预测天气很难——问问气象学家就知道了。即使在高级分析的帮助下，似乎也很少有人能做到始终如一——只要问问遇到过计划外下雪天的父母就知道了。除了更先进的工具外，气象学家还依赖于基本的测量方法，如温度、风速和大气压力。他们对这些简单指标的持续依赖为我们提供了思考的素材。用于评估控制回路行为的描述性统计分为三类:1）集中趋势，2）形状和3）扩散。集中趋势度量提供了对流程中心或平均运行状态的深入了解，形状度量描述了数据值的分布，而分布度量则指示了单个值的聚集程度或它们偏离分布平均值的程度。就了解给定控制回路的性能而言，每种方法都可以提供独特的价值。
哈里斯指数是一个经常被提及的衡量利差的指标。计算基于相对于已知最小方差控制（MVC）值的过程当前控制。在计算MVC值时，自动回归移动平均模型必须适合过程数据。这是一个预测模型，表示最小方差控制器将采取的行动。因此，哈里斯指数的可靠性取决于该模型的有效性及其对过程死区时间的估计。
尽管哈里斯指数得到了全面记录，但请考虑以下因素:
- 简单统计
一旦配置了哈里斯指数，就可以在软件的帮助下自动计算值。该指数的输出与一（1）的最小方差值相关，并且每天都有显著变化。因此，价值可能很难解释——Horch和Heiber也是这么写的.
- 模型维护
流程受制于时变行为它们的动态稳定变化。因此，哈里斯指数所基于的预测模型的效力将随着时间的推移而下降。这些值将不再提供相关过程范围的精确测量。
- 评估备选方案
有许多可供选择的描述性统计数据来衡量价差。其中包括平均绝对误差和标准变化。虽然没有标准化，但这两个指标都跟踪控制器保持设定值的能力。由于它们不是基于模型的，因此尽管过程动态发生演变，但每种模型都可以提供准确的性能评估。
与预测天气一样，从基本指标入手通常是值得的。虽然哈里斯指数是一个经过验证的描述性统计数据，并提供了对流程绩效的独特见解，但它比其他可用指标更复杂。确实有其他许多计算和解释都更简单的方法。鉴于典型生产设施控制回路的广度，越简单越好。