TEDxNijmegen
Peter van Manen: Better baby care -- thanks to Formula 1
פיטר ואן מאנן: איך מירוצי פורמולה 1 יכול לעזור.....לתינוקות?
Filmed:
Readability: 3.5
845,406 views
במהלך מירוץ פורמולה 1, מכונית שולחת מאות מיליוני יחידות מידע למוסך לניתוח בזמן אמת ולמשוב. אז למה לא להשתמש במערכת מפורטת זו במקום אחר, כמו....בית חולים לילדים? פיטר ואן מאנן מספר לנו עוד.
Peter van Manen - Electronic systems expert
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series. Full bio
Peter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series. Full bio
Double-click the English transcript below to play the video.
00:12
Motor racing is a funny old business.
0
336
2257
מירוצים זה עסק משעשע
00:14
We make a new car every year,
1
2593
2317
אנחנו בונים מכונית חדשה כל שנה
00:16
and then we spend the rest of the season
2
4910
2188
ואז אנחנו מבלים את שאר העונה
00:19
trying to understand what it is we've built
3
7098
2776
בלנסות להבין מה בנינו
00:21
to make it better, to make it faster.
4
9874
3221
לעשות אותה טובה יותר, מהירה יותר.
00:25
And then the next year, we start again.
5
13095
3275
ואז שנה אחרי, אנחנו מתחילים מהתחלה.
00:28
Now, the car you see in front of you is quite complicated.
6
16370
4238
המכונית שאתם רואים מולכם היא די מסובכת.
00:32
The chassis is made up of about 11,000 components,
7
20608
3619
השלדה מורכבת מבערך 11,000 רכיבים
00:36
the engine another 6,000,
8
24227
2468
המנוע עוד 6,000,
00:38
the electronics about eight and a half thousand.
9
26695
3093
האלקטרוניקה בערך 8,500.
00:41
So there's about 25,000 things there that can go wrong.
10
29788
4401
אז יש בערך 25,000 דברים שיכולים להשתבש
00:46
So motor racing is very much about attention to detail.
11
34189
4826
אז מרוצי מכוניות כוללים בתוכם הרבה תשומת לב לפרטים.
00:51
The other thing about Formula 1 in particular
12
39015
3263
הדבר הנוסף בנוגע למירוצי פורמולה 1 במיוחד
00:54
is we're always changing the car.
13
42278
2124
הוא שאנחנו כל הזמן משנים את המכונית.
00:56
We're always trying to make it faster.
14
44402
2280
אנחנו כל הזמן מנסים לעשות אותה יותר מהירה.
00:58
So every two weeks, we will be making
15
46682
2984
אז כל שבועיים, אנחנו נייצר
01:01
about 5,000 new components to fit to the car.
16
49666
4200
בערך 5,000 רכיבים חדשים שמורכבים למכונית
01:05
Five to 10 percent of the race car
17
53866
2178
5-10 אחוז ממכונית המירוץ
01:08
will be different every two weeks of the year.
18
56044
3752
ישתנו כל שבועיים במהלך השנה
01:11
So how do we do that?
19
59796
2309
אז איך אנחנו עושים את זה?
01:14
Well, we start our life with the racing car.
20
62105
3744
אנחנו מתחילים את חיינו עם מכונית מירוץ
01:17
We have a lot of sensors on the car to measure things.
21
65849
3991
יש לנו הרבה חיישנים על המכונית על מנת למדוד דברים.
01:21
On the race car in front of you here
22
69840
1882
על המכונית המירוץ שלפניכם
01:23
there are about 120 sensors when it goes into a race.
23
71722
3159
יש בערך 120 חיישנים כשהיא מתחרה.
01:26
It's measuring all sorts of things around the car.
24
74881
3652
זה מודד כל מיני דברים במכונית.
01:30
That data is logged. We're logging about
25
78533
2052
המידע הזה נשמר, אנחנו שומרים בערך
01:32
500 different parameters within the data systems,
26
80585
3704
500 מדדים שונים מתוך המערכות,
01:36
about 13,000 health parameters and events
27
84289
3665
בערך 13,000 מדדי בריאות ואירועים
01:39
to say when things are not working the way they should do,
28
87954
4565
שנוכל להגיד מתי דברים לא עובדים כפי שהם אמורים,
01:44
and we're sending that data back to the garage
29
92519
2825
ואנחנו שולחים את המידע הזה חזרה למוסך
01:47
using telemetry at a rate of two to four megabits per second.
30
95344
4979
כשאנו משתמשים בהעברת נתונים של 2-4 מגה-בייט לשניה
01:52
So during a two-hour race, each car will be sending
31
100323
3127
אז במהלך שעתיים של מירוץ, כל מכונית תשלח
01:55
750 million numbers.
32
103450
2275
750 מיליון מספרים
01:57
That's twice as many numbers as words that each of us
33
105725
3143
זה פי שניים מספרים מאשר מילים שכל אחד מאיתנו
02:00
speaks in a lifetime.
34
108868
1631
מדבר במהלך חייו
02:02
It's a huge amount of data.
35
110499
2618
זו כמות עצומה של נתונים
02:05
But it's not enough just to have data and measure it.
36
113117
2645
אבל זה לא מספיק רק לקבל את הנתונים ולמדוד אותם.
02:07
You need to be able to do something with it.
37
115762
2158
אתה צריך להיות מסוגל לעשות אתם משהו.
02:09
So we've spent a lot of time and effort
38
117920
2394
אז השקענו הרבה זמן ומאמץ
02:12
in turning the data into stories
39
120314
1869
להפוך את הנתונים לסיפורים
02:14
to be able to tell, what's the state of the engine,
40
122183
3105
שניתן לספר, מה מצבו של המנוע,
02:17
how are the tires degrading,
41
125288
2272
איך הצמיגים נשחקים,
02:19
what's the situation with fuel consumption?
42
127560
3748
מה המצב עם צריכת הדלק?
02:23
So all of this is taking data
43
131308
2788
אז כל זה - הוא איסוף נתונים
02:26
and turning it into knowledge that we can act upon.
44
134096
3802
והפיכתם לידע שאפשר לפעול לפיו
02:29
Okay, so let's have a look at a little bit of data.
45
137898
2638
אוקיי, אז בואו נסתכל על קצת מידע
02:32
Let's pick a bit of data from
46
140536
2030
בואו נבחר כמה נתונים
02:34
another three-month-old patient.
47
142566
3079
מחולה נוסף בן שלושה-חודשים
02:37
This is a child, and what you're seeing here is real data,
48
145645
4171
זה ילד, ומה שאתם רואים כאן אלה נתונים אמיתיים
02:41
and on the far right-hand side,
49
149816
1977
ובצד ימין בסוף,
02:43
where everything starts getting a little bit catastrophic,
50
151793
2587
איפה שהכל מתחיל להיות קטסטרופי
02:46
that is the patient going into cardiac arrest.
51
154380
3584
זה כשהחולה נכנס לדום לב
02:49
It was deemed to be an unpredictable event.
52
157964
3232
זה היה נחשב לאירוע בלתי צפוי.
02:53
This was a heart attack that no one could see coming.
53
161196
3789
זה היה התקף לב שאף אחד לא היה יכול לצפות
02:56
But when we look at the information there,
54
164985
2550
אבל כשאנחנו מסתכלים על המידע שם,
02:59
we can see that things are starting to become
55
167535
2349
אנחנו יכולים לראות שדברים מתחילים להיות
03:01
a little fuzzy about five minutes or so before the cardiac arrest.
56
169884
4029
קצת מבולבלים כחמש דקות לפני דום הלב.
03:05
We can see small changes
57
173913
2037
אנחנו יכולים לראות שינויים קטנים
03:07
in things like the heart rate moving.
58
175950
2383
בדברים כמו תנועת קצב הלב.
03:10
These were all undetected by normal thresholds
59
178333
2486
כל אלה היו בלתי ניתנים לגילוי ברף הרגיל
03:12
which would be applied to data.
60
180819
2408
שלפיו יבדקו את הנתונים.
03:15
So the question is, why couldn't we see it?
61
183227
3143
אז השאלה היא, למה לא יכולנו לראות את זה?
03:18
Was this a predictable event?
62
186370
2581
האם זה היה אירוע שניתן היה לצפות?
03:20
Can we look more at the patterns in the data
63
188951
3010
האם אנחנו יכולים להסתכל יותר על הדפוסים של הנתונים
03:23
to be able to do things better?
64
191961
3380
כדי להיות מסוגלים לעשות דברים טוב יותר?
03:27
So this is a child,
65
195341
2650
אז זה ילד,
03:29
about the same age as the racing car on stage,
66
197991
3232
בערך באותו גיל כמו מכונית המירוץ שעל הבמה,
03:33
three months old.
67
201223
1630
בן שלושה חודשים.
03:34
It's a patient with a heart problem.
68
202853
2605
זה חולה עם בעיה בלב.
03:37
Now, when you look at some of the data on the screen above,
69
205458
3468
עכשיו, כשאתם מסתכלים על חלק מהנתונים על המסך,
03:40
things like heart rate, pulse, oxygen, respiration rates,
70
208926
4902
דברים כמו דופק, קצב לב, חמצן, קצב נשימה,
03:45
they're all unusual for a normal child,
71
213828
3076
הם כולם חריגים בילד נורמלי,
03:48
but they're quite normal for the child there,
72
216904
2642
אבל הם רגילים למדי עבור הילד שם,
03:51
and so one of the challenges you have in health care is,
73
219546
4138
אז אחד האתגרים שיש ברפואה הוא,
03:55
how can I look at the patient in front of me,
74
223684
2851
איך אני יכול להסתכל על המטופל שלפני,
03:58
have something which is specific for her,
75
226535
3047
שיהיה לי משהו שהוא במיוחד בשבילה,
04:01
and be able to detect when things start to change,
76
229582
2788
ולהיות מסוגל לזהות כאשר דברים מתחילים להשתנות,
04:04
when things start to deteriorate?
77
232370
2099
כאשר דברים מתחילים להתדרדר?
04:06
Because like a racing car, any patient,
78
234469
3050
מפני שכמו מכונית מירוץ, כל חולה,
04:09
when things start to go bad, you have a short time
79
237519
2976
כשדברים מתחילים להתדרדר, יש לך זמן קצר
04:12
to make a difference.
80
240495
1831
כדי לעשות את ההבדל.
04:14
So what we did is we took a data system
81
242326
2754
אז מה שעשינו זה לקחת מערכת נתונים
04:17
which we run every two weeks of the year in Formula 1
82
245080
3131
שאנחנו מריצים שבועיים בשנה בפורמולה 1
04:20
and we installed it on the hospital computers
83
248211
3002
והתקנו אותה במערכת המחשוב
04:23
at Birmingham Children's Hospital.
84
251213
2290
של בית החולים לילדים בברמינגהם.
04:25
We streamed data from the bedside instruments
85
253503
2439
הזרמנו נתונים מהמכשור הרפואי לצד המיטות
04:27
in their pediatric intensive care
86
255942
2557
ביחידת טיפול נמרץ לילדים
04:30
so that we could both look at the data in real time
87
258499
3456
כך שנוכל גם לראות את הנתונים בזמן אמת
04:33
and, more importantly, to store the data
88
261955
2871
ויותר חשוב מכך, לאגור את הנתונים
04:36
so that we could start to learn from it.
89
264826
3057
כך שנוכל להתחיל ללמוד מהם.
04:39
And then, we applied an application on top
90
267883
4384
ואז, יישמנו אפליקציה על המידע
04:44
which would allow us to tease out the patterns in the data
91
272267
3270
שתאפשר לנו למצות את הדפוסים בנתונים
04:47
in real time so we could see what was happening,
92
275537
2956
בזמן אמת כדי שנוכל לראות מה מתרחש,
04:50
so we could determine when things started to change.
93
278493
3713
שנוכל לקבוע בזמן אמת כאשר דברים התחילו להשתנות.
04:54
Now, in motor racing, we're all a little bit ambitious,
94
282206
3863
עכשיו, במירוצים, אנחנו כולנו מעט שאפתנים
04:58
audacious, a little bit arrogant sometimes,
95
286069
2549
נועזים, קצת שחצנים לפעמים,
05:00
so we decided we would also look at the children
96
288618
3398
אז החלטנו שאנחנו גם נסתכל על הילדים
05:04
as they were being transported to intensive care.
97
292016
2957
כשהם מועברים לטיפול נמרץ.
05:06
Why should we wait until they arrived in the hospital
98
294973
2154
למה שנחכה עד שהם מגיעים לבית החולים
05:09
before we started to look?
99
297127
1994
לפני שהתחלנו להסתכל?
05:11
And so we installed a real-time link
100
299121
2997
אז התקנו קישור בזמן אמת
05:14
between the ambulance and the hospital,
101
302118
2836
בין האמבולנס לבית החולים,
05:16
just using normal 3G telephony to send that data
102
304954
3776
רק באמצעות טלפוניית 3G לשלוח את הנתונים
05:20
so that the ambulance became an extra bed
103
308730
2487
כך שהאמבולנס נהפך להיות מיטה נוספת
05:23
in intensive care.
104
311217
3136
בטיפול נמרץ.
05:26
And then we started looking at the data.
105
314353
3702
ואז התחלנו להסתכל על הנתונים.
05:30
So the wiggly lines at the top, all the colors,
106
318055
2921
אז הקווים המסתלסלים למעלה, על הצבעים,
05:32
this is the normal sort of data you would see on a monitor --
107
320976
3194
זה המידע הרגיל שאתם רואים על המסכים -
05:36
heart rate, pulse, oxygen within the blood,
108
324170
3772
דופק, קצב לב, חמצן בדם,
05:39
and respiration.
109
327942
2635
ונשימה.
05:42
The lines on the bottom, the blue and the red,
110
330577
2753
הקווים בתחתית, הכחול והאדום,
05:45
these are the interesting ones.
111
333330
1360
הם הקווים המעניינים.
05:46
The red line is showing an automated version
112
334690
3209
הקו האדום מייצג גרסה אוטומטית
05:49
of the early warning score
113
337899
1597
של מערכת התראה מוקדמת
05:51
that Birmingham Children's Hospital were already running.
114
339496
2487
שבית החולים לילדים בבירמינגהם כבר משתמש בה.
05:53
They'd been running that since 2008,
115
341983
2338
הם משתמשים בה מאז 2008,
05:56
and already have stopped cardiac arrests
116
344321
2256
והיא כבר מנעה דום לב
05:58
and distress within the hospital.
117
346577
2757
ומצוקת לב בבית החולים.
06:01
The blue line is an indication
118
349334
2432
הקו הכחול הוא מדד
06:03
of when patterns start to change,
119
351766
2500
למתי המדדים מתחילים להשתנות
06:06
and immediately, before we even started
120
354266
2309
ומיד, לפני שאפילו התחלנו
06:08
putting in clinical interpretation,
121
356575
1708
לנתח קלינית,
06:10
we can see that the data is speaking to us.
122
358283
2870
אנחנו יכולים לראות את המידע מדבר אלינו.
06:13
It's telling us that something is going wrong.
123
361153
3536
זה אומר לנו שמשהו משתבש.
06:16
The plot with the red and the green blobs,
124
364689
3816
הגרף עם הכתמים האדומים והירוקים,
06:20
this is plotting different components
125
368505
2805
זה גרף שמראה את הרכיבים השונים
06:23
of the data against each other.
126
371310
2547
של המידע אחד כנגד השני.
06:25
The green is us learning what is normal for that child.
127
373857
3840
הירוק זה מה שאנחנו לומדים שהוא נורמלי עבור הילד.
06:29
We call it the cloud of normality.
128
377697
2610
אנחנו קוראים לזה ענן הנורמליות.
06:32
And when things start to change,
129
380307
2241
וכשדברים מתחילים להשתנות,
06:34
when conditions start to deteriorate,
130
382548
2564
כשהמצב מתחיל להתדרדר'
06:37
we move into the red line.
131
385112
2238
אנחנו זזים לקו האדום.
06:39
There's no rocket science here.
132
387350
1657
אין כאן מדע טילים.
06:41
It is displaying data that exists already in a different way,
133
389007
4113
זה הצגת מידע שכבר קיים פשוט בדרך אחרת,
06:45
to amplify it, to provide cues to the doctors,
134
393120
3391
כדי להעצים את זה, להעניק לרופאים רמזים,
06:48
to the nurses, so they can see what's happening.
135
396511
2738
ולאחיות, כדי שהם יוכלו לראות מה מתרחש.
06:51
In the same way that a good racing driver
136
399249
3130
באותו אופן שבו נהג מירוצים טוב
06:54
relies on cues to decide when to apply the brakes,
137
402379
4044
מסתמך על רמזים על מנת ללחוץ על הבלמים,
06:58
when to turn into a corner,
138
406423
1476
מתי להיכנס לפניה,
06:59
we need to help our physicians and our nurses
139
407899
2918
אנחנו צריכים לעזור לרופאים שלנו ולאחיות שלנו
07:02
to see when things are starting to go wrong.
140
410817
3620
לראות מתי דברים מתחילים להשתבש.
07:06
So we have a very ambitious program.
141
414437
2946
אז יש לנו תוכנית שאפתנית מאוד.
07:09
We think that the race is on to do something differently.
142
417383
4736
אנחנו חושבים שהתחיל מירוץ לעשות משהו שונה.
07:14
We are thinking big. It's the right thing to do.
143
422119
2904
אנחנו חושבים בגדול. זה הדבר הנכון לעשות.
07:17
We have an approach which, if it's successful,
144
425023
3412
יש לנו גישה, שאם תצליח,
07:20
there's no reason why it should stay within a hospital.
145
428435
2531
אין סיבה שתישאר בתוך בית החולים.
07:22
It can go beyond the walls.
146
430966
1841
זה יוכל ללכת מעבר לזה.
07:24
With wireless connectivity these days,
147
432807
2071
עם הקישוריות האלחוטית בימים אלו,
07:26
there is no reason why patients, doctors and nurses
148
434878
3444
אין סיבה מדוע מטופלים, רופאים ואחיות
07:30
always have to be in the same place
149
438322
2171
יהיו חייבים להיות תמיד באותו מקום
07:32
at the same time.
150
440493
1993
באותו הזמן.
07:34
And meanwhile, we'll take our little three-month-old baby,
151
442486
3995
ובינתיים, ניקח את התינוק בן השלושה חודשים
07:38
keep taking it to the track, keeping it safe,
152
446481
3757
נמשיך לקחת אותו למסלול, לשמור עליו בטוח
07:42
and making it faster and better.
153
450238
2333
לעשות אותו בטוח יותר וטוב יותר
07:44
Thank you very much.
154
452571
1405
תודה רבה לכם.
07:45
(Applause)
155
453976
4954
(כפיים)
ABOUT THE SPEAKER
Peter van Manen - Electronic systems expertPeter van Manen is the Managing Director of McLaren Electronics, which provides data systems to major motorsports series.
Why you should listen
To say that Peter van Manen has a high-speed job would be an understatement. As Managing Director of McLaren Electronics, which provides electronics and data collection software to motorsports events, he and his team work in real time during a race to improve cars on about 500 different parameters. That's about 750 million data points in two hours.
But recently van Manen and his team have been wondering: Why can't the extremely precise and subtle data-collection and analysis systems used in motorsports be applied elsewhere, for the benefit of all? They have applied their systems to ICU units at Birmingham Children's Hospital with real-time analysis that allows them to proactively prevent cardiac arrests. The unit has seen a 25 percent decrease in life-threatening events. And it's just the beginning.
Peter van Manen | Speaker | TED.com