1. Aplicación
1.1. -Análisis de cuellos de botella
1.2. -Balance de líneas
1.3. -Mejoramiento de calidad
1.4. -Mejoramiento de la productividad
1.5. -Reducción de inventarios
1.6. -Tamaño óptimo del lote
2. Ejemplos
2.1. Simulación estocástica o probabilística
2.1.1. El comportamiento de fallas de una máquina y se determinó que el tiempo entre estas se ajusta a una distribución de probabilidad exponencial con una media de un mes.
2.2. Simulación discreta
2.2.1. El arriblo de clientes a un supermercado para realizar sus compras.
2.3. Simulación contínua
2.3.1. La temperatura en el transcurso del día.
2.4. Simulación combinada
2.4.1. En una estación de venta de combustible los autos llegan al sistema en forma discreta, el abastecimiento de combustible al vehículo es un proceso continuo.
3. Definición
3.1. Conjunto de métodos y aplicaciones que buscan imitar el comportamiento de sistemas reales por medio de un software.
3.2. Conjunto de relaciones lógicas, matemáticas y probabilísticas que integran el comportamiento de un sistema bajo estudio cuando se presenta un evento determinado.
4. Clasificación
4.1. Modelos continuos
4.1.1. Se definen por medio de ecuaciones diferenciales, ya que éstas permiten conocer el comportamiento de las variables en cierto tiempo.
4.2. Modelos discretos
4.2.1. Se representan por medio de ecuaciones evaluadas en un punto determinado.
4.3. Modelos dinámicos
4.3.1. El estado del sistema analizado cambia con respecto al tiempo.
4.4. Modelos estáticos
4.4.1. Representan un resultado bajo un conjunto de situaciones determinadas.
4.5. Modelos determinísticos
4.5.1. Relaciones constantes entre los cambios de las variables del modelo.
4.6. Modelos probabilísticos o estocásticos
4.6.1. Distribución de probabilidad en el proceso.