Hur kan algoritmer hjälpa klädindustrin

Bild från avhandlingens framsida

När hon började sina doktorandstudier var det i syfte att utveckla ett större system – en komplett lösning – som kunde integreras med flera datakällor och modeller, som i sin tur kunde hjälpa till att individanpassa kläder. Men en bit in i forskarutbildningen insåg hon att det skulle ta mer än fyra år och en enda forskare för att uppnå detta.

– Jag fick ta mig an flera av de utmaningar som de flesta nya forskare får möta: Jag skrev min första vetenskapliga artikel, jag fick  mitt första avslag från en vetenskaplig tidskrift, jag fick lära mig att förstå forskningsområdet och dessutom fick jag minska omfattningen av min forskning, förklarar Sheenam Jain.

Sheenam Jain

Det nya målet med hennes avhandling blev att förstå vikten av big data och artificiell intelligens i klädindustrin och, baserat på det, att hitta sätt för företag i branschen att få konkurrensfördelar. Detta skulle också bidra till samhället genom grönare produktion och konsumtion.

– Jag har upptäckt att det i allmänhet är lite fokus inom klädindustrin på att tillämpa AI på data från produkter och kunder. Därför har jag utvecklat två modeller för att skapa datadrivna lösningar som kan hjälpa till att skapa produkter närmare kundernas specifika behov, säger hon.

Den första modellen är ett ramverk för klädklassificering utvecklad genom fyra maskininlärningstekniker. För att hitta den bästa algoritmen gjorde Sheenam Jain beräkningar baserade på hur bra de presterade. Algoritmen "random forest" fungerade bäst.

– Denna typ av modell kan användas för att skapa semantiska ontologier, ontologier är ramar för att representera delbar och återanvändbar kunskap över en domän. Den kan också integreras med de rekommendationssystem som redan används i branschen.

Den andra modellen var ett beslutsstödsystem som hon utvecklade genom AI-tekniken "fuzzy logic". Denna lösning hjälper företaget att välja det lämpligaste tyget beroende på användarens behov.

– Denna typ av modell kan integreras med produktkonfiguratorer och/eller användas internt av produktutvecklingsavdelningen för att tillhandahålla skräddarsydda plagg, förklarar hon.

Slutligen får klädhandlare, genom avhandlingen, en modell som kan hjälpa dem att hantera big data för att ge kunderna anpassade tjänster.

Tre specialiseringar och tre länder

Sheenam Jain har varit doktorand i Erasmus mundus gemensamma doktorandprogram Sustainable Management and Design of Textiles (SMDtex) finansierat av Europeiska unionen. Detta innebär att hon har forskat inom tre specialiseringar (automatisering, textilt management och textilteknik), vid tre lärosäten och i tre länder (Frankrike, Sverige och Kina).

Hon använde olika metoder för att samla in data – litteraturöversikter, enkäter, intervjuer och open source-databaser.

– Det har varit komplicerat att få in perspektiv från de tre områdena i min forskning. Men det har också varit väldigt intressant att arbeta i ett tvärvetenskapligt projekt eftersom det har ökat min förmåga att se på ett problem ur olika synvinklar, säger Sheenam Jain.

– Det har dessutom varit väldigt intressant att bedriva forskningen vid tre olika lärosäten. Jag lärde mig skillnaderna mellan tänkesätt i olika länder, institutioner och discipliner. Det har gett mig förmåga att anpassa mig till förändringar snabbare och har utvecklat mitt sätt att kommunicera, nätverka och mina interkulturella färdigheter.

Nu när doktorandstudierna har avslutats överväger hon sina möjligheter när det gäller att fortsätta arbeta inom akademin eller industrin.

– Mitt fokus är att hitta något som kräver en synergi mellan ledning och teknik. Jag kan också tänka mig att starta mitt eget företag antingen inom analytiska lösningar eller cirkulärt mode.

Fakta

Avhandlingens titel: Big Data Management Using Artificial Intelligence in the Apparel Supply Chain: Opportunities and Challenges. Länk till doktorsavhandlingen 

Disputationen ägde rum den 9 oktober vid Högskolan i Borås

Läs mer

Sheenam Jains forskarprofil

Om SMDTex

Nyheter från samma doktorandprogram:

Ny metod kan hjälpa industrin att välja bäst plats för produktion

Biobaserade produkter kan skapa självlysande textilier