Målet med prosjektet er å utvikle teknologi, metoder og kompetanse for å forbedre og effektivisere vedlikehold av vegnettet vårt. Dette vil bidra til økt oppetid, bedre trafikksikkerhet, redusert miljø- og klimabelastning og økt effektivitet og produktivitet. Prosjektet har utpekt følgende faglige fokusområder:

Tilstands- og risikobasert vedlikeholdsstyring

Tilstands- og risikobasert vedlikehold handler om å systematisk samle og analysere data for å identifisere og prioritere vedlikeholdsbehov. Flere prosjekter innen smartere vedlikehold jobber med å utvikle bedre metodikk for innhenting og analyse av data gjennom for eksempel modellering og risikoestimering. I tilstandsbasert vedlikeholdsstyring definerer man tilstandskriterier som skal være utløsende for vedlikehold, mens risikobasert vedlikeholdsstyring går enda lengre og setter kriterier for risiko (=sannsynlighet x konsekvenser) til for eksempel konstruksjonssvikt eller nedetid.  Begge former betraktes som proaktivt vedlikehold og forsøker å igangsette tiltak før kritiske problemer oppstår og objektet må stenges uplanlagt.

Tilstandskartlegging

En bærebjelke i god vedlikeholdsstyring er å ha oversikt over tilstanden til de viktigste objektene som skal vedlikeholdes. For noen områder, som dekkevedlikehold og bru- og tunnellvedlikehold, finnes det allerede i dag operasjonelle systemer for tilstandskartlegging, mens det for andre elementer, som dreneringssystemer, mangler effektiv systematisk kartleggingsmetodikk. I SMARTere vedlikehold er det startet flere prosjekter som skal forbedre, effektivisere og automatisere informasjonsinnhentingen om vegnettets tilstand.

Dataanalyse

Å tolke data, redusere data og ekstrahere verdifull informasjon av store datasett er en generell problemstilling som blir stadig viktigere når det blir lettere å samle inn store datamengder. Dette krever datateknisk kompetanse og statistikkompetanse, i tillegg til en forståelse for domenefag som konstruksjonsteknikk, geoteknikk, hydraulikk og vegteknologi. Dataanalyse kan innebære «klassisk» fysisk modellering, utvikling av statistiske modeller eller kunstig intelligens/maskinlæring. Prosjektet skal utvikle flere nye metoder for bedre å kunne håndtere og analysere data, slik at det er mulig å gi bedre grunnlag for beslutninger.

Strategisk analyse og beslutningsstøtte

Strategiske analyser skal underbygge overordnede strategiske beslutninger, som for eksempel hvilken vedlikeholdsstrategi man skal velge, hvilket innsatsnivå (standard) man skal legge seg på og hvor og når det er smartest å igangsette større rehabiliteringer eller fornyelser. Dette krever ofte samfunnsøkonomiske betraktninger. Vi har igangsatt flere prosjekter som skal fylle verktøykassen til strategene og bidra til bedre overordnede beslutninger.