Finding a solution for the first mile problem in the circular economy of textiles in Finland: Collecting textile waste from consumers

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2021-05-19
Department
Major/Subject
Strategy and Venturing
Mcode
SCI3050
Degree programme
Master’s Programme in Industrial Engineering and Management
Language
en
Pages
79+7
Series
Abstract
The first mile problem in the circular economy of textiles consists of planning and implementing an optimal collection system to recover used textiles from individual consumers. The problem was studied in Finland, through a mixed-method study combining expert interviews with collection data analysis and providing answers to the problems found in the interviews. In the first section of the study, literature of circular economy of textiles and reverse logistics problems in waste management in general are studied to give understanding on the topics, as the first mile problem in managing textile waste is not studied collectively in Finland. In the first part of the study, a total of 10 organizations were interviewed covering a single expert interview on the whole chain, municipal waste companies, non-governmental organizations and commercial companies. The answers were analyzed through themes of collection flows and methods, challenges and future perceptions of textile collection. Based on the interview findings, a data analysis on actual textile collection data was done. In the data analysis, different methods, such as regular linear regression and different machine learning algorithms, were tested in order to predict the collected flows, based on collection-system and socio-economic variables in different municipalities in Finland. The results of the study contribute to academia and business in both methodical and absolute terms. The proposed solution to implement as a national collection system for textile waste is geographically varying and semi-centralized, where consumers would bring their useless textiles to neighborhood-specific collection bins. Machine learning algorithms, such as gradient boosting, are found suitable in predicting collected yields of textile waste, and thus they may be utilized in creating national or municipal collection strategies.

First Mile -ongelma tekstiilien kiertotaloudessa koostuu optimaalisen järjestelmän suunnittelusta ja toteuttamisesta käytettyjen tekstiilien keräämiseksi yksittäisiltä kuluttajilta. Ongelmaa lähestytään tässä tutkimuksessa mixed method -menetelmän avulla, jossa yhdistetään asiantuntijahaastattelut ja data-analyysi sekä tarjottiin vastauksia haastatteluissa havaittuihin ongelmiin. Tutkimuksen ensimmäisessä osassa tutkitaan kirjallisuutta tekstiilien kiertotaloudesta ja käänteisen logistiikan ongelmista jätehuollossa yleensä, jotta aiheista saataisiin ymmärrystä, koska tekstiilijätteen first mile -ongelmaa ei ole Suomessa perusteellisesti tutkittu. Tutkimuksen ensimmäisessä osassa haastateltiin yhteensä 10 tahoa, kattaen yhden erillisen asiantuntijahaastattelun, jäteyhtiöitä, hyväntekeväisyysjärjestöjä ja kaupallisia yrityksiä. Vastauksia analysoitiin keräysvirtojen ja -menetelmien, tekstiilikeräyksen haasteiden ja tekstiilikeräyksen tulevaisuuden näkymien kautta, ja niiden pohjalta tehtiin data-analyysi todelliseen keräysdataan pohjautuen. Data-analyysissä testattiin erilaisia menetelmiä tavallisesta lineaarisesta regressiosta erilaisiin koneoppimisalgoritmeihin kerätyn tekstiilimäärän ennustamiseksi keräysjärjestelmä- ja sosioekonomisten muuttujien perusteella Suomen eri kunnissa. Tutkimuksen tulokset ovat sekä metodisia että absoluuttisia. Ehdotettu ratkaisu tekstiilijätteen keräysjärjestelmäksi on maantieteellisesti vaihteleva osittain keskitetty järjestelmä, jossa kuluttajat tuovat käyttökelvottomat tekstiilit naapurustokohtaisiin keräysastioihin. Koneoppimisalgoritmeja, kuten gradient boosting, pidetään soveltuvina kerätyn tekstiilijätteen määrän ennustamiseen, ja näin ollen niitä voidaan hyödyntää kansallisten tai kunnallisten keräysstrategioiden luomisessa.
Description
Supervisor
Holmström, Jan
Thesis advisor
Kaipia, Riikka
Keywords
circular economy, textile, waste collection, machine learning
Other note
Citation