Fem behov AI skulle kunna lösa hos ideell second hand

Projektet är uppdelat i flera delar där jag tillsammans med mina kollegor Kristin Cronzell och Elin Hollström arbetat med behovsanalys, konceptutveckling samt framtagning av prototyper.  

I början av projektet gick vi ut och besökte sorteringsanläggningarna för att förstå nuläget, deras behov samt deras tro på hur AI bäst kunde effektivisera deras arbete. Här kunde konstateras att det fanns en viss oro för att det kan bli dyrt att implementera eftersom second hand redan har så låga marginaler. Utifrån besöken, intervjuer och workshops med de involverade projektaktörerna kunde ändå fem behov/möjligheter identifieras: 

1. Försortering

I försortering separeras hårt och mjukt, sedan sorteras skor och plagg som är för uppenbart trasiga bort. Här skulle AI i kombination med sensorer som t.ex. kan känna lukt användas. Det skulle dock krävas att bildigenkännings AI:t kan se vad som är trasigt vs vad som är estetiska hål i plagg.

"Fördelen med att automatisera detta steg är inte bara effektivitet utan även en arbetsmiljöfråga då textilierna som levereras kan vara dammiga och smutsiga samt även innehålla okända kemikalier. Rent ergonomiskt skulle automatisering också bli en stor fördel då denna del av sorteringsarbetet kan upplevas som tungt när det görs manuellt." Säger Hanna Abrahamsson & Susanne Eriksson på Wargön Innovation.    

2. Beslut om bäst lämpad användning

Idag står en person med relevant utbildning vid sorteringsbandet och har några få sekunder på sig att avgöra om ett plagg ska gå till förbränning, export eller säljas i Sverige. Det krävs träning och att man hela tiden är alert. Problemet är också att man blir beroende av personal med viss kompetens så som utbildning eller lång erfarenhet inom sortering ger och att sorteringsbesluten blir osäkra om de är sjuka osv. Den mänskliga faktorns spelar även in då besluten påverkas av den korta tiden varje plagg ges, längden på arbetspass, tid på dygnet samt huruvida man är uppdaterad på de senaste sorteringsreglerna.  

Här skulle AI i kombination med infrarött ljus, som känner igen material, kunna vara till hjälp och en effektiv lösning.  En fördel skulle kunna vara att få till en mer jämn sortering då AI:n skulle ta samma beslut för liknande plagg om och om igen och basera sina beslut på de regler anläggningen valt att sätta för AI:n.  

Här skulle AI i kombination med infrarött ljus, som känner igen material, kunna vara till hjälp och en effektiv lösning.  En fördel skulle kunna vara att få till en mer jämn sortering då AI:n skulle ta samma beslut för liknande plagg om och om igen och basera sina beslut på de regler anläggningen valt att sätta för AI:n.  

3. Egenskaper

 Idag säljer några ideell second hand aktörer ”guldkorn”, plagg med potential till högre försäljning, via Blocket eller Tradera. Processen är manuell då vissa utplockade plagg blir fotade av en person och sedan skriver personen en annons och plaggets alla egenskaper och en beskrivning för hand.  

Här skulle bildigenkänning kunna automatisera flödet genom att känna igen egenskaper så som till exempel typ av plagg, färg, storlek, mönster och märke. 

4. Pris

I en butik hos Röda korset efterfrågades ett verktyg där de kunde ta kort på ett plagg och varumärke och på så sätt få fram ett rekommenderat pris. Detta var efterfrågat då de är få personer som jobbar i butiken som har kompetens för att sätta rätt pris, det tar tid om man känner sig osäker samt att man inte vill gå miste om intäkter på grund av fel prissättning.  

Åter igen skulle bildigenkänning kunna användas då AI:n kan känna igen tidigare bedömda plagg, ta fram priser på tidigare sålda plagg samt ge rekommendationer på pris baserat på  olika plaggegenskaper.  

5. Trend

Att kunna sortera ut det som anses vara trendigt. Idag utbildas sorteringspersonalen om vad som är trendigt samt att de har lathundar vid sorteringsbanden för att komma ihåg vad som är trendigt. Med tanke på tidigare nämnda problem med knapp tid för bedömning, tillgång till personal, utbildningstid för personal samt sorterarens energinivå beroende på tid på dygnet finns risk för att fel beslut tas. 

Här skulle bildigenkänning kunna hjälpa till att identifiera trendiga plagg baserat på dess träning med bilder, minne av tidigare bedömda plagg samt vilka regler som sätts av sorteringsanläggningen för AI:t.  

Vad är projektets nästa steg? 

Utefter dessa identifierade behov har projektet valt att gå vidare med att titta på hur AI:n kan placeras på sorteringslinan och hjälpa till med alternativ 2. Beslut för bäst lämpad användning. Efter en höst med konceptutveckling och flera co-creation tillfällen med projektparter är vi nu i prototypbyggande fasen. Här har vi precis avslutat våra första runda av användarstudie och går nu vidare i den iterativa designprocess vi arbetar utifrån med att förbättra vår prototyp.  

Parallellt med vårt arbete har projektet samlat in data till den tänka AI:n där second hand kläder fotograferas och annoteras ute i sorteringsanläggningarna. Målet är att skapa ett öppet dataset av begagnade kläder och att sedan använda detta för att träna ML-modeller som kan underlätta för textilsorterarna.

Målet för UX-delen är att vi under hösten ska kunna utföra enklare tester ute i sorteringsmiljön med en kamerastation, en första AI-prototyp tillsammans med vår mjukvaruprototyp för att illustrera beslutfattandet och möjligheten med AI:n. Tills dess fortsätter vi vårt arbete med att skapa ett så intuitivt och användarvänligt mjurvaruprogram som ska ge sorteringsanläggningarna möjligheten att anpassa AI:n beslutfattande enligt deras önskemål och sorteringsbehov. 

Är du intresserad av att höra mer om projektet AI för resurseffektivt cirkulärt mode, vår process eller om oss på RISE? Tveka inte att höra av dig!