Descrizione del progetto
Una soluzione verde basata sull’IA per contrastare la sovrapproduzione di abbigliamento
Nell’appariscente mondo della moda, il fascino dell’abbigliamento di tendenza a prezzi accessibili ha dato origine a una crisi ambientale. Il fenomeno della «fast fashion», caratterizzato da cicli di produzione rapidi e consumi di massa, ha determinato una sovrapproduzione in questo settore. I metodi tradizionali, spesso analogici e non basati sui dati, hanno determinato tassi di vestibilità incredibilmente bassi (pari a solo il 15%), con una conseguente notevole quantità di capi non venduti. In questo contesto, il progetto SAIZ, finanziato dall’UE, sfrutterà la potenza dell’intelligenza artificiale ottimizzando lo sviluppo dei prodotti per i destinatari, in modo da ridurre efficacemente la sovrapproduzione e la relativa impronta di carbonio. Adattando virtualmente i prodotti a 2 milioni di tipologie corporee, questo approccio consente di risparmiare risorse e, secondo le stime, permetterà di evitare 400 milioni di tonnellate di CO2 nei prossimi 5 anni.
Obiettivo
SAIZ - AI for product development optimization in the fashion industry.
SAIZ enables fashion brands to optimize product development towards their own specific target groups, thereby minimizes the overproduction in the fashion industry.
Hugely analog and non-data-driven processes have caused extreme inaccuracy when producing fashion. An average fit rate (garment fits the target group) is estimated to be at 15%, sell-through rates (what gets sold during the season) is at 60-70%. Production of fashion items is water, energy and pollution intensive, but a large part of the produced garments are produced so poorly, that they never even make it to a customer.
SAIZ enables a fashion brand to fit their products to 2 Million bodies (of their target customers) virtually to prevent products going into mass-production that will not fit and will not be sold.
A huge monetary game changer for the industry, and a big relief for the planet. SAIZ estimates to be able to save 400Mio tonnes of CO2 with data-driven product development in the next 5 years.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- scienze naturaliscienze fisicheastronomiaplanetologiapianeti
- scienze naturaliscienze della terra e scienze ambientali connessescienze ambientaliinquinamento
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeapprendimento automaticoapprendimento profondo
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Parole chiave
Programma(i)
- HORIZON.3.2 - European innovation ecosystems Main Programme
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) HORIZON-EIE-2022-SCALEUP-02
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-CSA -Coordinatore
10961 Berlin
Germania
L’organizzazione si è definita una PMI (piccola e media impresa) al momento della firma dell’accordo di sovvenzione.