TEDxNijmegen
Peter van Manen: Better baby care -- thanks to Formula 1
Peter van Manen: Formula 1 yarışları bebeklere nasıl yardım edebilir?
Filmed:
Readability: 3.5
845,406 views
Bir Formula 1 yarışı esnasında, gerçek zamanlı analiz ve değerlendirme yapabilmek için, bir yarış arabası garajına yüz milyonlarca bilgi aktarır. Peki böyle ayrıntılı ve detaylı bir veri sistemi neden başka alanlarda da kullanılmasın? Mesela çocuk hastanelerinde? Peter van Manen bizlere anlatıyor.
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
Motor yarışları eğlenceli, eski bir iştir.
00:14
We make a new car every year,
1
2593
2317
Her sene yeni araba yaparız,
00:16
and then we spend the rest of the season
2
4910
2188
ve sezonun geri kalanını
00:19
trying to understand what it is we've built
3
7098
2776
arabayı daha iyi ve daha hızlı yapmak için
00:21
to make it better, to make it faster.
4
9874
3221
ne yaptığımızı anlamakla geçiririz.
00:25
And then the next year, we start again.
5
13095
3275
Ve sonraki yıl baştan yaparız.
00:28
Now, the car you see in front of you is quite complicated.
6
16370
4238
Şimdi, önünüzdeki araba oldukça karmaşıktır.
00:32
The chassis is made up of about 11,000 components,
7
20608
3619
Ana gövdesi yaklaşık 11,000
00:36
the engine another 6,000,
8
24227
2468
motoru 6,000, elektronik yapısı ise
00:38
the electronics about eight and a half thousand.
9
26695
3093
8,500 parçadan yapılmıştır.
00:41
So there's about 25,000 things there that can go wrong.
10
29788
4401
Yani yanlış çalışabilecek 25,000 şey var.
00:46
So motor racing is very much about attention to detail.
11
34189
4826
Bu yüzden motor yarışlarının büyük kısmı detaya dikkat etmekle ilgilidir.
00:51
The other thing about Formula 1 in particular
12
39015
3263
Formula 1 ile ilgili bir başka önemli husus
00:54
is we're always changing the car.
13
42278
2124
her zaman arabayı değiştirmemizdir.
00:56
We're always trying to make it faster.
14
44402
2280
Her zaman daha hızlısını yapmaya çalışırız.
00:58
So every two weeks, we will be making
15
46682
2984
Bu yüzden arabayı iyileştirmek için her iki haftada
01:01
about 5,000 new components to fit to the car.
16
49666
4200
yaklaşık 5,000 yeni parça yaparız.
01:05
Five to 10 percent of the race car
17
53866
2178
Her yarışta arabanın
01:08
will be different every two weeks of the year.
18
56044
3752
%5-10'u faklıdır.
01:11
So how do we do that?
19
59796
2309
Peki bunu nasıl yapıyoruz?
01:14
Well, we start our life with the racing car.
20
62105
3744
Hayatımıza yarış arabasıyla başlıyoruz.
01:17
We have a lot of sensors on the car to measure things.
21
65849
3991
Arabadaki 'şeyleri' ölçmek için birçok sensörümüz var.
01:21
On the race car in front of you here
22
69840
1882
Önünüzdeki yarış arabasında
01:23
there are about 120 sensors when it goes into a race.
23
71722
3159
yaklaşık 120 sensör vardır.
01:26
It's measuring all sorts of things around the car.
24
74881
3652
Arabadaki her türlü şeyi ölçer.
01:30
That data is logged. We're logging about
25
78533
2052
Bu bilgiler kaydedilir. Parçalar olması gibi çalışıp çalışmadığını
01:32
500 different parameters within the data systems,
26
80585
3704
anlamak için veri sistemleri içinde yaklaşık
01:36
about 13,000 health parameters and events
27
84289
3665
5,000 farklı parametreyi, 13,000 sağlık parametresini
01:39
to say when things are not working the way they should do,
28
87954
4565
ve durumları kaydediyor
01:44
and we're sending that data back to the garage
29
92519
2825
ve saniyede 2 ila 4 megabit hızla
01:47
using telemetry at a rate of two to four megabits per second.
30
95344
4979
bilgileri garaja geri yolluyoruz.
01:52
So during a two-hour race, each car will be sending
31
100323
3127
Yani 2 saatlik yarış sırasında her araba
01:55
750 million numbers.
32
103450
2275
750 milyon rakam gönderir.
01:57
That's twice as many numbers as words that each of us
33
105725
3143
Bu değer hayatımız boyunca konuştuğumuz
02:00
speaks in a lifetime.
34
108868
1631
kelimenin iki katıdır.
02:02
It's a huge amount of data.
35
110499
2618
Oldukça büyük bir veri
02:05
But it's not enough just to have data and measure it.
36
113117
2645
ama salt bilgiyi anlayıp onu ölçecek kadar değil.
02:07
You need to be able to do something with it.
37
115762
2158
Bu kadarıyla bir şeyler yapabilmeniz gerekir.
02:09
So we've spent a lot of time and effort
38
117920
2394
Bu yüzden, motorun durumunu,
02:12
in turning the data into stories
39
120314
1869
lastiklerin nasıl yıprandığını,
02:14
to be able to tell, what's the state of the engine,
40
122183
3105
yakıt tüketiminin ne kadar olduğunu söyleyebilmek adına
02:17
how are the tires degrading,
41
125288
2272
bu verileri hikayelere dönüştürmek için
02:19
what's the situation with fuel consumption?
42
127560
3748
çok fazla zaman harcamaktayız.
02:23
So all of this is taking data
43
131308
2788
Yani bunların hepsi, veriyi alıp
02:26
and turning it into knowledge that we can act upon.
44
134096
3802
üzerinde hareket edilebilir bilgiye dönüştürmek için.
02:29
Okay, so let's have a look at a little bit of data.
45
137898
2638
Evet, hadi verilere biraz bakalım.
02:32
Let's pick a bit of data from
46
140536
2030
Başka bir üç aylık hastadan
02:34
another three-month-old patient.
47
142566
3079
veri seçelim.
02:37
This is a child, and what you're seeing here is real data,
48
145645
4171
Bu bir çocuk ve gördüğünüz veri gerçek,
02:41
and on the far right-hand side,
49
149816
1977
sağ tarafta her şey kötüleşmekte,
02:43
where everything starts getting a little bit catastrophic,
50
151793
2587
bu hasta kardiyak arrest (kalp durması)
02:46
that is the patient going into cardiac arrest.
51
154380
3584
geçirmek üzere.
02:49
It was deemed to be an unpredictable event.
52
157964
3232
Bu öngörülemez kabul edilen bir hastalıktı.
02:53
This was a heart attack that no one could see coming.
53
161196
3789
Bu kimsenin öngöremeyeceği kalp kriziydi.
02:56
But when we look at the information there,
54
164985
2550
Ama bilgilere baktığımızda
02:59
we can see that things are starting to become
55
167535
2349
5 dakikadır değerlerin garipleştiğini
03:01
a little fuzzy about five minutes or so before the cardiac arrest.
56
169884
4029
ve hastanın kardiyak arrest geçirmek üzere olduğunu görebiliriz.
03:05
We can see small changes
57
173913
2037
Kalp atış hızı gibi küçük şeylerdeki
03:07
in things like the heart rate moving.
58
175950
2383
değişimleri görebiliriz.
03:10
These were all undetected by normal thresholds
59
178333
2486
Bunların hiçbiri veriye uygulanan
03:12
which would be applied to data.
60
180819
2408
normal eşik değerlerince tespit edilmemişti.
03:15
So the question is, why couldn't we see it?
61
183227
3143
Burada sorulması gereken: neden bunu göremiyoruz?
03:18
Was this a predictable event?
62
186370
2581
Öngörülebilir bir olay mıydı?
03:20
Can we look more at the patterns in the data
63
188951
3010
Verideki modellere daha fazla bakabilsek
03:23
to be able to do things better?
64
191961
3380
daha iyisini yapabilir miyiz?
03:27
So this is a child,
65
195341
2650
Bu çocuk,
03:29
about the same age as the racing car on stage,
66
197991
3232
sahnedeki yarış arabasıyla aynı yaşta,
03:33
three months old.
67
201223
1630
üç aylık.
03:34
It's a patient with a heart problem.
68
202853
2605
Kalp rahatsızlığı olan bir hasta.
03:37
Now, when you look at some of the data on the screen above,
69
205458
3468
Şimdi yukarıdaki ekrandan kalp hızı,
03:40
things like heart rate, pulse, oxygen, respiration rates,
70
208926
4902
tansiyon, oksijen, solunum hızı gibi değerleri baktığımızda
03:45
they're all unusual for a normal child,
71
213828
3076
hepsi normal bir çocuk için tuhaf,
03:48
but they're quite normal for the child there,
72
216904
2642
ama oldukça normal değerler,
03:51
and so one of the challenges you have in health care is,
73
219546
4138
ve sağlık alanındaki zorluklardan biri
03:55
how can I look at the patient in front of me,
74
223684
2851
bu hastaya nasıl bakabilirim,
03:58
have something which is specific for her,
75
226535
3047
onun özel bir durumu var
04:01
and be able to detect when things start to change,
76
229582
2788
ve bazı şeyler değişmeye, kötüleşmeye
04:04
when things start to deteriorate?
77
232370
2099
başladığında bunu tespit edebilecek miyim?
04:06
Because like a racing car, any patient,
78
234469
3050
Çünkü tıpkı yarış arabalarında olduğu gibi, her hasta için de
04:09
when things start to go bad, you have a short time
79
237519
2976
işler kötüye gittiği zaman fark oluşturmak için
04:12
to make a difference.
80
240495
1831
az zamanın vardır.
04:14
So what we did is we took a data system
81
242326
2754
Bizim yaptığımız şey Formula 1'de
04:17
which we run every two weeks of the year in Formula 1
82
245080
3131
sezonun her iki haftası çalıştırdığımız veri sistemini alıp
04:20
and we installed it on the hospital computers
83
248211
3002
Birmingham Çocuk Hastanesi'ndeki
04:23
at Birmingham Children's Hospital.
84
251213
2290
bilgisayarlara kurmak.
04:25
We streamed data from the bedside instruments
85
253503
2439
Verileri yoğun bakım ünitesindeki hastaların
04:27
in their pediatric intensive care
86
255942
2557
başucu cihazlarından elde ediyoruz,
04:30
so that we could both look at the data in real time
87
258499
3456
böylece hem verileri gerçek zamanlı görebiliyor
04:33
and, more importantly, to store the data
88
261955
2871
hem de -daha da önemlisi- kaydediyoruz ki
04:36
so that we could start to learn from it.
89
264826
3057
verilerden çıkarım yapabilelim.
04:39
And then, we applied an application on top
90
267883
4384
Sonra, neler olduğunu anlamak için gerçek zamanlı
04:44
which would allow us to tease out the patterns in the data
91
272267
3270
verideki modelleri incelememize olanak sağlayacak
04:47
in real time so we could see what was happening,
92
275537
2956
uygulamalara tatbik ederek
04:50
so we could determine when things started to change.
93
278493
3713
değişimlerin ne zaman başladığını saptayabiliyoruz.
04:54
Now, in motor racing, we're all a little bit ambitious,
94
282206
3863
Şimdi, motor yarışında, hepimiz biraz hırslıyız,
04:58
audacious, a little bit arrogant sometimes,
95
286069
2549
cüretkarız, bazen de kibirliyiz,
05:00
so we decided we would also look at the children
96
288618
3398
bu yüzden çocuklar yoğun bakıma gelene kadar da
05:04
as they were being transported to intensive care.
97
292016
2957
onlara bakmaya karar verdik.
05:06
Why should we wait until they arrived in the hospital
98
294973
2154
Neden bakmaya başlamak için hastaneye
05:09
before we started to look?
99
297127
1994
varmalarını bekleyelim ki?
05:11
And so we installed a real-time link
100
299121
2997
Ve sonra veri göndermek için sadece 3G
05:14
between the ambulance and the hospital,
101
302118
2836
kullanarak ambulansla hastane
05:16
just using normal 3G telephony to send that data
102
304954
3776
arasında gerçek zamanlı bir bağ kurduk
05:20
so that the ambulance became an extra bed
103
308730
2487
böylece ambulans yoğun bakım ünitesinde
05:23
in intensive care.
104
311217
3136
bir nevi ekstra yatak oldu.
05:26
And then we started looking at the data.
105
314353
3702
Sonra veriye bakmaya başladık.
05:30
So the wiggly lines at the top, all the colors,
106
318055
2921
Monitörün üstünde gördüğünüz renkli,
05:32
this is the normal sort of data you would see on a monitor --
107
320976
3194
kıvrımlı çizgiler; kalp hızının, tansiyonun,
05:36
heart rate, pulse, oxygen within the blood,
108
324170
3772
kandaki oksijenin ve solunumun
05:39
and respiration.
109
327942
2635
normal değerleridir.
05:42
The lines on the bottom, the blue and the red,
110
330577
2753
Alttaki çizgiler -mavi ve kırmızı-
05:45
these are the interesting ones.
111
333330
1360
bunlar ilginç olanlar.
05:46
The red line is showing an automated version
112
334690
3209
Kırmızı çizgi Birmingham Çocuk Hastanesi'nde
05:49
of the early warning score
113
337899
1597
çalışan erken uyarı sisteminin
05:51
that Birmingham Children's Hospital were already running.
114
339496
2487
skorunu gösteriyor.
05:53
They'd been running that since 2008,
115
341983
2338
Bu sistem 2008'den beri çalışmasına rağmen
05:56
and already have stopped cardiac arrests
116
344321
2256
şimdiden kardiyak arrest'i
05:58
and distress within the hospital.
117
346577
2757
hastanedeki acıları önledi.
06:01
The blue line is an indication
118
349334
2432
Mavi çizgi ise
06:03
of when patterns start to change,
119
351766
2500
modellerin değişmeye başladığına işarettir
06:06
and immediately, before we even started
120
354266
2309
ve anında, daha biz başlamadan
06:08
putting in clinical interpretation,
121
356575
1708
klinik teşhisini koyuyor,
06:10
we can see that the data is speaking to us.
122
358283
2870
bize söylediği bilgiyi görebiliyoruz.
06:13
It's telling us that something is going wrong.
123
361153
3536
Bize bir şeyin yanlış gittiğini söylüyor.
06:16
The plot with the red and the green blobs,
124
364689
3816
Kırmızı ve yeşil çizgilerden oluşan grafik
06:20
this is plotting different components
125
368505
2805
birbirine uymayan farklı bileşenleri
06:23
of the data against each other.
126
371310
2547
gösteren grafiktir.
06:25
The green is us learning what is normal for that child.
127
373857
3840
Yeşil olan bize çocuk için normal olanları gösteriyor.
06:29
We call it the cloud of normality.
128
377697
2610
Biz ona 'normalize bulut' diyoruz.
06:32
And when things start to change,
129
380307
2241
Ve değerler değişmeye başladığında,
06:34
when conditions start to deteriorate,
130
382548
2564
durum kötüleştiğinde
06:37
we move into the red line.
131
385112
2238
kırmızı çizginin içine giriyoruz.
06:39
There's no rocket science here.
132
387350
1657
Bu roket bilimi değil.
06:41
It is displaying data that exists already in a different way,
133
389007
4113
Grafik doktorlara, hemşirelere ipuçları sağlamak için,
06:45
to amplify it, to provide cues to the doctors,
134
393120
3391
zaten olan veriyi farklı şekilde gösteriyor,
06:48
to the nurses, so they can see what's happening.
135
396511
2738
bu sayede neler olduğunu anlayabiliyorlar.
06:51
In the same way that a good racing driver
136
399249
3130
Aynı şekilde iyi bir sürücü, frene ne zaman basacağını,
06:54
relies on cues to decide when to apply the brakes,
137
402379
4044
köşeden ne zaman döneceğini
06:58
when to turn into a corner,
138
406423
1476
ipuçlarına göre karar verir,
06:59
we need to help our physicians and our nurses
139
407899
2918
bizim doktorlara ve hemşirelere bazı şeylerin
07:02
to see when things are starting to go wrong.
140
410817
3620
yanlış gittiğini görmeleri için yardım etmemiz gerekiyor.
07:06
So we have a very ambitious program.
141
414437
2946
Bizim iddialı bir programımız var.
07:09
We think that the race is on to do something differently.
142
417383
4736
Biz yarışın farklı şeyler yapmak için olduğunu düşünüyoruz.
07:14
We are thinking big. It's the right thing to do.
143
422119
2904
Büyük düşünüyoruz ki doğru olan bu.
07:17
We have an approach which, if it's successful,
144
425023
3412
Eğer program başarılı olursa, bunun sadece hastaneyle
07:20
there's no reason why it should stay within a hospital.
145
428435
2531
sınırlı kalması için hiçbir sebep olmadığı yaklaşımındayız.
07:22
It can go beyond the walls.
146
430966
1841
Bu duvarları aşabilir.
07:24
With wireless connectivity these days,
147
432807
2071
Kablosuz bağlantıyla beraber
07:26
there is no reason why patients, doctors and nurses
148
434878
3444
doktorların ve hemşirelerin her zaman
07:30
always have to be in the same place
149
438322
2171
aynı yerde, aynı zamanda olması için
07:32
at the same time.
150
440493
1993
hiçbir sebep yok.
07:34
And meanwhile, we'll take our little three-month-old baby,
151
442486
3995
Bu arada biz üç aylık bebeğimizi alıyor,
07:38
keep taking it to the track, keeping it safe,
152
446481
3757
onu devamlı izlemede, güvende tutuyor
07:42
and making it faster and better.
153
450238
2333
ve onu daha hızlı daha iyi yapıyoruz.
07:44
Thank you very much.
154
452571
1405
Çok teşekkür ederim.
07:45
(Applause)
155
453976
4954
(Alkışlar)
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