这些步骤听起来非常直接，但实际情况要复杂的多。问题是如何将这些Sensor Hub集成到更大的系统中。为此在诸多市场引发了讨论，如何在这些系统中筛选数据处理。随着越来越多的传感器添加进来，会导致成本更昂贵，处理所有的数据速度也实在太慢。某些数据需要在本地处理，但具体有多少尚不清楚。
Rambus公司的杰出发明家Steven Woo表示，“其中一个大问题是，如何利用输入来决定什么更重要。该如何理解这所有数据？目前正在进行大量探索，如今已有许多工具可在一个地方就完成所有事情。”
此观点得到整个行业的认同，西门子旗下Mentor的Deep Submicron Division部门的电子设计系统的产品营销经理Jeff Miller认为，“我们看到MEMS市场上传感器的融合，尤其是当这些公司试图在系统中增加更多价值。与标准MEMS传感器相比，具有多重自由度和多路存储GPU的集成传感器可提供更大的价值。但需要更多集成来实现传感器的融合，如你拆开Amazon Echos音响，你会发现七个精心安排的MEMS麦克风，以便实现远场语音检测。这里需要多种传感器融合才能分辨出不同的的声音。与IMU（惯性测量单元）结合是一种很好的方法，可以为传感器增加价值，实现产品差异化。这通常涉及到使用处理器。”
集成问题
除了集成度越来越高外，系统供应商还需要了解这些器件之间是如何相互作用的。和大多数芯片一样，MEMS器件对热量很敏感，这很可能会影响其在汽车等极端环境中的性能。但由于MEMS器件涉及电子和机械结构，对振动及其他类型噪声也很敏感。这就需要更全面的特性描述。
泛林集团旗下Coventor公司的MEMS高级主管Stephen Breit认为，“当所有器件集成在同一颗芯片或封装在一起时，其特性描述就会变得更加困难，而且不同类型传感器表现的特性均是不同的。陀螺仪和加速度计集成在一起会出现交叉耦合效应。陀螺仪有一种驱动模式，它可在很近距离与传感器耦合。”
有些方法是可以改善这些问题的。例如，陀螺仪的振动可以像其他任何噪声一样被消除。由于此类振动的频率可以预测，因此可被过滤掉。但这种噪声也可被理解为附近其它器件的信号，因此在面对此类问题时不能只考虑单一MEMS器件。
Breit补充道，“特性描述也非常具有情境性的。例如在惯性传感器作用下，面临的大问题就是正交效应，即感应轴之间的耦合。产生这种情况的原因有许多。其中一些是制造过程产生的偏差，因此必须在每一代器件设计都要优化。”
此领域几乎没有什么历史或经验可参考。一方面是由于器件本身在不停地优化，潜在的交互作用均是未知的。另一方面是因为这些器件一直被用于如无人机和机器人等新市场，或是如汽车行业等不断发展的市场中。在所有此类领域中，并没有未来如何使用技术的路线图，也不知道最终将在同样的系统或封装中集成什么。
