Este artículo investiga la propagación de incertidumbre y el análisis de sensibilidad en el contexto de la optimización restringida aplicada a la vitrificación de residuos nucleares de alto nivel. El objetivo principal es evaluar cómo diferentes métodos de propagación de incertidumbre afectan la formulación óptima del vidrio utilizado para inmovilizar estos residuos. Metodológicamente, se emplea un algoritmo de optimización no lineal con restricciones, en el cual se incorporan incertidumbres provenientes de variables de entrada mediante distintos enfoques: muestreo Monte Carlo, propagación de error de primer orden (FOEP) y modelos sustitutos basados en aprendizaje automático. Además, se implementa un análisis de sensibilidad global (método de Sobol) para reducir la dimensionalidad del problema, dado el elevado número de variables involucradas. Los resultados muestran que los métodos analíticos y basados en modelos sustitutos pueden alcanzar soluciones comparables al enfoque Monte Carlo, pero con una reducción significativa del tiempo computacional, hasta diez veces más rápido, manteniendo alta similitud en las distribuciones de salida. Se concluye que la integración eficiente de métodos de propagación de incertidumbre mejora la robustez y eficiencia de la optimización en sistemas complejos.