Другая, даже более важная проблема состоит том, как конструировать достаточно устойчивые модели. В общем случае можно следовать принципу: чем ближе структура модели к структуре системы выше ее степень детальности, тем обширнее область пригодности модели. К сожалению, очень подробная модель весьма дорога. Степень устойчивости модели можно повысить тщательной калибровкой. В частности, мы можем выбрать более сильные критерии калибровки, чем строго необходимый.

Предположим, например, что выбрали в качестве индекса производительности время прохождения задания. Если в качестве критерия калибровки мы выберем некоторую меру различия между распределением времени прохождения модели в системе (вместо разности средних значений), модель, которую и получим, вероятно, будет иметь более широкую область пригодности. Можно ожидать, что устойчивость модели улучшится, если критерий калибровки будет основан на времени прохождения каждого задания или, быть может, на продолжительностях шагов задания вместо распределения этого времени по всем заданиям. Определения ошибок, соответствующих этим трем критериям, можно выразить так, как это сделано в таблице. В общем случае нам следует ожидать, что увеличение степени детальности не ухудшит устойчивость моделирующей программы. Иногда, однако, в процессе калибровки существует точка, за которой устойчивость может ухудшиться из-за чрезмерной подстройки модели к частным входным условиям, использованным для ее калибровки. К сожалению крайне трудно определить момент, когда эта точка достигнута.