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

Estas mediciones incluyen: • Un parámetro hidrodinámico de la celda de flotación (flujo de área superficial de burbuja.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). XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. 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. • Un parámetro de la cama de espuma (eficiencia de recuperación. Sb). México 2 . Rf). Sin embargo. el desarrollo de nuevos modelos matemáticos ha sido extensamente aplicado al proceso de concentración de minerales por flotación. • Parámetros de arrastre mecánico (ξ y δ). 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. S. 1.L. 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. El objetivo de estos modelos ha sido el tener una herramienta útil para el diseño así como la optimización de circuitos existentes de flotación. INTRODUCCION En los años recientes.OPTIMIZACIÓN DE CIRCUITO DE FLOTACIÓN POR SIMULACION EN COMPUTADORA Juan Luis Reyes Bahena 1.P. • Un parámetro de flotabilidad del mineral (P).. Este artículo presenta una descripción de las técnicas de medición y modelos matemáticos para describir el proceso de flotación. 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.

P. adsorción de colector. el flujo de área superficial de burbuja. Runge y col. Ha sido observado que las propiedades de las partículas minerales. k = S b PR f (1) La flotabilidad del mineral. k. 1997). afectan la constante cinética de flotación.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.. 1981.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. P. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. Por ello la flotabilidad de una corriente no puede ser describa por un solo valor sino por una distribución (Imaizumi y Inoue.. 1963. Rf. grado de oxidación de la superficie de los minerales y el grado de dispersión de las partículas en el proceso. México 3 . Extensa investigación en este sub-proceso de la flotación ha concluido que la diferencia en la constante cinética de flotación.L. 1997).. Sb.. (Gorain y col. S. San Luis Potosí. composición mineralógica. generado en la celda y por la perdida en recuperación a lo largo de la cama de espuma. tales como el tamaño. obtenida en diferentes celdas fue debida a cambios en la flotabilidad del mineral. Lynch y col.

1976). S. liberación) es determinada a través de a siguiente expresión matemática: XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. Thorne y col. en cada clase en particular.P. Gorain y col. Cada clase es asumida a flotar con una flotabilidad discreta del mineral. triangular (Harris y Chakravarti. Kawatra y col. 1992) y normal (Chander y Polat.3 Componentes de flotabilidad basados en propiedades: La alimentación es representada en diferentes clases basado en alguna de las propiedades físicas del proceso. tamaño. la recuperación de cada clase es usada para calcular la constante cinética o flotabilidad del mineral de primer orden. La masa y la flotabilidad de cada componente son derivados usando técnicas de regresión.. 1970). 1.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. Grano. 1995).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. asociación del mineral o liberación (King.... se han presentado tres diferentes alternativas para determinar la distribución de valores de la constante cinética de primer orden. R. Algunas funciones de distribución propuestas son la distribución gama (Imaizumi y Inoue. San Luis Potosí. 2005. 1989. 2006) y adsorción de colectores (Vianna y col. rectangular (Huber Panu y col. 1982). los cuales han sido usados para determinar el parámetro P: 1. 1963). Así. 1997. de las diferentes clases de componentes de flotabilidad estudiadas (por ejemplo. 1. 1976. Niemi y col. 1965. En esta metodología.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. A través de trabajos publicados previamente. mineralogía. la recuperación global. Savassi. es decir. sinuosoidal (Diao y col.L. México 4 . 1.... la interacción burbuja-partícula y el arrastre mecánico.2003).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. 1981.1. Sutherland.1. 1976. El modelo propuesto por Kelsall (1961) es un ejemplo de este tipo de distribución de componentes de flotabilidad. Algunas de las propiedades usadas para describir la flotabilidad incluyen el tamaño de la partícula (Tomlinson y Fleming. 2000.1. Trahar. la recuperación verdadera.

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

Estos datos incluyen..P. 3. tales como: aire superficial del gas inyectado. mediciones de las características hidrodinámicas de las celdas de flotación. Matemáticamente. EXPERIMENTAL Los datos experimentales fueron colectados en varias plantas de concentración de minerales sulfuros.El flujo de área superficial de burbujas. 2. la cual procesa minerales de cobre. distribución de tamaños de burbujas. db.1 RESULTADOS Planta A En este segundo caso de estudio. es definido como el área superficial total de burbujas moviendo a través de la celda de flotación por área transversal por unidad de tiempo. La Figura 2 muestra el circuito de flotación de la planta A. pruebas de flotación a nivel laboratorio. Sb es expresado como: Sb = 6. 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. las campañas de muestreo en el circuito de flotación.J g db (5) donde Jg es la velocidad superficial de aire inyectado en la celda. México 6 .L. ENT. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. 3. arrastre mecánico. las simulaciones del circuito de flotación fueron realizadas con la finalidad de identificar métodos de mejora para la recuperación de valores. y la eficiencia en la cama de espuma. San Luis Potosí. Jg. db es el diámetro promedio de la burbuja generada en el celda. así como estimar el rendimiento del circuito con un incremento en capacidad. Rf. Sb. S.

017 0 0.41 0. San Luis Potosí. Tabla 1: Parámetros estimados del modelo del mineral de oro (% de flotabilidad en la alimentación) Mineral CuS NSG Vel.01 0. México 7 .1 Desarrollo del modelo matemático Datos de la campaña de muestreo.0081 0. S.07 0.94 XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.0019 0 Fracción de la Flotabilidad Rápida Lenta No-Flota 0. 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). lenta y la fracción no flotante.1.Primario Agotativo 1a Limpia 2a Limpia 3a Limpia Figura 2: Diagrama de flujo de circuito de flotación en Planta A 3.52 0. 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).L. caracterización hidrodinámica y los tiempos de residencia calculados fueron utilizados para el desarrollo del modelo matemático.. El modelo construido para cada uno de los minerales en estudio consta de tres componentes los cuales son caracterizados como: flotación media. La Tabla 1 muestra el porcentaje de cada uno de las diferentes clases de flotabilidad del mineral de cobre y ganga. De Flotabilidad Rápida Lenta No-Flota 0.P.045 0.05 0.

se realizó un cambio a nivel industrial de enviar el concentrado de la segunda limpia como producto final. El concentrado de cobre simulado es menor que el experimental debido a la predicción XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.2. San Luis Potosí.2 Cambio Simulado 0 -0.5 +0. La Tabla 2 muestra la predicción del simulador con los cambios a nivel planta.L.8 +1. existe una predicción aceptable del circuito con el modelo matemático desarrollado de acuerdo a los datos experimentales de planta..5 +0. eliminando así la 3ª limpia.1 +0.3 Como se observa en esta tabla.21 -0.5 -0. México 8 .3 +0.6 -3. S.1. 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 +0.1.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.1 Validación Antes de proceder al estudio de simulación para la optimización del circuito de flotación. Para ello.2 Simulación del circuito 3.5 +0. es necesaria la validación del modelo matemático. Figura 3: Recuperación de CuS modelada vs experimental 3.P.

las cuales son: • Sim 1a – enviar el concentrado de la celda 1 del primario a la limpia 3.3 +0.8 -2.3 Sim 2a +4. sin embargo el grado disminuye debido a la recuperación de minerales de ganga.8 +0.de la recuperación de ganga ligeramente alta en comparación con los datos experimentales.3 +0. 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. • Sim 2a – enviar el concentrado total del primario a la limpia 3.4 +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).4 +0.4 Como puede observarse.L. 2 y 3. 3. la recuperación global de cobre se incrementa en todos los casos de estudio. • Investigar abrir el circuito de la 1ª limpia para una capacidad adicional al circuito.2 Casos de simulación Una serie de simulaciones fueron realizadas con este modelo matemático.3 +0.2.1.4 Sim 3a +4.2 +0. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.0 -2. San Luis Potosí. La Tabla 3 muestra el resumen de los efectos de la recuperación y grado del mineral de cobre en la simulación 1. • Sim 3a – enviar a remolienda el concentrado agotativo y el concentrado primario a la limpia 3. De acuerdo a la tendencia de las respuestas de estas simulaciones. respectivamente. • Investigar el redireccionamiento del concentrado del primario a la limpia 3. 3. 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. • Investigar la posibilidad de remoler las colas del agotativo.. México 9 . 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. El modelo matemático fue desarrollado para usarlo en varias simulaciones con el fin de determinar las posibles oportunidades de mejora en el circuito.6 +0. S.P.9 -1.9 +0.

. México 10 . lenta y la fracción no flotante. media.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.2. 3. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. S.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). 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. San Luis Potosí.L. 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.P.

De Flotabilidad Media Lenta No-Flota Sulfuro de Cobre 0.1856 0.5665 0.0763 0.1736 0.0272 0.1045 0 0.062 0 0 Sulfuro de Fierro 0 0.5287 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.0155 0.1157 0.2245 0. • Sim 2b – incremento en la capacidad del banco de re-flotación.6077 Fracción de la Flotabilidad Rápida Media Lenta 3.4604 0 0.P.0364 0.02 0.2.2 Simulación del circuito 3.0265 0. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.7393 0 0.0638 Ganga No Sulfurosa 0 0.172 0.047 Figura 5: Recuperación modelada vs experimental del circuito de flotación de la planta B 3.6756 1.2.2 Casos de simulación Las simulaciones realizadas fueron: • Sim 1b – disminución en el tonelaje de alimentación del circuito en un 50%.. • Sim 3b – incremento en la capacidad en otros bancos de flotación.7236 0.0109 0.4063 0 0.0125 0 0 0 0 0. México 11 . San Luis Potosí.L.2.1756 0.1578 0 0.1015 0. S.9021 0.

71 22.25 98. el cual posiblemente este muy asociado con el mineral de cobre. Investigación de liberación de minerales es fuertemente recomendado para validar esta conclusión.51 96.35 Vaselina (operación actual). Tabla 5: Grado/recuperación en el concentrado final de la planta B al disminuir 50% el flujo de alimentación CuS Recuperación. México 12 . fueron enfocadas directamente a la evaluación del efecto del incremento de capacidad en la etapa de re-flotación (Tabla 6).31 38.69 3.56 NSG Recuperación. % 96. % 74.3% debido al incremento en la recuperación de FeS. % 19. En general. Sim 1b: 50% Flujo de Alimentación. Sim 2b: incremento del 50% capacidad Sim 2b: incremento del 100% de capacidad. 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. otra serie de simulaciones fueron realizadas en bancos individuales del circuito.43 3.En el primer caso de simulación (Sim 1b).11 FeS Recuperación. % 3.0% debido principalmente al incremento en la recuperación de FeS. % 19.25 96. Tabla 6: Efecto del incremento en capacidad en re-flotación sobre la relación recuperación/grado del concentrado final de la planta B CuS Recuperación. % 96. % 3..92 NSG Recuperación.43 6. al disminuir del tonelaje de sólidos en el flujo de alimentación la recuperación global de valores tiende a incrementarse.74 72. el grado de CuS disminuye un 2.99 Grado. Para poder determinar cual etapa del circuito de flotación de la planta B requiere de un incremento en capacidad.80 Grado.L. la disminución del grado de CuS se debe principalmente al incremento en la XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. Nuevamente. indicando que la planta tiene problemas de capacidad (Tabla 5). Las simulaciones Sim 2b. S. La Tabla 7 muestra los resultados resumidos de la serie de simulaciones Sim 3b.P.85% y el grado disminuye en un 15. Estas simulaciones muestran que el incremento en recuperación de CuS no es muy importante y sin embargo.59 FeS Recuperación. % 74.39 72.39 59.05 Vaselina (operación actual).31 21. San Luis Potosí. 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.

Tabla 7: Efecto del incremento en capacidad en otros bancos sobre la relación recuperación/grado del concentrado final de la planta B CuS Recuperación.31 96. Sim 3b: 25% incremento en capacidad del banco agotativo. 4. México 13 .L.43 3.17 71.P.18 22. la predicción XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.54 96.71 4. Sim 3b: 50% incremento en capacidad del banco agotativo.07 NSG Recuperación. San Luis Potosí. Sim 3b: 50% incremento en capacidad del banco de 2a limpia.13 3.90 97. 97. % 3.39 74. Sim 3b: incrementado capacidad al 50% en banco agotativo & 100% en banco de re-flotación & 35% en banco de 1ª limpia. 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. posiblemente por la intima relación entre los minerales de CuS.21 69. Como todo simulador. 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.88 21. % 74.79 25.. % 96.34 FeS Grado.31 19.recuperación del mineral FeS.56 3.0% la recuperación de CuS a expensas de reducir el grado de CuS en un 2. 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.62 19.7%. 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).50 3.67 96.78 72.33 Recuperación. % 19. Sim 3b: incrementado capacidad al 50% en banco agotativo & 100% en banco de re-flotación.79 71.05 73.27 De acuerdo a los resultados de esta tabla.25 96.04 Vaselina (operación actual). Sim 3b: 35% incremento en capacidad del banco de 1a limpia. Esta simulación permite incrementar en casi 1.73 23.58 4. S.

N.. San Francisco.A.. Kelsall. R. Chakravarti.. Suardini. Flotation.1-10.. Grano.. E. PhD Thesis.. En: 6th Mill Operators’ Conference. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. Madang.K.. 1997..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. Elsevier Scientific Publishing Co. 17(3): 173-180. On characterisation of pulp and froth in cells of flotation plant.G. 1998. University of Queensland.. Application of probability assessment of flotation systems. 1997. Niemi. 1970. In: 6th Mill Operators’ Conference.. México 14 .G. Polat. 1976.. Madang.J. S. Toronto. 10. AusIMM. E. E. Ene-Danalache.W..V. Modelling of the Mount Isa rougher-scavenger copper flotation circuit using size-by-liberation data.M.. Johnson. Ward.C.D.K.P. Kinetic considerations of froth flotation.. Flotation kinetics. Harris.M. Gaudin Memorial Volume. Morrison. N. 1963.V. In: 6th International Mineral Processing Congress. Frew.K. D.. M.. M.. Johnson. 6-8th October. 92-200. methods for estimating distribution rate constants.. SME-AIME Annual Meeting. Sin embargo. 2: 937-962. The flotation behaviour of some chalcopyrite ores. A. 105-111. 581-605.C.K. Inoue. In: 19th International Mineral Processing Congress. A. E. Cannes.. Transactions AIME. 51: 51-65.19. 11(7): 627-638. 157-163. Gorain. Mathematical models of batch and contonuous flotation. B.. 2005. Manlapig. 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. The use of simulation in the design and modification of flotation plants. Kinetics of coal flotation. 2000. 70: 191-204. 1972.). Transactions AIME. AusIMM. 141-148. Manlapig. February 24-27.W. 2: 675-724. W. Hyotniemi. Chander.. King.J. P.C. International Journal of Mineral Processing. T. Manlapig. Harris. R.P. (Ed. S.. Minerals and Metallurgical Processing. S..S. B. The effect of froth residence time on the kinetics of flotation. Fuerstenau. J... Huber-Panu.). J.. (Ed.J.. Floatability of streams around the Cominco Red Dog lead cleaning circuit. A. Manlapig. 1982. N.. C. Phoenix. T. Gorain. Runge.. BIBLIOGRAFÍA Alexander. Thorne. AIME. S. Johnson.. I. Gaudin Memorial Volume. Diao.J. J.L. Developments in mineral processing – mineral and coal flotation circuits. C. Cojocariu. M.J. 11(2): 133-143. Lynch. A. J. M. H. 5. Manlapig. D. Hanson. Franzidis.. A. D. San Luis Potosí. K. In:14th International Mineral Processing Congress. comunicación personal. Minerals Engineering.. M. Harris. New York.. 1981.. Imaizumi.W. Whiten.. 1998. In: Fuerstenau. K. J.. Kawatra..V. Rapid estimation of floatability components in industrial flotation plants.F. Franzidis.P. E.. Arizona. Franzidis. B. 1992. 1976..V. Minerals Engineering. D..W. 1995.P. AIME.C. 1997. 6-8th October. 1961.C.C. E..P. In: Fuerstenau.. Ylinen. Flotation. J. R. 247: 162-172. Gorain.V. The computer simulation of an iron ore flotation circuit. Semi-batch froth flotation kinetics: species distribution analysis.. Bubble surface area flux – a new criterion for flotation scale-up. Reprint No...

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

Sign up to vote on this title
UsefulNot useful