[pt] O planejamento e controle de portfolios de projeto é uma tarefa desafiadora. Eles estão sujeitos a múltiplos riscos, restrições de recursos, relações de precedências e penalidades por atrasos de projetos. É fundamental desenvolver estratégias efetivas de alocação dos recursos disponíveis de forma a garantir que estes projetos sejam concluídos dentro dos limites de tempo e custo. Um fator crucial que deve ser levado em consideração ao tomar estas decisões é o gerenciamento das incertezas associadas a execução dos projetos. Neste contexto, este trabalho propõe uma metodologia baseada em otimização robusta para planejamento e controle de portfolios de projeto sob incerteza. Este método combina modelos e algoritmos desenvolvidos para diferentes problemas de alocação de recursos para os quais foi aplicada a mesma abordagem de otimização robusta. Nela, a incerteza é modelada como um adversário capaz de materializar a combinação de riscos de pior caso que maximiza o impacto no(s) projeto(s) para qualquer plano de alocação de recursos. Nos problemas estudados o tomador de decisão tem então que determinar a alocação ótima de recursos que minimiza um objetivo particular assumindo que a combinação de riscos de pior caso irá se materializar. A abordagem também provê um mecanismo para controle do grau de conservadorismo das soluções robustas. Para cada problema modelado, uma estratégia de solução é desenvolvida através de um esquema de reformulação que parte de uma formulação Min-Max compacta e termina em um algoritmo de geração de cortes. Diversos experimentos computacionais foram executados, provendo importantes conclusões que direcionaram o desenvolvimento da metodologia de controle e planejamento de portfolios. A importância de se desenvolver planos de alocação de recursos de forma integrada no contexto de tomada de decisão em portfolios de projetos e a falta de efetividade do método tradicional de análise de caminhos críticos no contexto de cenários de pior caso para as durações das atividades, são importantes exemplos das conclusões obtidas pelos experimentos. A aplicação da metodologia foi demonstrada em um caso de estudo que contempla um portfolio para construção de duas refinarias. O referido exemplo demonstrou o potencial do uso prático dos métodos propostos neste trabalho. / [en] Planning and controlling complex project portfolios is a challenging task. These portfolios are subject to a number of potential risk sources coupled with resource constraints, intricate precedence relationships, and penalties for project delays. For this reason, it is fundamental that optimal strategies for the allocation of the available resources are constantly adopted by the decision makers to ensure that their projects are completed within limits of time and cost. Moreover, the uncertainty that affects these projects has to be taken into account for effective resource allocation decisions. Within this context, this work proposes a robust optimization-based methodology for planning and controlling project portfolios under uncertainty. The method combines models and algorithms for multiple resource allocation problems under the same robust optimization framework. In this approach, the uncertainty environment is modeled as an adversary that selects the worst-case combination of risks for any decision maker s actions. Subsequently, the main goal of the decision maker is to determine optimal resource allocation plans for minimizing a particular objective subject to the assumption that the adversary s worst-combination of risks will materialize. The approach also provides a way to control the degree of conservatism of the solutions. For each studied problem, a solution strategy is developed through a reformulation scheme from a compact min-max formulation to a cut-generation algorithm. Several computational experiments are conducted, providing key insights that drive the design of the referred portfolio planning and control methodology. The ineffectiveness of traditional critical path analysis under worst-case realizations of uncertain activities durations and the importance of taking integrated resource allocation decisions in the context of project portfolios, are examples of the key findings of the experiments. The application of the methodology is demonstrated in a case study of a portfolio aimed at the construction of two refineries. This example presents the capabilities of the developed techniques in a practical context.