As sondas de intervenção são um recurso fundamental na exploração e produção de óleo e gás, sendo utilizadas nas operações de manutenção de poços. Para evitar ociosidade e escassez de recursos, as petroleiras planejam quais sondas atenderão os poços e quando ocorrerão as atividades no chamado Problema de Programação de Plataforma de Trabalho (WRSP). Essa tomada de decisão surge em um ambiente altamente incerto e a maioria das abordagens da literatura são modelos determinísticos e heurísticos. Com o objetivo de auxiliar o WRSP, este estudo propõe dois modelos de otimização orientada por dados com joint chance-constrained (JCC) considerando a incerteza nos tempos de processamento dos jobs e a viabilidade da solução: um equivalente determinístico usando programação não linear inteira mista e uma abordagem com cenários baseada em programação linear inteira mista. Os modelos restritos ao acaso consideram o risco nas restrições, gerando soluções mais aderentes à realidade. Nossas estratégias se concentram em modelos JCC com incerteza do lado direito. Por sua vez, a otimização orientada a dados é uma nova tendência que enfrenta a incerteza relacionada aos dados com aprendizado de máquina e ciência de dados. Nossa abordagem baseada em dados usa clustering e mineração de dados para limpar e recuperar informações dos dados e uma regressão de cume que prevê as incertezas endógenas no modelo. A incerteza da regressão é inserida no modelo. A próxima etapa dos estudos é implementar o método de distâncias de Wasserstein para reduzir o número de cenários e obter resultados práticos.