Documentos de Académico
Documentos de Profesional
Documentos de Cultura
JK DROP WEIGHT TEST Tesis AXB
JK DROP WEIGHT TEST Tesis AXB
AREQUIPA – PERÚ
2018
DEDICATORIA
Sr. Decano de la facultad de ingeniería de procesos, Dr. Ing. Henry Polanco Paredes
Sr. Director de la Escuela profesional de Ingeniera Metalúrgica.
El presente trabajo de tesis lo realizo como consecuencia de la experiencia laboral por más
de 3 años en el cual tuve la oportunidad de presenciar y ser participe en la empresa minera
Antapaccay S.A. . Empresa que me dio la oportunidad de realizar el trabajo que lo he titulado:
Que previo dictamen favorable, nos permitirá optar el Título Profesional de Ingeniero
Metalurgista.
El trabajo tiene como objetivo estudiar y evaluar el molino SAG y el molino de bolas
convencional en base a la confiabilidad de los revestimientos de acero que representan estos a
partir de las inspecciones periódicas que se realiza en cada parada de mantenimiento en la
planta concentradora.
En el capítulo 2, se analiza los principios o marco teórico de la molienda establecido los modelos
matemático que los gobierna, lo mismo se hace con la caracterización y desarrollo del mineral
pruebas realizadas en el laboratorio metalúrgico, se culmina con la evaluación estadística.
The objective of the work is to study and evaluate the SAG mill and the conventional ball mill
based on the reliability of the steel coatings that these represent from the periodic inspections
carried out at each maintenance stop in the concentrator plant.
In chapter 1, where I indicate the generalities of the comparative study of the concentrator
plant that covers the objectives, antecedents, hypothesis, justification and brief mineralogical
review of the mineral.
In chapter 3, the experimental part is indicated, ranging from the description of the method
used in the experimental part to the respective metallurgical evaluation and the analysis of
results.
In chapter 4, the results of the experimental part are projected, analyzing the results and
evaluating the benefits that the modifications that can be made in the use of internal lining of
the mills.
ÍNDICE
CONCLUSIONES 118
BIBLIOGRAFÍA 120
ÍNDICE DE FIGURAS
CAPÍTULO I
CAPÍTULO II
CAPÍTULO III
CAPÍTULO IV
CAPÍTULO II
CAPÍTULO III
CAPÍTULO IV
CAPÍTULO I
CAPÍTULO III
CAPÍTULO IV
CAPÍTULO I
PLANTEAMIENTO TEORICO
1.2.- OBJETIVOS
1.3.- ANTECEDENTES
1.4.- HIPÓTESIS
1.5.- JUSTIFICACIÓN.
1.7.1.- GEOLOGIA
1.7.2.- MINERALOGIA
Cz Bt1 Bt2 Cl Cp Bn Mo Py cc Au Ag
0.84 0.44 0.359 5.157 1.219 0.555 0.006 0.435 0.417 0.14 1.94
Bt1 = Biotita primaria, Bt2 = biotita alterada
6
El grado de liberación oscila entre 0.3 – 90%, la mayoría del mineral valioso se
encuentra asociado a ganga, con tamaños de partículas aproximado a los 100 um.
9
CAPÍTULO II
MARCO TEORICO
𝑑𝑓𝑖
= −𝑆𝑖𝐸 𝑓𝑖 + ∑ 𝐵𝑖𝑗 𝑆𝑗𝐸 𝑓𝑗 (1)
𝑑𝐸
Donde:
6
1
2 4
3
DIRECTO
INVERSO 7
5
6
3
1
2
4
parámetros SiE y Bij son independientes del grado de fineza que alcance la carga en el
interior del molino; supuesto que ha sido repetidamente demostrado en múltiples
aplicaciones prácticas. Adicionalmente, para la representación del caso de molienda
continua es preciso emitir algunos postulados referentes al transporte o flujo de
mineral a través del molino. Entre varias alternativas, es nuestra preferencia
caracterizar la distribución de tiempos de residencia (DTR) de la pulpa en el molino por
la ecuación.
𝑡
𝑁(𝜏)𝑁−1 𝑁𝑡
𝑁
𝐸(𝑡) = ∗ 𝑒 (− 𝜏 ) (2)
𝜏𝛤(𝑁)
Donde:
D: Tiempo medio de residencia de la pulpa en el molino, directamente equivalente a
la energía especifica E.
N: Parámetro de la distribución; normalmente estimado como la razón
largo/diámetro del molino.
𝛼0 (𝑑𝑖)𝛼1
𝑆𝑖𝐸 = 𝑑𝑖 (3)
1+(𝑑 )𝛼2
𝑐𝑟𝑖𝑡
𝑑𝑖 𝑑𝑖
𝐸(𝑡) = 𝛽0 (𝑑 )𝛽1 + (1 − 𝛽0 )(𝑑 )𝛽2 (4)
𝑗 +1 𝑗 +1
i= 1,2,3…n j<1
Donde (d0 , d1 , d2 , dcrit ) y (β0 , β1 , β2 ) son parámetros característicos del mineral, bajo
las condiciones observadas.
𝑑(𝑑𝑏)
= −𝐾 (5)
𝑑𝑡
16
Donde:
db: Diámetro actual de las bolas de tamaño original d BR (mm), transcurrido un
intervalo de tiempo t(hrs) en el interior del molino
K: constante cinético de desgaste, mm/hr
Esta expresión integrada por ejemplo para una típica mono-recarga con bolas de
diámetro dBR , permite calcular el área específica resultante como:
8000∗(1−𝑓𝑣 )
𝑎 = 𝑅 (6)
𝑑𝐵
Donde:
a: Área específica de la carga, mt2 /mt3
fv: Fracción volumétrica de vacíos intersticiales entre las bolas en la carga,
típicamente estimada en 40%.
Esta expresión destaca la relación lineal inversa entre el tamaño de recarga y el área
específica generada; de tal manera que, cuando se recarga bolas más grandes, el área
expuesta será necesariamente menor que cuando se recarga bolas más pequeñas.
𝑎 = 𝑣1 𝑎1 + (1 − 𝑣1 )𝑎2 (7)
Donde:
𝑟1 𝑎1
𝑣1 = (1−𝑟1 )𝑎1 +𝑟1 𝑎1
(8)
Indudablemente, el trabajo Fred C. Bond publicado por primera vez hace más de 4
décadas, marcó un hito en la caracterización de circuitos convencionales de molienda
/ clasificación. Perfeccionando los trabajos anteriores de Von Rittinger y Kick, la tercera
teoría o modelo y/o ley de Bond pronto se transformó en la base más aceptada para el
dimensionamiento de nuevas unidades de molienda:
1 1
𝐸 = 10𝑊𝑖 ∗ ( − ) (10)
𝑃801/2 𝐹801/2
18
Donde:
E: Consumo especifico de energía, KWhr/t.
F80: Tamaño 80% pasante en la alimentación (µm).
P80: Tamaño 80% pasante en el producto (µm).
Wi: índice de trabajo de Bond, indicativo de la dureza efectiva del mineral, KWhr
En la expresión anterior, a los parámetros F80 y P80 se les denomina tarea de molienda;
es decir, el objetivo de transformar partículas de tamaño característico F80 en
partículas de tamaño menor P80. El índice de Bond permite entonces, mediante la
ecuación 1, estimar la energía (KWhr) requerida para moler cada unidad (ton) de
mineral. Dicho consumo especifico de energía queda a su vez necesariamente
determinada por la relación:
𝑃
𝐸 = (𝑀) (11)
Donde:
P: Potencia neta demandada por el molino, KW
M: tasa de tratamiento o capacidad del molino, ton/hr
Por lo tanto, para una tarea de molienda dada, resulta obvio a partir de las ecuaciones
1 y 2, que cualquier aumento en P debiera de inducirse en un beneficioso aumento en
M, mejorando así la efectividad operacional de la instalación. Reconociendo entonces
este crítico rol de la potencia del molino, es de interés disponer de una adecuada
correlación con sus dimensiones y condiciones básicas de operación, tal como:
𝐿
𝑃 = 0.238 ∗ 𝐷3.5 ∗ (𝐷) ∗ 𝑁𝑐 ∗ 𝜌𝐴𝑃 ∗ (𝑓 − 1.065𝑓 2 ) ∗ sin 𝛼
(12)
19
Donde:
D: Diámetro interno del molino, pies.
L: Largo interno del molino, pies.
Nc: Fracción de la velocidad critica.
𝜌𝐴𝑃 : Densidad aparente de la carga, ton/m3.
𝑓: Nivel aparente de llenado (incluyendo espacios intersticiales).
𝛼: Angulo de levante del centro de gravedad de la carga con respecto a la vertical,
típicamente en el rango de 35° a 40°.
Sin embargo, aun cuando las referidas leyes de la conminación de las cuales Bond es
parte, tuvieron el mérito de resaltar la importancia de la energía especifica como
variable controlante del proceso, su estructura matemática es demasiado global no
permitiendo un análisis lo suficientemente detallado de las demás variables internas
que determinan la eficiencia del circuito, por ejemplo, las interacciones
molino/clasificador, % de sólidos, carga circulante, etc. Para tales fines, se requiere de
formulaciones matemáticas de mayor representividad, necesariamente más
complejos, como la reseña brevemente indicada a continuación.
En las ecuaciones (3) y (4) donde (d0 , d1 , d2 , dcrit ) y (β0 , β1 , β2 ) son parámetros
característicos del mineral, bajo las condiciones observadas. Las figuras 2.1 y 2.2
adjuntas ayudan a explicar gráficamente el significado de estos nuevos parámetros. La
figura 2.1 ilustra la variación típica de la función selección o moliendabilidad en función
del tamaño de partícula (ecuación 3)
Como es de esperar, las partículas finas son fracturadas a velocidades menores que las
partículas más gruesas, debilitadas estas últimas por una mayor cantidad y tamaño de
micro grietas internas. Esto es válido hasta un cierto “diámetro crítico” por sobre el cual
el cuerpo moledor es demasiado pequeño para efectivamente impactar y fracturar la
partícula y se observa por lo tanto una reducción acelerada de su moliendabilidad. De
esta forma, el parámetro α0 caracteriza fundamentalmente la moliendabilidad de las
partículas finas (di <<dvrit), mientras el parámetro Dcritico permite caracterizar la
moliendabilidad de las partículas más gruesas.
Por otra parte la figura 2.2. Ilustra el perfil típico de la función fractura o distribución
de fragmentos primarios (ecuación 4), el cual se asemeja razonablemente a los
obtenidos como producto de descarga de las chancadoras; es decir,
predominantemente fragmentos gruesos inmediatamente inferior al tamaño original,
una cierta generación de finos y baja reducción de tamaños intermedios.
22
1
Fraccion Fractura Acumulada
)
(1 − 𝐵0 )
𝐵𝑖𝑗 − 𝐵0 ( 𝑖
=
Cabe indicar que, Herbst postula que los parámetros SE y Bij son esencialmente
característicos del mineral y por lo tanto independientes de las condiciones
operacionales imperantes en el circuito. Se conoce, sin embargo, que el tipo y tamaño
de los cuerpos moledores puede afectar significativamente la cinética del proceso y
constituye por ello una excepción notable al postulado general de Herbst.
fracción restante de pulpa sufre un “corto circuito” directo al flujo de descarga. Esta
concepción racional del fenómeno observado queda representada en la figura 2.6, a
partir de la cual es posible definir una nueva eficiencia corregida de clasificación
(Eic,i=1…,n) como la razón entre los flujos másicos de sólidos, por fracción
granulométrica, en la descarga y alimentación al hidrociclon, respectivamente, dejando
de lado el efecto del corto circuito (Bpf):
Para i=1,……,n
Luego:
𝐸𝑖 −
𝐸𝑖𝐶 =
𝑝𝑓
(15)
1− 𝑝𝑓
O equivalentemente,
1 2
𝑄1.46 𝑒𝑥𝑝(−7.63∅+10.79∅2 )
𝐻 = 𝑎1 (17)
𝐷𝑐0.20 ℎ0.15 𝐷𝐼0.51 𝐷01.65 𝐷𝑈
0.53
Donde:
Ø: fracción de sólidos, en volumen, en la pulpa de alimentación.
a1: Constante empírica característica del mineral.
Q: Flujo de alimentación al ciclon m3/hr.
Dc: diámetro interior del ciclón en pulg.
H: Presión de alimentación de pulpa, pies
Di: Diámetro interior de la boquilla de alimentación en pulgadas.
Do: Diámetro del vortex de la boquilla de rebalse.
Du: Diámetro de ápex de la boquilla de descarga en pulgadas.
27
𝑚
𝐸𝑖𝐶 = 1 − 𝑒𝑥𝑝 [−0.693 ( 𝑖⁄ ) ] (20)
50𝑐
El modelo CIMM contribuyó con una quinta correlación que relaciona (y, por lo tanto,
diferencia) el by-pass de la suspensión fraccionada con el flujo insuficiente (Bpf) con el
by-pass de agua (Bpw), a través de una expresión de proporcionalidad directa:
𝐵𝑝𝑓 = 𝛾𝐵𝑝𝑤
28
[ 𝑆/(𝑆+1)]−∅𝑅 𝐶
𝐵𝑝𝑤 = 1−∅[ 1−𝛾(1−𝑅𝐶𝑆)] (21)
𝑆
Con 𝑅𝑆𝐶 : la hipotética recuperación total de sólidos por debajo del flujo de sólidos si la
eficiencia real del ciclón fuera la eficiencia corregida, dada por:
𝑅𝑆𝐶 = ∑ 𝑓𝑖𝐸𝑖𝐶
𝑖=1
Obtención de mineral
El mineral a procesar para el desarrollo del JKDWT es del alimento al molino SAG (Faja
05), se requiere un total de 100 kg aprox. El mineral deberá contar con tamaños de
rocas desde 2.5” hasta 0.5”.
29
Preparación de muestras
A. Clasificación:
Con apoyo de tamices se realizara la clasificación de 5 rangos de tamaño de rocas.
B. Sub – clasificación:
Tomar y anotar el peso del total de partículas de rocas por rango de energía.
30
Prueba de impacto
Calculo de altura de impactación, utilizando una plantilla realizada por JKTech se calcula
la altura de impacto por rango de energía.
Una vez impactada las 15 subdivisiones, realizar el análisis granulométrico en las malla
indicadas de acuerdo al JK tech en la plantilla de hoja de Excel. Por ejemplo para el caso
muestra de tamaño 63x53mm, para las tres energías.
Prueba de abrasión
Para la prueba de abrasión JK Drop Weight Test se necesita una muestra en los rangos de
tamaño 53 x 45.0 mm y 45 x 37,5 mm. La prueba se realiza en un molino JK Drop Weight
Test por un periodo de 20 min, realizar análisis granulométrico según hoja de Excel.
𝑃𝑒𝑠𝑜
=
(𝑃𝑒𝑠𝑜 − 𝑃𝑒𝑠𝑜 𝑒𝑛 𝐻2 𝑂)
35
Resultado Axb, Ta
Una vez cuando ya se tiene todo los datos en la hoja de trabajo de JK tech, se procede a
ingresar los valores:
36
El desarrollo de cálculo para determinar el A, b, Axb, Ta. La hoja de cálculo realizado por
JKTech (encriptado), realiza el algoritmo de cálculo con los datos desarrollados en
Laboratorio Metalúrgico, la hoja de Excel arroja el resumen (Excel) de los valores
siguientes de la gráfica 4.7 (ver imagen):
37
Propiedades Muy duro Duro Mod. duro Medio Mod. Suave Suave Muy Suave
A*b 10 30 30 38 38 43 43 56 56 67 67 127 127 150
Ta 0.1 0.24 0.24 0.35 0.35 0.41 0.41 0.54 0.54 0.65 0.65 1.38 1.38 2
38
Preparación de muestra
subdivide en el divisor rotatorio obteniendo 6 capachos de 330 gramos c/u, las bandejas
con pesos aproximados de 330 g, deben ser debidamente rotuladas con sus pesos reales
para facilitar el trabajo experimental.
Para determinar la densidad aparente pesar de 700 a 800 gramos de muestra, luego, en
una probeta de 1000 ml agregar la muestra y con un pistón de peso aproximado de 500g
para compactar con caída libre limitando la altura de la parte superior del cilindro del
pistón a la altura de la boca de la probeta, 100 caídas libres como máximo, una vez
compactada la muestra en la probeta se registra el peso y el volumen que ocupa la
muestra compactada en la probeta. Repetir el procedimiento 3 veces, con el peso y
volumen obtenido por triplicado, introducir la data en la hoja de Excel que contienen
fórmulas para facilitar los cálculos (*) y obtener el peso de la muestra para 700 cc,
teniendo la densidad aparente, esta cantidad es la que se usa a lo largo del experimento
(**).
𝑀
𝜕 = (22)
𝑉
Donde:
𝜕: Densidad aparente, gr/cm3
𝑀: Masa, gr
40
Análisis granulométrico
Esta muestra ya pesada se rotapea usando mallas TYLER # 6, 8, 10, 16, 20, 28, 35, 48, 65,
100, 150, 200. Por un periodo de 15 minutos, registrar los pesos obtenidos en la hoja de
Excel, para determinar la curva granulométrica, F80 y porcentaje de finos.
41
Ciclos de Molienda
Antes de ingresar la muestra al molino de Bond, se realiza una inspección del collar de
bolas, con ayuda de la hoja de Excel y el cálculo de superficie y pesos grupales de bolas.
El peso del collar de bolas debe alcanzar a 20125 gr aproximadamente, caso contrario se
debe cambiar el collar de bolas, cargar la muestra al molino, tapar bien y arrancar con 150
revoluciones, una vez concluida la molienda se debe realizar la descarga cuidadosamente
sin perder muestra, la perdida de muestra debe ser menor a 1.5 gramos, la muestra
molida es rotapeado a una malla de corte #70 por un periodo de 15 minutos, el peso +70
debe registrarse e introducirse a la hoja de cálculo para obtener el siguiente número de
revoluciones, este paso se realiza como mínimo 6 ciclos o hasta que alcance 250% de
carga circulante, la molienda acaba cuando la diferencia de GBP < ±0.005 de los dos
últimos ciclos, y además la carga circulante alcanza a 250%. El número de revoluciones
sea igual ó ±1 lo que indica que hemos alcanzado el estado estacionario.
Para obtener el p80, se usa los finos de la malla -70 que se han producido en el último
ciclo de molienda donde la diferencia de GBP < ±0.005, y la carga circulante es de 250%,
se rotapea en las mallas 100, 150, 200, -200 por un periodo de 15 minutos, al finalizar se
realiza el pesado de muestras acumulativos, ingresar los datos en la hoja de Excel para
calcular el P80. Una vez cuando ya se tiene ingresado todo el dato en la plantilla de Excel,
se calcula automáticamente el work index expresado en kWh/TM y kWh/Tc.
4 44.5
𝑊𝑖 = 3 ∗ 10 10 (23)
𝑃𝑖0.23 ∗𝐺𝑏𝑝
0.85 ∗( − )
√𝑃 √𝐹
Donde:
Usted está analizando los resultados de tiro con arco de uno de los integrantes del equipo
de su país en los juegos Panamericanos. De acuerdo con las gráficas de la página siguiente
califique la exactitud y precisión en las actuaciones de este competidor.
Para cada ronda de cuatro tiros, defina si el resultado es exacto y/o preciso
2.3.1.1.- EXACTITUD
Se refiere a cuán cerca del valor objetivo se encuentra el valor medido. En este caso, qué
tan cerca estuvo cada tiro de la diana, los 100 puntos en el centro del tablero.
2.3.1.2.- PRECISION
2.3.1.3.- LA MEDIA
1
µ = 𝑁 ∑𝑁
𝑖=1 𝑋𝑖 (24)
1
𝑋 = 𝑛 ∑𝑛𝑖=1 𝑋𝑖 (25)
∑ 𝑤𝑖 𝑋𝑖
𝑋 = ∑ 𝑤𝑖
(26)
Donde:
Xi: Valor de la i-esima observación de la variable en estudio.
N: Tamaño de la población.
n: Tamaño de la muestra.
w: Considerar como factor (por ejemplo pesos, que dependen de la significación de cada
uno de los números.
2.3.1.4.- LA VARIANZA
Es una medida que cuantifica el grado de concentración de los datos alrededor del centro
cuando el centro es definido como la media.
Varianza poblacional
∑𝑁
𝑖=1(𝑋𝑖 −𝜇)
2
𝜎2 = (27)
𝑁
47
Varianza muestral
∑𝑁
𝑖=1(𝑋𝑖 −𝑋 )
2
𝑆2 = (28)
𝑛−1
𝝈 = √𝝈𝟐 (29)
𝑆 = √𝑆 2 (30)
ŷ = 𝑚𝑥 + 𝑏 (31)
Donde:
m: pendiente de recta de la regresión lineal.
b: Intercepto de la recta de la regresión lineal.
48
El método de mínimos cuadrados consiste en hallar los valores “m” y “b” que hacen
mínima la suma de los cuadrados de las desviaciones entre los valores observados de la
variable dependiente, yi, y los valores estimados de la misma, ŷi. Es decir se minimiza la
suma: Σ(yi – ŷi)2.
∑ 𝑦𝑖 = 𝑛𝑏 + (∑ 𝑥𝑖 ) 𝑚
{
∑ 𝑥𝑖 𝑦𝑖 = (∑ 𝑥𝑖 ) 𝑏 + (∑ 𝑥2𝑖 ) 𝑚
∑ 𝑥𝑖 ∑ 𝑦𝑖
∑ 𝑥𝑖 𝑦𝑖 −
𝑚= 𝑛
2
2 (∑ 𝑥𝑖 )
∑ 𝑥𝑖 −
𝑛
𝑛−1
49
𝑆𝑥𝑣
𝑚= (32)
𝑆𝑥2
Y calculando intercepto;
𝑏 = 𝑦 − 𝑚𝑥 (33)
Donde:
𝑥, 𝑦: Promedio de la población de muestra “n”.
𝑥𝑖, : Valor de cada muestra de la i-esima de la población “n” (variable independiente)
𝑦𝑖 : Valor de cada muestra de la i-esima de la población “n” (variable dependiente)
Intervalo de confianza para estimar la media de “y” para un valor dado 𝑥𝑝 de “x”.
1 (𝑥𝑝 −𝑥)2
𝜇𝑦 𝑥𝑝 = 𝐸(𝑦 𝑥𝑝 ) ∶ ŷ𝑝 ± 𝑡∝⁄2 𝑠 √𝑛 + ∑(𝑥 −𝑥)2 (33)
𝑖
Intervalo de predicción para estimar un valor individual de “y” para un valor dado 𝑥𝑝 De
“x”:
50
1
𝑝 (𝑥 −𝑥)2
𝑦𝑝 ∶ ŷ𝑝 ± 𝑡∝⁄2 𝑠 √1 + 𝑛 + ∑(𝑥 −𝑥)2 (34)
𝑖
𝑠 2 = 𝐶𝑀𝐸 = 𝑆𝐶𝐸 𝑛 − 2
n-2 son los grados de libertad asociados a SCE. 2 son los parámetros estimados en la
regresión lineal (b y m) y n es el número de pares de datos.
𝑆𝐶𝐸
Error estándar de estimación (s), es la raíz cuadrada de s2, 𝑠 = √𝐶𝑀𝐸 = √ y es el
𝑛−2
Distribución muestral de b1
𝑏1 −𝛽1
podemos construir un estadistico “t”. 𝑡 = el cual se distribuye con “v”= n-2 g.l.
𝑆𝑏1
𝑆𝐶𝐸
𝐶𝑀𝐸 =
𝑛−2
𝑆𝐶𝑅 𝑆𝐶𝑅
𝐶𝑀𝑅 = =
𝑁𝑢𝑚𝑒𝑟𝑜 𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑖𝑛 𝑒𝑝𝑒𝑛 𝑖𝑒𝑛𝑡𝑒𝑠 1
Supongamos que se conocen los datos (x0, y0), (x1, y1), …, (xn, yn), con x0 , x1 , …, xn numeros
distintos y se desea encontrar un polinomio, con m < n.
𝑃𝑚 (𝑥) = 𝑎0 + 𝑎1 𝑥 + ⋯ + 𝑎𝑚 𝑥 𝑚 (35)
Tal que:
El grado “m” del polinomio Pm (x) se puede escoger previamente con base en algún
resultado teórico, alguna expectativa o por la aplicación que se le pretende dar al
polinomio. En cualquier caso estamos “libres” de elegir el grado que parezca mejor. En
muchos casos el mínimo cuadrado para la tabla de datos.
Resultan entonces las siguientes m+1 ecuaciones lineares en las incógnitas a 0 , a1, …, am,
que se llama sistema de ecuaciones normales. Este sistema de ecuaciones normales se
puede escribir de forma como sigue: j = 0, 1, … , m
𝑚 𝑛 𝑛
∑ 𝑎𝑖 ∑ 𝑥𝑘𝑖+𝑗 = ∑ 𝑥𝑘𝑖 𝑦𝑘
𝑖=0 𝑘=0 𝑘=0
𝑃𝑚 (𝑥𝑘 ) = 𝑎0 + 𝑎1 𝑥𝑘 + ⋯ + 𝑎𝑚 𝑥𝑘𝑚 = 𝑦𝑘
𝑖+𝑗 𝑚+𝑗
𝑎0 𝑥𝑘𝑖 + 𝑎1 𝑥𝑘 + ⋯ + 𝑎𝑚 𝑥𝑘 = 𝑥𝑘𝑖 𝑦𝑘
𝑛 𝑛 𝑛 𝑚
𝑖+𝑗 𝑚+𝑗
𝑎0 ∑ 𝑥𝑘𝑖 + 𝑎1 ∑ 𝑥𝑘 + ⋯ + 𝑎𝑚 ∑ 𝑥𝑘 = ∑ 𝑥𝑘𝑖 𝑦𝑘
𝑘=0 𝑘=0 𝑘=0 𝑘=0
Como
Entonces
(36)
En el caso donde tenemos tiempo hasta la falla, nuestra variable aleatoria X puede poseer
el valor de tiempo hasta la falla del producto o componente y el valor va de 0 hasta el
infinito (en el caso donde no tenemos el tiempo exacto).
Si la variable aleatoria puede asumir cualquier valor en una escala continua, entonces esta
se define como una variable aleatoria continua, para un neumático, Kilómetros hasta la
falla, puede tomar cualquier valor desde 0 hasta infinito (p.e.10.000 kilómetros, 17.523
kilómetros, etc.).
En este informe, vamos a trabajar casi exclusivamente con variables aleatorias continuas.
56
La función de densidad nos da la probidad que ocurra una falla en un tiempo específico.
Sus unidades son fallas / Ítem-tiempo. Así, para cualquier punto da la probabilidad que
una falla ocurra durante la siguiente unidad de tiempo.
1 n
f (t )
N t ;
Si t 0 :
1 dn
f(t)
N dt
𝑡−𝛾 𝛽
𝛽 𝑡 − 𝛾 𝛽−1 [−(
𝜂
) ]
𝑓 (𝑡 ) = ( ) ∗𝑒
𝜂 𝜂
Donde:
Δn = número de fallas en el intervalo de tiempo [t, t+Δt].
Δt = Longitud del intervalo de tiempo.
N = Población original.
57
Esta función nos da la probabilidad acumulada de falla representa la probabilidad que una
falla ha ocurrido antes de cierto tiempo
F (t )
n i
;
Si t 0 :
t
F(t) f (t )dt
0
𝑡 𝛽
[−( ) ]
𝜂
𝐹 (𝑡 ) = 1 − 𝑒
Donde:
Σni = Número de fallas para un tiempo t.
N = Población original.
58
R(t ) 1 F (t )
DISTRIBUCION WEIBULL
Funcion de Supervivencia
1.200
1.000
0.800
R(t)
0.600
0.400
0.200
0.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
Tiempo
59
Donde:
Δn = Número de fallas en un intervalo de tiempo [t,t+Δt].
Δt = ancho del intervalo de tiempo.
n(t) = Población sobreviviente en el tiempo t.
𝑡−𝛾 𝛽
𝛽 𝑡 − 𝛾 𝛽−1 [−(
𝜂
) ]
𝑓 (𝑡 ) = ( ) ∗𝑒
𝜂 𝜂
Donde:
t: Variable aleatoria que, para el caso de la confiabilidad, representa el tiempo entre
fallas.
β: Parámetro de forma (0<β<∞)
η: Parámetro de escala (0<η<∞)
𝛾: Parámetro de ubicación (-∞<𝛾 <∞)
2.3.4.2.- ANALIZANDO β
2.3.4.3.- ANALIZANDO η
2.3.4.4.- ANALIZANDO
El método más conocido (de uso manual) para distribuciones complejas, tal como la
distribución weibull, es el método de ploteo de Probabilidades. El ploteo de
Probabilidades considera el ploteo de los datos en un gráfico especialmente construido
para estos tipos de datos.
Con algebra básica, se puede fácilmente obtener la ecuación de una recta a partir del
ploteo (y=mx+b). La ecuación es definida por una inclinación (m) y una posición (b). El
mismo concepto es utilizado en el ploteo de Probabilidad.
t
( )
F (t ) Q(t ) 1 e
Por lo tanto:
65
y .x ln()
Donde:
La abscisa “X” = representará una transformación logarítmica simple del tiempo
de falla.
La ordenada “Y” = representará una función logarítmica de Q(t) (desconfiabilidad).
𝑏 = −𝛽 ∗ 𝐿𝑛(𝜂)
𝑏
− = 𝐿𝑛(𝜂)
𝛽
𝑏
−
𝜂= 𝑒 𝛽
66
j 0.3
Y MR
N 0.4
Donde:
MR = Media Rank o rango medio
N = Tamaño de la muestra.
J = Numero de Orden (posición de la falla).
67
CAPÍTULO III
Las trituradoras giratorias son aparatos que reducen de tamaño durante el 100% de su
tiempo de operación, pero solo una fracción de su cavidad triturante. La trituradora
giratoria consiste en un eje provisto de un elemento cónico de molienda de acero duro.
68
CHANCADORA PRIMARIA
Fabricante FLSMIDTH
Modelo TRAYLOR NT
Tipo Giratorio
Dimensiones 1525 mm x 2870 mm (60”x113”)
Capacidad 4167 a 7 500 t/h
Abertura lado cerrado (OSS) 203 mm
P80 100-165 mm
ACCIONAMIENTO
Potencia 750 Kw
Rotación 500 RPM
Polos/Frecuencia/Tensión 14/ 60Hz / 4000 V
Sistema de Tracción Transmisión Directa
De otro lado diremos, que la molienda es la etapa previa a los procesos de concentración
por flotación, por lo tanto, deberá preparar al mineral adecuadamente en características
tales como liberación, tamaño de partícula y propiedades superficiales.
La razón de alimentación del circuito de molienda, debe ser controlada para maximizar la
producción, mientras se sigue manteniendo el tamaño del producto dentro del rango
previsto. Si el tamaño del producto es muy grueso, la recuperación del metal será menor,
reduciendo las ganancias. Si el tamaño del producto es demasiado fino, no habrá
suficiente arena disponible para la construcción del dique de relaves y se usara una
excesiva cantidad de energía, añadiéndose a los de costos de operación.
Los ciclones realizan la clasificación de tamaños, el overflow del ciclón es el producto final
de la clasificación que satisface las condiciones físicas del mineral para ser derivada al
circuito de flotación y el material grueso o underflow que requieren de una reducción
posterior de tamaño se deriva al molino de bolas donde es molido hasta obtener un
tamaño fino ideal con un P80 de 125-150 µm. Cada línea de molienda posee una sección
de celdas de flotación para la recuperación inicial de los elementos valiosos a partir del
mineral molido, estos circuitos de flotación rougher-scavenger están directamente
conectados a cada molino por lo que deben operar al mismo tiempo. Un molino no puede
operar si su sección rougher correspondiente de flotación no funciona y si un molino de
bolas está inoperativo, no habrá operación de su sección de flotación, lo que no ocurre
en ninguna de las secciones anteriores.
70
MOLINO SAG
Fabricante FFE Minerals
Molienda húmeda,
Tipo
descarga por rejillas ranuradas (slots).
Tamaño (Diámetro x Largo) 40 pies x 22 pies
Capacidad (diseño) 4, 688 TPH
Carga de Bolas 20% del volumen (máx.)
Carga de Mineral 30% del volumen (máx.)
Velocidad de Giro 9.04 RPM variable.
Pulpa de Alimentación 80% pasante 150 mm
Apertura de Rejilla 65 mm.
Diámetro de bolas 5 pulgadas (127 mm)
ACCIONAMIENTO
Tipo Motor de anillo síncrono (Gearless)
Potencia (nominal) 24,000 kW
MOLINO DE BOLAS
Fabricante FLSmidth
ESPESADOR
CONCENTRATE
DE CONCENTRADO
ESPESADORES DE
TAILINGS
THICKENER RELAVE
THICKENERS (2)
HACIA TAILINGS
TOPOZA DE RELAVES
DAM
Para la realización de la parte experimental del presente estudio, se contó con campañas
de uso de revestimientos (chaquetas internas de molino) durante el periodo del 2013 –
2018 de la sección molienda SAG, molino Bolas 01 y 02.
74
Las diferentes campañas de los revestimientos de los molinos fueron realizadas bajo un
control de una metodología de trabajo de escaneo de nubes de puntos la cual consta de
las siguientes etapas.
Requerimientos Operacionales:
- Previo a la detención de molino hacer lavado de liners
- Detención del molino
- Protocolos de seguridad
- Retiro de chute de alimentación
- Desaguado interior del molino
- Ventilación del espacio confinado
Resumen de control de campañas del molino SAG entre revestimientos del cilindro así
como revestimientos de la tapa del molino.
MOLINO SAG
Campaña Duración Espesor final real Espesor Espesor final real Espesor
N° Inicio Fin Meses MMton PLACA (mm) critico (mm) LEVANTADOR (mm) critico (mm)
2 20-abr-13 10-ene-14 8.8 18.0 25 40 151 100
3 14-ene-14 25-sep-14 8.5 19.2 12.7 40 132 100
4 29-sep-14 23-abr-15 6.9 16.1 31.0 40 157 100
5 27-abr-15 16-nov-15 6.8 15.8 36.0 40 93 100
6 18-nov-15 14-abr-16 4.9 11.9 62.0 40 205 100
7 18-abr-16 09-sep-16 4.8 11.9 46.0 40 182 100
8 12-sep-16 07-dic-16 3 7.1 75.0 40 255 100
9 09-dic-16 10-mar-17 3.0 7.5 52.0 40 251 100
10 14-mar-17 12-sep-17 6.1 15.5 2.0 40 84 100
11 13-sep-17 10-feb-18 5.0 12.9 37.0 40 151 100
75
Campaña Duración Espesor final real Espesor Espesor final real Espesor
N° Inicio Fin Meses MMton PLACA (mm) critico (mm) LEVANTADOR (mm) critico (mm)
2 20-abr-13 10-ene-14 8.8 18.0 48 40 165 200
3 14-ene-14 25-sep-14 8.5 19.2 30.6 40 144 200
4 29-sep-14 23-abr-15 6.9 16.1 45.0 40 171 200
5 27-abr-15 16-nov-15 6.8 15.8 5.0 20 57 90
7 12-sep-16 10-mar-17 6.0 14.6 78.0 40 205 200
8 14-mar-17 01-oct-17 6.7 17.0 75.0 20 168 90
Campaña Duración Espesor final real Espesor Espesor final real Espesor
N° Inicio Fin Meses MMton PLACA (mm) critico (mm) LEVANTADOR (mm) critico (mm)
2 20-abr-13 10-ene-14 8.8 18.0 45 40 198 102
3 14-ene-14 25-sep-14 8.5 19.2 30.0 40 109 102
4 29-sep-14 23-abr-15 6.9 16.1 39.0 40 198 102
5 27-abr-15 16-nov-15 6.8 15.8 84.0 40 247 90
7 12-sep-16 10-mar-17 6.0 14.6 46.0 40 165 102
8 14-mar-17 01-oct-17 6.7 17.0 61.0 40 157 90
MOLINO BOLAS 01
Campaña Duración Espesor final real Espesor Espesor final real Espesor
N° Inicio Fin Meses MMton PLACA (mm) critico (mm) LEVANTADOR (mm) critico (mm)
3 07-nov-13 28-ago-14 9.8 10.9 24 40 18 50
4 29-ago-14 23-abr-15 7.9 9.1 43.0 40 58 50
5 27-abr-15 16-nov-15 6.8 7.9 40.0 40 86 50
6 18-nov-15 21-jul-16 8.2 9.8 37.0 40 80 50
7 22-jul-16 10-mar-17 7.7 9.4 40.0 40 45 50
8 14-mar-17 01-oct-17 6.7 8.5 43.0 40 69 50
Campaña Duración Espesor final real Espesor Espesor final real Espesor
N° Inicio Fin Meses MMton PLACA (mm) critico (mm) LEVANTADOR (mm) critico (mm)
2 01-ago-13 10-ene-14 5.4 5.5 51 48 94 55
3 12-ene-14 23-abr-15 15.5 17.7 11.0 48 44 55
4 27-abr-15 21-jul-16 15.0 17.7 23.0 25 72 43
5 22-jul-16 01-oct-17 14.5 17.9 8.0 25 85 50
76
Campaña Duración Espesor final real Espesor Espesor final real Espesor
N° Inicio Fin Meses MMton PLACA (mm) critico (mm) LEVANTADOR (mm) critico (mm)
2 01-ago-13 10-ene-14 5.4 5.5 54 48 128 55
3 12-ene-14 23-abr-15 15.5 17.7 20.0 48 61 55
4 27-abr-15 21-jul-16 15.0 17.7 31.0 25 89 43
5 22-jul-16 01-oct-17 14.5 17.9 45.0 25 71 50
MOLINO BOLAS 02
Campaña Duración Espesor final real Espesor Espesor final real Espesor
N° Inicio Fin Meses MMton PLACA (mm) critico (mm) LEVANTADOR (mm) critico (mm)
2 03-ago-13 10-jun-14 10.4 11.0 39 40 40 50
3 12-jun-14 26-mar-15 9.6 11.1 36.0 40 47 50
4 28-mar-15 16-dic-15 8.8 10.0 45.0 40 53 50
5 17-dic-15 09-sep-16 8.9 10.8 31.0 40 74 50
6 12-sep-16 10-mar-17 6.0 7.3 39.0 40 54 50
7 14-mar-17 12-sep-17 6.1 7.8 45.0 40 71 50
8 13-sep-17 10-feb-18 5.0 6.5 49.0 40 80 50
Campaña Duración Espesor final real Espesor Espesor final real Espesor
N° Inicio Fin Meses MMton PLACA (mm) critico (mm) LEVANTADOR (mm) critico (mm)
2 03-ago-13 10-ene-14 5.3 5.5 53 48 89 55
3 14-ene-14 26-mar-15 14.5 16.6 47.0 48 94 55
4 28-mar-15 14-abr-16 12.8 14.9 62.0 25 137 50
5 18-abr-16 10-mar-17 10.9 13.2 55.0 25 145 43
6 14-mar-17 10-feb-18 11.1 14.2 22.0 25 6 43
Campaña Duración Espesor final real Espesor Espesor final real Espesor
N° Inicio Fin Meses MMton PLACA (mm) critico (mm) LEVANTADOR (mm) critico (mm)
2 03-ago-13 10-ene-14 5.3 5.5 61 48 132 55
3 14-ene-14 26-mar-15 14.5 16.6 61.0 48 132 55
4 28-mar-15 14-abr-16 12.8 14.9 59.0 25 134 50
5 18-abr-16 10-mar-17 10.9 13.2 71.0 25 158 43
6 14-mar-17 10-feb-18 11.1 14.2 25.0 25 77 43
77
II Ploteo de probabilidad:
TF Tiempo hasta la falla
RM Rangos medios (Pendiente "m")
Ecuacion Dist. Weibull = 𝑚𝑋 + 𝑏
Donde:
1
= n 𝑙𝑛
1 − 𝑓(𝑡)
= n
III Función linealizada, ecuación lineal de dos parámetros
Beta "β"
Alfa" γ"
Eta" η" ;
78
Tabla 3.16. Sistema de ecuación (i) Tabla 3.17. Ploteo de probabilidades (i)
Gráfica 3.18. Regresión lineal weibull (i) Figura 3.19. Intervalos de confianza (i)
79
Tabla 3.21. Sistema de ecuación (ii) Tabla 3.22. Ploteo de probabilidades (ii)
Gráfica 3.23. Regresión lineal weibull (ii) Figura 3.24. Intervalos de confianza (ii)
81
Tabla 3.26. Sistema de ecuación (iii) Tabla 3.27. Ploteo de probabilidades (iii)
Gráfica 3.28. Regresión lineal weibull (iii) Figura 3.29. Intervalos de confianza (iii)
83
Tabla 3.31. Sistema de ecuación (iv) Tabla 3.32. Ploteo de probabilidades (iv)
Gráfica 3.33. Regresión lineal weibull (iv) Figura 3.34. Intervalos de confianza (iv)
85
Tabla 3.36. Sistema de ecuación (v) Tabla 3.37. Ploteo de probabilidades (v)
Gráfica 3.38. Regresión lineal weibull (v) Figura 3.39. Intervalos de confianza (v)
87
Tabla 3.41. Sistema de ecuación (vi) Tabla 3.42. Ploteo de probabilidades (vi)
Gráfica 3.43. Regresión lineal weibull (vi) Figura 3.44. Intervalos de confianza (vi)
89
Por lo cual se realizó el seguimiento de inspección del estado o perfil de desgaste de los
revestimientos internos del SAG usando equipos de última generación (scan faro S120 –
palpadores de ultrasonido), por lo cual ayudo a determinar la ecuación lineal y cuadrática
tomando el criterio de desgaste en cada caso.
CAPÍTULO IV
Resultados:
92
Tabla 4.2. Consumo de energía (i) Tabla 4.3. Nido de ciclones (i)
Consumo de energia
Velocidad Energia Work R.r.
Potencia F80 P80 R.r. Mill
critica Especifica Index Circuito
SAG 69.30 20,491 75,555 2,215 7.14 - 9.81 34.12
Molino 1 77.04 12,801 2,215 165 8.70 15.37 1.83 13.41
Molino 2 77.03 13,901 2,215 174 9.11 16.69 1.95 12.74
93
El día 10 de Octubre del 2016 de 05:30 am a 7:30 am se procedió con el muestreo del circuito de molienda de la planta concentradora.
Tabla 4.7. Consumo de energía (ii) Tabla 4.8. Nido de ciclones (ii)
96
El día 03 de Junio de 2018 se realizó el muestreo del circuito de molienda y clasificación de la planta entre las 4:30 pm y 6:30 pm.
Tabla 4.12. Consumo de energía (iii) tabla 4.13. Nido de ciclones (iii)
99
PROPIEDAD A*b ta
VERY HARD <30 <0.24
HARD 30-38 0.24-0.35
MOD. HARD 38-43 0.35-0.41
MEDIUM 43-56 0.41-0.54
MOD. SOFT 56-67 0.54-0.65
SOFT 67-127 0.65-1.38
VERY SOFT >127 >1.38
102
Uno de los parámetros importantes del mineral proveniente del área de mina son los
valores de dureza del mineral muchas veces por el tipo de mineral Skarn minerales
considerados blandos por contenido de minerales oxidados y minerales sulfurados que
llegan a tener un Axb (JKDWT) elevado por contenido de minerales de magnetita, a
continuación de determina la correlación entre estos valores para determinar las
limitaciones de tonelaje en el molino SAG asi mismo en los molinos de Bolas.
Se opta por tomar la campaña 06 del Molino SAG (noviembre 2015 – abril 2016) con
mejor rendimiento en proceso de tonelaje a una tasa de falla de 40 mm de espesor
critico (16 MMTM) a condiciones de 15.4 de Wi (KWh/t) siendo un mineral
moderadamente con consumo de energía regular y 48 Axb (mineral con dureza media).
Se opta por tomar la campaña 07 del Molino Bolas 01 (julio 2016 – marzo 2017) con
mejor rendimiento en procesos de tonelaje a una tasa de falla de 40 mm de espesor
critico (9 MMTM) a condiciones de 16.0 de Wi (KWh/t) con consumo de energía regular
frente a 45 de Axb (mineral con dureza media).
104
Se opta por tomar la campaña 05 del Molino Bolas 02 (diciembre 2015 – septiembre
2016) con mejor rendimiento en procesos de tonelaje a una tasa de falla de 40 mm de
espesor critico (10 MMTM) a condiciones de 15.5 de Wi (KWh/t) con consumo de
energía regular frente a 47 de Axb (mineral con dureza media).
Las siguientes figuras muestran vistas interiores de las tapas de alimentación y descarga
del molino Bolas 1. Según la escala de colores, las zonas en color amarillo muestran
espesores dentro del rango de 50mm a 75mm.
Los siguientes cortes transversales fueron realizados en los seis anillos del cilindro en
las zonas con espesores mínimos.
Los liners híbridos son la combinación de acero y caucho. Acero resistente al desgaste
y caucho moldeado a alta presión, el acero resistente a la abrasión permite
aproximadamente el doble de vida útil del revestimiento de caucho estándar, La
estructura de goma absorbe el impacto de grandes rocas y elementos de molienda
(bolas de acero).
Evaluar el desempeño de los revestimientos del Molino SAG (conformados por las tapas
de alimentación/descarga, liners del cilindro) y los Molinos de bolas (conformados por
tapas de alimentación/descarga y liners del cilindro) tanto en rendimiento como en
economía.
Desde el año 2015 a la fecha se realizaron cambios en los revestimientos del molino
SAG. Los principales parámetros de operación y rendimiento se muestran en las
siguientes tablas:
Costo considerando las pérdidas económicas por parada de planta debido a cambio
revestimientos rotos según la tabla 4.39 (**).
Costo sin considerar las pérdidas económicas por paradas de planta debido a los
revestimientos rotos según la tabla 4.39 (***).
115
Ahorro de energía
por reducción de - - 0.0917
peso ($/Tn)
Costo de energía
0.779 0.687 0.687
($/Tn)
US$/hora 195.7 382.3 64.0
US$/TM 0.0569 0.1101 0.0184
** Se considera que hasta la fecha solo fue necesario el cambio de 18 Throat Liner y 36 Outer liner en la parada del
16-nov de 2015
*** Se considera el ahorro de energía al disminuir el peso de las tapas por el cambio de acero a híbridas
Se considera que hasta la fecha solo fue necesario el cambio de 18 componentes de
Throat Liner y 36 componentes de Outer Liner en la parada del 16 – noviembre 2015
según la tabla 4.40 (**).
Se considera el ahorro de energía al disminuir el peso de las tapas por el cambio de
acero a hibrido (revestimiento de caucho) según la tabla 4.40 (***).
Además, se debe tener en cuenta que los liners de ACSA han presentado problemas
frecuentemente a lo largo de su operación:
Horas TMS/h TMS Recuperación Ley de cabeza TM de Precio del Costo de Costo de Cu Perdida por
paradas procesadas perdidas promedio promedio Cu fino Cu fino producción fino perdido hora parada
82 3,500 287,000 86.0 0.7 1,728 2.1 1.5 2,285,406 27,871
116
En cuanto a los revestimientos de los molinos de bolas, se utilizó liners del cilindro de
la empresa ACSA en el molino N° 1 y en el molino de bolas N° 2 de la empresa GROWTH
STEEL.
En las tapas de los molinos de bolas se utilizó tapas de la empresa SIOM en el molino
N° 1 y METSO en el molino N° 2. Ambas tapas de los molinos son de tecnología híbrida.
Según la tabla 4.42. se tiene como fecha proyectada de retiro de revestimiento por
espesor mínimo de 40 mm en el cilindro.
117
CONCLUSIONES
6. Con respecto al molino SAG, Las tapas de tienen rendimientos diferentes para los
periodos donde se usan tapas MEPSA y SIOM, con una tasa de desgaste de 15.81
119
mm/MTn y un costo de forros de 0.0569 $/Tn de mineral procesado para MEPSA, frente
a los 18.92 mm/MTn y 0.1101 $/Tn de mineral procesado para SIOM, aun teniendo en
cuenta que se no se han hecho cambios totales de tapas de alimentación de SIOM
desde su instalación, ya que solo fue necesario hacer el cambio de 18 throat liner y 36
outer liner en la parada del 16-nov de 2015. Sin embargo, al considerar el ahorro de
energía por reducción de peso de las tapas, se encuentra que su costo es 0.0184 $/Tn
de mineral procesado.
7. En los liners del cilindro, se aprecia que Growth Steel tendrá un mejor rendimiento en
cuanto a tasa de desgaste con un ratio de 3.76 mm/MTn mientras que ACSA está en
4.03 mm/MTn. En cuanto al costo de los forros por toneladas de mineral procesado,
Growth Steel es más caro con 0.0751 $/Tn, mientras que ACSA está en 0.0567 $/Tn. Al
considerar los costos por tiempo perdido en paradas equivalente a 82 horas a lo largo
de la campaña, su costo se eleva hasta 0.2103 $/Tn, considerando que por hora parada
se pierde $27,871.
9. En cuanto a las tapas de alimentación, el rendimiento de las tapas METSO es mejor que
las tapas SIOM, tanto en el ratio de desgaste como en el costo de tapas por tonelada
de mineral procesado. Siendo el ratio de desgaste de 5.90 mm/MTn para SIOM y 5.31
mm/MTn para METSO, además que el costo es de 0.0240 $/Tn para SIOM frente a
0.0243 $/Tn para METSO en un periodo promedio de 15 meses de trabajo para SIOM y
13 meses de trabajo para METSO.
120
BIBLIOGRAFIA
- Análisis crítico del proceso de Molienda /Clasificación, Dr. Jaime Sepulveda, Control
International Inc.
- Sepulveda J.E “una cuarta Ley para la molienda / Clasificación”, IV simposium Sobre
molienda, Armco Chile, noviembre 1984.
- Gutierrez, L y Sepulveda J.E “Dimensionamiento y Optimización de plantas
concentradoras Mediante técnicas de Modelación Matemática” CIMM 1986.
- Guzman Levi, “Como optimizar la operación de sus molinos”, II Congreso Internacional
de Metalurgia, Universidad de Oruro, La Paz Bolivia, noviembre 1996.
- Estadistica “Serie de compendios Schaum, teoria y problemas de estadistica”, Murray
R. Spiegel, Ph. D.
- Tamborero del Pino, José María. Fiabilidad: La distribución de Weibull [En línea]
Disponible en:
http://www.insht.es/InshtWeb/Contenidos/Documentacion/FichasTecnicas/NTP/Fich
eros/301a400/ntp_331.pdf
- Yáñez, Medardo; Perdomo, José L y Gómez de la Vega, Hernando. Ingeniería de
Confiabilidad: Pilar fundamental del mantenimiento [En línea] Disponible en:
https://reliabilityweb.com/sp/articles/entry/ingenieria-de-confiabilidad-pilar-
fundamental-del-mantenimiento/#comment-list
- Lourival Augusto Tavares “Administracion Moderna del Mantenimiento” Pan American
Silver S.A.C. Capitulo IV. (Evaluando la gestion del mantenimiento).
- John Moubray, “Mantenimiento centrado en confiabilidad” Edicion en español II RCM.
2004.
- F. Stanley Nowlan; Howard F. Heap, “Reliability centered maintenance” RCM.
- Estadística (4ª ed) (en papel) murray r. spiegel; larry j. stephens , 2009
- Weibull, Wallodi, "A Statistical Distribution Function of Wide Applicability," Journal of
Applied Mechanics.
- Congreso, Revemol, Perú 2015. Avance en Métodos de Análisis y predicción de vida útil
de revestimientos basado en Tecnología Laser 3D. Ing. Miguel Bustos, Ariel Medina
121