Este trabajo presenta un enfoque novedoso para problemas de optimización multiobjetivo, extendiendo el concepto de frente de Pareto a una nueva idea de la región de Pareto. Este nuevo concepto proporciona todos los puntos más allá del frente de Pareto, llevando a la misma condición óptima con garantía estadística. Esta región se construye utilizando una prueba de Fisher-Snedecor sobre una función Lagrangiana aumentada, para la cual se proponen deducciones aquí. Esta prueba tiene como objetivo proporcionar una representación aproximada de la región de operación factible mientras se utilizan resultados de optimización metaheurística para extraer esta información. Para ello, se aplicó un Optimizador de Enjambre de Partículas Deslizantes Constrained (CSPSO) para resolver una serie de cuatro pruebas y un estudio de caso. La prueba propuesta analizó los resultados de CSPSO, y las nuevas regiones de Pareto fueron estimadas. Sobre esta región de Pareto, también se desarrolló y aplicó una estrategia de agrupación para definir subregiones que priorizan uno de los objetivos y una región intermedia que proporciona un equilibrio entre los objetivos. Esta es una herramienta valiosa en el contexto de la optimización de procesos, con el objetivo de la toma de decisiones asertivas. Dado que este es un concepto novedoso, la única forma de compararlo fue trazar las regiones completas de las funciones de prueba y compararlas con el resultado de la metodología. Los resultados de las pruebas demostraron que el método propuesto podría representar eficientemente las regiones de Pareto. Luego, se realizó la optimización de una unidad de Adsorción por Oscilación de Presión utilizando el enfoque propuesto para proporcionar una aplicación práctica de la metodología desarrollada aquí. Fue posible construir la región de Pareto y sus respectivas subregiones, donde se prioriza cada parámetro de rendimiento del proceso. Los resultados demostraron que esta metodología podría ser útil en la optimización y operación de procesos. Proporciona más flexibilidad y un conocimiento más profundo del sistema bajo evaluación.