La simulación se puede entender tanto como la imitación de un proceso, entendido este como la secuencia temporal de condiciones de un sistema, así como el proceso de diseño de un modelo que forma parte de un sistema real o imaginario. El propósito de la simulación es percibir las capacidades y comportamiento de un sistema, sin la necesidad de reproducirlo o experimentar con el real, ya sea por los costos, riesgos y/o limitantes que esto conlleve.

1.    Definición espacialmente el problema: Como punto de partida se define la manera en que el problema establece la conexión con su entorno (interfaces).

2.    Definición del modelo conceptual: Esto es explicitar los algoritmos, teorías y limites que describen al sistema, definiendo también las entradas de información requeridas y las salidas (input y output). En segundo termino, se establecen los requerimientos materiales, de personal, el tiempo que se tomara para producir y operar el modelo.

3.    Recolección de los datos de entrada: Se reúne la información que será utilizada para parametrizar los datos de entrada y evaluar el rendimiento de la simulación.

4.   Construcción del modelo en software: En este punto los datos obtenidos anteriormente se trasladan al lenguaje del software elegido para ejecutar las tareas de simulación. Esto aun en una fase preliminar.

5.   Verificación, validez y acreditación del modelo: Se comprueba el funcionamiento correcto de simulación, considerando la recolección de los datos de entrada así como el correcto funcionamiento dentro de los parámetros establecidos.

6.   Diseño experimental: Se fuerza a un estado no critico (preferentemente) la simulación para considerar nuevas limitantes que partan de las diferentes fases del proceso hasta este punto.

7.   Ejecución de la simulación: El momento culminante del proceso en el que se produce la información que motiva el proyecto.

8.   Recolección de los datos de salida: Inicia el proceso de análisis de los resultados obtenidos de la simulación, por lo cual es necesario detallar los datos que se ha obtenido tanto del problema planteado como del proceso de simulación.

9.   Análisis de datos: Interpretación de los datos en los que se definirá si el resultado es útil y por consiguiente, los aciertos y errores tanto en el planteamiento del problema como en funcionamiento de la simulación.

10. Documentación: Organización de los datos obtenidos y del análisis de estos.

11. Expansión del modelo: De acuerdo al resultado final se decide si el modelo o el sistema requieren cambios en su estructura.

Los estados son grupos de variables que describen al sistema en un intervalo de tiempo, es decir, el conjunto de características temporales que hacen reconocible una parte del ciclo del sistema.  Los eventos son actividades que modifican estas características y así el sistema cambia de estado. Las entidades son los objetos representados en la simulación por los estados que presentan y los eventos que los modifican.

La importancia de cada uno de los componentes definira, por su prioridad, la manera en la que el tiempo sera representado en la simulación. Cuando el desarrollo del evento que define un nuevo estado no sea de relevancia, se utilizara un criterio de tiempo de evento, en el cual solo se apreciaran los cambios cuando ocurre un evento. Es decir, solo se mostraran los estados identificables de una entidad. En el caso en que disitintas entidades interactuen sera de utilidad manejar un flujo de tiempo continuo puesto que los cambios de estado se presentaran de esta manera (continua) a causa de los eventos compartidos entre las entidades.

El azar es otro concepto que adquiere suma importancia en la simulacion puesto que la mayoria de los escenarios a los que nos enfrentamos cada dia no esta suscritos en  la exactitud. Por mas pequeño que sea el rango de error o minimas las posibilidades de un cambio subito, este esta latente, es posible. Por esto muchos modelos requieren valores aleatorios para introducir la variabilidad al sitema. Aun cuando la obtencion de estos numeros en un sistema son producto de algoritmos determinados, estos tienden a imprimir la posibilidad de ruptura en la perfectibilidad de un sitema.

La complejidad del estudio al que se dirige la simulación podría llevar también a la inclusión de diferentes modelos en un sistema de simulación. En la necesidad de representar la conducta humana en simulaciones, se ha optado en varios casos por la inclusión de la inteligencia artificial en los sistemas de simulación, técnica que es por si misma una simulación de modelos cognitivos.