La crescente attenzione verso la sostenibilità ambientale ha indotto le industrie ad adottare metodologie mirate a valutare e ridurre il proprio impatto sull’ecosistema, tra cui la Valutazione del Ciclo di Vita (LCA). Nel settore dell’arredamento, tuttavia, l’integrazione di approcci sostenibili risulta complessa a causa dell’artigianalità, dei materiali di alta qualità e della personalizzazione. Le piccole e medie imprese, in particolare, incontrano difficoltà nell’implementare metodi di valutazione articolati a causa dei costi e delle competenze tecniche richiesti. Per rispondere a tali esigenze, questa ricerca propone un framework di eco-design integrato, che unisce metodologie LCA semplificate e strumenti basati sul machine learning a supporto delle decisioni progettuali nelle fasi iniziali. L’obiettivo è favorire l’integrazione della sostenibilità prima delle scelte di design fondamentali, grazie a un approccio modulare che renda più agevole valutare differenti materiali e configurazioni, mantenendo gli standard di qualità richiesti. Il framework prevede tre strumenti principali: il Qualitative Feedback Tool, che raccoglie e analizza riscontri qualitativi di stakeholder; l’Eco-Design Tool, che offre linee guida basate su algoritmi di machine learning; e il Simplified LCA Tool, in grado di fornire una valutazione rapida dell’impatto ambientale. La validazione avviene attraverso uno studio di caso presso un’azienda leader del settore, focalizzato sulla progettazione di un archetipo di seduta sostenibile. I risultati evidenziano un miglioramento nell’efficienza decisionale e una riduzione degli interventi correttivi tardivi. In definitiva, l’approccio proposto dimostra l’importanza di integrare la sostenibilità sin dalla fase di progettazione, superando le limitazioni delle valutazioni ex post. L’unione di machine learning ed eco-design fornisce un modello basato sui dati e facilmente implementabile, consentendo alle imprese di allinearsi alle normative ambientali emergenti e alle crescenti aspettative del mercato in termini di prodotti sostenibili.
An integrated Eco-Design Framework for the Furniture Sector: Machine Learning-Driven Guidelines and Tools for Sustainable Innovation / Sartini, Mikhailo. - (2025 May 05).
An integrated Eco-Design Framework for the Furniture Sector: Machine Learning-Driven Guidelines and Tools for Sustainable Innovation
SARTINI, MIKHAILO
2025-05-05
Abstract
La crescente attenzione verso la sostenibilità ambientale ha indotto le industrie ad adottare metodologie mirate a valutare e ridurre il proprio impatto sull’ecosistema, tra cui la Valutazione del Ciclo di Vita (LCA). Nel settore dell’arredamento, tuttavia, l’integrazione di approcci sostenibili risulta complessa a causa dell’artigianalità, dei materiali di alta qualità e della personalizzazione. Le piccole e medie imprese, in particolare, incontrano difficoltà nell’implementare metodi di valutazione articolati a causa dei costi e delle competenze tecniche richiesti. Per rispondere a tali esigenze, questa ricerca propone un framework di eco-design integrato, che unisce metodologie LCA semplificate e strumenti basati sul machine learning a supporto delle decisioni progettuali nelle fasi iniziali. L’obiettivo è favorire l’integrazione della sostenibilità prima delle scelte di design fondamentali, grazie a un approccio modulare che renda più agevole valutare differenti materiali e configurazioni, mantenendo gli standard di qualità richiesti. Il framework prevede tre strumenti principali: il Qualitative Feedback Tool, che raccoglie e analizza riscontri qualitativi di stakeholder; l’Eco-Design Tool, che offre linee guida basate su algoritmi di machine learning; e il Simplified LCA Tool, in grado di fornire una valutazione rapida dell’impatto ambientale. La validazione avviene attraverso uno studio di caso presso un’azienda leader del settore, focalizzato sulla progettazione di un archetipo di seduta sostenibile. I risultati evidenziano un miglioramento nell’efficienza decisionale e una riduzione degli interventi correttivi tardivi. In definitiva, l’approccio proposto dimostra l’importanza di integrare la sostenibilità sin dalla fase di progettazione, superando le limitazioni delle valutazioni ex post. L’unione di machine learning ed eco-design fornisce un modello basato sui dati e facilmente implementabile, consentendo alle imprese di allinearsi alle normative ambientali emergenti e alle crescenti aspettative del mercato in termini di prodotti sostenibili.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
