پنج رویداد مهم سال ۲۰۱۹ که آینده حسگرها را متحول خواهد کرد

تاریخ : ۱۸ دی ۱۳۹۸

تعداد بازدید : ۳۲۵

0 امتیاز از 0 رای
نسخه چاپی
موضوعات :

این رویداد‌ها صنعت سیستم‌های میکروالکتروماکنیکی و حسگرها را در سال ۲۰۱۹ تغییر داد و راهنمایی برای سال ۲۰۲۰ به حساب می‌آیند.

با توسعه فناوری اینترنت اشیا صنایع بیشتری به دنبال اتصال ماشین‌های خود به اپلیکیشن‌ها هستند و کاربران بیشتری از عملکرد دستگاه‌های هوشمند خود لذت می‌برند. شرکت پژوهش‌های بازار مک‌کینزی پیش بینی می‌کند که تاثیر اقتصادی اینترنت اشیا تا سال ۲۰۲۵ سالانه بین ۴ و ۱۱ تریلیون دلار خواهد بود. سیستم‌های میکروالکتروماکنیکی و سنسورها بخش اصلی پدیده‌ی اینترنت اشیا هستند.

بهترین راه برای درک ماهیت این بازار رو به رشد این است که به رویدادها و روندهایی نگاه بیندازیم که در سال ۲۰۱۹ تیتر اخبار شدند و به احتمال زیاد متحول کننده‌ی سال ۲۰۲۰ خواهند بود، البته اگر چند دهه‌ی آینده را دگرگون نکنند! پنج تا از تاثیرگذارترین رویدادهای سال ۲۰۱۹ در زمینه‌ی حسگرها عبارتند از :

 

اِی‌ام‌اس ۵۹% از سهام اورسام را خرید
بعد از ماه‌ها مذاکره و بررسی، عاقبت کمپانی استرالیایی سنسور AMS AG توانست متخصص فوتونیک، اورسام لایت اِی‌جی را صاحب شود. در ماه دسامبر، ای‌ام‌اس گفت نرخ پذیرش در پیشنهاد خرید ۵.۱ میلیارد دلاری اش، ۵۹.۳ درصد بود و از آستانه‌ی پذیرش ۵ درصد گذشت. ایمی فلِچِر، معاون ارتباطات بازاریابی ای‌ام‌اس می‌گوید:” هدف ما خلق رهبری جهانی در راه‌حل‌های سنسور و فوتونیک بر اساس تکنولوژی اروپایی است.”

وی با تاکید بر ماهیت مکمل دو کسب و کار گفت:” اورسام در زمینه‌ی امیترهای نور مرئی و نامرئی پیشگام است و به دنبال  توسعه‌ی طراحی مدار مجتمع، اپتیک و قابلیت‌های نوری است.” در حالیکه ای‌ام‌اس “طراحی مدار مجتمع و قابلیت‌های نوری را دارد و به دنبال رهبری در زمینه‌ی امیترها است.”

دلیل خرید سهام این است که ای‌ام‌اس به شدت به یکی از مشتریانش متکی است: اپل.

خرید اورسان کسب و کار ای‌ام‌اس را توسعه می‌دهد و ساختار درآمدش را تنوع می‌بخشد. در شش‌ ماهه‌ی اول سال ۲۰۱۹، تجارت مبتنی بر مشتریان خرد ای‌ام‌اس ۷۵% از درآمد کلی اش را تشکیل می‌داد، درحالیکه تجارت اتومبیل و تجارت‌های صنعتی و پزشکی به ترتیب تنها ۱۰% و ۱۵% از کل درآمد او بود. هدف بلند مدت این کمپانی تولید ۳۵ تا ۴۰ درصد درآمد در تجارت اتومبیل، و تولید ۲۰ و ۳۰ درصد از درآمد در تجارت صنعتی/پزشکی است.

شرکت مشاوره پژوهش و استراتژی، یول دولوپمنت، می‌گوید ای‌ام‌اس اکنون می‌تواند در بخش نیمه رساناهای اروپا جای پای خود را محکم کند. درآمد کمپانی در سال ۲۰۱۹، شش میلیارد دلار بوده است که با دیگر بازیگران بزرگ اروپا مانند اینفینئون، اس‌تی‌مایکروالکترونیکس و ان‌ایکس‌پی قابل مقایسه است.

 

سنجش نورومورفی
مایک داویس، رئیس بخش محاسبه‌ی نورومورفی اینتل، در کنفرانس بین‌المللی مدارهای حالت جامد سال ۲۰۱۹، گفت یادگیری عمیق “در واقع یادگیری نیست”. کلمات او مبحث محاسبه‌ی نورومورفی را در جامعه‌ی هوش مصنوعی زنده کرد.

نورومورفی یعنی “گرفتن صورت/شکل مغز”. مهندسی نورومورفی که کارور مید آن را در دهه‌ی ۱۹۸۰ معرفی کرد، به نام محاسبات نورومورفی نیز شناخته می‌شود. این علم در مقیاس بسیار بالا از سیستم‌های یکپارچه‌ی شامل مدارهای آنالوگ استفاده می‌کند تا معماری نوروبیولوژیکی سیستم عصبی انسان را تقلید کند.

پی‌یر کامبو، تحلیل گر اصلی تصویربرداری در یول، در مصاحبه‌ای با ای‌ای تایمز گفت سنجش و محاسبه‌ی نورومورفی می‌تواند بیشتر مشکلات فعلی هوش مصنوعی را حل کند و در دهه‌های آینده چشم‌اندازهای کاربردی جدیدی خلق کند. او می‌گوید:” مهندسی نورومورفی گامی به سوی زیست تقلیدی است و پیشرفت را به سوی هوش مصنوعی هدایت می‌کند.”

اکوسیستم استارت آپ‌های سنجش نورومورفی نیز پدید آمده که ریشه‌اش به زمان اختراع شبکیه سیلیکونی به دست دانشجوی کارور مید، میشا ماهوالد، در موسسه‌ی نوروافورماتیک و ای‌تی‌اچ زوریخ در سال ۱۹۹۱ برمی‌گردد. اینسایتنِس که در سال ۲۰۱۴ به عنوان زیر مجموعه‌ی ای‌تی‌اچ زوریخ و دانشگاه زوریخ تاسیس شد. این مجموعه سنسورهای بصری طراحی کرد که شناسایی حرکت را در میلی ثانیه امکان پذیر می‌کنند حتی اگر خود سنسور در حال حرکت باشد. دیگر زیرمجموعه‌های ای‌تی‌اچ زوریخ شامل اینی‌لَبز، توسعه دهنده‌ی دوربین رویداد محور، و اینی‌وِیشن، توسعه ‌دهنده‌ی سیستم‌های بصری رویداد محور نورومورفی می‌شوند.

به طور مشابه، پروفیسی، که قبلا با نام کرونوکَم شناخته می‌شد، از پژوهش‌های موفقیت آمیزی که طی بیست سال گذشته در موسسه‌ی بصری فرانسه (سی‌ان‌آراس، یو‌پی‌ام‌سی، اینسِرم) روی مغز و چشم انسان انجام گرفت، جوانه زد. پروفیسی اخیرا از چیزی رونمایی کرده که ادعا می‌کند اولین سنسور بصری رویداد محور در بسته‌بندی استاندارد صنعتی است.

یول در سطح بسته‌بندی نیمه رسانا می‌گوید انتظار دارد سنجش نورومورفی از ۴۳ میلیون دلار سال ۲۰۲۴ به ۲ میلیارد دلار در سال ۲۰۲۹ و ۴.۷ میلیارد دلار در سال ۲۰۳۴ رشد کند.

 

مدیران قبلی اینوِن‌سنس ، اولتراسنس را شکل می‌دهند
مو مقصودنیا، دان گول، سینا اخباری، استان لیو و هائو-یِن تانگ دارای بیش از ده سال تجربه در تجاری سازی محصولات اولتراسونیک و صاحب بیش از چهار پتنت تکنولوژی هستند. آن‌ها همگی برای اینوِن‌سنس کار می‌کردند و زمانیکه شرکت تی‌دی‌کِی آن را خرید، جدا شدند. در اوایل ماه دسامبر، آن‌ها به طور رسمی اعلام کردند که شرکت اولتراسنس سیستمز را تاسیس کرده‌اند و محصولی را معرفی کردند که مدعی بودند کوچکترین سنسور فراصوت روی تراشه برای لمس و اشاره از طریق هرگونه ماده، مانند شیشه، فلز، چوب، سرامیک و پلاستیک، با هر ضخامتی است.

اولتراسنس تمرکز اصلی خود را روی گوشی‌های موبایل قرار داده چراکه به گفته‌ی دان گول، مدیرکل بخش تجاری اولتراسنس، “تطبیق نسبتا سریع است و ما در زمان مناسب و همراه با راه اندازی تکنولوژی ۵G، با موج میلی‌متری، وارد بازار شده‌ایم.” همچنین این استارتاپ در بخش مشتری خرد و خودرو نیز رونق گرفته است. هرچند اولتراسنس تنها شرکتی نیست که این نوع از تکنولوژی فراصوت را توسعه می‌دهد، اما مشارکت آن می‌تواند سریعتر دکمه‌های مکانیکی را منسوخ کند و آینده‌ی رابط کاربر را شکل دهد.

 

تاثیر اثر پیزو
از زمانیکه برادران فرانسوی پاول-ژاک و پی‌یر کوری اثر پیزوالکتریک را بیش از صد سال پیش کشف کردند، دنیای کاربردهای پیزوالکتریک در حال گسترش است. بنا به گفته‌ی یول دوِلوپمنت، انتظار می‌رود بازار سنسورهای پیزوالکتریک، عملگر مکانیکی و مبدل‌ها با نرخ رشد سالانه‌ی ۱۲.۶% از سال ۲۰۱۸ تا ۲۰۲۴، به ۴۸.۵ میلیارد دلار در سال ۲۰۲۴ برسد.

دیمیتریوس دامیانوس، تحلیل گر بازار تکنولوژی به ای‌ای تایمز گفت:” سیستم‌های میکروالکترومکانیکی پیزوالکتریک به لطف ویژگی‌هایی نظیر توان مصرفی بسیار پایین، ضدآب بودن و ضد گردوخاک بودن این سیستم‌ها، رویکرد سنتی میکروفون‌های خازنی را منسوخ می‌کنند.” علاوه بر این، تکنولوژی سیستم‌های میکروالکترومکانیکی پیزوالکتریک بازار سیستم‌های میکروالکترومکانیکی را احیا کرده و دیگر دستگاه‌هایی مانند میکرواسپیکرها، مبدل‌های اولتراسونیک میکرومکانیکی پیزوالکتریک، اوتوفوکوس و غیره را گسترش می‌دهد.”

شرکت وسپر تکنولوژی، ارائه دهنده‌ی میکروفون‌های میکروالکترومکانیکی پیزوالکتریک که در بوستون مستقر است، اخیرا اعلام کرد تکنولوژی شنیداری زیروپاور به خاطر تعاملات صوتی از راه دور با طول عمر بیشتر باتری، از آمازون تاییدیه دریافت کرده است. این تاییدیه به دنبال حمایت مالی تکنولوژی وسپر از آمازون در سال ۲۰۱۸ بود و توجه این غول تکنولوژی به رویکرد پیزوالکتریک را نشان می‌دهد.

پژوهش‌ها نشان می‌دهد معماری پیزوالکتریک لایه نازک امیدبخش است چراکه یکنواختی فرآیند را افزایش می‌دهند، قابلیت اعتماد و بازدهی بالاتر و اندازه‌ی تراشه و اثر انگشت کمتری دارند. موسسه‌ی فرانهوفر در زمینه‌ی تکنولوژی سیلیکون روی آلومینیوم نیترید چند لایه متمرکز است، ماده‌ای که ضریب پیزوالکتریک بسیار بالایی دارد. CEA-Leti نیز راهی برای تبدیل PZT لایه نازک به زیرلایه‌ی شیشه‌ی شفاف پیدا کرده تا به ساختار پیزوالکتریک شفاف دست پیدا کند.

 

روی لبه
سنسورها کوچک وکوچکتر می‌شوند. اکنون می‌توانند چیزی بیشتر از تبدیل پارامترهای فیزیکی مانند رطوبت، گرد و خاک، گرما و حرکت را به سیگنال‌های الکتریکی آنالوگ یا داده‌های دیجیتال انجام می‌دهند.

برای مثال، وایار ادعا می‌کند تراشه‌ی مبتنی بر سنسور کوچکی طراحی کرده که با ۷۲ فرستنده و ۷۲ گیرنده، می‌تواند همه‌چیز را بدون دوربین ردیابی و موقعیت یابی کند. این تکنولوژی موانع را شناسایی کرده و موقعیت مکانی، حرکت، قد، ژست و علائم حیاتی افراد را در تمامی شرایط آب و هوایی و روشنایی به صورت بلادرنگ کنترل می‌کند. تمایز دهنده‌ی کلیدی این تکنولوژی، توانایی آن در مشاهده‌ی آن سوی دیوار، درهای بسته و دیگر اجسام جامد است. از آنجاییکه رویکرد وایار برای تشخیص اشیا به جای دوربین و اپتیک، از امواج رادیویی استفاده می‌کند، سنسورهای آن هیچ داده‌ی نوری را جمع آوری نمی‌کنند و حریم شخصی افراد را حفظ می‌کنند.

از آنجاییکه سنسورها حجم زیادی از داده را جمع آوری می‌کنند، بهتر است پردازش داده به صورت محلی انجام شود تا اینکه به ابر فرستاده شوند. اجرای الگوریتم‌های هوش مصنوعی در لبه، به صورت مستقیم داخل سنسور، مزایای زیادی برای کاربر دارد. اولین مزیت شخصی سازی است؛ از آنجاییکه محاسبات در محل انجام می‌شود، می‌توان آن را بر اساس رفتار شخص بهینه کرد. دوم، پردازش داده‌ در لبه بدون دخالت ابر، حریم شخصی داده‌های کاربر را حفظ می‌کند.

سومین مزیت بازخورد بلادرنگ است. مارکوس اولم مدیر ارشد فناوری شرکت بوش سنسورتک می‌گوید:” با گذراندن داده تا ابر و باز پس گرفتن آن، تاخیری اتفاق می‌افتد و در بسیاری از موارد، این تاخیر آزازدهنده است.” اجرا در لبه دیگر مشکل انتقال داده را ندارد و از این رو تاخیر را کاهش می‌دهد. چهارم، پردازش در محل، عمر باتری را افزایش می‌دهد.

هوش مصنوعی لبه‌ای هنوز در مراحل اولیه‌ی توسعه قرار دارد. چالش‌های مختلفی پیش روی ماست، چراکه جامعه‌ی یادگیری ماشین عمدتا روی راه‌حل‌های مبتنی بر ابر تمرکز کرده تا الزامات داده‌ی حجیم و مشکلات در مقیاس بالا را اداره کند. اما این پتانسیل وجود دارد.

منبع : 5 Defining Moments and Trends in Sensors in 2019

نظر شما