Este estudio presenta un enfoque novedoso que integra la reducción de orden del modelo (MOR) y la colocación estocástica generalizada (gSC) para mejorar la optimización del diseño robusto (RDO) de estructuras compuestas amortiguadas viscoelásticas bajo incertidumbres materiales y geométricas. La metodología propuesta reduce sistemáticamente la carga computacional mientras mantiene la precisión requerida. Se elige un MOR basado en proyección para aliviar los costos computacionales sustanciales asociados con problemas no lineales de valores propios. Para minimizar el tamaño de la muestra para la propagación de incertidumbres (UP) mientras se abordan de manera efectiva diversas distribuciones de densidad de probabilidad, se desarrolla un método gSC que incorpora técnicas de cálculo de momentos estadísticos. Las soluciones óptimas de Pareto se determinan combinando los enfoques MOR y gSC propuestos con un algoritmo bien establecido de Algoritmo Genético de Clasificación No Dominada II (NSGA-II), que tiene en cuenta la robustez en el manejo de variables de diseño, objetivos y restricciones. Los resultados de los cuatro ejemplos ilustran la eficacia de los métodos MOR y gSC propuestos, así como del marco general de RDO. Notablemente, los hallazgos demuestran la viabilidad de este enfoque para aplicaciones prácticas, impulsados por una reducción significativa en los costos computacionales. Esto establece una base sólida para abordar desafíos complejos de optimización en escenarios del mundo real caracterizados por diversas incertidumbres.