Problém hybridního plánování ve výrobním závodě (Hybrid Flow Shop Scheduling Problem, HFSP) je komplexní výzvou ve výrobě a zpracovatelském průmyslu, vyžadující efektivní řešení plánování, které optimalizuje produktivitu a zároveň zohledňuje reálná omezení. Tato studie navrhuje pokročilý optimalizační rámec využívající metaheuristický algoritmus Puma Optimizer rozšířený o adaptivní řídicí mechanismus pro inteligentní výběr fází a operátorů. Díky této funkci se dobře hodí pro diskrétní optimalizační problémy, jako je HFSP. Náš přístup integruje heuristické dekódování a adaptivní lokální prohledávání, přičemž vyvažuje průzkum a využití pro generování vysoce kvalitních rozvrhů. Navržený matematický model optimalizuje délku rozvrhu a celkové zpoždění, zatímco spotřeba energie je začleněna jako omezení pro zvýšení udržitelnosti. Rozsáhlé výpočetní experimenty ukazují vynikající výkonnost navrženého algoritmu ve srovnání s tradičními metodami, který dosahuje kratšího makespan a nižší zpoždění při zajištění proveditelnosti pracovní síly. Tyto výsledky zdůrazňují adaptabilitu optimalizátoru Puma a jeho potenciál stanovit nová měřítka pro HFSP a nabídnout škálovatelné a efektivní řešení pro moderní výrobní systémy .