滚动轴承(bearing)数据稳健化处理与数据的离散性：

Huber M方法是数据稳健化的一种方法，具有较好的稳健性;中位数是稳健性良好的位置（position )估计。为了更好地分析(Analyse)数据的稳健性，将二者结合，形成一种以中位数为中心的单调不减的有界函数方法，对数据进行稳健化处理,获得稳健数据，可以改善数据的离散性。
例如，某种轴承(bearing)的无失效数据为(单位: h):
422, 539, 602, 770, 847, 924计算结果为:数据的中位数为686,平均值为684。稳健（prudent)化处理数据第1组数据:
539, 539, 602, 770, 847, 847
计算结果为:奴数据的中中位数为686。复合滚轮轴承当中*主要的承载体，主要承受垂直方向的载荷和冲击负荷，具有很强的耐冲击性、耐磨性及抗腐蚀性。由于主滚轮为满装滚子轴承，亦可作为单向轴承单独使用。
稳健化处理数据（data)第2组数据:539539, 539, 7770.77
计算结果为:数据（data)的中位数为686，平均值越来越接近于中位数。平均值为686。
可以看出，数据（data)例如，滚动轴承(bearing)190.4(1个),250.4(1据经过稳健化处理，无失效数据为(单位: h);:个783.04个)，850.0个), 870.0个90010平均值（The average value)为718.3。
计算结果为:数据（data)的中位数为783,
对数据（data)进行稳健化处理:0045042个) 83.04 ).85.0 T,870.00个)计算结果为:数据的中位数为783.平均值（The average value)为72030进行稳健化处理:
783.0(6个)，850.0(5个)计算结果为:数据的中位数为783,平均值（The average value)为813.4。
根据E述教据处理结果，可以看出在数据稳健化处理过程中，数据平均值越来越接近中位数。
根据上述数据计算结果，可以看出稳健数据的平均值*接近中位数。螺栓滚轮轴承侧滚轮为一套复合滚轮当中第二承载体，主要承受水平方向载荷，同样具有很强的耐冲击性、耐磨性及抗腐蚀性。侧滚轮为无内圈满滚针设计，由一根芯轴代替内圈和轴头衔接承载。例如，某导弹无失效数据为(单位: a):
0.5(1个), 1.03个), 1.5(3个),2.0(4个),2.5(4个),3.0(3个)计算结果为:数据（data)的中位数为1.75,平均值（The average value)为1.85。对数据进行稳健（prudent)化处理:
1.0(5个)，1.5(3个)，2.0(4个)，2.5(7个)该数据的中位数为1.75,平均值（The average value)为1.84;对数据进行稳健（prudent)化处理:
1.5(8个), 2.0(11 个)计算结果为:数据的中位数为1.75,平均值为1.79。
从上述数据稳健（prudent)化处理过程，可以看出数据经过稳健化处理后，中位数与平均值相差越来越小，二者之差越小说明数据稳健性能越好。滚轮轴承组合滚轮轴承由主滚轮、侧滚轮、轴头和盖板组成。该轴承为密封结构，充填润滑脂，提供长期有效润滑，用户可免润滑。对于使用工况恶劣的可设计补充润滑脂的通道，提高轴承使用寿命。