時間序列分析同時有助于當將要引入一定的變化時，將計劃的過程性能同預測的數值進行比較。
時間序列分析還可以提供對于因果模式的深入觀察。這種方法有助于將一同的原因（或可指明的原因）同偶然的原因分離開來，并將某個模式在時間序列中加以分解，分解成為循環、季節以及趨勢部分。
時間序列分析通常有助于理解過程在某種特定條件下的表現，以及為使過程指向某種目標值而需進行的調整或者什么樣的調整可以降低過程變差。
4.13.4 局限性和注意事項
回歸分析的局限性和注意事項同樣適用于時間序列分析。當對一個過程進行建模以了解該過程的因果關系時，需要很高的技巧以選擇最合適的模型以及使用診斷工具以改進該模型。
選擇或忽略某個單獨的觀測值或某組觀測值將顯著影響該模型。應當從那些無關的數據之中分離出有影響的觀測值。
不同的時間序列的預測技術能夠產生不同程度的結果，這取決于時間序列中的模式以及用于預測所選取的時間段的數量。模型的選擇應考慮進行分析的目的，數據的屬性，相對的成本，以及不同模型進行分析和預測的價值。
4.13.5 應用舉例
時間序列分析應用于研究績效隨時間變化的模式，例如過程測量、顧客抱怨、不合格品、生產率以及測試結果。
在預測方面的應用包括預測機器空閑，工時損失，顧客訂單，物料需求，電能的消耗。
時間序列分析偶爾也被用于開發需求預測的模型。例如在可靠性方面，他被用于預測在給定時間段內事件發生的數量以及在兩個事件發生之間的時間間隔的分布，例如設備損耗。