UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA

“ANTONIO JOSE DE SUCRE”

VICE RECTORADO PUERTO ORDAZ
DEPARTAMENTO DE INGENIERÍA METALURGICA
PRÁCTICA PROFESIONAL

OPTIMIZACIÓN DE LA METODOLOGIA DE CARACTERIZACIÓN

MICROESTRUCTURAL DE PELLAS QUEMADAS FABRICADAS EN EL
IIMM SIDOR, USANDO SOFTWARE COMPUTACIONAL

Tutor Académico:
Autor:
Ing Miriam Romero
Tutor Industrial:  Pedro Bonillo.

Ing, Ervis Diaz C.I: V-25.324.641.

Puerto Ordaz, enero de 2020

 UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
“ANTONIO JOSE DE SUCRE”
VICE RECTORADO PUERTO ORDAZ
DEPARTAMENTO DE INGENIERÍA METALURGICA
PRÁCTICA PROFESIONAL

OPTIMIZACIÓN DE LA METODOLOGIA DE CARACTERIZACIÓN

MICROESTRUCTURAL DE PELLAS QUEMADAS FABRICADAS EN EL
IIMM SIDOR, USANDO SOFTWARE COMPUTACIONAL

AUTOR: Br. Pedro Bonillo.

Trabajo de
investigación que se
presenta para cumplir
los requisitos de
aprobación de la
asignatura Práctica
Profesional y optar
al título de Ingeniero
Metalúrgico.

TUTOR ACADEMICO: Ing Miriam Romero

TUTOR INDUSTRIAL: Ing, Ervis Diaz
BONILLO COPPOLA, PEDRO JOSE (2020)

OPTIMIZACION DE LA METODOLOGIA DE CARACTERIZACION

MICROESTRUCTURAL DE PELLAS QUEMADAS FABRICADAS EN
EL IIMM SIDOR, USANDO SOFTWARE COMPUTACIONAL

. Páginas: 75
Universidad Nacional Experimental Politécnica “Antonio José de Sucre”,
Vice-Rectorado Puerto Ordaz. Departamento de Ingeniería Metalúrgica.
Departamento de Entrenamiento Industrial.

Tutor Académico: Ing. Miriam Romero.

Tutor Industrial: Ing. Ervis Díaz.

CAPITULOS: I.- El Problema, II.- Marco de Referencia, III.- Aspectos

Procedimentales, IV.- Resultados.

Palabras Claves: Pella, Fases, Caracterización, Microestructura, Análisis de

imagen, Velicación, Software.
 DEDICATORIA

A mi madre Rosaria Coppola, a mi padre José Bonillo, a mis hermanas, Waleska y

Diana. Son los responsables de que esta meta se haga realidad, son mi estímulo y mi
fuerza; agradezco cada día el apoyo incondicional que me han dado, los consejos y por
siempre permitirme cumplir mis objetivos forzándome a seguir cada vez más y no
permitir que me rinda. Por eso y más, los amo.

A Naysmarys, por ser mi compañera de vida y gran amiga; por estar a mi lado siempre,
por soportarme, por la gran ayuda y amor que me ha regalado el cual lo hace parte
fundamental para alcanzar este logro. Eres lo máximo y te amo.

v
 AGRADECIMIENTOS

A mi Familia, en especial a mis Tías Karelys Naranjo y Caterina Coppola, por ser un
apoyo en mi hogar.
A mis padrinos, Alfredo Boada e Ingrid Monasterios, y a mi prima, Andrea Boada; por
permitirme estar aquí, por el inmenso apoyo que he recibido de ellos y darme la
oportunidad de lograr esta meta.
A mi tutor industrial Ervis Díaz por ser tan genial, con su comprensión, apoyo y
sabiduría, por haber compartido sus conocimientos, aportes e ideas que permitieron
finalizar el trabajo.
A mi tutor académico, Miriam Romero, por ser siempre tan comprensiva, y por
brindarme su apoyo.
A mis amigos, Sergio, Daynibeth, José, Héctor, Angi, por soportarme, acompañarme,
apoyarme durante todo el trayecto y por nunca dejarme solo; son como una familia
para mí.
A todo el equipo del IIMM por brindarme su apoyo, asesoría y amistad. Gracias por
todo.

vi
 INDICE GENERAL

DEDICATORIA ...................................................................................................................... V
AGRADECIMIENTOS ......................................................................................................... VI
INDICE GENERAL ............................................................................................................. VII
INDICE DE FIGURAS.......................................................................................................... IX
INDICE DE TABLAS............................................................................................................ XI
RESUMEN............................................................................................................................. XII
INTRODUCCION ................................................................................................................ 13
CAPÍTULO I ......................................................................................................................... 15
EL PROBLEMA ................................................................................................................... 15
OBJETIVOS...................................................................................................................... 17
Objetivo General ........................................................................................................... 17
Objetivos Específicos .................................................................................................... 17
Justificación ....................................................................................................................... 17
Alcance ............................................................................................................................... 18
CAPÍTULO II.- .................................................................................................................... 19
MARCO REFERENCIAL ................................................................................................. 19
DESCRIPCIÓN DE LA EMPRESA ............................................................................... 19
SÍNTESIS CRONOLÓGICA....................................................................................... 21
PROCESO PRODUCTIVO ......................................................................................... 23
MISIÓN DE SIDOR ..................................................................................................... 30
VISIÓN DE SIDOR ...................................................................................................... 30
POLÍTICA DE CALIDAD............................................................................................... 30
ORGANIGRAMA GENERAL ........................................................................................ 31
INSTITUTO DE INVESTIGACIONES METALÚRGICAS Y DE MATERIALES
(IIMM) 32
Política............................................................................................................................ 32
Rol .................................................................................................................................. 32
Alcance ........................................................................................................................... 33
Estructura ...................................................................................................................... 33
CONCEPTOS DE LA INVESTIGACIÓN ..................................................................... 35

vii
CAPITULO III ...................................................................................................................... 47
ASPECTOS PROCEDIMENTALES .................................................................................. 47
Actividades ejecutadas...................................................................................................... 47
Descripción de las actividades ejecutadas. .................................................................. 47
Técnicas e Instrumentos de Recolección de información. ............................................. 54
Revisión documental ..................................................................................................... 55
Observación Directa ..................................................................................................... 55
Entrevista no estructurada ........................................................................................... 55
Red de Internet de Sidor .............................................................................................. 56
Intranet de Sidor ........................................................................................................... 56
Procesamiento de la información..................................................................................... 56
Tabulaciones y Gráficos ............................................................................................... 56
Tipos de análisis a realizar ............................................................................................... 60
CAPITULO IV ...................................................................................................................... 61
RESULTADOS ..................................................................................................................... 61
Generar rutina en software computacional que permita semi-automatizar el método
de identificación de fases, medición de tamaños de granos y poros. ............................ 61
Validar la óptima ejecución de la rutina mediante la medición de porcentajes de
fases, tamaños de poros y granos. .................................................................................... 63
Establecer robustez del método para medición de porcentaje de fases y tamaño de
poros y granos de las microestructuras de pellas .............. ¡Error! Marcador no definido.
 Correlación lineal .................................................................................................. 65
 Valores R&R ......................................................................................................... 66
CONCLUSIONES................................................................................................................. 72
RECOMENDACIONES....................................................................................................... 73
REFERENCIAS .................................................................................................................... 74

viii
 INDICE DE FIGURAS

Figura 1.1: Vista Aérea de SIDOR……………….....................................................21

Figura 1.2: Disposición física general de SIDOR…………,………………………..22

Figura 1.3: Vista Aérea de la Planta de Pellas……………………….......…………25

Figura 1.4: Vista Aérea de la Planta de reducción directa (HyL)………………….,26

Figura 1.5: Vista Aérea de la Acería de planchones…………………,,,…………….27

Figura 1.6: Acería de Palanquillas…………………………………………………..28

Figura 1.7: Formador de rollos, Tren de Alambrón…………………………………30

Figura 1.8: Organigrama General de SIDOR……………………………………….32

Figura 1.9: Estructura Organizativa del IIMM……………..….……………………35

Figura 2.1: Ejemplo de resultados obtenidos, definición de

reproducibilidad……………………………………………………………………. 38

Figura 2.2: Ejemplo de resultados obtenidos, definición de

repetibilidad…………………………………………………………………………40

Figura 2.3:

Tabla 3.1: Ventana de edición y creación de scripts………………………………....49

Figura 3.2: Lista de comandos disponibles en el Software …………………………50

Figura 3.3: Ejemplo de una rutina creada …………………..……….........................50

Figura 3.4 a): Interfaz para creación de cuadros de diálogos………………………51

Figura 3.4 b): Cuadro de dialogo…………………….…………………………….51
Figura 3.5: Interfaz de ajuste filtro sharpen…………………………........................52

Figura 3.6: Interfaz de interacción para implementar Thresholding………………...53

ix
Figura 3.7: Diagrama de flujo para caracterización microestructural de
pellas……………………………………………………………………………..…58

Figura 3.8: representación de grafico de tendencia para la comparación de resultados

inter-operador……………………………………………………………………….60
Figura 3.9: Representación de grafico de desviación de la media de los resultados para
cada operador……………………………………………………………………..…61
Figura4.1: Grafica representativa de las mediciones de variables por muestra y
operador para porcentaje de fases………………………………………....................69

Figura 4.2: Desviación de la Media por Operador para porcentaje de fases…………70

Figura 4.3: Grafica representativa de las mediciones de variables por muestra y

operador para tamaño de grano………………………………………………………71

Figura 4.4: Desviación de la Media por Operador para tamaño de grano…………..72

x
 INDICE DE TABLAS

Tabla 1.1: Color de la capa de umbralizado para cada fase…………………………52

Tabla 1.2: Relación entre micras y pixeles a distintos aumentos……………………53

Tabla 2.1: Formato Tabla para la representación de los resultados del análisis por
operador……………………………………………………………………………...59

Tabla 2.2: Formato Tabla para la representación de valores R&R…………………59

Tabla 3.1: Medias del porcentaje de fases y tamaño de grano operador uno…………64

Tabla 3.2: Medias del porcentaje de fases y tamaño de grano operador dos…………64

Tabla 3.3: Medias del porcentaje de fases y tamaño de grano operador tres………...65

Tabla 4.1: Coeficiente de correlación lineal inter-operador para porcentaje de fases.66

Tabla 4.2: Tabla 4.2: Valores medios de R&R de porcentaje de fases para cada
Variable Estudiada…………………………………………………………………...65

Tabla 5.1: Coeficientes de correlación lineal inter-operador para tamaño de grano…68

Tabla 5.2: Valores medios de R&R de tamaño de grano para cada Variable
Estudiada……………………………………………………………………………..69

xi
 UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
“ANTONIO JOSE DE SUCRE”
VICE RECTORADO PUERTO ORDAZ
DEPARTAMENTO DE INGENIERÍA METALURGICA
PRÁCTICA PROFESIONAL

OPTIMIZACIÓN DE LA METODOLOGIA DE CARACTERIZACI+ON

MICROESTRUCTURAL DE PELLAS QUEMADAS FABRICADAS EN EL
IIMM SIDOR, USANDO SOFTWARE COMPUTACIONAL

Autor: Br. Pedro J, Bonillo C

Tutor Académico: Ing. Miriam Romero.
Tutor Industrial: Ing. Ervis Díaz.

RESUMEN
El Estudio que se presenta a continuación se realizó en el Instituto de
Investigaciones Metalúrgicas y de Materiales (IIMM) SIDOR con el fin de establecer
una metodología que facilite la caracterización microestructural de pellas quemadas.
Para ello se implementó el software computacional de análisis de imagen y adquisición
de datos Omnimet, desarrollado por la compañía Buehler, bajo el cual se realizó una
rutina que permitió lograr el objetivo. Por otro lado, se aplicaron filtros a las imágenes
utilizadas para el análisis mejorando significativamente la calidad de las mismas, lo
cual generó un aumento de los detalles, proporcionando una mayor precisión en los
resultados. Para la validación del método, se aplicó un estudio estadístico de análisis
de reproducibilidad y repetibilidad (R&R) comparando los resultados de tres
operadores con siete muestras distintas, abarcando por muestras tres pellas y dos (2)
zonas (borde y centro), y evaluando los criterios tomados por cada uno en la toma de
decisiones para analizar las imágenes. Se evaluó la linealidad entre los valores medios
por muestras provenientes de los resultados de los operadores para comparar los
criterios entre los mismos y así definir similitud y diferencias de resultados entre las
distintas muestras, y con ello establecer un acuerdo que permita unificar estos criterios.
Los resultados arrojaron que el método propuesto presenta valores de R&R menores al
30% en las variables estimadas, indicando que el método es aplicable, con la necesidad
de realizar ajustes que permitan una validación plena del método (Valores de R&R
menores a 10%)
Palabras Claves: Pella, Fases, Caracterización, Microestructura, Análisis de
imagen, Verificación, Software.

xii
 INTRODUCCION

Anteriormente se creía que la resolución de ciertos tipos de problemas tales

como el análisis y reconocimiento de patrones, figura e imágenes solo podría ser hecha
por personas, dado que estos cuentan con habilidades para pensar, memorizar,
aprender, entre otras, que son necesarias para la resolución de estos. Durante las últimas
décadas los investigadores han probado que muchos de estos problemas pueden ser
resueltos con la ayuda de las computadoras. La implementación de sistemas digitales
como una herramienta de laboratorio facilita en gran medida ciertas tareas y
proporciona a los operadores una visión más amplia, dado que conceden un enfoque
desde una perspectiva que es imposible de obtener a simple vista.

La caracterización microestructural es una de las tareas de mayor ámbito, y a

su vez, con mayor diversidad en su metodología a escala global, dado que confiere
información referente al material que es de gran utilidad para distintos procesos.
Combinar estos métodos con la visión artificial, softwares de reconocimiento y
microscopios de alta resolución que, con el paso del tiempo son cada vez mejores,
implica un avance a la autonomía de los procesos, y con ello facilitan la vida de quienes
los requieran. A su vez, ofrece otras ventajas como la disminución del tiempo requerido
para realizar el proceso, eliminación errores causados por subjetividades, ente otros.
Reconocer y cuantificar las distintas fases presentes en un material puede ser una tarea
sencilla con el uso de la visión artificial, otorgando mayor información, aplicando un
método simple y amigable con el usuario, y requiriendo de menor esfuerzo y tiempo.

El objetivo principal de la investigación consiste en optimizar la metodología de

caracterización microestructural de pellas quemadas implementando para esto un
Software computacional de análisis de imagen, un microscopio óptico de alta
resolución y filtros que permitan la mejora de la imagen.

La información del presente trabajo será presentada en cuatro capítulos, distribuidos en

el siguiente orden:

13
El Capítulo I donde se explica el planteamiento del problema, así como los objetivos
de la investigación, justificación y alcance. El Capítulo II especifica las referencias de
la empresa donde se llevó a cabo la investigación, así como la descripción del área de
trabajo, descripción del área de proceso y glosario de términos. El Capítulo III, ofrece
los aspectos procedimentales, como las actividades ejecutadas, las técnicas e
instrumentos de recolección de información, la forma en que se presentan las
tabulaciones, entre otros. El Capítulo IV muestra y explica los resultados obtenidos.
Finalmente, se encuentran las secciones correspondientes a las conclusiones y
recomendaciones.

14
 CAPÍTULO I

EL PROBLEMA

La Siderúrgica del Orinoco "Alfredo Maneiro" o Sidor C.A., es un complejo

siderúrgico venezolano, fundado durante el gobierno de Raúl Leoni en Puerto Ordaz,
para la producción de acero con tecnologías de Reducción Directa y Hornos Eléctricos
de Arco, con recursos naturales disponibles en la región Guayana. Esta planta es uno
de los complejos más grandes de este tipo en el mundo.

El proceso productivo de Sidor abarca desde la recepción del mineral de Hierro,

suministrado por Ferrominera Orinoco, hasta los procesos de Molienda, Peletización,
Reducción, Aceración y Laminación tanto en Caliente como en Frío. Actualmente las
capacidades de Sidor se encuentran limitadas y se ha dado enfoque al proceso de
Peletización principalmente.

Los productos resultantes de cada proceso, de manera rutinaria son evaluados y

contrastados contra especificaciones de cumplimiento de sus propiedades físicas y
químicas. Las pellas particularmente deben cumplir con especificaciones físicas de
Resistencia a la Compresión, Índice de Tambor y Abrasión, entre otros, que dan
información sobre el comportamiento de la misma durante el traslado y durante su
procesamiento en el reactor de reducción, además se verifica su cumplimiento químico
como niveles de Hierro Total, Silicio, Azufre, y otros, que dan orientación sobre el
comportamiento durante la aceración.

Las pellas, además son caracterizadas microestructuralmente, ya que sus características

microestructurales dan orientación sobre sus condiciones de fabricación además de sus
propiedades tanto físicas como químicas, pudiendo observar morfologías y tamaños de
granos, distribución de la ganga/escoria, de los poros y de la presencia de compuestos
que pueden modificar sus propiedades. Esta caracterización es de mucha relevancia en
los procesos productivos ya que permiten realizar ajustes de manera predictiva o
correctiva en las diferentes etapas de producción, ya sea para ajustar procesos previos

15
de fabricación de pellas o realizar modificaciones en los procesos subsiguientes de
manejo de pellas.

La caracterización microestructural de pellas como tal consiste en un análisis físico que

permite establecer de manera cualitativa y cuantitativa las particularidades o atributos
de esta. Esta metodología se emplea apoyándose en diversos equipos como
microscopios y softwares, así como sistemas de alta definición, dependiendo de la
tecnología con la que se cuente. A escala global, los métodos para la caracterización
de pellas son variados; esto es, dependiendo de la información que se requiera, del
equipo utilizado, entre otros; cada uno de estos métodos, suministra datos solicitados
para procesos posteriores con el fin de ajustar los mismos y preservar la calidad de los
productos, así como evitar inconvenientes o retrasos en los procesos.

Actualmente, en el Instituto de Investigaciones Metalúrgicas y de Materiales (IIMM)

se cuenta con un método para caracterizar pellas quemadas que consiste en la medición
del porcentaje de área de las fases y área promedio de los granos y poros que construyen
la microestructura de la pella por medio de fotografías obtenidas de muestras
representativas mediante un microscopio óptico, este método fue cambiado
recientemente para incorporar mayor número de fases que den respuesta al
comportamiento más detallado de las pellas, además se cambió la metodología de la
medición de tamaños de poros y granos, por un procedimiento menos susceptible a
errores. Se diferencian seis (6) fases que corresponden a poros, gangas (sin transformar,
silicatos fundidos y magnesioferrita), magnetita y hematita, y para esto se cuenta con
un software que permite aplicar un método de umbrales en escalas de grises conocido
como Threshold.

Orientado a esto, se plantea la optimización de la metodología implementada

actualmente, incorporando rutinas que permitan semi-automatizar el procedimiento,
para disminuir el tiempo requerido de ensayo y aumentar la calidad de los resultados,
de una forma sencilla, iterativa y eficiente, impidiendo el desgaste del operador.
Además, mediante dicha semi-automatización realizar un mayor número de

16
mediciones con los cuales se pueda validar el método con los datos generados por
varios operadores.

OBJETIVOS

Objetivo General

 Optimizar la metodología de caracterización microestructural de pellas

quemadas fabricadas en el IIMM Sidor, usando softwares computacionales.

Objetivos Específicos

 Establecer un algoritmo en software computacional que permita semi-

automatizar el método de identificación de fases, medición de tamaños de
granos y poros
 Validar la óptima ejecución de la rutina mediante la medición de porcentajes de
fases, tamaños de poros y granos.
 Establecer robustez del método para medición de porcentaje de fases de las
microestructuras de pellas mediante el método estadístico de análisis de valores
R&R
 Determinar robustez del método para medición de tamaño de poros y granos de
las microestructuras de pellas mediante el método estadístico de análisis de
valores R&R

Justificación

17
 El siguiente trabajo consiste en la optimización del método de caracterización
de pellas, aplicando una metodología que permita implementar el software para la
mejora digital de imágenes y con ello mejorar la eficiencia del proceso identificando
las fases presentes con mayor exactitud y de una forma que sea sencilla para el
operador. A su vez, aportar información que pueda solventar dudas existentes sobre las
propiedades de la pella.

Uno de los principales objetivos del estudio es generar método robusto y rápido, para
porcentajes de fases y tamaño de granos y poros, las cuales son unas variables de
entrada para el proceso de fabricación de pellas. Contar con un método de
caracterización que sea más rápido que el existente, además de automatizado y con
menores fuentes de errores humanos es de alta necesidad, ya que permitiría tener
información en un período más corto y oportuno para modificar las condiciones
operacionales necesarias para obtener la calidad de pellas requerida.

Alcance

Este trabajo se basa en el estudio y desarrolla una rutina en software computacional

para semi-automatizar la metodología de caracterización de pellas quemadas,
identificando sus fases, y aplicando medición de tamaños de granos y poros; y
asegurando la efectividad del mismo mediante análisis estadísticos.

18
 CAPÍTULO II.-

MARCO REFERENCIAL

En el presente capitulo se efectuará una descripción de la empresa en la cual se

realizará la investigación, permitiendo conocer una breve reseña histórica de la
organización, las características generales de la misma, la razón de ser y las unidades
de negocio que la conforman para luego así detallar el área en particular en la que se
aplicará el proyecto; además se dará una breve definición de los conceptos de interés
para la realización del trabajo. Estos aspectos son muy importantes para el mejor
entendimiento del problema. La información referente a la empresa fue obtenida
mediante la red intranet SIDOR:

DESCRIPCIÓN DE LA EMPRESA

La Siderúrgica del Orinoco “Alfredo Maneiro” C.A (SIDOR), es una empresa

dedicada al trabajo y al procesar mineral de hierro para obtener productos de acero
destinados al mercado nacional e internacional.
Su capacidad instalada de producción es de seis millones seiscientas mil toneladas
métricas de acero crudo al año. La fuerza laboral está integrada con 15.000 empleados;
entre supervisores, técnicos, artesanos y obreros, quienes cumplen turnos de trabajos
las 24 horas del día, todos los días del año y 70 líneas de producción (Para la fecha del
2014)
El desarrollo de esa empresa permite el aprovechamiento de los recursos naturales y
da inicio a la cadena de trasformaciones de la materia prima como mineral principal el
hierro en productos terminados y semi-terminados, al mismo tiempo que proporciona
el desarrollo económico al país.
SIDOR, elabora más de 1500 productos siderúrgicos en sus instalaciones que ocupan
2.838 hectáreas, tiene una red ferroviaria de 155 Km de extensión, además de 74 Km

19
en carreteras pavimentadas en el área industrial, la materia prima es llevada a la planta
por vía férrea, que comprende una extensión de 132 Km. Para convertir el mineral de
hierro en productos semi-elaborados o elaborados de acero.
SIDOR desarrolla dos grandes procesos, los primarios que tienen la finalidad de darle
al mineral de hierro las características que lo convertirán en acero de buena calidad y
los procesos de fabricación, cuyo objetivo es darle al acero las dimensiones y formas
físicas requeridas, (Ver Figuras 1 y 2)

Figura 1.1: Vista Aérea de SIDOR

Fuente: Intranet

20
 Figura 1.2: Disposición física general de SIDOR

Fuente: Intranet

SÍNTESIS CRONOLÓGICA

 1951 Se crea el sindicato venezolano del hierro y del acero, empresa privada
que inicio los estudios preliminares orientados a crear e instalar una industria
siderúrgica sólida en el país.
 1953 El Gobierno Nacional decide la construcción de una planta siderúrgica en
la región Guayana, creándose la oficina de estudios especiales adscrita a la
Presidencia de la Republica con la misión de desarrollar el plan de proyecto
Siderúrgico.
 1957 Se inicia la construcción de la Planta Siderúrgica en Matanzas, Ciudad
Guayana. Y se modifica el contrato realizado con la firma Innocenti (Milán,
Italia) para aumentar la capacidad a 750.000 toneladas al año.
 1961 Se inicia la producción de tubos sin costura, con lingotes importados. Se

21
 produce arrabio en los Hornos Eléctricos de Reducción.
 1962 El 9 de julio se realiza la primera colada de acero, en el horno N° 1 de la
Acería Siemens-Martín, con la presencia del Presidente Rómulo Betancourt,
iniciando actividades los trenes primarios 1100, 800 y 500
 1964 Se crea la empresa estatal CVG Siderúrgica del Orinoco C.A. (SIDOR
C.A.) y se le confía la operación de la planta existente, producción del acero
151.000 toneladas al año.
 1969 Inicio de la construcción de la planta de tubos centrifugados
 1973 Inauguración de la Línea de Estañado Cromado Electrolítico de la planta
de productos planos. Obtención de la primera maraca NORVEN en Venezuela,
para las barras (cabillas) de SIDOR C.A. Inauguración del Centro de
Investigaciones.

 1974 Se inicia las operaciones en la Planta de Productos Planos. Ampliación

de SIDOR para elevar su capacidad a 4,8 millones de toneladas de acero (Plan
IV).
 1976 Inicio de la producción en la planta H y L.
 1978 Se inaugura el Plan IV, aumentando la capacidad instalada de la planta
de 1.250 toneladas de acero líquido a 4,8 millones de toneladas al año. Montaje
de los equipos para las ampliaciones de las plantas de Laminación en frío y en
caliente. Inicio del proyecto de la planta de Pellas, se concluye el nuevo
terminal portuario, la planta de Separación de Aire y el Nuevo Laminador
Calibrador del Tren Medio de la Fábrica de Tubos.
 1979 El 26 de febrero se pone en marcha la planta MIDREX II, la Acería
Eléctrica y la Maquina de Colada Continua de Palanquillas, y los Laminadores
de Barras y Alambrón.
 1980 Inicia operaciones la Planta de Reducción Directa H y L y la Planta de
Cal.
 2001 Se inauguran tres nuevos hornos en la Acería de Planchones y se concluye
el proyecto de automatización del Laminador en Caliente.

22
  2002 Obtiene record de producción en las plantas de Reducción Directa, Acería
de Planchones y distintas instalaciones de Productos Planos y un récord
histórico de exportaciones de 2,3 millones de toneladas y récord mensual de
exportación con más de 200.000 toneladas

 Para el 2005 la empresa dejó de llamarse Siderúrgica del Orinoco, para

llamarse SIDOR C.A.
 Para el 2006 la empresa deja de llamarse SIDOR C.A, para llamarse Ternium
Sidor
 En abril del 2008 el Estado venezolano toma el control completo de las
operaciones de la siderúrgica argentina, la nueva distribución accionaría será
de 70% para el Estado venezolano, 20% para los trabajadores, y 10%
permanece en manos de Techint.

 En la actualidad SIDOR es una empresa del Estado Venezolano que tiene como
objetivo mejorar la tecnología de la empresa y crear nuevas fuentes de trabajo,
aumentando así la producción, además desarrolla programas de adiestramiento
y capacitación a cada uno de sus trabajadores.

PROCESO PRODUCTIVO

El proceso productivo de SIDOR se inicia con la producción de pellas, las

pellas son alimentadas a la producción del hierro de reducción directa que se lleva a
cabo a través de dos procesos distintos Midrex y HyL. Con el hierro de reducción
directa como componente principal se fabrica el acero en las acerías de planchones y
de palanquillas, para obtener los semielaborados para la fabricación de los productos
planos y los productos largos respectivamente.
Los planchones obtenidos pasan por el proceso de laminación en caliente y
luego, las bobinas en caliente producidas pasan a la laminación en frío. El producto de
la acería de palanquillas, pasa por el tren de barras o por el de alambrón.

23
 Áreas de producción de SIDOR:

 Planta de Pellas

 Plantas de reducción directa (Midrex I-II, HyL I-II)

 Acería de Planchones

 Acería de Palanquillas

 Producto plano en caliente

 Producto plano en frío

 Tren de Barras y alambrón

Planta de Pellas:

utiliza como materia prima finos de mineral de hierro suministrados por C.V.G.
Ferrominera del Orinoco, añadiendo insumos como caliza, dolomita, bentonita,
antracita, sílice, finos de pellas y lodos de pellas, para fabricar un aglomerado esférico
de mineral de hierro, o esferas metálicas denominadas Pellas, la Pella es cribada,
pesada y distribuida según las especificaciones de producción.

Figura 1.3. Vista Aérea de la Planta de Pellas

Fuente: Intranet

24
 Capacidad instalada: 6.200.000 t/año.

Materia Prima: Mineral de hierro proveniente de

la Ferrominera Orinoco.
Producto: Pellas quemadas para el consumo de
las plantas de reducción directa y para
exportación.
Planta de reducción directa (HyL):

La materia prima proveniente de la Planta de Pellas, es almacenada en silos,

según su granulometría, luego pasan a las tolvas pesadoras y mediante
vibroalimentadores se envían a un sistema de cintas transportadoras que conducen las
pellas a los retro- cargadores, luego en los reactores ocurre en sí el proceso de
reducción. (Midrex) la materia es trasladada de la pila diaria a la tolva de alimentación
del horno de reducción en forma de flujo de lecho continuo para ser sometido al
proceso de reducción.

Figura 1.4. Vista Aérea de la Planta de reducción directa (HyL)

Fuente: Intranet

25
 Capacidad instalada: 1
.200.000 t/año Producto:
Hierro de Reducción Directa
(HRD).
Materia Prima: Pella provenientes de Planta de Pella de SIDOR.

Acería de planchones:

Esta planta está compuesta por dos instalaciones principales:

Una Acería de capacidad instalada 2.400.000 t/año, cuya función es producir acero.
Consta de 6 hornos electrolíticos de arco de 200 toneladas cada uno. Cinco (5) de ellos
con paneles y bóveda refrigerada y uno convencional con bóveda refrigerada.

Adicionalmente cuenta con dos Hornos de metalurgia secundaria. Y una Colada

Continua de Planchones, de capacidad instalada 2.326.600 t/año, cuya función es
procesar el acero proveniente de la acería para transformarlo en planchones. Posee tres
(3) máquinas de colada continua con dos líneas cada una.

Figura 1.5. Vista Aérea de la Acería de planchones

Fuente: Intranet

26
Capacidad Instalada: 2.400.000 t/año

Materia Prima: Hierro de Reducción Directa (HRD) y chatarra.

Producto: Planchones

Acería de Palanquillas:

El proceso se inicia con la carga de la chatarra al horno, la cual debe fundirse

hasta un cierto porcentaje para dar inicio a la alimentación continua de hierro de
reducción directa sin que se interrumpa el proceso de aceración, el cual culmina con
la obtención del acero líquido.
Una vez que el acero líquido sufre el proceso de homogeneización, es trasladado por
una grúa giratoria. Seguidamente el acero es vaciado sobre un distribuidor que posee
seis boquillas por donde fluye el acero a los moldes de la colada continua.

Figura 1.6. Acería de Palanquillas.

Fuente: Intranet

Capacidad Instalada: 1.200.000 t/año,

Materia Prima: Hierro de Reducción Directa (HRD) y Chatarra.

Producto: Palanquillas de 130 x 130 mm.

27
Productos Planos en Caliente:

El planchón es colocado en la vía de rodillos de la mesa de los hornos de vigas

galopantes, desde donde es trasladado a los hornos de calentamiento y una vez
alcanzada la temperatura de laminación, es descargado en la vía de rodillos del tren IV
reversible y posteriormente son enviados al Laminador en Caliente, donde son
convertidos en bobinas.

Productos Planos en Frío:

Consiste en la utilización de bandas en caliente para convertirlas en láminas o

bobinas decapadas, estas son llevadas a los laminadores Tandem I-II que reducen aún
más el espesor, produciendo acero laminado. En las líneas de Recocido I-II y Continuo
se eliminan las tensiones internas que puedan tener las láminas. Para restablecer la
dureza se utilizan los Temples I y II con los cuales se uniforman las características
metalúrgicas del material.

Tren de Barras:

Comienza con el calentamiento de las palanquillas en un horno de vigas

galopantes, de allí pasan al tren desbastador, luego pasan al tren intermedio. El atado
de las cabillas lo realizan dos máquinas para su posterior pesaje, identificación y
almacenamiento.

Capacidad Instalada: 590.000 t/año.

28
Materia Prima:

Palanquillas de sección cuadrada de 130 mm x 130 mm. Producto: Barras con

resalte con diámetro que varía desde 3/8 pulgadas hasta 1 3/8 pulgadas y el largo varía
desde 6 m. hasta 18 m.

Tren de Alambrón:

Este comienza con el calentamiento de las palanquillas en un horno de vigas

galopantes, de allí pasan al tren de laminación compuesto por 15 bastidores
horizontales, luego pasan al tren laminador compuesto por 2 bloques cada uno de ellos
con 10 pares de anillos de laminación. El atado de rollos lo efectúan las prensas
compactadoras.

Figura 1.7. Formador de rollos, Tren de Alambrón.

Fuente: Intranet

Capacidad Instalada: 450.000 t/año.

Materia Prima: Palanquillas de sección cuadrada de 130 mm. x 130 mm.

y peso aproximado 1.900 Kilogramos.
Producto: Alambrón de diámetro que varía desde 5,5 mm. Hasta 12.5
mm., peso aproximado 1.900 Kilogramos por rollo.

29
MISIÓN DE SIDOR

Comercializar y producir hierro, reducción directa,

planchones laminados planos en caliente, en frío y
recubiertos, de manera eficiente, competitiva y rentable,
propiciando la satisfacción de accionistas, clientes o
trabajadores.

VISIÓN DE SIDOR

SIDOR tendrá estándares de competitividad similares

a los productos de acero más eficientes y estará ubicada entre
las mejores siderúrgicas del mundo, unidad de negocios
orientada al mercado y enfocada hacia la atención integral de
sus clientes, manteniendo un liderazgo en sus mercados
primarios, sostenido mediante una continua mejora y
adecuada tecnología de sus procesos e instalaciones.

POLÍTICA DE CALIDAD.

SIDOR compromete altos estándares de calidad en sus productos y servicios,

reconociendo que el cumplimiento con sus clientes y la superación de las expectativas
de los mismos, constituyen una responsabilidad de toda la organización. Para lo
anterior, SIDOR establece lo siguiente:

 Implementar y mejorar continuamente el sistema de gestión de calidad para

obtener productos y servicios de excelencia.

 Mantener comunicación transparente con los clientes, medir su nivel de

satisfacción y establecer relaciones de mutuos beneficios, que aseguren la

30
 competitividad rentabilidad al negocio.

 Generar relaciones confiables de largo plazo con nuestros proveedores,

evaluando la calidad de sus productos y servicios.

 Promover una cultura organizacional que priorice la planificación, la

integración, la calidad de vida y seguridad del personal, el bienestar de las
comunidades locales y preservación del medio ambiente.

 Revisar, difundir y garantizar la aplicación de esta Política de Calidad en toda

la organización.
ORGANIGRAMA GENERAL

Figura 1.8. Organigrama General de SIDOR.

Fuente: IIM

31
INSTITUTO DE INVESTIGACIONES METALÚRGICAS Y DE
MATERIALES (IIMM)

Esta Gerencia de SIDOR está enfocada a actividades de Investigación

Industrial y de Formación de Talentos, como medios para alcanzar la Independencia
Tecnológica y contribuir con la formación del Investigador Siderúrgico de Excelencia
que necesita Venezuela con alto Sentido Crítico y Solidario.

Política

Ser el soporte Tecnológico para el diseño, adaptación, caracterización y

desarrollo de productos o procesos, formador de talentos y promotor de la innovación.
Alineado a las políticas de la empresa y necesidades del país para la creación de una
plataforma tecnológica para el desarrollo endógeno Siderúrgico del País, que garantice
el dominio de la Tecnología y minimice la dependencia.

Rol

Garantizar el servicio de laboratorio requerido por Sidor y terceros para el

adecuado control de los procesos productivos y atributos de los materiales y el estudio
de análisis de falla de materiales provenientes de la insatisfacción de clientes o de
problemas internos, en términos de oportunidad, cantidad, seguridad, confiabilidad y
costos, mediante el cumplimiento de los planes de ensayos definidos por los
procedimientos internos de proceso, normas de calidad, especificaciones técnicas y el
presupuesto establecido, con la finalidad de satisfacer los requerimientos de los
clientes internos y externos, de cumplir con las normas ISO y las políticas de la
empresa.

32
Alcance

Abarca las actividades de Investigación, Desarrollo, Asistencias Técnicas y

Formación en el ámbito de: Minería, la producción de hierro y acero hasta su
transformación en productos semi-elaborados y elaborados aguas abajo.

Estructura

- Unidad de I+ D + i con 4 áreas tecnológicas:

o Ambiente

o Procesos producto Primarios – Acería

o Procesos producto Planos - Largos

o Procesos producto Recubiertos

- Centro de Documentación Técnica

- Estudios Avanzados

- Estudios Especiales

- Transferencia de Tecnología

33
Estructura Organizativa del IIMM

Figura 1.9. Estructura Organizativa del IIMM.

Fuente: IIMM

LABORATORIO DE MICROSCOPIA ÓPTICA Y ELECTRÓNICA

Este laboratorio se dedica al análisis de defectos en productos siderúrgicos,

prestando servicios tanto a los distintos procesos productivos de SIDOR como a
clientes y foráneos. Entre los equipos para caracterización cuenta con el microscopio
electrónico de barrido de presión variable, marca FEI, acoplado con un

34
microanalizador por EDX. Operativo con personal capacitado, microscopios ópticos;
entre ellos los microscopios Metalográficos de imagen invertida, marca Nikon modelo
Eclipse MA200 de alta resolución con sistema de captura de imagen digital y con
software analizador de imagen incorporado proporcionado por la compañía Buehler.
También cuenta con una sala de preparación metalográfica que tiene entre sus
equipos: una Cortadora automática, una Embutidora en caliente con Recirculado de
agua, una Desbastadora Eléctrica, una Desbastadora manual, dos Pulidoras eléctricas,
un Limpiador Ultrasónico, un Cubridor iónico, entre otros.

CONCEPTOS DE LA INVESTIGACIÓN

Para continuar con el adecuado enfoque de la investigación se detallan cada uno de

los elementos y conceptos que se utilizaron en el desarrollo de la misma.

 Robustez

Es una medida de la capacidad que tiene el método analítico de permanecer

inalterado por pequeñas variaciones en el procedimiento del método. Con ello, se puede
inferir que las variables son más significativas a la hora de realizar las medidas y, por
lo tanto, deben ser controladas (Jurado, 2008).

El objetivo de la robustez es describir bajo qué condiciones establecidas (incluidas sus

tolerancias) se pueden obtener resultados confiables, de manera que el procedimiento
funcione, si se utiliza en otros laboratorios o después de intervalos de tiempo largo
(Organismo Argentino de Acreditación [OAA], 2003) o con pequeños cambios en la
rutina. Un método es más robusto cuanto menos dependa de una rutina estricta.

35
  Estadística Robusta

La estadística robusta es una aproximación alternativa a los métodos estadísticos

clásicos. El objeto es producir estimadores que no sean afectados por variaciones
pequeñas respecto a las hipótesis de los modelos. Las estadísticas robustas intentan
proporcionar métodos que emulan a los métodos clásicos, pero que no son afectados
indebidamente por valores atípicos u otras pequeñas discrepancias respecto de las
asunciones del modelo. [1]

 Precisión

Grado de concordancia entre resultados de mediciones obtenidas de una serie

repetida de análisis, sobre una muestra homogénea, bajo condiciones establecidas
(Norma ISO 3534)

 Exactitud

La “exactitud” expresa la cercanía de un resultado al valor verdadero (ISO 3534-

1). La validación de un método busca cuantificar la exactitud probable de los resultados
evaluando tanto los efectos sistemáticos como los aleatorios sobre los resultados. La
evaluación práctica de este parámetro se fundamenta en la comparación de la media de
los resultados de un método con relación a valores conocidos, es decir, se determina
contra un valor de referencia (o sea, un valor verdadero o un valor verdadero
convencional) (Eurachem, 2005).

36
  Reproducibilidad

La reproducibilidad es la variación causada por el sistema de medición. Es la

variación que se observa cuando diferentes operadores miden la misma parte muchas
veces, usando el mismo sistema de medición, bajo las mismas condiciones.

Los operadores 1, 2 y 3 miden 20 veces la misma parte con el mismo sistema de

medición.

Figura 2.1: Ejemplo de resultados obtenidos, definición de reproducibilidad. [3]

Las tres líneas representan las mediciones de los operadores 1, 2 y 3. La variación en

las mediciones promedio entre los operadores 1 y 2 es mucho menor que la variación
entre los operadores 1 y 3. Por lo tanto, la reproducibilidad del sistema de medición es
demasiado baja.

 Validez estadística

Validación “Confirmación mediante el examen y la obtención de evidencias objetivas

que aseguran el cumplimiento de una serie de requerimientos particularmente
definidos para aplicaciones concretas” (ISO 8402-1994 o NCh2000 – ISO 8402).

37
 La validación de un método es el proceso para confirmar que el procedimiento
analítico utilizado para una prueba en concreto es adecuado para su uso previsto. Los
resultados de la validación del método pueden utilizarse para juzgar la calidad, la
fiabilidad y la constancia de los resultados analíticos, se trata de una parte integrante
de cualquier buena práctica analítica.

Los métodos analíticos deben ser validados o revalidados:

antes de ser introducidos en el uso rutinario;

siempre que las condiciones para las que el método se haya validado cambien (por
ejemplo, un instrumento con características diferentes o muestras con una matriz
diferente); y

siempre que el método se modifique y que el cambio esté fuera del alcance original del
método.

El objetivo de la validación de un procedimiento analítico es demostrar que es apto

para el propósito indicado

 Repetibilidad

Es la medida de la precisión de un método efectuado en las mismas condiciones,

sobre la misma muestra, con el mismo método, con el mismo operador, utilizando el
mismo instrumento de medida y durante un corto intervalo de tiempo. Es decir, Estudia
la variabilidad del método efectuando una serie de análisis sobre la muestra en las
mismas condiciones operativas.

La repetibilidad es la variación causada por el dispositivo de medición. Es la variación

que se observa cuando el mismo operador mide la misma parte muchas veces, usando
el mismo sistema de medición, bajo las mismas condiciones.

El operador 1 mide una parte con un sistema de medición A 20 veces y luego mide la
misma parte con el sistema de medición B.

38
 Figura 2.2: Ejemplo de resultados obtenidos, definición de repetibilidad. [3]

La línea continua representa las mediciones con el sistema de medición A. La línea de

trazo interrumpido representa las mediciones con el sistema de medición B. El sistema
de medición A presenta menos variación, lo que significa que es más repetible que el
sistema de medición B.

 Patrón de trabajo
Incluye los componentes que forman parte de la rutina de calibración y
medición. Esto tiene que ver directamente con los instrumentos en el laboratorio.

 Calibración

Es la relación que existen en los valores obtenidos por medio del operador y/o
los instrumentos de medición, entre los procesos contemplados en el patrón de trabajo.

39
  Exactitud de los instrumentos

Tiene que ver con la precisión que se espera por parte de las herramientas utilizadas
para la prueba.

 Sensibilidad

Se relaciona con el cambio de medición de un instrumento debido a alguna

variación durante la prueba.

 Resultados

Este punto en particular es importante porque depende de un análisis minucioso, ya

que confirmará o no el éxito del diseño experimental aplicado.

En este caso, no todos los resultados derivan de un instrumento de medición, sino

también pueden depender del operador, de las diferentes mediciones o de si el resultado
fue corregido o no.

 Pella

Aglomerado de forma esférica producido a partir de concentrados o de minerales

de hierro de diferentes características químicas y mineralógicas con propiedades tales
como distribución uniforme de tamaño, alta y uniforme porosidad, alto contenido de
hierro, prácticamente sin pérdidas por ignición o volátiles, características
mineralógicas uniformes, resistencia mecánica alta y uniforme, buen comportamiento

40
durante el transporte y suficiente resistencia mecánica aun en condiciones de esfuerzos
bajo condiciones de atmósferas reductoras.

 Fase

Una porción de una mezcla homogénea, físicamente distinta, que se puede separar
mediante métodos mecánicos.

 Hematita

Un mineral cuyo constituyente principal es óxido de hierro (Fe2O3), con un

contenido de hierro de aproximadamente de 69,4%, que cristaliza en el sistema
hexagonal.

 Magnetita

Óxido de hierro magnético natural. (Fe3O4). En estado sólido se encuentra en la

pella como una fase de color rosa de tonalidad gris tendiendo a formar un grano. La
presencia de magnetita en la pella, es indicativo de un exceso de temperatura durante
el proceso de piroconsolidación.

 Magnesioferrita

Es un óxido múltiple de hierro y magnesio, que como todos los del grupo de la
espinela son óxidos de metal que cristalizan en el sistema cúbico. Forma una serie de

41
solución sólida con la magnetita (Fe2+(Fe3+)2O4), en la que la sustitución gradual del
magnesio por hierro va dando los distintos minerales de la serie.

Esta fase se confunde a menudo con la magnetita debida la semejanza de sus

tonalidades; puede diferenciarse dado que presenta una estructura facetada y tendencia
a formase bordeando el grano hematitico. Además, la presencia de una de ellas en la
pella es indicativo de que no existe la restante en la misma, dado que ambas no
coexisten. “La hematita contiene solo trazas de magnesio porque la red cristalina de la
hematita no permite que ingrese ninguna cantidad sustancial de magnesio. Los iones
de Mg2 no pueden reemplazar a los iones de Fe3 en la red de hematita en el núcleo de
magnetita, la mayor parte del magnesio liberado se concentra en los granos de
magnetita y una parte menor en la fase de escoria. La magnetita contiene iones Fe2 y
Fe3. Los iones de Mg2 pueden sustituir fácilmente una parte del Fe2 y formar Mg-
magnetita.” [8]

 Silicatos

En ellos, todos los minerales contienen, en alguna proporción, elementos de silicio

y oxígeno. Los silicatos son, de lejos, los minerales más comunes en la costra y el
manto terrestres y, según la mayoría de las estimaciones, componen el 95% de la costra
y el 97% del manto. Los silicatos también tienen una gran variedad de propiedades
físicas, a pesar de que comúnmente tienen fórmulas químicas similares. A primera
vista, por ejemplo, las fórmulas del cuarzo (SiO2) y la Olivina ((Fe,Mg)2SiO4) parecen
ser bastante similares, con diferencias aparentemente menores; sin embargo, reflejan
que las subyacentes estructuras de cristal son muy diferentes y, por lo tanto, que las
propiedades físicas son distintas. Entre otras diferencias, el cuarzo se derrite a 600° C,
mientras que la olivina permanece sólida a temperaturas casi el doble de ésta; el cuarzo
es generalmente claro y sin color, mientras que la olivina recibió su nombre gracias a
su color verde oliva. Presentan elevada dureza debido a su estructura tetraédrica. Su

42
unidad fundamental es el tetraedro (SiO4)4-.[5] En la pella, luego del proceso de
piroconsolidación, parte de este actúa como agente cohesionador. Pueden manifestarse
de dos modos; como silicato sin transformar, presentando una tonalidad blanquecina y
puede diferenciase con facilidad puesto que se localiza en la zona de los poros
formando una especie de “Mancha” a la vista. La segunda forma es como silicato
fundido; difunde hacia los bordes de grano, se muestran en la imagen como líneas o
“rayas” que definen los granos.

 Análisis de imagen

El análisis de imágenes o visión artificial permite recoger datos de manera

automática desde imágenes a través de la cuantificación de algunas de sus variables
(Kruse 2000). Una imagen de este tipo describe la deducción automática de la
estructura y propiedades de un mundo tridimensional a partir de imágenes
bidimensionales, se incluyen entonces las propiedades geométricas y estructurales de
las imágenes que se analizan. La aplicación requiere de un equipo compuesto por un
computador, una cámara o escáner (McDonald et al. 2001) y un procesador digital de
imágenes (Maude 2001). Dicha metodología se puede usar con distintos fines, uno de
ellos es la identificación de objetos, pues tras el procesamiento, las imágenes son
transformadas a lenguaje alfa numérico (Glasbey & Horgan 1995). La interpretación
permite información cuantitativa de elementos básicos que diferencian y dan
significado a cada uno de ellos, de este modo, las imágenes sufren transformaciones
matemáticas, lo que no se asocia con la calidad estética de las mismas (Maravall 1993).

El análisis de imagen permite extraer fácilmente información significativa a partir de

imágenes. A través de esta técnica es posible reconocer el tamaño, forma, superficie,
etc de un objeto. También es posible cuantificar el número de elementos presentes en
una imagen y/o analizar sus trayectorias, etc

43
Una de las principales ventajas del análisis de imagen reside en la posibilidad de
sustituir complejos sistemas de detección por una cámara que en combinación con este
procedimiento le permitirá reducir costes y optimizar sus procesos.

Los campos de aplicación de esta técnica incluyen ciencias biológicas, medicina,

microscopía, teledetección, astronomía, ciencia de materiales, visión artificial,
seguridad, robótica, etc. [6]

 Instrumento de medición digital

Aquella herramienta que reflejará el resultado digitalmente. En este punto cabe

mencionar que es importante detallar el funcionamiento de estos tipos de aparatos para
que no afecten el proceso de experimentación.

 Algoritmo

Básicamente, el algoritmo es una serie ordenada de procesos o pasos que deben

llevarse a cabo para alcanzar la solución a un problema específico. Los algoritmos
pueden ser de distintos tipos, los de la vida diaria como seguir las instrucciones para
lavarse los dientes, poner en funcionamiento un lavarropas y los algoritmos utilizados
para resolver o llevar a cabo procesos más complicados como el funcionamiento de un
programa de computación.

Los tipos de algoritmos llamados “algoritmos computacionales”, son aquellos que

utilizan las aplicaciones y el software de computadoras para realizar las tareas que les
pedimos o las acciones automáticas que realizan los dispositivos sin que lo solicitemos.
Nuevamente si tomamos la definición de algoritmo, vamos que se cumplen todas las
condiciones requeridas.

44
En este sentido, el algoritmo es el elemento fundamental de cualquier programa de
computación, y no está relacionado con el lenguaje de programación utilizado para
desarrollarlo, sino en los pasos que deben realizarse para alcanzar el objetivo, es decir
el conjunto de instrucciones y pasos desarrollados para llevar a cabo la tarea
encomendada al software.

Esto en pocas palabras significa que primero el desarrollador de software debe de

escribir el algoritmo y luego plasmarlo en el lenguaje de programación que más se
adecue a sus propias necesidades y a los requerimientos de los clientes. Con el ello, el
ingeniero en informática se asegura tener una base sólida desde la cual comenzar a
crear una metodología con escenarios bien definidos y finitos, es decir que deben
finalizar en algún momento de su recorrido.

Básicamente el uso de un algoritmo en computación nos ofrece la posibilidad de hallar

una solución genérica a un determinado problema, y nos va a permitir reutilizarlo cada
vez que sea necesario para lograr el objetivo deseado. [7]

 Script
Son un conjunto de órdenes guardadas en un archivo de texto, generalmente muy
ligero y, que es ejecutado por lotes o línea a línea, en tiempo real por un intérprete. La
definición de script nos dice que se trata de un código de programación, usualmente
sencillo, que contiene comandos u órdenes que se van ejecutando de manera secuencial
y comúnmente se utilizan para controlar el comportamiento de un programa en
específico o para interactuar con el sistema operativo.

Los scripts son pequeños programas que no son compilados, es decir, por lo general
necesitan de un programa lector o interprete que codifique la información del script y
lo lleve a lenguaje de máquina, para que la información sea procesada y ejecutada por
el ordenador. [8]

45
  Threshold
El umbral es el método más simple de segmentar la imagen. A partir de una imagen
en escala de grises, se puede usar el umbral para crear imágenes binarias (Shapiro, et
al. 2001: 83)

46
 CAPITULO III

ASPECTOS PROCEDIMENTALES
El Capítulo III de la presente investigación tiene como fin situar los diversos
procedimientos tecno-operacionales más apropiados para recopilar, presentar y
analizar los datos, con la finalidad de cumplir con el propósito general de la
investigación.

Actividades ejecutadas.

Descripción de las actividades ejecutadas.

Para dar cumplimiento a los objetivos planteados en esta Práctica Profesional y

obtener los resultados deseados respecto al problema existente en el IIMM Sidor, se
llevaron a cabo una serie de actividades que se presentan a continuación. Las
actividades fueron divididas por objetivo.

 Generar rutina en software computacional que permita semi-automatizar

el método de identificación de fases, medición de tamaños de granos y
poros.

Para automatizar el proceso se implementaron comandos computacionales

ordenados en lista (scripts) para generar un algoritmo; estos fueron el motor principal
de la automatización. El software permite al usuario crear secuencias de comandos
personalizadas desde cero o modificar las existentes para satisfacer sus necesidades
específicas de aplicación. Se puede ahorrar un tiempo considerable escribiendo scripts
reutilizables para manejar análisis de imágenes comunes y procedimientos complejos

El programa cuenta con una ventana de edición y creación de scripts, en ella se ingresan
los comandos línea por línea de forma ordenada. La ventana se divide en tres zonas, en

47
la parte superior se encuentra una barra de herramientas que en la cual podemos
controlar la ejecución y ajustes de la rutina, es decir, iniciar, detener, guardar y cambiar
de script. En la parte central se muestra la lista con los comandos que conforman la
rutina, muestra cada instrucción por columnas separadas en la que se indica el número
de referencia del comando, el nombre del mismo, los parámetros y comentarios
realizados. La zona inferior muestra la lista de comandos disponibles agrupados de
acuerdo a su función y aplicabilidad.

Figura 3.1: Ventana de edición y creación de scripts.

La lista de comando engloba cada función que se puede automatizar en el programa,

se divide en ocho subsecciones clasificadas de acuerdo a uso de estas, cada una se
indica una de estas cuentas con una marca de color que la identifica.

48
 Medir: Permiten devolver los resultados medidos de
forma automática, así como también implementar
mediciones interactivas como el conteo de objetos,
cuantificar longitudes, ángulos, radio, entre otros.
Además, ofrece la opción de seleccionar regiones de
interés en la imagen.

Programa: De la variedad de funcionalidades que

ofrece, podemos destacar que confiere la
accesibilidad a la interfaz del programa mostrando
en pantalla de forma automática ventanas de
resultados, graficas estadísticas, borrar las
mediciones realizadas, limpiar resultados, además
de exportar los datos a un archivo Excel con un
formato específico.

Figura 3.2: Lista de comandos disponibles en el Software
Captura: Instrucciones referentes a la captura y
subida de la imagen. Permite “congelar “la imagen
en vivo del microscopio para guardado, o realizar
ediciones y análisis posteriores, cargar la imagen
desde una ubicación especifica
Filtros de imagen: En esta lista se engloban la gran
variedad de filtros disponibles que permiten ajustar
la imagen de acuerdo a lo que se requiere mejorando
la calidad, ajustando el contraste, variando la escala
de colores, entre otros.
Ejecución: Comprende aquellas funciones que
permiten cambiar el “sentido” o dirección a los
comandos, mostrar mensajes y depurar el programa.
Stage: Estos comandos son aplicables si se requiere
o decide fraccionar la imagen, permite cambiar de
un segmento de imagen a otro, buscar partición
central, volver a principal, entre otros. Puede ser de
gran utilidad para imágenes con gran cantidad de
información o si se requiere trabajar en procesos que
requieran de mayor precisión.

Threshold: Método de umbrales a escala de grises

que “divide” a la imagen en diferentes áreas o
campos de acuerdo a las distintas tonalidades de las
fases presentes aplicando capas superpuestas de
color. Una de sus funciones es devolver el valor
porcentual y el área ocupada por cada campo en la
imagen.

Bitplane: (operador de planos de bits) Procesa la

imagen como un archivo binario de capas
superpuestas que facilita el análisis la imagen.
Además, Permite aplicar operadores lógicos,
modificar la imagen y contar o ignorar objetos,
ajustar el tamaño, agudeza de acuerdo al tamaño de
los piexeles. Figura 3.3: Ejemplo de una rutina creada.

49
Los comandos se implementaron de la siguiente manera:

 Se implementó de la lista de comandos de captura los referentes a la

toma de imagen desde el microscopio; el programa permite “congelar” la imagen en
vivo vista desde el microscopio y posteriormente almacenarla en una carpeta específica
para su posterior uso. Se usó la carga de imágenes desde una ubicación conocida para
seleccionar las fotográficas previamente guardadas para realizarles el análisis.
 Se aplicaron estructuras cíclicas y de decisión simple para permitirle al
usuario trabajar con múltiples archivos, y para acceder a la toma de decisiones se
generaron diversos cuadros que le facilitan al operador proveer una respuesta limitada
entre “Si” y “No” al programa para continuar con la actividad o realizar otro proceso
de acuerdo a sus requerimientos.

Figura 3.4: a) Interfaz para creación de cuadros de diálogos. b) Cuadro de dialogo

 De los diversos filtros con los que cuenta el programa, se aplicó el

Sharpen que permite “Agudizar” la imagen realzando los detalles finos de esta,
aumentando la intensidad de los pixeles, obteniendo detalles más notorios y resultando
en una imagen con mayor fineza de pixeles y calidad de resolución.

50
 Figura 3.5: Interfaz de ajuste filtro sharpen

 Para la implementación del Threshold, se definieron las capas de color

para cada fase de acuerdo a las tonalidades que presenten, la ventana de Threshold
muestra el histograma de la imagen y en la parte superior de esta se encuentran los
botones en los cuales selecciona cada campo, se encuentran ordenados de modo que
van desde los tonos más oscuros a los más claros orientándonos de izquierda a derecha.
La capa de color para cada fase de muestra a continuación.

Fase Color
Poro Rojo
Ganga sin transformarse Naranja
Silicato Fundido Amarillo
Magnetita Verde
MagnesioFerrita (MgFe) Azul Claro
Hematita Azul
Tabla 1.1: Color de la capa de umbralizado para cada fase

51
 Figura 3.6: Interfaz de interacción para implementar Thresholding

 Adicionalmente, debido a que el proceso se enfoca en el análisis de la

imagen, es natural que los resultados de las medidas realizadas se arrojen en pixeles,
para obtener valores correspondiendo la escala deseada (um) se requirió calibrar las
imágenes, y a su vez, el software incorporado al microscopio óptico, de modo que a
futuro las próximas imágenes tomabas no requieran de calibración previa. Para la
calibrar la imagen se establece la siguiente relación:

Calibracion de Imágenes
X Objetivo Pixeles Longitud (micras)
50 Objetivo 1 684 80
100 Objetivo 2 865 50
200 Objetivo 3 690 20
500 Objetivo 4 776 9
1000 Objetivo 5 698 4
Tabla 1.2: Relación entre micras y pixeles a distintos aumentos

52
 Fuente: IIMM

Las imágenes calibradas tienden a mostrar los resultados en micras (um) de lo

contrario, arrojan valores en pixeles. Para corregir esto se puede aplicar lo siguiente
relación:

2625 µ𝑚2
786432𝑝𝑖𝑥𝑒𝑙𝑒𝑠 2
Ecuación: Relación Micras2/Pixel2

 Como complemento se hizo uso del software estadístico Microsoft Excel para
ordenar los datos obtenidos en forma de lista, y a su vez, se implementaron macros que
permitieron organizar los mismos en tablas que facilitan el manejo de la información
de interés.

 Validar la óptima ejecución de la rutina mediante la medición de

porcentajes de fases, tamaños de poros y granos.

El programa permite depurar una rutina ejecutando línea por línea las instrucciones
para probar cada paso comprobando que los comandos funcionen como se desea; dado
que la rutina puede contar de un gran número de instrucciones, es necesario revisar
paso por paso para verificar su correcto funcionamiento. Adicionalmente, se ejecutó
numerosas veces la rutina para analizar una gran cantidad de muestras a fin de ajustar
y corregir desperfectos existentes. Además, se tomaron opiniones y consideraciones de
los operadores que implementaron la rutina en el análisis de las muestras y con ello se
efectuaron adecuaciones de esta al método y se establecieron criterios básicos a fin de
disminuir los errores sistemáticos.

53
 Para ejecutar el análisis, se contó con siete (7) muestras compuestas por tres (3)
pellas de las cuales se tomaron y editaron cuatro (4) fotos de la zona del borde y cuatro
(4) del centro a través del microscopio óptico Nikon Eclipse MA 200, para un total de
ciento sesenta y ocho (168) imágenes analizadas. Los resultados fueron representados
en una tabla con el formato 3.1 mostrando la media de los datos por fase de cada
muestra por operador para su posterior análisis.

 Establecer robustez del método para medición de porcentaje de fases y

tamaño de poros y granos de las microestructuras de pellas

Para determinar la robustez del método, primeramente, y siguiendo parámetros

estadísticos que corresponden al establecimiento de una relación entre los datos de los
tres operadores como poblaciones distintas se tomaron las medias de los valores de las
7 muestras de cada operador y se trasladaron al software Statgraphics, se realizó un
estudio comparativo determinando el coeficiente de correlación inter-operador a fin de
conocer la variabilidad entre las poblaciones. Posteriormente, se realizó un estudio de
R&R permitiendo evaluar la reproducibilidad del método; las gráficas obtenidas
ofrecen información sobre la tendencia y desviación de la media por operador.
Se descartó el análisis de repetibilidad del método puesto que solo se desea
evaluar si el mismo puede o no ser replicado por otros. Los operadores realizaron los
análisis de forma independiente, a tiempos distintos e implementando el mismo equipo;
al software no se le realizaron modificaciones entre los análisis de los mismos.

Técnicas e Instrumentos de Recolección de información.

Es necesario contar con una serie de herramientas, métodos o vías que faciliten
la recolección de datos que serán utilizados para darle fin a las actividades programadas
en cualquier trabajo de investigación, con la finalidad de obtener todos los datos
importantes que permitieron alcanzar los objetivos planteados en esta investigación, se
utilizaron las siguientes técnicas de recolección de datos.

54
Revisión documental

Para Hurtado (2008, p. 427), es una técnica en la cual se recurre a información

escrita, ya sea bajo la toma de datos que pueden haber sido producto de mediciones
hechas por otros o como texto que en sí mismo constituyen los eventos de estudio.

Se recurrió a una revisión documental sobre las técnicas utilizadas en

bibliografía especializada en el tema, así como de estudios similares al planteado en
informes de práctica profesional y trabajo de grado. También se consultaron prácticas
operativas y publicaciones electrónicas, entre otros, con la finalidad de identificar
hechos y situaciones de interés con el estudio planteado.

Observación Directa

Se recurrió a esta técnica, ya que mediante el empleo de los equipos y

herramientas tales como el microscopio óptico y analizador de imágenes, se recogieron
a través de la inspección de cada una de las muestras evaluadas, una serie de imágenes
y datos que permitieron la caracterización microestructural de la pella y diferentes fases
presentes.

Entrevista no estructurada

Las entrevistas no estructuradas, se basan en una guía de asuntos o preguntas y

el entrevistador tiene la libertad de introducir preguntas adicionales para precisar
conceptos u obtener mayor información sobre temas deseados (Hernández 2003).

Se empleó la entrevista no estructurada, a los operadores de los pulpitos del

IIMM y técnicos de laboratorio con el fin de obtener información complementaria en

55
base a experiencias, vivencias y métodos de trabajo; y con esto aclarar dudas existentes
durante la investigación.

Red de Internet de Sidor

Este medio de comunicación y análisis documental permitió obtener

información actualizada y específicas de los temas de interés del estudio realizado.

Intranet de Sidor

Servicio de conexiones de red interno de la empresa, que dentro de sus

funcionalidades está la de ofrecer una ventana a la búsqueda de documentos (papers,
antecedentes, trabajos de grado, libros técnicos, prácticas profesionales) y la
visualización de los datos concernientes al método aplicado con anterioridad.

Procesamiento de la información

Dentro de los paquetes computarizados empleados para el manejo, almacenaje,

procesamiento, análisis e interpretación de los datos recolectados están, Software para
análisis y procesamiento de imágenes Buehler OmniMet, para semi-automatizar el
proceso, obtener revisión fotográfica de las muestras, mejoramiento digital y análisis
de imagen; paquete de Microsoft Office 2003 y 20016 (Microsoft Word, PowerPoint,
Excel), para la tabulación de la data obtenida; el STATGRAPHICS Centurión XV, para
el análisis estadístico de los datos involucrados y representación gráfica de resultados.

Tabulaciones y Gráficos

Diagrama de flujo

56
 Se implementó un diagrama de flujo para representar gráficamente el script
aplicado para la caracterización microestructural de la pella con el uso del software de
análisis de imagen,

Figura 3.7: Diagrama de flujo para caracterizacion microestructural de pellas

 Tabla con los resultados Del análisis por muestra

Se presenta a continuación el formato usado para el resumen de los resultados

de la caracterización realizada vía microscopia óptica por muestra para cada operador.
En esta se observa la media de los valores correspondientes al porcentaje de fase y
tamaño de grano promedio

57
Operador Muestra P_Poros P_GangaS/T P_Silicatos P_Magnetita P_GangaB P_Hematita A_Poros A_GangaST A_Granos
M1
M2
M3
M4
M5
M6
M7

Tabla 2.1: Formato Tabla para la representación de los resultados del análisis por operador

 Tabla con los resultados de R&R inter-operador

En la tabla son plasmados los valores correspondientes a los coeficientes de

correlación R&R entre operadores,

Variable P_Poros P_GangaS/T P_SilicatosF P_Magnetita P_MgFe P_Hematita A_Poros A_Granos

R&R
Tabla 2.2: Formato Tabla para la representación de valores R&R

 Gráfico de tendencia de la media.

Este grafico nos permite analizar la variabilidad de los resultados entre los tres
operadores y con esto medir que tan parecidos son los valores entre los mismos, a su vez,
sirve de apoyo para el análisis de linealidad y en la búsqueda de valores atípicos.

58
 Figura 3.8: representación de grafico de tendencia para la comparación de resultados inter-
operador

 Grafica de desviación de la media.

Con este grafico podemos medir el grado de dispersión de los resultados y,

como su nombre lo indica, la deviación de los valores de la media.

59
 Figura 3.9: Representación de grafico de desviación de la media de los resultados para cada
operador.

Tipos de análisis a realizar

En el presente estudio se desarrolló una investigación por muestreo con diseño de

tipo descriptivo. Es descriptivo porque este se basa en la recolección de datos obtenidos
directamente de la realidad para dar respuesta a la necesidad de determinar el
porcentaje de fases y tamaño de grano * * *

De acuerdo al propósito de la investigación es aplicada, porque tiene como objetivo

principal lograr las mejoras de un proceso, bien sea, por el desarrollo de nuevas
destrezas para resolver problemas con aplicación a un sistema o a través de este mejorar
un producto mediante el diseño de herramientas prácticas y directamente relacionadas
con una situación real en el ambiente de trabajo.

60
 CAPITULO IV

RESULTADOS

A continuación, se presentan los resultados obtenidos en base a los objetivos

específicos planteados.

Generar rutina en software computacional que permita semi-automatizar el

método de identificación de fases, medición de tamaños de granos y poros.

Implementando las funcionalidades que ofrece el software, se realizó una rutina

de caracterización divida en dos secciones que pueden trabajarse de manera continua o
por separado. La primera corresponde al guardado y edición de imágenes; la segunda
al análisis de las mismas. En la etapa de carga y edición, se inicia trabajando desde la
imagen en vivo mostrada por el microscopio óptico, el operador puede seleccionar la
ubicación en la pella donde se desea realizar el registro fotográfico; seguido de esto
comienza el proceso de edición en la cual se ejecuta con el filtro Sharpen mencionado
anteriormente y por último se guarda la información. La parte de análisis inicia
solicitando cargar una imagen desde una ubicación conocida; posteriormente se aplica
el método de Threshold sobre la imagen en el cual el operador debe seleccionar y
ajustar el rango de cada campo manualmente, este proceso se repite consecutivamente
hasta que se completa la batería de imágenes que se tenga por muestra para luego
exportar la información resultante a Excel, este archivo presenta una lista con todos los
valores devueltos por el programa, los datos se pasan a una macro que compila toda la
información de interés en una tabla y devuelve el promedio para cada muestra por
variable.

A continuación, se muestra un diagrama de flujo que esquematiza de forma

simplificada el proceso completo de carga y análisis de imágenes.

61
 Seleccionar e iniciar
script

SI
¿Trabajar con imágenes
Iniciando análisis de
Seleccionar imagen
guardadas? imagen

NO
Ajustar rango en
Threshold
Establecer posición de la
cámara en la pella

SI
SI ¿Desea Cargar otra
Seleccionar “Play” imagen antes de
exportar a Excel?
¿Quiere analizar
alguna imagen?
NO
Mejora digital (Sharpen)
NO Exportar a Excel

Guardar imagen en lugar

seleccionado.
SI
¿Desea Cargar otro
grupo de imágenes?
NO
¿Desea tomar
otra fotografía? NO

SI Fin del análisis

62
 Validar la óptima ejecución de la rutina mediante la medición de porcentajes de
fases, tamaños de poros y granos.

Como se menciona anteriormente, cada operador ejecutó el programa para

realizar el análisis de siete (7) muestras; en la tabla 4.1.1 se muestran la media de los
datos obtenidos del operador uno (1) para cada fase por muestra. De igual manera, en
las tablas 4.1.2 y 4.1.3 se reflejan los resultados para los operadores dos (2) y tres (3).

Muestra P_Poros P_GangaST P_Silicatos P_Magnetita P_GangaB P_Hematita A_Poros A_GangaST A_Granos

32,9552 10,3868 6,78767 0,30953 7,27526 42,5258 1,84011 0,1741 4,82124

M1

38,7583 6,17290 4,67596 0,21419 6,74446 43,4197 1,57348 0,04681 4,5584

M2

38,3572 4,47815 6,51855 0,22415 5,47565 44,9324 1,42277 0,02542 6,08429

M3

32,1269 8,15839 6,59844 0,24038 5,55216 47,3165 1,33433 0,10138 5,60642

M4

40,6883 17,0451 1,15566 0,16277 6,31314 34,6349 0,82225 0,11077 1,80280

M5

43,0827 8,65952 4,00927 0,16316 3,06500 41,0204 1,51031 0,06133 3,6876

M6

43,6146 20,7652 1,63359 0,22677 0,23244 33,5273 2,15561 0,30635 1,6471

M7

Tabla 3.1: Medias del porcentaje de fases y tamaño de grano operador uno.

Muestra P_Poros P_GangaST P_Silicatos P_Magnetita P_GangaB P_Hematita A_Poros A_GangaST A_Granos

27,4170 15,4321 6,73131 0,26561 8,39651 41,7905 1,59340 0,3567 4,81780

M1

32,6345 13,097 4,38186 0,21611 7,1607 42,5095 1,29150 0,17426 4,18585

M2

31,7597 12,1268 4,67894 0,47015 7,07048 42,7941 0,97424 0,15148 4,79126

M3

63
 30,1886 12,0768 4,25125 0,2375 6,71726 46,529 1,15206 0,23934 5,6335
M4

39,2795 18,5170 3,53632 0,17020 5,96282 32,629 0,74998 0,13275 1,57598

M5

40,3351 12,7107 5,20273 0,18013 5,39896 36,1510 1,33768 0,11558 2,52821

M6

42,3809 22,0945 3,9270 0,30224 3,0341 28,2827 2,18740 0,35189 1,09914

M7

Tabla 3.2: Medias del porcentaje de fases y tamaño de grano operador dos.

Muestra P_Poros P_GangaS/T P_Silicatos P_Magnetita P_GangaB P_Hematita A_Poros A_GangaST A_Granos

27,7163 16,2171 9,63104 0,33424 4,41799 41,5924 1,65148 0,36191 4,52118

M1

30,9623 14,2215 6,0316 0,26864 5,28262 43,2837 1,03532 0,20495 4,547

M2

32,3812 12,5525 5,45339 0,23446 5,27325 44,1134 1,0031 0,15127 5,41674

M3

29,2584 12,168 5,5204 0,23252 5,2171 47,5899 1,10702 0,22807 5,97495

M4

36,782 20,5619 3,74284 0,17038 3,79074 34,9524 0,61645 0,16184 1,80374

M5

38,5623 13,2645 9,59293 0,24669 0,4466 37,7614 1,18987 0,10528 2,83083

M6

37,1274 24,8681 5,72989 0,30358 0,39552 31,547 1,30884 0,34462 1,3998

M7

Tabla 3.3: Medias del porcentaje de fases y tamaño de grano operador tres.

64
 Establecer robustez del método para medición de porcentaje de fases de las
microestructuras de pellas mediante el método estadístico de análisis de valores
R&R

 Correlación lineal

Se definió la linealidad realizando comparaciones uno a uno entre operador

arrojando como respuesta los coeficientes de correlación lineal y de determinación para
cada fase. Se sabe que el coeficiente en una media que permite conocer la variabilidad
entre los datos de los operadores recatando que, mientras más cercano se encuentre este
valor a uno (1) menor será la variación entre los datos correlacionados. En la tabla se
representan los correspondientes a los mismos; se puede observar que los valores varían
en gran medida de acuerdo a la fase y operadores evaluados. No obstante, se percibe
un grado de correlación aceptable entre ellos, especialmente en la fase Hematitica. Esta
información es útil debido a que otorga un indicio a seguir para determinar si los errores
reflejados en los resultados son de tipo sistemático o aleatorios y el grado de
subjetividad al cual se encuentra sometido el método. Además de que confiere una
breve comprensión de la dependencia del proceso a la experticia y cuidado del
operador.

PORCENTAJE DE FASES

P_Poros P_GangaS/T P_Silicatos P_Magnetita P_GangaB(MgFe) P_Hematita

Operadores
R %R2 R %R2 R %R2 R %R2 R %R2 R %R2

2 Vs 1 0,9225 85,0944 0,9661 93,3321 0,6362 40,4809 0,3623 13,1284 0,9338 87,1811 0,9723 94,5379

1 Vs 3 0,9306 86,5931 0,9591 91,9802 0,4064 16,5187 0,7583 57,5031 0,8564 73,3417 0,9744 94,9539

3 vs 2 0,9666 93,4308 0,9981 99,6268 0,8772 76,9411 0,1939 3,7607 0,8131 66,1101 0,9938 98,7566

Tabla 4.1: Coeficiente de correlación lineal inter-operador para porcentaje de fases

.

65
  Valores R&R

Para determinar la robustez del método, se implementó un modelo R&R

considerando en las mediciones todas las muestras de los tres (3) operadores. En la
tabla 4.2.3 se muestran los valores R&R para cada fase, se debe considerar que, valores
por debajo del 10% son ideales para validar el método y valores por encima del 30%
son indicativo de que el método requiere modificaciones, por lo que, para que sea
aplicable los resultados se deben encontrar en un rango menor; el rango de valores entre
10% y 20% indican que el método es aplicable más sin embargo requiere correcciones.

Variable P_Poros P-GangaST P_SilicatosF P_Magnetita P_MgFe P_Hematita

R&R 27.458 28.251 27.564 16.737 28.149 4.618

Tabla 4.2: Valores medios de R&R de porcentaje de fases para cada Variable Estudiada

Se puede observar que los valores se encuentran en rango aceptable de aplicabilidad

siendo los correspondidos a la fase Hematitica (tanto porcentaje <P_Hematita> como
tamaño de grano <A_Granos>) los más bajos indicando que el método es
suficientemente robusto como para medir estas variables. Las fases restantes se
encuentran en el rango de 10% y 20% con un valor máximo de 28,251% que
corresponde a parte de la ganga presente (P_GangaS/T) aludiendo que el método es
aplicable, más requiere de ajustes para su validación. Una causa de sesgo probable
puede asociarse a los criterios por parte del operador; como se menciona anteriormente
en el análisis de correlación, se requiere discutir sobre los criterios tomados por cada
uno para la realización de la metodología y con ello llegar a un acuerdo que permita la
unificación de los mismos.

66
 Figura4.1: Grafica representativa de las mediciones de variables por muestra y operador para
porcentaje de fases.

La figura 4.1 muestra la tendencia de la media resultante correspondiente al porcentaje

de fases por muestra y por operador. Se puede observar con claridad que la variación en la
tendencia media por muestra de los operadores no es significativa, a excepción de valores
atípicos como es el caso de la muestra seis (6) del operador 3 (Denotado como “NP” en las
gráficas) para el porcentaje de silicatos fundidos (% Silicatos F), y la muestra tres (3) del
operador 2 (Denotado como “YA” en las gráficas) para el porcentaje de magnetita. La
metodología para la obtención de estas variables no se vio alterada, simplemente se
introdujeron nuevas fases, siendo este un beneficio de trabajar con un microscopio con mayor
poder de resolución.

67
 Figura 4.2: Desviación de la Media por Operador para porcentaje de fases

En la figura 4.1.2 se presenta, igualmente para el porcentaje de fases, la

desviación de la media por operador, siendo las variables de % GangaS/T y %Poros en
donde se presenta la mayor desviación, con valores medios de-3.5% y 2.8%
respectivamente, ambas por el operador 1 (Denotado como ED); exceptuando estas, el
resto de las variables exhiben desviaciones en el rango de -1% a 1%.

Determinar robustez del método para medición de tamaño de poros y granos de

las microestructuras de pellas mediante el método estadístico de análisis de
valores R&R

 Correlación lineal

De igual manera ocurre para el tamaño de grano; en la tabla 4.2.2 se puede notar
que el coeficiente de correlación muestra un alto grado de asertividad, indicando que

68
 los operadores perciben en gran medida (o al menos en la mayoría de los casos) la
misma proporción de fases. Para el caso de medición de tamaño de grano, es importante
evaluar la linealidad dado que hubo un cambio considerable en la metodología. Sin
embargo, se puede notar que los coeficientes que involucran al operador tres (3) son
bajos en comparación a los demás; indicando que a pesar de que los operadores tienen
una idea clara en lo que respecta al método, aún existen dudas referentes a este, lo que
origina la presencia de errores aleatorios asociados al criterio del operador.

TAMAÑO DE GRANO
A_Poros A_GangaS/T A_Granos
Operadores
R %R2 R %R2 R %R2
1 Vs 2 0,9453 89,3685 0,8237 67,8424 0,9549 91,1842
3 Vs 1 0,8248 68,0337 0,8810 77,6207 0,9722 94,5252
2 vs 3 0,7286 53,081 0,6257 39,1496 0,9878 97,5713

Tabla 5.1: Coeficientes de correlación lineal inter-operador para tamaño de grano

A pesar de que los valores son aceptables, la relación por sí sola no respalda la
verificación del método debido a que se toman en cuenta solo dos operadores para cada
resultado y, aunque exista un grado de correlación, el error presente es elevado por el
hecho de que se desprecian poblaciones completas de valores. Sin embargo, determinar
la linealidad entre los operadores resulta de utilidad a la hora de comparar criterios,
accediendo a realizar estimaciones sobre hasta qué punto decide cada operador que fase
tomar, es decir, cual es el rango que toma cada operador por fase, tomando en cuenta
además que ese rango no es fijo, dado que, la proporción de estas en las imágenes puede
variar.

 Valores R&R

69
 Variable A_Poros A_Granos
R&R 20.171 2.919

Tabla 5.2: Valores medios de R&R de porcentaje de fases para cada Variable Estudiada

En el caso del tamaño de grano, es importante que se tenga una linealidad en

las mediciones de los operadores y un bajo nivel desviación en estas variables dado que
hubo un cambio notable en la metodología implementada para la medición de las
mismas; en consecuencia, el impacto del resultado es de mayor relevancia. En la figura
4.2.1 se muestran las gráficas representativas de tendencia de la media para tamaño de
poro y tamaño de grano por operador. Se logra evidenciar que, para la variable de
tamaño de grano, el grado de linealidad es significativamente alto y en conjunto con el
valor R&R obtenido para esta, mostrado anteriormente en la tabla 4.2.3, con un valor
de 2.919%., esto quiere decir que la tendencia media por operador es exactamente la
misma, siendo este un indicativo de que la implementación del método para esta fase
es completamente valida.

Figura 5.1: Grafica representativa de las mediciones de variables por muestra y operador para tamaño
de grano

70
 Sin embargo, el valor de R&R para el área de poros se sobrepone al 20%
advirtiendo que a pesar de que el método es aplicable, requiere de ajustes para la
obtención de resultados óptimos y su total validación. De igual manera se puede
evidenciar que la tendencia media por muestra es similar para los tres operadores,
exceptuando el caso puntual de la Muestra 7. La desviación media por operador la
podemos visualizar en la figura 4.2.2. En ambos casos, la mayor desviación media del
promedio son del operador 1 (ED) con un valor cercano 0.2 μ2 (un poco mayor para el
caso de Área de Grano). Y contrariamente a lo que se esperaba, el rango de desviación
que concierne al Área de poros fue menor en comparación al área de granos. Estos
pares de graficas indican que a pesar de que aún existe errores por subjetividad y se
requieren ajustes menores, el método es suficientemente robusto como para ser
aplicado en la medición de estos factores.

Figura 5.2: Desviación de la Media por Operador para tamaño de grano

71
 CONCLUSIONES

 Se generó una rutina en un software que permitió semi-automatizar el método

de caracterización de pellas quemadas, considerando porcentajes de fases
(Poros, Ganga Sin Transformar, Silicatos Fundidos, Magnetita,
MagnesioFerrita y Hematita) y Tamaño de Poros y Granos de Hematita,
disminuyendo el tiempo requerido para realizar dicho proceso y las fuentes de
error, además facilitando en gran medida el procedimiento de medición.
 Durante la comprobación de la óptima ejecución de la rutina se obtuvo
información que permitió ajustar el script por retroalimentación de los
operadores de modo que facilitara los análisis y se ajustara a sus requerimientos.
De igual manera se generaron resultados los cuales fueron implementados en el
análisis para la validación del método.

 El método propuesto presenta valores de R&R menores al 30% en las variables

estimadas (considerando mediciones de 3 operadores y 7 muestras) siendo el
método aplicable para todas las variables con el requerimiento de ajustes de
unificación de criterios para su medición que permitan la validación
permanente del método propuesto.
 Los datos obtenidos para la medición de tamaño de poros y granos, presenta
valores R&R máximos cercanos al 20% siendo de gran relevancia puesto que
un hubo un cambio considerable en su metodología. Los resultados indician que
su aplicación es factible a pesar de que se requieran ajustes.

72
 RECOMENDACIONES

 Ejecutar el método con los tres operadores en conjunto implementando nuevas

muestras permitiendo de esa manera establecer criterios únicos.
 Realizar nuevamente los análisis de las muestras por operador a fin de
estudiar la reproducibilidad del método.
 Aplicar la metodología en el estudio de muestras que presenten un contendido
apreciable de magnetita aseverando la validez en la ejecución del mismo para
esta fase.

73
 REFERENCIAS

[1] Estadística robusta. (2019, 4 de agosto). Wikipedia, La enciclopedia libre.

Fecha de consulta: diciembre 15, 2019 desde
https://es.wikipedia.org/w/index.php?title=Estad%C3%ADstica_robusta&oldi
d=117999420.
[2] ¿Qué son repetibilidad y reproducibilidad? ;( 2018, 25 de junio) Matos,
Andreina Fecha de consulta: diciembre 15, 2019, desde
Ayalahttps://www.lifeder.com/reproducibilidad-repetibilidad/
[3] ¿Qué es un estudio de repetibilidad y reproducibilidad (R&R) del sistema de
medición? (2019) Soporte Minitab Fecha de consulta: diciembre 15, 2019
desde https://support.minitab.com/es-mx/minitab/18/help-and-how-to/quality-
and-process-improvement/measurement-system-analysis/supporting-
topics/gage-r-r-analyses/what-is-a-gage-r-r-study/
[4] Srinivas DWARAPUDI, T. Uma DEVI, S. MOHAN RAO, Madhu RANJAN2
(2008, 12 de marzo) Influence of Pellet Size on Quality and Microstructure of
Iron Ore Pellets(Archivo PDF) ISIJ International, Vol. 48 (2008), No. 6, pp.
768–776
[5] “Minerales de Silicato” Visionlearning Vol. EAS-2 (9) (2006) Egge Anne E
Fecha de consulta: diciembre 15, 2019, desde
https://www.visionlearning.com/es/library/Ciencias-de-la-
Tierra/6/Minerales-de-Silicato/140
[6] CONCEPTO DE ANALISIS DE IMAGEN; B García J Brenda; Estrada P,
Jesús (2015) Prezi desde https://prezi.com/j8n7uv_6ya-w/concepto-de-
analisis-de-imagen/
[7] ¿Qué es un algoritmo? Definición, características y tipos. Algoritmo
computacional; Tecnología informática Fecha de consulta: diciembre 15,
2019, desde https://tecnologia-informatica.com/algoritmo-definicion/

74
[8] ¿Qué es un Script? Todo lo que tienes que saber sobre ellos (2016, 04 de mayo)
Garcia, Jesus. Fecha de consulta: diciembre 15, 2019, desde
https://rootear.com/ubuntu-linux/que-es-un-script
[9] Verdugo, G., Marchant, J., Cisternas, M., Calderón, X., & Peñaloza, P. (2007).
Caracterización morfométrica de la germinación de Chloraea crispa
lindl.(Orchidaceae) usando un análisis de imagen. Gayana. Botánica, 64(2),
232-238.

75