P. 1
clases de muestreo

clases de muestreo

|Views: 325|Likes:

More info:

Published by: Alexis Nicolas Molina Rivera on Sep 26, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/07/2014

pdf

text

original

En general en el Protocolo de Muestreo es vital una adecuada muestra para poder caracterizar eficientemente la mena.

Esta debe ser lo más representativa posible para extrapolar sus propiedades a todo el mineral. Uno de los principales problemas que existe al analizar un grupo de varios trozos de rocas seleccionados al azar de una masa de mineral, es la obtención de diferentes resultados de análisis entre uno y otro trozo debido a una distribución no uniforme de minerales de un fragmento a otro. Estas características se llaman Heterogeneidades. Se tienen 2 tipos de Heterogeneidades: 1).- De Composición: Si se seleccionan al azar trozos de roca de una masa de mineral se tendrán variaciones de análisis entre uno y otro trozo debido a una distribución no uniforme de minerales de un fragmento a otro. Esto es lo que se denomina heterogeneidad de composición. Las variaciones entre fragmentos individuales de rocas tienden a aumentar a medida que disminuye el tamaño de las partículas (es decir aumenta el grado de reducción de tamaño del material). Esto se debe a que al disminuir el tamaño del material, más partículas minerales están liberadas, es decir, libre de ganga. Para una muestra consistente de varias partículas de diferentes tamaños, las variaciones entre muestras tienden a disminuir a medida que aumenta el tamaño de la muestra (se incluye más partículas en la muestra), puesto que la muestra incluye una variedad de partículas teniendo un rango de contenido mineral y tamaños. Las variaciones entre muestras pueden reducirse al nivel que se desee, tomando muestras más grandes, pero debe considerarse que un aumento en el tamaño de la muestra resulta un mayor costo para realizar el muestreo con muestras de mayor peso También es importante la ley de la mena. Una mena de alta ley se puede caracterizar adecuadamente con una muestra más pequeña comparada con una de baja ley a igualdad del resto de los factores. Factor Extra: Es importante la razón entre el tamaño de grano del mineral en la roca al tamaño del pedazo de roca. Menor Tamaño de Muestra: Es preciso tratar con muestras de menas de tamaño más pequeño que grandes, ya que se tendrá un mayor número de partículas en el mismo volumen de muestra. 2).- De Distribución: Provocada porque la distribución de fragmentos de material no es al azar sino que existe segregación. Para que la distribución sea al azar es necesario que la posición espacial de cualquier fragmento sea independiente de sus características de tamaño, forma y densidad. Este tipo de heterogeneidad debe tratar de evitarse en la práctica ya que produce un enorme aumento del error de muestreo. No sólo es importante determinar el tamaño de la muestra, también lo es determinar las etapas sucesivas de reducción de tamaño y remuestreo, a las que debe ser sometida ésta antes de obtener la muestra final, que será finalmente enviada a análisis El concepto de muestreo se puede definir de varias formas siendo las más utilizadas las siguientes “EL MUESTREO REPRESENTA EL CONJUNTO DE OPERACIONES QUE PERMITEN LA OBTENCION DE UNA MUETSRA QUE PUEDA SER ANALIZADA” “EL MUESTREO ES LA OPERACIÓN QUE PERMITE REMOVER UNA PEQUEÑA FRACCION O PARTE, QUE DENOMINAREMOS MUESTRA, DESDE UN CONJUNTO MATERIAL DE VOLUMEN MUCHO MAYOR, DE TAL MANERA QUE LAS CARACTERISTICAS DEL CONJUNTO PUEDAN ESTIMARSE ESTUDIANDO LAS CARACTERISTICAS DE LA MUESTRA”

2.- ESTIMACION DEL ERROR ESTADISTICO En general se puede estimar que la ley de una muestra tiene una distribución normal o Gausiana que tiene la forma:

Generalmente un 95% de probabilidad o certeza de estar entre límites predeterminados es un nivel de probabilidad o certeza aceptable. Donde:

3.- HETEROGENEIDAD

Corresponde a la variabilidad encontrada en una población estadística y puede dividirse en: Heterogeneidad de constitución (CH): Cada partícula del lote tiene un contenido crítico diferente. Heterogeneidad de distribución (DH): Consiste en las diferencias observadas de un grupo de fragmentos o partículas (incremento) a otro. Variabilidad se debe a tres factores: La heterogeneidad de constitución La distribución espacial de los constituyentes o estado de segregación La forma del lote que junto a la presencia de la gravedad es responsable de la segregación. La heterogeneidad en muestreo de particular, presenta las siguientes características CH: Diferencias entre fragmentos DH: Diferencias entre grupos de fragmentos Si todos los fragmentos fueran iguales en forma y contenido (CH=0), entonces no habría DH: cualquier grupo de fragmentos de igual tamaño sería idéntico.

desviaciones o sesgo. Mezclando y homogeneizando el lote no reducirá el FE. SE.. las partículas menos densas ocuparán una posición en el lote distinto que las más densas. donde encontramos materiales particulados y sistemas particulados. ejemplo de esto lo podemos encontrar en los silos. VAMOS A ENTENDER: Corresponde al mínimo error de muestreo que se tendría si se seleccionara cada fragmento o partícula aleatoriamente. pero puede ser abrumador para constituyentes menores. las partículas más pequeñas tenderán a ocupar un espacio o posición en el lote diferente que las más grandes. EF. VAMOS A ENTENDER: Corresponde a un error adicional debido a que en la práctica las muestras no se colectan tomando un fragmento a la vez. los que no constituyen medios continuos. de manera aleatoria. en las correas transportadoras. significa que junto a una partícula pueden encontrarse otras de composición.En el caso particular de la Industria Minera.. Homogeneizar el material antes de tomar los incrementos. Este error puede prevenirse considerando los siguientes aspectos: Optimizar el error fundamental (peso de la muestra). 2. Aumentar el número de incrementos por muestra. constituyen la diferencia entre el valor exacto de la característica de un lote y su estimación a partir de la muestra . una a la vez. la heterogeneidad de distribución es responsable del error de agrupamiento y segregación.SEGREGACION POR TAMAÑO: En este caso si la densidad permanece constante. los cuales pueden ser evitados con una buena homogeneización de la muestra Por ERROR POR SEGREGACION. Por lo tanto. Existen dos tipos de segregación: 1. densidad o tamaño completamente distintos. Esto se denomina HETEROGENEIDAD DE CONSTITUCIÓN y es lo que genera errores asociados al “ERROR FUNDAMENTAL O ERROR DE MUESTREO” Por ERROR FUNDAMNETAL. la heterogeneidad de constitución es responsable del error fundamental. etc. el FE es el mínimo error de muestreo que existiría si el protocolo de muestreo fuera implementado de manera perfecta. Para un determinado peso de muestra. el FE es el menor error posible.. El FE puede ser pequeño para constituyentes mayores y materiales finos. A pequeña escala. En una población de partículas fuera de la heterogeneidad de constitución existe la Denominada HETEROGENEIDAD DE DISTRIBUCION la que corresponde a como se ordenan las partículas en el lugar donde se encuentran. este tipo de segregación es la base de la concentración gravitacional. Esto último genera lo que llamamos ERRORES POR SEGREGACION. A pequeña escala.SEGREGACION POR DENSIDAD: En este caso si el tamaño permanece constante. Los errores. para un estado dado de conminución y un determinado peso de la muestra.

al extraer una muestra de éste estamos cometiendo errores. también se denomina error de muestreo. También en la etapa de análisis. debe existir un estado controlado y se deben seguir estándares adecuados al análisis a efectuar . . Este error es imposible de eliminar dada la heterogeneidad de constitución. se pueden encontrar los siguientes errores: contaminación. pero se puede minimizar. en éste puede destacarse los errores aleatorios y sistemáticos La cantidad de material requerido en una muestra depende de: .Abundancia de la especie mineralógica portadora de la especie de interés . alteración de la muestra. es decir: . dentro de estos errores están los siguientes: Error fundamental: es el que se introduce al seleccionar y extraer la muestra.Para que una muestra sea representativa ésta debe conservar las características del lote dentro de ciertos límites de exactitud y precisión fijadas. ésta debe seguir un adecuado protocolo de muestreo. lo que significa que exista un método estandarizado para obtener la muestra.).Preparación (reducción de tamaño). análisis. Dada la heterogeneidad de constitución y distribución que podemos encontrar en un lote de mineral. Error Segregación: es producto de la heterogeneidad de distribución Error Preparación: está relacionado con la preservación de la integridad de la muestra. alguno de los cuales es imposible de eliminar (error fundamental) pero sí de minimizar y otros que son posibles de anular o minimizar (error de preparación. etc.Tamaño de las partículas .Un método de extracción (subdivisión de muestras). errores humanos.Tamaño del grano de las especies útiles Para que la muestra final sea representativa del lote. fraude y sabotaje Error de análisis: está asociado al método analítico empleado. pérdida de muestra.

ej. la que es imposible de anular.ej. Donde el material se caracteriza por: .4. respectivamente).WE error en medición del flujo (weighting error) . de extracción y de preparación y se indica como anularlos o minimizarlos.QE error en contenido crítico . En ella. como son los de Segregación. como así mismo se demuestra que existe una fuente de error denominada HETEROGENEIDAD DE CONSTITUCIÓN . y en la actualidad se acepta como válida la teoría de muestreo de materiales particulados de Pierre Gy (1953 – 1992). en base a decisiones que se ven representadas por las variables de ésta. proporción del componente crítico en el lote o en la muestra (denotados aL o aS. La expresión es ampliamente utilizada y se le conoce como Ecuación de Pierre Gy 4. división de la muestra) La teoría se construye considerando dos modelos: Modelo de selección continuo Modelo de selección discreto El modelo de selección continuo considera el muestreo de material como si fuera un flujo unidimensional continuo y permite resolver el problema de manera simple. A pesar de la imposibilidad de eliminar el Error Fundamental.1.OE (overall error) error total . delimitación.TEORIA DE MUESTREO DE PIERRE GY Numerosos autores han abordado el problema del muestreo. a(t ) aL = peso de componente crítico en lote L peso de todos los componentes en lote L En este modelo se define el error como la suma de una componente que mide el contenido crítico y otra que mide el flujo: CE = QE + WE .El contenido crítico en un tiempo dado. cada uno de ellos compuesto por un error de preparación y uno de selección: .PEi error de preparación (p. se distinguen las distintas clases de errores. dando origen al denominado ERROR FUNDAMENTAL.CE error de selección continua . Gy se basa en la descomposición del error total considerando que el muestreo se realiza en diversas etapas y separando el error en las etapas de muestreo del error de análisis: OE = TE + AE Donde: .SEi error de selección (p.TE (total sampling error) error total en las etapas de muestreo .Fundamentos – Descomposición de los errores La Teoría de Muestreo de P.. el error total en las etapas de muestreo puede dividirse en una suma de los errores parciales. el autor desarrolló una expresión que permite dimensionarlo y minimizarlo. chancado) ..AE (analytical error) error analítico Como el muestreo involucra diversas etapas.

PEi error de preparación de la etapa i .GE error de agrupamiento y segregación En resumen.GEi error de agrupamiento y segregación de la etapa i .FE error fundamental .QE1i error de fluctuación de corto alcance .FEi error fundamental de la etapa i .El error en el contenido crítico puede a su vez descomponerse en la suma de tres errores: QE = QE1 + QE2 + QE3 .WE error en medición del flujo (weighting error) . Al pasar al modelo discreto se encuentra además que el muestreo se ve afectado por un error de materialización: SE = CE + ME . el error total se obtiene como: .EE error de extracción del incremento Finalmente.DE error de delimitación del incremento .AE error analítico OE = ∑ ( PEi + SEi ) + AE OE = ∑ ( PEi + QE1i + QE2i + QE3i + WEi + DEi + EEi ) + AE OE = ∑ ( PEi + FEi + GEi + QE2i + QE3i + WEi + DEi + EEi ) + AE i i i . el modelo de selección discreto identifica el lote L con un grupo discreto de unidades (pueden ser partículas individuales o grupos de partículas).QE3i error de fluctuación periódica . Se definen por esta razón. donde se cuenta con fragmentos o grupos de fragmentos (discreta).QE2 error de fluctuación de largo alcance no periódica .QE2 error de fluctuación de largo alcance no periódica .DEi error de delimitación del incremento . la heterogeneidad de constitución y de distribución del lote: CHL heterogeneidad de constitución del lote: se debe a las propiedades intrínsecas de la población de partículas individuales DHL heterogeneidad de distribución del lote: se debe a la distribución espacial de las partículas (y grupos de partículas) en el lote El modelo de selección discreto puede relacionarse con el modelo continuo al nivel del error de fluctuación de pequeño alcance: QE1 = FE + GE . Así: SE = QE1 + QE2 + QE3 + WE + DE + EE .Este error de materialización se compone de un error de delimitación y otro de extracción del incremento.QE3 error de fluctuación periódica Recordando que el modelo de selección continuo considera el problema de seleccionar puntos en el eje temporal.QE3 error de fluctuación periódica . es necesario relacionarlo con la realidad.QE2i error de fluctuación de largo alcance no periódica .QE1 error de fluctuación de corto alcance .EEi error de extracción del incremento .WEi error en medición del flujo (weighting error) .QE1 error de fluctuación de corto alcance .

Mi masa del fragmento .NF.Definición matemática de la CH (heterogeneidad de constitución) La Heterogeneidad de un fragmento con respecto al lote.4. número de fragmentos en el lote i Valor esperado de hi es cero.aL. heterogeneidad del fragmento en el lote . contenido crítico del lote Considerando el efecto de la masa: ( ai − aL ) aL hi = (ai − aL ) M i (a − a L ) M i ⋅ = NF ⋅ i ⋅ aL Mi aL ML .1. contenido crítico del fragmento .2.hi.2. Cálculo del error fundamental 4.-.. Entonces la Varianza: 2 VAR( hi ) = E{hi2 } − ( E{hi }) 2 ⎛ (a − aL ) M i ⎞ ⎟ = CH L = NF ⋅ ∑ ⎜ i ⋅ ⎜ a ML ⎟ i =1 ⎝ L ⎠ NF Definición: Heterogeneidad intrínseca del lote (IH L) : 2 CH L ⋅ M L N F ( ai − a L ) 2 M i =∑ ⋅ IH L= 2 NF ML aL i =1 Además: Existe fuerte correlación entre ai y su densidad Existe muy baja correlación entre ai y su tamaño Considerando el lote como un conjunto de fracciones separadas por rangos de tamaños y densidades. la entendemos como la diferencia en contenido del constituyente crítico del fragmento respecto al lote estandarizada: hi ∝ .el fragmento medio Fαβ - Vα λβ de una fracción (o lote) Lαβ y su volumen (sólo depende del tamaño) su densidad su masa (depende del tamaño y de la densidad) M Fαβ = Vα ⋅ λβ aαβ su contenido crítico .N αβ es el número de fragmentos en la fracción .ML masa del lote . indexados respectivamente por α y β : IH L= ∑ i =1 NF 2 (a − a ) 2 M F (ai − a L ) 2 M i ⋅ = ∑∑ Nαβ ⋅ αβ 2 L ⋅ αβ 2 ML ML aL aL α β 2 Definiendo .ai.M masa media de fragmentos en el lote .

Factor de liberación. Volumen de la partícula se escribe: Vα = fα ⋅ dα 3 .- M Lαβ es la masa de la fracción Equivalentemente: IH L= ∑∑ α β (aαβ − aL ) 2 M Fαβ ⋅ M Lαβ (a − a ) 2 M L ⋅ = ∑ Vα ∑ λβ ⋅ αβ 2 L ⋅ αβ 2 ML ML aL aL α β Puede calcularse en laboratorio o aproximarse: aαβ Varía más entre fracciones de densidad que entre fracciones de tamaño ⇒ aαβ = aβ contenido crítico medio de la fracción de densidad Lβ M Lαβ / M Lβ varía poco de una fracción de densidad a otra: ⇒ M Lαβ M Lβ = M Lα ML valor medio en una fracción de tamaño α En consecuencia: ⇒ M Lαβ = M Lα ⋅ M Lβ ML ( a − a ) 2 M Lβ ⎞ ⎛ ⎟ ⋅ ⎜ ∑ λβ ⋅ β 2 L ⋅ ⎟ ⎜ ML aL ⎠ ⎝ β ⎞ ⎟ = X ⋅Y ⎟ ⎠ Heterogeneidad intrínseca queda: ⎛ Vα ⋅ M Lα IH L= ⎜ ∑ ⎜ ⎝ α ML Para simplificar esta expresión se definen una serie de factores.Factor granulométrico. g . clasificados como: .DEFINICIÓN DE FACTORES DE MUESTREO La heterogeneidad intrínseca de un fracción de muestra quedara representada en la definición de cuatro componentes de forma.2.Factor mineralógico o de composición. 4.2. l Factor de forma f Mide la desviación de la forma de las partículas respecto a un cubo.Factor de forma f . m ..

25 = 0. g Mide la distribución granulométrica de las partículas. m (a − a ) 2 M Lβ ⎞ ⎛ Vα ⋅ M Lα ⎞ ⎛ ⎟ = X ⋅Y ⎟ ⋅⎜ ∑ λβ ⋅ β 2 L ⋅ IH L= ⎜ ∑ ⎜ ML ⎟ ⎜ ML ⎟ a ⎝ α4 244 ⎝ β4444 L 4444 ⎠ ⎠1 1 4 3 2 3 X Y Dos extremos de Y : En el caso de material homogéneo: Y = 0 En el caso de material liberado (máxima heterogeneidad de constitución): Y = YMAX El factor mineralógico m se define como el valor de Y en el caso de liberación.Entonces: X =∑ α Vα ⋅ M Lα ML =∑ α fα ⋅ dα ⋅ M Lα 3 ML fα es constante para fracciones de tamaño: X = f ⋅∑ α dα ⋅ M Lα 3 ML Factor granulométrico.55 g = 0. .75 Material calibrado (entre dos mallas): g Material naturalmente calibrado: Se escribe: X = f ⋅∑ α 3 dα ⋅ M Lα ML = f ⋅ g ⋅d3 Factor mineralógico o de composición. Material no calibrado (chancado): g = 0.

Factor de liberación. l .

IHL se mide en gramos “LA HETEROGENEIDAD INTRÍNSECA RELACIONA EL ERROR FUNDAMENTAL (FE) CON LA MASA DE LAS MUESTRAS” 4.ECUACIÓN DE PIERRE Gy Varianza del error fundamental 2 3 σ FE = ⎜ ⎜ M − M ⎟ ⋅C ⋅ d ⎟ ⎝ S L ⎠ ⎛ 1 1 ⎞ Con C = f ⋅ g ⋅c⋅l . es el factor granulométrico (adimensional) .2. es el tamaño de fragmento nominal (cm) .m. es el factor mineralógico (gr/cm3) .MS = masa de la muestra en gramos .4.RESUMEN Heterogeneidad intrínseca del lote se expresa como: IH L = f ⋅ g ⋅ c ⋅ l ⋅ d 3 Donde: .3.g. es el factor de liberación (adimensional) .l.C = constante de muestreo en g/cm3.ML= masa del lote en gramos . depende de d .f. es el factor de forma (adimensional) .d.3.d = diámetro (d95) de partículas en cm ...

delimitacion. como son los de Segregacion.¼” o cuando está 100% . cuando el mineral se encuentra 100% . de extracción y de preparación y se indica como anularlos o minimizarlos. en igualdad de condiciones de ley.1”? Ecuación de Muestreo de Pierre Gy Numerosos autores han abordado el problema del muestreo. dando origen al denominado ERROR FUNDAMENTAL. y en la actualidad se acepta como válida la teoría de muestreo de materiales particulados de Pierre Gy (1953 – 1992). En ella. se distinguen las distintas clases de errores. ¿Cuándo se requiere más muestra. como así mismo se demuestra que existe una fuente de error denominada HETEROGENEIDAD DE CONSTITUCIÓN . la que es imposible de anular. en igualdad de condiciones de granulometría. . si se quiere determinar la ley de cobre en un lote o la ley de oro?.Problema: ¿Cuándo se requiere más muestra.

su valor depende de la razón d95 / d5 El valor más utilizado es de 0. La expresión es ampliamente utilizada y se le conoce como Ecuación de Pierre Gy A su vez. Valores de g: .A pesar de la imposibilidad de eliminar el Error Fundamental. el autor desarrolló una expresión que permite dimensionarlo y minimizarlo.2 cuando el oro está liberado g = Factor de distribución de tamaños.5 con excepción para las menas de oro donde se utiliza el valor 0.25. el parámetro C corresponde al producto de otros cuatro factores F = Factor de forma. en base a decisiones que se ven representadas por las variables de ésta. su valor es de 0.

Asumiendo que los errores son Gaussianos. en este caso los 150 micrones corresponden al tamaño de referencia que depende del proceso en estudio. Habitualmente no se alcanza el 100% de liberación por razones técnico – económicas. Se calcula el error de muestreo con un nivel confianza de 95%. por lo cual es común decir por ejemplo “un 80% del mineral está liberado bajo 150 micrones”.El Tamaño de liberación Corresponde al tamaño al cual las partículas de la especie de interés están totalmente liberadas de la ganga. se cumple con la siguiente desigualdad: .

.

La cantidad de muestra en este caso es sólo representativa del tamaño Para optimizar los protocolos de muestreo se construyen los monogramas de muestreo. Los monogramas son gráficos Log –Log donde: .

.

.

Se asigna dependiendo del método de medición aplicado. dentro de los diámetros más utilizados están: .Diámetro de una esfera que se comporta de la misma forma que una determinada partícula. cuando es sometida a una operación específica.

.

.

.

como la función de densidad e integrales. Las funciones fqi para diferentes propiedades se relacionan entre si a través de la siguiente ecuación: Las funciones descritas equivalentes son entonces . Consideremos el caso de una muestra de partículas subdividida en intervalos de tamaño dados Definición: fqi: Corresponde a la fracción de partículas basados en la propiedad q que se encuentra en el intervalo de tamaño di a di+1. Esto se puede apreciar en la figura siguiente: INTERVALOS DE TAMAÑOS La definición de los intervalos de tamaños es muy importante si se desea obtener una buena aproximación a la distribución con un mínimo de intervalos. Para efectos prácticos puede determinarse la aproximación determinando las fracciones de partículas en una serie de intervalos discretos de tamaño.. es decir. Para rangos amplios de tamaño una progresión geométrica es mucho más realista que una serie geométrica. Ambas tienen un comportamiento análogo a la función de probabilidad En la práctica es innecesario o imposible determinar la función completa de densidad de tamaño o la función distribución de tamaño. una distribución de tamaños. entonces para describirlas se requiere de ciertas funciones.III.DISTRIBUCION DE TAMAÑO DE PARTICULAS En una corriente de mineral vienen partículas de distintos tamaños. Las partículas típicas en el Procesamiento de Minerales son irregulares.

F3i (función acumulado pasante) = Representa a todas las partículas inferiores al tamaño de la abertura del tamiz i.0 ó 100% FRACCION PASANTE ACUMULADA (F3i) Corresponde justamente a lo contrario de R3i. En los gráficos se debe considerar las fracciones (retenida o pasante) en el eje vertical (ordenadas) mientras que los tamaños o aberturas en el eje horizontal (abcisas). es decir. Matemáticamente: CONSTRUCCION TABLA DE ANALISIS GRANULOMETRICO O TAMIZAJE En la tabla de Análisis Granulométrico se debe incluir información como el número de malla y la serie.Area Superficial q = 3 -.Número de Partícula q = 1 -. debido a que es fácil de medir. .Masa (Volumen) La propiedad más utilizada es la masa de material retenida por intervalo de tamaños. para después calcular los tamaños promedio de partículas y las fracciones retenidas parcial. representa la totalidad del material pasante a través de cierta malla o tamiz.f0i = f0(di) f1i = f1(di) f2i = f2(di) f3i = f3(di) donde q representa la cantidad poblacional y corresponde a: q = 0 -. acumulada y pasante acumulada. F3i y R3i que se definen como sigue: f3i (fracción retenida parcial) = Fracción en peso del total de la muestra que queda retenida en un tamiz i. Así las funciones más usadas son f3i. el valor de R3i debe ser 1. su abertura. Siempre para el fondo.Longitud q = 2 -. FRACCION RETENIDA ACUMULADA (R3i) Matemáticamente R3i se define como la sumatoria de fracciones parciales desde el primer tamiz hasta el tamiz i: Nota: También los resultados de R3i pueden ser expresados en %. la cantidad de material retenido en cada tamiz.

puede ser cualquiera de las 3 curvas c).Gráfico del Retenido Acumulado R3i v/s diámetro superior del intervalo.Gráfico de Fracción Retenida f3i v/s diámetro promedio del intervalo. la función Logaritmo Normal y la función Gamma. b).Gráfico de Acumulado Pasante F3i v/s diámetro superior del intervalo. tenemos la función de Gates-Gaudin-Schuhmann. puede ser cualquiera de las 3 curvas FUNCIONES DE REPRESENTACIONES GRAFICAS Entre las formas más comunes de representaciones gráficas usadas en procesamiento de minerales.. Esta función se define como: .. la función de Rosin-Rammler. a). Siempre pendiente negativa. Siempre pendiente positiva.REPRESENTACIONES GRAFICAS a)...Función de Gates-Gaudin-Schuhmann La función de Schuhmann es la distribución más usada en América para representar distribuciones de tamaño obtenidas por tamizaje (distribución en peso o masa).

1. Representación de la función de Schuhmann .7 .Una distribución de tamaño que cumple con esta función va a tener la forma siguiente: La pendiente varía entre 0.2 Fig.

.

y1:Fo y2:Fu TECNICAS DE MUESTREO .

.1 DIVISORES (REDUCIDORES DE MUESTRAS) a). b).Divisores rotatorios..Cono y cuarteo.2. d).Cortador de riffles... .2.Reductor de triángulos. c).

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->