Os atrasos nos voos representam desafios significativos para a eficiência operacional e a satisfação dos passageiros. Este estudo investiga a detecção de desvios de conceitos reais e virtuais nos atrasos de voos no principal aeroporto de São Paulo (SBSP) durante os períodos pré, intra e pós-pandemia. Utilizando o modelo Naive Bayes e integrando dados do Voo Regular Ativo (ANAC) com informações meteorológicas da NOAA, o estudo avalia o impacto de diferentes métodos de detecção de desvio de conceito no desempenho preditivo. A análise revela que técnicas de desvio virtual, como KSWIN, foram mais eficazes em contextos estáveis, enquanto métodos básicos, como Passivo e Inativo, se destacaram durante a pandemia. Esses resultados enfatizam a importância de escolher e combinar técnicas de detecção para aprimorar a precisão e a adaptabilidade dos modelos preditivos em diferentes cenários operacionais.