Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2015 / Made available in DSpace on 2016-10-19T12:44:49Z (GMT). No. of bitstreams: 1 337474.pdf: 12452289 bytes, checksum: 0a6cc7facdea4c427dc9c0ed690283ab (MD5) Previous issue date: 2015 / Dentro das responsabilidades dos gestores de empreendimentos de construção está a geração de relatórios de acompanhamento e a identificação e comunicação de tendências. Neste sentido, prever o desempenho em prazo e custo pode ajudar aos gestores no processo de tomada de decisão. O Project Management Institute fornece um conjunto de índices que permitem avaliar a tendência de um empreendimento, entretanto esta abordagem vem sendo criticada por não considerar a natureza probabilística das variáveis que caracterizam o estado do empreendimento no tempo. A aplicação de filtros lineares é a abordagem mais empregada para sistemas estocásticos, de modo que o filtro de Kalman vem sendo cada vez mais utilizado. Portanto, o presente trabalho enfoca o desenvolvimento de um modelo de previsão para prazo e custo a partir da aplicação do filtro de Kalman em dados de empreendimentos de construção civil. Para tanto foi construída uma base de dados para estimar os parâmetros necessários à aplicação do filtro, bem como a calibração e validação do modelo proposto. Com a aplicação do filtro, após o período de adaptação, foram observados erros inferiores a 5% nas previsões para o mês seguinte e até 20% para as previsões no término do empreendimento. <br> / Abstract : Within the responsibilities of managers of construction projects is the generation of reports for monitoring and identifying and communicating trends. In this sense, predict performance in time and cost can help managers in the decision-making process. The Project Management Institute provides a set of indices which measure the tendency of a project, however this approach has been criticized for not considering the probabilistic nature of the variables that characterize the state of the project in time. The application of linear filters is the approach most often used for stochastic systems so that the Kalman filter is being increasingly used. Therefore, this paper focuses on the development of a predictive model for time and cost from the application of the Kalman filter for building construction development. Thus, built a database to estimate the necessary application of the filter parameters, and the calibration and validation of the proposed model. By applying the filter after the adaptation period, less than 5% in the forecast for the next month and to 20% for forecasting the end of the project errors were observed.