Este projeto foi desenvolvido na empresa Techwelf, no âmbito do sistema eLeveling, e consistiu em desenvolver uma solução para estimar a procura com base no histórico de encomendas. Com o objetivo de apurar as quantidades a produzir e assim planear a cadência da linha de produção, no sentido de minimizar as quantidade em stock. A previsão de vendas é uma estimativa de quanto será vendido por uma empresa num determinado período. Assim, a contribuição da previsão de vendas no processo do planeamento corporativo é amplamente necessária e reconhecida [1]. Uma das áreas em que a previsão de vendas pode ser aplicada é na elaboração do Production Manager Plan (PDP), que é a elaboração o plano de produção dos produtos que serão manufaturados pela linha de produção. Identificou-se, na investigação sobre o dados, que grande parte dos produtos não estavam mais sendo produzidos, sendo assim, foi utilizado o k-Nearest Neighbors (KNN) para realizar o agrupamento dos produtos com demanda regular e assim prosseguir com a criação do modelo preditivo, para o qual foram testados os algoritmos de média móvel integrada auto regressiva sazonal (SARIMA), perceptron multicamada (MLP) e floresta aleatória (RF). Os melhores resultados foram apresentados pelo algoritmo de Floresta Aleatória, com um coeficiente de determinação de aproximadamente 88%, com um erro absoluto médio de aproximadamente 189 unidades de produtos. Por fim, foi recomendado a escolha do algoritmo de aprendizado de máquina Random Forest (RF). Para facilitar a utilização, desenvolveu-se uma aplicação específica para este efeito. As vantagens são o ganho de informações que é possível com a utilização dessa aplicação, proporcionando mais tempo para realizar uma análise humana nos dados gerados e realizar ajustes quando necessário.