Sampling – A key tool in modern process

mineralogy
Muestreo: una herramienta clave en la
mineralogía de procesos modernos 
Resumen
La potente y moderna caja de herramientas de Process Mineralogy híbrido para
el desarrollo de diagramas de flujo utiliza el muestreo de mejores prácticas como una de
sus herramientas. En este documento, los tres componentes clave del muestreo de
mejores prácticas se revisan con estudios de casos. Estos tres componentes son:
1)Masa mínima de muestra.

2)Reglas de extracción muestreada sin sesos.

3)La línea de seguridad.

Estos excelentes modelos y reglas no se enseñan comúnmente en los programas de

pregrado. En este documento de revisión, que pretende ser una referencia
introductoria para aquellos profesionales en Mineralogía de Procesos que no han
tenido exposición a los modelos de muestreo, se presentan explicaciones simples y
prácticas para referencia. Se muestra que las distribuciones de tamaño de
partícula más finas conducen a requisitos de masa mínima de muestra más pequeños.

Si bien la teoría de muestreo nos permite estimar el error que implica obtener una masa
de muestra para el análisis mineralógico, también es útil tener en cuenta los errores en
el proceso de las mediciones de la mineralogía. Se proporcionan ejemplos de los
intervalos de confianza en las mediciones de liberación realizadas en muestras de alto y
bajo grado para ilustrar la importancia del tamaño de la muestra, específicamente la
medición de un número suficiente de partículas, en estos análisis.

Palabras clave
Muestreo

Materiales particulados

Masa mínima de muestra

Linea de seguridad

Semivariograma

Liberación

1 . Introducción
La mejor práctica de muestreo en minería e ingeniería metalúrgica coloca el proyecto u
operación en una plataforma sólida con datos confiables que pueden usarse para tomar
decisiones comerciales. Esta mejor práctica funciona sobre la base de los criterios que
dividen las "muestras" de las "muestras". En su trabajo seminal de 1979 sobre el
muestreo de materiales en partículas , Gy afirmó que en la mayoría de los casos en los
que fracasaba una empresa minera, las causas casi siempre se pueden rastrear hasta
errores de muestreo inexplicables debido a la confusión entre las muestras y
las muestras . Él definió estos dos términos como:
•

" Muestra ":
○

Una parte del lote, a menudo obtenida por la reunión de varios incrementos o
fracciones del lote, y destinada a representarlo en futuras operaciones. Una
muestra no es solo una parte del lote; su extracción debe respetar ciertas reglas
que la teoría del muestreo pretende establecer. Deben cumplirse las siguientes
reglas clave para declarar que el material es una muestra:
▪

La masa de sólidos secos en una muestra debe ser igual o mayor que la masa
mínima de muestra, según lo determinado por los modelos de masa mínima de
muestra de Gy, con una varianza fundamental suficientemente baja.
▪

Cualquier partícula en el lote, de cualquier clase de tamaño, debe poder ingresar

a la muestra primaria con la misma probabilidad de ser excluido de la muestra
primaria.
En otras palabras, una muestra difiere del lote solo en masa. Tiene una composición
idéntica a la del lote.
•

" Espécimen ":
 ○

Una parte del lote obtenido sin respetar estas reglas (de muestreo).
En resumen, el muestreo de mejores prácticas equivale a tres criterios:
1)

¿Cuánta muestra primaria debe tomarse?

2)

Cómo se extraen los incrementos a esa muestra primaria

3)

Cómo se tritura y se submuestrea la muestra primaria a una masa y tamaño

viables.
En una monografía recientemente publicada titulada “Process Mineralogy”, se
proporcionan numerosos capítulos que describen estudios de casos relevantes en la
práctica de Process Mineralogy ( Becker et al., 2016 ). Se aconseja al lector que agregue
esta referencia a su lectura.
Este documento no informa ningún material nuevo en el campo del muestreo. Su
propósito es establecer una referencia simple usando artículos publicados previamente
para el practicante de Process Mineralogy, quien probablemente no ha tenido la
oportunidad de leer y comprender los conceptos básicos de los modelos de muestreo de
Gy. Según la observación de Minnitt, 2007 , que los detalles de las teorías de muestreo
de Gy están ingresando recientemente al programa de estudios universitarios en
universidades, muchos profesionales que trabajan en áreas de la industria minera donde
el muestreo es importante pueden no haber estado expuestos a los detalles de estos
conceptos. Esta opinión fue apoyada por Holmes, 2010, quienes observaron que la
razón principal por la que la práctica de muestreo en una operación no cumple con las
mejores prácticas es que la responsabilidad del muestreo a menudo se deja a las
personas que no aprecian la importancia y la importancia del muestreo. Se reconoce que
desde los trabajos fundamentales de Gy, 1979 , ha habido una cantidad considerable de
otros trabajos excelentes realizados por varios trabajadores, que han avanzado su
plataforma con mejoras adecuadas que describen estudios de casos relevantes. No es el
propósito de este documento revisar este gran volumen de trabajo en detalle. Más bien,
a continuación, un breve resumen de estos, para mantener el artículo breve y legible,
para beneficio del lector.
Bartlett y Hawkins, 1987 , escribieron un capítulo titulado "Control de procesos" en la
monografía SAIMM titulada "La metalurgia extractiva del oro en Sudáfrica". Este
capítulo resume los componentes principales de los modelos de muestreo y ofrece
algunos estudios de caso. Pitard, 1993, volvió a explicar en detalle toda la teoría de
muestreo de Gy . Su libro contiene numerosos estudios de casos. Una publicación más
reciente resume lo esencial con los estudios de caso ( Lotter, 2016 ).
1.1 . Masa mínima de muestra M s
Uno de los criterios principales para una muestra es la masa mínima de la muestra, o
M s. El conjunto completo de modelos de muestreo escritos por Gy operan en el sistema
de unidad de segundo centímetro gramo (cgs). La masa de la muestra primaria debe ser
igual o superior a M s para una varianza fundamental seleccionada, que generalmente es
del 8%, según lo recomendado por Bartlett y Hawkins, 1987 . La masa de muestra
mínima y la varianza fundamental están relacionadas entre sí por la constante de
muestreo K como en la ecuación (1) .(1)METROs=KFvdónde
M s  =  masa mínima de muestra, gramos
K  =  la constante de muestreo, g /% 2
f v = la varianza fundamental,% 2
En este método, la varianza fundamental f v equivale al error fundamental. Para
relacionar esto con el error residente en el grado medio del ensayo un¯, se toma la raíz
cuadrada de la varianza fundamental, proporcionando la desviación estándar. Esta
desviación estándar se divide por la calificación media y se expresa como un porcentaje
de ese error medio.
La constante de muestreo se obtiene para un mineral en particular mediante un
experimento en el que el material en partículas a caracterizar se muestrea y clasifica en
una serie de clases de tamaños unidos, luego se pesa y analiza por clase de tamaño. En
el momento de tomar esta muestra, se desconoce la ecuación de muestreo, por lo que no
se puede declarar que es una muestra verdadera hasta que se realiza el trabajo de
prueba, se conoce la ecuación de muestreo y se declara y cuantifica la masa mínima de
la muestra. La ecuación para K está escrita deliberadamente en una forma que es
sensible a la variación del grado de metal en la muestra. La forma para la constante de
muestreo K se muestra en la ecuación (2) .(2)K=sol·v¯METRO·un¯2∑yo=1norteunyo-
un¯2·METROyo2vyodónde
M s  =  masa representativa de la muestra, gramos
re¯ =  diámetro medio ponderado de partículas (o tamaño d 50 ), cm
M i  =  la i-ésima masa fraccionaria correspondiente a d i
v i  =  volumen de la i-ésima partícula de mineral, cm 3
v¯ =  volumen medio de partículas en el lote de muestra, cm 3
M  =  la masa del lote, gramos
 un¯ =  grado medio ponderado de la muestra de metal de pago, expresado en
gramos por
tonelada de mineral, o porcentaje de metal en mineral
a i  =  el grado de metal en la fracción de tamaño i-ésimo
d i  =  el i-ésimo diámetro de partícula, cm
f v  =  la varianza fundamental
g  =  el factor de rango de tamaño
El factor de rango de tamaño es la relación entre el tamaño d 50 y el tamaño d 95 , como
en la ecuación (3) . Ambos valores se estiman fácilmente a partir de un gráfico de
tamaño de paso porcentual acumulativo. Por lo tanto, es obvio que el dominio de g está
confinado a 0  <  g  <  1.(3)sol=re50re95
Tenga en cuenta que todas estas ecuaciones usan el segundo sistema de unidades de
centímetro gramo (cgs).
En el caso de las corrientes de procesos de plantas metalúrgicas, que han
sufrido conminución y clasificación para liberar los valiosos minerales, el experimento
de cincuenta piezas de Gy debe modificarse para obtener estimaciones de varianza y,
por lo tanto, una ecuación de muestreo. En esta modificación, la muestra de la corriente
del proceso metalúrgico probada se analiza sobre un conjunto apropiado de tamices de
prueba en clases de tamaño unido, luego cada clase de tamaño se pesa, analiza y mide la
densidad de sólidos secos. Cada clase de tamaño se considera como una "pieza" en el
experimento.
1.2 . Reglas de extracción imparcial de muestras
El siguiente es un resumen de las reglas típicas de extracción de muestras
recomendadas por Pierre Gy en su publicación de 1979:
Para los cortadores de muestras de flujo cruzado , que extraen muestras primarias
de lodo de un flujo de lodo de flujo continuo (proceso), estas reglas son:
1)

El cortador de muestras debe ser no restrictivo y autolimpiante, descargar

completamente.
2)

La geometría de la abertura del cortador debe ser tal que el tiempo de corte en
cada punto de la corriente debe ser igual. Para los cortadores de trayectoria
lineal, los bordes del cortador deben ser paralelos, mientras que para los
cortadores que se mueven en un arco o círculo (por ejemplo, cortadores Vezin)
los cortadores deben ser radiales.
3)

No se debe permitir que otros materiales que no sean la muestra ingresen al

cortador, por ejemplo, se debe evitar que el polvo o la lechada se acumulen en el
cortador cuando está estacionado.
4)

El cortador debe intersecar la corriente en un plano normal a la trayectoria de la

corriente.
5)

El cortador debe viajar a través de la corriente a una velocidad uniforme. En este

sentido, los cortadores accionados eléctricamente son los mejores.
6)

La abertura del cortador debe ser no menos de tres veces el tamaño nominal
superior de la corriente que se está muestreando, con un tamaño mínimo de 10
mm para lodos para casos donde el tamaño superior es inferior a 3 mm.
7)

La cortadora debe tener capacidad suficiente para acomodar la masa incremental

al caudal máximo de la corriente.
8)

Para lodos, se debe evitar la pérdida de material de muestra debido al goteo.

9)

La velocidad máxima de corte no debe superar los 0,6 metros / s. Esta regla está
tomada de Gy, 1979 , quien realizó experimentos para cuantificar el grado en
que las partículas de tamaño conocido rebotan desde los bordes de corte de un
cortador horizontal, ya sea dentro o fuera del cortador con un espacio medido y
viajando a velocidades establecidas.
10)

La masa de sólidos secos en una muestra debe ser igual o mayor que la masa
mínima de muestra, según lo determinado por los modelos de masa mínima de
muestra de Gy. Los incrementos tomados en esa muestra deben tomarse
independientemente.
1.3 . La línea de seguridad
La línea de seguridad general propuesta por Gy, 1979 , es una relación entre el tamaño
superior, o d 95 , y la masa de submuestra permisible que puede extraerse a ese tamaño,
como en la Ecuación (4) .(4)METROs=125,000re3dónde
M s  =  masa mínima de muestra, g
d  =  el tamaño superior, cm
La línea de seguridad es un gráfico log-log de tamaño de muestra superior en mm
contra la masa de muestra en kg. Las escamas cubren una masa de 1000  kg a 1  gramo
y un tamaño de 100  mm a 100 µm. Cualquier combinación de tamaño de muestra
superior y masa de muestra colocará la muestra a la izquierda, en o a la derecha de la
línea de seguridad. Si el punto está ubicado a la derecha de la línea, no es seguro, es
decir, demasiado grueso, para ser muestreado y debe ser aplastado o pulverizado a un
tamaño que reubique el punto a la izquierda de la línea. Si el punto de muestra se
encuentra a la izquierda de la línea, puede submuestrearse en una medida que reubique
el punto hacia abajo, pero no cruzando la línea. A partir de ese punto, se debe volver a
aplanar o repulverizar para reubicar nuevamente el punto de muestra a la izquierda de la
línea y permitir el movimiento vertical del punto de muestra hacia abajo a medida que
la muestra recriminada se submuestrea nuevamente. Un diagrama de esta línea de
seguridad se muestra en la Fig.1 . La muestra comienza en el punto A, que representa el
tamaño máximo de 8 mm y una masa de muestra de 8  kg. El punto A se encuentra a la
derecha de la línea de seguridad, por lo tanto, este material no se puede tomar muestras
a menos que se triture a un tamaño menor a 8 mm. Luego, la muestra se tritura a un
nuevo tamaño máximo de 1,7  mm en B, que se encuentra a la izquierda de la línea de
seguridad, y es segura para la muestra siempre que la masa de la submuestra extraída no
se ubique debajo de la línea de seguridad, es decir, menos de 700  gramos para
el  tamaño máximo de 1.7 mm (aproximadamente). El submuestreo realizado luego
toma una submuestra de 2 kg, que se ubica en C, a la izquierda de la línea de
seguridad. La submuestra de 2 kg se fresa con varilla a un nuevo tamaño superior de
100  µm (0,1  mm) en D, que nuevamente está a la izquierda de la línea de
seguridad. La submuestra molida de 2 Luego se submuestrean kg a una submuestra de
ensayo de 40 g ubicada en E, que nuevamente está a la izquierda de la línea de
seguridad.
1. Descargar: Descargar imagen de alta resolución (208KB)
2. Descargar: Descargar imagen a tamaño completo
La Fig. 1 . La línea de seguridad, que muestra las etapas correctas de tamaño y reducción de
masa desde la muestra de alimentación del molino hasta la muestra de ensayo.
Tenga en cuenta que el coeficiente de 125,000 es el valor general recomendado por
Gy. En los casos en que están involucrados metales preciosos, recomienda un valor de
250,000.
1.4 . El semivariograma
Una de las reglas de extracción imparcial de muestras es que los incrementos tomados
no pueden autocorrelacionarse, es decir, los incrementos son independientes entre
sí. Debido a que el mineral extraído en un espacio tridimensional en un banco rebajado
o a cielo abierto está correlacionado (así es como los geoestadísticos predicen el grado
de metal del mineral no muestreado), ya que el mineral se extrae y se entrega al molino,
la correlación completa que existía en la cara minera se reduce a una correlación
residual que debe reconocerse y gestionarse en los arreglos de muestreo. Esto afectará
el tiempo de los incrementos tomados por un cortador de muestras de flujo cruzado.
La semivariancia del metal de pago se estima mediante el semivariograma y utiliza la
ecuación. (5) ( Clark, 1993 ).(5)γt=12norte·∑1=1norte(solyo-solj)2dónde
N  =  el número de datos
g i = el grado de metal en el punto de tiempo i
g j  =  el grado de metal en el punto de tiempo j
γ (t) = la semivariancia
Un esquema del semivariograma se muestra en la figura 2 . Tenga en cuenta que con los
conjuntos de datos reales, se ven muchas variaciones de este formato, y los datos y el
modelo deben interpretarse con cuidado.
1. Descargar: Descargar imagen de alta resolución (117KB)
2. Descargar: Descargar imagen a tamaño completo
Fig.2 . El semivariograma.
De t  =  0 a t  =  t c , cada espacio adicional entre g i y g j hace que la semivariancia
aumente. Después de un espacio de t c , es decir, para todo t  >  t c , la semivariancia se
vuelve constante. Esta área se llama "el alféizar". Los incrementos de muestra tomados
en cualquier t  >  t c son, por lo tanto, independientes entre sí y satisfacen la regla de
independencia para incrementos de muestra. La intersección en el eje y es una
estimación del error de muestreo total, como lo demostró recientemente Engstrőm
(2016) . Un buen ejemplo de su interpretación sigue en el Estudio de caso 2.
Para construir un semivariograma para una corriente de pulpa que fluye, se toma una
serie de muestras cronometradas en un período de 60 minutos a intervalos de 1
minuto. Cada una de las muestras se deshidrata y se prepara para el ensayo, por
ejemplo,% Cu. Estos ensayos son los valores de g i y g j , y se organizan en una
secuencia secuencial de t  =  0 a t  =  60. El primer valor de semivariancia se calcula
con un espaciado de 1  min, luego 2, y así sucesivamente hasta que se alcanza un
espacio de 30, momento en el cual hay suficientes datos para construir el modelo.
Se conocen variaciones del modelo que se muestra en la Fig. 2 . A continuación se
presentan algunos comentarios sobre semivariogramas para concentradores. Hay tres
tipos de variación:
1)

Un término de corto alcance, principalmente aleatorio, discontinuo en cada

instante, que refleja la naturaleza aleatoria de la heterogeneidad de la
constitución dentro de un incremento.
2)
 Un término a largo plazo, no aleatorio, principalmente continuo, que representa
tendencias entre unidades.
3)

Un término cíclico, continuo, como los ciclos introducidos mediante operaciones

de recuperación o acciones correctivas para mantener los parámetros entre dos
límites conocidos. Las corrientes de relaves comúnmente demuestran esta
característica debido al comportamiento de la carga circulante en el circuito del
limpiador.
El estudio de caso 2 proporciona un ejemplo real de un semivariograma que utiliza el
porcentaje de masa retenido en el tamaño superior de una distribución de tamaño de
partícula de mineral de hierro peletizado .
1.5 . Estimación de errores en las mediciones de proceso de mineralogía
Si bien la teoría de muestreo proporciona los medios para estimar el error involucrado
en tomar una masa de material particulado como muestra para el análisis mineralógico,
se pueden aplicar otras técnicas para estimar el error presente en las propias mediciones
de la mineralogía del proceso. La elección del método aplicado para estimar el error
depende del tipo de datos recopilados por el mineralogista de procesos. Algunos de los
primeros métodos para evaluar los errores de medición en las mediciones mineralógicas
fueron desarrollados por Chayes, 1944 , Chayes, 1945 y van der Plas y Tobi
(1965), quienes publicaron métodos para evaluar el error en las mediciones del grado
mineral realizado en partículas en la sección pulida.
El uso más extendido de los sistemas automatizados de mineralogía en los últimos
20  años ha brindado a los usuarios acceso a una gama de datos mineralógicos
detallados, como el tamaño de grano mineral y las distribuciones de liberación de
minerales. Los investigadores han publicado métodos que permiten al usuario final
estimar el error en estas mediciones. Leigh y col. (1993) desarrollaron un método para
estimar el error en las mediciones de distribución de liberación mineral basado en una
solución analítica que requiere que los datos de liberación se expresen en un formato de
rendimiento de liberación acumulativo. Más recientemente, Evans y Napier-Munn
(2013) y Mariano y Evans (2015) aplicaron un enfoque estadístico basado en el método
bootstrap ( Efron, 1987) para estimar el error en las mediciones del tamaño de grano
mineral y la distribución de liberación mineral respectivamente. Como era de esperar, a
medida que el tamaño de la muestra (medido como el número de secciones de partículas
observadas) aumenta la confianza en los datos aumenta.
Leigh y col. (1993) propusieron la siguiente ecuación para estimar el intervalo de
confianza del 95% en la composición de partículas C en la distribución de liberación
acumulativa para un mineral:(6)CIC≈1,96∗1,25YC2(1-YC)21norte0 0+1norte10.5 0.5dónde
Y c  =  valor de distribución de liberación acumulativa en la composición de
partículas C (como proporción)
N 0  = Número de partículas en clases de composición con composición inferior
aC
N 1  = Número de partículas en clases de composición con composición mayor o
igual a C
El estudio de caso 3 a continuación proporciona un ejemplo de la aplicación del método
de Leigh et al. para muestras de alto y bajo grado. Se advierte al lector que las
estimaciones derivadas del método de Leigh son aproximadas y no exactas.
2 . Estudio de caso 1: alimentación del molino de bolas Merensky
Se tomó una muestra de una corriente de alimentación de molino de bolas trituradas de
mineral Merensky y se clasificó en clases de tamaño ( Lotter, 1995a , Lotter,
1995b ). Cada clase de tamaño se pesó y analizó para 4E PGE (total de Pt, Pd, Au y
Rh), y se midió la gravedad específica de los sólidos . Los resultados se muestran en
la Tabla 1 .
Tabla 1 . Merensky molino de alimentación.
Clase de tamaño, mm Masa, g Masa, % Grado, g / t 4E Densidad de sólidos, g / cc

+ 6.70–9.50 4981,0 9,71 5.41 3,03

+ 4.75–6.70 6432,7 12,54 4.53 3,33

+ 3.35–4.75 4965,0 9.68 4.89 3,04

+ 2.36–3.35 4219,0 8.23 4.06 3,04

+ 1.70–2.36 3969,0 7.74 3,68 3,04

+ 1.18–1.70 3712,0 7.24 4.10 3.11

+ 0.85–1.18 3967,0 7.20 4.24 3.10

+ 0.60–0.85 3779,0 7.37 2,29 3.10

+ 0.00–0.60 15538,0 30,29 5.27 3,08

 Una distribución acumulativa del tamaño de partícula a partir de estos datos ( Fig. 3 )
muestra que los tamaños d 50 y d 95 son 1.3 y 8.0  mm, entonces g  =  0.16.

1. Descargar: Descargar imagen de alta resolución (113KB)

2. Descargar: Descargar imagen a tamaño completo
Fig.3 . Curva de tamaño de paso porcentual acumulativo para la alimentación del molino.
Del resto de los datos, los parámetros para la fórmula constante de muestreo son los
siguientes:
dónde
re¯ =  diámetro medio ponderado de partículas, cm (el d 50 de la Fig.
3 )  =  1.3  mm
M i  =  la i-ésima masa fraccionaria correspondiente a d i
v i  =  volumen de la i-ésima partícula de mineral, cm 3
v¯ =  volumen medio de partículas en el lote de muestra, cm 3  =  2565.04  cm 3
M  =  la masa del lote, gramos  =  51562.7  g
un¯ =  grado medio ponderado de la muestra de metal de pago  =  4.55  g / t
a i  =  el grado de metal en la fracción de tamaño i-ésimo
d i  =  el i-ésimo diámetro de partícula, cm
g  =  el factor de rango de tamaño  =  0.16
Para obtener M, sumamos cada uno con M i , a saber. de la Tabla 1 :
M 1  =  4981,0  g; M 2  =  6432.7  g, y así sucesivamente, todo sumando a
M  =  51562.7  g.
por un¯, que es el grado de metal medio ponderado, o el equivalente de un ensayo
general para toda la muestra si se hubiera pulverizado y analizado en su conjunto, esto
se calcula fácilmente multiplicando cada masa de fracción de tamaño por el ensayo de
metal correspondiente para esa clase de tamaño . Por ejemplo, de la Tabla 1, la fracción
de tamaño más grueso, que es -9.5  +  6.7 mm, con un peso de 4981.0  g, tiene un
ensayo correspondiente de 5.41  g / t PGE. El producto de estos dos valores es (4981.0)
(5.41)  =  26947.21  g 2 / t. La segunda clase de tamaño, que es −6.7  +  4.75  mm, pesa
6432.7  gy mide 4.53  g / t, por lo que el producto es (6432.7) (4.53)  =  29140.31  g2 / t,
y así sucesivamente a la clase de tamaño más pequeño. Cada uno de estos productos se
suma a un total de 234679,70  g 2 / t. Luego dividimos este total por la masa total M,
que es 51562.7  g, para obtenerun¯así:un¯=(234679.70/ /51562.7)=4.55sol/ /tPGE.
Para el volumen de fracción de tamaño v i , dividimos la masa de la fracción de tamaño
por la gravedad específica de los sólidos (sg) de esa misma clase de tamaño, por
ejemplo, la primera clase de tamaño, que es −9.5  +  6.7 mm, de la Tabla 1 , pesa
4981.0  g e informa un sólido sg de 3.03  g / cm 3 . El volumen de la fracción de tamaño
es así v i :vyo=4981,0/ /3,03=1643.89cm3.
Del mismo modo, la clase de tamaño −6.7  +  4.75 mm tiene un peso de 6432.7  gy un
sg de sólidos de 3.33  g / cc, entonces v i  =  1931.74  cm 3 , y así sucesivamente en el
resto de las clases de tamaño. La suma total de todos estos volúmenes es
16639.36  cm 3 . Para obtener el volumen medio ponderadov¯, multiplicamos el
volumen de cada clase de tamaño v i por su masa m i , que para la primera clase de
tamaño −9.5  +  6.75  mm es 1643.89  veces 4981.0 u 8188237.95  g 2 / cm 3 , y así
sucesivamente hasta la clase de tamaño más pequeña, obteniendo un producto total de
132260569.00  g 2 / cm 3 . Esta cifra se divide por la masa total M para obtener el
volumen medio ponderadov¯así:v¯=132260569.00/ /51562.7=2565.04cm3.
Un resumen de estos cálculos se muestra en la Tabla 2 .
Tabla 2 . Resumen de cálculos para la muestra mínima de muestreo de masa constante K.
Clase de Masa, g Grado Sólidos Masa  ×  Grad (unyo- METROyo2 vyocc METROyo2vyo
tamaño, mm METROyo g / t sg, g / o un¯)2
4E cc
PGE

+6.7  -  9.5 4981,0 5.41 3,03 26947.21 0,74 24810361 1643.89 11162.36

+4.75  -  6.7 6432,7 4.53 3,33 29140.13 0.00 41379629 1931,74 8,56

+3.35  -  4.75 4965,0 4.89 3,04 24278.85 0,12 24651225 1633,22 1744,82

+2.36  -  3.35 4219,0 4.06 3,04 17129.14 0.24 17799961 1387.83 3079,47

+1.7  -  2.36 3969,0 3,68 3,04 14605.92 0,76 15752961 1305.59 9132.57

+ 1.18v1.7 3712,0 4.10 3.11 15219,2 0,20 13778944 1193,57 2337,73

+0.85  -  1.18 3967,0 4.24 3.10 16820.08 0,10 15737089 1279,68 1181.81

 Clase de Masa, g Grado Sólidos Masa  ×  Grad (unyo- METROyo2 vyocc METROyo2vyo
tamaño, mm METROyo g / t sg, g / o un¯)2
4E cc
PGE

+0,60  +  0,85 3779,0 2,29 3.10 8653.91 5.11 14280841 1219.03 59835.02

+0.0  -  0.60 15538,0 5.27 3,08 81885.26 0,52 241429444 5044.81 24809.09

Por lo tanto, la constante de muestreo K  =  44,65  g /% 2 , y la ecuación de muestreo se

resuelve a partir de la ecuación. (2) aMETROs=44,65Fv
Para una varianza fundamental del 8%, la masa mínima de las muestras se resuelve en
6976  g, o 6.976  kg, por lo tanto:METROs=44,65(0,08∗0,08)=6976sol
El siguiente problema es cómo reducir esta masa de muestra primaria de 6.976 kg a una
masa más pequeña para el análisis y la medición mineralógica, así como las pruebas de
flotación. Aquí la línea de seguridad juega un papel clave ( Fig. 4 ).

1. Descargar: Descargar imagen de alta resolución (145KB)

2. Descargar: Descargar imagen a tamaño completo
Fig.4 . La línea de seguridad que muestra el tamaño apropiado y las etapas de reducción de
mas desde la muestra de alimentación del molino hasta la submuestra de ensayo.
3 . Estudio de caso 2: construcción de un semivariograma
Se construyó un semivariograma para un granulado de mineral de hierro en una planta
de granulación en Suecia. En este caso, la distribución del  tamaño de partícula de la
corriente es la medida de interés en esta caracterización variográfica . Se seleccionó la
clase de tamaño de partícula 12.5–16.0 mm como la variable a analizar. Una parte de
los datos en bruto utilizados para la construcción del semivariograma se presenta en
la Tabla 3 e informa el% de masa retenida en esta clase de tamaño a intervalos de
tiempo de 26 minutos.
Tabla 3 . Datos brutos de 12.5–16.0 mm de tamaño superior para semivariograma de
alimentación de proceso en una planta de mineral de hierro . (Se muestran 10 de un total de
los 220 puntos de datos utilizados para el cálculo (por razones de propiedad). 
Fecha y hora % De tamaño de la masa

2017/01/18 00:17 7.18

2017/01/18 00:44 7.14

2017/01/18 01:39 7.62

2017/01/18 02:07 7.02

2017/01/18 03:02 6.55

2017/01/18 03:29 7.56

2017/01/18 04:24 7.34

2017/01/18 04:52 7.61

2017/01/18 05:50 6.87

2017/01/18 06:17 7,70

El conjunto de datos completo se analiza primero con un espaciado de datos de 1

unidad usando 5 para estimar la semivariancia para un espaciado de 1 unidad de tiempo
(26  min). Con referencia a la Tabla 3 , el primer par de datos es 7.18 y 7.14% de masa
retenida en esta clase de tamaño, por lo que la diferencia de (7.18–7.14)  =  0.04%, al
cuadrado, es 0.002% 2 . El siguiente par de datos es 7.14 y 7.62, entonces la diferencia
de (7.14–7.62)  =  −0.48%, que cuando se eleva al cuadrado, asciende a 0.23% 2 , y así
sucesivamente. Hay 219 pares de datos de este espacio. Sumando los cuadrados de cada
diferencia, obtenemos 142.37, entonces la semivariancia para este espacio es 142.37 /
(2  ∗  219)  =  1.30. Del mismo modo, el siguiente espacio de 2 las unidades de tiempo
comienzan con el par de datos 7.18 y 7.62%; El siguiente par de datos en este espacio
es 7.14 y 7.02, y así sucesivamente.
Los valores de semivariancia se trazan en el eje y, y el retraso ( espacio de tiempo entre
puntos de datos) en el eje x. El semivariograma para el tamaño de pellet de 12,5–
16  mm presentado en la figura 5 muestra un variograma clásico en aumento con una
 periodicidad pequeña. El umbral se alcanza en el retraso 36 o aproximadamente
72  h. El umbral del semivariograma se calcula como el promedio de todos los puntos
de datos y es aproximadamente 4.0. El error de muestreo total descrito por el efecto de
pepita se aproxima por la extrapolación del semivariograma al eje y. En este caso, el
efecto de pepita se estima en 0,75. Esto significa que la proporción importante de pepita
a umbral para el sistema de medición de pellets de 12.5–16  mm es aproximadamente
del 18%.

1. Descargar: Descargar imagen de alta resolución (137KB)

2. Descargar: Descargar imagen a tamaño completo
Fig.5 . Semivariograma para Topsize 12.5–16.0 mm para gránulos de mineral de hierro . 
El sistema de medición para el tamaño de gránulos de mineral de hierro es un
muestreador de flujo cruzado lineal automatizado que recoge incrementos primarios
cada diez minutos. Los incrementos primarios se combinan en alícuotas analíticas
de 30–60 min (dependiendo de la carga de la correa) y se analizan en una máquina
de tamizado automatizada . El semi-variograma para 12.5–16  mm indica una relación
de efecto de pepita a umbral inferior al 20%. Esto muestra que el sistema de medición
del tamaño de los gránulos es adecuado para permitir un control exitoso del proceso. El
semivariograma también muestra una periodicidad débil de aproximadamente 8
rezagos. Como el tamaño del gránulo depende de varios parámetros del proceso, es
imposible identificar una causa única para la periodicidad actual, pero es probable que
las fluctuaciones naturales en el proceso de bola y tamizado introduzcan la variabilidad
en el proceso. Mientras la variabilidad periódica sea tan pequeña como indica el
semivariograma, no afectará la calidad final general del producto. Sin embargo, el
semivariograma es una herramienta poderosa para monitorear todo tipo de variabilidad
(incluida la periodicidad) para garantizar que los parámetros de calidad no excedan las
especificaciones del cliente.
La intersección con el eje de semivariancia para un espaciado cero se estima en 0.75,
por lo que las mediciones de tamaño superior tienen un error de (0.75 / 4.0) o 18%
aproximadamente.
4 . Estudio de caso 3: Estimación de intervalos de confianza para datos de
liberación de minerales
La distribución de liberación de calcopirita se ha medido en flujos de concentrado y
relaves, y para proporcionar al usuario final de los datos información sobre los errores
presentes en los intervalos de confianza de los datos, se ha calculado utilizando el
enfoque analítico de Leigh et al. (1993) . La estimación de estos intervalos de confianza
es solo aproximada y debe considerarse como tal. La Tabla 4 , Tabla 5 muestra los
datos medidos requeridos para el cálculo, los cálculos intermedios de N 0 y N 1 y las
estimaciones de los intervalos de confianza.
Tabla 4 . Estimación del intervalo de confianza para una muestra de concentrado
(−53  +  38  µm, 15,5% Cu).
Grado medio de Distribución Numero de N 0 N 1 IC CI CI
clase de acumulativa de particulas en 95% bajo superior
composición minerales. clase

Estéril 100.00 6185

55 100.00 2624 6185 10518 0 0 100,0 100,0

15 97,2 1484 8809 7894 0,09 97,1 97,3

25 91,8 1222 1029 6410 0,26 91,6 92,1

3

35 84,4 1006 1151 5188 0,48 83,9 84,9

5

45 75,5 906 1252 4182 0,72 74,8 76,3

1

55 65,8 685 1342 3276 0,96 64,8 66,7

7

sesenta y cinco 56,3 580 1411 2591 1,15 55,1 57,4

2

75 46,6 489 1469 2011 1,30 45,3 47,9

2
Grado medio de Distribución Numero de N 0 N 1 IC CI CI
clase de acumulativa de particulas en 95% bajo superior
composición minerales. clase

85 36,0 400 1518 1522 1,36 34,7 37,4

1

95 26,2 235 1558 1122 1,31 24,8 27,5

1

100 19,9 887 1581 887 1.20 18,7 21,1

6

Tabla 5 . Estimación del intervalo de confianza para una muestra de colas (−53  +  38  µm,
0,11% Cu).
Grado medio de Distribución Numero de N 0 N 1 IC CI CI
clase de composición acumulativa de particulas en 95% bajo superior
minerales. clase

Estéril 100,0 19908

55 100,0 62 19908 102 0 0 100,0 100,0

15 82,1 12 19970 40 5.10 77,0 87,2

25 72,9 44 19982 28 8.19 64,7 81,1

35 62,7 44 19986 24 10,46 52,3 73,2

45 53,7 66 19990 20 12,19 41,5 65,9

55 41,2 2 19996 14 14.19 27,0 55,4

sesenta y cinco 35,1 44 19998 12 14,41 20,7 49,5

75 25,7 2 20002 8 14,80 10,9 40,5

85 23,7 00 20004 6 6 16,16 7.5 39,8

95 23,7 2 20004 6 6 16,16 7.5 39,8

100 14,7 44 20006 4 4 5.10 1.0 28,4

Las distribuciones de liberación acumulada de las dos corrientes se muestran en la Fig.

6 , junto con los valores calculados de los intervalos de confianza. Está claro que el
 nivel de confianza en los datos de liberación para la muestra de grado inferior de la
corriente de colas (Cu grado 0,11%) sería mucho menor que la confianza en la muestra
de concentrado de grado superior (Cu grado 15,5%). La naturaleza de bajo grado de la
corriente de colas da como resultado un número mucho menor de partículas de interés
presentes en cada clase de composición de partículas y conduce a amplios intervalos de
confianza. Los gráficos muestran claramente por qué la mineralogía automatizadaLos
sistemas han desarrollado rutinas de medición especializadas para muestras de bajo
grado para buscar específicamente y medir partículas que contienen los minerales de
interés. Estas rutinas especializadas maximizan el número de partículas que contienen
los minerales de interés que se miden en el tiempo de medición disponible al analizar
muestras de bajo grado y aumentan la confianza en los datos de liberación resultantes.

1. Descargar: Descargar imagen de alta resolución (213KB)

2. Descargar: Descargar imagen a tamaño completo
Fig.6 . Comparación de los intervalos de confianza en la liberación de calcopirita en
muestras concentradas y de colas.
5 . Más trabajo
Se recomienda que, como parte de un trabajo adicional, un equipo planifique un estudio
integrado usando estos modelos para que las propiedades aditivas puedan ser
aprovechadas y utilizadas para evaluar el error acumulativo en la medición de la
liberación, comenzando desde la masa mínima de la muestra, luego el semivariograma,
y finalmente las medidas de liberación. De esa manera, se verán los verdaderos niveles
de error en esta medición.
6 . Observaciones finales
Este artículo ofrece una breve revisión y tres estudios de caso sobre el tema del
muestreo de minerales y las implicaciones asociadas para la medición microscópica de
la liberación de minerales. Con el uso común de las plataformas modernas de
exploración electrónica automatizada para medir la liberación, es apropiado usar el
muestreo de mejores prácticas para presentar la muestra para
la caracterización mineralógica , así como para declarar los límites de confianza
asociados de estas mediciones.
Agradecimientos
Los autores desean agradecer al profesor Tim Napier-Munn, de la Universidad de
Queensland, por sus útiles sugerencias sobre la explicación del factor de rango de
tamaño g, y al Dr. Isobel Clark, Geostokos Ltd., por sus útiles conferencias y tutoriales
sobre el semivariograma. La gerencia de LKAB es reconocida por su amable permiso
para usar sus datos para el estudio de caso en el semivariograma. Se debe agradecer a
los revisores por sus comentarios detallados y útiles.