di luar waktu tarif puncak
- Mengoptimumkan penggunaan solar vs grid
- Merancang “energy-aware scheduling” – bukan sekadar output maksimum, tetapi output maksimum per kWh
3. Flot Autonomi ≈ Robot Autonomi di Kilang & Gudang
Einride urus lori autonomi di jalan raya; kilang Malaysia sedang meningkatkan penggunaan:
- Autonomous Mobile Robots (AMR)
- Automated Guided Vehicles (AGV)
- Robot lengan kolaboratif di talian
Orchestration flot autonomi di kilang sebenarnya versi mini kepada apa yang Einride buat:
- Laluan AMR antara stor, talian pengeluaran dan kawasan penghantaran
- Keutamaan job berdasarkan status talian, tahap WIP dan due date
- Pengelakan kesesakan (congestion) di lorong sempit
Pendekatan modular + AI + kuantum boleh digunakan untuk mengoptimumkan:
- Berapa banyak AMR patut beroperasi pada satu masa
- Laluan optimum untuk minimakan jarak perjalanan dan masa menunggu
- Integrasi real-time dengan MES/ERP bila ada perubahan order
Dari AI ke Kuantum: Apa Realistik untuk 3–5 Tahun Akan Datang?
Ramai pengurus kilang skeptikal bila dengar perkataan “komputasi kuantum” – rasa macam teori semata-mata. Saya setuju: kita belum lagi di tahap semua kilang perlu beli komputer kuantum.
Tapi kalau tengok cara Einride–IonQ bergerak, ada beberapa poin praktikal yang pengeluar Malaysia boleh belajar:
1. Mulakan dengan AI & Pengoptimuman Klasik Dulu
Einride sudah pun mempunyai platform Saga yang matang sebelum bawa kuantum:
- Dashboard operasi
- Algoritma pengoptimuman laluan & flot menggunakan AI klasik
- Integrasi penuh dengan data operasi sebenar
Untuk kilang:
- Pastikan data asas mantap – OEE, downtime, output, penggunaan tenaga, yield
- Guna AI klasik dulu untuk:
- Ramalan permintaan & perancangan kapasiti
- Penjadualan pengeluaran asas
- Maintenance berasaskan data (predictive maintenance)
- Hanya bila model ini stabil, baru fikir modul lanjutan seperti kuantum
2. Fikir Pendekatan Hibrid, Bukan “Buang Sistem Lama”
Einride tak buang sistem sedia ada; mereka modularize masalah dan tambah modul kuantum pada bahagian tertentu. Corak sama boleh digunakan di kilang:
- Kekalkan MES/ERP sedia ada
- Bangunkan modul pengoptimuman AI di atasnya
- Di masa depan, tambah modul kuantum yang “plug-in” khusus untuk masalah sangat kompleks (contoh: global scheduling lintas beberapa kilang di beberapa negara)
3. Fokus pada Use Case Jelas, Bukan Teknologi Dulu
Einride mula dengan 15 kes penggunaan kuantum berpotensi – daripada penjadualan penghantaran hingga energy trading dan keselamatan lori autonomi – sebelum pilih fokus pertama iaitu shipment allocation.
Untuk pembuatan Malaysia, calon use case berimpak tinggi termasuk:
- Penjadualan talian SMT (surface mount technology) dengan ratusan komponen
- Pengoptimuman “lot release” di fab semikonduktor dengan WIP besar
- Pengagihan order antara beberapa kilang / vendor (make-or-buy decision)
- Penggunaan tenaga optimum seluruh kilang mengikut tarif TNB
Syarikat tak perlu “AI di merata tempat”. Cukup 1–3 use case yang beri ROI jelas dalam 12–24 bulan.
Apa Maksudnya untuk OEM & Tier-1 di Malaysia
Einride sudah pun ada lebih 25 pelanggan perusahaan merentasi tujuh negara, dengan jangkaan ARR $65 juta daripada kontrak ditandatangani, dan lebih $800 juta potensi ARR jangka panjang. Angka ini beritahu satu perkara: pelanggan enterprise sanggup bayar untuk pengoptimuman yang benar-benar kurangkan kos operasi.
Bagi pemain automotif dan E&E di Malaysia, ada tiga implikasi besar:
1. Tekanan daripada Pelanggan Global
OEM global yang menjadi pelanggan Einride akan mula biasakan diri dengan:
- Data logistik real-time yang terperinci
- Laporan jejak karbon yang lebih tepat (co2 per penghantaran)
- Prestasi penghantaran yang lebih konsisten
Lambat-laun, mereka akan minta tahap ketelusan dan kecekapan yang sama daripada vendor di Malaysia – bukan sahaja pada logistik keluar, tetapi juga:
- Konsistensi lead time
- Penggunaan tenaga per unit produk
- Rekod kecacatan dan “traceability” yang lebih granular
2. Peluang Menjadi “Living Lab” AI & Kuantum
Malaysia sudah pun jadi hub pembuatan untuk banyak MNC semikonduktor dan E&E. Dengan kedudukan ini, syarikat di sini boleh:
- Tawar diri sebagai tapak perintis (pilot site) untuk projek pengoptimuman AI lanjutan
- Bekerjasama dengan penyedia teknologi AI/kuantum, universiti tempatan dan MNC
- Bangunkan keupayaan dalaman data & analytics yang boleh jadi kelebihan kompetitif serantau
3. Peralihan daripada Kos Murah ke Kecekapan Tinggi
Model “buruh lebih murah” tidak lagi mencukupi. Cerita Einride–IonQ menunjukkan arah masa depan: kos per unit rendah kerana operasi hiper-optimum, bukan kerana gaji murah.
Pengeluar yang mula bina keupayaan AI hari ini – walaupun hanya pada tahap analitik asas dan pengoptimuman klasik – akan berada di posisi kukuh bila teknologi seperti kuantum menjadi lebih matang dan komersial.
Cara Praktikal Untuk Mulakan di Malaysia (Tanpa Perlu Komputer Kuantum Dulu)
Sebelum bercakap pasal kuantum, ada beberapa langkah praktikal yang saya sendiri nampak berkesan di kilang Malaysia:
1. Audit Data Operasi & Rantaian Bekalan
Tanya soalan mudah tapi tegas:
- Data OEE anda konsisten dan boleh dipercayai atau tidak?
- Berapa banyak “data penting” – downtime, kadar scrap, masa changeover – yang masih dalam Excel manual?
- Data logistik (inbound & outbound) boleh dihubungkan dengan data pengeluaran atau terpisah?
Jika data asas belum kukuh, AI canggih pun tak akan bantu.
2. Pilih 1–2 Use Case Pengoptimuman Bertumpu
Contoh use case praktikal yang selari dengan apa Einride buat di logistik:
- Penjadualan talian untuk produk volum tinggi dengan banyak variant
- Perancangan pengeluaran tenaga-efisien berasaskan tarif elektrik
- Pengoptimuman penggunaan AMR/AGV di gudang dan lantai pengeluaran
Tetapkan metrik jelas: kos per unit, masa siap per lot, kWh per unit, dll.
3. Bina Kerjasama, Bukan Cuba Buat Semua Sendiri
Einride tidak bina komputer kuantum sendiri; mereka bekerjasama dengan IonQ. Pengeluar Malaysia juga patut lihat:
- Rakan teknologi AI tempatan / serantau
- Universiti yang ada kepakaran optimisasi, operasi research dan data sains
- Platform cloud yang sudah sediakan akses eksperimen kepada komputasi kuantum (bila organisasi sudah bersedia)
Realitinya, model kejayaan masa depan lebih kepada ekosistem daripada one-man show.
Ke Arah Rantaian Bekalan & Kilang Pintar Generasi Seterusnya
Cerita Einride dan IonQ menunjukkan satu hala tuju jelas: AI dan pengoptimuman lanjutan akan menjadi “enjin tersembunyi” di belakang logistik dan pembuatan global. Hari ini mereka mengoptimumkan flot lori elektrik dan kargo autonomi; esok, prinsip sama akan mengatur ribuan mesin, robot dan pekerja di kilang.
Bagi syarikat di Malaysia, persoalan utama bukan lagi "patut guna AI atau tidak", tetapi:
- Di mana dalam rantaian bekalan dan operasi kilang anda yang paling layak dioptimumkan dulu?
- Adakah data dan proses anda sudah cukup matang untuk jadi asas kepada AI – dan pada masa hadapan, kuantum?
Kalau syarikat seperti Einride boleh guna kombinasi AI + kuantum untuk mengurangkan bilangan kenderaan, penggunaan tenaga dan kos logistik dalam pasaran bernilai trilion dolar, tidak ada sebab pengeluar di Malaysia tak boleh capai kesan yang sama pada:
- Kos per unit produk
- Penggunaan tenaga per talian
- Lead time dan kebolehpercayaan penghantaran
Sekarang masa yang sesuai, sebelum masuk tahun kewangan baharu, untuk duduk sekejap dan tanya:
"Kalau AI boleh menjadualkan flot lori global dengan lebih bijak, apa yang menghalang kita daripada menggunakan pendekatan sama untuk talian pengeluaran di Kulim, Penang atau Tanjung Malim?"
Jika anda serius tentang transformasi AI dalam Pengangkutan & Logistik dan mahu kaitkannya terus dengan prestasi kilang, langkah pertama bukan beli teknologi mahal – tetapi pilih masalah operasi yang betul dan bina pasukan yang sanggup bereksperimen dengan data. Dari situ, ruang ke arah kuantum akan terbuka dengan sendiri.