Peter van Manen: How can Formula 1 racing help ... babies?

81,035 views ・ 2013-08-01

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Dimitris Frangogiannis Επιμέλεια: Kyriakos Athanasiou
00:12
Motor racing is a funny old business.
0
12336
2233
Ο μηχανοκίνητος αθλητισμός είναι μια περίεργη υπόθεση.
00:14
We make a new car every year,
1
14593
2293
Κάθε χρόνο φτιάχνουμε ένα καινούργιο αυτοκίνητο,
00:16
and then we spend the rest of the season
2
16910
2164
και περνάμε το υπόλοιπο της περιόδου,
00:19
trying to understand what it is we've built
3
19098
2752
προσπαθώντας να καταλάβουμε τι είναι αυτό που φτιάξαμε,
00:21
to make it better, to make it faster.
4
21874
3197
τι είναι αυτό που το κάνει καλύτερο και γρηγορότερο.
00:25
And then the next year, we start again.
5
25095
3251
Την επόμενη χρονιά ξεκινάμε ξανά.
00:28
Now, the car you see in front of you is quite complicated.
6
28370
4214
Το αμάξι που βλέπετε μπροστά σας είναι αρκετά πολύπλοκο.
00:32
The chassis is made up of about 11,000 components,
7
32608
3595
Το σασί αποτελείται από περίπου 11.000 κομμάτια,
00:36
the engine another 6,000,
8
36227
2444
η μηχανή από άλλα 6.000,
00:38
the electronics about eight and a half thousand.
9
38695
3069
τα ηλεκτρονικά τμήματα από 8.500 περίπου.
00:41
So there's about 25,000 things there that can go wrong.
10
41788
4377
Οπότε υπάρχουν περίπου 25.000 πράγματα εκεί που μπορεί να πάνε στραβά.
00:46
So motor racing is very much about attention to detail.
11
46189
4802
Ο μηχανοκίνητος αθλητισμός επομένως απαιτεί μεγάλη προσοχή στις λεπτομέρειες.
00:51
The other thing about Formula 1 in particular
12
51015
3239
Το άλλο πράγμα για την Φόρμουλα 1 ειδικότερα,
00:54
is we're always changing the car.
13
54278
2100
είναι ότι συνεχώς αλλάζουμε το αυτοκίνητο.
00:56
We're always trying to make it faster.
14
56402
2256
Πάντα προσπαθούμε να το κάνουμε γρηγορότερο.
00:58
So every two weeks, we will be making
15
58682
2960
Οπότε, κάθε δύο βδομάδες, κατασκευάζουμε
01:01
about 5,000 new components to fit to the car.
16
61666
4176
περίπου 5.000 νέα εξαρτήματα για να ενσωματώσουμε στο αυτοκίνητο.
01:05
Five to 10 percent of the race car
17
65866
2154
Το 5 - 10% του αγωνιστικού αυτοκινήτου
01:08
will be different every two weeks of the year.
18
68044
3728
θα είναι διαφορετικό κάθε δύο βδομάδες του έτους.
01:11
So how do we do that?
19
71796
2285
Πως το κάνουμε λοιπόν αυτό;
01:14
Well, we start our life with the racing car.
20
74105
3720
Ξεκινάμε τη ζωή μας με το αγωνιστικό αυτοκίνητο.
01:17
We have a lot of sensors on the car to measure things.
21
77849
3967
Χρησιμοποιούμε πολλούς αισθητήρες στο αμάξι, για να μετράμε διάφορα πράγματα.
01:21
On the race car in front of you here
22
81840
1858
Στο αγωνιστικό αυτοκίνητο που έχετε εδώ μπροστά σας,
01:23
there are about 120 sensors when it goes into a race.
23
83722
3135
υπάρχουν περίπου 120 αισθητήρες, όταν πηγαίνει σε αγώνα.
01:26
It's measuring all sorts of things around the car.
24
86881
3628
Μετράνε διάφορα πράγματα γύρω από το αμάξι.
01:30
That data is logged. We're logging about
25
90533
2028
Τα δεδομένα καταχωρούνται. Καταχωρούμε περίπου
01:32
500 different parameters within the data systems,
26
92585
3680
500 διαφορετικούς παραμέτρους στα συστήματα δεδομένων,
01:36
about 13,000 health parameters and events
27
96289
3641
13.000 περίπου παραμέτρους υγείας και γεγονότα
01:39
to say when things are not working the way they should do,
28
99954
4541
που μας λένε πότε τα πράγματα δεν λειτουργούν, όπως θα έπρεπε.
01:44
and we're sending that data back to the garage
29
104519
2801
και στέλνουμε τα δεδομένα πίσω στο συνεργείο,
01:47
using telemetry at a rate of two to four megabits per second.
30
107344
4955
χρησιμοποιώντας τηλεμετρία με συχνότητα 2 με 4 μεγκαμπιτς το δευτερόλεπτο.
01:52
So during a two-hour race, each car will be sending
31
112323
3103
Επομένως, κατά τη διάρκεια ενός δίωρου αγώνα, κάθε αυτοκίνητο θα στέλνει,
01:55
750 million numbers.
32
115450
2251
750 εκατομμύρια αριθμούς.
01:57
That's twice as many numbers as words that each of us
33
117725
3119
Πρόκειται για δυο φορές το νούμερο των λέξεων,
02:00
speaks in a lifetime.
34
120868
1607
τις οποίες χρησιμοποιεί κανείς στη ζωή του.
02:02
It's a huge amount of data.
35
122499
2594
Είναι ένα τεράστιο ποσό δεδομένων.
02:05
But it's not enough just to have data and measure it.
36
125117
2621
Δεν φτάνει μόνο, όμως, να έχουμε τα δεδομένα και να τα μετράμε.
02:07
You need to be able to do something with it.
37
127762
2134
Πρέπει να μπορούμε να κάνουμε κάτι με αυτά.
02:09
So we've spent a lot of time and effort
38
129920
2370
Έτσι, έχουμε δαπανήσει πολύ χρόνο και προσπάθεια,
02:12
in turning the data into stories
39
132314
1845
για να μετατρέψουμε τα δεδομένα σε ιστορίες,
02:14
to be able to tell, what's the state of the engine,
40
134183
3081
για να μπορούμε να καταλάβουμε ποια είναι η κατάσταση της μηχανής,
02:17
how are the tires degrading,
41
137288
2248
πως φθείρονται τα ελαστικά,
02:19
what's the situation with fuel consumption?
42
139560
3724
τι συμβαίνει με την κατανάλωση καυσίμων;
02:23
So all of this is taking data
43
143308
2764
Όλα αυτά χρησιμοποιούν τα δεδομένα,
02:26
and turning it into knowledge that we can act upon.
44
146096
3778
και τα μετατρέπουν σε γνώσεις, τις οποίες μπορούμε να αξιοποιήσουμε.
02:29
Okay, so let's have a look at a little bit of data.
45
149898
2614
Ας ρίξουμε μια ματιά σε κάποια δεδομένα.
02:32
Let's pick a bit of data from
46
152536
2006
Ας επιλέξουμε μερικά δεδομένα,
02:34
another three-month-old patient.
47
154566
3055
από ένα άλλο ασθενή, ηλικίας τριών μηνών.
02:37
This is a child, and what you're seeing here is real data,
48
157645
4147
Αυτό είναι ένα παιδί και αυτά που βλέπετε εδώ είναι πραγματικά δεδομένα
02:41
and on the far right-hand side,
49
161816
1953
και στην δεξιά μεριά,
02:43
where everything starts getting a little bit catastrophic,
50
163793
2762
όπου όλα αρχίζουν να γίνονται λίγο καταστροφικά,
02:46
that is the patient going into cardiac arrest.
51
166579
3361
αυτό είναι ο ασθενής που μπαίνει σε καρδιακή ανακοπή,
02:49
It was deemed to be an unpredictable event.
52
169964
3208
Φαινόταν να είναι ένα απρόβλεπτο γεγονός.
02:53
This was a heart attack that no one could see coming.
53
173196
3765
Αυτή ήταν μία καρδιακή ανακοπή που κανείς δεν μπορούσε να προβλέψει.
02:56
But when we look at the information there,
54
176985
2526
Αλλά όταν δούμε τις πληροφορίες εδώ,
02:59
we can see that things are starting to become
55
179535
2325
βλέπουμε πώς τα πράγματα αρχίζουν να γίνονται
03:01
a little fuzzy about five minutes or so before the cardiac arrest.
56
181884
4005
λίγο θολά περίπου πέντε λεπτά πρίν την καρδιακή ανακοπή.
03:05
We can see small changes
57
185913
2013
Βλέπουμε μικρές αλλαγές
03:07
in things like the heart rate moving.
58
187950
2359
σε πράγματα όπως η κίνηση του καρδιακού ρυθμού.
03:10
These were all undetected by normal thresholds
59
190333
2462
Αυτές ήταν όλες μη ανιχνεύσιμες με τα φυσιολογικά όρια
03:12
which would be applied to data.
60
192819
2384
που θα εφαρμόζονταν στα δεδομένα.
03:15
So the question is, why couldn't we see it?
61
195227
3119
Οπότε το ερώτημα είναι, γιατί δεν μπορέσαμε να το δούμε;
03:18
Was this a predictable event?
62
198370
2557
Ήταν αυτό ένα προβλέψιμο γεγονός;
03:20
Can we look more at the patterns in the data
63
200951
2986
Μπορούμε να κοιτάξουμε περισσότερο στα μοτίβα εντός των δεδομένων
03:23
to be able to do things better?
64
203961
3356
για να μπορέσουμε να πράξουμε σωστότερα;
03:27
So this is a child,
65
207341
2626
Οπότε, αυτό είναι ένα παιδί,
03:29
about the same age as the racing car on stage,
66
209991
3208
περίπου στην ίδια ηλικία με το αγωνιστικό αυτοκίνητο στη σκηνή,
03:33
three months old.
67
213223
1606
τριών μηνών.
03:34
It's a patient with a heart problem.
68
214853
2581
Είναι ένας ασθενής με καρδιακό πρόβλημα.
03:37
Now, when you look at some of the data on the screen above,
69
217458
3444
Τώρα, όταν βλέπετε κάποια απο τα δεδομένα στην παραπάνω οθόνη,
03:40
things like heart rate, pulse, oxygen, respiration rates,
70
220926
4878
πράγματα όπως ο καρδιακός ρυθμός, οι σφυγμοί, το οξυγόνο, ο ρυθμός αναπνοής,
03:45
they're all unusual for a normal child,
71
225828
3052
είναι όλοι ασυνήθιστοι για ένα φυσιολογικό παιδί,
03:48
but they're quite normal for the child there,
72
228904
2618
αλλά είναι αρκετά φυσιολογικοί για το παιδί εδώ,
03:51
and so one of the challenges you have in health care is,
73
231546
4114
οπότε, μία απο τις προκλήσεις που έχουμε στην υγειονομική περίθαλψη είναι,
03:55
how can I look at the patient in front of me,
74
235684
2827
πώς μπορώ να κοιτάξω την ασθενή που έχω μπροστά μου,
03:58
have something which is specific for her,
75
238535
3023
να έχω κάτι που να είναι συγκεκριμένα για αυτήν
04:01
and be able to detect when things start to change,
76
241582
2764
και να μπορώ να ανιχνεύσω πότε τα πράγματα αρχίζουν να αλλάζουν,
04:04
when things start to deteriorate?
77
244370
2075
πότε τα πράγματα αρχίζουν να επιδεινώνονται;
04:06
Because like a racing car, any patient,
78
246469
3026
Γιατί, όπως στο αγωνιστικό αυτοκίνητο, σε κάθε ασθενή,
04:09
when things start to go bad, you have a short time
79
249519
2952
όταν τα πράγματα αρχίζουν να επιδεινώνονται, έχεις πολύ λίγο χρόνο
04:12
to make a difference.
80
252495
1807
να κάνεις τη διαφορά.
04:14
So what we did is we took a data system
81
254326
2730
Οπότε αυτό που κάναμε ήταν να πάρουμε ενα σύστημα δεδομένων
04:17
which we run every two weeks of the year in Formula 1
82
257080
3107
που το τρέχουμε κάθε δύο εβδομάδες του έτους στη Φόρμουλα 1
04:20
and we installed it on the hospital computers
83
260211
2978
και το εγκαταστήσαμε σε υπολογιστές
04:23
at Birmingham Children's Hospital.
84
263213
2266
του Παιδικού Νοσοκομείου του Μπέρμινγκχαμ.
04:25
We streamed data from the bedside instruments
85
265503
2415
Μεταφέραμε τα δεδομένα απο τα παρακλίνια μηχανήματα
04:27
in their pediatric intensive care
86
267942
2533
στην παιδιατρική εντατική μονάδα
04:30
so that we could both look at the data in real time
87
270499
3431
ώστε να μπορούμε και να βλέπουμε τα δεδομένα σε πραγματικό χρόνο,
04:33
and, more importantly, to store the data
88
273954
2848
αλλά και, πιο σημαντικά, να μπορούμε να αποθηκεύσουμε τα δεδομένα
04:36
so that we could start to learn from it.
89
276826
3033
ώστε να μπορέσουμε να ξεκινήσουμε να μαθαίνουμε απο αυτά.
04:39
And then, we applied an application on top
90
279883
4360
Ύστερα, τοποθετήσαμε μια εφαρμογή απο πάνω,
04:44
which would allow us to tease out the patterns in the data
91
284267
3246
που θα μας επέτρεπε να εξακριβώσουμε τα μοτίβα μέσα στα δεδομένα
04:47
in real time so we could see what was happening,
92
287537
2932
σε πραγματικό χρόνο, ώστε να μπορέσουμε να δούμε τι συμβαίνει,
04:50
so we could determine when things started to change.
93
290493
3689
και να μπορέσουμε να προσδιορίσουμε πότε τα πράγματα άρχιζουν να αλλάζουν.
04:54
Now, in motor racing, we're all a little bit ambitious,
94
294206
3839
Τώρα, στον μηχανοκίνητο αθλητισμό, είμαστε όλοι λίγο φιλόδοξοι,
04:58
audacious, a little bit arrogant sometimes,
95
298069
2525
τυχοδιώκτες, λίγο αλλαζόνες μερικές φορές,
05:00
so we decided we would also look at the children
96
300618
3374
γι'αυτό αποφασίσαμε επίσης ότι θα βλέπουμε τα παιδιά
05:04
as they were being transported to intensive care.
97
304016
2933
καθώς μεταφέρονταν στην εντατική μονάδα.
05:06
Why should we wait until they arrived in the hospital
98
306973
2524
Γιατί να πρέπει να περιμένουμε μέχρι να φτάσουν στο νοσοκομείο,
05:09
before we started to look?
99
309521
1576
για να ξεκινήσουμε τη διάγνωση;
05:11
And so we installed a real-time link
100
311121
2973
Έτσι εγκαταστήσαμε μία σύνδεση σε πραγματικό χρόνο
05:14
between the ambulance and the hospital,
101
314118
2812
μεταξύ ασθενοφόρου και νοσοκομείου,
05:16
just using normal 3G telephony to send that data
102
316954
3752
απλά χρησιμοποιώντας κανονικό τηλεφωνικό σήμα 3G για να στέλνουμε τα δεδομένα
05:20
so that the ambulance became an extra bed
103
320730
2463
οπότε το ασθενοφόρο έγινε ένα έξτρα κρεβάτι
05:23
in intensive care.
104
323217
3112
στην εντατική μονάδα.
05:26
And then we started looking at the data.
105
326353
3678
Τότε αρχίσαμε να παρατηρούμε τα δεδομένα.
05:30
So the wiggly lines at the top, all the colors,
106
330055
2897
Οι κατσαρές γραμμές επάνω, όλα τα χρώματα,
05:32
this is the normal sort of data you would see on a monitor --
107
332976
3170
αυτά είναι τα φυσιολογικά δεδομένα που θα έβλεπες σε μια οθόνη --
05:36
heart rate, pulse, oxygen within the blood,
108
336170
3748
καρδιακός ρυθμός, σφυγμοί, οξυγόνο αίματος
05:39
and respiration.
109
339942
2611
και αναπνοή.
05:42
The lines on the bottom, the blue and the red,
110
342577
2729
Οι γραμμές απο κάτω, η μπλέ και η κόκκινη,
05:45
these are the interesting ones.
111
345330
1477
αυτές είναι οι ενδιαφέρουσες.
05:46
The red line is showing an automated version
112
346831
3044
Η κόκκινη δείχνει μια αυτοματοποιημένη εκδοχή
05:49
of the early warning score
113
349899
1573
μιας έγκαιρης ειδοποίησης
05:51
that Birmingham Children's Hospital were already running.
114
351496
2715
που το Παιδικό Νοσοκομείο του Μπέρμινγκχαμ έτρεχε ήδη.
Την έτρεχαν απο το 2008
05:54
They'd been running that since 2008,
115
354235
2062
05:56
and already have stopped cardiac arrests
116
356321
2232
και έχει ήδη σταματήσει καρδιακές ανακοπές
05:58
and distress within the hospital.
117
358577
2733
και το άγχος εντός του νοσοκομείου.
06:01
The blue line is an indication
118
361334
2408
Η μπλέ γραμμή είναι μια ένδειξη
06:03
of when patterns start to change,
119
363766
2476
του πότε τα μοτίβα αρχίζουν να αλλάζουν,
06:06
and immediately, before we even started
120
366266
2285
και άμεσα, προτού καν ξεκινήσουμε
06:08
putting in clinical interpretation,
121
368575
1684
να κάνουμε κλινική διάγνωση,
06:10
we can see that the data is speaking to us.
122
370283
2846
βλέπουμε πως τα δεδομένα μας μιλάνε.
06:13
It's telling us that something is going wrong.
123
373153
3512
Μας λένε πώς κατι πάει στραβά.
06:16
The plot with the red and the green blobs,
124
376689
3792
Το γράφημα με τις κόκκινες και πράσινες κηλίδες,
06:20
this is plotting different components
125
380505
2781
αυτό στήνει διαφορετικά στοιχεία
06:23
of the data against each other.
126
383310
2523
των δεδομένων μεταξύ τους.
06:25
The green is us learning what is normal for that child.
127
385857
3816
Το πράσινο είναι εμείς που μαθαίνουμε τι είναι φυσιολογικό για αυτό το παιδί.
06:29
We call it the cloud of normality.
128
389697
2586
Το ονομάζουμε το σύννεφο του φυσιολογικού.
06:32
And when things start to change,
129
392307
2217
και όταν τα πράγματα αρχίζουν να αλλάζουν,
06:34
when conditions start to deteriorate,
130
394548
2540
όταν οι συνθήκες αρχίζουν να επιδεινώνονται,
06:37
we move into the red line.
131
397112
2214
προχωράμε στην κόκκινη γραμμή
06:39
There's no rocket science here.
132
399350
1633
Δεν είναι πυρηνική φυσική εδώ.
06:41
It is displaying data that exists already in a different way,
133
401007
4089
Προβάλλει δεδομένα που ήδη υπάρχουν με διαφορετικό τρόπο,
06:45
to amplify it, to provide cues to the doctors,
134
405120
3367
για να τα ενισχύσει, να δώσει σήμα στους γιατρούς,
06:48
to the nurses, so they can see what's happening.
135
408511
2714
στις νοσοκόμες, ώστε να μπορούν να δούν τι συμβαίνει.
06:51
In the same way that a good racing driver
136
411249
3106
Όπως ένας καλός οδηγός αγωνιστικών αυτοκινήτων στηρίζεται στις ενδείξεις
06:54
relies on cues to decide when to apply the brakes,
137
414379
4020
για να αποφασίσει πότε θα φρενάρει,
06:58
when to turn into a corner,
138
418423
1452
πότε να στρίψει σε μια στροφή,
06:59
we need to help our physicians and our nurses
139
419899
2894
πρέπει να βοηθήσουμε τους γιατρούς και τις νοσοκόμες μας...
07:02
to see when things are starting to go wrong.
140
422817
3596
να προβλέψουν πότε η κατάσταση αρχίσει να στραβώνει.
07:06
So we have a very ambitious program.
141
426437
2922
Έχουμε ένα πολύ φιλόδοξο πρόγραμμα.
07:09
We think that the race is on to do something differently.
142
429383
4712
Πιστεύουμε ότι οι αγώνας ξεκίνησε για να κάνουμε κάτι διαφορετικά.
07:14
We are thinking big. It's the right thing to do.
143
434119
2880
Έχουμε μεγαλόπνοα σχέδια. Αυτό είναι το σωστό.
07:17
We have an approach which, if it's successful,
144
437023
3388
Έχουμε μια προσέγγιση, που αν είναι επιτυχημένη,
07:20
there's no reason why it should stay within a hospital.
145
440435
2620
δεν θα χρειάζεται να παραμείνει στο νοσοκομείο.
Μπορεί να βγεί εκτός των τοιχών.
07:23
It can go beyond the walls.
146
443079
1704
07:24
With wireless connectivity these days,
147
444807
2047
Με την ασύρματη σύνδεση σήμερα,
07:26
there is no reason why patients, doctors and nurses
148
446878
3420
δεν χρειάζεται να είναι οι ασθενείς, οι γιατροί και οι νοσοκόμες
07:30
always have to be in the same place
149
450322
2147
συνεχώς στον ίδιο χώρο,
07:32
at the same time.
150
452493
1969
την ίδια ώρα.
07:34
And meanwhile, we'll take our little three-month-old baby,
151
454486
3971
Στο μεταξύ, θα πάρουμε το τριών μηνών μωρό μας,
07:38
keep taking it to the track, keeping it safe,
152
458481
3733
θα το βάζουμε να αγωνίζεται, θα το κρατάμε ασφαλές,
07:42
and making it faster and better.
153
462238
2309
και θα το κάνουμε γρηγορότερο και καλύτερο.
07:44
Thank you very much.
154
464571
1381
Ευχαριστώ πολύ.
07:45
(Applause)
155
465976
4954
(Χειροκρότημα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7