Mineral Comminution Circuits - VerSp

Circuitos de Trituración de Mineral
Su Operación y Optimización
T.J. Napier-Munn
S. Morrel
R.D. Morrison
T. Kojovic
Series Monográficas de JKMRC en Minería y Procesamiento de Mineral 2
Editor de Series
T.J. Napier-Munn
Traducido al español por
Víctor R. Gutiérrez Benforado
Tel 56-55-770 398 - Cel. (09) 887 2338
vgutierr@vtr.net – victor@vgutierrez.com
Enero de 2005
PREFACIO
Este no es un libro de texto, aunque contiene mucho de lo que se esperaría de un libro de

texto. Tampoco es un manual de simulación por computadora, aunque la simulación es la
principal herramienta de optimización utilizada. Es un libro de referencia para el ingeniero
comprometido con obtener lo mejor de sus circuitos de chancado y molienda. Se hace
énfasis en las unidades de proceso individuales, sus características y los factores que
influyen en su rendimiento.
La filosofía seguida es proveer al profesional inteligente con medios para entender mejor su
circuito y optimizar su rendimiento. En consecuencia, una descripción pragmática de cada
operación unitaria y su rol en el circuito de trituración es inseparable de la explicación
sobre el modelo matemático usado para describirlo y representarlo en un simulador
computarizado. Asimismo, la simulación requiere de datos para caracterizar tanto el acopio
de la alimentación como la máquina, y el libro incluye una guía práctica sobre el muestreo
de circuitos, balance de masa, estimación de los parámetros de modelo y determinación de
las características de clasificación y rotura. No obstante, no pretende entregar una
explicación completa sobre la ciencia de la rotura y trituración de rocas. Esto ya ha sido
intentado por otros anteriormente.
Luego de más de 30 años de desarrollo, la simulación es hoy en día una tecnología madura
usada cada vez más de manera rutinaria por los ingenieros en minerales. Es nuestra
intención entregar a dichos ingenieros el conocimiento y metodología de respaldo que le
permita explotar la tecnología de manera efectiva. Creemos importante que entienda la base
a partir de la cual se derivan estas técnicas y hemos, por consiguiente, incluido algunos de
los principios involucrados, con estudios de caso cuando corresponde. Por este motivo, y
porque los enfoques descritos están en la frontera de la practica de la ingeniera actual, los
alumnos que estudian procesamiento de minerales también encontraran de valor este libro.
La amplitud de la literatura moderna sobre trituración es tan amplia que impide una
explicación completa. Por consiguiente solo hemos incluido aquellas referencias adecuadas
para las metodologías aquí descritas o que hemos encontrado útiles por derecho propio.
El lector perceptivo notará la omisión de la palabra ‘diseño’ en el título. El diseño – la

especificación y dimensionado del equipo y diagramas de flujo – es un asunto muy distinto
a la optimización y merece un tratamiento independiente. No se tratará aquí, aunque
obviamente las bases de conocimiento para el diseño y optimización tienen mucho en
común.
i
ii
CONTENIDOS
PREFACIO ............................................................................................................I
CONTENIDOS .................................................................................................... III
CAPITULO 1 ........................................................................................................1
INTRODUCCIÓN ................................................................................................................ 1
1.1 LA TECNOLOGÍA DE LA TRITURACIÓN........................................................ 1
1.2 SIMULACIÓN COMO UNA HERRAMIENTA DE OPTIMIZACIÓN............... 3
1.3 ESTE LIBRO Y COMO UTILIZARLO................................................................. 7
CAPITULO 2 ......................................................................................................10
MODELOS DE PROCESOS DE TRITURACIÓN .................................................................. 10
2.1 INTRODUCCIÓN ................................................................................................ 10
2.2 UNA BREVE HISTORIA DE LOS MODELOS DE TRITURACIÓN............... 11
2.3 CLASES DE MODELOS DE TRITURACIÓN................................................... 13
2.4 MODELOS FUNDAMENTALES ....................................................................... 14
2.4.1 Principios de los Modelos......................................................................... 14
2.4.2 Probando los Modelos Fundamentales ..................................................... 16
2.4.3 Consideraciones Energéticas .................................................................... 17
2.4.4 Interacciones con las Partículas de Mineral.............................................. 19
2.5 MODELOS DE CAJA NEGRA ........................................................................... 21
2.5.1 Principios .................................................................................................. 21
2.5.2 Modelo de Balance de Población.............................................................. 23
2.5.3 Modelo de Molino de Bola de Mezcla Perfecta........................................ 25
2.5.4 Modelo de Molino Multi-segmento .......................................................... 27
2.5.5 Modelo de Chancador Whiten .................................................................. 29
2.5.6 Modelado de la Energía de Rotura............................................................ 30
2.6 CONCLUSIONES ................................................................................................ 31
iii
CAPITULO 3 ......................................................................................................32
EXTRACCIÓN DEL MINERAL .......................................................................................... 32
3.1 INTRODUCCIÓN ................................................................................................ 32
3.2 MEDICIÓN Y DESCRIPCIÓN DE LA LIBERACIÓN...................................... 33
3.2.1 Definiendo Liberación .............................................................................. 33
3.2.2 Midiendo la Liberación............................................................................. 33
3.2.3 Describiendo la Liberación ....................................................................... 37
3.3 MODELOS SENCILLOS DE LIBERACIÓN EN TRITURACIÓN................... 39
3.3.1 Metodología de Weedon ........................................................................... 39
3.3.2 Metodología de Morrel ............................................................................. 43
3.4 CONCLUSIONES ................................................................................................ 48
CAPITULO 4 ......................................................................................................49
PRUEBAS DE ROCA – DETERMINACIÓN DE LA FUNCIÓN DE ROTURA ESPECÍFICA ..... 49
4.1 INTRODUCCIÓN ................................................................................................ 49
4.2 ROTURA DE ROCA............................................................................................ 50
4.2.1 Mediciones de Respuesta Macro .............................................................. 50
4.2.2 Mecanismos de Micro Fractura ................................................................ 53
4.2.3 Resumen: Aplicación de Pruebas de Resistencia de Roca en Trituración 57
4.3 TEST DE BOND .................................................................................................. 57
4.3.1 Introducción .............................................................................................. 57
4.3.2 Test de Bond de Aptitud para Chancado .................................................. 58
4.3.3 Test de Bond de Aptitud para Molienda de Molino de Barras ................. 59
4.3.4 Test de Bond de Aptitud para Molienda de Molino de Bolas................... 60
4.3.5 Análisis del Método de Bond.................................................................... 63
4.4 PRUEBAS DE MOLIENDA POR LOTE ............................................................ 66
4.5 CARACTERIZACIÓN DE ROTURA DE PARTÍCULA INDIVIDUAL........... 69
4.5.1 Pruebas de Péndulo ................................................................................... 70
4.5.2 Pruebas de Caída de Pesos........................................................................ 70
4.5.3 Procedimientos de Caracterización de Roca JKMRC .............................. 72
4.6 PARÁMETROS DEL MINERAL EN MODELADO Y SIMULACIÓN............ 81
4.6.1 Parámetros de Mineral Molino AG/SAG ................................................. 81
4.6.2 MODO DE APARIENCIA DEL MODELO DE CHANCADOR .............................. 86
4.6.3 FUNCIÓN DE APARIENCIA DE MOLINO DE BARRA Y BOLA ......................... 89
4.7 CONCLUSIONES ................................................................................................ 92
iv
CAPITULO 5 ......................................................................................................95
ESTUDIANDO CIRCUITOS DE TRITURACIÓN .................................................................. 95
5.1 INTRODUCCIÓN ................................................................................................ 95
5.2 ALGUNOS PRINCIPIOS DE MUESTREO........................................................ 96
5.2.1 Introducción .............................................................................................. 96
5.2.2 Tamaño de la Muestra para Análisis de Tamaño...................................... 97
5.2.3 Propagación del Error en Cantidades Calculadas ................................... 100
5.2.4 Cortadores de Muestra ............................................................................ 101
5.3 DISEÑO DE ESTUDIOS DE CIRCUITOS DE TRITURACIÓN .................... 104
5.3.1 Objetivos y Requerimientos.................................................................... 104
5.3.2 Procedimiento de Estudio Típico para un Circuito de Molienda............ 105
5.3.3 Datos a Recolectar .................................................................................. 107
5.4 PRÁCTICA DE MUESTREO ............................................................................ 109
5.4.1 Equipos y Recursos Necesarios .............................................................. 109
5.4.2 Alimentación de Molino o Chancador.................................................... 110
5.4.3 Contenidos del Molino............................................................................ 113
5.4.4 Descarga del Molino ............................................................................... 119
5.4.5 Mill Scats o Producto de Chancado ........................................................ 119
5.4.6 Alimentación del Ciclón ......................................................................... 119
5.4.7 Underflow y Overflow de Ciclón ........................................................... 120
5.4.8 Distribuciones de Tiempo de Residencia................................................ 120
5.5 PROCEDIMIENTOS DE ANÁLISIS DE LA MUESTRA ............................... 120
5.5.1 Partición de la Muestra ........................................................................... 120
5.5.2 Peso Específico del Mineral.................................................................... 121
5.5.3 Dimensionado de Partículas.................................................................... 121
5.6 ANALISIS DE LOS DATOS ............................................................................. 123
5.6.1 Inspección Inicial de los Datos ............................................................... 123
5.6.2 Balance de Masa ..................................................................................... 126
5.6.3 Ajuste del Modelo................................................................................... 132
5.7 CONCLUSIONES .............................................................................................. 133
CAPITULO 6 ....................................................................................................135
CHANCADORES ............................................................................................................. 135
6.1 INTRODUCCIÓN .............................................................................................. 135
6.2 OBJETIVOS DEL PROCESO............................................................................ 135
6.3 DESCRIPCIÓN DEL PROCESO....................................................................... 136
6.4 VARIABLES CLAVE ........................................................................................ 137
v
6.5 MODELANDO EL CHANCADOR................................................................... 138
6.6 PREDICCIÓN DE LA ENERGÍA DEL CHANCADOR .................................. 141
6.7 MODELANDO LAS FUNCIONES DE CLASIFICACIÓN Y ROTURA........ 142
6.8 AJUSTE DEL MODELO DE CHANCADOR................................................... 144
6.9 MODELANDO OTROS TIPOS DE CHANCADORES ................................... 145
6.9.1 Chancadores de Impacto de Eje Vertical ................................................ 145
6.9.2 Chancadores de Impacto de Eje Horizontal............................................ 147
6.9.3 Chancadores de Rodillo Dentado............................................................ 148
6.9.4 Rodillos de Molienda de Alta Presión .................................................... 148
6.10 OPERACIÓN Y OPTIMIZACIÓN DE CHANCADO ...................................... 151
CAPITULO 7 ....................................................................................................154
MOLINOS AUTÓGENOS Y SEMIAUTÓGENOS ................................................................ 154
7.1 INTRODUCCIÓN .............................................................................................. 154
7.2 DISEÑO DEL MOLINO .................................................................................... 155
7.2.1 Diseño de la Carcasa............................................................................... 155
7.2.2 Mecanismos de Descarga........................................................................ 157
7.2.3 Elevadores y Revestimientos (ver también Sección 9.4)........................ 158
7.3 DISEÑO DEL CIRCUITO ................................................................................. 160
7.4 MECANISMO Y MODELO DE PROCESO..................................................... 162
7.4.1 Vista General y Estructura del Modelo................................................... 162
7.4.2 Rotura...................................................................................................... 164
7.4.3 Transporte de Material............................................................................ 169
7.5 OPERACIÓN DE MOLINOS AG Y SAG........................................................ 175
7.5.1 Generalidades.......................................................................................... 175
7.5.2 Tamaño de Alimentación........................................................................ 178
7.5.3 Dureza del Mineral ................................................................................. 180
7.5.4 Volumen de la Carga de Bolas y Tamaño de Bola ................................. 180
7.5.5 Velocidad del Molino ............................................................................. 182
7.5.6 Cerrando un Circuito con Clasificadores de Fino................................... 184
7.5.7 Cerrando un Circuito con un Chancador de Reciclo (Pebble)................ 186
7.5.8 Control .................................................................................................... 187
7.6 OPTIMIZACIÓN................................................................................................ 188
7.6.1 General.................................................................................................... 188
7.6.2 Conozca su Molino ................................................................................. 188
7.6.3 Definir le Criterio de Optimización y Desarrollar un Programa............. 189
7.6.4 Simulación .............................................................................................. 190
7.6.5 Criterio de Optimización......................................................................... 190
vi
CAPITULO 8 ....................................................................................................192
MOLINOS DE BARRA .................................................................................................... 192
8.1 INTRODUCCIÓN .............................................................................................. 192
8.3 VARIABLES CLAVE ........................................................................................ 193
8.4 REVESTIMIENTOS DE MOLINO ................................................................... 195
8.5 CONFIGURACIÓN DEL CIRCUITO ............................................................... 196
8.6 MODELADO DE MOLINOS DE BARRA ....................................................... 196
8.7 ESCALANDO EL MODELO DE MOLINO DE BARRA ................................ 200
8.8 AJUSTANDO EL MODELO DE MOLINO DE BARRA................................. 202
8.9 OPERACIÓN DEL MOLINO DE BARRA ....................................................... 203
8.10 OPTIMIZACIÓN................................................................................................ 204
CAPITULO 9 ....................................................................................................206
MOLINOS DE BOLA....................................................................................................... 206
9.1 INTRODUCCIÓN .............................................................................................. 206
9.3 VARIABLES CLAVE ........................................................................................ 207
9.4 REVESTIMIENTOS DE MOLINO ................................................................... 209
9.5 CONFIGURACIONES DE CIRCUITO............................................................. 209
9.6 LA METODOLOGÍA TRADICIONAL – BOND ............................................. 210
9.7 MODELADO DE MOLINO DE BOLA ............................................................ 212
9.8 ESCALANDO EL MODELO DE MOLINO DE BOLA ................................... 217
9.9 AJUSTANDO EL MODELO DE MOLINO DE BOLA A LOS DATOS DE
PRUEBA 219
9.10 OPERACIÓN DEL MOLINO DE BOLA.......................................................... 220
9.10.1 Factores que Influencian la Operación ................................................... 220
9.10.2 Densidad de Slurry.................................................................................. 221
9.10.3 Viscosidad de Slurry ............................................................................... 222
9.10.4 Selección de Revestimientos................................................................... 222
9.10.5 Selección del Tamaño de Bola................................................................ 222
9.10.6 Operación del Clasificador ..................................................................... 223
9.10.7 Cargas Recirculantes............................................................................... 224
9.11 ENERGÍA DEL MOLINO ................................................................................. 224
9.12 OPCIONES DE OPTIMIZACIÓN ..................................................................... 227
vii
CAPITULO 10..................................................................................................230
MOLINOS DE TORRE Y MOLINOS DE AGITACIÓN ........................................................ 230
10.1 INTRODUCCIÓN .............................................................................................. 230
10.2 DISEÑO 231
10.2.1 General.................................................................................................... 231
10.2.2 Agitadores ............................................................................................... 232
10.2.3 Envolvente de Rendimiento.................................................................... 233
10.3 ACCIÓN DE MOLIENDA................................................................................. 234
10.4 MOVIMIENTO DE LOS MEDIOS ................................................................... 235
10.4.1 Molinos de Torre..................................................................................... 235
10.4.2 Molinos de Agitación Tipo Aguja .......................................................... 239
10.5 MODELADO Y ESCALADO DE MOLINOS DE TORRE.............................. 239
10.5.1 Consumo de Energía ............................................................................... 239
10.5.2 Reducción de Tamaño............................................................................. 242
10.6 OPTIMIZACIÓN DE MOLINOS DE TORRE.................................................. 246
CAPITULO 11..................................................................................................247
LA PREDICCIÓN DEL CONSUMO DE ENERGÍA EN CHANCADORES Y MOLINOS DE VOLTEO
...................................................................................................................................... 247
11.1 INTRODUCCIÓN .............................................................................................. 247
11.2 LA PREDICCIÓN DE LA ENERGÍA DEL CHANCADOR ............................ 248
11.2.1 Introducción ............................................................................................ 248
11.2.2 Relaciones Energía- Reducción de tamaño Especificas del Mineral...... 248
11.2.3 El Modelo de Reducción de Tamaño del Chancador.............................. 249
11.2.4 El Modelo de Energía del Chancador ..................................................... 250
11.3 LA PREDICCIÓN DEL CONSUMO DE ENERGÍA DEL MOLINO .............. 251
11.3.1 Introducción ............................................................................................ 251
11.3.2 Forma de la Carga................................................................................... 252
11.3.3 Posición de la Carga................................................................................ 253
11.3.4 Descripción Matemática de la Variación en la Posición del Talón y el Hombro
256
11.3.5 Movimiento de la Carga.......................................................................... 256
11.3.6 Descripción Matemática del Perfil de Velocidad ................................... 258
11.3.7 Ecuaciones de Consumo de Energía ....................................................... 259
11.3.8 Estructura General del Modelo (Figura 11.12) ....................................... 266
11.3.9 Energía de Sin Carga .............................................................................. 267
viii
11.4 EJEMPLO RESUELTO...................................................................................... 270
11.5 CONCLUSIONES .............................................................................................. 272
CAPITULO 12..................................................................................................273
HARNEROS E HIDROCICLONES .................................................................................... 273
12.1 INTRODUCCIÓN – EL ROL DEL DIMENSIONADO EN CIRCUITOS DE
TRITURACIÓN 273
12.2 CURVAS DE EFICIENCIA ............................................................................... 276
12.3 HARNEROS Y TAMICES CURVOS................................................................ 285
12.3.1 Introducción ............................................................................................ 285
12.3.2 Harneros Vibratorios............................................................................... 287
12.3.3 Superficies de Harneado ......................................................................... 289
12.3.4 Eficiencia de Harneado ........................................................................... 291
12.3.5 Modelos de Harnero................................................................................ 293
12.3.6 Modelo de Harnero Vibratorio JKMRC ................................................. 297
12.3.7 Harneros DSM ........................................................................................ 305
12.3.8 Optimización de Harneros Vibratorios y Harneros DSM....................... 308
12.4 HIDROCICLONES ............................................................................................ 309
12.4.1 Introducción ............................................................................................ 309
12.4.2 Descripción del Proceso.......................................................................... 309
12.4.3 Modelos de Hidrociclón.......................................................................... 311
12.4.4 Optimización de Hidrociclón – Efecto del Diseño y Variables Operativas319
CAPITULO 13..................................................................................................331
OPTIMIZACIÓN DE CIRCUITOS DE TRITURACIÓN ....................................................... 331
13.1 INTRODUCCIÓN .............................................................................................. 331
13.2 METODOLOGÍAS DE OPTIMIZACIÓN......................................................... 332
13.2.1 El proceso de Optimización .................................................................... 332
13.2.2 Minimización de la energía..................................................................... 333
13.2.3 Etapas de Balance de la Trituración........................................................ 334
13.3 OPTIMIZACIÓN DEL RENDIMIENTO Y TAMAÑO DE PRODUCTO DEL
CIRCUITO 335
13.3.1 Definiendo el Criterio de Optimización de la Planta. ............................. 335
13.3.2 Generando el Caso Base ......................................................................... 336
13.3.3 Tres Estudios de Casos ........................................................................... 336
13.4 ALINEANDO EL PROCESO DE SEPARACIÓN CON EL CIRCUITO DE
TRITURACIÓN 349
ix
13.5 USANDO UN MODELO DE ENERGÍA/PRODUCCIÓN PARA OPTIMIZAR LA
MOLIENDA 352
13.6 CONCLUSIONES .............................................................................................. 358
APÉNDICE 1
FUNCIONES SPLINE CÚBICAS ....................................................................................... 360
APÉNDICE 2
EL EFECTO DE LA VISCOSIDAD DEL SLURRY SOBRE LA MOLIENDA .......................... 366
APÉNDICE 3
MEDICIÓN Y REPRESENTACIÓN DE LAS DISTRIBUCIONES DE TAMAÑO .................... 372
APÉNDICE 4
EL SIMULADOR JKSIMMET Y EL PAQUETE DE BALANCE DE MASA JKMBAL........... 387
REFERENCIAS .................................................................................................392
x
CAPITULO 1
INTRODUCCIÓN
1.
1.1 LA TECNOLOGÍA DE LA TRITURACIÓN
L a palabra comminution (trituración) se deriva de la palabra latina comminuere, que

significa ‘hacer pequeño’. Obtener partículas pequeñas a partir de partículas grandes
es una tecnología humana sumamente extendida. La rotura de roca, si no la
profesión más antigua, posee ciertamente un abolengo que se remonta muy atrás en la
prehistoria, ya sea en la construcción de refugios, templos o caminos militares, o en la
creación de herramientas o armas.
No puede existir una civilización industrial moderna sin el uso de un amplio rango de
tecnología de trituración, desde el chancado grueso de mineral minado y roca de cantera a
la molienda muy fina para la producción de pintura, productos farmacéuticos, cerámicos y
otros materiales avanzados. El corte de rocas y la voladura pueden considerarse también,
sin mucho riesgo semántico, como la primera etapa de la trituración en operaciones de
minería y cantera. En efecto, existe evidencia creciente de que la integración holística de las
etapas de minería y procesamiento del mineral, en vez de considerarlas como desacopladas
o incluso como elementos competitivos del proceso productivo, puede generar beneficios
económicos sustanciales; esta es una excitante área de investigación actual.
Para disipar cualquier duda respecto de la importancia de la trituración en la sociedad

moderna, un informe de 1981 de un Comité Nacional de Asesoría en Materiales de los
EEUU, sobre enfoques para mejoras en el consumo de energía en los procesos de
trituración estimaba que el 1.5% de toda la energía generada en los EEUU se consumía en
dichos procesos (incluyendo la energía requerida para producir los medios de acero
utilizados en la trituración). El informe estimaba que mejoras realistas en la eficiencia
energética de la trituración, incluyendo aspectos de clasificación control de procesos
podría resultar en ahorros anuales de energía en los EEUU superiores a 20 mil millones de
kWh, o aproximadamente un 15% del consumo total de energía en Australia (en 1993 /
1994).
Casi todas las operaciones de procesamiento de mineral en mina, incluyendo la obtención

de minerales metalíferos e industriales, mineral de hierro, carbón, metales preciosos y
diamantes, y la preparación de rocas de cantera, son usuarios principales de maquinaria de
trituración (la obtención de arenas minerales es una notable excepción debido a que la
naturaleza ya ha hecho el trabajo).
Capítulo 1: Introducción
En el contexto de la mina, el término ‘trituración’ comprende las siguientes operaciones

unitarias:
Chancadores Molinos de Volteo

− Chancadores de mandíbula − Molinos autógenos (AG)
− Chancadores rotatorios − Molinos Semi-autógenos (SAG)
− Chancadores de cono − Molinos de barra
− Rodillos de molienda de alta presión − Molinos de bolas
− Chancadores de impacto
Molinos de Agitación Procesos de Clasificación

− Molinos de torre − Harneros
− Molinos de aguja vertical − Tamices
− Molinos de aguja horizontal − Hidrociclones
− Otros clasificadores
(Aunque los procesos de clasificación en si no son dispositivos de reducción de tamaño,

forman parte integral de cualquier circuito de trituración y contribuyen directamente al
rendimiento del circuito y a la eficiencia en el uso de la energía).
La trituración da cuenta de un gran porcentaje de los costos operativos y de capital de

cualquier planta de procesamiento de mineral. Cohen (1983) estimó que un 30-50% del
consumo total de energía de una planta, y hasta un 70% en el caso de minerales duros, es
consumido por la trituración. La proporción de los costos totales de operación de una planta
atribuible a la trituración (energía mas acero mas mano de obra) es variable, dependiendo
de la naturaleza de la planta y del mineral tratado. Sin embargo, para una concentradora
metalífera ‘típica’, citada por Wills (1992) fue exactamente de 50% y un valor similar
puede ser deducido a partir de los datos operativos, para un rango de concentradoras
metalíferas dado por Weiss (1985). En aquellas operaciones en que la trituración es la
operación unitaria predominante, tal como chancado en cantera o mineral de hierro y
plantas de harneado, el valor será claramente mayor. Las cifras de costo de capital también
varían, pero se encuentran en el rango de 20-50% para la mayoría de las plantas de
procesos mixtos.
El corolario de estas estadísticas es que hay mucho que ganar mejorando la práctica de la
trituración. Las mejoras pueden ser de dos tipos:
• Cambios fundamentales en la tecnología, o a introducción de tecnología nueva.
• Mejoras incrementales en al tecnología, su aplicación y práctica operativa.
Esta último implica esencialmente optimizar el rendimiento de las máquinas de trituración,

esto es, asegurar que el activo de capital instalado sea explotado los más eficientemente
2
posible en un sentido económico. Los beneficios de la optimización pueden capturarse

como:
• costos operativos unitarios reducidos ($/t tratada),
• rendimientos aumentados y por consiguiente producción de valor,
• mejora en el rendimiento de procesos aguas abajo como consecuencia de una

especificación de tamaño de alimentación mejorada,
O una combinación de estos.
Esta monografía provee de información para ayudar al ingeniero de proceso a entender los
beneficios de la optimización, por medio de un sólido enfoque en la comprensión y análisis
de su circuito de trituración. La optimización implica aquí, el proceso de ingeniería de
ajuste de la máquina y las variables del circuito para lograr algunas condiciones operativas
mejoradas. El libro no discute procedimientos matemáticos de optimización de proceso
tales como operación evolutiva (EVOP) o técnicas de búsqueda simplex; estas se cubren en
algún otro sitio (e.g. Bacon 1967, Mular 1972).
1.2 SIMULACIÓN COMO UNA HERRAMIENTA DE OPTIMIZACIÓN
Inevitablemente, habida cuenta su abolengo, se enfatiza en el libro la simulación

computacional como la principal herramienta de optimización. Simulación implica aquí, la
predicción del rendimiento del estado de equilibrio de un circuito, en términos de
propiedades de corriente tales como flujo de masa, concentración de sólidos y distribución
de tamaño, como una función de as propiedades del material, especificaciones de la
máquina y condiciones de operación. La simulación dinámica explica las dependencias del
tiempo para uso en diseño de plantas y diseño de sistemas de control de proceso, y no es
considerada aquí.
La gran fortaleza de la simulación como una herramienta de optimización, y ciertamente de

diseño, es su habilidad para explorar rápida y eficientemente varios escenarios diferentes –
la pregunta “¿que pasa si?”. Esto habilita al ingeniero para formular con confianza, por
ejemplo, la condición de rendimiento óptimo, en términos de maximizar el rendimiento o
minimizar el tamaño del producto, sin necesidad de un trabajo caro, difícil y a veces no
concluyente con plantas a escala. Como mínimo, la simulación permite el diseño eficiente
de plantas confirmatorias, conduciendo a costos reducidos (e.g. minimizando las pérdidas
de producción) y una mejor confianza en los resultados finales.
La optimización de circuitos por simulación no es un asunto trivial. Requiere de pericia de

ingeniería la cual, como cualquier otra pericia, debe aprenderse por medio del estudio y la
experiencia. La simulación por computadora es simplemente un vehículo para el ejercicio
del juicio ingenieril.
Como se discute en detalle en otro lugar de este libro, la estructura del modelo de proceso,
la cual suministra la plataforma para la metodología de simulación, busca desacoplar y
3
estimar separadamente las propiedades del material (mineral) y las características de la

máquina. Cada una se describe por medio de parámetros los cuales deben estimarse a partir
del mundo real. En consecuencia, la práctica de la optimización basada en simulación
engloba las siguientes etapas.
1. Caracterizar el material de alimentación en pruebas de laboratorio
2. Estimar los parámetros de la máquina, por medio de estudios en planta (‘calibrar’ el

modelo).
3. Correr simulaciones para explorar maneras de cumplir con el criterio de optimización

cambiando las condiciones de flujo, maquina u operación.
4. Probando y/o implementando las condiciones elegidas.
Las Figuras 1.1 y 1.2 ilustran con más detalle el proceso. La Figura 1.1 muestra el
procedimiento para estimar parámetros de modelo a partir de estudios en planta, y la Figura
1.2 el procedimiento de simulación que usa estos parámetros para optimización de la
planta. Observe cuidadosamente los lazos de decisión involucrados en la discriminación de
la calidad de los datos obtenidos de la planta y en la estimación de los parámetros del
modelo, previos a efectuar las simulaciones.
Esta monografía suministra la mayor parte de la información requerida para planificar e

implementar el enfoque mostrado en la Figura 1.2. La etapa de estimación de parámetro
(Figura 1.1) usando un simulador en particular normalmente será cubierta en detalle en el
manual del simulador. Sin embargo, el tratamiento de cada modelo de proceso en los
capítulos siguientes, incluye la discusión de la interpretación de los parámetros del modelo,
con algunos comentarios sobre estimación de parámetros en el Capítulo 5. En la práctica,
los parámetros son, en ocasiones, elegidos desde una ‘librería’ o de experiencias previas,
más que ser ajustados a un conjunto de datos en particular.
4
Figura 1.1: Estimación de parámetro (calibración) para modelos a usar en simulación; datos
obtenidos de estudios en planta.
5
Figura 1.2: Utilizando un simulador computacional para encontrar las condiciones de rendimiento
óptimo del circuito.
6
1.3 ESTE LIBRO Y COMO UTILIZARLO
El libro puede leerse en tres niveles:
• Como una introducción general a las ideas y metodologías subyacentes a la práctica de

optimización de circuitos de trituración, incluyendo ideas prácticas que no requieren el
uso de un paquete de simulación por computadora.
• Como una revisión mas detallada de procesos unitarios específicos, sus principios,
modelos, características operacionales y opciones de optimización.
• Como un acompañante de métodos de optimización más avanzados usando paquetes de

simulación computacionales.
Este libro es el resultado de 30 años de investigación y consultoría en procesos de

trituración por personal y estudiantes de investigación en el JKMRC. En consecuencia,
refleja sin vergüenza las metodologías (y sin lugar a dudas los prejuicios) desarrolladas en
la investigación y perfeccionadas por su aplicación en un gran número de estudios de casos
en Australia y en muchos otros lugares alrededor del mundo. Un elemento importante del
trabajo de JKMRC en dicho periodo ha sido el encapsulamiento de gran parte de este
conocimiento en lo que fue el primer simulador computacional comercial, basado en PC,
amistoso y dedicado al procesamiento de mineral, JKSimMet (Wiseman et al 1991).
JKSimMet es soportado y comercializado internacionalmente por la División Comercial de
JKMRC, JKTech, y en 1996 celebró 10 años como un producto comercial. Sus
características principales se describen en el Apéndice 4.
Esta monografía actualiza en algunos sentidos el libro del Director fundador de JKMRC,
Alban Lynch (1977). Cuando Lynch y sus colegas publicaron su trabajo, los computadores
personales eran aún un sueño y la optimización de circuitos de trituración, por medio de su
modelación y simulación en un computador, era una actividad exótica reservada para unos
pocos privilegiados, aunque el libro de Lynch hizo mucho por presentar la metodología al
ingeniero practicante. Veinte años después, los PCs han invadido nuestras oficinas y
hogares y la optimización de circuitos por medio de simulación de procesos es una
tecnología madura (aunque aún en desarrollo) ampliamente utilizada, si no practicada
universalmente. La presente monografía refleja el avance de dicha generación en término
de modelos, comprensión de procesos y la metodología completa de optimización de
circuitos. También refleja los cambios en el diseño de circuitos y la práctica operativa, en
especial el amplio uso hoy en día de molienda autógena y semiautógena y la introducción
de nuevas tecnologías, tales como molinos de torre y nuevos tipos de chancadores de
impacto.
A diferencia de la mayoría de los libros de texto convencionales, este libro alienta al lector
a hojearlo. Existe cierta lógica en el orden de los capítulos – lo básico seguido por una
descripción detallada de los procesos unitarios, terminando con algunas ideas y ejemplos de
la metodología. Sin embargo, la aproximación a este libro dependerá de la experiencia y
objetivos del lector.
7
• Un novato en las ideas de modelado matemático como prerrequisito para la

optimización debiera leer el Capítulo 2 antes de continuar.
• Aquellos que solo necesitan un conocimiento más profundo de un proceso en particular

deben leer el Capítulo apropiado, Nºs 6-10 o 12, los cuales han sido diseñados para ser
autosuficientes hasta donde es posible.
• Quien busque ayuda sobre el examen de un circuito de trituración debe dirigirse al

Capítulo 5, y si solo requiere refrescar su memoria sobre los procedimientos del test de
Bond o el test de rotura de partícula única de JKMRC, encontrará los detalles en los
primeros capítulos.
• Incluso existe cierta justificación para comenzar con una revisión de la metodología de
optimización en el Capítulo 13 (el último), ya que entrega ejemplos de como enfrentar
la tarea y también provee una base para pensar sobre el problema en particular a que se
enfrenta; luego puede ser releído una vez que el lector se familiarizado con los
principios presentados en los primeros capítulos.
En ninguna parte del libro se asume que el lector cuenta con algún paquete de simulación
por computadora. Sin embargo, el hecho es que la simulación se percibe cada vez más
como una metodología estándar, por lo que hemos escrito el libro con este factor en mente.
No pasara mucho tiempo antes que el hojeador casual se vea confrontado con su valor
como una herramienta de rutina y la inevitabilidad de su uso masivo.
A continuación se describe brevemente los contenidos de cada capítulo y apéndices.
El CAPÍTULO 2 entrega un trasfondo sobre la manera en que los procesos de trituración

son modelados matemáticamente. Este capítulo puede omitirse en una primera lectura, o si
no se utilizará la simulación en el proceso de optimización.
El CAPÍTULO 3 discute algunos aspectos de mediciones y descripción de la liberación de

mineral y su uso práctico en la predicción del rendimiento de molienda. También puede
omitirse en una primera lectura o si al liberación no es un problema para el circuito en
consideración.
El CAPÍTULO 4 es un tratamiento detallado de los métodos para evaluar las características

de rotura de rocas en el contexto de la trituración, incluyendo los métodos de Bond y los
procedimientos de prueba de rotura de partículas individuales de JKMRC. La
caracterización de la aptitud para chancado o molienda del material de alimentación es un
elemento esencial de cualquier ejercicio de optimización.
El CAPÍTULO 5 es una guía práctica al estudio de circuitos de trituración incluyendo

algunas discusiones sobre fuentes de error, tamaño de muestra, datos a recolectar y los
procedimientos de muestreo apropiados para corrientes específicas.
Los CAPÍTULO 6 – 10 tratan en profundidad las operaciones unitarias específicas de

chancado, molienda autógena y semi-autógena, molienda de barra, molienda de bola y
molienda de agitación respectivamente. Cada capítulo incluye una descripción del proceso,
8
discusión de cómo está modelado, características operacionales y comentarios sobre

opciones de optimización.
El CAPÍTULO 11 describe nuevos y poderosos métodos desarrollados en JKMRC para

predecir el consumo de energía de los chancadores y molinos de volteo. La gestión del
consumo energético es un elemento esencial en cada ejercicio de optimización, ya que,
como se indicó previamente, es un componente importante de los costos operativos de la
planta.
El CAPÍTULO 12 es una descripción detallada de los dispositivos de clasificación por

tamaño como harneros, hidrociclones y clasificadores de cono. Incluye nuevamente una
descripción del proceso, modelos, características operacionales y opciones de optimización.
El CAPÍTULO 13 describe algunas estrategias para abordar el problema de la optimización

con algunos ejemplos prácticos que ilustran algunos de los problemas y métodos
involucrados.
El APÉNDICE 1 entrega una breve explicación de la funciones spline y de cómo se utilizan

para representar datos en JKSimMet.
El APÉNDICE 2 es una discusión sobre investigación reciente de JKMRC la cual ha

identificado algunas correlaciones útiles entre el rendimiento de molienda y la reología del
slurry. Estas tendencias deben tenerse en mente cuando se interpretan datos de rendimiento
de molienda y se consideran estrategias de optimización. Sin embargo, aun no ha sido
suficientemente cuantificada para merecer un lugar formal en los modelos de procesos de
molienda.
El APÉNDICE 3 revisa las técnicas de laboratorio más importantes utilizadas en el análisis

de tamaño de partícula, con comentarios sobre las características de cada una y los
problemas a que hay que enfrentarse en la búsqueda de resultados confiables. Es importante
enfatizar que un análisis cuidadoso del tamaño es la base de todos los estudios de circuitos
de trituración y estudios de optimización.
El APÉNDICE 4 es una pequeña especificación para el simulador de circuito de trituración

en estado de equilibrio, JKSimMet y su rutina de balance de masa asociada, JKMBal.
Las REFERENCIAS han sido seleccionadas fundamentalmente para apoyar las

afirmaciones del testo. En su conjunto forman una útil bibliografía sobre trituración de
minerales y su modelado y optimización. Sin embargo, la literatura sobre estos tópicos es
muy extensa y no se pretende que esta selección sea exhaustiva.
9
CAPITULO 2
MODELOS DE PROCESOS DE TRITURACIÓN
2.
2.1 INTRODUCCIÓN
L
os mecanismos causantes de la mayoría de las roturas de roca son aquellos de la
naturaleza – la acción del agua y el viento. Sin embargo, en la mayoría de los
casos, estos procesos son muy lentos para ser de interés para el procesamiento de
minerales. Acelerar el proceso de rotura requiere de una intensa aplicación de
energía. En un proceso de trituración se aplican normalmente varios kilovatios
hora de energía por cada tonelada de material. Esta es una gran cantidad de energía. El
dejar caer una partícula de mineral desde 10 metros genera solo 1/37 de un kilovatio hora
por tonelada. Un solo kilovatio hora por tonelada de energía potencial requiere levantar la
partícula a una altura de 367m.
La razón principal de estos altos requerimientos de energía, es que la partícula debe ser
tensionada fuertemente antes que se produzca cualquier rotura significativa. La tensión se
almacena más que nada como energía elástica y se pierde cuando la partícula se fractura.
Los chancadores industriales poseen un 75% de eficiencia energética respecto de la rotura

de rocas, una a la vez, en un dispositivo de rotura de partícula individual en laboratorio, tal
como un péndulo o dejar caer un peso. (Morrel et al 1992). Pero incluso dichos dispositivos
ideales tampoco usan la energía ‘eficientemente’ en un sentido fundamental. Cálculos
basados en consideraciones teóricas sugieren que la mayoría de los procesos de rotura
industrial, especialmente molienda, tienen, en el mejor de los casos, una baja eficiencia en
términos de la energía requerida para crear una nueva superficie (Austin et al 1984). Sin
embargo, nadie ha desarrollado aún un método de escala industrial de alto rendimiento para
romper rocas que no requiera impactarlas o aplastarlas. Quizás la metodología más práctica
a la fecha, para reducción a tamaño fino, es el chancador de rodillos de alta presión
(Sección 6.9.4) el cual conserva hasta cierto grado la energía elástica, aunque la rotura
localizada tiende a liberar la tensión en las partículas adyacentes.
La eficiencia de la trituración es importante porque el costo de rotura será uno de los

factores que determinarán si una mineralización de baja ley constituye un cuerpo de
mineral. Por ejemplo, prácticamente ninguno de los depósitos porfídicos (que proveen la
mayor parte de la producción mundial de cobre) sería económico sin la tecnología de
trituración de bajo costo que ha evolucionado en este siglo.
Capítulo 2: Modelos de Procesos de Trituración
En consecuencia, los modelos útiles de procesos de trituración deben encontrar una manera
de representar la aplicación de energía de una maquina de rotura (como un chancador o un
molino de bolas) a un mineral. En este contexto, ‘útil’ significa un modelo que pueda ser
usado en simulación para resolver problemas prácticos de optimización de circuitos de
trituración – el tema de este libro.
Por consiguiente, el modelo debe describir dos elementos del problema:
• Las propiedades de rotura de la roca – esencialmente la rotura que se produce como

consecuencia de la aplicación de una cantidad específica de energía.
• Las características de la máquina de trituración – la cantidad y naturaleza de la energía

aplicada y el transporte de la roca a través de la máquina.
2.2 UNA BREVE HISTORIA DE LOS MODELOS DE TRITURACIÓN
La modelación de trituración ha dependido históricamente de la capacidad computacional

disponible para efectuar los cálculos necesarios. Antes de las computadoras, todos los
modelos relacionaban la entrada de energía con el grado de reducción de tamaño, expresado
como porcentaje del tamaño que pasa – normalmente 50, 80 o 90% - o con la proporción de
producto final generado.
En términos matemáticos, considere la energía incremental dE requerida para producir un

cambio incremental, dx, en tamaño (digamos P80). La discusión que sigue está basada en
Lynch (1997). Siempre estuvo claro, incluso a partir de experimentos sencillos, que se
requería más energía, para lograr un grado relativamente similar de reducción de tamaño, a
medida que el producto se hacía mas fino. En consecuencia energía y rotura se relacionan
por
Investigadores en la segunda mitad del siglo diecinueve aplicaron algunas ideas de la física
para estimar n:
• energía constante por unidad de masa para una reducción relativa similar
• energía constante por unidad de área superficial generada
Bond (1952) basó la siguiente relación intermedia en una extensa investigación

experimental en molienda de barra y bola, la así llamada ‘Tercera Ley’:
11
En todos los casos x1 es el tamaño de la alimentación y x2 denota el tamaño del producto –

usualmente un tamaño que pasa de 80%; K es alguna constante.
Hukki (1961) revisó un amplio rango de dispositivos industriales y concluyó que ninguna
relación individual era adecuada. En la Figura 2.1 se muestran las regiones de aplicabilidad.
Para tamaños de chancado, la relación de Kicks era la apropiada. La’ley’ de Bond, como se
esperaba, funcionó bien para molinos de rodillos y bolas. Para tamaños más finos, las ideas
de Rittinger sobre superficie eran más plausibles.
Figura 2.1: Relación entre entrada de energía y tamaño de partícula en trituración

(según Hukki 1961)
Existe una fuerte sospecha que todas estas ideas subyacentes son incorrectas. La ciencia de
los materiales entrega evidencia convincente de que la fisuración se inicia en puntos de
debilidad o falla en la estructura atómica del material. Se asume que la mayoría de las rocas
contienen una distribución de fallas de varios tamaños – desde fallas geológicas o de
uniones hasta dislocaciones en la escala atómica en las estructuras de cristal. En
consecuencia, para partículas de gran tamaño, habrá varias fallas disponibles para iniciar la
rotura. De hecho, cualquier imperfección estructural tenderá a amplificar las tensiones
locales e iniciar la rotura. Un cortador de vidrio grabando un cristal o un cortador de
diamantes usando una falla para ayudar a partir un diamante son ejemplos de una iniciación
de rotura de una manera controlada.
12
A medida que se reduce el tamaño de partícula, las fallas mayores tenderán a convertirse en
las superficies exteriores de las partículas junto con muchas de las más pequeñas. Cuando
hay disponibles un exceso de fallas, es razonable la reducción constante del tamaño con un
suministro constante de energía por unidad de masa.
Las pruebas de rotura de partícula individual, descritas en el Capítulo 4, confirman este

efecto para la mayoría de las partículas de mineral en el rango de 3-100mm, aunque
algunos materiales se hacen notoriamente ‘más blandos’ a tamaños de partícula mayores.
El efecto global de la rotura es reducir el área interna conceptual de fallas respecto del
volumen de la partícula. Por consiguiente, la energía requerida para lograr un cierto grado
de reducción de tamaño aumentará, como sugieren las ecuaciones de Bond y Rittinger las
cuales NO dependen de la reducción geométrica sino de la finura del producto. DE hecho,
la definición del Índice de Trabajo de Bond es la energía por unidad de masa requerida para
reducir una partícula desde un tamaño ‘infinito’ a un 80% pasando por la malla 100
micrones. Esto es razonable, ya que, el último término en la ecuación 2.4 simplemente
desaparece a medida que x1 se hace infinito.
Otra pieza de evidencia sugiere vigorosamente que las fallas controlan la rotura. A medida
que la partícula se hace aún más fina, debe existir un tamaño en el cual no existan fallas y la
fractura por tensión sea reemplazada por deformación plástica. Un memorable trabajo
experimental por Shönert (1979) demostró este proceso para diversos materiales a tamaños
de partícula inferiores a 10 micrones. Como es de esperar, esta transformación frágil /
plástica también exhibe alguna dependencia de la tasa de carga; en consecuencia, es más
probable la fractura frágil a altas tasas de carga (Inoue y Okya 1994).
El defecto principal de este modelo de fractura ‘ideal’, es que actualmente no contamos con
ningún método satisfactorio para cuantificar la distribución de falla, aunque la tecnología
de tomografía microscópica ofrece algunas probabilidades.
Los modelos de energía puros suministran una útil descripción gruesa de la rotura total. Sin
embargo, no consideran el transporte de partículas o el gasto de energía que no resulta en
rotura. Mas aún, el supuesto subyacente de todas las mediciones de tamaño de puntos
individuales es que la forma de la distribución de tamaño permanece relativamente
constante, no obstante el historial de rotura. Esto es habitualmente verdadero para molinos
de bola y de barras pero a menudo es un grave error para chancadores, molinos autógenos y
molinos SAG. Para tratar de superar estas deficiencias, los investigadores han considerado
tanto la rotura como el transporte a niveles de complejidad siempre crecientes.
2.3 CLASES DE MODELOS DE TRITURACIÓN
Es justo decir que el desarrollo (y ciertamente el uso) de los modelos de trituración deriva
de la evolución del computador digital. La inversión de una matriz de 30x30 – incluso una
matriz simétrica – requiere, sin usar un computador digital, de una gran inversión en tiempo
y concentración.
13
Los primeros modeladores, como Austin, Lynch y Whiten, estaban severamente limitados
por el poderío computacional disponible. Este desafío tuvo como resultado algunos
modelos simples y elegantes, que eran a la vez bastante útiles. Sin embargo, a medida que
la potencia computacional por unidad de costo se ha doblado cada 18 años, desde quizás
1960, el costo computacional ha dejado de ser un problema, excepto para modelos de
elementos discretos (DEM) y enfoques computacionales de dinámica de fluidos (CFD). Un
desafortunado efecto secundario, es la tendencia a aumentar la complejidad del modelo.
Esta complejidad reduce la utilidad del modelo como herramienta de comprensión
Los modelos de trituración pueden ser de dos clases:
• Aquellos que consideran un dispositivo de trituración como una transformación entre

una alimentación y una distribución de tamaño de producto, y
• Aquellos que consideran cada elemento en el proceso.
El primero es el en boga hoy en día. El segundo requiere de considerables recursos

computacionales, pero llegará a ser práctico a medida que aumenta la potencia de
computación por unidad de costo.
A falta de una mejor terminología estas clases son denominadas de Caja Negra y
Fundamental, respectivamente. Un modelo de Caja Negra intenta predecir la distribución
de tamaño de producto a partir de una distribución de tamaño de alimentación,
caracterización de la rotura y experiencia con dispositivos similares, i.e. una base de tatos
encapsulada en el algoritmo adecuado. Es fenomenológico en el sentido que pretende
representar el fenómeno de la rotura más que los principios físicos subyacentes. El modelo
de balance de población es el ejemplo más usado de esta clase.
Un modelo fundamental considera directamente las interacciones de partículas y elementos

dentro de la máquina, en su mayor parte sobre la base de la mecánica newtoniana; también
son denominados mecanísticos. Solo desde alrededor de 1990 se ha logrado disponer de la
potencia computacional adecuada para el modelado fundamental y dichos modelos están
mucho menos desarrollados que los de la variedad de caja negra.
2.4 MODELOS FUNDAMENTALES
2.4.1 Principios de los Modelos
El objetivo de un modelo fundamental es generar una relación entre las condiciones físicas
detalladas dentro de una máquina y los resultados del proceso. Esto significa en la práctica,
considerar una cantidad sustancial de elementos dentro de un molino de molienda o flujos
dentro de un clasificador.
La restricción para este tipo de modelado es la potencia computacional. Los centros

principales de esta aventura fueron inicialmente el Centro de Trituración en la Universidad
de UTA bajo la dirección de J.A. Herbst y posteriormente R.P. King, y el trabajo de P.
Radziszeweski en la Universidad de Québec.- Posteriormente, Inoue y Okya (1994, 1995)
14
han hecho contribuciones esta área. Para hacer la computación más manejable, estos
investigadores consideraron zonas seleccionadas para cada problema.
Mishra y Rajamani en Utah (1992, 1994a, 1994b), consideraron un molino de bolas como
rebanadas bidimensionales de un círculo. Sin embargo, a los ‘círculos’ se les atribuyó la
masa de las esferas equivalentes. Radziszewski et al (1989) redujo la demanda
computacional por medio de dividir el molino en zonas de impacto, abrasión/atrición y de
poca acción y luego caracterizando cada una de ellas.
En ambos casos, la simple aplicación de las leyes del movimiento de Newton se hace
rápidamente muy compleja. Mientras las bolas de acero (o barras) son perfectamente
elásticas, las partículas de mineral entre ellas definitivamente no lo son – si lo fueran, el
molino no produciría nada. Mishra y Rajamani (1994a) aproximaron el comportamiento de
una bola usando un modelo de resorte y amortiguador como se muestra en la figura 2.2.
Existe un amplio rango de opiniones entre los investigadores DEM acerca de los métodos
apropiados para modelar interacciones elásticas/amortiguadas. Inoue y Okya (1994) usan,
por ejemplo, un resorte no linear con fricción y efectos de histéresis.
Figura 2.2: Representación resorte-amortiguador de un contacto (según Mishra y Rajamani, 1994a)
Este modelo considera el movimiento de cada bola en cada dimensión i (i.e. x, y en 2D o x,

y, z en 3D) como un conjunto de vectores.
donde &x& es la aceleración y x es la velocidad que resulta de la aplicación de una fuerza f. El

primer término es la segunda ley de Newton, i.e. la aceleración de una partícula depende de
la fuerza aplicada M. Sin embargo, esta aceleración se reduce por efecto de la absorción de
energía a través del amortiguador (C) y la rigidez (K) del sistema de carga de fuerza. El
15
término amortiguador puede corresponder a la energía absorbida en la rotura o a través del

movimiento del fluido.
Si se considera a lo largo de la línea de movimiento, la ecuación 2.5 no requiere ningún

término vectorial. En este caso, el movimiento de la bola puede integrarse analíticamente
respecto del tiempo. Sin embargo, el caso más general requiere de una solución numérica
para aceleración, velocidad y posición:
que trabajará en unas, dos o tres dimensiones o, en la práctica, usar un pequeño paso dt y
aproximar
Estas integraciones numéricas se hacen inestables a medida que el paso de tiempo aumenta.
Mishra y Rajamani (1994a) sugirieron dt <2 m / k como un criterio para convergencia,
donde m es la menor masa considerada. Esto requiere, en la práctica, un paso de tiempo de
10-4 segundos. Las interacciones deben considerarse entre cada par de bolas con contacto y
para contactos bola revestimiento. En consecuencia, se hace fácil entender porqué se
requiere una computadora sumamente poderosa. Incluso una rebanada 2D de un molino de
escala industrial contendrá cientos de bolas. Una vista 3D contendrá varios miles.
2.4.2 Probando los Modelos Fundamentales
Las ecuaciones básicas son fáciles de programar. Una estructura de datos capaz de manejar
varios miles de objetos en el tiempo y espacio no es un gran reto, incluso para un
computador personal. Si bien los parámetros de amortiguación y rigidez pueden estimarse a
partir de las propiedades físicas o de trabajos de prueba, aún no es posible predecirlas con
alguna precisión. En consecuencia, es absolutamente esencial comparar el comportamiento
del modelo con la realidad experimental lo más cuidadosamente posible.
En este caso, los parámetros son derivados de los datos del mismo modo que los
considerados en los modelos de caja negra descritos más adelante en este capítulo. Mishra y
Rajamani (1994a) informaron con gran detalle sobre las pruebas del modelo descrito arriba
y sugirieron los parámetros indicados en la Tabla 2.1.
16
Tabla 2.1: Parámetros utilizados en las simulaciones (según Mishra y Rajamani, 1994a)
Rigidez normal 400,000 N/m

Rigidez al corte 300,000 N/M
Coeficiente de fricción 0.4
Coeficiente de restitución
Impacto bola – bola 0.9
Impacto bola – pared 0.3
Paso de tiempo crítico 1.0 x 10-4 seg.
Muchos otros investigadores están desarrollando elegantes técnicas experimentales para

poner a prueba los resultados computacionales de los modelos DEM y CDF y no hay duda
que tales modelos lograrán importancia práctica en el futuro. Los trabajos de Williams
(Dickin et al 1993) y en Mintek (Powell y Nurick 1996) son un buen ejemplo de ello.
2.4.3 Consideraciones Energéticas
Los modelos de molino de volteo que consideran el movimiento de los medios en detalle,
también entregan una predicción sobre cuanta energía de entrada requerirá el dispositivo.
Esto es, la suma de todas las energías de impacto por unidad de tiempo debe relacionarse
con la energía consumida por la máquina y con el grado de rotura para una partícula de
mineral en particular, basado en las relaciones discutidas en el Capítulo 4.
Los modelos numéricos predicen, cuantitativamente que las mayores fuerzas ocurren en el
talón de la carga de un molino de volteo, donde ‘cae’ el grueso de la carga. Las fuerzas
principales al comienzo del talón son el impacto de la carga en cascada o arrojada. Luego el
material arrastrado al talón experimenta una carga de alta presión debido a la carga sobre
ella, como también una acción de corte debido a la rotación y deslizamiento de los medios.
La región superior u hombro tiene mucho menos fuerzas disponibles. Las cantidades
relativas de impactos y energía de corte varían con las condiciones operativas. Sin
embargo, la energía de impacto contribuye con alrededor de un 65-75% del total.
En el caso de los molinos de agitación, la contribución del impacto es insignificante o

inexistente ya que los medios de molienda se mueven deslizándose unas contra otras. En
cada punto de contacto se ejercerá, por consiguiente, una presión y una fuerza de corte (ver
Capítulo 10).
Sin embargo, en cada caso se puede describir una condición operativa en particular por
medio de una distribución de contactos de energías variables. En el caso de los molinos de
volteo se puede representar la energía de impacto como una distribución de la altura de
caída, Figura 2.3. Estas pueden ser traducidas como energías de impacto, Figura 2.4.
17
Figura 2.3: Distribución de frecuencia de impactos como una función de la altura de caída en un
molino de 4.75 m de diámetro (según Mishra y Rajamani 1994b)
Figura 2.4: Distribución de frecuencia de impactos como una función de la altura media en un
molino de 4.75 m de diámetro (según Mishra y Rajamani 1994b)
18
Las condiciones operativas dentro del molino modifican los detalles de este análisis pero
para la misma potencia, la suma de las energías se mantiene igual (en el Capítulo 11 se
discute el movimiento de la carga y la predicción de consumo de energía en molinos de
volteo).
Las interacciones pueden resumirse como sigue:
Mayores energías con menos impactos son consecuencia de:
• Bolas más grandes
• Mayor levante (cara de elevadores cercanos al radial)
• Revestimientos más largos (aumento de la altura radial)
Mayores energías con más impactos son consecuencia de:
• Velocidad de molino aumentada (hasta el inicio del centrifugado)
• Carga de molino aumentada (hasta un 25% del volumen del molino, luego las energías
disminuyen).
A medida que se aumenta el diámetro del molino, el número capas de bolas se transforma
en un límite para la transmisión eficiente del levante al núcleo interior de la carga. Esto se
llama a veces el ‘ojo’ o el ‘riñón’ de la carga. Hay por consiguiente un buen motivo para
limitar la carga del molino a un número máximo de capas de bolas.
2.4.4 Interacciones con las Partículas de Mineral
Los molinos con medios ‘permanentes’ generan una distribución de impacto

independientemente de la presencia o no de partículas de mineral. Esto no es así para los
molinos autógenos o chancadores donde las partículas de mineral son fundamentales para la
transmisión de la energía. En consecuencia, la eficiencia energética requerirá de partículas
adecuadas colocadas adecuadamente para rotura. Más aún, deberán emparejarse
razonablemente bien las cifras de partículas adecuadas e impactos. Sin embargo, el trabajo
descrito en el Capítulo 4 sugiere que existe un máximo grado de rotura factible, sin
importar cuan fuerte es golpeada la partícula (Figura 4.12) La mayor parte de los minerales
produce valores t10 máximos en el rango de 40 a 60% (de minerales blandos a duros). t10 se
define como el porcentaje de material luego de rotura, que pasa por 1/10 del tamaño de la
partícula original.
El modelado de estas interacciones es bastante más difícil por dos motivos. En primer lugar
el slurry en el interior de un molino húmedo está sometido a corte muy variable. En
segundo lugar, a medida que las partículas se hacen más finas, la viscosidad del slurry crece
dramáticamente. Se esta logrando un gran progreso respecto de la comprensión de estos
procesos y la predicción de la viscosidad (Moys 1989; Shi 1994). Sin embargo, aun no es
factible un modelado detallado (en el Apéndice 2 se discuten algunas tendencias
19
cualitativas en los efectos de la viscosidad). Varios investigadores han investigado el

mezclado de molinos usando soluciones de líquido trazador tal como cloruro de litio. Estos
estudios concluyen que los molinos AG/SAG de aspecto alto (diámetro/longitud) se
mezclan perfectamente, los molinos de bola cerca de una a tres etapas de mezclado y los
molinos de barra exhiben esencialmente plug flow (Lees 1973; Kelsall et al 1969; Seller
1981).
Estas conclusiones son razonables para partículas finas que se comportan como agua. El
modelo de molino SAG JKMRC (Leung 1987; ver Capítulo 7) identifica este tamaño como
xm. Se ha encontrado, de varios cientos de estudios experimentales, que xm varía de
alrededor de 0.1mm para minerales muy limpios (sin arcilla ni materiales fibrosos) a unos
pocos milímetros para minerales muy pegajosos.
Muchos investigadores asumen que todas las partículas en una carga de molino poseen el
mismo tiempo de residencia. Esto permite ‘mediciones’ con un líquido trazador pero es
poco probable que esta suposición sea válida para partículas mayores que xm.
El examen físico del contenido del molino, luego de detenidas las colisiones muestra
siempre una marcada graduación de grueso a fino desde el extremo de alimentación a la
descarga, incluso para molinos SAG ‘bien mezclados’. En consecuencia, se puede concluir
razonablemente que la eficiencia de mezclado disminuye con el aumento en el tamaño de la
partícula y que las partículas más gruesas avanzan a través del molino debido a fuerzas de
flujo netas del fluido, hasta descargar o ser impactadas. Luego del impacto, las partículas
resultantes participaran en el mezclado según su tamaño.
Esta línea de razonamiento sugiere, para las partículas gruesas, una probabilidad de impacto
por unidad de tiempo de residencia relativamente constante. Este punto de vista es apoyado
también por la experiencia práctica. A medida que aumenta la carga circulante de un
molino de bola de alimentación gruesa, la descarga del molino contendrá súbitamente
partículas gruesas. Las partículas más finas experimentarán una distribución de tiempo de
residencia similar a la del trazador líquido. Para una alimentación fina, como la de una
descarga de molino de barra (<80% - 0.5mm), una buena descripción vendrá dada por una
disponibilidad de impactos por unidad de tiempo constante, multiplicado por la
probabilidad de permanecer en el molino. Este es el supuesto subyacente en varios de los
modelos de ‘Caja Negra’ analizados más adelante.
En el extremo más fino del contenido del molino (<0.1mm), impactos muy pequeños
pueden causar rotura. Sin embargo, se requerirá de un gran número de impactos. Existe
evidencia convincente de que la efectividad de molienda a tamaños más pequeños es
gobernada por el área superficial de medios (Dunn 1989; Mintek 1991; Morrel 1992a).
Una viscosidad de slurry que origine que las partículas pequeñas se adhieran a los medios y
garantice su presencia para cada interacción será claramente ventajosa. A medida que los
medios se juntan, el flujo de slurry tenderá a alejar las partículas de la zona de rotura. Una
manera de evitar esto es reemplazar el agua con aire. Otro modo es utilizar un régimen
químico de menor viscosidad (Klimpel 1982, 1983). Un trabajo reciente (Shi 1994) muestra
20
que slurries seudo plásticos, que se adelgazan frente a elevado corte, responden mejor a
densidades operativas de molino de bola aumentadas.
A tamaños aún más finos (<0.01mm), las fuerzas de fluido predominan por sobre todas las
demás. Se requieren maquinas que utilicen tasas de corte elevadas, altas áreas superficiales
de medios y (a menudo) mayores temperaturas de pulpa para lograr una razonable
probabilidad de rotura. Ejemplos son los molinos de lecho, molinos vibradores y los
molinos de agitación (distintos a los molinos de torre). A tamaños de molienda más
gruesos, la mayor parte del material de -10 micrones ha sido creado como sub producto de
la rotura. Como se menciono anteriormente, la rotura de partículas de 20 micrones requerirá
de energías más altas y puede derivar en deformación plástica, no en rotura. En el Capítulo
10 se analizan este tipo de máquinas.
2.5 MODELOS DE CAJA NEGRA
2.5.1 Principios
Como ser hizo notar en la Sección 2.2, un modelo de Caja Negra estima la distribución de
tamaño del producto del molino, como una función del tamaño y dureza de la alimentación
y de las condiciones operativas del molino:
P = F(f,b,m,s,C) (2.9)
Donde f y p = distribuciones de tamaño de alimentación y de producto

b = una matriz (o vector) de rotura normalizada
m = factores clave del molino
s = otras condiciones operativas incluyendo tasa de alimentación del molino
C = un conjunto de parámetros derivados experimentalmente de dispositivos
similares.
Los modelos más efectivos utilizan una caracterización de rotura de mineral independiente.
Esta caracterización de mineral permite predicciones razonables ‘tomando prestado’
parámetros de modelo, C, de maquinas similares y experiencias pasadas.
Con el acceso a las mini computadoras disponibles a mediados de los 1960, este tipo de
modelado se hizo práctico, y la literatura es actualmente extensa. Sin embargo, todos estos
modelos son básicamente variaciones de un único tema, el cual analizaremos a
continuación.
La notación estándar es utilizar un vector de tasas de flujo en cada fracción de tamaño,

comenzando con el tamaño más grueso. De manera similar, una función de rotura (para un
tamaño en particular) se transforma en un vector de fracciones de partículas rotas y las
tasas de selección o rotura pueden también considerarse como vectores. Algunos
investigadores prefieren funciones continuas e integrales en vez de sumas. Sin embargo, las
21
funciones analíticas han tenido poco éxito en este rol y su efecto principal ha sido hacer que
estos modelos parezcan aún más complicados de los que realmente son.
En cualquier momento podemos considera un balance de masa simple para una fracción de
tamaño específico, i, dentro de un molino (o sección de un molino) con transporte a una
zona de rotura, rotura y transporte al exterior como se indica en la figura 2.5.
Figura 2.5: Balance de masa para una fracción de tamaño individual dentro de un molino
Para una molienda continua, lo que entra debe ser igual a lo que sale (en estado de
equilibrio), y se pueden derivar soluciones para este balance de masa basándose en
supuestos acerca de la naturaleza del mezclado y la rotura.
Para molinos no en estado de equilibrio o molinos por lote, se puede suponer (o medir) una
acumulación o pérdida neta en la fracción de tamaño y se pueden derivar soluciones un
tanto más complicadas. La mayor parte de las soluciones dinámicas consideran el balance
dentro de una franja de tiempo.
Para modelado de molinos de bola, dos variaciones de este enfoque dominan la aplicación
de técnicas de simulación. Estas son el modelo de balance de población, y un modelo
relacionado, el modelo de molino de bolas de mezclado perfecto de Whiten, descritos en las
siguientes dos secciones. Una variación del modelo de molinos de bolas de mezclado
perfecto, es el modelo de chancador de Whiten descrito en la Sección 2.5.5
Por mucho tiempo existió una vigorosa rivalidad académica entre ambos modelos. Sin
embargo, Whiten (1972a) demostró claramente que eran más parecidos que diferentes. Un
artículo más reciente confirma que bajo ciertas circunstancias ambos enfoques se reducen a
una forma de modelo común (Morrel, Stern y Séller, 1993). Ambos modelos se mantienen
en uso habitual y han sido utilizados para modelar un gran número de dispositivos de
trituración. Difieren fundamentalmente en los supuestos sobre el mezclado y el tiempo de
residencia.
22
2.5.2 Modelo de Balance de Población
El modelo de balance de población fue introducido por Epstein (1947) y desarrollado

posteriormente por muchos, incluyendo Kelsall et al (1969), Whiten (1974), Herbst y
Fuerstenau (1968, 1972), y Austin et al (1983). Los conceptos del modelo son utilizados
ampliamente en la simulación de procesos moderna.
Este modelo es llamado en ocasiones ‘modelo de tasa de primer orden’ debido a que
efectivamente supone que la producción de material molido por unidad de tiempo dentro
del molino, depende exclusivamente de la masa de la fracción de tamaño presente en los
contenidos del molino, i.e. existe una tasa constante ki para cada fracción de tamaño, que
caracteriza su tasa de desaparecimiento.
Por consiguiente tasa de rotura = ki s i

donde ki = tasas de rotura (min -1)
Si = masa de la fracción iava en el molino
Ki puede ser calculado como se describe más adelante o estimado a partir de pruebas por
lotes.
Aunque este supuesto posee la ventaja de su simplicidad, claramente no se puede justificar

en un amplio rango de operaciones. Lo que permanece relativamente constante es la
cantidad de impactos disponibles en cada rango de energía. Si hay muchas o muy pocas
partículas para emparejarse con la cantidad disponible de impactos, entonces este supuesto
es evidentemente inválido.
El modelo de mezclado perfecto de Whiten (descrito en la siguiente sección), posee un

supuesto similar y similares deficiencias. Sin embargo, en un contexto industrial, con solo
pequeños cambios en la condiciones operativas, estos modelos son muy útiles y ciertamente
han contribuido a aumentar la eficiencia de molienda en todo el mundo. Debido a su
pequeño rango de predicción inherente, deben ser utilizados como parte de un proceso de
optimización iterativo, como se explica en el Capítulo 13.
Para derivar el modelo real, consideremos el balance alrededor de una fracción de tamaño
individual (Figura 2.5) como una ecuación:
Ingreso de Alimentación + Ingreso de rotura = Salida de Producto + Salida de Rotura (2.11)
Además de ki, la tasa de rotura, una función de rotura, bij, describe la fracción de rango de
tamaño j que reporta al rango de tamaño i después de la rotura.
Ahora podemos escribir la ecuación de balance
23
Para estimar el producto, se debe reordenar esta ecuación a:
Dadas las mediciones de pi, fi y si, y una función adecuada (o matriz) para bij, se puede
calcular de una manera directa un conjunto de valores ki a partir de la fracción de tamaño
más gruesa.
El formato más usual de esta ecuación utiliza las distribuciones para cada descripción de
pulpa designadas por un ´
Donde λ (el tiempo medio de residencia de sólidos) = Σsi /Σfi
Esta media es en cierto modo un concepto artificial que no tiene validez con tamaños de
alimentación de más de 1 o 2 mm. El uso real requiere de un método experimental para
estimar λ. Los siguientes dos párrafos suministran una descripción sucinta y se han extraído
de Morrel, Sterns y Seller (1993).
Un enfoque es medir la respuesta de un molino (y el circuito de clasificación si existe)

frente a un impulso de trazador soluble agregado a la alimentación del molino. Séller
(1981) ha descrito como se calcula el tiempo de residencia promedio global del trazador en
el molino (o circuito) a partir de los dataos sobre tiempo de concentración obtenidos de la
descarga del molino, corregidos cuando sea necesario por los retornos desde el clasificador.
Luego se supone que el tiempo de residencia del trazador, agua y todas las fracciones de
tamaño de sólidos en el molino (no el circuito) son iguales. Este supuesto permite estimar el
tiempo medio de residencia de sólidos λ y la masa total de sólidos en el molino Σsi,
asumiendo que la densidad de pulpa mantenida en el molino es igual a la en la descarga del
molino (ver también Sección 5.4.8).
El problema ahora es estimar si´ . Kelsall et al (1969) y Séller (1981) han demostrado que la
distribución del tiempo de residencia, medida de los datos del trazador de impulsos, puede
ajustarse estrechamente por mezcladores perfectos, uno grande y varios pequeños iguales
en series. Este ajuste entrega dos parámetros; la fracción de hold-up en el mezclador grande
(M) y la cantidad de mezcladores pequeños (N). Como el mezclado es perfecto, entonces
por definición siA' = PiA en donde el subíndice A se refiere al primer mezclador. Usando el
producto de un mezclador como alimentación del siguiente, se elimina efectivamente a
si´ de la ecuación 2.14 y se puede calcular ki. Una vez que se conoce ki, se puede calcular el
si del hold-up total a partir de pin (i.e. el producto de cada mezclador), N y el total de hold-
up de sólidos.
24
McIvor et al (1990) propuso un enfoque heurístico. Supuso que el contenido promedio del
molino era un valor intermedio entre la alimentación y la descarga del molino. Combinando
esta idea con supuestos razonables acerca del vaciado y la densidad de pulpa se puede
calcular ki directamente.
2.5.3 Modelo de Molino de Bola de Mezcla Perfecta
Aunque derivado de manera independiente, el modelo de mezcla perfecta (Whiten 1976) es

muy similar al modelo de balance de población general, y puede considerarse un caso
especial. La mayoría de las complejidades en el modelo de balance de población general,
surgen de una consideración de mezclado. El asumir un molino de mezcla perfecta elimina
estas complicaciones.
Comencemos con el mismo balance de material, i.e.
Ingreso de Alimentación + Ingreso de rotura = Salida de Producto + Salida de Rotura (2.11)
Sin embargo, la terminología Whiten utiliza ri para la tasa de rotura y aij para una función
de apariencia en la cual parte de la partícula original se mantiene en dicha fracción de
tamaño después de la rotura. Como el molino está mezclado perfectamente, los contenidos
del molino están relacionados con el producto del molino a través de una tasa de descarga,
dij, para cada fracción de tamaño.
La ecuación de balance alrededor de cada fracción de tamaño es
Ahora sustituya para los contenidos del molino experimentalmente problemático
Esto significa que el radio ri/di puede ser calculado para cada tamaño de fracción, de un
conjunto de alimentación real y mediciones de producto, sujeto a una forma razonable de la
función de apariencia.
Para proveer con una simple corrección para las variaciones en el tiempo de residencia, di
es escalado, en términos del volumen del molino y tasas de alimentación volumétrica, Q, al
término di* .
25
donde D y L son el diámetro y la longitud del molino.
El cálculo de (r/d*) partiendo en el tamaño más grueso es muy simple. El cálculo puede
efectuarse incluso en una calculadora de bolsillo (Whiten 1976) y es sumamente fácil de
programar en una planilla electrónica o en casi cualquier lenguaje computacional.
Un conjunto completo de valores (r/d*) entregan una transformación exacta entre

alimentación y producto. Sin embargo, estas tasas son determinadas pobremente como
valores individuales. Cada valor es el resultado de un conjunto de ecuaciones diferenciales.
En consecuencia los valores individuales no son tan bien determinados como las entradas
medidas. Para superar esto, la función (r/d*) se representa por medio de una función spline
cúbica como se muestra en la Figura 2.6.
Figura 2.6 Variación de las tasas de molienda con el tamaño de la partícula
La función spline (Whiten 1972c) suministra una curva suave definida por 3 o 4 valores en
nudos de tamaño seleccionado por el usuario (x1–x4) Tres o cuatro valores son adecuados
para molinos de bolas mientras que se usan cinco para el modelado de molinos AG/SAG
(los splines se analizan más adelante en el Apéndice 1)
Para usar este modelo se miden las condiciones del molino, f i ' , pi' . Luego se mide una
función de rotura aij (Capítulo 4) o se supone a partir de resultados previos en minerales
similares. Se seleccionan valores adecuados de x1 – x4 y se buscan los mejores valores para
26
r1 – r4 usando una técnica de búsqueda adecuada, tal como mínimos cuadrados no lineales,
que elige los valores de r1 – r4 que minimizan la suma de los cuadrados de las diferencias
entre la distribución de tamaño de producto observada y la predicha por el modelo. El
procedimiento está implementado de una manera amistosa para el usuario en el simulador
JKSimMet. Este modelo ha probado en la práctica ser muy robusto y adaptable.
Donde no se puedan ignorar los efectos del mezclado, se puede considerar un molino como
un número de segmentos perfectamente mezclados – como en el modelo de molino multi-
segmento (Kavetsky y White n1982) – ver Sección 2.5.4 más adelante.
Si se retiene el contenido del molino, si, y se agrega una función de hold-up, se transforma
en un útil modelo dinámico (Lees 1973). Agregar una función de rotura más sofisticada
conduce al modelo AG/SAG Leung (Capítulo 7). Se puede considerar la molienda multi
mineral por medio de dividir un molino entre segmentos, que sean proporcionales al
contenido de mineral de alimentación y aplicando el modelo a cada componente.
Donde se pueda definir una función de rotura adecuada, se puede utilizar el modelo de
molino de mezclado perfecto para describir prácticamente cualquier dispositivo de
molienda. Si el método de caracterización de rotura puede relacionar la energía de rotura
con la función de energía, entonces el modelo puede utilizarse para estimar la energía de
trituración efectiva. También se ha agregado un rango adicional de factores de escalamiento
para molinos de bola, los cuales se describen en el Capítulo 9.
2.5.4 Modelo de Molino Multi-segmento
Para molinos de bola con descargas conteniendo pequeños porcentajes de material de

+2mm, el modelo de mezclado perfecto no predice muy bien las variaciones en la
operación. En la práctica, se ha determinado que existe una dependencia tanto de la tasa de
descarga como de las curvas de tasa de rotura respecto de aumentos crecientes de material
grueso en la alimentación del molino de bolas, como se muestra en la Figura 2.7 y 2.8. Para
mejorar la exactitud de la predicción, Kavetsky y Whiten (1982) consideraron un molino
como una serie de segmentos perfectamente mezclados, con algún mezclado trasero y
delantero permitido entre segmentos. Cada segmento utiliza tasas de rotura constante (ri).
Sin embargo, aunque que se mantuvo constante la forma de la función de descarga (d),
pudo escalarse sistemáticamente como se muestra en la figura 2.7.
Por medio de considerar los contenidos en cada segmento se logra cierta dependencia
respecto del tamaño de la alimentación lo que provee de predicciones razonablemente
realistas, sobre la descarga gruesa en el molino, ante cambios en la tasa y tamaño de la
alimentación.
27
Ln (Tamaño de partícula
Figura 2.7: Variación típica de la tasa de rotura en el modelo de multisegmento con alimentación de
grosor creciente
Ln (Tamaño de partícula
Figura 2.8: Variación típica de la tasa de rotura en el modelo de multisegmento con alimentación de
grosor creciente
28
La Figura 2.9 muestra el diseño conceptual donde M es le factor de mezclado entre

segmentos. Este modelo es complejo de implementar y está descrito completamente por
Kavetski y Whiten (1982).
Figura 2.9: Esquema de la estructura de un modelo multi-segmento
Se puede lograr una aproximación razonable a este tipo de dependencias si se considera el

molino como dos mitades, con un producto intermedio que es el promedio de la
alimentación y producto real. JKSimMet permite restringir los valores r/d* para cada
segmento, a los mismos valores.
En el futuro, un modelo que considere distintos grados de mezclado a diferentes tamaños
ciertamente podrá suministrar una respuesta más realista a la alimentación gruesa de
molinos. Para alimentación fina, el mezclado perfecto es una buena metodología.
2.5.5 Modelo de Chancador Whiten
El modelo de chancador se explica con más detalle en el Capítulo 6. Sin embargo, se

describe aquí para complementar en la misma notación que los modelos de molino de bola
Figura 2.10: Esquema de un modelo de chancador
29
Para cada fracción de tamaño i
El lector notará que esta expresión es esencialmente idéntica al modelo de molino de bola
de mezcla perfecta excepto que la función de clasificación (ci + di = 1) toma una forma
diferente (Figura 6.7):
En consecuencia, este modelo también provee de una transformación entre la alimentación

y el producto dada una función de de rotura y descarga adecuada. Es también muy flexible
y ha sido usada ampliamente. El modelo de chancador reduce un conjunto de datos
operacionales a K1, K2 y t10: tres números en vez de dos conjuntos de fracciones de tamaño
(usualmente se mantiene K3 constante en 2.3).
Al igual que el modelo de molino de bola, se puede considerar un chancador como un

número de segmentos. Por el contrario, un dispositivo como el impactador de eje vertical,
el cual posee una función de descarga donde ci=1 (i.e. todo cae a través), requerirá
solamente de una función de rotura.
2.5.6 Modelado de la Energía de Rotura
Las técnicas detalladas en el Capítulo 4 relacionan la energía de entrada con la rotura de

partículas resultante. Un examen cuidadoso de los modelos de bola de mezcla perfecta
revela que ri es la fracción de cada rango de tamaño en la carga que se rompe por unidad de
tiempo. Si se conoce el peso de la carga para cada rango de tamaño y la energía requerida
para producir el grado de rotura deseado, se puede calcular la energía de rotura efectiva que
está logrando el dispositivo de trituración.
Esto es de uso limitado en los modelos de molino pero es muy útil para el modelo de
chancador (Andersen y Napier-Munn 1988), entregando un excelente estimador de la
30
energía requerida cuando se escala por un factor de eficiencia en el rango de 1.25 – 1.5,
para chancadores de cono y mandíbula (ver Sección 11.2).
2.6 CONCLUSIONES
Los modelos ‘fundamentales’ aquí descritos son la vía al futuro, pero están limitados
actualmente por la potencia computacional y la comprensión de las fuerzas mecánicas e
interacciones de partícula. Sin embargo, estos modelos se harán mas comunes lo largo de la
próxima década.
Los modelos de Caja Negra son una tecnología madura. Son fáciles de usar con los
computadores actuales. Su mayor fortaleza es la reducción de datos – esto es, la habilidad
para reducir una operación compleja a una pequeña cantidad de números o parámetros.
Estos parámetros pueden, hasta cierto punto, hacerse independientes del tipo de material y
de factores operacionales, lo que permite que los datos del mundo real sean más fáciles de
interpretar. Los números suministrados entregan tanto una guía para mejorar el rendimiento
(vía simulación), como una mejor base para la toma de decisiones ya que se reducen los
efectos de cambios en el tipo de mineral y factores operacionales (e.g. volumen, densidad
de overflow, etc.).
En la medida que se comprende la naturaleza iterativa del proceso de optimización (ver

Capítulo 13), no existe ninguna alternativa real al uso de modelos de procesos en análisis y
optimización.
31
CAPITULO 3
EXTRACCIÓN DEL MINERAL
3.
3.1 INTRODUCCIÓN
E
l propósito de la planta de extracción de mineral es separar los componentes
valiosos del mineral de la parte sin valor y concentrarlos para su transformación
en un producto vendible. Habitualmente los pasos de concentración vienen
precedidos por la etapa de trituración, cuyo propósito es romper el material a un
tamaño suficientemente pequeño para liberar o extraer los componentes valiosos
de la ganga.
Uno de los criterios de diseño más critico para las plantas de procesamiento de mineral es la
selección del tamaño al cual el paso de trituración deberá reducir la roca huésped (tamaño
de molienda) para asegurar una nivel de extracción económico. La reducción de tamaño y
la liberación están inextricablemente enlazadas. Si el tamaño al cual se reduce la roca es
insuficiente, entonces una gran proporción de constituyentes valioso no podrá ser extraído,
conduciendo a la perdida potencial de ganancias. Si el tamaño elegido es muy pequeño el
resultado será una planta sobredimensionada y costosa con innecesarios altos costos de
energía). En consecuencia, para garantizar un proceso eficiente, la liberación de mineral y
su asociación con la reducción de tamaño debe ser muy bien caracterizada.
Sin embargo, el entendimiento de la liberación y su acoplamiento con la predicción de

reducción de tamaño, no se ha mantenido a la par con el modelado de otras operaciones en
el procesamiento de minerales por tres razones principales:
1. La falta, hasta hace poco, de medios precisos y convenientes para medir el grado de
liberación en corrientes de proceso sobre una base de tamaño por tamaño.
2. La falta de una descripción validada y manejable del proceso deliberación durante la

trituración
3. La complejidad del problema de describir la liberación
Avances en la medición y modelado de la liberación de minerales están comenzando a tener

un impacto positivo, aunque aún falta mucho por hacer. Este capítulo entrega un breve
vistazo general sobre el tema y describe algunas metodologías simples y prácticas que se
32
Capítulo3: Extracción del Mineral
han aplicado recientemente en el acoplamiento de información sobre liberación a la

predicción de la reducción de tamaño.
3.2 MEDICIÓN Y DESCRIPCIÓN DE LA LIBERACIÓN
3.2.1 Definiendo Liberación
El término liberación, al igual que mineral, es esencialmente uno económico. En términos

prácticos, una partícula es liberada cuando su composición es tal que un proceso aguas
abajo puede recuperarla selectivamente a un concentrado (o por el contrario, si es material
de ganga, rechazarlo). Un ejemplo extremo es una partícula de fase única (valor o ganga)
cuya composición ya no es un factor limitante en su recuperación (Figura 3.1a). En
realidad, los circuitos de trituración crean una distribución de composiciones de partícula lo
que resulta en una distribución correspondiente de probabilidades de recuperación (tasas en
el caso de flotación). Sutherland (1989) ha demostrado que las tasas de flotación pueden ser
altas incluso en presencia de una gran proporción de partículas multifase, las cuales son, en
consecuencia, liberadas pobremente por cualquier definición sencilla. En ese caso, la
recuperación de valor puede ser alta pero hay un castigo en una baja ley debido a la
presencia de otros minerales presentes en este compuesto de partículas recuperadas. En
consecuencia, en flotación una partícula puede ser clasificada como liberada en roughing
pero no en limpieza; es necesario entonces, remoler para aumentar la liberación a fin de
lograr la ley de concentrado requerida.
La Figura 3.1 muestra una sección de roca multifase imaginaria, antes y después de la
rotura, ilustrando las diferentes formas de partícula que son los productos de la trituración.
Está claro que el tamaño de cada fase y su relación con cada una de las demás fases, tanto
antes como después de la rotura, es crítico para el entendimiento y descripción del proceso
de liberación. Estas relaciones están embebidas colectivamente en una propiedad
denominada textura de la roca. Una descripción de textura es un elemento esencial de
cualquier modelo de liberación como se analiza en la Sección 3.2.3
3.2.2 Midiendo la Liberación
El método clásico de medir la composición de las rocas o partículas rotas es por

identificación mineral manual, fraccionamiento y conteo bajo un microscopio binocular.
Jones (1987) ha entregado una completa descripción de los procedimientos involucrados en
dichos métodos, denominados colectivamente como conteo de puntos.
Los problemas con estas técnicas incluyen la necesidad de alguna habilidad en la

identificación mineral y la naturaleza tediosa y consumidora de tiempo de este análisis.
Acoplando técnicas modernas de análisis de imagen con el uso de tomografía microscópica
se hizo posible una metodología mas automatizada. Se puede producir y analizar imágenes
de roca y partículas logrando la identificación de la fase (mineral) por medio de una
combinación de retrodispersión de electrones y fluorescencia de rayos-x, el primero
identificando las fases a partir del numero atómico medio y el último elementos específicos.
Jones (1987) describe estos principios generales.
33
Figura 3.1: Diversas asociaciones minerales en las partículas resultantes de la rotura de un

compuesto multifase
El desarrollo de dichos sistemas automatizados, para la identificación de fases minerales y

determinación de grados de liberación, en muestras tomadas de plantas de procesamiento
de mineral, ha tenido un fuerte impacto en el estudio de la liberación en trituración. Su
ventaja principal sobre la técnica tradicional de conteo de puntos es su exactitud y rapidez.
Uno de estos sistemas que ha logrado amplia aceptación es QEM*SEM, desarrollado por la
División de Minerales de CSIRO. QEM*SEM es un acrónimo para “Quantitative
Evaluation of Materials using Scanning Electron Microscopy” (Evaluación Cuantitativa de
Materiales usando Tomografía Microscópica).
El sistema básico ha sido descrito por Sutherland y Gottlieb (1991). El hardware incluye un
Microscopio tomográfico controlado por computadora complementado con retrodispersión
de electrón (BSE) y detectores de rayos-x. QEM*SEM usa señales BSE para localizar
rápidamente las partículas y determinar un número atómico medio para la fase medida.
Simultáneamente se recoge el espectro de rayos-x de manera que pueden identificarse los
elementos químicos y estimarse sus proporciones relativas. Esta información se utiliza para
seleccionar, en tiempo real, el mineral objetivo desde una lista de posibles especies
almacenadas en el computador.
La muestra a analizar se fija en una resina epóxica para formar una briqueta la cual es luego
pulida cuidadosamente para presentar una superficie adecuada para análisis. La briqueta se
coloca sobre una plataforma motorizada, la cual puede operarse para escanear
automáticamente varias briquetas. QEM*SEM construye una imagen digital de la muestra
investigada usando un patrón de cuadrícula. A medida que cada píxel en la cuadrícula es
escaneado, se almacena el número del mineral identificado. El procesamiento posterior de
esta imagen en bruto define las fronteras de fases y agrupa los minerales en los tipos
metalúrgicos importantes, e.g. sulfuros, no sulfuros, ganga, etc., dependiendo de la
aplicación. Una vez terminado, los datos de píxeles son analizados para producir
estimaciones sobre los volúmenes y grado de liberación del mineral.
34
En el uso estándar de QEM*SEM los datos se utilizan para clasificar las partículas en 12
clases de composición basados en el contenido volumétrico determinado por las mediciones
de la superficie expuesta. En un extremo (0%), las partículas se clasifican como estéril
mientras que en el otro (100%) las partículas se clasifican como liberadas completamente.
Entre ambos extremos se construyen clases en incrementos de 10% de grado de liberación.
En consecuencia, por ejemplo, las partículas en la clase 40-50% tienen un 40-50% de su
volumen expuesta en sección (liberada), mientras que 50-60% de su volumen está
bloqueado con otros minerales. Normalmente se utiliza la clase 90-100% para representar
el mineral liberado.
Los datos se presentan en forma tabular sobre una base de tamaño por tamaño y mineral por
mineral. También se describen pictóricamente en mapas de colores falsos en los cuales se
muestra la descripción de cada partícula y de las fases presentas. Cada fase tiene un color
diferente para ayudar en al identificación. Tales mapas son una gran ayuda para obtener una
indicación cualitativa del grado de liberación y naturaleza del bloqueo para corrientes de
proceso específicas. En la Figura 3.2 se muestra un ejemplo de un circuito de molienda de
mineral de oro.
Figura 3.2: Ejemplo de una mapa QEM*SEM de colores falsos mostrando partículas liberadas y
compuestas (reformateada para reproducción en blanco y negro)
35
Otras mediciones útiles incluyen el área superficial específica de fase, PSSA (Miller et al
1982), y los índices de liberación (Gottlieb et al 1994). El PSSA es el área superficial de
una fase específica por unidad de volumen de esa fase en la muestra total: varía con fuerza
con el tamaño de partícula, siendo relativamente constante con los tamaños, más gruesos
(no liberados) aumentando rápidamente con los tamaños más finos a medida que dicha fase
se libera.
Estereología
Muchas técnicas de medición se basan en el análisis de imágenes planas en dos

dimensiones. Sin embargo, lo que se requiere del análisis es información relacionada con la
liberación de partículas discretas, las cuales son obviamente tri-dimensionales. La
estereología es el proceso por medio del cual se deducen las características geométricas tri-
dimensionales de un objeto a partir de mediciones uni- o bi-dimensionales. Sin la
corrección adecuada, la transformación de mediciones uni o bi-dimensionales conduce a un
error conocido habitualmente como sesgo estereológico.
Para ilustrar el problema, en la Figura 3.3 se muestra una partícula imaginaria de la cual se
requiere conocer el grado de liberación. La partícula es una esfera binaria compuesta por un
50% de fase blanca y un 50% negra. Si se prepara la partícula para análisis escaneando una
sección pulida de la partícula, entonces las secciones marcadas a, b y c, en la Figura 3.3
son todas igualmente posibles si el seccionado se efectúa aleatoriamente. Los resultados de
las mediciones tomadas de las secciones a y c indicaran, incorrectamente, que la partícula
está formada de una fase 100% blanca o negra respectivamente. Solo la sección b dará el
resultado correcto, es decir, que la partícula es de hecho un compuesto. El resultado neto es
que los datos de sección plana tenderán siempre a sobrestimar la cantidad de partículas
liberadas totalmente de una muestra.
Figura 3.3: Seccionando una esfera binaria
Hasta hace poco, la corrección del sesgo estereológico en la medición de liberación ha permanecido
como un problema insoluble. Sin embargo, investigaciones recientes han suministrado una solución
(Gay y Lyman 1995) y ahora es posible determinar la distribución real de minerales valiosos a partir
de datos seccionales.
36
3.2.3 Describiendo la Liberación
Modelar la liberación usando las nuevas técnicas de medición, ha sido en los últimos años
un campo de investigación activo La siguiente discusión identifica los aspectos principales.
Un supuesto clave en la base de todos los modelos de liberación es la de la rotura no

preferencial. Básicamente este supuesto implica que la fractura de una partícula es
independiente de su textura o que las fases minerales en las partículas poseen la misma
dureza o tasa de rotura.
Aunque este supuesto no es siempre cierto, aporta un marco de trabajo sencillo partir del
cual comenzar el modelado de la liberación. Extensiones naturales al supuesto de rotura no
preferencial son que:
• no existe fractura en gránulos de límite
• la tasa de rotura de partículas es independiente de la textura
• se pueden predecir distribuciones de liberación a partir de la textura, y
• se puede modelar la liberación separadamente de la trituración.
La idea de separar la liberación de la trituración es la que conduce a una importante

simplificación en el modelado matemático de la liberación y esta simplificación explica
porque el supuesto de rotura no preferencial es tan popular. La idea se explica con el
siguiente ejemplo. Supongamos que tenemos un conjunto de partículas de dimensión
similar, llamadas partículas padre. Las partículas son molidas y se determina su distribución
de liberación como una función del tamaño, muestreando las partículas resultantes. A
continuación, estas se muelen aún más y se determina una segunda distribución de
liberación como función del tamaño. Si el supuesto de rotura no preferencial es válido, para
el rango de tamaño en el cual las dos distribuciones de liberación se corresponden, las dos
distribuciones de liberación deben ser iguales. En consecuencia, la distribución de
liberación es función únicamente del tamaño. Por consiguiente, la liberación se modela en
forma separada de la reducción de tamaño. Si la rotura no preferencial no es válida, las dos
distribuciones de liberación serán distintas por lo que el modelado de la liberación no puede
separarse de la reducción de tamaño aumentando significativamente la complejidad del
sistema a modelar.
Barbery (1991) revisó varios experimentos utilizados para comprobar el supuesto de rotura
no preferencial y queda claro de su revisión que el supuesto no es valido universalmente.
Sin embargo, a la fecha, la mayoría de los modelos de liberación están basados en el
supuesto de rotura no preferencial y es muy probable que esto se mantenga hasta que se
desarrolle un método aceptable para el modelado de liberación cuando la rotura es
preferencial.
Incluso con el supuesto de rotura no preferencial, el modelado de liberación es aún bastante

complicado y ningún modelo individual se ha popularizado. Existen, sin embargo, dos
37
metodologías. La primera metodología es modelar el proceso de liberación, basado en el

conocimiento de que la liberación está relacionada con la textura del mineral. Por ejemplo,
si el tamaño promedio de grano de mineral valioso es pequeño, el tamaño al cual el mineral
es ‘liberado’ también será pequeño. Por ende, la primera metodología se basa normalmente
en el uso de datos de liberación para describir la textura de un mineral y a partir de la
textura del mineral, predecir como cambiará la liberación cuando se reduce el tamaño. Esta
metodología se denomina modelado de textura.
La segunda metodología está basada en la representación de patrones observados en datos

de liberación y su uso, junto con los modelos de reducción de tamaño, para predecir
cambios en la liberación producidos por cambios en la reducción de tamaño. JKMRC ha
seguido hasta ahora la segunda metodología, con métodos desarrollados por Weedon
(1992) y Morrel (Morrel, Dunne y Finch 1993). Estas metodologías se analizan en la
Sección 3.3.
Modelado de Textura
El primer modelo que puede considerase como modelo de textura es el de Gaudin (1939),
mejorado posteriormente por Wiegel y Li (1967). En el modelo de Wiegel y Li se construye
una cuadrícula cúbica, constituida por células cúbicas cada una de ellas de ancho α. La
textura se confecciona definiendo cada célula como perteneciente a una de las dos fases. El
proceso de asignación es aleatorio. El proceso de reducción de tamaño se simula por medio
de especificar que las partículas son también cúbicas con tamaño β. La textura de estas
partículas se logra situando estas partículas cúbicas en el cuadriculado original de manera
aleatoria, pero orientadas en la misma dirección que el cuadriculado original. Las
matemáticas para la simulación se obtienen por medio de métodos analíticos.
Se puede distinguir que el proceso de modelados involucra dos pasos principales: el uso de
información disponible para determinar la textura tri-dimensional y la superposición de
partículas sobre la textura para simular la reducción de tamaño. Muchos otros modelos de
liberación utilizan pasos similares. Estos incluyen los modelos de Barbery (1991) y Meloy
(1984). Difieren fundamentalmente en cual textura utilizan. Barbery utiliza varias texturas
diferentes, entre las cuales la más común es la textura Booleana basada en el poliedro de
Poisson. Aunque Meloy y sus co-trabajadores también utilizan diversas texturas, la textura
que provee la comprensión conceptual del método de Meloy es un bloque conformado por
bloques rectangulares paralelos equidistantes. La información usada para los modelos, tanto
de Barbery como de Meloy, es la ley promedio de la fase de mineral valioso y el área
superficial de interfase.
Ambos parámetros pueden determinarse examinando las secciones. Nótese que el área
superficial de interfase está relacionada directamente con el tamaño de grano del mineral
valioso. Esto es, un tamaño de grano de mineral de promedio pequeño tenderá a
encaminarse a un gran valor de área superficial de interfase.
El modelo de Barbery es considerado generalmente como más realista que el de Meloy,

pero es matemáticamente muy complejo y por consiguiente difícil de entender. La textura
de Meloy es considerada muy simplista pero su descripción matemática es bastante
38
comprensible. Desafortunadamente, el desafío para un modelo práctico es que debe ser a la

vez realista y simple de entender.
El modelo de King (1979) suministra una alternativa interesante. Mientras que los
modeladores de textura discutidos hasta ahora usan información para crear la textura en tres
dimensiones, la metodología de King es modelar la textura en una dimensión y luego
superponer sobre ella interceptos lineales que corresponderían a partículas de un tamaño
particular. De esta manera se simula la distribución para los interceptos lineales. Esta
metodología simplifica significativamente los requerimientos computacionales del modelo.
La clave para obtener la distribución de liberación volumétrica es aplicar una corrección
estereológica a la distribución de intercepto lineal.
El modelo de King ha sido mejorado posteriormente por King y Schneider (1993). Como
los modelos de Barbery y Meloy, el modelo de King y Schneider también está basado en el
uso del área de superficie de interfase.
Las relaciones entre textura, modelado de liberación y estereología fueron también

demostradas por Davy (1984) quien derivó una relación directa entre la covarianza de la
textura de un mineral y la varianza de la distribución de liberación como una función del
tamaño. Esta función de covarianza se mide utilizando interceptos lineales o secciones
planas y fue la base del modelo de textura Booleana de Barbery (1991).
Uso en Paquetes de Simulación
Aunque ninguno de estos modelos deliberación ha sido aun aplicado ampliamente, alguno
de ellos han sido incluidos en paquetes de simulación computacional. Estos incluyen
principalmente al modelo de Wiegel, incluido en SIMBAL (Heijden 1991), y el modelo de
King y Schneider que está incorporado en MODSIM (Schneider y King 1995). La
implementación de los modelos está aún en su etapa temprana. Sin embargo, se espera que
los modelos de liberación se transformen en componentes importantes de los paquetes de
simulación de procesos.
3.3 MODELOS SENCILLOS DE LIBERACIÓN EN TRITURACIÓN
Actualmente, las dos metodologías para describir la liberación durante la reducción de

tamaño han sido desarrolladas por JKMRC. Ninguna puede ser considerado actualmente
como constituyendo un modelo real de liberación de mineral en cuanto a que describen el
proceso de liberación. Más bien, son modos de representar patrones observados en los datos
de liberación y usar estos para predecir cambios en la liberación como resultado de cambios
en la reducción de tamaño en la trituración.
3.3.1 Metodología de Weedon
Líneas-L
Weedon (1992) desarrollo un medio de representar los datos de liberación de una manera
análoga a las curvas-t usadas por Narayanan y Whiten (1988) en su trabajo de
39
caracterización de rotura (Sección 4.5.3). Weedon tomó un número de muestras de rocas y

las rompió usando el dispositivo de péndulo gemelo descrito en la Sección 4.5.3. Luego
clasifico los productos por tamaño y los sometió a análisis QEM*SEM. El resultado fue
una serie de conjuntos de datos que contenían información sobre el grado de liberación de
minerales seleccionados en cada tamaño de producto, luego de la rotura de la partícula
padre.
En la Tabla 3.1 se muestra un resultado típico. En esta prueba en particular, se rompieron, a

un mismo nivel de emergía, 100 partículas de galena en el rango de tamaño de -5.6
+4.75mm provenientes de la alimentación del molino de barras de Pasminco Broken Hill.
El contenido total de galena en cada fracción de tamaño de producto, como también la
cantidad de galena liberada completamente fue determinado por QEM*SEM.
Los datos muestran que, en este caso, un 54.15% de la galena en la partícula original
aparecía como galena liberada luego de rotura en las fracciones de tamaño -300µm;
+300µm no fue analizado por QEM*SEM pero se puede inferir ocasionalmente por
extrapolación (Weedon et al 1990). Estos datos son representados en su forma acumulativa
en la Figura 3.4. Esta curva es análoga a los familiares gráficos de porcentaje acumulado
que pasa.
Figura 3.4: Curva porcentual de liberación acumulativa para galena
Tales curvas pueden utilizarse para representar ala proporción acumulada de mineral total
presente en la muestra original que es liberada bajo algún tamaño de interés, luego de un
evento de rotura específico.
40
Tabla 3.1: Ejemplo de datos de liberación de una prueba de rotura por péndulo
(según Weedon, 1992)
ANTES DE LA ROTURA POR PENDULO

Tamaño alimentación muestra 4.75-5.6mm
Peso muestra (100 partícula) 8.65g
% galena en la muestra (ensayo químico) 4.9%
Peso galena en la muestra 0.42g
DESPUÉS DE LA ROTURA POR PENDULO
1 2 3 4 5 6 7 8
Tamaño Peso % galena Peso % galena Peso % %
(µm) (g) en galena liberada galena liberado Acum.
tamaño en en liberada (%) liberado
(%) tamaño tamaño en (%)
(g) (g) tamaño
(g)
+300 5.26 n/d - n/d - - -
-300+212 0.81 8.68 0.070 80.8 0.056 13.57 54.15
-212+150 0.68 9.13 0.062 82.3 0.051 12.21 40.58
-150+106 0.50 5.79 0.028 82.1 0.023 5.68 28.37
-106-+75 0.41 9.72 0.039 81.5 0.032 7.76 22.69
-75+53 0.32 7.32 0.023 88.8 0.02 4.97 14.93
-53+38 0.24 7.84 0.018 86.9 0.016 3.91 9.96
-38 0.43 6.58 0.028 89.5 0.025 5.95 5.95
TOTALES 8.65 - 0.27 - 0.22 54.15 -
Notas
Col. 2 es peso medido después de la rotura

Cols. 3 y 5 obtenidas directamente de QEM*SEM
Col. 4 = Col. 2 x Col. 3/100
Col. 6 = Col. 5 x Col.4/100
Col. 7 = Col. 6 x 100/peso total de galena en la muestra
Col. 8 = Acumulado Col. 7
Usando la analogía del parámetro t10 (Capítulo 4), se puede definir un parámetro L100
como el porcentaje acumulado de mineral liberado a un tamaño menor que 1/100 del
tamaño original de la roca. Se encontró que dicho parámetro podía relacionarse con otros
miembros de la familia de parámetros L (L10, L50, L125, L250, L1000) por una serie de
líneas-L. En la figura 3.5 se entrega un ejemplo de dichas series
41
En consecuencia, dada la familia de líneas-L de la Figura 3.5, se puede, para un valor dado
de L100, generar la curva de liberación acumulativa completa de la figura 3.4
Figura 3.5: Ejemplo de una familia de líneas L
Prediciendo la Liberación de Mineral en Molinos de Bola
El parámetro de rotura r/d* es usado en el modelo de molino de bola de mezclado perfecto

(Capítulo 9), para describir la rotura de partículas en cada fracción de tamaño. Weedon
aplicó el modelo sobre una base de mineral por mineral y generó parámetros de rotura
(rm/d*m) específicos del mineral. El asumió que los minerales individuales se rompen de
una manera similar a la roca huésped y por consiguiente utilizo la misma función de
distribución de rotura (apariencia) para cada especie. Esta estructura suministró una
predicción de la distribución de tamaño de una fase mineral en el producto. Weedon aplicó
a estos datos su concepto de parámetro-L para predecir el grado de liberación, tamaño por
tamaño, de cada fase mineral. Al igual que con la distribución rm/d*m, que debía ajustarse a
los datos de alimentación y producto, el parámetro-L también requirió que se determinaran
los datos de alimentación y liberación de producto. El parámetro-L se ajustó utilizando
datos provenientes de los molinos de bola primario Nº1 y secundario Nº1 de Pasminco. En
la Figura 3.6 se muestran los resultados para galena. Se observa una forma de distribución
resultante similar, aunque los valores para el molino secundario son significativamente
mayores en la mayor parte del rango.
Para probar este modelo, Weedon utilizó la distribución del Parámetro-L del molino de
bolas primario Nº 1 para predecir el rendimiento de los molinos Nº2 y Nº3, los cuales se
corrieron bajo distintas condiciones. Los resultados indicaron que el grado de liberación
global estaba bien predicho (Figura 3.7). Sin embargo, las predicciones tamaño por tamaño
mostraban una fuerte sobreestimación en sus fracciones de tamaño más finas y lo opuesto
en los tamaños gruesos.
42
Figura 3.6: Ejemplo de la distribución del parámetro-L para un molino de bola primario y
secundario
Figura 3.7: Grado de liberación observado vs predicho usando el modelo de Weedon
3.3.2 Metodología de Morrel
En la metodología de Morrel (Morrel, Dunne y Finch 1993), no se hizo ningún intento para
reducir los datos de liberación matemáticamente. En vez de eso, se utilizo el grado de
liberación tamaño por tamaño en su forma original, obtenido de QEM*SEM, acoplado a un
modelo de reducción de tamaño de balance de población. El fundamento para utilizar esta
metodología fue la observación de que, de muestras de alimentación y producto que tenían
diferentes distribuciones de tamaño, aparecía que el grado de liberación, tamaño por
tamaño, variaba por cantidades que estaban dentro de los errores de medición esperados,
43
i.e. para una especie mineral dada, la relación entre grado de liberación y tamaño es la
misma, independientemente del tratamiento de trituración del mineral. Esto es
esencialmente la rotura aleatoria o no preferencial, mencionada previamente en la sección
3.2.3. En la Figura 3.8 se muestra un ejemplo.
Figura 3.8: Grado de liberación de sphalerite en la alimentación y corriente de producto en un

molino de torre
Aquí el eje-y es el porcentaje de mineral (en este caso sphalerite) liberado en un intervalo
de tamaño específico, definiendo una partícula ‘liberada’ como al menos 90% de mineral;
esto se denomina en ocasiones CLY90 (Millar et al 1982, Gottlieb et al 1994). Esta curva
fue aludida posteriormente por Gottlieb et al (1994) como el perfil de liberación.
La metodología de modelado de liberación de Morrel fue aplicada originalmente a la

liberación de pirita en un circuito de molienda de bolas. Esta metodología fue modificada
posteriormente y ampliada su aplicación a la molienda de torre. En la figura 3.9 se muestra
el modelo conceptual. La alimentación se divide en corrientes de ganga, bloqueado y
liberado valioso. Por simplicidad solo se muestra un sistema de 2 componentes, aunque son
posibles los sistemas multi componentes. Cada corriente es modelada en términos de
reducción de tamaño usando un modelo de balance de población (Morrel, Stern y Seller
1993). Dentro del molino todas las corrientes son reducidas en tamaño. Sin embargo, en el
caso de la corriente bloqueada también se produce liberación de valioso y ganga. En
consecuencia la fracción bloqueada se divide en tres corrientes, dos de las cuales se unen a
las corrientes de valiosos liberado y ganga. La tercera incluye el valioso bloqueado que
queda después de la rotura. Dentro del modelo, este proceso se describe usando dos
relaciones (A y B). El efecto combinado de estas es reproducir la relación típica de lo
mostrado en la Figura 3.8. Simultáneamente permiten la generación de los datos de
corriente de ganga, liberado y bloqueado necesarios para mantener el balance de masa a lo
largo el molino.
44
Figura 3.9: Diagrama esquemático del modelo de liberación conceptual para una máquina de
trituración (en este caso un molino de torre)
Si se supone que los datos de la Figura 3.8 pueden en efecto representarse por una única
línea, entonces se obtiene una predicción razonable de los datos (Figura 3.10).
Figura 3.10: Grado de liberación de sphalerite observado vs predicho usando el modelo de Morrel
45
La relación A se representa por la curva de ejemplo mostrada en la Figura 3.11. Esta

describe la relación entre el tamaño y la fracción de mineral bloqueado que se libera
durante la reducción de tamaño. La relación B (Figura 3.12) es efectivamente una curva de
grado tamaño por tamaño, relacionada con la fracción de roca bloqueada dentro de cada
clase de tamaño conteniendo mineral valioso. Se utilizaron datos de análisis QEM*SEM de
una de las corrientes del molino de torre para generar ambas relaciones, las que fueron
representadas en el modelo como funciones tabuladas, tamaño por tamaño. Las curvas A y
B debieran ser determinadas del análisis QEM*SEM de los productos, a partir de pruebas
de roca controlada, pruebas de molienda por lote en laboratorio o alguna instalación de
molienda existente.
Figura 3.11: Relación entre tamaño y la fracción de material compuesto que libera sphalerite
durante la reducción de tamaño (análisis retrospectivo)
Figura 3.12: Relación entre tamaño y la fracción de material bloqueado que es sphalerite
(análisis retrospectivo)
46
Para probar el modelo se utilizaron datos de dos estudios de un molino de torre industrial.
Las condiciones bajo las cuales se condujeron dichos estudios se indican en la tabla 3.2
Tabla 3.2: Condiciones de estudio molino de torre
Variable Estudio 1 Estudio 2

Tasa de Alimentación (t/hr)
ZnS liberado 3.27 1.91
ZnS bloqueado 9.90 3.91
Ganga 3.03 1.84
Total 16.2 7.66
Tamaño Alimentación (d50) (mm)
Ganga 20.3 21.1
Total 53.6 34.9
Tamaño Producto (d50) (mm)
Ganga 12.4 9.0
Total 19.1 10.8
Densidad Pulpa Producto (% Sólidos) 63.0 62.2
Consumo de energía (kW) 164 205
Existen tres diferencias notables entre ambos estudios:
• una aumento de un 25% en el consumo de energía del molino de torre en el estudio 3
• una menor tasa de alimentación de un 53% en el estudio 3
• una alimentación y distribución de tamaño de producto mucho más fina en el estudio 3
Usando los datos del estudio 1 se determinaron las relaciones A y B (Figuras 3.11 y 3.12) y
posteriormente se calcularon las tasas de rotura para la sphalerite liberada, sphalerite
bloqueada y ganga, usando el modelo de molino de bola de mezcla perfecta (Figura 3.13).
El rendimiento del molino de torre, bajo las condiciones del estudio 3, fue predicho
utilizando el modelo derivado de los datos del estudio 1. En la tabla 3.3 se muestran los
resultados. Puede observarse que los aumentos globales en la sphalerite liberada y la ganga,
como también la reducción posterior en la tasa de flujo de la ganga están bien predichos. En
general, también lo son las distribuciones de cada una de las corrientes, aunque hubo una
tendencia de predecir una distribución de tamaño de producto para la sphalerite bloqueada,
un tanto más gruesa que lo observado.
47
Figura 3.13: Tasas de rotura para ganga y sphalerite bloqueada y liberada
Tabla 3.3: Comparación entre liberación observada y predicha de sphalerite
Descarga del Molino - % Acumulativo que Pasa

Tamaño
(mm) ZnS liberado ZnS bloqueado Ganga Total
Observado Predicho Observado Predicho Observado Predicho Observado Predicho
38 98.6 95.4 95.9 86.8 98.2 97.2 97.9 93.6
18.8 77.9 77.1 59.2 57.2 82.3 83.9 73.1 73.9
9.4 47.9 49.1 36.5 37.7 55.7 56.5 45.0 48.5
t/hr 2.59 2.57 2.25 2.21 2.82 2.88 7.66 7.66
3.4 CONCLUSIONES
Las técnicas modernas de medición de liberación han permitido la generación relativamente

fácil de datos exactos (aunque a un costo). La investigación sobre el modelado de
liberación, en máquinas de trituración, ya se ha visto beneficiada con la disponibilidad de
dichos datos, aunque aun falta mucho trabajo por hacer. Hay actualmente en desarrollo
programas de investigación que debieran resultar en avances en este campo, a medida que
se dispone de más datos, Este capítulo ha descrito dos métodos simples para integrar la
información sobre liberación de QEM*SEM al modelo de molino de bola, a fin de predecir
la liberación como una función de la reducción de tamaño.
48
CAPITULO 4
PRUEBAS DE ROCA – DETERMINACIÓN DE LA
FUNCIÓN DE ROTURA ESPECÍFICA
4.
4.1 INTRODUCCIÓN
E xiste un largo historial de investigación sobre la caracterización de rotura de roca y

partículas en la industria minera y la literatura sobre el tema es, en consecuencia,
abundante. El principal objetivo de los trabajos relacionados con trituración, ha sido
derivar métodos confiables de evaluar como se rompe un material específico dentro de una
máquina de trituración, como un chancador o un molino. Algunos minerales, carbones o
rocas de cantera son claramente más duros que otros y la maquina apropiada, su tamaño y
consumo de energía dependerá, no solo de la tarea (tasa de alimentación y tamaño de
producto) sino que también de la ‘dureza’ del material a romper. La dureza en si es una
propiedad difícil de definir y su relación con la maquina no será necesariamente directa: un
molino autógeno procesando un mineral blando podrá tener una baja capacidad, debido a la
falta de medios de material duro para estimular la molienda; un chancador de cono, de un
conjunto dado, chancará un amplio rango de mineral a un tamaño de producto similar, pero
al hacerlo tendrá diferentes consumos de energía.
Las pruebas estándar de resistencia mecánica de rocas, como la resistencia a fractura y

resistencia a la compresión uniaxial, normalmente no se consideran adecuadas para estudios
de trituración. Suministran información sobre el esfuerzo requerido para ocasionar falla
bajo modos de carga específicos, en la forma de un parámetro individual de dureza o
resistencia. En la trituración, también es necesario identificar la distribución de tamaño del
producto resultante de aplicar un mecanismo de rotura específico, a un tamaño de
alimentación dado y la energía requerida para generar el tamaño de producto. En especial,
es la relación energía-reducción de tamaño el foco principal de las pruebas de laboratorio
desarrolladas para ayudar en al especificación de equipos de trituración. Dichas pruebas
incluyen el test de Bond, molienda por lote y prueba de partícula individual. Sin embargo,
se está acumulando evidencia de que algunas pruebas de fractura mecánica de rocas pueden
interpretarse útilmente en términos de trituración, como se analiza más adelante.
Este capítulo describe las pruebas de caracterización de rotura de laboratorio disponibles

comúnmente, con especial consideración por la energía de trituración y la reducción de
tamaño y el uso de estas pruebas para predecir el rendimiento de máquinas de trituración
industrial.
49
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Comienza con una breve revisión de los fundamentos de la rotura de roca y las mediciones
de las propiedades de la roca. Luego se analizan las pruebas estándares de la industria, tales
como las ampliamente utilizadas pruebas Bond. Este capítulo concluye con una descripción
detallada de las pruebas de rotura de partícula individual desarrolladas en JKMRC y su
aplicación a la determinación de parámetros específicos al material, en los modelos de
procesos de trituración descritos en otro lugar de esta monografía.
4.2 ROTURA DE ROCA
La rotura de la roca en trituración depende de cómo se comporta el material de roca bajo la

carga aplicada. La forma de la aplicación de la carga es dependiente de la unidad de
proceso específica involucrada (chancador, molino, etc.).
La roca, al igual que muchos otros materiales de ingeniería, exhibirá:
• mediciones de respuesta macro, como resistencia última (tanto en comprensión como

tensión), y propiedades que describen su respuesta a la carga (Modulo de Young, Radio
de Poisson).
• Mecanismos de micro fractura: iniciación y propagación de fisuras.
4.2.1 Mediciones de Respuesta Macro
Carga de Comprensión
La Figura 4.1 muestra un gráfico de tensión versus deformación para una comprensión
uniaxial de muestras cilindricas de roca (según Jaeger y Cook 1979). La región OA es la
zona elástica y es la razón entre la tensión (fuerza por unidad de área) y la deformación
(deformación relativa) en esta región, que en su forma más simple da el modulo de Young.
Se dice que en el punto A el material fluye; A se conoce como punto de fluencia y el valor
correspondiente de tensión aplicada se conoce como tensión de fluencia. (σ0).
Entre los puntos A y B la roca continúa deformándose sin perder su capacidad de resistir
carga; esta región se conoce como región dúctil. Luego de sobrepasado el punto B,
disminuye la capacidad del material de resistir carga con deformación creciente y la roca
ingresa a la región frágil. El punto B, por consiguiente, denota la transición entre el
comportamiento dúctil y el frágil y es la tensión en este punto lo que define la Resistencia a
Compresión Uniaxial (UCS) del material, designada como C0. En algún lugar de la región
BC del gráfico se producirá la falla súbita del material. En muchos casos, sin embargo, la
falla catastrófica súbita de la muestra se producirá muy cerca del punto B, debido a la
incapacidad del sistema roca-maquina para enfrentar las condiciones.
En consecuencia, en términos de mediciones de respuesta macro, los valores más

comúnmente citados, relacionados con las propiedades de compresión de la roca, son la
Resistencia a Compresión Uniaxial (UCS), el módulo de Young (E) y el radio de Poisson
(υ).
50
Figura 4.1: (a) Respuesta ideal esfuerzo-deformación para una muestra cilíndrica de roca bajo
compresión uniaxial.
(b) Curva de tensión-deformación típica para cuarcita para comparación con el ejemplo
ideal. Solo se identifica una porción limitada de la región post fluencia y no se
registra ni la zona dúctil ni la no linear. La falla es catastrófica
Todos estos parámetros se obtienen de la prueba de compresión lenta en una muestra

cilíndrica de roca, usando una máquina de prueba rígida, de acuerdo a las recomendaciones
de la Sociedad Internacional para Mecánica de Rocas (ISRM). UCS es simplemente la
máxima fuerza registrada en el punto de transición dúctil-frágil, dividido por el área de
sección transversal de la muestra. Es una mediada de resistencia muy importante en el
diseño de estructuras en minería e ingeniería civil. Valores normales para UCS van desde
una arcilla de débil de < 50MPa a microcristales hornfels altamente competentes a 450
MPa.
El modulo de Young puede citarse de varias maneras, dependiendo del grado de linealidad
de la respuesta; sin embargo, se define más fácilmente como la pendiente de la región
elástica en el gráfico tensión-deformación (Figura 4.1, región OA). Los valores del modulo
de Young varían entre <10 GPa para mármol y tipos de roca sedimentarias débiles >70 GPa
para ciertas cuarcitas y rocas ígneas capaces de absorber altas tensiones con deformación
longitudinal restringida.
Para obtener el Radio de Poisson de un material de roca, se deben medir deformaciones

aplicadas a la superficie de la muestra, tanto lateral como longitudinalmente a la dirección
de la fuerza. El radio de Poisson se determina como la razón entre la deformación lateral y
la deformación longitudinal. El Radio de Poisson es bastante más variable en sus valores
que otras propiedades de la roca.
Sin embargo, se pueden considera valores entre 0.05 y 0.15 como bajos y asociados a tipos
de rocas débiles, pobremente cementadas. Valores de 0.25 y superiores indican
51
generalmente una capacidad para deformarse bajo carga mientras se mantiene la integridad
y están asociadas a tipos de roca competentes, linealmente elásticas.
Carga de tracción
Aunque el comportamiento bajo carga compresiva es útil para comprender la rotura de la

roca, es importante entender que es el esfuerzo de tracción el que controla la falla. En roca,
la resistencia a la tracción es solo un 10% de la resistencia a compresión.
La medición de la tensión de tracción en roca se logra vía una medición indirecta, conocida
como la prueba Brasileña (Hondron 1959), la cual se basa en la compresión diametral de un
disco de roca. Se somete a tensión el centro del disco y como resultado se inicia la
figuración en el centro y se propaga hacía los patrones de carga (Figura 4.2).
Figura 4.2: Ciclo de carga para una prueba Brasileña, mostrando gráficos de las principales
diferencias de tensión a partir de simulación numérica (Clark 1992)
Dado que en trituración la resistencia a tracción controla la falla de la roca, esta claro que
este modo de falla es fundamental para entender el comportamiento de trituración. Clark
(1992) ha investigado el estilo de prueba Brasileño usando técnicas de modelado numérico
y ha considerado que estas técnicas pueden aplicarse a la trituración.
52
4.2.2 Mecanismos de Micro Fractura
Las características a escala microscópica controlan el mecanismo por medio del cual la roca
responde a carga y por consiguiente las propiedades mecánicas a escala macro que posee.
En términos de pensamiento moderno, la base para examinar la respuesta de la roca a carga

y propagación de las fisuras es el trabajo de Griffiths (1921). El examinó la baja resistencia
a la tracción del vidrio utilizando el supuesto que existían pequeñas fisuras con forma de
moneda a través del tejido del material. Investigadores posteriores aceptaron este supuesto
y este condujo eventualmente al desarrollo de la disciplina conocida como mecánica de
fracturas, y más específicamente, Mecánica de Fractura Elástica Lineal (LEFM).
LEFM supone que en la punta de todas las fisuras en un material cargado existe un factor
de intensidad de tensión (KI). Al igual que un material tiene una capacidad de tensión de
tracción crítica, también tendrá una intensidad de tensión crítica (KIC), conocida también
como resistencia a la fractura. Para que la fisura avance debe cumplirse que KI ≥ KIC
Resistencia a la Fractura
La resistencia a la fractura, que puede definirse como la resistencia de la roca a una

extensión catastrófica de fisura, es una propiedad intrínseca de la roca y un indicativo de
cómo se comporta la roca bajo carga. La aplicación de la resistencia a fractura a la
predicción de potencia de trituración es por consiguiente una extensión lógica.
En su forma más simple, la resistencia a fractura se refiere a una falla a tracción conocida
cono fractura modo I. Para efecto de evaluar el potencial de trituración, la prueba de
resistencia a fractura modo I es aceptada como el método de prueba más adecuado.
Bearman et al, por ejemplo, ha demostrado que puede ser correlacionada con el tamaño del
producto del chancador y el consumo de energía y posteriormente se encontró que también
esta correlacionada con la relación energía-tamaño, derivada de las pruebas de partícula
individual de JKMRC (ecuación 4.20,, Sección 4.6.1
La Sociedad Internacional de Mecánica de Roca (ISRM) ha estandarizado dos métodos

para pruebas de resistencia a fractura modo I, a saber la flexión de chevron y la del short
rod pull test. Bearman et al (1991) utilizaron la prueba de flexión de chevron en su estudio.
La Figura 4.3 muestra la distribución experimental de este aparato. La flexión del núcleo
induce una falla por tracción con fisuras propagándose desde la punta de la muesca hasta el
extremo opuesto del núcleo. La resistencia a fractura se calcula a partir de la fuerza en la
fractura y la geometría del espécimen, aplicando la siguiente ecuación (Figura 4.3):
 a  a    SF 
2
K IC = 1.835 + 7.15   + 9.85     max 2.5 

(4.1)
 D  D    D 
53
Figura 4.3: Configuración experimental para la prueba de resistencia a fractura, flexión de chevron
La Barra de Presión de Hopkinson
Para estudiar las propiedades de rotura de los materiales de roca, se ha construido en

JKMRC una Barra de Presión de Hopkinson (HPB) horizontal, como parte de sus
investigaciones colaborativas, en el Centro para Tecnología y Equipamiento Minero. El
HPB tiene fuertes similitudes en sus principios de fractura con la prueba Brasileña.
La barra es similar a la Celda de Carga Ultra Rápida montada verticalmente (UFLC) que ha
sido utilizada con éxito en el Centro de Trituración en la Universidad de Utah para analizar
las funciones de rotura, para modelado de molinos de bola (Hoffler y Herbst 1990;
Bourgeois et al 1992 – ver Sección 4.5.2). El propósito del aparato es medir tanto la fuerza
como la energía requerida para iniciar una falla catastrófica en especimenes de roca. La
barra construida en JKMRC fue diseñada originalmente para simular los niveles de energía
encontrados normalmente en chancadores de cono industriales.
El HPB consiste en una barra de acero de 6.4m de longitud suspendida horizontalmente, a

la cual se fija un espécimen de roca a un extremo. La muestra de roca es luego impactada y
comprimida por la colisión de una barra de impacto (1.2m de longitud). La Figura 4.4
muestra el aparato de prueba HPB. La barra de impacto está montada sobre rodamientos
lineales y está sujeta a un resorte lineal montado sobre el extremo opuesto de la barra, la
cual es comprimida a una distancia conocida para controlar la velocidad de impacto. Luego,
por medio de un sensor óptico, se determina la energía de entrada midiendo la velocidad de
la barra de impacto en el punto de impacto.
54
Figura 4.4: Configuración experimental de la Barra de Presión de Hopkinson (vista en planta)
La fuerza experimentada por la roca es igual a las fuerzas ejercidas por los extremos de
ambas barras durante la colisión. Esta fuerza se propaga como una onda de deformación
longitudinal bajo el impacto y las barras de Hopkinson y es medida por medio de un puente
medidor de deformación dispuesto sobre ambas barras. Así se puede determinar la fuerza
sobre la roca, y la fuerza específica a la cual ocurre la falla es medida como una liberación
súbita de fuerza en las señales de deformación. La falla de la roca se define como el punto
en la señal fuerza-tiempo en la cual se observa una súbita caída en la fuerza, lo cual está
asociado con fractura de la roca en a lo menos dos piezas por la mitad de la muestra. La
Figura 4.5 muestra un ejemplo para el granito.
La integración de los perfiles de fuerza-tiempo, tanto de las barras de Hopkinson y como

las de impacto, permite restar la energía de deformación perdida de la energía entrante, de
manera que se puede calcular la energía real responsable por la rotura. La Barra de Presión
de Hopkinson tiene el potencial de probar la resistencia de rocas individuales
proporcionando un medio conveniente para evaluar el daño no destructivo en rocas, lo que
puede contribuir a la probabilidad de fractura en trituración (Briggs y Bearman 1995). Con
el fin de investigar el daño en un régimen de pre-falla, se impactaron discos de granito a
niveles de energía crecientes hasta que se forzó una falla. Esta energía fue reducida en
etapas y se registró el número de impactos sucesivos necesarios para causar la falla
usándose como una medida del daño inducido en el material antes de la rotura. Los
resultados se muestran en la Figura 4.6.
La Figura 4.6 sugiere que sobre 0.06 kWh/t una partícula se romperá al primer impacto, un
régimen en que la energía de rotura es utilizada eficientemente, no obstante la posibilidad
de rotura a energías más bajas. Por consiguiente, se puede utilizar el HPB no solo para
proporcionar una medida inherente de la resistencia de la roca sino que también para
cuantificar la energía óptima para rotura. Briggs y Bearman (1995) encontraron que los
resultados de HPB se correlacionan bien con otras mediadas de competencia de la roca
como por ejemplo, Resistencia a Tracción Brasileña y el parámetro t10 de JKMRC (Sección
4.5.2)
55
Figura 4.5: Perfil de rotura típica en la Barra de Hopkinson, indicando fuerza para primera fractura
Figura 4.6: Número de impactos repetidos para lograr rotura en granito
La capacidad de utilizar la Barra de Hopkinson para determinar la energía requerida para

garantizar la rotura o, si no hay rotura, la energía de ‘daño’, sugiere potenciales
aplicaciones para la evaluación de problemas de tamaño crítico en molienda SAG/AG y
daños inducidos por voladuras. También puede ayudar en el diseño de chancadores.
56
4.2.3 Resumen: Aplicación de Pruebas de Resistencia de Roca en Trituración
Muchos procedimientos estándar de pruebas de mecánica de rocas aún no proporcionan

información que pueda ser utilizada directamente en el diseño y optimización de procesos
de trituración. Sin embargo, hay actualmente evidencia acumulada de que los resultados de
ciertas pruebas de resistencia de rocas, están correlacionadas de una manera útil con el
rendimiento de maquinaria de trituración; La Barra de Hopkinson, ciertamente, ya ha sido
utilizada para determinar funciones de rotura para el modelo de balance de población
(Burgeois et al 1992). Estas técnicas también proporcionan un entendimiento de aspectos
de trituración. Por ejemplo:
• La resistencia a fractura está claramente correlacionada con el rendimiento del

chancador (Bearman et al 1991).
• El modelado numérico de eventos de rotura estándar como la Prueba Brasileña,

proporciona información valiosa sobre el modo de fractura en trituración, en especial,
para materiales heterogéneos (Clark 1992).
• La barra de Presión de Hopkinson está siendo utilizada para identificar niveles de

energía crítica para el diseño de equipamiento de trituración y el rol del daño en
trituración (Briggs y Bearman 1995).
El rol de estas pruebas en comprender y por ende optimizar la trituración es muy probable
que aumente en el futuro. Por ahora, sin embargo, las pruebas de Bond y de partícula
individual, descritas a continuación, representan el estándar de la industria.
4.3 TEST DE BOND
4.3.1 Introducción
A fin de dimensionar la maquinaria de chancado y molienda y también especificar los

tamaños de los motores, se requiere de un método para determinar los requerimientos de
energía de un proceso de trituración. Las teorías de Rittinger y Kick del siglo 19, revisadas
en el Capítulo 2, tenían serias limitaciones prácticas y eran, en consecuencia, de poco uso
en aplicaciones reales. No fue hasta 1952 que Fred Bond público la metodología que ha
continuado siendo hasta la fecha, la principal herramienta de diseño de trituración usada en
la industria, particularmente por los fabricantes de equipos. También ha servido como una
útil herramienta operativa para evaluar y optimizar los circuitos de chancado y molienda.
De acuerdo con la ‘tercera teoría’ de Bond sobre trituración, el trabajo aportado es

proporcional a la longitud de la punta de la nueva fisura producida en la rotura de partícula
y es igual al trabajo representado por el producto menos el representado por la
alimentación. Bond expresó esta relación como sigue:
57
 1 1 
W = 10WI  −  (4.2)
 P F80 
 80
y P = T*W (4.3)
donde W = trabajo entrante (kWh/t)

WI = índice de trabajo – un material – constante específica (kWh/t)
P80 = tamaño al cual pasa un 80% del producto (µm)
F80 = tamaño al cual pasa un 80% de la alimentación (µm)
T = rendimiento de la nueva alimentación (t/h)
P = consumo de energía (kW).
El índice de trabajo es el parámetro de trituración que expresa la resistencia del material al

chancado o molienda. Numéricamente es el kWh por tonelada requerido para reducir el
material desde un tamaño de alimentación teórico infinito, a un 80% pasando 100 micrones.
Las energías de molienda calculadas usando índices de trabajo obtenidos de las pruebas de
molienda de Bond (ver más abajo), se desempeñan razonablemente bien en el rango de las
condiciones de molienda de molinos de bolas y barras convencionales y pueden corregirse
para otras condiciones. La ecuación 4.2 es útil también para determinar un ‘índice de
trabajo operativo’ para una operación de trituración existente, el cual puede ser usado para
comparar tipos de alimentación de mineral o evaluar el rendimiento de chancado o
molienda en términos relativos (ver Secciones 4.3.5 y 13.2.2). Bond derivó ecuaciones para
determinar el índice de trabajo a partir de distintas pruebas de laboratorio. Estas se
presentan brevemente a continuación.
4.3.2 Test de Bond de Aptitud para Chancado
Partículas de una roca quebrada, que pasan a través de una cuadrícula cuadrada de 75mm y
quedan retenidas en un cuadrado de 50mm, son montadas entre dos pesos iguales opuestos
que se balancean sobre ruedas de bicicleta. Cuando se sueltan las ruedas, los pesos
impactan simultáneamente en lados opuestos de la menor dimensión medida de la roca. La
altura de caída es aumentada progresivamente hasta que la roca se rompe. El índice de
trabajo se obtiene del promedio de diez roturas y se calcula como:
ICS
WI = 53.49 (4.4)
G
donde ICS es la resistencia al impacto de chancado en Joules por mm de espesor de roca,

SG es el peso específico de la roca y WI el índice de trabajo en kWh/t.
58
4.3.3 Test de Bond de Aptitud para Molienda de Molino de Barras
La alimentación es chancada a -12.7mm, 1.250 cc son empacados en un cilindro graduado,

pesados, analizados en un tamiz y molidos secos en un circuito cerrado con un 100% de
carga circulante (ver abajo) en un molino de barra inclinado, de 0.305 m de diámetro y
0.610 m de largo con un revestimiento ondulado y cuenta revoluciones, corriendo a 46 rpm.
La carga de molienda incluye seis barras de acero de 31.8 mm de diámetro y dos de 44.5
mm de diámetro, todas de 0.53 m de longitud y un peso total de 33.380 kg.
Para igualar la segregación en los extremos del molino, este se rota nivelado por 8
revoluciones y luego se inclina hacia arriba cinco grados por una revolución, hacía abajo
por otra revolución y retorna nuevamente al nivel por ocho revoluciones y así
continuamente durante cada periodo de molienda.
Se efectúan pruebas para todos los tamaños de tamiz, desde 4.75 a 0.212mm. Al final de
cada periodo de molienda se descarga el molino inclinándolo hacia abajo 45 grados por 30
revoluciones y se tamiza el producto en los tamices de prueba del tamaño requerido. Se
pesa el tamizado de bajo tamaño y se repone con nuevo material de alimentación no
segregado para mantener el peso total igual al de los 1250cc cargados inicialmente en el
molino. Esto es devuelto al molino y molido por el número de revoluciones calculado para
lograr una carga circulante igual al peso de la nueva alimentación agregada (ver el ejemplo
del molino de bola en Sección 4.3.4 abajo). Se continúa con los ciclos del periodo de
molienda hasta que los gramos netos de tamizado de bajo tamaño producidos por
revolución alcancen el equilibrio y reversen su dirección de aumento o disminución. A
continuación se analizan los productos de bajo tamaño y carga circulante y el promedio de
los tres últimos gramos netos por revolución (Grp), es la aptitud de molienda del molino de
barras.
El índice de trabajo del molino de barras (kWh/t) viene dado por:
68.4
WI = (4.2)
 10 10 
P10.23 × Grp 0.625 ×  − 
 P F
 80 80 
donde P1 es la apertura en micrones del tamaño de tamiz probado. Este valor de WI debe
alinearse con la potencia de salida del motor (en el piñón) de un molino de bola de
overflow promedio, de 2.44 m de diámetro interno, moliendo húmedo en circuito abierto.
El WI de un molino de barras es, en promedio, superior al WI de un molino de bolas.
Nótese que el artículo original de Bond contenía un error ene esta ecuación y la ecuación
siguiente, 4.6. Nótese asimismo que en esta monografía, todos los términos de kWh/t de
Bond, están expresados en toneladas métricas. Confundir las unidades de masa es un error
habitual al aplicar los métodos de Bond (originalmente expresó sus resultados en toneladas
cortas).
59
4.3.4 Test de Bond de Aptitud para Molienda de Molino de Bolas
Principios Básicos
El objetivo de la prueba de molino de bolas de Bond, es determinar el llamado índice de

trabajo estándar, definido como la energía específica requerida (kWh/t) para reducir un
material desde un tamaño infinito ficticio, a un tamaño P80 de 100µm. La prueba involucra
una serie de moliendas por lote consecutivas en un molino de laboratorio. Luego de cada
molienda se tamizan los contenidos para remover el bajo tamaño, el cual es repuesto con
una masa igual de alimentación nueva. La duración de la molienda de cada lote se ajusta
hasta que la fracción de masa de sobre tamaño es consistentemente 2.5 veces mayor que la
de bajo tamaño. Bajo estas condiciones, la prueba se aproxima al rendimiento de una
molienda continua de circuito cerrado, con una carga de reciclo de 250%.
Una vez que se conoce el índice de trabajo estándar, se utiliza la ‘Tercera Ley’ de Bond
(ecuación 4.2) para ajustar este valor para que proporcione la energía específica requerida
para reducir un F80 dado al P80 requerido, en un molino de bolas de sobre tamaño húmedo,
de 8 pies de diámetro. Para un rendimiento dado (t/h), la energía específica (kWh/t) se
convierte en consumo de energía (kW). A continuación, usando una correlación tamaño-
energía de molino adecuada, se eligen, para una unidad de molino industrial, las
dimensiones que se predice consumirán la energía requerida; hay varias de dichas
correlaciones disponibles (ver, por ejemplo, la Sección 11.3). Donde estas dimensiones y/o
condiciones operativas propuestas difieran del estándar de Bond, se aplica al índice de
trabajo los factores de corrección recomendados por Bond.
Ejecutando y Analizando la Prueba
Se prepara la alimentación estándar, por medio de molienda por etapas, para pasar un tamiz
3.35 mm, aunque se puede utilizar una alimentación más fina cuando sea necesario. Se
analiza por tamizado y empaca por agitación en un cilindro graduado de1000 cc, y se
coloca el peso de 700 cc en el molino donde es molido en seco a un 250% de carga
circulante.
El molino estándar de Bond tiene 0.305 m por 0.305 m con esquinas redondeadas y
revestimientos lisos, excepto por una puerta de 100 mm x 200 mm para carguío. Tiene un
cuenta revoluciones y corre a 70 rpm. La carga de molienda consiste de 285 bolas con un
peso total de 20.125 kg. La prueba comercial usa normalmente 25 bolas x 38.1 mm (1.5
pulg.), 60 bolas x 25.4 mm (1 pulg.), 68 bolas x 22.23 mm (7/8 pulg.) y 93 bolas x 19.1 mm
(3/4 pulg.). Las pruebas pueden efectuarse para todos los tamaños de tamiz bajo 600
micrones.
Luego del primer periodo de 100 revoluciones se amortigua el molino, se tamiza la carga de
bolas y se tamiza los 700cc de material en el tamiz del tamaño de corte requerido. El
tamaño de corte elegido dependerá de la aplicación (e.g. tamaño de liberación esperado).
Valores comunes de tamaño de corte son 75µm y 150µm.
60
Se pesa el bajo tamaño y se agrega nuevo material de alimentación no segregado al sobre

tamaño para volver al peso de la carga original. A continuación, se devuelve a las bolas en
el molino por el número de revoluciones calculado para producir un 250% de carga
circulante, amortiguada y retamizada. El número de revoluciones requerido se determina a
partir de los resultados del periodo anterior, para producir un tamizado de bajo tamaño
igual a 1/3.5de la carga total del molino.
Se continúa con los ciclos del periodo de molienda hasta que los gramos netos de tamizado
de bajo tamaño producidos por revolución alcancen el equilibrio y reversen su dirección de
aumento o disminución. A continuación se analizan los productos de bajo tamaño y carga
circulante y el promedio de los tres últimos gramos netos por revolución (Grp), es la aptitud
de molienda del molino de bolas. La Tabla 4.1 muestra los resultados típicos y los cálculos
involucrados en la aplicación de la prueba de aptitud para molienda de Bond:
49.1
WI = (4.6)
 10 10 
P10.23 × Grp 0.682 ×  − 
 P F80 
 80
Basado en datos históricos, el valor promedio de P80 para un tamaño de corte P1 de 150µm
es 114 micrones; a 106µm es 76 micrones, a 74µm es 50 micrones y a 45µm es de 26.7
micrones. Estas relaciones son utilizadas en la ecuación 4.6 cuando no se pueden
determinar a partir de los análisis de distribución. El valor WI de la ecuación 4.6 debe
concordar con la salida de potencia del motor por tonelada de mineral tratado, en un molino
de bolas de overflow promedio de 2.44 m de diámetro interno moliendo húmedo en circuito
cerrado. El índice de trabajo de Bond es la medida básica de dureza de roca y, como tal, ha
demostrado estar ampliamente relacionado al UCS (Sección 4.2) En la Tabla 4.2 se
muestran clasificaciones típicas que indican grandes variaciones en los resultados.
Para molienda seca, tanto en molinos de barras como molinos de bola, normalmente se
deberá multiplicar la entrada de trabajo por 1.30. Existen seis factores de eficiencia
diferentes que se aplican a los requerimientos de energía de referencia para traducirlo a una
instalación de circuito comercial específico (Rowland 1982) Estos se relacionan con:
molienda seca, molienda de bolas de circuito abierto, alimentación de sobre tamaño,
eficiencia de diámetro, molienda fina en molinos de bola para tamaños de producto mas
finos que 80% pasando 75 micrones y radio de reducción de molienda de bolas, alto o bajo.
Por consiguiente, se puede utilizar el modelo de Bond para calcular los requerimientos de
energía específicos, para una tarea molienda dada, sobre la base de tres variables – el índice
de trabajo, el tamaño de alimentación y el tamaño de producto.
61
Tabla 4.1 y Figura 4.7: Un ejemplo de la prueba de aptitud para molienda de Bond
Índice de Trabajo de Molino de Bolas de Bond

Origen del Mineral Mega Mine
Nº de Muestra ABC123
Tamaño de Corte P1 (µm) 75
Masa de alimentación original, X (g) 1156.4
Alimentación F80 (µm) 2540
Producto P80 (µm) 57
% - 75 en alimentación, Y 7.40
Producto Ideal, Z = X/3.5 (g) 330.40
Masa promedio -75µm (g) 1.22

Índice de Trabajo de Bond 12.4 (kWh/ton corta)
13.7 (kWh/ton)
Alimentación Producto Final

Tamaño Acum. %. Tamaño Acum. %.
Tamiz µm que Pasa Tamiz que Pasa
3350 100.00 75 100.00
2800 89.50 63 88.10
2360 73.41 53 75.09
1700 51.10 38 56.69
850 28.57
425 19.53
212 13.64
150 11.30
75 7.40
Tamaño (µm)
62
Tabla 4.2: Relación entre UCS y WI de Bond
Propiedad Blando Medio Duro Muy Duro

UCS (MPa) 50-100 100-150 150-250 >250
WI Bond (kWh/t) 7-9 9-14 14-20 >20
Para un índice de trabajo de mineral WI (kWh/t) y una capacidad de alimentación nueva

requerida T (tph), la energía P (kW) necesaria para moler la alimentación F80 (µm) al
producto P80 (µm) viene dado por:
 1 1 
P= 10 x T x WI x (EF1 x EF2 x EF3…) x W = 10WI  −  (4.7)
 P F80 
 80
donde EF1 … son los factores de eficiencia de Bond.
4.3.5 Análisis del Método de Bond
Limitaciones del Método de Bond
Austin y Brame (1983) y Herbst y Fuerstenau (1980) han revisado las limitaciones de el
test de Bond. Quizás lo más serio en un sentido fundamental, es la afirmación que la
ecuación 4.2 es una ‘ley universal’ cuando es sabido que, la energía de molienda específica
requerida para tomar una alimentación con una cierto tamaño de 80% que pasa y llevarla a
un producto con un tamaño que pasa de 80%, no puede ser igual para una prueba por lotes,
la prueba de ciclo bloqueado estándar de Bond o el molino continuo en estado de equilibrio
con una distribución de tiempo de residencia real. El método ignora el hecho que la forma
de la distribución de tamaño de producto y la energía de molienda específica asociada, es
diferente para los tres casos.
La crítica al método de Bond en cuanto a ‘modelo’ no es justificada ya que no se pretende

que sea un modelo en ningún sentido integral. Su valor real es ser un método para distinguir
la aptitud para molienda de distintos minerales en el diseño (aunque pueden haber
disponibles mejores pruebas) y como una vara de medida para chequear el uso de energía
en las operaciones actuales. La experiencia en su uso ha demostrado las siguientes
limitaciones:
• Tiende a ser un pobre predictor de lo que ocurre en un circuito cerrado real cuando se
aumenta la producción, a menos que el rendimiento se ‘ajuste’ para cumplir con las
nuevas condiciones.
• Como se implico previamente, no es adecuado en sistemas cuyas pendientes de

distribución de tamaño cambian.
63
• No es un buen predictor de la molienda de grandes roca, y específicamente para

comportamiento de molinos AG/SAG (aunque ha sido adaptado para dichas
circunstancias – ver abajo.
• No es confiable para partículas con características de cribado inusuales (i.e. forma

inusual), aunque este es un problema general para cualquier técnica basada en tamizado
para determinar el tamaño de partícula.
• La relación cuadrática supuesta en la ecuación 4.2 (que surge del supuesto de Bond de
que el trabajo es proporcional a la longitud de la punta de fisura nueva) no siempre se
cumple. Ver también la Figura 2.1
Existe también la percepción que el método de Bond falló en predecir el rendimiento de los
grandes molinos de bola introducidos a comienzos de los 1970s, aunque es probable que
esto esté más relacionado con la curva de aprendizaje inicial asociada con la operación de
estos molinos y sus procesos de clasificación asociados. Ciertamente, nunca hubo una test
de Bond dedicada, para los AG y SAG ahora de uso común.
Otros problemas e inconvenientes del procedimiento estándar de Bond incluyen la

necesidad de utilizar un molino de Bond (que puede no estar disponible rápidamente), la
necesidad de alrededor de 10 kilos de muestra de alimentación, lo que requiere de
preparación especial y el hecho que el desarrollo de la prueba es un gran consumidor de
tiempo. Se han realizado en el pasado muchos intentos para determinar el índice de trabajo
de Bond por medio de procedimientos simplificados (Yap et al 1982).
Métodos empíricos que permiten un cálculo directo del índice de trabajo, usando un
procedimiento sencillo, son a menudo mas prácticos y adecuados para aplicación en
plantas. Por ejemplo, el método simplificado Anaconda (Yap et al 1982), que usa un
molino de laboratorio ordinario y solo 2 kilos de muestra, no es consumidor de tiempo y ha
demostrado ser muy práctico y flexible en varias aplicaciones diferentes. Sin embargo, el
test de Bond completa entrega una máxima confiabilidad en la predicción
El método de Bond intenta compensar parcialmente por idealizaciones en el procedimiento

de prueba y desventajas en el modelo, haciendo uso de correlaciones entre resultados de
pruebas de aptitud para molienda y resultados obtenidos de un circuito de molienda
‘estándar’ de 2.44 m de diámetro. No es posible la compensación completa debido a que
este procedimiento no puede, por ejemplo, tomar en cuenta las desviaciones inevitables en
características de transporte y clasificación de los circuitos comerciales, respecto de
aquellas del circuito ‘estándar’.
Ya que el método no incorpora los efectos secundarios de segundo orden, no puede

utilizarse como una guía para optimizar un sistema dado ya sea desde el punto de vista
operativo como del económico. Es válido solo como un método grueso para molinos
operando bajo condiciones de circuito cerrado normal.
A pesar de estas limitaciones, el método de Bond tiene dos ventajas principales: es muy
simple, y la experiencia demuestra que trabaja bajo muchas circunstancias a un nivel
64
razonable de exactitud ya que las correcciones están basadas en una extensa base de datos
industrial.
El Índice Operativo de Trabajo de Bond
Los índices de trabajo obtenidos a partir de datos operacionales de cualquier molino,

pueden compararse con los resultados de las pruebas de aptitud para molienda. El índice de
trabajo operativo, WIo, puede obtenerse usando la ecuación 4.2, definiendo W como la
energía específica utilizada (consumo de energía + nueva tasa de alimentación), F80 y P80
como la alimentación y producto reales para tamaños que pasan de un 80% y WIU como el
índice de trabajo operativo, WIo. Una vez corregido para la aplicación específica y factores
relacionados con el equipo, se puede comparar WIoc sobre la misma base que los resultados
de aptitud para molienda. Esto permite la comparación directa de la eficiencia de molienda.
Idealmente, WI debiera ser igual a WIoc y la eficiencia de molienda igual a la unidad. El
consumo de energía viene determinado por la ecuación 4.7, suponiendo que la eficiencia de
molienda es la unidad.
Aplicación de la Teoría de Bond a Molinos Autógenos
Se ha determinado que los índices de trabajo obtenidos a partir de las pruebas estándar de
aptitud para molienda de Bond, no pueden utilizarse para molienda autógena y
semiautógena (Sección 9.6). Es necesario, en consecuencia, calcular un índice de trabajo
para datos operativos (e.g. de una planta piloto), de manera de poder calcular el consumo de
energía y el dimensionado del molino. En ocasiones, no se utiliza la alimentación en el
cálculo habida cuenta que el factor 10 / F 80 se hace insignificante, debido al gran tamaño
de la alimentación ROM. Para circuitos abiertos de molinos AG/SAG, la descarga puede
clasificarse, hipotéticamente, al tamaño del harnero de corte, para entregar un valor P80
más realista para el cálculo del índice de trabajo.
Mcpherson ha desarrollado un procedimiento de prueba para el diseño de circuitos de

molino AG/SAG. Incluye la ejecución de las pruebas estándar de Bond, de aptitud para
molienda de molinos de barra y molinos de bola, junto con una prueba autógena en un
molino Aerofall de 45 cm, barrido por aire. Se requiere una muestra de -3.755 mm de
mineral. Se utiliza la prueba autógena para calcular el índice de trabajo autógeno, el cual se
corrige para una instalación de escala completa usando procedimientos de escalamiento
empíricos (basados en datos históricos) y por comparación con los WI de molinos de bola y
de barra. A continuación, el WI autógeno y el resto de los datos son utilizados para
determinar la aptitud para molienda AG/SAG, los requerimientos energéticos y la
configuración del circuito. Se pueden encontrar detalles adicionales en Knight et al (1989).
Uso del Índice de Trabajo de Bond en un Modelo de Proceso
Aunque Bond optó por usar los resultados de su prueba de molino de bolas de laboratorio
para determinar un índice de trabajo operativo, es posible, en principio, obtener mucha más
información sobre la molienda de un mineral. Su prueba es un modelo físico que se
aproxima a un molino de bolas de circuito cerrado por lo que se puede obtener el
dimensionado del producto y tasas de flujo de cada corriente. Actualmente una
65
Investigación en JKMRC está probando el uso de estos datos para determinar parámetros
relevantes para un modelo de molino de bolas. Luego se usa el modelo para predecir el
rendimiento del molino de bolas de escala completa. Esta metodología tiene la ventaja de
generar simultáneamente el índice de trabajo de molino de bolas de Bond y un conjunto de
parámetros que pueden ser utilizados como complemento en el diseño y optimización.
4.4 PRUEBAS DE MOLIENDA POR LOTE
Otra aproximación a la molienda, muy favorecida por los ingenieros químicos, es

considerarla como un proceso de tasa. Es posible estudiar la cinética de un proceso de
molienda por medio de pruebas de molienda por lote de muestras mono tamaño. El
procedimiento típico involucra la molienda por lote de material dentro de cierta fracción de
trabajo, para la cual se determina la tasa de rotura y la fracción de tamaño, junto con la
función de rotura del material. La función de rotura es esencialmente una distribución de
tamaño consecuencia de la rotura expresada usualmente en forma de matriz. Los resultados
de las pruebas son interpretados en términos del modelo de balance de población (capítulo
2), usualmente, estimando los valores de las funciones de selección y rotura en el modelo.
El material de prueba es clasificado en fracciones de tamaño específicas, normalmente un

intervalo de tamaño 2 y luego cargado en el molino. La selección de las condiciones de
molienda restantes, dependen de los objetivos de la prueba y deben ser lo mas cercano
posible a las condiciones previstas para la aplicación final. El material se descarga a
tiempos de molienda fijados con anterioridad a la prueba. Luego de tamizado el producto,
se recarga el molino con el material y los medios de molienda. Se repite la prueba hasta un
tiempo de molienda apropiado al tiempo de residencia esperado en el molino industrial o
hasta lograr la molienda de producto deseada. Si para la fracción mono tamaño de prueba,
la tasa de rotura específica de las partículas en la alimentación es constante, la siguiente
ecuación es válida (Austin y Séller 1982):
dm1 (t )
= − s1m1 (t ) (4.8)
dt
donde m1(t) es el porcentaje de masa del tamaño de alimentación en el tiempo de molienda

t y s1 es la tasa de rotura específica del tamaño de alimentación (minuto-1). La forma
integrada de la ecuación puede escribirse como:
log m1 (t ) = log m1 (0) − s1t / ln10 (4.9)
66
Por consiguiente, graficando el logaritmo del porcentaje de masa restante, en la fracción de

tamaño superior, m1(t), versus el tiempo de molienda, t, se puede determinar la tasa de
rotura de dicha fracción de tamaño, s1, a partir de la pendiente de la curva, la cual es
normalmente lineal para el proceso de molienda de bola. Luego de repetir la prueba de
molienda mono tamaño para varias fracciones de tamaño, se puede estimar la función de
selección basado en las tasas de rotura de las fracciones de tamaño probadas. Se puede
ajustar utilizando la siguiente ecuación (Austin y Brame 1983):
α
x   1 
si = A  i   m 
(4.10)
 x0  1 + ( xi / µ ) 
xi es el tamaño superior del intervalo i, y x0 es el tamaño estándar. A, µ y m son parámetros

relacionados con las condiciones de molienda y α es la característica del material.
Se puede calcular la función de rotura del material tanto por el método de Herbst y
Fuerstenau (1968) como por el de Austin y Luckie (1971). La prueba de molienda mono
tamaño esta firmemente ligada al modelo de balance de población descrito en el Capítulo 2,
por lo que es conveniente revisarlo a continuación.
El modelo de balance de población puede ser descrito por la ecuación
dmi (t ) k
dt
= − si mi (t ) + ∑ b s m (t )
j = i +1
ij j j para i = 1,2,3...k (4.11)
donde bij es la función de rotura discretizada El desarrollo de este modelo se basó

inicialmente en la metodología estadística para la rotura de sólidos establecida por Epstein
(1947). El introdujo especialmente las dos funciones básicas de trituración
(a) la probabilidad de rotura de un material para un tamaño dado, y
(b) la distribución de tamaño de los productos de un evento de rotura
Fue capaz de demostrar que, para casos especiales de estas funciones de probabilidad y
distribución, los productos de un proceso de rotura múltiple tenderían a una distribución
log-normal, como se observa frecuentemente en la práctica.
Posteriormente Reid (1965), desarrolló una solución a la ecuación integral-diferencial para

sistemas de molienda continua. Esta solución calcula el producto de un molino continuo
tomando la solución de la ecuación de molino por lote y aplicando una distribución de
tiempo de residencia Φ(t). Esto es, si una fracción Φ(t) dt de la alimentación permanece en
el molino por un tiempo t, y sale entre t y t+dt, esta fracción se romperá como si fuera
molido por lotes por un tiempo t. Su tamaño de distribución en la descarga del molino será
mi(t), obtenido de la solución de la ecuación (4.11) para cada valor de i. Simultáneamente,
el material que ha estado en el molino por diferentes duraciones también estará
67
descargándose y, en un estado de equilibrio, el producto total en la fracción de tamaño i que

deja el molino, será la suma de todas las fracciones de tamaño en el producto:
t
Pi = ∫ mi (t ) φ (t ) dt (4.12)
0
Esta es la ecuación básica de la molienda continua, de primer orden en estado de equilibrio.

En la práctica, se evalúa la integral para al menos tres tiempos de residencia promedio.
Nótese que la ecuación 4.12 supone que todos los tamaños de partícula en el molino tienen
la misma distribución de tiempo de residencia, y que no hay clasificación de la descarga del
molino. La solución de la ecuación 4.2 supone habitualmente que RTD debe tener la forma:
φ (t ) = ke − kt (4.13)
Herbst y Fuerstenau (1973) introdujeron la primera energía de molienda específica al

modelo de balance de población y ligaron la energía de molienda a la distribución de
tamaño completa como un solo modelo matemático. Este modelo ha sido recientemente
aplicado exitosamente en el diseño y optimización de molinos por investigadores como
Herbst y Fuerstenau (1980) Kelsall et al (1973), Seller et al (1988) y Austin et al (1976).
Se puede describir la distribución de tamaño sin dificultad usando métodos numéricos muy
sencillos y la función de rotura de Kelsall (Austin y Weller 1982) ha sido aplicada en un
amplio rango de circunstancias (e.g. Morrel, Stern y Séller 1993).
A pesar del amplio uso del modelo de balance de población por parte de los investigadores,
aun debe establecerse y aceptarse una prueba estándar. A menudo, el proceso de simulación
debe recurrir al análisis retrospectivo que es básicamente un proceso de ajuste de datos.
Mas aún, el método es fundamentalmente un modelo descriptivo y ha demostrado ser
relativamente débil como un modelo predictivo. Aún no es posible, por ejemplo, predecir
con confianza las variaciones de las funciones de selección y rotura. Esta es una seria
debilidad debido a que, aunque el modelo describe bien las operaciones existentes, no
puede ser usado con confianza en la selección de equipo y el diseño de diagramas de flujo.
La experiencia demuestra que el supuesto de molienda de primer orden, implícito en la

metodología de molienda por lotes (ecuación 4.11), trabaja bastante bien para molienda de
bolas y molienda fina en general. Un problema es el desacoplamiento de la función de
rotura y tasas de rotura que requiere de una tediosa experimentación de laboratorio, aunque
nuevamente el supuesto de una función de rotura constante (sobre un rango de tipos de
mineral) ha demostrado funcionar en varios casos.
Sin embargo, se ha acumulado evidencia que para sistemas de molienda más complejos,
particularmente molienda AG y SAG, el supuesto de rotura de primer orden y tasas
constantes es incorrecto (Morrel et al 1994). De hecho no existe ningún motivo a priori
específico para suponer que el proceso sea primer orden. Por ejemplo, los mecanismos de
rotura pueden cambiar a medida que avanza la molienda y las propiedades de las partículas
hijas ‘evolucionan’, y en muchos casos, la disponibilidad de impactos (y por ende el
comportamiento de la carga y transporte a través del molino) puede ser determinante para el
68
proceso, en vez de ser simplemente la masa de material, de un tamaño en particular,

presente.
En resumen, la molienda por lotes puede ser una aproximación útil a sistemas reales donde
sus supuestos no son probados en profundidad, particularmente para trabajo comparativo.
No parece ser adecuado para molienda AG/SAG y no posee la flexibilidad para ser un
predictor consistente en grandes molinos de bola industriales.
4.5 CARACTERIZACIÓN DE ROTURA DE PARTÍCULA INDIVIDUAL
Una desventaja de la prueba de molienda por lotes y del modelo de balance de población es
que es difícil separar la influencia de las propiedades específicas del material (la función de
rotura) de las propiedades específicas de la máquina (las tasas de rotura o función de
selección) de una manera significativa en el contexto de la molienda industrial. Es práctica
común, por ejemplo, durante la aplicación del modelo de balance de población a la
simulación de una molienda industrial, usar alguna función de rotura estándar y luego
ajustar las tasas especificas de tamaño a los datos de la molienda industrial (Austin y
Weller 1982). Esto ignora posibles cambios en las características de rotura del mineral y
requiere que cualquier variación observada sea considerada en las tasas, lo que puede ser
engañoso.
La investigación de JKMRC en los últimos años ha estado orientada a mejorar el

desacoplamiento de material y máquina en al simulación de trituración. El temprano trabajo
de Whiten y sus estudiantes Awachie (1983) y Narayanan (1985) condujo al desarrollo de
procedimientos para la estimación separada de la función rotura (apariencia), por la rotura
controlada de partículas individuales.
Varios investigadores han desarrollado pruebas de rotura de partícula individual para

investigar varías características importantes de un proceso de trituración complejo. Se
distinguen básicamente tres tipos de sistemas de rotura:
• Impacto
• Comprensión lenta
• Corte
Esta sección se orienta apruebas de rotura de partícula individual en la cual el mecanismo

de rotura es el impacto. En estas pruebas, se aplasta la partícula(s) entre dos superficie
duras. Una disposición de este tipo es el péndulo gemelo en la cual se suelta un péndulo
desde una altura conocida el que cae y rompe una partícula sujeta a un péndulo detenido.
Otro es el aparato de caída de peso, en donde una partícula(s) descansando sobre una
superficie dura es impactada por un peso que cae.
69
4.5.1 Pruebas de Péndulo
Los primeros experimentos usando un dispositivo de péndulo gemelo parecen haber sido
desarrollados para estudiar el efecto de la velocidad sobre la rotura de una partícula
individual y para enfatizar la necesidad he dicho dispositivo para efectuar estudios de rotura
bajo condiciones controladas (Fahernwald et al 1938). Fahernwald encontró que un
aumento en la velocidad de impacto aumentaba la producción de finos como resultados de
la rotura de una partícula.
Bond (1946) dirigió un grupo de investigación que desarrolló un aparato de péndulo

gemelo, para determinar las resistencias de chancado por impacto de partículas de roca de
76x50 mm, bajo condiciones de chancado controladas. Esto se conoció como la prueba de
aptitud para chancado. Gaudin y Hukki desarrollaron pruebas de chancado de partícula
individual usando un dispositivo de péndulo y determinaron la distribución de tamaño y
nueva superficie de productos triturados. Otras características de la trituración que han sido
estudiadas usando pruebas de péndulos incluyen correlacionar la energía de fractura
específica con la nueva área de superficie creada. Esta relación tiene un límite de finura
para explicar el hecho que no se puede producir material de finura infinita, aumentando
infinitamente la energía de fractura específica (Yashima et al 1981, 1982). También se
demostró que la eficiencia de chancado de especimenes irregulares era mejor que para
partículas esféricas, para un amplio rango de energía de entrada.
Awachie (1983) investigó varias pruebas de partícula individual como un medio para
determinar la función de rotura para modelado de chancadoras. Se compararon los
productos de pruebas de compresión lenta, caída de peso y péndulo y demostraron ser
útiles. Awachie eligió la prueba de comprensión porque era considerada el mecanismo de
rotura que más se asemejaba al modo de rotura en un chancador en operaciones.
En la prueba de compresión se cargó una partícula individual en un volumen confinado

entre dos placas. Las placas se restringieron para cada prueba con un inserto que se
correspondía con el grado de reducción seleccionado. La velocidad de carga fue baja, 0.021
mm por segundo.
Un estudio de las pérdidas de energía durante la rotura de materiales de forma regular,

usando un péndulo gemelo y un calorímetro pequeño, ha demostrado que la mayor parte de
la energía de entrada se disipa como calor (Zeleny y Piret 1972).
4.5.2 Pruebas de Caída de Pesos
Las pruebas de ‘rotura por goteo’ se usan normalmente para evaluar las características de
rotura de materiales blandos (e.g. carbón; Berembaum 1986).
El principio es simple y bien conocido. Se deja caer la partícula desde una altura conocida y
se mide el tamaño de distribución del producto quebrado. La energía aplicada es
simplemente la energía potencial, mgh, en Joules, donde m = masa de la partícula (kg), g =
9.81 m/s2 y h = altura de caída (m). La energía de entrada específica es entonces mgh/m =
gh en Joules/kg. Ya que 1 kWh/t = 3600 J/kg, se requiere una altura de caída de 367 m para
70
aplicar 1 kWh/t (una energía de chancado típica), obviamente poco práctico para simular
rotura de minerales en chancadores y molinos, en los cuales se supone predominan estas
energías y mayores. Como destacó Morrel y Morrison (1989), una metodología más
conveniente (y menos peligrosa) es más bien soltar un peso adecuado sobre la partícula ya
que se requieren alturas de un metro o menos para lograr las energías necesarias. Dichas
pruebas de caída de pesos se discuten abajo.
Se han descrito varios dispositivos de prueba de caídas de peso en la literatura. Una forma
temprana fue reportada por Gross (1938) quien utilizó el dispositivo para establecer una
relación entre área superficial producida y energía de entrada. (Piret (1953) modificó el
sencillo aparato original de Gross y lo utilizó para chancar materiales frágiles, a partir de lo
cual desarrolló una relación entre la energía de entrada y la distribución de tamaño del
producto.
Fairs (1954) hizo uso del aparato de caída de peso desarrollado por Gross y modificado por
Piret, para efectuar pruebas de rotura de partículas de lecho y estableció una relación entre
la energía neta de entrada y la nueva área superficial producida. Las distribuciones de
tamaño resultantes de estas pruebas pudieron ser descritas por la ecuación de Schuhmann.
El estableció una relación lineal energía-reducción de tamaño de la forma:
Eis = Ak (1− n ) (4.14)
donde Eis es la energía específica de entrada, A y n son constantes y k es el módulo de

tamaño en la ecuación de Schuhmann.
Shönert (1972) empleó un aparato de caída de peso para determinar la utilización de

energía en chancado de partícula única y lo usó como base con la cual calcular el
rendimiento de un molino real. Definió la utilización de energía como el radio entre la
nueva superficie y la energía necesaria para crearla.
Jowet y Van Der Waedern (1982) modificaron posteriormente la caída de peso desarrollada
originalmente por Protodyakanov (1950) y lo adaptaron para probar minerales de hierro y
rocas asociadas, para determinar la dureza relevante a perforación, voladura y chancado en
campo. Concluyeron que la prueba de dureza que desarrollaron, podía ser útil para una
estimación gruesa de la dureza de roca en campo, pero no recomendaron utilizar dichos
datos de campo para predicción exacta de fragmentación de roca que involucrara chancado
y molienda. No establecieron una relación entre energía y reducción de tamaño.
Pauw y Maré (1988) criticaron la correlación de área superficial creada durante la rotura
con la entrada de energía, como un método para determinar la eficiencia del uso de energía
en un evento de rotura individual. Ellos plantearon que el método no demostraba cuan
significativos eran los resultados obtenidos para la rotura de partícula única, en la
optimización de eventos de rotura en molinos. Utilizaron un dispositivo de caída de peso
para romper partículas individuales de mineral de oro de varios tamaños y a distintos
niveles de energía de impacto. Se demostró que puede determinarse una energía de impacto
óptima para la rotura de una partícula de mineral de un tamaño dado a un tamaño de
producto específico y que el uso óptimo de la energía de impacto se obtiene a menudo por
71
medio del uso de varios pasos de rotura para la reducción de tamaño de partícula. El nivel
óptimo de la energía de impacto probó ser muy dependiente del tamaño de la partícula a
romper y ser influenciado por el tamaño de producto final requerido y la eficiencia de la
rotura secundaria.
Höffler y Herbst (1990) empleó una forma de aparato de caída de peso, el Ultrafast Load
Cell (UFLC) para efectuar pruebas de rotura de partícula individual y de lecho de partículas
para aplicación en modelado de molinos de bola. El UFCL consiste en una barra de acero
vertical de 5 m de longitud (esencialmente un a Barra Hopkinson – ver Sección 4.22) la
cual está equipada con un yunque para permitir que las cabezas planas y redondeadas
simulen geometrías de impacto bola-bola, bola-plano y plano-plano. La barra fue
acondicionada con medidores de de deformación de estado sólido para capturar los eventos
de impacto. Los resultados de las pruebas de caída de pesos sobre lecho de partículas
fueron usadas en modelado de molino de bolas, basado en la metodología de balance de
población. Posteriormente Bourgeois (1992) usó el UFCL para estudiar los procesos
fundamentales asociados con la fractura por impacto de material particulado. Midió el
historial fuerza-tiempo de eventos de fractura individuales y reportaron que la función d
rotura resultante sobrestimada la función de rotura absoluta, debido a que la bola continúa
pensionando los fragmentos de rotura luego de la fractura primaria, produciendo una rotura
secundaria.
4.5.3 Procedimientos de Caracterización de Roca JKMRC
Como se indico previamente, los modelos de simulación de chancado y molienda JKMRC

aspiran a un objetivo definido – el de separar las características del mineral de aquellas del
la maquina de proceso de una manera que pueda ser utilizada por los modelos de chancado
y molienda. Esto se logra por medio de utilizar parámetros de mineral y maquina separados.
Los parámetros del mineral pueden determinarse a partir de las pruebas de caracterización
de mineral sobre muestras representativas. Los parámetros de la máquina (e.g. tasas de
rotura), se calculan a partir de datos de estudios de planta. Una vez que los modelos han
sido ajustados a un circuito existente, se puede predecir en forma precisa un
comportamiento de dicho circuito sobre un amplio rango de condiciones operativas.
Los parámetros del mineral se derivan por medio del uso de pruebas de impacto de
partícula individual, orientada a caracterizar rocas en el contexto de trituración. JKMRC ha
probado un amplio rango de minerales, materiales de cantera y muestras de carbón a lo
largo de los años. Estos datos han sido utilizados ampliamente en actividades de
investigación de modelado y simulación y en trabajos de consultoría.
Prueba del Péndulo Gemelo
El péndulo gemelo (Narayanan 1985; Narayanan y Whiten 1988) fue el primer dispositivo
de rotura de partícula individual desarrollado en JKMRC. Se utiliza para conducir pruebas
de rotura de partícula individual a partir de las cuales se puede determinar la energía de
trituración, definida como la energía disponible para la rotura de una partícula, junto con la
distribución de tamaño de producto resultante (Narayanan 1985). Los resultados de la
72
prueba de rotura de partícula individual se utilizan para generar funciones de rotura

específicos al mineral, para cada una de los modelos de trituración asociados. La tasa de
rotura se supone como dependiente de la máquina..
En la Sección 4.6 se describe la incorporación de resultados de pruebas de rotura de

partícula individual a los modelos de trituración de JKMRC. Se utilizan dos péndulos de
diferente tamaño para romper diferentes rangos de tamaño de partículas, a diferentes rangos
de energía de entrada. Se utiliza el ‘péndiulo largo’ para relacionar el consumo de energía,
en rotura de partícula individual, con chancadores y molinos autógenos/semi autógenos
industriales (tamaño de partícula -31.5+11.2 mm), mientras que el ‘péndulo pequeño’ se
utiliza para relacionar consumo de energía, en rotura de partícula única, con molinos de
barra y bola (tamaño de partícula -11.2+4.75 mm).
Cada dispositivo consiste en un péndulo de impacto y otro de rechazo suspendido de un

marco rígido, como se indica en la Figura 4.8. El péndulo de impacto se balancea entre una
fuente láser y un detector montados sobre un banco óptico a ángulos rectos respecto del
plano de oscilación del péndulo. Un computador monitorea el movimiento del péndulo de
impacto, registrando el tiempo que le toma a un arreglo de aletas múltiples (sujeto al
péndulo) pasar a través del rayo láser. Se monitorean 25 oscilaciones del péndulo para
determinar el periodo. La partícula seleccionada para la prueba se fija en el péndulo de
rechazo por medio de un trozo de cinta o algún arreglo similar y se suelta el péndulo de
impacto desde una altura conocida para impactar la partícula
Figura 4.8: Esquema de un dispositivo de péndulo gemelo
La energía transmitida al péndulo de rechazo, Et es determinada a partir de las señales de

timing registradas en el computador (Narayanan y Whiten 1988). Esto se calcula de:
Et = Mr ( L − L cos θ ) (4.1)
73
Donde θ es el ángulo de desplazamiento del péndulo de rechazo desde su posición de

equilibrio, Mr es la masa del péndulo de rechazo y L la longitud del péndulo. El ángulo de
desplazamiento se calcula a partir del periodo corregido P y las constantes de calibración, a
y b, usando la expresión
P = a+bθ2 (4.16)
a y b se determinan por regresión sobre un conjunto de valores p y θ medidos. Los

principios de conservación de energía permiten calcular la velocidad del péndulo impacto
después del impacto, y por consiguiente, su energía residual, Er. El balance de energía
durante la colisión del péndulo de impacto con la partícula sujeta al péndulo de rechazo,
puede escribirse como:
Ei = Er + Et + Ec (4.17)
donde Ei es la entrada de energía y Ec es la pérdida de energía total, representando la

energía consumida por el espécimen para rotura y otras pérdidas tales como perdidas
acústicas, térmicas y de deformación, las que no pueden determinarse en forma separada. El
término de pérdida de energía, Ec. se define como la energía de trituración y es una
representación global de todas las pérdidas que ocurren en la rotura de partícula individual.
Ei se define como Mi g h, donde Mi es la masa del péndulo de impacto y h es la altura
vertical del centro de gravedad del péndulo sobre el punto de impacto.
La energía de trituración específica fue definida por Narayanan (1985) como la diferencia
entre energía del péndulo impacto, antes del impacto, y las energías de ambos péndulos
después del impacto. Incluye, en consecuencia, la energía de trituración para reducción de
tamaño, además de cualquier energía acústica o calorífica disipada durante el proceso de
rotura.
La energía de trituración específica Ecs (kWh/t), definida como la energía por unidad de
masa, puede determinarse a partir de estos resultados usando la ecuación (4.17) que
también puede ser expresada como:
Mr
Ecs = (1 − e 2 ) Eis (4.18)
Mi + Mr
donde Mr = masa del péndulo de rechazo (pequeño:6.364 kg; grande: 40.35 kg)
Mi = masa del péndulo de impacto (pequeño: 4.441 kg; grande: 19.86 kg)
E = coeficiente de restitución (obtenido de la medición de la velocidad del
péndulo de impacto y la velocidad inicial del péndulo de rechazo)
Eis = energía especifica de entrada, kWh/t = Ei/m
M = masa de la partícula
Las partículas son dimensionadas a tamaños parecidos, antes de la rotura, utilizando una
serie de tamices 2 . Normalmente los valores estándar de Eis se seleccionan para lograr
un rango adecuado de tamaño de producto.
74
La observación durante las pruebas de rotura de partícula individual, usando el dispositivo

de péndulo, indica que la colisión tiende a seguir al péndulo de rechazo implicando que ha
ocurrido una colisión inelástica. En consecuencia, el coeficiente de restitución es cercano a
cero para las entradas de energía más bajas donde nos e observan compactación de
partículas entre los péndulos. Existe cierta evidencia de que el coeficiente de restitución
aumentará con la energía de trituración específica, pero el aumento es insignificante.
El coeficiente de radio de masa en la ecuación 4.18 es aproximadamente 0.58 y puede ser

usado para calcular la energía de trituración específica, para coeficientes de restitución
bajos, tan exactamente como se pueda determinar a partir del monitoreo del péndulo. Un
valor de coeficiente de restitución entre 0.0 y 0.2 resulta en un error máximo de menos de
5% en el cálculo de la energía de trituración específica. Este supuesto puede, en
consecuencia, simplificar el procedimiento experimental con un ahorro significativo de
tiempo (Andersen 1988).
Aunque el péndulo gemelo es un dispositivo simple para estimar la energía usada en la

rotura de material, su operación y los resultados obtenidos tienen algunas limitaciones. El
dispositivo está restringido en su energía y rango de tamaño de partícula y además es
consumidor de tiempo en su operación. También el cálculo de la energía de rotura es a
veces impreciso, debido al movimiento secundario del péndulo de rechazo. En vista de
estas limitaciones, se desarrolló de dispositivo de caída de peso como una alternativa al
péndulo gemelo.
Prueba de Caída de Peso
El dispositivo de prueba de caída de peso fue introducido en JKMRC para reemplazar el

aparato de péndulo gemelo, para evaluar las características de rotura por impacto de
minerales (Brown 1992). Consiste en un peso de acero montado en dos rieles guía y
confinado en perspex como se indica en la figura 4.9. Se usa un huinche eléctrico para
levantar o bajar el peso a una altura conocida.. El peso se suelta por medio de interruptor
neumático y cae bajo efecto de la gravedad para impactar una partícula individual montada
sobre un yunque de acero. El dispositivo está montado sobre un marco de acero el cual está
a su vez montado y apernado a un bloque de concreto. Cambiando la altura de liberación
como también la masa del peso, se puede producir un amplio rango de energía de entrada.
El rango de energía generado es más amplio que el de otros dispositivos de péndulo, como
se muestra en la Tabla 4.3.
75
Figura 4.9: El dispositivo de prueba por caída de peso de JKMRC
El dispositivo de caída de peso estándar está acondicionado con una masa de 20kg, la cual
puede aumentarse hasta 50kg. El rango de alturas de caída efectivo es 0.005 a 1.0m, lo que
representa un amplio rango de energías operativas, de 0.01 a 50 kWh/t (basado en
partículas de 10 a 50mm). Estas masa fueron diseñadas para probar minerales de roca dura,
cuyos pesos específicos varían entre 2.8 a mas de 4 g/cc. Para el carbón, las energías de
interés son mucho más bajas lo que requirió un rediseño del dispositivo para incluir un
Cabezal de Rotura de Impacto Liviano de 2kg. Esto disminuye efectivamente la energía de
rotura base a 0.001 kWh/t, lo que es equivalente a una caída libre de 0.35m. En la Sección
4.6.1 ser entregan tamaños de partícula y energías de entrada típicas para molinos
AG/SAG.
76
Tabla 4.3: Comparación de rango de energía operativo para péndulo y caída de peso
Tamaño de Partícula Péndulo Caída de Peso

(mm) (kWh/T) (kWh/T)
-45.0+38.0 0.01 – 0.09 0.001 – 1.07
-13.2+11.2 0.41 – 3.30 0.041 – 41.2
La práctica habitual para la evaluación de partículas gruesas (e.g. chancadores, molinos

AG/SAG) es probar 20-50 partículas para cada combinación tamaño/energía, necesitándose
normalmente entre 500-1300 partículas en total o 50-100 kg de material.
Luego de la preparación de la muestra (tamizando a rangos de tamaño estrechos), se calcula

la masa media m de cada conjunto de partículas que se romperán. Basado en la energía de
entrada específica requerida para cada prueba, se determina la altura desde la cual soltar el
peso usando al siguiente relación:
mEis
hi = (4.19)
0.0272 Md
donde hi es la altura inicial (cm) desde la cual se suelta el peso (o la altura inicial de caída
del peso respecto del yunque) y Md es la masa del peso (kg). Normalmente se agregarán 10
mm a la altura de caída calculada para cada prueba. Esto garantiza que se obtenga la
energía de trituración específica final correcta, para dar cuenta del hecho que después de
romper una partícula el peso soltado queda en reposo a cierta altura sobre el yunque debido
a la presencia del material chancado. El offset promedio hf puede medirse para cada
muestra de partículas quebradas en cuyo caso la energía real aplicada es
0.0272 Md (hi − hf )
Eis = (4.20)
m
Nótese que la energía de trituración específica Ecs (kWh/t) es igual a la energía de entrada
específica Eis (kWh/t), siempre que el peso soltado no rebote después del impacto. Se ha
observado, en ocasiones, que a energías sobre 3 kWh/t y con materiales elásticos, el peso
soltado rebota. Aunque esta energía de rebote no se mide actualmente, se sabe que es
pequeña comparada con la energía de entrada.
El dispositivo de prueba de caída de peso suministra datos exactamente análogos a los del
péndulo gemelo. Tiene, sin embargo, varias ventajas.
1. Rango de energía de entrada aumentado
2. Menor duración de la prueba
77
3. Rango de tamaño de partícula aumentado
4. Mayor precisión
5. Posibilidad de efectuar estudios de rotura de lecho de partículas.
El dispositivo de caída de peso es adecuado para la evaluación de rotura por impacto

requerida para modelos de molinos de bola, AG/SAG y chancadores. También pude
utilizarse para detectar los efectos del tamaño de partícula (hasta 100mm) o daño de roca
(voladura o chancado) en la resistencia de trituración.
Reducción de Datos
Un concepto clave en el análisis de datos provenientes de pruebas de péndulo y de caída de

peso, y en el establecimiento de funciones de rotura de mineral, es que las distribuciones de
tamaño de producto son una función de la reducción de tamaño o energía de trituración
específica, Ecs (kWh/t). Para modelar este proceso de rotura, se utiliza una manera simple
de relacionar la energía con la reducción geométrica de tamaño. El método desarrollado en
JKMRC es usar un conjunto de curvas (splines cúbicas, Whiten 1972c – ver Apéndice 1)
para describir la distribución de tamaño producida por eventos de rotura de reducción de
tamaño o energía de entrada creciente. Si se rompe una partícula individual de tamaño
conocido (e.g. situados en un rango de tamizado angosto), se puede considerar la
distribución de tamaño resultante como un porcentaje acumulado que pasa una serie 2 de
aperturas de tamiz. (Figura 4.10a) La Figura 4.10a puede ser regraficada en términos del
tamaño de la partícula original dividiendo el eje-x por el tamaño de la partícula original
(Figura 4.10b).
Luego se seleccionan algunos puntos marcadores en la distribución de tamaño, definido

como el porcentaje, t, que pasa una fracción, y, del tamaño de la partícula original. En
consecuencia, t2 es el porcentaje que pasa una apertura de la mitad del tamaño de la
partícula original, t4 es el porcentaje que pasa un cuarto de la apertura original y t10 el
porcentaje que pasa un décimo del tamaño de la partícula original. t10 se utiliza como una
reducción de tamaño característica.
Los valores de t para la partícula original son todos cero. t10 es un pequeño porcentaje para
una partícula levemente quebrada. En rotura de chancador, t10 es normalmente 10 a 20%.
Probablemente los molinos de volteo operan sobre un rango amplio de valores t10. Sin
embargo los modelos JKMRC de molinos de volteo tienden a usar valores de t10 en el rango
de 20-50%.
Para utilizar esta descripción de rotura de mineral, se almacenan los puntos marcadores t2,
t4, t25, t50 y t75 en forma de matriz respecto de t10. Estos mismos datos pueden representarse
gráficamente como se muestra en la figura 4.11 la cual cubre un amplio rango de tipos de
mineral.
78
Figura 4.10a: Distribución de tamaño de Figura 4.10b: Distribución de tamaño relativo

producto mostrando marcadores t
Figura 4.11; t vs. grado de rotura, t10 (según Narayanan 1985, para un rango de tipos de mineral)
79
La figura 4.11 es un gráfico útil. Cada línea vertical (o valor de t10) representa una
distribución de tamaño completa, expresada en porcentaje de peso acumulado que pasa. En
consecuencia, si los datos representados en la figura 4.11 pueden medirse para un tipo de
mineral en particular, puede utilizarse para predecir la distribución de tamaño que resultará,
para cualquier grado de rotura o valor t10 conocido. Esta conveniente representación de
datos de rotura se denomina habitualmente, familia de de curvas de un parámetro
(Narayanan y Whiten 1988). El parámetro t10 se define como el porcentaje acumulado que
pasa Y/10, donde Y es la media geométrica del intervalo de tamaño para las partículas de
prueba. Conociendo las curvas para un material en particular, y dado t10 (de un Ecs dado o
del modelo), se puede reconstruir la distribución de tamaño de producto completa. Extensas
mediciones han demostrado que la misma familia de curvas describe la rotura de un amplio
rango de minerales, con los minerales más ‘duros’ o más ‘blandos’ teniendo,
respectivamente, menores o mayores valores de t10 para una energía de trituración dada.
Dicha información conforma la información específica esencial del mineral necesaria para
modelar y simular con exactitud procesos de trituración de mineral, a saber, molienda de
barra y bola, molinos AG/SAG y chancadores. Estas distribuciones de tamaño de producto
de rotura, conocidos también como funciones de apariencia, constituyen, en consecuencia,
una parte integral de los modelos matemáticos de equipos de trituración industrial descritos
en este libro.
Para garantizar que los dispositivos de caída de peso más recientes suministren
consistentemente resultados exactos, se inicio un estudio para comparar los resultados del
péndulo gemelo y del dispositivo de medición por caída de peso, sobre un amplio rango de
energías y tipos de mineral. Pruebas comparativas de rotura de partícula individual,
efectuadas sobre cinco muestras de mineral, demostraron que los dispositivos producen
resultados similares, definidos según las relaciones energía/tamaño de producto respectivo.
Sin embargo, el dispositivo de prueba por caída de peso tiene la ventaja adicional de
proporcionar una menor dispersión de los datos, lo que resulta en una mejor precisión en la
determinación de t10 como se muestra en la Tabla 4.4, basada en 5 pruebas efectuadas sobre
mineral de Broken Hill.
Tabla 4.4: Valores de error en la determinación de t10
Dispositivo Intervalo de Confianza de 95%

Péndulo gemelo ± 9.1%
Caída de peso ± 3.6%
t10 muestra cierta similitud, no inesperada, con las pruebas de mecanismos de fractura
tradicionales. Bearman et al (1991), por ejemplo, han demostrado que t10 está fuertemente
80
correlacionado, inversamente, con la resistencia a fractura modo I KIC (Sección 4.12.2),

basado en mediciones de cinco rocas de cantera.
Los primeros trabajos sobre la prueba del péndulo, indicaron que la relación energía-
reducción de tamaño era lineal e independiente del tamaño de la partícula original. Sin
embargo, durante los últimos 10 años, ha resultado que esta relación varía con factores
como tamaño de partícula, energía y tipo de equipo de trituración industrial. En
consecuencia, la manera en que los resultados de las pruebas de rotura son usados en los
modelos matemáticos difiere dependiendo de las condiciones. A continuación se muestran
algunos ejemplos de como se utilizan los datos de rotura en modelos de trituración en
JKMRC.
4.6 PARÁMETROS DEL MINERAL EN MODELADO Y SIMULACIÓN
4.6.1 Parámetros de Mineral Molino AG/SAG
Como se mencionó en el Capítulo 2, los modelos de molino están basados en el supuesto

que los contenidos del molino están perfectamente mezclados. En el estado de equilibrio se
puede determinar el siguiente balance de material para cada fracción de tamaño:
Alimentación + apariencia = rotura a partículas + producto (4.21)

vía rotura de menores
partículas mayores
La función de apariencia de molino AG/SAG para un material dado está determinada por a
lo menos tres fracciones de tamaño y definida en términos de tres parámetros de rotura por
impacto y abrasión (A, b y ta). Las funciones de apariencia son dependientes del tamaño-
energía y los niveles de energía prevalecientes en el molino se estiman a partir de la carga
(determinada iterativamente) y tamaño del molino. La aptitud para rotura por impacto de un
mineral, se mide por medio de la prueba de caída de peso o la prueba de péndulo gemelo
descritos anteriormente.
La práctica actual de JKMRC es utilizar cinco fracciones angostas y tres niveles de energía
específica de entrada, según lo definido en la Tabla 4.5:
Tabla 4.5: Intervalos de tamaño y niveles nominales de entrada de energía (kWh/t) usados en
pruebas de caída de peso AG/SAG en JKMRC
Prueba -63+53mm -45+37.5mm -31.5+26.5mm -22.4+19mm -16+13.2mm
1 0.10 0.10 0.25 0.25 0.25
2 0.25 0.25 1.00 1.00 1.00
3 0.50 1.00 2.50 2.50 2.50
En la Tabla 4.6 se muestra una impresión de computadora con datos típicos de un nivel de
energía de entrada.
81
Incluidos en la impresión están las condiciones de prueba (masa del material antes y
después de la prueba, energía de entrada, tamaño de partícula y número de partículas), la
distribución de tamaño de partícula y los valores-t interpolados.
La cantidad de rotura, o índice de rotura, t10, está relacionada con la energía específica de
trituración como sigue:
t10 = A[1 − e( − b. Ecs ) ] (4.22)
donde t10 es el porcentaje que pasa 1/10 del tamaño medio de la partícula inicial, Ecs es la
energía de trituración específica (kWh/t) y A y b son los parámetros de rotura por impacto
del mineral. Esta relación se muestra gráficamente en la Figura 4.12 para una mena
primaria de oro.
Tabla 4.6: Ejemplo de resultados de la prueba de rotura por impacto de JKMRC en mineral, -
31.5+26.5mm
Figura 4.12: Efecto de energía de trituración específica sobre el índice de rotura, t10
82
Una pendiente de la curva t10-Ecs más pronunciada indica un mineral más blando- Para un
valor constante de A, esto significa un mayor valor de b. Para el modo en que A y b han
sido fijados, A permanece relativamente constante en alrededor de 50 para la mayoría de
las rocas duras. t10 puede interpretarse como un ‘índice de finura’ con valores altos de t10
indicando una distribución de producto más fina. El valor del parámetro A es una limitante
del valor de t10
Este límite indica que a mayores energías se produce poca reducción adicional de tamaño
ya que aumenta Ecs, i.e. El proceso de reducción de tamaño se hace menos eficiente. A*b
es la pendiente de la curva de energía de entrada ‘cero’. Debido a que existe cierta
interacción entre A y b, no es fácil caracterizar valores ‘típicos’ de estos parámetros, para
tipos de mineral específicos, tal como se puede hacer, en ocasiones, con un WI Bond. Sin
embargo, puede ser utilizado para propósitos de comparación simple.
En molienda AG/SAG, se cree que la reducción de tamaño se produce tanto por impacto
(chancado) como por abrasión o astillamiento (Sección 7.4) Los eventos de rotura por
abrasión y astillamiento dejan a la partícula original intacta en gran medida, siendo el
producto partículas relativamente finas. Sin embargo, normalmente el impacto rompe la
partícula completa en fragmentos de un rango de tamaños.
El péndulo o el dispositivo de caída de peso proporcionan un medio efectivo para la

caracterización de minerales para rotura de alta energía (chancado) Aunque estos
dispositivos pueden producir, a bajos niveles de energía, productos de rotura similares a
aquellos típicos de astillado/abrasión, son extremadamente intensivos en tiempo para
generar suficiente material para análisis. La generación de funciones de apariencia de
astillado/abrasión es más adecuada para una prueba de volteo, en la cual se prueba
autógenamente una cantidad de mineral, bajo un conjunto de condiciones estándar. La
prueba se describe abajo.
La metodología de modelado original suponía que la energía específica media, para un

molino AG/SAG, era una función del diámetro del molino. Posteriormente se introdujo una
modificación para permitir el cálculo separado de la energía de trituración específica, para
cada tamaño de partícula. Dada esta energía de trituración específica, el modelo calcula el
t10 para rotura por chancado, a partir del cual se interpola la función de apariencia de
chancado desde un mapa de rotura estándar (Leung 1987). La Tabla 4.7 muestra la función
de apariencia estándar (o distribución de tamaño) desarrollada en JKMRC y usada en el
modelo AG/SAG. Esta se basa en la observación (de muchos casos) de que las curvas-t,
para la mayoría de los minerales frágiles, se comportan de manera similar, lo que simplifica
significativamente los cálculos.
Tabla 4.7: Datos de la función de apariencia estándar (%) usada en el modelo AG/SAG de JKMRC
t10 t75 t50 t25 t4 t2
10 2.33 3.06 4.98 23.33 50.53
30 6.89 9.41 15.62 61.58 92.49
50 10.32 14.71 25.88 82.86 96.47
83
Nótese que la función de apariencia de chancado, tamaño por tamaño (o alta energía), está
combinada en el modelo con la función de apariencia de abrasión (o baja energía), para
proporcionar una función de apariencia combinada, a:
tle ⋅ ale + the ⋅ ahe

a = (4.23)
tle ⋅ the
donde a = función de apariencia combinada

tle = parámetro t para astillado/abrasión
the = parámetro t para rotura por chancado
ale = función de apariencia astillado/abrasión
ahe = función de apariencia para chancado
(Las funciones de apariencia son matrices triangulares inferiores)
Peso Específico del Mineral
El peso específico del mineral posee un efecto significativo sobre la densidad de carga y
por consiguiente en el consumo de energía, especialmente en molinos AG y SAG. Sin
embargo, cuando se tratan mezclas de mineral, puede haber presente un componente más
duro con un SG distinto al del resto del mineral, en cuyo caso el SG del mineral en el
molino será diferente al del mineral de la alimentación. Para determinar si esto puede ser un
problema, JKMRC mide, como parte del procedimiento de prueba de caída de peso, el SG
de 100 partículas individuales de aproximadamente 25mm de tamaño usando un picómetro
de gas helio. También se mide el SG de una sub muestra de la fracción -6.7mm para
identificar variaciones en la liberación gruesa.
Prueba de Abrasión de Mineral
La prueba de abrasión se realiza en un molino de volteo de 300mmde diámetro y 300mm de

largo con cuatro barras elevadoras. En la prueba estándar de JKMRC se muele una muestra
de 3kg de mineral de -55+38mm por 10 minutos aun 70% de la velocidad crítica, i.e. 53
rpm.
Típicamente se reduce una muestra gruesa a aproximadamente 3kg seleccionando rocas en

forma aleatoria hasta lograr dicho peso de la manera más exacta posible (±5g). Luego de
ejecutada cada prueba se remueven los contenidos del molino para análisis de tamaño. Para
cada prueba se registran el RPM real y la masa de la carga.
El producto del molino es tamizado en seco a -38µm en una serie 2 de tamices. A partir
de los datos en bruto de tamaño de partícula, se generan los valores t10 utilizando un
programa que convierte los datos reales de masa retenida en porcentaje de masa retenida y
porcentaje acumulado de masa pasando distribuciones de tamaño, a partir de los cuales se
84
interpolan los valores t10 usando técnicas de spline cúbicas. La Tabla 4.8 muestra un
ejemplo de la salida de un programa que ilustra la distribución de tamaño bimodal obtenida
normalmente en la rotura por abrasión.
Nótese que el parámetro de abrasión de mineral, t, usado en el modelo SAG/AG (Tle en la

ecuación 4.23) se define como 1/10 de t10, el cual, para el ejemplo mostrado en la tabla 4.8
es 0.88. El valor ta es tan bajo como 0.2 para minerales muy duros a sobre 2 para minerales
muy blandos; un valor de 0.88 es indicativo de una resistencia a abrasión media.
La prueba de abrasión JKMRC no debe confundirse con la prueba de abrasión Allis-

Chalmers que mide la abrasión en metal. En esta prueba, una única paleta impactadora,
requiriendo de 1.6 kg de -19+13.2 mm de material seco, se utiliza para determinar las
características de desgaste del mineral. Durante el desarrollo de la prueba, la paleta se
desgasta hasta tal grado que su perdida de peso es rápidamente determinada por pesaje en
una balanza analítica, siendo expresada como el Índice de Abrasión (AI). El índice de
abrasión varía entre 0 y 1, con valores típicos para mineral de plomo, zinc de 0.21, mineral
de oro 0.48 y bauxita 0.02. Se han establecido correlaciones que relacionan la perdida de
peso de la paleta con el desgaste del metal en equipo de trituración pero son muy sensibles
a las condicione reinantes en la planta.
Correlaciones con el Índice de Trabajo
Existen algunas correlaciones entre los parámetros de impacto (A*b) y abrasión (ta) del
mineral y el índice de trabajo de molino de Bond, como se muestra en la figura 4.13. Sin
embargo, el índice de trabajo mide la reacción de una alimentación de -3.55mm a una
mezcla de abrasión e impacto presente en un molino de bola seco. Las pruebas de rotura de
JKMRC intentan separar la rotura por impacto de la por abrasión y, como tal, no se debiera
esperar una correlación fuerte como lo confirma los datos de 47 tipos distintos de mineral
presentados en la Figura 4.13.
85
Figura 4.13: Correlaciones entre A*b y ta e índice de trabajo de Bond
4.6.2 MODO DE APARIENCIA DEL MODELO DE CHANCADOR
El modelo de chancador actual (Andersen 1988), que es un desarrollo del modelo original
de chancador de Whiten (1974), usa los resultados de energía-reducción de tamaño
derivados de la prueba de caída de peso o péndulo largo, sobre partículas gruesas, para
predecir tanto la rotura como el consumo de energía del chancador. En este caso, los
resultados de caída de peso se utilizan para determinar dos conjuntos de parámetros de
chancador, específicos del mineral.
La primera parte es una función de apariencia que relaciona el grado de rotura, t10, con el
restante de la distribución de tamaño (Tabla 4.9). A diferencia del modelo AG/SAG, el
modelo de chancador utiliza datos de apariencia reales, no el mapeo estándar de tabla 4.7
arriba.
Tabla 4.9: Ejemplo de parámetros de mineral utilizados en el modela de chancador JKMRC

(a) Datos de Función de Apariencia, tn (%)
t10 t75 t50 t25 t4 t2
10 2.92 3.89 5.97 20.74 51.58
30 5.54 7.46 11.73 40.16 76.04
50 8.21 10.97 17.26 58.35 88.35
(b) Reducción de tamaño/energía específica de trituración, Ecs (kWh/t)

t10(%) Tamaño de Partícula Inicial
12.2 17.5 29.0
10 0.32 0.27 0.25
20 0.65 0.53 0.50
30 0.98 0.79 0.76
86
La segunda parte de la descripción de rotura de mineral en el chancador, relaciona la

energía específica de tamaño requerida para lograr un grado de rotura en particular (Tabla
4.9b). El modelo del chancador utiliza splines (o curvas matemáticas) para relacionar t10 a
Ecs en vez de la relación exponencial (ecuación 4.22). Estos splines se describen a niveles
nominales de t10 de 10, 20 y 30% para cada una de los tres tamaños de partícula utilizados
en la prueba de caída de peso o péndulo.
Esta última información se utiliza también para determinar cuanta energía (por unidad de
masa de alimentación) se requeriría para chancar tamaño de alimentación a tamaño de
producto, si todo el chancado se efectuara en el dispositivo de prueba de caída de peso o
péndulo. Esta ‘energía de péndulo’ está muy correlacionada con el consumo de energía neto
del chancador. Este método de correlación de energía es mucho más flexible que la
metodología F80/P80 tradicional (Morrel et al 1992 – ver también la Sección 11.2.4).
Cuando se aplica el modelo de chancador JKMRC conociendo la alimentación y el

producto es la salida deseada, el problema se traduce en obtener estimaciones de la función
de rotura y parámetros de clasificación para una máquina y material de alimentación
específicos. Mientras que los parámetros de clasificación están relacionados directamente
con la configuración de los costados abierto y cerrado del chancador, normalmente se
desconoce la relación energía-tamaño-reducción específica del mineral.. Esto se resume en
un parámetro T10 el cual se relaciona con la distribución de tamaño de los productos de
rotura. Este parámetro requiere normalmente ser ajustado con datos de estudio del
chancador en cuestión. Sin embargo, puede ser posible, en chancadores de eje vertical,
determinar la energía de trituración específica aplicada y, por ende, el parámetro T10 a
partir de los primeros principios. La base de esta información proviene de la prueba de
caída de peso sobre la muestra de roca, velocidad del rotor y diámetro. Más detalles se
entregan en la Sección 6.9.1
La prueba de caída de peso o péndulo debe efectuarse sobre partículas representativas de

mineral, en todo el rango de tamaño de alimentación del chancador. Donde se haya
desarrollado un modelo de rendimiento matemático específico a partir de estudios de
planta, podrá predecirse el consumo de energía para diferentes condiciones de operación.
En una situación de diseño y dada la alimentación y las distribuciones de tamaño de

producto deseadas, la relación t10-Ecs (ecuación 4.22) para el mineral a procesar debe
obtenerse de la prueba de caída de peso o péndulo y esta información usada en el modelo
para calcular la energía de trituración total requerida. Luego se puede determinar los
requerimientos de energía de chancado para un chancador similar a partir de una
correlación de energía obtenida de otro sitio.
Cuando se calcula la energía de este modo, las partículas grandes aparecen como más
blandas en las pruebas de impacto. La prueba de péndulo largo actual no es adecuada para
partículas de diámetro superior a 55mm. En consecuencia, al usar energías de trituración
específicas derivadas de partículas más pequeñas, se puede sobrestimar la energía de
péndulo requerida en chancado grueso. La prueba de caída de peso puede, sin embargo,
procesar partículas más grandes.
87
El efecto del tamaño de partícula en la relación t10-Ecs es usualmente insignificante en

minerales duros, pero los parámetros A y b pueden ser ambos dependientes del tamaño de
partícula, forma y tipo de mineral. La Figura 4.14 ilustra un ejemplo donde hubo una
significativa diferencia en la energía requerida para romper partículas finas y gruesas. Cada
una de las cuatro curvas en el gráfico es descrita por la ecuación 4.20
Figura 4.14: Efecto del tamaño de partícula en la relación t10-Ecs para mineral pisolítico
Efecto de la Forma de la Partícula
El modo en que la forma afecta a la rotura se muestra claramente en la Figura 4.15, la cual
sugiere que existen distribuciones de rotura distintas cuando se rompen dos formas
diferentes. La definición de forma utilizada aquí se basa en el Índice de Escamosidad de
agregado de la industria, el cual relaciona la menor dimensión de la partícula a su tamaño
nominal. Una partícula escamosa tendrá una dimensión menor (espesor) inferior a 0.6 de
su dimensión media.
Datos completos de pruebas de péndulo sobre basalto (Kojovic 1994) demostraron

claramente que partículas escamosas y no escamosas producen diferentes distribuciones de
tamaño debido a su diferente geometría; para un rango de tamaño dado, las partículas
escamosas aparecerán para el chancador como más ‘pequeñas’ que las partículas no
escamosas y también exhibirán menor resistencia cuando sean tensionadas
longitudinalmente debido a su sección transversal relativamente delgada. En consecuencia,
las rocas escamosas producen durante su rotura, más finos para una misma energía
específica.
Se espera que la clasificación de partículas escamosas, en chancadores de mandíbula,

giratorios y de cono, sea diferente a la de partículas no escamosas debido a que las
partículas escamosas tienden a alinearse en la cavidad del chancador de una manera que los
hace comportarse como partículas de tamaño más pequeño, presenta su dimensión mayor
88
paralela a las caras del chancador. Un modelo de chancador que explique la forma de
alimentación puede requerir, en consecuencia, funciones de rotura específica de forma y de
clasificación. Los resultados previos han sido utilizados en el desarrollo de un nuevo
modelo de simulación de chancador el cual predice las distribuciones de tamaño de
producto y de forma (Kojovic 1994).
Figura 4.15: Efecto de la forma de la partícula en la relación t10-Ecs
4.6.3 FUNCIÓN DE APARIENCIA DE MOLINO DE BARRA Y BOLA
Ya que los modelos de molino de barra y bola de JKMRC suponen que los contenidos del
molino están perfectamente mezclados, el material, en estado de equilibrio, puede ser
descrito por medio de la función 4.21. Si los contenidos del molino son conocidos, las tasas
de rotura pueden calcularse de la ecuación 4.21, conociendo las distribuciones de tamaño
de alimentación y producto y la función de apariencia (Capítulo 2).
Esto es poco habitual en la práctica, si es que sucede, y la ecuación es modificada para

reemplazar los contenidos del molino por el término de producto/tasa de descarga. Ya que
la función de apariencia específica del mineral puede ser determinada independientemente
de la prueba de rotura de péndulo, los parámetros del modelo pasan a ser los términos de
tasa de rotura/tasa de descarga (r/d), los que se determinan por ajuste de mínimos cuadrados
no lineales de la ecuación modificada a los datos operativos. r/d ha demostrado ser
normalmente una función regular de tamaño de partícula y esta dependencia se representa
en el modelo por medio de funciones spline, siendo la estimación de los nudos de los
splines parte del procedimiento de ajuste del modelo.
En la práctica, los términos r/d también están normalizados a las dimensiones del molino, lo
que permite escalar el modelo. (Capítulos 2 & 9).
89
Los modelos de molino de bola y barra usan una función específica del mineral
determinada usando una energía de trituración específica para un nivel de energía de
entrada estándar (i) de 41.788 kg.cm, aplicada a la fracción de tamaño -5.6+4.75
(Narayanan 1985). Esto se ha determinado tradicionalmente, utilizando un dispositivo de
péndulo más pequeño que el usado para la pruebas SAG/chancador y, mas recientemente,
el menor rango de energía del dispositivo de prueba por caída de peso.
Narayanan (1985) demostró que la relación entre energía de trituración específica (Ecs) y la
energía de entrada estándar (Ei) es de la forma lineal:
Ecs = a+bEi (4.24)
Mientras que la función de apariencia (t10) está relacionada con la energía de trituración
específica por la siguiente ecuación:
T10 = a+bln(Ecs) (4.25)
donde a y b son constantes. Los efectos de tamaño de la partícula en esta relación están
normalizados.
Es posible comparar, con un nivel de energía de entrada estándar, las características

relativas de distintos minerales. Sin embargo, diferentes diámetros de molino generan
diferentes niveles de energía para rotura y, por consiguiente, este uso de un nivel de energía
de entrada fijo puede ser inadecuado. Se concluye entonces, que la energía específica debe
ser una función de las dimensiones del molino, como en el modelo AG/SAG. La
investigación actual apunta a unificar los modelos de molino de bola y modelo de molino
AG/SAG, y abordara dicho problema
Como se resaltó anteriormente, se ha encontrado que la relación entre t10 y la energía de

trituración específica Ecs (kWh/t) se describe mejor por medio de la ecuación exponencial:
t10 = A 1 − e − (bEcs )  (4.22)
donde A y b dependen del tipo de mineral.
E consecuencia, la función de apariencia de molino de bola o barra está determinada por el

t10 específico del mineral calculado ya sea por la ecuación 4.25 como por la 4.22 y la
familia de curvas t estándar (es preferible la ecuación 4.22 ya que define un valor máximo
para t10).Como se destaco previamente, t10 está basado en el Ecs obtenido usando un novel
de energía de entrada estándar (Ei) de 41.788 kg.cm, aplicados a una partícula de -
5.6+4.75mm. En consecuencia la prueba de Ecs dependerá significativamente del sg del
mineral y de la forma de la partícula, es decir, de la masa de partícula promedio en la
fracción de tamaño -5.6+4.75mm.
Una vez que se ha determinado la relación t10-Ecs específica y Ecs estándar, se obtienen
los valores de función de apariencia usando un programa de computador que reconstituye la
distribución de tamaño del producto a partir del t10 predicho y de las curvas-t dadas. Los
90
resultados de este programa representan una distribución de tamaño relativa (fracción de

masa retenida), como se muestra en la Tabla 4.10
La función de apariencia comienza con el valor 0 ya que el modelo asume que cada
partícula, una vez rota, no continuará permaneciendo a la fracción de tamaño inicial. En
consecuencia, las partículas hija se distribuirán en una serie 2 de tamices comenzando
con la siguiente fracción hacía abajo. Para ilustrar los rangos de valores obtenidos entre
minerales duros y blandos, se muestra en la Figura 4.16 las funciones de apariencia o
distribuciones de rotura para minerales de mena de oro primario y óxido. Nótese el cambio
en el peca a la izquierda con el mineral de óxido más blando.
Tabla 4.10: Función de apariencia típica para molino de bola o de barra
Dimensionado Valores de
Interno (mm) Apariencia
16.0 0
11.3 0.043
8.00 0.084
5.66 0.114
4.00 0.119
2.83 0.111
2.00 0.100
1.41 0.088
1.00 0.074
0.707 0.061
0.500 0.050
0.354 0.041
0.250 0.032
1.177 0.025
0.125 0.019
0.088 0.014
0.063 0.010
0.044 0.007
0.031 0.004
0.022 0.003
Para modelado de molienda de bola y dispositivos de molienda fina como molinos de torre
o de agitación, la metodología de partícula individual, como también el rango de tamaño de
partículas, pueden ser inadecuados para algunas aplicaciones. El impacto único de una bola
sobre un lecho de partículas, situadas sobre una superficie plana o redondeada, describe
probablemente el micro evento en un molino de bola, mejor que el impacto de una partícula
individual. Los tamaños de partícula para los cuales se generan datos de péndulo van de 5 a
91
55mm (aunque se han roto partículas tan pequeñas como 2mm). En estos experimentos no
se han examinado críticamente tamaños más pequeños, a pesar que representan la mayor
parte del material en un molino de bola.
En consecuencia, se está prestando atención a métodos alternativos de obtención de la

función de rotura para partículas finas. También se está trabajando en la determinación de
la función de rotura para la trituración de lechos de partícula, tal como ocurre en los
rodillos de molienda de alta presión. (Sección 6.9.4).
Figura 4.16: Ejemplo de función de apariencia de molino de bola para un mineral de oro duro
(primario) y blando (óxido)
4.7 CONCLUSIONES
Varias prueba de laboratorio para caracterización de rotura de roca han sido desarrolladas
para estudiar el fenómeno de rotura y para diseñar y predecir el comportamiento de equipo
de trituración industrial. Estas pruebas caen en tres clase principales: mediciones de
mecánica de rocas y fractura convencional, pruebas de molienda estándar y pruebas de
partícula individual.
La resistencia a fractura ha sido correlacionada empíricamente con el rendimiento de

chancado y, como tal, es una propiedad de la roca que puede útil en el diseño de
chancadores. Se está utilizando la Barra de Hopkinson para identificar niveles de energía
críticos para el diseño de maquinas de trituración y el rol del daño en trituración. Esto
puede tener potenciales aplicaciones en la evaluación de la resistencia de material de
tamaño crítico en molinos AG/SAG y daño por voladura en material ROM. El modelado
numérico de eventos de rotura estándar ha proporcionado valiosas revelaciones sobre el
modo de fractura en trituración, especialmente para materiales heterogéneos.
Los modelos de simulación JKMRC aspiran a un objetivo claro, la de separar las

características del mineral de aquellas de la máquina de proceso. En este contexto, ninguna
de las metodologías proporciona información sobre la función de rotura, la cual es
92
necesaria en la predicción de las distribuciones de tamaño de producto de chancadores y

molinos de volteo.
La prueba de aptitud para molienda convencional está basada en la ‘tercera teoría’ de

trituración de Bond (1952). Este método permanece como la herramienta principal para el
diseño de máquinas de trituración y su largo uso ha engendrado suficiente confianza en su
aplicación. El valor particular de la prueba de molienda de Bond es su simulación de los
elementos de reciclo de sistemas de molienda de circuito cerrado, incluyendo el
comportamiento de componentes de diferente ‘dureza’. Sin embargo, el test de Bond
también tiene algunas desventajas. Por ejemplo, no es un buen predictor del
comportamiento de molinos AG/SAG (para lo cual no fue diseñado), ni de situaciones en
que se desea investigar cambios (normalmente aumentos) en al tasa de alimentación.
La prueba de molienda mono tamaño para el modelo de balance de población, basado en la

ecuación de Reid (1965), estima la tasa de rotura y la función de distribución de rotura. El
método ha proporcionado un marco de trabajo útil para la descripción del comportamiento
operativo de molinos de bola. A pesar de esto, está pendiente el establecimiento y
aceptación de un procedimiento de prueba estándar. Además, ha probado ser un débil
modelo predictivo debido a que la tasa de rotura y la función de distribución de rotura para
partículas, no están relacionadas con los microprocesos físicos involucrados en la
trituración. Esto ha fomentado la investigación sobre los procesos de rotura usando pruebas
de partícula individual para caracterizar las propiedades de rotura.
Las pruebas de rotura de partícula son básicamente de dos tipos – pruebas de péndulo y
pruebas de caída de peso. Se han desarrollado y utilizado en el pasado, varios tipos de
dispositivos de péndulo y caída de pesos. En este capítulo se ha descrito la metodología
desarrollada y ahora de uso rutinario en JKRMC y en varios laboratorios de prueba
licenciados alrededor del mundo.
Las distribuciones de tamaño de rotura resultantes de la rotura de minerales de roca dura, en

un péndulo o dispositivo de caída de peso, han demostrado generar una familia de curvas
de parámetro único ‘t’, independiente del tipo de mineral y normalizado para tamaño de
partícula. Además, se utiliza una ecuación empírica con parámetros específicos del mineral
para relacionar el parámetro t10 a la energía de trituración específica, Esc, medida en las
pruebas de péndulo o de caída de peso.
Esta metodología cubre el rango de formas de funciones de distribución de rotura utilizados

normalmente en modelado de chancadores y molinos de volteo, dependiendo del nivel Ecs
del evento de rotura de partícula individual.
En resumen, los resultados de reducción de energía-tamaño de pruebas de rotura por

péndulo y caída de peso son actualmente usados de manera habitual para proporcionar
parámetros de mineral para uso en modelos de simulación JKSimMet de molinos de bola y
barra, molinos autógenos/semi autógenos y chancadores. Los parámetros de la unidad (e.g.
tasas de rotura) son calculados a partir de datos de estudios de planta. Una vez que los
modelos han sido ajustados para un circuito existente, se puede predecir con exactitud el
comportamiento del circuito de trituración en un amplio rango de condiciones operativas,
93
como lo evidencian los innumerables estudios de optimización desarrollado a la fecha. La

extensa base de datos de JKRMC sobre tipos de mineral y rendimientos de circuitos
relacionados se utiliza, en el diseño de plantas nuevas, para seleccionar los parámetros
apropiados de mineral y unidad, para estudios de simulación.
La experiencia actual sugiere que, cuando se combina la prueba de partícula individual con
modelos de proceso, es superior a otros métodos para evaluar maquinas de rotura gruesa,
como chancadores y molinos AG/SAG. Aunque también se utiliza con éxito para la
descripción de molinos de bola, es probable que las características de rotura de rocas
relativamente grandes (no mas pequeñas que 5mm) pueda no describir bien el mismo
material a, digamos, 100µm. En consecuencia, se requiere trabajo adicional para mejorar la
medición independiente de las características de rotura de partículas finas, y esta
investigación está en desarrollo.
94
CAPITULO 5
ESTUDIANDO CIRCUITOS DE TRITURACIÓN
5.
5.1 INTRODUCCIÓN
L a habilidad para evaluar el rendimiento de los circuitos de trituración depende

fuertemente de la calidad y naturaleza de la información recolectada del circuito.
Esto es especialmente cierto para cualquier estudio de modelado y simulación.
Un estudio consiste en recolectar datos y muestras representativas del circuito durante un

periodo de operaciones en particular. El carácter representativo del estudio es importante
ya que el análisis y simulación de circuitos se basa en la habilidad para construir un modelo
que sea representativo del sistema real. Es necesario abordar varios problemas, incluyendo
la naturaleza de los datos a recolectar, puntos de muestreo, método de muestreo, equipo
utilizado y el proceso de muestreo a seguir.
En esta monografía se analizan varios tipos de máquinas y circuitos de trituración. En

términos generales, en la práctica nos encontramos con tres tipos de circuitos principales.
• Chancado y harneado – e.g. procesamiento de mineral de hierro, procesamiento de

carbón, procesamiento de material de cantera, recuperación de diamantes y preparación
para molienda.
• Molienda gruesa, utilizando molinos AG/SAG, de barra y/o bola - e.g. procesos
metalíferos, como la preparación de procesos de recuperación tales como flotación o
lixiviación; en la Figura 5.1 se muestra un ejemplo de este tipo de circuito incluyendo
los puntos de muestreo típicos.
• Molienda fina, usando molinos de bola, torre o de agitación – e.g. remolienda en

procesos metalíferos o proceso mineral industrial.
Cada uno de ellos posee características especiales las que deben abordarse en cada ejercicio
de muestreo o recolección de datos; el muestreo de la alimentación de un chancador es, en
la práctica, muy diferente al muestreo del overflow de un hidrociclón. Sin embargo, existen
algunos principios guía y técnicas aplicables a todas estas campañas, que hay que seguir
para lograr los mejores resultados.
95
Capítulo 5: Estudiando Circuitos de Trituración
Figura 5.1: Diagrama esquemático de un circuito de trituración típico mostrando algunos sub-
circuitos alternativos
Este capítulo presenta una metodología práctica general para el muestreo y la recolección
de datos en circuitos de chancado convencional, molinos-ciclones SAG/AG y/o de bolas.
Se incluye información adicional sobre técnicas de balance de masa, análisis de muestras
(en especial análisis de tamaño), selección del tamaño de la muestra, ejemplos sobre los
tipos de error que ocurren en el muestreo de corrientes de pulpa en el circuito de molienda
y algunas notas sobre estimación de parámetros del modelo.
5.2 ALGUNOS PRINCIPIOS DE MUESTREO
5.2.1 Introducción
El objetivo de todo muestreo es lograr una muestra representativa. Este es un concepto

ideal que raramente se logra en la práctica. Una definición formal del término es que “todas
las partículas presentes en la corriente tienen una igual probabilidad de ser seleccionadas en
la muestra por el dispositivo de muestreo.”
El problema es realmente de tipo estadístico ya que depende de la naturaleza y magnitud de

los errores que se acumulan durante la recolección y proceso de una muestra. Algunos de
los errores y perturbaciones que pueden contribuir a un error global en la determinación de
alguna cantidad, como puede ser la concentración de sólidos o la distribución de tamaño de
partícula, son:
96
1. Dinámica de la planta. Los procesos están raramente en estado de equilibrio y la política

de muestreo debe determinarse en consecuencia. Una muestra ‘instantanea’ puede ser
adecuada para un dispositivo individual, básicamente sin dinámica, como un chancador
o un hidrociclón, pero un circuito se muestrea habitualmente acumulando un numero de
muestras incrementales tomadas en un periodo de 1-2 horas, para suavizar las
perturbaciones en el proceso.
2. Diseño del cortador de muestra – ver sección 5.2.4
3. Sub-muestreo de una muestra primaria
4. Errores analíticos, e.g. pesaje, harnero con aperturas desgastadas o incorrectas, tiempo
de tamizado inadecuado, calibración o selección de constantes incorrectas, etc. Estos
errores son más comunes de lo que se admite habitualmente. (ver además el Apéndice
3).
5. Propagación del error cuando se calculan grandes cantidades – ver Sección 5.2.3.
6. La incertidumbre estadística básica (error) involucrada en la selección de una muestra

pequeña finita para representar las propiedades de una gran (efectivamente
infinitamente grande) población – ver Sección 5.2.2
El investigador tiene cierto control sobre los primeros cinco pero básicamente ningún
control sobre el error fundamental (FE), que es una propiedad estadística de los sistemas de
particulado en estudio. El objetivo de cualquier ejercicio de muestreo y análisis debe ser, en
consecuencia, minimizar el efecto de los ítems 1-5 de manera que su contribución al error
global sea pequeña comparada con FE. En consecuencia, el tamaño de la muestra se
selecciona para lograr la confiabilidad requerida a la luz del FE predominante.
Las estadísticas del muestreo son una materia compleja. Gy (e.g. 1976) ha desarrollado una
teoría de muestreo de particulado, ampliamente utilizada, que ha sido adaptada y descrita
por Pitard (1993), quien también analiza muchos otros aspectos del muestreo como es, por
ejemplo, el diseño del cortador.
5.2.2 Tamaño de la Muestra para Análisis de Tamaño.
¿Cuan grande debe ser una muestra de sólidos de una corriente de proceso para análisis de
tamaño? Una respuesta es: lo más grande posible, ya que esto maximizará la confiabilidad
del resultado final. Sin embargo, en la práctica, la selección de un tamaño de muestra es un
compromiso práctico entre la economía (el costo de recolectar y procesar la muestra) y la
confiabilidad requerida en la respuesta.
El capítulo 18 del libro de Pitard trata específicamente con el muestreo para análisis de
tamaño. Sin embargo, para lograr una estimación simple del orden de tamaño de la muestra
requerida para acomodar FE, Barbery (1972) derivó expresión fácil de usar basada en la
teoría de Gy:
97
fpd m3
M = (5.1)
θ2p
donde M = masa de la muestra requerida

f = factor de forma para el material (0<f<1)
p = densidad del material (g/cm3)
dm = tamaño medio en el rango de tamaño de interés (cm)
P = proporción esperada d material en el rango de tamaño de interés (a medir)
θ = desviación estándar del número de partículas en dicho rango.
La variancia θ2 es básicamente el FE al que nos referimos anteriormente.
Estos términos requieren de explicación. El factor de forma de una partícula individual es

f=m/pd3. f=0.1 para partículas planas y se aproxima a 1 para partículas esféricas. Para la
mayor parte de los minerales naturales y carbón, 0.3<f<0.7 y 0.6 no es una mala elección
en la mayoría de los casos.
d 3m puede calcularse como (Barbery 19672):
d13 + d 23
3
d = m (5.2)
2
donde d1 y d2 son los tamaños límite en el rango de interés. El rango de tamaño de interés
es aquel en el cual es probable haya la menor cantidad de partículas lo que casi siempre es
el intervalo de tamaño grueso. Esto garantiza que el error en las proporciones estimadas
para los demás inérvalos de tamaño sea siempre menor que esto, garantizando en
consecuencia una elección conservadora. Sin embargo, no tiene sentido elegir un intervalo
con prácticamente ningún material en el. Una buena regla práctica es que el intervalo de
tamaño más grueso debe seleccionarse para proporcionar un P=5%.
θ depende de la precisión en la estimación y confiabilidad requerida:
φ
θ= (5.3)
z
donde Φ = precisión seleccionada

z = ordenada normal para el nivel de confianza elegido
La Tabla 5.1 entrega valores de z para diferentes niveles de confianza
98
Tabla 5.1 Ordenada normal (de la distribución normal)
Nivel de confianza z
(%)
50 0.6745
80 1.2816
90 1.6449
95 1.9600
99 2.5758
99.9 3.2905
Un nivel de confianza de 90% (z=1.64) es adecuado normalmente. La definición θ de se

interpreta como sigue: si la proporción de material que se espera encontrar en el rango de
tamaño grueso es 5% (P=0.05), y queremos estima esto con una precisión de 10% relativa
con un 90% de confianza, entonces
(10 /100)
θ= = 0.061, y P = ± 5%, con un 90% de confianza
1.64
Ejemplo 5.1: En un estudio de planta de una concentradora de metal base se debe muestrear
la corriente de sobretamaño en el tromel de un molino SAG, para determinar su
distribución de tamaño. Se espera que todo el mineral sea menor a 50mm y alrededor de un
10% estará en el rango (superior) del harnero, -50 + 25mm. ¿Cuanta muestra se debe
harnear para garantizar un nivel de confianza de un 90% en la determinación de esta
proporción, con una precisión relativa de un 20%? (i.e. P ≅ 10±2%).
3 53 + 2.53
d = = 70.3cm3
m 2
θ = 0.2 /1.64 = 0.122
Normalmente se redondea el sobretamaño de tromel de los molinos SAG por lo que

supongamos f=0.7. Además p=3.0 y P=0.10. Sustituyendo estos valores en la ecuación 5.1
se obtiene M=99kg. Esta es una muestra grande y demuestra la incerteza en el
dimensionado del mineral grueso. Si el intervalo hubiera sido -5+2.5mm, M=99g debido al
mucho mayor número de partículas por unidad de masa para este tamaño más fino. La masa
calculada es además conservadora debido a que la fracción más gruesa y la menor
proporción de masa (10%) es con mucho el peor caso; los otros intervalos de tamaño
poseen una mucha mejor precisión.
Es claro que la ecuación 5.1 puede rescribirse para calcular los límites de precisión o de
confianza para un resultado existente.
99
fpd m3
θ= (5.4)
MP
Ejemplo 5.2
En el ejemplo anterior solo se harneaba un 10% y se encontró que la cantidad en la fracción

-50+25mm resulto ser 14.5%. ¿Cual es el límite de confianza de 90% para este resultado?
M = 104g y P = 0.145. De la ecuación 5.4, θ = 0.319 y por consiguiente los límites de

confianza de un 90% son ±0.319 x 1.64 x 14.5 = ±7.6%, ie. El intervalo de confianza es
(14.5-7.6)% a (14.5+7.6)%. La precisión relativa es entonces 7.6 x 100/14.5 = 52% - muy
pobre!
Claramente, el EF para análisis de tamaño es realmente un problema solo en los tamaños

mas gruesos, i.e. en chancado, molienda AG/SAG y molienda gruesa de barra y bola.. Para
flotación o corrientes de decantación de finos y en molienda fina, se puede acomodar FE
con solo unos pocos gramos de material y el tamaño de la muestra está determinado más
bien por las otras fuentes de error. Para materiales muy gruesos, el tamaño de muestra
requerido será mayor de lo que es razonable conveniente en un marco de tiempo razonable
(normalmente 5 ton para una tamaño máximo de 200mm) y se debe lograr algún tipo de
compromiso. En la sección 5.4.2 se discutirán medios para obtener y analizar una
estimación aceptable del dimensionado de tamaño de material directo de mina (ROM.)
5.2.3 Propagación del Error en Cantidades Calculadas
En un estudio habrá algunas cantidades que se calcularán en vez de medirse. Un buen

ejemplo es la concentración de sólidos en un slurry. Aunque es recomendable ‘medirlo’
directamente, desaguando y secando una mezcla de slurry, normalmente se infiere a partir
de una densidad de slurry medida con la escala de Marcy. La concentración de sólidos por
peso, Cw, viene dada entonces por
ρ s ( ρ p − 1)
Cw = (5.5)
ρ p ( ρ s − 1)
donde ps y pp son las densidades de sólidos y slurry respectivamente, con agua como el
fluido.
Suponiendo que los errores de medición o ‘conocimiento’, ps y pp, son pequeños, la ley de
la diferenciación parcial plantea que
∂Cw ∂C
δ Cw = ⋅ δρ s + w ⋅ δρ p (5.6)
∂ρ s ∂ρ p
donde δ significa ‘error máximo en’.
100
∂Cw 1− ρ p ∂Cw ρ
= 2
y = 2 s (5.7)
∂ρ s ρ p ( ρ s − 1) ∂ρ s ρ p ( ρ s − 1)
Supongamos ps = 2.65 y pp = 1.15. Luego, de la ecuación 5.5, Cw = 0.2095, o 20.95% de

sólidos, y de las ecuaciones 5.6 y 5.7:
δ Cw = (0.048 δρ s + 1.214 δρ p ) (5.8)
Nótese que los signos se ignoran debido a que el objetivo es estimar el error máximo
posible en la respuesta, i.e. cuando todo puede fallar, falla. Los ‘errores’ δps y δpp se
consideran normalmente como la precisión de lectura de un instrumento (e.g,. la escala de
Marcy) o el máximo error en la medición de la cantidad (e.g. la densidad de sólidos
supuesta). Si suponemos, en este caso, que δps = δpp = 0.01, entonces δCw = 0.0126 o
1.3%. La concentración de sólidos es entonces 21%±1.3%.
Es importante resaltar dos aspectos:
1. El error calculado puede ser muy grande, incluso aunque sus componentes puedan
considerarse ‘razonabes’ en términos de la práctica normal.
2. Los errores se propagan a menudo de una manera inesperada o no intuitiva. La

inspección de la ecuación 5.8 muestra que en este ejemplo, medir la densidad del slurry
contribuye con un 96% del error total, y los errores por suponer la densidad de sólidos
poseen relativamente poca importancia (suponiendo que ambos errores son de la misma
magnitud absoluta.
Se debe realizar un ejercicio similar para todas las cantidades calculadas de manera que el
investigador pueda identificar aquellas cantidades que deben ser medidas con especial
cuidado.
5.2.4 Cortadores de Muestra
El muestreo de material grueso en las correas transportadoras se efectúa habitualmente

deteniendo la correa y removiendo la longitud apropiada de material (Sección 5.4.2). Hay
disponibles también, muestreadores de correa transportadora y punto de transferencia.
El dispositivo de muestreo habitual, utilizado en estudios de molienda, es el cortador de

muestra manual. Desafortunadamente, en muchos casos se utiliza el tarro o balde de Marcy.
Esta práctica no es adecuada. Un diseño del tipo mostrado en la Figura 5.2 es adecuado
para slurries finos. Para muestreo de descarga gruesa de molinos, se debe considerar un
diseño de cortador del tipo mostrado en la Figura 5.3. En ocasiones, se puede insertar en la
101
corriente un tubo de 50-75mnm de diámetro para desviar algo de material al piso, desde
donde se puede tomar una muestra.
A menudo es necesario algo de ingenuidad debido a condiciones locales difíciles. El

principal problema en el uso de cortadores de muestra es su volumen y peso. El acceso a los
puntos de muestreo en circuitos de molienda puede ser espantoso, especialmente muestras
de descarga de molinos SAG/AG y molinos de bola (de debajo de los tromeles).
Figura 5.2: Diseño recomendado de cortador para muestreo de underflow y overflow de ciclones
Otro gran problema es el muestreo de corrientes de pulpa de alta tasa de flujo (>100tph). La
gran tasa de flujo puede ocasionar que algunas partículas salgan disparadas del cortador
incluso si este se pasa rápido a través de la corriente de pulpa. Obviamente, si esto sucede,
se debe descartar la muestra y repetir o revisar el proceso de muestreo.
102
Figura 5.3: Muestreo de un alto volumen de flujo de partículas gruesas (e.g. descarga molino SAG)
El muestreo de corrientes de pulpa superiores a 250tph no debe hacerse con cortadores

manuales. Se debe acumular mucha práctica en muestreo de corte de flujo antes de intentar
muestreos importantes. Si es posible, manténgase por sobre la corriente muestreada con el
fin de mejorar el control sobre el cortador.
Los bordes del cortador deben estar horizontales y paralelos. Para corrientes donde el
mayor tamaño de partícula d>3mm, el ancho mínimo del cortador debe ser a lo menos 3d.
Para partículas menores (d<3mm), el ancho no debe ser inferior a 10mm. La profundidad
del cortador debe ser suficientemente grande para evitar la salpicadura o rebalse de la
muestra.
El cortador debe pasarse a través de toda la sección transversal de la corriente a una

velocidad uniforme. Si esto no es factible, para corrientes de gran flujo, se recomiendan
varios cortes sucesivos desplazándose través de la sección transversal total de la corriente.
Se debe tener cuidado, entre cortes, de que no caiga material en los cortadores (eg. polvo o
slurry).
El cortador debe ser ‘lavado’ en la corriente de slurry y tapado para garantizar que esté
vacío antes de efectuar los cortes de muestreo. La dilución con agua alteraría el porcentaje
de sólidos obtenidos de la muestra.
103
5.3 DISEÑO DE ESTUDIOS DE CIRCUITOS DE TRITURACIÓN
5.3.1 Objetivos y Requerimientos
Los objetivos del estudio deben ser establecidos claramente antes de su planificación y
ejecución (ver también Sección 13.3.1) Esto puede incluir el establecimiento del
rendimiento de una unidad individual (antes o depuse de la optimización), la auditoría de
una sección o circuito completo o la recolección de datos para estimación de parámetros de
modelo (Sección 5.6.3)
El estudio puede involucrar un simple análisis de datos de un producto de chancado, un

balance de masa alrededor de un ciclón o una completa campaña de muestreo de circuito.
Una campaña completa se define como un estudio a partil del cual se puede determinar ella
tasa de flujo de masa de sólidos, agua y tamaño de partícula en cada corriente del circuito.
Para esta discusión se supondrá que el estudio se lleva a cabo en estado de equilibrio, i.e.
los flujos de masa y las características de la corriente permanecen relativamente constantes
durante el periodo del estudio. Los algoritmos de balance de masa que se utilizan para
suavizar los datos asumen entonces que flujo de entrada = flujo de salida, para cada nodo
de proceso, tanto para sólidos como agua.
El diseño de sistemas de control requiere a menudo ejecutar pruebas por pasos para
caracterizar la dinámica del circuito. En estos casos, se introduce deliberadamente una
perturbación y se monitorea el comportamiento del circuito por tiempo para determinar el
efecto. Dichos estudios no se analizarán aquí. Los métodos para efectuar experimentos
comparativos en plantas en las cuales se somete la alimentación u otras condiciones a
variaciones incontroladas en el tiempo se analizan en Napier-Munn (1995)
Nótese que a menudo no es práctico medir la tasa de flujo y la distribución de tamaño de

cada corriente de circuito. En la medida que se tome un mínimo de muestras de corriente y
a lo menos una tasa de flujo de masa seca de referencia, usualmente se puede calcular las
corrientes restantes. Dicho estudio se conoce como una campaña de muestreo mínimo.
Cualquier exceso de datos por sobre el mínimo no es superfluo sino que sumamente
ventajoso ya que proporciona una verificación de los datos (redundancia de datos),
permitiendo un balance de masa más efectivo de los datos.
Un ejemplo de los requerimientos de datos para una campaña de muestreo mínimo para un
circuito de molienda como el que se muestra en la Figura 5.1 es:
1. Tasa de flujo de masa seco de alimentación nueva.
2. Tasa de flujo de sobre tamaño en el harnero del tromel (si esta corriendo el chancadora
de pebble).
3. Porcentaje de sólidos de la alimentación nueva, descarga de molino AG/SAG y molino

de bola, alimentación de ciclón, underflows y overflows.
104
4. Dimensionado de alimentación nueva, descarga de molino AG/SAG y molino de bola,

sobre tamaño de harnero del tromel (y producto del chancador de pebble si es que está
corriendo), underflows y overflows del ciclón.
Es obvio que si un elemento de dato no es medido con exactitud (e.g. porcentaje de sólidos
de alimentación de ciclones), surgirán problemas en el procesamiento de los datos. En
consecuencia, la regla general es nunca efectuar una campaña de muestreo mínimo a
menos que no exista otra opción.
La campaña de muestreo de circuito completo ideal para circuitos de moneda del tipo
mostrado en la Figura 5.1 requiere de los siguientes datos:
1. Tasa de flujo de masa seco de alimentación nueva.
2. Tasa de flujo de sobre tamaño en el harnero del tromel (si esta corriendo el chancadora
de pebble).
3. Porcentaje de sólidos de la alimentación nueva, descarga de molino AG/SAG y molino

de bola, alimentación de ciclón, underflows y overflows.
4. Dimensionado de alimentación nueva, descarga de molino AG/SAG y molino de bola,

sobre tamaño de harnero del tromel (y producto del chancador de pebble si es que está
corriendo), underflows y overflows del ciclón.
5. Flujómetro en línea y medidor de slurry en la alimentación del ciclón.
6. Mediciones en línea de tasa de flujo de agua.
Los ítems 1 a 4 son posibles normalmente en la mayoría de las plantas, aunque en

ocasiones se omite el porcentaje y dimensionado de porcentaje de sólidos de alimentación
en el ciclón. Esta omisión puede ocasionar serios problemas. El ítem 5 es importante ya que
provee de una verificación independiente, tanto del porcentaje de sólidos de alimentación
en el ciclón, como la tasa de flujo al ciclón y a menudo simplifica el balance de masa.
Desafortunadamente, las lecturas del flujómetro pueden tener un error de hasta 10% debido
a problemas de calibración. El ítem 6 es aun más valioso ya que se pueden medir las tasa de
flujo de agua con un mayor nivel de precisión (a diferencia de las tasa de flujo de slurry).
Estos valores pueden ser usados en, consecuencia, verificación de las tasas de flujo de masa
en varios puntos del circuito.
5.3.2 Procedimiento de Estudio Típico para un Circuito de Molienda
El set point de tonelaje debe mantenerse lo más constante posible durante la campaña de
muestreo. Para lograr esto en circuitos de molienda, puede ser necesario desactivar los
lazos de control de molienda. Una vez configurado, el circuito ilustrado en la Figura 5.1
correrá en coediciones de estado de equilibrio razonables, siempre que el dimensionado de
alimentación, tasa de flujo y dureza de mineral no varíe significativamente. Una vez que se
ha seleccionado un conjunto de condiciones operativas, se debe permitir a lo menos una
105
hora (i.e. varios tiempos de residencia) para lograr el estado de equilibrio. Debe destacarse
que la condición de estado de equilibrio es un estado ideal y, en la práctica, nunca se logra
completamente; sin embargo, normalmente se puede obtener una indicación del grado de
estado de equilibrio a partir de la consistencia del amperaje consumido y velocidad, de la
bomba de alimentación de ciclón (para propulsión VS)
Con el advenimiento del software de monitoreo DCS, es relativamente sencillo preparar y

revisar un grupo de variables operativas relevantes antes de comenzar el estudio. Los
mismos datos, incluyendo el periodo del estudio, son luego almacenados en disco y pueden
ser accesados fácilmente luego de terminado el estudio. En la Tabla 5.2 se muestra un
ejemplo de los datos del circuito monitoreados durante un periodo de estudio.
Tabla 5.2: Ejemplo de condiciones de circuito en estado de equilibrio
TIEMPO Molino SAG MOLINO DE CICLÓN del Molino de

(am) BOLA Bola
alim. agua energía vel. energía agua presión salida densidad
(t/h) (m3/h) (kW) (rpm) (kW) (m3/h) (kPa) alim. alim.
bomba (%)
7:00 105 59 848 15 1864 396 123 75.3 31.5
7:10 115 58 847 15 1866 396 118 73.8 31.8
7:20 116 59 850 15 1874 398 119 73.4 31.3
7:30 116 58 827 15 1863 395 110 70.2 30.4
7:40 117 58 840 15 1862 398 115 72.3 30.9
7:50 118 59 873 15 1867 400 115 73.1 31.0
Nótese que en este ejemplo se corre el ciclón a una baja densidad de alimentación para
lograr un corte fino; el overflow del ciclón es engruesado previo a la lixiviación
El circuito debe muestrearse durante un periodo de 1-2 horas (ya sean 8 cortes cada quince
minutos o 4 cortes cada 30 minutos). Múltiples muestreadores (personas) hacen el muestreo
más eficiente ya que hay más tiempo disponible para el corte de las muestras de corriente.
También permite que las muestras sean tomadas simultáneamente (o en una secuencia
lógica adecuada para los tiempos de residencia en cada sección), lo que es muy ventajoso.
Si esto no es posible, se debe modificar el orden de las muestras. Verifique que los
contenedores de las muestras estén claramente etiquetados; cuando se utilicen múltiples
contenedores para una muestrea individual, se debe marcar cada contenedor con un número
de contenedor y el número total de contenedores.
Si ocurre alguna perturbación importante durante un estudio, termine el muestreo si está

cerca del término de la campaña o, en caso contrario, abandone el muestreo y retorne en
otra ocasión. Deben recogerse muestras de respaldo para el caso de contratiempos en el
laboratorio, durante el procesamiento de las muestras.
106
Es útil conocer el llenado de carga de bolas en los molinos luego de cada campaña de
muestreo. En consecuencia, después de recolectar las muestras de slurry se debe efectuar un
crash stop de los molinos para permitir el muestreo de la alimentación en las correas y la
medición del nivel de carga del molino por medio de la inspección física del contenido del
molino. Este paso clave en el estudio es analizado con más detalle en la sección que sigue.
El análisis de tamaño de alimentación requiere de consideraciones especiales. Es

importante lograr una medición precisa de la distribución de tamaño de alimentación,
especialmente en el extremo grueso. Es necesario, en consecuencia, recolectar una muestra
de corte de la correa y registrar la velocidad y longitud de correa sobre la cual se recogió la
muestra. También deben tomarse muestras de alimentación para pruebas de caracterización
de mineral (Capítulo 4).
Ya que las muestras instantáneas son el método usual para muestrear chancadores y
harneros, es importante detener todas las correas transportadoras necesarias en el momento
correcto. Para garantizar que las muestras tomadas de las correas de producto son
representativas de las condiciones de operación medidas, la correa de alimentación puede
marcarse al comienzo de la parada dejando caer un marcador adecuado en la correa o
unidad de proceso (e.g. harina, papel, etc.) y deteniendo la correa de producto cuando
aparece la marca.
Las muestras tomadas deben ser procesadas en terreno para determinar distribución de
tamaño y porcentaje de sólidos. Donde sea posible, se debe considerar la toma de una
muestra separada solo para determinación de porcentaje de sólidos. En la Sección 5.5 se
describe el procedimiento para analizar muestras de slurry y alimentación.
La tasa de alimentación de mineral seco de la planta (y otras tasas de flujo de correas,

cuando sea posible) debe determinase a partir de lecturas de pesómetros y mediciones de
humedad de muestras de alimentación. La calibración del pesómetro debe revisarse por
medio de velocidades medidas de las correas y una muestra de correa adecuada, según se
describe en la Sección 5.4
Las lecturas de tasa de alimentación fresca al circuito, consumos de energía, tasa de

alimentación de ciclón o harnero y densidad y adiciones de agua al circuito deben ser
registradas periódicamente para luego determinar promedios para el periodo del estudio.
Las presiones de ciclón deben registrarse manualmente. Si es posible, se deberá verificar
las lecturas de energía usando potenciómetros locales o medidores de kWh (ver abajo).
Sigue un listado completo con los datos que se deben recolectar.
5.3.3 Datos a Recolectar
Además de las muestras de corriente y condiciones de operación del circuito, en la Tabla

5.3 se lista la información requerida para un estudio completo de un circuito de trituración.
Nótese que las dimensiones internas del ciclón deben ser medidas y no supuestas. El
desgaste normal y errores de mantenimiento pueden conducir a discrepancias significativas
en las dimensiones del ciclón.
107
Para chancadores de cono, mida el plomo del chancador (para determinar la configuración
del lado cerrado) en a lo menos tres posiciones alrededor del manto inmediatamente antes o
después del estudio. El espesor del desaplome debe medirse preferentemente con un
micrómetro o calibrador, no con una regla. Tome el promedio de las mediciones. Para
chancadores con ajuste automático de separación, registre la lectura de separación y calibre
contra mediciones con plomo.
Tabla 5.3: Datos que se deben recolectar de operaciones de unidades específicas
Chancadores Hidrociclones
Tipo Tipo
Configuración del lado cerrado Cantidad de ciclones
Excentricidad Presión de ciclones (kPa)
Consumo de energía sin carga (kW) Tasa de flujo y densidad alimentación
Consumo de energía en operación (kW) Diámetro
Condición de desgaste (desgaste Diámetro admisión
revestimientos) Longitud cilindro
Lectura del pesómetro de tasa de Diámetro buscador de vórtice
Alimentación (tph) Diámetro grifo
Ángulo de cono
Molinos
Tipo Harneros Vibradores
Cantidad de molinos
Tipo
Diámetro (entre revestimientos)
Longitud cilindro (entre revestimientos) Cantidad de plataformas
Longitud cono (entre revestimientos) Longitud x ancho
Velocidad (rpm o % crítico) Apertura (longitud y ancho)
Mecanismo de descarga Tipo de agujero (cuadrado, redondo,
Apertura parrilla / dimensiones ranura, etc.)
Profundidad elevador (solo molinos con
% área abierta
parrilla
Dimensiones y apertura tromel Ángulo de inclinación
Altura elevador Material plataforma
Diámetro trunión
Llenado de bolas (% volumen molino) Correas Transportadoras
Llenado carga total (% volumen Velocidad correa
molino)
SG mineral Tipo de mineral ranura, etc.)
Energía sin carga (kW) Datos históricos (e.g. WI, UCS, etc.)
Consumo de energía en operación (kW)
Lectura del pesómetro de tasa de
alimentación (tph)
Carga y presión en descansos (kPa)
108
Mediciones de Energía
La experiencia indica que el consumo de energía del chancador o molino es a menudo la

menos confiable de las cantidades recolectadas durante el estudio de un circuito. El
investigador debe verificar que todos los registros de energía sean legítimos y correctos.
El consumo de energía se mide de varias maneras. La mejor manera es utilizar un

transductor de energía en línea para medir la energía en fase por lo que no es necesario, en
consecuencia, corregir por factor de potencia. Muchas plantas modernas incorporaran
dichas mediciones con una lectura desde la sala de control de la planta o el centro de
control de motores (MCC). Incluso en este caso problemas en la transmisión o calibración
de señales puede conducir a una lectura errónea en la sala de control, de manera que las
lecturas deben ser contrastadas cada vez que sea posible.
En plantas más antiguas, se debe confiar a veces en un amperímetro análogo (a menudo con
una aguja que oscila violentamente). En este caso, para motores AC de 3 fases, la energía
total entregada a la carga, PT, viene dada por
PT = VL I L 3 cos φ kW (5.9)
donde VL = voltaje de la línea (valor rms, V; varía con el sitio y la máquina)

IL = corriente de la línea (valor rms, A; leer del amperímetro)
Ф = ángulo de fase entre fase voltaje y fase corriente
Cos Ф es el factor de potencia para el circuito y varía con la carga inductiva del motor. Para
cargas normales, cos Ф = 0.8-0.95. Para consumo de energía ‘sin carga’, el f.p. será
menor. Se debe consultar al ingeniero eléctrico de planta sobre el factor de potencia
correcto a usar en el cálculo. No es recomendable un f.p. de planta (promedio) ya que las
cargas de máquinas individuales pueden diferir bastante unas de otras.
La regla de oro es verificar todas las lecturas y cálculos de potencia. Si es posible, lleve a
terreno un potenciómetro portátil y efectúe lecturas independientes. Donde haya disponible
más de una lectura de planta, deben tomarse todas para verificación. Por último, los
procedimientos de predicción de energía de chancador y molino descritos en el Capítulo 11
son ahora los suficientemente buenos para proporcionar un chequeo independiente de los
datos de la planta.
5.4 PRÁCTICA DE MUESTREO
5.4.1 Equipos y Recursos Necesarios
Nótese que en todos los estudios de muestreo se deben seguir siempre los procedimientos
de seguridad adecuados. Estos pueden incluir, cuando corresponda, el aislamiento de los
equipos eléctricos y el uso de arneses de seguridad durante la toma de muestras difíciles.
Para las campañas de muestreo de mayor envergadura se deberán preparar procedimientos
escritos para cada participante.
109
Debido al volumen de las muestras requeridas para material grueso, es recomendable

utilizar tambores de 200 litros para mantener las muestras originales y los distintos tipos de
fracciones de tamaño luego del harneado. También será necesario contar con una grúa
horquilla o un cargador frontal capaz de levantar los tambores para maniobrar las muestras
durante el dimensionado. Los tambores deberán ser manipulados por medio de estrobos y
levantadores de tambor en el caso de usar una grúa horquilla. Se requerirá en sitio de los
siguientes recursos/equipos:
• al menos 4 personas (incluyendo el operador de la grúa horquilla/cargador frontal)
• tambores de 200 litros o similar
• baldes y palas
• balanza de plataforma de 0-500kg
• cargador frontal o grúa horquilla
• tamices de 450mm (106, 75, 53, 36.5, 26.5, 19 y 13.2mm) y 200mm (9.5, 6.7, 4.75,
3.35, 2.36, 1.18mm y 850, 600, 425, 300, 212, 150, 106, 75, 53 y 38µm)
• harneros de barra plana de ‘un agujero’ (1090, 125, 150, 175 y 200mm)
Buenos baldes son herramientas esenciales para el muestreo de slurry. Use baldes de 10 o
20 litros con buenos sellos en las tapas. Pese los baldes (con o sin la tapa). Intente tomar
10-.15 kg de pulpa desde cada una de los puntos de muestreo. Con una mayor cantidad, el
proceso de filtrado puede transformarse en algo más tedioso que lo habitual.
5.4.2 Alimentación de Molino o Chancador
Como se indicó previamente, el tamaño de la muestra para corrientes gruesas puede ser
poco práctico debido a consideraciones estadísticas (Sección 5.2.2). Para enfrentar este
problema, JKMRC ha adoptado una metodología basada en una combinación de muestreo
grueso y fino que se describe a continuación.
Luego de efectuar el crash stop del chancador o molino y aislar el propulsor de la correa de
alimentación, se puede tomar la muestra de alimentación. Esto incluirá un corte completo
de 2-5m de correa más a lo menos 50 rocas +75mm. Normalmente corresponderá a una
muestra total de 500-800kg. Si hay disponibilidad de ayuda, un muestreo habitual de ROM
de un molino SAG requerirá de 4-6 personas y tomará aproximadamente 30 minutos en
completarse. El procedimiento debe ser como sigue.
Revisar la velocidad de la correa transportadora usando un tacómetro acondicionado con

una rueda de medición de velocidad lineal o un cronómetro para medir cuanto demora una
marca en la correa en pasar entre dos puntos separados por una distancia conocida, digamos
50m.
110
Designar la sección de la correa de la cual se recogerá la muestra de alimentación y

disponer adecuadamente de los tambores de 200l, palas, escobillas y receptáculo para polvo
en preparación para el muestreo.
Una vez que sea seguro acceder a la correa, caminar a lo largo de esta y remover a lo menos
50 rocas grandes mayores de 75mm. Determinar la longitud de correa desde la cual se
recogieron las rocas. Suponiendo que la distribución de tamaño de alimentación pueda ser
representada por la distribución binomial, esto debiera proporcional una estimación
razonable del extremo grueso.
Luego de remover las rocas gruesas, seleccionar una sección de la correa de 2-5m que
represente una estructura típica de cargas de finos y remueva todos los sólidos en la sección
medida. La figura 5.4 ilustra el proceso de muestreo de la alimentación ROM del molino
AG en la Mina Elura de Pasminco.
Figura 5.4: Ejemplo de muestreo de alimentación fina ROM del molino AG 7.11 x 3.78m en la
Mina Elura de Pasminco.
Figura 5.5: Ejemplo de dimensionado de alimentación gruesa ROM del molino AG 9.4 x 5.6m en
WMC LNO
111
Se recomienda utilizar una balanza de plataforma sobre el piso del pasillo de peatones de la
correa de manera de devolver la rocas a esta luego de dimensionadas y pesadas. A
continuación se combina esta distribución de tamaño con la distribución de tamaño de
alimentación determinada a partir de los 2-5m de corte de finos en la correa (masa por
metro en cada fracción de tamaño -75mm) para obtener una distribución de tamaño de
alimentación completa, como se indica en la Figura 5.6
Figura 5.6: Ejemplo de distribución de tamaño de alimentación ROM del molino SAG usando el
procedimiento de muestreo en correa de JKMRC en la Mina Red Dog de Cominco
El mejor método para un molino de bola es detener la correa de alimentación y remover

alrededor de 1-2 metros (alrededor de 20-25kg). Sobre la base de un tamaño superior de
12m m y removiendo 25kg, esto debiera demorar 5-10 minutos.
Los chancadores alimentados directamente desde el sobretamaño del harnero son

normalmente un desafío importante. Una grúa con cucharón colocada sobre el chancador
permite tomar una buena muestra. Asimismo, el muestreo del harnero de la descarga puede
requerir de muestreadores con reborde de diseño adecuado para cortar, ya sea la corriente
completa o parte de esta. Muestras programadas con precisión pueden proporcionar datos
de dimensionado y tasa de flujo adecuados. Una correa de alimentación larga es útil para
obtener una alimentación que puede ser sub-muestreada, como se discutió previamente,
alimentada a través del chancador e identificado y muestreado el producto final, utilizando
el esquema de marcado mencionado en la Sección 5.3.2.
Es casi imposible hacer que harneros y chancadores operando en paralelo se comporten de

idéntica manera. En consecuencia, es mucho mejor probar una unidad sobre un rango de
condiciones operativas.
Las mediciones de flujo de masa están disponibles inmediatamente después del pesaje.
Usualmente es satisfactoria una diferencia relativa de menos de 20% entre el flujo de
alimentación y de producto. Una variación inferior a 10% es adecuado para muestreo
alrededor de circuitos de chancado y harneado.
112
5.4.3 Contenidos del Molino
Distribución de Carga
Los modelos de molino AG/SAG de JKMRC se basan en el cálculo de la masa y

distribución de tamaño de la carga del molino (Capítulo 7). Esta información está
disponible a menudo de estudios de planta piloto. Si la distribución de tamaño de bolas y
carga para un molino dado no está disponible, se determina por análisis retrospectivo a
partir de la distribución de tamaño de descarga estudiada y una estimación de masa y
llenado. En esta instancia, las tasas de rotura del molino pueden no ser únicas en el sentido
que el rango de regímenes de rotura puede producir una descarga y llenado de molino
similar, aunque una gran diferencia en la distribución de tamaño de carga. Para
proporcionar los datos necesarios para probar el modelo en molinos de escala completa,
JKMRC ha emprendido en tres ocasiones diferente la ardua tarea de dimensionar el
contenido completo de un molino, a saber, en Warrego, Alcoa Pinjarra y Red Dome.
Lidiar con cientos de toneladas de carga, que incluye sólidos y slurry, requiere que la tarea
sea dividida en dos fases, el bombeo del slurry y la remoción de sólidos por medio de palas
mecánicas y camiones o cargadores frontales. Esto requiere que el molino tenga una
abertura en la carcasa para permitir la descarga de sus contenidos.
El slurry debe drenarse al sumidero de piso del molino desde donde puede bombearse a
otro tanque o circuito. Durante el bombeo se debe medir la tasa de flujo del volumen y
recoger muestras de slurry para análisis de densidad y tamaño.
La fracción sólida debe cargarse en los camiones disponibles usando cargadores frontales y
luego de pesados en la romana, vaciados en algún área despejada adecuada. Luego se debe
revolver y reducir manualmente, por medio de tamices, a un tamaño adecuado de 13.2mm.
El tratamiento de dichas muestras se describe en la Sección 5.6. La Figura 5.7 muestra una
porción de la carga del molino SAG Red Dome descansando sobre el piso del molino, antes
de ser depositada en camión.
Figura 5.7: Ejemplo de carga del molino SAG de 5.0 x 6.6 en la Mina Nuigini Minino Red Dome
113
Un procedimiento alternativo que puede proporcionar una adecuada estimación del extremo
grueso de la distribución de tamaño de la carga es remover unas cuantas toneladas del
molino después de inching el molino por varias revoluciones. Se requiere del inching para
mezclar los contenidos y evitar la segregación.
Las Figuras 5.8 y 5.9 muestran el molino SAG WMC Mt. Keith en el proceso de ser inched
luego de lo cual se removió, con la máquina de revestimientitos, una muestra acanalada de
aproximadamente dos toneladas y se vació para análisis en seis tambores.
Figura 5.8: Ejemplo de carga del molino SAG de 9.4 x 5.6 durante inching en WMC Mt. Keith
Figura 5.9: Muestreo de carga de molino SAG en WMC Mt. Keith
114
Llenado del Molino
El llenado del molino es el volumen de carga en el molino, el cual es el determinante

principal del consumo de energía. En el caso de los molinos de bola, el llenado permanece
relativamente constante a través del tiempo ya que esta compuesto fundamentalmente por
bolas de acero. Sin embargo, en los molinos AG/SAG el mineral de alimentación
contribuye con cantidades importantes de roca a los medios de molienda. Debido a ello, las
variaciones en la dureza y distribución de tamaño del mineral de alimentación afectará la
cantidad de mineral en el molino y, por ende, en el consumo de energía. El conocimiento
del llenado del molino es, en consecuencia, un parámetro clave del estudio de molienda ya
que cuantifica la respuesta de un molino dado, a las características predominantes del
mineral de alimentación.
Una medición directa de la carga implica el crash-stop del molino AG/SAG cargado,
mientras corre en estado de equilibrio. Una vez que se logra acceso al molino, típicamente
después de remover el chute vía trunion del extremo de alimentación, se mide el ancho de
la carga en tres lugares junto con las dimensiones entre revestimientos. A partir de dichas
mediciones se puede calcular el volumen de carga usando geometría simple, como se
muestra en la figura 5.10
Figura 5.10: Ejemplo de parámetros de geografía de carga del molino usados para calcular el
volumen
α
S = 2r sin (5.10)
2
 α
h = r 1- cos  (5.11)
 2
h S2
r= + (5.12)
2 8h
h
Ac =
6S
( 3h 2 + 4 S 2 ) (5.13)
115
Ac
V = 100 x (5.14)
A
A = π r2 (5.15)
donde S = longitud de cuerda (m)

r = radio del molino (m, entre revestimientos)
h = profundidad de carga (m)
α = ángulo que subtiende la cuerda en el centro del molino (º)
Ac = área de sección transversal de carga del molino (m2)
A = área de sección transversal del molino (m2)
V = estimación del llenado del molino (%)
La formula de aproximación de llenado de molino Allis Chalmers, basada en la distancia

medida entre el techo del molino y la superficie de carga, es como sigue:
H 
V = 113 −  × 126  (5.16)
D 
donde H = distancia vertical entre la superficie de carga y el techo del molino,

entre revestimientos.
D = diámetro del molino, entre revestimientos
Morrel (1994) demostró que la ecuación 5.16 entrega valores relativamente altos para
llenados menores que 20%.
Figura 5.11: Ejemplo de carga de bolas luego de grind-out Red Dome
116
Es difícil estimar el llenado del molino de bola ya que está mezclado con carga de mineral,
por lo que se requiere de un grind-out. El tiempo necesario para el grind-out depende del
molino, carga de bolas y dureza del mineral alimentado. Normalmente son suficientes
menos de 30 minutos para lograr menos de un pequeño porcentaje de carga de mineral
como lo ilustra el grind-out del molino Red Dome mostrado en la Figura 5.11. Sin
embargo, debido al daño que puede producir este procedimiento en
revestimientos/elevadores no es siempre posible o deseable. En su lugar, una solución
alternativa es usar el modelo de energía JKMRC (Capítulo 11) y el llenado medido del
molino y el consumo de energía bajo carga reducida (digamos 50%). Es posible determinar,
por tanteo, una carga de bolas que produciría el consumo de energía medido.
Nótese que para algunos molinos AG/SAG de mayor diámetro es posible acceder al trunión
de descarga vía el tromel para medir la distancia entre el borde del trunión y la superficie de
slurry en el elevador. Esta medición puede ser luego usada para estimar el volumen de
slurry en el molino ya que su nivel real relativo a la carga total es aquella encontrada detrás
de las parrillas.
Crash-Stop Controlado del Molino
Habiendo decidido el crash-stop del molino AG o SAG, vale la pena resaltar que se puede
inferir una indicación indirecta de la naturaleza de la carga en el molino a partir de la
respuesta del molino justo antes de su detención. La experiencia ha demostrado que si se
mantiene corriendo el molino después de detener simultáneamente toda la alimentación de
mineral y agua, scats y reciclo de slurry al molino, la energía y carga del molino debiera
caer a medida que se produce el grind-out. Esta condición se ve reflejada en una carga que
no tiene slurry visible en su superficie, como se muestra en la Figura 5.12
Figura 5.12: Ejemplo de una carga ‘seca’ de molino luego de una rutina crash-stop bajo carga
117
Sin embargo, si el molino no es capaz de descargar efectivamente el slurry, se formará una

poza en el talón de la carga. Si el molino es crash-stopped bajo condición de carga en
estado de equilibrio, se evidenciará el slurry sobre la carga de roca.
Sin embargo, durante un crash-stop controlado, una vez que toda la alimentación al molino
se ha detenido, el slurry tiene oportunidad de drenar, la carga se hace menos fluida y
comienza a consumir más energía (ie. el torque requerido para superar la creciente fricción
de levante de la carga). Esta condición ocurre normalmente a altas cargas de reciclo en
molinos de circuito cerrado AG/SAG, pero pueden presentarse problemas incluso en
molinos de circuito abierto de alto rendimiento. Encontramos evidencia de dicha condición
en la Figura 5.13 donde se muestra la energía y datos de carga de un molino, extraído de un
estudio de circuito, en el molino AG de circuito completamente cerrado en WMC LNO. Se
produjo una incremento repentino de la energía, de aproximadamente 600-800 kW, con la
correspondiente reducción de carga de 20t cuando se detuvo las corrientes de alimentación
y reciclo.
En molinos de overflow, por supuesto, debe existir exceso de slurry para permitir la
descarga a través del trunion. Es esperable, por consiguiente, que mientras menos capaz sea
un mecanismo de descarga de parrilla de remover el slurry en el molino, menor será el
consumo de energía. En el caso extremo, cuando el slurry se forma hasta el nivel del
trunion de alimentación, la energía de un molino de descarga por parrilla será igual a la de
un molino de overflow de dimensiones equivalentes
Figura 5.13: Ejemplo de la energía y respuesta de carga de un molino durante una prueba de
procedimiento de crash-stop controlado en WMC LMO
118
5.4.4 Descarga del Molino
Ya que muy pocos sistemas de descarga de molinos están diseñados con el muestreo en
mente, se necesita de un cortador largo y ancho adecuado (Sección 5.2.4). La pulpa surge y
se esparce a través del harnero del tromel hacía el sumidero de la bomba. Los principales
problemas enfrentados están causados usualmente por restricciones de espacio y/o el tromel
y su estructura circundante. A menudo es muy difícil mover el cortador en la zona de
muestreo. En ocasiones solo se puede acceder a una porción de la corriente. Esta limitación
debe evitarse a toda costa. Los puntos a lo largo del ancho deben muestrearse en turnos. Las
otros dificultades menores se relacionan con la contaminación de la adición de agua del
tromel hacía la muestra de descarga del molino. Esto puede conducir a una subestimación
del porcentaje de sólidos en el molino.
5.4.5 Mill Scats o Producto de Chancado
Dependiendo de la configuración del molino y el circuito, los scats o producto de chancado

pueden variar en tamaño desde 5mm a un tamaño máximo de 100mm. En consecuencia, la
cantidad de muestra necesaria debe basarse en el tamaño de partícula esperado (Sección
5.3.2). Como una guía el material típico del menor tamaño de parrilla que reporta al
conveyor de sobretamaño del tromel AG/SAG, tiene un tamaño máximo de 25mm por lo
que una muestras de 1-2 metros de correa (alrededor de 25-50kg) debe ser suficiente. La
remoción de esta muestra desde una longitud medida de la correa no debiera demorar más
de 10 minutos. Si se conoce la velocidad de la correa es conocida, se puede utilizar el
ejemplo para chequear el pesómetro de la correa de scats.
A menudo es útil un chute de diversión para mantener el bajo tamaño de la parrilla alejada
del bajo tamaño del chancador en el conveyor. Una estrategia que funciona en ocasiones, es
poner en reversa el conveyor del bajo tamaño del chancador, descargando el producto
combinado. Esto deja disponible para muestreo una pequeña sección de correa de producto
de chancador.
Nótese que puede lograrse una buena estimación de la apertura real de la parrilla, a partir
del espesor de las rocas más grandes extraídas de la correa de scats.
5.4.6 Alimentación del Ciclón
Esta muestra es vital para algunos circuitos y puede ayudar significativamente en el balance
de masas de los datos. Se toma generalmente de una pipeta de sangrado, en la parte superior
del distribuidor o de un ciclón de repuesto en la batería de ciclones, corriendo parcialmente
lleno de manera que toda la alimentación reporte al underflow. En este caso, el
procedimiento debe ser primero correr brevemente el ciclón especifico para despejarlo,
cerrarlo y luego abrir parcialmente la válvula de manera que el ciclón no se llene
completamente. En ese momento, se puede muestrear la alimentación en el underflow de
ese ciclón específico. Debido a que el tubo de sangrado se bloquea frecuentemente, tome
esta muestra solo dos veces durante el estudio (comienzo y fin). Durante el balance de
119
masa, inspeccione este resultado, especialmente para irregularidades debido a muestreo

inadecuado.
5.4.7 Underflow y Overflow de Ciclón
Dependiendo del spray del underflow slurry, el muestreo puede ser difícil o fácil. Se
requiere algo de práctica. Los puntos a través del ancho total del spray deben muestrearse
por turnos. Puede ser difícil lograr buenos datos de porcentaje de sólidos y pueden
encontrarse dificultades al vaciar la pulpa en los baldes. Un total de alrededor de 10-15kg
es lo adecuado.
El overflow del ciclón debe ser el mejor ejemplo. Debe recolectarse cerca de la batería de
ciclones. Se debe muestrear el producto combinado de una batería de ciclones ya que
cualquier ciclón individual probablemente no será representativo. Un total de 3-5kg de
pulpa es lo adecuado.
5.4.8 Distribuciones de Tiempo de Residencia
Durante la representación de molienda como proceso de tasa (Sección 4.4) es necesario, a

menudo, determinar la distribución del tiempo de residencia (RTD) en el molino o circuito.
Luego el RTD es modelado como un número de mezcladores perfectos en serie.
Es convencional utilizar un trazador soluble en agua, tal como el cloruro de litio y suponer
que los sólidos y el agua tienen el mismo RTD (Seller et al 1988). Se introduce el trazador
en una parte adecuada del circuito (e.g. alimentación del molino) como un impulso en el
tiempo cero y se toman muestras de alguna corriente adecuada (e.g. descarga del molino) a
intervalos programados. Luego se analizan las muestras para litio utilizando
espectrofotometría de absorción atómica y se presentan los resultados como ppm de Li
versus tiempo. Seller (1981) describe el método y procedimiento de cálculo.
5.5 PROCEDIMIENTOS DE ANÁLISIS DE LA MUESTRA
5.5.1 Partición de la Muestra
Los métodos comunes de partición de una muestra incluyen:
• Coning y cuarteado
• Paleado fraccional
• Partición riffling
• División rotativa de la muestra
El método más confiable, conveniente y barato es riffling y división rotatoria. Sin embargo,
para muestras grandes, la metodología del paleado fraccional es el mejor. En este método,
120
se mueve la muestra total por medio de paleado manual o mecánico a N pilas, una de los
cuales es seleccionada en forma aleatoria y mantenida como muestra, representando un
radio de muestreo de 1/N. El lote de muestra inicial debe contener al menos 50N paladas
llenas.
5.5.2 Peso Específico del Mineral
El peso específico del mineral afecta la densidad de carga en el molino y los cálculos de
volumen de flujo para corrientes de slurry en el circuito (ver además los comentarios en
Sección 5.4.3). Las variaciones en el peso específico del mineral están asociadas
normalmente con la dureza y, como tal, deben probarse muestras tanto de la alimentación
ROM como de la carga del molino. Se pueden utilizar botellas para peso específico
(verifique que todo el aire haya sido removido) o instrumentos de gas helio para determinar
el peso específico de muestras de particulado.
5.5.3 Dimensionado de Partículas
El principal procedimiento analítico para la medición del rendimiento en circuitos de

trituración, es la determinación de la distribución de tamaño de sólidos en las muestras
tomadas durante el estudio. Existen muchas técnicas para el análisis de tamaño de partícula;
Wills (1992) proporciona un buen resumen y Allen (1996) cubre el tema en profundidad.
El método más común es el tamizado y este es el método asumido en los comentarios que
siguen. Sin embargo, existen actualmente disponibles varios métodos alternativos de
dimensionado fino (sub-tamizado). En el Apéndice 3 se consideran con más detalle los
métodos de análisis de tamaño, con sus ventajas y desventajas. Para el siguiente análisis es
importante verificar que
1. Cualquiera sea el método elegido, sea aplicado cuidadosa y correctamente.
2. El investigador está conciente de las diferencias en el resultado que producirán los

distintos métodos.
Dimensionado de Muestras de Finos de Alimentación ROM o de Chancador/Harnero
Las muestras de alimentación fina deben analizarse usando el siguiente procedimiento:
• Se pesa la muestra total de finos. Luego se seca la muestra total y se pesa para obtener
el contenido de humedad.
• Se dimensiona la muestra total en harneros de 450mm usando una serie 2 de tamices

hasta, digamos, 13.2mm. Para muestras de estudio de harneros es útil, en ocasiones,
agregar tamices de 4 2 alrededor del punto de corte esperado en el harnero. Esto ayuda
a evitar la sobrecarga del tamiz del laboratorio y define mejor la eficiencia de la
separación. Luego se puede revolver y reducir el bajo tamaño para producir una muestra
menor (aproximadamente 5-10kg).
121
• Se debe pesar la muestra de bajo tamaño total y se dimensionar en bases de harnero de

200mm, desde 9.5mm hasta 1.18m (9.5, 6.7, 4.75, 3.35, 2.36, 1.40 y 1.18mm). El bajo
tamaño puede ser revuelto y reducido para producir una muestra menor
(aproximadamente 250g). Esta muestra se trata del mismo modo que las muestras de
slurry seco.
Dimensionado de Muestras de Alimentación de Molinos de Bola
Las muestras de alimentación deben tratarse de una manera levemente diferente:
• Se debe separar y pesar húmeda una pequeña muestra de aproximadamente 10kg.

Luego se debe secar al hormo y pesar nuevamente para obtener el contenido de
humedad.
• El restante de la muestra debe pesarse húmeda, secarse al aire y dimensionarse en bases

de harnero de 200mm desde 19mm hasta 1.18mm (19, 16, 13.2, 9.5, 6.7, 4.75, 3.35,
2.36, 1.40 y 1.18mm). El bajo tamaño puede ser revuelto y reducido para producir una
muestra menor (aproximadamente 250g). Esta muestra se trata del mismo modo que las
muestras de slurry seco.
Dimensionado de Muestras de Slurry
Las muestras de slurry deben analizarse usando el siguiente procedimiento:
• La muestra total debe ser analizada húmeda, luego filtrada con presión, lavada con
acetona y secada al aire. Se debe pesar la muestra seca y calcular el porcentaje de
sólidos.
• La muestra total debe dimensionarse en bases de harnero de 200mm desde 9.5mm hasta
1.18mm (9.5, 6.7, 4.75, 3.35, 2.36, 1.40 y 1.18mm). El bajo tamaño puede ser revuelto
y reducido para producir una muestra menor (aproximadamente 250g).
• La sub muestra -1.18mm se debe harnear húmeda a 30µm, recolectar el bajo tamaño si
se requiere para análisis adicionales y secar el sobretamaño.
• El material +38µm debe pesarse y harnearse usando una serie 2 de tamices (0.850,
0.600, 0.300, 0.212, 0.150, 0.106, 0.075, 0.053 y 0.038mm). El tiempo de tamizado
debe ser de aproximadamente 20 minutos. Cada fracción de tamaño debe ser luego
pesada.
• Se deben mantener todas las muestras para eventuales análisis futuros, eg. evaluación.
• Si se necesita información en el rango bajo 38µm, para análisis de circuito, el material

de -38µm debe ser sub-muestreado y analizado por medio del método adecuado, e.g.
cyclosising o dimensionado por difracción láser (Apéndice B).
122
Dimensionado de Muestras de Scats
Las muestras de scat deben tratarse de manera similar a las de alimentación:
• La muestra debe pesarse húmeda, luego se debe secar al hormo y pesar nuevamente
para obtener el contenido de humedad.
• La muestra seca debe dimensionarse en bases de harnero de 200mm desde 19mm hasta
4.75mm. El bajo tamaño debe pesarse y registrarse.
5.6 ANALISIS DE LOS DATOS
5.6.1 Inspección Inicial de los Datos
Es importante para el balance de masa de los datos obtener una imagen racional a través del
circuito y obtener la mejor estimación para cada cantidad por medio de redundancia de
datos.
La precisión requerida para los datos de la investigación depende de los objetivos de los
estudios. Los estudios de circuitos de trituración se ejecutan normalmente para generar
datos confiables, que puedan evaluarse para determinar como lograr una mejora relativa en
el rendimiento del circuito, no necesariamente un resultado absoluto.
Existen varios procedimientos de análisis de datos que pueden utilizarse para evaluar los
datos, antes de usar una paquete de balance de masas computarizado como JKMBal
(incluido en JKSimMet)- Apéndice 4. Es recomendable que estos se apliquen a los datos
antes de intentar el balance de masa ya que se puede lograr un profundo conocimiento a
partir de una rápida revisión de la consistencia global.
El balance de masa más común se efectúa alrededor de un clasificador o sumidero. Como

ejemplo, se describe a continuación un balance de ciclón.
Se puede utilizar para evaluar los datos dos simples análisis manuales
• un balance de agua alrededor del ciclón, y
• un cálculo de la partición de masa en cada fracción alrededor del ciclón.
Ambos cálculos están basados en la formula de dos de productos, tal como se describe a
continuación.
Sean F, O y U los flujos de masa de sólido, fi, oi, y ui el porcentaje de peso en cada fracción
de tamaño y %SOLf, %SOLu y %SOLo el porcentaje de sólidos en alimentación, underflow
y overflow respectivamente (Figura 5.14).
123
Figura 5.14: Cantidades alrededor de un hidrociclón
El balance de masa alrededor del nodo para sólidos viene dado por
F = O+U (5.17)
y para cada fracción de tamaño por
F . f i = O.oi + U .ui (5.18)
y para agua por
 100   100   100 

 − 1 F =  − 1 O+  − 1 U (5.19)
 % SOL f   % SOLo   % SOLu 
Entonces la partición de masa de sólidos a underflow puede estimarse a partir de los datos
de distribución de tamaño y/o porcentaje de sólidos. Cada fracción de tamaño proporciona
un estimado de la partición total de masa de sólidos, mientras que el porcentaje de sólidos
proporciona una sola estimación.
Por consiguiente, de cada fracción de tamaño
U f i − oi
Partición total de masa a overflow, = (5.20)
F ui − oi
o, partir de las mediciones de porcentaje de sólidos
1 1
−
U % SOL f % SOLo
Partición total de masa a overflow, = (5.21)
F 1 1
−
% SOLu % SOLo
124
Para calcular el flujo de volumen de slurry para la corriente de alimentación,
Q = volumen de sólidos más agua, o
F  100 
Q= + − 1 F (5.22)
SG f  % SOL f 
donde SGf es la densidad de los sólidos de alimentación
Recuerde que en todos los casos los valores de alimentación deben encontrarse entre
aquellos del overflow y del underflow. La tabla 5.4 muestra un ejemplo en el cual los datos
de 75 y 53µm son inconsistentes. Si uno ignora estas dos fracciones, la partición de masa
promedio de las otras fracciones es 0.63 comparado con 0.30 del porcentaje de sólidos.
¡Hay un problema!
El balance de masa y el ajuste de la curva de eficiencia confirman que los datos de

porcentaje de sólidos son inconsistentes. Las fracciones de alimentación de 75 y 53µm, y
fracción de overflow de 53µm son definitivamente sospechosas. La Tabla 5.5 resume el
resultado del balance de masas de los datos del ciclón de la Tabla 5.4 utilizando JKMBal.
Tabla 5.4: Ejemplo de datos inconsistentes
Partición
Tamaño
fi oi ui de masa
(µm)
U/F
212 10.1 1.8 21.7 0.42
150 12.4 4.5 19.1 0.54
106 15.5 11 16.8 0.78
75 16.2 11.2 11.9 7.14
53 7.8 3.9 4.8 4.33
38 4.9 7.9 3.7 0.71
-38 33.1 59.6 21,9 0.70
%SOL 49 44 67 0.30
Por ejemplo, si los datos de tamaño se suponen todos de similar error, entonces los
resultados de JKMBal sugieren que los sólidos de alimentación deben ser alrededor de
53%, con overflow de 42% y underflow de 66% (ver Tabla 5.5). El dimensionado de
overflow y underflow se ve correcto; algunos de los tamaños de alimentación necesitan
ajuste.
Si es posible ignorar los dimensionados de alimentación, entonces el balance seguirá el

porcentaje de sólidos. ¿Qué creemos? ¿Cuan adecuada era la muestra de alimentación?
¿Fue un corte de corriente completa? ¿Era adecuado el punto de muestreo? Estas son las
preguntas típicas cuando surgen estas inconsistencias en los datos. Solo con el respaldo del
ajuste del modelo, conocimiento del procedimiento de estudio y errores y dificultades
probables y resultados de balance de masa, es posible solucionar este problema. La
125
conclusión en este caso es que los datos experimentales no son consistentes y se requiere de
alguna corrección de datos.
Tabla 5.5: Ejemplo de resultados JKMBal para datos de ciclón inconsistentes
Alimentación. FLUJO /O FLUJO /U

DATOS DE
Valor Valor Valor Valor Valor Valor
CORRIENTE
Experim. Calculado Experim. Calculado Experim. Calculado
TPH sólidos 340 340 - 142 - 198
TPH agua 354 298 - 195 - 103
% sólidos 49 53.3 44 42.1 67 65.8
P80 (mm) 0.160 0.172 0.097 0.098 0.214 0.213
Tamaño (mm)
0.212 10.1 12.6 1.8 1.7 21.7 20.4
0.150 12.4 12.9 4.5 4.4 19.1 19.0
0.106 15.5 14.8 11.0 11.3 16.8 17.4
0.075 16.2 13.2 11.2 12.4 11.9 13.8
0.053 7.8 5.0 3.9 4.3 4.8 5.6
0.038 4.9 5.3 7.9 7.6 3.7 3.6
-0.048 33.1 36.2 59.7 58.4 22.0 20.3
5.6.2 Balance de Masa
El balance de masa es probablemente más útil como método para evaluación de datos.
Existe, sin embargo, la percepción común de que el balance de masa puede corregir datos
erróneos. Esto simplemente no es cierto. El balance de masa ayuda a identificar los datos
erróneos a fin de refinar las técnicas de medición de manera de recoger mejor datos la
siguiente vez.
La regla general es que uno no debe apurarse demasiado con el balance de masa. Verifique
que los datos hayan sido bien evaluados primero y que se ha desarrollado cierta percepción
sobre cuales debieran ser los valores de las corrientes en el circuito.
Un prerrequisito para el balance de masa es la redundancia de datos (más datos de los que
se requiere para calcular un balance por diferencia). Afortunadamente, la recolección de
datos de un circuito de molienda involucra cierto grado de redundancia de datos lo que
permite la verificación del balance, especialmente de los resultados de porcentaje de sólidos
y dimensionado. Si se detecta que el balance de agua y el balance de dimensionado no
concuerdan, es probable que la muestra (muestras) no es representativa o ha ocurrido un
error.
Para balancear la masa de los datos de un circuito de trituración, se necesita suponer con
precisión un corriente de referencia cero (i.e. contiene error cero). En los circuitos de
molienda, este valor se obtiene de la lectura del pesómetro de la alimentación nueva
después de la corrección por humedad. Es usual suponer condiciones de estado de
equilibrio (ie. Entradatph=salidatph a través de todo el circuito o ciclón o
ftph=alimentacióntph). El concepto de pesar los datos medidos en JKMBal puede
126
considerarse como la inclusión de experiencia previa en el procedimiento de cálculo. El

equivalente matemático de experiencia previa es la estimación de variancia. Como tal,
JKMBal minimiza la suma de los errores cuadráticos de los pesos, es decir,
2
N L X −x  L  A −a 
SSQ = ∑∑  ij ij  + ∑ 
j i
 (5.23)
 σ
j =1 i =1  ij  i =1  σ ij 
con respecto a aij y ai y sujeto a las restricciones de balance de material existentes. N es aquí
el número de mediciones, L el número de corrientes, X es una medición (e.g. sólidos,
ensayo, tamaño), x es la medición ajustada, A es el flujo medido y a el flujo ajustado. σij y
σi son los pesos o desviaciones estándar para las mediciones y flujo respectivamente.
Ponderaciones para Datos de Dimensionado
La elección de las ponderaciones es sumamente importante, especialmente para datos de

dimensionado. En la práctica, rara vez hay valores medidos de σ disponibles. En tales
casos, la combinación de muestreo y errores de medición es más convenientemente
considerado como una combinación de un error fijo y un error relativo, cuando hay
suficiente cantidad de partículas presentes (i.e. más de 10,000 en el rango de tamaño de
internes.
La metodología de JKMRC utiliza un sencillo modelo heurístico como sigue:
• Para más de 9% en peso en una fracción de tamaño 2 , se supone un error absoluto de

1%.
• Para menos de 9%, el error se toma como 0.1 más el porcentaje real dividido por 10
La Tabla 5 muestra que el modelo de error relativo resultante tiene aproximadamente la

misma forma que 1/x. Esta forma es típica de las curvas de reproducibilidad medidas
Tabla 5.6: Errores asumidos para el dimensionado de datos
Peso % Retenido d.s Absoluta d.s. Relativa

0.1 0.11 110
0.5 0.15 30
1.0 0.2 20
5.0 0.6 12
10.0 1.0 10
20.0 1.0 5
50.0 1.0 2
Los errores absolutos deben ser simétricos alrededor de 50%, i.e. similar para x% y 100-
x%.
127
Estos se denominan errores ‘Whiten’ o s.d., y están incorporados en JKSimMet.

Representan un buen procedimiento de muestreo y dimensionado en corrientes de slurry
más finos que 80%-2mm.
Para muestras más gruesas, el número de partículas en una fracción de tamaño específica de
una muestra se hace relevante. Para este tipo de error, el número promedio de partículas,
sobre muchas muestras, estima la variancia del número de partículas en cada una de estas
muestras. Para una muestra individual, podemos aproximar la desviación estándar por la
raíz cuadrada del número de partículas presentes (o usar ecuaciones 5.3 y 5.4). Para menos
de 100 partículas, esta fuente de error se hará muy importante. La combinación de los s.d.s
de Whiten y el s.d. basado en número trabajará entonces razonablemente bien para todos
los tamaños. Para trabajo crítico, 5 (o más) reproducciones establecerán cual puede ser
utilizado como un modelo de error.
Solución de Balance de Masa Sencillo para Datos Multicomponentes
Las matemáticas detalladas del balance de masa están más allá del alcance de esta
monografía. Sin embargo, para ilustrar los principios generales, se derivaran las relaciones
básicas para un caso sencillo.
Para un único nodo como el ciclón analizado anteriormente, es sencillo derivar una
solución para la tasa de flujo basado en los datos de tamaño o ensayos. Considere un ciclón
como un nodo único, como se muestra en la Figura 5.15.
Figura 5.15: Balance de masa con datos multi-tamaño en cada corriente (fi, oi, ui)
El objetivo del balance de masa es encontrar el mejor ajuste de partición de masa a

underflow, B, y ajustes a los valores de porcentaje de pesos retenido medido, fi, oi, y ui, ya
que las estimaciones de B calculadas de la ecuación 5.20 serán rara vez consistentes. La
solución es encontrar las fracciones de masa ajustadas en cada fracción de tamaño,
f i , oi y ui tales que la suma de los errores cuadráticos entre masas medidas y ajustadas, en
cada fracción, sea minimizada, esto es
∑ ( u − β ui ) + ( oi − (1 − β ) oi ) + ( fi − fi ) 
2 2 2
Minimizar (5.24)
i
i

128
con respecto a β , oi , ui , y f i , sujeto a la restricción que ui + oi = f i .
En el mínimo, el error residual o de balance de masa es para cada tamaño
∆ i = fi − β ui − (1 − β )oi (5.25)
Existen un número de variaciones de la solución a este problema. El caso general de

permitir considerar la precisión de la medición de cada variable, esta fuera del alcance de
este texto y se maneja mejor con software como JKMBal.
La solución ofrecida aquí está basada en el método de los multiplicadores de Lagrange, el

cual se utiliza para simplificar los problemas de minimización o maximización que están
sujetos a condiciones o restricciones. Las restricciones se expresan de manera tal que son
iguales a cero. En este ejemplo la restricción se escribiría como
ui + oi − f i = 0 (5.26)
Luego la suma de los cuadrados a minimizar se modifica agregando cada ecuación

restringida multiplicada por un multiplicador de Lagrange (el +2 es por conveniencia),
como sigue:
∑ ( u − β u ) + ( o − (1 − β ) o ) + ( f − f i )  − 2∑ λi ( ui + oi − f i )
2 2 2
(5.27)
i
i i i i i
 i
Diferenciando la expresión anterior con respecto a los multiplicadores de Lagrange λi, y

cada una de las incógnitas β , oi , ui , y f i , y haciendo las sustituciones apropiadas, se puede
demostrar que la solución que mejor se ajusta a la partición de masa a underflow es
∑ (o − u )( f − o )
i
i i i i
β =− (5.28)
∑ (o − u )
i
i i
2
Esta solución asume que no se midieron variancias de datos y por consiguiente su valor es
uno. La manera usual de distribuir los errores de balance de masa, ∆i , entre los valores
medidos, para proporcionar valores ajustados que sean numéricamente consistentes a las
tasas de flujo calculadas, es como sigue:
∆i ∆i ∆i
f i = fi − ui = ui − oi = oi − (5.29)
2 2 2
que asume que los errores de medición son proporcionales a las tasas de flujo de masa en
cada corriente
129
En general, la precisión de la medición de los componentes no será igual. Por ejemplo, para
incorporar una estimación de la precisión para cada fracción de tamaño, es necesario
ponderar el error cuadrático del componente con la variancia apropiada σ i2 , en cuyo caso
la solución se transforma en:
(oi − ui )( fi − oi )
∑
i σ i2
β =− (5.30)
(oi − ui ) 2
∑i σ i2
Las ponderaciones Whiten mencionadas anteriormente son una alternativa a las varianzas
experimentales si estas últimas no están disponibles.
Interpretando la Salida JKMBal
Existen, por supuesto, innumerables problemas que se pueden presentar durante el balance
de masa. Es posible, sin embargo, destacar algunos de los errores mas comunes. La única
manera de lograr un nivel de habilidad útil es practicar en un amplio rango de datos reales.
JKMBal ofrece un ambiente amistoso para lo que son técnicas matemáticas realmente
complejas y poderosas.
Durante la ejecución del programa, se despliega la pantalla Resumen. Un vez que la

ejecución se ha detenido, se actualizan los valores en la sección de resultados de la pantalla
resumen. Suponiendo que el balance ha arribado a una conclusión satisfactoria, también se
actualizan las desviaciones estándar calculadas de las tasas de flujo de sólido.
Las desviaciones estándar calculadas por el programa de balance de masa, para cada tasa de
flujo de sólidos, son análogas a las estimaciones precisión del parámetro por ajuste de
mínimos cuadrados, esto es, las tasas de flujo de corriente sólida son los parámetros de
balance de masa.
Existen varias maneras en que el usuario puede juzgar si los resultados son correctos o
incorrectos:
• El resumen global o configurable es probablemente la manera más útil de chequear

datos y resultados. También permite la recuperación de cualquier componente a ser
desplegado para todas las corrientes.
• Comparar el tamaño u orden de magnitud de los DSs (desviación estándar) de la

corriente con el valor del flujo asociado. Cuando la DS es pequeña comparada con el
valor, como un radio, indica que la tasa de flujo está bien definida por los datos. Si el
SD es grande, la tasa de flujo está determinada pobremente.
• Los valores resumidos en la parte inferior de la pantalla indican también el éxito del
balance. Pequeños valores en los campos SSQ estimados indican un buen balance;
valores grandes, un pobre balance. Si estos valores son menores en el balance más
130
reciente de lo que lo fueron en la ejecución previa, el balance está mejorando. Si están

creciendo, va en la dirección incorrecta.
Si los datos son consistentes y las estimaciones de error concuerdan, el SSQ será
aproximada mente igual al número total de puntos de datos (i.e. fracciones de tamaño y
ensayos) ajustado por JKMBal. Por ejemplo, un SSQ inferior a 60 para circuitos de
molienda del tipo mostrado en la Figura 5.1, representa un excelente balance.
• El ingeniero puede juzgar también el éxito relativo del balance mirando la pantalla de
Datos de Corriente (la opción Corriente del diagrama de flujo de Configuración de
Balance). Examine la columna Error. Los más útiles son el Error Ponderado y el Error
Relativo, versiones de la diferencia entre los datos para dimensionado calculados y
experimentales. Nótese que el SSQ es la suma de los errores ponderados a través de las
corrientes balanceadas.
• La facilidad de graficación de JKMBal permite al ingeniero graficar en bruto y ajustar

los datos de tamaño en la misma pantalla. Discontinuidades en los datos de tamaño
indican pobreza de datos o cambios en la técnica de medición de tamaño.
• El balance de masa puede ser desarrollado una unidad (o pequeña cantidad de unidades)
a la vez. Esto permite que los datos de prueba sean cuidadosamente evaluados. Si las
condiciones del circuito cambian a medida que avanza el estudio, las secciones aguas
abajo que permanezcan estable, entregaran probablemente resultados inútiles.
Contabilidad Metalúrgica
Los datos recogidos diariamente de una planta de procesamiento de mineral rara vez son
consistentes y casi siempre contendrán información redundante. En general, dos métodos
de cálculo cualquiera entregarán diferentes resultados. El desafío para la contabilidad,
metalúrgica es producir datos ajustados que sean a la vez consistentes y una representación
lo mas exacta posible del desempeño de la planta,
Si seleccionamos un periodo contable que sea relativamente largo, comparado con el

tiempo de residencia del circuito, podemos desarrollar un balance de masa sobre el
conjunto de datos completo. Si se requieren grandes ajustes, puede haber problemas en las
técnicas de medición o ensayo. Para aislar estos problemas seleccione para el balance de
masa circuitos más pequeños.
Generando Balances de Masa de Diseño
La función principal de JKMBal es ser una herramienta para análisis de datos

experimentales. Sin embargo, debido a su extremada conveniencia de uso, puede ser
utilizado también para generar balances de masa auto consistentes, basados en datos muy
limitados. Esto puede ser muy útil para el diseño de un nuevo circuito o para ayudar en la
generación de valores intermedios plausibles, para un circuito complejo donde el muestreo
es difícil o se han omitido algunos puntos de recolección de muestras.
131
5.6.3 Ajuste del Modelo
Los modelos de simulación JKSimMet aspiran a una meta clara – la de separar las
características del mineral de aquellas de la máquina de proceso. Esto se logra
fundamentalmente a través del uso de parámetros del mineral y de la máquina. Los
Capítulos 6 – 10 y 12 describen en detalle la estructura de dichos modelos y cuales
parámetros deben ajustarse. Esta sección, sin embargo, resume la metodología típica para el
desarrollo de un modelo de simulación usando JKSimMet (ver también Figura 1.1).
Para estudios de optimización, se determinan los parámetros del mineral a partir de pruebas
de caracterización de mineral sobre muestras representativas, según se discute en el
Capítulo 4., Los parámetros de la máquina (e.g. tasas de rotura) se calculan a partir de los
datos del estudio. Una vez que los modelos han sido ajustados a un circuito existente, se
puede predecir con exactitud el comportamiento del circuito sobre un amplio rango de
condiciones operativas.
Los parámetros de molino AG/SAG, chancador, molino de bola e hidrociclones se

determinan por técnicas numéricas de ajuste por mínimos cuadrados disponibles en
JKSimMet. En esta técnica, se ajustan los parámetros hasta que el modelo reproduce
‘mejor’ el producto observado, de la alimentación correspondiente a la unidad.
En estudios de diseño, donde no hay disponibles datos operativos, los parámetros de

máquina están basados en el diseño de criterio y grandes base de datos JKMRC sobre
unidades de proceso similares, procesando minerales de similar dureza.
Refiriéndose a la Figura 5.1, como el modelo es complejo e intensivo en cálculo,

normalmente se ajusta el molino AG/SAG separadamente con el tromel y/o ciclón en
circuito cerrado. Los parámetros del chancador de pebble son mejor determinados en
circuito abierto. Luego se ajusta el molino de bola en circuito cerrado, simultáneamente con
los hidrociclones y el tromel si hay información disponible.
Consejos sobre Ajustes
El ajuste de modelos (o estimación de parámetros) requiere de habilidad y juicio. Esta

sección identifica algunas guías útiles para ajustar a un modelo los datos recogidos de un
estudio de circuito de trituración. El lector debe remitirse a los manuales JKSimMet para
una explicación más detallada sobre el tema.
Habiendo decidido, a partir del análisis inicial de los datos o balance de masa, que los datos
de estudio son adecuados para el desarrollo de un modelo, es mejor partir con la unidad en
circuito abierto. Para un circuito como el mostrado en la Figura 5.1, esto significa
chancador, harnero, molino AG/SAG con tromel, chancador de pebble, molino de bola y
ciclón. Esto debiera proporcionar un conjunto de parámetros de modelo para cada unidad
en el circuito.
El JKMRC tiene acceso a una completa base de datos sobre modelos de proceso y la
librería de parámetros puede proporcionar una estimación inicial adecuada para los
parámetros requeridos.
132
El siguiente paso debe ser el ajuste en circuito cerrado del chancador/harnero, molino de
bola/ciclón, y molino AG/SAG/Tromel/chancador de pebble, usando los parámetros
determinados previamente para cada unidad de procesos. El ajuste en circuito cerrado
ayudará a reconciliar todos los datos de corriente en términos, no solo de producto de
circuito final, pero de cargas circulantes. Al hacerlo, las muestras de alimentación de
ciclón, que normalmente son de baja calidad, recibirán una menor prioridad comparado con
el ajuste en circuito abierto. Como JKSimMet no puede ajustar más de 10 parámetros a la
vez, solo se puede considerar un circuito cerrado por corrida.
Nótese que los circuitos de molino de bola/ciclón requieren en ocasiones de algunas

intervenciones manuales para encontrar la combinación correcta de parámetros de ciclón y
molino. A veces ayuda relajar las escalas en los parámetros de rotura del molino.
Una vez que se han ajustado los circuitos cerrados, puede ser posible el ajuste fino del
modelo del circuito, combinando el mismo y ajustando secuencialmente los parámetros de
cada uno por turnos. Esto puede tomar algunas iteraciones, pero el modelo de circuito final
debiera ser superior al mismo construido con modelos de procesos ajustados en circuito
abierto. Como tal, el producto de circuito final y las cargas circulantes deben ser predichas
mejor a partir de la nueva alimentación.
5.7 CONCLUSIONES
La adquisición de datos confiables de un circuito operativo reside en el corazón de

cualquier ejercicio de optimización. Se debe dedicar gran cuidado a la tarea ya que las
condiciones normalmente conspiraran para frustrar al investigador en cada esquina y la
necesidad de datos adecuados es absoluta; se deben evitar los compromisos hasta donde sea
posible.
La secuencia de eventos debe ser:
1. Definir los objetivos del estudio e identificar las unidades que se estudiarán.
2. Planificar el estudio considerando los puntos de muestreo, el tamaño de la muestra

requerida en cada punto, los datos a recoger y cualquier posible dificultad, e.g.
accesibilidad, interrupciones de producción, condiciones de desequilibrio, datos
faltantes, etc.
3. Desarrollar el estudio de acuerdo a los postulados de la buena práctica.
4. Análisis de muestras, nuevamente con cuidado.
5. Análisis y balance de masa de los datos; rechazar datos pobres o dudosos y medir
nuevamente si es necesario.
6. Usar los datos definidos según los objetivos, e.g. para estimación de parámetros, como
‘caso base’ para simulaciones, o para confirmar que se han logrado las mejoras
esperadas.
133
Este capítulo ha proporcionado los métodos y guías que permitirán emprender estudios
adecuados. Deben seguirse donde sea posible.
134
CAPITULO 6
CHANCADORES
6.
6.1 INTRODUCCIÓN
E l hombre se ha preocupado por el chancado de rocas y piedras desde los albores de

la historia. Por milenios, el tallado de rocas y la fabricación de cemento
representaron el pináculo de la ingeniería – tanto civil como militar.
Los primeros chancadores, que de alguna manera se parecían a los actuales, fueron molinos
de trituración y molinos de molienda de harina de trabajo pesado. Los de mayor interés en
tiempos recientes han sido:
• Chancadores de mandíbula
• Chancadores giratorios
• Chancadores de cono.
Actualmente son de interés creciente los chancadores de rodillo de varios tipos,

especialmente los Rodillos de Molienda de Alta Presión. También resaltan nuevas
variaciones de diseño del chancador de cono y el rango de chancadores de impacto está
logrando una amplia aplicación, particularmente en la producción de agregados. En este
capítulo se consideran las características generales de estas máquinas junto con sus
opciones de modelado y optimización.
6.2 OBJETIVOS DEL PROCESO
Todos los tipos de chancador producen reducción de tamaño. Sin embargo, pueden ser
usados en diferentes roles y en combinación con harneros de distintos tipos (Sección 12.3).
En orden de uso decreciente, estos incluyen
• reducción de tamaño máximo – a menudo como preparación de la alimentación para

circuito de molienda
• producto máximo de un tamaño específico, para agregados (a menudo también es

importante la forma de la partícula)
135
Capítulo 6: Chancadores
• reducción de tamaño máximo para manejo de materiales y diseño de correa

transportadora
• control de tamaño máximo con mínima producción de finos – para commodities como
hierro oro y carbón.
6.3 DESCRIPCIÓN DEL PROCESO
Los chancadores vienen en muchas variedades. El más simple es el chancador de

mandíbula, el cual se considera en primer lugar en esta discusión ya que conduce
naturalmente a la ampliamente usada metodología de modelado Whiten. Otros tipos de
chancadores se describen en conjunto con el modo en que son modelados.
Un proceso de trituración consiste normalmente de muchos eventos de rotura combinados

con un proceso de selección. Estos procesos pueden operar simultáneamente o
consecutivamente o ambos, ie. se produce selección y rotura con cada evento. Sin embargo,
el proceso puede operar también de manera que el producto de cada evento sea sometido a
alguna operación de separación por tamaño, antes que alguna parte sea sometida al
siguiente evento de rotura.
Este concepto es simple de entender en el caso de los chancadores de mandíbula, como se

muestra en la Figura 6.1. Durante el golpe de rotura, un trozo de mineral es pulverizado y
durante el golpe inverso (apertura), los fragmentos mayores que el espacio de descarga son
retenidos en la mandíbula para chancado adicional. El mismo tipo de proceso ocurre en los
chancadores giratorios y de rodillo y es una característica especial de la operación de los
molinos de barra (Lynch 1977).
Figura 6.1: Clasificación en un chancador de mandíbula (según Lynch 1997)
A pesar que el chancador de mandíbula es relativamente simple para el ingeniero, posee

limitaciones inherentes en términos de capacidad y reducción de tamaño. Cuando se rompe
una partícula, sus productos ocuparán más espacio. Este factor de hinchazón es
normalmente un 30-40% del volumen original. El chancador de mandíbula ofrece una
menor área de sección transversal a medida que disminuye la separación. En consecuencia,
136
el resultado está limitado por la menor área de sección transversal. Más aún, apenas se
produzca una partícula menor que la separación del costado cerrado, ciertamente caerá a
través, es decir, no hay oportunidad para rotura adicional.
Los chancadores giratorios y de cono proporcionan una solución geométrica elegante para
este problema, por medio de envolver el perfil del chancador de mandíbula alrededor de un
eje central. Esta dimensión extra permite que el área de sección transversal disponible
aumente a separaciones más finas haciendo el cono más plano. Este cono bajo ofrece
oportunidades para impactos múltiples.
Existen beneficios adicionales de las interacciones partícula-partícula. Como el objetivo del

chancado es reducir el tamaño de la partícula, hay un beneficio sustancial al usar las
partículas para romperse entre si en vez de desgastar una cara aleación de acero. Esta
condición se llama choke feeding. El choke feeding disminuye el tamaño de producto que
puede escapar (K1) y aumenta la severidad de la rotura.
6.4 VARIABLES CLAVE
Considere un chancador el tipo mostrado esquemáticamente en la Figura 6.2 el cual es el la

forma más sencilla de un dispositivo de chancado. Las variables de interés son:
• tamaño máximo de la partícula que entra

• tamaño máximo de la partícula que puede ser atenazada
• tamaño máximo de la partícula que puede pasar a través en cualquier momento
• tamaño máximo de la partícula que puede caer a través cuando las mandíbulas están lo
más abiertas posible.
De ahí que las dimensiones importantes de la máquina son:
• dimensión de la garganta
• configuración lado abierto (mayor caída a través de la abertura)
• configuración lado cerrado (abertura mínima) – esta se puede ser fija o continuamente
variable en línea, dependiendo del modelo de chancador
• recorrido
• dimensiones revestimiento
Para el chancador de cono mostrado esquemáticamente en la Figura 6.3, se debe incluir

específicamente:
• el espacio que gira alrededor del cono

• varios perfiles de revestimiento para agregado grueso, medio y fino.
137
Nótese que si las partículas están choke fed, las dimensiones efectivas de la cámara de
chancado pueden variar marcadamente.
Figura 6.2: Diagrama esquemático de un Figura 6.3: Diagrama esquemático de un

chancador de mandíbula chancador de cono
6.5 MODELANDO EL CHANCADOR
El proceso de chancado puede considerarse como un diagrama de flujo describiendo un

ciclo de eventos simple y repetitivo. La nueva alimentación que entra al chancador es
primero ‘clasificada’. Material muy fino se salta la rotura y reporta directamente a
producto. El material muy grueso reporta directamente a rotura. El material de tamaño
intermedio reporta a rotura con una probabilidad que aumenta con el tamaño. Luego de la
rotura, se repite el proceso de clasificación, finos reportando a producto y material que aun
es muy grueso reportando a rotura, y así sucesivamente. Este proceso se ilustra en la Figura
6.4
Figura 6.4: Concepto de clasificación y rotura en un chancador
138
Por conveniencia matemática, este diagrama de flujo puede colapsarse a un circuito cerrado
único como se indica en la figura 6.5.
Figura 6.5: Representación esquemática del modelo de chancador
El proceso de rotura se considera en detalle en el Capítulo 4. El concepto t10 discutido allí

es una descripción valida específica de reducción de tamaño para un chancador. Muchos
chancadores producen una reducción geométrica en el tamaño porque la cara del chancador
se mueve una menor distancia a separaciones más finas, es decir, partículas de diferente
tamaño están sometidas a una reducción proporcionalmente similar cuando seleccionadas.
La correlación de la Figura 6.6 se debe a Awachie (1983).
Figura 6.6: Correlación entre t10 y Rf
Es fácil ver que un grado constante de reducción producirá un f10 y una distribución de
tamaño de producto relativamente constante. En consecuencia, cuando un mineral ha sido
caracterizado por medio de una prueba de rotura (como la prueba del péndulo de JKMRC o
de caída de peso), solo es necesario especificar t10 para generar una distribución de tamaño
de producto o función de rotura.
139
El modelo de chancador se considera ahora en la notación vectorial que fue introducida en

el Capítulo 2. Cada corriente es descrita como un vector de tasas de flujo de fracción de
tamaño de partícula, de grueso a fino. La clasificación se puede representar por medio de
una matriz cuadrada, con elementos diagonales que corresponden a una función de
clasificación. La rotura puede ser representada por una matriz triangular mas baja.
Si se considera el chancador como un proceso de rotura stagewise, entonces puede ser

modelado en términos de un balance de masa en estado estacionario (Figura 6.5).
Se pueden escribir ecuaciones de balance de masa alrededor de cada nodo como:
x = f + BCx (6.1)
x = p + Cx (6.2)
donde x = vector representando la cantidad de cada fracción de tamaño

que entra al chancador
f = vector de distribución del tamaño de alimentación
p = vector de distribución del tamaño de producto
C = el número de clasificación, una matriz diagonal describiendo

la proporción de partículas en cada intervalo de tamaño selec-
cionado para entrar la zona de chancado.
B = La función de distribución de rotura, una matriz triangular

menor, proporcionando la distribución relativa de cada
función después de la rotura (ver Capítulo 4).
(Los vectores x, f y p pueden considerarse como el flujo de
masa de material en cada intervalo de tamaño).
Combinando las ecuaciones 6.1 y 6.2 se obtiene la ecuación del modelo de chancador de
Whiten (1972):
p = (I-C)*(I-BC)-1*f (6.1)
donde I = la matriz unitaria (una matriz diagonal con todos los elemen-
tos de la diagonal iguales a la unidad, y el resto cero)
Para aquellos que han considerado el modelo de bola de mezcla perfecta descrito en
Capítulos 2 y 9, esto puede parecer muy familiar.
La clasificación o selección de partículas para rotura en el chancador, depende

principalmente del tamaño de partícula, con una probabilidad de selección para rotura
aumentando a la unidad, para todas las partículas mayores que el ajuste del lado abierto del
chancador.
140
Whiten (1972b) describió esta selección por medio de la siguiente función (Figura 6.7).
C ( x) = 0.0 x < K1
K3
 K2− x 
C ( x) = 1.0 -  K1 < x < K 2 (6.4)
 K 2 − K1 
C ( x) = 1.0 x > K2
En consecuencia, K1 se interpreta como el tamaño por debajo del cual todas las partículas
reportan directamente a producto. K2 es el tamaño sobre el cual todas las partículas
reportan a rotura. K3 describe la forma de la función de clasificación que define la
probabilidad de que partículas de tamaño intermedio reporten a rotura. K1, K2 y K3 son
parámetros de modelo determinados por una técnica de ajuste no lineal y luego
relacionados a condiciones operativas por regresión lineal múltiple. En un amplio rango de
casos estudiados, se ha encontrado que K3 se puede mantener constante con un valor 2.3.
La ecuación 6.4 es normalmente, en consecuencia, solo una función de dos parámetros.
Figura 6.7: Forma de una función de clasificación de Whiten
6.6 PREDICCIÓN DE LA ENERGÍA DEL CHANCADOR
El modelo original de Whiten utilizaba tres maneras de calcular la energía. Estas eran:
• Kick (La energía varía según la rotura de masa)

• Bond (La energía varía según masa * tamaño)
• Rittinger (La energía varía según la nueva superficie, 1/tamaño)
141
Cualquiera o las tres pueden, en principio, ser utilizadas en una ecuación de regresión para
predecir el consumo de energía.
Sin embargo, Andersen (1988) desarrolló un método mejorado de estimación de energía

que usa los procedimientos de caracterización de rotura de JKMRC, descritos en el
Capítulo 4 (Andersen y Napier Munn 1988); Morrel, Napier Munn y Andersen (1992). El
método se basa en un sencillo modelo de energía que relaciona el consumo real de energía
del chancador con la energía requerida por un dispositivo de rotura de partícula individual
(péndulo probador de caída de peso), para lograr la misma reducción de tamaño. Se
describe en la Sección 11.2.4
6.7 MODELANDO LAS FUNCIONES DE CLASIFICACIÓN Y ROTURA
Con el fin de utilizar el modelo de chancador para predecir el tamaño de producto, se deben
encontrar los valores para K1-K3 en la función de clasificación (ecuación 6.4) y la función
de rotura, B. Sustituyendo en la ecuación 6.3 proporcionará entonces una distribución de
tamaño de producto (p), dada una distribución de tamaño de alimentación determinada (f).
K3 es una constante, fijada habitualmente a un valor de 2.3. K1 y K2 son probablemente

una fuerte función de la configuración del chancador, por las razones explicadas
anteriormente en la Sección 6.5, y los experimentos confirman este punto de vista. Sin
embargo, resulta que K1 y K2 también son función del rendimiento, tamaño de la
alimentación y características de los revestimientos, y la mayoría de los trabajadores
establecen estas relaciones ajustando K1 y K2 a datos de estudios de planta y efectuando la
regresión de los datos ajustados respecto de las condiciones operativas (Whiten 1984; Karra
1982; Andersen 1988). Las relaciones utilizadas en JKSimMet se derivan de aquellas de
Andersen para chancadores de cono (Andersen 1988; Andersen y Napier-Munn 1990):
K1 = A0+CSS-A2 TPH+A3 F80+A4 LLEN (6.5)
K2 = B0±B1 CSS+B2 TPH+B3 F80-B4 LHR+B5 ET (6.6)
K3 = C0 (normalmente 2.3) (6.7)
donde CSS = ajuste del lado cerrado

TPH = rendimiento (t/h seca)
F80 = 80% pasando tamaño de alimentación (mm)
LLEN = longitud del revestimiento de la cara del manto
LHR = edad revestimiento (horas)
ET = excentricidad
Los signos de los parámetros en las ecuaciones 6.5 y 6.6 muestran las tendencias esperadas
con los valores dominantes de la configuración del chancador, rendimiento y tamaño de
alimentación. Ambas variables siguen con fuerza la configuración del chancador. K1, el
tamaño bajo el cual todas las partículas escapan de la rotura, disminuye a medida que
aumenta el tonelaje. Existe evidencia que K2, el tamaño sobre el cual todas las partículas
142
son chancadas, puede aumentar o disminuir con el tonelaje. K1 y K2 tienen a menudo una
débil dependencia del grado de grosura de la alimentación F80. El factor de grosura de la
alimentación, F80, es de algún modo dependiente de la aplicación. Esto es, será
influenciado por el perfil de revestimiento y pendiente efectiva del chancador, como
también, por el ajuste y separación del lado cerrado.
Incluso con un buen control de la alimentación, los revestimientos de chancadores de cono

se desgastan rápidamente. El perfil de revestimiento es también un factor importante,
influenciando el consumo de energía, capacidad y tamaño del producto. Es útil, entonces,
incluir para modelado detallado factores adicionales para horas de operación y
características de revestimiento. Estos factores son específicos de la operación pero en las
ecuaciones 6.5 y 6.6 se ilustran algunas tendencias, basadas en pruebas limitadas en
chancadores de cono de 7 pies, reportadas por Andersen y Napier-Munn (1988). Se
determinó que K1 aumentaba con la longitud del revestimiento (basado en experimentos
con solo dos tamaños de revestimiento). Esto se interpretó como una mejora en la
clasificación interna, permitiendo que más partículas finas escapen de la rotura adicional.
Se encontró que K2 disminuía con el desgaste del revestimiento, aumentando en

consecuencia la selección de partículas más gruesas para rotura. Se atribuyó el efecto a un
aumento en la longitud de la zona de chancado paralela, a medida que se desgastan los
revestimientos. La simulación demostró que esto puede resultar en un aumento en la
producción de producto final. En la práctica, se puede restringir el rendimiento por medio
de un cambio en el perfil del revestimiento, causando que sea más fácil alcanzar
condiciones de choke feed. Hacia el final de la vida del revestimiento, declina el máximo
consumo de energía que se puede obtener y luego cae la productividad del chancador.
La distribución de tamaño de un producto de chancador está dominada por el ajuste del

lado cerrado, pero también se ve influenciada por el rendimiento y tamaño del producto. El
modelo de chancador JKMRC describe la rotura con un parámetro sencillo, T10, definido,
para una partícula individual (t10), como el porcentaje de producto que pasa 1/10 del
tamaño de la partícula original, luego de la rotura. El lector recordará que t10 es la base de la
curva-t de descripción de rotura, discutida en el Capítulo 4.
Resulta ser que los minerales y rocas de cantera más frágiles se rompen en chancado de una
manera similar (a diferencia de su comportamiento en molinos AG/SAG y molinos de bola)
y pueden representarse por un único conjunto de curvas-t. La Tabla 6.1 proporciona la
función de apariencia por defecto de JKSimMet para el mineral base y minerales
diamantinos estudiados por Andersen (1988) (cf. Tabla 4.8, los valores por defecto
equivalentes para el modelo de molino AG/SAG). Esta información es representada en el
modelo por medio de funciones spline, con los nudos spline a valores de t10 de 10, 20 y
30%. Se debe tener cuidado, sin embargo, durante el chancado de minerales inusuales; en
dichos casos se debe obtener una nueva función de apariencia usando los métodos descritos
en el Capítulo 4.
Si el t10 predominante es conocido, se puede reconstruir, a partir de este dato, la

distribución de tamaño de producto completa (el simulador utiliza interpolación spline.).
143
Tabla 6.1: Función de apariencia general para modelo de chancador

Parámetro de
Tamaño relativo al tamaño inicial
Rotura
t10(%) t75 t50 t25 t4 t2
10.0 2.8 3.3 5.4 21.2 49.6
20.0 5.7 7.2 10.3 45.0 74.9
30.0 8.1 10.8 15.7 61.4 85.2
El parámetro de modelo de chancador T10 es característico de una operación determinada y

puede ser ajustado a partir de los datos de distribución de tamaño de alimentación y
producto a una condición operativa determinada (ver abajo), suponiendo una función de
apariencia adecuada tal como en la Tabla 6.1. En el trabajo de Andersen con chancadores
de cono de 7 pies, se encontró que T10 era relativamente constante, en el rango 18-20. Sin
embargo, en general, tiende a ser dependiente de las condiciones operativas tal como para
K1 y K2. La ecuación de regresión usual es de la forma:
T10 = D0 –D1CSS+D2 TPH+D3 F80 (6.8)
6.8 AJUSTE DEL MODELO DE CHANCADOR
Un único conjunto de datos de dimensionado de alimentación y producto permite estimar

K1, K2 y T10. Para las estimaciones iniciales utilice:
K1 = ajuste o separación lado cerrado
K2 = mayor tamaño de particular en producto
T10 = 5-10 para chancado primario

10-15 para chancado secundario
15-25 para chancado terciario
K3 debe estar fijo en 2.3
Para datos razonables, este modelo es fácil de ajustar y sorprendentemente útil y las
ecuaciones de regresión 6.5, 6.6 y 6.8 permiten acomodar un amplio rango de condiciones
de chancado. Una medición de energía, mas la energía de no carga (Pn), permite calcular la
constante de eficiencia, A, en el modelo de energía del chancador (Sección 11.2.4).
Para aproximar un choke feed o una separación disminuida, simplemente reduzca

proporcionalmente K1 y K2 y aumente T10 hasta un máximo de 25.
Las dependencias clave son usualmente la tasa de alimentación y la separación del

chancador. Se requieren cinco o seis conjuntos de datos a separaciones y tasas de
alimentación significativamente diferentes. La condición del revestimiento debe
144
permanecer constante. Se puede ajustar cada conjunto de datos y establecer las

dependencias secundarias vía regresión lineal múltiple. Sin embargo, el marco de trabajo de
JKSimMet permite ajustar al modelo múltiples conjuntos de datos simultáneamente,
proporcionando un método más eficiente. Al fin y al cabo, lo que hay que predecir son las
distribuciones de tamaño de producto; no los parámetros del modelo. La calibración de
estos modelos, para desgaste de revestimiento y grosor de la alimentación, requiere de al
menos 20 conjuntos de datos, con una buena dispersión de valores variables.
6.9 MODELANDO OTROS TIPOS DE CHANCADORES
6.9.1 Chancadores de Impacto de Eje Vertical
En la Figura 6.8 se muestra un esquema de un chancador de impacto de eje vertical.
Figura 6.8: Un chancador de impacto de eje vertical – el Svedala Barmac Duopactor
Estos chancadores imparten una alta velocidad a las partículas por medio de una tornamesa
rotatoria. Las partículas lanzadas son impactadas contra yunques (o un lecho de otras
partículas), y el producto cae desde estos yunques.
Estas maquinas son receptivas a una descripción de modelo fundamental, en términos de la

energía impartida a cada partícula (Kojovic 1994). Se asume que una partícula adquiere
energía cinética como consecuencia de ser acelerada a la velocidad periférica del rotor.
145
energía cinética
Entrada de energía por partícula =
masa
2 2
1/ 2mv 1/ 2mv
= = kWh / t (6.9)
m 3600
donde v = velocidad periférica en la punta del rotor (m/s)

= 2πNr/60
M = masa de la partícula
N = velocidad del rotor (rpm)
R = radio del rotor (m)
Como se describió en el Capítulo 4, la relación entre energía (Ecs) y rotura del chancador
(T10) se puede describir como:
T10 = A[1 − e( − b. Ecs ) ] (4.22)
donde T10 = parámetro de distribución de rotura

Ecs = energía específica de impacto
A = t10 máximo posible
b = parámetro describiendo la dureza de impacto
de la alimentación
(valores <1 indican un tipo de roca más duro)
A y b son parámetros ajustados a los datos de función de apariencia Ecs obtenida del
dispositivo de prueba de péndulo o caída de peso (Sección 4.5.3).
Pruebas en una cantera con el chancador Canica Model 100 VSI (Kojovic 1994)
proporcionaron un rango de valores T10 ajustados utilizando el modelo de chancador
(Sección 6.7) de 8.9-12.1 (promedio 10.6%). Cuando se ajusta el modelo a las máquinas
VSI, K1 se establece generalmente a cero ya que todas las partículas se romperán
independientemente del tamaño.
La velocidad del rotor fue 1100 rpm y el radio del rotor 0.483m, proporcionando una
energía de impacto estimada, Ecs, de 0.43 kWh/t (ecuación 6.9). Las pruebas de rotura
sobre la roca de basalto duro tratado dieron A=33.1 y b=0.88. Sustituyendo estos valores en
la ecuación 4.22 da T10= 10.4%, lo que coincide bien con aquel ajustado a los datos
operativos. Es posible, en consecuencia, predecir T10 solamente a partir de la velocidad y
el diámetro del rotor VSI y de las características de rotura de la roca. T10 puede entonces
utilizarse para predecir la distribución del tamaño del producto a partir de la función de
apariencia.
146
Una variación interesante sobre el principio VSI es el chancador BARMAC Rotopactor, el

cual arroja su alimentación sobre un lecho de partículas con el fin de producir cierto
redondeado de las partículas. Un desarrollo posterior del BARMAC (el Duopactor – Figura
6.8) vierte una cortina de alimentación en la ruta de las partículas arrojadas. Claramente
esto producirá un amplio rango de energía de entrada, a medida que el momentum es
compartido entre partículas de diferente tamaño. En consecuencia, el supuesto de un T10
único ya no se justifica. Un enfoque simple debido a Kojovic, es considerar dos
chancadores – uno para lo arrojado y otro para la cortina de material., Sin embargo, un
mejor modelo está actualmente en desarrollo.
6.9.2 Chancadores de Impacto de Eje Horizontal
Los chancadores de impacto de eje horizontal, mostrado en la figura 6.9, son llamados
habitualmente molinos de martillo. La alimentación se vierte en un conjunto de brazos
basculantes (martillos o agitadores). Estos brazos impactan las partículas y ya sea las
rompen o las arrojan contra una plancha rompedora.
Figura 6.9: Vista esquemática del chancador de impacto de eje vertical Svedala
Para máquinas de descarga abierta, el producto simplemente cae fuera. Como estas son
literalmente o partículas golpeadas o partículas omitidas, existe una amplia diferencia entre
K1 y K2. Obviamente, el T10 único también es un débil supuesto para este tipo de
chancador. Sin embargo, el modelo estándar proporciona usualmente una buena descripción
con valores típico de T10 de 15-25.
Para impactadores con harneros de descarga, K2 se transforma en la malla cuadrada

equivalente a la apertura del harnero. Las partículas más grandes son reimpactadas hasta
que se rompen. Los impactadores de eje horizontal son útiles para materiales relativamente
blandos como la caliza
147
6.9.3 Chancadores de Rodillo Dentado
Los chancadores de rodillo dentado, mostrado en la Figura 6.10, se usan comúnmente para
rotura de carbón. Proporcionan una rotura extrema con valores altos de T10, a bajas tasas
de alimentación. K1 y K2 corresponden aproximadamente a las separaciones entre rodillos
y dientes respectivamente, con valores de T10 en el rango 20-35. A altas tasas de
alimentación se produce choke feed., K1y K2 disminuyen rápidamente y T10 aumenta
sustancialmente.
Figura 6.8: Vista esquemática del chancador de rodillo de doble dentadura BJD
Existen actualmente varios chancadores rotatorios de eje paralelo llamados habitualmente

clasificadores. Estas máquinas están adecuadas para materiales pegajosos debido a su
acción de bombeo positivo. No son adecuados para materiales muy duros. Clasificadores
que se aproximan a un ‘harnero hambriento’ tendrán K1 y K2 cerca del tamaño de abertura
con un T10 relativamente pequeño. El nombre ‘clasificador’ se refiere, en consecuencia, a
producir lo mas posible de un tamaño grueso máximo, i.e. evitando rotura de partícula
severa. El otro tipo tiene rodillos dentados de trabajo pesado y una acción más parecida a la
de un chancador convencional. Estos dispositivos literalmente mastican grandes partículas.
En consecuencia el supuesto de T10 constante no se justifica. K1 corresponde a la mayor
abertura cuadrada en la que se puede caer a través, con K2 siendo probablemente
dependiente de la forma de la partícula. El modelo Andersen/Whiten nuevamente
proporciona una descripción razonable de ambos tipos.
6.9.4 Rodillos de Molienda de Alta Presión
El rodillo de molienda de alta presión (HPGR), también conocido como prensa de rodillo o
molino de rodillo, fue inventado por Klaus Schönert en Alemania, como resultado de su
investigación fundamental sobre fractura de roca (Schönert 1988). El dispositivo ha sido
usado mas extensamente en chancado de clinquer de cemento en Europa, pero está
comenzando a encontrar aplicación en el procesamiento de minerales. Una de las primeras
aplicaciones de este tipo fue en procesamiento de mineral de diamante en el sur de África y
posteriormente en Australia, donde se demostró que el dispositivo ofrecía cierto grado de
liberación selectiva del diamante, desde la roca huésped. Sin embargo, la principal
148
atracción para la mayoría de las operaciones de procesamiento de minerales, es el gran

radio de reducción logrado y el favorable consumo especifico de energía, comparado con
las tecnologías convencionales. Se ha reportado evidencia de beneficios aguas abajo, tal
como resistencia a molienda reducida y lixiviación mejorada debido a micro fisuración
(Knetch 1994).
Las aplicaciones potenciales incluyen, en consecuencia, la preparación de material para

molienda fina, reemplazo del chancado terciario, molienda de rodillo y molienda de bola
primaria en molienda primaria y la obtención de rendimientos de lixiviación aumentados.
El principio general se ilustra en la Figura 6.11.
Figura 6.8: Los rodillos de molienda de alta presión (molino de rodillo)
La investigación de Schönert ha demostrado que la manera más eficiente de fracturar una

roca mecánicamente es cargarla entre dos planchas opuestas hasta que falla. La mejor
manera de hacer esto, a altos rendimientos, es comprimir un lecho de dichas partículas entre
dos rodillos propulsados en contra rotación. En la práctica industrial, estos rodillos pueden
ser muy grandes, hasta 2.7metros de diámetro. Un rodillo está montado sobre rodamientos
fijos y el otro se puede mover linealmente contra un martinete hidráulico o (en máquinas
pequeñas) un resorte.
Los hidráulicos están ajustados para entregar una presión determinada al lecho de partículas
que pasa a través de la máquina, comprimiéndolas a una densidad mayor de 70% en
volumen. Esta presión (o fuerza), que usualmente excede los 50 mPa, controla la reducción
de tamaño en la máquina.
El material sale como un aglomerado comprimido que debe ser desaglomerado antes de
cualquier procesamiento posterior. Se debe tener especial cuidado en hacer esto
correctamente cuando se determina la distribución de tamaño de producto.
149
El rendimiento está controlado principalmente por las dimensiones, velocidad y perfil del
rodillo y características del material, como tamaño, dureza y fricción partícula-rodillo (y
por ende ángulo de contracción). El perfil y material de la superficie del rodillo es
importante para controlar tanto el desgaste como el rendimiento de la máquina y varias
opciones son ofrecidas por los distintos fabricantes.
Se han reportado ahorros de energía de trituración en el rango de 15-50% para HPGR

respecto de otras tecnologías convencionales (Shönert 1988; Seller et al 1990; Tondo et al
1995). Sin embargo, muchos de estos resultados fueron obtenidos en máquinas pequeñas y
la experiencia a escala industrial en procesamiento de mineral es pequeña aunque creciente.
También hay evidencia de simulación en cuanto a que los circuitos cerrados HPGR deben
ser cuidadosamente especificados y, en particular, que existe una fuerza de molienda
mineral-dependiente, óptima con la cual se minimiza la energía especifica del circuito
global (Norgate y Séller 1994).
Los procedimientos de modelado y escalamiento de dominio público para HPGR están aun
en pañales, pero una metodología que ha probado ser útil se ha derivado de la observación
de Fuerstenau et al (1991) respecto a que las distribuciones de tamaño de producto HPGR
son’similares entre si’ cuando se grafican como adimensionales (tamaño/mediana tamaño).
Dichas distribuciones caen en una única curva para la cual se puede modelar la mediana del
tamaño, como una función de la energía de molienda específica. La curva puede describirse
por la función (Lim et al 1994):
100 1 − exp  A( x / X 50 p ) 
( m ( x / X 50 p ) + n )
F(x) =  (6.10)

Y el radio de reducción según (Norgate y Seller, 1994)
X50f/X50p = aE b + 1 (6.11)
donde F(x) = % acumulado que pasa tamaño x
X50p = mediana tamaño producto
X50f = mediana tamaño alimentación
E = energía de molienda específica
A,m,n,a,b = parámetros que deben ajustarse a datos experimentales

de molinos operacionales (y luego regresión contra
condiciones de diseño y operativas.
Se espera que investigación actual en Australia, involucrando el JKMRC y CSIRO en el

Centro para Tecnología y Equipamiento Minero, conduzca a una nueva metodología de
escalamiento, modelado y simulación para el HPGR en aplicaciones de procesamiento de
mineral.
150
6.10 OPERACIÓN Y OPTIMIZACIÓN DE CHANCADO
Los siguientes comentarios se aplican a chancadores de cono los cuales (a pesar de un

siempre creciente rango de alternativas) continúan efectuando la mayoría de las tareas de
chancado. Los temas clave son:
• Protección contra fragmentos de metal
• Mantenimiento de la separación del chancador
• Desgaste de la configuración de revestimiento del chancador
• Condición de alimentación
Los revestimientos de chancador son confeccionados habitualmente de acero de aleación

dura, el cual es un tanto frágil. Una única carga puntual es muy capaz de romper los
revestimientos del manto o del tazó n(o ambos). En consecuencia, un buen detector de
metal o un removedor magnético es altamente deseable.
Para una sencilla protección contra sobrecarga, los chancadores de cono usan normalmente
resortes de compresión o presión hidráulica. Estos tienen problemas en circuito cerrado ya
que un ‘rompedor’ potencial podrá pasar a través del chancador y ser reciclado hasta que
efectivamente rompa algo.
El ajuste o separación del chancador se prueba con un ‘plomo’ confeccionado con un trozo
de plomo o una tubería plástica deformable. El espesor mínimo de este ‘sensor’ luego de
pasar a través del chancador indica el ajuste efectivo del lado cerrado bajo condiciones de
no-carga. El lado cerrado es fácil de ajustar ya sea bajando el tazón o subiendo
hidráulicamente el manto. Sin embargo, a menudo los sistemas de resorte e hidráulico
permiten que el ajuste del lado cerrado aumente bajo carga. Si K1 y K2 están aumentando
con el rendimiento (en vez de disminuir), el chancador se está abriendo bajo carga y puede
ser necesario resortes más pesados o una respuesta hidráulica más robusta.
El excéntrico normalmente no es ajustable sin una reconstrucción importante (una

variación reciente si permite algo de ajuste). El perfil de revestimiento del chancador
controla cuantas chances tiene una partícula de ser aplastada y cuan rápido puede fluir a
través del chancador. Un ángulo de cono más pronunciado promueve un flujo rápido y
menos impactos. Distintos ángulos de cono afectan el rendimiento a tal grado que
chancadores idénticos en los demás aspectos, pueden recibir distintos nombres. En
consecuencia, el desgaste del chancador puede afectar tanto el rendimiento como la
reducción admisible (Andersen y Napier-Munn 1990). Un desgaste disparejo generará un
efecto bypass, donde K1 es grande en un lado del chancador mientras que el contacto metal
con metal es audible en el otro costado. Se diseña una rotación lenta del tazón respecto del
manto para minimizar este tipo de desgaste pero no puede absorber las variaciones en la
dureza del los revestimientos.
Incluso con dureza uniforme, es difícil predecir los patrones e interacciones de desgaste.
Los diseños evolucionan habitualmente hasta imitar un modo de desgaste que sea percibido
151
como teniendo un rendimiento de ‘mínimo metal/mejor desgaste’. Sin embargo, diseños de

fabricantes, estándar y bien probados tienen mucho que recomendar, incluyendo
rendimiento establecido y capacidades de reducción de tamaño.
La variable operacional crítica es la tasa de alimentación. Con un cono (plano o de cámara)

y choke feeding adecuado, se puede lograr una alta proporción de carga de partícula
multipunto. Esto produce más partículas cúbicas que son deseables en operaciones de
cantera. Para alimentación de molienda de bola las partículas escamosas son más fáciles de
romper. Sin embargo, una reducción de tamaño y generación de finos adicional hace
deseable el choke feed, para producción de alimentación de molino de bola.
La optimización en choke feed requiere un adecuado control de la tasa de alimentación y un

sensor de nivel en la boca del chancador para detectar cuando se excede el máximo flujo.
Una presión operativa constante no es una buena indicación y puede resultar de una baja
tasa de alimentación con alta reducción o alta tasa de alimentación con baja reducción. Con
una rápida respuesta de control de tasa de alimentación, una energía de chancador constante
es un objetivo de control práctico.
Los objetivos del proceso determinan la configuración del circuito y los objetivos
operacionales. Para chancadores que producen alimentación para molinos de bola, es
esencial un buen control de la tasa y tamaño de alimentación. En consecuencia, la
alimentación debe ser separada y alimentada al chancador desde un depósito de
compensación como en la Figura 6.12. Un buen choke feed y control promueve una
máxima reducción de tamaño, mínimo desgaste y buena forma.
Figura 6.12 Circuito de chancado de una etapa
152
Esta no es un a práctica estándar. La mayoría de las plantas de chancado están diseñadas

para minimizar los costos de capital. Esto es desafortunado ya que un chancado eficiente
puede producir finos de manera costo-efectivo
Los circuitos de chancado para mínima producción de finos, con control de tamaño máximo
deben evitar el choke feed y deben usar radios de reducción relativamente bajos. Es fácil
demostrar con el modelo Andersen/Whiten, que varias pequeñas etapas de reducción
minimizarán la producción de finos a menos que el mineral sea tan frágil que cada etapa de
manejo de materiales produzca finos. En este caso, el mínimo manejo se transforma en el
criterio.
El mejor circuito es muy parecido excepto que el control de alimentación es usado para
garantizar reducción por pequeñas etapas y evitar absolutamente el choke feed. Vale la
pena destacar que este objetivo es fundamentalmente incompatible con el rendimiento
máximo. Además, si hay serios castigos por producción de finos, una especificación de
producto levemente más gruesa será de mucha ayuda. Para materiales más blandos, puede
ser útil considerar un clasificador o una combinación chancado/harnero.
153
CAPITULO 7
MOLINOS AUTÓGENOS Y SEMIAUTÓGENOS
7.
7.1 INTRODUCCIÓN
L A definición que da el diccionario de ‘autógeno’ es auto generado o auto producido,

derivando de la palabra griega del mismo significado. La acuñación del término
‘autógeno’ aplicado a un molino fue atribuida por Robinson (1980) a Harlow
Hardinge, quien en 1940 lo usó para describir el mecanismo de reducción de los molinos de
cascada de su empresa. Es un adjetivo apropiado que describe un molino en donde el
medio de molienda incluye trozos del mineral que está siendo molido. Sin embargo, el uso
de trozos de mineral como medio de molienda, puede rastrearse tan lejos como 1905
cuando Jackson experimentó con molienda pebble en Sud África (Digre 1969), mientras
que en 1908 el padre de Hardinge utilizó trozos de magnetita de 8” en un molino para
molienda de magnetita (Hardinge 1955).
Quien puede ser considerado el padre de la molienda autógena, Hardinge o Jackson, es

punto discutible. Sin embargo, de acuerdo con Robinson, la molienda autógena solo
maduró a fines de los 1960s cuando la instalación de 12 molinos Hardinge de 18 x 6 pies en
Québec. “… rompió el dique de titubeo profesional y concedió una seria consideración a la
molienda autógena húmeda por procesadores de mineral grandes y pequeños”. Desde
entonces la popularidad de la molienda autógena y semiautógena, en la cual se agregan
bolas de acero para aumentar los medios de molienda de mineral, ha crecido hasta el punto
que muchas plantas existentes lo están incorporando y las plantas nuevas rara vez eligen un
diseño que no las incluya. Las ventajas principales son su menor costo de capital y la
capacidad de tratar un amplio rango de tipos de mineral, incluyendo alimentaciones
pegajosas o arcillas. Se afirma que los costos operacionales son más altos que en los
circuitos tradicionales. Sin embargo, algunos estudios demuestran que puede no ser el caso
(Morrel et al 1991). En consecuencia, los circuitos de molinos de bola-barra o chancador-
molino de bola se están haciendo menos comunes. La Figura 7.1 muestra un corte de un
modelo autógeno moderno.
A lo largo de los años han proliferado los diseños de molinos AG y AG como también, los
circuitos en que están instalados, con una tendencia de distintos países campeonando
distintos diseños. Este capítulo describirá algunas de estas diferencias, como también, los
principios de operación subyacentes en molinos AG y SAG, que son básicamente comunes
a todas sus variantes.
154
Capítulo 7: Molinos Autógenos y Semiautógenos
Figura 7.1: Diagrama de corte de un molino autógeno ANI
7.2 DISEÑO DEL MOLINO
Los molinos se clasifican habitualmente por el radio de aspecto (radio diámetro a longitud)
de sus carcasas y el método por el cual descargan su producto slurry. Además, los
elementos internos como elevadores y revestimientos variarán en términos de su forma y
material de que están compuestos.
7.2.1 Diseño de la Carcasa
Los radios de aspecto caen en tres grupos principales, a saber;
• molinos de radio de aspecto alto, denominados coloquialmente ‘molinos de panqueque

o molinos de platillo volador, donde el diámetro es 1.5-3 veces la longitud
• molinos ‘cuadrados’ donde el diámetro es aproximadamente igual al la longitud
• molinos de radio de aspecto bajo donde la longitud es 1.5-3 veces el diámetro.
Distintos países han tendido históricamente a favorecer un tipo de diseño de carcasa. En

consecuencia, cuando se habla de un diseño de molino norteamericano usualmente significa
una unidad de aspecto alto, mientras que un molino tipo sudamericano significa usualmente
una unidad de aspecto bajo. Sin embargo, sería un error, particularmente en el último caso,
suponer que se utiliza exclusivamente un diseño de molino. Hay diversidad de diseños en
cada país. Es un error muy común, de algunos en Australia, pensar que los molinos de radio
de aspecto alto son utilizados de manera predominante. De hecho, existe un número
considerable de molinos cuadrados y de radio de aspecto bajo, especialmente en el sector
oro.
155
Una característica distintiva de muchos molinos de radio aspecto alto, especialmente las
unidades de mayor diámetro, es su extremo cónico en vez de plano. Esto se debe a
consideraciones estructurales. En la Figura 7.2 se muestran esquemas de molinos con
extremo cónico y plano. La existencia de los extremos cónicos genera mucha confusión
sobre la longitud del molino, ya que varía desde aquella en la sección cilíndrica a aquella
cerca del eje. La confusión surge del término ‘Longitud de Molienda Efectiva’ o EGL el
cual es habitualmente citado por los fabricantes de dichos molinos, pero que no tiene una
definición aceptada ampliamente. En realidad, las carcasas de estos molinos tienen dos
extremos de longitud, por lo que un valor único como EGL es inadecuado.
En la operación el molino es llenado con roca y carga de bolas las cuales, dependiendo de
su nivel, describirán una longitud ‘efectiva’. Como la cantidad de carga varía, lo hará
también la longitud efectiva (Figura 7.3). De esto podemos concluir que no existe tal cosa
como una longitud efectiva para un molino dado, sino que una variable que depende del
volumen de carga. Para evitar confusiones, una convención adecuada sería citar las
longitudes de moneda, mínima y máxima, con el diámetro correspondiente al cual es
medida dicha longitud máxima.
156
7.2.2 Mecanismos de Descarga
Todos los molinos AG y SAG se basan en una parrilla de acero o goma para retener los
medios de molienda, a la vez que permiten el escurrimiento del slurry de producto fuera del
molino. El área abierta total, tamaño, forma y posición de los agujeros varía
considerablemente de instalación a instalación, como se indica a continuación:
• área abierta - 2-12% del área de sección transversal del molino en diseños de
elevadores de taza y hasta 25% en diseños de descarga.
• tamaño - 10-40mm para parrillas
- 40-100mm para puertos de pebble
• forma - cuadrada, redonda o ranurada, usualmente con una estrechamiento en
punta para reducir la incidencia de material de trámalo parecido
se atasque en los agujeros.
• posición - a varias distancias radiales en una estructura tipo diafragma aproximada-
mente paralelo al extremo del molino, o instalado en una banda estrecha
paralelo a la carcasa del molino al extremo del molino (ver Figura 7.4).
Esta última disposición se conoce como una parrilla redescarga periférica
(Figura 7.4b) pero no se encuentra habitualmente en aplicaciones de
procesamiento de mineral.
El diseño de parrilla más común en uso es el de estilo de diafragma, el cual puede dividirse
a su vez en dos grupos principales los cuales reflejan la manera en la cual se remueve el
slurry, una vez que fluye a través de la parrilla, a saber,
• Descarga en el extremo
• Descarga con elevador de cuchara
En el primer caso, el extremo del molino está completamente abierto apoyándose sobre
rodamientos ‘deslizantes’ (Figura 7.4a). El slurry puede, por consiguiente, fluir hacía fuera
del molino por gravedad. En el segundo caso, se instala un trunion de descarga. El slurry
debe salir vía trunion y por ende es dirigido hacía allí por medio de los llamados elevadores
de ‘cuchara (Figura 7.4c). Estas pueden tener una variedad de formas, pero se pueden
considerar como actuando como una rueda de paleta la cual rota junto con el molino. Las
paletas levantan el slurry que ha pasado por la parrilla. A medida que las paletas siguen
rotando, el slurry se desliza hacia abajo en dirección al trunion y es deflectado a través de el
por un cono.
157
Figura 7.4: Esquema de parrillas periféricas y de diafragma y descargas de extremo y de elevador de

taza
7.2.3 Elevadores y Revestimientos (ver también Sección 9.4)
Con el fin de evitar el desgaste de la carcasa del molino, debido al impacto de bolas y roca,
se reviste el interior con un material resistente a desgaste, normalmente acero o goma o
goma con insertos de acero. El grado del acero o goma se elige para ajustarse a las
condiciones de rotura predominantes en el molino. En molinos autógenos, por ejemplo, si
se utilizan revestimientos de acero se elegirá un grado duro para una buena resistencia al
desgaste pero con menos resistencia a la energía de alto impacto. Sin embargo, debido a la
presencia, en los molinos SAG, de bolas de acero de hasta 150mm de diámetro es
imperativa la resistencia al impacto de alta energía y se requiere un acero menos duro pero
de mayor resistencia. Además de los revestimientos, también se instalan secciones elevadas
o elevadores para proporcionar levante a la carga a medida que rota el molino. Sin
elevadores, la carga tiende a deslizarse contra los revestimientos proporcionando poco
levante y rápido desgaste abrasivo. Se experimentan efectos similares con revestimientos
muy desgastados. En consecuencia, el reemplazo regular de los revestimientos es
imperativo.
158
Hay muchos diseños de elevadores y revestimientos y esta característica es a menudo el

tema de numerosa experimentación en minas. En la Figura 7.5, se muestran
esquemáticamente tres tipos típicos. El primer tipo tiene un elevador separado y un
revestimiento, siendo el elevador una barra relativamente plana apernada a los
revestimientos. En algunos casos, el elevador tiene un borde guía achaflanado, aunque hay
una tendencia natural a que los elevadores de sección cuadrada se desgasten eventualmente
a dicho borde. Una variable popular de este tipo de sistema, es el llamado disposición alto-
bajo. En este caso, los elevadores se disponen de manera tal que hay dos alturas de
elevador, cada una en hileras alternadas. Cuando los elevadores de menor altura alcanzan
un cierto valor mínimo son reemplazados por elevadores altos. En el siguiente periodo de
recambio, las corridas alternadas, que no fueron reemplazadas previamente, se han
desgastado a su altura mínima y también son reemplazos por elevadores altos y así
sucesivamente. El objetivo de esta disposición es mantener la altura media de los
elevadores lo más constante posible en el tiempo y en consecuencia evitar grandes
oscilaciones en el rendimiento del molino, a medida que se desgastan los revestimientos.
Figura 7.5: Vistas esquemática de perfiles de revestimiento típicos
Algunos operadores prefieren un elevador-revestimiento integral ya que reduce el número

de piezas que hay que remover y recolocar durante la reposición de revestimientos. Se
reduce el tiempo necesario para reponer revestimientos disminuyendo, por ende, el tiempo
de parada de la planta. La Figura 7.5 muestra un esquema de un elevador/revestimiento
integral del tipo doble onda. Este diseño es útil en los casos en que el molino es
bidireccional ya que el elevador es efectivo en ambas direcciones.
159
El tercer tipo de elevador/revestimiento mostrado en la Figura 7.5, es el llamado

revestimiento de rejilla. Su operación se basa en el relleno de los espacios (rejillas) con
bolas y rocas los que proporcionan la superficie de desgaste. Estas rejillas pueden tener una
variedad de formas para permitir el tipo de operación elevador/revestimiento integral o ser
de sección plana con barras de elevación apernadas sobre ellas. Los principales beneficios
son su relativo bajo precio, comparado con revestimientos de acero macizo y su menor
peso, lo que deriva en un menor tiempo de reposición de revestimientos. Sin embargo,
algunos operadores son reacios a utilizarlos debido al temor que algunas bolas de acero o
rocas atrapadas en la rejilla, puedan soltarse y causar lesiones durante la reposición de
revestimientos, cuando el personal de mantenimiento esté en el interior del molino.
Usualmente es muy difícil, en la práctica, determinar el efecto de distintos diseños

elevador/revestimiento en el rendimiento del molino ya que la acción del
elevador/revestimiento cambia a medida que se desgasta. Muchos diseños parecerán dar un
rendimiento similar y a menudo es necesario efectuar cambios sustanciales en el diseño
para obtener un efecto medible. Sin embargo, los operadores deben estar concientes que un
pobre diseño puede tener un efecto muy adverso, e.g. elevadores que sean excesivamente
altos o bajos o que estén muy cerca o alejados unos de otros.
7.3 DISEÑO DEL CIRCUITO
Al igual que distintos diseños de molino tienden a ser favorecidos por diferentes países,
también lo son las configuraciones de circuito. Por ejemplo, en la industria del oro
sudafricana, es práctica común un molino AG o SAG en circuito cerrado, con un ciclón
para producir una molienda final. Esto contrasta con Australia donde es más popular un
molino SAG en circuito abierto, seguido de un molino de bola en circuito cerrado. No es la
intención de este capítulo describir todos los distintos circuitos de molienda en operaciones
alrededor del mundo. Sin embargo vamos a revisar algunas de las configuraciones de
circuito de molino AG/SAG más comunes.
En la mayoría de los casos, la alimentación de un molino AG/SAG es el producto de un

chancador de mandíbula primario, aunque también se usa una alimentación directa de la
mina (muy común en Sud África) o el producto de un chancador secundario. En el nivel
más básico los molinos AG/SAG operarán en el llamado circuito ‘abierto’ (Figura 7.6a).
Sin embargo, incluso en este caso, se utilizará un clasificador de gruesos tal como un
tromel adosado al molino o al harnero vibratorio. El material de sobretamaño es reciclado,
ya sea externamente de manera continua por una correa transportadora o en modo por lotes
en donde el material es acopiado y periódicamente realimentado al molino por medio de un
cargador frontal. Un diseño alternativo que se utiliza con tromeles es un reciclo interno en
el cual el material grueso es transportado por una espiral reversa o chorro de agua hacia el
centro del tromel y al interior del molino (Figura 7.6b).
La Figura 7.6c muestra una configuración de circuito cerrado en la cual se utiliza un

clasificador de finos, tal como un ciclón o (menos común) una parrilla DSM. Como regla
general, un molino AG/SAG en circuito cerrado con un clasificador de finos tendrá una
menor producción que un circuito abierto del mismo tamaño, procesando el mismo mineral.
Tendrá, por supuesto, un producto más fino por lo que se puede considerar como haber
160
cambiado producción por una molienda más fina. Sin embargo, hay situaciones donde,
siempre que el clasificador no entregue un punto de corte muy fino y por ende recicle un
gran volumen de mineral, la producción no se ve comprometida.
Figura 7.6a: Configuración de circuito ‘abierto’ Figura 7.6b: Configuración de circuito ‘abierto’
– retorno externo del sobretamaño – retorno interno del sobretamaño
Figura 7.6c: Configuración de circuito cerrado Figura 7.6d: Configuración de reciclo del
chancador
En el último circuito mostrado (Figura7.6d) el molino es cerrado con un chancador de

reciclo o pebble. Esta configuración se ha hecha crecientemente popular en los años
recientes ya que normalmente proporciona aumentos significativos en la producción,
comparado con el diseño de circuito abierto. Entrega, eso si, un producto más grueso. La
capacidad del chancador para afectar de manera importante a la producción se debe a la
naturaleza selectiva de su operación. Se cortan agujeros grandes o puertos de pebble (50-
100mm) en la parrilla del molino para permitir la salida del material grueso. Luego el
chancador reduce el tamaño de este, usualmente a menos que la abertura del tromel/parrilla.
Como es el material de 25-50mm el que normalmente se aglomera (build-up) en el molino
(llamada fracción de tamaño crítica) su remoción y reducción fuera del molino deriva en
una disminución de la carga del molino, permitiendo así un aumento en la tasa de
alimentación.
161
Algunos circuitos han sido ensayados usando tanto un clasificador de finos como un
chancador de reciclo para cerrar el molino. Ya que la acción del chancador de reciclo es
remover las rocas del molino, las cuales son importantes como medio de molienda para las
partículas más finas, operar también con un clasificador de finos produce una aglomeración
de material tipo arena. Esto puede conducir a una caída en la producción y en consecuencia,
anular la ventaja dada por el chancador de reciclo.
En todas las configuraciones mostradas, el molino puede operarse de modo autógeno o con
la adición de pebbles duros (un molino de pebbles) o bolas de acero (semi-autógeno). Sin
embargo, cuando se usa un chancador de reciclo con un molino SAG y debido a que los
puertos de pebble también permiten que las bolas aceros abandonen el molino, se debe
utilizar un sistema de remoción de bolas de acero, tal como un electroimán, para evitar que
entren al chancador.
7.4 MECANISMO Y MODELO DE PROCESO
7.4.1 Vista General y Estructura del Modelo
Una de las claves para entender como trabajan los molinos AG y SAG es entender la
aglomeración y movimiento de la carga. En molinos de bolas la carga está compuesta
primordialmente por bolas de acero relativamente gruesas y partículas de mineral
relativamente finas. Debido a la dureza de las bolas de acero estas se desgastan en el
molino lentamente y de una manera predecible. Esto conduce a un volumen de carga de
molienda y distribución de tamaño constante, esta última siguiendo un patrón que es similar
para la mayoría de los molinos. En consecuencia, el rendimiento de un molino de bolas es
fácil de predecir. Esto contrasta fuertemente con los molinos AG y en menor grado con los
molinos SAG, en los cuales la distribución de tamaño de alimentación y la dureza del
mineral dictan el volumen y distribución de tamaño de los medios de molienda. También
existen diferencias entre molinos de bolas y molinos AG/SAG en términos de los
mecanismos de rotura que predominan en cada una como también en el transporte de
slurry.
El proceso que ocurre en los molinos AG/SAG puede representarse esquemáticamente de

una forma altamente simplificada, como se muestra en la Figura 7.7 (Morrel 1992). La
alimentación entra al molino y es sometida a rotura por medio de colisiones con otras
partículas y/o la carcasa del molino. El producto sale ya sea vía parrilla o permanece para
ser sometida a colisiones adicionales. El proceso tiene esencialmente tres componentes, a
saber:
• Frecuencia de colisiones (tasa de rotura)

• Distribución de tamaño del mineral después de la colisión (función de distribución de
apariencia)
• Transporte de partícula hacía afuera del molino (tasa de descarga)
162
Figura 7.7: Diagrama esquemático de los mecanismos de proceso de molino AG/SAG
El Modelo de Proceso
En estado de equilibrio estos componentes se mezclan, como sigue, en las ecuaciones de

masa del modelo de mezclado perfecto (Whiten 1974) (ver también el Capítulo 2):
i
0 = f i − pi + ∑ rj s j aij − ri si (7.1)
j =1
pi = di si (7.2)
donde f i = tasa de alimentación de partículas de tamaño i

pi = tasa de producto de partículas de tamaño i
ri = tasa de rotura de partículas de tamaño i
si = contenido del molino de partículas de tamaño i
d i = tasa de descarga de partículas de tamaño i
dij = función de distribución de apariencia o rotura
La función de apariencia de la alimentación se determina usando pruebas de rotura y

abrasión de laboratorio, como se escribe en la Sección 4.6.1. La relación entre tamaño de
producto y aporte de energía es descrita por la ecuación 4.22, t10-Ecs. La tasa de descarga
de partículas de tamaño i, di, se considera como el producto de transporte a, y clasificación
por, la parrilla:
163
di = dci (7.3)
donde d = tasa de descarga máxima
ci = valor de función de clasificación para tamaño i.
d se determina por iteración usando una función de transferencia de masa la que se

relaciona con la mantención respecto de la tasa de descarga volumétrica (Austin, Weymont
et al 1976):
L = m1 F m 2 (7.3)
donde m1,m2 = tasa de descarga máxima
L = fracción de volumen de molino ocupado por material de tamaño menor

a la parrilla.
F = tasa de descarga volumétrica en llenados de molino equivalente por min.
La función de clasificación de la parrilla se describe simplemente como una función log de

línea recta, como se muestra en la Figura 7.16 y las tasas de rotura se describen por medio
de duna relación del tipo mostrado en la Figura 7.12 (ver también la Sección 7.4.23 abajo).
El nivel de energía predominante en el molino, Ei, se asume relacionado al diámetro del

molino por una forma funcional propuesta por Austin et al (1984):
Ecsi ∝ Ei Fxi−1.5 (7.3)
donde Ecsi = energía de chancado específica para tamaño i
xi = tamaño i
La energía de chancado específica en la ecuación 7.5 proporciona una función de apariencia

de alta energía (ecuación 2.22), la cual se combina con la función de apariencia de baja
energía para obtener la función de apariencia única descrita en la ecuación 4.23 (Sección
4.6.1). Luego se resuelven por iteración las ecuaciones 7.1, 7.2 y 7.3 en el algoritmo
ilustrado en la Figura 7.8.
7.4.2 Rotura
En general se considera que en el interior de los molinos AG/SAG operan tres mecanismos
de rotura: abrasión, desgaste e impacto.
Sus definiciones varían en la literatura de manera que hay que proporcionar una descripción
de cada uno. Están ilustradas en forma esquemática en la Figura 7.9. La abrasión se percibe
como un fenómeno superficial que resulta cuando dos partículas se mueven paralelas al
plano de contacto. Pequeñas piezas de cada una se rompen o rajan de la superficie dejando
164
las partículas progenitoras básicamente intactas. El desgaste se percibe como una

consecuencia de condiciones similares a las que causan la abrasión, excepto que una
pequeña partícula esta atrapada entre dos partículas mucho mas grandes. La partícula
pequeña se rompe preferentemente a las partículas grandes. En rotura por impacto, la
partícula que impacta se mueve perpendicularmente al plano de contacto. La cantidad de
rotura que se produce esta relacionada directamente con la energía específica (energía por
unidad de masa) que recibe la partícula objetivo. Se puede demostrar (Leung et al 1987)
que si la energía especifica del impacto es lo suficientemente baja, la distribución de
tamaño de los productos de rotura es similar a la de abrasión.
Figura 7.8: Algoritmo de modelo de molino AG/SAG
Esta descripción de rotura es conveniente en el sentido que está relacionada con el

movimiento de las partículas involucradas en el evento de rotura. Es por consiguiente fácil
de relacionar al movimiento de la carga sin la cual no se produciría rotura de ningún tipo.
En la Figura 7.10 se muestra un esquema con la forma y movimiento de la carga en molinos

AG/SAG indicando las regiones donde se produce la rotura. Hay básicamente dos. La
primera es una superficie en la región del talón donde se produce la rotura por impacto. La
cantidad de rotura que se produce en esta región está influenciada por la frecuencia con la
cual se vuelca la carga y la energía que se genera en el impacto.
La segunda es en el cuerpo de la carga a medida que es levantada por la rotación del

molino. En esta región la carga no se mueve como un cuerpo sólido sino que comprende
una serie de capas que se deslizan una sobre otra. Esto genera una gradiente de velocidad
angular en al carga. En la Figura 7.11 se muestra un ejemplo de esta gradiente que fue
medida usando fotografías de un molino de laboratorio. Dicho movimiento fomenta la
165
rotura por abrasión y desgaste. La frecuencia con la cual se produce dicho rotura dependerá
de la cantidad y velocidad relativa de las capas. A su vez estas dependerán de la velocidad
del molino y de la distribución de tamaño de la carga
Figura 7.9: Principales mecanismos de rotura
Figura7.10: Movimiento de la carga y su asociación con los mecanismos de rotura
166
Para describir la rotura matemáticamente es necesario considerar tanto la frecuencia de

eventos de rotura como los productos asociados con los eventos de rotura. La similitud
entre productos de rotura por abrasión y de impacto de baja energía permite describir la
rotura basado solamente en la energía específica que recibe cada partícula (Leung et al
1987). Esto simplifica considerablemente la descripción del proceso de rotura. En el caso
de la frecuencia de rotura es necesario determinar su valor por cálculo retrospectivo usando
datos experimentales de un molino operativo. Actualmente hay investigaciones en curso
para determinar directamente la frecuencia de rotura a partir del análisis del movimiento y
distribución de tamaño de la carga. Sin embargo, hasta que este trabajo no este terminado
será necesario basarse en las técnicas de cálculo retrospectivo.
En la ecuación 7.1 la frecuencia de rotura se describe por medio de una tasa de rotura (ri), la
cual puede definirse como el número de colisiones de rotura por partícula por unidad de
tiempo (Morrel 1989). Esta tasa varía con el tamaño de la partícula, como también, con las
condiciones operativas. En la Figura 7.12 se muestra un ejemplo de una distribución de tasa
de rotura típica. Son especialmente relevantes los puntos máximo y mínimo de la curva. Se
estima que estos puntos representan los límites, respecto del tamaño, de los distintos
mecanismos de rotura que ocurren dentro del molino.
Figura 7.11: Gradiente de velocidad angular en un molino de laboratorio de 0.3 m x 0.15 m (DxL);
llenado del molino = 30%; velocidad en el rango 73-95% de la crítica
La rotura por abrasión, ya sea producida por la acción de fricción en la carga principal o por
una baja energía de impacto en el talón, afecta predominantemente a las partículas más
gruesas, las que incluyen a los medios de molienda. Siendo un fenómeno superficial se
concluye que su frecuencia por partícula (tasa de rotura) se reducirá a medida que
167
disminuye el área superficial de la partícula. En consecuencia, la tasa de rotura reduce

desde un tamaño máximo a un mínimo, usualmente a 25-50mm. En este punto se ha
impartido suficiente energía específica por impacto para propagar las fisuras a través de
ellas. En consecuencia, la rotura deja de ser un fenómeno superficial y se asemeja más a lo
que se esperaría del chancado.
Figura 7.12: Ejemplo de una distribución de tasa de rotura
Además de los altos niveles de energía específica generados a medida que el tamaño de
partícula se reduce, también aumenta su capacidad de ser aplastada y quebrada por
partículas más gruesas. El efecto combinado es que la tasa de rotura aumenta a un máximo,
usualmente en el rango de 2.5-5mm. A tamaños más pequeños, la tasa de rotura comienza
nuevamente a disminuir. Se cree que esto sucede por al menos dos factores. El primero se
relaciona con el creciente número de partículas en las fracciones de tamaño más pequeñas.
Los medios de molienda proporcionan un número finito de lugares en que puede producirse
la rotura. Estas son ‘compartidas’ entre las partículas más finas. Como la tasa de rotura está
expresada como la frecuencia de rotura por partícula es obvio que si aumenta el número de
partículas, la tasa de rotura debe disminuir.
El segundo factor está relacionado con el transporte de material. Se ha encontrado que

partículas menores a 2.54-5mm están crecientemente influenciadas por el flujo de agua a
través del molino. Se ha sugerido que dichas partículas tenderán a fluir con el agua a
medida que esta se aleja de la región donde los medios de molienda se juntan en los sitios
de rotura. La probabilidad que se rompan las partículas, en consecuencia, disminuirá a
medida que se reduce su tamaño.
168
7.4.3 Transporte de Material
Para que el molino no se sature y el slurry se vacíe por el extremo de alimentación, debe
permitir que los productos de rotura fluyan hacia afuera de la parrilla a una tasa
suficientemente alta. Si el molino tiene elevadores de paleta, también deben tener suficiente
capacidad para remover todo el material que fluye a través de la parrilla.
Si se considera flujo a través de la parrilla, ayuda suponer que el molino y la parrilla se

comportan de una manera similar a un estanque con un agujero a su costado (Figura 7.13).
En esta analogía, el estanque representa el molino mientras que el agujero una abertura en
la parrilla. Es fácil comprender el comportamiento de tal sistema y describirlo
matemáticamente usando dinámica de fluidos clásica. Ignorando los efectos de la
viscosidad, la ecuación de Bernoulli relaciona la tasa de flujo con la altura del fluido en el
estanque como sigue:
v2
gh = (7.6)
2
donde g = constante gravitacional
h = altura del fluido
v = velocidad de salida de la corriente de fluido
En consecuencia la tasa de flujo volumétrica de salida del agujero viene dada por:
q = a 2 gh (7.7)
donde q = tasa de flujo
a = área de sección transversal del agujero
Figura 7.13: Flujo de salida en un tanque simple
169
Está claro de la ecuación 7.7, que la salida del estanque de un flujo aumentado resultará en
un aumento en el área de sección transversal del agujero o en la altura del fluido sobre el
agujero. En el primer caso puede aumentarse el tamaño del agujero o aumentar el número
de agujeros en el tanque o ambos. En el segundo caso, el estanque puede ser llenado hasta
una altura más alta o se puede bajar la posición del agujero o ambos.
Aunque la geometría es levemente diferente a la del tanque sencillo mostrado en la Figura

2.13, se puede aplicar el mismo razonamiento al molino. En la práctica se ha encontrado
que mayores áreas abiertas resultan en mayores tasas de flujo, para el mismo nivel de slurry
en el molino. También se ha constatado que la posición del agujero influencia la a tasa de
flujo. En consecuencia, a una mayor distancia radial desde el centro de rotación, el molino
pasará mayores flujos de slurry a un nivel de slurry constante. En la practica, sin embargo,
no es el nivel de slurry en si el cual es controlado independientemente, sino que, la tasa de
flujo de agua y sólidos hacía el molino. El nivel de slurry en el molino se ajustará a si
mismo dependiendo de la geometría y área abierta de la parrilla. Una gran área abierta, con
agujeros situados cerca de la circunferencia del molino resultará, en consecuencia, en un
nivel de slurry relativamente bajo mientras que, una menor área abierta y agujeros cerca del
centro de rotación, tendrá el efecto contrario.
Figura 7.14; Esquema del flujo observado de salida de la parrilla a diferentes tasas de flujo
Debido a la geometría y movimiento del molino, como también a la presencia de medios de

molienda, la superficie libre del fluido no toma la posición horizontal que tomaría en un
molino estacionario vacío. Se ha determinado, a partir de experimentos de laboratorio, que
asume las posiciones mostradas esquemáticamente en la Figura 7.14. Se muestran dos
casos. El primero ilustra como se observó flujo saliendo de la parrilla antes que los
intersticios en los medios de molienda fueran llenados. La posición de la superficie del
fluido puede inferirse a partir de los agujeros por los cuales escurre el flujo. Puede
170
observarse que sigue la superficie descrita por la carga de medios de molienda. En el

segundo caso, la tasa de flujo es mucho mayor causando que los intersticios se llenen
completamente y el exceso de fluido se apoze en la región del talón de la carga. El flujo a
través de la parrilla se produce entonces tanto a través de los medios de molienda como vía
la poza. Ya sea que el flujo sea vía la zona de medios de molienda o la zona de
apozamiento, se aplica la relación general dada por la ecuación 7.7. Sin embargo, debido a
la forma que asume la superficie libre del slurry en el molino, es difícil aplicar la relación
dada en la ecuación 7.7. En vez de eso se aplica una ecuación semi empírica basada en
ella:
Q = kJp aγ b A cφ d De (7.6)
donde k = coeficiente de descarga

Jp = fracción neta del volumen ocupada por slurry
= jg-jo
Jg = fracción bruta del volumen ocupada por slurry
Jo = fracción ‘muerta’ del volumen ocupada por slurry
D = diámetro del molino
γ = posición radial relativa media de las aberturas de la parrilla
A = área total de aberturas (área abierta)
Ф = fracción de la velocidad crítica
Q = tasa de flujo de salida del molino
a,b,c,d,e = constantes
El parámetro γ es una posición radial ponderada expresada como una fracción del radio
del molino como sigue:
γ =
∑ r area
i i
(7.6)
r ∑ area
m i
donde áreai = área abierta de todos los agujeros en la posición radial ri

rm = radio del molino entre revestimientos
Por definición, γ yace en el rango 0-1. Los molinos en que las aberturas están
posicionadas en la sección exterior de las parrillas tendrán un mayor valor de γ. Como
consecuencia, dejarán pasar mayores cantidades de slurry para un hold-up dado, debido a la
mayor carga de fluido sobre las aberturas de la parrilla, como también a la mayor cantidad
de aberturas que estarán sumergidas.
A partir de datos de molino de laboratorio usando agua, se encontró que los exponentes y
constantes en la ecuación 7.8 variaban dependiendo si el flujo era vía los medios de
molienda o vía zonas de pozas. En los molinos, por cierto, el flujo es slurry y no agua. Ya
que las aberturas pueden ser tan grandes como 100mm (puertos de pebble), el slurry
contendrá rocas hasta ese tamaño. No se puede espera que ese material se comporte como
171
un fluido. En consecuencia, surge la pregunta de cual fracción del slurry de descarga puede
considerarse que actúa como fluido y cual fracción actúa como sólido. Una definición
apropiada para esta división surge del análisis de la tasa de descarga de molinos
operacionales.
La tasa de descarga se define en la ecuación 7.2 y puede calcularse cuando se conocen,

tamaño por tamaño, las tasas de flujo que salen del molino y los contenidos del mismo.
Cuando se grafica la tasa de descarga versus el tamaño, la curva típica resultante es la
mostrada en la Figura 7.15.
Figura 7.15: Tasa de descarga vs tamaño para molino SAG de Alcoa Pinjarra
Leung (1987) sugirió que la tasa de descarga vs relación de tamaño podía describirse
suponiendo que el slurry de descarga consistía de dos fracciones. Una de estas se
comportaba como agua y podía representarse por una sección cercana a la horizontal del
gráfico de la Figura 7.16. La segunda fracción, estaba sometida al efecto de clasificación de
la parrilla y por ende se consideró que su comportamiento era más parecido al de un sólido.
Fue representada por los tamaños asociados al tramo con pendiente del gráfico de tasa de
descarga. En el espacio logarítmico este se extendía en una línea recta desde el tamaño de
la apertura de la parrilla (xg) a un tamaño (xm) que representaba la división entre el fluido y
las fracciones sólidas. (Figura 7.16).
Como por definición todas las partículas < xm se comportan como agua, se esperaría que el
slurry conteniendo agua y estas partículas debiera obedecer la ecuación 7.8. Usando datos
de molinos de escala completa y piloto, en donde se midieron los contenidos y tasa de flujo
del slurry, se aplicó la ecuación 7.8 a molinos industriales, obteniendo las siguientes dos
relaciones. La primera describe el flujo que se produce a través de la zona de medios de
molienda mientras que la segunda se relaciona con el flujo a través de la zona de
apozamiento.
172
Figura 7.16: Función de clasificación de parrilla
Qm = 10000 Jpm 2γ 2.5 Aφ −1.38 D 0.5 Jpm ≤ J max (7.10)

0.5
Qm = 935 Jptγ 2 AD Jp > J max
Jpt = Jp − J max
J max = 0.5 Jt − Jpo
Jpo = 0.33(1 − rn )
Jp = Jpg − Jpo
A = área abierta total de aberturas (m2)

Jpg = fracción bruta del volumen del molino ocupado por slurry
Jmax = máxima fracción neta de hold-up de slurry en la zona de medios de
molienda
Jpo = fracción ‘muerta’ del volumen del molino que debe ser ocupado por
slurry
Jp = fracción neta del volumen del molino ocupada por slurry
Jpm = fracción neta de hold-up de slurry en los intersticios de los medios de
molienda
Jpt = máxima fracción neta de hold-up de slurry en la poza de slurry
Jt = fracción del volumen del molino ocupada por medios de molienda (bolas
más rocas gruesas) incluyendo intersticios asociados
kg = factor para explicar el material grueso
173
Qm = tasa de flujo a través de la zona de medios de molienda (m3.hr-1)

Qt = tasa de flujo a través de la zona de poza (m3.hr-1)
Rn = radio de la corrida exterior de agujeros de parrilla expresado como
fracción del radio del molino.
Ф = velocidad del molino (fracción de la crítica)
γ = posición radial relativa media de las aberturas de la parrilla
Siempre que el exceso de slurry no se aglomere y comience a apozarse, es posible utilizar
la ecuación 7.10 para relacionar la tasa de flujo de slurry con el hold-up de slurry en el
molino. Como la ecuación se aplica a agua y sólidos < xm, se relaciona con la sección
horizontal del gráfico en la Figura 7.16. De la ecuación 7.2, el valor de la tasa de descarga
en este rango viene dado por:
pxm
d xm = (7.12)
sxm
donde dxm = tasa de descarga para agua y sólidos < xm

pxm = tasa de flujo volumétrico de agua y sólidos < xm
sxm = volumen de agua y sólidos < xm en el molino
Como pxm = Qm
y sxm = J pg π D 2 / 4 diámetro del molino
entonces, las ecuaciones 7.10 y 7.11 pueden utilizarse para calcular dxm. También se puede
calcular los valores di para el rango de tamaño de partícula –xg+xm utilizando la
simplificación ilustrada en la Figura 7.16. Determinando el valor de di es posible obtener la
solución de las ecuaciones 7.1 y 7.2, permitiendo la predicción de la carga y producto del
molino.
Aunque la metodología anterior es útil para fines de modelado matemático, tiene un menor
valor directo cuando se requiere la capacidad de tasa de flujo de la parrilla, para un diseño
de molino y parrilla dado. Sin embargo, las ecuaciones 7.10 y 7.11 pueden utilizarse
fácilmente para este propósito. En consecuencia, dado un nivel operacional de slurry en el
molino, es posible calcular la tasa de flujo de agua y sólidos < xm (Qm y Qi). Para dar cuenta
de los sólidos gruesos que también fluyen hacia afuera de la ‘parrilla’ se requiere aumentar
estos valores, en consecuencia
Q = k g (Qm + Qi ) (7.13)
donde kg = factor para dar cuenta del material grueso

Q = tasa de flujo total de material hacía afuera del molino
El valor de kg variará dependiendo de la abertura de la parrilla y de si los puertos de pebble

están siendo utilizados. Como guía se sugieren los siguientes valores para kg
174
Aberturas kg
Parrillas solamente; < 19mm……………………………………….….1.05-1.1
Parrillas solamente; 19-38mm…………………………………………1.1-1.15
Parrillas solamente; > 38mm /puerto de pebbles………………………1.15-1.25
Debe destacarse que a medida que aumenta el número de puertos de pebble, aumentará el
valor de kg. Normalmente, cuando el área abierta de los puertos de pueble sea al menos
igual al de las parrillas, el valor para kg debiera ser alrededor de 1.25.
7.5 OPERACIÓN DE MOLINOS AG Y SAG
7.5.1 Generalidades
En molinos de bola la carga comprende un gran volumen de bolas de acero cuyos

intersticios están ocupados por slurry. En los molinos de overflow habrá una poza adicional
de slurry, la cual se extenderá desde el talón de la carga de bolas hasta el nivel del trunion
de descarga. Sin embargo, la masa de las bolas da cuenta de aproximadamente el 80-85%
de la masa total de carga y domina tanto el consumo de energía como el rendimiento de
molienda del molino. En la mayoría de los circuitos de molinos de bola el consumo de
energía permanece relativamente constante y solo se reduce gradualmente con el tiempo, a
medida que la carga se desgasta lentamente. Sin embargo, las características operativas de
los molinos AG y SAG difieren marcadamente de las de los molinos de bola debido
principalmente al componente mineral de la carga de molienda el molino.
Para ayudar a comprender como operan los molinos AG/SAG, es instructivo comenzar con
una sencilla descripción paso a paso sobre como responden dichos molinos cuando se
introduce alimentación durante su partida. Se asume que el molino esta en modo AG y que,
inicialmente, está corriendo vacío de cualquier carga. La alimentación se inicia a una tasa
fija con un radio mineral:agua y distribución de tamaño de alimentación constante.
• Apenas la alimentación ingresa al molino es tomada por la rotación del molino y,

ayudada por la acción de los elevadores es levantada hasta el punto del hombro para
caer sobre el material en el talón. El consumo de energía comenzara a aumentar
inmediatamente debido al trabajo ejercido sobre la carga. Al principio, no habrá un
flujo de salida del molino mientras se llena el volumen ‘muerto’, que yace por debajo
de la última corrida de agujeros de la parrilla. En consecuencia, el volumen de material
en el molino y el consumo de energía continuarán aumentando. Una vez que la última
corrida de agujeros de la parrilla queda sumergida en slurry, el flujo inicia su salida del
molino.
• Como la carga inicial del molino incluye alimentación nueva, la naturaleza angular,
especialmente de las rocas más gruesas, puede resultar en una rotura relativamente
rápida de estas rocas por abrasión. El producto de esta rotura será básicamente piezas
gruesas astilladas en sus bordes. Se empezará a notar un tamaño de partícula un tanto
gruesa en la descarga del molino.
175
• Una vez que los bordes de la alimentación de roca gruesa hayan sido desgastados, se
empezaran a formar ‘supervivientes’ muy competentes de forma esférica. Como serán
mayores que las aberturas de la parrilla se aglomeraran en el molino La tasa a la cual se
rompen por abrasión estos ‘supervivientes’ será menor que la de la alimentación nueva
y, por consiguiente, la tasa a la cual se llena el molino comenzará a acelerarse. Como la
carga incluirá de manera creciente estas rocas supervivientes, la tasa de aumento del
flujo de sólidos saliendo del molino también se reducirá, mientras el tamaño de
partícula del producto se puede hacer más fino. El volumen de carga y por ende el
consumo de energía continuará aumentando.
• Aunque las rocas ‘supervivientes’ más grandes han estado rompiéndose a una tasa
menor que la nueva alimentación, se llegará eventualmente a un punto en que los
primeros entrantes al molino se habrán desgastado hasta el rango de tamaño 25-50mm.
En ese momento, algunos comenzarán a romperse por el impacto de las colisiones con
las rocas más grandes cayendo sobre ellas. Dicha rotura causara una importante
reducción en el tamaño de estas partículas lo que permitirá ahora que escapen del
molino vía las parrillas. El volumen de carga continuará aumentando y también lo hará
el consumo de energía pero en menor grado.
• Si debido a la dureza del mineral o a la falta de medios de molienda mas gruesa, el

material de tamaño 25-50mm no se rompe a una tasa suficientemente alta, comenzará a
acumularse. El resultad final será una aglomeración del llamado material de tamaño
crítico el cual ocupará volumen en el molino limitando en consecuencia su capacidad.
• Mientras la carga de roca más gruesa se ha ido desgastando y buscando un equilibrio, la

distribución de tamaño y cantidad de partículas más finas en el molino ha ido
cambiando debido a las condiciones cambiantes en la rotura de las rocas más gruesas.
Estas partículas, junto con el agua de alimentación, ocupan los intersticios de la carga
de roca gruesa. Algunas de estas partículas han reducido aun más su tamaño, debido a
desgaste por las partículas gruesas, mientras que otras han fluido a través de los
intersticios y salido por la parrilla sin haber sido quebrada.
• Eventualmente, se llega a un punto en que la cantidad de rocas gruesas y su distribución

de tamaño comienza a estabilizarse. En este punto, la mayoría de ellas son rocas
‘supervivientes’ con sus bordes desgastados proporcionando medios
predominantemente esféricos. La tasa a la cual se rompe la masa desde estas rocas
gruesas a tamaños menores que la parrilla se equilibra con la tasa a la cual se alimenta
el molino con roca gruesa nueva. Simultáneamente, el slurry ha alcanzado un nivel en
que proporciona suficiente presión de carga para permitir una tasa de flujo volumétrico
de salida del molino para equilibrar aquella que entra.
• Ahora el volumen de carga del molino dejará de aumentar y pueden iniciarse

oscilaciones de amplitud decreciente, a medida que se producen los ajustes finales en el
volumen de roca y la distribución de tamaño. El consumo de energía seguirá la misma
tendencia.
176
Debe ser obvio de esta descripción, que cualquier cambio en la tasa de alimentación,
distribución de tamaño de alimentación o dureza de alimentación perturbará el equilibrio en
el molino y ocasionará oscilaciones en su comportamiento, las que requerirán de tiempo
para decaer. En consecuencia, el control de estas tres variables es muy importante. Sin
embargo, aunque la tasa de alimentación usualmente es controlada relativamente bien, se ha
encontrado consistentemente que las variaciones en el tamaño de la alimentación y la
dureza de la alimentación, son los dos principales problemas individuales a que se
enfrentan los operadores de molinos AG/SAG, en su intento de operar un molino estable
bajo condiciones óptimas.
Figura 7.17: Comportamiento dinámico del molino
También debe ser evidente que el volumen de carga y el consumo de energía están
fuertemente ligados y que ambos son afectados por la tasa de alimentación (Figura 7.17).
Bajo condiciones normales, en consecuencia, si se aumenta la tasa de alimentación, se
producirá un aumento en el volumen de carga del molino con el consiguiente aumento en el
consumo de energía. De manera similar, si aumenta la dureza del mineral, no se romperá
tan rápido en el molino y por consiguiente el volumen de carga y por ende el consumo de
energía aumentará. Por tanto, el consumo de energía no varía en respuesta directa a la tasa
de alimentación, dureza del mineral o cualquier otra influencia externa. Es la carga la que
cambia. La energía cambia posteriormente de acuerdo con la carga. Es muy importante
entender esta relación ya que tiene consecuencias respecto del control y la determinación
del límite de capacidad de producción de los molinos-. (ver también el Capítulo 10)
177
En las siguientes secciones se discutirá el efecto de varias variables sobre el rendimiento

del molino en términos de cómo responde el molino a cambios en dichas variables como
también, los mecanismos que los causan.
7.5.2 Tamaño de Alimentación
La influencia del tamaño de la alimentación sobre el rendimiento del molino se desprende

naturalmente del hecho que, una proporción importante de los medios de molienda (todos
en el caso de los molinos AG) derivan del mineral de alimentación. Cualquier cambio en la
distribución de tamaño de la alimentación resultará, por consiguiente, en un cambio en la
distribución de tamaño de los medios de molienda. Esto a su vez afectará las características
de rotura del mineral.
Es conveniente y convencional representar las distribuciones de tamaño por un único valor

y el tamaño de alimentación se representa a menudo por el F80 (tamaño que pasa de un
80%). Sin embargo, datos de numerosas clasificaciones de tamaño de molinos AG y SAG
han demostrado que la relación entre distribución y el F80 varía ampliamente, tanto entre,
como dentro de las plantas. A modo de ejemplo, la Figura 7.18 muestra dos distribuciones
de tamaño distintas con el mismo F80, que fueron registrados en un circuito de molino
SAG. Este fenómeno hace muy difícil correlacionar cambios en el rendimiento del molino
con el F80.
Figura 7.18: Variación en la distribución de tamaño de alimentación con un mismo F80.
178
Sin embargo, luego de estudiar muchos molinos piloto y de escala completa, algunas
tendencias son evidentes (Morrel et al 1994). Una de las principales es que los molinos AG
y SAG responden de distinta manera a los cambios en la alimentación. En un molino AG la
distribución de tamaño de alimentación proporcionará, idealmente, rocas lo bastante
grandes para generar energía cinética suficientemente alta para romper las rocas menores.
Simultáneamente, se debe proporcionar un número adecuado de rocas grandes para
garantizar que se mantenga una frecuencia de colisiones de rotura suficientemente alta. El
número de rocas y la distribución de tamaño de alimentación están claramente
interrelacionadas y se debe mantener un equilibrio entre ambos factores para lograr un
rendimiento óptimo. Sin embargo, en general, el rendimiento del molino AG mejora con
alimentación más gruesa.
En molinos SAG, especialmente aquellos con cargas de bola relativamente altas, se observa
exactamente lo contrario (Morrel 1992). Esto se puede explicar por el rol dominante que
tiene una carga de bola relativamente grande en dictar la naturaleza de la carga de los
medios de molienda. A medida que aumenta el volumen de medios de molienda bola, la
contribución de los medios de molienda roca disminuye. Una alimentación de rocas más
gruesas, en consecuencia, aportara poco en cuanto a medios de molienda y por el contrario
simplemente proporcionará una sobrecarga de roca que requiere ser molida. En estas
circunstancias, una reducción del tamaño de alimentación disminuirá la sobrecarga de
molienda.
Esta última situación se refleja en el rendimiento de los molinos de bola, donde una
disminución en el tamaño de alimentación resultará invariablemente en un aumento del
rendimiento. Si se considera que un molino de bola es una caso límite de un molino SAG,
es esperable que a medida que aumenta la carga de bolas en un molino SAG, el efecto del
cambio en la alimentación F80 tenderá al experimentado por un molino de bola. Queda
claro de este resultado, que debe existir una carga de bola específica para la cual un cambio
en el tamaño de alimentación tendrá un efecto insignificante, ya que el molino no
responderá como una máquina completamente autónoma ni como un molino SAG
adecuadamente cargado. Los datos de molinos operacionales sugieren que este punto se
produce a una carga de bolas de alrededor de 5% en volumen.
En algunas plantas se ha observado incluso que, aunque el F80 permanece relativamente

constante la distribución de tamaño varía marcadamente, tal como lo hace el rendimiento
del molino. Esto es particularmente cierto para los molinos AG en los que dichos cambios
pueden causar, en casos extremos, que el consumo de energía específico (kWh/t) varíe en
un 100%. Del estudio de estas distribuciones es evidente, que cuando hay presencia en la
alimentación del molino de grandes cantidades de material de ‘tamaño medio’, en el rango
de tamaño 20-50mm, el rendimiento del molino tiende a ser pobre. De esto se colige que si
hay una aglomeración natural de material de 25-50mm, como consecuencia del desgaste de
las rocas más gruesas, entonces alimentar el molino con cantidades excesivas de material
del mismo tamaño, exacerbará aun más la situación. Se producirá inevitablemente una
caída en el rendimiento.
179
7.5.3 Dureza del Mineral
A menudo es el caso que un mineral más duro producirá un tamaño de alimentación al

molino más grueso y, por ende, puede ser difícil separar completamente los efectos de
ambos factores. Surgen complicaciones adicionales de las diferentes respuestas que exhiben
los molinos AG y SAG frente a cambios en la dureza del mineral. En el caso de los molinos
SAG es usual encontrar que los minerales más blandos proporcionan un mayor
rendimiento. Esto se debe al hecho que las rocas más gruesas, especialmente las de tamaño
crítico, son rotas con mayor facilidad por las bolas de acero. Sin embargo, habitualmente el
tamaño del producto se hace más grueso. Esto se debe a que las rocas más gruesas pierden
menos tiempo siendo desgastadas lentamente por abrasión y astillado que es lo que produce
normalmente productos de rotura muy finos.
A diferencia de los molinos SAG, donde la carga de acero proporciona un componente

importante de los medios de molienda, los molinos AG se basan exclusivamente en el
mineral de alimentación como su medio de molienda. Si los medios de molienda de grandes
rocas son insuficientes, el material de tamaño crítico no será roto adecuadamente y por
ende se acumulara. Como consecuencia, la producción se verá seriamente afectado El
material blando tenderá a romperse mas fácilmente que el mineral duro y, por consiguiente,
será menos capaz de generar suficientes cantidades de medios de molienda más grandes.
Sin embargo, si el mineral es muy duro, aunque haya presencia de suficiente cantidad de
medios de molienda de grandes rocas, puede que no posean la energía suficiente para
romper el tamaño crítico. Nuevamente se verá comprometida la producción.
7.5.4 Volumen de la Carga de Bolas y Tamaño de Bola
Mientras la molienda autógena tiende a generar un producto fino, con un rendimiento

relativamente bajo, la molienda semiautógena es normalmente un proceso de mayor
rendimiento, produciendo una molienda más gruesa. La capacidad de la carga de bolas de
acero de influenciar el rendimiento del molino de esta manera, se deriva del peso específico
relativamente alto del acero (7.8-8.0), comparado con la mayoría de los minerales (2.5-4.5),
como también de su dureza. Debido a estas propiedades, las bolas de acero son un medio de
molienda muy efectivo, especialmente para rotura por impacto, donde pueden generar
energías cinéticas muy altas. En consecuencia, su introducción en un molino resulta en una
mayor rotura por impacto causando una rotura mucho más rápida de las rocas más gruesas,
que de otro modo, se reducirían de tamaño debido al proceso, mucho más lento, de
abrasión. Como las rocas más grandes poseen más masa que las pequeñas, se necesita más
energía para romperlas. Se requiere, entonces, de bolas más grandes si es que hay que
romper rocas más grandes. También es importante la frecuencia de rotura y está claro que,
por ejemplo, una única bola grande no tendrá mucho efecto en un molino ya que ocasionará
un solo impacto cada vez que complete un circuito en la carga. Sin embargo, hay menos
bolas grandes por unidad de volumen que bolas menores. Como resultado, existe un
compromiso entre la energía de rotura que pueden proporcionar las bolas más grandes y el
número de de impactos por revolución de molino, que puede proporcionar un volumen
180
dado. En gran medida, la selección de un tamaño de bola será dictada por la dureza del
mineral y su distribución de tamaño. Minerales más blandos y/o más finos requerirán de
bolas más pequeñas, mientras que el mineral más duro/grueso requerirá de bolas más
grandes.
El éxito de las bolas de acero al romper rocas más gruesas, a una tasa más rápida, tiene al
menos una desventaja y es que reduce eficazmente la cantidad de medios de molienda roca,
los cuales en caso contrario serían eficaces en la generación de partículas más finas en el
producto. Esto afecta de dos maneras. La primera es el cambio a más rotura por impacto y
menos rotura por abrasión. A medida que los medios de molienda gruesos se rompen a una
tasa más rápida, gastan menos tiempo desgastándose por abrasión y generando un producto
fino. Las rocas de tamaño ‘medio’, normalmente en el rango de 25-50mm, también son
reducidas por la carga de bolas. Como regla general, la molienda de partículas más finas se
ve favorecida por el uso de medios más pequeños. En consecuencia, la remoción de medios
de 25-50mm reducirá la capacidad del molino de moler partículas más finas. Solo
aumentando el volumen de carga de bolas a niveles muy altos (normalmente > 15% en
volumen) puede reducirse este efecto sobre la distribución de tamaño del producto. En esos
casos, el número de bolas es tan grande que aunque una gran cantidad de medios roca son
destruidos, las bolas mas que compensan dicha pérdida.
Estos efectos son bien ilustrados por medio de las distribuciones de tasa de rotura asociadas
a las diferentes cargas de bola y tamaños de bola (figuras 7.19 y 7.-20 respectivamente).
Estas curvas muestran claramente la rotura aumentada que se produce en los rangos de
tamaño grueso y la reducción en los tamaños menores, a medida que se aumenta la carga de
bolas y/o tamaño de bolas.
Figura 7.19: Efecto del volumen de carga de bolas en las tasas de rotura (datos de molino piloto)
181
Figura 7.20: Efecto del tamaño de bola en las tasas de rotura
7.5.5 Velocidad del Molino
A medida que aumenta la velocidad, la cantidad de levante que se imparte a la carga

aumenta a un máximo. A continuación se reduce hasta que, en el punto en que el molino
centrífuga, el levante es efectivamente cero. La relación entre levante, medido como la
diferencia en altura entre el hombro y el talón, y la velocidad del molino se muestra en la
Figura 7.21, para un molino lleno en el rango de 15%-45%. El levante se expresa relativo al
diámetro del molino. La velocidad a la cual se produce el levante máximo es vista como
una función del llenado del molino, aunque también se ve afectada por el tipo/altura de
revestimiento. Como la energía cinética máxima se desarrollará al levante máximo, se
puede presumir que la energía de rotura por impacto alcanzará un máximo en ese punto. Sin
embargo, la cantidad de rotura total no lo hace. Las razones son similares a aquellas dadas
en la sección previa y se relacionan con la frecuencia de rotura, la cual continuará
aumentando a medida que aumenta aún más la velocidad. En consecuencia, aunque la
energía de rotura para cada impacto se reducirá sobre cierta velocidad, la frecuencia de
rotura continuará aumentando hasta que el molino centrifugue.
A nivel operacional, la velocidad creciente favorece la rotura por impacto. Esto deriva,
usualmente, en un aumento en la rotura de roca gruesa, lo que conduce a mayores
rendimientos. La reducción en la cantidad de movimiento de cascada, acoplada con la
destrucción inevitable de los medios de molienda mineral, deriva en condiciones menos
favorables para molienda más fina resultando un producto más grueso. Estos efectos se
ilustran en la Figura 7.22 por medio de gráficos de tasa de rotura vs tamaño, para dos
velocidades. Se observa claramente el aumento en la frecuencia de rotura, en partículas más
gruesas y una reducción en el rango de partículas más finas.
182
Figura 7.21: Altura de caída máxima como función de la velocidad del molino
Figura7.22: Efecto de la velocidad del molino sobre las tasas de rotura para un molino de 7.32m x
3.66m (DxL) a un 55% y 70% de la velocidad crítica
183
Al mismo tiempo que cambia la rotura, también cambia con la velocidad la cantidad de
hold-up de slurry en el molino. Normalmente, el hold-up de slurry aumenta con el aumento
de la velocidad del molino. La Figura 7.23 muestra la relación entre hold-up y velocidad
observada en un molino de laboratorio con mecanismos de descarga solo parrilla y
parrilla/elevador de paleta.
Figura 7.23: Efecto de la velocidad sobre el hold-up en laboratorio
7.5.6 Cerrando un Circuito con Clasificadores de Fino
Es práctica común operar los molinos de bola en circuito cerrado, con un clasificador de
finos como un hidrociclón. No se puede decir lo mismo de de los molinos AG/SAG,
excepto en Sud África. En la mayoría de los países, la operación en circuito abierto (o
circuito cerrado usando un harnero con punto de corte grueso) es la norma. Sin embargo,
cada vez más los operadores de planta y diseñadores están viendo el valor de la operación
en circuito cerrado y, en Australia, la práctica esta ganado popularidad. Sin embargo, en
algunas plantas se han experimentado serias dificultades lo que ha conducido a cuestionar
la factibilidad de este tipo de circuitos, especialmente cuando se utilizan molinos de gran
diámetro y radio de aspecto alto.
Todos los problemas han estado relacionados con la importante caída en la energía y
rendimiento que ocurre a veces cuando se cierra un molino AG/SAG con ciclones. Es
interesante destacar que este no es un problema universal ya que muchas plantas han sido
convertidas exitosamente para correr en circuito cerrado, sin ningún cambio discernible en
el rendimiento o consumo de energía. Los resultados de dichas plantas han dado lugar al
término ‘molienda libre’, ya que ha resultado una molienda más fina sin el cambio
correspondiente en el consumo de energía específica (kWh/t).
184
Para intentar entender que puede estar ocurriendo en el interior del molino que pudiera
explicar esta anomalía, vale la pena conjeturar sobre los cambios que ocurren a medida que
se cierra el circuito con un clasificador de fino. En un circuito abierto, la mayoría de los
molinos corren en ‘seco’. Esto es, cuando se detiene el molino cargado, la carga no muestra
signos de exceso de slurry y tiene la apariencia de una pila húmeda de rocas gruesas. De
hecho, el slurry está presente pero su nivel es relativamente bajo y por consiguiente su
superficie libre está muy por debajo del nivel de la carga de roca/bola. Algunos de los
intersticios de los medios de molienda en consecuencia estarán desprovistos de slurry y,
cuando el molino gire, parte de los medios estará en contacto directo con si mismo,
causando rotura por abrasión.
En los casos en que los intersticios están llenos, tenderá a formarse una capa de slurry entre
medios de molienda contiguos. Esto fomentará la rotura por desgaste de las pequeñas
partículas en el slurry, especialmente en el cuerpo de la carga donde los medios se deslizan
unos contra otros. Si el molino se corre en circuito cerrado con un clasificador de finos, el
flujo de material hacia el molino aumenta, con el material adicional en la forma de un
slurry reciclado desde el underflow. En consecuencia, el molino se llenará con más slurry
hasta que se desarrolle suficiente carga para generar un flujo igual, saliendo por la parrilla.
Siempre que el flujo de slurry de reciclo no sea muy grande, tenderá a acumularse en los
intersticios de los medios de molienda. Entonces, la molienda por desgaste aumentará y la
rotura por abrasión disminuirá. Como resultado aumentará la densidad de carga y, en
consecuencia, el consumo de energía aumentará levemente.
Como la molienda por desgaste favorece la rotura de partículas finas, este mecanismo es
consistente con el requerimiento de cerrar el circuito del molino con un clasificador de
finos, i.e. resultará una molienda más fina. Si el flujo de material reciclado aumenta más
allá, se llegara a un punto en el que se llenarán los intersticios con slurry y por lo tanto la
molienda por desgaste estará en su máximo. Cualquier aumento adicional en el flujo de
reciclo conducirá a la formación de slurry en una poza en el talón de la carga (Figura 7.14),
punto en el cual ya no se producirá molienda adicional por desgaste La presencia de una
poza de slurry causará una caída en el consumo de energía, siendo su efecto principal la
reducción de la rotura por impacto en el talón. Los medios de molienda ya no serán capaces
de impactar directamente sobre el talón sino que, necesitarán penetrar la poza de slurry
reduciendo, en consecuencia, la energía cinética disponible para rotura. Este efecto causa
una reducción en la tasa a la cual las rocas son reducidas de tamaño, conduciendo a un
aumento simultaneo en el volumen de carga de medios de molienda. En alguna medida,
esto compensará la reducción en el consumo de energía causado por la poza de slurry. Sin
embargo, eventualmente, el molino se llenará hasta el punto en que comience a derramarse.
En ese momento el único curso de acción será reducir la tasa de alimentación, aumentar el
punto de corte del clasificador o desviar parte del material reciclado.
Puede observarse de estos argumentos, que cuando cerramos el circuito AG/SAG se debe
elegir el clasificador para que proporcione una separación eficiente a un punto de corte que
garantice que poco o ningún exceso de slurry, se acumule en la poza en el talón. Llegando a
este punto ocurrirán condiciones de ‘molienda libre’
185
Puede argüirse que el cambio de molienda por abrasión a molienda por desgaste, cuando se
cierra el circuito, causará una reducción en la tasa a la cual se rompen los medios de
molienda. En consecuencia, se formara una aglomeración de medios de molienda, incluso a
bajos flujos de material reciclado, causando un mayor consumo de energía. Esto se observa
en ocasiones especialmente cuando se está procesando mineral duro, aunque el efecto
puede ser relativamente pequeño. Es probable que esto suceda en todos los casos, pero es
difícil de detectar. También es probable que este tipo de rotura por abrasión, que se produce
en el cuerpo de la carga, juegue un papel relativamente menor en la reducción de tamaño de
los medios de molienda. El mecanismo principal para dicha reducción de tamaño es muy
probable que sea el impacto en el talón de la carga. Este tipo de rotura no se verá afectado
por el cierre del circuito de molino AG/SAG, excepto cuando el exceso de slurry comience
a formar una poza.
Estos efectos pueden reflejarse, en ocasiones, en una dependencia aparente del rendimiento
de molienda de la viscosidad del slurry (ver Apéndice 2).
7.5.7 Cerrando un Circuito con un Chancador de Reciclo (Pebble)
El chancado de reciclo (o pebble) se ha hecho sumamente popular como una manera

efectiva en costos de aumentar el rendimiento de plantas existentes y como un diseño de
circuito eficiente en energía para plantas nuevas. Su atracción reside en su selectividad, ya
que normalmente, la alimentación al chancador es solo aquel material que se aglomera en el
molino y el cual, por definición, el molino encuentra difícil de romper.
Un fenómeno natural en molinos AG y en menor grado SAG, es que la aglomeración de

pebbles se produce habitualmente en la fracción de tamaño 20-50mm. Estas rocas pueden
ocupar un gran volumen en el molino y, en consecuencia, ser un importante contribuyente
al consumo de energía del molino. Su uso del volumen del molino evita la entrada de nueva
alimentación y por consiguiente limita el rendimiento. Esto ha hecho que este material se
gane la etiqueta de ‘fracción de tamaño crítica’. Puede argüirse, sin embargo, que es
‘critica’ solamente si limita la producción. Por medio de la instalación de grandes agujeros
en la parrilla (puertos de pebble), de hasta 100m de diámetro, es posible remover del
molino estos pebbles y chancarlos a una fracción de tamaño que el molino halle más fácil
de romper. El resultado es que la carga en el molino reduce su volumen (y masa) y también
lo hace el consumo de energía. En consecuencia, es posible aumentar la tasa de
alimentación.
Con este material, el chancador utiliza la energía de una manera mucho más eficiente y, por
consiguiente, la energía especifica del circuito general cae cuando el chancador de reciclo
está en operación. Sin embargo, el uso del chancador de pebble resulta en un producto de
circuito más grueso. Es posible argumentar, en consecuencia, que la caída de la energía
específica se debe a este aumento en el tamaño del producto. La causa del tamaño más
grueso está relacionada con el rol de los medios de molienda siendo chancados por el
chancador. Siguiendo la regla que los medios de molienda más pequeños son más eficientes
en la molienda de partículas más finas, estos medios tendrán un rol significativo en la
generación de un producto más fino. Su remoción, en consecuencia, originará un producto
más grueso.
186
Se desprende de estos argumentos, que a medida que el chancado de reciclo remueve los
medios de molienda, este proceso tiene limitada compatibilidad con el cierre del molino
con un clasificador de finos. No es que no se pueda instalar en el mismo circuito un
chancador de reciclo y un clasificador de finos, es solo que el punto de corte del
clasificador necesitará ser más grueso que si el chancador de pebble no estuviera instalado.
La no consideración de este aspecto ocasionará la aglomeración de material tipo arena en el
circuito.
7.5.8 Control
Un buen control de molinos AG/SAG comienza con un buen diseño de planta.

Especialmente respecto del acopio y recuperación. Igual de importante es una adecuada
relación de trabajo entre los departamentos de proceso y minado para garantizar una mezcla
y fragmentación de minerales consistente y apropiada. Deficiencias en estas áreas derivarán
en una variabilidad en la distribución de tamaño de alimentación y dureza del mineral y, en
consecuencia, harán sumamente difícil mantener el molino AG/SAG en un estado de
equilibrio óptimo.
Existen numerosas estrategias de control de proceso patrocinadas para AG/SAG y no es la

intención revisarlos aquí. La estrategia de control dependerá, en gran medida, de los
requerimientos de la planta, e.g. maximizar tonelaje, mantener un tonelaje fijo, minimizar
el tamaño de molienda, etc., y de la capacidad de la planta de proporcionar un personal
adecuado de apoyo para mantener el sistema. En muchas ocasiones, el mérito está en
mantener el sistema simple. Habiendo dicho esto, el hardware mínimo recomendado es:
• alimentadores receptivos tales como alimentadores con delantal
• pesómetro en correa de alimentación
• medición precisa de la energía del molino
• indicador de nivel de carga como una celda de carga o medidores de presión de

rodamientos
• medidor de densidad de slurry de descarga
Los alimentadores reactivos y el pesómetro de correa de alimentación garantizarán que la

tasa de alimentación se mantenga a un nivel dado, con un mínimo de descompensaciones.
La medición de la energía indicará cuan cerca de la energía máxima del motor está
corriendo el molino y puede ser utilizada como lazo para asegurar que el molino corra
siempre cerca de este nivel. Haciendo esto, se maximizará el rendimiento y se minimizará
la energía específica (kWh/t). Siempre que el motor sea lo suficientemente grande, la
capacidad de salida estará limitada solamente por el volumen de la carga que puede
acomodarse en el molino. Es importante, entonces, mantener la carga del molino bajo este
límite. Las celdas de carga son útiles para este fin ya que, en menor grado, son sistemas
basados en la presión de aceite lubricante de los rodamientos principales. Finalmente, el
medidor de densidad de slurry es importante para ayudar a mantener una reología de
187
descarga de slurry constante. Esto es especialmente importante en operaciones de circuito

cerrado ya que la alternativa más simple de ajustar el agua proporcionalmente a la nueva
alimentación, no compensa por cargas de reciclo fluctuantes.
7.6 OPTIMIZACIÓN
7.6.1 General
La optimización de un circuito AG/SAG no debe considerase nunca terminado. Más bien,

debe ser visto como un proceso continuo el cual apunta a garantizar que el circuito está
operando a máxima eficiencia, no obstante otras condiciones. Dependiendo de los
requerimientos del proceso, la definición específica de eficiencia variará. Algunas plantas
requerirán operar a un máximo tonelaje, otras a un tonelaje fijo pero con una menor finura
de molienda, etc. Sin embargo, independiente de los requerimientos del proceso existen
varias reglas que se pueden seguir para asegurar que el circuito está operando en su óptimo.
7.6.2 Conozca su Molino
Antes de hacer nada más, es esencial conocer las características mecánicas/eléctricas del
molino. Se ha enfatizado que no es suficiente recurrir a los manuales para esta fuente de
datos. Se recomienda enérgicamente verificar por medio de mediciones físicas. Esto tiene la
ventaja adicional de que el metalurgista conocerá más íntimamente la máquina. Los
siguientes son los detalles particulares que deberán determinarse:
• Dimensiones del molino: se debe conocer las dimensiones tanto interiores de la carcasa
como entre revestimientos. Las dimensiones entre revestimiento variarán a medida que
los revestimientos se desgastan. Como resultado, durante la vida útil de un conjunto de
revestimientos las dimensiones del molino y por consiguiente su rendimiento variará.
Se recomienda durante las paradas, el chequeo regular del espesor de los
revestimientos. Se pueden construir gráficos de la dimensión del molino con el tiempo y
así ajustar la estrategia de optimización del molino.
• Parámetros de parrilla: se debe hacer un levantamiento de las aberturas de la parrilla,

área abierta y ubicación de las aberturas en la parrilla. El flujo de slurry afecta el
rendimiento del molino y, en consecuencia, cambios en los parámetros de la parrilla
afectaran el rendimiento. A medida que se desgasta la parrilla, las aberturas se
agrandarán y el rendimiento variará sistemáticamente. También se puede producir
piquetes en las parrillas lo que afectara el área abierta efectiva. Al igual que con las
dimensiones del molino se recomienda enérgicamente la medición regular de los
parámetros de la parrilla
• Capacidad del motor: revise la energía máxima que el motor puede mantener de manera
segura y cual es el punto de corte fijado para el sistema de protección de sobrecarga.
También se recomienda enérgicamente que se consulte al fabricante original del motor
como un chequeo final de la capacidad máxima nominal del motor. Se han dado casos
188
de plantas que no sabían que su motor de molino estaba en condiciones de entregar una
energía sustancialmente mayor a la utilizada.
• Instrumentación: ya que las evaluaciones del rendimiento del molino se efectúan

utilizando datos en gran medida proporcionados por instrumentos es fundamental que
estos sean revisados para verificar su exactitud. De particular importancia son los
pesómetros, celdas de carga/sensores de presión de rodamientos (donde existan),
indicadores de consumo de energía, flujómetros de slurry, medidores de densidad y
monitores de tamaño de partículas (donde existan). Las mediciones de consumo de
energía y peso revisten especial importancia debido a que son los indicadores más
comunes del desempeño de un molino. Se deben efectuar chequeos regulares de
calibración de pesómetros. Se debe chequear periódicamente el consumo de energía pr
medio de mediciones independientes e.g. un medidor de potencia portátil. El personal
de metalurgistas también pueden efectuar pruebas sencillas para verificar que las
lecturas de la sala de control coincidan con los indicadores de potencia locales y que las
lecturas del potenciómetro sean consistentes con las mediciones instantáneas de
potencia (ver también Sección 5.3.3).
7.6.3 Definir le Criterio de Optimización y Desarrollar un Programa
Dependiendo de los requerimientos de proceso y economía de la planta, los criterios de

optimización variarán. Estos deben ser cuidadosamente definidos desde el principio.
Criterios típicos son:
• Rendimiento
• Tamaño de molienda
• Consumo de energía
• Consumo de aceros
Una vez que se ha determinado el criterio, se puede desarrollar un programa orientado a

lograr los niveles de rendimiento óptimo para cada uno. El primer ítem del programa será
siempre un conjunto de pruebas para determinar el nivel de desempeño actual del circuito.
Este debe considera estudios del circuito como también del consumo de energía del molino.
Se requiere de las siguientes mediciones o muestreos:
• Tasa de flujo de todas las corrientes

• Dimensionado de todas las corrientes
• Porcentaje de sólidos de todas las corrientes
• Consumo de energía del molino
• Nivel de carga en el molino
Los procedimientos de muestreo y estudio se describen en el Capítulo 5. Una vez que estos
datos han sido recogidos, deben ser analizados para determinar donde existe margen para
mejorar el desempeño del circuito (ver estudio de casos en Sección 13.3.3
189
7.6.4 Simulación
Las técnicas de simulación son ideales para optimización. Los datos del estudio se usan
para construir modelos matemáticos de las unidades en el circuito. Luego se pueden probar
y evaluar las estrategias de optimización antes de hacer cambios en la planta. El Capítulo
13 describe esta metodología.
La simulación es solo una herramienta y aún requiere que el usuario posea un sólido
dominio del proceso y un conocimiento de los probables efectos que los cambios
producirán en las condiciones operacionales. En las siguientes secciones se revisan los
criterios de optimización para molinos AG/SAG y se analizan los factores que pueden
alterarse para afectarlos. Conociendo las causas y efectos, se puede utilizar con confianza la
simulación para cuantificar el efecto de los cambios y para indicar como se manifestarán las
interacciones que de ellos se deriven.
7.6.5 Criterio de Optimización
Rendimiento
El rendimiento está limitado por la energía disponible y el volumen en el molino. La

velocidad también afecta el rendimiento, con mayores velocidades proporcionando mayores
rendimientos. A una velocidad constante, aumentos en el rendimiento derivarán en el
aumento del nivel de carga (volumen) hasta un punto en que los contenidos del molino se
derramarán. Midiendo el nivel de carga bajo las condiciones actuales evidenciará si hay
margen o no para aumentarlo (y también el rendimiento). En Australia y Norte América,
donde los molinos tienen truniones de descarga, es usual trabajar con un nivel de carga
máxima de alrededor de un 35% del volumen total del molino. En Sud África, donde son
comunes los diseños con descarga por el extremo, no son inusuales los niveles en el rango
40-50%.
Simultáneamente con la medición del nivel de carga, será necesario determinar si la

potencia del molino esta en su máximo y, si no lo está, cuanto aumento de volumen se
podrá acomodar sin exceder la potencia máxima. Para este fin se puede utilizar un modelo
de energía (ver Capítulo 11). Para un modelo de molino dado, el modelo predecirá el
consumo de energía para un nivel de carga dado. Esto proporciona un chequeo sencillo de
si el aumento propuesto del nivel de carga, puede ser sustentado por el motor del molino.
Tamaño de Molienda
El tamaño de molienda no es fácil de manipular en molinos AG/SAG en circuito abierto y

es fundamentalmente una función del mineral. Es posible, sin embargo, hacer cambios
modestos aumentando o disminuyendo las aberturas de la parrilla, cambiando la carga de
bolas y el tamaño de bola y variando la velocidad del molino. Mayores cargas de bola,
bolas más grandes y mayores velocidades producirán, normalmente, una molienda más
gruesa y viceversa. Simultáneamente, sin embargo, el rendimiento y el consumo de energía
también se verán afectados. Esta interacción puede causar problemas al momento de
conciliar los criterios de optimización y ayuda a destacar el valor de las técnicas de
190
simulación, para ayudar en la formulación de la mejor estrategia En consecuencia, puede

ser preferible, cuando se opera un circuito de molienda de dos etapas, concentrarse en la
optimización del rendimiento para el molino AG/SAG y dejar la optimización del tamaño
de molienda al circuito de molienda de bola.
En circuitos cerrados de molinos AG/SAG es posible cambiar el tamaño de molienda

manipulando el rendimiento el clasificador. Para garantizar un rendimiento óptimo es
sumamente importante que el clasificador proporcione una separación eficiente. Esto
evitará el retorno no deseado del material de tamaño correcto al molino, causando una
eventual pérdida en el rendimiento. Se ha demostrado que es posible bajar, hasta cierto
punto, el punto de corte del clasificador sin afectar el rendimiento (ver ‘molienda libre’).
Sin embargo, se alcanzará un punto en que una reducción adicional del punto de corte solo
se podrá lograr a expensas de una baja en el rendimiento.
Consumo de Energía
Para indicar la eficiencia del molino se utiliza habitualmente el consumo específico de

energía (kWh/t). Este depende significativamente del tipo de mineral pero también se ve
influenciado por el tamaño de alimentación, carga de bolas, nivel de carga y velocidad del
molino. Como regla general, mientras mayor la carga de bolas y el nivel de la carga, menor
será el kWh/t. Los efectos del tamaño de alimentación están menos definidos y pueden
determinarse solamente conduciendo una serie de estudios sobre un molino a diferentes
condiciones de tamaño. (Ver capítulo 11 para métodos de predicción de energía).
Consumo de Aceros
El consumo de acero depende tanto del tipo de mineral como del material de
revestimiento/bolas. Sin embargo, ciertas condiciones operativas tenderán a aumentar el
consumo de acero. En consecuencia, se deberá evitar en los molinos SAG los menores
niveles de carga ya que las bolas colisionarán más con elevadores y revestimientos.
Mayores niveles de bolas también darán lugar a un mayor consumo de acero. Se debe
utilizar, en consecuencia,. el mínimo nivel de bolas que garantice el cumplimento de las
demandas de producción. La velocidad del molino también influye fuertemente en el
desgaste. Esto es especialmente notorio en molinos con velocidad variable, cuando el
molino ha sido operado a una velocidad muy alta. En dichos casos, el resultado es
disminuir el nivel de la carga y, por ende, exponer innecesariamente elevadores y
revestimientos.
191
CAPITULO 8
MOLINOS DE BARRA
8.
8.1 INTRODUCCIÓN
L os molinos de volteo son ubicuos en el procesamiento de minerales. Su propósito

principal es la reducción de tamaño y liberación de mineral, combinado
ocasionalmente con uso como reactor químico. Los molinos de barra y bolas se
hicieron comunes a principios del siglo 20 y dominaron la molienda hasta mediados de los
1970s. En ese momento, los molinos AG/SAG (Capítulo 7) comenzaron a proporcionar una
alternativa a la molienda gruesa. Los factores propulsores fueron el costo y la escala. Los
molinos de barra tienen limitaciones de tamaño inherentes, debido a la necesidad de
mantener sus medios paralelos.
El molino de barra proporciona una eficiente clasificación interna. Las partículas mayores
que un tamaño determinado serán usualmente totalmente eliminadas. Si no lo son, el
molino de barra estará cerca de sobrecarga y listo para enredar las barras. En consecuencia
los molinos de barra son adecuados para reducción de producto de chancado secundario
(p80 alrededor de 25mm) a alimentación de molino de bola ideal (P80 de 1-2mm)
Debido a la transición a circuitos incorporando molinos AG/SAG, los rodillos de barra son
actualmente menos comunes en las concentradoras existentes y usados rara vez, si alguna,
en concentradoras nuevas. Sin embargo, son una forma distinta de dispositivo de molienda
gruesa y merecen un análisis independiente.
Los molinos de barra son cilindros horizontales que rotan respecto de su eje longitudinal,
como se muestra en la Figura 8.1. Mineral y (usualmente) agua son alimentados por un
extremo y descargados por el otro. La descarga puede verse afectada por una variedad de
métodos. El más simple es el molino de overflow donde la descarga del molino es mayor
que la abertura de alimentación. Esta diferencia genera un gradiente hidráulico que
propulsa la pulpa hacia afuera del extremo de descarga.
Los molinos de barra son casi siempre con descarga de overflow. Una excepción es en
molinos multi compartimiento que utilizan un vertedor o diafragma de descarga interno.
Los medios de molienda son barras de acero largas y pesadas, que no son arrastradas hacia
fuera del molino por el flujo de pulpa. El extremo de descarga de un molino de barra o de
192
Capítulo 8: Molinos de Barra
bola esta acondicionado normalmente con un harnero cilíndrico o tromel, para proteger los
procesos aguas abajo de medios desgastados (pedazos de barra o scats de bola). El harnero
de tromel está sujeto normalmente con un espiral interno que empuja el material vagabundo
hacia fuera del tromel.
La mayor parte de la clasificación de partículas se produce en la carga del molino y el

tamaño de apertura del tromel (normalmente ranuras de 3-10mm de ancho) tiene
sorprendentemente poco efecto sobre el tamaño del producto.
Figura 8.1: Diagrama de corte de un molino de barra Svedala
8.3 VARIABLES CLAVE
Tamaño y Potencia del Molino de Barra
Debido a las dificultades prácticas de hacer una barra mayor a 6-7 m de longitud, los
molinos de barra están limitados a este tamaño. Para mantener las barras paralelas, se
privilegia un radio longitud a diámetro de 1.2 a 1.6.
El efecto global de estas restricciones es un límite de potencia superior de alrededor de 1

MW. La forma de la carga del molino de barra es más constante que la de molinos
AG/SAG y se puede utilizar la siguiente fórmula para determinar el consumo de energía
(Rowland y Kjos 1978):
kWr = 1.752 D1/ 3 (6.3-5.4Vr )fCs (8.1)
donde kWr = kilowats por tonelada de roca

D = diámetro del molino entre revestimientos (m)
Vr = fracción del volumen del molino cargado con barras
fCs = fracción de la velocidad crítica
193
Velocidad del Molino
Al igual que otros molinos de volteo la velocidad del molino se expresa como la fracción (o
porcentaje) de la velocidad a la cual la carga en la superficie del revestimiento centrifuga,
i.e. la fuerza centrífuga iguala a la gravedad
La velocidad crítica en revoluciones por minuto viene dada por:
Cs = 42.3 / 3 (8.1)
donde D es el diámetro del molino en metros
Nótese que las ecuaciones de potencia de JKMEC utilizan el diámetro entre revestimientos
(Capítulo 11). Las especificaciones y formulas de potencia de los fabricantes, se refieren
normalmente al diámetro interior de la carcasa ya que, este diámetro no varía con las
condiciones de desgaste. Las velocidades del molino de barra van de 72% del crítico para
molinos pequeños a 65% del crítico para molinos grandes. Esta variación es para minimizar
el desgaste de los revestimientos y para tratar de evitar el enredo de las barras.
Medios de Molino
Al igual que en otros molinos rotatorios, el nivel de carga se expresa como la fracción del
área de sección transversal del molino ocupado por medios luego de 5-10 minutos de grind-
out.
Las barras nuevas varían entre 25mm a 150mm de diámetro. Una barra ideal permanece
geométricamente recta hasta que se desgasta a un 10-20% de su diámetro original y luego
se rompe en pequeñas secciones (100-150mm) que pueden escapar del molino.
Las barras disminuyen de diámetro de manera aproximadamente lineal con el tiempo. En

consecuencia, se genera naturalmente un rango suave de tamaños (o cuerda). Una adecuada
guía para selección del tamaño de barra fue desarrollada empíricamente por Allis Chalmers
(Rowland y Kjos 1977).
La correlación Allis Chalmers para determinar el tamaño de barras es
 F 800.75 WI sg 
Rr =   × 25.4 (8.2)
 160 (%Cs ) 3.28 ID 
donde R = Diámetro de la barra (mm)

F80 = Tamaño realimentación pasando 80% (µm)
WI = Índice de trabajo de alimentación de molino de barra (kWh/t/ton. corta)
sgs = Peso específico de la alimentación de mineral
%Cs = Porcentaje de la velocidad crítica
D = Diámetro entre revestimientos de la carcasa (m)
194
Las dependencias son muy razonables. Minerales que son más duros por unidad de
volumen (i.e. Wi*sg), y gruesos, requieren barras más grandes. Molinos de mayor
diámetro, a velocidades más altas, pueden utilizar menores tamaños de barra ya que, un
mayor levante, permite que una barra más pequeña proporcione la energía de rotura
necesaria.
El manejo de barras no es algo baladí. Las barras son pesadas y cualquier manejo manual
pone en serio riesgo incluso manos enguantadas. Un sistema de carguío de barras
automático requerirá casi tanto espacio como el molino en si.
8.4 REVESTIMIENTOS DE MOLINO
Los revestimientos de molinos de barra son casi siempre un conjunto de ondas paralelas.
Los revestimientos del molino imparten energía a la capa exterior de la carga. Luego, cada
capa imparte energía a la capa que descansa inmediatamente encima. La configuración de
la onda no es crítica, con una altura de onda de alrededor del diámetro de reconstrucción de
la barra. El material habitual para revestimiento es el hierro fundido. Un revestimiento de
molino de barra experimenta fuerzas de alto impacto. Una barra de diámetro 6m x 100mm
pesa 90 veces más que una bola de diámetro 100mm y romperá la mayoría de los
revestimientos de goma. Como la energía de impacto variará según mv2/2, es fácil ver
porque los molinos de barra operan a velocidades mas bajas que los molinos de bola.
Figura 8.2: Una máquina de reposición de revestimientos operando en el interior de un molino de

barra de 3.8 x 9m (Russell Mineral Equipment)
195
8.5 CONFIGURACIÓN DEL CIRCUITO
Los molinos de barra se operan casi siempre en circuito abierto, tomando alimentación de
un circuito de chancado y entregando el producto a un circuito de molino de bola.
8.6 MODELADO DE MOLINOS DE BARRA
El molino de barra es esencialmente un dispositivo de flujo de tapón. A medida que la

pulpa es acarreada a través del molino, la acción de rotación/volteo de las barras actúa
como un harnero que selecciona las mayores partículas para rotura. Físicamente, las
partículas más grandes ‘protegen’ hasta cierto punto a las menores.
Par cuantificar este efecto, Callcott y Lynch (1964) definieron un ‘estado de rotura’ como,
la longitud de molino de barra requerida para eliminar un intervalo de tamaño 2 de la
pulpa, i.e. para eliminar la mayor fracción de tamaño de tamiz.
Se consideró que una etapa de rotura consistía de tres partes: una función de clasificación,
una función de rotura y una función de selección (Figura 8.4). La aritmética necesaria para
calcular un tamaño de producto fue expresada en forma matricial.
La matriz de clasificación C es una matriz diagonal que determina la proporción de cada

fracción de tamaño entrando (o reentrando) a una etapa de rotura específica.
Para garantizar que la fracción de tamaño superior es removida completamente, C11 debe
ser igual 1. Usualmente se elige una simple serie descendiente para los demás elementos de
diagonal, i.e. para una serie 2 de tamices:
1 . . 0 . .
. 0 .5 . . . . 

. . 0 .2 5 . . .
C =   (8 .4 )
. 0 . 0 .1 2 5 . .
. . . . . .
 
. . . . . .
y así sucesivamente. C11 es la fracción de tamaño más gruesa que entra a cada etapa.
El efecto de harneado es modelado usando una selección de función que se describe por
medio de tres parámetros:
1 . . . . . 
. 1.0 . . 0 . 

. . 0.7 . . . 
S =   (8.5)
0 . . 0.4 . . 
. . . . 0.2 . 
 
. . . . . 0.2 
196
Esta función se describe tradicionalmente en términos de intercepto (IN), pendiente (SL) y

punto de intersección (XC) (Figura 8.3). Sin embargo, es mucho más fácil de entender en
términos de K1 y K2 (según el modelo de chancador de Whitens – Sección 6.5) donde
partículas menores a K1 tienen una probabilidad constante de romperse y partículas
mayores a K2 siempre se rompen. Entre medio, en el caso de molinos de barra, la
probabilidad de selección para rotura aumenta linealmente con el tamaño de partícula.
En términos de parámetros de selección
K1 = XC
y K2 = (1.0-IN)/SL (8.6)
(En consecuencia, el molino de barras puede ser visto como análoga a múltiples etapas de
chancado donde K2 disminuye, a medida que el mineral progresa desde la alimentación a la
descarga).
Figura 8.3: Función de Selección de modelo de molino de barra
La matriz de rotura (o función de apariencia A) es precisamente la descrita en el Capítulo 4

y usada en el modelo de chancador. Se asume que la función de rotura permanece con la
misma forma respecto del tamaño de la partícula rota y, por ende, se transforma en una
matriz de paso. El supuesto de función de rotura constate no es absurdo, i.e. t10 acercándose
al máximo lo que puede lograrse en un único impacto (normalmente 40-60% o A en la
ecuación 4.22) ya que la rotura de molino de barra es fuete para aquellas partículas que son
golpeadas.
197
La función de apariencia por defecto es una ecuación Rosin-Rammler modificada
A( x, y ) = (1 − exp(− x / y )) /1 − exp(−1)) (8.2)
donde A(x,y) es la proporción, luego de la rotura, de partículas de tamaño inicial que son
menores que el tamaño x. La matriz de apariencia A está compuesta de vectores de las
diferencias en x para el intervalo de harnero específico. Para minerales específicos, la
función de apariencia pude ser medida con el péndulo gemelo o el dispositivo de rotura por
impacto. En el Capítulo 4 y la Sección 9.7 se entregan el rango de funciones de apariencia
para varios minerales.
Para cada fracción de tamaño, se asume que ocurre un grado de reducción de tamaño
geométrico similar; la matriz de rotura es, en consecuencia, una matriz de paso.
 a1 0 0 0 
a a1 0 0 
A =  2  (8.5)
a 3 a2 a1 0 
 
a 4 a3 a2 a1 
Como se destacó antes, este modelo puede considerarse como un diagrama de flujo con
algo de recirculación (Figura 8.4). Algo de aritmética de matrices convierte esto en un
modelo que parece complicado pero que es en realidad bastante simple.
Para lograr algún conocimiento del modelo, es útil considerar una solución algebraica
donde el subíndice i designa las fracciones de tamaño de grueso a fino.
Ignorando inicialmente el reciclo para simplificar, tenemos que, para cada tamaño de
fracción i, se rompe fisi y (1-si)fi pasa directo (bypass) al contenido de la etapa de rotura.
i
En consecuencia qi = (1 − si ) fi + ∑ sk f k i.e. bypass más rotura de fracciones gruesas.
k =1
Los contenidos están ahora clasificados con el reciclo ciqi y producto (1-ci)qi.
Con un computador moderno, es posible iterar este proceso hasta que la tasa de flujo de
producto sea aproximadamente igual a la tasa de flujo de alimentación.
Cuando se desarrolló este modelo, no había computadoras digitales disponibles y se

desarrolló una solución analítica. (Nótese que el método de arriba es mucho más fácil de
programar que la solución de matriz y proporciona una solución dinámica con pasos de
tiempo adecuados y limites físico en el volumen de carga.
198
Figura 8.4: Una etapa de rotura de un molino de barra
Necesitamos predecir el producto como una función de la distribución de alimentación.
p = F( f )
De la Figura 8.4 podemos escribir las ecuaciones 8.9-8.11:
p = (I − C) ⋅ q (8.9)
q = (I − S ) ⋅ m + A ⋅ S ⋅ m (8.10)
m = c⋅q + f (8.11)
La solución se presenta a menudo como obvia lo no es así para casi todos. El objetivo es
eliminar m y q. Primero sustituya para q en la ecuación 8.9 utilizando la ecuación 8.10, i.e.
p = (I − C) ⋅ (I − S + A ⋅ S ) ⋅ m (8.12)
Haga lo mismo para la ecuación 8.11:
m = C ⋅ (I − S + A ⋅ S ) ⋅ m + f (8.13)
199
Reordene a
I ⋅ m − C ⋅ (I − S + A ⋅ S ) = f (8.13)
−1
o m = [ I − C ⋅ ( I − S + A ⋅ S )] ⋅f (8.13)
y sustituya para m en la ecuación 8.12 para la solución publicada:

−1
p = ( I − C ) ⋅ ( I − S + A ⋅ S ) ⋅ [ I − C ⋅ ( I − S + A ⋅ S )] ⋅ f
o pj = X j ⋅ fj (8.16)
donde Xj es una etapa de rotura, ya que A, S y C se asumen constantes para todas las
etapas.
Como el molino consiste de v etapas de rotura, la transformación entre la alimentación real

del molino de barra y el producto es
p = x ⋅ x ⋅ x ⋅ x... f
v
o p =  X j  ⋅ f (8.17)
Como la potencia de una matriz esta definida solamente por valores enteros, los valores
intermedios se determinan por interpolación lineal.
Este modelo no es ni cerca tan complicado como se ve debido a las matrices triangulares
inferiores. Para aquellos que deseen programar el modelo, la trampa estándar es que la
matriz Cj agrega una corrida y columna extra de ceros en cada etapa.
8.7 ESCALANDO EL MODELO DE MOLINO DE BARRA
Se ha determinado empíricamente, para la mayoría de los molinos de barra, que la tasa de

alimentación del molino multiplicada por una función del número de etapas de rotura, es
aproximadamente constante. Esta constante se denomina constante del molino MC.
MC = Tasa de alimentación ⋅ v1.5 (8.18)
donde v = número de etapas de rotura
Esta relación es consistente con un número constante de impactos disponible y un tiempo

de residencia que depende de la tasa de alimentación volumétrica.
La simulación de de la operación de un molino de barra se reduce entonces a el de la tasa y

dimensionado de alimentación, una función de rotura o apariencia (que puede ser medida) y
cinco parámetros, tres para selección (SL, IN y XC), uno por cada una de las etapas de
200
rotura (v) y la constante del molino MC. Estos parámetros pueden derivarse de un conjunto
de datos de prueba.
El modelo de molino barra no tiene precisamente un buen comportamiento. Tanto K2 como

el número de etapas pueden controlar el tamaño superior del producto. En consecuencia
pueden interactuar hasta cierto grado y puede que no exista una solución única para los
parámetros en la matriz de rotura (Lynch 1977). Sin embargo, pueden efectuarse
simulaciones útiles por medio de supuestos adecuados como se discute abajo.
Una vez que se caracteriza un molino de barra procesando un mineral específico, puede ser
escalado a los tamaños y condiciones de otro molino. Los factores de escala interactúan con
el modelo a diferentes niveles. La tasa de alimentación y (en ocasiones) el dimensionado de
alimentación interactúan con el número de etapas de rotura. Las condiciones operativas y el
tamaño determinan la constante del molino.
La dureza del mineral interactúa con la función de selección. Este modelo fue desarrollado
antes de las técnicas de rotura de partícula individual de JKMRC (Capítulo 4). Sin
embargo, las funciones de rotura específica del mineral del molino de barra/molino de bola,
pueden ser utilizadas para escalar para dureza de mineral.
Escalando etapas de rotura:

2/3
 MCFIT   P90 FIT 
vsim =   +ln   /ln 2 (8.19)
 Tasa de alimentación SIM   F90 SIM 
FIT identifica el caso base (condiciones ‘ajustadas’).
SIM identifica el caso escalado (simulado)
Nótese que para molinos de barra cargados livianamente, la dependencia de F90 (o tamaño
que pasa de 90%) es insignificante. Cuando se hace importante, un molino de barra está
operando cerca de su rendimiento máximo.
Escalando la Constante del Molino

2.5
MCSIM  D   LF   1 − LSIM  LSIM   fCsSIM 
=  SIM  ⋅  SIM  ⋅   ⋅   (8.20)
MCFIT DFIT   LFIT   1 − LFFIT  LFFIT 
144 fCsFIT 
14
42444 3 144424443 24 3
Tamaño de Molino /Potencia Carga de Molino Velocidad Crítica
donde LF = fracción de carga del molino (volumen de carga ocupado del molino ocupado
por carga y medios después de grind-out).
201
Estos factores de escala se aplican solo a molinos de barra de radios de longitud a diámetro
normales, esto es, 1.2 < l/D simulado < 1.6 y L hasta 7m, y que están operando en el rango
de Fracción de Carga de 30% < 45% <% y rango de velocidad crítica de 50%<fCs<80%
Esto factores se aplican a la Constante de Molino, MC del molino original para estimar la
constante de molino del molino simulado (escalado)
Escalando para Dureza de Mineral
Esta dependencia es bastante compleja y opera sobre la función de selección S.

0.8
SSIM  WI 
=  FIT  (8.21)
SFIT  WI SIM 
Si las técnicas de medición de rotura de partícula individual hubieran estado disponibles

durante el desarrollo del modelo de molino de barra, una metodología más lógica pudo
haber sido modificar la función de rotura.
Tamaño de Molino
Si se han medido las características de rotura para distintos tipos de mineral, la sustitución
de los parámetros ajustados en la nueva función de rotura, también escala el modelo para
predecir rendimiento cuando se trate el nuevo mineral.
8.8 AJUSTANDO EL MODELO DE MOLINO DE BARRA
Probablemente debido a la forma de la función de clasificación, puede ser muy difícil

ajustar el modelo de molino de barra a los datos. El parámetro más fácil de estimar es el
número de etapas de rotura, debido a que esta definido efectivamente como el número de
fracciones que son removidas entre alimentación y producto.
Como la constante de molino MC es el producto de su tasa de alimentación y el número de

etapas de rotura elevado a la potencia 1.5 (ecuación 8.18), entonces se extiende esta
estimación a la constante de molino.
La partícula más grande en la descarga del molino debe ser justo menor que K2 (Figura
8.3).
Como los molinos de barra no son efectivos en la molienda de partículas pequeñas, 0.1 mm
es un buen punto de partida para estimar XC. Nótese que los valores negativos para el
intercepto (IN) no son inusuales. Esto implica que partículas menores que XC no se
rompen. Suponiendo un valor de selección de 0 en XC se puede calcular IN y SL.
Debido a que el modelo de molino de barra depende del F90 de la alimentación, es difícil
de ajustar en circuito cerrado hasta que los parámetros no sean una muy buena estimación.
En consecuencia, en un molino de barra de circuito cerrado, primero balancee la masa y
luego ajuste el tamaño de producto usando la tasa de alimentación y dimensionado
202
balanceada. Esto ajusta efectivamente el molino en un circuito abierto. Si hay disponible

una función de rotura específica del mineral, debe utilizarse. Luego se puede ajustar la
constante de molino (MC) y los tres parámetros de función de selección.
Para ajuste del modelo (y para simulación) elimine la dependencia de F90 fijando el F90
simulado al F90 de alimentación medido.
Si la forma de la distribución de tamaño de producto es muy distinta a la distribución

medida, aumente el valor de selección supuesto por una pendiente de producto más
pronunciada y revise gráficamente. Cuando la pendiente sea similar, continúe con el ajuste
del modelo.
8.9 OPERACIÓN DEL MOLINO DE BARRA
Los molinos de barra son dispositivos de fuerza bruta. Son insensibles a cambios en tamaño
de alimentación, densidad de pulpa y tasa de alimentación, en una gran proporción de su
rango operativo. En consecuencia, un sobre-diseño en un molino de barra logra una
operación simple y requiere de un mínimo control de proceso.
Más difícil es la operación a rendimiento máximo. Como se destaco previamente, los

molinos de barra se hacen sensibles al dimensionado de la alimentación a medida que se
acercan a la tasa de alimentación máxima. Con altos rendimientos, también puede verse
perturbado el alineamiento de las barras y puede producirse su enredo. Rectificar este
problema implica cortar las barras enredadas, removerlas y comenzar nuevamente- una
tarea desmoralizante. En consecuencia, los molinos de barra tienen extremos más planos
que los molinos de bola para intentar mantener las barras en una pila ordenada.
A pesar de toda la investigación, aun no se entienden bien las causas de los enredos de
barras. Se puede minimizar el problema prestando atención a los siguientes aspectos:
• use barras de buena calidad, las cuales deben permanecer rectas hasta a lo menos un 10-
20% en diámetro y luego romperse en trozos pequeños.
• algo de fino en la alimentación del molino, por ejemplo una pequeña proporción del
overflow del ciclón desviado a la alimentación del molino de barra, es considerado una
ayuda para el rendimiento máximo.
• a altos rendimientos se hace importante un buen control del dimensionado de la

alimentación; esta es la dependencia de F90 del modelo. Si esta dependencia se
evidencia en los datos de prueba (i.e. de a lo menos dos conjuntos de tonelajes y
dimensionados de tamaño diferentes), el molino esta cerca de su tonelaje máximo.
• también ayuda una carga de barras de 35-40%; cargas menores no se asientan bien entre
si
• no opere a rendimientos muy bajos; el molino va a ‘cascabelear’ y las barras pueden

enredarse nuevamente.
203
• como se destacó previamente, la velocidad de lo molino de barra también se mantiene

más baja que la de los molinos de bola, a un 75-65% de la crítica desde molinos
pequeños (1m Ф) a molinos grandes (5m Ф o más).
• use revestimientos de carcasa de una onda; la regla práctica para el número de

revestimientos de Allis Chalmers (Rowland y Kjos 1978), es 6.6 veces el diámetro del
molino en metros con alturas de onda de 65-95mm, i.e. del mismo orden del diámetro
de reconstrucción de las barras recuperadas.
• opere a densidades de pulpa de 65-75% de sólidos en peso, con las mayores densidades
correspondiendo a un mayor sg de mineral, i.e. 45-50% en volumen.
Es difícil estimar el rendimiento máximo. Sin embargo, la velocidad del espacio en el

molino proporciona cierta guía. Suponga un 25-30% de vacío de carga, lleno totalmente
con pulpa. Como este es un problema bidimensional, implica a un 25-30% del área de
sección transversal de la carga. Para calcular la velocidad del espacio dividimos la
producción volumétrica de pulpa, Q, por el área vacía.
Velocidad del Espacio = Q / π (0.25 a 0.3) D 2 LF  m/s (8.22)
8.10 OPTIMIZACIÓN
La optimización de molinos de barra es muy simple si el objetivo no es el rendimiento

máximo. El molino puede considerase como un chancador de fino que proporcionará un
buen control del tamaño máximo del producto, tolerando a la vez algo de variación en el
tamaño de alimentación y rendimiento.
Si el número de etapas de rotura no muestra ninguna dependencia del dimensionado de

alimentación, se puede reducir el tamaño de reconstrucción de las barras, para producir un
producto más fino. (Nota: el modelo no puede estimar cuanto más fino, pero podemos
asumir razonablemente que el número de etapas será proporcional al número total de barras
en la cuerda).
Cuando se requiere un máximo rendimiento, se hace importante un buen control del tamaño
de alimentación. Esto implica prestar atención al mantenimiento del harnero de la planta de
chancado y evitar el almacenamiento de mineral ya que segrega los tamaños de
alimentación.
Una alimentación marcadamente más dura necesitara ser chancada más fina (ver ecuación
8.3), para mantener el rendimiento ya que no es práctico cambiar el dimensionado de las
barras en el corto plazo. La estrategia usual de planta de chancado, de aumentar el tamaño
de producto para mineral duro, impactara al rendimiento máximo. Si se origina un enredo
de barras, se producirán serias pérdidas de producción.
Como se destacó previamente, una pequeña proporción del overflow del ciclón, agregado a
la alimentación del molino mejorara, en ocasiones, el rendimiento. El modelo no predice ni
este efecto ni el posible rendimiento máximo.
204
En consecuencia, (como se detalla en el Capítulo 13), la optimización de un molino de

barra es un procedimiento iterativo en que el modelo utilizado sirve de guía para la etapa
siguiente – no para sugerir un óptimo ‘global’ en un único paso.
205
CAPITULO 9
MOLINOS DE BOLA
9.
9.1 INTRODUCCIÓN
L os molinos de bola son la forma más común de molino de volteo, probablemente,

debido a que trabajan en forma efectiva desde unidades de laboratorio de unos pocos
vatios a grandes unidades industriales consumiendo 10-12 MW. Dominan la
trituración industrial sobre un amplio rango de tamaño, desde unos pocos milímetros hasta
unas cuantas decenas de micrones. Los molinos de bolas se usan como molinos de
molienda primaria, con alimentación hasta 20mm, y también secundaria/terciaria y
operaciones de remolienda con alimentación y producto fino.
En el siglo veinte los molinos de bola se hicieron sostenidamente más grandes propulsados
por el costo y los factores de escala. Durante los años1950s y 1960s los molinos de bola de
gran diámetro dominaron la molienda primaria de gran capacidad. Sin embargo, desde
mediados de los 1970s los circuitos de molino de bola de chancado multi etapa y molienda
primaria gruesa han sido reemplazados casi completamente por los circuitos A/SAG. Los
molinos de bola aun dominan la molienda secundaria pero en seria competencia con los
AG/SAG en circuito cerrado y un rango de molinos de agitación. Los molinos de agitación
como los molinos de torre también están encontrando aplicación en tareas de molienda fina,
especialmente aquellas con dimensionado de alimentación de más de 80% pasando 50µm.
Los molinos de bola son normalmente los principales consumidores de energía en una
concentradora de mineral. En consecuencia, su uso eficiente tiene importantes implicancias
de rendimiento y costos. Este capítulo analiza las características y operación de molinos de
bola, como se modelan y como optimizar su rendimiento.
Los molinos de bolas son cilindros que rotan alrededor de sus ejes longitudinales como se
muestra en la figura 9.1. Mineral y (usualmente) agua son alimentados por un extremo y
descargados por el otro. El segundo fluido común para molinos de bola es el aire. Los
molinos barridos por aire son comunes, por ejemplo, en la industria del cemento. En los
molinos de bola su usan muchos otros fluidos que son también reactores de reacción
química
206
Capítulo 9: Molinos de Bola
Existen dos formas principales de molino de bola dependiendo de cómo se descarga el

slurry. El molino de overflow tiene una perforación de salida en el trunion de descarga que
es mayor que la boca de admisión; esto genera un gradiente hidráulico que conduce el
slurry hacia afuera del molino. El molino de descarga de parrilla tiene una parrilla interna y
elevadores de slurry en el extremo de descarga, muy parecido a los molinos AG/SAG
(Sección 7.2 Figura 7.4); estos molinos corren con un menor nivel interno de slurry que los
molinos de overflow.
A menudo se utiliza un harnero de tromel cilíndrico, montado axialmente, para remover las
bolas o scats de mineral. Sin embargo, para molinos primarios de envergadura, con grandes
bombas y clasificadores, no es necesario un tromel y es más adecuado un espiral de retorno
de bolas en el extremo de descarga del molino. En ocasiones, un mineral tendrá un
componente más duro y pequeñas piezas (scats o chats) sobrevivirán a los procesos de
molienda y serán rechazados junto con los aceros vagabundos. Si estos rechazos son
despojados de material valioso, se puede lograr algún grado de preconcentración.
Figura 9.1: Diagrama de corte de un molino de bola ANI
9.3 VARIABLES CLAVE
Tamaño y Potencia el Molino de Bola
Los molinos de bola operaran de manera efectiva en un amplio rango de radio de aspecto de
longitud a diámetro siendo los más comunes los radios 1-1.5; también se encuentran radios
de 1:3 a 3:1.
207
Los molinos de bola pueden ser utilizados sobre un extraordinario rango de tamaños desde
molinos de laboratorio de 200mm x 200mm – consumiendo unos pocos vatios – a gigantes
unidades industriales de 6 m de diámetro por 9 m de longitud (20’ x 30’), consumiendo 10-
12MW. ¡Pocas unidades de proceso pueden, entonces, cubrir seis órdenes de magnitud de
escala!
Carga de Bolas y Velocidad del Molino
Estas se expresan de la misma manera que para otros molinos de volteo. La carga de bolas
es el área de sección transversal luego de grind-out (no alimentación de mineral) de 10-15
minutos. Esto es equivalente a un vacío de aproximadamente 40%. La carga de bolas varía
normalmente de 35 a 45% (mayor para un molino de descarga de parrilla).
La velocidad del molino se expresa como una fracción (o porcentaje) de la velocidad

rotacional a la cual la aceleración centrífuga balancea la aceleración gravitacional
(denominada ‘velocidad crítica’, Cs).
Cs = 42.3 / D rpm (9.1)
donde D es el diámetro del molino en metros
Normalmente los molinos de bola se operan más lento a mayores tamaños. Sin embargo,
incluso para molinos grandes, la molienda máxima ocurre usualmente a alrededor de un
80% de la velocidad crítica
Tamaño y Forma de los Medios de Molienda
Minerales más duros y alimentaciones más gruesas requieren energía de alto impacto y
mayores tamaños. Tamaños de molienda muy finos requieren un área de superficie de
medios sustancial y medios pequeños. Algunas formas de medios aumentan el área
superficial. En las Secciones 9.8 y 9.10 se consideran algunas correlaciones empíricas para
escalamiento y selección de bolas respectivamente.
La forma de los medios puede ser alterada por los patrones de desgaste, calidad de las bolas
o uso deliberado de superficies con mayor área superficial. Bolas partidas o astilladas (o
una lonja o capa perdida) indican un pobre control de calidad durante la fabricación.
Bolas desgastadas a una forma cúbica con caras intentadas indican una sección estática en
la carga. Esta es una sección que se mueve lentamente pero no realiza molienda efectiva.
Remedios posibles son una menor carga de bolas, elevadores más altos o un aumento en la
velocidad del molino.
Se afirma para molienda más fina que formas de medios con una mayor área superficial por
unidad de masa son más ventajosas. Ciertamente bolas más pequeñas muelen mejor a
tamaños más finos.
Los resultados para cilindros y conos no son conclusivos. Un detallado estudio MINTEK
(1991) reportó un rendimiento de molienda similar a la de bolas del mismo tamaño
208
nominal. Sin embargo, para materiales más blandos y molienda seca fina, se ha reportado
una reducción de hasta un 10% en la energía requerida para producir un tamaño de
molienda nominal (World Mining Equipment 1987).
9.4 REVESTIMIENTOS DE MOLINO
Los revestimientos de molino son elementos de sacrificio para evitar el desgaste de la

carcasa del molino. Existe una gran variedad de formas de revestimiento dependiendo de
las aplicaciones. Los revestimientos de molinos de barra y de bola son casi siempre un
conjunto de ondas paralelas. Estas ondas pueden ser de goma o aleación de acero o mallas
de fundición con bolas atrapadas para proporcionar una forma similar. Otra variación es un
conjunto de placas magnéticas que sujetan una capa de bolas a la carcasa con fuerza
magnética.
El propósito del perfil de revestimiento es impartir energía a la capa exterior de la carga.

Luego, cada capa de medios traspasa energía a la capa inmediatamente superior. La
efectividad de esta transmisión es en gran medida geométrica. Molinos superiores a 5 m en
diámetro, con grandes bolas, sufren normalmente de un centro muerto en la carga como
también los le sucede a los e menor diámetro con bolas pequeñas.
Como la mayor parte de la transmisión de energía es bola a bola, la configuración del

revestimiento no es tan crítica como se podría suponer. Las bien probadas configuraciones
de onda única y doble, trabajan igualmente bien con una altura de onda aproximadamente
igual al mayor diámetro de reconstrucción de la bola.
Como la mayor parte del movimiento de la carga del molino consiste en levantar o hacer
rodar un lecho de bolas, las fuerzas de impacto sobre la carcasa no son tan grandes y los
revestimientos de goma dominan en los molinos de bola, excepto para molinos muy
grandes (>5.5m) con medios gruesos (> 75mm).
9.5 CONFIGURACIONES DE CIRCUITO
Los molinos de bola no son clasificadores eficiente y se usan habitualmente en circuito

cerrado. Una excepción es el molino de bolas primario seguido por un molino secundario
en circuito cerrado En consecuencia, para los molinos de bola hay solo dos configuraciones
de circuito de interés práctico.
• Molino de Bola – Ciclón
• Ciclón – Molino de Bola
Estos se muestran en las Figuras 9.2a y 9.2.b. El circuito de Molino de Bola /Ciclón es casi
siempre mejor para molienda primaria porque el clasificador está protegido contra
partículas gruesas
El circuito Ciclón – Molino de Bola es la práctica estándar para moler el producto

proveniente de un molino de barra o AG/SAG o un molino de bola primario.
209
Figura 9.2a: Circuito molino de bola - ciclón Figura 9.2b: Circuito ciclón - molino de bola
Los modelos matemáticos de modelos de bola operativos (Capítulo 2 y Sección 9.7) pueden
ser combinados con los modelos de clasificadores (Capítulo 12) y usados para considerar
prácticamente cualquier configuración de circuito. Un ambiente adecuado para hacerlo es
un simulador computacional como JKSimMet.
9.6 LA METODOLOGÍA TRADICIONAL – BOND
Los métodos tradicionales de modelado, tanto para molinos de barra como de bola, se basan
en el cálculo de la potencia o energía por unidad de masa de entrada. La investigación
definitiva sobre esta metodología fue desarrollada por F. C. Bond y sus colegas en el
(entonces) centro de investigación Allis Chalmers en Milwaukee en lo 1940s, 50s y 60s.
Este trabajo consideró molinos de laboratorio, pilotos y de escala completa sobre un rango
razonable de tipos de mineral (Bond 1961) y condujo al test de Bond estándar, el cual se
describe en detalle en la Sección 4.3. Lo que sigue es una revisión histórica de los
conceptos en que se basa esta metodología, en el contexto de los molinos de bola.
Como los molinos de bola operan usualmente en circuito cerrado, los trabajos de prueba de
Allis Chalmers también se desarrollaron en circuito cerrado. Es interesante que la prueba
del molino de laboratorio en circuito cerrado, conocido universalmente como test de Bond,
fuera desarrollada por otro investigador. Sin embargo, Bond tuvo la perspicacia de aplicar
la prueba como un patrón estándar de laboratorio para molinos de bola. El método de Bond
depende de dos supuestos:
1. La energía en molienda esta dominada por la producción de nueva área superficial.
2. Es posible caracterizar las distribuciones de tamaño de alimentación y producto por

medio de un único tamaño/punto de porcentaje que pasa, siempre que estas
distribuciones sean líneas aproximadamente paralelas cuando se grafican como
porcentaje acumulado que pasa vs log del tamaño.
210
Estos supuestos son razonables para la mayoría de los molinos de barra y molinos de bola
pero no para chancadores o molinos AG/SAG.
La ecuación formal de Bond es:
 10 10 
E =  −  WI (9.2)
 P80 F 80 
donde E es la energía en kWh requerida para reducir una tonelada de alimentación de la

cual un 80% pasa el tamaño F80 micrones a un producto del cual un 80% pasa P80
micrones, para un mineral con Índice de Trabajo WI (kWh/t). Esta metodología puede ser
utilizada tanto para molinos de barra como para molinos de bola.
El Índice de Trabajo es conceptualmente la energía requerida para reducir el mineral desde

tamaño infinito a un P80 de 100 micrones. El método de Bond trabaja generalmente bien
para molinos de bola (procesando producto de molinos de barra) hasta 4.9 m de diámetro.
Se determinó que molinos de mayor diámetro (5.5m y más), eran menos eficientes
energéticamente que lo predicho por Bond, y fue necesario agregar un sinnúmero de
factores de corrección a la relación (Rowland 1982). Es interesante destacar que a medida
que mejoraba la eficiencia de los grandes clasificadores 1970s, mucha de la ineficiencia
percibida de los molinos también desapareció (ver Sección 4.5.3) (Tilyard 1981; Kanau
1982).
El siguiente desafío importante para el método de Bond, fue la introducción de los molinos
AG/SAG. El producto de descarga de estos molinos no es paralela a la línea de
alimentación. En consecuencia, un diseño de molinos AG/SAG basado en potencia,
requiere de un aun mayor conjunto de factores de corrección o una prueba a escala piloto.
Para molinos de bola a continuación de circuitos AG/SAG, el molino Bond puede utilizarse
como sigue, siempre que una simulación o prueba piloto pueda proporcionar una predicción
razonable de la posible distribución de tamaño del producto AG/SAG.
Considere los circuitos mostrados en la Figura 9.3. El Ciclón 1 en el Circuito 1 cumple dos
tareas a la vez. En el Circuito2, el Ciclón 2 remueve el producto terminado y define la tasa
de alimentación real y la distribución de tamaño al circuito de molino de bola. En
consecuencia, si la tasa de flujo y el tamaño al cual pasa un 80% del underflow del Ciclón
2 están relacionados con el tamaño de producto 80% del Ciclón 3, el supuesto de Bond
parece más razonable, siempre que estas dos distribuciones de tamaño sean
aproximadamente paralelas. Los Ciclones 2 y 3 son simplemente una manera conveniente
de considerar la operación de un clasificador único efectuando dos tareas a la vez.
En una oportunidad un cliente de JKTech etiquetó el Ciclón 2 como el ciclón ‘Fantasma’ y

es un nombre apropiado. Nótese que el circuito 2 se desempeña pobremente, si realmente
construido, debido a serios problemas prácticos relacionados con mantener los tamaños de
corte y los productos de overflow correctamente emparejados.
La mejor manera de configurar esto en la simulación, es representando el Ciclón 2 por una

curva de eficiencia con valores típicos de partición de alfa y agua (ver Capítulo 12). El
211
clasificador d50c es ajustado para lograr el producto P80 deseado. Deben graficarse la
alimentación y el producto de la simulación del modelo de molino de bola para verificar
que el supuesto de distribuciones de alimentación y producto paralelos es razonable.
Figura 9.3: Circuitos molino de bola/ciclón funcionalmente idénticos-Ciclón 2 es un ciclón

‘fantasma’
9.7 MODELADO DE MOLINO DE BOLA
Tal como el molino de bola en si es ubicuo en el procesamiento de mineral, también lo es el

modelo de molino de bola de mezcla perfecta de Whiten (1972a), posiblemente el mas útil
y mas usado de todos los modelos de JKMRC. Puede describir casi cualquier proceso de
rotura y es tan elegante numéricamente, que puede ser usado en una calculadora
programable (Whiten 1974, 1976).
El siguiente análisis describe el modelo utilizando representaciones algebraicas, pictóricas

y matriciales. El lector puede elegir cualquiera que le parezca más útil ya que estas tres
descripciones son equivalentes.
Consideremos un molino de bola como un tanque completamente agitado. Luego podemos

describir el proceso en términos de:
• Transporte a través del molino
• Rotura dentro del molino
f S p
212
f, s y p son vectores de distribución de tamaño en unidades de t o t/h:
f es un vector de alimentación ps es un vector de p es un vector de producto

contenido
f1 grueso (t/h) s1 grueso (t) p1 grueso (t/h)
f2 fino (t/h) s2 fino (t) p2 fino (t/h)
. . .
. . .
. . .
fn más fino (t/h) sn más fino (t) pn más fino (t/h)
fn+1 sub malla
sn+1 sub malla pn+1 sub malla
Debido a que el molino está perfectamente mezclado, una tasa de descarga, di, para cada
fracción de tamaño define completamente el producto:
pi = d i si (9.3)
Es decir, si conocemos los contenidos del modelo (en cada fracción de tamaño) y una tasa
de descarga para cada fracción de tamaño, podemos multiplicar los dos y obtener un vector
de producto en toneladas por hora.
Si el molino está en estado de equilibrio, entonces la suma
(alimentación del molino) - material seleccionado para rotura

+ material de rotura de partículas mas gruesas
- descarga del molino
debe ser igual a cero. En símbolos, para un tamaño i:

i
f i − ri si + ∑ ai j rj s j − d i si = 0 (9.4)
j=1
donde aij representa la rotura desde un tamaño j hasta un tamaño i y riaij la tasa de rotura en
dicha fracción de tamaño.
p = f + ARs + ( I − R ) s (9.5)
donde R es la matriz diagonal de la tasa de rotura por unidad de tiempo y A es una matriz
que describe como reaparece la partícula rota en los contenidos del molino. I es la matriz
unidad (una matriz con todos los elementos de la diagonal igual a uno y el resto cero).
213
En la Figura 9.4 se consideran pictóricamente los procesos por medio del cual el material
aparece y desaparece en un intervalo de tamaño específico (descrito en la ecuación 9.4):
Figura 9.4: Mecanismos en el modelo de molino de bola de mezcla perfecta
La aritmética algebraica merece una mirada más detallada. Si tomamos una partícula
individual y la rompemos obtenemos una distribución de rotura de la partícula.
Esto se trabaja muy convenientemente en términos de aritmética matricial.
A·s = producto roto. En consecuencia, para cuatro intervalos de tamaño
 a11 0 0 0  s1   a11s1 +0* s2 +0 * s3 +0* s4 

a a22 0 0  s  a s a22 s2 +0 * s3 +0* s4 
 21  2  21 1
 a31 a32 a33 0  s3   a31s1 a32 s2 a33 s3 +0* s4 
     
 a41 a42 a43 a44   s4   a41s1 a42 s2 a43 s3 a44 s4 
Es solo una manera matemáticamente conveniente de decir: rompa cada tamaño a una
distribución y sume los componentes de producto en cada tamaño. Esto significa que
podemos escribir el balance de tamaño completo en aritmética matricial.
La matriz de rotura aun tiene una gran cantidad de elementos. Una simplificación útil para
molino de bola es que las rocas de 10mm y 0.1mm se romperán usualmente a una
distribución de tamaño similar, cuando el tamaño es escalado al tamaño de la partícula
original.
Podemos entonces rescribir la ecuación como:
214
 a1 0 0 0  s1   a1s1 +0* s2 +0 +0 
a a1 0 0  s  a s a1s2 +0 +0 
 2  2  21 (9.6)
 a3 a2 a1 0  s3   a3 s1 a2 s 2 a1s3 +0 
     
 a4 a3 a2 a1   s4   a4 s1 a3 s2 a2 s3 a1s4 
En consecuencia se requiere un solo vector de rotura y el modelo de molino de bola se hace

muy conveniente numéricamente.
Entonces la ecuación del estado de equilibrio es:

i
f i − ri si + ∑ ai j rj s j − d i si = 0 (9.7)
j=1
y recordando que
pi
pi = di si o si =
di
entonces
pi i pj
f i − ri + ∑ ai j rj − pi = 0 (9.8)
d i j=1 dj
Ahora solo necesitamos para describir el molino una distribución de tamaño de

alimentación (medida) y de producto, y una función de rotura. Si se satisfacen los
supuestos, no es necesario medir los contenidos del molino. Para la mayoría de los molinos
de bola, r/d vs tamaño es una función suave. Como se detalla en el Capítulo 2 podemos
normalizar aun mas a r/d* donde
di = di* 4Q/(D 2 L) (9.9)
donde Q = tasa de alimentación volumétrica del molino

L = longitud del molino
La tasa de carga está cerca de la unidad para partículas pequeñas que se comportan como
agua, luego diminuye rápidamente hasta el tamaño de clasificación efectivo de la carga de
bolas (= diámetro de bola / 4) o el tamaño de la parrillas, como se muestra en la Figura 9.5.
Las tasas de rotura tienden a aumentar rápidamente con el tamaño de la partícula, con el
aumento estrechándose en el tamaño superior de la alimentación e incluso, a veces,
disminuyendo como se muestra en la Figura 9.6.
215
Figura 9.5: Gráfico típico de la función de descarga de un molino de bola
Figura 9.6: Gráfico típico del factor de tasa de rotura de un molino de bola
Considerar r/d sobre la base de las Figuras 9.5 y 9.6 sugiere una curva que se empareja con
la curva de tasa hasta alrededor de un milímetro y que luego puede divergir hasta infinito o
exhibir un máximo, como se muestra en la Figura 9.6. En cualquier caso, el resultado debe
ser una curva suave. Sin embargo, si resolvemos para r/d*, para cada fracción de tamaño, es
probable que haya demasiada dispersión.
Cualquier curva suave puede ser descrita por una función spline (Whiten 1972c; ver
también Apéndice 1). Para ello, tomamos unos pocos puntos adecuados a tamaños
específicos y graficamos una curva suave a través de ellos. Estos puntos, denominados
‘nudos’ spline, definen la curva. El rendimiento del molino puede, entonces, ser descrito en
término de solo tres o cuatro números.
La función de apariencia A es mineral-dependiente y puede medirse usando las técnicas de

rotura de partículas, descritas en el Capítulo 4. En la Tabla 9,1 se muestra una tabla de
funciones de apariencia, para una variedad de tipos de mineral y sus índices de trabajo
operativo asociados. También se incluye la función de apariencia Broadbent-Calcott (1956)
estándar.
216
Tabla 9.1: Tabla de funciones de apariencia
9.8 ESCALANDO EL MODELO DE MOLINO DE BOLA
El modelo de molino de bola puede ser escalado también para tamaño de molino, carga,
velocidad e incluso para el tamaño de reconstrucción de las bolas. En cada caso, es una
función r/d* la que se escala. r/d* ya está inherentemente escalada al volumen del molino
por la ecuación 9.9. Estos factores de escala son adicionales y representan en gran medida
ideas basadas en potencia.
La ecuación 9.9 puede ser utilizada también para escalar para tasa de alimentación.
Se puede lograr un escalamiento adicional del modelo de molino de bola modificando la

función r/d* ajustada, de acuerdo a las dimensiones y condiciones operativas como se
describe a continuación.
217
0.5 0.8
r / d * SIM D  1-LFSIM   LFSIM   CsIM   WISIM 
=  SIM       (9.10)
r / d * FIT  DFIT   1-LFFIT   LFFIT   CsFIT   WI FIT 
donde D = diámetro del molino

LF = fracción de carga del molino (0.3-0.45) después de grind out
Cs = velocidad crítica 55% a 80% (ecuación 8.2)
WI = índice de trabajo–ya sea medido u operativo puede ser usado para escalar
siempre que ambos sean del mismo tipo
FIT = identifica el caso base (condiciones ‘ajustadas’)
CIM = identifica el caso escalado (‘simulado’)
r/d* esta expresado inherentemente en unidades de longitud de molino por la ecuación 9.8.
Ingresando la nueva longitud del molino, escala r/d* correctamente. La dependencia
adicional del diámetro significa que
r / d * ∝ D 2.5
lo que es similar a la variación de potencia del molino con el diámetro (ver también el
Capítulo 11)
Escalamiento del Tamaño de Bola
Si se asume que en el molino se producen los mecanismos de reducción de impacto y

desgaste se pueden derivar las siguientes relaciones (Morrel 1992a):
Rotura por impacto ∝ b3 (masa de bola)

Rotura por desgaste ∝ 1/b (área superficial de la bola)
Donde b es el diámetro de la bola (mm)
Se asume que la rotura por impacto es predominante sobre cierto tamaño xm (mm), mientras
que el desgaste es el principal mecanismo de reducción para tamaños bajo xm. Se supone
que el tamaño xm es equivalente a aquel al cual se produce la máxima rotura. xm puede
relacionarse con el diámetro máximo de bola como sigue:
xm = K ⋅ b2 (9.11)
donde K es el factor de tasa de rotura máxima.
Se ha determinado que el valor de K es del orden de 4.4 x 10-4. Se puede calcular K de la

formula anterior si se conoce el valor de xm. El paquete gráfico incluido en JKSimMet
permite una fácil graficación de las tasas de rotura para determinar este valor.
La relaciones anteriores se utilizan para escalar los valores de r/d* a cada nudo de spline
para explicar los efectos del tamaño de bola. La distribución del tamaño de bola está ahora
caracterizada por el tamaño de reconstrucción i.e. tamaño máximo de bola b.
218
Para partículas menores que xm, las tasas se escalan de acuerdo al área de bola.
r / d * SIM b 
=  FIT  (9.12)
r / d * FIT  bSIM 
Para partículas mayores a xm, domina el impacto y

2
r / d * SIM b 
=  SIM  (9.13)
r / d * FIT  bFIT 
En la Figura 9.7 se muestra el efecto del tamaño de bola.
Figura 9.7: Variación de r/d* con el tamaño de bola
Escalando Usando Funciones de Rotura
Para predecir el rendimiento con mineral nuevo en un molino existente, deben medirse las
funciones de rotura característica usando, por ejemplo, el péndulo o el dispositivo de caída
de peso. Para predecir el rendimiento, se combina la nueva función de rotura con los
valores r/d* derivados de la operación real del molino procesando mineral para el cual
también se ha caracterizado la rotura. (nótese que no es válido escalar de este modo desde
una función de rotura por defecto).
9.9 AJUSTANDO EL MODELO DE MOLINO DE BOLA A LOS DATOS DE PRUEBA
El modelo de molino de bola es matemáticamente muy elegante. El valor r/d* es

relativamente simple de calcular para cada fracción de tamaño de los datos de rendimiento.
Como conocemos la alimentación, producto y función de rotura, podemos resolver para
r/d* comenzando en el extremo grueso. Usar una función de rotura con un tamaño superior
cero simplifica aun más el cálculo, como se detalla en Whiten (1976).
219
Como se mencionó en la Sección 9.7 y se muestra en la Figura 9.7, se usa una función
spline para describir la función r/d*. Esto permite compactar el rendimiento de un molino
de molienda en tres o cuatro valores ln (tasa), más una función de rotura. Estos valores de
tasa están mucho mejor definidos que los valores r/d* individuales. Esta mejor definición
significa que una menor mejoría en el rendimiento, puede ser detectada confiablemente en
una prueba con variaciones en los revestimientos o medios del molino.
El poder real de este modelo se hace evidente cuando se ajusta el modelo en circuito
cerrado, con un modelo de clasificador. Esta metodología permite percibir más claramente
las interacciones entre el clasificador y el molino y se considera con mayor detalle en el
Capítulo 13
9.10 OPERACIÓN DEL MOLINO DE BOLA
9.10.1 Factores que Influencian la Operación
Los molinos de bola son excepcionales en el sentido que pueden operar sobre un amplio
rango de condiciones y geometrías. Los molinos con radios longitud a diámetro de 0.3 a 3
operarán como molinos de bola. Como la mayoría de los molinos de bola operan en circuito
cerrado con un clasificador, el rendimiento del circuito viene dictado a menudo por las
interacciones entre ambas unidades. En el Capítulo 13 se consideran las interacciones con
mayor detalle.
Varias condiciones operativas pueden limitar el rendimiento de un molino de bola
• alimentación muy gruesa

• densidad de slurry muy alta
• densidad de slurry muy baja
• reología de slurry inapropiada
• bolas muy pequeñas (o muy grandes)
• pobre diseño/condición de revestimientos
• pobre operación del clasificador
El modelo mental más útil de la operación de un molino de bola es como distribución de

impactos. Esta metodología de modelado aun requiere, sin embargo, un computador muy
poderoso; las ideas han sido revisadas en el Capítulo 2. Como se muestra en la Figura 2.3,
el molino de bola proporciona unos cuantos impactos grandes y muchos impactos
pequeños. Mientras que el slurry fino (digamos < 1mm) en el interior del molino está
relativamente bien mezclado, las partículas gruesas avanzan a través del molino hasta que
se rompen o se encuentran con una parrilla o son descargadas.
Cuando un molino de bola esté procesando producto de molino AG, SAG o de barra,
raramente habrá suficiente partículas gruesas que escapen del molino y las tasas de
molienda para estas partículas aparecerán como infinitas.
220
Para molinos primarios (i.e. procesando productos de chancador), la carga de partículas

gruesas es un importante límite al rendimiento. El desarrollo de molienda en Bougainville
Copper (Narayanan et al 1987), demostró que una reducción en el tamaño superior de
alimentación a un gran molino de bola, produjo un aumento sustancial en el rendimiento.
La sabiduría popular diría que en ese caso hay que aumentar el tamaño de la bola.
Sin embargo, si consideramos el número de impactos, emerge una pintura diferente. Si se

aumenta el diámetro de la bola desde, digamos 75 a 80mm, la masa de la bola (y la energía
de impacto para el mismo levante) aumenta en (80/75)3, i.e. 1.214 veces.
La trampa está en que el número de bolas disponible para esto impactos (por tonelada de
carga) disminuirá en la misma proporción, o alrededor de 18%.
La tasas de descarga experimentadas por bombas, tuberías, revestimientos de ciclón,

harneros, etc., están regidas usualmente por la energía cinética de las partículas más
grandes, la cual es mv2/2 donde m= f sg d3. Para partículas de mineral, f es normalmente
0.5. En consecuencia, el mayor desgaste será ocasionado por las partículas más grandes en
la descarga del molino.
Este problema puede ser compuesto operando a altas cargas circulantes (> 2.5 veces la
nueva tasa de alimentación), ya que el alto flujo a través del molino acarreará partículas
gruesas hacía afuera del clasificador.
Si se puede reducir el tamaño superior de la alimentación, entonces el tamaño superior de

bola también podrá ser reducido y los dos efectos trabajarán en conjunto en vez de contra
actuar. Es fácil ver del análisis anterior que la práctica común de aumentar el tamaño final
del harnero de la planta, para aumentar el rendimiento, incurre en costos muy reales aguas
abajo.
9.10.2 Densidad de Slurry
Se puede utilizar la densidad de slurry para controlar, hasta cierto punto, la acción de
molienda. Como el molino está bien mezclado, la densidad de slurry en el interior de este
será similar a la densidad en la descarga. Aumentar la adición de agua al molino reduce el
número de pequeñas partículas disponibles para interactuar con las bolas, disminuyendo el
número de impactos efectivos, causando una reducción en la molienda. El efecto de flujo
volumétrico en r/d* sobre predice, hasta cierto punto, este resultado ya que ignora el
aumento en el hold-up de slurry debido al flujo aumentado (ver Capítulo 7 para una análisis
más detallado). Si la densidad de slurry se disminuye aun más, el slurry se hace
insuficientemente viscoso para cubrir las bolas y la molienda disminuye rápidamente. Con
una densidad de slurry decreciente, la carga puede lograr mucho menos levante, menor
consumo de energía y una disminución considerable en la molienda.
A medida que aumenta la densidad del slurry también aumenta la molienda, pero solo
alrededor de la mitad predicha, hasta que comienza a aumentar rápidamente la viscosidad
(Figura A2.1, Apéndice 2). El desencadenamiento de este rápido aumento en la viscosidad
es difícil de predecir, aunque se ha logrado un progreso excelente (Shi 1994) – ver Sección
221
9.10.3 abajo y el Apéndice 2. Este cambio es fácil de ver en un molino de overflow ya que
la turbulencia del slurry desaparecerá súbitamente. El número de Reynolds disminuye
rápidamente a medida que aumenta la viscosidad y la descarga del molino cambia
repentinamente de turbulento a un flujo laminar casi uniforme.
El efecto es más difícil de ver en un molino de descarga de parrilla y en aquellos con

grandes tromeles. La densidad óptima para una mejor molienda es probablemente un poco
menor que la que desencadena el rápido aumento en la viscosidad.
9.10.3 Viscosidad de Slurry
Aunque la densidad y viscosidad del slurry están fuertemente correlacionadas, los efectos
de estas dos propiedades sobre el desempeño del molino son distintos, por lo que deben ser
consideradas separadamente cuando sea posible. La influencia de la viscosidad no ha sido
bien entendida históricamente, debido a dificultades de medición (especialmente en
plantas), dificultades en desacoplar los efectos de densidad y viscosidad y a la falta de un
marco de trabajo teórico satisfactorio.
Sin embargo, investigación reciente e histórica ha proporcionado algunas ideas sobre los
efectos de la viscosidad en la molienda, las cuales se consideran con más detalle en el
Apéndice 2. Es importante entender que en ciertas situaciones, el efecto de la viscosidad (o
más apropiadamente la propiedad general de reología) es significativo, complejo y en
ocasiones contra-intuitivo.
9.10.4 Selección de Revestimientos
Como se mencionó previamente, normalmente el diseño de revestimientos no es crítico

para la operación de un molino de bola. Un efecto que vale la pena vigilar es el
deslizamiento de la carga como una unidad. Este efecto es fácilmente reconocible por las
estrías verticales en los revestimientos, las que conducirán a un desgaste sumamente rápido.
Esto puede ser detectado en línea como una serie de disminuciones en el consumo de
energía, siempre que el potenciómetro no esté fuertemente amortiguado. El remedio son
perfiles de mayor onda. Sin embargo, hay que cuidarse de los perfiles altamente dentados
ya que puede generar un plano de corte en la carga de bolas, con bajo consumo de energía y
poca molienda.
9.10.5 Selección del Tamaño de Bola
La regla general es, mientras mas fina es la alimentación, más pequeñas deben ser las bolas.
Como es más caro fabricar bolas más pequeñas, la presión del costo deriva usualmente en
el uso de bolas que son uno o dos tamaños más grandes. Esto es costoso en términos de
producción de finos. Las corrección de tamaño de bola descrita en la Sección 9.8 no es
perfecta, pero es lo mejor que se puede medir en la mayoría de los casos. Se puede utilizar
para estimar la sensibilidad del rendimiento en procesos de separación aguas abajo, siempre
que se pueda medir el rendimiento tamaño por recuperación. Si el tamaño de bola se hace
222
mucho más pequeño, la altura de onda del revestimiento deberá reducirse

proporcionalmente.
La regla práctica de Allis Chalmers para el tamaño de reconstrucción de bolas es muy

similar a la regla para molinos de barra:
 F 80 sgWI 
b =  3   × 25.4 (9.14)
 K (%Cs ) 3.281D 


donde b = diámetro de reconstrucción de bolas (mm) y los otros términos y unidades son
como en la ecuación 8.3
K depende del tipo de molino y es 350 para overflow húmedo, 380 para parrilla húmeda y
335 para molinos de parrilla secos. Esta regla es útil para diseño. Dunn (1989) reportó una
correlación más reciente (pero similar):
6.3 F 800.29 WI 0.4

b = (9.15)
( ND)0.25
donde N = velocidad del molino en rpm y los otros términos y unidades son como en la
ecuación 8.3
9.10.6 Operación del Clasificador
La causa más común para una pobre operación de un molino de bola, es una pobre
selección o desempeño del clasificador (ver también Capítulos 12y 13). El efecto de
operaciones en circuito cerrado es producir una menor cantidad de partículas gruesas, sin
por ello producir un producto excesivamente fino. En consecuencia, el grado de
mejoramiento logrado, comparado con un circuito abierto, depende del tamaño de producto
de mayor interés.
La Tabla 9.2 (Bond 1961) muestra el multiplicador de capacidad esperado del circuito
(‘eficiencia’) para un circuito cerrado respecto de un circuito abierto, para una eficiencia de
clasificación promedio. La marca de tamaño estándar es 80% pasando el P80. Una
clasificación eficiente ofrece un rendimiento 5-10% mejor y una clasificación deficiente 5-
10% menor, que el promedio. En consecuencia, lograr la clasificación correcta puede
significar un 20% de aumento en el rendimiento, para la misma entrada de energía y el
mismo tamaño nominal de producto. Es evidente que si la marca de interés está en el
extremo grueso de la distribución, e.g. el P95, los beneficios potenciales de la clasificación
mejorada serán mayores.
Aquí, la eficiencia del circuito cerrado viene dado por: circuito cerrado t/h dividido por
circuito abierto t/h a la misma energía y tamaño de producto.
223
Tabla 9.2: Efecto de la eficiencia del calificador en el rendimiento

Referencia % que Pasa Eficiencia Circuito Cerrado
50 1.035
60 1.05
70 1.10
80 1.20
90 1.40
92 1.46
95 1.57
98 1.70
9.10.7 Cargas Recirculantes
Existe un elemento de mitología acerca dé las cargas circulantes. Como se mencionó

anteriormente, una carga muy alta tenderá a acarrear las partículas gruesas hacía afuera del
molino, donde pueden causar serios problemas de desgaste.
Sin embargo, es importante darse cuenta que la carga circulante se establece por la
magnitud de la diferencia en distribución de tamaño, entre el producto y la alimentación del
clasificador. En consecuencia, un circuito de molino de bola/ciclón, de una sola etapa,
tenderá inherentemente a operar a una carga de circulación sustancialmente mayor que la
de un circuito ciclón/molino de bola, procesando descarga de molino de barra o SAG. Una
menor carga circulante permitirá un mayor tiempo de residencia en el molino y una
descarga mas fina del molino de bola. También otorgará al producto ya terminado más
oportunidades para rotura adicional.
En consecuencia, la carga de circulación óptima proporcionará un adecuado compromiso

entre sobre molienda y minimización de las partículas gruesas en la descarga del molino.
Esto significa, en la práctica, emparejar el tamaño de corte del clasificador con el tamaño
de producto del molino, con máxima partición de agua al overflow (Sección 12.4.4).
La única manera práctica de encontrar este ‘mejor’ punto, es con un modelo de simulación
bien calibrado. Una vez que se ha establecido esta ‘mejor carga circulante’ (más adecuado
mejor rendimiento volumétrico del molino), puede ser utilizada como un sistema de control
objetivo y ajustar la tasa de alimentación del circuito para mantenerla.
9.11 ENERGÍA DEL MOLINO
En el Capítulo 11 se analiza un poderoso y preciso procedimiento desarrollado por JKMRC

para predecir el consumo de energía en molinos de volteo. En esta sección analizaremos la
metodología convencional, que ha sido utilizada por algunos años, para predicción de la
energía del molino de bola.
Como factor operacional, la energía se utiliza habitualmente para monitorear la carga de un

molino de bola o barra. Los molinos se cargan con nuevos medios para una energía meta
224
sobre la base de un programa regular. Esta meta de energía debe aumentarse a medida que
los revestimientos se asientan (unas pocas semanas) y desgastan (6-12 meses).
La predicción de la energía para molinos de barra y bola es más sencilla que para molinos
AG/SAG debido a que los medios de carga permanecen más o menos constantes. Considere
el movimiento de la carga como una distribución de impactos de energía conocida. La
energía del molino es la suma de las energías en cada uno de estos eventos, por unidad de
tiempo.
Un molino de barra o bola consumirá aproximadamente la misma energía ya sea que

contenga slurry o no. En consecuencia, el desafío para la optimización de un molino es
usar la mayor cantidad de estos impactos como sea posible para romper el mineral. Como
se mencionó en el Capítulo 2, el cálculo de la distribución de impacto es una tarea para un
computador muy poderoso. El principio de conservación de la energía, i.e. lo que entra = lo
que sale, proporciona un enfoque mucho mas simple, a varios niveles de sofisticación.
Consideremos una sección transversal simplificada de un molino y carga (Figura 9.8). El

punto C es el centroide de la carga, i.e. el punto en el cual la sección transversal se balancea
y a través del cual se puede considerar que actúa el peso total de la carga. La altura, h, es el
levante de carga hipotético desde el centroide en reposo.
De manera alternativa, podemos pensar en el molino como un freno rotatorio con una
fuerza, Mg, operando a un desplazamiento horizontal, l, desde el eje del molino. Entonces,
M g l es el torque requerido para balancear el desplazamiento de carga. Esto se conoce
habitualmente como ecuación del brazo de palanca.
Ya que las posiciones del hombro (θS) y del talón (θT) de la carga varían con la velocidad y
carga del molino, no es una ecuación muy sencilla. Sin embargo, las siguientes
correlaciones han sido publicadas ampliamente por Allis Chalmers (Rowland and Kjos
1978).
Figura 9.8: Patrones de carga simplificados de un molino de bola
225
La ecuación 9.16 se utiliza para determinar la energía que deben consumir los molinos de
bola de overflow de molienda húmeda.
 0.1 
Kwb = 4.879 D 0.3 (3.2 − 3V p ) fCs 1 − (9 −10 fCs )  -Ss (9.16)
 2 
donde Kwb = kW por tonelada de bolas

D = diámetro molino entre revestimientos (m)
Vp = fracción del volumen del molino cargada con bolas
FCs = fracción de la velocidad crítica
Ss = factor de tamaño de bola
Para molinos mayores a 3.3 metros de diámetro entre revestimientos, el tamaño superior de
bolas utilizado afecta el consumo de energía del molino. Esto se llama factor de tamaño de
bola, Ss.
 b − 12.5 D 
Ss = 1.102   (9.17)
 50.8 
Esto corrige para mayor deslizamiento con más capas de bolas
Estas ecuaciones no trabajan con molinos AG/SAG debido a que la forma de la carga varía
demasiado. Sin embargo, la ecuación del brazo de palanca proporciona algunas ideas útiles
sobre el consumo de energía para molinos de overflow vs parrilla de descarga.
Los valores anteriores son para molinos de descarga de parrilla, que bombean
efectivamente el slurry hacía afuera de la periferia de la carga. Un molino de overflow
contiene una poza de slurry que contra balancea la carga y mueve el centroide hacía el eje
del molino, comparado con el caso de la parrilla de descarga (Figura 9.8).
Los molinos de overflow (Figura 9.9) consumen normalmente un 7-10% menos energía que
los molinos de descarga de parrilla. Los modelos de energía tradicionales predicen una
disminución similar en el rendimiento de molienda. Sin embargo, cuando se ha probado los
molinos de parrilla y de overflow con el mismo mineral, los valores r/d* son similares, i.e.
aunque los molinos de descarga de parrilla consumen más energía, no parecen efectuar más
molienda. En términos de una distribución de energías de impacto puede ser que la poza de
slurry suministre más partículas para rotura en el talón de la carga.
226
Figura 9.9: Perfiles de slurry en molinos de overflow
9.12 OPCIONES DE OPTIMIZACIÓN
En el Capítulo 13 se considera en detalle una metodología sistemática para establecer las

metas de tamaño de producto. Es práctica común considerar el tamaño como una medición
de un punto único, e.g. 80% pasando una parrilla o tamaño de malla específica. Dicha
descripción es sencilla pero a menudo inadecuada. En flotación, la mayores pérdidas se
producen normalmente en los extremos grueso y fino. En consecuencia, un objetivo
generalmente útil es hacer que la distribución de tamaño del producto sea los más angosta
posible. En la práctica esto implica lograr el punto de corte meta del clasificador, a la
partición de agua del clasificador a underflow mínima posible
Vale la pena recordar que un clasificador cortando más fino que lo que puede moler el
molino, intentará lograr una carga de circulación infinita. El hidrociclón tiene un rol
inherente de regulación del circuito. A medida que aumenta la carga, la espiga del ciclón se
sobrecarga y el ciclón entra en condición de ‘cordón’ (ver Sección 12.4.4). A medida que el
modo del ciclón va de spray a cordón, el tamaño de corte aumenta alrededor de diez veces.
En consecuencia, el circuito se sobrecarga rápidamente. Como la transición entre descarga
de cordón y spray exhibe considerable histéresis, el ciclón permaneciera en condición de
cordón hasta que la sobrecarga del molino es pasada a la siguiente sección. Para un circuito
de flotación, resultará en un breve periodo de recuperación muy pobre. Si el monitoreo es
intermitente (i.e. muestreo y ensayo), se detectaran y descontaran como ‘errores de
muestreo’ solo unos pocos de estos ‘blips’. Sin embargo, el costo real puede llegar a un
pequeño porcentaje de la recuperación.
Deben revisarse los factores considerados en la Sección 9.10 ya que cada una de estas
puede mermar el rendimiento del circuito de molienda. Las Secciones 9.10.2 – 9.10.6
proporcionan unas guías sencillas respecto de la densidad de operación del molino
(porcentaje de sólidos) y el tamaño de bola.
227
La optimización del rendimiento del clasificador es altamente interactiva con el molino

(Capítulo 12). El análisis de estudios exactos con modelos confiables es la única manera
efectiva de optimizar un circuito cerrado de molienda, debido a que el producto probable
puede ser considerado tanto en el extremo grueso como en el fino.
Los problemas más comunes se describen a continuación en el orden aproximado de

probabilidad de ocurrencia:
Problema 1: Muy alta densidad del overflow del clasificador.

Explicación: Presión para aumentar la producción más allá de los niveles de diseño,
operando a mayor densidad de overflow lo que engruesa el tamaño de corte
del ciclón y permite un mayor rendimiento. El castigo es un pobre
desempeño aguas abajo.
Solución: Ajuste la configuración del hidrociclón parta maximizar la partición de agua
a carga circulante cercana al máximo. Considere inclinar los ciclones
grandes. Considere cycloning en dos etapas si los barros son un problema
(ver Capítulo 12).
Problema 2: Alimentación muy gruesa

Explicación: La presión para aumentar la producción ha resultado en la utilización de los
paneles de harnero de sobretamaño en el circuito de chancado.
Solución: Use simulación para determinar el mejor punto de balance entre molienda y
chancado. Narayanan et al (1987) demostraron que se podía lograr alrededor
de un 7% mas de rendimiento, en el mejor punto de balance – al mismo
tamaño de producto.
Problema 3: El tamaño de reconstrucción de las bolas es muy grande

Explicación: Las bolas más grandes son mas baratas.
Solución: Revisar respecto de los tamaños recomendados por las ecuaciones 9.14 y
9.15. Están bien probadas y proporcionarán un punto de partida sensible.
Use, vía simulación, el método de escalamiento de tamaño de bola (Sección
9.8) para estimar el costo probable de la recuperación de una carga de bolas
muy gruesa.
(Nota – algunos proveedores de bola usan a menudo optimización de la
carga de bolas usando métodos propietarios. Estos implican, normalmente,
usar dos (o más) tamaños de bolas. Se puede utilizar la tasa de molienda
antes y después para medir lo logrado, siempre que también se midan los
índices de trabajo de laboratorio en cada condición).
Problema 4: Desgaste excesivo en bombas y clasificadores

Explicación: La carga circulante es muy alta
Solución: Minimice el número de ciclones operativos. Revise la descarga del molino
sobre un rango de producto real. Para molinos primarios, a medida que
aumenta el producto, aparecerán súbitamente partículas gruesas en la
228
descarga. Establezca la meta de carga circulante para mantenerlas en el

interior del molino.
Problema 5: Pobre partición de agua a overflow o excesivos barros en el underflow

Explicación: Se esta presentando una alimentación muy amplia al clasificador.
Solución: Ajuste la abertura del tromel (o parrilla) para reducir la densidad de
alimentación del ciclón y mejorar la partición de agua.
Recuerde que el objetivo del circuito de molienda es alinear su distribución de tamaño de

producto a los requerimientos del proceso de separación. En consecuencia, es necesario
establecer el rendimiento tamaño por tamaño del proceso aguas abajo, para proporcionar
los objetivos precisos del circuito de molienda.
229
CAPITULO 10
MOLINOS DE TORRE Y MOLINOS DE AGITACIÓN
10.
10.1 INTRODUCCIÓN
E n contraste con los molinos de volteo, como los molinos de bola y AG/SAG, donde
el movimiento es impartido a la carga vía rotación de la carcasa del molino, en los
molinos de torre y de agitación la carcasa es estacionaria.. En vez de ello, se imparte
movimiento a la carga por medio de un agitador interno. En los últimos 5-10 años, ha
habido un creciente foco sobre estos molinos, a medida que la industria de minerales ha
intentado desarrollar cuerpos de mineral de grano más fino, lo que requiere de un grado de
reducción de tamaño más alto para liberar sus valiosos constituyentes.
Los principios de los molinos de agitación no son nuevos, y de acuerdo con Stehr y
Schewedes (1983), pueden remontarse a 60 años. Las primeras versiones fueron llamadas
desgastadores (attritioners) y se utilizaron más para fines de limpieza superficial que para
reducción de tamaño. Sin embargo, en 1948, se utilizó el llamado molino de arena de Du
Pont en la industria de la pintura y el lacado, siendo esta una de las primeras referencias a la
aplicación de molinos de agitación a la molienda.
Actualmente los molinos de agitación encuentran aplicación en la molienda fina (15-40µm)

y muy fina (< 15µm). Existe buena evidencia que los molinos de bola convencionales, son
capaces de moler más fino que lo que se aceptaba tradicionalmente, usando por ejemplo
medios muy finos, pero los molinos de volteo están limitados finalmente en términos de la
energía que pueden transmitir a los medios.
Molinos de torre, como aquellos fabricados en Kubota en Japón por Svedala (el Vertimill),
son molinos verticales que usan un tornillo agitador helicoidal y que se utilizan
habitualmente en el extremo grueso del espectro de molienda fino. Una molienda más fina
se logra con molinos de agitación apropiados, que normalmente utilizan agitadores
compuestos por un eje con agujas o discos (ver Sección 10.2.2). Dichos molinos pueden ser
de orientación vertical u horizontal. Los molinos verticales incluyen el molino sudafricano
Metprotech o el molino de agitación Sala (SAM), ambos desarrollados para aplicaciones de
procesamiento de mineral.
Este capítulo describe las características principales de este tipo de dispositivo de

trituración. Se presta especial atención a los molinos de torre que tienen la mayor base de
230
Capítulo 10: Molinos de Torre y Molinos de Agitación
usuarios en procesamiento de mineral y para los cuales hay disponible actualmente modelos
de proceso.
10.2 DISEÑO
10.2.1 General
Los molinos de agitación (incluyendo molinos de torre) realmente difieren entre si

solamente en términos del diseño de agitador que incorporan. Excepto por esto, su
operación es idéntica. Normalmente incluyen un contenedor cilíndrico estacionario que
pude montarse tanto vertical como horizontalmente. La Figura 10.1 ilustra
esquemáticamente ambos tipos de unidad. La alimentación se introduce por la parte
superior o inferior del contenedor y se remueve por el otro extremo. Debido a los medios de
molienda muy finos que pueden utilizar estos dispositivos, puede ser necesario utilizar un
separador para garantizar que los medios permanezcan en el contenedor y permitir, a la vez,
que el slurry fluya a través de la máquina. En consecuencia, en la boca de alimentación se
montará una parrilla de algún tipo. Estas son de diseño variable y son objeto de mucha
experimentación para garantizar la separación eficiente de medios/slurry, permitiendo a la
vez el flujo adecuado de slurry. En los casos en que se utilizan medios de molienda
relativamente gruesos/densos, puede no ser necesaria una parrilla de separación. En vez de
ello, con las unidades montadas verticalmente se permite una zona de asentamiento pasivo
sobre la carga de medios, para garantizar que rebalse solo slurry por el punto de descarga
Figura 10.1: Molinos de agitación vertical y horizontal
231
10.2.2 Agitadores
Como se destacó anteriormente, una de las principales variables de diseño es la orientación

del molino – vertical u horizontal. La otra diferencia importante en el diseño de molinos, se
relaciona con el agitador. Estos incluyen habitualmente un eje central con agujas o discos
de diversas configuraciones. En la Figura 10.2 se muestran algunos ejemplos, aunque no es
en ningún caso un catalogo completo. Los fabricantes publicitan diferentes características
de molienda para sus varios diseños de agitador. Sin embargo, no está claro si un tipo
ofrece alguna ventaja real sobro otro, en aplicaciones de procesamiento de mineral.
Figura 10.2: Ejemplo de diversos diseñes de agitador (según Duffy 1994)
Al menos una variante posee un diseño de agitador marcadamente distinto a los demás – el
molino de torre. Normalmente, este no se incluye en la categoría de molinos de agitación,
aunque desde todo punto de vista es un molino de agitación. Su agitador incluye un tornillo
de doble hélice cuya acción imparte un movimiento de agitación a los medios, a la vez que
los levanta y hace circular alrededor del contenedor. A diferencia de la mayoría de los otros
molinos de agitación, el molino de torre es usado ampliamente en la industria de los
minerales y alcanza tamaños con entrada de energía de hasta 1 MW. Sin embargo, su rango
de reducción de trabajo está limitado a 20-35µm, lo que proporciona una escala de
reducción de tamaño intermedia entre el extremo fino del molino de bola y el extremo
grueso de otro molino de agitación. Esto se debe principalmente a la limitación que impone
el diseño de tornillo a la velocidad de rotación. Debido a su efecto de levante, velocidades
232
muy altas de tornillo causarán un levante excesivo en vez de un movimiento de medios

aumentado, que es lo que se requiere para una molienda más fina.
La observación del movimiento de los medios en molinos de agitación, ha demostrado que

para garantizar que se imparte suficiente movimiento a los medios de molienda, se requiere
una velocidad mínima del agitador. La velocidad varía con el tamaño de los medios, de
manera que los medios más pequeños requieren una mayor velocidad de agitador. Como un
tamaño de bola pequeño es esencial para una molienda fina eficiente, el tamaño de bola
mínimo, en un molino de torre, está limitado por la máxima velocidad que permite el
tornillo. Los molinos de escala industrial tienden a operar en el rango de 40-50 rpm lo que
se compara con unidades como el molino Netzsch que puede alcanzar velocidades de sobre
2000 rpm.
10.2.3 Envolvente de Rendimiento
Los molinos de agitación y de torre aplican energía al material que se están moliendo por
medio del agitador, de una manera fundamentalmente distinta a los molinos de volteo. La
energía específica consumida de esta manera es muy alta.
Consumo d energía (kWh/t)
Figura 10.3: Tamaño de producto vs energía de trituración específica para una variedad de molinos
de agitación de laboratorio y piloto procesando un metal base de grano fino (de Gao y Weller 1993)
La Figura 10.3 muestra la envolvente del rendimiento, relacionando tamaño de producto

con consumos de energía, para una variedad de molinos de agitación, verticales y
horizontales, de laboratorio y escala piloto (incluyendo un molino de torre), evaluados en el
proyecto de investigación en molienda fina en AMIRA (Gao y Séller 1993). Los materiales
de alimentación fueron la alimentación de flotación y corrientes intermedias provenientes
de dos convertidores procesando minerales metálicos de grano fino
233
El tamaño de alimentación (F80) estaba en el rango de 47-100µm, y los medios incluían

tanto bolas de acero como bolas cerámicas de tamaño entre 0.8-9mm.
Está claro, que con estos dispositivos es posible obtener tamaños de producto tan bajos
como 3µm (y probablemente menores), con consumos de energía específica superiores a
100 kWh/t.
10.3 ACCIÓN DE MOLIENDA
Se acepta habitualmente que en los molinos de bola la reducción de tamaño tiene lugar
entre las bolas que impactan unas contra otras, como también entre aquellas que se deslizan
o rotan contra las demás. Esto da pie a dos procesos principales de reducción de tamaño,
impacto y desgaste.
Estos se representan esquemáticamente en la Figura 10.4
Figura 10.4: Esquema de los modos de rotura en un molino de bola
Figura 10.5: Esquema del movimiento de los medios en un molino de bola
En un molino de bola, la rotura por impacto se produce en su mayor parte en el talón de la

carga en donde las bolas, que son levantadas por la acción de la carcasa del molino y el
sistema de levante, caen bajo la influencia de la gravedad. También existe movimiento
relativo en el lecho de bolas y esto genera condiciones que promueven la rotura por
desgaste (Figura 10.5).
234
Sin embargo, en molinos de agitación no hay movimiento en caída libre de los medios de
molienda y, por ende, no se produce rotura por impacto. El movimiento del agitador a
través de un lecho de bolas y el movimiento de deslizamiento/rodadura que este imparte a
la carga en si, proporciona únicamente un ambiente de rotura por desgaste.
10.4 MOVIMIENTO DE LOS MEDIOS
Estudios desarrollados en JKMRC, utilizando molinos transparentes (Duffy 1994), han

permitido estudiar el movimiento de los medios de molienda, principalmente en molinos de
torre y en menor grado en molinos de agitación de aguja. La técnica involucra utilizar
medios de molienda de vidrio en un líquido con idéntico índice de refracción. Esto deja al
molino completamente transparente. Luego la introducción de trazadores de color permite
rastrear la trayectoria de los medios, cuantificando el movimiento fotográficamente.
10.4.1 Molinos de Torre
En la Figura 10.6 se muestra un esquema del movimiento observado de los medios en un

molino de torre de escala de laboratorio. Se encontró que el tornillo agitador levantaba los
medios de molienda en un patrón en espiral, hasta la parte superior del tramo de tornillo. En
este punto, los medios inundaban el anillo exterior entre el tornillo y la carcasa y caían
lentamente en espiral, en la misma dirección rotacional que el molino. En todo momento se
observó un lecho empaquetado de bolas y en consecuencia en ningún momento se
observaron condiciones de impacto.
Se encontró que los medios en el anillo exterior no rotaban a las mismas rpm si no que se
movían relativamente unas con otras. Se midieron las variaciones en velocidad tangencial
con posición radial; se muestran los resultados en las Figuras 10.7-10.10. Se puede observar
que, comenzando en el centro del tornillo, la velocidad tangencial de lo medios está en
línea con la del tornillo. De aquí se deduce que los medios, en su movimiento hacía arriba,
son bloqueados parcialmente en su lugar por el agitador y tienden a rotar con el. En el
anillo, sin embargo, la velocidad disminuye, desde aquella en la punta del agitador, hasta un
valor mucho menor en la pared de la carcasa. En consecuencia, hay un deslizamiento entre
las capas de bola en el anillo ocasionando movimiento relativo. Se cree que este
movimiento es responsable por la acción de molienda del molino.
El efecto de la velocidad creciente se ve claramente en los gráficos y muestra que el perfil

de forma de la velocidad permanece igual hasta 67.8 rpm, aunque el valor absoluto varía en
línea con el aumento en rpm. Sin embargo, a 103 rpm se observó que, para la carga de
5mm, el gradiente de velocidad cambiaba dramáticamente y la velocidad de los medios
continuaba creciendo hacía la pared de la carcasa del molino i.e. la carga estaba
comenzando a centrifugar. Es interesante destacar que esto no ocurrió con el tamaño de
bola más pequeña.
235
Figura 10.6: Flujo de medios en un molino de torre
Como para una rotura por desgaste se requiere un movimiento relativo entre los elementos
de medios de molienda, el desencadenamiento de centrifugado donde termina el
movimiento relativo es claramente desventajoso. Esta observación apoya el punto de vista
que el molino de torre tiene una velocidad límite sobre la cual se deteriora el rendimiento
de molienda.
También es evidente de la Figura 10.7 – 10.10, que la carga de menor tamaño de bola se
mueve a una velocidad significativamente menor que la de mayor dimensión, no obstante el
agitador rotando a la misma velocidad. Una hipótesis es que las bolas menores
proporcionan más sitios donde se puede producir deslizamiento y, por ende, habrá una
menor transferencia de momento del agitador a la carga. Este resultado apoya el punto de
vista que las bolas más pequeñas requieren mayores velocidades de agitador para
mantenerlas en movimiento. Por el contrario, si la velocidad del agitador es muy baja, para
un tamaño de bola dado, habrá entonces partes de la carga de medios de molienda que no se
moverán y, en consecuencia, no efectuaran molienda.
Idealmente, la velocidad del agitador y el tamaño de bola deben emparejarse para garantizar
que la capa exterior de bolas es solo estacionaria. De este modo, el desgaste en la carcasa
del molino se mantendrá en un mínimo, aunque el grueso de los medios de molienda estará
en movimiento y efectuando un útil trabajo de molienda.
236
Figura 10.7: Posición radial versus velocidad de bola; rpm del agitador = 32.4
237
238
10.4.2 Molinos de Agitación Tipo Aguja
A la fecha se ha efectuado mucho menos trabajo estudiando el movimiento de los medios a

altas velocidades, en molinos de agitación tipo aguja. Sin embargo, pruebas en JKMRC a
velocidades relativamente bajas (100-120rpm), han mostrado patrones de flujo de medios
muy diferentes a los de molinos de torre (Duffy 1994). Se han observado dos tipos de
movimiento. El movimiento principal de los medios es siguiendo una trayectoria circular,
inducida por el paso de las agujas a medida que rotan alrededor del eje. Como se esperaría,
aquellos en contacto más estrecho con las agujas se mueven más, mientras que aquellos
más alejados se mueven menos. Los efectos del tamaño de los medios son similares a
aquellos observados en el molino de torre i.e. se observa un menor movimiento con medios
más pequeños para una misma velocidad de agitador.
Además del movimiento circular, los medios también exhiben un movimiento

perpendicular a la dirección de la aguja. Este se debe al desplazamiento de los medios de
molienda, a medida que la aguja barre a través del lecho de bolas. El movimiento es
oscilante con los medios retornando a su posición original, a medida que la aguja pasa a
través del lecho.
10.5 MODELADO Y ESCALADO DE MOLINOS DE TORRE
Los molinos de mayor velocidad incorporando agitadores de aguja y tipo disco están en
gran medida todavía restringidos a aplicaciones especializadas y de pequeña escala. Sin
embargo, hay en uso molinos de torre de hasta 1 MW de potencia instalada y varios de los
más grandes han sido objeto de estudio por parte de JKMRC y otros desde 1989. Esta
sección se limitará, en consecuencia, solo a molinos de torre. Actualmente hay en marcha
un estudio sobre molinos de agitación y se dará a conocer en su debido momento.
10.5.1 Consumo de Energía
Debido al limitado número de molinos instalados alrededor del mundo, en la industria de

procesamiento de mineral, los datos disponibles para desarrollar modelos de energía
validados son limitados. Sin embargo, Duffy (1994) acumuló 25 conjuntos de datos de
escala completa y piloto, cubriendo 5 distintos tamaños de molino, los que utilizó para
desarrollar un modelo de energía.
La estructura del modelo de energía que se desarrollo es la siguiente:
Energía Bruta = Energía Sin Carga + Energía Neta
La energía bruta es el ingreso de energía al motor del molino. La energía sin carga es la
utilizada para propulsar el tornillo sin carga en el molino. La energía neta es aquella
entregada a la carga.
A partir de registros de comisionado y de ocasiones en que se ha vaciado los molinos para

reposición de revestimientos, se obtuvo la energía sin carga para la mayoría de los molinos
239
en la base de datos. Se encontró que la energía sin carga estaba relacionada con la masa del
tornillo y la velocidad del agitador de la siguiente manera:
Energía Sin Carga (kW) = 0.000134 N sWs Ds0.57 (10.1)
donde Ns = velocidad del agitador (rpm)

Ws = peso del tornillo (kgs)
Ds = diámetro del agitador (m)
En la Figura 10.1 se muestra un gráfico de los datos observados vs ajustados.
Figura 10.11: Energía sin carga observada vs ajustada para molinos de torre
En trabajos de prueba en molinos piloto, involucrando pruebas controladas sobre el efecto

del tamaño de bola y carga de bolas, los resultados indicaron que la energía estaba
relacionada con el diámetro de bola como Db0.111 , y relacionada linealmente con la altura de
carga de bolas (Masa). Se argumentó que otros factores que podrían afectar el consumo de
energía serían la densidad de carga (tonelaje de bolas y pulpa dividido por el volumen que
ocupan), velocidad de molino, diámetro de agitador y geometría del agitador, i.e. número
de vueltas en el tornillo del agitador.
Se asumió, además, que la densidad de carga y velocidad del agitador debiera relacionarse
linealmente con la energía neta. Se esperaba en consecuencia que la ecuación de energía
neta tomara la siguiente forma:
Energía Neta = kH b N s pc Db0.111 DsaT b kW (10.1)
240
donde k = constante de calibración

Hb = altura de la carga de bolas (m)
Ns = velocidad del tornillo helicoidal del agitador (rpm)
pc = densidad de carga (toneladas/m3)
Ds = diámetro del tornillo helicoidal (m)
T = número de vueltas del tornillo helicoidal
Db = diámetro del agitador (m)
A,b = constantes que se deben ajustar a los datos
Debe destacarse que el tamaño promedio de bola para una carga de equilibrio será
aproximadamente la mitad del nuevo tamaño de bola.
En la ecuación 12.2, k, a y b son incógnitas y necesitan ser ajustadas. Se esperaba que el

exponente del diámetro del agitador fuera 3. Esto basado en que el volumen de bolas en el
molino será proporcional a Ds2 y, de consideraciones de torque, el brazo de torque debería
aumentar linealmente con Ds . En consecuencia, la energía debería ser proporcional a Ds3 .
Se ajustó la ecuación 10.2 a la base de datos entera, usando regresión lineal múltiple, con el
siguiente resultado:
Energía Neta (kW) = 0.00743H b N s pc Db0.111 Ds3.057T 0.572 (10.1)
Las energías sin carga y neta ajustadas fueron combinadas y graficadas respecto de la
energía bruta observada (Figura 109.12). Se puede observar que el ajuste es muy bueno la
que sugiere que la relación de diámetro de agitador propuesta es valida
Figura 10.12: Energía bruta observada vs ajustada
241
10.5.2 Reducción de Tamaño
Descripción del Modelo General
Se ha demostrado que la metodología de balance de población puede utilizarse para

modelar la reducción de tamaño en molinos de torre (Morrel, Sterns y Weller 1993). El
modelo se puede plantear como sigue (usando la nomenclatura de Whiten):
r  i  rj 
pi = f i −  i  pi + ∑ aij   p j (10.4)
 di  j =1  d j 
donde fi = flujo masa de tamaño i en la alimentación

pi = flujo masa de tamaño i en el producto
di = tasa de descarga de tamaño i
ri = tasa de rotura de tamaño i
aij = función de apariencia – la fracción de tamaño j reducida a tamaño i
Para permitir cambios en los tiempos de residencia, provocados por cambios en la tasa de
flujo volumétrico de material al molino, o cambios en el hold-up de sólidos, causados por
cambios en el volumen del molino, carga de bolas o densidad del slurry, se utiliza la
siguiente relación:
 ri  u  ri 
  =   (10.4)
 di  v  di * 
donde u = volumen del molino ocupado por slurry

v = tasa de alimentación volumétrica
El volumen del molino ocupado por slurry puede estimarse a partir del volumen de la
sección cilíndrica del molino, entre las bocas de admisión y descarga, menos el volumen
del agitador y de las bolas.
El valor del parámetro (r/d*) varía con el tamaño de partícula y normalmente se distribuirá
como se muestra esquemáticamente en la Figura 10.13. El tamaño de partícula al cual se
produce la tasa máxima (xm), es una función del tamaño de bola y aumentará a medida que
aumenta este.
Aunque de la ecuación 10.4, (ri/di*) será independiente del porcentaje de sólidos de

alimentación, tasa de alimentación y volumen del molino, en la medida que afecta el
tiempo de residencia, estará relacionado con factores como tamaño de bola, carga de bolas,
velocidad del agitador, diseño del agitador y reología del slurry.
242
Figura 10.13: Variación típica del parámetro (ri/di*) con el tamaño de partícula
Metodología de Escalamiento
Se puede asumir que los dos principales factores que determinan la tasa de rotura (y en
consecuencia el parámetro (ri/di*)), son el número de bolas y su velocidad relativa. Este
argumento se deriva naturalmente del supuesto que toda la rotura en el interior del molino
de torre se debe a desgaste. En este tipo de rotura, las bolas se mueven relativamente unas
respecto de otras y las partículas atrapadas entre ellas son, en consecuencia, rotas a medida
que se deslizan o ruedan una sobre otra (ver figura 10.5). Este tipo de movimiento ha sido
confirmado experimentalmente por medio de la observación de la carga en un molino de
torre operativo de vidrio.
Como la tasa de rotura está relacionada con la frecuencia de rotura, entonces mientras más
sitios de rotura se generen, más alta será la tasa de rotura. Mayor número de bolas y/o una
mayor velocidad relativa producirá, en consecuencia, mayores tasas de generación de sitios
de rotura y, por consiguiente, mayores tasas de rotura.
Puede suponerse que el número de bolas y sus velocidades relativas están relacionados con
las siguientes variables:
• rpm del agitador (N) • Número de vueltas por partida (T)

• diámetro del agitador (ds) • Altura de la carga de bolas (H)
• numero de puestas en marcha (S) • Diámetro promedio de bola (DB)
El agitador en un molino de torre, cuando rotada, ocasiona que la carga de bolas se mueva y
en consecuencia han sido elegidas sus dimensiones características en vez de las de la
carcasa del molino. De manera similar la altura de la carga de bolas estará relacionada con
el número de bolas en vez de con la altura de la carcasa del molino.
243
La influencia de estas variables en la tasa de rotura puede conjeturarse como sigue:
El número de bolas movidas en el molino viene dado por:
Ds2 H b
Numero de bolas movidas ∝ (10.6)
Db3
En la figura 10.14 se muestra, por simplicidad, una imagen unidimensional de una ruptura
por desgaste. En la práctica, los sitios de rotura se generan en puntos sobre toda la
superficie de una bola dada. En consecuencia, se espera que el área superficial esté
directamente relacionada con la tasa de rotura. Por consiguiente:
Ds2 H b
Superficie de bolas movidas ∝ (10.7)
Db
Figura 10.14: Representación simplificada unidimensional de una rotura por desgaste
La velocidad a la cual se mueven las bolas entre si (tasa de movimiento de bola) está
relacionada directamente con la tasa a la cual se generan los sitios de rotura. Esta será una
función de la velocidad y diseño del agitador. Para caracterizar el diseño se eligió el
número de vueltas de tornillo, el cual puede considerarse análogo al número de agujas en
un molino de torre. En consecuencia:
Tasa de movimiento de bola ∝ Ds N sTS (10.8)
Multiplicando los términos de tasa de movimiento de bola y de área superficial se obtiene

la siguiente tasa de rotura:
Ds3 H b N sTS
Tasa de rotura ∝ (10.9)
Db
244
Figura 10.5: Esquema de un molino de torre mostrando un tornillo de dos partidas, 3 vueltas por
partida
Esta ecuación tiene una forma similar a la utilizada para predecir el consumo de energía
(ecuación 10.2), pero con el agregado de la dependencia inversa sobre el tamaño de bola.
Su validez ha sido probada utilizando resultados de un molino de torre piloto, procesando el
mismo mineral de alimentación que un molino de torre de escala completa. Se operó el
molino piloto en modo por lotes por un periodo de 15 minutos. Se ajustaron las tasas de
rotura a los datos de la planta piloto, asumiendo que las distribuciones de alimentación y
producto, al comienzo y al final de la operación por lotes, serían iguales a las de
alimentación y producto en operación bajo condiciones de equilibrio. Estas se escalaron
usando la ecuación 10.9 y se utilizaron para predecir el rendimiento real observado en la
unidad de escala completa. En la Tabla 10.1 se muestran las condiciones de estudio para la
unidad de escala completa. Se puede observar que varían ampliamente en términos de
tamaño de alimentación, consumo de energía y tasa de alimentación. En la figura 10.16 se
muestran los resultados de la predicción de distribución de tamaño del producto, de los
Estudios 1 y 2. Se encontró una excelente coincidencia. Se obtuvieron resultados similares
para los estudios 2 y 3. Sin embargo, se requieren más datos para confirmar la validez de
esta metodología.
Tabla 10.1: Condiciones de estudio para molino de torre de escala completa
Variable Estudio 1 Estudio 2 Estudio 3

Tasa de Alimentación (t/hr) 16.2 11.6 7.7
Tamaño de Alimentación (d50) (mm) 53.6 52.9 34.9
Tamaño de Producto (d50) (mm) 19.1 13.7 10.8
Densidad de Pulpa Producto (% sólidos) 63.0 57.3 62.2
Consumo de Energía (kW) 164 206 205
245
Figura 10.16: Distribuciones de tamaño de producto observado vs predicho del Estudio 1 del
molino de torre
10.6 OPTIMIZACIÓN DE MOLINOS DE TORRE
Debido a que los molinos de torre son una adición reciente a la escena del procesamiento de
minerales, la experiencia con su optimización es limitada. Sin embargo, el proyecto
AMIRA, sobre molienda fina mencionado anteriormente (Proyecto P336; AMIRA 1994),
evaluó el rendimiento de siete circuitos de molinos de torre en tareas de molienda terciaria
y remolienda de flotación, en cuatro concentradoras de metal base con volúmenes en el
rango de 9.5-31m3. Se obtuvieron las siguientes conclusiones generales respecto de la
optimización de molinos de torre en dichas tareas:
• La instalación de clasificación de reciclo incorporada a la mayoría de los molinos de

torre es innecesaria y puede ser removida con los ahorros consiguientes en costo de
bombeo.
• Las tasas de rotura en molinos de torre caen fuertemente por debajo de alrededor de 15-
20µm
• Las bolas más finas promueven una molienda más fina (el rango de bolas utilizado fue
12-25mm)
• Al igual que para cualquier molino, el rendimiento del circuito cerrado está dominado
por el clasificador (usualmente hidrociclones) y la configuración del clasificador debe
elegirse y operarse correctamente para la tarea.
246
CAPITULO 11
LA PREDICCIÓN DEL CONSUMO DE ENERGÍA EN
CHANCADORES Y MOLINOS DE VOLTEO
11.
11.1 INTRODUCCIÓN
C omo se destacó en el Capítulo 1, la energía consumida por la trituración, en la

industria de procesamiento de minerales, da cuenta de una parte importante de los
costos operativos de la planta. En consecuencia, es de suma importancia para los
propósitos de diseño y optimización, poder predecir con exactitud el consumo de energía de
molinos y chancadores.
La acción de reducción de los molinos de molienda difiere de aquella de los chancadores.

Esto se debe a las diferencias en la manera en que la máquina trasmite la energía al mineral.
El consumo de energía en máquinas como chancadores de mandíbula y giratorios, depende
de la tasa de alimentación y de la reducción de tamaño a través de la máquina. Esta a su vez
viene dictada por factores como geometría de la cámara de chancado, ajuste de la
separación, juego y perfil y condición del revestimiento. La energía se consume ‘por
demanda’ cuando las partículas de mineral, que en caso contrario serían muy grandes para
pasar indemnes a través del molino, son chancadas. La energía está relacionada con el
grado de reducción de tamaño y por ende su predicción debe estar ligada de algún modo a
este proceso.
Por el contrario, en molinos de molienda, el consumo de energía viene dictado por el

movimiento y magnitud de la carga. En consecuencia, se puede ver la reducción de tamaño
como un subproducto del movimiento de mover la carga alrededor del molino.
Particularmente en molinos de bola, esto resulta en un consumo de energía altamente
independiente de las condiciones de alimentación y la cantidad de reducción de tamaño. El
modelado del consumo de energía puede, en consecuencia, lograrse sin referencia a la
reducción de tamaño. Solo se necesita considerar el movimiento de la carga.
Investigación reciente de JKMRC sobre trituración, ha producido modelos de energía que

ha demostrado ser efectiva en la predicción del consumo de energía para chancadores y
molinos de volteo industriales.
247
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Las siguientes secciones describirán estos modelos de energía y como utilizarlos. La

diferencia entre estas máquinas en su acción reductora de tamaño, se refleja en la muy
distinta estructura de estos modelos.
11.2 LA PREDICCIÓN DE LA ENERGÍA DEL CHANCADOR
11.2.1 Introducción
El modelo de energía del chancador permite la predicción del consumo de energía a partir
del conocimiento de las características de rotura del mineral, la reducción de tamaño del
mineral por parte del chancador y la eficiencia relativa de utilización de energía del
chancador. Las características de rotura se determinan en una prueba de laboratorio sobre
muestras representativas de mineral. Luego se predice la energía a partir de una ecuación de
regresión simple, relacionando la energía consumida ‘realmente’ por la máquina industrial,
en la producción de un tamaño de producto específico, con la energía requerida ‘calculada’
para lograr la misma reducción de tamaño en una prueba de laboratorio. Los coeficientes de
regresión poseen significado físico en términos del uso de la energía por parte de tipos
específicos de chancadores e instalaciones. El modelo fue desarrollado por Andersen
(1988) basado en un trabajo previo de Awachie (1983). Actualmente ha sido aplicado a
varios tipos de chancador y se ha encontrado que proporciona predicciones satisfactorias en
cada caso.
11.2.2 Relaciones Energía- Reducción de tamaño Especificas del Mineral
La distribución de tamaño de producto de chancadores mecánicos como el chancador

giratorio o el de cono, depende principalmente de la configuración o separación y, en
menor grado, del perfil y condición del revestimiento. (Andersen, 1988; Andersen y
Napier-Munn 1988). La energía consumida por el chancador para lograr dicha distribución
de tamaño, bajo un conjunto dado de condiciones despende, entonces, de las características
de rotura o ‘dureza’ del mineral.
Las características de rotura se determinan en laboratorio por medio de dispositivos de

rotura por impacto de partícula individual, como el péndulo gemelo o el impactador por
caída de peso (ver Capítulo 4). Estos dispositivos permiten impartir una cantidad controlada
de energía a una partícula seleccionada y se utilizan para establecer una relación entre esta
energía y la distribución de tamaño de producto resultante. La energía se expresa como la
“energía de trituración específica”, Ecs (unidades kWh/t), y se calcula a partir de la energía
impartida a la partícula y su masa. La distribución de tamaño del producto se expresa en
términos de la familia de curvas t descritas por Narayanan y Whiten (1988) y, en particular
el parámetro t10 (ver Capítulo 4). El parámetro t10 se define como el porcentaje de masa de
la partícula original, que pasa a través de un décimo del tamaño de la partícula original.
Dado un valor para t10, es posible reproducir la distribución de tamaño de producto
completa. Como el t10 está relacionado directamente con la energía de trituración
específica, se puede expresar la relación energía- reducción de tamaño, simplemente por
medio de una matriz t10-Ecs.
248
11.2.3 El Modelo de Reducción de Tamaño del Chancador
El proceso de rotura en el chancador es descrito por el bien conocido modelo Whiten

(Whiten 1972a,b), el cual se ilustra conceptualmente en la Figura 11.1 (ver también
Capítulos 2 y 6).
X Función de
f Clasificación p
C
Función de
Rotura C*X
B
Figura 11.1: Diagrama esquemático del modelo de chancador de Whiten
x es un vector representando la cantidad de cada fracción de tamaño en el chancador
f es el vector de distribución del tamaño de alimentación
p es el vector de distribución del tamaño de producto
C es la matriz de selección de clasificación o rotura que describe la proporción de

partículas en cada intervalo de tamaño seleccionado para rotura
B es la matriz de distribución de rotura proporcionando la distribución relativa de cada

fracción de tamaño después de la rotura.
El vector de distribución de tamaño de producto está determinado por la ecuación de

balance de masa
p = (I − C) (I − BC)−1 f (11.1)
donde I es la matriz unidad.
C es una función cuyos parámetros son específicos de la máquina y dependen de las

condiciones operativas (e.g. Andersen y Napier-Munn 1988). La función está muy ligada a
la configuración del lado abierto y cerrado del chancador. Los valores de los elementos en
la matriz de rotura específica del material, B, se determinan de los resultados de pruebas de
rotura por impacto de laboratorio. Los valores p se determinan, entonces, de las funciones
spline que describen las curvas especificas del mineral, dado el valor de t10. El modelo del
chancador, ecuación 11.1, es parametrizado para ajustar los tres parámetros de la función de
clasificación, C, y el parámetro t10, a los datos obtenidos de estudios de planta.
249
11.2.4 El Modelo de Energía del Chancador
El modelo de energía relaciona el consumo de energía real del molino, con la energía
requerida por el dispositivo de rotura por impacto de laboratorio para lograr la misma
reducción de tamaño (Andersen y Napier-Munn 1988; Morrel, Napier-Munn y Andersen
1992). Es de la forma
Pc = APp + Pn (11.2)
donde Pc = el consumo real de energía del chancador bajo carga (kW)

Pp = la energía calculada del péndulo (kW)
Pn = energía consumida por el cargador sin carga (kW)
A = una factor de escalamiento para un chancador específico, obtenido por
regresión.
El cálculo de la energía del péndulo, Pp, está basado en el modelo de chancador descrito
arriba y en la Sección 6.5. En este modelo, C es esencialmente una función de selección
que describe la probabilidad de rotura de partículas en el chancador (t/h). En consecuencia,
el producto Icxi es el flujo de masa de partículas de tamaño i reportando a rotura. Cuando
hay disponibles datos de alimentación y flujo de masa de producto y distribución de tamaño
de estudios de planta y se conoce la función de rotura B del valor predominante de t10,
basado en una prueba de rotura, se puede, entonces, calcular Icxi resolviendo los índices de
balance de masa en la Figura 1, tamaño por tamaño. Puede obtenerse la energía de
trituración específica, Ecs, apropiada para cada tamaño, i, de las descripciones de spline de
las relaciones Ecs-t10 específicas al tamaño, obtenidas de la prueba de rotura (Capítulo 4).
Entonces, la ‘energía del péndulo’ viene dada por:
j
Pp = ∑ Ecs
i =1
t 10 i ⋅ C j ⋅ xi kW (11.3)
donde Ecst10i = energía de trituración específica al valor predominante de t10, para

tamaño i (kWh/t)
j = número de intervalo de tamaño
Ci = probabilidad de rotura de tamaño i
xi = flujo de masa de tamaño i en el chancador (t/h).
Pp es, en consecuencia, la energía total requerida para reducir las distribuciones de tamaño
de alimentación a la distribución de tamaño de producto, como si toda la reducción tuviera
lugar en el péndulo o dispositivo de prueba de caída de peso.
250
Estudiando el mismo chancador bajo una variedad de consumos de energía y reducciones

de tamaño, es posible establecer, por regresión lineal de mínimos cuadrados, un valor para
A en la ecuación 11.2. A se puede interpretar como representando la ineficiencia en el uso
de energía por parte del chancador (incluyendo ineficiencias de transmisión) comparado
con aquella del péndulo o caída de peso; 100/A es la eficiencia energética del chancador
como un porcentaje de la energía del péndulo. Se ha estimado para chancadores de cono
convencionales, en una variedad de tareas de procesamiento de mineral, eficiencias
energéticas en el rango de 70-80%.
Ya que el modelo de energía da cuenta de la reducción real de tamaño obtenida y del

tonelaje procesado por el chancador, proporciona también un medio de comparar la
eficiencia energética de distintos patrones y tipos de chancador, en términos de A (o
100/A). El consumo real de energía del chancador, en una tarea específica, puede ser
estimado por supuesto, sustituyendo directamente en la ecuación 6.4 con un valor de Pp
correspondiente a la tarea de interés.
Pn es estrictamente una constante relacionada con el consumo de energía sin carga del
chancador operando en vacío y fue ajustada originalmente en el proceso de regresión. La
energía sin carga varía con el rendimiento y es una función tanto del factor de potencia
como de la eficiencia de propulsión del motor. Sin embargo, en la mayoría de los casos se
ha encontrado que se pierde poca capacidad predictiva, si alguna, si se fija Pn a la energía
en vacío y se estima solo A por regresión con un cero suprimido en la forma Pc-Pn = APp.
En los estudios de JKMRC se ha determinado que 1.2-1.55 son valores normales para A en
chancadores de cono y giratorios secundarios y terciarios.
En situaciones greenfield, dadas la alimentación y las distribuciones de tamaño producto, se

debe obtener la relación t10-tamaño-Ecs a partir de las pruebas de rotura y usar esta
información en el modelo para calcular la energía de trituración total requerida. Luego se
puede determinar los requerimientos energéticos de chancado, para un chancador similar,
usando una regresión de energía del tipo de la ecuación 11.2 obtenida desde otro sitio.
11.3 LA PREDICCIÓN DEL CONSUMO DE ENERGÍA DEL MOLINO
“La energía neta (de molinos de molienda) no es susceptible de determinación analítica

debido a la actual ignorancia sobre la dinámica de la carga de volteo.” Esta afirmación fue
hecha por Taggart hace 50 años (Taggart 1945), aunque hasta hace poco se ha prestado
poca atención al desarrollo de modelos del consumo de energía, en molinos de molienda
industrial, que contengan explícitamente una descripción de la dinámica del movimiento de
la carga. Una notable excepción es el trabajo de Mishra y Rajamani (1990) quien usó
métodos de elementos discretos para rastrear la posición y velocidad de bolas individuales
en un molino de volteo y relacionó esto con el consumo de energía (ver Sección 2.4). Esta
metodología intensiva en recursos computacionales, aunque loable, arroja poca luz para que
el metalurgista practicante pueda entender los procesos que se producen en el interior del
molino y que provocan su respuesta energética.
251
Es posible, sin embargo, efectuar unos pocos supuestos simplificadores acerca de la carga
lo que permite un tratamiento matemático relativamente simple pero que refleja a la vez la
forma y movimiento esencial de la carga, lo que se observa en la práctica, y es fácil de
relacionar con las tendencias observadas en el consumo de energía. Este tratamiento sigue a
Morrel (1996a,b).
11.3.2 Forma de la Carga
La Figura 11.2 muestra una fotografía del movimiento de una carga rotando en un molino
de vidrio de laboratorio y el cual se esquematiza en la Figura 11.4. Como la resistencia que
siente el motor del molino a su rotación, y por ende su consumo de energía, está causada
solamente por aquella parte de la carga que ejerce fuerza sobre la carcasa del molino, la
parte de la carga que esta en vuelo libre no tiene efecto directo. Además, el material en la
zona de riñón, siendo efectivamente estacionario, de masa relativamente pequeña y
relativamente cerca al eje de rotación del molino, ha tenido poco efecto sobre la energía del
molino (< 5%). En consecuencia, si las partes de carga del riñón y en vuelo libre son
ignoradas, lo que permanece es la forma de luna en creciente que está adecuadamente
aproximadamente por la Figura 11.3a.
Figura 11.2: Fotografía de la carga del molino en movimiento; molino de laboratorio; 0.3 m de
diámetro
Esta condición es típica de la mayoría de los molinos de descarga de parrilla. En tales

molinos, la carga corre normalmente con los intersticios rara vez llenos de slurry mucho
mas allá del punto en que todos los vacíos son ocupados. En el caso de los molinos de
descarga de overflow, el slurry puede descargar solo una vez que ha rebalsado el trunion de
descarga. En consecuencia, el exceso de slurry se presenta en forma de poza. La
252
aproximación mostrada en la Figura 13.b pude utilizarse, en consecuencia, para representar

molinos de descarga de overflow. Se asume que la poza de slurry incluye una mezcla de
mineral y agua de la misma densidad que el slurry de descarga. Se asume que el resto de la
carga incluye los medios de molienda que toman una forma y posición similar al caso de la
descarga de parrilla.
Figura 11.3a: Forma simplificada de la carga Figura 11.3b: Forma simplificada de la carga
para molinos de parrilla para molinos de parrilla
11.3.3 Posición de la Carga
Los dos puntos clave que definen la posición de la carga son el talón y el hombro. Por
medio de técnicas fotográficas es posible medir como cambia la ubicación de estos puntos
con la velocidad del molino y el volumen de carga. En la Figura 11.4 se muestra un
diagrama esquemático del molino de laboratorio de vidrio usado para generar estos datos,
junto con el sistema de coordenadas usado para describir la ubicación del talón y el
hombro. En este caso, se utilizó el desplazamiento angular medido en una dirección anti
horaria, desde la posición de las 3 horas (0 grados). En las Figuras 11.5 y 11.6 se puede
observar la variación del desplazamiento angular del talón y hombro con llenado y
velocidad.
Efecto de la Velocidad
El efecto del aumento de la velocidad del molino en la posición del hombro (Figuras 11.5 y
11.6) es elevar la carga aún más y, en consecuencia, aumentar el ángulo del hombro. Luego
de dejar la carcasa del molino en el hombro, la carga cae a la región del talón donde tiene a
apilarse mientras espera que el molino lo acelere a su velocidad de rotación. Como
253
consecuencia, la posición del talón aparece como no variando sobre la mayoría del rango de
velocidad, para un llenado de molino dado, confirmando los resultados de Liddel y Moys
(1988).
Eventualmente, se alcanza una velocidad en donde comienza el centrifugado. En este punto

el ángulo del hombro y, especialmente, del talón, tienden a la posición 90º. Sin embargo, la
carga entera no centrifuga a la misma velocidad. La capa exterior centrifuga primero.
Aumentos adicionales en la velocidad causan que más y más capas centrifuguen hasta que
eventualmente la carga entera está centrifugando.
Figura 11.14: Esquema de un molino de laboratorio con extremos de vidrio
Efecto del Llenado del Molino
En la Figuras 11.5 y 11.6 se observa además como el efecto del llenado del molino
influencia la posición del talón y del hombro. Mayores llenados de molino dan lugar a
mayores ángulos de hombro y menores ángulos de talón. Como consecuencia, la velocidad
del molino a la cual comienza el centrifugado se ve como una fuerte función del llenado del
molino, con mayores llenados centrifugando a velocidades mucho menores. Este resultado
también concuerda con los descubrimientos de Liddel y Moys (1988) y difiere de la visión
de una única velocidad de centrifugado dictada solamente por el balance gravitacional y las
fuerzas centrífugas. En una aproximación de este tipo se ignoran los efectos de interacción.
Sin embargo, está claro que la carga se comporta como un cuerpo colectivo y, por lo tanto,
no se puede ignorar las interacciones. En consecuencia, debido a la presión ejercida por la
carga, el material por debajo de la cara del molino que se eleva “empuja” efectivamente el
material superior más de lo que sería el caso con partículas individuales moviéndose en el
interior del molino. Con mayores llenados de molino, este efecto es más pronunciado y da
lugar a mayores ángulos de hombro. Este fenómeno está relacionado con la velocidad del
molino y la magnitud de las fuerzas de fricción en la carga. Estas fuerzas tardías son, a su
254
vez, directamente proporcionales a las fuerzas de fricción en la carga (Liddel y Moys 1988;
Vermeulan y Howat 1984). Como las magnitudes relativas de estas son independientes del
diámetro del molino, la posición relativa de la carga será la misma, independiente del
diámetro del molino, siempre que el llenado del molino y el porcentaje de la velocidad
crítica permanezcan constantes.
Figura 11.5: Variación de la posición del hombro con la velocidad y llenado del molino
Figura 11.5: Variación de la posición del talón con la velocidad y llenado del molino
255
11.3.4 Descripción Matemática de la Variación en la Posición del Talón y el Hombro
Para describir la variación en el ángulo del talón se utiliza la siguiente forma de ecuación
empírica:
θT = A(1 − e− B (φc −φ ) ) + π / 2 (11.4)
donde A,B = funciones del, llenado fraccional del molino (Jt).

Φc = es la fracción de terminada experimentalmente de la velocidad crítica
teórica a la cual el centrifugado se estableció completamente, i.e.
la mayor parte de la carga estaba centrifugando. También es una función
de Jt de la forma C+DJt donde C y D son constantes
Φ = es la fracción de la velocidad crítica teórica a la cual se corre le molino
θ = ángulo del talón (rads.)
Para garantizar que a la velocidad de centrifugado el desplazamiento del talón y del hombro
converjan al mismo valor (π/2 radianes), el ángulo del hombro (θS) se elige para ser
expresado como función de θT. Se usa la siguiente forma de ecuación:
θS = π / 2 -(θT − π / 2)( E + FJ t ) (11.5)
donde E,F = funciones de Φ

θS = ángulo del hombro (rads.)
Jt = fracción de llenado del molino
Las constantes A, B, C, D, E, F, fueron ajustadas a datos obtenidos de un molino de

laboratorio (Morrel 1993) usando técnicas de regresión linear simple dando las siguientes
ecuaciones:
θT = 2.5307(1.2796 − J t )(1 − e−19.42(φc −φ ) ) + π / 2 (11.6)
donde φc = φ ; φ > 0.35(3.364 − Jt ) (11.7a)
φc = 0.35(3.364 − Jt ) ; φ > 0.35(3.364 − Jt ) (11.7b)
y φc = π / 2 − (θT − π / 2)((0.3386 + 0.1041φ ) + (1.54 − 2.5673φ ) Jt ) (11.8)
11.3.5 Movimiento de la Carga
La velocidad de partículas a diferentes posiciones puede obtenerse también de fotografías

de la carga volteándose en molinos de vidrio de laboratorio. Se puede generar, en
consecuencia, una descripción de un campo vectorial como se muestra esquemáticamente
en la figura 11.7. Se observan líneas de corriente bastante concéntricas en la porción de la
carga que no esta en vuelo libre denominada, de aquí en adelante, la parte activa de la
256
carga. Se pueden efectuar mediciones de la velocidad de las partículas en cada una de estas
corrientes observadas, mientras que la posición de la corriente puede medirse en términos
de su desplazamiento radial, respecto del centro de rotación del molino.
Figura 11.7: Esquema indicando la metodología de medición de velocidad y posición
La velocidad de las partículas en la carga puede expresarse con respecto a la velocidad de la

carcasa del molino, mientras que las posiciones radiales de las partículas puede expresarse
relativas al radio del molino. En consecuencia, se pueden generar pares de datos que
incluyan una velocidad normalizada (Vn) y una posición radial normalizada asociada (Rn).
En consecuencia:
r
Rn = (11.9a)
rm
Vr
y Vn = (11.9b)
Vm
donde r = posición radial

rm = radio del molino en la cara de desgaste del revestimiento de la carcasa
Vr = velocidad tangencial en r
Vm = velocidad tangencial cara de desgaste del revestimiento de la carcasa
En la Figura 11.8, se muestran datos recolectados de un molino de vidrio de laboratorio. Se

puede observar que a pesar de alguna dispersión, existe una relación aproximadamente
linear entre Rn y Vn. La dispersión se debe a la técnica de medición empleada, la variación
257
probable de velocidad a lo largo de las corrientes y descompensaciones en distinto grado en

todas las condiciones (Vermeulan y Howat 1984). Este último fenómeno es la oscilación de
la carga, que se evidencia en el movimiento del hombro y talón por arriba y por abajo de
sus posiciones medias.
Figura 11,8: Variación en la velocidad tangencial con la posición radial
Los gráficos muestran también la relación entre velocidad tangencial y posición radial bajo
el supuesto que la carga esta bloqueada completamente (no hay condición de
deslizamiento). Es evidente que existe una gradiente de velocidad angular en la carga que
es función del llenado del molino. Esta es una consecuencia directa del deslizamiento
produciéndose en la carga. Como la fuerza de fricción es proporcional a la fuerza aplicada,
actuando en una dirección normal a ella, es esperable que los mayores pesos de lecho,
resultantes de un mayor llenado del molino, generarán mayores fuerzas de fricción en la
carga. En consecuencia, se producirá menos deslizamiento en la carga. Por ende, a medida
que se aumenta el llenado del molino, la gradiente de velocidad respecto del radio del
molino tenderá a la condición de no deslizamiento.
11.3.6 Descripción Matemática del Perfil de Velocidad
La velocidad tangencial (Vr) a una posición radial dada (r) puede expresarse en términos de
una tasa rotacional (Nr) usando la ecuación:
Vr
Nr = (11.10)
2π r
Usando una relación lineal simple entre la velocidad tangencial normalizada y la posición
258
radial normalizada, y expresando la velocidad en término de la tasa de rotación, se puede

derivar la siguiente relación:
N m rm (rm zrj )
Nr = (11.11)
r (rm − zrj )
donde z = (1-Jt)0.4532 (11.12)

ri = radio de la superficie interior de la carga que marca la frontera entre la
parte activa de la carga y el riñón inactivo (Figura 11.3a)
rm = radio del molino
En la ecuación 11.11, el producto, zri , es la posición radial normalizada en la cual Nr=0. La

posición está relacionada con el radio de la superficie interior de la carga (ri) por medio del
parámetro z, utilizando mediciones de posición de ri tomadas de fotografías en la carga del
molino. Se encontró que el parámetro z era una función del llenado fraccional del molino
(Jt). De la ecuación 11.11 es posible observar que a medida que Jt crece, z tiende a cero y,
en consecuencia, Nr tiende a Nm, i.e. se alcanza la condición de no deslizamiento.
11.3.7 Ecuaciones de Consumo de Energía
Habiendo obtenido una descripción matemática de la velocidad y forma de la carga, y la

manera en que esta varía con la velocidad del molino y el volumen de carga, es posible
ahora formular las ecuaciones que describen el consumo de energía del molino. La
metodología adoptada es considerar la tasa a la cual se transfiere la energía potencial y
cinética a la carga, aunque se puede demostrar que una metodología de brazo de torque o
balance de fuerza de fricción proporciona respuestas similares (Morrel 1993). Como la
potencia puede definirse como energía por unidad de tiempo, entonces la tasa a la cual se
transfiere la energía potencial y cinética a la carga proporcionará un estimado del consumo
de energía del molino.
Teniendo como referencia la Figura 11.19, considere un elemento dentro de la superficie

ABCD de longitud L y ancho dr. Su área viene dada por:
L dr
La velocidad tangencial de las partículas que viajan a través de esta superficie es Vr y, en

consecuencia, la tasa de flujo volumétrico a través de la superficie es:
Vr L dr
Y la tasa de flujo de masa es: Vr pcL dr
259
Se supone que la trayectoria de las partículas que viajan a través del elemento de superficie
es como se indica en la Figura 11.2. En consecuencia, la tasa a la cual se les imparte
energía cinética viene dada por:
Vr pcL dr g h
Donde la diferencia de altura (h) viene dada por: h = r (sinθS-sinθT)
Vr3 ρ c Ldr
La tasa a la cual se les imparte energía cinética viene dada por:
2
Figura 11.9: Esquema de la carga del molino para la metodología de balance de energía
Suponiendo que nada de la energía de las partículas que pasa a través de la superficie
ABCD es recuperada subsecuentemente por el molino, entonces la suma de la tasa a la cual
se genera la energía potencial y cinética, para todas las partículas pasando a través de la
superficie ABCD (Pnet), viene dada por:
rm
 Vr3 L ρ c 
Pnet = ∫r  r c
V L ρ rg (sin θ S − sin θ T ) +
r ( r − zr )
dr

(11.13)
i  m j
también Vr = 2π N r
En consecuencia, expresando Vr en términos de Nr se obtiene:

rm
∫ {2π N r L ρ c g (sin θ S − sin θT ) + 4π 3 N r3 r 3 L ρ c }dr

2
Pnet = r (11.14)
ri
En la ecuación 11.11 se relacionó la tasa rotacional (Nr) con la posición radial (r) lo que dio
cabida al deslizamiento observado, ocurrido cuando r se movió entre rm y ri. En
consecuencia, al sustituir Nr en la ecuación 11.14 se obtiene:
260
r
2π gL ρ c N m rm (sin θ S − sin θT ) m
Pnet =
(rm − zri ) ∫r r (r − zri )dr
i
rm
4π 3 L ρ c N m3 rm3
∫ (r − zr ) dr
3
+ i (11.15)
(rm − zri )3 ri
En consecuencia
π gL ρ c N m rm
Pnet =
3(rm − zri )
{2 r3
m − 3 zrm2 ri + ri3 (3 z − 2)}{sin θ S − sin θT }
3
 N m rm3π 
 {(rm − zri ) − ri ( z − 1) }
4 4 4
+L ρ c  (11.16)
 (rm − zri ) 
La ecuación 11.16 se derivó suponiendo que la forma de la carga mostrada en la Figura

1.3a y es aplicable, en consecuencia, a molinos de descarga de parrilla. Para molinos de
descarga de overflow, se debe incorporar el efecto de la poza de slurry. La presencia de la
poza de slurry en el molino de overflow resulta en una reducción del consumo de energía
del molino, cuando se compara con una unidad de descarga de parrilla del mismo tamaño.
Esas diferencias en el consumo de energía han sido incorporadas empíricamente en algunas
ecuaciones de energía del molino (Bond 1961; Morrel 1996a,b). Este efecto puede
considerarse mecánicamente como causado por la asistencia a la rotación que proporciona
el slurry en la región del talón, como resultado de la fuerza de flotabilidad a que está
sometida la carga de molienda a medida que cae a través de la poza de slurry. Esta parte de
su movimiento ocurre entre la superficie de la poza y el talón de la carga de molienda
definido según θTO y θT respectivamente.
Para incorporar este efecto, se agregó un término de flotabilidad a la ecuación 11.16,

resultando en la siguiente ecuación única, la cual describe tanto molinos de parrilla como
de overflow:
π gLN m rm
Pnet =
3(rm − zr )
{2r 3
m − 3 zrm2 ri + ri3 (3 z − 2)}
i
{ρ (sin θ
c S − sin θT ) + ρ p (sin θT − sin θTO )}
3
 N rπ 
+L ρ c  m m  {(rm − zri ) 4 − ri 4 ( z − 1)4 } (11.17)
 (rm − zri ) 
donde pp = densidad de slurry

pc = densidad de carga de molienda
= ángulo de talón de slurry para molinos de descarga de overflow
(= 3.395 radianes)
= θT para molinos de descarga de parrilla
261
θS = viene dado por la ecuación 11.8

θT = viene dado por la ecuación 11.6
Secciones de extremo cónico
Algunos molinos, en especial aquellos de grandes radios diámetro a longitud, no son

completamente cilíndricos sino que temen extremos de forma cónica. La carga que se
mueve en esta sección del molino también consumirá energía y por consiguiente debe
considerarse, si se quiere determinar correctamente el consumo global de energía del
molino. Se asume que la forma de la carga en dichos molinos es como se muestra en la
Figura 11.10. Por simplicidad se muestra solo la forma de la parrilla de descarga del
molino.
Se asume que la posición del talón y hombro es igual en los extremos cónicos como en la
sección cilíndrica. Como la cantidad de carga en los extremos cónicos es normalmente muy
pequeña, se asume que el efecto de cierre de los elevadores del extremo limitará el
deslizamiento en la carga cónica. Por este motivo, se asume que no habrá un gradiente de
velocidad angular en esta parte de la carga.
Respecto de la Figura 11.11, para un elemento dLc en la sección cónica, la ecuación de

consumo de energía tendrá la misma forma que para un contenedor cilíndrico (ecuación
11.14). En consecuencia, para el elemento de longitud dLc a un radio de cono rc, el
consumo de energía (PdLc) para una un molino de descarga de parrilla vendrá dado por:
rc
PdLc = dLc ∫ {2π N m ρ c r 2 g (sin θ S − sin θT ) + 4π 3 N m3 r 3 ρ c }dr (11.18)

ri
Figura 11.10: Esquema de la forma de la carga en extremos cónicos
262
Figura 11.1: Esquema del extremo cónico de un molino
A medida que el radio del cono varía con respecto a su longitud, entonces, para el cono
entero, se debe integrar la ecuación 11.18 respecto de la longitud del cono Lc. En
consecuencia la energía total asociada con ambos extremos cónicos (Pc) viene dada por:
Li rc
Pc = 2 ∫ ∫ {2π N m ρ c r 2 g (sin θ S − sin θT ) + 4π 3 N m3 r 3 ρ c }dr dL c (11.19)

0 ri
De geometría
(rm − rc )
Lc = Ld (11.20)
rm − rt
En consecuencia
− Ld drc
dLc = (11.21)
rm − rt
Sustituyendo la ecuación 11.21 en la ecuación 11.19 se obtiene:
2 Ld 
rm rc
T ∫ ∫ r dr drc
2
Pc =  2π N ρ
m c g (sin θ S − sin θ )
(rm − rt )  rc ri
rm rc

+4π 3 N m3 ρc ∫ ∫ r 3 dr dc  (11.22)
rc ri 
2 Ld  1 4 3 4
=  π N m ρ c g (sin θ S − sin θT )(rm − 4rm ri + 3ri )
(rm − rt )  6
1 
+ π 3 N m3 ρ c (rm5 − 5rm ri 4 + 4ri5 )  (11.23)
5 
263
Usando la mima metodología que se adopto para el consumo de energía de la sección

cilíndrica, se puede extender la ecuación 11.16, para incluir molinos de overflow, como
sigue:
π Ld gN m
Pc =
3(rm −r)
{(r 4
m − 4rm ri3 + 3ri 4 ) { ρ c (sin θ S − sin θT )
t
2π 3 N m3 Ld ρ c 5
+ ρ p (sin θT − sin θTO )} + (rm − 5rm ri 4 + 4ri5 ) (11.24)
5(rm − rt )
Las ecuaciones 11.17 y 11.24 constituyen las dos ecuaciones principales para el cálculo del
consumo de energía asociado con la carga en las secciones cilíndricas y cónicas, de un
molino de volteo húmedo, respectivamente.
Además de los parámetros de diseño como diámetro y longitud del molino y los ángulos de
hombro y talón y, las ecuaciones contienen tres variables cuyos valores deben conocerse
antes de poder evaluar las ecuaciones. Estas son:
ri - radio de superficie interior de la carga
pc - densidad de la carga
pp - densidad de pulpa
Carga Superficie Interior (ri)
La superficie interior de la carga define el límite radial de la parte activa de la carga. Puede
representarse por su distancia radial desde el eje de rotación (ri). Si se conoce la posición
del talón y del hombro, junto con el volumen de la carga entre estos puntos, se puede
entonces encontrar ri por simple geometría como sigue:
0.5
 2πβ J t 
ri = rm 1 −  (11.25)
 2π + θ S − θT 
donde β es la parte activa de la carga expresada como una fracción de la carga total. Esta
fracción será proporcional al tiempo que permanece el material en la parte activa de la
carga, respecto del tiempo que le toma completar un circuito de la carga completa.
En consecuencia:
tc
β = (11.26)
t f + tc
donde tc = tiempo medio para trasladarse entre el talón y el hombro en el interior de

parte activa de la carga
tf = tiempo medio para trasladarse entre el hombro y el talón en caída libre
264
tc y tf son aproximadamente como sigue:
2π − θT + θ S
tc = (11.27)
2π N
donde la tasa rotacional media ( N ) es
Nm
N = (11.28)
2
0.5
 2r (sin θ S − sin θT ) 
tf =   (11.29)
 g 
donde la posición radial relativa ( r ) es
rm    
0.5
2π J t
r = 1 +  1 −   (11.30)
2   2π + θ S − sin θT  
 
Sustituyendo las ecuaciones 11.26 – 11.30 en la ecuación 11.25, se puede estimar ri
Densidad de Carga y Pulpa
Es posible estimar la densidad de carga utilizando la siguiente ecuación (Morrel 1992).
ρc =
[ J t ρ0 (1 − E + EUS ) + J B ( ρ B − ρ0 )(1 − E ) + J t EU (1 − S )] (11.31)
Jt
donde E = porosidad fraccional de la carga

S = contenido fraccional de sólidos (por volumen) de slurry de descarga
U = fracción de vacíos de medios de molienda ocupados por slurry
En la ausencia de datos para E, S y U, se pueden suponer los valores de 0.4, 0.5, y 1

respectivamente. En este caso la ecuación 11.31 se simplifica a:
0.6 J B ( ρ B − ρ0 )
ρc = 0.8 ρ 0 + +0.2 (11.32)
Jt
Se asume que la densidad de pulpa en el interior del molino (pp) es igual a la densidad de
descarga de pulpa
265
11.3.8 Estructura General del Modelo (Figura 11.12)
Las ecuaciones anteriores proporcionan una descripción teórica del consumo de energía
asociado con el movimiento de la carga en el molino. En la practica, se debe proporcionar
energía adicional para compensar las pérdidas/consumos mecánicos, eléctricos y ‘otros’.
Agregando estas a la energía asociada con el movimiento de la carga, resulta un consumo
de energía global o bruto. Un modelo de energía de molino es construido, por consiguiente,
con varios de niveles para explicar las varias fuentes de consumo de energía. En el primer
nivel la energía bruta, i.e. la energía de entrada al motor del molino, se divide en aquella
que compensa las ineficiencias mecánicas y eléctricas y aquella suministrada a la carga
(energía neta). Esto se expresa como sigue:
energía bruta = energía sin carga + (k * energía de movimiento de la carga) (11.33)
donde
energía bruta = ingreso de energía al motor, i.e. energía medida
energía sin carga = ingreso de energía al motor cuando el molino está

vacío
energía de carga en movimiento = energía asociada con el movimiento de la carga
k x (energía de movimiento carga = energía neta
energía neta = energía de entrada total a la carga
k = parámetro global que incorpora las perdidas

de calor debido a fracción interna, energía
para desgaste /abrasión, rotura y rotación
de los medios de molienda mas inexactitudes
asociadas con los supuestos y mediciones
de la forma y movimiento de la carga
Debe destacarse que en la literatura se utiliza a veces energía neta como sinónimo de
potencia en el eje del piñón de un molino. La potencia en el eje del piñón incluye la energía
suministrada a la carga en si, más aquella para compensar las perdidas en el engranaje del
piñón además de la asociada a los rodamientos del molino. La energía neta en el modelo
JKMR se define como la energía de entrada a la carga y por consiguiente no es igual a la
potencia en el eje del piñón.
266
Figura 11.12: Estructura general del modelo
11.3.9 Energía de Sin Carga
Para tener utilidad práctica, un modelo de energía necesita predecir con exactitud la energía
bruta (i.e. medida). Como se destacó previamente, la diferencia entre consumo de energía
bruta y neta en un molino se debe a perdidas asociadas a varios componentes mecánicos y
eléctricos. Las perdidas principales se producen en el motor, transmisión y rodamientos.
Ninguno de estos permanece constante sobre el rango operativo completo del molino.
Algunos, sin embargo, pueden tener un componente fijo – por ejemplo, las perdidas debidas
a fricción en los rodamientos serán determinadas por el peso del molino vacío (un
componente fijo aunque incluso este variará, a medida que se desgastan los revestimientos
y elevadores) y el peso de la carga del molino (una componente variable). En la mayoría, si
no en todas, las plantas operativas de escala completa, los únicos datos que se medirán son
la energía bruta y/o real. En raras ocasiones se conocerá la energía sin carga (el consumo de
energía del molino cuando corre vacío) de los registros de comisionado o mantenimiento.
De manera alternativa, si el molino ha sido vaciado para reposición de revestimientos, se
registrará la energía sin carga durante la puesta en marcha. Dichos datos indican las
magnitudes de algunos componentes de la pérdida de energía.
Para determinar la relación entre la energía sin carga y los parámetros de diseño del molino,
se analizaron diez conjuntos de datos provenientes de nueve molinos, con diámetros
variando entre 1.75 y 9.75 m. Se desarrollo una relación empírica como sigue:
267
Energía Sin Carga (kW) = 1.68( D 2.5φ (0.667 Ld + L))0.82 (11.34)
Donde D = diámetro del molino
L = longitud de la sección cilíndrica
Ld = longitud del extremo cónico
Φ = fracción de la velocidad crítica
En la Figura 11.13 se muestra un gráfico de los consumos de energía sin carga observados
y predichos usando esta ecuación. La dispersión de los datos es evidente y se atribuye a
diferencias en el diseño y condición mecánica de componentes como rodamientos. Esto se
ilustra por medio de puntos de datos de menor consumo de energía, provenientes de
lecturas tomadas en distintos molinos piloto con las mismas dimensiones nominales.
Figura 11.13 consumo de energía sin carga observada vs predicha (ecuación 11.34)
Precisión del Modelo
En la ecuación 11.33, k es un parámetro que agrupa las pérdidas de energía debido a

sonido, calor generado en el interior de la carga debido a fricción por deslizamiento, rotura
de roca debido a desgaste/abrasión, rotación de los medios del molino e imprecisiones en el
modelo. Como k es el único parámetro desconocido del modelo, debe ser ajustado
utilizando datos de energía de un molino industrial. Esto se ha hecho usando la base de
datos descrita en al Tabla 11.1, la cual ha sido obtenida en estudios de JKMRC desde 1988.
268
Tabla 11.1: Detalles de Base de Datos de Molino de Volteo
Variable Molinos de bola Molinos SAG Molinos AG

Diámetro (m) 0.85-5.34 1.80-9.59 1.8-9.50
Longitud vientre entre revestimientos (m) 1.52-8.84 0.59-7.95 0.59-5.18
Longitud/Diámetro revestimientos 1.00-1.83 0.33-1.50 0.33-1.0
Porcentaje de velocidad Crítica (%) 60-83 48-89 72.75
Llenado de bolas (% Vol) 20-48 3-25 0
Llenado total (% Vol) 20-48 7-38 10-31
Peso Específico del Mineral 2.6-4.6 2.6-.1 2.7-4.6
Número de Molinos 38 20 5
Numero de Conjuntos de Datos 41 28 7
Consumo de Energía (kW) 6.8-4100 14.8-7900 12.5-5500
El valor resultante para k fue 1.26. En consecuencia, la energía consumida por sonido, calor
generado por la fricción de deslizamiento en la carga, rotura por desgaste/abrasión, rotación
de los medios, sumada a las imprecisiones del modelo explica, en promedio, un 26%
adicional de energía neta teórica. Esto se compara con la estimación de Harris et al de hasta
un 20% (Harris et al 1985) y el valor de Rolf y Simons de sobre un 30% para la energía
asociada con el movimiento de deslizamiento (Rolf y Simons 1990). En la Figura 11.14 se
proporciona un gráfico del consumo de energía observado y predicho usando el modelo.
Está claro que el modelo predice exitosamente el consumo de energía en el rango completo
de laboratorio, piloto y escala industrial. El error RMS promedio es 5%.
Figura 11.14: Consumo de energía observado vs predicho para molinos de volteo
269
11.4 EJEMPLO RESUELTO
Para ilustrar el uso del modelo se proporciona un ejemplo resuelto relacionado con un
molino SAG
Datos de Entrada
Para ejecutar el modelo se requieren ciertos datos de diseño y operaciones. Estos se

resumen a continuación.
Cantidad Valor de Ejemplo

Diámetro entre revestimientos (m)………………………………………..8
Longitud vientre entre revestimientos (m)…………………….………….4
Longitud eje entre revestimientos (m)…………………………………….6
Diámetro.………………………………………………………………….2
Fracción de la velocidad crítica…………………………………………...0.72
rpm del molino……………………………………………………………10.72
sg del mineral……………………………………………………………...2.75
sg de bolas…………………………………………………………………7.8
% de sólidos por volumen de descarga de slurry………………………….45.9
Fracción de llenado total del molino……………………………………....0.35
Fracción de llenado de bolas del molino…………………………………..0.10
Mecanismo de descarga……………………………………………………parrilla
Pasos de Cálculo
1.- calcular la densidad de carga (pc)

De los datos de entrada
P0 = 2.75
pB = 7.8
Jt = 0.35
JB = 0.1
S = 0.459
Suponer U = 1 y E = 0.4
De la ecuación 11.31: pc = 3.237
2.- calcular ángulo de talón (θT) ,ángulo de talón de slurry (θTO), y ángulo de hombro (θS)
Jt = 0.35
Φ = 7.8
De la ecuación 11.7b Φc = 3.237
De la ecuación 11.6 ΦT = 3.9198 radianes
270
Como el molino es descargada de parrilla, θTO = θT

De la ecuación 11.8 θS = 0.8519 radianes
3.- calcular el radio de la superficie interior de la carga (ri)
Jt = 0.35
Rm = diámetro/2 = 4m
Nm= rpm del molino / 60 = 10.179 rev. Por segundo
De cálculos anteriores
ΦT = 3.9198 radianes
θS = 0.8519 radianes
De las ecuaciones 11.27, 11.28: tc = 5.7
De las ecuaciones 11.29, 11.30: tf = 0.926
De la ecuación 11.26 β = 0.8516
De la ecuación 11.25 ri = 2.576
4.- calcular el parámetro z
Jt = 0.35
De la ecuación 11.12: z = 0.8226
5.- calcular la energía teórica de la sección cilíndrica (Pnet)
Jt = 0.35
Rm = diámetro/2 = 4m
Nm= rpm del molino / 60 = 10.179 rev. Por segundo
L = 4m
De cálculos anteriores
ΦT = 3.9198 radianes
θS = 0.8519 radianes
θTO = θT
z = 0.8226
ri = 2.576
pc = 3.237
use g = 9.814 m.s-2
De la ecuación 11.17: Pnet = 2809 kW
271
6.- calcular energía teórica del extremo del cono (Pc)

rt = 1 m
Ld = (longitud eje – longitud vientre) / 2 = 1 m
Todos los demás parámetros requeridos han sido determinados en cálculo 5
De la ecuación 11.17: Pc = 378 kW
7.- calcular la energía teórica de la sección cilíndrica (Pnet)
D =8m
Φ = 0.72
L = 4m
De la ecuación 11.34: energía sin carga = 322 kW
8.- calcular la energía bruta
Total energía teórica para los extremos cilíndricos y cono (energía neta)
= Pnet + Pc = 3187 kW
Energía sin carga = 322 kW
Factor de calibración (k) = 1.26
De ecuación 11.33: Energía Bruta = energía sin carga + (k*energía neta) = 4338 kW
Los pasos de cálculo para un molino de bola son idénticos a los proporcionados arriba.
Debe destacarse que para molinos de bola el llenado fraccional total del molino debe fijarse
al mismo valor que el llenado fraccional de bolas del molino, i.e. Jt = JB. Además, para
molinos de descarga de overflow, el ángulo de rebalse del slurry (θTO) debe fijarse en 3.395
radianes.
11.5 CONCLUSIONES
Debido a la diferencia en el principio de operación de chancadores y molinos de volteo, se

deben utilizar distintas metodologías para modelar el consumo de energía. En el caso de los
chancadores, el consumo de energía es una consecuencia directa de la reducción de tamaño.
En consecuencia, para predecir el consumo de energía debe describirse el proceso de
reducción de tamaño. Esto contrasta con los molinos de volteo, en los cuales la reducción
de tamaño es consecuencia directa del movimiento de los medios y, en consecuencia, del
consumo de energía. En este caso, solo se necesita modelar el consumo de energía con
referencia al movimiento de los medios y es, por lo tanto, muy independiente del proceso
de reducción de tamaño. Este capítulo ha proporcionado algunos algoritmos para la
predicción del consumo de energía en chancadores y molinos de volteo, los que utilizarse
con confianza.
La medición del consumo de energía de grandes máquinas, ya sea para chequear

predicciones teóricas o como apoyo de un estudio, es a menudo problemática. Estos temas
se discuten en la Sección 5.3.3.
272
CAPITULO 12
HARNEROS E HIDROCICLONES
12.
12.1 INTRODUCCIÓN – EL ROL DEL DIMENSIONADO EN CIRCUITOS DE TRITURACIÓN
E l propósito de cualquier circuito de trituración es la reducción de tamaño. Se deduce

que el grado de reducción de tamaño debe ser moderado de alguna manera, para
producir un producto de circuito que cumpla con algún criterio relacionado con
tamaño, pudiendo ser este la manejabilidad, liberación de mineral, graduación de un
agregado, o un tamaño adecuado para procesos de recuperación específico. Esta función es
efectuada por dispositivos de dimensionado como harneros y clasificadores.
Los circuitos de trituración son abiertos o cerrados. Los circuitos abiertos son aquellos en
los cuales el dispositivo(s) de trituración rompe el material y lo pasa directo a la siguiente
etapa de procesos sin dimensionarlo. En un circuito cerrado, el material ya roto debe
cumplir con algún criterio de selección de tamaño antes de continuar aguas abajo y, en
consecuencia, la maquina de trituración está cerrada por el dispositivo de dimensionado,
siendo el material de sobre tamaño reciclado a la maquina para rotura adicional. La carga
de reciclo es el material que fluye en el lazo cerrado, entre el dispositivo de trituración y el
clasificador (Figuras 12,1b y 12.1c). Circuitos de trituración complejos incorporarán
combinaciones de dichos arreglos para lograr el resultado deseado al menor costo de capital
y operativo. Los circuitos de trituración son utilizados a menudo para lograr un nivel inicial
de reducción, antes de un circuito cerrado el cual completa la reducción de tamaño y
controla el tamaño del producto. Los circuitos cerrados se usan donde un proceso de una
única etapa de trituración es relativamente ineficiente y se requieren varios ciclos de rotura.
Cerrar un circuito es una manera más eficiente en energía de generar un producto del
tamaño requerido, aunque esto depende del criterio de tamaño del producto (ver Sección
9.10.6).
La Figura 12.1a muestra la forma más simple de ‘circuito’ – una máquina individual en
circuito abierto. Los chancadores primarios y secundarios, molinos autógenos y semi
autógenos y molinos de barra operan habitualmente en circuito abierto.
La Figura 12.1b muestra un circuito serrado sencillo, en este caso un molino de bola
cerrado por hidrociclones. A menudo los chancadores terciarios están cerrados por
hidrociclones, molinos AG/SAG por tamices curvos o hidrociclones y molinos de bola y
molinos de torre por hidrociclones u otra forma de clasificador.
273
Capítulo 12: Harneros e Hidrociclones
Figura 12.1a: Un chancador en circuito abierto
Figura 12.1b: Molino de bola cerrado por hidrociclones
La Figura 12.1c muestra un circuito híbrido ‘ABC’ con un circuito abierto de chancado
primario seguido en serie por un molino AG cerrado por un tromel (con reciclo de
sobretamaño vía un chancador inter etapa) y un molino de bola cerrado por hidrociclones.
Los dispositivos de dimensionado en los circuitos de trituración influencian

significativamente el rendimiento del circuito determinando, mientras confeccionan las
cargas de reciclo, la capacidad del circuito y el tamaño final del producto. El dispositivo de
dimensionado es usualmente el instrumento individual más efectivo para afinar el
rendimiento del circuito en un estudio de optimización, especialmente en molienda. Esto se
debe a que es relativamente simple efectuar cambios sustanciales al rendimiento, a través
de cambios fáciles (y baratos) al proceso de dimensionado, por ejemplo, cambiar una
apertura de harnero, agregar más agua a la alimentación del hidrociclón, cambiar el tamaño
del ápex (spigot) o del vortex finder del hidrociclón o alterar el número de hidrociclones en
línea.
274
Por el contrario, normalmente hay pocas opciones simples disponibles para modificar la
maquina de trituración en si. Aunque es relativamente simple, por ejemplo, cambiar la tasa
de alimentación o densidad de pulpa, tales cambios pueden tener otros efectos nocivos
(reducir la tasa de alimentación puede producir un producto más fino pero también
disminuir la producción). El conjunto de chancador y la carga de bolas son fáciles de
modificar, pero la velocidad el molino (a menos que haya disponible un motor VS) o el
perfil de revestimiento son más difíciles (El tamaño de la máquina es el mayor elemento de
capital y normalmente no está disponible como una opción de optimización, a menos que se
contemple una expansión de la planta o su reemplazo.
Figura 12.1c: Circuito híbrido ABC con un circuito abierto seguido de dos circuitos cerrados; los
dispositivos de dimensionado consideran un tromel e hidrociclones
Los dispositivos de dimensionado son por lo tanto componentes integrales e importantes de

la mayoría de los circuitos de trituración y su rendimiento y potencial deben ser
considerados cuando se planifica la optimización de circuitos.
Este capítulo trata con tres aspectos de dimensionado:
1. La representación del rendimiento de dimensionado utilizando curvas de eficiencia.
2. Dispositivos de dimensionado positivo, tales como harneros vibradores y tamices que

utilizan una superficie para separa el material grueso del fino.
275
3. Hidrociclones, clasificadores que explotan el comportamiento hidrodinámico diferencial

de los sólidos en flujos en campos centrífugos.
Un elemento importante en la evaluación del rendimiento de dichos dispositivos y

ciertamente también, del rendimiento de las máquinas de trituración, es la medición y
representación de la distribución de tamaño de partícula. Este aspecto es considerado en el
Apéndice 3, tanto para sistemas en línea como para métodos de laboratorio
12.2 CURVAS DE EFICIENCIA
El rendimiento de cualquier clasificador sólido-líquido, en términos de separación de

tamaño o recuperación de sólidos, se representa por una curva de eficiencia, denominada
también curva de partición, curva de rendimiento, curva de selectividad o curva de Tromp
(aunque esta último debiera mas apropiadamente estar confinada a la separación de
densidades). En la Figura 12.2 se muestra un ejemplo para un Hidrociclón. Describe la
proporción de un tamaño dado de sólidos que reporta a los productos de underflow y
overflow; una curva es el complemento de la otra y puede usarse cualquiera de ellas. La
mayoría de la literatura utiliza la curva de underflow, pero en trabajos anteriores de
JKMRC se argumentó que el clasificador overflow es generalmente el producto final,
especialmente en circuitos de molienda y, en consecuencia, se debe usar la curva a
overflow. Esta es una convención seguida en los modelos y documentación de
clasificadores usados en el simulador JKSimMet y será seguido aquí también.
Figura 12.2: Curvas de eficiencia medidas en un hidrociclón para underflow y overflow (C=100-Rf)
La recuperación real, Eoi, de tamaño i a overflow viene dada por
W M 
Eoi = 100  oi o  % (12.1)
W M
 fi f 
276
donde Woi, Wfi son las proporciones en peso de material de tamaño i en overflow y sólidos
de alimentación respectivamente, y Mo, Mf son las tasas de flujo de masa de sólidos total de
las corrientes de overflow y alimentación respectivamente.
Wo y Wf son determinados por análisis de tamaño de muestras del overflow y sólidos de

alimentación y Mo y Mf por medición de los flujos de masa de sólidos (e.g. usando un
flujómetro magnético y un medidor de densidades en cada corriente). Sin embargo, en la
práctica, Eoi (o su complemento Eui) pueden ser calculados de diversas maneras,
dependiendo de que datos hay disponibles. Por ejemplo, puede que no haya ninguna tasa de
flujo disponible, en cuyo caso se puede calcular Eoi directamente de la formula de dos
productos, basada en análisis de tamaño:
100Woi (W fi − Wui )
Eoi = % (12.2)
W fi (Woi − Wui )
Alternativamente, el resultado Mo/Mf en la ecuación 12.1 puede ser estimado a partir de las
concentraciones de sólido en las tres corrientes y luego ser usada para reconstituir una
distribución de tamaño a partir de las distribuciones de tamaño de los dos productos (Wills
1992).
Svarovsky (1981, 1984) presenta un procedimiento gráfico para determinar la curva de

eficiencia a partir de dos cualquiera de las distribuciones de tamaño de alimentación,
overflow y underflow; los últimos dos entregan generalmente una mejor estimación.
La mejor manera de determinar los valores de Eoi es obtener datos ‘redundantes’ (es decir,
más datos de los requeridos para cerrar el balance de masa) y aplicar un procedimiento de
optimización de balance de masa para calcular las ‘mejores’ estimaciones de cada cantidad,
de acuerdo con el criterio de mínimos cuadrados. Estas estimaciones pueden luego ser
usadas en las ecuaciones 12.1 y 12.2 para calcular Eoi. El simulador JKSimMet incorpora
un procedimiento de balance de masa adecuado, MBal (Sección 5.6.2 y Apéndice 4); puede
haber otros.
Los tipos de datos que se pueden recopilar incluyen
• Distribuciones de tamaño
• Flujos de masa de sólidos y agua
• Densidades de slurry o concentrados de sólidos
• Ensayos tamaño por tamaño
El Capítulo 5 describe la metodología para recopilar dichos datos
La mayoría de las curvas de eficiencia de clasificador, incluyendo aquellas de

hidrociclones, no alcanzan 100% (o 0% para curvas de underflow) a tamaño cero; el efecto
se muestra en la figura 12.2 (el ‘bypass’). Se acepta generalmente que esto se debe al hecho
277
que las partículas muy finas, no responderán a las fuerzas de clasificación (fuerza
centrífuga o gravitatoria) y en consecuencia simplemente seguirán el flujo de agua. En
consecuencia la curva intercepta el eje-x al valor de partición de agua a overflow (o
underflow). Por el contrario, las partículas gruesas siempre serán clasificadas y debe por
ende existir un tamaño de partícula en la cual ninguna se reporta a overflow; por
consiguiente, el extremo superior de la curva siempre alcanzara cero en algún tamaño
grueso.
Kelsall (1953) sugirió que si Rf es la proporción de agua reportando a underflow, entonces

Rf de todos tamaños de partícula omitirán la clasificación y reportaran a underflow por
medio de seguir el flujo de agua. Esto hace surgir el concepto de una eficiencia corregida
para bypass, Euc, que es la eficiencia debida solamente a clasificación. Kelsall demostró que
la eficiencia real, Eua, podía ser corregida usando una sencilla fórmula basada en este
supuesto. Si xi es el flujo de masa (t/h) de tamaño i en la alimentación, entonces, (Eua * xi)
es el flujo de masa de este tamaño reportando a underflow. Pero (Rf*xi) t/h omite (bypass) y
solo se clasifica (Eua *xi-Rf-xi) t/h. En consecuencia
Eua xi − R f ⋅ xi Eua − R f
Euc = = (12.3)
xi − R f ⋅ xi 1− Rf
(El subíndice i está implícito en Euc y Eua)
La ecuación 12.3 es la fórmula de Kelsall para la eficiencia corregida a underflow. La

eficiencia corregida a overflow es aún más fácil de calcular, otra razón para preferir esta
forma de la curva de eficiencia.
Eoa
Eoc ∝ (12.4)
C
Las curvas corregidas basadas en estas fórmulas se comparan con las curvas reales o
experimentales en la Figuras a y b. Las curvas corregidas son sigmoideas en forma y
parecen más bien curvas de distribución de probabilidad acumulada; en cierto sentido
efectivamente describen la probabilidad de una partícula de tamaño dado reportando a uno
u otro producto, aunque no cumplen estrictamente el criterio para ser tratadas como
funciones de distribución de probabilidad verdaderas. Sin embargo, como cualquier
distribución unimodal similar, pueden ser descritas por dos parámetros, una para posición
(equivalente a una media) y una para escala (equivalente a una desviación estándar). El
parámetro de ubicación d50c, definido como el tamaño de corte corregido o tamaño de
separación, el tamaño que se divide en partes iguales entre overflow y underflow, debido
solamente a las fuerzas de clasificación. El tamaño de corte corregido es siempre mayor
que el tamaño de corte real (medido), d50 (Figura 12.4).
La corrección de Kelsall es simple, plausible y ampliamente utilizada, en parte porque

conduce a una formula matemática manejable, para describir la curva de eficiencia
resultante corregida y reducida. Debe destacarse, sin embargo, que el supuesto básico
278
subyacente, que la fracción de bypass Rf es la misma para todos los tamaños de partícula,
ha sido cuestionado.
Figura 12.3: Curvas de eficiencia reales y corregidas
Figura 12.3: Definición de d50 y d50c
Flintoff et al (1987) revisó alguno de los argumentos. Estos incluyen el punto de vista de
Austin y Klimpel (1981) en cuanto a que el slurry espesado en la pared del ciclón se
279
bloquea en algunas partículas finas las que luego se van en el underflow y la sugerencia de
Finch (1983) que el bypass disminuye con el aumento en el tamaño de partícula. Las
nuevas metodologías fundamentales para el modelado de clasificadores, en especial
hidrociclones, pueden arrojar algo de luz sobre este problema. En el presente, sin embargo,
la metodología de Kelsall goza de la ventaja de la simplicidad y familiaridad a través de su
uso generalizado.
La curva de eficiencia corregida puede ser normalizada o ‘reducida’ dividiendo el eje del
tamaño por d50c·Eoc=0.5 donde d/d50c = 1. Lynch y Rao (Reportado en Lynch 1977)
demostró que la curva reducida para hidrociclones es normalmente independiente del
diámetro del ciclón y de las condiciones operativas para una alimentación dada, asumiendo
similitud geométrica entre hidrociclones de diferente tamaño. Esta generalización
importante, que se ha mantenido bien en plantas y estudios de laboratorio más recientes,
permite formular modelos empíricos útiles de hidrociclones (y otros dispositivos de
dimensionado) que son robustos en un rango bastante amplio de condiciones. Estas
predicen Rf (o C) y d50c para las condiciones operativas particulares de donde puede
reconstruirse la curva de eficiencia real. Dichos modelos son ampliamente utilizados en
diseño de procesos y optimización de hidrociclones, y se analizan posteriormente en la
Sección 12.4.3.
Una capacidad importante es el efecto de las características de alimentación el cual puede

influenciar significativamente la curva reducida. Las propiedades conocidas como
importantes incluyen tamaño de alimentación, mezclas de composiciones minerales y
viscosidad de slurry. Se ha progresado en la incorporación de tales factores explicítamele
en los modelos.
Incluso utilizando datos de balance de masa, los puntos resultantes pueden no caer en una
curva suave debido a los habituales errores de muestreo y análisis e inestabilidades del
proceso (de los cuales solo algunos habrán sido considerados en el balance de masa). La
curva suave no es solo intuitivamente satisfactoria – es probablemente la mejor y más
exacta descripción del proceso. Es necesario, en consecuencia, ajustar tal curva a los puntos
experimentales en la forma de una función matemática adecuada, para obtener la mejor
estimación de la curva de eficiencia ‘verdadera’
También es esencial poder representarlos por medio de una función matemática, cuando se
usan paquetes de simulación computacionales como JKSimMet. Existe una gran cantidad
de literatura sobre el ajuste de funciones particulares a las curvas de eficiencia de
clasificación (y su primo cercano, la partición o curva Tromp para separaciones de
densidad). Las dos más conocidas son el tipo de función Rosin-Rammler, derivado
independientemente por Reid (1971) y Plitt (1971) y la expresión de suma exponencial
derivada por Whiten (1966, 1996) y usada extensamente por Lynch y sus colegas (Lynch y
Rao; Lynch 1977).
La expresión Reid/Plitt es:
Euc = 1 − exp  − ln 2(d / d50 c )m  (12.5)
280
donde d es el tamaño de interés y m es un parámetro de escala que describe la intensidad de

separación, en el rango aproximado de 1.5 – 3.5 para la mayoría de los hidrociclones (un
valor alto implicando una separación marcada). Reid y Plitt derivaron la expresión (con un
énfasis levemente distinto) considerando los efectos de mezclado y tiempo de residencia
sobre la probabilidad que una partícula gruesa fuera clasificada al producto de underflow,
sin bypass y usando la condición de borde que Euc = 0.5 cuando d = d50c. Una ventaja de la
ecuación 12.5 es que puede hacerse lineal, para permitir que sus parámetros d50c y m sean
estimados fácilmente de los datos, ya sea gráficamente o por regresión de mínimos
cuadrados lineal simple:
  1  
ln ln   / ln 2  = m ln d − m ln d50 c (12.6)
  1 − Euc  
Aquí, Euc es la eficiencia de underflow real (medida) corregida usando la fórmula de

Kelsall (ecuación 12.3). Se usa regresión lineal para estimar g y c en la ecuación y = gx+c,
ingresando y como el costado izquierdo de la ecuación 12.6 y x como ln d. Entonces m es
igual a g y d50c es exp (-c/g).
Gráficamente, si se grafica ln [1/(1 − Euc )] respecto de d en un papel log-log, la pendiente de

la recta resultante es m y d50c es el tamaño para el cual ln ln [1/(1 − Euc )] = ln 2 = 0.6931 (1/).
La expresión de Whiten para la curva de eficiencia reducida a underflow es (Whiten 1966)
exp(α xi ) − 1
Euci = (12.7)
exp(α xi ) + exp(α ) − 2
donde xi es el tamaño reducido di/d50c y α un parámetro de eficiencia. Nuevamente, valores

altos de α (>4) indican separaciones muy buenas. La Figura 12.5 muestra como la curva
varía con α (para la curva a overflow – ecuación 12.9).
Whiten derivó esta expresión al notar que la función hiperbólica
e x − e− x
y = tanh x = (12.8)
e x + e− x
describía bien la forma de dichas curvas, y luego introducir parámetros para mover su
centro desde el origen al cuadrante superior derecho y restringiéndolo a pasar a través de
y=0 y ser asintótica a y=1. Interesantemente, Trawinski (1976) demostró que las ecuaciones
tanto de Whiten como de Reid/Plitt son casos especiales de la misma derivación, usando
diferentes funciones exponenciales de x.
La ecuación 12.7 es no, lineal en los parámetros α y x, y, por consiguiente, no puede ser
ajustada a los datos de eficiencia corregidos por regresión lineal simple. Sin embargo,
281
existen muchos procedimientos de estimación de parámetros no lineales que pueden

utilizarse, y varios paquetes gráficos de computadora y planillas electrónicas (macros)
disponen de rutinas. En JKSimMet, la estimación de parámetros se efectúa usando una
rutina (NLF) desarrollada por Whiten y basada en el algoritmo de Levenberg-Marquard
(Press et al 1989). Kojovic (1988) incorporó NLF en un programa de ajuste no lineal
general (NLFMB), que puede ser usado fuera de línea para ajustar la ecuación 12.7 y
funciones relacionadas.
Figura 12.5: Variación de la curva de eficiencia con α
Como se mencionó previamente, la curva de eficiencia a overflow es el complemento (una

imagen especular) de la curva a underflow. Aparte del hecho que habitualmente es el
overflow el producto final del circuito, Whiten demostró que la curva de overflow también
tiene ventajas con respecto a su manipulación y estimación manual de parámetros. Ya que
Eoa=1-Eua y Rf = 1-C entonces, de la ecuación 12.3 Eoa = C (1-Euc) y definiendo Euc de la
ecuación 12.7 tenemos
 exp(α ) − 1 
Eoa = C  (12.9)
 exp(α x) + exp(α ) − 2 
La ecuación 12.9 es la expresión Whiten para eficiencia corregida a overflow. Es una

formulación elegante porque hace muy simple la estimación gráfica de d50c (ver Figura
12.4) y luego se puede determinar α ya sea por tanteo (Figura 12.5) o por interpolación en
un grafico estándar de α vs d80c/d30c (Whiten 1966). Sin embargo, estos procedimientos son
rara vez utilizados hoy en día debido a que los parámetros de la ecuación 12.9 (C, y
x=d/d50c), son ajustados habitualmente usando una rutina de computador adecuada, como se
destacó previamente.
282
La discusión hasta ahora a asumido que las curvas de eficiencia tienen una forma regular y,
en particular, que son monotónicas, esto es, que decaen continuamente hasta cero (para la
curva de overflow) y no tienen ningún máximo local (o salto) otro que la dispersión del
error experimental. Normalmente esto es verdad pero, en una importante minoría de casos,
se ve un ‘anzuelo’ en el extremo fino de la curva (Figura 12.6), usualmente bajo 45µm (no
será visible si no se efectuado un análisis de tamaño en un rango sub-tamiz).
Ha habido algún debate sobre la causa de este fenómeno. En algunos casos, puede deberse
simplemente a algún error en el muestreo o en el análisis del tamaño de partícula. Por
ejemplo, hay evidencia en la molienda seca del cemento que las partículas finas, que se
aglomeran electrostáticamente en el clasificador de aire y luego reportan al producto de
underflow, se desaglomeran posteriormente cuando se dimensionan por tamizado húmedo o
en un instrumento de difracción láser. Sin embargo, el fenómeno es encontrado bastante a
menudo, como para justificar una descripción modificada de la curva de eficiencia para
tratar con el.
Figura 12.6 Variación de la curva de eficiencia con β - el ‘anzuelo’ (α=2)
Finch (1983) sugirió que la causa del anzuelo era el arrastre en el agua, aumentando este
arrastre linealmente con la disminución del tamaño de partícula. Esto condujo a la
modificación de la ecuación Reid/Plitt (ecuación 12.5) como sigue:
  (d )  
m
 d o -d 
Euc = 1 − exp  − ln 2    +R f   (12.10)
  d50 c    do 
283
donde do, el tamaño bajo el cual ocurre el arrastre, se transforma en el tercer parámetro a
ser estimado de los datos (Rf puede considerarse también como un parámetro si no ha sido
medido separadamente). Ese modelo fue refinado posteriormente para acomodar la idea de
que el corto circuito es probabilístico en vez de realmente aditivo (del Villar y Finch 1992).
White acomodó el anzuelo introduciendo un parámetro adicional, β, en su función de

overflow (ecuación 12.9):
 (1 + ββ * x)(exp(α ) − 1) 
Eoa = C  (12.11)
 exp(αβ * x) + exp(α ) − 2) 
β controla el alza inicial en la curva a tamaños finos, mientras α determina ahora la

pendiente a mayores valores de d (alrededor de d50c). La Figura 12.6 muestra como varía la
curva con β (JKSimMet lo trunca a valores de Eo>1). Se introduce el valor de β* para
preservar la definición de d50c (i.e. d=d50c cuando E=(1/2)C; Figura 12.4). (β* no es
estrictamente un parámetro ya que puede calcularse iterativamente (Whiten 1966); esto es
efectuado automáticamente cuando se ajusta la ecuación 12.11 en JKSimMet).
La Ecuación 12.11 es la forma usada por la curva de eficiencia en JKSimMet. Cuando no

hay presencia de anzuelo (o no hay problema de ajuste pobre a tamaños finos), β es fijado a
cero y β* a 1 y la ecuación 12.11 se reduce a la ecuación 12.9.
Notas sobre Ajuste de la Curva de Eficiencia
Aunque C, la partición de agua, está a menudo disponible como dato (e.g. de flujos
medidos o balance de masa), normalmente es preferible estimarlo por medio de ajustarlo
como un parámetro en las ecuaciones 12.9 y 12.11; el valor medido puede utilizarse como
un valor inicial.
Existe un rango casi infinito de métodos que pueden ser usados para determinar la curva de
eficiencia a partir de datos experimentales, dependiendo de los datos disponibles, y si hay
disponibles paquetes computacionales de balance de masa o ajuste de modelos (JKSimMet
combina estas funciones). No existe una mejor metodología – incluso experimentados
usuarios de procedimientos de balance de masa y ajuste de modelos, modificarán su
metodología dependiendo de la naturaleza de los datos brutos, especialmente su calidad, sus
expectativas sobre el resultado último de la curva de eficiencia ajustada y preferencias
personales. Algunos de los asuntos que hay que enfrentar son:
• ¿Hay suficientes datos para construir un balance (redundancia?
• ¿Se conoce la calidad de los datos y puede ser cuantificada?
• ¿Debiera efectuarse el balance de masa de los datos antes del ajuste del modelo? El
ajuste una curva de eficiencia esencialmente restringe los datos a un balance racional.
El prebalance de los datos, sin embargo, permite al usuario imponer algunas
284
restricciones lógicas al balance (basado en el conocimiento específico del proceso) que

pueden no estar disponibles en el ajuste del modelo.
• ¿Si el clasificador es parte de un circuito de trituración (como a menudo lo es), debiera

ser sometido a balance de masa y ajuste de modelo simultáneamente con el dispositivo
(s) de trituración? Esto lo trata como un problema de optimización individual, lo que
puede tener ventajas en la obtención de una mejor estimación del rendimiento del
circuito como un todo.
La verdad es, que si estos datos son perfectos, las preguntas son superfluas – cualquier
método proporcionará la misma respuesta (¡la correcta!). Lo habitual es alejarse de esta
perfección y por eso se requiere experiencia en al mejor manera de extraer un resultado útil.
Si el usuario no tiene datos redundantes, o el software apropiado, estos asuntos son

largamente irrelevantes. Se deberá enfrentar el problema según la siguiente secuencia:
• Obtención de las mejores estimaciones de los puntos ‘medidos’ en la curva de

eficiencia por medio de, por ejemplo, una combinación apropiada de datos brutos y la
formula de 2 productos.
• Ajustar la curva de eficiencia a los puntos medidos (reales) ya sea gráficamente o por
regresión lineal simple de la ecuación 12.5 (las planillas electrónicas y la mayoría de las
calculadoras programables pueden hacer esto) o manualmente usando la ecuación 12.9;
esto no es tan difícil como parece: d50c puede obtenerse como (1/2)C en un gráfico
(Figura 12.4), y α puede obtenerse muy bien por tanteo.
El balance de masa general y el problema del ajuste del modelo se discute en el Capítulo 5.
12.3 HARNEROS Y TAMICES CURVOS
El proceso de harneo se remonta al menos al tiempo de los griegos cuando se

confeccionaban tamices de crin de caballo o caña para la separación de partículas. Los
germanos introdujeron harneros de alambre tejido en el siglo 15 y estos han permanecido
como el principal medio de harneo desde entonces. Los primeros harneros agitados
mecánicamente fueron utilizados en conjunto con molinos de estampado en los países bajos
en el siglo 18. El propulsor consistía de una cuerda atada al estampador el cual elevaba el
agitador inclinado de 150mm en el recorrido ascendente y dejaba caer el agitador en el
recorrido descendente.
Los harneros vibratorios fueron inventados en EEUU a comienzos de los 1900 y utilizaban
martillos para agitar la plataforma del harnero. Los harneros vibratorios de alta velocidad
aparecieron por primera vez en 1910. Los harneros rotatorios, en los cuales el movimiento
es principalmente horizontal más que vertical, fueron desarrollados para superar los
problemas mecánicos y alto mantenimiento de los harneros vibratorios. Sin embargo,
285
mejoras en el diseño de los harneros vibratorios los han transformado desde los 1940s en
una unidad clave de las plantas de procesamiento de mineral.
Normalmente se encuentran dos tipos de harnero en los circuitos de trituración industrial, a

saber:
• harneros vibratorios
• harneros estáticos (tamices curvos/harneros DSM)
Como regla general, la elección de estos clasificadores se basa en el tamaño de la

alimentación de mineral. El harneado industrial está limitado normalmente a un tamaño de
separación mínimo de aproximadamente 200µm, aunque se fabrican harneros inclinados de
75µm. Los harneros vibratorios, en consecuencia, son preferidos en aplicaciones de
clasificación gruesa, mientras que los hidrociclones predominan en el extremo fino de la
escala. Los harneros estáticos en la forma de harneros DSM (tamices curvos) cubren la
molienda intermedia entre ambos.
En el harneado industrial, el flujo de material a través del harnero le da la oportunidad a las

partículas de pasar a través de las aberturas en el harnero (bajo tamaño) o sobre ellas y ser
descargadas como sobretamaño. El harneado efectivo requiere de un área de harneado
adecuado para optimizar esta oportunidad. Mientras más cerca esté una partícula del
tamaño de abertura, más difícil será para ese tamaño de partícula reportar consistentemente
al producto correcto. En forma ideal, las partículas deben presentarse en forma
perpendicular a la plataforma para permitir el dimensionado adecuado.
Figura 12.7: Esquema de la regiones clave en el proceso de harneado
286
Cuando se aplica la vibración, el harnero estratifica el material de alimentación en la

primera parte de la plataforma del harnero y, al hacerlo, mejora la probabilidad de que el
material de bajo tamaño vea la abertura (ver Figura 12.7). Las acciones simultáneas de
estratificación y remoción de finos a bajo tamaño resultan en la capacidad de harnero de
harnear eficientemente, a altos rendimientos, material con una profundidad mayor a una
capa de una partícula. La eficiencia del harnero puede aumentarse aumentando el número
de oportunidades (o intentos) proporcionadas a una partícula para pasar a través de una
abertura. Esto puede lograrse disminuyendo el rendimiento a través de la plataforma del
harnero, aumentando el área abierta de la superficie del harnero o instalando más harneros
o una mayor área de harnero.
La longitud de la abertura que la partícula ‘ve’ es de la mayor importancia. Como la

pendiente del harnero será normalmente 20º, la longitud efectiva de la abertura (en la
dirección del flujo) será normalmente un poco menor que la longitud real. Si el material es
slabby (i.e. tipo placa), el bajo tamaño puede aparecer conteniendo partículas más gruesas
que la abertura del harnero – cuando se mide en una malla cuadrada de prueba.
12.3.2 Harneros Vibratorios
Los harneros vibratorios incluyen una o más plataformas de harnero montadas una sobre la
otra, teniendo cada plataforma una menor abertura que la inmediatamente superior. El
conjunto completo puede ser horizontal o inclinado desde la alimentación a la descarga.
Se induce una vibración al conjunto de harnero por medio de contrapesos excéntricos en un

eje rotatorio lateral, ejes montados excéntricamente o motores con contrapeso excéntrico.
La elección del mecanismo controla el tipo de movimiento del harnero o desplazamiento
impartido y cada uno tiene una aplicación particular. Para un harneado eficiente se requiere
movimiento tanto horizontal como vertical. El movimiento vertical ayuda a desalojar a las
partículas que tienden a obstruir las aberturas mientras que el movimiento horizontal
garantiza que las partículas serán presentadas en distintas posiciones en la superficie del
molino. Básicamente han evolucionado dos tipos principales como los estándares de la
industria:
• Harneros de movimiento circular con plataformas inclinadas
• Harneros de movimiento lineal de ángulo pequeño (incluyendo los harneros banana con
plataformas de 2-3 pendientes)
Los harneros de movimiento circular tienen plataformas con una inclinación de

normalmente 20º respecto de la horizontal, para permitir que la gravedad colabore con el
flujo de material a través del harnero. Variando la carrera o la dirección de la rotación, se
puede modificar el grado de separación. Esta es generalmente la máquina preferida para las
tareas típicas de dimensionado grueso. La Figura 12.8 muestra un harnero vibratorio de
doble plataforma.
Los harneros de movimiento lineal de ángulo pequeño se instalan a ángulos que varían
entre 0-10º y el movimiento está dirigido usualmente a 40-45º respecto de la superficie de
287
harneado. Como este tipo de harnero no puede basarse en la gravedad para el flujo, las
carreras son más largas que para los harneros de movimiento circular. Y, en consecuencia,
están sometidos a mayores esfuerzos estructurales. Este harnero es ampliamente utilizado
en la industria minera para lavado y harneado fino. Las grandes áreas de harnero producen
lechos de pequeña profundidad resultando en un mejor lavado.
Figura 12.8: Un harnero vibratorio de doble plataforma Nordberg
Los harneros ‘banana’ se caracterizan por una disposición de plataforma inclinada, que está
angulada con una fuerte pendiente de 20-30º en el extremo de alimentación, nivelándose
hasta un ángulo relativamente plano de 10-15º en el extremo de descarga. La ventaja de
este diseño es que los finos son removidos rápidamente al comienzo, vía el lecho de poca
profundidad de flujo rápido, dejando que el material cercano al tamaño sea separado a
velocidades reducidas, hacia el extremo de descarga del harnero, sin ser estorbado por los
finos. Este tipo de harnero se usa cuando la alimentación tiene una alta proporción de
material bajo tamaño, alta humedad o inclusiones de greda o barro que pueden bloquear las
aberturas. La Figura 12.9 muestra un esquema de harnero banana de doble plataforma.
Figura 12.9: Elevación de un harnero banana vibratorio Nordberg de doble plataforma
288
12.3.3 Superficies de Harneado
Los materiales más comunes para plataforma de harneado son
• alambre tejido • placas perforadas de acero

• wedge wire • goma
• grizzly bars • poliuretano
Aunque los harneros de alambre tejido son muy eficientes, poseen una pobre resistencia al
desgaste por materiales abrasivos. Esto precipitó la introducción de paneles de placa
perforada a principios de 1900. Estos paneles tienen más acero que los paneles de alambre
tejido y como tal proporcionan una mayor vida. También ofrecen una mayor variedad de
área abierta, forma de la abertura y tipo de acero.
El wedge wire contempla miembros paralelos con forma de cuña, con pequeñas
separaciones, montadas normalmente transversales al flujo. Los paneles de wedge wire se
usan fundamentalmente para desecado y separaciones finas. Los Grissly bars se usan para
aplicaciones pesadas preliminares como remoción de finos antes de un chancador primario.
Están confeccionadas de barras o rieles corriendo paralelas unas de otras en la dirección del
flujo, separadas 50 a 200mm.
Las versiones preliminares de plataformas de goma eran sencillamente placas metálicas

revestidas con goma. La rigidez y espesor de dichos harneros condujo a una severa
obstrucción y a altas tasas de desgaste. Actualmente, las plataformas de goma son
normalmente moldeadas con un refuerzo adecuado tal como cables de acero, cuerda de
poliéster y marcos de hierro dulce. Los paños de harnero de goma reforzada con cuerdas
tienen aplicación en tareas primarias, secundarias y terciarias, como también en harneros
tromel rotatorios. La mayoría de los harneros de goma tendrán, normalmente, menos área
abierta que los harneros de alambre tejido resultando en una menor eficiencia de harneado.
Paneles de harnero modulares de poliuretano moldeado están siendo utilizados en muchas

aplicaciones, incluyendo trabajo pesado como harneado secundario y tromeles AG/SAG.
Los paneles son fáciles de cambiar debido a su bajo peso y sencillo diseño de fijación. El
tiempo de mantenimiento se reduce y es fácil de materializar los cambios de especificación
simplemente removiendo unos pocos paneles. Sin embargo, el pequeño tamaño de los
paneles representa un área abierta reducida ya que una gran proporción se pierde en bordes
y áreas sin perforar.
Los principales mecanismos de desgaste en harneado son, impacto, corte y deslizamiento.

El desgaste por deslizamiento es común en aplicaciones de chancado fino y desecado donde
son mas adecuados los harneros de poliuretano. Hay disponibles harneros de poliuretano
moldeado con aberturas tan pequeñas como 0.75mm y son usadas preferentemente cuando
se harnea por debajo de 5mm. La goma proporcionará una mayor vida al poliuretano en la
mayoría de las ocasiones en que el material ha sido chancado y tiene una baja humedad.
Cuando los harneros son susceptibles de cegarse, se recomienda el paño más delgado
posible que mantenga una duración adecuada frente al desgaste.
289
Forma de las aberturas
Existen disponibles para diferentes aplicaciones una variedad de aberturas de harnero y se

discuten aquí, ilustrado en la Figura 12.10, solo unos pocos tipos representativos.
Figura 12.10: Tipos comunes de abertura de harnero utilizados en circuitos de trituración
Las aberturas cuadradas ofrecen el dimensionado más exacto, buena duración ante el
desgaste y suficiente área abierta.
En aplicaciones de trabajo duro, donde es probable el desgaste por impacto y corte, las
aberturas redondas proporcionan una plataforma más robusta. Sin embargo, las aberturas
redondas son mas susceptibles de obstrucción y no deben utilizarse donde el área abierta es
crítica.
Los harneros ranurados son diseñados principalmente para aumentar el área abierta o para
reducir la incidencia de obstrucción y cegado. Las aberturas rectangulares en la dirección
del flujo son ideales para harnear partículas de forma regular, en donde se necesario un área
abierta máxima. No son para harnear material escamoso donde es crítico un dimensionado
muy preciso.
Las aberturas rectangulares transversales al flujo se usa normalmente donde se requiere

una gran área abierta y es probable la ocurrencia de obstrucción.
290
12.3.4 Eficiencia de Harneado
Aunque hay en uso muchos tipos distintos de harnero, su eficiencia puede describirse
matemáticamente, al igual que para cualquier dispositivo clasificador o de dimensionado,
usando la ecuación 12.9 basándose en tres parámetros, C, d50c y α, donde:
α = parámetro de grado de separación
C = fracción de agua de alimentación (o sub-tamiz) reportando a overflow
d50c= tamaño de corte o tamaño al cual la eficiencia de separación es igual a C/2
Por medio del desarrollo de relaciones entre estos parámetros de curvas de eficiencia o
clasificación y las condiciones de diseño y operación, es posible describir el rendimiento de
separación del harnero. Dicha metodología proporciona una manera útil de predecir el
rendimiento del equipo pero esta limitada, como siempre, por la extensión de la base de
datos sobre la cual se basan las relaciones.
Nótese que la metodología de curva de eficiencia define la eficiencia del harnero como una
medida de la probabilidad que un rango de tamaño de partículas (-d2+d1) pase a través del
harnero en sus condiciones de operación predominantes, o
flujo de masa de fracción ( - d 2 + d1 ) en bajo tamaño

Eficiencia( d1 × d 2 ) = (12.12)
flujo de masa de fracción ( - d 2 + d1 ) en alimentación
Los harneros proporcionan habitualmente un corte más agudo que los clasificadores
hidráulicos como los hidrociclones. La posición del tamaño de corte respecto de los tamices
utilizados para analizar el material de alimentación, sobretamaño y bajo tamaño puede ser
muy importante para calcular la eficiencia. Abajo se aportan más detalles sobre este
problema potencial.
La eficiencia del harnero es definida por la mayoría de los fabricantes de equipos, como el
porcentaje de bajo tamaño en la alimentación que pasa realmente a través del harnero, o
% de bajo tamaño en la alimentación que pasa realmente

Eficiencia = (12.13)
% de bajo tamaño en la alimentación que debiera pasar idealmente
La eficiencia de diseño es usualmente 92-95%. El contenido de humedad, material cercano

al tamaño, forma de partícula y densidad son alguno factores que afectan la eficiencia. Por
otra parte, algunos fabricantes citan una efectividad combinada de harnero, que es el
producto de los radios basados en el material tanto de bajo tamaño como en el sobretamaño.
Nótese como guía, que es posible obtener una estimación de la curva de eficiencia de
Whiten, d50c, para una abertura de harnero y eficiencia dadas, usando la siguiente
expresión:
291
αA
d 50 c = (12.14)
 100   100  
ln  − 1 exp(α ) +   − 2
 100 − E   100 − E  
donde d50c = tamaño de corte (mm)

A = abertura nominal del harnero (mm)
E = eficiencia del harnero para el tamaño de abertura (normalmente 50%)
α = estimado del grado de separación de la curva de Whiten
α es normalmente 10-15 para aberturas sobre 5mm. Nótese que la ecuación 12.14 asume
que un E por ciento de partículas de tamaño de abertura A reportan al sobretamaño.
Normalmente, este valor supera el 90% dependiendo de las condiciones operativas del
harnero y no es necesariamente igual a la eficiencia del harnero de los fabricantes, según lo
definido por al ecuación 12.13.
Promediando la Eficiencia del Harnero sobre Intervalos de Tamiz
En la práctica, el tamaño de la partícula se mide habitualmente usando un conjunto de

tamices 2 (Apéndice 3) y en consecuencia, su eficiencia se calcula para un intervalo de
tamiz más que para un tamaño en particular.
Figura 12.11: Curvas de eficiencia de harnero para datos dimensionados en distintas series de
tamices (según Hess, 1983)
La forma real de la curva de eficiencia depende de la serie de tamices utilizada para

dimensionar el material. Por ejemplo, la Figura 12.11 muestra tres curvas de eficiencia
graficadas usando la misma escala. Las curvas están graficadas como datos de serie de
tamices 4 2, 2 y 2 .
292
Debido a que a menudo las curvas de eficiencia son relativamente pronunciadas, bastan
solo unas pocas fracciones de tamaño para definir realmente la forma de esta y, en
consecuencia, el método para promediar la eficiencia, sobre una fracción de tamaño,
adquiere una gran importancia. A medida que el tamaño del intervalo disminuye, la forma
de la curva se hace mejor definida y el método para promediar la eficiencia sobre un
intervalo pierde importancia
12.3.5 Modelos de Harnero
Dadas una distribución de tamaño de alimentación, tonelaje de alimentación y curva de

eficiencia, para describir el rendimiento de un harnero, los modelos de harnero apuntan a
predecir la distribución de tamaño y el flujo de productos.
Los modelos de harnero descritos en la literatura pueden clasificarse arbitrariamente en

cuatro categorías principales, sobre la base de la metodología adoptada en su derivación:
1. Modelos Probabilísticos – incorporan la probabilidad de una partícula pasando a través

de una abertura de harnero.
2. Modelos Cinéticos – asumen que le harneado está definido por un proceso de tasa de
algún orden en particular.
3. Modelos Empíricos – basados en ecuaciones de regresión, derivadas de datos

experimentales, para predecir la curva de eficiencia.
4. Modelos de Capacidad – usados por los proveedores de equipos para especificar un

diseño de harnero para una aplicación específica.
Modelos Probabilísticos
El modelo de Gaudin (1939), que describe la probabilidad, p, del paso de una partícula
esférica a través de una abertura de harnero en un intento, sirve como base para la mayoría
de los modelos probabilísticos encontrados en la literatura. Para una partícula esférica de
diámetro x, tamaño de abertura de harnero h, y diámetro de alambre d, Gaudin calculó que
p era
(h − x) 2
p = (12.15)
(h + d ) 2
y si se ignora d
2
 x
p = 1 −  (12.16)
 h
La fracción reportando a sobretamaño es, efectivamente, la probabilidad de que una

partícula no pase por una abertura de harnero luego de n intentos y viene dado por:
293
Probabilidad de NO pasar = (1 − p ) n (12.17)
La ecuación (12.17) es la ecuación básica de la curva de eficiencia para la mayoría de los

modelos probabilísticos de harnero, incluyendo los de Whiten (1972b) y Subasighe et al
(1989).
El modelo de harnero Whiten (JKMRC) está basado en la geometría de un harnero en

particular y el modelo de Gaudin. Usa un único parámetro, la cantidad de veces que una
partícula se presenta al harnero, la que luego es relacionada con las condiciones de
alimentación y operación que afectan en mayor grado el rendimiento del harnero dado. Este
modelo también permite que una proporción de material de submalla reporte a
sobretamaño. Ha sido utilizad extensamente para operaciones de modelado de harneado
industrial, a saber, Mount Isa Mines Limited (Whiten 1972b), Boungainville Copper
Limited (Walter y Whiten 1977) y Mount Newman Minino Company (Whiten y White
1978). Este modelo se describe con mayor detalle en la Sección 12.3.6 mas adelante.
El más reciente modelo probabilístico se debe a Subasinghe est al (1989), quien desarrolló
un nuevo método de describir los datos de harneado de un sistema de harneado dado. Este
método utiliza dos ecuaciones polinómicas de tercer orden para describir la variación de los
parámetros A2 y B2, en la función de supervivencia Weibull, como una función de (x/h):
  L  A2 
Yd = exp  −    (12.18)
  B2  
donde Yd es la fracción reportando a sobretamaño a una distancia L a lo largo del harnero, y

puede ser derivada para un sistema dado desde Yd = (1 − p )n . Una vez que se han
establecido las relaciones A2 y B2 vs (x/h) para un harnero dado, es posible utilizar la
ecuación (12.8) para predecir la fracción retenida a cualquier posición dada a lo largo del
harnero. Nótese que esta ecuación es esencialmente la distribución Rosin-Rammler lo que
sugiere que es posible estimar A2 y B2 gráficamente como la pendiente e intercepto de Yd
graficado vs L. Como la distancia es una función de la tasa de flujo y el tiempo, el modelo,
en consecuencia, incorpora al harneado metodologías tanto cinéticas de primer orden como
probabilísticas. Ha sido probado en conjuntos de datos seleccionados y parece capaz de
describir datos que caracterizan a las tres regiones mostradas en al Figura 12.7
Modelos Cinéticos
Los modelos cinéticos asumen que el harneado es un proceso de control de tasa que puede
ser definido por ecuaciones cinéticas que describen la tasa a la cual un tamaño de partícula
pasará a través de una abertura de harnero, en un tiempo o posición dada a lo largo del
harnero.
Si se puede predecir con exactitud las tasas de paso, será fácil calcular la cantidad de
material reportando a cada corriente de producto. Algunos modelos cinéticos han sido
derivados de estudios de procesos de harneado por lotes, donde las ecuaciones de tasa son
funciones del tiempo. Estas ecuaciones han sido luego extendidas para describir el
294
harneado continuo, aplicando la transformación de tiempo de tamizado a longitud del

harnero.
El modelo de harnero de Ferrara y Preti (1975) describe las tasas de paso de partículas a
través de las aberturas de harnero como funciones de la longitud del harnero. Propusieron
una ecuación de tasa de primer orden para la sección poco cargada del proceso y una
ecuación de orden cero para la sección fuertemente cargada en la alimentación. Se
incluyeron varias variables de máquina y alimentación en la formulación de la curva de
eficiencia. El modelo fue derivado de datos experimentales en un harnero de 100mmde
ancho y 480mm de longitud y se asumió que el tamaño de partícula, en la plataforma del
harnero, es igual al tamaño de partícula de lecho promedio. En general esto se considera
incorrecto ya que las partículas finas se estratifican a las capas inferiores en la región
atestada. El modelo ignora la forma y humedad de la partícula.
Modelos Empíricos
Karra (1979) propuso un modelo basado en el uso de una curva de eficiencia normalizada
definida por un valor de x50 similar a la distribución Rosin-Rammler. El modelo fue
derivado de datos experimentales y predice el porcentaje a sobretamaño como una función
del tamaño de partícula:
  xi  
Ei = 100 1 − exp(−0.693   5.846  (12.19)
  x50  
donde Ei = porcentaje en peso del tamaño i en la alimentación reportando a producto

de sobretamaño
xi = media geométrica del tamaño
x50 = tamaño correspondiente a Ei=50%
Una limitación del modelo de Karra es que, como es valida solo sobre el rango de datos
utilizado en su derivación, es esperable que el exponente varíe con las condiciones, tanto de
la alimentación como del harnero.
El modelo Hatch y Mular (1979) usa una estadística de partículas pequeñas para determinar
la ecuación de clasificación dada por:
Ei = Ci
(1 − Ci ) (12.20)
exp ( x50
3
− xi3 )
1+
k
donde k es una constante que depende de la tasa de alimentación, abertura y distribución de

tamaño de la alimentación. Ci es la fracción de peso de material de tamaño i que pasa
directo (bypass) al tamaño de sobretamaño. El modelo fue desarrollado para describir el
rendimiento del harnero de doble plataforma, con aberturas rectangulares, de la planta de
chancado secundario de Brenda Mines. Se derivaron ecuaciones empíricas para k y x50.
295
Batterham et al (1980) investigaron el efecto del tamaño de abertura, diferentes condiciones

de carga, distribución de tamaño de alimentación y contenido de humedad, usando un rango
de harneros industriales. El modelo representa una adaptación de la formulación de Hatch y
Mular. El modelo incorpora una corrección a los datos experimentales, para permitir el
bypass de material fino a producto de sobretamaño, debido una proporción de finos
adhiriéndose a las partículas de sobretamaño. La curva de eficiencia fue definida por dos
parámetros x50 y k como sigue:
  x − x 
 1 + exp  50 2  
k   k 
Ea = 1+ ln   (12.20)
x2 − x1  x −x 
1 + exp  50 1  
  k  
donde Ea=fracción en peso promedio a producto de sobretamaño para cada intervalo de

tamaño –x2+x1. Se usaron datos industriales de Hamersley Iron en harneros con aberturas
en el rango 7mm a 34mm para desarrollar ecuaciones lineales relacionando los parámetros
x50 y k y la abertura y carga del harnero. A diferencia del modelo de Hatch y Mular, el
parámetro k en el modelo es inversamente proporcional a la pendiente de la curva de
eficiencia en x50. Aparte de la ausencia explícita en la ecuación de eficiencia de la abertura
de harnero, el modelo de harnero Batterham et al ha demostrado ser exacto y fácil de
implementar. (Hess 1983). La técnica de transformación utilizada para calcular la
distribución de tamaño de alimentación efectiva parece tener un amplio alcance de
aplicación ya que la generación de finos en el sobretamaño no es descrita adecuadamente
por la mayoría de los modelos de harnero.
Modelos de Capacidad
Una vez que se ha seleccionado el tipo de harnero, es posible determinar el tamaño

requerido para una aplicación dada usando cálculos de diseño estándar, basados en
capacidad, del tipo mostrado en la ecuación 12.22
Total TPH pasando abertura (sobretamaño)

Área Teórica Requerida= (12.22)
AxBxCxDxExFxGxH
donde los factores A a H se relacionan con las condiciones operativas esperadas,

incluyendo:
A = TPH pasando a través de un pie cuadrado de harnero

B = porcentaje de sobretamaño en la alimentación a la plataforma
C = porcentaje medio tamaño en la alimentación de la plataforma
D = ubicación de la plataforma
E = harneado húmedo
F = densidad gruesa del material
G = porcentaje de abertura abierta
H = forma de la abertura
296
Estos cálculos basados en capacidad son una guía y deben utilizarse con discreción. En
harneros de plataforma múltiple, se debe evaluar separadamente cada plataforma utilizando
las condiciones cambiantes desde la plataforma superior a la inferior.
12.3.6 Modelo de Harnero Vibratorio JKMRC
Un proceso de harneado se puede considerar mecánicamente como una serie de intentos,

resultado de los cuales, partículas de un tamaño determinado tienen una probabilidad
específica de entrar al producto fino. El número de intentos es equivalente al número de
rebotes que experimenta una partícula a medida que desciende a través de la longitud del
harnero.
En la Figura 12.12 se muestra una curva de eficiencia para un harnero vibratorio. Existen
tres regiones en la curva.
• la región describiendo el material de tamaño superior a la abertura (Región A)
• la región describiendo el material de tamaño inferior, pero cercano al de la abertura, en

el cual la posibilidad de pasar a través de la abertura es directamente dependiente del
tamaño de partícula (región B).
• la región describiendo los ultra finos que se adhieren a las partículas gruesas (Región
C).
Figura 12.12: Una típica curva de eficiencia para un harnero vibratorio
La región B de la curva de eficiencia es la región importante para fines de modelado y

puede ser descrita por la ecuación (Whiten y White 1978):
297
  x 
k
E ( x) = exp  − Nf 0  1 −   (12.23)
  h  
donde E(x) es la fracción de partículas de tamaño x en la alimentación, que ingresan al

producto grueso, h es la abertura del harnero, f0 es la fracción de área abierta, N es el
parámetro de eficiencia y k es un parámetro menor usado para fines de ajuste. El valor de k
es normalmente 2.
El parámetro de eficiencia, N, es equivalente al número de intentos. En la Figura 12.13 se

muestra su dependencia típica respecto de la tasa de alimentación para plataformas de acero
y goma.
La diferencia en estas curvas se debe al hecho que la tasa de alimentación a las parrillas de
goma es baja, las partículas de mueven independientemente, acumulan energía, tienen
grandes rebotes y poca oportunidad de pasar a través de la abertura del harnero. Un
aumento en la tasa de alimentación ocasiona un aumento en las colisiones entre partículas,
una reducción de la energía y longitud de rebote de la partícula y un aumento en el número
de intentos. En consecuencia, aumenta la eficiencia del harnero. Un aumento adicional en la
tasa de alimentación causa una mayor interferencia de partículas, una disminución en el
número de intentos, debido a partículas que no alcanzan la superficie del harnero y una
disminución de la eficiencia del harnero.
Figura 12.13: La dependencia del parámetro de eficiencia del harnero en la tasa de alimentación
para plataformas de goma y de acero
Sin embargo, con harneros de acero, el coeficiente de restitución es bajo y las partículas no
acumulan energía. Los rebotes de las partículas son pequeños y se producen altas
eficiencias a bajas tasas de alimentación. A medida que aumenta la tasa de alimentación,
298
aumentan las interferencias entre partículas y esto reduce el número de intentos y la

eficiencia del harneado.
Bien diseñadas, las plataformas de goma también mejoran la estratificación por medio de
vibración secundaria. Un harnero de goma elástica no oscila uniformemente sobre toda el
área de la plataforma. Esta flexión mejora la capacidad del paño de harnero para minimizar
la obstrucción y evitar el cegado del harnero y reduce la aglomeración de minerales
pegajosos húmedos en el harnero.
Los harneros industriales sufren a menudo de sobrecarga por una variedad de razones. Estas
pueden detectarse en ocasiones chequeando la amplitud bajo carga. Otras causas comunes
incluyen:
• Paños de harnero con baja área abierta
• Mineral húmedo
• Cegamiento
• Soportes extras para la plataforma del harnero, agregados para ‘corregir’ la sobrecarga
El número de intentos N (o TRN como se define en JKSimMet, ver Tabla 12.1 más
adelante) se relaciona con la tasa de alimentación por unidad de ancho de harnero, FW, por
varias secciones lineales como se muestra en la Figura 12.14.
Figura 12.14: Aproximación lineal de la dependencia de TRN en FW
299
Tabla 12.1: Pantalla de entrada modelo de plataforma única JKSimMet (mostrando datos
relacionados con ejemplo resuelto)
CONDICIONES OPERATIVAS
Numero de unidades paralelas 1.00
Longitud 6.10metros
Ancho 2.43metros
Longitud de la abertura del harnero 19.0mm
Ancho de la abertura del harnero 19.mm
% Área abierta en el harnero 61.0%
PARAMETROS DEL MODELO
Longitud del harnero del cual se obtienen los datos 6.10
Parámetro de ecuación de regresión A= 3.96
B= -0.005
D= 0.00
U= 0.00
V= 0.00
Alimentación por metro de parámetro de ancho de harnero FW1= 4000t/h/metro
FW2= 0.00t
Parámetro de tamaño de alimentación crítica X1= 0.00mm
X2= 0.00mm
X3= 0.00mm
X4= 1.68mm
Parámetro de regresión de factor de finos E= 0.024
F= 0.0025
G= -0.0015
Tamaño crítico de factor de finos XF= 1.68mm
Tamaño crítico de partición de humedad XM= 25.0mm
ECUACIONES Y DATOS CALCULADOS FW= 131.44t/h/metro
Tasa de alimentación por metro de ancho de harnero TRN= 27.19
Parámetro de número de intentos P1= 0.00
P2= 0.00
donde Ln(TRN)=A+(B*FW)+(U*P1)+(V*P2) para FW<FW1
y Ln(TRN)=C+(D*FW)+(U*P1)+(V*P2) para FW1<FW<FW2
donde C=A+(B-D)*FW1 (por continuidad)
Factor de finos SF= 0.0369
Tonelaje de alimentación por ancho unitario menor que X4 TSF= 32.0t/h/metro
% de alimentación menor que X4 PSF= 24.35%
donde SF = E + (F*PSF)+(G*TSF)
JKSimMet proporciona ecuaciones de regresión que permiten al usuario predecir TRN a

partir de las condiciones operativas como sigue:
Ln(TRN) = A+B·FW+U·P1+V·P2 FW<FW1
Ln(TRN) = C+D·FW+U·P1+V·P2 FW1 ≤ FW ≤ FW2 (12.24)
donde C = A+(B-D)·FW1 por continuidad

y Ln(TRN) = C+D·FW2+U·P1+V·P2 FW>FW2
300
donde TRN es el número de intentos o rebotes en el harnero, A, B, C, D, U y V son

constantes de regresión, que deben determinarse a partir de conjuntos múltiples de datos
experimentales (ver ejercicio resuelto más adelante), P1 es el porcentaje de alimentación de
tamaño X, tal que X1<X<X2 y P2 es el porcentaje de alimentación < tamaño X3. Los
tamaños X1 y X2 son los tamaños de tamiz inferior y superior de la fracción considerada,
mientras que X3 es un tamaño crítico, normalmente cercano a la abertura del harnero. Sin
embargo, U y V se fijan habitualmente a cero.
El rendimiento del harnero en la Región C se determina experimentalmente ya que

dependerá de las condiciones locales, como contenido de humedad del mineral que
ocasiona que las partículas pequeñas se adhieran a las más grandes, distribución de tamaño
del mineral y si se agrega agua de lavado.
El modelo incorpora un factor de finos SF para describir el efecto ‘piggyback’ de los finos
adhiriéndose al material grueso. El material más grueso que el ‘tamaño fino’ se considera
en términos de su área de superficie hipotética, As:
 
n
 VOLi 
As ∝ ∑ ∝ área total de partículas (12.25)
i =1 
(di + d i +1 

 2 
donde SF x As son las tph de finos acarreados al producto de sobretamaño como parte de la
fracción de submalla y SF es el parámetro de modelo de submalla que debe determinarse de
los datos experimentales. VOLi es la hipótesis masa + densidad en el intervalo de tamaño
di-di+1.
JKSimMet permite al usuario establecer una ecuación de regresión para SF como una
función del porcentaje de alimentación (PSF) y tph de alimentación por unidad de ancho de
harnero (TSF) menor que un tamaño de finos X4 dado (i.e. el menor tamiz en al serie).
SF = E + F · PSF + G · TSF (12.26)
donde E, F y G son constantes de regresión. En el ejercicio resuelto que sigue se presenta

un ejemplo de esta relación.
Para minerales húmedos, el modelo asume que la humedad de interés está en los finos, esto
es, fracciones mas finas que el ‘tamaño crítico de partición de humedad’, XM. Se asume
que toda la humedad de alimentación es acarreada por el material mas fino que XM. Luego
es distribuida a través de los productos de sobretamaño y bajo tamaño, en proporción al
material más fino que XM en cada producto.
Actualmente, la estructura del modelo no permite predecir SF como una función de la tasa
de flujo del agua de lavado, en situaciones de harneado húmedo total. Sin embargo, se
puede calcular para condición, tanto húmeda como seca, y utilizarse para predicción bajo
las condiciones en que fue determinada.
301
El modelo permite el escalamiento de la longitud del harnero por medio del escalamiento
lineal del parámetro de número de intentos, TRN. El escalamiento del ancho del harnero es
sencillo, en la estructura normal del modelo, ya que FW es tasa de alimentación por unidad
de ancho. También se incluyen como parámetros de modelo normal, la abertura, fracción de
área abierta y forma de la ranura, como se ilustra en la Tabla 12.1.
Cuando los datos del harnero no proporcionen dimensiones precisas de abertura y

dimensiones del alambre, se puede ajustar la abertura a los datos.
Ejercicio Resuelto de Modelo de Harnero JKMRC
Esta sección presenta un ejercicio resuelto, basado en 10 conjuntos de datos de harneado

vibratorio industrial de plataforma única, para ilustrar los pasos en el desarrollo de un
modelo de harnero usando JKSimMet. La tabla 12.2 proporciona un ejemplo de la
información necesaria para ajustar ya sea un modelo de harnero de una plataforma o un
modelo de curva de eficiencia simple (por brevedad se muestran solo tres de los diez
conjuntos de datos originales).
Tabla 12.2: Ejemplo de datos de estudio de harneado seco
Información de Diseño: Harnero de Plataforma única Abertura Nominal 19mm

6.1m largo x 2.43 ancho Área Abierta 61%
Mineral SG 3.2 g/cm3 Tamaño Superior Mineral 100mm
Estudio #1 #2 #3
Corriente Alim. Tam./O Tam./U Alim. Tam./O Tam./U Alim. Tam./O Tam./U
TPH 319.4 36.1 283.3 182.1 11.1 171.0 286.9 15.8 271.1
P80 (mm) 12.5 18.2 10.6 10.8 17.4 9.9 10.0 17.4 9.1
Tamaño (mm) %Wt Retenido %Wt Retenido %Wt Retenido
76.2 0.00 0,00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
50.8 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
38.1 0.068 0.60 0.00 0.00 0.00 0.00 0.00 0.00 0.00
24.4 0.136 1.20 0.00 0.18 0.30 0.00 0.034 0.57 0.00
19.0 1.17 10.0 0.05 0.437 6.55 0.04 0.422 6.8 0.05
16.0 5.17 37.3 1.08 2.48 30.8 0.64 1.91 29.5 0.30
12.7 12.8 41.9 9.07 8.89 47.7 6.37 7.02 48.4 4.61
9.5 15.6 4.30 17.1 15.4 6.91 15.9 13.0 8.51 13.3
6.35 17.1 0.7 19.1 15.5 0.57 16.5 17.8 0.8 18.7
3.36 13.8 0.4 15.5 15.2 0.22 16.2 17.1 0.42 18.0
1.68 9.81 0.2 11.0 11.1 0.27 11.8 12.2 0.25 12.9
-1.68 24.3 3.4 27.0 31.0 6.78 32.5 30.6 4.65 32.1
302
Los parámetros α, C y d50c , del sencillo modelo de curva de eficiencia fueron también
ajustados a los datos de la prueba #01, para cuantificar el rendimiento típico de los datos
del ejemplo. Los valores son:
α = 11.4
C = 99.6%
D50c = 15.9mm
Ajuste de Parámetros al Modelo de Harnero
El concepto básico de un número de intentos es bastante simple. Sin embargo, la gran

cantidad de factores de corrección y curvas seccionadas (como se muestra en la Figura
12.14), hace que sea un modelo muy difícil de ajustar. Normalmente se usa JKSimMet para
procesar solo un conjunto de datos de harnero a la vez, produciendo un valor TRN y SF.
Claramente, la dependencia de TRN y SD respecto del parámetro de la tasa de alimentación
y el material cercano al tamaño, requiere de varios conjuntos de datos para definir las
relaciones subyacentes.
Una buena estimación inicial para estos parámetros es 3 y 0.05 respectivamente. Como
tanto TRN y SF son parámetros calculados del modelo, realmente son ajustados como A
(i.e. ln(TRN)) y el parámetro de regresión E, con FW1 a un valor mayor al de la mayor tasa
de alimentación prevista por unidad de ancho (digamos 4000 t/h/m), y B, V, U, F y G se
fijan todos a cero.
La Tabla 12.3 muestra los resultados de ajustar el modelo a los tres primeros conjuntos de
datos. La calidad del ajuste fue muy buena con una sd de los datos menor a 2 para todas las
pruebas
Tabla 12.3: Resumen de resultados de ajuste de modelo para datos de harnero de ejemplo de ajuste
del modelo
Estudio Ln(TRN) SF FW TSF PDF Ln(TRN) SF DATA

No. (tph/m) (tph/m) (%) S.D.
ajustado predicho
#01 3.40 0.038 131.4 32.0 24.4 3.31 0.037 1.39
#02 3.56 0.065 74.9 23.2 31.0 3.59 0.067 1.21
#03 3.48 0.046 118.1 36.1 30.6 3.38 0.046 0.96
Como el rendimiento del harnero es afectado primariamente por la tasa de alimentación, y

en menor grado por la distribución de tamaño de alimentación, se aplicó regresión al
parámetro ln(TRN) respecto solo de WF. La ecuación de regresión obtenida fue bastante
buena como lo indican las estadísticas y grafico mostrados en la Figura 12.15:
Ln(TRN) = 3.96-0.005·FW (12.27)
donde las constates definidas en JKSimMet son A=3.96, B=-0.005

y R2=0.88, Error Estándar Residual de la Ecuación = ±0.059 (error relativo 5.9% en TRN)
303
Figura 12.15: Número de intentos ln(TRN) vs tasa de alimentación por unidad de ancho FW
Si los datos de intentos versus tasa de alimentación están dispersos (significativamente más
que la Figura 12.15), entonces vale la pena intentar las dependencias de tamaño de
alimentación P1 y P2. Para ello el usuario necesitan identificar la fracción de tamaño
crítica, quizás una que sea altamente variable en los datos de alimentación y usar X1 y X2
para acotarla. Normalmente es conveniente fijar X3 a la abertura del harnero o promedio de
abertura de harnero si los datos consisten de varios tamaños de malla. Además, en especial
para harneros con plataforma de goma, se debe seleccionar FW1 y FW2. Si el usuario tiene
acceso a un programa de ajuste no lineal, que pueda manejar múltiples ecuaciones, y a los
datos adecuados, puede ser incluso posible ajustar FW1 y FW2. En caso contrario, el
usuario deberá estimar estos valores basado en las especificaciones del fabricante.
La ecuación del factor de submalla es otra dependencia importante. Para muchas

operaciones de harnero, SF es pequeña y relativamente constante. Sin embargo, para
operaciones con mineral húmedo puede ser crucial para predicciones de modelo adecuadas.
Para los datos del ejemplo, se sometió a regresión el valor SF ajustado, respecto de PSF y
TSF (con X34 fijado en 1.68mm) resultando en un ajuste muy bueno, como se muestra en
la figura 12.16 y en la siguiente ecuación estadística:
SF=0.024+0.0025·PSF-0.0015·TSF (12.28)
Donde las constantes definidas JKSimMet son E=0.0024, F=0.0025, G=-0.0015
y R2=0.95, Error Estándar Residual de la Ecuación = ±0.0036 (error relativo 10% en TRN)
Restricciones Conocidas del Modelo
Una aplicación exacta del modelo de harnero JKMRC requiere de datos operativos que
permitan el ajuste de parámetros. Para simular harneros para los cuales no existan datos
disponibles, se puede utilizar datos provenientes de harneros similares con una
alimentación similar. Usar datos de operaciones con harneros o alimentaciones
marcadamente diferentes no proporcionarán resultados útiles. Las ecuaciones de regresión
304
del modelo de harnero lo hacen muy complejo y más difícil de manejar que otros modelos
de JKSimMet.
Figura 12.16: Factor de submalla SF predicho vs observado
Para la mayoría de las plantas de proceso solo se requiere la dependencia de tonelaje. Esto
es, se puede dejar los valores de A, B, C, D, U y V en cero. Para harneros de malla de
alambre, la ecuación 12.24 es, a menudo, adecuada por si misma.
Donde haya grandes variaciones en el factor de submalla ajustado (SF), trate las
dependencias como se detalla en el ejemplo presentado. Sin embargo, a menudo basta con
un SF constante.
12.3.7 Harneros DSM
El harnero DSM o tamiz curvo, fue usado por primera vez por Dutch State Mines en 1953.
Fue desarrollado inicialmente en lavadores de carbón para mejorar la remoción de cal como
una alternativa barata a los relativamente costosos harneros vibratorios. Los primeros
diseños incorporaron placas perforadas curvas, que sufrían de alto desgaste y falta de área
abierta. Posteriormente, cedieron su lugar al familiar harnero curvo de wedge wire, barra
redonda o ranurado de barra cuadrada. La Figura 12.17 ilustra los principios de separación.
El uso de harneros DSM se ha extendido actualmente, no solo a la industria del carbón sino
que a muchas industrias de procesamiento de mineral para desecado, recuperación de
medios densos y clasificación. Se usan varios perfiles de alambre y su selección afecta el
rendimiento del harnero y puede ayudar a evitar el cegamiento. El cegamiento puede
reducirse también ‘golpeando’ la parte posterior del harnero a intervalos programados, con
305
un vibrador o dispositivo electromecánico. Los harneros DSM se giran a intervalos

regulares para uniformar el desgaste y reducir las obstrucciones.
Figura 12.17: Separación en un harnero DSM
Fontein (1954), propuso que el efecto de clasificación de harneros DSM era causado por
alambres sucesivos ‘cortando’ capas del material de alimentación para posteriormente
desviarlas a la fracción de bajo tamaño vía las ranuras del harnero. El sugirió que el tamaño
del material en el flujo desviado al underflow era pequeño en relación a la abertura de la
ranura y, en consecuencia, se minimizaba el cegamiento. Además sugirió, como primera
aproximación, que el espesor de la capa cortada por el harnero era aproximadamente 0.25
de la abertura. Fontein planteó que esta capa era capaz de arrastrar partículas de hasta un
doble de su espesor i.e. 0.5 del ancho de la ranura. Con este tamaño tenían un 50% de
306
probabilidad de reportar a underflow y por consiguiente este diámetro definía el punto de

corte. El trabajo inicial de Fontein fue desarrollado predominantemente en harneros de
0.5mm. Existe evidencia, sin embargo, que harneros con mayores aberturas proporcionan
mayores puntos de corte y menores aberturas proporcionan menores puntos de corte que la
mitad del ancho de la ranura.
Modelando Harneros DSM
Existen pocos trabajos publicados sobre modelado de harneado DSM. Entre 1968 y 1969
Lynch, Petrie y Bauer, desarrollaron un modelo de harnero DSM usando la curva de
eficiencia reducida cuyos resultados fueron publicados por Lynch (1977). Este es el modelo
instalado en JKSimMet y que se describe a continuación.
Petrie (1968), Bauer (1969) y Lynch (1977) utilizaron la curva de eficiencia reducida,
ecuación 12.9, como base para sus modelos. A partir de datos de laboratorio y planta,
desarrollaron una relación lineal entre tamaño de clasificación d50c y varias variables
operativas. Esto tomó la siguiente forma:
B FW C
log10 (d 50 c ) = A log10 ( SW ) + + D FPS + E (12.29)
100
donde SW = ancho ranura

FW = tasa de flujo volumétrico de agua alimentación
FPS = % en peso de sólidos de alimentación
C = %de partición de agua a producto fino
Lynch y Bauer asignaron valores a las constantes de la ecuación. A, B, D y E como sigue:
A = 1.1718 D = 0.0029
B = 0.001372 E = 2.45
La partición de agua a producto fino permaneció fija. Lynch anticipo, sin embargo, que la
limitada base de datos utilizada restringiría severamente la aplicabilidad universal de su
ecuación. Ya que el modelo no permite escalamiento, JKSimMet incorpora la capacidad de
ingresar o elegir constantes de regresión específicas para la unidad, A, B, D y F, conocidas
como el ‘modelo d50c variable’.
Morrel (1989) propuso un modelo fundamental de separación del harnero DSM que aborda
cada uno de los subprocesos implícitos en al figura 12.17, específicamente:
1. Arrastre impartido por los alambres de separación sobre el slurry
2. Separación y clasificación de slurry en la superficie del harnero
307
3. Asentamiento obstructivo de partículas gruesas y la formación de un lecho aglomerado

en la corriente de slurry
4. Flujo de slurry a través del lecho aglomerado (si se forma) y su clasificación de sólidos
en el slurry
Estas varias descripciones de movimiento de fluido y partícula, han sido integradas en un

algoritmo que permite rastrear la corriente de alimentación a través del harnero, alambre
por alambre. En cada alambre, se calcula la cantidad de líquido, sólido y tamaño de
distribución de sólidos para las corrientes de bajo tamaño y sobretamaño. La suma de las
corrientes de bajo tamaño da el producto de bajo tamaño del harnero mientras que el
sobretamaño del último alambre describe el producto de sobretamaño del harnero. Aunque
el modelo ajustó adecuadamente conjuntos de datos específicos, no ha sido ampliamente
validado y aun requiere de algún desarrollo.
12.3.8 Optimización de Harneros Vibratorios y Harneros DSM
Las opciones de optimización para harneros de cualquier tipo son limitadas. Una vez que el
harnero ha sido instalado, la única variable que se puede modificar es la plataforma de
dimensionado: tamaño de abertura, forma de la abertura, área abierta y material de
construcción. La simulación es una manera efectiva de seleccionar una abertura adecuada,
para las condiciones predominantes, tomando en consideración:
1. El tamaño de producto requerido.
2. La cantidad de material cercano al tamaño en la alimentación (la eficiencia disminuye a

medida que la proporción de material cercano al tamaño aumenta).
3. Condiciones de alimentación.
Es particularmente importante en la optimización de harneros, verificar que prevalezcan

prácticas operativas adecuadas. Pobres condiciones pueden conducir a un deterioro
importante en el rendimiento, especialmente en harneado fino. Aspectos que se deben
considerar son:
• Obstrucción y cegamiento de las aberturas del harnero – se debe inspeccionar

regularmente las superficies del harnero por cegamiento y reemplazarlas cuando
corresponda. Si el cegamiento es excesivo y persistente, la respuesta puede ser un
tamaño de abertura o forma o material de plataforma más adecuado. Los harneros DSM
debes ser ajustados regularmente.
• Desgaste o rotura – También se deben inspeccionar las superficies del harnero por
desgaste y perforaciones
• Tasa de alimentación excesiva – todas las partículas deben tener la oportunidad de ser
presentadas a la superficie del harnero; esto no sucederá si la cama de partículas es muy
gruesa.
308
• Adición inadecuada de agua en harneado húmedo – mucha o muy poca
• Movimiento inadecuado del harnero – amplitud y frecuencia de harneros vibratorios.
12.4 HIDROCICLONES
El hidrociclón es ubicuo en las modernas plantas de procesamiento de mineral y

preparación de carbón. Aunque la primera patente se remonta a 1981, su uso como
dispositivo de clasificación y desecado no se generalizó hasta que Dutch State Mines lo
aplicó a la preparación de carbón en la década de los 1940s. En el procesamiento de
minerales reemplazó rápidamente a los grandes y engorrosos clasificadores de espiral y
rastrillo, de uso común en aquel entonces, teniendo las ventajas obvias de simplicidad (no
hay piezas movibles) y bajo requerimiento de espacio.
Desafortunadamente, las ventajas han hecho también que el hidrociclón sea la más abusada
de las unidades operativas en el procesamiento de mineral. Engañoso en su simplicidad, es
difícil de monitorear su desempeño en línea y diferencias significativas respecto del óptimo
no son fácilmente percibidas por el operador quien, por consiguiente, falla en tomar
acciones correctivas.
Visualmente, la evaluación del operador está limitada a observar las características de la

descarga de underflow (si es visible). Instrumentalmente, están disponibles a menudo,
como lecturas en la sala de control, la densidad de alimentación, tasa de flujo y caída de
presión y, en ocasiones, se puede monitorear en línea el tamaño del producto de overflow o
deducirlo a partir de otras variables como un ‘sensor blando’ (ver Sección A.3.1). Incluso
en este caso, el criterio para desempeño satisfactorio no queda siempre claro para el
operador.
La etapa de clasificación, en circuitos de molienda cerrada, es normalmente el factor más

importante en el control del rendimiento del circuito, medido como rendimiento y/o tamaño
de producto final. Una pobre operación del ciclón es normalmente la causa más común de
las ineficiencias de molienda. En consecuencia, la optimización del rendimiento del ciclón
es, a menudo, la mejor y más fácil manera de mejorar la molienda y/o el rendimiento.
En esta sección consideraremos el ciclón como un proceso de clasificación por derecho

propio, su rol en los circuitos de molienda y que pasos hay que tomar para mejorar su
operación.
12.4.2 Descripción del Proceso
En la Figura 12.18 se muestran las características principales del ciclón.
El slurry de alimentación entra tangencialmente y es restringido, por la construcción de la

unidad, a moverse en una trayectoria circular. Esto desencadena las fuerzas opuestas,
309
centrifuga radial y de arrastre, que son la base de la separación, separación tanto sólido-
líquido (desecado y espesado) como sólido-sólido). Las partículas gruesas o densas se
mueven a la periferia donde se unen al flujo descendente en espiral y salen por el ápex
junto con algo de agua. Las partículas finas o más livianas y el grueso del agua se mueven
hacia el eje y salen a través del vortex finder que es mayor que el ápex. Los hidrociclones
operan normalmente con un núcleo de aire axial.
Figura 2.18: El hidrociclón. Mostrando componentes y flujos principales.
El rol del hidrociclón clasificador en circuitos de molienda, es seleccionar materiales para

que pasen a la siguiente etapa del proceso, la cual puede contemplar otra etapa de reducción
de tamaño o una etapa de recuperación como flotación, lixiviación o concentración por
gravedad. Esto involucra efectuar una separación a un tamaño de corte determinado. El
material de mayor tamaño retorna al molino para molienda adicional y el más fino es el
producto del circuito (e.g. Figura 12.1b) El tamaño de corte se selecciona sobre la base de
los requerimientos del proceso, por ejemplo, el tamaño de liberación del componente
valioso del mineral, y se logra usando un diseño de ciclón y una condición de operación.
Un requerimiento asociado es a menudo, una concentración de sólidos determinada en el
producto del circuito para cumplir con los requerimientos de flotación o lixiviación, por lo
que la especificación final del ciclón debe incorporar también estas demandas.
310
Un clasificador perfecto hará un corte exacto al tamaño deseado. Los ciclones reales
difieren de este ideal por las siguientes razones principales:
• Mezclado turbulento en el ciclón
• Filtración de material grueso, a través de la parte superior del ciclón, a overflow
• Finos atrapados en el producto espesado de la pared del ciclón reportando a underflow
• Bypass de finos en el agua reportado a underflow (Sección 12.2)
• Condiciones de operación inapropiadas, e.g. viscosidad excesiva de la alimentación,

acordonamiento o partes desgastadas del ciclón, en especial el ápex o vortex finder
• El principio básico mismo de la clasificación hidrodinámica, en la cual la forma y

densidad de la partícula juegan un rol, al igual que el tamaño.
Algunas de estas pueden ser controladas por medio de un adecuado diseño del ciclón y de
las condiciones de operación. Ninguna puede eliminarse completamente, especialmente la
última.
La calidad de la separación se mide por medio de la curva de eficiencia ilustrada

anteriormente en la Figura 12.4. El tamaño de corte se describe por medio del d50c. La
desviación respecto de una separación perfecta (representada por una línea central en el
tamaño de corte,) se refleja en la pendiente de la curva y también el grado de bypass o
recuperación de agua a underflow. El objetivo habitual de la optimización del ciclón es
lograr el tamaño de corte correcto, con la separación mas marcada posible y la división
óptima del agua entre underflow y overflow definida, principalmente, por los
requerimientos de proceso aguas abajo.
La Literatura
El ciclón ha sido bien servido por la literatura, aunque presenta un imagen confusa para el
novicio. Hay dos libros dedicados al dispositivo en sus varias formas: La monografía de
Bradley (1965) “El Hidrociclón” y el mas reciente de Svarovsky “Hidrociclones” (1984).
Ambos son una útil recopilación del estado del arte en su momento, pero el rol del ciclón
como clasificador en molienda es solo uno de los considerados. El mismo libro de Bradley
lista varias cientos de referencias y la tasa de producción de literatura no ha declinado
desde entonces. Las cinco Conferencias Internacionales sobre Hidrociclones efectuadas en
UK, en el periodo 1980-1996, han contribuido por si solas con mas de 130 publicaciones.
La siguiente discusión menciona algunas de las publicaciones más útiles para el procesador
de minerales.
12.4.3 Modelos de Hidrociclón
El ciclón es un dispositivo de flujo de fluido y debe, en consecuencia, poder ser descrito por
medio de la aplicación de las teorías básicas sobre flujo de fluidos. Esto se logra,
311
generalmente, usando ecuaciones de continuidad y balance de momentum (Navier-Stokes)

para predecir velocidades locales de fluido, agregando efectos de turbulencia (e.g. un
modelo de mezcla de longitud de Prandtl, definiendo una viscosidad turbulenta) y luego
utilizando teoría de sedimentación convencional o modificada para determinar como
partículas de propiedades específicas, reaccionan a la condiciones de flujo predominantes.
Se ha efectuado una gran cantidad de trabajo a lo largo de estas líneas. Charkraborti y
Miller revisaron mucho de el en 1992. Más recientemente, Devulapalli y Rajamani (1996) y
Concha et al (1996) han demostrado progreso continuo. Un éxito especial es la predicción
teórica de las velocidades de fluido tangencial, radial y axial, las cuales han sido
confirmadas experimentalmente usando anemometría doppler láser (LDA) y otras técnicas
similares.
Parece haber pocas dudas que el problema del modelado de ciclón conducirá a su debido
tiempo a estas poderosas metodologías: Sin embrago, aun permanecen dos problemas para
el metalurgista practicante:
1. Los modelos no son aun lo suficientemente exactos para las condiciones de operación
de ciclones convencionales a altas concentraciones de sólidos
2. Los modelos realmente fundamentales serán siempre intensivos en potencia

computacional (se puede requerir de algunas horas una estación de trabajo para una
solución) y, por lo tanto, no son adecuadas para trabajos de optimización de planta.
Por estas y otras razones, los modelos empíricos permanecen como la herramienta principal
para diseño de ciclón y trabajo de optimización de rutina.
Muchas de las primeras metodologías de modelado estaban basadas en el supuesto que el

tamaño de corte estaba definido principalmente por el balance entre las dos fuerzas radiales
opuestas: la fuerza centrifuga hacia afuera y el arrastre de fluido hacía adentro. (Bradley
(1965) demostró que los modelos de este tipo se reducían, para una geometría de ciclón
dada y partículas finas, i.e. flujo laminar, a la forma:
n
 Dc3η 
d 50 = k  (12.30)
 Q f ( ρ s − ρ1 
donde Dc = diámetro del ciclón

η = viscosidad del flujo
Qf = tasa de flujo de alimentación
ρs = densidad de sólidos
ρ1 = densidad de fluido
n = constante hidrodinámica (0.5 para flujo laminar de partícula)
k = constante incorporando otros factores, en especial geometría del ciclón
312
Aunque esta metodología conocida como hipótesis de orbita de equilibrio no es de uso

generalizado actualmente, es una útil manera de pensar respecto de los efectos principales
del proceso. Varios investigadores han mostrado que la ecuación 12.30 trabaja muy bien
para sistemas específicos con valores de n en el rango 0.5-0.6.
Un modelo realmente predictivo, sin embargo, debe incorporar, o lidiar con de alguna
manera, el diseño y variables operativas disponibles al ingeniero de procesos para
optimización. También debe ser capaz de predecir las cantidades de ingeniería relevantes,
principalmente, tamaño de corte, eficiencia, caída de presión (tasa de flujo) y partición del
flujo.
Modelo de Lynch y Rao
El primer modelo empírico ampliamente usado fue el de Lynch y Rao (1975) reportado en
Lynch (1977), el cual tenía su origen en trabajo efectuado a comienzos de los 1960s. Las
ecuaciones del modelo estaban estructuradas para reflejar las fuertes correlaciones
observadas entre criterios de rendimiento como d50c y factores tales como geometría del
ciclón, sólidos de alimentación y tasa de flujo. La curva de eficiencia a underflow fue
representada por la expresión de Whiten (ecuación 12.7). La ecuación general para d50c era
de la forma:
log10 d50c = K1·D0-K2·Du+K3·Di+K4·Cw-K5·Qf+K6 (12.31)
donde D0 = diámetro del vortex finder

Du = diámetro del ápex
Di = diámetro boca de admisión
Cw = porcentaje de sólidos en peso en la alimentación
Qf = tasa de flujo de alimentación
K1-K6 = constantes empíricas
Se concluyó que el tamaño de alimentación afectaba los resultados y una ecuación más
general (para caliza) era:
log10 d50c = 0.0418D0-0.0543Du+0.0304·Di+0.0319Cw-0.00006Qf

-0.0042 (+420µm) +(0.0004(-53µm) (12.32)
donde +420µm = %+420µm en alimentación

-53µm = %-53µm en alimentación
con d50c en mm, Qf en L/min, y dimensiones en cm.
Los otros criterios de desempeño fueron predichos como sigue:
313
Qf = K ⋅ Do0.73 Di0.86 p 0.42 (12.33)
donde P = caída de presión, medida en la boca de admisión del ciclón (kPa)

K = 6 para pruebas de caliza
Du K
Rf = K1 ⋅ − 2 + K3 (12.34)
WF WF
donde Rf = % de agua reportando a underflow

WF = tasa de flujo de masa de agua en la alimentación
K1 = 193, K2=271.6, K3=1.61 para pruebas de caliza
Las ecuaciones fueron diseñadas para escalamiento y se recomendó que las constantes en
las ecuaciones 12.31 y 12.33 fueran determinadas a partir de pruebas en un ciclón pequeño,
usando el mismo tamaño de alimentación que se procesaría a escala industrial. El parámetro
de eficiencia en la ecuación 1.7, se determinaría en las mismas pruebas. En el escalamiento
se considera el diámetro del ciclón a través de la relaciones normales entre Di, Do y Du, para
un tipo de ciclón determinado.
El trabajo experimental se basó en ciclones Kreb y no se recomienda el modelo para

geometrías muy distintas (como se ha intentado en el pasado). Análogamente, valores
constantes derivados a partir de cuarzo y caliza, de una distribución de tamaño determinada
(Lynch 1977), no deben ser utilizados para otros materiales. Se requiere específicamente
una corrección para la densidad de mineral del tipo (ver ecuación 12.30):
0.5
( d50c )a  ( ρ ) − ρ1 
=  s b  (12.35)
( d50c )b  ( ρ s ) a − ρ1 
donde a y b denotan minerales de densidad (ρs)a y (ρs)b respectivamente. Los minerales

densos, en consecuencia, cortan más fino que los materiales livianos (el mismo efecto que
el analizado en relación con el ciclosizer – Sección A.3.2).
Modelo de Plitt
Plitt desarrolló un modelo semi empírico basado en una gran base de datos experimental
recopilada tanto por el como por Lynch y Rao (Plitt 1976). Una forma levemente
modificada fue publicada posteriormente (Plitt et al 1980, Flitoff et al 1987). Plitt describió
la curva de eficiencia por medio de la ecuación de Reid/Plitt (ecuación 12.5). Las
ecuaciones para los cuatro criterios de desempeño son:
314
F1 39.7 Dc0.46 Di0.6 Do1.21η 0.5 exp(0.063Cv )

d 50 c = k
(12.36)
0.71 0.38 0.45  ρ s − 1
D u h Q f  1.6 
donde Dc =diámetro del ciclón (cm)

η =viscosidad del líquido (cP)
Cv =concentración de volumen de sólidos de alimentación (%)
h =distancia entre ápex y extremo del vortex finder (cm)
k =exponente hidrodinámico, a ser estimado de los datos (valor por defecto
para flujo laminar 0.5)
Qf en l/min, ρs en g/cm3
 1.58S  Dc h  
0.15
 
m = F21.94 exp  −  −   (12.37)
  1 + S   Q f  
 
donde m = exponente de eficiencia en la curva de eficiencia (ecuación 12.5)

S = Qu/Qo
Qu,o = tasa de flujo en underflow y overflow respectivamente
F3 1.88 Q1.8
f exp(0.0055Cv )
P = (12.38)
Dc0.37 Di0.94 h 0.28 ( Du2 + Do2 )0.87
F4 18.62 ρ 0.24
p ( Du / Do )
3.31 0.54
h ( Du2 + Do2 )0.36 exp(0.0054Cv )
S = (12.39)
Dc1.11 ρ 0.24
donde ρp = densidad de slurry de alimentación (g/cm3)

F1-F4 = constantes empíricas a ser estimadas de los datos (valor por defecto = 1)
El modelo de Plitt publicado originalmente estaba pensado para ser utilizado sin
modificaciones. Sin embargo, varios estudios posteriores demostraron que en muchos casos
las predicciones tenían que ser modificadas por un factor constante. En consecuencia, se
introdujeron F1-F4 para permitir ajustar la estructura del modelo a uno o mas conjuntos de
datos para especificarlo a un conjunto particular de condiciones.
El modelo de Plitt es ampliamente utilizado debido a que ofrece una predicción del proceso
completo como una función del diseño común y variables operativas sin necesidad, al
menos en una primera aproximación, de estimar constantes empíricas. Tiene la desventaja
de basarse en la función (Plitt/Reid) (ecuación12.5), para representar la curva de eficiencia,
315
la cual no puede acomodar el anzuelo (figura 12.6) que es evidente con altas recuperaciones
de sólidos a underflow. Además, parece ser, basado en la experiencia de JKMRC, que no
acepta grandes variaciones en el tamaño de alimentación, quizás debido a la base de datos
particular sobre la cual fue desarrollada.
El Modelo Nageswararao
El principal modelo de hidrociclón usado en JKSimMet es el desarrollado por

Nageswararao, bajo la supervisión de A.J. Lynch y L. Elber (Nageswararao 1978, 1995;
Lynch y Morrel 19921), con pequeñas modificaciones. El modelo incluye ecuaciones
empíricas para el criterio principal de desempeño, incorporando términos sugeridos por
razonamiento dimensional con exponentes estimados a partir de los conjuntos de datos
obtenidos por Nageswararao (1978) y Rao (Lynch y Rao 1975). El material usado fue
predominantemente caliza y los ciclones eran de geometría Krebs, en el rango de diámetro
de 102-381mm.
Las ecuaciones predictivas son:
0.52 -0.47 -0.22 -0.5 0.2

d 50 c D   Du  0.93
 P   Di   Lc  0.15
= K D1  o    λ       θ (12.40)
Dc  Dc   Dc   ρ p gDc   Dc   Dc 
y K D1 = K D 0 Dc-0.65 (12.41)
donde KD0 depende solo de las características de los sólidos de alimentación.
0.5 0.68 0.45 0.2

 P
2
 D   Di  -0.1  Lc 
Qf = K Q1 D    o    θ   (12.42)
ρc
 pc   Dc   Dc   Dc 
Para ciclones con geometría Krebs procesando el mismo tipo de mineral:
K Q1 = K Q 0 Dc-0.1 (12.43)
donde KQ0 depende solo de las características de los sólidos de alimentación.
-1.19 2.40 -0.53 -0.50 -0.2

D   Du   P   Di  0.24  Lc 
Rf = KW 1  o        θ   (12.44)
 Dc   Dc   ρ p gDc   Dc   Dc 
1
Existen algunos errores tipográficos en este reporte del modelo
316
-0.94 1.83 -0.31 -0.25 0.22

D   Du   P   Di  -0.24  Lc 
Rv = K v1  o        θ   (12.45)
 Dc   Dc   ρ p gDc   Dc   Dc 
donde Di = diámetro boca de alimentación (diámetro de circulo de igual área que la

boca de admisión del ciclón) (m)
Do = diámetro de overflow (vortex finder) (m)
Du = diámetro de underflow (ápex) (m)
Dc = diámetro del cilindro del ciclón (m)
Lc = longitud de a sección cilíndrica (m)
θ = ángulo completo del cono (grados)
P = presión de alimentación en la boca de admisión (kPa)
ρp = densidad de slurry de alimentación (t/m3)
g = aceleración de gravedad (9.81m/s2)
Qf = tasa de flujo (m3/h)
Rf = recuperación de agua a underflow (%)
Rv = recuperación en volumen de slurry de alimentación a underflow (%)
K = constante a ser determinada a partir de los datos
λ = termino de corrección de sedimentación obstructiva
=101.82Cv/(8.05[1-Cv]2)
Cv = fracción volumétrica de sólidos en slurry de alimentación.
El término λ es esencialmente el radio de velocidad terminal de asentamiento libre a

obstructivo, sugerido por Steinour (1944). Nageswararao usó una simplificación de este
término, también sugerido por Steinour: Cv/(1-Cv)3. Sin embargo, Castro (1990) destacó
que esto genera problemas a bajos niveles de Cv y, en consecuencia, actualmente se utiliza
la expresión original de Steinour en vez de la simplificación. La constante 8.05 fue
introducida como constante de escalamiento para preservar la magnitud de los valores K
derivados en el uso inicial del modelo
El término adimensional ( ρ p gDc ) es esencialmente un producto de los números de Euler y

Froude y fue utilizado por Nageswararao para explicar los efectos del campo de fuerza
centrífuga en el ciclón
El modelo fue estructurado para facilitar el escalamiento siendo las constantes K, en las
ecuaciones 12.40 – 12.45, dependientes fundamentalmente de las características de los
sólidos de alimentación; pueden ser estimadas, en principio, por medio de una única prueba
de similitud geométrica a aquella a usar en la aplicación industrial. Pueden estimarse de
manera alternativa, a partir de estudios de una instalación industrial existente con la idea de
usar el modelo para predecir los efectos de cambiar uno o más variables de diseño u
317
operativas, optimizando el rendimiento. El d50c predicho por la ecuación 12.40 es insertado

en la función Whiten (ecuaciones 12.9 a 12.11) para determinar la curva de eficiencia
corregida del ciclón. El parámetro de eficiencia α se obtiene, ya sea de las pruebas usadas
para estimar los valores K o de datos históricos en aplicaciones similares.
Se ha desarrollado un extenso cuerpo de experiencia en la aplicación del modelo de

Nageswararao usando JKSimMet. Este ha demostrado que el modelo es bastante efectivo
cuando se usa para optimizar el rendimiento de una instalación de ciclón existente por
medio de ajustar los valores K en las ecuaciones 12.40 – 12.45 a datos del proceso actual.
Sin embargo, en una situación greenfield, o al efectuar un cambio de envergadura (e.g. en
tamaño de ciclón o diseño general), se deben seleccionar los valores K con mucho cuidado.
Por ejemplo, aunque la presión es normalmente más fácil de medir que la tasa de flujo, en
la práctica esta medición es deficiente por lo que se debe tener especial cuidado en usar
lecturas de manómetros para estimar KD1 en la ecuación d50c, (ecuación 12.40). Si hay
dudas, y existe disponible una medición de tasa de flujo confiable, se puede inferir P de la
ecuación 12.42 o se puede obtener un valor aproximado de los datos del fabricante.
Como se analiza con más profundidad a continuación, las características de alimentación (y

especialmente el tamaño de alimentación), tienen una fuerte influencia sobre el rendimiento
del ciclón pero no siempre son consideradas integralmente en el ajuste de los valores K.
Alimentaciones muy finas y rangos de tamaño amplios son un problema específico. Los
cambios de viscosidad, debido a concentración de sólidos, ya son asumidos en parte por el
modelo. Aquellos debido a barros no los son, pero afectan a la viscosidad de manera
sistemática; se sabe que d50c aumenta con la viscosidad y la tasa de flujo, a una caída de
presión dada, también aumenta con la viscosidad, aunque el comportamiento de la presión-
tasa de flujo se ve complicado por el rendimiento sensible a la viscosidad de las bombas
centrífugas.
El efecto de otras variables se discute más adelante en la Sección 12.4.4.
Otros modelos de Hidrociclón
Un nuevo modelo empírico desarrollado por JKMRC es aquel debido a Asomah (1996). El
modelo se basó en más de 100 conjuntos de datos de ciclones, en el rango de diámetro 102-
508mm y en una variedad de tipos de alimentación y ha sido probado respecto de un gran
número de conjuntos de datos independientes, incluyendo algunos de los de Rao y
Nageswararao. Incluye por primera vez el ángulo de inclinación del ciclón respecto de la
vertical y un término de viscosidad medida del slurry. El modelo utiliza la función de
Whiten (ecuación 12.11) para describir la curva de eficiencia a overflow e incluye una
expresión para α, el parámetro de eficiencia.
El modelo tiene menos parámetros ajustables que el modelo Nageswararao y Asomah

demostró, que sobre la base de datos a su disposición, era tan bueno o incluso mejor, en
términos de capacidad de predicción, que otros modelos empíricos publicados. Sin
embargo, al momento de de escribir estas líneas, el modelo de Asomah no ha sido
ampliamente probado o utilizado en estudios de optimización.
318
Svarovsky (1984, 1987) propuso una metodología par modelar hidrociclones, basada en
teoría publicada y análisis dimensional, que incluía dos relaciones entre tres grupos
adimensionales, los números de Stokes, Euler y Reynolds.
El modelo de Svarovsky fue desarrollado con ciclones pequeños y slurries relativamente

diluidos y no ha sido usado ampliamente en aplicaciones de procesamiento de mineral. Sin
embargo, Kojovic (1988) demostró que la predicción de d50c en la base de datos
Rao/Nageswararao era bastante buena. La predicción Rv era débil pero mejoró
considerablemente cuando se reajustaron las constantes empíricas a los nuevos datos.
Comentarios sobre los Modelos
Debido a que los modelos citados anteriormente tienen parámetros empíricos, sufren de los
problemas usuales de esos modelos: Normalmente trabajan bien en el rango de condiciones
en el cual fueron estimado los parámetros, pero deben extrapolarse con precaución.
Modelos como aquellos de Plitt, Nageswararao y Asomah incorporan constantes ‘especícas
del material’ con la intención de favorecer la interpolación ‘calibrando’ el modelo a la
nueva situación. Sin embargo, la experiencia ha demostrado que las propiedades de
alimentación, en especial la concentración de sólidos y distribución de tamaño, y la
presencia o no de slurries finos o greda, afecta sustancialmente el rendimiento del ciclón
(particularmente d50c), de manera a veces impredecible. No hay garantía que un modelo
con constantes determinadas en laboratorio o en pruebas piloto, pueda desempeñarse
correctamente a escala industrial, sin mencionar el problema habitual de que el material
probado tendrá características diferentes a las encontradas en la planta de escala completa.
La mayoría de los modelos fueron desarrollados sobre un rango bastante limitado de

tamaños de ciclón, alrededor de 102-380mm, y deben utilizarse con precaución fuera de ese
rango. Sin embargo, la experiencia con el modelo de Nageswararao ha demostrado que es
bastante robusto para ciclones grandes hasta 760mm. Su aplicación a ciclones muy
pequeños (25-100mm) no ha sido bien probada.
La mejor guía a la utilización útil de cualquier modelo empírico es la experiencia, en

especial en diseño greenfield. Esta debe apoyarse con la acumulación de una librería de
constantes de calibración para condiciones específicas, las que pueden utilizarse para
seleccionar los valores apropiados para la nueva situación. Actualmente se ha acumulado
un considerable cuerpo de experiencia para el modelo de Nageswararao y JKSimMet
proporciona una librería de constantes.
12.4.4 Optimización de Hidrociclón – Efecto del Diseño y Variables Operativas
La optimización de una instalación de hidrociclón en un circuito de trituración incluye

normalmente uno o más de los siguientes:
1. Lograr el tamaño de producto correcto.
319
2. Lograr la densidad de producto o partición de agua correcta.
3. Mejorar la eficiencia de clasificación.
4. Modificar la capacidad (normalmente aumentándola).
No siempre se puede expresar de esta manera el trabajo de optimización. Por ejemplo,

puede ser necesario aumentar el rendimiento del circuito. Sin embargo, en este caso, uno
debiera agregar la siguiente cláusula “a la vez que se mantiene el tamaño de producto
correcto,” y el ciclón debe adaptarse para cumplir con este criterio.
El trabajo de optimización se complica por el hecho que los objetivos listados

anteriormente son sumamente interactivos. Por ejemplo, modificar la partición de sólidos
para cumplir con una meta de eficiencia de clasificación o separación, normalmente
afectará también la partición de agua. El rendimiento del ciclón(es) también interactúa
fuertemente con aquel del proceso de trituración en si. Sin embargo, una de las grandes
fortalezas de la herramienta de optimización es que puede manejar precisamente este tipo
de interacciones, siempre que los modelos sean razonablemente exactos bajo las
condiciones imperantes.
Las dos clases principales de variables disponibles para optimizar el rendimiento de

ciclones son:
• Geometría del ciclón (diámetro, aberturas del producto etc.)
• Condiciones de alimentación (densidad, tasa de flujo etc.)
La siguiente discusión considerará ¿como el criterio de rendimiento principal se ve afectado

por estas variables? Muchas de estas tendencias pueden inferirse a partir de los modelos
empíricos estudiados previamente, ya sea por inspección directa de las ecuaciones o por
cálculo en una plantilla electrónica. Jull (1972), Mular y Jull (1980) y Svarovsky (1984)
proporcionan estudios generales sobre los factores que influencian el rendimiento de los
ciclones.
Tamaño de Clasificación
El tamaño de corte o tamaño de producto se establece inicialmente por selección del

diámetro del ciclón. Este diámetro determina la capacidad del ciclón y el número de
ciclones se elige, entonces, sobre la base del rendimiento total requerido. La selección
preliminar se hace usando una cartilla del tipo mostrado en la Figura 12.19, la cual
proporciona el rango de tamaño de producto y rango de capacidad para diámetros
específico de ciclón.
El tamaño de producto es aquí el tamaño del 1-5% de sólidos más grueso en el overflow del
ciclón –un criterio común para al elección de ciclones. Se dibuja el gráfico para sólidos SG
2.5-3.2 y sólidos de alimentación que no superen 30% w/w; para operar fuera de estos
límites se requiere de factores de corrección. El número de modelo se refiere al diámetro
del ciclón en pulgadas.
320
Figura 12.19 Cartilla de selección de ciclón (según Krebs Engineers)
La dependencia de d50c del diámetro del ciclón deriva de las velocidades tangenciales, las
cuales establecen las fuerzas centrífugas que manejan la separación; los ciclones pequeños
gozan de altas velocidades y fuerzas y, en consecuencia clasifican más fino, a iguales
condiciones restantes. La dependencia exacta está oscurecida por los muchos otros factores
que afectan la clasificación. Sin embargo, asumiendo similitud geométrica, el modelo de
Nageswararao sugiere que d 50c ∝ Dc1.4 lo que concuerda bien con el modelo de orbita de
equilibrio, ecuación 12.30, el que implica que d 50c ∝ Dc1.5 .
El diámetro del ciclón es, en consecuencia, una variable de diseño principal, aunque los
operadores no deben sentirse inhibidos de reemplazar unidades existentes por ciclones de
distinto diámetro si la selección resulta ser inapropiada o si las condiciones han cambiado
lo suficiente como para justificarlo. Un error común, especialmente en molienda fina, es
intentar operar la unidad con un rango de rendimiento erróneo. Una vez que se ha
seleccionado el diámetro del ciclón, se pude afinar el rendimiento modificando las
aberturas de la boca de admisión. Estas dependencias están adecuadamente ilustradas en los
modelos descritos previamente. Un menor ápex o mayor vortex finder, aumentará el
tamaño de corte produciendo overflow grueso (y vice versa), sujeto a los problemas de
sobrecarga de ápex y cuerda, discutidas mas adelante. Inclinar, respecto de la vertical, los
ciclones de baja presión más grandes, también aumentará el tamaño de corte, en ocasiones
sustancialmente (Asomah y Napier-Munn 1966); El modelo Asomah incluye
explícitamente este efecto. Una mayor tasa de flujo (o presión) reducirá este tamaño de
corte.
Un aumento en la concentración de sólidos (o viscosidad de slurry), aumentará el tamaño

de corte. Agar y Herbst (1966) demostraron que d 50 ∝ η11.4 para un pequeño ciclón de 3cm,
donde η es la viscosidad de la solución de sacarosa líquida (lo que concuerda bien con la
321
ecuación 12.30), y los modelos empíricos de ciclón, analizados previamente, normalmente

confirman que d50 aumenta con la concentración de sólidos. En consecuencia, diluir la
alimentación revertirá este efecto.
Partición de Flujo y Densidades de Producto
El volumen total y las particiones de agua están fuertemente correlacionadas con el

comportamiento de la clasificación de sólidos; ambas juntas definen las densidades de
producto, las que son importantes al considerar tanto la carga de reciclo como los
requerimientos de los procesos aguas abajo (e.g. lixiviación o flotación). Debido al efecto
de bypass, analizado en al sección 12.2, normalmente es deseable limitar la proporción de
agua reportando a underflow (Rf), a menos de 40%
Lo siguiente puede utilizarse como una guía general:
% Agua a Underflow Eficiencia
>50% muy pobre

40-50% pobre
30-40% razonable
20-30% bueno
10-20% sujeto a densidad y acordonamiento de
overflow.
<10% Se logra solo con válvula de overflow para
producir producto para transporte o acopio.
Se puede reducir Rf por medio de un ápex más pequeño, mayor vortex finder, mayores
presiones o, para ciclones más grandes, inclinando el ciclón (Asomah y Napier-Munn
1966). Mayores viscosidades o concentraciones de sólidos también tenderán a aumentar la
proporción de slurry reportando a underflow.
Capacidad del ciclón
Como se destacó previamente, la principal variable que define la capacidad es el diámetro

del ciclón, aumentando la capacidad aproximadamente según el cuadrado del diámetro,
para una caída de presión constante:
Qf = 9.5 × 10−3 P Dc2 (12.46)
donde Qf = tasa de alimentación (m3/h)

P = presión (kPa)
Dc = diámetro del ciclón (cm).
La tasa de alimentación y la caída de presión son realmente inseparables ya que entre

ambas definen el trabajo útil efectuado por el ciclón:
322
PQ f
Potencia = kW (12.46)
3600
(P en kPa; Qf en m3/h)
de donde se puede estimar la potencia de bombeo requerida (tomando en cuenta las

perdidas de carga y la eficiencia de bombeo).
La relación caída de presión-tasa de alimentación-diámetro real dependerá de donde esta

operando el ciclón en la curva coeficiente de pérdida de presión-número de Reynolds y, en
consecuencia, como se está utilizando la energía de presión total en el ciclón.
Sin embargo, para la mayoría de las aplicaciones de circuito de trituración, la ecuación

12.46 o los modelos de ciclón analizados previamente, darán resultados satisfactorios, con
una condición. La presión, aunque fácil de medir superficialmente por medio de un
medidor mecánico o basado en transductores, instalado en la boca de admisión del ciclón o
en la caja de presión alimentando una batería de ciclones, en la práctica, es pobremente
medida. Los medidores tienen fallas o se bloquean con sólidos o la calibración es
deficiente. Se debe tener especial cuidado en garantizar que la medición es correcta.
Se puede aumentar la capacidad de un ciclón dado, aumentando los diámetros de la boca de

admisión o de la boca de salida. La tasa de alimentación, para una caída de presión dada,
también aumentará si aumenta la viscosidad de la alimentación o la concentración de
sólidos (hasta cierto punto), o si aumenta la rugosidad superficial de las superficies
interiores del ciclón. La principal capacidad de control disponible para los operadores de
baterías de ciclón (un grupo de ciclones conectados en paralelo) es, por supuesto, el número
de ciclones operando; esto se puede controlar usando válvulas operadas remotamente en la
alimentación del ciclón.
Eficiencia de Clasificación – Agudeza del Corte
La eficiencia de clasificación o agudeza de la curva de eficiencia, tiene una importante

influencia en el rendimiento total, pero es difícil de influenciar directamente. Como se
destacó en la Sección 12.2, la curva de eficiencia reducida es normalmente constante, para
un diseño de ciclón y características de alimentación dadas. La agudeza real del corte tiende
entonces a maximizarse, limitando la proporción de agua reportando a overflow (ver
arriba). Existe alguna evidencia que una presión aumentada puede mejorar la agudeza, pero
el efecto no es muy fuerte. Ciertamente, no es recomendable cualquier cosa que pueda
reducir la capacidad del circuito; especialmente, el vortex finder nunca debe ser ni muy
largo ni muy corto. Un aumento en el ángulo de cono o un mayor vortex finder también
aumentará la agudeza.
Concentraciones de sólidos de alimentación excesivamente altas o grandes concentraciones

de barros, que aumenten efectivamente la viscosidad en el fluido transportador, también
conducirán a agudeza de corte reducida. Este problema se maneja mejor diluyendo la
alimentación.
323
Existe alguna evidencia que el diseño de la boca de admisión puede influenciar la

eficiencia. La mayoría de las bocas de admisión son de forma rectangular, pero su entrada
puede efectuarse de dos maneras principales: tangencial o envolvente (Figura 12.20).
Figura 12.20: Diseño de entradas al ciclón
Se ha afirmado que el diseño de envolvente, con su mayor radio de entrada, reduce la

turbulencia y, en consecuencia, mejora la clasificación y reduce el desgaste.
Capacidad del Ápex y Acordonamiento
La capacidad del ápex de descargar los sólidos que se le presentan está determinada
normalmente por el proceso. Fahlstrom (1963) publico un modelo basado en esta idea, la
cual afirmaba que el tamaño de corte es una función del amontonamiento en el ápex y podía
estimarse a partir de la recuperación de masa a underflow y el tamaño de alimentación.
d 50 = k (1 − g u )1/ n (12.48)
donde gu = tasa de alimentación (m3/h)

k = presión (kPa)
n = gradiente de la distribución de tamaño de alimentación
Gaudin- Schuhmann (ecuación A.3.3, Apéndice 3).
Ciertamente, se debe tener cuidado en no exceder la capacidad del ápex. Cuando el

underflow esta diluido, la descarga muestra una forma de ‘paraguas’ amplio o spray. A
medida que aumenta el contenido de sólidos, debido a cambios en características de
alimentación, tasa de alimentación o un menor ápex, el diámetro del spray disminuye hasta
que el núcleo de aire colapsa a una valor crítico de concentración de sólidos, la descarga
emerge como una cuerda de altísima densidad (más de 50% de sólidos v/v, o 75% w/w o a
menudo más alto), el tamaño de corte aumenta rápidamente y sólidos gruesos interrumpen
el circuito al underflow (Figura 12.21). De hecho, el ángulo de la descarga de paraguas es
un buen diagnóstico de la condición del proceso, dependiendo, como lo hace, de los
contenidos de sólidos y distribución de tamaño, tasa de flujo de alimentación y viscosidad
324
de slurry, tanto que Mintek en Sudáfrica ha desarrollado un instrumento en línea para

medirlo – el HUM (Hydrocyclone Underflow Meter) Mintek 1993).
Figura 12.21: Tipos de descarga de underflow
A menos que se requiera de una densidad de underflow muy alta y se pueda tolerar la
presencia de partículas gruesas en el overflow, la condición de acordonamiento es
indeseable y cualquier ejercicio de optimización debe buscar eliminarla. Sin embargo,
predecir el desencadenamiento del acordonamiento es más fácil de decir que hacer.
JKSimMet utiliza el criterio SPOC (Laguitton 1985), el cual es aplicable para densidades
inferiores a 35% de sólidos v/v:
Cvu > 56+0.2 (Cvf – 20) (12.49)
donde Cvu = % volumen de sólidos en underflow
Cvf = % volumen de sólidos en overflow
La experiencia sugiere que un underflow grueso evitará una condición de acordonamiento,

a una mayor densidad que un underflow fino (mayor viscosidad). Plitt et al (1987)
ofrecieron, en consecuencia, un criterio alternativo:
 x 
Cvu > 62.3 1 − exp  50   (12.50)
  60  
donde x50 = mediana de tamaño de partícula en sólidos de underflow (µm)
Barrientos, citado en Concha et al (1994), sugirió un criterio de acordonamiento basado en

el radio de los diámetros ápex y vortex finder como sigue:
325
Du/Do< 0.45 descarga de cordón

0.45 < Du/Do < 0.56 cordón o spray, dependiendo de la presión (12.51)
0.56 < Du/Do<0.90 descarga de spray
Mular y Jull (1980) también proporcionaron información sobre el tamaño del ápex para
evitar acordonamiento.
En resumen, cuando se consideren cambios a las condiciones de operación de un ciclón,

durante un ejercicio de optimización, el ingeniero debe tomar medidas para garantizar que
las nuevas condiciones no conducirán a descarga de cordón en el overflow. Donde las
condiciones sean variables o se requiera un control mejorado, se puede hacer uso de un
ápex de diámetro variable, ofrecido por algunos fabricantes, el cual utiliza aire comprimido
para controlar el diámetro de un revestimiento de ápex de goma, que puede ser activado en
línea si es necesario. También se puede lograr una adecuada remoción de los barros, en el
producto de underflow, inyectando agua tangencialmente al ápex.
Mezcla de Minerales
Mucho del trabajo experimental usado para desarrollar los modelos listados anteriormente,
se efectuó sobre material de alimentación de una sola especie mineral y de una única
característica de densidad o forma, tal como cuarzo o caliza. En la práctica, por supuesto,
las alimentaciones del ciclón incluyen normalmente mezclas de composiciones minerales
(liberadas y no liberadas), con un amplio rango de densidades y también, en ocasiones, de
formas. La sabiduría popular es que el tamaño de corte predominante es gobernado por una
expresión del tipo (ver también la ecuación 12.35):
−n
d 50 c ∝ ( ρ s − ρ1 ) (12.52)
donde n es un exponente cuyo valor depende del régimen de flujo de partícula

predominante; n = 0.5 para flujo laminar y n = 1.0 para flujo turbulento. Debido a que el
régimen depende de tantas variables, incluyendo el término ( ρ s − ρ1 ) en si, no se puede
esperar que asuma un valor constante. El modelo por defecto de Plitt (ecuación 12.36)
−0.5
asume flujo laminar e incluye el término ( ρ s − ρ1 ) mientras que Marlow, citado por
Lynch (1977), reporta valores de n=1 para pruebas industriales con un mineral de material
base. Weller et al (1988) reporta tamaños de corte para diferentes minerales, en un circuito
industrial, que se corresponden con valores-n en el rango 0.6-0.8. Varios estudios sugieren
valores-n < 0.5 o >1.0 pero esto probablemente diga más acerca de la dificultad de análisis
que algo sobre los regimenes de flujo predominantes; en muchos casos, se sigue el
comportamiento del mineral separado usando ensayos químicos y asumiendo minerales
liberados.
El punto importante es que los minerales densos se separan más fino que los livianos y una
curva de eficiencia ‘bruta’ (obtenida por medio de dimensionar el material total sin seguir
el comportamiento de minerales individuales) puede ser engañoso. Por ejemplo, el d50c
para cuarzo (PE 2.65) puede ser el doble (n=0.5) o incluso cuatro veces mayor (n=1) que el
326
de galena (PE 7.5). También hay alguna evidencia que el parámetro de eficiencia α puede
variar con el mineral (Weedon et al 1990), siendo más largo (curva de eficiencia más
aguzada) para minerales más densos. Es por estas razones que los minerales densos,
liberados, a menudos los valiosos, se concentran en el underflow del ciclón, incluso aunque
puedan ser lo suficientemente finos para pasar al siguiente proceso y puede producirse
sobre molienda de estos minerales. En consecuencia, donde sea posible la optimización del
ciclón debe tomar en cuenta las diferentes características de separación de los distintos
minerales de manera de arribar a una condición operativa apropiada para los requerimientos
del proceso. Idealmente, se deberá desarrollar un análisis mineralógico completo (e.g. por
QEM*SEM), aunque un ensayo químico tamaño por tamaño y una reconstrucción
stequiométricas de curvas de eficiencia ‘mineral ‘separadas proporcionan a menudo una
aproximación satisfactoria a la verdad.
Ciclonado Multi Etapa
Una opción para mejorar la clasificación (o recuperación de sólidos) es utilizar más de una
etapa de hidrociclones. Suponiendo que cada ciclón es igualmente eficiente, Svarovsky
(1984) puntualiza que la eficiencia total de una serie de ciclones es:
( Ed )T = 1 − (1 − Ed ) N (12.53)
donde (Ed)T = eficiencia total para tamaño d

k = eficiencia individua del ciclón para tamaño d
N = número de ciclones.
Dependiendo de los requerimientos de proceso, son posibles varios diseños de circuito. La

Figura 12.22 muestra algunas opciones.
La simulación es una manera poderosa de explorar las opciones. Dahlstrom et al (1988),

por ejemplo, demostró como se podía lograr ahorros de energía introduciendo ciclonado de
dos etapas en un circuito de molienda. JKMRC ha efectuado varios estudios similares, los
que a que a menudo han demostrado mejoras de proceso. Usualmente, hay un costo
adicional – instalación de ciclones y capacidad de bombeo adicional, por ejemplo, pero los
beneficios pueden ser sustanciales, usualmente en términos de rendimiento del circuito a
tamaño de producto constante o la capacidad de optimizar la molienda y concentración de
sólidos de producto simultáneamente.
Se han reportado dos dispositivos que integran dos etapas de separación en una única
unidad por medio de recuperar parte de la energía de presión de primera etapa y usarla en
una etapa secundaria; el predensificador o cilindro ciclón (Restarick 1991), fabricado por
Linatex, y el Ciclón de Vortex Gemelo (Heiskanen et al 1987) fabricado por Larox.
Esencialmente, ambos incluyen una sección primaria cilíndrica con un ciclón de forma más
convencional conectada al underflow del cilindro. Se puede hacer lugar para una válvula de
control entre las dos secciones y, para inyección de agua, ya sea en el interior del cilindro
(Ciclón de Vortex Gemelo) o en la alimentación de segunda etapa (predensificador).
327
12.22(a): Reclasificación de overflow primario 12.22(a): Reclasificación de underflow primario
12.22(c): Reclasificación tanto de underflow como de overflow: clasificación mejorada y remoción

de agua
Figura 12.22: Alternativas de Circuitos de ciclón multietapa
328
Comentarios Finales sobre Optimización de Ciclones
La optimización de ciclones en circuitos de molienda se concentra habitualmente en la

carga circulante requerida para lograr un tamaño de producto dado (ver también Secciones
9.10.6 y 9.10.7). Es necesario, a menudo, un compromiso entre el tamaño de producto y la
densidad de slurry, aunque el ciclonado multietapa puede ayudar a moverse a un mejor
punto operativo. Balancear el circuito de agua completo es una parte importante de
cualquier ejercicio de optimización.
Las complejidades de las interacciones variables del ciclón y la fuerte influencia del
circuito como un todo, implican que la simulación es la mejor manera de evaluar las
opciones más adecuadas para prueba. Para una instalación existente las opciones más
comunes son:
Número de ciclones : Desconectar un ciclón, a un flujo de alimentación constante,

aumentará la tasa de flujo (y presión), reduciendo d50c y
reduciendo la recuperación de agua a underflow.
Ápex : Un menor ápex reduce la recuperación del agua a underflow

y aumenta el d50c.
Vortex finder : Un mayor V,F. reduce la recuperación del agua a underflow y

aumenta el d50c.
Agua de alimentación : Diluir el slurry de alimentación reducirá la tasa de flujo a

underflow, reducirá d50c y posiblemente mejorará la
eficiencia.
Diámetro del ciclón : Instalar ciclones más grandes aumentará d50c y normalmente
reducirá los costos de desgaste y bombeo.
Inclinación del ciclón : Inclinar los ciclones más grandes a 45º o más respecto de la
vertical aumentará d50c y reducirá la recuperación de agua a
underflow.
Al igual que un balance de masa no generará datos correctos a partir de incorrectos,

cambios en las condiciones del ciclón no podrán, por si mismos, aumentar
significativamente la capacidad de un circuito de molienda. Sin embargo, una
configuración de ciclón inadecuada o una débil condición de operación, pueden limitar
significativamente el rendimiento del circuito. La optimización de ciclones, en
consecuencia, involucra a menudo mejorar el rendimiento del ciclón o adaptar las
condiciones operativas del ciclón, a cambios efectuados en otro lugar del circuito.
La Tabla 12.4 muestra los resultados de simulaciones del rendimiento de un circuito de

molienda de una planta conformada por un molino de bola de 4.4 x 7.5 m, en circuito
cerrado con ciclones de 381mm. Note los cambios en la carga de circulación y
características del producto, con los cambios en las condiciones del ciclón
329
Tabla 12.4: Resultados de simulación para circuito molino de bola – ciclón (125 t/h nueva
alimentación)
Nº de VF Ápex Presión Carga de Producto del Circuito

ciclones (mm) (mm) (kPa) Reciclo (t/h) P80 (µm) % sólidos
6* 152 79 118 120 60.5 20.5
6* 114 79 187 151 55.0 20.5
4* 152 79 192 105 58.1 23.4
4* 127 79 255 120 54.7 23.4
6* 114 87 202 171 55.2 20.5
6* 114 64 165 117 54.6 20.5
4+ 114 79 186 144 52.9 20.5
4+ 114 64 163 112 52.7 20.5
+
Boca de admisión 95mm *carga de bola 30% Carga de bola 40%
Parámetros del modelo de ciclón de Nageswararao
KD1 = 2.24x10-4, KQ1 = 331, KW1 = 11.0, KV1 = 4.65, α = 4.2
La sección 3.3.3 presenta el estudio de algunos casos de optimización de circuitos de

trituración, incluyendo el ajuste de las condiciones del hidrociclón
330
CAPITULO 13
OPTIMIZACIÓN DE CIRCUITOS DE TRITURACIÓN
13.
13.1 INTRODUCCIÓN
U na de las tareas más importantes a la que se enfrenta cualquier metalurgista de

producción, es la optimización de su proceso. La palabra optimización significa
‘hacer el mejor uso de’. En un contexto técnico debemos agregar la cláusula:
‘respecto de algún criterio medible’. Un proceso de optimización exitoso requiere de dos
elementos.
1. Un conocimiento de los procesos de la unidad involucrada, en la forma de teoría,

experiencia, modelos (vía un simulador) o una combinación de estos.
2. Una metodología a la cual aplicar este conocimiento para lograr el objetivo de la

optimización.
Los primeros capítulos de esta monografía presentaron algunos de los conocimientos

necesarios para entender la operación y comportamiento de los circuitos de trituración. Este
capítulo final describe algunas metodologías para aplicar dicho conocimiento.
Como se destacó en el Capítulo 1, optimizar un circuito de trituración implica asegurarse

que el activo de capital instalado sea explotado de la manera más eficiente posible. En este
sentido, la optimización debe ser un proceso continuo. En la práctica, sin embargo, es
tratada a menudo como un ejercicio de alcance limitado, que apunta a llevar el rendimiento
operativo desde el nivel actual a otro nivel mejorado. Esto puede hacerse directamente por
experimentación y acción en la planta o, como un ejercicio de simulación fuera de línea,
seguida de la implementación de las conclusiones de la simulación o alguna combinación.
En cualquier caso, es importante que la tarea sea efectuada dentro de un marco de trabajo
lógico y metódico. Este capítulo proporciona algunas ideas para dicho marco de trabajo,
ilustrado por el estudio de casos numéricos. Los estudios de casos pueden ser considerados
ya sea como simulaciones o como ejercicios de escala de planta experimental.
La metodología más simple es mirar el circuito de trituración aislado e intentar obtener todo
lo que se pueda de el en términos de rendimiento o de algún tamaño de producto definido.
e.g. máximo trozo de producto en procesamiento de mineral de hierro, mínimo fino en
preparación de carbón o una finura apropiada para flotación de metal base. Esta
331
Capítulo 13: Optimización de circuitos de Trituración
metodología se discute en la Sección 13.3, incluyendo estudios de casos en chancado y

molienda.
Otra metodología es pensar acerca del proceso aguas debajo desde el principio, e incorporar
sus requerimientos directamente en la optimización de trituración. En la Sección 13.4 se
presenta un ejemplo sencillo en flotación.
Una tercera metodología es asumir una visión más global de la operación y optimizar un
criterio de producción total como el consumo de energía o la producción de un producto
valioso. Esta opción no es usada habitualmente en la práctica, pero en la Sección 13.5 se
presenta un ejemplo debido a Morrison (1993) junto con estudio de caso numérico.
El capítulo comienza con algunas consideraciones generales acerca de metodologías para

optimizar circuitos de trituración.
13.2 METODOLOGÍAS DE OPTIMIZACIÓN
13.2.1 El proceso de Optimización
En la Figura 13.1 se ilustra el procedimiento de optimización estándar usando simulación

(ver también las Figuras 1.1 y 1.2). Nótese la naturaleza iterativa del proceso. Las
herramientas esenciales son balances de masa utilizable y programas o procedimientos de
simulación. Nótese también, que el paso de balance de masa se usa para evaluación de
datos, no para intentar reparar datos erróneos. El balance de masa debiera identificar pobres
técnicas de estudio, las cuales pueden luego ser refinadas, y recolectar datos adecuados para
ajuste de modelo.
Los criterios para este tipo de optimización están basados usualmente en la experiencia
operacional. Por ejemplo, “Maximizar el rendimiento a un tamaño de producto de 80%
pasando 106 micrones, con una densidad de overflow de ciclón mayor a 40% de sólidos y
una densidad de underflow de ciclón/densidad operativa del molino de 70% sólidos en
peso.
El beneficio típico de un estudio de este tipo es un aumento de 5-10% en el rendimiento

para un tamaño de producto dado. Para un circuito más complejo, las ganancias pueden ser
más dramáticas. Richardson (1990), McKee y Napier-Munn (1990), Cameron y Morrison
(1991) y Lynch y Morrel (1992), proporcionan un rango de estudios de casos. Sin embargo,
debe recordarse que incluso con un clasificador ‘perfecto’, el molino tendrá un límite real.
Habrá también otras restricciones y el ‘conocimiento local’ es esencial en este proceso. En
la Sección 13.3.3, mas adelante, se consideran algunos ejemplos con mayor detalle.
Este tipo de optimización es un prerrequisito esencial para el desarrollo de controles de

proceso. Después de todo, el sistema de control de proceso puede garantizar que nunca se
logre la operación óptima se sus diseñadores no conocen el mejor punto operativo
potencial.
332
Figura 13.1: Metodología general de óptimización
13.2.2 Minimización de la energía
Una objetivo común en optimización es emparejar lo mas exactamente posible el criterio de

dimensionado de producto con la capacidad del equipo de trituración. Esto es, un producto
muy grueso resulta en una baja carga de circulación y pobre utilización de energía, mientras
que una clasificación muy fina resulta en una gran carga circulante y una ineficiente
producción con exceso de finos. En consecuencia, hasta cierto grado, el emparejamiento del
clasificador minimiza el consumo de energía. Sin embargo, lograr un progreso inequívoco
en reducir la entrada de energía, requiere una calibración de energía que es independiente
del equipo de trituración en si. La medición más usual utilizada, ha sido el índice de trabajo
de molino de bola de laboratorio de Bond. Sin embargo, la prueba de rotura JKMRC puede
ser aplicada mejor a molinos AG/SAG y chancadores y puede usarse también en molinos
de bola. Estos métodos se describen en el Capítulo 4.
La optimización de la energía puede efectuarse en dos niveles. La primera es la

metodología de punto único tradicional (i.e. F80, P80), usando la aproximación de la
‘tercera ley’ de Bond (ver Sección 4.3). Esto es razonable siempre que las distribuciones de
333
tamaño de alimentación y producto sean aproximadamente paralelas en un gráfico log/log o

Rosin-Rammler de tamaño de partícula vs porcentaje acumulado que pasa (Apéndice 3).
Tiene la ventaja de necesitar medir solo dos distribuciones de tamaño, además de todas las
potencias de las máquinas. Esta metodología está bien descrita en Morrel et al (1991). Estos
autores definen un índice de eficiencia como: Índice de Trabajo Operativo/Índice de
Trabajo Molino Bond.
Un número más pequeño implica una mejor eficiencia de energía. Ellos evaluaron un rango
de variaciones de circuito y concluyeron que se podía lograr un índice de eficiencia de 0.9
con un circuito molino SAG cerrado con algún grado de recirculación de underflow de
ciclón.
Al precio de una recopilación de información más detallada, se puede utilizar simulación

para mejorar esta metodología de minimización de energía. Las tasas de molienda de barra
y bola pueden escalarse usando un índice de trabajo de laboratorio (o una prueba rápida de
molienda), o una prueba de péndulo de JKMRC o de caída de peso pequeña. Las tasas de
rotura de chancador y molino AG/SAG pueden escalarse usando datos de prueba de
péndulo de JKMRC o de caída de peso grande.
Es posible estimar con precisión la energía utilizada por molinos, a condiciones de carga
especificas, usando la fórmula desarrollada por Morrel y el consumo de energía del
chancador puede ser predicha usando el método de Andersen (ver Capítulo 11). El consumo
de energía de circuito puede entonces ser razonablemente bien predicho y escalado respecto
de un caso base, y no es necesario probar todas las variaciones y ajustes del circuito
experimentalmente- solo un rango de las variaciones más prometedoras.
Una metodología alternativa es optimizar el presupuesto de energía para un molino o para

todo el concentrador, respecto de algún criterio como producción de valor (ver Sección
13.5).
13.2.3 Etapas de Balance de la Trituración
Cuando una operación utiliza varias etapas de reducción de tamaño, puede haber espacio
para aumentar el rendimiento global ajustando el ‘punto de transferencia’ entre las etapas
de trituración. Quizás el mejor ejemplo disponible es el descrito en Narayanan et al (1987)
para Boungainville Copper Limited (BCL). Como fue reportado por varios investigadores,
los grandes molinos en BCL no lograron optimización del diseño. Este déficit ha sido
atribuido a varias causas, desde el diámetro del molino e ineficiencia de los clasificadores a
alimentación de molino muy gruesa.
Narayanan investigo este último efecto usando modelos matemáticos exactos de la planta
de chancado terciario y secundario y la operación de molienda de etapa única. Este estudio
de simulación demostró que se puede lograr un rendimiento adicional de 7%, maximizando
la finura del producto de la planta de chancado.
La Figura 13.2 muestra esta relación. Se logró una mejoría (equivalente a una línea de
molienda adicional en este concentrador de 13 molinos) después de la optimización de cada
334
etapa individual. En consecuencia, no hay ganancias significativas en cada etapa a medida

que se amplia el alcance de la optimización. La siguiente etapa es expandir la optimización
para incluir la interacción con la operación de la mina.
Figura 13.2: Variación de la capacidad de chancado y molienda con el tamaño de alimentación de

molino de bola (según Narayanan et al 1987)
13.3 OPTIMIZACIÓN DEL RENDIMIENTO Y TAMAÑO DE PRODUCTO DEL CIRCUITO
13.3.1 Definiendo el Criterio de Optimización de la Planta.
En la mayoría de la plantas, el criterio para una campaña de optimización de trituración es

definida por una combinación de los siguientes objetivos individuales, limitado solo al
circuito(s) de trituración.
1. Maximizar el rendimiento y mantener la especificación de tamaño de producto final

existente
2. Cambiar el tamaño de producto final y mantener el rendimiento existente.
3. Mantener el rendimiento exigente y el tamaño de producto final pero minimizar los

costos de trabajo. (Esto dependerá de la elaboración de los costos de trabajo de la planta
335
en cuestión; normalmente el problema se reduce a minimizar los costos de bolas

revestimientos y energía).
Luego de determinar el criterio adecuado, el siguiente paso es identificar en el circuito los

lugares donde se pueden efectuar estas mejoras, cuales son y como se efectuarán.
Habiéndolo hecho, se puede desarrollar una estrategia de optimización que detallará que
cambios deben efectuarse y en que orden.
Debido a las interacciones entre los distintos proceso en un circuito de trituración es, a
menudo, muy difícil determinar a priori cual era la magnitud de los cambios propuestos. Es
posible, en consecuencia, que se obtengan mejoras modestas a un costo de implementación
alto. Es necesario entonces evaluar la estrategia de optimización antes de comprometerse en
cambios de la planta. La simulación por computadora es el medio ideal para dicha tarea. En
las siguientes secciones ilustraremos, por medio de la historia de casos, el uso de la
simulación. En cada caso los cambios a los circuitos se realizan por pasos. Los resultados
de cada paso se resumirán en forma de tabla y en términos de datos operativos esenciales,
tales como tasas de fluido, consumo de energía y distribución de tamaño.
13.3.2 Generando el Caso Base
Ya sea que se utilice o no una simulación por computadora en el programa de optimización,

es imperativo que se obtenga primero una imagen lo mas exacta posible del modo en que
esta operando actualmente la planta. Esto debe considerar estudios detallados de los
circuitos involucrados (ver Capítulo 5). Dichos estudios no solo proporcionarán datos
esenciales sobre cantidades como tasa de flujo, distribuciones de tamaño, etc., sino que
también proporcionará las indicaciones iniciales sobre donde existe capacidad ociosa y
pobre operación. En estudios de simulación los datos sirven para calibrar los modelos de
unidades los cuales se enlazan entre si en un diagrama de flujo dibujado en el simulador, el
cual representa la operación actual de la planta. Esta representación se denomina
comúnmente 'caso base' y es utilizada posteriormente como un punto de referencia respecto
de la cual se compararán los resultados de los cambios propuestos.
13.3.3 Tres Estudios de Casos
Los siguientes tres estudios de casos ilustran los pasos envueltos en la aproximación a
alguna condición deseada. Los ejemplos se basan en la simulación pero podrían
perfectamente reflejar una experimentación de planta real. La primera involucra chancado y
harneado y las dos ultimas molienda.
Estudio de Caso 1 – Optimizando un Circuito de Chancador
Se utilizará el circuito mostrado en la Figura 13.3 para ilustrar como optimizar un circuito
de chancado. En este caso la estrategia se desarrollará basada en consideración de
• aberturas de harnero
• configuración del lado cerrado del chancador
336
• consumo de energía
• capacidad de transporte del conveyor
Figura 13.3: Estudio de Caso 1 – circuito chancado/harneado
337
Los objetivos son aumentar la tasa de alimentación en un 10% y al mismo tiempo

maximizar la cantidad de producto final en el rango de tamaño -25+6mm, siendo esta la
fracción más valiosa. Los siguientes son los límites al rendimiento del circuito que no
podrán ser excedidos:
• la capacidad límite del conveyor de producto del chancador primario es 680 tph.
• el +100 máximo admisible en la alimentación del acopio es 1%.
• la capacidad límite del conveyor de producto del chancador primario es1100 tph.
• el consumo de energía del chancador no debe exceder el 90% de la potencia nominal

para acomodar fluctuaciones en la dureza y tasa de alimentación del mineral.
La Tabla 13.1 proporciona detalles de la máquina para el circuito y la Tabla 13.2 resume
los resultados del ejercicio.
En primer lugar, los datos del circuito deben ser analizados para determinar donde existe
capacidad que pueda ser utilizada. Se puede observar de la Figura 13.3 y las Tablas 13.1 y
13.2, que existe solo una modesta capacidad de energía en los chancadores primario y
terciario, mientras que hay bastante más disponible en los chancadores secundarios. La
capacidad del conveyor está seriamente limitada en el circuito de chancado primario,
aunque no en el circuito de chancado terciario. Existe solo un limitado margen para generar
un producto más grueso en el circuito de chancado secundario, ya que la fracción +100 mm
alcanzable esta cerca de su límite admisible.
Tabla 13.1: Detalles del Circuito de Chancado
Chancador Primario Chancadores Terciarios

Cantidad…………………………………1 Cantidad…………………………………4
Tipo…………………….………mandíbula Tipo…………………………..………cono
Conf. lado cerrado caso base (mm).….200 Conf. lado cerrado caso base (mm).…...25
Conf. lado abierto caso base (mm).…..250 Conf. lado abierto caso base (mm).….37.5
Potencia instalada motor (kW)………750 Potencia instalada motor (kW)……..1200
Consumo energía caso base (kW)…….613 Consumo energía caso base (kW)…...1040
Chancadores Secundarios Separador Primario
Cantidad…………………………………2 Abertura (mm)………………………..100
Tipo…………………….………mandíbula Harneros Chancador Secundario
Conf. lado cerrado caso base (mm).….100
Abertura (mm)………………………..100
Conf. lado abierto caso base (mm).…..125
Harneros Chancador Terciario
Potencia instalada motor (kW)………700
Consumo energía caso base (kW)….....530 Abertura-plataforma superior (mm).......25
Abertura-plataforma inferior (mm)……..6
338
Paso 1
El primer paso es determinar el impacto que tiene sobre el circuito el aumento de la tasa de
alimentación en un 10% a 1496 tph. En la Tabla 13.2c se puede observar que la tasa de
alimentación del chancador primario aumenta a 722 tph y, en consecuencia, se excederá la
capacidad del conveyor de producto. El consumo de energía en los chancadores primarios y
secundarios aumenta pero permanece aun muy por debajo del máximo seguro, de 90% de la
potencia nominal del molino. Sin embargo, la potencia del chancador terciario aumenta a
1124kW – por encima del límite admisible de 1080 kW.
Tabla 13.2: Resumen de Resultados para Estudio de Caso 1 – Maximizando tonelaje y producto del
circuito de chancado
Paso Base 1 2 3 4 5
Alimentación nueva (tph) 1360 1496 1496 1496 1496 1496
Abertura separador primario (mm) 100 100 120 120 120 120
Tasa de alimentación chancador primario (mm) 656 722 676 676 676 676
Potencia chancador primario (kW) 613 660 660 660 660 660
Tasa de alimentación chancador secundario (mm) 389 428 400 400 400 400
Potencia chancador secundario (kW) 528 566 552 628 628 628
CSS chancador secundario (mm) 100 100 100 75 75 75
Alimentación acopio +10mm (%) 0.8 0.8 1.2 1.0 1.0 1.0
Alimentación chancador terciario (tph) 870 955 962 922 1280 1080
CSS chancador terciario (mm) 25 25 25 25 32 28
Potencia chancador terciario (kW) 1040 1124 1136 1060 944 992
-25 +6mm (tph) 787 866 866 867 916 896
% -25 +6mm 58 58 60
Paso 2
La única manera de reducir la carga en el conveyor de producto del chancador primario es

aumentar la abertura del separador del chancador primario. Aumentando la abertura a
120mm tiene el efecto deseado, y la tasa de alimentación al chancador primario declina, en
consecuencia, a 676 tph. Como el bajo tamaño del separador reporta directamente al
acopio, la distribución de tamaño de alimentación del acopio se hace más gruesa y, como
resultado, el porcentaje de +100 excede el valor máximo admisible de 1%. También parece
aumentar aun más la potencia del chancador terciario como consecuencia de la
alimentación más gruesa desde el acopio.
Paso 3
Para aliviar los problemas de exceso de fracción +100mm en la alimentación del acopio y
el alto consumo de energía del chancador terciario, se hará que el circuito de chancado
secundario efectúe más trabajo. La configuración del lado cerrado del chancador secundario
339
era originalmente 100mm. Sin embargo, como su juego es 25mm, rocas de hasta 125mm
pueden pasar a través del chancador sin ser chancados. Una mejor práctica en circuitos
abiertos de chancado, siempre que haya suficiente energía disponible, es emparejar la
configuración del lado abierto con la abertura del clasificador. De este modo, todo el
producto del chancador pasará por la abertura del clasificador y, en consecuencia, se evitará
el sobre tamaño innecesario. Por lo tanto, en este paso se cierra a 75 mm la separación del
chancador, proporcionando un valor de lado abierto de 100mm i.e. igual que la abertura de
la parrilla del clasificador.
Paso 4
Habiendo logrado la componente de rendimiento del ejercicio de optimización, centraremos

nuestra atención en el resultado, el cual pide maximizar la fracción de -25+6mm. La
configuración del lado cerrado de los chancadores terciario y la abertura del harnero se
combinan en conjunto para dictar la distribución de tamaño de producto final. En este caso,
la abertura del harnero está fija para mantener una especificación lo más cercana posible al
requerimiento. En consecuencia, solo se puede ajustar la configuración del lado cerrado. El
valor inicial es 25mm, el cual se ajusta en este paso para determinar cual configuración
produce el máximo resultado de producto valioso. Pasado este valor el resultado disminuye.
Desafortunadamente, con esta configuración de separación la tasa de flujo del producto
alcanza los 1280 tph, superando significativamente el límite de 1100 tph.
Paso 5
Para evitar exceder la capacidad del conveyor de producto terciario, se reduce la separación
del chancador del óptimo 32mm a 28mm. En este punto, la tasa de producto del chancador
está justo en el límite de 1100 tph y el resultado de producto -25+6mm es 896 tph o un 60%
del producto total, comparado con el valor original de 58%.
Es posible concluir que hay justo la capacidad suficiente para tolerar el aumento de tasa de
alimentación propuesta y, aunque no se puede aumentar el resultado a su máximo, es
posible un aumento modesto.
Estudio de Caso 2 – Maximizando Molienda a Rendimiento Constante
En este estudio el requerimiento era producir el tamaño de molienda más fino posible desde
circuito mostrado en la Figura 13.4 sin agregar más unidades de molienda. Los datos de la
máquina se proporcionan en la Tabla 13.3 y los resultados se muestran en la tabla 13.4 a)
(b) y (c).
De los datos proporcionados en la Figura 13.4 y Tabla 13.3, se pueden identificar los
siguientes puntos de capacidad ociosa y áreas con potencial de mejoría:
Molino SAG : nivel de llenado relativamente bajo

: consumo de energía muy por debajo el máximo
: punto de corte del clasificador (harnero) relativamente
grueso
340
: % de sólidos de alimentación del molino relativamente

bajo
Molino de Bola : el tamaño de bola puede ser muy grande
: el % de sólidos de alimentación del molino es muy
bajo
: el % de sólidos de alimentación del ciclón es muy bajo
Molino de Torre : el tamaño de bola puede ser muy grande

: el % de sólidos de alimentación del ciclón es
relativamente alto
: el % de sólidos de alimentación del molino de bola es
muy alto
Figura 13.4: Estudio de Casos 2 y 3 – Circuitos cerrados de molienda
Estas deficiencias potenciales fueron abordadas con la visión de reducir el tamaño de

molienda en una serie de siete pasos. En la Tabla 13.4 se muestra el rendimiento del
circuito predicho por la simulación después de cada paso. Se asume que existe suficiente
capacidad de bombeo para acomodar todos los cambios. En las siguientes secciones se
proporcionan detalles de cada paso.
341
Tabla 13.3: Detalles de la Máquina para Circuito de Molienda
Molino SAG Molino de Torre

Cantidad…………………………………1 Cantidad…………………………………4
Diámetro entre revestimientos (m)…….6.5 Altura (m)….…………………..………..6
Longitud entre revestimientos (m)……2.48 Diámetro(m)……..…...............................2
Fracción de velocidad crítica.…….…..0.81 Total potencia instalada motor (kW)..1250
Potencia instalada motor (kW).……...1700 Tamaño superior bola (mm)..………….25
Abertura parrilla (mm)…………………18 Consumo de energía caso base (kW)..1125
Área abierta parrilla (m2)……………...2.5
Tromel Molino SAG
Weighted radius parrilla……………….0.8
Tamaño superior bola (mm).…….……100 Abertura (mm)…………………………12
Llenado bolas caso base (%)…………..6.4 Hidrociclones Molino de Bola
Llenado bolas total caso base (%)……25.5
Consumo de energía caso base (kW)...1459 Cantidad…………………………………2
Diámetro (m)…………………….......0.66
Molino de Bola Presión (kPa)………………………......34
Cantidad…………………………………1 Hidrociclones Molino de Torre
Mecanismo de descarga……..….overflow
Diámetro entre revestimientos (m)…..3.23 Cantidad……………………………..…16
Longitud entre revestimientos (m)…..4.57 Diámetro (m)…………………….....0.254
Fracción de velocidad crítica..……….0.70 Presión (kPa)………………………......84
Potencia instalada motor (kW)..……...650
Tamaño superior bola (mm)..………….75
Llenado bolas caso base (%)…………..33
Consumo de energía caso base (kW)...605
Tabla 13.4: Resumen de resultados para el Estudio de Caso 2 – maximizando finura de molienda a
rendimiento constante
Tabla 13.4(a): Circuito Molino SAG
Tasa de % Sólidos
Paso kW Llenado (%) T80 (µm) Descarga Alimentación
Vol. (m3/h) Ciclón
Caso Base 1460 25.5 747 216 -
1 1552 27.1 212 378 65
2 1552 27.1 212 378 65
3 1565 27.5 184 418 65
4 1565 27.5 184 418 65
5 1565 27.5 184 418 65
6 1565 27.5 184 418 65
7 1565 27.5 184 418 65
342
Tabla 13.4(b): Circuito Molino de Bola
Molino de Bola Ciclón

Paso Carga Presión %Sólidos %Sólidos %Sólidos
Tamaño de P80
Reciclo*
Bola (mm)
(%) (kPa) Aliment. O/F U/F (µm)
Caso Base 75 188 34 66.9 49.9 81.7 263

1 75 128 26 62.5 53.0 72.8 175
2 38 124 26 61.3 51.6 72.1 161
3 38 140 45 53.0 37.0 76.6 130
4 38 212 74 57.0 36.8 76.9 124
5 38 212 74 57.0 36.8 76.9 124
6 38 212 74 57.0 36.8 76.9 124
7 38 212 74 57.0 36.8 76.9 124
Tabla 13.4(c): Circuito Molino de Torre
Molino de Torre Ciclón

Paso Carga Presión %Sólidos %Sólidos %Sólidos
Tamaño de P80
Reciclo*
Bola (mm)
(%) (kPa) Aliment. O/F U/F (µm)
Caso Base 25 178 84 57 37.6 80.2 64

1 25 149 79 57 40.9 77.4 61
2 25 142 75 57 41.9 76.4 60
3 25 147 92 53.4 37.0 76.4 51
4 25 143 92 52.9 36.7 76.4 50
5 12.5 127 89 51.1 36.8 73.5 38
6 12.5 120 128 51.4 36.8 76.7 35
7 12.5 135 148 52.4 36.7 77.9 31
* Carga de reciclo definida como 100 x sólidos alimentación molino t/h / sólidos alimentación nueva circuito t/h (%)
Paso 1
El nivel de llenado del molino SAG para el caso base es 25.5% mientras que el nivel de
trabajo seguro para un molino de radio de aspecto alto es 30-35%. En consecuencia, es
posible utilizar este volumen libre para efectuar más molienda. El consumo de energía del
caso base es 1460 kW que se compara con la capacidad del motor de 1700 kW. Como usar
este espacio libre resultará en un mayor consumo de energía, a primera vista pareciera
haber suficiente energía. Utilizando el modelo de energía de JKMRC (ver Capítulo 11), se
obtiene un predicción de consumo de energía de 1670 kW para la carga de bolas del caso
base de 6.4%, cuando el llenado total alcanza 35%, indicando que la disponibilidad de
energía no será problema.
Para utilizar el volumen y energía disponible para moler más fino, se puede reducir el
tamaño de corte del clasificador. No es práctico utilizar el tromel existente, una maquina
para clasificación gruesa, para efectuar un cambio significativo en el tamaño de corte. La
343
alternativa es usar hidrociclones para cerrar el circuito SAG. Los resultados de la Tabla
13.4 (paso 1) muestran que cuando se materializa esto, el llenado del molino asciende a
27.1%, y el consumo de energía llega a 1552 kW. El tamaño de producto del circuito de
molienda – llamado en ocasiones el tamaño de transferencia (T80), se reduce desde el valor
del caso base, 747µm, a 212µm.
Como consecuencia del cierre del circuito de molino SAG, el flujo volumétrico a través del
molino aumenta considerablemente desde el valor del caso base, 216 m3/hr a 378 m3/hr.
Para determinar si será capaz el molino de descargar a estas tasas sin aglomeración
excesiva de slurry en el molino (ver Capítulo 7), se usa la ecuación de flujo de la parrilla
(ecuación 7.5) para determinar la tasa de flujo máxima para el molino, bajo las condiciones
de llenado simuladas. La ecuación indica que el molino debe ser capaz de descargar
430m3/hr de slurry por lo que no debiera haber problemas cuando se cierre el molino de
esta manera.
Debe destacarse que a pesar de la considerable reducción en el T80, e P80 del overflow del
ciclón del molino de torre solo se reduce de 64µm a 61µm. El motivo es que el cambio en
el molino SAG ha derivado en fuertes reducciones en las cargas de reciclo en los circuitos
de molino de bola y molino de torre y una reducción en la presión del ciclón. También se
ha visto significativamente reducido el P80 del circuito de molino de bola, pero esto se
debe al aumento en el material más fino del circuito de molino SAG reportando al overflow
del ciclón del molino de bola, mas que al molino de bola en si operando de una manera
mejorada.
Paso 2
Para permitir que el molino de bola tome ventaja de la alimentación más fina que está
produciendo el molino SAG, es necesario reducir el tamaño de las bolas en el molino de
bola. Sus 75mm originales eran adecuados para romper las rocas más grandes en el
producto del molino SAG, pero no son un medio de molienda fina eficiente (ver Capítulo
7). La simulación permite demostrar que bolas de 38mm proporcionaran un mejor
rendimiento. Si se agregan bolas menores que estas, el producto del molino contiene
excesivas cantidades de material más grueso que no puede ser roto por el reducido tamaño
de las bolas. Sin embargo, las bolas de 38mm tienen suficiente energía para hacerlo y
simultáneamente proporcionar una área superficial suficientemente grande para mejorar la
molienda de partículas más pequeñas. Nuevamente, sin embargo, debe destacarse que el
tamaño de molienda del overflow del ciclón varía muy poco.
Paso 3
Para asegurarse que el circuito cerrado está operando lo mas eficientemente posible, es vital
que el clasificador esté trabajando eficientemente. En el caso de los hidrociclones, esto se
logra habitualmente asegurandose que son alimentados con slurry lo más diluido posible y
operan a una presión suficientemente alta (ver Capítulo 3). En consecuencia, en esta fase de
optimización se ajusta el balance de agua alrededor del circuito de molino SAG y molino
de bola. En el caso de los ciclones, el porcentaje de sólidos de alimentación se reduce a
60% y 53% en los circuitos de molino SAG y de bola respectivamente.
344
El contenido de sólidos de la alimentación del molino SAG tiene un efecto relativamente

menor sobre el rendimiento ya que la mayor parte de la reducción de tamaño se produce
como consecuencia de astillado/abrasión y rotura, por impacto de rocas relativamente
gruesas (ver Capítulo 7). Como consecuencia, las propiedades del slurry ejercen un mínimo
efecto. Sin embargo, en el molino de bola la rotura de la mayoría de las rocas se produce
mientras están en una suspensión de slurry e involucra una importante proporción de rotura
por desgaste (ver Capítulo 9). En consecuencia, las propiedades del slurry son mucho más
importantes. Debido a que la mayoría de los molinos de bola son del tipo de descarga de
overflow, el efecto principal de un cambio en el contenido de agua de la alimentación es
cambiar el tiempo de residencia. Por medio del aumento del porcentaje de sólidos en la
alimentación del molino de bola, se aumenta el tiempo de residencia y, en consecuencia,
hay una mayor probabilidad de que las partículas se rompan a medida que pasan a través
del molino. Sin embargo, a medida que aumenta el porcentaje de sólidos, también aumenta
la viscosidad (Apéndice 2) y puede alcanzar un punto en que el transporte de slurry se
transforma en un problema. Como regla general, el porcentaje de sólidos en volumen no
debe exceder 50%.
El resultado neto de estos cambios en el balance de agua es una caída significativa en el

P80 del overflow del ciclón del molino de bola como también en el overflow del ciclón del
molino de torre. Sin embargo, este último cambio se puede atribuir al cambio en el balance
de agua del circuito de molino de torre, el cual es un resultado directo de los aumentos en la
adición de agua a los circuitos de molino SAG y de Bola.
Paso 4
Para producir un producto más fino en el circuito de molino de bola se simularon cambios
en la geometría del ciclón usando las unidades existentes de 381mm de diámetro. Los
resultados demostraron que esto era posible, pero que el producto más fino venía
acompañado por un overflow diluido el cual ocasionaba que el overflow del ciclón del
molino de torre se hiciera mas diluido. Esto no es un problema en la medida que el proceso
subsiguiente aguas abajo (flotación en este caso) puede absorber dicho cambio. Sin
embargo, se fijó el límite del circuito de flotación en un 36-37% de sólidos y por ende no
podía tolerar una dilución adicional. Para permitir una punto de corte de clasificación más
fino en el circuito del molino bola, sería necesario un ciclón de menor diámetro ya que,
manteniendo lo demás constante, los ciclones de menor diámetro cortan más fino (Capítulo
12). En consecuencia, se simularon ciclones de 250mm resultando en una caída en el P80
del overflow de 130µm a 124µm.
Paso 5
Ahora prestaremos atención al circuito de molino de torre. El primer cambio es reducir el

tamaño de bola el cual, en los molinos de torre y molinos de agitación, es el factor
individual más importante en la determinación del tamaño de molienda (ver Capítulo 10).
En consecuencia, se redujeron las bolas originales de 25mm a 12.5mm. El efecto fue
considerable, reduciéndose el P80 del overflow del ciclón del molino de torre, de 50µm a
38µm.
345
Paso 6
La presión del ciclón debe mantenerse los más alta posible para operación eficiente.
Normalmente, los ciclones de menor diámetro se operan a mayores presiones (ver Capítulo
12). En consecuencia, se aumentó la presión del ciclón del circuito del molino de torre a
alrededor de 125 kPa. Esto resultó en una reducción de la carga de reciclo debido a una
separación más eficiente y a una reducción en P80 de 38µm a 35µm.
Paso 7
Esto completó el estudio el cual demostró que el circuito tenía potencial para reducir su
tamaño de molienda final de 64µm a 31µm.
Estudio de Caso 3 – Aumentando Rendimiento a Molienda Constante
Para este estudio también se utilizó el circuito mostrado en la Figura 13.4. En este caso, sin
embargo, el objetivo es aumentar el rendimiento desde 240 a 288 tph sin hacer la molienda
final más gruesa. Los resultados se muestran en la Tabla 13.5.
Tabla 13.5: Resumen de resultados para el Estudio de Caso 3 – maximizando rendimiento a

molienda constante
Tabla 13.5(a): Circuito Molino SAG
Tasa de % Sólidos
Paso kW Llenado (%) T80 (µm) Descarga Alimentación
Vol. (m3/h) Ciclón
Caso Base 1460 25.5 747 216 -
1 1528 28.7 820 260 65
1a 1587 26.7 893 258 60
2 1534 29.0 633 263 65
3 1534 29.0 633 263 60
4 1534 29.0 633 263 60
5 1534 29.0 633 263 60
Tabla 13.5(b): Circuito Molino de Bola
Molino de Bola Ciclón

Paso Tamaño de Carga Presión %Sólidos %Sólidos %Sólidos P80
Bola (mm) Reciclo (%) (kPa) Aliment. O/F U/F (µm)
Caso Base 75 188 34 66.9 49.9 81.7 263
1 75 206 55 66.9 45.8 86.6 274
1a 75 214 57 67.2 45.1 87.2 287
2 75 177 45 66.9 49.6 83.7 264
3 65 178 45 66.7 49.5 83.7 259
4 65 248 36 64 43.7 78.8 238
5 65 248 36 64 43.7 78.8 238
346
Tabla 13.5(c): Circuito Molino de Torre
Molino de Torre Ciclón

Paso Tamaño de Carga Presión %Sólidos %Sólidos %Sólidos P80
Bola (mm) Reciclo (%) (kPa) Aliment. O/F U/F (µm)
Caso Base 25 178 84 57 37.6 80.2 64
1 25 193 134 57 34.9 84.8 63
1a 25 198 139 57 34.4 85.3 63
2 25 190 131 57 35.2 84.5 63
3 25 188 129 57 35.4 84.3 63
4 25 182 123 57 36.1 83.7 63
5 12 157 103 57 39.0 80.9 54
Paso 1
El primer paso es simplemente determinar cual es el resultado más probable si se aumenta

la tasa de alimentación. Se puede ver en la Tabla 13.5 que en el caso de un molino SAG, el
llenado total del molino SAG aumenta a 28.7% y la potencia aumenta a 1528 kW. Ambos
valores están por debajo de los límites de seguridad para el molino y en consecuencia no
debiera haber problemas.
Sin embargo, en el circuito de molino de bola la carga de reciclo ha aumentado junto con la
presión del ciclón. En particular nótese el porcentaje de sólidos del underflow del ciclón, el
cual se predice subirá a 87%. En la práctica, esto es poco realista y lo más probable es que
se produzca acordonamiento (Capítulo 12), ocasionando una pobre clasificación. Tal
porcentaje de sólidos de alimentación debe, en consecuencia, interpretarse como una
condición que el circuito de molino de bola no podría soportar. Se concluye por ende que
el rendimiento es muy alto sin cambiar la operación del circuito.
Aunque parece que el circuito SAG puede hacer frente a un aumento en el rendimiento,
vale la pena buscar modos alternativos que puedan mejorar aun más el rendimiento. Una
manera en que se puede aumentar el rendimiento es como consecuencia de un aumento en
la carga de bolas de 6.4% a 8.5%. Se puede observar que esto conduce a un descenso en el
llenado del molino, lo que permitirá aumentos adicionales en el rendimiento. El consumo
de energía es, sin embargo, marginalmente superior que en el paso 1 y el T80 es más
grueso. Se concluye, en consecuencia, que una mayor carga de bolas es menos eficiente
para la tasa de alimentación requerida que una menor carga de bolas.
Paso 2
El primer paso para intentar ayudar al circuito de molino de bola es proveerlo de una
alimentación más fina. Para lograrlo, es posible cerrar el circuito de molino SAG con
ciclones. Sin embargo, debe destacarse que el consumo de energía es ahora un 10% menor
que el máximo instalado lo que proporciona un margen de seguridad razonable para las
fluctuaciones normales de la planta. Se demostró en el primer estudio, que cerrar el circuito
347
SAG ocasionaba un aumento de 100kW en al potencia. En este caso, el alza podría acercar
el consumo de energía al máximo instalado y en consecuencia no se considera práctico.
Como compromiso, se reduce el T80 del circuito SAG de 820µm a 633µm por medio de
reducir la abertura de la parrilla a 15mm y el tamaño del tromel a 7mm. El llenado aumenta
marginalmente a 29% mientras que el consumo de energía se eleva a 1534kW. Es
interesante destacar que en el Caso de Estudio 2, cuando se cerró el circuito SAG con
ciclones, el consumo de energía fue de 1552 kW para un llenado de 27%, i.e. el llenado era
menor pero el consumo de energía era marginalmente superior que en este caso. Hubiera
sido esperable que el mayor llenado consumiera más energía. El motivo por el cual esto no
sucede es el nivel de slurry en la carga. En el circuito cerrado de ciclón el nivel de slurry es
mayor y por consiguiente el llenado intersticial (U) es mayor (ver ecuación 11.31). Esto
proporciona una mayor densidad de carga lo cual contrapesa el efecto del mayor volumen
en el circuito sin un ciclón. Esto tiene un menor nivel de slurry (U es menor) y por
consiguiente una menor densidad de carga.
Paso 3
Habiendo reducido el tamaño de alimentación al molino de bola debe ser posible mejorar su
eficiencia reduciendo el tamaño de bola. En este caso, el objetivo no es moler más fino per.
se sino que crear las condiciones que ayuden a reducir la carga de reciclo y el alto
porcentaje de sólidos de underflow. Se ha comprobado que es posible reducir el tamaño de
las bolas solo levemente a 65mnm y que este efecto es también marginal.
Paso 4
Como se observó en el primer estudio de optimización, la efectividad de los cambios a los

tamaños de alimentación de molinos de bola y de torre se materializan completamente, solo
cuando el ciclón es optimizado. En consecuencia, en esta etapa se ajusta el balance de agua
de manera que aumente la alimentación de agua del ciclón, se aumenta el tamaño del grifo
y se ajusta la presión del ciclón usando un ciclón adicional. El resultado neto es un
porcentaje de sólidos de underflow de ciclón realista (dado el peso específico de sólidos de
3.65) y una carga de reciclo a un nivel (248%) que indica convencionalmente que el
circuito está operando adecuadamente.
Paso 5
So observa que después del paso 4, el circuito de molino de torre tiene un porcentaje de
sólidos de underflow absurdamente alto y, por consiguiente, aun requiere de ajuste. Esto se
puede efectuar de varias maneras, como por ejemplo, alterar la geometría del ciclón y el
balance de agua. En este caso, sin embargo, se decidió ver si el circuito podía no solo
manejar el mayor rendimiento sino que simultáneamente moler mas fino. Se utilizaron en
consecuencia 12 bolas junto con algo de agua de dilución agregada a la alimentación del
molino de torre para llevar los sólidos de alimentación a un 50% v/v. Esto resultó en un
retorno del rendimiento del ciclón a aquel observado en el caso base, pero produciendo una
molienda final de 54µm en vez de los 64µm originales.
348
Se puede concluir que es posible lograr un mayor rendimiento y que no solo es posible
mantener el tamaño de molienda existente pero existe margen para moler más fino.
13.4 ALINEANDO EL PROCESO DE SEPARACIÓN CON EL CIRCUITO DE TRITURACIÓN
Los ejemplos previos han considerado la optimización desde la limitada perspectiva del
rendimiento del circuito de trituración aislado de las etapas aguas abajo y aguas arriba. La
flotación que usualmente sigue al paso de molienda, en los concentradores de metal base, es
un buen ejemplo de las generalizadas oportunidades de optimización
Figura 13.5: Dependencia de la eficiencia de flotación respecto del tamaño de partícula para
distintos minerales (según Lynch et al 1981)
Todos los metalurgistas de flotación están conscientes del impacto del tamaño de
alimentación sobre el rendimiento de flotación. Dos ejemplos sencillos ilustran este punto.
La Figura 13.5 muestra los datos de recuperación de mineral por tamaño para algunas
operaciones de flotación. Los gráficos muestran el bien conocido comportamiento en el
cual la recuperación exhibe un máximo sobre un rango de tamaño de partícula con una
declinación en los extremos grueso y fino. Las mejoras en el circuito de flotación en si,
tienen el potencial de elevar la curva completa a mayores valores y extender la
349
recuperación máxima sobre un rango de tamaño más amplio. La otra oportunidad es

intentar optimizar el circuito de molienda para colocar más del producto, en el rango de
tamaño de recuperación máxima. Esta no es una tarea fácil.
Reducir la fracción de material grueso en el producto de molienda por medio de un menor

rendimiento o un menor tamaño de corte de clasificador más fino es relativamente fácil. El
problema es que los que se gana a través de una reducción en las fracciones gruesas se
pierde con un aumento aproximadamente igual en las fracciones finas indeseables. Se ha
probado ciclonado multietapa (ver Sección 12.4.4) como una metodología para mejorar la
distribución general de la alimentación de flotación.
Un segundo ejemplo de la relación entre tamaño de producto de molienda y rendimiento y

flotación es proporcionad por las operaciones de cobre porfídico de baja ley, alto tonelaje.
Dos relaciones dominan el rendimiento de estos concentradores
Rendimiento del circuito de molienda – tamaño de producto (alimentación de flotación)
Tamaño de alimentación de flotación – recuperación de flotación.
La recuperación está invariablemente ligada de manera directa a la proporción de material

grueso en la alimentación la cual es una función del rendimiento de molienda. La Figura
13.6 muestra una relaciones típicas. La mayoría de estas plantas tendrán estas curvas bien
determinadas y pueden también tener datos económicos adjuntos a los relaciones tonelaje-
molienda y molienda recuperación. La estrategia operativa real usada dependerá de varios
factores que son específicos de cada operación. El tonelaje máximo es el más generalizado
pero algunas operaciones apuntaran a moliendas más finas donde quiera que la
alimentación disponible se haga limitada.
El problema de optimización real involucra la estimación del mejor punto operativo que
enlace los requerimientos competidores de rendimiento, molienda y recuperación.. El
problema esta ampliamente reconocido pero hasta ahora raramente se han aplicado en al
practica técnicas rigurosas que proporciones soluciones útiles. Una de dichas metodologías
formales se discute en la Sección 13.5
Figura 13.6: Molienda típica- tamaño de producto- relación de recuperación de flotación para un
concentrador de metal base
350
Caso de Estudio 4 – Maximizando el Valor de Producción de un Circuito de Producción
El circuito de molienda en los Casos de Estudio 2 y 3 (Sección 13.3) estaba preparando un

mineral de metal base finamente molido para flotación de zinc. La ley de la alimentación
era de 12%Zn. En el estudio del caso base, el circuito de molienda operaba a 240 t/h para
producir un P80 final de 64µm. El objetivo del presente estudio es explorar las opciones
para aumentar la producción de metal tomando en cuenta la respuesta de flotación tamaño
por tamaño de la planta. Para ello, se mapean las distribuciones de tamaño d producto final
de los Casos de Estudio Caso 2 y 3 sobre la respuesta de flotación (determinado a partir de
estudios de la planta de flotación) para predecir la tasa de producción de metal en
concentrados (t/h). En este sencillo ejemplo se asume que la respuesta de flotación
permanece constante para las tres condiciones de tonelaje examinadas; esto puede no ser
verdadero en la práctica.
La Figura 13.7 muestra la información relevante para el caso base. El objetivo es moer la
distribución de tamaño desde las áreas de baja recuperación, particularmente en el extremo
grueso, a áreas de mayor recuperación. Un problema común, evidente en este ejemplo, es la
resolución inadecuada en los tamaños muy finos donde mucha de la masa puede yacer y
donde la recuperación comienza a declinar significativamente.
Figura 13.7: Estudio de Caso 4 –Respuesta de flotación y tamaño de alimentación caso base para un
concentrador de zinc
La Tabla 13.6 muestra los resultados para el caso base y para dos situaciones modificadas:
Caso de Estudio 2 en el cual se logro un producto mucho más fino a un rendimiento
marginalmente ,más bajo y el Caso de Estudio 3 en el cual se obtuvo un producto un tanto
más fino con un rendimiento 20% mayor.
351
Tabla 13.6: Tamaño de alimentación de flotación y recuperación para los tres regímenes de
molienda
Recuperación Caso Base Caso de Estudio 2 Caso de Estudio 3

Rango de de Zn (%)
tamaño % en Dist. de rec. % en Dist. de rec. % en Dist. de rec.
Fig. 13.7 tamaño de Zn (%) tamaño de Zn (%) tamaño de Zn (%)
+150 18 3.5 0.63 0.3 0.05 2.6 0.47
-150+106 25 5.3 1.33 1.1 0.28 4.0 1.00
-106+75 41 7.5 3.08 3.0 1.23 6.1 2.50
-75+63 69 4.7 3.24 1.5 1.04 3.3 2.28
-63+44 77 9.2 7.08 7.0 5.39 8.0 6.16
-44+38 81 4.1 3.32 3.8 3.08 3.4 2.75
-38+24 84 16.0 13.44 8.2 6.89 15.1 12.68
-24+17 85 9.0 7.65 10.0 8.50 9.1 7.74
-17+11 85 9.5 8.08 8.2 6.97 9.2 7.82
-11+8 83 5. 4.57 7.8 6.47 4.4 3.65
-8 67 25.7 17.22 49.1 32.90 34.8 23.32
TOTALES 100 69.63 100 72.79 100 70.37
Tasa de Alimentación (t/h) 240 20.05 237 20.70 288 24.32
P80 (µm) 64 32 53
Es evidente que el Estudio de Caso 2 logra un pequeño pero significativo aumento (3.3%
relativito) en producción de metal con una pequeña disminución en el rendimiento. Esto se
logra removiendo material grueso (+75µm) y casi duplicando la cantidad de material de -
8µm. La recuperación global de zinc aumenta de 69.6 a 72.8%; el aumento relativo sería
mayor si la declinación en recuperación -8µm no hubiera sido tan fuerte.
En el Estudio de Caso 3, el 20% de aumento en el rendimiento se traduce en un 21.3% de

aumento en la recuperación de metal. Aunque hay un leve aumento en la recuperación total
respecto del caso base, la mayor parte del aumento en producción e metal es atribuible al
mayor rendimiento. La meta en este caso, sin embargo, ha sido evitar pagar un precio en
engruesamiento de la molienda y en consecuencia perder valor.
13.5 USANDO UN MODELO DE ENERGÍA/PRODUCCIÓN PARA OPTIMIZAR LA

MOLIENDA
Extender la optimización para combinar mina y concentrador, requiere de un método que

una entre si los rendimientos de mina y concentrador. Esto sería, de manera ideal, un
modelo económico que incorporara costos e ingresos realistas. Además, se requieren
métodos para predecir y optimizar la fragmentación en mina (ver Sección A.3.1). Estos
métodos aun no han alcanzado su madurez pero están bajo investigación (Scout et al 1993).
Una metodología útil para el caso de una operación de baja ley es minimizar la energía de
352
entrada requerida, ya que esta contribuye con una proporción importante de los costos
operativos.
En un circuito de molienda, el tamaño y rendimiento están relacionados para cada tipo de

mineral (Figura 13.6). La bien conocida ‘tercera ley’ de Bond (Capítulos 2 y 4) es una
expresión aproximada de esta relación. En consecuencia, es posible considerar que un
circuito de molienda posee un presupuesto de energía total (disponible en horas de
operación multiplicado por potencia del molino) que puede gastarse a varios rendimientos
para cada tipo de mineral. El efecto de variaciones en la entrada de energía sobre la
producción, dependerá de las características de liberación de cada tipo de mineral como
también, de la dureza del mineral y ley de la sobrecarga..
La relación entre producción y tonelaje pude considerase análoga a la relación entre entrada
de energía por tonelada de mineral y material valioso producido por tonelada de mineral.
La Figura 13.8 muestra una forma general de esta relación (conocida habitualmente para un
depósito específico a partir de datos de laboratorio o producción). El modelo está
restringido en ambos extremos, en el sentido que existe una tasa de producción por tonelada
que no puede ser excedida (contenido de sobrecarga), y existe cierta cantidad de energía de
entrada requerida para lograr cualquier producción (lo último es más por conveniencia que
debido a alguna propiedad real del mineral.
Figura 13.8: Modelo de producción de energía
Un modelo adecuado para la relación en la Figura 13.8 es (Morrison 1993):
b
E =a+ (13.1)
(ch − V )
353
donde E = entrada de energía (kWh/t)

h = ley de la sobrecarga (kg/t)
V = material valioso producido
y a, b, c = parámetros que definen el tipo de mineral
El parámetro a puede eliminarse definiendo el intercepto Eo:
b
a = Eo + (13.2)
ch
donde Eo es una energía mínima requerida
Entonces
1 1 
E = Eo + b  + (13.3)
 ch ch-V 
Eo está lejos de las condiciones operativas de una planta normal y si se define

arbitrariamente puede ser utilizado para estimar valores para b y c. El parámetro b está
fuertemente relacionado con la dureza del mineral y débilmente con la liberación; b
aumenta con la dificultad para liberar el material valioso en la trituración (i.e. con la
dureza). El parámetro c es una medida inherente de la fracción de material valioso
‘recuperable’. Por ejemplo, un mineral de sulfuro de cobre con una alteración de 10% de su
proporción cobre a no sulfuros no recuperable por flotación tendría c=0.9.
Este modelo proporciona una descripción conveniente de una relación energía- tonelaje-
producción, porque
• No predice recuperaciones mayores de 100% para cualquier finura de molienda (c ≤ 1),
• Puede ajustarse directamente a los datos operativos del concentrador (como en la Figura
13.8) usando dos conjuntos de valores energía-tonelaje-recuperación, o a un conjunto
de datos más grande por medio de técnicas de mínimos cuadrados no lineales,
• También puede ajustarse a datos de prueba de laboratorio de dureza más tamaño de

molienda/recuperación.
La variable h y los parámetros b y c ofrecen una descripción de tipo de mineral compacta.

Debe ser posible graficar las curvas de b y c para ayudar a caracterizar regiones de un
depósito. Estos parámetros también tendrán fuertes implicancias para la estrategia de ley de
corte.
El modelo de energía / producción se presta para la descripción de dos estrategias de

optimización. Estas se designan como filosofías de energía mínima y máxima
recuperación.
354
La primera está restringida por una meta de recuperación promedio de largo plazo y una
serie de bloques de mineral. Su objetivo es minimizar el tiempo total requerido para
procesar estos bloque de mineral, a la vez que se logra la meta de recuperación promedio.
En consecuencia, también se minimiza la entrada de energía por tonelada procesada.
La filosofía de recuperación máxima está restringida por una serie definida de bloques de
mineral y el tiempo de tratamiento total disponible. Su objetivo es maximizar la producción
desde este mineral.
Filosofía de Energía Mínima
Considere un número, I, de bloques definidos de mineral, cada uno conteniendo mi

toneladas de mineral de ley hi, i=1,I, entonces la cantidad total de material valioso
contenido es
∑m h
I
i i (13.4)
Se puede especificar una meta de recuperación promedio para lograr una meta de
producción, C (kg de valiosos producido). Entonces, si Vi es la meta de material valioso a
recuperar de cada bloque,
Ci = ∑ mV
i i (13.5)
I
La energía total requerida, E, de la ecuación (13.1), es
 bm 
E = ∑ mi Ei = ∑  mi ai + i i  (13.6)
I I  ci hi − Vi 
La ecuación (13.6) puede minimizarse sujeta a la restricción (13.5), para lograr la meta de
producción de valiosos requeridos de cada bloque (Morrison, 1993):
bi
Vi = ci hi − (13.7)
λ
donde
1
=
∑mc h −C
i i i
(13.8)
λ ∑ (m b ) i i
λ es un multiplicador de Lagrange usado para simplificar el cálculo y puede ser estimado

de la ecuación 13.8 conociendo h, b y c, i.e. las características del mineral a ser explotado y
la meta de producción.
355
Una vez que se conoce Vi, la meta de producción para el bloque i, se pude calcular la
recuperación requerida (Vi/h) y la tasa de tratamiento (potencia del molino + Ei de la
ecuación13.1). Se puede calcular un programa de producción para una ruta de explotación
estimada y usarla semana tras semana para control (por ejemplo); es posible actualizar el
multiplicador si ocurren grandes desviaciones.
Filosofía de Recuperación Máxima
Si la tasa la tasa de producción de mineral esta restringida en el tiempo, entonces un

objetivo posible es maximizar la producción dentro de esa restricción. Cuando N es el
número de horas de tratamiento disponibles, para una potencia de molino P, esta restricción
puede expresarse como
∑m h
I
i i = NP (13.9)
La ecuación (13.5) puede entonces maximizarse para obtener
bi
Ei = ai + (13.10)
λ
1 NP − ∑ ai mi
donde = (13.11)
λ ∑mb i i
La implementación continúa como antes.
Caso de Estudio 5 – Optimizando Tasas de Producción a Mínima Energía
Una mina de cobre porfídico extraerá partes iguales desde tres bloques de producción
durante un periodo específico. El consumo de energía está dominado por la línea de
molienda primaria compuesta por molinos de bola de 4MW. La meta de producción para el
periodo es de 900.000 toneladas a una ley de recuperación de 0.605% de Cu, o 5445 t de
cobre en concentrados (C en ecuación 13.5). Se necesita determinar una meta de ley de
recuperación, Vi, y un rendimiento promedio para cada bloque i, para cumplir con la meta
de producción global con un mínimo consumo de energía. El problema se resuelve
aplicando la ecuación 13.7 para determinar la meta de tasa de producción de metal por
molino (conociendo la energía disponible de 4mw). Esto requiere un conocimiento de b, c y
h para cada bloque y valores para λ y Eo.
La Tabla 13.7 muestra algunos datos de producción anteriores para los tres bloques de la
forma mostrada en la Figura 13.8 – energía específica consumida por cada molino, E, y el
grado de recuperación correspondiente, V (También hubiera sido posible obtener datos
equivalentes a partir de pruebas de laboratorio y ejercicio de simulación). También se
incluyen valores de ensayos geológicos para h, la ley global, y c, la proporción de sulfuro
de cobre (recuperable).
356
Tabla 13.7: Datos para bloques de producción 1, 2 y 3
Bloque i Ley, hi (kg/t Cu) Cu Recuperable, Energía específica del Ley recuperada, Vi
ci (prop.) molino, Ei, (kWh/t) (kg/t Cu)
1 3.5 0.92 17.5 2.70
12.5 2.51
10.0 2.29
2 6.2 0.96 10.2 5.46
8.2 5.25
6.6 4.98
3 11.0 0.98 8.2 10.42
7.5 10.40
6.5 10.32
Reordenando la ecuación 13.3 es posible estimar, para cada conjunto de datos, el parámetro
bi que refleja las características de dureza y liberación del bloque:
Ei − Eo
bi = (13.12)
1 1
+
ci hi ci hi − Vi
La elección de Eo es arbitraria, pero una metodología es considerar el molino sin medios de

molienda, obteniendo ninguna liberación y por lo cual, en consecuencia, V es cero.
Suponiendo un consumo de energía sin medios de alrededor de 10-15% del normal, para
tonelaje normal, Eo, es usualmente alrededor de 1-2 kWh/t. Aquí suponemos que Eo=1.
(También podría estimarse ajustando la ecuación 13.3 a los datos de producción pero dicha
estimación está sujeta a un gran error debido a que los datos están disponibles solo sobre
una pequeña región de la curva operativa).
Es posible calcular un valor de bi para cada conjunto de datos en la Tabla 13.7 y

promediarlo para cada bloque. Los resultados son:
B1 = 6.56 b2 = 4.62 b3 = 2.43.
El multiplicador de Lagrange, λ, puede estimarse de la ecuación 13.8, como alrededor de

ocho.
Ahora es posible calcular la meta de producción de cada bloque, Vi, a partir de la ecuación
13.7, y calcular la recuperación correspondiente como vi/hi. A continuación con la formula
13.3 se calcula la energía especifica consumida Ei y el correspondiente tonelaje por molino
determinado como 4MW/Ei.
Estos resultados se resumen en la tabla 13.8:
357
Tabla 13.8: Resultados para Estudio de Caso 5
Bloque Producción meta Recuperación de Energía específica Tonelaje por

(kg/t alim.), Vi Cu (%) (kWh/t), Ei molino (t/h)
1 2.48 70.9 11.90 336
2 5.33 86.0 9.22 434
3 10.33 93.9 6.63 604
Operando bajo estas condiciones se logrará la meta de producción de cobre con un mínimo
de consumo de energía.
Comentarios sobre Procedimientos Matemáticos de Optimización
Para aquellos de nosotros sin inclinaciones matemáticas, estas metodologías pueden parecer
como obtener ‘algo por nada’. Sin embargo, pueden ser pensadas más fácilmente en
términos de producir un sello de ‘dificultad constante’. Un material blando de alta ley es
procesado para alta recuperación. Esto significa, en términos de la Figura 13.8, hacía el
extremo derecho del rango operativo. El mineral duro, marginal es procesado al mayor
tonelaje posible. En resumen, las diferencias en el tipo de mineral se utilizan
ventajosamente.
Por el contrario, una filosofía de recuperación constante, que adoptan algunas operaciones
(normalmente por razones históricas), conduce a grandes variaciones en las condiciones del
circuito. Para cumplir con dicho requerimiento, el mineral blando de alta ley requiere de
tasas de tratamiento altas mientras que el mineral duro de baja ley requiere tasas de
tratamiento extremadamente bajas. En términos de eficiencia energética, esta es casi la peor
estrategia operativa posible.
Los criterios utilizados arriba son metas de optimización relativamente simples las cuales
ayudan a centrarse en los objetivos de un programa de optimización o estrategia global. Por
supuesto son posibles estrategias más complejas, involucrando más criterios y restricciones;
La programación lineal es una metodología general que puede ser utilizada en tales casos.
Duckworth (1978) desarrolló una metodología de optimización general para Boungainville
Copper Limited.
13.6 CONCLUSIONES
El término optimización tiene poco sentido a menos que se defina respecto de alguna
cantidad medible y sujeto a restricciones operativas y de otro tipo. Las cantidades más
comunes, en ejercicios limitados de optimización de circuitos de trituración, son el
rendimiento y el tamaño del producto. Sin embargo, es posible agregar otros criterios.
Por medio de un rango de modelos de circuito y operación de concentrador (matemático u

operacional) podemos en principio optimizar la operación de:
358
• un circuito de trituración respecto del tamaño de producto, rendimiento o uso de la

energía.
• un circuito de trituración respecto de la recuperación aguas abajo.
• una operación mina-concentrador completa respecto de un criterio de productividad

específico.
Cada una de estas estrategias de optimización ofrece un alto retorno de información sobre
la operación del proceso, restricciones del proceso y ambiente operativo.
A medida que aumenta la exactitud de las técnicas de modelado debe hacerse factible el
lograr un grado razonable de optimización de un proyecto tempranamente en la fase de
diseño. La filosofía operativa puede incluso impactar sobre lo que se considera mineral o
estéril con un efecto dramático sobre los costos de la planta. El desafío para los ingenieros
de disciplinas afines es reunir los modelos para implementar la optimización a través de
operaciones completas y, por cierto, a través de una empresa desde mineral a producto. Este
es un campo de investigación actual.
359
APÉNDICE 1
FUNCIONES SPLINE CÚBICAS
A1.1
L As funciones spline se usan fundamentalmente para interpolar datos para los cuales
no se encuentra rápidamente o no existe una ecuación matemática apropiada. Es una
herramienta poderosa ya que proporciona un método para interpolar que permite a
JKSimMet cambiar fácilmente una distribución de tamaño en varias series de tamiz,
representar una distribución de un proceso de rotura o encontrar la tasa de rotura AG/SAG
para cualquier tamaño de partícula en el molino. Este apéndice describe los principios
básicos detrás del uso de las funciones spline y presenta un ejemplo resuelto de su
aplicación a interpolación de tamaño, una característica de rutina incorporada en
JKSimMet.
En esencia, las funciones spline unen una serie de puntos en el plano x-y. Se utiliza alguna
función para interpolar entre cada par de puntos y estas funciones son ‘splined’ entre si para
proporcional la función spline completa. La función spline más sencilla es el spline de
primer orden que es solo una serie de pedazos de líneas rectas. Estas, por supuesto, no
parecen suavizadas a menos que los puntos estén sobre una línea recta o muy cercanas entre
si. El spline cúbico es un método APRA dibujar una curva muy suave sobre varios puntos
de datos. Está muy relacionada con el spline del dibujante y en la mayoría de los capos
debería proporcionar una curva muy parecida a la dibujada por un ‘flexicurve’.
Como introducción al método considere tres puntos (x1,y1), (x2,y2), y (x3,y3) como se
muestra en al figura A1.1
Figura A1.1: Tres puntos unidos por dos secciones cúbicas
360
Apéndice 1: Funciones Spline Cúbicas
Par unir los tres puntos por medio de dos secciones cúbicas, se debe observar la
continuidad, derivada y segunda derivada de la función a través del límite. Se requieren
ocho coeficientes para describir los dos cúbicos como sigue:
y = ax3 + bx 2 + cx + d para x entre x1 y x 2

y
y = ax3 + bx 2 + cx + d para x entre x 2 y x 3
Para determinar estos coeficientes la función debe pasar a través de los tres puntos con
continuidad de las primera y segunda derivada a través de (x2,y2).
Pasar a través de cada punto requiere que:
y1 = ax13 + bx12 + cx1 + d (A1.1)

3 2
y2 = ax + bx + cx2 + d
2 2 (A1.2)
3 2
y2 = ex + fx + gx2 + h
2 2 (A1.3)
y
y3 = ex33 + fx32 + gx3 + h (A1.4)
La continuidad de la primera derivada demanda que
3ax22 + 2bx2 + c = 3ex22 +2fx 2 +g (A1.5)
mientras que la continuidad de la segunda derivada demanda
6ax2 + 2b = 6ex2 + 2 f (A1.6)
Como puede verse, hay 8 coeficientes conocidos pero solo 6 ecuaciones. Esto obliga a que
dos coeficientes (grados de libertad) deban ser determinadas de alguna otra manera. Esto se
efectúa generalmente por hedido e las condicione de borde 1.e. especificando aguan
propiedad del cúbico en los dos extremos. La condición más simple es que la derivada sea
cero en ambos extremos, dando:
6ax1 + 2b = 0 (A1.7)
y
6ax3 + 2 f = 0 (A1.8)
Esto proporciona dos ecuaciones para tener 8 ecuaciones y 8 incógnitas que hay que
resolver para los coeficientes a-h y, en consecuencia, determinar las dos secciones cúbicas
de la función spline.
En teoría, este proceso puede extenderse para cualquier número de puntos (siempre con dos
grados de libertad que deben determinarse por otros medios), para encontrar el spline
361
cúbico a través de dichos puntos. En la práctica, un procedimiento menos engorroso y más

elegante se describe a continuación.
A1.2 Determinación de las Ecuaciones Básicas
El método utilizado sigue a Ahlberg et al (1967).
Considere una malla de N+1 puntos, a = x0, x1,…xN = b, definido en el intervalo [a,b]. Sean
los valores y correspondientes y0,y1,…yN.
Necesitamos una manera de evaluar la función spline S(x) que está compuesta por trozos
cúbicos en cada intervalo, pasa a través de cada punto y es continua en su primera y
segunda derivadas. El método se facilita considerablemente si comenzamos con la primera
o la segunda derivada. Elegimos comenzar con la segunda derivada; Ahlberg repite la
derivación con la primera.
Sea Mj (j=0,1,…,N) el valor de la segunda derivada en xj. Ya que la segunda derivada del
spline en el intervalo [xj-1,xj] es lineal, puede escribirse como:
S "( x) = a j x + b j
para j=1,2,...N, donde a j y b j son independientes de x. En x = x j -1 y x = x j tenemos
M j −1 = a j x j −1 + b y M j = ajxj + b
de manera que
M j − M j −1 M j − M j −1 x j
aj = y bj = M j −
x j − x j −1 x j − x j −1
haciendo
h j = x j − x j −1 (A1.9)
y reordenando obtenemos
xj − x x − x j −1
S "( x) = M j −1 +Mj (A1.10)
hj hj
Integrando al ecuación (A1.10) do veces proporciona dos constantes de integración en la

ecuación S(x); estas aparecen en la forma Cx+D. Las condiciones
S ( x j −1 ) = y j −1 S (x j ) = y j (A1.11)
permiten la integración de estas constantes. Esto conduce a las siguientes ecuaciones para el
spline y su derivada:
362
( x j − x )3 ( x − x j −1 )3  M j −1h 2j   x j − x   M j −1h 2j   x − x j −1 
S ( x) = M j −1 +Mj +  y j −1 −   +  yj −  
6h j 6h j  6   h j   6   h j 

...(A1.12)
( x j − x)2 ( x − x j −1 ) 2  y j − y j −1   M j − M j −1 
S '( x) = − M j −1 +Mj +  −   hj
2h j 2h j  h  6 
 j 
...(A1.13)
Las ecuaciones (A1.10 y (A1.12) garantizan la continuidad de la función S(x) y su segunda

derivada en el intervalo [a,b]. Falta verificar que la primera derivada es continua lo que
proporciona un método para resolver para los valores Mj. La derivación completa escapa al
alcance de este libro y solo se presentan aquí los pasos clave de la solución del sistema de
ecuaciones tri-diagonales resultantes.
A1.3 Solución de las Ecuaciones Básicas
1. El ‘spline natural’ se obtiene estableciendo M0=0 y Mn=0. Además, las condiciones de

borde son:
W0 = X0 = λ0 = µ 0 = d0 = 0 y WN = XN =λN = µ N = dN = 0
2. Calcular todos los valores Wj y Xj comenzando desde j=1, donde:
λj
Wj = (A1.14)
2 − µ jW j −1
y
d j − µ j X j −1
Xj = (A1.15)
2 − µ jW j −1
dado que
h j +1
λj = (A1.16)
h j +1 + h j
µ j = 1− λj (A1.17)
 ( y − y j ) ( y j − y j −1 ) 
6  j +1 + 
 h j −1 hj 
dj = (A1.18)
h j + h j −1
3. Calcular todos los valores Mj de la segunda derivada comenzando en J=N-1, donde
Mj+WjMj+1+Xj = 0 (A1.19)
363
4. Extrapolar linealmente más allá del intervalo [a,b] usando la primera derivada S’(a) y
S’(b) calculada usando la ecuación A1.13, donde
y0 = S’ (x0)x0+C0 A1.20)
y
yN = S’ (xN)xN+CN (A1.21)
Donde S’(x0) y C0 y S’(xn) y Cn son la pendiente y el intercepto de las ecuaciones lineales

en los bordes izquierdo y derecho del intervalo.
5. Calcular el valor de la función S(x) y de la derivada S’(x) en cualquier punto x usando

la ecuación (A1.12) y (A1.13) respectivamente
A1.4 Ejercicio Resuelto
Se midió la siguiente distribución de tamaño en una muestra de overflow del hidrociclón:
Tamaño % que pasa

150 99.3
106 95.6
75 89.3
53 82.5
Se desea recalcular la distribución de overflow en un una serie 2 estándar comenzando

en 45 micrones, es decir, 45, 63, 90, 125 y 180 micrones. Los datos originales y la
información meta se muestran en la Figura A.1.2.
Figura A1.2: Gráfico de los datos de ejemplo para ser interpolada usando splines cúbicos
364
El método recomendado de solución es el siguiente:
a) Transforme los datos de % de overflow que pasa en la variable Rosin-Rammler,
  P 
y j = Ln  − Ln 1 − j   donde Pj es el % pasando a tamaño j.
  100  
b) Establezca las ecuación spline para estos datos usando una escala logarítmica para el
tamaño de partícula, xj=Ln(tamaño) y resuelva estas ecuaciones tri-diagonales para
la segunda derivada Mj como se describió anteriormente. La tabla A1.1 muestra un
resumen de la solución.
Tabla A1.1: Resumen de solución a ecuaciones tri-diagonales para problema de ejemplo
Comenzar
Tamaño Punto Comenzar cálculos en j=1
en j=N-1
(µm) j xj yj hj ij mj Wj dj Xj Mj
5 0 3.970 0.556 0 0 0 0 0 0 0
75 1 4.317 0.804 0.347 0.499 0.501 0.250 2.178 -1.089 0.740
106 2 4.663 1.139 0.346 0.501 0.499 0.267 3.162 -1.396 1.396
150 3 5.011 1.602 0.347 0 0 0 0 0 0
c) Evaluar la función spline en el punto deseado y reconvertir de la variable R-R a %

que pasa.
. Pj = 100 [1-exp (-exp (yj))]
donde los resultados para el problema de ejemplo se muestran en la Tabla A1.12.
Tabla A1.2: Resumen de datos y resultados del ejemplo para interpolación spline
Información Dada Información Requerida

Punto Tam. Ln(tam.) % que Rosin Pendiente Intercepto Tam. Ln(tam.) Rosin % que
(µm) pasa Rammler en xj en xj (µm) Rammler pasa
j xj S(xj) S’(xj)
45 3.81 0.45 79
0 53 3.97 82.5 0.56 0.67 -2.12
63 4.14 0.67 85.9
1 75 4.32 89.3 0.80
90 4.50 0.96 92.8
2 106 4.66 95.6 1.14
125 4.83 1.35 97.9
3 150 5.01 99.3 1.60 1.41 5.48
180 5.19 1.86 99.8
365
APÉNDICE 2
EL EFECTO DE LA VISCOSIDAD DEL SLURRY
SOBRE LA MOLIENDA
Habitualmente los efectos de la viscosidad se consideran, teóricamente, en términos de

transporte a través del molino y el movimiento de la carga del molino. Moys (1989), por
ejemplo, ha demostrado que la viscosidad es un factor importante en el control del hold-up
del molino y de la descarga a través de la parrilla (ver también la Sección 7.4.3), y
Fuerstenau et al (1990) demostró como afecta la viscosidad al movimiento de la carga de
bolas y por ende al consumo de energía.
Sin embargo, fue Klimpel quien por primera vez proporcionó una explicación racional de
los efectos del tipo reológico del slurry, sobe el rendimiento de los molinos de bola y los
dispositivos de reducción de tamaño, basado en investigación de escala industrial y de
laboratorio efectuada en los 1970s y 1980s (e.g. Klimpel 1982, 1983). Estudios recientes de
escala industrial efectuados por JKRMC (Shi 1994), han confirmado algunas de estas
observaciones y ampliado nuestro entendimiento de los efectos.
La reología es el estudio de la deformación y flujo. Para apreciar porqué la reología del

slurry es importante para el rendimiento del molino es necesario entender dos cosas:
1. La viscosidad (o resistencia al flujo) tiene una dependencia no lineal respecto de los

sólidos de concentración o densidad del slurry. La Figura A2.1 ilustra este efecto.
2. Los slurries exhiben muchas características reológicas diferentes, dependiendo de la

concentración de sólidos predominante, distribución de tamaño de partícula, forma de
partícula y condiciones físico-químicas. La Figura A.2.2 muestra los principales tipos
reológicos ideales encontrados, representados por una tasa de corte – curva de esfuerzo
de corte o curva de flujo (determinado por un viscómetro adecuado); la viscosidad es el
radio local del esfuerzo de corte a tasa de corte y varía con la tasa de corte para todos
los slurries, con excepción de los Newtonianos
366
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
Figura A2.1: Relación entre viscosidad aparente y densidad de slurry (concentración de sólidos)
para un metal base típico después de molienda
Figura A2.2: Curvas de flujo para tipos reológicos ideales
367
La Figura A2.3 (Shi 1994) muestra como la característica reológica de un slurry en

particular (originándose en un tipo de mineral en un concentrador individual de metal base),
puede variar sobre un amplio rango de reologías, de dilatante a seudo plástico, con y sin
una tensión de fluencia, como función solamente de la concentración de sólidos y tamaño
de partícula. Dicho rango de slurries puede encontrarse fácilmente en distintas secciones de
un concentrador individual incorporando, por ejemplo, molienda primaria, secundaria y
terciaria, además de remolienda en una planta de flotación aguas abajo.
Figura A2.3 Curvas de flujo típicas para un mineral de metal base después de molienda, como una
función de tamaño de partícula y concentración de sólidos, mostrando el amplio rango de tipos
reológicos que se encuentran bajo distintas condiciones
368
En la Figura A2.4 se ilustran las tendencias observadas por Klimpel.
Estas pueden resumirse como sigue:
• En la región normal de baja densidad, baja viscosidad (Región A en la Figura A2.4), no

hay variación en la producción del molino con la viscosidad del slurry,
• A una mayor viscosidad (Región B), inducida por medio de aumentar la densidad del
slurry y/o contenido de finos, mejora la molienda.
• Una viscosidad excesiva (Región C) disminuye la producción.
Figura A2.4: Producción neta y viscosidad, como función del porcentaje de sólidos, en pruebas de
molienda por lote ejecutadas bajo tiempo de molienda y condiciones de alimentación constantes
Como explicación para estas tendencias, Klimpel propuso que a bajas densidades la
mayoría de los slurries de carbón y minerales (menos de 40-45% v/v para distribución de
tamaño normal) son dilatantes en carácter y que bajo estas condiciones la rotura es de
primer orden (Región A en al Figura a2.4), lo que representa el comportamiento normal de
la industria. Aumentar la concentración de sólidos induce un comportamiento seudo
plástico, el cual, en ausencia de esfuerzo de fluencia, produce una rotura de primer orden
con mayores tasas de rotura que con slurries dilatantes (Regiones B y B’); esto representa la
práctica de molienda más eficiente. A medida que la concentración de sólidos aumenta aun
369
más (o presumiblemente la finura de las partículas), el esfuerzo de fluencia resultante

conduce a rotura indeseable no de primer orden, con la consiguiente reducción en las tasa
de rotura (Regiones C y C’).
(Klimpel sugirió también, que era posible mejorar la molienda controlando la reología con
aditivos químicos (ver las curvas ‘con químicos’ en la Figura A2.4). Aunque el y sus
colegas y muchos otros investigadores han demostrado efectos muy beneficiosos en
aplicaciones específicas, especialmente a escala de laboratorio, estos efectos rara vez han
sido sustentados en la molienda húmeda industrial de mineral.
La cuestión sobre si la molienda normal es realmente de primer orden es un punto

discutible ya que, las observaciones experimentales son una amalgama de muchos efectos
complejos incluyendo, cambios aparentes en la ‘dureza’ con el tamaño y el transporte de
partículas dentro y fuera de las zonas de rotura, lo que probablemente está relacionado con
al viscosidad.
No obstante, investigaciones recientes en JKMRC (Shi 1994), basadas en extensos estudios

de planta en varios sitios, en los cuales se midió la reología del slurry con un viscómetro en
línea, han confirmado y extendido el conocimiento cualitativo de Klimpel de estos efectos
reológicos. También se desarrolló un modelo que permite predecir la reología de slurries
específicos como función de la concentración de sólidos, distribución de tamaño de
partícula y temperatura (Shi y Napier-Munn 1966). Shi demostró, utilizando sencillos
modelos de simulación basados en los estudios de planta, que para la molienda de los tipos
de slurry cuyas propiedades reológicas se muestran en la Figura A.2.2, el rendimiento de
molienda depende de una manera compleja de la reología del slurry de descarga.
Las flechas en al Figura A2.1 muestran la dirección y magnitud relativa del efecto de
aumentar la viscosidad, densidad, alimentación de finos y tonelaje de alimentación sobre el
‘índice de molienda’ como una función del tipo reológico (el índice de molienda se definió
como la producción relativa de alimentación nueva). El análisis está simplificado en el
sentido que viscosidad, densidad y finos, estando fuertemente correlacionados, se
consideran aquí como independientes, pero la conclusión es clara: la magnitud, e incluso en
ocasiones la dirección de los efectos, son fuertemente dependientes de la reología. Por
ejemplo, un aumento en el tonelaje de alimentación siempre reducirá el índice de molienda
pero el efecto es menor para slurries seudo plásticos y de baja tensión de fluencia;
normalmente, un aumento de la viscosidad mejorará el índice de molienda, excepto en el
caso de slurries de alta tensión de fluencia y dilatantes; aumentar los finos aumenta la
molienda para seudo plásticos pero la disminuye para slurries dilatantes.
Estas tendencias se ajustan marcadamente a las observaciones de Klimpel pero se

extienden, en términos de los cuatro tipos reológicos identificados y las distintas variables
disponibles para influenciar la molienda. Se debe tener cuidado en la interpretación de los
efectos de las tres variables de slurry en la Tabla A2.1. Por ejemplo, ‘aumentar la
viscosidad’ significa que se aumentará la viscosidad independientemente de otros factores.
En consecuencia, si se esta tratando con un slurry seudo plástico de alta tensión de fluencia,
aumentar la viscosidad parece conducir a un pequeño mejora en el rendimiento, pero las
370
flechas en al columna final de la Tabla A2.1 sugieren que esto debiera efectuarse reciclando
finos del clasificador en vez de aumentando la densidad del slurry.
Tabla A2.1: Los efectos relativos sobre el índice de molienda del aumento de la viscosidad,
densidad, finos de alimentación y tonelaje de alimentación como función del tipo reológico: las
flechas indican dirección y magnitud o efecto relativo (a lo largo de la hilera) (según Shi, 1994)
Quizás la conclusión más importante de este trabajo es que las tendencias son complejas y
si se hacen intentos para optimizar el rendimiento del molino, por medio de manipular estas
variables, ayuda el entender primero la reología predominante. También parece probable
que algunos de los fenómenos inesperados y contrarios a la intuición, que se encuentran
ocasionalmente en la práctica de la molienda, pueden atribuirse a las vaguedades de la
reología del slurry.
371
APÉNDICE 3
MEDICIÓN Y REPRESENTACIÓN DE LAS
DISTRIBUCIONES DE TAMAÑO
A1.5 Medición del Tamaño de Partícula en Minas y Plantas
Aunque el objetivo último de un circuito de trituración específico puede ser liberar los
constituyentes de un mineral o promover la manejabilidad, su rendimiento será expresado
normalmente en términos de reducción de tamaño. Es necesario, en consecuencia, medir las
distribuciones de tamaño de la alimentación hacía el circuito y del producto desde el
circuito y, en ocasiones, de las corrientes intermedias en el circuito, para evaluar el
rendimiento. En el Capítulo 5 se discuten los procedimientos en el estudio de un circuito
para obtener muestras para análisis de tamaño. En esta sección, consideramos los métodos
disponibles para determinar la distribución de tamaño de las muestras, tanto en línea como
fuera de línea.
Fragmentación- Midiendo y Controlando la Distribución de Tamaño ROM
La reducción de tamaño comienza en la mina con la fragmentación del mineral o carbón

por medio de voladura o corte y degradación en el manejo. Una creciente conciencia de los
beneficios de controlar la fragmentación en la mina, de manera de optimizar las
operaciones aguas abajo (como la trituración), a popularizado un poco la medición,
predicción y control de fragmentación. Kojovic et al (1995), por ejemplo, demostró
experimentalmente en una cantera que era posible obtener importantes beneficios
económicos en el manejo y chancado, modificando la práctica de voladura a un bajo costo
marginal. McKee et al (1995) demostró, por medio de simulación, que era posible obtener
grandes aumentos en la capacidad de molienda SAG modificando la fragmentación de la
alimentación. Sin embargo, la práctica del control de fragmentación en un sentido holístico
está aún en su infancia, aunque la investigación sobre el desarrollo de técnicas apropiadas
lleva ya algunos años. Parte de este trabajo se analiza en el volumen que acompaña a esta
monografía (Scout ed. 1996)
La fragmentación o distribución de tamaño de un producto de voladura de roca puede

evaluarse de dos maneras:
1. Como un muckpile antes de la excavación y chancado primario: esto se efectúa a partir

de imágenes de la superficie del muckpile, obtenidas fotográfica o electrónicamente y
analizando la imagen apropiadamente.
372
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
2. En una correa que alimenta a un chancador primario o secundario: esto puede lograrse
usando uno o varios dispositivos de escáner óptico/láser, en correa, diseñados en años
recientes.
Sin embargo, ninguna de estas técnicas es de uso común debido tanto a la dificultad para
obtener una medición confiable y con sentido y, porque aun no se han adoptado
metodologías para utilizar la medición en la practica industrial de rutina. En la Sección
5.4.2 se analiza un útil procedimiento para evaluar la distribución de tamaño de una
alimentación de chancador o molino AG/SAG ( que puede confinarse a ROM).
El análisis de la imagen de un muckpile es difícil, debido a problemas en la segmentación

de la imagen (saber donde están los límites entre partículas adyacentes) y al hecho que las
partículas visibles en la superficie del muckpile no son necesariamente representativas del
lote completo. Un problema similar se evidencia con las partículas visibles en una correa
transportadora – mucho del material yace bajo al superficie y no es accesible al equipo de
imágenes.
Los métodos ópticos, para medir en línea el tamaño de partícula en las correas, existen hace
alrededor de 20 años (Gallagher 1976), pero pocos han sido desarrollados comercialmente
y aun menos utilizados en al industria. Un sistema actualmente en prueba, SIROSIZE
(Cheung and Ord 1990) mide el tamaño de las partículas observando la distorsión de un
plano de luz láser a medida que intersecta las partículas superficiales en la correa. Para
estimar la distribución de tamaño se analizan estadísticamente las cuerdas resultantes. Se ha
desarrollado una derivación de este sistema, SIROFRAG (Poniewierski et al 1995) para
medición de tamaño de muckpile.
El análisis de imágenes de partículas segmentadas es una tarea compleja y sofisticada,

dificultada por los problemas estadísticos evidentes en el muestreo de corriente de
partículas gruesas o lotes, especialmente cuando la mayor parte del material es inaccesible.
Sin embargo, existen pocas dudas de que se desarrollarán sistema robustos, los que podrán
jugar un rol en la optimización de circuitos de trituración por medio de la evaluación
confiable de la distribución de tamaño de alimentación directa de mina (ROM), producto de
chancado primario y, ciertamente, chancado aguas abajo y corrientes de circuitos de molino
AG/SAG.
Analizadores en Línea del Tamaño de Partícula de Slurry
Se han aplicado muchos principios a la medición continua en línea del tamaño de partícula
en slurries con distinto éxito. En particular, dos instrumentos han encontrado amplio uso
comercial en años recientes.
El sistema Multipoint PSM-400 fabricado por Svedala (Figura A3.1) es la última versión de
un instrumento introducido en 1971. La medición se basa en la atenuación de ultrasonido
en el slurry. Una muestra desaireada de slurry se presenta a dos pares de sensores, cada uno
constituido por un transmisor y un receptor ultrasónico. Mientras más grueso sea el tamaño
de partícula y mayor la concentración de sólidos, mayor será la atenuación. Los dos pares
de sensores permiten que estos dos efectos sean desacoplados y el instrumento proporciona
373
una lectura tanto del tamaño de partícula como del porcentaje de sólidos; los primeros
modelos proporcionaban una sola indicación de tamaño (%-75µm2 era un selección
habitual), pero las últimas versiones proporcionan hasta 5 salidas de tamaño. El instrumento
requiere de calibración respecto de un slurry de distribución de tamaño conocido.
El Outokumpu PSI-200 (Figura A3.2) también requiere de calibración usando análisis de

harnero estándar, pero el principio de medición es completamente distinto. A medida que
fluye el slurry a través del instrumento, se miden las partículas individuales por medio de
un sensor de calibración recíproco que convierte cada medición en una señal electrónica. Se
entregan dos tamaños de partícula.
Figura A3.1: El analizador de tamaño de partícula Figura A3.2: El analizador de tamaño de partícula
en línea Svedala PSM-400 en línea Outokumpu PSM-400
2
En la Tabla A3.1 se proporciona una tabla de conversión para micrones y tamaños de malla.
374
Una aplicación típica para dichos dispositivos es la clasificación de overflows (Figuras 12.1
b y c). Ya que normalmente este es un producto de circuito de molienda, sus propiedades de
tamaño son críticas y la medición en dicho punto permite de algún modo estabilizar u
optimizar el control del circuito de molienda (automático o manual) que se implementará.
Al igual que para todos los instrumentos en línea, la selección y presentación de la muestra
es crítica para el éxito de la medición. La muestra debe ser representativa de las corrientes
de proceso y sus características, adecuadas para los requerimientos del instrumento. El
costo del instrumento y la importancia de sus lecturas para la optimización y rendimiento
económico del circuito de molienda, justifica el gran cuidado en la obtención de la muestra.
Una alternativa a un instrumento físico es un instrumento virtual o ‘sensor blando’. Un

sensor blando es esencialmente un algoritmo o modelo que predice la cantidad de interés
(e.g. tamaño de partícula), a partir de variables que pueden ser medidas con más facilidad
(e.g. tasa de flujo y densidad de slurry). Ejemplo son los modelos de clasificación empírica
analizados anteriormente en este capítulo. Dichos modelos fueron extensamente usados por
Lynch y sus colegas (Lynch 1977) y continúan en uso actualmente (Morrison y Freeman
1990); González y Meyer 1990). Una desventaja de los sensores blandos es que los
parámetros del modelo variarán a menudo con el tiempo o las condiciones (e.g. tipo de
mineral) y las predicciones se degradaran con ello. Es necesario, en consecuencia,
actualizar o calibrar regularmente los parámetros. Esto se puede hacer incorporando
modelos de series de tiempo adecuados (Espinoza et al 1995) y usando técnicas de cluster
para identificar agrupaciones de datos para estimación de parámetros de modelo (Ginsberg
y Whiten 1992)
A1.6 Medición del Tamaño de Partícula en Laboratorio
En la mayoría de los casos, el rendimiento de un dispositivo de reducción de tamaño se

determina muestreando su alimentación y producto(s) bajo condiciones de estado de
equilibrio y determinando en laboratorio la distribución de tamaño de los sólidos
muestreados. Existen muchas técnicas para el análisis de tamaño; Wills (1992) ofrece una
buena explicación de estos y Allen (1996) cubre el tema en profundidad. A continuación se
presenta un breve resumen y comentario de los métodos apropiados.
Tamices de Prueba
El harneado con tamices de alambre tejido de abertura cuadrada (o en ocasiones planchas

perforadas) es aun el método mas generalizado para determinar la distribución de tamaño
de sólidos particulados en el procesamiento de mineral; Para los tamaños más gruesos es
básicamente el único método. Existen varios estándares regulando los procedimientos para
el uso de tamices, e.g.
• AS 1141.11 (1980) Distribución de tamaño por tamizado seco (para aplicaciones de

cantera)
• AS 3881 (1991) Carbón de mayor rango: análisis de tamaño
375
• ISO 2591-1 (1988) Métodos utilizando tamices de prueba de alambre tejido, tela y
planchas metálicas perforadas (también AS 3638 (1993))
• BS 1796 (1976) Tamizado de prueba
El limite de tamaño mínimo práctico, para tamizado en los tamices estándar (200mm de
diámetro) es normalmente 45 o 38µm, aunque puede usarse una abertura de 20µm. Hay
disponibles micro tamices a 5µm, aunque obtener resultados confiables con estos es un
proceso difícil y tedioso. Su ventaja es que pueden proporcionar un fracción dimensionada
para ensayos posteriores, sin las complicaciones de sensitividad a la densidad de lo métodos
hidrodinámicos, tales como el cyclosiser (ver abajo). Generalmente se usa tamizado
húmedo para los tamaños más finos (digamos < 1mm) y tamizado seco para tamaños más
gruesos.
Ya que los tamices de alambre tejido presentan una abertura cuadrada al material
dimensionado, ‘tamaño’, en este caso, se define como el diámetro del área proyectada de la
partícula en su plano de mayor estabilidad, d A = 4a / π , donde dA es el diámetro de un
círculo con un área igual al área proyectada de la partícula, A. En la práctica, esto significa
la mayor dimensión de la partícula cuando yace ‘plana’ sobre la superficie de tamizado. En
consecuencia, las partículas aguzadas de longitud x pueden parecer tener durante el
tamizado’ un tamaño’ similar a la de partícula planas de diámetro x.
La mayoría de las series de tamices se basan en un progresión geométrica, normalmente

4
2 (= 1.189). Esto proporciona intervalos uniformemente espaciados en una escala log log
que facilita la presentación gráfica de las distribuciones de tamaño (ver Sección A3.3). En
la mayoría de los casos, tamiz por medio (i.e. un radio 2 = 1.414) proporciona la
resolución adecuada. Para las series 2 , la abertura se duplica en cada intervalo.
La Tabla A3.3 proporciona la serie de tamaños de abertura para tamices de alambre tejido
reconocida por varias autoridades de estándares.
El Cyclosizer
El ciclosizer fue desarrollado como un dimensionador sub-tamiz por CSIRO a comienzos

de los 1960s (Kelsall y McAdam 1963) y comercializado posteriormente por Warman. Está
compuesto por una secuencia de cinco hidrociclones invertidos de 75mm de diámetro de
diámetro de vortex finder decreciente, siendo cada vortex finder la alimentación del
siguiente ciclón (Figura A3.3). Alrededor de 10-50 g de sólido son hechos pulpa con agua y
alimentados lentamente a través del tren del ciclón desde un contenedor de muestra. Cada
ciclón corta a un tamaño determinado siendo los tamaños de corte nominal para cuarzo (RD
2.65), para los ciclones 1-5, 44, 33, 23, 15 y 11µm respectivamente (los tamaños de corte
reales se calibran en fábrica). El material mas grueso que el corte del ciclón es recogido en
la cámara de ápex apropiada, desde la cual puede ser recuperada y pesada al final del
proceso de dimensionado. El overflow del ciclón 5 se pierde como desecho aunque puede
ser recogido y , en algunos casos, procesado en una pequeña centrífuga para generar una
fracción CS6.
376
Figura A3.3; Diagrama del ciclosizer Warman
El ciclosizer es un elutriador que asume que la Ley de Stoke se aplica a la sedimentación de

partículas en los ciclones, de donde es posible definir el diámetro de Stoke:
18η v
d ST = (A3.1)
g ( ρ s − ρ1 )
donde η = viscosidad del agua

v = tasa de sedimentación no entorpecida (definida por las condiciones
operativas, tasa de flujo particular y diámetro VF)
ρs = densidad de sólidos
ρs = densidad del agua
g = aceleración de gravedad
A continuación se modifica el tamaño de corte real en cada ciclón por medio de una serie
de factores de corrección:
da = di·f1·f2·f3·f4 (A3.2)
donde di es el tamaño de corte nominal del ciclón i, f1, f2, f3, f4 son los factores de
corrección, proporcionados por el manual, para la temperatura del agua (i.e. viscosidad),
densidad de partícula, tasa de flujo y tiempo de elutriación (basado en la ecuación A3.1).
377
Tabla A3.1: Abertura y tamaños de malla para varias series de tamices de prueba de alambre tejido
378
El cyclosizer es un dispositivo muy efectivo para dimensionado sub-tamiz, si se toman las

precauciones apropiadas; una falla común es usar tamaños de muestra que exceden la
capacidad de las cámaras de ápex correspondientes para mantener el producto grueso.
Tiene la ventaja adicional de producir una serie de fracciones dimensionadas, que pueden
ser sometidas a análisis posterior (e.g. para contenido de metal). Al igual que para cualquier
dispositivo basado en principios hidrodinámicos, la forma de la partícula jugará un rol
fundamental, aunque para materiales de forma regular y homogéneos, el ciclosizer obtendrá
resultados similares al de los de sistemas no-hidrodinámicos, tales como los tamices y el
Contador Coulter (Napier-Munn 1985).
En los circuitos de trituración, la densidad de la partícula es una propiedad crítica debido a

que a medida que el material se libera, las partículas pueden contener partículas de similar
tamaño físico pero con un mayor rango de densidades (liberado, no liberado y compuestos),
los que se separan a diferentes tamaños en el ciclosizer. La galena, por ejemplo, cortará a
alrededor de la mitad del tamaño al que corta el cuarzo. El cyclosizer asigna correctamente
partículas de diferente densidad, una vez que se ha considerado la corrección de densidad
(Restarick y Gottlieb 1991), pero se debe tener cuidado en la interpretación de los
resultados para mezclas de mineral, en especial cuando se analizan productos de
hidrociclón (Sección 12.4.4); la interpretación puede apoyarse con ensayos.
Instrumentos de Difracción Láser
En años recientes, se han desarrollado instrumentos basados en la difracción de luz láser

por partículas finas incluyendo el Malvern MasterSizer y el Northrup Microtrac. El
principio se ilustra en la Figura A3.4. Se hace pasar la luz láser a través de una suspensión
diluida de partículas, las cuales circulan a través de una celda óptica. La luz es dispersada
por las partículas y detectada por un detector de estado sólido que mide la intensidad de la
luz sobre un amplio rango de ángulos. Se usa una teoría de dispersión de la luz para
calcular la distribución de tamaño de partícula a partir del patrón de distribución de luz, con
las partículas finas indicando una mayor dispersión que las gruesas. El primer instrumento
utilizaba la teoría de Fraunhofer, la cual es adecuada para partículas más gruesas en el
rango 1-2000µm (siendo el límite superior impuesto principalmente por restricciones
mecánicas). Más recientemente, se ha utilizado al teoría de Mie para extender la capacidad
hasta 0.1µm. Algunos instrumentos modernos ofrecen ambas opciones, o una combinación,
para cubrir un amplio rango de tamaños.
Los instrumentos de difracción láser son rápidos, fáciles de usar y proporcionan resultados
reproducibles. Sin embargo, la teoría de dispersión de la luz no proporciona una definición
de tamaño que sea compatible con otros métodos como el tamizado. En la mayoría de las
aplicaciones de procesamiento de mineral, por ejemplo, las distribuciones de tamaño de
difracción láser tienden a parecer más gruesas que aquellas de otros métodos. Austin y
Shah (1983) han propuesto una conversión simple que puede desarrollarse por regresión
para materiales de características consistentes. Además, los resultados pueden depender de
las índices de refracción relativos de las partículas sólidas y el medio líquido (normalmente,
aunque no necesariamente, agua), e incluso de la forma de la partícula. Kaye (1989) ha
analizado algunos de estos problemas en términos de las propiedades fractales de las
379
partículas. La mayor parte de los instrumentos aseguran compensar dichos efectos u ofrecer
al usuario entradas para calibración.
Figura A3.4: El principio del instrumento de difracción láser
Por estas razones, los analizadores de difracción láser deben ser usados con precaución.
Para análisis rutinarios de alto volumen, en un ambiente fijo en el cual solo se requiere
detectar los cambios en la distribución de tamaño, probablemente no tienen igual. Para
comparaciones a través de varios ambientes o materiales o con datos obtenidos por otros
métodos, es necesario ejercer extremo cuidado en la interpretación de los datos. Estos
instrumentos no proporcionan, por supuesto, muestras fraccionadas para análisis posterior.
Otros Métodos
Existen muchos otros métodos de dimensionado de partículas finas (Wills 1992, Allen
1996) pero no son usados ampliamente en aplicaciones de trituración. El Contador Coulter
mide las partículas fundamentalmente por volumen, proporcionando una distribución por
diámetro esférico equivalente. La medición es, en consecuencia, independiente de la
densidad, forma (excepto en casos extremos) y obviamente propiedades ópticas y, por estos
motivos, puede ser más útil que algunos otros principios de medición. Existen varios
métodos de dimensionado de sub-tamizado basados en la sedimentación en agua, siendo el
más sencillo la decantación por precipitación. Esto involucra asentamiento repetitivo y
ciclos de re-pulpa en un gran precipitador para producir fracciones con tamaños limitados,
determinados por los tiempos de asentamiento; se requieren varias repeticiones para cada
tamaño para lograr una eficiencia de separación satisfactoria. El método es tedioso pero
requiere solamente de un aparato simple y puede producir muestras fraccionadas para
análisis posterior. En todos los métodos húmedos puede ser necesario utilizar agentes
humectantes y/o dispersadores para garantizar que las partículas se dispersen
adecuadamente.
380
Actualmente se han generalizado los sistemas de análisis de imagen utilizando analizadores

ópticos de imagen o microscopios electrónicos, incluyendo algunos sistemas ópticos de
escritorio bastante baratos. Estos sistemas incorporan algoritmos que pueden determinar
rápidamente el tamaño (definido de varias maneras) de un gran número de partículas
segmentadas (separadas) en el campo de visión. Esto puede parecer el último árbitro
respecto al tamaño de distribución ‘verdadero’, pero incluso en este caso existen problemas
que considerar. Al igual que con los tamices, las partículas tenderán a yacer en su plano de
mayor estabilidad a menos que se tenga cuidado en orientarlos aleatoriamente en un medio
y, en consecuencia, presentarán su diámetro de área proyectada ‘plana’. Las partículas
necesitan estar completamente dispersas y separadas en el campo de visión. Si existe un
amplio rango de tamaño, habrá problemas con la profundidad del foco y puede ser
necesario analizar separadamente varios planos focales o pre dimensionar las partículas, lo
que puede anular el objeto del ejercicio. Sin embargo, es posible utilizar cuidadosamente el
análisis de partícula como un chequeo de las otras técnicas.
Medición del Tamaño de Partícula – una Advertencia Final
Ya que el rendimiento de los circuitos de trituración es mejor evaluado por medio de

análisis de tamaño de partícula, es importante verificar que el análisis sea ejecutado lo más
cuidadosamente posible. El proceso analítico a menudo parece simple, pero está lleno de
trampas para el incauto y normalmente es pobremente ejecutado. En consecuencia, los
errores en el resultado final están dominados por problemas analíticos más que por el error
fundamental – ver Sección 5.2.1 y 5.2.2 – y por consiguiente, la estimación del rendimiento
del circuito de trituración se ve comprometida.
Algunos problemas comunes que se deben prever y evitar incluyen lo siguiente:
• Harneros desgastados, especialmente harneros finos, generando aberturas más grandes

y la correspondiente sobre estimación de la finura.
• Tiempos de harneado inadecuado, conduciendo a la sobre estimación de los gruesos.
• Inadecuada dispersión en métodos de dimensionado húmedo. Los instrumentos de

difracción láser tienen a veces transductores ultrasónicos o bobinas desmagnetizadoras
incorporadas para ayudar a una adecuada dispersión, pero para materiales muy finos en
los cuales los efectos físico químicos pueden ser fuertes, es importante efectuar pruebas
para detectar cualquier efecto de dispersión o aglomeración dependiente del tiempo. En
la mayoría de los métodos húmedos son a menudo deseables agentes de dispersión y
humectantes, especialmente en técnicas de elutriación y sedimentación.
• Errores de calibración. Instrumentos como los dispositivos de difracción láser, el

cyclosizer y el Contador Coulter requieren de calibración adecuada, configuración de
variables de entorno o la selección adecuada de factores de corrección.
• Pobre reproducibilidad. Es fundamental que, al momento de adoptar un nuevo método

de dimensionado o aplicar un método de dimensionado específico a un nuevo mineral o
381
corriente de proceso, se ejecuten varias replicaciones para garantizar que el método es

adecuadamente reproducible en el material en cuestión.
• Tamaño de muestra. El problema general del tamaño de la muestra se discute en la

Sección 5.2.2. Algunos de los sistemas instrumentales, como los dispositivos de
difracción láser y el Contador Coulter, requieren de muestras muy pequeñas de solo
unos pocos gramos o menos. En dichos casos extremos, se debe tener cuidado en
verificar que la muestra es representativa.
• Diferentes principios de medición. Es evidente de la discusión previa, que diferentes

métodos de dimensionado, basados en distintos principios, tenderán a entregar
resultados diferentes. Estas diferencias pueden ser pequeñas o insignificantes para
esferas de densidad única (Napier-Munn 1985), pero para materiales finos,
heterogéneos (la norma) pueden ser muy grandes. La Figura A3.5 muestra la
distribución de tamaño de una alimentación de flotación de metal base, molido y
harneado para remover todo el material -38µm, determinado por cinco métodos de sub-
tamizado distinto: micro tamices de abertura cuadrada, cyclosizer, Contador Coulter,
láser Microtrac y análisis de imagen óptica.
Figura A3.5: Distribución de tamaño de una muestra de -38µm determinada por cinco métodos
diferentes
Aunque cada método demostró ser internamente reproducible, las diferencias entre ellos
son obvias. Las razones no se comprenden completamente pero es casi seguro que la
forma y densidad de las partículas juegan un rol (las curvas estaban mucho más
cercanas entre si para mediciones similares, en un material de cuarzo homogéneo).En
consecuencia se debe verificar, al momento de seleccionar métodos de dimensionado
382
para un laboratorio de planta o para un ejercicio de muestreo específico, que se han

considerado y entendido las implicancias de la elección. Es particularmente importante,
en caso que se vayan a hacer comparaciones con otros conjuntos de datos, que se haga
sobre la base de métodos de comparación consistentes – comparando manzanas con
manzanas. Cuando se invocan los modelos de clasificación y harneado discutidos en las
Secciones 12.3 - 12.5; el usuario debe verificar que el ajuste de las constantes empíricas
y la aplicación de los modelos a la predicción y optimización del rendimiento, se haga
sobre la base de métodos de dimensionado consistentes. No se puede usar un modelo
desarrollado utilizando análisis de tamiz y luego probar sus predicciones usando un
instrumento láser, sin primero integrar o reconciliar ambos métodos.
En algunos casos, cuando las distribuciones de tamaño tienen un buen comportamiento

(e.g. de líneas paralelas o gráficos log-log) es legítimo utilizar factores de corrección
(e.g. radios de P80s) para corregir una técnica para otra. Estos métodos se usan
normalmente, por ejemplo, para garantizar que los datos de sub-tamizado del cyclosizer
caigan en una curva contigua con tamizado (Weller 1996). Sin embargo, dichos
procedimientos deben utilizarse con precaución.
A1.7 Representación de las Distribuciones de Tamaño de Partícula
La distribución de partículas en corrientes de circuito de trituración se representan

invariablemente como la proporción o porcentaje en masa de material que yace en una
secuencia específica de intervalos, siendo los límites de cada intervalo definidos por el
método de dimensionado utilizado (Sección A3.2). En el caso de los tamices, por ejemplo,
los tamaños límite son las aberturas del tamiz y la proporción de material, en cada intervalo
de tamaño, es determinada por pesado.
La Tabla A3.2 entrega los datos de dimensionado para un producto de chancador, producto
de molino AG y un overflow de hidrociclón. Se utilizaron tamices para dimensionar el
material. La fracción de sub-tamizado del overflow del hidrociclón (-38µm) fue
dimensionada con un cyclosizer y corregida para la fracción -38 µm (i.e, un 7.2% de la
alimentación del cyclosizer reportaba a la fracción CS1; como un 52.9% del material total
era -38 µm, representando la alimentación del cyclosizer, entonces (7.2x52.9)/100=3.8% de
material total se calculó como yaciendo en la fracción -38+35µm, etc.).
Las distribuciones de tamaño (o gradaciones como se conoce en la industria de cantera), se

presentan a menudo gráficamente como una manera conveniente y poderosa de presentar
rápidamente las características principales de la distribución (P80, P50, ancho, etc.), y
comparar las distribuciones de distintas muestras. Lo forma de presentación más común es
el peso acumulado que pasa cada tamaño vs tamaño (o su imagen especular, el porcentaje
de peso acumulado retenido). Estas curvas se grafican a menudo en ejes log-log o log-
lineal para acomodar el amplio rango de tamaños que se presentan normalmente (no es
infrecuente dos órdenes de magnitud) y, como el espaciamiento entre dos tamaños
adyacentes para intervalos de tamaño 2 es aproximadamente igual, facilita las
comparaciones visuales. La Figura A3.6 muestra los datos de acumulado que pasa del
chancador de la Tabla A3.2, graficado en escalas log-lineal.
383
Tabla A3.2: Distribuciones de tamaño medidas de un producto de chancador, producto de molino

AG y overflow de hidrociclón
Producto de Chancador Producto de Molino AG Overflow de Hidrociclón

Tamaño % % peso Tamaño % % peso Tamaño % % peso
(µm) peso acum. (µm) peso acum. (µm) peso acum.
retenido que pasa retenido que pasa retenido que pasa
25.4 0.5 99.5 1180 4.2 95.8 212 2.4 97.6
19.0 5.1 94.4 850 1.6 94.2 150 4.9 92.7
13.2 19.3 75.1 600 3.0 91.2 106 6.3 86.4
9.5 19.9 55.2 425 4.7 86.5 75 10.3 76.1
6.7 18.2 37.0 300 8.5 78.0 53 11.9 64.2
3.35 15.1 21.9 212 10.1 67.9 38 11.3 52.9
2.36 4.5 17.4 150 12.7 55.2 35 3.8 49.1
1.70 3.2 14.2 106 9.4 45.8 25 6.2 42.9
1.18 3.0 11.2 75 9.3 36.5 16 12.2 30.7
-1.18 11.2 - 53 7.3 29.2 12 6.8 23.9
38 5.9 23.3 9 4.4 19.5
-38 23.3 - -9 19.5 -
Totales 100 - - 100 - - 100 -
Figura A3.6: Distribución de tamaño de un producto de chancador (R-R; distribución Rosin-

Rammler. G-S: distribución Gaudin- Schuhmann
384
Es útil, a menudo, representar las distribuciones de tamaño por medio de una función
matemática, con el fin de dibujar una curva uniforme racional a través de los puntos
experimentales o para encapsular la distribución de tamaño en un menor número de
parámetros ajustados, los que pueden utilizarse en otros cálculos como modelado y
simulación. Dos funciones de distribución de tamaño usadas comúnmente son las
ecuaciones Gaudin-Schuhmann y Rosin-Rammler.
Gaudin-Schuhmann (Schuhmann 1940)
m
 x
WP = 100   % (A3.3)
k
donde Wp = % en peso que pasa

x = tamaño
k = módulo de tamaño (tamaño en Wp = 100)
m = modulo de distribución = pendiente del grafico log-log de Wp vs x
Los parámetros k y m pueden determinarse gráficamente o por regresión lineal.
W 
ln  p  = m ln x − m ln k (A3.4)
 100 
Rosin-Rammler (Rosin-Rammler 1933/34)
  x b 
Wr = 100 exp  −    % (A3.5)
  k  
donde Wr = % en peso que pasa

x = tamaño
a = tamaño al cual hay un (100/e)=36.8% de partículas retenidas
b = constante = pendiente del gráfico de ln ln (100/ Wr) vs ln x
Nuevamente los parámetros a y b pueden determinarse gráficamente o por regresión lineal.
 100 
ln ln   = b ln x − b ln a (A3.6)
 Wr 
(hay disponible papeles especiales para gráficos con ejes R-R en los cuales las
distribuciones R-R se graficarán como una línea recta).
385
La Figura A3.6 muestra estas dos funciones ajustadas a los datos del chancador de la Tabla
A3.2. La función G-S es más apropiada para material más grueso, chancado, que ha sido
harneado a algún tamaño máximo; no puede seguir la vuelta en la parte superior de la curva
que existe en muchas distribuciones de tamaño. Se ha determinado que la función R-R,
desarrollada originalmente para carbón, se ajusta muy bien a varias distribuciones de
tamaño. La Figura A3.7 muestra los datos del molino AG e hidrociclón de la Tabla A3.2
con curvas R-R ajustadas – el ajuste es muy bueno con los valores de parámetro:
Molino AG: a = 190.7µm Overflow del hidrociclón: a = 50.5µm

B = 0.820 b = 0.893
Ajustar la distribución R-R, sin embargo, involucra tomar logaritmos dos veces (ecuación
A3.6) y esto oculta una multitud de pecados. En consecuencia se deberá usar con
precaución ya que lo que aparece como un pequeño desajuste en una escala log doble puede
conducir a grandes errores en el cálculo de la distribución de tamaño y flujos de masa
asociados, cuando se utiliza la función.
Figura A3.7: Distribución de una descarga de molino AG y overflow de ciclón con ajuste de curvas
Rosin-Rammler
Las distribuciones de tamaño en el simulador JKSimMet se ingresan y manejan de la forma

tradicional – como porcentajes en intervalos de tamaño discretos – y el usuario no necesita
proporcionar parámetros de función. El simulador interpola las distribuciones de tamaño
usando funciones spline (Apéndice 1) para proporcionar un conjunto completo de
intervalos de 2 para uso del modelo, pero este proceso no requiere de intervención del
usuario. JKSimMet puede graficar las distribuciones de tamaño de cualquier forma
conveniente, incluyendo el porcentaje retenido o pasando y en ejes lineales, log o Rosin-
Rammler.
386
APÉNDICE 4
EL SIMULADOR JKSIMMET Y EL PAQUETE DE
BALANCE DE MASA JKMBAL
14.
A1.8 GENERALIDADES
JKSimMet es un poderoso y amistoso programa de simulación de estado de equilibrio,

basado en más de 25 años de investigación industrial efectuada por el Julius Kruttschnitt
Mineral Research Centre (JKMRC). Corre en la familia de computadores personales
286/386/486/586 Pentium. El paquete contiene modelos robustos y útiles de la mayoría de
las unidades de proceso de trituración y clasificación que se encuentran en las plantas de
procesamiento de mineral. Pensado para el uso de ingenieros de planta sin experiencia en
modelado y computación, JKSimMet ha sido diseñado como una herramienta ‘amistosa
para el usuario’. El usuario puede seleccionar opciones desde menús o listas, construir
diagramas de flujo en la pantalla e ingresar datos vía pantallas tipo ‘planilla electrónica’,
sin la necesidad de habilidades de computación especiales o cualquier pérdida de
flexibilidad.
387
Apéndice 4 - El Simulador JKSimMet y el Paquete de Balance de Masa JKMBal
Una característica de JKSimMet es la fortaleza de sus modelos (analizado en este libro),

combinado con una poderosa estimación de parámetros y capacidades de balance de masa,
pudiendo analizar datos provenientes de un estudio de circuito completo. Una vez que ha
sido ajustado a la planta, el modelo puede ser utilizado para predecir con precisión los
resultados de ajustes operativos o reconfiguraciones del circuito.
JKSimMet está completamente apoyado con documentación, una librería de parámetros,

cursos de capacitación regulares y agencias alrededor del mundo.
Es completamente interactivo y posee capacidad gráfica de alta resolución. La capacidad

gráfica facilita el despliegue de diagramas de flujo detallados de la planta e información
asociada. El ingeniero que utiliza JKSimMet avanza a través de una serie de tareas:
• Construir gráficamente un diagrama de flujo del circuito en la pantalla del computador.
• Asignar características a las distintas unidades y flujos de proceso.
• Simular el flujo de materiales en estado de equilibrio a través de la planta simulada.
• Revisar y presentar los resultados.
Una vez que el circuito ha sido construido, es posible modificar el diagrama de flujo y las
condiciones hasta obtener un diseño satisfactorio o una condición operativa óptima. Los
resultados pueden imprimirse, plotearse, almacenarse en disco fijo o archivar en disco
flexible. La simulación se basa en la capacidad de construir un modelo que sea
representativo del sistema real.
El comportamiento o las características del circuito deben ser similares a las características
del sistema real. Para construir la simulación, el ingeniero debe analizar la planta completa
y desmenuzarla en un número de circuitos de manera tal que los circuitos sean fáciles de
entender e identificar. Luego los circuitos son interconectados para formar el sistema total.
A1.9 ESTRUCTURA DE LA SIMULACIÓN
La construcción del la estructura de simulación es una parte central de JKSimMet. Esta

compuesta por:
Diagrama de flujo – Una representación gráfica de la planta de procesamiento de mineral

completa o una sección componente de dicha planta.
Circuito – Una sección conveniente de un diagrama de flujo de una planta de

procesamiento de mineral, por ejemplo un circuito de molienda. El circuito puede tener
corrientes de recirculación internas. Los circuitos están enlazados entre si para modelar
diagramas de flujo de planta completas.
Unidad – Cualquier tipo de unidad de proceso, tal como un molino de bola o hidrociclón.
El diagrama de flujo del circuito permite al usuario seleccionar una lista completa de tipos
de unidad de proceso y desplegar su representación gráfica (íconos) en la pantalla. Estas
388
unidades son identificadas en el sistema por un nombre. El usuario puede especificar la

orientación (dirección de flujo), escala y posición de las unidades en la pantalla de
diagrama de flujo.
Corriente – Una descripción de cualquier flujo de material. La descripción es usualmente

en términos de tasa de flujo de sólidos, tasa de flujo de agua y distribución de tamaño de
partícula.
Las conexiones de corrientes inter-unidades se hacen por medio de líneas que unen las
unidades. JKSimMet chequea automáticamente que las conexiones de corriente sean
válidas y que las corrientes tienen nombre. En cualquier sistema, los identificadores de
unidad y corriente son únicos. En consecuencia, es posible transferir datos entre
ejecuciones de la simulación y se pueden correr simulaciones del sistema completo usando
la salida de un circuito como alimentación del siguiente, aunque los circuitos combinados
puedan ser muy complejos para caber en una sola pantalla.
Modelos – Los modelos matemáticos de unidades disponibles para simulación en la

Versión 4 (con referencias al volumen actual) incluyen:
Acopio Mol. de rodillo (Cap. 8) Separador Hidrociclón (Cap 12)

Balde Mol. de bola (Cap 9) Chancador (Cap 6) Clasificador de espiral
Sumid.de bomba Mol. AG (Cap 7) Harnero (Cap 12) Clasificador de rastrillo
Sumid. Mol. SAG )Cap 7) Har. HSM (Cap 12) Cambiador de tamaño
Simulación
Una vez que se ha dibujado el circuito, el ingeniero debe suministrar datos en bruto acerca
las operaciones de la unidad y los flujos de corriente de pulpa. Esto se hace escalando a
través de las unidades de proceso y los flujos, uno por uno, agregando datos de circuito y
construyendo una imagen anotada del circuito del proceso en pantalla. Los datos de
corriente pueden ingresarse en una variedad de formatos. Luego de ingresar los datos, el
ingeniero puede revisarlos y corregirlos hasta quedar satisfecho.
Una vez que se han especificado los circuitos y se han ingresado los datos, se puede correr
la simulación. Los resultados de la simulación se almacenan y pueden ser desplegados de
varias maneras
• En forma de resumen en la pantalla de diagrama de flujo
• En detalle vía pantalla de edición de unidades y corrientes
• Ploteado como gráfico en pantalla o impresora
• Impreso en varias formatos de reporte
• Exportado como texto o archivo delimitado.
389
Los dato reportados incluyen:
• Tasas de flujo • Densidades
• Porcentaje de sólidos • Dimensionados completos
Luego de analizar los resultados, es posible alterar el diagrama de flujo, reespecificar los
parámetros de la unidad o los datos de corriente y repetir el proceso de simulación hasta
obtener un resultado satisfactorio.
A1.10 CARACTERÍSTICAS DE JKSIMMET
Es importante comprender lo que JKSimMet puede y no puede hacer. JKSimMet predecirá

el rendimiento de un circuito dentro de las limitaciones de los datos y los modelos
seleccionados. No determinará por si mismo el mejor circuito, las mejores condiciones
operativas o los cambios requeridos para garantizar que el circuito opere eficientemente.
JKSimMet no permite especificar restricciones del proceso.
El Metalurgista de Planta tiene un rol esencial en decidir las condiciones que se simularán y
examinar críticamente las predicciones de la simulación – en otras palabras, ejercer un
juicio de ingeniería.
JKSimMet tiene poderosas capacidades de análisis de datos. Puede utilizarse para encontrar
parámetros óptimos del modelo a partir de datos experimentales (ver sección 5.6.3)
Algunos de los modelos permiten analizar simultáneamente hasta 10 conjuntos de datos de
prueba para desarrollar dependencias de modelo secundario.
JKSimMet también incluye un módulo de balance de masa integrado (ver abajo). Este
módulo puede utilizarse para efectuar balance de masa de cualquier dato auto consistente,
e.g. ensayos o minerales o tamaños – para producir ajustes de mínimos cuadrados de tasas
de flujo y datos auto consistentes ajustados.
A1.11 BALANCE DE MASA (ver también la Sección 5.6.2)
JKBal es un programa de balance de masa amistoso. Está disponible como programa

independiente o como módulo de JKSimMet y usa la misma estructura de diagrama de flujo
e interfase que JKSimMet.
JKMBal puede efectuar balances de masa basados en tamaño, en circuitos con dispositivos
de trituración. El usuario puede, en forma alternativa, definir hasta 30 componentes con
nombre. La precisión de los datos puede especificarse para cualquier ensayo o tasa de flujo.
El programa proporciona estimaciones de todas las tasa de flujo con precisiones o un
conjunto ajustable de datos consistentes. Los resultados pueden presentarse gráficamente o
vía un resumen configurable, que también puede proporcionar cálculos de recuperación
basados en cualquier corriente.
390
JKMBal puede producir un amplio rango de salidas gráficas y de texto (gráficos y

diagramas de flujo) sobre un amplio rango de impresoras. También se puede presentar el
texto como archivo ASCII o como un archivo delimitado con punto y coma para ingreso en
otros programas. También puede ingresar datos desde un archivo de texto y ser ejecutado
como una tarea por lotes para contabilidad metalúrgica semi automática.
REQUERIMIENTOS MÍNIMOS DE COMPUTADOR RECOMENDADOS PARA JKSIMMET V4
Computador IBM 386/486/586 Pentium o completamente compatible con MS DOS™ 5.,0

o posterior.
• 2 MByte RAM Una impresora blanco y negro

• disquetera 1.2 MByte (5,25 pulg) o • IBM Proprinter
disquetera 1.4 MByte (3.5 pulg) • Epson MX80 o LX-800
• 20MByte o más libres en disco duro • Hewlett Packard Deskjet
• co-procesador matemático • Hewlett Packard Deskjet
• EGA y VGA • Postscript
Una ratón y RAM adicional que, si se corre bajo Windows™, mejora considerablemente la
operación de JKSimMet.
La versión 5 de Windows™ será liberada en 1999.
MS DOS y Windows son marcas regisrtradas de Microsoft Corporation

JKSimMet es una marca registrada
391
REFERENCIAS
392
Referencias
393
Referencias
394
Referencias
395
Referencias
396
Referencias
397
Referencias
398
Referencias
399
Referencias
400
Referencias
401
Referencias
402
Referencias
403
Referencias
404
Referencias
405
Referencias
406

Mineral Comminution Circuits - VerSp

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mineral Comminution Circuits - VerSp

Cargado por

Copyright:

Formatos disponibles

Circuitos de Trituración de Mineral

Series Monográficas de JKMRC en Minería y Procesamiento de Mineral 2

Este no es un libro de texto, aunque contiene mucho de lo que se esperaría de un libro de

El lector perceptivo notará la omisión de la palabra ‘diseño’ en el título. El diseño – la

1.1 LA TECNOLOGÍA DE LA TRITURACIÓN

L a palabra comminution (trituración) se deriva de la palabra latina comminuere, que

Para disipar cualquier duda respecto de la importancia de la trituración en la sociedad

Casi todas las operaciones de procesamiento de mineral en mina, incluyendo la obtención

En el contexto de la mina, el término ‘trituración’ comprende las siguientes operaciones

Chancadores Molinos de Volteo

− Chancadores rotatorios − Molinos Semi-autógenos (SAG)

− Chancadores de cono − Molinos de barra

− Rodillos de molienda de alta presión − Molinos de bolas

Molinos de Agitación Procesos de Clasificación

− Molinos de aguja vertical − Tamices

− Molinos de aguja horizontal − Hidrociclones

(Aunque los procesos de clasificación en si no son dispositivos de reducción de tamaño,

La trituración da cuenta de un gran porcentaje de los costos operativos y de capital de

• Cambios fundamentales en la tecnología, o a introducción de tecnología nueva.

• Mejoras incrementales en al tecnología, su aplicación y práctica operativa.

Esta último implica esencialmente optimizar el rendimiento de las máquinas de trituración,

posible en un sentido económico. Los beneficios de la optimización pueden capturarse

• costos operativos unitarios reducidos ($/t tratada),

• rendimientos aumentados y por consiguiente producción de valor,

• mejora en el rendimiento de procesos aguas abajo como consecuencia de una

O una combinación de estos.

1.2 SIMULACIÓN COMO UNA HERRAMIENTA DE OPTIMIZACIÓN

Inevitablemente, habida cuenta su abolengo, se enfatiza en el libro la simulación

La gran fortaleza de la simulación como una herramienta de optimización, y ciertamente de

La optimización de circuitos por simulación no es un asunto trivial. Requiere de pericia de

estimar separadamente las propiedades del material (mineral) y las características de la

1. Caracterizar el material de alimentación en pruebas de laboratorio

2. Estimar los parámetros de la máquina, por medio de estudios en planta (‘calibrar’ el

3. Correr simulaciones para explorar maneras de cumplir con el criterio de optimización

4. Probando y/o implementando las condiciones elegidas.

Esta monografía suministra la mayor parte de la información requerida para planificar e

1.3 ESTE LIBRO Y COMO UTILIZARLO

El libro puede leerse en tres niveles:

• Como una introducción general a las ideas y metodologías subyacentes a la práctica de

• Como un acompañante de métodos de optimización más avanzados usando paquetes de

Este libro es el resultado de 30 años de investigación y consultoría en procesos de

• Un novato en las ideas de modelado matemático como prerrequisito para la

• Aquellos que solo necesitan un conocimiento más profundo de un proceso en particular

• Quien busque ayuda sobre el examen de un circuito de trituración debe dirigirse al

A continuación se describe brevemente los contenidos de cada capítulo y apéndices.

El CAPÍTULO 2 entrega un trasfondo sobre la manera en que los procesos de trituración

El CAPÍTULO 3 discute algunos aspectos de mediciones y descripción de la liberación de

El CAPÍTULO 4 es un tratamiento detallado de los métodos para evaluar las características

El CAPÍTULO 5 es una guía práctica al estudio de circuitos de trituración incluyendo

Los CAPÍTULO 6 – 10 tratan en profundidad las operaciones unitarias específicas de

discusión de cómo está modelado, características operacionales y comentarios sobre

El CAPÍTULO 11 describe nuevos y poderosos métodos desarrollados en JKMRC para

El CAPÍTULO 12 es una descripción detallada de los dispositivos de clasificación por

El CAPÍTULO 13 describe algunas estrategias para abordar el problema de la optimización

El APÉNDICE 1 entrega una breve explicación de la funciones spline y de cómo se utilizan

El APÉNDICE 2 es una discusión sobre investigación reciente de JKMRC la cual ha

El APÉNDICE 3 revisa las técnicas de laboratorio más importantes utilizadas en el análisis

El APÉNDICE 4 es una pequeña especificación para el simulador de circuito de trituración

Las REFERENCIAS han sido seleccionadas fundamentalmente para apoyar las

Los chancadores industriales poseen un 75% de eficiencia energética respecto de la rotura

La eficiencia de la trituración es importante porque el costo de rotura será uno de los

Por consiguiente, el modelo debe describir dos elementos del problema:

• Las propiedades de rotura de la roca – esencialmente la rotura que se produce como