您现在的位置:首页 > 产业 > 技术 > 感知层 > 传感器
未来 “传感器/MEMS+解决方案”的营销策略才是正途
http://www.50cnnet.com 物联中国
日期:2017-11-27 15:18:35来源:麦姆斯咨询 点击:565
核心提示:介绍与主题分析据麦姆斯咨询报道,近期,Roger H. Grace开办了主题为“MEMS和传感器的市场营销:是矛盾修饰法还是真正机遇?”的系列教程。本次介绍其中一章,主题为:是将“S”(指Solution,解决方案)重新引入MEMS,以及剖析这样做将面临的挑战。考虑到本系列教程关注的主题是:市场营销角度的“矛盾修饰法...

介绍与主题分析

据麦姆斯咨询报道,近期,Roger H. Grace开办了主题为“MEMS和传感器的市场营销:是矛盾修饰法还是真正机遇?”的系列教程。本次介绍其中一章,主题为:是将“S”(指Solution,解决方案)重新引入MEMS,以及剖析这样做将面临的挑战。

考虑到本系列教程关注的主题是:市场营销角度的“矛盾修饰法”。而本章“微机电系统(MEMS)”主题自身实际上就是一种矛盾修饰法或用词不当,从以下观点可以看出:

1. 正如我们认识的那样,MEMS很多情况下就是提供单一功能的独特器件,并不是一个系统。

2. MEMS可以并经常实现机械性能相关的功能,同时人们还意识到MEMS可以实现其他跨领域功能,包括电化学、光电、微流控和执行器、以及不只是传感器的结构元件等。

由此我们认为,这两点就体现出MEMS本身的矛盾修饰法。

大约38年前,Roger H. Grace在加州圣何塞(San Jose, California)的Foxboro ICT公司担任市场经理时,加入了MEMS协会,那时他们将这些器件称为“集成电路传感器”(integrated circuit sensors)。而几年后,Roger H. Grace成为一名顾问和Nova Sensor创始团队成员时,这些器件就被改称作“微型机械传感器”(micro-machined sensors)。

Nova Sensor成功地将自己定位为MEMS技术的领军者。而MEMS的缩写是Kaigman(Ken)Gabriel于25年前在马萨诸塞州科德角(Cape Cod, Massachusetts)的IEEE技术会议上创造的,这个名称沿用至今。

为了更多了解MEMS如今的现状,我们对来自各地的同行进行了采访。

从约20名受访者的不同回答中,得到关注和证实最多的问题就是:目前传感器/MEMS营销缺乏系统或解决方案。很明显,为了获得最优成功,传感器/MEMS供应商不仅需要提供器件/元件,还需要提供最能满足客户需求的、可为产品增加价值的系统或解决方案。

Kensall Wise教授是MEMS的先驱之一,他于上世纪90年代在密歇根大学(University of Michigan)创建了无线集成微系统(WIMS)中心。Kensall Wise教授及研究人员的目标是为包括气相色谱光学仪器(gas chromatography optical instruments)在内的各类应用开发和集成基于传感器解决方案的各种元件。他们在低功耗CMOS和能量收集功能的开发研究曾获得美国国家科学基金会(NSF)工程研究中心(ERC)10年的专项资助。

密歇根大学的WIMS中心如今已更名为“无线集成微型传感器和系统(WIMS2)”。目前,该中心拥有40名教职工、124名研究员,同时已孵化了15家企业,发表了1796篇出版物,并获得了86项专利。在Roger H. Grace被邀请去巴西马瑙斯(Manaus Brazil)的会议进行主题演讲后,Roger H. Grace自己就成为此概念(指MEMS)的早期采纳者,也因此有幸在德国开姆尼茨(Chemnitz Germany)与弗劳恩霍夫协会电子纳米系统研究所(Fraunhofer ENAS)所长Thomas Gessner教授会面并讨论此概念。Thomas Gessner的智能系统集成(Smart Systems Integration)方法对Roger H. Grace来说很有意义,自那以后Roger H. Grace便成为Thomas Gessner的弟子,并从2000年初开始积极地改进此概念。Roger H. Grace在组委会工作,并且定期会在欧洲会议上提交论文,该会议举办时间为每年春季,举办地点为欧洲的不同地方,会议名称保持一致。此外,早在2008年,Roger H. Grace就撰写了关于该主题的第一批文章。Roger H. Grace将此概念命名为基于MEMS的系统解决方案(MBSS),正是由此开始,迫使设计工程师思考芯片以外的事情,并倾听客户的声音。

Roger H. Grace认为,Gessner教授和Wise教授是真正有远见卓识的人,也是系统集成概念的传播者,如下图所示,详细说明了此概念。

未来 “传感器/MEMS+解决方案”的营销策略才是正途

基于MEMS传感器的系统解决方案(MEMS Sensors-Based System Solutions)是建立在强大的系统工程原理的基础上的,由MEMS前端部分(传感器/执行器/结构)、信号处理、电源/电源管理、通信、封装/互连等功能组成

基于MEMS传感器的系统解决方案(MEMS Sensors-Based System Solutions)是建立在强大的系统工程原理的基础上的,由MEMS前端部分(传感器/执行器/结构)、信号处理、电源/电源管理、通信、封装/互连等功能组成

Roger H. Grace对MBSS的定义包括以下功能性元件:

- MEMS前端部分(传感器/执行器/结构);

- 信号处理;

- 电源/电源管理;

- 通信系统(有线或无线);

- 封装/集成和互连(最重要)。

由于最后一项通常占总成本的65%,因此这是创建成功解决方案至关重要的一点。以上均由强大的系统工程主体来支持。

采用此类系统的情况有:

- 特别是在有巨大价格压力的成熟/商品市场中,为供应商提供高度差异化的产品,可在市场中取得竞争优势。

- 解决了许多客户内部系统工程资源有限的问题,并要求供应商提供完整解决方案,以解决最小化接口问题。可将其看作雇佣装修承包商而不是单个管道工、木工、电工等工人来重构你的房子。

- 供应商希望为其产品提供更高的价值,并有希望提高利润空间。

然而,如果解决方案供应商想要成功,必须有丰富的资源帮助系统工程师构建解决方案,同时在销售前端还要有一个非常强大且有能力的应用工程团队可与客户进行恰当沟通。遗憾的是,由于许多传感器/MEMS公司并没有足够的资源来让他们完成上述过程,仅这些要求已将他们淘汰出局。

以Roger H. Grace的想法,大部分传感器/MEMS制造商已在无系统方法中开始通过提供信号调理和补偿ASIC来弥补自身的弱点。ASIC中的功能包括模拟/数字信号转换、滤波、放大、以及含专有算法在内的嵌入式处理。

可以肯定的是,如今销售中包括ASIC在内的大多数传感器主要被用作异构电路元件。包括美新半导体(MEMSIC)和早期亚德诺半导体(ADI)在内的几家公司在加速度计设计时曾采用单片集成电路的方法。ADI在许多年前已放弃此方法,而现在他们加速计中使用的是分立的ASIC。

关于“将‘S’(解决方案)引入传感器/MEMS”的讨论

以下是针对该主题20位受访者中一些令人印象深刻的回答:

Rob O’Reilly(ADI)认为,“随着传感器/MEMS供应商开始提升产业链,系统和物联网解决方案的营销方法需要适应不断改变的环境。赢得‘入口’不再流行,与潜在客户的最初谈话变得更加复杂。相关讨论已超越简单的传感器/MEMS,扩展到包括电源管理、边缘计算、网关、微控制器、无线传输、云计算及连接等领域。在对现有客户和潜在客户初始系统/物联网的探讨中,系统工作知识更多是一种需求。随着工具、云合作伙伴、传感器群集及应用的扩展,营销正变成一种团体项目。随着市场的扩张,营销方式也必须扩展,才能跟上在数字世界中传感器/MEMS应用的多元化、严峻性、复杂性和持续的挑战。是的,这将是一个崭新的世界。”

Juan Figueroa(NSF)认为,“在研究向NSF(美国国家科学基金会)SBIR(小型商业创新研究项目)提交的提案时,我发现了2002年至2007年期间提案重点的主要转变:从MEMS元件到系统和应用解决方案的转变。MEMS似乎已演变成了传感器,而MEMS几乎已从提交的建议书中消失了。我认为这是由于MEMS错误的观点导致的,而使用MEMS这个词只会使信息更加复杂。”

Janusz Bryzek(eXo Systems))的观点是:“如果想要MEMS成功,必须出售从基于传感器应用获得的信息,同时还需含有包括数据分析在内的功能并提升产业链,即传感器必须智能化。”

Sandeep AkKaraju(eXoImaging)认为,“与只销售功能性元件相比,MEMS供应商越来越多地向客户提供系统和应用解决方案。成功的供应商提供独特的解决方案,而不是拼价格。价格将取决于所提供解决方案的能力,也就是提供可操作的信息。”

Steve Whalley(Whalley Consulting)认为,“大多数传感器/MEMS目前都被视为商品,而市场营销人员并没有成功地最大化其产品价值。他们需要提升产业链,并将传感器中枢/传感器融合、数据分析和深度学习软件加入到解决方案中,以达到成功竞争的目的。随着物联网产品和其它许多产品中传感器使用的大幅增长,大数据也随之产生。我们可以利用这些数据、通过微调传感器算法和传感器本身,来改进整个应用解决方案。数据增长速度惊人,或是在某些情况下已经超出预计,工程师们如何能将这些数据转化为有用的分析并不断改进产品是个大问题。幸好有机器学习(Machine Learning)、深度学习(Deep Learning)和人工智能(AI)可以在无需传统编程方法的情况下,在海量数据集中识别出微妙的模式。这个新工具打开了曾经认为无解的新应用。如果您没有在基于传感器的解决方案中使用这些技术,您应该考虑这样做。”


共有2条信息1/212下一页尾页
出处:麦姆斯咨询
郑重声明:本文仅代表作者个人观点,与物联中国(www.50cnnet.com)无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
分享到:
延伸阅读
  • 资讯
  • 产业
  • 服务
  • 应用