Universidad Nacional

“José Faustino Sánchez Carrión”

Facultad de Ingeniería Química Metalurgia

Escuela Académica Profesional de Ingeniería
Metalúrgica

PROYECTO DE TESIS

Titulo : DISGREGACIÓN DE MINERALES SULFUROS DE COBRE A

NIVEL LABORATORIO PARA LA OPTIMIZACIÓN DE LA
MOLIENDA - UNJFCS 2012.

Autor : Anaya Félix, Benjamín Faustino.

Medina Oropeza, Christian Albert.

Asesor : Mg. Quinte Villegas, Apolinar.

Huacho - Perú
2012

pág. 1
 ÍNDICE GENERAL

Carátula. 01
Índice. 02
Índice de figura. 05
Índice de cuadros 06
Glosario abreviatura. 07
Índice de anexo. 08
I. PLANTEAMIENTO DEL PROBLEMA.
1.1. Antecedentes. 09
1.2. Formulación del Problema. 10
1.2.1. Problema General. 10
1.2.2. Problema Específico. 10
1.3. Objetivos. 10
1.3.1. Objetivos Generales. 10
1.3.2. Objetivos Específicos. 10
1.4. Justificación. 11
1.4.1. Justificación Práctica. 11
1.4.2. Justificación Metodológica. 11
1.4.3. Justificación Técnica. 11
1.4.4. Justificación Social. 11
1.4.5. Justificación Económica. 12
1.5. Delimitación. 12
1.5.1. Delimitación Territorial. 12
1.5.2. Delimitación Tiempo y Espacio. 12
1.5.3. Delimitación de Recursos. 12
1.6. Viabilidad de Estudio. 13
II. MARCO TEÓRICO.
II.1. Antecedentes dela Investigación. 14
II.1.1. Investigación Relacionada con el Estudio. 14
II.1.2. Otras Publicaciones. 19
II.2. Bases Teóricas. 22
II.2.1. Molienda. 22
II.2.2. Tipos de Molinos. 23
II.2.3. Clases de Molienda. 23
II.2.4. Variables en el procesamiento de Minerales. 24

pág. 2
 II.2.5. Variable de diseño. 25
II.2.6. Variable de Operación. 25
II.2.7. Relación energía – tamaño. 27
II.2.8. Antigua leyes de la conminución. 27
II.2.9. Postulado de Bond. 28
II.2.10.Diseño Factorial Simple. 30
II.2.11.Cálculo de Efectos. 31
II.2.12.Análisis de Variancia. 32
II.2.13.Modelo Matemático a Escala Codificada. 33
II.2.14.Análisis de Residuos. 34
II.2.15.Decodificación del Modelo Matemático a Escala Natural. 35
II.3. Definición de Términos Básicos. 35
II.4. Formulación de Hipótesis. 36
II.4.1. Hipótesis General. 36
II.4.2. Hipótesis Específicas. 36
II.5. Operacionalización de Variables. 37
III. METODOLOGÍA.
III.1. Diseño Metodológico. 37
III.1.1. Tipo de Investigación. 37
III.1.2. Método de Investigación. 37
III.1.3. Estrategias o Procedimientos de Contrastación de Hipótesis o
Cumplimiento de Objetivos Técnicos. 37
III.2. Población y Muestra. 38
III.2.1. Población. 38
III.2.2. Muestra. 38
III.3. Técnica de Recolección de Datos. 38
III.3.1. Técnicas. 38
III.3.2. Instrumentos. 39
III.4. Técnica de procesamiento de la Información. 39
III.5. Aspectos Éticos. 39
III.6. Matriz de Consistencia. 40
IV. RECURSOS, PRESUPUESTOS Y CRONOGRAMA.
IV.1. Recursos. 42
IV.1.1. Recursos Humanos. 42
IV.1.2. Recursos Institucionales. 42

pág. 3
 IV.1.3. Recursos Financieros. 42
IV.2. Presupuestos. 42
IV.3. Cronograma. 43
V. BIBLIOGRÁFIA Y OTRAS FUENTES.
Anexos.

pág. 4
 ÍNDICE FIGURA

Pág.
Fig. Nº 2-1 : Variación de la velocidad critica del molino 26
Fig. Nº 2-2 : Representación geométrica de un diseño, para k = 3 replicado
en el centro. 31

pág. 5
 ÍNDICE CUADROS

Pág.
Cuadro Nº 2-1 : Variables de operación 37
Cuadro Nº 2-2 : Matriz de consistencia 1. 40
Cuadro Nº 2-3 : Matriz de consistencia 2. 41
Tabla Nº 2-4 : Presupuestos. 42
Cuadro Nº 2-5 : Cronograma 43

pág. 6
 GLOSARIO ABREVIATURA

% : Porcentaje
UNJFSC : Universidad Nacional José Faustino Sánchez Carrión.
Wi : Word índex (índice de trabajo )
S.A : Sociedad anónima
Kg/Ton : Kilogramo por tonelada
TMSD : Toneladas métricas secar por día
Kw-h/T : Kilo watts hora por tonelada corta
Nc : Velocidad crítica
Kw : Kilo watts
W : watts
m : Micrones
P80 : 80 por ciento pasante del producto
F80 : 80 por ciento pasante en la alimentación
HPGR : Molienda de Rollos a presión alta
Pág. : Pagina
Fig. : Figura
A- : Anexo
EAPIM : Escuela académica profesional ingeniería metalúrgica.

pág. 7
 ÍNDICE ANEXO

A-1 : Mapa de localización de la UNJFSC EAPIM.

A-2 : Mapa Nacional de localización Huacho.
A-3 : Mapa localización Nazca - Planta Concentradora MINEX.

pág. 8
 ÍNDICE DE TABLA
Tabla Nº 2-1 : 100

pág. 9
 ÍNDICE DE FIGURA.
Fig. Nº 2-1 : 101
Fig. N 3-10 :
Fig. N 3-11 :

pág. 10
 SÍMBOLOS
F80 : Ochenta porciento pasante alimentación.
HPGR : High PressureGrindingRolls (Molienda de Rollos a presión alta).
Kg/Ton : Kilogramos por toneladas.
Kw h/T : Kilo watt hora por tonelada.
P80 : Ochenta porciento pasante producto.
Pag. : Página.
S.A : Sociedad Anónima
Wi : Índice de trabajo
Vc : Velocidad crítica tangencial.
UNJFSC : Universidad Nacional José Faustino Sánchez Carrión.
TMSD : Toneladas métricas secas día.
SAG : Molienda semiautógena.
MINEX : Minería y Exportaciones.

pág. 11
 CAPITULO I

ASPECTOS PRELIMINARES

1.1. DESCRIPCIÓN DE LA REALIDAD PROBLEMÁTICA.

Las operaciones de reducción de minerales, en las plantas concentradoras es uno de los

partes mas importantes para el beneficio de minerales, en el caso de los mineros artesanales o
pequeñas empresasno realizan trabajo de investigación respecto a la liberación ya que no
cuentan con la asesoría técnica necesaria y por ello tienen menor recuperación de los
elementos valiosos, por ende es necesario realizar el trabajo de molienda donde interviene las
variables de tiempo porcentaje de sólido y carga moledora. En referencia al consumo de
energía en la parte de molienda es donde se efectúa mayor consumo de energía.

A lo largo del tiempo del desarrollo de la metalurgia se realizaron investigaciones

referentes a liberación de material donde los autores llegaron a establecer los siguientes
criterios:

Wills B. A. 1988invoca que lamalla de molienda (tamaño de molienda)generalmente

se fija en términos de un puntosobre la curva de acumulativo de finos, frecuentemente es el 80
% del tamaño que pasapor el tamiz con orificios de diámetro similar altamaño de molienda.[2]

Andreiev, S. E. et al. 1980 imprimen quepara dirigir el proceso de molienda en los

molinosde bolas y para escoger condiciones de su trabajomás útil es necesario conocer como
se efectúa el proceso dado en el tiempo, es decir, conocer su cinética.[5]

Austin (1964) establece que la energía útil en el rompimientodel mineral no supera 3

% de toda la energíaconsumida por el molino; por su parte, Beke (1964) determinaque el
consumo de energía en el rompimientodel mineral no sobrepasa 0,6 %. Con independencia
dela diferencia en los resultados de ambos, debemos estarde acuerdo con que la energía que se
consume en elrompimiento la partícula mineral es sumamente pequeña[18].

pág. 12
 Las principales pérdidas de energía están dadas, enforma de calor y ruido, en las
transmisiones delaccionamiento del molino.

1.2. FORMULACIÓN DEL PROBLEMA [3, 4]

1.2.1. PROBLEMA GENERAL.

¿En que medida la disgregación de minerales sulfurados de cobreexperimentalmente a

nivel laboratorio nos permitirá optimizar la molienda usando el diseño factorial -
UNJFCS 202.

1.2.2. PROBLEMA ESPECÍFICO.

- ¿Cómo afecta la densidad de pulpa óptima en la distribución granulométrica?

- ¿Qué efecto tiene el tiempode residencia del mineral en la liberación óptima?
- ¿Cuál es eladecuado porcentaje de carga moledorapara una mayor área de contacto?

1.3. OBJETIVOS [7]

1.3.1. OBJETIVO GENERAL.

Evaluar la disgregación de minerales sulfurados de cobreexperimentalmente a nivel

laboratorio para la optimización de la molienda usando el diseño factorial - UNJFSC
2012.

1.3.2. OBJETIVOS ESPECÍFICOS.

- Evaluar el efecto de la densidad de pulpa en la distribución granulométrica.

- Evaluar el efecto del tiempode residencia del mineral en la liberación óptima.
- Evaluar el porcentaje de carga moledorapara una mayor área de contacto.
1.4. FORMULACIÓN DE LA HIPÓTESIS.

1.4.1. HIPÓTESIS GENERAL [3, 4, 7].

pág. 13
 Realizando la disgregación de minerales sulfurado de cobre experimentalmente a nivel
laboratorio nos permitirá optimizar la molienda usando el diseño factorial en la
Universidad Nacional José Faustino Sánchez Carrión 2012.

1.4.2. HIPÓTESIS ESPECÍFICAS.

 Con una densidad de pulpa óptima se logra mayor distribución granulométrica.

 Con un tiempo de residencia adecuado de minerales se logra una liberación óptima.
 Con un adecuado porcentaje de carga moledora habrá mayor área de contacto.

1.5. JUSTIFICACIÓN [7].

Al llevar a cabo esta investigación se evaluara la influencia de ladisgregación de

minerales sulfurado de cobre experimentalmente a nivel laboratorio para la
optimización de la molienda usando el diseño factorial en la Universidad Nacional
José Faustino Sánchez Carrión 2012, lo cual nos permitirá minimizar el consumo de
energía en la operación de molienda, haciéndolo económicamente rentable.

1.6. TIPO DE INVESTIGACIÓN.

 Corresponde al diseño experimental, por que se usará diseño factorial simple.

1.7. MARCO METODOLÓGICO DEL DISEÑO EXPERIMENTAL.

1.7.1. OPERACIONALIZACIÓN DE VARIABLES.

Para el tratamiento de los datos se aplicará la técnica del diseño factorial simple a fin
de procesar e identificar la influencia de las variables en estudio.

En el análisis de los datos se aplicará el software estadístico SPSS versión 19, a fin de
evaluar, interpretar y optimizar las variables en estudio.

pág. 14
 A fin de desarrollar el presente trabajo de investigación se han estudiado las siguientes
variables:

Tabla Nº 2-1: Variables de operación

Variable Independiente (Xi)
Disgregación de minerales sulfurado - Densidad de pulpa
de cobre - Tiempo.
- Porcentaje de carga moledora
Variable Dependiente (Yi)
Optimización de la molienda - Distribución granulométrica.
- Liberación de óptima.
- Área de contacto.

1.7.2. POBLACIÓN Y MUESTRA.

Todos los pequeños mineros que no cuente con planta de beneficio en el distrito de Nazca
provincia de Nazca departamento de Ica.

El mineral que se procesa en la Planta concentradora MINEX en el periodo 2012 se

presenta como minerales sulfuros y óxidos.

1.7.3. TÉCNICA DE RECOLECCIÓN DE DATOS.

La técnica de muestreo, para obtener una muestra representativa y evaluar las

variables que influyen en el proceso de molienda, con la finalidad de optimizar la energía.

Con esta técnica será posible conocer la forma como se desarrollan el análisis y
disgregación de minerales sulfurado de cobre a nivel laboratorio para la optimización de la
molienda

1.7.4. TÉCNICAS DE PROCEDIMIENTOS DE LA INFORMACIÓN.

pág. 15
 Se usará el análisis estadístico, usando programas de cálculo como Excel, SPSS, para
luego mostrar la información, mediante tablas, registros, figuras, promedios, medianas,
desviación estándar y otros.

 Los efectos e interacción de los factores.

 Analisis de varianza(ANOVA).
 Modelo matemático.
 Pendiente ascendente.
 Parámetros óptimos.
 Análisis gráficos de los efectos e interacciones y las isolíneas que correlacionan en el
plano y espacio de los factores en función de la recuperación.

pág. 16
 CAPITULO II
MARCO TEÓRICO

2.1. ANTECEDENTES DE LA INVESTIGACIÓN.

2.1.1. INVESTIGACIÓN RELACIONADA CON EL ESTUDIO.

2.2. BASES TEÓRICOS.

2.2.1. Molienda.[2,5,21]

La operación de molienda consiste en la reducción del trozo de mineral desde una

dimensión máxima de alimentación que va desde 9,000 a 10,000 micrones a partículas más
finas cuyo tamaño más grande varía de 35 a 200 mallas (420 a 74 micrones). El tamaño
óptimo de liberación se determina usualmente mediante consideraciones técnicas y
económicas. Cuanto más fino se muele el mineral, mayor es el costo de molienda y hasta
cierto grado, una molienda más fina conlleva a una mejora en la recuperación de valores. De
acuerdo a esto, la molienda óptima es aquella malla de molienda en la cual los beneficios son
máximos, cuando se considera tanto el costo de energía, así como los retornos netos de los
productos.

La molienda por atrición depende del grado de resbalamiento que existe entre las
zonas de desprendimiento y la base de carga. Cuando el diseño de los forros es bueno, la
transferencia de energía del casco a la carga de bolas, es igualmente buena; como si fuera un
conjunto de engranajes internos, por lo que el efecto de impacto es máximo. Si el grado de
resbalamiento de bolas sobre el casco es alto; se incrementa el efecto de molienda por
abrasión o atrición y se originará una mayor cantidad de lamas, así como un producto más
fino; pero es a expensas de la potencia y desgaste de forros.

La Molienda de minerales, es la causante de producir las partículas a clasificar y esta es

una operación unitaria que efectúa la etapa final de reducción de tamaño de partícula del
mineral, tiene tres objetivos primordiales:

pág. 17
a) Liberación de las partículas valiosas del mineral.
b) Llevar la granulometría de las partículas a un tamaño adecuado para la siguiente etapa.
c) Homogenizar la pulpa para la siguiente etapa.

La molienda trabaja según sea su funcionalidad y objetivo, en circuito cerrado o abierto en

húmedo.

Cuando se trabaja en circuito cerrado quiere decir que se trabaja con un clasificador para
incrementar la eficiencia de la molienda.

2.2.2. Tipo de Molinos [9,16, 23].

o Molinos de barras.
o Molinos de bolas (Molino de cónicos, Horizontales y Verticales).
o Molinos autógenos
o Molino semi autógenos.
o Molinos de guijarros

2.2.3. Clase de Molienda.[2,22,25,31]

Molienda término empleado muy frecuentemente para determinarel conjunto de técnicas

relativas a la reducción volumétrica decuerpos sólidos.Según los deseos del explotador,
podemos encontrar siete tipos demolienda que definiremos como sigue:

a. Molienda Simple: Solamente es necesario convertir la totalidad del material en

elementos inferiores a una dimensión determinada (sin ninguna consideración de la
granulometría interna del producto).
b. Molienda Forzada: El producto molido debe contener claramente una cantidad de finos
superior al límite determinado; es decir, el producto molido debe presentar la máxima
superficie posible.
c. Molienda Condicionada: En sentido inverso, puede interesar obtener la menor cantidad
posible de supertriturados, bien porque sea innecesario o bien porque es perjudicial.

pág. 18
 d. Molienda Diferencial: Denominada selectiva, aplicable a productos estructuralmente
heterogéneos, permite con ciertas precauciones aumentar la reducción de los
componentes fiables, algo mas que la de los componentes mas duros. De esta manera
es posible una selección más o menos grosera mediante clasificación volumétrica. Los
resultados de la molienda diferencial son esencialmente función de la naturaleza física
del material a tratar.
e. Molienda Formal: En donde las operaciones de fragmentación en las cuales la forma de
los fragmentos obtenidos influye en, el valor del producto.
f. Automolienda: Trata de operaciones de reducción volumétrica en las cuales los
elementos a moler se fragmentan por percusión y fricción recíprocas.
g. Molienda Criogena: Fragmentación de sólidos previamente enfriados a muy bajas
temperaturas (en general mediante nitrógeno liquido).

2.2.4. Variablesen el procesamiento de Minerales[20, 21, 26].

Llamamos variables o parámetros de operación a todo lo que se puede controlar; existen

muchas en molienda, las más importantes son:

o Carga de mineral.
o Suministro de agua.
o Medios de molienda.
o Condición de los blindajes.
o Tiempo de molienda.
o Velocidad de operación de los molinos.
o Carga Circulante.

2.2.5. Variable de Diseño. [10,9,30]

El diseño de circuitos de molienda debeconsiderar una serie de variables tales como:

a) Velocidad crítica (Nc) del molino: Se había definido anteriormente la velocidadcrítica

como la velocidad a la cual las fuerzascentrífugas actúan sobre la carga de un
molino,obligándola a adherirse a las corazas internas, conla consiguiente pérdida de

pág. 19
 eficiencia. En estacondición se impiden los efectos de cataratas ycascadas de los medios
moledores, que son losefectos de los que depende la molienda.
b) Volumen de la carga: El volumen de la carga en un molino de bolasse expresa como el
porcentaje del volumen entrelas corazas que es llenado con bolas y mineral.Cuando el
molino está detenido, el volumen decarga puede obtenerse en forma rápida, midiendoel
diámetro interno entre corazas y la distanciadesde la parte superior del molino y la
carga.
c) Potencia versus carga en el molino. La máxima potencia se consume en el caso deque
la carga ocupe aproximadamente el 50 % del volumen.
d) Tamaño del molino: El tamaño del molino se determinará sólo enbase a la potencia
requerida para moler. Laestimación del tamaño puede realizarse en base afórmulas
empíricas.

2.2.6. Variable de Operación. [5,8,12]

a) Velocidad del molino.

En la práctica los molinos operan a velocidades de 60 a 80% de la velocidad crítica, la

selección de la velocidad está influenciada por consideraciones económicas y
técnicas; el aumento en velocidad aumenta la capacidad debido a la mayor generación
de potencia, sin embargo esta limitado por consideraciones de diseño.

Los molinos de bolas operan normalmente entre 70 a 80% de la velocidad crítica,

frecuentemente se usan las velocidades más altas, para aumentar la cantidad de
catarata que se desea para quebrar las alimentaciones gruesas o duras.

Fig. No 2-1.- Variación de la velocidad critica del molino

pág. 20
 b) Porcentaje de sólido en el molino.

El porcentaje de sólido de la pulpa en el interior del molino, se regula normalmente

con adiciones de agua. En general se desea obtener una pulpa, que no sea ni tan
diluida, como para que las partículas no se adhieran a las bolas, ni tan espesas de
modo que la alta viscosidad impida el choque de las bolas entre sí y con la carga.

c) Tamaño de Bolas.

La composición de la carga de medios de molienda, es la variable más importante en

el circuito de molienda, ya que de esta depende en gran medida la liberación de las
partículas, así mismo se ha demostrado que la variable de mayor importancia es el
área especifica de la carga de bolas, la cual permite maximizar la moliendabilidad del
mineral.

d) Carga circulante y eficiencia de clasificación.

A menudo, al operar un circuito de molienda, con eficiencia de clasificación baja, se

traduce en aumentar la cantidad de finos que salen por la descarga del hidrociclón
(underflow) y que deben en realidad de salir por el rebose del hidrociclón (overflow),
constituyendo lo que se denomina corto circuito de finos, lo anterior lleva consigo un
aumento en la carga circulante que retorna al molino, vale decir un aumento en la
carga circulante. En general, si se mejora la eficiencia de clasificación, disminuirá
el corto circuito de finos, y podrá por ende, disminuir la carga circulante y aumentar
la alimentación fresca al molino, con el consiguiente aumento de capacidad, que es
del mayor interés.

2.2.7. Relación Energía-Tamaño.[12,13,27,29, 32]

Cuando una máquina opera sobre un mineral consume una cierta potencia, la que puede
variar en el tiempo dependiendo del esfuerzo que ella deba realizar en cada instante.

La energía unitaria utilizada por esa máquina para efectuar su trabajo se puede expresar
de la siguiente forma:

pág. 21
 Si estamos en el estado estacionario: E=Pt ( KWH )
t

Si no estamos en el equilibrio: E=∫ P ( ξ ) d ( ξ )

0

t
P (ξ )
E =∫
Por regla general especificamos como energía especifica: ^ d (ξ )
0 W (ξ )
Donde: P ( t ) =potencia en KW
W ( t )=carga de material en el equipo(TM )
t = tiempo en horas

Si P y W son constantes independientes del tiempo se puede escribir

E=Pt /W
^ con ( x ), de tal manera que a cierta granulometría, cuanta
La idea es relacionar E
energía se ha consumido.

La eficiencia de la comminución está ligada al consumo de energía para efectuar una

cierta reducción de tamaño y desde hace mucho tiempo ha sido el centro de los estudios en
conminución, tal es el caso que en el siglo XIX comenzó la controversia Kick-Rittinger

2.2.8. Antiguas leyes de la Conminución.

A manera de ejemplo, los investigadores Rose y Sullivan demostraron que en las

etapas de chancado y molienda convencional la energía mecánica transferida a las partículas
de un mineral supera entre 100 a 1000 veces el consumo teórico de energía requerida para
crear nuevas superficies; es decir menos del 1% del total de la energía entregada al equipo de
conminución, es efectivamente empleada en la fragmentación de las partículas. En general, se
ha logrado establecer que gran parte de la energía mecánica suministrada a un proceso de
conminución se consume en vencer resistencias nocivas de diversos tipos, tales como:

- Deformaciones elásticas de las partículas antes de romperse.

- Deformaciones plásticas de las partículas, que originan posteriormente la
fragmentación de las mismas.
- Fricción entre las partículas.

pág. 22
 - Vencer la energía de las piezas de las máquinas.
- Deformaciones elásticas de la máquina.
- Producción de ruido, calor y vibraciones de la instalación.
- Generación de electricidad.
- Roce entre partículas y piezas de la máquina.
- Pérdidas de eficiencia en la transmisión de energía eléctrica y mecánica.

2.2.9. Postulado de Bond.

Como los postulados de Kick y Rittinger no satisfacían todos los resultados

experimentales observados en la práctica, y como se necesitaba en la industria de una norma
estándar para clasificar los materiales según sus respuestas de conminución, Bond postuló en
1952 una ley empírica que se denominó la «Tercera Ley de la Conminución». Dicha teoría
puede enunciarse como sigue:

Bond basó su Tercera Ley de la Conminución en tres principios de los que a su vez se
basan en mecanismos observados durante la reducción de tamaño de las partículas.

Dichos principios son:

a. Primer Principio: “Solamente una partícula de tamaño infinito tendría un registro

energético igual a Cero” (valor de referencia inicial usado por Bond, en desarrollo de
su Tercera Ley de Conminución).

De aquí resulta que el consumo de energía en la conminución es la diferencia entre el

registro energético del producto y el correspondiente al de la alimentación:

Consumo Registro de Registro de

{ de
Energía
=
}{
energía del
Producto
−
}{
Energía de la
Alimentación }
b. Segundo Principio: “El consumo de energía para la reducción de tamaño es
proporcional a la longitud de las nuevas grietas producidas”. Como la longitud
exterior de una grieta es proporcional a la raíz cuadrada de su superficie, se puede

pág. 23
concluir que la energía consumida es proporcional a la diferencia entre la raíz
cuadrada de la superficie específica obtenida después y antes de la conminución. Esto
es:

1 1

[
E B=C ( S^ 1 ) 2 −( S^ 0 ) 2
^ ]
Reemplazando la superficie especifica en términos del tamaño promedio, resulta:

1 1
1 1
E B=K B
^
[( ) ( ) ]
x 1/122 1
2
−
x 1/122 0
2

1
α 1
Donde:K B=C S
αV ρ [ ] 2

En su deducción teórica, Bond no utilizó el tamaño promedio volumétrico superficial,

sino que hizo uso del tamaño x 80 (80% pasante) denominado P80 al tamaño 80%
pasante del producto (μm) y F80 al 80% pasante de la alimentación (μm). Entonces:

1 1
E B=K B
^
[ −
√ P80 √ F 80 ]
F. Bond definió el parámetro K B en función del Work Index. W i (Índice de Trabajo del
material), que corresponde al trabajo total (expresado en KWh/Tc) necesario para
reducir una tonelada corta de material desde un tamaño teóricamente infinito ( F 80 → ∞ )
hasta partículas que en un 80% sean inferiores a 100 micrones
( P¿¿ 80=100 μm , aproximadamente67 %<200 mallas)¿;). Entonces:

1 1 KB
W i =K B [√ − =
100 √ ∞ 10 ]
De donde: K B=10 W iy finalmente, al reemplazar, tenemos:

pág. 24
 1 1
E B=10 W i
^
[ −
√ P80 √ F 80 ]
Donde:
P80 = tamaño 80% pasante del producto (μm).
F80 = tamaño 80% pasante de la alimentación (μm).
WI = Índice de Trabajo del Material (KWh/Tc).

El parámetro WI (Índice de Trabajo de Bond) depende tanto del material (resistencia a

la conminución) como del equipo de conminución utilizado (incluyendo la malla de
corte empleada en el clasificador, para circuitos cerrados de
conminución/clasificación), debiendo ser determinado experimentalmente (a escala
estándar de laboratorio) para cada aplicación requerida.

2.2.10. Diseño Factorial Simple[6, 17, 19].

Al inicio de un proceso de optimización, cuando no se tienen un buen conocimiento del

comportamiento y la influencia de las variables que afectan al proceso de flotación, es
necesario efectuar la identificación de las variables significativas. En esta etapa los diseños de
primer orden son los más recomendables y dentro de ellos se utilizo el diseño factorial simple
a dos niveles el cual consta de 10 pruebas, ocho puntos experimentales correspondientes a un
cubo y dos puntos replicados en el centro donde el objetivo es identificar las variables que
verdaderamente aumentan la eficiencia de un proceso.

En el diseño factorial simple se asume que la relación de las variables con la respuesta
está representada por un modelo matemático lineal, el cual debe de predecir adecuadamente
todos los puntos del diseño, inclusive el punto central del diseño, por seguridad de que no se
cumpla esta hipótesis podemos afirmar que el modelo matemático lineal no es suficiente para
explicar las respuestas especialmente en el punto central del diseño y podemos asumir una
posible existencia de curvatura. Para ello la adición de las pruebas en el punto central del
diseño nos sirve para dar estimación promedia del efecto curvatura.

pág. 25
 Fig. 2-2: Representación geométrica de un diseño, para k = 3 replicado en el centro.

2.2.11. Cálculo de Efectos.

El cálculo de efectos nos determinara cuando afecta las variables sobre la respuesta o
llamado también criterio de optimización de un proceso. El cual se define como la diferencia
entre los valores medios de las respuestas, cuando en los tratamientos respectivos la variable
se encuentra en su nivel inferior y cuando se encuentra en su nivel superior, definido por:

Efecto=
∑ Y O −∑ Y
N
2
Donde:

- yº = sumatoria de las respuestas correspondiente al nivel superior de la variable en

cuestión.
- y = sumatoria de las respuestas correspondiente al nivel inferior de la variable en
cuestión.
- N = número de pruebas experimentales.

2.2.12. Análisis de Variancia. [19,32]

Es el procedimiento apropiado para probar la significancia de los efectos. La ecuación

siguiente muestra la variabilidad total de los datos en sus partes componentes:

SS Total = SS Efectos + SS Error

Donde:

pág. 26
- SS Total = suma total de cuadrados corregidos.
- SS Efectos = suma total de cuadrados debido a los efectos o tratamientos.
- SS Error = suma total de cuadrados debido al error.

a. La suma de cuadrados de los efectos e interacciones está definido por:

N 2

SS . . Efecto=
(∑ )
i=1
XijYi

Xi= valor de la variable a escala codificada.

Yi= valor de la respuesta (recuperación de Zinc)

b. La suma total de cuadrados para el error (SS Error) está definido por:

no 2
SS . . Error=
(∑ )
i=1
Yº −Yº

Donde:
Yº= Réplicas en el punto central del diseño.
no= numero de réplicas en el centro del diseño.
Yº= promedio de todas la réplicas.

c. La suma de cuadrados para la curvatura está dada por:

2
N∗no ( Y −Yº )
SS . . Curvatura=
( N +no)

Y= promedio de los puntos exteriores del diseño.

pág. 27
 La manera precisa para determinar estadísticamente las variables o factores que
pueden ser significativos es por medio del teorema de Cochran el cual se resume en la
siguiente expresión:

SS .. Efecto
f1
Fo=
SS .. Error
f2
- f1= grados de libertad de los efectos e interacciones generalmente iguales a 1.
- f2= grados de libertad de la suma de cuadrados del error, lo cual está calculado
como la diferencia de los grados de libertad de la suma total de cuadrados menos
la suma de los efectos.
- f3= grados de libertad de la suma de cuadrados definido como el número de
pruebas experimentales realizadas (incluyendo las réplicas) menos 1.

Un efecto o interacción es significativa si se cumple relación:

Fo> F ´, f1, f2
Donde:
Fo> F ´, f1, f2 = es el F de las tablas, siendo ´el nivel de confiabilidad o
significancia (generalmente 0.01 o 0.05)

2.2.13. Modelo Matemático a Escala Codificada. [14,19]

Para estimar los coeficientes de la ecuación matemática se hace uso de la formula

matricial:

[ B ] =([ X ]T [ X ])−1 ([ X ]T [Y ])

2.2.14. Análisis de Residuos [6, 19,32].

Después de aplica el producto de la matriz (variables independientes menos la

columna que resulto no significativa), y el vector B.

Con estos elementos podemos calcular la suma de cuadrados de residual del modelo
mediante la siguiente ecuación:

pág. 28
 Nr
(Y −Yº )2
SS . . Re siduales=∑
l =1 Nr−l

Donde:

Y = Y observado.

Yº = Y calculado.

Nr = número total de experimentos.

L = número de parámetros del modelo matemático.

La diferencia (Nr - l) se denomina grados de libertad del residual el cual denotamos

como f4.

Para calcular el Fo recurrimos a la siguiente relación:

SS ..Re siduales
Fo=
Media. . decuadrados. . del. . error

Mediantes el test F determinamos estadísticamente si el modelo matemático hallado

representa adecuadamente a los datos experimentales, para ello calculamos el Fo y el F tablas.

Si se cumple F ´, f1, f2 >Fo entonces el modelo se ajusta al experimento.

2.2.15. Decodificación del Modelo Matemático a Escala Natural.[14,19]

Es importantes decodificar el modelo matemático hallado a escala natural para poder

graficarlo y para aplicar la siguiente etapa de optimización. Se ha deducido formulas para la
decodificación que son las siguientes:
k k
ao=bo−∑ bj εj + ∑ bij ε ij
j =1 ij=1

pág. 29
Para el término lineal:
k =1
bj dij
ajZj = −∑
Δ Zj ji=1 Δ Zj

Para el término interacción:

bμ
ajZjZi=
Δ Zj Δ Zi
Donde:
(Zmax +Zmin)
Zºj =centro del diseño para la variable j 2
(Zmax -Zmin )
Zj = radio del diseño para la variable j 2
 = resultado de la división Zº j entre Zj.

2.3. DEFINICIÓN DE TÉRMINOS BÁSICOS [1, 9, 15].

a. CONCENTRADORA. Instalación donde se concentra o recupera minerales

sulfurados, óxidos, etc. con valor económico.
a. CONMINUCIÓN:Proceso a través del cual se produce una de reducción de tamaño
de las partículas de mineral, mediante trituración y/o molienda.
b. MINERAL. Sustancia inorgánica que se halla en la superficie o en las diversas capas
de la corteza del globo, y principalmente aquella cuya explotación ofrece interés. Parte
útil de una explotación minera.
b. MOLIENDA: término empleado muy frecuentemente para determinar el conjunto de
técnicas relativas a la reducción volumétrica de cuerpos sólidos.
c. OPTIMIZACIÓN.Es el proceso de modificación de un sistema para mejorar su
eficiencia o también el uso de los recursos disponibles.
d. PLANTA. Instalación industrial. Figura que forman sobre el terreno los cimientos de
un edificio o la sección horizontal de las paredes en cada uno de los diferentes pisos.
e. PROCESO. Conjunto de las fases sucesivas de un fenómeno natural o de una
operación artificial.
f. SABC: Circuito de molienda semiautógena en que el producto del molino SAG, se
clasifica en un harnero y su sobretamaño se chanca para posteriormente ser recirculado
tanto al molino SAG (SABC-A), a la alimentación de los molinos de bolas (SABC-B)
o a ambos (SABC-AB).

pág. 30
pág. 31
 CAPITULO V

PARTE EXPERIMENTAL

5.1 EQUIPOS UTILIZADOS EN EL LABORATORIO.

a) Chancadora de quijada
b) 01 molino de bolas para efectuar la molienda de minerales de capacidad de 01 Kg de
muestra 8”X8”.
c) Estufa para secar muestra.
d) Balanza digital hasta 05 Kg de capacidad.
e) Cuarteador jones.
f) Rote up.
g) Filtro prensa.

5.2 MOLIENDA AL NIVEL LABORATORIO.

Se utilizo un molino de bolas convencional de 8´´ x 8´´ de forma cilíndrica.

5.3 DISEÑO FACTORIAL SIMPLE PARA MOLIENDA DE MINERAL.

5.3.1 Preparación de carga moledora para realizar el diseño factorial simple.

5.3.2 Cálculo de los efectos para el diseño factorial simple e interpretación.

Los niveles para las variables consideradas en escala codificada se muestran en la

siguiente tabla:
Tabla Nº 5-1: Variables Intervinientes en la Molienda

Variable Nivel(-) nivel(+)

X1 gr/mL 1,702 1,854
X2 minuto 10 15
X3 % 31 38
Donde:

pág. 32
 X1 Densidad de pulpa (gr/mL).
X2 Tiempo de molienda (minutos).
X3 Porcentaje de carga de molienda.
A base de los datos anteriores se construye la matriz de diseño a escala codificada y a
escala natural para el diseño factorial simple:

Tabla Nº 5-x: Matriz del diseño factorial Escala codificada y natural molienda de mineral.

Variable Nivel(-) nivel(+)

Densidad de pulpa X1 gr/mL 1.702 1.854
Timpo X2 minuto 10 15
Carga bolas X3 % 31 38

N Y
1 69.62
2 69.89
3 80.81

Tabla Nº 5-x: Matriz del diseño factorial con réplicas en el centro y respuesta de molienda.

Variable Nivel(-) nivel(+)

Densidad de pulpa X1 gr/mL 1.702 1.854
Timpo X2 minuto 10 15
Carga bolas X3 % 31 38

N Y
1 69.62

Tabla Nº 5-x: Efecto de las variables e interpretaciones molienda de minerales.

Variable Nivel(-) nivel(+)

Densidad de pulpa X1 gr/mL 1.702 1.854
Timpo X2 minuto 10 15
Carga bolas X3 % 31 38

5.4 CÁLCULO DE LA VARIANZA Y SU ANÁLISIS.

pág. 33
 Es el procedimiento apropiado para probar la significancia de los efectos. La siguiente
tabla muestra el análisis de varianza para los datos.

Tabla Nº 5-x: Análisis de varianza de la molienda de minerales.

Variable Nivel(-) nivel(+)

Densidad de pulpa X1 gr/mL 1.702 1.854
Timpo X2 minuto 10 15
Carga bolas X3 % 31 38

N Y
1 69.62 94.00
2 69.89 94.00
3 80.81 94.60

5.5 CÁLCULO DEL MODELO MATEMÁTICO A ESCALA CODIFICADA.

Para estimar los coeficientes de la ecuación matemática se hace uso de la interpretación de

variable ó de la curvatura de significancia si se cumple lo siguiente:
F0 >F(α;glT;glE)

Ecuación general:

X0 X1 X2 X3 X1X2 X1X3 X2X3 X1X2X3

65,30 -0,167 5,511 -0,258 -0,033 -0,509 -0,292 -0,241

Los que cumple: F(α;glT;glE)=F(0.05;1;2)= 18,51

La ecuación codificada:
X0 X1 X2 X3 X1X2 X1X3 X2X3 X1X2X3
65,30 5,511 -0,509

Y= 65,302 5,5112 X2 -0,5090 X1X3

5.6 ANÁLISIS DE RESIDUOS.

pág. 34
 Para ello multiplicamos la matriz de variables independientes con las columnas X2, X1X3
que resulto no significativa, y Y obsson los datos observado de las pruebas realizadas y se calcula
con el modelo matemático para producir Ycorrcalculamos los valores predichos por el modelo.

Tabla Nº 5-x: Matriz De Variables Independientes de la molienda de mineral.

N X2 X1X3 Yobs Ycorr

1 -1 1 69,62 69,28
2 -1 1 69,89 69,28
3 1 -1 80,81 81,32
4 1 -1 81,91 81,32
5 -1 -1 70,22 70,30
6 -1 -1 69,42 70,30
7 1 1 81,21 80,30
8 1 1 79,31 80,30

Tabla Nº 5-x: Análisis de residuos molienda de minerales.

N X2 X1X3 Yobs Ycorr (Yobs-Ycor) (Yobs-Ycor)2

1 -1 1 69,62 69,28 0,34 0,11629
2 -1 1 69,89 69,28 0,61 0,37307
3 1 -1 80,81 81,32 -0,51 0,25907
4 1 -1 81,91 81,32 0,59 0,34929
5 -1 -1 70,22 70,30 -0,07 0,00560
6 -1 -1 69,42 70,30 -0,88 0,76908
7 1 1 81,21 80,30 0,91 0,82626
8 1 1 79,31 80,30 -0,99 0,98210
3,68076

SSMR= 0,736152932
Fo= 11,45708926

F0< F(α;glR;glE) F(0.05;5;2)= 19,30 significativo

De acuerdo la condición para 95% de confiabilidad con 5 grados de libertad de residuos

y 2 grados de error entonces si 11.457089<19.30 por lo tanto la ecuación es valida para su
predicción que puede influir en la investigación de la liberación de mineral.

pág. 35
5.7 DESCODIFICACIÓN DEL MODELO MATEMÁTICO A ESCALA NATURAL Y SU
ANÁLISIS.

Como se ha estado trabajando las variables de X1, X2, X3, representada por los valores de
(-1) y (+1), para que en el modelo se deba remplazar los valores reales se debe descodificar.

Tabla Nº 5-x: Descodificación de la ecuación para la molienda.

  X1 X2 X3 X1X2 X1X3
Nivel Inferior(-) 1,70 10 31 17,02 52,77
Nivel Superior (+) 1,85 15 38,0 27,81 70,45
Centro de diseño Zº 1,78 13 34,50 22,4 61,6
Radio del diseño DZ 0,08 2,5 3,5 5,4 8,8
Relación E 23,42 5 9,86 4,16 6,97

Remplazando los valores en la ecuación obtenida se tendrá las constantes para la

ecuación:

Y= 75,3016786 5,5112 X2 -0,5090 X1X3

a0= 51,29
a2= 2,204
a3= -0,058

El modelo matemático a escala natural es:

Y
= a0 a1Z1 a2Z2 a3Z3 a4Z1Z2 a5Z1Z3 a6Z2Z3 a7Z1Z2Z3
Y 2,204
= 51,29 5 -0,0576

Y= 51,29 + 2,2045 Z2 -0,0576 Z1Z3

Minuto
Y= 51,29 + 2,2045 -0,0576 (gr/mL) (% Carga)
s

pág. 36
 De la ecuación podemos se observa que el tiempo tiene una influencia positiva en la
liberación del mineral, mientras que la relación de densidad y porcentaje de carga moledora
tiene una influencia negativa en la recuperación.

El que tiene mayor influencia es el proceso de liberación del mineral es el componente

de tiempo.

5.8 OPTIMIZACIÓN DE LA RESPUESTA Y SU ANÁLISIS.

Análisis para la liberación de minerales.

Tabla Nº 5-x: Valor promedio pronosticado la liberación del mineral

  Mínimo Máximo
Porcentaje liberación (%) 51,46 57,59
Tiempo (min.) 10,00 15,00

5.9 GRÁFICOS DEL DISEÑO FACTORIAL SIMPLE.

a. Liberación de mineral malla -200m en función de tiempo.

60

58
% Libración -200m

56

54
Tiempo (min)
52

50

48
9.0 10.0 11.0 12.0 13.0 14.0 15.0 16.0
Tiempo (min)

Fig. Nº 5-x: Interferencia de Tiempo en la liberación.

b. Liberación de mineral malla -200m en función de tiempo porcentaje de carga moledora.

pág. 37
 58

58

57
% Libración -200m 57

56

56 mineral +bolas

55

55

54
300 320 340 360 380 400 420 440 460 480
Mineral + bolas

Fig. Nº 5-x: Interferencia de Tiempo y porcentaje de carga en la liberación.

c. Liberación de mineral malla -200m pronosticado.

Liberación de minerales Pronosticado

0 2 4 6 8 10 12

Fig. Nº 5-x: Liberación de mineral pronosticada

5.8 ANÁLISIS DE LAS REGRESIONES.

5.9 ANÁLISIS DE RESULTADOS.

pág. 38
pág. 39
3. BIBLIOGRAFIA Y OTRAS FUENTES:

1. Arrau, J. (2006). Manual General de Minería y Metalurgia Minas Concentradoras,

Refinerías. Santiago: Servicios Impresión Laser.
2. Cárcamo, H. (2003). Operaciones Mecánicas. Antofagasta:Universidad Católica del
Norte.
3. Cardoso Montoya., César A. &Zunini Chira, W. (2006). Taller de Investigación II.
Lambayeque: FACHSE.
4. Chiroque Chunga, S. &Gómez Cumpa, J. (2006). Investigación Educativa el Proyecto de
Tesis. Lambayeque: FACHSE.
5. Coello Velázquez, A. L. &TijonovOleg, N. (2001). Molienda de Minerales
Multicomponentes: Modelo ÍntegroDiferencial para la Valoración de la Energía. La
Habana: minería y geología. Extraído el 22 de noviembre del 2011 de
http://www.revista.ismm.edu.cu.
6. Correa Espinal, A. A. (2009).Órdenes de Experimentación en Diseños Factoriales.Tesis
doctoral, Universidad Politécnica de Cataluya, España.
7. Díaz S. C. (2005). Metodología de la Investigación científica(1ra ed.).Lima: San Marcos.
8. Egas Sáenz, J. Ángel (2009). Evaluación de Plantas Concentradoras(1ra ed.). Lima:
9. Fueyo Casado, L. (1999). Equipos de Trituración Molienda y Clasificación, Tecnología
Diseño y Aplicación (2da Ed.). Madrid – España: Rocas y Minerales.
10. Gutiérrez R. L.&Sepúlveda, J.(1986). Dimensionamiento y Optimización de Plantas
Concentradoras Mediante Técnica de Modelación Matemática.Santiago: Impresos
Verman.
11. Kelly, E.G. &Sporttiswood, D. J. (1990). Introducción al Procedimiento de Minerales(1ra
ed.). México: LIMUSA. S.A.
12. Laborde Brown, R., Coello Velásquez, A., Marrero Ramírez, S. & Angulo Leblanch,
Olga (2000). Productividad y eficiencia energética en el proceso de molienda de mineral
laterítico.San Petersburgo: Minería y Geología. Revisado el 12 de octubre del 2010 de
http/: www.revista.ismm.edu.cu.
13. Leyva Ramírez, E., De La Fuente Fernández, M., Leyva González, O. S., Sánchez Cruz,
A. &Ferreiro Guerrero, Y. (2009). Estudio de la cinética de molienda de la mena de
cromita del yacimiento Albertina.Revista Tecnología Química Vol. XXIX, No. 3.
Extraído el 22 de noviembre del 2011de http://www.uo.edu.cu.
14. López, P. R. (1988). Diseño estadístico de experimentos. La Habana: Científico-Técnica.

pág. 40
15. Manual de minería (2010). Estudios Mineros del Perú S.A.C. extraído el 05 de octubre del
2011de http:// www.estudiosmineros.com.
16. Manzaneda Cábala, J. (1990). "Procesamiento de Minerales " Lima: Cáceres.
17. Menéndez Aguado, J.M. (2001).Aplicación de la Simulación Matemática a la
Determinación de Consumos Energéticos en Fragmentación. Tesis Doctoral, Dpto.
Explotación y Prospección de Minas, Universidad de Oviedo España.
18. Misra, V. N., Das S. &Subbaiah, T. (2005) Emerging trends in mineral processing and
extractive metallurgy. ISBN 81-7764-858-6 :Alliedpublishers PVT. LTD.
19. Montgomery, D. (1991). Diseño y Análisis de Experimentos. México: Iberoamericana.
20. Mosquera Santos, E. V. (1983). Ampliación y optimización Metalúrgica de la planta
concentradora en la minera el Brocal S.A. Tesis Ingeniero Metalúrgico, UNMSM,Lima
Perú.
21. Porras Castillo, D. L. (1995). Procesamiento de Minerales. Lima: San maros.
22. Quiroz Núñez, I. (1986). Ingeniería Metalúrgica Operaciones Unitarias en
Procesamiento de Minerales. Lima: San Marcos.
23. Rao G. V. &MisraVibhuti, N. (2004). Mineral Processing Technology. : Allied publishers
PVT. LTD.
24. Rodríguez Avello, Á. (1981). El Beneficio de los Minerales. Madrid: Rocas y Minerales.
25. SEPÚLVEDA Jaime E. (2006). Criterios para la selección, aplicación y evaluación de
medios de molienda. I Encuentro Internacional de Procesamiento de
Minerales,Antofagasta Chile. En: www.molycop.cl.
26. Silva Díaz, E. (1988). Evaluación y optimización de las operaciones en la concentradora
de la minera Raura. Tesis Ingeniero Metalúrgico, UNMSM. Perú.
27. Torres Rubilar, M. E. (2010). Modelación y simulación de molienda con rodillos a alta
presión – HPGR. Tesis Magister en Ingeniería metalurgia Extractiva,Facultad de Ciencias
Físicas y Matemáticas, Universidad de Chile,Santiago de Chile. En:
www.cybertesis.uchile.cl/tesis/uchile/2010.
28. Vargas Gonzales, J. W. (2010). Evaluación de un circuito de molienda y clasificación.
Tesis Ingeniero de minas. Facultad de ingeniería en ciencias de la tierra. Escuela Superior
Politécnica del Litoral. Guayaquil Ecuador. En: www.dspace.espol.edu.ec.

29. Vásquez Granda, W. J. (1999). Micronización de caliza en un molino de bolas. Tesis

Ingeniero de minas. Facultad de ingeniería en ciencias de la tierra. Escuela Superior
Politécnica del Litoral. Guayaquil Ecuador en: www.khd.com.

pág. 41
30. Venugopal, R., Sharma, T., Saxena, V.K., &Mandre, N.R.(2005). Mineral Processing
Technology. India: McGraw-Hill.
31. Wills, B. A. & Napier Munn, T. J. (2006). Mineral processing technology. Queensland:
ISBN-10: 0-7506-4450-8. En www.elsevier.com.
32. YoplacCastromonte, E. (2008).Modelos matemáticos para reducción de minerales y
flotación. Lima: www.ciplima.org.pe.
33.

pág. 42
ANEXOS

pág. 43
Fig. A-1: Mapa de localización dela UNJFSC EAPIM.

pág. 44
Fig. A-2: Mapa Nacional de localización Huacho.

pág. 45
Fig. A-3: Mapa localización Nazca - Planta Concentradora MINEX.

pág. 46