revista de metalurgia, 46 (2)

marzo-abril, 101-108, 2010

issn: 0034-8570
eissn: 1988-4222
doi: 10.3989/revmetalm.0834

Modelacin emprica de flotacin en columna a escala piloto()

J. Simpson*, D. Jordn*, G. Cifuentes*, A. Morales** y L. Briones***

Resumen El rea Procemin I, del Centro Minero Metalrgico Tecnologa y Servicio (CIMM T&S), ubicado en Santiago de Chile,
cuenta con una completa planta piloto de molienda y flotacin en la cual se desarrollan experiencias de optimizacin
de circuitos, diseo de plantas, obtencin de parmetros de operacin, entre otras cosas. Uno de los equipos que po-
see la planta piloto es una columna de flotacin piloto, con un alto nivel de automatizacin. Una de las problemti-
cas presentadas para la operacin de la columna de flotacin es no lograr tomar decisiones de operacin sobre la ba-
se de los resultados metalrgicos que se puedan obtener. El desarrollo de modelos matemticos que permitan estimar
los resultados metalrgicos (ley de concentrado, ley de relaves, razn de enriquecimiento y recuperacin) en fun-
cin de las variables operacionales que sean manipulables busca entregarle mayor libertad al operador y al ingeniero
de procesos para lograr la sintonizacin operacional de la columna. El mtodo empleado para el desarrollo de los mo-
delos fue Stepwise Regression (Regresin por Pasos) considerando relaciones empricas entre variables operacionales
y los resultados experimentales. Todos los modelos presentaron sobre un 90 % de exactitud, salvo uno de ellos que fue
sobre 70 %.

Palabras clave Flotacin en columna; Regresin por pasos; Modelo matemtico.

Mathematical simulation of column flotation in pilot scale

Abstract The Procemin-I area of the Centro Minero Metalrgico Tecnologa y Servicio (CIMM T & S), has a full milling and
flotation pilot plant in which several experiences are developed as: optimization of circuits, plant design, procurement
of operating parameters, etc. Ones of the equipment in operation is the column flotation to pilot scale, witch have a
medium level of automation. The problem presented in the operation of the column flotation is the low relationship
during the operation between the operating basis parameters and the metallurgical results. The mathematical models
used today to estimate the metallurgical results (i.e.: concentrate, tailing, enrichment and recovery) depending on
variables that are manipulated by hand according the operator experience. But the process engineer needs tools
without subjective vision to obtain the best performance of the column. The method used to help the column
operation was a mathematical model based on the Stepwise Regression then considering empirical relationships
between operational variables and experimental results. All the mathematicals relationship developed in this study
have a good correlation (up 90 % of precision), except one (up 70 %) due by non regular mineralogical feed.

Keyword Float in column; Stepwise regression; Mathematical modelling.

1. ANTECEDENTES e hidrofobizadas, las cuales ascendan hasta la parte

Los orgenes de la columna de flotacin se remon-
tan a principios del siglo XX, cuando se presentaba la
mquina de flotacin de Callow[1], una mquina sim-
ple que consista en una celda en la cual se reempla-
zaba la agitacin mecnica por una columna de bur-
bujas producidas por inyeccin de aire a presin, el
cual pasaba por una tela porosa produciendo burbu-
jas de aire que colectaban las partculas mineralizadas
superior de la celda para ser retiradas como concen-
trado.
El diseo anterior inspir a D. Wheeler, P. Bouitn
y R. Tremblay[2] quienes, en 1960, disearon una cel-
da de flotacin basndose en el principio de Callow,
generar la fase gaseosa mediante inyeccin de aire
en la base de la celda. Esta nueva celda posea como
caractersticas principales una gran altura, se alimen-
taba desde la parte superior (a 2/3 de la altura total)

() trabajo recibido el da 13 de agosto de 2008 y aceptado en su forma final el da 2 de diciembre de 2009.

* dpto. de ingeniera metalrgica, universidad de santiago de Chile, santiago, Chile.

** dpto. de ingeniera metalrgica, universidad Catlica del norte, antofagasta, Chile.
*** dpto. de ingeniera mecnica, universidad de santiago de Chile, santiago, Chile. gerardo.cifuentes@usach.cl.

101
J. simpson, d. Jordn, g. CiFuentes, a. morales y l. briones

generando un flujo en contra-corriente con un flu- mide la proporcin de la variabilidad de la variable

jo descendente de pulpa mineral y un flujo ascen-
dente de burbujas de aire, y un pequeo flujo de agua
sobre el lecho de espuma a fin de limpiar el concen-
trado. Alrededor de 1970 [2] , en la Canada Iron
Company realizaron las primeras pruebas en estos
equipos, obteniendo resultados metalrgicos satis-
factorios. An cuando el equipo contena un sinn-
mero de aspectos ventajosos: menor espacio ocupado,
menores costos de operacin por eliminacin de la
agitacin mecnica, mejores resultados metalrgi-
cos; el proyecto se enfrent al conservadurismo de
las empresas metalrgicas proveedoras de celdas de
flotacin. En la actualidad la utilizacin de colum-
nas de flotacin en los procesos metalrgicos en la
industria del cobre es una realidad, con una utilidad
ms que demostrada y avalada econmicamente.
Un aspecto importante dentro de todo proceso es
el control de ste y la operacin de las columnas no
est ajena a esta realidad; en este trabajo se desarro-
lla un modelo matemtico basado en el mtodo de
regresin por pasos (Stepwise Regression). Este mto-
do trabaja bajo la hiptesis de que la relacin entre las
variables predictoras y la variable respuesta es lineal;
de esta forma, se elige un subconjunto de variables
que deben estar incluidas en el modelo. En la regre-
sin por pasos, al incluir una nueva variable al mode-
lo, reconsidera el mantener las que ya se haban aa-
dido previamente, es decir, no slo puede entrar una
nueva variable en cada paso sino que puede salir al-
guna de las que ya estaban en la ecuacin. El proce-
so finaliza cuando ninguna variable de las que no es-
tn en la ecuacin cumple la condicin para entrar y,
de las incorporadas a la ecuacin, ninguna cumple
la condicin de salir. El criterio que se emplea para de-
cidir si una variable se queda o no corresponde, es-
tadsticamente, al coeficiente de regresin lineal (R
o R2) calculado cada vez que una variable se incorpo-
ra o se quita del modelo. El valor, por ejemplo, de R2
dependiente en la ecuacin del modelo planteado.
Las variables que pueden ser incorporadas en el
mtodo de regresin por pasos pueden tener un ori-
gen muy variado, pasando desde variables empricas
hasta del tipo fenomenolgico. Cuando la mayora
de las variables son del tipo empricas se tendr como
resultado un modelo emprico. En cambio, cuando
las variables incorporadas en el modelo poseen com-
ponentes empricas y fenomenolgicas estamos en
presencia de un modelo gris. En este trabajo se preten-
de desarrollar un modelo matemtico utilizando las
herramientas estadsticas que se desprenden del m-
todo de regresin por pasos.
2. OBJETIVOS
Se pretende obtener un modelo matemtico por el
mtodo de regresin por pasos representativo, en es-
tado estacionario, que determine los resultados me-
talrgicos de la columna de flotacin piloto en fun-
cin de los parmetros de operacin.
3. METODOLOGA
Se realiz una caracterizacin preliminar del mineral
empleado en este trabajo, utilizando nueve muestras.
En primer lugar, se caracteriz qumicamente, mos-
trndose los resultados obtenidos en la tabla I para,
despus, proceder a realizar una flotacin Rougher
estndar en celda convencional con el fin de obte-
ner la constante cintica de flotacin, KRougher, y la re-
cuperacin infinita, R , segn el mtodo de
Klimpell[3] para proceder al escalamiento a flotacin
columnar. En la tabla II, se presentan los valores ci-
nticos correspondientes.

Tabla I. anlisis qumicos a muestras representativas del mineral ensayado

Table I. Chemical analysis of representative samples ore tested

Muestras
Elemento
M1 M2 M3 M4 M5 M6 M7 M8 M9

Cu, % 1,85 1,79 1,79 1,01 1,40 1,35 1,31 0,97 1,47
insolubles, % 82,30 80,80 80,80 83,90 84,73 81,95 82,27 83,33 85,12
s, % 4,80 4,47 4,47 3,72 3,87 3,88 3,86 3,33 2,47
Fe, % 3,37 3,45 3,45 2,92 3,05 3,65 3,84 3,20 2,88
as, % 0,13 0,16 0,16 0,07 0,12 0,08 0,08 0,05 0,12

102 rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834
 modelaCin empriCa de FlotaCin en Columna a esCala piloto
mathematiCal simulation oF Column Flotation in pilot sCale

Tabla II. parmetros cinticos obtenidos en

flotacin rougher estndar en celda
convencional

Table II. Kinetic parameters obtained in

Rougher flotation conventional standard cell

Parmetros cinticos
Muestras
KRougher R

m1 1,10 99,8
m2 0,80 98,5
m3 0,80 98,5
m4 0,75 98,1
m5 0,30 86,1
m6 0,30 100
m7 0,40 100
m8 0,30 100
m9 0,20 87,4
Lo ms notorio, en la tabla II, es la dispersin de
valores obtenidos en los parmetros cinticos para
las muestras representativas, aspecto que tiene que
ver ms bien con la dispersin del tipo mineralgi-
ca presente en el mineral, que con el contenido qu-
mico del elemento presente en este que, como lo pre-
senta la tabla I, no estn tan dispersos respecto del
cobre principalmente, no as del contenido de azu-
fre que podra indicar diferencias significativas en
cuanto a las variables cinticas, al estar asociado a
diferentes especies mineralgicas con el cobre.
La metodologa de trabajo consisti en recopilar
la informacin operacional de nueve ensayos de la
planta de procesamiento de minerales. La informa-
cin fue recopilada empleando un software de adqui-
sicin de datos desde la instrumentacin asociada a
la columna de flotacin piloto (Fig. 1). El lazo de
control de estabilizacin de la columna de la figura 1
emplea slo el control de nivel, siendo este tipo de
lazo una de las alternativas de ms bajo costo de im-
plementacin.
Los sensores empleados en este lazo fueron: senso-
res de presin (LT) dPcell instalados en la pared de la
columna y columna de burbujeo o presin esttica;
sensores de temperatura (FT) para determinar la po-
sicin de la interfaz pulpa/espuma por diferencia en-
tre la temperatura del agua de lavado y la pulpa; sen-
sores ultrasnicos y de flotacin para determinar la
profundidad de la espuma; y censor radiactivo (C)
para determinar la densidad de pulpa de alimenta-
cin.
En la tabla III se presenta la simbologa empleada
para las diferentes variables asociadas a la operacin
Figura 1. esquema columna de flotacin piloto
con su sistema de control y la instrumentacin
asociada a este.
Figure 1. Scheme of the pilot flotation column
system and the control instrumentation
associated with this.
de la columna piloto, la frecuencia de adquisicin de
datos y su origen.
La velocidad superficial para un componente i de
flujo volumtrico Qi est dada por la expresin (1):
Qi
Ji = (1)
36 AColumna
Con, i= g (aire), P (pulpa), B (Bias), WW (agua
de lavado), etc.
En una primera etapa se realiza un anlisis de la
data adquirida, con el objetivo de filtrar aquellos que
se encuentran fuera de rango y dejar los metalrgi-
camente adecuados (flujo positivo (QB>0) y LConc >
LAlim) [4].
Una vez que la data es filtrada, se realiza la carac-
terizacin de la operacin de la columna, determi-
nando el tiempo medio de residencia de los relaves en
la zona de coleccin de la columna. El tiempo me-
dio de residencia de los relaves puede ser considera-
do como similar al tiempo medio de residencia de la
pulpa en la zona de coleccin de la columna. El tiem-
po medio de residencia (TMedio) fue calculado em-
pleando la expresin (2):

rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834 103
J. simpson, d. Jordn, g. CiFuentes, a. morales y l. briones

Tabla III. listado de variables operacionales asociadas a la columna piloto

Table III. List of operational variables associated with pilot column

Variable Nombre Significado Frecuencia de medicin

X1 LAlim ley de alimentacin, % Cada 30 min

X2 JWW velocidad superficial de agua de lavado, cm/s en lnea, cada 1 min
X3 Jg velocidad superficial de aire, cm/s en lnea, cada 1 min
X4 HE altura de espuma, m en lnea, cada 1 min
X5 Cp Concentracin de slidos en alimentacin, % Cada 30 min
X6 JB bias, velocidad superficial de agua neto en fase espuma, cm/s
*(JAgua Relaves-JWW) determinado mediante ecuacin
X7 e hold up de aire, determinado mediante ecuacin
X8 F80 tamao partcula del 80% pasante Cada 30 min
X9 TMedio tiempo medio de residencia, min determinado mediante ecuacin
X10 KFC Constante de velocidad especfica de flotacin, 1/min determinado mediante ecuacin

* : velocidad superficial de agua en relaves menos velocidad superficial de agua de lavado en la alimentacin.

TMedio =
( HC HE) (1 )
(2)
JRelaves

donde, HC y HE son la altura de la columna y de la

espuma, respectivamente (cm), JRelaves, la velocidad
superficial de relave y e es la fraccin de aire (hold up
de aire). Para la determinacin del hold up de aire se
realiz una estimacin entre las principales variables
que determinan este parmetro, a saber: el flujo de
aire y la altura de espuma. La determinacin del hold
up experimental se hizo empleando el principio de
desplazamiento de volumen. La figura 2 presenta la re-
lacin entre el flujo volumtrico de aire (Qg) y la al-
tura de espuma (HE) de la columna de flotacin.
Figura 2. relacin entre nivel de interfaz (NI),
De acuerdo a lo obtenido de la figura 2, la fun-
Flujo de aire (Qg) en m3/h y hold up (e).
cin que determina el hold up queda, entonces, de-
terminada por la siguiente correlacin: Figura 2. Relationship between Level Interface
(NI), Airflow (Qg) in m3/h and Hold Up (e).
= 0,37+ 0,01 Qg + 0,05 (352 3,50 HE) (3)

H relativo de la interfaz espuma/lquido respecto al ni-

con HE = 352,82 3,501NI Normalizada (4) vel de rebose de la celda.
La data menor a 10 l/min no es considerada ya
que, por condiciones operacionales, ese caudal de ai-
NI Sensor re no es utilizado normalmente en este tipo de cel-
para NI Normalizada = (5) da puesto que se debe mantener una altura adecuada
Lquido
de nivel de espuma en el sistema, as como una distri-
bucin de la fraccin de aire (hold up, e) en la co-
Para este estudio se consider rlquido=1,07 g/cm3 y lumna lo ms eficiente posible.
NI=107 % como factores de correccin, debido al Otra caracterstica fundamental en la operacin de
desplazamiento de las mediciones obtenidas por efec- columnas de flotacin es la condicin de flujo pis-
to de la densidad del medio, donde NI es el nivel tn, con un bajo grado de mezclamiento axial

104 rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834

presente en la zona de coleccin. Esta condicin que-
dar definida por el nmero de dispersin axial (ND),
el cual depende de la velocidad intersticial del lqui-
do (m, cm/s), ecuacin (6)), y del coeficiente de dis-
persin axial (D), ecuacin (7), siendo determina-
do finalmente por la expresin (8):
1
= (J + J )
(1 ) P B
0,3
D = 0,063 d JG
D columna
1,6
N
D lrgica (Rec) de la especie de inters en la zona espu-
ND =
( HC HS HE)
donde, JP y JB son las velocidades superficiales de pul-
pa de alimentacin y agua de lavado neta, respectiva-
mente (Bias), d el dimetro de la columna (cm), JG la
velocidad superficial de aire y HS la altura de ubica-
cin de los spargers (m). Como condicin general,
se tiene que si D tiende a cero, entonces, ND tam-
bin tiende a cero y se puede decir que la columna
opera en flujo tipo pistn; en caso contrario se dice
que la columna opera en flujo tipo mezcla perfecta. En
este caso los datos operacionales indican una ten-
dencia clara al flujo tipo pistn, como se muestra en
la figura 3.
Figura 3. Coeficiente de dispersin y nmero de
dispersin caracterstico de la columna piloto.
Figure 3. Coefficient of Dispersion and
Dispersion characteristic number of the pilot co-
lumn.
rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834
modelaCin empriCa de FlotaCin en Columna a esCala piloto
mathematiCal simulation oF Column Flotation in pilot sCale
Teniendo esta condicin determinada es posible
estimar la constante de velocidad especfica de un
mineral sometido a flotacin columnar (KFC), a par-
tir de la informacin entregada por instrumentacin
y la informacin cintica respectiva. La constante
de velocidad especfica de flotacin queda determina-
da segn Finch y Dobby[5] por la relacin (9):
(6)
1
K FC =
TMedio
[ ( ) ]
Ln exp K Rougher TMedio RF +1 RF (9)
(7)
donde, KRougher esL la constante cintica de flotacin
Rougher en celdas estndares y RF es la recuperacin
de la espuma en la columna. La recuperacin meta-
(8) ma vara entre 40 y 60 %. Una vez que se ha determi-
nado esta constante, para cada una de las muestras
es posible desarrollar modelos semi-empricos de ca-
da variable en relacin a los parmetros, como el que
se muestra en la figura 4.
En la figura 4 la relacin entre Jg y RE responde a
una funcin del tipo Y=(Xi - Xi*)a, donde Xi es la va-
riable del parmetro i y Xi* el valor mximo que se es-
pera alcanzar de ella y el grado del polinomio de
esa variable, esto permite dividir el comportamiento
de la curva en dos zonas, una zona ascendente (antes
de Xi*) y otra descendente (despus de Xi*). Siguiendo
este procedimiento se logra desarrollar los modelos
para la razn de enriquecimiento, los cuales se mues-
tran en la tabla IV.
Figura 4. relacin entre velocidad superficial
de aire (Jg) v/s razn de enriquecimiento (RE).
Figura 4. Relationship between Surface Velocity
Air (Jg) versus Enrichment Ratio (RE).
105
J. simpson, d. Jordn, g. CiFuentes, a. morales y l. briones

a b m
Tabla IV. modelos matemticos para razn y = X 1 X2 X n ln(y)=aln(X1)+bln(X2)+mln(Xn)
de enriquecimiento
Donde, a, b m son los coeficientes del polino-
Table IV. Mathematical models for enrichment mio. Empleando este mtodo se logra crear un mode-
ratio lo matemtico emprico que entregue resultados no li-
neales empleando un mtodo de regresin lineal co-
Para Se crea mo el ya antes mencionado.

X11: HE a11(HE-0,85)2
X12: e e12(e-0,25)2 4. RESULTADOS
X13: JG a13(JG-1,25)2
X14: JB a14/JB
X15: F80 a15F80 4.1. Modelo emprico de RE
X16: TMedio a16/TMedio
X17: Cp a17(0,24-Cp)2 Despus de realizar las regresiones se lleg a deter-
minar el modelo de RE, el cual tiene como estructu-
ra matemtica:
En la tabla V se presentan los modelos empricos
desarrollados para el modelo de LRelaves. Estos mode- HE 0,13
los empricos complementarn a las variables opera- RE =
cionales presentadas en la tabla III, buscando crear,
L0,61
A lim
0,12
TMedio JB0,06 F800,08 CP0,09
de esta forma, modelos matemticos que se vean in-
fluenciados tanto por relaciones directas como por donde, F80 es el tamao de partcula pasante 80 % y
relaciones empricas[6]. CP es la concentracin de slidos de la pulpa, ambos
El mtodo empleado es un tipo de regresin line- en la alimentacin. Este modelo presenta un ajuste
al llamado Stepwise Regression[7] que posee la parti- del 90 % para los datos empleados y su comporta-
cularidad de evaluar el peso de una variable den- miento se puede ver en la figura 4.
tro de un modelo por medio del coeficiente de regre-
sin lineal, R 2, y determinar si es vlida o no la
presencia de esta en la formulacin del modelo.
Este mtodo trabaja con regresiones lineales, pe- 4.2. Modelo emprico LRelaves
ro se sabe que estas no responden al comportamien-
to de los equipos del proceso de flotacin el cual es no L Relaves queda determinada mediante el modelo:
lineal. Por lo cual, es necesario realizar un desarro-
llo logartmico que si represente este proceso, la repre- L1,029
A lim HE
0,105

sentacin queda entonces de la siguiente forma: LRelaves = 0,098 0,077

K FC TMedio

Tabla V. modelos matemticos empricos El modelo posee un ajuste del 93 % para los datos
para ley de relaves empleados y su comportamiento se puede ver en la
figura 5.
Table V. Mathematical models for tailings law

Para Se crea 4.3. Modelo emprico LConc

X18: HE a18/HE LConc queda determinada por:

X19: e a19(0,23-e)2
X20: JG a20(1,25-JG)2 LConc = RE LA lim
X21: JB a21JB
X22: F80 a22(F80-44,50)2
X23: TMedio a23TMedio donde, RE es la razn de enriquecimiento y LAlim la
ley de alimentacin. Este modelo se ajusta a un 74 %
X24: Cp a24(Cp-0,22)2
de los datos empleados, la baja en el nivel de ajuste se

106 rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834
 modelaCin empriCa de FlotaCin en Columna a esCala piloto
mathematiCal simulation oF Column Flotation in pilot sCale
Figura 5. Comparacin entre ley de relaves
real y el modelado.
Figure 5. Comparison between real results of
tailing law versus modeling results of them.
explicara principalmente por posibles diferencias en
la mineraloga de alimentacin empleada en los en-
sayos y que ya se evidenciaba segn lo indicado en
las tablas I y II. El comportamiento de este modelo
se puede ver en la figura 6.
4.4. Modelo emprico de Rec
Rec queda determinada por el modelo:
Figura 6. Comparacin entre ley de
Concentrado real y el modelado.
Figure 6. Comparison between real results of
the concentrate versus modeling results of them.
rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834
0,83
Rec =
(LA lim LRelave)
0,58 0,46
LA lim ( LConc LRelave)
Este modelo se ajusta a un 93 % de los datos y su
comportamiento se presenta en la figura 7.
5. CONCLUSIONES
El modelo emprico obtenido de RE responde de ma-
nera eficiente, siendo las principales variables que la
afectan la altura de espuma y el tiempo medio de flo-
tacin.
El modelo emprico obtenido de LRelaves responde
de manera concordante con lo esperado tericamen-
te[7], siendo la principal variable la altura de espuma.
Los modelos empricos de LConc y Rec que se des-
prenden de forma directa de los modelos empricos
anteriores y que se deducen directamente de un ba-
lance de los finos de la columna, entregan informa-
cin que es concordante con el comportamiento de
las variables manipuladas.
El mtodo de la regresin por pasos (Step Wise
Regression)[7] representa una muy buena herramien-
ta para correlacionar las variables de proceso y obte-
ner modelos empricos que caractericen el comporta-
miento de columnas de flotacin.
Figura 7. Comparacin entre recuperacin
metalrgica real y el modelado.
Figure 7. Comparison between real results of
the metallurgical recovery versus modeling
results of them.
107
J. simpson, d. Jordn, g. CiFuentes, a. morales y l. briones
REFERENCIAS
[1] A. Azanero, P. Nuez, E. Len y M. Morales,
Rev. Inst. Investig. Fac. Minas Metal Cienc.
Geogr. 11 (2003) 82-90.
[2] J. Bouchard, A. Desbiens y R. del Villar, Miner.
Eng. 18 (2005) 709-720.
[3] J. Yianatos, Flotacin de Minerales, Departamen -
to de Procesos Qumicos, Biotecnolgicos y
Ambientales, Universidad Tcnica Federico
Santa Mara, Via del Mar, Chile, 2005, pp.
62-87.
[4] J. Bouchard y A. Desbiens, Proc. Copper/Cobre
2003, Int. Conf. Vol 3, Santiago, Chile, 2003,
108 rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834
C. Gmez y C.A. Barahona (Eds.), Instituto de
Ingenieros de Minas, Santiago, Chile, 2003,
pp. 351-364.
[5] J.A. Finch, y G.A. Dobby, Column Flotation,
Pergamon Press, Oxford, Inglaterra, 1990,
pp. 180-200.
[6] O. Levenspiel, Ingeniera de las Reacciones
Qumicas, 2 Edicin, Ed. Revert, Barcelona,
Espaa, 1986, pp. 45-96.
[7] DataStep Development, SPSS Step-by-step,
Tutorial for SPSS 11.5, www.datastep.com/
SPSSTutorial_1.pdf;www.datastep.com/SPSSTuto
rial_2.pdf. Enero 2004.