Estudiamos problemas de programación de talleres de dos máquinas siempre que se proporcionen límites inferiores y superiores en las duraciones de los trabajos antes de la programación. Un valor exacto de la duración del trabajo permanece desconocido hasta completar el trabajo. El objetivo es minimizar el makespan (longitud de la programación). Abordamos el problema de cómo ejecutar mejor una programación si la duración del trabajo puede tomar cualquier valor real del segmento dado. Las decisiones de programación pueden constar de dos fases: una fase fuera de línea y una fase en línea. Utilizando la información sobre los límites inferiores y superiores para cada duración de trabajo disponible en la fase fuera de línea, un programador puede determinar un conjunto dominante mínimo de programaciones (DS) basado en condiciones suficientes para la dominación de programaciones. El DS cubre de forma óptima todas las posibles realizaciones (escenarios) de las duraciones de trabajo inciertas en el sentido de que, para cada escenario posible, existe al menos una programación en el DS que es óptima. El DS permite a un programador tomar rápidamente una decisión de programación en línea siempre que haya información adicional sobre la finalización de los trabajos disponible. Un programador puede elegir una programación que sea óptima para la mayoría de los escenarios posibles. Desarrollamos algoritmos para probar un conjunto de condiciones para la dominancia de una programación. Estos algoritmos son polinomiales en el número de trabajos. Su complejidad temporal no supera . Los experimentos computacionales han demostrado la efectividad de los algoritmos desarrollados. Si no había más de 600 trabajos, entonces todas las 1000 instancias en cada serie probada se resolvieron en un segundo como máximo. Una instancia con 10,000 trabajos se resolvió en 0.4 s en promedio. La mayoría de las instancias de las nueve clases probadas se resolvieron de forma óptima. Si el error relativo máximo de la duración del trabajo no era mayor que , entonces más del de las instancias probadas se resolvieron de forma óptima. Si el error relativo máximo era igual a , entonces del de las instancias probadas de las nueve clases se resolvieron de forma óptima.