O estudo da previsão de demanda na indústria de pneus é essencial para uma gestão eficiente, destacando-se a necessidade de otimizar recursos, reduzir custos e melhorar a administração de estoques. Tal necessidade ressalta a importância de desenvolver previsões acuradas e alinhadas com as dinâmicas do mercado de pneus. Este trabalho visa desenvolver e analisar modelos de previsão que se ajustem melhor às necessidades de uma empresa específica, cujo modelo atual tem resultado em inconsistências no giro de estoque. Selecionaram-se quatro séries temporais que representam as vendas de quatro tipos diferentes de pneus, com dados coletados mensalmente de 2017 a 2023. A seleção foi baseada em diversos fatores, como preço, qualidade, disponibilidade, concorrência e preferências dos consumidores. Por meio da linguagem de programação R, desenvolveu-se modelos de previsão aplicando as metodologias de Médias Móveis Simples, Holt-Winters e Box-Jenkins. A seleção dos modelos mais adequados deu-se pela análise de métricas de erro de previsão, como Erro Absoluto Médio (MAE) e o Erro Quadrático Médio (RMSE), além de considerar o contexto específico da empresa e sua produção de pneus. Constatou-se que os modelos baseados na técnica Holt-Winters forneceram as previsões mais alinhadas as tendências e mais confiáveis para atender às necessidades específicas da empresa.