Digital Decision Support for Refurbishment (2DSR)

Renovering är en viktig industriell väg i den framväxande cirkulära ekonomin, men för att skala upp renovering på ett lönsamt sätt behöver företagen göra komplexa bedömningar, vilket kan bromsa övergången till cirkulära affärsmodeller både för enskilda företag och för samhället i stort.   

Detta projektet fokuserar på datadriven utveckling och säkert utbyte av data mellan processer och aktörer. Det kommer att använda maskininlärning för att utveckla en bildbaserad algoritm som stöder beslut om renovering genom att påskynda beräkningar som traditionellt sett kräver kostsamma expertbedömningar och/eller omfattande resurser. Tillämpningen kommer att utgå från datakällor på flera ställen i möbelvärdekedjan för att träna beslutstödssystem för att (1) snabbt och korrekt klassificera/kategorisera produkter, (2) uppskatta kostnaden för renoveringsprojekt, (3) uppskatta den relativa cirkulariteten jämfört med att köpa nytt och (4) uppskatta den relativa miljöpåverkan jämfört med att köpa nytt. Tillsammans kommer dessa uppgifter att erbjuda företag ett multikriteriellt beslutsstöd och samtidigt bidra till kunskapen om förhållandet mellan lönsamhet, cirkulära affärsmodeller och klimatpåverkan. Projektet kommer också att dra nytta av samarbetet med företag i olika led i möbelförsörjningskedjan för att utveckla scenarier som gynnar renovering i stället för att behålla underutnyttjade möbler i lager eller skicka dem tilldeponi. Med tiden, när fler industriella aktörer bidrar med data till DSS, kommer det att kunna stödja ett bredare spektrum av cirkulära beslut inom möbelindustrin och utanför den.