Los Sistemas Ciberfísicos (CPS) ofrecen un potencial significativo para abordar las demandas en evolución del desarrollo industrial. En la era de la Industria 4.0, un marco que integre la detección, el intercambio de datos, el análisis numérico y la retroalimentación en tiempo real es esencial para satisfacer las necesidades industriales modernas. Sin embargo, implementar esta integración presenta desafíos en múltiples dominios, particularmente en el análisis digital, la detección de información y el intercambio de datos durante la transformación corporativa. Las empresas que aún no han pasado por la transformación enfrentan desafíos distintos, incluidos los riesgos y los costos de prueba y error de adoptar nuevas tecnologías. Este estudio se centra en una fábrica de procesamiento de piezas de trabajo de alta resistencia, con un énfasis específico en el proceso de pintura. La complejidad de este proceso resulta con frecuencia en congestión, que se aborda como un problema de optimización de múltiples objetivos y múltiples restricciones. Este documento propone el Algoritmo Genético de Clasificación No Dominada Mejorado II (INSGA-II) para abordar los requisitos de optimización de múltiples objetivos. El enfoque propuesto utiliza estructuras de múltiples cromosomas, oyentes y una inicialización de retroceso recursivo para optimizar la búsqueda de soluciones bajo restricciones. Esto permite que la fábrica optimice automáticamente las líneas de producción en función de las secuencias de procesamiento de piezas de trabajo, lo que lleva a un aumento de la eficiencia. Además, se ha diseñado un marco de CPS centrado en la modelización por simulación. Primero, el algoritmo INSGA-II procesa los datos de pedidos para generar horarios de producción. A continuación, se diseñan los formatos de transmisión de datos y las interfaces de entrada-salida. Luego, se construye un modelo de simulación utilizando los resultados del algoritmo. Estos componentes forman colectivamente el marco de CPS para este estudio. El método propuesto ofrece una solución digital automatizada a través del algoritmo, permitiendo la verificación de su viabilidad a través del modelo de simulación. Como resultado, mejora significativamente la velocidad de toma de decisiones, la fiabilidad y la utilización del equipo.