dmshar

Непонятно, вы приводите статью, по сути элементарное введение в задачу, где все до предела упрощено и детально объяснено. Что-же еще мы можем вам дополнительно объяснить? И что значит "как считать", если вы даже формулу сами написали?
Ну разве что сказать, что люди уже примерно 70 лет занимаются задачей прогнозирования временнЫх рядов, напридумывали кучу методов, алгоритмов, подходов, посвящают изучению этого вопроса много времени и сил, пишут книги. В университетах изучают такой курс, иногда по нескольку семестров. А вы хотите "не сложно" и с примерами. А есть c десяток библиотек и пакетов программ, от python scikit-learn до SPSS, в каждом по пару десятков методов прогнозирования. Но что-бы разобраться с ними да, надо напрячься и разобраться.
Кроме того, совершенно загадочная фраза про необходимость прогнозирования "много и сразу" как причину "неканания" нейронных сетей. Я не их фанат, и считаю, что метод всегда надо подбирать под задачу, но причем тут "много и сразу"? А нейросети что, работаю понемногу и раз в неделю? Впрочем, не хотите нейросеть - используйте другие методы предсказаний, которых - как я уже сказал - есть много и разных.
Ознакомиться с ними можно, например, вот тут:
https://otexts.com/fpp2/
https://habr.com/ru/company/ods/blog/327242/
https://www.yakaboo.ua/book-at-prakticheskij-anali...
statsoft.ru/home/textbook/modules/sttimser.html
https://www.wiley.com/en-us/Machine+Learning+for+T...
https://habr.com/ru/post/180409/
https://www.youtube.com/watch?v=Rmh6b96u6UU
https://www.springer.com/gp/book/9781475777505
https://www.twirpx.com/file/560509/
elib.cspu.ru/xmlui/handle/123456789/4811?show=full
и т.д. до бесконечности.
В общем, как появятся конкретные вопросы - возвращайтесь, попробуем вместе разобраться. Только с конкретными вопросами, а не с вопросом "а объясните мне ВСЕ, с примерами и как его считать".

Теория массового обслуживания рассматривает и такие задачи в частности. Посмотрите внимательно. Ответ на самом деле зависит от законов распределеня вашего входного потока и времени обслужвания - в вашем случае - операторов КЦ.
Ссылок в интернете - и на довольно неплохие учебники по теме в том числе - полным полно.

Есть ли что-то такое?

Есть

В нейросетях не разбираюсь, на фриланс денег нет.

А в чем разбираетесь?
Изучением

прогнозирования следующего числа/диапазона чисел

занимается раздел науки, который называется "анализ временнЫх рядов". Что-бы его изучить, не надо знать нейросети и не надо иметь деньги (хотя они, конечно, никогда не бывают лишними) . Иметь надо одно - мозги. Ну и скилзы по математике не помешают, конечно.

Хочется разработать на Python такой алгоритм для применения в прогнозировании, сроки очень сжатые а у меня в этой области пока никакого опыта.
Блин, люди с 20-ых годов XX столетия разрабатывали такие алгоритмы, за последние 20 лет напрограммировали горы программ и библиотек. Но нет, не то что учить - просто бегло ознакомиться влом. А зачем? Что-бы тут кто-то в одном сообщение пересказал всю теорию с практикой? Хочется "разработать алгоритм" - ну так разработай, в чем проблема. Сроки поджимают - ну, договаривайся с заказчиком. Или сообщение надо рассматривать как предложение работы - тогда в другой раздел.
Ладно, если нужно только правильное направление мысли - копай в сторону "временнЫх рядов" (в первом слове ударение на последнем слоге). Там и раздел соответствующий есть - "прогнозирование на основе временных рядов" называется. Да хотя-бы введи в поиск Гуугла и пройди по первым-же ссылкам.
Удачи.

Как уже было сказано - нейронные сети тут ни при чем. Наука, которая уже лет 50 занимается такими вопросами - названа выше.
Если уж очень хочется познакомиться с методами машинного обучения на примере данной задачи - то даю наводку, соответствующий раздел называется "Построение регрессионных моделей". В качестве дополнительного чтения - "Анализ времени дожития" (да,вот такое "оптимистичненькое" название). И никаких нейросетей!
Но не поняв, что, зачем, куда и почему (в частности, почему нейросеть тут ни коми боком), человек обречен "забивать формулы в эксель". Так что советую начать с основ.