Initial project import

2026-06-26 18:07:04 -03:00
commit 6443c0e2dc
48 changed files with 3948 additions and 0 deletions
--- a/.gitignore
+++ b/.gitignore
@@ -0,0 +1,21 @@
 .venv/
 venv/
 env/
 __pycache__/
 **/__pycache__/
 *.py[cod]
 .pytest_cache/
 .mypy_cache/
 .ruff_cache/
 resultados/
 logs/
 *.log
 temp/
 *.tmp
 *.temp
 ~$*
 .env
 .env.*
--- a/V6.code-workspace
+++ b/V6.code-workspace
@@ -0,0 +1,7 @@
 {
 	"folders": [
 		{
 			"path": ".."
 		}
 	]
 }
--- a/.vscode/planejador_missao_limpo_milp.code-workspace
+++ b/.vscode/planejador_missao_limpo_milp.code-workspace
@@ -0,0 +1,7 @@
 {
 	"folders": [
 		{
 			"path": ".."
 		}
 	]
 }
--- a/Planejador.vbs
+++ b/Planejador.vbs
@@ -0,0 +1,18 @@
 Set shell = CreateObject("WScript.Shell")
 Set fso = CreateObject("Scripting.FileSystemObject")
 baseDir = fso.GetParentFolderName(WScript.ScriptFullName)
 pythonw = baseDir & "\.venv\Scripts\pythonw.exe"
 python = baseDir & "\.venv\Scripts\python.exe"
 app = baseDir & "\web_app.py"
 If fso.FileExists(pythonw) Then
  exe = pythonw
 ElseIf fso.FileExists(python) Then
  exe = python
 Else
  exe = "pythonw"
 End If
 shell.CurrentDirectory = baseDir
 shell.Run """" & exe & """ """ & app & """", 0, False
--- a/README.md
+++ b/README.md
@@ -0,0 +1,216 @@
 # Planejador Diario de Missoes e Sobreaviso
 Projeto em Python para gerar a escala diaria de missao acionada, missao local e sobreaviso usando Programacao Linear Inteira Mista (MILP).
 ## 1. Estrutura do projeto
 ```text
 dados/                    Arquivos de entrada do planejamento
 resultados/               Planilhas geradas pelo planejador
 src/planejador_missao/    Codigo-fonte Python do modelo
 scripts/                  Scripts numerados de execucao, validacao e teste
 .vscode/                  Arquivos de workspace do VS Code
 web_app.py                Interface web HTML para abrir no navegador
 run_planner.py            Ponto de entrada para executar o planejamento
 requirements.txt          Dependencias Python
 Abrir Planejador.vbs      Atalho para abrir a interface sem prompt
 ```
 A execucao oficial do projeto e feita somente em Python.
 ## 2. Preparacao do ambiente
 No PowerShell, a partir da raiz do projeto:
 ```powershell
 cd "C:\caminho\para\planejador_missao_limpo_milp"
 python -m venv .venv
 .\.venv\Scripts\activate
 pip install -r requirements.txt
 ```
 A pasta `.venv` nao acompanha a entrega oficial. Ela deve ser recriada pelo usuario com os comandos acima.
 ## 3. Como executar pelo app no navegador
 Forma recomendada:
 1. De dois cliques em `Abrir Planejador.vbs`.
 2. Aguarde o navegador abrir em `http://127.0.0.1:8050`.
 Se preferir executar manualmente pelo PowerShell, use:
 Na raiz do projeto:
 ```powershell
 python web_app.py
 ```
 O navegador abre automaticamente em `http://127.0.0.1:8050`. Se nao abrir, copie esse endereco no Google Chrome.
 O app permite:
 - editar data e criterios de otimizacao;
 - informar a missao de rota acionada;
 - marcar condicao das aeronaves;
 - selecionar tripulantes disponiveis;
 - consultar a aba `Quadrinhos`, com proxima OI, horas do ano, SBV e falta para 50 horas;
 - salvar os arquivos de entrada em `dados/`;
 - gerar a escala e abrir a ultima planilha.
 A versao final usa Python e interface web local.
 ## 4. Como executar pelo terminal
 Na raiz do projeto:
 ```powershell
 python scripts\00_main.py
 ```
 Ao final, o programa informa:
 - data de planejamento usada;
 - caminho da planilha Excel gerada;
 - quantidade de colunas candidatas criadas;
 - quantidade de escalas selecionadas pelo MILP.
 ## 5. Arquivos de entrada
 Os arquivos de entrada ficam em `dados/`.
 | Arquivo | Finalidade |
 | --- | --- |
 | `Modelagem_C98_ETA2_local.xlsx` ou `Modelagem C98 ETA2.xlsx` | Cadastro base de tripulantes, qualificacoes, projetos, soldo e metas de horas. |
 | `catalogo_ois.xlsx` | Catalogo de OIs por aeronave, subprograma, ordem e tipo de missao. |
 | `indisponibilidades_2026.xlsx` | Periodos em que cada tripulante nao pode ser escalado. |
 | `parametros_missao.csv` | Data de planejamento e criterios de otimizacao. |
 | `aeronaves_disponiveis.csv` | Condicao diaria de cada aeronave. |
 | `rotas_acionadas.csv` | Missao de rota acionada para atendimento obrigatorio. |
 | `tripulantes_disponiveis.csv` | Selecao manual dos tripulantes disponiveis no dia. |
 | `progresso_ois_2026.xlsx` | OIs ja concluidas manualmente. |
 | `historico_horas_voadas.csv` | Historico acumulado gerado automaticamente pelo planejador. |
 ## 6. Saida gerada
 O planejador cria uma planilha em:
 ```text
 resultados/planejamento_diario_YYYY-MM-DD.xlsx
 ```
 Quando ja existe arquivo para a mesma data, o sistema acrescenta o horario ao nome para preservar a saida anterior.
 A aba `ESCALA DIARIA` contem tres blocos:
 - `MISSAO ACIONADA`;
 - `VOOS LOCAIS`;
 - `SOBREAVISO`.
 Apos a solucao, o arquivo `dados/historico_horas_voadas.csv` tambem e atualizado com horas voadas e sobreavisos registrados.
 ## 7. Scripts e validacao com voos de 2025
 O fluxo pelo VS Code pode ser executado com:
 ```powershell
 python scripts\00_main.py --modo diario
 ```
 Para conferir rapidamente o ambiente:
 ```powershell
 python scripts\09_testar_instalacao.py
 ```
 Para validar o modelo com dados historicos, coloque os voos reais de 2025 em:
 ```text
 dados/validacao/voos_2025.csv
 ```
 O arquivo deve ter as colunas:
 ```text
 data,aeronave,tipo_escala,tripulante,funcao,oi,horas_voadas,sbv
 ```
 Se a planilha `Quadro de Voo 2025 (2).xlsx` estiver em `dados/`, a validacao importa a aba `VOOS` automaticamente:
 ```powershell
 python scripts\00_main.py --validacao 2025
 ```
 Tambem e possivel chamar diretamente:
 ```powershell
 python scripts\07_validacao_2025.py
 ```
 Os relatorios sao salvos em:
 ```text
 resultados/validacao/validacao_2025_resumo.xlsx
 resultados/validacao/validacao_2025_detalhada.xlsx
 resultados/validacao/validacao_2025_metricas.csv
 resultados/validacao/validacao_2025_barras.png
 ```
 Ele contem:
 - `metricas`: comparacao entre escala real 2025 e escala otimizada;
 - `comparativo_trips`: horas reais, horas otimizadas e delta por tripulante;
 - `voos_2025_slots`: voos historicos agregados em slots;
 - `escala_otimizada`: redistribuicao proposta pelo MILP.
 Os scripts antigos de importacao/validacao foram preservados em `scripts/_arquivados/`.
 ## 8. Metodo de otimizacao
 O modelo monta previamente todas as colunas candidatas viaveis. Cada coluna representa uma possivel escala de dupla para:
 - rota acionada;
 - missao local;
 - sobreaviso.
 Cada coluna recebe uma variavel binaria no MILP:
 ```text
 x[i] = 1 se a coluna candidata i for escolhida
 x[i] = 0 caso contrario
 ```
 A funcao objetivo maximiza o score operacional, com prioridade para:
 1. atender rotas acionadas;
 2. aproveitar missoes locais para progressao operacional;
 3. escolher sobreavisos conforme o criterio definido.
 Restricoes principais:
 - cada tripulante aparece no maximo uma vez na escala;
 - cada aeronave livre recebe exatamente uma cobertura principal, por rota acionada ou sobreaviso;
 - cada aeronave executa no maximo uma rota acionada;
 - cada aeronave executa no maximo uma missao local;
 - rota acionada e missao local nao podem usar a mesma aeronave no mesmo dia;
 - toda rota acionada informada deve ser atendida exatamente uma vez.
 O resolvedor usado e `scipy.optimize.milp`, um resolvedor exato de programacao inteira disponivel diretamente em Python.
 ## 9. Organizacao do codigo
 O codigo em `src/planejador_missao/` esta dividido por blocos funcionais:
 | Arquivo | Responsabilidade |
 | --- | --- |
 | `data_io.py` | Leitura das planilhas/CSVs e escrita do historico. |
 | `rules.py` | Regras de disponibilidade, qualificacao e progresso operacional. |
 | `candidates.py` | Geracao das colunas candidatas para o MILP. |
 | `optimizer.py` | Formulacao e solucao do modelo MILP. |
 | `report.py` | Registro de horas e criacao da planilha Excel. |
 | `quadrinhos.py` | Resumo operacional da aba Quadrinhos. |
 | `validacao.py` | Validacao retrospectiva com voos historicos. |
 | `main.py` | Orquestracao do fluxo completo. |
 | `utils.py` | Normalizacao de textos, datas, booleanos e horas. |
 Os comentarios no codigo indicam os blocos do fluxo e as restricoes relevantes do modelo, sem repetir conceitos elementares da linguagem.
--- a/Planejador.cmd
+++ b/Planejador.cmd
@@ -0,0 +1,3 @@
@echo off
 wscript.exe "%~dp0Abrir Planejador.vbs"
 exit /b
--- a/Planejador.vbs
+++ b/Planejador.vbs
@@ -0,0 +1,19 @@
 Set shell = CreateObject("WScript.Shell")
 Set fso = CreateObject("Scripting.FileSystemObject")
 atalhosDir = fso.GetParentFolderName(WScript.ScriptFullName)
 baseDir = fso.GetParentFolderName(atalhosDir)
 pythonw = baseDir & "\.venv\Scripts\pythonw.exe"
 python = baseDir & "\.venv\Scripts\python.exe"
 app = baseDir & "\web_app.py"
 If fso.FileExists(pythonw) Then
  exe = pythonw
 ElseIf fso.FileExists(python) Then
  exe = python
 Else
  exe = "pythonw"
 End If
 shell.CurrentDirectory = baseDir
 shell.Run """" & exe & """ """ & app & """", 0, False
--- a/dados/Modelagem
+++ b/dados/Modelagem
--- a/dados/Modelagem_C98_ETA2_local.xlsx
+++ b/dados/Modelagem_C98_ETA2_local.xlsx
--- a/dados/Quadro
+++ b/dados/Quadro
--- a/dados/aeronaves_disponiveis.csv
+++ b/dados/aeronaves_disponiveis.csv
@@ -0,0 +1,4 @@
 aeronave,disponivel_sede,em_pane,em_missao_rota,hora_livre
 C98,True,False,False,50:00
 C97,True,False,False,50:00
 C95,True,False,False,50:00
--- a/dados/assets/app_logo.png
+++ b/dados/assets/app_logo.png
--- a/dados/assets/favicon.ico
+++ b/dados/assets/favicon.ico
--- a/dados/assets/planilha_logo.png
+++ b/dados/assets/planilha_logo.png
--- a/dados/catalogo_ois.xlsx
+++ b/dados/catalogo_ois.xlsx
--- a/dados/historico_horas_voadas.csv
+++ b/dados/historico_horas_voadas.csv
@@ -0,0 +1,49 @@
 data,aeronave,tipo_escala,tripulante,funcao,oi,horas_voadas,sbv,origem_registro,registrado_em
 2026-06-18,C97,MISSAO_LOCAL,AEU,TRIP2,,1.5,0,escala_diaria,2026-06-18 10:35:24
 2026-06-18,C97,MISSAO_LOCAL,LPS,TRIP1,17TL17D31,1.5,0,escala_diaria,2026-06-18 10:35:24
 2026-06-18,C95,ROTA_ACIONADA,ISA,TRIP1,69TF01DN03,6.0,0,escala_diaria,2026-06-18 10:35:24
 2026-06-18,C95,ROTA_ACIONADA,MES,TRIP2,,6.0,0,escala_diaria,2026-06-18 10:35:24
 2026-06-18,C97,SBV,MAT,TRIP1,,0.0,1,escala_diaria,2026-06-18 10:35:24
 2026-06-18,C97,SBV,STS,TRIP2,,0.0,1,escala_diaria,2026-06-18 10:35:24
 2026-06-22,C97,ROTA_ACIONADA,JVT,TRIP1,00TF86D01,6.0,0,escala_diaria,2026-06-22 08:49:59
 2026-06-22,C97,ROTA_ACIONADA,AEU,TRIP2,,6.0,0,escala_diaria,2026-06-22 08:49:59
 2026-06-22,C95,MISSAO_LOCAL,ISA,TRIP1,69TF01D04,1.0,0,escala_diaria,2026-06-22 08:49:59
 2026-06-22,C95,MISSAO_LOCAL,MES,TRIP2,,1.0,0,escala_diaria,2026-06-22 08:49:59
 2026-06-22,C95,SBV,BRJ,TRIP1,,0.0,1,escala_diaria,2026-06-22 08:49:59
 2026-06-22,C95,SBV,KVN,TRIP2,,0.0,1,escala_diaria,2026-06-22 08:49:59
 2026-06-26,C95,ROTA_ACIONADA,SOL,TRIP1,69TS01D01,6.0,0,escala_diaria,2026-06-26 09:41:10
 2026-06-26,C95,ROTA_ACIONADA,MES,TRIP2,,6.0,0,escala_diaria,2026-06-26 09:41:10
 2026-06-26,C97,MISSAO_LOCAL,MHL,TRIP1,01TF01D21,1.5,0,escala_diaria,2026-06-26 09:41:10
 2026-06-26,C97,MISSAO_LOCAL,MAT,TRIP2,,1.5,0,escala_diaria,2026-06-26 09:41:10
 2026-06-26,C97,SBV,SEI,TRIP1,,0.0,1,escala_diaria,2026-06-26 09:41:10
 2026-06-26,C97,SBV,LPS,TRIP2,,0.0,1,escala_diaria,2026-06-26 09:41:10
 2026-06-26,C95,ROTA_ACIONADA,SOL,TRIP1,69TS01D02,6.0,0,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C95,ROTA_ACIONADA,MES,TRIP2,,6.0,0,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C98,MISSAO_LOCAL,MCH,TRIP1,01TL01D31,1.0,0,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C98,MISSAO_LOCAL,SLS,TRIP2,,1.0,0,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C98,SBV,GMS,TRIP1,,0.0,1,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C98,SBV,LRS,TRIP2,,0.0,1,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C97,MISSAO_LOCAL,LPS,TRIP1,17TL17D32,1.5,0,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C97,MISSAO_LOCAL,MAT,TRIP2,,1.5,0,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C97,SBV,FIA,TRIP1,,0.0,1,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C97,SBV,AEU,TRIP2,,0.0,1,escala_diaria,2026-06-26 12:32:06
 2026-06-26,C97,ROTA_ACIONADA,LPS,TRIP1,01TL01D41,6.0,0,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C97,ROTA_ACIONADA,MAT,TRIP2,,6.0,0,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C98,MISSAO_LOCAL,MCH,TRIP1,04TL01N32,1.0,0,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C98,MISSAO_LOCAL,SLS,TRIP2,,1.0,0,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C98,SBV,CFF,TRIP1,,0.0,1,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C98,SBV,SUG,TRIP2,,0.0,1,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C95,MISSAO_LOCAL,SOL,TRIP1,06TT36D01,1.0,0,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C95,MISSAO_LOCAL,MES,TRIP2,,1.0,0,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C95,SBV,ISA,TRIP1,,0.0,1,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C95,SBV,ATA,TRIP2,,0.0,1,escala_diaria,2026-06-26 13:35:48
 2026-06-26,C97,ROTA_ACIONADA,HCK,TRIP1,00TF86D01,6.0,0,escala_diaria,2026-06-26 14:29:27
 2026-06-26,C97,ROTA_ACIONADA,AEU,TRIP2,,6.0,0,escala_diaria,2026-06-26 14:29:27
 2026-06-26,C98,MISSAO_LOCAL,LRS,TRIP1,01TT01D01,1.0,0,escala_diaria,2026-06-26 14:29:27
 2026-06-26,C98,MISSAO_LOCAL,CFF,TRIP2,,1.0,0,escala_diaria,2026-06-26 14:29:27
 2026-06-26,C98,SBV,SLS,TRIP1,,0.0,1,escala_diaria,2026-06-26 14:29:27
 2026-06-26,C98,SBV,MCH,TRIP2,,0.0,1,escala_diaria,2026-06-26 14:29:27
 2026-06-26,C95,MISSAO_LOCAL,SOL,TRIP1,06TT36D02,1.0,0,escala_diaria,2026-06-26 14:29:27
 2026-06-26,C95,MISSAO_LOCAL,MES,TRIP2,,1.0,0,escala_diaria,2026-06-26 14:29:27
 2026-06-26,C95,SBV,ISA,TRIP1,,0.0,1,escala_diaria,2026-06-26 14:29:27
 2026-06-26,C95,SBV,KVN,TRIP2,,0.0,1,escala_diaria,2026-06-26 14:29:27
--- a/dados/indisponibilidades_2026.xlsx
+++ b/dados/indisponibilidades_2026.xlsx
--- a/dados/parametros_missao.csv
+++ b/dados/parametros_missao.csv
@@ -0,0 +1,4 @@
 parametro,valor
 data_planejamento,hoje
 criterio_missao,meta_50
 criterio_sbv,equalizar_quadrinhos
--- a/dados/progresso_ois_2026.xlsx
+++ b/dados/progresso_ois_2026.xlsx
--- a/dados/quadrinho_operacional_manual.csv
+++ b/dados/quadrinho_operacional_manual.csv
@@ -0,0 +1 @@
 tripulante,aeronave,qualificacao_manual,horas_voadas_manual,sbv_manual,ultima_data_voo_manual,observacao
--- a/dados/rotas_acionadas.csv
+++ b/dados/rotas_acionadas.csv
@@ -0,0 +1,2 @@
 origem,destino,inicio,fim,tev_horas,pernoite_dias,rota
 NT,NT,2026-06-14 08:00,2026-06-17 13:00,6,3,NT-RF-*FZ*-RF-NT
--- a/dados/tripulantes_disponiveis.csv
+++ b/dados/tripulantes_disponiveis.csv
@@ -0,0 +1,33 @@
 tripulante,disponivel
 AEU,True
 ATA,True
 BEN,True
 BMK,True
 BRI,True
 BRJ,True
 CFF,True
 DIL,True
 DOG,True
 FIA,True
 GMR,True
 GMS,True
 HCK,True
 ISA,True
 JVT,True
 KVN,True
 LPS,True
 LRS,True
 MAT,True
 MCH,True
 MDO,True
 MES,True
 MHL,True
 NSC,True
 PFR,True
 RCH,True
 SCA,True
 SEI,True
 SLS,True
 SOL,True
 STS,True
 SUG,True
--- a/dados/validacao/voos_2025.csv
+++ b/dados/validacao/voos_2025.csv
@@ -0,0 +1,769 @@
 slot_id,data,aeronave,tipo_escala,tripulante,funcao,oi,horas_voadas,sbv
 1,2025-01-02,C98,ROTA,SLS,PILOTO,001,6.67,0
 1,2025-01-02,C98,ROTA,DOG,COPILOTO,001,6.67,0
 2,2025-01-07,C98,ROTA,SLS,PILOTO,002,6.67,0
 2,2025-01-07,C98,ROTA,CFF,COPILOTO,002,6.67,0
 3,2025-01-09,C95,LOCAL,JVT,PILOTO,-,0.08,0
 3,2025-01-09,C95,LOCAL,GMR,COPILOTO,-,0.08,0
 4,2025-01-09,C95,LOCAL,HCK,PILOTO,-,0.08,0
 4,2025-01-09,C95,LOCAL,CAR,COPILOTO,-,0.08,0
 5,2025-01-09,C97,LOCAL,MES,PILOTO,-,0.08,0
 5,2025-01-09,C97,LOCAL,SEI,COPILOTO,-,0.08,0
 6,2025-01-09,C97,LOCAL,MAT,PILOTO,-,0.08,0
 6,2025-01-09,C97,LOCAL,STS,COPILOTO,-,0.08,0
 7,2025-01-15,C98,LOCAL,HAI,PILOTO,011,0.08,0
 7,2025-01-15,C98,LOCAL,GMS,COPILOTO,011,0.08,0
 8,2025-01-15,C95,ROTA,RAY,PILOTO,003,1.33,0
 8,2025-01-15,C95,ROTA,HCK,COPILOTO,003,1.33,0
 9,2025-01-20,C97,LOCAL,MES,PILOTO,004,1.0,0
 9,2025-01-20,C97,LOCAL,AEU,COPILOTO,004,1.0,0
 10,2025-01-20,C97,ROTA,MAT,PILOTO,005,5.67,0
 10,2025-01-20,C97,ROTA,STS,COPILOTO,005,5.67,0
 11,2025-01-21,C98,LOCAL,CNI,PILOTO,006,1.0,0
 11,2025-01-21,C98,LOCAL,DOG,COPILOTO,006,1.0,0
 12,2025-01-22,C98,ROTA,SLS,PILOTO,007,13.0,0
 12,2025-01-22,C98,ROTA,GMS,COPILOTO,007,13.0,0
 13,2025-01-24,C98,ROTA,CFF,PILOTO,009,13.67,0
 13,2025-01-24,C98,ROTA,GMS,COPILOTO,009,13.67,0
 14,2025-01-24,C98,LOCAL,FER,PILOTO,008,1.0,0
 14,2025-01-24,C98,LOCAL,MCH,COPILOTO,008,1.0,0
 15,2025-01-25,C98,ROTA,SLS,PILOTO,010,6.67,0
 15,2025-01-25,C98,ROTA,DOG,COPILOTO,010,6.67,0
 16,2025-01-29,C98,ROTA,FER,PILOTO,012,12.33,0
 16,2025-01-29,C98,ROTA,DOG,COPILOTO,012,12.33,0
 17,2025-02-03,C98,LOCAL,HAI,PILOTO,014,1.0,0
 17,2025-02-03,C98,LOCAL,MED,COPILOTO,014,1.0,0
 18,2025-02-03,C98,LOCAL,HAI,PILOTO,015,1.0,0
 18,2025-02-03,C98,LOCAL,FIA,COPILOTO,015,1.0,0
 19,2025-02-04,C98,ROTA,MED,PILOTO,016,5.92,0
 19,2025-02-04,C98,ROTA,CNI,COPILOTO,016,5.92,0
 20,2025-02-06,C98,ROTA,FER,PILOTO,018,10.5,0
 20,2025-02-06,C98,ROTA,CNI,COPILOTO,018,10.5,0
 21,2025-02-07,C98,ROTA,HAI,PILOTO,020,2.0,0
 21,2025-02-07,C98,ROTA,FIA,COPILOTO,020,2.0,0
 22,2025-02-07,C97,ROTA,AEU,PILOTO,021,7.58,0
 22,2025-02-07,C97,ROTA,SEI,COPILOTO,021,7.58,0
 23,2025-02-08,C98,ROTA,CFF,PILOTO,022,10.5,0
 23,2025-02-08,C98,ROTA,FER,COPILOTO,022,10.5,0
 24,2025-02-09,C97,ROTA,AEU,PILOTO,023,9.42,0
 24,2025-02-09,C97,ROTA,SEI,COPILOTO,023,9.42,0
 25,2025-02-11,C98,ROTA,FER,PILOTO,026,3.33,0
 25,2025-02-11,C98,ROTA,DOG,COPILOTO,026,3.33,0
 26,2025-02-12,C98,LOCAL,FIA,PILOTO,027,1.0,0
 26,2025-02-12,C98,LOCAL,GMS,COPILOTO,027,1.0,0
 27,2025-02-12,C98,ROTA,FER,PILOTO,028,1.67,0
 27,2025-02-12,C98,ROTA,DOG,COPILOTO,028,1.67,0
 28,2025-02-12,C98,ROTA,MCH,PILOTO,028,1.67,0
 28,2025-02-12,C98,ROTA,CNI,COPILOTO,028,1.67,0
 29,2025-02-12,C98,ROTA,MCH,PILOTO,026,3.33,0
 29,2025-02-12,C98,ROTA,CNI,COPILOTO,026,3.33,0
 30,2025-02-13,C98,LOCAL,BRI,PILOTO,029,1.0,0
 30,2025-02-13,C98,LOCAL,HAI,COPILOTO,029,1.0,0
 31,2025-02-13,C98,LOCAL,SLS,PILOTO,027,0.5,0
 31,2025-02-13,C98,LOCAL,DOG,COPILOTO,027,0.5,0
 32,2025-02-14,C97,ROTA,AEU,PILOTO,030,5.83,0
 32,2025-02-14,C97,ROTA,SEI,COPILOTO,030,5.83,0
 33,2025-02-14,C98,LOCAL,BRI,PILOTO,031,1.0,0
 33,2025-02-14,C98,LOCAL,FIA,COPILOTO,031,1.0,0
 34,2025-02-16,C95,ROTA,RAY,PILOTO,032,4.83,0
 34,2025-02-16,C95,ROTA,PCN,COPILOTO,032,4.83,0
 35,2025-02-16,C97,ROTA,AEU,PILOTO,033,10.67,0
 35,2025-02-16,C97,ROTA,SEI,COPILOTO,033,10.67,0
 36,2025-02-17,C98,LOCAL,CNI,PILOTO,CPT,2.0,0
 36,2025-02-17,C98,LOCAL,LOU,COPILOTO,CPT,2.0,0
 37,2025-02-17,C98,LOCAL,CNI,PILOTO,CPT,2.0,0
 37,2025-02-17,C98,LOCAL,PFR,COPILOTO,CPT,2.0,0
 38,2025-02-17,C98,LOCAL,FER,PILOTO,CPT,2.0,0
 38,2025-02-17,C98,LOCAL,BEN,COPILOTO,CPT,2.0,0
 39,2025-02-17,C98,LOCAL,FER,PILOTO,CPT,2.0,0
 39,2025-02-17,C98,LOCAL,RCH,COPILOTO,CPT,2.0,0
 40,2025-02-18,C98,LOCAL,CNI,PILOTO,CPT,1.0,0
 40,2025-02-18,C98,LOCAL,LOU,COPILOTO,CPT,1.0,0
 41,2025-02-18,C98,LOCAL,FER,PILOTO,CPT,2.0,0
 41,2025-02-18,C98,LOCAL,SUG,COPILOTO,CPT,2.0,0
 42,2025-02-18,C98,LOCAL,FER,PILOTO,CPT,2.0,0
 42,2025-02-18,C98,LOCAL,LRS,COPILOTO,CPT,2.0,0
 43,2025-02-18,C97,ROTA,AEU,PILOTO,034,7.83,0
 43,2025-02-18,C97,ROTA,SEI,COPILOTO,034,7.83,0
 44,2025-02-18,C98,LOCAL,MED,PILOTO,036,1.5,0
 44,2025-02-18,C98,LOCAL,CNI,COPILOTO,036,1.5,0
 45,2025-02-18,C98,LOCAL,FIA,PILOTO,037,1.0,0
 45,2025-02-18,C98,LOCAL,CNI,COPILOTO,037,1.0,0
 46,2025-02-20,C95,LOCAL,PCN,PILOTO,039,0.08,0
 46,2025-02-20,C95,LOCAL,JVT,COPILOTO,039,0.08,0
 47,2025-02-20,C98,LOCAL,CNI,PILOTO,040,1.5,0
 47,2025-02-20,C98,LOCAL,PFR,COPILOTO,040,1.5,0
 48,2025-02-20,C98,LOCAL,CNI,PILOTO,041,1.5,0
 48,2025-02-20,C98,LOCAL,BEN,COPILOTO,041,1.5,0
 49,2025-02-20,C95,LOCAL,MHL,PILOTO,042,1.0,0
 49,2025-02-20,C95,LOCAL,KVN,COPILOTO,042,1.0,0
 50,2025-02-21,C97,ROTA,AEU,PILOTO,048,4.0,0
 50,2025-02-21,C97,ROTA,SEI,COPILOTO,048,4.0,0
 51,2025-02-21,C95,ROTA,CAR,PILOTO,043,3.58,0
 51,2025-02-21,C95,ROTA,BRJ,COPILOTO,043,3.58,0
 52,2025-02-21,C98,LOCAL,MED,PILOTO,044,1.5,0
 52,2025-02-21,C98,LOCAL,RCH,COPILOTO,044,1.5,0
 53,2025-02-21,C98,LOCAL,FER,PILOTO,045,1.5,0
 53,2025-02-21,C98,LOCAL,LRS,COPILOTO,045,1.5,0
 54,2025-02-21,C95,LOCAL,MHL,PILOTO,046,1.0,0
 54,2025-02-21,C95,LOCAL,ISA,COPILOTO,046,1.0,0
 55,2025-02-24,C98,LOCAL,FER,PILOTO,050,1.5,0
 55,2025-02-24,C98,LOCAL,SUG,COPILOTO,050,1.5,0
 56,2025-02-24,C98,LOCAL,FIA,PILOTO,051,1.5,0
 56,2025-02-24,C98,LOCAL,BEN,COPILOTO,051,1.5,0
 57,2025-02-24,C97,LOCAL,AEU,PILOTO,047,0.08,0
 57,2025-02-24,C97,LOCAL,MAT,COPILOTO,047,0.08,0
 58,2025-02-24,C95,LOCAL,MHL,PILOTO,052,1.0,0
 58,2025-02-24,C95,LOCAL,ISA,COPILOTO,052,1.0,0
 59,2025-02-24,C95,LOCAL,MHL,PILOTO,053,1.0,0
 59,2025-02-24,C95,LOCAL,KVN,COPILOTO,053,1.0,0
 60,2025-02-25,C98,ROTA,CNI,PILOTO,054,12.42,0
 60,2025-02-25,C98,ROTA,BEN,COPILOTO,054,12.42,0
 61,2025-02-25,C97,LOCAL,MES,PILOTO,055,2.0,0
 61,2025-02-25,C97,LOCAL,AEU,COPILOTO,055,2.0,0
 62,2025-02-25,C97,LOCAL,MES,PILOTO,056,1.5,0
 62,2025-02-25,C97,LOCAL,HCK,COPILOTO,056,1.5,0
 63,2025-02-26,C97,LOCAL,MES,PILOTO,057,1.5,0
 63,2025-02-26,C97,LOCAL,HCK,COPILOTO,057,1.5,0
 64,2025-02-27,C98,LOCAL,FER,PILOTO,058,1.5,0
 64,2025-02-27,C98,LOCAL,LOU,COPILOTO,058,1.5,0
 65,2025-02-27,C98,LOCAL,MED,PILOTO,059,1.5,0
 65,2025-02-27,C98,LOCAL,PFR,COPILOTO,059,1.5,0
 66,2025-02-27,C95,LOCAL,MHL,PILOTO,060,1.0,0
 66,2025-02-27,C95,LOCAL,BRI,COPILOTO,060,1.0,0
 67,2025-02-28,C98,LOCAL,MED,PILOTO,061,0.67,0
 67,2025-02-28,C98,LOCAL,PFR,COPILOTO,061,0.67,0
 68,2025-02-28,C95,LOCAL,JVT,PILOTO,066,0.08,0
 68,2025-02-28,C95,LOCAL,HCK,COPILOTO,066,0.08,0
 69,2025-02-28,C95,ROTA,RAY,PILOTO,062,9.25,0
 69,2025-02-28,C95,ROTA,ISA,COPILOTO,062,9.25,0
 70,2025-03-01,C95,ROTA,CAR,PILOTO,063,13.58,0
 70,2025-03-01,C95,ROTA,BMK,COPILOTO,063,13.58,0
 71,2025-03-01,C95,ROTA,MHL,PILOTO,064,7.42,0
 71,2025-03-01,C95,ROTA,KVN,COPILOTO,064,7.42,0
 72,2025-03-05,C97,ROTA,MES,PILOTO,065,2.0,0
 72,2025-03-05,C97,ROTA,LPS,COPILOTO,065,2.0,0
 73,2025-03-05,C95,LOCAL,RAY,PILOTO,067,1.5,0
 73,2025-03-05,C95,LOCAL,BRI,COPILOTO,067,1.5,0
 74,2025-03-05,C98,LOCAL,FER,PILOTO,068,1.0,0
 74,2025-03-05,C98,LOCAL,PFR,COPILOTO,068,1.0,0
 75,2025-03-06,C95,ROTA,PCN,PILOTO,069,3.92,0
 75,2025-03-06,C95,ROTA,JVT,COPILOTO,069,3.92,0
 76,2025-03-06,C98,LOCAL,FIA,PILOTO,070,1.5,0
 76,2025-03-06,C98,LOCAL,LRS,COPILOTO,070,1.5,0
 77,2025-03-06,C98,LOCAL,CNI,PILOTO,071,1.5,0
 77,2025-03-06,C98,LOCAL,RCH,COPILOTO,071,1.5,0
 78,2025-03-06,C97,LOCAL,MES,PILOTO,072,2.0,0
 78,2025-03-06,C97,LOCAL,AEU,COPILOTO,072,2.0,0
 79,2025-03-06,C98,LOCAL,CFF,PILOTO,073,0.08,0
 79,2025-03-06,C98,LOCAL,GMS,COPILOTO,073,0.08,0
 80,2025-03-06,C98,LOCAL,BRI,PILOTO,074,1.0,0
 80,2025-03-06,C98,LOCAL,CNI,COPILOTO,074,1.0,0
 81,2025-03-06,C97,LOCAL,MES,PILOTO,075,1.0,0
 81,2025-03-06,C97,LOCAL,HCK,COPILOTO,075,1.0,0
 82,2025-03-08,C97,ROTA,MES,PILOTO,077,19.33,0
 82,2025-03-08,C97,ROTA,LPS,COPILOTO,077,19.33,0
 83,2025-03-10,C98,LOCAL,FER,PILOTO,078,1.5,0
 83,2025-03-10,C98,LOCAL,LRS,COPILOTO,078,1.5,0
 84,2025-03-10,C98,LOCAL,GMS,PILOTO,079,1.0,0
 84,2025-03-10,C98,LOCAL,DOG,COPILOTO,079,1.0,0
 85,2025-03-11,C97,LOCAL,AEU,PILOTO,080,1.5,0
 85,2025-03-11,C97,LOCAL,JVT,COPILOTO,080,1.5,0
 86,2025-03-11,C97,LOCAL,AEU,PILOTO,081,1.0,0
 86,2025-03-11,C97,LOCAL,MAT,COPILOTO,081,1.0,0
 87,2025-03-12,C97,LOCAL,AEU,PILOTO,082,1.5,0
 87,2025-03-12,C97,LOCAL,JVT,COPILOTO,082,1.5,0
 88,2025-03-12,C98,LOCAL,CNI,PILOTO,083,1.5,0
 88,2025-03-12,C98,LOCAL,SUG,COPILOTO,083,1.5,0
 89,2025-03-12,C98,LOCAL,HAI,PILOTO,084,1.0,0
 89,2025-03-12,C98,LOCAL,MED,COPILOTO,084,1.0,0
 90,2025-03-13,C98,LOCAL,CNI,PILOTO,085,1.0,0
 90,2025-03-13,C98,LOCAL,FER,COPILOTO,085,1.0,0
 91,2025-03-14,C95,ROTA,MHL,PILOTO,086,0.75,0
 91,2025-03-14,C95,ROTA,ISA,COPILOTO,086,0.75,0
 92,2025-03-15,C97,ROTA,MAT,PILOTO,087,9.75,0
 92,2025-03-15,C97,ROTA,LPS,COPILOTO,087,9.75,0
 93,2025-03-16,C95,ROTA,MHL,PILOTO,086,0.75,0
 93,2025-03-16,C95,ROTA,ISA,COPILOTO,086,0.75,0
 94,2025-03-17,C97,LOCAL,MES,PILOTO,089,1.0,0
 94,2025-03-17,C97,LOCAL,JVT,COPILOTO,089,1.0,0
 95,2025-03-18,C98,ROTA,CNI,PILOTO,088,6.67,0
 95,2025-03-18,C98,ROTA,PFR,COPILOTO,088,6.67,0
 96,2025-03-18,C95,ROTA,PCN,PILOTO,090,5.33,0
 96,2025-03-18,C95,ROTA,KVN,COPILOTO,090,5.33,0
 97,2025-03-18,C95,LOCAL,MES,PILOTO,091,1.5,0
 97,2025-03-18,C95,LOCAL,MHL,COPILOTO,091,1.5,0
 98,2025-03-18,C98,LOCAL,MCH,PILOTO,092,0.08,0
 98,2025-03-18,C98,LOCAL,DOG,COPILOTO,092,0.08,0
 99,2025-03-19,C98,ROTA,SLS,PILOTO,094,6.67,0
 99,2025-03-19,C98,ROTA,CFF,COPILOTO,094,6.67,0
 100,2025-03-19,C95,ROTA,MES,PILOTO,093,12.83,0
 100,2025-03-19,C95,ROTA,RAY,COPILOTO,093,12.83,0
 101,2025-03-20,C98,LOCAL,FIA,PILOTO,095,1.5,0
 101,2025-03-20,C98,LOCAL,SLS,COPILOTO,095,1.5,0
 102,2025-03-20,C98,LOCAL,FER,PILOTO,096,1.0,0
 102,2025-03-20,C98,LOCAL,LRS,COPILOTO,096,1.0,0
 103,2025-03-20,C98,LOCAL,FER,PILOTO,097,1.0,0
 103,2025-03-20,C98,LOCAL,BEN,COPILOTO,097,1.0,0
 104,2025-03-21,C95,ROTA,BRI,PILOTO,098,10.08,0
 104,2025-03-21,C95,ROTA,RAY,COPILOTO,098,10.08,0
 105,2025-03-22,C97,ROTA,MES,PILOTO,099,10.5,0
 105,2025-03-22,C97,ROTA,MAT,COPILOTO,099,10.5,0
 106,2025-03-23,C95,ROTA,JVT,PILOTO,100,1.5,0
 106,2025-03-23,C95,ROTA,ISA,COPILOTO,100,1.5,0
 107,2025-03-23,C97,ROTA,MES,PILOTO,099,4.5,0
 107,2025-03-23,C97,ROTA,SEI,COPILOTO,099,4.5,0
 108,2025-03-24,C95,ROTA,HCK,PILOTO,101,8.67,0
 108,2025-03-24,C95,ROTA,KVN,COPILOTO,101,8.67,0
 109,2025-03-24,C98,ROTA,FER,PILOTO,102,18.75,0
 109,2025-03-24,C98,ROTA,LRS,COPILOTO,102,18.75,0
 110,2025-03-27,C95,ROTA,CAR,PILOTO,104,3.67,0
 110,2025-03-27,C95,ROTA,BRJ,COPILOTO,104,3.67,0
 111,2025-03-27,C95,ROTA,PCN,PILOTO,105,8.33,0
 111,2025-03-27,C95,ROTA,GMR,COPILOTO,105,8.33,0
 112,2025-03-27,C97,ROTA,MES,PILOTO,106,9.17,0
 112,2025-03-27,C97,ROTA,JVT,COPILOTO,106,9.17,0
 113,2025-03-29,C97,ROTA,MAT,PILOTO,107,10.58,0
 113,2025-03-29,C97,ROTA,SEI,COPILOTO,107,10.58,0
 114,2025-03-29,C95,ROTA,MHL,PILOTO,108,9.5,0
 114,2025-03-29,C95,ROTA,BMK,COPILOTO,108,9.5,0
 115,2025-03-31,C95,ROTA,JVT,PILOTO,110,4.75,0
 115,2025-03-31,C95,ROTA,KVN,COPILOTO,110,4.75,0
 116,2025-03-31,C98,LOCAL,HAI,PILOTO,111,0.33,0
 116,2025-03-31,C98,LOCAL,MCH,COPILOTO,111,0.33,0
 117,2025-04-01,C95,LOCAL,BRI,PILOTO,112,1.0,0
 117,2025-04-01,C95,LOCAL,MHL,COPILOTO,112,1.0,0
 118,2025-04-02,C98,LOCAL,FIA,PILOTO,113,0.67,0
 118,2025-04-02,C98,LOCAL,LOU,COPILOTO,113,0.67,0
 119,2025-04-02,C98,LOCAL,AEU,PILOTO,CPT,2.0,0
 119,2025-04-02,C98,LOCAL,RAY,COPILOTO,CPT,2.0,0
 120,2025-04-02,C98,LOCAL,MED,PILOTO,114,1.0,0
 120,2025-04-02,C98,LOCAL,SUG,COPILOTO,114,1.0,0
 121,2025-04-02,C97,ROTA,MAT,PILOTO,109,2.75,0
 121,2025-04-02,C97,ROTA,LPS,COPILOTO,109,2.75,0
 122,2025-04-03,C97,LOCAL,AEU,PILOTO,115,1.5,0
 122,2025-04-03,C97,LOCAL,MAT,COPILOTO,115,1.5,0
 123,2025-04-03,C97,LOCAL,AEU,PILOTO,116,1.0,0
 123,2025-04-03,C97,LOCAL,SEI,COPILOTO,116,1.0,0
 124,2025-04-03,C98,LOCAL,CNI,PILOTO,117,1.0,0
 124,2025-04-03,C98,LOCAL,LOU,COPILOTO,117,1.0,0
 125,2025-04-04,C97,LOCAL,AEU,PILOTO,118,0.5,0
 125,2025-04-04,C97,LOCAL,MAT,COPILOTO,118,0.5,0
 126,2025-04-05,C95,ROTA,CAR,PILOTO,119,4.75,0
 126,2025-04-05,C95,ROTA,GMR,COPILOTO,119,4.75,0
 127,2025-04-06,C97,ROTA,MES,PILOTO,120,15.42,0
 127,2025-04-06,C97,ROTA,JVT,COPILOTO,120,15.42,0
 128,2025-04-07,C98,LOCAL,FER,PILOTO,121,1.5,0
 128,2025-04-07,C98,LOCAL,RAY,COPILOTO,121,1.5,0
 129,2025-04-08,C98,ROTA,BRI,PILOTO,122,5.33,0
 129,2025-04-08,C98,ROTA,FER,COPILOTO,122,5.33,0
 130,2025-04-11,C97,ROTA,MES,PILOTO,125,13.58,0
 130,2025-04-11,C97,ROTA,HCK,COPILOTO,125,13.58,0
 131,2025-04-11,C95,ROTA,PCN,PILOTO,123,3.92,0
 131,2025-04-11,C95,ROTA,BMK,COPILOTO,123,3.92,0
 132,2025-04-14,C98,LOCAL,MED,PILOTO,124,1.5,0
 132,2025-04-14,C98,LOCAL,AEU,COPILOTO,124,1.5,0
 133,2025-04-14,C95,LOCAL,RAY,PILOTO,126,1.0,0
 133,2025-04-14,C95,LOCAL,CAR,COPILOTO,126,1.0,0
 134,2025-04-14,C98,LOCAL,BRI,PILOTO,127,1.0,0
 134,2025-04-14,C98,LOCAL,SLS,COPILOTO,127,1.0,0
 135,2025-04-15,C95,ROTA,CAR,PILOTO,128,9.58,0
 135,2025-04-15,C95,ROTA,ISA,COPILOTO,128,9.58,0
 136,2025-04-15,C98,LOCAL,MED,PILOTO,129,1.5,0
 136,2025-04-15,C98,LOCAL,RAY,COPILOTO,129,1.5,0
 137,2025-04-15,C98,LOCAL,FER,PILOTO,130,1.5,0
 137,2025-04-15,C98,LOCAL,AEU,COPILOTO,130,1.5,0
 138,2025-04-15,C98,LOCAL,FIA,PILOTO,131,1.0,0
 138,2025-04-15,C98,LOCAL,RCH,COPILOTO,131,1.0,0
 139,2025-04-17,C97,LOCAL,MES,PILOTO,132,1.0,0
 139,2025-04-17,C97,LOCAL,MAT,COPILOTO,132,1.0,0
 140,2025-04-18,C95,ROTA,BRJ,PILOTO,133,7.5,0
 140,2025-04-18,C95,ROTA,BMK,COPILOTO,133,7.5,0
 141,2025-04-21,C98,ROTA,MED,PILOTO,134,11.92,0
 141,2025-04-21,C98,ROTA,SUG,COPILOTO,134,11.92,0
 142,2025-04-22,C95,ROTA,BRI,PILOTO,135,12.67,0
 142,2025-04-22,C95,ROTA,GMR,COPILOTO,135,12.67,0
 143,2025-04-22,C98,LOCAL,CFF,PILOTO,136,0.08,0
 143,2025-04-22,C98,LOCAL,DOG,COPILOTO,136,0.08,0
 144,2025-04-25,C98,ROTA,MED,PILOTO,137,6.58,0
 144,2025-04-25,C98,ROTA,MCH,COPILOTO,137,6.58,0
 145,2025-04-26,C98,ROTA,MCH,PILOTO,139,11.5,0
 145,2025-04-26,C98,ROTA,DOG,COPILOTO,139,11.5,0
 146,2025-04-29,C98,LOCAL,SLS,PILOTO,141,1.0,0
 146,2025-04-29,C98,LOCAL,FER,COPILOTO,141,1.0,0
 147,2025-04-30,C97,ROTA,SEI,PILOTO,140,11.5,0
 147,2025-04-30,C97,ROTA,LPS,COPILOTO,140,11.5,0
 148,2025-05-04,C97,ROTA,MAT,PILOTO,142,5.67,0
 148,2025-05-04,C97,ROTA,JVT,COPILOTO,142,5.67,0
 149,2025-05-05,C95,ROTA,BRJ,PILOTO,143,7.25,0
 149,2025-05-05,C95,ROTA,ISA,COPILOTO,143,7.25,0
 150,2025-05-05,C98,LOCAL,HAI,PILOTO,144,1.0,0
 150,2025-05-05,C98,LOCAL,AEU,COPILOTO,144,1.0,0
 151,2025-05-05,C98,LOCAL,CNI,PILOTO,145,1.0,0
 151,2025-05-05,C98,LOCAL,RAY,COPILOTO,145,1.0,0
 152,2025-05-06,C98,ROTA,MED,PILOTO,146,6.33,0
 152,2025-05-06,C98,ROTA,PFR,COPILOTO,146,6.33,0
 153,2025-05-07,C95,ROTA,PCN,PILOTO,147,3.67,0
 153,2025-05-07,C95,ROTA,GMR,COPILOTO,147,3.67,0
 154,2025-05-07,C98,LOCAL,SLS,PILOTO,148,1.0,0
 154,2025-05-07,C98,LOCAL,GMS,COPILOTO,148,1.0,0
 155,2025-05-08,C98,ROTA,FER,PILOTO,150,6.67,0
 155,2025-05-08,C98,ROTA,MCH,COPILOTO,150,6.67,0
 156,2025-05-08,C98,ROTA,HAI,PILOTO,149,6.33,0
 156,2025-05-08,C98,ROTA,LRS,COPILOTO,149,6.33,0
 157,2025-05-09,C95,ROTA,CAR,PILOTO,151,3.58,0
 157,2025-05-09,C95,ROTA,KVN,COPILOTO,151,3.58,0
 158,2025-05-09,C98,ROTA,MED,PILOTO,152,17.75,0
 158,2025-05-09,C98,ROTA,BEN,COPILOTO,152,17.75,0
 159,2025-05-09,C95,ROTA,RAY,PILOTO,153,5.33,0
 159,2025-05-09,C95,ROTA,BMK,COPILOTO,153,5.33,0
 160,2025-05-10,C95,ROTA,BRJ,PILOTO,154,11.58,0
 160,2025-05-10,C95,ROTA,ISA,COPILOTO,154,11.58,0
 161,2025-05-12,C95,ROTA,PCN,PILOTO,155,7.58,0
 161,2025-05-12,C95,ROTA,GMR,COPILOTO,155,7.58,0
 162,2025-05-13,C98,ROTA,BRI,PILOTO,156,4.83,0
 162,2025-05-13,C98,ROTA,RAY,COPILOTO,156,4.83,0
 163,2025-05-14,C95,ROTA,CAR,PILOTO,157,8.0,0
 163,2025-05-14,C95,ROTA,KVN,COPILOTO,157,8.0,0
 164,2025-05-14,C95,ROTA,CAR,PILOTO,157,8.75,0
 164,2025-05-14,C95,ROTA,KVN,COPILOTO,157,8.75,0
 165,2025-05-19,C95,ROTA,HCK,PILOTO,158,3.58,0
 165,2025-05-19,C95,ROTA,BMK,COPILOTO,158,3.58,0
 166,2025-05-20,C95,ROTA,MHL,PILOTO,159,11.17,0
 166,2025-05-20,C95,ROTA,GMR,COPILOTO,159,11.17,0
 167,2025-05-20,C97,LOCAL,MAT,PILOTO,160,1.0,0
 167,2025-05-20,C97,LOCAL,SEI,COPILOTO,160,1.0,0
 168,2025-05-21,C98,LOCAL,CNI,PILOTO,161,1.0,0
 168,2025-05-21,C98,LOCAL,MCH,COPILOTO,161,1.0,0
 169,2025-05-22,C98,ROTA,AEU,PILOTO,162,9.42,0
 169,2025-05-22,C98,ROTA,SLS,COPILOTO,162,9.42,0
 170,2025-05-22,C97,ROTA,MAT,PILOTO,163,11.08,0
 170,2025-05-22,C97,ROTA,JVT,COPILOTO,163,11.08,0
 171,2025-05-23,C98,LOCAL,FIA,PILOTO,164,1.0,0
 171,2025-05-23,C98,LOCAL,DOG,COPILOTO,164,1.0,0
 172,2025-05-25,C97,ROTA,SEI,PILOTO,165,9.67,0
 172,2025-05-25,C97,ROTA,LPS,COPILOTO,165,9.67,0
 173,2025-05-26,C98,ROTA,HAI,PILOTO,166,11.92,0
 173,2025-05-26,C98,ROTA,PFR,COPILOTO,166,11.92,0
 174,2025-05-27,C98,ROTA,BRI,PILOTO,166,3.33,0
 174,2025-05-27,C98,ROTA,LRS,COPILOTO,166,3.33,0
 175,2025-05-29,C98,ROTA,MED,PILOTO,167,4.92,0
 175,2025-05-29,C98,ROTA,RCH,COPILOTO,167,4.92,0
 176,2025-05-29,C98,LOCAL,MCH,PILOTO,168,1.0,0
 176,2025-05-29,C98,LOCAL,DOG,COPILOTO,168,1.0,0
 177,2025-05-30,C98,ROTA,SLS,PILOTO,169,14.33,0
 177,2025-05-30,C98,ROTA,PFR,COPILOTO,169,14.33,0
 178,2025-06-01,C98,ROTA,MCH,PILOTO,170,3.33,0
 178,2025-06-01,C98,ROTA,GMS,COPILOTO,170,3.33,0
 179,2025-06-01,C98,ROTA,MED,PILOTO,170,6.83,0
 179,2025-06-01,C98,ROTA,LRS,COPILOTO,170,6.83,0
 180,2025-06-02,C98,ROTA,CNI,PILOTO,171,5.67,0
 180,2025-06-02,C98,ROTA,RCH,COPILOTO,171,5.67,0
 181,2025-06-03,C98,ROTA,CNI,PILOTO,171,11.67,0
 181,2025-06-03,C98,ROTA,RCH,COPILOTO,171,11.67,0
 182,2025-06-03,C98,ROTA,BRI,PILOTO,172,2.0,0
 182,2025-06-03,C98,ROTA,LRS,COPILOTO,172,2.0,0
 183,2025-06-03,C98,ROTA,MCH,PILOTO,172,4.0,0
 183,2025-06-03,C98,ROTA,DOG,COPILOTO,172,4.0,0
 184,2025-06-04,C98,ROTA,MCH,PILOTO,173,5.0,0
 184,2025-06-04,C98,ROTA,GMS,COPILOTO,173,5.0,0
 185,2025-06-06,C98,ROTA,SLS,PILOTO,174,13.33,0
 185,2025-06-06,C98,ROTA,LRS,COPILOTO,174,13.33,0
 186,2025-06-06,C97,LOCAL,MAT,PILOTO,175,1.0,0
 186,2025-06-06,C97,LOCAL,SEI,COPILOTO,175,1.0,0
 187,2025-06-07,C97,ROTA,SEI,PILOTO,178,11.92,0
 187,2025-06-07,C97,ROTA,LPS,COPILOTO,178,11.92,0
 188,2025-06-07,C95,LOCAL,MES,PILOTO,179,1.0,0
 188,2025-06-07,C95,LOCAL,BMK,COPILOTO,179,1.0,0
 189,2025-06-08,C97,ROTA,MES,PILOTO,176,9.5,0
 189,2025-06-08,C97,ROTA,AEU,COPILOTO,176,9.5,0
 190,2025-06-08,C98,ROTA,MCH,PILOTO,177,16.33,0
 190,2025-06-08,C98,ROTA,GMS,COPILOTO,177,16.33,0
 191,2025-06-10,C95,ROTA,PCN,PILOTO,180,9.33,0
 191,2025-06-10,C95,ROTA,ISA,COPILOTO,180,9.33,0
 192,2025-06-12,C95,ROTA,GMR,PILOTO,181,11.5,0
 192,2025-06-12,C95,ROTA,BMK,COPILOTO,181,11.5,0
 193,2025-06-12,C98,ROTA,HAI,PILOTO,182,11.08,0
 193,2025-06-12,C98,ROTA,SUG,COPILOTO,182,11.08,0
 194,2025-06-12,C97,LOCAL,AEU,PILOTO,183,1.5,0
 194,2025-06-12,C97,LOCAL,MHL,COPILOTO,183,1.5,0
 195,2025-06-14,C95,ROTA,MHL,PILOTO,184,1.5,0
 195,2025-06-14,C95,ROTA,JVT,COPILOTO,184,1.5,0
 196,2025-06-15,C95,ROTA,BRJ,PILOTO,185,9.33,0
 196,2025-06-15,C95,ROTA,ISA,COPILOTO,185,9.33,0
 197,2025-06-17,C95,LOCAL,HCK,PILOTO,186,0.67,0
 197,2025-06-17,C95,LOCAL,KVN,COPILOTO,186,0.67,0
 198,2025-06-18,C95,ROTA,BMK,PILOTO,187,9.5,0
 198,2025-06-18,C95,ROTA,ISA,COPILOTO,187,9.5,0
 199,2025-06-18,C98,LOCAL,MCH,PILOTO,189,1.0,0
 199,2025-06-18,C98,LOCAL,GMS,COPILOTO,189,1.0,0
 200,2025-06-18,C95,ROTA,GMR,PILOTO,191,8.0,0
 200,2025-06-18,C95,ROTA,KVN,COPILOTO,191,8.0,0
 201,2025-06-21,C98,ROTA,SLS,PILOTO,192,2.0,0
 201,2025-06-21,C98,ROTA,AEU,COPILOTO,192,2.0,0
 202,2025-06-21,C97,ROTA,MAT,PILOTO,193,10.0,0
 202,2025-06-21,C97,ROTA,JVT,COPILOTO,193,10.0,0
 203,2025-06-23,C97,LOCAL,MAT,PILOTO,190,1.5,0
 203,2025-06-23,C97,LOCAL,MHL,COPILOTO,190,1.5,0
 204,2025-06-23,C98,LOCAL,MCH,PILOTO,194,1.0,0
 204,2025-06-23,C98,LOCAL,DOG,COPILOTO,194,1.0,0
 205,2025-06-24,C97,LOCAL,AEU,PILOTO,195,1.0,0
 205,2025-06-24,C97,LOCAL,MHL,COPILOTO,195,1.0,0
 206,2025-06-25,C97,LOCAL,AEU,PILOTO,198,1.0,0
 206,2025-06-25,C97,LOCAL,MES,COPILOTO,198,1.0,0
 207,2025-06-25,C98,LOCAL,SLS,PILOTO,199,1.0,0
 207,2025-06-25,C98,LOCAL,CFF,COPILOTO,199,1.0,0
 208,2025-06-25,C98,LOCAL,CNI,PILOTO,200,1.0,0
 208,2025-06-25,C98,LOCAL,FER,COPILOTO,200,1.0,0
 209,2025-06-26,C97,ROTA,MAT,PILOTO,202,9.92,0
 209,2025-06-26,C97,ROTA,MHL,COPILOTO,202,9.92,0
 210,2025-06-26,C98,LOCAL,MED,PILOTO,201,0.67,0
 210,2025-06-26,C98,LOCAL,CFF,COPILOTO,201,0.67,0
 211,2025-06-26,C98,LOCAL,FER,PILOTO,203,0.25,0
 211,2025-06-26,C98,LOCAL,MCH,COPILOTO,203,0.25,0
 212,2025-06-26,C98,LOCAL,FER,PILOTO,204,0.25,0
 212,2025-06-26,C98,LOCAL,DOG,COPILOTO,204,0.25,0
 213,2025-06-27,C95,LOCAL,BRI,PILOTO,205,1.0,0
 213,2025-06-27,C95,LOCAL,RAY,COPILOTO,205,1.0,0
 214,2025-06-29,C97,ROTA,MAT,PILOTO,207,10.67,0
 214,2025-06-29,C97,ROTA,MHL,COPILOTO,207,10.67,0
 215,2025-06-30,C98,ROTA,CNI,PILOTO,208,6.67,0
 215,2025-06-30,C98,ROTA,PFR,COPILOTO,208,6.67,0
 216,2025-07-01,C98,ROTA,SLS,PILOTO,211,10.92,0
 216,2025-07-01,C98,ROTA,SUG,COPILOTO,211,10.92,0
 217,2025-07-01,C95,LOCAL,RAY,PILOTO,206,1.0,0
 217,2025-07-01,C95,LOCAL,BMK,COPILOTO,206,1.0,0
 218,2025-07-01,C95,ROTA,PCN,PILOTO,209,5.92,0
 218,2025-07-01,C95,ROTA,KVN,COPILOTO,209,5.92,0
 219,2025-07-02,C98,ROTA,RAY,PILOTO,212,3.17,0
 219,2025-07-02,C98,ROTA,CNI,COPILOTO,212,3.17,0
 220,2025-07-04,C98,ROTA,AEU,PILOTO,214,5.0,0
 220,2025-07-04,C98,ROTA,SLS,COPILOTO,214,5.0,0
 221,2025-07-04,C98,ROTA,MED,PILOTO,213,6.92,0
 221,2025-07-04,C98,ROTA,RAY,COPILOTO,213,6.92,0
 222,2025-07-04,C97,LOCAL,MES,PILOTO,210,1.5,0
 222,2025-07-04,C97,LOCAL,FIA,COPILOTO,210,1.5,0
 223,2025-07-05,C97,LOCAL,MAT,PILOTO,216,1.5,0
 223,2025-07-05,C97,LOCAL,FIA,COPILOTO,216,1.5,0
 224,2025-07-07,C98,ROTA,FER,PILOTO,215,5.92,0
 224,2025-07-07,C98,ROTA,RCH,COPILOTO,215,5.92,0
 225,2025-07-07,C97,LOCAL,AEU,PILOTO,217,1.0,0
 225,2025-07-07,C97,LOCAL,FIA,COPILOTO,217,1.0,0
 226,2025-07-10,C98,ROTA,CNI,PILOTO,218,12.17,0
 226,2025-07-10,C98,ROTA,SUG,COPILOTO,218,12.17,0
 227,2025-07-11,C97,ROTA,MAT,PILOTO,219,6.83,0
 227,2025-07-11,C97,ROTA,FIA,COPILOTO,219,6.83,0
 228,2025-07-11,C98,ROTA,FER,PILOTO,220,13.67,0
 228,2025-07-11,C98,ROTA,LRS,COPILOTO,220,13.67,0
 229,2025-07-12,C97,ROTA,FIA,PILOTO,221,10.25,0
 229,2025-07-12,C97,ROTA,LPS,COPILOTO,221,10.25,0
 230,2025-07-12,C98,ROTA,CFF,PILOTO,223,8.0,0
 230,2025-07-12,C98,ROTA,MCH,COPILOTO,223,8.0,0
 231,2025-07-14,C98,ROTA,GMS,PILOTO,224,4.83,0
 231,2025-07-14,C98,ROTA,DOG,COPILOTO,224,4.83,0
 232,2025-07-14,C98,ROTA,MCH,PILOTO,222,9.75,0
 232,2025-07-14,C98,ROTA,CFF,COPILOTO,222,9.75,0
 233,2025-07-15,C98,ROTA,CNI,PILOTO,225,4.83,0
 233,2025-07-15,C98,ROTA,PFR,COPILOTO,225,4.83,0
 234,2025-07-16,C97,ROTA,FIA,PILOTO,226,6.17,0
 234,2025-07-16,C97,ROTA,LPS,COPILOTO,226,6.17,0
 235,2025-07-19,C98,ROTA,GMS,PILOTO,228,17.83,0
 235,2025-07-19,C98,ROTA,DOG,COPILOTO,228,17.83,0
 236,2025-07-21,C98,ROTA,SLS,PILOTO,228,3.33,0
 236,2025-07-21,C98,ROTA,AEU,COPILOTO,228,3.33,0
 237,2025-08-01,C98,LOCAL,CFF,PILOTO,188,1.0,0
 237,2025-08-01,C98,LOCAL,MCH,COPILOTO,188,1.0,0
 238,2025-08-04,C95,LOCAL,BMK,PILOTO,229,0.08,0
 238,2025-08-04,C95,LOCAL,KVN,COPILOTO,229,0.08,0
 239,2025-08-06,C98,ROTA,MCH,PILOTO,231,6.67,0
 239,2025-08-06,C98,ROTA,GMS,COPILOTO,231,6.67,0
 240,2025-08-12,C95,LOCAL,BRI,PILOTO,232,1.0,0
 240,2025-08-12,C95,LOCAL,GMR,COPILOTO,232,1.0,0
 241,2025-08-16,C97,LOCAL,MES,PILOTO,233,0.92,0
 241,2025-08-16,C97,LOCAL,SEI,COPILOTO,233,0.92,0
 242,2025-08-16,C97,LOCAL,FIA,PILOTO,234,0.08,0
 242,2025-08-16,C97,LOCAL,LPS,COPILOTO,234,0.08,0
 243,2025-08-18,C98,ROTA,RAY,PILOTO,235,6.67,0
 243,2025-08-18,C98,ROTA,SLS,COPILOTO,235,6.67,0
 244,2025-08-21,C95,LOCAL,BRI,PILOTO,236,1.0,0
 244,2025-08-21,C95,LOCAL,HCK,COPILOTO,236,1.0,0
 245,2025-08-25,C98,LOCAL,FIA,PILOTO,237,1.0,0
 245,2025-08-25,C98,LOCAL,SLS,COPILOTO,237,1.0,0
 246,2025-08-25,C98,LOCAL,FIA,PILOTO,238,0.08,0
 246,2025-08-25,C98,LOCAL,DOG,COPILOTO,238,0.08,0
 247,2025-08-26,C98,LOCAL,FIA,PILOTO,239,1.0,0
 247,2025-08-26,C98,LOCAL,LRS,COPILOTO,239,1.0,0
 248,2025-08-26,C97,LOCAL,MES,PILOTO,240,1.0,0
 248,2025-08-26,C97,LOCAL,AEU,COPILOTO,240,1.0,0
 249,2025-08-26,C98,LOCAL,FIA,PILOTO,241,1.0,0
 249,2025-08-26,C98,LOCAL,MED,COPILOTO,241,1.0,0
 250,2025-08-26,C95,LOCAL,BRI,PILOTO,242,1.0,0
 250,2025-08-26,C95,LOCAL,PCN,COPILOTO,242,1.0,0
 251,2025-08-27,C97,ROTA,FIA,PILOTO,243,10.5,0
 251,2025-08-27,C97,ROTA,LPS,COPILOTO,243,10.5,0
 252,2025-08-27,C98,LOCAL,MED,PILOTO,244,1.0,0
 252,2025-08-27,C98,LOCAL,RCH,COPILOTO,244,1.0,0
 253,2025-08-27,C98,LOCAL,MED,PILOTO,245,1.0,0
 253,2025-08-27,C98,LOCAL,PFR,COPILOTO,245,1.0,0
 254,2025-09-01,C97,LOCAL,AEU,PILOTO,246,1.0,0
 254,2025-09-01,C97,LOCAL,LPS,COPILOTO,246,1.0,0
 255,2025-09-02,C98,LOCAL,FIA,PILOTO,247,1.0,0
 255,2025-09-02,C98,LOCAL,SLS,COPILOTO,247,1.0,0
 256,2025-09-02,C95,LOCAL,BRI,PILOTO,248,1.0,0
 256,2025-09-02,C95,LOCAL,CAR,COPILOTO,248,1.0,0
 257,2025-09-02,C98,LOCAL,MED,PILOTO,249,0.08,0
 257,2025-09-02,C98,LOCAL,SLS,COPILOTO,249,0.08,0
 258,2025-09-03,C95,LOCAL,CAR,PILOTO,250,0.08,0
 258,2025-09-03,C95,LOCAL,KVN,COPILOTO,250,0.08,0
 259,2025-09-03,C95,LOCAL,CAR,PILOTO,251,0.08,0
 259,2025-09-03,C95,LOCAL,ISA,COPILOTO,251,0.08,0
 260,2025-09-05,C98,ROTA,MCH,PILOTO,252,4.17,0
 260,2025-09-05,C98,ROTA,LRS,COPILOTO,252,4.17,0
 261,2025-09-10,C95,ROTA,BRI,PILOTO,253,2.17,0
 261,2025-09-10,C95,ROTA,BRJ,COPILOTO,253,2.17,0
 262,2025-09-10,C98,LOCAL,GMS,PILOTO,254,0.08,0
 262,2025-09-10,C98,LOCAL,LRS,COPILOTO,254,0.08,0
 263,2025-09-11,C98,LOCAL,DOG,PILOTO,255,0.08,0
 263,2025-09-11,C98,LOCAL,PFR,COPILOTO,255,0.08,0
 264,2025-09-11,C98,LOCAL,FIA,PILOTO,256,1.0,0
 264,2025-09-11,C98,LOCAL,CFF,COPILOTO,256,1.0,0
 265,2025-09-12,C97,LOCAL,MES,PILOTO,257,0.08,0
 265,2025-09-12,C97,LOCAL,SEI,COPILOTO,257,0.08,0
 266,2025-09-15,C98,LOCAL,MED,PILOTO,258,1.0,0
 266,2025-09-15,C98,LOCAL,SUG,COPILOTO,258,1.0,0
 267,2025-09-16,C97,ROTA,FIA,PILOTO,260,8.67,0
 267,2025-09-16,C97,ROTA,SEI,COPILOTO,260,8.67,0
 268,2025-09-16,C98,ROTA,DOG,PILOTO,259,2.0,0
 268,2025-09-16,C98,ROTA,SUG,COPILOTO,259,2.0,0
 269,2025-09-17,C98,ROTA,CFF,PILOTO,261,0.67,0
 269,2025-09-17,C98,ROTA,SUG,COPILOTO,261,0.67,0
 270,2025-09-18,C97,ROTA,FIA,PILOTO,262,5.0,0
 270,2025-09-18,C97,ROTA,AEU,COPILOTO,262,5.0,0
 271,2025-09-22,C97,LOCAL,AEU,PILOTO,263,1.5,0
 271,2025-09-22,C97,LOCAL,LPS,COPILOTO,263,1.5,0
 272,2025-09-24,C95,LOCAL,HCK,PILOTO,264,0.08,0
 272,2025-09-24,C95,LOCAL,CAR,COPILOTO,264,0.08,0
 273,2025-09-25,C98,LOCAL,CFF,PILOTO,265,1.0,0
 273,2025-09-25,C98,LOCAL,MCH,COPILOTO,265,1.0,0
 274,2025-10-01,C98,LOCAL,MCH,PILOTO,268,0.08,0
 274,2025-10-01,C98,LOCAL,GMS,COPILOTO,268,0.08,0
 275,2025-09-27,C98,ROTA,CFF,PILOTO,266,20.58,0
 275,2025-09-27,C98,ROTA,DOG,COPILOTO,266,20.58,0
 276,2025-09-29,C97,ROTA,AEU,PILOTO,267,6.0,0
 276,2025-09-29,C97,ROTA,LPS,COPILOTO,267,6.0,0
 277,2025-10-02,C98,ROTA,CFF,PILOTO,269,8.5,0
 277,2025-10-02,C98,ROTA,DOG,COPILOTO,269,8.5,0
 278,2025-10-05,C95,LOCAL,BRI,PILOTO,270,3.0,0
 278,2025-10-05,C95,LOCAL,CAR,COPILOTO,270,3.0,0
 279,2025-10-05,C95,ROTA,PCN,PILOTO,271,3.5,0
 279,2025-10-05,C95,ROTA,GMR,COPILOTO,271,3.5,0
 280,2025-10-08,C95,ROTA,CAR,PILOTO,272,3.58,0
 280,2025-10-08,C95,ROTA,KVN,COPILOTO,272,3.58,0
 281,2025-10-11,C95,LOCAL,BRI,PILOTO,273,1.0,0
 281,2025-10-11,C95,LOCAL,BRJ,COPILOTO,273,1.0,0
 282,2025-10-11,C95,LOCAL,BRI,PILOTO,274,1.0,0
 282,2025-10-11,C95,LOCAL,BMK,COPILOTO,274,1.0,0
 283,2025-10-13,C97,LOCAL,MES,PILOTO,275,0.25,0
 283,2025-10-13,C97,LOCAL,SEI,COPILOTO,275,0.25,0
 284,2025-10-13,C98,LOCAL,MED,PILOTO,276,0.08,0
 284,2025-10-13,C98,LOCAL,SLS,COPILOTO,276,0.08,0
 285,2025-10-21,C98,LOCAL,FIA,PILOTO,277,0.67,0
 285,2025-10-21,C98,LOCAL,BEN,COPILOTO,277,0.67,0
 286,2025-10-21,C95,LOCAL,HCK,PILOTO,278,0.08,0
 286,2025-10-21,C95,LOCAL,ISA,COPILOTO,278,0.08,0
 287,2025-10-22,C98,LOCAL,GMS,PILOTO,279,1.0,0
 287,2025-10-22,C98,LOCAL,DOG,COPILOTO,279,1.0,0
 288,2025-10-23,C95,LOCAL,BRI,PILOTO,280,1.0,0
 288,2025-10-23,C95,LOCAL,BRJ,COPILOTO,280,1.0,0
 289,2025-10-23,C95,LOCAL,BRI,PILOTO,281,1.5,0
 289,2025-10-23,C95,LOCAL,JVT,COPILOTO,281,1.5,0
 290,2025-10-28,C95,LOCAL,BRI,PILOTO,282,1.5,0
 290,2025-10-28,C95,LOCAL,PCN,COPILOTO,282,1.5,0
 291,2025-10-29,C98,LOCAL,GMS,PILOTO,283,0.08,0
 291,2025-10-29,C98,LOCAL,PFR,COPILOTO,283,0.08,0
 292,2025-10-30,C98,LOCAL,MED,PILOTO,284,0.58,0
 292,2025-10-30,C98,LOCAL,BEN,COPILOTO,284,0.58,0
 293,2025-11-04,C98,LOCAL,MCH,PILOTO,285,0.08,0
 293,2025-11-04,C98,LOCAL,DOG,COPILOTO,285,0.08,0
 294,2025-11-08,C98,ROTA,CFF,PILOTO,286,10.83,0
 294,2025-11-08,C98,ROTA,BEN,COPILOTO,286,10.83,0
 295,2025-11-08,C95,LOCAL,BRI,PILOTO,288,2.0,0
 295,2025-11-08,C95,LOCAL,PCN,COPILOTO,288,2.0,0
 296,2025-11-11,C98,ROTA,MCH,PILOTO,287,5.92,0
 296,2025-11-11,C98,ROTA,PFR,COPILOTO,287,5.92,0
 297,2025-11-11,C95,LOCAL,PCN,PILOTO,289,0.08,0
 297,2025-11-11,C95,LOCAL,BMK,COPILOTO,289,0.08,0
 298,2025-11-11,C95,LOCAL,PCN,PILOTO,290,1.0,0
 298,2025-11-11,C95,LOCAL,GMR,COPILOTO,290,1.0,0
 299,2025-11-13,C98,ROTA,DOG,PILOTO,287,5.92,0
 299,2025-11-13,C98,ROTA,LRS,COPILOTO,287,5.92,0
 300,2025-11-24,C98,LOCAL,SLS,PILOTO,292,0.08,0
 300,2025-11-24,C98,LOCAL,RCH,COPILOTO,292,0.08,0
 301,2025-11-24,C98,ROTA,GMS,PILOTO,291,5.0,0
 301,2025-11-24,C98,ROTA,BEN,COPILOTO,291,5.0,0
 302,2025-11-24,C95,LOCAL,BRJ,PILOTO,293,0.08,0
 302,2025-11-24,C95,LOCAL,ISA,COPILOTO,293,0.08,0
 303,2025-11-27,C95,LOCAL,MHL,PILOTO,294,1.0,0
 303,2025-11-27,C95,LOCAL,BRJ,COPILOTO,294,1.0,0
 304,2025-12-01,C95,ROTA,BRI,PILOTO,295,1.5,0
 304,2025-12-01,C95,ROTA,ISA,COPILOTO,295,1.5,0
 305,2025-12-02,C95,ROTA,CAR,PILOTO,296,6.58,0
 305,2025-12-02,C95,ROTA,KVN,COPILOTO,296,6.58,0
 306,2025-12-03,C97,ROTA,MES,PILOTO,297,9.08,0
 306,2025-12-03,C97,ROTA,SEI,COPILOTO,297,9.08,0
 307,2025-12-03,C98,LOCAL,SLS,PILOTO,298,0.08,0
 307,2025-12-03,C98,LOCAL,RCH,COPILOTO,298,0.08,0
 308,2025-12-03,C95,LOCAL,JVT,PILOTO,299,0.67,0
 308,2025-12-03,C95,LOCAL,GMR,COPILOTO,299,0.67,0
 309,2025-12-03,C95,LOCAL,CAR,PILOTO,300,1.0,0
 309,2025-12-03,C95,LOCAL,BMK,COPILOTO,300,1.0,0
 310,2025-12-03,C95,LOCAL,CAR,PILOTO,300,1.0,0
 310,2025-12-03,C95,LOCAL,BMK,COPILOTO,300,1.0,0
 311,2025-12-03,C95,LOCAL,CAR,PILOTO,300,1.0,0
 311,2025-12-03,C95,LOCAL,BMK,COPILOTO,300,1.0,0
 312,2025-12-03,C95,LOCAL,JVT,PILOTO,299,0.67,0
 312,2025-12-03,C95,LOCAL,GMR,COPILOTO,299,0.67,0
 313,2025-12-03,C95,ROTA,BRJ,PILOTO,304,12.0,0
 313,2025-12-03,C95,ROTA,ISA,COPILOTO,304,12.0,0
 314,2025-12-04,C95,ROTA,GMR,PILOTO,302,2.67,0
 314,2025-12-04,C95,ROTA,KVN,COPILOTO,302,2.67,0
 315,2025-12-04,C95,ROTA,GMR,PILOTO,303,14.0,0
 315,2025-12-04,C95,ROTA,KVN,COPILOTO,303,14.0,0
 316,2025-12-05,C95,LOCAL,BRI,PILOTO,301,1.5,0
 316,2025-12-05,C95,LOCAL,CAR,COPILOTO,301,1.5,0
 317,2025-12-05,C98,LOCAL,SLS,PILOTO,305,1.0,0
 317,2025-12-05,C98,LOCAL,MCH,COPILOTO,305,1.0,0
 318,2025-12-05,C98,LOCAL,SLS,PILOTO,306,1.0,0
 318,2025-12-05,C98,LOCAL,SUG,COPILOTO,306,1.0,0
 319,2025-12-05,C98,ROTA,DOG,PILOTO,308,5.0,0
 319,2025-12-05,C98,ROTA,BEN,COPILOTO,308,5.0,0
 320,2025-12-06,C98,ROTA,GMS,PILOTO,309,3.5,0
 320,2025-12-06,C98,ROTA,LRS,COPILOTO,309,3.5,0
 321,2025-12-06,C98,ROTA,MCH,PILOTO,310,2.08,0
 321,2025-12-06,C98,ROTA,RCH,COPILOTO,310,2.08,0
 322,2025-12-06,C95,LOCAL,BRI,PILOTO,307,2.5,0
 322,2025-12-06,C95,LOCAL,CAR,COPILOTO,307,2.5,0
 323,2025-12-07,C98,ROTA,CFF,PILOTO,313,3.5,0
 323,2025-12-07,C98,ROTA,RCH,COPILOTO,313,3.5,0
 324,2025-12-07,C98,ROTA,DOG,PILOTO,314,2.08,0
 324,2025-12-07,C98,ROTA,BEN,COPILOTO,314,2.08,0
 325,2025-12-08,C95,LOCAL,CAR,PILOTO,311,0.67,0
 325,2025-12-08,C95,LOCAL,KVN,COPILOTO,311,0.67,0
 326,2025-12-08,C95,LOCAL,JVT,PILOTO,312,1.0,0
 326,2025-12-08,C95,LOCAL,GMR,COPILOTO,312,1.0,0
 327,2025-12-08,C95,LOCAL,JVT,PILOTO,312,1.0,0
 327,2025-12-08,C95,LOCAL,GMR,COPILOTO,312,1.0,0
 328,2025-12-08,C95,LOCAL,JVT,PILOTO,312,1.0,0
 328,2025-12-08,C95,LOCAL,GMR,COPILOTO,312,1.0,0
 329,2025-12-08,C95,LOCAL,CAR,PILOTO,311,0.67,0
 329,2025-12-08,C95,LOCAL,KVN,COPILOTO,311,0.67,0
 330,2025-12-08,C97,LOCAL,MES,PILOTO,315,1.0,0
 330,2025-12-08,C97,LOCAL,AEU,COPILOTO,315,1.0,0
 331,2025-12-08,C98,LOCAL,CNI,PILOTO,316,1.0,0
 331,2025-12-08,C98,LOCAL,FIA,COPILOTO,316,1.0,0
 332,2025-12-09,C95,ROTA,HCK,PILOTO,317,6.75,0
 332,2025-12-09,C95,ROTA,BRJ,COPILOTO,317,6.75,0
 333,2025-12-09,C98,LOCAL,FIA,PILOTO,318,1.5,0
 333,2025-12-09,C98,LOCAL,CFF,COPILOTO,318,1.5,0
 334,2025-12-09,C95,LOCAL,CAR,PILOTO,319,1.0,0
 334,2025-12-09,C95,LOCAL,KVN,COPILOTO,319,1.0,0
 335,2025-12-09,C98,ROTA,GMS,PILOTO,320,6.0,0
 335,2025-12-09,C98,ROTA,PFR,COPILOTO,320,6.0,0
 336,2025-12-09,C98,LOCAL,MED,PILOTO,321,0.08,0
 336,2025-12-09,C98,LOCAL,RCH,COPILOTO,321,0.08,0
 337,2025-12-10,C95,ROTA,BMK,PILOTO,322,6.75,0
 337,2025-12-10,C95,ROTA,BRJ,COPILOTO,322,6.75,0
 338,2025-12-10,C98,LOCAL,FIA,PILOTO,323,1.5,0
 338,2025-12-10,C98,LOCAL,GMS,COPILOTO,323,1.5,0
 339,2025-12-10,C98,LOCAL,MED,PILOTO,324,1.0,0
 339,2025-12-10,C98,LOCAL,CFF,COPILOTO,324,1.0,0
 340,2025-12-11,C95,ROTA,CAR,PILOTO,325,4.83,0
 340,2025-12-11,C95,ROTA,KVN,COPILOTO,325,4.83,0
 341,2025-12-12,C97,LOCAL,FIA,PILOTO,326,1.0,0
 341,2025-12-12,C97,LOCAL,AEU,COPILOTO,326,1.0,0
 342,2025-12-12,C95,LOCAL,JVT,PILOTO,327,0.67,0
 342,2025-12-12,C95,LOCAL,BMK,COPILOTO,327,0.67,0
 343,2025-12-12,C95,LOCAL,BRI,PILOTO,328,1.0,0
 343,2025-12-12,C95,LOCAL,HCK,COPILOTO,328,1.0,0
 344,2025-12-12,C95,LOCAL,BRI,PILOTO,328,1.0,0
 344,2025-12-12,C95,LOCAL,HCK,COPILOTO,328,1.0,0
 345,2025-12-12,C95,LOCAL,BRI,PILOTO,328,1.0,0
 345,2025-12-12,C95,LOCAL,HCK,COPILOTO,328,1.0,0
 346,2025-12-12,C95,LOCAL,GMR,PILOTO,327,0.67,0
 346,2025-12-12,C95,LOCAL,HCK,COPILOTO,327,0.67,0
 347,2025-12-12,C95,LOCAL,RAY,PILOTO,329,1.0,0
 347,2025-12-12,C95,LOCAL,KVN,COPILOTO,329,1.0,0
 348,2025-12-12,C95,LOCAL,MHL,PILOTO,329,1.0,0
 348,2025-12-12,C95,LOCAL,ISA,COPILOTO,329,1.0,0
 349,2025-12-12,C95,LOCAL,MHL,PILOTO,330,1.0,0
 349,2025-12-12,C95,LOCAL,ISA,COPILOTO,330,1.0,0
 350,2025-12-12,C95,LOCAL,RAY,PILOTO,330,1.0,0
 350,2025-12-12,C95,LOCAL,KVN,COPILOTO,330,1.0,0
 351,2025-12-12,C98,LOCAL,MED,PILOTO,331,1.0,0
 351,2025-12-12,C98,LOCAL,GMS,COPILOTO,331,1.0,0
 352,2025-12-13,C95,LOCAL,RAY,PILOTO,333,1.0,0
 352,2025-12-13,C95,LOCAL,CAR,COPILOTO,333,1.0,0
 353,2025-12-13,C95,LOCAL,HCK,PILOTO,334,1.0,0
 353,2025-12-13,C95,LOCAL,ISA,COPILOTO,334,1.0,0
 354,2025-12-13,C95,LOCAL,RAY,PILOTO,335,1.0,0
 354,2025-12-13,C95,LOCAL,CAR,COPILOTO,335,1.0,0
 355,2025-12-14,C95,ROTA,JVT,PILOTO,332,11.33,0
 355,2025-12-14,C95,ROTA,BMK,COPILOTO,332,11.33,0
 356,2025-12-15,C95,LOCAL,MHL,PILOTO,336,1.0,0
 356,2025-12-15,C95,LOCAL,MES,COPILOTO,336,1.0,0
 357,2025-12-15,C95,LOCAL,BRJ,PILOTO,336,1.0,0
 357,2025-12-15,C95,LOCAL,KVN,COPILOTO,336,1.0,0
 358,2025-12-15,C95,LOCAL,MES,PILOTO,337,1.0,0
 358,2025-12-15,C95,LOCAL,MHL,COPILOTO,337,1.0,0
 359,2025-12-15,C95,LOCAL,BRJ,PILOTO,337,1.0,0
 359,2025-12-15,C95,LOCAL,KVN,COPILOTO,337,1.0,0
 360,2025-12-15,C98,LOCAL,CFF,PILOTO,338,1.0,0
 360,2025-12-15,C98,LOCAL,BEN,COPILOTO,338,1.0,0
 361,2025-12-16,C95,ROTA,BRJ,PILOTO,339,5.33,0
 361,2025-12-16,C95,ROTA,KVN,COPILOTO,339,5.33,0
 362,2025-12-16,C98,ROTA,CFF,PILOTO,340,2.08,0
 362,2025-12-16,C98,ROTA,BEN,COPILOTO,340,2.08,0
 363,2025-12-17,C95,LOCAL,CAR,PILOTO,342,1.0,0
 363,2025-12-17,C95,LOCAL,MES,COPILOTO,342,1.0,0
 364,2025-12-17,C95,LOCAL,GMR,PILOTO,342,1.0,0
 364,2025-12-17,C95,LOCAL,BMK,COPILOTO,342,1.0,0
 365,2025-12-17,C95,LOCAL,MES,PILOTO,343,1.0,0
 365,2025-12-17,C95,LOCAL,CAR,COPILOTO,343,1.0,0
 366,2025-12-17,C95,LOCAL,BMK,PILOTO,343,1.0,0
 366,2025-12-17,C95,LOCAL,GMR,COPILOTO,343,1.0,0
 367,2025-12-18,C97,ROTA,AEU,PILOTO,341,10.17,0
 367,2025-12-18,C97,ROTA,MHL,COPILOTO,341,10.17,0
 368,2025-12-18,C98,LOCAL,FIA,PILOTO,344,1.0,0
 368,2025-12-18,C98,LOCAL,DOG,COPILOTO,344,1.0,0
 369,2025-12-19,C95,ROTA,BRI,PILOTO,345,5.67,0
 369,2025-12-19,C95,ROTA,HCK,COPILOTO,345,5.67,0
 370,2025-12-20,C98,ROTA,MCH,PILOTO,347,1.17,0
 370,2025-12-20,C98,ROTA,SUG,COPILOTO,347,1.17,0
 371,2025-12-23,C95,ROTA,GMR,PILOTO,346,6.42,0
 371,2025-12-23,C95,ROTA,ISA,COPILOTO,346,6.42,0
 372,2025-12-23,C97,LOCAL,MES,PILOTO,349,0.5,0
 372,2025-12-23,C97,LOCAL,MHL,COPILOTO,349,0.5,0
 373,2025-12-23,C98,ROTA,MCH,PILOTO,350,0.92,0
 373,2025-12-23,C98,ROTA,RCH,COPILOTO,350,0.92,0
 374,2025-12-28,C95,ROTA,CAR,PILOTO,352,3.92,0
 374,2025-12-28,C95,ROTA,HCK,COPILOTO,352,3.92,0
 375,2025-12-28,C95,ROTA,JVT,PILOTO,353,10.0,0
 375,2025-12-28,C95,ROTA,BRJ,COPILOTO,353,10.0,0
 376,2025-12-29,C95,ROTA,BMK,PILOTO,354,3.92,0
 376,2025-12-29,C95,ROTA,KVN,COPILOTO,354,3.92,0
 377,2025-12-29,C97,LOCAL,AEU,PILOTO,348,0.75,0
 377,2025-12-29,C97,LOCAL,LPS,COPILOTO,348,0.75,0
 378,2025-12-29,C97,LOCAL,AEU,PILOTO,351,0.75,0
 378,2025-12-29,C97,LOCAL,SEI,COPILOTO,351,0.75,0
 379,2025-12-29,C95,LOCAL,MES,PILOTO,355,1.0,0
 379,2025-12-29,C95,LOCAL,CAR,COPILOTO,355,1.0,0
 380,2025-12-29,C95,LOCAL,ISA,PILOTO,355,1.0,0
 380,2025-12-29,C95,LOCAL,MHL,COPILOTO,355,1.0,0
 381,2025-12-29,C95,LOCAL,MHL,PILOTO,356,1.0,0
 381,2025-12-29,C95,LOCAL,RAY,COPILOTO,356,1.0,0
 382,2025-12-29,C95,LOCAL,CAR,PILOTO,356,1.0,0
 382,2025-12-29,C95,LOCAL,HCK,COPILOTO,356,1.0,0
 383,2025-12-30,C95,ROTA,BRI,PILOTO,357,3.42,0
 383,2025-12-30,C95,ROTA,KVN,COPILOTO,357,3.42,0
 384,2025-12-30,C97,LOCAL,FIA,PILOTO,358,0.75,0
 384,2025-12-30,C97,LOCAL,SEI,COPILOTO,358,0.75,0
--- a/requirements.txt
+++ b/requirements.txt
@@ -0,0 +1,4 @@
 pandas>=3.0,<4
 numpy>=2.4,<3
 scipy>=1.18,<2
 openpyxl>=3.1,<4
--- a/run_planner.py
+++ b/run_planner.py
@@ -0,0 +1,14 @@
 """Ponto de entrada do planejador diario de missoes."""
 from pathlib import Path
 from src.planejador_missao.main import executar_planejamento
 if __name__ == "__main__":
    resultado = executar_planejamento(Path(__file__).resolve().parent)
    print("\n=== Planejamento concluido ===")
    print(f"Data: {resultado['data_planejamento']}")
    print(f"Arquivo de saida: {resultado['arquivo_saida']}")
    print(f"Colunas candidatas: {resultado['total_candidatas']}")
    print(f"Escalas selecionadas: {resultado['total_selecionadas']}")
--- a/scripts/00_main.py
+++ b/scripts/00_main.py
@@ -0,0 +1,103 @@
 """Orquestrador principal do Planejador Missao.
 Entradas:
    Arquivos em dados/, argumentos opcionais de linha de comando e configuracoes
    centralizadas em scripts/01_config.py.
 Saidas:
    Planejamento diario em resultados/, historico operacional atualizado,
    relatorios de validacao quando solicitado e logs em logs/execucao.log.
 Papel no pipeline:
    Executa o fluxo completo: leitura de dados, preparacao, geracao de colunas
    candidatas, montagem/solucao do MILP, exportacao de resultados e validacao.
 Exemplos:
    python scripts/00_main.py --data 2026-01-02 --modo diario
    python scripts/00_main.py --validacao 2025
 """
 from __future__ import annotations
 import argparse
 import importlib
 import time
 import pandas as pd
 config = importlib.import_module("01_config")
 io_utils = importlib.import_module("02_io_utils")
 def atualizar_data_planejamento(data: str) -> None:
    """Atualiza dados/parametros_missao.csv com a data solicitada."""
    path = config.ARQUIVO_PARAMETROS
    df = pd.read_csv(path) if path.exists() else pd.DataFrame(columns=["parametro", "valor"])
    if "parametro" not in df.columns or "valor" not in df.columns:
        raise ValueError("Erro: parametros_missao.csv deve conter as colunas parametro,valor.")
    if (df["parametro"] == "data_planejamento").any():
        df.loc[df["parametro"] == "data_planejamento", "valor"] = data
    else:
        df = pd.concat([df, pd.DataFrame([{"parametro": "data_planejamento", "valor": data}])], ignore_index=True)
    df.to_csv(path, index=False)
 def executar_diario(args: argparse.Namespace, logger) -> dict:
    """Executa o planejamento diario oficial em Python."""
    io_utils.configurar_ambiente()
    if args.data:
        atualizar_data_planejamento(args.data)
        logger.info("Data de planejamento ajustada para %s", args.data)
    if args.aeronave:
        logger.info("Filtro --aeronave recebido: %s. O modelo diario usa a disponibilidade em dados/aeronaves_disponiveis.csv.", args.aeronave)
    from src.planejador_missao.main import executar_planejamento
    inicio = time.perf_counter()
    resultado = executar_planejamento(config.PROJECT_ROOT)
    duracao = time.perf_counter() - inicio
    logger.info("Data planejada: %s", resultado["data_planejamento"])
    logger.info("Colunas candidatas: %s", resultado["total_candidatas"])
    logger.info("Escalas selecionadas: %s", resultado["total_selecionadas"])
    logger.info("Arquivo exportado: %s", resultado["arquivo_saida"])
    logger.info("Tempo de execucao: %.1f s", duracao)
    return resultado
 def executar_validacao(ano: str, logger) -> dict:
    """Executa validacao retrospectiva suportada pelo projeto."""
    if str(ano) != "2025":
        raise ValueError("Erro: no momento a validacao disponivel e --validacao 2025.")
    validacao = importlib.import_module("07_validacao_2025")
    return validacao.executar_validacao_2025(importar=True, logger=logger)
 def parse_args() -> argparse.Namespace:
    parser = argparse.ArgumentParser(description="Executa o Planejador Missao em Python.")
    parser.add_argument("--data", help="Data do planejamento diario no formato AAAA-MM-DD.")
    parser.add_argument("--aeronave", choices=config.AERONAVES, help="Aeronave de referencia para diagnostico.")
    parser.add_argument("--modo", default="diario", choices=["diario"], help="Modo de execucao do planejamento.")
    parser.add_argument("--validacao", help="Ano da validacao retrospectiva. Exemplo: --validacao 2025.")
    return parser.parse_args()
 def main() -> None:
    args = parse_args()
    logger = io_utils.configurar_logger("main")
    if args.validacao:
        saida = executar_validacao(args.validacao, logger)
        print("\n=== Validacao concluida ===")
        for path in saida["arquivos"]:
            print(f"- {path}")
        return
    resultado = executar_diario(args, logger)
    print("\n=== Planejamento diario concluido ===")
    print(f"Data: {resultado['data_planejamento']}")
    print(f"Arquivo: {resultado['arquivo_saida']}")
    print(f"Colunas candidatas: {resultado['total_candidatas']}")
    print(f"Escalas selecionadas: {resultado['total_selecionadas']}")
 if __name__ == "__main__":
    main()
--- a/scripts/01_config.py
+++ b/scripts/01_config.py
@@ -0,0 +1,72 @@
 """Configuracao central dos scripts do Planejador Missao.
 Entradas:
    Estrutura padrao do projeto, com pastas dados/, src/ e resultados/.
 Saidas:
    Constantes de caminho, parametros operacionais, nomes de arquivos e pesos
    usados pelos scripts de execucao, validacao e teste.
 Papel no pipeline:
    Evita caminhos absolutos e concentra convencoes para que o projeto rode em
    qualquer computador mantendo a mesma estrutura de diretorios.
 """
 from __future__ import annotations
 from pathlib import Path
 PROJECT_ROOT = Path(__file__).resolve().parents[1]
 SCRIPTS_DIR = PROJECT_ROOT / "scripts"
 SRC_DIR = PROJECT_ROOT / "src"
 DADOS_DIR = PROJECT_ROOT / "dados"
 RESULTADOS_DIR = PROJECT_ROOT / "resultados"
 VALIDACAO_DIR = RESULTADOS_DIR / "validacao"
 LOGS_DIR = PROJECT_ROOT / "logs"
 TEMP_DIR = PROJECT_ROOT / "temp"
 ARQUIVO_PARAMETROS = DADOS_DIR / "parametros_missao.csv"
 ARQUIVO_CADASTRO_LOCAL = DADOS_DIR / "Modelagem_C98_ETA2_local.xlsx"
 ARQUIVO_CADASTRO_ORIGINAL = DADOS_DIR / "Modelagem C98 ETA2.xlsx"
 ARQUIVO_CATALOGO_OIS = DADOS_DIR / "catalogo_ois.xlsx"
 ARQUIVO_INDISPONIBILIDADES = DADOS_DIR / "indisponibilidades_2026.xlsx"
 ARQUIVO_HISTORICO = DADOS_DIR / "historico_horas_voadas.csv"
 ARQUIVO_QUADRO_VOO_2025 = DADOS_DIR / "Quadro de Voo 2025 (2).xlsx"
 ARQUIVO_VOOS_2025 = DADOS_DIR / "validacao" / "voos_2025.csv"
 LOG_EXECUCAO = LOGS_DIR / "execucao.log"
 AERONAVES = ["C98", "C97", "C95"]
 META_HORAS_PADRAO = 50.0
 VALIDACAO_TEMPO_LIMITE_SEGUNDOS = 180.0
 VALIDACAO_GAP_RELATIVO = 0.05
 PESOS_OBJETIVO = {
    "rota_acionada": 100000,
    "missao_local": 1000,
    "sobreaviso": 0,
    "meta_50": 100,
    "meta_110": 100,
    "beneficio_paop": 10,
    "custo_financeiro": -0.05,
 }
 ABAS = {
    "cadastro": "BANCO DE DADOS 2026",
    "catalogo_ois": "catalogo_ois",
    "voos_2025": "VOOS",
    "relatorio_diario": "ESCALA DIARIA",
 }
 ARQUIVOS_ENTRADA_OBRIGATORIOS = [
    ARQUIVO_CATALOGO_OIS,
    ARQUIVO_INDISPONIBILIDADES,
    ARQUIVO_PARAMETROS,
 ]
 def garantir_diretorios() -> None:
    """Cria diretorios de saida e apoio usados pelos scripts."""
    for path in [RESULTADOS_DIR, VALIDACAO_DIR, LOGS_DIR, TEMP_DIR, ARQUIVO_VOOS_2025.parent]:
        path.mkdir(parents=True, exist_ok=True)
--- a/scripts/02_io_utils.py
+++ b/scripts/02_io_utils.py
@@ -0,0 +1,85 @@
 """Utilitarios de entrada, saida e log dos scripts.
 Entradas:
    Caminhos definidos em 01_config.py.
 Saidas:
    Validacoes de arquivos, diretorios criados, logs em logs/execucao.log e
    funcoes pequenas para exportacao.
 Papel no pipeline:
    Padroniza mensagens de erro e evita repeticao de codigo de filesystem.
 """
 from __future__ import annotations
 import importlib
 import logging
 import sys
 from datetime import datetime
 from pathlib import Path
 from typing import Iterable
 import pandas as pd
 config = importlib.import_module("01_config")
 def configurar_ambiente() -> None:
    """Garante diretorios e deixa src/ importavel para execucoes pelo VS Code."""
    config.garantir_diretorios()
    project_root = str(config.PROJECT_ROOT)
    if project_root not in sys.path:
        sys.path.insert(0, project_root)
 def configurar_logger(nome: str = "planejador_missao") -> logging.Logger:
    """Cria logger simples em arquivo e terminal."""
    configurar_ambiente()
    logger = logging.getLogger(nome)
    logger.setLevel(logging.INFO)
    logger.handlers.clear()
    formato = logging.Formatter("%(asctime)s | %(levelname)s | %(message)s")
    file_handler = logging.FileHandler(config.LOG_EXECUCAO, encoding="utf-8")
    file_handler.setFormatter(formato)
    stream_handler = logging.StreamHandler()
    stream_handler.setFormatter(logging.Formatter("%(message)s"))
    logger.addHandler(file_handler)
    logger.addHandler(stream_handler)
    logger.info("Execucao iniciada em %s", datetime.now().strftime("%Y-%m-%d %H:%M:%S"))
    return logger
 def exigir_arquivos(paths: Iterable[Path]) -> None:
    """Interrompe a execucao com mensagem clara se algum arquivo faltar."""
    ausentes = [path for path in paths if not path.exists()]
    if ausentes:
        lista = "\n".join(f"- {path}" for path in ausentes)
        raise FileNotFoundError(f"Erro: arquivos obrigatorios ausentes:\n{lista}")
 def exigir_colunas(df: pd.DataFrame, colunas: Iterable[str], origem: str) -> None:
    """Valida colunas obrigatorias de uma tabela carregada."""
    faltantes = [col for col in colunas if col not in df.columns]
    if faltantes:
        raise ValueError(
            f"Erro: coluna obrigatoria '{faltantes[0]}' nao encontrada em {origem}. "
            "Verifique o arquivo de entrada."
        )
 def exportar_excel(path: Path, abas: dict[str, pd.DataFrame]) -> Path:
    """Exporta um workbook Excel com uma aba por DataFrame."""
    path.parent.mkdir(parents=True, exist_ok=True)
    with pd.ExcelWriter(path, engine="openpyxl") as writer:
        for nome, df in abas.items():
            df.to_excel(writer, sheet_name=nome[:31], index=False)
    return path
 def exportar_csv(path: Path, df: pd.DataFrame) -> Path:
    """Exporta CSV garantindo existencia do diretorio."""
    path.parent.mkdir(parents=True, exist_ok=True)
    df.to_csv(path, index=False)
    return path
--- a/scripts/03_preparar_dados.py
+++ b/scripts/03_preparar_dados.py
@@ -0,0 +1,73 @@
 """Preparacao das bases operacionais do Planejador Missao.
 Entradas:
    Planilhas e CSVs em dados/: cadastro, catalogo de OIs, indisponibilidades,
    progresso, historico, aeronaves, tripulantes disponiveis e rotas acionadas.
 Saidas:
    Dicionario com DataFrames normalizados para geracao de colunas candidatas.
 Papel no pipeline:
    Concentra a leitura e a preparacao antes do MILP, mantendo rastreavel quais
    arquivos alimentam cada execucao.
 """
 from __future__ import annotations
 import importlib
 from pathlib import Path
 config = importlib.import_module("01_config")
 io_utils = importlib.import_module("02_io_utils")
 def carregar_bases(base_dir: Path = config.PROJECT_ROOT) -> dict:
    """Le e normaliza todas as bases necessarias ao planejamento diario."""
    io_utils.configurar_ambiente()
    io_utils.exigir_arquivos(config.ARQUIVOS_ENTRADA_OBRIGATORIOS)
    from src.planejador_missao.data_io import (
        carregar_aeronaves,
        carregar_cadastro,
        carregar_catalogo_ois,
        carregar_historico,
        carregar_indisponibilidades,
        carregar_parametros,
        carregar_progresso_ois,
        carregar_rotas,
        carregar_tripulantes_disponiveis,
    )
    from src.planejador_missao.rules import combinar_progresso_com_historico
    parametros = carregar_parametros(base_dir)
    historico = carregar_historico(base_dir)
    cadastro = carregar_cadastro(base_dir, historico)
    catalogo = carregar_catalogo_ois(base_dir)
    indisponibilidades = carregar_indisponibilidades(base_dir)
    progresso = combinar_progresso_com_historico(carregar_progresso_ois(base_dir), historico, catalogo)
    return {
        "parametros": parametros,
        "historico": historico,
        "cadastro": cadastro,
        "catalogo": catalogo,
        "indisponibilidades": indisponibilidades,
        "progresso": progresso,
        "aeronaves": carregar_aeronaves(base_dir),
        "disponiveis": carregar_tripulantes_disponiveis(base_dir),
        "rotas": carregar_rotas(base_dir),
    }
 def main() -> None:
    """Executa uma leitura de diagnostico das bases."""
    logger = io_utils.configurar_logger("preparar_dados")
    bases = carregar_bases()
    logger.info("Tripulantes no cadastro: %s", len(bases["cadastro"]))
    logger.info("Tripulantes disponiveis: %s", len(bases["disponiveis"]))
    logger.info("Aeronaves informadas: %s", len(bases["aeronaves"]))
    logger.info("Rotas acionadas: %s", len(bases["rotas"]))
 if __name__ == "__main__":
    main()
--- a/scripts/04_gerar_colunas_candidatas.py
+++ b/scripts/04_gerar_colunas_candidatas.py
@@ -0,0 +1,56 @@
 """Geracao das colunas candidatas viaveis.
 Entradas:
    Bases preparadas por 03_preparar_dados.py.
 Saidas:
    DataFrame em que cada linha representa uma escala possivel: rota acionada,
    missao local ou sobreaviso, com dupla, aeronave, score, custo e metadados.
 Papel no pipeline:
    Materializa o espaco de decisoes do MILP. A compatibilidade de aeronave,
    indisponibilidade, qualificacao e regra de instrucao ja sao filtradas aqui.
 """
 from __future__ import annotations
 import importlib
 preparar = importlib.import_module("03_preparar_dados")
 io_utils = importlib.import_module("02_io_utils")
 def gerar_colunas_do_dia(bases: dict):
    """Gera colunas candidatas para a data e parametros informados nas bases."""
    from src.planejador_missao.candidates import gerar_colunas
    parametros = bases["parametros"]
    # Cada coluna candidata equivale a uma variavel x_j do MILP.
    # As regras de dupla, qualificacao, instrucao e indisponibilidade sao
    # aplicadas antes do solver para reduzir o modelo a alternativas viaveis.
    return gerar_colunas(
        parametros["data_planejamento"],
        bases["rotas"],
        bases["aeronaves"],
        bases["cadastro"],
        bases["indisponibilidades"],
        bases["progresso"],
        bases["catalogo"],
        bases["disponiveis"],
        parametros["criterio_missao"],
        parametros["criterio_sbv"],
    )
 def main() -> None:
    """Executa diagnostico da geracao de colunas."""
    logger = io_utils.configurar_logger("gerar_colunas")
    bases = preparar.carregar_bases()
    colunas = gerar_colunas_do_dia(bases)
    logger.info("Colunas candidatas geradas: %s", len(colunas))
    if colunas.empty:
        logger.warning("Nenhuma coluna candidata viavel foi gerada.")
 if __name__ == "__main__":
    main()
--- a/scripts/05_modelo_milp.py
+++ b/scripts/05_modelo_milp.py
@@ -0,0 +1,58 @@
 """Modelo MILP do Planejador Missao usando scipy.optimize.milp/HiGHS.
 Entradas:
    Colunas candidatas viaveis geradas por 04_gerar_colunas_candidatas.py.
 Saidas:
    Subconjunto de colunas selecionadas pelo solver, representando a escala
    diaria otimizada.
 Metodologia:
    Variavel de decisao: x_j em {0,1}, onde cada j representa uma coluna
    candidata. Como scipy.optimize.milp minimiza, o modelo minimiza -score_milp,
    equivalente a maximizar o score operacional total.
 Restricoes implementadas no motor src.planejador_missao.optimizer:
    a) rota acionada obrigatoria coberta exatamente uma vez;
    b) cada tripulante aparece no maximo uma vez no dia;
    c) cada aeronave recebe cobertura principal por rota acionada ou SBV;
    d) aeronave nao executa escalas conflitantes de rota/local no mesmo dia;
    e) qualificacao, indisponibilidade e regras de instrucao entram no filtro de
       colunas candidatas, logo colunas inviaveis nao chegam ao MILP;
    f) regras especificas de rota, missao local e SBV sao preservadas por tipo.
 """
 from __future__ import annotations
 import importlib
 gerador = importlib.import_module("04_gerar_colunas_candidatas")
 io_utils = importlib.import_module("02_io_utils")
 preparar = importlib.import_module("03_preparar_dados")
 def resolver_escala(colunas, rotas, aeronaves):
    """Resolve o MILP e retorna as colunas escolhidas."""
    from src.planejador_missao.optimizer import resolver_milp
    if colunas.empty:
        raise RuntimeError("Erro: nao ha colunas candidatas viaveis para montar o MILP.")
    # O resolvedor cria x_j binario para cada linha de colunas.
    # A funcao objetivo usa -score_milp porque o HiGHS via SciPy resolve
    # minimizacao; isso preserva a interpretacao de maximizar score.
    return resolver_milp(colunas, rotas, aeronaves)
 def main() -> None:
    """Executa o MILP em modo diagnostico."""
    logger = io_utils.configurar_logger("modelo_milp")
    bases = preparar.carregar_bases()
    colunas = gerador.gerar_colunas_do_dia(bases)
    solucao = resolver_escala(colunas, bases["rotas"], bases["aeronaves"])
    logger.info("Colunas candidatas: %s", len(colunas))
    logger.info("Escalas selecionadas: %s", len(solucao))
 if __name__ == "__main__":
    main()
--- a/scripts/06_exportar_resultados.py
+++ b/scripts/06_exportar_resultados.py
@@ -0,0 +1,38 @@
 """Exportacao dos resultados do planejamento diario.
 Entradas:
    Solucao do MILP, catalogo de OIs e data de planejamento.
 Saidas:
    Planilha em resultados/planejamento_diario_YYYY-MM-DD.xlsx e registros de
    historico operacional para atualizacao do acumulado.
 Papel no pipeline:
    Converte a solucao matematica em artefatos utilizaveis pelo esquadrao.
 """
 from __future__ import annotations
 import importlib
 config = importlib.import_module("01_config")
 io_utils = importlib.import_module("02_io_utils")
 def exportar_planejamento(data_planejamento, solucao, catalogo):
    """Gera registros operacionais e planilha Excel da escala."""
    from src.planejador_missao.report import gerar_excel, gerar_registros
    registros = gerar_registros(solucao, catalogo)
    arquivo = gerar_excel(config.PROJECT_ROOT, data_planejamento, solucao)
    return {"arquivo": arquivo, "registros": registros}
 def main() -> None:
    """Mostra instrucao de uso deste modulo dentro do pipeline."""
    logger = io_utils.configurar_logger("exportar_resultados")
    logger.info("Use python scripts/00_main.py para executar o fluxo completo.")
 if __name__ == "__main__":
    main()
--- a/scripts/07_validacao_2025.py
+++ b/scripts/07_validacao_2025.py
@@ -0,0 +1,257 @@
 """Validacao retrospectiva com voos reais de 2025.
 Entradas:
    dados/Quadro de Voo 2025 (2).xlsx, aba VOOS, ou o CSV ja importado em
    dados/validacao/voos_2025.csv.
 Saidas:
    resultados/validacao/validacao_2025_resumo.xlsx
    resultados/validacao/validacao_2025_detalhada.xlsx
    resultados/validacao/validacao_2025_metricas.csv
    resultados/validacao/validacao_2025_barras.png
 Papel no pipeline:
    Mantem a demanda historica de 2025, gera candidatos compativeis para cada
    slot historico e usa MILP para redistribuir tripulantes preservando horas.
 """
 from __future__ import annotations
 import importlib
 import re
 import struct
 import zlib
 from datetime import time, timedelta
 from pathlib import Path
 import pandas as pd
 config = importlib.import_module("01_config")
 io_utils = importlib.import_module("02_io_utils")
 COLUNAS_VALIDACAO = ["slot_id", "data", "aeronave", "tipo_escala", "tripulante", "funcao", "oi", "horas_voadas", "sbv"]
 def _normalizar_texto(valor: object) -> str:
    from src.planejador_missao.utils import normalizar_texto
    return normalizar_texto(valor)
 def _horas(valor: object) -> float:
    """Converte TEV da planilha historica para horas decimais."""
    if pd.isna(valor):
        return 0.0
    if isinstance(valor, timedelta):
        return round(valor.total_seconds() / 3600, 2)
    if isinstance(valor, time):
        return round(valor.hour + valor.minute / 60 + valor.second / 3600, 2)
    if isinstance(valor, str):
        texto = valor.strip()
        if not texto or texto == "-":
            return 0.0
        partes = texto.split(":")
        if len(partes) >= 2:
            return round(float(partes[0]) + float(partes[1]) / 60, 2)
        return float(texto.replace(",", "."))
    if isinstance(valor, (int, float)):
        return round(float(valor) * 24, 2) if 0 < float(valor) < 1 else float(valor)
    return 0.0
 def _aeronave(valor: object) -> str:
    """Traduz matricula FAB para familia operacional C95/C97/C98."""
    texto = _normalizar_texto(valor)
    match = re.search(r"(\d{4})", texto)
    if not match:
        return ""
    numero = match.group(1)
    if numero.startswith("20"):
        return "C97"
    if numero.startswith("23"):
        return "C95"
    if numero.startswith("27"):
        return "C98"
    return ""
 def _tripulantes(valor: object) -> list[str]:
    """Extrai a dupla principal da tripulacao historica."""
    partes = re.split(r"\s*/\s*", str(valor))
    trips = []
    for parte in partes:
        texto = _normalizar_texto(parte)
        texto = re.sub(r"\([^)]*\)", " ", texto)
        texto = re.sub(r"[^A-Z0-9]+", " ", texto).strip()
        if texto and texto != "NAN":
            trips.append(texto)
    return trips[:2]
 def importar_voos_2025(origem: Path = config.ARQUIVO_QUADRO_VOO_2025, destino: Path = config.ARQUIVO_VOOS_2025) -> pd.DataFrame:
    """Importa voos realizados de 2025 da aba VOOS para o CSV de validacao."""
    io_utils.exigir_arquivos([origem])
    raw = pd.read_excel(origem, sheet_name=config.ABAS["voos_2025"], header=None)
    linhas = []
    slot_id = 0
    for _, row in raw.iterrows():
        data = pd.to_datetime(row[2], errors="coerce")
        if pd.isna(data) or data.year != 2025:
            continue
        if _normalizar_texto(row[41]) != "REALIZADO":
            continue
        aeronave = _aeronave(row[37])
        if not aeronave:
            continue
        horas_voadas = _horas(row[30])
        if horas_voadas <= 0:
            continue
        trips = _tripulantes(row[8])
        if len(trips) < 2:
            continue
        slot_id += 1
        tipo_escala = _normalizar_texto(row[1])
        oi = _normalizar_texto(row[35])
        if not oi or oi == "-":
            oi = _normalizar_texto(row[32])
        for idx, tripulante in enumerate(trips, start=1):
            linhas.append(
                {
                    "slot_id": slot_id,
                    "data": data.date().isoformat(),
                    "aeronave": aeronave,
                    "tipo_escala": tipo_escala,
                    "tripulante": tripulante,
                    "funcao": "PILOTO" if idx == 1 else "COPILOTO",
                    "oi": oi,
                    "horas_voadas": horas_voadas,
                    "sbv": 0,
                }
            )
    df = pd.DataFrame(linhas, columns=COLUNAS_VALIDACAO)
    io_utils.exportar_csv(destino, df)
    return df
 def _png_barras(path: Path, metricas: pd.DataFrame) -> Path:
    """Gera PNG simples sem depender de bibliotecas graficas externas."""
    width, height = 760, 420
    canvas = bytearray([255, 255, 255] * width * height)
    def rect(x0: int, y0: int, x1: int, y1: int, color: tuple[int, int, int]) -> None:
        x0, x1 = max(0, x0), min(width, x1)
        y0, y1 = max(0, y0), min(height, y1)
        for y in range(y0, y1):
            for x in range(x0, x1):
                i = (y * width + x) * 3
                canvas[i : i + 3] = bytes(color)
    rect(55, 45, 60, 365, (38, 57, 77))
    rect(55, 360, 705, 365, (38, 57, 77))
    valores = metricas.set_index("cenario")["desvio_padrao"].to_dict()
    max_v = max(valores.values()) if valores else 1
    cores = {"real_2025": (154, 52, 18), "otimizado_meta_50": (38, 115, 77)}
    xs = {"real_2025": 190, "otimizado_meta_50": 430}
    for cenario, valor in valores.items():
        h = int((valor / max_v) * 270)
        rect(xs[cenario], 360 - h, xs[cenario] + 110, 360, cores[cenario])
    raw = b"".join(b"\x00" + canvas[y * width * 3 : (y + 1) * width * 3] for y in range(height))
    png = b"\x89PNG\r\n\x1a\n"
    for chunk_type, data in [
        (b"IHDR", struct.pack(">IIBBBBB", width, height, 8, 2, 0, 0, 0)),
        (b"IDAT", zlib.compress(raw, 9)),
        (b"IEND", b""),
    ]:
        png += struct.pack(">I", len(data)) + chunk_type + data + struct.pack(">I", zlib.crc32(chunk_type + data) & 0xFFFFFFFF)
    path.parent.mkdir(parents=True, exist_ok=True)
    path.write_bytes(png)
    return path
 def executar_validacao_2025(importar: bool = True, logger=None) -> dict:
    """Executa a validacao completa e exporta os artefatos finais."""
    io_utils.configurar_ambiente()
    logger = logger or io_utils.configurar_logger("validacao_2025")
    inicio = pd.Timestamp.now()
    if importar or not config.ARQUIVO_VOOS_2025.exists():
        voos_importados = importar_voos_2025()
        logger.info("Voos 2025 importados: %s registros", len(voos_importados))
    from src.planejador_missao.validacao import carregar_voos_2025, otimizar_equalizacao_50
    voos = carregar_voos_2025(config.ARQUIVO_VOOS_2025)
    if voos.empty:
        raise RuntimeError("Erro: base de validacao 2025 vazia. Verifique dados/validacao/voos_2025.csv.")
    if (voos["horas_voadas"] < 0).any():
        raise RuntimeError("Erro: foram encontradas horas voadas negativas na validacao 2025.")
    resultado = otimizar_equalizacao_50(
        config.PROJECT_ROOT,
        voos,
        meta_horas=config.META_HORAS_PADRAO,
        tempo_limite_segundos=config.VALIDACAO_TEMPO_LIMITE_SEGUNDOS,
        gap_relativo=config.VALIDACAO_GAP_RELATIVO,
    )
    metricas = resultado["metricas"]
    total_real = float(metricas.loc[metricas["cenario"] == "real_2025", "horas_total"].iloc[0])
    total_otim = float(metricas.loc[metricas["cenario"] == "otimizado_meta_50", "horas_total"].iloc[0])
    if abs(total_real - total_otim) > 0.01:
        logger.warning("Horas nao preservadas: real=%s otimizado=%s", total_real, total_otim)
    resumo_path = config.VALIDACAO_DIR / "validacao_2025_resumo.xlsx"
    detalhada_path = config.VALIDACAO_DIR / "validacao_2025_detalhada.xlsx"
    metricas_path = config.VALIDACAO_DIR / "validacao_2025_metricas.csv"
    grafico_path = config.VALIDACAO_DIR / "validacao_2025_barras.png"
    solver_df = pd.DataFrame([resultado.get("status_solver", {})])
    io_utils.exportar_excel(resumo_path, {"solver": solver_df, "metricas": metricas})
    io_utils.exportar_excel(
        detalhada_path,
        {
            "solver": solver_df,
            "metricas": metricas,
            "comparativo_trips": resultado["comparativo"],
            "voos_2025_slots": resultado["slots"],
            "escala_otimizada": resultado["otimizados"],
        },
    )
    io_utils.exportar_csv(metricas_path, metricas)
    _png_barras(grafico_path, metricas)
    duracao = (pd.Timestamp.now() - inicio).total_seconds()
    logger.info("Slots historicos avaliados: %s", len(resultado["slots"]))
    logger.info("Alocacoes otimizadas: %s", len(resultado["otimizados"]))
    logger.info("Tripulantes comparados: %s", len(resultado["comparativo"]))
    logger.info("Status solver: %s", resultado["status_solver"]["mensagem"])
    logger.info("Tempo de validacao: %.1f s", duracao)
    logger.info("Arquivos exportados: %s | %s | %s | %s", resumo_path, detalhada_path, metricas_path, grafico_path)
    return {
        "resultado": resultado,
        "arquivos": [resumo_path, detalhada_path, metricas_path, grafico_path],
        "duracao_segundos": duracao,
    }
 def main() -> None:
    """Ponto de entrada da validacao 2025."""
    logger = io_utils.configurar_logger("validacao_2025")
    saida = executar_validacao_2025(importar=True, logger=logger)
    metricas = saida["resultado"]["metricas"]
    print("\n=== Validacao 2025 concluida ===")
    print(metricas.to_string(index=False))
    print("\nArquivos gerados:")
    for path in saida["arquivos"]:
        print(f"- {path}")
 if __name__ == "__main__":
    main()
--- a/scripts/08_app_utils.py
+++ b/scripts/08_app_utils.py
@@ -0,0 +1,44 @@
 """Funcoes auxiliares da interface web local.
 Entradas:
    Estrutura padrao do projeto e web_app.py.
 Saidas:
    Inicializacao local da interface em http://127.0.0.1:8050 quando chamado
    diretamente.
 Papel no pipeline:
    Facilita acesso ao app Python com interface web local.
 """
 from __future__ import annotations
 import importlib
 import subprocess
 import sys
 config = importlib.import_module("01_config")
 io_utils = importlib.import_module("02_io_utils")
 def comando_python_app() -> list[str]:
    """Retorna comando portavel para iniciar a interface web local."""
    pythonw = config.PROJECT_ROOT / ".venv" / "Scripts" / "pythonw.exe"
    python = config.PROJECT_ROOT / ".venv" / "Scripts" / "python.exe"
    exe = pythonw if pythonw.exists() else python if python.exists() else sys.executable
    return [str(exe), str(config.PROJECT_ROOT / "web_app.py")]
 def abrir_app() -> None:
    """Inicia o app em segundo plano sem janela de console quando possivel."""
    io_utils.configurar_ambiente()
    subprocess.Popen(comando_python_app(), cwd=config.PROJECT_ROOT)
 def main() -> None:
    abrir_app()
    print("Interface web local iniciada em http://127.0.0.1:8050")
 if __name__ == "__main__":
    main()
--- a/scripts/09_testar_instalacao.py
+++ b/scripts/09_testar_instalacao.py
@@ -0,0 +1,63 @@
 """Teste rapido de instalacao do Planejador Missao.
 Entradas:
    Ambiente Python atual, dependencias instaladas e arquivos em dados/.
 Saidas:
    Diagnostico amigavel no terminal e log em logs/execucao.log.
 Papel no pipeline:
    Permite verificar rapidamente se o computador esta pronto para executar o
    planejador e o solver HiGHS/scipy.optimize.milp.
 """
 from __future__ import annotations
 import importlib
 import sys
 import numpy as np
 from scipy.optimize import Bounds, LinearConstraint, milp
 config = importlib.import_module("01_config")
 io_utils = importlib.import_module("02_io_utils")
 def testar_solver_minimo() -> None:
    """Resolve um MILP minimo para comprovar que scipy.optimize.milp funciona."""
    c = np.array([-1.0, -2.0])
    integrality = np.ones(2)
    bounds = Bounds([0, 0], [1, 1])
    constraints = [LinearConstraint([[1, 1]], -np.inf, 1)]
    result = milp(c=c, integrality=integrality, bounds=bounds, constraints=constraints)
    if not result.success:
        raise RuntimeError(f"Erro: teste minimo do solver falhou: {result.message}")
 def main() -> None:
    """Executa todas as verificacoes de ambiente."""
    logger = io_utils.configurar_logger("teste_instalacao")
    print(f"Python encontrado: {sys.version.split()[0]}")
    for pacote in ["pandas", "numpy", "openpyxl", "scipy"]:
        importlib.import_module(pacote)
        print(f"Biblioteca OK: {pacote}")
    config.garantir_diretorios()
    for diretorio in [config.DADOS_DIR, config.RESULTADOS_DIR, config.SRC_DIR, config.LOGS_DIR, config.TEMP_DIR]:
        if not diretorio.exists():
            raise RuntimeError(f"Erro: diretorio obrigatorio ausente: {diretorio}")
        print(f"Diretorio OK: {diretorio.name}")
    cadastro = config.ARQUIVO_CADASTRO_LOCAL if config.ARQUIVO_CADASTRO_LOCAL.exists() else config.ARQUIVO_CADASTRO_ORIGINAL
    io_utils.exigir_arquivos([cadastro, *config.ARQUIVOS_ENTRADA_OBRIGATORIOS])
    print("Arquivos de entrada OK")
    testar_solver_minimo()
    print("Solver scipy.optimize.milp/HiGHS OK")
    logger.info("Teste de instalacao concluido com sucesso.")
    print("Ambiente OK para executar o Planejador Missao.")
 if __name__ == "__main__":
    main()
--- a/scripts/_arquivados/importar_quadro_voo_2025.py
+++ b/scripts/_arquivados/importar_quadro_voo_2025.py
@@ -0,0 +1,136 @@
 """Importa a aba VOOS do Quadro de Voo 2025 para a base de validacao."""
 from __future__ import annotations
 import argparse
 import re
 import sys
 from datetime import time, timedelta
 from pathlib import Path
 import pandas as pd
 BASE_DIR = Path(__file__).resolve().parents[1]
 sys.path.insert(0, str(BASE_DIR))
 from src.planejador_missao.utils import normalizar_texto
 COLUNAS_VALIDACAO = ["slot_id", "data", "aeronave", "tipo_escala", "tripulante", "funcao", "oi", "horas_voadas", "sbv"]
 def _horas(valor: object) -> float:
    if pd.isna(valor):
        return 0.0
    if isinstance(valor, timedelta):
        return round(valor.total_seconds() / 3600, 2)
    if isinstance(valor, time):
        return round(valor.hour + valor.minute / 60 + valor.second / 3600, 2)
    if isinstance(valor, str):
        texto = valor.strip()
        if not texto or texto == "-":
            return 0.0
        partes = texto.split(":")
        if len(partes) >= 2:
            return round(float(partes[0]) + float(partes[1]) / 60, 2)
        return float(texto.replace(",", "."))
    if isinstance(valor, (int, float)):
        return round(float(valor) * 24, 2) if 0 < float(valor) < 1 else float(valor)
    return 0.0
 def _aeronave(valor: object) -> str:
    texto = normalizar_texto(valor)
    match = re.search(r"(\d{4})", texto)
    if not match:
        return ""
    numero = match.group(1)
    if numero.startswith("20"):
        return "C97"
    if numero.startswith("23"):
        return "C95"
    if numero.startswith("27"):
        return "C98"
    return ""
 def _tripulantes(valor: object) -> list[str]:
    partes = re.split(r"\s*/\s*", str(valor))
    trips = []
    for parte in partes:
        texto = normalizar_texto(parte)
        texto = re.sub(r"\([^)]*\)", " ", texto)
        texto = re.sub(r"[^A-Z0-9]+", " ", texto).strip()
        if texto and texto != "NAN":
            trips.append(texto)
    return trips[:2]
 def importar(origem: Path, destino: Path) -> pd.DataFrame:
    raw = pd.read_excel(origem, sheet_name="VOOS", header=None)
    linhas = []
    slot_id = 0
    for _, row in raw.iterrows():
        data = pd.to_datetime(row[2], errors="coerce")
        if pd.isna(data) or data.year != 2025:
            continue
        if normalizar_texto(row[41]) != "REALIZADO":
            continue
        aeronave = _aeronave(row[37])
        if not aeronave:
            continue
        slot_id += 1
        tipo_escala = normalizar_texto(row[1])
        horas_voadas = _horas(row[30])
        oi = normalizar_texto(row[35])
        if not oi or oi == "-":
            oi = normalizar_texto(row[32])
        for idx, tripulante in enumerate(_tripulantes(row[8]), start=1):
            linhas.append(
                {
                    "slot_id": slot_id,
                    "data": data.date().isoformat(),
                    "aeronave": aeronave,
                    "tipo_escala": tipo_escala,
                    "tripulante": tripulante,
                    "funcao": "PILOTO" if idx == 1 else "COPILOTO",
                    "oi": oi,
                    "horas_voadas": horas_voadas,
                    "sbv": 0,
                }
            )
    df = pd.DataFrame(linhas, columns=COLUNAS_VALIDACAO)
    destino.parent.mkdir(parents=True, exist_ok=True)
    df.to_csv(destino, index=False)
    return df
 def main() -> None:
    parser = argparse.ArgumentParser(description="Importa voos realizados de 2025 para a validacao.")
    parser.add_argument(
        "--origem",
        type=Path,
        default=BASE_DIR / "dados" / "Quadro de Voo 2025 (2).xlsx",
        help="Planilha com aba VOOS.",
    )
    parser.add_argument(
        "--destino",
        type=Path,
        default=BASE_DIR / "dados" / "validacao" / "voos_2025.csv",
        help="CSV de validacao gerado.",
    )
    args = parser.parse_args()
    df = importar(args.origem, args.destino)
    print(f"Arquivo gerado: {args.destino}")
    print(f"Registros exportados: {len(df)}")
    print(f"Voos/slots exportados: {df['slot_id'].nunique() if not df.empty else 0}")
    print(f"Tripulantes exportados: {df['tripulante'].nunique() if not df.empty else 0}")
 if __name__ == "__main__":
    main()
--- a/scripts/_arquivados/validar_2025.py
+++ b/scripts/_arquivados/validar_2025.py
@@ -0,0 +1,57 @@
 """Executa a validacao retrospectiva com voos de 2025."""
 from __future__ import annotations
 import argparse
 import sys
 from pathlib import Path
 BASE_DIR = Path(__file__).resolve().parents[1]
 sys.path.insert(0, str(BASE_DIR))
 from src.planejador_missao.validacao import (
    carregar_voos_2025,
    criar_modelo_voos_2025,
    otimizar_equalizacao_50,
    salvar_relatorio_validacao,
 )
 def main() -> None:
    parser = argparse.ArgumentParser(description="Valida o planejador com voos historicos de 2025.")
    parser.add_argument("--meta", type=float, default=50.0, help="Meta de horas usada na equalizacao.")
    parser.add_argument("--tempo-limite", type=float, default=180.0, help="Tempo limite do resolvedor MILP, em segundos.")
    parser.add_argument("--gap", type=float, default=0.05, help="Gap relativo aceitavel para encerrar o MILP.")
    args = parser.parse_args()
    entrada = BASE_DIR / "dados" / "validacao" / "voos_2025.csv"
    criar_modelo_voos_2025(entrada)
    voos = carregar_voos_2025(entrada)
    if voos.empty:
        print("Base de validacao ainda vazia.")
        print(f"Preencha o arquivo: {entrada}")
        print("Colunas esperadas: data,aeronave,tipo_escala,tripulante,funcao,oi,horas_voadas,sbv")
        return
    resultado = otimizar_equalizacao_50(
        BASE_DIR,
        voos,
        meta_horas=args.meta,
        tempo_limite_segundos=args.tempo_limite,
        gap_relativo=args.gap,
    )
    arquivo = salvar_relatorio_validacao(BASE_DIR, resultado, meta_horas=args.meta)
    print("\n=== Validacao 2025 concluida ===")
    print(f"Meta de equalizacao: {args.meta:g} horas")
    print(f"Voos/slots avaliados: {len(resultado['slots'])}")
    print(f"Tripulantes comparados: {len(resultado['comparativo'])}")
    print(f"Relatorio: {arquivo}")
    print(f"Solver: {resultado['status_solver']['mensagem']}")
    print("\nMetricas:")
    print(resultado["metricas"].to_string(index=False))
 if __name__ == "__main__":
    main()
--- a/src/planejador_missao/init.py
+++ b/src/planejador_missao/init.py
@@ -0,0 +1,2 @@
 """Planejador de missao e sobreaviso por MILP."""
--- a/src/planejador_missao/candidates.py
+++ b/src/planejador_missao/candidates.py
@@ -0,0 +1,216 @@
 """Geracao de colunas candidatas para o modelo MILP."""
 from __future__ import annotations
 from datetime import date
 from itertools import combinations
 import pandas as pd
 from .data_io import AERONAVES
 from .rules import eh_instrutor_adaptado, piloto_disponivel, qualificacao_operacional
 from .utils import normalizar_texto, parse_horas
 def proxima_oi(tripulante: str, aeronave: str, subprograma: str, progresso: pd.DataFrame, catalogo: pd.DataFrame) -> dict | None:
    ois = catalogo[(catalogo["aeronave"] == aeronave) & (catalogo["subprograma"] == subprograma)].sort_values("ordem")
    if ois.empty:
        return None
    concluidas = set(
        progresso[
            (progresso["tripulante"] == tripulante)
            & (progresso["aeronave"] == aeronave)
            & (progresso["subprograma"] == subprograma)
            & (progresso["concluida"] == True)
        ]["oi"]
    )
    pendentes = ois[~ois["oi"].isin(concluidas)]
    if pendentes.empty:
        return None
    row = pendentes.iloc[0].to_dict()
    row["tripulante"] = tripulante
    return row
 def candidatos_missao(data_missao: date, aeronave: str, tipo: str, cadastro: pd.DataFrame, indisponibilidades: pd.DataFrame, progresso: pd.DataFrame, catalogo: pd.DataFrame, disponiveis: pd.DataFrame) -> pd.DataFrame:
    qt_col = f"qt_{aeronave.lower()}"
    permitidos = set(disponiveis["tripulante"])
    linhas = []
    for _, trip in cadastro[cadastro[qt_col]].iterrows():
        trigrama = trip["tripulante"]
        if trigrama not in permitidos or not piloto_disponivel(trigrama, data_missao, indisponibilidades):
            continue
        subprogramas = [sp for sp in str(trip[f"subprograma_{aeronave.lower()}"]).split() if sp.startswith("SP")]
        for sp in subprogramas:
            oi = proxima_oi(trigrama, aeronave, sp, progresso, catalogo)
            if not oi:
                continue
            if tipo != "TODAS" and oi["tipo_missao"] != tipo:
                continue
            oi.update(
                patente=trip.get("patente", ""),
                qt=trip.get("qt", ""),
                qualificacao=trip.get("qualificacao", ""),
                horas_totais_2026=trip.get("horas_totais_2026", 0),
                horas_realizadas_2026=trip.get("horas_realizadas_2026", 0),
                sbv_realizados_2026=trip.get("sbv_realizados_2026", 0),
                soldo=trip.get("soldo", 0),
            )
            linhas.append(oi)
    if not linhas:
        return pd.DataFrame()
    df = pd.DataFrame(linhas)
    df["horas_faltantes_paop"] = df["horas_totais_2026"] - df["horas_realizadas_2026"]
    df["prioridade_tipo"] = df["tipo_missao"].map({"LOCAL": 1, "ROTA": 2}).fillna(3)
    return df.sort_values(["horas_faltantes_paop", "prioridade_tipo", "aeronave", "subprograma", "ordem"], ascending=[False, True, True, True, True])
 def aplicar_prioridades(df: pd.DataFrame) -> pd.DataFrame:
    df = df.copy()
    df["bloqueado"] = False
    df["prioridade_paop"] = 100.0
    df.loc[(df["aeronave"] == "C98") & (df["tripulante"].isin(["DOG", "MCH"])) & (df["subprograma"] == "SPQE-3"), "prioridade_paop"] = 1
    df.loc[(df["aeronave"] == "C98") & (df["tripulante"].isin(["DOG", "MCH"])) & (df["subprograma"] != "SPQE-3"), "prioridade_paop"] = 50
    df.loc[(df["aeronave"] == "C98") & (df["tripulante"].isin(["SCA", "DIL"])) & (df["subprograma"] == "SPMO-1"), "prioridade_paop"] = 1
    df.loc[(df["aeronave"] == "C98") & (df["tripulante"].isin(["SCA", "DIL"])) & (df["subprograma"] != "SPMO-1"), "prioridade_paop"] = 60
    df.loc[(df["aeronave"] == "C98") & (df["subprograma"] == "SPFO-2") & (df["horas_realizadas_2026"] < 50), "bloqueado"] = True
    return df.sort_values(["bloqueado", "prioridade_paop", "horas_faltantes_paop"], ascending=[True, True, False])
 def score_dupla(p1, p2, h1, h2, s1, s2, sbv1, sbv2, criterio: str) -> float:
    beneficio = (0 if pd.isna(p1) else 100 / p1) + (0 if pd.isna(p2) else 100 / p2)
    horas_50 = (h1 < 50) + (h2 < 50)
    horas_110 = (h1 < 110) + (h2 < 110)
    custo = (0 if pd.isna(s1) else s1) + (0 if pd.isna(s2) else s2)
    sbv = (0 if pd.isna(sbv1) else sbv1) + (0 if pd.isna(sbv2) else sbv2)
    dif_sbv = abs((0 if pd.isna(sbv1) else sbv1) - (0 if pd.isna(sbv2) else sbv2))
    if criterio == "menor_custo":
        return -custo + 0.2 * beneficio + 20 * horas_50 + 10 * horas_110
    if criterio == "meta_110":
        return 100 * horas_110 + 5 * beneficio - 0.05 * custo
    if criterio == "equalizar_quadrinhos":
        return -sbv - 0.5 * dif_sbv + 0.1 * beneficio
    return 100 * horas_50 + 10 * beneficio - 0.05 * custo
 def instrutores_disponiveis(data_missao: date, aeronave: str, cadastro: pd.DataFrame, indisponibilidades: pd.DataFrame, progresso: pd.DataFrame, catalogo: pd.DataFrame, disponiveis: pd.DataFrame) -> pd.DataFrame:
    qt_col = f"qt_{aeronave.lower()}"
    permitidos = set(disponiveis["tripulante"])
    rows = []
    for _, row in cadastro[cadastro[qt_col]].iterrows():
        trip = row["tripulante"]
        if trip in permitidos and piloto_disponivel(trip, data_missao, indisponibilidades) and eh_instrutor_adaptado(trip, aeronave, cadastro, progresso, catalogo):
            rows.append(row)
    return pd.DataFrame(rows)
 def gerar_duplas(candidatos: pd.DataFrame, criterio: str, tipo_escala: str, aeronave: str, data_planejamento: date, cadastro: pd.DataFrame, indisponibilidades: pd.DataFrame, progresso: pd.DataFrame, catalogo: pd.DataFrame, disponiveis: pd.DataFrame, rota_id=None, rota=None, observacao="") -> pd.DataFrame:
    if candidatos.empty:
        return pd.DataFrame()
    livres = candidatos[~candidatos["bloqueado"]].drop_duplicates("tripulante")
    linhas = []
    if tipo_escala in {"ROTA_ACIONADA", "MISSAO_LOCAL"}:
        instrutores = instrutores_disponiveis(data_planejamento, aeronave, cadastro, indisponibilidades, progresso, catalogo, disponiveis)
        for _, aluno in livres.iterrows():
            for _, inst in instrutores.iterrows():
                if aluno["tripulante"] == inst["tripulante"]:
                    continue
                linhas.append(_linha_coluna(data_planejamento, tipo_escala, aeronave, aluno, inst, criterio, rota_id, rota, observacao))
        return pd.DataFrame(linhas)
    for t1, t2 in combinations(livres["tripulante"].unique(), 2):
        info1 = livres[livres["tripulante"] == t1].iloc[0]
        info2 = livres[livres["tripulante"] == t2].iloc[0]
        linha = _linha_coluna(data_planejamento, tipo_escala, aeronave, info1, info2, criterio, rota_id, rota, observacao)
        linha["oi_trip1"] = ""
        linha["oi_trip2"] = ""
        linhas.append(linha)
    return pd.DataFrame(linhas)
 def _linha_coluna(data_planejamento, tipo_escala, aeronave, info1, info2, criterio, rota_id, rota, observacao):
    h2 = info2.get("horas_realizadas_2026", 999)
    p2 = info2.get("prioridade_paop", pd.NA)
    score = score_dupla(info1.get("prioridade_paop", pd.NA), p2, info1.get("horas_realizadas_2026", 0), h2, info1.get("soldo", 0), info2.get("soldo", 0), info1.get("sbv_realizados_2026", 0), info2.get("sbv_realizados_2026", 0), criterio)
    return {
        "data": data_planejamento,
        "tipo_escala": tipo_escala,
        "rota_id": rota_id,
        "aeronave": aeronave,
        "origem": "" if rota is None else rota.get("origem", ""),
        "destino": "" if rota is None else rota.get("destino", ""),
        "inicio": pd.NaT if rota is None else rota.get("inicio", pd.NaT),
        "fim": pd.NaT if rota is None else rota.get("fim", pd.NaT),
        "tev_horas": pd.NA if rota is None else rota.get("tev_horas", pd.NA),
        "pernoite_dias": pd.NA if rota is None else rota.get("pernoite_dias", pd.NA),
        "rota": "" if rota is None else rota.get("rota", ""),
        "trip1": info1["tripulante"],
        "trip2": info2["tripulante"],
        "oi_trip1": info1.get("oi", ""),
        "oi_trip2": "",
        "prioridade_paop_1": info1.get("prioridade_paop", pd.NA),
        "prioridade_paop_2": p2,
        "custo_financeiro": info1.get("soldo", 0) + info2.get("soldo", 0),
        "score": score,
        "observacao": observacao,
    }
 def gerar_colunas(data_planejamento, rotas, aeronaves, cadastro, indisponibilidades, progresso, catalogo, disponiveis, criterio_missao, criterio_sbv):
    livres = aeronaves[(aeronaves["disponivel_sede"]) & (~aeronaves["em_pane"]) & (~aeronaves["em_missao_rota"])]["aeronave"].tolist()
    colunas = []
    for rota_id, rota in rotas.iterrows():
        for av in livres:
            horas_disp = horas_disponiveis(aeronaves, av)
            horas_rota = parse_horas(rota.get("tev_horas"))
            if horas_rota is None and pd.notna(rota.get("duracao_horas")):
                horas_rota = float(rota.get("duracao_horas"))
            if horas_rota is not None and horas_rota > horas_disp:
                continue
            candidatos = candidatos_missao(data_planejamento, av, "ROTA", cadastro, indisponibilidades, progresso, catalogo, disponiveis)
            if len(candidatos) < 2:
                candidatos = candidatos_missao(data_planejamento, av, "TODAS", cadastro, indisponibilidades, progresso, catalogo, disponiveis)
            candidatos = filtrar_por_horas_aeronave(candidatos, horas_disp)
            if candidatos.empty:
                continue
            colunas.append(gerar_duplas(aplicar_prioridades(candidatos), criterio_missao, "ROTA_ACIONADA", av, data_planejamento, cadastro, indisponibilidades, progresso, catalogo, disponiveis, rota_id=rota_id + 1, rota=rota, observacao="Missao de rota acionada"))
    for av in livres:
        horas_disp = horas_disponiveis(aeronaves, av)
        candidatos_local = candidatos_missao(data_planejamento, av, "LOCAL", cadastro, indisponibilidades, progresso, catalogo, disponiveis)
        candidatos_local = filtrar_por_horas_aeronave(candidatos_local, horas_disp)
        if not candidatos_local.empty:
            colunas.append(gerar_duplas(aplicar_prioridades(candidatos_local), criterio_missao, "MISSAO_LOCAL", av, data_planejamento, cadastro, indisponibilidades, progresso, catalogo, disponiveis, observacao="Missao local planejada para progressao operacional"))
        candidatos_sbv = []
        for _, row in cadastro[cadastro[f"qt_{av.lower()}"]].iterrows():
            if row["tripulante"] in set(disponiveis["tripulante"]) and piloto_disponivel(row["tripulante"], data_planejamento, indisponibilidades):
                if qualificacao_operacional(row["tripulante"], av, cadastro, progresso, catalogo) != "AL":
                    r = row.copy()
                    r["aeronave"] = av
                    r["subprograma"] = ""
                    r["oi"] = ""
                    r["prioridade_paop"] = max(1, 999 - float(r.get("horas_totais_2026", 0) - r.get("horas_realizadas_2026", 0)))
                    r["bloqueado"] = False
                    candidatos_sbv.append(r)
        if len(candidatos_sbv) >= 2:
            colunas.append(gerar_duplas(pd.DataFrame(candidatos_sbv), criterio_sbv, "SBV", av, data_planejamento, cadastro, indisponibilidades, progresso, catalogo, disponiveis, observacao="Sobreaviso para missao de rota"))
    if not colunas:
        return pd.DataFrame()
    df = pd.concat(colunas, ignore_index=True)
    bonus = {"ROTA_ACIONADA": 100000, "MISSAO_LOCAL": 1000, "SBV": 0}
    df["coluna_id"] = range(1, len(df) + 1)
    df["score_milp"] = df["score"] + df["tipo_escala"].map(bonus).fillna(0)
    return df
 def horas_disponiveis(aeronaves: pd.DataFrame, aeronave: str) -> float:
    linha = aeronaves[aeronaves["aeronave"] == aeronave]
    if linha.empty:
        return float("inf")
    horas = parse_horas(linha.iloc[0].get("hora_livre"))
    return float("inf") if horas is None else horas
 def filtrar_por_horas_aeronave(candidatos: pd.DataFrame, horas_disp: float) -> pd.DataFrame:
    if candidatos.empty or horas_disp == float("inf") or "tev_horas" not in candidatos.columns:
        return candidatos
    horas_oi = candidatos["tev_horas"].map(parse_horas)
    return candidatos[(horas_oi.isna()) | (horas_oi <= horas_disp)]
--- a/src/planejador_missao/data_io.py
+++ b/src/planejador_missao/data_io.py
@@ -0,0 +1,155 @@
 """Leitura das bases de entrada e escrita do historico operacional."""
 from __future__ import annotations
 from datetime import date, datetime
 from pathlib import Path
 import pandas as pd
 from .utils import clean_columns, normalizar_texto, parse_bool, parse_data, parse_data_hora, read_csv
 AERONAVES = ["C98", "C97", "C95"]
 def carregar_parametros(base_dir: Path) -> dict:
    default = {
        "data_planejamento": "hoje",
        "criterio_missao": "meta_50",
        "criterio_sbv": "equalizar_quadrinhos",
    }
    path = base_dir / "dados" / "parametros_missao.csv"
    if path.exists():
        df = pd.read_csv(path)
        if {"parametro", "valor"}.issubset(df.columns):
            for _, row in df.iterrows():
                chave = str(row["parametro"]).strip().lower()
                if chave in default:
                    default[chave] = row["valor"]
    default["data_planejamento"] = parse_data(default["data_planejamento"])
    if default["criterio_missao"] == "paop":
        default["criterio_missao"] = "meta_50"
    return default
 def carregar_cadastro(base_dir: Path, historico: pd.DataFrame) -> pd.DataFrame:
    local = base_dir / "dados" / "Modelagem_C98_ETA2_local.xlsx"
    original = base_dir / "dados" / "Modelagem C98 ETA2.xlsx"
    arquivo = local if local.exists() else original
    df = clean_columns(pd.read_excel(arquivo, sheet_name="BANCO DE DADOS 2026"))
    resumo = pd.DataFrame(columns=["tripulante", "horas_historico", "sbv_historico"])
    if not historico.empty:
        resumo = (
            historico.groupby("tripulante", as_index=False)
            .agg(horas_historico=("horas_voadas", "sum"), sbv_historico=("sbv", "sum"))
        )
    cadastro = df.rename(
        columns={
            "subprograma_c98": "subprograma_c98",
            "subprograma_c97": "subprograma_c97",
            "subprograma_c95": "subprograma_c95",
        }
    ).copy()
    cadastro["tripulante"] = cadastro["tripulante"].map(normalizar_texto)
    cadastro["qt"] = cadastro["qt"].map(normalizar_texto)
    cadastro["qualificacao"] = cadastro["qualificacao"].map(normalizar_texto)
    for av in AERONAVES:
        cadastro[f"qt_{av.lower()}"] = cadastro["qt"].str.contains(av, na=False)
        cadastro[f"subprograma_{av.lower()}"] = cadastro[f"subprograma_{av.lower()}"].map(normalizar_texto)
        cadastro[f"horas_{av.lower()}"] = pd.to_numeric(cadastro[f"horas_{av.lower()}"], errors="coerce").fillna(0)
    cadastro["soldo"] = pd.to_numeric(cadastro["soldo"], errors="coerce").fillna(0)
    cadastro["horas_totais_2026"] = pd.to_numeric(cadastro["horas_totais_2026"], errors="coerce").fillna(0)
    cadastro = cadastro.merge(resumo, how="left", on="tripulante")
    cadastro["horas_realizadas_2026"] = cadastro["horas_historico"].fillna(0)
    cadastro["sbv_realizados_2026"] = cadastro["sbv_historico"].fillna(0)
    cadastro["disponivel"] = True
    return cadastro.drop(columns=["horas_historico", "sbv_historico"], errors="ignore")
 def carregar_catalogo_ois(base_dir: Path) -> pd.DataFrame:
    df = pd.read_excel(base_dir / "dados" / "catalogo_ois.xlsx", sheet_name="catalogo_ois", dtype=str)
    df = df.dropna(subset=["aeronave", "subprograma", "oi"]).copy()
    for col in ["aeronave", "subprograma", "oi", "esforco", "tipo_missao"]:
        df[col] = df[col].map(normalizar_texto)
    df["ordem"] = pd.to_numeric(df["ordem"], errors="coerce")
    df["eh_piloto"] = df.get("eh_piloto", "VERDADEIRO").fillna("VERDADEIRO").map(parse_bool)
    df["conta_hora_voo"] = df["tipo_missao"].isin(["LOCAL", "ROTA"])
    return df[df["eh_piloto"]].sort_values(["aeronave", "subprograma", "ordem"]).reset_index(drop=True)
 def carregar_indisponibilidades(base_dir: Path) -> pd.DataFrame:
    path = base_dir / "dados" / "indisponibilidades_2026.xlsx"
    df = pd.read_excel(path)
    df["tripulante"] = df["tripulante"].map(normalizar_texto)
    df["inicio"] = pd.to_datetime(df["inicio"]).dt.date
    df["fim"] = pd.to_datetime(df["fim"]).dt.date
    return df
 def carregar_historico(base_dir: Path) -> pd.DataFrame:
    cols = ["data", "aeronave", "tipo_escala", "tripulante", "funcao", "oi", "horas_voadas", "sbv", "origem_registro", "registrado_em"]
    df = read_csv(base_dir / "dados" / "historico_horas_voadas.csv", cols)
    if df.empty:
        return df
    df["data"] = pd.to_datetime(df["data"], errors="coerce").dt.date
    for col in ["aeronave", "tipo_escala", "tripulante", "funcao", "oi"]:
        df[col] = df[col].map(normalizar_texto)
    df["horas_voadas"] = pd.to_numeric(df["horas_voadas"], errors="coerce").fillna(0)
    df["sbv"] = pd.to_numeric(df["sbv"], errors="coerce").fillna(0)
    return df
 def carregar_progresso_ois(base_dir: Path) -> pd.DataFrame:
    path = base_dir / "dados" / "progresso_ois_2026.xlsx"
    cols = ["tripulante", "aeronave", "subprograma", "oi", "horas_realizadas", "concluida"]
    if not path.exists():
        return pd.DataFrame(columns=cols)
    df = pd.read_excel(path)
    for col in ["tripulante", "aeronave", "subprograma", "oi"]:
        df[col] = df[col].map(normalizar_texto)
    df["horas_realizadas"] = pd.to_numeric(df["horas_realizadas"], errors="coerce").fillna(0)
    df["concluida"] = df["concluida"].map(parse_bool)
    return df[cols]
 def carregar_aeronaves(base_dir: Path) -> pd.DataFrame:
    cols = ["aeronave", "disponivel_sede", "em_pane", "em_missao_rota", "hora_livre"]
    df = read_csv(base_dir / "dados" / "aeronaves_disponiveis.csv", cols)
    if df.empty:
        df = pd.DataFrame({"aeronave": AERONAVES, "disponivel_sede": True, "em_pane": False, "em_missao_rota": False, "hora_livre": "08:00"})
    df["aeronave"] = df["aeronave"].map(normalizar_texto)
    for col in ["disponivel_sede", "em_pane", "em_missao_rota"]:
        df[col] = df[col].map(parse_bool)
    return df
 def carregar_tripulantes_disponiveis(base_dir: Path) -> pd.DataFrame:
    df = read_csv(base_dir / "dados" / "tripulantes_disponiveis.csv", ["tripulante", "disponivel"])
    df["tripulante"] = df["tripulante"].map(normalizar_texto)
    df["disponivel"] = df["disponivel"].map(parse_bool)
    return df[df["disponivel"]].reset_index(drop=True)
 def carregar_rotas(base_dir: Path) -> pd.DataFrame:
    cols = ["origem", "destino", "inicio", "fim", "tev_horas", "pernoite_dias", "rota"]
    df = read_csv(base_dir / "dados" / "rotas_acionadas.csv", cols)
    if df.empty:
        return df
    for col in ["origem", "destino", "rota"]:
        df[col] = df[col].map(normalizar_texto)
    df["inicio"] = df["inicio"].map(parse_data_hora)
    df["fim"] = df["fim"].map(parse_data_hora)
    df["tev_horas"] = pd.to_numeric(df["tev_horas"], errors="coerce")
    df["pernoite_dias"] = pd.to_numeric(df["pernoite_dias"], errors="coerce").fillna((df["fim"] - df["inicio"]).dt.days).fillna(0)
    df["duracao_horas"] = (df["fim"] - df["inicio"]).dt.total_seconds() / 3600
    return df.dropna(subset=["origem", "destino"], how="all").reset_index(drop=True)
 def salvar_historico(base_dir: Path, registros: pd.DataFrame) -> None:
    path = base_dir / "dados" / "historico_horas_voadas.csv"
    historico = carregar_historico(base_dir)
    atualizado = pd.concat([historico, registros], ignore_index=True)
    atualizado.to_csv(path, index=False)
--- a/src/planejador_missao/main.py
+++ b/src/planejador_missao/main.py
@@ -0,0 +1,64 @@
 """Fluxo principal do planejador em Python."""
 from __future__ import annotations
 from pathlib import Path
 from .candidates import gerar_colunas
 from .data_io import (
    carregar_aeronaves,
    carregar_cadastro,
    carregar_catalogo_ois,
    carregar_historico,
    carregar_indisponibilidades,
    carregar_parametros,
    carregar_progresso_ois,
    carregar_rotas,
    carregar_tripulantes_disponiveis,
    salvar_historico,
 )
 from .optimizer import resolver_milp
 from .report import gerar_excel, gerar_registros
 from .rules import combinar_progresso_com_historico
 def executar_planejamento(base_dir: Path) -> dict:
    # Bloco 01 - Entrada e estado operacional.
    parametros = carregar_parametros(base_dir)
    historico = carregar_historico(base_dir)
    cadastro = carregar_cadastro(base_dir, historico)
    catalogo = carregar_catalogo_ois(base_dir)
    indisponibilidades = carregar_indisponibilidades(base_dir)
    progresso = combinar_progresso_com_historico(carregar_progresso_ois(base_dir), historico, catalogo)
    aeronaves = carregar_aeronaves(base_dir)
    disponiveis = carregar_tripulantes_disponiveis(base_dir)
    rotas = carregar_rotas(base_dir)
    # Bloco 02 - Geracao das colunas candidatas.
    colunas = gerar_colunas(
        parametros["data_planejamento"],
        rotas,
        aeronaves,
        cadastro,
        indisponibilidades,
        progresso,
        catalogo,
        disponiveis,
        parametros["criterio_missao"],
        parametros["criterio_sbv"],
    )
    # Bloco 03 - Modelo MILP e selecao final.
    solucao = resolver_milp(colunas, rotas, aeronaves)
    # Bloco 04 - Persistencia operacional e relatorio.
    registros = gerar_registros(solucao, catalogo)
    salvar_historico(base_dir, registros)
    arquivo_saida = gerar_excel(base_dir, parametros["data_planejamento"], solucao)
    return {
        "data_planejamento": parametros["data_planejamento"],
        "arquivo_saida": arquivo_saida,
        "total_candidatas": len(colunas),
        "total_selecionadas": len(solucao),
    }
--- a/src/planejador_missao/optimizer.py
+++ b/src/planejador_missao/optimizer.py
@@ -0,0 +1,60 @@
 """Modelo MILP para escolher a combinacao final de escalas."""
 from __future__ import annotations
 import numpy as np
 import pandas as pd
 from scipy.optimize import Bounds, LinearConstraint, milp
 def resolver_milp(colunas: pd.DataFrame, rotas: pd.DataFrame, aeronaves: pd.DataFrame) -> pd.DataFrame:
    if colunas.empty:
        return colunas
    n = len(colunas)
    integrality = np.ones(n)
    bounds = Bounds(np.zeros(n), np.ones(n))
    restricoes = []
    # R1 - Cada tripulante aparece no maximo uma vez.
    for trip in sorted(set(colunas["trip1"]).union(set(colunas["trip2"]))):
        linha = np.zeros(n)
        linha[(colunas["trip1"] == trip) | (colunas["trip2"] == trip)] = 1
        restricoes.append(LinearConstraint(linha, -np.inf, 1))
    livres = aeronaves[(aeronaves["disponivel_sede"]) & (~aeronaves["em_pane"]) & (~aeronaves["em_missao_rota"])]["aeronave"].unique()
    for av in livres:
        idx_rota = (colunas["aeronave"] == av) & (colunas["tipo_escala"] == "ROTA_ACIONADA")
        idx_local = (colunas["aeronave"] == av) & (colunas["tipo_escala"] == "MISSAO_LOCAL")
        idx_sbv = (colunas["aeronave"] == av) & (colunas["tipo_escala"] == "SBV")
        if not (idx_rota | idx_sbv).any():
            raise RuntimeError(f"Modelo inviavel: nao ha rota nem SBV candidato para a aeronave {av}.")
        linha = np.zeros(n)
        linha[idx_rota | idx_sbv] = 1
        restricoes.append(LinearConstraint(linha, 1, 1))
        if idx_rota.any():
            linha = np.zeros(n)
            linha[idx_rota] = 1
            restricoes.append(LinearConstraint(linha, -np.inf, 1))
        if idx_local.any():
            linha = np.zeros(n)
            linha[idx_local] = 1
            restricoes.append(LinearConstraint(linha, -np.inf, 1))
        if idx_rota.any() and idx_local.any():
            linha = np.zeros(n)
            linha[idx_rota | idx_local] = 1
            restricoes.append(LinearConstraint(linha, -np.inf, 1))
    for rota_id in range(1, len(rotas) + 1):
        idx = (colunas["tipo_escala"] == "ROTA_ACIONADA") & (colunas["rota_id"] == rota_id)
        if not idx.any():
            raise RuntimeError(f"Modelo inviavel: nao ha coluna candidata para a rota acionada {rota_id}.")
        linha = np.zeros(n)
        linha[idx] = 1
        restricoes.append(LinearConstraint(linha, 1, 1))
    resultado = milp(c=-colunas["score_milp"].to_numpy(dtype=float), integrality=integrality, bounds=bounds, constraints=restricoes)
    if not resultado.success:
        raise RuntimeError(f"MILP nao encontrou solucao viavel: {resultado.message}")
    selecionadas = resultado.x > 0.5
    return colunas.loc[selecionadas].reset_index(drop=True)
--- a/src/planejador_missao/quadrinhos.py
+++ b/src/planejador_missao/quadrinhos.py
@@ -0,0 +1,100 @@
 """Resumo operacional por tripulante para a aba de quadrinhos."""
 from __future__ import annotations
 from pathlib import Path
 import pandas as pd
 from .candidates import proxima_oi
 from .data_io import AERONAVES, carregar_cadastro, carregar_catalogo_ois, carregar_historico, carregar_progresso_ois
 from .rules import combinar_progresso_com_historico, qualificacao_operacional
 from .utils import normalizar_texto
 def carregar_quadrinho_manual(base_dir: Path) -> pd.DataFrame:
    path = base_dir / "dados" / "quadrinho_operacional_manual.csv"
    cols = [
        "tripulante",
        "aeronave",
        "qualificacao_manual",
        "horas_voadas_manual",
        "sbv_manual",
        "ultima_data_voo_manual",
        "observacao",
    ]
    if not path.exists():
        return pd.DataFrame(columns=cols)
    df = pd.read_csv(path)
    for col in cols:
        if col not in df.columns:
            df[col] = pd.NA
    df = df[cols].copy()
    df["tripulante"] = df["tripulante"].map(normalizar_texto)
    df["aeronave"] = df["aeronave"].map(normalizar_texto)
    df["horas_voadas_manual"] = pd.to_numeric(df["horas_voadas_manual"], errors="coerce").fillna(0)
    df["sbv_manual"] = pd.to_numeric(df["sbv_manual"], errors="coerce").fillna(0)
    return df
 def gerar_quadrinhos(base_dir: Path) -> pd.DataFrame:
    historico = carregar_historico(base_dir)
    cadastro = carregar_cadastro(base_dir, historico)
    catalogo = carregar_catalogo_ois(base_dir)
    progresso = combinar_progresso_com_historico(carregar_progresso_ois(base_dir), historico, catalogo)
    manual = carregar_quadrinho_manual(base_dir)
    linhas = []
    for _, trip in cadastro.sort_values("tripulante").iterrows():
        trigrama = trip["tripulante"]
        sbv_hist = float(trip.get("sbv_realizados_2026", 0) or 0)
        horas_hist = float(trip.get("horas_realizadas_2026", 0) or 0)
        for av in AERONAVES:
            if not bool(trip.get(f"qt_{av.lower()}", False)):
                continue
            manual_row = manual[(manual["tripulante"] == trigrama) & (manual["aeronave"] == av)]
            horas_manual = 0.0 if manual_row.empty else float(manual_row.iloc[0].get("horas_voadas_manual", 0) or 0)
            sbv_manual = 0.0 if manual_row.empty else float(manual_row.iloc[0].get("sbv_manual", 0) or 0)
            qual_manual = "" if manual_row.empty else normalizar_texto(manual_row.iloc[0].get("qualificacao_manual", ""))
            obs = "" if manual_row.empty else str(manual_row.iloc[0].get("observacao", "") or "")
            ultima_manual = "" if manual_row.empty else str(manual_row.iloc[0].get("ultima_data_voo_manual", "") or "")
            proximas = []
            subprogramas = [sp for sp in str(trip.get(f"subprograma_{av.lower()}", "")).split() if sp.startswith("SP")]
            for sp in subprogramas:
                oi = proxima_oi(trigrama, av, sp, progresso, catalogo)
                if oi:
                    proximas.append(f"{sp}: {oi['oi']}")
                else:
                    proximas.append(f"{sp}: concluido")
            voos_trip = historico[(historico["tripulante"] == trigrama) & (historico["aeronave"] == av) & (historico["horas_voadas"] > 0)]
            ultima_hist = "" if voos_trip.empty else max(voos_trip["data"]).isoformat()
            linhas.append(
                {
                    "tripulante": trigrama,
                    "aeronave": av,
                    "qualificacao": qual_manual or qualificacao_operacional(trigrama, av, cadastro, progresso, catalogo),
                    "proxima_oi": " | ".join(proximas) if proximas else "-",
                    "horas_aeronave_base": float(trip.get(f"horas_{av.lower()}", 0) or 0),
                    "horas_voadas_ano": horas_hist + horas_manual,
                    "sbv_ano": sbv_hist + sbv_manual,
                    "ultima_data_voo": ultima_manual or ultima_hist,
                    "meta_50_faltante": max(0.0, 50.0 - (horas_hist + horas_manual)),
                    "observacao": obs,
                }
            )
    return pd.DataFrame(linhas)
 def quadrinhos_para_api(base_dir: Path) -> dict:
    df = gerar_quadrinhos(base_dir)
    if df.empty:
        return {"linhas": [], "resumo": {"tripulantes": 0, "abaixo_50": 0, "horas_media": 0}}
    resumo = {
        "tripulantes": int(df["tripulante"].nunique()),
        "abaixo_50": int((df["horas_voadas_ano"] < 50).sum()),
        "horas_media": round(float(df["horas_voadas_ano"].mean()), 1),
    }
    return {"linhas": df.fillna("").to_dict(orient="records"), "resumo": resumo}
--- a/src/planejador_missao/report.py
+++ b/src/planejador_missao/report.py
@@ -0,0 +1,117 @@
 """Registro de horas e geracao do relatorio Excel final."""
 from __future__ import annotations
 from datetime import datetime
 from pathlib import Path
 import pandas as pd
 from openpyxl import Workbook
 from openpyxl.styles import Alignment, Font, PatternFill, Border, Side
 from openpyxl.utils.dataframe import dataframe_to_rows
 from .utils import parse_horas
 def horas_previstas(linha: pd.Series, catalogo: pd.DataFrame) -> float:
    if linha["tipo_escala"] == "SBV":
        return 0.0
    horas = parse_horas(linha.get("tev_horas"))
    if horas:
        return horas
    oi = linha.get("oi_trip1", "")
    match = catalogo[(catalogo["aeronave"] == linha["aeronave"]) & (catalogo["oi"] == oi)]
    if not match.empty and bool(match.iloc[0]["conta_hora_voo"]):
        return parse_horas(match.iloc[0]["tev_horas"]) or 0.0
    return 0.0
 def gerar_registros(solucao: pd.DataFrame, catalogo: pd.DataFrame) -> pd.DataFrame:
    linhas = []
    agora = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
    for _, row in solucao.iterrows():
        horas = horas_previstas(row, catalogo)
        sbv = 1 if row["tipo_escala"] == "SBV" else 0
        for funcao, trip, oi in [("TRIP1", row["trip1"], row.get("oi_trip1", "")), ("TRIP2", row["trip2"], row.get("oi_trip2", ""))]:
            linhas.append(
                {
                    "data": row["data"],
                    "aeronave": row["aeronave"],
                    "tipo_escala": row["tipo_escala"],
                    "tripulante": trip,
                    "funcao": funcao,
                    "oi": oi if isinstance(oi, str) else "",
                    "horas_voadas": horas,
                    "sbv": sbv,
                    "origem_registro": "escala_diaria",
                    "registrado_em": agora,
                }
            )
    return pd.DataFrame(linhas)
 def bloco(solucao: pd.DataFrame, tipo: str) -> pd.DataFrame:
    dados = solucao[solucao["tipo_escala"] == tipo]
    if dados.empty:
        return pd.DataFrame([{"AERONAVE": "-", "TRIP 1": "-", "TRIP 2": "-", "OI/FICHA": "-", "DETALHE": "Sem escala"}])
    detalhe = dados["observacao"]
    if tipo == "ROTA_ACIONADA":
        detalhe = dados["rota"].where(dados["rota"].astype(str) != "", dados["origem"] + " - " + dados["destino"])
    return pd.DataFrame(
        {
            "AERONAVE": dados["aeronave"],
            "TRIP 1": dados["trip1"],
            "TRIP 2": dados["trip2"],
            "OI/FICHA": dados["oi_trip1"].replace("", "-"),
            "DETALHE": detalhe,
        }
    )
 def escrever_tabela(ws, titulo: str, dados: pd.DataFrame, row: int, col: int, cor: str) -> None:
    fill_titulo = PatternFill("solid", fgColor=cor)
    fill_header = PatternFill("solid", fgColor="D9EAF7")
    borda = Border(*(Side(style="thin", color="BFBFBF") for _ in range(4)))
    ws.merge_cells(start_row=row, start_column=col, end_row=row, end_column=col + 4)
    cell = ws.cell(row=row, column=col, value=titulo)
    cell.fill = fill_titulo
    cell.font = Font(color="FFFFFF", bold=True)
    cell.alignment = Alignment(horizontal="center")
    for r_idx, linha in enumerate(dataframe_to_rows(dados, index=False, header=True), row + 1):
        for c_idx, valor in enumerate(linha, col):
            c = ws.cell(row=r_idx, column=c_idx, value=valor)
            c.border = borda
            c.alignment = Alignment(horizontal="center", vertical="center", wrap_text=True)
            if r_idx == row + 1:
                c.fill = fill_header
                c.font = Font(bold=True)
 def gerar_excel(base_dir: Path, data_planejamento, solucao: pd.DataFrame) -> Path:
    out_dir = base_dir / "resultados"
    out_dir.mkdir(exist_ok=True)
    arquivo = out_dir / f"planejamento_diario_{data_planejamento}.xlsx"
    if arquivo.exists():
        arquivo = out_dir / f"planejamento_diario_{data_planejamento}_{datetime.now():%H%M%S}.xlsx"
    wb = Workbook()
    ws = wb.active
    ws.title = "ESCALA DIARIA"
    ws.merge_cells("A1:Q1")
    ws["A1"] = "Planejador diario de missoes e sobreaviso - 2 ETA"
    ws["A1"].fill = PatternFill("solid", fgColor="1F4E78")
    ws["A1"].font = Font(color="FFFFFF", bold=True, size=16)
    ws["A1"].alignment = Alignment(horizontal="center")
    ws.merge_cells("A2:Q2")
    ws["A2"] = f"ESCALA DIARIA - {data_planejamento:%d/%m/%Y}"
    ws["A2"].font = Font(color="1F4E78", bold=True, size=18)
    ws["A2"].alignment = Alignment(horizontal="center")
    escrever_tabela(ws, "MISSAO ACIONADA", bloco(solucao, "ROTA_ACIONADA"), 5, 1, "C00000")
    escrever_tabela(ws, "VOOS LOCAIS", bloco(solucao, "MISSAO_LOCAL"), 5, 7, "548235")
    escrever_tabela(ws, "SOBREAVISO", bloco(solucao, "SBV"), 5, 13, "8064A2")
    for col in range(1, 18):
        ws.column_dimensions[chr(64 + col)].width = 14 if col not in {5, 11, 17} else 24
    ws.freeze_panes = "A5"
    wb.save(arquivo)
    return arquivo
--- a/src/planejador_missao/rules.py
+++ b/src/planejador_missao/rules.py
@@ -0,0 +1,108 @@
 """Regras operacionais de disponibilidade, qualificacao e progressao."""
 from __future__ import annotations
 from datetime import date
 import pandas as pd
 from .utils import normalizar_texto
 def piloto_disponivel(tripulante: str, data_missao: date, indisponibilidades: pd.DataFrame) -> bool:
    trip = normalizar_texto(tripulante)
    conflitos = indisponibilidades[
        (indisponibilidades["tripulante"] == trip)
        & (indisponibilidades["inicio"] <= data_missao)
        & (indisponibilidades["fim"] >= data_missao)
    ]
    return conflitos.empty
 def classe_principal(qualificacao: str) -> str:
    qual = normalizar_texto(qualificacao)
    for classe in ["IN", "PO", "PB", "AL"]:
        if classe in qual.split("/"):
            return classe
        if classe in qual.split():
            return classe
    return "OUTRO"
 def qualificacao_base_aeronave(tripulante: str, aeronave: str, cadastro: pd.DataFrame) -> str:
    linha = cadastro[cadastro["tripulante"] == normalizar_texto(tripulante)]
    if linha.empty:
        return "OUTRO"
    qt = [x for x in normalizar_texto(linha.iloc[0]["qt"]).split("/") if x]
    quals = [x for x in normalizar_texto(linha.iloc[0]["qualificacao"]).split("/") if x]
    if len(qt) == len(quals) and aeronave in qt:
        return classe_principal(quals[qt.index(aeronave)])
    return classe_principal(linha.iloc[0]["qualificacao"])
 def subprograma_concluido(progresso: pd.DataFrame, tripulante: str, aeronave: str, subprograma: str, catalogo: pd.DataFrame) -> bool:
    necessarias = set(catalogo[(catalogo["aeronave"] == aeronave) & (catalogo["subprograma"] == subprograma)]["oi"])
    if not necessarias:
        return False
    concluidas = set(
        progresso[
            (progresso["tripulante"] == normalizar_texto(tripulante))
            & (progresso["aeronave"] == aeronave)
            & (progresso["subprograma"] == subprograma)
            & (progresso["concluida"] == True)
        ]["oi"]
    )
    return necessarias.issubset(concluidas)
 def qualificacao_operacional(tripulante: str, aeronave: str, cadastro: pd.DataFrame, progresso: pd.DataFrame, catalogo: pd.DataFrame) -> str:
    rank = {"OUTRO": 0, "AL": 1, "PB": 2, "PO": 3, "IN": 4}[qualificacao_base_aeronave(tripulante, aeronave, cadastro)]
    if subprograma_concluido(progresso, tripulante, aeronave, "SPFO-1", catalogo):
        rank = max(rank, 2)
    if subprograma_concluido(progresso, tripulante, aeronave, "SPFO-2", catalogo):
        rank = max(rank, 3)
    if aeronave == "C98" and subprograma_concluido(progresso, tripulante, aeronave, "SPQE-3", catalogo):
        rank = max(rank, 4)
    if aeronave == "C97" and subprograma_concluido(progresso, tripulante, aeronave, "SPQE-4", catalogo):
        rank = max(rank, 4)
    return {0: "OUTRO", 1: "AL", 2: "PB", 3: "PO", 4: "IN"}[rank]
 def concluiu_ois(progresso: pd.DataFrame, tripulante: str, aeronave: str, ois: list[str]) -> bool:
    concluidas = set(
        progresso[
            (progresso["tripulante"] == normalizar_texto(tripulante))
            & (progresso["aeronave"] == aeronave)
            & (progresso["concluida"] == True)
        ]["oi"]
    )
    return set(ois).issubset(concluidas)
 def eh_instrutor_adaptado(tripulante: str, aeronave: str, cadastro: pd.DataFrame, progresso: pd.DataFrame, catalogo: pd.DataFrame) -> bool:
    trip = normalizar_texto(tripulante)
    instrutores_base = {
        "C95": {"MES", "BRI"},
        "C97": {"AEU", "MAT"},
        "C98": {"BRI", "FIA", "MDO", "SLS", "CFF"},
    }
    if trip in instrutores_base.get(aeronave, set()):
        return True
    if aeronave == "C97" and trip in {"SEI", "LPS"}:
        return concluiu_ois(progresso, trip, aeronave, ["01TL01D41", "04TL01N42"])
    if aeronave == "C98" and trip in {"MCH", "DOG"}:
        return concluiu_ois(progresso, trip, aeronave, ["01TL01D31", "04TL01N32"])
    return qualificacao_operacional(trip, aeronave, cadastro, progresso, catalogo) == "IN"
 def combinar_progresso_com_historico(progresso: pd.DataFrame, historico: pd.DataFrame, catalogo: pd.DataFrame) -> pd.DataFrame:
    if historico.empty:
        return progresso
    voadas = historico[(historico["oi"] != "") & (historico["horas_voadas"] > 0)]
    if voadas.empty:
        return progresso
    hist = voadas.merge(catalogo[["aeronave", "subprograma", "oi"]].drop_duplicates(), on=["aeronave", "oi"], how="left")
    hist = hist.dropna(subset=["subprograma"])
    hist = hist[["tripulante", "aeronave", "subprograma", "oi", "horas_voadas"]].rename(columns={"horas_voadas": "horas_realizadas"})
    hist["concluida"] = True
    return pd.concat([progresso, hist], ignore_index=True).drop_duplicates(["tripulante", "aeronave", "subprograma", "oi"])
--- a/src/planejador_missao/utils.py
+++ b/src/planejador_missao/utils.py
@@ -0,0 +1,84 @@
 """Utilitarios pequenos de normalizacao usados em todo o planejador."""
 from __future__ import annotations
 import math
 import re
 from datetime import date, datetime
 from pathlib import Path
 from typing import Any
 import pandas as pd
 def normalizar_texto(valor: Any) -> str:
    if valor is None or (isinstance(valor, float) and math.isnan(valor)):
        return ""
    return re.sub(r"\s+", " ", str(valor).strip()).upper()
 def parse_bool(valor: Any) -> bool:
    return normalizar_texto(valor) in {"TRUE", "T", "1", "SIM", "S", "YES", "Y", "VERDADEIRO"}
 def parse_data(valor: Any) -> date:
    texto = normalizar_texto(valor).lower()
    if texto in {"", "hoje", "today", "sysdate"}:
        return date.today()
    return pd.to_datetime(valor).date()
 def parse_data_hora(valor: Any) -> pd.Timestamp:
    if valor is None or str(valor).strip() == "":
        return pd.NaT
    return pd.to_datetime(valor, errors="coerce")
 def parse_horas(valor: Any) -> float | None:
    if valor is None or (isinstance(valor, float) and math.isnan(valor)):
        return None
    if isinstance(valor, (int, float)):
        return float(valor)
    texto = str(valor).strip().replace(",", ".")
    if texto == "":
        return None
    if ":" in texto:
        partes = texto.split(":")
        try:
            return float(partes[0]) + float(partes[1]) / 60
        except (ValueError, IndexError):
            return None
    try:
        return float(texto)
    except ValueError:
        return None
 def clean_columns(df: pd.DataFrame) -> pd.DataFrame:
    df = df.copy()
    df.columns = [
        normalizar_texto(c)
        .lower()
        .replace("º", "")
        .replace("ç", "c")
        .replace("ã", "a")
        .replace("á", "a")
        .replace("é", "e")
        .replace("í", "i")
        .replace("ó", "o")
        .replace("ú", "u")
        .replace(" ", "_")
        .replace(".", "")
        for c in df.columns
    ]
    return df
 def read_csv(path: Path, columns: list[str]) -> pd.DataFrame:
    if not path.exists():
        return pd.DataFrame(columns=columns)
    df = pd.read_csv(path)
    for col in columns:
        if col not in df.columns:
            df[col] = pd.NA
    return df[columns]
--- a/src/planejador_missao/validacao.py
+++ b/src/planejador_missao/validacao.py
@@ -0,0 +1,251 @@
 """Validacao retrospectiva usando voos historicos."""
 from __future__ import annotations
 from datetime import datetime
 from pathlib import Path
 import numpy as np
 import pandas as pd
 from scipy.optimize import Bounds, LinearConstraint, milp
 from .data_io import carregar_cadastro
 from .utils import normalizar_texto
 COLUNAS_VOOS_2025 = ["data", "aeronave", "tipo_escala", "tripulante", "funcao", "oi", "horas_voadas", "sbv"]
 COLUNAS_OPCIONAIS_VOOS_2025 = ["slot_id"]
 def criar_modelo_voos_2025(path: Path) -> None:
    path.parent.mkdir(parents=True, exist_ok=True)
    if path.exists():
        return
    pd.DataFrame(columns=COLUNAS_VOOS_2025).to_csv(path, index=False)
 def carregar_voos_2025(path: Path) -> pd.DataFrame:
    df = pd.read_csv(path)
    for col in COLUNAS_VOOS_2025:
        if col not in df.columns:
            df[col] = pd.NA
    for col in COLUNAS_OPCIONAIS_VOOS_2025:
        if col not in df.columns:
            df[col] = pd.NA
    df = df[COLUNAS_OPCIONAIS_VOOS_2025 + COLUNAS_VOOS_2025].copy()
    df["data"] = pd.to_datetime(df["data"], errors="coerce").dt.date
    for col in ["aeronave", "tipo_escala", "tripulante", "funcao", "oi"]:
        df[col] = df[col].map(normalizar_texto)
    df["horas_voadas"] = pd.to_numeric(df["horas_voadas"], errors="coerce").fillna(0)
    df["sbv"] = pd.to_numeric(df["sbv"], errors="coerce").fillna(0)
    return df.dropna(subset=["data"]).reset_index(drop=True)
 def _montar_slots(voos: pd.DataFrame) -> pd.DataFrame:
    voados = voos[voos["horas_voadas"] > 0].copy()
    if voados.empty:
        return pd.DataFrame(columns=["slot_id", "data", "aeronave", "tipo_escala", "horas_voadas"])
    if "slot_id" in voados.columns and not voados["slot_id"].isna().all():
        voos_unicos = (
            voados.groupby(["slot_id", "data", "aeronave", "tipo_escala"], as_index=False)
            .agg(
                horas_voadas=("horas_voadas", "max"),
                tripulantes_reais=("tripulante", lambda s: ", ".join(sorted(set(s)))),
            )
        )
        slots = (
            voos_unicos.groupby(["data", "aeronave", "tipo_escala"], as_index=False)
            .agg(
                horas_voadas=("horas_voadas", "sum"),
                tripulantes_reais=("tripulantes_reais", lambda s: ", ".join(sorted(set(", ".join(s).split(", "))))),
            )
            .sort_values(["data", "aeronave", "tipo_escala"])
            .reset_index(drop=True)
        )
    else:
        slots = (
            voados.groupby(["data", "aeronave", "tipo_escala"], as_index=False)
            .agg(horas_voadas=("horas_voadas", "max"), tripulantes_reais=("tripulante", lambda s: ", ".join(sorted(set(s)))))
            .sort_values(["data", "aeronave", "tipo_escala"])
            .reset_index(drop=True)
        )
    slots["slot_id"] = slots.index + 1
    return slots[["slot_id", "data", "aeronave", "tipo_escala", "horas_voadas", "tripulantes_reais"]]
 def _metricas(horas: pd.Series, meta_horas: float) -> dict:
    horas = horas.astype(float)
    return {
        "tripulantes": int(len(horas)),
        "horas_total": round(float(horas.sum()), 2),
        "horas_media": round(float(horas.mean()), 2) if len(horas) else 0,
        "desvio_padrao": round(float(horas.std(ddof=0)), 2) if len(horas) else 0,
        "menor_horas": round(float(horas.min()), 2) if len(horas) else 0,
        "maior_horas": round(float(horas.max()), 2) if len(horas) else 0,
        "abaixo_meta": int((horas < meta_horas).sum()),
        "desvio_medio_meta": round(float((horas - meta_horas).abs().mean()), 2) if len(horas) else 0,
    }
 def otimizar_equalizacao_50(
    base_dir: Path,
    voos: pd.DataFrame,
    meta_horas: float = 50.0,
    tempo_limite_segundos: float = 180.0,
    gap_relativo: float = 0.05,
 ) -> dict:
    historico_vazio = pd.DataFrame(columns=["tripulante", "horas_voadas", "sbv"])
    cadastro = carregar_cadastro(base_dir, historico_vazio)
    trips_cadastro = set(cadastro["tripulante"])
    if "slot_id" in voos.columns and not voos["slot_id"].isna().all():
        slots_validos = (
            voos.groupby("slot_id")["tripulante"]
            .apply(lambda s: set(s).issubset(trips_cadastro))
            .loc[lambda s: s]
            .index
        )
        voos = voos[voos["slot_id"].isin(slots_validos)].copy()
    else:
        voos = voos[voos["tripulante"].isin(trips_cadastro)].copy()
    slots = _montar_slots(voos)
    if slots.empty:
        raise RuntimeError("A base de 2025 nao possui linhas com horas_voadas maiores que zero.")
    trips = sorted(set(voos["tripulante"]) & trips_cadastro)
    if not trips:
        raise RuntimeError("Nao ha tripulantes da base de 2025 presentes no cadastro atual.")
    pares = []
    for s_idx, slot in slots.iterrows():
        qt_col = f"qt_{slot['aeronave'].lower()}"
        for t_idx, trip in enumerate(trips):
            linha = cadastro[cadastro["tripulante"] == trip]
            if not linha.empty and bool(linha.iloc[0].get(qt_col, False)):
                pares.append((s_idx, t_idx, float(slot["horas_voadas"])))
    if not pares:
        raise RuntimeError("Nao ha candidatos compativeis entre aeronaves dos voos 2025 e cadastro.")
    n_x = len(pares)
    n_t = len(trips)
    hmax_idx = n_x + 2 * n_t
    hmin_idx = hmax_idx + 1
    n_vars = hmin_idx + 1
    c = np.zeros(n_vars)
    c[n_x : n_x + n_t] = 1
    c[n_x + n_t :] = 1
    c[hmax_idx] = 100
    c[hmin_idx] = -100
    integrality = np.zeros(n_vars)
    integrality[:n_x] = 1
    bounds = Bounds(np.zeros(n_vars), np.r_[np.ones(n_x), np.full(2 * n_t + 2, np.inf)])
    constraints = []
    for s_idx in range(len(slots)):
        row = np.zeros(n_vars)
        for var_idx, (slot_i, _, _) in enumerate(pares):
            if slot_i == s_idx:
                row[var_idx] = 1
        constraints.append(LinearConstraint(row, 2, 2))
    for data in sorted(slots["data"].unique()):
        slots_dia = set(slots.index[slots["data"] == data])
        for t_idx in range(n_t):
            row = np.zeros(n_vars)
            for var_idx, (slot_i, trip_i, _) in enumerate(pares):
                if slot_i in slots_dia and trip_i == t_idx:
                    row[var_idx] = 1
            constraints.append(LinearConstraint(row, -np.inf, 1))
    for t_idx in range(n_t):
        row = np.zeros(n_vars)
        for var_idx, (_, trip_i, horas) in enumerate(pares):
            if trip_i == t_idx:
                row[var_idx] = horas
        row[n_x + t_idx] = -1
        row[n_x + n_t + t_idx] = 1
        constraints.append(LinearConstraint(row, meta_horas, meta_horas))
        row = np.zeros(n_vars)
        for var_idx, (_, trip_i, horas) in enumerate(pares):
            if trip_i == t_idx:
                row[var_idx] = horas
        row[hmax_idx] = -1
        constraints.append(LinearConstraint(row, -np.inf, 0))
        row = np.zeros(n_vars)
        for var_idx, (_, trip_i, horas) in enumerate(pares):
            if trip_i == t_idx:
                row[var_idx] = horas
        row[hmin_idx] = -1
        constraints.append(LinearConstraint(row, 0, np.inf))
    result = milp(
        c=c,
        integrality=integrality,
        bounds=bounds,
        constraints=constraints,
        options={"time_limit": tempo_limite_segundos, "mip_rel_gap": gap_relativo},
    )
    if result.x is None:
        raise RuntimeError(f"Validacao MILP inviavel: {result.message}")
    escolhidos = result.x[:n_x] > 0.5
    linhas = []
    for var_idx, escolhido in enumerate(escolhidos):
        if not escolhido:
            continue
        s_idx, t_idx, horas = pares[var_idx]
        slot = slots.iloc[s_idx]
        linhas.append(
            {
                "slot_id": int(slot["slot_id"]),
                "data": slot["data"],
                "aeronave": slot["aeronave"],
                "tipo_escala": slot["tipo_escala"],
                "tripulante_otimizado": trips[t_idx],
                "horas_voadas": horas,
                "tripulantes_reais": slot["tripulantes_reais"],
            }
        )
    otimizados = pd.DataFrame(linhas)
    horas_reais = voos.groupby("tripulante")["horas_voadas"].sum().reindex(trips, fill_value=0)
    horas_otimizadas = otimizados.groupby("tripulante_otimizado")["horas_voadas"].sum().reindex(trips, fill_value=0)
    comparativo = pd.DataFrame(
        {
            "tripulante": trips,
            "horas_reais_2025": horas_reais.to_numpy(),
            "horas_otimizadas_meta_50": horas_otimizadas.to_numpy(),
        }
    )
    comparativo["delta_otimizado_menos_real"] = comparativo["horas_otimizadas_meta_50"] - comparativo["horas_reais_2025"]
    return {
        "slots": slots,
        "otimizados": otimizados,
        "comparativo": comparativo,
        "metricas": pd.DataFrame(
            [
                {"cenario": "real_2025", **_metricas(comparativo["horas_reais_2025"], meta_horas)},
                {"cenario": "otimizado_meta_50", **_metricas(comparativo["horas_otimizadas_meta_50"], meta_horas)},
            ]
        ),
        "status_solver": {
            "sucesso": bool(result.success),
            "mensagem": str(result.message),
            "fun_objetivo": float(result.fun) if result.fun is not None else None,
        },
    }
 def salvar_relatorio_validacao(base_dir: Path, resultado: dict, meta_horas: float = 50.0) -> Path:
    out_dir = base_dir / "resultados" / "validacao"
    out_dir.mkdir(parents=True, exist_ok=True)
    arquivo = out_dir / f"validacao_2025_meta_{int(meta_horas)}_{datetime.now():%Y%m%d_%H%M%S}.xlsx"
    with pd.ExcelWriter(arquivo, engine="openpyxl") as writer:
        pd.DataFrame([resultado.get("status_solver", {})]).to_excel(writer, sheet_name="solver", index=False)
        resultado["metricas"].to_excel(writer, sheet_name="metricas", index=False)
        resultado["comparativo"].to_excel(writer, sheet_name="comparativo_trips", index=False)
        resultado["slots"].to_excel(writer, sheet_name="voos_2025_slots", index=False)
        resultado["otimizados"].to_excel(writer, sheet_name="escala_otimizada", index=False)
    return arquivo
--- a/web_app.py
+++ b/web_app.py
@@ -0,0 +1,578 @@
 """Interface web local em HTML para o planejador diario."""
 from __future__ import annotations
 import json
 import mimetypes
 import os
 import threading
 import webbrowser
 from http.server import BaseHTTPRequestHandler, ThreadingHTTPServer
 from pathlib import Path
 from urllib.parse import urlparse
 import pandas as pd
 from src.planejador_missao.main import executar_planejamento
 from src.planejador_missao.quadrinhos import quadrinhos_para_api
 from src.planejador_missao.utils import normalizar_texto, parse_bool
 BASE_DIR = Path(__file__).resolve().parent
 DADOS_DIR = BASE_DIR / "dados"
 HOST = "127.0.0.1"
 PORT = 8050
 def read_csv(path: Path, default: pd.DataFrame) -> pd.DataFrame:
    if not path.exists():
        return default.copy()
    return pd.read_csv(path).fillna("")
 def load_state() -> dict:
    parametros_default = pd.DataFrame(
        {
            "parametro": ["data_planejamento", "criterio_missao", "criterio_sbv"],
            "valor": ["hoje", "meta_50", "equalizar_quadrinhos"],
        }
    )
    parametros_df = read_csv(DADOS_DIR / "parametros_missao.csv", parametros_default)
    parametros = dict(zip(parametros_df["parametro"], parametros_df["valor"]))
    aeronaves_default = pd.DataFrame(
        {
            "aeronave": ["C98", "C97", "C95"],
            "disponivel_sede": [True, True, True],
            "em_pane": [False, False, False],
            "em_missao_rota": [False, False, False],
            "hora_livre": ["08:00", "08:00", "08:00"],
        }
    )
    aeronaves = read_csv(DADOS_DIR / "aeronaves_disponiveis.csv", aeronaves_default)
    for col in ["disponivel_sede", "em_pane", "em_missao_rota"]:
        aeronaves[col] = aeronaves[col].map(parse_bool)
    rota_default = pd.DataFrame(
        {
            "origem": ["NT"],
            "destino": [""],
            "inicio": [pd.Timestamp.today().strftime("%Y-%m-%d 08:00")],
            "fim": [pd.Timestamp.today().strftime("%Y-%m-%d 17:00")],
            "tev_horas": [0],
            "pernoite_dias": [0],
            "rota": [""],
        }
    )
    rotas = read_csv(DADOS_DIR / "rotas_acionadas.csv", rota_default)
    rota = rota_default.iloc[0].to_dict() if rotas.empty else rotas.iloc[0].to_dict()
    trips_default = pd.DataFrame({"tripulante": [], "disponivel": []})
    tripulantes = read_csv(DADOS_DIR / "tripulantes_disponiveis.csv", trips_default)
    if not tripulantes.empty:
        tripulantes["tripulante"] = tripulantes["tripulante"].map(normalizar_texto)
        tripulantes["disponivel"] = tripulantes["disponivel"].map(parse_bool)
        tripulantes = tripulantes.sort_values("tripulante")
    return {
        "parametros": {
            "data_planejamento": str(parametros.get("data_planejamento", "hoje")),
            "criterio_missao": str(parametros.get("criterio_missao", "meta_50")),
            "criterio_sbv": str(parametros.get("criterio_sbv", "equalizar_quadrinhos")),
        },
        "aeronaves": aeronaves.to_dict(orient="records"),
        "rota": rota,
        "tem_rota": str(rota.get("destino", "")).strip() != "",
        "tripulantes": tripulantes.to_dict(orient="records"),
    }
 def save_state(payload: dict) -> None:
    parametros = payload.get("parametros", {})
    pd.DataFrame(
        {
            "parametro": ["data_planejamento", "criterio_missao", "criterio_sbv"],
            "valor": [
                parametros.get("data_planejamento", "hoje"),
                parametros.get("criterio_missao", "meta_50"),
                parametros.get("criterio_sbv", "equalizar_quadrinhos"),
            ],
        }
    ).to_csv(DADOS_DIR / "parametros_missao.csv", index=False)
    pd.DataFrame(payload.get("aeronaves", [])).to_csv(DADOS_DIR / "aeronaves_disponiveis.csv", index=False)
    if payload.get("tem_rota", False):
        rota = payload.get("rota", {})
        pd.DataFrame(
            {
                "origem": [normalizar_texto(rota.get("origem", "NT"))],
                "destino": [normalizar_texto(rota.get("destino", ""))],
                "inicio": [str(rota.get("inicio", "")).strip()],
                "fim": [str(rota.get("fim", "")).strip()],
                "tev_horas": [str(rota.get("tev_horas", "0")).strip()],
                "pernoite_dias": [str(rota.get("pernoite_dias", "0")).strip()],
                "rota": [normalizar_texto(rota.get("rota", ""))],
            }
        ).to_csv(DADOS_DIR / "rotas_acionadas.csv", index=False)
    else:
        pd.DataFrame(columns=["origem", "destino", "inicio", "fim", "tev_horas", "pernoite_dias", "rota"]).to_csv(
            DADOS_DIR / "rotas_acionadas.csv", index=False
        )
    tripulantes = pd.DataFrame(payload.get("tripulantes", []))
    if not tripulantes.empty:
        tripulantes["tripulante"] = tripulantes["tripulante"].map(normalizar_texto)
    tripulantes.to_csv(DADOS_DIR / "tripulantes_disponiveis.csv", index=False)
 class Handler(BaseHTTPRequestHandler):
    def do_GET(self) -> None:
        path = urlparse(self.path).path
        if path == "/":
            self._send_html(INDEX_HTML)
            return
        if path == "/api/state":
            self._send_json(load_state())
            return
        if path == "/api/quadrinhos":
            self._send_json(quadrinhos_para_api(BASE_DIR))
            return
        if path.startswith("/assets/"):
            self._send_file(DADOS_DIR / "assets" / path.removeprefix("/assets/"))
            return
        self.send_error(404)
    def do_POST(self) -> None:
        path = urlparse(self.path).path
        payload = self._read_json()
        if path == "/api/save":
            save_state(payload)
            self._send_json({"ok": True, "message": "Entradas salvas em dados/."})
            return
        if path == "/api/run":
            save_state(payload)
            resultado = executar_planejamento(BASE_DIR)
            self._send_json(
                {
                    "ok": True,
                    "message": "Escala gerada com sucesso.",
                    "data_planejamento": str(resultado["data_planejamento"]),
                    "arquivo_saida": str(resultado["arquivo_saida"]),
                    "total_candidatas": resultado["total_candidatas"],
                    "total_selecionadas": resultado["total_selecionadas"],
                }
            )
            return
        if path == "/api/open-latest":
            arquivos = sorted((BASE_DIR / "resultados").glob("planejamento_diario_*.xlsx"), key=lambda p: p.stat().st_mtime)
            if not arquivos:
                self._send_json({"ok": False, "message": "Nenhuma planilha encontrada."}, status=404)
                return
            os.startfile(arquivos[-1])
            self._send_json({"ok": True, "message": f"Abrindo {arquivos[-1]}"})
            return
        self.send_error(404)
    def _read_json(self) -> dict:
        length = int(self.headers.get("Content-Length", "0"))
        if length == 0:
            return {}
        return json.loads(self.rfile.read(length).decode("utf-8"))
    def _send_json(self, payload: dict, status: int = 200) -> None:
        data = json.dumps(payload, ensure_ascii=False).encode("utf-8")
        self.send_response(status)
        self.send_header("Content-Type", "application/json; charset=utf-8")
        self.send_header("Content-Length", str(len(data)))
        self.end_headers()
        self.wfile.write(data)
    def _send_html(self, html: str) -> None:
        data = html.encode("utf-8")
        self.send_response(200)
        self.send_header("Content-Type", "text/html; charset=utf-8")
        self.send_header("Content-Length", str(len(data)))
        self.end_headers()
        self.wfile.write(data)
    def _send_file(self, path: Path) -> None:
        try:
            resolved = path.resolve()
            assets_dir = (DADOS_DIR / "assets").resolve()
            if not resolved.is_file() or assets_dir not in resolved.parents:
                self.send_error(404)
                return
            data = resolved.read_bytes()
            content_type = mimetypes.guess_type(str(resolved))[0] or "application/octet-stream"
            self.send_response(200)
            self.send_header("Content-Type", content_type)
            self.send_header("Content-Length", str(len(data)))
            self.end_headers()
            self.wfile.write(data)
        except OSError:
            self.send_error(404)
    def log_message(self, format: str, *args) -> None:
        return
 INDEX_HTML = r"""<!doctype html>
 <html lang="pt-BR">
 <head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1">
  <title>Planejador Diario de Missoes</title>
  <link rel="icon" href="/assets/favicon.ico">
  <style>
    :root {
      --ink:#172033; --muted:#667085; --line:#d7deea; --brand:#1f4e78; --brand-2:#2c6b9f;
      --bg:#eef3f8; --panel:#ffffff; --soft:#f7fafc; --ok:#26734d; --ok-2:#1d6b46; --warn:#9a3412;
      --shadow:0 12px 28px rgba(23,32,51,.10); --shadow-soft:0 5px 16px rgba(23,32,51,.07);
    }
    * { box-sizing: border-box; }
    body { margin:0; font-family: Segoe UI, Arial, sans-serif; color:var(--ink); background:var(--bg); }
    header { background:linear-gradient(135deg, #12334f, #1f4e78 58%, #2f7a9f); color:white; padding:18px 26px; box-shadow:var(--shadow); }
    .topbar { max-width:1280px; margin:0 auto; display:flex; align-items:center; justify-content:space-between; gap:18px; }
    .brand { display:flex; align-items:center; gap:14px; min-width:0; }
    .brand img { width:48px; height:48px; object-fit:contain; background:white; border-radius:6px; padding:5px; }
    h1 { font-size:22px; line-height:1.15; margin:0; color:white; letter-spacing:0; }
    .subtitle { margin-top:4px; color:#dceaf5; font-size:13px; }
    main { padding:22px 24px 32px; max-width:1280px; margin:0 auto; }
    .grid { display:grid; grid-template-columns: minmax(0, 1fr) minmax(360px, .9fr); gap:18px; align-items:start; }
    section { background:var(--panel); border:1px solid var(--line); border-radius:8px; padding:18px; box-shadow:var(--shadow-soft); }
    h2 { font-size:15px; margin:0 0 14px; color:var(--brand); display:flex; align-items:center; gap:8px; }
    h2::before { content:""; width:4px; height:18px; border-radius:4px; background:var(--brand-2); display:inline-block; }
    label { display:block; font-size:12px; font-weight:700; color:#344054; margin-bottom:6px; }
    input, select { width:100%; padding:10px 11px; border:1px solid #c7d3e0; border-radius:6px; font-size:14px; background:white; color:var(--ink); outline:none; transition:border-color .15s, box-shadow .15s; }
    input:focus, select:focus { border-color:var(--brand-2); box-shadow:0 0 0 3px rgba(47,122,159,.14); }
    .row { display:grid; grid-template-columns: repeat(2, minmax(0, 1fr)); gap:12px; margin-bottom:12px; }
    .check { display:flex; align-items:center; gap:8px; margin:9px 0; font-size:14px; color:#26364a; }
    .check input { width:16px; height:16px; accent-color:var(--brand); }
    .aircraft { border-top:1px solid var(--line); padding-top:13px; margin-top:13px; }
    .aircraft:first-of-type { border-top:0; padding-top:0; margin-top:0; }
    .aircraft strong { display:block; margin-bottom:9px; color:#122b43; font-size:14px; }
    .crewbar { display:flex; gap:8px; margin-bottom:10px; }
    button { border:0; border-radius:6px; padding:10px 14px; font-weight:700; cursor:pointer; background:#e7edf3; color:#172033; transition:transform .12s, box-shadow .12s, background .12s; }
    button:hover { transform:translateY(-1px); box-shadow:0 5px 12px rgba(23,32,51,.13); }
    button.primary { background:#ffffff; color:var(--brand); }
    button.success { background:var(--ok); color:white; }
    main button.primary { background:var(--brand); color:white; }
    main button.success { background:var(--ok-2); color:white; }
    button:disabled { opacity:.55; cursor:wait; }
    .crew { height:290px; overflow:auto; border:1px solid var(--line); border-radius:8px; padding:10px; display:grid; grid-template-columns: repeat(4, minmax(78px, 1fr)); gap:6px 10px; background:var(--soft); }
    .crew label { display:flex; align-items:center; gap:7px; font-size:13px; font-weight:600; margin:0; background:white; border:1px solid #e1e8f0; border-radius:5px; padding:6px 7px; }
    .crew input { width:15px; height:15px; accent-color:var(--brand); }
    pre { white-space:pre-wrap; background:#101928; color:#dbe7f2; border-radius:8px; padding:15px; min-height:132px; margin:0; font-size:13px; line-height:1.5; border:1px solid #26374d; }
    .actions { display:flex; flex-wrap:wrap; gap:10px; }
    .tabs { display:flex; gap:8px; margin-bottom:18px; border-bottom:1px solid var(--line); }
    .tab { border-radius:7px 7px 0 0; background:#dfe8f2; color:#1f2937; padding:10px 14px; box-shadow:none; }
    .tab:hover { box-shadow:none; }
    .tab.active { background:var(--brand); color:white; }
    .view { display:none; }
    .view.active { display:block; }
    .summary { display:grid; grid-template-columns: repeat(3, minmax(0, 1fr)); gap:10px; margin-bottom:12px; }
    .metric { border:1px solid var(--line); border-radius:8px; padding:12px; background:var(--soft); color:#475467; font-weight:700; }
    .metric b { display:block; color:var(--brand); font-size:20px; margin-top:3px; }
    .toolbar { display:grid; grid-template-columns: 1.5fr 180px 180px; gap:10px; margin-bottom:10px; }
    .tablewrap { overflow:auto; border:1px solid var(--line); border-radius:8px; background:white; max-height:520px; }
    table { width:100%; border-collapse:collapse; font-size:13px; min-width:980px; }
    th, td { border-bottom:1px solid var(--line); padding:9px 10px; text-align:left; vertical-align:top; }
    th { background:#e8f0f8; color:#243b53; position:sticky; top:0; z-index:1; }
    tbody tr:nth-child(even) { background:#fafcff; }
    td.num { text-align:right; font-variant-numeric: tabular-nums; }
    @media (max-width: 900px) { .topbar { align-items:flex-start; flex-direction:column; } .grid { grid-template-columns:1fr; } .crew { grid-template-columns: repeat(2, minmax(80px, 1fr)); } }
    @media (max-width: 900px) { .summary, .toolbar { grid-template-columns:1fr; } }
  </style>
 </head>
 <body>
  <header>
    <div class="topbar">
      <div class="brand">
        <img src="/assets/app_logo.png" alt="">
        <div>
          <h1>Planejador Diario de Missoes</h1>
          <div class="subtitle">Escala, sobreaviso e acompanhamento operacional</div>
        </div>
      </div>
      <div class="actions">
        <button onclick="save()">Salvar entradas</button>
        <button class="primary" onclick="run()">Gerar escala</button>
        <button class="success" onclick="openLatest()">Abrir planilha</button>
      </div>
    </div>
  </header>
  <main>
    <div class="tabs">
      <button class="tab active" data-view="planejamento" onclick="showView('planejamento')">Planejamento</button>
      <button class="tab" data-view="quadrinhos" onclick="showView('quadrinhos')">Quadrinhos</button>
    </div>
    <div id="planejamento" class="view active">
    <div class="grid">
      <section>
        <h2>Parametros</h2>
        <div class="row">
          <div><label>Data</label><input id="data_planejamento" placeholder="hoje ou AAAA-MM-DD"></div>
          <div><label>Criterio missao</label><select id="criterio_missao"><option>meta_50</option><option>meta_110</option><option>menor_custo</option></select></div>
        </div>
        <div class="row">
          <div><label>Criterio SBV</label><select id="criterio_sbv"><option>equalizar_quadrinhos</option><option>meta_50</option><option>meta_110</option></select></div>
        </div>
      </section>
      <section>
        <h2>Aeronaves</h2>
        <div id="aeronaves"></div>
      </section>
      <section>
        <h2>Missao acionada</h2>
        <label class="check"><input id="tem_rota" type="checkbox"> Existe missao de rota acionada</label>
        <div class="row">
          <div><label>Origem</label><input id="origem"></div>
          <div><label>Destino</label><input id="destino"></div>
        </div>
        <div class="row">
          <div><label>Inicio</label><input id="inicio" placeholder="AAAA-MM-DD HH:MM"></div>
          <div><label>Fim</label><input id="fim" placeholder="AAAA-MM-DD HH:MM"></div>
        </div>
        <div class="row">
          <div><label>TEV horas</label><input id="tev_horas"></div>
          <div><label>Pernoites</label><input id="pernoite_dias"></div>
        </div>
        <div><label>Rota resumida</label><input id="rota"></div>
      </section>
      <section>
        <h2>Tripulantes disponiveis</h2>
        <div class="crewbar">
          <button onclick="setCrew(true)">Marcar todos</button>
          <button onclick="setCrew(false)">Desmarcar todos</button>
        </div>
        <div id="tripulantes" class="crew"></div>
      </section>
      <section style="grid-column: 1 / -1;">
        <h2>Status</h2>
        <pre id="log">Carregando dados...</pre>
      </section>
    </div>
    </div>
    <div id="quadrinhos" class="view">
      <section>
        <h2>Quadrinho operacional</h2>
        <div class="summary">
          <div class="metric">Tripulantes<b id="qtd_trip">-</b></div>
          <div class="metric">Quadrinhos abaixo de 50h<b id="qtd_abaixo50">-</b></div>
          <div class="metric">Media de horas no ano<b id="media_horas">-</b></div>
        </div>
        <div class="toolbar">
          <input id="q_busca" placeholder="Filtrar por tripulante, OI ou observacao" oninput="renderQuadrinhos()">
          <select id="q_aeronave" onchange="renderQuadrinhos()"><option value="">Todas aeronaves</option><option>C98</option><option>C97</option><option>C95</option></select>
          <select id="q_meta" onchange="renderQuadrinhos()"><option value="">Todos</option><option value="abaixo50">Abaixo de 50h</option></select>
        </div>
        <div class="tablewrap">
          <table>
            <thead>
              <tr>
                <th>Trip</th><th>Aeronave</th><th>Qualificacao</th><th>Proxima OI</th>
                <th>Horas base</th><th>Horas ano</th><th>SBV</th><th>Faltam 50h</th><th>Ultimo voo</th><th>Obs</th>
              </tr>
            </thead>
            <tbody id="quadrinhos_body"><tr><td colspan="10">Carregando...</td></tr></tbody>
          </table>
        </div>
      </section>
    </div>
  </main>
  <script>
    let state = null;
    let quadrinhos = [];
    async function load() {
      const res = await fetch('/api/state');
      state = await res.json();
      document.querySelector('#data_planejamento').value = state.parametros.data_planejamento;
      document.querySelector('#criterio_missao').value = state.parametros.criterio_missao;
      document.querySelector('#criterio_sbv').value = state.parametros.criterio_sbv;
      document.querySelector('#tem_rota').checked = state.tem_rota;
      for (const key of ['origem','destino','inicio','fim','tev_horas','pernoite_dias','rota']) {
        document.querySelector('#' + key).value = state.rota[key] ?? '';
      }
      renderAircraft();
      renderCrew();
      log('Pronto. Edite as entradas e clique em Salvar e gerar escala.');
      loadQuadrinhos();
    }
    function showView(name) {
      for (const view of document.querySelectorAll('.view')) view.classList.toggle('active', view.id === name);
      for (const tab of document.querySelectorAll('.tab')) tab.classList.toggle('active', tab.dataset.view === name);
      if (name === 'quadrinhos' && quadrinhos.length === 0) loadQuadrinhos();
    }
    async function loadQuadrinhos() {
      const res = await fetch('/api/quadrinhos');
      const data = await res.json();
      quadrinhos = data.linhas ?? [];
      document.querySelector('#qtd_trip').textContent = data.resumo?.tripulantes ?? 0;
      document.querySelector('#qtd_abaixo50').textContent = data.resumo?.abaixo_50 ?? 0;
      document.querySelector('#media_horas').textContent = `${data.resumo?.horas_media ?? 0} h`;
      renderQuadrinhos();
    }
    function renderQuadrinhos() {
      const root = document.querySelector('#quadrinhos_body');
      const busca = (document.querySelector('#q_busca')?.value ?? '').trim().toUpperCase();
      const aeronave = document.querySelector('#q_aeronave')?.value ?? '';
      const meta = document.querySelector('#q_meta')?.value ?? '';
      const rows = quadrinhos.filter((q) => {
        const texto = `${q.tripulante} ${q.aeronave} ${q.qualificacao} ${q.proxima_oi} ${q.observacao}`.toUpperCase();
        return (!busca || texto.includes(busca)) && (!aeronave || q.aeronave === aeronave) && (!meta || Number(q.horas_voadas_ano) < 50);
      });
      if (rows.length === 0) {
        root.innerHTML = '<tr><td colspan="10">Nenhum quadrinho encontrado.</td></tr>';
        return;
      }
      root.innerHTML = rows.map((q) => `
        <tr>
          <td>${q.tripulante}</td>
          <td>${q.aeronave}</td>
          <td>${q.qualificacao}</td>
          <td>${q.proxima_oi}</td>
          <td class="num">${fmt(q.horas_aeronave_base)}</td>
          <td class="num">${fmt(q.horas_voadas_ano)}</td>
          <td class="num">${fmt(q.sbv_ano)}</td>
          <td class="num">${fmt(q.meta_50_faltante)}</td>
          <td>${q.ultima_data_voo ?? ''}</td>
          <td>${q.observacao ?? ''}</td>
        </tr>
      `).join('');
    }
    function fmt(value) {
      const n = Number(value);
      if (!Number.isFinite(n)) return '';
      return n.toLocaleString('pt-BR', { maximumFractionDigits: 1 });
    }
    function renderAircraft() {
      const root = document.querySelector('#aeronaves');
      root.innerHTML = '';
      for (const av of state.aeronaves) {
        const item = document.createElement('div');
        item.className = 'aircraft';
        item.innerHTML = `
          <strong>${av.aeronave}</strong>
          <label class="check"><input type="checkbox" data-av="${av.aeronave}" data-field="disponivel_sede" ${av.disponivel_sede ? 'checked' : ''}> Disponivel em sede</label>
          <label class="check"><input type="checkbox" data-av="${av.aeronave}" data-field="em_pane" ${av.em_pane ? 'checked' : ''}> Em pane</label>
          <label class="check"><input type="checkbox" data-av="${av.aeronave}" data-field="em_missao_rota" ${av.em_missao_rota ? 'checked' : ''}> Em missao de rota</label>
          <label>Hora livre</label><input value="${av.hora_livre ?? ''}" data-av="${av.aeronave}" data-field="hora_livre">
        `;
        root.appendChild(item);
      }
    }
    function renderCrew() {
      const root = document.querySelector('#tripulantes');
      root.innerHTML = '';
      for (const trip of state.tripulantes) {
        const label = document.createElement('label');
        label.innerHTML = `<input type="checkbox" data-trip="${trip.tripulante}" ${trip.disponivel ? 'checked' : ''}> ${trip.tripulante}`;
        root.appendChild(label);
      }
    }
    function collect() {
      const payload = {
        parametros: {
          data_planejamento: document.querySelector('#data_planejamento').value,
          criterio_missao: document.querySelector('#criterio_missao').value,
          criterio_sbv: document.querySelector('#criterio_sbv').value,
        },
        tem_rota: document.querySelector('#tem_rota').checked,
        rota: {},
        aeronaves: [],
        tripulantes: [],
      };
      for (const key of ['origem','destino','inicio','fim','tev_horas','pernoite_dias','rota']) {
        payload.rota[key] = document.querySelector('#' + key).value;
      }
      for (const av of state.aeronaves) {
        const out = { aeronave: av.aeronave };
        for (const field of ['disponivel_sede','em_pane','em_missao_rota']) {
          out[field] = document.querySelector(`[data-av="${av.aeronave}"][data-field="${field}"]`).checked;
        }
        out.hora_livre = document.querySelector(`[data-av="${av.aeronave}"][data-field="hora_livre"]`).value;
        payload.aeronaves.push(out);
      }
      for (const input of document.querySelectorAll('[data-trip]')) {
        payload.tripulantes.push({ tripulante: input.dataset.trip, disponivel: input.checked });
      }
      return payload;
    }
    async function save() {
      setBusy(true);
      try {
        const res = await fetch('/api/save', { method:'POST', headers:{'Content-Type':'application/json'}, body:JSON.stringify(collect()) });
        const data = await res.json();
        log(data.message);
      } finally {
        setBusy(false);
      }
    }
    async function run() {
      setBusy(true);
      log('Gerando escala. Aguarde...');
      try {
        const res = await fetch('/api/run', { method:'POST', headers:{'Content-Type':'application/json'}, body:JSON.stringify(collect()) });
        const data = await res.json();
        if (!data.ok) throw new Error(data.message);
        log(`${data.message}\nData: ${data.data_planejamento}\nColunas candidatas: ${data.total_candidatas}\nEscalas selecionadas: ${data.total_selecionadas}\nArquivo: ${data.arquivo_saida}`);
        loadQuadrinhos();
      } catch (err) {
        log('Erro ao gerar escala:\n' + err.message);
      } finally {
        setBusy(false);
      }
    }
    async function openLatest() {
      const res = await fetch('/api/open-latest', { method:'POST', headers:{'Content-Type':'application/json'}, body:'{}' });
      const data = await res.json();
      log(data.message);
    }
    function setCrew(value) {
      for (const input of document.querySelectorAll('[data-trip]')) input.checked = value;
    }
    function setBusy(value) {
      for (const btn of document.querySelectorAll('button')) btn.disabled = value;
    }
    function log(text) {
      document.querySelector('#log').textContent = text;
    }
    load();
  </script>
 </body>
 </html>
 """
 def main() -> None:
    server = ThreadingHTTPServer((HOST, PORT), Handler)
    url = f"http://{HOST}:{PORT}"
    threading.Timer(0.5, lambda: webbrowser.open(url)).start()
    print(f"Interface web aberta em {url}")
    print("Pressione Ctrl+C para encerrar.")
    server.serve_forever()
 if __name__ == "__main__":
    main()
		`@@ -0,0 +1 @@`
							`tripulante,aeronave,qualificacao_manual,horas_voadas_manual,sbv_manual,ultima_data_voo_manual,observacao`
		`@@ -0,0 +1,2 @@`
							`origem,destino,inicio,fim,tev_horas,pernoite_dias,rota`
							`NT,NT,2026-06-14 08:00,2026-06-17 13:00,6,3,NT-RF-FZ-RF-NT`
		`@@ -0,0 +1,2 @@`
							`"""Planejador de missao e sobreaviso por MILP."""`