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

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

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

. asociación del mineral o liberación (King. Algunas funciones de distribución propuestas son la distribución gama (Imaizumi y Inoue..1. Thorne y col. Así. en cada clase en particular.1. triangular (Harris y Chakravarti. 1989. mineralogía. la recuperación de cada clase es usada para calcular la constante cinética o flotabilidad del mineral de primer orden.. 2000. 1970).2003). 1976). 2006) y adsorción de colectores (Vianna y col. 2005. S.L.. tamaño. sinuosoidal (Diao y col. Grano. la recuperación global. 1. 1982). San Luis Potosí. La masa y la flotabilidad de cada componente son derivados usando técnicas de regresión. Sutherland. Kawatra y col.1. 1981. Savassi.. R. El modelo propuesto por Kelsall (1961) es un ejemplo de este tipo de distribución de componentes de flotabilidad.P. En esta metodología. es decir. Algunas de las propiedades usadas para describir la flotabilidad incluyen el tamaño de la partícula (Tomlinson y Fleming..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. la interacción burbuja-partícula y el arrastre mecánico. Cada clase es asumida a flotar con una flotabilidad discreta del mineral. los cuales han sido usados para determinar el parámetro P: 1. se han presentado tres diferentes alternativas para determinar la distribución de valores de la constante cinética de primer orden. A través de trabajos publicados previamente.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. 1997. 1. 1. de las diferentes clases de componentes de flotabilidad estudiadas (por ejemplo. 1976. rectangular (Huber Panu y col.3 Componentes de flotabilidad basados en propiedades: La alimentación es representada en diferentes clases basado en alguna de las propiedades físicas del proceso. liberación) es determinada a través de a siguiente expresión matemática: XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. Trahar. 1995). Gorain y col. Niemi y col. 1992) y normal (Chander y Polat. 1965.2 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.. la recuperación verdadera.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. México 4 . 1963). 1976.

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

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

Tabla 1: Parámetros estimados del modelo del mineral de oro (% de flotabilidad en la alimentación) Mineral CuS NSG Vel. La Tabla 1 muestra el porcentaje de cada uno de las diferentes clases de flotabilidad del mineral de cobre y ganga.0081 0.0019 0 Fracción de la Flotabilidad Rápida Lenta No-Flota 0.045 0. S. De Flotabilidad Rápida Lenta No-Flota 0. México 7 .94 XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006..07 0.L. San Luis Potosí.017 0 0.1 Desarrollo del modelo matemático Datos de la campaña de muestreo. El modelo construido para cada uno de los minerales en estudio consta de tres componentes los cuales son caracterizados como: flotación media.41 0.01 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.1.05 0.Primario Agotativo 1a Limpia 2a Limpia 3a Limpia Figura 2: Diagrama de flujo de circuito de flotación en Planta A 3. caracterización hidrodinámica y los tiempos de residencia calculados fueron utilizados para el desarrollo del modelo matemático. 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).52 0.P.

es necesaria la validación del modelo matemático. 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 +0.3 +0.3 Como se observa en esta tabla.1.5 +0.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. eliminando así la 3ª limpia. Para ello.6 -3.2 Cambio Simulado 0 -0.8 +1. S.1 +0.5 +0.21 -0. Figura 3: Recuperación de CuS modelada vs experimental 3.. 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 Tabla 2 muestra la predicción del simulador con los cambios a nivel planta.2 Simulación del circuito 3. San Luis Potosí. México 8 .P.5 -0. se realizó un cambio a nivel industrial de enviar el concentrado de la segunda limpia como producto final.1 Validación Antes de proceder al estudio de simulación para la optimización del circuito de flotación.2.1. existe una predicción aceptable del circuito con el modelo matemático desarrollado de acuerdo a los datos experimentales de planta.L.5 +0.

.3 Sim 2a +4. • Investigar el redireccionamiento del concentrado del primario a la limpia 3.0 -2.2 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. • Investigar la posibilidad de remoler las colas del agotativo. 3.6 +0.3 +0. La Tabla 3 muestra el resumen de los efectos de la recuperación y grado del mineral de cobre en la simulación 1.2 +0.8 -2.9 -1.3 +0. respectivamente.4 Sim 3a +4. 3. sin embargo el grado disminuye debido a la recuperación de minerales de ganga. 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. la recuperación global de cobre se incrementa en todos los casos de estudio.L.9 +0. San Luis Potosí.P. • Sim 3a – enviar a remolienda el concentrado agotativo y el concentrado primario a la limpia 3. 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.2 Casos de simulación Una serie de simulaciones fueron realizadas con este modelo matemático.4 Como puede observarse. De acuerdo a la tendencia de las respuestas de estas simulaciones.4 +0. 2 y 3. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.1.2. S.3 +0.8 +0. México 9 . • Sim 2a – enviar el concentrado total del primario a la limpia 3. las cuales son: • Sim 1a – enviar el concentrado de la celda 1 del primario a la limpia 3. 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.de la recuperación de ganga ligeramente alta en comparación con los datos experimentales. • Investigar abrir el circuito de la 1ª limpia para una capacidad adicional al circuito.

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

0155 0.1015 0.4604 0 0. S.0763 0.0109 0.1756 0.L. San Luis Potosí.2. De Flotabilidad Media Lenta No-Flota Sulfuro de Cobre 0.2245 0.2.2 Simulación del circuito 3.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.4063 0 0.9021 0.6077 Fracción de la Flotabilidad Rápida Media Lenta 3.2 Casos de simulación Las simulaciones realizadas fueron: • Sim 1b – disminución en el tonelaje de alimentación del circuito en un 50%.6756 1.02 0.1856 0.1045 0 0..0638 Ganga No Sulfurosa 0 0.7393 0 0.0265 0.172 0.5665 0.P.7236 0.5287 0.0364 0.1736 0.0272 0. México 11 .062 0 0 Sulfuro de Fierro 0 0.0125 0 0 0 0 0. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.1157 0.2.047 Figura 5: Recuperación modelada vs experimental del circuito de flotación de la planta B 3. • Sim 2b – incremento en la capacidad del banco de re-flotación. • Sim 3b – incremento en la capacidad en otros bancos de flotación.1578 0 0.

% 3. 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. % 96.59 FeS Recuperación.39 59. % 74.92 NSG Recuperación.L. Las simulaciones Sim 2b. S. Tabla 6: Efecto del incremento en capacidad en re-flotación sobre la relación recuperación/grado del concentrado final de la planta B CuS Recuperación.05 Vaselina (operación actual).35 Vaselina (operación actual). al disminuir del tonelaje de sólidos en el flujo de alimentación la recuperación global de valores tiende a incrementarse.80 Grado. Sim 2b: incremento del 50% capacidad Sim 2b: incremento del 100% de capacidad.85% y el grado disminuye en un 15.51 96.56 NSG Recuperación.74 72.69 3.P.3% debido al incremento en la recuperación de FeS. el cual posiblemente este muy asociado con el mineral de cobre. otra serie de simulaciones fueron realizadas en bancos individuales del circuito.31 38.0% debido principalmente al incremento en la recuperación de FeS.43 6. % 19. 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.. el grado de CuS disminuye un 2.En el primer caso de simulación (Sim 1b).71 22. la disminución del grado de CuS se debe principalmente al incremento en la XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.43 3. Sim 1b: 50% Flujo de Alimentación. San Luis Potosí.39 72. Estas simulaciones muestran que el incremento en recuperación de CuS no es muy importante y sin embargo. Para poder determinar cual etapa del circuito de flotación de la planta B requiere de un incremento en capacidad.99 Grado. indicando que la planta tiene problemas de capacidad (Tabla 5). fueron enfocadas directamente a la evaluación del efecto del incremento de capacidad en la etapa de re-flotación (Tabla 6).25 96. % 19.25 98. En general. % 96.31 21. Investigación de liberación de minerales es fuertemente recomendado para validar esta conclusión. México 12 . Nuevamente.11 FeS Recuperación. Tabla 5: Grado/recuperación en el concentrado final de la planta B al disminuir 50% el flujo de alimentación CuS Recuperación. % 74. % 3. La Tabla 7 muestra los resultados resumidos de la serie de simulaciones Sim 3b.

31 19.0% la recuperación de CuS a expensas de reducir el grado de CuS en un 2. la predicción XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006.recuperación del mineral FeS. posiblemente por la intima relación entre los minerales de CuS.33 Recuperación.43 3. Sim 3b: incrementado capacidad al 50% en banco agotativo & 100% en banco de re-flotación.39 74. 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.71 4.56 3.7%. Sim 3b: 35% incremento en capacidad del banco de 1a limpia. Como todo simulador. Sim 3b: 50% incremento en capacidad del banco agotativo. 97. 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. 4.73 23. San Luis Potosí. 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. % 96.67 96.05 73.13 3.25 96. % 74. Sim 3b: 25% incremento en capacidad del banco agotativo.78 72. S. Sim 3b: 50% incremento en capacidad del banco de 2a limpia.17 71.L.P.88 21.50 3..54 96.18 22. % 19. Tabla 7: Efecto del incremento en capacidad en otros bancos sobre la relación recuperación/grado del concentrado final de la planta B CuS Recuperación.90 97.62 19.27 De acuerdo a los resultados de esta tabla.79 71.31 96.04 Vaselina (operación actual). México 13 .34 FeS Grado.79 25. Esta simulación permite incrementar en casi 1.58 4.21 69. 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). % 3.07 NSG Recuperación.

AIME.. Harris.. 247: 162-172. E. Johnson. C. 17(3): 173-180. B.K. AusIMM. R.. XIII Encuentro Sobre Procesamiento de Minerales 11-13 Octubre 2006. Minerals and Metallurgical Processing.. Ene-Danalache... A.. 11(7): 627-638. N. Franzidis. 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. Kinetic considerations of froth flotation.J.. W.P. J.W. Transactions AIME. B.K. Minerals Engineering. 2000. D. S. 1976.C.P.. 2: 937-962. Cannes. Application of probability assessment of flotation systems. AusIMM.G.K. Toronto. 10. R. Mathematical models of batch and contonuous flotation.. Developments in mineral processing – mineral and coal flotation circuits. Madang.J. University of Queensland. 2005. In:14th International Mineral Processing Congress. M.. Flotation. 1981. In: 19th International Mineral Processing Congress.P. Frew. En: 6th Mill Operators’ Conference. Imaizumi. Manlapig. Harris. Cojocariu. H. (Ed... 1992.C. 157-163.L. Manlapig.V.. 141-148. Kelsall. 1997. Kawatra. T. Inoue. E. Grano. 11(2): 133-143. Minerals Engineering. SME-AIME Annual Meeting. D. Diao.. 1998..V. 6-8th October. A. S. 1970. 1995. In: 6th Mill Operators’ Conference. (Ed..). E. Semi-batch froth flotation kinetics: species distribution analysis. Franzidis.. Gorain. K. J.. February 24-27.. On characterisation of pulp and froth in cells of flotation plant. Madang. Ylinen.J. Johnson.. Lynch.C. Niemi. The computer simulation of an iron ore flotation circuit. King. Suardini. 51: 51-65. San Francisco. 1963. J. Flotation. The flotation behaviour of some chalcopyrite ores. E. Phoenix.19.. M. The use of simulation in the design and modification of flotation plants. In: Fuerstenau. 2: 675-724.).G. J. Manlapig.... 6-8th October. Huber-Panu.M. D.C. E. Gorain. N.P. 1997..W. Polat.A.. D. In: Fuerstenau. J.V.D. 1997.C.. N. International Journal of Mineral Processing. Sin embargo. Runge.1-10. J. BIBLIOGRAFÍA Alexander. México 14 .. 92-200.V.V. PhD Thesis. Hyotniemi.S.. comunicación personal.. Modelling of the Mount Isa rougher-scavenger copper flotation circuit using size-by-liberation data. R. Gorain. C.. T. Franzidis... Flotation kinetics. A. San Luis Potosí.. B. Kinetics of coal flotation. A. 70: 191-204. Thorne... Gaudin Memorial Volume. Gaudin Memorial Volume.W. Floatability of streams around the Cominco Red Dog lead cleaning circuit.. Chander.P. methods for estimating distribution rate constants. I. Morrison. Reprint No. Ward. S.M. Manlapig. Arizona.. Johnson. Hanson. 1982. In: 6th International Mineral Processing Congress.. 1976. Whiten. M. 1972. 5. K.. AIME. 1961. Chakravarti. New York. P. 581-605. A..F. 1998.J. E. Fuerstenau. The effect of froth residence time on the kinetics of flotation. Harris. S..K.. 105-111. Manlapig.C. Transactions AIME. Rapid estimation of floatability components in industrial flotation plants..W. M.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. M.J. Elsevier Scientific Publishing Co. Bubble surface area flux – a new criterion for flotation scale-up.

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