OPTIMIZACIÓN DE CIRCUITOS DE FLOTACIÓN POR SIMULACION EN COMPUTADORA Juan Luis Reyes Bahena

Facultad de Ingeniería / Instituto de Metalurgia, Universidad Autónoma de San Luis Potosí, Av. Sierra leona 550, Lomas 2ª Sección, 78210 San Luis Potosí, S.L.P., México. Tel/Fax (52-444) 825-43-26 Ext. 124 Correo electrónico: jlreyes@uaslp.mx.

RESUMEN
En general, el diagnostico e optimización de circuitos de flotación esta principalmente basado en la relación grado-recuperación de los principales minerales de valores de una planta concentradora. Para lograr la optimización de un circuito de flotación a través de la simulación, ecuaciones matemáticas empíricas, semiempíricas o fenomenológicas han sido propuestas a nivel mundial. La habilidad de predicción de estos modelos depende en gran medida de la facilidad de medición de los parámetros del modelo así como del error experimental y de la forma en que estos parámetros son introducidos en el modelo matemático. Actualmente, el modelo matemático desarrollado a través de una extensa investigación por el grupo de flotación del Julius Kruttschnitt Mineral Research Centre, de la Universidad de Australia ha ganado una amplia aceptación a nivel mundial para la optimización de circuitos de flotación industriales. El modelo esta basado en la descripción del proceso de flotación como una contribución de subprocesos característicos de la hidrodinámica de la celda de flotación así como de las propiedades del mineral tratado. Para mostrar lo útil de esta herramienta poderosa conocida como simulación matemática; este artículo presenta dos casos de estudio a nivel industrial para la optimización del proceso de flotación. Los resultados de simulación presentados en ambos casos de estudio predicen con un determinado error la respuesta de los minerales en el proceso de flotación en comparación con los datos experimentales. Más importante aun, es la predicción de la tendencia de los minerales a cualquier cambio en el proceso de flotación, el cual es determinado con un alto índice de confianza por esta metodología.

XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006, San Luis Potosí, S.L.P., México

1

Sin embargo. El objetivo de estos modelos ha sido el tener una herramienta útil para el diseño así como la optimización de circuitos existentes de flotación. el gran número de factores que intervienen en este proceso es tal que es difícil describir en forma precisa el efecto de los minerales en cada uno de los sub-procesos involucrados en la flotación de minerales.1 Principios de simulación matemática La metodología usada para el desarrollo de modelos matemáticos y simulación de los circuitos de flotación esta basada en la caracterización de los diferentes subprocesos que están involucrados en la flotación de minerales (Figura 1). S.L. • Un parámetro de la cama de espuma (eficiencia de recuperación. Un intenso trabajo de investigación realizado en el Julius Kruttschnitt Mineral Research Centre (JKMRC) de Australia ha desarrollado numerosas técnicas de medición directa e indirecta sobre los sub-procesos que ocurren en el proceso de flotación.. San Luis Potosí. Datos obtenidos de varios procesos de flotación a nivel industrial son usados para estimar las características hidrodinámicas de las celdas de flotación así como la optimización del proceso a través del desarrollo de modelos matemáticos. INTRODUCCION En los años recientes. 1. Rf). Estas mediciones incluyen: • Un parámetro hidrodinámico de la celda de flotación (flujo de área superficial de burbuja. • Parámetros de arrastre mecánico (ξ y δ). México 2 . Este artículo presenta una descripción de las técnicas de medición y modelos matemáticos para describir el proceso de flotación. Sb). el desarrollo de nuevos modelos matemáticos ha sido extensamente aplicado al proceso de concentración de minerales por flotación.P. las cuales han sido mejoradas a través de la colaboración con otras instituciones como la Universidad de Cape Town en Sudáfrica y la Universidad de McGill en Canadá. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.OPTIMIZACIÓN DE CIRCUITO DE FLOTACIÓN POR SIMULACION EN COMPUTADORA Juan Luis Reyes Bahena 1. • Un parámetro de flotabilidad del mineral (P).

. (Gorain y col. el flujo de área superficial de burbuja.P. S. P. k. adsorción de colector. grado de oxidación de la superficie de los minerales y el grado de dispersión de las partículas en el proceso. México 3 .Circuito de Flotación (Estado Estable) Flotación Verdadera Arrastre Mecánico Parámetro de arrastre Recuperación de agua Flujo de área superficial de burbuja Eficiencia en cama de espuma Caracterización del mineral Parámetro de drenaje Tiempo de residencia MODELO Validación Diseño Simulación Figura 1: Metodología desarrollada para la modelación y simulación de circuitos de flotación La interacción burbuja-partícula es considera generalmente como un proceso de primer orden. 1963. Rf. Por ello la flotabilidad de una corriente no puede ser describa por un solo valor sino por una distribución (Imaizumi y Inoue. Ha sido observado que las propiedades de las partículas minerales. San Luis Potosí. Runge y col. tales como el tamaño. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. composición mineralógica..L.. P. es considerada ser una propiedad característica de la corriente de alimentación al proceso de flotación y no de las condiciones de operación de la celda o circuito. generado en la celda y por la perdida en recuperación a lo largo de la cama de espuma. Extensa investigación en este sub-proceso de la flotación ha concluido que la diferencia en la constante cinética de flotación. afectan la constante cinética de flotación. Sb. 1981. 1997). Lynch y col. k = S b PR f (1) La flotabilidad del mineral. 1997). obtenida en diferentes celdas fue debida a cambios en la flotabilidad del mineral..

1.2 Componentes de flotabilidad: La masa de las partículas en la alimentación es representada como un número discreto de de componentes de flotabilidad cada uno con una constante promedio de flotabilidad. es decir. la recuperación de cada clase es usada para calcular la constante cinética o flotabilidad del mineral de primer orden. triangular (Harris y Chakravarti. sinuosoidal (Diao y col. La masa y la flotabilidad de cada componente son derivados usando técnicas de regresión. Sutherland. El modelo propuesto por Kelsall (1961) es un ejemplo de este tipo de distribución de componentes de flotabilidad. Niemi y col. en cada clase en particular. 1965. 1982). 1976. 1. Gorain y col. 1981. Trahar. 2005. S. 1963). los cuales han sido usados para determinar el parámetro P: 1. tamaño. 1992) y normal (Chander y Polat.2003). En esta metodología. liberación) es determinada a través de a siguiente expresión matemática: XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. México 4 .2 Modelo cinético El modelo cinético descrito en esta sección esta fundamentado en dos principales mecanismos de transporte del mineral que ocurren en una celda de flotación. Así. 1976. R. 1989. rectangular (Huber Panu y col. 1997. A través de trabajos publicados previamente. la recuperación global. 1995). mineralogía. Grano. Thorne y col.1 Función de distribución: La distribución de flotabilidades es asumida a tener una forma particular definida por un número pequeño de parámetros que pueden ser derivados a través de datos experimentales..Uno de los grandes retos en la actualidad sobre modelación y simulación de circuitos de flotación es describir la forma de la distribución de los parámetros de flotabilidad. se han presentado tres diferentes alternativas para determinar la distribución de valores de la constante cinética de primer orden.L. 1.. 2006) y adsorción de colectores (Vianna y col.. de las diferentes clases de componentes de flotabilidad estudiadas (por ejemplo. San Luis Potosí. Savassi..1. la recuperación verdadera.P.1. Kawatra y col. Algunas de las propiedades usadas para describir la flotabilidad incluyen el tamaño de la partícula (Tomlinson y Fleming..3 Componentes de flotabilidad basados en propiedades: La alimentación es representada en diferentes clases basado en alguna de las propiedades físicas del proceso. 2000. Algunas funciones de distribución propuestas son la distribución gama (Imaizumi y Inoue. 1. asociación del mineral o liberación (King. la interacción burbuja-partícula y el arrastre mecánico. 1970).. 1976). Cada clase es asumida a flotar con una flotabilidad discreta del mineral..

. Rf. México 5 .. Los parámetros del tiempo de residencia promedio. es determinada con la siguiente ecuación (Gorain y col. y ENT es el grado de arrastre mecánico. ξ.P )(1 − Rw ) + ENT .τ . Rw. 1998): Rf=exp(−β⋅tf)s (4) El parámetro β esta relacionado a las características de la cama de espuma. τ es el tiempo de residencia promedio.P.R f .R f . de partículas de ganga. son calculados a través de los datos balanceados de planta. La relación entre los parámetros recuperación en la cama de espuma. 1998). que el parámetro P. τ. Rw es la recuperación de agua.292   ξ                 ENT =       (3) La recuperación en la cama de espuma.Rw (2) donde Sb es le flujo de área superficial de burbujas. Rf es la eficiencia de recuperación en la cama de espuma. S.R= ( S b . Este grado de arrastre mecánico es determinado en términos de dos factores llamados arrastre. tfs. 2    di  exp 2. es independiente del tamaño de la celda. y el tiempo de residencia específico en la cama de espuma.Rw (1 + S b . Rf. San Luis Potosí..P )(1 − Rw ) + ENT . 1972). Mientras. Una de las principales ventajas al utilizar el grado de arrastre mecánico en este modelo es que este término no es fuertemente afectado por variaciones en la recuperación de agua debido a grandes perturbaciones de operación (Johnson.L. δ. o bien el tamaño al cual el grado de arrastre corresponde al 20% y drenado. P es el término de flotabilidad de mineral. y la recuperación de agua. es calibrado a través de técnicas de regresión no-lineal.τ .292  ξ          ln δ 1+  d   exp i ξ            ln δ 1+    d i   exp d i ξ  + exp − 2. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. el cual es determinado a través de una curva de partición empírica (Savassi y col.

Rf. arrastre mecánico. db. La Figura 2 muestra el circuito de flotación de la planta A.. Sb. las campañas de muestreo en el circuito de flotación. es definido como el área superficial total de burbujas moviendo a través de la celda de flotación por área transversal por unidad de tiempo. ENT.L. y la eficiencia en la cama de espuma. México 6 . 3. db es el diámetro promedio de la burbuja generada en el celda. Jg. San Luis Potosí. las simulaciones del circuito de flotación fueron realizadas con la finalidad de identificar métodos de mejora para la recuperación de valores. distribución de tamaños de burbujas. S. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. EXPERIMENTAL Los datos experimentales fueron colectados en varias plantas de concentración de minerales sulfuros. Sb es expresado como: Sb = 6.J g db (5) donde Jg es la velocidad superficial de aire inyectado en la celda.P. tales como: aire superficial del gas inyectado. Estos datos incluyen.El flujo de área superficial de burbujas. Los resultados presentados y discutidos en la siguiente sección corresponden a varios circuitos de flotación industriales para demostrar la viabilidad y confiabilidad del desarrollo y aplicación de modelos matemáticos en estudios de simulación por computadora para la optimización de circuitos actuales y el diseño de nuevos circuitos. mediciones de las características hidrodinámicas de las celdas de flotación. Matemáticamente. la cual procesa minerales de cobre. así como estimar el rendimiento del circuito con un incremento en capacidad. pruebas de flotación a nivel laboratorio. 2.1 RESULTADOS Planta A En este segundo caso de estudio. 3.

El modelo construido para cada uno de los minerales en estudio consta de tres componentes los cuales son caracterizados como: flotación media.0081 0. La Tabla 1 muestra el porcentaje de cada uno de las diferentes clases de flotabilidad del mineral de cobre y ganga. Debido a la complejidad mineralógica del mineral tratado únicamente se consideró el mineral de cobre en forma de sulfuros (CuS) y el resto como mineral de ganga no sulfurosa (NSG). El ajuste de los parámetros de flotabilidad y sus respectivas fracciones en masa fueron ajustados por la técnica de regresión no-lineal de mínimos cuadrados de acuerdo a la metodología propuesta por Alexander y Morrison (1998).045 0.P.Primario Agotativo 1a Limpia 2a Limpia 3a Limpia Figura 2: Diagrama de flujo de circuito de flotación en Planta A 3.07 0. S. De Flotabilidad Rápida Lenta No-Flota 0. San Luis Potosí.0019 0 Fracción de la Flotabilidad Rápida Lenta No-Flota 0.94 XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. caracterización hidrodinámica y los tiempos de residencia calculados fueron utilizados para el desarrollo del modelo matemático..1. México 7 .52 0.41 0. Tabla 1: Parámetros estimados del modelo del mineral de oro (% de flotabilidad en la alimentación) Mineral CuS NSG Vel.05 0.1 Desarrollo del modelo matemático Datos de la campaña de muestreo.01 0. lenta y la fracción no flotante.L.017 0 0.

2. existe una predicción aceptable del circuito con el modelo matemático desarrollado de acuerdo a los datos experimentales de planta. Tabla 2: Validación de la simulación por computadora Cabeza de Cu (%) Rec Global de Cu (%) Cu en Concentrado (%) Rec Global de Ganga (%) Rec Global de Masa (%) Rec Global de Agua (%) Cambio Experimental +0. La Tabla 2 muestra la predicción del simulador con los cambios a nivel planta.8 +1. Figura 3: Recuperación de CuS modelada vs experimental 3. se realizó un cambio a nivel industrial de enviar el concentrado de la segunda limpia como producto final.1. eliminando así la 3ª limpia.5 +0.2 Cambio Simulado 0 -0.P. San Luis Potosí.2 Simulación del circuito 3.3 Como se observa en esta tabla.1.21 -0. Para ello.1 Validación Antes de proceder al estudio de simulación para la optimización del circuito de flotación.6 -3..3 +0. S.L.5 +0.5 -0. es necesaria la validación del modelo matemático. El concentrado de cobre simulado es menor que el experimental debido a la predicción XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.La Figura 3 presenta la comparación entre la predicción del modelo desarrollado para la recuperación de oro en función del tamaño de partícula y los datos ajustados con el balance de materia del muestreo del circuito de flotación. México 8 .5 +0.1 +0.

De acuerdo a la tendencia de las respuestas de estas simulaciones. S. • Investigar la posibilidad de remoler las colas del agotativo.4 +0. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. México 9 . 3.P.4 Sim 3a +4. • Investigar el redireccionamiento del concentrado del primario a la limpia 3.3 +0.1. sin embargo el grado disminuye debido a la recuperación de minerales de ganga.6 +0.3 +0.3 +0.2 Planta B El objetivo de este caso de estudio fue la optimización de la etapa de re-flotación del circuito de flotación de minerales de cobre de la planta B (Figura 4). las siguientes recomendaciones pueden ser investigadas en un futuro: • Investigar el rendimiento de la remolienda en función del tamaño óptimo de molienda y el efecto de la carga circulante de la 1ª limpia.3 Sim 2a +4. El modelo matemático fue desarrollado para usarlo en varias simulaciones con el fin de determinar las posibles oportunidades de mejora en el circuito.8 -2.4 Como puede observarse.2 Casos de simulación Una serie de simulaciones fueron realizadas con este modelo matemático. • Sim 2a – enviar el concentrado total del primario a la limpia 3.2.8 +0. • Sim 3a – enviar a remolienda el concentrado agotativo y el concentrado primario a la limpia 3.4 +0. San Luis Potosí. Tabla 3: Resultados de las simulaciones en la planta A Rec Global de Cu (%) Cu en Concentrado (%) Rec Global de Ganga (%) Rec Global de Masa (%) Rec Global de Agua (%) Sim 1a +2. respectivamente.L. las cuales son: • Sim 1a – enviar el concentrado de la celda 1 del primario a la limpia 3. 3.. la recuperación global de cobre se incrementa en todos los casos de estudio.de la recuperación de ganga ligeramente alta en comparación con los datos experimentales. Esto se debe principalmente a que el mineral de ganga no fue caracterizado confiablemente debido a la recuperación de arrastre mecánico y asociación de este mineral con los minerales de cobre.0 -2.9 +0. 2 y 3.9 -1.2 +0. La Tabla 3 muestra el resumen de los efectos de la recuperación y grado del mineral de cobre en la simulación 1. • Investigar abrir el circuito de la 1ª limpia para una capacidad adicional al circuito.

media. 3.Colector Primario Colector Agotativo Alim Cola Final Columna Re-Flotación 1a Limpia 2a Limpia Conc Final Figura 4: Diagrama de flujo del circuito de flotación de la planta B Algunos de estos casos de simulación fueron realizados en otros bancos de flotación del circuito de la planta B con el fin de tener un panorama mucho más amplio en las posibles mejoras del circuito para la relación recuperación/grado de valores. Los parámetros de flotación están descritos para cada uno de los principales minerales de este estudio y están constituido de cuatro componentes los cuales son nombrados como: flotación rápida.L.2. La predicción del modelo (Figura 5) es buena tal y como le representa la comparación entre la predicción modelada y experimental de la recuperación en cada una de las corrientes del circuito para cada uno de los minerales estudiados.1 Desarrollo del modelo matemático Los parámetros del modelo matemático representados en la Tabla 4 fueron determinados a través de un ajuste no-lineal por la técnica de regresión de mínimos cuadrados de acuerdo a la metodología propuesta por Alexander y Morrison (1998).. México 10 . S. lenta y la fracción no flotante.P. San Luis Potosí. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.

1015 0. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. San Luis Potosí.047 Figura 5: Recuperación modelada vs experimental del circuito de flotación de la planta B 3.1045 0 0.1736 0.Tabla 4: Parámetros estimados del modelo del mineral de la planta A (% de flotabilidad en la alimentación) Mineral Primario Agotativo Primario Agotativo Primario Agotativo Rápida Vel.2245 0..L.6756 1.02 0.7236 0. México 11 .7393 0 0.2 Simulación del circuito 3.0638 Ganga No Sulfurosa 0 0.1578 0 0.0125 0 0 0 0 0.P. De Flotabilidad Media Lenta No-Flota Sulfuro de Cobre 0.0763 0.0265 0.2 Casos de simulación Las simulaciones realizadas fueron: • Sim 1b – disminución en el tonelaje de alimentación del circuito en un 50%.6077 Fracción de la Flotabilidad Rápida Media Lenta 3.0109 0.0364 0.5287 0.5665 0.9021 0.0155 0.1756 0. • Sim 3b – incremento en la capacidad en otros bancos de flotación. S.2.0272 0.1157 0.1856 0.2. • Sim 2b – incremento en la capacidad del banco de re-flotación.4604 0 0.062 0 0 Sulfuro de Fierro 0 0.2.4063 0 0.172 0.

En general.92 NSG Recuperación. San Luis Potosí.11 FeS Recuperación.P. México 12 .56 NSG Recuperación. % 74.05 Vaselina (operación actual). indicando que la planta tiene problemas de capacidad (Tabla 5).43 3.0% debido principalmente al incremento en la recuperación de FeS. % 3.85% y el grado disminuye en un 15. la disminución del grado de CuS se debe principalmente al incremento en la XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.43 6. % 96.69 3..25 98. S.31 21. Para poder determinar cual etapa del circuito de flotación de la planta B requiere de un incremento en capacidad.25 96. Nuevamente.3% debido al incremento en la recuperación de FeS.99 Grado. Las simulaciones Sim 2b. % 96.74 72. el grado de CuS disminuye un 2. Los resultados de esta tabla muestran al disminuir la capacidad de tratamiento de la planta B la recuperación de CuS se incrementa en un 1.59 FeS Recuperación. % 19. Tabla 6: Efecto del incremento en capacidad en re-flotación sobre la relación recuperación/grado del concentrado final de la planta B CuS Recuperación. % 3.En el primer caso de simulación (Sim 1b). Sim 2b: incremento del 50% capacidad Sim 2b: incremento del 100% de capacidad. La Tabla 7 muestra los resultados resumidos de la serie de simulaciones Sim 3b. Tabla 5: Grado/recuperación en el concentrado final de la planta B al disminuir 50% el flujo de alimentación CuS Recuperación.71 22. % 74. el cual posiblemente este muy asociado con el mineral de cobre. podemos concluir que la tendencia de la recuperación de CuS es de incrementarse conforme se incrementa la capacidad en los respectivos bancos de flotación y que el grado de CuS se disminuye considerablemente. % 19.80 Grado.35 Vaselina (operación actual).39 72. Estas simulaciones muestran que el incremento en recuperación de CuS no es muy importante y sin embargo.L. Investigación de liberación de minerales es fuertemente recomendado para validar esta conclusión. Sim 1b: 50% Flujo de Alimentación. otra serie de simulaciones fueron realizadas en bancos individuales del circuito. al disminuir del tonelaje de sólidos en el flujo de alimentación la recuperación global de valores tiende a incrementarse.51 96.39 59. fueron enfocadas directamente a la evaluación del efecto del incremento de capacidad en la etapa de re-flotación (Tabla 6).31 38.

17 71.71 4. Tabla 7: Efecto del incremento en capacidad en otros bancos sobre la relación recuperación/grado del concentrado final de la planta B CuS Recuperación.34 FeS Grado.62 19.L. 97.67 96. 4.05 73. CONCLUSIÓN La simulación de circuitos de flotación por medio de la modelación matemática es una herramienta poderosa para la optimización circuitos industriales y el diseño de nuevos procesos.P. Sim 3b: incrementado capacidad al 50% en banco agotativo & 100% en banco de re-flotación. Sim 3b: 50% incremento en capacidad del banco agotativo. % 96.25 96. México 13 .39 74. Como todo simulador.50 3.78 72.33 Recuperación. la predicción XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. La confiabilidad de predicción de los simuladores depende en gran medida de la facilidad y precisión en que los parámetros de los diferentes subprocesos son medidos en procesos industriales.54 96.04 Vaselina (operación actual).7%..recuperación del mineral FeS.07 NSG Recuperación.21 69.0% la recuperación de CuS a expensas de reducir el grado de CuS en un 2.18 22.13 3. Es recomendable realizar un estudio de liberación para corroborar que el incremento en la recuperación del mineral de FeS se debe principalmente a problemas de asociación y no a problemas de química de superficie en la cual se este activando selectivamente la flotación de este mineral (activación o aglomeración natural del mineral de FeS). Sim 3b: incrementado capacidad al 50% en banco agotativo & 100% en banco de re-flotación & 35% en banco de 1ª limpia. la mejor opción para el incremento de capacidad se muestra en la Sim 2b: incrementando capacidad en un 50% en banco agotativo & 100% en el banco de re-flotación. posiblemente por la intima relación entre los minerales de CuS. S. % 19. San Luis Potosí. Sim 3b: 25% incremento en capacidad del banco agotativo. Esta simulación permite incrementar en casi 1.56 3.43 3. Sim 3b: 35% incremento en capacidad del banco de 1a limpia.88 21.31 19. % 74.31 96.90 97. % 3.58 4. Sim 3b: 50% incremento en capacidad del banco de 2a limpia.79 25.73 23.79 71.27 De acuerdo a los resultados de esta tabla.

Gaudin Memorial Volume. 1961. R. Modelling of the Mount Isa rougher-scavenger copper flotation circuit using size-by-liberation data. Polat. Johnson. Gorain.. Mathematical models of batch and contonuous flotation.exacta de los minerales a la respuesta de los circuitos de flotación no es 100% posible debido principalmente a las limitaciones de los modelos matemáticos.. Gorain.V. SME-AIME Annual Meeting.. 11(7): 627-638.. Suardini. International Journal of Mineral Processing. Flotation. BIBLIOGRAFÍA Alexander. 1997. Minerals and Metallurgical Processing.A. Cojocariu. E. Imaizumi..G.. 92-200. Huber-Panu.K. A. Hanson.. 6-8th October. San Luis Potosí.C. Madang. Minerals Engineering. W. J... 5. 1976. AusIMM.C.F. J.V. In:14th International Mineral Processing Congress.. New York. 1982. Flotation.J. AusIMM. 6-8th October.L. M. Gorain.. En: 6th Mill Operators’ Conference. N. 1981. M.D.. Morrison. B. México 14 . 2: 675-724. C. 581-605. E.. Semi-batch froth flotation kinetics: species distribution analysis. Rapid estimation of floatability components in industrial flotation plants. Bubble surface area flux – a new criterion for flotation scale-up.. Franzidis. S. 2005.W.. methods for estimating distribution rate constants. K. 1972. 17(3): 173-180. M. (Ed. 1997. H.P. The use of simulation in the design and modification of flotation plants.V. 1997. King. D. The flotation behaviour of some chalcopyrite ores. E. 11(2): 133-143. A. Arizona. Manlapig..... Kawatra. 1963. la metodología presentada en este artículo ha predicho con una alta confiabilidad la tendencia de las respuestas de los minerales a los diversos cambios en el proceso de flotación ganando así una amplia aceptación a nivel mundial para la optimización de circuitos de flotación.. P..J. 1998. T.. E. Kelsall. Manlapig. Hyotniemi.19. T. 51: 51-65. Sin embargo.. S. 1976. Transactions AIME. 1992.1-10.. Johnson. D. Inoue. In: 19th International Mineral Processing Congress. R. S. Ene-Danalache. J. In: 6th International Mineral Processing Congress. 10.. C. Application of probability assessment of flotation systems. In: Fuerstenau. San Francisco. comunicación personal.. 157-163..J.. AIME. M. Harris. Niemi. Reprint No. 141-148. Frew.M. Ylinen.W.V. D. J. Madang.. Whiten. Phoenix. Harris..P. E. Harris. On characterisation of pulp and froth in cells of flotation plant. Thorne. Manlapig. February 24-27. In: Fuerstenau. Developments in mineral processing – mineral and coal flotation circuits. Fuerstenau.. Runge. Gaudin Memorial Volume.P..... I.. Cannes. 2: 937-962. PhD Thesis. Franzidis. 1995. N. Minerals Engineering. J. Johnson.M.K. 105-111. Lynch. The computer simulation of an iron ore flotation circuit.S.G. A. Elsevier Scientific Publishing Co. K. In: 6th Mill Operators’ Conference. The effect of froth residence time on the kinetics of flotation.C. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. E.W.C. M.. University of Queensland. Toronto..C. A. Franzidis. Chakravarti..P.C. Ward.V.K. 2000. 70: 191-204.. D. Kinetic considerations of froth flotation. Chander. Kinetics of coal flotation. Manlapig.. 1970. 247: 162-172.J.K. N.. Transactions AIME.P.. B.. Flotation kinetics. B.). A. S. Diao. Grano.W. Floatability of streams around the Cominco Red Dog lead cleaning circuit. AIME. R. J.). (Ed..J. Manlapig. 1998.

Manlapig.M. S. Hall. 1965. An empirical model for entrainment in industrial flotation plants. 1981. O.... 1998.M. M.S. AIME..P. 2003.V. 2006. International Journal of Mineral Processing. O. Gaudin Memorial Volume. In: 6th International Mineral Processing Congress.. Tomlinson.P.C. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.N. E. The influence of particle size and collector coverage of the floatability of galena particles in a natural ore. D. Cannes. International Journal of Mineral Processing. 77: 65-79. 11(3): 243-256.J.. Flotation. Alexander.C. In: Fuerstenau.. G. 1989. Cape Town. Flotation rate studies. A rational interpretation of the role of particle size in flotation. Minerals Engineering. Fleming. Modelling of industrial sulphide flotation circuits. (Ed. A compartment model for mass transfer inside a conventional flotation cell. J.J. Savassi.. D.).N. San Luis Potosí. Thorne.V.G. 1976.. Minerals Engineering.. Vianna... batch flotation behaviour of composite particles. A... Trahar. Lynch. 8: 289-327. S. Manlapig.S. México 15 .P. Sutherland. Franzidis. M. J. In: 22nd International Mineral Processing Congress.N. Manlapig. J.. Franzidis.Savassi.. E. 2: 937-961. E. 816-826.L..V. 2(3): 351-367. W. 563-579. H.J. A.