Este trabalho desenvolve um artefato computacional para apoio à decisão no planejamento da produção, integrando modelos de previsão de demanda a ferramentas clássicas de Planejamento e Controle da Produção (PCP), com foco em uma empresa real do setor moveleiro escolar. A pesquisa, conduzida sob a metodologia Design Science Research (DSR), parte da identificação de limitações na prática atual da organização, cuja tomada de decisão era fortemente baseada na experiência dos gestores e pouco apoiada em dados estruturados. Para endereçar essa lacuna, foi concebida uma solução capaz de processar séries temporais, gerar previsões, calcular o Master Production Schedule (MPS) e avaliar impactos em estoques, capacidade produtiva e custos operacionais. O artefato desenvolvido estrutura-se em módulos integrados, abrangendo desde o upload e análise exploratória da série temporal até a geração automática da previsão, cálculo do MPS, análise de custo relevante total e diagnósticos visuais consolidados em um painel gerencial. A solução incorpora modelos estatísticos e de machine learning, explorando diferentes configurações de hiperparâmetros para selecionar o modelo mais adequado com base em métricas de acurácia. As previsões resultantes abastecem o módulo de PCP, que calcula estoques projetados, tamanhos de lote, início de ordens e ATP (Available to Promise), permitindo a simulação de cenários operacionais. A aplicação do artefato em dados reais da empresa demonstrou sua utilidade prática ao permitir maior previsibilidade da demanda, melhor organização das ordens de produção e diagnóstico de trade-offs entre custos de setup, manutenção e ruptura. Foram também conduzidas análises de sensibilidade que permitiram avaliar a resposta do sistema a variações de parâmetros produtivos e econômicos, reforçando a robustez do modelo. Por fim, o artefato foi avaliado por especialistas da empresa, que destacaram sua relevância prática, facilidade de uso e potencial de expansão para outros produtos e setores internos. Os resultados obtidos evidenciam que a integração entre previsão de demanda e PCP, mediada por uma ferramenta computacional interativa, que contribui de forma significativa para a tomada de decisões mais precisas e alinhadas às necessidades reais de negócio.