滾動軸承(bearing)數據穩健化處理與數據的離散性：

Huber M方法是數據穩健化的一種方法，具有較好的穩健性;中位數是穩健性良好的位置（position )估計。為了更好地分析(Analyse)數據的穩健性，將二者結合，形成一種以中位數為中心的單調不減的有界函數方法，對數據進行穩健化處理,獲得穩健數據，可以改善數據的離散性。
例如，某種軸承(bearing)的無失效數據為(單位: h):
422, 539, 602, 770, 847, 924計算結果為:數據的中位數為686,平均值為684。穩健（prudent)化處理數據第1組數據:
539, 539, 602, 770, 847, 847
計算結果為:奴數據的中中位數為686。復合滾輪軸承當中*主要的承載體，主要承受垂直方向的載荷和沖擊負荷，具有很強的耐沖擊性、耐磨性及抗腐蝕性。由于主滾輪為滿裝滾子軸承，亦可作為單向軸承單獨使用。
穩健化處理數據（data)第2組數據:539539, 539, 7770.77
計算結果為:數據（data)的中位數為686，平均值越來越接近于中位數。平均值為686。
可以看出，數據（data)例如，滾動軸承(bearing)190.4(1個),250.4(1據經過穩健化處理，無失效數據為(單位: h);:個783.04個)，850.0個), 870.0個90010平均值（The average value)為718.3。
計算結果為:數據（data)的中位數為783,
對數據（data)進行穩健化處理:0045042個) 83.04 ).85.0 T,870.00個)計算結果為:數據的中位數為783.平均值（The average value)為72030進行穩健化處理:
783.0(6個)，850.0(5個)計算結果為:數據的中位數為783,平均值（The average value)為813.4。
根據E述教據處理結果，可以看出在數據穩健化處理過程中，數據平均值越來越接近中位數。
根據上述數據計算結果，可以看出穩健數據的平均值*接近中位數。螺栓滾輪軸承側滾輪為一套復合滾輪當中第二承載體，主要承受水平方向載荷，同樣具有很強的耐沖擊性、耐磨性及抗腐蝕性。側滾輪為無內圈滿滾針設計，由一根芯軸代替內圈和軸頭銜接承載。例如，某導彈無失效數據為(單位: a):
0.5(1個), 1.03個), 1.5(3個),2.0(4個),2.5(4個),3.0(3個)計算結果為:數據（data)的中位數為1.75,平均值（The average value)為1.85。對數據進行穩健（prudent)化處理:
1.0(5個)，1.5(3個)，2.0(4個)，2.5(7個)該數據的中位數為1.75,平均值（The average value)為1.84;對數據進行穩健（prudent)化處理:
1.5(8個), 2.0(11 個)計算結果為:數據的中位數為1.75,平均值為1.79。
從上述數據穩健（prudent)化處理過程，可以看出數據經過穩健化處理后，中位數與平均值相差越來越小，二者之差越小說明數據穩健性能越好。滾輪軸承組合滾輪軸承由主滾輪、側滾輪、軸頭和蓋板組成。該軸承為密封結構，充填潤滑脂，提供長期有效潤滑，用戶可免潤滑。對于使用工況惡劣的可設計補充潤滑脂的通道，提高軸承使用壽命。