Los modelos Dinámicos se pueden dividir en Continuos y de Evento Discreto. Los
modelos Continuos se basan usualmente en ecuaciones diferenciales con el tiempo como una variable independiente, y en ellos el estado del sistema cambia de forma continua de manera que puede ser diferente en cada instante de tiempo. Los modelos de Evento Discreto cambian sólo en momentos específicos, determinados por la ocurrencia de un evento (por ejemplo la llegada de una orden), entonces el modelo ejecuta el proceso que desencadena dicho evento y avanza el tiempo correspondiente; luego el estado del sistema no cambia hasta que ocurra el siguiente evento y cuando este sucede se avanza el reloj del sistema hasta ese instante Casi todos los Modelos de Evento Discreto (MED) son estocásticos, es decir, contienen algunos componentes modelados como distribuciones de probabilidad (por ejemplo el tiempo entre llegadas de órdenes sucesivas o el tiempo de reparación de una avería). Esto introduce variación aleatoria al modelo y los resultados de la simulación resultan estocásticos, obligando a hacer análisis estadístico para validar sus conclusiones También se pueden dar modelos Combinados como modelos integrados que incorporan tanto variables discretas como continuas. Para modelar tal tipo de sistema, el modelo debe representar tanto los componentes discretos como los continuos, así como las interacciones que pueden ocurrir entre ellos. Lee et al. Muestran una aplicación en la que la información acerca de las órdenes de los clientes, los flujos de información en cada etapa de la cadena de suministro, y los niveles de inventario en el distribuidor y en cada fábrica son considerados elementos continuos, y el transporte es considerado como un elemento discreto. A través de un estudio de simulación, se puede estudiar el efecto de cambios internos y externos del sistema, al hacer alteraciones en el modelo del sistema y observando los efectos de esas alteraciones en el comportamiento del sistema. Una observación detallada del sistema que se está simulando puede conducir a un mejor entendimiento del sistema y por consiguiente a sugerir estrategias que mejoren la operación y eficiencia del sistema. La simulación de sistemas complejos puede ayudar a entender mejor la operación del sistema, a detectar las variables más importantes que interactúan en el sistema y a entender mejor las interrelaciones entre estas variables. La técnica de simulación puede ser utilizada para experimentar con nuevas situaciones, sobre las cuales tiene poca o ninguna información. A través de esta experimentación se puede anticipar mejor a posibles resultados no previstos. Cuando nuevos elementos son introducidos en un sistema, la simulación puede ser usada para anticipar cuellos de botella o algún otro problema que puede surgir en el comportamiento del sistema.