BÄSTFÖRE: Optimera kläders livslängd genom prediktiv analyser för hållbarhet
| Diarienummer | |
| Koordinator | Högskolan i Borås - Textilhögskolan |
| Bidrag från Vinnova | 497 189 kronor |
| Projektets löptid | december 2019 - januari 2021 |
| Status | Avslutat |
Viktiga resultat som projektet gav
För närvarande inom klädindustrin har design för lång livslängd helt klart en avgörande roll för att påverka hållbarheten. Men hittills beräknas klädlivslängden under livslängden utifrån konsumenternas uppfattning, eller genom att göra hållbarhetstester i produktutvecklingen, som endast ger en statisk utvärdering av plaggets livstid. BEST-BEFORE föreslår en förutsägbar modell baserad på maskininlärning som kan uppskatta hur länge ett plagg kan hålla baserat på olika egenskaper, genom att producera ”digitala” tvillingar och föreslå extrapolerade livslängder.
Långsiktiga effekter som förväntas
Bäst före´s prediktiva modell baserad på beräknings-GAN ger ett bra inledningsverktyg och ett banbrytande koncept för att uppskatta hur länge ett plagg kan hålla genom att fånga den visuella nedbrytningen genom tvättar och producera de "digitala" bildtvillingarna med funktioner som är synliga som verkliga prover. Kvalitativ utvärdering av de syntetiska bilder som produceras kan extrapoleras för att förutsäga livets slut (i termer av enskilda egenskaper som visuell nedbrytning och slitage) och även aggregerat.
Upplägg och genomförande
Best Before är uppdelad i fyra aktiviteter. En omfattande kartläggning av tvättrelaterade hållbarhetskrav och standarder ledde först till utformningen av experimentet. Därefter genomfördes tvättaxperiment på Fjällrävens Abisko Lightweight-byxor och G1000-tyger över 70 cykler för att skapa visuella bilder och testdata för nötningsbeständighet. Förvärv, märkning och träning med villkorlig GAN-modell resulterade i att förutsäga livets slut genom att skapa digitala tvillingar. Slutligen bedömdes genomförbarheten genom expertutvärdering och riskbedömning.