Las actividades de planear y realizar una investigación tienen implicaciones de

estadística, es por ello que a la estadística se le considera como la base fundamental que
relaciona una estructura sistematizada de los factores que intervienen en un proceso
para obtener un resultado.
La complejidad de los minerales provoca que el rendimiento metalúrgico sea
investigado constantemente para lograr optimizar los parámetros de operación y
que se reflejen en un mayor rendimiento metalúrgico y económico. Una de las
herramientas para la optimización e investigación metalúrgica del proceso de
flotación es el diseño de experimentos, el cual no es otra cosa que la planificación
racional de las pruebas metalúrgicas.
Los diseños factoriales permiten el estudio de las simulaciones de varios efectos del
factor sobre el proceso conocido como respuesta. Para dicho estudio es necesario variar
los niveles de los factores que intervienen.
El diseño factorial se aplica:
 Para determinar los efectos de los factores en estudio, para la función respuesta.
 Eficiente en términos del tiempo y costo, porque disminuye el numero de
tratamiento o pruebas.
 Permite el estudio de interacciones entre los factores.
Se usa para:
 Obtener eficiencia en las estimaciones de los efectos de cada factor de la respuesta.
 Estimar los efectos de interacciones entre dos o más factores en la respuesta.
 Probar la curvatura en la respuesta incluyendo el centro de los puntos de réplica en
el diseño.
 Determinar la varianza de error experimental.
En la mayor parte de los diseños factoriales se usa para contestar preguntas como:

¿Cuáles son
¿Cuáles son la los factores
preparación de que
1. las variables
más influyentes
en la respuesta? 2. optimizaran
la
respuesta?
Para una buena investigación un investigador debe conocer los problemas de
manera sistematizada con la finalidad de responder a las preguntas que se
genera durante el análisis del problema.
La buena planeación ayuda al investigador organizar las tareas necesarias
para llevar al desarrollo una investigación. Un investigador debe tomar
decisiones críticas, en base a la
observación de los factores para buscar los mejores resultados de un proceso.
Al iniciar una investigación es necesario una lista de verificaciones de aspectos concretos
entre ellos tenemos:
· Formulación del problema
· Objetivos trazados
· Justificación
· Limitaciones
· Antecedentes del estudio
· El marco teórico
· Hipótesis del tema en estudio
· Variables de la investigación
· Métodos
· Población y muestra
· Diseño
· Procedimiento e instrumentos de recolección de datos
· Procedimientos de análisis.
Entre estas etapas es necesario conocer también:

Los factores que Número de

influyen y cuáles de repeticiones del Los recursos y
ellos varían y cuales experimento materiales
permanecen básico a disponibles.
constantes.
realizar.
Los diseños experimentales que se usaron en distintas empresas desde el siglo 19 permitió en
las industrias identificar y controlar a los factores que más correlación tenía con la producción
(función respuesta), lográndose aumentar la producción con el mínimo costo.
Es importante en la actualidad enfocar los Diseños experimentales en el procesamiento de
minerales de la metalurgia extractiva, con la finalidad de mejorar la producción en todos los
aspectos.
En procesamiento de minerales uno de los factores importantes que se bebe estudiar es la
influencia de estos con la función respuesta, en este caso la recuperación del concentrado de
mineral y las leyes de las mismas, la mayoría de los factores que se bebe estudiar es como
ejemplo, los colectores, depresores, activadores, tiempo de acondicionamiento,
condiciones de la pulpa, granulometría del mineral y otros.
En metalurgia, especialmente en flotación de minerales, el proceso es complejo, del tipo caja negra
(black box). La relación del criterio de optimización a las variables independientes del proceso
(función respuesta), puede ser descrita con el siguiente modelo matemático.
Sea la ecuación de la función respuesta:
Y = ø(x,u,z)……(1.1)
Donde:
Y: Función respuesta.
x : Variable controlable
u : Variable no controlable
z : Variable desconocida
Las variables no controlables pueden medirse pero no controlar, y las variables desconocidas no
pueden medirse ni controlarse y se encuentra dentro de las variables aleatorias; estas son
incluidas dentro de la función respuesta en la ecuación (1.1)
Para disminuir la influencia de las variables no controlables y las desconocidas en la función respuesta es
necesario que las variables controladas tomen un rango o parámetro de operación esto se representa
mediante la ecuación.
Y = ø(x1,x2,...,xn) +ε ……….(1.2)
Donde:
e : Variable aleatoria (variable no controlada y desconocida).
Xn : Variables controladas o estudiadas.
En el diseño factorial 2K se estudian en la mayor parte de los casos los efectos de los factores y las “n”
interacciones de las mismas.
N=2K indica el numero de tratamientos que deben hacerse con los “K” factores y “n” interacciones.
En la notación 2K los niveles superior e inferior están indicados por los signos (+) y (-) ó (+1) y (-1)
respectivamente.
Investigar con diseño experimental es determinar los experimentos que conviene usar para poder hacer un
mejor estudio de las variables, al mismo tiempo determinar la influencia de cada una sobre la función
respuesta.
Es por ello importante para que una función respuesta se la mejor (optima) en procesamiento de minerales
identificar y seleccionar las variables que más influyen para ello existe los diseños experimentales
completos, fraccionados y de Planckett Burman que permite estudiar hasta 20 variables o factores.
Es una de las etapas más importantes en la cual se debe definir las variables o factores a
estudiar, estoy convencido de que en esta etapa el factor humano es importante, porque
mediante el cual los rangos serán elegidos adecuadamente (con lógica), de no ser así el diseño
aplicarse será poco confiable por no decirlo nulo.
Si tomamos un ejemplo simple de realizar una flotación de zinc y en planta o históricamente se
determino que el colector xantato se usa un promedio de 30g/TM, seria en vano escoger
parámetros de 10g/TM y 60g/TM para las variables de investigación, debido a que estos datos
están lejos del dato promedio.
Para la selección de las variables es necesario usar todo los conocimientos en un proceso
metalúrgico así como un diagnostico de todos los antecedentes de la operación, ya que será de
mucha importancia para la identificación las posibles variables las cuales se someterán a
pruebas de diseño factorial.
Como ya mencionamos la codificación de las variables están en rango inferior con (-1) y el rango
máximo con (+1) tomando como promedio cero (0).
Las variables codificadas son los datos que debe tomas las variables en rangos de una
unidad sea (-1) ó (+1) con la finalidad de simplificar la interpretación de la correlación
con el factor respuesta o factor observado, en la mayoría de los casos se toma este dato
para tener referencia de una figura geometría en el plano cartesiana o en el espacio con
centro en las orígenes (0).

Son las variables que toman datos reales del factor o variable sometido a prueba.
Una de las formas más adecuadas, para pasar de la escala codifica sea X , a la escala real Z, es
utilizando las ecuaciones siguientes:

Donde:
Zºj : Centro del diseño
DZj : Radio del diseño
Xj : Escala codificada

Para la selección de variables existen las plantillas codificadas y dependen del número de
variables o factores.
En un experimento de Diseño factorial, las respuestas son medidas como una
combinación de niveles de los factores experimental. La combinación de niveles de
factores representa las condiciones de las cuales las respuestas serán medidas. Una
condición experimental es una Corrida o prueba y la medida de la respuesta es una
observación. Las pruebas enteras son el diseño.
La aplicación de un diseño factorial completo en procesamiento de minerales es
recomendable usar para el estudio desde dos hasta tres factores, esto se debe a que
las pruebas que se realiza son como máximo hasta ocho y son económicamente
posibles.
Plantilla para el factorial 22 este diseño se aplica para estudiar los efectos de las dos
variables A y B así como sus interacciones AB, AA y BB es aplicable en la mayoría en la
etapa de optimización a mas detalle se tocara en la etapa siguiente.
Tabla 1.
Plantilla para el factorial 23 este diseño se aplica para identificar los efectos de tres
variables A, B, C y sus interacciones AB, AC, BC y ABC
Tabla 2.
Para realizar una regresión es necesario que la diferencia entre el número de pruebas menos las
variables y menos uno esto sea igual o mayor a uno en todas las plantillas a diseñar, por ejemplo
en la Tabla 2 tenemos 8 pruebas y 3 variables entonces para la regresión quedan 4 a esto se le
conoce como grados de libertad de la regresión. Esto se debe a que la ecuación lineal que forma
es el siguiente:

En la ecuación 1.6 se observa que tenemos tres variables y una constante entonces los grados de
libertad será:
GL: 8 – 4 = 4 Para la regresión.
Si queremos hallar la interacción AB, AC, CB y ABC entonces el grado de libertad será:
GL: 8 – 8 = 0 tenemos grados de libertad igual a cero en estos casos no se puede realizar la
regresión, para aumentar los grados de libertad mínimo a uno es necesario aumentar las
replicas en el centro (aprovechando que las replicas en el centro en necesario realizar como
mínimo 2 pruebas para encontrar el error experimental, curvatura de la ecuación y los cálculos
con ANOVA).
El nuevo cuadro con interacción.
Tabla 3.

Los signos de la interacción de las variables se completa multiplicando los signos de

las mismas variables.
Es importante considerar que los cuadros de diseño factorial deben cumplir la
ortogonalidad.
El presente trabajo de investigación se realizó con mineral de zinc de la Unidad
Charcas de Industrial Minera México, S.A., y tiene como objetivo la evaluación
metalúrgica de los parámetros que intervienen en el proceso de flotación de minerales
en el circuito de zinc y poder así solucionar los problemas de alto hierro contenido en el
concentrado y minimizar los contenidos de zinc que se van en las colas. Para ello, se
llevó a cabo un diseño de experimentos para evaluar los factores que afectan el proceso
de flotación de zinc y determinar las variables más significativas para optimizar la
dosificación de reactivos y por así mejorar la recuperación.
La Unidad Charcas de Industrial Minera México, S.A procesa:

4500 TMSD con un grado promedio de metales de valor de 100 a 150

g/ton de plata, 1.0% de plomo, 5.5 a 7.0% de zinc, 0.4% de cobre. La
unidad produce concentrados de plomo, cobre y zinc con cantidades
importantes de plata y esta considerada como la más grande
producción de zinc en Minera México, S.A. de C.V.
Aproximadamente 300 kg de pulpa fueron colectados de las colas
el circuito de flotación bulk Pb-Cu tal y como se muestra en la
Figura 2. La muestra fue filtrada y secada a 40°C en un horno, y
posteriormente desgrumada, homogeneizada y separada en bolsas
de plástico en porciones de 2 kg para evitar su contaminación y
llevar a cabo las pruebas de flotación relacionadas al estudio de
optimización de reactivos.
Se seleccionó un diseño experimental de dos niveles con tres factores y
dos puntos de replica en el centro para estudiar las variables de
colector X-Flex31 (xantato isopropílico), activador de zinc (CuSO4) y
espumante Teuton-100 (MIBC). El análisis de resultados fue llevado a
cabo mediante el paquete estadístico Design-Expert.
La Tabla 2 muestra las variables y los valores altos, bajos y centrales usados en el
diseño experimental 23.
Las variables respuesta del diseño experimental son:
• Y1 : recuperación de zinc, %
• Y2 : grado de zinc, %
Las variables controladas en las pruebas de flotación fueron:
• Densidad de pulpa,
• Granulometría de alimentación,
• Tiempo de acondicionamiento,
• Tiempo de flotación,
• pH,
• Altura de cama de espuma.
El diseño experimental tiene un total de ocho pruebas experimentales y dos puntos
replicados en el centro. Así, la matriz del diseño a escala codificada y natural para el
diseño factorial simple es mostrada en la Tabla 3.
Recuperación de zinc:
De acuerdo a los valores de los efectos de
las variables respuestas Y1, podemos
concluir que los signos positivos de los
efectos de X-Flex31 (X1), CuSO4 (X2) y
Teuton-100 (X3) están en su máximo
nivel para la recuperación de zinc por lo
que deben ser maximizados.
Así, la ecuación matemática codificada para predecir la recuperación de zinc es:
Comparación de la recuperación de zinc modelada a través de la ec. 1 es graficada en
función de la recuperación experimental.
Los efectos para la variable respuesta
Y2 (grado de zinc) son mostrados en la
Tabla. Como se observa en la tabla, el
efecto CuSO4 (X2), con signo positivo,
están en su máximo nivel para el
grado de zinc por lo que deben ser
maximizados.
Así, la ecuación matemática codificada para predecir el grado de zinc es:
De acuerdo a los valores de los efectos observado en
la variable respuesta de recuperación de zinc el
colector (X1=+4.27), el activador (X2=+3.13) y el
espumante (X3=+6.37) presentan valores positivos, lo
cual indica que deben ser maximizados para
maximizar la recuperación de zinc, especialmente el
espumante y colector los cuales tienen una efecto
mayor sobre la recuperación.
En el caso del grado de zinc, el colector (X1=-
4.11) y el espumante (X3=-4.45) deben ser
disminuidos para maximizar el grado. Así, en
relación al comportamiento observado de los
factores, el activador (CuSO4) es el único factor
que incrementa la recuperación y grado de zinc
al mismo tiempo.
O Para lograr estos valores de grado y recuperación, el costo mensual del consumo de
reactivos en el circuito de flotación es de $1,367,593 pesos, de aquí la importancia de
optimizar el consumo de reactivos sin afectar la relación grado/recuperación del
mineral de zinc alcanzado actualmente en la operación.
La optimización del consumo de reactivos se llevó a cabo con estudios de simulación,
los cuales fueron realizados usando las ecuaciones matemáticas que predicen el grado
y recuperación del mineral de zinc y otros metales de interés son:

De estas ecuaciones matemáticas de regresión, el hierro es el más importante por los

altos contenidos; mientras que el plomo y cobre son muy bajos y no son significantes
para el estudio de optimización.
 Por medio del diseño experimental se determinaron las dosificaciones
optimas de los reactivos (X-Flex31, CuSO4, y Teuton-100) usados en la
flotación de zinc. Esto permitió un ahorro en el costo de reactivos de 0.2% en
el caso de un incremento en recuperación y de 2.6% en el incremento del
grado de zinc debido a un menor consumo de reactivos.
 El grado de zinc se logró incrementar de 49.1% a 51.1% manteniendo
constante la recuperación de zinc en 84.8%, mediante la optimización del uso
de reactivos; o bien, incrementar la recuperación de zinc de 84.8% a 86.8%
manteniendo constante el grado de zinc de 49.1%.
» Selección y preparación del mineral.
Se procedió a muestrear mineral cada hora en Planta (Faja trasportadora), cuyas
leyes de cabeza en promedio es:

% Zn % Pb % Cu Oz/TM Ag
3.5 1.2 0.31 4.5

» Se homogeniza un total de 11 Kg. se divide hasta conseguir fracciones de 1.1 Kg

cada uno siendo 1.0 Kg para pruebas de flotación y 100 gr para ley de cabeza.
Estas 10 partes son para correr una prueba de laboratorio mediante el modelo
factorial simple que consta de 8 pruebas experimentales y 2 puntos replicados en
el centro.
» a.- Xantato Z – 11(Colector) 1%
» b.- Sulfato de zinc(ZnSO4) 5%
» c.- Sulfato de cobre (CuSO4) 5%
» d.- Cianuro de sodio (NaCN) 1%
» e.- Bisulfito de sodio (NaHSO3) 5%
» f.- Espumante ( F – 70) 1%
 Las variables óptimas en la recuperación de zinc son el 40 g/ton de
colector (X-Flex31), 453 g/ton de activador (CuSO4) y 49.7
g/ton de espumante (Teuton-
100); mientras que para
maximizar el grado de zinc, las
condiciones óptimas son: 45
g/ton de X-Flex31, 453 g/ton de
CuSO4 y 35.3 g/ton de Teuton-
100.
Se programaron una serie de pruebas para el diseño factorial
simple, con mineral de cabeza con el objeto de evaluar las variables
que intervienen en la flotación de zinc; activador CuSO4 (gr/TM),
Colector Z – 11(gr/TM) y PH(11.0), los rangos en los que fueron
evaluados se determinaron en función a la dosificación que se
realiza a nivel de la planta concentradora.
» Los niveles para las variables consideradas en escala codificada se
muestran en la siguiente tabla:(Y = % de Recuperación de zinc total.)
VARIABLES NIVELES
Inferior Central Superior
SULFATO DE
X1 COBRE 0 50 100
(gr/Tn)
XANTATO Z-
X2 0 1.5 3
11 (gr/Tn)
X3 pH 10 11 12
Utilizando la tabla anterior se confecciona la matriz del diseño a escala
codificada y a escala natural para el diseño factorial simple:
N° ESCALA CODIFICADA ESCALA NATURAL Y(obs)
X1 X2 X3 X1 X2 X3
1 -1 -1 -1 0 0 10 55.98
2 1 -1 -1 100 0 10 53.69
3 -1 1 -1 0 3 10 53.11
4 1 1 -1 100 3 10 49.78
5 -1 -1 1 0 0 12 40.15
6 1 -1 1 100 0 12 55.21
7 -1 1 1 0 3 12 57.02
8 1 1 1 100 3 12 57.31
9 0 0 0 50 1.5 11 47.55
10 0 0 0 50 1.5 11 47.24
La siguiente tabla indica la denominada matriz de variables independi- entes
donde se observa el vector Xo que consiste en signos positivos que sirve para
estimar el promedio de las respuestas de todos los puntos experimentales, lo
cual servirá para hallar el efecto de la curvatura.
No XO X1 X2 X3 X1*X2 X1*X3 X2*X3 X1*X2*X Y(obs)
3
1 1 -1 -1 -1 1 1 1 -1 55.98
2 1 1 -1 -1 -1 -1 1 1 53.69
3 1 -1 1 -1 -1 1 -1 1 53.11
4 1 1 1 -1 1 -1 -1 -1 49.78
5 1 -1 -1 1 1 -1 -1 1 40.15
6 1 1 -1 1 -1 1 -1 -1 55.21
7 1 -1 1 1 -1 -1 1 -1 57.02
8 1 1 1 1 1 1 1 1 57.31
9 1 0 0 0 0 0 0 0 47.55
10 1 0 0 0 0 0 0 0 47.24
 X1 X2 X3 X1*X2 X1*X3 X2*X3 X1*X2*X3

2.433 3.048 -0.717 -3.953 5.243 6.438 -3.433

 1 55.98 109.67 212.56 422.25
X1 53.69 102.89 209.69 9.73 2.43
X2 53.11 95.36 -5.62 12.19 3.05
X1X2 49.78 114.33 15.35 -15.81 -3.95
X3 40.15 -2.29 -6.78 -2.87 -0.72
X1X3 55.21 -3.33 18.97 20.97 5.24
X2x3 57.02 15.06 -1.04 25.75 6.44
X1X2X3 57.31 0.29 -14.77 -13.73 -3.43
Se visualiza que los signos de los efectos CuSO4 y Z-11 son positivos por tanto están en
su nivel mínimo por lo cual deben ser maximizados es decir que ambos factores son
variables y deberán ser optimizados y establecer su rango de trabajo óptimo.
El signo del efecto de pH es negativo por tanto esta en su máximo tiene que ser
minimizado, si incrementamos el vector la recuperación decae. Esto corrobora a lo
que se observa en el grafico 12
Observamos que el signo de la interacción X1X3 y X2X3 son positivos esto nos indica
que existe interacción es decir hay significancía entre los factores, caso contrario es la
interacción X1X2 donde no existe interacción. Esto corrobora a lo que se observa en el
grafico 11
Es el procedimiento apropiado para probar la significancía de los efectos. La siguiente
tabla muestra el análisis de varianza para los datos:
Fuente de SS Efectos grados de Media de Fo Significancia
variación libertad cuadrado
a 11.834 1 11.834 246.287 si
b 18.575 1 18.575 386.566 si
c 1.030 1 1.030 21.428 no
ab 31.245 1 31.245 650.250 si
ac 54.968 1 54.968 1143.967 si
bc 82.883 1 82.883 1724.928 si
abc 23.564 1 23.564 490.408 si
curvatura 46.419 1 46.419 966.050 si
Error 0.048 1 0.048
Total 270.564 9
F tablas de 95% de confiabilidad, f1=1 y f2 = 1 (grados de libertad). Es
igual a 161.
Según la tabla los valores de Fo mayores a 161 son significativos en
nuestro caso sólo el pH no es significativo, lo que corrobora que el
CuSO4 y Z-11 están en su mínimo debiendo maximizarse y a la vez son
variables en el proceso.
Para estimar los coeficientes de la ecuación matemática se hace uso de la
fórmula matricial:
La siguiente tabla muestra el producto de las dos matrices

( Xt*X )-1 Xt x Y
0.125 0 0 0 0 0 0 0 422.25
0 0.125 0 0 0 0 0 0 9.73
0 0 0.125 0 0 0 0 0 12.19
0 0 0 0.125 0 0 0 0 -2.87
0 0 0 0 0.125 0 0 0 -15.81
0 0 0 0 0 0.125 0 0 20.97
0 0 0 0 0 0 0.125 0 25.75
0 0 0 0 0 0 0 0.125 -13.73
De donde los valores de los coeficientes de la ecuación matemática son:

XO X1 X2 X3 X1*X2 X1*X3 X2*X3 X1*X2*X3

52.781 1.216 1.524 -0.359 -1.976 2.621 3.219 -1.716

Aplicando la ecuación calculamos SS Residual = 1.0296

Fo = Suma de cuadrados de residual / Media cuadrados del error
Fo = 1.0296 / 0.048 = 21.428
Y el F tablas para un nivel de confianza de 95%, f4=1 y f2=1 es de 161
161 > 21.428, por lo tanto el modelo matemático representa adecuadamente al
fenómeno investigado.
Para ello multiplicamos la matriz de variables independientes menos la columna X3
que resultó no significativa, y el vector B son los coeficientes del modelo matemático
siendo Ycalc los valores predichos por el modelo.

XO X1 X2 X1*X2 X1*X3 X2*X3 X1*X2*X3 [B] Y

calculado
1 -1 -1 1 1 1 -1 52.781 55.621
1 1 -1 -1 -1 1 1 1.216 53.331
1 -1 1 -1 1 -1 1 1.524 52.751
1 1 1 1 -1 -1 -1 -1.976 49.421
1 -1 -1 1 -1 -1 1 2.621 40.509
1 1 -1 -1 1 -1 -1 3.219 55.569
1 -1 1 -1 -1 1 -1 -1.716 57.379
1 1 1 1 1 1 1 57.669
 N Y Ycalculado Y-Ycalculado
1 55.98 55.621 0.359
2 53.69 53.331 0.359
3 53.11 52.751 0.359
4 49.78 49.421 0.359
5 40.15 40.509 -0.359
6 55.21 55.569 -0.359
7 57.02 57.379 -0.359
8 57.31 57.669 -0.359
Aplicando la ecuación calculamos SS Residual = 1.0296
Fo = Suma de cuadrados de residual / Media cuadrados del error
Fo = 1.0296 / 0.048 = 21.428
Y el F tablas para un nivel de confianza de 95%, f4=1 y f2=1 es de 161
161 > 21.428, por lo tanto el modelo matemático representa adecuadamente al fenómeno investigado.
VARIABLE NIVEL (-) NIVEL (+) Zj0 Zj

X1 0 100 50 50

X2 0 3 1.5 1.5

X3 10 12 11 1
Reemplazando los datos en las ecuaciones obtenemos:
Constante = 131.18

X1 : CuSO4 = -1.35

X2 : Z-11 = -33.86

X1X2 = 0.23

X1X3 = 0.09

X2X3 = 3.29

X1X2X3 = -0.02

El modelo matemático a escala natural es :

Y = 131.18-1.35 CuSO4 -33.86 Z-11 + 0.23 CuSO4*Z-11+ 0.09
CuSO4*pH + 3.29 Z-11*pH - 0.02 CuSO4*Z-11*pH.
En la ecuación observamos que las interacción X1X2,
X1X3 y X2X3 son positivas por tanto existen interacciones
y tienen influencia en el proceso.
Si hacemos las tres variables igual cero la recuperación de
zinc será igual a la constante cuyo signo es positivo el cual
nos indica que está en su mínimo y puede maximizarse.
Determinamos el grado de influencia en el proceso en
función a la mayor pendiente que presentan las variables
en nuestro caso primero CuSO4, segundo Z-11.
Análisis
El punto óptimo del presente proceso viene establecido por la
tendencia de la hipótesis planteada en un principio que
presentan un mínimo debiendo maximizarse el zinc, es decir son
variables y su tendencia es subir de nivel y avanzar al máximo,
obteniéndose un valor óptimo de 57.949 en el vector respuesta.
Figura 9: Gráfico que representa la superficie respuesta a nivel espacial
nos muestra la forma en que están ubicados los puntos experimentales,
así mismo la dirección en la cual se orienta el proceso. Contours of
estimated response surface
Figura 10 : Gráfico que representa la superficie de contorno.
Con los resultados del balance metalúrgico de las 10
pruebas se realizó el análisis de las regresiones lineales
teniendo como vector respuesta la recuperación de cada
elemento.
Mediante el test Fisher (F tablas) determinaremos
estadísticamente la significancia de cada variable para
cada elemento analizado. Para ello se muestra el cuadro
de resumen en donde se debe cumplir que: F ά,f4,f2
(Tablas ) > Fo( calculado ) para que la variable sea
significativo.
CuSO4 :
Es muy importante para la recuperación de zinc, lo que indica que
es un buen agente activador del zinc (+2.43), pero presenta un
efecto negativo ante la presencia de plomo el cual lo activa (+0.31),
de igual manera ocurre para la plata (+1.0075). Ello se interpreta
porque la recuperación de plata se cuantifica en el circuito de
plomo, es decir podría existir relaciones mineralógicas, entre
Zn/Pb, Pb/Ag, o Zn/Ag, inconveniente para su recuperación en el
circuito de plomo.
Tiene un efecto positivo ante el hierro ya que promueve o controla
la depresión de la pirita
(-1.7375).
Z-11 :
El signo positivo de Z - 11 es típico de un colector, el cual muestra
que es adecuado para la flotación de zinc (+3.05). Ante la presencia
de plomo se observa que no lo colecta (-0.22), es decir la existencia
de plomo en el concentrado de zinc se debería a las relaciones
mineralógicas de Zn/Pb.
pH :
Se observa que en circuito de zinc la dosificación de cal que
controla el pH de la flotación no esta controlando óptimamente la
depresión de Fe (+1.4875), por tal motivo se observa la presencia
de Fe en el concentrado de zinc.
El pH afecta a la plata contenida en el circuito de zinc
deprimiéndolo (-1.0625) y haciéndolo pasar hacia el relave.

Para la etapa siguiente que es de optimización de las 2

variables significativas hacemos uso del diseño
hexagonal.
Finalmente las condiciones óptimas de las variables
controlables son:
pH : 11.5
Sulfato de cobre (Lb/TM) : 1.184
Reemplazando los valores obtenidos en el modelo
matemático codificado se obtiene la máxima
recuperación que corresponde a 94 % de zinc, tal como
se puede observar en la gráfica de las superficies
respuestas del diseño hexagonal.
Gráfica donde se muestra la superficie de contorno.
Respecto al sulfato de cobre
Al realizar este trabajo de Investigación llegamos a obtener un consumo
óptimo de 1.184Lb/TM lo que es igual a 0.537 Kg/TM de CuSO4. A nivel
industrial en planta se utiliza en promedio 0.728 Kg/TM de CuSO4, realizando
los siguientes cálculos:
A nivel de la planta concentradora:
Consumo de CuSO4: 0.728 Kg/TM.
Tonelaje tratado mensualmente: 90504 TM.
Precio de CuSO4 : 0.57 $/Kg.
0.728 Kg/TM x 90504 TM/mes x 0.57 $/Kg = 37555 $/mes.
En función a la dosificación obtenida:
0.537 Kg/TM x 90504 TM/mes x 0.57 $/Kg = 27702 $/mes.
Lo que obtenemos un ahorro de 9853 $/mes por la reducción del consumo de
CuSO4.