As barragens são infraestruturas críticas concebidas para reter ou controlar o fluxo de água, cuja segurança é essencial para prevenir riscos ambientais, humanos e económicos. A monitorização do seu desempenho estrutural é realizada através de sensores, que recolhem continuamente dados como deslocamento, temperatura e pressão. A análise destes dados é um processo desafiante, devido ao seu volume e complexidade, tornando indispensável o desenvolvimento de sistemas que apoiem a deteção precoce de anomalias e a comunicação eficaz das mesmas. Esta dissertação propõe e desenvolve um sistema de apoio à decisão para a monitorização de barragens. A metodologia implementada inclui análise exploratória, preparação e normalização dos dados, a aplicação de modelos de "Machine Learning" (ML), métodos dinâmicos de limites, visualização e notificação de alertas, bem como a avaliação do seu desempenho. Os resultados obtidos de datasets fornecidos pelo Laboratório Nacional de Engenharia Civil (LNEC) demonstram que o sistema é capaz de melhorar a definição de limites por parte de especialistas, a deteção de outliers e consequente comunicação. Assim, esta investigação contribui para o avanço de sistemas de monitorização em barragens, reforçando a segurança estrutural e a tomada de decisão baseada em dados.