Un desafío clave en la gestión de la producción y la investigación operativa es el problema de programación de flujo en taller, caracterizado por su complejidad en los procesos de fabricación. Los modelos tradicionales a menudo asumen condiciones deterministas, pasando por alto incertidumbres del mundo real como la demanda fluctuante, los tiempos de procesamiento variables y las fallas en los equipos, lo que impacta significativamente en la productividad y eficiencia. La creciente demanda de marcos de programación más adaptables y robustos que puedan manejar estas incertidumbres de manera efectiva impulsa la necesidad de investigaciones en esta área. Los métodos existentes no capturan adecuadamente la naturaleza dinámica e impredecible de los entornos de fabricación modernos, lo que resulta en ineficiencias y costos operativos más altos; no emplean un enfoque difuso para beneficiarse de la intuición humana. Este estudio demuestra con éxito la aplicación de Conjuntos Difusos de Tipo-2 Hexagonales (HT2FS) para el modelado preciso de la importancia de los trabajos, avanzando así en las aplicaciones de lógica difusa en problemas de programación. Además, emplea un enfoque novedoso de Toma de Decisiones Multicriterio (MCDM) utilizando el método de Imagen Proporcional de AHP Difuso (PPF-AHP) para la toma de decisiones grupales en un contexto de programación de flujo en taller. La investigación describe la metodología que implica tres etapas: evaluación de peso grupal a través de un PPF-AHP para los objetivos, determinación de peso utilizando HT2FS para los trabajos y optimización a través de Algoritmo Genético (GA), un método que nos dio la solución óptima. Este estudio contribuye significativamente a la investigación operativa y la programación de la producción al proponer un modelo híbrido sofisticado que navega hábilmente por las complejidades de la programación de flujo en taller. La integración de HT2FS y técnicas de MCDM, en particular PPF-AHP, ofrece un enfoque novedoso que mejora la precisión en la toma de decisiones y allana el camino para futuros avances en la optimización de la fabricación.