در این مقاله فرض می‌شود نرخ ورود متقاضیان به سیستم صف‌بندی M/M/c دارای توزیع نمایی با پارامتر $lambda$ و نرخ سرویس متقاضیان دارای توزیع نمایی با پارامتر $mu$ و مستقل از نرخ ورود است. همچنین فرض می‌شود سیستم تا زمان T (زمان توقف) فعال است. تحت این زمان توقف، برآورد ماکسیمم درستنمایی و برآورد بیزی تحت تابع‌های زیان آنتروپی عمومی و توان دوم خطای موزون و همچنین تحت توزیع پیشین آگاهی‌بخش و ناآگاهی بخش، پارامتر شدت ترافیک و احتمال پایایی سیستم M/M/c به دست آورده می‌شوند. سپس برآوردگرهای به دست آورده شده، به کمک روش شبیه‌سازی مونت‌کارلو و یک مثال عددی با هم مقایسه می‌شوند، تا برآوردگر مناسب‌تر تعیین شود.

مطالعه مدل‌های متنوع در نظریه صف لازم است تا بهره‌وری سیستم‌های صف‌بندی افزایش یابد. در این مقاله از خانواده مدل‌های {E_r/M/c; r,cin N}، مدل E_r/M/3 معرفی می‌شود و کمیت‌هایی مانند توزیع تعداد متقاضیان (مشتریان) در سیستم، متوسط تعداد متقاصیان در صف و سیستم و متوسط زمان انتظار در صف و سیستم یک متقاضی به دست آورده می‌شوند. به دلیل نقش ویژه پارامتر شدت ترافیک در معیارهای ارزیابی عملکرد سیستم‌های صف‌بندی، برآورد آن به روش‌های بیز، E-بیز و بیز سلسله‌مراتبی تحت تابع زیان آنتروپی عمومی و بر اساس زمان توقف سیستم، به دست آورده می‌شود و سپس بر اساس برآوردگر E-بیز، برآوردی جدید برای پارامتر شدت ترافیک معرفی می‌گردد که در این مقاله برآورد E^2-بیز نامیده می‌شود.  بنابر این در بین برآوردگرهای بیز، E-بیز، بیز سلسله‌مراتبی و برآوردگر جدید، برآوردگری که بتواند متوسط مدت زمان انتظار در صف مشتری را کاهش دهد در این مقاله به عنوان برآوردگر مطلوب پارامتر شدت ترافیک در نظر گرفته می‌شود. همچنین با استفاده از روش شبیه‌سازی مونت‌کارلو و به کمک یک مجموعه داده‌های واقعی برتری برآوردگر جدید نسبت به سایر برآوردگرهای ذکر شده در مقاله نشان داده می‌شود.