隨著科技日新月異，人類對於科技所帶來的方便性越來越依賴，生活日常漸漸變得方便及智慧。透過科技的進步、大數據的分析、環境的需求以及智慧化的運轉，來提供使用者更多不同的智慧化產品及服務應用。對於更多的智慧型應用亦已成為未來不可或缺的事物。雖然網路電話逐漸興起，但是公用交換電話網路（Public Switched Telephone Network，PSTN）仍是現今室內電話服務的主流。故本研究所提的透過數據分析來預判損壞原因點，仍會有所需求。本文主要探討交換機電信維修損壞點，透過貝氏定理及決策樹分析後的推論判斷損壞原因，以協助維修人員快速查修線路的故障原因。本研究透過大量實際電信維修資料的收集，以及分析各種損壞原因的統計資料。透過貝氏定理分析，探討各種環境及人為因素與損壞狀況之間的先驗機率，建立決策樹來分類各種現象與最後損壞原因的關聯。並利用貝氏定理分析及所建立的決策樹語音介面的問答系統，提供便利的人機介面，輔助維護人員的查修工作，提高工作的效率。由研究結果可得知，在紙本數據分析以及透過語音系統介面下的準確率，未使用貝氏定理分析下的準確度皆為79.36 ％。而第二階段，從建立決策樹的訓練維修單中，隨機抽取200張回測，準確率分別為96.5 ％以及95.5 ％。而最後階段的測試中，利用非訓練集的維修單測試貝氏決策樹，準確率分別為92.12 ％以及91.27 ％。雖然準確率無法得到百分之百的結果，但兩者相較來說貝氏決策樹之準確率高於傳統決策樹，對於提供給維修人員來說已是一個值得參考的數據資料。

As echnological advancement such as, big data analysis, environmental requirement and intelligent operation, people enjoy innovative products and service applications. Intelligent application, such as speech-to-text (STT) becomes more attractive in future. Although Internet telephony is popular, Public Switched Telephone Network (PSTN) is still the mainstream of indoor telephone service. Therefore, there is still a need for smart maintain of PSTN by use of data analysis. In this thesis, a speech-based Question and Answer (QA) Bayesian Decision Tree is developed in this study. First, the line faults is classified from maintenance sheets to investigate crash points of lines. The crash points and line faults are the fundamental to develop a Bayesian decision tree to infer the causes of line faults. Finally, a voice interface QA system is established to provide a convenient human-machine interface for technicians to inspect and repair line faults more efficiently. In experiments, 1410 maintenance sheets are collected from real cases. The sheets are grouped a train set of xxx sheets and a test set of xx%. The results demonstrate the improvement of accuracy from 79.36% to 92.12% when a trainset is verified. For the test set, the accuracy of 91.27% is also obtained to show a valuable and helpful reference to for smart maintenance in future.

學位論文考試審定書 ii
摘要 ⅲ
Abstract v
誌謝 ⅵ
目錄 ⅶ
表目錄 ⅸ
圖目錄 ⅺ
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 3
1.3 研究方法及流程 4
第二章 相關技術及文獻探討 5
2.1 傳統 PSTN 網路故障分析與方法 5
2.1.1 通信交換機迴路架構 7
2.1.2 以維修人員檢修分類損壞點現象 8
2.2 語音辨識 10
2.2.1 現有語音辨識原理 10
2.2.2 Google語音辨識引擎 12
2.3 貝氏定理 14
2.3.1 貝氏定理 14
2.3.2 從條件機率推導貝氏定理 15
2.4 決策樹 16
2.4.1 決策樹原理 16
2.4.2 特色跟應用實績 18
第三章 研究設計與方法 19
3.1 透過維修者角度找尋損壞原因 19
3.2 決策樹設計 24
3.3 數據訓練與貝氏決策樹設計 26
3.3.1 貝氏決策樹設計 26
3.3.2 系統架構 31
3.3.3 系統流程 32
3.3.4 範例說明 34
第四章 實驗與分析 36
4.1 實驗目的 36
4.2 資料收集及實驗模擬環境 36
4.3 實驗測試步驟 40
4.4 實驗結果 43
4.4.1 紙本數據分析結果 43
4.4.2 語音問答分析結果 47
第五章 結論與未來展望 51
5.1 研究結論 51
5.2 未來展望 52
參考文獻 53
Turnitin系統比對報告 56
論文審核建議修訂 57

[1] 資策會產業情報研究所, “智慧科技與網通”, 資策會產業情報研究所, 2018 [Online]. Available: https://mic.iii.org.tw/news.aspx?id=498&List=61

[2] 富邦證券, “係屬有線傳輸設備廠商”, 卓星宏, 2001 [Online]. Available: https://www.moneydj.com/kmdj/report/ReportViewer.aspx?a=4bca8c1a-14c5-49b9-80b0-cc9e656ed585

[3] 思博在線大學, “交換機常見的故障處理” , 思博在線大學, 2018 [Online]. Available: https://kknews.cc/zh-tw/news/epzgnnz.html

[4] 維基百科, “語音辨識系統”, 維基百科, 2020 [Online]. Available:
https://zh.wikipedia.org/zh-tw/%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB

[5] 黃啟祥, “應用於智慧企業流程之語音辨識人機介面設計”, 東海大學資訊工程學系碩士論文，2019

[6] Google, “ Google Speech-to-Text”, Google, 2020 [Online]. Available:
https://rb.gy/2it4jm

[7] 維基百科, “貝氏定理”, 維基百科, 2020 [Online]. Available:
https://zh.wikipedia.org/zh-tw/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%AE%9A%E7%90%86
[8] 黃子庭, “應用基因演算法結合貝氏定理預測分類結果之研究”, 元智大學工業工程與管理學系碩士論文, 2019

[9] 林昆佑, “基於貝氏定理的智慧家庭服務推薦技術”, 國立高雄應用科技大學電子工程系碩士班碩士論文, 2016

[10] 維基百科, “決策樹”, 維基百科, 2020 [Online]. Available:
https://zh.wikipedia.org/wiki/%E5%86%B3%E7%AD%96%E6%A0%91

[11] MBA智庫百科, “決策樹”, MBA智庫百科, 2020 [Online]. Available:
https://wiki.mbalib.com/zh-tw/%E5%86%B3%E7%AD%96%E6%A0%91

[12] 承志的運算課堂, “機器學習十大經典算法之一-決策樹CART算法”, 承志, 2020 [Online]. Available: https://kknews.cc/code/m96e39z.html

[13] 洪美蘭, “以類電磁演算法為基之肺癌診斷決策樹規則生成模式”, 國立台灣大學工業管理系碩士論文, 2015

[14] 余豪, “應用決策樹及類神經技術於車輛啟動系統之故障診斷”, 國立彰化師範大學, 車輛科技研究所碩士論文, 2010

[15] 錢威任, “結合二階段集群分析與決策樹演算法於海事鑑別模型”, 國立臺灣海洋大學運輸管理學系碩士論文, 2016

[16] 陳蕙婷, “以決策樹探討電信業預付型產品客戶流失預警模型”, 國立台北科技大學工業工程與管理系碩士論文, 2016

[17] 周哲宇, “以心電圖訊號為基礎之心源性猝死病徵診斷系統”, 中興大學資訊管理學系所碩士論文, 2018

[18] 林裕森, “運用不同階段檢驗項目建構急性腎衰竭病患之預後模型”, 陽科技大學工業工程與管理系碩士論文, 2011