TTULO DEL PROYECTO:

SIMULACIN DE LA VISCOSIDAD DE SUSPENSIONES MINERALES MEDIANTE EL

USO DE REDES NEURONALES.



ESTUDIANTE:

GABRIEL FELIPE AGUILERA GLVEZ
Ingeniero de Minas y Metalurgia, estudiante Maestra en Ingeniera
rea de Materiales y Procesos
Facultad de Minas, Universidad Nacional de Colombia
gfaguile@unalmed.edu.co
aguileragalvez@epm.net.co


DIRECTOR:

MOISS OSWALDO BUSTAMANTE RA
Profesor Asociado-Universidad Nacional de Colombia
Director Grupo de Investigacin en Geologa Aplicada, Minera Y Metalurgia Extractiva,
Instituto de Minerales CIMEX.
mobustam@unalmed.edu.co


LNEAS DE INVESTIGACIN:

Reologa de Suspensiones Minerales.
Simulacin y Control de Procesos.


TIPO DE PROYECTO:

Innovacin tecnolgica.
Implementacin de tecnologa informtica a procesos mineros.



Palabras Clave: Reologa de Suspensiones, Electroviscosidad, Simulacin de Procesos,
Redes Neuronales, Minerales Industriales.

TABLA DE CONTENIDO

RESUMEN ........................................................................................................................................ 1
DESCRIPCIN DETALLADA DEL PROYECTO ..................................................................... 2
OBJETIVO GENERAL .................................................................. Error! Marcador no definido.
OBJETIVOS ESPECFICOS ......................................................... Error! Marcador no definido.
PLANTEAMIENTO DEL PROBLEMA ....................................................................................... 3
Definicin de una Suspensin Mineral .......................................................................................... 3
Clasificacin Reolgica de Fluidos ............................................................................................... 4
Reologa de Suspensiones Minerales ............................................................................................. 4
Inteligencia Artificial ..................................................................................................................... 5
Definicin de las Redes Neuronales Artificiales ............................................................................ 6
Propuesta de trabajo ...................................................................................................................... 6
IMPACTO ESPERADO .................................................................................................................. 8
Productos ....................................................................................................................................... 9
METODOLOGA .......................................................................................................................... 10
ACTIVIDADES .............................................................................................................................. 11
CRONOGRAMA DE ACTIVIDADES ........................................................................................ 12
ACTIVIDADES .............................................................................................................................. 12
BIBLIOGRAFA ............................................................................................................................ 13

1
RESUMEN


El Proyecto de Investigacin tiene como fin implementar un simulador de la viscosidad de
las dispersiones coloidales minerales utilizando como variables parmetros fisicoqumicos
y mineralgicos con efecto sobre la reologa de las suspensiones mediante el uso de una
teora que proviene de la Mecnica del Medio Continuo. Adicionalmente se emplea una
herramienta basada en la Inteligencia Artificial, de tal manera que sea un mecanismo
eficiente en la simulacin de la reologa de suspensiones.

Con estos factores combinados se podr referenciar un sistema completo de partcula-
fluido al sistema inteligente para que as ambos se puedan retroalimentar dentro de cotas
definidas y puedan establecer un nuevo sistema de control y simulacin de los procesos
reolgicos en suspensiones minerales.

En particular se quiere identificar y cuantificar el efecto de los cambios de los diferentes
parmetros reolgicos (viscosidad aparente, esfuerzo de cedencia, tiempo de relajacin y
mdulo de rigidez, por ejemplo) respecto a los parmetros de deformacin (Tasa de
cizalladura), parmetros de la suspensin (fraccin volumtrica de slidos, distribucin de
tamaos de partcula, rea superficial especfica) y parmetros fisicoqumicos
superficiales (Potencial Zeta y concentracin de iones solubles en el medio acuoso).

Se pretende que al final del proyecto se puedan implementar industrialmente las nuevas
herramientas a partir de un simulador que opere en base a las variables antes
mencionadas, y adicionalmente se buscar que se pueda compartir el conocimiento
generado tanto en el medio industrial del pas como en los medios acadmicos nacionales
e internacionales.
2
DESCRIPCIN DETALLADA DEL PROYECTO


OBJETIVO GENERAL

Simular la viscosidad de suspensiones minerales sometidas a deformacin por esfuerzos
de cizalladura para determinar y cuantificar la viscosidad, considerando aspectos
fisicoqumicos, de la suspensin, del sistema particulado y del fluido que forma parte de la
dispersin, usando una Red Neuronal Artificial.


OBJETIVOS ESPECFICOS

1. Diseo de un algoritmo de simulacin de las viscosidades Aparente (
a
) y Newtoniana
(

) a diversas tasas de cizalladura para una suspensin de minerales arcillosos tipo
caoln, considerando los siguientes parmetros de la dispersin:

Variables fsicas como DTP (Distribucin de Tamao de Partcula), ASE (rea
Superficial Especfica) y
v
(Fraccin volumtrica de slidos);

Variables fisicoqumicas como Potencial Zeta (el cual involucra el pH de las
suspensiones y la presencia de iones);

Variables mineralgicas (presencia de especies minerales estratgicas);

Variables netamente reolgicas como la tasa de cizalladura
&
y el tiempo
caracterstico de la deformacin. Se estudia el fenmeno de la electroviscosidad en
suspensiones con un rango de tamao menor o igual a 44 m (malla 325).

2. Definicin de un procedimiento (topologa) para aplicar una Red Neuronal Artificial a un
proceso de simulacin y eventual control del manejo de suspensiones minerales.

3. Determinacin experimental de datos para entrenar la Red Neuronal y obtener as el
simulador, y con base en los algoritmos de educacin de la misma, disear efectivamente
las suspensiones minerales.

3
PLANTEAMIENTO DEL PROBLEMA

Definicin de una Suspensin Mineral

Una suspensin, o lo que tambin se conoce en la literatura como una dispersin,
consiste de un sistema compuesto por partculas discretas distribuidas aleatoriamente en
un fluido. Desde un enfoque reolgico, las suspensiones poseen intervalos de
comportamiento mecnico tipo lquido y tipo slido. Se sabe que al agregar partculas
rgidas a un medio fluido se altera el campo de flujo. Esta perturbacin hidrodinmica fue
primero estudiada por Einstein (1956) para el caso singular de partculas esfricas y
relativamente pequeas en una suspensin diluida, encontrando una expresin bastante
simple para la viscosidad de la suspensin.

Si las partculas son muy pequeas (< 1 m), las fuerzas coloidales entre partculas
comienzan a controlar intensamente el campo de flujo, y an a bajas concentraciones y
con pequeos cambios de la fraccin volumtrica de slidos se generan grandes cambios
en la viscosidad de la mezcla (Batchelor, 1977). En consecuencia, ser de gran utilidad el
conocer el efecto de ciertas propiedades de tipo fisicoqumico y mineralgico sobre las
variables reolgicas, las cuales van a depender directamente de la concentracin de
slidos en suspensin, de la forma y tamao de las partculas y de los minerales que se
presentan en la fraccin menor a 0.2 m.



Figura 1. Composicin de una suspensin como un sistema fluido-partcula.


4
Clasificacin Reolgica de Fluidos

En reologa se distinguen dos tipos de materiales segn su comportamiento mecnico: los
tipo slidos y los tipo lquidos (tambin se conocen como fluidos, en general). Un fluido es
un material que bajo la aplicacin de un esfuerzo, o un campo de esfuerzos de cizalladura
se deforma permanentemente y de manera continua (Makosko, 1994). Para un lquido
lineal, se puede demostrar que el tensor de esfuerzo posee la siguiente estructura (Serrin,
1959):

p = +
E
T I T (1.1)

donde p es una presin o campo de esfuerzos externos escogidos aleatoriamente (Serrin,
1959), T
E
es el tensor extra o constitutivo e I el tensor identidad. Este tensor T
E
proviene
del anlisis de disipacin de energa en un proceso de deformacin, tal como ocurre con
los fluidos deslizantes, y es una medida de un comportamiento disipativo viscoso.

De manera general una suspensin tiene como ecuacin constitutiva:


( )D I - T
T I - T
p
p
&
a
E
2 + =
+ =
(1.2)

La anterior ecuacin es conocida como ECUACIN CONSTITUTIVA PARA UN FLUIDO
NEWTONIANO GENERALIZADO (viscoso, deslizante), o fluido Newtoniano si es de
carcter estrictamente lineal, donde
a
(la viscosidad aparente) es un parmetro fijo. Vale
la pena recalcar que la viscosidad no permanece invariante con el cambio de la tasa de
cizalladura, y D es el tensor velocidad de estiramiento o gradiente de deformacin, el cual
representa la parte simtrica del gradiente de velocidad (Mase, 1976; Bustamante 2001;
Asszonyi, 1979; Truesdell, 1966 y Gurtin, 1981).


Reologa de Suspensiones Minerales

Al agregar partculas a un fluido Newtoniano el comportamiento reolgico se vuelve an
ms complejo, dando origen a una disminucin o aumento de la energa mecnica que se
disipa a medida que se incrementa la tasa de cizalladura (shear thinning o seudoplstica
y shear thickening o dilatante, respectivamente)( Bustamante, 2001). Por otro lado, si se
calcula la razn entre el esfuerzo de cizalladura aplicado y la tasa de cizalladura generada
en la deformacin permanente de la suspensin, se puede obtener por definicin, la
viscosidad aparente de la suspensin
a
de la siguiente forma:

&
= =
a cizalladur de Tasa
a cizalladur de Esfuerzo

a


Donde es el esfuerzo de cizalladura y
&
es la tasa de cizalladura. Se define una
suspensin Newtoniana como aquella que posee un valor fijo de la viscosidad aparente
a
para todos los pares ordenados ( & , ),mientras que una suspensin no-Newtoniana,
desarrolla diferentes valores de la viscosidad aparente
a
para los diferentes pares
ordenados ( & , ), lo cual se ajusta perfectamente al concepto de fluido Newtoniano
5
generalizado. Cuando la viscosidad aparente de la suspensin
a
es montonamente
decreciente con aumento de la tasa de cizalladura, es equivalente a decir que la tasa de
cizalladura se incrementa ms rpidamente que el esfuerzo de cizalladura en el proceso
de deformacin. A este tipo de fluido se le denomina seudoplstico, o lo que es
equivalente, un fluido cizalle-adelgazante.

De manera inversa, cuando la viscosidad aparente
a
es montonamente creciente a
medida que aumenta la tasa de cizalladura, se define el comportamiento dilatante (ver
figura 2) o de fluido cizalle-espesante. Normalmente, las suspensiones minerales se han
caracterizado por tener un comportamiento reolgico cizalle-adelgazante.



















Figura 2. Curvas de flujo tpicas para suspensiones Newtonianas y no-Newtonianas


Inteligencia Artificial

A lo largo del tiempo, los ingenieros han tenido una actitud recelosa hacia la construccin
de modelos cuantitativos para la toma de decisiones. Dos tecnologas recientes han
revolucionado la construccin de modelos al hacer posible que los ingenieros construyan
y analicen sus propios modelos. Esas dos tecnologas son los computadores personales y
los avanzados programas informticos, que han permitido la aplicacin directa de la
construccin de modelos para la toma de decisiones por los ingenieros de las empresas.
Esta utilizacin directa de modelos como apoyo de decisiones no slo se traduce en
mejores decisiones, sino que adems, da a los ingenieros conocimientos importantes que
anteriormente se perdan. En trminos prcticos, el uso de RNA tambin podr ayudar a
la industria a conocer la influencia de las principales variables de operacin en el
comportamiento de un sistema particulado, y manipularlas.

Los procedimientos disponibles en la actualidad para la solucin fenomenolgica de los
modelos de ingeniera utilizados para calcular, estimar y evaluar variables importantes en
los procesos mineralrgicos a nivel industrial implican mucho trabajo a los ingenieros
porque su desarrollo es muy dispendioso en materia matemtica. La solucin a este
6
inconveniente de orden prctico est en catalizar el proceso de generacin de la
informacin necesaria mediante el uso de una tcnica que combine tanto las herramientas
de la informtica como el conocimiento especfico de los fenmenos, es decir, un acople
entre la tcnica y la tecnologa de las ciencias de la Ingeniera de Sistemas y de la
Mineralurgia.


Definicin de las Redes Neuronales Artificiales

Las redes neuronales artificiales, inspiradas en el sistema nervioso biolgico, es una
tcnica ampliamente usada para reconocimiento de patrones, prediccin de procesos de
control y para descubrir patrones en datos que de otra manera seran oscuros para un
observador (Freeman, 1993). Ellas tambin ofrecen buen funcionamiento en presencia de
lgica difusa o datos de entrada no muy bien determinados. La definicin dada por
Kohonen dice: Las redes neuronales artificiales son redes interconectadas masivamente
en paralelo, de elementos simples (usualmente adaptativos) y con organizacin
jerrquica, las cuales intentan interactuar con los objetos del mundo real del mismo modo
que lo hace el sistema nervioso biolgico.

Bsicamente las redes neuronales artificiales son modelos inspirados en el
funcionamiento del cerebro y su comportamiento (Hilera, 1995). La topologa o
arquitectura de una red neuronal est formada por un conjunto de elementos bsicos de
procesamiento (Las neuronas artificiales) y las conexiones entre ellas. Cada conexin
lleva asociado un valor llamado peso, que puede ser excitador o inhibidor. La neurona
artificial realiza la suma ponderada de los pesos de todas las neuronas de las que recibe
estmulos y como salida da un resultado pasado a travs de una funcin llamada funcin
de activacin. Las redes neuronales se agrupan en capas y se habla de redes de
conexin hacia adelante entre las distintas capas y de conexin total cuando adems del
conexionado hacia adelante, existen conexiones hacia atrs y conexionado con la misma
neurona y con las de la misma capa. El proceso de encontrar los pesos ptimos de la red
se llama algoritmo de aprendizaje.

En resumen, las RNA no tratan de asumir o determinar una relacin funcional entre las
variables de entrada y salida. En su lugar, la red simplemente crea un mapa de la entrada
hacia la salida, basada en los ejemplos con los cuales fue entrenada. Para este propsito
requiere de abundante informacin de IO del proceso y de un objetivo a identificar, el cual
puede ser un modelo directo del proceso, o bien, un modelo de la inversa del proceso
(apto para control). De esta manera, la primera ventaja que se aprecia al utilizar una red
neuronal para identificar un proceso dinmico es evitar especificar la estructura del
modelo del proceso.

Propuesta de trabajo

Dado que dentro del entorno de beneficio y procesamiento mineral nacional es poco
comn la utilizacin de las herramientas creadas a partir de la Ingeniera de Sistemas
para controlar, simular, estimar y disear procesos industriales, es necesario en este caso
estudiar tanto los procesos reolgicos de dispersiones minerales como las herramientas
tecnolgicas en informtica disponibles y con una contextualizacin especfica en
simulacin y control, tratar de obtener una estructura de una RNA que permita simular el
comportamiento los sistemas particulados.

7
Por otro lado existe una marcada tendencia por parte de muchos investigadores en
reologa de suspensiones a modelar la viscosidad de las suspensiones minerales en el
lmite Newtoniano a tasas de cizalladura muy altas. Sin embargo, la informacin que se
obtiene a partir de esta aproximacin es muy limitada dado que no se puede conocer el
comportamiento reolgico de la suspensin en los intervalos de tasa de cizalladura
cercana a cero y en la regin seudoplstica. Por lo tanto se debe construir toda la curva
tomando todo el intervalo de
&
desde los valores ms bajos hasta los ms altos posibles.
Trabajando de esta manera se puede estudiar los esfuerzos en suspensiones y su
posterior modelacin, para obtener beneficios orientados hacia el mejor entendimiento de
la reologa en todos los intervalos de tasa de cizalladura.

A la luz de un nuevo sistema de mutua unin entre los modelos fenomenolgicos y los
sistemas expertos se quiere definir en primer lugar los clculos utilizados para determinar
las variables con base en los mismos modelos y el uso apropiado de los bancos de
informacin. Eso quiere decir que si se educa una RNA con informacin obtenida a partir
de ensayos se puede reemplazar antiguas tcnicas que resultaban bastante
dispendiosas. Una vez el sistema funcione adecuadamente se podr mediante
informacin de laboratorio o bien con mediciones sobre el proceso en tiempo real,
obtener las variables de respuesta ms rpidamente con la ventaja que presenta la
facilidad de obtencin de los datos.

8
IMPACTO ESPERADO


En trminos prcticos se pretende que mediante un simulador se pueda predecir el
comportamiento reolgico de suspensiones minerales coloidales.

Es importante tener en cuenta que en un sistema de partculas inmersas en un fluido
dentro de circuitos de beneficio de minerales o de procesamiento de los mismos para un
fin determinado, lleva consigo el planteamiento de otros aspectos de ingeniera
adicionales:

1. Eleccin de un diagrama de flujo y dimensionamiento los equipos de forma que pueda
ser alcanzado un rendimiento satisfactorio de la produccin requerida.

2. Disear suspensiones minerales mediante un simulador que funciona de acuerdo a los
algoritmos de la Inteligencia Artificial.

3. Que las dispersiones minerales involucradas en los diferentes procesos presenten
estabilidad que eviten las dificultades tcnicas.

Esto implica que se podr contar con un elemento de control necesario para una correcta
operacin de los procesos y equipos. Los objetivos de un sistema de control en una planta
industrial dependen de la finalidad de la misma, aunque en la mayora de las plantas es
requisito imprescindible una mxima produccin y una mxima calidad del producto. Para
este fin se deben tener en cuenta todos los componentes operativos del sistema completo
del proceso.

Es por eso que la simulacin es una importante ayuda en el diseo del sistema/proceso, y
los resultados tienen que ser establecidos en trminos de posibles cambios, tales como
facilitar la expansin o modificacin de los sistemas. Los resultados de cualquier intento
para producir un diseo ptimo de los circuitos, tanto si est basado en la simulacin o en
otras tcnicas matemticas, tienen que ser considerados en relacin con problemas y
requerimientos particulares, y la disponibilidad de la industria analizada a llevar a cabo
cambios.

Los usuarios de los alcances que la investigacin puede producir estn tanto en el campo
acadmico en cuanto a que se est produciendo nueva evidencia prctica de los
fenmenos electroviscosos, como en el campo industrial, ya que se estn generando
nuevas herramientas que tienden a la optimizacin de la calidad y la eficiencia de los
procesos involucrados.

Los usuarios en el campo acadmico de los resultados de la investigacin, por citar
algunos son:

- Profesores y estudiantes del rea de beneficio y procesamiento de minerales tanto
nacionales como internacionales, que contarn con nuevos elementos de juicio para
trabajar y aprender de la reologa de suspensiones.

- Estudiosos del rea de transporte y manejo de suspensiones minerales.

9
- Universidades e instituciones que tienen como fin la formacin de profesionales con
un amplio conocimiento de estas operaciones mineralrgicas y dems afines que
involucren el manejo de sistemas particulados.

- El grupo de investigacin, dado que se reafirman algunas lneas de investigacin. Se
mantiene un pensamiento fiel a la filosofa de que la nica forma de fortalecer un
grupo de trabajo es el trabajo mismo y la continua actividad de sus integrantes.

Ya en el campo de la industria se puede afirmar que en ella se reflejan todos los alcances
obtenidos a nivel terico producidos por los acadmicos. El sector industrial se nutre de
cada una de las bondades o defectos encontrados y discutidos en la investigacin, y
redunda el hecho de que dichos estudios son realizados tambin con el fin de optimizar la
produccin industrial.

Algunos de los beneficiarios en esta rea son:

Sector de los minerales industriales, especficamente el sector dedicado a la obtencin
y transformacin de minerales cermicos tales como el caoln, el talco, el yeso, la
bauxita, arenas ricas en cuarzo (silicio) y afines.

La industria cementera donde se beneficia y manipula segn el diseo de las plantas,
suspensiones minerales dentro del proceso mismo de la elaboracin del cemento.

La industria del reciclaje, donde desde sus primeras fases involucra la reologa de las
dispersiones.

Productos

El resultado final de la presente propuesta se resume en la obtencin de un simulador que
permita disear mezclas de suspensiones minerales en cuanto a sus propiedades
reolgicas se refiere (principalmente su viscosidad), a partir de datos de laboratorio,
planta piloto o planta industrial, y en tiempo real (Ver figura).


10
METODOLOGA

1. Revisin bibliogrfica. Estudio de la reologa de suspensiones minerales y
especficamente de los efectos electroviscosos en las dispersiones.

2. Estudio y anlisis de los algoritmos utilizados por las Redes Neuronales Artificiales. Se
debe ser cuidadoso en esta parte y realizar las conexiones respectivas a los procesos
que son el objeto de estudio. Si es necesario, se debe recurrir a un experto en Redes
Neuronales que facilite la comprensin de las mismas.

3. Elaborar un programa y manual de procedimientos para llevar a cabo la toma de datos
experimentales (Se puede tener en cuenta el Diseo Experimental).

4. Realizar pruebas de laboratorio con minerales seleccionados para observar su
comportamiento reolgico desde el entendimiento y manipulacin de las variables
fsicas, fisicoqumicas, reolgicas y mineralgicas antes mencionadas. Estos ensayos
incluyen reogramas, curvas de defloculacin, TGA de las fracciones <0.2 m, ASE, y
medicin de los iones solubles.

5. Estudiar y analizar los resultados de los ensayos realizados.

6. Proponer el modelo o los modelos fenomenolgicos que mejor describan los procesos
objeto de estudio.

7. Validar dichos modelos y someterlos a verificacin entre los investigadores.

8. Aplicar los algoritmos de las Redes Neuronales estudiados, con el objeto de tener una
simulacin del proceso, de manera artificial.

9. Comparar los resultados de la simulacin con los datos obtenidos experimentalmente.

10. Llevar a cabo las modificaciones respectivas a los algoritmos utilizados, e introducir
factores de control del proceso.


11
ACTIVIDADES

Las actividades que comprenden la Tesis de Maestra son:

1. Revisin bibliogrfica; contenidos especficos en Reologa de Suspensiones Minerales
y Redes Neuronales.

2. Establecer el estado del arte del estudio de las dispersiones minerales desde la
reologa.

3. Determinar las variables a estudiar, analizar y manipular (Estrategia experimental).

4. Segn un programa de toma de datos experimentales, crear y seleccionar la mejor
manera de obtener muestras y el mejor procedimiento que permita estudiar las
variables determinadas anteriormente.

5. Toma de datos experimentales.

6. Anlisis y caracterizacin de muestras. Correlacin de la componente prctica con la
componente terica.

7. Aplicacin de los modelos determinados para el estudio. Someter dichos modelos a
verificacin.

8. Elaborar e implementar un algoritmo de Redes Neuronales que se pueda aplicar al
proceso objeto de estudio.

9. Ensamble del simulador y puesta en marcha del mismo.

10. Redaccin de la Tesis de Maestra.





12
CRONOGRAMA DE ACTIVIDADES

ACTIVIDADES 01 02 03 04 05 06 07 08 09 10
Semana 1
Semana 2
Semana 3
Semana 4
Semana 5
Semana 6
Semana 7
Semana 8
Semana 9
Semana 10
Semana 11
Semana 12
Semana 13
Semana 14
Semana 15
Semana 16
Semana 17
Semana 18
Semana 19
Semana 20
Semana 21
Semana 22
Semana 23
Semana 24
Semana 25
Semana 26
Semana 27
Semana 28
Semana 29
Semana 30
Semana 31
Semana 32
Semana 33
Semana 34
Semana 35
Semana 36
Semana 37
Semana 38
Semana 39
Semana 40 Entrega del informe final


13
BIBLIOGRAFA

1. Arias Salazar, Luis Fernando. Caracterizacin de las Suspensiones Minerales en los
Circuitos de Molienda en la Produccin de Cemento Blanco. Universidad Nacional de
Colombia, Facultad de Minas, 2001.

2. Bustamante Ra, M. O., Barrientos A. Modelo de Viscosidad para Suspensiones
Minerales con Distribucin de Tamaos en el Sistema Particulado.

3. Mase, George E.Continuum Mechanics. Mc Graw-Hill, 1976.

4. Johnson Stephen B., Franks George V. Scales, Peter J. Boger David V. Healy,
Thomas W. Surface Chemistry - Rheology Relationships in Concentrated Mineral
Suspensions. International Journal of Mineral Processing 58 (2000) 267304.
ELSEVIER.

5. C. Tangsathitkulchai and L. G. Austin. Rheology of Concentrated Slurries of Particles
of Natural Size Distribution Produced by Grinding. Powder Technology, 56 (1988) 293-
299.

6. Januzs Laskowsky. Fundamentos Fsico-Qumicos de la Mineralurgia. Traducido por
Mariano Rawicz, Universidad de Concepcin, Chile. Editor, Fernando Concha,
Universidad de Concepcin, Serie de Metalurgia Extractiva. Chile, 1974.

7. Leonard G. Austin, Fernando Concha A. Diseo y Simulacin de Circuitos de Molienda
y Clasificacin. Editado por: Taller Multimedia Universidad Tcnica Federico Santa
Mara. Programa Iberoamericano de Ciencia y Tecnologa para el Desarrollo. Green
Print Impresores, Concepcin Chile. 1974.

8. J. Serrin. Mathematical Principles of Clasical Flow Mechanics. Encyclopedia of
Physics, Fluids Dynamics I. Trusdell, editor, 1959.

9. R. J. Farris. Prediction of the viscosity of multimodal suspensions from unimodal
viscosity data. Trans. of Soc. of Rheology 12 (2): 281-301, 1968.

10. V. V. Jinescu, The rheology of suspension, Int. Chem Eng, 14 (3): 397-420, 1974.

11. G. K. Batchelor. The effect of Brownian motion on the bulk stress in a suspension of
spherical particles, J. Fluid Mech., 83(1): 97 118, 1977.

12. E. Eckstein, D. G. Bailey & A. H. Shapiro. Self-diffusion of particles in shear flow of a
suspension, J. Fluid Mech., 79 (1): 191-208, 1977.

13. D. Quemada. Phenomenological rheology of concentrated dispersions, I. Clustering
effects and the structure-dependent packing fraction, J. of Theorical and Aplied
Mechanics, 267-288, 1985.

14. M. Z. Sengun & R. F. Probstein. High-shear-limit viscosity and maximum packing
fraction in concentrated monomodal suspensions, PCH PhysicoChemical
Hydrodynamics, 11 (2): 229-241, 1989.

14
15. Hopkins & L. Woodcock. Effects of polydispersity on osmotic propierties of colloidal
suspension. J. Chem. Soc. Faraday Trans. 86(20):3419-3428, 1990.

16. Alejo. Efecto del tamao, distribucin y concentracin en la viscosidad de
suspensiones. Tesis Magister en Ciencias, U. de Concepcin, Chile, 1992.

17. S.K. Kawatra, A.K. Bakshi & M. T. Rusesky. The effect of slurry viscosity on
hydrocyclone classification, Int. J. Min. Process. , 48 :39 50, 1996.

18. Logos & Q. D. Nguyen. Effect of particle size on the flow propierties of a south
Australian cola-water slurry, Powder Technology, 88:55-58, 1996.

19. M. O. Bustamante & A. Barrientos. Modelo de viscosidad de suspensiones minerales,
bajo una aproximacin termomecnica, VI Jornadas argentinas de tratamiento de
Minerales, Salta, Argentina, Vol 1, pp 357 362, 2000.

20. M. O. Bustamante. Reologa de suspensiones: Modelacin matemtica del tensor
esfuerzo y de la viscosidad de una suspensin mineral. Tesis de Doctor en Ciencias
de la Ingeniera, con mencin en Metalurgia Extractiva, 2002.

21. Zamarreo, J. M. y P. Vega. Space state neural network. Properties and application,
Neural Networks, 11,pags 1099-1112, 1998.

22. Demuth H. y Beale M. User`s Guide of Neural Network Toolbox for use with MATLAB,
1998.

23. Eppen G.D., Gould F.J., Schmidt C.P., Moore J.H. y Weatherford L.R. Investigacin de
Operaciones en la Ciencia Administrativa. Editorial Prentice Hall Hispanoamericana
S.A., 2000.

24. Freeman J. A. y Skapura D. M. Redes Neuronales, aplicaciones y tcnicas de
programacin. Editorial Addison-Wesley/Daz de Santos, 1993.

25. Garrido C.F. Pagina WEB Control de procesos mediante redes neuronales.
Universidad de Concepcin, 1998.

26. Hilera J.R. y Martnez V.J. Redes Neuronales Artificiales: Fundamentos, Modelos y
Aplicaciones. Editorial Ra-Ma, 1995.

27. Narendra, K. y K. Parthsaranthy Identification and control of dynamical systems using
neural networks, IEEE Trans. Neural Networks, 1(1), 1-27, 1990.

28. Makosko, Christopher W. Rheology, Pinciples, Measurements and Application. Wiley-
VCH, 1994.

29. M. O. Bustamante. Reologa de suspensiones: Modelacin matemtica del tensor
esfuerzo y de la viscosidad de una suspensin mineral. Tesis de Doctor en Ciencias
de la Ingeniera, con mencin en Metalurgia Extractiva. Universidad de concepcin
Chile, 2002.