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

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

.gitignore

@@ -9,3 +9,8 @@ Desktop.ini
 # Local editor folders
 .vscode/
 .idea/
+.claude/
+
+# Python cache
+__pycache__/
+*.py[cod]

CONTEXTO.md

@@ -2,13 +2,24 @@
 
 ## Objetivo
 
-Organizar, preservar e processar documentos relacionados ao projeto `arara_oarmp`, mantendo rastreabilidade das alterações e separando arquivos originais, intermediários e processados.
+Organizar, preservar e processar documentos relacionados ao projeto Arara OAMRP, mantendo rastreabilidade das alterações e separando arquivos originais, intermediários, processados e modelos de software.
 
 ## Estrutura de Pastas
 
-- `raw/`: arquivos originais, sem alteração.
-- `pre_process/`: scripts e saídas intermediárias de pré-processamento.
-- `processed/`: dados finais limpos, consolidados ou prontos para análise.
+- `db/raw/`: arquivos originais, sem alteração.
+- `db/pre_process/`: scripts e saídas intermediárias de pré-processamento.
+- `db/processed/`: dados finais limpos, consolidados ou prontos para análise.
+- `software/`: modelos, scripts analíticos e protótipos executáveis do OAMRP.
+- `docs/`: documentação técnica, autoria e histórico de versões.
+
+## Arquivos de Documentação
+
+- `README.md`: guia inicial para colaboradores e uso básico do repositório.
+- `CONTEXTO.md`: orientações permanentes e combinados de trabalho.
+- `LOG.md`: diário operacional detalhado, com data, hora, autor, ação, arquivos e observações.
+- `docs/about.md`: documentação técnica do projeto, fluxo de dados, limitações e oportunidades de melhoria.
+- `docs/authors.md`: autoria, colaboradores e regras de contribuição.
+- `docs/changelog.md`: histórico resumido de versões significativas.
 
 ## Colaboradores
 
@@ -18,21 +29,43 @@ Organizar, preservar e processar documentos relacionados ao projeto `arara_oarmp
 
 ## Orientações de Trabalho
 
-- Manter documentos originais sempre em `raw/`.
-- Não alterar arquivos dentro de `raw/`; quando necessário, gerar cópias ou saídas em `pre_process/`.
+- Manter documentos originais sempre em `db/raw/`.
+- Não alterar arquivos dentro de `db/raw/`; quando necessário, gerar cópias ou saídas em `db/pre_process/`.
+- Manter modelos e protótipos executáveis em `software/`.
 - Registrar no `LOG.md` toda entrada, alteração, processamento ou decisão relevante.
+- Registrar em `docs/changelog.md` mudanças significativas de versão, como novo parser, novo conjunto de dados, mudança estrutural ou nova funcionalidade.
 - Usar o formato de log com data, hora, tag do colaborador e descrição objetiva da ação.
 - Registrar a origem de cada documento, quando conhecida.
 - Informar scripts executados e parâmetros importantes.
 - Registrar quantidade de registros extraídos, descartados, corrigidos ou validados.
 - Registrar problemas encontrados nos arquivos originais, como erros de digitação, páginas ilegíveis, campos ausentes ou tabelas quebradas.
 - Registrar decisões de padronização, por exemplo nomes de colunas, unidades, formatos de data e tratamento de acentos.
-- Explicitar os critérios usados para mover dados de `pre_process/` para `processed/`.
+- Explicitar os critérios usados para mover dados de `db/pre_process/` para `db/processed/`.
+- Atualizar `docs/about.md` quando o fluxo técnico, campos extraídos ou limitações conhecidas mudarem.
+
+## Checklist de Atualização Documental
+
+Antes de fechar uma mudança relevante ou criar um commit, verificar se algum destes arquivos precisa ser atualizado:
+
+- `LOG.md`: atualizar em toda entrada de documento, alteração de dados, execução de script, processamento, decisão técnica ou mudança estrutural relevante.
+- `docs/changelog.md`: atualizar quando a mudança representar nova versão ou marco do projeto, como novo parser, novo modelo, novo conjunto de dados, alteração de estrutura, nova funcionalidade ou correção importante.
+- `README.md`: atualizar quando mudar a forma de usar o projeto, a estrutura de pastas, comandos principais, estado atual, dependências esperadas ou orientação para colaboradores.
+- `docs/about.md`: atualizar quando mudar o fluxo técnico, arquitetura, campos extraídos, modelo de dados, limitações conhecidas, fontes de dados ou oportunidades de melhoria.
+- `docs/authors.md`: atualizar quando houver novo colaborador, mudança de papel, nova contribuição atribuída ou nova versão registrada no changelog.
+- `CONTEXTO.md`: atualizar quando mudar regra permanente de trabalho, convenção de pastas, política de documentação, padrão de nomenclatura ou combinado do projeto.
+- `.gitignore`: atualizar quando surgirem novos arquivos temporários, caches, saídas locais ou artefatos gerados que não devem ser versionados.
+
+Critério prático:
+
+- Mudança operacional ou decisão do dia: registrar no `LOG.md`.
+- Mudança significativa para quem usa ou entende o projeto: registrar também em `docs/changelog.md`.
+- Mudança que altera como trabalhar no repositório: atualizar `README.md` e, se for regra permanente, `CONTEXTO.md`.
+- Mudança técnica interna: atualizar `docs/about.md`.
 
 ## Formato Recomendado do Log
 
 ```text
 | Data | Hora | Autor | Ação | Arquivos | Observações |
 | --- | --- | --- | --- | --- | --- |
-| 2026-06-15 | 15:41 | VTO | Pré-processou PDF de inspeções | raw/documento.pdf; pre_process/saida.csv | 18 inspeções extraídas |
+| 2026-06-15 | 15:41 | VTO | Pré-processou PDF de inspeções | db/raw/documento.pdf; db/pre_process/saida.csv | 18 inspeções extraídas |
 ```

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

@@ -18,3 +18,33 @@ Legenda de autores:
 | 2026-06-15 | 16:03 | VTO | Corrigiu interpretação da coluna `Zera TSO` | `pre_process/preprocess_pdf.py`; `pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.json`; `pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.csv` | `Zera TSO` passou a ser coluna única `zera_tso`; níveis `B`, `P` e `O` mapeados para Base, Parque e Orgânico; `controle_original` mantido para rastreabilidade. |
 | 2026-06-15 | 16:08 | VTO | Separou valores numéricos dos intervalos de inspeção | `pre_process/preprocess_pdf.py`; `pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.json`; `pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.csv` | Criadas colunas discretas para horas de voo, meses contínuos e pousos, mantendo os campos textuais originais. |
 | 2026-06-15 | 16:43 | VTO | Renomeou o projeto e trocou o repositório remoto | `README.md`; `CONTEXTO.md`; `.git/config` | Projeto passou a se chamar `arara_oarmp`; remoto atualizado para `https://git.ppgao.ita.br/vitorcesavc/arara_oarmp.git`. |
+| 2026-06-15 | 17:57 | VTO | Criou documentação técnica no padrão `docs/` | `docs/about.md`; `docs/authors.md`; `docs/changelog.md`; `README.md`; `CONTEXTO.md`; `LOG.md` | Estrutura inspirada no módulo `meteorologia_aeroportos`: documentação técnica, autoria e changelog separados do log operacional. |
+| 2026-06-15 | 18:11 | VTO | Agrupou artefatos do relatório de ciclo em subpasta própria | `pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/`; `README.md`; `docs/about.md` | Removido `.gitkeep` de `pre_process/` porque a pasta deixou de estar vazia; `.gitkeep` de `processed/` foi mantido. |
+| 2026-06-15 | 18:33 | VTO | Comparou ICA 66-31/2023 com relatório de ciclo C-105 2805 | `raw/ICA 66-31 2023.pdf`; `pre_process/comparacao_ica_66_31_c105_2023/` | A comparação usou o Anexo D textual do PDF completo da ICA. |
+| 2026-06-15 | 19:01 | VTO | Reorganizou dados em `db/` e adicionou protótipo OAMRP | `db/`; `software/oamrp_v1.py`; `.gitignore`; `README.md`; `CONTEXTO.md`; `docs/about.md`; `docs/authors.md`; `docs/changelog.md` | Commit `1131267`; diretórios `raw/`, `pre_process/` e `processed/` movidos para `db/`; modelo MIP inicial em PuLP adicionado em `software/`. |
+| 2026-06-15 | 19:56 | VTO | Pre-processou a Planilha 2025 para registro de voo | `db/raw/Planilha 2025.xlsx`; `db/pre_process/registro_voo_2025/`; `db/processed/registro_voo_2025.csv` | Extraidos 1421 registros; colunas `REAL` ate `COM2` descartadas; 53 linhas cruzam 00Z; 1 registro sem OM e 9 sem pousos preservados para revisao. |
+| 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

@@ -1,6 +1,6 @@
-# Arara OARMP
+# Arara OAMRP
 
-Este repositório organiza os arquivos e processamentos do projeto Arara OARMP do Esquadrão Arara, em Manaus.
+Este repositório organiza os arquivos, processamentos e protótipos do projeto Arara OAMRP do Esquadrão Arara, em Manaus.
 
 A ideia é construir, em conjunto, uma base confiável para encaixar missões, aeronaves e manutenções. O repositório serve como lugar único para guardar documentos originais, registrar decisões, transformar relatórios em dados utilizáveis e manter um histórico claro do que foi feito por cada colaborador.
 
@@ -8,12 +8,12 @@ A ideia é construir, em conjunto, uma base confiável para encaixar missões, a
 
 Um repositório é uma pasta controlada pelo Git. Ele guarda os arquivos do projeto e também o histórico de alterações.
 
-O GitHub é o site onde esse repositório fica hospedado de forma privada, para que os colaboradores possam acessar, baixar, atualizar e enviar contribuições.
+O Gitea do PPGAO/ITA é o site onde esse repositório fica hospedado de forma privada, para que os colaboradores possam acessar, baixar, atualizar e enviar contribuições.
 
 Na prática:
 
 - o Git mostra o que mudou;
-- o GitHub permite compartilhar o projeto;
+- o Gitea permite compartilhar o projeto;
 - os commits são registros das alterações feitas;
 - o `LOG.md` explica o motivo e o contexto das mudanças importantes.
 
@@ -21,17 +21,22 @@ Na prática:
 
 ```text
 arara_oarmp/
+  db/
     raw/
     pre_process/
     processed/
+  software/
+  docs/
   CONTEXTO.md
   LOG.md
   README.md
 ```
 
-- `raw/`: documentos originais. Não editar esses arquivos diretamente.
-- `pre_process/`: scripts e arquivos intermediários gerados a partir dos documentos originais.
-- `processed/`: arquivos finais, limpos e prontos para análise ou uso.
+- `db/raw/`: documentos originais. Não editar esses arquivos diretamente.
+- `db/pre_process/`: scripts e arquivos intermediários gerados a partir dos documentos originais.
+- `db/processed/`: arquivos finais, limpos e prontos para análise ou uso.
+- `software/`: modelos e protótipos executáveis, incluindo o modelo MIP inicial de roteamento.
+- `docs/`: documentação técnica, autoria e histórico de versões.
 - `CONTEXTO.md`: regras, combinados e orientações permanentes do projeto.
 - `LOG.md`: histórico rastreável das ações feitas no projeto.
 - `README.md`: este guia inicial.
@@ -40,21 +45,21 @@ 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.
 
 Sempre que alguém fizer uma mudança importante, deve registrar no `LOG.md` com data, hora, tag do autor, ação, arquivos e observações.
 
-## Como usar pelo site do GitHub
+## Como usar pelo site do Gitea
 
 Este caminho é bom para quem só quer ver arquivos, baixar documentos ou conferir o histórico.
 
-1. Abra o repositório no GitHub.
+1. Abra o repositório no Gitea do PPGAO/ITA.
 2. Entre nas pastas para ver os arquivos.
-3. Use `raw/` para consultar documentos originais.
-4. Use `pre_process/` para consultar arquivos intermediários.
-5. Use `processed/` para consultar dados finais quando existirem.
+3. Use `db/raw/` para consultar documentos originais.
+4. Use `db/pre_process/` para consultar arquivos intermediários.
+5. Use `db/processed/` para consultar dados finais quando existirem.
 6. Abra o `LOG.md` para entender o que já foi feito.
 7. Abra o `CONTEXTO.md` para ver os combinados do projeto.
 
@@ -64,9 +69,16 @@ Para baixar um arquivo pelo site:
 2. Clique em `Download raw file` ou no botão de download.
 3. Salve no computador.
 
+## Documentação
+
+- `docs/about.md`: descrição técnica, fluxo de dados, limitações e oportunidades de melhoria.
+- `docs/authors.md`: autoria, colaboradores e regras de contribuição.
+- `docs/changelog.md`: histórico resumido de versões significativas.
+- `LOG.md`: diário operacional detalhado.
+
 ## Como usar no computador
 
-Este caminho é para quem vai mexer nos arquivos e devolver alterações ao GitHub.
+Este caminho é para quem vai mexer nos arquivos e devolver alterações ao Gitea.
 
 Primeiro, instale o Git:
 
@@ -107,7 +119,7 @@ Crie um commit com uma mensagem curta:
 git commit -m "Descreva a alteração feita"
 ```
 
-Envie para o GitHub:
+Envie para o Gitea:
 
 ```powershell
 git push
@@ -116,34 +128,123 @@ git push
 ## Fluxo recomendado de trabalho
 
 1. Rode `git pull` antes de começar.
-2. Coloque documentos novos em `raw/`.
-3. Gere arquivos intermediários em `pre_process/`.
-4. Coloque resultados finais em `processed/`.
+2. Coloque documentos novos em `db/raw/`.
+3. Gere arquivos intermediários em `db/pre_process/`.
+4. Coloque resultados finais em `db/processed/`.
 5. Atualize o `LOG.md`.
 6. Faça commit.
 7. Rode `git push`.
 
 ## Cuidados importantes
 
-- Não editar arquivos originais dentro de `raw/`.
+- Não editar arquivos originais dentro de `db/raw/`.
 - Não apagar arquivos de outros colaboradores sem combinar.
 - Não subir arquivos temporários do Office, como arquivos começando com `~$`.
 - Não colocar senhas, tokens ou informações pessoais desnecessárias no repositório.
 - 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.
 
-Arquivos principais:
+**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
+
+### 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
-raw/relatorio_ciclo_inspecoes_c105_2805_2026-06-15.pdf
-pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_texto.txt
-pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.json
-pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.csv
-pre_process/preprocess_pdf.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.
+### Como rodar
+
+Cenário padrão (inspeção grande visível no Gantt):
+
+```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/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
+```

db/pre_process/comparacao_ica_66_31_c105_2023/comparacao_ica_66_31_c105_2023_vs_relatorio_ciclo.csv

@@ -0,0 +1,24 @@
+chave;status;tipo_ica;tipo_relatorio;nivel_ica;nivel_relatorio;intervalo_horas_ica;intervalo_horas_relatorio;intervalo_meses_ica;intervalo_meses_relatorio;duracao_ica;duracao_relatorio;hxh_ica;seq_relatorio;observacoes
+PRE VOO;somente_ica;PRÉ VOO;;Base;;;;;;1 H;;1;;Não encontrada no relatório de ciclo
+TRANSITO;somente_ica;TRÂNSITO;;Base;;;;;;1 H;;1;;Não encontrada no relatório de ciclo
+DIARIA;somente_ica;DIÁRIA;;Base;;;;;;1 H;;1;;Não encontrada no relatório de ciclo
+SERV 72H;somente_ica;SERV 72H;;Base;;72;;;;4 H;;16;;Não encontrada no relatório de ciclo
+OPERACIONAL 300FH;divergente;OPERACIONAL 300FH;CHECK OPERACIONAL DE 300FH;Base;Orgânico;300;300;;;1 D;6 H;14;6;"nível ICA=Base relatório=Orgânico; duração ICA=1 D relatório=6 H"
+OPERACIONAL 400FH;divergente;OPERACIONAL 400FH;CHECK OPERACIONAL DE 400FH;Base;Orgânico;400;400;;;1 D;6 H;14;7;"nível ICA=Base relatório=Orgânico; duração ICA=1 D relatório=6 H"
+OPERACIONAL 600FH;somente_ica;OPERACIONAL 600FH;;Base;;600;;;;1 D;;14;;Não encontrada no relatório de ciclo
+CHECK 1A;compatível;CHECK 1A;INSPEÇÃO CHECK 1A;Base;Base;300;300;8;8;3 D;3 D;16;2;
+CHECK 2A;compatível;CHECK 2A;INSPEÇÃO CHECK 2A;Base;Base;600;600;16;16;4 D;4 D;28;3;
+CHECK 3A;compatível;CHECK 3A;INSPEÇÃO CHECK 3A;Base;Base;900;900;24;24;5 D;5 D;76;4;
+CHECK 1C;divergente;CHECK 1C;INSPEÇÃO CHECK 1C;Base;Parque;2400;2400;48;48;65 D;65 D;526;15;nível ICA=Base relatório=Parque
+CHECK 2C;divergente;CHECK 2C;INSPEÇÃO GERAL CHECK 2C;Base;Parque;4800;4800;96;96;5 D;10 D;17;16;"nível ICA=Base relatório=Parque; duração ICA=5 D relatório=10 D"
+CALENDARICA 2Y;compatível;CALENDÁRICA 2Y;INSPEÇÃO CALENDÁRICA DE 2 YEARS;Base;Base;;;24;24;5 D;5 D;30;5;
+CALENDARICA 4Y;compatível;CALENDÁRICA 4Y;INSPEÇÃO CALENDÁRICA DE 4 YEARS;Parque;Parque;;;48;48;10 D;10 D;123;17;
+CALENDARICA 8Y;compatível;CALENDÁRICA 8Y;INSPEÇÃO CALENDÁRICA DE 8 YEARS;Parque;Parque;;;96;96;20 D;20 D;336;14;
+;somente_relatorio;;INSPEÇÃO AOL 295-019;;Base;;;;;;1 D;;8;Não encontrada na tabela C/SC-105 da ICA 66-31/2023 usada nesta comparação
+;somente_relatorio;;INSPEÇÃO AOL 295-019;;Base;;;;;;1 D;;9;Não encontrada na tabela C/SC-105 da ICA 66-31/2023 usada nesta comparação
+;somente_relatorio;;INSPEÇÃO AOL 295-019;;Base;;;;;;1 D;;10;Não encontrada na tabela C/SC-105 da ICA 66-31/2023 usada nesta comparação
+;somente_relatorio;;INSPEÇÃO DE 100 FH;;Orgânico;;100;;;;1 H;;18;Não encontrada na tabela C/SC-105 da ICA 66-31/2023 usada nesta comparação
+;somente_relatorio;;INPEÇÃO 2400FH;;Orgânico;;2400;;;;3 H;;19;Não encontrada na tabela C/SC-105 da ICA 66-31/2023 usada nesta comparação
+;somente_relatorio;;INSPEÇÃO 3000FH;;Base;;3000;;;;1 D;;20;Não encontrada na tabela C/SC-105 da ICA 66-31/2023 usada nesta comparação
+;somente_relatorio;;INPEÇÃO 1000FH;;Base;;1000;;;;1 D;;22;Não encontrada na tabela C/SC-105 da ICA 66-31/2023 usada nesta comparação
+;somente_relatorio;;INSPEÇÃO 50 FH;;Base;;50;;;;1 D;;23;Não encontrada na tabela C/SC-105 da ICA 66-31/2023 usada nesta comparação

db/pre_process/comparacao_ica_66_31_c105_2023/comparacao_ica_66_31_c105_2023_vs_relatorio_ciclo.md

@@ -0,0 +1,26 @@
+# Comparação ICA 66-31/2023 x Relatório de Ciclo C-105 2805
+
+Fonte ICA: `raw/ICA 66-31 2023.pdf`, Anexo D - Projeto C/SC-105.
+
+Observação: a comparação foi feita com o Anexo D textual do PDF completo da ICA.
+
+## Resumo
+
+- `compatível`: 6
+- `divergente`: 4
+- `somente_ica`: 5
+- `somente_relatorio`: 8
+
+## Principais Achados
+
+- `CHECK 1A`, `CHECK 2A`, `CHECK 3A`, `CALENDÁRICA 2Y`, `CALENDÁRICA 4Y` e `CALENDÁRICA 8Y` estão compatíveis nos intervalos e durações.
+- `CHECK 1C` bate em intervalo e duração, mas diverge no nível: ICA indica Base na tabela D.2, enquanto o relatório de ciclo indica Parque.
+- `CHECK 2C` diverge em nível e duração: ICA indica Base e 5 D; relatório de ciclo indica Parque e 10 D.
+- `OPERACIONAL 300FH` e `OPERACIONAL 400FH` batem no intervalo de horas, mas divergem em nível e duração: ICA indica Base e 1 D; relatório de ciclo indica Orgânico e 6 H.
+- `OPERACIONAL 600FH`, `PRÉ VOO`, `TRÂNSITO`, `DIÁRIA` e `SERV 72H` aparecem na ICA, mas não apareceram no relatório de ciclo processado.
+- Inspeções como AOL, 50FH, 100FH, 1000FH, 2400FH e 3000FH aparecem no relatório de ciclo, mas não na tabela C/SC-105 da ICA usada na comparação.
+
+## Arquivo Detalhado
+
+- `pre_process\comparacao_ica_66_31_c105_2023\comparacao_ica_66_31_c105_2023_vs_relatorio_ciclo.csv`
+

db/pre_process/comparacao_ica_66_31_c105_2023/comparar_ica_relatorio_ciclo.py

@@ -0,0 +1,182 @@
+import csv
+import json
+from pathlib import Path
+
+
+ROOT = Path(__file__).resolve().parents[2]
+RELATORIO_JSON = (
+    ROOT
+    / "pre_process"
+    / "relatorio_ciclo_inspecoes_c105_2805_2026-06-15"
+    / "relatorio_ciclo_inspecoes_c105_2805_2026-06-15_inspecoes.json"
+)
+OUTPUT_DIR = Path(__file__).resolve().parent
+CSV_PATH = OUTPUT_DIR / "comparacao_ica_66_31_c105_2023_vs_relatorio_ciclo.csv"
+MD_PATH = OUTPUT_DIR / "comparacao_ica_66_31_c105_2023_vs_relatorio_ciclo.md"
+
+
+ICA_C105 = [
+    {"chave": "PRE VOO", "tipo_ica": "PRÉ VOO", "nivel_ica": "Base", "intervalo_horas_ica": "", "intervalo_meses_ica": "", "duracao_ica": "1 H", "hxh_ica": 1},
+    {"chave": "TRANSITO", "tipo_ica": "TRÂNSITO", "nivel_ica": "Base", "intervalo_horas_ica": "", "intervalo_meses_ica": "", "duracao_ica": "1 H", "hxh_ica": 1},
+    {"chave": "DIARIA", "tipo_ica": "DIÁRIA", "nivel_ica": "Base", "intervalo_horas_ica": "", "intervalo_meses_ica": "", "duracao_ica": "1 H", "hxh_ica": 1},
+    {"chave": "SERV 72H", "tipo_ica": "SERV 72H", "nivel_ica": "Base", "intervalo_horas_ica": 72, "intervalo_meses_ica": "", "duracao_ica": "4 H", "hxh_ica": 16},
+    {"chave": "OPERACIONAL 300FH", "tipo_ica": "OPERACIONAL 300FH", "nivel_ica": "Base", "intervalo_horas_ica": 300, "intervalo_meses_ica": "", "duracao_ica": "1 D", "hxh_ica": 14},
+    {"chave": "OPERACIONAL 400FH", "tipo_ica": "OPERACIONAL 400FH", "nivel_ica": "Base", "intervalo_horas_ica": 400, "intervalo_meses_ica": "", "duracao_ica": "1 D", "hxh_ica": 14},
+    {"chave": "OPERACIONAL 600FH", "tipo_ica": "OPERACIONAL 600FH", "nivel_ica": "Base", "intervalo_horas_ica": 600, "intervalo_meses_ica": "", "duracao_ica": "1 D", "hxh_ica": 14},
+    {"chave": "CHECK 1A", "tipo_ica": "CHECK 1A", "nivel_ica": "Base", "intervalo_horas_ica": 300, "intervalo_meses_ica": 8, "duracao_ica": "3 D", "hxh_ica": 16},
+    {"chave": "CHECK 2A", "tipo_ica": "CHECK 2A", "nivel_ica": "Base", "intervalo_horas_ica": 600, "intervalo_meses_ica": 16, "duracao_ica": "4 D", "hxh_ica": 28},
+    {"chave": "CHECK 3A", "tipo_ica": "CHECK 3A", "nivel_ica": "Base", "intervalo_horas_ica": 900, "intervalo_meses_ica": 24, "duracao_ica": "5 D", "hxh_ica": 76},
+    {"chave": "CHECK 1C", "tipo_ica": "CHECK 1C", "nivel_ica": "Base", "intervalo_horas_ica": 2400, "intervalo_meses_ica": 48, "duracao_ica": "65 D", "hxh_ica": 526},
+    {"chave": "CHECK 2C", "tipo_ica": "CHECK 2C", "nivel_ica": "Base", "intervalo_horas_ica": 4800, "intervalo_meses_ica": 96, "duracao_ica": "5 D", "hxh_ica": 17},
+    {"chave": "CALENDARICA 2Y", "tipo_ica": "CALENDÁRICA 2Y", "nivel_ica": "Base", "intervalo_horas_ica": "", "intervalo_meses_ica": 24, "duracao_ica": "5 D", "hxh_ica": 30},
+    {"chave": "CALENDARICA 4Y", "tipo_ica": "CALENDÁRICA 4Y", "nivel_ica": "Parque", "intervalo_horas_ica": "", "intervalo_meses_ica": 48, "duracao_ica": "10 D", "hxh_ica": 123},
+    {"chave": "CALENDARICA 8Y", "tipo_ica": "CALENDÁRICA 8Y", "nivel_ica": "Parque", "intervalo_horas_ica": "", "intervalo_meses_ica": 96, "duracao_ica": "20 D", "hxh_ica": 336},
+]
+
+
+RELATORIO_KEYS = {
+    "CHECK 1A": "CHECK 1A",
+    "CHECK 2A": "CHECK 2A",
+    "CHECK 3A": "CHECK 3A",
+    "CHECK 1C": "CHECK 1C",
+    "CHECK 2C": "CHECK 2C",
+    "CALENDÁRICA DE 2 YEARS": "CALENDARICA 2Y",
+    "CALENDÁRICA DE 4 YEARS": "CALENDARICA 4Y",
+    "CALENDÁRICA DE 8 YEARS": "CALENDARICA 8Y",
+    "OPERACIONAL DE 300FH": "OPERACIONAL 300FH",
+    "OPERACIONAL DE 400FH": "OPERACIONAL 400FH",
+}
+
+
+def key_from_relatorio(row):
+    descricao = row["descricao_mnt"].upper()
+    for needle, key in RELATORIO_KEYS.items():
+        if needle in descricao:
+            return key
+    return ""
+
+
+def equal_or_blank(left, right):
+    return left == "" or right == "" or left == right
+
+
+def compare_row(ica, rel):
+    if rel is None:
+        return "somente_ica", ["Não encontrada no relatório de ciclo"]
+
+    issues = []
+    if not equal_or_blank(ica["nivel_ica"], rel["nivel_descricao"]):
+        issues.append(f"nível ICA={ica['nivel_ica']} relatório={rel['nivel_descricao']}")
+    if not equal_or_blank(ica["intervalo_horas_ica"], rel["intervalo_horas_voo_valor"]):
+        issues.append(f"horas ICA={ica['intervalo_horas_ica']} relatório={rel['intervalo_horas_voo_valor']}")
+    if not equal_or_blank(ica["intervalo_meses_ica"], rel["intervalo_meses_continuos_valor"]):
+        issues.append(f"meses ICA={ica['intervalo_meses_ica']} relatório={rel['intervalo_meses_continuos_valor']}")
+    if not equal_or_blank(ica["duracao_ica"], rel["duracao"]):
+        issues.append(f"duração ICA={ica['duracao_ica']} relatório={rel['duracao']}")
+
+    return ("divergente" if issues else "compatível"), issues
+
+
+def main():
+    payload = json.loads(RELATORIO_JSON.read_text(encoding="utf-8"))
+    relatorio_by_key = {}
+    relatorio_unmatched = []
+
+    for row in payload["inspecoes"]:
+        key = key_from_relatorio(row)
+        if key:
+            relatorio_by_key[key] = row
+        else:
+            relatorio_unmatched.append(row)
+
+    rows = []
+    for ica in ICA_C105:
+        rel = relatorio_by_key.get(ica["chave"])
+        status, issues = compare_row(ica, rel)
+        rows.append(
+            {
+                "chave": ica["chave"],
+                "status": status,
+                "tipo_ica": ica["tipo_ica"],
+                "tipo_relatorio": rel["descricao_mnt"] if rel else "",
+                "nivel_ica": ica["nivel_ica"],
+                "nivel_relatorio": rel["nivel_descricao"] if rel else "",
+                "intervalo_horas_ica": ica["intervalo_horas_ica"],
+                "intervalo_horas_relatorio": rel["intervalo_horas_voo_valor"] if rel else "",
+                "intervalo_meses_ica": ica["intervalo_meses_ica"],
+                "intervalo_meses_relatorio": rel["intervalo_meses_continuos_valor"] if rel else "",
+                "duracao_ica": ica["duracao_ica"],
+                "duracao_relatorio": rel["duracao"] if rel else "",
+                "hxh_ica": ica["hxh_ica"],
+                "seq_relatorio": rel["seq"] if rel else "",
+                "observacoes": "; ".join(issues),
+            }
+        )
+
+    for rel in relatorio_unmatched:
+        rows.append(
+            {
+                "chave": "",
+                "status": "somente_relatorio",
+                "tipo_ica": "",
+                "tipo_relatorio": rel["descricao_mnt"],
+                "nivel_ica": "",
+                "nivel_relatorio": rel["nivel_descricao"],
+                "intervalo_horas_ica": "",
+                "intervalo_horas_relatorio": rel["intervalo_horas_voo_valor"],
+                "intervalo_meses_ica": "",
+                "intervalo_meses_relatorio": rel["intervalo_meses_continuos_valor"],
+                "duracao_ica": "",
+                "duracao_relatorio": rel["duracao"],
+                "hxh_ica": "",
+                "seq_relatorio": rel["seq"],
+                "observacoes": "Não encontrada na tabela C/SC-105 da ICA 66-31/2023 usada nesta comparação",
+            }
+        )
+
+    fields = list(rows[0].keys())
+    with CSV_PATH.open("w", newline="", encoding="utf-8-sig") as csv_file:
+        writer = csv.DictWriter(csv_file, fieldnames=fields, delimiter=";")
+        writer.writeheader()
+        writer.writerows(rows)
+
+    counts = {status: sum(1 for row in rows if row["status"] == status) for status in sorted({row["status"] for row in rows})}
+    lines = [
+        "# Comparação ICA 66-31/2023 x Relatório de Ciclo C-105 2805",
+        "",
+        "Fonte ICA: `raw/ICA 66-31 2023.pdf`, Anexo D - Projeto C/SC-105.",
+        "",
+        "Observação: a comparação foi feita com o Anexo D textual do PDF completo da ICA.",
+        "",
+        "## Resumo",
+        "",
+    ]
+    for status, count in counts.items():
+        lines.append(f"- `{status}`: {count}")
+    lines.extend(
+        [
+            "",
+            "## Principais Achados",
+            "",
+            "- `CHECK 1A`, `CHECK 2A`, `CHECK 3A`, `CALENDÁRICA 2Y`, `CALENDÁRICA 4Y` e `CALENDÁRICA 8Y` estão compatíveis nos intervalos e durações.",
+            "- `CHECK 1C` bate em intervalo e duração, mas diverge no nível: ICA indica Base na tabela D.2, enquanto o relatório de ciclo indica Parque.",
+            "- `CHECK 2C` diverge em nível e duração: ICA indica Base e 5 D; relatório de ciclo indica Parque e 10 D.",
+            "- `OPERACIONAL 300FH` e `OPERACIONAL 400FH` batem no intervalo de horas, mas divergem em nível e duração: ICA indica Base e 1 D; relatório de ciclo indica Orgânico e 6 H.",
+            "- `OPERACIONAL 600FH`, `PRÉ VOO`, `TRÂNSITO`, `DIÁRIA` e `SERV 72H` aparecem na ICA, mas não apareceram no relatório de ciclo processado.",
+            "- Inspeções como AOL, 50FH, 100FH, 1000FH, 2400FH e 3000FH aparecem no relatório de ciclo, mas não na tabela C/SC-105 da ICA usada na comparação.",
+            "",
+            "## Arquivo Detalhado",
+            "",
+            f"- `{CSV_PATH.relative_to(ROOT)}`",
+            "",
+        ]
+    )
+    MD_PATH.write_text("\n".join(lines) + "\n", encoding="utf-8")
+
+    print(f"Gerado: {CSV_PATH.relative_to(ROOT)}")
+    print(f"Gerado: {MD_PATH.relative_to(ROOT)}")
+    print(counts)
+
+
+if __name__ == "__main__":
+    main()

db/pre_process/registro_voo_2025/preprocess_planilha_2025.py

@@ -0,0 +1,509 @@
+"""
+Pre-processa a planilha bruta de voos de 2025.
+
+Entrada:
+  db/raw/Planilha 2025.xlsx
+
+Saidas:
+  db/pre_process/registro_voo_2025/registro_voo_2025_limpo.xlsx
+  db/pre_process/registro_voo_2025/registro_voo_2025_limpo.csv
+  db/pre_process/registro_voo_2025/missoes_oamrp_2025.csv
+  db/pre_process/registro_voo_2025/resumo_registro_voo_2025.json
+  db/processed/registro_voo_2025.csv
+"""
+
+from __future__ import annotations
+
+import csv
+import json
+from collections import Counter
+from datetime import date, datetime, time, timedelta
+from pathlib import Path
+from typing import Any
+
+import openpyxl
+
+
+ANO = 2025
+BASE_DIR = Path(__file__).resolve().parents[3]
+RAW_PATH = BASE_DIR / "db" / "raw" / "Planilha 2025.xlsx"
+PREPROCESS_DIR = BASE_DIR / "db" / "pre_process" / "registro_voo_2025"
+PROCESSED_DIR = BASE_DIR / "db" / "processed"
+
+LIMPO_XLSX = PREPROCESS_DIR / "registro_voo_2025_limpo.xlsx"
+LIMPO_CSV = PREPROCESS_DIR / "registro_voo_2025_limpo.csv"
+CONSOLIDADO_CSV = PREPROCESS_DIR / "registro_voo_2025_consolidado.csv"
+MISSOES_CSV = PREPROCESS_DIR / "missoes_oamrp_2025.csv"
+MISSOES_CONSOLIDADAS_CSV = PREPROCESS_DIR / "missoes_oamrp_2025_consolidado.csv"
+RESUMO_JSON = PREPROCESS_DIR / "resumo_registro_voo_2025.json"
+PROCESSED_CSV = PROCESSED_DIR / "registro_voo_2025.csv"
+PROCESSED_CONSOLIDADO_CSV = PROCESSED_DIR / "registro_voo_2025_consolidado.csv"
+
+MES_MAP = {
+    "JAN": 1,
+    "FEV": 2,
+    "MAR": 3,
+    "ABR": 4,
+    "MAI": 5,
+    "JUN": 6,
+    "JUL": 7,
+    "AGO": 8,
+    "SET": 9,
+    "OUT": 10,
+    "NOV": 11,
+    "DEZ": 12,
+}
+MES_ABBR = {numero: nome for nome, numero in MES_MAP.items()}
+LINHAS_ORIGEM_EXCLUIDAS = {793}
+
+COLUNAS_REGISTRO = [
+    "id_registro",
+    "linha_origem",
+    "data",
+    "data_iso",
+    "mes",
+    "mes_numero",
+    "om",
+    "aeronave",
+    "etapa",
+    "localidade_dep",
+    "localidade_arr",
+    "horario_z_dep",
+    "horario_z_arr",
+    "partida_utc",
+    "chegada_utc",
+    "tempo_voo",
+    "tempo_voo_min",
+    "segmento",
+    "pousos",
+    "missao",
+    "periodo",
+    "cruza_meia_noite",
+]
+
+COLUNAS_OAMRP = [
+    "id",
+    "orig",
+    "dest",
+    "partida_utc",
+    "chegada_utc",
+    "prioridade",
+]
+
+COLUNAS_CONSOLIDADAS = [
+    "id_registro",
+    "linhas_origem",
+    "data",
+    "data_iso",
+    "mes",
+    "mes_numero",
+    "om",
+    "aeronave",
+    "etapa_inicio",
+    "etapa_fim",
+    "localidade_dep",
+    "localidade_arr",
+    "horario_z_dep",
+    "horario_z_arr",
+    "partida_utc",
+    "chegada_utc",
+    "tempo_voo",
+    "tempo_voo_min",
+    "segmento_inicio",
+    "segmento_fim",
+    "pousos",
+    "missao",
+    "periodo",
+    "cruza_meia_noite",
+    "qtd_linhas_originais",
+    "tem_rota_intermediaria",
+]
+
+
+def texto_limpo(valor: Any) -> str:
+    if valor is None:
+        return ""
+    return str(valor).strip()
+
+
+def normalizar_mes(valor: Any) -> str:
+    texto = texto_limpo(valor).upper().replace(".", "")
+    return texto
+
+
+def parse_data(valor_data: Any, valor_mes: Any) -> date:
+    if isinstance(valor_data, datetime):
+        return valor_data.date()
+    if isinstance(valor_data, date):
+        return valor_data
+
+    texto = texto_limpo(valor_data).lower().replace(".", "")
+    if "/" not in texto:
+        raise ValueError(f"Data invalida: {valor_data!r}")
+    dia_txt, mes_txt = texto.split("/", 1)
+    mes_key = normalizar_mes(mes_txt or valor_mes)
+    if mes_key not in MES_MAP:
+        raise ValueError(f"Mes invalido: data={valor_data!r}, mes={valor_mes!r}")
+    return date(ANO, MES_MAP[mes_key], int(dia_txt))
+
+
+def minutos_do_dia(valor: Any) -> tuple[int, int]:
+    """Retorna (minutos no dia, deslocamento em dias informado pelo Excel)."""
+    if isinstance(valor, datetime):
+        return valor.hour * 60 + valor.minute, 0
+    if isinstance(valor, time):
+        return valor.hour * 60 + valor.minute, 0
+    if isinstance(valor, timedelta):
+        total_min = int(round(valor.total_seconds() / 60))
+        return total_min % (24 * 60), total_min // (24 * 60)
+    if isinstance(valor, (int, float)):
+        total_min = int(round(float(valor) * 24 * 60))
+        return total_min % (24 * 60), total_min // (24 * 60)
+
+    texto = texto_limpo(valor)
+    if ":" in texto:
+        partes = texto.split(":")
+        return int(partes[0]) * 60 + int(partes[1]), 0
+    raise ValueError(f"Horario invalido: {valor!r}")
+
+
+def minutos_duracao(valor: Any) -> int:
+    if isinstance(valor, datetime):
+        return valor.hour * 60 + valor.minute
+    if isinstance(valor, time):
+        return valor.hour * 60 + valor.minute
+    if isinstance(valor, timedelta):
+        return int(round(valor.total_seconds() / 60))
+    if isinstance(valor, (int, float)):
+        return int(round(float(valor) * 24 * 60))
+
+    texto = texto_limpo(valor)
+    if ":" in texto:
+        horas, minutos = texto.split(":", 1)
+        return int(horas) * 60 + int(minutos)
+    raise ValueError(f"Duracao invalida: {valor!r}")
+
+
+def hhmm(minutos: int) -> str:
+    minutos = minutos % (24 * 60)
+    return f"{minutos // 60:02d}:{minutos % 60:02d}"
+
+
+def duracao_hhmm(minutos: int) -> str:
+    return f"{minutos // 60:02d}:{minutos % 60:02d}"
+
+
+def iso_utc(data_voo: date, minutos: int, deslocamento_dias: int = 0) -> str:
+    data_hora = datetime.combine(data_voo, time()) + timedelta(
+        days=deslocamento_dias,
+        minutes=minutos,
+    )
+    return data_hora.isoformat(timespec="minutes") + ":00Z"
+
+
+def atualizar_datas_do_registro(
+    registro: dict[str, Any],
+    partida: datetime,
+    chegada: datetime,
+) -> None:
+    data_voo = partida.date()
+    registro["data"] = data_voo.strftime("%d/%m")
+    registro["data_iso"] = data_voo.isoformat()
+    registro["mes_numero"] = data_voo.month
+    registro["mes"] = MES_ABBR[data_voo.month]
+    registro["partida_utc"] = partida.isoformat(timespec="minutes").replace("+00:00", "") + ":00Z"
+    registro["chegada_utc"] = chegada.isoformat(timespec="minutes").replace("+00:00", "") + ":00Z"
+    registro["cruza_meia_noite"] = chegada.date() > partida.date()
+
+
+def id_registro(linha: dict[str, Any]) -> str:
+    om = texto_limpo(linha["om"]) or "SEMOM"
+    etapa = texto_limpo(linha["etapa"]) or "SEMETAPA"
+    return f"RV2025_OM{om}_E{etapa}_L{linha['linha_origem']}"
+
+
+def linha_tem_voo(ws: openpyxl.worksheet.worksheet.Worksheet, row: int) -> bool:
+    return any(ws.cell(row, col).value not in (None, "") for col in range(1, 13))
+
+
+def extrair_registros() -> list[dict[str, Any]]:
+    wb = openpyxl.load_workbook(RAW_PATH, data_only=True)
+    ws = wb.active
+
+    registros: list[dict[str, Any]] = []
+    for row in range(4, ws.max_row + 1):
+        if row in LINHAS_ORIGEM_EXCLUIDAS:
+            continue
+        if not linha_tem_voo(ws, row):
+            continue
+
+        data_voo = parse_data(ws.cell(row, 1).value, ws.cell(row, 2).value)
+        mes = normalizar_mes(ws.cell(row, 2).value)
+        dep_min, dep_offset = minutos_do_dia(ws.cell(row, 8).value)
+        arr_min, arr_offset_excel = minutos_do_dia(ws.cell(row, 9).value)
+        arr_offset = max(arr_offset_excel, 1 if arr_min <= dep_min else 0)
+        tempo_min = minutos_duracao(ws.cell(row, 10).value)
+
+        registro = {
+            "linha_origem": row,
+            "data": data_voo.strftime("%d/%m"),
+            "data_iso": data_voo.isoformat(),
+            "mes": mes,
+            "mes_numero": MES_MAP.get(mes, ""),
+            "om": ws.cell(row, 3).value,
+            "aeronave": ws.cell(row, 4).value,
+            "etapa": ws.cell(row, 5).value,
+            "localidade_dep": texto_limpo(ws.cell(row, 6).value).upper(),
+            "localidade_arr": texto_limpo(ws.cell(row, 7).value).upper(),
+            "horario_z_dep": hhmm(dep_min),
+            "horario_z_arr": hhmm(arr_min),
+            "partida_utc": iso_utc(data_voo, dep_min, dep_offset),
+            "chegada_utc": iso_utc(data_voo, arr_min, arr_offset),
+            "tempo_voo": duracao_hhmm(tempo_min),
+            "tempo_voo_min": tempo_min,
+            "segmento": ws.cell(row, 11).value,
+            "pousos": ws.cell(row, 12).value,
+            "missao": texto_limpo(ws.cell(row, 35).value).upper(),
+            "periodo": texto_limpo(ws.cell(row, 36).value).upper(),
+            "cruza_meia_noite": arr_offset > dep_offset,
+        }
+        registro["id_registro"] = id_registro(registro)
+        registros.append(registro)
+
+    corrigir_continuidade_temporal(registros)
+    return registros
+
+
+def corrigir_continuidade_temporal(registros: list[dict[str, Any]]) -> None:
+    grupos: dict[tuple[str, str], list[dict[str, Any]]] = {}
+    for registro in registros:
+        chave = (texto_limpo(registro["om"]), texto_limpo(registro["aeronave"]))
+        grupos.setdefault(chave, []).append(registro)
+
+    for linhas in grupos.values():
+        linhas.sort(key=lambda registro: registro["linha_origem"])
+        chegada_anterior: datetime | None = None
+        for registro in linhas:
+            partida = parse_iso_utc(registro["partida_utc"])
+            chegada = parse_iso_utc(registro["chegada_utc"])
+            while chegada_anterior is not None and partida < chegada_anterior:
+                partida += timedelta(days=1)
+                chegada += timedelta(days=1)
+            atualizar_datas_do_registro(registro, partida, chegada)
+            chegada_anterior = chegada
+
+
+def escrever_csv(caminho: Path, colunas: list[str], linhas: list[dict[str, Any]]) -> None:
+    with caminho.open("w", newline="", encoding="utf-8-sig") as arquivo:
+        escritor = csv.DictWriter(arquivo, fieldnames=colunas)
+        escritor.writeheader()
+        escritor.writerows(linhas)
+
+
+def escrever_xlsx(caminho: Path, colunas: list[str], linhas: list[dict[str, Any]]) -> None:
+    wb = openpyxl.Workbook()
+    ws = wb.active
+    ws.title = "registro_voo_2025"
+    ws.append(colunas)
+    for linha in linhas:
+        ws.append([linha[coluna] for coluna in colunas])
+    ws.freeze_panes = "A2"
+    ws.auto_filter.ref = ws.dimensions
+    for column_cells in ws.columns:
+        letter = column_cells[0].column_letter
+        max_len = max(len(texto_limpo(cell.value)) for cell in column_cells)
+        ws.column_dimensions[letter].width = min(max(max_len + 2, 10), 28)
+    wb.save(caminho)
+
+
+def preparar_oamrp(registros: list[dict[str, Any]]) -> list[dict[str, Any]]:
+    linhas = []
+    for registro in registros:
+        linhas.append(
+            {
+                "id": registro["id_registro"],
+                "orig": registro["localidade_dep"],
+                "dest": registro["localidade_arr"],
+                "partida_utc": registro["partida_utc"],
+                "chegada_utc": registro["chegada_utc"],
+                "prioridade": 1,
+            }
+        )
+    return linhas
+
+
+def toca_rota(registro: dict[str, Any]) -> bool:
+    return "ROTA" in {registro["localidade_dep"], registro["localidade_arr"]}
+
+
+def parse_iso_utc(valor: str) -> datetime:
+    return datetime.fromisoformat(valor.replace("Z", "+00:00"))
+
+
+def consolidar_grupo(grupo: list[dict[str, Any]]) -> dict[str, Any]:
+    primeiro = grupo[0]
+    ultimo = grupo[-1]
+    tempo_total = sum(int(registro["tempo_voo_min"]) for registro in grupo)
+    pousos_total = sum(int(registro["pousos"] or 0) for registro in grupo)
+    missoes = sorted({registro["missao"] for registro in grupo if registro["missao"]})
+    periodos = sorted({registro["periodo"] for registro in grupo if registro["periodo"]})
+    linhas = [str(registro["linha_origem"]) for registro in grupo]
+    cruza_meia_noite = parse_iso_utc(ultimo["chegada_utc"]).date() > parse_iso_utc(
+        primeiro["partida_utc"]
+    ).date()
+
+    return {
+        "id_registro": f"{primeiro['id_registro']}_C{ultimo['linha_origem']}",
+        "linhas_origem": ";".join(linhas),
+        "data": primeiro["data"],
+        "data_iso": primeiro["data_iso"],
+        "mes": primeiro["mes"],
+        "mes_numero": primeiro["mes_numero"],
+        "om": primeiro["om"],
+        "aeronave": primeiro["aeronave"],
+        "etapa_inicio": primeiro["etapa"],
+        "etapa_fim": ultimo["etapa"],
+        "localidade_dep": primeiro["localidade_dep"],
+        "localidade_arr": ultimo["localidade_arr"],
+        "horario_z_dep": primeiro["horario_z_dep"],
+        "horario_z_arr": ultimo["horario_z_arr"],
+        "partida_utc": primeiro["partida_utc"],
+        "chegada_utc": ultimo["chegada_utc"],
+        "tempo_voo": duracao_hhmm(tempo_total),
+        "tempo_voo_min": tempo_total,
+        "segmento_inicio": primeiro["segmento"],
+        "segmento_fim": ultimo["segmento"],
+        "pousos": pousos_total,
+        "missao": ";".join(missoes),
+        "periodo": ";".join(periodos),
+        "cruza_meia_noite": cruza_meia_noite,
+        "qtd_linhas_originais": len(grupo),
+        "tem_rota_intermediaria": any(toca_rota(registro) for registro in grupo),
+    }
+
+
+def consolidar_transicoes_rota(registros: list[dict[str, Any]]) -> list[dict[str, Any]]:
+    grupos: dict[tuple[str, str], list[dict[str, Any]]] = {}
+    for registro in registros:
+        chave = (texto_limpo(registro["om"]), texto_limpo(registro["aeronave"]))
+        grupos.setdefault(chave, []).append(registro)
+
+    consolidados: list[dict[str, Any]] = []
+    for chave in sorted(grupos):
+        linhas = sorted(
+            grupos[chave],
+            key=lambda registro: (parse_iso_utc(registro["partida_utc"]), registro["linha_origem"]),
+        )
+        idx = 0
+        while idx < len(linhas):
+            atual = linhas[idx]
+            if not toca_rota(atual):
+                consolidados.append(consolidar_grupo([atual]))
+                idx += 1
+                continue
+
+            grupo = [atual]
+            idx += 1
+            while (
+                idx < len(linhas)
+                and toca_rota(linhas[idx])
+                and grupo[-1]["localidade_arr"] == linhas[idx]["localidade_dep"]
+            ):
+                grupo.append(linhas[idx])
+                idx += 1
+                if grupo[-1]["localidade_arr"] != "ROTA":
+                    break
+            consolidados.append(consolidar_grupo(grupo))
+
+    return sorted(consolidados, key=lambda registro: parse_iso_utc(registro["partida_utc"]))
+
+
+def preparar_oamrp_consolidado(registros: list[dict[str, Any]]) -> list[dict[str, Any]]:
+    linhas = []
+    for registro in registros:
+        linhas.append(
+            {
+                "id": registro["id_registro"],
+                "orig": registro["localidade_dep"],
+                "dest": registro["localidade_arr"],
+                "partida_utc": registro["partida_utc"],
+                "chegada_utc": registro["chegada_utc"],
+                "prioridade": 1,
+            }
+        )
+    return linhas
+
+
+def gerar_resumo(
+    registros: list[dict[str, Any]],
+    registros_consolidados: list[dict[str, Any]],
+) -> dict[str, Any]:
+    faltantes = {
+        coluna: sum(registro[coluna] in (None, "") for registro in registros)
+        for coluna in COLUNAS_REGISTRO
+    }
+    return {
+        "arquivo_origem": str(RAW_PATH.relative_to(BASE_DIR)),
+        "ano_assumido": ANO,
+        "linhas_origem_excluidas": sorted(LINHAS_ORIGEM_EXCLUIDAS),
+        "registros_extraidos": len(registros),
+        "registros_consolidados": len(registros_consolidados),
+        "linhas_com_cruzamento_de_meia_noite": sum(
+            1 for registro in registros if registro["cruza_meia_noite"]
+        ),
+        "linhas_com_rota": sum(1 for registro in registros if toca_rota(registro)),
+        "trechos_consolidados_com_rota": sum(
+            1 for registro in registros_consolidados if registro["tem_rota_intermediaria"]
+        ),
+        "aeronaves": dict(sorted(Counter(r["aeronave"] for r in registros).items())),
+        "periodos": dict(Counter(r["periodo"] for r in registros)),
+        "meses": dict(Counter(r["mes"] for r in registros)),
+        "campos_faltantes": {k: v for k, v in faltantes.items() if v},
+        "observacoes": [
+            "Colunas REAL ate COM2 descartadas conforme criterio informado.",
+            "Horarios tratados como UTC/Z; nao houve conversao de fuso.",
+            "Chegadas iguais ou anteriores a partida foram deslocadas para o dia seguinte.",
+            "SEGMTO foi preservado da planilha original, sem recalculo.",
+            "Transicoes com ROTA tambem foram consolidadas em arquivo separado.",
+            "Prioridade OAMRP definida como 1 por falta de coluna de prioridade na origem.",
+        ],
+    }
+
+
+def main() -> None:
+    PREPROCESS_DIR.mkdir(parents=True, exist_ok=True)
+    PROCESSED_DIR.mkdir(parents=True, exist_ok=True)
+
+    registros = extrair_registros()
+    registros_consolidados = consolidar_transicoes_rota(registros)
+    escrever_csv(LIMPO_CSV, COLUNAS_REGISTRO, registros)
+    escrever_csv(PROCESSED_CSV, COLUNAS_REGISTRO, registros)
+    escrever_xlsx(LIMPO_XLSX, COLUNAS_REGISTRO, registros)
+    escrever_csv(CONSOLIDADO_CSV, COLUNAS_CONSOLIDADAS, registros_consolidados)
+    escrever_csv(PROCESSED_CONSOLIDADO_CSV, COLUNAS_CONSOLIDADAS, registros_consolidados)
+    escrever_csv(MISSOES_CSV, COLUNAS_OAMRP, preparar_oamrp(registros))
+    escrever_csv(
+        MISSOES_CONSOLIDADAS_CSV,
+        COLUNAS_OAMRP,
+        preparar_oamrp_consolidado(registros_consolidados),
+    )
+
+    with RESUMO_JSON.open("w", encoding="utf-8") as arquivo:
+        json.dump(
+            gerar_resumo(registros, registros_consolidados),
+            arquivo,
+            ensure_ascii=False,
+            indent=2,
+        )
+        arquivo.write("\n")
+
+    print(f"Registros extraidos: {len(registros)}")
+    print(f"Registros consolidados: {len(registros_consolidados)}")
+    print(f"CSV final: {PROCESSED_CSV.relative_to(BASE_DIR)}")
+    print(f"CSV consolidado: {PROCESSED_CONSOLIDADO_CSV.relative_to(BASE_DIR)}")
+    print(f"CSV OAMRP: {MISSOES_CSV.relative_to(BASE_DIR)}")
+    print(f"CSV OAMRP consolidado: {MISSOES_CONSOLIDADAS_CSV.relative_to(BASE_DIR)}")
+
+
+if __name__ == "__main__":
+    main()

db/pre_process/registro_voo_2025/resumo_registro_voo_2025.json

@@ -0,0 +1,48 @@
+{
+  "arquivo_origem": "db\\raw\\Planilha 2025.xlsx",
+  "ano_assumido": 2025,
+  "linhas_origem_excluidas": [
+    793
+  ],
+  "registros_extraidos": 1420,
+  "registros_consolidados": 1267,
+  "linhas_com_cruzamento_de_meia_noite": 53,
+  "linhas_com_rota": 288,
+  "trechos_consolidados_com_rota": 135,
+  "aeronaves": {
+    "2800": 329,
+    "2803": 513,
+    "2809": 212,
+    "2811": 366
+  },
+  "periodos": {
+    "NOTURNO": 247,
+    "DIURNO": 1145,
+    "NVG": 28
+  },
+  "meses": {
+    "JAN": 69,
+    "FEV": 179,
+    "MAR": 166,
+    "ABR": 184,
+    "MAI": 218,
+    "JUN": 144,
+    "JUL": 106,
+    "AGO": 36,
+    "SET": 160,
+    "OUT": 29,
+    "NOV": 66,
+    "DEZ": 63
+  },
+  "campos_faltantes": {
+    "pousos": 9
+  },
+  "observacoes": [
+    "Colunas REAL ate COM2 descartadas conforme criterio informado.",
+    "Horarios tratados como UTC/Z; nao houve conversao de fuso.",
+    "Chegadas iguais ou anteriores a partida foram deslocadas para o dia seguinte.",
+    "SEGMTO foi preservado da planilha original, sem recalculo.",
+    "Transicoes com ROTA tambem foram consolidadas em arquivo separado.",
+    "Prioridade OAMRP definida como 1 por falta de coluna de prioridade na origem."
+  ]
+}

db/pre_process/registro_voo_2025/validacao_registro_voo_2025.md

@@ -0,0 +1,57 @@
+# Validacao do registro de voo 2025
+
+Fonte validada: `db/processed/registro_voo_2025_consolidado.csv`
+
+## Resultado geral
+
+- Linhas originais limpas: 1420.
+- Trechos consolidados: 1267.
+- Linhas originais excluidas: 793.
+- Trechos com `ROTA` no consolidado: 0.
+- Transicoes `ROTA` convertidas para origem/destino reais: 135.
+- Cruzamentos de 00Z preservados: 53.
+- IDs duplicados: 0.
+- Divergencias de duracao no registro original: 0.
+- Trechos consolidados com tempo decorrido menor que tempo de voo: 0.
+- Sobreposicoes temporais dentro da mesma OM/aeronave: 0.
+
+## Pendencias encontradas
+
+### 1. Trecho consolidado com pousos zero
+
+Trecho consolidado:
+
+| Campo | Valor |
+| --- | --- |
+| ID | RV2025_OM219_E4_L1108_C1109 |
+| Linhas originais | 1108;1109 |
+| Data | 01/09 |
+| OM | 219 |
+| Aeronave | 2809 |
+| Trecho | SBCG -> SBCG |
+| Tempo de voo | 01:50 |
+| Pousos | 0 |
+| Missao | 50TT04;50TT05 |
+| Periodo | NOTURNO |
+
+Classificacao: verificar se o pouso ficou ausente por estar dividido pela transicao `ROTA` em 00Z.
+
+### 2. Quebras de continuidade espacial
+
+Foram encontradas 3 quebras de continuidade espacial dentro da mesma OM/aeronave, sem sobreposicao temporal.
+
+| OM | Aeronave | Trecho anterior | Trecho seguinte | Hipotese |
+| --- | --- | --- | --- | --- |
+| 7 | 2809 | SBMN -> SBBV | SBMN -> SBBV | Provavel erro ou duplicidade de origem; nao ha retorno registrado entre as duas etapas. |
+| 55 | 2803 | SBUA -> SWMK | SWMQ -> SBUA | Provavel divergencia de digitacao entre `SWMK` e `SWMQ`. |
+| 199 | 2800 | SBBR -> SBBR | SBGL -> SBAN | Lacuna operacional ou etapa ausente entre Brasilia e Galeao. |
+
+## Decisao de validacao
+
+O arquivo consolidado esta tecnicamente consistente para um primeiro uso no modelo OAMRP, desde que as 3 quebras espaciais sejam tratadas como excecoes conhecidas ou filtradas em uma rodada inicial.
+
+Recomendacao para a primeira simulacao:
+
+- Usar `db/pre_process/registro_voo_2025/missoes_oamrp_2025_consolidado.csv`.
+- Comecar por janeiro/2025, pois o periodo contem apenas a quebra da OM 7 entre as pendencias de continuidade listadas.
+- Manter as pendencias acima sem correcao automatica ate confirmacao humana.

db/pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/preprocess_pdf.py

@@ -6,12 +6,13 @@ from pathlib import Path
 import pdfplumber
 
 
-ROOT = Path(__file__).resolve().parents[1]
+ROOT = Path(__file__).resolve().parents[2]
 BASE_NAME = "relatorio_ciclo_inspecoes_c105_2805_2026-06-15"
+OUTPUT_DIR = Path(__file__).resolve().parent
 PDF_PATH = ROOT / "raw" / f"{BASE_NAME}.pdf"
-TXT_PATH = ROOT / "pre_process" / f"{BASE_NAME}_texto.txt"
-JSON_PATH = ROOT / "pre_process" / f"{BASE_NAME}_inspecoes.json"
-CSV_PATH = ROOT / "pre_process" / f"{BASE_NAME}_inspecoes.csv"
+TXT_PATH = OUTPUT_DIR / f"{BASE_NAME}_texto.txt"
+JSON_PATH = OUTPUT_DIR / f"{BASE_NAME}_inspecoes.json"
+CSV_PATH = OUTPUT_DIR / f"{BASE_NAME}_inspecoes.csv"
 
 ROW_START_RE = re.compile(r"^(?P<seq>\d+)\s+")
 INTERVAL_RE = re.compile(

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

@@ -0,0 +1,257 @@
+# Documentação Técnica — Arara OAMRP
+
+## O que é
+
+O Arara OAMRP é um projeto para organizar dados, documentos e modelos usados no planejamento e acompanhamento operacional do Esquadrão Arara, em Manaus.
+
+O objetivo é construir uma base rastreável para encaixar missões, aeronaves e manutenções, começando pela leitura e estruturação de documentos operacionais e de manutenção.
+
+Nesta fase inicial, o projeto contém:
+
+- documentos originais em `db/raw/`;
+- scripts e saídas intermediárias em `db/pre_process/`;
+- área reservada para dados finais em `db/processed/`;
+- protótipos de otimização e análise em `software/`;
+- documentação de contexto, autoria, mudanças e rastreabilidade.
+
+## Fontes de dados
+
+As fontes atuais são documentos operacionais e de manutenção adicionados manualmente ao repositório.
+
+Fonte inicial processada:
+
+| Arquivo | Conteúdo | Observação |
+| --- | --- | --- |
+| `db/raw/relatorio_ciclo_inspecoes_c105_2805_2026-06-15.pdf` | Relatório de ciclo de inspeções do equipamento | Aeronave C-105, matrícula 2805, relatório de 2026-06-15 |
+
+Arquivos originais devem permanecer em `db/raw/` sem edição direta.
+
+## Como funciona
+
+O fluxo atual é:
+
+1. Guardar documentos originais em `db/raw/`.
+2. Executar scripts de extração e padronização em `db/pre_process/`.
+3. Gerar saídas intermediárias em texto, JSON e CSV.
+4. Manter campos originais para rastreabilidade.
+5. Separar campos discretos úteis para cálculo, comparação e planejamento.
+6. Registrar mudanças relevantes em `LOG.md`.
+7. Consolidar dados finais em `db/processed/` quando os critérios de qualidade estiverem definidos.
+8. Desenvolver protótipos e modelos em `software/`, mantendo dados e código separados.
+
+## Pré-processamento atual
+
+O script `db/pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/preprocess_pdf.py` lê o relatório de ciclo de inspeções em PDF e gera:
+
+```text
+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
+```
+
+## Modelo OAMRP v3 (modelo atual)
+
+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.
+
+### Rede espaço-tempo
+
+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:
+
+| Campo | Conteúdo |
+| --- | --- |
+| `seq` | Sequência da inspeção no relatório |
+| `sigla_mnt` | Sigla da manutenção |
+| `descricao_mnt` | Descrição da manutenção |
+| `referencia` | Referência textual da inspeção |
+| `tipo_vencimento` | Tipo de vencimento |
+| `zera_tso` | Coluna original `Zera TSO` |
+| `letra` | Letra da inspeção, quando preenchida |
+| `nivel` | Código do nível |
+| `nivel_descricao` | Descrição do nível |
+| `var_media` | Variação média informada no relatório |
+| `duracao` | Duração original, por exemplo `3 D` ou `6 H` |
+| `duracao_valor` | Valor numérico da duração |
+| `duracao_unidade` | Unidade normalizada: `dias` ou `horas` |
+| `controle_original` | Trecho original usado para rastreabilidade |
+| `intervalo_horas_voo` | Intervalo textual em horas de voo |
+| `intervalo_horas_voo_valor` | Valor numérico de horas de voo |
+| `intervalo_meses_continuos` | Intervalo textual em meses contínuos |
+| `intervalo_meses_continuos_valor` | Valor numérico de meses contínuos |
+| `intervalo_pousos` | Intervalo textual em pousos |
+| `intervalo_pousos_valor` | Valor numérico de pousos |
+| `linha_original` | Linha reconstruída a partir do texto extraído |
+
+## Convenções operacionais
+
+Níveis de manutenção:
+
+| Código | Descrição |
+| --- | --- |
+| `B` | Base |
+| `P` | Parque |
+| `O` | Orgânico |
+
+Unidades de duração:
+
+| Código | Descrição |
+| --- | --- |
+| `D` | Dias |
+| `H` | Horas |
+
+## Limitações conhecidas
+
+1. A extração depende da qualidade do PDF e do texto recuperado por `pdfplumber`.
+2. O parser foi calibrado para o layout atual do relatório de ciclo de inspeções.
+3. Mudanças no formato do relatório podem exigir ajuste no script.
+4. A grafia original é preservada, inclusive erros existentes no documento fonte.
+5. Ainda não há validação cruzada com outros sistemas ou fontes oficiais.
+6. O modelo em `software/oamrp_v1.py` ainda é protótipo e usa dados de exemplo a substituir por bases reais.
+7. Ainda não há modelo final em `db/processed/` para integração completa entre missões, aeronaves e manutenções.
+
+## Oportunidades de melhoria
+
+| Prioridade | Melhoria |
+| --- | --- |
+| Alta | Definir o modelo final de dados em `db/processed/` |
+| Alta | Criar uma tabela mestre de aeronaves |
+| Alta | Criar uma tabela mestre de missões |
+| Alta | Definir regras para cálculo de vencimento por horas, meses e pousos |
+| Média | Criar testes automatizados para o parser de PDF |
+| Média | Padronizar nomes de colunas entre todos os documentos |
+| Média | Criar relatórios de inconsistências e campos ausentes |
+| Baixa | Criar interface simples para consulta e atualização |
+
+## Solução de problemas
+
+Se o pré-processamento falhar, verifique:
+
+- se o PDF existe em `db/raw/`;
+- se o nome do arquivo no script corresponde ao arquivo real;
+- se as bibliotecas Python necessárias estão instaladas;
+- se o layout do PDF mudou;
+- se o texto extraído em `_texto.txt` contém as linhas esperadas.
+
+Para reexecutar o pré-processamento:
+
+```powershell
+python db/pre_process/relatorio_ciclo_inspecoes_c105_2805_2026-06-15/preprocess_pdf.py
+```
+## Registro de voo 2025
+
+O arquivo `db/raw/Planilha 2025.xlsx` foi pre-processado por `db/pre_process/registro_voo_2025/preprocess_planilha_2025.py`.
+
+O processamento gera duas visoes principais:
+
+- `db/processed/registro_voo_2025.csv`: registro limpo, preservando a granularidade das linhas originais relevantes.
+- `db/processed/registro_voo_2025_consolidado.csv`: registro consolidado para roteamento, com `ROTA` tratado como marcador de transicao.
+
+Tambem sao gerados CSVs no formato esperado pelo prototipo OAMRP:
+
+```text
+db/pre_process/registro_voo_2025/missoes_oamrp_2025.csv
+db/pre_process/registro_voo_2025/missoes_oamrp_2025_consolidado.csv
+```
+
+Criterios aplicados:
+
+- colunas entre `REAL` e `COM2` descartadas;
+- datas de 2025 normalizadas para formato ISO e `dd/mm`;
+- horarios tratados como UTC/Z;
+- chegadas iguais ou anteriores a partida deslocadas para o dia seguinte;
+- transicoes com `ROTA` consolidadas em origem/destino reais;
+- linha original 793, aeronave 2806, excluida dos artefatos processados;
+- `SEGMTO` preservado como campo original, sem recalculo automatico.
+
+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

@@ -0,0 +1,45 @@
+# Autoria e Contribuições
+
+## Colaboradores
+
+| 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
+
+Projeto desenvolvido para apoiar o OAMRP do Esquadrão Arara, em Manaus, com organização colaborativa em repositório Git.
+
+## Como contribuir
+
+Ao modificar ou estender este projeto:
+
+1. Atualize sua cópia com `git pull` antes de começar.
+2. Preserve documentos originais em `db/raw/`.
+3. Coloque scripts e saídas intermediárias em `db/pre_process/`.
+4. Coloque resultados finais e validados em `db/processed/`.
+5. Registre mudanças operacionais em `LOG.md`.
+6. Registre mudanças de versão em `docs/changelog.md` quando houver alteração significativa.
+7. Identifique o autor usando a tag do colaborador: `VTO`, `GNR` ou `JOM`.
+8. Use mensagens de commit curtas e objetivas.
+
+## Formato sugerido para mudanças de versão
+
+```text
+## v<versão> — <Autor ou tag> — <YYYY-MM>
+
+### Adicionado / Alterado / Corrigido / Removido
+
+- Descrição objetiva da mudança.
+```
+
+## Histórico de contribuições
+
+| Versão | Autor | Data | Descrição resumida |
+| --- | --- | --- | --- |
+| v0.2 | VTO | 2026-06 | Reorganização dos dados em `db/`, criação de `software/` e inclusão do protótipo MIP `oamrp_v1.py` |
+| v0.1 | VTO | 2026-06 | Estrutura inicial, documentação, pré-processamento do primeiro relatório de inspeções e migração para o repositório `arara_oarmp` |
+
+Contribuidores futuros devem adicionar uma linha nesta tabela e criar a entrada correspondente em `docs/changelog.md`.

docs/changelog.md

@@ -0,0 +1,226 @@
+# Changelog
+
+Todas as versões significativas do Arara OAMRP devem ser registradas aqui. O `LOG.md` guarda o diário operacional detalhado; este arquivo resume mudanças por versão.
+
+Formato:
+
+```text
+## v<versão> — <Autor ou tag> — <YYYY-MM>
+
+### Adicionado / Alterado / Corrigido / Removido
+
+- Descrição objetiva.
+```
+
+---
+
+## 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
+
+- Diretório `software/` com o primeiro protótipo `software/oamrp_v1.py`.
+- Modelo MIP compacto em PuLP para atribuição de aeronaves a missões opcionais.
+- Regras de `.gitignore` para caches Python.
+
+### Alterado
+
+- Estrutura de dados reorganizada para `db/raw/`, `db/pre_process/` e `db/processed/`.
+- Documentação atualizada para refletir a separação entre dados (`db/`) e modelos (`software/`).
+- Nome técnico do projeto padronizado como Arara OAMRP nos documentos principais.
+
+---
+
+## v0.1 — VTO — 2026-06
+
+### Adicionado
+
+- Repositório Git inicial.
+- Estrutura de dados com `raw/`, `pre_process/` e `processed/`.
+- Arquivo `README.md` na raiz com guia de uso do repositório.
+- Arquivo `CONTEXTO.md` com orientações permanentes do projeto.
+- Arquivo `LOG.md` com rastreabilidade operacional por data, hora e tag de autor.
+- Pré-processamento inicial do relatório de ciclo de inspeções do C-105 matrícula 2805.
+- Saídas intermediárias em texto, JSON e CSV.
+- Campos discretos para `zera_tso`, letra, nível, duração, horas de voo, meses contínuos e pousos.
+- Documentação em `docs/about.md`, `docs/authors.md` e `docs/changelog.md`.
+
+### Alterado
+
+- Projeto renomeado para `arara_oarmp`.
+- Repositório remoto migrado para `https://git.ppgao.ita.br/vitorcesavc/arara_oarmp.git`.
+- Documentação reorganizada para separar guia inicial, contexto, autoria, histórico de versão e log operacional.
+
+### Corrigido
+
+- Interpretação da coluna `Zera TSO`, que passou a ser tratada como coluna única.
+- Mapeamento dos níveis `B`, `P` e `O` para Base, Parque e Orgânico.
+
+### Observações
+
+- O parser atual foi calibrado para o primeiro PDF processado.
+- A grafia original do documento fonte foi preservada, inclusive ocorrências de `INPEÇÃO`.
+## v0.3 - VTO - 2026-06
+
+### Adicionado
+
+- Pre-processamento da `Planilha 2025.xlsx` para registro de voo limpo.
+- Saidas em CSV/XLSX sem mesclas e CSV OAMRP com `id,orig,dest,partida_utc,chegada_utc,prioridade`.
+- Resumo JSON com contagens, campos faltantes e criterios de conversao.
+
+### Alterado
+
+- Criado arquivo final `db/processed/registro_voo_2025.csv`.
+
+### Observacoes
+
+- `SEGMTO` foi preservado da planilha original; cruzamento de 00Z foi registrado em campo separado.
+- Colunas entre `REAL` e `COM2` foram descartadas.
+## v0.3.1 - VTO - 2026-06
+
+### Alterado
+
+- Registro de voo 2025 regenerado removendo a linha original 793, aeronave 2806.
+- Consolidado passou para 1267 trechos e registro limpo para 1420 linhas.
+- Documentacao atualizada em `README.md`, `docs/about.md`, `LOG.md` e relatorio de validacao.
+
+### 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.

docs/roteiro_apresentacao_oamrp.doc

@@ -0,0 +1,102 @@
+{\rtf1\ansi\deff0
+{\fonttbl{\f0 Arial;}{\f1 Courier New;}}
+\fs24
+\b Roteiro para Apresentacao PowerPoint - OAMRP v1\b0\par
+\par
+\b Tema:\b0 Aircraft Routing - Esquadrao Arara (Transporte C-95/C-105)\par
+\b Objetivo da apresentacao:\b0 apresentar uma primeira ideia de modelo matematico/computacional para apoiar a atribuicao de aeronaves a missoes de transporte, considerando prioridade operacional, continuidade de rota, tempo minimo em solo e limite de horas ate inspecao.\par
+\par
+\b Ideia inicial 1 - Modelo MIP compacto para atribuicao de aeronaves\b0\par
+\par
+Esta primeira ideia usa um modelo de programacao inteira mista (MIP) para escolher quais missoes serao cumpridas e por qual aeronave. Nesta versao, Manaus (MN) foi definida como base operacional do Esquadrao Arara, e as missoes simuladas partem de MN para outras localidades representativas da malha da FAB. As missoes sao informadas com data e hora UTC, como em uma planilha operacional, e o codigo converte internamente para horas decimais no horizonte de planejamento. O foco nao e minimizar custo, como em modelos civis tradicionais, mas maximizar o cumprimento ponderado de missoes, dando maior peso as missoes de maior prioridade.\par
+\par
+O modelo trata cada missao como opcional. Isso significa que uma missao pode ficar de fora quando nao houver aeronave disponivel, quando a conexao temporal/geografica nao for viavel, ou quando o limite de horas de celula ate a proxima inspecao impedir a execucao segura da rota.\par
+\par
+\b Estrutura sugerida dos slides\b0\par
+\par
+\b Slide 1 - Titulo\b0\par
+Titulo sugerido: Otimizacao de Rotas e Atribuicao de Aeronaves no Esquadrao Arara.\par
+Fala sugerida: Esta apresentacao mostra uma primeira proposta de ferramenta de apoio a decisao para distribuir aeronaves C-95/C-105 entre missoes de transporte, respeitando restricoes operacionais e de manutencao.\par
+\par
+\b Slide 2 - Problema operacional\b0\par
+Mensagem central: o esquadrao precisa decidir rapidamente quais aeronaves atendem quais missoes, mantendo coerencia de rota, disponibilidade temporal e margem de horas antes da inspecao.\par
+Pontos para apresentar:\par
+- Ha varias missoes com origens, destinos, horarios e prioridades diferentes.\par
+- Cada aeronave parte de Manaus (MN), base operacional do Arara nesta simulacao, e possui horas acumuladas desde a ultima inspecao.\par
+- Nem toda combinacao de missoes e viavel para uma mesma aeronave.\par
+\par
+\b Slide 3 - Objetivo do modelo\b0\par
+Mensagem central: maximizar o valor operacional das missoes cumpridas e, em segundo nivel, organizar o uso do LRT para apoiar a manutencao.\par
+Fala sugerida: Em vez de obrigar que todas as missoes sejam atendidas, o modelo escolhe o melhor conjunto possivel. Missoes mais importantes recebem maior peso. Depois de encontrar a melhor prioridade operacional, o modelo escolhe a distribuicao que reduz o LRT restante ponderado, priorizando aeronaves mais proximas da manutencao.\par
+\par
+\b Slide 4 - Entradas do modelo\b0\par
+Entradas usadas na versao inicial:\par
+- Base operacional simulada: MN, Manaus.\par
+- Base habilitada a inspecao: MN, Manaus.\par
+- Turnaround minimo: 1 hora.\par
+- Limite de horas ate inspecao obrigatoria: 100 horas.\par
+- Aeronaves: FAB-2301, FAB-2302, FAB-2303 e FAB-2304.\par
+- Missoes: 20 missoes simuladas entre Manaus e outras localidades, incluindo BR, BE, PV, BV, GL, CG, RF e NT.\par
+- Horarios das missoes: entrada em data/hora UTC, com possibilidade de carregar CSV exportado de planilha.\par
+\par
+\b Slide 5 - Restricoes consideradas\b0\par
+Restricoes principais:\par
+- Cada missao pode ser cumprida por no maximo uma aeronave.\par
+- A aeronave so pode iniciar uma rota em uma missao que parte de sua base inicial.\par
+- A continuidade da rota exige que o destino de uma missao seja a origem da proxima.\par
+- Deve haver turnaround minimo entre chegada e nova partida.\par
+- A soma das horas voadas por aeronave nao pode ultrapassar o LRT disponivel.\par
+\par
+\b Slide 6 - Resultado da execucao inicial\b0\par
+Resultado obtido ao rodar o arquivo software/oamrp_v1.py:\par
+\par
+{\f1
+STATUS: Optimal\par
+Missoes cumpridas: 20/20\par
+Prioridade obtida: 74/74\par
+Todas as missoes foram atendidas\par
+Horizonte inicia em UTC: 2026-07-01T06:00:00Z\par
+LRT restante total: 124h\par
+Criterio secundario: menor LRT restante ponderado para manutencao\par
+}\f0
+\par
+Fala sugerida: Com os dados de exemplo, o solver encontrou uma solucao otima. As 20 missoes simuladas foram cumpridas, com aproveitamento integral da prioridade operacional planejada. Em seguida, a solucao foi refinada para usar melhor o LRT das aeronaves mais proximas da manutencao.\par
+\par
+\b Slide 7 - Distribuicao das aeronaves\b0\par
+Rotas encontradas:\par
+\par
+{\f1
+FAB-2301: M07 -> M08\par
+FAB-2302: M01 -> M02 -> M11 -> M12 -> M13 -> M14 -> M19 -> M20\par
+FAB-2303: M05 -> M06 -> M09 -> M10 -> M15 -> M16 -> M17 -> M18\par
+FAB-2304: M03 -> M04\par
+}\f0
+\par
+Fala sugerida: O resultado mostra uma sequencia coerente para cada aeronave. Cada rota respeita origem, destino, horarios e limite de horas disponiveis ate a inspecao.\par
+\par
+\b Slide 8 - Leitura operacional do resultado\b0\par
+Mensagem central: a malha simulada mostra que a frota consegue cumprir o pacote completo de missoes, mas algumas aeronaves ficam mais pressionadas pelo limite de horas.\par
+Pontos para apresentar:\par
+- A prioridade total possivel era 74.\par
+- A solucao atingiu 74 pontos de prioridade.\par
+- Todas as missoes foram cumpridas.\par
+- A FAB-2302 e a FAB-2304 ficaram com LRT restante igual a 0 hora, mostrando aeronaves prontas para entrar no ciclo de manutencao.\par
+\par
+\b Slide 9 - Valor para o planejamento\b0\par
+Beneficios da abordagem:\par
+- Apoia decisoes rapidas e rastreaveis.\par
+- Ajuda a visualizar gargalos de frota, horario e manutencao.\par
+- Permite testar cenarios com novas missoes, prioridades ou disponibilidade de aeronaves.\par
+- Reduz a dependencia de avaliacao manual quando ha muitas combinacoes possiveis.\par
+\par
+\b Slide 10 - Proximos passos\b0\par
+Evolucoes sugeridas:\par
+- Substituir os dados ficticios por dados reais do Esquadrao Arara.\par
+- Incluir pousos intermediarios, pernoites e janelas de disponibilidade de tripulacao.\par
+- Modelar inspecao com reset de horas em bases habilitadas.\par
+- Gerar graficos e tabelas automaticas para uso direto em briefing.\par
+- Comparar cenarios: frota completa, aeronave indisponivel, aumento de demanda ou restricao de base.\par
+\par
+\b Fechamento sugerido\b0\par
+Esta versao inicial demonstra que e possivel transformar o problema de atribuicao de aeronaves em um modelo de otimizacao explicavel. Mesmo com dados simples, o modelo ja produz uma solucao coerente, priorizada e aderente as restricoes principais de operacao e manutencao.\par
+}

processed/.gitkeep

@@ -1 +0,0 @@
-

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_v1.py

@@ -0,0 +1,271 @@
+"""
+============================================================================
+ AIRCRAFT ROUTING - ESQUADRAO ARARA (Transporte C-95/C-105)
+============================================================================
+ Modelo MIP compacto que ATRIBUI aeronaves a missoes de transporte,
+ maximizando o numero (ponderado por prioridade) de missoes cumpridas,
+ respeitando:
+   - rota viavel (continuidade espacial e temporal por aeronave)
+   - turnaround minimo entre missoes
+   - limite de horas de celula ate a proxima inspecao (LRT)
+   - base inicial e horas acumuladas reais de cada aeronave
+
+ Diferenca chave vs. modelo civil (Bazargan): aqui a cobertura e' "<= 1"
+ (missao OPCIONAL, selecionada se compensar) e nao "= 1". O objetivo e'
+ prontidao/cumprimento de missao, nao custo.
+
+ Solver: CBC (vem junto com o PuLP, zero instalacao). Para instancias
+ maiores troque por HiGHS (ver nota no fim do arquivo).
+
+ Autor: gerado como ponto de partida. pt-BR nos comentarios, codigo limpo.
+============================================================================
+"""
+
+import csv
+from datetime import datetime, timezone
+from pathlib import Path
+
+import pulp
+
+# ===========================================================================
+# 1) DADOS DE ENTRADA  (substitua pelos dados reais do ARARA)
+# ===========================================================================
+# Bases (codigos curtos ficticios). 'S' marca bases HABILITADAS a inspecao.
+# Na FAB o conjunto de bases habilitadas e' restrito -> isso aperta o routing.
+# MN representa Manaus, base operacional do Esquadrao Arara nesta simulacao.
+BASES_INSPECAO = {"MN"}                # Manaus
+
+TURNAROUND_MIN_H = 1.0                  # tempo minimo em solo entre 2 missoes (h)
+LIMITE_HORAS_F   = 100.0               # horas de celula ate inspecao obrigatoria
+                                       #  (AJUSTE ao intervalo real da sua frota)
+
+# ----- Aeronaves (tail number, base inicial, horas acumuladas desde a ult. insp.)
+# 'horas_acum' = f_k. LRT inicial de cada aeronave = LIMITE_HORAS_F - f_k.
+AERONAVES = [
+    # id        base   horas_acum
+    ("FAB-2301", "MN",   12.0),
+    ("FAB-2302", "MN",   71.0),   # ja gastou muito -> pouco LRT disponivel
+    ("FAB-2303", "MN",   30.0),
+    ("FAB-2304", "MN",   95.0),   # quase no limite -> mal consegue voar
+]
+
+# ----- Missoes de transporte
+# Entrada recomendada: data/hora UTC, como viria de uma planilha.
+# Para usar uma planilha, exporte para CSV com as colunas:
+# id,orig,dest,partida_utc,chegada_utc,prioridade
+# e preencha CSV_MISSOES_PATH com o caminho do arquivo.
+CSV_MISSOES_PATH = None
+
+MISSOES_UTC = [
+    # id     orig  dest  partida UTC             chegada UTC             prio
+    ("M01",  "MN", "BR", "2026-07-01T06:00Z", "2026-07-01T10:00Z", 5),
+    ("M02",  "BR", "MN", "2026-07-01T12:00Z", "2026-07-01T16:00Z", 5),
+    ("M03",  "MN", "BE", "2026-07-01T06:30Z", "2026-07-01T09:00Z", 4),
+    ("M04",  "BE", "MN", "2026-07-01T11:00Z", "2026-07-01T13:30Z", 4),
+    ("M05",  "MN", "PV", "2026-07-01T07:00Z", "2026-07-01T09:00Z", 3),
+    ("M06",  "PV", "MN", "2026-07-01T10:30Z", "2026-07-01T12:30Z", 3),
+    ("M07",  "MN", "BV", "2026-07-01T08:00Z", "2026-07-01T09:30Z", 3),
+    ("M08",  "BV", "MN", "2026-07-01T11:00Z", "2026-07-01T12:30Z", 3),
+    ("M09",  "MN", "GL", "2026-07-01T18:00Z", "2026-07-01T23:00Z", 4),
+    ("M10",  "GL", "MN", "2026-07-02T01:00Z", "2026-07-02T06:00Z", 4),
+    ("M11",  "MN", "CG", "2026-07-01T20:00Z", "2026-07-01T23:00Z", 2),
+    ("M12",  "CG", "MN", "2026-07-02T01:00Z", "2026-07-02T04:00Z", 2),
+    ("M13",  "MN", "RF", "2026-07-02T06:00Z", "2026-07-02T11:00Z", 4),
+    ("M14",  "RF", "MN", "2026-07-02T13:00Z", "2026-07-02T18:00Z", 4),
+    ("M15",  "MN", "NT", "2026-07-02T08:00Z", "2026-07-02T12:30Z", 3),
+    ("M16",  "NT", "MN", "2026-07-02T14:00Z", "2026-07-02T18:30Z", 3),
+    ("M17",  "MN", "BR", "2026-07-03T00:00Z", "2026-07-03T04:00Z", 5),
+    ("M18",  "BR", "MN", "2026-07-03T06:00Z", "2026-07-03T10:00Z", 5),
+    ("M19",  "MN", "BE", "2026-07-03T02:00Z", "2026-07-03T04:30Z", 4),
+    ("M20",  "BE", "MN", "2026-07-03T06:00Z", "2026-07-03T08:30Z", 4),
+]
+
+def parse_utc(valor):
+    """Converte texto ISO UTC da planilha para datetime com timezone."""
+    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 carregar_missoes_csv(caminho):
+    with Path(caminho).open(newline="", encoding="utf-8-sig") as arq:
+        leitor = csv.DictReader(arq)
+        return [
+            (
+                linha["id"],
+                linha["orig"],
+                linha["dest"],
+                linha["partida_utc"],
+                linha["chegada_utc"],
+                int(linha["prioridade"]),
+            )
+            for linha in leitor
+        ]
+
+def converter_missoes_para_horas(missoes_utc):
+    datas_partida = [parse_utc(m[3]) for m in missoes_utc]
+    horizonte_inicio = min(datas_partida)
+    missoes_horas = []
+    for mid, orig, dest, partida_utc, chegada_utc, prio in missoes_utc:
+        partida = parse_utc(partida_utc)
+        chegada = parse_utc(chegada_utc)
+        if chegada <= partida:
+            raise ValueError(f"Missao {mid}: chegada_utc deve ser depois de partida_utc")
+        part_h = (partida - horizonte_inicio).total_seconds() / 3600
+        cheg_h = (chegada - horizonte_inicio).total_seconds() / 3600
+        missoes_horas.append((mid, orig, dest, part_h, cheg_h, prio))
+    return missoes_horas, horizonte_inicio
+
+MISSOES_FONTE = carregar_missoes_csv(CSV_MISSOES_PATH) if CSV_MISSOES_PATH else MISSOES_UTC
+MISSOES, HORIZONTE_INICIO_UTC = converter_missoes_para_horas(MISSOES_FONTE)
+
+# ===========================================================================
+# 2) PRE-PROCESSAMENTO (gera conexoes viaveis)
+# ===========================================================================
+miss = {m[0]: dict(orig=m[1], dest=m[2], part=m[3], cheg=m[4], prio=m[5],
+                   dur=m[4] - m[3]) for m in MISSOES}
+acft = {a[0]: dict(base=a[1], f=a[2]) for a in AERONAVES}
+IDS  = list(miss.keys())
+KS   = list(acft.keys())
+
+# Conexao i->j valida: destino de i == origem de j  e  ha turnaround suficiente
+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]
+
+# Aeronave k pode INICIAR pela missao i se i parte da base inicial de k
+def pode_iniciar(k, i):
+    return miss[i]["orig"] == acft[k]["base"]
+
+# ===========================================================================
+# 3) MODELO MIP
+# ===========================================================================
+mdl = pulp.LpProblem("ARARA_Aircraft_Routing", pulp.LpMaximize)
+
+# --- Variaveis
+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")            # k inicia por i
+     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")     # k voa i depois j
+     for k in KS for (i, j) in conex}
+z = {i: pulp.LpVariable(f"z_{i}", cat="Binary") for i in IDS}        # missao coberta
+
+# --- Objetivo primario: maximizar prioridade total das missoes cumpridas
+mdl += pulp.lpSum(miss[i]["prio"] * z[i] for i in IDS), "Missoes_cumpridas_ponderadas"
+
+# --- (R1) Cobertura: cada missao por NO MAXIMO uma aeronave
+for i in IDS:
+    mdl += z[i] == pulp.lpSum(x[(k, i)] for k in KS), f"def_z_{i}"
+    # z[i] ja e' binaria, entao automaticamente <= 1
+
+# --- (R2) Fluxo de entrada: se k voa i, ele iniciou por i OU chegou de outra missao
+for k in KS:
+    for i in IDS:
+        entradas = pulp.lpSum(c[(k, jj, i)] for (jj, ii) in conex if ii == i)
+        ini = s[(k, i)] if (k, i) in s else 0
+        mdl += ini + entradas == x[(k, i)], f"in_{k}_{i}"
+
+# --- (R3) Fluxo de saida: depois de i, k segue para no max uma proxima missao
+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}"
+
+# --- (R4) Cada aeronave inicia no maximo uma rota
+for k in KS:
+    inis = [s[(k, i)] for i in IDS if (k, i) in s]
+    if inis:
+        mdl += pulp.lpSum(inis) <= 1, f"start_{k}"
+
+# --- (R5) Limite de horas de celula (LRT): total voado por k <= F - f_k
+#     Esta e' a restricao CENTRAL de manutencao (versao "orcamento de horas").
+#     -> A inspecao com RESET de horas em base habilitada e' a extensao da Fase 3.
+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}"
+
+# ===========================================================================
+# 4) RESOLVER
+# ===========================================================================
+solver = pulp.PULP_CBC_CMD(msg=False)          # troque por HiGHS se instalado
+
+# Etapa 1: maximiza o cumprimento ponderado das missoes.
+mdl.solve(solver)
+prio_otima = int(pulp.value(mdl.objective))
+
+# Etapa 2: mantendo a prioridade otima, minimiza o LRT restante ponderado.
+# Como as horas totais voadas podem ser constantes quando todas as missoes sao
+# cumpridas, o peso prioriza consumir LRT das aeronaves mais proximas da
+# manutencao, sem sacrificar nenhuma missao prioritaria da primeira etapa.
+lrt_restante = {
+    k: (LIMITE_HORAS_F - acft[k]["f"]) -
+       pulp.lpSum(miss[i]["dur"] * x[(k, i)] for i in IDS)
+    for k in KS
+}
+pesos_lrt = {k: 1 / (LIMITE_HORAS_F - acft[k]["f"]) for k in KS}
+mdl += pulp.lpSum(miss[i]["prio"] * z[i] for i in IDS) == prio_otima, "fixa_prioridade_otima"
+mdl.sense = pulp.LpMinimize
+mdl.setObjective(pulp.lpSum(pesos_lrt[k] * lrt_restante[k] for k in KS))
+mdl.solve(solver)
+
+# ===========================================================================
+# 5) RELATORIO
+# ===========================================================================
+print("=" * 70)
+print(f"  STATUS: {pulp.LpStatus[mdl.status]}")
+print(f"  Horizonte inicia em UTC: {HORIZONTE_INICIO_UTC.isoformat().replace('+00:00', 'Z')}")
+prio_tot = sum(miss[i]["prio"] for i in IDS)
+prio_obt = prio_otima
+cob = [i for i in IDS if z[i].value() and z[i].value() > 0.5]
+print(f"  Missoes cumpridas: {len(cob)}/{len(IDS)}  "
+      f"|  Prioridade obtida: {prio_obt}/{prio_tot}")
+lrt_total = sum((LIMITE_HORAS_F - acft[k]["f"]) -
+                sum(miss[i]["dur"] * x[(k, i)].value() for i in IDS)
+                for k in KS)
+print(f"  LRT restante total: {lrt_total:g}h")
+print("  Criterio secundario: menor LRT restante ponderado p/ manutencao")
+print("=" * 70)
+
+def rota_da_aeronave(k):
+    """Reconstroi a sequencia de missoes da aeronave k seguindo as conexoes."""
+    inicio = [i for i in IDS if (k, i) in s and s[(k, i)].value() and s[(k, i)].value() > 0.5]
+    if not inicio:
+        return []
+    seq = [inicio[0]]
+    while True:
+        atual = seq[-1]
+        prox = [j for (ii, jj) in conex if ii == atual
+                for j in [jj] if c[(k, atual, j)].value() and c[(k, atual, j)].value() > 0.5]
+        if not prox:
+            break
+        seq.append(prox[0])
+    return seq
+
+for k in KS:
+    seq = rota_da_aeronave(k)
+    horas = sum(miss[i]["dur"] for i in seq)
+    lrt_ini = LIMITE_HORAS_F - acft[k]["f"]
+    if seq:
+        trechos = "  ->  ".join(
+            f"{i}({miss[i]['orig']}-{miss[i]['dest']} {miss[i]['part']:g}h)" for i in seq)
+        print(f"\n {k}  [base {acft[k]['base']}, f={acft[k]['f']:g}h, LRT={lrt_ini:g}h]")
+        print(f"    {trechos}")
+        print(f"    horas voadas: {horas:g}h  |  LRT restante: {lrt_ini - horas:g}h")
+    else:
+        print(f"\n {k}  [base {acft[k]['base']}, LRT={lrt_ini:g}h]  -> sem missoes")
+
+descobertas = [i for i in IDS if i not in cob]
+if descobertas:
+    print("\n " + "-" * 60)
+    print(" Missoes NAO cumpridas:",
+          ", ".join(f"{i}(prio {miss[i]['prio']})" for i in descobertas))
+
+# ---------------------------------------------------------------------------
+# NOTA - usar HiGHS (recomendado p/ instancias maiores, sem licenca):
+#   pip install highspy
+#   solver = pulp.HiGHS(msg=False)     # PuLP 3.x expoe HiGHS nativo
+# ---------------------------------------------------------------------------

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()