A programação de máquinas nas indústrias modernas é um desafio crítico de otimização combinatória, essencial para a alocação eficiente de recursos e a tomada de decisões. Esse problema envolve a alocação de tarefas a máquinas ao longo de um horizonte de planejamento finito, com o objetivo de otimizar critérios da programação, i.e. o tempo de conclusão e o makespan. Embora avanços teóricos tenham sido feitos nas últimas décadas, a aplicação prática frequentemente enfrenta incertezas devido a quebras de máquinas e datas de liberação imprevisíveis de tarefas, o que exige a implementação de estratégias robustas de programação. Esta pesquisa contribui com três abordagens principais para lidar com essas complexidades. A primeira contribuição é o desenvolvimento de um framework matemático que estende abordagens de modelagem exata para problemas de programação de máquinas paralelas, adaptando a formulação bucket-indexed para melhorar a eficiência computacional. Essa formulação é capaz de acomodar restrições realistas, como elegibilidade de máquinas e precedência de tarefas, elementos cruciais para aplicações no mundo real. A segunda contribuição foca na aplicação de técnicas de otimização robusta para lidar com incertezas nos parâmetros de programação. Baseando-se em avanços recentes na área, propomos uma adaptação da formulação bucketindexed para incorporar tempos de processamento incertos dentro de conjuntos de incerteza predefinidos. Essa abordagem robusta garante uma programação resiliente, capaz de se ajustar a cenários de incerteza, equilibrando o desempenho esperado com a robustez necessária para diferentes condições. A terceira contribuição aborda uma questão recente e inovadora: a representação de incerteza orientada a dados. Aplicamos essa abordagem a um estudo de caso envolvendo a programação de sondas marítimas no contexto da indústria de petróleo e gás. Esse problema é formulado como um problema de máquinas paralelas, no qual as incertezas, como a variação nos tempos de processamento das tarefas, desempenham um papel significativo. Utilizamos uma formulação robusta baseada em elipsóides orientados a dados históricos, que modelam as incertezas dos tempos de processamento das tarefas. A eficácia das metodologias propostas foi validada por meio de experimentos computacionais realizados em diferentes instâncias de problemas, desde cenários de pequena a grande escala. Os resultados monstram que nossas contribuições não apenas aprimoram as metodologias de programação de máquinas, mas também têm aplicações práticas relevantes, especialmente quando aplicadas a problemas reais, como a programação de sondas marítimas, tanto sob condições determinísticas quanto de incerteza, destacando a importância de considerar a robustez nas soluções para problemas industriais.