As técnicas de agrupamentos aplicadas a um grande número de cenários de incerteza permitem a escolha de um conjunto reduzido, porém, representativo da população de cenários completa. Em outras palavras, selecionar uma amostra que contenha uma quantidade menor de elementos a ponto de reduzir suficientemente o volume total de dados e obter ganhos significativos de eficiência no processamento dos dados. Esta amostra deve, sobretudo, conseguir preservar as características do processo estocástico que o originou. Com este intuito, o presente trabalho propõe uma metodologia de seleção de cenários estocásticos utilizando o modelo clássico de Cobertura de Conjuntos, inspirada no método forward selection proposto por Heitsch e Romisch (2003). Aplicada na etapa de cálculo de demanda estocástica de ferramentas e serviços para construção de poços marítimos de exploração de petróleo, esta abordagem apresenta uma concepção de cenário diferente da usada pelos autores. O conjunto de cenários consiste em cronogramas de atividades gerados a partir da introdução de incertezas no planejamento de cada atividade, sendo eles estáticos, independentes e com múltiplos atributos. Uma análise de sensibilidade compara os resultados das demandas calculadas com os cenários selecionados pelo Problema de Cobertura de Conjuntos (PCC) e a demanda calculada com o conjunto universo de cenários. O PCC foi solucionado, nesta aplicação, em sua versão clássica da literatura a partir de um algoritmo exato e um heurístico. Os resultados apontam diferenças pouco representativas no resultado final das demandas calculadas com cenários reduzidos e com o total de cenários. A heurística, ainda que seja first solution, apresentou um resultado satisfatório em relação ao ganho de desempenho versus confiabilidade, e indica o potencial do método se aplicado em conjunto com algoritmos de metaheurística e busca local.