[pt] Na indústria da construção, conhecida por sua natureza dinâmica e caótica, muitas vezes há acidentes de trabalho. Os métodos de planejamento existentes que abordam incertezas, no entanto, frequentemente ignoram as variáveis de segurança, e a literatura relevante é escassa. Este estudo introduz um novo método de planejamento de obras focado na influência de ocorrências de segurança na duração do projeto, especificamente em projetos de construção de usinas de energia. A principal hipótese é que eventos de segurança durante a construção afetam significativamente a duração do projeto, levando a cronogramas deficientes quando não considerados no processo de planejamento. Utilizando a teoria de processos estocásticos, particularmente o processo de quase-nascimento e morte, o estudo explora como os estados de segurança influenciam os estados de atraso. Modelos de redes neurais complementam o modelo estocástico para previsão de séries temporais bivariadas derivadas dos estados estocásticos. Dados reais de projetos demonstram que os eventos de segurança, supondo eventos de atraso planejados, são mais do que o dobro do valor dos estados de atraso. A aplicação do modelo estocástico a um projeto real com um atraso planejado de 8 dias indica um estado de segurança mais provável de 19. Os modelos de memória de curto prazo de longo prazo superam os métodos estatísticos na previsão de séries temporais bivariadas, com uma métrica de estimação quadrática média raiz significativamente menor. A abordagem de planejamento de construção híbrida proposta mostra-se adequada para as fases de pré-construção e construção, oferecendo melhores indicadores de tomada de decisão e apoiando a gestão de segurança reativa. / [en] The construction industry, known for its dynamic and chaotic nature, often experiences work accidents. Existing planning methods addressing uncertainties, however, frequently overlook safety variables, and the relevant literature is scarce. This study introduces a novel construction planning method focused on investigating the impact of safety incidents on project duration, specifically in energy infrastructure construction projects. The main hypothesis is that safety events during construction significantly affect project duration, leading to deficient schedules when not considered in the planning process. Utilizing stochastic process theory, particularly the quasi birth and death process, the study explores how safety states influence delay states. Neural network models complement the stochastic model for forecasting bivariate time series derived from safety and delay stochastic states. Real-life project data demonstrates that safety events, assuming planned delay events, are over double the delay states value. Applying the stochastic model to a real project with a planned 8-day delay indicates a most probable safety state of 19. Long short-term memory models outperform statistical methods in bivariate time series forecasting, with a significantly smaller root mean square estimation metric. The proposed hybrid construction planning approach proves suitable for both pre-construction and construction phases, offering improved decision-making indicators and supporting reactive safety management.