[pt] Os métodos de Brown e Winters são, sem dúvida alguma, os métodos de amortecimento exponencial mais usados para a previsão de séries temporais. Entretanto, ambos podem ser considerados de aplicação limitada, pois ou não admitem componente sazonal (Brown) ou utilizam um modelo linear para a modelagem da tendência (Winters). Apresenta-se aqui uma generalização dos métodos de amortecimento na qual as limitações acima são eliminadas. Em particular, considera-se uma única formulação matemática para o modelo, composto dos termos de tendência (constante, linear ou quadrática) e componente sazonal sob a forma de um conjunto discreto de fatores (aditivos ou multiaplicativos). Fornece-se também uma estimativa para a variância dos erros de previsão, e é proposta uma forma de controle adaptativo para a constante de amortecimento da parte não sazonal. Foi feito um programa de computador que implementa automaticamente o método, inclusive estimando valores iniciais para o processo. Foram geradas e processadas algumas séries para exemplo e análise do desempenho do método. São fornecidas sugestões de pesquisa futura no sentido de possíveis aprimoramentos para o método, mas que demandam maior análise. / [en] The methods of Brown and Winters are, undoubtedly, the most popular exponential smoothing techniques used nowadays. However, both methods have limitations, such as: Brown s method is applicable only to non-seasonal series and Winters use the linear structure as the only possible model for the trend. A generalization of the smoothing methods in which the limitations cited above are eliminated is presented here. In particular, through a unique analytical formulation, the trend model (constant, linear or quadratic) is linked to the seasonal factors (additive or multiplicative). A forecast error variance estimator is provided and the adaptive control of the non-seasonal part smoothing constant is proposed. A computer program was written for automatic implementation of the method. This program also performs initial values estimation for the process initialization. Some series were generated and processed for testing the method performance. Several suggestions are given for future research which may yield, upon further analysis, to method improvement.