Traducido del inglés al español - www.onlinedoctranslator.

com

Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188

Listas de contenidos disponibles enCienciaDirecta

Revista Internacional de Ciencia y Tecnología Minera

página de inicio de la revista: www.elsevier.com/locate/ijmst

Uso del rendimiento de perforación para mejorar la eficiencia de rotura de rocas: una parte de
los estudios de optimización de mina a molino en una mina de roca dura

Parque Junhyeok, Kwangmin Kim⇑

Departamento de Ingeniería Minera y Geológica, Universidad de Arizona, Tucson, AZ 85721, EE. UU.

información del artículo resumen

Historial del artículo: En una mina de roca dura, la voladura es un proceso importante de rotura de rocas que afecta el consumo de energía tanto en
Recibido el 31 de marzo de 2019 los procesos de trituración aguas abajo como en la productividad de la mina. Optimizar la fragmentación de la voladura para
Recibido en forma revisada el 20 de agosto de 2019
mejorar la eficiencia de rotura de rocas durante la trituración y la molienda es clave para la optimización de la mina a la
Aceptado el 20 de diciembre de 2019
molienda (MTM). Este estudio explora el uso de datos de monitoreo durante la perforación (MWD) para lograr este objetivo. Se
Disponible en línea el 30 de diciembre de 2019
extrajeron índices de penetración (PR) representativos de barrenos para estimar las propiedades de la roca intacta y predecir
las eficiencias de rotura que afectan directamente el consumo de energía de trituración. Dos propiedades de la roca intacta, la
Palabras clave:
resistencia a la tracción (TS) y el índice de trabajo de enlace (BWI), se correlacionaron con los datos de PR para predecir estas
Monitoreo durante la perforación (MWD)
eficiencias en trituración y molienda, respectivamente. Debido a la complejidad de los datos brutos de MWD y los efectos de
Optimización de mina a molino (MTM)
Eficiencia de rotura de rocas
diversas perturbaciones, los datos de MWD se preprocesaron y normalizaron para lograr un valor PR representativo en cada
Tasas de penetración de perforación barreno. Este preprocesamiento implicó definir rangos de PR válidos a partir de los datos de MWD que podrían eliminar el
ruido relacionado con las características de discontinuidad en la estructura del macizo rocoso, así como los errores en el
comportamiento del operador. Los datos de PR también se normalizaron utilizando la tasa de penetración ajustada (APR) para
minimizar los efectos de los factores mecánicos, como la fuerza de avance de perforación, el par y la velocidad de rotación.
Para correlacionar el valor APR representativo con las propiedades de la roca intacta, TS y BWI, se realizaron varios
experimentos de laboratorio: pruebas de perforación con una máquina de perforación de alta precisión, pruebas de discos
brasileños y pruebas de molienda de Bond. Con base en los resultados de estos experimentos, Se desarrollaron modelos para
predecir las eficiencias de rotura de rocas durante la trituración y molienda en función de APR. El resultado de este estudio se
puede utilizar para obtener diseños de energía de voladura que consideren el consumo de energía de trituración y la eficiencia
en los procesos de rotura de rocas aguas abajo.
- 2020 Publicado por Elsevier BV en nombre de la Universidad China de Minería y Tecnología. Este es un artículo de
acceso abierto bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).

1. Introducción La investigación de MTM se divide en dos categorías principales: determinar la

La trituración y la molienda son algunos de los procesos industriales que más
energía consumen en el mundo. En las minas, los procesos de rotura de rocas
(desmenuzamiento) comprenden una parte importante, alrededor del 30 % al 60
%, del consumo total de energía.[1–5]. Estos procesos impactan no solo el
consumo de energía sino también la productividad de la mina. Durante las últimas
décadas, se han realizado esfuerzos para mejorar la eficiencia de la trituración en
las minas de roca dura, y uno de los enfoques más populares es la optimización de
la mina al molino (MTM), que fue presentada por primera vez por Julius
Kruttschnitt Mineral Research. Centro. El objetivo final de MTM es mejorar la
eficiencia energética de la rotura de rocas mediante la optimización de la
fragmentación por voladura. La voladura genera microfisuras que reducen la
energía de conminución requerida en la trituración y molienda, lo que resulta en
aumentos de productividad[6,7].
fragmentación de voladura óptima (objetivo) y controlar la fragmentación de
voladura. Este estudio pertenece a la primera categoría y considera el efecto en
los procesos de conminución aguas abajo, principalmente trituración y molienda,
para optimizar la fragmentación en voladura.
El proceso MTM para optimizar la fragmentación de voladuras (Figura 1) es
complejo y debe considerar las características del macizo rocoso, la energía de la
explosión y los procesos de trituración aguas abajo. Las características del macizo
rocoso son especialmente importantes pero difíciles de determinar en tiempo real,
ya que adquirir esta información requiere mucho trabajo y tiempo; estas
características generalmente se miden directamente a partir de pruebas de
laboratorio y de campo. Además, los enfoques para aplicar las características del
macizo rocoso en el diseño de energía de voladura son limitados; en la práctica, es
casi imposible representar todo el macizo rocoso en tiempo real dada la escala y la
frecuencia de las voladuras y la gran variedad de propiedades de las rocas que se
encuentran típicamente en las minas de roca dura. En un depósito de pórfido de
cobre, por ejemplo, las propiedades de la roca suelen variar drásticamente incluso

⇑Autor correspondiente. en dominios pequeños debido a la complejidad de la zona de alteración y su

Dirección de correo electrónico:kimkm@email.arizona.edu (K. Kim). interacción con

https://doi.org/10.1016/j.ijmst.2019.12.021
2095-2686/- 2020 Publicado por Elsevier BV en nombre de la Universidad China de Minería y Tecnología.
Este es un artículo de acceso abierto bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
180 J. Park, K. Kim/ Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188
Figura 1.Concepto de MTM.
fluido hidrotermal[8]. Además, el acceso a la pila de escombros o al muro del pozo
para obtener muestras puede generar problemas de seguridad.
Los datos de rendimiento de perforación pueden proporcionar un medio
viable de caracterizar el macizo rocoso para MTM. El uso de datos de perforación
de barrenos es ventajoso ya que se adquieren de manera sistemática, rutinaria y
en tiempo real.[9]. En la industria minera, el monitoreo durante la perforación
(MWD) es una práctica estándar para obtener la tasa de penetración (PR), la
velocidad de rotación, la presión de lavado y los datos de posicionamiento de
sondajes basados en GPS.[10]. Varios sistemas de registro de datos están
disponibles comercialmente para registrar esta información, incluido el terreno, el
indicador de eficiencia de perforación (DEI)TM, disposiciónTM, y el sistema de control
de la plataforma (RCS)TM. Muchos investigadores han intentado usar datos de
rendimiento de perforación para caracterizar las propiedades de las rocas y las
condiciones del macizo rocoso. [11–13]. Segui y Higgins identificaron la dureza de
la roca a partir de los datos de MWD para su uso en un diseño de voladura[10].
Ghosh et al. Desarrolló un mapa de contorno de la resistencia del macizo rocoso
basado en los datos de MWD medidos en la mina Aitik.[14]. Chen y Yue aplicaron
datos de MWD para comprender los grados de meteorización de las rocas[15].
Hatherley et al. verificó la validez de los datos de MWD para clasificar los tipos de
roca comparándolos con los datos de registro geofísico de una sonda de
perforación[dieciséis]. Y los datos de MWD también se usaron para detectar
límites geológicos como las vetas de carbón.[17,18]. Recientemente, la tecnología
de aprendizaje automático se ha aplicado para clasificar los tipos de rocas
utilizando datos MWD[19–21]. Sin embargo, las tecnologías MWD actuales aún no
se han desarrollado por completo para delinear y comprender con precisión las
condiciones del macizo rocoso, especialmente para MTM.
Los datos de MWD incluyen dos tipos principales de información sobre la
condición del macizo rocoso: sus propiedades de roca intacta y su estructura.
Figura 2.Diversas tecnologías de detección y sistemas MWD para la caracterización de rocas y MTM en una mina de roca dura.
características (discontinuidades). Este estudio considera cada uno por
separado y se enfoca en las propiedades de la roca intacta, lo que puede
proporcionar una medida de la eficiencia de rotura de la roca durante los
procesos de trituración y molienda y, en última instancia, de la
fragmentación de la voladura objetivo. Este enfoque podría simplificar y
reducir el alto nivel de incertidumbre asociado con los datos de campo.
Varias tecnologías de detección remota de última generación están
disponibles para observar características estructurales y se pueden usar con
el sistema MWD que se describe a continuación para investigar las
condiciones del macizo rocoso en una mina. Estas tecnologías incluyen
LiDAR e instrumentación de fotogrametría que se pueden montar en
vehículos aéreos no tripulados (UAV), como se muestra enFigura 2.
Este estudio asume razonablemente que las propiedades de la roca intacta
controlan las eficiencias de rotura en los procesos de trituración y molienda. Para
el control de la fragmentación por voladura, se deben considerar las estructuras
del macizo rocoso además de las propiedades intactas de la roca.[9]. Sin embargo,
una vez que se explota la roca, su eficiencia de rotura depende principalmente de
sus propiedades intactas, ya que los tamaños de partículas en los procesos de
trituración y molienda son mucho más pequeños que el tamaño de bloque típico
en el macizo rocoso.[22]. Se pueden usar dos parámetros para representar las
propiedades de la roca intacta para predecir la eficiencia de trituración: resistencia
a la tracción (TS) e índice de trabajo de enlace (BWI). TS es fundamental para las
etapas de apertura de grietas de trituración y BWI es una característica intrínseca
del material para el proceso de molienda fina[23,24]. Estos dos parámetros son
inversamente proporcionales a las eficiencias energéticas para trituración y
molienda; TS y BWI más altos requieren más energía, lo que da como resultado
una menor eficiencia de rotura.
2. Preprocesamiento de datos de rendimiento de perforación (MWD)
Los sistemas MWD registran los datos de rendimiento de perforación en
tiempo real utilizando sensores. Los datos de MWD de campo generalmente
incluyen algunos errores y datos de PR inconsistentes que pueden
originarse en varias fuentes: el equipo de perforación en sí, los medios
(debido a variaciones geológicas) y los comportamientos de los operadores.
Por ejemplo, PR fluctúa cuando la broca de perforación entra en contacto
con discontinuidades tales como fallas, uniones, fracturas y planos de
asiento, y los operadores pueden dejar de perforar para enfrentar
situaciones inesperadas, como cambios de barra o turnos. Dada la
frecuencia y la escala de las voladuras en las minas de roca dura, se debe
actualizar diariamente una cantidad significativa de datos de MWD. Por lo
tanto, los errores e inconsistencias en los datos de PR tienen un efecto
significativo en la capacidad de lograr una fragmentación óptima en
voladuras. En consecuencia, es importante simplificar los datos de PR,
minimizar estos errores,
 J. Park, K. Kim/ Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188
Fig. 3muestra el análisis de aproximadamente 986 000 mediciones de PR
en una mina de roca dura obtenida con un sistema Pit Viper RCS. La
distribución de datos fue sesgada positivamente, lo que significa que el
conjunto de datos contenía una gran cantidad de valores excepcionales; por
lo tanto, el promedio simple podría producir resultados engañosos. Para
simplificar los datos de PR y minimizar los errores, los valores superiores a 1
m/min (alrededor del 5,4 % de la población total) se consideraron atípicos y
se trataron como excepcionales e inválidos, ya que incluirlos daría como
resultado promedios de PR irrazonablemente altos. Por ejemplo, el
promedio de los datos de PR recopilados fue de 0,4 m/min, pero la mediana
fue casi la mitad, 0,22 m/min, y la mediana aún fue mucho más alta que el
valor más frecuente (moda), 0,14 m/min. Estos valores ilustran la
complejidad de realizar análisis estadísticos para datos de MWD. Cabe
destacar que el umbral de 1 m/min se basó en el rango general de datos de
PR en la mina, así como en entrevistas con operadores de perforación; en
consecuencia, este valor es específico del sitio y puede variar en cada mina.
2.1. Definición de un rango PR válido
Para abordar estos problemas, se definió un rango PR válido para representar las
propiedades de la roca intacta. Los datos se recolectaron de un solo barreno (alrededor
de 15 m de profundidad) en una mina de roca dura, como se muestra enFigura 4.
Fig. 3.Histograma de datos PR de la medición de campo.
Figura 4.Ejemplo de puntos de datos válidos a partir de datos PR sin procesar.
181
Si bien el dominio geológico fue relativamente constante en todo el pozo,
algunos puntos de datos alcanzaron valores PR excepcionales (más de 2 m/
min) y fluctuaron ampliamente debido a errores operativos y características
geológicas. Por ejemplo, no se consideró válido el amplio rango de valores
de PR observado en los primeros 5 min. Además de los errores operativos,
estos valores pueden representar características estructurales tales como
huecos y fracturas, así como propiedades mixtas de rocas intactas. Dado
que el tipo de roca fue constante en todo el pozo, se asumió
razonablemente que el rango de PR podría representar las propiedades
intactas, ya que era relativamente consistente, estable y por debajo del
umbral de 1 m/min (Figura 4).
2.2. Normalización usando APR
Aunque se puede definir un rango de PR para minimizar las perturbaciones
relacionadas con las variaciones geológicas y el comportamiento del operador, no
se aplica a factores mecánicos como la fuerza de avance, el par y la velocidad de
rotación. Para estimar las propiedades de la roca intacta utilizando el rendimiento
de perforación para MTM, también se debe minimizar la dependencia de PR en
bruto de los factores mecánicos. Muchos investigadores han tratado de encontrar
una función para obtener un índice representativo para estimar las condiciones
geológicas a partir de datos PR sin procesar; sin embargo, sus resultados son
discutibles porque el enfoque teórico para describir las interacciones entre la
perforación y la roca se limita a tener en cuenta las perturbaciones externas.[9]. Se
han utilizado dos enfoques populares para inferir la resistencia de la roca a partir
de los datos de MWD: aplicar la energía específica de perforación (SED) en función
del análisis empírico y aplicar la APR para la normalización de datos.
El SED para perforación rotatoria sin percusión se define como el trabajo
realizado para eliminar una unidad de volumen de roca[25]. Se puede calcular
como:
-
4 2px-
SED¼ F þ d1Þ
pagsD2
norte
v
dóndeSEDes la energía específica de perforación;Del diámetro del
taladro;Fnortela fuerza de avance;Xla velocidad de rotación;sel par; y
vla tasa de penetración.
SED es el enfoque más popular debido a su simplicidad; infiere el índice de
resistencia de la roca simplemente agregando los parámetros de perforación
medidos en la ecuación.(1) [26]. Sin embargo, SED se basa en un análisis empírico
y no tiene un proceso de normalización.[9]. En consecuencia, tiene una capacidad
limitada para eliminar el efecto de los factores mecánicos y una aplicabilidad
limitada para medir las propiedades de la roca intacta para MTM. Para un taladro
rotativo, se sugirió aplicar el APR en este estudio[20]. El efecto de los factores
mecánicos se minimizó mediante la normalización de los datos de PR utilizando
APR, según lo calculado por Eq.
(2) [18]. Cabe destacar que, aunque este estudio se centra en una perforación
rotatoria, este enfoque podría aplicarse a otros sistemas de perforación, a la
espera de más estudios.
v
ABR¼a d2Þ
xs
pffiffiffiffiffiffiffiffi
Fnorte
a¼Fn; r Xrsr
pffiffiffiffiffiffiffiffiffiffiffi
d3Þ
donde el coeficienteaestá determinado por valores de referencia, que están
representados por el subíndice ''R”.
Los valores de referencia consideran el tipo de roca, la resistencia de la roca, el
método de perforación y las condiciones operativas. Para determinar estos valores,
primero se deben definir los rangos de cambio máximos para tres variables de
perforación: fuerza de avance, velocidad de rotación y par, mientras se consideran las
posibles condiciones operativas en una mina. Los valores más representativos
(medianos) pueden luego asignarse como valores de referencia utilizando los resultados
de las pruebas de referencia que implican aplicar las tres variables de perforación
controlables dentro de los rangos definidos. En este estudio se utilizó un taladro con
motor eléctrico. Dado que la potencia de salida del taladro es constante y la velocidad de
rotación y el par de torsión de su motor son
182 J. Park, K. Kim/ Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188

inversamente proporcional, la variable para el par puede ignorarse en la ecuación. se usaron para arenisca y piedra caliza ya que la diferencia de
(2). Sin embargo, en un taladro impulsado por un motor de combustión interna (el resistencia entre estos tipos de roca fue insignificante en este estudio y
estándar en las minas), la fuerza de avance, la velocidad de rotación y el par las pruebas se realizaron en ambientes bien controlados usando un
responden de forma independiente, y el par (s) varía en función de las taladro eléctrico.
revoluciones por minuto (RPM) y la potencia del motor[27]. Los valores de La TAE se calculó utilizando las Ecs.(2) y (3)con estos valores de
referencia en este estudio se definieron como 430 RPM (velocidad de rotación) y referencia definidos. Por ejemplo, si un PR se mide con
758 KPa (fuerza de avance). Es notable que los mismos valores 420 RPM y 800 KPa de fuerza de avance, el denominador se convierte en
pffiffiffiffiffiffiffiffiffiffiffiffi pffiffiffiffiffiffiffiffiffiffiffiffi

800 420s. El valor dease puede expresar como 758 430sy dividido por el
denominador. Como se mencionó anteriormente, el par (s) es constante ya
que se utilizó un taladro con motor eléctrico. Con par (s) cancelada, la APR
resulta ser aproximadamente el 96% del valor de PR.
Se utilizó una máquina sacatestigos controlada por presión GCTS modificada
(RCD-250) para las pruebas de perforación con brocas sacatestigos de 24,5 mm (9 mm de
altura del segmento de diamante, 3 mm de grosor del segmento y 102 mm de altura
total). La profundidad de perforación, la velocidad de rotación y la fuerza de avance de la
broca se midieron utilizando un registrador de datos multicanal en tiempo real. Los
rangos típicos de avance de perforación fueron entre 25 y 40 mm, dependiendo de las
longitudes de muestra probadas disponibles.Figura 5muestra la máquina
descorazonadora y el conjunto de sensores para la prueba MWD a escala de laboratorio.

Las perturbaciones generadas por los factores mecánicos se eliminaron con

éxito (normalizaron) usando el APR y se obtuvieron datos de PR consistentes.
Figura 6muestra los resultados de la normalización de los datos de perforación de
laboratorio: los datos PR sin procesar (Figura 6a), que dependían en gran medida
de los cambios en la fuerza de avance y la velocidad de rotación, y los datos de PR
después de aplicar APR (Figura 6b).
Figura 7muestra histogramas construidos utilizando datos de PR y APR que se
encuentran dentro del rango válido para comparar sus distribuciones generales.
Aunque las tendencias de los dos histogramas no difieren significativamente, los
datos de APR están más distribuidos y menos centralizados que los datos de PR.

Los resultados mostrados enhigos. 6 y 7se basan en datos de pruebas de PR

de laboratorio; aplicarlos a las condiciones de campo es prematuro. Las
aplicaciones de campo requerirán más estudios, en particular, estudios con
perforadoras que utilicen motores de combustión interna. Por ejemplo, la
ecuación APR (Eq.(2)) debe considerar una curva de torque específica que puede
ser proporcionada por los fabricantes de equipos.

3. APR y propiedades de la roca intacta

Los datos de MWD procesados se pueden utilizar para predecir las eficiencias de
rotura de rocas en los procesos de trituración y molienda en función de la relación entre
el rendimiento de perforación (APR) y las propiedades intactas de la roca. Se llevó a cabo
una serie de pruebas de roca de laboratorio (pruebas de perforación con una máquina de
extracción de muestras de alta precisión, pruebas de tracción y pruebas de BWI) para
Figura 5.Máquina de extracción de testigos GCTS controlada por presión modificada (RCD-250) para una prueba de perforación.
encontrar la relación entre el rendimiento de la perforación y las propiedades de la roca
intacta. Como se señaló anteriormente, este estudio supuso que

Figura 6.Resultados de la normalización de los datos de perforación de laboratorio.

 J. Park, K. Kim/ Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188 183

Figura 7.Comparaciones de distribuciones de datos PR y APR que se encuentran dentro del rango válido.

Figura 8.Muestras de rocas y procedimientos de experimentos de laboratorio.

TS y BWI podrían representar la resistencia a la fractura y abrasión la carga de circulación se mantuvo en 250% durante tres períodos de volteo, se
durante la conminución; TS se puede considerar como una propiedad consideró que alcanzaba un estado estable.
fundamental para la rotura de rocas en la trituración y BWI es la Con base en los resultados de las pruebas, el BWI se calculó utilizando la ecuación.(4)
medida más popular de la energía requerida en la molienda fina.[27]. . Este cálculo utilizó tamaños de partículas de producto/alimentación junto con los
En las pruebas de laboratorio, los tipos de roca probados incluyeron arenisca gramos netos promedio producidos por revolución (gpr)medido durante los últimos tres
de Coconino y piedra caliza de una cantera en el norte de Arizona. Se utilizó un períodos después de alcanzar un estado estacionario.PAGS80yF80se obtuvieron de la curva
total de 141 muestras (80 para la arenisca, 61 para la piedra caliza) para las de distribución de Gaudin-Schumann trazada mediante pruebas de tamizado utilizando
pruebas. El núcleo NX (54,7 mm de diámetro) con 100 mm de altura se dividió en varios tamaños de malla.
dos partes: 25 mm para pruebas de disco brasileño (para medir TS) y 75 mm para
1:1 - 44:5
pruebas de perforación (para medir APR). A continuación, se recogieron ICM¼ - - d4Þ
fragmentos de las muestras analizadas, se trituraron con una trituradora de
PAGS0:23
i - gpr0:82-pags1ff0ffiffiffiffi -pags1ff0ffiffiffiffi
F80
mandíbula a escala de laboratorio y se utilizaron para las pruebas de molienda
PAGS80

para determinar el BWI. Cabe destacar que se realizaron menos pruebas de

molienda de Bond porque requieren una mayor cantidad de muestras de
alimentación (más de 5 kg) que las pruebas de disco y perforación brasileñas.
Figura 8muestra las muestras de roca analizadas y el procedimiento para los
experimentos de laboratorio.

3.1. Ensayos de triturabilidad

Se realizaron pruebas de molino de bolas Bond para medir la capacidad de

trituración de la roca. BWI es una característica intrínseca de la triturabilidad de la roca,
que representa la energía específica para triturar la roca cuando el tamaño de
alimentación es de malla 6 y el tamaño del producto es de malla 100. Este estudio utilizó
un molino de bolas Bond de laboratorio que consiste en una jarra cilíndrica de acero y un
motor de 70 RPM para obtener el BWI.Figura 9muestra el molino.
Para medir el BWI, se siguió el procedimiento estándar de prueba de molienda
de Bond, como se muestra enFigura 10 [28,29]. Esta prueba requiere material de
alimentación (partículas de roca) de menos de 6 mallas (3350yometro). Estas
partículas se obtuvieron triturando los fragmentos remanentes de las pruebas de
perforación y discos brasileños con la trituradora de mandíbula de laboratorio.
Cada procedimiento de volteo se repitió hasta que el flujo de material alcanzó
el estado estacionario de la carga de circulación, que se calculó utilizando la
relación del peso de los fragmentos de gran tamaño a los de menor tamaño con
base en la malla 100 (150yom) apertura del tamiz. Una vez el Figura 9.Molino de bolas Bond de laboratorio.
184 J. Park, K. Kim/ Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188

Figura 10.Procedimiento de la prueba de molienda estándar de Bond.

dóndeICMes el índice de trabajo de Bond;PAGSiel tamaño del tamiz de apertura;gpr los
gramos producidos por revolución;PAGS8080% tamaño de paso del producto; yF8080% del
tamaño de paso del alimento.
Para muestras de piedra caliza, Eq.(4)era aplicable, pero para las
muestras de arenisca, se utilizó un enfoque diferente para calcular el BWI.
Dado que la arenisca es una roca sedimentaria clástica típica que consta de
100 a 200yoEn las partículas de silicato, la cohesión entre las partículas es
mucho más débil que su fuerza. Esta característica provocó una fase
inconsistente de la velocidad de molienda en el molino giratorio. El tamaño
de partícula se redujo rápidamente a 100–200yom, pero la molienda
adicional a tamaños más finos casi no produjo cambios debido a la alta
dureza del silicato. Por lo tanto, era difícil lograr un estado estacionario para
calculargpr.Como alternativa se utilizó el método comparativo de Berry y
Bruce para estimar el ICB[30]. La aplicabilidad de este método ha sido
verificada para medir los valores de BWI de los minerales de grafito y
columbita, respectivamente, y mostró que sus valores estaban dentro del
rango de los valores reales de BWI de los minerales.[31,32]. Asimismo, se
encontró que las estimaciones de BWI de este método comparativo estaban
dentro del 8% del BWI real[33]. Dado el propósito de este estudio: identificar
los cambios relativos de BWI de acuerdo con los cambios de APR del barreno
y predecir/mejorar la eficiencia de rotura de rocas, este método fue
aceptable. Aunque no produce un BWI real, proporciona resultados de
prueba consistentes, lo cual es clave para este estudio.
Los BWI de las areniscas se aproximaron utilizando la ecuación.(5):
- -
pags1ff0ffiffiffiffiffi -pags1ff0ffiffiffiffiffiffi
F80r -
ICMt¼ICMr- -
PAGS80r
dónderytse refiere al material referenciado y probado,
respectivamente.
La muestra de arenisca que se eligió como material de referencia
(arenisca No. 1 entabla 1) tenía una estructura más cohesiva que otros
especímenes y no exhibió la propensión general de la arenisca como se
describe arriba.
Los BWI promedio para arenisca y piedra caliza fueron 5,84 ± 1,51 y 6,45
± 0,61 kWh/t, respectivamente. Los BWI medidos todavía se consideraron
aceptables dado el propósito de este estudio y la variabilidad de la roca,
aunque los BWI fueron más bajos que los rangos generales para arenisca
(11–38 kWh/t) y piedra caliza (4–26 kWh/t)
[34].
tabla 1muestra los detalles de las muestras de roca analizadas, así como
los resultados del experimento. Se midió el índice de dureza de Leeb (LH)
para investigar la resistencia básica de las muestras de roca utilizando el
método propuesto por Aoki y Matsukura.[35]. La resistencia a la compresión
no confinada (UCS) se estimó convirtiendo el índice LH[36]. Debido a que el
número de muestras de roca era limitado, en este estudio no se evaluaron
otras propiedades mecánicas básicas para los tipos de roca, y solo se realizó
una medición de BWI para cada conjunto de prueba.
3.2. Modelos de predicción
Se establecieron modelos para predecir las eficiencias de rotura de rocas
utilizando análisis de regresión no lineal. BWI y TS se pueden predecir
d5Þ utilizando la APR medida. Estudios previos han demostrado que la relación

pags1ff0ffiffiffiffiffi -pags1ff0ffiffiffiffiffiffi entre PR y la resistencia de la roca comúnmente sigue una función de

F80t
PAGS80t
potencia o exponencial[37–40]. La prueba da como resultado este

tabla 1
Información para muestras de rocas analizadas y resultados de experimentos.

tipo de roca No. Número de Específico índice LH SCU (MPa) TAE (media ± DE) TS (media ± DE) ICM
muestras gravedad (media ± DE) [36] (cm/min) (MPa) (KWh/t)

Arenisca 1 10 2.58 692,20 ± 21,68 104,84 ± 2,86 4,11 ± 1,60 15,64 ± 1,98 9.66
2 15 2.33 618,80 ± 17,48 70,69 ± 2,80 10,02 ± 0,66 5,59 ± 0,68 5.47
3 10 2.16 552,07 ± 17,34 49,40 ± 2,80 7,48 ± 0,32 5,44 ± 0,96 5.56
4 10 2.27 597,43 ± 25,46 63,02 ± 2,92 9,01 ± 1,68 5,63 ± 0,95 4.94
5 10 2.33 524,40 ± 19,42 42,58 ± 2,83 13,43 ± 0,42 5,99 ± 0,54 4.90
6 6 2.34 767,12 ± 17,81 156,76 ± 2,80 5,30 ± 0,39 6,81 ± 0,85 7.07
7 8 2.08 466,13 ± 33,22 31,14 ± 3,05 12,69 ± 1,10 3,93 ± 0,43 4.87
8 5 2.39 631,65 ± 16,28 75,74 ± 2,78 7,34 ± 0,71 5,41 ± 0,47 4.66
9 6 2.33 527,45 ± 14,94 43,28 ± 2,76 13,71 ± 3,01 3,33 ± 0,46 5.45
Caliza 1 4 2.64 568,87 ± 17,17 54,06 ± 2,79 4,75 ± 0,29 5,15 ± 0,44 5.73
2 4 2.63 634,30 ± 10,14 76,82 ± 2,69 4,81 ± 0,13 5,89 ± 0,75 6.68
3 9 2.64 570,57 ± 13,27 54,56 ± 2,74 4,74 ± 0,40 5,36 ± 0,58 6.74
4 9 2.64 578,67 ± 19,85 56,98 ± 2,83 4,77 ± 0,3 6,10 ± 0,75 7.11
5 7 2.62 583,87 ± 15,65 58,60 ± 2,77 4,91 ± 0,21 5,02 ± 0,97 6.58
6 4 2.63 608,53 ± 10,28 66,89 ± 2,69 4,91 ± 0,55 5,05 ± 1,03 5.20
7 6 2.67 572,20 ± 19,04 55,04 ± 2,82 4,27 ± 0,37 6,76 ± 0,95 6.80
8 3 2.66 578,33 ± 11,46 56,88 ± 2,71 4,42 ± 0,10 5,27 ± 1,03 6.76
9 10 2.64 630,43 ± 10,74 75,24 ± 2,70 4,76 ± 0,47 5,21 ± 0,81 6.06
10 5 2.67 587,20 ± 14,21 59,65 ± 2,75 3,97 ± 0,21 6,72 ± 0,38 7.29
 J. Park, K. Kim/ Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188
estudio siguió una función de potencia (Y¼hachak) que se puede expresar como
una función lineal en un dominio logarítmico. La aplicación de transformaciones
logarítmicas en un modelo de regresión es una forma común de manejar una
relación no lineal entre dos variables, especialmente cuando están muy sesgadas
como los datos de campo MWD, como se muestra enFig. 3.
Figura 11muestra los resultados de las pruebas para las 80 muestras de
arenisca. El modelo traza estos resultados con un intervalo de confianza (IC) del 95
% y líneas de intervalo de predicción (PI). Cabe destacar que el IC indica el rango
de probabilidad del 95 % en el que se encuentra una observación actual, mientras
que el PI indica el rango en el que caerá una observación futura con una
probabilidad del 95 %.
Los límites superior e inferior de PI se definieron para el modelo de
predicción y la relación entre APR y TS, con la gráfica no lineal (Figura
11a) y la gráfica logarítmica (Figura 11b). El modelo de predicción para
TS se generó utilizando la ecuación.(6):
Iniciar sesiónTS¼ -0:74 registroABRþ1:46 d6Þ
dóndeABRes la tasa de penetración ajustada; yTSla resistencia a la
tracción.
Para valores de APR inferiores a 5 cm/min, el TS correspondiente
aumentó exponencialmente, lo que indica que la energía requerida
para la trituración es exponencialmente mayor en este rango (Figura 11
a). Por ejemplo, cuando APR fue de 5 cm/min, el TS previsto fue de 8,8
MPa. Cuando APR disminuyó de 8 a 5 cm/min (un cambio de 3 cm/min),
el aumento de TS fue de solo 2,6 MPa; sin embargo, cuando disminuyó
de 5 a 2 cm/min (el mismo cambio), la TS aumentó en 8,5 MPa. En
consecuencia, si el APR medido en el campo disminuye, más energía
Figura 11.Modelo de regresión de arenisca para APR versus TS.
Figura 12.Modelo de regresión de arenisca para APR versus BWI.
185
se requerirá en el proceso de trituración después de la voladura, pero
el diseño de voladura requerido para mejorar la eficiencia de rotura de
rocas diferirá significativamente según el rango de APR. Las APR
inferiores a 5 cm/min requerirán más energía de voladura si
disminuyen según la relación que se muestra enFigura 11.
Figura 12traza el BWI como una función de APR para arenisca. Los puntos de
datos fueron limitados debido a la escasez de materias primas (muestras de
arenisca). Dado que los experimentos de BWI requieren una cantidad
relativamente grande de muestras, se requieren más pruebas para generar el
modelo de predicción; sin embargo, este análisis mostró que BWI se basó
significativamente en los cambios de APR.
Con base en los resultados mostrados enFigura 12, se generó un modelo de
regresión preliminar (predicción) de APR versus BWI para la arenisca, como se
muestra en la ecuación.(7):
Iniciar sesiónICM¼ -0:43 registroABRþ1:16 d7Þ
Para APR inferiores a alrededor de 7 cm/min, el BWI correspondiente
aumentó exponencialmente con la disminución de APR (roca más dura para
moler) (Figura 12a).
higos. 13 y 14muestran los resultados de las pruebas para las muestras de piedra
caliza, que varían menos que los resultados de la piedra arenisca. Esta diferencia podría
estar relacionada con la consistencia de la muestra (la piedra caliza se muestreó en una
sola cantera). Se requieren más estudios para determinar la causa de esta diferencia.
higos. 13 y 14mostró una clara dependencia de TS y BWI en los cambios de
APR, pero los puntos de datos estaban dispersos y eran demasiado pocos para
desarrollar modelos de predicción confiables. Dado que el objetivo de
186 J. Park, K. Kim/ Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188
Figura 13.Modelo de regresión de caliza para APR versus TS.
Figura 14.Modelo de regresión de caliza para APR versus BWI.
este estudio es para demostrar el uso de datos de PR en aplicaciones mineras, se
generaron modelos de regresión preliminares de APR versus TS/BWI para piedra
caliza como se muestra en las ecuaciones.(8) y (9).
Iniciar sesiónTS¼ -0:96registroABRþ1:38
Iniciar sesiónICM¼ -0:83registroABRþ1:38
Para APR por debajo de alrededor de 4 cm/min, el TS y el BWI
correspondientes aumentaron exponencialmente con la disminución de APR (
higos. 13un y 14a).
Este análisis encontró que las eficiencias de rotura de rocas (TS y BWI) se
podían predecir usando APR y que los modelos de predicción que siguen
baja una función de potencia (Y¼hachak). Debido a que el modelo de
predicción era específico del tipo de sitio y del tipo de roca, fue posible
minimizar la variación que puede ocurrir incluso dentro de un solo tipo de
roca en una mina. Por lo tanto, la misma especificidad se aplica a los
coeficientes de la función de potencia (''a"y ''k”).Los coeficientes pueden
derivarse inicialmente de pruebas de laboratorio y luego actualizarse para
minimizar la discrepancia entre los valores predichos y monitoreados en
base a los datos obtenidos durante la voladura, trituración y molienda. A
través de este proceso iterativo, eventualmente se pueden desarrollar
modelos de predicción confiables para una mina.
4. Posibles aplicaciones de campo
Para una aplicación práctica en el campo, los resultados de este análisis
deben simplificarse y presentarse de una manera que sea útil para mí.
operadores. Esto podría lograrse mediante el desarrollo de mapas temáticos
para varias clasificaciones de barrenos (p. ej., "blando", "medio" y "duro")
que podrían servir como guía antes de la voladura, especialmente en
d8Þ ausencia de estudios geológicos.
Esto implicaría desarrollar un mapa temático en tiempo real que muestre
d9Þ las características de rotura de la roca (capacidad de trituración y molienda)
en función de valores APR representativos (datos MWD) y modelos de
predicción. Dicho mapa podría crearse integrando los datos de MWD en un
software de planificación de minas como MineSight.TM, SurpacTM, VulcanoTM,
etc.; los datos podrían integrarse simplemente en la base de datos de
barrenos existente, lo que permite a los usuarios almacenar, administrar y
visualizar datos. Figura 15describe este concepto. Cabe destacar que la
aplicación de este método en el campo aún plantea muchos desafíos y
requiere más estudio; el propósito de esta sección es ilustrar el concepto de
las aplicaciones potenciales en la industria minera.
Se puede generar un mapa APR que muestre el valor APR
representativo en cada barreno, como se muestra en el lado izquierdo
deFigura 15. Aunque cada barreno tiene un valor APR representativo,
en la práctica es casi imposible que los operadores de la mina apliquen
diferentes energías de voladura en cada barreno.[10]. Por lo tanto, este
mapa podría simplificarse clasificando los barrenos, por ejemplo, como
"blando", "medio" y "duro". Cabe destacar que esta clasificación se
refiere a la eficiencia de rotura de la roca, como la triturabilidad y la
triturabilidad en función de TS y BWI, no de la dureza de la roca. Por
ejemplo, se podrían definir dos umbrales, 5 y 10 cm/min, enFigura 11,
que muestran la relación entre APR y TS. Los barrenos con valores de
APR inferiores a 5 cm/min podrían clasificarse como "duros", entre 5
 J. Park, K. Kim/ Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188
Figura 15.Mapeo temático utilizando rendimiento de perforación.
y 10 cm/min como "medio", y superior a 10 cm/min como "suave". En cada
clasificación, se podría asignar un diseño de energía de explosión para
mejorar la eficiencia de rotura de rocas en el proceso de trituración. Se
podrían generar dos mapas temáticos simplificados basados en los
modelos de predicción, como se muestra enFigura 15: un mapa TS para
presentar la eficiencia de trituración en el proceso de trituración y un mapa
BWI para presentar la eficiencia de trituración en el proceso de molienda.
Un diseño de energía de explosión óptimo requiere determinar la
fragmentación del objetivo y controlar la fragmentación de la explosión. Este
estudio se centró únicamente en la fragmentación de la voladura objetivo, que
debe considerar los procesos de conminución aguas abajo (chancado y molienda).
Por lo tanto, el uso de mapas temáticos como se sugirió anteriormente se limita a
identificar la fragmentación objetivo; la roca más dura para la trituración y la
molienda exige una fragmentación mejor (más pequeña) de la voladura, que a su
vez requiere una mayor energía de voladura para mejorar la eficiencia de rotura
de la roca y reducir la energía de trituración aguas abajo. El control de la
fragmentación por voladura, por otro lado, debe considerar factores como la
resistencia del macizo rocoso y las características estructurales que no formaron
parte de este estudio. Se requieren más estudios para finalizar el diseño óptimo
de energía de explosión (factor de pólvora) para una masa rocosa determinada.
5. Conclusiones y trabajo futuro
Este estudio mostró el potencial de usar datos de rendimiento de perforación
para estimar las características de rotura de roca en trituración y molienda como
parte de los esfuerzos de MTM. Se definió un rango de PR válido para minimizar
los efectos de los factores geológicos y representar las propiedades intactas de la
roca (TS y BWI) a partir de datos de PR de barrenos. Asimismo, se aplicó el
concepto APR para minimizar el efecto de los factores mecánicos mediante la
normalización de los datos de PR. Los resultados de las pruebas de laboratorio con
muestras de arenisca y caliza indicaron que APR podría estar correlacionado con
TS y BWI, que estaban directamente relacionados con las eficiencias de rotura de
rocas en los procesos de trituración y molienda, respectivamente. Luego se
generaron modelos específicos del tipo de sitio y del tipo de roca para predecir las
eficiencias de rotura de rocas con una APR representativa en cada barreno.
Además, Se propuso una metodología para aplicaciones de campo que involucra
la creación de mapas temáticos (posiblemente utilizando un software de
planificación de minas) para guiar a los operadores en la asignación del diseño de
energía de voladura adecuado en los pozos de voladura. Para crear estos mapas,
los barrenos se clasificarían en función de sus características de ruptura de rocas
(p. ej., "blandos", "medios" o "duros"). Este estudio demostró cómo extraer
propiedades intactas de la roca para predecir las características de rotura de la
roca en los procesos de trituración y molienda a partir de datos de rendimiento de
perforación (MWD). También mostró cómo desarrollar modelos de predicción para
estimar las características de rotura de rocas utilizando valores APR de perforación
de laboratorio, disco brasileño y pruebas de molienda de Bond.
187
Aunque se usaron datos de campo de MWD sin procesar para
definir los rangos PR válidos para extraer las propiedades de la roca
intacta, los modelos de predicción se generaron con base únicamente
en los resultados de las pruebas de laboratorio. Se deben superar
algunos desafíos antes de que esta metodología se pueda aplicar en el
campo. Uno de esos desafíos es comprender la naturaleza heterogénea
del macizo rocoso y extraer de manera efectiva las propiedades
intactas de la roca. Aunque este estudio extrajo rangos PR válidos y
obtuvo valores APR a través de algoritmos simples, esto se logró bajo
condiciones totalmente controladas en el laboratorio; los datos de
campo reales pueden requerir métodos estadísticos mucho más
sofisticados y complejos. Otro desafío es correlacionar los valores APR
de campo y laboratorio.
[dieciséis]. Por lo tanto, desarrollar una correlación confiable entre la APR de
laboratorio y la APR de campo implica actualmente una incertidumbre
significativa. Se llevarán a cabo más estudios de seguimiento para lograr valores
APR de campo confiables, modelos de predicción específicos del sitio y, en última
instancia, fragmentación de voladura objetivo específica del sitio que considere los
procesos de trituración aguas abajo en una mina de roca dura.
Referencias
[1]Powell M, Bye A. Más allá de la mina a la fábrica: diseño de circuitos para la utilización
eficiente de recursos energéticos. En: Actas de la décima conferencia de operadores
de molinos. Adelaida: Instituto Australasiático de Minería y Metalurgia (AusIMM);
2009. pág. 357–64.
[2]Ballantyne GR, Powell MS, Tiang M. Proporción de energía atribuible a la trituración.
En: Actas de la 11ª conferencia de operadores de molinos. Hobart: Instituto de
Minería y Metalurgia de Australasia (AusIMM); 2012. pág. 25–30.
[3]Musa F, Morrison R. Un enfoque más sostenible para evaluar la eficiencia de la
trituración. Miner Eng 2009;22(7–8):593–601.
[4]Norgate T, Haque N. Impactos energéticos y de gases de efecto invernadero de las operaciones de
minería y procesamiento de minerales. J Cleaner Prod 2010;18(3):266–74.
[5]Napier-Munn T. ¿Está condenado el progreso en la trituración energéticamente eficiente? Minero
inglés 2015;73:1–6.
[6]Nielsen K, Malvik T. Mejora de la capacidad de molienda mediante microfisuras inducidas por
explosión. Tecnología en polvo 1999;105(1–3):52–6.
[7]Michaux S, Djordjevic N. Influencia de la energía explosiva en la resistencia de los fragmentos
de roca y el rendimiento del molino SAG. Miner Eng 2005;18(4):439–48.
[8]Bodnar RJ, Beane RE. Variaciones temporales y espaciales en las características de los fluidos
hidrotermales durante el llenado de vetas en la cubierta de mineral anterior que recubre una
mineralización tipo pórfido de cobre profundamente enterrada en Red Mountain, Arizona. Econ Geol
1980;75(6):876–93.
[9]Rai P, Schunesson H, Lindqvist PA, Kumar U. Una descripción general de la técnica de
medición durante la perforación y su alcance en la industria de la excavación. J Instit Eng
(India): Serie D 2015;96(1):57–66.
[10]Segui JB, Higgins M. Diseño de voladuras utilizando parámetros de medición durante
la perforación. Fragblast 2002;6(3–4):287–99.
[11]Scoble MJ, Peck J. Una técnica para la caracterización del terreno mediante el monitoreo
automatizado de perforación de producción. Int J Surf Min Reclam Environ 1987;1(1):41–54.
[12]Vynne J. La aplicación y los beneficios económicos de los monitores de perforación de
barrenos. En: Actas de la conferencia anual sobre explosivos y técnicas de voladura.
Nevada: Sociedad Internacional de Ingenieros en Explosivos; 1997. pág. 635–46.
188 J. Park, K. Kim/ Revista Internacional de Ciencia y Tecnología Minera 30 (2020) 179–188
[13]Kahraman S, Rostami J, Naeimipour A. Revisión de la caracterización del suelo mediante el
uso de perforadoras instrumentadas para minería y construcción subterránea. Rock Mech
Rock Eng 2016;49(2):585–602.
[14]Ghosh R, Schunnesson H, Kumar U. Evaluación de las características del macizo
rocoso mediante la medición durante la perforación en la mina de cobre Boliden
Minerals Aitik, Suecia. En: Actas de la 22ª conferencia MPES. Dresde: Planificación de
Minas y Selección de Equipos; 2014. pág. 81–91.
[15]Chen J, Yue ZQ. Caracterización del suelo utilizando análisis de zonificación basado en la
acción de ruptura de la perforación instrumentada de percusión rotatoria. Int J Rock Mech
Min Sci 2015;75:33–43.
[dieciséis]Hatherly P, Leung R, Scheding S, Robinson D. Los resultados del monitoreo de perforación
revelan las condiciones geológicas en la perforación de barrenos. Int J Rock Mech Min Sci 2015;100
(78):144–54.
[17]Ahsan N, Scheding S, Monteiro ST, Leung R, McHugh C, Robinson D. Muestreo adaptativo
aplicado a la perforación de barrenos en minería de superficie. Int J Rock Mech Min
Ciencia 2015;75:244–55.
[18]Leung R, Scheding S. Detección automatizada de vetas de carbón usando una medida de
energía específica modulada en un contexto de monitoreo durante la perforación. Int J
Rock Mech Min Sci 2015; 75: 196–209.
[19]Kadkhodaie-Ilkhchi A, Monteiro ST, Ramos F, Hatherly P. Reconocimiento de rocas a
partir de datos MWD: un estudio comparativo de impulso, redes neuronales y lógica
difusa. IEEE Geosci Remote Sens Lett 2010;7(4):680–4.
[20]Zhou H, Hatherly P, Monteiro ST, Ramos F, Oppolzer F, Nettleton E, et al.
Reconocimiento automático de rocas a partir de datos de rendimiento de
perforación. En: Actas de la conferencia internacional IEEE sobre robótica y
automatización. Minnesota: RiverCentre; 2012. pág. 3407–12.
[21]Basarir H, Karpuz C. Estimación preliminar de la resistencia del macizo rocoso utilizando
parámetros operativos de perforación con broca de diamante. Int J Min Reclam Environ
2016;30 (2):145–64.
[22]Isokangas E, Sonmez B, Wortley M, Valery W. Uso de SmartTag para rastrear minerales en
proyectos de integración y optimización de procesos: algunos estudios de casos en una
variedad de aplicaciones. el Instituto de Minería y Metalurgia del Sur de África Platinum;
2012. pág. 871–92.
[23]Guo H, Aziz NI, Schmidt LC. Modelado lineal elástico de punta de fisura por el método
de discontinuidad de desplazamiento. Eng Fract Mech 1990;36(6):933–43.
[24]Arena GW, Subasinghe GKN. Un enfoque novedoso para evaluar los parámetros de
rotura y modelar la molienda por lotes. Miner Eng 2004;17(11–12):1111–6.
[25]Teale R. El concepto de energía específica en la perforación de rocas. En: Actas de la
revista internacional de mecánica de rocas y ciencias mineras y resumen de
geomecánica. Pérgamo; 1965. pág. 57–73.
[26]Beattie N. Monitoreo durante la perforación para minería a cielo abierto en un entorno de
roca dura: una investigación de técnicas de reconocimiento de patrones aplicadas a la
identificación de rocas Tesis doctoral. Kingston: Universidad de Queen; 2009.
pags. 66–90.
[27]Park J. Estimación de las características de trituración de rocas mediante el uso de tasas de
penetración de perforación Tesis de maestría. Arizona: La Universidad de Arizona; 2016.
pág. 22–49.
[28]Levin J. Observaciones sobre la prueba de molienda estándar de Bond y una propuesta para
una prueba de molienda estándar para materiales finos. J South Afr Inst Min Metall
1989;89(1):13–21.
[29] Yap RF. Determinación del índice de trabajo de Bond utilizando un molino de bolas discontinuo
ordinario de laboratorio. Diseño e instalación de circuitos de conminución; 1982, pág. 176– 203..
[30]Berry TF, Bruce RW. Un método simple para determinar la triturabilidad de los minerales. Can
Min J 1966; 87: 63–5.
[31]Adeoti MO, Dahunsi OA, Awopetu OO, Aramide FO, Alabi OO, Johnson OT, et al.
Determinación del índice de trabajo del grafito de Saman-Burkono (Nigeria)
utilizando el método de Bond modificado. Níger J Technol 2019;38(3):609–13.
[32]Alabi OO, Yaro SA, Dungka GT, Asuke F, Dauda ET. Determinación del índice de trabajo del
mineral de columbita Gyel-Bukuru en el estado de Plateau, Nigeria. J Miner Mater Charact
Eng 2015;3:194–203.
[33]Todorovic D, Trumic M, Andric L, Milosevic V. Un método rápido para la determinación del
valor aproximado del índice de trabajo de Bond. Proceso minero Physicochem Probl
2017;53(1):321–32.
[34]Querido PSME. manual de ingeniería de minas. PYME; 2011. pág. 88.
[35]Aoki H, Matsukura Y. Estimación de la resistencia a la compresión no confinada de
rocas intactas a partir de la dureza Equotip. Bull Eng Geol Environ 2008;67(1):23–9.
[36]Asiri Y, Corkum A, El Naggar H. Leeb prueba de dureza para la estimación UCS de
arenisca. Sociedad Geotécnica Canadiense; 2016. pág. 3–5.
[37]Bauer A, Calder PN. Factores de perforación a cielo abierto que influyen en las tasas de
perforación. En: Actas del cuarto simposio canadiense de mecánica de rocas, reunión anual
del CIMM. Ottawa: Departamento de Energía; 1967. pág. 1–8.
[38]Altindag R, Güney A. ISRM método sugerido para determinar el valor de dureza Shore
para roca. Int J Rock Mech Min Sci 2006;43(1):19–22.
[39]Servet D, Nazmi S, Ibrahim U, Tamer E, Deniz A, Rasit A. Variación de las tasas de
perforación vertical y horizontal según algunas propiedades de la roca en las
canteras de mármol. Int J Min Sci Technol 2014;24(2):269–73.
[40]Ataei M, KaKaie R, Ghavidel M, Saeidi O. Predicción de la tasa de perforación de una mina a
cielo abierto utilizando el índice de perforabilidad del macizo rocoso. Int J Rock Mech Min
Sci 2015;73:130–8.