Machine Translated by Google

Capítulo 3

Muestreo, control y balance de masas

3.1 INTRODUCCIÓN precisa) y con el grado de precisión requerido (límites de confianza) para
un nivel aceptable de costo y esfuerzo.
Este capítulo trata sobre la recopilación, el análisis y el uso de los datos
Esto no es sencillo ya que las partículas que se van a muestrear no son
del proceso. La recopilación de datos confiables es la ciencia del muestreo.
homogéneas y también hay variaciones en el tiempo (o espacio) dentro
Las muestras recolectadas se analizan en cuanto a calidad, contenido de
de la corriente de muestreo. La teoría del muestreo tiene su base en la
metal (ensayo), tamaño de partícula, etc. y los datos se utilizan para el
probabilidad, y aquellos a quienes se les asigna la tarea de establecer y
control de procesos y la contabilidad metalúrgica.
validar el protocolo de muestreo requieren un buen conocimiento de la
estadística aplicada y las fuentes de error de muestreo.
El control informático de las plantas de procesamiento de minerales
requiere la medición continua de dichos parámetros. El desarrollo de
sensores en línea en tiempo real, como medidores de flujo, densímetros y
analizadores químicos y de tamaño de partículas, ha contribuido de
manera importante al rápido desarrollo en este campo desde principios de 3.2.1 Conceptos básicos de muestreo: lo
la década de 1970, al igual que la creciente disponibilidad y confiabilidad que el metalúrgico necesita saber
de microprocesadores baratos.
Para comprender las fuentes de error que pueden ocurrir al muestrear el
proceso, se hará referencia a la teoría de la probabilidad y la estadística
La contabilidad metalúrgica es un requisito esencial para todas las
clásica, el Teorema del Límite Central (CLT), que forman la base de la
operaciones de procesamiento de minerales. Se utiliza para determinar la
teoría moderna del muestreo. Además, para comprender la fuente del
distribución y grado de los valores en los diversos productos de una
error de muestreo es importante la naturaleza aditiva de la varianza, es
concentradora con el fin de evaluar la eficiencia económica de la planta
decir, que la varianza total de un sistema de componentes independientes
(Capítulo 1). Los mismos métodos de contabilidad se utilizan en las
es la suma de las varianzas individuales de los componentes de ese
pruebas de planta para tomar decisiones sobre la operación. Para ejecutar
sistema. En otras palabras, los errores (desviación estándar de las
la contabilidad metalúrgica se requieren técnicas de equilibrio de masas y
medidas) no se cancelan; son acumulativos en términos de su varianza.
reconciliación de datos para mejorar la integridad de los datos.

En términos generales de muestreo esto puede expresarse como (Merks,

3.2 MUESTREO
Muchas veces no se le da al proceso de muestreo la consideración o el
nivel de esfuerzo que merece: de hecho, la experiencia es que las plantas
a menudo se diseñan y construyen con una planificación inadecuada para
el muestreo posterior, esto a pesar de la importancia de los datos
resultantes en la cuenta metalúrgica. ing, control de procesos o pruebas y
ensayos de plantas (Holmes, 1991, 2004). Un ejemplo sencillo sirve para
ilustrar el punto. Un concentrador típico de pórfido de cobre puede tratar
100.000 toneladas de alimentación por día. La submuestra diaria
compuesta de alimento enviado para análisis será del orden de 1 gramo.
Esto representa 1 parte en 100 mil millones y debe ser representativo
dentro de más del 6 5%. Esta no es una tarea trivial. Claramente, el
protocolo de muestreo necesita producir muestras que sean tan
representativas (libres de sesgo, es decir,
1985):
ÿ2general 5 ÿ2 1 ÿ2 composición
distribución
1 ÿ2 1 ÿ2 análisis de
preparación (3.1)
donde ÿ2 y ÿ2 son el análisis
composición;ÿ2distribución; preparación ÿ2,
respectivas variaciones asociadas con el error debido a: i) heterogeneidad
entre partículas individuales en la vecindad inmediata del instrumento de
muestreo, ii) variación en el espacio (gran volumen muestreado) o durante
el período de tiempo muestreado, iii) las etapas de preparación de una
submuestra adecuada para el análisis, y iv) el análisis elemental o de
tamaño de la propia submuestra final. Esta representación es conveniente
para la mayoría de los propósitos, pero el error total puede subdividirse
aún más, como lo abordan Gy (1982), Pitard (1993) y Minnitt et al. (2007)
con hasta diez fuentes de error de muestreo individual identificadas. Para

Tecnología de procesamiento de minerales de Wills.

© 2016 Elsevier Ltd. Todos los derechos reservados. 41
Machine Translated by Google

42 Tecnología de procesamiento de minerales de Wills

los propósitos de la discusión aquí, sin embargo, usaremos

las cuatro fuentes identificadas anteriormente.

Algunas ayudas de terminología apropiadas en la discusión.

La unidad de muestreo es toda la población de partículas.
ser muestreado en un volumen dado o a lo largo del tiempo; el incremento
de muestreo es esa muestra individual que se toma en un
punto en el tiempo o el espacio; una muestra se compone de múltiples
incrementos de muestreo o también puede ser un término genérico para cualquier
subconjunto de la unidad de muestreo general; una submuestra se refiere a
una muestra que se ha dividido en un subconjunto más pequeño
generalmente para facilitar el procesamiento en la siguiente etapa. Es
importante reconocer que el verdadero valor o la media de la
unidad de muestreo (es decir, toda la población de partículas) puede
nunca se sabe, siempre habrá algún error asociado con las muestras
obtenidas para estimar la media verdadera.
Esto se debe a que, como se señaló, las partículas individuales muestreadas FIGURA 3.1 Variación de la composición en función de la proporción mineral
no son homogéneos, es decir, varían en composición. p en un sistema de dos componentes (ecuación (3.3)).

Esta noción de una varianza mínima que siempre está presente

se conoce como el error de muestreo fundamental. Bueno de proporciones minerales relativas en la varianza de la composición,
El protocolo de muestreo se diseñará para minimizar la varianza de Considere una partícula compuesta de dos componentes, p y
muestreo general como se define en la ecuación. (3.1), en cierto sentido, q. La varianza de la composición se puede describir como:
acercarse lo más posible al muestreo fundamental
ÿ2 ~
error que en sí mismo no puede ser eliminado. composición pq o ÿ2 composición ~ pð1 2 pÞ (3.3)

Uno de los pioneros de la teoría del muestreo fue Visman.

La figura 3.1 muestra la varianza de la composición en función de la
(1972) quien contribuyó con una versión más útil de
proporción mineral p en el rango de 0 a 100%.
ecuación (3.1):
La varianza es máxima cuando la proporción de p en
ÿ2C ÿ2d ÿ2a partículas está al 50% y en un mínimo a medida que se acerca
ÿ2t 5
1 1 ÿ2 1 (3.2)
min norte
pags
yo ya sea 0% o 100%. Claramente, la varianza de la composición será
minimizado cuanto más nos acercamos a la partícula mineral individual
donde ÿ2 t;
ÿ2c ; ÿ2d; ÿ2 ÿ2a 5 varianza: total, composición,
pags;
liberación. Lograr (en o cerca de) la liberación es, por lo tanto, un
distribución, preparación y análisis; mi 5 masa de incremento de muestra;
elemento importante de los protocolos de muestreo, particularmente en
n 5 número de incrementos de muestreo; y
las etapas de submuestreo para materiales más gruesos.
l 5 número de ensayos por muestra.
Este es un factor importante que debe entenderse
Es evidente a partir de la Ec. (3.2) que el error asociado
sobre el sistema que se está muestreando. las micrografias
con la composición se puede reducir aumentando tanto la
en el Capítulo 1 Figura 1.5 ilustran que varias mineralogía
masa y el número de incrementos de muestreo, que el
texturas producirán tamaños de liberación muy diferentes.
El error asociado con la distribución se puede reducir mediante
Seleccionar el tamaño de muestra apropiado también es clave para
aumentar el número de incrementos pero no su masa;
minimizando la varianza de la composición como se indica en la ecuación. (3.2),
y ese error de ensayo se puede reducir aumentando el
y hay muchos ejemplos de subestimación y
número de ensayos por muestra. Ahora procederemos a
sobrestimar el contenido de metales preciosos que se puede rastrear
discutir cada uno de los componentes del muestreo general
volver a los tamaños de muestra que eran demasiado pequeños. Basado en
variación con más detalle.
simulación computacional, los siguientes dos ejemplos
ilustrar los problemas asociados con el tamaño de la muestra

Variación de composición (Ejemplo 3.1 y 3.2).

Un programa de muestreo más datos mineralógicos y de liberación
También conocida como heterogeneidad de la composición, depende
son componentes importantes para establecer el
en factores que se relacionan con las partículas individuales recolectadas
protocolo de muestreo apropiado para minimizar la variación de la
en un incremento, como el tamaño máximo de la partícula, la distribución
composición. Ahora examinaremos el segundo principal
del tamaño, la forma, la densidad y la proporción del mineral de interés,
fuente del error de muestreo general, la varianza de la distribución.
grado de liberación y el tamaño de la muestra, y es en gran medida el
base de las conocidas ecuaciones fundamentales de Pierre Gy
Variación de distribución
y Teoría del Muestreo (Gy, 1967, 1982). ecuación de Gy
para establecer el error fundamental de muestreo será También conocida como heterogeneidad de distribución o segregación,
detallada más adelante en esta sección. Para ilustrar la importancia esto ocurre en la escala de la unidad de muestreo, sea que en
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 43

que es demasiado pequeño es claramente evidente a partir de la tabla y la figura.

Ejemplo 3.1
Los materiales más gruesos requieren un tamaño de muestra significativamente mayor en
Determine un tamaño de muestra apropiado para la alimentación del molino (menos
para minimizar el error de composición.
12 mm) con un contenido de minerales valiosos del 50% (p. ej.,
mineral de hierro).
El muestreo de materiales con bajo contenido de minerales valiosos
contenido (por ejemplo, partes por millón) también aumenta el riesgo de
Solución
grandes errores si los incrementos de muestreo son demasiado pequeños. Este
De la simulación, tamaños de incremento de muestra que van desde 10 se vuelve aún más pronunciado si hay una gran densidad
a 10.000 g se tomaron 100 veces para generar datos estadísticos diferencias entre mineral valioso y ganga.
que están libres del efecto de la frecuencia de muestreo. Ejemplo de mesa
3.1 y la Figura ex 3.1-S ilustran que el error total (expresado como
desviación estándar relativa, ÿ, o coeficiente de variación)

alcanza un valor límite de alrededor del 5% cuando el tamaño de la muestra es

5 kg o más. En cierto sentido, este valor se aproxima al error de muestreo
fundamental. El escollo de seleccionar un tamaño de muestra
TABLA EX 3.1 Efecto del tamaño del incremento de la muestra en
Error de muestreo (expresado como estándar relativo
desviación)
Ejemplo 3.2
Considere que una muestra de prueba de 500 g contiene 25 partículas de
(es decir, liberado) oro. Las submuestras de 15, 30 y 60 g se
seleccionados repetidamente para generar distribuciones de frecuencia de
el número de partículas de oro en cada uno de los conjuntos de submuestras.
Solución

Incremento Significar Número de Pariente Tenga en cuenta que, en promedio, el conjunto de submuestras de 15 g debe

Tamañoa (g) Ensayo Ensayos Estándar contener 0,75 partículas de oro; el juego de 30 g debe contener 1,5 de oro

(%) dentro de Desviación partículas y el set de 60 g, 3 partículas de oro. Las distribuciones de frecuencia

6 2,5% (%) resultantes se presentan en la tabla Ej. 3.2. Está despejado

que un tamaño de submuestra demasiado pequeño (15 y 30 g) da como resultado una
10 46.7 14 88.55
distribución de frecuencia sesgada y una alta correspondiente

100 49.7 24 45.6 probabilidad de subestimar o sobrestimar significativamente el verdadero contenido

de oro. La tabla muestra que para 15 g
500 50.35 37 18.38

1,000 50.08 74 14.8

2,500 50.18 86 9.94

TABLA EX 3.2 Datos de distribución de frecuencias de
3500 49.82 93 7.09
Contenido de partículas de oro para 15, 30 y 60 g
5,000 50.12 98 5.1 Conjuntos de submuestras

10,000 49.97 99 5.01 Número previsto Distribución de frecuencias (%)

a de partículas de Au en
Cada uno de 100 incrementos de muestra media verdadera 5 50%
Tamaño de muestra incremental
Muestra
60 gramos 30 gramos 15g

0 5 22.3 47.2

1 14.9 33.5 35.4

2 22.4 25.1 13.3

3 22.4 12.6 3.3

4 16.8 4.7 0.6

5 10.1 1.4 0.1

6 5 0.4

7 2.2 0.1

8 0.8

9 0.3

10 0.1
FIGURA EX 3.1-SA Gráfico de datos de la Tabla ex 3.1 que muestra la reducción
en el error de muestreo a medida que aumenta el tamaño del incremento de muestreo. Datos de Merks, Muestreo y Estadísticas, sitio web geostats.com

Se indica como adecuado un tamaño de muestra de 5 kg.

Machine Translated by Google
44 Tecnología de procesamiento de minerales de Wills
tamaño de la muestra, hay casi un 50 % de probabilidad de tener
cero contenido de oro (47,2 %) y una probabilidad igualmente
alta (cerca del 50 %) de sobrestimar significativamente el
contenido de oro. Este riesgo de subestimar o sobreestimar
gravemente el contenido de oro debido a un tamaño de muestra
insuficiente a veces se denomina efecto pepita. (Ejemplo tomado
de J. Merks, Sampling and Statistics, sitio web: geostatscam.com).
espacio (p. ej., una pila de acopio o recipiente de proceso) o en el tiempo (p.
ej., un material compuesto de alimentación de molienda de 24 horas).
Claramente, habrá variación en las muestras tomadas dentro de la unidad
de muestreo y, por lo tanto, una sola muestra aleatoria o puntual tiene una
probabilidad prácticamente nula de ser representativa de toda la población
de partículas. Por lo tanto, se requieren múltiples muestras.
Se necesita un protocolo de muestreo bien diseñado para minimizar el error
de distribución, incluido el sesgo de muestreo. Dicho protocolo debe basarse,
en la medida de lo posible, en el modelo de muestreo ideal que establece
que:
• Todos los estratos del volumen a muestrear están incluidos en el incremento
de muestreo; por ejemplo, cortar toda la corriente o el flujo de un
transportador o tubería, tomar muestras de arriba a abajo en un vagón
de ferrocarril o en una pila de almacenamiento
• El incremento de muestra recolectado es proporcional a la masa
rendimiento, es decir, promedio ponderado
• Secuencia aleatoria de muestreo para evitar cualquier frecuencia natural
dentro de la unidad de muestreo
• Todas las partículas tienen la misma probabilidad de ser
muestreado
El modelo de muestreo ideal, a veces denominado modelo de muestreo
probabilístico o equiprobable, a menudo no se puede lograr por completo,
pero se deben hacer todos los intentos razonables para implementar un
protocolo de muestreo que se adhiera a él lo más fielmente posible.
Muestrear una cinta transportadora o una tubería que fluye a lo largo de todo
el ancho del flujo en un punto de descarga utilizando un dispositivo de
muestreo que no excluye ninguna partícula, a intervalos de tiempo aleatorios
y en proporción al flujo másico, es un protocolo preferido que logra cerca al
modelo de muestreo ideal. Esto puede considerarse como un modelo de
muestreo lineal o unidimensional. Un ejemplo de un modelo bidimensional
sería un vagón que contiene concentrado donde los incrementos de muestreo
se recolectan de arriba a abajo mediante una barrena o tubería en un sistema
de rejilla (al azar si es posible). Un ejemplo de un modelo tridimensional sería
una gran pila de almacenamiento o un tanque de lodo donde no es posible
realizar incrementos de muestreo de arriba a abajo y donde es probable que
se produzca una segregación significativa.
El muestreo de puntos sobre la base de una cuadrícula volumétrica o el
muestreo de la superficie de una pila a medida que se construye o
desmantela se puede usar en casos tridimensionales, pero dicho protocolo
se desviaría significativamente del modelo de muestreo ideal. Es mucho
mejor convertir estos tridimensionales
situaciones en situaciones unidimensionales tomando muestras cuando el
volumen de la pila o del tanque se transfiere o bombea a otra ubicación.
Es evidente que, para establecer un protocolo de muestreo adecuado
que minimice el error de composición y distribución, se necesita información
sobre el tamaño total y la segregación presente en la unidad de muestreo,
la distribución del tamaño y la mineralogía de las partículas, concentraciones
aproximadas de los elementos/minerales de interés, y el nivel de precisión
(es decir, error aceptable) requerido del muestreo.
Varianza de preparación y análisis La ecuación de varianza (3.1)
indica que las variaciones debidas a la preparación y el análisis también
contribuyen a la variación general. Merks (1985) ha señalado que la variación
debida a la preparación y el análisis suele ser mucho menor que la de la
distribución y la composición. Ilustrando el punto para incrementos de
muestra de 1 kg de carbón analizado para el contenido de cenizas, Merks
(1985) muestra cuáles son las proporciones típicas de error: composición,
54%; distribución, 35%; preparación, 9%; y análisis, 2%. Minnitt et al. (2007)
proporcionan estimaciones de 50 100 %, 10 20 % y 0,1 4 % para errores de
composición, distribución y preparación/analíticos, respectivamente, como
una porción del error total similar a Merks.
Estimaciones del
análisis de ÿ2 han sido obtenidos por realizar
realizar múltiples ensayos en una submuestra, mientras que preparación pueden
ÿ2 se estima recolectando, preparando y analizando múltiples subconjuntos
apareados de la muestra original para producir una estimación de la varianza
combinada de preparación y análisis, y luego restando el componente de
análisis ÿ2 previamente establecido. Merks (2010) proporciona descripciones
detalladas de
cómo determinar los componentes individuales de la varianza mediante el
método de muestras intercaladas.
3.2.2 La ecuación de Gy y su uso para estimar el tamaño mínimo de la
muestra En su trabajo pionero en las décadas de 1950 y 1960, Pierre Gy
(1967, 1982) estableció una ecuación para estimar el error de muestreo
fundamental, que es el único componente del error total que puede estimarse
a priori. Todos los demás componentes del error deben establecerse
mediante el muestreo del sistema dado. Expresada como varianza, ÿ2 f , la
ecuación de Gy para estimar el error fundamental es:
ðM 2 msÞ
ÿ2
5
Cd3 (3.4)
f
Mms
donde M 5 la masa de toda la unidad de muestreo o lote (g); ms 5 la masa
de la muestra tomada de M (g); d 5 tamaño nominal de la partícula en la
muestra, típicamente tomado como el tamaño de paso del 95%, d95, para la
distribución
Machine Translated by Google
(cm); y C 5 constante para el conjunto mineral dado
en M dado por:
C 5 f glm
donde f es el factor de forma que relaciona el volumen con el diámetro
de las partículas, g el factor de distribución del tamaño de partículas, l el
factor de liberación, y m la composición mineralógica
factor para un sistema de 2 componentes. Los factores en C son
estimado de la siguiente manera:
f: El valor de f 5 0.5 excepto para los minerales de oro cuando
f 5 0.2.
g: si se utilizan tamaños de paso del 95 % y el 5 % para definir una
distribución de tamaños, se pueden seleccionar los siguientes valores para g:
g5 0,25 para d95/d5 . 4
g 5 0,5 para d95/d5 5 2-4
g 5 0,75 para d95/d5 , 2
g 5 1 para d95/d5 5 1
l: Los valores de l se pueden estimar a partir de la siguiente tabla
para los valores correspondientes de d95/L, donde L es el tamaño
de liberación (cm), o se puede calcular a partir de la
expresión:
0:5
L
5 el muestreo se lleva a cabo desde la corriente de pulpa después de la
d95
d95/L ,1 1 4 4 10 10 40 40 100 100 400 .400
L 1 0,8 0,4 0.2 0.1 0.05
m: La m se puede calcular a partir de la expresión:
1 2 un
metro 5
½ ð1 2 aÞr 1 en
a no pasa desapercibido para aquellos que preparan muestras para analizar donde
donde r y t son las densidades medias del mineral valioso y de los
minerales de ganga, respectivamente, y a es el contenido mineral medio
fraccionario del material que se está analizando.
muestreado El valor de a puede determinarse ensayando
varias muestras del material. electrón moderno
Los microscopios pueden medir la mayoría de estas propiedades.
directamente. Para minerales de baja ley, como el oro, m puede ser
aproximado por densidad mineral (g cm23 )/ley (ppm).
Para una descripción más detallada de la constante de muestreo de Gy
(C), véase Lyman (1986) y Minnitt et al. (2007).
En el límite donde Mcms, que casi siempre es el
caso, Ec. (3.4) se simplifica a:
Cd3
ÿ2 5
F químicos y mineralógicos. Las técnicas de reconciliación (p. ej.,
milisegundo
Tenga en cuenta que nmi, el número de incrementos de muestra 3
incremento de masa, se puede sustituir por ms. Tenga en cuenta también que
el tamaño de partícula, al estar en cubos, es el contribuyente más
importante al error fundamental que la masa de la muestra.
Se puede hacer uso de la Ec. (3.5) para calcular la muestra
tamaño (ms) requerido para minimizar el error fundamental proporcionado
Capítulo de muestreo, control y balance de masas | 3 45
se especifica el nivel de precisión (ÿ2 ) que buscamos.
La relación reorganizada se convierte entonces en:
Cd3
ms 5 (3.6)
ÿ2
Como se señaló, el error total se compone de componentes
adicionales (al error de muestreo fundamental), por lo que una regla de
pulgar es al menos el doble de la masa de la muestra indicada
por la relación Gy. La literatura sigue
debatir la aplicabilidad de la fórmula de Gy (Franc¸ois Bongarc¸on y Gy,
2002a; Geelhoed, 2011), sugiriendo
que la solución del error de muestreo fundamental puede ser
sobreestimado y que el exponente en la liberación
factor (l) la relación no debe ser 0.5 sino una variable
factor entre 0 y 3 dependiendo del material que se esté
muestreado Los minerales de oro normalmente tendrían un exponente
de 1,5 (Minnitt et al., 2007). No obstante, la ecuación de Gy ha
demostrado ser una herramienta valiosa en el muestreo de
corrientes minerales y sigue evolucionando. Un ejemplo
el cálculo se utiliza para ilustrar el uso de la fórmula de Gy
(Ejemplo 3.3).
Si en lugar del producto triturado como en el Ejemplo 3.3
molienda hasta el tamaño de liberación del mineral, luego d95 5 0.015 cm
y d5 5 0.005 (asumiendo que la clasificación ha dado bastante
estrecha distribución de tamaño) y los diversos factores se vuelven
0.02 f 5 0,5 (sin cambios), g 5 0,5, l 5 1 y m 5 117,2
(sin cambios) dando una constante C 5 29.31 g cm23 . los
nuevo cálculo para ms 5 29,31 3 0,0153 /0,012 5 0,989 g.
Las ventajas de realizar el muestreo más cerca de
el tamaño de la liberación son claramente evidentes. Esta ventaja es
métodos de reducción de tamaño tales como trituradoras y pulverizadores
se utilizan antes de dividir las muestras en fracciones más pequeñas
para ensayo Ver Johnson (2010) para un ejemplo adicional
del uso del método de Gy.
3.2.3 Encuestas por muestreo
A menudo se llevan a cabo dentro de la planta o el proceso para
evaluar el desempeño metalúrgico para evaluación comparativa,
comparación u otros propósitos relacionados con la mejora de procesos.
Los datos recopilados en tales campañas de muestreo, por lo general,
estarán sujetos a técnicas de equilibrio de masas y reconciliación de
datos (que se analizan más adelante en este Capítulo) a fin de
proporcionar un conjunto equilibrado de datos de elementos de masa,
(3.5)
Bilmatt software) hacen pequeños ajustes en el raw
datos, basados en las estimaciones de error proporcionadas, para producir valores
que son estadísticamente mejores estimaciones de los valores verdaderos. En
A pesar de tales procedimientos de ajuste, es importante que
se haga todo lo posible para recopilar datos representativos, ya que
estos procedimientos no “corregirán” los datos mal recopilados.
El muestreo adecuado se encuentra en el corazón de la medición del proceso
Machine Translated by Google

46 Tecnología de procesamiento de minerales de Wills

Cuántos “cortes” incluir en la muestra o incremento de muestreo, y por

Ejemplo 3.3 cuánto tiempo realizar la encuesta de muestreo, son consideraciones
Considere un mineral de plomo, que analiza B5% Pb, que se debe
importantes. Se vuelve a utilizar el CLT, que establece que la varianza de la
muestrear de forma rutinaria en el producto de la trituradora para
media de n mediciones es n veces menor que la de una sola medición. Esto
analizarlo con un nivel de confianza del 95% de 6 0,1% Pb. Suponga que
se puede reformular como;
el tamaño superior del mineral es de 2,5 cm y el tamaño inferior se estima
en 0,1 cm, y que la galena se libera esencialmente de la ganga de cuarzo
ffiffiffiffiffiffi

con un tamaño de partícula de 150 ÿm.

n1
CV2 5 CV1 (3.7)
Solución n2r _
ÿ: La precisión requerida, ÿ, en términos relativos, se calcula a partir de:
donde CV se refiere al coeficiente de variación (o la desviación estándar
relativa; es decir, la desviación estándar relativa a la media) y n es el
2ÿðB95% nivel de confianzaÞ 5 0:1%=5% 5 0:02; o 5 0:01ði:e:;
número de "cortes" de muestra que componen el compuesto.
ÿ 1% de errorÞ:

C: La ecuación (3.7) se representa en la figura 3.2 como el % de reducción

f: Dado que este no es un mineral de oro, se toma el factor de forma f
como 0.5.
g: Dado que d95 5 2,5 cm y d5 5 0,1 cm, la relación d95/d5 5 2,5/0,1
5 25 da el factor de distribución del tamaño de partícula g 5 0,25, una
distribución amplia. m: Suponiendo una galena sg de 7.6 y ganga sg
de 2.65, y que la galena es estequiométricamente PbS (86.6% Pb),
entonces el mineral está compuesto de 5.8% PbS dando un 5 0.058,
r 5 7.6 y t 5 2.65, resultando en un factor de composición mineralógica
m 5 117,8 g cm23 l: El factor de liberación l 5 (0,015/2,5)0,5 5 0,0775
en el CV de la media frente al número de cortes de muestra (n) en el
compuesto. Está claro que recolectar más de B8 muestras hace poco para
mejorar la precisión (CV) del compuesto. Sin embargo, se recomienda un
mínimo de al menos 5.
Las encuestas de muestreo deben realizarse durante un período de
tiempo suficiente para permitir que todos los elementos dentro del volumen
del proceso (es decir, la unidad de muestreo) tengan las mismas posibilidades
de ser muestreados (el modelo de muestreo equiprobable). Definiendo el
tiempo medio de retención del volumen de proceso ÿ como:

La constante global C se convierte en 5 fglm 5

Volumen de la unidad de muestreo
ÿ (3.8)
5 0:5 3 0:25 3 0:0775 3 117:8 ðVÞ caudal volumétrico ðQÞ

5 1:135ðg cm23Þ y, el tiempo adimensional ÿ como:

Por lo tanto, la masa de muestra requerida se convierte en
tiempo ÿ 5 (3.9)
Ms 5 Cd3=ÿ2 5 ÿ

1:135 3 2:53=0:012 5 Entonces se hace uso del modelo de tanques en serie para N reactores
177:4ðkgÞ perfectamente mezclados (cubierto en el Capítulo 12) para generar la

En la práctica, por lo tanto, se tendrían que muestrear alrededor de distribución de frecuencia de salida o el tiempo de residencia
350 kg de mineral para dar el grado de confianza requerido y permitir
otros errores asociados con la distribución, preparación y análisis.
Claramente, se requeriría una mayor reducción del tamaño de esta
muestra gruesa y un muestreo secundario antes del ensayo.

y para lograr esta encuesta, el muestreo debe ser (tanto como sea posible):

• consistente (reproducible) •
coherente (en 5) • imparcial • con
redundancia (datos adicionales para

la reconciliación de datos
paso)

Las ubicaciones de muestreo y medición de procesos adicionales (es

decir, más que el mínimo) y los ensayos de elementos, minerales o tamaños FIGURA 3.2 El % de reducción en el CV (desviación estándar relativa) de la media para
múltiples proporcionarán redundancia de datos y mejorarán la calidad de los una muestra compuesta a medida que aumenta el número de cortes de la muestra según
datos reconciliados. la ecuación. (3.7) con n1 5 1 (es decir, %Red 5 100(1-(1/n2) 0.5).
Machine Translated by Google
FIGURA 3.3 La distribución de frecuencia de tiempo de residencia (RTD) en función de
N tanques en serie. Tenga en cuenta que para el tiempo 5 3ÿ todo el material que entra
en ÿ 5 0 ha salido completamente del sistema.
distribución (RTD) para el proceso. Para establecer el valor de ÿ necesario
para garantizar que todos los elementos hayan pasado los puntos de
muestreo (volumen del proceso), se construyó la Figura 3.3 que muestra
el RTD para aumentar N tanques en serie. La figura indica que para todos
los valores de N, todos los elementos han salido del volumen del proceso
por ÿ 5 3.
Por lo tanto, un buen protocolo de muestreo debe realizar el muestreo a
intervalos de tiempo aleatorios (es decir, recordar el modelo de muestreo
ideal) durante un período de 3 tiempos de retención medios. Un corolario
es que después de un cambio de proceso, el muestreo subsiguiente
también debe esperar un tiempo de retención equivalente de ÿ 5 3 antes
de volver a muestrear el circuito.
La figura 3.3 indica que, con solo una pequeña reducción en la
probabilidad, un tiempo de muestreo de ÿ 5 2 a 2.5 podría ser adecuado
si eso mejora la logística de realizar el trabajo de prueba.
Una vez que se ha completado una encuesta de muestreo, se debe
realizar una verificación del historial de datos del proceso para garantizar
que hayan prevalecido condiciones razonablemente estables durante el
período de muestreo para variables importantes del proceso, como flujos
volumétricos y másicos, densidad de pulpa, adiciones químicas y
mediciones clave del analizador en línea (OSA). Cao y Rhinehart (1995)
proporcionan un método útil para establecer si se han mantenido las
condiciones del proceso en estado estacionario.
No todas las encuestas de muestreo son exitosas, ya que hay muchas
variables no controladas que afectan un proceso, y es posible que se
deba rechazar y volver a ejecutar entre un 30% y un 50%.
Es mucho mejor hacerlo antes de que se hayan comprometido el tiempo
y los recursos para la preparación de muestras y el análisis de datos en
una prueba deficiente.
Capítulo de muestreo, control y balance de masas | 3 47
Reglas de juego
Se han desarrollado varias pautas para ayudar en el muestreo de flujos
de proceso (Merks, 1985; Franc¸ois-Bongarc¸on y Gy, 2002b), algunas de
las cuales son:
• El tamaño de la muestra recolectada debe ser al menos 1000 veces la
masa de la partícula individual más grande; esto puede encontrar un
límite práctico para material con un tamaño superior muy grande.
• La ranura del muestreador debe estar en ángulo recto con el flujo de
material y al menos 3 veces el ancho de la partícula más grande
(ancho mínimo 10 mm).
• La velocidad de corte transversal del muestreador no debe exceder los
0,6 m s21 a menos que las partículas más grandes sean de menos
de 1 mm, en cuyo caso la velocidad puede ser hasta el doble. Algunas
normas ISO permiten velocidades de corte de hasta 1,5 m s21
siempre que el ancho de la ranura de apertura sea significativamente
mayor que 3 veces el diámetro de la partícula más grande. La
velocidad constante del cortador de muestras es de vital importancia,
incluso si se hace manualmente. • Los bordes de corte del muestreador
deben tener un diseño de filo de cuchillo para que las partículas que
impactan no se desvíen hacia ningún lado.
Los sistemas de muestreo instalados, como los necesarios para la
contabilidad metalúrgica, el análisis en curso o el manejo de materiales a
granel, deben diseñarse adecuadamente en términos de tamaño de
muestra y frecuencia de muestreo. Los conceptos de variogramas, análisis
de series de tiempo y medidas estadísticas como relaciones F y pruebas
t pareadas se convierten en herramientas importantes al seleccionar la
frecuencia de muestreo, el tamaño del incremento de la muestra y la
validación de los protocolos de muestreo. La discusión adicional va más
allá de este texto introductorio y se remite al lector a Merks (1985, 2002,
2010), Pitard (1993), Holmes (1991, 2004) y Gy (1982). Además del
dispositivo de muestreo primario, un sistema de muestreo a menudo
requerirá un nivel secundario e incluso terciario de submuestreo para
entregar una corriente de tamaño adecuado para la preparación y el
análisis.
Los protocolos de muestreo adecuados van más allá de las buenas
prácticas. Existen estándares internacionales para el muestreo de
materiales a granel como carbón, mineral de hierro, metales preciosos y
concentrados metalíferos, establecidos por la Organización Internacional
de Normalización (ISO, sitio web iso.com) y otros (AS (Australia), ASTM
internacional, y JIS (Japón)). También se han establecido otras
regulaciones para el muestreo y el informe de depósitos minerales por
parte de varias organizaciones industriales nacionales para salvaguardar
contra el fraude y proteger a los inversores.
3.2.4 Equipo de muestreo Recordando el
modelo de muestreo ideal presentado anteriormente, el concepto de que
cada partícula o elemento fluido debe
Machine Translated by Google
48 Tecnología de procesamiento de minerales de Wills
tener una oportunidad equiprobable de ser muestreado requiere
que el diseño del equipo de muestreo se adhiera al mismo principio. Los que
lo hacen se denominan equiprobables o
muestreadores probabilísticos, y los que no, y por lo tanto
introducirán sesgos y una mayor varianza en los datos de medición, se
consideran no probabilísticos. Existen
situaciones en las que se eligen muestreadores no probabilísticos para
consideraciones de conveniencia o costo, o en "menos importante"
arroyos dentro de la planta. Es necesario reconocer tales casos y evaluar
cuidadosamente las limitaciones. Flujos de muestras críticas, como
alimentación de procesos y plantas,
los concentrados y relaves que se utilizan con fines contables siempre deben
utilizar muestreadores probabilísticos.
Muestreadores probabilísticos
La Figura 3.4 ilustra algunas de las características críticas del diseño.
de muestreadores probabilísticos: cortando el vapor de proceso completo en
ángulos rectos al flujo Figura 3.4 (a), y el filo de cuchillo
cuchillas de corte de diseño Figura 3.4(b).
Los muestreadores lineales son los más comunes y preferidos.
dispositivos para muestreo intermitente de sólidos y pulpa
corrientes en los puntos de descarga, como las poleas del cabezal del transportador
y extremos de tubería. Los ejemplos se muestran en la Figura 3.5 y
3.6. Las instalaciones pueden ser sustanciales en términos de infraestructura
para flujos de proceso grandes si los recintos y la muestra
Se requieren sistemas de manipulación. Tales muestreadores primarios
a menudo alimentan dispositivos secundarios e incluso terciarios para reducir
la masa de muestra recogida. En casos donde pequeños flujos
están involucrados (p. ej., muestreo secundario), estilo Vezin
Los muestreadores rotatorios como el que se muestra en la Figura 3.7 son
utilizado a menudo. El diseño de Vezin tiene una sección transversal de corte
FIGURA 3.4 Características de los muestreadores probabilísticos: (a) Cortar la corriente completa del proceso en ángulo recto (muestreador lineal) y (b) Cuchillas de corte con
filo de cuchillo no ajustables y reemplazables (muestreador Vezin) (Cortesía de Heath y Sherwood).
área que describe el sector de un círculo (típicamente 1.5% a
5%) para asegurar que se mantenga el muestreo probabilístico.
Los muestreadores Vezin pueden tener múltiples cabezales de corte montados
en el único eje giratorio. Variaciones del Vezin rotatorio
diseño, como el cortador arcual (no se muestra), que
gira de un lado a otro en un arco con el mismo cortador sectorial
diseño como el Vezin, también conservan los principios probabilísticos.
Muestreadores de espiga (el material sale de una
alimentador y es muestreado por un cortador de ranura) son a veces
afirmado como probabilístico en el diseño, pero han sido
demostrado no serlo (Franc¸ois-Bongarc¸on y Gy, 2002a).
El muestreador de entrada móvil (Figura 3.8), a menudo utilizado para
muestreo secundario y terciario en flujo y partículas
sistemas de análisis de tamaño, tiene un tubo de proceso flexible empujado
adelante y atrás por un pistón neumático sobre un estacionario
cortador, y se reclama (Franc¸ois-Bongarc¸on y Gy,
2002a) para no ser completamente probabilístico, aunque esto puede
dependen del diseño y de la capacidad de la cortadora para
encontrar el flujo en un ángulo recto.
Muestreadores no probabilísticos
Los diseños no probabilísticos han encontrado uso en aplicaciones menos críticas.
aplicaciones en las que existe cierta cantidad de sesgo de medición
considerado aceptable. Esto incluye, como ejemplos, on-stream
instalaciones de analizadores de tamaño de partículas (OSA) y de tamaño de
partículas (PSA) y muestreo de sólidos en cinta para determinar el contenido de humedad.
Violan el modelo de muestreo ideal en el sentido de que no
cortar toda la corriente, por lo que no todas las partículas o elementos fluidos
tienen las mismas posibilidades de ser muestreados. Fuertes defensores de
la práctica adecuada de muestreo como Franc¸ois Bongarc¸on y Gy (2002a)
consideran que cualquier muestreo
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 49

FIGURA 3.5 Ejemplo de muestreador lineal para sólidos: (a) Punto de transferencia/descarga del transportador, y (b) Tubería de lodos de descarga vertical (Cortesía de Heath
y Sherwood).

FIGURA 3.6 Ejemplo de un muestreador lineal para una tubería de lodos de FIGURA 3.7 Ejemplo de un muestreador Vezin de dos cortadores que muestra el
descarga horizontal (Cortesía de Heath y Sherwood). diseño del sector de los cortadores (Cortesía de Heath y Sherwood).
Machine Translated by Google
Tecnología de procesamiento de minerales de 50 Wills
dispositivo que viola el modelo de muestreo ideal es inaceptable;
sin embargo, tales dispositivos aún son populares en ciertas
aplicaciones, particularmente aquellas que involucran partículas de
tamaño fino, como concentrados y relaves.
En la Figura 3.9 se muestra un ejemplo de un muestreador por
gravedad para el flujo de pulpa en líneas horizontales, que a menudo
se usa para concentrados que alimentan sistemas OSA . Los
cortadores internos (simples o múltiples) generalmente se ubican
aguas abajo de un arreglo de canales que promueve condiciones
sección en Y en un muestreador de tubería de presión horizontal
turbulentas y bien mezcladas antes del muestreo. El argumento está hecho,
FIGURA 3.8 (a) Ejemplo de un muestreador de entrada móvil, y (b) Vista interior del flujo
de lodo y cortador (Cortesía de Heath y Sherwood).
FIGURA 3.9 Ejemplo de muestreador de ranura por gravedad. La foto muestra el muestreador de gravedad primario alimentando un muestreador secundario preparándose para alimentar
un OSA (Cortesía de Heath y Sherwood).
sin embargo, cualquier obstáculo, como un cortador que cambia las
líneas de flujo, siempre creará algún grado de condiciones no
probabilísticas e introducirá sesgos. Otro diseño que se usa a
menudo para fines de control es el muestreador de tubería de
presión que se muestra en la Figura 3.10. En un intento por reducir
el sesgo, la turbulencia del flujo y el aumento de la mezcla se
introducen mediante varillas transversales antes de la extracción de
la muestra. La muestra se puede extraer directamente en un
muestreador de tubería de presión vertical (Figura 3.10a) o de la
(Figura 3.10b). Cuanto más gruesa sea la distribución de tamaños,
mayor será la posibilidad de un mayor sesgo con los diseños de
muestreadores de tuberías tanto por gravedad como por presión.
Los muestreadores de poppet (no mostrados) usan un tubo de
muestreo insertado neumáticamente para extraer la muestra del
centro del flujo. Este es un diseño de muestreador que se desvía
significativamente del muestreo probabilístico y, por lo tanto, debe
usarse para líquidos y no para lodos, en todo caso.
Un muestreador de cinta cruzada (Figura 3.11) está diseñado
para imitar el muestreo de referencia estacionario de una cinta
transportadora, una técnica probabilística y muy útil para pruebas de
sesgo y estudios de plantas. Este muestreo de cinta, sin embargo,
es difícil de lograr con un muestreador automático que gira sobre un
transportador en movimiento, particularmente si el material tiene
fracciones de material muy grueso o muy fino. Las partículas
pequeñas pueden permanecer en la banda debajo de los lados del
cortador, mientras que los grumos gruesos pueden ser apartados preferentemente.
Estos muestreadores encuentran uso en la alimentación de pilas de
lixiviación, alimentación de molinos y flujos de productos finales
(Francois-Bongarcón y Gy, 2002a; Lyman, et al., 2010). Para fines
de ensayo, es posible analizar el material directamente en la banda,
evitando así algunos de los aspectos físicos del muestreo para alimentar
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 51

FIGURA 3.10 Ejemplo de muestreador de tubería a presión: (a) Extracción de muestra de una sección de tubería recta en un muestreador de tubería a presión vertical, y (b)
Extracción de muestra de una sección en Y en un muestreador de tubería a presión horizontal (Observe las varillas internas para promover una mayor mezcla antes al muestreo)
(Cortesía Heath y Sherwood).

FIGURA 3.11 Ejemplo de un muestreador de banda cruzada. La foto es de una instalación de mineral de hierro (cortesía de Heath y Sherwood).

un sistema OSA (p. ej., Geoscan-M, analizador Elemental, Scantech)
(consulte la Sección 3.3).
Los sistemas de muestreo para pulpa y sólidos generalmente
requerirán etapas de muestreo primarias, secundarias y posiblemente
terciarias. La Figura 3.12 y la Figura 3.13 muestran ejemplos de tales
sistemas de muestreo. Una vez instalado, se deben realizar pruebas
para validar que el sistema está libre de sesgos.
El muestreo manual o automático (p. ej., usando bombas
pequeñas) en la pulpa es un proceso no probabilístico y no debe
usarse para propósitos de contabilidad metalúrgica, pero algunas
veces es necesario para estudios de plantas y muestreo de densidad
de pulpa. En la Figura 3.14 se muestra un ejemplo de un dispositivo
manual en pulpa y está disponible en varias longitudes para
adaptarse al tamaño del buque. Una opción para reducir el error
aleatorio asociado con el muestreo manual utilizando estos
muestreadores es aumentar el número de "cortes", sin embargo, esto
no elimina el sesgo inherente de los muestreadores no probabilísticos.
En la Figura 3.15 se muestra un ejemplo de un muestreador de
referencia manual con correa de parada . Estos proporcionan muestras
probabilísticas cuando se usan con cuidado y son muy útiles para la
prueba de sesgo de los muestreadores automáticos y para las encuestas de plantas.
Los métodos tradicionales para extraer manualmente un
incremento de muestra, como el muestreo manual, el uso de una caja
rápida y la conificación, son inherentemente no probabilísticos y deben
evitarse. Con la salvedad de que pueden ser aceptables si el método
se utiliza para tratar todo el lote de material,
Machine Translated by Google
52 Tecnología de procesamiento de minerales de Wills
FIGURA 3.12 Sistema de muestreo de sólidos: muestreo primario y secundario seguido de un colector rotatorio (cortesía de Heath y Sherwood).
FIGURA 3.13 Sistema de muestreo de pulpa de análisis en línea (muestreo
primario y secundario) (Cortesía de Outotec).
dividiéndolo en dos sublotes iguales cada vez, y repitiendo el
proceso el número requerido de veces para obtener la masa final
necesaria para el análisis. Riffling está inherentemente sesgado
si las dos ranuras exteriores conducen al mismo sub
FIGURA 3.14 Ejemplo de un muestreador manual en pulpa. Las manijas abren
las válvulas superior e inferior de forma independiente para permitir la entrada y
descarga de la muestra (Cortesía de Heath y Sherwood).
lado de la muestra, o el dispositivo que alimenta el rifle no tiene
exactamente el mismo ancho que el ancho combinado de todas
las ranuras o la alimentación es lenta y desigual. Se debe tener
cuidado con estos métodos para evitar la segregación que
conduce a sesgos. El método recomendado para dividir las
muestras es usar una mesa giratoria o un divisor, como se muestra
en la Figura 3.16. La proximidad cercana y el diseño radial de los
contenedores, y la velocidad constante de la mesa y el alimentador,
aseguran que se logre una división equiprobable.
Machine Translated by Google
FIGURA 3.15 Imágenes de un muestreador de referencia de cinta de parada. Un ajuste perfecto a la forma del cinturón es fundamental (usado con permiso,
Minnitt, 2014, JS Afr. Inst. Min. Metall, copyright SAIMM).
FIGURA 3.16 Divisor de mesa giratoria (Cortesía de TM Engineering Ltd.).
3.3 ANÁLISIS EN LÍNEA
El análisis en línea permite detectar y corregir un cambio de calidad
de forma rápida y continua, evitando los retrasos que implican las
pruebas de laboratorio fuera de línea.
Este método también libera al personal calificado para un trabajo más
productivo que el análisis de muestras de rutina. El campo ha sido
revisado exhaustivamente en otros lugares (Kawatra y Cooper, 1986;
Braden et al., 2002; Shean y Cilliers, 2011).
Capítulo de muestreo, control y balance de masas | 3 53
FIGURA 3.17 Principio del análisis químico en línea.
3.3.1 Análisis de elementos en línea
Básicamente, el análisis de elementos en línea consiste en una fuente
de radiación que es absorbida por la muestra y hace que emita la
radiación de respuesta fluorescente característica de cada elemento.
Este entra en un detector que genera una señal de salida cuantitativa
como resultado de medir la radiación característica de un elemento de
la muestra.
A través de la calibración, la señal de salida del detector se usa para
obtener un valor de ensayo que se puede usar para el control del
proceso (Figura 3.17).
Análisis en flujo Los
beneficios del análisis continuo de flujos de proceso en plantas de
procesamiento de minerales condujeron al desarrollo a principios de
la década de 1960 de dispositivos para el análisis de fluorescencia de
rayos X (XRF) de flujos de lodos. La técnica explota la emisión de
características "secundarias" (o fluorescentes)
Rayos X generados cuando un elemento es excitado por rayos X de
alta energía o rayos gamma. A partir de una calibración, la intensidad
de la emisión da el contenido del elemento.
Machine Translated by Google
54 Tecnología de procesamiento de minerales de Wills
Dos métodos de análisis de fluorescencia de rayos X en línea son
los sistemas de sonda de rayos X centralizados (en línea) y en línea.
El análisis en línea centralizado emplea una sola fuente de excitación
de alta energía para el análisis de varias muestras de lodo entregadas
a una ubicación central donde está instalado el equipo. El análisis en
la corriente emplea sensores instalados en la corriente de lodo o cerca
de ella, y la excitación de la muestra se lleva a cabo con fuentes
convenientes de baja energía, generalmente isótopos radiactivos
(Bergeron y Lee, 1983; Toop et al., 1984). Esto supera el problema de
obtener y transportar muestras representativas de lodo al analizador.
Las fuentes de excitación están empaquetadas con un detector en un
dispositivo compacto llamado sonda.
Uno de los principales problemas en el análisis de rayos X en
línea es garantizar que las muestras presentadas a la radiación sean
representativas del volumen y que la radiación de respuesta se obtenga
de una fracción representativa de esta muestra. La radiación excitante
interactúa con la suspensión pasando primero a través de una ventana
de película plástica delgada y luego penetrando la muestra que está
en contacto con esta ventana. La radiación de respuesta toma el
camino opuesto de regreso al detector. La mayor parte de la radiación
se absorbe en unos pocos milímetros de profundidad de la muestra,
por lo que la capa de suspensión en contacto inmediato con la ventana
tiene la mayor influencia en los ensayos producidos. La precisión y la
fiabilidad dependen de que esta capa muy fina sea representativa del
material a granel. La segregación en la lechada puede tener lugar en
la ventana debido a los patrones de flujo resultantes de la presencia
de la superficie de la ventana. Esto se puede eliminar mediante el uso
de celdas de flujo de alta turbulencia en el analizador de rayos X
centralizado.
El análisis centralizado generalmente se instala en plantas
grandes, lo que requiere un monitoreo continuo de muchos flujos de
pulpa diferentes, mientras que las plantas más pequeñas con menos
flujos pueden incorporar sondas sobre la base de una menor inversión de capital.
los núcleos de los elementos para liberar emisiones de rayos gamma
Quizás el analizador centralizado más conocido es el desarrollado
por Outotec, el sistema Courier 300 (Leskinen et al., 1973). En este
sistema se toma un caudal de muestra continua de cada lodo de
proceso a analizar.
El Courier 300 ahora ha sido reemplazado por la serie Courier SL. Por
ejemplo, el Courier 6 SL (Figura 3.13) puede manejar hasta 24 flujos
de muestra, con instalaciones típicas que manejan 12 18 flujos. El
muestreador primario dirige una parte del flujo del proceso al multiplexor
para el muestreo secundario. La unidad combina métodos de
fluorescencia de rayos X de dispersión de energía y longitud de onda
de alto rendimiento y tiene una medición de referencia automática para
la estabilidad del instrumento y el autodiagnóstico. El operador utiliza
el muestreador de calibración incorporado para tomar una muestra
representativa y repetible de la suspensión medida para ensayos de
laboratorio comparativos.
La secuencia de medición es totalmente programable.
Los flujos críticos se pueden medir con mayor frecuencia y
se puede usar más tiempo de medición para las corrientes de relaves
de baja ley. El tiempo de cambio entre muestras se usa para mediciones
de referencia internas, que se usan para monitorear y compensar
automáticamente la deriva.
El sistema de sonda en flujo utiliza un isótopo como fuente de
excitación. Estas sondas pueden ser de un solo elemento o de varios
elementos (hasta 8, más % de sólidos). La precisión se mejora
mediante el uso de un tanque de suspensión bien agitado (zona de análisis).
Combinadas con detectores criogénicos de estado sólido ( N2 líquido) ,
estas sondas son competitivas en precisión con los sistemas
generadores de rayos X tradicionales y se pueden multiplexar para
analizar más de un flujo de muestra. Dichos dispositivos fueron
iniciados por AMDEL y ahora son comercializados por Thermo Gamma-
Metrics. La Figura 3.18 muestra el sistema TGM in-stream “AnStat”, un
analizador dedicado con sistema de muestreo (Boyd, 2005).
El análisis de fluorescencia de rayos X no es eficaz en elementos
ligeros. El Outotec Courier 8 SL utiliza láser inducido
espectroscopía de descomposición (LIBS) para medir elementos ligeros
y pesados. Dado que los elementos livianos a menudo se asocian con
la ganga, este analizador permite rastrear el contenido de impurezas.
Análisis en la banda
Utilizando una técnica conocida como análisis de activación inmediata
de neutrones gamma (PGNAA), el GEOSCAN-M (M para aplicaciones
de minerales) es un sistema de análisis elemental sin contacto en la
banda para monitorear materiales a granel (Figura 3.19) ( también
están disponibles unidades diseñadas específicamente para las
industrias del cemento y el carbón). A principios de 2015, más de 50
unidades operaban en aplicaciones minerales de hierro, manganeso,
cobre, zinc-plomo y fosfato (Arena y McTiernan, 2011; Matthews y du
Toit, 2011; Patel, 2014). Una fuente de Cf-252 colocada debajo del
cinturón genera neutrones que atraviesan el material e interactúan con
características de los elementos. Los detectores sobre el cinturón
producen datos espectrales, es decir, intensidad versus nivel de
energía. La entrada de una báscula de cinta proporciona un promedio
ponderado de tonelaje de los resultados a lo largo del tiempo y los
incrementos de informes de medición suelen ser cada 2 a 5 minutos.
Se incorpora un monitor de humedad (TBM) para corregir el contenido
de humedad y permitir el análisis elemental sobre una base de sólidos
secos. La humedad se mide utilizando la técnica de transmisión de
microondas. Un generador debajo del cinturón crea un campo de
microondas y la humedad libre se mide por el cambio de fase y la
atenuación.
La espectroscopia de descomposición inducida por láser (LIBS)
también se utiliza para el análisis en la cinta, suministrada por Laser
Distance Spectrometry (LDS, www.laser-distance-spectrometry.com ).
En este instrumento, se dirige un láser al material de la banda y se
detectan las emisiones características y se convierten en análisis de
elementos. Una ventaja es que el análisis
Machine Translated by Google
FIGURA 3.18 Sonda y muestreador de análisis en flujo Thermo Gamma-Metrics AnStat (Cortesía de Thermo Electron Corporation).
FIGURA 3.19 El monitor de humedad GEOSCAN-M y TBM en la banda
analizadores (Cortesía de Scantech).
incluye elementos ligeros (Li, Be, etc.). El MAYA M-2010 se ha instalado
en una variedad de aplicaciones mineras.
3.3.2 Análisis de Fases Minerales en Corriente
En lugar del análisis elemental, hay un caso para medir el contenido
mineral real, ya que son los minerales los que se separan. El análisis
de fase se puede dividir ampliamente en dos tipos: 1. análisis elemental
acoplado con conocimiento minero alógico y balance de masa; y 2.
determinación directa mediante difracción o espectroscopia. El primero
es esencialmente adaptar las técnicas descritas en la Sección 3.3.1; las
técnicas de haz de electrones como QEMSCAN y MLA (Capítulos 1 y
17) utilizan este enfoque y la capacidad en línea puede ser posible.
Capítulo de muestreo, control y balance de masas | 3 55
De la segunda categoría, la difracción de rayos X (XRD) es el
enfoque común y se están explorando aplicaciones en línea (Anon.,
2011). XRD requiere que los minerales sean cristalinos y no demasiado
pequeños (.100 nm), y la XRD cuantitativa es problemática debido a los
efectos de la matriz.
Las técnicas espectroscópicas incluyen Raman, infrarrojo cercano
(NIR), resonancia magnética nuclear y Mo¨ssbauer. Su ventaja es que
las fases no tienen que ser cristalinas.
Tanto NIR como Raman están disponibles como instrumentos en línea
(sistemas BlueCube). La espectroscopia de Mo¨ssbauer (MS) es
particularmente útil ya que varias fases minerales contienen Fe y los
datos de MS de Fe se pueden obtener a temperatura ambiente.
La combinación de XRD y MS puede simplificar la identificación de
fases (Saensunon et al., 2008). Sin embargo, hacer tales unidades en
línea será un desafío.
Las diversas tecnologías que se están desarrollando para identificar
las fases en la alimentación de los clasificadores de minerales son otra
fuente de mediciones en línea. Por ejemplo, Lessard et al. (2014)
describen un método de transmisión de rayos X de energía dual. La
transmisión de rayos X depende de la densidad atómica del elemento,
de modo que los elementos más densos se adsorben más (transmiten menos).
Así, las fases que contienen elementos de alta densidad pueden
diferenciarse de las fases que contienen elementos de baja densidad
por la magnitud de la intensidad transmitida. Mediante el uso de dos
energías de rayos X (dual) es posible compensar las diferencias en el
volumen que se está detectando.
3.3.3 Análisis de cenizas en línea
El principio de funcionamiento se basa en el concepto de que cuando
un material se somete a la irradiación de rayos X, una parte
Machine Translated by Google
56 Tecnología de procesamiento de minerales de Wills
FIGURA 3.20 Sistema de sensores del monitor de cenizas.
de esta radiación es absorbida, siendo el resto
reflejado. La radiación absorbida por elementos de baja
número atómico (carbono e hidrógeno) es menor que el
absorbido por elementos de alto número atómico (silicio, aluminio, hierro),
que forman la ceniza en el carbón, por lo que la variación
del coeficiente de absorción con el número atómico puede ser
aplicado directamente a la determinación de cenizas.
Se han diseñado varios analizadores y se ha
uno típico se muestra en la Figura 3.20. Un representante
muestra de carbón se recoge y se tritura, y se alimenta como un
flujo continuo en la unidad de presentación del monitor, donde se
comprime en un lecho compacto y uniforme
de carbón, de superficie lisa y densidad uniforme. los
la superficie se irradia con rayos X de un isótopo Pu-238
y la radiación es absorbida o retrodispersada en proporción a la
composición elemental de la muestra, la
radiación retrodispersada medida por un contador proporcional. En el
nivel de baja energía del Pu-238
isótopo (15 17 keV), el hierro se excita para producir rayos X fluorescentes
que se pueden filtrar, contar y compensar. El contador proporcional
detecta simultáneamente
los rayos X retrodispersados y fluorescentes después de haber
pasado por un filtro de aluminio. Este filtro absorbe
preferentemente los rayos X fluorescentes, preseleccionando su espesor
en función del contenido en hierro y su variación. El contador proporcional
convierte la radiación en energía eléctrica.
pulsos que luego son amplificados y contados en la unidad electrónica.
La tasa de conteo de estos pulsos se convierte en
un voltaje que se muestra y también está disponible para
control de procesos.
Un sensor clave requerido para el desarrollo de un
método efectivo para controlar la flotación del carbón es uno
que puede medir el contenido de cenizas de lodos de carbón.
Las unidades de producción han sido fabricadas e instaladas
en plantas de preparación de carbón (Kawatra, 1985), y debido a
el desarrollo de monitores de cenizas en línea, junto con
un mejor conocimiento del comportamiento del proceso, el control
se han desarrollado estrategias para la flotación del carbón
(Herbst y Bascur, 1985; Salama et al., 1985;
Clarkson, 1986).
3.3.4 Análisis de tamaño de partículas en línea
Medición del tamaño de partículas gruesas de mineral en cintas transportadoras
o partículas finas en lodos ahora se pueden hacer en línea con
instrumentación adecuada. Esto se trata en el Capítulo 4.
3.3.5 Pesaje del mineral
Muchos esquemas se utilizan para la determinación del tonelaje
de mineral entregado o pasando por diferentes secciones de
un molino. La tendencia general es hacia el pesaje de materiales en
el movimiento. La ventaja predominante de la continua
pesaje sobre el pesaje por lotes es su capacidad para manejar grandes
tonelajes sin interrumpir el flujo de material. La precisión y fiabilidad de
los equipos de pesaje continuo
han mejorado mucho a lo largo de los años. Sin embargo, estático
el equipo de pesaje todavía se usa para muchas aplicaciones
por su mayor precisión.
Las básculas de cinta, o pesas, son las más comunes
tipo de dispositivos de pesaje continuo y consisten en una
o más rodillos transportadores montados en una plataforma de pesaje. los
la carga de la correa se transmite desde la báscula puente
directamente o a través de un sistema de palanca a un dispositivo de detección de carga,
que puede activarse eléctrica, mecánica, hidráulica o neumáticamente.
La señal del
dispositivo de detección de carga por lo general se combina con otro
Señal que representa la velocidad de la correa. La salida combinada
de los sensores de carga y velocidad de la correa proporciona el caudal
del material que pasa sobre la báscula. un totalizador
puede integrar la señal de caudal con el tiempo, y el total
tonelaje transportado sobre la báscula de cinta se puede registrar en un
lectura digital. La precisión es normalmente del 1 al 2% de la capacidad
de escala completa.
Es el caudal de sólidos secos lo que se requiere. Humedad
se puede medir automáticamente (ver Sección 3.3.1). A
control, las muestras para la determinación de la humedad son con frecuencia
tomado del extremo de una cinta transportadora después de que el material ha
pasó sobre el dispositivo de pesaje. Las muestras se pesan inmediatamente
húmedas, se secan a una temperatura adecuada hasta
toda el agua higroscópica (libre) es expulsada y luego
pesó de nuevo. La diferencia de peso representa la humedad y se
expresa como:
Peso húmedo 2 Peso seco
% de humedad 5 (3.10)
Peso mojado
La temperatura de secado no debe ser tan alta que
se produce la descomposición de los minerales, ya sea física o
químicamente. Los minerales de sulfuro son particularmente propensos a
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 57

pierde dióxido de azufre si se sobrecalienta; las muestras no deben

secarse a temperaturas superiores a 105 C.
Las pruebas periódicas del medidor de peso se pueden realizar
pasando pesos conocidos sobre él o haciendo que una cadena de
rodillos pesados se arrastre desde un anclaje sobre la sección
suspendida mientras la banda vacía está funcionando.

Muchos concentradores usan un solo peso maestro y, en el caso

de un medidor de peso, probablemente se ubicará en algún punto
conveniente entre las secciones de trituración y molienda. A menudo
se selecciona el transportador que alimenta las tolvas de mineral fino,
ya que normalmente contiene la alimentación total de mineral de la
planta.
El pesaje de los concentrados suele realizarse después de la
deshidratación, antes de que el material abandone la planta.
Las básculas puente se pueden utilizar para material en vagones,
camiones o vagones de mineral. Pueden requerir los servicios de un FIGURA 3.21 Caudalímetro magnético.
operador, quien equilibra la carga en la viga de la báscula y anota la
peso en un formulario adecuado. Después de inclinar la carga, se
proporcional a la velocidad del conductor. Así, siempre que la pulpa
debe determinar el peso de tara (vacío) del camión. Este método da
llene completamente la tubería, su velocidad será directamente
resultados con un margen de error del 0,5 %, suponiendo que el
proporcional al caudal. En general, la mayoría de las soluciones
operador haya equilibrado la carga con cuidado y anotado el resultado
acuosas son adecuadamente conductoras para la unidad y, a medida
con precisión. Con las básculas registradoras, el operador simplemente
que el líquido fluye a través del tubo de medición y corta el campo
equilibra la carga y luego gira un tornillo que registra automáticamente
magnético, se induce una fuerza electromotriz (fem) en el líquido y se
el peso. Las básculas modernas pesan un tren de mineral
detecta mediante dos pequeños electrodos de medición instalados
automáticamente cuando pasa sobre la plataforma, lo que elimina la
prácticamente al ras. con el orificio del tubo. Luego se registra el
posibilidad de error humano, excepto por estandarización ocasional. El caudal en un gráfico
muestreo debe realizarse al mismo tiempo para la determinación de la
o continuamente en un integrador. Los devanados de la bobina están
humedad. Siempre que sea posible, se deben tomar muestras de
excitados por una fuente de alimentación de CA monofásica y están
ensayo del flujo de material en movimiento, como se describió
dispuestos alrededor del tubo para proporcionar un campo magnético
anteriormente, antes de cargar el material en el camión.
uniforme a lo largo del orificio. El equipo tiene la ventaja de que no
obstruye el flujo, se pueden manipular pulpas y líquidos agresivos y es
Los pesos de los relaves rara vez se miden, si es que se miden.
inmune a las variaciones de densidad, viscosidad, pH, presión o
Se calculan a partir de la diferencia en los pesos de alimento y
temperatura. Otro desarrollo es el medidor de flujo magnético de CC,
concentrado. El muestreo preciso de relaves es esencial. Las técnicas
que utiliza una excitación pulsada o cuadrada para una mejor
de balance de masa ahora se utilizan de forma rutinaria para estimar
estabilidad y reducción del cero.
los flujos (consulte la Sección 3.6). error.

3.3.6 Caudal másico

Caudalímetros ultrasónicos
Al combinar el caudal de lodo y el % de sólidos (integración de flujo de
masa), se obtiene un registro continuo del tonelaje seco de material de Dos tipos de caudalímetros ultrasónicos son de uso común.

las corrientes de pulpa. La unidad de caudal másico consta de un El primero se basa en la reflexión de una señal ultrasónica por

caudalímetro y un densímetro, a menudo instalados en una sección discontinuidades (partículas o burbujas) en un transductor ultrasónico

vertical de una tubería que transporta la corriente que fluye hacia transmisor/receptor. La señal reflejada presenta un cambio de

arriba. Los principales caudalímetros son los magnéticos, ultrasónicos frecuencia debido al Efecto Doppler que es proporcional a la velocidad

y de matriz. del flujo; estos instrumentos se denominan comúnmente “medidores

Caudalímetro magnético El
principio de funcionamiento del caudalímetro magnético (Figura 3.21)
se basa en la ley de inducción electromagnética de Faraday, que
establece que el voltaje inducido en cualquier conductor a medida que
se mueve a través de un campo magnético es
de flujo Doppler”. Como el transductor se puede conectar al exterior
de una sección de tubería adecuada, estos medidores pueden ser
portátiles.
El segundo tipo de medidor usa pulsos cronometrados a lo largo
de una trayectoria diagonal. Estos medidores dependen solo de la
geometría y la precisión del tiempo. Por lo tanto, pueden ofrecer alta
precisión con una calibración mínima.
Machine Translated by Google

58 Tecnología de procesamiento de minerales de Wills

Caudalímetros basados en matrices el tiempo es inversamente proporcional a la velocidad. Tomando

esta velocidad y el diámetro interior conocido del
Éstos funcionan mediante el uso de una serie de sensores y sensores pasivos.
tubería, el caudalímetro calcula y emite el caudal volumétrico.
algoritmos de procesamiento de sonar para detectar, rastrear y medir
las velocidades medias de las perturbaciones coherentes que viajan en
Esta tecnología mide con precisión fluidos multifásicos
la dirección axial de una tubería (Figura 3.22). un coherente
perturbación es aquella que conserva sus características durante un (cualquier combinación de líquido, sólido y burbujas de gas), en
casi cualquier material de tubería, incluidas las tuberías multicapa, en
distancia apreciable, que en este caso es la longitud de
la presencia de acumulación de incrustaciones, con fluidos conductores o
la matriz de sensores o más. Estas perturbaciones coherentes se agrupan
no conductores, y con magnéticos o no magnéticos
en tres categorías principales: perturbaciones transmitidas por el flujo,
sólidos. Además, la velocidad de las ondas acústicas,
ondas acústicas en el
que también se mide, se puede utilizar para determinar el gas
fluido y vibraciones transmitidas a través de las paredes de la tubería. Cada
fracción vacía de burbujas en la tubería. La fracción vacía de gas
clase de perturbación viaja a una velocidad dada. Por ejemplo, el flujo
es el volumen total ocupado por burbujas de gas, típicamente aire
transmitirá perturbaciones tales como turbulencia
burbujas, dividido por el volumen interior de la tubería. Cuando
remolinos (gases, líquidos y la mayoría de lodos), variaciones de densidad
burbujas de gas están presentes, esta medida es necesaria para
(pastas) u otras características del fluido a razón de
proporcionar un verdadero caudal volumétrico no aireado y
el flujo de fluido. Los caudales de base líquida rara vez superan los 9 m s21.
compensar el efecto de las burbujas de gas arrastradas en
Las ondas acústicas en el fluido normalmente tendrán una velocidad
mediciones de densidad de medidores de Coriolis o nucleares
mínima de 75 m s21 y una velocidad máxima de
1500 m s21 . El tercer grupo, las vibraciones de las tuberías, viaja a medidores de densidad Este principio se puede utilizar para determinar
fracción vacía, o retención de gas, en sistemas de flotación
velocidades que son varias veces mayores que la acústica
(Capítulo 12).
ondas. Por lo tanto, cada clase de perturbación puede separarse claramente
en función de su velocidad.
Las velocidades se determinan de la siguiente manera: a medida que cada

grupo de perturbaciones pasan por debajo de un sensor en la matriz,

una señal única para ese grupo de perturbaciones es
detectado por el sensor. En flujo turbulento, esta señal es
generado por los remolinos turbulentos que ejercen una tensión minúscula
en el interior de la pared de la tubería a medida que pasan
debajo de la ubicación del sensor. El estrés deforma la tubería.
pared y, por lo tanto, el elemento sensor que está firmemente acoplado a
la pared de la tubería. Cada elemento sensor convierte
esta tensión en una señal eléctrica única que es característica del tamaño
y la energía de la perturbación coherente. Mediante el seguimiento de la
señal única de cada grupo de
perturbaciones coherentes a través de la matriz de sensores, el
se puede determinar el tiempo para su paso a través de la matriz. La
longitud de la matriz es fija, por lo tanto, el pasaje
FIGURA 3.22 Medidor de flujo basado en matriz (Cortesía de CiDRA Mineral
Procesando).
Densidad de lodo
La densidad de la suspensión se mide automáticamente y
continuamente en el medidor de densidad nucleónica (Figura 3.23)
mediante el uso de una fuente radiactiva. Los rayos gamma producidos
por esta fuente pasan a través de las paredes de la tubería y la lechada
a una intensidad inversamente proporcional a la pulpa
densidad. Los rayos son detectados por una cámara de ionización de alta
eficiencia y se registra la salida de la señal eléctrica.
directamente como densidad de pulpa. Los medidores totalmente digitales
que utilizan detectores de centelleo ahora son de uso común. El instrumento
debe calibrarse inicialmente “en funcionamiento” utilizando métodos de
laboratorio convencionales de análisis de densidad de muestras extraídas
de la línea.
La unidad de flujo másico integra la tasa de flujo proporcionada por el
medidor de flujo y la densidad de la pulpa para producir un
registro continuo de tonelaje de sólidos secos que pasan
a través de la tubería, dado que la gravedad específica de la
Se conocen los sólidos que componen la corriente de mineral. El método
ofrece un medio confiable para pesar el flujo de mineral y
Elimina la posibilidad de error del operador y errores debido a
muestreo de humedad Otra ventaja es que precisa
puntos de muestreo, como válvulas de asiento (Sección 3.2.4),
se puede incorporar en la misma ubicación que la unidad de caudal másico.
Los integradores de flujo másico son menos practicables,
sin embargo, con pulpas concentradas, especialmente después de la
flotación, ya que la pulpa contiene muchas burbujas de aire, lo que provoca
a valores erróneos de caudal y densidad. induciendo
El flujo ciclónico de lodo se puede utilizar para eliminar las burbujas.
en algunos casos.
Machine Translated by Google
FIGURA 3.23 Medidor de densidad nucleónica.
3.4 CORRIENTES DE LODO: ALGUNOS
CÁLCULOS TÍPICOS
Tasa de flujo volumétrico
Desde la etapa de molienda en adelante, la mayoría de las operaciones de
procesamiento de minerales se llevan a cabo en corrientes de pulpa, la
mezcla de agua y sólidos se transporta a través del circuito a través de
bombas y tuberías. En lo que se refiere al procesador de minerales, el agua
actúa como un medio de transporte, de modo que el peso del lodo que fluye
a través de la planta tiene poca importancia. Lo importante es el volumen de
lodo que fluye, ya que esto afectará los tiempos de residencia en los procesos
unitarios. A los fines de la contabilidad metalúrgica, es importante el peso de
los sólidos secos contenidos en la lechada.
Si el caudal volumétrico no es excesivo, se puede medir desviando la
corriente de pulpa a un recipiente adecuado durante un período de tiempo
determinado. La relación entre el volumen recogido y el tiempo da el caudal
de pulpa.
Este método es ideal para la mayoría de las operaciones a escala piloto y de
laboratorio, pero no es práctico para operaciones a gran escala.
Capítulo de muestreo, control y balance de masas | 3 59
donde normalmente es necesario medir el caudal mediante instrumentación
en línea.
El caudal volumétrico es importante para calcular los tiempos de
retención en los procesos. Por ejemplo, si se alimentan 120 m3 h21 de pulpa
a un tanque de acondicionamiento de flotación de 20 m3 de volumen ,
entonces, en(Ec.
será promedio,
(3.8)): el tiempo de retención de partículas en el tanque
Volumen del tanque 20m3 _
Tiempo de retención 5 5
5 10 minutos
tasa de flujo 120 3 1
m3 1h h 60 min
En ocasiones, los cálculos del tiempo de retención deben tener en
cuenta otros factores. Por ejemplo, para calcular el tiempo de retención en
una celda de flotación, el volumen ocupado por el aire (el gas retenido) debe
deducirse del volumen del tanque (consulte el Capítulo 12); y en el caso del
tiempo de retención en un molino de bolas el volumen ocupado
se requiere la suspensión del lodo en el molino (el atraco de lodo).
Densidad de pulpa y % de sólidos La
densidad de pulpa o pulpa se mide más fácilmente en términos de peso de
pulpa por unidad de volumen. Las unidades típicas son kg m23 y t m23 , esta
última con el mismo valor
, es útil numérico
recordar. queantes,
Como la gravedad específica,
en corrientes quede
de flujo a veces
tamaño significativo, esto generalmente se mide de forma continua mediante
instrumentación en línea.
Las pequeñas corrientes de flujo se pueden desviar a un contenedor de
volumen conocido, que luego se pesa para obtener directamente la densidad
de la lechada. Este es probablemente el método más común para la
evaluación rutinaria del desempeño de la planta y se facilita usando una lata
de densidad de volumen conocido que, cuando se llena, se pesa en una
balanza especialmente graduada que da una lectura directa de la densidad
de la pulpa.
La composición de una lechada a menudo se expresa como el % de
sólidos por peso (100 % de humedad) y puede determinarse tomando
muestras de la lechada, pesándola, secándola y volviéndola a pesar, y
comparando los pesos húmedo y seco (Ec. (3.10)). Sin embargo, esto
requiere mucho tiempo y la mayoría de los métodos de rutina para calcular
el % de sólidos requieren el conocimiento de la densidad de los sólidos en la
suspensión.
Hay una serie de métodos utilizados para medir esto, cada método tiene
ventajas y desventajas. Para la mayoría de los propósitos, se ha encontrado
que el uso de una botella de densidad estándar es un método económico y,
si se usa con cuidado, preciso. Se puede utilizar un frasco de 25 o 50 ml y
seguir el siguiente procedimiento:
1. Lave la botella de densidad con acetona para eliminar los restos de
grasa.
2. Secar a unos 40 C.
Machine Translated by Google
60 Tecnología de procesamiento de minerales de Wills
3. Después de enfriar, pese la botella y el tapón en una balanza
analítica de precisión y registre el peso, M 1.
4. Seque completamente la muestra para eliminar toda la humedad.
5. Agregue alrededor de 5 10 g de muestra a la botella y vuelva
a pesar. Registre el peso, M 2.
6. Agregue agua bidestilada a la botella hasta la mitad. Si en la
muestra hay “limos” apreciables (menos partículas de 45
ÿm), puede haber un problema al humedecer las superficies
minerales. Esto también puede ocurrir con ciertas especies
de minerales hidrofóbicos y puede conducir a lecturas falsas
de baja densidad. El efecto se puede reducir agregando una
gota de agente humectante, que es insuficiente para afectar
significativamente la densidad del agua. Para sólidos con
problemas extremos de humectabilidad, se puede sustituir
el agua por un líquido orgánico como el tolueno.
7. Coloque la botella de densidad en un desecador para eliminar
el aire atrapado dentro de la muestra. Esta etapa es
fundamental para evitar una lectura baja. Evacuar el recipiente
durante al menos 2 min.
8. Retire la botella de densidad del desecador y rellénela con
agua bidestilada (no inserte el tapón en esta etapa).
9. Cuando esté cerca de la balanza, inserte el tapón y déjelo
caer en el cuello de la botella por su propio peso. Verifique
que el agua se haya desplazado a través del tapón y limpie
el exceso de agua de la botella. Registre el peso, M 3.
10. Lave la muestra fuera de la botella.
11. Vuelva a llenar la botella con agua bidestilada y
repita el procedimiento 9. Anote el peso, M 4.
12. Registre la temperatura del agua utilizada, ya que la corrección
de la temperatura es esencial para obtener resultados
precisos.
La densidad de los sólidos (s, kg m23 ) viene dada por:
M2 2 M1
5 (Ejemplos 3.6 y 3.7).
3 Df
ðM4 2 M1Þ 2 ðM3 2 M2Þ donde
Df 5 densidad del fluido utilizado (kg m23 ).
Conociendo las densidades de la pulpa y los sólidos secos, se
puede calcular el % de sólidos en peso. Dado que la densidad de
pulpa es la masa de pulpa dividida por el volumen de pulpa,
entonces para la unidad de masa de pulpa de x % de sólidos por
peso, el volumen de sólidos es x/100s y el volumen de agua es (100
x)/100 W, entonces (las centenas compensando x en porcentaje):
D5
X 1 1 ð100 2 xÞ
100 segundos 100W
o:
xD D
15
1 ð100 2 xÞ
100s 100W
donde D 5 densidad de pulpa (kg m23 ), y W 5 densidad de agua
(kg m23 ).
Asignando al agua una densidad de 1000 kg m23 , cual es
suficientemente preciso para la mayoría de los propósitos, da:
100 sðD 2 1000Þ
x5 (3.13)
Dðs 2 1000Þ
Habiendo medido el caudal volumétrico del purín
(F, m3 h21 ), la densidad de la pulpa (D, kg m3 ) y la densidad de
los sólidos (s, kg m23 ), se puede calcular el caudal másico de la
suspensión (FD, kg h21 ) y, lo que es más importante, el caudal
másico de sólidos secos en la suspensión (M, kg h21 ):
M 5 FDx=100 (3.14)
o combinando las Ecs. (3.13) y (3.14):
FsðD 2 1000Þ
M5 (3.15)
s 2 1000
Los cálculos se ilustran con ejemplos (Ejemplos 3.4 y 3.5).
En algunos casos es necesario conocer el % de sólidos en
volumen, parámetro, por ejemplo, a veces utilizado en modelos
matemáticos de procesos unitarios:
xD
% sólidos por volumen 5 (3.16)
s
También es útil en los cálculos de molienda la relación entre
el peso del agua y el peso de los sólidos en la suspensión, o la
relación de dilución. Esto se define como:
100 2x
Relación de dilución 5 (3.17)
X
Esto es particularmente importante ya que el producto de la
relación de dilución y el peso de los sólidos en la pulpa es igual al
peso del agua en la pulpa (ver también la Sección 3.7)
(3.11)
3.5 CONTROL AUTOMÁTICO EN EL PROCESAMIENTO
DE MINERALES
La ingeniería de control en el procesamiento de minerales continúa
creciendo como resultado de condiciones más exigentes como
minerales de baja ley, cambios económicos (incluida la reducción
de la tolerancia al riesgo) y regulaciones ambientales cada vez
más estrictas, entre otros. Estos han motivado desarrollos
(3.12a) tecnológicos en varios frentes tales como:
una. Avances en tecnología de sensores robustos. Los sensores en
línea, como medidores de flujo, medidores de densidad y
analizadores de tamaño de partículas, se han utilizado con éxito
(3.12b)
en el control del circuito de molienda. Visión artificial, un método no invasivo
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 61

Ejemplo 3.4 Ejemplo 3.6

Una corriente de suspensión que contiene cuarzo se desvía hacia una lata Una planta de flotación trata 500 t de sólidos por hora. La pulpa de
de 1 litro de densidad. El tiempo necesario para llenar la lata se mide como alimentación, que contiene un 40 % de sólidos en peso, se acondiciona
7 s. La densidad de la pulpa se mide por medio de una balanza calibrada y durante 5 min con reactivos antes de ser bombeada a flotación.
se encuentra que es de 1400 kg m23 . Calcule el % de
el sólidos
caudal por
másico
pesodey Calcule el volumen del tanque de acondicionamiento requerido.
cuarzo dentro de la suspensión. (La densidad de los sólidos es de 2700 kg m23 .)

Solución
Solución El caudal volumétrico de sólidos en la corriente de lodo:
La densidad del cuarzo es 2650 kg m23 . Por lo tanto, de la Ec. (3.13), %
500 t
sólidos por peso: densidad de 1h
5
5 185:2ðm3 h21 Þ
caudal másico 2700 kg 3 1 1 tonelada

100 3 2650 3 ð1400 2 1000Þ 1400 m3 1000 kg

x5
3 ð2650 2 1000Þ
El caudal másico de agua en la corriente de lodo
5 45:9%
5 caudal másico de sólidos 3 relación de dilución
El caudal volumétrico:
5 500 3 ð100 40Þ=40 5
1L 3600 s 1 m3
F5 3 3 5 0:51ðm3h21 Þ
7s 1 hora 1000L 750ðt h21 Þ

Por lo tanto, caudal másico: Por tanto, el caudal volumétrico de agua es 750 m3 h21 El caudal .

0:51 m3 volumétrico de purín 5 750 1 185,2

METRO 5 3 1400 kg purín 1 3 45:9 kg sólidos
1 hora
m3 purín 5 100 kg purín
5 935:2ðm3h21 Þ
330:5ðkg h21 Þ
Por lo tanto, para un tiempo de retención nominal de 5 min, el volumen
del tanque de acondicionamiento debe ser:

Ejemplo 3.5 935:2 3 5=60 5 77:9ðm3Þ

Una bomba es alimentada por dos corrientes de lodo. La corriente 1 tiene

un caudal de 5,0 m3 h21 y contiene 40 % de sólidos en peso.
La corriente 2 tiene un caudal de 3,4 m3 h21 y contiene 55 % de sólidos por
peso. Calcule el tonelaje de sólidos secos bombeados por hora (la densidad
de los sólidos es de 3000 kg m23 ).

Solución Ejemplo 3.7

La corriente de suspensión 1 tiene un caudal de 5,0 m3 h21 y contiene un Calcular el % de contenido de sólidos de la suspensión bombeada desde el

40 % de sólidos. Por lo tanto, a partir de una forma reorganizada de Eq. sumidero en el Ejemplo 3.5.

(3.13): Solución
1000 3 100 s El caudal másico de sólidos en la corriente de suspensión 1 es: 2,73 t h21
D5
sð100 2 xÞ 1 1000 x La suspensión contiene 40% de sólidos, por lo tanto, el caudal másico
de agua:
de este modo:

5 2:73 3 60=40 5
1000 3 100 3 3000
D5 5 1364ðkg m23Þ
ð3000 3 ð100 2 40ÞÞ 1 ð1000 3 40Þ 4:10ðt h21 Þ

Por lo tanto, de la Ec. (3.15), el caudal másico de sólidos en la corriente de De manera similar, el caudal másico de agua en la corriente de suspensión 2:
suspensión 1:
5 1:82 3 45=55 5
5
5:0 3 3000 3 ð1364 2 1000Þ ð3000
1:49ðt h21 Þ
2 1000Þ 5 2:73ðt h21 Þ
Peso total de lodos bombeados:

5 2:73 1 4:10 1 1:82 1 1:49

La corriente de lodo 2 tiene un caudal de 3,4 m3 h21 y contiene 55 %
de sólidos. Usando las mismas ecuaciones anteriores, la densidad de pulpa 5 10:14ðt h21 Þ

de la corriente 5 1579 kg m23 . Por lo tanto, de la Ec. (3.14),

másicoeldecaudal
sólidos en Por lo tanto, % de sólidos en peso:
la corriente de suspensión 2 5 1,82 t h21 . El tonelaje de sólidos secos
bombeados es así: 5 4:55 3 100=10:14

5 44:9%
2:73 1 1:82 5 4:55ðt h21 Þ
Machine Translated by Google

62 Tecnología de procesamiento de minerales de Wills

ha sido implementada con éxito para el monitoreo y control (2002) y Hodouin (2011). Aquí se introducen algunos principios
de plantas de procesamiento de minerales (Duchesne, generales, y las aplicaciones de control específicas se revisan
2010; Aldrich et al., 2010; Janse Van Vuuren et al., 2011; en algunos capítulos posteriores.
Kistner et al., 2013). Algunos sistemas de visión comerciales
son VisioRock/Froth (Metso Minerals), FrothMaster (Outotec) 3.5.1 Sistema de Control Jerárquico Multicapa
y JKFrothCam (JK-Tech Pty Ltd).
El objetivo general de un sistema de control de procesos es
maximizar las ganancias económicas respetando un conjunto
Otros sensores importantes son los medidores de pH,
de restricciones tales como operación segura, regulaciones
los transductores de nivel y presión, todos los cuales
ambientales, limitaciones de equipo y especificaciones del producto.
proporcionan una señal relacionada con la medición de la
La complejidad de las plantas de procesamiento de minerales,
variable de proceso en particular. Esto permite que los
que exhiben múltiples procesos no lineales que interactúan
elementos de control final, como válvulas servo, motores
afectados por perturbaciones no medidas, hace que el problema
de velocidad variable y bombas, manipulen las variables
de optimizar toda la operación de la planta sea engorroso, si no
del proceso en función de las señales de los controladores.
intratable. Para abordar este problema, se ha propuesto un
Estos sensores y elementos de control final se utilizan en
sistema de control jerárquico, como se muestra en la Figura
muchas industrias además de la industria de los minerales
3.24 . El objetivo de esta estructura de sistema de control es
y se describen en otros lugares (Edwards et al., 2002;
descomponer el problema global en subtareas estructuradas
Seborg et al., 2010). b. Avances en microprocesadores y
más simples manejadas por capas de control dedicadas
tecnología informática.
siguiendo la estrategia divide y vencerás. Cada capa de control
Estos han llevado al desarrollo de Sistemas de Control
realiza tareas específicas en una escala de tiempo diferente, lo
Distribuido (DCS) más potentes equipados con aplicaciones
que proporciona una descomposición funcional y temporal
de software fáciles de usar que han facilitado la supervisión
(Brdys y Tatjewski, 2005).
de procesos y la implementación de estrategias de control
avanzadas. Además, las capacidades de DCS combinadas
con el desarrollo de sensores inteligentes han permitido la 3.5.2 Capa de instrumentación
integración de tareas de automatización como la
En el nivel más bajo del sistema de control jerárquico se
configuración de sensores y la detección de fallas. C.
encuentra la capa de instrumentación que se encarga de
Conocimiento más profundo del comportamiento del proceso.
Esto ha llevado a modelos matemáticos más confiables de brindar información a las capas superiores de control sobre el
estado del proceso mediante el uso de dispositivos como
varias unidades de proceso importantes que pueden usarse
sensores y transmisores. Al mismo tiempo, esta capa brinda
para evaluar estrategias de control bajo diferentes
acceso directo al proceso a través de los elementos finales de
condiciones simuladas (Mular, 1989; Napier-Munn y Lynch,
control (actuadores) como válvulas de control y bombas. La
1992; Burgos y Concha, 2005; Yianatos et al., 2012). d.
instrumentación inteligente equipada con capacidades de red
Aumento del uso de grandes unidades, en particular grandes
molinos y celdas de flotación. Esto ha reducido la cantidad ha permitido la implementación de redes de instrumentos que
facilitan la instalación, la puesta en servicio y la resolución de
de instrumentación y el número de lazos de control a
problemas al mismo tiempo que reducen los costos de cableado (Caro, 2009).
implementar. Al mismo tiempo, sin embargo, esto ha
Ejemplos de redes de automatización industrial o bus de campo
aumentado las demandas sobre el control de procesos, ya
son Profibus-PA, Foundation Fieldbust, Ethernet/IP y Modbus
que el rendimiento deficiente de cualquiera de estos grandes
Plus.
equipos tendrá un impacto perjudicial significativo en el
rendimiento general del proceso.

Se han desarrollado modelos financieros para el cálculo

de costos y beneficios de la instalación de sistemas de control
automático (Bauer et al., 2007; Bauer y Craig, 2008). Los
beneficios informados incluyen ahorros de energía, mayor
eficiencia metalúrgica y rendimiento, y menor consumo de
reactivos, así como mayor estabilidad del proceso (Chang y
Bruno, 1983; Flintoff et al., 1991; Thwaites, 2007).
Los conceptos, la terminología y la práctica del control de
procesos en el procesamiento de minerales han sido revisados
exhaustivamente por Ulsoy y Sastry (1981), Edwards et al.
3.5.3 Capa de control regulatorio
La capa de control regulatorio se implementa en el hardware
de control, como DCS, PLC (controladores lógicos programables)
o dispositivos de campo independientes de una sola estación.
En esta capa de control, se implementan múltiples lazos de
control de entrada única y salida única (SISO) para mantener
las variables locales, como la velocidad, el flujo o el nivel en
sus valores objetivo, a pesar del efecto de las perturbaciones
de acción rápida, como las variaciones de presión y flujo. Para
lograr el rendimiento de regulación deseado, el controlador
ejecuta un algoritmo a una velocidad alta. Como ejemplo de regulación
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 63

FIGURA 3.24 Sistema de control multicapa jerárquico.

control, considere la Figura 3.25, que ilustra un sistema de control de

profundidad (nivel) de espuma para una columna de flotación. El
objetivo es regular la profundidad de la espuma en su punto de
referencia manipulando la apertura de la válvula en la corriente de
relaves para contrarrestar el efecto de perturbaciones tales como
variaciones en la tasa de alimentación y aire. Con ese fin, un transmisor
de nivel (LT) detecta la profundidad de la espuma (variable de proceso,
PV) basándose en cambios en algunas variables físicas, por ejemplo,
variaciones de presión mediante el uso de un sensor de presión
diferencial, y transmite una señal eléctrica (p. ej., 4 20 mA) proporcional
a la profundidad de la espuma. El controlador de nivel local (LC)
compara la profundidad de espuma deseada (punto de ajuste, SP) con
el PV real medido y genera una señal eléctrica (salida de control, CO) FIGURA 3.25 Control de retroalimentación de la profundidad de la espuma en una columna de flotación.
que activa la válvula. Este mecanismo se conoce como retroalimentación
o control de circuito cerrado.
El algoritmo de control regulatorio más utilizado es el controlador
Proporcional más Integral más Derivativo (PID). Se puede encontrar donde CO 5 salida del controlador; ganancia del controlador Kc 5; e(t)
como un bloque de función estándar en sistemas DCS y PLC y también 5 desviación de la variable de proceso desde el punto de ajuste (error
en su versión de estación única independiente. Hay varios tipos de de seguimiento); Ti 5 constante de tiempo integral; Td 5 constante de
algoritmos disponibles. El algoritmo estándar (también conocido como tiempo derivada; t 5 tiempo. El proceso de selección de los parámetros
no interactivo) tiene la siguiente forma: de un controlador PID, a saber, Kc, Ti y Td para la forma estándar, se
conoce como sintonización. Aunque la búsqueda de los parámetros
PID apropiados se puede realizar mediante prueba y error, este enfoque
KC d eðtÞ
COðtÞ 5 KCeðtÞ | 1 Ti ðt0 eðÿÞdÿ 1 KCTd dt | (3.18) solo es aceptable para procesos simples que tienen una dinámica
fflffl{zfflffl}
Proporcional |fflfflfflfflfflfflfflffl{zfflfflfflfflfflfflfflffl}
fflfflfflfflfflfflffl{zfflfflfflfflfflfflffl} rápida. Para diseñar un controlador efectivo, un modelo de proceso,
Derivado
Integral
una medida de desempeño y una señal
Machine Translated by Google
64 Tecnología de procesamiento de minerales de Wills
debe considerarse la caracterización (tipo de perturbaciones y punto
de ajuste) (Morari y Zafiriou, 1989). Se han propuesto varias reglas de
afinación desde el trabajo de Ziegler y Nichols (1942). Skogestad
(2003) proporciona un conjunto simple de reglas de ajuste que
proporciona un buen rendimiento para una amplia variedad de
procesos . Entre los controladores de tipo PID, PI (Proporcional-
Integral) es, con mucho, el que se encuentra con mayor frecuencia en
aplicaciones industriales, principalmente porque proporciona un
rendimiento razonablemente bueno con solo dos parámetros (Kc, Ti).
La aplicación de un solo parámetro, controlador solo proporcional, da
como resultado un error de estado estable (compensación) que limita
en gran medida su aplicación.
Además del ajuste, existen otros problemas con los que el
ingeniero de control debe lidiar cuando implementa un controlador PID.
Por ejemplo, si por alguna razón se rompe el circuito cerrado, el
controlador ya no actuará sobre el proceso y el error de seguimiento
puede ser diferente de cero. La parte integral del controlador,
entonces, aumentará sin tener ningún efecto sobre la variable del
proceso. En consecuencia, cuando se restablezca el circuito cerrado,
la salida del control será demasiado grande y el controlador tardará
un tiempo en recuperarse. Este problema se conoce como liquidación
integral.
Hay situaciones en las que un sistema de circuito cerrado se
convierte en circuito abierto: (1) el controlador se cambia a modo
manual y (2) el elemento de control final, como una válvula, se satura
(es decir, se abre o cierra completamente). ).
La figura 3.26 muestra una representación esquemática de un
controlador PID de forma estándar equipado con un esquema anti-
windup que obliga a la parte integral a rastrear la acción de control
real cuando está en lazo abierto. El parámetro Tt se denomina
constante de seguimiento y determina la velocidad a la que la parte
integral seguirá al control real.
FIGURA 3.26 Esquema de control PID con esquema antiwindup.
producción. Para tratar con eficacia la saturación del actuador, se
requiere un modelo del actuador.
Un modelo simple de una válvula, por ejemplo, es que está
completamente abierta cuando la acción de control es superior al 100
% (p. ej., 0,20 mA) y completamente cerrada cuando es inferior al 0
% (p. ej., 4 mA), y varía linealmente cuando la acción de control varía
en el medio.
Hay algunos casos en los que los controladores PID no son
suficientes para producir el rendimiento objetivo. En esos casos, las
técnicas de control regulatorio avanzado (ARC) pueden mejorar el
rendimiento. Algunas estrategias ARC utilizadas en los sistemas de
procesamiento de minerales incluyen: control en cascada, control
anticipativo, control predictor de Smith y control adaptativo. Para
ilustrar la aplicación de estas estrategias ARC, considere un circuito
de molienda como el de la figura 3.27.
El control en cascada se construye anidando bucles de control.
La Figura 3.27 muestra un control en cascada para la regulación de la
densidad de la suspensión de desbordamiento, que aquí se utiliza
como sustituto del tamaño de partícula. El controlador de densidad
(DC) en este caso es el primario, también conocido como controlador
maestro. Calcula una acción de control basada en la desviación de la
medición real de la densidad del lodo con respecto a su punto de referencia.
Sin embargo, en lugar de actuar directamente sobre el elemento de
control final (válvula), proporciona un punto de ajuste al controlador
de caudal de agua interno FC (controlador secundario o esclavo). Esta
técnica ha resultado útil para atenuar el efecto de las perturbaciones
que ocurren en el circuito interno (p. ej., variaciones de la presión del
agua) sobre la variable principal (densidad), especialmente cuando el
proceso externo presenta un retraso en el transporte. Además, cuando
el lazo interno es más rápido que el lazo de control externo, el
procedimiento de sintonización puede llevarse a cabo secuencialmente
comenzando por sintonizar el lazo interno.
Machine Translated by Google
FIGURA 3.27 Estrategia de control de una sección de molienda (Adaptado de Núñez et al., 2009).
primero el controlador (con el lazo de control externo apagado) y luego
ajustando el controlador principal sin tener en cuenta la dinámica del
lazo interno. El control de retroalimentación interna también reduce el
efecto de las no linealidades del actuador, como el atascamiento de la
válvula y las características de flujo no lineal y de banda muerta, en el
rendimiento del control primario. Tenga en cuenta que todo el sistema
de control jerárquico de la figura 3.27 es en realidad un sistema de
control en cascada.
Una desventaja del control por realimentación es que compensa
las perturbaciones una vez que ya han afectado a la variable del
proceso, es decir, una vez que se ha producido un error.
El control feedforward toma acciones correctivas anticipadas para
compensar una perturbación importante a expensas de tener un sensor
adicional para medirla. El ingeniero de control debe evaluar si la inversión
en instrumentación adicional se compensará con una mejor regulación.
Una aplicación típica de un tipo de control anticipativo es el control
de relación. La Figura 3.27 muestra un control de relación de avance
que tiene como objetivo mantener el contenido de sólidos (retención) en
el molino de barras. Dependiendo de la tasa de flujo de masa sólida que
ingresa al molino medido por un medidor de peso (WT), un controlador
de proporción de avance actúa cambiando el punto de ajuste para el
circuito de control de tasa de flujo de agua en consecuencia.
Los procesos que muestran grandes retrasos en el transporte en
relación con su dinámica pueden limitar seriamente el rendimiento
alcanzable de cualquier control de retroalimentación, independientemente
de la complejidad del controlador. En esos casos, el rendimiento del
control PID se puede mejorar aumentando con un predictor, es decir, un
modelo matemático del proceso sin el retraso de transporte. Esta
estrategia se conoce como “Smith
Capítulo de muestreo, control y balance de masas | 3 65
predictor controller” y se ha aplicado con éxito para mejorar el rendimiento
del control del caudal de masa sólida para molinos SAG cuando se
manipula la alimentación a una cinta transportadora (Sbarbaro et al.,
2005). En este caso, el retraso del transporte es función de la longitud y
la velocidad de la cinta transportadora.
Los cambios en las características de la materia prima y/o los
cambios en las condiciones de operación significan que cualquier modelo
matemático utilizado para la síntesis del controlador ya no reflejará el
comportamiento dinámico real del proceso. En esos casos, un sistema
de control que modifica los parámetros del controlador en función del
desajuste entre el modelo del proceso y el comportamiento real del
proceso se conoce como control adaptativo (Hodouin y Najim, 1992).
Este tipo de control de "autoajuste" se adapta no solo a los cambios
dinámicos dependientes de la carga, sino también a los cambios
característicos dinámicos aleatorios y/o relacionados con el tiempo
(Rajamani y Hales, 1987; Thornton, 1991; Duarte et al., 1998) . Las
medidas que provienen del proceso real se comparan con las medidas
predichas por el modelo, y la diferencia se usa como base para la
corrección del modelo. Esta corrección altera los parámetros y estados
(es decir, un conjunto de variables que determina el estado del proceso)
en el modelo para que las predicciones coincidan mejor con las del
proceso real. La base de la estimación de parámetros y estados es el
algoritmo recursivo de mínimos cuadrados (Ljung, 1999), donde el
estimador actualiza sus estimaciones continuamente con el tiempo a
medida que llega cada entrada, en lugar de recopilar toda la información
y procesarla en un solo lote (Figura 3.28). ).
Machine Translated by Google

66 Tecnología de procesamiento de minerales de Wills

se implementa y el problema de optimización se resuelve

nuevamente en función de la nueva información que llega. De esta
manera, el horizonte de optimización se aleja y por lo tanto se
incorpora un mecanismo de retroalimentación.
Para ilustrar MPC, considere un modelo discreto SISO del
proceso representado por una ecuación de diferencia donde
y, u y d son la variable del proceso, la salida de control y una
perturbación no medida, respectivamente, y a y b son los
parámetros del modelo:

yðtÞ 5 ayðt 2 1Þ 1 construido 2 1Þ 1 dðtÞ (3.19)

Este modelo se puede utilizar recursivamente para obtener predicciones

de la variable de proceso y en un horizonte de tiempo finito H.

yðt 1 1Þ a
2 3 2 3
FIGURA 3.28 Diagrama esquemático de la operación de estimación 6
yðt 1 2Þ 7 6
a2 7

recursiva. 6

yðt 1 3Þ
7 5 6

a3
7

yðtÞ
6 7 6 7

|{z}
^
6 7 6 7

4 yðt 1 HÞ | 5 4 ^ aH 5 Actual
fflfflfflfflfflfflfflffl{zfflfflfflfflfflfflfflffl}
3.5.4 Capa de Control de Proceso Avanzado variable
de proceso
La estrategia de control para la sección de molienda que se muestra en la Figura
predicciones
3.27 , donde se implementaron múltiples lazos de control SISO locales independientes,
de variables de proceso
se conoce como control descentralizado. Cuando el proceso exhibe una interacción
b 0 0 00
severa, esta estrategia descentralizada limita fuertemente el rendimiento alcanzable
2 ab b 0 00 3
y se requieren estrategias de control más avanzadas. Un sistema de control que 6

1 6

a2b ab 77b0077 (3.20)

tiene en cuenta explícitamente las interacciones se conoce como control multivariable 6

centralizado y comúnmente se implementa en la capa de control de procesos ^ ^ ^ ^^ aH21b

aH22b ? ab b
avanzados. Esta capa de control se encarga de mantener las variables secundarias 4 5

relacionadas con el rendimiento del proceso en su nivel óptimo, determinado por la

uðtÞ dðt 1 1Þ
capa de optimización superior, mientras trata las interacciones y restricciones de 2 3 2 3
6
uðt 1 1Þ 7 6
dðt 1 2Þ 7

forma dinámica. El modelo de control predictivo basado en el horizonte de retroceso 6

6
uðt 1 2Þ ^
7

7
1 6

6
dðt 1 3Þ
7

(MPC) proporciona una metodología para tratar este tipo de problemas de manera 6 7 6 7

uðt 1
sistemática. El principal costo asociado con MPC es la identificación y mantenimiento
4 H 2 1Þ 5 4 ^ dðt 1 HÞ 5
de buenos modelos matemáticos. Sin embargo, los paquetes MPC fáciles de usar |fflfflfflfflfflfflfflfflfflfflfflffl{zfflfflfflfflfflfflfflfflfflfflfflffl} |fflfflfflfflfflfflfflffl{zfflfflfflfflfflfflfflffl}

implementados en los sistemas DCS han facilitado enormemente estas tareas y, por
movimientos de control
lo tanto, la aplicación de la tecnología MPC en los procesos industriales. Ejemplos de
actuales y futuros disturbios futuros
paquetes de software MPC disponibles comercialmente son Connoiseur (Invensys),

Delta V Predict MPC (Emerson), cpmPlus Expert Optimizer (ABB), BrainWave Entonces se puede formular un problema de optimización: encontrar
(Andritz), Profits Controller (Honeywell) y StarCS MPC (Mintek). la secuencia de movimientos de control futuros u(t), u(t 1 tu

1), ... , (t 1 H 1) que minimiza las desviaciones de la salida del

proceso de su trayectoria de referencia mientras satisface
múltiples restricciones tales como límites en el actuador rango/
velocidad de cambio, restricciones de salida, etc. Tenga en
cuenta que la minimización de los movimientos de control se
incorpora comúnmente en la función objetiva a minimizar, es decir:
MPC traduce un problema de control en un problema de H
optimización dinámica sobre un horizonte futuro finito. Se utiliza minimizar
X ðrðt1jÞ2yðt1jÞÞ2
uðtÞ;uðt 1 1Þ;...uðt 1 H 2 1Þ
un modelo matemático discreto para generar predicciones de la t51
H
(3.21)
evolución futura de la variable del proceso en función de la 2
información actual, las acciones de control futuras y las 1ÿX ÿuðt1jÞ
suposiciones sobre el comportamiento futuro de las perturbaciones. i51

La solución a este problema de optimización es una secuencia de movimientos

donde r esdelacontrol.
trayectoria de referencia sobre el horizonte temporal
Debido a la incertidumbre en el modelo de proceso y las H, y ÿ un parámetro ajustable que pondera los movimientos de
perturbaciones, solo se mueve el primer control óptimo calculado.control con respecto a los errores de seguimiento.
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 67

Tenga en cuenta que la solución al problema de optimización será

ser una función de los valores futuros de la perturbación,
que no se conocen de antemano. Existen diferentes estrategias para hacer

frente a este problema, siendo una forma sencilla

suponga que la perturbación es constante en el horizonte temporal y toma
el mismo valor que su valor actual d(t),
que se puede estimar a partir de la diferencia entre la
variable de proceso real medida ymeas(t) y la proporcionada por el modelo:

dðtÞ 5 ymeasðtÞ 2 yðtÞ (3.22)

donde d^ðtÞ representa la estimación de perturbaciones. Figura 3.29

ilustra la estrategia MPC. Algunos ejemplos de aplicaciones de MPC en
sistemas de procesamiento de minerales incluyen control de molienda
(Ramasamy et al., 2005; Jonas, 2008; Steyn y
Sandrock, 2013), y control de flotación (Cortes et al., 2008).
FIGURA 3.29 Estrategia de MPC en retroceso.

Sistemas expertos
En los casos en que la identificación y el mantenimiento de la buena
Los modelos matemáticos para la aplicación de la tecnología MPC se
vuelven sistemas expertos difíciles de manejar, que no
requieren un modelo matemático algorítmico, son una alternativa (Ruel,
2014). Los sistemas expertos derivan de la investigación.
en inteligencia artificial (IA) y son programas de computadora
que emulan el razonamiento de la pericia humana en un dominio limitado
(Laguitton y Leung, 1989;
Bearman y Milne, 1992). Esencialmente, son computadoras
sistemas que logran altos niveles de rendimiento en las tareas
para lo cual los humanos requerirían años de educación especial,
entrenamiento o experiencia. Los operadores humanos a menudo hacen
conjeturas basadas en la “regla de oro” que se han convertido en
conocidas como heurísticas. Como el conocimiento experto se expresa
comúnmente con cierto grado de incertidumbre, ambigüedad o incluso
contradicción, la lógica difusa forma una integral.
parte de los sistemas expertos.
La teoría de la lógica difusa implica el desarrollo de un
conjunto ordenado de declaraciones condicionales difusas, que proporcionan
una descripción aproximada de una estrategia de control,
tal que la modificación y el refinamiento del controlador
se puede realizar sin necesidad de técnicas especiales
habilidades. Estas declaraciones son de la forma: si X es A entonces Y
es B, donde X e Y son variables de proceso y A y B
representan expresiones lingüísticas como "bajo" y "alto".
Todas las reglas condicionales tomadas en conjunto constituyen un borroso
Algoritmo decisional para el control de la planta.
La Figura 3.30 ilustra un experto basado en inferencia difusa
sistema. Consta de tres etapas: fuzzyficación, regla
inferencia difusa basada y defuzzificación. En la etapa de fuzzificación, el
lapso operacional de cada variable, es decir,
el rango o el universo del discurso como se conoce en AI, es
cubiertos por conjuntos borrosos representados por funciones de pertenencia
etiquetadas con expresiones lingüísticas similares al inglés.
Las funciones de pertenencia suelen ser triangulares,
FIGURA 3.30 Diagrama de bloques de un sistema de inferencia Fuzzy.
forma trapezoidal o gaussiana. Entonces, cualquier medida
puede ser evaluado para determinar su grado de pertenencia
a cada conjunto borroso. Como resultado, una oración confusa como:
densidad de subdesbordamiento de ener espesa es 70% "un poco alto", 30%
Se puede obtener “medio alto” y 0% “muy bajo”.
Luego, se genera un conjunto de reglas de la forma SI-ENTONCES en
un proceso llamado fase de adquisición del conocimiento. Un ejemplo de
regla difusa para el control de espesantes es:
la densidad es "un poco alta", entonces el cambio de adición de floculante es
“pequeña disminución”. Finalmente, la última etapa de este sistema de
inferencia difuso (desfuzzificación) convierte una acción difusa
como una pequeña disminución de la adición de floculante en un crujiente
valor (por ejemplo, 10% de disminución).
Harris y Meech (1987) han presentado un excelente
introducción a Fuzzy Control, mostrando cómo ha sido
aplicado a un modelo de simulación de un chancado secundario
planta. La simplicidad del método permite su aplicación a sistemas tales
como circuitos de molienda (Hales y
Ynchausti, 1997), plantas de flotación (Osorio et al., 1999),
y engrosamiento (Shoenbrunn y Toronto, 1999).
Los sistemas de control basados en reglas con soporte de lógica difusa
se han vuelto cada vez más ambiciosos. van der spuy
et al. (2003) proponen un “experto en línea” que brindará capacitación y
asistencia al operador. Sistemas expertos
también han demostrado ser útiles para seleccionar qué
Machine Translated by Google

68 Tecnología de procesamiento de minerales de Wills

método de control podría ser apropiado, basado en un conjunto de La optimización de la sección de molienda-flotación se puede
reglas relacionadas con las condiciones operativas actuales (Flintoff, descomponer en dos problemas de optimización con funciones
2002). objetivo específicas y restricciones de interfaz (McIvor y Finch,
1991). Un buen ejemplo de RTO fue informado por Holdsworth et
al. (2002) para la mina de plata, plomo y zinc de Greens Creek en
3.5.5 Capa de optimización Alaska. El concentrador altamente instrumentado llevó a cabo
frecuentes balances de masa en línea basados en las últimas 2 h
El objetivo de esta capa de control es determinar el punto de
de operación. Los datos balanceados se usaron para calibrar un
operación de la planta que maximiza el beneficio económico al
modelo de flotación simple. Luego, el operador podría evaluar las
tiempo que satisface un conjunto de restricciones. Esto se puede
estrategias para "mover" el metal entre concentrados a granel de
formular como un problema de optimización en el que una función
bajo valor y concentrados de plomo o zinc de alto valor con la ayuda
objetivo, una función escalar positiva de valor real, proporciona una
de un modelo NSR en línea simple. Se propuso otra aplicación de
medida del rendimiento. Un ejemplo de una función objetivo
la técnica de programación lineal basada en RTO para maximizar
potencial es el Retorno Neto de Fundición (NSR) presentado en el
el rendimiento mientras se mantiene la finura del producto en su
Capítulo 1. Con base en la descomposición temporal del sistema
valor objetivo para una sección de molienda de varillas y bolas
de control jerárquico representado en la Figura 3.24, esta capa
(Lestage et al., 2002).
asume que el proceso opera en estado estable y, por lo tanto, utiliza
Otros sistemas de control de optimización en el procesamiento de
un modelo no lineal estacionario del proceso para determinar las
minerales se pueden encontrar en (Herbst y Bascur, 1984; McKee
condiciones óptimas de operación.
y Thornton, 1986; Hodouin, 2011).
La figura 3.31 muestra un diagrama de bloques de una capa de
Si no se dispone de un modelo preciso del proceso, se puede
optimización en tiempo real (RTO). Un algoritmo de detección de
considerar una estrategia de optimización sin modelo basada en la
estado estacionario monitorea continuamente las variables del
operación evolutiva EVOP (Box y Draper, 1998) . La optimización
proceso para la condición de estado estacionario. Cuando se
de EVOP se basa en la acción de control para continuar o invertir
confirma esta condición, los datos medidos, sujetos a errores de
la dirección del movimiento de la eficiencia del proceso mediante la
diferentes fuentes, se ajustan para satisfacer principios
manipulación del punto de ajuste del controlador para lograr un
fundamentales como los de conservación de masa y/o energía.
mayor nivel de rendimiento.
Este proceso se conoce como reconciliación de datos (Hodouin,
Las variables controladas se modifican de acuerdo con una
2011) (ver Sección 3.6). Luego, los datos reconciliados se utilizan
estrategia predeterminada y el efecto sobre la eficiencia del proceso
para actualizar los parámetros del modelo de proceso, incluidas las
se calcula en línea. Si la eficiencia aumenta como resultado del
entradas externas no medidas, para que el modelo represente la
cambio, entonces el siguiente cambio se realiza en la misma
condición real del proceso con la mayor precisión posible.
dirección; de lo contrario, la dirección se invierte; eventualmente, la
eficiencia debería converger al óptimo (Krstev y Golomeov, 1998).
Para hacer frente a la complejidad, la optimización de la planta
Hulthe´n y Evertsson (2011) implementaron un algoritmo EVOP
generalmente se divide en optimizaciones locales de múltiples
automático que variaba la velocidad excéntrica en una trituradora
etapas coordinadas por un sistema de supervisión. Por ejemplo,
de cono. Aunque el algoritmo apuntó en la dirección óptima, se
encontró que era demasiado lento para hacer frente a variaciones
a corto plazo, como cambios en la alimentación.

Hay casos en los que las variables primarias relacionadas con

el desempeño económico no están disponibles o no pueden medirse
con la frecuencia suficiente para optimizar los propósitos de control.
Esto puede surgir por múltiples razones: por ejemplo, instrumentación
de alto costo, largos retrasos en las mediciones de muestreo (p. ej.,
analizador en línea, análisis de laboratorio) o porque la variable
principal es una variable calculada (p. ej., recuperación). En esos
casos, la variable que falta se puede inferir de un modelo matemático
utilizando variables secundarias (sustitutas) que se correlacionan
con la variable principal y se miden en línea en tiempo real. Estos
modelos se conocen como sensores blandos o virtuales y su uso
en un sistema de control se denomina control inferencial.

Los modelos que relacionan variables secundarias con primarias

se pueden clasificar en tres categorías, dependiendo de si la
FIGURA 3.31 Componentes de la capa RTO. estructura y los parámetros del modelo tienen un significado físico.
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 69

Mientras que los modelos fenomenológicos se derivan de los primeros

principios, los modelos de caja negra, como sugiere su nombre, no brindan
información sobre los fenómenos que gobiernan el proceso.
Los modelos grises combinan ambos modelos fenomenológicos con
relaciones empíricas. Las redes neuronales artificiales (ANN), una clase
general de mapeo no lineal paramétrico entre entradas y salidas,
pertenecen al tipo de modelo de caja negra y se han utilizado con éxito
para desarrollar sensores blandos, debido a su capacidad para aprender
patrones complejos de entrada y salida. Algunas aplicaciones de ANN
basadas en sensores blandos en el procesamiento de minerales son la
estimación del tamaño de partícula del desbordamiento de hidrociclón
(Sbarbaro et al., 2008), la distribución del tamaño de partícula de una cinta
transportadora usando procesamiento de imágenes (Ko y Shang, 2011),
predicciones de potencia de molino SAG (Hales and Ynchausti, 1992), y
estimación de ley de concentrado en flotación (González et al., 2003). Se
ha informado que los sensores blandos basados en el modelado de caja
FIGURA 3.32 Sala de control central del sitio de la refinería Nikkelverk
gris mediante el uso del filtro Kalman y su versión extendida infieren los
(Glencore Nickel) (julio de 2004) (Cortesía de P. Thwaites, (XPS
parámetros del molino SAG (Herbst y Pate, 1996; Apelt et al., 2002) y la
Glencore) y R. Løkling, (Glencore Nickel Nikkelverk, Kristiansand)).
concentración de espumante en los sistemas de flotación (Maldonado et
al. al., 2010). También se han implementado métodos estadísticos como
los métodos de variables latentes (Análisis de componentes principales
responsabilidades del equipo metalúrgico de cualquier planta de
(PCA), Mínimos cuadrados parciales (PLS)) para estimar variables de
procesamiento de minerales o metales: resolución de problemas/mejora/
proceso a partir del análisis de imágenes digitales. Algunos ejemplos son
evaluación del rendimiento de la planta, seguimiento/control de la operación
la estimación del grado de espuma y las propiedades de la espuma en
de la planta, contabilidad/informes de la producción de metales y
sistemas de flotación (Duchesne, 2010; Kistner et al., 2013). González
movimientos de existencias.
(2010) proporciona una extensa lista de aplicaciones de sensores blandos
Hoy en día, la adquisición de datos y el balance de masas están cada
en el procesamiento de minerales.
vez más informatizados y automatizados. Las técnicas de balance de masa
han evolucionado en consecuencia desde la bien conocida fórmula de 2
productos hasta algoritmos estadísticos computarizados avanzados que
pueden manejar las muchas situaciones y problemas que un metalúrgico
3.5.6 La Sala de Control puede tener que abordar al realizar cálculos de balance de masa.

Las computadoras de control están alojadas en salas dedicadas. Se

La evolución es particularmente significativa en el balance de masa
reconoce que muchos de los sistemas utilizados dentro de la sala de
para las necesidades de informes y contabilidad de producción y metales.
control deben abordarse ergonómicamente utilizando un enfoque de diseño
Con regulaciones contables más estrictas y estrictas, se han generado y
humano o centrado en el usuario: La Figura 3.32 muestra un diseño que
publicado lineamientos y buenas prácticas en la contabilidad de metales
se adhiere a varios de los estándares ISO 11064 "Diseño ergonómico de
(AMIRA, 2007; Jansen, 2009; Lachance et al., 2012). La reconciliación
la sala de control". .
estadística de datos en exceso (redundantes) es hoy en día la norma en el
El monitoreo y control remoto se utilizan en varias industrias, incluidos
balance de masas (Reid et al., 1982) y la fórmula de 2 productos ya no se
algunos ejemplos en la minería: la operación remota de equipos de minería,
ajusta a las mejores prácticas debido a sus limitaciones.
como camiones de transporte, por ejemplo, es estándar en muchos sitios.
Podría decirse que el principal impulsor de los "centros de comando"
remotos es la retención de mano de obra altamente calificada en un
Esta sección del Capítulo 3 es una introducción al balance de masas
entorno urbano.
y la contabilidad de metales, y resume años de evolución desde la bien
Operaciones integradas (iOps, https://www.youtube.com/watch?v 5
conocida fórmula básica de 2 productos hasta técnicas estadísticas
qDrObBfv9q8 ) busca integrar los mejores talentos, locales y remotos, para
avanzadas computarizadas. Si bien la fórmula de n-productos se utilizó
enfrentar los desafíos operativos.
durante muchos años, sus limitaciones y el avance del sector de las
Flintoff et al. (2014) ofrecen algunas observaciones sobre estos desarrollos
tecnologías de la información han hecho posible el uso de métodos más
en relación con la minería.
avanzados.
Tres de ellos se revisan aquí:
3.6 MÉTODOS DE EQUILIBRIO DE MASA • El método de minimización del desequilibrio de nodos. •
El equilibrio de masa o la contabilidad de las masas de las fases y las El método de minimización de mínimos cuadrados de 2 pasos.
fracciones de masa de los componentes por fase es fundamental para muchos • El método de minimización de mínimos cuadrados generalizados.
Machine Translated by Google

70 Tecnología de procesamiento de minerales de Wills

Los tres métodos se aplican a los diagramas de flujo complejos corriente de concentrado (Capítulo 1) y es una medida del rendimiento
de equilibrio de masa y proporcionan un conjunto único de metalúrgico de la planta:
estimaciones en presencia de un exceso de datos.
WCxC xF 2 xT xC
$5 5
3 (3.27)
WFxF xC 2 xT xF

3.6.1 La fórmula del producto n La simplicidad del método y las ecuaciones resultantes y la
cantidad limitada de datos necesarios para proporcionar información
La fórmula de n productos se aplica a una unidad de proceso (o grupo de
sobre el rendimiento y la eficiencia del proceso explican el éxito de la
unidades de proceso) con 1 alimentación y n productos, o n alimentaciones
fórmula de dos productos a lo largo de los años (ejemplo 3.8).
y 1 producto, o un total de n 1 1 flujos de alimentación y productos.
En aras de la simplicidad, comencemos con la fórmula de 2
Se pueden usar otros componentes que no sean ensayos de metales,
productos antes de presentar el caso de n productos. La fórmula de 2
incluidos los datos de tamaño de partícula y porcentaje de sólidos (consulte
productos se aplica a una unidad de proceso o grupo de unidades de
la Sección 3.7).
proceso con una alimentación y 2 productos (un concentrado y una
Por extensión de la fórmula de 2 productos, la fórmula de n
corriente de relaves, por ejemplo (Figura 3.33)), o con 2 corrientes de
productos funciona para una unidad de proceso o grupo de unidades
alimentación y un producto (como en una unión ). caja o unidad de
de proceso con una alimentación y n flujos de productos (o cualquier
mezcla).
combinación de n 1 1 flujos alrededor de la unidad de proceso).
Si WF, WC y WT son, respectivamente, los caudales másicos de
Suponiendo que se conoce el caudal másico de la corriente de
alimentación, concentrado y relaves, entonces, suponiendo un estado
alimentación, la fórmula de n productos proporciona una forma de
estacionario, la ecuación de conservación de la masa (sólidos) es:
calcular los caudales másicos de las n corrientes de productos, siempre
WF 5 WC 1 PESO (3.23) que se conozcan los ensayos de metales en cada una de las n 1 1
corrientes. Las ecuaciones de conservación de la masa son:
Suponiendo que xF, xC y xT son los valores de ensayo de un
metal de interés, entonces una segunda ecuación de conservación de
WPi (3.28)
masa (o componente) es: WF 5 Xn
i51
WFxF 5 WCxC 1 PESO xT (3.24) y
Ahora, suponiendo que se midan WF, xF, xC y xT , de las
2 ecuaciones anteriores se deduce que: WFxJF 5Xn _ WPi xj (3.29)
Pi
i51
xF 2 xT xC 2 xF WC 5 WF y WT 5
WF (3.25) xC 2 xT xC 2 xT

y por lo tanto, las tasas de flujo másico de concentrado y

relaves son estimables y los 6 valores, WF, WC, WT, xF, xC Ejemplo 3.8 La
alimentación a una planta de flotación de Zn tiene un contenido de 3,93 %
y xT, se equilibran todos juntos. La ecuación (3.25) se conoce
de Zn. El concentrado producido ensayos 52,07% Zn y los relaves 0,49%
como fórmula de 2 productos.
Zn. Calcule la división sólida, la relación de concentración, la relación de
A partir de los resultados anteriores, normalmente se calculan
enriquecimiento y la recuperación de Zn.
varios indicadores de rendimiento.
Solución
La división sólida (o su inversa, la relación de concentración),
La división sólida (ecuación (3.26)) es:
que establece qué parte del sólido de alimentación se reporta a la
corriente de concentrado: WC xF 2 xT 3:93 2 0:49
5 5
5 0:067 o 6:7%
WF xC 2 xT 52:07 2 0:49
WC 5
xF 2 xT
(3.26) La relación de concentración es la inversa de la división sólida:
WF xC 2 xT
WF xC 2 xT 52:07 2 0:49 5
La recuperación de metal, R, que indica cuánto del metal
5 5
15:0
WC xF 2 xT 3:93 2 0:49
contenido en la alimentación se ha recuperado en el
La relación de enriquecimiento (xC/xF) es:

xC 52:07
5
5 13:25
xF 3:93

La recuperación de Zn (Ec. (3.27)) es:

WC xC xF 2 xT xC 3:93 2 0:49 52:07

$5 5
3 5
3 52:07 2
WF x F xC 2 xT xF 0:49 3:93
5 0:884 o 88:4%

FIGURA 3.33 Una unidad de proceso simple de 2 productos.

Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 71

2 2
Para ser solucionable el número de metales ensayados requeridos WF
ðxC2xFÞWF
depende de n, el número de flujos de productos. No hay TV 5 Vf 1 2 Vermont

xC2xT ðxC2xT Þ
caudales másicos desconocidos y, por lo tanto, n conservación de la masa 2 2 (3.32)
se necesitan ecuaciones. Como siempre hay una ecuación ðxF2xT ÞWF xC2xF
1 2 VC 1 FV
disponible que expresa la conservación de la masa de los sólidos ðxC2xT Þ xC2xT
(Ec. (3.28)), entonces se necesitan n 1 ecuaciones adicionales
En las ecuaciones anteriores, la diferencia xC xT está presente
(ecuaciones de la forma de la Ec. (3.29)) y por lo tanto n 1
en el denominador de cada término de las ecuaciones. De ello se
los metales deben ensayarse en las corrientes n 1 1. Tabla 3.1
deduce que la varianza calculada aumenta cuando la
resume los requisitos de la fórmula de n-productos en términos
El valor de la diferencia xC xT disminuye y, por lo tanto, cuando el
de metales ensayados.
el metal analizado no está bien separado en la unidad de proceso.
Si bien la fórmula de 2 productos sigue siendo simple, la
Aplicando la Ec. (3.30) a la fórmula de recuperación
complejidad de la fórmula aumenta muy rápidamente con n, lo que
(Eq. (3.27)) da (nuevamente, recordando, todos los ensayos y
explica por qué su uso se ha limitado a n 5 4.
varianzas como fracciones):
Hablando matemáticamente, existe una formulación matricial del
2 2
problema que se puede computarizar fácilmente. x2 Cx2 T ðxC2xT Þ ðxF2xTÞ _
VR 5 4 Vf 1 x2 v.c.
x2F C
x2 FðxC2xT Þ
2 (3.33)
Análisis de sensibilidad ðxC2xFÞ
1 Vermont

x2T
La fórmula de 2 productos calcula los valores de WC y
WT, los caudales másicos de las corrientes de concentrado y relaves, Esta ecuación muestra claramente que la recuperación calculada
conociendo WF, xF, xC y xT respectivamente la corriente de alimentación la varianza también depende en gran medida de la eficiencia de
caudal másico y el ensayo de metal de interés en cada uno de separación de la unidad de proceso para el metal de interés (Ejemplo 3.9).
los 3 arroyos. Los valores medidos de WF, xF, xC y xT
están contaminados con errores de medición. La medida
los errores se propagan a través de los cálculos a Ejemplo 3.9

los valores de WC y WT. A continuación se explica cómo Las corrientes en la planta de flotación de Zn (Ejemplo 3.8) también son
estimar VC y VT, las varianzas de WC y WT, conociendo VF, Vf, Vc y ensayados por su contenido en Cu y Fe. El laboratorio

Vt, las varianzas de WF, xF, xC y xT. reporta los valores medidos en la Tabla ex 3.9.
Calcular las recuperaciones de zinc y cobre y proporcionar
Suponiendo que se pueden despreciar los términos de covarianza, la varianza
la expresión de sus varianzas como funciones de las varianzas de los
La eficiencia de una función se obtiene a partir de sus primeras derivadas:
ensayos de Zn y Cu en las 3 corrientes.
2 2
df df Solución
Vfðx;yÞ 5 Vx 1 vy (3.30)
ÿx ÿy Las recuperaciones de Zn y Cu se calculan utilizando la ecuación. (3.27):
WC xC ð3:93 2 0:49Þ 3 52:07
Para Zn: R 5 5
5 0:884 o 88:4%
WF x F ð52:07 2 0:49Þ 3 3:93
Aplicando la Ec. (3.30) a la fórmula de 2 productos WC xC ð0:16 2 0:14Þ 3 0:66
Para cobre: R 5 5
5 0:159 o 15:9%
(Ec. (3.25)) da (todos los ensayos y varianzas como fracciones): WF x F ð0:66 2 0:14Þ 3 0:16

2 2
WF y sus varianzas son proporcionadas por la ecuación. (3.33):
ðxC2xFÞ WF Para zinc:
CV 5 Vf 1 2 Vermont

xC2xT ðxC2xT Þ
2 2 (3.31) VR 5 0:059547 3 ½172:2573Vf 1 0:004365Vc 1 9652:06Vt
ðxF2xT ÞWF xF2xT 5 10:25733Vf 1 0:00026Vc 1 574:7472Vt
1 2 VC 1 FV
ðxC2xT Þ xC2xT Para cobre:

VR 5 45613:21 3 ½10:5625Vf 1 0:000918Vc 1 12:7551Vt

5 481789:5Vf 1 41:88541Vc 1 581801:1Vt
TABLA 3.1 Requisitos para la fórmula de n-productos

Número de Número de Requeridos Número de TABLA Ej. 3.9 Planta de flotación de zinc Metal
Producto Metales Ensayados Muestras Ensayos (%)
Corrientes
Alimento Concentrarse relaves
21 3
zinc 3.93 52.07 0.49
32 4
cobre 0.16 0,66 0.14
43 5
Fe 11.57 14.67 13.09
norte n1 norte 1 1
Machine Translated by Google

72 Tecnología de procesamiento de minerales de Wills

De este ejemplo numérico, es evidente que: a) el
las muestras de flujo que más contribuyen a la varianza de la
recuperación son aquellas con los valores de ensayo más bajos
(alimentación y relaves); b) la varianza del metal menos separado (Cu) es
mucho mayor que la varianza del metal más separado
(Zn); y c) cuando se usa la fórmula de 2 productos, la precisión
del valor de recuperación proviene de la alimentación y relaves
Dado que un exceso de datos revela errores de medición,
existe la necesidad de un método de balance de masa que pueda
manejar datos en exceso.
Más de una unidad de proceso
Otra limitación de la fórmula de n-productos es que trata

precisión del ensayo de flujo en lugar del concentrado. con una sola unidad de proceso o grupo de unidades de proceso. los

Hay un desafío aquí ya que estos no son necesariamente los fórmula no se aplica a problemas más complejos.

muestras más fáciles de recolectar. Ejemplos resueltos estimando la En el diagrama de flujo del proceso de la Figura 3.34, la alimentación

desviación estándar en la recuperación se dan en el ejemplo 3.19. se mide el caudal y se analiza Cu en cada uno de
las 6 muestras de flujo. La pregunta es: ¿podemos aplicar la
fórmula de n-productos para estimar los caudales no medidos
y completar el balance de masa?
Propagación de errores
Aplicando la fórmula de 2 productos en la unidad de proceso A, se
La fórmula de n-productos permite el cálculo de caudales másicos no
es posible calcular el caudal de cada uno de los 2 chorros de salida.
medidos de ensayos de metales y de la
Teniendo en cuenta que el caudal de alimentación
caudal de la corriente de alimentación. La fórmula de n-productos no
ahora se conoce la corriente a la unidad de proceso B, la fórmula de 2
tener en cuenta los errores de medición; y medición
productos proporciona valores de los 2 caudales de corriente salientes
errores, cuando están presentes, se propagan en el calculado
de la unidad de proceso B.
caudales másicos.
Como resultado de los cálculos anteriores, ahora tenemos un
El ejemplo 3.9 proporciona un buen ejemplo de propagación de
exceso de datos para la unidad de proceso C, ya que la única incógnita
errores. La Tabla 3.2 muestra los valores calculados del sólido
el caudal es para la corriente saliente. En consecuencia, el
dividir usando el ensayo de Zn, el ensayo de Cu y el ensayo de Fe.
La fórmula de 2 productos no logra completar el balance de masa
Si los ensayos medidos están libres de medición cálculo.
errores, los valores de división sólidos serían idénticos ya que, en
Vale la pena notar que al seleccionar cualquier otra ruta en el
teoría (y realidad), solo existe un valor de división sólido.
aplicaciones de la fórmula de 2 productos habrían terminado
Obviamente, el ensayo de Fe es erróneo en al menos uno de los
en la misma situación: un exceso de datos que impide la
3 corrientes, pero es imposible identificar cuál. Si
finalización del cálculo del balance de masa. Existen
cada uno de los ensayos de Zn y Cu se toman individualmente,
varias maneras de abordar este tipo de problema y completar
no es posible asegurar que el ensayo Zn o el Cu
el balance de masa, pero el punto es que la fórmula del producto n no
el ensayo sufre un error en una de las 3 muestras. Es solo es suficiente.
porque se han ensayado al menos 2 metales que podemos
determinar la presencia de errores de medición.
Sin corrección de errores de medición

La fórmula de n-productos cierra el balance de masas y proporciona

Exceso de Datos valores para los caudales no medidos; por lo tanto

Los datos del ejemplo 3.9 introducen una segunda limitación de la

fórmula de n-producto: no hay ninguna disposición sobre cómo tratar
con exceso de datos. Y debido a la presencia inevitable de errores de
medición, no es una buena práctica
mantener solo los datos suficientes para aplicar el producto n
fórmula incluso cuando el conjunto de datos incluye los metales mejor
separados en la unidad de proceso.

TABLA 3.2 Ejemplo de propagación de errores

Alimento Concentrarse relaves

zinc 1.0 6.7 93.3

cobre 1.0 4.5 95.5

Fe 1.0 2 96,2 196.2

FIGURA 3.34 Ejemplo de diagrama de flujo.

Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 73

da acceso a indicadores clave de rendimiento, como la división de
sólidos y la recuperación de metales.
Hemos visto, sin embargo, que la fórmula del producto n propaga
los errores de medición en los valores de caudal calculados. Otro
inconveniente es que no corrige los errores de medición. En el ejemplo
de la Tabla 3.2 y sin ninguna indicación sobre las incertidumbres
asociadas con los ensayos de Zn y Cu, no hay razón para confiar más
en el valor de división sólido calculado con los ensayos de Zn que con
los ensayos de Cu. Obviamente, algo está muy mal con los análisis de
Fe, pero no hay forma de identificar cuál de las muestras de flujo de
alimentación, concentrado o relaves es la culpable.
Por todas las razones anteriores, la fórmula de n-productos ya no
puede considerarse como un método de balance de masa.
La siguiente sección presenta un enfoque más sólido para el balance de
masa en presencia de errores de medición.
El cálculo de estas mejores estimaciones requiere el cálculo de las
derivadas de S para cada una de las incógnitas, es decir, los caudales
de masa sólida no medidos.
Las mejores estimaciones son aquellos valores de variables desconocidos
para los cuales las derivadas son todas juntas iguales a cero:
ÿS
50 (3.37)
ÿWK
Cabe señalar que con las mejores estimaciones obtenidas no se
verifican rigurosamente las ecuaciones de conservación de masa;
esencialmente, los desequilibrios de los nodos solo se minimizan.
Por experiencia, las estimaciones obtenidas por este método son tan
buenas como los mismos valores medidos utilizados para el cálculo
(Ejemplo 3.10).

3.6.2 Minimización del desequilibrio de nodos
En el método de minimización de desequilibrio de nodos, las ecuaciones
de conservación de masa se escriben considerando la desviación a la
conservación de masa rigurosa debido a errores de medición (Finch y
Matwijenko, 1977; Lynch, 1977; Tipman et al., 1978; Klimpel, 1979).
Para el caso simple de una unidad de proceso con una alimentación y
dos productos, las ecuaciones de conservación de masa son:
Ejemplo 3.10
Para el conjunto de datos de ejemplo en la Tabla ex 3.9, aplique el
método de Minimización de Desequilibrio de Nodo para estimar el valor
de división sólido y compárelo con las estimaciones de la fórmula de 2 productos.
Solución
En este ejemplo hay una unidad de proceso y tres metales ensayados;
por tanto, hay cuatro ecuaciones de conservación de la masa y, por
tanto, cuatro desequilibrios. El criterio S se puede escribir como:
S5W2 F 1W2 C 1W2 T 22WFWC 22WFWT 12WCWT

WF 2 WC 2 WT 5 IW (3.34)
1W2 x2
F X3 x2 Fi1W2C X3 x2 Ci1W2 T X3 ti
i51 i51 i51
WFxF 2 WCxC 2 WT xT 5 Ix (3.35)
(3.38)
donde las W representan los caudales másicos y las x los ensayos de 22WFWC X3 xFixCi22WFWT X3 xFixTi
i51 i51
metales; IW e Ix son los desequilibrios de nodos (errores) para la masa
de sólidos y la masa de metal de interés, respectivamente. Se pueden xCixTi
12WCWT X3
escribir ecuaciones adicionales para cada metal analizado de interés y/ i51

o cada unidad de proceso. donde i representa el metal ensayado.

Las derivadas de S para WC y WT son entonces:
En un balance de masa dado, el número total de ecuaciones de
ÿS
conservación de masa es, por lo tanto, una función del número de x2Ci
WC _ 5 2 WC 2 WF 1WT 1 WC X3 i51
unidades de proceso y metales ensayados. Para el diagrama de flujo de (3.39)
la figura 3.34 y suponiendo que se han analizado tres metales, el número
2 WF X3 xFixCi 1 WT X3 xCixTi 5 0
total de ecuaciones de conservación de masa sería: 3 unidades de i51 i51

proceso 3 (1 ecuación sólida 1 3 ecuaciones de ensayo) 5 12 ecuaciones.

ÿS
Suponiendo que se conoce el caudal de alimentación, entonces el x2ti
ÿ PESO
5 2 PESO 2 PESO 1 WC 1 PESO X3
número total de incógnitas es 5: los caudales de masa sólida de las i51
(3.40)
otras corrientes.
2 WC X3 xFixTi 1 WC X3 xCixTi 5 0
Por lo general, hay más ecuaciones que incógnitas y, como i51 i51
consecuencia, no existe una solución única que satisfaga todas las
Ahora, el valor de división sólido se puede obtener de las 2
ecuaciones. Las mejores estimaciones de caudal másico, W^ k, son
ecuaciones anteriores:
aquellas que minimizan el siguiente criterio:

j 2 j 2 11 P3 xFixTi 11 P3 x2 2 11 P3 xFixCi 11 P3 xCixTi

(3.36) Ci
S 5 X ðI W Þ 1X X ðI xi
Þ peso 5
i51 i51 i51 i51 (3.41)
j i j WF
2
11 P3 x2ti 11 P3 x2Ci 2 11P3 xCixTi
i51 i51 i51
En la ecuación anterior, i representa un metal ensayado y j una
WC peso
unidad de proceso. y 512
WF WF
Machine Translated by Google

74 Tecnología de procesamiento de minerales de Wills

En un segundo paso, valores corregidos de ensayos de metales que

Usando el conjunto de datos de la Tabla ex 3.9, se deriva la Tabla ex 3.10 .
Los resultados de la Tabla ex 3.10 muestran que el método es
sensible a la exactitud de los ensayos de metales. De hecho, el
El ensayo de Fe es malo como lo demuestra la aplicación del
Fórmula de 2 productos (ver Tabla 3.2).
verifican rigurosamente las ecuaciones de conservación de masa de los metales.
son estimados.
Para lograrlo, tomando las Ecs. (3.23) y (3.24) como examen
Por ejemplo, las ecuaciones de conservación de la masa se reescriben como:

peso
512 WC
(3.42)
WF WF
TABLA EX 3.10 Ejemplo de desequilibrio de nodo

peso WC WC WC
WF
ð%Þ WF
ð%Þ xF 5 xC 1 1 2 xT (3.43)
WF WF
Uso de Zn, Cu y Fe 80.8 19.1
y las ecuaciones de desequilibrio de nodos para metales se convierten en:
Usando Zn y Cu 93.1 6.87

93.3 6.67 WC WC
Usando solo Zn xF 2 xC 2 1 2 xT 5 Ix (3.44)
WF WF
o:

Limitaciones
El método de minimización del desequilibrio de nodos resuelve dos
Problemas con la fórmula del producto n:
• Maneja datos en exceso
• Funciona para más de una unidad de proceso a la vez
Sin embargo, el método presenta 2 limitaciones:
• Es sensible a los errores de medición como se puede ver en
Ejemplo 3.10
• Solo proporciona estimaciones del sólido no medido.
caudales; valores medidos de caudal y valores de ensayo
no están ajustados
Una extensión del método tiene como objetivo disminuir la influencia
de las malas mediciones. El desequilibrio del nodo criterio
los términos se ponderan según la presencia o ausencia
de errores brutos de medición.
WC
ðxF 2 xT Þ 2 ðxC 2 xT Þ 5 Ix (3.45)
WF
El problema general ahora se puede plantear como: encontrar el
mejor estimación de WC que minimiza la suma de cuadrados
Desequilibrios WF Ix para todos los nodos y metales ensayados:
i 2
S 5X X yo Þ (3.46)
xj
j i
En comparación con la minimización del desequilibrio del nodo
método, el criterio sólo contiene los desequilibrios de los nodos
para metales y las variables de búsqueda son un conjunto de caudales
sólidos relativos independientes. Similar al método de minimización de
desequilibrio de nodos, el cálculo de la mejor
estimaciones de los caudales sólidos relativos independientes
requiere el cálculo de las derivadas de S para cada uno de
las incógnitas, es decir, los caudales sólidos relativos independientes.
Las mejores estimaciones son aquellos valores para los cuales la
las derivadas son todas juntas iguales a cero. debido a la manera
los desequilibrios de nodo para los metales se escriben (Ec. (3.45)),
la conservación de la masa de los caudales sólidos relativos se verifica

3.6.3 Minimización por mínimos cuadrados en dos pasos rigurosamente para el caudal sólido relativo estimado
valores.
El método de minimización de mínimos cuadrados de 2 pasos propone un Habiendo determinado WC WF , suponiendo que se mide el caudal
manera de ajustar y corregir los ensayos de metales por los errores de de sólidos de alimentación WF , es posible estimar WC y
medición que los afectan (Wiegel, 1972; Mular, 1979). peso Todos estos valores de caudal verifican rigurosamente su masa
Es un compromiso entre las limitaciones del nodo ecuaciones de conservación.
método de minimización de desequilibrio (Sección 3.6.2) y el En un segundo paso, es posible ajustar el metal
complejidad de la minimización generalizada de mínimos cuadrados valores medidos de ensayo (x) a valores ðx^Þ que verifican su
(Sección 3.6.4) . propias ecuaciones de conservación de masa también. Llamemos a rx
En el método de desequilibrio de nudos, las desviaciones a la el ajuste requerido para cada valor de ensayo de metal, luego
se considera la conservación de masa de sólidos y de metales resulta que:
todos juntos. Los valores de caudal estimado obtenidos minimizan las
rx 5 x 2 x^ (3.47)
desviaciones de todas las ecuaciones de conservación de masa.
En el método de mínimos cuadrados de 2 pasos, los valores de caudal y desde:
que verifican rigurosamente las ecuaciones de conservación de masa de
sólidos y, al mismo tiempo, minimizar las desviaciones a la WC
ðx^F 2 x^T Þ 2 ðx^C 2 x^T Þ 5 0 (3.48)
Primero se estiman las ecuaciones de conservación de masa de los metales. WF
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 75

se sigue por diferencia con la ec. (3.45) que: (Smith e Ichiyen, 1973; Hodouin y Everell, 1980).
Tampoco hay limitación en el número de ecuaciones de
WC
Ix 2 ðrxF 2 rxT Þ 2 ðrxC 2 rxT Þ 5 0 (3.49) conservación de masa.
WF
Las ecuaciones de conservación de la masa se escriben para la
El problema ahora es encontrar los valores de rx que valores teóricos de las variables del proceso. El proceso
minimizar el siguiente criterio de mínimos cuadrados: los valores medidos variables conllevan errores de medición y
por lo tanto, no verifique las ecuaciones de conservación de la masa. Está
2
S 5X X ðrixj Þ (3.50) asumió que los valores medidos no están sesgados, no están
i j correlacionados con los otros valores medidos y pertenecen a Normal
bajo la restricción de igualdad K de la ecuación. (3.49). En distribuciones, N(ÿ,ÿ). Los saldos se pueden expresar como
sigue:
ecuación (3.50), i representa el número de flujos (o muestras)
yj para el número de metales ensayados. El problema es WF 5 vatios 1W T (3.52)
C
se resuelve mejor usando la técnica de Lagrange donde el criterio
se convierte en: WF X
F
5 vatios
C
x
C
1 ancho
T
X
T (3.53)
2 donde * denota el valor teórico de la variable.
L5X X ðrixj Þ 1X ÿkKk (3.51)
i j k Como no se conocen los valores teóricos, el objetivo
es encontrar las mejores estimaciones de los valores teóricos. Con
donde k es el número de nodos (o conservación de masa
los supuestos estadísticos realizados, la máxima verosimilitud
ecuaciones), y ÿk es el coeficiente de igualdad de Lagrange
Las estimaciones son aquellas que minimizan el siguiente criterio
restricción Kk.
generalizado de mínimos cuadrados:
El problema se resuelve calculando las derivadas de
2 2
L para cada una de las incógnitas, es decir, ri y ÿi. El criterio L es ðWj2W^ jÞ ðxij2x^ijÞ
xj
S 5X 1X X (3.54)
mínimo cuando todas sus derivadas son iguales a cero, lo que ÿ2 ÿ2
i Wj j i xij
conduce a un conjunto de ecuaciones a resolver. Resolviendo el conjunto de
ecuaciones proporciona las mejores estimaciones de la ri valores, que donde ^ denota el mejor valor estimado y ÿ2 es el
xj
es decir, los ajustes a los valores de ensayo medidos que varianza del valor medido.
hará que los valores de ensayo ajustados sean coherentes a partir de una masa Es evidente que las mejores estimaciones deben obedecer a la
punto de vista de la conservación (Ejemplo 3.11). ecuaciones de conservación de masa mientras se minimiza el
criterio generalizado de mínimos cuadrados S. Por lo tanto, el problema
Limitaciones consiste en minimizar un criterio de mínimos cuadrados bajo un
conjunto de restricciones de igualdad, las ecuaciones de
El método de minimización de mínimos cuadrados de 2 pasos tiene la
conservación de masa. Tal problema se resuelve minimizando un
ventaja sobre los métodos anteriores de proporcionar
Lagrangiano de la forma:
valores de ensayo ajustados que verifican la conservación de la masa
2 2
ecuaciones El método sigue siendo simple y puede ser fácilmente ðWj2W^ jÞ ðxij2x^ijÞ
L5X 1X X 1X ÿkKk
programado (por ejemplo, usando Excel Solver) para un flujo simple ÿ2 ÿ2
i Wj j i xij k
diagramas
Aunque presenta mejoras significativas sobre (3.55)
los métodos anteriores, el método de 2 pasos no es donde ÿk son los coeficientes de Lagrange y Kk la masa
matemáticamente óptimo ya que los caudales másicos se estiman a partir de
ecuaciones de conservación.
medidos y, por lo tanto, valores de ensayo de metales erróneos. Como se vio anteriormente, el problema se resuelve calculando
Los errores de medición se propagan directamente a los valores las derivadas de L para cada una de las incógnitas, es decir,
de caudal estimados. En otras palabras, la fiabilidad de el W^ x^, y el ÿ. El criterio L es mínimo cuando todos sus
los valores de caudal estimados dependen en gran medida de la las derivadas son iguales a cero, lo que lleva a un conjunto de
fiabilidad de los valores de ensayo medidos. Las ecuaciones podrían, ecuaciones a resolver. Resolver el conjunto de ecuaciones proporciona
sin embargo, modificarse para incluir factores de ponderación con los mejores valores estimados W^ y x^, que verifican la masa
el objetivo de disminuir la influencia de los ensayos deficientes. ecuaciones de conservación. Es importante señalar que incluso
las variables no medidas pueden ser estimadas, ya que
aparecen en las ecuaciones de conservación de la masa de la
3.6.4 Mínimos cuadrados generalizados
Lagrangiano, siempre que exista la redundancia necesaria.
Minimización
En la ecuación. (3.55), la varianza de los valores medidos, ÿ2 ,
El método de minimización de mínimos cuadrados generalizados son factores de ponderación. Siendo un valor medido preciso
propone una forma de estimar los valores de caudal y ajustar el metal asociado con una varianza baja no se puede ajustar marcadamente
valores de ensayo en un solo paso, todos juntos al mismo tiempo sin afectar significativamente el valor total del criterio. En
Machine Translated by Google

76 Tecnología de procesamiento de minerales de Wills

Ejemplo 3.11
Para el conjunto de datos de ejemplo de la Tabla ex 3.9 , aplique el mínimo de 2 pasos
TABLA EX 3.11a Mínimos cuadrados de dos pasos
método de minimización de cuadrados para estimar el valor de división sólido
Ejemplo de minimización
y compárelo con la fórmula de 2 productos y las estimaciones de desequilibrio
de nodos. Calcule los valores de ensayo de metal ajustados y peso WC
ð%Þ ð%Þ
WF WF
comparar con los valores medidos.
Uso de Zn, Cu y Fe 93.4 6.57
Solución
En el presente caso, la Ec. (3.46) es: Usando Zn y Cu 93.3 6.67

2 Usando solo Zn 93.3 6.67

i WC
S 5X X yo Þ2 5X3
xj ðxFj 2xTjÞ2 ðxCj 2xTjÞ
i WF
j j51

donde j representa Zn, Cu y Fe. Derivando S para lo desconocido

WC 5 WC
da:
WF
TABLA EX 3.11b Ajuste Distribución (%)
ÿS
Alimento Concentrarse
ÿwC 5 2X3 hðxFj 2 xTjÞ 2 wC ðxCj 2 xTjÞ yo xCj 2 xTj 5 0 relaves
j51
zinc 0,68 0.00 2 5.07
cuya solución es:
cobre 2 4.72 0.08 5.04

P3 ðxFj 2 xTjÞðxCj 2 xTjÞ Fe 2 7.48 0.39 6.17

WC j51
WC 5 5

WF 2
P3 ðxCj 2xTjÞ
j51 ÿL
5 2r i 1 ÿiwC 5 0
Usando el conjunto de datos de la Tabla ex 3.9, se deriva la Tabla ex 3.11a . d ri xF
xF
Los resultados de la Tabla ex 3.11a muestran que el método es
ÿL
mucho menos sensible a la exactitud de los ensayos de metales que 5 2r i 1 ÿið1 2 wC Þ 5 0
d ri xF
los resultados del método de desequilibrio de nodos que se muestran en la Tabla ex xT

3.10. Habiendo determinado la división sólida, el siguiente paso es ÿL

5 yo i 2 ðri xF 2 ri xT Þ 2 wC ðri 2 ri Þ50
ajustar los valores de ensayo de metales para hacerlos coherentes con los dÿi X xC xT

división sólida calculada y coherente a partir de una conservación de masa

Punto de vista. Resolviendo el sistema de ecuaciones se obtiene:

En el presente caso, la Ec. (3.51) es: yo

i
5 X
2
Rhode Island

xF 1 1 w2
2 2 2 i C 1 ð12wCÞ
2 ri Þ
L 5X3 ðrixF Þ 1 ðri
xC
Þ 1 ðri xT Þ 1X3 _ yo yoX 2 ðri xF xT
i51 i51 i
2 yoxwC
5

2
Rhode Island

xC 1 1 w2
2 wC ðri 2 ri Þ C 1 ð12wCÞ
xC xT

2 yo i ð1 2 wC Þ
y las derivadas para cada variable son: 5 X
2
Rhode Island

xT 1 1 w2
C 1 ð12wCÞ
ÿL
5 2ri 2 ÿi 5 0 y la solución numérica es:
d ri xF
xF

i
yo

X Ajustes ri Valores ajustados x^i

xj j
Alimento Alimento
Relaves concentrados Relaves concentrados
zinc 0.049885 0.049885 0.049885 0.049885 3.903426 52.0717466 0.514828
Cu2 0.01418 2 0.01418 2 0.01418 2 0.01418 0.167552 0.65950362 0.132944
Fe 2 1,62385 2 1.62385 2 1.62385 2 1.62385 12.43504 14.6131448 12.28181

La tabla ex 3.11b muestra una comparación de los valores medidos Tenga en cuenta que los ensayos de flujo de concentrado apenas se ajustan por
ensayos (Tabla ex 3.9) con los ajustados donde comparación con los otros 2 ensayos de corriente.
ajuste 5 (medido ajustado)/medido como porcentaje.
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 77

Por el contrario, un mal valor medido asociado a un estándar alto

2 xTið1 2 w^ w^
la desviación se puede ajustar significativamente sin afectar xFi 2 xCiw^ C CÞ _
3 C
x^Ci 5 xCi 1 2 2
1 1 w^ C ÿ2
todo el valor del criterio. Por lo tanto, los ajustes, pequeños o ÿ2 ÿ2
ð12w ^ CÞ
1 x Ci
ÿ2
xFi xCi xTi
grande, se hará de acuerdo a la confianza que
tener en el valor medido siempre que sea posible considerando xFi 2 xCiw^ C 2 xTið1 2 w^ CÞ _
1 2 w^ C
x^ti 5 xTi 1 2
3
2
las restricciones de conservación de masa que siempre deben ser 1 1
ÿ2
w^ C
1 ð12w ^ CÞ
ÿ2
ÿ2
xTi
ÿ2
xFi xCi xTi
verificadas por los valores ajustados (Ejemplo 3.12).
Mientras que el ejemplo 3.12 presenta los cálculos en detalle donde i representa Zn, Cu o Fe.

para un caso simple, existe una más elegante y genérica Por lo tanto, solo se requiere encontrar el mejor valor de w^ C

solución matemática que se puede programar. La solución usa y el algoritmo consiste en:

matrices y requiere conocimiento en matriz. 1. Asumiendo un valor inicial para w^ 2. C

Calculando los valores de x^ij
álgebra.
3. Cálculo del criterio S de la ecuación. (3.54)
4. Iterando sobre el valor de w^ C para minimizar el valor de S

Ejemplo 3.12 La solución se da en la Tabla ex 3.12a para la varianza

Para el conjunto de datos de ejemplo de la Tabla ex 3.9 , aplique el método
de minimización de mínimos cuadrados generalizados para estimar el
valor de división sólido y compararlo con los mínimos cuadrados de 2 pasos
estimación de minimización. Calcular el ensayo de metal ajustado
valores y comparar con los valores medidos.
valores todos iguales a 1 por simplicidad. La división sólida inicial w^ se C
estimó en 6,67% (basado en el resultado del Ejemplo
3.11).
La tabla ex 3.12b muestra una comparación de los valores medidos
ensayos con los ajustados. Los resultados obtenidos son similares a los

Solución obtenidos con el método anterior.

En el presente caso, el lagrangiano es:

2
ðxij2x^ijÞ TABLA EX 3.12a Mínimos cuadrados generalizados
L 5X3 1x3 _ ÿiKi
X3 ÿ2 Ejemplo de minimización
j51 i51 xij i51

No hay caudal másico medido, hay 3 corrientes Alimento Concentrarse relaves

muestras con 3 ensayos de metales cada una y hay 3 ecuaciones de zinc 3.89 52.1 0.527
conservación de masa:
cobre 0.167 0.660 0.133
W^
x^ 5 C C Fe 12.4 14.6 12.3
fi W^ x^Ci 1 1 2
W^ W^
F F !x^ Ti

donde i representa Zn, Cu o Fe, y las variables del problema

5 W^ C .
son: ÿi, x^ij y w^ C W^ F
Las derivadas lagrangianas son: TABLA EX 3.12b Ajuste Distribución (%)
ÿL Alimento Concentrarse
ðx^Ci 2 x^ TiÞ 5 0 relaves
dw^ C 5 2X3
i51 1.00 0.00 2 7.47
zinc (%)
ÿL
5x^ 2w^ Cu (%) 2 4,64 0.07 4.96
C x^Ci 2 ð1 2 w^ C Þx^ Ti 5 0
Fi d ÿi
FE (%) 2 7.47 0.38 6.17
ÿL ðxFi 2 x^ FiÞ
5 2 2 1 ÿi
dx^ fi ÿ2
xFi

ÿL
522 ðxCi 2 x^CiÞ
2 ÿiwC 5 0
dx ^Ci ÿ2
xCi

ÿL ðxTi 2 x^ TiÞ
5 2 2 2 ÿið1 2 wC Þ 5 0
dx^ ti ÿ2
xTi 3.6.5 Modelos de balance de masa
donde i representa Zn, Cu o Fe, para un total de 13 ecuaciones y 13
La formulación del método de minimización de mínimos cuadrados
incógnitas. Se puede demostrar que una vez que el
generalizados permite resolver problemas de balance de masa complejos.
valor de w^ C se sabe entonces hay una solución analítica
problemas. El criterio de Lagrange consta de 2 tipos de
ción para x^ij:
términos: los ajustes ponderados y las restricciones de conservación
xFi 2 xCiw^ C 2 xTið1 2 w^ CÞ _
1
x^fi 5 xFi 2 2 2
3 de masa. El criterio puede extenderse fácilmente a
1 1 w^ C
1
ÿ2
ð12w ^ CÞ ÿ2
xFi incluyen varios tipos de medidas y ecuaciones de conservación de
ÿ2 ÿ2
xFi xCi xTi
masa.
Machine Translated by Google

78 Tecnología de procesamiento de minerales de Wills

El conjunto completo de ecuaciones de conservación de masa que se
aplican a un conjunto de datos dado y un problema de balance de masa se
denomina modelo de balance de masa. Según las mediciones realizadas y
los análisis de muestras, los siguientes tipos de ecuaciones de conservación
de la masa pueden aplicarse normalmente en las plantas de procesamiento
de minerales:
• Conservación de los caudales másicos de lodo •
Conservación de los caudales másicos de la fase sólida •
Conservación de los caudales másicos de la fase líquida (para un
balance hídrico, por ejemplo) •
Conservación de las proporciones de sólido a líquido
• Conservación de los componentes en la fase sólida (p. ej.,
tamaño de partícula, clase de liberación)
• Conservación de componentes en fase líquida (en
plantas de lixiviación, por ejemplo)
También hay condiciones adicionales de conservación en masa.
tensiones como:
Es conveniente definir el modelo de balance de masa utilizando el
concepto de redes. De hecho, la estructura y el número de ecuaciones de
conservación de masa requeridas dependen del diagrama de flujo del
proceso y los tipos de medición.
Por lo tanto, es conveniente definir un tipo de red por tipo de variable de
proceso, sabiendo que la estructura de las ecuaciones de conservación de
masa para caudales sólidos (Ec. (3.23)) es diferente de la de los ensayos
de metales (Ec. (3.24)), por ejemplo.
Un tipo de red no solo significa un tipo de ecuación de conservación
de masa, sino que también expresa el flujo de la masa de interés (sólidos,
líquidos, metales...).
Para la unidad de proceso de 2 productos de la Figura 3.33, suponiendo
que se han analizado 3 metales (Zn, Cu y Fe) en cada flujo, la Figura 3.35
muestra las 2 redes que se pueden desarrollar, una para cada tipo de
ecuación (Ecs. ( 3.23) y (3.24)).
Para el diagrama de flujo más complejo de la Figura 3.34, suponiendo
nuevamente que se han analizado 3 metales (Zn, Cu y Fe) en cada una de
las 6 corrientes, la Figura 3.36 muestra las 2 redes que se pueden desarrollar.

• La restricción de completitud de las distribuciones de tamaño o densidad

Suponiendo que un cuarto metal, Au por ejemplo, se ha analizado solo
(la suma de todas las fracciones de masa debe ser igual a 1 para cada
en las corrientes principal de alimentación, relaves principales y concentrado
distribución de tamaño)
principal, entonces se debe desarrollar una tercera red para Au como se
• Ensayos de metales por fracción de tamaño de las distribuciones
muestra en la Figura 3.37.
de tamaño • Las restricciones de coherencia entre los ensayos de metales
Las redes se representan convenientemente usando una matriz
reconstituidos de los ensayos por tamaños y los ensayos de muestras
(Cutting, 1976). En una matriz de red, un flujo entrante se representa con
de metales
un 1 1, un flujo saliente con un 1 y cualquier otro flujo con un 0. Para las
Todos estos tipos de restricciones pueden ser manejados y procesados redes de la Figura 3.35 y la Figura 3.36, las matrices de red son,
por el Lagrangiano del algoritmo de minimización de mínimos cuadrados respectivamente:
generalizados. Como se mencionó, todas las ecuaciones de conservación
de masa necesarias para un conjunto de datos dado constituyen el modelo
M 5 1 21 21 (3.56)
de balance de masa.

FIGURA 3.35 Redes de conservación de masa para el diagrama de flujo de la Figura 3.33: (a) Para sólidos, y (b) Para metal (en este caso son iguales).

FIGURA 3.36 Redes de conservación de masa para el diagrama de flujo de la Figura 3.34: (a) para sólidos y (b) para metal (nuevamente, son lo mismo en este caso).
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 79

3.6.6 Modelos de error

En el método de minimización de mínimos cuadrados
generalizados, los factores de ponderación evitan grandes
ajustes de mediciones confiables y, por el contrario,
FIGURA 3.37 Redes de conservación de masa para Au en el diagrama de flujo
facilitan grandes ajustes de variables de proceso mal
de la Figura 3.34. medidas. Establecer los factores de ponderación es el
principal desafío del método (Almasy y Mah, 1984; Chen
et al., 1997; Darouach et al., 1989; Keller et al., 1992;
y Narasimhan y Jordache, 2000; Blanchette et al., 2011).
Suponiendo que una medida obedece a una distribución
1 21 210 0 para el nodo A Normal, la varianza de la distribución es una medida de la
METRO 5
2 0 01 0 21 21 0 3 para el nodo B
confianza que tenemos en la propia medida. Por lo tanto, una
4
00 1 0 1 21 5
para el nodo C
medida en la que confiamos exhibe una pequeña varianza, y la
(3.57) varianza aumenta cuando la confianza disminuye. La variación
no debe confundirse con la variación de la variable del proceso,
Cada fila representa un nodo; cada columna representa un
que también incluye la variación del proceso: la variación es la
arroyo. Las ecuaciones (3.56) y (3.57) expresadas en forma
matricial se convierten en: representación del error de medición únicamente.
Los errores de medición provienen de varias fuentes y
MW W 5 0 (3.58) son de diferentes tipos. Se han desarrollado teorías y pautas
prácticas para comprender el fenómeno y, por lo tanto, hacer
MxAnxXi 5 0 (3.59) posible la minimización de dichos errores, como se analiza
donde MW y Mx son las matrices de red para la red sólida y en la Sección 3.2. Una breve recapitulación de los errores
la red de ensayo de metales, W es la matriz de columna de de medición relacionados con el equilibrio de masa ayudará
caudales de masa sólida, Wx la matriz diagonal de los a transmitir el mensaje.
caudales de masa sólida utilizados en la red de ensayo de Los errores se dividen en dos categorías principales: errores o
metales y Xi la matriz de columna de ensayo de metales i en sesgos sistemáticos y errores aleatorios. Los errores sistemáticos son
cada flujo de la red de ensayos de metales (i representa Zn, Cu y Fe) de detectar e identificar. En primer lugar, sólo pueden
difíciles
(Ejemplo 3.13). sospecharse a lo largo del tiempo por su naturaleza y definición. En segundo lugar, un

Ejemplo 3.13 Se Las muestras de Cu (en general) en la corriente se conservan a través de la

está diseñando una campaña de encuestas en torno al circuito de molienda de la molienda. Dado que el Cu se ha analizado solo en la alimentación del molino SAG
figura 3.13. Para la ubicación de medidores de flujo y muestreadores, y para los y el ciclón se desborda alimentando el circuito de flotación, la red de conservación
tipos de análisis realizados en las muestras, desarrolle las redes de conservación de masa para las muestras de Cu en la corriente consta de un solo nodo.
de masa para cada tipo de datos y tipo de ecuación de conservación de masa que
corresponda. Suponiendo que se hayan utilizado once tamices para medir las distribuciones
de tamaño, entonces el sistema total de ecuaciones de conservación de masa
Solución
consiste en: • Siete ecuaciones de conservación de masa para el caudal de lodo
Con la medición del caudal de alimentación de lodo al circuito de molienda, la
medición de los caudales de la corriente de adición de agua y la medición del % Variables
de sólidos en el lodo, se pueden calcular los balances de masa de lodo y agua y
• Siete ecuaciones de conservación de masa para variables de % de sólidos •
ajustar los valores medidos asociados. Las ecuaciones de conservación de masa
Siete ecuaciones de conservación de masa para caudal de agua
que se aplican obedecen a las Redes de Conservación de Masa de Agua y Variables
Purines se dan en la Figura ex 3.13-S.
• Siete ecuaciones de conservación de masa para caudal sólido
Variables
Las ecuaciones de conservación de masa para el sólido seco obedecen a la
• Cuarenta y ocho (4 nodos 3 12 fracciones de masa) conservación de masa
misma red excepto que se eliminan las corrientes de adición de agua.
ecuaciones de ción para fracciones de tamaño
Las fracciones de tamaño de masa no se conservan a través de dispositivos
• Cuarenta y ocho ecuaciones de conservación de masa para Cu-por-tamaño
de molienda (molino SAG y molinos de bolas). Por lo tanto, no existe una ecuación
fracciones
de conservación de masa para las fracciones de tamaño alrededor de los
• Una ecuación de conservación de masa para Cu
dispositivos de molienda y, en consecuencia, no hay un nodo para los dispositivos
de molienda en las redes de fracciones de tamaño de masa. El mismo para un total de 135 ecuaciones y 316 variables.
razonamiento se aplica a las fracciones de Cu por tamaño.
Machine Translated by Google

80 Tecnología de procesamiento de minerales de Wills

FIGURA EX 3.13 Circuito de molienda mostrando puntos de muestreo.

FIGURA EX 3.13-S Las redes correspondientes a la Figura ex 3.13

Machine Translated by Google
la fuente de comparación debe estar disponible. Eso se logra
hasta cierto punto a través de la reconciliación de datos
(Berton y Hodouin, 2000). Se puede sospechar un sesgo si
una medida a lo largo del tiempo se ajusta sistemáticamente
a un valor más bajo (o más alto). Una vez que se detecta e
identifica un sesgo, se debe eliminar la fuente del sesgo y el sesgosimulación
Recuerde, el método de mínimos cuadrados generalizados es un
método estadístico para la reconciliación de datos por balance de
masa y el sesgo es un error determinista, no una variable estadística
y, por lo tanto, es una perturbación no deseada en el procesamiento
de datos estadísticos.
Los errores de medición también se pueden caracterizar por
su amplitud, errores pequeños y grandes, y por la distribución de
frecuencias de la señal de medición a lo largo del tiempo: baja
frecuencia, alta frecuencia o cíclica. Aunque no existe una
definición para un error grosero, los errores groseros son
estadísticamente poco probables. Como tal, si se sospecha un
error grave, debe corregirse antes de realizar el ajuste estadístico. y, por lo tanto, es preferible linealizar las ecuaciones alrededor
Por lo general, los errores graves tienen un origen humano o son
el resultado de un instrumento que no funciona correctamente.
Los errores de medición se originan en dos fuentes
principales: errores de muestreo y errores de análisis. Los
errores de muestreo resultan principalmente de la heterogeneidad de valores de covarianza, una característica valiosa para
del material a muestrear y la dificultad de recolectar una muestra
representativa; los errores de análisis resultan de la dificultad
para analizar las composiciones de la muestra. La falta de
eficiencia de los instrumentos utilizados para medir las variables
del proceso también contribuye a los errores de medición. Los
errores de análisis se pueden medir en el laboratorio y, por lo
tanto, la varianza del error de análisis es estimable. Los errores
de muestreo son difíciles de estimar y, por lo general, solo se
pueden clasificar las muestras recolectadas de las más fáciles a las más difíciles de: recolectar.
Suponiendo que se hayan eliminado los errores sistemáticos y
gruesos, los errores de medición puramente aleatorios se
pueden modelar utilizando dos funciones: una que representa
el error de muestreo y la otra que representa el error de análisis.
El modelo más sencillo es el denominado modelo de error
multiplicativo en el que la varianza del error de análisis ðÿ2 AEÞ
se multiplica por un factor (kSE) que representa la
representatividad de la muestra o el error de muestreo: cuanto
mayor sea el valor del factor, menos representativa será la muestra.son los principales contribuyentes al contenido estadístico de la información
ÿ2YO 5 kSEÿ2
AE
(3.60)
El modelo de error multiplicativo puede servir como base para
desarrollar modelos de error más avanzados.
3.6.7 Análisis de sensibilidad
La incógnita restante, una vez que se obtiene un balance de
masa para un conjunto dado de variables de proceso medidas y
errores de medición, es: ¿qué tan confiables son los resultados
del balance de masa o es posible determinar un intervalo de
confianza para cada variable estimada por el balance de masa?
Ese es el objetivo del análisis de sensibilidad.
Capítulo de muestreo, control y balance de masas | 3 81
Suponiendo que se hayan eliminado los errores
sistemáticos y gruesos, y que los errores de medición sean
aleatorios y obedezcan a las distribuciones normales, hay dos
formas principales de determinar la varianza de los valores de
las variables estimadas (caudales de flujo y su composición):
mismo. de Monte Carlo y error calculo de propagacion
Cada método tiene sus propias ventajas y desventajas; cada
método proporciona una estimación de la varianza de las
variables ajustadas o estimadas.
En el enfoque de simulación de Monte Carlo (Laguitton, 1985), los
conjuntos de datos se generan perturbando los resultados del balance
de masa de acuerdo con el modelo de error asumido. Cada nuevo
conjunto de datos se reconcilia estadísticamente y se determinan las
propiedades estadísticas de los conjuntos de datos reconciliados.
En el enfoque de propagación de errores (Flament et al.,
1986; Hodouin et al., 1989), las ecuaciones a través de las
cuales deben propagarse los errores de medición son complejas
de un punto estacionario. Obviamente, el balance de masa
obtenido es un punto estacionario bueno y válido. Luego se
resuelve el conjunto de ecuaciones linealizadas para determinar
las varianzas de las variables. Este método permite el cálculo
calcular intervalos de confianza en torno a indicadores clave de
rendimiento, por ejemplo.
A partir de un conjunto de variables de proceso medidas
y sus varianzas, por lo tanto, es posible determinar un
conjunto de valores conciliados y sus varianzas:
8 9 8 W^ ÿ2j ; 9
Wj; ÿ2Wj
W
^j (3.61)
< =
xij; ÿ2xij = ;. < : x^ij; ÿ2x^ij ;
Se puede demostrar que la varianza de los valores
ajustados es menor que la varianza de los valores medidos.
Si bien la varianza de los valores medidos es la que más
contribuye a la varianza de los valores ajustados, la
reducción de los valores de la varianza resulta de la
información estadística proporcionada. La redundancia de
datos y la topología de las redes de conservación masiva
proporcionado para el cálculo del balance de masa.
3.6.8 Análisis de estimabilidad y redundancia
Hemos visto con la fórmula de n productos que los n 1 componentes
deben analizarse en las n 1 1 corrientes alrededor de la unidad de
proceso para estimar las n tasas de flujo de la corriente de
productos, suponiendo que se conoce la tasa de flujo de la corriente
de alimentación (o se toma como unidad para dar tasas de flujo
relativas ). La fórmula de n productos es la solución a un conjunto
de n ecuaciones con n incógnitas.
En tal caso, hay suficientes datos para calcular las
incógnitas: no hay exceso de datos, es decir, no hay datos
Machine Translated by Google

82 Tecnología de procesamiento de minerales de Wills

redundancia, y las incógnitas son matemáticamente estimables. Por

lo tanto, una definición de redundancia es:
Una medida es redundante si el valor de la variable sigue siendo
estimable en caso de que el valor medido deje de estar disponible.
De la definición se sigue que el valor medido es en sí mismo una
estimación del valor variable. Se pueden obtener otras estimaciones
mediante cálculos utilizando otras variables medidas y ecuaciones de
conservación de la masa.
Con la fórmula de n productos, es fácil determinar la estimabilidad
y la redundancia de los datos. En balances de masa complejos,
determinar la estimabilidad y la redundancia de los datos es bastante
complicado (Frew, 1983; Lachance y Flament, 2011).
La estimabilidad y la redundancia no pueden determinarse simplemente
por el número de ecuaciones para el número de incógnitas. No es raro
observar redundancia global con falta de estimabilidad local (Ejemplo
3.14).
¿Cuáles son los factores que influyen en la estimabilidad y la
redundancia? Obviamente, del ejemplo 3.14, el número de variables
medidas es un factor fuerte, pero no es el único. La topología de la
red también es un factor. En el caso del ejemplo 3.14, si uno de los
flujos de productos de la unidad B se recicló a la unidad A, entonces,
con dos metales analizados en cada flujo, todos los análisis de metales
serían redundantes y ajustables.
Vale la pena señalar que analizar componentes de flujo adicionales
no necesariamente aumenta la redundancia y permite estimabilidad.
Un componente que no se separa en la unidad de proceso tiene la
misma o casi la misma concentración en cada muestra de flujo. La
ecuación de conservación de masa asociada es entonces similar
(colineal) a la conservación de masa de los sólidos, lo que impide que
se resuelva todo el conjunto de ecuaciones.
Los análisis de estimabilidad y redundancia son análisis complejos
que se realizan mejor con algoritmos matemáticos. Sin embargo, las
matemáticas son demasiado complejas para presentarlas aquí.
Ejemplo 3.14
En el siguiente problema de balance de masa (Figura ex 3.14),
determine la estimabilidad y la redundancia de cada variable que
ingresa al balance de masa considerando que se mide el caudal
másico de la corriente de alimentación y: 1. Se analizó un metal en
cada muestra; 2. Se han analizado dos metales en cada muestra.
Solución
Cuando se analiza un metal en cada una de las 6 corrientes:
Hay 4 ecuaciones (2 para caudales másicos y 2 para el ensayo
de metales) y 5 incógnitas. El sistema está globalmente
subdeterminado ya que no hay suficientes ecuaciones para el
número de incógnitas.
Alrededor del nodo A, se puede aplicar la fórmula de 2 productos
y, por lo tanto, se pueden estimar los caudales másicos de los
productos de la unidad A. Sin embargo, alrededor del nodo B, no
se puede aplicar una fórmula de 3 productos ya que solo se ha
realizado un ensayo de metal. Los caudales de la corriente de
producto de la unidad B no son estimables. Los ensayos de
metales no son redundantes y no se pueden ajustar mediante la
reconciliación de datos estadísticos.
Cuando se analizan dos metales en cada una de las 6 corrientes:
Hay un total de 6 ecuaciones y 5 incógnitas. El sistema es por lo
tanto globalmente redundante y estimable a priori. Alrededor del
nodo A, la fórmula de 2 productos se puede aplicar con cada
ensayo de metal y, por lo tanto, los caudales másicos de las dos
corrientes de productos son estimables y los análisis de metales
en las 3 corrientes alrededor de la unidad A son redundantes y
ajustables. Alrededor del nodo B, se puede aplicar la fórmula de
3 productos y, por lo tanto, los caudales másicos de la corriente
de 3 productos son estimables ahora que se conoce el caudal
másico de la corriente de alimentación a la unidad B.
Sin embargo, los análisis de metales no son redundantes ni
ajustables.

3.6.9 Programas informáticos de balance de masa Puede ser

tentador utilizar hojas de cálculo para calcular los balances de masa.

De hecho, las hojas de cálculo ofrecen la mayoría de las funciones
necesarias para desarrollar y resolver fácilmente un problema de FIGURA EX 3.14 El circuito.
balance de masa. Sin embargo, las hojas de cálculo son propensas a
errores, costosas de solucionar y mantener con el tiempo, y se limitan
muy rápidamente para satisfacer las necesidades y los requisitos de
los balances de masa complejos y sus estadísticas (Panko, 2008).
Existen varios proveedores de programas informáticos para
producción y contabilidad metalúrgica), un buen programa de
cálculos de balance de masa a una variedad de precios.
computadora debe ofrecer:
Si bien es posible que no se requieran todas las características de
una solución avanzada para un determinado tipo de aplicación • Una manera fácil de definir, listar y seleccionar ecuaciones de
(investigación, estudio de procesos, proyecto de modelado y conservación de masa • Una manera fácil de definir modelos de
simulación, balanceo de masa en línea para necesidades de control automático,
error riguroso
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 83

• Herramientas de visualización y validación para detectar rápidamente
errores graves
• Una herramienta de análisis de sensibilidad
• Una herramienta de análisis de estimabilidad y redundancia
• Herramientas estadísticas para validar los modelos de error contra
los ajustes realizados
Además, dependiendo de los tipos de balance de masa
y aplicación, el programa debe proporcionar:
• Compatibilidad con análisis completos (p. ej., distribuciones de tamaño)
• Compatibilidad con fracciones de ensayo por tamaño
• Conectividad a sistemas externos (bases de datos de archivo,
Sistemas de gestión de información de laboratorio) para
adquisición de datos automatizada
• Detección y eliminación automatizadas de errores graves
• Configuración automatizada de modelos de conservación en masa
notará que es importante retener un gran número
de cifras significativas para evitar “errores de redondeo”, redondeo
al final para crear los valores dados en la Tabla 3.3.) De
la fracción sólida el tonelaje a concentrar se calcula por
multiplicando por el caudal de sólidos de alimentación (es decir,
25.650 3 0,065 5 1.674,1), que a su vez da el tonelaje a relaves. La
recuperación al concentrado se da
usando la Ec. (3.27), y por lo tanto la recuperación (pérdida) de cruz es
conocido; en conjunto, la recuperación y la pérdida se denominan
“distribución” en el cuadro. La información en la tabla sería
utilizarse, por ejemplo, para comparar el rendimiento entre
periodos de tiempo, y para calcular el Retorno Neto de Fundición
(Capítulo 1).
3.7 EJEMPLO DE BALANCE DE MASA

• Una herramienta de informes CÁLCULOS

• Una base de datos dedicada para respaldar los requisitos complementarios
• Análisis de tendencias
• Capacidades de balance de masas múltiples
Se puede encontrar información adicional en Crowe
(1996), Romagnoli y Sánchez (1999) y Morrison
Se ha descrito el balance de masa basado en ensayos de metales,
y se utiliza para ilustrar la reconciliación de datos. Como se señaló, los
componentes que no sean de metal (o mineral) se pueden utilizar para
equilibrio de masas. El uso del tamaño de partícula y el porcentaje
se ilustran los sólidos; esto se hace sin el asociado

(2008). reconciliación de datos, pero recuerde, esto siempre es necesario para un

trabajo preciso.

3.6.10 Estado de Balance Metalúrgico

Uno de los resultados principales del ejercicio de muestreo, análisis,
balance de masas/reconciliación de datos es el análisis metalúrgico.
balance, una declaración de rendimiento durante un período determinado:
un turno, un día, una semana, etc. Suponiendo que el conciliado
Los datos del Ejemplo 3.12 corresponden a un día en que el rendimiento
fue de 25 650 t (medido con un pesometro y corregido por humedad), el
balance metalúrgico se vería
algo como en la Tabla 3.3.
Los cálculos en la columna Wt (peso) son de
el sólido (masa) dividido usando la ecuación. (3.25). Debería ser evidente
usando los datos conciliados en la Tabla ex 3.12a que
independientemente de qué ensayo de metal se seleccione para realizar el
cálculo de que el resultado para la división sólida es el mismo
(incluyendo el uso de Fe), dando WC/WF 5 0,065. (Al comprobar
3.7.1 Uso del tamaño de partícula
Muchas unidades, como hidrociclones y separadores por gravedad,
producir un grado de separación de tamaño y el tamaño de partícula
los datos se pueden usar para el balance de masa (Ejemplo 3.15).
El ejemplo 3.15 es un ejemplo de minimización del desequilibrio de
nodos; proporciona, por ejemplo, el valor inicial para el
minimización generalizada de mínimos cuadrados. este gráfico
el enfoque se puede usar siempre que haya un "exceso" de datos de
componentes; en el Ejemplo 3.9 se podría haber usado.
El ejemplo 3.15 usa el ciclón como nodo. Un segundo
nodo es el sumidero: este es un ejemplo de 2 entradas (fresco
alimentación y descarga del molino de bolas) y una salida (ciclón
alimento). Esto da otro balance de masa (Ejemplo 3.16).
En el Capítulo 9 volvemos a este ejemplo de circuito de molienda.
usando datos ajustados para determinar la partición del ciclón
curva.

TABLA 3.3 Balance metalúrgico para XY Zn 3.7.2 Uso de porcentaje de sólidos

Concentrador para el Día Z
Una unidad que da una gran diferencia en % de sólidos entre
Peso del producto (t) Calificación (%) Distribución (%)
streams es un espesante (Ejemplos 3.17); otro es el
zinc cobre cobre zinc hidrociclón (Ejemplo 3.18).

Alimento 25,650.0 3.89 0.17 100 100

concentración de Zn 1.674,1 52.07 0,66 87.35 25.71 3.7.3 Ilustración de la sensibilidad de la recuperación
23.975,9 0,53 0.13 12.65 74.29 Cálculo
relaves

Véase el Ejemplo 3.19.

Machine Translated by Google

84 Tecnología de procesamiento de minerales de Wills

Ejemplo 3.15 Si bien esto puede parecer que simplemente podríamos aplicar la fórmula
Los arroyos alrededor del hidrociclón en el circuito (Figura ex de dos productos, siempre es recomendable configurar la solución
3.15) fueron muestreados y secados para análisis de tamaño de partícula con a partir de los saldos básicos. Intentar recordar fórmulas es una invitación al
los resultados de la Tabla ex 3.15. Determine los sólidos divididos en error.

subdesbordamiento y la carga circulante. Las estimaciones de U/F derivadas de cada clase de tamaño son

incluido en la tabla. Este es otro ejemplo donde los errores en

Solución
los datos producen incertidumbre en el balance de masa. Tenga en cuenta que
Partición de sólidos: Podemos configurar el cálculo de la siguiente manera
las dos estimaciones que están lejos de las otras, para las 105 ÿm
reconociendo primero los dos equilibrios:
y fracciones de tamaño de 74 ÿm, corresponden a situaciones donde hay
Sólidos: F 5 O 1 U
hay poca diferencia en los datos entre los tres flujos, por lo que
Tamaño de partícula: F f 5 O o 1 U u
el cálculo numéricamente inestable (si los tres fueran iguales
donde F, O, U se refieren al caudal de sólidos (secos) de alimentación, desbordamiento no se encuentra solución).

y underflow, y f, o, u se refieren a la fracción de peso (o %) en Reordenando podemos escribir:

cada clase de tamaño. Dado que la pregunta pide que los sólidos se dividan en
tu
subdesbordamiento, U/F, podemos usar el balance de sólidos para sustituir
ðf 2 oÞ 5 ðu 2 oÞ
F
O (5F U) en el balance de tamaño de partícula. Después de reunir los términos
y reordenando llegamos a:
Tiene la forma de una ecuación lineal que pasa por
tu ðf 2 oÞ
5 el origen (y 5 mx) donde la pendiente es división sólida U/F.
F ðu 2 oÞ La figura ex 3.15-S muestra el gráfico resultante e incluye el
división de sólidos resultante de la regresión lineal usando la función en Excel.

La trama está de acuerdo con las expectativas y la división de sólidos es

por lo tanto:

tu
5 0:616
F

Carga circulante: Si bien esto se encuentra y se define

más tarde (por ejemplo, el capítulo 7), es suficiente aquí para notar que se da
por el caudal que regresa al molino de bolas (U) dividido por
la tasa de alimentación fresca al circuito (N); eso es, y
FIGURA EX 3.15 Circuito de molienda, molino de bolas cerrado con un
hidrociclón. observando que N 5 O (en estado estacionario), podemos escribir:

TABLA EJEMPLO 3.15 Datos de distribución de tamaño obtenidos en la alimentación, el desbordamiento y el subdesbordamiento del ciclón

Tamaño* (ÿm) FC COF CUF para tu (fo)/(uo)

1592 7.69 0.01 12.84 7.68 12.83 0.599

2592 1 419 4.69 0.34 7.18 4.35 6.84 0.636

2419 1 296 6.68 0.7 9.96 5.98 9.26 0.646

2296 1 209 7.03 2.61 9.32 4.42 6.71 0.659

2209 1 148 11.29 7.63 13.6 3.66 5.97 0.613

2148 1 105 13.62 13.55 14.91 0.07 1.36 0.051

2105 1 74 11.39 11.52 10.42 2 0.13 2 1.1 0.118

274 1 53 9.81 15 7.19 2 5.19 2 7.81 0.665

253 1 37 5.65 9.37 3.32 2 3.72 2 6.05 0.615

237 22.15 39.27 11.26 2 17.12 2 28.01 0.611

100 100 100

Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 85

tu
CL 5
O

Podríamos abordar el problema de la misma manera que

hizo para resolver U/F (sustituyendo F en este caso). Más
directamente CL se da observando que:

U 5 0:616 F y por lo tanto O 5 0:384 F

donación:

tu 0:616
5
5 1:60
O 0:384

Por tanto, la carga circulante es 1,60, a menudo expresada como un

porcentaje, 160%. Veremos que este es un valor típico para un
circuito cerrado molino de bolas-ciclón (Capítulos 7 y 9).

FIGURA EX 3.15-S Gráfica de (fo) vs. (uo) para determinar sólidos

separar.

Ejemplo 3.16
Al mismo tiempo que se tomaron muestras de los arroyos alrededor del ciclón, Combinando ecuaciones para eliminar F deducimos que:

también se tomaron muestras de los arroyos alrededor del sumidero, y n2f

CL 5
tamaño Los resultados de la medición para dos clases de tamaño, 1592 ÿm f2b
y 237 ÿm se dan en la Tabla ex 3.16.
Las estimaciones de CL se incluyen en la tabla. Claramente, hay
Determine la carga circulante.
es error, siendo el resultado para 237 ÿm incluso negativo. Después de la
Solución reconciliación, los datos ajustados y el balance de masa se dan a continuación:
Las ecuaciones de balance de masa para el sumidero son:
592 19.42 1.44 8.27 11.15 6.83 1.633
Sólidos: N 1 B 5 F
Tamaño de partícula: N n 1 B b 5 F f 2 37 20,66 21,61 21,25 2 0,59 2 0,36 1,639
B
y CL 5 norte

Claramente ahora los datos concuerdan más estrechamente con el resultado.

en el ejemplo 3.15. Por experiencia, el equilibrio de masas alrededor del
el sumidero es menos confiable que alrededor del ciclón.

TABLA EX 3.16 Datos de distribución de tamaño sin procesar (sin ajustar) para alimentación nueva, descarga de molino de bolas,
y alimentación ciclónica

norte b F nf pensión completa

(nf)/(fb)

592 19.86 2.16 7.69 12.17 5.53 2.201

237 19.84 20.27 22.15 22.31 1.88 21.229

El ejemplo 3.19 plantea una pregunta sobre cómo estimar
la varianza En este caso, una desviación estándar relativa
(desviación estándar dividida por la media) se tomó y
se supone igual para todos los ensayos. La desviación estándar podría
desglosarse en el asociado al muestreo y
el asociado con el ensayo, o algún otro "modelo de error".
Independientemente, hay cierto cuestionamiento del uso común
de la desviación estándar relativa como el estándar absoluto
desviación disminuye a medida que disminuye el valor del ensayo y algunos
diría que esto no es realista. Modelos de error alternativos
que evitan esto han sido sugeridos (Morrison, 2010),
pero ninguno parece ser universalmente aceptado.
Machine Translated by Google

86 Tecnología de procesamiento de minerales de Wills

Ejemplo 3.17 La Ejemplo 3.18

alimentación a un espesador tiene un 30 % de sólidos en peso y el caudal
inferior es un 65 % en peso. Calcule la recuperación de agua al desbordamiento
Rw/o suponiendo que no se presenten sólidos en el desbordamiento.
Solución
Haciendo referencia al Ejemplo 3.15, al mismo tiempo se determinaron los
datos de % de sólidos en cada corriente: alimentación, 55%; desbordamiento,
41%; y underflow, 70%. Determine la división de sólidos en el flujo inferior y la
división de agua en el flujo inferior.

Podemos abordar el problema de dos maneras: 1, comenzando con un equilibrio Solución El

en la suspensión, y 2, utilizando proporciones de dilución. Usando F, O, U para problema podría plantearse comenzando con el equilibrio de la lechada, pero
representar las tasas de flujo de alimentación, desbordamiento y se presta al enfoque de la relación de dilución. Usando el mismo simbolismo
subdesbordamiento, f, o, u para representar el % de sólidos (como una fracción) que en el Ejemplo 3.17 , las razones de dilución
y los subíndices sl, s y w para representar la suspensión, los sólidos y el agua, son:

podemos escribir los saldos correspondientes.

100 2 fs 0

Balances basados en lodo: Podemos escribir tres balances: Lodo: Fsl 5 Fw 5 Fs 5 Fsf fs s 5 Fsð0:818Þ
Osl 1 Usl Sólidos: Fslfs 5 Oslos 1 Uslus Agua: Fslð1 2 fsÞ 5 Oslð1 2 osÞ
100 2 os 0

1 Uslð1 2 usÞ o 5 os 5 Oso s 5 Osð1:439Þ

sistema operativo

100 2 nosotros 0

y así la recuperación de agua estará dada por: Uw 5 nosotros 5 Usú s 5 Usð0:429Þ

a nosotros

osl 1 2 os 1
-Osl 3
Rw=o 5
Fsl 1 2 fs FSL 1 2 fs Partición de sólidos: Los dos saldos son:
Sólidos: Fs 5 Os 1 Us
Dado que Usl no aparece en la ecuación de recuperación, se puede sustituir 0 0 0

Agua: Fsf s 5 Oso s 1 usuarios

por (Fsl Osl) del balance de lodo en el balance de agua (esto es una combinación
efectiva de las dos ecuaciones). De esta forma se obtiene la relación Osl/Fsl a donación:
partir de la ecuación del balance hídrico:
A nosotros

Partición de sólidos: Rs=u 5 fs

Combinando ecuaciones para eliminar Os obtenemos:

osl nosotros 2 fs
0 0
5
Fs 2 o s 0:818 2 1:439
FSL a nosotros 5
Rs=u 5 u0 0:429 2 1:439
s 2o0 _s
y así Rw/o se determina:
Rs=u 5 0:614ðo 61:4%Þ
nosotros 2 fs

Rw=o 5
usð1 2 fsÞ
Balances basados en relaciones de dilución: Usando relaciones de dilución
(Sección 3.4) se puede obtener el caudal másico de agua, como se ilustra
usando la corriente de alimentación como ejemplo: Sólidos de alimentación: Fs
5 Fslfs Agua de alimentación: Fw 5 Fslð1 2 fsÞ 1 2 fs De la relación: Fw 5
Fs fs
Esto se compara bien con la estimación del ejemplo 3.15, que a menudo
no es el caso cuando se utilizan datos sin procesar, es decir, sin ajustar; los
datos de % de sólidos podrían incluirse en el balance de masa/reconciliación de
datos, y deben incluirse si se van a utilizar los valores de flujo derivados de esos
datos.
División de agua: La división de agua es:
0

uw Usú s
5
Rw=t 5
FW FSF s0

Se pueden escribir expresiones análogas para el caudal de agua en las

0:429
otras corrientes. Se notará que la expresión de Ow en este ejemplo no es Rw=u 5 0:614 3 0:818
determinable (ya que Os y os son cero). Así, el Rw/o se determina a partir de:
Rw=u 5 0:322ðo 32:2%Þ

uw La separación del agua hasta el desbordamiento, también conocida como

Rw=o 5 1 2
FW recuperación de agua hasta el desbordamiento, es un parámetro importante en
el modelado del rendimiento de un ciclón (Capítulo 9).
Después de sustituir por las proporciones de dilución y reordenar obtenemos:

nosotros 2 fs

Rw=o 5
usð1 2 fsÞ

Por lo tanto, los dos enfoques dan el mismo resultado, como debe ser el
caso.
Ejemplo 3.19 Un
Resolviendo obtenemos:
concentrador trata una alimentación de 2,0% de metal. Compare el intervalo de
0:65 2 0:30
confianza del 95% en la recuperación para las siguientes dos condiciones:
Rw=o 5
0:65 3 ð1 2 0:3Þ

Rw=o 5 0:769 o 77% una. Produciendo concentrado con ley de 40% de metal y relaves de 0.3% de
metal.
Machine Translated by Google

Capítulo de muestreo, control y balance de masas | 3 87

b. Produciendo concentrado con ley de 2,2% de metal y relaves de 1,3% de

REFERENCIAS
metal. Aldrich, C., et al., 2010. Monitoreo y control en línea de sistemas de flotación de espuma

Considere que la desviación estándar relativa del metal con visión artificial: una revisión. En t. J. Minero. Proceso. 96 (1-4 ), 1 13.

ensayos es del 5% en ambos casos.

Almasy, GA, Mah, RSH, 1984. Estimación de las variaciones del error de medición a
Solución a) partir de los datos del proceso. Ing. Ind. química Proceso Des. desarrollo 23 (4), 779
Recuperación: 784.
De la Ec. (3.27): R5 85.6% AMIRA, 2007. P754: Contabilidad Metálica - Código de Práctica y
Directrices, Versión 3.
Desviación estándar en R:
Anónimo, 2011. Uso de la difracción de rayos X para resolver problemas de procesamiento
Resolviendo para VR (Ec. (3.33)) da:
de minerales CSIRO Process Science and Engineering, octubre de 2011.
VR 5 0:14492ð394:023Vf 1 0:001806Vc 1 16044:44VtÞ Apelt, TA, et al., 2002. Medición inferencial de SAG mill para

Para insertar los valores de Vf, Vc y Vt , las desviaciones estándar metros II: estimación del estado. Minero. Ing. 15 (12), 1043 1053.
Arena, T., McTiernan, J., 2011. Análisis en la banda en la operación de cobre de Sepon .
relativas deben cambiarse a valores absolutos, ÿ (recuerde que la Ec. (3.33)
proc. Diseño de Plantas Metalúrgicas y Estrategias Operativas (MetPlant 2011).
está escrita en términos de fracciones): 5 5% de 2.0% 5 0.1% ( o 0,001); 5
AusIMM, Perth, WA, Australia, págs. 527 535.
ÿf 5% de 40% 5 2% (o 0,02);
Bauer, M., Craig, IK, 2008. Evaluación económica del control avanzado de procesos Una
ÿc
y ÿt 5 5% de 0,3% 5 0,015% (o 0,00015) encuesta y un marco. J. Control de Procesos. 18 (1), 2 18.

Sustituyendo da (recordando que V 5 ÿ2 ): VR 5 Bauer, M., et al., 2007. Un índice de ganancias para evaluar los beneficios del control de
0.14492 (0.000394 1 7.225E 10 1 0.000361) procesos. Ing. Ind. química Res. 46 (17), 5614 5623.
VR 5 0.00011 Bearman, RA, Milne, RW, 1992. Sistemas expertos: oportunidades en la industria de los
minerales. Minero. Ing. 5 (10-12), 1307 1323.
Es decir: ÿR 5 0.01046 (o 1.05%)
Bergeron, A., Lee, DJ, 1983. Un enfoque práctico para el análisis en línea
La desviación estándar de la recuperación es 6 1,05 % o un intervalo de
hermana mín. revista Octubre, 257 261.
confianza del 95 % aproximado de 2 3 1,05 % o 2,1 %. La recuperación se
Berton, A., Hodouin, D., 2000. Detección estadística de errores brutos en cálculos de
informa mejor, por lo tanto, como:
balance de materia. En: Herbst, JA (Ed.), Control 2000: Procesamiento mineral y
R 5 85:6 6 2:1%
metalúrgico. SME, Littleton, CO, EE. UU., págs. 23 33. (Capítulo 3).

Soluciónb) Blanchette, G., et al., 2011. Errores de estimación para el inventario de oro en grandes
Recuperación: tanques de lixiviación de carbono. proc. 43ª Reunión Anual de la Conf. de
De la Ec. (3.27): R 5 85.6% (es decir, lo mismo) Procesadores de Minerales de Canadá. CIM, Ottawa, ON, Canadá, págs. 477 490.

Desviación estándar de R: Box, GEP, Draper, NR, 1998. Operación evolutiva: un método estadístico para la
mejora de procesos. Ed. Clásicos. John Wiley and Sons, Nueva York, NY, EE.
Resolviendo para VR (Ec. (3.33)):
UU.
VR 5 3:11675ð0:2025 Vf 1 0:10124 Vc 1 0:02367 VtÞ Boyd, R., 2005. Un enfoque innovador y práctico para el muestreo de lodos para la

Para insertar los valores de Vf, Vc y Vt el estándar relativo contabilidad metalúrgica. ,www.thermo.com.cn/ Resources/201007/27101513615.doc..

las desviaciones deben cambiarse a valores absolutos, ÿ:

ÿf 5 5% de 2,0% 5 0,1% (o 0,001); 5 5% de Braden, TF, et al., 2002. Análisis de composición en línea de lodos minerales. En: Mular,

ÿc 2,2% 5 0,11% (o 0,0011); AL, et al., (Eds.), Diseño, práctica y control de plantas de procesamiento de minerales,
vol. 2. SME, Littleton, CO, EE. UU., págs. 2020 2047.
y ÿt 5 5% de 1,3% 5 0,065% (o 0,00065)
Sustituyendo da (recordando que V 5 ÿ2 ): Brdys, M., Tatjewski, P., 2005. Algoritmos iterativos para el control de optimización

VR 5 3:11675ð2:025E 2 07 1 1:225E 2 07 1 1E 2 08Þ multicapa. Prensa del Colegio Imperial.

RV 5 0:01044 Burgos, R., Concha, F., 2005. Desarrollo posterior de software para el diseño y simulación
de espesadores industriales. química Ing. J. 111 (2-3 ), 135 144.
Eso es:

ÿR 5 0:102ðo 10:2%Þ Cao, S., Rhinehart, RR, 1995. Un método eficiente para la identificación en línea
catión de estado estacionario. J. Control de Procesos. 5 (6), 363 374.
Y el intervalo de confianza del 95% es:
Caro, D., 2009. Selección de redes de automatización: un manual de referencia.
R 5 85:6 6 20:4% segunda ed. Editorial: ISA (Sociedad Internacional de Automatización).

La incertidumbre mucho mayor en el Ejemplo 3.19 (b) en comparación

Chang, JW, Bruno, SJ, 1983. Sistema de control de procesos en la minería
con a) ilustra nuevamente la mayor incertidumbre en el valor de la recuperación
industria. Mín. mundial 36 (mayo), 37 41.
cuando el metal (o cualquier componente) no está bien separado.
Chen, J., et al., 1997. Estimación robusta de la varianza del error de medición/
covarianza de los datos de muestreo del proceso. computar química Ing. 21 (6), 593
600.
Machine Translated by Google
88 Tecnología de procesamiento de minerales de Wills
Clarkson, CJ, 1986. El potencial de automatización y control de procesos en la preparación
del carbón. Norrie, AW, Turner, DR (Eds.), Proc.
Automatización para el Desarrollo de Recursos Minerales: 1er Simposio de IFAC,
Brisbane, Queenland, Australia, pp. 247 252.
Cortés, G., et al., 2008. Control predictivo multivariable de flotación rougher: concentrador
A-1 División Codelco Norte. Kuyvenhoven, R., et al. (Eds.), Proc. Inertnation Mineral
Processing Conf., Santiago, Chile, pp. 327 337.
Crowe, CM, 1996. Progreso y desafíos de la reconciliación de datos . j
Control de procesos. 6 (2-3), 89 98.
Cutting, GW, 1976. Estimación de balances de masa entrelazados en plantas complejas
de beneficio de minerales. En t. J. Minero. Proceso. 3 (3), 207 218.
Darouach, M., et al., 1989. Estimador de máxima verosimilitud de las varianzas del error
de medición en la reconciliación de datos, Proc. Procesamiento avanzado de
información en control automático (AIPAC'89), IFAC, Nancy, Francia, pp. 109 112.
Duarte, M., et al., 1998. Optimización de la operación de molienda de la planta
concentradora CODELCO-Andina. Minero. Ing. 11 (12), 1119 1142.
Duchesne, C, 2010. Análisis de imágenes multivariadas en el procesamiento de minerales.
En: Sba´rbaro, D., del Villar, R. (Eds.), Supervisión y Control Avanzado de Plantas
de Procesamiento de Minerales. Springer, Londres, págs. 85 142. (Capítulo 3).
Edwards, R., et al., 2002. Estrategias para instrumentación y control de circuitos de
molienda. En: Mular, AL, et al., (Eds.), Diseño, práctica y control de plantas de
procesamiento de minerales, vol. 2. SME, Littleton, CO, EE. UU., págs. 2130 2151.
Finch, JA, Matwijenko, O., 1977. Comportamiento mineral individual en un circuito de
molienda cerrado. Bol. CIM, 70(788), 164 172.
Flament, F., et al., 1986. Propagación de errores de medición en el cálculo de balance de
masa de datos de procesamiento de minerales, Proc. XIX Simposio Internacional de
Aplicación de Computadores e Investigación Operativa (APCOM'86). Aplicaciones
de procesamiento de minerales I, págs. 553 562 (capítulo 50).
Flintoff, B., 2002. Introducción al control de procesos. En: Mular, AL, et al., (Eds.), Diseño,
práctica y control de plantas de procesamiento de minerales, vol.
2. SME, Littleton, CO, EE. UU., págs. 2051 2065.
Flintoff, B., et al., 1991. Justificación de proyectos de control. En: Halbe, DN
(Ed.), Operadores de planta. SME, Littleton, CO, EE. UU., págs. 45 53.
Flintoff, B., et al., 2014. Innovaciones en instrumentación y control de trituración.
Procesamiento de minerales y metalurgia extractiva: 100 años de innovación.
SME, Englewood, CO, EE. UU., págs. 91 116.
Franc¸ois-Bongarc¸on, D., Gy, P., 2002a. Aspectos críticos del muestreo en molinos y
plantas: una guía para comprender las auditorías de muestreo. JS Af.
Inst. mín. Metal. 102 (8), 481 484.
Franc¸ois-Bongarc¸on, D., Gy, P., 2002b. El error más común al aplicar la 'Fórmula de
Gy' en la teoría del muestreo de minerales y la historia del factor de liberación. JS
Af. Inst. mín. Metal. 102 (8), 475 480.
Frew, JA, 1983. Diseño asistido por computadora de esquemas de muestreo. En t. j
Minero. Proceso. 11 (4), 255 265.
Geelhoed, B., 2011. ¿Es precisa la fórmula de Gy para el error de muestreo fundamental ?
Evidencia experimental. Minero. Ing. 24 (2), 169 173.
Gonza´lez, GD, 2010. Soft sensing. En: Sba´rbaro, D., del Villar, R.
(Eds.), Supervisión y Control Avanzado de Plantas de Procesamiento de Minerales.
Springer-Verlag, London Limited, Reino Unido, págs. 143 212.
(Capítulo 4).
Gonza´lez, GD, et al., 2003. Local models for soft-sensors in a rougher
banco de flotación. Minero. Ing. 16 (5), 441 453.
Gy, PM, 1967. L'Echantillonage des Minerais en Vrac (Muestreo de materiales particulados).
vol. 1. Revue de l'Industrie Minerale, Especial, No. St. Etienne, Francia.
Gy, PM, 1982. Muestreo de materiales particulados: teoría y práctica. segunda ed.
Elsevier, Ámsterdam.
Hales, LB, Ynchausti, RA, 1992. Redes neuronales y su uso en la
predicción de la potencia del molino SAG. En: Kawatra, SK (Ed.), Conminución -
Teoría y práctica. SME, Littleton, CO, EE. UU., págs. 495 504. (Capítulo 36).
Hales, LB, Ynchausti, RA, 1997. Sistemas expertos en trituración
estudios de casos. En: Kawatra, SK (Ed.), Prácticas de trituración.
SME, Littleton, CO, EE. UU., págs. 57 68. (Capítulo 8).
Harris, CA, Meech, JA, 1987. Lógica difusa: una técnica de control potencial para el
procesamiento de minerales. Toro CIM. 80 (905), 51 59.
Herbst, JA, Bascur, OA, 1984. Control de procesamiento de minerales en las realidades y
1980 los sueños. En: Herbst, JA (Ed.), Control '84 Procesamiento mineral/
metalúrgico. Control de procesamiento de minerales en la década de 1980. SME,
Nueva York, NY, EE. UU., págs. 197 215. (Capítulo 21).
Herbst, JA, Bascur, OA, 1985. Estrategias de control alternativas para el carbón
flotación. Minero. Metal. Proceso. 2, 1 9.
Herbst, JA, Pate, WT, 1996. Estimación en línea de volúmenes de carga en molinos
semiautógenos y autógenos, Proc. 2ª Conferencia Internacional sobre Tecnología de
Molienda Autógena y Semiautógena, vol. 2, Vancouver, BC, Canadá, págs. 669 686.
Hodouin, D., 2011. Métodos de control automático, observación y optimización en plantas
de procesamiento de minerales. J. Control de Procesos. 21 (2), 211 225.
Hodouin, D., Everell, MD, 1980. Un procedimiento jerárquico para el ajuste y el balance
de materiales de datos de procesos minerales. En t. J. Minero.
Proceso. 7 (2), 91 116.
Hodouin, D., Najim, K., 1992. Control adaptativo en el procesamiento de minerales.
Toro CIM. 85 (965), 70 78.
Hodouin, D., et al., 1989. Fiabilidad de los cálculos de balance de materia un enfoque de
sensibilidad. Minero. Ing. 2 (2), 157 169.
Holdsworth, M., et al., 2002. Optimización de la producción de concentrados en la mina
Green's Creek. proc. Reunión Anual Pyme, Preprint 02-063.
SME, Phoenix, AZ, EE. UU., págs. 1 10.
Holmes, RJ, 1991. Métodos de muestreo: problemas y soluciones.
En: Malhotra, D., et al., (Eds.), Evaluación y optimización del rendimiento metalúrgico.
SME, Littleton, CO, EE. UU., págs. 157 167.
(Capítulo 16).
Holmes, RJ, 2004. Muestreo y medición correctos: la base de una contabilidad
metalúrgica precisa. Quimio. Intel. Laboratorio. sist. 74 (1), 71 83.
Hulthe´n, E., Evertsson, CM, 2011. Algoritmo en tiempo real para el control de trituradoras
de cono con dos variables. Minero. Ing. 24 (9), 987 994.
Janse Van Vuuren, MJ, et al., 2011. Detección de cambios en los estados operativos de
los hidrociclones. Minero. Ing. 24 (14), 1532 1544.
Jansen, W., 2009. Aplicación de las mejores prácticas en la contabilidad y reconciliación
de la producción de metales. Ing. mín. J. (EyMJ). 211 (10), 68 71.
Johnson, NW, 2010. En: Greet, CJ (Ed.), Métodos existentes para el análisis de
procesos. Optimización de plantas de flotación: una guía metalúrgica para
identificar y resolver problemas en plantas de flotación. AusIMM, págs. 35 63.
Jonas, R., 2008. Control avanzado para el procesamiento de minerales: mejor que los
sistemas expertos. proc. 40ª Conferencia Anual de Operadores de Procesadores
de Minerales . CIM, Ottawa, ON, Canadá, págs. 421 443.