Un enfoque convencional para resolver problemas de control óptimo estocástico con incertidumbres dependientes del tiempo implica el uso de la técnica del principio del máximo estocástico (SMP). Sin embargo, para problemas a gran escala, dicho algoritmo con frecuencia conduce a complejidades de convergencia al resolver el problema de valor límite de dos puntos resultante de las condiciones de optimalidad. Un enfoque alternativo consiste en utilizar variables aleatorias continuas para capturar la incertidumbre a través de métodos basados en muestreo integrados dentro de una estrategia de optimización para las variables de decisión; tal técnica también puede fallar debido a la intensidad computacional involucrada en cálculos excesivos del modelo para evaluar la función objetivo y sus derivadas para cada muestra. Este documento presenta un nuevo enfoque para resolver problemas de control óptimo estocástico con incertidumbres dependientes del tiempo basado en BONUS (Mejor algoritmo de optimización para Sistemas No Lineales Inciertos). El BONUS se ha utilizado con éxito para problemas de programación no lineal con incertidumbres estáticas, pero mostramos aquí que su alcance puede extenderse al caso de problemas de control óptimo con incertidumbres dependientes del tiempo. Se utilizó un reactor por lotes para la producción de biodiésel como estudio de caso para ilustrar el enfoque propuesto. Los resultados para un problema de ganancia máxima indican que la función objetivo óptima y los perfiles óptimos fueron mejores que los obtenidos por el principio del máximo.