Inclui @vitorcesavc nos autores (README e docs/authors.md)

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

.gitignore

@@ -9,6 +9,7 @@ Desktop.ini
 # Local editor folders
 .vscode/
 .idea/
+.claude/
 
 # Python cache
 __pycache__/

HANDOFF_arara_oamrp.md

@@ -0,0 +1,119 @@
+# HANDOFF — ARARA OAMRP (Aircraft Routing C-105 / FAB)
+
+> Documento de transferência para o **Claude Code**.
+> Projeto local: `arara_oamrp/`. Cole/abra este arquivo no Claude Code e siga as instruções de leitura antes de validar a formulação e gerar código.
+
+---
+
+## 0. Enquadramento do problema
+
+Modelo de **Aircraft Routing** para o Esquadrão ARARA (C-105), no estilo **OAMRP** (Al-Thani et al., 2016): sequenciamento **compacto** em **rede espaço-tempo**.
+
+**NÃO** é Set Partitioning + Column Generation (modelo civil Bazargan). Desvios deliberados em relação ao caso civil:
+
+1. **Cobertura ≤ 1** (seleção de missões), não particionamento `= 1`.
+2. **Objetivo de maximização** de cobertura ponderada por prioridade, não minimização de custo.
+3. Possibilidade de subconjunto de missões **obrigatórias (hard)**.
+
+**Stack:** Python + PuLP (CBC para começar) → HiGHS como evolução.
+
+---
+
+## 1. Calibração confirmada (respostas do Vitor)
+
+| Item | Decisão |
+|---|---|
+| Frota | **4 aeronaves**, homogêneas (mesmo LRT, mesma performance) |
+| Horizonte | **1 mês** |
+| Discretização | **Estilo OAMRP** — eventos de voo com horários explícitos |
+| TAT (turnaround) | **01h30** |
+| Base de inspeção | Apenas **SBMN** (somente níveis **Base** e **Orgânico**; **Parque desconsiderado**) |
+| Bases de operação | **10 bases da FAB** (derivar/confirmar a partir do CSV) |
+| Traslado (ferry) | **Permitido** e **consome horas de célula** |
+| Reset de horas | Inspeção **zera apenas aquela inspeção**; inspeções **não simultâneas** na mesma aeronave (podem ser sequenciais se requisitos cumpridos) |
+| Prioridade | Escala **1 a 5** |
+| Missões por dia | Uma cauda pode encadear **várias missões no mesmo dia** |
+| Horas iniciais (f_k) | Criar **campos editáveis**; permitir **default aleatório** |
+
+### Objetivo (lexicográfico)
+- **L1 — Primário:** maximizar Σ (prioridade × missões cumpridas).
+- **L2 — Secundário:** "entregar aeronave com menor LRT" *(ver Q3 — pendente de definição)*.
+- **Restrição dura derivada do 6.1:** **no máximo 1 aeronave em inspeção ao mesmo tempo** → modelada como restrição de recurso (C11), não como objetivo.
+
+---
+
+## 2. Formulação matemática proposta (validar antes de codar)
+
+### Conjuntos
+- `K` — aeronaves (caudas), |K| = 4.
+- `B` — bases (10). `B_insp ⊆ B = {SBMN}`.
+- `M` — missões candidatas. `M_obr ⊆ M` — obrigatórias *(Q2)*.
+- `T` — tipos de inspeção válidos *(Q1)*.
+
+### Parâmetros
+- `f⁰_{k,i}` — horas acumuladas iniciais da cauda `k` no relógio da inspeção `i` (editável / aleatório).
+- `LRT_i` — intervalo (horas de célula) da inspeção `i`.
+- `CAL_i` — limite calendárico (dias) da inspeção `i`.
+- `DT_i` — tempo indisponível (downtime) da inspeção `i`.
+- `h_m` — horas de voo da missão `m` (do CSV, por par O-D).
+- `o_m, d_m` — origem/destino de `m`.
+- `[e_m, l_m]` — janela de decolagem de `m`.
+- `p_m ∈ {1..5}` — prioridade de `m`.
+- `hferry_{b,b'}` — horas de traslado entre bases (do CSV/distância).
+- `home_k` — base inicial da cauda `k`.
+- `TAT = 1.5 h`.
+
+### Variáveis de decisão
+- `x_{k,m} ∈ {0,1}` — cauda `k` cumpre missão `m`.
+- `y` — arcos de sequenciamento na rede espaço-tempo (missão→missão, ferry, inspeção) por cauda.
+- `t_dep_{k,m}`, `t_arr_{k,m}` — tempos (contínuos).
+- `z_{k,i}` (+ início `s_{k,i}`) — cauda `k` executa inspeção `i`.
+- `F_{k,i}(·)` — estado de horas acumuladas no relógio `i` ao longo da rota (contínuo, zera na inspeção `i`).
+
+### Restrições
+- **C1 Cobertura:** Σ_k x_{k,m} ≤ 1 ∀m; **= 1** ∀m ∈ M_obr.
+- **C2 Continuidade (fluxo):** cada cauda forma um caminho único ordenado no tempo, iniciando em `home_k`; grau de entrada = grau de saída nos nós.
+- **C3 Continuidade espacial:** encadear `m→m'` exige `d_m = o_{m'}`, senão exige arco de **ferry**.
+- **C4 Continuidade temporal + TAT:** `t_dep(próx) ≥ t_arr(ant) + TAT` (+ tempo de ferry, se houver reposicionamento).
+- **C5 Janela:** `e_m ≤ t_dep_{k,m} ≤ l_m`.
+- **C6 Orçamento de horas com reset:** ao longo da rota, horas acumuladas no relógio `i` ≤ `LRT_i`; voo/ferry somam horas; inspeção `i` zera o relógio `i`.
+- **C7 Limite calendárico:** dias desde o último reset de `i` ≤ `CAL_i`.
+- **C8 Local de inspeção:** inspeção `i` só ocorre com a cauda em `B_insp` (SBMN); a cauda precisa rotear até lá.
+- **C9 Downtime:** durante `DT_i` a cauda fica indisponível; atividades seguintes começam após.
+- **C10 Não-simultaneidade na mesma cauda:** duas inspeções da mesma cauda não se sobrepõem (podem ser back-to-back).
+- **C11 Slot único de inspeção (recurso):** em qualquer instante, Σ_k [cauda em inspeção] ≤ 1.
+
+### Função objetivo (lexicográfica)
+1. **max** Σ_m p_m · (Σ_k x_{k,m})
+2. **então** otimizar L2 *(Q3)*.
+
+---
+
+## 3. Plano incremental de construção
+
+1. **Modelo base** — cobertura ponderada + orçamento de horas (C1–C6).
+2. **Inspeção com reset** em SBMN — C7–C11 + downtime/calendário.
+3. **Realismo militar** — prioridade hard (M_obr), voos de posicionamento, janelas.
+4. **Replanejamento + visualização** — re-otimização e dashboard.
+
+---
+
+## 4. Instruções para o Claude Code (executar na pasta `arara_oamrp/`)
+
+1. **Ler contexto:** abrir o arquivo de CONTEXTO/LOG e tudo em `docs/` para entender o estado atual.
+2. **Auditar e podar:** o ChatGPT inseriu **acréscimos desnecessários** — revisar e remover o que fugir do OAMRP compacto, mas antes pergunte. Confirmar que **não** há resquício de Set Partitioning + Column Generation.
+3. **Ler inspeções:** `relatorio_ciclo_inspecoes_c105_2805_2026-06-15` (JSON) → extrair, para cada inspeção válida *(Q1: seq 2,3,4,6,7,18,19,20,22,23)*, os campos `LRT_i` (horas), `CAL_i` (limite calendárico) e `DT_i` (tempo indisponível).
+4. **Ler voos:** `db/processed/registro_voo_2025_consolidado.csv` → derivar as **10 bases**, as **horas de voo por par O-D** (`h_m`) e os tempos de **ferry**.
+5. **Horas iniciais:** criar campos editáveis para `f⁰_{k,i}`, com opção de **default aleatório**.
+6. **Validar a formulação** da Seção 2 com o Vitor antes de gerar PuLP. Construção **incremental**, confirmando cada etapa.
+
+---
+
+## 5. Pendências a resolver (perguntar ao Vitor no Claude Code)
+
+- **Q1 — Inspeções válidas:** confirmar a lista de seq **{2, 3, 4, 6, 7, 18, 19, 20, 22, 23}**.
+- **Q2 — Obrigatórias:** SAR/EVAM entram como **hard** (M_obr, cobertura = 1) ou apenas como prioridade 5? *(o dataset hoje só traz prioridade 1–5)*
+- **Q3 — Objetivo secundário "entregar aeronave com menor LRT":** definir o sentido exato. Duas leituras possíveis:
+  - **(a)** minimizar a **folga de horas ao fim do horizonte** (usar bem as horas disponíveis: não deixar cauda ociosa com muita célula sobrando que poderia ter voado);
+  - **(b)** **priorizar o emprego** das caudas mais próximas da inspeção primeiro (consumir antes quem está mais perto do limite).
+- **Q4 — Bases:** validar as 10 bases que o Claude Code propuser a partir do CSV.

LOG.md

@@ -26,3 +26,25 @@ Legenda de autores:
 | 2026-06-15 | 19:56 | VTO | Consolidou transicoes `ROTA` do registro de voo 2025 | `db/pre_process/registro_voo_2025/preprocess_planilha_2025.py`; `db/processed/registro_voo_2025_consolidado.csv` | `ROTA` tratado como marcador de transicao; 1421 linhas originais viraram 1268 trechos consolidados; 135 trechos com `ROTA` foram convertidos para origem/destino reais. |
 | 2026-06-15 | 19:56 | VTO | Validou o registro de voo 2025 consolidado | `db/pre_process/registro_voo_2025/validacao_registro_voo_2025.md`; `db/processed/registro_voo_2025_consolidado.csv` | Sem duplicidades, sem divergencias de duracao e sem sobreposicoes temporais; pendentes 1 registro sem OM, 1 trecho com pousos zero e 3 quebras de continuidade espacial. |
 | 2026-06-15 | 19:56 | VTO | Removeu registro isolado da aeronave 2806 | `db/pre_process/registro_voo_2025/preprocess_planilha_2025.py`; `db/processed/registro_voo_2025.csv`; `db/processed/registro_voo_2025_consolidado.csv` | Linha original 793 excluida dos artefatos processados; registro final passou para 1420 linhas e consolidado para 1267 trechos; nao ha mais registro sem OM. |
+| 2026-06-15 | 19:56 | VTO | Criou modelo OAMRP v2 com dados reais de 2025 | `software/oamrp_v2.py`; `db/processed/resultado_oamrp_jan_2025.csv`; `README.md`; `docs/about.md`; `docs/changelog.md` | Rodada inicial de janeiro/2025 resolvida como otima pelo CBC; prioridade uniforme 1; base de manutencao SBMN; 50 de 61 missoes cumpridas. |
+| 2026-06-15 | 21:00 | VTO | Criou modelo OAMRP v3 — Fase 1: rede espaço-tempo | `software/oamrp_v3.py`; `db/processed/resultado_oamrp_v3.csv` | Reescrita do zero com abstrações No/Arco e variável unificada y[k,arco]; C1–C6; TAT=1,5h; f0_{k,i} editável; top-10 bases por frequência; missões EVAM hard; 50/50 missões cobertas em jan/2025. |
+| 2026-06-15 | 22:00 | VTO | Calibrou inspeções válidas (Q1) e respondeu Q2–Q4 | `software/oamrp_v3.py` | Removidas seq 18 e 23 do catálogo; EVAM marcado como M_obr (cobertura=1); L2 definido como minimizar folga de horas ao fim do horizonte; 10 bases por frequência. |
+| 2026-06-15 | 22:30 | VTO | Implementou Fase 2: inspeções na rede espaço-tempo | `software/oamrp_v3.py` | Adicionados nós INSP_{k}_{seq} e arcos missao_insp/insp_missao; variáveis H_{k,i,nid} para rastreamento de horas com reset; C9 downtime; C11 slot único via disjuntivas. |
+| 2026-06-15 | 23:00 | VTO | Substituiu dados reais por missões sintéticas cross-base | `software/oamrp_v3.py`; `db/processed/resultado_oamrp_sintetico.csv` | Dados reais de jan/2025 eram todos SBMN→SBMN (voos locais), não exercitando roteamento; gerador sintético cria 50 missões cross-base entre 10 bases com distâncias reais (haversine) e velocidade C-105; flag --sintetico na CLI. |
+| 2026-06-15 | 23:30 | VTO | Implementou Fase 3: arcos de ferry (C3 relaxado) | `software/oamrp_v3.py` | Arcos inicio/missao_missao/missao_insp/insp_missao agora permitem bases diferentes com tempo de ferry (haversine/430 km/h); ferry consome horas de célula no relógio de inspeção (C6); relatório imprime segmentos de ferry na linha do tempo. |
+| 2026-06-16 | 10:00 | VTO | Corrigiu bug de conservação de fluxo em nós de inspeção | `software/oamrp_v3.py` | Nós INSP_{k}_{seq} não tinham restrição entrada_k==saida_k; solver criava/destruía unidades de fluxo nesses nós, inflando cobertura para 50/50 no relatório com apenas 16 missões reais nas rotas; corrigido adicionando C2 para nós de inspeção. |
+| 2026-06-16 | 10:05 | VTO | Removeu restrição C6 Fase 1 simplificada | `software/oamrp_v3.py` | Restrição somava horas totais sem respeitar resets de inspeção, tornando EVAMs 2809/2811 artificialmente ociosas; variáveis H[k,seq,nid] já cobrem isso corretamente com reset nos nós de inspeção. |
+| 2026-06-16 | 10:10 | VTO | Adicionou horas iniciais aleatórias e prioridades via OFRAG | `software/oamrp_v3.py`; `software/gerar_ofrag.py`; `db/processed/ofrag.csv` | Flag --aleatorio sorteia f0 entre 10%–90% de F_max por aeronave; gerar_ofrag.py cria tabela com id_ofrag, missao_id, prioridade (1–5), tipo_missao; --ofrag na CLI carrega prioridades ao gerar missões sintéticas. |
+| 2026-06-16 | 10:20 | VTO | Alinhou nomenclatura com Al-Thani (2016) | `software/oamrp_v3.py` | lrt_h→f_max (batente fixo F); horas_iniciais→f0 (acumulado inicial f_k); orcamento_h()→lrt_inicial() (LRT=F_max−f0); horas_iniciais_aleatorias()→gerar_f0_aleatorio(); carregar_horas_iniciais()→carregar_f0(); CLI --horas-iniciais→--f0. |
+| 2026-06-16 | 10:30 | VTO | Criou visualização interativa de rotas | `software/visualizar_resultado.py`; `db/processed/mapa_rotas.html` | Mapa Folium com rotas por aeronave (cor distinta), missões não cumpridas tracejadas em cinza, popup com detalhes, legenda de prioridades. |
+| 2026-06-16 | 10:35 | VTO | Rodada sintética validada: 50/50 missões cumpridas | `db/processed/resultado_oamrp_sintetico.csv` | Comando: --sintetico --seed 42 --aleatorio --ofrag; solver CBC retornou Optimal; todas as 4 EVAMs voaram com ferry; commit f0d72f8 enviado ao remote. |
+| 2026-06-16 | 14:00 | VTO | Criou visualização combinada (Gantt + mapa + tabela) | `software/visualizar_resultado.py`; `db/processed/planejamento_cenario_esquadrao.html` | HTML único com título "Planejamento de Diagonal de Manutenção"; Gantt via go.Scatter lines (renderização garantida); mapa Folium em iframe; tabela de voos com filtros JS; commit 3756f96. |
+| 2026-06-16 | 15:00 | VTO | Criou cenários JSON de f0 para testes com inspeções | `db/processed/f0_cenario_esquadrao.json`; `db/processed/f0_cenario_insp_grande.json` | f0_cenario_esquadrao simula dados reais do esquadrão (LRT 32h/215h/12h/28h); f0_cenario_insp_grande força aeronaves próximas ao limite. |
+| 2026-06-16 | 20:00 | VTO | Migrou modelo de Set Covering para Set Partitioning (C1) | `software/oamrp_v3.py` | Restrição C1 alterada de z<=1 para z==1 para todas as missões; eliminada distinção entre missões hard/opcionais; toda missão deve ser coberta por exatamente 1 aeronave. |
+| 2026-06-16 | 20:05 | VTO | Reduziu missões sintéticas padrão de 50 para 20 | `software/oamrp_v3.py` | Set Partitioning com 50 missões tornava o MIP inviável ou muito lento (travamento do solver); 20 missões garantem factibilidade no envelope de 4 aeronaves em janeiro; n_evam reduzido de 5 para 4. |
+| 2026-06-16 | 20:10 | VTO | Adicionou time limit padrão de 120 s ao solver CBC | `software/oamrp_v3.py` | Solver travava indefinidamente sem time limit ao tentar provar infeasibility; limite de 120 s garante retorno com melhor solução encontrada. |
+| 2026-06-16 | 20:15 | VTO | Corrigiu display do status do solver (Not Solved) | `software/oamrp_v3.py` | PuLP redefine mdl.status para 0 ("Not Solved") ao chamar setObjective() antes de L2; status de L1 agora preservado quando L2 reporta 0. |
+| 2026-06-16 | 20:20 | VTO | Revisou f0_cenario_insp_grande.json | `db/processed/f0_cenario_insp_grande.json` | Apenas 2803 com f0=595h em INSP 2A (F_max=600h, downtime=4 dias, LRT_ini=5h); demais matrículas com f0=0; configuração anterior com 4 aeronaves apertadas simultaneamente tornava o MIP inviável. |
+| 2026-06-16 | 20:30 | VTO | Gerou visualização do cenário inspeção grande (v0.10) | `db/processed/planejamento_insp_grande.html`; `db/processed/resultado_oamrp_v3.csv` | 20/20 missões cobertas; Gantt exibe INSP 2A (4 dias) visivelmente; 2 inspeções no horizonte de janeiro; solver CBC retornou Optimal em < 15 s. |
+| 2026-06-16 | 16:00 | VTO | Corrigiu Gantt: FAB 2800 invisível e barras não renderizavam | `software/visualizar_resultado.py` | yaxis range=[-0.5, n-0.5] para FAB 2800 (y=0) visível; shapes substituídas por go.Scatter mode="lines" width=64 (renderização garantida); largura mínima de 2h por barra. |
+| 2026-06-16 | 16:30 | VTO | Adicionou parser de Escala de Voo Modelo 1 e bases extras | `software/oamrp_v3.py`; `db/raw/ESCALA DE VOO MODELO 1.csv` | Flag --escala carrega missões reais do CSV com separador ";"; coordenadas de 26 bases (era 10); time-limit default alterado para 300s; imports timedelta/date consolidados; commit 83a2dac. |

README.md

@@ -45,7 +45,7 @@ arara_oarmp/
 
 Usamos tags curtas para identificar quem fez cada alteração relevante:
 
-- `VTO`: Vitor Cesa.
+- `VTO`: Vitor Cesa ([@vitorcesavc](https://git.ppgao.ita.br/vitorcesavc)).
 - `GNR`: Generoso.
 - `JOM`: João Marcos.
 
@@ -144,41 +144,107 @@ git push
 - Preferir nomes de arquivo descritivos, com tipo do documento, aeronave, matrícula e data quando possível.
 - Registrar no `LOG.md` qualquer decisão que afete os dados.
 
-## Estado atual
+## Estado atual (v0.10)
 
-Já existe um pré-processamento do relatório de ciclo de inspeções da aeronave C-105 matrícula 2805, com data de relatório `2026-06-15`.
+O modelo ativo é `software/oamrp_v3.py`, que implementa o OAMRP sobre uma rede espaço-tempo com arcos de ferry, múltiplos tipos de inspeção e Set Partitioning para cobertura de missões.
 
-Também existe um primeiro protótipo em `software/oamrp_v1.py`, que formula um modelo MIP compacto em PuLP para atribuir aeronaves a missões de transporte, respeitando continuidade espacial/temporal, turnaround mínimo e limite de horas até inspeção.
+**Última rodada validada (2026-06-16, commit `a34ed6b`):**
+- 20/20 missões sintéticas cobertas, solver CBC Optimal em < 15 s
+- Cenário com INSP 2A (4 dias em solo) visível no Gantt da matrícula 2803
+- Set Partitioning: toda missão coberta por exatamente 1 aeronave
 
-Arquivos principais:
+### Formulação de cobertura
+
+O modelo usa **Set Partitioning** (`z[m] = 1` para toda missão `m`): cada missão deve ser atribuída a exatamente uma aeronave. Versões anteriores usavam Set Covering (`z[m] ≤ 1`), que permitia missões descobertas. A transição foi documentada em `docs/changelog.md` (v0.10).
+
+> **Atenção para contribuidores:** Set Partitioning foi validado apenas para o cenário sintético padrão (20 missões, seed 42, 4 aeronaves, somente 2803 com LRT apertado). Com mais missões ou múltiplas aeronaves com LRT < 5 h simultâneas, o MIP pode ser infeasível ou ultrapassar o time limit. Consulte as limitações detalhadas em `docs/changelog.md`.
+
+### Arquivos principais
 
 ```text
-db/raw/relatorio_ciclo_inspecoes_c105_2805_2026-06-15.pdf
-db/pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/preprocess_pdf.py
-db/pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_texto.txt
-db/pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.json
-db/pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.csv
-software/oamrp_v1.py
+software/oamrp_v3.py              — modelo MIP principal (Fases 1–3 + Set Partitioning)
+software/gerar_ofrag.py           — gerador da tabela OFRAG
+software/visualizar_resultado.py  — Gantt + mapa + tabela interativa
+db/processed/ofrag.csv            — ordens de missão com prioridades 1–5
+db/processed/f0_cenario_insp_grande.json — f0 calibrado para forçar INSP 2A em 2803
+db/processed/resultado_oamrp_v3.csv     — resultado da última rodada
+db/processed/planejamento_insp_grande.html — Gantt com inspeção de 4 dias visível
 ```
 
-Esse processamento extraiu 18 inspeções e separou campos como inspeção, referência, vencimento, TSO, letra, nível, duração, intervalo por horas de voo, meses contínuos e pousos.
-## Atualizacao - registro de voo 2025
+### Como rodar
 
-A `Planilha 2025.xlsx` foi pre-processada a partir de `db/raw/` sem alterar o arquivo original.
+Cenário padrão (inspeção grande visível no Gantt):
 
-Arquivos gerados:
+```powershell
+python software/oamrp_v3.py --sintetico --seed 42 --f0 db/processed/f0_cenario_insp_grande.json --time-limit 60
+python software/visualizar_resultado.py --resultado db/processed/resultado_oamrp_v3.csv --saida db/processed/planejamento_insp_grande.html
+```
+
+Parâmetros relevantes do modelo:
+
+| Parâmetro | Padrão | Descrição |
+|---|---|---|
+| `--sintetico` | — | Usa missões sintéticas cross-base em vez do CSV real |
+| `--n-missoes` | 20 | Número de missões sintéticas |
+| `--seed` | 42 | Semente aleatória (reprodutibilidade) |
+| `--f0` | — | JSON com horas acumuladas iniciais por aeronave/inspeção |
+| `--time-limit` | 300 | Limite de tempo do solver CBC (segundos) |
+| `--aleatorio` | — | Sorteia f0 aleatório entre 10%–90% de F_max |
+
+---
+
+## Histórico dos modelos
+
+### v1 — Protótipo inicial (`software/oamrp_v1.py`)
+
+Primeiro protótipo do modelo MIP em PuLP. Estrutura simples de atribuição aeronave-missão sem rede espaço-tempo, sem inspeções e sem ferry. Serviu para validar a configuração do ambiente e a integração com o solver CBC.
+
+- **Formulação:** atribuição direta, variáveis binárias por (aeronave, missão)
+- **Restrições:** cobertura básica e continuidade de base
+- **Sem:** janelas de tempo, inspeções, ferry, prioridades
+- **Status:** protótipo histórico, não usar em produção
+
+---
+
+### v2 — Dados reais de 2025 (`software/oamrp_v2.py`)
+
+Primeira rodada com dados reais do registro de voo de janeiro/2025, pré-processados a partir da planilha original. Introduziu janelas de tempo (decolagem e chegada do CSV), TAT entre missões e prioridade uniforme.
+
+- **Dados de entrada:** `db/processed/registro_voo_2025_consolidado.csv` (1 267 trechos, 1 420 linhas originais)
+- **Resultado:** 50 de 61 missões cumpridas em janeiro/2025 (`db/processed/resultado_oamrp_jan_2025.csv`)
+- **Limitação identificada:** os dados reais de jan/2025 eram predominantemente voos locais SBMN→SBMN, não exercitando roteamento cross-base nem inspeções
+
+```powershell
+python software/oamrp_v2.py
+```
+
+---
+
+### v3 — Rede espaço-tempo completa (`software/oamrp_v3.py`) ← **modelo ativo**
+
+Reescrita completa baseada em Al-Thani, Ben Ahmed & Haouari (2016). Introduziu a formulação por rede espaço-tempo com nós No e arcos Arco, inspeções com relógio de horas acumuladas e reset, arcos de ferry entre bases e missões sintéticas cross-base para validação de roteamento.
+
+**Fases implementadas:**
+
+| Fase | Restrições | Descrição |
+|---|---|---|
+| 1 | C1–C6 | Rede espaço-tempo, cobertura (Set Partitioning), conservação de fluxo, TAT |
+| 2 | C7–C11 | Nós de inspeção, relógio H[k,i,n] com reset, downtime, slot único |
+| 3 | Ferry | Arcos de ferry entre quaisquer bases (haversine ÷ 430 km/h), consome horas de célula |
+
+**Nomenclatura alinhada com Al-Thani (2016):**
+
+- `F_max` — batente fixo (intervalo máximo legal entre manutenções, ex: 300 h)
+- `f0` — horas acumuladas no início do horizonte (estado inicial da aeronave)
+- `LRT = F_max − f0` — tempo legal restante (decresce com o voo)
+- `H[k, seq, nid]` — acumulado em tempo real, rastreado na rede (equivale a u_j do artigo)
+
+**Missões sintéticas:** como os dados reais de 2025 não exercitavam roteamento, o modelo usa um gerador sintético cross-base (`--sintetico`) com distâncias reais (haversine) e velocidade de cruzeiro do C-105 (430 km/h).
+
+**Pré-processamentos disponíveis:**
 
 ```text
-db/pre_process/registro_voo_2025/preprocess_planilha_2025.py
-db/pre_process/registro_voo_2025/registro_voo_2025_limpo.csv
-db/pre_process/registro_voo_2025/registro_voo_2025_limpo.xlsx
-db/pre_process/registro_voo_2025/registro_voo_2025_consolidado.csv
-db/pre_process/registro_voo_2025/missoes_oamrp_2025.csv
-db/pre_process/registro_voo_2025/missoes_oamrp_2025_consolidado.csv
-db/pre_process/registro_voo_2025/resumo_registro_voo_2025.json
-db/pre_process/registro_voo_2025/validacao_registro_voo_2025.md
-db/processed/registro_voo_2025.csv
-db/processed/registro_voo_2025_consolidado.csv
+db/raw/relatorio_ciclo_inspecoes_c105_2805_2026-06-15.pdf — ciclo de inspeções C-105/2805
+db/processed/registro_voo_2025.csv                        — registro de voo 2025 limpo (1 420 trechos)
+db/processed/registro_voo_2025_consolidado.csv            — consolidado para roteamento
 ```
-
-O consolidado trata `ROTA` como marcador de transicao, nao como localidade operacional, e remove a linha original 793 da aeronave 2806 dos artefatos processados.

db/processed/f0_cenario_esquadrao.json

@@ -0,0 +1,6 @@
+{
+  "2800": {"2": 268, "3": 268, "4": 568, "6": 142, "7": 142, "19": 1800, "20": 2100, "22": 680},
+  "2803": {"2":  85, "3":  85, "4": 285, "6":  85, "7": 185, "19":  800, "20": 1200, "22": 350},
+  "2809": {"2": 155, "3": 455, "4": 155, "6": 288, "7": 288, "19": 1200, "20": 1800, "22": 500},
+  "2811": {"2": 120, "3": 572, "4": 572, "6": 120, "7": 220, "19": 1500, "20": 2200, "22": 720}
+}

db/processed/f0_cenario_insp_grande.json

@@ -0,0 +1,6 @@
+{
+  "2800": {"2": 0, "3":   0, "4": 0, "6":   0, "7":   0, "19": 0, "20": 0, "22": 0},
+  "2803": {"2": 0, "3": 595, "4": 0, "6":   0, "7":   0, "19": 0, "20": 0, "22": 0},
+  "2809": {"2": 0, "3":   0, "4": 0, "6":   0, "7":   0, "19": 0, "20": 0, "22": 0},
+  "2811": {"2": 0, "3":   0, "4": 0, "6":   0, "7":   0, "19": 0, "20": 0, "22": 0}
+}

db/processed/ofrag.csv

@@ -0,0 +1,51 @@
+id_ofrag,missao_id,om,orig,dest,prioridade,tipo_missao,observacao
+OFRAG-2025-001,SIM_001_SBMN_SBMY,1,SBMN,SBMY,1,Reabastecimento,
+OFRAG-2025-002,SIM_002_SBBE_SBTT,2,SBBE,SBTT,1,Pessoal,
+OFRAG-2025-003,SIM_003_SBMN_SBPV,3,SBMN,SBPV,1,Médico,EVAM — execução obrigatória
+OFRAG-2025-004,SIM_004_SBMN_SBUA,4,SBMN,SBUA,1,Logística,EVAM — execução obrigatória
+OFRAG-2025-005,SIM_005_SBSN_SBTS,5,SBSN,SBTS,2,Reabastecimento,
+OFRAG-2025-006,SIM_006_SBSN_SBBE,6,SBSN,SBBE,2,Pessoal,
+OFRAG-2025-007,SIM_007_SBTS_SBMN,7,SBTS,SBMN,2,Reconhecimento,
+OFRAG-2025-008,SIM_008_SBBE_SBTS,8,SBBE,SBTS,4,Reconhecimento,
+OFRAG-2025-009,SIM_009_SBMY_SBTS,9,SBMY,SBTS,2,Logística,
+OFRAG-2025-010,SIM_010_SBTT_SBMN,10,SBTT,SBMN,1,Logística,
+OFRAG-2025-011,SIM_011_SBBE_SBSN,11,SBBE,SBSN,1,Logística,
+OFRAG-2025-012,SIM_012_SWBC_SBSN,12,SWBC,SBSN,3,Logística,
+OFRAG-2025-013,SIM_013_SBMN_SBBV,13,SBMN,SBBV,2,Reconhecimento,
+OFRAG-2025-014,SIM_014_SBMN_SBTS,14,SBMN,SBTS,1,Logística,
+OFRAG-2025-015,SIM_015_SBMN_SBPV,15,SBMN,SBPV,1,Médico,EVAM — execução obrigatória
+OFRAG-2025-016,SIM_016_SBPV_SBMN,16,SBPV,SBMN,1,Logística,
+OFRAG-2025-017,SIM_017_SBSN_SBMN,17,SBSN,SBMN,4,Reabastecimento,
+OFRAG-2025-018,SIM_018_SBSN_SBBV,18,SBSN,SBBV,1,Reconhecimento,
+OFRAG-2025-019,SIM_019_SBBV_SBMN,19,SBBV,SBMN,2,Logística,
+OFRAG-2025-020,SIM_020_SWBC_SBTS,20,SWBC,SBTS,4,Pessoal,
+OFRAG-2025-021,SIM_021_SBMN_SBPV,21,SBMN,SBPV,1,Médico,EVAM — execução obrigatória
+OFRAG-2025-022,SIM_022_SBMN_SBBV,22,SBMN,SBBV,1,Reabastecimento,
+OFRAG-2025-023,SIM_023_SBBV_SWBC,23,SBBV,SWBC,3,Reconhecimento,
+OFRAG-2025-024,SIM_024_SBMY_SBBV,24,SBMY,SBBV,1,Pessoal,
+OFRAG-2025-025,SIM_025_SWBC_SBMN,25,SWBC,SBMN,3,Logística,
+OFRAG-2025-026,SIM_026_SBUA_SBTT,26,SBUA,SBTT,3,Reabastecimento,
+OFRAG-2025-027,SIM_027_SBTS_SBMY,27,SBTS,SBMY,1,Pessoal,
+OFRAG-2025-028,SIM_028_SBMN_SBTT,28,SBMN,SBTT,2,Logística,
+OFRAG-2025-029,SIM_029_SBTT_SBSN,29,SBTT,SBSN,2,Reconhecimento,
+OFRAG-2025-030,SIM_030_SWBC_SBSN,30,SWBC,SBSN,2,Logística,
+OFRAG-2025-031,SIM_031_SBMN_SBTT,31,SBMN,SBTT,2,Reabastecimento,
+OFRAG-2025-032,SIM_032_SBMN_SBBE,32,SBMN,SBBE,5,Reabastecimento,
+OFRAG-2025-033,SIM_033_SBBV_SBSN,33,SBBV,SBSN,1,Reconhecimento,
+OFRAG-2025-034,SIM_034_SBTS_SBMN,34,SBTS,SBMN,2,Logística,
+OFRAG-2025-035,SIM_035_SBTT_SBMN,35,SBTT,SBMN,1,Logística,
+OFRAG-2025-036,SIM_036_SBPV_SWBC,36,SBPV,SWBC,3,Logística,
+OFRAG-2025-037,SIM_037_SBBV_SBMN,37,SBBV,SBMN,3,Logística,
+OFRAG-2025-038,SIM_038_SBBV_SBBE,38,SBBV,SBBE,2,Pessoal,
+OFRAG-2025-039,SIM_039_SBSN_SBMN,39,SBSN,SBMN,1,Logística,
+OFRAG-2025-040,SIM_040_SBSN_SBMN,40,SBSN,SBMN,4,Reconhecimento,
+OFRAG-2025-041,SIM_041_SBBE_SBTS,41,SBBE,SBTS,1,Reabastecimento,
+OFRAG-2025-042,SIM_042_SBBE_SBSN,42,SBBE,SBSN,5,Reconhecimento,
+OFRAG-2025-043,SIM_043_SBMN_SBPV,43,SBMN,SBPV,4,Médico,
+OFRAG-2025-044,SIM_044_SBBE_SBPV,44,SBBE,SBPV,3,Pessoal,
+OFRAG-2025-045,SIM_045_SBTS_SBMN,45,SBTS,SBMN,4,Reabastecimento,
+OFRAG-2025-046,SIM_046_SBMN_SBUA,46,SBMN,SBUA,3,Reconhecimento,
+OFRAG-2025-047,SIM_047_SWBC_SBTS,47,SWBC,SBTS,2,Reabastecimento,
+OFRAG-2025-048,SIM_048_SBSN_SBUA,48,SBSN,SBUA,1,Médico,
+OFRAG-2025-049,SIM_049_SBMN_SBMY,49,SBMN,SBMY,4,Pessoal,
+OFRAG-2025-050,SIM_050_SBTT_SBPV,50,SBTT,SBPV,1,Logística,EVAM — execução obrigatória

db/processed/resultado_oamrp_jan_2025.csv

@@ -0,0 +1,62 @@
+status,aeronave_modelo,ordem,id,om,orig,dest,partida_utc,chegada_utc,dur_h,prioridade,periodo,aeronave_real_2025,linhas_origem
+cumprida,2800,1,RV2025_OM1_E1_L4_C4,1,SBMN,SBMY,2025-01-02T11:55:00Z,2025-01-02T13:05:00Z,1.17,1,NOTURNO,2809,4
+cumprida,2800,2,RV2025_OM1_E2_L5_C5,1,SBMY,SBMN,2025-01-02T14:30:00Z,2025-01-02T15:35:00Z,1.08,1,NOTURNO,2809,5
+cumprida,2800,3,RV2025_OM6_E1_L12_C12,6,SBMN,SBBV,2025-01-06T19:30:00Z,2025-01-06T21:25:00Z,1.92,1,DIURNO,2811,12
+cumprida,2800,4,RV2025_OM6_E2_L14_C14,6,SBBV,SBMN,2025-01-07T11:20:00Z,2025-01-07T13:20:00Z,2.00,1,DIURNO,2811,14
+cumprida,2800,5,RV2025_OM8_E1_L17_C17,8,SBMN,SBPV,2025-01-08T10:35:00Z,2025-01-08T12:35:00Z,2.00,1,DIURNO,2803,17
+cumprida,2800,6,RV2025_OM8_E2_L18_C18,8,SBPV,SBMN,2025-01-08T14:00:00Z,2025-01-08T16:00:00Z,2.00,1,DIURNO,2803,18
+cumprida,2800,7,RV2025_OM10_E1_L19_C19,10,SBMN,SBMN,2025-01-08T22:30:00Z,2025-01-08T23:15:00Z,0.75,1,NOTURNO,2803,19
+cumprida,2800,8,RV2025_OM11_E1_L23_C23,11,SBMN,SWKO,2025-01-10T12:10:00Z,2025-01-10T13:15:00Z,1.08,1,DIURNO,2803,23
+cumprida,2800,9,RV2025_OM11_E2_L24_C24,11,SWKO,SBMN,2025-01-10T14:25:00Z,2025-01-10T15:25:00Z,1.00,1,DIURNO,2803,24
+cumprida,2800,10,RV2025_OM13_E1_L30_C30,13,SBMN,SWKO,2025-01-12T12:20:00Z,2025-01-12T13:10:00Z,0.83,1,DIURNO,2809,30
+cumprida,2800,11,RV2025_OM13_E2_L31_C31,13,SWKO,SBMN,2025-01-12T14:40:00Z,2025-01-12T15:25:00Z,0.75,1,DIURNO,2809,31
+cumprida,2800,12,RV2025_OM14_E1_L32_C32,14,SBMN,SBBE,2025-01-12T16:55:00Z,2025-01-12T20:25:00Z,3.50,1,DIURNO,2809,32
+cumprida,2800,13,RV2025_OM14_E2_L33_C37,14,SBBE,SBMN,2025-01-12T22:45:00Z,2025-01-13T02:05:00Z,3.33,1,NOTURNO,2809,33;37
+cumprida,2800,14,RV2025_OM16_E1_L38_C38,16,SBMN,SBTT,2025-01-15T12:00:00Z,2025-01-15T15:05:00Z,3.08,1,DIURNO,2803,38
+cumprida,2800,15,RV2025_OM16_E2_L39_C39,16,SBTT,SBMN,2025-01-15T17:35:00Z,2025-01-15T20:35:00Z,3.00,1,DIURNO,2803,39
+cumprida,2800,16,RV2025_OM17_E3_L42_C45,17,SBMN,SBMN,2025-01-15T22:50:00Z,2025-01-15T23:50:00Z,1.00,1,NOTURNO,2809,42;43;44;45
+cumprida,2800,17,RV2025_OM18_E1_L46_C46,18,SBMN,SBSN,2025-01-21T12:05:00Z,2025-01-21T13:40:00Z,1.58,1,DIURNO,2800,46
+cumprida,2800,18,RV2025_OM18_E2_L47_C47,18,SBSN,SBTS,2025-01-21T14:45:00Z,2025-01-21T16:15:00Z,1.50,1,DIURNO,2800,47
+cumprida,2800,19,RV2025_OM18_E3_L48_C48,18,SBTS,SBMN,2025-01-21T18:40:00Z,2025-01-21T20:40:00Z,2.00,1,DIURNO,2800,48
+cumprida,2800,20,RV2025_OM19_E1_L49_C49,19,SBMN,SBMN,2025-01-22T14:55:00Z,2025-01-22T16:00:00Z,1.08,1,DIURNO,2800,49
+cumprida,2800,21,RV2025_OM21_E2_L54_C54,21,SBMN,SBMN,2025-01-22T20:50:00Z,2025-01-22T21:25:00Z,0.58,1,DIURNO,2809,54
+cumprida,2800,22,RV2025_OM23_E1_L57_C57,23,SBMN,SBCZ,2025-01-24T12:10:00Z,2025-01-24T15:55:00Z,3.75,1,DIURNO,2800,57
+cumprida,2800,23,RV2025_OM23_E2_L58_C58,23,SBCZ,SBMN,2025-01-24T17:05:00Z,2025-01-24T20:55:00Z,3.83,1,DIURNO,2800,58
+cumprida,2800,24,RV2025_OM25_E1_L64_C64,25,SBMN,SBMN,2025-01-28T13:25:00Z,2025-01-28T14:30:00Z,1.08,1,DIURNO,2809,64
+cumprida,2800,25,RV2025_OM26_E1_L65_C70,26,SBMN,SBMN,2025-01-28T23:10:00Z,2025-01-29T00:50:00Z,1.67,1,NOTURNO,2809,65;66;67;70
+cumprida,2800,26,RV2025_OM28_E1_L71_C71,28,SBMN,SBMN,2025-01-29T18:15:00Z,2025-01-29T19:25:00Z,1.17,1,DIURNO,2809,71
+cumprida,2803,1,RV2025_OM2_E3_L6_C6,2,SBMN,SBMY,2025-01-02T17:00:00Z,2025-01-02T18:05:00Z,1.08,1,NOTURNO,2809,6
+cumprida,2803,2,RV2025_OM2_E4_L7_C7,2,SBMY,SBMN,2025-01-02T20:00:00Z,2025-01-02T21:10:00Z,1.17,1,NOTURNO,2809,7
+cumprida,2803,3,RV2025_OM5_E1_L11_C11,5,SBMN,SBPV,2025-01-06T19:10:00Z,2025-01-06T21:20:00Z,2.17,1,DIURNO,2803,11
+cumprida,2803,4,RV2025_OM5_E2_L13_C13,5,SBPV,SBMN,2025-01-07T14:15:00Z,2025-01-07T16:15:00Z,2.00,1,DIURNO,2803,13
+cumprida,2803,5,RV2025_OM9_E1_L20_C20,9,SBMN,SBBE,2025-01-09T12:30:00Z,2025-01-09T15:55:00Z,3.42,1,DIURNO,2803,20
+cumprida,2803,6,RV2025_OM9_E2_L21_C21,9,SBBE,SBSN,2025-01-09T18:10:00Z,2025-01-09T20:00:00Z,1.83,1,DIURNO,2803,21
+cumprida,2803,7,RV2025_OM15_E2_L35_C35,15,SBSN,SBTS,2025-01-12T14:25:00Z,2025-01-12T16:00:00Z,1.58,1,DIURNO,2803,35
+cumprida,2803,8,RV2025_OM15_E3_L36_C36,15,SBTS,SBMN,2025-01-12T18:30:00Z,2025-01-12T20:35:00Z,2.08,1,DIURNO,2803,36
+cumprida,2803,9,RV2025_OM20_E1_L51_C51,20,SBMN,SBMN,2025-01-22T14:55:00Z,2025-01-22T16:00:00Z,1.08,1,DIURNO,2803,51
+cumprida,2803,10,RV2025_OM20_E2_L52_C52,20,SBMN,SBMN,2025-01-22T20:50:00Z,2025-01-22T21:25:00Z,0.58,1,DIURNO,2803,52
+cumprida,2803,11,RV2025_OM29_E1_L72_C72,29,SBMN,SBMN,2025-01-29T22:50:00Z,2025-01-30T00:00:00Z,1.17,1,NOTURNO,2809,72
+cumprida,2809,1,RV2025_OM3_E1_L8_C8,3,SBMN,SBMN,2025-01-03T14:45:00Z,2025-01-03T16:10:00Z,1.42,1,DIURNO,2809,8
+cumprida,2809,2,RV2025_OM17_E2_L41_C41,17,SBMN,SBMN,2025-01-15T14:45:00Z,2025-01-15T15:40:00Z,0.92,1,DIURNO,2809,41
+cumprida,2809,3,RV2025_OM21_E1_L53_C53,21,SBMN,SBMN,2025-01-22T14:55:00Z,2025-01-22T16:00:00Z,1.08,1,DIURNO,2809,53
+cumprida,2809,4,RV2025_OM19_E2_L50_C50,19,SBMN,SBMN,2025-01-22T20:50:00Z,2025-01-22T21:25:00Z,0.58,1,DIURNO,2800,50
+cumprida,2809,5,RV2025_OM24_E1_L59_C59,24,SBMN,SNRH,2025-01-24T12:30:00Z,2025-01-24T15:35:00Z,3.08,1,DIURNO,2803,59
+cumprida,2809,6,RV2025_OM24_E2_L60_C60,24,SNRH,SBTT,2025-01-24T16:45:00Z,2025-01-24T17:40:00Z,0.92,1,DIURNO,2803,60
+cumprida,2809,7,RV2025_OM24_E3_L61_C61,24,SBTT,SWEI,2025-01-25T14:05:00Z,2025-01-25T14:50:00Z,0.75,1,DIURNO,2803,61
+cumprida,2809,8,RV2025_OM24_E4_L62_C62,24,SWEI,SBTF,2025-01-25T16:45:00Z,2025-01-25T18:40:00Z,1.92,1,DIURNO,2803,62
+cumprida,2811,1,RV2025_OM17_E1_L40_C40,17,SBMN,SBMN,2025-01-15T13:30:00Z,2025-01-15T14:25:00Z,0.92,1,DIURNO,2809,40
+cumprida,2811,2,RV2025_OM22_E1_L55_C55,22,SBMN,SBMN,2025-01-22T14:55:00Z,2025-01-22T15:55:00Z,1.00,1,DIURNO,2811,55
+cumprida,2811,3,RV2025_OM22_E2_L56_C56,22,SBMN,SBMN,2025-01-22T20:50:00Z,2025-01-22T21:25:00Z,0.58,1,DIURNO,2811,56
+cumprida,2811,4,RV2025_OM27_E1_L68_C68,27,SBMN,SBMY,2025-01-28T12:05:00Z,2025-01-28T13:05:00Z,1.00,1,DIURNO,2803,68
+cumprida,2811,5,RV2025_OM27_E2_L69_C69,27,SBMY,SBMN,2025-01-28T14:35:00Z,2025-01-28T15:30:00Z,0.92,1,DIURNO,2803,69
+nao_cumprida,,,RV2025_OM4_E1_L9_C9,4,SBAN,SWBC,2025-01-06T12:40:00Z,2025-01-06T13:50:00Z,1.17,1,DIURNO,2803,9
+nao_cumprida,,,RV2025_OM4_E2_L10_C10,4,SWBC,SBMN,2025-01-06T15:40:00Z,2025-01-06T16:45:00Z,1.08,1,DIURNO,2803,10
+nao_cumprida,,,RV2025_OM7_E1_L15_C15,7,SBMN,SBBV,2025-01-07T10:40:00Z,2025-01-07T12:30:00Z,1.83,1,DIURNO,2809,15
+nao_cumprida,,,RV2025_OM7_E2_L16_C16,7,SBMN,SBBV,2025-01-07T14:00:00Z,2025-01-07T15:45:00Z,1.75,1,DIURNO,2809,16
+nao_cumprida,,,RV2025_OM9_E3_L22_C22,9,SBSN,SBMN,2025-01-09T20:40:00Z,2025-01-09T22:15:00Z,1.58,1,DIURNO,2803,22
+nao_cumprida,,,RV2025_OM12_E1_L25_C25,12,SBMN,SBUA,2025-01-11T12:50:00Z,2025-01-11T15:00:00Z,2.17,1,DIURNO,2809,25
+nao_cumprida,,,RV2025_OM12_E2_L26_C26,12,SBUA,SBYA,2025-01-11T17:20:00Z,2025-01-11T18:10:00Z,0.83,1,DIURNO,2809,26
+nao_cumprida,,,RV2025_OM12_E3_L27_C27,12,SBYA,SBTT,2025-01-11T18:45:00Z,2025-01-11T20:10:00Z,1.42,1,DIURNO,2809,27
+nao_cumprida,,,RV2025_OM12_E4_L28_C29,12,SBTT,SBTT,2025-01-11T21:05:00Z,2025-01-12T00:00:00Z,2.92,1,DIURNO;NOTURNO,2809,28;29
+nao_cumprida,,,RV2025_OM15_E1_L34_C34,15,SBMN,SBSN,2025-01-12T11:50:00Z,2025-01-12T13:30:00Z,1.67,1,DIURNO,2803,34
+nao_cumprida,,,RV2025_OM24_E5_L63_C63,24,SBTF,SBMN,2025-01-25T19:20:00Z,2025-01-25T21:00:00Z,1.67,1,DIURNO,2803,63

db/processed/resultado_oamrp_sintetico.csv

@@ -0,0 +1,51 @@
+status,aeronave,ordem,id,om,orig,dest,partida_utc,chegada_utc,dur_h,prioridade,periodo,aeronave_real_2025,linhas_origem
+cumprida,2800,1,SIM_007_SBTS_SBMN,7,SBTS,SBMN,2025-01-05T08:52:04.800000Z,2025-01-05T11:40:04.800000Z,2.80,2,DIURNO,,
+cumprida,2800,2,SIM_008_SBBE_SBTS,8,SBBE,SBTS,2025-01-05T16:11:09.600000Z,2025-01-05T21:53:09.600000Z,5.70,4,DIURNO,,
+cumprida,2800,3,SIM_015_SBMN_SBPV,15,SBMN,SBPV,2025-01-12T01:42:18Z,2025-01-12T03:21:54Z,1.66,1,DIURNO,,
+cumprida,2800,4,SIM_021_SBMN_SBPV,21,SBMN,SBPV,2025-01-16T06:26:09.600000Z,2025-01-16T08:12:21.600000Z,1.77,1,DIURNO,,
+cumprida,2800,5,SIM_037_SBBV_SBMN,37,SBBV,SBMN,2025-01-23T20:18:28.800000Z,2025-01-23T21:50:52.800000Z,1.54,3,DIURNO,,
+cumprida,2800,6,SIM_042_SBBE_SBSN,42,SBBE,SBSN,2025-01-25T14:54:14.400000Z,2025-01-25T16:35:02.400000Z,1.68,5,DIURNO,,
+cumprida,2800,7,SIM_045_SBTS_SBMN,45,SBTS,SBMN,2025-01-28T01:21:25.200000Z,2025-01-28T03:43:01.200000Z,2.36,4,DIURNO,,
+cumprida,2803,1,SIM_006_SBSN_SBBE,6,SBSN,SBBE,2025-01-05T06:29:20.400000Z,2025-01-05T08:16:44.400000Z,1.79,2,DIURNO,,
+cumprida,2803,2,SIM_023_SBBV_SWBC,23,SBBV,SWBC,2025-01-17T11:36:32.400000Z,2025-01-17T12:47:20.400000Z,1.18,3,DIURNO,,
+cumprida,2803,3,SIM_028_SBMN_SBTT,28,SBMN,SBTT,2025-01-19T05:45:50.400000Z,2025-01-19T07:06:14.400000Z,1.34,2,DIURNO,,
+cumprida,2809,1,SIM_036_SBPV_SWBC,36,SBPV,SWBC,2025-01-23T18:49:19.200000Z,2025-01-23T21:00:07.200000Z,2.18,3,DIURNO,,
+cumprida,2811,1,SIM_001_SBMN_SBMY,1,SBMN,SBMY,2025-01-01T02:22:55.200000Z,2025-01-01T03:09:07.200000Z,0.77,1,DIURNO,,
+cumprida,2811,2,SIM_003_SBMN_SBPV,3,SBMN,SBPV,2025-01-04T06:06:21.600000Z,2025-01-04T07:48:57.600000Z,1.71,1,DIURNO,,
+cumprida,2811,3,SIM_005_SBSN_SBTS,5,SBSN,SBTS,2025-01-05T05:32:09.600000Z,2025-01-05T09:50:09.600000Z,4.30,2,DIURNO,,
+cumprida,2811,4,SIM_025_SWBC_SBMN,25,SWBC,SBMN,2025-01-18T08:18:36Z,2025-01-18T09:11:24Z,0.88,3,DIURNO,,
+cumprida,2811,5,SIM_041_SBBE_SBTS,41,SBBE,SBTS,2025-01-24T12:09:03.600000Z,2025-01-24T17:48:03.600000Z,5.65,1,DIURNO,,
+nao_cumprida,,,SIM_002_SBBE_SBTT,2,SBBE,SBTT,2025-01-03T00:34:55.200000Z,2025-01-03T04:33:07.200000Z,3.97,1,DIURNO,,
+nao_cumprida,,,SIM_004_SBMN_SBUA,4,SBMN,SBUA,2025-01-04T12:04:51.600000Z,2025-01-04T13:55:51.600000Z,1.85,1,DIURNO,,
+nao_cumprida,,,SIM_009_SBMY_SBTS,9,SBMY,SBTS,2025-01-05T20:05:16.800000Z,2025-01-05T22:20:52.800000Z,2.26,2,DIURNO,,
+nao_cumprida,,,SIM_010_SBTT_SBMN,10,SBTT,SBMN,2025-01-05T21:25:37.200000Z,2025-01-05T22:33:25.200000Z,1.13,1,DIURNO,,
+nao_cumprida,,,SIM_011_SBBE_SBSN,11,SBBE,SBSN,2025-01-07T12:04:04.800000Z,2025-01-07T13:40:40.800000Z,1.61,1,DIURNO,,
+nao_cumprida,,,SIM_012_SWBC_SBSN,12,SWBC,SBSN,2025-01-08T16:32:16.800000Z,2025-01-08T18:52:40.800000Z,2.34,3,DIURNO,,
+nao_cumprida,,,SIM_013_SBMN_SBBV,13,SBMN,SBBV,2025-01-09T23:25:44.400000Z,2025-01-10T01:05:20.400000Z,1.66,2,DIURNO,,
+nao_cumprida,,,SIM_014_SBMN_SBTS,14,SBMN,SBTS,2025-01-11T09:41:20.400000Z,2025-01-11T12:08:20.400000Z,2.45,1,DIURNO,,
+nao_cumprida,,,SIM_016_SBPV_SBMN,16,SBPV,SBMN,2025-01-12T18:25:08.400000Z,2025-01-12T20:11:56.400000Z,1.78,1,DIURNO,,
+nao_cumprida,,,SIM_017_SBSN_SBMN,17,SBSN,SBMN,2025-01-13T06:27:18Z,2025-01-13T07:41:42Z,1.24,4,DIURNO,,
+nao_cumprida,,,SIM_018_SBSN_SBBV,18,SBSN,SBBV,2025-01-14T02:28:12Z,2025-01-14T04:36:36Z,2.14,1,DIURNO,,
+nao_cumprida,,,SIM_019_SBBV_SBMN,19,SBBV,SBMN,2025-01-15T07:32:56.400000Z,2025-01-15T09:12:32.400000Z,1.66,2,DIURNO,,
+nao_cumprida,,,SIM_020_SWBC_SBTS,20,SWBC,SBTS,2025-01-16T02:14:27.600000Z,2025-01-16T04:25:51.600000Z,2.19,4,DIURNO,,
+nao_cumprida,,,SIM_022_SBMN_SBBV,22,SBMN,SBBV,2025-01-16T12:38:16.800000Z,2025-01-16T14:04:40.800000Z,1.44,1,DIURNO,,
+nao_cumprida,,,SIM_024_SBMY_SBBV,24,SBMY,SBBV,2025-01-17T22:04:04.800000Z,2025-01-18T00:30:28.800000Z,2.44,1,DIURNO,,
+nao_cumprida,,,SIM_026_SBUA_SBTT,26,SBUA,SBTT,2025-01-18T20:18:46.800000Z,2025-01-18T21:21:10.800000Z,1.04,3,DIURNO,,
+nao_cumprida,,,SIM_027_SBTS_SBMY,27,SBTS,SBMY,2025-01-19T05:22:55.200000Z,2025-01-19T07:42:07.200000Z,2.32,1,DIURNO,,
+nao_cumprida,,,SIM_029_SBTT_SBSN,29,SBTT,SBSN,2025-01-20T02:58:12Z,2025-01-20T05:46:12Z,2.80,2,DIURNO,,
+nao_cumprida,,,SIM_030_SWBC_SBSN,30,SWBC,SBSN,2025-01-20T15:51:10.800000Z,2025-01-20T18:05:34.800000Z,2.24,2,DIURNO,,
+nao_cumprida,,,SIM_031_SBMN_SBTT,31,SBMN,SBTT,2025-01-21T19:19:40.800000Z,2025-01-21T20:35:52.800000Z,1.27,2,DIURNO,,
+nao_cumprida,,,SIM_032_SBMN_SBBE,32,SBMN,SBBE,2025-01-21T19:28:22.800000Z,2025-01-21T22:36:46.800000Z,3.14,5,DIURNO,,
+nao_cumprida,,,SIM_033_SBBV_SBSN,33,SBBV,SBSN,2025-01-22T22:56:56.400000Z,2025-01-23T00:56:56.400000Z,2.00,1,DIURNO,,
+nao_cumprida,,,SIM_034_SBTS_SBMN,34,SBTS,SBMN,2025-01-23T00:14:45.600000Z,2025-01-23T02:54:57.600000Z,2.67,2,DIURNO,,
+nao_cumprida,,,SIM_035_SBTT_SBMN,35,SBTT,SBMN,2025-01-23T02:00:57.600000Z,2025-01-23T03:12:21.600000Z,1.19,1,DIURNO,,
+nao_cumprida,,,SIM_038_SBBV_SBBE,38,SBBV,SBBE,2025-01-23T23:08:38.400000Z,2025-01-24T02:18:50.400000Z,3.17,2,DIURNO,,
+nao_cumprida,,,SIM_039_SBSN_SBMN,39,SBSN,SBMN,2025-01-24T02:44:38.400000Z,2025-01-24T03:59:02.400000Z,1.24,1,DIURNO,,
+nao_cumprida,,,SIM_040_SBSN_SBMN,40,SBSN,SBMN,2025-01-24T07:16:48Z,2025-01-24T08:30:36Z,1.23,4,DIURNO,,
+nao_cumprida,,,SIM_043_SBMN_SBPV,43,SBMN,SBPV,2025-01-26T17:47:06Z,2025-01-26T19:21:54Z,1.58,4,DIURNO,,
+nao_cumprida,,,SIM_044_SBBE_SBPV,44,SBBE,SBPV,2025-01-27T08:03:00Z,2025-01-27T12:37:48Z,4.58,3,DIURNO,,
+nao_cumprida,,,SIM_046_SBMN_SBUA,46,SBMN,SBUA,2025-01-28T01:26:06Z,2025-01-28T03:14:42Z,1.81,3,DIURNO,,
+nao_cumprida,,,SIM_047_SWBC_SBTS,47,SWBC,SBTS,2025-01-28T22:14:31.200000Z,2025-01-29T00:03:07.200000Z,1.81,2,DIURNO,,
+nao_cumprida,,,SIM_048_SBSN_SBUA,48,SBSN,SBUA,2025-01-29T19:44:38.400000Z,2025-01-29T22:51:14.400000Z,3.11,1,DIURNO,,
+nao_cumprida,,,SIM_049_SBMN_SBMY,49,SBMN,SBMY,2025-01-30T17:21:57.600000Z,2025-01-30T18:08:09.600000Z,0.77,4,DIURNO,,
+nao_cumprida,,,SIM_050_SBTT_SBPV,50,SBTT,SBPV,2025-01-31T12:02:13.200000Z,2025-01-31T13:22:01.200000Z,1.33,1,DIURNO,,

db/processed/resultado_oamrp_v3.csv

@@ -0,0 +1,23 @@
+status,aeronave,ordem,id,om,orig,dest,partida_utc,chegada_utc,dur_h,prioridade,periodo,aeronave_real_2025,linhas_origem
+cumprida,2800,1,SIM_007_SBMN_SBCO,7,SBMN,SBCO,2025-01-09T02:09:28.800000Z,2025-01-09T07:58:40.800000Z,5.82,1,DIURNO,,
+cumprida,2800,2,SIM_010_SBCY_SBMN,10,SBCY,SBMN,2025-01-11T23:29:27.600000Z,2025-01-12T03:09:39.600000Z,3.67,3,DIURNO,,
+cumprida,2800,3,SIM_012_SWCA_SBTT,12,SWCA,SBTT,2025-01-12T14:52:01.200000Z,2025-01-12T16:14:49.200000Z,1.38,3,DIURNO,,
+cumprida,2800,4,SIM_019_SBMN_SWCA,19,SBMN,SWCA,2025-01-29T04:57:54Z,2025-01-29T06:36:54Z,1.65,1,DIURNO,,
+cumprida,2800,5,SIM_020_SWCA_SBCO,20,SWCA,SBCO,2025-01-31T03:09:10.800000Z,2025-01-31T08:39:46.800000Z,5.51,2,DIURNO,,
+inspecao,2800,,INSP_2800_3,INSP 2A,SBMN,SBMN,2025-01-12T16:14:49.200000Z,2025-01-16T16:14:49.200000Z,96.00,,,,
+cumprida,2803,1,SIM_006_SWBC_SBAN,6,SWBC,SBAN,2025-01-06T21:08:24Z,2025-01-07T00:56:24Z,3.80,2,DIURNO,,
+cumprida,2809,1,SIM_001_SBBE_SBMN,1,SBBE,SBMN,2025-01-02T07:53:34.800000Z,2025-01-02T11:07:22.800000Z,3.23,2,DIURNO,,
+cumprida,2809,2,SIM_002_SBPV_SBOI,2,SBPV,SBOI,2025-01-03T03:03:10.800000Z,2025-01-03T09:37:58.800000Z,6.58,3,DIURNO,,
+cumprida,2809,3,SIM_005_SBMY_SBYS,5,SBMY,SBYS,2025-01-04T19:37:19.200000Z,2025-01-05T01:06:43.200000Z,5.49,1,DIURNO,,
+cumprida,2809,4,SIM_008_SBPV_SBMN,8,SBPV,SBMN,2025-01-09T23:11:34.800000Z,2025-01-10T00:51:10.800000Z,1.66,2,DIURNO,,
+cumprida,2809,5,SIM_011_SBSN_SBVH,11,SBSN,SBVH,2025-01-12T01:26:24Z,2025-01-12T04:15:36Z,2.82,1,DIURNO,,
+cumprida,2809,6,SIM_016_SBTF_SBMN,16,SBTF,SBMN,2025-01-24T15:25:55.200000Z,2025-01-24T16:40:19.200000Z,1.24,3,DIURNO,,
+inspecao,2809,,INSP_2809_3,INSP 2A,SBMN,SBMN,2025-01-05T01:06:43.200000Z,2025-01-09T01:06:43.200000Z,96.00,,,,
+cumprida,2811,1,SIM_003_SBMN_SBUY,3,SBMN,SBUY,2025-01-03T09:50:20.400000Z,2025-01-03T16:17:56.400000Z,6.46,2,DIURNO,,
+cumprida,2811,2,SIM_004_SWCA_SBMN,4,SWCA,SBMN,2025-01-04T03:01:19.200000Z,2025-01-04T04:51:43.200000Z,1.84,3,DIURNO,,
+cumprida,2811,3,SIM_009_SBUY_SBCC,9,SBUY,SBCC,2025-01-11T12:27:50.400000Z,2025-01-11T17:17:02.400000Z,4.82,1,DIURNO,,
+cumprida,2811,4,SIM_013_SBUY_SBMN,13,SBUY,SBMN,2025-01-15T01:13:04.800000Z,2025-01-15T07:31:40.800000Z,6.31,3,DIURNO,,
+cumprida,2811,5,SIM_014_SBBE_SBUA,14,SBBE,SBUA,2025-01-20T05:25:19.200000Z,2025-01-20T10:31:55.200000Z,5.11,2,DIURNO,,
+cumprida,2811,6,SIM_015_SBBE_SBTS,15,SBBE,SBTS,2025-01-21T05:22:01.200000Z,2025-01-21T10:28:37.200000Z,5.11,4,DIURNO,,
+cumprida,2811,7,SIM_017_SWBC_SBCC,17,SWBC,SBCC,2025-01-27T03:48:10.800000Z,2025-01-27T07:24:46.800000Z,3.61,2,DIURNO,,
+cumprida,2811,8,SIM_018_SBMY_SBPV,18,SBMY,SBPV,2025-01-28T01:55:19.200000Z,2025-01-28T03:00:07.200000Z,1.08,2,DIURNO,,

docs/about.md

@@ -49,16 +49,72 @@ db/pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/relatorio_ciclo_in
 db/pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.csv
 ```
 
-## Modelo OAMRP inicial
+## Modelo OAMRP v3 (modelo atual)
 
-O arquivo `software/oamrp_v1.py` contém um protótipo de modelo MIP em PuLP para o Aircraft Routing do Esquadrão Arara. O modelo usa dados sintéticos/substituíveis de aeronaves e missões e busca maximizar o cumprimento ponderado de missões opcionais.
+O arquivo `software/oamrp_v3.py` é o modelo principal. Implementa o *Operational Aircraft Maintenance Routing Problem* (Al-Thani, Ben Ahmed, Haouari, 2016, Transportation Research Part C, vol. 72, pp. 29–44) sobre uma rede espaço-tempo com arcos de ferry.
 
-Restrições representadas no protótipo:
+### Rede espaço-tempo
 
-- continuidade espacial e temporal por aeronave;
-- turnaround mínimo entre missões;
-- limite de horas de célula até a próxima inspeção;
-- base inicial e horas acumuladas reais de cada aeronave como parâmetros de entrada.
+A rede tem quatro tipos de nó:
+
+| Tipo | Descrição |
+| --- | --- |
+| `origem` | Nó de partida de cada aeronave (base inicial, t=0) |
+| `missao` | Uma missão específica; `aeronave_id=None` (qualquer aeronave pode voar) |
+| `inspecao` | Nó de manutenção; exclusivo de uma aeronave (`aeronave_id=k`) |
+| `sumidouro` | Nó de chegada ao fim do horizonte |
+
+Os arcos são: `inicio`, `missao_missao`, `missao_insp`, `insp_missao`, `missao_fim` e `ferry` (quando bases forem distintas). Ferry usa velocidade 430 km/h e distância haversine.
+
+### Nomenclatura (Al-Thani, 2016)
+
+| Símbolo | Significado | Campo no código |
+| --- | --- | --- |
+| F | Intervalo máximo legal entre manutenções | `InspecaoParam.f_max` |
+| f_k | Horas acumuladas no início | `Aeronave.f0` |
+| LRT = F − f_k | Tempo legal restante (decresce) | `lrt_inicial()` |
+| H[k,i,nid] | Horas acumuladas em tempo real (cresce, reseta na inspeção) | `H[k,seq,nid]` |
+
+### Restrições implementadas
+
+- **C1**: cada missão coberta por no máximo uma aeronave.
+- **C2**: conservação de fluxo em nós de missão e inspeção.
+- **C3**: continuidade espacial (base de chegada = base de partida do próximo arco; ferry gerado automaticamente).
+- **C4**: continuidade temporal (partida ≥ chegada + TAT 1,5h).
+- **C5**: missões EVAM (`obrigatoria=True`) devem ser cumpridas.
+- **C6**: `H[k,i,nid] ≤ f_max` para cada tipo de inspeção, com reset após nó de inspeção.
+- **C9**: downtime de inspeção (aeronave fica indisponível durante o slot de manutenção).
+- **C11**: slot único de inspeção por base — no máximo uma aeronave em manutenção a cada instante.
+
+### Objetivos
+
+- **L1**: maximizar cobertura ponderada `Σ prioridade_m × z_m` (missões cobertas).
+- **L2**: maximizar horas voadas, dado o L1 fixado.
+
+### Execução típica
+
+```powershell
+python software/oamrp_v3.py --sintetico --seed 42 --aleatorio --ofrag db/processed/ofrag.csv
+```
+
+Gera missões sintéticas cross-base, sorteia `f0` aleatório e carrega prioridades do OFRAG.
+
+### Scripts auxiliares
+
+| Script | Função |
+| --- | --- |
+| `software/gerar_ofrag.py` | Gera `db/processed/ofrag.csv` com ordens de missão (OFRAG), prioridades 1–5 e tipo |
+| `software/visualizar_resultado.py` | Lê o CSV de resultado e gera `db/processed/mapa_rotas.html` (mapa Folium interativo) |
+
+### Resultado validado (2026-06-16)
+
+Rodada sintética com 50 missões, seed 42, horas iniciais aleatórias e OFRAG: 50/50 missões cumpridas, solver CBC Optimal, todas as 4 EVAMs operacionais.
+
+---
+
+## Modelo OAMRP v1 (protótipo inicial)
+
+O arquivo `software/oamrp_v1.py` contém o protótipo inicial, substituído pelo v3. Mantido no repositório para referência histórica.
 
 Campos extraídos e estruturados:
 
@@ -172,3 +228,30 @@ O relatorio de validacao esta em:
 ```text
 db/pre_process/registro_voo_2025/validacao_registro_voo_2025.md
 ```
+
+## Modelo OAMRP v2
+
+O arquivo `software/oamrp_v2.py` e a primeira versao do modelo usando o registro de voo 2025 consolidado.
+
+Entradas principais:
+
+- `db/processed/registro_voo_2025_consolidado.csv`;
+- janela padrao de `2025-01-01` ate `2025-02-01` exclusivo;
+- aeronaves reais `2800`, `2803`, `2809` e `2811`;
+- base inicial provisoria `SBMN`;
+- base de manutencao `SBMN`;
+- prioridade uniforme: todas as missoes recebem peso 1.
+
+Saida principal:
+
+```text
+db/processed/resultado_oamrp_jan_2025.csv
+```
+
+Resultado da primeira execucao:
+
+- status do solver: `Optimal`;
+- missoes cumpridas: 50/61;
+- prioridade obtida: 50/61.
+
+Limitacao atual: o limite de horas foi deixado alto para validar primeiro a continuidade espacial/temporal. A calibracao com dados reais de manutencao ainda deve ser feita em etapa posterior.

docs/authors.md

@@ -2,11 +2,11 @@
 
 ## Colaboradores
 
-| Tag | Nome | Papel inicial |
-| --- | --- | --- |
-| `VTO` | Vitor Cesa | Organização do repositório, estrutura inicial, pré-processamento e documentação |
-| `GNR` | Generoso | Colaborador |
-| `JOM` | João Marcos | Colaborador e origem inicial do relatório de inspeções |
+| Tag | Nome | Gitea | Papel inicial |
+| --- | --- | --- | --- |
+| `VTO` | Vitor Cesa | [@vitorcesavc](https://git.ppgao.ita.br/vitorcesavc) | Organização do repositório, estrutura inicial, pré-processamento e documentação |
+| `GNR` | Generoso | — | Colaborador |
+| `JOM` | João Marcos | — | Colaborador e origem inicial do relatório de inspeções |
 
 ## Instituição e contexto
 

docs/changelog.md

@@ -14,6 +14,31 @@ Formato:
 
 ---
 
+## v0.10 — VTO — 2026-06
+
+### Alterado
+
+- **Set Covering → Set Partitioning (C1):** a restrição de cobertura de missões foi alterada de `Σ_k y_entrada ≤ 1` (Set Covering — missão opcional) para `Σ_k y_entrada = 1` (Set Partitioning — toda missão obrigatória). Isso reflete a premissa operacional de que cada missão deve ser realizada por exatamente uma aeronave, sem possibilidade de missões descobertas. A distinção anterior entre missões "hard" (EVAM) e "opcionais" foi eliminada.
+- **Número padrão de missões sintéticas reduzido de 50 para 20** (`--n-missoes`, `n_evam` de 5 para 4): Set Partitioning é mais restritivo e, com janelas de tempo fixas e restrições de inspeção simultâneas, 50 missões tornavam o MIP difícil de resolver ou inviável. Com 20 missões, a factibilidade é garantida na margem operacional de 4 aeronaves.
+- **Time limit padrão do solver CBC fixado em 120 s** (era ilimitado). O solver agora nunca trava indefinidamente; retorna a melhor solução encontrada dentro do prazo. O CLI mantém `--time-limit` para ajuste.
+- **Correção de display do status do solver:** PuLP redefinía `mdl.status` para "Not Solved" ao reutilizar o modelo em L2 (após `setObjective`). O status de L1 é agora preservado quando L2 reporta 0, evitando exibição enganosa.
+- **Cenário `f0_cenario_insp_grande.json` revisado:** apenas a matrícula 2803 recebe `f0=595h` para INSP 2A (F_max=600h, downtime=4 dias), forçando a inspeção aparecer no Gantt. As demais matrículas partem com `f0=0` (plena disponibilidade), evitando que o problema se torne inviável por múltiplos relógios apertados simultaneamente.
+
+### Adicionado
+
+- `db/processed/planejamento_insp_grande.html`: visualização Gantt + mapa + tabela para o cenário com inspeção de 4 dias (INSP 2A — INSP CHECK 2A, 96 h de solo).
+
+### Limitações conhecidas (para contribuidores)
+
+1. **Escopo validado restrito:** Set Partitioning foi validado apenas para o cenário sintético com 20 missões, seed 42, 4 aeronaves e somente uma matrícula (2803) com LRT apertado. Fora desse envelope, o MIP pode ser infeasible ou ultrapassar o time limit sem solução.
+2. **Missões sintéticas incluem bases fora da Amazônia** (SBBR, SBGL, SBYS etc.) geradas aleatoriamente pelo seed. Para estudos de caso realistas, o gerador deve ser restrito ao conjunto de bases do Esquadrão Arara.
+3. **Folga negativa no relatório:** quando uma aeronave realiza inspeção dentro do horizonte, o campo `folga` exibido (`LRT_ini − horas_celula_total`) pode ser negativo porque não desconta o reset do relógio pós-inspeção. Isso é um bug de display; a restrição `H ≤ F_max` está correta no modelo.
+4. **LRT muito curto (< 5 h) pode gerar instabilidade numérica no big-M:** o cenário foi configurado com LRT_ini=5 h para 2803, que está próximo do limiar onde o big-M deixa de ser eficaz. Valores menores podem permitir que o solver ignore a restrição por tolerância numérica (ε ≈ 1 e-4 do CBC).
+5. **Aeronave 2811 fica ociosa neste cenário:** o solver atribui todas as 20 missões a 3 aeronaves. Isso é matematicamente ótimo, mas pode não ser desejável operacionalmente. Considerar restrição de equilíbrio de carga em versões futuras.
+6. **Status "Not Solved" após L2:** a correção atual usa o status de L1 como proxy. Se L1 retornar apenas uma solução feasível (não ótima, por time limit), o modelo pode ser reportado como "Optimal" quando não é. Monitorar o campo `prio_otima` para validar.
+
+---
+
 ## v0.2 — VTO — 2026-06
 
 ### Adicionado
@@ -86,3 +111,116 @@ Formato:
 ### Observacoes
 
 - A remocao foi aplicada no script de pre-processamento para manter reprodutibilidade.
+
+## v0.9 — VTO — 2026-06
+
+### Adicionado
+
+- Flag `--escala` na CLI: carrega missões reais da Escala de Voo Modelo 1 (CSV com separador `;`), com parser de data DD/MMM, horários UTC e prioridade derivada do código de missão (69TV→1, 50TT/05TF→3).
+- `BASES_COORDS` expandido de 10 para 26 bases (inclui SBMQ, SBOI, SBBR, SBGL, SBCY, SWEI, SWCA, SWKO, SBUY e outras rotas reais).
+- Cenários de f0 em JSON: `f0_cenario_esquadrao.json` (dados realistas do esquadrão) e `f0_cenario_insp_grande.json`.
+
+### Corrigido
+
+- Gantt: FAB 2800 (y=0) estava invisível — corrigido com `yaxis range=[-0.5, n-0.5]`.
+- Gantt: barras não renderizavam (`shapes type="rect"`) — substituídas por `go.Scatter mode="lines"` que renderiza garantido no eixo de datas.
+- Largura mínima de 2h por barra no Gantt para voos curtos ficarem visíveis.
+
+### Alterado
+
+- `--time-limit` default alterado de 60s para 300s (5 minutos).
+- Imports `timedelta` e `date` consolidados no topo do módulo (era importado localmente em funções).
+
+### Resultado validado
+
+Rodada `--sintetico --n-missoes 30 --f0 f0_cenario_esquadrao.json` → 30/30 Optimal; FAB 2809 com 1 inspeção (CHECK 300) visível no Gantt.
+
+---
+
+## v0.8 — VTO — 2026-06
+
+### Adicionado
+
+- Visualização combinada em HTML único: Gantt (Plotly) + mapa (Folium em iframe) + tabela de voos com filtros JS interativos.
+- Título "Planejamento de Diagonal de Manutenção" no HTML gerado.
+- Exportação de inspeções no CSV de resultado com timestamps UTC reais.
+- Filtros na tabela: aeronave, status, prioridade, base e busca livre; ordenação por coluna.
+- Flag `--time-limit` na CLI do solver (padrão era 60s).
+
+---
+
+## v0.7 — VTO — 2026-06
+
+### Corrigido
+
+- Bug crítico de conservação de fluxo em nós de inspeção (`oamrp_v3.py`): o solver criava unidades de fluxo fantasma nesses nós, fazendo o relatório exibir 50/50 enquanto o CSV real tinha apenas 16 missões cobertas. Corrigido adicionando C2 para nós `tipo == "inspecao"`.
+- Bug de restrição C6 Fase 1 simplificada removida: somava horas totais sem respeitar resets de inspeção, tornando EVAMs 2809 e 2811 artificialmente ociosas. As variáveis `H[k,seq,nid]` com reset já impõem o limite corretamente.
+
+### Adicionado
+
+- Flag `--aleatorio` na CLI: sorteia `f0` entre 10% e 90% de `F_max` por aeronave e tipo de inspeção.
+- Tabela OFRAG em `db/processed/ofrag.csv` com 50 ordens sintéticas (prioridades 1–5, tipo de missão, OM).
+- Script `software/gerar_ofrag.py` para gerar ou regen a tabela OFRAG de forma reprodutível.
+- Flag `--ofrag` na CLI: carrega prioridades do CSV ao gerar missões sintéticas.
+- Visualização interativa `db/processed/mapa_rotas.html` via Folium, com uma camada por aeronave, missões não cumpridas tracejadas e popup com detalhes.
+- Script `software/visualizar_resultado.py` para gerar o mapa a partir do CSV de resultado.
+
+### Alterado
+
+- Nomenclatura alinhada com Al-Thani (2016): `lrt_h` → `f_max`; `horas_iniciais` → `f0`; `orcamento_h()` → `lrt_inicial()`; `horas_iniciais_aleatorias()` → `gerar_f0_aleatorio()`; `carregar_horas_iniciais()` → `carregar_f0()`; CLI `--horas-iniciais` → `--f0`.
+- Relatório imprime `F_max=`, `f0=` e `LRT_ini=` para cada aeronave, alinhado com a formulação do artigo de referência.
+
+### Resultado validado
+
+Rodada `--sintetico --seed 42 --aleatorio --ofrag db/processed/ofrag.csv` → 50/50 missões cumpridas, solver CBC Optimal, todas as 4 EVAMs com voos e ferry.
+
+---
+
+## v0.6 - VTO - 2026-06
+
+### Adicionado
+
+- Gerador de missões sintéticas cross-base (`gerar_missoes_sinteticas()`): 50 missões entre 10 bases com durações calculadas via haversine ÷ velocidade C-105 (430 km/h); flag `--sintetico`, `--n-missoes`, `--n-evam` na CLI.
+- Fase 3: arcos de ferry em `construir_rede()` — arcos `inicio`, `missao_missao`, `missao_insp` e `insp_missao` agora permitem bases distintas com tempo de ferry calculado automaticamente.
+- Ferry consome horas de célula no relógio de inspeção (C6: `carga = v.carga_h + a.horas_ferry`).
+- Relatório imprime segmentos `[FERRY base1->base2 Xh]` na linha do tempo de cada aeronave.
+- Resultado `db/processed/resultado_oamrp_sintetico.csv` para 50 missões sintéticas.
+
+### Alterado
+
+- Dicionário `BASES_COORDS` com coordenadas (lat, lon) das 10 bases operacionais do C-105.
+
+## v0.5 - VTO - 2026-06
+
+### Adicionado
+
+- Modelo `software/oamrp_v3.py` — reescrita do zero com rede espaço-tempo (No/Arco) e variável unificada `y[k,arco]`.
+- Fase 1 (C1–C6): fluxo de conservação, cobertura de missões, restrição de voo ativo, orçamento de horas por inspeção.
+- Fase 2 (C7–C11): nós e arcos de inspeção na rede; variáveis `H[k,i,nid]` para relógio de horas com reset; C9 downtime; C11 slot único via variáveis disjuntivas `oo`.
+- Documento `HANDOFF_arara_oamrp.md` com formulação matemática, decisões de calibração (Q1–Q5) e plano de build incremental.
+- Resultado `db/processed/resultado_oamrp_v3.csv` para janeiro/2025.
+
+### Alterado
+
+- TAT corrigido para 1,5h (era 1,0h em v2).
+- Top-10 bases por frequência no registro de voo 2025 (Q4).
+- Missões EVAM marcadas como obrigatórias (Q2).
+- Objetivo L2 definido como maximizar horas voadas (= minimizar folga ao fim do horizonte mensal) (Q3).
+
+### Corrigido
+
+- Bug de escopo de arco: arcos de início/fim agora carregam `aeronave_id` e só entram na variável `y` do aircraft correto.
+- Bug `NameError tat_h` em C9b: substituído pela constante global `TAT_H`.
+- Bug `AttributeError` em `escrever_resultado`: filtro por `n.tipo == "missao"` antes de acessar `n.missao`.
+
+## v0.4 - VTO - 2026-06
+
+### Adicionado
+
+- Modelo `software/oamrp_v2.py` para rodar o OAMRP com o registro de voo 2025 consolidado.
+- Resultado inicial `db/processed/resultado_oamrp_jan_2025.csv`.
+
+### Observacoes
+
+- Rodada padrao usa janeiro/2025, aeronaves reais `2800`, `2803`, `2809` e `2811`, base inicial provisoria `SBMN`, base de manutencao `SBMN` e prioridade uniforme 1.
+- Primeira execucao retornou solucao otima com 50 de 61 missoes cumpridas.

software/gerar_ofrag.py

@@ -0,0 +1,108 @@
+"""
+Gera o arquivo de OFRAG (Ordem de Fragmentação) sintético para o Esquadrão Arara.
+
+Cada OFRAG autoriza uma missão específica e define:
+  - Prioridade operacional (1=urgente … 5=baixa)
+  - Tipo de missão (Logística, Médico, Pessoal, Reabastecimento, Reconhecimento)
+  - Base de origem e destino
+
+Uso:
+    python software/gerar_ofrag.py --seed 42 --n 50 --saida db/processed/ofrag.csv
+"""
+
+import argparse
+import csv
+import random
+from datetime import datetime, timezone
+from pathlib import Path
+
+# ---------------------------------------------------------------------------
+# Importa constantes e função de geração do modelo principal
+# ---------------------------------------------------------------------------
+import sys
+sys.path.insert(0, str(Path(__file__).resolve().parent))
+
+from oamrp_v3 import (
+    BASES_COORDS,
+    TIPOS_MISSAO,
+    _PESOS_PRIO,
+    gerar_missoes_sinteticas,
+)
+
+BASE_DIR = Path(__file__).resolve().parents[1]
+OFRAG_PADRAO = BASE_DIR / "db" / "processed" / "ofrag.csv"
+
+_TIPOS_EVAM = ["Médico", "Logística"]  # EVAM normalmente carrega carga urgente
+
+
+def gerar_ofrag(
+    n: int = 50,
+    seed: int = 42,
+    saida: Path = OFRAG_PADRAO,
+) -> None:
+    inicio = datetime(2025, 1, 1, tzinfo=timezone.utc)
+    missoes, _ = gerar_missoes_sinteticas(n=n, seed=seed, inicio=inicio, n_evam=5)
+
+    rng = random.Random(seed + 1)  # semente diferente para tipos
+
+    saida.parent.mkdir(parents=True, exist_ok=True)
+    colunas = [
+        "id_ofrag", "missao_id", "om", "orig", "dest",
+        "prioridade", "tipo_missao", "observacao",
+    ]
+
+    with saida.open("w", newline="", encoding="utf-8-sig") as f:
+        w = csv.DictWriter(f, fieldnames=colunas)
+        w.writeheader()
+        for idx, m in enumerate(missoes, start=1):
+            if m.obrigatoria:
+                prio = 1
+                tipo = rng.choice(_TIPOS_EVAM)
+                obs = "EVAM — execução obrigatória"
+            else:
+                prio = rng.choices(range(1, 6), weights=_PESOS_PRIO)[0]
+                tipo = rng.choices(TIPOS_MISSAO, weights=[20, 15, 25, 25, 15])[0]
+                obs = ""
+            w.writerow({
+                "id_ofrag": f"OFRAG-2025-{idx:03d}",
+                "missao_id": m.id,
+                "om": m.om,
+                "orig": m.orig,
+                "dest": m.dest,
+                "prioridade": prio,
+                "tipo_missao": tipo,
+                "observacao": obs,
+            })
+
+    print(f" OFRAG gerado: {saida}  ({len(missoes)} ordens)")
+    _resumir(saida)
+
+
+def _resumir(saida: Path) -> None:
+    from collections import Counter
+    prios: Counter = Counter()
+    tipos: Counter = Counter()
+    with saida.open(newline="", encoding="utf-8-sig") as f:
+        for row in csv.DictReader(f):
+            prios[int(row["prioridade"])] += 1
+            tipos[row["tipo_missao"]] += 1
+    print("\n Distribuição de prioridades:")
+    for p in sorted(prios):
+        bar = "#" * prios[p]
+        print(f"   Prio {p}: {prios[p]:3d}  {bar}")
+    print("\n Distribuição de tipos:")
+    for t, c in tipos.most_common():
+        print(f"   {t:<20} {c:3d}")
+
+
+def main() -> None:
+    parser = argparse.ArgumentParser(description="Gerador de OFRAG sintético — Arara C-105")
+    parser.add_argument("--seed", type=int, default=42)
+    parser.add_argument("--n", type=int, default=50, help="Número de missões")
+    parser.add_argument("--saida", type=Path, default=OFRAG_PADRAO)
+    args = parser.parse_args()
+    gerar_ofrag(n=args.n, seed=args.seed, saida=args.saida)
+
+
+if __name__ == "__main__":
+    main()

software/oamrp_v2.py

@@ -0,0 +1,375 @@
+"""
+============================================================================
+ AIRCRAFT ROUTING - ESQUADRAO ARARA - V2
+============================================================================
+ Primeira versao do modelo OAMRP usando dados reais pre-processados do
+ registro de voo 2025.
+
+ Diferencas em relacao ao v1:
+   - le o CSV consolidado gerado a partir da Planilha 2025;
+   - filtra uma janela de datas, com janeiro/2025 como padrao;
+   - usa aeronaves reais observadas no registro: 2800, 2803, 2809 e 2811;
+   - gera um CSV de resultado em db/processed/.
+
+ Esta versao ainda e uma rodada exploratoria. Todas as missoes recebem
+ prioridade 1 e a base de manutencao considerada e SBMN.
+============================================================================
+"""
+
+from __future__ import annotations
+
+import argparse
+import csv
+from dataclasses import dataclass
+from datetime import datetime, timezone
+from pathlib import Path
+
+import pulp
+
+
+BASE_DIR = Path(__file__).resolve().parents[1]
+CSV_REGISTRO_PADRAO = BASE_DIR / "db" / "processed" / "registro_voo_2025_consolidado.csv"
+CSV_RESULTADO_PADRAO = BASE_DIR / "db" / "processed" / "resultado_oamrp_jan_2025.csv"
+
+DATA_INICIO_PADRAO = "2025-01-01"
+DATA_FIM_PADRAO = "2025-02-01"  # exclusivo
+
+BASE_MANUTENCAO = "SBMN"
+BASE_INICIAL = BASE_MANUTENCAO
+TURNAROUND_MIN_H = 1.0
+LIMITE_HORAS_F = 300.0
+PRIORIDADE_PADRAO = 1
+
+AERONAVES = [
+    # id    base inicial  horas acumuladas desde ultima inspecao
+    ("2800", BASE_INICIAL, 0.0),
+    ("2803", BASE_INICIAL, 0.0),
+    ("2809", BASE_INICIAL, 0.0),
+    ("2811", BASE_INICIAL, 0.0),
+]
+
+
+@dataclass(frozen=True)
+class Missao:
+    id: str
+    orig: str
+    dest: str
+    partida_utc: datetime
+    chegada_utc: datetime
+    prioridade: int
+    periodo: str
+    linhas_origem: str
+    aeronave_real: str
+    om: str
+
+    @property
+    def dur_h(self) -> float:
+        return (self.chegada_utc - self.partida_utc).total_seconds() / 3600
+
+
+def parse_utc(valor: str) -> datetime:
+    texto = str(valor).strip()
+    if texto.endswith("Z"):
+        texto = texto[:-1] + "+00:00"
+    dt = datetime.fromisoformat(texto)
+    if dt.tzinfo is None:
+        dt = dt.replace(tzinfo=timezone.utc)
+    return dt.astimezone(timezone.utc)
+
+
+def parse_data_inicio(valor: str) -> datetime:
+    return datetime.fromisoformat(valor).replace(tzinfo=timezone.utc)
+
+
+def carregar_missoes(caminho: Path, inicio: datetime, fim: datetime) -> list[Missao]:
+    missoes: list[Missao] = []
+    with caminho.open(newline="", encoding="utf-8-sig") as arquivo:
+        leitor = csv.DictReader(arquivo)
+        for linha in leitor:
+            partida = parse_utc(linha["partida_utc"])
+            chegada = parse_utc(linha["chegada_utc"])
+            if not (inicio <= partida < fim):
+                continue
+            if chegada <= partida:
+                raise ValueError(f"Missao {linha['id_registro']}: chegada antes da partida")
+            missoes.append(
+                Missao(
+                    id=linha["id_registro"],
+                    orig=linha["localidade_dep"],
+                    dest=linha["localidade_arr"],
+                    partida_utc=partida,
+                    chegada_utc=chegada,
+                    prioridade=PRIORIDADE_PADRAO,
+                    periodo=linha.get("periodo", ""),
+                    linhas_origem=linha.get("linhas_origem", ""),
+                    aeronave_real=linha.get("aeronave", ""),
+                    om=linha.get("om", ""),
+                )
+            )
+    return sorted(missoes, key=lambda m: (m.partida_utc, m.id))
+
+
+def horas_relativas(missoes: list[Missao]) -> tuple[dict[str, dict[str, object]], datetime]:
+    horizonte_inicio = min(m.partida_utc for m in missoes)
+    dados = {}
+    for missao in missoes:
+        dados[missao.id] = {
+            "orig": missao.orig,
+            "dest": missao.dest,
+            "part": (missao.partida_utc - horizonte_inicio).total_seconds() / 3600,
+            "cheg": (missao.chegada_utc - horizonte_inicio).total_seconds() / 3600,
+            "prio": missao.prioridade,
+            "dur": missao.dur_h,
+            "obj": missao,
+        }
+    return dados, horizonte_inicio
+
+
+def resolver(missoes: list[Missao]) -> dict[str, object]:
+    if not missoes:
+        raise ValueError("Nenhuma missao encontrada na janela informada")
+
+    miss, horizonte_inicio = horas_relativas(missoes)
+    acft = {a[0]: {"base": a[1], "f": a[2]} for a in AERONAVES}
+    ids = list(miss.keys())
+    ks = list(acft.keys())
+
+    conex = [
+        (i, j)
+        for i in ids
+        for j in ids
+        if i != j
+        and miss[i]["dest"] == miss[j]["orig"]
+        and miss[j]["part"] >= miss[i]["cheg"] + TURNAROUND_MIN_H
+    ]
+
+    def pode_iniciar(k: str, i: str) -> bool:
+        return miss[i]["orig"] == acft[k]["base"]
+
+    mdl = pulp.LpProblem("ARARA_OAMRP_v2", pulp.LpMaximize)
+
+    x = {(k, i): pulp.LpVariable(f"x_{k}_{i}", cat="Binary") for k in ks for i in ids}
+    s = {
+        (k, i): pulp.LpVariable(f"s_{k}_{i}", cat="Binary")
+        for k in ks
+        for i in ids
+        if pode_iniciar(k, i)
+    }
+    c = {
+        (k, i, j): pulp.LpVariable(f"c_{k}_{i}_{j}", cat="Binary")
+        for k in ks
+        for (i, j) in conex
+    }
+    z = {i: pulp.LpVariable(f"z_{i}", cat="Binary") for i in ids}
+
+    mdl += pulp.lpSum(miss[i]["prio"] * z[i] for i in ids), "missoes_cumpridas_ponderadas"
+
+    for i in ids:
+        mdl += z[i] == pulp.lpSum(x[(k, i)] for k in ks), f"def_z_{i}"
+
+    for k in ks:
+        for i in ids:
+            entradas = pulp.lpSum(c[(k, jj, i)] for (jj, ii) in conex if ii == i)
+            inicio = s[(k, i)] if (k, i) in s else 0
+            mdl += inicio + entradas == x[(k, i)], f"in_{k}_{i}"
+
+    for k in ks:
+        for i in ids:
+            saidas = pulp.lpSum(c[(k, i, jj)] for (ii, jj) in conex if ii == i)
+            mdl += saidas <= x[(k, i)], f"out_{k}_{i}"
+
+    for k in ks:
+        inicios = [s[(k, i)] for i in ids if (k, i) in s]
+        if inicios:
+            mdl += pulp.lpSum(inicios) <= 1, f"start_{k}"
+
+    for k in ks:
+        mdl += (
+            pulp.lpSum(miss[i]["dur"] * x[(k, i)] for i in ids)
+            <= LIMITE_HORAS_F - acft[k]["f"]
+        ), f"horas_{k}"
+
+    solver = pulp.PULP_CBC_CMD(msg=False)
+    mdl.solve(solver)
+    prio_otima = int(round(pulp.value(mdl.objective) or 0))
+
+    # Criterio secundario: entre solucoes com a mesma prioridade, minimiza horas
+    # totais atribuidas. Neste v2 isso evita voos extras irrelevantes se houver
+    # empate em prioridade.
+    mdl += pulp.lpSum(miss[i]["prio"] * z[i] for i in ids) == prio_otima, "fixa_prioridade"
+    mdl.sense = pulp.LpMinimize
+    mdl.setObjective(pulp.lpSum(miss[i]["dur"] * x[(k, i)] for k in ks for i in ids))
+    mdl.solve(solver)
+
+    return {
+        "modelo": mdl,
+        "miss": miss,
+        "acft": acft,
+        "ids": ids,
+        "ks": ks,
+        "conex": conex,
+        "x": x,
+        "s": s,
+        "c": c,
+        "z": z,
+        "horizonte_inicio": horizonte_inicio,
+        "prioridade_otima": prio_otima,
+    }
+
+
+def rota_da_aeronave(sol: dict[str, object], k: str) -> list[str]:
+    ids = sol["ids"]
+    conex = sol["conex"]
+    s = sol["s"]
+    c = sol["c"]
+    inicio = [
+        i
+        for i in ids
+        if (k, i) in s and s[(k, i)].value() is not None and s[(k, i)].value() > 0.5
+    ]
+    if not inicio:
+        return []
+
+    seq = [inicio[0]]
+    while True:
+        atual = seq[-1]
+        prox = [
+            j
+            for (ii, j) in conex
+            if ii == atual and c[(k, atual, j)].value() is not None and c[(k, atual, j)].value() > 0.5
+        ]
+        if not prox:
+            break
+        seq.append(prox[0])
+    return seq
+
+
+def escrever_resultado(sol: dict[str, object], caminho: Path) -> None:
+    caminho.parent.mkdir(parents=True, exist_ok=True)
+    miss = sol["miss"]
+    z = sol["z"]
+    linhas = []
+    for k in sol["ks"]:
+        for ordem, mid in enumerate(rota_da_aeronave(sol, k), start=1):
+            obj = miss[mid]["obj"]
+            linhas.append(
+                {
+                    "aeronave_modelo": k,
+                    "ordem": ordem,
+                    "id": mid,
+                    "om": obj.om,
+                    "orig": obj.orig,
+                    "dest": obj.dest,
+                    "partida_utc": obj.partida_utc.isoformat().replace("+00:00", "Z"),
+                    "chegada_utc": obj.chegada_utc.isoformat().replace("+00:00", "Z"),
+                    "dur_h": f"{obj.dur_h:.2f}",
+                    "prioridade": obj.prioridade,
+                    "periodo": obj.periodo,
+                    "aeronave_real_2025": obj.aeronave_real,
+                    "linhas_origem": obj.linhas_origem,
+                    "status": "cumprida",
+                }
+            )
+
+    for mid in sol["ids"]:
+        if not z[mid].value() or z[mid].value() <= 0.5:
+            obj = miss[mid]["obj"]
+            linhas.append(
+                {
+                    "aeronave_modelo": "",
+                    "ordem": "",
+                    "id": mid,
+                    "om": obj.om,
+                    "orig": obj.orig,
+                    "dest": obj.dest,
+                    "partida_utc": obj.partida_utc.isoformat().replace("+00:00", "Z"),
+                    "chegada_utc": obj.chegada_utc.isoformat().replace("+00:00", "Z"),
+                    "dur_h": f"{obj.dur_h:.2f}",
+                    "prioridade": obj.prioridade,
+                    "periodo": obj.periodo,
+                    "aeronave_real_2025": obj.aeronave_real,
+                    "linhas_origem": obj.linhas_origem,
+                    "status": "nao_cumprida",
+                }
+            )
+
+    colunas = [
+        "status",
+        "aeronave_modelo",
+        "ordem",
+        "id",
+        "om",
+        "orig",
+        "dest",
+        "partida_utc",
+        "chegada_utc",
+        "dur_h",
+        "prioridade",
+        "periodo",
+        "aeronave_real_2025",
+        "linhas_origem",
+    ]
+    with caminho.open("w", newline="", encoding="utf-8-sig") as arquivo:
+        escritor = csv.DictWriter(arquivo, fieldnames=colunas)
+        escritor.writeheader()
+        escritor.writerows(linhas)
+
+
+def imprimir_relatorio(sol: dict[str, object], resultado_csv: Path) -> None:
+    miss = sol["miss"]
+    z = sol["z"]
+    ids = sol["ids"]
+    cobertas = [i for i in ids if z[i].value() is not None and z[i].value() > 0.5]
+    prioridade_total = sum(int(miss[i]["prio"]) for i in ids)
+    prioridade_obtida = sum(int(miss[i]["prio"]) for i in cobertas)
+
+    print("=" * 72)
+    print(" OAMRP V2 - Registro de voo 2025 consolidado")
+    print("=" * 72)
+    print(f" Status solver: {pulp.LpStatus[sol['modelo'].status]}")
+    print(f" Horizonte inicia em UTC: {sol['horizonte_inicio'].isoformat().replace('+00:00', 'Z')}")
+    print(f" Missoes cumpridas: {len(cobertas)}/{len(ids)}")
+    print(f" Prioridade obtida: {prioridade_obtida}/{prioridade_total}")
+    print(f" Resultado CSV: {resultado_csv}")
+
+    for k in sol["ks"]:
+        seq = rota_da_aeronave(sol, k)
+        horas = sum(float(miss[i]["dur"]) for i in seq)
+        print(f"\n Aeronave {k}: {len(seq)} missoes | {horas:.1f}h")
+        for mid in seq[:12]:
+            obj = miss[mid]["obj"]
+            print(
+                f"   {obj.partida_utc:%d/%m %H:%M}Z "
+                f"{obj.orig}->{obj.dest} OM {obj.om} ({mid})"
+            )
+        if len(seq) > 12:
+            print(f"   ... mais {len(seq) - 12} missoes")
+
+    nao_cumpridas = [i for i in ids if i not in cobertas]
+    if nao_cumpridas:
+        print("\n Missoes nao cumpridas (primeiras 20):")
+        for mid in nao_cumpridas[:20]:
+            obj = miss[mid]["obj"]
+            print(f"   {obj.partida_utc:%d/%m %H:%M}Z {obj.orig}->{obj.dest} OM {obj.om} ({mid})")
+        if len(nao_cumpridas) > 20:
+            print(f"   ... mais {len(nao_cumpridas) - 20} missoes")
+
+
+def main() -> None:
+    parser = argparse.ArgumentParser(description="Resolve OAMRP v2 com registro de voo real.")
+    parser.add_argument("--csv", type=Path, default=CSV_REGISTRO_PADRAO)
+    parser.add_argument("--inicio", default=DATA_INICIO_PADRAO)
+    parser.add_argument("--fim", default=DATA_FIM_PADRAO)
+    parser.add_argument("--resultado", type=Path, default=CSV_RESULTADO_PADRAO)
+    args = parser.parse_args()
+
+    inicio = parse_data_inicio(args.inicio)
+    fim = parse_data_inicio(args.fim)
+    missoes = carregar_missoes(args.csv, inicio, fim)
+    sol = resolver(missoes)
+    escrever_resultado(sol, args.resultado)
+    imprimir_relatorio(sol, args.resultado)
+
+
+if __name__ == "__main__":
+    main()

software/visualizar_resultado.py

@@ -0,0 +1,625 @@
+"""
+Visualização interativa do resultado OAMRP — Esquadrão Arara C-105.
+
+Gera um único HTML com título "Planejamento de Diagonal de Manutenção" contendo:
+  - Gantt (Plotly): calendário aeronave × tempo com voos e inspeções
+  - Mapa (Folium): rotas por aeronave, missões não cumpridas, bases
+
+Uso:
+    python software/visualizar_resultado.py \
+        --resultado db/processed/resultado_oamrp_sintetico.csv \
+        --saida db/processed/planejamento.html
+"""
+
+import argparse
+import csv
+import io
+from datetime import datetime, timedelta, timezone
+from html import escape
+from pathlib import Path
+
+import folium
+
+BASE_DIR = Path(__file__).resolve().parents[1]
+
+RESULTADO_PADRAO = BASE_DIR / "db" / "processed" / "resultado_oamrp_sintetico.csv"
+SAIDA_PADRAO = BASE_DIR / "db" / "processed" / "planejamento.html"
+
+# Coordenadas das bases (lat, lon)
+BASES_COORDS: dict[str, tuple[float, float]] = {
+    "SBMN": (-3.15, -59.99),
+    "SBBE": (-1.38, -48.48),
+    "SBBV": ( 2.84, -60.69),
+    "SBSN": (-2.42, -54.79),
+    "SBPV": (-8.71, -63.90),
+    "SBTS": (-4.25, -69.94),
+    "SBTT": (-3.38, -64.72),
+    "SBUA": (-0.15, -67.05),
+    "SWBC": (-0.98, -62.92),
+    "SBMY": (-5.81, -61.28),
+}
+
+BASES_NOMES = {
+    "SBMN": "Manaus / Ponta Pelada (Hub)",
+    "SBBE": "Belém",
+    "SBBV": "Boa Vista",
+    "SBSN": "Santarém",
+    "SBPV": "Porto Velho",
+    "SBTS": "Tabatinga",
+    "SBTT": "Tefé",
+    "SBUA": "São Gabriel da Cachoeira",
+    "SWBC": "Barcelos",
+    "SBMY": "Manicoré",
+}
+
+CORES_AERONAVE = {
+    "2800": "#1f77b4",
+    "2803": "#2ca02c",
+    "2809": "#d62728",
+    "2811": "#ff7f0e",
+}
+COR_NAO_CUMPRIDA = "#aaaaaa"
+
+_GANTT_CORES = {
+    "cumprida": {
+        "1": "#d62728",
+        "2": "#ff7f0e",
+        "3": "#2ca02c",
+        "4": "#1f77b4",
+        "5": "#9467bd",
+        "": "#1f77b4",
+    },
+    "inspecao": "#8c564b",
+    "nao_cumprida": "#aaaaaa",
+}
+
+
+def _cor_prio(prio: str) -> str:
+    return {"1": "red", "2": "orange", "3": "yellow", "4": "lightblue", "5": "lightgray"}.get(str(prio), "white")
+
+
+def _cor_gantt(linha: dict) -> str:
+    status = linha["status"]
+    if status == "inspecao":
+        return _GANTT_CORES["inspecao"]
+    if status == "nao_cumprida":
+        return _GANTT_CORES["nao_cumprida"]
+    return _GANTT_CORES["cumprida"].get(linha.get("prioridade", ""), "#1f77b4")
+
+
+def carregar_resultado(caminho: Path) -> list[dict]:
+    with caminho.open(newline="", encoding="utf-8-sig") as f:
+        return list(csv.DictReader(f))
+
+
+def _resumir_resultado(linhas: list[dict]) -> None:
+    cumpridas = sum(1 for r in linhas if r["status"] == "cumprida")
+    total_missoes = sum(1 for r in linhas if r["status"] in ("cumprida", "nao_cumprida"))
+    print(f" Missões: {cumpridas}/{total_missoes} cumpridas")
+    aeronaves: dict[str, int] = {}
+    for r in linhas:
+        if r["aeronave"] and r["status"] == "cumprida":
+            aeronaves.setdefault(r["aeronave"], 0)
+            aeronaves[r["aeronave"]] += 1
+    for k, c in sorted(aeronaves.items()):
+        print(f"   FAB {k}: {c} missões")
+
+
+# ---------------------------------------------------------------------------
+# Mapa Folium → string HTML
+# ---------------------------------------------------------------------------
+
+def _construir_mapa(linhas: list[dict]) -> str:
+    mapa = folium.Map(location=[-3.5, -62.0], zoom_start=5, tiles="CartoDB positron")
+
+    aeronaves_vistas = sorted({r["aeronave"] for r in linhas if r["aeronave"]})
+    grupos: dict[str, folium.FeatureGroup] = {}
+    for k in aeronaves_vistas:
+        grupos[k] = folium.FeatureGroup(name=f"FAB {k}", show=True)
+    grupos["nao_cumprida"] = folium.FeatureGroup(name="Não cumpridas", show=True)
+
+    for r in linhas:
+        if r["status"] != "cumprida":
+            continue
+        orig, dest = r["orig"], r["dest"]
+        if orig not in BASES_COORDS or dest not in BASES_COORDS:
+            continue
+        k = r["aeronave"]
+        cor = CORES_AERONAVE.get(k, "#333333")
+        lat_o, lon_o = BASES_COORDS[orig]
+        lat_d, lon_d = BASES_COORDS[dest]
+
+        folium.PolyLine(
+            locations=[[lat_o, lon_o], [lat_d, lon_d]],
+            color=cor, weight=2.5, opacity=0.8,
+            tooltip=f"FAB {k} | {orig}→{dest} | OM {r['om']} | prio {r['prioridade']}",
+            popup=folium.Popup(
+                f"<b>FAB {k}</b> — Missão #{r['ordem']}<br>"
+                f"{orig} → {dest}<br>"
+                f"OM: {r['om']} | Prio: {r['prioridade']}<br>"
+                f"Partida: {r['partida_utc'][:16].replace('T',' ')}Z<br>"
+                f"Chegada: {r['chegada_utc'][:16].replace('T',' ')}Z<br>"
+                f"Duração: {r['dur_h']}h",
+                max_width=250,
+            ),
+        ).add_to(grupos[k])
+        folium.CircleMarker(
+            location=[lat_o, lon_o], radius=4, color=cor,
+            fill=True, fill_color=_cor_prio(r["prioridade"]), fill_opacity=0.9,
+            tooltip=f"{orig} | prio {r['prioridade']}",
+        ).add_to(grupos[k])
+
+    for r in linhas:
+        if r["status"] == "nao_cumprida":
+            orig, dest = r["orig"], r["dest"]
+            if orig not in BASES_COORDS or dest not in BASES_COORDS:
+                continue
+            lat_o, lon_o = BASES_COORDS[orig]
+            lat_d, lon_d = BASES_COORDS[dest]
+            folium.PolyLine(
+                locations=[[lat_o, lon_o], [lat_d, lon_d]],
+                color=COR_NAO_CUMPRIDA, weight=1.5, opacity=0.5, dash_array="6 4",
+                tooltip=f"NÃO CUMPRIDA | {orig}→{dest} | OM {r['om']} | prio {r['prioridade']}",
+            ).add_to(grupos["nao_cumprida"])
+
+    for g in grupos.values():
+        g.add_to(mapa)
+
+    for icao, (lat, lon) in BASES_COORDS.items():
+        folium.Marker(
+            location=[lat, lon],
+            tooltip=f"<b>{icao}</b><br>{BASES_NOMES.get(icao, '')}",
+            popup=folium.Popup(f"<b>{icao}</b><br>{BASES_NOMES.get(icao, '')}", max_width=200),
+            icon=folium.Icon(color="red" if icao == "SBMN" else "blue", icon="plane", prefix="fa"),
+        ).add_to(mapa)
+
+    folium.LayerControl(collapsed=False).add_to(mapa)
+
+    legenda_html = """
+    <div style="position:fixed;bottom:30px;left:30px;z-index:1000;background:white;
+                padding:12px 16px;border-radius:8px;box-shadow:2px 2px 6px rgba(0,0,0,0.3);
+                font-family:sans-serif;font-size:12px;">
+      <b>Esquadrão Arara — OAMRP v3</b><br><br>
+      <b>Aeronaves:</b><br>
+    """
+    for k, cor in CORES_AERONAVE.items():
+        legenda_html += (
+            f'  <span style="display:inline-block;width:16px;height:4px;'
+            f'background:{cor};margin-right:6px;vertical-align:middle;"></span>'
+            f'FAB {k}<br>'
+        )
+    legenda_html += """
+      <br><b>Prioridade (preenchimento):</b><br>
+      <span style="display:inline-block;width:12px;height:12px;border-radius:50%;
+        background:red;margin-right:6px;"></span>Prio 1 (urgente)<br>
+      <span style="display:inline-block;width:12px;height:12px;border-radius:50%;
+        background:orange;margin-right:6px;"></span>Prio 2<br>
+      <span style="display:inline-block;width:12px;height:12px;border-radius:50%;
+        background:yellow;margin-right:6px;"></span>Prio 3<br>
+      <span style="display:inline-block;width:12px;height:12px;border-radius:50%;
+        background:lightblue;margin-right:6px;"></span>Prio 4–5<br>
+      <br>
+      <span style="border-bottom:2px dashed #aaa;display:inline-block;width:20px;
+        margin-right:6px;"></span>Não cumprida
+    </div>
+    """
+    mapa.get_root().html.add_child(folium.Element(legenda_html))
+
+    return mapa.get_root().render()
+
+
+# ---------------------------------------------------------------------------
+# Gantt Plotly → string HTML (só o div, sem <html>)
+# ---------------------------------------------------------------------------
+
+def _construir_gantt(linhas: list[dict]) -> str:
+    try:
+        import plotly.graph_objects as go
+    except ImportError:
+        return "<p><em>plotly não instalado — instale com: pip install plotly</em></p>"
+
+    aeronaves_ord = sorted(
+        {r["aeronave"] for r in linhas if r["aeronave"]},
+        key=lambda k: int(k) if k.isdigit() else 0,
+    )
+    y_pos = {k: i for i, k in enumerate(aeronaves_ord)}
+
+    fig = go.Figure()
+
+    for i, k in enumerate(aeronaves_ord):
+        fig.add_hrect(
+            y0=i - 0.45, y1=i + 0.45,
+            fillcolor="#f0f0f0" if i % 2 == 0 else "white",
+            layer="below", line_width=0,
+        )
+
+    shapes = []
+    bar_traces = []
+
+    for r in linhas:
+        k = r["aeronave"]
+        if not k or k not in y_pos:
+            continue
+        try:
+            ini = r["partida_utc"].replace("Z", "+00:00")
+            fim = r["chegada_utc"].replace("Z", "+00:00")
+        except Exception:
+            continue
+
+        ini_dt = datetime.fromisoformat(ini)
+        fim_dt = datetime.fromisoformat(fim)
+        if (fim_dt - ini_dt).total_seconds() < 2 * 3600:
+            fim_dt = ini_dt + timedelta(hours=2)
+
+        yi = y_pos[k]
+        cor = _cor_gantt(r)
+        status = r["status"]
+
+        if status == "inspecao":
+            txt = (
+                f"<b>FAB {k}</b> — Inspeção {r['om']}<br>"
+                f"Início: {ini[:16].replace('T',' ')}Z<br>"
+                f"Fim: {fim[:16].replace('T',' ')}Z<br>"
+                f"Duração: {r['dur_h']}h"
+            )
+        else:
+            txt = (
+                f"<b>FAB {k}</b> — Missão #{r['ordem']}<br>"
+                f"{r['orig']} → {r['dest']}<br>"
+                f"OM: {r['om']} | Prio: {r['prioridade']}<br>"
+                f"Partida: {ini[:16].replace('T',' ')}Z<br>"
+                f"Chegada: {fim[:16].replace('T',' ')}Z<br>"
+                f"Duração: {r['dur_h']}h"
+            )
+
+        # Barra como linha horizontal grossa — renderiza garantido no eixo de datas
+        bar_traces.append(go.Scatter(
+            x=[ini_dt, fim_dt],
+            y=[yi, yi],
+            mode="lines",
+            line=dict(color=cor, width=64),
+            hovertext=[txt, txt],
+            hoverinfo="text",
+            showlegend=False,
+        ))
+
+    # Divisões diárias
+    datas_utc = [
+        r[campo].replace("Z", "+00:00")
+        for r in linhas
+        for campo in ("partida_utc", "chegada_utc")
+        if r.get(campo)
+    ]
+    if datas_utc:
+        t_min = datetime.fromisoformat(min(datas_utc))
+        t_max = datetime.fromisoformat(max(datas_utc))
+        dia = datetime(t_min.year, t_min.month, t_min.day, tzinfo=timezone.utc)
+        while dia <= t_max + timedelta(days=1):
+            shapes.append(dict(
+                type="line", xref="x", yref="paper",
+                x0=dia.isoformat(), x1=dia.isoformat(),
+                y0=0, y1=1,
+                line=dict(color="#bbbbbb", width=1, dash="dot"),
+                layer="above",
+            ))
+            dia += timedelta(days=1)
+
+    # Legenda
+    for nome, cor in [
+        ("Prio 1", _GANTT_CORES["cumprida"]["1"]),
+        ("Prio 2", _GANTT_CORES["cumprida"]["2"]),
+        ("Prio 3", _GANTT_CORES["cumprida"]["3"]),
+        ("Prio 4", _GANTT_CORES["cumprida"]["4"]),
+        ("Prio 5", _GANTT_CORES["cumprida"]["5"]),
+        ("Inspeção", _GANTT_CORES["inspecao"]),
+    ]:
+        fig.add_trace(go.Scatter(
+            x=[None], y=[None], mode="markers",
+            marker=dict(size=12, color=cor, symbol="square"),
+            name=nome, showlegend=True,
+        ))
+
+    for t in bar_traces:
+        fig.add_trace(t)
+
+    fig.update_layout(
+        shapes=shapes,
+        xaxis=dict(
+            title="Data / Hora (UTC)", type="date",
+            tickformat="%d/%m", dtick=86400000,
+            showgrid=True, gridcolor="#dddddd",
+        ),
+        yaxis=dict(
+            title="Aeronave",
+            tickvals=list(range(len(aeronaves_ord))),
+            ticktext=[f"FAB {k}" for k in aeronaves_ord],
+            showgrid=False,
+            range=[-0.5, len(aeronaves_ord) - 0.5],
+        ),
+        height=max(300, 120 + 80 * len(aeronaves_ord)),
+        plot_bgcolor="white",
+        paper_bgcolor="white",
+        legend=dict(title="Legenda", orientation="v", x=1.01, y=1, xanchor="left"),
+        margin=dict(l=100, r=160, t=10, b=60),
+        hovermode="closest",
+    )
+
+    return fig.to_html(full_html=False, include_plotlyjs="cdn")
+
+
+# ---------------------------------------------------------------------------
+# Tabela de voos com filtros
+# ---------------------------------------------------------------------------
+
+def _construir_tabela(linhas: list[dict]) -> str:
+    import json
+
+    # Monta lista de registros para a tabela (missões + inspeções, sem nao_cumprida sem aeronave)
+    registros = []
+    for r in linhas:
+        status = r["status"]
+        k = r["aeronave"]
+        if status == "nao_cumprida" and not k:
+            # mantém como linha sem aeronave
+            k = "—"
+        registros.append({
+            "status":    status,
+            "aeronave":  f"FAB {k}" if k and k != "—" else "—",
+            "ordem":     r.get("ordem", ""),
+            "om":        r.get("om", ""),
+            "orig":      r.get("orig", ""),
+            "dest":      r.get("dest", ""),
+            "partida":   r.get("partida_utc", "")[:16].replace("T", " ") + "Z" if r.get("partida_utc") else "",
+            "chegada":   r.get("chegada_utc", "")[:16].replace("T", " ") + "Z" if r.get("chegada_utc") else "",
+            "dur_h":     r.get("dur_h", ""),
+            "prioridade": r.get("prioridade", ""),
+        })
+
+    dados_json = json.dumps(registros, ensure_ascii=False)
+
+    opcoes_aeronave = sorted({r["aeronave"] for r in registros if r["aeronave"] != "—"})
+    opcoes_status   = ["cumprida", "nao_cumprida", "inspecao"]
+    opcoes_prio     = sorted({r["prioridade"] for r in registros if r["prioridade"]})
+    opcoes_base     = sorted({b for r in registros for b in (r["orig"], r["dest"]) if b})
+
+    def opts(valores: list[str], label: str) -> str:
+        html = f'<option value="">— {label} —</option>'
+        for v in valores:
+            html += f'<option value="{escape(v)}">{escape(v)}</option>'
+        return html
+
+    return f"""
+<style>
+  .filtros {{
+    display: flex; flex-wrap: wrap; gap: 10px; margin-bottom: 14px; align-items: flex-end;
+  }}
+  .filtros label {{ font-size: 0.78rem; color: #555; display: flex; flex-direction: column; gap: 3px; }}
+  .filtros select, .filtros input {{
+    border: 1px solid #ccc; border-radius: 4px; padding: 5px 8px;
+    font-size: 0.85rem; min-width: 130px; background: white;
+  }}
+  .filtros button {{
+    padding: 6px 14px; border: none; border-radius: 4px; cursor: pointer;
+    font-size: 0.85rem; background: #1a3a5c; color: white;
+    align-self: flex-end;
+  }}
+  .filtros button:hover {{ background: #254f80; }}
+  #contador {{ font-size: 0.82rem; color: #666; margin-bottom: 10px; }}
+  #tabela-voos {{ width: 100%; border-collapse: collapse; font-size: 0.85rem; }}
+  #tabela-voos thead th {{
+    background: #1a3a5c; color: white; padding: 8px 10px;
+    text-align: left; white-space: nowrap; cursor: pointer; user-select: none;
+  }}
+  #tabela-voos thead th:hover {{ background: #254f80; }}
+  #tabela-voos thead th .sort-icon {{ margin-left: 4px; opacity: 0.5; }}
+  #tabela-voos tbody tr:nth-child(even) {{ background: #f7f8fa; }}
+  #tabela-voos tbody tr:hover {{ background: #e8f0fb; }}
+  #tabela-voos td {{ padding: 7px 10px; border-bottom: 1px solid #eee; white-space: nowrap; }}
+  .badge {{
+    display: inline-block; padding: 2px 8px; border-radius: 10px;
+    font-size: 0.75rem; font-weight: 600; text-transform: uppercase;
+  }}
+  .badge-cumprida    {{ background: #d4edda; color: #155724; }}
+  .badge-nao_cumprida {{ background: #f8d7da; color: #721c24; }}
+  .badge-inspecao    {{ background: #e2d9f3; color: #4a235a; }}
+  .prio-1 {{ color: #d62728; font-weight: 700; }}
+  .prio-2 {{ color: #ff7f0e; font-weight: 700; }}
+  .prio-3 {{ color: #2ca02c; font-weight: 700; }}
+</style>
+
+<div class="filtros">
+  <label>Aeronave
+    <select id="f-aeronave">{opts(opcoes_aeronave, "Todas")}</select>
+  </label>
+  <label>Status
+    <select id="f-status">{opts(opcoes_status, "Todos")}</select>
+  </label>
+  <label>Prioridade
+    <select id="f-prio">{opts(opcoes_prio, "Todas")}</select>
+  </label>
+  <label>Base (orig/dest)
+    <select id="f-base">{opts(opcoes_base, "Todas")}</select>
+  </label>
+  <label>Busca (OM, rota…)
+    <input id="f-texto" type="text" placeholder="ex: SBMN, EVAM…">
+  </label>
+  <button onclick="limparFiltros()">Limpar</button>
+</div>
+<div id="contador"></div>
+<table id="tabela-voos">
+  <thead>
+    <tr>
+      <th onclick="ordenar(0)">Aeronave <span class="sort-icon">↕</span></th>
+      <th onclick="ordenar(1)">Status <span class="sort-icon">↕</span></th>
+      <th onclick="ordenar(2)">#Missão <span class="sort-icon">↕</span></th>
+      <th onclick="ordenar(3)">OM <span class="sort-icon">↕</span></th>
+      <th onclick="ordenar(4)">Origem <span class="sort-icon">↕</span></th>
+      <th onclick="ordenar(5)">Destino <span class="sort-icon">↕</span></th>
+      <th onclick="ordenar(6)">Partida (UTC) <span class="sort-icon">↕</span></th>
+      <th onclick="ordenar(7)">Chegada (UTC) <span class="sort-icon">↕</span></th>
+      <th onclick="ordenar(8)">Duração (h) <span class="sort-icon">↕</span></th>
+      <th onclick="ordenar(9)">Prio <span class="sort-icon">↕</span></th>
+    </tr>
+  </thead>
+  <tbody id="corpo-tabela"></tbody>
+</table>
+
+<script>
+const DADOS = {dados_json};
+let _colOrdem = -1, _colAsc = true;
+
+function badgeStatus(s) {{
+  const label = {{cumprida:'Cumprida', nao_cumprida:'Não cumprida', inspecao:'Inspeção'}}[s] || s;
+  return `<span class="badge badge-${{s}}">${{label}}</span>`;
+}}
+function prio(p) {{
+  if (!p) return '';
+  const cls = ['1','2','3'].includes(p) ? `prio-${{p}}` : '';
+  return `<span class="${{cls}}">${{p}}</span>`;
+}}
+
+function linhasFiltradas() {{
+  const fa = document.getElementById('f-aeronave').value;
+  const fs = document.getElementById('f-status').value;
+  const fp = document.getElementById('f-prio').value;
+  const fb = document.getElementById('f-base').value;
+  const ft = document.getElementById('f-texto').value.toLowerCase();
+  return DADOS.filter(r => {{
+    if (fa && r.aeronave !== fa) return false;
+    if (fs && r.status !== fs) return false;
+    if (fp && r.prioridade !== fp) return false;
+    if (fb && r.orig !== fb && r.dest !== fb) return false;
+    if (ft && !JSON.stringify(r).toLowerCase().includes(ft)) return false;
+    return true;
+  }});
+}}
+
+function renderizar() {{
+  let rows = linhasFiltradas();
+  if (_colOrdem >= 0) {{
+    const chaves = ['aeronave','status','ordem','om','orig','dest','partida','chegada','dur_h','prioridade'];
+    const c = chaves[_colOrdem];
+    rows = [...rows].sort((a,b) => {{
+      const va = a[c] ?? '', vb = b[c] ?? '';
+      return _colAsc ? String(va).localeCompare(String(vb), 'pt', {{numeric:true}})
+                     : String(vb).localeCompare(String(va), 'pt', {{numeric:true}});
+    }});
+  }}
+  document.getElementById('contador').textContent =
+    `${{rows.length}} registro${{rows.length !== 1 ? 's' : ''}} exibido${{rows.length !== 1 ? 's' : ''}} de ${{DADOS.length}}`;
+  document.getElementById('corpo-tabela').innerHTML = rows.map(r => `
+    <tr>
+      <td>${{r.aeronave}}</td>
+      <td>${{badgeStatus(r.status)}}</td>
+      <td>${{r.ordem}}</td>
+      <td>${{r.om}}</td>
+      <td>${{r.orig}}</td>
+      <td>${{r.dest}}</td>
+      <td>${{r.partida}}</td>
+      <td>${{r.chegada}}</td>
+      <td>${{r.dur_h}}</td>
+      <td>${{prio(r.prioridade)}}</td>
+    </tr>`).join('');
+}}
+
+function ordenar(col) {{
+  if (_colOrdem === col) _colAsc = !_colAsc;
+  else {{ _colOrdem = col; _colAsc = true; }}
+  renderizar();
+}}
+
+function limparFiltros() {{
+  ['f-aeronave','f-status','f-prio','f-base'].forEach(id => document.getElementById(id).value = '');
+  document.getElementById('f-texto').value = '';
+  renderizar();
+}}
+
+['f-aeronave','f-status','f-prio','f-base'].forEach(id =>
+  document.getElementById(id).addEventListener('change', renderizar));
+document.getElementById('f-texto').addEventListener('input', renderizar);
+
+renderizar();
+</script>"""
+
+
+# ---------------------------------------------------------------------------
+# HTML combinado
+# ---------------------------------------------------------------------------
+
+def gerar_planejamento(resultado: Path, saida: Path) -> None:
+    linhas = carregar_resultado(resultado)
+
+    gantt_div  = _construir_gantt(linhas)
+    mapa_html  = _construir_mapa(linhas)
+    tabela_div = _construir_tabela(linhas)
+
+    html = f"""<!DOCTYPE html>
+<html lang="pt-BR">
+<head>
+  <meta charset="utf-8">
+  <title>Planejamento de Diagonal de Manutenção</title>
+  <style>
+    * {{ box-sizing: border-box; margin: 0; padding: 0; }}
+    body {{ font-family: 'Segoe UI', Arial, sans-serif; background: #f0f2f5; color: #222; }}
+    header {{
+      background: #1a3a5c; color: white;
+      padding: 18px 32px;
+      border-bottom: 4px solid #c8a400;
+    }}
+    header h1 {{ font-size: 1.5rem; font-weight: 700; letter-spacing: 0.03em; }}
+    header p {{ font-size: 0.85rem; opacity: 0.75; margin-top: 4px; }}
+    .container {{ padding: 24px 32px; max-width: 1600px; margin: 0 auto; }}
+    .section {{
+      background: white; border-radius: 8px;
+      box-shadow: 0 1px 4px rgba(0,0,0,0.12);
+      margin-bottom: 28px; overflow: hidden;
+    }}
+    .section-title {{
+      background: #f7f8fa; border-bottom: 1px solid #e0e0e0;
+      padding: 12px 20px; font-size: 0.95rem; font-weight: 600;
+      color: #1a3a5c; text-transform: uppercase; letter-spacing: 0.05em;
+    }}
+    .section-body {{ padding: 16px; }}
+    iframe.mapa {{
+      width: 100%; height: 560px; border: none; border-radius: 4px; display: block;
+    }}
+  </style>
+</head>
+<body>
+  <header>
+    <h1>Planejamento de Diagonal de Manutenção</h1>
+    <p>Esquadrão Arara · C-105 · OAMRP v3</p>
+  </header>
+  <div class="container">
+    <div class="section">
+      <div class="section-title">Calendário de Emprego das Aeronaves</div>
+      <div class="section-body">{gantt_div}</div>
+    </div>
+    <div class="section">
+      <div class="section-title">Rotas Operacionais</div>
+      <iframe class="mapa" srcdoc="{escape(mapa_html)}"></iframe>
+    </div>
+    <div class="section">
+      <div class="section-title">Planejamento de Voos</div>
+      <div class="section-body">{tabela_div}</div>
+    </div>
+  </div>
+</body>
+</html>"""
+
+    saida.parent.mkdir(parents=True, exist_ok=True)
+    saida.write_text(html, encoding="utf-8")
+    print(f" Planejamento salvo: {saida}")
+    _resumir_resultado(linhas)
+
+
+def main() -> None:
+    parser = argparse.ArgumentParser(description="Visualização OAMRP — Arara C-105")
+    parser.add_argument("--resultado", type=Path, default=RESULTADO_PADRAO)
+    parser.add_argument("--saida", type=Path, default=SAIDA_PADRAO)
+    args = parser.parse_args()
+    gerar_planejamento(resultado=args.resultado, saida=args.saida)
+
+
+if __name__ == "__main__":
+    main()