Los modelos de asignación de secuenciación han desempeñado un papel crítico en la competitividad de las empresas manufactureras desde mediados de la década de 1950. La evolución histórica y constante de estos modelos, desde asignaciones simples hasta formulaciones complejas restringidas, muestra la necesidad y el creciente interés en modelos más robustos. Por lo tanto, este documento presenta un modelo para programar agentes en máquinas paralelas no relacionadas que incluye tiempos de configuración dependientes de la secuencia y del agente-máquina (ASUPM), considera una relación agente-máquina y busca minimizar el criterio del tiempo de ejecución máximo. Al representar un escenario más realista y abordar este problema difícil, se proponen seis formulaciones lineales enteras mixtas, y debido a su facilidad de diversificación y construcción de soluciones, se dividen en dos categorías dos heurísticas de inicio múltiple, compuestas por siete algoritmos: Construcción de solución inicial (algoritmo diseñado) y mejora mediante perturbación intra (búsqueda tabú) e intercambio (inserciones e intercambios). Se utilizan y comparan tres solucionadores diferentes, y se prueban los algoritmos heurísticos utilizando instancias generadas aleatoriamente. Se encontró que los modelos que linealizan la función objetivo tanto por el tiempo de finalización del trabajo como por el tiempo de máquina son más rápidos y están relacionados con las heurísticas, y presentan un nivel sobresaliente de rendimiento en un pequeño número de instancias, ya que pueden encontrar el valor óptimo para casi todas las instancias, tienen un comportamiento muy bueno en un nivel medio de instancias y un rendimiento decente en un gran número de instancias, donde las desviaciones relativas tienden a aumentar en relación con las instancias pequeñas y medianas. Además, se presentan dos aplicaciones del problema del mundo real: programación en la industria automotriz y en la atención médica.