El problema de programación dinámica (DSP) en sistemas de fabricación flexible no confiables (UFMS) con concurrencia, conflictos, compartición de recursos y operaciones secuenciales es un problema de optimización complejo que requiere el uso de metodologías de solución eficientes. La efectividad de la programación de UFMS depende de la calidad del mantenimiento del equipo. Actualmente, los UFMS con colas de partes en espera de servicio consistentemente grandes emplean un enfoque de reparación después de la falla como procedimiento de mantenimiento estándar. Este método puede requerir recursos inesperados, incurrir en costos, consumir tiempo y potencialmente interrumpir las operaciones de otros UFMS, ya sea parcial o totalmente. Este estudio sugiere utilizar una estrategia de mantenimiento predictivo (PdM) que utiliza el Internet de las Cosas (IoT) para predecir y evitar fallas mecánicas tempranas del equipo antes de que ocurran en los UFMS, reduciendo así el tiempo de inactividad no planificado y mejorando la confiabilidad. Por lo tanto, el objetivo de este documento es construir modelos de red de Petri temporizados (TPN) utilizando el IoT para la configuración de PdM del equipo mecánico en el problema de programación dinámica de los UFMS. Esto requiere que los usuarios representen el problema específico utilizando TPN. El proceso de modelado de PN requiere la utilización de conocimientos del dominio relacionados con los problemas objetivo, así como información sobre las máquinas. Sin embargo, es importante señalar que las reglas de modelado para PNs son sencillas y limitadas en número. En consecuencia, el modelo TPN se aplica para generar y formular instancias de programación lineal entera mixta (MILP) con precisión. Esto se hace para identificar el tiempo óptimo del ciclo de producción, que puede implementarse en escenarios de la vida real. Se utilizan varias instancias de UFMS para demostrar las aplicaciones y la efectividad del método propuesto. Los resultados computacionales demuestran que el método propuesto muestra una calidad de solución superior, resuelve efectivamente instancias para un total de 10 partes y 6 máquinas, y logra una solución en un tiempo de CPU razonable.