PROPIEDADES DE LOS SÓLIDOS

1.2.1. Tamaño de Partícula.

1.2.2. Distribución de tamaño de partícula.
1.2.3. Funciones de distribución de tamaño de partícula.
1.2.4. Esfericidad, superficie específica etc.
 Introducción
La alimentación y el producto de una planta de
conminución consiste de un gran numero de partículas de
diferentes tamaños y la gama de posibles granulometrías
puede variar desde dimensiones sub-micromicas hasta una
dimensión superior tope dependiente de la historia previa
del material.

En un proceso de lixiviación primer orden, la expresión de

la velocidad de reacción característica, tiene la siguiente
forma:
1 – (1 – α)1/3 = (k/do)t
En la que “α” es la recuperación en º/1, “k” es la constante de
velocidad de reacción, “do” es el tamaño promedio de
partícula y “t” es el tiempo de reacción.

En esta expresión se puede observar un parámetro que es

fundamental, cual es el tamaño de partícula.

En ambos casos para comprender los factores que afectan la

operación y/o proceso es necesario idear un método para
una precisa representación matemática de la distribución
granulométrica de partículas; en el caso de la conminución
es necesario aplicar estas representaciones para la
alimentación y el producto.
 Descripción del tamaño y forma de una
partícula
El tamaño de una partícula es una medida que describe su
extensión en el espacio y para estudiar el comportamiento
mecánico de un cuerpo enfocamos nuestra atención sobre
su configuración más que sobre el cuerpo mismo.

La configuración de un cuerpo P se puede representar por

su volumen V(P) y la superficie S(P) que limita al volumen
V(P), es por esta razón que la descripción de una
configuración mediante un solo parámetro como el
“tamaño” sea ambigua e insuficiente
 S(P)

V(P)

Configuración de un Cuerpo P

Es por esta razón que se necesita 4 elementos para describir

una partícula:

Tamaño nominal de referencia, [X, S, V]

Donde “X” es el tamaño, “S” es la superficie o el área
proyectada y V el Volumen.

Muchas veces se utiliza el volumen o la superficie en

forma camuflada para describir la configuración, de un
cuerpo, es el caso de los denominados “Diámetro
Equivalente” y Diámetro Superficial”, en la que estos
tamaños representan directamente el volumen o la
superficie mediante una transformación:

1/ 2
1 
1/ 3
6 
de(P) =  V (P) ó ds(P) =  S (P)
   
También es el caso del “Diámetro de Stokes” ya que algunas
propiedades dinámicas de un cuerpo dependen de su
tamaño, en este caso se basa en la velocidad que adquiere
una partícula sometida a un campo de fuerza y en el caso
especifico de un campo gravitacional:
1/ 2
 18 
DST =  u(P)
 F  

Donde
μ es la viscosidad del fluido (cP).
Δρ es la diferencia de densidades solidó-
fluido
u(P) es la velocidad terminal de la partícula y
║F║ es la fuerza de campo
Es indudable que estas definiciones de tamaño aun cuando
son útiles en algunos casos, son inadecuadas para definir
una partícula en forma precisa.

Se postula que son necesarios tres parámetros para definir

granulometricamente una partícula en forma arbitraria.

Los parámetros fundamentales son: [L(P), S(P), V(P)], que

son longitud, superficie y volumen.
Afortunadamente los minerales al fracturarse, presentan
habitus de clivaje, lo que se manifiesta en cierta constancia
de la forma de las partículas, lo cual nos permite definir
FACTORES DE FORMA que se pueden expresar en términos
de un mismo tamaño de referencia “X”, tal como podemos
observar a continuación:

La longitud  L(P) = αLX

La superficie  S(P) = αSX2
El volumen  V(P) = αVX3

Donde αL, αS y αV son factores de forma cada una de ellas

más o menos constantes para todas las partículas del mismo
mineral.
En el caso de una esfera:

Circunferencia es: πX
Superficie es: πX2
Área proyectada es: (π/4)X2
Volumen es: (π/6)X3
Superficie especifica: (6/X)

Reemplazándose ventajosamente los tres parámetros vistos

anteriormente por una variable y tres parámetros en la
descripción granulométrica: [X(P), αL, αS, αV]

El inconveniente es como elegir el tamaño nominal de

referencia X(P), el cual es arbitrario y puede ser elegido
convenientemente de acuerdo al método de medición
utilizado.
En este sentido el tamaño de FERET parece ser el más
adecuado.

X1(P) X2(P) X3(P)

Dirección de medida

Se denomina tamaño de FERET a la distancia entre dos

paralelas tangentes a las partículas y siempre trazadas en
la misma dirección de medición.
Usando el conjunto [X(P), αL, αS, αV] podemos expresar el
diámetro equivalente y el diámetro superficial de una
partícula en término de sus elementos:

V(P) = Ve


1/ 3
3 6 
αVX3 =
6d
de =
   V 
X
e

S(P) = Se
1/ 2
1 
 dS
2
αSX2 = dS =   S  X
 
 Propiedades granulométricas de un
sistema particulado
Un sistema de partículas con un amplio rango de tamaños,
se puede describir mediante el uso de las siguientes
funciones:

• Funciones Continuas.
• Funciones Discontinuas y
• Funciones Estadísticas.

De estas distribuciones es posible derivar una estimación

del tamaño promedio y de la superficie total del sistema.
Distribución de tamaño
Una vez definido el tamaño nominal de una partícula, es
necesario cuantificar la frecuencia con que ese tamaño
aparece en el sistema.

Para ello definiremos la función frecuencia f(x) tal que la

frecuencia relativa f(x)dx tenga el siguiente significado:

Probabilidad de encontrar en el sistema una partícula

de tamaño comprendido entre x y x+dx
f(x)dx
Fracción de partículas del sistema con tamaños
comprendidos entre x y x+dx
si f(x)≥0 para todas las x dentro del dominio de f(x) tenemos
que la probabilidad de encontrar una partícula entre cero(0) e
infinito (∞) es la unidad (1) esto es:


 f ( x)dx  1
0

f(x)

La que en forma gráfica

se da a continuación:

x
Esta ultima expresión recibe el nombre de
NORMALIZACIÓN y asegura que la función frecuencia
esta expresada como fracción.

Si restringimos el rango de partículas desde cero (0) a un

tamaño x, podemos definir una segunda función F(x) con el
siguiente significado:

Probabilidad de encontrar en el sistema una

partícula con tamaño menor a x ó
F(x)
Fracción de partículas en el sistema con
tamaños menores a x o acumulado fino
La definición de F(x) se puede representar gráficamente y en forma
matemática de la siguiente forma:

f(x)

x
x
d d+d(d)

x n
F ( x)   f (d )d (d )
0
o en forma discreta F(x) = f
i 1
i
Si restringimos el rango de tamaño desde x hasta un tamaño
infinito, tal como se muestra en la siguiente grafica:

f(x)

x
x
ζ ζ+d(ζ)

La que podemos expresar mediante la siguiente expresión

matemática
 
R( x)   f ( )d ( )
x

en la que la sumatoria de

F(x) + R(x) = 1

En consecuencia, la probabilidad de que la variable aleatoria

asuma un valor en el intervalo entre a y b es F(b)-F(a) , y a
partir del teorema fundamental del calculo integral se sigue
que:
 dF ( x)
 f ( x)
dx
Siempre que tal derivada exista.

Esto lo podemos apreciar en forma grafica a continuación:

F(x)

dF ( x)
 f ( x)
dx

x
La distribución de tamaños, se puede caracterizar
mediante dos parámetros, el valor medio μ, que mide la
tendencia central y la varianza σ2 describe la dispersión
de los datos con respecto a la tendencia central. Ambos
parámetros quedan definidos mediante las siguientes
expresiones:

La media    xf ( x)dx
0

o en forma discreta    xi f ( xi )
i 1

( x) f ( x)dx

 
2 2
La varianza 0

  ( x i   ) f ( xi )
n


2 2
o en forma discreta
i 1
Otra característica que tiene influencia en una distribución
granulométrica es la razón entre la desviación estándar
y la media μ que recibe el
nombre de Coeficiente de
Variación CV

CV = σ/μ

Para captar esa influencia

observemos las siguientes
gráficas:

Aquí se observa la distribución para un CV constante, pero

para diferentes tamaños medios.
en la segunda grafica se observa la distribución para un
mismo tamaño medio pero para diferentes coeficientes de
variación. Las simples definiciones anteriores de
distribuciones de tamaños de un sistema particulado se
ven complicadas por el hecho que los distintos métodos
de determinación disponibles inducen a diferentes
funciones frecuencias.
Es así como la fracción de partículas con tamaños entre x y
x+dx, esto es la frecuencia relativa f(x)dx se expresa como
número de partículas cuando se usa el microscopio como
instrumento de medida, como masa o volumen al utilizar el
tamizaje o la elutración.

Para ordenar esta situación es conveniente definir las

siguientes frecuencias relativas expresadas como fracción:

fo(x)dx = Número de partículas con tamaños entre x y x+dx

f1(x)dx = Longitud de partículas con tamaños entre x y x+dx
f2(x)dx = Superficie de partículas con tamaños entre x y x+dx
f3(x)dx = Volumen de partículas con tamaños entre x y x+dx
En estas definiciones hemos dejado implícito la
suposición que el material es uniforme y homogéneo.

Como cada función frecuencia descrita debe cumplir las

relaciones vistas anteriormente, es posible generalizar
estas expresiones como sigue:


f
0
j ( x ) dx 1


F j ( x)  f
0
j (d )d (d )

dF j ( x)
 f j ( x)
dx
Donde: j = 0, 1, 2, 3
Es posible derivar las relaciones entre las diversas funciones
frecuencias, realizando un simple balance de materiales:

f o ( x)dx  f o ( x)dx
f1 ( x)dx  1 * L( x) * f o ( x)dx
f 2 ( x)dx   2 * S ( x) * f o ( x)dx
f 3 ( x)dx   3 *V ( x) * f o ( x)dx

Los parámetros β1, β2 y β3 aparecen en las relaciones debido

a que L(x), S(x), V(x) se refieren a la longitud, superficie y
volumen de una partícula de tamaño x.
Integrando las expresiones anteriores entre 0 y ∞ y
tomando en cuenta la ecuación de normalización tenemos:
1
1  

 L( x ) * f
0
o ( x) dx

1
2  

 S ( x) * f
0
o ( x) dx

1
3  

 V ( x) * f
0
o ( x) dx

Donde los denominadores son: L , S , V

y representan la longitud promedio, la superficie promedio
y el volumen promedio respectivamente.
Reemplazando β1, β2 y β3 en los balances y usando el
concepto de factores de forma tenemos:
L( x) * f o ( x)dx
f 1 ( x)dx  

 L( x ) * f
0
o ( x)dx

Sabemos que L(x)=L*X

 L * x * f o ( x)dx
f1 ( x)dx  


 L * x * f o ( x)dx
0

por lo tanto tenemos que:

x * f o ( x)
f 1 ( x)  

 x* f
0
o ( x ) dx
Del mismo modo con los demás balances tenemos que:
x 2 * f o ( x)
f 2 ( x)  


0
x 2 * f o ( x)dx

x 3 * f o ( x)
f 3 ( x)  


0
x 3 * f o ( x)dx

Generalizando podemos escribir:

x j * f o ( x)
f j ( x)  


0
x j * f o ( x)dx
Esto se puede generalizar aun más, del siguiente modo:

f k ( x)dx   k * K ( x) * f o ( x)dx

Donde: K ( x)   k * x k

f k ( x)dx   k * x k *  k * f o ( x)dx

f 0 ( x)  f k ( x) /  k * k * x k
Reemplazando en la ecuación generalizada anterior
tenemos:
x j * f k ( x) / x k
f j ( x)  
 k * k
 k * k 
0
x j * f k ( x)dx / x k

x j  k * f k ( x)
f j ( x)  


0
x j  k * f k ( x)dx

En estas expresiones j y k pueden tomar los valores 0, 1, 2, 3.

Podemos concluir, indicando que el sistema particulado
queda descrito cuando se especifica el siguiente conjunto de
parámetros [x, L, S, V, fj(x)].
Tamaños Promedios

Si consideramos la definición de β1, β2 y β3, podemos

observar que estadísticamente las integrales del
denominador corresponden al valor promedio de la
longitud, superficie y volumen.
1 1 1
1  2  3 
L S V
Si utilizamos las definiciones:

L( p )   L * x S ( p)   S * x 2 V ( p)  V * x 3
Podemos escribir:



L   L * x * f o ( x)dx
0


S   S * x 2 * f o ( x)dx
0


V   V * x 3 * f o ( x)dx
0

De acuerdo a esto tenemos:

L  L * X S  S * X 2 V  V * X 3

Así podemos denominar a las integrales como promedio

lineal, promedio superficial y promedio volumétrico
respectivamente.
La existencia de cuatro funciones frecuencia fj, cada una de
las cuales puede dar origen a tres promedios, uno lineal,
uno superficial y uno volumétrico, nos indica que en
definitiva podemos definir doce “promedios” de la
distribución.

Designemos con el subíndice i el tipo de momento

(donde; i=1 lineal, i=2 superficial, i=3 volumétrico)

y con el subíndice j el tipo de función frecuencia usada

(donde; j=1 lineal, j=2 superficial, j=3 volumétrico)

entonces definiremos como promedio Xij a la expresión:

1/ i
 

Xij   x f j ( x)dx
i
0 
 
Usando las relaciones de fj(x). Se puede escribir:

1/ i
 

i j
 x f 0 ( x)dx 
0 
Xij    
 

j
 x f 0 ( x)dx 
 0 

Y generalizando aun más:

1/ i
 

i  j k
 x f k ( x)dx 
0 
Xij    
 

j k
 x f k ( x ) dx 
 0 
una comparación de las integrales sugiere una formula de
recurrencia para

 (i  j  k )k 
i  j k

X ij 
X i

X ( j  k )k 
j k
i

Si hacemos j = 0 en la ecuación obtenemos:

1/ i
 i 
X i 0   x f 0 ( x)dx
0 

Con i=1 X 10  x
0
f 0 ( x)dx tamaño promedio lineal
 

Con i=2 X 2 20  
0
x 2 f 0 ( x)dx tamaño promedio superficial

Con i=3 X 3 30  
0
x 3 f 0 ( x)dx tamaño promedio volumétrico

De acuerdo con estas expresiones la longitud, superficie

y volumen del sistema de partículas se puede escribir en
la forma:

L   L * X 10 S   S * X 2 20 V  V * X 3 30
Si hacemos i=1 en la ecuación obtenemos:

X1 j   x* f
0
j ( x) dx

Con j=2 X 12   x* f
0
2 ( x) dx

Así obtenemos:


 x 3 * f 0 ( x)dx
X 12  0



0
x 2 * f 0 ( x)dx
 X 3 30
Reemplazando X 12  2 este valor nos indica que
X 20

X 12 es un tamaño promedio volumétrico-superficial



Con j=3 X 13   x* f
0
3 ( x) dx

Reemplazando 

 x 4 * f 0 ( x)dx
X 13  0



0
x 3 * f 0 ( x)dx

Este valor se denomina tamaño promedio en peso (volumen)

y es el que se obtiene mediante el tamizaje.
Otras descripciones de tamaño promedio

Diámetro Equivalente

Para un sistema de partículas, diámetro equivalente es

el diámetro de una esfera que tiene un volumen igual al
volumen promedio del sistema.
Entonces si V es el promedio, tenemos que:

V  V X
3
30

por lo tanto 1/ 3
6 
d e   * v  * X 30
 
Diámetro Superficial

Se denomina diámetro superficial de un sistema de partículas

al diámetro de una esfera con superficie igual a la superficie
promedio del sistema.

Si S es la superficie promedio, tenemos que:

S   S X 20
2

Por lo tanto 1/ 2
1 
d s   * S  * X 20
 
Superficie específica

La superficie específica es un importante parámetro de un

sistema particulado y esta definido como razón de la
superficie promedio por unidad de masa (cm3/grs)
S 1  * X 2
20
Sˆ   * S
 * V   V * X 3 30

Tomando la inversa, tenemos 1 X 2 20

 3
X 12 X 30

Y reemplazándola en la anterior, para un sistema particulado

1  1
Sˆ  * S *
  V X 12
Es importante derivar una expresión para calcular la
superficie especifica en términos de cualquier función
frecuencia fk(x). Por definición la anterior ecuación se
puede escribir: 

1 
 x 2 f 0 ( x)dx
Sˆ  * S * 0
 V
0
x 3 f 0 ( x)dx

transformando fo en fk, resulta:



1 
 x 2 k f k ( x)dx
Sˆ  * S * 0
 V

0
x 3 k f k ( x)dx
Forma de partícula

Al igual que en el caso del tamaño muchas funciones se han

utilizado para definir la forma de partículas.

Una de las que ha tenido mayor difusión es la Esfericidad ()

y se define por el cociente entre la superficie de una esfera y
la superficie de una partícula, ambas de igual volumen.

Se
 con Ve = Vp
Sp
Se Vp
Multiplicando por el volumen, resulta:  *
Sp Ve
  * de 2  V * X 3  V  X
*  6 *  * 
  de 
  S
* de 3  S * X
2

6

  X
por lo tanto:   6 *  V  * 
  de 
S 
1/ 3
6 
Usando la ecuación resulta : de   * V  *X
 
 
  2/3
   X  1/ 3  V 
  6 *  V  *    (36 ) *  

S    6 S
1/ 3
  
   * V  * X 
  

 αV 2 / 3 
  4.34 *  
 S 
Con esta definición  = 1 para esferas, y 0<<1 para
todas las otras formas de partículas. Para sólidos
fracturados  es alrededor de 0.63.

En algunas aplicaciones es interesante conocer la

superficie proyectada de una partícula. Si
denominamos Sp a esta magnitud y p un factor de
forma, se tiene:
Sp   p * X 2

Se ha demostrado que:
1
 p  * S
4
Es conveniente representar las distribuciones de tamaño
de sistemas particulados mediante funciones
matemáticas que permitan formular modelos de
operaciones. Estas funciones deberían además permitir el
cálculo de los parámetros de la distribución, tales como
valor promedio (μ), varianza (σ2) y los momentos.

Las funciones de distribución más utilizadas en la son:

Distribución de Schuhman.
Distribución de Rosín-Rammler, y

Distribución de tres parámetros.

Aunque otras funciones pueden ser usadas, tales como las
funciones estadísticas:

Distribución Logaritmo-Normal.
Distribución Gamma.

Distribución Beta.

Aparecen como muy interesantes y prometedoras en su

uso.

En la mayoría de los casos no hay justificación teórica

para preferir una función de la otra y esta se hace
exclusivamente por la calidad de ajuste que se obtiene.
1.2.4.1 Funciones de distribución Schuhman

Esta función, también conocida como distribución de

Gaudin –Gates- Schuhman. Es la función matemática mas
utilizada en América para representar sistemas de
partículas en el campo de la mineralurgia.

La función se utiliza generalmente para representar la

distribución en peso según:

Donde x0 es el modulo de tamaño [L], y

m es el modulo de posición [-]
Recordar que F3(x) representa el porcentaje acumulado
pasante (fino), si hacemos x =x0 entonces F3(x) = 1, por lo
tanto el modulo de tamaño es el tamaño máximo que a su
vez significa que el 100% de las partículas son menores al
tamaño x0.

Para encontrar el significado del modulo de distribución

m, tomamos el logaritmo de la ecuación de Schuhmann.
Si graficamos en un papel log-log, podemos observar la
siguiente grafica:
1

F3(x)
-1
m
10

x=x 0

10-2
1 10 102 103
x

Podemos concluir que “m” es la pendiente de la recta

obtenida al graficar la Función F3(x) vs x, indicándonos
esto que “m” es un modulo de distribución.
La función frecuencia f3(x), que es el porcentaje en peso,
se obtiene derivando F3(x) con respecto a x:

Los momentos quedan expresados de la siguiente forma:

Demostración
Sabemos que:

y tenemos que los momentos lo podemos expresar de la siguiente forma:

Remplazando en esta ultima relación, tenemos:

Integrando la última expresión tenemos:

De acuerdo a esto el valor medio de la distribución es:

y la varianza es:
La función frecuencia f3(x), que es el porcentaje en peso,
se obtiene derivando F3(x) con respecto a x:

Los momentos quedan expresados de la siguiente forma:

Demostración
Sabemos que:

Integrando tenemos que:

Factorizando x0m+2, transponiendo términos y efectuando operaciones

El tamaño x12 se calcula mediante la siguiente relación:

Luego tenemos que:

1.2.4.2 Funciones de distribución Rosín-Rammler

Un conjunto de datos experimentales de abertura de malla

y su respectivo % acumulado fino, se ajustaran a una
distribución de Rosín Rammler, si se adecua a la siguiente
expresión:

O también a la siguiente expresión:

En esta última expresión R3(x)es el acumulado grueso.

Donde x0 es un tamaño característico [L], y
m es un coeficiente de uniformidad [-]
Es fácil demostrar que para partículas pequeñas se
cumple x«x0, la función Rosín-Rammler se transforma en
la distribución de Schuhmann

Expandiendo en serie de potencias el exponencial

resulta:

Despreciando los términos de orden superior tenemos

que:

Por lo tanto tenemos:

De la ecuación de Rosin Rammler, podemos observar
que para x=x0, F3(x)=0.632 y R3(x)=0.368, indicándonos
esto que x0 no es un tamaño máximo como en el caso de
la ecuación de Schuhmann.

El significado de “m” se puede obtener graficando la

función de Rosín-Rammler de acuerdo al siguiente
procedimiento:
Tomando logaritmo neperiano y luego logaritmo
decimal tenemos:
Si graficamos log(ln [1/R3(x)]) vs log x, obtendremos una
línea recta con una pendiente “m”, indicándonos que es
un modulo de distribución, para facilitar esta grafica esta
se realizara en un papel Rosín-Rammler , tal como se
puede observar a continuación:
0.999

0.632 0.368

F3(x) R3(x)
m
10-1
x0
10-2

10-3 0.999
10 102 103
x
La función densidad f3(x) se obtiene derivando la
ecuación de Rosín-Rammler con respecto a x:

Los momentos resultan ser:

Demostración
Introduciendo la función densidad en la ecuación de los momentos tenemos:

(a)

(b)

Esta integral es complicada en su resolución analítica, pero si podemos

transformarla y por similitud podemos compararla con integrales conocidas como es
el caso de la función gamma que se da a continuación:

Por lo tanto transformaremos la ecuación (b), multiplicando y dividiendo por x0i

 (c)

Si realizamos cambio de variable tal como y=x/x0, derivando esta expresión y

despejando tenemos: dx=x0dy y remplazando estas variables en (c) tenemos lo
siguiente:

Si lo comparamos con la función gama, la solución es:

En función de esto el valor medio es:

La varianza es:

El tamaño se pude calcular como a continuación se

indica:
Los métodos disponibles para determinar la distribución de
tamaños de un sistema particulado no nos permite obtener
funciones continuas.

Ello se debe a que lo que se mide es la fracción de partículas

contenidas entre dos tamaños a y b; si estos tamaños son
suficientemente cercanos ellos definen una “frecuencia
relativa discreta” de la forma siguiente:
En forma grafica se observa:

f(x)

xb x
xa
x
Si evaluamos la integral mediante el teorema del valor
medio resulta:

Donde Δx=(xb-xa) y xab es un valor promedio en el intervalo a

y b.
Podemos concluir que la frecuencia relativa estará dada por:
La forma más
común de efectuar
un análisis
granulométrico, es
someter al sistema
particulado a la
acción de una serie
de tamices en
forma sucesiva tal
como se observa en
la siguiente figura:

Cada tamiz utilizado tiene una malla con aberturas

menores que el anterior.
De esta manera el sistema de partículas queda atrapado en
los tamices, correspondiendo a un tamiz en particular todas
aquellas partículas con un “tamaño” menor que la “malla”
del tamiz anterior y mayor que la “malla” del tamiz en
cuestión.

El tamaño de las partículas se asocia entonces a la abertura

de la malla de los tamices.

Se define como malla el número que tiene un tamiz por

pulgada lineal. Mientras mayor el numero de la malla
menor es el tamaño de las aberturas.
Se acostumbra designar por xi el tamaño de una malla
cualquiera, denominando x0 aquella malla por la que pasa
todo el material y dividiendo este en n fracciones.

La primera malla utilizada será x1 y la última xn-1 del

material que pasa esta última malla solo sabemos que es
de tamaño menor que xn-1.

Las series de tamices están estandarizadas en cuanto a la

relación entre mallas consecutivas.
La “serie normal” tiene una relación de ,y
La “serie doble” tiene una relación de
Debido a la relación geométrica entre mallas se ha elegido
el “Promedio Geométrico” como tamaño característico del
material retenido en un tamiz y se lo denomina “tamaño
de la malla”, entonces:

Por lo tanto en el caso de las series se tiene:

Serie Normal

Serie Doble
De donde resulta que el tamaño promedio xi es igual a:

Serie Normal

Serie Doble

Distribución discreta de tamaño

La distribución discreta de tamaño representada por un

tamizaje es una distribución discreta si:
La frecuencia relativa será:

La distribución se normaliza mediante la suma:

La función distribución queda representada por:

Con la relación:
Una muestra es una cantidad pequeña que contiene todos
los componentes en la misma proporción en que ellos
ocurren en el lote original.

El objeto de la reducción y el muestreo de una mena es

obtener para el análisis, una muestra que represente al lote
original o en otras palabras que sea una muestra
representativa.

En una operación inteligente de una planta metalúrgica es

necesario el muestreo y los ensayes continuamente, en ellas
es costumbre que cada operación y proceso se muestreen
en forma regular con el fin de realizar ensayes y en función
de estas determinar la eficiencia de sus trabajos.
El muestreo y ensaye no pueden descuidarse y de hecho se
está siendo más importante cada día, debido a que la
calidad de las menas esta disminuyendo y el margen de
ganancia se vuelve menor.

Los ensayadores normalmente tendrán la mayor parte del

muestreo y se espera que sepan como hacerlo cuando se
les solicita. Él normalmente tiene que preparar sólo la
muestra final, pero recibirá muy de vez en cuando de 5 a
50 o más kg para ensayar en este caso él tendrá que hacer
su propio muestreo.

Todo tipo de ensaye se realiza sobre una pequeña muestra.

Un requisito fundamental para que el ensaye sea útil es
que la muestra sea representativa del sistema original.
Podemos observar, entonces, que la ejecución de un ensaye
requiere realizar dos operaciones consecutivas:

 Un muestreo, y
 El análisis o ensaye respectivo.

Ambas aplicaciones están sujetas a errores, que son

independientes entre sí, por lo que el error total del análisis
se puede escribir:

Donde SEm = Error estándar de muestreo.

SEa = Error estándar de análisis.
SE = Error total de análisis.
Tamaño de una muestra

Supongamos que deseamos determinar el valor de F(x) de

una muestra. El valor que determinamos será F*(x) y como
el muestreo está sujeto a un error SEm, el verdadero valor
del ensaye en la muestra será:

Por otra parte al analizar la muestra se obtuvo un valor

F**(x) y como el análisis está sujeto a un error SEa, de modo
que:

Por lo tanto el valor de F(x) de la muestra será la siguiente:

En la práctica podemos aceptar errores de muestreo de 1%
y errores de análisis de 2%; esto significa que:

SEm = 0.010; SEa = 0.020

y mediante cálculo el SE del análisis es

entonces:

La pregunta es, cual debe ser el tamaño de la muestra para

que el error del ensaye sea de 2.2%.
En esta expresión se puede observar que el mínimo
número de partículas depende del valor F(x) y que será
máximo para:

de donde se deduce que el máximo error se produce para

F(x) = 0.5, esto es para el tamaño x50 introduciendo este
valor en la ecuación de n (número de partículas) se encuentra
que:
n = 10000 partículas
Para que el error de muestreo sea menor a 1%.
Es fácil comprobar que si se obtiene una muestra de n = 100
partículas el error de muestreo sube a 10%.

El número de 10,000 partículas representa diferentes

problemas para los diversos análisis y métodos de ensaye,
en la determinación del tamaño de muestra debemos
seguir el siguiente procedimiento para determinar el peso
mínimo de muestra para un error de muestreo del 1%.

1) La muestra se adecua a la ecuación de Schuhmann que se da en la

siguiente expresión:

en la que x0 es el tamaño máximo de partícula de la muestra y m es

un modulo de distribución y que en este caso toma el valor de 0.7.
2. Se calcula el tamaño medio del sistema x30, mediante la siguiente
ecuación:

3. Se calcula el peso mediante la ecuación siguiente:

en donde ρ es la densidad del mineral y αυ es el factor de forma

volumétrico, que en este caso lo tomamos con el valor 0.2.
Ejemplo de cálculos

Tamaño de muestra en el zarandeo

Se nos pide determinar el tamaño de muestra en el zarandeo de un

mineral en planta, cuyo tamaño máximo es de 10 cm (cuya densidad es
de 2.6 y factor de forma volumétrico es 0.2)

De acuerdo al esquema propuesto tenemos x0 = 10 cm.

por lo tanto el peso a muestrear es:

Tamaño de muestra en el tamizaje

Para un tamizaje entre 5mm y 37 micras (400m) y de acuerdo a las

mismas características del material dadas en él calculo anterior. Cual es
el tamaño de muestra a tomar.

x0= 0.5 cm

por lo tanto el peso a muestrear es:

Tamaño de muestra para ensayes

Supongamos un tamaño máximo de 100 micras. (1μ = 10-4 cm)

x0 = 0.01 cm

por lo tanto el peso a muestrear es:

Reducción de tamaño de muestra

Como podemos observar en el caso de la toma de muestra en el

zarandeo vemos que el peso de la muestra sobrepasa al peso de
muestra que se envía al laboratorio.

Este es uno de los motivos por el cual se tiene que reducir a las
muestras iníciales hasta alcanzar el peso necesario para la muestra de
ensaye. Durante la reducción de muestra debe observarse la siguiente
condición indispensable: “No debe ser destruida su representatividad".

Los pasos a seguir durante el tratamiento de las muestras son:

 Trituración
 Tamizaje
 Mezclado ,y
 Muestreo de las mismas
La trituración puede ser gruesa con partículas que están en el rango de
tamaño de 100 a 30 mm; mediana en rango de tamaños de 20 a 5 mm;
fina en el rango de tamaño de 2 a 1 mm y extrafina (pulverización) en
el rango de tamaño de 0.5 a 0.07 mm y algo menos.

La trituración gruesa se realiza fundamentalmente en trituradoras de

quijadas tal como se observa en la siguiente fig. IV-1.
La trituración mediana y fina se realiza en pequeñas trituradoras de
quijadas o de rodillos tal como se muestra en la fig. IV-2.
La pulverización se realiza en pulverizadores de discos o de anillos tal
como se observa en la siguiente fig. IV-3.
El control de la trituración y pulverización se realiza en cedazos o tamices,
antes y después de la trituración y/o pulverización. Los tamices se
pueden ver en forma amplia en la fig. IV-4.
La obtención de una muestra de laboratorio para realizar un ensaye
químico se puede realizar mediante diversas técnicas. Sin embargo, un
requisito previo es una buena mezcla del mineral.

La mezcla previa se efectúa

frecuentemente con un paño roleador
(fig. IV-5), este paño varía en tamaño de
acuerdo con el tamaño de la muestra.
Para muestra de varias decenas de
kilogramos, el roleo es realizado por dos
personas que sujetan el paño que
descansa en el suelo por dos de sus
extremos, haciendo rodar el material de
una esquina a la otra. La operación se
repite durante varios minutos. Cuando
la muestra es pequeña, menor a 3 kg, la
operación puede ser realizada en un
paño roleador sobre una mesa por una
sola persona.
En algunos casos y para muestras de varias decenas de kilos, se
utilizan mezcladores mecánicas.

Con relación al muestreo, existen una serie de métodos de cuarteo, el

fin de estos métodos es el de mantener la representatividad de la
muestra original y para evitar lo siguiente:
Lo ideal es que el material presente
una homogeneidad perfecta tal
como se puede observar en el
esquema

Pero el caso es que por regla

general presenta cierta segregación
como el esquema que se da a
continuación:
o como en el caso que se presenta
una máxima segregación del
material y específicamente en el
caso de materiales que contienen
oro y este se segrega debido a su
alto peso especifico tal como se
indica en el siguiente esquema:

En el siguiente esquema se da un
tipo de muestreo en la que al
determinar los ensayes
respectivos no vamos apreciar
mucho error
Pero se da el caso que al muestrear,
se cometa errores bastante grandes
y por ende los ensayes van a dar
resultados erróneos, como es el caso
que se da en el esquema siguiente:

O nos puede dar resultados

engañosos como es el caso
siguiente, en la que existe una
segregación bastante alta.
La solución a estos problemas es adoptar la metodología adecuada de
muestreo, tomando en cuenta el tamaño de partícula y en función de
esta tomar el tamaño adecuado de muestra, practicando cualquiera de
los siguientes métodos de muestreo:

Cono y Cuarteo

El método de cono y cuarteo para reducir una muestra es ampliamente

utilizado debido a su simplicidad y a no requerir equipos
especializados, el método es aplicable a materiales con tamaños de
partículas menores a 1” y consiste en construir un cono, en el que la
simetría es muy importante, bien en el suelo o sobre una mesa,
aplastarlo formando una torta circular, dividirlo en cuatro partes
iguales, dos fracciones opuestas se retiran cuidadosamente,
juntándose las dos fracciones restantes y construyendo con ellas un
nuevo cono.
El procedimiento se repite hasta obtener una muestra del tamaño
deseado, tal como se observa en la fig. IV.6
Cortadores de Chutes

Un buen método de reducción de muestras es verter las partículas en

forma homogénea sobre un cortador de chutes tal como se observa en
la figura IV.7, que divide la muestra en dos partes aproximadamente
iguales; el uso repetido del cortador de chutes permite obtener
fracciones de 1/2, 1/4, 1/8,.....,1/2n de la muestra original.
Reducidor Binomial

Otro equipo utilizado en el laboratorio es el reducidor binomial, que

permite obtener una muestra de un 1/16 de tamaño de la muestra
original en una sola pasada. Él limite de tamaño de partículas es de
1/2” en este caso, tal como se puede ver en la fig.IV.8.
Muestreador de Mesa Rotatoria

Un excelente método de muestreo es la mesa rotatoria. El material se

alimenta a la mesa mediante un alimentador vibratorio y cae por una
serie de chutes a cajas o frascos. La mesa debe moverse con velocidad
constante para permitir la misma oportunidad a todas las partículas.
El equipo se muestra en la siguiente figura IV.9.
Diagrama de Flujo para la Reducción de Tamaño de Muestra

El peso inicial de las muestras químicas durante su recolección

sobrepasa significativamente al peso de la muestra que se envía al
laboratorio. Es por ello que se reduce a las muestras iníciales hasta que
sus peso alcanza el peso necesario para la muestra de laboratorio.

En función de esto todas las operaciones indicadas anteriormente,

deben ser coordinadas en un solo esquema general tal como se indica
en el siguiente diagrama de flujo (fig., IV.10), el cual puede variar de
acuerdo a las características de las muestras

En cada etapa nosotros podemos determinar el peso de muestra en

función del peso final que quisiéramos obtener.
Por ejemplo:

Un peso de 2000 g de muestra

Aplicando las relaciones que hemos revisado anteriormente tenemos:

Por lo tanto el tamaño de partícula a tomar en cuenta es de 0.73 cm

Existen diversos métodos para la determinación
experimental del tamaño y forma de las
partículas de una distribución.

Estos métodos se pueden agrupar de acuerdo al

principio utilizado para las medición.

En la tablas siguiente se dan algunos datos sobre

los métodos experimentales de medición:
 Técnica Variable de Rango de tamaño Equipos-método
separación (micrones)
Tamizaje L(x) 105-30 Tamices

Recuento L(x) 105-102 Proyección

102-1 Microscopia de luz
102-10-1 Microscopia electrónica de barrido
10-10-3 Microscopia electrónica de Transmisión
Sedimentación V(x) g 102-1 Gravitacional
V(x) ω2R 10-10-1 Centrifuga (Ds)
Dispersión de Luz S(x) 103-10-1 Contadores de dispersión

Sensores de V(x) 102-5x10-1 Coulter-Counter (de)

conductividad
Absorción de Rayos X o γ V(x) 102-1 Densímetros
OPERACIONES UNITARIAS
EN METALURGIA

Capitulo 4

Balance de Materiales
Proporción de sólidos y líquidos

En la literatura sobre mezclas de sólidos y fluidos se utilizan

muchos términos diferentes para indicar composición de una
pulpa. Los principales son los siguientes:
1) Fracción (o %) de sólidos en volumen.
2) Densidad de pulpa.
3) Fracción (o %) de sólidos en peso y
4) Dilución.

Utilizaremos las siguientes variables para medir la concentración:

Fracción volumétrica de sólidos "𝝋" que es la razón entre el
volumen de sólidos y el volumen total de suspensión,
expresándose como sigue:
𝑉𝑠
𝜑=
𝑉
En el caso de la fracción volumétrica del fluido esta se expresa de
𝑉𝑓
la siguiente manera:1 − 𝜑 =
𝑉
Fracción de sólidos en peso “X” que es la razón entre la masa
de sólidos y la masa de la suspensión, expresándose de la
siguiente manera:
𝑚𝑠 𝜌𝑠 𝑉𝑠
𝑋= =
𝑚 𝜌𝑉
Densidad de pulpa "𝝆" que es la razón entre la masa de la
suspensión y su volumen, expresándose de la siguiente forma:
𝑚 𝜌𝑉
𝜌= =
𝑉 𝑉
Dilución "𝑫" que es la razón entre la masa del fluido y la masa del
solido de la pulpa, expresándose de la siguiente manera:
𝑚𝑓 𝜌𝑓 𝑉𝑓
𝐷= =
𝑚𝑠 𝜌𝑠 𝑉𝑠
Concentración "𝒄" que es la razón entre la masa de sólidos y el
volumen de pulpa, expresándose de la siguiente manera:
𝑚𝑠 𝜌𝑠 𝑉𝑠
𝑐= =
𝑉 𝑉
Para relacionar estas variables, basta con efectuar un balance en un
volumen determinado:
𝑀𝑎𝑠𝑎 𝑑𝑒 𝑝𝑢𝑙𝑝𝑎 𝑀𝑎𝑠𝑎 𝑑𝑒 𝑠ó𝑙𝑖𝑑𝑜𝑠 𝑀𝑎𝑠𝑎 𝑑𝑒 𝑓𝑙𝑢𝑖𝑑𝑜
= +
𝑒𝑛 𝑒𝑙 𝑣ó𝑙𝑢𝑚𝑒𝑛 𝑉 𝑒𝑛 𝑒𝑙 𝑣ó𝑙𝑢𝑚𝑒𝑛 𝑉 𝑒𝑛 𝑒𝑙 𝑣ó𝑙𝑢𝑚𝑒𝑛 𝑉
𝜌𝑉 = 𝜌𝑠 𝑉𝑠 + 𝜌𝑓 𝑉𝑓
𝜌𝑉 = 𝜌𝑠 𝜑𝑉 + 𝜌𝑓 1 − 𝜑 𝑉
Despejando la densidad de pulpa tenemos:
𝜌 = 𝜌𝑓 + 𝜑 𝜌𝑠 − 𝜌𝑓
O si despejamos la concentración volumétrica tenemos:
𝜌 − 𝜌𝑓
𝜑=
𝜌𝑠 − 𝜌𝑓
Si determinamos la fracción de sólidos en peso en función de 𝜑
tenemos:
𝜌𝑠 𝑉𝑠 𝜌𝑠 𝜑𝑉 𝜌𝑠 𝜑 𝜌𝑠 𝜑
𝑋= = = =
𝜌𝑉 𝜌𝑉 𝜌 𝜌𝑓 + 𝜑 𝜌𝑠 − 𝜌𝑓
Si hacemos lo mismo con la dilución de pulpa en función de 𝜑
tenemos:
𝜌𝑓 𝑉𝑓 𝜌𝑓 1 − 𝜑 𝑉 𝜌𝑓 1 − 𝜑
𝐷= = =
𝜌𝑠 𝑉𝑠 𝜌𝑠 𝜑𝑉 𝜌𝑠 𝜑
Si hacemos lo mismo con la concentración en función de 𝜑 tenemos:
𝜌𝑠 𝜑𝑉
𝑐= = 𝜌𝑠 𝜑
𝑉
Procediendo en forma semejante se puede obtener todas las
relaciones que se deseen entre los diversos términos. En la
siguiente tabla se da una relación de estos parámetros:
𝝋 𝝆 𝑿 𝑫
𝝋 𝝆 − 𝝆𝒇 𝝆𝒇 𝑿 𝝆𝒇
𝝋= 𝝋= 𝝋=
𝝆𝒔 𝟏 − 𝑿 + 𝝆𝒇 𝑿 𝝆𝒇 + 𝝆𝒔 𝑫
----- 𝝆𝒔 − 𝝆𝒇

𝝆 𝝆 = 𝝆𝒇 + 𝝋 𝝆𝒔 − 𝝆𝒇 𝝆𝒔 𝝆𝒇 𝝆𝒇 𝝆𝒔 𝟏 + 𝑫
𝝆= 𝝆=
𝝆𝒔 𝟏 − 𝑿 + 𝝆𝒇 𝑿 𝝆𝒔 𝑫 + 𝝆𝒇
-------

X 𝝆𝒔 𝝋 𝝆𝒔 𝝆 − 𝝆𝒇 𝟏
𝑿= 𝑿= 𝑿=
𝝆𝒇 + 𝝋 𝝆𝒔 − 𝝆𝒇 𝝆 𝝆𝒔 − 𝝆𝒇 𝟏+𝑫
---------

𝑫 𝝆𝒇 𝟏 − 𝝋 𝝆𝒇 𝝆𝒔 − 𝝆 𝟏−𝑿
𝑫= 𝑫 == 𝑫=
𝝆𝒔 𝝋 𝝆𝒔 𝝆 − 𝝆𝒇 𝑿
-------
Ejemplo 3.2
Una bomba es alimentada por dos corrientes de pulpa. Una corriente tiene una
velocidad de flujo de 5.0m3/h y contiene 40% de sólidos en peso. La otra corriente
tiene una velocidad de flujo de 3.4m3/h y contiene 55% de sólidos. Calcule el
tonelaje de sólidos secos bombeados por hora. (La densidad de los sólidos es de
3000 kg/m3).

Solución
La corriente de pulpa 1 tiene una velocidad de flujo de 5.0m3/h y contiene 40% de
sólidos. Por lo tanto, hacienda uso de la ecuación que relaciona la densidad de
pulpa (𝜌) con la concentración de sólidos (X):
𝜌𝑠 𝜌𝑓 3000 ∗ 1000 𝑘𝑔
𝜌1 = = = 1364 3 = 1.364 𝑡/𝑚3
𝜌𝑠 1 − 𝑋 + 𝜌𝑓 𝑋 3000 ∗ 1 − 0.4 + 1000 ∗ 0.40 𝑚
El flujo másico de sólidos en el flujo 1 es:
𝑚3 𝑡 𝑡
𝑓𝑚𝑠1 = 5.0 ∗ 1.364 3 ∗ 0.40 = 2.73
ℎ 𝑚 ℎ
Siguiendo el mismo procedimiento para el flujo de pulpa 2, tenemos:
3000 ∗ 1000 𝑘𝑔
𝜌2 = = 1579 3 = 1.579 𝑡/𝑚3
3000 ∗ 1 − 0.55 + 1000 ∗ 0.55 𝑚
El flujo másico de sólidos en el flujo 2 es:
𝑚3 𝑡 𝑡
𝑓𝑚𝑠2 = 3.4 ∗ 1.579 3 ∗ 0.55 = 2.95
ℎ 𝑚 ℎ
Por lo tanto, el tonelaje de sólidos secos bombeados es:
𝑡 𝑡 𝑡
𝐹𝑙𝑢𝑗𝑜 𝑑𝑒 𝑚𝑎𝑠𝑎 𝑏𝑜𝑚𝑏𝑒𝑎𝑑𝑜 = 2.73 + 2.95 = 5.68
ℎ ℎ ℎ
Métodos de balance de masa

Para evaluar el rendimiento de la planta y controlar la operación

utilizando los resultados evaluados, es necesario contabilizar los
productos en términos de peso de materiales y componentes. El
balance de masa es particularmente importante para contabilizar
las valiosas distribuciones de minerales o metales, y la fórmula de
dos productos es de gran utilidad a este respecto. Si los pesos de
la alimentación, el concentrado y los relaves son F, C y T,
respectivamente, y sus ensayos correspondientes f, c y t,
entonces:
Si tomamos en cuenta la siguiente figura:
Realizando el balance de más de los flujos Tenemos:
F=C+T (3.13)
es decir, entrada de material = salida de material
lo mismo realizamos para el caso de los contenidos, tenemos:
F*f=C*c+T*t (3.14)
Despejando T de la ecuación (3.1.3) y reemplazando en (3.1.4)
𝑇 =𝐹−𝐶
𝐹∗𝑓 =𝐶∗𝑐+ 𝐹−𝐶 ∗𝑡
Despejando nos da lo que es la relación de concentración:
𝐹 𝑐−𝑡
= (3.15)
𝐶 𝑓−𝑡
La recuperación de la planta es
𝐶𝑐
𝑅= ∗ 100
𝐹𝑓
O
c ∗ (f − 𝑡 )
𝑅= (3.16)
𝑓 ∗ ( 𝑐 − 𝑡)
Como los valores de recuperación, la relación de concentración y la
relación de enriquecimiento (c/f) se pueden determinar solo a partir
de los resultados de los ensayos, el método de fórmula de dos
productos a menudo se usa para proporcionar información para el
control de la planta, aunque esto será retrospectivo, dependiendo del
tiempo necesario para recibir y procesar los resultados de los
ensayos. El control directo se puede lograr mediante el uso de
sistemas de análisis en línea, donde los valores de c, f y t se pueden
calcular continuamente para proporcionar valores actualizados del
rendimiento metalúrgico
Ejemplo 3.5
La alimentación a una planta de flotación analiza 0,8% de cobre, el concentrado ensaya
25% Cu y los relaves 0,15% Cu. Calcule la recuperación de cobre en el concentrado, la
relación de concentración y la relación de enriquecimiento.

Solución
La recuperación del concentrador (Ecuación 3.16) es:
c ∗ (f − 𝑡 ) 25 ∗ (0.8 − 0.15)
𝑅= = 100 ∗ = 81.74%
𝑓 ∗ ( 𝑐 − 𝑡) 0.8 ∗ (25 − 0.15)
La relación de concentración es:
𝐹 𝑐−𝑡 25 − 0.15
= = = 38.23
𝐶 𝑓−𝑡 0.8 − 0.15
Y la razón de enriquecimiento es:
𝑐 25
= = 31.25
𝑓 0.8
 Contabilidad metalúrgica
Aunque los concentrados se pueden pesar con precisión antes de cargarlos
en vagones o camiones, es improbable que el concentrado pesado de esta
manera durante un turno particular corresponda con la cantidad realmente
producida, ya que a menudo hay un inventario variable de material entre el
concentrador y el Área de disposición final. Este inventario puede consistir en
material almacenado y concentrado en espesantes, filtros, agitadores, etc.
Para la contabilidad de turnos, el tonelaje de alimentación al concentrador
generalmente se mide con precisión, proporcionando así la base para el
cálculo de los pesos de flujo de producto. También se toman muestras
periódicamente de las corrientes de alimentación, concentrados y relaves, y
las muestras compuestas se recogen y analizan al final del turno.
La ecuación 3.15 se puede utilizar para calcular el peso del concentrado
producido, lo que permite preparar un balance metalúrgico.
Supongamos, por ejemplo, que una planta trata 210.0 t de material durante
un turno, analizando 2.5% de metal, para producir un concentrado de 40%
de metal y una cola de 0.20% de metal.
Podemos calcular la relación de concentración:
𝐹 𝑐−𝑡 40 − 0.20
= = = 17.30
𝐶 𝑓−𝑡 2.5 − 0.20
Como conocemos el tonelaje alimentado (F), en función de la relación de
concentración calculamos el tonelaje de concentrado producido:
210.0
𝐶= = 12.14𝑡
17.3
El peso de relave producido es:
= 210.0 − 12.1 = 197.9
El balance metalúrgico para este turno se da en la siguiente tabla

Tabla 3.3 desempeño del turno 1.

Producto Peso (t) Ensaye (%) Peso de Distribución de
metal (t) metal (%)
Alimentación 210.0 2.5 5.25 100.0
Concentrado 12.1 40.0 4.84 92.2
Relave 197.9 0.20 0.40 7.8
Supongamos que en el siguiente turno se tratan 305 t de material,
analizando 2.1% de metal, y que se produce un concentrado de 35.0% de
metal, dejando una cola de 0.15% de metal. El balance metalúrgico para el
cambio se muestra en la Tabla 3.4.

Tabla 3.4 desempeño del turno 2.

Producto Peso (t) Ensaye (%) Peso de Distribución
metal (t) de metal (%)
Alimentación 305.0 2.1 6.40 100.0
Concentrado 17.1 35.0 5.98 93.40
Relave 287.9. 0.15 0.43 6.6
El balance compuesto para los dos turnos se puede producir agregando
todos los pesos de material y metal, y luego ponderando los ensayos y
distribuciones, el balance se da en la siguiente (Tabla 3.5).

Tabla 3.5 desempeño combinado.

Producto Peso (t) Ensaye (%) Peso de Distribución

metal (t) de metal (%)
Alimentación 515.0 2.1 11.65 100.0
Concentrado 29.2 37.1 10.82 92.9
Relave 485.9 0.17 0.83 7.1
Del mismo modo, los saldos de turno se pueden acumular
durante un período semanal, mensual o anual, para obtener el
peso de alimentación real y los ensayos promedio ponderados
de las corrientes. Es evidente que los pesos calculados de
concentrado y relaves son aquellos que "se ajustan" a los
valores de ensayo disponibles, y de este método siempre
produce un balance "perfecto", ya que la ecuación de dos
productos es consistente con los datos disponibles, es decir:

𝐹∗𝑓−𝐶∗𝑐−𝑇∗𝑡 = 0
Se puede hacer una evaluación más realista al pesar con precisión un
flujo más y compararlo con el valor calculado (método de verificación de
entrada y salida). Por ejemplo, si, en el ejemplo anterior, el concentrado
producido en los dos turnos se pesa con precisión y es 28.8 t, entonces
es posible obtener valores para la recuperación teórica y real de la
planta. El saldo se muestra en la Tabla 3.6.

Tabla 3.6 desempeño combinado.

Producto Peso (t) Ensaye (%) Peso de metal Distribución de
(t) metal (%)
Alimentación 515.0 2.1 11.65 100.0
Concentrado 28.8 37.1 10.68 91.7
Perdida no 0.14 1.2
contabilizada
Relave 485.9 0.17 0.83 7.1
Se declara la recuperación real (91,67%) y cualquier discrepancia en el
peso del metal se considera una pérdida no contabilizada (1.2%). Se
aceptan los pesos del material y se supone que no hay errores de cierre
en el balance del material, es decir, 𝐹 − 𝐶 − 𝑇 = 0.

Las pérdidas físicas, por supuesto, ocurrirán en cualquier planta y

siempre se deben de tratar de mantenerlas lo más bajas posible. Si el
tercer peso también se conoce con precisión (lo que rara vez se
conoce), cualquier error de cierre también se puede informar como una
pérdida (o ganancia) de material no contabilizada.
Como se mencionó anteriormente, no es fácil, particularmente en una
planta grande, obtener pesos precisos de producción de concentrado
durante un período corto debido al inventario entre el concentrador y el
área de disposición de concentrados o fundición, donde se realiza el
pesaje.

Si durante un período contable mensual, por ejemplo, el cambio en el

inventario se puede cuantificar evaluando al comienzo de cada mes la
cantidad de concentrado retenido en la planta en espesadores, filtros, etc.,
y en camiones u otros contenedores en tránsito entre la planta y la
fundición, entonces este cambio de inventario se puede usar para ajustar
la entrada de la fundición para calcular la cifra de producción.
Por ejemplo, supongamos que los ingresos mensuales de una
fundición de una fábrica son 3102 t de concentrados que analizan
41.5% de metal. El inventario de concentrados en la sección de
disposición de productos se determina al comienzo y al final del mes
y es como se muestra en la Tabla 3.7.

Tabla 3.7a Inicio de mes

Producto de Peso (t) Ensaye de Peso de
metal (%) metal (t)
Espesadores 210 44.1 92.6
Agitadores y filtros 15 43.9 6.6
En tránsito a fundición 207 46.9 97.1
Total, Inventario 432 45.4 196.3
Tabla 3.7b Fin de mes
Producto de Peso (t) Ensaye de Peso de
metal (%) metal (t)
Espesadores 199 39.6 78.8
Agitadores y filtros 25 40.8 10.2
En tránsito a fundición 262 39.3 103.0
Total, Inventario 486 39.5 192.0
La producción mensual de concentrado ahora se puede calcular así:

Producto de Peso (t) Ensaye de Peso de

metal (%) metal (t)
Concentrado recibido 3102 41.5 1287.3
Cambio de inventario +54 --- -4.3
Producción 3156 40.7 1283.0
Tenga en cuenta que en este caso ha habido un aumento en el
inventario de material, lo que obviamente aumenta la producción,
pero una disminución en el inventario de metal, lo que reduce la
producción de metal.

Aunque el contenido de metal del inventario puede evaluarse hasta

cierto punto mediante el muestreo y el análisis de las existencias y
las cargas de camiones, puede ser más preciso confiar en el ensayo
de concentrado ponderado producido a partir de los balances de
turnos, en lugar de ajustar el valor como se indicó anteriormente.
Ejemplo 3.6
De los saldos acumulados de turnos, la alimentación mensual total a una planta de
flotación de cobre fue de 28,760 toneladas secas con una ley de 1.1% de cobre. La
ponderación de los ensayos de concentrado y relaves fue 24.9% y 0.12% Cu
respectivamente. El peso del concentrado recibido en la fundición durante el mes fue de
1090.7 t, analizando 24.9% Cu.
A principios de mes, 257 t de concentrado estaban en tránsito hacia la fundición, y 210 t
estaban en tránsito al final del mes. Tabule un balance metalúrgico para la producción del
mes, que muestre las pérdidas no registradas de cobre y compare las recuperaciones
reales y teóricas.

Solución
El cambio de inventario durante el mes es:
210 − 257 = −47𝑡
Por lo tanto, la producción de concentrado es:
1090.7 − 47 = 1043.7𝑡
Producto Peso (t) Ensaye (%) Peso de metal Distribución de
(t) metal (%)
Alimentación 28760.0 1.10 316.4 100.0
Concentrado 1043.7 24.90 259.9 82.1
Perdida no 23.3 7.4
contabilizada
Relave 27716.3 0.12 33.2 10.5

La recuperación real es 82.1%, y la recuperación teórica es 82.1+7.4

= 89.4%. Claramente, existe una gran discrepancia, lo que podría
indicar un muestreo, análisis o pesaje deficiente de las corrientes de
flujo.
Tenga en cuenta que muchas "pérdidas no registradas" son una
consecuencia de la precisión o precisión de la medición (o falta de
ella) y dentro de los límites definidos adecuadamente no deberían ser
motivo de preocupación.

Como esencialmente no hay exceso de datos ("redundantes"), es

difícil identificar la fuente probable de error. El análisis con datos
redundantes o en exceso es un método importante para mejorar las
estimaciones de flujo másico y se considera en la "Conciliación de
exceso de datos" a continuación.
El uso del análisis de tamaño en el balance de masa

Muchas máquinas de operaciones unitarias, como los

hidrociclones y ciertos separadores por gravedad, producen un
buen grado de separación del tamaño de partícula, y los datos de
análisis de tamaño a menudo se pueden usar de manera efectiva
en la fórmula de dos productos.
Ejemplo 3. 7
En el circuito que se muestra en la Figura 3.22, el
molino de barras se alimenta a una razón de 20 t/h
de sólidos secos (densidad 2900 kg/m3). La
alimentación del ciclón contiene 35% de sólidos en
peso, y los análisis de tamaño en la descarga del
molino de barras, la descarga del molino de bolas y
la alimentación del ciclón dieron:
Descarga del molino de barras: 26.9% + 250 µm
Descarga del molino de bolas: 4.9% + 250 µm
Alimentación Hidrociclón: 13.8% + 250 µm
Calcule el caudal volumétrico de alimentación al Figura 3.22 Circuito molino de barras-molino
de bolas-hidrociclón
hidrociclón.
Solución
Realizando un balance de material en la unión de alimentación al
hidrociclón nos da:
𝐹 = 𝑅 + 𝐵 = 20 + 𝑅 → B = F − R =F-20
donde F: alimentación al hidrociclón, R: es la descarga del molino de
barras y B: descarga del molino de bolas.
Realizando un balance de masa con respecto al contenido de +250 µm
tenemos:
𝐹∗𝑓 =𝑅∗𝑟+𝐵∗𝑏
En la que f, r y b son los porcentajes de +250 µm tenemos
𝐹 ∗ 13.8 = 20 ∗ 26.9 + 𝐵 ∗ 4.9
13.8𝐹 = 538 + 𝐹 − 20 ∗ 4.9
Despejando F, tenemos:
440
𝐹= = 49.4 𝑡/ℎ
8.9
La dilución de pulpa es:
1 − 𝑋 0.65
𝐷= = = 1.85
𝑋 0.35
El flujo volumétrico de alimentación al hidrociclón es:
1 1 𝑚3
𝑉𝑝 = 𝐹 ∗ 𝐷 + = 49.4 ∗ 1.85 + = 108.4
𝜌𝑠 2.9 ℎ
Limitaciones de la fórmula de dos productos.

Aunque es de gran utilidad, la fórmula de dos productos tiene

limitaciones en la contabilidad y el control de la planta. Las
ecuaciones asumen condiciones de estado estacionario, la suposición
fundamental es que la entrada es igual a la salida. Si bien esto puede
ser cierto durante un período bastante largo y, por lo tanto, puede ser
aceptable para la contabilidad diaria o por turnos, dicho equilibrio
dinámico puede no existir en un período más corto, como el intervalo
entre los análisis sucesivos de productos.
Sensibilidad de la ecuación de recuperación.

La ecuación 3.16, que define la recuperación de una operación

unitaria, es muy sensible al valor de t, ya que la ecuación
representa la relación de las dos expresiones c/f y (c-t) / (f-t), que
difieren solo por la presencia de t en la última ecuación. La
ecuación 3.16 puede derivarse parcialmente con respecto a f, c y
t para dar:
100𝑐(𝑓 − 𝑡)
𝑅 =
𝑓(𝑐 − 𝑡)
Para estimar qué ocurre con R debido a cambios en los componentes debemos deducir
las derivadas parciales correspondientes
𝜕𝑅 100𝑐𝑡 𝜕𝑅 −100𝑡(𝑓−𝑡) 𝜕𝑅 −100𝑐(𝑐−𝑓)
= , = , =
𝜕𝑓 𝑓2 (𝑐−𝑡) 𝜕𝑐 𝑓(𝑐−𝑡)2 𝜕𝑡 𝑓(𝑐−𝑡)2

Dado que la varianza de una función se puede encontrar a partir de sus derivadas:
𝑛 2
𝜕𝐹(𝑥)
𝑉𝐹(𝑥) =෍ 𝑉𝑥𝑖 (3.21)
𝜕𝑥𝑖
𝑖=1
2 2 2
𝜕𝑅 𝜕𝑅 𝜕𝑅
𝑉 𝑅 = 𝑉 𝑓 + 𝑉 𝑐 + 𝑉(𝑡)
𝜕𝑓 𝜕𝑐 𝜕𝑡

Donde:
𝑉 𝑅 , 𝑉 𝑓 , 𝑉 𝑐 𝑦 𝑉 𝑡 , 𝑛𝑜𝑠 𝑖𝑛𝑑𝑖𝑐𝑎𝑛 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎𝑠 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑖𝑣𝑎𝑠
Reemplazando las derivadas parciales respectivas en la última ecuación
tenemos:
1002 𝑐 2𝑡2 𝑓 − 𝑡 2𝑡2 𝑐2 𝑐 − 𝑓 2
𝑉 𝑅 = 2 2 2
𝑉 𝑓 + 2
𝑉 𝑐 + 2
𝑉 𝑡 (3.22)
𝑓 (𝑐 − 𝑡) 𝑓 𝑐−𝑡 𝑐−𝑡
La ecuación 3.22 es útil para evaluar el error que puede esperarse en el valor
calculado de recuperación debido a errores en la medición de f, c y t.
Por ejemplo, en un concentrador que trata una alimentación que contiene 2.0%
de metal para producir un concentrado con 40% de metal y una cola de 0.3% de
metal, el valor calculado de recuperación (Ecuación 3.16) es 85.6%, dándonos la
varianza siguiente:
𝑉 𝑅 = 57.1 𝑉 𝑓 + 0.0003𝑉 𝑐 + 2325.2𝑉 𝑡 (3.23)
Es inmediatamente evidente que el valor calculado de recuperación es más
sensible a la variación del ensayo de relaves y es extremadamente insensible a
la variación del ensayo de concentrado.
Si se supone que todas las corrientes pueden analizarse a una
desviación estándar relativa del 5%, entonces las desviaciones
estándar de las corrientes de alimentación, concentrado y relaves
son 0.1, 2 y 0.015% respectivamente, y, de la Ecuación 3.23,
V(R)=1.1, o la desviación estándar de R es 1.05. Esto significa
que, dentro de los límites de confianza del 95%, la recuperación es
85.6±2.1%. Estos cálculos lo apreciamos en la hoja de cálculo (Sin
embargo, vale la pena recordar que el error relativo constante
implica que los ensayos más pequeños están mejor definidos que
los grandes. Esto a menudo no es cierto; véase el ejemplo 3.13)
Es interesante comparar el error esperado en el cálculo de la recuperación de
los datos en los que se produce una pequeña separación de los valores de los
componentes. Suponga que la alimentación, de 2.0% de metal, se separa en
un concentrado de 2.2% de metal y una cola de 1.3% de metal. La
recuperación calculada es, como antes, del 85,6% y:
𝑉(𝑅) = 6311𝑉 𝑓 + 3155𝑉 𝑐 + 738𝑉 𝑡
El valor de la recuperación, en este caso, depende más de la precisión de los
ensayos de alimentación y concentrado que del ensayo de relaves. Sin
embargo, una desviación estándar relativa del 5% en cada uno de los valores
del ensayo produce una desviación estándar en la recuperación del 10,2%.
Por lo tanto, el grado de precisión obtenido con la fórmula de dos productos
depende de la extensión del proceso de separación y siempre debe haber una
diferencia significativa entre los valores de los componentes (en este caso,
ensayos) si se desean obtener resultados confiables. (ver hoja de calculo)
Ejemplo 3.13
Un concentrador de cobre ha instalado un sistema de análisis en
flujo en sus flujos de proceso. Se estima que la precisión del
sistema es:
Desviación estándar
%Cu
Relativo (%)
0.05-2.0 6-12
2.0-10.0 4-10
>10 2-5

La alimentación a un banco rougher se mide como 3.5% Cu, el

concentrado como 18% Cu y el relave como 1% Cu. Calcule la
recuperación y la incertidumbre en su valor.
Solución
Suponiendo desviaciones estándar relativas en los ensayos de
alimentación, concentrado y relaves de 4, 2 y 8% respectivamente,
las desviaciones estándar son:
Alimentación, V(f): 3.5*4/100=0.14%
Concentrado, V(C): 18*2/100=0.36%
Relave V(t): 1*8/100=0.08%
El valor calculado de recuperación (Ecuación 3.16) es 75.6%, y la
varianza en este valor (Ecuación 3.22) es 5.7. Por lo tanto, la
desviación estándar en la recuperación es del 2.4% y, a un nivel de
confianza del 95%, la incertidumbre en el cálculo de la recuperación
es ± 2 * 2.4 = ± 4.8%. Podemos ver esto en la hoja de cálculo en
Excel.
Sensibilidad de la ecuación de masa.

La ecuación 3.15 se puede usar para calcular el peso del concentrado

como una fracción o porcentaje (C) del peso del alimento:
𝐶/𝐹 = 1 0 0 (𝑓 − 𝑡 )/(𝑐 − 𝑡) (3.24)
Aunque la expresión 3.24 es muy útil en el balance de materiales, es como
la ecuación de recuperación, propensa a errores considerables si los
valores de los componentes no están bien separados. Por ejemplo, un
hidrociclón es un separador que produce una buena separación en
términos de contenido de agua contenida y de fracciones de cierto tamaño,
pero no necesariamente en términos de valores de metal contenido.
Cuando todos estos datos están disponibles, el problema a menudo es
decidir qué componente producirá el balance de material más preciso.
Si la ecuación 3.24 es derivada parcialmente con respecto a 𝑓, 𝑐 𝑦 𝑡
respectivamente, tenemos:
𝜕𝐶 100
=
𝜕𝑓 𝑐 − 𝑡
𝜕𝐶 100 𝑓 − 𝑡
=−
𝜕𝑐 𝑐 − 𝑡 2
𝜕𝐶 100 𝑐 − 𝑓
=−
𝜕𝑡 𝑐 −𝑡 2
De la ecuación 3.21, la varianza en C, V(C) se puede determinar a partir de
2 2 2
𝜕𝐶 𝜕𝐶 𝜕𝐶
𝑉 𝐶 = 𝑉(𝑓) + 𝑉 𝑐 + 𝑉 𝑡
𝜕𝑓 𝜕𝑐 𝜕𝑡
2 2 2
100 100 𝑓 − 𝑡 100 𝑐 − 𝑓
= 𝑉 𝑓 + 𝑉 𝑐 + 𝑉 𝑡 (3.25)
𝑐− 𝑡 𝑐 − 𝑡 2 𝑐 −𝑡 2

Esta ecuación se llama "Propagación de varianza" y es una regla general útil.

Como todos los términos clave son diferenciales, las mediciones con las
mayores diferencias generalmente proporcionarán la mejor definición. La
separación mejor definida generalmente será el mineral (o metal) de interés
comercial balanceado en todo el concentrador.
Estas ideas también se pueden ampliar para incluir modelos de proceso dentro
del proceso de equilibrio o contabilidad (Richardson y Morrison, 2003).
Ejemplo 3.14
Se tomó una muestra de un concentrador espiral unitario en un circuito de
molienda, y los ensayos de estaño en alimentos y productos que se ensayaron
son:
Alimento: 0.92% ± 0.02% Sn
Concentrado: 0.99% ± 0.02% Sn
Relave: 0.69% ± 0.02% Sn
También se midieron las densidades de pulpa, y las relaciones agua-sólido que se
reportaron son:
Alimento: 4.87±0.05
Concentrado: 1.77±0.05
Relave: 15.73±0.05
Mediante un análisis de sensibilidad, calcule el porcentaje de material de
alimentación que se reporta al concentrado y la incertidumbre en este valor. ¿Qué
componente se debe elegir para evaluaciones de rutina posteriores?
Solución
Suponiendo límites de confianza del 95%, la desviación estándar en los
ensayos de estaño es 0.01, y la varianza es 1*10-4. El valor de C determinado a
partir de ensayos de estaño (Ecuación 3.24) es 76.7% y, de la Ecuación 3.25,
V(C) = 18.2. La desviación estándar, s, es entonces 4.3, y la desviación
estándar relativa en el cálculo de masa (s/C) es 0.06.
La desviación estándar en la medición de la relación agua-sólidos es 0.025, y la
varianza es 6.25* 10-4. El valor de C calculado a partir de la relación agua-
sólidos es 77.8%, y V(C) es 0.05; por lo tanto, s es 0.23. La desviación estándar
relativa (s/C) es, por lo tanto, 0.003, siendo esta más baja que la obtenida
usando ensayos de estaño.
Por lo tanto, la relación agua-sólidos se elige para evaluaciones posteriores,
siendo el componente menos sensible.
Usando la relación agua solido tenemos que:
𝐶 = 77.8% ± 0.46% 𝑎 95% 𝑐𝑜𝑚𝑜 𝑙𝑖𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎
Maximizando la precisión de los cálculos de recuperación de dos productos

Se ha demostrado que la ecuación de recuperación (3.16) es muy sensible a la

precisión de los valores de los componentes y al grado de separación que se ha
producido. La ecuación 3.16 Tambien se puede escribir como:
𝐶𝑐
𝑅= (3.26)
𝐹𝑓
Donde
100 𝑓 − 𝑡
𝐶= (3.24)
𝑐−𝑡

C representa el porcentaje del peso total de alimentación que se reporta al

concentrado. Este valor a menudo se puede calcular utilizando componentes
distintos del componente cuya recuperación se está determinando (Wills, 1985).
Por ejemplo, en un concentrador de flotación que trata un mineral
de cobre y oro, puede ser necesario evaluar la recuperación de oro
en el concentrado. Si los análisis de oro son bajos (particularmente
el análisis de relaves) y no están bien separados, entonces la
recuperación de la Ecuación 3.16 es propensa a mucha
incertidumbre. Sin embargo, si los ensayos de cobre se usan para
determinar el valor de C, entonces solo se requieren los ensayos de
oro en el concentrado y la alimentación, y la recuperación se evalúa
a partir de la Ecuación 3.26. La elección del componente de
"fracción de masa" se puede determinar mediante análisis de
sensibilidad.
La ecuación 3.24 se puede escribir como:
100 𝑎 − 𝑑
𝑀 = (3.27)
𝑏− 𝑑
donde a, b y d son los componentes de la fracción de masa en la
alimentación, el concentrado y los relaves, respectivamente,
estos componentes son independientes de f, c y t, y M es el valor
de C calculado a partir de estos componentes. Por lo tanto:
𝑀𝑐
𝑅 = (3.28)
𝐹𝑓
From Equation 3.25:
2 2 2
100 𝑎−𝑑 𝑏−𝑎
𝑉 𝑀 = 2
𝑉 𝑎 + 𝑉 𝑏 + 𝑉 𝑑 (3.29)
𝑏−𝑑 𝑏−𝑑 𝑏−𝑑
Siempre que se conozcan las estimaciones de la varianza de los
componentes, se puede calcular la V(M). Si hay disponibles varios
componentes (por ejemplo, un análisis de tamaño completo), la Ecuación
3.29 puede usarse para seleccionar el componente menos sensible como
el componente de fracción de masa. El componente será el que produce el
valor más bajo de desviación estándar relativa (RSD) en los cálculos de
masa:
𝑅𝑆𝐷 𝑀 = 𝑉 𝑀 1Τ2 /𝑀 (3.30)
Una vez elegido el componente de fracción de masa, el valor de la
recuperación del componente requerido se puede calcular a partir de:
𝑅 = 100𝑐(𝑎 − 𝑑 )/[ 𝑓 𝑏 − 𝑑 ] (3.31)
La varianza en el cálculo de la recuperación se puede encontrar de la
Ecuación 3.28, es decir:
𝑉 𝑅 = (𝜕𝑅/𝜕𝑀)2 𝑉 𝑀 + (𝜕𝑅/𝜕𝑐)2 𝑉 𝑐 + (𝜕𝑅/𝜕𝑓)2 𝑉 𝑓
Por lo tanto
𝑉 𝑅 = (𝑐/𝑓)2 𝑉 𝑀 + (𝑀/𝑓)2 𝑉 𝑐 + (𝑀𝑐/𝑓𝑒)2 𝑉 𝑓 (3.32)
siempre que c y f sean independientes de b y a. Combinando las ecuaciones 3.29
y 3.32 tenemos:
𝑉 𝑅
2 2 2 2 2
100 𝑐 𝑎−𝑑 𝑏−𝑎 𝑎−𝑑
= 2 2
൥𝑉 𝑎 + 𝑉 𝑏 + 𝑉 𝑑 + 𝑉 𝑐
𝑏−𝑑 𝑓 𝑏−𝑑 𝑏−𝑑 𝑐
Ejemplo 3.15
Calcule la recuperación de estaño en el concentrado de la espiral descrita en el ejemplo
3.14. Muestre cómo se mejora la precisión del cálculo de recuperación mediante el uso
de la relación agua-sólidos como componente de la fracción de masa.

Solución
Usando ensayos de estaño, la recuperación de estaño en el concentrado (Ecuación
3.16) es 82.5% y, a partir de la Ecuación 3.22, V(R) es 11.6. La desviación estándar es,
por lo tanto, 3.16, y:
𝑅𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑅 = 82.5 ± 6.8% 𝑎 95 𝑑𝑒 𝑙𝑖𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎
Como se mostró en el ejemplo 3.15 que la desviación estándar relativa en el cálculo de
la masa es menor cuando se usa la relación agua-sólidos en lugar de los ensayos de
estaño, la relación agua-sólidos se elige como el componente de la fracción de masa y,
de la ecuación 3.28, R = 83.7 %, y, de la ecuación 3.33, V(R) = 1.60, y la desviación
estándar es 1.27. Por lo tanto, la recuperación 83.7±2.5% a 95% de límite de confianza.
Este método para maximizar los cálculos de recuperación de dos
productos es útil para la evaluación de las operaciones unitarias,
ya que una vez que se ha realizado una evaluación preliminar en
el separador para determinar el componente de fracción de masa
más adecuado, este componente puede evaluarse rutinariamente
para evaluaciones adicionales con un alto grado de confianza
Introducción a los equilibrios de masa en
circuitos complejos.

Un concentrador, por complejo que sea, puede dividirse en una

serie de operaciones unitarias, cada una de las cuales puede
evaluarse mediante un balance de dos productos. Por ejemplo, en
un proceso de flotación complejo, dicha operación de unidad
podría ser la alimentación compuesta al circuito rougher, que se
divide en un concentrado rougher (más limpio que la
alimentación) y relaves rougher (que es la alimentación al
scavengher).
Ejemplo 3.16
25 t/h de mineral que contiene 5% de plomo se alimenta a un banco de celdas de
flotación.
Se produce un concentrado rougher de alta calidad que analiza 45% Pb.
Los relaves de la flotación rougher analizan 0,7% Pb y son alimento de la
flotación scavengher, que producen un concentrado de 7% Pb y un relave de
0.2% Pb, ver el esquema. Calcule el peso de los concentrados rougher y
scavengher producidos por hora, y la recuperación del plomo producido en el
banco de celdas.
Solución
Para determinar el flujo masico de concentrados en los circuitos indicados aplicamos la ecuación
3.15 el cual invertida no se modifica en nada tenemos:
𝐶 𝑓−𝑡
= ,
𝐹 𝑐−𝑡
a) El Balance en el circuito de flotación rougher es:
𝐶 5 − 0.7 𝑡
= = 0.0971 , 𝐶 = 0.0971 ∗ 25 = 2.43
25 45 − 0.7 ℎ
El caudal másico de relaves de la flotación rougher es:
𝑡
𝑇 = 25 − 2.43 = 22.57
ℎ
a) El balance del circuito de flotación scavengher es:
𝐶 0.7 − 0.2 𝑡
= = 0.0735 , 𝐶 = 0.0735 ∗ 22.57 = 1.66
22.57 7 − 0.2 ℎ
El contenido de Plomo en los concentrados es:
𝑡
= 2.43 ∗ 0.45 + 1.66 ∗ 0.07 = 1.21
ℎ
Por lo tanto, la recuperación de plomo en los concentrados es:
1.21 ∗ 100
= = 96.8 %
25 ∗ 0.05
Otra forma es aplicando la ecuación de recuperación:
𝐶𝑐
𝑅= (3.26)
𝐹𝑓
Para eso necesitamos el peso tol de los concentrados y su respectiva ley:
El peso de concentrado total es:
𝑡
= 2.43 + 1.66 = 4.09
ℎ
Y la ley de plomo en el concentrado es:
1.21 ∗ 100
= = 29.6%
4.09
Por lo tanto, la recuperación es:
𝐶𝑐 4.09 ∗ 29.6
𝑅= = = 96.8%
𝐹𝑓 25 ∗ 5
En este simple ejemplo, no es difícil evaluar el número de
flujos que deben muestrearse para producir datos para un
conjunto único de ecuaciones para el sistema. Sin embargo,
para calcular un balance de masa en estado estable para un
circuito complejo completo, se requiere un método más
analítico para generar n ecuaciones lineales para n
incógnitas.
Cualquier diagrama de flujo de la planta se puede reducir a una
serie de nodos, donde las corrientes de proceso se unen o se
separan. Los nodos simples tienen una entrada y dos salidas (un
separador) o dos entradas y una salida (una unión) (Figura 3.25).

Figura 3.25 Nodos simples: (a) separador, (b) unión

Los nodos suelen representar equipos o un lugar en el que se juntan o separan
corrientes. Por ejemplo, en el caso del hidrociclón llega la corriente de
alimentación F y sale la corriente de underflow (gruesos) y la del overflow
(finos). El hidrociclón es un nodo, la alimentación, overflow y underflow son
corrientes.
Se ha demostrado (Smith y Frew, 1983) que, siempre que se conozca el flujo
másico de una corriente de referencia (generalmente la alimentación), se debe
tomar una muestra de la cantidad mínima de corrientes que se deben muestrear
para garantizar la producción de un balance de masa de circuito completo.
𝑁 = 2(𝐹 + 𝑆) − 1 (3.34)
dónde
N= es el número de flujos a muestrear; F=número de flujos de alimentación
externos; S=número de separadores simples.
El diagrama de flujo descrito en el Ejemplo 3.16 puede reducirse a la forma de
nodo (Figura 3.26).

Figura 3.26 Diagrama de flujo de nodo simple

El circuito contiene dos nodos separadores simples y, por lo tanto, el número

mínimo de flujos que deben muestrearse es:
𝑁 = 2 𝐹 + 𝑆 − 1 = 2 (1 + 2) − 1 = 5
es decir, todos los flujos deben muestrearse para producir un equilibrio.
Los separadores que producen
más de dos productos, o
uniones que son alimentadas
por más de dos corrientes, se
pueden conectar en cascada en
nodos simples conectándolos
con corrientes que no tienen
existencia física. Por ejemplo, el
banco de flotación que se
muestra en la Figura 3.27a se
puede reducir a la forma de
Figura 3.27 Banco de flotación: (a) diagrama de flujo, (b) en
nodo (Figura 3.27b) y en forma de nodo, (c) en nodos simples
cascada en nodos simples
(Figura 3.27c).
El número mínimo de flujos que se deben muestrear es:
𝑁 = 2 𝐹 + 𝑆 − 1 = 2 (1 + 3) − 1 = 7
y dado que solo se pueden muestrear cinco corrientes, se requieren
dos pesos más para complementar el peso de referencia.
Puede verse en las Figuras 3.27b y 3.27c que un nodo que produce
dos productos puede conectarse en cascada a tres nodos
separadores simples y, en general, si un separador produce n
productos, entonces esto puede conectarse en cascada a 𝑛 − 1 nodo
simple. Esto es útil, ya que reducir una planta muy compleja a nodos
simples, en cascada con flujos inexistentes, puede generar confusión
y error. Frew (1983) ha desarrollado un procedimiento que permite
una automatización fácil y proporciona una verificación del conteo de
nodos desde el diagrama de flujo.
El método implica el uso de la matriz de conexión C (Cutting, 1976), donde
cada elemento de la matriz es

+1 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑓𝑙𝑢𝑗𝑜 𝑗 𝑞𝑢𝑒 𝑓𝑙𝑢𝑦𝑒 ℎ𝑎𝑐𝑖𝑎 𝑒𝑙 𝑖 − é𝑠𝑖𝑚𝑜 𝑛𝑜𝑑𝑜

𝐶𝑖𝑗 = ൞ −1 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑓𝑙𝑢𝑗𝑜 𝑗 𝑞𝑢𝑒 𝑓𝑙𝑢𝑦𝑒 𝑓𝑢𝑒𝑟𝑎 𝑑𝑒𝑙 𝑖 − é𝑠𝑖𝑚𝑜 𝑛𝑜𝑑𝑜
0 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑗 𝑞𝑢𝑒 𝑛𝑜 𝑎𝑝𝑎𝑟𝑒𝑐𝑒 𝑒𝑛 𝑒𝑙 𝑖 − é𝑠𝑖𝑚𝑜 𝑛𝑜𝑑𝑜

Los siguientes ejemplos ilustran el uso del método:

Considere el diagrama de flujo que se muestra en la figura 3.28a. Esto

puede reducirse al diagrama de flujo del nodo que se muestra en la figura
3.28b
 La matriz de conexión tiene once columnas y cuatro filas
Hay once flujos y cuatro nodos. como se muestra a continuación:

El contenido de cada columna representa las secuencias

individuales y, cuando se suma, debe ser igual a +1, -1 o 0,
cualquier otro resultado nos indica un error en la entrada de
datos,
+1 𝑙𝑎 𝑐𝑜𝑟𝑟𝑖𝑒𝑛𝑡𝑒 𝑒𝑠 𝑢𝑛𝑎 𝑎𝑙𝑖𝑚𝑒𝑡. 𝐸𝑥𝑡.
𝑠𝑢𝑚𝑎 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 = ቐ −1 𝑙𝑎 𝑐𝑜𝑟𝑟𝑖𝑒𝑛𝑡𝑒 𝑒𝑠 𝑢𝑛 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
0 𝑙𝑎 𝑐𝑜𝑟𝑟𝑖𝑒𝑛𝑡𝑒 𝑒𝑠 𝑢𝑛 𝑓𝑙𝑢𝑗𝑜 𝑖𝑛𝑡𝑒𝑟𝑛𝑜
Por lo tanto, la suma de columnas muestra que la secuencia
1 es una alimentación, las secuencias 2, 6, 7, 8, 9, 10 y 11
Figura 3.28 (a) Diagrama de flujo del circuito, son productos, y las secuencias 3, 4 y 5 son flujos internos.
(b) diagrama de flujo en forma de nodo
Los elementos de cada fila representan los nodos individuales, y si se cuenta el número de entradas "+ 1"
(np) y el número de salientes "-1" (nn), entonces np y nn se pueden usar para evaluar el número de nodos
simples:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑢𝑛𝑖𝑜𝑛𝑒𝑠 𝑠𝑖𝑚𝑝𝑙𝑒𝑠 (𝐽) = 𝑛𝑝 − 1
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑠𝑒𝑝𝑎𝑟𝑎𝑑𝑜𝑟𝑒𝑠 𝑠𝑖𝑚𝑝𝑙𝑒𝑠 (𝑆) = 𝑛𝑛 − 1.
Los nodos ahora se pueden clasificar de la siguiente manera (verde):

Por lo tanto, hay seis separadores simples, y no hay uniones, y el número mínimo de flujos que deben
muestrearse es:
N=2(F+S)-1=2(1+6)-1=13
Como solo hay once corrientes disponibles, se requieren dos flujos de masa adicionales para
complementar la corriente de referencia para producir un equilibrio. Es importante que cuando se
requieran mediciones de flujo másico adicionales, ningún subconjunto de mediciones de flujo incluya todas
las corrientes en un nodo o grupo de nodos. Las mediciones de masa en las corrientes 6 y 7, por ejemplo,
proporcionarán datos de masa completos para el nodo 2 y no se producirá un equilibrio único.
Considere el circuito que se muestra en la
figura 3.29a. El circuito se ha reducido a
forma de nodo en la figura 3.29b. Tenga en
cuenta que el molino de bolas se ha
quedado fuera de este circuito, ya que es un
nodo anormal donde no se produce
separación y, por lo tanto, no hay cambio en
el ensayo general o la velocidad de flujo en
estado estacionario.

Tenga en cuenta que habrá un cambio en la

distribución del tamaño en este nodo
anormal, por lo que los datos de análisis de
tamaño no deben usarse como componentes
de equilibrio entre los nodos vinculados por
esta secuencia. Solo se pueden usar
componentes que se conservan en los
nodos. Figura 3.29 (a) Diagrama de flujo de flotación, (b) circuito
de flotación en forma de nodo
Hay once corrientes de flujo y seis nodos, que puede ser representado por la matriz de
conexión siguiente:

La clasificación de nodos es (verde):

Por lo tanto, hay tres (3) separadores simples, y tres (3) uniones, y el número mínimo de flujos
que deben muestrearse es:
𝑁 = 2 𝐹 + 𝑆 − 1 = 2(2 + 3) − 1 = 9
Por lo tanto, aunque hay once flujos disponibles, solo nueve necesitan ser
muestreados para producir un balance. Al elegir las nueve corrientes, todas las
fuentes y productos deben formar parte del conjunto y la matriz de conexión se
puede utilizar para determinar la elección de las corrientes restantes. Si, en
este ejemplo, la corriente 1 es la corriente de referencia, entonces las
corrientes 2 a 11 tienen un peso desconocido.

Por lo tanto, se requieren diez ecuaciones lineales independientes para

determinar los flujos de masa de cada flujo en relación con el flujo 1. Se puede
realizar un balance de material en cada nodo, dando seis ecuaciones, y un
balance de componentes en los alimentos y productos de la planta,
proporciona una ecuación adicional. Por lo tanto, se requieren balances de tres
componentes en los nodos del circuito.
Es evidente que, si los flujos 3 y 7 no se muestrean, entonces los equilibrios
de componentes no son posibles en los nodos que incluyen cualquiera de
estos flujos, es decir, los nodos 2, 3, 5 y 6. Solo hay dos nodos disponibles
para el resto de componentes, y no hay suficientes ecuaciones
independientes disponibles.

Sin embargo, si los flujos 3 y 5 no se muestrean, entonces los equilibrios de

componentes son posibles en los nodos 1, 5 y 6, y se produce un conjunto
consistente de ecuaciones. También es evidente que, si se omite el muestreo
de solo la corriente 3, se pueden producir diez ecuaciones lineales a partir de
los seis nodos separados, y el balance de componentes de alimentación y
producto se vuelve redundante.
Cada medición de flujo másico adicional reduce N en uno, siempre que,
como se indicó anteriormente, la ubicación para la medición de flujo másico
no se elija de modo que se conozcan todos los flujos másicos en cualquier
nodo, es decir, los flujos másicos no deberían producir datos que puedan
calcularse a partir de las medidas de componentes disponibles.

A este respecto, un concentrador puede reducirse a un solo nodo

separador, de modo que, si se conoce el caudal másico de alimentación, la
medición del caudal másico del concentrado permite calcular directamente
el caudal másico de los relaves, de modo que, aunque esta información
pueda ser de utilidad, no se puede usar en el balance general.
 𝑀𝑖𝑗 = 𝐶𝑖𝑗 𝐵𝑗
Se ha indicado que la matriz de conexión
donde 𝐵𝑗 representa el caudal másico de
se puede utilizar para proporcionar el
sólidos en la corriente 𝑗.
conjunto de ecuaciones lineales que deben
resolverse para producir los caudales Usando la matriz de conexión del circuito
másicos de la corriente. Se puede definir de flotación (Figura 3.29b) como ejemplo,
una matriz de material, M, donde cada cada fila en la matriz genera una ecuación
elemento de la matriz es: lineal que representa un balance de
material.
En donde la matriz de consistencia 𝐶𝑖𝑗 es:

Por lo tanto, hay 3 separadores simples, y 3 uniones, y el número mínimo de

flujos que deben muestrearse es:
𝑁 = 2 𝐹 + 𝑆 − 1 = 2(2 + 3) − 1 = 9
Por ejemplo, la fila 2 es:
𝐶2𝑗 = 𝑂 − 1 − 100000001
y la matriz de material 𝑀2𝑗 y en el nodo 2 es:
−𝐵2 − 𝐵3 + 𝐵11 = 0
También se puede definir una matriz componente, A, donde cada elemento de la
matriz es:
𝐴𝑖𝑗 = 𝐶𝑖𝑗 𝐵𝑗 𝑎𝑗 = 𝑀𝑖𝑗 𝑎𝑗
𝑎𝑗 representa el valor del componente (ensayo, % en fracción de tamaño,
dilución, etc.) en la corriente 𝑗, que da en el nodo 2:
−𝐵2 𝑎2 − 𝐵3 𝑎3 + 𝐵11 𝑎11 = 0
En cualquier nodo en particular, es importante que se use el mismo componente
para evaluar cada flujo, y el componente debe elegirse para producir una
ecuación con la menor sensibilidad al error. El componente se puede seleccionar
mediante análisis de sensibilidad, y siempre que se use el mismo componente
en cualquier nodo particular, se pueden usar otros componentes para equilibrar
otros nodos en el circuito. Esto significa que en un circuito de balance complejo,
componentes como el contenido de metal, las relaciones de dilución y los
análisis de tamaño pueden utilizarse en varias partes del circuito (Wills, 1986).
La combinación de 𝑀𝑖𝑗 y 𝐴𝑖𝑗 en una matriz produce:

donde 𝑠: número de flujos y 𝑛: número de nodos.

Si el flujo 𝑠 es el flujo de referencia (preferiblemente una alimentación), y 𝐵𝑠 = 1,
entonces 𝐵𝑗 representa la fracción del flujo de referencia que está reportando al
flujo 𝑗. Desde 𝐵𝑠 = 1, 𝑀1𝑠 = 𝐶1𝑠 𝑦 𝐴1𝑠 = 𝐶1𝑠 𝑎𝑠 .
Por lo tanto, en forma de matriz, el conjunto de ecuaciones lineales que deben
resolverse es:

Se puede incluir una ecuación adicional en el conjunto. La planta se puede

representar como un solo nodo, de modo que el peso del componente contenido
en el alimento sea igual al peso del componente en los productos. Esta ecuación
debe usarse si es posible, ya que generalmente hay una muy buena separación
de componentes en este nodo. Sin embargo, el balance de materiales en este
nodo no puede incluirse en el conjunto, ya que no es independiente del conjunto
de ecuaciones de balance de materiales en los nodos internos.
Ejemplo 3.19
Se muestrea el circuito que se
muestra en la Figura 3.30 y se
obtienen los siguientes resultados,
NM (no muestreado):
Corriente Metal %
1 NM
Figura 3.30 Circuito de flotación en forma de nodo
2 0.51
3 0.12
Confirme mediante el uso de la matriz de
4 16.1
conexión que se han obtenido suficientes
5 4.2
datos para calcular todos los caudales
6 25.0
másicos, y utilice la matriz de conexión
7 NM
para calcular los flujos.
8 2.1
9 1.5
Solución
Determinando la matriz de conexión
Corrientes 1 2 3 4 5 6 7 8 9
nodos np nn J S
1 -1 0 0 0 0 0 1 0 1 2 1 1 0
2 1 -1 0 -1 0 0 0 0 0 1 2 0 1
𝐶𝑖𝑗 3 0 1 -1 0 -1 0 0 0 0 1 2 0 1
4 0 0 0 1 0 -1 0 -1 0 1 2 0 1
5 0 0 0 0 1 0 -1 1 0 2 1 1 0
suma 0 0 -1 0 0 -1 0 0 1 2 3

La matriz confirma la corriente 9 como alimentación, las corrientes 3 y 6 como

productos, y las corrientes restantes como corrientes internas. El número de
separadores simples es igual a tres, por lo que el número mínimo de flujos a
muestrear (Ecuación 3.34) es:
𝑁 = 2 𝐹 + 𝑆 − 1 = 2(1 + 3) − 1 = 7
Suponiendo la corriente 𝐵9 = 1, la matriz de material (de la matriz de conexión) es:
Corrientes 1 2 3 4 5 6 7 8 9
nodos
1 -B1 0 0 0 0 0 B7 0 1
2 B1 -B2 0 -B4 0 0 0 0 0
3 0 B2 -B3 0 -B5 0 0 0 0
4 0 0 0 B4 0 -B6 0 -B8 0
5 0 0 0 0 B5 0 -B7 B8 0

Como las corrientes 1 y 7 no se muestrearon, no se pueden realizar balances de

componentes en los nodos que contienen estas corrientes. La matriz de
componentes (de los nodos 3 y 6) es:
Corrientes 1 2 3 4 5 6 7 8 9
Nodo
3 0 0.51B2 -0.12B3 0 -4.2B5 0 0 0 0
4 0 0 0 16.1B4 0 -25B6 0 -2.1B8 0

Para producir una matriz cuadrada, se requiere una ecuación adicional. Si todo el circuito se
considera como un nodo simple, el balance de un componente proporciona:
0.12𝐵3 + 25𝐵6 − 1.5 = 0
Por lo tanto, las secuencias muestreadas proporcionan datos suficientes, y la matriz
que ahora debe resolverse es: 𝐵𝑗

-1 0 0 0 0 0 1 0 B1 -1
1 -1 0 -1 0 0 0 0 B2 0
0 1 -1 0 -1 0 0 0 B3 0
0 0 0 1 0 -1 0 -1 x B4 = 0
0 0 0 0 1 0 -1 1 B5 0
0 0.51 -0.12 0 -4.2 0 0 0 B6 0
0 0 0 16.1 0 -25 0 -2.1 B7 0
0 0 -0.12 0 0 -25 0 0 B8 -1.5

Determinando la matriz inversa de 𝐶𝑖𝑗 tenemos:

-1.1031 -0.1031 0.0351 -1.2531 -1.1031 -0.2710 0.0714 -0.0213

-1.1110 -1.1110 0.0272 -1.1110 -1.1110 -0.2710 0.0000 0.0444
-1.0048 -1.0048 -1.0048 -1.0048 -1.0048 0.0000 0.0000 0.0402
𝐶𝑖𝑗1 0.0079 0.0079 0.0079 -0.1421 0.0079 0.0000 0.0714 -0.0657
-0.1062 -0.1062 0.0320 -0.1062 -0.1062 -0.2710 0.0000 0.0042
0.0048 0.0048 0.0048 0.0048 0.0048 0.0000 0.0000 -0.0402
-0.1031 -0.1031 0.0351 -1.2531 -1.1031 -0.2710 0.0714 -0.0213
0.0031 0.0031 0.0031 -1.1469 0.0031 0.0000 0.0714 -0.0256
Y multiplicando por la columna A tenemos:

B1 1.14
B2 1.04
B3 0.94
𝐵𝑗 = 𝐶𝑖𝑗1 *A= B4 = 0.09
B5 0.10
B6 0.06
B7 0.14
B8 0.04

El ejemplo anterior ilustra claramente la ventaja de usar la matriz de conexión para

producir el conjunto necesario de ecuaciones lineales para evaluar el circuito. Las
siete corrientes muestreadas produjeron datos suficientes para la evaluación. Sin
embargo, si las corrientes 2 y 8 no hubieran sido muestreadas, entonces los
equilibrios de componentes en los nodos 2, 3, 4 y 5 no habrían sido posibles, y no
habría suficientes ecuaciones lineales disponibles.
Conciliación del exceso de datos.
Se ha demostrado que es una práctica común en los cálculos de balance de
masa reducir el circuito a nodos simples y calcular las tasas de flujo másico
relativas por medio de componentes medidos.

En muchos casos, hay un exceso de datos disponible en cada nodo, como

análisis de tamaño de múltiples componentes, relaciones de dilución, ensayos
de metales, etc., de modo que sea posible calcular C (Ecuación 3.24) por una
variedad de rutas, cada ruta debe ser independiente de los demás y de validez
aparentemente igual.

El problema que surge es cuál de estos componentes debe usarse para producir
un equilibrio de componentes y, por lo tanto, cuál de los componentes se vuelve
redundante.
El enfoque que se ha adoptado cada vez más es utilizar todos los datos
disponibles para calcular una mejor estimación de C y ajustar los datos para que
los valores de los componentes sean consistentes con esta estimación.
Por simplicidad, por lo tanto, las técnicas se describirán en relación con nodos
simples, ya que los programas de computadora requeridos pueden ser
acomodados fácilmente por una computadora personal.
Vale la pena señalar que estas técnicas pueden extenderse a la reconciliación (o
equilibrio) de la mina al producto (Morrison et al., 2002). Ellos no necesitan estar
confinados al concentrador.
Se han adoptado comúnmente dos métodos básicos, que utilizan un enfoque de
mínimos cuadrados, y se pueden clasificar en términos generales como:
a) Minimización de la suma de cuadrados de los residuos en las ecuaciones
de cierre de componentes.
b) Minimización de la suma de cuadrados de los ajustes de componentes.
Minimización de la suma de los cuadrados de los residuos de cierre.
En este método, los valores de mejor ajuste de las tasas de flujo másico se
calculan a partir de los datos experimentales, después de lo cual los datos se
ajustan para acomodar estas estimaciones.
Si cada flujo de un separador simple se muestrea y se analiza para n
componentes, entonces:
𝑓𝑘 − 𝐶𝑐𝑘 − 1 − 𝐶 𝑡𝑘 = 𝑟𝑘 (3.35)
para 𝑘 = 1 𝑎 𝑛 , y donde 𝑓𝑘 representa el valor del componente 𝑘 en la
alimentación; 𝑐𝑘 representa el valor del componente 𝑘 en el concentrado; 𝑡𝑘
representa el componente 𝑘 en el relave; 𝑟𝑘 es el residuo en la ecuación de
cierre generado por errores experimentales en las mediciones del componente
𝑘.
La ecuación 3.35 se puede escribir como:
(𝑓𝑘 −𝑡𝑘 ) − 𝐶(𝑐𝑘 − 𝑡𝑘 ) = 𝑟𝑘 (3.36)
El objetivo de este método es elegir un valor de 𝐶 que minimice la suma de los
cuadrados de los errores de cierre; es decir, para minimizar 𝑆, donde:
𝑛
2
𝑆 = ෍ 𝑟𝑘 (3.37)
𝑘=1
y por sustitución de la ecuación 3.36:
𝑛
2
𝑆 = ෍ (𝑓𝑘 − 𝑡𝑘 ) − 𝐶(𝑐𝑘 − 𝑡𝑘 )
𝑘=1
𝑛 𝑛 𝑛
2
= ෍ 𝑓𝑘 − 𝑡𝑘 + 𝐶 2 ෍ 𝑐𝑘 − 𝑡𝑘 2
− 2𝐶 ෍ 𝑓𝑘 − 𝑡𝑘 𝑐𝑘 − 𝑡𝑘 (3.38)
𝑘=1 𝑘=1 𝑘=1

El valor de 𝑆 no puede ser cero en ningún valor de 𝐶 a menos que los datos
sean consistentes.
Sin embargo, tiene un valor mínimo cuando 𝑑𝑆/𝑑𝐶 = 0
(Figura 3.31), es decir, cuando:
𝑛 𝑛
𝑑𝑆
= 2𝐶መ ෍ 𝑐𝑘 − 𝑡𝑘 2
− 2 ෍ 𝑓𝑘 − 𝑡𝑘 𝑐𝑘 − 𝑡𝑘 = 0
𝑑𝐶
𝑘=1 𝑘=1
donde 𝐶መ = 𝑚𝑒𝑗𝑜𝑟 𝑒𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝐶.
Por lo tanto:
σ𝑛𝑘=1 𝑓𝑘 − 𝑡𝑘 𝑐𝑘 − 𝑡𝑘
𝐶መ = (3.39)
σ𝑛𝑘=1 𝑐𝑘 − 𝑡𝑘 2

Figura 3.31 Gráfico de la suma de

Este valor está más influenciado por los valores de los los cuadrados de los errores
componentes que están más alterados por el proceso del componente versus los
de separación. valores de C
Una vez determinado 𝐶መ , la siguiente etapa es ajustar los valores de los
componentes para que sean consistentes con los caudales calculados. Los
errores de cierre (Ecuación 3.35) deben distribuirse entre los valores de los
componentes de manera que:
𝑓መ𝑘 − 𝐶መ 𝑐𝑘Ƹ − 1 − 𝐶መ 𝑡Ƹ𝑘 = 0 (3.40)
donde 𝑓መ𝑘 , 𝑐𝑘Ƹ 𝑦 𝑡Ƹ𝑘 son los valores de mejor ajuste del componente 𝑘 en las tres
corrientes, es decir
𝑓𝑘 − 𝑓𝑘𝑎 − 𝐶መ 𝑐𝑘 − 𝑐𝑘𝑎 − 1 − 𝐶መ 𝑡𝑘 − 𝑡𝑘𝑎 = 0 (3.41)
donde 𝑓𝑘𝑎 , 𝑐𝑘𝑎 𝑦 𝑡𝑘𝑎 son los ajustes a los valores del componente 𝑘𝑡ℎ en las tres
corrientes.
La ecuación de cierre (3.35) se puede escribir como:
መ 𝑘 − 1 − 𝐶መ 𝑡𝑘 = 𝑟𝑘
𝑓𝑘 − 𝐶𝑐 (3.42)
y restando la ecuación 3.41 de esto da:
መ 𝑘𝑎 − 1 − 𝐶መ 𝑡𝑘𝑎
𝑟𝑘 = 𝑓𝑘𝑎 − 𝐶𝑐 (3.43)
Usando la aproximación de mínimos cuadrados, la suma de los cuadrados a
minimizar es 𝑆𝑎 , donde:
𝑛
2 2 2
𝑆𝑎 = ෍ 𝑓𝑘𝑎 + 𝑐𝑘𝑎 + 𝑡𝑘𝑎 3.44
𝑘=1
Sujeto a la restricción de la ecuación 3.43
Este problema de minimización puede resolverse más convenientemente mediante el método de
multiplicadores de Lagrange. En este método, las restricciones se expresan de tal manera que
son iguales a cero; es decir, la ecuación 3.43 se convierte en:
መ 𝑘𝑎 + 1 − 𝐶መ 𝑡𝑘𝑎 = 0
𝑟𝑘 − 𝑓𝑘𝑎 + 𝐶𝑐 (3.45)
El problema de minimización requiere que todos los ajustes sean lo más pequeños posible, y la
técnica lagrangianaa implica la minimización del " 𝐿𝑎𝑔𝑟𝑎𝑛𝑔𝑖𝑎𝑛𝑜 𝐿 " definida como:
𝑛 𝑛
2 2 2
𝐿 = ෍ 𝑓𝑘𝑎 + 𝑐𝑘𝑎 + 𝑡𝑘𝑎 + 2 ෍ 𝜆𝑘 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖𝑜𝑛 𝑘 (3.46)
𝑘=1 𝑘=1
donde 2𝜆𝑘 es el multiplicador lagrangiano para la ecuación de restricción 𝑘.
Así:
𝑛
መ 𝑘𝑎 + 1 − 𝐶መ 𝑡𝑘𝑎
𝐿 = 𝑆𝑎 + 2 ෍ 𝜆𝑘 𝑟𝑘 − 𝑓𝑘𝑎 + 𝐶𝑐 (3.47)
𝑘=1
L se diferencia con respecto a cada una de las incógnitas (ajustes y multiplicadores), y las
derivadas se establecen en cero.
Por lo tanto,
𝜕𝐿
= 2𝑓𝑘𝑎 − 2𝜆𝑘 = 0
𝜕𝑓𝑘𝑎
𝑓𝑘𝑎 = 𝜆𝑘 (3.48)

𝜕𝐿
= 2𝑐𝑘𝑎 + 2𝜆𝑘 𝐶መ = 0
𝜕𝑐𝑘𝑎
𝑐𝑘𝑎 = −𝜆𝑘 𝐶መ (3.49)

𝜕𝐿
= 2𝑡𝑘𝑎 + 2𝜆𝑘 1 − 𝐶መ = 0
𝜕𝑡𝑘𝑎
𝑡𝑘𝑎 = −𝜆𝑘 1 − 𝐶መ (3.50)

𝜕𝐿
መ 𝑘𝑎 + 1 − 𝐶መ 𝑡𝑘𝑎 = 0
= 2 𝑟𝑘 − 𝑓𝑘𝑎 + 𝐶𝑐
𝜕𝜆𝑘
መ 𝑘𝑎 + 1 − 𝐶መ 𝑡𝑘𝑎 = 0
𝑟𝑘 − 𝑓𝑘𝑎 + 𝐶𝑐
y sustituyendo por 𝑓𝑘𝑎 , 𝑐𝑘𝑎 𝑦 𝑡𝑘𝑎 despejando 𝑟𝑘 tenemos:
2 2
𝑟𝑘 = 𝜆𝑘 + 𝜆𝑘 𝐶መ 2 + 𝜆𝑘 1 − 𝐶መ = 𝜆𝑘 1 + 𝐶መ 2 + 1 − 𝐶መ = ℎ𝜆𝑘
Donde:
2
ℎ = 1 + 𝐶መ 2 + 1 − 𝐶መ (3.51)

Por lo tanto:
𝑟𝑘
𝑓𝑘𝑎 = (3.52)
ℎ
𝑟𝑘
𝑐𝑘𝑎 = − 𝐶መ (3.53)
ℎ
𝑟𝑘
𝑡𝑘𝑎 = − 1 − 𝐶መ (3.54)
ℎ
መ ℎ puede calcularse a partir de la
Por lo tanto, una vez que se ha determinado 𝐶,
ecuación 3.51 y 𝑟𝑘 a partir de la ecuación 3.42. Los ajustes de valor de
componentes apropiados se pueden calcular a partir de las ecuaciones 3.52-
3.54.
Los resultados de una separación de seis componentes en un solo nodo se
presentan en la Tabla 3.8, junto con los valores de datos ajustados y una
estimación de mejor ajuste de C.
Tabla.3.8. Evaluación del separador con minimización de errores de cierre

መ = 37.03%.
Valor de mejor ajuste de 𝐶(𝐶)
Los datos de análisis de tamaño experimental y ajustado en las corrientes de un
hidrociclón se tabulan en la Tabla 3.9, donde 𝑈 representa la proporción de la
masa de alimentación que reporta al underflow del hidrociclón. La mejor
estimación de 𝑈 a partir de los datos disponibles es 84.6%.
Tabla 3.9. Análisis de flujos de un hidrociclón: peso en cada fracción (%)

Mejor estimado 𝑈(%) = 84.60

Es interesante comparar los resultados que se obtienen si los datos se
presentan en forma acumulativa en lugar de como una distribución fraccional.
La Tabla 3.10 expresa los análisis de tamaño como sobre tamaño acumulado.
Se puede ver que los datos ajustados difieren ligeramente de los datos
ajustados no acumulados, y la estimación de mejor ajuste de 𝑈 es 85.2%.

Tabla 3.10. Análisis de flujos de un hidrociclón: sobre tamaño acumulado (%)

Mejor estimación 𝑈(%) = 85.20

Los resultados idénticos a los que se muestran en la Tabla 3.10 se dan
mediante el uso de datos acumulativos de menor tamaño.

Esto ilustra claramente que los resultados del balance de masa obtenidos
dependen no solo del método que se utiliza para tratar los datos, sino también
de la manera en que se presenta la información.

Esto se debe a la diferencia en la estructura de errores en los datos no

acumulativos y acumulativos. De forma acumulativa, se agregan los errores y se
introducen sesgos en los datos, y debido a esto es preferible utilizar datos no
acumulativos. (48)
Minimización de la suma de cuadrados de los ajustes de componentes.

En este método, se define un residual en cada componente medido, de modo

que los valores calculados de los componentes son consistentes con los valores
estimados de 𝐶. (52) Los residuales se elevan al cuadrado y se suman, y el
mejor valor de 𝐶 es el que minimiza esta suma de cuadrados. El objetivo, por lo
tanto, es minimizar 𝑆, donde:
3 𝑛
2
𝑆 = ෍ ෍ 𝑥𝑖𝑘 − 𝑥ො𝑖𝑘 (3.55)
𝑖=1 𝑘=1
Dónde:
𝑛 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠 𝑒𝑛𝑠𝑎𝑦𝑎𝑑𝑜𝑠 𝑒𝑛 𝑐𝑎𝑑𝑎 𝑓𝑙𝑢𝑗𝑜.
𝑥𝑖𝑘 = 𝑣𝑎𝑙𝑜𝑟 𝑚𝑒𝑑𝑖𝑑𝑜 𝑑𝑒𝑙 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑘 𝑒𝑛 𝑒𝑙 𝑓𝑙𝑢𝑗𝑜 𝑖,
𝑥ො𝑖𝑘 = 𝑣𝑎𝑙𝑜𝑟 𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 𝑑𝑒𝑙 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑘 𝑒𝑛 𝑒𝑙 𝑓𝑙𝑢𝑗𝑜 𝑖.
𝐶 se elige iterativamente de modo que se satisfaga la ecuación 3.40. Los ajustes
de datos que deben realizarse para satisfacer esta condición se pueden calcular
a partir de las ecuaciones 3.42 y 3.51-3.54, y se utilizan para calcular 𝑆. El
método busca un valor de 𝐶 que minimice el valor de 𝑆.

Algunos trabajos resuelven este problema de minimización directamente,

diferenciando la ecuación lagrangianaa (ecuación 3.47) no solo con respecto a
𝑓𝑘𝑎 , 𝑐𝑘𝑎 , 𝑡𝑘𝑎 𝑦 𝜆𝑘𝑎 , sino también con respecto a 𝐶, que no se calcula por separado
de los datos brutos.
Los resultados obtenidos son idénticos a los logrados por la iteración, pero el método directo
tiene ventajas computacionales sobre la iteración, particularmente al evaluar circuitos
complejos. Combinando las ecuaciones 3.42 y 3.47:
𝑛

𝐿 = 𝑆𝑎 + 2 ෍ 𝜆𝑘 𝑓𝑘 − 𝑓𝑘𝑎 − 𝑡𝑘 − 𝑡𝑘𝑎 − 𝐶መ 𝑐𝑘 − 𝑐𝑘𝑎 − 𝑡𝑘 − 𝑡𝑘𝑎 (3.56)

𝑘=1

Diferenciando con respecto a 𝐶መ y sustituyendo 𝑐𝑘𝑎 𝑦 𝑡𝑘𝑎 (de las ecuaciones 3.53 y 3.54):
𝜕𝐿 𝑛 መ 𝑘
𝐶𝑟 𝑟𝑘
= −2 ෍ 𝜆𝑘 𝑐𝑘 − 𝑡𝑘 + − 1−𝐶 መ
𝜕𝐶መ 𝑘=1 ℎ ℎ
Igualando esta derivada a cero
𝑛 𝑛 𝑟𝑘 𝑛 𝑟𝑘
෍ 𝜆𝑘 𝑐𝑘 − 𝑡𝑘 + 𝐶መ ෍ 𝜆𝑘 − 1 − 𝐶መ ෍ 𝜆𝑘 =0
𝑘=1 𝑘=1 ℎ 𝑘=1 ℎ
𝑟
Reemplazando 𝜆𝑘 = ℎ𝑘 tenemos:
𝑛 𝑟𝑘 𝑛 𝑟𝑘 2 𝑛 𝑟𝑘 2
෍ መ
𝑐𝑘 − 𝑡𝑘 + 𝐶 ෍ − 1 − 𝐶መ ෍ =0 3.57
𝑘=1 ℎ 𝑘=1 ℎ 𝑘=1 ℎ
 2
መ 𝑘 − 𝑡𝑘 ) = 𝑟𝑘
Donde: (𝑓𝑘 − 𝑡𝑘 ) − 𝐶(𝑐 y ℎ = 1 + 𝐶መ 2 + 1 − 𝐶መ
La ecuación 3.57 se puede ampliar y reducir a una ecuación cuadrática, que se puede escribir
como:
𝐶መ 2 𝑋 − 2𝑍 + 2𝐶መ 𝑌 − 𝑍 + 2𝑍 − 𝑌 = 0 (3.58)
Donde:
𝑛
2
𝑋 = ෍ 𝑐𝑘 − 𝑡𝑘 (3.59)
𝑘=1
𝑛
2
𝑌 = ෍ 𝑐𝑘 − 𝑡𝑘 (3.60)
𝑘=1
𝑛

𝑍 = ෍ (𝑐𝑘 − 𝑡𝑘 )(𝑓𝑘 − 𝑡𝑘 ) (3.61)

𝑘=1
Esto se puede resolver aplicando la solución general de una ecuación cuadrática:
1Τ 2
−2 𝑌 − 𝑍 ± 2 𝑌 − 𝑍 2 − 4 𝑋 − 2𝑍 2𝑍 − 𝑌
𝐶መ = (3.62)
2 𝑋 − 2𝑍
La ecuación 3.62 tiene dos raíces, siendo la raíz positiva el resultado
verdadero.

Una vez que se encuentra C, el ajuste de datos continúa como antes, de

acuerdo con las ecuaciones 3.52-3.54.

Los dos métodos descritos han sido comparados por Wills y Manser, quienes
concluyen que, para la mayoría de los propósitos prácticos, los resultados
logrados por ambos métodos son esencialmente los mismos.
Ponderación de los ajustes
Es evidente a partir de los resultados de la separación de seis componentes
(Tabla 3.8) que C está sesgado hacia los datos del ensayo de sílice, es decir,
hacia los valores del ensayo que son relativamente altos, pero no
necesariamente más efectivamente separados. Esto se debe a la suposición de
que el error absoluto total en los datos experimentales se distribuye
equitativamente a cada valor de ensayo, o en otras palabras, que cada valor de
ensayo contiene el mismo error absoluto, lo cual es altamente improbable en la
práctica. Es más probable que el error absoluto en cada valor sea proporcional
al ensayo en sí (es decir, el error relativo es constante), y cuando se usan
ensayos de múltiples componentes, como en el ejemplo discutido, cada
componente puede tener un error relativo diferente. que también puede
depender del valor del ensayo. Por lo tanto, es preferible ponderar los ajustes de
los componentes de manera que los buenos datos se ajusten relativamente
menos que los malos.
El factor de ponderación más utilizado es el inverso de la varianza de
componentes estimada, de modo que la ecuación 3.55 se convierte en:
3 𝑛 2
𝑥𝑖𝑘 − 𝑥ො𝑖𝑘
𝑆 = ෍෍ (3.63)
𝑉𝑖𝑘
𝑖=1 𝑘=1
donde 𝑉𝑖𝑘 es la varianza en la medición del componente k en la corriente 𝑖
De manera similar, la ecuación lagrangiana (ecuación 3.56) se convierte en:
𝑛 2 2 2 𝑛
𝑓𝑘𝑎 𝑐𝑘𝑎 𝑡𝑘𝑎
𝐿=෍ + + + 2 ෍ 𝜆𝑘 𝑓𝑘 − 𝑓𝑘𝑎 − 𝑡𝑘 − 𝑡𝑘𝑎 − 𝐶መ 𝑐𝑘 − 𝑐𝑘𝑎 − 𝑡𝑘 − 𝑡𝑘𝑎 (3.64)
𝑉𝑓𝑘 𝑉𝑐𝑘 𝑉𝑡𝑘
𝑘=1 𝑘=1

que se puede resolver mediante diferenciación parcial y reduciendo a una

cuadrática, como antes.
Si se supone que la varianza es proporcional al valor del ensayo, la ecuación
3.63 se convierte en:
3 𝑛 2
𝑥𝑖𝑘 − 𝑥ො𝑖𝑘
𝑆 = ෍෍ (3.65)
𝑒𝑘 𝑥𝑖𝑘
𝑖=1 𝑘=1
Donde: 𝑒𝑘 = 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝑒𝑛 𝑙𝑎 𝑚𝑒𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑘.
En el método de minimización de residuos de cierre, la ecuación 3.37 se
pondera con las variaciones en los errores de cierre (𝑉𝑟𝑘 ):
𝑛
𝑟𝑘 2
𝑆=෍ (3.66)
𝑉𝑟𝑘
𝑘=1
y dado que la varianza de una función se puede encontrar a partir de sus derivadas
(ecuación 3.21), entonces para cambios aleatorios (es decir, errores de medición) en
𝑓𝑘 , 𝑐𝑘 𝑦 𝑡𝑘 :
2 2 2
𝜕𝑟𝑘 𝜕𝑟𝑘 𝜕𝑟𝑘
𝑉𝑟𝑘 = 𝑉𝑓𝑘 + 𝑉𝑐𝑘 + 𝑉𝑡𝑘
𝜕𝑓𝑘 𝜕𝑐𝑘 𝜕𝑡𝑘
así que de la ecuación 3.42 como muestra Lynch
2
𝑉𝑟𝑘 መ 2 መ
= 𝑉𝑓𝑘 + 𝐶 𝑉𝑐𝑘 + 1 − 𝐶 𝑉𝑡𝑘 (3.67)
donde 𝑉𝑓𝑘 , 𝑉𝑐𝑘 𝑦 𝑉𝑡𝑘 son las variaciones en la medición de 𝑓, 𝑐 𝑦 𝑡 respectivamente para
el componente 𝑘.
La ecuación 3.39 se convierte en:
σ𝑛𝑘=1 𝑓𝑘 − 𝑡𝑘 𝑐𝑘 − 𝑡𝑘
𝑉𝑟𝑘
𝐶መ = 𝑛 2 (3.68)
σ𝑘=1 𝑐𝑘 − 𝑡𝑘
𝑉𝑟𝑘
መ por lo que el cálculo debe realizarse
La expresión para 𝑉𝑟𝑘 (Ecuación 3.67) contiene 𝐶,
de forma iterativa.
Se introduce un valor estimado de 𝐶መ en la ecuación 3.68 y se calcula un nuevo
መ Este valor se usa en el cálculo hasta que convergen los valores
valor de 𝐶.
estimados y calculados, que generalmente ocurre después de solo unas pocas
iteraciones. Una vez que se ha determinado 𝐶, መ los datos se ajustan como
antes, de acuerdo con las siguientes ecuaciones:
𝑟𝑘 𝑉𝑓𝑘
𝑓𝑘𝑎 = (3.69)
ℎ𝑘
መ 𝑘 𝑉𝑐𝑘
𝐶𝑟
𝑐𝑘𝑎 = − (3.70)
ℎ𝑘
1 − 𝐶መ 𝑟𝑘 𝑉𝑡𝑘
𝑡𝑘𝑎 = − (3.71)
ℎ𝑘
Dónde:
2
መ 2 መ
ℎ𝑘 = 𝑉𝑓𝑘 + 𝐶 𝑉𝑐𝑘 + 1 − 𝐶 𝑉𝑡𝑘 (3.72)
Las ecuaciones 3.69-3.72 son los equivalentes ponderados de las ecuaciones
3.51-3.54.
El análisis de la separación de seis componentes, suponiendo un error relativo
igual en todos los datos del ensayo, produce resultados muy similares utilizando
los métodos de ajuste directo de datos y el método de minimización residual de
cierre (Tabla 3.11), aunque esto no es una observación general (Wills y Manser
1985).
Sin embargo, es evidente que ahora se ha eliminado el sesgo hacia los
componentes de alto valor (ensayos de sílice) (consulte el Apéndice 3 para la
hoja de cálculo de Excel, WEGHTRE, que concilia el exceso de datos mediante
un método de mínimos cuadrados ponderados).
Tabla 3.11 Evaluación de separación suponiendo un error relativo igual en los
valores de ensayo

መ = 41.30%.
Valor de mejor ajuste de 𝐶(𝐶)
Wills y Manser (1985) han propuesto que se puede obtener una estimación más
significativa de 𝐶መ al ponderar la media de los cálculos de componentes de 𝐶መ por
la desviación estándar en el cálculo de cada valor de 𝐶, መ de acuerdo con la
ecuación:
𝑓𝑘 − 𝑡𝑘
σ𝑛𝑘=1
𝑐𝑘 − 𝑡𝑘 𝑉𝑐𝑘 1Τ2
𝐶መ = 1Τ2
1
σ𝑛𝑘=1
𝑉𝑐𝑘
Donde:
2 2
𝑉𝑓𝑘 𝑓𝑘 − 𝑡𝑘 𝑐𝑘 − 𝑓𝑘
𝑉𝑐𝑘 = 2
+ 2
𝑉𝑐𝑘 + 2
𝑉𝑡𝑘
𝑐𝑘 − 𝑡𝑘 𝑐𝑘 − 𝑡𝑘 𝑐𝑘 − 𝑡𝑘
Una vez que se ha determinado C, los valores de los datos se ajustan como
antes, utilizando las ecuaciones 3.69-3.72. Una hoja de cálculo de Excel
(WILMAN) que concilia el exceso de datos de esta manera se describe en el
Apéndice 3, junto con una evaluación de la separación de seis componentes.
GENERALIDADES
En la actualidad virtualmente ningún mineral, en la
condición que se extrae del yacimiento, es adecuado
para su conversión a un producto final sino que
requiere una preparación. La preparación de menas
por métodos físicos se denomina procesamiento de
minerales. A diferencia de los métodos de minería que
tienen relativamente poca dependencia de la
naturaleza mineralógica de las especies valiosas
presentes en la mena, la selección de los métodos de
procesamiento de minerales requiere un conocimiento
mineralógico básico del material a procesar.
Los factores más importantes son:

 La ley de la mena o porcentaje del metal valioso que posee.

Esta se determina mediante un análisis químico
cuantitativo.
 La composición mineralógica: combinación de minerales
presentes y proporción de cada uno. Esto se puede
determinar mediante microscopía.
 La asociación de los minerales y su diseminación en la
ganga. Esto indicará el tamaño de partículas que debe tener
la mena para que los minerales estén liberados, esto es, que
cada partícula contenga solamente mineral o ganga.
 La ocurrencia de cantidades menores de minerales
potencialmente valiosos.
Está implícito aquí que es esencial un conocimiento de
ambos: minerales valiosos y ganga. En el caso del
elemento valioso, no es suficiente conocer la ley. Es
necesario conocer además en qué forma o formas
mineralógicas se encuentra el elemento valioso.
Identificación de todos los constituyentes de la mena
es esencial y puede conducir a la recuperación de
subproductos extremadamente valiosos que pueden a
veces hacer económica la explotación del yacimiento.
Es también necesario conocer detalles de la
interrelación entre materiales valiosos y ganga.
Cuando la liberación es incompleta los métodos de
recuperación no funcionan adecuadamente.
La liberación de los minerales se efectúa mediante una
operación denominada conminución o reducción de
tamaño.

Se entiende por CONMINUCIÓN, a la operación de

reducción de tamaño de un material. Esta operación
constituye la primera etapa de las plantas de la industria
minera.

El objetivo de la conminución es la obtención de un

material de granulometría adecuada para su utilización
directa (como piedra chancada, para la industria de la
construcción) o para su posterior procesamiento.
Una granulometría adecuada puede significar:

1. Un tamaño o distribución de tamaño determinado.

2. Una superficie especifica determinada.
3. Un cierto grado de liberación o
4. Cambios de las propiedades físicas, químicas o
fisicoquímicas de la superficie del mineral.

En el campo de la mineralurgia y la metalurgia

extractiva todos estos objetivos son importantes y
deben cumplirse con alguna prioridad.
Por ejemplo si se quiere efectuar:

 Clasificación de un mineral, cobra importancia el

punto (1).
 Tratamiento hidrometalúrgico de un mineral; cobra
importancia los punto (1) y (2).
 Concentración gravimétrica; cobra importancia los
puntos (1) y (3) y
 Finalmente si se recurre a la flotación; todos los puntos
cobran importancia.
La operación de conminución se torna más
importante, si se destaca el hecho de que la mayor
parte del gasto de capital y del costo de operación de
una planta de procesamiento de minerales
corresponde a la reducción de tamaño.

En un típico concentrador de cobre porfiritico, de la

gran minería, con una capacidad de alrededor de
40,000 TPD de mineral, la distribución de la inversión
de capital de 70 millones de dólares es como sigue:
Distribución de la inversión de capital en
un concentrador de la gran minería

5%
Reducción de tamaño
20%
45%
Flotación y recuperación
de Moly

30% Deposición de Relaves y

recuperación de aguas
Otros
Los costos directos en un concentrador típico son de
aproximadamente US$ 2.0 por tonelada de mineral. La
distribución del gasto es como sigue:

Distribución de costos en un concentrador

de la gran minería

6%
10% Reducción de tamaño

Flotación y recuperación
20%
de Moly
64%
Deposición de Relaves y
recuperación de aguas
Otros
Por lo general, las operaciones de conminución en las
plantas de concentración de minerales se caracterizan
por su elevado consumo de energía en comparación a
otras operaciones y son ineficientes desde el punto de
vista de la utilización de la energía entregada a los
equipos de conminución. En la siguiente tabla se
puede ver el % de energía consumida por diferentes
procesos en varias operaciones.
Distribución de consumo de energia en diferentes etapas de una concetradora
Operación Cu Ni Cu-Pb-Zn Pb-Zn Sn
Trituración 9.87 7.14 17.41 7.37 12.04
Molienda 72.1 47.02 42.48 46.31 47.99
Flotación 9.01 27.68 24.54 23.3 29.93
Separación sólido-liquido 4.29 2.98 6.86 14.75 3.68
Deposición de relaves 2.15 11.9 5.54 1.77 2.51
servicios 2.58 3.27 3.17 6.49 3.85
Un ejemplo impresionante que refleja la importancia
económica de la operación de conminución en toda su
magnitud es el caso de Erie Mining Company, en
Minnesota, USA, la que procesa minerales de hierro de
baja ley denominados taconitas. Estos minerales,
debido a su fina diseminación, deben ser molidos a
tamaños de 90% <325m, con un consumo de energía
de 21.4 Kw-hora/TM se encuentran distribuidos de la
siguiente forma:
 Distribución de consumo de energia en el
procesamiento detaconitas en Erie Mining Co. USA

6% Reducción de tamaño
7% 7%

concentración Magnetica

80% Deposición de Relaves y

recuperación de aguas
Otros
La operación de conminución se aplica a partículas de
minerales de diversos tamaños, desde rocas de un metro
hasta el orden de algunos micrones. Como los problemas
que se encuentran en estos extremos son diferentes y los
equipos utilizados son también distintos, es conveniente
dividir la operación en dos grandes etapas de acuerdo al
rango de tamaño en la se lleva a cabo la operación.

La conminución en el rango de tamaños grandes, de un

metro a un centímetro, se denomina “trituración” o
“chancado” y aquella en el rango de tamaños menores a un
centímetro se denomina “molienda”. Cada una de estas
etapas se subdivide a su vez, en dos o tres subetapas.
La diferencia entre chancado y molienda se puede observar en el
siguiente cuadro (Chemical Engineering, Junio 24, 1985):

Parámetros Chancado Molienda

Tamaño de alimentación (mm) 50-1000 1-20

Tamaño del producto (mm) 1-10 0.1-0.5

Razón de reducción 3-10 10-100

Medio de Molienda Seco Seco o Húmedo

Naturaleza de la fuerza Compresión y Astillamiento Impacto

Requerimiento de potencia (Kwh/ton) 0.1-1 5-40

Escala de operación(ton/h) 5-5000 1-500

La siguiente Tabla da una idea de los rangos de tamaño, consumo
de energía y equipos utilizados en cada una de ellas:

Rango de tamaños Energía Equipo

Etapa Subetapa
CGS Inglesas KW-h/T utilizado
Primaria 100-10 cm 40”-4” 03.-0.4 Mandíbula giratoria

Trituración Secundaria 10-1 cm 4”-3/8” 0.3-3 Cónica std.

Terciaria 1-0.5 cm 3/8”-1/4” 0.4-0.5 Cónica c/c.

Primaria 10-1 mm 3/8”-20 M 2-6 Barras

Secundaria 1mm-100μ 20M-150M 4-10 Bolas

Molienda Terciaria 100μ-10μ 150M-10μ 10-30 Bolas

Reemplaza a la trituración primaria

Semi-autogena ¿?
y molienda primaria
En el siguiente cuadro se puede observar los rangos de operación
de equipos de reducción de tamaño más comúnmente usados:

Tamaño(mm) Capacidad Potencia

Equipos Alimento Producto Ton/h instalada
Kw
Trituradora giratoria 200-2000 25-250 100-500 100-700
Trituradora de quijadas 100-1000 25-100 10-1000 5-200
Trituradora cónica 50-300 5-50 10-1000 20-250
Quebrantador de Impacto 50-300 1-10 10-1000 100-2000
Molino de Barras 5-20 0.5-2 20-500 100-4000
Molino de bolas 1-10 0.01-0.1 10-300 50-5000
Molino de Martillos 5-30 0.01-0.1 0.1-5 1-100
Molinos Jet 1-10 0.003-0.05 0.1-2 2-100
En las plantas de procesamiento de minerales las subetapas
de molienda se establecen en forma de circuitos de
reducción de tamaño en combinación con la operación de
clasificación y de transporte de mineral. Considerando el
alto costo de la conminución, una operación eficiente
requiere evitar la sobremolienda, lo que significa que las
partículas no deben ser reducidas en tamaño más allá de lo
necesario. Esto se consigue retirándolos del circuito
mediante un clasificador.

Los circuitos de trituración y molienda se suceden unos a

otros, y generalmente todos pertenecen a la misma
superintendencia.
A continuación se incluyen algunos diagramas de flujo de
plantas de reducción de tamaño.

Diagrama de flujo de una planta de trituración

Diagrama de flujo de una planta de molienda y concentración
1. MECANISMOS DE CONMINUCIÓN
 La ruptura de un cuerpo sólido requiere la aplicación
sobre el material, de esfuerzos suficientes para romper
los enlaces entre los átomos de la red cristalina.

 Un material ideal considerado como tal, es aquel que

posee una red cristalina perfecta, no puede romperse.
Al aumentar las solicitaciones tal material se deforma
isotópicamente, espaciándose las distancias
interatómicas en forma homogénea. Cuando los
esfuerzos sobrepasan la resistencia del material, este es
separado en sus componentes.
 Si lo anterior no sucede en la práctica, se debe a que los
materiales ideales no existen. Los sólidos siempre
presentan inhomogeneidades, que cambian su
comportamiento.

 En el caso de los minerales, estos están compuestos de

diversas especies mineralógicas y cada una de estas de
muchos cristales; lo que significa que ellos son
intrínsecamente materiales inhomogeneos y cuando se
aplica esfuerzos a estos materiales se produce la
fractura y por lo tanto el material se fragmenta en dos
o más partes.
1.1 TIPOS DE FRACTURA
 Si se aplica esfuerzos en un cierto plano del material, este,
se romperá, ocurriendo fractura cuando las tensiones
locales sobrepasan la fuerza inter-atómica.

 QUIEBRE. La fractura se denominará "quiebre" cuando la

tensión local es mayor que la resistencia cohesiva del
material y el plano de fractura será perpendicular al plano
de esfuerzos, tal como se observa en la Fig. N°1.

 CEDENCIA. La fractura se denominará "cedencia" cuando

la tensión local se hace mayor a la resistencia de cizalle
cohesivo y esté se fracturará en un plano paralelo al de los
esfuerzos tal como se observa en la Fig.N°1.
 El tipo de fractura producido en un material, depende
principalmente del tipo de esfuerzo aplicado. En la
conminución los esfuerzos normales son más
importantes como forma de aplicación para la ruptura
de los minerales, sin embargo la importancia relativa
del quiebre o cedencia dependerá de la magnitud de
las solicitaciones a que es sometido el material.
1.2 RESISTENCIA COHESIVA DE UN MATERIAL
 Si hacemos referencia a la Fig.N°1, podemos indicar que el
esfuerzo necesario para separar los planos atómicos en una
distancia X aumentará aproximadamente según una curva
sinusoidal, semejante a la de la Fig.N°2, donde la distancia
X= a-ao corresponde a la deformación de la red cristalina.
 La parte AB de la curva corresponde al comportamiento
elástico del material y el punto máximo corresponde a la
resistencia de cohesión, esfuerzo en el cual las uniones se
rompen. Deformaciones mayores como en CD se pueden
lograr con esfuerzos menores debido a la ruptura.

 De acuerdo al modelo propuesto, el esfuerzo para cualquier

deformación X estará dado por:

 Como las deformaciones son pequeñas podemos aproximar

el seno por su argumento, entonces:
 Esto implica considerar la parte elástica del material, por lo que
se cumple la ecuación de Hook.

 Donde Y es él modulo de Young y ϵ es la deformación (X/ao)

 Combinando estas dos últimas ecuaciones resulta:

 El parámetro λ es necesario expresarlo en términos de una
variable que pueda interpretarse físicamente, para ello
consideremos la energía acumulada por el material antes
de deformarse o " energía de deformación", de donde se
deduce que:

 donde E es la energía de deformación (erg/cm2)

 Introduciendo este valor de λ en la ecuación de resistencia

cohesiva tenemos:

 En la que se obtiene finalmente el esfuerzo necesario para

romper un material.
1.3 METODO DE FRACTURA
 En la conminución las condiciones de fractura se
alejan tanto de las condiciones ideales, especialmente
por la inhomogeneidad e irregularidad de los
minerales, que el cálculo de los esfuerzos necesarios
para la ruptura se hace imposible con el conocimiento
actual. Por ello se hace necesario recurrir a la
experimentación con partículas individuales.

 El objetivo de realizar ensayos de ruptura de partículas

individuales obedece al deseo de disponer de un
método para caracterizar la dureza de un material y
relacionarlo con la distribución de tamaño resultante
del producto.
 Es importante distinguir entre las diversas formas prácticas
de aplicar esfuerzos al material, aún cuando sabemos que el
principal tipo de esfuerzo que lleva a la fractura es la
tensión, la forma práctica de aplicarla es la compresión.

 Por otra parte, la forma de propagación de las grietas

depende de la velocidad de aplicación del esfuerzo. En
función de esto conviene clasificar los métodos de fracturar
un material, los cuales son:

- La compresión, y
- El impacto.
1.3.1 COMPRESIÓN
 La compresión de una partícula entre dos paredes sólidas es sin
duda el mecanismo más importante de conminución,
especialmente en trituración.

 Desde el punto de vista fundamental, la compresión se

caracteriza por una aplicación lenta del esfuerzo.

 La Fig.N°3 da una idea de este resultado. Durante la compresión

y por el efecto de las tensiones tangenciales, en las zonas de
contacto de la partícula con las superficies sólidas, se forma en la
partícula un núcleo, este núcleo en la que se concentran los
esfuerzos, da como resultado partículas pequeñas al ocurrir la
fractura, fuera del núcleo las grietas se propagan radialmente
pero en cantidad menor, lo que da como resultado partículas de
mayor tamaño en el producto.
Cuando se aplica la compresión, se obtiene una relación entre las
solicitudes y deformaciones, las que se pueden llevar a una curva
como la que se da en la Fig.N°4.
 La esfera de vidrio se deforma elásticamente hasta su punto de
ruptura D, en su deformación inicial el material sigue la teoría de
Hertz.

 La partícula de cuarzo también sufre deformaciones elásticas,

pero debemos en este caso distinguir entre fenómenos
microscópicos y macroscópicos.

 Desde el punto de vista microscópico se producen pequeñas

deformaciones elásticas seguidas de rupturas de pequeños trozos
(esquinas y cantos) que le dan a la curva macroscópica una forma
de sierra.

 La curva macroscópica a su vez está constituida de

deformaciones elásticas seguidas de rupturas como en A y B y
especialmente en C y D, en D la ruptura es total.
 Es interesante observar que la curva CD es
aproximadamente paralela a la curva de la esfera de
vidrio, lo que indicaría que ambos materiales tienen
respuestas semejantes, modificadas por la forma y
tamaño de las partículas.

 La curva esfuerzo-deformación permite definir la

dureza de una partícula como el esfuerzo en el punto
de ruptura.

 La dureza también se manifiesta, de otra forma tal

como aparece en la Fig.N°5.
 Cuando el material es duro, las puntas elásticas son
mayores que la de los materiales blandos y la curva
lógicamente es más alta.

 Es sabido que mientras más pequeña es una partícula

más dura es, esto se debe a la distribución de fallas en
el material, mientras más pequeño el trozo menos
fallas tiene, esto lo podemos apreciar en la Fig.N°6, el
efecto de briquetización o aglomerado de la caliza más
blanda, la hace consumir más esfuerzo que el cuarzo.
1.3.2 IMPACTO
 Se denomina impacto a la aplicación de esfuerzos compresivos a alta velocidad.
Durante el impacto una superficie sólida puede golpear a una partícula libre o al
contrario, una partícula puede golpear a una superficie sólida o a otra partícula,
tal como se observa en la Fig.N°7.
Durante el impacto se forma un núcleo de finos en la región de contacto de la
partícula con la superficie, el que rápidamente se bifurca y da origen a grietas
radiales, Tal como se observa en la Fig.N°8.
 A medida que aumenta la velocidad del impacto aumenta el
tamaño de núcleo de finos y de esta forma aumenta la
probabilidad de ruptura.

 Cuando se aplica una fuerza a una partícula esta puede quebrarse

o no; si se repite la experiencia con muchas partículas semejantes
en las mismas condiciones, una cierta fracción de ellas se
quebrara. Este número corresponderá a la probabilidad de ruptura
de ese tipo de partículas al ser sometida al impacto.

 La probabilidad de ruptura para el impacto está distribuida en

forma logaritmo-normal como se indica en la Fig.N°9. Para la
utilización de esta gráfica es conveniente usar el concepto de V50,
tomando como ejemplo la recta para partículas de 4mm, en este
caso es el valor de la velocidad para el cual la probabilidad de
ruptura es 50%., Según esta definición V50( 4mm) = 30 m/seg.
 Una medida objetiva de la dureza del material sería considerar el
esfuerzo por unidad de área para V50, esto es:

 Para el caso de partículas de 4mm se tendría: W= 1.125*107(erg/cm2).

Tamaño(mm) V50 (m/seg) W*107(erg/cm2) E*106(erg)

0.1 150 28.1
0.2 100 12.5
0.5 65 5.28
1.2 40 2.00
1.6 35 1.53 6.40
2.3 30 1.13 1.40
4.0 25 0.78 0.98
8.0 18 0.40 0.02
 Aún con lo dicho hasta el momento, podría concluirse que
un aumento indefinido de la velocidad de impacto es
favorable; se ha demostrado que hay una velocidad óptima
para una mejor utilización de la energía.

 En función de lo anterior introducimos la eficiencia de

fractura y se define como la nueva superficie producida por
unidad de energía entregada (S/E) y en la Fig.N°10, se da su
relación con respecto a la velocidad de impacto.

 De la gráfica, se deduce que para partículas grandes

conviene utilizar pequeñas velocidades de aplicación de los
esfuerzos. Esta es la razón por la cual las trituradoras que
utilizan compresión a baja velocidad sean equipos
eficientes.
 1.3.3 CIZALLE
 El cizalle es tal vez el método menos importante de aplicación
de esfuerzos para la ruptura. En realidad, en la práctica él
cizalle aparece como efecto secundario cuando se aplica
compresión o impacto. En la Fig.N°11 se esquematiza la
aplicación directa de cizalle. Esta cobra importancia desde la
aplicación de la molienda semi-autógena y es en estos días
una de las aplicaciones más importantes.
 En resumen en la siguiente figura se esquematiza los mecanismos
de fractura:
 Y en la siguiente gráfica se da las distribuciones resultantes de
tamaño del producto:
DISTRIBUCIÓN DE TAMAÑOS DEL PRODUCTO DE LA FRACTURA
 Se supone que la distribución de tamaño resultante de la fractura de
una partícula es controlada por la distribución inicial de fallas o por la
distribución del esfuerzo. El primer caso se obtiene cuando el esfuerzo
es aplicado uniformemente homogéneo, en la partícula y el segundo
cuando la aplicación del esfuerzo es localizada.

 IMPACTO

 Se han hecho intentos de describir matemáticamente la granulometría

del producto de una fractura y se basan en esfuerzos aplicados
uniformemente. Gilvarry en 1950 supuso que la distribución inicial de
fallas del material seguía una distribución de Poisson y desarrolló una
expresión para la función distribución de tamaño:

Donde , γl, γs y γv son medidas de la densidad de fallas activadas de

arista, superficie y volumen respectivamente.
 La generalización de esta relación lleva a la función de
distribución de Rosin – Rammler.

 Posteriormente, mediante la aplicación de un enfoque estadístico,

Gaudin y Meloy en 1960, obtuvieron para la fractura por impacto
una ecuación de la forma:

donde γ es el modulo de distribución y x0 es el tamaño inicial de la

partícula

 Generalizando la ecuación anterior, se llega a la ecuación de 3

parámetros.
 Broadbent y Callcott, usaron otra distribución de tamaños del producto

 para calcular los valores de F3 en una serie geométrica de tamaños de

partículas. Si bien esta distribución no tiene base teórica aparente
(excepto como una modificación de la ecuación Rosín- Rammler), la
forma de valor discreto de ésta (es decir, una matriz de valores) se ha
usado amplia. mente en el análisis matemático de las operaciones de
reducción de tamaño.

 Después de mucha experimentación se ha demostrado suficientemente

que ninguna de las funciones de distribución representa el producto de
la fractura de una partícula individual, por lo que la función a usar se
elige por conveniencia.

 Se encontró que la frecuencia para fractura por impacto era típica y que
la distribución expresada como función de Schuhumann da un modulo
de posición cercano a 1.
 ASTILLAMIENTO

 Se puede distinguir dos casos en que la distribución de esfuerzos

determina la distribución de tamaño del producto de una fractura. El
primero se obtiene si la carga se aplica fuera del centro de la partícula,
dando como resultado la ruptura de esquinas y cantos y tomando el
nombre de "astillamiento".
 ABRASIÓN

 El segundo, caso se obtiene, si un esfuerzo de cizalle se concentra en la

superficie de la partícula. El evento resultante recibe el nombre de
abrasión y es un caso extremo de astillamiento.

 La característica principal de estos tipos de rupturas por esfuerzos

concentrados es una función de frecuencia bimódica. Este resultado se
debe a que por astillamiento o abrasión una partícula grande se reduce
un poco de tamaño, produciendo un gran número de partículas más
pequeñas. En las Figuras 13 y 14 se da la distribución por astillamiento y
abrasión.

 La acción conjunta de estos tres tipos de eventos de conminución

permite describir en forma aproximada el mecanismo de reducción de
tamaño de un equipo cualquiera. La distribución de tamaño del
producto final dependerá de la proporción relativa de cada uno de los
eventos mencionados. Generalmente el impacto o compresión es el
mecanismo dominante, siguiéndolo el astillamiento y finalmente la
abrasión.
Cada uno de estos eventos contribuye a la distribución granulométrica
final en proporción a su importancia.
 En el caso indicado en la
Fig.N°15, se determinó por
separado la importancia
relativa de cada tipo de
mecanismo y la distribución
granulométrica producida
por cada uno de ellos, como
también de distribución del
conjunto.

 La proporción de impacto,
astillamiento y abrasión, se
aproxima al tipo de
mecanismo existente en un
molino de bolas.