Os sistemas de workflow são componentes presentes nas empresas de hoje para automatizar e otimizar processos de negócio, trazendo ganhos competitivos para estas empresas. Uma das atividades desses sistemas é a de direcionar a execução de tarefas para seus participantes, e quando há um excesso dessas tarefas, uma decisão quanto à ordem de sua execução deve ser tomada. Os sistemas de workflow atuais utilizam principalmente a técnica FIFO (First In First Out) para realizar tal ordenação, executando as tarefas na ordem de sua chegada. Mas ganhos mensuráveis podem ser atingidos quando se realiza tal ordenação de maneira diferente. Este trabalho apresenta um estudo aprofundado do comportamento de técnicas de escalonamento em sistemas de workflow e propõe uma técnica de aplicação destas técnicas de escalonamento em cenários de workflow complexos. Para construir esta técnica, analisou-se primeiramente o comportamento de técnicas de escalonamento escolhidas em cenários básicos de workflow. Foram usadas tanto técnicas locais de escolha de tarefas quanto algoritmos genéticos, que possuem uma visão global do problema. Os cenários de workflow estudados levam em conta três características importantes: eles são dinâmicos, possuem incertezas quanto ao tempo de processamento das tarefas em suas atividades, e também possuem incertezas quanto à rota que tais tarefas seguem nos desvios condicionais dos processos. Para manipular tais incertezas, o trabalho utiliza a técnica \textit{guess and solve}, proposta pelos autores em trabalhos prévios. Simulações foram feitas para se gerar os resultados do comportamento das técnicas escolhidas nos cenários básicos de workflow, e tais resultados foram analisados numerica e estatisticamente utilizando ANOVA. Propôs-se então uma técnica para a aplicação destas melhores técnicas de escalonamento já conhecidas nos componentes mais básicos de cenários mais complexos. Um conjunto de cenários complexos foi submetido a testes de simulação seguindo os mesmos parâmetros dos cenários básicos, utilizando a técnica proposta, e os resultados mostram que tal técnica traz ganhos em relação às métricas estudadas na maioria dos casos, quando não se tem execução paralela nos cenários, sendo que

no pior caso a técnica é tão boa quanto as outras, e seu caso geral, é melhor que o das outras técnicas. Mostram também que quando se

adiciona esta execução paralela nos cenários, os resultados se

deterioram, apontando em direções futuras de pesquisa.