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

پیتر فان مانن: چگونه مسابقه فرمول ۱ به نوزدان کمک می‌کند؟

Translator: Leila Ataei Reviewer: soheila Jafari

Motor racing is a funny old business.

مسابقات اتومبيل‌‌رانى يك تجارت قديمى جالب است.

We make a new car every year,

هر سال يك ماشين جديد مى‌‌سازيم،

and then we spend the rest of the season

و سپس بقيه فصل رو صرف

trying to understand what it is we've built

تلاش جهت فهميدن چيزى كه ساخته‌‌ايم مى‌‌كنيم

to make it better, to make it faster.

تا اون رو بهتر كنيم، تا اون رو سريعتر كنيم.

And then the next year, we start again.

و سپس سال بعد، از نو شروع مى‌‌كنيم.

Now, the car you see in front of you is quite complicated.

خُب، اين ماشينى كه در جلوتون مى‌‌بينيد نسبتاً پيچيده است.

The chassis is made up of about 11,000 components,

شاسى اون از حدود ١١٫٠٠٠ قطعه تشكيل شده

the engine another 6,000,

و موتورش از ٦٫٠٠٠ تاى ديگه،

the electronics about eight and a half thousand.

تعداد قطعات برقیش در حدود هشت و نيم هزار است.

So there's about 25,000 things there that can go wrong.

بنابراین چيزى حدود ٢٥٫٠٠٠ قطعه وجود داره كه مى‌‌تونن ايراد پيدا كنن.

So motor racing is very much about attention to detail.

پس مسابقه اتومبيل‌‌رانى سوارى بيشتر از همه درباره توجه به جزييات است.

The other thing about Formula 1 in particular

نكته ديگه درباره فرمول ١ بخصوص اين

is we're always changing the car.

است كه هميشه اتومبيل رو عوض مى‌‌كنيم.

We're always trying to make it faster.

هميشه سعى داريم اون رو سريعتر كنيم.

So every two weeks, we will be making

بس هر دوهفته يكبار، چيزى در حدود

about 5,000 new components to fit to the car.

٥٫٠٠٠ قطعه جديد متناسب با اون ماشين مى‌‌سازيم.

Five to 10 percent of the race car

پنج تا ١٠ درصد ماشيم مسابقه‌‌ هر دو هفته يكبار

will be different every two weeks of the year.

در سال متفاوت خواهد بود.

So how do we do that?

خب اين كار رو چطور انجام مى‌‌ديم؟

Well, we start our life with the racing car.

خب، ما زندگيمون رو با ماشين مسابقه شروع مى‌‌كنيم.

We have a lot of sensors on the car to measure things.

يك عالم حسگر روى ماشين داريم كه چيزها رو اندازه مى‌‌گيرند.

On the race car in front of you here

در ماشين مسابقه‌‌اى كه اينجا در مقابلتون داريم

there are about 120 sensors when it goes into a race.

كه موقع رفتن به يك مسابقه حدود ١٢٠ حسگر وجود دارد.

It's measuring all sorts of things around the car.

انواع چيزهايى رو كه اطراف ماشين است رو اندازه مى‌‌گيره.

That data is logged. We're logging about

داده‌‌ها ثبت مى‌‌شن. حدود ٥٠٠ پارامتر مختلف

500 different parameters within the data systems,

را درون اين سيستم‌‌هاى داده‌‌ها ثبت مى‌‌كنيم،

about 13,000 health parameters and events

در حدود ١٣٫٠٠٠ پارامتر سلامتى و حوادث

to say when things are not working the way they should do,

جهت گفتن اين كه چه وقت چيزها آنطورى كه لازم است كار نمى‌‌كنن.،

and we're sending that data back to the garage

و با استفاده دورسنجى با نسبت دو به چهار مگابايت

using telemetry at a rate of two to four megabits per second.

در ثانيه ما اون داده‌‌‌‌ها رو به گاراژ پس مى‌‌فرستيم.

So during a two-hour race, each car will be sending

بنابراين در طى يك مسابقه دو ساعته، هر ماشين ٧٥٠ ميليون

750 million numbers.

عدد رو ارسال مى‌كنه.

That's twice as many numbers as words that each of us

كه دو برابر كل تعداد واژه‌‌هايى است كه هر كدام از ما

speaks in a lifetime.

در طول عمرمان حرف مى‌‌زنيم.

It's a huge amount of data.

ميزان عظيمى از داده‌‌هاست.

But it's not enough just to have data and measure it.

اما فقط داشتن داده‌‌ها و اندازه گرفتن آنها كافى نيست.

You need to be able to do something with it.

شما بايد قادر باشيد كه كارى باهاشون انجام بدين

So we've spent a lot of time and effort

پس يك عالم وقت و تلاش در تبديل

in turning the data into stories

داده‌‌ها به داستانهايى كه قابل گفتن باشند

to be able to tell, what's the state of the engine,

صرف كرديم، وضعيت لاستيكها چطوره،

how are the tires degrading,

تايرها چطور فرسوده ميشن،

what's the situation with fuel consumption?

وضعيت مصرف سوخت چطوره؟

So all of this is taking data

پس همه اينها از داده‌‌ها استفاده مى‌‌كنند

and turning it into knowledge that we can act upon.

و اونها رو به دانشى تبديل مى‌‌كنن كه بتونيم رويشون اقدام كنيم.

Okay, so let's have a look at a little bit of data.

بسيار خوب، بياين نگاه كوچولويى به اين داده‌‌ها بيندازيم.

Let's pick a bit of data from

بياين يك مقداركوچولويى از اين داده‌‌ها رو

another three-month-old patient.

از بيمار سه ماهه ديگه‌‌اى انتخاب كنيم.

This is a child, and what you're seeing here is real data,

يك بچه است، و چيزى كه اينجا مى‌‌بينيد داده‌‌هاى واقعى است،

and on the far right-hand side,

و در انتهاى سمت راست

where everything starts getting a little bit catastrophic,

جاييكه چيزها شروع به مى‌‌كنند به كمى فاجعه آميز شدن،

that is the patient going into cardiac arrest.

اين كه بيمار قراره دچار ايست قلبى شود.

It was deemed to be an unpredictable event.

به حادثه‌‌اى غيرقابل پيش بينى محكوم بود.

This was a heart attack that no one could see coming.

حمله قلبى كه هيچ كس نمى‌‌تونست اومدنش رو ببينه.

But when we look at the information there,

اما وقتى به اطلاعاتى كه اونجاست نگاه مى‌‌كنيم

we can see that things are starting to become

قادريم ببينيم كه اوضاع شروع مى‌‌كنه

a little fuzzy about five minutes or so before the cardiac arrest.

به كمى عجيب و غريب شدن در عرض پنج دقيقه يا درست قبل از ايست قلبى.

We can see small changes

ما مى‌‌تونيم تغييرات كوچيك رو در

in things like the heart rate moving.

چيزهايى مثل نوسانات ضربان قلب ببينيم.

These were all undetected by normal thresholds

همه اينها با مقیاس آستانه‌های عادی که در رابطه با این داده‌ها

which would be applied to data.

اعمال می‌شد، غیر قابل تشخیص بودند.

So the question is, why couldn't we see it?

بنابراین پرسش این است، چرا قادر به دیدنش نیستیم؟

Was this a predictable event?

آیا این یک حادثه قابل پیش بینی است؟

Can we look more at the patterns in the data

آیا قادریم الگوهای بیشتری رو در این داده‌ها مورد بررسی قرار دهیم و

to be able to do things better?

در نتیجه بتونیم انجام کارها رو بهتر کنیم؟

So this is a child,

خوب اين يك بچه است،

about the same age as the racing car on stage,

كه تقريباً هم سن اتومبيل مسابقه‌‌اى روى صحنه است،

three months old.

سه ماهه.

It's a patient with a heart problem.

بيمارى با مشكل قلبى.

Now, when you look at some of the data on the screen above,

اكنون وقتى به برخى از داده‌‌هاى روى پرده بالايى نگاه مى‌‌كنيد،

things like heart rate, pulse, oxygen, respiration rates,

چيزهايى مثل ضربان قلب، نبض، اكسيژن، ميزان دَم،

they're all unusual for a normal child,

همشون براى يك كودك عادى غير طبيعى هستند،

but they're quite normal for the child there,

اما نسبتاً براى اون كودك عاديند.

and so one of the challenges you have in health care is,

و در نتيجه يكى از چالشهايى كه در مراقبت از سلامت باهاش مواجه هستيد

how can I look at the patient in front of me,

اينكه من چطور مى‌‌تونم به بيماريى كه در مقابل هست نگاه كنم،

have something which is specific for her,

اينكه چيزى رو داشته باشه كه مخصوص به اون هست،

and be able to detect when things start to change,

و قادر به تشخيص اين باشه كه چه وقت چيزها شروع به تغيير كردن مى‌‌كنند

when things start to deteriorate?

و چه وقت چيزها شروع به بيراهه رفتن مى‌‌كنند؟

Because like a racing car, any patient,

چون مثل ماشين مسابقه، براى هر بيمارى هم

when things start to go bad, you have a short time

وقتى اوضاع شروع به بد شدن مى‌‌كنه، هنوز يك وقت كمى

to make a difference.

براى ايجاد تغيير وجود داره.

So what we did is we took a data system

پس كارى كه ما انجام داديم اين بود كه سيستمى از داده‌‌ها

which we run every two weeks of the year in Formula 1

رو كه هر دو هفته در سال در فرمول ١ انجام مى‌‌داديم را در نظر بگيريم

and we installed it on the hospital computers

و روى كامپيوترهاى بيمارستان در بيمارستان كودكان بيرمنگام

at Birmingham Children's Hospital.

نصب كنيم.

We streamed data from the bedside instruments

داده‌ها رو از دستگاه‌های کنار تخت در بخش مراقبتهای

in their pediatric intensive care

ویژه کودکان را بصورت زنده منتقل کردیم

so that we could both look at the data in real time

تا بتونیم همزمان به داده‌ها بصورت بلادرنگ نگاه کنیم

and, more importantly, to store the data

و مهم‌تر از همه داده‌ها را ذخیره کنیم

so that we could start to learn from it.

تا امکان یادگیری از اونها رو داشته باشیم.

And then, we applied an application on top

و سپس، برنامه کامپوتری رو در راس اون نصب کردیم

which would allow us to tease out the patterns in the data

که به ما اجازه میداد الگوهایی رو با دشواری از توی این داده‌ها استخراج کنیم.

in real time so we could see what was happening,

در سیستم بلادرنگ، امکان مشاهده بلادرنگ آنچه در حال اتفاق افتادن است وجود داره،

so we could determine when things started to change.

در نتیجه ما قادریم تصمیم بگیریم کی اوضاع شروع به تغییر کردن می کنه.

Now, in motor racing, we're all a little bit ambitious,

حال در مسابقه اتومبیل‌رانی، ما همگی یه خرده جاه طلب،

audacious, a little bit arrogant sometimes,

بی‌پروا و کمی هم بعضی وقتها از خود راضی هستیم،

so we decided we would also look at the children

پس تصمیم گرفتیم که بچه‌ها رو در حالیکه به بخش مراقبتهای ویژه

as they were being transported to intensive care.

منتقل می‌شدند رو مورد بررسی قرار دهیم.

Why should we wait until they arrived in the hospital

چرا باید صبر کنیم تا به بیمارستان برسن و

before we started to look?

قبلش شروع به بررسی نکنیم.

And so we installed a real-time link

و در نتیجه سیستم بلادرنگ

between the ambulance and the hospital,

را بین آمبولانس و بیمارستان نصب کردیم،

just using normal 3G telephony to send that data

تنها با استفاده از فناوری 3Gجهت ارسال داده‌ها

so that the ambulance became an extra bed

در نتیجه آمبولانس تخت اضافی در

in intensive care.

اتاق مراقبتهای ویژه شد.

And then we started looking at the data.

و بعد شروع کردیم به مطالعه داده‌ها.

So the wiggly lines at the top, all the colors,

خب همه خطوط جنبنده در بالا هستن، همه رنگها.

this is the normal sort of data you would see on a monitor --

این تقسیم بندی عادی داده‌هایی است که در مانتیور مشاهده خواهید کرد--

heart rate, pulse, oxygen within the blood,

ضربان قلب، نبض، اکسیژن توی خون

and respiration.

و دم و بازدم.

The lines on the bottom, the blue and the red,

این خطوط آبی و قرمز که اون ته قرار دارند،

these are the interesting ones.

خیلی جالب هستن

The red line is showing an automated version

خط قرمز نسخه اتومات شده‌ای از امتیاز هشدار دهنده

of the early warning score

در بیمارستان کودکان بیرمنگام

that Birmingham Children's Hospital were already running.

اولیه را نشان می‌دهد، که اخیراً در آنجا اجرا شد.

اونها از ٢٠٠٨ اون رو اجرا كردن،

They'd been running that since 2008,

and already have stopped cardiac arrests

و در حال حاضر ايست‌‌هاى قلبى و درد

and distress within the hospital.

داخل بيمارستان رو متوقف كردن.

The blue line is an indication

خط آبى نشانگر اين است

of when patterns start to change,

كه چه وقت الگوها شروع به تغيير كردن مى‌‌كنند،ً

and immediately, before we even started

و فوراً، حتى قبل از اين كه شروع كنيم

putting in clinical interpretation,

به شرح و تفسير اون در قالب تفسيرات كلينيكى،

we can see that the data is speaking to us.

مى‌‌تونيم شاهد اون باشيم كه داده‌‌ها با ما صحبت مى‌‌كنن،

It's telling us that something is going wrong.

به ما مى‌‌گن يك چيزى درست پيش نمى‌‌ره.

The plot with the red and the green blobs,

نقشه‌‌اى با حبابهاى قرمز و سبز،

this is plotting different components

عناصر مختلفى از اون داده‌‌ها كه عليه يكديگر

of the data against each other.

هستند رو علامت گذارى مى‌‌كنه.

The green is us learning what is normal for that child.

سبز ماييم كه مشغول يادگيرى درباره چيزى هستيم كه براى آن بچه عادى باشه.

We call it the cloud of normality.

اون رو ابر عادى بودن مى‌‌ناميم.

And when things start to change,

و وقتى چيزها شروع به تغيير كردن مى‌‌كنن،

when conditions start to deteriorate,

وقتى شرايط رو به خراب شدن مى‌‌كنه،

we move into the red line.

ما به سوى خط قرمز حركت مى‌‌كنيم.

There's no rocket science here.

شق القمر نمى‌‌كنيم.

It is displaying data that exists already in a different way,

داده‌‌هايى رو نشون مى‌‌ده كه در حال حاضر به روشى متفاوت وجود دارد،

to amplify it, to provide cues to the doctors,

تا اون رو وسعت ببخشه، سرنخ‌‌هايى رو براى دكترها، براى پرستارها

to the nurses, so they can see what's happening.

ميسر كنه، تا آنها ببين كه چه اتفاقى در حال رخ دادن است.

In the same way that a good racing driver

به همان روشى كه يك راننده خوب مسابقه

relies on cues to decide when to apply the brakes,

وقتى به سر پيچ مى‌‌رسه، به سرنخ‌‌ها براى تصميم گيرى

when to turn into a corner,

درباره ترمز گرفتن اتكا مى‌‌كنه،

we need to help our physicians and our nurses

ما لازم است كه به پزشكان و پرستارهامون كمك كنيم براى ديدن

to see when things are starting to go wrong.

اين كه كى چيزها شروع به اشتباه رفتن مى‌‌كنه.

So we have a very ambitious program.

بنابراين برنامه بسيار جاه‌ طلبانه‌‌اى داريم.

We think that the race is on to do something differently.

ما فكر مى‌‌كنيم كه مسابقه انجام دادن چيزى متفاوت است.

We are thinking big. It's the right thing to do.

ما بزرگ فكر مى‌‌كنيم. بهترين كار براى انجام دادن است.

We have an approach which, if it's successful,

ما روشى داريم كه اگر موفق باشه،

there's no reason why it should stay within a hospital.

هيچ دليلى وجود نداره كه توى بيمارستان بايد بمونه.

مى‌‌تونه وراى ديوارها بره.

It can go beyond the walls.

With wireless connectivity these days,

اين روزها بواسطه ارتباط اينترنتى،

there is no reason why patients, doctors and nurses

دليلى نداره كه بيماران، پزشكان و پرستاران

always have to be in the same place

همواره هم زمان

at the same time.

در يك محل باشند.

And meanwhile, we'll take our little three-month-old baby,

و در عين حال، همچنان كودك سه ماهه كوچولومون رو به

keep taking it to the track, keeping it safe,

مسابقه مى‌‌بريم، امنيتش رو حفظ مى‌‌كنيم،

and making it faster and better.

و بهتر و سريعترش مى‌‌كنيم.

Thank you very much.

خيلی خيلى از شما متشكرم.

(Applause)

(تشويق)