Aunque el algoritmo NSGA-III es capaz de encontrar la solución óptima global y tiene un buen efecto en la optimización de la programación de talleres, las limitaciones en la diversidad de la población, la capacidad de convergencia y las soluciones óptimas locales hacen que no sea aplicable a ciertas situaciones. Por lo tanto, en este trabajo se propone un algoritmo de optimización de programación de talleres NSGA-III mejorado. Su objetivo es abordar estas limitaciones del algoritmo NSGA-III en el procesamiento de la optimización de la programación de talleres. Para resolver el problema de eliminación individual en el algoritmo NSGA-III tradicional, se introduce un mapeo caótico en el algoritmo NSGA-III mejorado para generar nuevos individuos descendientes y agregar a los individuos ganadores seleccionados a la población de descendientes como la población de padres para la próxima iteración. El algoritmo propuesto se aplicó a un taller de calibración de sensores de presión. Se realizó una comparación con el algoritmo NSGA-III tradicional a través de un análisis de simulación. Los resultados muestran que el algoritmo propuesto puede obtener un mejor rendimiento de convergencia, mejorar la capacidad de optimización y evitar caer en soluciones óptimas locales.