[pt] A crescente produção de petróleo em águas brasileiras torna cada vez mais importante a gestão logística de alívios das plataformas produtoras. A programação de alívios das plataformas deve ser realizada de forma antecipativa, evitando a parada de produção por falta de espaço disponível para armazenagem. Uma interrupção da produção de petróleo, por menor que seja, causa uma perda direta de receita para a empresa produtora. Alívios realizados muito próximos ao completo enchimento de todos os tanques da plataforma representam risco iminente de perda de produção e são denominados alívios críticos. Este trabalho tem como objetivo realizar um estudo estatístico com dados históricos de 2016 a 2019 para criar um modelo multivariado de previsão dos alívios críticos em uma grande empresa de petróleo brasileira. O modelo de regressão dinâmica foi utilizado para avaliar como as variáveis presentes no processo de programação de alívios se relacionam com o percentual mensal de alívios críticos. A partir do modelo gerado foram identificadas que as variáveis de produção mensal, estoque médio, previsão do tempo, lote médio e exportações mensais impactam no percentual de alívios críticos do mês. Foi realizada uma análise de sensibilidade, a partir da qual foi possível concluir que a gestão de estoques da empresa é o fator fundamental para a redução dos alívios críticos e consequentemente a redução das chances de perda de produção. / [en] The growing oil production in Brazilian waters makes the logistic management of offloadings from the platforms increasingly important. The platform offloading schedule must be carried out in advance, avoiding production stoppage due to lack of available storage space. An interruption in oil production, however small, causes a direct revenue loss for the producing company. Offloadings performed very close to the complete filling of all the platform tanks represent an imminent loss of production risk and are called critical offloadings. This work aims to carry out a statistical study with historical data from 2016 to 2019 to create a multivariate model for forecasting critical offloadings in a large Brazilian oil company. The dynamic regression model was used to evaluate how the variables present in the offloading scheduling process are related to the monthly percentage of critical offloadings. From the developed model, it was identified that the variables of monthly production, average stock, weather forecast, average batch and monthly exports impact the percentage of critical offloadings of the month. A sensitivity analysis was carried out, from which it was possible to conclude that the company s inventory management is the fundamental factor for the reduction of critical offloadings and, consequently, the reduction of the chances of production loss.