Propostamodeloavaliacao-Moura-2021

Prévia do material em texto

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE 
CENTRO DE TECNOLOGIA 
PROGRAMA DE PÓS-GRADUAÇÃO EM 
ENGENHARIA DE PRODUÇÃO – PEP/UFRN 
 
 
 
 
 
 
 
 
 
PROPOSTA DE UM MODELO DE AVALIAÇÃO DE PAVIMENTOS 
AEROPORTUÁRIOS PARA DETERMINAÇÃO DE ESTRATÉGIAS DE 
MANUTENÇÃO 
 
 
 
 
 
 
 
Ingrid Rebouças de Moura 
 
 
 
 
 
 
 
 
 
Maio, 2021 
Natal-RN 
 
 
INGRID REBOUÇAS DE MOURA 
 
 
 
 
 
PROPOSTA DE UM MODELO DE AVALIAÇÃO DE PAVIMENTOS 
AEROPORTUÁRIOS PARA DETERMINAÇÃO DE ESTRATÉGIAS DE 
MANUTENÇÃO 
 
 
 
 
 
Dissertação apresentada ao Programa de Pós-
Graduação em Engenharia de Produção da 
Universidade Federal do Rio Grande do Norte 
– PEP/UFRN, como requisito para obtenção do 
título de Mestre em Engenharia de Produção. 
Orientador: Prof. Dr. Herbert Ricardo Garcia 
Viana. 
 
 
 
 
 
 
 
 
 
 
 
Maio, 2021 
Natal-RN 
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE 
CENTRO DE TECNOLOGIA 
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO 
 
 
PROPOSTA DE UM MODELO DE AVALIAÇÃO DE PAVIMENTOS 
AEROPORTUÁRIOS PARA DETERMINAÇÃO DE ESTRATÉGIAS DE 
MANUTENÇÃO 
 
INGRID REBOUÇAS DE MOURA 
 
DISSERTAÇÃO SUBMETIDA AO PROGRAMA DE PÓS-GRADUAÇÃO EM 
ENGENHARIA DE PRODUÇÃO, DA UNIVERSIDADE FEDERAL DO RIO 
GRANDE DO NORTE, COMO PARTE DOS REQUISITOS NECESSÁRIOS PARA 
A OBTENÇÃO DO GRAU DE 
 
MESTRE EM ENGENHARIA DE PRODUÇÃO 
 
MAIO, 2021 
 
© 2021 INGRID REBOUÇAS DE MOURA 
TODOS DIREITOS RESERVADOS. 
 
O autor aqui designado concede ao Programa de Pós-Graduação em Engenharia de 
Produção, da Universidade Federal do Rio Grande do Norte, permissão para reproduzir, 
distribuir, comunicar ao público, em papel ou meio eletrônico, esta obra, no todo ou em 
parte, nos termos da Lei. 
 
 
Assinatura do Autor: 
 
____________________________________________________________ 
 
 
APROVADO POR: 
 
__________________________________________________________________ 
Prof. Dr. Herbert Ricardo Garcia Viana – Presidente 
 
_____________________________________________________________ 
Prof. Dr. José Alfredo Ferreira Costa – Examinador Interno ao Programa 
 
_____________________________________________________________ 
Prof. Dr. Enio Fernandes Amorim – Examinador Externo ao Programa 
 
_____________________________________________________________ 
Prof. Dr. Humberto Dionísio de Andrade – Examinador Externo à Instituição 
 
Stamp
Moura, Ingrid Reboucas de.
 Proposta de um modelo de avaliação de pavimentos
aeroportuários para determinação de estratégias de manutenção /
Ingrid Reboucas de Moura. - 2021.
 185 f.: il.
 Dissertação (mestrado) - Universidade Federal do Rio Grande
do Norte, Centro de Tecnologia, Programa de Pós-Graduação em
Engenharia de Produção, Natal, RN, 2021.
 Orientador: Prof. Dr. Herbert Ricardo Garcia Viana.
 1. Sistemas de avaliação - Dissertação. 2. Pavimentos
aeroportuários - Dissertação. 3. Tomada de decisão -
Dissertação. 4. Gestão da manutenção - Dissertação. I. Viana,
Herbert Ricardo Garcia. II. Título.
RN/UF/BCZM CDU 629.73
Universidade Federal do Rio Grande do Norte - UFRN
Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Central Zila Mamede
Elaborado por Ana Cristina Cavalcanti Tinôco - CRB-15/262
 
 
AGRADECIMENTOS 
 
Agradeço primeiramente a Deus, pelas infinitas vezes que me provou que com bom ânimo e 
esforço tudo é possível. 
 
Agradeço a minha família, no nome dos meus avós Geraldo Joaquim de Moura e Ester Félix de 
Moura, da minha mãe Josélia Félix de Moura, do meu padrasto Francisco Joventino Vieira e 
do meu irmão Alisson Marques Vieira. Obrigada por todos os dias me fazerem sentir a pessoa 
mais especial do mundo, por todo incentivo aos estudos e pela confiança diariamente depositada 
em mim. 
 
Ao Professor Herbert Ricardo Garcia Viana, por ter aceitado meu pedido para orientação e ter 
acreditado que daria certo. Obrigada pelo tempo dedicado a me atender, o conhecimento 
passado, a preocupação, apoio e paciência nas explicações. 
 
Ao professor Luis Henrique Gonçalves Costa, pela confiança e incentivo nos estudos na área 
de aeroportos. 
 
Ao Superintendente do Aeroporto de Natal, Ibernon Martins Gomes, por abrir as portas e 
possibilitar a troca de conhecimento. E a toda a equipe de manutenção de pavimentos da 
Inframerica, no nome de Bruno Bezerra de Mesquita Leitão e Anderson da Silva Galvão. 
 
Agradeço a minha banca, composta pelo Professor José Alfredo Ferreira Costa, Professor 
Humberto Dionisio de Andrade, e o Professor Ênio Fernandes Amorim, pela disponibilidade 
em avaliar meu trabalho e as importantes contribuições que irão enriquecer ainda mais está 
proposta de pesquisa. 
 
Aos especialistas da área de manutenção e transportes, ao pesquisador de ciências da 
computação Kellisson Kayonário de Lima, e todos os amigos que diretamente e indiretamente 
têm me ajudado ao longa de toda a jornada acadêmica. Muito obrigada. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
“Eram criaturas de grande habilidade, que 
possuíam os mais diversos tipos de poderes 
desconhecidos e insólitos e que governavam 
tanto as coisas que tinham vida como as que 
não tinham, controlavam o movimento do que 
se movia, dando movimento ao que não se 
movia e fazendo vida – uma vida ardente e da 
cor do sol – brotar de galhos mortos e 
punhados de musgo seco. Eles faziam fogo! 
Eles eram deuses!” (p.121-2) 
Jack London 
 
 
 
RESUMO 
 
Devido ao elevado crescimento do transporte aéreo, aliado à urgência pelo aumento da 
capacidade e adequação da infraestrutura aeroportuária brasileira, surge a necessidade de 
adoção de medidas mais eficientes no sistema de gerenciamento de pavimentos, quanto as 
manutenções e intervenções em áreas de circulação de aeronaves. Esses ativos, além de 
possuírem alto valor em termos construtivos, ainda necessitam de financiamento para sua 
conservação através de equipamentos para realização de ensaios e funcionários dedicados a 
identificar alterações que prejudiquem as atividades no processamento de voos, e sobretudo da 
segurança de passageiros e cargas durante as decolagens e aterrisagens. Visando auxiliar 
operadores de aeródromos na estruturação das atividades de manutenção, a presente 
dissertação, tem como objetivo desenvolver uma proposta de um modelo de avaliação de 
estratégias, para construção de um Plano Mestre de Manutenção Preventiva, tendo como base 
um estudo de caso desenvolvido no Aeroporto de Natal/RN. O modelo proposto fundamenta-
se na análise de falhas dos pavimentos e estudo do banco de dados do aeroporto, por meio de 
duas abordagens da manutenção preventiva: sistemática, e condicional. A primeira conta com 
a utilização de ferramentas estatísticas para construção de um modelo de previsão em Redes 
Neurais Artificiais (RNA), e a segunda com a avaliação de cenários. A abordagem multicritério 
de análise da decisão (MCDA) foi usada para desenvolvimento do modelo de determinação das 
estratégias de manutenção a partir de critérios que levem em consideração o tipo de patologia, 
aspectos técnicos e econômicos da manutenção de pavimentos aeroportuários. Nesse intuito, 
foram realizados levantamentos bibliográficos referentes as normativas e regulamentos do 
transporte aéreo, nacional e internacional. Além disso, buscou-se verificar as pesquisas em 
torno das temáticas da avaliação sistemática, através de modelos de previsão, e condicional, 
pela parametrização das condições dos pavimentos. O método de pesquisa é caracterizado como 
um estudo de caso de natureza quali-quantitativa. O resultado do trabalho apresenta uma 
proposta de uma ferramenta para manutenção, que considera as diferentes variáveis que 
interferem no desempenho do pavimento, bem como as diretrizes para adaptara pesquisa as 
necessidades de um aeroporto no Brasil. 
 
Palavras-chave: Sistemas de Avaliação. Pavimentos Aeroportuários. Tomada de Decisão. 
Gestão da Manutenção. 
 
 
 
ABSTRACT 
 
Due to the high growth of air transport, combined with the urgency to increase the capacity and 
adequacy of the Brazilian airport infrastructure, there is a need to adopt more efficient measures 
in the pavement management system, in terms of maintenance and interventions in aircraft 
circulation areas. These assets, in addition to having high value in constructive terms, still need 
financing for their conservation through equipment for conducting tests and employees 
dedicated to identifying changes that hinder activities in the processing of flights, and especially 
the safety of passengers and cargo during takeoffs and landings. Aiming to assist aerodrome 
operators in the structuring of maintenance activities, this dissertation aims to develop a 
proposal for a strategy evaluation model for the construction of a Preventive Maintenance 
Master Plan, based on a case study developed at the Airport. of Natal / RN. The proposed model 
is based on the analysis of pavement failures and the study of the airport's database, through 
two preventive maintenance approaches: systematic, and conditional. The first relies on the use 
of statistical tools to build a forecasting model in Artificial Neural Networks (ANN), and the 
second with the assessment of scenarios. The multicriteria decision analysis approach (MCDA) 
was used to develop the model for determining maintenance strategies based on criteria that 
take into account the type of pathology, technical and economic aspects of airport pavement 
maintenance. For this purpose, bibliographic surveys were carried out regarding the national 
and international air transport rules and regulations. In addition, we sought to verify the research 
on the themes of systematic evaluation, through forecasting models, and conditional, by 
parameterizing the conditions of the pavements. The research method is characterized as a case 
study of a qualitative and quantitative nature. The result of the work presents a proposal for a 
maintenance tool, which considers the different variables that affect the performance of the 
pavement, as well as the guidelines for adapting the research to the needs of an airport in Brazil. 
 
Keywords: Evaluation Systems. Airport Pavement. Decision Making. Maintenance 
Management. 
 
 
 
LISTA DE TABELAS 
 
Tabela 1 - Código de referência do aeródromo (ANAC, 2019b)........................................................................... 27 
Tabela 2 - Resistência de subleito em pavimentos flexíveis ou mistos pelo método ACN/PCN (ANAC, 2016).. 34 
Tabela 3 - Resistência de subleito em pavimentos rígidos pelo método ACN/PCN (ANAC, 2016). ................... 34 
Tabela 4 - Código estabelecido pelo método ACN/PCN para pressão dos pneus (ANAC, 2016). ....................... 34 
Tabela 5 - Frequência sugerida na avaliação funcional pelo PCI (ANAC, 2017). ................................................ 44 
Tabela 6 - Frequência mínima de medição do IRI (ANAC, 2019a). ..................................................................... 47 
Tabela 7 - Classificação da textura (Adaptada de FLINTSCH et al., 2003). ......................................................... 50 
Tabela 8 - Frequência mínima de verificação de macrotextura (ANAC, 2019a). ................................................. 52 
Tabela 9 – Parâmetros da macrotextura (ANAC, 2019a). ..................................................................................... 53 
Tabela 10 – Equipamentos de medição de atrito e parâmetros do coeficiente (ANAC, 2019a). ........................... 55 
Tabela 11 - Frequência de medições de atrito (ANAC, 2019a). ............................................................................ 55 
Tabela 12 - Frequência de remoção do acúmulo de borracha (Adaptada de FAA, 1997; ANAC, 2019a). ........... 58 
Tabela 13 – Características gerais do Aeroporto de Natal. .................................................................................. 101 
Tabela 14 - Mix de aeronaves operantes para 2017............................................................................................. 107 
Tabela 15 - Mix de aeronaves operantes para 2019............................................................................................. 107 
Tabela 16 - Escala Fundamental do AHP (Adaptada de SAATY, 1977). ........................................................... 125 
Tabela 17 - Valores de IR para Matriz quadrada de ordem n x n (SAATY, 1991). ............................................ 126 
Tabela 18 – Pontuação Likert e determinação da prioridade das falhas. ............................................................. 130 
Tabela 19 – Ranking final de prioridade das falhas............................................................................................. 130 
Tabela 20 – Pesos obtidos para os critérios. ........................................................................................................ 133 
Tabela 21 – Matrizes de decisão e resultados da Razão de Consistência. ........................................................... 134 
Tabela 22 - Valor de desempenho de cada alternativa em cada cenário de falhas funcionais. ............................ 143 
Tabela 23 - Classificação final das estratégias funcionais. .................................................................................. 144 
Tabela 24 - Valor de desempenho de cada alternativa em cada cenário de falhas estruturais. ............................ 145 
Tabela 25 - Classificação final das estratégias funcionais. .................................................................................. 146 
 
 
 
 
LISTA DE QUADROS 
 
Quadro 1 - Método de avaliação utilizado (ICAO, 1999). .................................................................................... 34 
Quadro 2 - Programas desenvolvidos desde 1993 financiados pela FAA (Adaptado de FAA, 2012; FAA, 2020).
 ............................................................................................................................................................................... 36 
Quadro 3 - Vida útil do pavimento utilizando o CDF (Adaptado de FAA, 2016). ................................................ 37 
Quadro 4 - Tipos de patologias em pavimentos rígidos usadas para cálculo do SCI (Adaptado da FAA, 2009a; US 
ARMY CORPS OF ENGINEERS, 2009). ............................................................................................................ 38 
Quadro 5 - Manutenção e reparo de problemas comuns em pavimento de origem estrutural (Adaptado da FAA, 
2014d).................................................................................................................................................................... 40 
Quadro 6 – Patologias comumente encontradas em pavimentos flexíveis e rígidos para cálculo do PCI (Adaptado 
de FAA, 2004; FAA, 2009a; FAA, 2016). ............................................................................................................ 42 
Quadro 7 - Localização das medições do IRI (Adaptada de ANAC, 2019a). ....................................................... 46 
Quadro 8 – Diferenças entre a Manutenção Tradicional e a Manutenção Centrada na Confiabilidade (Adaptado de 
Siqueira, 2009) ...................................................................................................................................................... 66 
Quadro 9 – Tipos de metodologias de reparo (Adaptado de Florida Department of Transportation, 2013). ........ 74 
Quadro 10 – Termos de buscas (Adaptado de MOURA et al., 2020). .................................................................. 87 
Quadro 11 – Comparação dos estudos para determinação de estratégias de manutenção..................................... 91 
Quadro 12 – Análise de falhas potenciais em pavimentos aeroportuários e proposta de avaliação das estratégias de 
manutenção. *Os defeitos na superfície considerados são os que possuem origem funcional (ANEXO II). ...... 111 
Quadro 13 – Ações alternativas para manutenção de pavimentos. ...................................................................... 122 
Quadro 14 – Critérios para avaliação das estratégias de manutenção a nível funcional e estrutural. .................. 123 
Quadro 15 – Classificação dos critérios utilizados na proposta. ......................................................................... 123 
Quadro 16 – Definição dos tomadores de decisão. .............................................................................................. 127 
 
 
 
 
LISTA DE FIGURAS 
 
Figura 1- Dados estatísticos relacionados a Fig. 1.1 - acidentes e incidentes sérios em pista e número de Fig. 1.2 - 
acidentes fatais (ICAO 2017). ............................................................................................................................... 21 
Figura 2 - Utilização do Programa de Manutenção e Pavimentos Aeroportuários (NASEM, 2011). ................... 22 
Figura 3 – Estrutura da Dissertação. ...................................................................................................................... 24 
Figura 4 – Áreas pavimentadas de um aeródromo (Adaptada de ACI, 2018). ...................................................... 27 
Figura 5 – Camadas referentes a estrutura de um pavimento (Adaptado de FAA, 2014a). ................................... 29 
Figura 6 – Representação estrutural de Fig. 6.1 – Pavimento flexível e Fig. 6.2 – Pavimento rígido exposto a carga 
(Adaptado de FAA, 2007). .................................................................................................................................... 29 
Figura 7 – Classificação do método PCI (Adaptado de ARA, 2016; ANAC, 2017). ............................................ 42 
Figura 8 – Detalhamento do funcionamento do equipamento tipo-resposta (Adaptado de SAYERS; KRAMIHAS, 
1998)...................................................................................................................................................................... 45 
Figura 9 - Esquema para medição da altura do desvio (Adaptado de FAA, 2009b). ............................................. 47 
Figura 10 – Parâmetros de avalição do Boeing Bump Index (Adaptado de FAA, 2009). ..................................... 48 
Figura 11 – Microtextura e macrotextura de pavimentos (Adaptada de FLINTSCH et al., 2003). ....................... 51 
Figura 12 - Características básicas de atrito, sistema dinâmico e resposta do sistema (Adaptado de ICAO, 2013).
 ............................................................................................................................................................................... 56 
Figura 13 - Processo de avaliação de pavimentos aeroportuários (Adaptado de FAA, 2009a). ............................ 62 
Figura 14 – Parâmetros necessários para análise de pavimentos (Adaptado de Pearson, 2012). .......................... 62 
Figura 15 – Estrutura de planejamento de um SGPA (Adaptado de ANAC, 2017) .............................................. 64 
Figura 16 – Relação entre a confiabilidade e a idade do equipamento (Adaptado de Matteson, 1985) ................ 66 
Figura 17 – Desempenho do pavimento a partir das manutenções (Adaptada de DEPARTMENT OF DEFENCE, 
2020)...................................................................................................................................................................... 67 
Figura 18 – Árvore lógica de decisão (Adaptada de Smith, 2004) ........................................................................ 69 
Figura 19 – Diagrama de seleção de tarefas (adaptada de Smith, 2004) ............................................................... 70 
Figura 20 – Gastos com a preservação do pavimento durante seu ciclo de vida (Adaptada de Haslett, Dave e Mo, 
2019)...................................................................................................................................................................... 71 
Figura 21 – Estrutura de um neurônio biológico (Adaptada de ZOU; HAN; SO, 2008)....................................... 76 
Figura 22 – Configuração da estrutura de uma RNA (Adaptada de RAJU et al., 2011). ...................................... 76 
Figura 23 – Exemplo de um modelo perceptron de uma camada (Adaptada de AGATONOVIC-KUSTRIN; 
BERESFORD, 2000) ............................................................................................................................................. 78 
Figura 24 – Funções de ativação (Adaptada de ZOU; HAN; SO, 2008). .............................................................. 78 
Figura 25 - Fluxo geral dos algoritmos do TensorFlow (Adaptada de McClure, 2017). ....................................... 81 
Figura 26 – Estágios do Planejamento de Cenários (Adaptada de PETERSON; CUMMING; CARPENTER, 2003).
 ............................................................................................................................................................................... 82 
Figura 27 – Fases da revisão sistemática (Adaptada de MOURA et al., 2020). .................................................... 88 
Figura 28 - Categoria dos modelos estudados (Adaptada de MOURA et al., 2020). ............................................ 89 
Figura 29 – Caracterização da pesquisa................................................................................................................. 94 
Figura 30 - Fluxograma dos procedimentos da pesquisa. ...................................................................................... 95 
 
 
Figura 31 - Localização da área de estudo............................................................................................................. 98 
Figura 32 – Dados estatísticos do Aeroporto de Natal (Adaptado de Aeroporto de Natal, 2019). ...................... 100 
Figura 33 – Mapas referentes a Fig. 33.1 - Tipos de solo do município de São Gonçalo do Amarante/RN e a Fig. 
33.2 - Hipsometria do município de São Gonçalo do Amarante/RN (Elaborado pela autora a partir de dados de 
IBGE, 2001 e EMBRAPA, 2001). ...................................................................................................................... 102 
Figura 34 – Zonas Climáticas do Rio Grande do Norte (Elaborado pela autora a partir de dados de IBGE, 2002).
 ............................................................................................................................................................................. 102 
Figura 35 – Total de pluviosidade registrada em cada ano. ................................................................................. 103 
Figura 36 – Média de pluviosidade de cada mês. ................................................................................................ 103 
Figura 37 - Mapas referentes a Fig. 37.1 – Distribuição de temperatura média do Rio Grande do Norte/RN e a Fig. 
37.2 – Distribuição de umidade do Rio Grande do Norte/RN (Elaborado pela autora a partir de dados de IBGE, 
2002).................................................................................................................................................................... 104 
Figura 38 - Localização dos defeitos no pavimento de SBSG............................................................................. 105 
Figura 39 – Escorregamento (Slippage cracking) presente na superfície do pavimento em 2015 e 2016. .......... 105 
Figura 40 – Fissuras presentes na cabeceira da PPD. .......................................................................................... 106 
Figura 41 – Médiade Macrotextura. ................................................................................................................... 108 
Figura 42 – Superfície da PPD em termos de coeficiente de atrito em Fig. 42.1 - 2018 e Fig. 42.2 - 2019. ....... 108 
Figura 43 - Superfície da PPD em função das medições de IRI a Fig. 43.1 – 3 metros e Fig. 43.2 – 6 metros do 
eixo da pista. ........................................................................................................................................................ 109 
Figura 44 – Visualização do sistema que será estudado. ..................................................................................... 110 
Figura 45 – Metodologia do estudo. .................................................................................................................... 112 
Figura 46 – Metodologia de pesquisa para o modelo de previsão. ...................................................................... 114 
Figura 47 – Matriz de correlação inicial. ............................................................................................................. 116 
Figura 48 – Matriz de correlação considerando a média mensal dos dados climáticos. ...................................... 117 
Figura 49 – Arquitetura utilizada para modelagem do modelo. .......................................................................... 118 
Figura 50 – Cenários propostos para avaliação funcional condicional. ............................................................... 121 
Figura 51 - Cenários propostos para avaliação estrutural condicional. ............................................................... 121 
Figura 52 – Estrutura de avaliação das estratégias de manutenção. .................................................................... 124 
Figura 53 - Matrix recíproca A. ........................................................................................................................... 125 
Figura 54 – Classificação dos tipos de falhas. ..................................................................................................... 129 
Figura 55 – Percentual definido para priorização entre IO e demais critérios associados. .................................. 131 
Figura 56 - Percentual definido para priorização entre OR e demais critérios associados. ................................. 132 
Figura 57 - Percentual definido para priorização entre OC e SE e demais critérios associados. ......................... 132 
Figura 58 – Resultados para verificação do Modelo 1 de a) MAE e b) MSE...................................................... 135 
Figura 59 - Gráficos de dispersão de validação do modelo 1. ............................................................................. 135 
Figura 60 - Histograma de erros de previsão do modelo 1. ................................................................................. 136 
Figura 61 - Resultados para verificação do Modelo 2 de a) MAE e b) MSE. ..................................................... 136 
Figura 62 - Gráficos de dispersão de validação do modelo 2. ............................................................................. 137 
Figura 63 - Histograma de erros de previsão do modelo 2. ................................................................................. 137 
Figura 64 - Comparação da magnitude de perda do a) Modelo 1, e b) Modelo 2. .............................................. 138 
 
 
Figura 65 - Resultados para verificação do Modelo 3 de a) MAE e b) MSE. ..................................................... 138 
Figura 66 - Gráficos de dispersão de validação do modelo 3. ............................................................................. 139 
Figura 67 - Histograma de erros de previsão do modelo 3. ................................................................................. 139 
Figura 68 – Magnitude de perda do modelo 3 para treino e teste. ....................................................................... 140 
Figura 69 - Resultados para verificação do Modelo 4 de a) MAE e b) MSE. ..................................................... 140 
Figura 70 - Gráficos de dispersão de validação do modelo 4. ............................................................................. 141 
Figura 71 – Magnitude de perda do modelo 3 para treino e teste. ....................................................................... 141 
Figura 73 – Fluxograma proposto para construção de um modelo de previsão de coeficiente de atrito. ............ 142 
 
 
 
 
 
LISTA DE ABREVIATURAS E SIGLAS 
 
AASHO (American Association of State Highway Officials) - Associação Americana de Rodovias do Estado e 
Funcionários de Transporte. 
AC (Advisory circular) – Circular consultiva. 
ACN (Aircraft Classification Number) – Número de Classificação da Aeronave. 
ANAC - Agência Nacional de Aviação Civil. 
ASTM (American Society for Testing and Materials) - Sociedade Americana para Teste de Materiais. 
BBI - Boeing Bump Index. 
CAA (Civil Aviation Authority) - Autoridade de Aviação Civil. 
CBR (California Bearing Ratio) - Índice de Suporte Califórnia. 
CBUQ - Concreto Betuminoso Usinado à Quente 
CDF (Cumulative Damage Factor) – Fator de Dano Cumulativo. 
CGNA – Centro de Gerenciamento da Navegação Aérea. 
DNIT - Departamento Nacional de Infraestrutura de Transportes. 
EASA (European Aviation Safety Agency) - Agência Europeia para a Segurança da Aviação. 
FAA (Federal Aviation Administration) – Administração Federal de Aviação. 
FMEA (Failure Mode and Effect Analysis) - Análise de Modos de Falhas e Efeitos. 
FWD (Falling Weight Deflectometer) - Deflectômetro de Queda de Peso. 
HMA (Hot Mix Asphalt) - Asfalto de Mistura Quente. 
HWD (Heavy Weight Deflectometer) - Deflectômetro de Peso Pesado. 
IATA (International Air Transport Association) – Associação Internacional de Transportes Aéreos. 
ICAO (International Civil Aviation Organization) – Organização Internacional da Aviação Civil. 
IFI (International Friction Index) - Índice Internacional de Atrito. 
IRI (International Roughness Index) – Índice Internacional de Rugosidade. 
M & R - Manutenção e Restauração. 
MCDA (Multicriteria Decision Analysis) - Análise de Decisão Multicritério 
MFL (Minimum Friction Level) - Nível Mínimo de Atrito. 
MOPS - Manual de Operações do Aeródromo. 
PAX - Passageiros 
PC – Planejamento de Cenários 
PCC (Portland Cement Concrete) - Concreto de Cimento Portland 
PCI (Pavement Condition Index) – Índice de Condição do Pavimento. 
PCN (Pavement Condition Number) – Número de Classificação do Pavimento. 
PMP – Programa de Manutenção de Pavimentos. 
PPD - Pista de Pouso de Decolagem. 
PSI - Present Serviceability Index. 
PSR - Present Serviceability Rating. 
RBAC - Regulamento Brasileiro de Aviação Civil. 
RCI (Ride Comfort Index) - Índice de Conforto no Passeio. 
 
 
RCM (Reliability Centered Maintenance) - Manutenção Centrada na Confiabilidade 
RS – Revisão Sistemática. 
RWY (Runway) – Pista de Pousos e de Decolagens. 
SAC – Secretaria de Aviação Civil. 
SBSG (Código ICAO) – Aeroporto de Natal. 
SCI (Structural Condition Index) - Índice de Condição Estrutural. 
SGPA - Sistema de Gestão de Pavimentos Aeroportuários 
TPS – Terminal de Passageiros. 
TWY (Taxiway) - Pista de taxiamento. 
VDT - Valor Deduzido Total 
 
 
SUMÁRIO 
 
1 INTRODUÇÃO .................................................................................................................. 17 
1.1 CONTEXTUALIZAÇÃO E PROBLEMA .................................................................................... 17 
1.2 OBJETIVOS .......................................................................................................................... 19 
1.2.1 Objetivo geral ............................................................................................................... 19 
1.2.2Objetivos específicos .................................................................................................... 19 
1.3 JUSTIFICATIVA .................................................................................................................... 20 
1.4 ESTRUTURA DA DISSERTAÇÃO ............................................................................................ 24 
2 REVISÃO BIBLIOGRÁFICA ......................................................................................... 25 
2.1 PAVIMENTOS AEROPOPORTUÁRIOS ..................................................................................... 25 
2.2 AVALIAÇÃO DAS CONDIÇÕES GERAIS DOS PAVIMENTOS ..................................................... 30 
2.2.1 Condições estruturais .................................................................................................... 31 
2.2.2 Condições funcionais .................................................................................................... 40 
2.2.2.1 Textura superficial do revestimento ........................................................................... 50 
2.2.2.2 Drenagem superficial dos pavimentos ....................................................................... 58 
2.3 PROGRAMA DE MANUTENÇÃO DE PAVIMENTOS (PMP) ......................................................... 60 
2.3.1 Planejamento da manutenção ....................................................................................... 65 
2.3.2 Técnicas de manutenção e restauração de pavimentos ................................................. 70 
2.4 REDES NEURAIS ARTIFICIAIS (RNA) ..................................................................................... 75 
2.5 CENÁRIOS PARA ANÁLISE DE DECISÃO MULTICRITÉRIO ...................................................... 81 
2.6 REVISÃO SISTEMÁTICA DE MODELOS DE AVALIAÇÃO DE PAVIMENTOS AEROPORTUÁRIOS .. 86 
2.6.1 Protocolo da revisão ..................................................................................................... 86 
2.6.2 Análise dos trabalhos relacionados ............................................................................... 88 
3 METODOLOGIA DA PESQUISA .................................................................................. 92 
3.1 CARACTERIZAÇÃO DA PESQUISA ........................................................................................ 92 
3.2 PROCEDIMENTO DA PESQUISA ............................................................................................ 94 
3.3 ESTUDO DE CASO: AEROPORTO DE NATAL – INFRAMERICA ................................................. 98 
3.3.1 Complexo Aeroportuário ............................................................................................ 101 
3.3.2 Caracterização territórial ............................................................................................ 101 
3.3.3 Regime pluviométrico, clima e temperatura ............................................................... 102 
3.4 DESCRIÇÃO GERAL DAS CONDIÇÕES DAS PISTAS DO AEROPORTO DE NATAL ...................... 104 
 
 
3.4.1 Condições estruturais .................................................................................................. 106 
3.4.2 Condições funcionais .................................................................................................. 107 
4 ESTRATÉGIAS DE MANUTENÇÃO EM PAVIMENTOS AEROPORTUÁRIOS109 
4.1 AVALIAÇÃO SISTEMÁTICA DA MANUTENÇÃO .................................................................... 112 
4.1.1 Pré-processamento dos dados ..................................................................................... 114 
4.1.2 Definição de parâmetros do modelo de previsão ........................................................ 115 
4.1.2.1 Matriz de correlação ................................................................................................. 116 
4.1.2.2 Modelo 1 – Hiperparâmetros utilizados ................................................................... 117 
4.1.2.3 Modelo 2 - Hiperparâmetros utilizados .................................................................... 119 
4.1.2.4 Modelo 3 - Hiperparâmetros utilizados .................................................................... 119 
4.1.2.5 Modelo 4 - Hiperparâmetros utilizados .................................................................... 119 
4.2 AVALIAÇÃO CONDICIONAL DA MANUTENÇÃO ................................................................... 119 
4.3 DEFINIÇÃO DE LINHAS ESTRATÉGICAS DE AÇÃO NA MANUTENÇÃO ................................... 122 
4.3.1 Análise de importância dos critérios ........................................................................... 124 
4.3.2 Verificação de diferentes estados funcionais e estruturais do pavimento .................. 126 
5 ANÁLISE DOS DADOS E RESULTADOS DA PROPOSTA .................................... 128 
5.1 ANÁLISE DAS FALHAS PRESENTES NOS PAVIMENTOS ......................................................... 128 
5.1.1 Classificação dos tipos de falhas ................................................................................ 128 
5.1.2 Definição do Nível de Priorização de Risco ............................................................... 129 
5.2 ANÁLISE DESCRITIVA DAS RELAÇÕES PAR A PAR PARA DETERMINAÇÃO DAS ESTRATÉGIAS 
DE MANUTENÇÃO ..................................................................................................................... 131 
5.3 IDENTIFICAÇÃO GERAL DO GRAU DE IMPORTÂNCIA DOS CRITÉRIOS .................................. 132 
5.4 DETERMINAÇÃO DOS MODELOS DE AVALIAÇÃO DE PAVIMENTOS ...................................... 134 
5.4.1 Modelo para manutenção sistemática do pavimento .................................................. 134 
5.4.1.1 Análise gráfica do Modelo 1 .................................................................................... 134 
5.4.1.2 Análise gráfica do Modelo 2 .................................................................................... 136 
5.4.1.3 Análise gráfica do Modelo 3 .................................................................................... 138 
5.4.1.4 Análise gráfica do Modelo 4 .................................................................................... 140 
5.4.1.5 Proposta de framework para construção de um modelo para previsão de atrito ...... 141 
5.4.2 Modelo para manutenção condicional do pavimento ................................................. 142 
5.4.2.1 Modelo para análise funcional ................................................................................. 142 
5.4.2.2 Modelo para análise estrutural ................................................................................. 144 
5.5 DISCUSSÃO DOS DADOS OBTIDOS ..................................................................................... 146 
 
 
6 CONSIDERAÇÕES FINAIS E RECOMENDAÇÕES ................................................ 149 
6.1 CONCLUSÕES .................................................................................................................... 149 
6.2 LIMITAÇÕES DA PESQUISA ................................................................................................. 151 
6.3 RECOMENDAÇÕES PARA TRABALHOS FUTUROS ................................................................. 151 
REFERÊNCIAS ................................................................................................................... 153 
ANEXO I – TABELA DE ACN DAS AERONAVES ....................................................... 167 
ANEXO II – PATOLOGIAS CONSIDERADAS NA PROPOSTA ................................ 174 
ANEXO III – QUESTIONÁRIO I DE PESQUISA .......................................................... 179 
ANEXO IV – QUESTIÓNARIO II DE PESQUISA ......................................................... 181 
ANEXO V – ALGORITMO UTILIZADO NO MODELO 4 ...........................................183 
 
17 
 
1 INTRODUÇÃO 
O aeroporto é a principal infraestrutura responsável por conectar o sistema terrestre ao 
aéreo. Seu bom funcionamento e desempenho ao longo do tempo são proporcionados por meio 
de estratégias de gerenciamento, principalmente das atividades da manutenção, de seus ativos 
que agregam maior valor as atividades de circulação de aeronaves. O pavimento de um 
aeroporto está exposto a diversas formas de deterioração, que em geral prejudicam sua 
confiabilidade durante a vida útil, sem contar nas despesas financeiras relacionadas a 
reabilitação deste sistema. Com a crescente pressão sobre as infraestruturas aeroportuárias a 
proposta de um modelo de avaliação de estratégias de manutenção seria fundamental para 
melhora de Programas de Manutenção e Reabilitação (PMR) das Pistas de Pouso e Decolagem, 
Pistas de Táxi e dos Pátios de Manobras e Estacionamento. 
Neste capítulo, são apresentados os tópicos que descrevem: o contexto em que insere-
se o tema, os objetivos da pesquisa, as proposições e métodos adotados, justificativa e a 
organização geral da dissertação. 
 
1.1 CONTEXTUALIZAÇÃO E PROBLEMA 
A Agência Nacional de Aviação Civil (ANAC), responsável por regularizar e fiscalizar 
as atividades do setor aeronáutico relacionado a infraestrutura e as operações aeroportuárias do 
país, também é encarregada de estabelecer regras gerais quanto ao funcionamento dos 
aeródromos. De acordo com o Regulamento Brasileiro de Aviação Civil (RBAC) nº 153 - 
Aeródromos - Operação, manutenção e resposta à emergência, estabelece que os operadores de 
aeródromo realizem avaliações funcionais e estruturais dos pavimentos aeroportuários e que 
aeroportos Classe IV (o número de passageiros processados é igual ou superior a cinco milhões) 
estabeleçam um Sistema de Gerenciamento de Pavimentos Aeroportuário (SGPA) (ANAC, 
2017; ANAC, 2019a). 
O intuito das agências reguladoras em acompanhar as atividades dos aeroportos tem 
como propósito, orientar práticas que venham a minimizar os gastos em infraestrutura e 
manutenção. O aeroporto representa um sistema para o transporte aéreo que possui interações 
complexas (ASHFORD et al., 2015), onde verificações de rotina e cumprimento das regras 
pelas autoridades de controle nacionais e internacionais são estritamente necessárias 
(MASCIO; MORETTI, 2019). 
A IATA (2018) demonstra sua preocupação com a infraestrutura do transporte aéreo 
que não tem acompanhado o ritmo acelerado de crescimento do setor, que pelas previsões 
promete dobrar seu número de passageiros (pax) até 2036. Salienta-se que para atender estes 
18 
 
dados de movimentação as companhias aéreas precisam de acesso a infraestrutura suficiente 
para garantir o padrão atual de atendimento (SHEARD, 2018; DOUGLAS, 2019; ADLER; 
YAZHEMSKY, 2018). 
Os pavimentos aeroportuários representam os ativos de maior valor patrimonial. As 
falhas presentes nas pistas de circulação e manobra de aeronaves tem consequências diretas nas 
atividades que garantem o processamento de voos, a segurança e a imagem da administração. 
Segundo Faturechi, Levenberg e Miller-hooks (2014), pequenos danos em partes das pistas de 
circulação do aeródromo prejudicam rigorosamente a funcionalidade das operações dentro do 
aeroporto. De acordo com a FAA (2019), o Programa de Melhoria de Aeroportos nos Estados 
Unidos (EUA) tem como finalidade fornecer os subsídios necessários para que os órgãos 
públicos e algumas entidades privadas planejem e desenvolvam os aeroportos de uso público, 
sendo que deste fundo mais da metade destina-se a construção e reabilitação de pistas, sejam 
elas de taxiamento ou pouso e decolagem, no qual a Federal Aviation Administration (FAA) 
responsabiliza-se em proteger esses investimentos de maneira a garantir que os pavimentos 
durem o maior tempo possível, com o menor dispêndio com manutenções. 
Os aeroportos brasileiros e de todo o mundo demonstram a necessidade de contar com 
iniciativas de inspeções de rotina para garantia de conservação e restauração dos pavimentos, 
como também de levantamento de dados relacionados a sua superfície, como a textura 
superficial, a macrotextura e o coeficiente de atrito, indicadores reconhecidos pelos principais 
órgãos da aviação civil como relevantes no contexto da segurança de operações de pouso e 
decolagem (OLIVEIRA; NOBRE JÚNIOR, 2009). Como o desgaste das pistas acontece de 
forma gradual, a programação das manutenções preventivas e corretivas devem satisfazer o alto 
nível de exigência para manter as condições ideais do pavimento, de toda forma, com o passar 
do tempo, os custos relacionados a intervenções são elevados a ponto de perder a viabilidade 
de se efetuar reparos (ANAC, 2017), por isso a importância em determinar os período exatos 
para reparo e substituição de material, e principalmente, o tipo de tratamento mais adequado 
para cada condição. 
Nesta dissertação, a proposta relacionada a avaliação de estratégias de manutenção, e a 
investigação dos parâmetros de falhas através da análise dos dados históricos de inspeções nas 
pistas do aeroporto, pretende auxiliar equipes de manutenção de aeródromo a tomar decisões 
de cunho mais científico quanto ao tipo de manutenção indicada em cada caso, o momento de 
efetuar intervenções e até reconstrução de determinadas seções dos pavimentos. Para realização 
da pesquisa, o Aeroporto de Natal/RN foi escolhido como estudo de caso: para o aeroporto este 
estudo surge como uma inovação, que contará com o suporte de uma nova metodologia 
19 
 
agregada ao seu SGPA. Com o emprego de técnicas estatísticas e a avaliação de diferentes 
cenários com base no levantamento bibliográfico e no estudo de caso, será possível relacionar 
as variáveis e os critérios associados, por meio da metodologia MCDA (Multicriteria Decision 
Analysis), ao desempenho dos pavimentos que serão estudados e utilizados no monitoramento 
das condições das áreas de circulação de aeronaves. 
Diante do apresentado, surgem os seguintes questionamentos: 
 Quais as potenciais causas, modos e efeitos de falhas que aeroportos brasileiros 
de médio porte procuram evitar ou contornar em um sistema de pavimentos? 
 Como a implantação de um modelo de avaliação da manutenção de pavimentos 
pode vir a contribuir no contexto da segurança e alocação de recursos? 
 Como ferramentas estatísticas e a avaliação de cenários integrada a análise de 
decisão multicritério, podem auxiliar na tomada de decisão de estratégias de 
manutenção e reabilitação (M&R) de pavimentos aeroportuários? 
 Que soluções estratégicas podem ser propostas através da utilização de 
parâmetros estruturais e funcionais que possam contribuir para conservação de 
áreas pavimentadas no aeródromo? 
Para responder a essas perguntas, foram definidos objetivos que constam no próximo 
tópico da dissertação. 
 
1.2 OBJETIVOS 
1.2.1 Objetivo geral 
 
O objetivo desta dissertação é construir e validar estratégias de manutenção em 
pavimentos aeroportuários: a partir da proposta de um modelo de avaliação das condições dos 
pavimentos com base em métodos estatísticos e abordagem multicritério (MCDA - 
Multicriteria Decision Analysis) na avaliação de cenários. O intuito é auxiliar operadores de 
aeródromo na implantação das melhores práticas de conservação dos pavimentos. 
 
1.2.2 Objetivos específicos 
 
Os objetivos específicos desta dissertação visam enfatizar os pontos discriminados a 
seguir: 
 Descrever características estruturais e funcionais das pistas. 
20 
 
 Explicar o processo de gerenciamento de pavimentos de um aeroporto de médio porte 
no Brasil. 
 Realizar uma revisão sistemática da literatura sobre modelos de previsão de 
desempenho e avaliação de pavimentos aeroportuários. 
 Quantificar as falhas presentes nos pavimentos aeroportuários capazes de afetar o seu 
desempenho ao longo do tempo. 
 Identificar critérios técnicos para estabelecimentode estratégias de manutenção. 
 Priorizar os modos de falha identificados, pois as falhas não são iguais. 
 Apresentar um Plano Mestre de Manutenção que auxilie na tomada de decisão das 
atividades de manutenção e reabilitação (M&R) de pavimentos. 
 
1.3 JUSTIFICATIVA 
O Lado Ar é composto pelo espaço aéreo em torno do aeroporto, na RBAC nº 156 
(Segurança operacional em aeródromos – operação, manutenção e resposta à emergência), é 
definido como Área operacional compreendendo as pistas de circulação, que oferece 
acomodação para a chegada de aeronaves antes do pouso e de aeronaves de partida logo após a 
decolagem (ANAC, 2011). As pistas de pouso e decolagem são os patrimônios de maior valor 
presentes em um aeroporto, por isso se faz tão necessário a implantação de políticas de controle, 
manutenção e restauração mais severas. 
Os aeroportos são regidos por diversas normas e regulamentos estabelecidos pelas 
agências reguladoras da aviação civil. A ANAC tem como um dos requisitos para certificação 
dos aeroportos a elaboração do Manual de Operações do Aeródromo – MOPS, que se trata de 
um documento descrevendo as condições e os procedimentos adotados pelo operador de 
aeródromo de forma a garantir a segurança operacional e outras exigências administrativas no 
sistema do Lado Ar (ANAC, 2018). Nesse manual também é estabelecido os procedimentos 
para o bom funcionamento do SGPA e principalmente as medidas referentes ao Programa de 
Manutenção de Pavimentos (PMP). 
É observado que há uma grande preocupação relacionada as infraestruturas, porém é 
importante adotar e desenvolver medidas que mantenham as condições operacionais, 
principalmente de segurança (FATURECHI; LEVENBERG; MILLER-HOOKS, 2014), de 
forma a não contribuir com a possibilidade de ocorrência de acidentes ou incidentes com pax. 
A IATA (2019) tem como uma de suas maiores prioridades a segurança de pista, pois se trata 
de uma das ameaças mais sérias à segurança da aviação. 
21 
 
A ICAO (2017) em seu relatório de apresentação do Programa de Segurança de Pista, 
exibe alguns gráficos com dados de acidentes relacionado a segurança de pista entre o período 
de 2008 e 2016, em que a Fig. 1.1 mostra as tendências quanto a acidentes e incidentes sérios 
com sobreviventes, e a Fig. 1.2 indica o número de acidentes fatais no mesmo período 
analisado. 
 
 
Figura 1- Dados estatísticos relacionados a Fig. 1.1 - acidentes e incidentes sérios em pista e número de Fig. 1.2 - 
acidentes fatais (ICAO 2017). 
 
Segundo a ICAO (2017), esses acidentes são resultados de diferentes ações, porém em 
sua maioria são consequências de excursões em pista, representando 34% das justificativas 
presentes nos relatórios, em seguida está o contato anormal com a pista e as colisões, com 
respectivamente 28% e 14%, assim temos que essas três causas representam 76% dos acidentes 
de segurança na pista e incidentes graves no período de referência. 
Neste contexto, insere-se o desenvolvimento de propostas que venham a melhorar o 
acompanhamento das condições dos pavimentos, principalmente quanto a degradação de sua 
superfície. A abordagem sugerida nesta dissertação pretende tratar com flexibilidade, 
transparência e eficiência, sendo capaz de levar a insights sobre a natureza do problema de 
seleção da estratégia, além de melhorar a comunicação dentro da equipe de planejamento. Em 
tomada de decisão é comum tratar problemas cujas decisões a serem tomadas ocorrem em 
função de acontecimentos futuros. Assim, os dados devem ser trabalhados de forma a 
representar situações advinhas. No caso dos pavimentos as decisões devem ser baseadas 
pensando-se em garantir a segurança e reduzir custos. Por meio de modelos de previsão e 
estratégias ótimas de avaliação da manutenção, que antecipem a correção de problemas, é 
possível idealizar grandes performances aos aeroportos brasileiros. 
A ideia de trabalhar com um programa de manutenção é organizar as diversas dimensões 
do planejamento, priorização de projetos e alocação de recursos. Segundo NASEM (2011), 
22 
 
cerca de 90% dos aeroportos utilizam do programa de manutenção de pavimentos para análise 
de sua condição e preparação de orçamentos e apenas 66% das agências aeroportuárias 
verificam o desempenho futuro dos pavimentos (Figura 2) a partir de modelos de previsão. 
 
 
Figura 2 - Utilização do Programa de Manutenção e Pavimentos Aeroportuários (NASEM, 2011). 
 
Embora a função manutenção tenha ganhado espaço nas últimas décadas, pelo 
crescimento tecnológico e o nível de complexidade dos equipamentos nos setores industriais 
(MEHMETI; MEHMETI; SEJDIU, 2018), falta análises empíricas e estudos aprofundados no 
setor aeroportuário brasileiro, que levem o país a níveis competitivos em que outros países já 
se encontram. De acordo com Shah, Tighe e Stewart (2004) para o desenvolvimento de qualquer 
modelo de avaliação de desempenho, é indispensável considerar todas as variáveis que 
influenciam na tomada de decisão de onde, quando e qual alternativa de manutenção deve ser 
aplicada. Em um aeroporto, as falhas e indisponibilidade das pistas de circulação e manobra de 
aeronaves, resultam em uma má visibilidade devido a necessidade de interrupção de voos, 
paradas nas operações, atrasos e sem contar com os custos com reparos e dispêndio de tempo 
dos funcionários da manutenção. Com relação ao Aeroporto de Natal, as contribuições podem 
ser ainda maiores, já que o aeroporto não conta com nenhum SGPA que efetivamente avalia as 
condições e estabelece os tratamentos necessários levando em consideração as operações, 
orçamento e outros fatores técnicos do sistema aeroportuário. 
23 
 
De acordo com Ho e Romero (2008) as companhias aéreas desejam aeroportos onde 
suas frotas possam manobrar com rapidez e segurança, para que possam acomodar um aumento 
nos voos programados e ao mesmo tempo, os aeroportos devem se esforçar para competir com 
os aeroportos regionais ou internacionais próximos, fornecendo às aeronaves e passageiros 
serviços operacionais eficientes e um ambiente de segurança que incentivará os aviões a 
aumentar ou estabelecer voos programados, ou em outras palavras, hubs na região. 
A manutenção entra no contexto de garantia das condições ideais dos pavimentos, 
quando determinado tratamento proposto não garante a funcionalidade do sistema, isso pode 
gerar gastos, constrangimento e atrasos nos voos, colocando em risco aeronaves e passageiros. 
Pintelon e Gelders (1992), mostra que há uma lacuna relacionada as pesquisas de gerenciamento 
das atividades de manutenção, principalmente no que se refere as ferramentas de tomada de 
decisão, e ressalta que a utilização de técnicas de pesquisa operacional e ciência de 
gerenciamento, podem permitir que escolhas subjetivas sejam substituídas por decisões mais 
objetivas. A proposta também enquadra-se em um dos objetivos de desenvolvimento 
sustentável no Brasil: Indústria, Inovação e Infraestrutura, por fortalecer a pesquisa e trabalhar 
questões referentes a resiliência em infraestrutura aeroportuária. 
A nível social, uma cidade que detém um aeroporto com padrões de qualidade elevada 
e processamento de voos eficazes, podem beneficiar-se de diversas formas, como a propagação 
do turismo, valorização do município, geração de empregos, sem contar com as maiores 
arrecadações que podem ser revestidas em infraestrutura para a cidade. O controle e a 
conservação dos pavimentos, garantem em maioria o bom funcionamento das atividades 
presentes em um aeroporto. Por fim, não menos importante, há a contribuição acadêmica: tanto 
a área de pavimentos aeroportuários, como a área de manutenção deste sistema tem sido de 
destaque e contribuir para a literatura através de uma pesquisa que relacione os dois temas é de 
grande importância para pesquisadores da área e entidades interessadas. 
Essa pesquisa foi realizada com fundamento nos conhecimentos acadêmicos ebuscando 
propor um novo modelo de avaliação de estratégias de manutenção de pavimentos, que fosse 
de fácil medição, controle e implementação em um aeroporto brasileiro, algo palpável a 
administração das operações dos aeroportos e que viesse a contribuir na elaboração de 
proposições de manutenção preventiva sistemática e condicional ao Programa de Manutenção 
das áreas pavimentadas do aeroporto. 
 
24 
 
1.4 ESTRUTURA DA DISSERTAÇÃO 
Esta Dissertação de Mestrado foi organizada em sete capítulos. O primeiro é este 
capítulo introdutório, apresentando uma contextualização do tema, os objetivos da pesquisa, as 
proposições do estudo, a sua justificativa e a estruturação desta pesquisa, em geral cada capítulo 
será explanado conforme apresentado na Figura 3. 
 
 
Figura 3 – Estrutura da Dissertação. 
 
 
25 
 
2 REVISÃO BIBLIOGRÁFICA 
Este capítulo apresenta aspectos importantes quanto a caracterização de pavimentos 
aeroportuários a partir da leitura de obras de diversos autores, descrevendo sua principal 
estrutura e funcionalidade, ensaios exigidos pela Agência Nacional de Aviação Civil (ANAC), 
órgão responsável por regular o transporte aéreo em nosso país, e demais agências de 
fiscalização na aviação civil, sobretudo, a Federal Aviation Administration (FAA), dos Estados 
Unidos, mas que também influência diversas autoridades aeronáuticas no mundo devido ao 
poderio do mercado americano na aviação. A Civil Aviation Authority (CAA), no Reino Unido, 
junto com a European Aviation Safety Agency (EASA), a qual tem por finalidade trabalhar e 
legislar para garantir a segurança de voo, e também explicar procedimentos expedidos pela 
International Civil Aviation Organization (ICAO), que estabelece as diretrizes gerais para a 
aviação mundial, com orientações quanto execução e conservação dos pavimentos, normativas 
e manuais utilizados para o desenvolvimento das operações aeroportuárias. Da mesma forma, 
será discorrido sobre a organização dos programas de manutenção de pavimentos e o conjunto 
de ações que garantem o aperfeiçoamento das melhores estratégias de gerenciamento. Os 
modelos de previsão e avaliação das condições dos pavimentos, serão tratados em uma revisão 
sistemática ao final desta seção, com o objetivo de identificar e analisar os métodos, técnicas e 
variáveis trabalhadas para elaboração de modelos já existentes na literatura desenvolvidos no 
exterior, o intuito é avaliar estas pesquisas e estabelecer um comparativo com o que será 
realizado nesta dissertação. 
 
2.1 PAVIMENTOS AEROPOPORTUÁRIOS 
O aeroporto é comumente dividido em dois subsistemas, o Lado Terra, que opera em 
função dos usuários e compreende a área do terminal de passageiros (TPS) e o Lado Ar, 
composto principalmente pelas pistas de circulação (ASHFORD et al., 2015), que compõem o 
aeródromo, definido pela ANAC (2012) por uma área delimitada destinada a comportar o 
pouso, decolagem e a movimentação de aeronaves em sua superfície, e toda e qualquer 
instalação ou equipamento utilizado para controle das operações aéreas. A classe do aeródromo 
é definida em função do número de pax, considerando a média aritmética de passageiros 
processados no período de referência (ANAC, 2020), e podem ser descritos como: 
a) Classe I: é aquele que processou menos de 200.000 pax, considerando a média 
aritmética do período de referência e o tipo de voo processado no ano corrente; 
26 
 
b) Classe II: é aquele que processou entre 200.000 e 1.000.000 pax, considerando a 
média aritmética do período de referência e o tipo de voo processado no ano corrente; 
c) Classe III: é aquele que processou entre 1.000.000 e 5.000.000 pax, considerando a 
média aritmética do período de referência e o tipo de voo processado no ano corrente; 
d) Classe IV: é aquele que processou a partir de 5 milhão de pax, considerando a média 
aritmética do período de referência e o tipo de voo processado no ano corrente. 
Para melhor compressão das áreas que constituem o aeródromo, a ANAC (2019a) 
estabelece quatro partes principais, a saber: (1) área de manobras, parte do aeródromo utilizada 
para decolagem, pouso e táxi de aeronaves, excluindo-se o pátio de aeronaves; (2) Área de 
movimento, utilizada para decolagem, pouso e táxi de aeronaves, incluindo-se o pátio de 
aeronaves; (3) Área operacional, formada pela área de movimento de um aeródromo, terrenos 
e edificações vizinhas, ou parte delas, cujo acesso é controlado; e (4) Área pavimentada, a área 
composta de pavimento com revestimento à base de cimento asfáltico, cimento Portland ou 
pavimento intertravado. 
O Pátio de Aeronaves, de acordo com ANAC (2019b), significa a área definida em um 
aeródromo em terra, com o propósito de acomodar aeronaves para fins de embarque e 
desembarque de tripulações ou cargas, reabastecimento de combustível e estacionamento ou 
manutenção. A Pista de Pouso e Decolagem (PPD) ou Pista Principal, representa a área 
retangular, preparada para pousos e decolagens de aeronaves. Por fim, temos as Pistas de Táxi 
(TWY - Taxiway), destinadas ao táxi de aeronaves, com a função de oferecer uma conexão 
entre as partes do aeródromo, incluindo: pista de táxi de acesso ao estacionamento de aeronaves 
(com o propósito único de oferecer acesso às posições de estacionamento de aeronaves); pista 
de táxi de pátio (com a função de oferecer uma circulação completa de táxi através do pátio de 
aeronaves); pista de táxi de saída rápida (pista de táxi conectada a uma pista de pouso e 
decolagem em um ângulo agudo e projetada para permitir que aeronaves em pouso saiam da 
pista em velocidades mais altas do que em outras pistas de táxi de saída, minimizando o tempo 
de ocupação da pista de pouso e decolagem). Essas áreas podem ser melhor visualizadas na 
Figura 4. 
 
27 
 
 
Figura 4 – Áreas pavimentadas de um aeródromo (Adaptada de ACI, 2018). 
 
Ainda pela ANAC (2019b), é estabelecido um código de referência com o intuito de 
oferecer um método simples para inter-relacionar as diversas especificações sobre as 
características dos aeródromos, ressaltando-se que o código não serve para determinar 
comprimento ou capacidade de pistas, mas unicamente proporcionar uma série de facilidades 
adequadas às aeronaves que irão operar no aeródromo, ocasionando posteriormente o 
entendimento acerca da definição de parâmetros de avaliação dos pavimentos, segundo a 
legislação do transporte aéreo. O código é formado por dois elementos relacionados às 
características de desempenho e dimensões das aeronaves, sendo o elemento I, um número 
baseado no comprimento básico de pista da aeronave e o elemento II é uma letra baseada na 
envergadura da aeronave, o significado a eles atribuídos consta na Tabela 1. 
 
Elemento I do Código 
Número do código Comprimento básico de pista requerido pela aeronave 
1 menor que 800 m 
2 maior ou igual a 800 m e menor que 1200 m 
3 maior ou igual a 1200 m e menor que 1800 m 
4 maior ou igual a 1800 m 
Elemento II do Código 
Letra do código Envergadura 
A menor que 15 m 
B maior ou igual a 15 m e menor que 24 m 
C maior ou igual a 24 m e menor que 36 m 
D maior ou igual a 36 m e menor que 52 m 
E maior ou igual a 52 m e menor que 65 m 
F maior ou igual a 65 m e menor que 80 m 
Tabela 1 - Código de referência do aeródromo (ANAC, 2019b). 
28 
 
 
Descritas as informações gerais referentes ao aeródromo, parte-se para descrição mais 
detalhada do pavimento das PPD’s que são projetadas, construídas e mantidas para suportar as 
cargas críticas providas da movimentação de aeronaves, resultado de um projeto adequado que 
proporciona uma superfície firme, estável, lisa, sob qualquer condição climática, para que 
pousos e decolagens sejam realizados com total segurança (FAA, 2016). 
Ainda sobre as PPD’s, a ANAC (2019b) descreve as características físicas gerais, as 
quais destacamos: 
a) Cabeceira – situada na extremidade da pista, embora que em determinadassituações 
justifiquem a escolha da cabeceira em outra localização. 
b) Acostamento - são implantados em pistas com códigos D, E ou F e devem estender-se 
simetricamente em cada um dos lados da pista em função de suas dimensões. 
c) Área de Giro – são implementadas em cabeceiras que não possuem uma pista de táxi, 
ou não dispõem de uma área de giro de pista de táxi, quando a letra do código for D, E 
ou F, de forma a garantir o alinhamento das aeronaves na cabeceira em uma curva de 
180º. 
d) Zona de Toque - área da pista, além da cabeceira, onde se espera que as aeronaves 
realizem seu primeiro contato com o solo. 
Para que o pavimento tenha condições de atender aos requisitos mínimos, ele deve 
possuir tal qualidade e espessura de forma a garantir a confiabilidade necessária, evitando a 
ocorrência de falhas durante seu uso (CARPENTER; GHUZLAN; SHEN, 2003). Outras 
características também são consideradas importantes, como possuir estabilidade inerente para 
resistir as cargas sem prejuízos de ação abrasiva do tráfego, suportar as diferentes condições 
climáticas e outros fatores que cooperam para a deterioração. Desta forma, visualiza-se a 
necessidade de planejamento, inspeções, manutenção e a melhor combinação de materiais de 
alto padrão com excelente mão de obra (FAA, 2011). A composição do pavimento varia 
conforme o tipo de pista analisada, quando se trata das pistas de pouso e decolagem, há a 
possibilidade de serem compostas de concreto ou asfalto, já as pistas de taxiamento ou 
estacionamento podem levar pavimentos de concreto, asfalto ou em blocos. 
Um pavimento é classificado como flexível quando sua estrutura por completo tem a 
capacidade de desviar ou flexionar quando exposta a uma carga, a FAA (2016) os define como 
aqueles em que cada camada estrutural é suportada pela camada abaixo, construídos em asfalto 
a quente (HMA) ou P-401/403. Segundo White (2018), maior parte das pistas de um aeroporto 
são construídas de pavimentos flexíveis utilizando-se de superfícies de HMA, que por sinal 
29 
 
apresentam um desempenho crítico para realização de operações seguras com aeronaves, em 
sua maioria são projetados com superfície asfáltica com camadas entre 40 e 60 mm de espessura 
(RODWAY, 2016). Porém, os pavimentos classificados como rígidos, são mais resistentes a 
carga fornecida pela ação da laje da camada superficial de Concreto de Cimento Portland (PCC 
- Portland Cement Concrete) ou P-501 (FAA, 2016). A estrutura de um pavimento 
normalmente é composta por várias camadas de materiais (Figura 5), onde cada camada recebe 
cargas da camada acima, distribuindo-as e assim sucessivamente até sua última camada, de 
forma que essas tensões vão sendo reduzidas. 
 
 
Figura 5 – Camadas referentes a estrutura de um pavimento (Adaptado de FAA, 2014a). 
 
A principal preocupação do projeto estrutural é determinar a espessura ideal e a 
composição apropriada das camadas (DAGGUBATI et al., 2014). Podemos entender a 
estrutura de um pavimento relacionando a primeira camada a uma viga ou uma placa, modelada 
em cima de um sistema de molas elásticas e traços que compõem o solo da fundação (BESKOU; 
THEODORAKOPOULOS, 2011). A Figura 6 mostra o comportamento de ambos os tipos de 
pavimentos quando expostos a carga. 
 
 
Figura 6 – Representação estrutural de Fig. 6.1 – Pavimento flexível e Fig. 6.2 – Pavimento rígido exposto a 
carga (Adaptado de FAA, 2007). 
30 
 
 
A construção inicial das pistas deve considerar as futuras necessidades estruturais para 
toda a vida útil do pavimento (FAA, 2016), como projeções de tráfego e clima local. Também 
é importante a identificação e avaliação das fundações do pavimento, já que o solo do subleito 
é a camada que forma a base da estrutura e fornece todo o suporte para que a pista tenha 
capacidade de sustentar as cargas impostas no pavimento. 
 De acordo com Daggubati et al. (2014), os fatores que mais influenciam em projetos 
de pavimentos são as cargas resultantes do tráfego e das variações de temperatura, que para 
efeito de análise das condições dos pavimentos, é necessária a realização de uma série de 
ensaios e avaliações relacionadas a sua estrutura e funcionalidade (WESOŁOWSKI e 
BLACHA, 2019). 
 
2.2 AVALIAÇÃO DAS CONDIÇÕES GERAIS DOS PAVIMENTOS 
As dimensões das pistas são diferentes de aeroporto para aeroporto, em função das 
necessidades de tráfego, área disponibilizada, financiamento, entre outros (YANTI et al., 2019), 
seu sistema é normalmente compreendido por várias estruturas, como visto anteriormente, e a 
partir da determinação do seu estado garante-se que o operador execute as melhores inciativas 
no programa de manutenção (NASEM, 2016). 
Ao iniciar-se uma avaliação, é preciso considerar uma série de indicadores que 
influenciam nas condições do pavimento, contribuindo diretamente para deterioração estrutural 
e funcional. Esses fatores prejudicam e causam o envelhecimento acelerado da infraestrutura, 
que obriga a formulação de avaliações mais confiáveis (VYAS; SINGH; SRIVASTAVA, 
2019b), sem contar que é bem mais conveniente manter um pavimento que esteja em boas 
condições, em vez de levantar altos financiamentos na reconstrução de pistas degradadas (FAA, 
2009a). 
A determinação da capacidade de desempenho estrutural ou capacidade de manter a 
integridade estrutural, é obtida pela avaliação estrutural, que consistem em análises de 
deslocamentos verticais recuperáveis da superfície do pavimento, quando submetido a 
determinado carregamento. Por outro lado as avaliações funcionais dos pavimentos, consistem 
na determinação da capacidade de desempenho funcional momentânea, que tem relação com a 
experiência proporcionada ao usuário do transporte, ou seja, o conforto em termos de qualidade 
de rolamento. O desempenho funcional refere-se à capacidade do pavimento de satisfazer seu 
objetivo principal, que é fornecer uma superfície com serventia adequada em termos de 
qualidade de condução (DNIT, 2003; FAA, 2009b; ANAC, 2017). 
31 
 
As próximas seções irão tratar das normativas e métodos quantitativos e qualitativos 
comumente usados na medição da deterioração do pavimento, desde avaliações visuais, a 
aplicação de ensaios estabelecidos por agências regulamentadoras. 
 
2.2.1 Condições estruturais 
É comum análises quanto as condições funcionais para decisões de manutenção, uma 
vez que este indicador está relacionado a segurança e o conforto dos usuários, fazendo com que 
muitas vezes a condição estrutural, que geralmente não é visível, seja descartada. No entanto, 
as condições estruturais de um pavimento são igualmente importantes a segurança do usuário, 
principalmente do ponto de vista da engenharia (TAREFDER; RAHMAN, 2016), sem contar 
que a análise das condições podem ser avaliadas com mais precisão a partir de observações 
estruturais, permitindo que alternativas de manutenção sejam estabelecidas com base em 
condições reais do pavimento. Todavia, os procedimentos aderidos para avaliação estrutural, 
são mais caros e demorados quando comparado a avaliações funcionais. Portanto, é necessário 
realizar um estudo detalhado para determinar o método de manutenção mais econômico 
(TAREFDER; AHMED; RAHMAN, 2016). 
As condições estruturais estão ligadas principalmente as cargas elevadas do transporte, 
instabilidade do subleito, fadiga nos componentes do pavimento e as condições ambientais 
(YANTI et al., 2019), o que ocorre é que para impedir que o tráfego sobrecarregue as camadas 
da estrutura é necessário que as espessuras definidas sejam suficientes, que a construção tenha 
sido adequada e que os materiais estejam em acordo (ISMAIL; ISMAIL; RAHMAT, 2009). A 
FAA (2014a) explica que o entendimento desses fatores é fundamental para analisar problemas 
e projetar as melhores soluções. 
De forma a obter a capacidade de carga do pavimento, grande parte das agências de 
aviação utilizam a razão entre o Número de Classificaçãoda Aeronave e o Número de 
Classificação do Pavimento (ACN/PCN), caso o método identifique que o pavimento está em 
desacordo, a análise pode estabelecer a base para o planejamento das estratégias, capazes de 
garantir a serventia do pavimento durante o período de projeto selecionado (ISMAIL; ISMAIL; 
RAHMAT, 2009). 
Segundo a ANAC (2016a) e a ICAO (1999), o método ACN/PCN é aplicado a pistas de 
pousos e decolagem com aeronaves com mais de 5.700 kg, e para cargas inferiores deve-se 
buscar estabelecer a carga máxima admissível e a pressão máxima de pneus das aeronaves 
admitida pelo pavimento em questão. Esse tipo de avaliação estrutural tem como finalidade 
avaliar a resistência, de forma que um pavimento com determinado valor de PCN seja capaz de 
32 
 
suportar, sem dificuldades, uma aeronave que possua um valor de ACN inferior ou igual ao 
valor de PCN do aeródromo aferido (ICAO, 1999). 
Historicamente, essa metodologia foi solicitada a ICAO em 1974, durante a VIII 
Conferência de Navegação Aérea, devido a necessidade de uma forma de avaliação global da 
resistência de pavimentos aeroportuários. Em virtude deste acontecimento, em 1977, a ICAO 
montou um grupo de pesquisa que idealizou um método para classificação de aeronaves. 
Finalizado os trabalhos, em 1981, foi apresentado o Método ACN/PCN (OLIVEIRA, 2016; 
SCAA, 2008). O método ACN/PCN está descrito no anexo 14 da ICAO e no capítulo 1 do 
Manual de Projeto de Aeródromo da ICAO - Parte 3 (BOEING, 2014). A ICAO (2018) também 
pretende até 2024 implementar um novo método: O ACR/PCR (Aircraft Classification 
Rating/Pavement Classification Rating), que diferente do método PCN, não utiliza os valores 
de CBR, mas princípios empíricos-mecanísticos que trabalham com a análise elástica linear, 
com uma abordagem mais robusta que pode promover avaliações estruturais mais consistentes. 
O valor de ACN (ANEXO I) é fornecido pelo fabricante da aeronave a partir de um 
cálculo oficial, com informações detalhadas sobre as características operacionais, como o 
centro de gravidade, o peso máximo de decolagem, o espaçamento das rodas, a pressão dos 
pneus e outros fatores (FAA,2014b). Diversos critérios são estabelecidos no intuito de regular 
o uso de pavimentos por determinada aeronave, de modo a obter-se um ACN maior que o PCN 
relatado (WAHBA, 2017). O ACN é definido com base no tipo de pavimento. Em pavimentos 
rígidos é utilizado a solução de Westergaard com os requisitos de flutuação do trem de pouso 
da aeronave analisada, utiliza-se para isso uma placa elástica carregada sobre uma sub-base de 
Winkler (pressão proporcional), assumindo uma tensão de trabalho para o concreto de 2,75 
MPa. Em pavimentos flexíveis ou mistos é empregado o método California Bearing Ratio 
(CBR), que emprega a solução de Boussinesq, baseada nos esforços e deslocamentos em um 
semi-espaço isotrópico e homogêneo (ANAC, 2016; FAA, 2014b). 
Em linhas gerais, usando os parâmetros definidos para cada tipo de seção do pavimento, 
temos que uma carga de roda única é calculada para definir a interação do trem de pouso com 
o pavimento. Com este conceito de roda única, elimina-se a necessidade de especificar a 
espessura do pavimento. Os resultados são obtidos igualando-se a espessura derivada de um 
determinado trem de pouso de aeronave à espessura derivada de uma carga de roda única, a 
uma pressão de pneu padronizada de 1,25 MPa. O ACN é definido como duas vezes a carga 
desta roda única derivada. É claro que como existem muitas variáveis envolvidas, a ICAO 
adotou condições operacionais padrão para determinar os valores de ACN, assim sua 
determinação depende de valores de pressão recomendados pelo fabricante para as condições 
33 
 
mencionadas, assim como informações sobre o peso máximo e o centro de gravidade presente 
em manuais de características de aeronaves para planejamento de aeroportos (ACAP). A FAA 
(2014c) ainda relata que para padronizar o cálculo da ACN e remover a frequência operacional 
da escala de classificação relativa, o método sugere que os valores de ACN sejam determinados 
com uma frequência de 10.000 coberturas. Atualmente, sua implementação é facilitada pela 
avaliação em pavimentos rígidos e flexíveis de vários tipos de aeronaves, apoiado nas quatro 
categorias de resistência de subclasse: alta, média, baixa e resistência ultrabaixa (SCAA, 2008). 
A ANAC (2016), apresenta as seguintes condições para cada tipo de pavimento: 
 Pavimento flexível: ACN não deve exceder 10% do PCN relatado. 
 Pavimento rígido: ACN não deve exceder 5% do PCN relatado. 
De toda forma, entende-se que não devem ser permitidas sobrecargas quando o 
pavimento apresentar sinais de desgaste ou durante os períodos de degelo e em casos que o 
pavimento/subleito estiver enfraquecido pela água (BOEING, 2014). 
Para determinação do valor de PCN, nem a ICAO e nem a ANAC, estabelecem uma 
metodologia universal, ficando desta forma a cargo das autoridades aeroportuária a escolha do 
método que melhor lhes atende. Diferentes PCN’s podem ser relatados se a resistência do 
pavimento estiver sujeita a variações sazonais significativas, sendo orientado neste caso pela 
ANAC (2016), o PCN que correspondente ao segmento mais fraco do pavimento. A título de 
representação do método informa a classificação utilizando o seguinte formato: 
 
40 / F / A / X / T 
 
Em que: 
a) Valor numérico do PCN: representado por um número inteiro, para o exemplo é dado 
40, sendo este o valor máximo aceito para o ACN naquele pavimento. 
b) Tipo de pavimento: código “F”, adotado para pavimentos flexíveis ou mistos, e 
código “R” para pavimentos rígidos. 
c) Categoria de resistência do subleito: código “A” em que a categoria do subleito é 
“Alta” com CBR ≥ 13 em pavimentos flexíveis (Tabela 2) e rígidos com k ≥ 120 
(Tabela 3) determinados pelo código na Tabela 1. 
 
 
 
34 
 
Categoria do subleito Resistência do subleito 
CBR 
Resistência do subleito 
normalizada CBR 
Código 
Alta CBR ≥ 13 15 A 
Média 8 < CBR < 13 10 B 
Baixa 4 < CBR ≤ 8 6 C 
Ultrabaixa CBR ≤ 4 3 D 
Tabela 2 - Resistência de subleito em pavimentos flexíveis ou mistos pelo método ACN/PCN (ANAC, 2016). 
 
Categoria do subleito Resistência do subleito 
k (MN/m3) 
Resistência do subleito 
normalizada k (MN/m3) 
Código 
Alta k ≥ 120 150 A 
Média 60 < k < 120 80 B 
Baixa 25 < k ≤ 60 40 C 
Ultrabaixa k ≤ 25 20 D 
Tabela 3 - Resistência de subleito em pavimentos rígidos pelo método ACN/PCN (ANAC, 2016). 
 
d) Categoria de pressão máxima admissível nos pneus: adotasse o código “X”, para 
pavimentos flexíveis ou mistos com pressão nos pneus limitada a 1,75 Mpa como 
apresentado na Tabela 4 e “W” para pavimentos rígidos. 
 
Categoria Código Pressão máxima permitida nos pneus (MPa) 
Ilimitada W Sem limite de pressão 
Alta X Pressão limitada a 1,75 MPa 
Média Y Pressão limitada a 1,25 MPa 
Baixa Z Pressão limitada a 0,5 MPa 
Tabela 4 - Código estabelecido pelo método ACN/PCN para pressão dos pneus (ANAC, 2016). 
 
e) Método de avaliação: código “T”, para o método de avaliação técnica, e “U” para 
avaliação experimental, ambos são apresentados no Quadro 1. 
 
Método de 
avaliação 
Descrição Código 
 
Técnica 
Representando um estudo específico das características do pavimento e 
aplicação de tecnologias para verificação do comportamento do 
pavimento. 
 
T 
Experimental Representando um conhecimento do tipo e massa específicos de 
aeronaves que utilizam o pavimento de um determinado aeroporto. 
U 
Quadro 1 - Método de avaliação utilizado (ICAO, 1999). 
 
O método de avaliação experimental apresenta alguns problemas de concepção em sua 
formulação em função do seu valor, que pode permitir operações frequentes de aeronaves com 
uma carga que vai levar a deterioração do pavimento, em um tempo menor do que para o que 
foi dimensionado, também pode ocorrer de obter-se valores de PCN subestimados, com um mix 
35de aeronaves bem inferior a capacidade estrutural da pista, uma vez que seu valor numérico não 
vai levar em consideração caraterísticas reais do pavimento. 
No método de avaliação técnica as exigências quanto aos parâmetros operacionais e 
específicos de engenharia são maiores, com destaque a informações de mix de aeronaves, 
emprego de geotécnicas e avaliações estruturais do pavimento analisado, o que inclui o 
conhecimento da resistência do subleito (CBR ou módulo de elasticidade) e a espessura das 
camadas do pavimento e a frequência de operações sobre o pavimento considerado no processo 
de cálculo (ANAC, 2019c). 
Para obtenção das especificações na avaliação técnica são realizados ensaios destrutivos 
ou não destrutivos. Ensaios destrutivos contam com a coleta de material para análise em 
laboratório e os não destrutivos orientados pela AC 150/5370-11b da FAA (2011), utilizam-se 
de equipamentos que aplicam cargas de impacto sobre o pavimento, o que provoca deflexões 
em sua estrutura (bacias de deflexão). Para essa finalidade, os principais equipamentos 
disponíveis atualmente são o FWD (Falling Weight Deflectometer) e o HWD (Heavy Weight 
Deflectometer), capazes de avaliar a integridade estrutural de maneira não destrutiva e 
determinar os módulos in situ das camadas (ANAC, 2019c). A FAA (2011), explica que o 
dispositivo funciona através de uma carga dinâmica, obtida pela queda livre de um peso em um 
conjunto de molas de borracha aplicado a superfície do pavimento, em que a magnitude da 
carga de impulso pode variar em função da massa e/ou da altura da queda, de forma a simular 
um pneu de aeronave em movimento. Esses equipamentos de impulso são considerados os 
melhores em termos de simulação, capazes de medir a extensão dos defeitos e obter uma melhor 
aquisição de dados em pouco tempo, possuindo desvantagens apenas associadas aos sistemas 
gerais e peculiaridade de diferentes modelos. 
Ressalta-se que a ANAC não possui especificações de carga, muitas vezes utilizando 
uma carga bem inferior ao que é aplicado na estrutura por aeronaves da aviação regular, no caso 
do FWD, este pode variar entre 7 e 240 kN, enquanto o HWD pode aplicar cargas de 13 até 
pouco mais de 300 kN, considerando a passagem de aviões como um A380 que possui carga 
de cerca de 250 kN por roda, o uso do Deflectômetro de Queda de Peso (FWD) não seria mais 
adequado (ANAC, 2019c). 
Os dados obtidos desses equipamentos são processados e analisados. A partir da 
obtenção dos módulos de elasticidade da estrutura e do CBR do subleito, necessários para a 
determinação do valor do PCN do pavimento, é possível calcular por meio de softwares 
específicos os valores finais (FAA, 2011b). Como exemplo, existe o COMFAA, que opera em 
dois módulos computacionais: Cálculo do ACN usando os procedimentos da ICAO, e cálculo 
36 
 
do PCN usando os procedimentos descritos na AC 150/5335-5C (FAA, 2014b). Apesar de ser 
útil para determinar os valores de ACN sob várias condições, cabe ressaltar que os valores 
oficiais de ACN são fornecidos pelos fabricantes das aeronaves. 
Além do COMFAA, a FAA vem investindo desde 1993, quando o primeiro plano de 
desenvolvimento de pavimentos foi publicado, em uma série de softwares idealizados para 
avaliar e projetar pavimentos aeroportuários, apoiados por testes analíticos e estudos 
aprofundados (FAA, 2012). Alguns desses programas são apresentados no Quadro 2. Ressalta-
se que tanto o software COMFAA, quanto o FAARFIELD sofreram atualizações e continuam 
sendo utilizados como softwares padrões da FAA para projeto dos pavimentos (FAA, 2020). 
 
Programa Data da adoção Descrição 
FAARFIELD 1.42 2017 
Nova abordagem do software FAARFIELD que substitui todas 
as versões anteriores para dimensionamento e avaliação do 
pavimento. 
Support 
Spreadsheet for 
COMFAA 3.0 
2017 
Facilita as informações de pavimento rígido e flexível exigidas 
no COMFAA 3.0 para cálculos PCN. 
BAKFAA 2.0 2012 
Utilizado para calcular as respostas de carga do pavimento do 
aeroporto por análise elástica em camadas. 
PAVEAIR 2011 
Aplicativo baseado na Web para gerenciamento de pavimentos 
aeroportuários, incluindo avaliações de PCI. 
COMFAA 3.0 2011 
Recomendado para determinar a força de pavimentos 
aeroportuários por meio do método ACN/PCN. 
FAARFIELD 1.3 2009 
É um software para dimensionamento padrão que acompanha o 
projeto e a avaliação do pavimento de aeroporto. 
ProFAA 2009 
Utilizado para análise longitudinal do perfil de irregularidade, 
cálculo do BBI e simulação de condução de aeronaves. 
COMFAA 2.0 2006 
Planejado para cálculo do ACN e dimensionamento pelos 
métodos FAA CBR e Westergaard. 
BAKFAA 2003 
Utilizado para calcular as respostas de carga do pavimento do 
aeroporto por análise elástica em camadas. 
LEAF 2003 
Trabalha com a análise de equações de resposta elástica em 
camadas. O programa é escrito no Visual Basic. 
LEDFAA 1.2 1995 
É um programa de computador para o projeto de espessura de 
pavimentos e implementa procedimentos de projeto baseados 
em teoria elástica em camadas. 
Quadro 2 - Programas desenvolvidos desde 1993 financiados pela FAA (Adaptado de FAA, 2012; FAA, 2020). 
 
A ideia principal para os programas desenvolvidos é que alimentem o sistema de 
gerenciamento de pavimentos embutido no PAVEAIR, considerado o aplicativo “hub” 
depositário de quase todos os dados exigidos pelos outros programas voltados a 
dimensionamento e avaliação das estruturas (FAA, 2012). Para essas interações, destaca-se o 
uso do COMFAA e outro importante software, o FAARFIELD (Federal Aviation 
Administration Rigid and Flexible Iterative Elastic Layered Design), que veio para substituir o 
LEDFAA através da Advisory Circular (AC) 150/5320-6E da FAA, com uma metodologia 
37 
 
baseada na teoria de camadas elásticas que calcula os valores de todas as camadas da estrutura, 
incluindo o subleito, sendo mais adequado para pavimentos HMA e PCC sobrepostos de HMA 
(FAA, 2016). 
A FAA vem remodelando suas metodologias de projetos e avaliação de pavimentos 
aeroportuários, a mais recente encontra-se na AC 150/5320-6F de 2016, para aeroportos que 
operam aeronaves com mais de 13.610 kg, e também apresenta alterações no uso do software, 
porém, basicamente o dimensionamento mecanicista-empírico pelo FAARFIELD acontece 
pelo conceito de fator de dano cumulativo (CDF - Cumulative Damage Factor), em que a 
contribuição de cada tipo de aeronave em um determinado mix de tráfego é somada para obter 
o dano cumulativo total de todas as operações, desta forma ele identifica as aeronaves com 
maior potencial de causar danos ao pavimento. Assim, temos no Quadro 3, os valores assumidos 
pelo CDF que representam a fração da vida útil estrutural do pavimento, deixando claro que o 
dimensionamento é feito para um fator igual a 1. 
 
Valor CDF Descrição 
1 O pavimento atinge a vida útil projetada. 
<1 Modifique a estrutura do pavimento a ser analisada. 
>1 Adicione as cargas e os dados de tráfego. 
Quadro 3 - Vida útil do pavimento utilizando o CDF (Adaptado de FAA, 2016). 
 
De acordo com Oliveira (2016), este método de cálculo usando o CDF é recente e pouco 
divulgado na área de aeroportos no Brasil, sendo desconhecida normativas pela INFRAERO 
recomendando o uso de métodos mecanicistas no dimensionamento dos pavimentos 
aeroportuários, a metodologia de cálculo brasileira emprega a norma americana FAA (1978) 
disponibilizada em versão traduzida para a língua portuguesa. 
No mesmo manual fornecido para o usuário do FAARFIELD, existem orientações para 
cálculo de um Índice de Condição Estrutural ou SCI do inglês Structural Condition Index, em 
que a FAA extrai os componentes de danos estruturais do PCI (Índice de Condição do 
Pavimento) que será analisado na seção 2.2.2, e de forma semelhante pode ser usado para medir 
a condição estrutural do pavimento a qualquer instante, desde que considerando os defeitos denatureza estrutural (FAA, 2014c; FAA, 2016). No caso do PCI, trata-se de uma avaliação 
numérica da condição operacional de pavimentos aeroportuários, com base em uma análise 
visual, medido de acordo com a norma ASTM D 5340. No caso deste índice, nem todas as 
patologias são indicativos de problemas estruturais e mesmo que inclua algumas patologias 
relacionadas à condição estrutural, não há de certo, uma relação bem definida entre desempenho 
38 
 
estrutural e funcional (ZANIEWSKI, 1991), o Quadro 4 identifica seis tipos de angústias 
encontradas em pavimentos rígidos, de acordo com a FAA (2016) essas mesmas patologias 
podem ser calculadas automaticamente em programas como o MicroPAVER. Segundo a FAA 
(2014c), não há definição ou procedimentos claros estabelecidos para calcular o SCI de 
pavimentos flexíveis, porém em manuais como o DOT/FAA/AR-04/46 da FAA (2004), 
apresenta um procedimento de cálculo usando duas patologias: afundamento da trilha de roda 
e trincas do tipo couro de jacaré. 
 
Patologia Descrição Nível de 
severidade 
Quebra de esquina 
(Corner Break) 
Consiste em uma rachadura que cruza as juntas a uma 
distância menor ou igual à metade do comprimento da laje 
em ambos os lados, medida a partir do canto da laje. 
Baixo, Médio, 
Alto 
Trincas longitudinais, 
transversais e diagonais 
(Longitudinal/Transverse
/Diagonal Cracking) 
Este tipo de deterioração divide a laje em duas ou três partes, 
geralmente são motivadas por uma combinação de repetição 
de carga, tensões de curvatura e tensões de contração. 
 
Baixo, Médio, 
Alto 
Rachaduras 
generalizadas / Laje 
quebrada 
(Shattered Slab) 
Esse tipo de deterioração é considerado quando as fissuras 
dividem a laje em quatro ou mais pedaços. Quando a 
gravidade é alta, corresponde a "Laje quebrada". Se todas as 
rachaduras estiverem contidas em uma quebra de esquina, a 
angústia é classificada como uma quebra de esquina grave. 
 
Baixo, Médio, 
Alto 
Fissuras de Retração 
(Shrinkage Cracks 
(cracking partial width 
of slab)) 
Geralmente são fissuras finas de alguns centímetros e que 
geralmente não se estendem ao longo de toda a laje. Eles 
geralmente se formam durante a endurecimento e cura do 
concreto e geralmente não atingem a espessura total da laje. 
 
Baixo 
 
 
Desprendimento de 
juntas 
(Spalling–Joint) 
É a quebra da junta da laje a menos de 60 cm da junta. 
Geralmente não se estende verticalmente através da laje, mas 
cruza em ângulo com a junta. O aparecimento dessa 
deterioração se deve a esforços excessivos na junta devido à 
infiltração de materiais incompressíveis. O enfraquecimento 
do concreto na junta, combinado com as cargas de tráfego, é 
outra razão pela qual elas ocorrem. 
 
 
Baixo, Médio, 
Alto 
 
Lasca de esquina 
(Spalling–Corner) 
É a quebra da laje a 60 cm ou menos da esquina. Difere da 
quebra de esquina, pois o corte normalmente se cruza com a 
junta em ângulo, enquanto a fissura se estende verticalmente 
através da laje. 
 
Baixo, Médio, 
Alto 
Quadro 4 - Tipos de patologias em pavimentos rígidos usadas para cálculo do SCI (Adaptado da FAA, 2009a; US 
ARMY CORPS OF ENGINEERS, 2009). 
 
Em uma derivação do PCI, o SCI pode ser calculado como apresentado na Equação 1, 
de acordo com Rollings e Witczak (1990). 
 
SCI = 100 - a × ∑ ×mi=1 ∑ ×
n
j=1 f (Ti,Sj,Dij) (1) 
 
Em que: 
a: Fator de ajuste, depende do número de patologias; 
39 
 
m: Número total de patologias; 
n: Número total de níveis de gravidade para cada patologia; 
f (Ti,Sj,Dij): Valor deduzido para o tipo de patologia "Ti" no nível de gravidade "Sj" 
existente na densidade "Dij". 
 
Sabendo que as patologias consideradas em “Ti”, são somente as associadas a 
deterioração estrutural causada por cargas, sendo capaz agora de ser usado como medida de 
condição estrutural do pavimento a qualquer momento, podendo nesse caso ser acompanhado 
seu desempenho ao longo do tempo, porém quando se fala em deterioração do pavimento, 
Ningyuan et al. (2001) presume que isto ocorra linearmente, podendo ser expresso como na 
Equação 2 (TAREFDER; RAHMAN, 2016), com uma taxa que depende exclusivamente da 
condição inicial em que se encontra o pavimento. 
 
ICAtual = ICInicial - 4,79(Y) - 
(ICInicial) × (Y)
20,88
 (2) 
 
Em que: 
ICAtual: Índice de condição atual definido pelo PCI ou SCI; 
ICInicial: Índice de condição inicial do pavimento; 
Y: Vida útil em anos. 
 
Após a avaliação estrutural dos pavimentos, alguns tipos de manutenção e reparo são 
sugeridos na AC 150/5380-6C, e levam em consideração pequenas e rotineiras falhas, para 
casos específicos e generalizados cabe a administração e ao engenheiro de projetos desenvolver 
planos específicos de correção do ativo (FAA, 2014d), no Quadro 5 é possível visualizar 
soluções para as patologias citadas anteriormente. 
 
 
 
 
 
 
 
 
40 
 
Patologia Tipo de Reparo Pavimento 
Trincas do tipo couro de jacaré 
(Alligator Cracking) 
1. Remova e substitua o pavimento danificado, 
incluindo a base e/ou sub-base, se necessário. 
Flexível 
Afundamento da trilha de roda 
(Rutting) 
1. Remover e substituir áreas danificadas; 
2. Retificação/fresagem. 
Flexível 
Quebra de esquina 
(Corner Break) 
1. Selar e manter até o remendo em 
profundidade total. 
Rígido 
Trincas longitudinais, transversais 
e diagonais 
(Longitudinal/Transverse/Diagonal 
Cracking) 
1. Limpar e vedar rachaduras; 
2. Reparar/substituir; 
3. Avaliar a adequação da estrutura do 
pavimento; pode exigir fortalecimento. 
Rígido 
Trincas generalizadas/Laje 
quebrada 
(Shattered Slab) 
1. Limpar e vedar rachaduras; 
2. Reparar/substituir; 
3. Avaliar a adequação da estrutura do 
pavimento; pode exigir fortalecimento. 
Rígido 
Fissuras de Retração 
(Shrinkage Cracks) 
1. Limpar e vedar rachaduras; 
2. Reparar/substituir; 
3. Avaliar a adequação da estrutura do 
pavimento; pode exigir fortalecimento. 
Rígido 
Desprendimento de juntas 
(Spalling–Joint) 
1.Remover o material perdido; preencher com 
produto aprovado; selar novamente 
2.Reparo parcial em profundidade 
Rígido 
Lasca de esquina 
(Spalling–Corner) 
1. Selar e manter até o remendo em 
profundidade total; 
Rígido 
Quadro 5 - Manutenção e reparo de problemas comuns em pavimento de origem estrutural (Adaptado da FAA, 
2014d). 
 
2.2.2 Condições funcionais 
Os pavimentos têm tendência a se deteriorarem com o tempo, independente de 
condições funcionais adequadas as especificações de projeto, podendo levar quando não 
acompanhadas de perto, ao aumento do custo operacional, diminuição do conforto e da 
segurança de pax e funcionários do aeroporto (YANTI et al., 2019). A ANAC (2019a) 
estabelece algumas diretrizes para avaliações funcionais direcionados a análise de 
irregularidade longitudinal, atrito e macrotextura, porém o regulamento não especifica 
metodologias de serventia quanto a defeitos na superfície dos pavimentos. 
Todavia, na seleção de alternativas para manutenção, a avaliação do desgaste da 
superfície do pavimento é imprescindível, para isso muitos indicadores foram desenvolvidos. 
Na década de 1960, por exemplo, criou-se o Present Serviceability Rating (PSR), para o Teste 
de Estradas da American Association of State Highway Officials (AASHO), o PSR funcionava 
de forma subjetiva e classificava o pavimento para atender ao tráfego ao qual era exposto, 
baseando-se principalmente na qualidade da condução de acordo com a experiência do 
avaliador, porém como sua análise se restringia a quesitos subjetivos, este acabou por perder 
seu espaço para um outro índice mais quantitativo, o Present Serviceability Index ou PSI, que 
41 
 
calculava a condição geral de pavimentos utilizando medições de rugosidade da textura, 
profundidade das deformações e fissuras (PIERCE; MCGOVERN; ZIMMERMAN, 2013). 
Esses índicesmuitas vezes foram adotados por agências rodoviárias estaduais, até que 
um novo índice mais complexo foi padronizado para pavimentos aeroportuários, o Pavement 
Condition Index (PCI). Neste caso a FAA (2014d) orienta seu uso para cálculo da condição do 
pavimento, que tem como base dados coletados em pesquisas visuais que levam em 
consideração o tipo, a gravidade e a densidade de patologias identificadas. Este tipo de 
classificação foi desenvolvido pelo Laboratório de Pesquisa em Engenharia de Construção do 
Exército dos EUA (SHAHIN, 1994) e é amplamente utilizado como uma ferramenta de 
gerenciamento de pavimentos (KANDOOH; AL-JAMEEL, 2019), que segue os procedimentos 
contidos na ASTM D5340 - Método de Teste Padrão para Pesquisas de Índice de Condição de 
Pavimento Aeroportuário (PIERCE; MCGOVERN; ZIMMERMAN, 2013). A utilização deste 
índice no Brasil não é exigida pela ANAC e desconhece-se a existência de normas pela 
Associação Brasileira de Normas Técnicas – ABNT, mesmo em rodovias (OLIVEIRA, 2016). 
O PCI utiliza uma escala de mensuração de 0 a 100, sendo 100 um pavimento em 
perfeitas condições e 0 para um pavimento com falhas. Assim, os aeroportos podem realizar o 
levantamento das condições para desenvolver dados de desempenho das pistas (FAA, 2009a; 
FAA, 2016). Os defeitos normalmente encontrados em pavimentos flexíveis e rígidos podem 
ser visualizados no Quadro 6 e sevem para classificar os valores de PCI como mostrado na 
Figura 7. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
42 
 
Patologias em pavimentos flexíveis 
1. Trincas do tipo couro de jacaré 
(Alligator Cracking) 
7. Trincas de reflexão, base de 
concreto 
(Joint Reflection, PCC) 
13. Afundamento da trilha de 
roda 
(Rutting) 
 
2. Exsudação 
(Bleeding) 
8. Trincas transversais e 
longitudinais 
(Longitudinal & Transversal 
Cracking) 
14. Solevamento da camada 
asfáltica devido à placa de PCC 
(Shoving from PCC) 
3. Trincas em Bloco 
(Block Cracking) 
9. Deterioração por presença de 
óleo/combustível 
(Oil Spillage) 
15. Escorregamento 
(Slippage cracking) 
4. Corrugação 
(Corrugation) 
10. Remendo 
(Patching) 
16. Inchamento 
(Swell) 
5. Depressão 
(Depression) 
11. Agregado polido 
(Polished Aggregate) 
17. Desprendimento 
(Weathering) 
6. Erosão por rápida propulsão do 
jato de aeronaves 
(Jet Blast) 
12. Desagregação 
(Raveling) 
 
Patologias em pavimentos rígidos 
1. Explosões 
(Blow-up) 
7. Remendo grande 
(Large Patch/Utility Cut) 
13. Fissuras de Retração 
(Shrinkage Cracking) 
2. Quebra de esquina 
(Corner Break) 
8. Perdas 
(Popout) 
14. Desprendimento de juntas 
(Spalling–Joint) 
3. Trincas longitudinais, 
transversais e diagonais 
(Longitudinal/Transverse/Diagonal 
Cracking) 
 
9. Bombeamento 
(Pumping) 
 
15. Lasca de esquina 
(Spalling–Corner) 
4. Trincas de durabilidade 
(Durability Cracking) 
10. Descasque, trincas de malha fina 
(Scaling/Crazing) 
16. Reação Álcali-Sílica 
(Alkali-Silica Reaction) 
5. Danos no selo da junta 
(Joint Seal Damage) 
11. Assentamentos ou descalços 
(Faulting) 
 
6. Remendo pequeno 
(Small Patch) 
12. Trincas generalizadas/Laje 
quebrada 
(Shattered Slab) 
 
Quadro 6 – Patologias comumente encontradas em pavimentos flexíveis e rígidos para cálculo do PCI (Adaptado 
de FAA, 2004; FAA, 2009a; FAA, 2016). 
 
 
Figura 7 – Classificação do método PCI (Adaptado de ARA, 2016; ANAC, 2017). 
 
Em geral, o método consiste inicialmente em caracterizar áreas típicas, sendo elas as 
pistas de pouso e decolagem, pátios de estacionamento, taxiamento e demais áreas de 
43 
 
circulação. Cada uma dessas áreas típicas pode ser dividida em seções, entendidas como 
unidades de gestão, que possuem características semelhantes de manutenção, construção, 
intervenção e tráfego. Por fim, são estabelecidas segundo a norma ASTM D 5340, as unidades 
amostrais (destinadas a inspeção) com áreas que variam de acordo com o tipo de pavimento 
(ANAC, 2017): 
 Rígido: 20 placas de concreto adjacentes (+/- 8 se o número total não for divisível 
por 20, ou para acomodar condições de campo específicas); 
 Flexível: 450 m2 adjacentes (+/- 180 m2 se a seção do pavimento não for divisível 
por 450 m2, ou para acomodar condições de campo específicas). 
Em seguida, as patologias são quantificadas, e cada uma é medida em função do seu 
grau de severidade, que pode ser baixo, médio ou alto, e da sua densidade, que é calculada por 
meio de uma porcentagem do tamanho do defeito pela área da unidade amostral. De posse 
desses valores, é possível obter por gráficos fornecidos pela ASTM, um Valor Deduzido (VD), 
os quais são somados para obter o Valor Deduzido Total (VDT). Posteriormente, convertesse 
o VDT em um Valor Deduzido Corrigido (VDC), através de um gráfico específico sempre que 
os VD’s forem superiores a cinco. Com o VDC calculado, obtém-se o PCI pela Equação 3. 
 
PCIAmostra = 100 – VDC (3) 
 
Em que: 
PCIAmostra: Índice de Condição do Pavimento da amostra; 
VDC: Valor Deduzido Corrigido. 
 
Ainda pelo manual da ANAC (2017), o PCI da seção pode ser determinado através da 
Equação 4 e sua avaliação pelo índice deve acontecer de acordo com a frequência sugerida na 
Tabela 5. 
 
PCIs=
(N − A) × PCIR − A × PCIA
N
 (4) 
 
Em que: 
PCIS: Índice de Condição do Pavimento da seção; 
PCIR: Índice de Condição do Pavimento médio das amostras representativas; 
PCIA: Índice de Condição do Pavimento médio das amostras adicionais (se existir); 
44 
 
N: Número total de amostras na seção; 
A: Número total de amostras adicionais avaliadas (se existir). 
 
 Classe I Classe II Classe III Classe IV 
Ativo PPD TWY 
Pátio 
PPD TWY 
Pátio 
PPD TWY 
Pátio 
PPD TWY 
Pátio 
Frequência 
(em meses) 
24 48 24 48 18 36 12 24 
Tabela 5 - Frequência sugerida na avaliação funcional pelo PCI (ANAC, 2017). 
 
Apesar das orientações quanto ao método PCI no Manual de Sistema de Gerenciamento 
de Pavimentos na ANAC (2017), a RBAC nº 153 (ANAC, 2019a) não exige a aplicação do 
método e não considera todas as patologias destacadas pela FAA (2016). Os defeitos na 
superfície apresentados são gerais e capazes de serem identificados a olho nu, como fissuras, 
trincas, afundamentos, ondulações ou corrugações, desníveis, deformações, escorregamentos, 
exsudações, desgastes, panelas ou buracos, desnivelamentos de placas, escalonamentos ou 
degraus nas juntas, bombeamentos, avarias no material selante entre juntas e esborcinamentos. 
A partir do PCI também se calcula o índice de danos por objetos estranhos, denominado de 
FOD do inglês Foreign Object Debris, que considera exatamente patologias com níveis de 
severidade capazes de gerá-lo. A FAA (2010) define que qualquer objeto inadequado presente 
em ambiente aeroportuário capaz de ferir ou causar danos a pessoas, cargas e aeronaves deve 
ser classificado como FOD. Por essas questões relacionadas a segurança, a inspeção e 
monitoramento de áreas pavimentadas é tão importante: a parte da pista destinadas a operações 
de aeronaves são as mais propensas a presença de objetos estranhos, o pavimento deteriorado 
ou sem manutenção pode soltar material asfáltico ou de concreto capazes de prejudicar o voo 
ou danificar as aeronaves, em que a FAA (2010) orienta, em casos de risco imediato à 
segurança, a permissão para interromper temporariamente as operações. 
Segundo Carvalho e Santos (2017), para o desenvolvimento de um programa de 
manutenção de aeroportos, além da avaliação pelo PCI, é necessário a análise do Índice 
Internacional de Irregularidade ou IRI (International Roughness Index). O IRI é medido através 
da irregularidade longitudinal, caracterizado por desvios na superfície que prejudicam a 
dinâmica de veículos e cargas, a qualidade da condução e a drenagem superficial dos 
pavimentos (CHOU et al., 2017).O setor de rodovias, segundo a FAA (2009b), define a 
irregularidade em termos de qualidade de condução, através do que é experimentado por um 
passageiro, o mesmo não se aplica a aeronaves, uma vez que o sistema de suspensão tem como 
objetivo principal absorver a energia gasta durante o pouso, e não promover a qualidade na 
45 
 
experiência de voo de um passageiro, já que basicamente, os sistemas de suspensão de uma 
aeronave têm menos capacidade de amortecer o impacto de irregularidades na superfície. 
Historicamente, de acordo com Sayers e Karamihas (1998), as medições iniciais da 
irregularidade longitudinal utilizaram para seu desenvolvimento, um sistema para calcular a 
deflexão de suspensão por meio de equipamentos tipo-resposta, visualizado na Figura 8, 
populares na década de 1940, mas invalidados em função da divergência presente em seus 
resultados, para Oliveira (2016), a metodologia não se aplicava em pavimentos aeroportuários 
por fatores particulares de uma aeronave, que é completamente diferente em veículos. 
 
 
Figura 8 – Detalhamento do funcionamento do equipamento tipo-resposta (Adaptado de SAYERS; 
KRAMIHAS, 1998). 
 
Devido as questões apresentadas anteriormente, Sayers (1996), relata que vários estados 
americanos observaram a necessidade de pesquisas mais estruturadas, que levaram a estudos 
por parte da National Cooperative Highway Research Program (NCHRP). No final dos anos 
1970, as pesquisas da NCHRP foram descritas no Relatório 228, que constava a elaboração de 
um conjunto específico de parâmetros para um sistema de resposta computadorizado, através 
de calibragens dos sistemas tipo-resposta, com modelos matemáticos, estatísticos e medidores 
testados que forneciam dados em m/km, de irregularidade longitudinal. 
Neste mesmo contexto, inseria-se o Banco Mundial, que também estava investindo em 
pesquisas e investigando opções que obtivessem melhores retornos financeiros, uma vez que os 
dados de irregularidade eram identificados como importantes fatores para análises envolvendo 
qualidade e custos. Todavia, o problema estava agora na incompatibilidade dos dados em 
diferentes partes do mundo. A solução veio em 1982 pelo Banco Mundial, que iniciou uma 
série de experimentos no Brasil para obtenção de correlações e padronização das medições, ao 
46 
 
qual resultaram em diretrizes revisadas e publicadas de uma medida de referência chamada de 
Índice Internacional de Irregularidade (IRI) (SAYERS; KARAMIHAS, 1998; SAYERS, 1996). 
Em linha gerais, o IRI baseia-se numa simulação de respostas da irregularidade de um 
pavimento, por um carro que viaja a 80 km/h – entendida como a Inclinação Retificada Média 
de Referência – expressa pela proporção do movimento de suspensão acumulado de um veículo, 
dividido pela distância percorrida durante o teste, o índice proponha-se a estabelecer relações 
até para velocidades inferiores, podendo ser usado tanto para calibração quanto para fins 
comparativos (SAYERS; GILLESPIE; PATERSON, 1986). A verificação por este método é 
altamente correlacionada com o nível geral de vibração de condução e com o nível geral de 
vibração de carregamento do pavimento (SAYERS; KARAMIHAS, 1998). 
O ideal é que as superfícies estejam livres de irregularidades que prejudiquem as 
operações dentro de um aeroporto, afetando a segurança, causando danos ou aumentando a 
fadiga estrutural das aeronaves (FAA, 2009b). Em função dessas considerações agências 
regulamentadoras como a ANAC, ICAO, CAA, FAA e outras, tem a necessidade de 
especificarem a operadores de aeródromo a utilização da medição de irregularidade longitudinal 
na avaliação funcional dos pavimentos. 
A ANAC (2019a) não especifica o equipamento que deve ser utilizado na medição, 
desde que seja aferido e calibrado conforme orientações do fabricante, de toda forma, estabelece 
a necessidade de elaboração de um relatório documentando o monitoramento das pistas de 
pouso e decolagem com valores expressos segundo a escala internacional de irregularidade, e 
deve ser igual ou inferior a 2,5 m/km, referido a cada 200 m, realizado ao longo de toda a 
extensão da pista, conforme definido no Quadro 7. 
 
Letra do Código de Referência Localização da medição Quantidade Mínima 
A, B ou C A 3 m do eixo da pista Uma vez de cada lado em relação 
ao eixo da pista 
 
D, E ou F 
 
A 3 m e 6 m do eixo da pista 
Uma vez de cada lado em relação 
ao eixo da pista, para cada 
distância da coluna 
Quadro 7 - Localização das medições do IRI (Adaptada de ANAC, 2019a). 
 
O equipamento utilizado na medição também deve ser capaz de realizar pelo menos 
quatro linhas de medição de irregularidade para cada faixa de 3 m de pavimento, em uma 
frequência determinada pela ANAC (2019a) conforme definido na Tabela 6. 
 
 
47 
 
Média de pousos diários de aeronaves de asa fixa com motor 
à reação, na cabeceira predominante, no último ano 
Frequência de medição do IRI 
(em meses) 
Menos de 15 36 
16 a 30 24 
31 a 90 24 
91 a 150 18 
151 a 210 12 
Mais de 210 12 
Tabela 6 - Frequência mínima de medição do IRI (ANAC, 2019a). 
 
Embora o IRI seja um método popular, utilizado em países como Brasil, Itália e outros, 
não existe recomendações por parte da ICAO, todavia experiências com equipamentos de 
medição e dispositivos para montagem em veículos, facilitam e agilizam o cálculo de valores 
de IRI em pavimentos aeroportuários (LOPRENCIPE; ZOCCALI, 2017). O que não impede 
que agências como a FAA, adotem formas diferentes de avaliação. 
Os procedimentos da FAA (2009b), quanto a medição da irregularidade, são 
encontradas em detalhes na AC 150/5380 9 - Guidelines and Procedures for Measuring Airfield 
Pavement Roughness. As particularidades das avaliações presentes nesta AC estão no método 
empregado, a FAA utiliza o método Boeing Bump, caracterizado por uma linha imaginária ou 
régua virtual (virtual straightedge) entre dois pontos de um perfil de elevação longitudinal, 
capaz de medir o desvio vertical existente na superfície a distâncias de 120 m (Figura 9). Esses 
critérios foram desenvolvidos pela Boeing tomando como base experiências operacionais dos 
eventos. 
 
 
Figura 9 - Esquema para medição da altura do desvio (Adaptado de FAA, 2009b). 
48 
 
O método busca analisar cada combinação da altura e comprimento das elevações, para 
assim determinar as melhores estratégias de manutenção. Como uma forma de facilitar as 
análises a FAA (2009b) estabeleceu o Boeing Bump Index (BBI), um parâmetro adicional com 
algumas variações em relação ao método original, determinado a partir da relação entre a 
medida de altura do desvio, chamada de bump height e o limite de altura aceitável do desvio ou 
limit of acceptable bump height, calculado para todos os pontos de amostra do perfil, o BBI da 
amostra é o maior de todos os valores calculados. A Figura 10 indica a classificação em relação 
ao índice, para valores inferiores a 1, a irregularidade consta em zona aceitável, e para 
resultados superiores, a zona indicada é a excessiva ou inaceitável. 
 
 
Figura 10 – Parâmetros de avalição do Boeing Bump Index (Adaptado de FAA, 2009). 
 
Na intenção de facilitar as medições a FAA desenvolveu o software ProFAA para 
cálculo do BBI (FAA, 2009b). Destaca-se que embora ambas as metodologias de simulação 
sejam aceitas, de acordo com Loprencipe e Zoccali (2017), a abordagem pelo IRI se mostra 
mais conservadora que a BBI, principalmente na avalição de longos comprimentos de desvios 
presentes em perfis de pistas, no entanto quando considerado apenas os perfis caracterizados 
por irregularidades de comprimentos de desvios curtos, a correlação entre os dois índices era 
irrisória com R2 de 0,91. 
49 
 
Além do BBI, outros parâmetros foram estabelecidos, a Transport Canada (2016) 
determina o uso do Índice de Conforto no Passeio ou Ride Comfort Index (RCI), um método 
subjetivo de avaliar a irregularidade deum pavimento, baseado na qualidade do rolamento ao 
se dirigir um veículo, com uma escala de classificação de 0 a 10, em que 0 representa a pior 
situação de rolamento e 10 uma situação boa e pode ser calculado para seções de 100 m, porém 
as diretrizes de irregularidade para toda a pista é obtida pela média geral do RCI. A correlação 
entre os índices RCI e IRI também podem ser determinadas através da expressão presente na 
Equação 5. 
 
RCI = 10 x e (-0.255 x IRI) (5) 
 
Em que: 
RCI: Índice de Conforto no Passeio; 
e: Base do logaritmo natural (2,71828); 
IRI: Índice Internacional de Irregularidade (mm/m). 
 
Quanto aos equipamentos utilizados na determinação da irregularidade longitudinal, 
muitos dispositivos podem ser usados, o que contribui para existência de diversas pesquisas que 
buscam formas mais práticas e econômicas, como pode ser visto nos estudos de Noss (1990), 
Takagi e Nakane (2000), Du et al. (2014), Bisconsini (2016), Cerni e Corradini (2017) e 
Almeida (2018). Segundo Bernucci et al. (2007), há diversas maneiras de dividir os 
equipamentos, normalmente em função do tipo e princípio utilizado, porém de acordo com 
Sayers, Gillespie e Paterson (1986) existem quatro classes que consideram a forma de medição, 
capazes de classificar os equipamentos: 
 Classe 1: Representa os equipamentos mais precisos de medição, com padrões 
elevados de avaliação direta do perfil (nível e mira; Dipstick, perfilômetro do TRL 
etc.); 
 Classe 2: Esta classe inclui todos os outros métodos perfilométricos, em que o perfil 
é medido como base para o cálculo direto do IRI, mas sem tanta precisão para se 
enquadrar na Classe 1 (perfilógrafos, equipamentos com sensores a laser, APL 
francês etc.); 
 Classe 3: Sistemas que trabalham com equipamentos tipo-resposta (TRL Bump 
integrator, Maysmeter, Merlin etc.); 
50 
 
 Classe 4: Avaliação subjetiva da serventia realizada por um painel de avaliadores (os 
próprios avaliadores). 
 
2.2.2.1 Textura superficial do revestimento 
Os baixos níveis de irregularidade combinado com condições ideais de atrito, e o pouco 
ruído, no interior e exterior do veículo, são importantes na qualidade do rolamento e garantia 
da satisfação dos pilotos (FLINTSCH et al., 2003). Com o tempo é comum a deterioração da 
superfície do revestimento dos pavimentos devido a desgastes mecânicos, ação dos pneus das 
aeronaves sob o pavimento, acúmulo de contaminantes, principalmente borracha, condições 
climáticas adversas, o tipo de pavimento, os materiais utilizados na construção, tratamentos 
posteriores na superfície, condições de drenagem e manutenção, por isso é importante que os 
aeroportos garantam que as pistas forneçam excelentes características de atrito, pois somente 
observações visuais não são capazes de garantir uma boa resistência a derrapagem (FAA, 
2014a). 
Um dos elementos básicos, segundo Wesołowski e Blacha (2019), é avaliar a micro e 
macrotextura, essas duas categorias estão relacionadas a propriedades físicas dos pavimentos 
de pista, que produzem o atrito responsável por produzir a resistência à derrapagem no 
pavimento, sendo a microtextura, identificada como a rugosidade superficial natural do 
agregado e a macrotextura, refere-se à força resistente fornecida pela rugosidade da superfície 
do pavimento. A ICAO (2002) considera esses parâmetros importantes e determinantes para o 
coeficiente de atrito que dar suporte a frenagem de aeronaves, principalmente em situações de 
pista molhada. Para Flintsch et al. (2003), a textura superficial determina a maioria das 
interações entre pneu-pavimento e pode ser categorizada em três níveis com base no 
comprimento de onda da microtextura, macrotextura e megatextura, conforme informações 
contidas na Tabela 7. Para valores maiores que o estabelecido pela megatextura, atribui-se a 
irregularidade (NCHRP, 2000). 
 
Classificação da Textura Comprimentos de onda 
Microtextura λ < 0,5 mm 
Macrotextura 0,5 mm < λ < 50 mm 
Megatextura 50 mm < λ < 500 mm 
Irregularidade 0,5 m < λ < 50 m 
Tabela 7 - Classificação da textura (Adaptada de FLINTSCH et al., 2003). 
 
As duas últimas classificações também interferem na dinâmica veicular e no contato 
entre aeronave e pavimento, afetando também a estabilidade e a aderência em pistas molhadas, 
51 
 
porém para a avaliação da textura da superfície, no que se refere à aderência, são enfocadas a 
microtextura e a macrotextura (BERNUCCI et al., 2007). Dos tipos de textura, a microtextura 
é responsável por afetar principalmente a área de adesão entre o agregado e a borracha do pneu, 
e controlar o nível de atrito do pavimento em baixas velocidades (LU; STEVEN, 2006), sendo 
geralmente estimada com base em dispositivos de medição de atrito, como o British Portable 
Tester (BPT), o teste dinâmico de atrito ou DF tester, e o Locked-Wheel Skid Trailer, desde que 
em baixas velocidades (WAMBOLD et al., 1995). 
A FAA (1997) distingue a micro e macrotextura, por a primeira se referir a uma escala 
fina de pequenas partículas individuais do agregado com visibilidade microscópica, que ao 
toque a sensação pode ser de aspereza, e a segunda representa a irregularidade visível da 
superfície do pavimento como um todo, devido ao arranjo agregado de partículas, como 
ilustrado na Figura 11. Segundo a ICAO (2002), a degradação da microtextura pelo tráfego e o 
clima pode ocorrer em um período relativamente mais curto, quando comparado com a 
degradação da macrotextura da superfície. 
 
 
Figura 11 – Microtextura e macrotextura de pavimentos (Adaptada de FLINTSCH et al., 2003). 
 
A macrotextura tem como função fornecer subsídios a drenagem superficial, através de 
caminhos para a água escapar abaixo dos pneus da aeronave (FAA, 1997; ICAO, 2002). 
Meegoda e Gao (2015) dividem as medições deste componente em duas classes principais: 
 Medições estáticas: Incluem o método de mancha de areia, o medidor de vazão e o 
Circular Texture Meter (CTM); 
 Medições dinâmicas: São realizadas por dispositivos a laser montados em veículos, 
que podem coletar dados nas velocidades da estrada. 
A ANAC (2019a) exige o monitoramento da macrotextura por ensaio volumétrico tipo 
mancha de areia. Em uma frequência estabelecida conforme a Tabela 8, em termos de operações 
52 
 
de pouso de aeronaves de asa fixa com motor a reação ou turbojato, que utiliza a expansão dos 
gases para propulsionar o avião. 
 
Média de pousos diários de aeronaves de asa fixa com 
motor à reação, na cabeceira predominante, no último ano 
Frequência de medições 
de macrotextura 
Menos de 15 Cada 360 dias 
16 a 30 Cada 180 dias 
31 a 90 Cada 90 dias 
91 a 150 Cada 60 dias 
151 a 210 Cada 30 dias 
Mais de 210 Cada 30 dias 
Tabela 8 - Frequência mínima de verificação de macrotextura (ANAC, 2019a). 
 
O método de mancha de areia consiste no espalhamento de um volume de areia sobre 
uma área da superfície do pavimento, e na determinação da distância média entre os picos e 
vales da macrotextura do pavimento. Para realização da medição, utiliza-se um cilindro 
metálico que será enchido completamente com a areia. Em seguida, derrama-se a areia do 
cilindro sobre o local verificado e espalhasse a areia o mais uniformemente possível sobre a 
superfície do pavimento, em forma de um círculo. Por fim, efetua-se o cálculo da área desse 
círculo com um instrumento de precisão milimétrica, a profundidade média da macrotextura da 
superfície do pavimento deve ser obtida a partir das Equações 6, 7 e 8 (ANAC, 2016c). 
 
Profundidade da macrotextura de cada medição
(i)
=
Volume de areia(i)
Área coberta pela areia
(i)
 (6) 
 
Profundidade da macrotextura =
Soma das profundidades da macrotextura de cada medição
(i)
Número total de medições realizadas de cada área
 (7) 
 
Profundidade média da macrotextura =
Soma das profundidadesda macrotextura em cada terço
Número total de áreas de medição em cada terço
 (8) 
 
Esse procedimento deve acontecer a 3 m do eixo da pista, e de forma alternada a cada 
100 m, à esquerda e à direita do eixo. Quanto a classificação da macrotextura após aplicação 
do método de mancha de areia, a ANAC (2019a) determina em função da profundidade os 
valores na Tabela 9. Recomenda-se que para pavimentos aeroportuários a profundidade média 
mínima obtida em ensaio deve ser maior ou igual a 0,60 mm para pista de pouso e decolagem. 
 
 
53 
 
Profundidade - P (mm) Classificação 
P ≤ 0,2 Muito fechada 
0,2 < P ≤ 0,4 Fechada 
0,4 < P ≤ 0,8 Média 
0,8 < P ≤ 1,2 Aberta 
P > 1,2 Muito aberta 
Tabela 9 – Parâmetros da macrotextura (ANAC, 2019a). 
 
Para Bernucci et al. (2007) resultados abaixo de 0,6 mm tem uma tendência a se 
classificarem como fechada, representando um risco a segurança, e acima de 1,2 mm, a textura 
é muito aberta, causando desgaste excessivo nos pneus, maior consumo de combustível e 
tendência a maior ruído ao rolamento. A macrotextura é usada principalmente para aumentar a 
drenagem, reduzindo as chances de ocorrência dos pneus de aeronaves experimentarem os 
efeitos da aquaplanagem dinâmica (ICAO, 2002). Uma forma de melhorar as condições da pista 
seria pela inserção de grooving (ranhuras) no pavimento, aplicável em revestimentos de asfalto 
e concreto. Em asfalto não-ranhurado normalmente se enquadra na faixa de 0,5 a 0,8 mm, e um 
pouco mais alta para o asfalto mastic de pedra. Em serviço, as ranhuras se desgastam com o 
tráfego, e isso tem o efeito de reduzir a macrotextura ao longo do tempo, de acordo com ICAO 
(2013). 
Existem diversos modelos que simulam a aderência pneu-pavimento, Leu e Henry 
(1978) são responsáveis pela proposta de um modelo empírico de medição, previstas a partir de 
medições da microtextura e macrotextura do pavimento, usado para descrever a variação da 
resistência a derrapagem em função da velocidade. De acordo com Fuentes et al. (2012), esse 
modelo foi a base do Índice Internacional de Atrito (International Friction Index – IFI), que 
levou ao atual padrão ASTM para harmonizar medições de atrito. 
Este índice foi desenvolvido durante o PIARC International Experiment em 1992-1995, 
e foi um dos principais resultados do programa, a partir de diversos experimentos com vários 
dispositivos existentes em superfícies de estradas reais, cobrindo uma ampla gama de 
características e materiais de superfície. As medições de textura tiveram que ser associadas aos 
dados, para permitir a compensação da sensibilidade diferente dos vários princípios de medição 
de atrito à micro e macrotextura (EASA, 2010). O IFI consiste em um número de atrito (F60) e 
uma constante de velocidade (Sp), descrito como IFI (F60, Sp) e definido pelas Equações 9 e 
10. 
 
F(60) = A + B × FRS × exp [- 
(60 - S)
Sp
] + C × MPD (9) 
54 
 
 
Sp= a + b × MPD (10) 
 
Em que: 
F(60): Previsão do número de atrito calibrado (padrão) a 60 km/h; 
Sp: Constante de velocidade; 
MPD: Profundidade média do perfil; 
A, B e C: Parâmetros específicos para o dispositivo de medição de atrito; 
a e b: Parâmetros específicos para o dispositivo de medição de textura usado para medir 
o MPD. 
 
Quando os valores de IFI são relatados, o valor estimado do coeficiente de atrito, F(S), 
pode ser calculado em qualquer outra velocidade de escorregamento (S) de interesse com a 
Equação 11 (WAMBOLD et al., 1995). 
 
F(s) = F60 × exp [
(60 - S)
Sp
] (11) 
 
As medições de atrito podem ser obtidas a partir de diferentes dispositivos de medição. 
A ANAC (2019a) exige o monitoramento do coeficiente de atrito do pavimento por meio de 
medições, utilizando um dos equipamentos listados na Tabela 10, juntamente com os limites 
estabelecidos para os parâmetros do coeficiente, com tolerância de 2,5% sobre os valores 
obtidos. A velocidade mais baixa (65 km/h) determina a condição geral da macrotextura, 
contaminantes e drenagem superficial do pavimento. A velocidade mais alta fornece uma 
indicação da condição da microtextura da superfície. (FAA, 1997; EASA, 2010). 
 
 
 
 
 
 
 
 
 
55 
 
 
Equipamento 
Pneu Velocidade 
do ensaio 
(km/h) 
Profundidade da 
lâmina d’água 
simulada (mm) 
Coeficiente de atrito 
Tipo Pressão 
(kPa) 
Nível de 
manutenção 
Nível 
mínimo 
Mμ-meter A 70 65 1,0 0,52 0,42 
A 70 95 1,0 0,38 0,26 
Skiddometer B 210 65 1,0 0,60 0,50 
B 210 95 1,0 0,47 0,34 
Surface friction 
tester vehicle 
B 210 65 1,0 0,60 0,50 
B 210 95 1,0 0,47 0,34 
Runway friction 
tester vehicle 
B 210 65 1,0 0,60 0,50 
B 210 95 1,0 0,54 0,41 
Tatra B 210 65 1,0 0,57 0,48 
B 210 95 1,0 0,52 0,42 
Grip tester C 140 65 1,0 0,53 0,43 
C 140 95 1,0 0,36 0,24 
Tabela 10 – Equipamentos de medição de atrito e parâmetros do coeficiente (ANAC, 2019a). 
 
A FAA (1997), recomenda as mesmas diretrizes de avaliação e manutenção, que levam 
em consideração que condições ruins de atrito para distâncias curtas na pista não representam 
um problema de segurança para as aeronaves, mas longos trechos escorregadios são uma 
preocupação séria e requerem ações corretivas imediatas. Para evitar situações indesejadas a 
ANAC (2019a) determina que as medições do coeficiente de atrito devem ser realizadas 
conforme frequência definida na Tabela 11. 
 
Média de pousos diários de aeronaves de asa fixa com 
motor à reação, na cabeceira predominante, no último ano 
Frequência de 
medições de atrito 
Menos de 15 Cada 360 dias 
16 a 30 Cada 180 dias 
31 a 90 Cada 90 dias 
91 a 150 Cada 60 dias 
151 a 210 Cada 30 dias 
Mais de 210 Cada 15 dias 
Tabela 11 - Frequência de medições de atrito (ANAC, 2019a). 
 
Segundo a CAA (2015), o Minimum Friction Level (MFL) ou Nível Mínimo de Atrito 
devem ser disponibilizado, esse conceito se refere a informações quanto ao nível de atrito capaz 
de gerar o escorregamento em pistas molhadas, assim permite a equipe de manutenção planejar 
e direcionar estratégias que possibilitem que os níveis permaneçam acima do MFL 
especificado. Na intenção de melhorar esses procedimentos, a ICAO abandonou o uso único de 
dispositivos de medição de atrito para determinar se as características da superfície chegariam 
aos limites fixados de acordo com a tecnologia, devido a impossibilidade de estabelecer uma 
referência fixa para os dispositivos, onde a maior dificuldade está em manter as leituras estáveis 
no tempo, fazendo com que uma abordagem mais holística do atrito seja mais prudente, levando 
56 
 
em considerações fatores relacionados a topografia da pista, a macrotextura da superfície, a 
resistência à derrapagem e o feedback operacional (THE ICAO JOURNAL, 2016). 
A ICAO (2013) apresenta uma ilustração (Figura 12) das características de atrito e como 
elas se inter-relacionam no sistema dinâmico de uma aeronave em movimento. Desse sistema 
os três principais componentes são: As características de atrito da superfície (propriedades 
estáticas do material); o sistema dinâmico (aeronave e pavimento em movimento relativo); e a 
resposta do sistema (desempenho da aeronave), que depende do atrito do pneu e do sistema 
antiderrapagem da aeronave. 
 
 
Figura 12 - Características básicas de atrito, sistema dinâmico e resposta do sistema (Adaptado de ICAO, 2013). 
 
O tráfego de aeronaves afeta diretamente todas as condições de textura superficial 
levantadas e contribuem para o acumulo de contaminantes nos pavimentos das pistas, 
diminuindo o atrito a ponto de comprometer a segurança (FAA, 1997) Isso quer dizer que 
menos atrito significa menos resposta de frenagem dos aviões. A equipe da Runway Safety 
Initiative (RSI), descobriu que pistas molhadas ou contaminadas por água parada, neve, lama 
ou gelo, em todo o mundo de 1995 atémarço de 2008, estavam envolvidas em 96% dos 
acidentes de excursão, nas quais era conhecida a condição da pista (FSF, 2009). Uma excursão 
57 
 
de pista é caracterizada por uma aeronave que sai da superfície da pista durante uma operação 
de voo, por fatores que vão desde uma aproximação sem controle até a condições desfavoráveis 
de aderência da pista (ANAC, 2016b). 
A FSF (2009) descreve alguns fatores e efeitos resultantes de condições inadequadas de 
aderência: 
 Ação de frenagem: A presença na pista de um contaminante fluido (água, lama ou 
neve solta) ou de um contaminante sólido (neve compactada ou gelo) afeta 
adversamente o desempenho da frenagem, como: A redução da força de atrito entre 
os pneus e a superfície da pista, que depende da condição do pneu (desgaste) e 
pressão de inflação, tipo de superfície da pista e desempenho do sistema 
antiderrapagem; a criação de uma camada de fluido entre os pneus e a pista, 
reduzindo assim a área de contato e criando um risco de hidroavião (perda total ou 
parcial de contato e atrito entre os pneus e a superfície do pavimento); contaminantes 
fluidos também contribuem para a força de parada, resistindo ao movimento para a 
frente das rodas (ou seja, causando arrasto de deslocamento) e criando spray que 
atinge o trem de pouso e a estrutura da aeronave (ou seja, causando arrasto de 
impacto). 
 Hidroplanagem (Aquaplanagem): Ocorre quando o pneu perde o contato com o 
pavimento devido à presença de um contaminante, resultando em perda parcial ou 
total de contato. As rodas principais e as rodas dianteiras podem ser afetadas pelo 
hidroplanagem. Assim, o fenômeno afeta a direção do volante, bem como o 
desempenho da frenagem. O grau da Aquaplanagem depende dos seguintes fatores: 
Ausência de rugosidade da superfície da pista e drenagem inadequada; profundidade 
e tipo de contaminante; pressão de enchimento de pneus; velocidade no solo e 
operação antiderrapagem. 
 Controle direcional: Em uma pista contaminada, o controle direcional deve ser 
mantido, sem a utilização do leme de direção com rodas do nariz até que a aeronave 
tenha diminuído para a velocidade de táxi. Em grandes velocidades a aeronave pode 
gerar a hidroplanagem, resultando na perda de controle direcional. 
As ações da CAA (2010) com a avaliação de atrito resumem-se em restaurar o nível de 
atrito, idealmente para um valor igual ou superior ao MPL. Se o nível de atrito indicar uma 
tendência de queda, o operador do aeródromo deve aumentar a frequência das avaliações de 
atrito da pista, a fim de identificar qualquer deterioração adicional ou rápida, afim de se 
organizar quanto as ações a serem tomadas. Em caso do nível de atrito ficar abaixo do MFL, a 
58 
 
manutenção deve ser feita com urgência, a fim de restaurar as leituras de atrito para um nível 
aceitável. 
Tanto a FAA (1997), como a ANAC (2019a), quando os valores medidos do coeficiente 
de atrito se aproximam ou caem abaixo do Nível de Planejamento da Manutenção, a Tabela 12 
pode ser utilizada para orçamentar e agendar uma manutenção apropriada e oportuna para a 
remoção de borracha ou outros contaminantes de forma a reestabelecer as boas características 
de atrito. O acúmulo de borracha depende do tipo e da frequência de pousos e decolagens, de 
detalhes quanto ao peso e número de rodas que tocam na superfície, do clima, comprimento e 
composição da pista (FAA, 1997). 
 
Média de pousos diários de aeronaves de asa fixa com motor à 
reação, na cabeceira predominante, no último ano 
Frequência de 
remoção de borracha 
Menos de 15 2 anos 
16 a 30 1 ano 
31 a 90 6 meses 
91 a 150 4 meses 
151 a 210 3 meses 
Mais de 210 2 meses 
Tabela 12 - Frequência de remoção do acúmulo de borracha (Adaptada de FAA, 1997; ANAC, 2019a). 
 
Um pouso médio deixa até 700 g de borracha em uma camada fina na pista e calor 
produzido durante o contato causa uma reação química denominada de polimerização, que 
transforma os depósitos de borracha em um material duro e macio, preenchendo a micro e 
macrotextura do pavimento, causando uma grande perda de resistência e a consequente 
derrapagem de aeronaves quando a pista está molhada (NASEM, 2008), por isso essa é umas 
das principais atividades de manutenção em pistas de pouso e decolagem. 
 
2.2.2.2 Drenagem superficial dos pavimentos 
A análise do escoamento superficial é um requisito básico de extrema importância, com 
o objetivo de drenar a água da área de movimentação e áreas adjacentes pelo caminho mais 
curto possível e principalmente fora da área do percurso de roda (ICAO, 2013; EASA, 2017). 
A drenagem superficial controla, coleta e descarta a água provindas de tempestades e 
derretimento de neve e gelo que se acumulam na superfície do pavimento e em solo próximo. 
O sistema acontece através da construção da superfície do pavimento e de terreno adjacente de 
uma maneira que permita o escoamento adequado (FAA, 2014a). 
Basicamente, existem três formas de drenagem descritas em Hare, Pur e Dempsey 
(1990) e em DNIT (2006), que devem ser consideradas inicialmente no projeto de um aeroporto. 
59 
 
A drenagem superficial é necessária para direcionar o fluxo de água para longe dos pavimentos 
e tem como objetivo interceptar e captar, conduzindo ao deságue seguro, removendo a água do 
aeródromo. Outra forma é a drenagem subterrânea ou profunda, necessária para remover a água 
debaixo do pavimento, impedindo-o de atingir o subleito. A terceira forma de drenagem, a 
drenagem do pavimento, necessária para evitar o acúmulo de água que causa a hidroplanagem, 
o objetivo dessa técnica é defender o pavimento das águas que possam danificá-lo, acidentes 
graves podem ocorrer quando a aeronave perde o controle da direção e da frenagem. 
A drenagem ocorre mais rápida com a curvatura da pista, em uma passagem de um ponto 
alto na direção do vento mais frequente associado a chuva. A água pode ser coletada nas bordas 
da superfície pavimentada (EASA, 2017), a chuva cai sobre a superfície inclinada e forma uma 
fina película de água que aumenta de espessura à medida que flui para a borda do pavimento 
(FAA, 2013). Mesmo que um pouco de água entre na estrutura através de defeitos na superfície, 
essa penetração pode ser reduzida ao mínimo pelos procedimentos adequados de manutenção 
(FAA, 2014a). 
O sistema de drenagem garante a integridade do pavimento e operações seguras de voo. 
A capacidade da pista drenar a água está associada, segundo a Boeing (2012), a: Inclinação 
transversal; vento lateral; intensidade de chuva; a textura da superfície; sulcos das rodas e a 
água parada medida no pavimento. 
De acordo com a ICAO (2013), os problemas com atrito em função de condições 
inadequadas de drenagem, são principalmente expressos em três critérios distintos: 
a) Drenagem superficial (forma da superfície, declives); 
b) Drenagem quanto a aderência pneu-pavimento (macrotextura); 
c) Drenagem por penetração (microtextura). 
O indicado é que quando houver motivos acreditar que as condições de drenagem total 
ou parcial de um pavimento, não estão funcionando adequadamente devido a declives ou 
depressões, o procedimento correto é avaliar as condições de atrito da superfície e observar a 
taxa de chuvas locais. O objetivo é alcançar altas taxas de descarga de água sob o pneu com um 
mínimo de pressão dinâmica acumulada, e isso só pode ser alcançado fornecendo uma 
superfície com uma macrotextura aberta. A drenagem da interação entre o agregado individual 
e o pneu depende da textura fina da superfície do agregado. Em velocidades mais baixas, a água 
pode escapar quando o pavimento está em contato com o pneu, fazendo com que agregados 
suscetíveis ao polimento diminuam a microtextura. Todavia, cabe a manutenção programar 
ações de melhoria corretiva para o sistema de drenagem (ICAO, 2013). 
 
60 
 
2.3 PROGRAMA DE MANUTENÇÃO DE PAVIMENTOS (PMP) 
A gestão aeroportuária precisa contar comum banco de dados atualizado dos 
pavimentos nos diversos aspectos funcionais e estruturais, contando com tecnologias 
automatizadas que levem a elaboração de medidas mais eficientes quanto as atividades de 
manutenção (MASCIO e MORETTI, 2019). Butt et al. (1994), relata a ampla variedade de 
Sistemas de Gestão de Pavimentos Aeroportuários (SGPA), que infelizmente deixam a desejar 
devido à escassez de procedimentos formais que classifiquem a condição do pavimento, sem 
contar, nos modelos de previsão de desempenho determinísticos ou atribuições de estado do 
sistema com base em experiências. Orçamentos destinados a manutenção possuem restrições, 
por isso a necessidade em definir, adequadamente, cada uma das ações de intervenções nas 
pistas (LOPRENCIPE; ZOCCALI, 2017). 
A ANAC (2018) pede a formulação, pelos coordenadores, de um manual de 
procedimentos operacionais do aeródromo, ou MOPS, capaz de permitir a padronização de 
atividades e decisões administrativas que mostre em detalhes padrões e práticas adotadas por 
determinado sítio aeroportuário. Além de todo o conjunto de documentos exigidos na ANAC 
(2012), é solicitado informações sobre os procedimentos de manutenção realizados nas áreas 
pavimentadas, considerando todas as particularidades e instruções complementares das 
agências regulamentadoras para o aeródromo (ANAC, 2011). 
 Para TRANSPORT CANADA (2016), o Plano de Gerenciamento de Pavimentos deve 
abranger os diversos trabalhos desenvolvidos pela manutenção em um horizonte de cinco anos, 
com os principais projetos, especificações de restaurações e o financiamento necessário para 
cada ano. Embora não seja definitivo, estimativas quanto aos custos para conservação de todas 
as áreas de movimentação devem ser realizadas, fornecendo garantia de condições operacionais 
seguras. No mínimo devem ser relatados os seguintes itens: 
a) O trabalho que precisa ser feito (por exemplo, sobrepor uma pista, remoção do 
acúmulo de borracha, vedação de trincas e juntas, etc.); 
b) Cronograma das atividades; 
c) Os níveis de financiamento que devem ser orçados para execução das atividades de 
manutenção. 
A TRANSPORT CANADA ainda disponibiliza softwares para o gerenciamento de seus 
pavimentos, dotados de recursos sofisticados que permitem o armazenamento de informações 
do histórico de construção, histórico de custos de manutenção, histórico de condições do 
pavimento, informações de resistência, dados de tráfego e dados de teste não destrutivos. 
61 
 
O FAA PAVEAIR é um desses aplicativos, também armazena informações e possui 
ferramentas de planejamento capaz de modelar a degradação das superfícies (FAA, 2014a). No 
Brasil, a aplicação dos conceitos referentes ao gerenciamento de pavimentos é muito recente, o 
que resulta em um atraso tecnológico quando comparado a países americanos e europeus. 
Mesmo com muitas pesquisas desenvolvidas entorno desta temática, a realidade brasileira 
encontra dificuldades, principalmente porque as patologias encontradas no país são diferentes, 
o tipo de revestimento predominante é o asfáltico e em aeroportos americanos, por exemplo, 
utilizam pavimentação rígida em pistas de pouso e decolagem (MERIGHI, 2017). 
Afim de orientar quanto a formulação de um PMP, a FAA (2014a) determina quais 
características o programa deve possuir para conseguir alcançar seus objetivos: 
 Forma sistemática para coletar e armazenar informações sobre as condições dos 
pavimentos; 
 Um sistema capaz de avaliar as condições do pavimento; 
 Procedimentos que trabalhem com previsão das condições; 
 Metodologias para modelar as condições de desempenho do pavimento, passadas e 
futuras; 
 Mecanismos para determinar os requisitos de orçamento para atender aos objetivos 
de gerenciamento, como o orçamento de M&R necessário para manter um 
pavimento em um nível especificado de índice de condição de pavimento (PCI) ou 
o orçamento de M&R necessário para melhorar para um nível de PCI alvo; 
 Técnicas para formular e priorizar projetos de M&R. 
É importante identificar as estratégias a partir de critérios de decisão e uma política de 
manutenção com capacidade de empregar os melhores procedimentos. A Figura 13 apresenta 
uma metodologia quanto ao processo inicial para avaliação dos pavimentos, com esses dados é 
possível alimentar o PMP. 
62 
 
 
Figura 13 - Processo de avaliação de pavimentos aeroportuários (Adaptado de FAA, 2009a). 
 
Em pavimentos flexíveis, a manutenção não deve ser realizada tomando como base 
somente ações corretivas funcionais ou estruturais próximas do limite aceitável, Bernucci et al. 
(2007) sugere um plano de manutenções periódicas, com manutenções preventivas. Realmente 
algumas ações de manutenção podem ser identificadas por meio de inspeção visual das 
condições, outras exigem avaliações mais abrangentes, Pearson (2012) fornece um quadro 
geral, apresentado na Figura 14, dos fatores que estão relacionados com ponderações das 
condições dos pavimentos. 
 
 
Figura 14 – Parâmetros necessários para análise de pavimentos (Adaptado de Pearson, 2012). 
 
P
ES
Q
U
IS
A
 E
M
 R
EG
IS
TR
O
S Análise do banco de
dados e histórico de
construção, considera-
ções de projeto, espe-
cificações, métodos, re-
sultados de ensaios e
histórico de manuten-
ção. Registro de clima e
tráfego. IN
SP
EÇ
Ã
O
 D
O
 L
O
C
A
L O local deve ser visitado
e as condições dos
pavimentos registradas
por inspeção visual. Isso
deve incluir um exame
das condições existen-
tes, tanto de drenagem
quanto das estruturas
do local. Evidências dos
efeitos adversos devem
ser paltadas.
A
M
O
ST
R
A
G
EM
 E
 T
ES
TE A necessidade de testes
físicos e análises de ma-
teriais serão baseados
nas descobertas feitas
na inspeção do local, na
pesquisa de registros e
no tipo de avaliação.
Está etapa têm como
objetivo fornecer infor-
mações sobre a espes-
sura, qualidade e con-
dições gerais do pavi-
mento.
63 
 
Pigozzi et al. (2014), fala do desenvolvimento de novas ferramentas e metodologias, 
ágeis e fáceis de manipular para análises das estruturas das pistas de circulação e pouso e 
decolagem, e quão necessárias são para aeroporto regionais e sazonais, que geralmente são 
confrontados com baixa disponibilidade de recursos econômicos. Outra questão levantada pelo 
mesmo autor diz respeito ao aumento da demanda e o tamanho das novas aeronaves que vem 
sendo utilizadas, que justificam a preocupação com análise do desempenho dos pavimentos e 
da elaboração de modelos de previsão mais precisos e úteis para implementação no SGPA. 
Segundo a FAA (2016), cada aeroporto pode e deve utilizar projetos e desenvolver 
programas específicos, principalmente para grandes esquemas de manutenção, contando com a 
direção de um engenheiro especialista em pavimentos. O gerenciamento para ser considerado 
eficaz ele requer tomada de decisão em dois níveis: rede e projeto. O gerenciamento a nível de 
rede pode incluir todos os pavimentos de um aeroporto ou todos os pavimentos do sistema de 
aeroportos do estado. A nível de projeto o gerenciamento é direcionado a um ativo facilmente 
identificável da rede de pavimentos com uma função distinta, pode ser um pavimento de 
aeródromo, uma pista individual, taxiway ou pátio, como um projeto separado e precisa de 
informações mais detalhadas, análises exaustivas, de modo a definir com rigor cada projeto 
(FAA, 2016; ANAC, 2017). 
A ANAC (2017), estabelece os módulos que integram um SGPA, como mostra a Figura 
15. Em que os trabalhos desenvolvidos pela manutenção devem priorizar a qualidade, 
diminuição de congestionamentos e a minimização dos custos (MASCIO e MORETTI, 2019). 
Com a observação do processo de deterioração progressivamente avançando, as agências 
responsáveis pela gestão de pavimentos começaram a mudar sua ênfase da construção de novos 
pavimentos para a manutenção e reabilitação (M&R) dos já existentes (GENDREAU; 
SORIANO, 1998). 
 
64Figura 15 – Estrutura de planejamento de um SGPA (Adaptado de ANAC, 2017) 
 
Quando se pretende lançar uma proposta de SGPA, um dos primeiros requisitos a 
analisar-se é a viabilidade econômica a curto e longo prazo e elaborar uma lista de objetivos a 
serem traçados com base nesta limitação orçamentária (BUTT et al., 1994). Gendreau e Soriano 
(1998) colocam que essa tarefa se torna ainda mais dispendiosa pelo fato de os pavimentos 
estarem sendo expostos a crescimentos contínuos de pesos e volumes de tráfego, o que está 
acelerando sua deterioração, já que o setor aéreo tem crescido numa proporção mais acelerada. 
 A ideia de melhoramento desses sistemas como relata Chen et al. (2012) em sua 
pesquisa de desenvolvimento de um SGPA para o aeroporto de Xangai, está em ajudar as 
autoridades da área na escolha e implementação mais condizente do trabalho de manutenção e 
restauração de determinado pavimento. 
Di Mascio e Moretti (2019), elencam os principais benefícios do desenvolvimento de 
um sistema de gestão de pavimentos no aeroporto, são eles: 
 Construir um banco de dados organizado, para armazenar informações sobre o 
pavimento que podem facilmente serem consultadas; 
 Promover o monitoramento dos sistemas de pavimentos e acompanhar de forma 
sistemática e objetiva de suas condições; 
 Capacidade de previsão de degradação, identificando quando e como intervenções 
de manutenção e restauração devem ser realizadas e definir relações de 
custo/benefício na realização de novas obras; 
65 
 
 Poder selecionar e otimizar os projetos de manutenção e restauração a serem 
implementadas levando em conta os recursos alocados; 
 Permitir documentar e identificar as necessidades quanto a intervenções, cooperando 
com o pedido de dotações orçamentarias; 
 Obter maior flexibilidade e adaptabilidade quanto a mudanças orçamentarias e de 
recursos humanos. 
 
2.3.1 Planejamento da manutenção 
Em qualquer programação, é indispensável o conceito de manutenção, uma vez que a 
manutenção é necessária para o funcionamento do ativo, porque a eficiência e a qualidade são 
reduzidas com o tempo, e isso representa uma maior frequência de ocorrência das falhas, 
prejudicando o andamento e aumentando os custos com a manutenção (XH. MEHMETI et 
al.,2018). Ashford et al. (2015) coloca que as operações de pista devem garantir uma troca 
segura das ações em solo em todo o projeto de transporte aéreo. Em consideração a esta 
afirmativa, entra novamente a importância da disponibilidade e confiabilidade dos ativos, que 
recai no conceito da Manutenção Centrada na Confiabilidade (RCM - Reliability Centered 
Maintenance), que segundo Siqueira (2009) tem origens na indústria aeronáutica e se aplica em 
setores que tem a necessidade de manter seus padrões de funcionamento nos processos 
desenvolvidos. 
Ainda pelo mesmo autor, as particularidades da RCM é propor a seleção de atividades 
de manutenção que sejam estruturadas em uma sequência de passos bem definidos, que tenham 
implementação de novas técnicas no tratamento de falhas. Dentro deste campo metodológico, 
vieram as pesquisas na área de confiabilidade. De forma geral, confiabilidade pode ser definida 
como a ação bem-sucedida de um item ou unidade, desde que dentro dos padrões de operação 
já estabelecidos (BRANCO FILHO, 2006). Segundo Chen (1994), para construir um 
diagnóstico de confiabilidade deve-se basear na teoria da probabilidade, onde a probabilidade 
de sobrevivência de um sistema é expressa em termos da informação estatística de seus 
subsistemas. 
Essa metodologia foi idealizada dentro do ambiente da aviação civil, possibilitando o 
desenvolvimento de planos de manutenção preventiva com foco na segurança. Sua primeira 
aplicação foi sobre os equipamentos que constituíam o Boeing 747, e com o tempo, a FAA 
passou a adotar as mesmas medidas, que garantia a confiabilidade inerente dos ativos a um 
custo reduzida (MATTESON, 1985). Segundo Siqueira (2009) o ponto central desta filosofia é 
a estratégia efetiva de manutenção concentrada em evitar ou diminuir as consequências 
66 
 
resultantes das falhas. A RCM tem preferência a atender as necessidades do processo. De 
acordo com Verhagen e Boer (2018), a análise de confiabilidade pode ajudar a localizar e 
planejar os acontecimentos que irão carecer de manutenção, onde por meio destas abordagens 
o comportamento em termos de confiabilidade é simples e de lógica binária: um ativo funciona 
ou não. 
Durante anos, a “curva banheira” foi utilizada para construção dos procedimentos de 
manutenção, em que expõe que a maioria dos equipamentos tem sua probabilidade de falha 
associada a idade: possui uma taxa de falhas inicial mais alta, em seguida entra no período de 
vida útil com taxa de falhas constantes, e com o desgaste, as taxas de falhas começam a 
aumentar. Todavia, é possível verificar na Figura 16, que apenas 4% dos ativos possui esse tipo 
de comportamento (MATTESON, 1985). 
 
 
Figura 16 – Relação entre a confiabilidade e a idade do equipamento (Adaptado de Matteson, 1985) 
 
Desta forma, podemos separa duas manutenções: a tradicional, e a RCM. No Quadro 8, 
é possível visualizar algumas diferenças principais em ambas, de acordo com Siqueira (2009). 
 
Manutenção Tradicional RCM 
Foco Equipamento Função 
Objetivo Manter o equipamento Preservar a função 
Atividades O que pode ser feito O que deve ser feito 
Dados Pouca ênfase Muita ênfase 
Documentação Reduzida Obrigatória e Sistemática 
Metodologia Empírica Estruturada 
Combate Deterioração do equipamento Consequência das falhas 
Priorização Inexistente Por função 
Quadro 8 – Diferenças entre a Manutenção Tradicional e a Manutenção Centrada na Confiabilidade (Adaptado de 
Siqueira, 2009) 
67 
 
 
De acordo com DEPARTMENT OF DEFENCE (2020) a manutenção preventiva de 
pavimentos aeroportuários, são efetuadas quando pequenos defeitos são identificados, 
garantindo com que problemas maiores com segurança e desempenho funcional das pistas 
ocorram e exijam interrupções mais longas das operações. A Figura 17 mostra como após um 
período de uso, a condição do estado tende a cair e como ele se comporta a partir das 
manutenções preventivas executadas. 
 
 
Figura 17 – Desempenho do pavimento a partir das manutenções (Adaptada de DEPARTMENT OF DEFENCE, 
2020) 
 
Gupta e Mishra (2018), resumem as etapas da RCM em cinco etapas, onde a primeira 
irá tratar da seleção do sistema e do subsistema. A segunda etapa, de grande importância, é a 
identificação do componente crítico, que tem influência direta na confiabilidade do sistema. O 
terceiro estágio é o modo de falha e a análise de efeito (FMEA - Failure mode and effect 
analysis), o que pode ajudar a evitar as causas de falhas críticas. Por fim, segue a seleção de 
estratégias para implementação da manutenção ideal, caracterizando a quarta etapa, que precede 
uma análise de custo no final. 
O FMEA tem origem na indústria aeroespacial e de defesa, posteriormente 
implementado para as mais diversas áreas de serviços, e produtos. Basicamente, esse método é 
utilizado pra minimizar riscos, sendo capaz, através da sua aplicação, de identificar as ações 
que são necessárias para evitar que as falhas cheguem ao cliente. Ben-Daya (2009) coloca como 
função do FMEA: 
1. Identificar e reconhecer falhas potenciais, incluindo suas causas e efeitos; 
68 
 
2. Avaliar e priorizar os modos de falha identificados; e 
3. Identificar e sugerir ações que podem eliminar ou reduzir a chance de ocorrência de 
falhas potenciais. 
Para conseguir desenvolver cada um desses itens, cada modo e efeito de falha é 
classificado em cada um desses três fatores: Severidade (S) – consequência da falha quando ela 
ocorre; Ocorrência (O) - frequência de ocorrência da falha; e Detecção (D) - probabilidade da 
falha ser detectada antes do cliente ser atingido pelo efeito da falha. Em seguida, esses mesmosindicadores combinam-se em um índice chamado de Número de Prioridade de Risco (NPR), 
que consiste de uma multiplicação simples: RPN = S x O x D (BEN-DAYA, 2009). 
Para etapa de seleção de estratégia, a partir das características dos modos de falhas e 
suas consequências ao sistema, é preciso conhecer cada um dos tipos de manutenção que podem 
ser utilizadas, Viana (2020) descreve as seguintes estratégias: 
 Manutenção Preventiva Sistemática: Ocorre quando as atividades são executadas 
em períodos de tempo predeterminadas, capaz de identificar falhas potenciais e 
tratá-las. Para esse cenário acontecer é preciso investir em inspeções e avaliar o 
comportamento do ativo ao longo do tempo. 
 Manutenção Preventiva sob Condição: As ações são resultados de observação do 
estado do ativo, elas dependem da condição, que pode ser acompanhada de três 
formas: através da (1) Inspeção Sensitiva, em que o acompanhamento é subjetivo, 
contando principalmente com a visão, audição, tato e olfato, juntamente com 
ferramentas simples que auxiliem nesse processo; (2) Inspeção Preditiva, 
caracterizada pelo acompanhamento através de medições de ensaios não 
destrutivos; e (3) Acompanhamento por Telemetria, é o monitoramento continuo 
do ativo, contando com dados reais, capazes de detectar falhas ocultas. 
 Manutenção Corretiva Emergencial: Toda manutenção corretiva é realizada após a 
ocorrência de uma falha, quando ela tem caráter emergencial significa que a 
situação não pode esperar, ela deve ser imediata, com soluções implementadas em 
curto prazo. 
 Manutenção Corretiva Planejada: Ocorre quando se tem conhecimento prévio da 
falha, porém com impossibilidade de resolução imediata, ela é programada devido 
a sua complexidade ou pela pane tomar grandes proporções. 
Nos pavimentos, algumas ações tem caráter corretivo e acorrem logo após a falha 
estrutural ter acontecido, tornando muitas vezes as pistas impedidas de realizar operações com 
aeronaves, o DEPARTMENT OF DEFENCE (2020) relata que essas situações, além de 
69 
 
interromper os voos, resultam em um maior orçamento e requerem mais tempo em seus reparos. 
Para evitar esses constrangimentos, os aeroportos devem trabalhar com inspeções de rotina e 
manutenções preventivas, com exceção dos danos causados por desastres fora de controle. 
No RCM, a seleção do tipo de manutenção a ser implementado, conta com um diagrama 
de decisão, que permite de forma lógica, a partir de três questões, indicar para cada modo de 
falha o melhor tipo de manutenção a ser trabalhada. Smith (2004) sugere a utilização de dois 
diagramas: o primeiro para identificação do tipo de falha (Figura 18) e o segundo para seleção 
de tarefas (Figura 19). Esses dois diagramas atendem os objetivos propostos pela manutenção 
centrada na confiabilidade. 
 
 
Figura 18 – Árvore lógica de decisão (Adaptada de Smith, 2004) 
 
70 
 
 
Figura 19 – Diagrama de seleção de tarefas (adaptada de Smith, 2004) 
 
2.3.2 Técnicas de manutenção e restauração de pavimentos 
Diversas formas de avaliação das condições do pavimento foram levantadas 
anteriormente, cada uma responsável por responder a uma investigação especifica do 
pavimento, seja estrutural ou funcional. Para o engenheiro responsável, ter uma compressão 
dos tipos de defeitos do pavimento é essencial na tomada de decisão, bem como ser capaz de 
identificar quando uma falha é ou não progressiva e quais efeitos ela provoca ao sistema 
(DEPARTMENT OF DEFENCE, 2020). Haslett, Dave e Mo (2019) explica, no gráfico da 
Figura 20, as implicações de uma escolha errada do momento de efetuar correções em um 
pavimento. 
 
71 
 
 
Figura 20 – Gastos com a preservação do pavimento durante seu ciclo de vida (Adaptada de Haslett, Dave e Mo, 
2019) 
 
A condição do pavimento é estável por um determinado período de tempo, mas em 
seguida ela tende a sofrer uma progressiva perda de qualidade que pode aumentar o valor da 
intervenção em 6 ou 10 vezes. O DEPARTMENT OF DEFENCE (2020) também ressalta a 
importância de tratar a falha e a causa da falha, garantindo assim que não haja o surgimento de 
novos problemas no ativo. A FAA (2014) relata que mesmo que determinadas causas não 
possam ser tratadas por completo, como a exposições a condições adversas do meio ambiente, 
um programa de manutenção eficaz e bem estabelecido no período adequado, pode minimizar 
os níveis de degradação da estrutura, e embora, não supere uma inadequação de projeto ou 
construção, a manutenção pode prevenir a ocorrência de grandes desastres. 
O aeroporto tem obrigação de estabelecer cronogramas de inspeções de rotina e 
inspeções adicionais, em consequência do mau clima, e aplicar as devidas correções exigidas 
para cada situação (FAA, 2014). Bernucci et al. (2007) indica o tipo de tratamento a ser 
utilizado a partir da finalidade de correção pretendida. Geralmente quando os defeitos são 
funcionais superficiais, é comum utilizar os seguintes tipos de revestimento: 
 Para selagem de trincas e rejuvenescimento do pavimento utiliza-se a lama asfáltica 
ou tratamento superficial simples ou duplo quando há a necessidade de restauração 
da aderência superficial; 
72 
 
 Em condição de ação abrasiva acentuada do tráfego, é preferível a aplicação de 
microrrevestimento asfáltico a frio ou a quente para selagem de trincas e restauração 
da aderência superficial; 
 Quando o defeito está relacionado a irregularidade longitudinal o ideal é utilizar o 
concreto asfáltico; 
 Quando as condições de atrito e o escoamento não estiverem bons, a aplicação de 
mistura do tipo camada porosa de atrito é uma opção; 
 Tratamentos por selagem são viáveis no retardamento da evolução de trincas isoladas 
no revestimento. 
Em situações que o problema tem origem estrutural ou há a intenção de reforçar a 
estrutura devido ao aumento do tráfego, as alternativas são de recapeamento e/ou reciclagem 
da camada existente. Para recapeamento é comum a utilização de concreto asfáltico, matriz 
pétrea asfáltica (SMA - Stone Matrix Asphalt), misturas descontínuas e o pré-misturado a 
quente, sendo necessário, previamente, a remoção por fresagem quando é preciso reduzir a 
propagação de trincas existentes no revestimento antigo. A reciclagem, por sua vez, funciona 
com a adição de agentes rejuvenescedores, em materiais fresados, e/ou com a aplicação de 
ligantes asfálticos novos, mas também funciona a partir de agregados para correção 
granulométrica: espuma de asfalto ou de emulsões asfálticas e até de cimento Portland 
(BERNUCCI et al., 2007). 
O DEPARTMENT OF DEFENCE (2020) e a FAA (2014), estabelecem soluções e 
tratamentos para problemas específicos de pavimentos flexíveis, alguns dos quais compõem o 
índice PCI, que serão vistos a seguir: 
 Trincas do tipo couro de jacaré: Na presença dessa patologia o mais indicado é a 
remoção e substituição do pavimento danificado, incluindo as camadas de base e/ou 
sub-base se necessário. 
 Exsudação: Pode ser feita a remoção do ligante exsudado por jato de areia ou de ar 
quente, e em casos de exsudação excessiva do pavimento é aconselhado a remoção, 
substituição da camada ou aplicação de um tratamento superficial. 
 Trincas em bloco: O tratamento ideal é através do recapeamento, realizado antes do 
envelhecimento do betume (pois pode levar ao surgimento de outras patologias) e 
antes das bordas sofrerem algum empenamento que facilite a fragmentação do 
material pelo tráfego. Quando não houver recursos financeiros disponíveis, é preciso 
que seja realizado pelo menos algum tratamento ou selagem das fissuras. 
73 
 
 Corrugação: É feita remoção da área e substituição e como tratamento mais 
apropriado indica-se a lama asfáltica e a capa selante. 
 Depressão: Para esse tipo de patologia, algumas considerações devem ser realizadas: 
a) se o subleito estiver sofrendo alterações no teor de umidade, será necessário o 
fornecimentode drenos; b) se o solo for reativo, será necessário pavimentar e selar 
além das bordas do pavimento; c) em pavimentos que possuem já algum tratamento 
superficial (spray seal), as correções podem ser efetuadas com a aplicação de 
material selante ou por uma camada de asfalto dependendo da extensão e gravidade 
do problema e; d) quando o defeito está presente na superfície asfáltica a correção é 
feita com remendos ou por uma camada de asfalto. 
 Erosão por rápida propulsão do jato de aeronaves: É indicado um remendo profundo 
parcial, dependendo da gravidade. 
 Trincas de reflexão, base de concreto: as fissuras podem ser seladas ou em alguns 
casos o mais indicado é a remoção e substituição completa da área afetada. 
 Trincas transversais e longitudinais: O primeiro passo é remover todas as partículas 
soltas de dentro da trinca, e a superfície deve ser seca e livre de contaminantes, 
posteriormente a trinca deve ser selada ou outro tipo de reparo deve ser efetuado. 
 Deterioração por presença de óleo/combustível: Depende da gravidade da 
deterioração. Em alguns casos iniciais a primeira recomendação é a limpeza do local, 
mas também pode ser necessário a aplicação de capa selante e até remoção e 
substituição da camada afetada. 
 Remendo: realizar a remoção e posterior substituição da camada. 
 Agregado polido: Diferentes tratamentos podem ser efetuados: aplicação de lama 
asfáltica, micro revestimento, micro fresagem, e até mesmo a utilização de grooving. 
 Desagregação: Se a intenção é efetuar um reparo permanente o ideal é a remoção e 
substituição da camada comprometida, mas se o reparo for emergencial ou 
temporário é possível aplicar uma capa selante ou lama asfáltica. 
 Afundamento da trilha de roda: Se o problema está na superfície, está deve ser 
removida e substituída por uma mistura de asfalto adequada. Se a resistência da 
camada de base estiver comprometida, a área afetada deve ser removida e substituída 
por asfalto de profundidade adequado ou material estabilizado. 
 Solevamento da camada asfáltica: Se a intenção é efetuar um reparo permanente o 
ideal é a remoção e substituição da camada comprometida, mas se o reparo for 
emergencial ou temporário é possível aplicar uma capa selante ou lama asfáltica. 
74 
 
 Escorregamento: para um período curto é indicado o reparo por remendos com 
emulsão asfáltica, executado temporariamente para evitar derrapagens e outros 
problemas relacionados ao desprendimento de material da pista. Em seguida se faz 
essencial um reparo permanente rigoroso com aplicação de asfalto quente, e todos os 
recursos necessários para garantir que a área com escorregamento seja desligada e 
removida pela fresagem com um perfilador de asfalto. 
 Inchamento: Se a intenção é efetuar um reparo permanente o ideal é a remoção e 
substituição da camada comprometida, mas se o reparo for emergencial ou 
temporário é possível aplicar uma capa selante ou lama asfáltica. 
 Desprendimento: é indicado um tratamento superficial. 
Separando todos esses defeitos por tipo, para indicação de métodos gerais de reparos, é 
possível obter um resumo como o apresentado no Quadro 9 da Florida Department of 
Transportation (2013). 
 
Tipo de defeito Patologia Método de reparo 
Trincas 1.Trincas transversais e 
longitudinais 
2.Trincas em bloco 
3.Trincas de reflexão 
4.Trincas do tipo couro de 
jacaré 
5.Escorregamento 
As trincas podem assumir muitas formas. Em alguns casos, 
o seu preenchimento pode ser a ação corretiva mais 
adequada, outros requerem a remoção completa da área 
afetada. 
Desintegração 1.Desagregação 
2.Desprendimento 
3.Erosão por rápida 
propulsão de jato de 
aeronaves 
4.Remendos 
Se não for impedida em seus estágios iniciais, a 
desintegração pode progredir rapidamente até que o 
pavimento precise ser totalmente reconstruído. Reparos 
permanentes por remendos podem ser realizados. Produtos 
selantes-rejuvenescedores podem ser aplicados para 
retardar a desintegração. A deterioração também pode ser 
impedida pela aplicação selo asfáltico e lama asfáltica. 
Deformação 1.Afundamento da trilha de 
roda 
2.Corrugação 
3.Solevamento da camada 
4.Depressão 
5.Inchamento 
As técnicas de reparo para deformação variam desde o 
nivelamento da superfície, através do preenchimento com 
um novo material até a remoção completa da área afetada e 
a substituição por um novo material. A moagem a frio pode 
ser empregada antes da sobreposição para muitos desses 
problemas. 
Deslizamento 1.Agregado polido 
2.Exsudação 
3.Deterioração por presença 
de contaminante 
O tratamento para perda de resistência à derrapagem inclui 
a remoção do ligando exsudado, recapeamento, construção 
de grooving para melhorar a drenagem da superfície e 
remoção do acúmulo de borracha. 
Quadro 9 – Tipos de metodologias de reparo (Adaptado de Florida Department of Transportation, 2013). 
 
Outro fator que deve ser compreendido a partir das ações de manutenção, é o acúmulo 
de contaminantes, principalmente ao que se refere a borracha presente na pista, resultante das 
operações. Segundo a FAA (2020), é de responsabilidade do operador de aeródromo a remoção 
do acúmulo de borracha, Oliveira (2008), relata que com o aumento de voos e a adesão ao setor 
75 
 
de aeronaves de grande porte, a preocupação com a segurança e o monitoramento da textura 
tornaram-se ainda mais cruciais, uma vez que essas atividades são capazes de garantir a 
resistência necessária para evitar acidentes e incidentes relacionados a derrapagens ou perda de 
contato pneu-pavimento. 
 
2.4 REDES NEURAIS ARTIFICIAIS (RNA) 
A Inteligência Artificial (IA), apesar de ser empregada em diferentes campos de estudos, 
ela é uma área da ciência da computação dedicada ao desenvolvimento de softwares 
sofisticados, que desempenham funções extremamente complexas utilizando métodos e 
ferramentas que trabalham com o raciocínio lógico e indutivo para resolução de problemas. 
Dentro dessa área, existem duas categorias principais, responsáveis pelo desenvolvimento da 
IA: O primeiro inclui os métodos que simulam a experiência humana e tiram conclusões de um 
conjunto de regras, como os sistemas especialistas; e o segundo consiste na modelagem de 
estruturas similares ao cérebro humano, como as RNAs (AGATONOVIC-KUSTRIN; 
BERESFORD, 2000). 
Ceylan, Bayrak e Gopalakrishnan (2014), apresentam pesquisas na área de pavimentos 
que fizeram uso da metodologia RNA, seja para previsão, elaboração de estratégias de 
manutenção ou avaliação das condições, já que esse método se mostra aplicável a uma série de 
problemas complexo, que podem ser solucionados com modelos robustos, não lineares e 
inteligentes. O processamento das informações em redes neurais utiliza formas não tradicionais 
com capacidade para classificar e reconhecer padrões, funcionando de forma similar ao cérebro 
humano, com neurônios interconectados que trabalham em harmonia para analisar e resolver 
as mais diversas questões. 
Mesmo essa técnica tendo ganhado popularidade nos últimos anos, desde a década de 
40 e 50 ela vem sendo trabalhada, sempre buscando similaridade com os fundamentos 
biológicos, buscando processar as informações da mesma forma que os neurônios humanos. De 
acordo com Agatonovic-Kustrin e Beresford (2000), um cérebro médio contém cerca de 100 
bilhões de neurônios, cada um dos quais com 1.000 a 10.000 conexões com outros neurônios. 
Na estrutura do sistema nervoso, o axônio é responsável por transmitir sinais elétricos de um 
neurônio para outro. Esses sinais são caracterizados por substancias químicas, que no cérebro, 
entram pelos dendritos, aumentando ou reduzindo o potencial elétrico do corpo da célula. 
Assim, temos que o neurônio, vai ligar ou desligar se essa entrada for maior que um limiar 
(MCCULLOCH; PITTS, 1943). A Figura 21 apresenta uma rede neural biológica que 
exemplifica o processo de transmissão deinformação do cérebro. 
76 
 
 
 
Figura 21 – Estrutura de um neurônio biológico (Adaptada de ZOU; HAN; SO, 2008) 
 
Diferente de outros métodos, como a regressão linear, as RNA’s aprendem com 
exemplos e capturam relacionamentos, até os mais discretos, entre os dados estudados 
(ZHANG; PATUWO; HU, 1998). Basicamente, as redes neurais funcionam a partir de uma 
camada de entrada, saída e diversas camadas ocultas no sistema, no qual operações complexas 
e não lineares serão desenvolvidas, conforme mostrado na Figura 22. Os neurônios estão 
contidos nestas camadas conectados um com o outro através de nós. Essas conexões possuem 
pesos iniciais que vão passar por processos de treinamento (RAJU et al., 2011; ABDELAZIZ 
et al., 2018). 
 
 
Figura 22 – Configuração da estrutura de uma RNA (Adaptada de RAJU et al., 2011). 
 
Schmidhuber (2015) explica que uma RNA padrão é constituída de vários processadores 
simples que estão conectados através de neurônios, quando uma função de ativação entra nessa 
rede, as informações são ponderadamente conectadas, e alguns desses nós podem influenciar o 
ambiente desencadeando ações. Desta forma, temos que o aprendizado consiste na 
determinação dos pesos que caracterizam a estrutura fazendo a mesma se comportar como 
esperado. 
77 
 
Matematicamente, o modelo pode ser expresso como na Equação 11, em que existe uma 
soma ponderada entre os valores de entrada, que quando excede um valor limite do neurônio, 
ativa e passa o sinal pro neurônio vizinho (ZOU; HAN; SO, 2008). 
 
𝑦 = 𝑓 (∑ 𝑤𝑖𝑥𝑖
𝑛
𝑖=0
− 𝑇) (11) 
 
Em que: 
y: Valor de saída do nó; 
f: Função de ativação; 
wi: Peso associado a entrada xi; 
T: Valor limite. 
 
Cada problema, em função de sua complexidade, pode demandar um esforço 
computacional maior, e uma estrutura que vai de simples a extremamente complexa, muitas 
vezes exigindo formas não lineares (SCHMIDHUBER, 2015). Logo, temos que a função de 
ativação pode assumir várias formas, dependendo de cada problema. A rede neural mais simples 
de ser trabalhada e que melhor explica o funcionamento matemático de uma RNA é o modelo 
perceptron de uma camada, utilizando a função de ativação step function ou função degrau 
(ZOU; HAN; SO, 2008) expressa na Equação 12. 
 
y = 
1 … 𝑠𝑒 ∑ 𝑤𝑖𝑥𝑖
𝑛
𝑖=0
> 𝑇 
(12) 
0 … 𝑠𝑒 ∑ 𝑤𝑖𝑥𝑖
𝑛
𝑖=0
< 𝑇 
 
Um exemplo capaz de melhorar o entendimento está exposto na Figura 23. Temas na 
camada de entrada três neurônios: x1 = 1; x2 = 6; e x3 = 4. O peso referente a cada ligação é: w1 
= 0,8; w2 = 0,1; e w3 = 0. Aplicando o somatório das multiplicações entre as variáveis de entrada 
e seus respectivos pesos, obtemos o valor de 1,4. Definindo T = 0, de forma que se o valor de 
saída for maior que “T” o resultado é 1 (ativa), e se for menor o resultado é 0 (não ativa). A 
partir da utilização da Equação 12, temos que o neurônio será ativado, pois o resultado foi maior 
que zero, portanto, o valor de saída é 1 quando utilizando a step function. 
 
78 
 
 
Figura 23 – Exemplo de um modelo perceptron de uma camada (Adaptada de AGATONOVIC-KUSTRIN; 
BERESFORD, 2000) 
 
De forma gráfica podemos representar a função degrau, como na Figura 24, podendo ter 
sempre duas possibilidades para os valores de saída, de acordo com cada problema. Outra 
função frequentemente utilizada é a sigmóide, pois tanto a função, como a sua derivada 
apresentam forma contínua (Figura 24). 
 
 
Figura 24 – Funções de ativação (Adaptada de ZOU; HAN; SO, 2008). 
 
As redes também podem possuir dois tipos de estruturas: rede feedforward e rede de 
feedback. A feedforward é aquela em que o sinal viaja em apenas um sentido, como o exemplo 
da rede perceptron mostrada anteriormente, ou seja, há uma entrada associada a uma saída, 
sendo considerada uma estrutura estática. A rede feedback, por sua vez, ele muda em ciclos até 
atingir um equilíbrio, podendo uma entrada está associada a várias saídas, configurando uma 
estrutura dinâmica (AGATONOVIC-KUSTRIN; BERESFORD, 2000; ZOU; HAN; SO, 
79 
 
2008). Agatonovic-Kustrin e Beresford (2000), também falam da importância em saber 
diferenciar os conceitos de arranjo da rede, e os algoritmos utilizados no cálculo 
Quanto a determinação do número de neurônios presente em cada camada, esses são 
normalmente definidos através da intuição e otimizados por meio de certos experimentos, ou é 
possível recorrer a métodos capazes de projetar a estrutura da rede (ZOU; HAN; SO, 2008). 
Porém, temos que a grande peculiaridade das RNAs é o seu processo de aprendizagem para 
treinamento da rede. A rede aprende por meio de um ambiente iterativo com o ajuste de pesos 
de wi entre um neurônio e outro, utilizando um algoritmo de aprendizagem, podendo ser 
classificada em duas categorias principais (AGATONOVIC-KUSTRIN; BERESFORD, 2000; 
ZOU; HAN; SO, 2008): 
 Aprendizado Supervisionado: Ocorre quando são fornecidos, por um supervisor 
(professor), os valores de entrada e saída corretos da rede, e os pesos são ajustados 
de forma a minimizar o erro, identificando a ligação entre entrada e saída. Portanto, 
um conjunto significativo de dados para treinamento deve ser empregado, assim, 
quando a rede passa a liberar os resultados de saídas desejado e os pesos fixados, 
ela é finalmente posta em operação. Segundo Schmidhuber (2015), existe um caso 
especial de aprendizado supervisionado, conhecido como Reforço, em que a saída 
desejada exata não é conhecida, sendo esse valor julgado por um crítico externo. 
 Aprendizado Não Supervisionado: É um contraste do aprendizado supervisionado, 
em que não há o fornecimento dos valores de saída de um conjunto de dados de 
treinamento. A própria rede é responsável por descobrir um padrão ou tendência a 
partir dos dados de entrada. 
Para realizar o treinamento existem algumas regras para determinação de como os pesos 
entre as conexões são modificados. A regra mais usada é a regra Delta ou regra Back-
propagation, em que a otimização dos pesos é feita com a propagação para trás do erro na fase 
de treinamento. O modelo lê os dados de entrada e saída e faz atualizações dos pesos na busca 
de minimizar o erro, que através de muitos ciclos de treinamento, consegue obter a precisão nos 
resultados (AGATONOVIC-KUSTRIN; BERESFORD, 2000). Por meio das RNA’s, 
utilizando modelos relativamente simples, de uma ou duas camadas, já é possível desenvolver 
problemas de regressão linear, classificação, máquinas de vetores, regressão logística e até 
fatoração com matrizes, sendo importante observar que dessas arquiteturas básicas é que 
surgem os modelos mais complexos e criativos (AGGARWAL, 2018). 
Existem algumas configurações que podem ser empregadas para melhorar o algoritmo, 
Goodfellow, Bengio e Courville (2016) chamam de hiperparâmetros, como o tipo de função de 
80 
 
ativação, o número de camadas ocultas, número de vezes em que a rede é treinada, entre outros, 
que quando modificados permitem que o modelo tenha um desempenho melhor. Segundo 
Claesen e Moor (2015), a escolha dos hiperparâmetros interferem diretamente no resultado, 
podendo maximizar a utilidade da abordagem de aprendizado. Podemos explorar melhor a 
importância desse conceito, em casos que o modelo sofre de Underfitting, ou Overfitting. Um 
overfitting ocorre quando uma rede passa por um processo de treino com um desempenho tão 
alto, que ela acaba repetindo as mesmas regras e formato de solução dos dados de treino, nos 
dados de teste. No Underfitting o desempenho do modelo enfrenta dificuldades já no processo 
de treinamento da rede, podendo já ser descartado logo no início do desenvolvimento da 
estrutura. Para controle de ambas as situações, muitas vezes se utiliza os hiperparâmetros, para 
controlar essa compensação. 
Com o surgimento da IA, variadas estruturas de aprendizado de máquinas passaram a 
ser desenvolvidas,principalmente as com código fonte aberto, em que os frameworks são 
licenciados e disponibilizados, normalmente essas bibliotecas fornecem os recursos necessários 
para implementação de algoritmos capazes de estruturar o problema da RNA (KOCHURA et 
al., 2017). De acordo com Tokui et al. (2015), a execução de um framework consiste de duas 
fases: Define (Definir), e Run (Executar). A fase Define consiste na definição do modelo e na 
especificação das relações entre camadas, pesos iniciais e funções de ativação. Na fase Run, 
dado um conjunto de dados de treinamento, o modelo é treinado minimizando a função de perda 
usando algoritmos de otimização, no caso, o gradiente descendente. 
Uma biblioteca de aprendizado profundo de código aberto, que utiliza o mesmo 
paradigma contado anteriormente, é o TensorFlow, lançado pela Google. McClure (2017) 
apresenta um passo a passo para implementação dos algoritmos de aprendizado de máquina 
usando o TensorFlow (Figura 25). 
 
81 
 
 
Figura 25 - Fluxo geral dos algoritmos do TensorFlow (Adaptada de McClure, 2017). 
 
2.5 CENÁRIOS PARA ANÁLISE DE DECISÃO MULTICRITÉRIO 
O desenvolvimento de cenários é uma ferramenta que auxilia na tomada de decisões, 
pois cria situações futuras que ajudam a esclarecer incertezas e propiciam a adesão de 
alternativas estratégicas de como lidar com os diversos eventos que podem ou não acontecer 
(MONTIBELLER; GUMMER; TUMIDEI, 2006). Em contrapartida, a análise multicritério de 
apoio à decisão (MCDA), complementa essa metodologia com a capacidade de quantificar o 
desempenho das opções dentro do contexto apresentado nos cenários criados, além de evitar 
uma possível negligência quanto alguma preocupação ou interesse importante (critério) 
(GOODWIN; WRIGHT, 2001; BELTON; STEWART, 2002). Essas duas metodologias 
conseguem desempenhar funções complementares, fazendo com que sua utilização seja 
apontada como uma ferramenta poderosa na tomada de decisões estratégicas 
(MONTIBELLER; GUMMER; TUMIDEI, 2006). Na análise de decisão o uso de cenários 
associa incertezas futuras, útil a metodologia MCDA por fornecer um contexto visual quanto 
as ações tomadas (STEWART; FRENCH; RIOS, 2013). 
É importante esclarecer que, de acordo com Goodwin e Wright (2001), quando uma 
organização conta com uma diversidade de objetivos, há um grande risco de que más decisões 
sejam tomadas por não contar com um método bem formulado e estruturado. Para facilitar a 
inclusão de diversas informações quantitativas e qualitativas no processo de decisão, e 
proporcionar um entendimento compartilhado nas discussões e análises, o Planejamento de 
82 
 
Cenários (PC) tem se inserido nas áreas de negócios, governo e planejamento (PETERSON; 
CUMMING; CARPENTER, 2003). A ideia geral dessa metodologia é considerar uma gama de 
futuros possíveis. Essa abordagem nasceu da necessidade de criar previsões precisas em estudos 
desenvolvidos inicialmente por Herbert Kahn, e posteriormente pela SRI International e a Shell 
Oil (MAY, 1996). Em sua definição mais empregada, entende-se por cenário: como a 
continuação esperada para uma condição atual até o ano-horizonte (GOODWIN; WRIGHT, 
2001). É condicional, desta forma, eles podem ou não acontecer. O PC, como proposto por 
Peterson, Cumming e Carpenter (2003), pode ser construído em cima de seis estágios 
demonstrados no fluxograma da Figura 26. 
 
 
Figura 26 – Estágios do Planejamento de Cenários (Adaptada de PETERSON; CUMMING; 
CARPENTER, 2003). 
 
De acordo com Belton e Stewart (2002), o interesse aqui não está em modelar 
detalhadamente a probabilidade de ocorrência de diferentes cenários, mas sim em avaliar ações 
alternativas dentro de cada um desses contextos. O foco, nesse caso, está em definir as melhores 
estratégias em uma variedade de futuros possíveis, que quando integrada ao MCDA consegue 
obter excelentes resultados. As integrações a partir da análise de decisão com múltiplos critérios 
podem ser diversas, o que faz deste tópico extremamente importante. Ainda pelos mesmos 
autores, o contexto de tomada de decisão está relacionado com um padrão de escolha que sugere 
que determinada alternativa poderia ser mais desejada que outra, sendo a função desta 
ferramenta unicamente de auxiliar no processo decisório, afinal, existem vários critérios para 
83 
 
julgar as alternativas e não há alternativa que supere todas as outras sob cada um dos critérios 
de desempenho. 
Lootsma (1999) data o surgimento da Análise de Decisão Multicritério do início da 
década de 70 enquadrado no ramo da Pesquisa Operacional e projetado, usualmente, para 
desempenhar três funções: designar uma alternativa preferida, classificar as alternativas em um 
pequeno número de categorias ou classificar as alternativas em uma ordem subjetiva de 
preferência. Buscando apoiar tais tentativas, diferentes abordagens foram propostas dentro do 
campo de estudo MCDA: 
a) Abordagem descritiva: apresenta como os tomadores de decisão se comportam 
quando confrontados no julgamento com várias alternativas em ângulos 
conflitantes, buscando entender como a metodologia contribui para o processo de 
decisão. 
b) Abordagem normativa: volta-se ao funcionamento do MCDA e o comportamento 
dos decisores, por meio de regras logicas fundamentadas em alguns axiomas do 
processo decisório. Os métodos presentes nessa abordagem são a teoria do valor de 
atributos múltiplos (Multi-attribute value theory - MAVT) e a teoria do utilitário de 
atributos múltiplos (Multi-Attribute Utility Theory - MAUT). No MAVT, o ponto 
chave é a construção de uma função de valor que representa o grau em que as 
alternativas atendem ao objetivo do critério considerado, já no MAUT, se leva em 
consideração uma função de utilidade para quantificar e ordenar as preferências. 
c) Abordagem prescritiva ou clínica: se preocupa em como os tomadores de decisão 
podem melhorar o processo de julgamento e as próprias decisões e como a 
metodologia pode auxiliar esse processo, tendo como elementos principais a 
modelagem, identificação das preferências, procedimentos de agregação e a 
estrutura do sistema de suporte a decisão. 
d) Abordagem construtiva: aponta as preocupações quanto a dependência dos 
resultados frente ao tomador de decisão e o método utilizado, questionado a 
coerência do sistema e a boa ordenação das preferências. Essas premissas são, de 
acordo com Lootsma (1999), um pouco parecidas com as abordagens normativas e 
prescritivas, porém a construtiva defende que o tomador de decisão e um analista 
desenvolvam um modelo relevante em um contexto real. 
Essas abordagens se dividem em duas linhas de estudo: a escola americana, geralmente 
seguindo a abordagem normativa em que o método frequentemente utilizado é o Analytic 
Hierarchy Process ou AHP, caracterizado pela hierarquia de níveis de decisão inter-
84 
 
relacionados. A outra vertente está na escola francesa que segue a abordagem construtiva, como 
exemplo de aplicação estão os métodos ELECTRE, em que o objetivo é selecionar a alternativa 
mais preferida, rankear as alternativas ou classificar as alternativas em grupos. Suas abordagens 
podem ser menos exigentes em termos de fixação de parâmetros, porém os resultados se 
apresentam menos conclusivos em relação à agregação das preferências (LOOTSMA, 1999; 
CLÍMACO; CRAVEIRINHA; GIRÃO-SILVA, 2016). 
Ishizaka e Nemery (2013), ressaltam a dificuldade em escolher o método de análise mais 
apropriado ao problema, devido a infinidade de particularidades em torno de cada um, é difícil 
argumentar que determinado método seja perfeito ou aplicável a todo tipo de problema. Assim, 
uma maneira simples de determinar é examinando as informações de entrada, o esforço de 
modelagem e por fim, analisar os resultados e sua granularidade. O objetivo da análise de 
decisão é explicar o julgamento em função das circunstâncias em que foi submetido e 
recomendar uma decisãoem contextos específicos (GRECO; MATARAZZO; SLOWINSKI, 
2001). Desta forma, a aplicação pode ser resumida em três fases de cordo com Belton e Stewart 
(2002): 
 Identificação e estruturação de problemas; 
 Construção e uso de modelos; e 
 Desenvolvimento de planos de ação. 
De acordo com Ram, Montibeller e Morton (2011), os procedimentos básicos integrados 
as duas metolodogias: PC e MCDA, em linhas gerais, podem ser caracterizados pela formulação 
de um conjunto de cenários S = {s1, ..., sm}; um conjunto de alternativas ou estratégias A = {a1, 
..., an}; e um grupo de critérios C = {c1, ..., cs}. A análise MCDA consiste na obtenção de 
desempenho dada pela Equação 13. 
 
∑ (Vkir×Wir)
j
 (13) 
 
Em que: 
a) Vkir: representa uma medida de desempenho de uma estratégia a1, em um cenário 
s1, em termos de um determinado critério c1; e 
b) Wir: é um peso associado ao critério c1 em um cenário s1. 
As variações relacionadas a metodologia MCDA se diferenciam principalmente na 
construção dos modelos, para calcular o valor do indicador de desempenho das alternativas 
(Vkir), Montibeller, Gummer e Tumidei (2006) descrevem uma abordagem de Goodwin e 
85 
 
Wright (G&W), que por exemplo, utilizam a abordagem mais comum e amplamente utilizada, 
que trabalha a partir de uma função de valor de múltiplos atributos (MAVT), que consiste na 
alocação dos valores de 100 e 0 para as alternativas de melhor e pior desempenho, 
respectivamente, e os outros valores são distribuídos em função desta atribuição. Em resumo, 
as etapas utilizadas por Goodwin e Wright são: 
 Definir um conjunto de n opções estratégicas (ai); 
 Definir um conjunto de m cenários futuros (sj); 
 Cada alternativa de decisão é uma combinação de uma opção estratégica em um 
determinado cenário (ai-sj); 
 Definir uma árvore de valor, que represente os objetivos fundamentais da 
organização; 
 Meça o alcance de cada decisão alternativa ai-sj em cada objetivo da árvore de 
valores usando uma pontuação de 100-0; 
 Elicitar os pesos de cada objetivo na árvore de valores usando a ponderação de 
oscilação (ancorando nas piores e melhores alternativas de decisão); 
 Agregue os desempenhos de cada alternativa de decisão ai-sj usando os pesos 
anexados aos objetivos na árvore de valores, encontrando uma pontuação geral para 
a alternativa de decisão. 
Goodwin e Wright (2014) ainda comentam a possibilidade de utilização dos métodos 
de comparação por pares AHP e MACBETH para classificação das estratégias, porém ressalta 
determinadas incompatibilidades na aplicação. Linares (2002) optou pela utilização do método 
AHP para estabelecer as preferências em cada cenário dentro de estudos em planejamento de 
sistemas de energia, adotando para tanto os seguintes passos: 
 Seleção e caracterização do problema proposto: investigou como se comportaria o 
sistema de tecnologias e combustíveis nos próximos anos. 
 Construção de cenários: este foi definido em função das incertezas e formulado a 
partir de informações externas, no total foram trabalhados quatro cenários. 
 Seleção dos tomadores de decisão e obtenção de suas preferências: um diferencial 
neste estudo, foi a atenção dada a diferentes partes interessadas, de forma, a 
implementar o maior número de visões associadas ao problema. Para obter os pesos 
das preferências, apresentou-se matrizes de payoff, uma para cada cenário, 
construídas com um modelo de expansão de geração clássica de critério único, pelo 
qual foi determinada a combinação ideal de tecnologias e combustíveis de acordo 
com cada um dos cinco critérios considerados. Assim, através de um questionário 
86 
 
os decisores avaliaram os critérios par a par para cada cenário, como proposto no 
método AHP. Outra questão neste estudo foi obter uma resposta de consenso, obtida 
pela média aritmética ponderada. 
 Geração de estratégias eficientes em cada cenário: A partir dos resultados da etapa 
anterior, introduzidos no modelo de otimização de múltiplos critérios, obteve-se as 
soluções mais eficientes em cada cenário. 
 Seleção de estratégias robustas: Para obter uma estratégia robusta geral dentro dos 
cenários, foi avaliado as estratégias ideais para cada cenário, para cada conjunto de 
preferências e para obter a estratégia geral mais viável - selecionou-se a estratégia 
que minimizava o arrependimento em todos os cenários. 
Harris-Lovett, Lienert e Sedlak (2019), por sua vez, utilizaram o método Swing na 
elicitação dos pesos. Os autores realizaram entrevistas e investigaram as preferências 
relacionadas a cenários voltados ao planejamento ambiental regional através da atribuição de 
pontos a cada um dos critérios, realizando as considerações e diretrizes do método presente em 
Belton e Stewart (2002). 
 
2.6 REVISÃO SISTEMÁTICA DE MODELOS DE AVALIAÇÃO DE PAVIMENTOS 
AEROPORTUÁRIOS 
Esta seção descreve a revisão sistemática (RS) utilizada nesse trabalho para identificar 
pesquisas e contribuições relevantes sobre a aplicação de métodos de avaliação das condições 
de pavimentos aeroportuários. As publicações aqui estudadas fazem parte do artigo de revisão 
realizado por Moura et al. (2020), publicado na revista International Journal of Pavement 
Research and Technology, que trabalhou com uma estratégia de busca estruturada dedicada a 
capturar e sintetizar pesquisas científicas das bases da Scopus e Web of Science. O intuito é 
analisar e verificar possíveis lacunas para direcionar e oferecer respaldo nos resultados desta 
dissertação. 
 
2.6.1 Protocolo da revisão 
A revisão utilizada identifica e analisa métodos, técnicas e variáveis existentes para 
elaboração de modelos de avaliação usados na determinação de ações de manutenção em 
pavimentos aeroportuários. Os termos de buscas empregados são apresentados no Quadro 10. 
 
 
 
87 
 
Termos de busca 
Airport Pavement 
+ 
Deterioration; Condition; Degradation 
+ 
Prediction; Forecasting 
Runway 
+ 
Deterioration; Condition; Degradation 
+ 
Evaluation; Management; Maintenance 
Quadro 10 – Termos de buscas (Adaptado de MOURA et al., 2020). 
 
As buscas foram feitas nos títulos, resumos e palavras-chave de artigos de periódicos 
científicos, conferências da área e outros meios que trabalhem com revisão por pares. Os 
critérios de inclusão e exclusão das pesquisas foram: 
 
Critérios de inclusão: 
a) Serão incluídos trabalhos publicados e disponíveis integralmente em bases de dados 
científicas ou em versões impressas. 
b) Serão incluídos os trabalhos que abordarem métodos, técnicas e descrevam as 
variáveis para elaboração de modelos de avaliação ou previsão das condições 
(desempenho ou degradação) de pavimentos. 
c) Devem ser trabalhos que possuam aprovação pela comunidade científica. 
 
Critérios de exclusão: 
a) Serão desconsiderados trabalhos que não estejam disponíveis integralmente nas 
bases de dados pesquisadas. 
b) Serão excluídos trabalhos publicados como artigos curtos ou pôsteres. 
c) Serão excluídos trabalhos que não tratem de pavimentos aeroportuários. 
 
Uma visão geral do protocolo adotado, é apresentado na Figura 27. 
 
88 
 
 
Figura 27 – Fases da revisão sistemática (Adaptada de MOURA et al., 2020). 
 
2.6.2 Análise dos trabalhos relacionados 
No artigo, é possível identificar alguns trabalhos direcionados ao planejamento e 
elaboração de estratégias de manutenção em pavimentos aeroportuários, concentrados 
principalmente em modelos de previsão e metodologias de avaliação. As pesquisas encontradas 
propõem, em sua maioria, metodologias de tratamento e avaliação das condições funcionais, ou 
seja, parâmetros que estão relacionados ao conforto do usuário e as condições de rolamento. 
O desenvolvimento de modelos de previsão de desempenho, podem ser observados em 
24 artigos: 14 trabalharam com modelos empíricos-mecanísticos, 8 com abordagens empíricase apenas 3 com modelos mecanísticos (Figura 28), o que já era esperado pela complexidade 
desses modelos a nível matemático e físico. 
 
89 
 
 
Figura 28 - Categoria dos modelos estudados (Adaptada de MOURA et al., 2020). 
 
Em relação a esses trabalhos observa-se, no geral, que recorrem a utilização de técnicas 
de regressão, e modelos numéricos complexos: que trabalham com a representação física do 
processo, excluindo qualquer análise empírica (MOURA et al., 2020). Nota-se que os modelos 
probabilísticos de previsão de desempenho, identificados na revisão de Gendreau e Soriano 
(1998), continuam sendo trabalhados e desenvolvidos através de modelos markovianos 
utilizados nas pesquisas de Shah et al. (2004) e Campos e Gonzales (2018). 
Essas metodologias são definidas em função da extensão do banco de dados, testes ou 
experimentos laboratoriais realizados. Pesquisas como de Liu et al. (2019), Villarreal e Hossain 
(2015), Suh et al. (2002), Al-Suleiman et al. (1996), Shahin e Becker (1984), Horne e Sparks 
(1970) e Yuan e Mooney (2003) contam com maior número de amostras, que contribuí na 
obtenção de resultados mais confiáveis de previsão. 
As pesquisas direcionadas a avaliação de estado dos pavimentos focam no uso de 
ferramentas de Sistemas de Informação Geográficas (GIS), o uso de tecnologias BIM (Building 
Information Modeling) (Oliveira et al., 2020), DHDV (Digital Highway Data Vehicle) para 
levantamento e identificação de defeitos na superfície (WANG et al., 2011) e metodologias 
MCDA (Multiple-Criteria Decision Analysis) (VYAS et al., 2019A; YAN et al., 2011), 
principalmente. Percebe-se que a grande quantidade de variáveis analisadas na tomada de 
decisão de estratégias da manutenção, podem afetar os objetivos propostos nos trabalhos. Com 
isso, Mascio e Moretti (2019) enfatizam a importância do gerenciamento de informações 
funcionais e estruturais. Alguns trabalhos mostraram ferramentas direcionadas especialmente a 
essa temática (OLIVEIRA et al., 2020; TU et al., 2019; MCNERNEY; KEEGAN, 2011; 
WANG et al., 2011) com adoção de tecnologias automatizadas, que já são de uso comum em 
outros países em aeroportos de grande porte. 
90 
 
Outra consideração importante, encontrada em Moura et al. (2020), é a distribuição das 
regiões em que foram realizadas essas pesquisas: dos 40 artigos selecionados a maioria contou 
com aeroportos e laboratórios situados nos Estados Unidos (EUA), com destaque aos 
Aeroportos Internacionais de Denver e Atlanta. A China vem logo em seguida com 6 artigos e 
a Itália com 5 artigos. 
De modo geral, as conclusões dos estudos sugerem pesquisas para inclusão de novos 
dados, eficiência na manipulação de informações e utilização de ferramentas de coleta das 
atribuições de condição dos pavimentos. Indicam também que há problemas no processo de 
decisão de estratégias de manutenção, devido principalmente, a características específicas do 
sistema e ao reduzido número de amostras trabalhadas. Além disso, os artigos também sugerem 
a implementação de iniciativas para otimizar decisões e atividades no setor, de forma a garantir 
a redução de gastos com manutenção e restauração (MOURA et al., 2020). 
Para melhor visualização das particularidades presentes nos trabalhos, o Quadro 11 
mostra a comparação e presença das seguintes características: previsão de desempenho, 
sugestão de tratamento, avaliação de área funcional/estrutural, critérios de determinação de 
estratégias e análise de causa e efeito das falhas no pavimento. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
91 
 
Estudo Previsão de 
desempenho 
Sugestão 
de 
tratamento 
Avaliação 
funcional e 
estrutural 
Parâmetros 
de definição 
de estratégias 
Análise de 
causa e efeito 
de falhas 
Oliveira et al. (2020) X X 
Vyas et al. (2019a) X X 
Liu et al. (2019) X X 
Tu et al. (2019) X 
Cai e Pan (2018) X X 
Campos e Gonzales (2018) X 
Celauro et al. (2017) X 
Levenberg et al. (2017) X X 
Nuijten (2016) X X 
Pasindu et al. (2016) X 
Huang et al. (2015) X X X 
Villarreal e Hossain (2015) X 
Barbarella et al. (2014) X 
Huang et al. (2014) X 
Schibani et al. (2014) X 
Hawkins e Covalt (2013) X 
Liu et al. (2011) X X 
McNerney e Keegan (2011) X X X 
Wang et al., (2011) X 
Yan et al. (2011) X X 
Al-Qadi et al. (2010) X X 
Kim e Buttlar (2009) X X 
Hachiya et al. (2009) X 
Herrin e Fuselier (2008) X 
Watkins et al. (2008) X 
McNerney (2008) X 
Leahy et al. (2008) X X 
Ho e Romero (2008) X 
Gopalakrishnan e Ceylan (2008) X X 
Kim e Tutumluer (2006) X X 
Shah et al. (2004) X X X 
Lee et al. (2004) X 
Yuan e Mooney (2003) X X 
Suh et al. (2002) X 
Ceylan et al. (2000) X X 
Hammons (1998) X X 
Al-Suleiman et al. (1996) X X X 
Rada et al. (1992) X X X X 
Shahin e Becker (1984) X 
Horne e Sparks (1970) X 
Proposta de trabalho X X X X X 
Quadro 11 – Comparação dos estudos para determinação de estratégias de manutenção. 
 
92 
 
3 METODOLOGIA DA PESQUISA 
Este trabalho aborda o campo de conhecimento de pavimentos aeroportuários, em um 
contexto de avaliação de estratégias de manutenção. O presente capítulo, destina-se a apresentar 
o caminho para o desdobramento dessa proposta. Há vários tipos de planejamento de pesquisas 
que podem ser apropriados para os diferentes tipos de projetos desenvolvidos, cabe ao 
pesquisador conhecer a natureza do problema e definir os objetivos que pretende alcançar 
(WALLIMAN, 2011). Por essa razão, se faz importante a elaboração de um protocolo 
abrangente durante o planejamento de um projeto de pesquisa, de forma que o avaliador consiga 
fundamentar seus questionamentos de forma construtiva (KENDALL, 2003). 
A pesquisa científica estrutura-se em procedimentos objetivos, com a finalidade de 
produzir conhecimento ou integrar aqueles pré-existentes. Formula-se, portanto, a preparação 
e delimitação do problema, construção do plano, execução e apresentação final. Desta forma, 
cabe ao pesquisador o conhecimento de cada uma dessas etapas para aplicá-las oportunamente 
(KÖCHE, 2011). 
 
3.1 CARACTERIZAÇÃO DA PESQUISA 
Uma pesquisa pode ser definida por procedimentos racionais e sistemáticos, 
desenvolvidos de acordo com o conhecimento, métodos e técnicas disponíveis. Dos dois 
grandes grupos de classificação da pesquisa, sugeridos por Gil (2017), esta enquadrasse em 
razões de ordem prática, com o intuito de melhorar a eficiência de um processo. Como a 
finalidade principal está em produzir conhecimento científico para aplicação e trabalhar com a 
geração de novos processos, é possível definir esse estudo como uma pesquisa aplicada ou 
tecnológica (SILVA, 2004). 
Para obtenção de resultados, este projeto necessita de ações bem planejadas e 
caracterizadas quanto o método que será empregado. Segundo Chu e Ke (2017), essas 
definições ocorrem a partir da determinação das técnicas de coleta de dados a serem utilizadas. 
A partir dessas considerações, esta pesquisa pode ser caracterizada como estudo de caso, 
definido pela Press Academia (2018), como uma estratégia de pesquisa que investiga 
empiricamente, um fenômeno dentro do seu contexto real, pode conter um ou vários estudos de 
caso e inclui evidências quantitativas, que dependem da análise de diversas fontes e do próprio 
desenvolvimento das proposições teóricas. Gil (2017) elenca os propósitos deste tipo de 
pesquisa em cinco tópicos: 
a) explorar situações reais, cujos limites não estão claramente definidos; 
b) manter características fundamentais do objeto estudado; 
93 
 
c) descrever os detalhes e o contexto em que se insere a investigação; 
d) formular hipóteses e/ou teorias; 
e) explicar as variáveis causais de determinado acontecimento, complexo a ponto de não 
possibilitar a utilização de levantamentos e experimentos. 
O estudo de casoganha ênfase na exploração e descrição do fenômeno estudado. Como 
as análises realizadas contam com o suporte e os dados históricos relacionado a manutenção 
dos pavimentos do Aeroporto de Natal/RN, é válido apontá-la como caracterização da pesquisa. 
Yin (2015), enfoca o escopo, o processo e as características metodológicas da pesquisa de 
estudo de caso, descrevendo como uma forma de fazer pesquisa social atuante, pois propõe-se 
a analisar um evento de um contexto real, onde não são claras as interações, e que existem ainda 
diversas fontes usadas como evidências. 
Através da identificação do tipo certo de método que exige a pesquisa, é possível 
convencer o público acadêmico da validade do trabalho e apresentar um estudo que esteja 
fortemente fundamentado (WALLIMAN, 2011). A pesquisa pode ser classificada sobre duas 
vertentes: a quantitativa e a qualitativa. O emprego de técnicas estatísticas ou quantitativas, 
direcionam-se a análise de dados numéricos, e as técnicas qualitativas são usadas na análise de 
dados textuais (CHU e KE, 2017). Neste trabalho o plano de pesquisa se caracteriza como 
quantitativa, onde as declarações das questões envolvidas no tema, devem ser concisas e não 
ambíguas, mas também possuir em determinadas etapas características qualitativas, na tentativa 
de obter uma impressão mais holística do problema da pesquisa (LAWAL, 2009). 
Outra forma de classificar uma pesquisa, relaciona-se com o procedimento geral 
utilizado na investigação dos acontecimentos, podendo ser bibliográfica, experimental ou 
descritiva. De acordo com os objetivos deste estudo, a pesquisa descritiva permite a análise de 
variáveis em dado fenômeno sem manipulação das condições, a intenção é constatar e avaliar 
as relações desses fatores a medida que ocorrem, de forma espontânea e em situações já 
existentes. Os méritos dos diferentes tipos de pesquisa são os mesmos, o que garante a validade 
é a cientificidade. Ressalta-se que em determinados momentos da pesquisa, está assumirá 
também, um caráter exploratório, para identificar determinados fenômenos (KÖCHE, 2011). 
Hammarberg, Kirkman e Lacey (2016), destacam a importância de saber quando usar o método, 
pois quem avalia a pesquisa deve analisar com rigor científico as conclusões obtidas. Esta 
dissertação irá trabalhar em resumo, com os conceitos apresentados na Figura 29. 
 
94 
 
 
Figura 29 – Caracterização da pesquisa. 
 
Naturalmente, a fase final é composta pela elaboração escrita de todos os procedimentos 
realizados. Pensando nisso, Yin (2015) propõe uma abordagem aplicável a estudos descritivos 
e exploratórios, constituída de uma estrutura analítica linear, em que a sequência utilizada inclui 
o tema ou o problema que está sendo estudado, uma revisão importante da literatura existente, 
os métodos utilizados, as descobertas feitas a partir dos dados coletados e analisados, e as 
conclusões e implicações feitas a partir das descobertas. 
Pelo exposto acima e buscando atender aos objetivos, optou-se pela realização de uma 
pesquisa com abordagem em um estudo de caso. Onde para o objetivo da pesquisa importa a 
caracterização quali-quantitativa das condições funcionais e estruturais do pavimento 
aeroportuário, para elaboração do modelo de avaliação de estratégias de manutenção, contando 
para fins de análise, com o banco de dados do próprio aeroporto, alvo desta pesquisa. De posse 
dessas informações, será possível a construção da proposta final. 
 
3.2 PROCEDIMENTO DA PESQUISA 
Para formulação do problema a ser pesquisado, foi realizada uma análise das principais 
dificuldades operacionais encontradas para o processamento de voos no transporte aéreo. Em 
reunião com a equipe do Aeroporto Internacional de Natal/RN, observou-se o interesse em 
melhorar o sistema de gerenciamento dos pavimentos. Em um contexto global, com o 
crescimento do setor aéreo os principais entraves relacionam-se ao aumento da eficiência com 
o mínimo de custos, sendo as pistas de pouso e decolagem os ativos de maior valor, um 
planejamento eficaz da manutenção garantiria uma melhor estabilidade operacional dos 
pavimentos a administração. 
No presente trabalho, foi adotado a abordagem metodológica que tem como base um 
estudo de caso que investiga e busca a solução do problema apresentado dentro do contexto de 
uma empresa aeroportuária. Para isso, o trabalho foi dividido em seis etapas (Figura 30): 1. 
Revisão Bibliográfica; 2. Análise de falhas presentes em pavimentos aeroportuários; 3. Pré-
processamento de dados; 4. Elaboração dos modelos de avaliação das estratégias de 
Classificação 
da Pesquisa
• Estudo de caso
Natureza
• Aplicada
Abordagem
• Quantitativa
• Qualitativa
Objetivos
• Exploratória
• Descritiva
95 
 
manutenção; 5. Validação dos modelos propostos; 6. Desenvolvimento do Plano Mestre de 
Manutenção do aeroporto e apresentação das considerações finais. 
 
 
Figura 30 - Fluxograma dos procedimentos da pesquisa. 
 
96 
 
A descrição das etapas deste estudo tem como finalidade facilitar a compreensão quanto 
o processo e a lógica de construção da pesquisa e principalmente, destacar o percurso trilhado 
e as técnicas empregadas no desenvolvimento do modelo de avaliação de pavimentos 
aeroportuários. Cada uma das seis etapas, são descritas em riqueza de detalhes a seguir. 
 
Etapa 1: Revisão Bibliográfica 
Essa etapa foi elaborada com dois objetivos, o primeiro corresponde a pesquisa 
bibliográfica sobre materiais e propriedades de pavimentos aeroportuários, além de discorrer 
de técnicas e programas utilizados para dimensionamento, formas de avaliação das condições 
estruturais e funcionais e metodologias para elaboração de sistemas de gerenciamento de 
pavimentos, para isso concentrou-se na leitura e verificação de normas e manuais fornecidos 
por agências regulamentadoras da avião civil, principalmente da Agência Nacional de Aviação 
Civil (ANAC), Federal Aviation Administration (FAA), Civil Aviation Authority (CAA), 
European Aviation Safety Agency (EASA) e International Civil Aviation Organization (ICAO). 
O segundo objetivo foi realizar uma revisão sistemática estruturada em investigar modelos de 
avaliação e previsão das condições de pavimentos aeroportuários, nas bases de pesquisa da 
Scopus e Web of Science. A partir de uma pesquisa direcionado é possível mensurar as 
contribuições na área, elencar variáveis e métodos utilizados. 
 
Etapa 2: Análise de Falhas 
Essa etapa é utilizada para identificar as principais falhas presentes nos pavimentos 
aeroportuários a partir da análise da literatura, da revisão sistemática elaborada e da troca de 
informações com a equipe de profissionais do aeroporto. Na manutenção, é imprescindível 
elencar os modos, efeitos e causas das falhas e identificar fatores em situação de não 
conformidade com os padrões definidos pela ANAC. Por meio dessa verificação é possível 
direcionar o planejamento das manutenções e elaborar propostas de melhoria para que as 
atividades naquele ativo se mantenham sob controle e dentro do previsto. 
 
Etapa 3: Pré-processamento de dados 
O Aeroporto de Natal é administrado pela Inframerica desde 2014. O banco de dados 
utilizado nessa pesquisa faz parte do histórico de manutenções e intervenções nas pistas de 
pouso e decolagem e taxiway. Nesses dados constam os ensaios funcionais de macrotextura, 
atrito e IRI, e estruturais de FWD e ACN/PCN. Além disso, estão incluídas informações 
cadastrais de tipo de revestimento, idade dos pavimentos, geometria, pluviometria, informações 
97 
 
quanto ao tráfego de aeronaves (mix e frequência), histórico de intervenções e relatórios de 
inspeções visuais. Para complemento do banco de dados foram coletadas outras informações 
quanto as aeronaves, de peso e pressão dos pneus, de clima, sobre umidade, temperatura e vento 
do banco de dados do Instituto Nacional de Meteorologia (INMET), e por fim as característicasterritoriais do município onde está localizado o sitio aeroportuário. Nesta etapa da pesquisa são 
apresentadas as atividades que envolvem preparação, organização e estruturação dos dados. 
Trata-se de uma etapa fundamental que precede a construção dos modelos de avaliação e 
predição. 
 
Etapa 4: Modelos de Avaliação 
O objetivo da quarta etapa é estabelecer o modelo de avaliação das estratégias de 
manutenção, tomando como base as informações coletadas a partir do banco de dados e 
sintetizadas na etapa anterior. Elencada as falhas, determina-se quando trabalhar com 
manutenções sistemáticas e condicionadas. Tomando como base a revisão sistemática 
apresentada anteriormente, optou-se por utilizar Redes Neurais Artificiais (RNA) para 
desenvolvimento das estratégias de manutenção sistemática, e para manutenção condicional o 
uso de abordagens multicritério de apoio a decisão na avaliação de cenários será implementada. 
A construção final do modelo permitirá a inserção dos indicadores, avaliar e classificar as 
estratégias a serem empregadas de acordo com a condição existente. 
 
Etapa 5: Validação dos modelos pela aplicação 
O propósito desta etapa fundamentou-se em avaliar a efetividade do modelo através de 
sua aplicação no Aeroporto de Natal, e apresentação a equipe de manutenção quanto a utilização 
da proposta, considerando os procedimentos e diretrizes para sua implementação. Como as 
proposições são direcionadas a um aeroporto com pouco tempo de operações e considerando 
que as atividades e ações de conservação das estruturas são em cima de análises visuais e 
experiência dos profissionais que fazem parte da administração, foi aberta a metodologia a 
análise crítica, a fim de identificar possíveis obstáculos que possam impedir a utilização do 
modelo pela coordenação de manutenção. 
 
Etapa 6: Desenvolvimento do Plano Mestre de Manutenção 
 O Plano Mestre de Manutenção, de acordo com Viana (2014), é composto de uma série 
de ações, especificamente executadas, que visão manter um ativo em seu melhor estado 
operacional. Os procedimentos adotados na definição das estratégias tomaram como base o 
98 
 
modelo desenvolvido durante a etapa 4, e a elaboração do Plano consistirá em metas e 
organização das ordens de serviços contendo as atividades a serem realizadas em um horizonte 
de tempo pré-definido pela equipe de manutenção do aeroporto de acordo com as necessidades 
técnicas. 
 
3.3 ESTUDO DE CASO: AEROPORTO DE NATAL – INFRAMERICA 
 O Aeroporto de Natal (SBSG – Código ICAO) fica localizado na Região Metropolitana 
de Natal (RMN) ou Grande Natal como também é conhecida, formada por quinze municípios 
do Rio Grande do Norte. Especificamente, o sítio aeroportuário de Natal possui área total de 15 
km², em formato de retângulo, e encontra-se no município de São Gonçalo do Amarante (Figura 
31), a 33 quilômetros do centro da cidade de Natal. O aeroporto é o primeiro no Brasil a ser 
administrado 100% pela iniciativa privada, e está em operação desde o dia 31 de maio de 2014, 
dirigido pelo maior operador aeroportuário privado do mundo, o Consórcio Inframerica. Até 
então, as operações de transporte aéreo da região aconteciam no Aeroporto Internacional 
Augusto Severo, em Parnamirim/RN, sendo desativado e devolvido a Força Aérea Brasileira, 
operando hoje exclusivamente com aviação militar. 
 
 
Figura 31 - Localização da área de estudo. 
 
A construção do Aeroporto de Natal teve suas obras de infraestrutura básica executadas 
pelo Exército. Esses trabalhos dizem respeito a construção da pista de pouso e decolagem, táxi, 
99 
 
pátios, vias de acesso nos limites do complexo, sistema de drenagem e outros serviços, 
concluídos em 2014. Factualmente, as primeiras atividades pelo 1º Grupamento de Engenharia, 
começaram em 2004, mas só em 2009 foi colocado o concreto asfáltico ou Concreto 
Betuminoso Usinado a Quente (CBUQ), como também é conhecido, da pista de pouso e 
decolagem. Durante esse processo, alterações no projeto foram realizadas e novos termos de 
cooperação da Infraero e do Departamento de Engenharia e Construção (DEC) foram abertos 
para execução de tarefas complementares a obra (BRASIL, 2015). 
Em 2011 aconteceu a primeira operação com uma aeronave em um teste para 
aterrissagem do avião presidencial. Por último, foram realizados os serviços de pavimentação 
rígida dos pátios, que teve início em 2012, e concluídos no ano seguinte, para que então os 
trabalhos fossem encerrados pelo Exército. Em paralelo, também acontecia a construção do 
TPS, que inicialmente, seria implementado pela Infraero, até que por decisão do Poder Público, 
houve a descentralização da administração mediante concessão a Inframerica (ANAC, [2018]). 
A Inframerica participou do primeiro leilão de aeroportos do país, realizado em 22 de 
agosto de 2011, passando a ser responsável pela construção do TPS, manutenção e exploração 
do aeroporto. A Corporación América, a qual faz parte, coordena e opera 53 aeroportos 
distribuídos na América latina e na Europa. No Brasil, em 2012, também assumiu a 
administração do Aeroporto de Brasília. 
A concessão tem prazo de vigência de 28 anos, podendo ser prorrogáveis por mais 5 
anos. Com capacidade para receber 6 milhões de pax /ano e possuir uma área de 42 mil m2. O 
aeroporto também dispõe de uma pista de pouso e decolagem com capacidade declarada, pelo 
Centro de Gerenciamento da Navegação Aérea (CGNA), de 30 movimentos por hora, a maior 
capacidade de pista da região Nordeste (ANEAA, 2019). 
O projeto-piloto das privatizações no setor, enfrentou dificuldades diante das resseções 
econômicas, a movimentação entre os anos de 2015 e 2016 sofreram redução de 15% no 
previsto (PWS, 2016), a Figura 32 apresenta os dados estatísticos do aeroporto de 2014 a 2019, 
de aeronaves, pax e carga aérea. 
 
100 
 
 
Figura 32 – Dados estatísticos do Aeroporto de Natal (Adaptado de Aeroporto de Natal, 2019). 
 
Por outro lado, o setor de cargas no ano de 2016 cresceu, fazendo do Terminal o maior 
exportador aéreo de mercadorias do Nordeste. A partir dos investimentos da Inframerica em 
infraestrutura, tecnologia e pessoal, todos esses fatores foram responsáveis pela conquista de 
novas rotas regulares, como o cargueiro MD – 11 da Lufthansa Cargo que leva cerca de 250 
ton/mês de frutas para a Europa. 
A Secretaria de Aviação Civil (SAC), realiza trimestralmente, uma pesquisa que mede 
a satisfação dos passageiros em 38 itens de infraestrutura, atendimento, serviços e itens de 
gestão dos 20 principais aeroportos do Brasil. No 3º trimestre de 2016, o Aeroporto de Natal 
foi considerado o melhor do país na categoria até 5 milhões de pax. O Terminal recebeu nota 
4,36, do total de 5, ficando acima da média geral (SAC, 2016). Na última pesquisa divulgada, 
referente ao 3º trimestre de 2019, quanto a satisfação dos passageiros, em 7 tópicos da pesquisa, 
o Aeroporto de Natal ficou entre os três aeroportos mais bem avaliados. Pela pesquisa da SAC, 
os maiores destaques foram Facilidade de Desembarque no meio-fio (3º), Disponibilidade e 
limpeza de sanitários (ambos 3º), Disponibilidade de assentos na sala de embarque (3º), 
Conforto acústico do aeroporto (3º), Disponibilidade de vagas no estacionamento de veículos 
(3º) e Cordialidade e prestatividade dos funcionários do check-in (2º) (SAC, 2019). 
 
11986
1495724
4608300
22625
2584355
10895847
18553
2316349
12076973
18835
2403135
12389187
18812
2429389
15420366
17854
2330725
12981228
0
4000000
8000000
12000000
16000000
A
e
ro
n
av
es
 (
u
n
id
.)
P
as
sa
ge
ir
o
s 
(u
n
id
.)
C
ar
ga
 A
ér
e
a 
(k
g.
)
A
e
ro
n
av
es
 (
u
n
id
.)
P
as
sa
ge
ir
o
s 
(u
n
id
.)
C
ar
ga
 A
ér
e
a 
(k
g.
)
A
e
ro
n
av
es
 (
u
n
id
.)
P
as
sa
ge
ir
o
s 
(u
n
id
.)
C
ar
ga
 A
ér
e
a 
(k
g.
)
A
e
ro
n
av
es
 (
u
n
id
.)
P
as
sa
ge
ir
o
s 
(u
n
id
.)
C
ar
gaA
ér
e
a 
(k
g.
)
A
e
ro
n
av
es
 (
u
n
id
.)
P
as
sa
ge
ir
o
s 
(u
n
id
.)
C
ar
ga
 A
ér
e
a 
(k
g.
)
A
e
ro
n
av
es
 (
u
n
id
.)
P
as
sa
ge
ir
o
s 
(u
n
id
.)
C
ar
ga
 A
ér
e
a 
(k
g.
)
2014 2015 2016 2017 2018 2019
ESTATÍSTICAS - AEROPORTO DE NATAL
101 
 
3.3.1 Complexo Aeroportuário 
Em resumo as informações operacionais referentes ao Aeroporto de Natal são 
apresentadas no Tabela 13. 
 
Informações gerais 
Área total sítio aeroportuário 1.500 hectares 
Área operacional 40 mil m² 
Categoria do Aeroporto Categoria F 
Pontes de Embarque 6 pontes de embarque, sendo duas duplas 
Posições de check-in 42 posições 
Estacionamento 860 vagas no total (114 VIPs e 746 regulares) 
Pista de Pouso e Decolagem (PPD) 
Tipo de pavimento Asfalto 
Dimensões 3.000 m x 60 m 
PCN 70/F/A/X/T 
Faixa de Pista 3.120 m x 300 m 
Pistas de Taxiamento 
Tipo de pavimento Asfalto 
PCN 70/F/A/X/T 
A - TWY paralela à TWY B que liga TWY E a TWY F 789,9 m x 25 m 
B - TWY de mesma dimensão e paralela à PPD 3.303,03 m x 25 m 
B1 - TWY de ingresso para a RWY 12 196,19 m x 34 m 
B4 - TWY de ingresso para a RWY 30 196,19 m x 34 m 
CC - Segunda saída rápida da RWY 12 312 m x 32,35 m 
DD - Primeira saída rápida da RWY 12 312 m x 32,35 m 
E - TWY perpendicular à TWY B acesso ao pátio 200 m x 47,4 m 
F - TWY perpendicular à TWY B acesso ao pátio 200 m x 47,4 m 
Pátio de Aeronaves 
Tipo de pavimento Concreto de cimento Portland 
Posições remotas de Aeronaves 10 posições 
Tabela 13 – Características gerais do Aeroporto de Natal. 
 
3.3.2 Caracterização territórial 
Um pavimento de aeroporto é uma construção de engenharia complexa de executar, pois 
envolve uma análise detalhada de quatro componentes fundamentais: o subleito (solo natural 
de fundação), os materiais de pavimentação (camada superficial, base e sub-base), as 
características de cargas e clima (FAA, 2004). 
Todas essas considerações foram levantadas para definir o local de construção do sítio 
aeroportuário. A região escolhida possuía dimensões suficientes para o projeto que seria 
desenvolvido e com possibilidades para ampliação, apresentava condições de drenagem 
favoráveis em função do tipo de solo daquela região, predominantemente Argissolos Vermelho-
Amarelos (PVA), e contava com uma topografia com poucas variações, principalmente na área 
de localização da pista principal, cortando gastos relacionados a preparação do terreno, como 
ações de aterro. A representação em mapas do solo e relevo podem ser melhor visualizadas nos 
mapas da Figura 33, elaborados a partir de dados de IBGE (2001) e EMBRAPA (2001). 
102 
 
 
 
Figura 33 – Mapas referentes a Fig. 33.1 - Tipos de solo do município de São Gonçalo do Amarante/RN e a Fig. 
33.2 - Hipsometria do município de São Gonçalo do Amarante/RN (Elaborado pela autora a partir de dados de 
IBGE, 2001 e EMBRAPA, 2001). 
 
3.3.3 Regime pluviométrico, clima e temperatura 
A Região Nordeste é marcada por grandes variações climáticas, o estado do Rio Grande 
Norte em particular, enquadra-se em duas zonas climáticas, a Figura 34, apresenta a 
classificação geral de climas zonais do estado. É possivel observar que existem em todo o RN, 
área Tropical de Zona Equatorial (TZE) e Tropical do Nordeste Oriental (TNO). Pelo mesmo 
mapa, visualiza-se a localização de São Gonçalo do Amarante, que consta em área TNO, 
caracterizada por subdomínios climáticos: úmido, semiúmido e semiárido (NÍMER, 1977). 
 
 
Figura 34 – Zonas Climáticas do Rio Grande do Norte (Elaborado pela autora a partir de dados de IBGE, 2002). 
 
103 
 
De acordo com MOTTA (2004) as precipitações em Natal consistem de chuvas e 
chuvisto, de intensidades variadas. Lucena, Cabral Júnior e Steinke (2018), colocam que 75% 
dos municípios do RN, apresentam precipitações médias anuais inferiores a 880 mm, porém o 
Aeroporto de Natal está situado na Mesorregião Leste Potiguar, onde os valores de precipitação 
são bem superiores. No banco de dados consta o registro pluviométrico histórico do começo 
das construções, em 2004, até novembro de 2019. A Figura 35 apresenta um resumo gráfico 
das condições pluviométricas totais de cada ano, e a Figura 36, uma média dos registros de cada 
més durante esse tempo. No ano de 2019, o registro foi feito até o mês de novembro. 
 
 
Figura 35 – Total de pluviosidade registrada em cada ano. 
 
 
Figura 36 – Média de pluviosidade de cada mês. 
 
A temperatura e a umidade, são outros dois indicadores importantes na avaliação das 
condições do pavimento, principalmente relacionadas a defeitos na superfície. A Região 
Nordeste possui diferentes variações de temperatura, porém quando levada em consideração as 
máximas e as mínimas diárias, as diferenças não são tão perceptíveis, basicamente o território 
apresenta comportamento representado por duas categorias: Clima Quente e Clima Subquente, 
0
500
1000
1500
2000
2500
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
P
lu
v
io
si
d
ad
e 
(m
m
)
Ano (2004 - Novembro de 2019)
0
50
100
150
200
250
300
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
P
lu
v
io
si
d
ad
e 
(m
m
)
Meses
104 
 
sendo mais de 95% marcado pelo Clima Quente, em que todos os meses acusam temperatura 
média superior a 18º C (NÍMER, 1977), como mostrado na Figura 37.1. Quanto a distribuição 
de umidade, como visto anteriormente, essa é determinada em função da zona climática da 
região, no caso de São Gonçalo do Amarante, este está localizado em região semiúmida (Figura 
37.2). 
 
 
Figura 37 - Mapas referentes a Fig. 37.1 – Distribuição de temperatura média do Rio Grande do Norte/RN e a 
Fig. 37.2 – Distribuição de umidade do Rio Grande do Norte/RN (Elaborado pela autora a partir de dados de 
IBGE, 2002). 
 
3.4 DESCRIÇÃO GERAL DAS CONDIÇÕES DAS PISTAS DO AEROPORTO DE 
NATAL 
O projeto da PPD do aeroporto, considerou para dimensionamento a situação de análise 
mais crítica, com a aeronave em seu Peso Máximo de Decolagem, e utilizou a projeção de 
tráfego de 2005 a 2025. Em geral, o projeto dos pavimentos flexíveis e rígidos seguiram as 
orientações da AC 150/5320-6D, substituída atualmente pela 150/5320-6F (FAA, 2016). 
O processamento final dos dados, foi realizado em programas disponibilizados pela 
FAA, entre eles o LEDFAA. Ressalta-se que pavimentos projetados de acordo com essas 
normas visam proporcionar uma vida estrutural de 20 anos, livre de grandes manutenções, se 
não forem encontradas grandes alterações no tráfego previsto (FAA, 2016). A estrutura final 
construída foi dividida em cinco camadas: CBUQ Capa, CBUQ “binder”, Base, Sub-base e 
Subleito. 
Com o começo das operações, em 2014, a equipe de manutenção da Inframerica, 
encarregou-se de executar os procedimentos de rotina e demais atividade regulamentadas pela 
ANAC, quanto ensaios e inspeções periódicas nos pavimentos. Todavia, em 2015 começaram 
a surgir defeitos na superfície da PPD e TWY, especificamente nos pontos determinados na 
Figura 38. Essas fissuras intensificaram-se em 2016, independente dos reparos superficiais 
105 
 
executados, levando a coordenação de manutenção a tomar iniciativas para definir a causa e o 
tipo de intervenção a ser realizado nas pistas. 
 
 
Figura 38 - Localização dos defeitos no pavimento de SBSG. 
 
A FAA (2014d) define esse tipo de patologia, apresentada na Figura 39, como slippage 
cracks, caracterizada por rachaduras de deslizamento que aparecem ao frear ou girar as rodas 
da aeronave, fazendo com que a superfície do pavimento se deforme. Normalmente, ocorrem 
quando há uma mistura superficial de baixa resistência ou baixa ligação entre a superfície e a 
próxima camada da estrutura, como foi verificado no projeto de análise realizado pelo 
aeroporto, especificamente nos ensaios de deflexão obtidos com o FWD. Havia, neste caso, 
uma má aderência entre os revestimentos (capa e binder).Figura 39 – Escorregamento (Slippage cracking) presente na superfície do pavimento em 2015 e 2016. 
 
A solução prevista, foi a reestruturação da Capa e rigoroso controle de execução, 
principalmente na ligação entre o “binder” e a Capa nova, em 2017. Durante esse período o 
aeroporto teve que limitar suas operações de voo até que todos as atividades fossem concluídas. 
106 
 
Atualmente, as pistas encontram-se sem defeitos aparentes, exceto, na pista de táxi paralela a 
PPD nos pontos de giro de saída rápida, já que os reparos nessa área não foram totais, mais 
pontuais. As cabeceiras da PPD, também apresentam fissuras (Figura 40), mas em quantidade 
irrisória. 
 
 
Figura 40 – Fissuras presentes na cabeceira da PPD. 
 
3.4.1 Condições estruturais 
A avaliação estrutural das camadas do pavimento são realizadas com o auxílio de 
ensaios não destrutivos (FWD), e pela aplicação do método ACN/PCN, conforme estabelecido 
na ANAC (2019a). 
O ensaio é realizada nas 4 faixas de rolamento, especificamente nos trechos: 
 Trecho 01: Pista direita externa – Faixa 1 (6,0 m do eixo); 
 Trecho 02: Pista direita interna – Faixa 2 (3,0 m do eixo); 
 Trecho 03: Pista esquerda interna – Faixa 3 (3,0 m do eixo); 
 Trecho 04: Pista esquerda externa – Faixa 4 (6,0 m do eixo). 
O equipamento utilizado nas medições é o modelo PRIMAX 1500 marca SWECO, com 
carga aplicada de 120 kN, e 14 Geofones. Os serviços de campo acontecem na Zona de Toque 
(ZT). Destaca-se que essas avaliações devem ocorrer principalmente quando identificada 
alguma inconformidade em relação ao tráfego ou constatação de algum problema de origem 
estrutural, por convenção o Aeroporto de Natal executa esses procedimentos a cada dois anos. 
Em 2017, o cálculo de ACN/PCN fez uso do software COMFAA, e adotou valores de 
CBR de 15%, classificado como categoria alta. Naquele ano o mix de aeronaves previstas para 
operarem no aeroporto estão descritas na Tabela 14. 
107 
 
 
Aeronave Frequência Anual 
D-50 243 
A310-300 701 
A320-100 3.037 
Adv. B737-200 511 
B737-300 3.686 
B737-400 3.004 
B737-700 3.578 
B747-400 852 
B757-200 688 
B767-200 370 
B767-300 ER 1.197 
DC10-30/40 32 
MD11ER 657 
B777-300ER 14 
A380(BLG) 5 
A380(WLG) 5 
Tabela 14 - Mix de aeronaves operantes para 2017. 
 
As dimensões consideradas mantiveram os valores resultantes do projeto de restauração. 
Em seguida os procedimentos seguiram o padrão especificado pelas normas, obtendo com base 
no mix de aeronaves valor de PCN técnico de 77,1. Desta forma a notificação para o PCN da 
PPD após restauração em 2017, foi de 77/F/A/X/T. 
Em 2019, os mesmos procedimentos foram aplicados, porém o CBR considerado foi de 
20%, e o mix de aeronaves considerou os equipamentos de grande porte e com frequência 
significativas de mais de 1.000 pousos/decolagens por ano (Tabela 15). 
 
Aeronave Frequência Anual 
AT72 2.808 
A320 3.644 
B738 4.210 
A321 3.558 
B737 2.133 
Tabela 15 - Mix de aeronaves operantes para 2019. 
 
Dos trechos verificados, o PCN resultante de menor valor foi novamente de 77/F/A/X/T, 
acima dos valores de ACN das principais aeronaves atuantes no Aeroporto Internacional de 
Natal. 
 
3.4.2 Condições funcionais 
Os dados de macrotextura, coeficiente de atrito e IRI, constantes no banco de dados, são 
referentes somente a PPD. Obtidos a partir do cumprimento dos procedimentos recomendados 
108 
 
e as práticas vigentes nas legislações nacionais. Como visto anteriormente, a frequência mínima 
dessas medições dependem da quantidade de pousos diários por cabeceira da pista. 
O Aeroporto de Natal realiza as medições de macrotextura nos meses de abril e outubro, 
cujos valores constados no banco de dados são apresentados na Figura 41, para cada ano de 
2015 a 2019, respectivamente com as médias de 1/3, 2/3 e 3/3 da pista. 
 
 
Figura 41 – Média de Macrotextura. 
 
Para o coeficiente de atrito as medições ocorrem na mesma frequência, a 3 m e 6 m do 
eixo da pista, utilizando o Mμ-meter a 65 km/h. Para verificação da evolução dos valores de 
atrito, a Figura 42 foi elaborado a partir dos resultados obtidos para 2018 e 2019, referentes ao 
mês de abril, a título de comparação. Percebe-se que embora ambas as medições possuíssem 
níveis de atrito dentro do exigido por norma, a superfície de 2018 aparenta ser mais homogênea 
quando comparado ao gráfico de 2019. 
 
 
Figura 42 – Superfície da PPD em termos de coeficiente de atrito em Fig. 42.1 - 2018 e Fig. 42.2 - 2019. 
 
As medições de IRI, por sua vez, ocorreram em toda a extensão da PPD, nos 3.000 m. 
Em função da frequência estabelecida pela ANAC (2019a), o único registro do índice foi 
109 
 
realizado em 2018, através do Perfilômetro a Laser com quatro sensores, com data provável 
para próxima medição em março de 2020. Os valores de IRI a 3 m e 6 m do eixo da pista podem 
ser visualizados na Figura 43. 
 
 
Figura 43 - Superfície da PPD em função das medições de IRI a Fig. 43.1 – 3 metros e Fig. 43.2 – 6 metros do 
eixo da pista. 
 
Após a leitura foi utilizado o método estatístico de Grubs, obtendo para essa medição 
IRI representativo de 2,32 m/km, dentro do exigido pela ANAC. 
 
4 ESTRATÉGIAS DE MANUTENÇÃO EM PAVIMENTOS AEROPORTUÁRIOS 
Com a intenção de atender o problema da pesquisa, adotou-se como objetivo geral a 
apresentação de uma proposta de um modelo de avaliação de estratégias de manutenção em 
pavimentos aeroportuários. Inicialmente, foi feita a ilustração esquemática, representada por 
uma árvore de níveis, para possibilitar a visualização de todo o sistema (Figura 44). 
 
110 
 
 
Figura 44 – Visualização do sistema que será estudado. 
 
Em seguida foram estabelecidas as principais falhas presentes em pavimentos, que a 
FAA (2014) divide em estruturais e funcionais. Uma falha no pavimento, pode ser 
compreendida como a incapacidade de um pavimento executar a tarefa para qual foi projetado, 
para essa pesquisa os efeitos de falhas potenciais considerados foram: 
 Derrapagem/Perda de controle direcional; 
 Redução da ação de frenagem; 
 Aumento da fadiga dos componentes das aeronaves; 
 Vibrações no cockpit da aeronave; 
 Restrições de voos. 
Esses fatores podem ocorrer separadamente ou em combinação, dependendo da situação 
ao qual está exposto. Desta forma, entende-se que o problema da pesquisa parte da necessidade 
de criação e implantação de medidas estratégicas de manutenção, no intuito de preparar 
operadores de aeródromos quanto aos efeitos de falhas principais que possam vir a ocorrer no 
pavimento, adotando para fins de pesquisa abordagens de manutenção preventiva sistemática, 
e condicional para desenvolvimento dos modelos. A partir do embasamento teórico e reuniões 
com a equipe de manutenção do Aeroporto de Natal, construiu-se uma tabela de análise de 
falhas como apresentado no Quadro 12, com o tipo de avaliação utilizada para cada situação a 
111 
 
ser verificada. Assim, a pesquisa pode direcionar as etapas para elaboração dos modelos 
propostos. 
 
Análise Modos de Falha Efeitos de Falha Causas de Falha Avaliação 
Funcional 1.Acúmulo de água 
2.Baixo atrito entre 
pneu-pavimento 
1.Derrapagem/Perda 
de controle direcional 
2. Redução da ação 
de frenagem 
1.Acúmulo de borracha 
2.Caracteristicas da 
superficie do pavimento 
3.Parâmetros de operação 
dos veículos 
4.Propriedades dos pneus 
5.Condições ambientais 
Sistemática 
Funcional 1.Irregularidade do 
pavimento 
2.Defeitos na 
superfície* 
3.Detritos de objetos 
estranhos (FOD) 
1.Aumento da fadiga 
dos componentes das 
aeronaves 
2.Vibrações no 
cockpit da aeronave 
1.Idade do pavimento 
2.Condições ambientais 
3.Problemas construtivos 
4.Material utilizado 
5.Condições de tráfego 
6.Intervenções no 
pavimento 
7.Acúmulo de borracha 
8.Derramamento de óleo 
ou combustível 
9.Materiais externos ao 
pavimento 
Condicional 
Estrutural1.Trincas por fadiga 
2.Afundamento da 
trilha de roda 
3.PCN < ACN 
1. Opera voos com 
restrições 
1.Tráfego de aeronaves 
2.Condições ambientais 
3.Problemas construtivos 
4.Qualidade do solo do 
subleito 
5.Materiais de composição 
Condicional 
Quadro 12 – Análise de falhas potenciais em pavimentos aeroportuários e proposta de avaliação das estratégias de 
manutenção. *Os defeitos na superfície considerados são os que possuem origem funcional (ANEXO II). 
 
Os modos de falhas apresentados, referem-se as potenciais formas como se manifestam 
os problemas encontrados em pavimentos aeroportuários, sendo cruciais no desenvolvimento 
dos modelos como parâmetros para as análises. A forma de avaliação foi definida com base na 
disponibilidade de dados e com o entendimento que a forma de avaliação proposta deve atender 
adequadamente as necessidades específicas de um aeroporto no Brasil. 
A manutenção sistemática é caracterizada por ações realizadas em intervalos definidos, 
neste caso será desenvolvido um modelo de previsão das condições do pavimento a partir de 
técnicas estatísticas, no caso, optou-se pela utilização de um modelo de redes neurais artificiais 
(RNA). A manutenção condicional, é realizada em função do estado do componente, para essa 
etapa cabe a abordagem de Planejamento de Cenários para organização das atividades de 
conservação dos pavimentos. Posteriormente, entraria a análise de múltiplos critérios, conforme 
apresentado na Figura 45. 
 
112 
 
 
Figura 45 – Metodologia do estudo. 
 
4.1 AVALIAÇÃO SISTEMÁTICA DA MANUTENÇÃO 
O coeficiente de atrito é um indicador de aderência pneu-pavimento, que reflete as 
possibilidades de deslizamentos e diminuição da frenagem de aeronaves. Isso porque esse fator 
é definido pela perda de adesão, relacionada com a microtextura, a temperatura, a velocidade 
de deslocamento, e a histerese, influenciada pela macrotextura do pavimento (ANDRESEN; 
WAMBOLD, 1999). O objetivo é desenvolver um modelo preciso de previsão dos valores de 
atrito em pavimentos flexíveis obtidos, no Aeroporto de Natal, pelo Mμ-meter. 
O modelo de RNA a ser desenvolvido terá como base o banco de dados de manutenção 
de 2014 a 2019, e pretende prever o valor de atrito em função da macrotextura, idade do 
pavimento, manutenção, umidade, vento, temperatura, precipitação, tráfego, e mix: uma vez 
que, características singulares dos modelos, como a pressão dos pneus, são capazes de 
potencializar hidroavião, de acordo com estudos da NASA (HORNE; DREHER, 1963). 
A verificação estatística estará presente em praticamente todo o desenvolvimento da 
proposta, com ênfase na análise de estratégias de manutenção preventiva sistemática, ao qual 
seguirá com o seguinte roteiro: 
113 
 
a) Analisar a precisão dos dados; 
b) Verificar a estabilidade do processo gerador dos dados; 
c) Determinar o horizonte de previsão do método utilizado; 
d) Comparar as previsões com os valores realizados de demanda para obter o rigor da 
proposta; 
e) Estabelecer os percentuais de erro; 
f) Identificar as fontes de erro do modelo e as melhorias na conformidade do método 
utilizado. 
Em pesquisas que utilizam banco de dados, a precisão das medições é imprescindível, 
sem contar na escolha correta dos fatores que influenciam a variável dependente, de modo a 
evitar problemas na racionalidade do modelo proposto. Algumas pesquisas têm trabalhado com 
técnicas de previsão para determinação de resistência a derrapagem, textura e atrito de 
pavimentos (MARCELINO et al., 2017; CHEN et al., 2019; ZUNIGA-GARCIA; PROZZI, 
2019; PRATICÒ; BRIANTE, 2020). Modelos recentes desenvolvidos para pavimentos 
rodoviários, são baseados em regressão e redes neurais (NAJAFI; FLINTSCH; 
KHALEGHIAN, 2016; PÉREZ-ACEBO; GONZALO-ORDEN; ROJÍ, 2019). 
Com todos esses artifícios proporcionados pela metodologia, ela tem se tornado um 
recurso imprescindível para trabalhos que envolvam previsões. Com a elaboração do modelo, 
as etapas seguintes são compostas pela validação cruzada e teste, em que há a comparação da 
saída prevista com a saída real (ABDELAZIZ et al., 2018). Para esta dissertação será realizada 
análises estatísticas de conhecimento geral para verificar os modelos construídos. A 
metodologia de pesquisa que será emprega está descrita na Figura 46. 
 
114 
 
 
Figura 46 – Metodologia de pesquisa para o modelo de previsão. 
 
Normalmente, as manutenções relacionadas a aderência nos pavimentos adotam 
equipamentos de remoção de borracha, e seguem as frequências determinadas nas RBAC’s. O 
nível de atrito indica quais ações devem ser adotadas, para os fins desta análise será verificada 
a frequência dessas medições, e se outros tipos de tratamentos não são necessários, como a 
inserção de grooving nos pavimentos. 
 
4.1.1 Pré-processamento dos dados 
O banco de dados do Aeroporto de Natal possui uma fonte confiável de dados de 
desempenho dos pavimentos. No entanto, existem algumas limitações, que se resumem aos 
seguintes pontos: (1) Os ensaios dos índices de atrito ocorrem em quatro faixa, logo, a saída 
desses dados devem ser processadas de forma a obter-se o índice a 6 m e 3 m do eixo da pista 
em cada lado; (2) As operações de voo não são detalhadas, e não apresentam a descrição das 
características das aeronaves; (3) Existem dados faltantes ou que a aplicação é escalonada ao 
115 
 
longo do pavimento, como os dados de macrotextura; (4) As características do clima não vem 
da base do aeroporto, exceto pelos dados pluviométricos. A seguir é apresentado como cada 
dado foi utilizado para construção do modelo: 
 Clima: Os dados de clima considerados foram a umidade relativa do ar, temperatura, 
pluviometria e a velocidade do vento. Como o aeroporto não realiza a coleta desses 
dados, buscou-se pela estação meteorológica mais próxima de São Gonçalo do 
Amarante: a estação convencional 82598, e a automática A304, de Natal. As medidas 
a serem testadas, foram tanto referentes ao dia de medição do atrito, como as médias 
diárias dos índices entre a última manutenção e a verificação do atrito. 
 Tráfego: Considerou-se todas as operações de pouso e decolagem, excluindo 
operações com aeronaves de asa rotativa, em que não há contato entre pneu-
pavimento. O mix de aeronaves também foi considerado para efeito de análise já que 
as características de rolamento influenciam as propriedades de textura da pista. 
Apenas aeronaves com frequências de voo significativas foram consideradas. 
 Macrotextura: O ensaio de macrotextura é efetuado nos meses de abril e outubro, 
assim como as medições de atrito, por isso optou-se por utilizar sempre as medidas 
de macrotextura do mês de abril para previsão das medidas de atrito do mês de 
outubro, e assim sucessivamente. Ressalta-se que os dados de macrotextura ocorrem 
a 3 m do eixo da pista, a cada 100 m do seu comprimento. Para fins de ajuste esses 
dados foram incorporados na RNA linearmente como uma única medição. 
 Atrito: O ensaio de atrito foi inserido e dividido em 4 classes, duas a 6 m do eixo da 
pista e duas a 3 m do eixo da pista. 
 Idade do pavimento: A idade do pavimento também foi considerada no modelo, já 
que a pista de pouso e decolagem passou por uma reestruturação no ano de 2017, nos 
seus 2.100 m de comprimento e 16 m de largura. 
 Manutenção: As manutenções de remoção de borracha no aeroporto acontecem uma 
vez no ano e foi utilizada no modelo como uma variável categórica, determinando se 
ocorreu ou não a remoção de borracha entre as medições de macrotextura e atrito. 
 
4.1.2 Definição de parâmetros do modelo de previsão 
A seguir será apresentado as características do banco de dados e a metodologia adotada 
na construção do modelo de previsão do coeficiente de atrito utilizado para programação da 
manutenção sistemática. 
116 
 
4.1.2.1 Matriz de correlação 
Na Figura 47 apresenta-se a matriz de correlação dasvariáveis estudadas. Após a 
normalização dos dados, pela fórmula apresentada na Equação 14, foram utilizadas as 
bibliotecas do Python: Pandas, Seaborn, e Matplotlib para construção da análise de correlação. 
Para modelagem de redes neurais neste trabalho, foi considerado como um valor mínimo 
significativo de correlação, o valor de 0,3. Valores menores que este, não terão influência no 
treinamento da rede. Como pode ser observado, as variáveis de clima não obtiveram valores 
significativos. O vento, a temperatura e a umidade do ar foram analisadas pelos valores 
coletados no dia da execução do ensaio de atrito. 
 
𝑆 = 
𝑉 − 𝑉𝑚𝑖𝑛
𝑉𝑚á𝑥 − 𝑉𝑚𝑖𝑛
 (14) 
Em que: 
S: Valor normalizado; e 
V: Valor da coluna que se deseja normalizar; 
 
 
Figura 47 – Matriz de correlação inicial. 
 
Os dados de clima também foram analisados utilizando a média mensal obtida em cada 
período, a Figura 48 mostra como os dados variaram em função desta alteração. É possível 
117 
 
observar que há uma melhora significativa da influência do vento e da temperatura, quando 
considerado todo o período desde a realização da manutenção, até o ensaio de atrito. 
 
 
Figura 48 – Matriz de correlação considerando a média mensal dos dados climáticos. 
 
4.1.2.2 Modelo 1 – Hiperparâmetros utilizados 
Para o primeiro modelo desenvolvido, optou-se por utilizar todas as variáveis, mesmo a 
umidade do ar e a precipitação não interferindo tanto no modelo. Desta forma, podemos 
caracterizar o banco de dados da seguinte forma: 
 Dados de entrada: 
Macrotextura; 
Velocidade do Vento; 
Variação de Temperatura; 
Umidade do Ar; 
Média de Precipitação; 
Mix de Aeronaves; 
Número de Operações; 
Idade do Pavimento; 
Manutenção entre as medições de Atrito e Macrotextura; 
118 
 
Comprimento da pista; 
Faixa de atrito; 
Distância até o eixo. 
 Conjunto de verificação: 
Coeficiente de Atrito. 
 Total de dados na planilha: 
1.344 observações; 
13 colunas. 
 Divisão dos dados para treinamento e teste: 
Treinamento (80%) – 1075 
Teste (20%) – 269 
 
Quanto a arquitetura do modelo a ser avaliado, a Figura 49 apresenta a estrutura definida 
para treinamento do Modelo 1, composto de duas camadas ocultas: 1º - 32 neurônios, e 2º - 16 
neurônios. Ressalta-se que não foi utilizada função de ativação, já que essas funções geram 
maior perda de magnitude e são implementadas em modelos mais complexos, que normalmente 
trabalham com classificação. 
 
 
Figura 49 – Arquitetura utilizada para modelagem do modelo. 
 
Além da utilização da biblioteca de código aberto para aprendizado de máquina, 
TensorFlow, o modelo aqui proposto também contou com a aplicação do Keras, utilizando para 
otimização de pesos o RMSprop(0.001), com iterações máximas de 1000, e métricas de 
119 
 
verificação com Erro Médio Absoluto (MAE - Mean Absolute Error) e Erro Médio Quadrático 
(MSE - Mean Squared Error). 
 
4.1.2.3 Modelo 2 - Hiperparâmetros utilizados 
O modelo 2 procurou corrigir os erros encontrados no modelo 1. A mesma estrutura foi 
utilizada, só que nesta análise foram empregadas funções de sobreajuste para correções de 
problemas envolvendo Overfitting, que indica quando existem vieses no modelo. Uma forma 
de diminuir esse efeito é executando uma parada antecipada (EarlyStopping), isso quer dizer 
que, para o Modelo 2, quando houver 100 erros seguidos na previsão, o treino irá parar 
imediatamente. Novamente será analisado para fins de verificação o MAE, e o MSE. 
 
4.1.2.4 Modelo 3 - Hiperparâmetros utilizados 
Dentre os hiperparâmetros que mais influenciam no desempenho de uma RNA, está a 
escolha do otimizador, a função que tem como objetivo diminuir o erro entre os resultados 
obtidos por uma rede em comparação com os resultados desejados, pois quanto menor o erro 
obtido por uma rede neural, maior a acurácia dos resultados e consequentemente melhor o 
desempenho da rede. 
Os modelos construídos anteriormente já passaram pelo tratamento de sobreajuste, e 
melhoria do Overfitting, utilizando sempre como função de otimização de pesos o 
RMSprop(0.001), nesta nova proposta optou-se pela aplicação do Adam(0.001), para 
comparação de qual otimizador obtém melhores resultados. E por fim, optou-se pela aplicação 
da função de ativação ReLU - Linear Retificada, utilizando a mesma estrutura adotada 
anteriormente. 
 
4.1.2.5 Modelo 4 - Hiperparâmetros utilizados 
O quarto modelo adotou uma nova arquitetura para análise, com três camadas ocultas 
compostas por uma camada de 128 neurônios, e duas de 64 neurônios. Para otimização dos 
pesos utilizou-se a função RMSprop(0.001), e quantidade máxima de 1000 iterações. O 
EarlyStopping foi novamente utilizado para correção do Overfitting. A função ReLU foi 
empregada como função de ativação das camadas. 
 
4.2 AVALIAÇÃO CONDICIONAL DA MANUTENÇÃO 
Alguns indicadores das condições funcionais e estruturais não são medidos com 
frequência, devido a média de pousos diários no aeroporto em estudo. Essa limitação nos dados 
120 
 
leva a utilização de abordagens alternativas de avaliação dos pavimentos. Outra questão que 
deve ser considerada, é que determinados índices não são exigidos pela ANAC, que toma como 
base principalmente avaliações visuais, por exemplo, o índice PCI não é calculado na maioria 
dos aeroportos brasileiros. Desta forma, o argumento central apresentado, é do uso de uma 
abordagem simples de ser implementada e executada, através do planejamento de cenários, que 
posteriormente será utilizado para determinar o tipo de manutenção mais adequada em função 
do estado considerado. 
Tomando como base essas proposições, o modelo de avaliação de estratégias de 
manutenção de pavimentos, proposto nessa dissertação, inicialmente contará com a 
estruturação dos cenários através da utilização de parametrização dos seguintes modos de 
falhas: 
 Funcional: 
1. Irregularidade do pavimento – É acompanhada a partir de ensaios realizados a cada 2 
anos com a utilização de um Perfilômetro a Laser, caracterizando uma inspersão 
preditiva. Para fins de análise, será considerado, IRI adequado: igual ou inferior a 2,5 
m/km e IRI inadequado: acima de 2,5 m/km. 
2. Defeitos na superfície – Acompanhadas através de insperções sensitivas. Para fins de 
análise, será considerado o pavimento com: pouca ou nenhuma presença de defeitos na 
superfície e; moderada presença de defeitos na superfície. 
3. Detritos de objetos estranhos (FOD) – Acompanhadas através de insperções sensitivas. 
Para fins de análise, será considerado se há ou não a presença de FOD. 
 Estrutural: 
1. Trincas por fadiga – Acompanhadas através de insperções sensitivas. Para fins de 
análise, será considerado o pavimento com: pouca ou nenhuma presença de trincas por 
fadiga e; moderada presença de trincas por fadiga. 
2. Afundamento da trilha de roda – Acompanhadas através de insperções sensitivas. Para 
fins de análise, será considerado o pavimento com: pouca ou nenhuma presença de 
afundamento da trilha de roda e; moderada presença de afundamento da trilha de roda. 
3. PCN – São acompanhadas com o auxílio de ensaios não destrutivos (FWD), e cálculo 
do PCN. A partir desses dados é feita a aplicação do método ACN/PCN. Para fins de 
análise, será considerado, PCN adequado e PCN Inadequado, quando este for menor 
que o ACN de aeronaves que passam pelo aeroporto. 
121 
 
Partindo de uma premissa fundamental de que todo futuro é igualmente provável 
(ROSENHEAD; ELTON; GUPTA, 1972), foram desenvolvidos os cenários para as condições 
funcionais e estruturais, apresentados nas Figura 50 e 51, respectivamente. 
 
 
Figura 50 – Cenários propostos para avaliação funcional condicional. 
 
 
Figura 51 - Cenários propostos para avaliação estrutural condicional. 
 
Esses cenários representam as possibilidades de ocorrência dos efeitosdescritos 
anteriomente: aumento da fadiga dos componentes das aeronaves, vibrações no cockpit e 
operações de voos com restrições. Sabe-se que essas situações podem ou não ocorrer, neste 
caso os cenários que foram preparados representam de maneira geral as incerteza, entendidas 
dentro do contexto de aplicações práticas de análise de decisão multicritério como: na existência 
de determinada situação, não se sabe quantitativamente ou qualitivamente descrever ou prever 
o comportamento de determinado sistema (ZIMMERMANN, 2000). É importante também 
ressaltar que não serão analisados cenários em que o pavimento esteja completamente 
degradado, uma vez que a proposta das estratégias, é justamente para evitar este tipo de 
situação. O objetivo é propor ações que evitem que condições indesejáveis ocorram nos 
pavimentos. Além disso, a visualização gera insights capazes de melhorar a habilidade dos 
operadores no planejamento da manutenção. 
122 
 
 
4.3 DEFINIÇÃO DE LINHAS ESTRATÉGICAS DE AÇÃO NA MANUTENÇÃO 
As soluções inicialmente propostas, serão as mesmas sugeridas nos regularmentos da 
FAA e da ANAC, porém organizadas conforme exemplificado no Quadro 13. A opção “não 
fazer nada”, não foi considerada por questões de segurança aeroportuária, e normativas da 
aviação civil. Diferente do software MicroPAVER que classifica as manutenções em três ações: 
insperção de rotina, manutenção profunda e reabilitação, este trabalho vai considerar para fins 
de avaliação dez ações corretivas. 
 
Ações corretivas Descrição 
A1 - Inspeções de rotina 
Realizada em determinados períodos ou intervalos de tempo 
no intuito de detectar irregularidades ou situações potenciais 
que coloquem em risco as operações de pista. 
A2 - Remoção do contaminante 
Processo de retirada ou Remoção de Borracha, água, neve, 
gelo, areia, óleo, lama, limo, fluido ou qualquer outra 
substância que gere efeito similar a tais elementos acumulada 
no pavimento, visando restaurar e preservar a funcionalidade 
operacional segura das Pistas de Pouso e Decolagem. 
A3 - Remendo superficial 
Este tratamento ocorre quando envolve a retirada e a 
recomposição de uma ou mais camadas asfálticas que fazem 
parte do revestimento. 
A4 - Remendo profundo 
É profundo, pois a origem do problema está presente em uma 
camada subjacente ao revestimento (base, sub-base, reforço, 
subleito), ou esta camada subjacente apresenta falha por 
algum problema de drenagem. 
A5 - Lama asfáltica 
É um revestimento superficial obtido por espalhamento a frio, 
em fina camada, constituída de agregados miúdos e emulsões 
asfálticas especiais de cimento asfáltico. 
A6 - Tratamentos superficiais 
Trata-se de revestimentos constituídos por uma ou mais 
camadas de agregados ligadas por um ligante 
hidrocarbonado, cada camada tendo uma espessura próxima 
da dimensão máxima do agregado. 
A7 - Tratamento prévio do pavimento existente 
Executados com o intuído principal de reduzir o potencial 
para ocorrência da reflexão. Como exemplos, tem-se: 
fresagem, reciclagem, execução de reparos localizados e 
selagem de trincas. 
A8 - Construção de camada intermediária 
Executada para absorção de tensões ou de deformações, 
desvio do processo de trincamento, impermeabilização e 
alívio de tensões diferenciais elevadas. 
A9 - Projeto da camada de recapeamento 
Parte do dimensionamento de espessuras até a especificação 
da mistura asfáltica, com o propósito de elevar sua capacidade 
de resistir às tensões e/ou deformações impostas pela 
movimentação das trincas subjacentes. 
A10 - Reconstrução Remoção e reconstrução total do revestimento asfáltico. 
Quadro 13 – Ações alternativas para manutenção de pavimentos. 
 
Um dos métodos mais utilizados na área de manutenção é a Análise de Modos de Falhas 
e Efeitos ou Failure Mode and Effect Analysis (FMEA) para prevenção e análise de risco. No 
intuito de agregar valor a análise de estratégias de manutenção centrada na confiabilidade, foi 
123 
 
feita uma mesclagem dos índices provenientes do método FMEA, com parâmetros relacionados 
a pavimentos aeroportuários. Para efeito de avaliação dos cenários apresentados anteriormente, 
foram identificados os critérios do Quadro 14. Ressalta-se que as dimensões da pista não foram 
consideradas como critério devido a inviabilidade, apontada pela equipe do aeroporto, em 
executar o deslocamento da cabeceira por motivos de falhas no pavimento. 
 
Critérios para avaliação Descrição 
C1 – Impacto operacional Probabilidade da falha parar ou prejudicar as operações de voo. 
C2 – Orçamento Probabilidade da falha existir e gerar gastos extensos com restauração. 
C3 – Ocorrência Probabilidade da causa existir e provocar uma falha. 
C4 – Detecção Probabilidade da falha ser detectada antes do início das operações de voo. 
C5 – Severidade Probabilidade em que o cliente (empresa aérea e passageiros) identifica e é 
prejudicado pela falha, em termo de segurança. 
Quadro 14 – Critérios para avaliação das estratégias de manutenção a nível funcional e estrutural. 
 
Por meio da incorporação dos critérios é possivel obter estratégias mais tangíveis, em 
termos quantitativos, e eficientes por reduzirem as chances de falhas no sistema de pavimentos. 
Para classificação das falhas nos critérios, as escalas presentes no Quadro 15 serão consultadas. 
 
Critério Classificação Descrição 
Impacto operacional (IO) 
1 Chance mínima de interromper as operações. 
2 Parada parcial das operações no Lado Ar. 
3 Parada total das operações no Lado Ar. 
Orçamento (OR) 
1 
Custos mínimos com manutenção e reabilitação a partir 
das falhas encontradas no pavimento. 
2 
Custos moderados com manutenção e reabilitação a 
partir das falhas encontradas no pavimento. 
3 
Custos elevados de manutenção e reabilitação a partir 
das falhas encontradas no pavimento. 
Ocorrência (OC) 
1 Baixa: relativamente poucas ocorrências de causa 
2 Moderada: ocorrências de causa ocasionais 
3 Alta: ocorrências de causa repetidas 
Detecção (DE) 
1 
Alta: Alta chance de o controle do projeto detectar uma 
causa ou mecanismo em potencial e o modo de falha 
subsequente. 
2 
Moderada: chance moderada de que o controle do 
projeto detecte uma causa ou mecanismo em potencial e 
o modo de falha subsequente. 
3 
Remota: chance remota de que o controle do projeto 
detecte uma causa ou mecanismo em potencial e o modo 
de falha subsequente. 
Severidade (SE) 
1 
Leve: pode causar um pequeno inconveniente para as 
operações relacionadas. 
2 
Moderado: pode causar retrabalho/reparo e/ou danos ao 
equipamento. 
3 
Perigoso: classificação de gravidade muito alta quando 
um modo de falha potencial afeta a seguração das 
operações e usuários. 
Quadro 15 – Classificação dos critérios utilizados na proposta. 
124 
 
 
Ressalta-se que a abordagem utilizada tem como foco não a obtenção de uma estratégia 
robusta para todos os cenários, mas restringir a atenção, como em Linares (2002) e Goodwin e 
Wright (2001), às melhores estratégias em cada cenário dentro dos critérios analisados, para 
isso as etapas presentes na Figura 52 serão consideradas. Para estabelecimento dos pesos será 
empregada a Escala Fundamental de Saaty presente no método AHP, em seguida, para medida 
de desempenho será utilizado o método MAVT seguindo a mesma metodologia emprega por 
Goodwin e Wright (2001). 
 
 
Figura 52 – Estrutura de avaliação das estratégias de manutenção. 
 
A interação dos pesos com os valores de classificação, também ajudarão a evitar a 
preocupação relatada por Ben-Daya (2009): de valores de NPR (Nível de Priorização de Risco) 
iguais para diferentes falhas. Para aplicação da metodologia um questionário de opinião com o 
auxílio do Google Docs será construído e enviado a equipe de manutenção do aeroporto. Depois 
de analisada e discutida a validade das respostas obtidas, um Plano Mestre de Manutenção dos 
Pavimentos será desenvolvido.4.3.1 Análise de importância dos critérios 
Definido os critérios a serem analisados, o passo seguinte foi a determinação dos pesos 
de cada critério. Saaty (1991) sugere a adoção de uma escala discreta de 1 até 9 com valores 
intermediários entre eles. Para efeito de facilidade na compressão da determinação dos valores 
de importância na comparação par a par, optou-se por excluir os valores intermediários, como 
pode ser visualizado na Tabela 16. 
 
 
125 
 
 
Critérios Escala Definição 
C1 C2 9 Componente C1 é extremante mais importante que o Componente C2. 
C1 C2 7 Componente C1 é muito importante em relação ao Componente C2. 
C1 C2 5 Componente C1 é importante em relação ao Componente C2. 
C1 C2 3 Componente C1 é um pouco mais importante em relação ao Componente C2. 
C1 C2 1 Os dois Componentes têm a mesma importância. 
C1 C2 1/3 Componente C2 é um pouco mais importante em relação ao Componente C1. 
C1 C2 1/5 Componente C2 é importante em relação ao Componente C1. 
C1 C2 1/7 Componente C2 é muito importante em relação ao Componente C1. 
C1 C2 1/9 Componente C2 é extremante mais importante que o Componente C1. 
Tabela 16 - Escala Fundamental do AHP (Adaptada de SAATY, 1977). 
 
A comparação paritária do critério i com o critério j é colocada no elemento da Matriz 
de Comparação Emparelhada. Como exemplo temos os critérios: C1, C2, C3, C4, C5 e C6, o 
valor recíproco dessa comparação (Figura 53) é colocado no elemento aji de “A” para preservar 
a consistência do julgamento. Assim, dados os critérios, o usuário compara a importância 
relativa de um critério em relação a uma segunda alternativa. 
 
 C1 C2 C3 C4 C5 C6 
C1 1 a12 a13 a14 a15 a16 
C2 a21 1 a23 a24 a25 a26 
C3 a31 a32 1 a34 a35 a36 
C4 a41 a42 a43 1 a45 a46 
C5 a51 a52 a53 a54 1 a56 
C6 a61 a62 a63 a64 a65 1 
Figura 53 - Matrix recíproca A. 
 
Portanto, se C1 fosse fortemente favorecida em relação a C2, por exemplo, então a12 = 
5. Se o inverso fosse verdadeiro e C2 é que fosse fortemente favorecida em relação à C1, a12 é 
o valor recíproco de 1/5. Segundo Saaty (1977), é possível compreender através da matriz que 
apenas metade dos julgamentos precisam ser feitos, pois a outra metade é definido pelos valores 
recíprocos inversos. A Matriz de Comparação Emparelhada é chamada de matriz recíproca por 
razões óbvias. 
Realizado os julgamentos deve-se calcular o auto vetor (λmáx) da matriz A, e w, o vetor 
próprio correspondente ou vetor de prioridades de forma, a possibilitar a verificação de 
consistência. A inconsistência pode ser medida da seguinte maneira: quanto mais próximo 
estiver o valor de λmáx de n, maior será a consistência dos juízos. É importante ressaltar que 
126 
 
este valor deve servir como um alerta para o decisor e/ou especialista, não unicamente como 
uma situação indiferente. Desta forma, para fins de cálculo, Saaty (1977) simplificou um 
cálculo para o índice de coerência (IC). Portanto, a magnitude da perturbação da matriz A é 
calculada utilizando a relação da Equação (15). 
 
𝐼𝐶 =
𝜆𝑚á𝑥−𝑛
𝑛−1
 (15) 
 
A partir dos teoremas descritos, Saaty (1987) propôs o cálculo da razão de consistência 
(RC) da matriz de decisão A, exposta na Equação (16). 
 
𝑅𝐶 =
𝐼𝐶
𝐼𝑅
 (16) 
 
Em que: 
RC: Razão de consistência; 
IC: Índice de consistência; 
IR: Índice aleatório ou randômico. 
 
Quanto maior o RC, maior será a inconsistência da matriz. Em geral, uma inconsistência 
considerada aceitável para n > 4 é um RC ≤ 0,10. Para os valores do IR tem-se a Tabela 17 com 
alguns valores para o índice randômico, calculada para matrizes quadradas de ordem n pelo 
Laboratório Nacional de Oak Ridge, nos Estados Unidos (SAATY, 1991). 
 
n x n 1 2 3 4 5 6 7 
IR 0 0 0,58 0,89 1,11 1,25 1,35 
Tabela 17 - Valores de IR para Matriz quadrada de ordem n x n (SAATY, 1991). 
 
Realizada toda esta análise sobre o julgamento da matriz A, é dado que esta matriz é 
coerente. 
 
4.3.2 Verificação de diferentes estados funcionais e estruturais do pavimento 
Após a seleção dos critérios, foi estabelecido junto ao aeroporto quais seriam os 
decisores, ao qual se determinou que os principais responsáveis pela tomada de decisões, quanto 
a intervenções e modificações nos planos de manutenção, eram o Coordenador Geral de 
Manutenção e o Líder de Manutenção Civil, como pode ser visualizado no Quadro 16. No 
127 
 
intuito de auxiliar as decisões finais, 5 especialistas e profissionais da área de manutenção civil 
e pavimentação em aeroportos, também foram consultados quanto a priorização de falhas e 
determinação das alternativas. 
 
Manutenção Designação Aplicação do questionário 
Coordenador Geral de Manutenção Decisor Sim 
Líder de Manutenção Civil Decisor Sim 
Fiscais Executor Não 
Auxiliares Executor Não 
Análise Externa Especialistas Sim 
Quadro 16 – Definição dos tomadores de decisão. 
 
O primeiro questionário (ANEXO III) aplicado a equipe do aeroporto e aos 
especialistas, teve o intuito de estabelecer: 
 Os tipos de falhas: falha relacionada à segurança ou meio ambiente, falha relacionada 
à aspectos econômicos, falha oculta ou falha operacional. Para cada modo de falha 
foi questionado: 
a) Nas condições normais de trabalho, a equipe de manutenção sabe que a falha 
ocorreu? 
b) Se a resposta anterior foi sim, responda: Este modo de falha afeta a segurança? 
c) Se a resposta anterior foi não, responda: Este modo de falha leva o aeroporto 
a uma parada forçada parcial ou total? 
 O peso de cada um dos seis critérios estabelecidos. 
 A classificação de cada modo de falha em cada critério. 
O segundo questionário (ANEXO IV) teve o intuito de classificar qual a melhor 
alternativa em função de cada critério em cada cenário. Para isso, primeiramente, era 
apresentado o cenário, e novamente definido o que significava cada um dos critérios. Haviam 
dez alternativas para os cenários relacionados ao funcional e estrutural, e onze para os cenários 
relacionados ao atrito, em que também foi considerado a estratégia A11 - Implantação de 
grooving. 
 
 
128 
 
5 ANÁLISE DOS DADOS E RESULTADOS DA PROPOSTA 
A seguir são apresentados os resultados e discussões sobre os dados referentes a 
aplicação dos métodos, e modelos desenvolvidos para estabelecer a análise das falhas e sugestão 
das estratégias de manutenção em pavimentos aeroportuários. 
 
5.1 ANÁLISE DAS FALHAS PRESENTES NOS PAVIMENTOS 
Uma das etapas de desenvolvimento de um sistema de gerenciamentos dos pavimentos 
é a determinação das prioridades de manutenção. Devido a insuficiência de recursos disponíveis 
para preservação da rede, definir as urgências permite maior facilidade na tomada de decisão, 
e pode auxiliar os operadores na elaboração de planos orçamentários mais coerentes com a 
realidade. Neste tópico, será apresentado uma análise geral das falhas presente nos pavimentos 
e a classificação de prioridades das falhas por meio da aplicação do método FMEA acrescido 
de critérios técnicos da área de manutenção dos pavimentos. Esta avaliação contou com a 
opinião de sete especialistas (coordenadores de manutenção em aeroportos, profissionais da 
área de pavimentação, e acadêmicos da área). 
 
5.1.1 Classificação dos tipos de falhas 
Definir os tipos de falhas, é um dos primeiros passos da avaliação no gerenciamento da 
manutenção, pois permite escolher estratégias mais adequadas no contexto das operações, 
viáveis e econômicas. A Figura 54 apresenta como cada especialista pontuou as oito falhas 
estudadas nesta pesquisa. Observe que somente a falha relacionada ao PCN (F8) está adequado 
ou não, foi considerada como Falha oculta, por seis dos sete avaliadores, isso quer dizer que 
nas condições normais de trabalho a equipe de manutenção não sabe se a falha ocorreu. A falha 
de trincas por fadiga (F6)também se diferenciou das demais por obter maior pontuação para a 
classificação do tipo falha operacional, isso quer dizer que a equipe de manutenção sabe quando 
ela ocorre, mas que no geral ela não afeta a segurança. A irregularidade do pavimento (F3) ficou 
classificada como indefinida, já que obteve pontuação igual para falha oculta e falha relacionada 
a segurança, demais falhas analisadas foram classificadas como falhas relacionadas à segurança 
que podem levar o aeroporto a paradas parciais ou totais. 
 
129 
 
 
Figura 54 – Classificação dos tipos de falhas. 
 
5.1.2 Definição do Nível de Priorização de Risco 
No método FMEA, as falhas podem ser analisadas através de critérios técnicos, que 
ajudam a visualizar as urgências e determinar porque determinada falha merece mais atenção 
que outra. Nesta pesquisa a priorização estabeleceu-se em função do impacto operacional, 
relacionado pela possibilidade da falha em questão parar ou prejudicar as operações de voo; o 
orçamento, quando a falha pode gerar gastos extensos com manutenção ou reabilitação; a 
ocorrência, quando a causa existe, seja relacionada a problemas construtivos, materiais 
inadequados, tráfego acima do limite, entre outros, possibilitando que aquela falha ocorra; 
detecção, se é possível ou não identificá-la antes de iniciar qualquer operação com aeronaves; 
e por fim, a severidade, proporção dos danos que ela pode causar as aeronaves e passageiros. 
A Tabela 18 mostra a pontuação conferida a cada modo de falha, quando presente ou 
não em local crítico. Considerando a presença de falhas em locais críticos, quanto ao critério 
C1, o baixo atrito entre pneu-pavimento tem maior possibilidade de parar ou prejudicar as 
operações de voo, e os defeitos na superfície (funcionais), trincas por fadiga e o PCN 
inadequado tem menores chances; Quanto ao critério C2, os defeitos na superfície tem maior 
probabilidade de existir e gerar gastos extensos, e detritos de objetos estranhos tem menores 
possibilidades; considerando o critério C3, o afundamento na trilha de roda e o PCN inadequado 
tem possibilidade de ocorrência praticamente nula, e as demais falhas não têm ocorrências de 
causa repetidas, mas ocasionais; Quanto a Detecção (C4), o acúmulo de água e o FOD tem alta 
chance do controle de projeto detectar uma causa ou mecanismo em potencial capaz de gerá-
los; Quanto ao critério C5, apenas as trincas por fadiga receberam pontuação leve, em que pode 
causar apenas um pequeno inconveniente para as operações. 
 
130 
 
Modo de Falha 
Presente em 
local crítico? 
C1 C2 C3 C4 C5 NPR 
Acúmulo de água (F1) 
SIM 2 2 2 1 3 24 
NÃO 1 2 2 1 2 8 
Baixo atrito entre pneu-pavimento (F2) 
SIM 3 2 2 2 3 72 
NÃO 1 2 2 2 1 8 
Irregularidade do pavimento (F3) 
SIM 2 2 2 2 3 48 
NÃO 1 2 2 2 1 8 
Defeitos na superfície de origem funcional (F4) 
SIM 1 3 2 2 3 36 
NÃO 1 3 2 2 2 24 
Detritos de objetos estranhos (F5) 
SIM 2 1 2 1 3 12 
NÃO 1 1 2 1 2 4 
Trincas por fadiga (F6) 
SIM 1 2 2 2 1 8 
NÃO 1 2 2 2 1 8 
Afundamento da trilha de roda (F7) 
SIM 2 2 1 2 3 24 
NÃO 1 2 1 2 2 8 
PCN inadequado (F8) 
SIM 1 2 1 2 2 8 
NÃO 1 2 1 2 1 4 
Tabela 18 – Pontuação Likert e determinação da prioridade das falhas. 
 
Na Tabela 19 é possível visualizar o ranking final da priorização das falhas. Em que a 
maior prioridade está relacionada ao baixo atrito entre pneu-pavimento, seguido pela 
irregularidade, defeitos na superfície de origem funcional, e acúmulo de água. Tais 
características estão ligadas principalmente a possibilidade de derrapagem, redução da ação de 
frenagem, aumento da fadiga dos componentes das aeronaves e vibrações no cockpit. É 
importante esclarecer que a equipe de manutenção precisa acompanhar 95% das principais 
falhas apontadas pelo FMEA, ou seja, ter maior atenção nas falhas que obtiveram RPN > 12,15. 
Nota-se que os defeitos na superfície, mesmo quando não presentes em locais críticos, precisam 
ser tratados com certa prioridade. 
 
Modo de Falha 
Presente em 
local crítico? 
NPR Ranking 
Baixo atrito entre pneu-pavimento (F2) SIM 72 1º 
Irregularidade do pavimento (F3) SIM 48 2º 
Defeitos na superfície de origem funcional (F4) SIM 36 3º 
Acúmulo de água (F1) SIM 24 4º 
Afundamento da trilha de roda (F7) SIM 24 4º 
Defeitos na superfície de origem funcional (F4) NÃO 24 4º 
Detritos de objetos estranhos (F5) SIM 12 5º 
Trincas por fadiga (F6) SIM 8 6º 
PCN inadequado (F8) SIM 8 6º 
Afundamento da trilha de roda (F7) NÃO 8 6º 
Acúmulo de água (F1) NÃO 8 6º 
Baixo atrito entre pneu-pavimento (F2) NÃO 8 6º 
Irregularidade do pavimento (F3) NÃO 8 6º 
Trincas por fadiga (F6) NÃO 8 6º 
Detritos de objetos estranhos (F5) NÃO 4 7º 
PCN inadequado (F8) NÃO 4 7º 
Tabela 19 – Ranking final de prioridade das falhas. 
131 
 
5.2 ANÁLISE DESCRITIVA DAS RELAÇÕES PAR A PAR PARA DETERMINAÇÃO 
DAS ESTRATÉGIAS DE MANUTENÇÃO 
A metodologia empregada nesta pesquisa, analisa o peso dos critérios por meio de uma 
comparação binária, este peso representa a importância do critério para determinação de 
estratégias de manutenção. Na prática, foram disponibilizados questionários, como no modelo 
presente no ANEXO III, a equipe de manutenção do Aeroporto de Natal, e a seis especialistas 
(coordenadores de manutenção em aeroportos, profissionais da área de pavimentação, e 
acadêmicos da área). Portanto, classificava-se que um critério seria mais importante que outro, 
quando os respondentes indicavam relações de 3, 5, 7 e 9 da Escala Fundamental de Saaty 
presente na Tabela 7, e quando o critério era menos importante que outro utilizava-se 1/3, 1/5, 
1/7 e 1/9. Em casos em que o decisor classificava com igual importância, a relação era definida 
pelo valor 1 presente na escala. 
Com o intuito de descrever as relações estabelecidas pelos respondentes, a Figura 55 
apresenta o percentual definido para priorização entre o Impacto Operacional e os demais 
critérios associados. 
 
 
Figura 55 – Percentual definido para priorização entre IO e demais critérios associados. 
 
A Figura 56 indica o percentual de importância entre orçamento e os critérios referentes 
a ocorrência, detecção e severidade. 
 
132 
 
 
Figura 56 - Percentual definido para priorização entre OR e demais critérios associados. 
 
Por fim, é apresentado na Figura 57, o percentual de importância atribuída na 
comparação entre ocorrência e detecção, ocorrência e severidade, e detecção e severidade. 
 
 
Figura 57 - Percentual definido para priorização entre OC e SE e demais critérios associados. 
 
5.3 IDENTIFICAÇÃO GERAL DO GRAU DE IMPORTÂNCIA DOS CRITÉRIOS 
Com os resultados de cada matriz, elaborada de acordo com os dados obtidos das 
respostas dos especialistas, o cálculo do peso da importância de cada critério foi obtido com a 
média aritmética dos resultados apresentados em cada matriz, desde que consideradas 
consistentes, que de acordo com método proposto ocorre quando CR > 10%. A Tabela 20 
apresenta os pesos referentes aos critérios adotados, que indicam o grau de importância para os 
especialistas em relação aos critérios para determinação de estratégias de manutenção em 
pavimentos aeroportuários. De acordo com a Tabela 20, o critério Severidade (31,07%) é o 
indicador mais importante, seguido pelo Impacto Operacional (IO), e a Detecção (DE). 
133 
 
 
Indicadores Prioridade Ranking 
Severidade (SE) 31,07% 1º 
Impacto operacional (IO) 23,00% 2º 
Detecção (DE) 18,30% 3º 
Orçamento (OR) 14,67% 4º 
Ocorrência (OC) 13,00% 5º 
Tabela 20 – Pesos obtidos para os critérios. 
 
O aplicativo utilizado para montar a matriz de julgamento e avaliar a consistência dos 
valores determinados foi o Sistema Online BPMSG AHP. Este sistema calcula 
automaticamente a razão de consistência (CR). A Tabela 21 mostra os dados obtidos para o 
cálculo dos julgamentos. 
 
Matrix de decisão Razão de consistência 
Decisor 1 
 
Número de comparações =10 
Autovalor = 5.182 
Solução de autovetor: 5 iterações, delta = 2.6E-8 
Razão de consistência RC = 4.0% 
Decisor 2 
 
Número de comparações = 10 
Autovalor = 5.133 
Solução de autovetor: 5 iterações, delta = 1.5E-8 
Razão de consistência RC = 3.0% 
Decisor 3 
 
Número de comparações = 10 
Autovalor = 5.915 
Solução de autovetor: 9 iterações, delta = 1.4E-8 
Razão de consistência RC = 20.3% 
Decisor 4 
 
Número de comparações = 10 
Autovalor = 5.186 
Solução de autovetor: 5 iterações, delta = 2.5E-9 
Razão de consistência RC = 4.1% 
Decisor 5 
 
Número de comparações = 10 
Autovalor = 8.302 
Solução de autovetor: 14 iterações, delta = 2.6E-8 
Razão de consistência RC = 73.4% 
134 
 
Decisor 6 
 
Número de comparações = 10 
Autovalor = 5.984 
Solução de autovetor: 9 iterações, delta = 7.1E-9 
Razão de consistência RC = 21.9% 
Decisor 7 
 
Número de comparações = 10 
Autovalor = 5.570 
Solução de autovetor: 7 iterações, delta = 1.5E-8 
Razão de consistência RC = 12.7% 
Tabela 21 – Matrizes de decisão e resultados da Razão de Consistência. 
 
5.4 DETERMINAÇÃO DOS MODELOS DE AVALIAÇÃO DE PAVIMENTOS 
A seguir são apresentados os modelos para previsão de atrito utilizando RNA, 
desenvolvido com o auxílio de um Mestre em Ciências da Computação em linguagem Python, 
e na seção 5.4.2 são definidos os tipos de estratégias estabelecida por meio de análise 
multicritério dos cenários funcionais e estruturais, que contou com o suporte de especialistas da 
área de manutenção de pavimentos aeroportuários. 
 
5.4.1 Modelo para manutenção sistemática do pavimento 
Esta seção apresenta as quatro estruturas desenvolvidas com o auxílio da biblioteca 
TensorFlow e Keras, buscando determinar qual modelo obtém melhor desempenho por meio 
da análise do Erro Médio Quadrático (MSE) e do Erro Médio Absoluto (MAE). E por fim, é 
apresentado uma proposta de framework para construção de um modelo em RNA para previsão 
do coeficiente de atrito utilizando as bibliotecas disponíveis em Python. 
 
5.4.1.1 Análise gráfica do Modelo 1 
Após realizar testes com algumas arquiteturas e hiperparâmetros sugeridos na literatura, 
a primeira estrutura, pós normalização dos dados com a função StandardScaler() e Mean, 
apresentou resultados de erro para treinamento e validação (teste) como mostrado nos gráficos 
da Figura 58. Note que, no gráfico referente ao MAE (Fig. 58.a) em sua fase validação de 0 a 
300 épocas, ele tem problema de overfitting, ou seja, ele erra mais no teste que no treinamento. 
O mesmo também pode ser observado no início da análise de MSE, com erros de validação 
significativos. Isso ocorre porque o banco de dados utilizado apresenta repetição, exemplo, a 
temperatura da pista não é analisada por sessões, é uma mesma temperatura ao longo de todo o 
135 
 
comprimento, essa característica está presente nas variáveis de clima, e outras empregadas no 
modelo. 
 
 
Figura 58 – Resultados para verificação do Modelo 1 de a) MAE e b) MSE. 
 
Outro gráfico que deve ser estudado para validação do modelo, é o gráfico de dispersão 
presente na Figura 59, comparando o que foi previsto com os valores reais. Percebe-se que há 
variação nos dados de 0,5 a 0,7, e uma dispersão significativa no previsto para o valor real 
observado, deduzindo-se que a curva apresentada ainda não está bem ajustada, uma vez que há 
uma certa fuga dos dados previstos dos dados reais. 
 
 
Figura 59 - Gráficos de dispersão de validação do modelo 1. 
 
Em complemento a análise anterior, é importante a verificação do histograma de erro 
deste modelo inicial. Através do gráfico da Figura 60, percebe-se que a maioria dos erros de 
previsão está entre -0,05 e +0,05. 
 
136 
 
 
Figura 60 - Histograma de erros de previsão do modelo 1. 
 
5.4.1.2 Análise gráfica do Modelo 2 
Utilizando a mesma arquitetura apresentada anteriormente, o modelo 2 focou em 
corrigir os problemas relacionados ao overfitting, aplicando o sobreajuste (EarlyStopping). 
Note que mesmo com o tratamento os erros na validação persistem (Figura 61). 
 
 
Figura 61 - Resultados para verificação do Modelo 2 de a) MAE e b) MSE. 
 
Percebe-se com o gráfico da Figura 62, que praticamente não houveram alterações nos 
resultados, a curva se ajustou um pouco, mas a dispersão ainda é alta e irregular. Avaliando o 
histograma de erros (Figura 63) constata-se que o modelo precisa de melhoras e da utilização 
de novos recursos para correção do overfitting. 
 
137 
 
 
Figura 62 - Gráficos de dispersão de validação do modelo 2. 
 
 
Figura 63 - Histograma de erros de previsão do modelo 2. 
 
Observa-se que quanto a magnitude da perda (Figura 64), esse novo modelo apresentou, 
em comparação com o anterior, valores de perda na eficiência do algoritmo praticamente iguais, 
na ordem de 0,4 no treinamento, e no modelo 1 de 0,5. Esses dados mostram que o modelo 
precisa ser ainda otimizado para melhor aproveitamento dos dados e desempenho do modelo 
proposto. 
 
138 
 
 
Figura 64 - Comparação da magnitude de perda do a) Modelo 1, e b) Modelo 2. 
 
5.4.1.3 Análise gráfica do Modelo 3 
Ainda empregando a mesma arquitetura, porém, desta vez, fazendo uso de função de 
ativação – ReLU, otimizador de pesos RMSprop (0.001), máximo de 1000 iterações e utilizando 
sobreajuste para controle do overfitting, foi obtido valores de MAE na ordem de 0,02 e MSE 
de 0,0006, como mostrado na Figura 65, as curvas e resultados para treino e teste. 
 
 
Figura 65 - Resultados para verificação do Modelo 3 de a) MAE e b) MSE. 
 
O gráfico de dispersão da Figura 66 ilustra a melhora significativa obtida no modelo a 
partir da utilização da função de ativação. Pelo gráfico contata-se que a variação dos valores de 
coeficiente de atrito estimado estão entre 0,5 e 0,85, e os valores reais variam de 0,55 a 0,8. 
139 
 
 
Figura 66 - Gráficos de dispersão de validação do modelo 3. 
 
O histograma de erros analisado também mostra a concentração dos erros entre -0,01 a 
0,025, ou seja, uma média de erro de praticamente zero. 
 
 
Figura 67 - Histograma de erros de previsão do modelo 3. 
 
Infelizmente, o emprego de função de ativação, normalmente, dependendo do banco de 
dados utilizado, e arquitetura adotada, possuem magnitude de perda elevadas, como aconteceu 
nesse terceiro modelo como pode ser observado na Figura 68, o tipo de indicativo que pode 
comprometer a eficiência na previsão. 
 
140 
 
 
Figura 68 – Magnitude de perda do modelo 3 para treino e teste. 
 
5.4.1.4 Análise gráfica do Modelo 4 
O último modelo testado, procurou tanto evitar a ocorrência de overfitting, como evitar 
valores elevados de magnitude, e utilizando uma nova arquitetura, e função de ativação ReLU. 
Buscando corrigir esses problemas, avaliou-se diferentes arquiteturas, até a obtenção de um 
modelo composto por quatro camadas ocultas, de 128 neurônios, duas camadas com 64 
neurônios e uma última camada contendo um neurônio referente a única saída que é o valor de 
Coeficiente de Atrito, e empregando para otimização dos pesos o RMSprop(0.001), com 
número máximo de iteração de 1000, e sobreajuste que na existência de 100 erros seguidos, irá 
parar o treinamento automaticamente. Note na Figura 69, que com as alterações na arquitetura 
o modelo conseguiu excelentes resultados, tanto no treinamento quanto na validação, mesmo 
sem a implementação da função de ativação, com MAE em torno de 0,02, e MSE em 0,001. 
 
 
Figura 69 - Resultados para verificação do Modelo 4 de a) MAE e b) MSE. 
 
141 
 
Por meio do gráfico de dispersão na Figura 70, é possível comparar os valores previstos 
dos valores reais, observe que analisando por este gráfico o modelo 3, aparentemente obtém 
melhores resultados, mas isso acaba não sendo algo tão válido no momento de aplicação, já que 
pela função de perda, presente na Figura 71, a eficiência na determinação do preditor no modelo 
4acaba obtendo mais precisão. 
 
 
Figura 70 - Gráficos de dispersão de validação do modelo 4. 
 
 
Figura 71 – Magnitude de perda do modelo 3 para treino e teste. 
 
5.4.1.5 Proposta de framework para construção de um modelo para previsão de atrito 
A proposta do framework para previsão de atrito tem por objetivo auxiliar no 
desenvolvimento de modelos em RNA, para planejamento e controle dos dados, e variáveis que 
interferem no coeficiente de atrito. Devido a peculiaridades de clima, tráfego, e material 
142 
 
asfáltico utilizado na pista de pouso e decolagem de cada aeroporto, a elaboração de um modelo 
universal pode ser de difícil configuração. Todavia, com o suporte de bibliotecas de códigos 
aberto é possível a elaboração de modelos eficientes de previsão capazes de apoiar na tomada 
de decisão na gestão da manutenção. A Figura 72 apresenta um fluxograma de análises, 
variáveis, bibliotecas e funções que podem ser empregadas em Python para elaboração de um 
modelo de previsão em RNA. 
 
 
Figura 72 – Fluxograma proposto para construção de um modelo de previsão de coeficiente de atrito. 
 
5.4.2 Modelo para manutenção condicional do pavimento 
5.4.2.1 Modelo para análise funcional 
Estabelecido o peso dos critérios, a Tabela 22 apresenta a pontuação de desempenho 
apontada pelos especialistas. Para os cenários com falhas funcionais, seis cenários com 
alternativas pontuadas de 10 (pior desempenho) a 100 (melhor desempenho) foram 
classificados. 
 
 
 
 
 
143 
 
Vkir Cenários Funcionais 
 Cenário 1 Cenário 2 Cenário 3 Cenário 4 Cenário 5 Cenário 6 
C1 0,23 
A1 30 70 60 30 70 20 
A2 10 10 10 10 10 80 
A3 40 50 100 40 50 10 
A4 50 40 70 50 40 50 
A5 20 20 80 20 20 90 
A6 60 60 90 60 60 100 
A7 80 80 50 80 80 60 
A8 90 90 40 90 90 70 
A9 100 100 30 100 100 30 
A10 70 30 20 70 30 40 
C2 0,1467 
A1 20 80 50 30 70 20 
A2 10 10 10 10 10 80 
A3 100 50 100 40 50 10 
A4 30 40 60 50 40 50 
A5 40 20 70 20 20 90 
A6 90 90 80 90 90 100 
A7 80 60 40 70 70 60 
A8 50 70 30 80 80 70 
A9 60 100 90 100 100 30 
A10 70 30 20 60 30 40 
C3 0,13 
A1 50 80 50 30 70 20 
A2 10 10 10 10 10 80 
A3 60 50 100 40 50 10 
A4 40 40 60 50 40 50 
A5 50 20 70 20 20 90 
A6 80 90 90 80 60 100 
A7 90 60 40 70 80 60 
A8 70 70 30 90 90 70 
A9 100 100 80 100 100 30 
A10 20 30 20 60 30 40 
C4 0,183 
A1 20 100 50 30 70 20 
A2 10 10 10 10 10 80 
A3 100 50 100 40 50 10 
A4 30 40 60 50 40 50 
A5 40 20 70 20 20 90 
A6 90 80 90 70 90 100 
A7 70 60 40 80 70 60 
A8 50 70 30 90 80 70 
A9 80 90 80 100 100 30 
A10 60 30 20 60 30 40 
C5 0,3107 
A1 50 80 50 30 70 20 
A2 10 10 10 10 10 80 
A3 40 50 100 60 50 10 
A4 30 40 60 40 40 50 
A5 20 20 70 20 20 90 
A6 60 90 80 90 90 100 
A7 80 60 40 70 70 60 
A8 70 70 30 80 80 70 
A9 90 100 90 100 100 30 
A10 100 30 20 50 30 40 
Tabela 22 - Valor de desempenho de cada alternativa em cada cenário de falhas funcionais. 
144 
 
 
Definido o desempenho de cada alternativa, estas foram analisadas em função dos 
critérios, estabelecendo, em uma visão geral, qual alternativa podem ser uma opção de execução 
pela equipe de manutenção (Tabela 23). Para o Cenário 1, a estratégia com melhor desempenho 
foi o Projeto da camada de recapeamento; o Cenário 2 aponta a mesma estratégia, considerando 
logo em seguida a adoção de Tratamentos superficiais, e Inspeções de rotina; o Cenário 3 
considera em todos os critérios que o melhor tratamento é a adoção de remendo superficial, 
seguido por Tratamentos superficiais; os Cenários 4 e 5 também definem a utilização de Projeto 
da camada de recapeamento; e o Cenário 6 o Tratamentos superficiais, mas também cogitando 
por alguns especialistas em relação alguns critérios a Implantação de grooving. 
 
Sj(vkir . wir) Estratégias Funcionais 
 Cenário 1 Cenário 2 Cenário 3 Cenário 4 Cenário 5 Cenário 6 
A1 35,5 81,4 52,3 30,0 70,0 20,0 
A2 10,0 10,0 10,0 10,0 10,0 80,0 
A3 62,4 50,0 100,0 46,2 50,0 10,0 
A4 35,9 40,0 62,3 46,9 40,0 50,0 
A5 30,5 20,0 72,3 20,0 20,0 90,0 
A6 72,5 81,3 85,5 78,2 79,2 100,0 
A7 79,5 64,6 42,3 74,2 73,6 60,0 
A8 68,0 74,6 32,3 85,5 83,6 70,0 
A9 87,4 98,2 73,1 100,0 100,0 30,0 
A10 71,0 30,0 20,0 59,2 30,0 40,0 
Tabela 23 - Classificação final das estratégias funcionais. 
 
5.4.2.2 Modelo para análise estrutural 
A definição do desempenho das estratégias referentes aos diferentes cenários com falhas 
de origem estrutural, podem ser visualizadas na Tabela 24. 
 
 
 
 
 
 
 
 
 
 
 
145 
 
Vkir Cenários Estruturais 
 Cenário 1 Cenário 2 Cenário 3 
C1 0,23 
A1 60 60 50 
A2 10 10 10 
A3 20 100 20 
A4 70 90 60 
A5 30 30 30 
A6 40 40 40 
A7 80 80 70 
A8 90 70 90 
A9 100 50 100 
A10 50 20 80 
C2 0,1467 
A1 60 60 50 
A2 10 10 10 
A3 20 90 20 
A4 70 80 60 
A5 30 30 30 
A6 40 40 40 
A7 80 70 80 
A8 90 100 90 
A9 100 50 100 
A10 50 20 70 
C3 0,13 
A1 60 60 50 
A2 10 10 10 
A3 20 90 20 
A4 70 80 60 
A5 30 30 30 
A6 40 40 40 
A7 80 70 70 
A8 90 100 90 
A9 100 50 100 
A10 50 20 80 
C4 0,183 
A1 60 60 50 
A2 10 10 10 
A3 20 100 20 
A4 70 80 60 
A5 30 30 30 
A6 40 40 40 
A7 80 70 70 
A8 90 90 80 
A9 100 50 100 
A10 50 20 90 
C5 0,3107 
A1 60 60 50 
A2 10 10 10 
A3 20 100 20 
A4 70 80 60 
A5 30 30 30 
A6 40 40 40 
A7 80 70 70 
A8 90 90 80 
A9 100 50 100 
A10 50 20 90 
Tabela 24 - Valor de desempenho de cada alternativa em cada cenário de falhas estruturais. 
146 
 
 
Para definição das estratégias estruturais, três cenários possíveis foram analisados 
(Tabela 25). O Cenário 1, que apresenta pouco ou nenhum defeito de trincas por fadiga, e/ou 
afundamento da trilha de roda, com PCN inadequado, mostra como melhor estratégia o Projeto 
da camada de recapeamento; o Cenário 2 com PCN adequado e moderada presença de trincas 
por fadiga, e/ou afundamento da trilha de roda, define 97,3 para Remendo superficial, 88,2 para 
Construção de camada intermediária, e 82,3 para Remendo profundo; E por fim, o Cenário 3 
mostra desempenho de 100 para o Projeto da camada de recapeamento. 
 
Sj(vkir . wir) Estratégias Estruturais 
 Cenário 1 Cenário 2 Cenário 3 
A1 60,0 60,0 50,0 
A2 10,0 10,0 10,0 
A3 20,0 97,3 20,0 
A4 70,0 82,3 60,0 
A5 30,0 30,0 30,0 
A6 40,0 40,0 40,0 
A7 80,0 72,3 71,5 
A8 90,0 88,2 85,1 
A9 100,0 50,0 100,0 
A10 50,0 20,0 83,5 
Tabela 25 - Classificação final das estratégias funcionais. 
 
5.5 DISCUSSÃO DOS DADOS OBTIDOS 
A primeira investigação nesta pesquisa, foi a classificação dos tipos de falhas pelos 
especialistas em: falha oculta, falha relacionada a segurança, e falha operacional. Note que a 
falha 3 (Figura 53), de irregularidade do pavimento, ficou indefinida. A verificação do IRI, no 
Brasil, passou a ser obrigatória somente a partir do regulamento de 2013, e a sua análise já foi 
questionada nos trabalhos de Carvalho e Picado-Santos (2017), Oliveira (2016), e Loprencipe 
e Zoccali (2019). O Índice de Irregularidade Internacional, é obtido através de um experimento 
baseado numa simulação de respostas da irregularidade de um pavimento, por um carro que 
viaja a 80 km/h – entendida como a Inclinação Retificada Média de Referência – expressa pela 
proporção do movimento de suspensão acumulado de um veículo, dividido pela distância 
percorrida durante o teste (SAYERS; GILLESPIE; PATERSON, 1986). Para Oliveira (2016), 
está metodologia não representa a realidade sobre o que ocorre numa pista de pouso e 
decolagem, devido a fatores particulares relacionados a uma aeronave, completamente diferente 
em automóveis. Esse tipo de análise pode ter interferido no momento de classificação das 
falhas, uma vez que os aeroportos aplicam esse critério. 
147 
 
Quanto a prioridade das falhas, estabelecida pela aplicação do método FMEA, o baixo 
atrito entre pneu-pavimento foi pontuada com o maior nível de prioridade de risco, seguido pela 
irregularidade de pista e os defeitos na superfície de origem funcional. Motaet al. (2016), em 
sua pesquisa, avaliaram parâmetros técnicos de análise das condições para segurança 
operacional aeroportuária, em que as condições de aderência (condições de atrito e 
macrotextura) obtiveram maior grau de importância, e de forma similar aos resultados deste 
trabalho, as condições funcional (irregularidade longitudinal e defeitos – PCN) vieram em 
segundo lugar. 
Ambas as pesquisas classificaram as condições estruturais em última colocação, para 
Mota et al. (2016), os ensaios de macrotextura e obtenção do coeficiente de atrito são de 
cumprimento obrigatório, e este trabalho ressalta que falhas relacionadas ao baixo atrito e 
acúmulo de água, causados por fatores relacionados a macrotextura, preocupam os operadores 
por uma questão operacional e de segurança, por resultarem em derrapagem e redução da ação 
de frenagem. O autor também esclarece que as condições estruturais são importantes na fase de 
projeto, após construção das estruturas, essas avaliações só são consideradas preocupantes 
quando existe uma demanda anormal de tráfego. Quanto aos defeitos na superfície, segundo os 
especialistas, a possibilidade deste tipo de falha elevar os custos de manutenção e reabilitação 
são altos, mesmo quando não estão presentes em área crítica. 
Quanto aos modelos de previsão em RNA, as quatro estruturas desenvolvidas fazem 
parte da investigação para descoberta de qual modelo apresenta melhor desempenho. Como já 
apontado na apresentação dos resultados, o principal problema encontrado foi a ocorrência de 
overfitting, solucionada pelo emprego da função EarlyStopping. Dos quatro modelos avaliados, 
o modelo 4 mostrou possuir uma melhor eficiência tomando como base a magnitude de perda 
demonstrada. Quariguasi (2020) em seu trabalho também trabalhou com o desenvolvimento de 
modelos de previsão de atrito utilizando RNA, porém com a previsão somente do coeficiente 
de pista a 3 m do eixo da pista, e com variáveis de previsão reduzidas em comparação com os 
modelos aqui exibidos. Em seu trabalho, também foi empregada função de ativação que, 
normalmente, fazem o modelo obter magnitude de perdas mais significativa como foi 
observado no modelo 3. 
Outro ponto que deve ser discutido, é que pesquisas voltadas a obtenção de modelos de 
previsão de atrito são bastante estudadas. A verificação dos fatores que interferem nos 
resultados do coeficiente de atrito também são muitas vezes alvo de investigação, como em 
Ahammed e Tighe (2009) que coletaram mensalmente medidas de atrito de pavimentos de 
Concreto de Cimento Portland (PCC) e Concreto Asfáltico (AC) para determinar os fatores de 
148 
 
influência, obtendo dados insignificantes para influência do clima, e interferência mais 
significativa do tráfego, idade do pavimento, velocidade e temperatura da superfície durante o 
ensaio. Para Marcelino et al. (2017), a temperatura média mensal e a precipitação mensal total 
foram importantes para estabelecer um modelo com RNA. 
A proposta do framework apresentada também pode vir a ajudar na elaboração desses 
modelos, a partir do banco de dados do próprio aeroporto. Os resultados deste estudo também 
mostraram que a biblioteca TensorFlow pode ser uma ferramenta versátil para resolver 
problemas de engenharia de pavimentos. Ao aplicar métodos de aprendizado de máquina para 
prever o atrito de pavimento asfáltico, esta dissertação enfatiza como a teoria e a prática podem 
ser efetivamente combinadas para resolver problemas da vida real em aeroportos. 
Por fim, foram trabalhados os tratamentos mais indicados para cada cenário funcional e 
estrutural. Normalmente esta classificação é atribuída em função do Índice de Condição do 
Pavimento que leva em consideração apenas defeitos superficiais, como já foi mostrado nos 
trabalhos de Haslett, Dave e Mo (2019), Hawkins e Covalt (2013), Wang, Nguyen e Watkins 
(2011). O software MicroPAVER sugerido pela FAA, por sua vez, classifica as manutenções 
em três ações: insperção de rotina, manutenção profunda e reabilitação, diferente deste estudo 
que avalia dez ações corretivas. 
149 
 
6 CONSIDERAÇÕES FINAIS E RECOMENDAÇÕES 
A realização deste trabalho gerou contribuições importantes dentro da área de 
engenharia produção e sistemas de gestão da manutenção em pavimentos aeroportuários. Essas 
contribuições são descritas nas subseções seguintes. Por fim, são indicadas as limitações do 
trabalho e sugestões para pesquisas futuras. 
 
6.1 CONCLUSÕES 
A partir dos resultados da pesquisa, foi possível definir a estrutura para elaboração de 
um plano de manutenção para pavimentos aeroportuários que trabalhasse desde a análise de 
falha, critérios de decisão, previsão e determinação de estratégias. Os resultados obtidos 
definiram a possibilidade de melhorar a programação dos serviços de manutenção. Quanto aos 
objetivos específicos, obteve-se: 
 Para desenvolvimento desta pesquisa foi necessário a realização de uma extensa 
análise da literatura para estabelecer as características das falhas funcionais e 
estruturais, identificadas principalmente por meio de uma busca sistemática de 
artigos nas bases de pesquisa da Scopus e Web of Science. Com a análise destes 
documentos foram identificados oito modos de falhas para investigação: acúmulo 
de água, baixo atrito entre pneu-pavimento, irregularidade, defeitos na superfície 
de origem funcional, detritos de objetos estranhos, trincas por fadiga, afundamento 
da trilha de roda e PCN inadequado. 
 Durante a elaboração da pesquisa também se mostrou importante conhecer como 
se dar o processo de gerenciamento de pavimentos de um aeroporto de médio porte 
no Brasil, nesta pesquisa, caracterizado por uma investigação minuciosa no banco 
de dados do Aeroporto de Natal, desde a identificação da área, investigação do 
clima, projeto das pistas, ensaios e relatórios de tráfego e restauração, possibilitando 
determinar as variáveis possíveis de serem utilizadas no modelo de previsão 
desenvolvido. 
 Através da revisão da literatura, também foram estudadas algumas metodologias 
para construção do modelo de previsão, mostrando que vários estudos já adotaram 
modelos estatísticos de Regressão, softwares de previsão da FAA, Cadeias de 
Markov, a métodos mais complexos como Inteligência Artificial, e Modelagem 
Numérica. Neste trabalho, em específico, a previsão seria do coeficiente de atrito a 
3 m e 4 m do eixo da pista, utilizando Redes Neurais Artificiais com algoritmo 
desenvolvido em Python. O modelo desenvolvido também trabalhou fazendo uso 
150 
 
das bibliotecas TensorFlow e Keras. A arquitetura final foi configurada com quatro 
camadas ocultas compostas por uma camada de 128 neurônios, duas de 64, e uma 
contendo um neurônio. Para otimização dos pesos utilizou-se a função 
RMSprop(0.001), e quantidade máxima de 1000 iterações, e para correção do 
overfitting foi aplicada a função EarlyStopping. Ressalta-se que as métricas de 
análise obtiveram melhores resultados quando a função de ativação foi aplicada, 
porém a magnitude de perda se mostrou bem elevada, fazendo com que o Modelo 
4 apresentado obtive-se uma melhor eficiência na previsão dos dados. Por fim, 
também foi construído um framework para desenvolvimento desse tipo de modelo, 
já que cada aeroporto tem suas particularidades, e o desenvolvimento de um modelo 
universal iria exigir uma investigação bem mais aprofundada das variáveis a nível 
Brasil. 
 Para definição das estratégias foi utilizado cenários para análise de decisão 
multicritério, mesclando as metodologias MAVT e AHP, propostas por Goodwin e 
Wright (2001). Por meio da literatura e conversas com especialistas os critérios 
foram estabelecidos: impacto operacional, orçamento, ocorrência, detecção e 
severidade. Cada critério recebeu um peso numa comparação par a par feita com 
especialistas da área que atribuíram maior importância a Severidade (31,07%), 
seguida pelo ImpactoOperacional (23%), Detecção (18,30%), Orçamento 
(14,67%), e Ocorrência (13%) para determinação das estratégias, ou seja, o 
desempenho de cada tratamento foi analisado em função de cada um desses critérios 
dentro do cenário proposto. No total foram trabalhados nove cenários: seis com 
defeitos funcionais e três com defeitos estruturais. Desta forma, cada tratamento (10 
estratégias foram estudadas) obteve uma posição de melhor a pior solução. 
 Tendo em vista a importância de priorizar os modos de falha, pois as falhas não são 
iguais, adotou-se o método FMEA, conhecido dentro da Gestão da Manutenção 
como uma ferramenta de auxilio na tomada de decisão. O Nível de Priorização de 
Risco classificou o baixo atrito entre pneu-pavimento como a falha de maior 
prioridade dentro de aeroporto, seguido pela irregularidade e defeitos superficiais. 
Nas últimas posições ficaram as falhas mais relacionadas a problemas estruturais, 
que normalmente são levadas mais em consideração na fase de projeto. 
 A proposta final desta dissertação era apresentar um Plano Mestre de Manutenção 
que trabalhasse tanto com a manutenção sistemática, quanto a condicional. Para 
cada estratégia foram construídos os modelos e exemplificado como cada modo de 
151 
 
falha seria tratado e solucionado. As indicações apontadas neste trabalham tinham 
como intuito auxiliar na tomada de decisão das atividades de manutenção e 
reabilitação (M&R) de pavimentos aeroportuários. 
 
6.2 LIMITAÇÕES DA PESQUISA 
O conhecimento das limitações é importante neste tipo de pesquisa, um estudo de caso 
produz entendimento acerca de um fenômeno muito específico, que nesta dissertação 
concentrou-se no Aeroporto de Natal, desta forma, temos como limitações: 
 A pesquisa contou com a opinião de especialistas, e algumas falhas não são de 
conhecimento geral, uma vez que, o profissional pode nunca ter presenciado um 
problema relacionado a determinada patologia, mesmo ela constando na literatura; 
 O Aeroporto de Natal, ainda é um aeroporto novo, que trabalha com uma frequência 
de voos ainda em escala reduzida, logo as medições e ensaios ocorrem em um 
período de tempo maior, para o modelo de previsão a quantidade de dados 
trabalhados podem influenciar muito na eficiência do modelo; 
 A aplicação da metodologia a distância pode ter influência direta nas respostas 
obtidas, talvez com entrevistas realizadas pessoalmente os resultados poderiam 
sofrer alterações. A compreensão do método faz toda a diferença na aplicação de 
um questionário. 
 
6.3 RECOMENDAÇÕES PARA TRABALHOS FUTUROS 
O tema pavimentos aeroportuários é bastante estudado, mas a temática em torno do 
gerenciamento da manutenção ainda precisa ser muito desenvolvida, principalmente no Brasil. 
A redução de custos e a manutenibilidade das pistas agrega visibilidade e segurança a 
administração, desta forma, para pesquisas futuras, sugere-se: 
 Aplicar questionários específicos com profissionais e especialistas que já trabalham 
com determinada falha; 
 Verificar a possibilidade de análise de desempenho da estrutura para o 
estabelecimento de estratégias, para uma perspectiva mais realista do orçamento 
necessário para garantir a vida útil do pavimento; 
 Determinar a necessidade dos períodos estabelecidos nos regulamentos para 
controle e avaliação funcional e estrutural; 
 Analisar a efetividade do IRI em pavimentos aeroportuários; 
152 
 
 Estruturar um software de manutenção para o aeroporto a partir dos dados obtidos 
nesta pesquisa. 
153 
 
REFERÊNCIAS 
ABDELAZIZ, Nader et al. International Roughness Index prediction model for flexible pavements. International 
Journal Of Pavement Engineering, [s.l.], v. 21, n. 1, p.88-99, 5 mar. 2018. 
 
ACI. WORKING TOGETHER TO ENHANCE AIRPORT OPERATIONAL SAFETY. México: ICAO 
Workshop, 2018. 46 slides, color. 
 
ADLER, N.; YAZHEMSKY, E. The value of a marginal change in capacity at congested airports. Transportation 
Research Part A, p. 1–14, 2018. 
 
AGATONOVIC-KUSTRIN, S; BERESFORD, R. Basic concepts of artificial neural network (ANN) modeling 
and its application in pharmaceutical research. Journal Of Pharmaceutical And Biomedical Analysis, [S.L.], v. 
22, n. 5, p. 717-727, jun. 2000. Elsevier BV. http://dx.doi.org/10.1016/s0731-7085(99)00272-1. 
 
AHAMMED, M. Alauddin; TIGHE, Susan L. Early-Life, Long-Term, and Seasonal Variations in Skid Resistance 
in Flexible and Rigid Pavements. Transportation Research Record: Journal of the Transportation Research 
Board, [s. L.], v. 1, n. 2094, p.112–120, 2009. 
 
AI-SULEIMAN, T.i.; SHIYAB, A.m.; AI-MASAEID, H.r.. Development of models for prediction of airfield 
pavement deterioration. Road And Transport Research, [s. L.], v. 5, n. 3, p.82-95, set. 1996. 
 
ALMEIDA, Lucas Cavalcante de. APLICATIVO PARA SMARTPHONE DESTINADO À MEDIÇÃO DA 
IRREGULARIDADE LONGITUDINAL EM RODOVIAS. 2018. 95 f. Dissertação (Mestrado) - Curso de 
Engenharia de Transportes, Departamento de Engenharia de Transportes, Universidade Federal do Ceará, 
Fortaleza, 2018. 
 
AL-QADI, Imad L.; PORTAS, Silvia; CONI, Mauro; LAHOUAR, Samer. Runway Instrumentation and Response 
Measurements. Transportation Research Record: Journal of the Transportation Research Board, [s.l.], v. 2153, 
n. 1, p.162-169, jan. 2010. SAGE Publications. http://dx.doi.org/10.3141/2153-18. 
 
ANAC. Aeródromos - Operação, Manutenção e Resposta à Emergência. Regulamento Brasileiro da Aviação 
Civil Nº 153, Emenda nº 04. Agência Nacional de Aviação Civil. Brasília/DF, 2019a. 112p. 
 
ANAC. Certificação Operacional de Aeroportos. Regulamento Brasileiro da Aviação Civil Nº 139, Emenda nº 
01. Agência Nacional de Aviação Civil. Brasília/DF, 2012. 22p. 
 
ANAC. Orientações para a execução do ensaio volumétrico tipo mancha de areia e para a elaboração de relatórios 
de medição de condições operacionais. Instrução Suplementar - IS Nº 153.205-001, Revisão A. Agência 
Nacional de Aviação Civil. Brasília/DF, 2016c. 3p. 
 
ANAC. Orientações para aplicação do método ACN-PCN. Instrução Suplementar - IS Nº 153.103-001, Revisão 
A. Agência Nacional de Aviação Civil. Brasília/DF, 2016a. 11p. 
 
ANAC. Projeto de Aeródromos. Regulamento Brasileiro da Aviação Civil Nº 154, Emenda nº 06. Agência 
Nacional de Aviação Civil. Brasília/DF, 2019b. 253p. 
 
ANAC. Segurança Operacional em Aeródromos – Operação, Manutenção e Resposta à Emergência. Regulamento 
Brasileiro da Aviação Civil Nº 156, Emenda nº 00. Agência Nacional de Aviação Civil. Brasília/DF, 2011. 96p. 
 
ANAC. Uso de cargas em Ensaios Não Destrutivos (END) com o objetivo de se determinar o PCN de pavimentos 
aeroportuários. Alerta aos Operadores de Aeródromo: nº 001/2019. Agência Nacional de Aviação Civil. 
Superintendente de Infraestrutura Aeroportuária. Brasília, DF, 2019c. 5p. 
 
ANAC. Concessões. [2018]. Agência Nacional de Aviação Civil. Disponível em: <https://www.anac.gov.br>. 
Acesso em: 24 jan. 2020. 
 
ANAC. Excursão de pista. 2016b. Agência Nacional de Aviação Civil. Disponível em: 
<https://www.anac.gov.br/assuntos/setor-regulado/aerodromos/certificacao/runway-safety/excursao-de-pista>. 
Acesso em: 10 jan. 2020. 
 
http://dx.doi.org/10.3141/2153-18
154 
 
ANAC. Manual de Sistema de Gerenciamento de Pavimentos Aeroportuários – SGPA. Agência Nacional de 
Aviação Civil. Brasília: Assessoria de Comunicação Social (ascom), 2017. 
 
ANAC. Manual de Operações do Aeródromo - MOPS. 2018. Agência Nacional de Aviação Civil. Disponível 
em: <https://www.anac.gov.br/assuntos/setor-regulado/aerodromos/certificacao/manual-de-operacoes-do-
aerodromo-mops>. Acesso em: 23 jul. 2019. 
 
ANAC. Aeródromos - Operação, Manutenção e Resposta à Emergência. Regulamento Brasileiro da Aviação 
Civil Nº 153, Emenda nº 05. Agência Nacional de Aviação Civil. Brasília/DF, 2020. 112p. 
 
ANDRESEN, A.; WAMBOLD, J. C. Friction Fundamentals, Concepts and Methodology. Transportation 
DevelopmentCenter. Transport Canada, 1999. 
 
ANEAA. Aeroporto de Natal possui a maior capacidade de pista do Nordeste. Associação Nacional das 
Empresas Administradoras de Aeroportos. Disponível em: <http://aneaa.aero/aeroporto-de-sao-goncalo-do-
amarante-possui-a-maior-capacidade-de-pista-do-nordeste/>. Acesso em: 10 nov. 2019. 
 
ARA. Pavement Condition Report: Tracy Municipal Airport (TKC). Applied Research Associates. Saint Paul, 
Mn: Office Of Aeronautics Minnesota Department Of Transportation, 2016. 80 p. 
ASHFORD, Norman J. et al. Operações aeroportuárias: As melhores práticas. 3. ed. Porto Alegre: Bookman, 
2015. 448 p. 
 
BARBARELLA, M.; BLASIIS, M. R. de; FIANI, M.; SANTONI, M.. A LiDAR application for the study of 
taxiway surface evenness and slope. In: ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial 
Information Sciences, 5., v. 2(5), 2014, Riva del Garda. Proceedings... Riva del Garda: Copernicus GmbH, 2014. 
p. 65-72. http://dx.doi.org/10.5194/isprsannals-ii-5-65-2014. 
 
BELTON, V.; STEWART, T. J. Multiple Criteria Decision Analysis: An Integrated Approach. 1. Ed. Dordrecht: 
Kluwer Academic Publishers, 2002. 372 p. 
 
BEN-DAYA, Mohamed. Failure Mode and Effect Analysis. In: BEN-DAYA, Mohamed; DUFFUAA, Salih O.; 
RAOUF, Abdul; KNEZEVIC, Jezdimir; AIT-KADI, Daoud (Eds.). Handbook of Maintenance Management 
and Engineering. 1. ed. New York: Springer, 2009. p. 75 - 90. 
 
BERNUCCI, Liedi Bariani et al. PAVIMENTAÇÃO ASFÁLTICA: Formação Básica para Engenheiros. Rio de 
Janeiro: Petrobras: Abeda, 2007. 504 p. 
 
BESKOU, Niki D.; THEODORAKOPOULOS, Dimitrios D.. Dynamic effects of moving loads on road 
pavements: A review. Soil Dynamics And Earthquake Engineering, [s.l.], v. 31, n. 4, p.547-567, abr. 2011. 
 
BISCONSINI, Danilo Rinaldi. Avaliação da Irregularidade Longitudinal dos Pavimentos com Dados 
Coletados por Smartphones. 2016. 176 f. Dissertação (Mestrado) - Curso de Engenharia de Transportes, 
Departamento de Engenharia de Transportes, Universidade de São Paulo, São Carlos, 2016. 
 
BOEING. Manufacturer’s Perspective- Runway Friction and Aircraft Performance. Panama: Boeing Airport 
Technology Group ALACPA Seminar of Airport Pavements, 2012. 25 slides, color. 
 
BOEING. Present and Future Work Items of the ICAO Pavement Sub-Group. Santiago: Boeing Airport 
Compatibility Engineering, Pavement Lead, 2014. 28 slides, color. 
 
BRANCO FILHO, Gil. Indicadores e Índices de Manutenção. Rio de Janeiro: Ciência Moderna, 2006. 148 p. 
 
BRASIL. Ministério da Defesa. Exército Brasileiro. AS OBRAS DO AEROPORTO DE SÃO GONÇALO DO 
AMARANTE - COMPLEXO AEROPORTUÁRIO DA GRANDE NATAL. 2015. Disponível em: 
<http://www.eb.mil.br>. Acesso em: 24 jan. 2020. 
 
BUTT, Abbas A. et al. Application of markov process to pavement management systems at network level. In: 
Third international conference on managing pavements, San Antonio Texas. Conference 
Proceedings. Transportation Research Board, 1994. v. 2, p. 159 - 172. 
 
http://dx.doi.org/10.5194/isprsannals-ii-5-65-2014
155 
 
CAA. Aerodrome maintenance: Runway surface friction characteristics and friction testing. Advisory 
Circular – AC 139-13. Civil Aviation Authority of New Zeland, 2015. 
 
CAA. The Assessment of Runway Surface Friction for Maintenance Purposes. CAP 683. Civil Aviation 
Authority of United Kindgom, 2010. 
 
CAI, Yingchun; PAN, Ernian. Surface Loading over a Transversely Isotropic and Multilayered System with 
Imperfect Interfaces: Revisit Enhanced by the Dual-Boundary Strategy. International Journal Of 
Geomechanics, [s.l.], v. 18, n. 6, p.1-13, jun. 2018. American Society of Civil Engineers (ASCE). 
http://dx.doi.org/10.1061/(asce)gm.1943-5622.0001158. 
 
CAMPOS, Karen Angela Camarena; GONZALES, Leonardo Flores. Proposal of Numerical Model for Airport 
Pavement Management Purposes. Proceedings Of The 16th Laccei International Multi-conference For 
Engineering, Education, And Technology: “Innovation in Education and Inclusion”, [s.l.], p.1-8, 2018. Latin 
American and Caribbean Consortium of Engineering Institutions. http://dx.doi.org/10.18687/laccei2018.1.1.417. 
 
CARPENTER, Samuel H.; GHUZLAN, Khalid A.; SHEN, Shihui. Fatigue Endurance Limit for Highway and 
Airport Pavements. Transportation Research Record: Journal of the Transportation Research Board, [s.l.], v. 
1832, n. 1, p.131-138, jan. 2003. 
 
CARVALHO, Ana Filipa Carreiro; SANTOS, Luís Guilherme de Picado. Maintenance of airport pavements: the 
use of visual inspection and IRI in the definition of degradation trends. International Journal Of Pavement 
Engineering, [s.l.], v. 20, n. 4, p.425-431, 10 abr. 2017. 
 
CELAURO, Clara; FECAROTTI, Claudia; PIRROTTA, Antonina. An extension of the fractional model for 
construction of asphalt binder master curve. European Journal Of Environmental And Civil Engineering, [s.l.], 
v. 21, n. 1, p.78-93, 23 out. 2015. Informa UK Limited. http://dx.doi.org/10.1080/19648189.2015.1095685. 
 
CEYLAN, Halil; BAYRAK, Mustafa Birkan; GOPALAKRISHNAN, Kasthurirangan. Neural Networks 
Applications in Pavement Engineering: A Recent Survey. International Journal Of Pavement Research And 
Technology, [s.l.], v. 7, n. 6, p.434-444, nov. 2014. 
 
CEYLAN, Halil; TUTUMLUER, Erol; BARENBERG, Ernest J.. Effects of Simultaneous Temperature and Gear 
Loading on the Response of Concrete Airfield Pavements Serving the Boeing B-777 Aircraft. In: International 
Air Transportation Conference - The 2020 Vision of Air Transportation: Emerging Issues and Innovative 
Solutions, 26., v. 303, 2000, San Francisco. Proceedings... San Francisco: American Society of Civil Engineers, 
2000. p. 25-44. http://dx.doi.org/10.1061/40530(303)3. 
 
CHEN, Shyi-ming. Fuzzy system reliability analysis using fuzzy number arithmetic operations. Fuzzy Sets And 
Systems. [s.l.], p. 31-38. maio 1994. 
 
CHEN, de et al. Prediction of tire–pavement friction based on asphalt mixture surface texture level and its 
distributions. Road Materials And Pavement Design, [s.l.], p.1-20, 12 jan. 2019. 
 
CHEN, Wenlai; YUAN, Jie; LI, Meng. Application of GIS/GPS in Shanghai Airport Pavement Management 
System. Procedia Engineering, [s.l.], v. 29, p.2322-2326, 2012. 
 
CHOU, Chia-pei et al. Using a constructive pavement texture index for skid resistance screening. International 
Journal Of Pavement Research And Technology, [s.l.], v. 10, n. 4, p.360-368, jul. 2017. 
 
CHU, Heting; KE, Qing. Research methods: What's in the name?. Library & Information Science Research, 
[s.l.], v. 39, n. 4, p.284-294, out. 2017. 
 
CLAESEN, Marc; MOOR, Bart de. Hyperparameter Search in Machine Learning. In: THE XI 
METAHEURISTICS INTERNATIONAL CONFERENCE, 11., 2015, [S.L]. Proceedings [...] . [S.L]: Mic 2015, 
2015. v. 14, p. 1-5. 
 
CLÍMACO, João; CRAVEIRINHA, José; GIRÃO-SILVA, Rita. Multicriteria Analysis in Telecommunication 
Network Planning and Design: A Survey. In: GRECO, Salvatore; EHRGOTT, Matthias; FIGUEIRA, José Rui 
http://dx.doi.org/10.1061/(asce)gm.1943-5622.0001158
http://dx.doi.org/10.18687/laccei2018.1.1.417
http://dx.doi.org/10.1080/19648189.2015.1095685
http://dx.doi.org/10.1061/40530(303)3
156 
 
(Eds.). Multiple Criteria Decision Analysis, International: State of the Art Surveys. 2. ed. New York: Springer, 
2016. p. 1167- 1233. 
 
DAGGUBATI, Sundeep Chowdary et al. Runway design and structural design of an airfield pavement. Iosr 
Journal Of Mechanical And Civil Engineering, [s.l.], v. 11, n. 2, p.10-27, 2014. 
 
DEPARTMENT OF DEFENCE. Airfield Pavement Maintenance Manual. Australian Government. 
Department of Defence. Defence Support and Reform Group. Rev. nº F, April 2020. 
 
DNIT. Avaliação objetiva da superfície de pavimentos flexíveis e semi-rígidos. DNIT 006/2003 – PRO. 
Departamento Nacional de Infra-estrutura de Transportes. Rio de Janeiro, 2003. 10 p. 
 
DNIT. Manual de Drenagem de Rodovias. Departamento Nacional de Infraestrutura de Transportes. Institutode 
Pesquisas Rodoviárias. Rio de Janeiro, RJ. 2006. 304p. 
 
DOUGLAS, Ian. Do the Gulf airlines distort the level playing field? Journal Of Air Transport Management, 
[s.l.], v. 74, p.72-79, jan. 2019. 
 
DU, Yuchuan et al. Measurement of International Roughness Index by UsingZ-Axis Accelerometers and 
GPS. Mathematical Problems In Engineering, [s.l.], v. 2014, p.1-10, 2014. 
EASA. Certification Specifications and Guidance Material for Aerodromes Design. CS-ADR-DSN. European 
Aviation Safety Agency. [s.l.], 2017. 
 
EASA. Runway Friction Characteristics Measurement and Aircraft Braking (RuFAB): Functional friction. 
European Aviation Safety Agency. Kanata, On: Bmt Fleet Technology Limited, 2010. 126 p. 
 
EMBRAPA. Brasil em Relevo. 2001. Disponível em: <https://www.cnpm.embrapa.br/projetos/relevobr/ 
download/rn/rn.htm>. Acesso em: 12 jan. 2020. 
 
FAA. Measurement, construction, and maintenance of skid- resistant airport pavement surfaces. Advisory 
Circular – 150/5320-12C. Federal Aviation Administration. United States Department of Transportation. 
Washington, DC, 1997. 
 
FAA. Operational Life of Airport Pavements. DOT/FAA/AR-04/46. Federal Aviation Administration. United 
States Department of Transportation. Washington, DC, 2004. 
 
FAA. Guidelines and Procedures for Maintenance of Airport Pavements. Advisory Circular – AC 150/5380-
6B. Federal Aviation Administration. United States Department of Transportation. Washington, DC, 2007. 
 
FAA. Airport Pavement Design and Evaluation. Advisory Circular – AC 150/5320-6E. Federal Aviation 
Administration. United States Department of Transportation. Washington, DC, 2009a. 
 
FAA. Guidelines and Procedures for Measuring Airfield Pavement Roughness. Advisory Circular – AC 
150/5380-9. Federal Aviation Administration. United States Department of Transportation. Washington, DC, 
2009b. 
 
FAA. Airport Foreign Object Debris (FOD) Management. Advisory Circular - AC 150/ 5210-24. Federal 
Aviation Administration. United States Department of Transportation. Washington, DC, USA, 2010. 
 
FAA. Use of Nondestructive Testing in the Evaluation of Airport Pavements. Advisory Circular - AC 
150/5370-11B. Federal Aviation Administration. United States Department of Transportation. Washington, DC, 
USA, 2011. 
 
FAA. Integration of FAA Software Programs. IX Seminario Alacpa de Pavimentos Aeroportuarios: Federal 
Aviation Administration, 2012. 18 slides, color. 
 
FAA. Airport Drainage Design. Advisory Circular – AC 150/5320-5D. Federal Aviation Administration. United 
States Department of Transportation. Washington, DC, 2013. 
 
157 
 
FAA. Airport Pavement Management Program (PMP). Advisory Circular – AC 150/5380-7B. Federal 
Aviation Administration. United States Department of Transportation. Washington, DC, 2014a. 
 
FAA. Standardized Method of Reporting Airport Pavement Strength - PCN. Advisory Circular – AC 
150/5335-5C. Federal Aviation Administration. United States Department of Transportation. Washington, DC, 
2014b. 
 
FAA. FAA 40-Year Life Pavement Extension R&D. Santiago: XI Alacpa Seminar On Airport Pavements And 
Ix Faa Workshop, 2014c. 32 slides, color. 
 
FAA. Guidelines and Procedures for Maintenance of Airport Pavements. Advisory Circular – AC 150/5380-
6C. Federal Aviation Administration. United States Department of Transportation. Washington, DC, 2014d. 
 
FAA. Airport Pavement Design and Evaluation. Advisory Circular – AC 150/5320-6F. Federal Aviation 
Administration. United States Department of Transportation. Washington, DC, 2016. 
 
FAA. Airport Pavement Design & Construction: Associated with Advisory Circulars 150/5320-6, 150/5335-5, 
and 150/5370-10. 2019. Disponível em: <https://www.faa.gov/airports/engineering/pavement_design/>. Acesso 
em: 25 jul. 2019. 
 
FAA. Airport Design Software Airports. 2020. Agência Federal Aviation Administration. Disponível em: < 
https://www.faa.gov/airports/engineering/design_software/ >. Acesso em: 10 out. 2020. 
 
FATURECHI, Reza; LEVENBERG, Eyal; MILLER-HOOKS, Elise. Evaluating and optimizing resilience of 
airport pavement networks. Computers & Operations Research. [s. L.], p. 335-348. mar. 2014. 
 
FLINTSCH, Gerardo W. et al. Pavement Surface Macrotexture Measurement and Applications. Transportation 
Research Record: Journal of the Transportation Research Board, [s.l.], v. 1860, n. 1, p.168-177, jan. 2003. 
 
FLORIDA DEPARTMENT OF TRANSPORTATION. Airfield Pavement Distress Repair Manual. Florida: 
Florida Department Of Transportation, 2013. 150 p. 
 
FSF. FSF ALAR Briefing Note 8.5: Wet or Contaminated Runways. Flight Safety Foundation Alar Tool Kit, 
Alexandria, Va, 2009. 
 
FUENTES, Luis G. et al. Determination of Pavement Macrotexture Limit for Use in International Friction Index 
Model. Transportation Research Record: Journal of the Transportation Research Board, [s.l.], v. 2306, n. 1, 
p.138-143, jan. 2012. 
 
GENDREAU, Michel; SORIANO, Patrick. Airport pavement management systems: an appraisal of existing 
methodologies. Transportation Research Part A: Policy and Practice, [s.l.], v. 32, n. 3, p.197-214, abr. 1998. 
 
GIL, Antônio Carlos. Como Elaborar Projetos de Pesquisa. 6. ed. São Paulo: Atlas, 2017. 175 p. 
 
GOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE, Aaron. Deep Learning. [S.L]: The Mit Press, 2016. 775 
p. 
 
GOODWIN Paul.; WRIGHT, George. Decision Analysis for Management Judgment. 5. ed. Chichester: John 
Wiley & Sons Ltd, 2014. 441 p. 
 
GOODWIN Paul; WRIGHT, George. Enhancing strategy evaluation in scenario planning: A role for decision 
analysis. J Mngt Stud, [s.l.], v. 38, n. 1, p. 1–16, 2001. 
 
GOPALAKRISHNAN, Kasthurirangan; CEYLAN, Halil. Stiffness characterisation of full-scale airfield test 
pavements using computational intelligence techniques. The Ies Journal Part A: Civil & Structural Engineering, 
[s.l.], v. 1, n. 4, p.280-290, nov. 2008. Informa UK Limited. http://dx.doi.org/10.1080/19373260802217892. 
 
GRECO, Salvatore; MATARAZZO, Benedetto; SLOWINSKI, Roman. Rough sets theory for multicriteria 
decision analysis. European Journal of Operational Research, [s.l.], v. 129, n. 1, p. 1–47, 2001. 
 
http://dx.doi.org/10.1080/19373260802217892
158 
 
GUPTA, G; MISHRA R. P. Identification of Critical Components using ANP for Implementation of Reliability 
Centered Maintenance. Procedia Cirp. Copenhagen, p. 905-909. maio 2018. 
 
HACHIYA, Yoshitaka; WATANABE, Takashi; KITAOCHI, Kentaro. Some Issues on Surface Distress of Airport 
Pavements in Japan. In: China/Japan Workshop on Pavement Technologies, 5., 2009, Xian. Proceedings... 
Xian: Xian Jiaotung Univ Press, 2009. p. 85-91. 
 
HAMMARBERG, K.; KIRKMAN, M.; LACEY, S. de. Qualitative research methods: when to use them and how 
to judge them. Human Reproduction, [s.l.], v. 31, n. 3, p.498-501, 11 jan. 2016. 
 
HAMMONS, Michael I.. Validation of Three-Dimensional Finite Element Modeling Technique for Joints in 
Concrete Airport Pavements. Transportation Research Record: Journal of the Transportation Research Board, 
[s.l.], v. 1629, n. 1, p.67-75, jan. 1998. SAGE Publications. http://dx.doi.org/10.3141/1629-09. 
 
HARE, Jeanette. A.; PUR, Richard. A.; DEMPSEY, Barry. J. . Airport Pavement Drainage. Synthesis report, 
DOT/FAA/RD-90/24. Federal Aviation Administration. United States Department of Transportation. Washington, 
DC, 1990. 
 
HARRIS-LOVETT, Sasha; LIENERT, Judit; SEDLAK, David. A mixed-methods approach to strategic planning 
for multi-benefit regional water infrastructure. Journal of Environmental Management, [s.l.], v. 233, n. 1, p. 
218-237, mar. 2019. 
 
HASLETT, Katie; DAVE, Eshan V.; MO, Weiwei. Consequential Life Cycle Assessment-based Pavement 
Maintenance and Rehabilitation Framework. In: HIGH PERFORMANCE ASPHALT MATERIALS 
SYMPOSIUM, 2019., 2019, Waterloo. Proceeding. Waterloo: Cpatt, 2019. p. 1-22. 
 
HAWKINS, H. L.; COVALT, M. R.. Arizona Airport Pavement Management.In:Airfield and Highway 
Pavement 2013: Sustainable and Efficient Pavements - Proceedings of the 2013 Airfield and Highway 
Pavement Conference, 2013, Los Angeles. Proceedings... Los Angeles: American Society of Civil Engineers, 
2013. p.722-729. http://dx.doi.org/10.1061/9780784413005.058. 
 
HERRIN, Stanley M.; FUSELIER, Gary. Accuracy of Pavement Management Predictions: A Case Study at 
Washington Dulles International Airport. In: Airfield and Highway Pavements Conference: Efficient 
Pavements Supporting Transportation's Future, v. 329, 2008, Bellevue. Proceedings... Bellevue: American 
Society of Civil Engineers, 2008. p. 346-357. http://dx.doi.org/10.1061/41005(329)30. 
 
HO, Chun-hsing; ROMERO, Pedro. Applications of Geographic Information System in Airfield Infrastructure 
System Management and Maintenance. Transportation Research Record: Journal of the Transportation 
Research Board, [s.l.], v. 2052, n. 1, p.100-109, jan. 2008. SAGE Publications. http://dx.doi.org/10.3141/2052-12. 
 
HORNE, W.B.; DREHER, R.C. Phenomena of pneumatic tire hydroplaning. Hampton, VA: National 
Aeronautics and Space Administration, Langley Research Center, NASAT.N. D-2056, 1963. 
 
HORNE, Walter B.; SPARKS, Howard C.. New Methods for Rating, Predicting, and Alleviating the Slipperiness 
of Airport Runways. Sae Technical Paper Series, [s.l.], p.902-913, 1 fev. 1970. SAE International. 
http://dx.doi.org/10.4271/700265. 
 
HUANG, Bing; ZHOU, Zhengfeng; MIAO, Luwei. Remaining Life Prediction for Composite Airport 
Pavement. In: International Conference on Transportation Engineering, 5., 2015, Dalian. Proceedings... 
Dalian: American Society of Civil Engineers, 2015. p. 1046-1054. http://dx.doi.org/10.1061/9780784479384.132. 
 
HUANG, Wei Ye; SHI, Bao Hua; ZHANG, Ya Men; ZHOU, Wei. Detection and Assessment Methods for the 
Planeness of Planes' Asphalt Road Runway. Applied Mechanics And Materials, [s.l.], v. 587-589, p.1110-1114, 
jul. 2014. Trans Tech Publications, Ltd.. http://dx.doi.org/10.4028/www.scientific.net/amm.587-589.1110. 
 
IATA, International Air Transport Association. ANNUAL REVIEW. 74th Annual General Meeting.Sidney: Iata, 
2018. 
 
IATA. Runway Safety. Disponível em: <https://www.iata.org/whatwedo/safety/runway-
safety/Pages/index.aspx>. Acesso em: 27 jul. 2019. 
http://dx.doi.org/10.3141/1629-09
159 
 
 
IBGE. Empresa Brasileira de Pesquisa Agropecuária. Clima do Brasil 1:500.000. 2002. Disponível em: 
<http://dados.gov.br/dataset/cren_climadobrasil_5000>. Acesso em: 12 jan. 2020. 
 
IBGE. Empresa Brasileira de Pesquisa Agropecuária. Mapa de Solos do Brasil. Rio de Janeiro: IBGE, 2001. 
 
ICAO. AERODROME STANDARDS: AERODROME DESIGN AND OPERATIONS. 3. ed. International 
Civil Aviation Organization. [s. l.]: COSCAP - South Asia, 1999. 194 p. 
 
ICAO. Airport Services Manual: Parte 2 Pavement Surface Conditions. 4. Ed. International Civil Aviation 
Organization. [s.l.], 2002. 
 
ICAO. Industry best practices manual for timely and accurate reporting of runway surface conditions by 
ats/ais to flight crew. International Civil Aviation Organization. Airports Authority of India. [s.l.], 2013. p. 153. 
 
ICAO. Runway Safety Programme – Global Runway Safety Action Plan. Peru: Global Runway Safety Action 
Plan, 2017. 
 
ICAO. International Civil Aviation Organization. XIV Seminario ALACPA de Pavimentos Aeroportuarios. 
The Aircraft Classification Rating – Pavement Classification Rating ACR-PCR. Quito, Equador, 2018. 
 
ISHIZAKA, Alessio; NEMERY, Philippe. Multi-Criteria Decision Analysis: Methods and Software. 1. ed. New 
Delhi: Wiley, 2013. 296 p. 
 
ISMAIL, Norlela; ISMAIL, Amiruddin; RAHMAT, Riza Atiq Abdullah O.k.. Development of expert system for 
airport pavement maintenance and rehabilitation. European Journal Of Scientific Research, [s.l.], v. 35, n. 1, 
p.121-129, jan. 2009. 
 
KANDOOH, Noor Hilal; AL-JAMEEL, Hamid Athab Eedan. EVALUATING PAVEMENT CONDITION FOR 
SELECTED SEGMENTS OF ROAD NETWORK IN AL-MUTHANNA CITY. Global Journal Of Engineering 
Science And Research Management, [s.l.], v. 6, n. 10, p.1-16, out. 2019. 
 
KENDALL, J M. Designing a research project: randomised controlled trials and their principles. Emergency 
Medicine Journal, [s.l.], v. 20, n. 2, p.164-168, 1 mar. 2003. 
 
KIM, Hyunwook; BUTTLAR, William G.. Finite element cohesive fracture modeling of airport pavements at low 
temperatures. Cold Regions Science And Technology, [s.l.], v. 57, n. 2-3, p.123-130, jul. 2009. Elsevier BV. 
http://dx.doi.org/10.1016/j.coldregions.2009.02.004. 
 
KIM, In Tai; TUTUMLUER, Erol. Field Validation of Airport Pavement Granular Layer Rutting 
Predictions. Transportation Research Record: Journal Of The Transportation Research Board, Washington, 
v. 1, n. 1952, p.48-57, dez. 2006. 
 
KÖCHE, José Carlos. Fundamentos de metodologia científica: teoria da ciência e iniciação à pesquisa. 
Petrópolis, Rj: Vozes, 2011. 182 p. 
 
KOCHURA, Yuriy et al. Performance Analysis of Open Source Machine Learning Frameworks for Various 
Parameters in Single-Threaded and Multi-threaded Modes. Advances In Intelligent Systems And Computing 
II, [S.L.], p. 243-256, 22 nov. 2017. Springer International Publishing. http://dx.doi.org/10.1007/978-3-319-
70581-1_17. 
 
LAWAL, Ibironke O.. Library and Information Science Research in the 21st Century: A Guide for Practicing 
Librarians and Students (Chandos Information Professional Series). Cambridge: Chandos Publishing, 2009. 228 
p. 
 
LEAHY, R. B.; POPESCU, L.; DEDMON, C.; MONISMITH, C. L.. Materials and Pavement Evaluation for the 
New Doha International Airport Using Mechanistic-Empirical Technology. In: Airfield and Highway Pavements 
Conference: Efficient Pavements Supporting Transportation's Future, v. 329, 2008, Bellevue. Proceedings... 
Bellevue: American Society of Civil Engineers, 2008. p. 301-321. http://dx.doi.org/10.1061/41005(329)27. 
 
http://dx.doi.org/10.1016/j.coldregions.2009.02.004
160 
 
LEE, Jeffrey L.; TURNER, Dennis J.; OSHINSKI, Ed; STOKOE II, Kenneth H.; BAY, James A.; RASMUSSEN, 
Robert Otto. Continuous Structural Evaluation of Airport Pavements with the Rolling Dynamic Deflectometer. In: 
Airfield Pavements: Challenges and New Technologies, 2003, Las Vegas. Proceedings of the Specialty 
Conference... Las Vegas: American Society of Civil Engineers, 2003. p. 348-365. 
 
LEU, M. C.; HENRY, J. J.. Prediction of Skid Resistance as a Function of Speed from Pavement Texture 
Measurements. In Transportation Research Record, TRB, National Research Council, Washington, D.C., 1978, 
 
LEVENBERG, Eyal; MILLER-HOOKS, Elise; ASADABADI, Ali; FATURECHI, Reza. Resilience of 
Networked Infrastructure with Evolving Component Conditions: Pavement Network Application. Journal Of 
Computing In Civil Engineering, [s.l.], v. 31, n. 3, p.1-9, maio 2017. American Society of Civil Engineers 
(ASCE). http://dx.doi.org/10.1061/(asce)cp.1943-5487.0000629. 
 
LINARES, Pedro. Multiple Criteria Decision Making and Risk Analysis as Risk Management Tools for Power 
Systems Planning. IEEE Transactions on Power Systems, [s.l.], v. 17, n. 3, p.895-900, aug. 2002. 
 
LIU, Guoguang; LIU, Yuan; WU, Zhiwei. Experimental Study on Transportation Safety of Airport Pavement in 
Freeze-Thaw Cycling Environment. In: International Conference on Transportation Information and Safety: 
Multimodal Approach to Sustained Transportation System Development - Information, Technology, 
Implementation, 1., 2011, Wuhan. Proceedings... Wuhan: American Society of Civil Engineers, 2011. p. 2386-
2394. http://dx.doi.org/10.1061/41177(415)302. 
 
LIU, Guoguang; NIU, Fujun; WU, Zhiwei. Life-cycle performance prediction for rigid runway pavement using 
artificial neural network. International Journal Of Pavement Engineering, [s.l.], p.1-9, 12 fev. 2019. Informa 
UK Limited. http://dx.doi.org/10.1080/10298436.2019.1567922. 
 
LOOTSMA, Freerk A. Multi-Criteria Decision Analysis via Ratioand Difference Judgement. 1. ed. Dordrecht: 
Kluwer Academic Publishers, 1999. 285 p. 
 
LOPRENCIPE, Giuseppe; ZOCCALI, Pablo. Comparison of methods for evaluating airport pavement 
roughness. International Journal of Pavement Engineering, [s.l.], v. 20, n. 7, p.782-791, 28 jun. 2019. 
 
LU, Qing; STEVEN, Bruce. Friction Testing of Pavement Preservation Treatments: Literature Review. 
California: D. Spinner, 2006. 43 p. 
 
LUCENA, Rebecca Luna; CABRAL JÚNIOR, Jório Bezerra; STEINKE, Ercília Torres. Comportamento 
Hidroclimatológico do Estado do Rio Grande do Norte e do Município de Caicó. Revista Brasileira de 
Meteorologia, [s.l.], v. 33, n. 3, p.485-496, set. 2018. 
 
MARCELINO, Pedro et al. Machine Learning for Pavement Friction Prediction Using Scikit-Learn. Progress In 
Artificial Intelligence, [s.l.], v. 10423, n. 1, p.331-342, 2017. 
 
MASCIO, Paola di; MORETTI, Laura. Implementation of a pavement management system for maintenance and 
rehabilitation of airport surfaces. Case Studies In Construction Materials. [s. l.], p. 1-11. dez. 2019. 
 
MATTESON, Thomas D.. Airline experience with reliability-centered maintenance. Nuclear Engineering And 
Design, [S.L.], v. 89, n. 2-3, p. 385-390, nov. 1985. Elsevier BV. http://dx.doi.org/10.1016/0029-5493(85)90076-
7. 
 
MAY, Graham H. The Future Is Ours: Foreseeing, Managing and Creating the Future. Praeger, Westport, 
Connecticut, 1996. 270 p. 
 
MCCLURE, Nick. TensorFlow Machine Learning: cookbook. Birmingham: Packt Publishing Ltd, 2017. 351 p. 
 
MCCULLOCH, Warren S.; PITTS, Walter. A Logical Calculus os the Ideas Immanent in Nervous 
Activity. Bulletin Of Mathematical Biophysics, [S.l.], v. 5, n. 1, p. 115-133, maio 1943. 
 
MCNERNEY, Michael T.. Remaining Service Life Analysis of Concrete Airfield Pavements at Denver 
International Airport Using the FACS Method. In: Airfield and Highway Pavements Conference: Efficient 
http://dx.doi.org/10.1080/10298436.2019.1567922
161 
 
Pavements Supporting Transportation's Future, v. 329, 2008, Bellevue. Proceedings... Bellevue: American 
Society of Civil Engineers, 2008. p. 358-369. http://dx.doi.org/10.1061/41005(329)31. 
 
MCNERNEY, Michael T.; KEEGAN, Katherine A.. The Benefits of Using a Geospatial Airport Pavement 
Management System at Denver and Tampa International Airports. In: T and DI Congress 2011: Integrated 
Transportation and Development for a Better Tomorrow - Proceedings of the 1st Congress of the 
Transportation and Development Institute of ASCE, 1.,2011, Chicago. Proceedings... Chicago: American 
Society of Civil Engineers, 2011. p. 255-270. http://dx.doi.org/10.1061/41167(398)26. 
 
MEEGODA, Jay N.; GAO, Shengyan. Evaluation of pavement skid resistance using high speed texture 
measurement. Journal Of Traffic And Transportation Engineering (english Edition), [s.l.], v. 2, n. 6, p.382-
390, dez. 2015. 
 
MEHMETI, Xh.; MEHMETI, B.; SEJDIU, Rr.. The equipment maintenance management in manufacturing 
enterprises. Ifac-papersonline, [s.l.], v. 51, n. 30, p.800-802, 2018. 
 
MERIGHI, Livia Fortes. Avaliação funcional de pavimentos asfálticos aeroportuários com a finalidade de 
estabelecer metas para sua manutenção. 2017. 289 f. Dissertação (Mestrado) - Curso de Engenharia de 
Transportes, Departamento de Engenharia de Transportes, Universidade de São Paulo, São Paulo, 2017. 
 
MOHER, David et al. Preferred Reporting Items for Systematic Reviews and Meta-Analyses: The PRISMA 
Statement. Plos Med, [s.l.], v. 6, n. 7, p.1-6, jul. 2009. 
 
MONTIBELLER, Gilberto; GUMMER, Haidee; TUMIDEI, Daniele. Combining scenario planning and multi-
criteria decision analysis in practice. Journal Of Multi-criteria Decision Analysis, [s.l.], v. 14, n. 1-3, p.5-20, 
jan. 2006. 
 
MOTTA, Adauto Gouveia. O CLIMA DE NATAL. São José dos Campos: Inpe, 2004. 158 p. 
 
MOURA, Ingrid Rebouças de; SILVA, Franco Jefferds dos Santos; COSTA, Luis Henrique Gonçalves; 
DARWICH NETO, Edmon; VIANA, Herbert Ricardo Garcia. Airport pavement evaluation systems for 
maintenance strategies development: a systematic literature review. International Journal Of Pavement 
Research And Technology, [S.L.], p. 1-12, 29 dez. 2020. Springer Science and Business Media LLC. 
http://dx.doi.org/10.1007/s42947-020-0255-1. 
 
NAJAFI, Shahriar; FLINTSCH, Gerardo W.; KHALEGHIAN, Seyedmeysam. Pavement friction management – 
artificial neural network approach. International Journal Of Pavement Engineering, [s.l.], v. 20, n. 2, p.125-
135, 14 dez. 2016. 
 
NASEM. Common Airport Pavement Maintenance Practices: A Synthesis of Airport Practice. National 
Academies of Sciences, Engineering, and Medicine. Washington, DC: The National Academies Press, 2011. 
 
NASEM. Impact of Airport Rubber Removal Techniques on Runways: A Synthesis of Airport Practice. 
National Academies of Sciences, Engineering, and Medicine. Washington, DC: The National Academies Press, 
2008. 
 
NASEM. Pavement Maintenance Guidelines for General Aviation Airport Management. National 
Academies of Sciences, Engineering, and Medicine. Washington, DC: The National Academies Press, 2016. 
 
NGHRP. Evaluation of Pavement Friction Gharacteristics: A Synthesr.s of Highway Practice. National 
Cooperative Highway Research Program. Washington, DC: National Academy Press, 2000. 80 p. 
NIMER, E. Clima. Instituto Brasileiro de Geografia e Estatística. Geografia do Brasil: Região Nordeste. 2. ed. 
Rio de Janeiro: SERGRAF - IBGE, 1977. 
 
NINGYUAN, Li et al. Integrating Dynamic Performance Prediction Models into Pavement Management 
Maintenance and Rehabilitation Programs. In: INTERNATIONAL CONFERENCE ON MANAGING 
PAVEMENTS, 5., 2001, Seattle. Proceedings. Seattle: International Conference On Managing Pavements, 2001. 
p. 1 - 14. 
 
NOSS, Per Magne. Noss roughness meter. A Norwegian road-roughness measurement system. In: 
162 
 
INTERNATIONAL SYMPOSIUM ON SURFACE CHARACTERISTICS. Conference 
Proceeding. Philadelphia: Astm Special Technical Publication, 1990. p. 237 - 244. 
 
NUIJTEN, A.D.W.. Runway temperature prediction, a case study for Oslo Airport, Norway. Cold Regions 
Science And Technology, [s.l.], v. 125, p.72-84, maio 2016. Elsevier BV. 
http://dx.doi.org/10.1016/j.coldregions.2016.02.004. 
 
OLIVEIRA, Francisco Heber Lacerda de. CONSIDERAÇÕES SOBRE A PRÁTICA DOS SERVIÇOS DE 
REMOÇÃO DE BORRACHA EM PAVIMENTOS AEROPORTUÁRIOS. In: REUNIÃO ANUAL DE 
PAVIMENTAÇÃO, 39., 2008, Recife. Anais. Recife: 39ª Rapv / 13° Enacor, 2008. p. 1-12. 
 
OLIVEIRA, Francisco Heber Lacerda de. DESENVOLVIMENTO DE UM MODELO DE 
GERENCIAMENTO DE PAVIMENTOS AEROPORTUÁRIOS COMO APOIO À TOMADA DE 
DECISÃO SOBRE ESTRATÉGIAS DE MANUTENÇÃO E REABILITAÇÃO. 2016. 179 f. Tese 
(Doutorado) - Curso de Engenharia de Transportes, Departamento de Engenharia de Transportes, Universidade 
Federal do Ceará, Fortaleza, 2016. 
 
OLIVEIRA, Francisco Heber Lacerda de; NOBRE JÚNIOR, Ernesto Ferreira. Considerações sobre a 
macrotextura e o atrito na avaliação funcional de pavimentos aeroportuários. In: IV Simpósio Internacional de 
Avaliação de Pavimentos e Projetos de Reforço, 4., 2009, Fortaleza. Anais. [s.l.]: 2009. p. 1 - 12. 
 
OLIVEIRA, Sara Guerra de; TIBAUT, Andrej; DELL’ACQUA, Gianluca. Airport Pavement Management 
Systems: An Open BIM Approach. In: PRISCO, M. di; CHEN, S. H.; VAYAS, I.; SHUKLA, S. Kumar; 
SHARMA, A.; KUMAR, N.; WANG, C. M.. Lecture Notes in Civil Engineering. [s. L.]: Springer International 
Publishing, 2020. p. 450-459. 
 
PASINDU, H.r.; FWA, T.f.; ONG, G.p.. Analytical evaluation of aircraft operational risks from runway 
rutting. International Journal Of Pavement Engineering, [s.l.], v. 17, n. 9, p.810-817, 20 mar. 2015. Informa 
UK Limited. http://dx.doi.org/10.1080/10298436.2015.1019501. 
 
PEARSON, Derek. Deterioration and Maintenance of Pavements. London: Ice Publishing, 2012. 
 
PÉREZ-ACEBO, Heriberto; GONZALO-ORDEN, Hernán; ROJÍ, Eduardo. Skid resistance prediction for newtwo-lane roads. Proceedings Of The Institution Of Civil Engineers - Transport, [s.l.], v. 172, n. 5, p.264-273, 
out. 2019. 
 
PETERSON, Garry D.; CUMMING, Graeme S.; CARPENTER, Stephen R. Scenario Planning: a Tool for 
Conservation in an Uncertain World. International Conservation Biology, [s.l.], v. 17, n. 2, p. 358–366, april. 
2003. 
 
PIERCE, Linda M.; MCGOVERN, Ginger; ZIMMERMAN, Kathryn A.. Practical Guide for Quality 
Management of Pavement Condition Data Collection. Washington, Dc: Federal Highway Administration, 
2013. 170 p. FHWA COTR: Thomas Van. 
 
PIGOZZI, Franco et al. Implementation of deflection bowl measurements for structural evaluations at network 
level of airport pavement management system. International Journal On Pavement Engineering & Asphalt 
Technology. [s.l.], p. 1-16. dez. 2014. 
 
PINTELON, L.M; GELDERS, L.F. Maintenance management decision making. European Journal of 
Operational Research. [s.l.], v. 58, n. 3, p. 301-317. May. 1992. 
 
PRATICÒ, F.G.; BRIANTE, P.G.. Prediction of surface texture for better performance of friction 
courses. Construction And Building Materials, [s.l.], v. 230, p.1-11, jan. 2020. 
 
PRESS ACADEMIA. Definition of Case Study. Disponível em: <http://www.pressacademia.org/definition-of-
case-study/>. Acesso em: 9 jul. 2019. 
 
PWC. Inframerica Concessionária do Aeroporto de São Gonçalo do Amarante S.A.: Relatório dos auditores 
independentes sobre as demonstrações financeiras em 31 de dezembro de 2016. Natal: Price water house coopers, 
2016. 26 p. 
163 
 
 
RADA, Gonzalo R.; SCHWARTZ, Charles W.; WITCZAK, Matthew W.; RABINOW, Scott D.. Integrated 
Pavement Management System for Kennedy International Airport. Journal Of Transportation Engineering, 
[s.l.], v. 118, n. 5, p.666-685, set. 1992. American Society of Civil Engineers (ASCE). 
http://dx.doi.org/10.1061/(asce)0733-947x(1992)118:5(666). 
 
RAJU, M. Mohan et al. Development of Artificial Neural-Network-Based Models for the Simulation of Spring 
Discharge. Advances In Artificial Intelligence, [s.l.], v. 2011, p.1-11, 2011. 
 
RAM, C; MONTIBELLER, G; A MORTON,. Extending the use of scenario planning and MCDA for the 
evaluation of strategic options. Journal Of The Operational Research Society, [s.l.], v. 62, n. 5, p.817-829, maio 
2011. 
 
RODWAY, B. Flexible aircraft pavement surfacing – Australian practice, 8th International Conference on 
Maintenance and Rehabilitation of Pavements, Singapore, 27–29 July, 2016. 
 
ROLLINGS, R. S.; WITCZAK, M. W.. STRUCTURAL DETERIORATION MODEL FOR RIGID AIRFIELD 
PAVEMENTS. Journal Of Transportation Engineering, [s.l.], v. 116, n. 4, p.479-491, ago. 1990. 
 
ROSENHEAD, J.; ELTON, M.; GUPTA S. K.. Robustness and optimality as criteria for strategic decisions. Opl 
Res Quart, [s.l.], v. 23, p. 413–431. 1972. 
 
SAATY, R. W. (1987). The Analytic Hierarchy Process-What it is and How it is used. Pergamon. Pittsburgh, 
p. 161- 176. 
 
SAATY, T. L. Método de análise hierárquica. 367 p. São Paulo: McGraw Hill,1991. 
 
SAATY, T.L. A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology, 
San Francisco, v. 15, n. 3, p. 234-281, 1977 
 
SAC. Relatório de Desempenho Operacional dos Aeroportos: 3º TRIMESTRE de 2016 | Julho a Setembro. 
Secretaria de Aviação Civil. Ministério dos Transportes, Portos e Aviação Civil. 2016. 
 
SAC. Relatório de Desempenho Operacional dos Aeroportos: 3º Trimestre de 2019 | Julho a Setembro. 
Secretaria de Aviação Civil. Ministério dos Transportes, Portos e Aviação Civil. 2019. 
 
SAYERS, Michael W.. On the Calculation of International Roughness Index from Longitudinal Road 
Profile. Transportation Research Record, Ann Arbor, v. 1, n. 1501, p.1-12, 1995. 
 
SAYERS, Michael W.; GILLESPIE, Thomas D.; PATERSON, William D. O. Guidelines for Conducting and 
Calibrating Road Roughness Measurements. 46. ed. Washington, DC: The World Bank, 1986. 87 p. 
 
SAYERS, Michael W.; KARAMIHAS, Steven M.. The Little Book of Profiling: Basic Information about 
Measuring and Interpreting Road Profiles. Ann Arbor: The Regent Of The University Of Michigan, 1998. 100 p. 
 
SCAA. Criteria and associated guidelines regulating use of pavements by aircraft with an ACN higher than 
the reported PCN. 3. Ed. TG AGA 04. Seychelles Civil Aviation Authority. Seychelles, 2008. 37p. 
 
SCHIBANI, A.; FESTA, B.; D’APUZZO, M.; NICOLOSI, V.. Some remarks on landing kinematic characteristics 
of aircrafts. In: Sustainability, Eco-Efficiency and Conservation in Transportation Infrastructure Asset 
Management - Proceedings of the 3rd International Conference on Tranportation Infrastructure, 3., 2014, 
Pisa. Proceedings... Pisa: Taylor & Francis Group, 2014. p. 385-392. 
 
SCHMIDHUBER, Jürgen. Deep learning in neural networks: an overview. Neural Networks, [S.L.], v. 61, p. 85-
117, jan. 2015. Elsevier BV. http://dx.doi.org/10.1016/j.neunet.2014.09.003. 
 
SHAH, Anwar; TIGHE, Susan; STEWART, Allen. Development of a unique deterioration index, prioritization 
methodology, and foreign object damage evaluation models for Canadian airfield pavement 
management. Canadian Journal Of Civil Engineering, [s.l.], v. 31, n. 4, p.608-618, 1 ago. 2004. Canadian 
Science Publishing. http://dx.doi.org/10.1139/l04-018. 
164 
 
 
SHAHIN, M.y.; BECKER, J.m.. Development of Performance Prediction Models for Airfield 
Pavements. Transportation Research Record, [s. L.], p.25-33, 1984. 
 
SHAHIN, Mohammed y. Pavement management for airports, roads, and parking lots. [s.l.]: Springer 
Science+business Media Dordrecht, 1994. 458 p. 
 
SHEARD, N. Airport Size and Urban Growth. Economica. USA, p. 1-36. fev. 2018. 
 
SILVA, Cassandra Ribeiro de O. Metodologia e organização do projeto de pesquisa: guia prático. Fortaleza, 
CE: Editora da UFC, 2004. 
 
SIQUEIRA, Iony Patriota de. Manutenção Centrada na Confiabilidade: Manual de Implementação. Rio de 
Janeiro: Qualitymark, 2009. 408 p. 
 
SMITH, Anthony M. RCM - Gateway to World Class Maintenance. Oxford: Elsevier, 2004. 337 p. 
 
STEWART, Theodor J.; FRENCH, Simon; RIOS, Jesus. Integrating multicriteria decision analysis and scenario 
planning—Review and extension. Omega, [s.l.], v. 41, n. 4, p.679-688, ago. 2013. 
 
SUH, Young-chan; PARK, Dong-yeob; JEONG, Kyoung-young. Development of Deterioration Prediction 
Models for Airfield Rigid Pavements. Transportation Research Record: Journal of the Transportation Research 
Board, [s.l.], v. 1788, n. 1, p.132-137, jan. 2002. SAGE Publications. http://dx.doi.org/10.3141/1788-17. 
 
TAKAGI, Hisashi; NAKANE, Tatsuhide. Geo-spatial grasping of pavement with mobile mapping. In: ISPRS 
CONGRESS. ISPRS Archives. Amsterdam: Technical Commission V: Close-range Techniques And Machine 
Vision, 2000. v. 33, p. 788 - 795. 
 
TAREFDER, Rafiqul Alam; AHMED, Mesbah U.; RAHMAN, Asifur. Effects of cross-anisotropy and stress-
dependency of pavement layers on pavement responses under dynamic truck loading. Journal Of Rock 
Mechanics And Geotechnical Engineering, [s.l.], v. 8, n. 3, p.366-377, jun. 2016. 
 
TAREFDER, Rafiqul Alam; RAHMAN, Md Mostaqur. Development of System Dynamic Approaches to Airport 
Pavements Maintenance. Journal Of Transportation Engineering, [s.l.], v. 142, n. 8, p.1-7, ago. 2016. 
 
THE ICAO JOURNAL: NEWS AND DEVELOPMENTS FROM THE INTERNATIONAL CIVIL 
AVIATION ORGANIZATION. Montréal: ICAO communications unit, v. 71, n. 3, 2016. 
 
TRANSPORT CANADA. Airport Pavement Management System. Advisory Circular – AC 302-016. Canadian 
Aviation Regulations - CARs. Canada, 2016. 
 
TU, Shanshan; DONG, Qiao; GU, Xingyu. Framework of a 3D GIS Based Airport Pavement Management System. 
In: COTA International Conference of Transportation Professionals: Transportation in China - Connecting 
the World, 19., 2019, Nanjing. Proceedings... Nanjing: American Society of Civil Engineers, 2019. p. 4284-4293. 
http://dx.doi.org/10.1061/9780784482292.370.TOKUI, S. et al. Chainer: a next-generation open source framework for deep learning. In: ANNUAL 
CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS, 29., 2015, [S.L]. Proceedings of 
Workshop on Machine Learning Systems (LearningSys). [S.L]: Nips, 2015. p. 1-6. 
 
US ARMY CORPS OF ENGINEERS. ASPHALT SURFACED AIRFIELDS: PAVER™ DISTRESS 
IDENTIFICATION MANUAL. Florida: Tyndall Air Force Base, 2009. 
 
US ARMY CORPS OF ENGINEERS. CONCRETE SURFACED AIRFIELDS: PAVER™ DISTRESS 
IDENTIFICATION MANUAL. Florida: Tyndall Air Force Base, 2009. 
 
VERHAGEN, Wim J.C.; BOER, Lennaert W.m.de. Predictive maintenance for aircraft components using 
proportional hazard models. Journal of Industrial Information Integration. Netherlands, p. 23-30. dez. 2018. 
 
VIANA, Herbert Ricardo Garcia. Manual de Gestão da Manutenção. 1. ed. Brasília DF: Engeteles, 2020. 
165 
 
 
VIANA, Herbert Ricardo Garcia. PCM: planejamento e controle da manutenção. 6. ed. Rio de Janeiro: 
Qualitymark, 2014. 
 
VILLARREAL, Jose; HOSSAIN, M.. Condition Evaluation of General Aviation Airport Runway Pavements. In: 
International Airfield and Highway Pavements Conference: Innovative and Cost-Effective Pavements for 
a Sustainable Future, 2015, Miami. Proceedings... Miami: American Society of Civil Engineers, 2015. p. 572-
580. http://dx.doi.org/10.1061/9780784479216.051. 
 
VYAS, Vidhi; SINGH, Ajit Pratap; SRIVASTAVA, Anshuman. A Decision Making Framework for Condition 
Evaluation of Airfield Pavements Using Non-Destructive Testing. In: International Airfield and Highway 
Pavements Conference 2019: Innovation and Sustainability in Highway and Airfield Pavement Technology, 
2019, Chicago. Proceedings... Chicago: American Society of Civil Engineers, 2019a. p. 343-353. 
http://dx.doi.org/10.1061/9780784482476.034. 
 
VYAS, Vidhi; SINGH, Ajit Pratap; SRIVASTAVA, Anshuman. Entropy-based fuzzy SWOT decision-making for 
condition assessment of airfield pavements. International Journal Of Pavement Engineering, [s.l.], p.1-12, 1 
out. 2019b. 
 
WAHBA, Ahmed Mohamady Abdallah. ICAO Overloading Practice versus Airport Pavement Design Life Using 
FAARFIELD 1.3 and COMFAA 2.0, 3.0. American Journal Of Civil Engineering And Architecture, [s.l.], v. 
5, n. 2, p.57-65, 26 ago. 2017. 
 
WALLIMAN, Nicholas. RESEARCH METHODS THE BASICS. London and New York: Routledge, 2011. 
 
WAMBOLD, James C. et al. International piarc experiment to compare and harmonize texture and skid 
resistance measurements. [s.l.]: Piarc Technical Committee On Surface Characteristics C.1, 1995. 
 
WANG, Kelvin C. P.; NGUYEN, Vu T. D.; WATKINS, Quintin B.. Rapid 1-mm Mapping of Runways in an 
Integrated Environment. In: T and DI Congress 2011: Integrated Transportation and Development for a 
Better Tomorrow - Proceedings of the 1st Congress of the Transportation and Development Institute of 
ASCE, 1.,2011, Chicago. Proceedings... Chicago: American Society of Civil Engineers, 2011. p. 22-31. 
http://dx.doi.org/10.1061/41167(398)3. 
 
WATKINS, Quintin; RAU, Robert; BOUDREAU, Richard L.. Impact of New-Generation Aircraft at Hartsfield-
Jackson Atlanta International Airport. In: Airfield and Highway Pavements: Efficient Pavements Supporting 
Transportation's Future - Proceedings of the 2008 Airfield and Highway Pavements Conference, v. 329, 
2008, Bellevue. Proceedings... Bellevue: American Society of Civil Engineers, 2008. p.573-584. 
http://dx.doi.org/10.1061/41005(329)49. 
 
WESOłOWSKI, Mariusz; BLACHA, Krzysztof. Evaluation of airfield pavement micro and macrotexture in the 
light of skid resistance (friction coefficient) measurements. Matec Web Of Conferences, [s.l.], v. 262, p.1-7, 
2019. 
 
WHITE, Greg. State of the art: Asphalt for airport pavement surfacing. International Journal Of Pavement 
Research And Technology, [s.l.], v. 11, n. 1, p.77-98, jan. 2018. 
 
YAN, Xiang Cheng; WENG, Xing Zhong; LIU, Xiao Jun; JIA, Jian Qiang. Evaluation of Airport Pavement 
Service Performance Based on Fuzzy Matter Element and Combination Weights Method. Advanced Materials 
Research, [s.l.], v. 255-260, p.3205-3210, maio 2011. Trans Tech Publications, Ltd.. 
http://dx.doi.org/10.4028/www.scientific.net/amr.255-260.3205. 
 
YANTI et al. Visual assessment deterioration analysis of runways at Sultan Aji Muhammad Sulaiman Sepinggan 
Airport Balikpapan. Aip Conference Proceedings, [s.l.], v. 2114, n. 1, p.1-8, jun. 2019. 
 
YIN, Robert K. Estudo de caso: planejamento e métodos. 5.ed. Porto Alegre: Bookman, 2015. 
 
YUAN, Jie; MOONEY, Michael A.. Development of Adaptive Performance Models for Oklahoma Airfield 
Pavement Management System. Transportation Research Record: Journal of the Transportation Research 
Board, [s.l.], v. 1853, n. 1, p.44-54, jan. 2003. SAGE Publications. http://dx.doi.org/10.3141/1853-06. 
http://dx.doi.org/10.1061/9780784479216.051
http://dx.doi.org/10.1061/9780784482476.034
166 
 
 
ZANIEWSKI, John. Unified methodology for airport pavement analysis and design. State-of-the-Art Technical 
Rep., Federal Aviation Administration, Research and Development Service, Washington, DC, p. 137–150, 1991. 
 
ZHANG, Guoqiang; PATUWO, B. Eddy; HU, Michael Y.. Forecasting with artificial neural 
networks. International Journal Of Forecasting, [s.l.], v. 14, n. 1, p.35-62, mar. 1998. 
 
ZIMMERMANN, H. An application-oriented view of modeling uncertainty. Eur. J. Oper. Res, [s.l.], v.122, p. 
190–198. 2000. 
 
ZOU, Jinming; HAN, Yi; SO, Sung-Sau. Overview of Artificial Neural Networks. In: LIVINGSTONE, David 
J.. Artificial Neural Networks: methods and protocols. [S.L]: Humana Press, 2008. p. 15-23. Part of the Methods 
in Molecular Biology™ book series (MIMB, volume 458). 
 
ZUNIGA-GARCIA, Natalia; PROZZI, Jorge A.. High-Definition Field Texture Measurements for Predicting 
Pavement Friction. Transportation Research Record: Journal of the Transportation Research Board, [s.l.], v. 
2673, n. 1, p.246-260, jan. 2019. 
 
 
167 
 
ANEXO I – TABELA DE ACN DAS AERONAVES 
ANEXO I – TABELA ACN DE AERONAVES 
Aeronave 
Carga Total (kg) 
Pressão 
de pneus 
(MPa) 
ACN Para Terrenos de Fundação de Pavimentos Rígidos – 
resistência normalizada k em MN/m3 
ACN Para Terrenos de Fundação de Pavimentos Flexíveis – 
CBR normalizado 
Carga 
Máxima 
Decolagem 
- CMD 
Peso 
Operacional 
Vazio - OV 
Alta 
150 
Média 
80 
Baixa 
40 
Ultra Baixa 
20 
Alta 
15 
Média 
10 
Baixa 
06 
Ultra Baixa 
03 
CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV 
A310-200 Airbus 132000 76616 1,23 33 15 39 18 46 21 54 24 36 18 40 19 48 20 64 27 
A310-200 Airbus 138600 76747 1,30 35 16 42 18 51 21 58 25 39 18 43 19 52 20 68 28 
A310-200 Airbus 142000 75961 1,33 37 15 44 17 52 20 60 23 40 17 44 18 54 20 70 27 
A310-300 Airbus 150000 77037 1,42 42 13 49 14 58 17 66 20 44 15 49 15 59 16 76 24 
A310-300 Airbus 157000 78900 1,49 45 14 54 15 63 18 71 22 47 15 53 15 64 16 81 25 
A318-100 61900 39000 0,89 29 17 31 18 35 20 41 23 31 18 34 19 36 21 38 22 
A319-100 64400 41000 1,19 34 20 37 22 39 23 41 24 32 19 32 19 36 21 41 24 
A319-100 70400 41000 1,29 39 21 42 22 44 24 46 25 35 19 36 19 41 21 46 24 
A319 CJ 76900 41000 1,38 44 21 47 22 49 24 51 25 39 19 41 19 45 21 51 24 
A319NEO 64400 41000 1,19 35 20 37 22 39 23 41 25 32 19 33 19 36 21 42 24 
A319NEO 75900 41000 1,38 44 21 46 22 49 24 51 25 39 19 40 19 45 21 50 24 
A320-100 66400 41244 1,23 37 21 40 23 42 24 44 25 34 20 35 20 39 22 45 25 
A320-100 68400 41244 1,28 39 22 41 23 44 24 46 26 35 20 36 20 40 22 46 25 
A320-100 Airbus 
dual tandem 
66000 37203 1,28 37 19 40 20 42 21 44 23 33 18 34 18 38 19 44 22 
A320-100 Airbus 
dual tandem 
68000 39700 1,34 39 20 41 22 43 23 45 24 35 19 36 19 40 20 46 23 
A320-100 Airbus 
dual tandem 
68000 40243 1,12 18 9 21 10 24 12 28 14 18 9 19 10 23 11 32 14 
 
168 
 
ANEXO I – TABELA ACN DE AERONAVES 
Aeronave 
Carga Total (kg) Pressão 
de pneus 
(MPa) 
ACN Para Terrenos de Fundaçãode Pavimentos Rígidos – 
resistência normalizada k em MN/m3 
ACN Para Terrenos de Fundação de Pavimentos Flexíveis – 
CBR normalizado 
Carga 
Máxima 
Decolagem 
- CMD 
Peso 
Operacional 
Vazio - OV 
Alta 
150 
Média 
80 
Baixa 
40 
Ultra Baixa 
20 
Alta 15 Média 
10 
Baixa 
06 
Ultra Baixa 
03 
CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV 
A320-200 66400 41345 1,23 38 22 40 23 42 24 44 26 34 20 35 20 39 22 45 25 
A320-200 68400 41345 1,28 39 22 42 23 44 24 46 26 35 20 36 20 40 22 46 25 
A320-200 70400 41345 1,28 40 22 43 23 45 25 47 26 36 20 37 20 42 22 48 25 
A320-200 71900 41345 1,38 42 22 45 24 47 25 49 26 38 20 39 20 43 22 49 25 
A320-200 73900 41345 1,38 44 22 46 23 48 25 50 26 39 20 40 20 44 22 50 25 
A320-200 75900 41345 1,38 45 22 47 23 50 25 52 26 40 20 41 20 46 22 52 25 
A320-200 77400 41345 1,44 46 22 49 23 51 25 53 26 41 20 42 20 47 22 53 25 
A320-200 78400 41345 1,44 47 22 49 23 52 25 54 26 41 20 43 20 47 21 53 25 
A320-200 Airbus 
dual 
73500 39748 1,45 44 20 46 22 48 23 50 25 38 19 40 19 44 20 50 24 
A320-200 Airbus 
dual tandem 
73500 40291 1,21 18 9 22 10 26 11 30 13 19 9 21 10 26 11 35 14 
A320NEO 73900 42000 1,38 44 22 46 24 48 25 50 26 39 20 40 20 44 22 50 26 
A320NEO 77400 42000 1,44 46 23 49 24 51 25 53 26 41 20 42 21 47 22 53 25 
A320NEO 70400 42000 1,28 41 22 43 24 46 25 48 26 36 20 37 21 42 22 48 26 
A321-100 78400 46959 1,28 47 25 50 27 52 29 54 30 42 23 44 24 49 26 55 30 
A321-100 83400 46959 1,36 51 26 54 28 57 29 59 31 45 23 48 24 53 26 59 30 
A321-100 85400 46959 1,39 53 26 56 28 59 29 61 31 47 23 49 24 55 26 61 30 
A321-100 89400 46959 1,46 56 26 59 28 62 29 64 31 49 23 52 24 58 26 63 30 
A321-200 78400 46959 1,28 47 25 50 27 52 29 54 30 42 23 44 24 49 26 55 30 
 
 
169 
 
ANEXO I – TABELA ACN DE AERONAVES 
Aeronave 
Carga Total (kg) Pressão 
de pneus 
(MPa) 
ACN Para Terrenos de Fundação de Pavimentos Rígidos – 
resistência normalizada k em MN/m3 
ACN Para Terrenos de Fundação de Pavimentos Flexíveis – 
CBR normalizado 
Carga 
Máxima 
Decolagem 
- CMD 
Peso 
Operacional 
Vazio - OV 
Alta 
150 
Média 
80 
Baixa 
40 
Ultra Baixa 
20 
Alta 
15 
Média 
10 
Baixa 
06 
Ultra Baixa 
03 
CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV 
A321-200 80400 46959 1,36 49 26 52 28 54 29 57 31 43 23 45 24 51 26 56 30 
A321-200 83400 46959 1,36 51 26 54 27 57 29 59 30 45 23 47 24 53 26 59 30 
A321-200 85400 46959 1,39 53 26 56 28 58 29 61 30 46 23 49 24 54 26 60 30 
A321-200 89400 46959 1,46 56 26 59 28 62 29 64 31 49 23 52 24 58 26 63 30 
A321-200 93400 46959 1,50 60 27 63 28 66 30 68 31 52 24 55 24 61 26 67 30 
A321-200 93900 46959 1,50 61 27 64 28 66 30 69 31 53 24 56 24 61 26 67 30 
A330-200 230900 120000 1,42 53 28 61 27 72 30 85 35 57 26 62 27 71 30 97 36 
A330-200 233900 120000 1,42 54 28 62 27 74 30 86 35 58 26 63 27 73 30 98 36 
A330-200 202900 120000 1,42 45 28 52 27 61 31 71 35 49 26 52 27 60 30 80 37 
A330-200 192900 120000 1,42 43 28 49 27 57 31 67 35 46 26 49 27 56 30 75 37 
A330-200 236900 120000 1,42 54 27 62 27 74 30 86 34 58 26 63 27 73 29 98 36 
A330-300 212900 125000 1,31 55 41 60 44 70 50 94 66 46 36 54 39 64 46 75 54 
A330-300 218900 125000 1,33 57 41 61 44 71 50 96 66 47 37 55 40 65 46 77 54 
A330-300 230900 125000 1,45 62 44 68 47 79 53 107 70 54 39 62 43 74 50 86 58 
A340-200 260900 130000 1,32 56 33 61 35 71 39 96 50 47 31 55 32 65 36 76 42 
A340-200 275900 130000 1,42 62 35 67 37 78 41 106 53 53 33 62 34 73 39 85 45 
A340-300 260900 130000 1,32 56 34 61 36 70 40 96 52 47 32 54 33 65 38 76 44 
A340-300 275900 130000 1,42 62 37 68 39 79 44 107 57 54 34 62 36 74 42 86 48 
A340-500 369200 180000 1,61 70 29 76 31 90 34 121 42 60 29 70 28 83 32 97 37 
 
170 
 
ANEXO I – TABELA ACN DE AERONAVES 
Aeronave 
Carga Total (kg) Pressão 
de pneus 
(MPa) 
ACN Para Terrenos de Fundação de Pavimentos Rígidos – 
resistência normalizada k em MN/m3 
ACN Para Terrenos de Fundação de Pavimentos Flexíveis – 
CBR normalizado 
Carga 
Máxima 
Decolagem 
- CMD 
Peso 
Operacional 
Vazio - OV 
Alta 
150 
Média 
 80 
Baixa 
40 
Ultra Baixa 
20 
Alta 
 15 
Média 
10 
Baixa 
06 
Ultra Baixa 
03 
CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV 
A340-600 366200 180000 1,61 70 29 76 31 90 34 121 42 60 29 70 28 83 32 97 37 
A350-900 268900 142000 1,66 64 32 71 33 83 36 96 41 66 31 70 32 80 34 110 41 
A380-800 562271 281237 1,7 71 29 79 31 99 35 136 48 53 25 61 26 76 29 94 34 
ATR 42 18558 11217 0,72 9 5 10 5 11 6 13 7 10 6 11 6 12 7 12 7 
ATR 72 21516 12746 0,79 11 6 12 6 14 7 15 8 13 7 14 7 14 8 15 8 
B727-100 77110 41322 1,14 46 22 48 23 51 25 53 26 41 20 43 20 49 22 54 26 
B727-100C 73028 41322 1,09 43 22 45 23 48 25 50 26 39 20 40 21 46 22 51 26 
B727-200 
(Advanced) 
84005 44270 1,02 49 23 52 24 55 26 58 28 45 21 48 22 55 24 60 29 
B727-200 
(Advanced) 
86636 44347 1,06 51 23 54 25 58 26 60 28 47 22 50 22 56 24 61 28 
B727-200 
(Advanced) 
89675 44470 1,15 54 23 57 25 60 27 62 28 49 21 51 22 58 24 63 28 
B727-200 
(Advanced) 
95254 45677 1,19 58 24 61 25 64 27 67 29 52 22 55 22 62 25 66 29 
B727-200 (Standard) 78471 44293 1,15 48 24 50 26 53 27 56 29 43 22 45 23 51 25 56 29 
B737-100 44361 26581 0,95 23 12 24 13 26 14 27 15 20 12 22 12 24 13 28 15 
B737-200 45722 27170 0,97 24 13 25 14 27 15 29 16 22 12 23 12 26 14 30 16 
B737-200 52616 27125 1,14 29 13 31 14 32 15 34 16 26 12 27 12 30 13 34 15 
B737-200 52616 27125 0,66 24 11 26 12 28 13 30 14 21 10 25 11 29 13 34 15 
B737-200 
(Advanced) 
58332 29620 1,25 34 15 36 16 38 17 39 18 30 14 31 14 35 15 39 17 
 
171 
 
ANEXO I – TABELA ACN DE AERONAVES 
Aeronave 
Carga Total (kg) Pressão 
de pneus 
(MPa) 
ACN Para Terrenos de Fundação de Pavimentos Rígidos – 
resistência normalizada k em MN/m3 
ACN Para Terrenos de Fundação de Pavimentos Flexíveis – 
CBR normalizado 
Carga 
Máxima 
Decolagem 
- CMD 
Peso 
Operacional 
Vazio - OV 
Alta 
150 
Média 
80 
Baixa 
40 
Ultra Baixa 
20 
Alta 
15 
Média 
10 
Baixa 
06 
Ultra Baixa 
03 
CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV 
B737-200/200C 
(Advanced) 
53297 29257 1,16 30 15 32 16 34 17 35 18 27 14 28 14 31 15 36 17 
B737-200/200C 
(Advanced) 
56699 28985 1,23 33 15 34 16 36 17 38 18 29 14 30 14 34 15 38 17 
B737-300 61462 32904 1,34 37 18 39 18 41 20 42 21 32 16 33 16 37 17 41 20 
B737-300 61462 32904 1,14 35 17 37 18 39 19 41 20 31 15 33 16 37 17 41 20 
B737-400 64864 33643 1,44 41 19 43 20 45 21 47 22 35 16 37 17 41 18 45 21 
B737-500 60781 31312 1,34 37 17 38 17 40 19 42 19 32 15 33 15 37 16 41 19 
B737-600 66224 36378 1,28 37 18 39 19 41 21 43 22 33 17 34 17 38 18 43 21 
B737-700 70307 37648 1,36 41 20 43 21 45 22 47 23 36 18 38 18 42 19 47 22 
B737-700C/-700ER 77791 39009 1,35 46 21 49 22 51 23 53 24 41 18 43 19 48 20 53 23 
B737-800 79243 41413 1,41 49 23 51 24 54 25 56 27 43 20 45 21 50 22 55 26 
B737-900 79243 41413 1,41 49 23 51 24 54 25 56 27 43 20 45 21 50 22 55 26 
B737-900ER 85366 44679 1,52 56 26 58 27 60 29 62 30 48 23 51 23 56 25 61 29 
B747-100 323410 162385 1,50 41 17 48 19 57 22 65 25 44 19 48 20 58 22 77 28 
B747-100B 334749 173036 1,56 43 18 50 20 59 24 68 28 46 20 50 21 60 24 80 30 
B747-100B 341553 171870 1,32 41 17 49 19 58 22 68 26 46 20 51 21 62 23 82 30 
B747-100B SR 260362 164543 1,04 27 16 32 17 40 21 47 25 33 19 36 20 43 23 59 30 
B747-200B 352893 172886 1,37 45 18 53 20 64 24 73 28 50 21 55 22 67 24 88 31 
B747-200C 373305 166749 1,30 46 16 55 18 66 21 76 25 52 19 57 20 70 22 92 29 
 
172 
 
ANEXO I – TABELA ACN DE AERONAVES 
Aeronave 
Carga Total (kg) Pressão 
de pneus 
(MPa) 
ACN Para Terrenos de Fundação de Pavimentos Rígidos – 
resistência normalizada k em MN/m3 
ACN Para Terrenos de Fundação de Pavimentos Flexíveis – 
CBR normalizado 
Carga 
Máxima 
Decolagem 
- CMD 
Peso 
Operacional 
Vazio - OV 
Alta 
150 
Média 
80 
Baixa 
40 
Ultra Baixa20 
Alta 
15 
Média 
10 
Baixa 
06 
Ultra Baixa 
03 
CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV 
B747-200F/300 379201 156642 1,39 47 16 57 17 68 20 78 24 53 18 59 19 73 21 94 26 
B747-400 395987 178459 1,41 53 19 63 21 75 25 85 29 57 21 64 22 79 25 101 32 
B747SP 302093 147716 1,30 35 14 42 16 51 19 59 22 40 17 44 17 52 19 71 25 
B747SP 318881 147996 1,40 37 14 44 15 52 18 60 21 41 16 45 17 54 18 72 23 
B747-400F 397800 179200 1,38 53 19 62 21 74 25 85 29 53 20 59 21 73 23 94 30 
B747-400ER 414130 164400 1,58 59 19 69 20 81 23 92 27 57 18 63 19 78 21 100 26 
B747-8F 443613 226796 1,52 64 27 75 30 88 35 101 41 63 27 70 28 87 32 110 43 
B747-8 449056 226796 1,52 65 27 77 30 90 35 102 41 63 27 71 28 88 32 112 43 
B757-200 109316 60260 1,17 27 12 32 14 38 17 44 19 29 14 32 14 39 17 52 22 
B767-200 143789 78976 1,31 33 15 38 17 46 20 54 24 37 18 40 19 47 21 65 26 
B767-200ER 159755 80853 1,21 37 16 44 18 54 21 63 25 43 19 47 19 57 22 77 28 
B767-300 159665 86070 1,21 38 17 45 19 54 23 63 27 43 20 48 21 58 24 78 32 
B767-300ER 172819 87926 1,31 43 18 51 20 61 24 71 28 48 21 53 22 65 24 86 32 
B767-300ER 185520 88470 1,38 47 18 56 20 66 24 76 28 51 21 57 22 70 24 92 31 
B777-200 248096 142760 1,38 51 25 58 27 71 31 99 43 40 23 50 23 65 28 81 35 
B777-200LR 348358 145150 1,50 64 23 82 23 105 27 127 34 62 20 69 21 87 24 117 31 
B777-300 300306 163154 1,48 68 30 76 32 97 38 129 53 54 27 69 28 89 35 109 43 
B777-300ER 352441 167829 1,52 66 27 85 28 109 34 131 43 64 24 71 25 89 29 120 40 
B777F 348722 144242 1,52 66 23 82 23 105 27 127 34 62 19 69 21 87 23 117 31 
 
173 
 
ANEXO I – TABELA ACN DE AERONAVES 
Aeronave 
Carga Total (kg) Pressão 
de pneus 
(MPa) 
ACN Para Terrenos de Fundação de Pavimentos Rígidos – 
resistência normalizada k em MN/m3 
ACN Para Terrenos de Fundação de Pavimentos Flexíveis – 
CBR normalizado 
Carga 
Máxima 
Decolagem 
- CMD 
Peso 
Operacional 
Vazio - OV 
Alta 
150 
Média 
80 
Baixa 
40 
Ultra Baixa 
20 
Alta 
15 
Média 
10 
Baixa 
06 
Ultra Baixa 
03 
CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV CMD OV 
B787-8 228384 107683 1,57 61 24 71 26 84 30 96 35 60 24 66 25 81 28 106 36 
B787-9 253558 110676 1,54 65 25 76 26 90 30 104 34 66 24 73 25 87 27 117 34 
DC-10-10 196406 108940 1,28 45 23 52 25 63 28 73 33 52 26 57 27 68 30 93 38 
DC-10-10 200942 105279 1,31 46 22 54 24 64 27 75 31 54 24 58 25 69 28 96 36 
DC-10-15 207746 105279 1,34 48 22 56 24 67 27 74 31 55 24 61 25 72 28 100 36 
DC-10-30/40 253105 120742 1,17 44 20 53 21 64 24 75 28 53 22 59 23 70 25 97 32 
DC-10-30/40 260816 124058 1,21 46 20 55 21 67 25 78 29 56 23 61 23 74 26 101 33 
DC-10-30/40 268981 124058 1,24 49 20 59 21 71 25 83 29 59 23 64 23 78 26 106 33 
Fokker 100 44680 24375 0,98 28 13 29 14 31 15 32 16 25 12 27 13 30 14 32 16 
Fokker 27 Mk500 19777 11879 0,54 10 5 11 6 12 6 12 7 8 4 10 5 12 6 13 7 
Fokker 28 
Mk1000HTP 
29484 16550 0,69 15 8 16 8 18 9 18 10 13 6 15 7 17 8 20 10 
Fokker 28 
Mk1000LTP 
29484 15650 0,58 14 6 15 7 17 8 18 9 11 5 14 6 16 7 19 9 
Fokker 50 HTP 20820 12649 0,59/0,55 10 6 11 6 12 7 13 7 8 5 10 5 12 6 14 8 
Fokker 50 LTP 20820 12649 0,41 9 5 10 5 11 6 12 7 6 4 9 5 11 6 14 8 
MD-11 274650 127000 1,41 56 23 66 25 79 28 92 32 64 25 70 26 85 29 114 37 
Fonte: ANAC (2016) 
 
174 
 
ANEXO II – PATOLOGIAS CONSIDERADAS NA PROPOSTA 
 
PATOLOGIAS CONSIDERADAS NA PROPOSTA 
Trincas do tipo couro de jacaré (Alligator Cracking) 
 
Exsudação (Bleeding) 
 
Trincas em Bloco (Block Cracking) 
 
Corrugação (Corrugation) 
 
Depressão (Depression) 
175 
 
 
Erosão por rápida propulsão do jato de aeronaves (Jet Blast Erosion) 
 
Trincas de reflexão, base de concreto (Joint Reflection, PCC) 
 
Trincas transversais e longitudinais (Longitudinal & Transversal Cracking) 
 
Deterioração por presença de óleo/combustível (Oil Spillage) 
 
176 
 
Remendo (Patching) 
 
Agregado polido (Polished Aggregate) 
 
Desagregação (Raveling) 
 
 
Afundamento da trilha de roda (Rutting) 
177 
 
 
Solevamento da camada asfáltica devido à placa de PCC (Shoving from PCC) 
 
Escorregamento (Slippage cracking) 
 
Inchamento (Swell) 
 
Desprendimento (Weathering) 
178 
 
 
Fonte: Adaptada de US ARMY CORPS OF ENGINEERS (2009). 
 
 
179 
 
ANEXO III – QUESTIONÁRIO I DE PESQUISA 
Universidade Federal do Rio Grande do Norte 
PEP - UFRN Programa de Pós-graduação em Engenharia de Produção 
Av. Passeio dos Girassóis, 300 - Capim Macio, Natal - RN, 59077-080 
Data: __/__/__ 
 
PROPOSTA DE UM MODELO DE AVALIAÇÃO DE PAVIMENTOS 
Classificação do tipo de falhas 
 
Quanto ao Modo de Falha: ____________________________________________________________ 
a) Nas condições normais de trabalho, a equipe de manutenção sabe que a falha ocorreu? 
( ) Não ( ) Sim 
b) Se a resposta anterior foi sim, responda: Este modo de falha afeta a segurança? 
( ) Não ( ) Sim 
 
CRITÉRIOS DE DECISÃO NA MANUTENÇÃO DEPAVIMENTOS AEROPORTUÁRIOS 
 
Considere toda a área de uma Pista de Pouso e Decolagem. Alguns critérios são levados em consideração 
para definir qual a melhor estratégia de manutenção a ser tomada. 
 
Critérios considerados: 
C1 – Impacto operacional: Probabilidade da falha parar ou prejudicar as operações de voo. 
C2 – Localização: Probabilidade da falha está presente em local crítico de tráfego. 
C3 – Orçamento: Probabilidade da falha existir e gerar gastos extensos com restauração. 
C4 – Ocorrência: Probabilidade da causa existir e provocar uma falha. 
C5 – Detecção: Probabilidade da falha ser detectada antes do início das operações de voo. 
C6 – Severidade: Probabilidade em que o cliente (empresa aérea e passageiros) identifica e é prejudicado 
pela falha, em termo de segurança. 
 
Comparando os critérios, dois a dois, qual a importância que você atribui a eles? Utilize a Tabela 1 de 
comparação a seguir e preencha o valor associado à faixa de pesos escolhida. 
Tabela 1: 
 
 
1. Impacto Operacional/Localização 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
2. Impacto Operacional/Orçamento 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
3. Impacto Operacional/Ocorrência 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
4. Impacto Operacional/Detecção 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
5. Impacto Operacional/Severidade 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
6. Localização/Orçamento 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
7. Localização/Ocorrência 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
8. Localização/Detecção 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
180 
 
9. Localização/Severidade 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
10. Orçamento/Ocorrência 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
11. Orçamento/Detecção 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
12. Orçamento/Severidade 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
13. Ocorrência/Detecção 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
14. Ocorrência/Severidade 
( ) 9 ( ) 7 ( ) 5 () 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
15. Detecção/Severidade 
( ) 9 ( ) 7 ( ) 5 ( ) 3 ( ) 1 ( ) 1/3 ( ) 1/5 ( )1/7 ( )1/9 
 
A seguir, classifique cada uma das falhas em função dos critérios analisados anteriormente. 
 
1. Modo de Falha:___________________________________________________________________ 
Causas: ___________________________________________________________________________ 
Efeitos: ___________________________________________________________________________ 
a) Existe ______________________, presente em área crítica do pavimento (Zona de Toque ou Área 
de Giro). Classifique o Impacto Operacional: 
( ) 1 - Chance mínima de interromper as operações. 
( ) 2 - Parada parcial das operações no Lado Ar. 
( ) 3 - Parada total das operações no Lado Ar. 
b) Existe ______________________, presente em área comum do pavimento (acostamento e 
cabeceiras). Classifique a falha quanto ao Impacto Operacional: 
( ) 1 - Chance mínima de interromper as operações. 
( ) 2 - Parada parcial das operações no Lado Ar. 
( ) 3 - Parada total das operações no Lado Ar. 
c) Existe ______________________. Classifique a falha quanto ao Orçamento: 
( ) 1 - Custos mínimos com manutenção e reabilitação a partir da falha encontrada no pavimento. 
( ) 2 - Custos moderados com manutenção e reabilitação a partir da falha encontrada no pavimento. 
( ) 3 - Custos elevados de manutenção e reabilitação a partir da falha encontrada no pavimento. 
d) Existe ______________________. Classifique a falha quanto a Ocorrência. OBS.: Em sua resposta, 
considere as causas desse modo de falha: 
( ) 1 - Baixa: relativamente poucas ocorrências de causa. 
( ) 2 - Moderada: ocorrências de causa ocasionais. 
( ) 3 - Alta: ocorrências de causa repetidas. 
e) Existe ______________________. Classifique a falha quanto a Detecção: 
( ) 1 - Alta: Alta chance de o controle do projeto detectar uma causa ou mecanismo em potencial e o 
modo de falha subsequente. 
( ) 2 - Moderada: chance moderada de que o controle do projeto detecte uma causa ou mecanismo em 
potencial e o modo de falha subsequente. 
( ) 3 - Remota: chance remota de que o controle do projeto detecte uma causa ou mecanismo em 
potencial e o modo de falha subsequente. 
f) Existe ______________________, presente em área crítica do pavimento (Zona de Toque ou Área 
de Giro). Classifique a falha quanto a Severidade. OBS.: Em sua resposta, considere os efeitos desse 
modo de falha: 
( ) 1 - Leve: pode causar um pequeno inconveniente aos clientes (passageiros e empresas aéreas). 
( ) 2 - Moderado: pode causar retrabalho/reparo e/ou danos aos clientes. 
( ) 3 - Perigoso: classificação de gravidade muito alta, quando um modo de falha potencial afeta a 
segurança dos usuários. 
g) Existe ______________________, presente em área comum do pavimento (acostamento e 
cabeceiras). Classifique a falha quanto a Severidade. OBS.: Em sua resposta, considere os efeitos desse 
modo de falha: 
( ) 1 - Leve: pode causar um pequeno inconveniente aos clientes (passageiros e empresas aéreas). 
( ) 2 - Moderado: pode causar retrabalho/reparo e/ou danos aos clientes. 
( ) 3 - Perigoso: classificação de gravidade muito alta, quando um modo de falha potencial afeta a 
segurança dos usuários. 
181 
 
ANEXO IV – QUESTIÓNARIO II DE PESQUISA 
Universidade Federal do Rio Grande do Norte 
PEP - UFRN Programa de Pós-graduação em Engenharia de Produção 
Av. Passeio dos Girassóis, 300 - Capim Macio, Natal - RN, 59077-080 
Data: __/__/__ 
 
PROPOSTADE UM MODELO DE AVALIAÇÃO DE PAVIMENTOS 
A seguir serão apresentados diferentes cenários. Esses devem ser analisados em função de múltiplos 
critérios. Determine qual tratamento possivelmente tem o melhor desempenho em função de cada 
critério. 
 
CENÁRIOS PARA AVALIAÇÃO FUNCIONAL E ESTRUTURAL DO PAVIMENTO 
Critérios para determinação do desempenho dos tratamentos em cada cenário: 
 
C1 – Impacto operacional: Probabilidade do cenário analisado parar ou prejudicar as operações de voo. 
C2 – Localização: Probabilidade do cenário analisado está presente em local crítico de tráfego. 
C3 – Orçamento: Probabilidade do cenário analisado existir e gerar gastos extensos com restauração. 
C4 – Ocorrência: Probabilidade da causa existir e provocar aquele cenário analisado. 
C5 – Detecção: Probabilidade do cenário analisado ser detectada antes do início das operações de voo. 
C6 – Severidade: Probabilidade em que o cliente (empresa aérea e passageiros) identifica e é prejudicado 
pelo cenário analisado, em termo de segurança. 
 
1. Considere o seguinte cenário e julgue o desempenho dos tratamentos em função dos critérios 
apresentados. 
CENÁRIO 1: ________________________________________________________ 
a) Considerando a probabilidade do CENÁRIO 1 parar ou prejudicar as operações de voo, qual 
tratamento apresenta um melhor desempenho? 
( ) A1 - Inspeções de rotina 
( ) A2 - Remoção do Contaminante 
( ) A3 - Remendo superficial 
( ) A4 - Remendo profundo 
( ) A5 - Lama Asfáltica 
( ) A6 - Tratamentos Superficiais 
( ) A7 - Tratamento prévio do pavimento existente 
( ) A8 - Construção de camada intermediária 
( ) A9 - Projeto da camada de recapeamento 
( ) A10 - Reconstrução 
( ) A11 - Implantação de grooving 
b) Considerando a probabilidade do CENÁRIO 1 está presente em local crítico de tráfego, qual 
tratamento apresenta um melhor desempenho? 
( ) A1 - Inspeções de rotina 
( ) A2 - Remoção do Contaminante 
( ) A3 - Remendo superficial 
( ) A4 - Remendo profundo 
( ) A5 - Lama Asfáltica 
( ) A6 - Tratamentos Superficiais 
( ) A7 - Tratamento prévio do pavimento existente 
( ) A8 - Construção de camada intermediária 
( ) A9 - Projeto da camada de recapeamento 
( ) A10 - Reconstrução 
( ) A11 - Implantação de grooving 
c) Considerando a probabilidade do CENÁRIO 1 existir e gerar gastos extensos com restauração, qual 
tratamento apresenta um melhor desempenho? 
( ) A1 - Inspeções de rotina 
( ) A2 - Remoção do Contaminante 
( ) A3 - Remendo superficial 
( ) A4 - Remendo profundo 
( ) A5 - Lama Asfáltica 
( ) A6 - Tratamentos Superficiais 
( ) A7 - Tratamento prévio do pavimento existente 
( ) A8 - Construção de camada intermediária 
( ) A9 - Projeto da camada de recapeamento 
( ) A10 - Reconstrução 
( ) A11 - Implantação de grooving 
d) Considerando a probabilidade da causa existir e gerar o CENÁRIO 1, qual tratamento apresenta um 
melhor desempenho? 
( ) A1 - Inspeções de rotina 
( ) A2 - Remoção do Contaminante 
( ) A3 - Remendo superficial 
( ) A4 - Remendo profundo 
( ) A5 - Lama Asfáltica 
( ) A6 - Tratamentos Superficiais 
( ) A7 - Tratamento prévio do pavimento existente 
( ) A8 - Construção de camada intermediária 
( ) A9 - Projeto da camada de recapeamento 
( ) A10 - Reconstrução 
( ) A11 - Implantação de grooving 
e) Considerando a probabilidade do CENÁRIO 1 ser detectado antes do início das operações de voo, 
qual tratamento apresenta um melhor desempenho? 
( ) A1 - Inspeções de rotina ( ) A7 - Tratamento prévio do pavimento existente 
182 
 
( ) A2 - Remoção do Contaminante 
( ) A3 - Remendo superficial 
( ) A4 - Remendo profundo 
( ) A5 - Lama Asfáltica 
( ) A6 - Tratamentos Superficiais 
( ) A8 - Construção de camada intermediária 
( ) A9 - Projeto da camada de recapeamento 
( ) A10 - Reconstrução 
( ) A11 - Implantação de grooving 
f) Considerando a probabilidade em que o cliente (empresa aérea e passageiros) identifica e é prejudicado 
pelo CENÁRIO 1, em termo de segurança, qual tratamento apresenta um melhor desempenho? 
( ) A1 - Inspeções de rotina 
( ) A2 - Remoção do Contaminante 
( ) A3 - Remendo superficial 
( ) A4 - Remendo profundo 
( ) A5 - Lama Asfáltica 
( ) A6 - Tratamentos Superficiais 
( ) A7 - Tratamento prévio do pavimento existente( ) A8 - Construção de camada intermediária 
( ) A9 - Projeto da camada de recapeamento 
( ) A10 - Reconstrução 
( ) A11 - Implantação de grooving 
 
 
183 
 
ANEXO V – ALGORITMO UTILIZADO NO MODELO 4 
Passo 1 – Importação das bibliotecas 
 
Passo 2 – Divisão dos dados em treinamento e teste 
 
Passo 3 -Definir o rótulo para o modelo de aprendizado supervisionado (CA = Coeficiente de Atrito) 
 
Passo 4 – Normalização dos dados de treinamento e teste 
 
Passo 5 – Definição da arquitetura da rede 
 
Passo 6 – Definir otimizador de pesos 
 
Passo 7 – Compilação do modelo 
 
Passo 8 – Apresentação do progresso do treinamento 
 
Passo 9 – Tratamento do overfitting 
 
Passo 10 – Validação do modelo 
 
184 
 
Passo 11 – Plotagem dos dados 
 
Passo 12 – Avaliação da assertividade do modelo 
 
Passo 13 – Teste do modelo 
 
Passo 14 – Plotagem dos dados finais 
 
	0b6d32ff1e2dd18db1b07b52f6ef219c94b06fc2c78cd669bd3e34d8891a9abd.pdf
	0166371b081588e6da697c05577bd67c3b68ea948bd4433543684becc9e4fb83.pdf
	INGRID REBOUÇAS DE MOURA
	© 2021 INGRID REBOUÇAS DE MOURA
	3d1ab790a6204f8123e4ba4831400218775ca91e01975b701317d6096a8fc995.pdf
	0b6d32ff1e2dd18db1b07b52f6ef219c94b06fc2c78cd669bd3e34d8891a9abd.pdf
	0166371b081588e6da697c05577bd67c3b68ea948bd4433543684becc9e4fb83.pdf