Dagli scenari futuri, alle previsioni di mercato e megatrend che influenzano il settore, alle nuove opportunità di business; dalle tecniche innovative, alle applicazioni, alle sfide nel manufacturing: lo ‘European MEMS and Sensors Summit 2018’, svoltosi nei giorni scorsi a Grenoble, ha messo in luce a 360 gradi i principali e attuali temi nel settore dei MEMS (microelectromechanical system) e sensori applicati ai sistemi elettronici. La manifestazione, organizzata da Semi, associazione industriale globale con l’obiettivo di facilitare lo sviluppo e la crescita di tutta la filiera produttiva nel settore elettronico, ha delineato questi scenari di fronte a una folta platea di partecipanti, attraverso le presentazioni di oltre 50 speaker ed esperti di calibro internazionale, provenienti dall’industria dei dispositivi MEMS e sensori.
In primo piano, tra i temi degli ‘executive keynote’ che hanno aperto l’evento di Grenoble, i sensori applicati alle soluzioni per il mondo automotive. In Europa, megatrend tecnologici globali come la guida autonoma, i nuovi requisiti di ‘functional safety’, i criteri di sicurezza e garanzia sullo stato fisico della vettura, ma anche l’elettrificazione dei veicoli e la connettività, stanno creando grandi opportunità di business per gli operatori del settore, spiega Lars Reger, Senior Vice President & Automotive CTO di NXP Semiconductors: in Francia, ad esempio, la strategia di riforme sulla sicurezza stradale ha inasprito le sanzioni per chi commette infrazioni durante la guida (uso improprio del cellulare, abuso di alcool).
Tutto ciò porta alla necessità di integrare nell’auto il miglior sistema di sensori possibile, esigenza a cui, aggiunge Reger, NXP risponde fornendo un portafoglio completo di soluzioni per ‘self-driving robots’. Sono richieste tecnologie in grado di realizzare la ‘sensor fusion’ e sistemi di guida altamente automatizzati: nei livelli 1 e 2 di guida autonoma, l’aggiunta di accelerometri, giroscopi, radar frontali e sistemi di telecamere frontali, posteriori e panoramiche sullo spazio circostante serve ad aiutare il guidatore. Passando ai livelli da 3 a 5, i sensori aiutano invece il veicolo ad apprendere dati dall’ambiente esterno e a fonderli in una conoscenza integrata, per creare un sistema di guida sicuro; i sensori inerziali MEMS consentono poi il veicolo di controllare la traiettorie, e di verificare lo stato di componenti critici come gli pneumatici.
Guida autonoma: la sicurezza è il problema prioritario
Anche Luc Bourgeois, Expert Leader ADAS and AD Systems di Renault, pone l’accento sull’importanza, nel viaggio verso la piena realizzazione dei sistemi di guida autonoma, di utilizzare un insieme complementare di tecnologie di sensori e avverte: se, nella progettazione delle auto a guida autonoma, non si farà il corretto lavoro sul piano della safety, e non si indirizzerà quest’ambito raggiungendo la massima sicurezza, il rischio è compromettere irrimediabilmente tale comparto di business nell’automotive. E qui le sfide principali sono, appunto, raggiungere un livello di percezione e ‘sensor fusion’ adeguato, sfruttando tecnologie di AI (artificial intelligence), machine learning (ML) e big data. Dal punto di vista dell’hardware, aggiunge Bourgeois, un’architettura SoC (system-on-chip) mista, costituita da dispositivi DSP, GPU, CPU multicore, acceleratori e controller I/O, costituirà il miglior compromesso tecnologico.
Array sensors, per aggiungere nuove ‘dimensioni’ ai sensori
Sempre nell’ottica di utilizzare la AI, elaborando grandi quantità di dati, gli ‘array sensors’ costituiscono un altro trend innovativo delineato nei keynote, perché in grado di portare al mercato nuove funzionalità e opportunità di utilizzo, mostra Emmanuel Sabonnadière, Ceo dell’istituto di ricerca Leti. Questi dispositivi, tendono a imitare e simulare i recettori già presenti in natura in alcuni esseri viventi, e sfruttando le tecnologie MEMS, la fotonica integrata, e l’integrazione 3D, in grado di combinare circuiti analogici, digitali e sensori, permettono di ridurre ad esempio la latenza, attraverso la capacità di elaborare grandi moli di informazioni localmente, o a livello di infrastruttura edge.
