Minimizar el tiempo de espera en el trabajo para completar operaciones relacionadas es un objetivo crítico en industrias como la producción química y alimentaria, donde la planificación eficiente y la programación de la producción son fundamentales. Abordando la naturaleza compleja de los problemas de programación de flujo en taller, que plantean desafíos significativos en el proceso de fabricación debido al vasto espacio de soluciones, esta investigación emplea un novedoso algoritmo genético multiobjetivo llamado distancia desde el punto ideal en algoritmo genético (DIPGA) para identificar soluciones de Pareto óptimas. La efectividad del algoritmo propuesto se compara con otros métodos poderosos, a saber, NSGA, MOGA, NSGA-II, WBGA, PAES, GWO, PSO y ACO, utilizando análisis de varianza (ANOVA). Los resultados demuestran que el nuevo enfoque mejora significativamente la toma de decisiones al evaluar una gama más amplia de soluciones, ofreciendo una convergencia más rápida y una mayor eficiencia para problemas de programación a gran escala con numerosos trabajos. Este método innovador proporciona una lista completa de soluciones de Pareto óptimas para minimizar el tiempo de ejecución y el tiempo de espera total, mostrando su superioridad en la resolución de problemas altamente complejos.