Neben der Verfügbarkeit aktueller Messdaten bietet die "Trendanalyse" in der Mehrzahl der Fälle einen sicheren Blick in die Zukunft. Dazu errechnet der MCD Datenmanager eine Trendkennzahl über statistische Algorithmen. Eine solche Kennzahl zeigt die Entwicklung / Veränderung des Fertigungs- oder Prüfprozesses deutlich auf. Auf diese Weise kann eine Veränderung des Prüflings frühzeitig erkannt werden. Oft liegt das Problem aber auch in der Prüfanordnung selber, wie das Beispiel der Produktion von Klappenstellern aufzeigt. Hier kam es bei einem Automobilzulieferer zu vermehrten Ausfällen. Die Ursache für die auftretenden Probleme konnte mittels Datenbankauswertung über Excel nicht festgestellt werden. Die Auswertung mit dem MCD Datenmanager zeigte über den grafischen Messwertverlauf und die statistische Auswertung / Trendanalyse den Winkelfehler sofort an. Erst die grafische Anzeige des verschobenen Mittelwerts der Winkelmessung konnte den Trend sichtbar machen. Die Ursache für diesen Fehler lag nicht bei den Prüflingen sondern in der mechanischen Verstellung der Prüflingsaufnahme.
Christian Schmidt, bei MCD für das Softwareproduktmanagement verantwortlich, erläutert: "Die Trendanalyse macht ein frühzeitiges Reagieren durch Korrekturen am Fertigungsprozess oder an der Prüfeinrichtung vor einem Ausfall des Prüflings möglich. Maschinenstillstände oder hohe Ausfallraten können somit noch vor deren Auftreten vermieden werden." Für die Trendanalyse der aufgezeichneten Messwerte erfolgt zunächst eine statistische Bewertung und Filterung der einzelnen Messungen. So werden für die Trendberechnung nur Geräte analysiert, welche prinzipiell als PASS geprüft wurden, um durch tatsächliche Fehler (defekte Einrichtungen) den eigentlich relevanten Trendverlauf nicht zu verfälschen. Weiterhin besteht die Möglichkeit, die Trendanalyse auf einstellbare Bereiche festzulegen beziehungsweise unterschiedliche Bereiche zu vergleichen. Diese Bereiche können sein:
Die Trendanalyse selbst erfolgt durch eine gewichtete Approximation der erfassten Messwerte. Hierbei spielen der Zeitpunkt der Messung, die Abweichung vom Soll- beziehungsweise Mittelwert und natürlich die Streuung der einzelnen Messwerte die ausschlagegebende Rolle. Der verwendete Algorithmus erkennt dann, ob und wenn ja wann, eine laufende Produktion die eingestellten Grenzwerte durchbricht.