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

80,795 views ・ 2013-08-01

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Csaba Lóki Lektor: Judit Szabo
00:12
Motor racing is a funny old business.
0
12336
2233
Az autóversenyzés egy érdekes régi iparág.
00:14
We make a new car every year,
1
14593
2293
Minden évben új autót építünk,
00:16
and then we spend the rest of the season
2
16910
2164
majd a szezon többi részét azzal töltjük,
00:19
trying to understand what it is we've built
3
19098
2752
hogy megértsük, mit is építettünk,
00:21
to make it better, to make it faster.
4
21874
3197
hogy még jobbá, még gyorsabbá tehessük.
00:25
And then the next year, we start again.
5
25095
3251
Aztán a következő évben újrakezdjük.
00:28
Now, the car you see in front of you is quite complicated.
6
28370
4214
Ez az autó, amit itt látnak, meglehetősen összetett.
00:32
The chassis is made up of about 11,000 components,
7
32608
3595
Az alváz 11 000 alkatrészből áll,
00:36
the engine another 6,000,
8
36227
2444
a motor további 6 000-ből,
00:38
the electronics about eight and a half thousand.
9
38695
3069
az elektronika kb. nyolc és félezerból.
00:41
So there's about 25,000 things there that can go wrong.
10
41788
4377
Összesen tehát mintegy 25 000 dolog van, ami elromolhat.
00:46
So motor racing is very much about attention to detail.
11
46189
4802
Az autóversenyzésben nagyon fontos a részletekre figyelni.
00:51
The other thing about Formula 1 in particular
12
51015
3239
A másik, a Forma-1-re jellemző dolog,
00:54
is we're always changing the car.
13
54278
2100
hogy folyamatosan cseréljük az autókat.
00:56
We're always trying to make it faster.
14
56402
2256
Mindig gyorsabbá akarjuk őket tenni.
00:58
So every two weeks, we will be making
15
58682
2960
Minden két hétben legyártunk
01:01
about 5,000 new components to fit to the car.
16
61666
4176
kb. 5 000 alkatrészt az autó számára.
01:05
Five to 10 percent of the race car
17
65866
2154
A verenyautó 5-10 százalékát
01:08
will be different every two weeks of the year.
18
68044
3728
az év minden második hetében lecseréljük.
01:11
So how do we do that?
19
71796
2285
Hogyan csináljuk mindezt?
01:14
Well, we start our life with the racing car.
20
74105
3720
Kezdjük hát el életünket a versenyautóval!
01:17
We have a lot of sensors on the car to measure things.
21
77849
3967
Rengeteg különféle érzékelő van az autón.
01:21
On the race car in front of you here
22
81840
1858
Ezen az autón itt Önök előtt
01:23
there are about 120 sensors when it goes into a race.
23
83722
3135
mintegy 120 érzékelő van, amikor elindul a versenyen.
01:26
It's measuring all sorts of things around the car.
24
86881
3628
Ezek számos dolgot mérnek az autó körül.
01:30
That data is logged. We're logging about
25
90533
2028
Ezeket az adatokat naplózzuk. Rögzítünk körülbelül
01:32
500 different parameters within the data systems,
26
92585
3680
500 különböző adatot az adatrendszerekben,
01:36
about 13,000 health parameters and events
27
96289
3641
kb. 13 000 egészségi paramétert és eseményt,
01:39
to say when things are not working the way they should do,
28
99954
4541
hogy megállapíthassuk, ha valami nem jól működik,
01:44
and we're sending that data back to the garage
29
104519
2801
és az adatokat telemetrikus úton küldjük a boxba,
01:47
using telemetry at a rate of two to four megabits per second.
30
107344
4955
2-4 Mbit/s sebességgel.
01:52
So during a two-hour race, each car will be sending
31
112323
3103
Így egy két órás verseny alatt minden autó
01:55
750 million numbers.
32
115450
2251
750 millió számot küld be.
01:57
That's twice as many numbers as words that each of us
33
117725
3119
Ez kétszer annyi szám, mint ahány szót közülünk
02:00
speaks in a lifetime.
34
120868
1607
bárki egész életében kimond.
02:02
It's a huge amount of data.
35
122499
2594
Ez óriási adatmennyiség.
02:05
But it's not enough just to have data and measure it.
36
125117
2621
Nem elég azonban mérni és adatot gyűjteni.
02:07
You need to be able to do something with it.
37
127762
2134
Valamit kell is az adatokkal kezdenünk.
02:09
So we've spent a lot of time and effort
38
129920
2370
Ezért rengeteg energiát fordítunk arra,
02:12
in turning the data into stories
39
132314
1845
hogy az adatokat olyan történetekké alakítsuk,
02:14
to be able to tell, what's the state of the engine,
40
134183
3081
amelyek mesélnek a motor állapotáról,
02:17
how are the tires degrading,
41
137288
2248
a gumiabroncsok kopásáról,
02:19
what's the situation with fuel consumption?
42
139560
3724
és az üzemanyag-fogyasztás állásáról.
02:23
So all of this is taking data
43
143308
2764
Tehát mindez az adatgyűjtésről szól,
02:26
and turning it into knowledge that we can act upon.
44
146096
3778
és hogy hogyan alakíthatjuk az adatokat használható ismeretekké.
02:29
Okay, so let's have a look at a little bit of data.
45
149898
2614
Rendben van, nézzük meg kicsit közelebbről az adatokat!
02:32
Let's pick a bit of data from
46
152536
2006
Vegyünk néhány adatot
02:34
another three-month-old patient.
47
154566
3055
egy másik háromhónapos pácienstől.
02:37
This is a child, and what you're seeing here is real data,
48
157645
4147
Mégpedig egy gyermektől, és amint látják, ezek itt valós adatok,
02:41
and on the far right-hand side,
49
161816
1953
és itt a jobb szélen,
02:43
where everything starts getting a little bit catastrophic,
50
163793
2762
ahol mind kezd egy kicsit katasztrofálissá válni,
02:46
that is the patient going into cardiac arrest.
51
166579
3361
a beteget a szívműködés leállása fenyegeti.
02:49
It was deemed to be an unpredictable event.
52
169964
3208
Ezt előre nem látható eseménynek ítélték.
02:53
This was a heart attack that no one could see coming.
53
173196
3765
Egy szívroham történt, amit senki nem láthatott előre.
02:56
But when we look at the information there,
54
176985
2526
Amikor azonban megnézzük ezeket az információkat,
02:59
we can see that things are starting to become
55
179535
2325
akkor láthatjuk, hogy a dolgok kezdenek
03:01
a little fuzzy about five minutes or so before the cardiac arrest.
56
181884
4005
kissé összezavarodni, mintegy öt perccel a szívleállás előtt.
03:05
We can see small changes
57
185913
2013
Apró változásokat láthatunk
03:07
in things like the heart rate moving.
58
187950
2359
például a szívritmus alakulásában.
03:10
These were all undetected by normal thresholds
59
190333
2462
Az adatokra alkalmazott normál küszöbértékek
03:12
which would be applied to data.
60
192819
2384
ezeket nem mutatták ki.
03:15
So the question is, why couldn't we see it?
61
195227
3119
Kérdés tehát, hogy miért nem láthattuk ezeket?
03:18
Was this a predictable event?
62
198370
2557
Megjósolható volt-e ez az esemény?
03:20
Can we look more at the patterns in the data
63
200951
2986
Mélyebbre tudunk nézni az adatok mintáiba ahhoz,
03:23
to be able to do things better?
64
203961
3356
hogy jobban láthassuk a dolgokat?
03:27
So this is a child,
65
207341
2626
Ez a gyermek tehát
03:29
about the same age as the racing car on stage,
66
209991
3208
ugyanannyi idős, mint a színpadon látható versenyautó,
03:33
three months old.
67
213223
1606
három hónapos.
03:34
It's a patient with a heart problem.
68
214853
2581
Ő egy beteg, aki szívproblémával küzd.
03:37
Now, when you look at some of the data on the screen above,
69
217458
3444
Most, amikor ránézünk a képen látható bizonyos adatokra,
03:40
things like heart rate, pulse, oxygen, respiration rates,
70
220926
4878
mint például a szívritmusra, pulzusra, oxigénre, légzésritmusra,
03:45
they're all unusual for a normal child,
71
225828
3052
láthatjuk, hogy egészséges gyermeknél szokatlanok,
03:48
but they're quite normal for the child there,
72
228904
2618
ám az itt lévő gyermeknél normálisak,
03:51
and so one of the challenges you have in health care is,
73
231546
4114
és az egészségügy egyik legnagyobb kihívása,
03:55
how can I look at the patient in front of me,
74
235684
2827
hogy hogyan tudok az előttem lévő betegen
03:58
have something which is specific for her,
75
238535
3023
valami rá specifikusat észrevenni,
04:01
and be able to detect when things start to change,
76
241582
2764
és képesnek lenni a változás kezdetének,
04:04
when things start to deteriorate?
77
244370
2075
a problémák első jeleinek felismerésére?
04:06
Because like a racing car, any patient,
78
246469
3026
Mivel a versenyautóhoz hasonlóan, minden betegnél,
04:09
when things start to go bad, you have a short time
79
249519
2952
ha valami elkezd elromlani, rövid idő áll rendelkezésre
04:12
to make a difference.
80
252495
1807
az eltérés felismerésére.
04:14
So what we did is we took a data system
81
254326
2730
Ezért tehát egy olyan adatrendszert hoztunk létre,
04:17
which we run every two weeks of the year in Formula 1
82
257080
3107
amelyet a Forma-1-es év minden második hetében lefuttatunk,
04:20
and we installed it on the hospital computers
83
260211
2978
és amit a birminghami Gyermekkórház
04:23
at Birmingham Children's Hospital.
84
263213
2266
számítógépeire telepítettünk.
04:25
We streamed data from the bedside instruments
85
265503
2415
Összegyűjtjük az intenzív osztályon lévő
04:27
in their pediatric intensive care
86
267942
2533
felügyeleti műszerek adatait,
04:30
so that we could both look at the data in real time
87
270499
3431
hogy ezáltal valós idejű elemzéseket végezhessünk,
04:33
and, more importantly, to store the data
88
273954
2848
és, ami még fontosabb, úgy tárolhassuk az adatokat,
04:36
so that we could start to learn from it.
89
276826
3033
hogy képesek legyünk tanulni belőlük.
04:39
And then, we applied an application on top
90
279883
4360
Erre az adathalmazra ráépítettünk egy alkalmazást,
04:44
which would allow us to tease out the patterns in the data
91
284267
3246
ami segít nekünk előcsalogatni az adatokban lévő mintákat
04:47
in real time so we could see what was happening,
92
287537
2932
valós időben, hogy láthassuk, mi történik,
04:50
so we could determine when things started to change.
93
290493
3689
hogy megállapíthassuk, mikor indulnak változásnak a dolgok.
04:54
Now, in motor racing, we're all a little bit ambitious,
94
294206
3839
Az autóversenyzésben mindannyian egy kissé becsvágyóak,
04:58
audacious, a little bit arrogant sometimes,
95
298069
2525
vakmerőek, és időnként kissé arrogánsak vagyunk,
05:00
so we decided we would also look at the children
96
300618
3374
ezért úgy döntöttünk, hogy a gyermekekre is úgy tekintünk,
05:04
as they were being transported to intensive care.
97
304016
2933
mintha éppen az intenzív osztályra szállítanák őket.
05:06
Why should we wait until they arrived in the hospital
98
306973
2524
Miért kéne a kórházba érkezésükre várnunk,
05:09
before we started to look?
99
309521
1576
mielőtt elkezdenénk a vizsgálatukat?
05:11
And so we installed a real-time link
100
311121
2973
Ezért kialakítottunk egy valósidejű kapcsolatot
05:14
between the ambulance and the hospital,
101
314118
2812
a mentőautó és a kórház között,
05:16
just using normal 3G telephony to send that data
102
316954
3752
a normál 3G-s, telefonos adatcsatornán keresztül,
05:20
so that the ambulance became an extra bed
103
320730
2463
és így a mentőautót az intenzív osztály
05:23
in intensive care.
104
323217
3112
egy ágyává alakítottuk.
05:26
And then we started looking at the data.
105
326353
3678
Aztán elkezdtük az adatok elemzését.
05:30
So the wiggly lines at the top, all the colors,
106
330055
2897
Ezek a mindenféle színű, kígyózó vonalak itt felül,
05:32
this is the normal sort of data you would see on a monitor --
107
332976
3170
ezek a szokásos adatfajták, amiket a monitoron láthatunk --
05:36
heart rate, pulse, oxygen within the blood,
108
336170
3748
szívritmus, pulzus, a vérben lévő oxigén,
05:39
and respiration.
109
339942
2611
és a légzés.
05:42
The lines on the bottom, the blue and the red,
110
342577
2729
Alul a kék és piros vonal,
05:45
these are the interesting ones.
111
345330
1477
ezek az érdekesek számunkra.
05:46
The red line is showing an automated version
112
346831
3044
A piros vonal egy automatikus változatát mutatja
05:49
of the early warning score
113
349899
1573
annak a korai riasztási értéknek,
05:51
that Birmingham Children's Hospital were already running.
114
351496
2715
amit a birminghami Gyermekkórház már használ.
Már 2008 óta használják,
05:54
They'd been running that since 2008,
115
354235
2062
05:56
and already have stopped cardiac arrests
116
356321
2232
és már sikerült megakadályozniuk szívleállást,
05:58
and distress within the hospital.
117
358577
2733
és szívrohamot a kórházban.
06:01
The blue line is an indication
118
361334
2408
A kék vonal egy indikátor,
06:03
of when patterns start to change,
119
363766
2476
ami a mintaváltozásokat jelzi,
06:06
and immediately, before we even started
120
366266
2285
és azonnal, még mielőtt elkezdenénk
06:08
putting in clinical interpretation,
121
368575
1684
az adatok klinikai értelmezését,
06:10
we can see that the data is speaking to us.
122
370283
2846
már látjuk, hogy az adatok beszélnek hozzánk.
06:13
It's telling us that something is going wrong.
123
373153
3512
Azt mondják, hogy valami probléma van.
06:16
The plot with the red and the green blobs,
124
376689
3792
A vonal a piros és zöld foltokkal
06:20
this is plotting different components
125
380505
2781
mutatja az adatok különböző
06:23
of the data against each other.
126
383310
2523
komponenseit egymással összefüggésben.
06:25
The green is us learning what is normal for that child.
127
385857
3816
A zöldből látjuk, hogy az adott gyermeknél mi a normális.
06:29
We call it the cloud of normality.
128
389697
2586
Ezt hívjuk a normalitási felhőnek.
06:32
And when things start to change,
129
392307
2217
Amikor aztán változni kezdenek a dolgok,
06:34
when conditions start to deteriorate,
130
394548
2540
amikor romlani kezd az állapot,
06:37
we move into the red line.
131
397112
2214
átkerülünk a piros vonalra.
06:39
There's no rocket science here.
132
399350
1633
Nincs ebben semmi varázslat.
06:41
It is displaying data that exists already in a different way,
133
401007
4089
Mindössze új szemszögből mutattunk meg már létező adatokat,
06:45
to amplify it, to provide cues to the doctors,
134
405120
3367
hogy felerősítve őket, segítsük az orvosokat
06:48
to the nurses, so they can see what's happening.
135
408511
2714
és a nővéreket, meglátni, hogy mi is történik.
06:51
In the same way that a good racing driver
136
411249
3106
Ugyanúgy, ahogy a jó autóversenyző is
06:54
relies on cues to decide when to apply the brakes,
137
414379
4020
ilyen jelek alapján dönti el, hogy mikor fékezzen,
06:58
when to turn into a corner,
138
418423
1452
mikor kezdje meg a kanyarodást,
06:59
we need to help our physicians and our nurses
139
419899
2894
ugyanúgy kell segítenünk az orvosokat és nővéreket,
07:02
to see when things are starting to go wrong.
140
422817
3596
hogy észrevegyék, ha a dolgok rossz irányt vesznek.
07:06
So we have a very ambitious program.
141
426437
2922
Tehát elég ambíciózus programot tűztünk magunk elé.
07:09
We think that the race is on to do something differently.
142
429383
4712
Úgy véljük, elkezdődött a verseny a dolgok megváltoztatására.
07:14
We are thinking big. It's the right thing to do.
143
434119
2880
Nagy terveink vannak. Így kell cselekednünk.
07:17
We have an approach which, if it's successful,
144
437023
3388
Van egy elképzelésünk, ami, hogyha sikeres,
07:20
there's no reason why it should stay within a hospital.
145
440435
2620
akkor semmi ok rá, hogy a kórházak falai között maradjon.
Kiléphet a falakon kívülre.
07:23
It can go beyond the walls.
146
443079
1704
07:24
With wireless connectivity these days,
147
444807
2047
Napjaink vezeték nélküli kapcsolatai révén
07:26
there is no reason why patients, doctors and nurses
148
446878
3420
semmi sem indokolja, hogy a betegek, orvosok és nővérek
07:30
always have to be in the same place
149
450322
2147
mindig egyazon helyen legyenek
07:32
at the same time.
150
452493
1969
egy adott időpontban.
07:34
And meanwhile, we'll take our little three-month-old baby,
151
454486
3971
És közben a kis három hónapos gyermekünket is
07:38
keep taking it to the track, keeping it safe,
152
458481
3733
a pályán tudjuk tartani, biztonságban tudjuk,
07:42
and making it faster and better.
153
462238
2309
és még gyorsabbá és jobbá tudjuk alakítani.
07:44
Thank you very much.
154
464571
1381
Köszönöm a figyelmet.
07:45
(Applause)
155
465976
4954
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7