滾動軸承(bearing)的數據（data)穩(wěn)?。╬rudent)化處理思路：

根據上述分析，在極小極大化準則下，Huber M估計和中位數估計是兩種穩(wěn)健（prudent)性能*優(yōu)的估計; Huber M估計可以反映統(tǒng)計量特點，且具有連續(xù)（Continuity)、非遞減、有界、以零為中心、奇函數特點，在實際數據處理中很難實現;中位數估計可以反映位置（position )特征,但不能反映總體數據特點。因此，融合兩種估計特點，結合L估計思想，本章提出新的穩(wěn)健化處理方法，以實現更好性能的實驗（experiment)數據穩(wěn)健化處理。
依據近代統(tǒng)計學穩(wěn)健化統(tǒng)計理論，數據（data)的中位數是穩(wěn)健的。由于受離散數據的影響，數據的平均值是不穩(wěn)健的。而平均值越接近中位數，數據就越穩(wěn)健。因此，平均值與中位數的接近程度可以反映數據的穩(wěn)健程度。利用HuberM估計原理，當數據超過一定范圍即認為是離散值，這些數據用數據范圍的臨界值代替。數據范圍的確定方法是以樣本的次序統(tǒng)計量為依據，中位數為數據中心，*大值和*小值假設為離散值。
在數據（data)穩(wěn)健化處理過程中，離散值的處理方法有三種類型，即替換型、添加型、簡單替換型。滾輪軸承外圈采用外圈壁較厚的滿裝圓柱滾子軸承，滾輪的外徑面有圓柱形和弧形，可根據使用場合設計來與滾道面配合。利用這種外圈，滾輪可以直接在滾道上滾動，并可以承受較重負荷和沖擊負荷。其中，簡單替換型是簡單有效的離散值處理方法。這種方法是先將*大值與*小值分別用其相鄰數據代替而得到新數據;再計算新數據的平均值。如果新數據的平均值比原數據平均值接近中位數，就說明新數據比原數據穩(wěn)健，依次使用該方法得到新數據，直到新數據的平均值與中位數*接近為止。這表明該數據是*穩(wěn)健數據。- 般來說，在數據穩(wěn)健化處理過程中，有顯著性水平要求。
基于上述數據穩(wěn)健（prudent)化處理思路，采用L估計的次序統(tǒng)計，對數據進行排序。這些數據中含有離散數據，因此次序統(tǒng)計量不能識別離散數據，無法對數據進行穩(wěn)健化處理。但是，離散數據對數據的平均值（The average value)有很大影響，使平均值不穩(wěn)健。而中位數穩(wěn)健，可以作為平均值是否穩(wěn)健的標準。平均值越接近中位數，數據越穩(wěn)健;否則，數據越不穩(wěn)健。為防止減小樣本容量，離散數據的處理方法采用Huber M方法。首先用相鄰數據逐次代替*小值與*大值，得到改進數據;然后分析改進數據平均值與中位數的關系;在給定的顯著性水平下，得到改進數據平均值*接近中位數的數據列:*后得到以中位數為中心、單調不減、有界的穩(wěn)健數據列。這樣就實現了數據的穩(wěn)健化處理。
例如，通過實驗（experiment)獲得某直升機部件的壽命(lifetime)數據（data)(單位: h):
156.5, 213.4, 265.7, 337.7, 337.7, 406.3, 573.5, 573.5, 644.6, 744.8, 774.8, 1023.6數據（data)列是按照從小到大的順序進行排列的，數據的中位數為573.5, 平均值為486.0。
數據列中的*大值為1023.6, *小值為156.5。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。 用774.8代替1023.6,用213.4代替156.5。
數據（data)代替后，得到第1組穩(wěn)?。╬rudent)化處理數據:
213.4, 213.4, 265.7, 37.77 3.7406.3, 573.5, 573.5, 644.6, 744.8, 774.8, 774.8
第1組穩(wěn)?。╬rudent)化處理數據（data)的中位數為573.5,平均值為471.2,二者之間的絕對差大于原始（Original)數據的絕對差，說明原始數據比第1組穩(wěn)健化處理數據更穩(wěn)健。螺栓滾輪軸承方式不當也可以造成滾輪軸承發(fā)熱。通過潤滑可以減少零件運動中的磨損，保證壓力機精度，降低能量消耗。潤滑分稀油潤滑、濃油潤滑等。