大眾運輸系統提供民眾安全良好的搭乘品質跟舒適的服務，台北捷運車站的清潔也是廣為民眾稱道。捷運車站開放廁所提供民眾使用，污水泵浦是排放廁所廢水的主要機電設備。污水泵浦故障的時候，可能導致污水坑污水外流異味四溢甚至必須關閉廁所使用，對社會大眾觀感及民眾搭乘品質有所影響。
傳統的監控系統僅能就已發生的設備故障進行告警，在處理時效上較為不足。如果能夠提早知道污水泵浦運轉已經發生異常，就能在污水泵浦嚴重故障前提供告警，讓維修人員可以提早檢修，也就能避免污水坑滿溢，能夠有效地提供良好的服務品質。
因此就上述而言，我們利用楊哲淮提出的“利用CPU使用率找尋異常現象”為基礎，開發出適用於污水泵浦環境使用的演算法尋找異常現象，希望能有效避免污水坑污水溢出。透過分析數據的特徵做出適當的分群，並採用每個時段的污水泵浦實際運轉量得到下一個時段的預測最大值及預測最小值，有效預測下一個時段的運轉值門檻值範圍，讓使用者可以提早掌握污水泵浦運轉發生異常現象，防止污水坑的污水滿溢。

The public transportation system provides people with safe and good ride quality and comfortable service. The cleanliness of Taipei MRT station is also widely praised by the public. MRT stations have toilets for public use, and sewage pumps are the main electromechanical equipment that discharges toilet wastewater. When the sewage pump fails, it may cause the sewage from the sewage pit to flow out or the toilet must be closed first, which will affect the public perception and the quality of people's riding.
Traditional monitoring systems can only report on equipment failures that have occurred, which is insufficient in processing timeliness. If it can be known in advance that the sewage pump is running abnormally, an alarm can be provided before the sewage pump fails, so that maintenance personnel can perform early maintenance, and it can also prevent the sewage pit from overflowing and effectively provide good service quality.
Therefore, in terms of the above, we use Yang Zhehuai's "use of CPU usage to find anomalies" as a basis to develop an algorithm suitable for use in sewage pumping environments to find anomalies. This thesis analyzes the characteristics of the data to make appropriate subgroups, and uses the actual operation of the sewage pump in each period to obtain the predicted maximum value and the predicted minimum value for the next period to get the threshold value range for the next period, so that users can grasp the abnormal operation of the sewage pump in advance, and effectively prevent the overflow of sewage in the sewage pit..

第一章 緒論	1
1-1 研究動機與目的	1
1-2 研究架構	3
第二章 背景說明	4
    2-1 台北捷運污水系統架構	5
    2-2 利用CPU使用率尋找異常現象演算法	10
第三章 問題陳述與研究方法	13
3-1問題陳述	14
3-2	研究方法	16
第四章 實例應用	22
4-1具有防護網車站建立模型及驗證	23
4-1-1 建立模型	23
4-1-2 驗證模型	28
4-2不具有防護網車站建立模型及驗證	32
4-2-1 建立模型	33
4-2-2 驗證模型	37
第五章 未來與展望	40
參考文獻	42
附錄 英文論文...........43

圖目錄
圖2.1  污水控制盤的自動控制原理示意圖 ……………………05
圖2.2  污水泵浦及水位訊號傳遞流程圖 ………………………06
圖2.3  車站現場控制器計數及傳遞流程圖 ……………………09
圖3.1  某站2020年12月02日污水泵浦運轉紀錄……………… 15
圖3.2  資料重整後某站2020年12月02日污水泵浦運轉紀錄………18
圖3.3  群組分佈………………………19
圖3.4  甲站2019年12月26日污水泵浦運轉紀錄………………20
圖3.5  甲站2020年07月01日污水泵浦運轉紀錄………………21
圖3.6  甲站2021年06月01日污水泵浦運轉紀錄………………21
圖4.1  A站2020年06月22日污水泵浦運轉紀錄…………… …25
圖4.2  A站2020年06月22日污水泵浦運轉次數……………… 26
圖4.3  A站2020年08月17日污水泵浦運轉紀錄……………….27
圖4.4  A站2020年08月17日污水泵浦運轉次數………… ……27
圖4.5  A站2021年03月03日污水泵浦運轉紀錄…………… …28
圖4.6  A站2021年03月03日污水泵浦運轉次數……………… 29
圖4.7  A站2020年12月02日污水泵浦原紀錄時間 ……………30
圖4.8  A站2020年12月02日污水泵浦運轉紀錄  …………….30
圖4.9  A站2020年12月02日污水泵浦運轉次數……………… 31
圖4.10 B站2020年08月20日污水泵浦運轉紀錄……………….34
圖4.11 B站2020年08月20日污水泵浦運轉次數……………… 35
圖4.12 B站2020年08月10日污水泵浦運轉紀錄……………….36
圖4.13 B站2020年08月10日污水泵浦運轉次數……………….36
圖4.14 B站2020年09月10日污水泵浦運轉紀錄……………….37
圖4.15 B站2020年09月10日污水泵浦運轉次數……………….38
圖4.16 B站2020年09月02日污水泵浦運轉紀錄……………….39
圖4.17 B站2020年09月02日污水泵浦運轉次數……………….39
 
表目錄
表3.1原始設計監視訊號種類…………………………… …07
表3.2 現有監視訊號種 …………………………………… 07
表4.1 2020全年A站單次單顆污水泵浦運轉時間前十名… 24
表4.2 2020全年A站單次單顆污水泵浦運轉時間前十名 …33

[1] 楊哲淮, "利用CPU使用率找尋異常現象" 淡江大學資訊工程學系碩士班碩士論文, 2021.