[pt] O Brasil é um dos principais produtores e exportadores de celulose e papel no mundo, beneficiando-se de condições climáticas e de solo favoráveis, além de investimentos substanciais em pesquisa. Um desafio significativo nesse setor é o Problema de Planejamento de Colheita Florestal (PPCF), semelhante a um derivado do Problema de Roteamento de Veículos (VRP), com uma frota heterogênea, demanda periódica e ganho de volume de madeira. Este estudo aborda o PPCF utilizando um modelo matemático de Programação Linear Inteira Mista (MILP) e a metaheurística Greedy Randomized Adaptive Search Procedure (GRASP) em cenários simulados e reais para otimizar o sequenciamento dos times de colheita entre as unidades produtivas. O objetivo é reduzir os custos operacionais e aumentar o crescimento do volume ao longo de um horizonte de planejamento de 12 meses, considerando também as restrições de janelas de tempo. Um total de 12 instâncias foram testadas para avaliar o desempenho do GRASP, sendo que a metaheurística superou o resultado do modelo MILP em nove casos. Além disso, três instâncias refletem cenários reais de uma grande empresa brasileira de celulose e papel. Quando comparado aos resultados da equipe de planejamento da empresa, o GRASP alcançou uma redução de até 61,9 por cento nos custos totais. Além disso, o GRASP fornece planos de colheita detalhados em um curto tempo de execução, reduzindo a carga de trabalho da equipe de planejamento e aumentando a flexibilidade na tomada de decisões. / [en] Brazil is one of the world s leading producers and exporters of pulp and paper, benefiting from favorable climatic and soil conditions, coupled with substantial investments in research. A significant challenge in this sector is the Forest Harvesting Planning Problem (FHPP), akin to a derivative of the Vehicle Routing Problem (VRP) featuring a heterogeneous fleet, periodic demand, and wood volume gain. This study addresses FHPP by employing Mixed Integer Linear Programming (MILP) modeling and the Greedy Randomized Adaptive Search Procedure (GRASP) metaheuristic across real and simulated scenarios to optimize the sequencing of harvesting teams among stands. The objective is to reduce operational costs and enhance volume growth over a 12- month planning horizon, while also considering time windows and scheduling constraints. A total of 12 instances were tested to evaluate GRASP s performance, with the metaheuristic matching or outperforming the MILP model in nine cases. Additionally, three instances reflect real scenarios from a major Brazilian pulp and paper company. When compared against the company s planning team results, GRASP achieved up to a 61.9 percent reduction in total costs. Furthermore, GRASP provides detailed harvesting plans within a short execution time, reducing planning team workload and enhancing decision-making flexibility.