Material Handling in Libraries: Exploring the Impact of Incoming Book Flow and the Potential of Predictive Analytics A Case Study on Trondheim Public Library
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3093287Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
Sammendrag
Denne oppgaven undersøker hvordan materialhåndteringen i et bibliotek påvirkes av den innkommende bokflyten og hvordan prediktiv analyse kan forbedre planleggingen av materialhåndtering. Oppgaven er en del av SmartLIB-prosjektet som ble igangsatt som følge av den økende etterspørselen etter bibliotektjenester som har ført til at Trondheim folkebibliotek har ønsket et «smartere» bibliotek. Målet med prosjektet er å utforske teknologiske løsninger i biblioteksektoren for å løse problemer ved dagens system. Denne artikkelen bygger på resultater funnet i et spesialiseringsprosjekt som identifiserte det å predikere den innkommende bokstrømmen på biblioteker som et aspekt som kan være fordelaktig for bibliotekdriften. Hensikten med artikkelen oppnås ved å svare på følgende forskningsspørsmål:
1. Hvordan påvirker innkommende bokflyt materialhåndtering i et bibliotek?2. Hvordan kan et bibliotek muliggjøre mer effektiv materialhåndtering?3. Hvordan kan prediktiv analyse brukes i en biblioteksetting for å forbedre planleggingen av materialhåndtering?4. Hvordan kan et bibliotek forbedre datakvaliteten for å gjøre prediktiv analyse mer anvendelig?
Den teoretiske delen av denne artikkelen er sammensatt av teori som beskriver materialhåndtering og prediktiv analyse, og er ment å utfylle empiriske resultater oppnådd gjennom casestudiet. Resultatene ble utledet basert på informasjon samlet inn fra møter, semistrukturerte intervjuer, observasjoner og dataanalyse. Til slutt ble prediktive modeller brukt for predikere fremtidige utfall.
Casestudien identifiserte omfattende manuelt arbeid knyttet til materialhåndterings- prosessene for å plassere materiale på midlertidige og originale hyller. Dette ble observert påvirket av hvordan bøkene ble sortert i sorteringsmaskinen. Resultatene indikerte at et bibliotek kunne redusere materialhåndteringen ved å endre sorteringspolicyene for å unngå unødvendige materialhåndteringsoppgaver. Resultatene viste imidlertid at maskinlæringsmodeller ikke var i stand til å predikere den innkommende bokflyten nøyaktig på grunn av at dataen ikke var egnet for formålet.
Oppgaven konkluderer med at innkommende bokflyt i stor grad påvirker manuelle oppgaver knyttet til materialhåndtering på et bibliotek. Videre indikerte resultatene at bruk av prediktiv analyse for å predikere den innkommende bokflyten ikke var fordelaktig for TPL, siden det var unødvendig komplekst sammenlignet med fordelene det ga. This paper examines how the material handling in a library is affected by the incoming book flow and how predictive analytics can improve the planning of material handling. The study is part of the SmartLIB project which was initiated as a result of the increasing demand for library services which has led to Trondheim Public Library desiring a “smarter” library. The project aims to exploit technological solutions in the library sector to solve problems with the current system. This paper builds upon results found in a specialization project which identified predicting the incoming book flow at libraries as an aspect that could benefit library operations. The objective of the paper is accomplished by answering the following research questions:
RQ1: How does incoming book flow affect material handling in a library?RQ2: How can a library enable more efficient material handling?RQ3: How can predictive analytics be applied in a library setting to enhance the planning of material handling?RQ4: How can a library enhance data quality to make predictive analytics more applicable?
The theoretical part of this paper is composed of theory describing material handling and predictive analytics, and is meant to complement empirical results attained through a case study. Results were derived based on information gathered from meetings, semi-structured interviews, observations, and data analysis. Finally, predictive models were utilized to obtain results of future outcomes.
Case study methods identified extensive manual work related to the material handling processes of placing material on temporary- and original shelves. This was observed to be affected by how the books were sorted in the sorting machine. Results indicated that a library can decrease material handling by altering the sorting policies to avoid excessive material handling tasks. However, results showed that machine learning models were unable to accurately predict the incoming book flow due to a lack of fitness for purpose in the input data.
The paper concludes that incoming book flow affects manual tasks related to material handling at a library to a great extent. Further, results indicated that utilizing predictive analytics to predict the incoming book flow was not advantageous for TPL, as it was unnecessarily complex compared to the benefits it yielded.