O mundo atual caracteriza-se pela competição acirrada e pela pressão crescente dos mercados globalizados. Todas as organizações operam em uma atmosfera de incertezas, e continuamente, decisões que afetam o futuro dessas organizações são tomadas por seus gestores. Previsões de longo prazo são utilizados pelos gestores para ajudar o curso geral da organização enquanto que previsões de curto prazo são usadas para estabelecer as estratégias imediatas. Previsão de séries temporais é uma disciplina com muitas aplicações práticas, capaz de oferecer suporte à decisão em diversas áreas, tais como, energia, finanças, economia e administração. Particularmente, no mercado de derivados de petróleo, a qualidade da projeção futura do volume de vendas de derivados de petróleo, tais como, etanol hidratado, gasolina, óleo diesel e gás liquefeito de petróleo (GLP), afeta de forma significativa o planejamento de expansão das empresas distribuidoras e influi diretamente em seus contextos operacional e financeiro. Realiza previsões à cerca do comportamento do volume de vendas destes produtos é um desafio em um mercado globalizado, influenciado por diversos fatores, tais como, variáveis macroeconômias, ofertas e demanda, sazonalidade, condições climáticas e meteorológicas. Técnicas de inteligência computacional como Redes Neurais, algoritmos Genéticos e lógica Fuzzy têm sido cada vez mais aplicada em problema s de previsão e têm-se estabelecido como ferramentas resolução de tais problema. Neste Trabalho é avaliado o desempenho do modelo híbrido fuzzy-genético de previsão denominado FuzzyFuture, baseado em sistemas de inferência fuzzy e algoritmos genéticos, em relação ao modelo de previsão proposto por [Santos doze] batizado de Ponderação Neural de Experts (NEW), na predição do volume de vendas de óleo diesel (DIESEL) e de gás liquefeito de petróleo (GLP) na região Sudeste do país. Os resultados obtidos neste trabalho demonstram a aplicabilidade da ferramenta FuzzyFuture em efetuar previsões em séries de derivados de petróleo.