Prediksi menjadi berguna ketika mengubah sebuah keputusan di bawah biaya dan batasan yang eksplisit. Biaya kesalahan yang sama membenarkan satu ambang batas; kejadian terlewat yang mahal dapat membenarkan ambang batas lain jika probabilitasnya terkalibrasi untuk populasi yang relevan. Anda akan menghitung ambang batas biaya yang diharapkan, mengevaluasi biaya yang terealisasi, dan membangun antrean dengan kapasitas tetap. Batas kapasitas dapat mengesampingkan ambang batas karena tim tidak dapat memproses peninjauan tanpa batas. Seri membutuhkan aturan yang dapat diulang. Jaga agar satuan dan asumsi tetap terlihat: biaya dalam latihan ini adalah masukan keputusan fiktif, bukan harga atau kerugian bisnis yang terukur. Peringkat yang baik saja tidak dapat menentukan kebijakan bagi operatornya.
Membandingkan kedua biaya keputusan yang diharapkan menghasilkan ambang batas hanya di bawah asumsi biaya dan kalibrasi yang ditetapkan.