UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA GEEOLOGICA, MINERA Y METALURGICA

PROCESAMIENTO DE MINERALES Y MATERIALES

ME-321-R2

LABORATORIO N°2: MUESTREO Y ANALISIS GRANULOMETRICO.

DOCENTE: ING. LILY EDITH PONCE GAGO
ALUMNOS:
 DE LA CRUZ DIAZ SEGUNDO SEVERIANO 20161316J
 YUPANQUI SANCHEZ JUNIOR GABRIEL 20161074K
 BARRIOS SOTO BRAYAN NICANDER 20161298F

LIMA – PERU
JUNIO 2019

P á g i n a 1 | 13
 INDICE

INTRODUCCION……………………………………………….……………………………….

OBJETIVOS…………………………………………………………………………….…………

FUNDAMENTO TEORICO………………………….…………………………………….…

EQUIPOS Y MATERIALES

PROCEDIMIENTO EXPERIMENTAL………………………………………….…………

CÁLCULOS Y RESULTADOS ………………………………………..……….……….…..

CONCLUSIONES…………………………………………………………………………….…

RECOMENDACIONES …………………………………………………………………………

BIBLIOGRAFÍA………………………………………………………………………………..….

P á g i n a 2 | 13
 1. INTRODUCCION

Existen muchas formas de registrar los resultados, provenientes de un análisis

granulométrico, el más común es representar gráficamente el pasante acumulado en
porciento en función del tamaño de partícula. Esto puede hacerse en escala
cartesiana–cartesiana, pero tiene la desventaja de que los puntos en la región de los
finos tiendan a congestionarse; para evitar eso, se realiza el cambio de escala a
logaritmo– cartesiana.

Así como también es útil, a menudo, representar las distribuciones de tamaño por
medio de una función matemática, con el fin de representar gráficamente 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.

Las dos funciones de distribución de tamaño usadas comúnmente, para la

caracterización de los materiales, son las funciones de Gates-Gaudin–Schuhmann y
Rosin–Rammler.

P á g i n a 3 | 13
 2. OBJETIVOS

 Aprender el proceso correcto de muestreo para realizar el análisis

granulométrico de la muestra dada y hallar la función de distribución para este
análisis.

 Entender la importancia de las funciones Rosin-Rammler y Gates-Gaudin-

Schuhmann para modelar los resultados experimentales, tanto en planta como
de manera general.

 Calcular el factor de correlación o coeficiente de regresión lineal para cada

función de distribución.

 Interpretar gráficamente los datos obtenidos.

3. FUNDAMENTO TEORICO
GATES-GAUDIN-SCHUHMANN
Esta distribución de tamaño es la más utilizada, por su simpleza, para representar
sistemas particulados en el campo de la mineralurgia.
m
x
F ( x )=100 ( )
K

Donde:
K: Módulo del tamaño. Corresponde al tamaño máximo
m: Módulo de la distribución. Indicativo de la amplitud de la distribución
(pendiente).

100,0
Fu (x)

m
10,0

10 100 K = d100
Tamaño, x

P á g i n a 4 | 13
ROSSIN-RAMMLER
Esta distribución de tamaño sigue una línea recta en un gráfico del doble logaritmo del
inverso de F 0 ( x ) versus el logaritmo del tamaño.
n
x
F ( x )=100(1−exp −
( ( )) x0
)

Donde:
x 0: Tamaño característico y tiene unidad de longitud ( x 0=d63,2 ).

n: Módulo de la distribución. Indicativo de la amplitud de la distribución

(pendiente).

0,1 99,9

Fu (x)
Fo (x)

20,0 80,0
63,2
50,0 50,0

80,0 20,0
n

10 100
Tamaño, x
x0 = d63,2

4. EQUIPOS Y MATERIALES

 Muestra mineral.
 Juego de tamices de 4’’ a M400
 Ro -Tap (para las mallas 10 a 400)
 Bolsas
 Espátula
 Balanza electrónica y Balanza de precisión.
 Lona.

Imagen 1. Serie de Tamices para análisis granulométrico.

P á g i n a 5 | 13
5. PROCEDIMIENTO EXPERIMENTAL
 Se tiene una muestra de aprox. 4.09 kg la cual se pasa por el adecuado proceso
de tamizado.

 Después se realizará el tamizaje del mineral chancado con las mallas más
gruesas (desde la malla 4” hasta la malla 8).

 Teniendo estos, procedemos a pesarlos y a tamizarlos sin la ayuda del Ro-Tap

porque se puede malograr, por eso que lo hacemos manualmente.

Luego de separar las rocas más grandes que corresponden a las mallas más
gruesas, una vez que lleguemos hasta malla 8, recién podemos usar el Rot-
Tap para que esta haga la agitación, durante 15 minutos aproximadamente
en cada pasada, dependiendo de la cantidad de mineral fino que nos queda
(De malla 10 a más fino).
 El material previo a ser tamizado desde la malla 10, se lava y se coloca en
bandeja para ser puesto en la estufa para su respectivo secado.

 Se colocan los tamices, a partir de la malla 10 de acuerdo a la serie sobre la ro –

tap para sacudirlos.

 Se sacude por un periodo de 15 – 20 minutos.

 Se pesan y registran los pesos retenidos sobre cada uno de los tamices y sobre
el plato de finos (-400).

 Los datos del análisis granulométrico se colocan en tabla para ser analizados
en función de las distribuciones de análisis granulométrico.

P á g i n a 6 | 13
6. CALCULOS Y RESULTADOS.
 A continuación, se presenta la TABLA N°1, la cual muestra los pesos retenidos
en cada malla y dichos datos nos ayudan a obtener el Fx y el Gx.

TABLA N°1. G(x) y F(x) obtenidos

G(x) % F(x) %
Masa
#TAMIZ % Retenido Retenido Pasante
retenida (gr)
acumulado acumulado

4'' 0 0.000 0 100.000

2" 350 8.614 8.614 91.386
1.5" 925 22.765 31.379 68.621
0.75" 440 10.829 42.208 57.792
0.5" 435 10.706 52.914 47.086
0.375" 660 16.243 69.157 30.843
0.25" 540 13.290 82.447 17.553
4 215 5.291 87.739 12.261
6 235 5.784 93.522 6.478
8 140 3.446 96.968 3.032
10 54.8 1.349 98.317 1.683
14 17.8 0.438 98.755 1.245
20 11.8 0.290 99.045 0.955
30 5.7 0.140 99.185 0.815
40 5.8 0.143 99.328 0.672
50 4.1 0.101 99.429 0.571
70 4.7 0.116 99.545 0.455
100 3.7 0.091 99.636 0.364
140 3.2 0.079 99.715 0.285
200 3.3 0.081 99.796 0.204
270 3.2 0.079 99.874 0.126
400 2.8 0.069 99.943 0.057
-400 2.3 0.057 100.000 0.000
4063.2 100.000

 Como se puede observar, en el proceso de tamizado se perdió aprox 26.8g de

muestra.

 Los resultados de COLOR NARANJA fueron pesados sin usar el Ro-tap, es decir,
son muestra de mayor masa, en cambio las de COLOR PLOMO, son las muestras
que fueron pesadas luego de usar el Ro-tap.

P á g i n a 7 | 13
 6.1. ANALSIS DEL MODELO GATES-GAUDIN-SCHUHMANN

100
Usando :log ( F ( x ) )=α l og ( x )−log( )
Kα

 Para estos casos se usó la herramienta SOLVER de Excel, debido a que esta
herramienta ayuda a calcular los valores cuyo errores son mínimos y son más
exactos que al usar regresión lineal.
TABLA N°2. GATES-GAUDIN-SCHUHMANN

Valor Valor Del ERROR

F(x) %pasante Abertura
Experimental Log(x) modelo (modelo-
acumulado Promedio
Log(F(x)) Log(F(x)) experimental)

100.000 2 100000 5 2.03889591 0.039

91.386 1.96088014 75000 4.87506126 1.92887345 0.032
68.621 1.83645572 43750 4.64097806 1.72273715 0.114
57.792 1.76186688 28250 4.45101845 1.55545659 0.206
47.086 1.67289217 15750 4.19728056 1.33201214 0.341
30.843 1.48915219 11000 4.04139269 1.19473553 0.294
17.553 1.24434313 7400 3.86923172 1.04312865 0.201
12.261 1.08853552 5025 3.70113607 0.89510173 0.193
6.478 0.81141769 4050 3.60745502 0.81260515 0.001
3.032 0.48174251 2855 3.45560611 0.67888529 0.197
1.683 0.2261879 2180 3.33845649 0.57572202 0.350
1.245 0.09528232 1700 3.23044892 0.48060934 0.385
0.955 -0.02003647 1125 3.05115252 0.32271891 0.343
0.815 -0.08904021 725 2.86033801 0.15468551 0.244
0.672 -0.17270555 522.5 2.71808629 0.02941705 0.202
0.571 -0.24338021 372.5 2.57112628 -0.09999759 0.143
0.455 -0.34169647 256 2.40823997 -0.24343711 0.098
0.364 -0.43860648 181 2.25767857 -0.37602316 0.063
0.285 -0.54441021 128 2.10720997 -0.50852751 0.036
0.204 -0.68979011 90.5 1.95664858 -0.64111356 0.049
0.126 -0.90129802 64 1.80617997 -0.77361791 0.128
0.057 -1.24714036 45.5 1.6580114 -0.90409682 0.343
19 1.2787536 -1.2380755 1.238

Los valores de K y alfa, Para la minima desviación son:

K 0.38589462 Varianza 0.11177011

Alfa(α) 0.88061124 Desviación 0.33432037

P á g i n a 8 | 13
 GATES GAUDIN SCHUMMAN
2.5
2
1.5
1
log(F(x))

0.5
0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
-0.5
-1
-1.5
log(x)

Modelo Experimental
Grafica 1. Valores del modelo (Solver)

 Usando la regresión lineal Básica de Excel.

GATES GAUDIN SCHUMMAN

2.5

2 f(x) = 0.99 x − 2.79

R² = 0.97
1.5

1
log(F(x))

0.5

0
1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
-0.5

-1

-1.5

log(x)

Grafica 2. Valores usando Regresión lineal Básica.

y = Ax + B

y = 0.9944x - 2.7919

log(F(x)) = α*log(x) + log(100/Xo^α)

6.2. ANALISIS DEL MODELO ROSIN RAMMLER

P á g i n a 9 | 13
Usando :ln ⁡¿
  Usando la herramienta SOLVER de Excel.

TABLA N°2. MODELO ROSIN RAMMLER

Valor Del Valor

Abertura ERROR(modelo-
Ln(x) modelo Experimental
promedio experimental)
Ln(Ln(G(x))) Ln(Ln(G(x)))

100000 11.5129255 0.98141607 0.981416073

75000 11.2252434 0.66641402 0.896819579 0.230405564
43750 10.6862469 0.07623123 0.147578843 0.071347614
28250 10.2488487 -0.40270483 -0.147853164 0.25485167
15750 9.66459564 -1.04244204 -0.45176615 0.590675895
11000 9.30565055 -1.43547468 -0.997537781 0.437936899
7400 8.90923528 -1.86953588 -1.645010715 0.224525169
5025 8.52218073 -2.29334741 -2.034033956 0.259313456
4050 8.30647216 -2.52954094 -2.703513899 0.173972957
2855 7.95682712 -2.91239033 -3.480561511 0.568171176
2180 7.68708016 -3.20775406 -4.075876642 0.868122578
1700 7.43838353 -3.48006839 -4.379515371 0.899446984
1125 7.02553831 -3.93211982 -4.646512204 0.714392386
725 6.58617165 -4.41321133 -4.806105799 0.392894473
522.5 6.25862498 -4.77186376 -4.999470553 0.227606793
372.5 5.92023704 -5.14238702 -5.162712133 0.020325112
256 5.54517744 -5.55306448 -5.389674526 0.163389959
181 5.19849703 -5.93266771 -5.613274944 0.31939277
128 4.85203026 -6.31203701 -5.857291874 0.454745134
90.5 4.50534985 -6.69164024 -6.192448372 0.499191866
64 4.15888308 -7.07100953 -6.679857667 0.391151865
45.5 3.81771233 -7.44457988 -7.476533902 0.031954026
19 2.94443898 -8.40078441 8.400784409

Los valores de K y alfa, Para la minima desviación son:

K 40807.7447 varianza 0.19775477

alfa 1.0949659 Desviación 0.44469627

Grafica 3. Valores del modelo (Solver)

P á g i n a 10 | 13
 ROSIM RAMMLER
2

0
2 3 4 5 6 7 8 9 10 11 12

-2
ln(ln(G(x)))

-4

-6

-8

-10

ln(x)

Modelo Experimental

 Usando la regresión lineal Básica de Excel.

ROSIM RAMMLER
2
1
0 f(x) = 1.09 x − 11.62
3 4R² = 0.97 5 6 7 8 9 10 11 12
ln(ln(100/G(x)))

-1
-2
-3
-4
-5
-6
-7
-8

ln(x)

Grafica 4. Valores usando Regresión lineal Básica.

y = Ax + B
y = 1.095x - 11.625
ln(ln(100/G(x))) = b*ln(x) -b*ln(Xo)

P á g i n a 11 | 13
7. CONCLUSIONES Y OBSERVACIONES
 El punto inicial para la malla de 4" no se usa en el modelo de R-R por el hecho
de que el % retenido acumulado inicial es 0% y de esta forma el logaritmo no
existe, el punto final para la malla -400 tampoco se usa en ningún modelo (ni G-
G-S, ni R-R), por el mismo hecho anterior de que su % pasante acumulado y
retenido acumulado respectivamente son 0 y 100, y de esta forma los
logaritmos de estos valores no existen.

 Se hizo una comparación Entre los valores obtenidos usando SOLVER, usando
regresión lineal básica, y se llegó a la conclusión que los valores obtenidos por
la herramienta SOLVER tienen menor desviación y tiene un mejor ajuste que al
usar regresión lineal.

 Con esto concluimos que a pesar del alto grado de linealidad de los modelos; el
modelo que mejor ajuste presentó (menor error de reproducibilidad, para
nuestra muestra), fue el modelo de Gates- Gaudin– Schuhmann.

 Con el uso de SOLVER analizamos los modelos matemáticos de G-G-S y R-R,

comparando los modelos lineales con los datos experimentales obtenidos en
laboratorio, finalmente obtenemos un valor de la desviación estándar de 0.33
para G-G-S y 0.44 para R-R.

 El análisis de la homogeneidad de las varianzas residuales, para las mismas

condiciones, demuestran que no existen diferencias significativas en el ajuste
de los modelos respectivamente.

 La comparación de ambos modelos debe ser con el mismo tipo de función, es

decir ambas lineales, ambas polinómicas, ambas exponenciales, etc., para no
concluir erróneamente ya que el uso de SOLVER da distintos valores
dependiendo del tipo de función.

8. RECOMENDACIONES
 Usar de manera correcta los instrumentos, para así obtener valores más
precisos.

 Realizar el proceso de tamizado con mucho cuidado, para que la pérdida

de muestra sea la más mínima posible.

 Utilizar los implementos de seguridad como guantes, gafas protectoras,

respirador para polvo y tapones para los oídos.

 Se recomienda usar la balanza de precisión, debido a que esta balanza

es más exacta que la balanza electrónica para masas pequeñas.

P á g i n a 12 | 13
9. BIBLIOGRAFÍA

 Quiroz Nuñez. (1986). “Ingenieria Metalurgica operaciones unitarias en

procesamiento de minerales”, Pag: 17 - 33. Lima – Peru.

 Macıas-Garcıa, A., Cuerda-Correa, E. M., & Dıaz-Dıez, M. A. (2004). Application

of the Rosin–Rammler and Gates–Gaudin–Schuhmann models to the particle
size distribution analysis of agglomerated cork. Materials
Characterization, 52(2), 159-164.

 Guía de Laboratorio.

P á g i n a 13 | 13