Los diseños de hipercubo latino segmentado (SLHDs) son ampliamente utilizados en experimentos computacionales con factores tanto cuantitativos como cualitativos y en lotes. Los SLHDs óptimos logran una mejor propiedad de relleno de espacio en toda la región experimental. Sin embargo, la mayoría de los métodos existentes para construir SLHDs óptimos tienen restricciones en los tamaños de ejecución. En este documento, proponemos un nuevo método para construir SLHDs con tamaños de ejecución arbitrarios, y una nueva medida combinada de relleno de espacio que describe la propiedad de relleno de espacio tanto para el diseño completo como para sus segmentos. Además, desarrollamos algoritmos generales para buscar el SLHD óptimo con tamaños de ejecución arbitrarios bajo la medida propuesta. Se presentan ejemplos para ilustrar la efectividad de los métodos propuestos.