Tarea 1

Fundamentos de Procesos Mineralu rgicos

7 de Septiembre de 2012

Alumno: Hctor Toro Vega

Profesor de ctedra: Aldo Casali
Profesor auxiliar: Gonzalo Nelis Suazo
Profesor ayudante: Gabriela Bravo Arata
Contenido
Contenido.....................................................................................................................................2
Resumen......................................................................................................................................3
Introduccin.................................................................................................................................4
Antecedentes...............................................................................................................................5
Desarrollo.....................................................................................................................................7
Resultados..................................................................................................................................11
Dsitribucin Gaudin-Schuhmann ajustada:............................................................................11
Distribucin Rosin-Rammler ajustada:...................................................................................12
Anlisis y conclusiones...............................................................................................................13
Referencias.................................................................................................................................14

2
Resumen
Se tienen dos muestras de material particulado A y B, con una distribucin de tamaos dada.
Se deben comparar los datos de las distribuciones con los modelos de distribucin Gaudin-
Schuhmann y Rosin-Rammler.

El objetivo principal es encontrar el modelo de distribucin y los valores de sus parmetros que
se ajusten lo mejor posible a la muestra de material particulado.

Como herramienta de comparacin entre los ajustes de las distribuciones se utiliz el error
estndar de la distribucin, prefirindose, el modelo que tenga menor error estndar.
Utilizando la herramienta Solver del Software Microsoft Excel, se encontraron los parmetros
de los modelos que mejor ajustaban a la distribucin de tamao de la muestra minimizando el
error estndar para cada caso.

Los parmetros del modelo Gaudin-Schuhman resultaron: K=4743[m] y m=0,61 .

Obtenindose un error estndar de distribucin de 12,3[m].

Los parmetros correspondientes al modelo Rosin-Rammler resultaron: x 0=1499[m] y

n=1,54. Obtenindose un error estndar de distribucin de 3,27[m].

Dado que la distribucin Rosin-Ramler presenta un error estndar considerablemente menor,

ajusta de mejor manera y representa de forma ms fidedigna la distribucin de tamaos de la
muestra.

3
Introduccin
Se tienen dos muestras de material particulado A y B, con una distribucin de tamaos dada.
Se deben comparar los datos de las distribuciones con los modelos de distribucin Gaudin-
Schuhmann y Rosin-Rammler.

El objetivo principal es encontrar el modelo de distribucin y los valores de sus parmetros que
se ajusten lo mejor posible a la muestra de material particulado. Para esto se debe realizar lo
siguiente:

1. Completar la Tabla entregada con los porcentajes retenidos y acumulados bajo el

tamao.
2. Ajustar los modelos de distribucin y determinar el ms apropiado, si existe, para
representar esta distribucin granulomtrica. Entregar los elementos de decisin
ocupados y su valor.

3. Presentar grficamente los porcentajes acumulados pasantes de material bajo-tamao,

tanto los experimentales promedio de la Tabla como los ajustados con ambos modelos
(con lneas de distinto color, sin marcadores), todos en la misma figura para poder
apreciar visualmente la calidad de los ajustes

4
Antecedentes
Se tiene dos muestras de material particulado, A y B, de masas, 374,7[g] y 373,5[g]
respectivamente.

Tamao [m] Peso A [g] Peso B [g]

6300 - -
4750 4 4.4
3350 19.4 20.1
2360 40.8 40.5
1700 45.7 46.6
1180 60.4 59.6
850 57.4 55
600 70.9 69.6
425 52.5 53.6
300 9.5 9.7
212 1.2 1.3
150 0.9 0.9
106 1 1
75 1.3 1.2
-75 9 9
Masa Total 374 372.7
Figura 1. Datos de los pesos retenidos entre mallas para las
muestra A y B.

Los modelos de distribucin ocupados son:

1. La distribucin Gaudin-Schuhmann:
m
x
( )
Fu ( x )=
K
Donde K es el mdulo de tamao, el cual corresponde al tamao mximo de partcula de la
muestra y m es el mdulo de distribucin, es indicativo de la amplitud de la distribucin.

2. La distribucin Rosin-Rammler:

[ ( )]
n
x
Fu ( x )=1exp
x0
Donde x0 es el tamao caracterstico (corresponde al tamao bajo el cual se encuentra el
63,2% de la muestra) y n corresponde al mdulo de distribucin, el cual es indicativo de la
amplitud de la distribucin.

5
Se validan los modelos de acuerdo a un criterio de mnimos cuadrados, o sea, se busca
minimizar el error estndar de distribucin de la muestra, el cual tiene la siguiente forma:

N
2
2 [ F ureal ( x i )F uterico ( x i ) ]
i=1
^ =
N1

Y debido a que se desea encontrar la distribucin de mnimo error, se deben resolver los
siguientes problemas de optimizacin:

1. Distribucin Gaudin-Schuhmann:
mn ^ G S K , m>0
2. Distribucin Rosin-Rammler:

mn ^ RR x 0 ,n> 0

Desarrollo
Primero se debe calcular el porcentaje de prdidas en las muestras obtenidas, para esto,
usamos la siguiente ecuacin que permite obtener el porcentaje en peso de prdidas en la
muestra, el cual debe ser menor considerablemente pequeo para asegurar la confiabilidad de
la muestra.

6
 Masa inicial de la muestraMasa total retenidaen tamices
de prdidas= 100 [ ]
Masa inicial de la muestra

374,7 [ g ] 374 [g ]
de prdidas muestra A= 100=0,19
374,7 [g]

373,5 [ g ] 372,7[g ]
de prdidas muestra B= 100=0,21
373,5[g ]

Ya que las muestras presentan un porcentaje de prdida de material en peso inferior al 1%, se
considera que el error producido por prdidas es irrelevante en el anlisis.

Luego se calculan las fracciones retenidas para las muestras A y B, para esto se divide cada
peso retenido entre mallas por el peso total correspondiente a cada muestra y se expresa en
porcentaje, obtenindose la siguiente tabla:

Tamao Muestra A Muestra B

[m] fi [%] fi [%]
6300 - -
4750 1.07 1.18
3350 5.19 5.39
2360 10.91 10.87
1700 12.22 12.50
1180 16.15 15.99
850 15.35 14.76
600 18.96 18.67
425 14.04 14.38
300 2.54 2.60
212 0.32 0.35
150 0.24 0.24
106 0.27 0.27
75 0.35 0.32
-75 2.41 2.47
Total 100 100

Ahora es posible calcular la fraccin retenida media entre las dos muestras, para esto se debe
hacer una suma ponderada por la masa total de cada muestra, entonces:

7
 M A f Ai ( x i ) + M B f Bi ( x i ) 374 f Ai ( xi ) +372,7 f Bi ( x i )
fi ( x i )= = i
M A+ M B 374+372,7

Y de esta forma la tabla resultante, indica la fraccin retenida media, y a la vez con esta se
calcula fcilmente la distribucin bajo-tamao, de la siguiente manera:

N
F u ( x i )= f ( x k ) i
k =i +1

Tamao [m] Muestra Total fi [%] Bajo-tamao Fu [%]

6300 - 100
4750 1.12 98.88
3350 5.29 93.59
2360 10.89 82.70
1700 12.36 70.34
1180 16.07 54.27
850 15.05 39.21
600 18.82 20.40
425 14.21 6.19
300 2.57 3.62
212 0.33 3.28
150 0.24 3.04
106 0.27 2.77
75 0.33 2.44
-75 2.44 0.00
Total 100 -
Figura 3. Fraccin retenida de la muestra total y su fraccin bajo-tamao.

Para ajustar los modelos Gaudin-Schuhmann y Rosin-Rammler se utiliza la herramienta solver

de Excel que permite resolver el problema de optimizacin para el error estndar de
distribucin, para cada uno de los modelos de distribucin.

De esta forma se obtiene la distribucin Gaudin-Schuhmann, de error estndar de distribucin

mnimo, de los siguientes parmetros:

K [m] 4743
m 0.61
Figura 4. Parmetros de distribucin
Gaudin-Schuhmann obtenida.

8
 Tamao [m] G-S Error G-S
6300 118.81 353.74
4750 100.00 1.47
3350 80.97 159.14
2360 65.46 297.18
1700 53.64 278.81
1180 42.97 127.48
850 35.21 15.98
600 28.50 65.72
425 23.12 286.69
300 18.71 227.92
212 15.16 141.03
150 12.29 85.48
106 9.95 51.53
75 8.07 31.68
-75 0.00 0.00
- Error estndar G-S 12.32
Figura 5. Valores para los tamaos de malla de la distribucin Gaudin-
Schuhmann obtenida y el error estndar respecto a los valores reales del
bajo-tamao.

De esta forma se obtiene la distribucin Rosin-Rammler, de error estndar de distribucin

mnimo, de los siguientes parmetros:

X0 [m] n
1499 1.54
Figura 6. Parmetros de distribucin
Rosin-Rammler obtenida.

Tamao [m] R-R Error R-R

6300 99.99 0.00
4750 99.73 0.73
3350 96.82 10.46
2360 86.61 15.29
1700 70.28 0.00
1180 49.92 18.92
850 34.11 25.99
600 21.65 1.58
425 13.37 51.57

9
 300 8.05 19.67
212 4.80 2.30
150 2.85 0.04
106 1.68 1.20
75 0.99 2.10
-75 0.00 0.00
- Error estndar R-R 3.27
Figura 7. Valores para los tamaos de malla de la distribucin Rosin-Rammler
obtenida y el error estndar respecto a los valores reales del bajo-tamao.

Resultados

Dsitribucin Gaudin-Schuhmann ajustada:

0,61
x
FuG S ( x ) =
4743 ( )
G S=12,32

Distribucin G-S
100.00
Distribucin G-S ajustada [%]

10.00

1.00
10 100 1000 10000
Tamao [m]

Figura 8. Grfico distribucin ajustada Gaudin-Schuhmann.

10
Distribucin Rosin-Rammler ajustada:

[( ) ]
1,54
x
FuR R ( x )=1exp
1499
R R=3,27

Distribucin R-R
100.00
Distribucin R-R ajustada [%]

10.00

1.00
10 100 1000 10000
Tamao [m]

Figura 9. Grfico distribucin ajustada Rosin-Rammler.

Distribucin bajo-tamao real:

Distribucin Bajo-tamao
100.00
Distribucin de la muestra [%]

10.00

1.00
1 10 100 1000 10000
Tamao [m]

11
 Figura 10. Grfico distribucin bajo-tamao de la muestra.

Anlisis y conclusiones
Los parmetros del modelo Gaudin-Schuhman resultaron: K=4743[m] y m=0,61 .
Obtenindose un error estndar de distribucin de 12,3[m].

Los parmetros correspondientes al modelo Rosin-Rammler resultaron: x 0=1499[m] y

n=1,54 . Obtenindose un error estndar de distribucin de 3,27[m].

Dado que la distribucin Rosin-Ramler presenta un error estndar considerablemente menor,

ajusta de mejor manera y representa de forma ms fidedigna la distribucin de tamaos de la
muestra.

Es posible observar que existe un mejor ajuste en la distribucin Rosin-Rammler que en la

distribucin Gaudin-Schuhmann con respecto a la distribucin real de la muestra, a partir de
las figuras 8, 9 y 10.

12
Referencias
1. APUNTES DE CTECRA MI4020 FUNDAMENTOS DE PROCESOS MINERALRGICOS , P ROFESOR
ALDO CASALI 2012.

13