This thesis reviews the subject of static real-time optimization and presents the elements of various methodologies and industrial implementations reported in the literature. The central role of process identification, model accuracy and availability of measurements in real-time optimization is shown. Special attention is given to the basic aspects of the practical reality of processes operation, such as the identification of processes, given the available measured variables, and the appropriate treatment of the involved numerical aspects. Considering industrial processes with massive availability of data, a strategy was proposed to monitor large-scale processes based on the use of empirical models combined with methods of statistical process control, indicating the quality of the model and being effective for fault detection and diagnosis. Processes with low availability of information are also considered with the development of an on-line identification procedure, which aims to deal with the difficulty of building and updating models for use in real-time procedures when several important quantities are not available. The performance assessment of different techniques used to solve the optimization problem revealed possible vulnerabilities to solve data reconciliation problems, even when rigorous models and adequate measured variables are available. The studies contribute to the subject of real-time optimization as they represent components of commercial RTO systems. They also represent innovative decision support techniques with broader application, as they can be implemented with lower investments and do not demand the complexity required by RTO systems.Este trabalho revisa o tema da otimização estacionária em tempo real e apresenta os elementos das diversas metodologias e implementações relatadas na literatura. É mostrado o papel central da identificação do processo, da qualidade do modelo e das medidas disponíveis na técnica de otimização em tempo real. Especial atenção é dada a aspectos básicos da operação de processos, como a capacidade de identificação do processo, dadas as variáveis medidas disponíveis, e o adequado tratamento aos aspectos numéricos envolvidos. Considerando processos com disponibilidade massiva de dados, propôs-se uma estratégia para monitoramento de processos de grande escala com base no uso de modelos empíricos combinados a métodos de controle estatístico de processos, que indicam a qualidade do modelo e são eficazes para detecção e diagnóstico de falhas. Processos com baixa disponibilidade de informações também são considerados com o desenvolvimento de um procedimento de identificação on-line, que visa lidar com a dificuldade de construção e atualização de modelos para uso em procedimentos aplicados em tempo real, quando diversas grandezas importantes não estão disponíveis. A partir de uma avaliação de desempenho de diferentes técnicas empregadas para a resolução de problemas de otimização, são mostradas evidências das possíveis vulnerabilidades presentes na resolução do problema de reconciliação de dados, mesmo com modelos rigorosos e dados medidos adequados. Os estudos contribuem para a área de otimização em tempo real, na medida em que se inserem nas etapas dos sistemas RTO comerciais. Também representam inovações como técnicas de suporte à tomada de decisão com amplo potencial de aplicação, na medida em que podem ser implementadas com investimentos mais baixos e não requerem a complexidade exigida por sistemas RTO.