Bersama Pengarah Urusan Gading Kencana Sdn. Bhd., Datuk Ir Guntor Tobeng, mengulas inisiatif terkini Gading Kencana dalam memperkukuh operasi ladang solar melalui integrasi teknologi Kecerdasan Buatan (AI) berasaskan deep learning.
Category
🗞
NewsTranscript
00:00Intro
00:00Baik dalam episod Pantah Belanjuan kali ini kita nak beri tumpuan kepada solar iaitu sektor solar khususnya
00:17di mana Gading Kecana sedang berhad salah sebuah syarikat peneraju dalam industri teraga solar di Malaysia
00:21terus memperkukuh operasinya dengan mengintegrasikan teknologi kecedasan buatan AI
00:26berasaskan deep learning dalam pengurusan ladang solar mereka
00:30lalui kerjasama strategik dengan Universiti Tun Husin on Malaysia UTHM Gading Kecana
00:35sedang membangunkan model forecasting tempatan yang sesuai dengan iklim tropikal Malaysia
00:40pengarah urusannya Dato' Gunter Taubeng berkata model itu menggunakan algoritma AI
00:45untuk menganalisis data cuaca dan prestasi ladang secara masa nyata
00:50dan sudah bersedia untuk kelas lebih lanjut kita bawakan pengarah urusannya sendiri
00:53Dato' Gunter Taubeng saya nak ucapkan terima kasih Dato' kena sedih melakukan masa bersama kami
00:57dan juga tanya untuk inisiatif ini sudah tentu ia adalah antara
01:01kita lihat inisiatif yang sangat baik untuk industri solar
01:05pertama sekali mungkin boleh kongsikan kepada kami Dato'
01:07bagaimana kerjasama dengan UTHM dalam membangunkan model forecasting tempatan ini
01:12mampu menjadikan operasi solar yang lebih cekap berbanding dengan teknologi ramalan yang kita sudah ada ini?
01:17terima kasih Nina
01:19yang pertama sekali membangunkan model forecasting tempatan ini
01:24untuk operasi solar boleh menjadikan operasi lebih cekap berbanding dengan teknologi ramalan yang dia ada
01:31kerana nombor satu sekali kita menggunakan konteks geografi
01:36cuaca mikro dan data spesifik lokasi
01:39kalau sebelum ini kita cuma guna software-software antarabangsa
01:44seperti PVC, Helios dan sebagainya
01:47jadi dengan adanya kita punya AI ini
01:50kita dapat ramalan yang lebih tepat lagi lah
01:54kerana nombor satu
01:55penyesuaian dengan ciri-ciri cuaca mikro tempatan
01:58jadi model tempatan ini boleh menggunakan data sensor
02:02dari tapak solar itu sendiri
02:04jadi solar pump kita di Melaka dah 11 tahun
02:07solar pump kita di Bido dah 6 tahun
02:10jadi dengan adanya data asteri lah
02:13contohnya data daripada paranometer
02:15sensor suhu, kelembapan, kelajuan angin
02:19dan kita boleh melatih model ini sebenarnya dapat lebih tepat
02:23dan yang keduanya ialah
02:24untuk membantu ramalkan radiasi surya dengan lebih tepat
02:29yang kritikal untuk mengoptimumkan output tenaga
02:32jadi hari ini kalau kita buat projek solar pump
02:37kita selalunya terlibat dengan pinjaman bank
02:40jadi pihak bank itu nak pastikan yang ramalan yang kita buat itu tepat
02:45dan dengan adanya AI yang kita develop bersama dengan Universiti Turusinon ini
02:51insya Allah, nesaya dia akan bagi ketepatan yang lebih
02:55dan penghukuhan yang lebih untuk kita jaminkan kita punya pengeluaran
03:00dan pembayaran balik pinjaman pada bank
03:02dan kita tahu ini adalah antara usaha untuk tingkatkan lagi
03:06kecakapan kepada tahap maksimum
03:08tapi Dato' kita tahu bukan mudah untuk menintegrasikan perkara ini
03:11mungkin kohosikan antara kita lihat journey ataupun perjalanan ini
03:16apa antara cabaran utama untuk integrasikan teknologi deep learning AI
03:20ke dalam pengurusan ladang solar di Malaysia
03:22terutamanya dengan perubahan cuaca yang tidak mentu ini
03:25ini soalan yang baik kalau kita kata pun macam meludah ke langit jatuh ke muka sendiri
03:32dulu kita tak ambil perhatian sangat dengan data dan big data ni
03:38kita tak bagi perhatian sangat
03:39tapi bila kita terlibat dalam industri solar ni
03:42cabaran utama dia adalah ketersediaan dan kualiti data
03:46jadi kalau kita tengok even kalau kita minta maklumat daripada Jabatan Meteorologi pun
03:54kadang-kadang ada waktu tertentu weather station dia down
03:58jadi data tak ada
03:59macam kita di solar farm pun kita mengalami masalah yang sama
04:02tapi oleh kena dalam solar farm tu kita ada 4 weather station
04:06jadi kita masih boleh tampung
04:08tapi itulah
04:10kalau ada
04:11kalau satu atau dua weather station kita rosak dan 4 tu
04:15ketersediaan dan kualiti data tu menjadi faktor yang akan menentukan
04:20keberkesanan desain AI kita ni
04:24jadi deep learning ni memerlukan jumlah data yang besar dan kualiti tinggi
04:29reliability pun tinggi
04:31banyak ladang solar masih belum memiliki sistem pemantauan pintar
04:35untuk mengumpul data secara konsisten
04:38kalau kita pergi ada yang tak buat maintenance
04:41ada yang data tak lengkap
04:42ada masa-masa tertentu tak ada
04:44jadi ini kita tak boleh
04:45contoh
04:46data tentang iradian surya
04:49suhu panel
04:50prestasi inverter
04:51dan data kegagalan tidak selalu tersedia dengan lengkap
04:56ada tapi tak complete
04:57jadi ini yang kita nak kita pastikan
05:00yang keduanya ialah
05:01kepakaran semua manusia
05:04jadi macam kita duduk kata selalulah
05:06kekurangan jurutera
05:07pakar data yang mahir dalam AI dan tenaga boleh diperbaiki ni sangat
05:12sangat sukar
05:13jadi kalau kita cerita pasal
05:15solar ni orang fikir pasal solar panel
05:19inverter and then connection jalan
05:21tapi lebih dari situ ialah
05:24keterjaminan data yang terbagi tu
05:26menteri Malaysia
05:27walaupun terdapat peningkatan dalam peningkatan AI
05:31kebanyakan pakar masih tertempur dalam sektor IT
05:34dan bukan sektor tenaga
05:36sektor tenaga ni kurang
05:38jadi maknanya kita dengar adanya
05:40netter ini saya rasa
05:42tumpuan tu bukan hanya kepada
05:45basic generation power plant saja
05:48juga kepada incidental ataupun benda-benda yang perlu datang bersama
05:52yang ketiga ialah kos pelaksanaan
05:54jadi kos pembangunan
05:56pelatihan model AI dan
05:59integrasi dalam sistem sedia ada ni adalah agak tinggi
06:02jadi sebab tu kita
06:03kita keluar dari sini
06:04banyak orang tanya saya
06:06dah dapat grant daripada mana-mana agensi
06:08saya kata tak
06:09jadi kita ada memang kita ada
06:11perutukan dari bahagian daripada kita punya
06:13pendapatan
06:14kita allocate untuk buat research
06:16dan research ini nampaknya
06:18telah bagi hasil yang baik
06:20yang keempat ialah
06:21integrasi dengan infrastruktur sedia ada
06:24jadi sistem lama
06:25mungkin tak serasi dengan teknologi AI modern
06:27jadi maknanya sensor dan peranti IoT
06:30yang lama suka dicambungkan
06:32dengan platform AI
06:33dan analisis real time
06:36jadi tu satu cabaran yang kita lalui
06:38yang keempat
06:39lima ialah
06:40isu cuaca tropical yang persekitaran
06:42tahun lepas dengan tahun ni
06:46selalunya bulan 11 tu hujan
06:49bulan 3 dah
06:50dah matah terik
06:52tapi tahun ni nampaknya ada perbezaan yang besar
06:54bulan 3 masih hujan
06:56tiap-tiap hari lagi di Bido
06:58jadi ni apa namanya
07:00keadaan cuaca tropical
07:01seperti hujan lebat
07:02kelembapan tinggi
07:04dan awan tebar ni
07:05menyebabkan Ramallah Apu Solam
07:07agak meleset
07:08jadi bila meleset tu
07:09maknanya dia lebih komplek
07:11untuk menentukan
07:11Ramallah yang tepat
07:13yang ke enamnya ialah
07:15sokongan polisi dan regulation
07:17kita tak ada lagi garis panduan jelas
07:20bagaimana kerajaan
07:22untuk penggunaan
07:23di dalam sektor tenaga boleh baru ni
07:25kita tak ada lagi garis panduan
07:26hubung kait antara
07:28Jabatan Meteorologi
07:29dengan Generation Solar
07:30tak ada
07:31jadi saya rasa sampai masanya
07:33untuk kita kaji
07:34dan kita lihat
07:35bagaimana hubung kait
07:37di antara dua ni
07:38dapat bagi sokongan polisi
07:39dan regulation
07:41kepada pengguna AI
07:42dalam ladang-ladang solar
07:44yang akan datang
07:45baik itu adalah antara
07:47cabaran utama
07:48dan kita tahu
07:49setiap perkara yang kita ingin lakukan
07:50baik atau buruk
07:51pasti ada cabaran
07:54dan kita lihat
07:55ketegangannya
07:55tetapi
07:56dalam konteks penjenaan
07:58tenaga bersih ni
07:59Datuk
07:59kita lihat
08:00bagaimana model AI ni
08:01dapat menyumbang kepada
08:02perancangan grid nasional
08:03seperti Netta
08:04supaya agak dapat
08:05elakkan lagi gangguan
08:06ataupun tanpa menjejaskan
08:07gangguan bekalan tenaga
08:09secara berkesan
08:10ya
08:12cara AI ni
08:14menyumbang kepada
08:15perancangan grid nasional
08:17untuk mengelakkan
08:18gangguan bekalan tenaga
08:19secara berkesan
08:20ni ada beberapa cara
08:21yang pertama sekali
08:23peramalan bekalan tenaga
08:25boleh berharu
08:26jadi selalunya kita kata
08:28hari ni
08:29cuaca Ramadhan
08:30kita kata
08:31matahari terik
08:32tapi tengah hari hujan
08:33jadi bila hujan tu
08:35dia mengangkat penyebabkan
08:36pengurangan
08:36jadi bila kita menggunakan
08:38AI ni
08:38bila AI digunakan
08:40untuk meramalkan
08:41output tenaga
08:42daripada sumber
08:43seperti solar
08:44dan angin
08:45berdasarkan kepada
08:46data cuaca
08:47dan pengeluaran
08:48corak semasa
08:49dia lebih tepat
08:50jadi ini membolehkan
08:51mengendali grid
08:52menyesuaikan permintaan
08:54bekalan secara proaktif
08:56dia mengurangkan risiko
08:57kekurangan tenaga
08:59bayangkan
09:00kalau kita beritahu
09:01pada GSO
09:02bahawa kita akan
09:03menjana sebanyak
09:042 gigawatt
09:052,000 megawatt
09:06daripada solar
09:07tapi oleh kerana
09:08cuaca tak mengizinkan
09:09dan kita tak dapat
09:11maklumat tepat
09:12daripada AI
09:13untuk beramalkan
09:14keadaan cuaca ini
09:14kita cuma jana
09:161,500 megawatt
09:19jadi
09:19grid terpaksa
09:21meminta
09:21call plan
09:24menjana lagi
09:25500 megawatt
09:25dengan pantas
09:26jadi
09:27apa ni
09:28conventional power
09:29dia tak dapat
09:30bagi
09:31ram up time
09:32begitu cepat
09:33sebab itu
09:33kena ada
09:34AI ni
09:35sebab itu
09:36AI ni
09:36dia jadi
09:38sangat penting
09:39yang kedua
09:41dia dapat membantu
09:42dalam
09:42mengoptimumkan
09:44penjadualan
09:45unit
09:45penjanaan
09:46dengan mikir
09:47cost
09:47capacity
09:48dan keboleh harapan
09:49sumber
09:50jadi maknanya
09:51kalau kita dah tahu
09:51dah solar
09:52daripada pukul
09:5310 hingga pukul
09:553 tu
09:55optimum
09:55jadi selepas tu
09:57kita dah tahu dah
09:58sumber lain boleh masuk
09:59jadi kalau kita dapat
10:00ramah dengan baik
10:01itu tepat
10:01kalau tak baik
10:02itu akan menyebabkan
10:03kerugian
10:04cost
10:04nombor 3
10:05ialah integrasi
10:06dan koordinasi
10:07grid mikro
10:07grid microgrid
10:09jadi maknanya
10:09AI menyokong
10:11integrasi
10:11microgrid
10:12dan sistem tenaga
10:13community
10:14dengan grid
10:15dengan grid
10:17utama sekali
10:18membantu
10:19menyimbangkan
10:21tenaga antara
10:22grid kecil
10:22dan grid besar
10:23mengikut keperluan
10:25kalau demand tu
10:25tiba-tiba banyak
10:26maka dia boleh
10:27jalan terus
10:28jadi
10:29menggunakan AI ni
10:30kita dapat buat
10:31ramalan yang tepat
10:32dan kita boleh
10:32menentukan
10:33dengan
10:34precision yang lebih tinggi
10:36baik itu adalah
10:38antara
10:39perkara kalau kita lihat
10:40dalam konteks
10:41penjanaan tenaga bersih
10:42dan
10:43Dato'
10:43sedang tu kita nak melihat
10:44bergerak ke hadapan
10:45kita nak lihat
10:46adakah teknologi
10:47di dunia ini
10:47boleh membantu
10:48Malaysia mencapai
10:49sasaran
10:49pelepasan karbon
10:50sifar menjelang
10:512050
10:52itu adalah
10:53persoalan utama
10:53tolak tepis
10:54antara cabaran utama
10:55kalau kita nak
10:56integrasikan AI
10:57dalam ladang solar ni
10:58seperti yang telah
10:58dikongsikan adalah
10:59kualiti dan
11:00ketersediaan data
11:01dalam sistem ini
11:02melihat kepada
11:03cabaran cuaca
11:04termasuk juga dengan
11:05polisi yang
11:06kukuh
11:06yang selari
11:07dengan objektif
11:09mengintegrasikan AI
11:10dalam ladang solar ini
11:11tapi di sebalik
11:12cabaran-cabaran ini
11:13bagaimana kita lihat
11:15teknologi jet-line ini
11:15dapat boost lagi
11:17sasaran Malaysia
11:18untuk pelepasan
11:19karbon sifar
11:19menjelang 2050
11:20dan sekiranya
11:22bagaimana kita dapat
11:24ukurkan perkara ini
11:26memang daripada
11:28pengalaman kita
11:30teknologi deep learning
11:32ini boleh
11:32memainkan peranan
11:33yang penting
11:34dalam membantu
11:35Malaysia
11:36mencapai sasaran
11:37pelepasan karbon
11:38sifar menjelang
11:392050
11:39sebabnya teknologi ini
11:42boleh meningkatkan
11:44keberkesanan
11:45strategi mitigation
11:46karbon
11:47karbon mitigation
11:48melalui pelbagai
11:49cara
11:50daripada
11:50energy optimization
11:53ramalan
11:54pelepasan
11:55sehingga kepada
11:56pemantauan
11:57alam sekitar
11:58secara nyata
11:59ataupun secara
12:00maya
12:00how does it help
12:03nombor satu
12:04kalau kata
12:05pemantauan
12:05dan pengesanan
12:06karbon secara
12:07otomatik
12:07jadi model deep learning
12:09ini
12:10boleh digunakan
12:11untuk
12:11menganalisis
12:12image satelit
12:13drone data
12:15data daripada drone
12:16dan
12:17sensor
12:18remote sensing
12:19untuk
12:20mengesan
12:21kawasan
12:22pelepasan
12:22karbon tinggi
12:23seperti
12:24pembakaran hutan
12:25kawasan
12:26perindustrian
12:27dan kenderaan
12:28berat
12:28nombor satu
12:29nombor dua
12:30optimization
12:32penggunaan tenaga
12:33jadi dalam
12:34bangunan pintar
12:35atau kilang
12:36model deep learning
12:37ini
12:38boleh meramal
12:39corak penggunaan
12:40tenaga
12:40dan
12:41mengoptimumkannya
12:43untuk
12:44mengurangkan
12:45pembaziran
12:45tenaga
12:46dan
12:46pelepasan
12:47karbon
12:47yang tidak
12:48diperlukan
12:48jadi
12:49you see
12:50how deep
12:51learning
12:51ini
12:51very important
12:52yang ketiga
12:54ini
12:54ramalan
12:55pelepasan
12:55karbon
12:56jadi
12:56based on
12:57weather
12:58condition
12:58based on
12:59the generation
13:00yang kita dah tahu
13:01model deep
13:02learning
13:02ini
13:02boleh kita
13:03latih
13:04kita train
13:04menggunakan
13:06data
13:06sejarah
13:06pelepasan
13:07aktiviti
13:08ekonomi
13:08penggunaan
13:09tenaga
13:10dan faktor
13:11meteorologi
13:12untuk
13:12meramalkan
13:13tahap
13:14pelepasan
13:14karbon
13:15di masa depan
13:16jadi
13:16imagine
13:17if we can
13:18predict
13:19what is to
13:20happen
13:20in
13:21karbon
13:21emission
13:21with this
13:22AI
13:23deep
13:23learning
13:23system
13:24ini
13:24maka
13:25dia akan
13:25memudahkan
13:26lagi kita
13:26untuk
13:26mencapai
13:27sasaran
13:28net zero
13:29karbon
13:29by 2050
13:30ini
13:30itu adalah
13:32antara harapan
13:32kita untuk
13:33capai
13:33sasarannya
13:34Dato'
13:34kita bercakap
13:35mengenai
13:35inisiatif
13:36teknologi AI
13:37deep
13:37learning
13:37diintegrasikan
13:38dalam
13:39volon
13:39solar
13:39ini
13:39ada
13:39untuk
13:40pacu
13:40kecakapan
13:41maximize
13:42ataupun
13:43kita boost
13:44the industry
13:45as a whole
13:45tetapi
13:46apabila kita
13:47bercakap mengenai
13:47perkara
13:48usaha
13:48dan inisiatif
13:49ini
13:49kita tidak
13:50boleh
13:50ketinggal
13:51ataupun
13:51tertinggal
13:52mengenai
13:52cost
13:52mungkin
13:53kurang
13:53suka
13:53bercakap
13:53mengenai
13:54apabila kita
13:55ingin
13:55integrasikan
13:55teknologi AI
13:56kita perlukan
13:57cost
13:57tetapi
13:58kita tahu
13:58teknologi AI
13:59ini dapat
13:59kurangkan
14:00lagi
14:00cost
14:00daripada
14:00segi
14:01penyelenggaraan
14:02tingkatkan
14:02lagi
14:02untung
14:03jadi
14:03dalam
14:04kita lihat
14:05konteks
14:05peningkatan
14:06cost
14:06operasi
14:07dalam industri
14:08tenaga
14:08ini
14:08bagaimana kita
14:09nak
14:09balancekan
14:09kedua-duanya
14:10sekali
14:10tetapi
14:11Datuk
14:11tolong
14:12bersama kami
14:12di mana kami
14:13akan beri
14:13terehat
14:13sekejap
14:14dan kami
14:15akan kembali
14:15selepas ini
14:15bertemu
14:29kembali
14:29dalam Pantai Belanjawan
14:30dan kita masih
14:31lagi bersama
14:31tetamu
14:32yang masih setia
14:33bersama kami
14:33dalam talian
14:34adalah
14:34Datuk Gunter
14:35Taubeng
14:35merupakan
14:35pengarah
14:36urusan
14:36Gading
14:37Kecana
14:37Sejam Berhad
14:37saya nak
14:38ucapkan
14:38terima kasih
14:38Datuk
14:39kerana
14:39masih
14:39setia
14:40bersama
14:40kami
14:40banyak
14:40telah
14:41dikongsikan
14:41pada
14:41segmen
14:42pertama
14:42dalam
14:43langkah
14:44Gading
14:44Kecana
14:44untuk
14:45memasihkan
14:45data cuaca
14:46dan prestasi
14:46ladang solar
14:47yang digunakan
14:48dalam
14:48algoritma
14:50deep learning
14:50agar sentiasa
14:51tepat
14:52dan relevan
14:53dan kita
14:53kembali
14:53semula kepada
14:54soalan saya
14:55sebelum kita beri
14:56rehat tadi
14:56kepada
14:56kos
14:57dengan peningkatan
14:58kos operasi
14:59dalam industri
14:59tenaga
15:00ketika ini
15:00ini adalah
15:01antara perkara
15:01utama yang
15:02menjadi
15:02kebimbangan
15:03setiap pihak
15:04industri
15:05tenaga solar
15:06jadi mungkin
15:06pada awalnya
15:07untuk kita
15:07integrasikan
15:08teknologi AI
15:09ataupun
15:09deep learning
15:10ke dalam
15:10operasi
15:11ladang solar
15:11ini
15:11mungkin pada
15:12awal
15:12kosnya
15:12banyak
15:13itu mungkin
15:14orang akan
15:14nampak akan tambah
15:15kos lah
15:15tetapi
15:16kita tahu
15:17efeknya adalah
15:17lebih lama
15:18long term
15:19sustainable
15:19pada awalnya
15:20mungkin banyak
15:21sikit
15:22kita kena
15:22invest
15:23tapi
15:23dalam masa
15:26long term
15:26ia akan memberi
15:27manfaat
15:27kepada pemain
15:28industri
15:28daripada
15:29segi
15:29kalau kita
15:30lihat
15:30kurangkan
15:31kos
15:31jadi bagaimana
15:32teknologi AI
15:33ini sendiri
15:34untuk kita
15:34kongsikan
15:35kepada pendengar
15:36di luar sana
15:36terutama
15:37pemain
15:37industri
15:37bahawa
15:38teknologi AI
15:38ini ada
15:39kemampuan
15:39untuk kurangkan
15:40lagi kos
15:40penyelenggaraan
15:41pemantauan
15:42dan dapat
15:42lagi tingkatkan
15:43untung
15:44mungkin
15:44Dato' boleh
15:45kongsikan
15:45pengalaman
15:46Dato' dengan
15:46Dato' sendiri
15:47gandang ke sana
15:47kita melihat
15:48inisiatif
15:49menerapkan
15:50ataupun
15:50integrasi AI
15:51dalam dadang solar
15:51mungkin boleh
15:52kongsikan
15:52memanglah
15:56setiap
15:56organisasi
15:57itu
15:58mementingkan
15:58keuntungan
15:59tapi kita
16:00harus
16:01balance
16:01between
16:02operation
16:03maintenance
16:04keuntungan
16:05dan
16:05capak
16:06kita
16:06jadi daripada
16:07pengalaman
16:08kita buat
16:09projek ini
16:09teknologi AI
16:11ini memang
16:11memainkan
16:12peranan penting
16:13dalam mengurangkan
16:14kos penyelenggaraan
16:15dan meningkatkan
16:16keuntungan
16:17dalam industri
16:18tenaga
16:18jadi ini
16:20ini memang
16:21ini memang
16:21jatalah
16:22kadang-kadang
16:23orang
16:23kadang-kadang
16:24orang tengok
16:24cara kita
16:25belanja
16:25untuk buat
16:26maintenance
16:26solar farm
16:27kita itu
16:28orang kata
16:28ini
16:28O&M
16:30kos kita itu
16:31agak lebih tinggi
16:32daripada
16:32standard dalam
16:33industri
16:34tapi kita dapat
16:35bagi jaminan
16:36bahawa
16:37commitment
16:38penyelenggaraan
16:38tenaga
16:39kita itu
16:40tepat
16:40kalau kita
16:41kata
16:4150 juta
16:43kilowatt hour
16:44akan dijana
16:45pada solar ini
16:45setiap tahun
16:46kita
16:46kepastikan
16:47generation itu
16:48dicapai
16:49jadi salah satu
16:50lagi secara
16:51ialah
16:51penyelenggaraan
16:52ramalan
16:53predictive
16:54maintenance
16:54menggunakan
16:55teknologi AI
16:56ini
16:57dia dapat
16:57mengurangkan
16:58kos dengan
16:58kita boleh
16:59developkan
17:00predictive
17:01maintenance
17:01jadi AI
17:02menganalisis
17:03data
17:03daripada
17:04sensor
17:05pada peralatan
17:06pada turbine
17:07generation
17:08dan juga
17:09transformer
17:10untuk kesan
17:11corak
17:11kehausan
17:12maknanya
17:13wear and tear
17:14dan kemungkinan
17:16kerosakan
17:16kalau dia down
17:17jadi sebelum
17:18benda itu down
17:19AI dah boleh
17:20beritahu dah
17:20please change
17:21setempat
17:22hasilnya
17:23mengurangkan
17:24kerosakan
17:24mengejut
17:25downtime
17:26dia tak adalah
17:26sistem downtime
17:27saya ada dengar
17:29kawan saya
17:29dia ada
17:30soalan farm
17:30juga yang besar
17:31tiba-tiba
17:32oleh kerana
17:33tak pakai
17:34AI ini
17:35ataupun
17:35tak
17:36tak dapat
17:37maklumat awal
17:37power transformer
17:39dia down
17:39bila down
17:40dia tak dapat
17:40ekspor tenaga
17:41pada grid
17:42selama 2 bulan
17:43itu
17:43kerugian yang
17:45lebih besar
17:46sebab 1 bulan
17:47pendapatan
17:48lebih kurang 3 juta
17:49jadi kalau dengan
17:50adanya AI
17:51dia dapat
17:52mengelakkan
17:52benda itu berlaku
17:53jadi dengan
17:54pengurangan yang besar
17:55begitu
17:55dia akan
17:56rugi banyak
17:57dia dapat
17:58meminimumkan
17:59kos membaikan
17:59kecemasan
18:01dan memanjangkan
18:02jangka hayat peratan
18:03macam contoh
18:04saya punya pengalaman
18:05masa
18:06during
18:07PKP
18:08COVID dulu
18:08jadi ada
18:10berlaku
18:12orang masuk
18:13ke dalam
18:13kawasan kita
18:14dan potong
18:15wire
18:15saya dapat
18:17maklumat itu
18:17kita dapat
18:18daripada
18:18dalam handphone kita
18:19kita dapat kesan
18:20dan kita ada
18:21CCTV kamera
18:22yang kesan
18:23siapa yang buat
18:24di mana
18:24talian mana
18:25bayangkan
18:26so kita ada
18:26180,000 keping
18:28solar panel
18:28jadi dengan
18:29adanya AI ini
18:30dia dapat bagi
18:31ramalan yang
18:32lebih tepat
18:33dan kita boleh
18:33terus pergi ke tempat
18:34dan buat
18:35membaikan dengan cepat
18:35dua ialah
18:37mengoptimumkan operasi
18:38algoritm AI ini
18:41boleh menganalisis
18:43penggunaan tenaga
18:44keadaan cuaca
18:45dan permintaan
18:46pasaran untuk
18:47mengoptimumkan
18:48pengeluaran
18:48dan pengedaran tenaga
18:50jadi dulu
18:51kita selalu
18:52sign power
18:52percet agreement
18:53dengan tenaga
18:54nasional
18:54pada satu
18:55kadar yang
18:56tetap
18:57kita jual pada
18:57harga sekian
18:58hari ini
18:59kita dah ada
19:00dah kita panggil
19:01sistem marginal price
19:02yang mana harga yang dijual
19:03pada harga yang
19:05berubah-ubah
19:07berdasarkan kepada
19:09permintaan
19:09jadi harga yang dijual
19:11pada pukul satu
19:12tengah hari itu
19:13lebih tinggi daripada
19:14harga yang dijual
19:15pada waktu tujuh pagi
19:16permintaan kurang
19:17jadi bila berlaku
19:19sistem marginal price
19:20perubahan ini
19:21sistem AI ini
19:22dapat membantu
19:23untuk
19:24memastikan
19:25keadaan
19:26di mana
19:27masa yang tepat
19:29untuk menjual
19:30tenaga solar itu
19:31pada
19:32waktu yang terletu
19:33kalau pukul satu
19:34tinggi kita jual
19:35pukul satu
19:35pagi kita tak boleh
19:36jual kita boleh
19:37kumpul-kumpul
19:37sekali kita jual
19:38yang ketiga
19:39ialah
19:39otomasi tugas
19:40rutin dan pengawasan
19:42bila kita ada
19:43AI ini
19:43dia boleh menggantikan
19:44tugas-tugas manusia
19:46yang berulang
19:47seperti
19:47pemantauan sistem
19:48pengesanan
19:50kebocoran
19:50dan kawalan grid
19:52melalui automation
19:52jadi manfaatnya
19:54dia mengurangkan
19:55kos
19:55buruh
19:56minimumkan
19:57kesilapan manusia
19:58membolehkan
19:59pemantauan
19:5924-7 yang lebih
20:01efisien
20:02jadi kalau tengok
20:03tadi kita
20:04kalau kita cuci
20:05solar panel itu
20:05dengan
20:06dengan tenaga
20:07manusia
20:08dia kita cuma
20:09cuci 300 keping
20:10solar panel sehari
20:11tapi kita menggunakan
20:12robot
20:13dia boleh kita cucikan
20:14pada 3,000 keping
20:15dalam masa satu hari
20:16ini satu
20:17proses AI
20:18yang penting
20:19dan kita tahu
20:20bilakah masa
20:21yang kita nak cuci
20:22supaya
20:23dia dapat menjana
20:24penjanaan dia itu
20:25paling optimum
20:26dan satu lagi
20:27keputusan strategik
20:28berasaskan data
20:29jadi dengan adanya
20:31AI
20:31dia dapat menyatukan
20:32data
20:33daripada pelbagai sumber
20:34untuk memberi pandangan
20:36berasaskan data
20:37bagi membuat
20:38keputusan pelaburan
20:39atau operasi
20:40jadi
20:40macam solar ni
20:41kita ada
20:42digression dia
20:43every year akan drop
20:441%
20:441%
20:45kadang-kadang
20:46yang pengurangan tu
20:48lebih banyak
20:49daripada dijangkakan
20:50jadi dia dapat
20:51menyokong
20:51keputusan yang bijak
20:52dan berasaskan
20:54kepada fakta
20:54dapat meningkatkan
20:56daya saing
20:56dan keuntungan
20:57jangka panjang
20:58jadi
20:59AI
21:00menggunakan
21:00deep learning
21:01method ni
21:02dia memang
21:03sangat penting
21:04dan sangat baik
21:05untuk menjamin
21:05keuntungan yang lebih
21:07dan pelaburan tu
21:08kena tinggi sikit
21:09macam saya kata tadi lah
21:10training of the
21:12knowledge transfer
21:13technology transfer itu
21:15itu sangat penting
21:16untuk kita
21:16pastikan
21:17bahawa
21:18kita ni
21:19at the end of the day
21:20ganding ni
21:21takkan jadi hanya
21:22pengguna pada teknologi
21:23kita tak mahu jadi
21:24pengguna je
21:24kita nak pengguna
21:26innovate
21:26dan kita boleh jadi
21:27penguasaan
21:28menguasai
21:29industri tenaga solar ni
21:31jadi
21:32Dato'
21:32berapa banyak
21:33peratusan
21:34perjimatan kos
21:35yang dijangkakan
21:35estimation sahaja
21:36oleh Garni Kecana
21:37dengan penggunaan
21:38teknologi AI ni
21:39dia
21:41dalam
21:42mana-mana
21:42industri
21:43penggunaan
21:45AI ni
21:45dapat
21:46meningkatkan
21:47keuntungan
21:48sebanyak
21:4810%
21:495 hingga
21:5110%
21:51dan apa
21:54antara
21:55perancangan
21:55Dato'
21:56lagi untuk
21:57kembangkan lagi
21:57teknologi AI ni
21:58ke ladang solar
21:59baru di masa
21:59hadapan
22:00nombor 1
22:03kita tengok
22:04untuk
22:06masa depan
22:07kita kena
22:07pakai lebih
22:08banyak lah
22:09teknologi ni
22:09dan kita
22:10kena ada
22:11lebih banyak
22:11kerjasama
22:12lagi peringkat
22:13universiti
22:13teknologi pintar
22:18seperti ini
22:19sepatutnya
22:20kalau kita
22:21nak buat
22:22sendiri dalaman
22:23kita tak mampu
22:24kita tak mampu
22:25nak menggaji
22:25tenaga-tenaga
22:27pakar yang banyak
22:28dan kalau kita
22:29beli teknologi
22:30luar negara pun
22:31kita tak mampu
22:31nak ambil orang
22:32untuk menerima
22:34teknologi ni
22:34jadi
22:35sebab tu
22:35kita mengadakan
22:36kolamerasi
22:37dengan universiti
22:38seperti UTHM
22:39ini
22:40untuk dia
22:41sediakan kepada kita
22:42pakar-pakar dia
22:43yang boleh menerima
22:44dan mengamalkan
22:45mereka dalam universiti
22:46dan kalau kita
22:47perlu
22:48teknologi transfer
22:49dan knowledge transfer
22:50ni boleh kita
22:51dapatkan kembali
22:52daripada
22:52universiti
22:53UTHM ni
22:54jadi nombor 1
22:56melalui R&D
22:57terutama dengan
22:57pengajian tinggi tempatan
22:59seperti UTHM
23:00dia dapat bantu kita
23:01kalau kita ni
23:02bisnes entity
23:03kita tak ada masa
23:04untuk
23:04dan tak ada masa
23:05dan tak ada sumber
23:06untuk itu
23:07tapi lebih murah
23:08kalau kita dapat
23:09outsource
23:09kepada universiti
23:10seperti UTHM
23:11nombor 2
23:12pemindahan teknologi
23:13dan pengetahuan
23:14dan knowledge transfer
23:15and technology transfer
23:17bila kita
23:17perlukan bantuan
23:18luar negara
23:19kita pastikan
23:20ada proses
23:21pemindahan teknologi
23:22dan pengetahuan
23:23tentang pekerja
23:23pekerja-pekerja kita
23:25dan juga
23:26kemahirat ni
23:26kita nak simpan
23:27di satu tempat yang lain
23:28seperti di
23:29UTHM
23:30jadi dia dapat dapat terima
23:31dia dapat dapat guna
23:32dapat bantu kita
23:33supaya dia boleh
23:34bagi latihan pula
23:34pada staff kita
23:35yang baru
23:36di masa depan
23:37jadi ini akan
23:38memastikan
23:39teknologi AI
23:41deep learning
23:42menggunakan
23:44phyton system ni
23:45dapat kita kembangkan
23:46dapat kita tingkatkan
23:47lagi keuntungan
23:48dan juga
23:49cost
23:49mengurahkan cost
23:50operation maintenance
23:52dalam ladang-ladang solar
23:53baik saya nak ucapkan
23:55terima kasih
23:56ini adalah
23:57antara perbincangan
23:58yang penuh menarik
23:59dan saya nak ucapkan
24:00sekali lagi tanya
24:00kepada Dato' Gunter Taubeng
24:02atas inisiatif ini
24:03merupakan juga
24:04pengarah urusan
24:05gading ke China
24:05Sudah Berhad
24:06sudah tentu kita harap
24:06yang terbaik
24:07dan sudah tentu
24:08banyak kerja
24:09yang perlu dilakukan
24:09oleh Dato' sendiri
24:11selepas ini
24:11dan sekian saja
24:13perkongsian pada kali ini
24:14dan setiap perbincangan ini
24:15akan kami rangkumkan
24:16dalam astrawani.com
24:17dan di semua platform digital
24:18Astrawani
24:18dan saya Nera Zman
24:20Salam Hormat
24:23Terima kasih kerana menonton!