[pt] Os parques eólicos devem periodicamente desligar suas turbinas para realizar as manutenções agendadas. Uma vez que esta interrupção afeta a geração de energia e qualquer déficit na produção deve ser coberto por compras de energia no mercado spot, determinar o tempo ótimo para iniciar o trabalho de manutenção em um parque eólico é fundamental para maximizar sua receita, considerando que é função tanto da velocidade do vento esperada como dos preços spot da eletricidade. Neste trabalho, desenvolvemos um modelo para determinar o momento ideal para manutenção em um parque eólico. Analisamos uma janela de oportunidade no período mais provável do ano e realizamos atualizações semanais das velocidades esperadas do vento e previsões de preços de energia. As velocidades do vento são previstas com um modelo ARIMA enquanto os preços spot são simulados sob o modelo de programação estocástica dupla Newave. A decisão de adiar a manutenção para uma data futura é modelada como uma opção real americana. Testamos dois modelos com dados reais de um parque eólico no Nordeste brasileiro e comparamos nossos resultados com a prática atual e com o agendamento de manutenção considerando informações perfeitas para determinar os benefícios do modelo. Os resultados sugerem que esses modelos podem oferecer vantagens significativas em relação a uma decisão de parada que escolhe aleatoriamente uma semana para começar a manutenção dentro da janela de oportunidade e está perto da data de parada ideal, considerando o modelo de informação perfeita. / [en] Wind farms must periodically take their turbines offline in order to perform scheduled maintenance repairs. Since this interruption impacts the generation of energy and any shortfall in production must be covered by energy purchases in the spot market, determining the optimal time to start maintenance work at a wind farm is key to maximizing your revenue, which is a function of both the expected wind speeds and electricity spot prices. In this study we develop a model to determine the optimal maintenance schedule in a wind farm. We analyze a window of opportunity in the most likely period of the year and perform weekly updates of expected wind speeds and energy price forecasts. Wind speeds are forecasted with an ARIMA model, while spot prices are simulated under the Newave dual stochastic programing model. The decision to defer maintenance to a future date is modeled as an American real option. We test two models with actual data from a wind farm in the Brazilian Northeast, and compare our results with current practice and with maintenance scheduling considering perfect information in order to determine the benefits of the model. The results suggest that the models may provide significant advantages over a stopping decision that randomly chooses a week to begin maintenance within the opportunity window and is close to the ideal optimal stopping date considering perfect model.