En este paso se da a conocer el sistema que se va a modelar, es necesario saber que se requiere y por qué es el motivo de la realización del modelo de simulación, así como también determinar las variables de decisión y las interacciones entre ellas, determinar los alcances y limitaciones que el modelo de simulación podría presentar. Se recomienda contar con la mayor información posible para poder establecer un modelo del sistema que se esta estudiando, incluyendo sus fronteras y todos sus elementos que lo componen, interacciones, flujos de productos, personas y recursos. Así como las variables de mayor interés. 2. Generación del modelo de simulación base. Ya que el problema quedó definido se procede a generar el modelo de simulación base. No todo el tiempo está asegurado que el modelo quede totalmente detallado porque requiere de más información estadística previa para saber el comportamiento de las variables de decisión. Para el programador, es todo un reto hacer esta simulación base realidad. 3. Recolección y análisis de datos. En esta etapa se determina que información es útil para realizar las distribuciones de probabilidad para cada una de las variables que no son necesarias para la simulación. Es importante dedicarle el tiempo suficiente a esta etapa. Si no se cuenta con información suficiente o si no se confía con la que actualmente se tiene, se necesitara realizar un estudio estadístico del modelo. Al finalizar toda la recolección y el análisis de los datos para las variables se consideran las condiciones necesarias para generar la versión preliminar. 4. Generación del modelo preliminar. Básicamente, en esta etapa se reúne toda la información obtenida a partir de la etapa anterior, en algunos casos no se cuenta con información estadística por eso se debe estimar un rango de variación. 5. Verificación del modelo. En esta etapa es necesario realizar un proceso de verificación de los datos para comprobar la programación del modelo y así darse cuenta de aquellas variables o procesos que necesiten tener mas operaciones para que así la simulación funcione de manera correcta. Los problemas que se puedan presentar son aquellos que requieren muchas operaciones de programación o que impliquen distribuciones de probabilidad difíciles de programar. Estos pueden ocasionar el comportamiento del sistema diferente. Ya que la verificación esta realizada en su totalidad, está listo para realizar la validación del modelo de simulación. 6. Validación del modelo. Este paso consiste en hacer una serie de pruebas al mismo, utilizando información de entrada real para ver como se implementa dentro del sistema. 7. Generación del modelo final. Ya que el modelo quedó validado, el análisis esta listo para recrearse la simulación y ver el comportamiento que el proceso presente. 8. Determinación de los escenarios para el análisis. En este momento es necesario acordar con el cliente que escenarios desea analizar, es fácil determinar este escenario utilizando un escenario pesimista, uno optimista y uno intermedio. 9. Análisis de sensibilidad. Ya que se obtienen los resultados de los tres escenarios es importante realizar las pruebas correspondientes que permitan comparar estos escenarios con los mejores resultados finales. Si dos de ellos son parecidos será necesario comprar los intervalos entre ellos.