Este trabalho tem como objetivo propor um modelo de rede neural para previsão de séries de produção de onze segmentos industriais brasileiros. Primeiramente, estudou-se diferentes tipos de redes que vêm sendo implementadas na literatura nos últimos anos, como Perceptron, Redes Lineares, Perceptron Multi-Camadas, Redes BAM e ART, Rede Probabilística, Hopfield, Kohonen, TDNN (Time delay neural network), Rede de Elman e Jordan, além dos algoritmos Backpropagation e Levenberg-Marquadt. Estudando o comportamento dessas séries de produção e as principais características de cada tipo de rede, concluímos que a rede Perceptron Multi-Camadas com atraso no tempo (TDNN) é a melhor para o cálculo e análise da previsão da produção dos onze segmentos escolhidos do setor industrial. A rede neural foi então aplicada considerando duas diferentes estratégias de modelo estrutural. Concluímos que o modelo de rede neural proposto foi eficaz na previsão de séries de produção de segmentos industriais.