Det er innledningsvis i denne masteroppgaven gått inn på prosjekter som er pakket sammen med observasjoner og annen type informasjon som skal hjelpe nettutvikler med å prioritere og reinvestere prosjekter.Et hendelsestre for hver observasjon er så laget for å vise hvilke typer uønskede hendelser som kan inntreffe. Om en observasjon får en uønsket hendelse, er det ikke sikkert at det fører til et utfall. Det er derfor presentert en sannsynlighet for utfall i kapittelet om hendelsestre. Denne sannsynligheten for utfall brukes for å regne ut kostnadskonsekvensen sammen med varslet og ikke-varslet avbruddskostnad.Videre er det gått mer inn på observasjonene og hvilke typer som kan rapporteres fra et mastepunkt siden fokuset i denne rapporten er på mastepunkt. Observasjonene som er tatt med i denne delen er kun de som har degradering og som kan generere en levetidskurve. Fra levetidskurven er det mulig å få ut en kurve og en tabell over sviktsannsynligheten. Denne sviktsannsynligheten er basert på den forventede levetiden og 10%-kvantilen for hver observasjon. Forventet levetid og 10%-kvantilen brukes i en topunktsanalyse for å generere sviktsannsynligheten.Deretter er det brukt en formel for aggregering av sviktsannsynligheten. Der det er kun observasjoner av samme type som aggregeres sammen. Dette gjøres på grunn av at forskjellige observasjoner kan ha forskjellige reparasjons- og avbruddskostnader. I tillegg kommer sannsynlighet for utfall inn.I kapittel 5 blir regnearket som er laget for aggregering av observasjoner gått igjennom. I dette regnearket legges sannsynligheten for svikt inn sammen med avbrudds- og reparasjonskostnader. Det legges også inn antall observasjoner, sannsynlighet for utfall og kalkulasjonsrente.Når alle tallene for observasjonene er lagt inn, legges observasjonene sammen i det siste regnearket og man får ut en tabell og en kurve over de forventede kostnadene som er nåverdiberegnet ut i fra kalkulasjonsrenten.Ut i fra denne kurven og tabellen er det mulig å se når de største kostnadene kan inntreffe, og derfra er det mulig å si noe om når reinvesteringene kan gjøres. Man får en oversikt over om det er enkelte observasjoner som genererer store kostnader enkelte år og som bør reinvesteres før andre observasjoner.I regnearket er det også mulig å legge inn investeringskostnader, samt i hvilket år man ønsker å reinvestere. Alle tallene som presenteres er nåverdiberegnet og presenteres for hvert år i en analyseperiode på 30 år. Videre blir det gått inn på hvordan aggregeringen fungerer og hvordan det går an å aggregere forskjellige observasjoner. Om det aggregeres for forskjellige observasjoner sammen, kan det ikke legges inn kostnader siden disse er forskjellige for hver observasjon.Det blir også sett på hvordan topunktsanalysen fungerer og det er vist eksempel av når en type observasjon blir aggregert for 1 til 5 observasjoner. Det som vises da er at kurven for sviktsannsynligheten vokser og man får større sannsynlighet for svikt tidligere i tid. Dette er logisk siden man for flere observasjoner har større sannsynlighet for svikt tidligere i tid. Så for én observasjon kan kurven være slakk, men om man aggregerer inn flere observasjoner vil den bli spissere, altså større sannsynlighet for svikt, og flyttes frem i tid.Etter at det er sett på hvordan aggregeringen fungerer og hvordan den brukes med kostnader, er det sett på tre reelle prosjekter fra NTE. I disse prosjektene er det observasjoner som kan generere sviktsannsynligheteskurver. Hvert prosjekt er regnet på med kostnader. Når det er kjørt en analyse av prosjektet basert på aggregering av observasjoner, blir det satt opp to eksempler ut i fra hvordan de forventede kostnadene fordeler seg ut over analyseperioden.I alternativene er det gjort reinvesteringer der det reinvesteres for hele prosjektet i samme år, og der det reinvesteres noe i tidligere år og resten av ved et passende tidspunkt senere i analyseperioden.Ofte vil en svikt trigge hele reinvesteringen, men det regnes også på å reinvestere over flere år.I siste kapittel er det foretatt en følsomhetsanalyse som ser på faktorer som påvirker aggregeringen. Der er det gjort små forandringer på antall observasjoner, sannsynlighet for utfall og avbruddskostnaden. Det viser seg der at sannsynlighet for utfall og avbruddskostnaden har mye å si. Mens antall observasjoner har mest å si om det er en kritisk observasjon med høy sannsynlighet for svikt. Det vises også at investeringen er viktig om denne er høy sammenlignet med avbruddskostnadene.