Kapal Supertanker Kosong & Peranan AI Logistik

Krisis Supertanker: Kapal Baharu Berlayar Kosong

Enam supertanker baharu sanggup berlayar ribuan batu nautika tanpa sebarang kargo hanya untuk sampai lebih cepat ke lokasi memuatkan minyak mentah. Tahun lepas, corak pelik ini cuma berlaku sekali. Tahun ini, ia jadi norma baharu.

Ini bukan cerita sensasi lautan. Ini isyarat jelas bahawa rantaian bekalan minyak global tengah tegang, kadar sewaan kapal melambung, dan pemain industri terpaksa menukar strategi operasi dalam masa yang sangat singkat.

Bagi syarikat minyak, utiliti besar, mahupun gergasi tenaga seperti Petronas, keadaan ini bukan sekadar isu pengangkutan. Ia menyentuh kos, risiko bekalan, reputasi dan keupayaan mereka merancang pelaburan jangka panjang. Dalam siri AI in Transportation & Logistics ini, fokus kita mudah: bagaimana AI dalam logistik minyak & gas boleh mengurangkan tekanan seperti yang sedang berlaku di pasaran tanker hari ini.

---

Apa Sebenarnya Berlaku Dalam Pasaran Tanker Global?

Masalahnya ringkas: permintaan kapal meningkat lebih cepat daripada kapasiti yang ada.

Beberapa faktor utama sedang bertembung serentak:

• Pengeluar minyak, dalam dan luar OPEC, meningkatkan pengeluaran pada 2025
• Sekatan Barat ke atas Rusia mengubah aliran dagangan minyak dunia
• Risiko keselamatan di Laut Merah memaksa kapal ambil laluan lebih jauh
• Lebih banyak kapal terikat dalam perjalanan panjang, jadi kapasiti efektif berkurang

Data pasaran menunjukkan:

• Baltic Dirty Tanker Index (kadar penghantaran minyak mentah) naik lebih 50% sejak akhir Julai
• Baltic Clean Tanker Index (produk petroleum bersih) cuma naik sekitar 12%

Apabila VLCC (Very Large Crude Carrier) mencecah kadar USD100,000 sehari dan Suezmax sekitar USD80,000 sehari, pemilik kapal sanggup buat apa saja untuk “mengunci” kadar itu – termasuk menghantar kapal kosong dari Asia Timur ke Timur Tengah, Afrika atau Amerika hanya untuk memuatkan minyak mentah secepat mungkin.

Kenapa Kapal Baharu Lazimnya Tak Berlayar Kosong?

Biasanya, supertanker baharu ikut logik ini:

1. Dibina di limbungan Asia Timur (China, Korea Selatan)
2. Voyage pertama: bawa produk bersih seperti diesel atau petrol (lebih bersih daripada minyak mentah)
3. Tiba di pasaran import minyak mentah, barulah beralih kepada kargo minyak mentah

Ini menjimatkan kos, mengurangkan masa mencuci tangki, dan ikut aliran dagangan biasa: Asia mengimport minyak mentah, mengeksport produk.

Tapi sekarang, logik itu terbalik. Contohnya:

• Aliakmon I (VLCC) – dihantar dari limbungan di China akhir Jun, terus belayar kosong ke Kuwait, memuatkan hampir 2 juta tong minyak mentah, kemudian ke Vietnam
• Atrebates – diserahkan awal November di China, berlayar kosong ke Timur Tengah, ambil kargo Iraq, kini menuju Gibraltar

Bila enam kapal baharu ulang pola sama dalam satu tahun, itu bukan kebetulan. Itu tanda struktur pasaran berubah.

---

Di Mana AI Boleh Membantu Industri Tanker & Tenaga?

Jawapannya: AI logistik mampu mengurangkan kesan kekurangan kapal tanpa perlu menambah kapal baharu dengan cepat.

Bukan semua masalah boleh diselesaikan dengan menempah lebih banyak kapal. Kapal ambil masa bertahun untuk dibina. AI, sebaliknya, boleh mengoptimumkan apa yang sudah ada dalam bulan, malah minggu.

Beberapa bidang utama di mana AI memberi impak terus kepada isu seperti dalam artikel Bloomberg tadi:

1. Perancangan Laluan (Route Optimization) Yang Adaptif

AI boleh mengira ratusan ribu senario laluan berdasarkan:

• Jarak dan masa pelayaran
• Kadar sewaan semasa di pelbagai laluan
• Risiko geopolitik (contoh: elak Laut Merah jika ancaman tinggi)
• Keadaan cuaca, arus, dan penggunaan bahan api

Daripada sekadar tanya, "Laluan mana paling dekat?", sistem AI tanya soalan lebih tepat:

"Laluan mana memberi nilai ekonomi tertinggi sambil mematuhi risiko keselamatan dan kontrak penghantaran?"

Untuk pemain seperti Petronas yang urus armada kapal sendiri dan juga sewaan pihak ketiga, sistem perancangan laluan berasaskan AI boleh:

• Mengurangkan hari kapal kosong (ballast days)
• Mengimbangkan antara masa tiba dan kadar sewa
• Mengelak kes kapal terpaksa berlayar kosong terlalu jauh tanpa justifikasi komersial yang kukuh

2. Pengagihan Kapal & Slot Charter Secara Dinamik

Dalam keadaan kadar sewa liar dan laluan terganggu, keputusan pengagihan kapal jadi permainan data, bukan sekadar pengalaman.

AI logistik boleh:

• Menggabungkan data pengeluaran lapangan minyak, jadual terminal, ramalan permintaan pelanggan
• Mencadangkan kapal mana patut dihantar ke mana, pada tarikh berapa, dengan kombinasi kontrak spot dan jangka panjang yang paling menguntungkan
• Mengira opportunity cost jika satu kapal dihantar kosong ke Timur Tengah vs tunggu kargo produk bersih di Asia

Inilah perbezaan antara operasi berdasarkan Excel dan operasi berasaskan platform AI terpusat. Yang pertama cepat tepu bila bilangan senario naik. Yang kedua boleh terus skala ke ratusan laluan dan puluhan kapal tanpa hilang ketepatan.

3. Ramalan Permintaan & Kadar Sewaan (Freight Forecasting)

Ramalan kadar sewa tanker bukan lagi “teka-rata” berdasarkan pengalaman penganalisis. Model AI moden boleh:

• Menggabungkan data sejarah Baltic Index
• Menjejak pengeluaran minyak mengikut negara
• Memasukkan berita geopolitik (sekatan, konflik, kawal selia baharu)
• Mengambil kira faktor bermusim (musim sejuk Eropah, permintaan Asia menjelang Tahun Baru Cina)

Hasilnya: ramalan kadar sewa beberapa minggu hingga beberapa bulan ke hadapan dengan julat keyakinan yang jelas.

Kegunaan praktikal untuk syarikat tenaga:

• Putuskan bila masa sesuai mengunci kontrak jangka sederhana sebelum kadar melonjak
• Rancang penghantaran besar (contoh untuk utiliti atau penapisan) pada tetingkap harga sewa yang lebih rendah
• Menilai sama ada berbaloi menghantar kapal kosong jauh, berdasarkan jangkaan kadar di destinasi

4. Penyelenggaraan Prediktif (Predictive Maintenance) Armada

Bila pasaran ketat, setiap hari kapal berhenti untuk rosak atau docking tak dirancang adalah kerugian besar.

Sensor atas kapal, data enjin, dan rekod sejarah kerosakan boleh dimasukkan dalam model AI untuk:

• Meramalkan komponen mana berisiko gagal dalam 30–90 hari akan datang
• Menjadualkan penyelenggaraan ketika kapal sememangnya dalam tempoh idle terancang, bukan ketika ia sepatutnya mengambil kargo berharga tinggi
• Mengurangkan risiko kapal terkandas di tengah laluan panjang yang sudah pun lebih jauh akibat elak zon konflik

Untuk operator seperti Petronas yang sentiasa ditekankan kepada keselamatan dan kebolehpercayaan aset, predictive maintenance bukan sahaja menjimatkan kos – ia juga mengurangkan risiko insiden yang boleh menjejaskan reputasi global.

---

Dari Pelabuhan ke Bilik Kawalan: Seni Mengurus Data Logistik

Semua manfaat AI hanya wujud bila data logistik dan operasi benar-benar boleh dipakai.

Saya pernah nampak banyak projek digital yang sangkut bukan sebab teknologi lemah, tapi kerana isu asas ini:

• Data voyage di satu sistem, data kontrak di sistem lain
• Log kapal masih ada dalam bentuk kertas atau PDF
• Standard penamaan pelabuhan, kapal, jenis kargo tak seragam

Apa Yang Syarikat Tenaga Patut Buat Sekarang?

1. Satukan data operasi laut dalam satu platform
   Bukan sekadar data GPS kapal, tapi juga:

   • Jadual pemuatan & pemunggahan
   • Data cuaca & laluan
   • Kontrak sewa dan klausa fleksibiliti

2. Bina pasukan hibrid: operasi + data + IT
   AI logistik tak boleh diserahkan bulat-bulat pada vendor atau IT sahaja. Orang yang pernah duduk dalam chartering desk dan operasi pelabuhan mesti ada dalam pasukan reka bentuk model.

3. Mulakan dengan kes guna bernilai tinggi tapi skop jelas
   Contoh yang sesuai:

   • Mengoptimumkan laluan untuk 10–20 kapal utama
   • Ramalan kadar sewa untuk 3 laluan strategik
   • Model penyelenggaraan prediktif untuk enjin jenama tertentu sahaja

4. Integrasi dengan inisiatif AI lain dalam organisasi
   Jika organisasi sudah guna AI untuk ramalan permintaan tenaga, pengurusan grid elektrik atau perancangan penapisan, sambungkan model-model ini dengan modul logistik.

   Kekuatan sebenar AI muncul bila perancangan bekalan, pengeluaran dan pengangkutan semua bercakap bahasa data yang sama.

---

Kenapa Ini Kritikal Untuk Pemain Seperti Petronas & Utiliti Besar

Krisis tanker hari ini menunjukkan satu perkara:

Sesiapa yang mengurus logistik minyak & gas berdasarkan data masa nyata dan AI akan membeli masa dan margin berbanding pesaing.

Beberapa kesan langsung untuk gergasi tenaga dan utiliti:

• Kos pengangkutan per tong boleh turun apabila laluan, kadar sewa dan masa kapal kosong dioptimumkan
• Risiko gangguan bekalan (contoh untuk penjanaan elektrik, kilang petrokimia) dapat dikurangkan dengan perancangan kapal yang lebih tepat
• Kebolehjejak karbon (carbon footprint) lebih baik bila kapal mengelak laluan sia-sia dan penggunaan bahan api lebih efisien – satu poin penting dalam laporan ESG

Saya sendiri lebih cenderung dengan pendekatan ini: jangan tunggu krisis seterusnya baru mahu “buat AI”. Gunakan krisis tanker semasa sebagai alasan kuat untuk mempercepatkan pelaburan dalam AI logistik.

Bagi pembaca yang ikut siri AI in Transportation & Logistics ini dari awal: apa berlaku dalam dunia tanker hari ini sebenarnya cermin apa yang sudah lama berlaku dalam sektor lain – kurier, e-dagang, dan rangkaian gudang. Bezanya, dalam minyak & gas, setiap keputusan salah boleh bernilai jutaan dolar, bukan sekadar kelewatan bungkusan.

---

Langkah Seterusnya: Dari Teori AI ke Projek Nyata

Beberapa langkah praktikal yang organisasi minyak & utiliti di Malaysia boleh ambil dalam 6–12 bulan akan datang:

• Audit keupayaan data logistik sedia ada – tahu apa yang ada dulu sebelum bercakap tentang AI
• Kenal pasti 2–3 laluan penghantaran utama di mana kesan pengoptimuman paling besar
• Jalankan projek perintis (pilot) untuk perancangan laluan AI atau ramalan kadar sewa, dengan sasaran pulangan yang jelas (contoh: penjimatan 5–10% kos freight)
• Wujudkan “control tower” digital yang memaparkan status kapal, kargo dan risiko laluan secara masa nyata

Pasaran tanker akan terus berayun – kadang-kadang longgar, kadang-kadang ketat seperti sekarang. Tetapi organisasi yang menggabungkan pengalaman maritim dengan AI logistik yang matang tak perlu panik setiap kali indeks Baltic naik mendadak.

Satu soalan yang wajar ditanya dalam mesyuarat seterusnya:

“Jika enam supertanker baharu sanggup berlayar kosong kerana sistem pasaran sekarang, bagaimana kita boleh gunakan AI untuk pastikan armada dan kontrak kita tak terperangkap dalam situasi yang sama?”

Jawapan tepat mungkin berbeza bagi setiap organisasi, tapi hala tujunya serupa: data yang bersih, model AI yang fokus, dan keberanian untuk mengubah cara tradisional mengurus logistik tenaga.