A pressão competitiva global tem levado as empresas a desenvolver produtos de forma mais rápida, a custos compatíveis, dentro da necessidade exigida pelo mercado. em busca de atingir esta melhoria de desempenho, pesquisadores demonstraram que o grau de incerteza no início de um novo projeto é bem elevado devido à carência de dados mais precisos e também à possibilidade de o time de projeto estar diante de situações não conhecidas, as quais tendem a dificultar a tomada de decisão, podendo mais tarde afetar o tempo de lançamento do novo produto. estas incertezas tendem a diminuir com o tempo, mas é justamente no início do projeto, na fase denominada de pré-projeto, que se seleciona a maior quantidade de soluções construtivas. em vista disto, este trabalho se inicia com uma revisão da literatura, visando identificar como a fase de pré-projeto é abordada pelos principais modelos de desenvolvimento de novos produtos. na sequência é realizada uma pesquisa de campo para identificação das dificuldades vivenciadas na fase de pré-projeto de um novo produto. a pesquisa de campo e a revisão teórica permitiram a identificação dos principais fatores críticos da fase de pré-projeto. em posse destas variáveis é definido o constructo teórico do trabalho, que serve de base para a construção do modelo de previsão do time to market. o modelo utilizou as redes causais bayesianas (rb) para fins de modelagem do sistema, tornando possível identificar sob quais condições os fatores críticos permitem o atendimento de altas performances de projeto. por fim, o modelo desenvolvido foi testado em duas empresas líderes de mercado para avaliação da sua aplicabilidade. os resultados obtidos mostram que o principal fator crítico causador de atrasos no prazo de lançamento de novos produtos foi a introdução de tecnologias não dominadas nos novos produtos durante a fase de pré-projeto. como resultados mais significativos do trabalho realizado, também podem ser citados a possibilidade da visualização da propagação dos efeitos ao longo da rede bayesiana (rb), a capacidade de realização de análise de sensibilidade das variáveis e a possibilidade de previsão de melhoria dos resultados