Impulsado por aplicaciones de la vida real, este trabajo tiene como objetivo abordar el problema de programación de los sistemas de fabricación de vidrio automotriz, que se caracteriza como un flujo de trabajo de dos etapas con lotes pequeños, un tiempo de configuración inevitable para el cambio de producto en la primera etapa y un requisito de trabajo ininterrumpido en la segunda etapa. Según el conocimiento de los autores, no hay informes sobre este tema de otros grupos de investigación. Nuestro estudio anterior presenta un método para asignar todos los lotes a cada máquina en la primera etapa sin secuenciar los lotes asignados, lo que resulta en un cronograma incompleto. Para abordar este problema, si se aplica un método de programación matemática directamente para minimizar el tiempo de producción, se deben introducir variables binarias para describir la secuencia de procesamiento de todos los productos, no solo de los lotes, lo que resulta en un gran número de variables binarias para el modelo. Por lo tanto, es necesario y desafiante buscar un método para resolver el problema de manera eficiente. Debido al requisito obligatorio de que la segunda etapa debe seguir trabajando continuamente sin interrupción, la viabilidad de la solución es esencial. Por lo tanto, la clave para resolver el problema planteado es cómo garantizar la viabilidad de la solución. Para ello, presentamos un método para determinar el tamaño mínimo de cada lote de modo que la segunda etapa pueda trabajar continuamente sin interrupción si los tamaños de todos los lotes son iguales. Luego, se derivan las condiciones bajo las cuales existe un cronograma viable. Basado en las condiciones, podemos desarrollar un método de solución en dos pasos. En el primer paso, se formula un (ILP) para manejar el problema de asignación de lotes en la primera etapa. A través del ILP, necesitamos distinguir solo los lotes, reduciendo enormemente el número de variables y restricciones. Luego, los lotes asignados a cada máquina en la primera etapa se secuencian óptimamente en el segundo paso mediante un algoritmo de complejidad polinómica. De esta manera, mediante el método propuesto, la complejidad computacional se reduce considerablemente en comparación con la formulación del problema sin las condiciones de viabilidad establecidas. Para validar el enfoque propuesto, llevamos a cabo extensos experimentos en un caso real de un fabricante de vidrio automotriz. Ejecutamos ILP en CPLEX para realizar pruebas. Para problemas de gran tamaño, establecemos 3600 s como el tiempo máximo para obtener una solución y un margen del 1% para el límite inferior de las soluciones. Los resultados muestran que CPLEX puede resolver el 96.83% de los casos. Además, podemos obtener buenas soluciones con un margen máximo del 4.9416% para los casos no resueltos.