En general en el Protocolo de Muestreo es vital una adecuada muestra para poder caracterizar eficientemente la mena.

Esta debe ser lo más representativa posible para extrapolar sus propiedades a todo el mineral. Uno de los principales problemas que existe al analizar un grupo de varios trozos de rocas seleccionados al azar de una masa de mineral, es la obtención de diferentes resultados de análisis entre uno y otro trozo debido a una distribución no uniforme de minerales de un fragmento a otro. Estas características se llaman Heterogeneidades. Se tienen 2 tipos de Heterogeneidades: 1).- De Composición: Si se seleccionan al azar trozos de roca de una masa de mineral se tendrán variaciones de análisis entre uno y otro trozo debido a una distribución no uniforme de minerales de un fragmento a otro. Esto es lo que se denomina heterogeneidad de composición. Las variaciones entre fragmentos individuales de rocas tienden a aumentar a medida que disminuye el tamaño de las partículas (es decir aumenta el grado de reducción de tamaño del material). Esto se debe a que al disminuir el tamaño del material, más partículas minerales están liberadas, es decir, libre de ganga. Para una muestra consistente de varias partículas de diferentes tamaños, las variaciones entre muestras tienden a disminuir a medida que aumenta el tamaño de la muestra (se incluye más partículas en la muestra), puesto que la muestra incluye una variedad de partículas teniendo un rango de contenido mineral y tamaños. Las variaciones entre muestras pueden reducirse al nivel que se desee, tomando muestras más grandes, pero debe considerarse que un aumento en el tamaño de la muestra resulta un mayor costo para realizar el muestreo con muestras de mayor peso También es importante la ley de la mena. Una mena de alta ley se puede caracterizar adecuadamente con una muestra más pequeña comparada con una de baja ley a igualdad del resto de los factores. Factor Extra: Es importante la razón entre el tamaño de grano del mineral en la roca al tamaño del pedazo de roca. Menor Tamaño de Muestra: Es preciso tratar con muestras de menas de tamaño más pequeño que grandes, ya que se tendrá un mayor número de partículas en el mismo volumen de muestra. 2).- De Distribución: Provocada porque la distribución de fragmentos de material no es al azar sino que existe segregación. Para que la distribución sea al azar es necesario que la posición espacial de cualquier fragmento sea independiente de sus características de tamaño, forma y densidad. Este tipo de heterogeneidad debe tratar de evitarse en la práctica ya que produce un enorme aumento del error de muestreo. No sólo es importante determinar el tamaño de la muestra, también lo es determinar las etapas sucesivas de reducción de tamaño y remuestreo, a las que debe ser sometida ésta antes de obtener la muestra final, que será finalmente enviada a análisis El concepto de muestreo se puede definir de varias formas siendo las más utilizadas las siguientes “EL MUESTREO REPRESENTA EL CONJUNTO DE OPERACIONES QUE PERMITEN LA OBTENCION DE UNA MUETSRA QUE PUEDA SER ANALIZADA” “EL MUESTREO ES LA OPERACIÓN QUE PERMITE REMOVER UNA PEQUEÑA FRACCION O PARTE, QUE DENOMINAREMOS MUESTRA, DESDE UN CONJUNTO MATERIAL DE VOLUMEN MUCHO MAYOR, DE TAL MANERA QUE LAS CARACTERISTICAS DEL CONJUNTO PUEDAN ESTIMARSE ESTUDIANDO LAS CARACTERISTICAS DE LA MUESTRA”

2.- ESTIMACION DEL ERROR ESTADISTICO En general se puede estimar que la ley de una muestra tiene una distribución normal o Gausiana que tiene la forma:

Generalmente un 95% de probabilidad o certeza de estar entre límites predeterminados es un nivel de probabilidad o certeza aceptable. Donde:

3.- HETEROGENEIDAD

Corresponde a la variabilidad encontrada en una población estadística y puede dividirse en: Heterogeneidad de constitución (CH): Cada partícula del lote tiene un contenido crítico diferente. Heterogeneidad de distribución (DH): Consiste en las diferencias observadas de un grupo de fragmentos o partículas (incremento) a otro. Variabilidad se debe a tres factores: La heterogeneidad de constitución La distribución espacial de los constituyentes o estado de segregación La forma del lote que junto a la presencia de la gravedad es responsable de la segregación. La heterogeneidad en muestreo de particular, presenta las siguientes características CH: Diferencias entre fragmentos DH: Diferencias entre grupos de fragmentos Si todos los fragmentos fueran iguales en forma y contenido (CH=0), entonces no habría DH: cualquier grupo de fragmentos de igual tamaño sería idéntico.

. una a la vez. las partículas menos densas ocuparán una posición en el lote distinto que las más densas. Los errores. Este error puede prevenirse considerando los siguientes aspectos: Optimizar el error fundamental (peso de la muestra). este tipo de segregación es la base de la concentración gravitacional..SEGREGACION POR DENSIDAD: En este caso si el tamaño permanece constante. la heterogeneidad de distribución es responsable del error de agrupamiento y segregación. los que no constituyen medios continuos. 2. Aumentar el número de incrementos por muestra. Existen dos tipos de segregación: 1. Esto se denomina HETEROGENEIDAD DE CONSTITUCIÓN y es lo que genera errores asociados al “ERROR FUNDAMENTAL O ERROR DE MUESTREO” Por ERROR FUNDAMNETAL. el FE es el menor error posible. para un estado dado de conminución y un determinado peso de la muestra. significa que junto a una partícula pueden encontrarse otras de composición. densidad o tamaño completamente distintos. Homogeneizar el material antes de tomar los incrementos. etc. las partículas más pequeñas tenderán a ocupar un espacio o posición en el lote diferente que las más grandes.En el caso particular de la Industria Minera. Para un determinado peso de muestra. EF. de manera aleatoria.. El FE puede ser pequeño para constituyentes mayores y materiales finos. A pequeña escala. Mezclando y homogeneizando el lote no reducirá el FE. VAMOS A ENTENDER: Corresponde al mínimo error de muestreo que se tendría si se seleccionara cada fragmento o partícula aleatoriamente. donde encontramos materiales particulados y sistemas particulados. en las correas transportadoras. En una población de partículas fuera de la heterogeneidad de constitución existe la Denominada HETEROGENEIDAD DE DISTRIBUCION la que corresponde a como se ordenan las partículas en el lugar donde se encuentran. constituyen la diferencia entre el valor exacto de la característica de un lote y su estimación a partir de la muestra . Por lo tanto. VAMOS A ENTENDER: Corresponde a un error adicional debido a que en la práctica las muestras no se colectan tomando un fragmento a la vez. los cuales pueden ser evitados con una buena homogeneización de la muestra Por ERROR POR SEGREGACION. ejemplo de esto lo podemos encontrar en los silos. Esto último genera lo que llamamos ERRORES POR SEGREGACION.SEGREGACION POR TAMAÑO: En este caso si la densidad permanece constante. el FE es el mínimo error de muestreo que existiría si el protocolo de muestreo fuera implementado de manera perfecta. pero puede ser abrumador para constituyentes menores. la heterogeneidad de constitución es responsable del error fundamental. A pequeña escala. SE. desviaciones o sesgo.

debe existir un estado controlado y se deben seguir estándares adecuados al análisis a efectuar . . También en la etapa de análisis. etc. dentro de estos errores están los siguientes: Error fundamental: es el que se introduce al seleccionar y extraer la muestra. al extraer una muestra de éste estamos cometiendo errores. ésta debe seguir un adecuado protocolo de muestreo. Este error es imposible de eliminar dada la heterogeneidad de constitución. errores humanos. pérdida de muestra. análisis.).Abundancia de la especie mineralógica portadora de la especie de interés .Tamaño de las partículas .Preparación (reducción de tamaño). en éste puede destacarse los errores aleatorios y sistemáticos La cantidad de material requerido en una muestra depende de: . alguno de los cuales es imposible de eliminar (error fundamental) pero sí de minimizar y otros que son posibles de anular o minimizar (error de preparación.Para que una muestra sea representativa ésta debe conservar las características del lote dentro de ciertos límites de exactitud y precisión fijadas. Dada la heterogeneidad de constitución y distribución que podemos encontrar en un lote de mineral. lo que significa que exista un método estandarizado para obtener la muestra. pero se puede minimizar.Un método de extracción (subdivisión de muestras). Error Segregación: es producto de la heterogeneidad de distribución Error Preparación: está relacionado con la preservación de la integridad de la muestra.Tamaño del grano de las especies útiles Para que la muestra final sea representativa del lote. fraude y sabotaje Error de análisis: está asociado al método analítico empleado. también se denomina error de muestreo. alteración de la muestra. es decir: . se pueden encontrar los siguientes errores: contaminación.

el error total en las etapas de muestreo puede dividirse en una suma de los errores parciales.1. el autor desarrolló una expresión que permite dimensionarlo y minimizarlo. como son los de Segregación.El contenido crítico en un tiempo dado. A pesar de la imposibilidad de eliminar el Error Fundamental. la que es imposible de anular.ej.TE (total sampling error) error total en las etapas de muestreo . a(t ) aL = peso de componente crítico en lote L peso de todos los componentes en lote L En este modelo se define el error como la suma de una componente que mide el contenido crítico y otra que mide el flujo: CE = QE + WE . La expresión es ampliamente utilizada y se le conoce como Ecuación de Pierre Gy 4. en base a decisiones que se ven representadas por las variables de ésta. delimitación.QE error en contenido crítico .ej.PEi error de preparación (p. dando origen al denominado ERROR FUNDAMENTAL..OE (overall error) error total .AE (analytical error) error analítico Como el muestreo involucra diversas etapas.. Donde el material se caracteriza por: .CE error de selección continua . respectivamente). Gy se basa en la descomposición del error total considerando que el muestreo se realiza en diversas etapas y separando el error en las etapas de muestreo del error de análisis: OE = TE + AE Donde: .SEi error de selección (p. división de la muestra) La teoría se construye considerando dos modelos: Modelo de selección continuo Modelo de selección discreto El modelo de selección continuo considera el muestreo de material como si fuera un flujo unidimensional continuo y permite resolver el problema de manera simple. se distinguen las distintas clases de errores. chancado) . proporción del componente crítico en el lote o en la muestra (denotados aL o aS.Fundamentos – Descomposición de los errores La Teoría de Muestreo de P. de extracción y de preparación y se indica como anularlos o minimizarlos. En ella.WE error en medición del flujo (weighting error) . y en la actualidad se acepta como válida la teoría de muestreo de materiales particulados de Pierre Gy (1953 – 1992).4. como así mismo se demuestra que existe una fuente de error denominada HETEROGENEIDAD DE CONSTITUCIÓN .TEORIA DE MUESTREO DE PIERRE GY Numerosos autores han abordado el problema del muestreo. cada uno de ellos compuesto por un error de preparación y uno de selección: .

AE error analítico OE = ∑ ( PEi + SEi ) + AE OE = ∑ ( PEi + QE1i + QE2i + QE3i + WEi + DEi + EEi ) + AE OE = ∑ ( PEi + FEi + GEi + QE2i + QE3i + WEi + DEi + EEi ) + AE i i i .QE3 error de fluctuación periódica .EEi error de extracción del incremento .QE1 error de fluctuación de corto alcance .WE error en medición del flujo (weighting error) . es necesario relacionarlo con la realidad. el modelo de selección discreto identifica el lote L con un grupo discreto de unidades (pueden ser partículas individuales o grupos de partículas). Al pasar al modelo discreto se encuentra además que el muestreo se ve afectado por un error de materialización: SE = CE + ME .QE3i error de fluctuación periódica .QE1i error de fluctuación de corto alcance .WEi error en medición del flujo (weighting error) .GEi error de agrupamiento y segregación de la etapa i .El error en el contenido crítico puede a su vez descomponerse en la suma de tres errores: QE = QE1 + QE2 + QE3 .GE error de agrupamiento y segregación En resumen.QE1 error de fluctuación de corto alcance .FE error fundamental .QE2i error de fluctuación de largo alcance no periódica . donde se cuenta con fragmentos o grupos de fragmentos (discreta). Se definen por esta razón.QE3 error de fluctuación periódica Recordando que el modelo de selección continuo considera el problema de seleccionar puntos en el eje temporal.QE2 error de fluctuación de largo alcance no periódica . Así: SE = QE1 + QE2 + QE3 + WE + DE + EE .DE error de delimitación del incremento .FEi error fundamental de la etapa i .QE2 error de fluctuación de largo alcance no periódica .EE error de extracción del incremento Finalmente. el error total se obtiene como: . la heterogeneidad de constitución y de distribución del lote: CHL heterogeneidad de constitución del lote: se debe a las propiedades intrínsecas de la población de partículas individuales DHL heterogeneidad de distribución del lote: se debe a la distribución espacial de las partículas (y grupos de partículas) en el lote El modelo de selección discreto puede relacionarse con el modelo continuo al nivel del error de fluctuación de pequeño alcance: QE1 = FE + GE .Este error de materialización se compone de un error de delimitación y otro de extracción del incremento.PEi error de preparación de la etapa i .DEi error de delimitación del incremento .

Cálculo del error fundamental 4.hi.N αβ es el número de fragmentos en la fracción .Mi masa del fragmento .-. Entonces la Varianza: 2 VAR( hi ) = E{hi2 } − ( E{hi }) 2 ⎛ (a − aL ) M i ⎞ ⎟ = CH L = NF ⋅ ∑ ⎜ i ⋅ ⎜ a ML ⎟ i =1 ⎝ L ⎠ NF Definición: Heterogeneidad intrínseca del lote (IH L) : 2 CH L ⋅ M L N F ( ai − a L ) 2 M i =∑ ⋅ IH L= 2 NF ML aL i =1 Además: Existe fuerte correlación entre ai y su densidad Existe muy baja correlación entre ai y su tamaño Considerando el lote como un conjunto de fracciones separadas por rangos de tamaños y densidades.1.2. indexados respectivamente por α y β : IH L= ∑ i =1 NF 2 (a − a ) 2 M F (ai − a L ) 2 M i ⋅ = ∑∑ Nαβ ⋅ αβ 2 L ⋅ αβ 2 ML ML aL aL α β 2 Definiendo . número de fragmentos en el lote i Valor esperado de hi es cero.2.aL.. la entendemos como la diferencia en contenido del constituyente crítico del fragmento respecto al lote estandarizada: hi ∝ .4. contenido crítico del lote Considerando el efecto de la masa: ( ai − aL ) aL hi = (ai − aL ) M i (a − a L ) M i ⋅ = NF ⋅ i ⋅ aL Mi aL ML .el fragmento medio Fαβ - Vα λβ de una fracción (o lote) Lαβ y su volumen (sólo depende del tamaño) su densidad su masa (depende del tamaño y de la densidad) M Fαβ = Vα ⋅ λβ aαβ su contenido crítico .NF.ai.M masa media de fragmentos en el lote . heterogeneidad del fragmento en el lote .ML masa del lote .Definición matemática de la CH (heterogeneidad de constitución) La Heterogeneidad de un fragmento con respecto al lote. contenido crítico del fragmento .

Factor de forma f .Factor de liberación.2. l Factor de forma f Mide la desviación de la forma de las partículas respecto a un cubo. g . 4.Factor granulométrico.Factor mineralógico o de composición. m .- M Lαβ es la masa de la fracción Equivalentemente: IH L= ∑∑ α β (aαβ − aL ) 2 M Fαβ ⋅ M Lαβ (a − a ) 2 M L ⋅ = ∑ Vα ∑ λβ ⋅ αβ 2 L ⋅ αβ 2 ML ML aL aL α β Puede calcularse en laboratorio o aproximarse: aαβ Varía más entre fracciones de densidad que entre fracciones de tamaño ⇒ aαβ = aβ contenido crítico medio de la fracción de densidad Lβ M Lαβ / M Lβ varía poco de una fracción de densidad a otra: ⇒ M Lαβ M Lβ = M Lα ML valor medio en una fracción de tamaño α En consecuencia: ⇒ M Lαβ = M Lα ⋅ M Lβ ML ( a − a ) 2 M Lβ ⎞ ⎛ ⎟ ⋅ ⎜ ∑ λβ ⋅ β 2 L ⋅ ⎟ ⎜ ML aL ⎠ ⎝ β ⎞ ⎟ = X ⋅Y ⎟ ⎠ Heterogeneidad intrínseca queda: ⎛ Vα ⋅ M Lα IH L= ⎜ ∑ ⎜ ⎝ α ML Para simplificar esta expresión se definen una serie de factores.2. clasificados como: . Volumen de la partícula se escribe: Vα = fα ⋅ dα 3 .DEFINICIÓN DE FACTORES DE MUESTREO La heterogeneidad intrínseca de un fracción de muestra quedara representada en la definición de cuatro componentes de forma..

Material no calibrado (chancado): g = 0. m (a − a ) 2 M Lβ ⎞ ⎛ Vα ⋅ M Lα ⎞ ⎛ ⎟ = X ⋅Y ⎟ ⋅⎜ ∑ λβ ⋅ β 2 L ⋅ IH L= ⎜ ∑ ⎜ ML ⎟ ⎜ ML ⎟ a ⎝ α4 244 ⎝ β4444 L 4444 ⎠ ⎠1 1 4 3 2 3 X Y Dos extremos de Y : En el caso de material homogéneo: Y = 0 En el caso de material liberado (máxima heterogeneidad de constitución): Y = YMAX El factor mineralógico m se define como el valor de Y en el caso de liberación. .75 Material calibrado (entre dos mallas): g Material naturalmente calibrado: Se escribe: X = f ⋅∑ α 3 dα ⋅ M Lα ML = f ⋅ g ⋅d3 Factor mineralógico o de composición.55 g = 0.25 = 0.Entonces: X =∑ α Vα ⋅ M Lα ML =∑ α fα ⋅ dα ⋅ M Lα 3 ML fα es constante para fracciones de tamaño: X = f ⋅∑ α dα ⋅ M Lα 3 ML Factor granulométrico. g Mide la distribución granulométrica de las partículas.

l .Factor de liberación.

depende de d .C = constante de muestreo en g/cm3..ML= masa del lote en gramos .MS = masa de la muestra en gramos .ECUACIÓN DE PIERRE Gy Varianza del error fundamental 2 3 σ FE = ⎜ ⎜ M − M ⎟ ⋅C ⋅ d ⎟ ⎝ S L ⎠ ⎛ 1 1 ⎞ Con C = f ⋅ g ⋅c⋅l .m.3.IHL se mide en gramos “LA HETEROGENEIDAD INTRÍNSECA RELACIONA EL ERROR FUNDAMENTAL (FE) CON LA MASA DE LAS MUESTRAS” 4. es el factor mineralógico (gr/cm3) .3. es el factor de liberación (adimensional) . es el factor de forma (adimensional) . es el factor granulométrico (adimensional) .g.2. es el tamaño de fragmento nominal (cm) .RESUMEN Heterogeneidad intrínseca del lote se expresa como: IH L = f ⋅ g ⋅ c ⋅ l ⋅ d 3 Donde: .d = diámetro (d95) de partículas en cm .4..f.l.d.

delimitacion. si se quiere determinar la ley de cobre en un lote o la ley de oro?. cuando el mineral se encuentra 100% . la que es imposible de anular. como son los de Segregacion.¼” o cuando está 100% . en igualdad de condiciones de ley. se distinguen las distintas clases de errores. en igualdad de condiciones de granulometría. de extracción y de preparación y se indica como anularlos o minimizarlos. como así mismo se demuestra que existe una fuente de error denominada HETEROGENEIDAD DE CONSTITUCIÓN . ¿Cuándo se requiere más muestra.Problema: ¿Cuándo se requiere más muestra.1”? Ecuación de Muestreo de Pierre Gy Numerosos autores han abordado el problema del muestreo. En ella. dando origen al denominado ERROR FUNDAMENTAL. . y en la actualidad se acepta como válida la teoría de muestreo de materiales particulados de Pierre Gy (1953 – 1992).

La expresión es ampliamente utilizada y se le conoce como Ecuación de Pierre Gy A su vez.2 cuando el oro está liberado g = Factor de distribución de tamaños. su valor es de 0. Valores de g: . el parámetro C corresponde al producto de otros cuatro factores F = Factor de forma. su valor depende de la razón d95 / d5 El valor más utilizado es de 0.5 con excepción para las menas de oro donde se utiliza el valor 0.A pesar de la imposibilidad de eliminar el Error Fundamental. el autor desarrolló una expresión que permite dimensionarlo y minimizarlo. en base a decisiones que se ven representadas por las variables de ésta.25.

por lo cual es común decir por ejemplo “un 80% del mineral está liberado bajo 150 micrones”. en este caso los 150 micrones corresponden al tamaño de referencia que depende del proceso en estudio. Habitualmente no se alcanza el 100% de liberación por razones técnico – económicas. Asumiendo que los errores son Gaussianos.El Tamaño de liberación Corresponde al tamaño al cual las partículas de la especie de interés están totalmente liberadas de la ganga. se cumple con la siguiente desigualdad: . Se calcula el error de muestreo con un nivel confianza de 95%.

.

Los monogramas son gráficos Log –Log donde: .La cantidad de muestra en este caso es sólo representativa del tamaño Para optimizar los protocolos de muestreo se construyen los monogramas de muestreo.

.

.

cuando es sometida a una operación específica. dentro de los diámetros más utilizados están: . Se asigna dependiendo del método de medición aplicado.Diámetro de una esfera que se comporta de la misma forma que una determinada partícula.

.

.

.

Para efectos prácticos puede determinarse la aproximación determinando las fracciones de partículas en una serie de intervalos discretos de tamaño. Las partículas típicas en el Procesamiento de Minerales son irregulares. Para rangos amplios de tamaño una progresión geométrica es mucho más realista que una serie geométrica. Ambas tienen un comportamiento análogo a la función de probabilidad En la práctica es innecesario o imposible determinar la función completa de densidad de tamaño o la función distribución de tamaño.III. Consideremos el caso de una muestra de partículas subdividida en intervalos de tamaño dados Definición: fqi: Corresponde a la fracción de partículas basados en la propiedad q que se encuentra en el intervalo de tamaño di a di+1. una distribución de tamaños.DISTRIBUCION DE TAMAÑO DE PARTICULAS En una corriente de mineral vienen partículas de distintos tamaños. es decir. Las funciones fqi para diferentes propiedades se relacionan entre si a través de la siguiente ecuación: Las funciones descritas equivalentes son entonces . Esto se puede apreciar en la figura siguiente: INTERVALOS DE TAMAÑOS La definición de los intervalos de tamaños es muy importante si se desea obtener una buena aproximación a la distribución con un mínimo de intervalos.. entonces para describirlas se requiere de ciertas funciones. como la función de densidad e integrales.

Matemáticamente: CONSTRUCCION TABLA DE ANALISIS GRANULOMETRICO O TAMIZAJE En la tabla de Análisis Granulométrico se debe incluir información como el número de malla y la serie.Area Superficial q = 3 -. su abertura. acumulada y pasante acumulada.Número de Partícula q = 1 -.0 ó 100% FRACCION PASANTE ACUMULADA (F3i) Corresponde justamente a lo contrario de R3i. En los gráficos se debe considerar las fracciones (retenida o pasante) en el eje vertical (ordenadas) mientras que los tamaños o aberturas en el eje horizontal (abcisas). para después calcular los tamaños promedio de partículas y las fracciones retenidas parcial. F3i y R3i que se definen como sigue: f3i (fracción retenida parcial) = Fracción en peso del total de la muestra que queda retenida en un tamiz i. . FRACCION RETENIDA ACUMULADA (R3i) Matemáticamente R3i se define como la sumatoria de fracciones parciales desde el primer tamiz hasta el tamiz i: Nota: También los resultados de R3i pueden ser expresados en %. es decir. representa la totalidad del material pasante a través de cierta malla o tamiz.Masa (Volumen) La propiedad más utilizada es la masa de material retenida por intervalo de tamaños.Longitud q = 2 -. Siempre para el fondo. F3i (función acumulado pasante) = Representa a todas las partículas inferiores al tamaño de la abertura del tamiz i.f0i = f0(di) f1i = f1(di) f2i = f2(di) f3i = f3(di) donde q representa la cantidad poblacional y corresponde a: q = 0 -. el valor de R3i debe ser 1. debido a que es fácil de medir. la cantidad de material retenido en cada tamiz. Así las funciones más usadas son f3i.

. b). Siempre pendiente positiva. Siempre pendiente negativa...REPRESENTACIONES GRAFICAS a).Gráfico del Retenido Acumulado R3i v/s diámetro superior del intervalo.Gráfico de Acumulado Pasante F3i v/s diámetro superior del intervalo.. tenemos la función de Gates-Gaudin-Schuhmann. puede ser cualquiera de las 3 curvas c).Función de Gates-Gaudin-Schuhmann La función de Schuhmann es la distribución más usada en América para representar distribuciones de tamaño obtenidas por tamizaje (distribución en peso o masa). puede ser cualquiera de las 3 curvas FUNCIONES DE REPRESENTACIONES GRAFICAS Entre las formas más comunes de representaciones gráficas usadas en procesamiento de minerales. Esta función se define como: .Gráfico de Fracción Retenida f3i v/s diámetro promedio del intervalo. la función de Rosin-Rammler. a). la función Logaritmo Normal y la función Gamma.

1. Representación de la función de Schuhmann .Una distribución de tamaño que cumple con esta función va a tener la forma siguiente: La pendiente varía entre 0.2 Fig.7 .

.

y1:Fo y2:Fu TECNICAS DE MUESTREO .

Cortador de riffles... c). d).Divisores rotatorios. b)..1 DIVISORES (REDUCIDORES DE MUESTRAS) a). .2.Reductor de triángulos..Cono y cuarteo.2.

Sign up to vote on this title
UsefulNot useful