In the present work, we seek to solve a partially flexible scheduling problem, energetically efficient, with sequence dependent setup time, cost penalties for both early and late completion, and preventive maintenance. These variables and objectives were selected because it is considered that these are the ones that have the greatest impact on the day-to-day of companies. For the solution, a genetic algorithm compatible with the proposed variables and capable of obtaining a solution efficiently is proposed. To check the operation of the proposal, the algorithm is tested with a simulation that combines data from other works with fictitious information. The algorithm found a solution for the three proposed objective functions from the information of five generations of data. The result was an optimal schedule, the total makespan and the cost of tardiness and earliness that could not be avoided.
 En el presente trabajo se buscó resolver un problema de secuenciación parcialmente flexible, energéticamente eficiente, con tiempos de preparación dependientes de la secuencia, penalizaciones de costos por finalización temprana y tardía y mantenimiento preventivo. Estas variables y objetivos fueron seleccionados porque se considera que estos son los que tienen mayor impacto en el día a día de las empresas. Para la solución se propone un algoritmo genético compatible con las variables propuestas y capaz de obtener una solución de manera eficiente. Para comprobar el funcionamiento de la propuesta, se prueba el algoritmo con una simulación que combina datos de otros trabajos con información ficticia. El algoritmo encontró una solución para las tres funciones objetivo propuestas a partir de la información de cinco generaciones de datos. El resultado fue un cronograma óptimo, la duración total y el costo de los envíos tardíos y los adelantos que no se pudieron evitar.