Ucg0734 01 PDF

PONTIFICIA UNIVERSIDAD CATÓLICA DE VALPARAÍSO
FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA QUÍMICA
PROYECTO PARA OPTAR AL

TITULO DE INGENIERO CIVIL QUÍMICO
MODELACIÓN DE PLANTA DE FLOTACIÓN

Anglo American Chile – División El Soldado
Alejandro Ramos Barraza
Profesores Guías:
Gianni Olguín Contreras
José Torres Titus
2010
RESUMEN
En la presente memoria de titulación se describe el análisis multivariable

realizado en la planta de flotación de la División El Soldado de Anglo American Chile.
El análisis efectuado considera la actualización del modelo de la planta de
flotación, mediante el método de regresión lineal múltiple. El cual consiste en vincular
una serie de variables para describir el comportamiento de una variable.
Se desarrollan los modelos estadísticos para las etapas de flotación primaria y
flotación limpieza. Estos modelos principalmente están en función de variables de
proceso como el tonelaje de alimentación, ley de cobre, tamaño de partícula, niveles
de las celdas, entre otras.
Enfocándonos en la flotación limpieza, se llevan a cabo mejoras mediante la
identificación de los puntos críticos y el desarrollo de nuevos procedimientos.
De esta manera, la flotación columnar y la remolienda son las etapas que
presentaron las mejores oportunidades de mejoramiento.
En la flotación columnar se mejoró el sistema de adición de agua de lavado y
el procedimiento de operación, pasando de manual a automático.
En la remolienda se implementó un sistema de toma de muestras en la batería
de hidrociclones, con el cual se podrá evaluar el desempeño del sistema de
clasificación. Para así determinar realmente cual hidrociclón requiere realmente de
mantención. Adicionalmente, se identificó un problema de transporte hidráulico en la
descarga de la batería de los hidrociclones recomendándose un nuevo sistema de
impulsión de la pulpa.
ii
AGRADECIMIENTOS
Hace un tiempo ya que comencé este gran desafío y durante este periodo tuve
la oportunidad de conocer a grandes personas las cuales me acompañaron durante
largo tiempo, algunas desafortunadamente tuvieron que partir y otras siguen junto a
mí dándome su apoyo.
No puedo dejar de nombrar a mi amigo y compañero Jonathan Araya el cual
nos dejó, pero nos marcó profundamente con su gran espíritu y fortaleza. Tu ejemplo
no solo me ayudó a continuar cuando las cosas se complicaron, sino que además me
permitió actuar con alegría y optimismo.
También me gustaría agradecer a todos los amigos que logre formar durante
mi estadía en El Soldado los cuales me brindaron su ayuda incondicional y
desinteresada, especial cariño a Nelson Moraga, Carlos Tapia, Sergio Carrillo y todo el
Laboratorio Metalúrgico entre los cuales Luis, Ángelo, Andrea y Carlos fueron los que
en más de una ocasión colaboraron con los análisis y pruebas necesarias para llevar a
cabo esta memoria.
Obviamente, no puedo dejar de nombrar a quien me dio la oportunidad de
realizar mi memoria, Marcelo Bustos Collao, el cual confío en mí y me dio carta blanca
para realizar lo que estimase necesario para encontrar las respuestas que andábamos
buscando.
Una parte fundamental en este desarrollo personal y profesional fueron mis
grandes compañeros, con los cuales formamos un gran grupo, con el cual logramos
superar los diversos desafíos académicos, recuerdo claramente esas jornadas en la
“cafeta” estudiando hasta que nos echaban, donde desarrollábamos guías
interminables y ejercicios incomprensibles.
Sin duda, la alegría fue nuestra gran compañera, ya que nunca nos faltó la
sonrisa incluso cuando todo hacía pensar que no podríamos lograr nuestros objetivos.
Tampoco puedo olvidar esas extensas jornadas relajándonos luego de las clases en
los lugares más pintorescos de Valparaíso.
iii
Por ultimo, quiero dar las gracias a mi familia la cual siempre estuvo
apoyándome. Orgulloso de mis padres los cuales trabajaron duramente para lograr
darme la educación que yo escogí y que disfruto ejerciéndola día a día.
A mi madre Sonia, que tantas veces me instó a terminar esta memoria y que
por diversas razones se extendió mas allá de lo esperado, quiero darle los mas
sinceros agradecimientos por todo el apoyo, no solo por lo académico sino como
madre y ahora la excelente abuela de mi hija Matilda.
A mi padre Germán, que en innumerables ocasiones me enseñó como ser
mejor persona y no olvidar a quienes te acompañaron desde siempre. La humildad,
respeto y gratitud son valores que nunca olvidaré gracias a mi padre.
A mi hermano Mauricio, quien me aconsejó en los momentos más
complicados, gracias hermano por estar junto a mí. Gracias por toda tu colaboración
en este ultimo tiempo donde he comenzado un nuevo desafío.
A mi hija Matilda, mi chiquitita preciosa quien con su inocencia y ternura nos
llena de alegría. Sin duda ella es pieza fundamental en mi vida, y razón para
continuar día a día, solo quiero decirte que te amo muchísimo.
Gran fortaleza he encontrado junto a María mi pareja, amiga y compañera de
vida, y mi nueva hija Cheridan, con las cuales hemos comenzado un nuevo desafío,
formar una nueva familia.
A todos los que he nombrado y a los que sin duda olvidé, muchas gracias sin
ustedes, no habría logrado terminar mis estudios. Los quiero mucho.
Gracias a todos!!
iv
ANGLO AMERICAN CHILE
“La información que esta Memoria recoge y contiene respecto de las

operaciones y actividades de Anglo American Chile Ltda. y/o de cualquiera de las
divisiones mineras e industriales operativas, así como la integridad e interpretación de
la información, los análisis y conclusiones derivadas de ella, sólo corresponden a su
autor y, en consecuencia son de exclusiva responsabilidad, por lo que no
comprometen en forma alguna a Anglo American Chile Ltda., sus divisiones
operativas o empresas propietarias, como tampoco a sus ejecutivos, profesionales o
técnicos. Anglo American Chile Ltda. únicamente ha colaborado con el autor en
facilitarle acceso a sus instalaciones e información para la realización de esta tesis y
no tiene opinión ni participación alguna en su contenido.”
v
INDICE
RESUMEN ............................................................................................................ii
AGRADECIMIENTOS ............................................................................................ iii
ANGLO AMERICAN CHILE .................................................................................... v
CAPITULO 1: INTRODUCCIÓN........................................................................... 1
CAPITULO 2: DESCRIPCIÓN DEL PROCESO ........................................................ 5
CAPITULO 3: MÉTODO DE ANÁLISIS ................................................................13
3.1. Metodología .............................................................................................13
3.2. Etapas .....................................................................................................15
3.2.1. Recopilación de Información................................................................15
3.2.2. Función Objetivo ................................................................................15
3.2.3. Recopilación de Datos.........................................................................17
3.2.4. Detección y Limpieza de Datos Erróneos .............................................17
3.2.5. Análisis de Regresión Lineal Múltiple ....................................................18
3.3. Conclusiones............................................................................................24
CAPITULO 4: ANÁLISIS MULTIVARIABLE...........................................................25
4.1. Recopilación de Información......................................................................25
4.2. Función Objetivo ......................................................................................29
4.3. Recopilación de Datos...............................................................................31
4.4. Detección y Limpieza de Datos Erróneos ....................................................32
4.5. Análisis de Regresión Lineal Múltiple ..........................................................37
4.5.1. Relación entre las recuperaciones ........................................................37
4.5.2. Actualización Modelo Planta ................................................................43
4.5.3. Modelación Flotación Primaria .............................................................59
4.5.4. Modelación Flotación Limpieza.............................................................74
4.6. Conclusiones............................................................................................88
vi
CAPITULO 5: MEJORAS....................................................................................89
5.1. Flotación Columnar...................................................................................91
5.1.1. Estado...............................................................................................93
5.1.2. Soluciones .........................................................................................96
5.1.3. Recomendaciones...............................................................................98
5.1.4. Conclusiones......................................................................................99
5.2. Remolienda............................................................................................100
5.2.1. Estado.............................................................................................102
5.2.2. Soluciones .......................................................................................106
5.2.3. Recomendaciones.............................................................................115
5.2.4. Conclusiones....................................................................................115
CAPITULO 6: CONCLUSIONES ........................................................................117
BIBLIOGRAFÍA .................................................................................................120
GLOSARIO .......................................................................................................121
ANEXOS ..........................................................................................................123
Anexo A: División El Soldado – Descripción de Procesos ............................124
Anexo B: Balance Celda de Flotación........................................................140
Anexo C: Manual de Operación Planta Concentradora................................144
Anexo D: Diagramas de Instrumentación..................................................155
Anexo E: Uso Microsoft Excel – Análisis de Datos ......................................160
Anexo F: Análisis de Regresiones 2006 -2007 ...........................................167
Anexo G: Eficiencia en Hidrociclones ........................................................188
vii
INDICE DE FIGURAS
Figura 2.1. Esquema Proceso Flotación ................................................................. 5
Figura 2.2. Diagrama de Flujos Planta Concentradora El Soldado............................. 7
Figura 2.3. Diagrama de Flujos Planta de Flotación ................................................ 8
Figura 2.4. Arreglo Celdas Rougher....................................................................... 9
Figura 3.1. Etapas de la Metodología de Análisis ...................................................14
Figura 3.2. Ejemplo Representación Árbol Funcional..............................................16
Figura 4.1. Balance Celda....................................................................................25
Figura 4.2. Árbol Funcional Planta de Flotación .....................................................30
Figura 4.3. Celdas Rougher .................................................................................33
Figura 5.1. Diagrama Flotación Columnar .............................................................92
Figura 5.2. Sistema de Adición de Agua Columna 1 ...............................................93
Figura 5.3. Sistema de Adición de Agua Columna 2 ...............................................94
Figura 5.4. Incrustaciones Sistema de Lavado Columnas........................................95
Figura 5.5. Mantención Sistema de Lavado Columna 2 ..........................................96
Figura 5.6. Sistema de Lavado Columna 2 Mejorado..............................................97
Figura 5.7. Filtro Sistema de Lavado Columna 2....................................................97
Figura 5.8. Circuito de Remolienda ....................................................................100
Figura 5.9. Configuración Batería de Hidrociclones ..............................................101
Figura 5.10. Batería de Hidrociclones .................................................................102
Figura 5.11. Embancamientos en el Launder del Underflow..................................103
Figura 5.12. Acordonamiento de los Hidrociclones...............................................103
Figura 5.13 Adición de Agua Launder del Underflow ............................................104
Figura 5.14. Cubicación Hidrociclones de Remolienda ..........................................105
Figura 5.15. Esquema Sistema de Adición de Agua..............................................106
Figura 5.16. Balanza Marcy ...............................................................................108
Figura 5.17. Instalación Válvula Manifold Hidrociclones........................................109
Figura 5.18. Zonas de trabajo de un hidrociclón..................................................112
viii
INDICE DE GRÁFICOS
Gráfico 3.1. Ejemplo Análisis de Residuos.............................................................22
Gráfico 4.1. Tendencia Original Tonelaje de Alimentación ......................................35
Gráfico 4.2. Tendencia Modificada Tonelaje de Alimentación ..................................36
Gráfico 4.3. Recuperaciones Flotación Primaria y Limpieza .....................................38
Gráfico 4.4. Recuperaciones Planta de Flotación El Soldado ...................................38
Gráfico 4.5. Correlación Recuperación Primaria - Planta .........................................39
Gráfico 4.6. Correlación Recuperación Limpieza – Planta........................................39
Gráfico 4.7. Diferencia Recuperaciones Planta 2006 ..............................................44
Gráfico 4.8. Análisis de Residuos Modelo 2006 ......................................................45
Gráfico 4.9. Diferencia Recuperaciones Planta 2007 ..............................................53
Gráfico 4.10. Análisis de Residuos Modelo 2007 ....................................................54
Gráfico 4.11. Diferencia Recuperaciones Flotación Primaria 2006............................64
Gráfico 4.12. Análisis de Residuos Modelo Flotación Primaria 2006 .........................65
Gráfico 4.13. Diferencia Recuperaciones Flotación Primaria 2007............................69
Gráfico 4.14. Análisis de Residuos Modelo Flotación Primaria 2007 .........................70
Gráfico 4.15. Diferencia Recuperaciones Modelo Flotación Limpieza 2006................78
Gráfico 4.16. Análisis de Residuos Modelo Flotación Limpieza 2006.........................79
Gráfico 4.17. Diferencia Recuperaciones Modelo Flotación Limpieza 2007................84
Gráfico 4.18. Análisis de Residuos Modelo Flotación Limpieza 2007.........................85
Gráfico 5.1. Seguimiento uso de ciclones............................................................113
ix
INDICE DE TABLAS
Tabla 2.1. Balance Global Planta de Flotación 2006. ..............................................12
Tabla 3.1. Ejemplo Análisis de Regresión..............................................................18
Tabla 3.2. Ejemplo Análisis de Regresión Corregido...............................................21
Tabla 3.3. Ejemplo Estadística Descriptiva ............................................................23
Tabla 3.4. Ejemplo Análisis de Sensibilidad ...........................................................23
Tabla 4.1. Variables de Flotación Primaria ............................................................27
Tabla 4.2. Variables de Limpieza Prerougher.........................................................27
Tabla 4.3. Variables Remolienda ..........................................................................27
Tabla 4.4. Variables Flotación Columnar ...............................................................28
Tabla 4.5. Variables Flotación Scavenger..............................................................28
Tabla 4.6. Variables de Entrada ...........................................................................28
Tabla 4.7. Funciones Objetivos para cada proceso ................................................29
Tabla 4.8. Parámetros Operacionales Flotación Primaria ........................................32
Tabla 4.9. Parámetros Operacionales Remolienda .................................................33
Tabla 4.10. Parámetros Operacionales Flotación Columnar.....................................34
Tabla 4.11. Parámetros Operacionales Flotación Scavenger ...................................34
Tabla 4.12. Parámetros Operacionales Alimentación..............................................34
Tabla 4.13. Recuperaciones para cada etapa ........................................................35
Tabla 4.14. Alimentación y Salidas Útiles Planta de Flotación .................................37
Tabla 4.15. Análisis de Regresión Recuperaciones Planta-Primaria-Limpieza ............40
Tabla 4.16. Análisis de Regresión Modelo Planta 2006 ...........................................43
Tabla 4.17. Estadística Descriptiva Modelo 2006 ...................................................46
Tabla 4.18. Análisis de Sensibilidad Modelo 2006 ..................................................47
Tabla 4.19. Análisis de Regresión Modelo Planta Enero 2006..................................48
Tabla 4.20. Análisis de Regresión Modelo Planta Enero 2006 Corregido...................49
Tabla 4.21. Seguimiento Mensual Modelo Planta 2006...........................................49
Tabla 4.22. Seguimiento Trimestral Modelo Planta 2006 ........................................50
Tabla 4.23. Análisis de Regresión Modelo Planta 2007 ...........................................51
x
Tabla 4.24. Análisis de Regresión Modelo Planta 2007 Corregido ............................52
Tabla 4.25. Estadística Descriptiva Modelo 2007 ...................................................55
Tabla 4.26. Análisis Sensibilidad Modelo 2007.......................................................55
Tabla 4.27. Seguimiento Mensual Modelo Planta 2007...........................................56
Tabla 4.28. Seguimiento Trimestral Modelo 2007 ..................................................57
Tabla 4.29. Seguimiento Coeficientes Modelo Planta 2006-2007 .............................57
Tabla 4.30. Variables Modelación Flotación Primaria ..............................................59
Tabla 4.31. Análisis de Regresión Niveles Celdas Rougher 2006 .............................61
Tabla 4.32. Análisis de Regresión Flotación Primaria 2006 .....................................62
Tabla 4.33. Análisis de Regresión Flotación Primaria 2006 Corregido ......................63
Tabla 4.34. Estadística Descriptiva Modelo Flotación Primaria 2006.........................66
Tabla 4.35. Análisis de Sensibilidad Modelo Flotación Primaria 2006 .......................66
Tabla 4.36. Análisis de Regresión Flotación Primaria 2007 Corregido ......................68
Tabla 4.37. Estadística Descriptiva Modelo Flotación Primaria 2007.........................71
Tabla 4.38. Análisis de Sensibilidad Modelo Flotación Primaria 2007 .......................71
Tabla 4.39. Seguimiento Coeficientes Modelo Flotación Primaria 2006-2007 ............72
Tabla 4.40. Variables Modelación Flotación Limpieza .............................................74
Tabla 4.41. Análisis de Regresión Modelo Flotación Limpieza 2006 .........................76
Tabla 4.42. Análisis de Regresión Modelo Flotación Limpieza 2006 Correg...............77
Tabla 4.43. Estadística Descriptiva Flotación Limpieza 2006 ...................................80
Tabla 4.44. Análisis de Sensibilidad Flotación Limpieza 2006 ..................................80
Tabla 4.45. Análisis de Regresión Modelo Flotación Limpieza 2007 .........................82
Tabla 4.46. Análisis de Regresión Modelo Flotación Limpieza 2007 Correg...............83
Tabla 4.47. Estadística Descriptiva Flotación Limpieza 2007 ...................................86
Tabla 4.48. Análisis de Sensibilidad Flotación Limpieza 2007 ..................................86
Tabla 4.49. Seguimiento Coef. Modelo Flotación Limpieza 2006-2007 .....................87
Tabla 5.1. Estado Variables Flotación Limpieza .....................................................90
Tabla 5.2. Parámetros de Reparto y Eficiencias de Hidrociclones ..........................107
Tabla 5.3. Análisis Muestro Hidrociclones de Remolienda .....................................110
Tabla 5.4. Análisis granulométrico hidrociclones..................................................111
xi
CAPITULO 1: INTRODUCCIÓN
La flotación es un proceso de separación fisicoquímico que se utiliza para

separar minerales desde una mezcla sólida-líquida mediante burbujas de aire que
transportan el mineral de interés. Este proceso es altamente selectivo y su uso
abarca una amplia gama de industrias, en especial la industria minera.
Anglo American Chile es una empresa minera dedicada a la explotación y
procesamiento de cobre. Forma parte del Grupo Anglo American y opera en Chile
desde 1980. Actualmente está conformada por 5 divisiones productivas: Los Bronces,
Mantos Blancos, El Soldado, Mantoverde y Fundición Chagres. Además una oficina
central en Santiago y la unidad de exploraciones mineras Anglo American Exploration.
Además, posee el 44% de la propiedad de Compañía Minera Doña Inés de Collahuasi.
La división El Soldado de Anglo American Chile, posee una mina
subterránea y otra a rajo abierto. Además, cuenta con plantas de tratamiento de
minerales oxidados y sulfurados. Siendo ésta última, la de mayor relevancia.
La planta de minerales sulfurados se puede dividir en dos grandes áreas,
Molienda y Flotación. Y ésta, en Flotación Primaria y Flotación Limpieza. La
flotación primaria es la etapa donde ocurre la mayor recuperación de mineral desde
la pulpa alimentada al sistema, cerca del 90% de la recuperación global se logra en
esta etapa. La recuperación limpieza, es una etapa secundaria de gran importancia,
ya que gran parte de la rentabilidad del proceso pasa por aumentar la recuperación
en esta etapa.
1
Problema
Como en todo proceso productivo, la meta es utilizar al máximo los recursos y
la infraestructura presente en pro de mayores rendimientos. Una de las mejores
maneras de lograrlo es poseer un buen control del proceso.
El principal problema de este proceso fisicoquímico, la flotación, es que
depende de una gran cantidad de variables, las cuales involucran no solo parámetros
cinéticos sino que además operacionales. Dentro de los parámetros cinéticos están
las características propias del mineral como el tipo de mineral, concentración del
mineral de interés, dureza, etc. Y dentro de los parámetros operacionales están los
flujos de alimentación, cantidad de agua en la mezcla sólido-líquido, el tamaño de
partícula, cantidad de reactivos, flujo de aire, tipo de celda de flotación, niveles de la
celda, entre otras.
Para lograr un buen control en el proceso una herramienta bastante útil, es la
utilización de modelos de proceso (modelos matemáticos). Existen variados modelos,
con los cuales se permite predecir el comportamiento del proceso.
En función de los parámetros cinéticos existe una serie de modelos, los cuales,
en su mayoría, asimila el proceso de flotación con una reacción de primer orden, pero
en la realidad las diferencias entre los valores del modelo y los reales hacen que este
método no ha resultado ser el más adecuado para la predicción y control del mismo.
Por lo que, para estudiar el comportamiento de la planta es necesario
encontrar un modelo que vincule no solo las variables cinéticas sino que
además relacione las variables de operación. De esta manera, ante cambios en
las características del mineral y de la operación se podrá definir la estrategia a seguir.
2
Alcance
Dentro de la amplia gama de modelos existentes, uno de los más usados es el
modelo estadístico de Regresión Lineal Múltiple, el cual se construye a partir de
los valores históricos de las principales variables involucradas en el proceso.
En la actualidad existe un modelo estadístico para la planta completa y para la
flotación primaria, siendo necesario en un comienzo actualizar dichos modelos, y si
fuese necesario modificarlos.
En cambio, en la flotación limpieza habrá que realizar el análisis completo,
desde la recopilación de datos hasta la modelación estadística, ya que no se
cuenta con modelo alguno. Y por último, a partir del modelo generado identificar las
oportunidades de mejoramiento existentes en la planta.
Objetivos
Considerando lo anterior, los objetivos trazados para la presente memoria de
titulación son:
Actualizar los presentes modelos de regresión lineal múltiple de la planta
(global y flotación primaria).
Identificar las principales variables en la Flotación Limpieza.
Crear un modelo de regresión lineal múltiple para la Flotación Limpieza.
Identificar las oportunidades de mejora en la planta, centrando la atención
en la Flotación Limpieza.
3
Plan de Acción
Para modificar el actual modelo es necesario recopilar los datos históricos de
todas las variables y realizar el análisis de regresión lineal múltiple, teniendo
como variable de salida o respuesta a la recuperación metalúrgica de la planta
de flotación.
Este método nos permitirá establecer la relación existente entre las variables
de proceso y la recuperación. El desarrollo del método estadístico se efectúo
mediante el uso de Microsoft Excel. El periodo en estudio comprende desde enero del
2006 hasta junio del 2007.
Una vez construidos los modelos se pondrá atención en las variables
involucradas, su funcionamiento, medición y control. Identificando así las
oportunidades de mejora del proceso.
4
CAPITULO 2: DESCRIPCIÓN DEL PROCESO
El Soldado se ubica en Nogales, Región de Valparaíso. Comprende una mina

subterránea y otra a rajo abierto, con una vida útil estimada en 20 años. Cuenta con
plantas de tratamiento de minerales oxidados y sulfurados.
Para el tratamiento de minerales sulfurados se realiza la flotación de estos. La
flotación es un método de concentración de minerales que tiene por objeto obtener,
a partir de una pulpa mineral, una porción enriquecida (concentrado) que contiene la
mayor parte del metal y una cola (relave) compuesta principalmente por material
estéril. Ver figura 2.1.
Figura 2.1. Esquema Proceso Flotación
CONCENTRADO
PULPA
FLOTACIÓN
RELAVE
El proceso consiste en adicionar reactivos (colectores, espumantes,

modificadores de pH, etc.) a una pulpa mineral, a fin de crear condiciones favorables
para que las partículas de interés se adhieran a burbujas de aire. Éstas llevan consigo
los minerales a la superficie de la pulpa, desde donde son removidas para obtener el
concentrado. Las otras especies mineralógicas permanecen en la pulpa, formando el
relave.
5
Es necesario además acondicionar el tamaño del mineral, así nos aseguramos
que las partículas de interés en el mineral (roca) se expongan a las burbujas y a los
reactivos. Por otro parte, físicamente las partículas de gran tamaño (y peso)
destruyen las burbujas haciendo poco eficiente el proceso.
Para disminuir de tamaño el mineral es tratado en etapas sucesivas de
chancado y molienda. La adición de reactivos se realiza en puntos específicos del
circuito de flotación. El único reactivo que se adiciona en la molienda es la cal, con la
cual se regula el pH[*].
La primera etapa en la reducción de tamaño, es el chancado primario. El
mineral alimentado consiste básicamente en rocas de gran tamaño las cuales se
reducen. El producto obtenido se reparte al molino SAG y al chancado
secundario y terciario. Esta distribución se realiza bajo criterios como capacidad
y/o disponibilidad de tratamiento (stock pile). Sin embargo, en el molino SAG se trata
gran parte del mineral alimentado en el chancado primario. El producto más fino se
va directamente a flotación. Y el producto más grueso (y más duro) se va al
chancado secundario y terciario.
En el chancado secundario y terciario el mineral se acondiciona para alimentar
a la molienda convencional. Aquí, mediante una serie de molinos, de bolas y
barras, se logra alcanzar el tamaño requerido para así alimentar a la etapa de
flotación.
En la figura 2.2 se muestra el diagrama de flujos de los procesos que se
realizan en El Soldado.
[*]
Ver Anexo C, sobre la dosificación, tipos de reactivos y puntos de adición.
6
Figura 2.2. Diagrama de Flujos Planta Concentradora El Soldado
MINERAL DESDE
MINA STOCK PILE
STOCK PILE CHANCADO

PRIMARIO
MOLINO
SAG
ALIMENTADORES
CHANCADO
SECUNDARIO Y TERCIARIO
SY-7´ SY-7´ HARNEROS 8x20
HARNEROS 6x16 HARNERO
8x20
SY-5 1/2´ SY-5 1/2´
TRIPPER ALIMENTACION FLOTACION
PRE-ROUGHER
MOLIENDA
CONVENCIONAL 1 2 3 4 5 6 7 8 9 10 11
WEMCO-3000
MOL . 2000
REMOLIENDA
WEMCO-1000 LIMPIEZA PREROUGHER
CUBA
REMOLIENDA
SCAVENGER
FILA - A
FLOTACION COLUMNAR
CELDA N°2 ROUGHER
CELDA N°1
WEMCO-4500
ROUGHER
FILA - B
CONCENTRADO FINAL
ESPESADOR N°3
ROUGHER
FILA - C
A ESTANQUES DE
AGUA INDUSTRIAL
RELAVE FINAL
FILTRO LAROX
MINERAL CONCENTRADO
A FUNDICION CHAGRES
ESPESADOR N°1
ESPESADOR N°2
7
Para realizar la flotación de minerales, existen diversos equipos y
configuraciones. La figura 2.3 muestra un esquemático de la configuración utilizada
en El Soldado.
Figura 2.3. Diagrama de Flujos Planta de Flotación
Alimentación
Flotación Primaria
Prerougher Rougher Relave Final
Flotación Limpieza
Limpieza
Remolienda Scavenger
Prerougher
Columnas
Concentrado Final
Esta configuración, divide la planta en dos etapas, la Flotación Primaria y la

Flotación Limpieza. Para ambas etapas, la corriente de interés se denomina
concentrado y la corriente de descarte se denomina relave.
La Flotación Primaria, se divide en dos etapas sucesivas, las celdas
Prerougher y Rougher.
La alimentación proveniente del molino SAG y la molienda convencional se
trata en las celdas prerougher. Las celdas prerougher están conformadas por dos
celdas Wemco de 3000 pie3 de capacidad, dispuestas en serie. En esta etapa se
agregan reactivos (espumante y colector, el pH se regula mediante adición de cal en
8
la molienda). El concentrado obtenido se envía a la limpieza prerougher y el relave
alimenta a las celdas rougher.
Las celdas rougher están conformadas por un arreglo serie-paralelo de 20
celdas Wemco de 1500 pie3, 8 celdas Wemco 1000 pie3 y 2 Celdas OK 1350 pie3. El
arreglo consiste en tres filas (A, B y C) y cada una de ellas con 4 bancos. En estas
celdas también se agregan reactivos. Ver figura 2.4 para mayor detalle.
Figura 2.4. Arreglo Celdas Rougher
CONCENTRADO
PREROUGHER
1er BANCO 2do BANCO 3er BANCO 4to BANCO
FILA - A
1 2 3 4 5 6 7 8 9
FILA - B
10 11 12 13 14 15 16 17 18
FILA - C
19 20 1 2 3 4 5 6 7 8 1 2
RELAVE
20 Celdas Wemco 8 Celdas Wemco 2 Celdas OK ROUGHER
1500 pie3 1000 pie3 1350 pie3
CONCENTRADO
ROUGHER
El concentrado rougher pasa al acumulador de la flotación limpieza (Cuba de

remolienda) y el relave rougher se va a relave final.
9
En la Flotación Limpieza encontraremos cuatro etapas Limpieza
Prerougher, Remolienda, Flotación Columnar y Flotación Scavenger.
La limpieza prerougher está formada por 18 celdas Minimet de 1 m3 de
capacidad, dispuestas en serie y agrupadas en 3 bancos de 6 celdas. El concentrado
prerougher aquí se repasa para aumentar la recuperación[*], sin la adición de
reactivos. El concentrado de la limpieza prerougher se va a concentrado final y el
relave a la cuba de remolienda.
La remolienda está constituida por una cuba (acumulador), una batería de
ciclones y 2 molinos.
La cuba recibe el concentrado de la limpieza prerougher, el concentrado
rougher, el concentrado scavenger y el producto de los molinos de remolienda.
También se agrega agua con el fin de diluir la pulpa hacia la batería de ciclones. El
objetivo de esta cuba es mantener las condiciones de alimentación a los ciclones
estables. Manteniendo cierto nivel en la cuba nos aseguramos que la presión de la
pulpa no varíe demasiado y así se obtenga una buena clasificación.
Originalmente la batería de ciclones estaba compuesta por 10 ciclones Krebs
D-15”. En la actualidad existen solo 9 ciclones, de los cuales operan 4 o 5,
dependiendo del flujo de alimentación, mientras que los otros permanecen en stand-
by. La presión de operación promedio es cercana a los 30 psi (≈ 2 atm).
Las partículas finas, se evacuan por el overflow y alimentan a la flotación
columnar. En cambio, las partículas gruesas, se descargan por el underflow y
alimentan a los molinos de remolienda.
Los molinos de remolienda, se ubican en la molienda convencional y se
denominan con los correlativos de los molinos de la sección. Por lo que si contamos
de derecha a izquierda en la figura 2.1, los molinos de remolienda corresponden a los
molinos 6 y 7. Sus dimensiones son de 8x12’ y de 9.5x12’ respectivamente. Con una
potencia instalada de 460 Hp para el molino 6 y 737 Hp para el molino 7. Estos
[*]
Relación entre las salidas útiles y la alimentación. Se utiliza como índice de rendimiento en la planta
concentradora.
10
molinos están dispuestos en paralelo, para ello el underflow de los ciclones se reparte
en forma proporcional. Empíricamente, se puede establecer que casi un 70% del
underflow es tratado en el molino 7. El producto de los molinos vuelve hacia la cuba,
donde comienza nuevamente el circuito de remolienda.
La flotación columnar está formada por dos celdas columnares. La columna 1
de 6.8 m2 y la columna 2 de 16 m2. La alimentación a las columnas se realiza por
medio de un cajón repartidor, el cual a través de un sistema de válvulas divide los
flujos provenientes del overflow de los ciclones de remolienda. La mayor parte de la
alimentación se dirige a la columna 2 debido a que es la de mayor tamaño.
Los concentrados obtenidos de las celdas columnares van a concentrado final
y los relaves alimentan a la flotación scavenger, última etapa de la flotación limpieza.
La flotación scavenger está compuesta por 10 celdas Wemco de 1000 pie3 de
capacidad y 1 celda Wemco de 4500 pie3 (columnar). El arreglo considera 4 bancos
en serie y por último la celda Wemco de 4500 pie3. El concentrado scavenger se
reenvía a la cuba. Y el relave se va a relave final.
Al concentrado final se le elimina gran parte del agua de la pulpa mediante
los espesadores y posterior filtrado. Una vez que se completan estas etapas el
mineral está listo para ser retirado de la planta. El agua recuperada en los
espesadores y filtro se recirculan al proceso.
El relave final es enviado al tranque de relaves donde se dispone finalmente.
En el tranque, el relave se separa en arenas y lamas. Una parte, arenas, se utiliza
para la auto-sustentación del tranque (muro). Naturalmente, el agua presente en los
restos de pulpa aflora a la superficie y es recirculada a la planta, para su reutilización
en el proceso.
El proceso descrito corresponde a la manera teórica-ideal de operación, ya que
eventualmente dependiendo de las necesidades operacionales el circuito se puede
reconfigurar provocando desviaciones de flujos, recirculaciones, etc.
11
Las ecuaciones del proceso principalmente corresponden a balances de masa
sin reacción, tanto para los sólidos como para las pulpas[*]. Sin entrar propiamente en
la cinética de la flotación nos centraremos en las variables globales de cada etapa, tal
como se describen en el Anexo C (Manual de Operación Planta Concentradora).
A continuación se indica el balance de la planta para el año 2006 con las
cantidades procesadas por etapas (promedio).
Tabla 2.1. Balance Global Planta de Flotación 2006.
Balance Global Planta Concentradora

Recuperación (%) Flujo Ley Cu Cu Fino
Etapa Corriente
En peso Metalúrgica (Ton/h) (%) (Ton/h)
Alimentación 815.0 1.0 8.2
Flotación
1.4 40.8 Concentrado 11.5 28.9 3.3
Prerougher
Relave 803.5 0.6 4.8
Flotación Concentrado 60.6 5.5 3.3
7.8 69.2
Rougher Relave 742.8 0.2 1.5
Limpieza Concentrado 6.3 42.0 2.7
55.0 80.0
Prerougher Relave 5.2 12.8 0.7
Flotación
20.0 90.0 Concentrado 16.6 23.5 3.9
Columnar
Relave 66.5 0.7 0.4
Flotación Concentrado 17.3 1.9 0.3
26.0 77.3
Scavenger Relave 49.2 0.2 0.1
Global 2.8 80.6 Concentrado 23.0 28.6 6.6
Relave 792.0 0.2 1.6
Las corrientes señaladas corresponden a las corrientes que se indicaron

previamente en la figura 2.3.
[*]
El Anexo B describe el balance tipo aplicable a la mayoría de las etapas presentes en el circuito.
12
CAPITULO 3: MÉTODO DE ANÁLISIS
Teniendo en cuenta que un proceso puede depender de muchas variables,

detectar cuales son las más importantes con el objeto de desarrollar un modelo
predictivo y de diagnostico resulta complejo.
Este método de análisis tiene como objetivo evaluar un proceso e identificar
las principales variables basándose en los datos históricos de la planta.
Esta técnica permite realizar una detección temprana de problemas de
operación, además de dar una guía de posibles causas ante una falla. Esto se realiza
analizando los datos históricos del proceso y a partir de ellos construyendo un modelo
estadístico. Para ello es de vital importancia contar con un set importante de datos
históricos de las variables en cuestión.
3.1. Metodología
Como metodología general los datos deben ser agrupados dentro de bloques
funcionales. Las variables asociadas con los bloques son determinadas por procesos
como molienda, flotación, entre otros. En la práctica esto significa que los datos de
planta están agrupados alrededor de procesos unitarios, permitiendo así un análisis
particular para cada proceso. De esta manera se disminuye el impacto de variables
ajenas a cada proceso (se elimina el ruido).
La información de cada variable agrupada en bloques contiene datos de alta o
baja frecuencia así como también datos fuera de rango e incluso datos que describen
eventos como mantenciones, paradas de emergencia, etc. Siendo necesario realizar
una limpieza de éstos, dejando solo aquellos más representativos.
Esta metodología se utiliza como una herramienta para describir la función
objetivo del proceso unitario y a su vez, representar al proceso global.
13
Una vez identificadas las principales variables para cada etapa o bloque, se
construye el modelo estadístico, con el cual se analizará el comportamiento del
proceso y sus fluctuaciones.
La figura 3.1 muestra las etapas del análisis.
Figura 3.1. Etapas de la Metodología de Análisis
Recopilación de Información:
Diagrama de flujos
Ecuaciones de proceso
Variables de proceso
Función Objetivo
Recopilación de Datos
Detección y Limpieza de
Datos Erróneos
Análisis de Regresión
Lineal Múltiple:
Gráficos y tendencias
Correlaciones
No existe un método universal para resolver todos los problemas, por lo que el
método propuesto no pretende establecerse como el único método de análisis, solo
como una guía. Los análisis estadísticos propuestos se escogieron por ser los que
mejor se adecuan a los procesos mineros.
14
3.2. Etapas
3.2.1. Recopilación de Información
Se recopilan los diagramas de flujo, se identifican los procesos, sus variables y

principales ecuaciones. Así se tiene una idea del comportamiento de cada variable
sobre el proceso global y el impacto que pudiese tener.
3.2.2. Función Objetivo
La función objetivo representa los objetivos o tareas que se desean en un

proceso. Este objetivo puede variar en función de las estrategias operacionales de
cada empresa. Esta función está constituida por las variables de cada proceso.
Para identificar las variables, un buen criterio es revisar las ecuaciones de
proceso. A partir de ellas, se puede obtener además las relaciones de
proporcionalidad entre las variables (relación directa o inversa).
Una vez definida la función objetivo, se genera el árbol funcional, el cual
representa el circuito global del proceso en estudio. Y está conformado por bloques
que señalan los procesos unitarios presentes en él. Cada bloque, por su parte,
contiene una función objetivo y las variables de cual depende.
En la figura 3.2 se muestra un ejemplo de esta representación. El proceso
descrito es la molienda, la función objetivo es la disminución del tamaño de partícula
de la pulpa, para que así se facilite la flotación (etapa sucesora).
Este proceso depende de la alimentación, la potencia del motor del molino, el
medio de molienda y el tipo de molino. Cada uno de estos bloques, a su vez,
depende de otros parámetros.
Así la alimentación depende del tamaño de partícula en la carga, la cantidad
de agua que contiene la pulpa, velocidad de alimentación, entre otros. La potencia
del molino viene dada por la velocidad de giro y la carga entrante. El medio de
molienda puede ser bolas, barras u otro medio, el cual dependerá del tipo de mineral.
15
Y el tipo de molino, hace referencia a la geometría y diseño propio de cada tipo de
molino existente.
Cada una de estas variables, en consecuencia serán las que se analizarán en
las siguientes etapas. Finalmente, en todo proceso se dependerá del funcionamiento
del equipo y del control que se lleve a cabo.
Figura 3.2. Ejemplo Representación Árbol Funcional
Molienda Fn Obj(Disminución de tamaño de partícula)
Alimentación Fn(Tamaño Partícula, Densidad, Tratamiento)
Potencia Fn(Velocidad, Carga)
Medio de Molienda Fn(Bolas, Barras, Otros)
Tipo de Molino Fn(Dimensiones, Diseño)
Equipo
Control
Al final del cuadro se señalan el equipo y control como elementos del árbol.
Estos elementos hacen referencia a que para alcanzar la función objetivo debe existir
una buena mantención (del equipo) y un buen control en la operación. Sin estos
elementos bajo supervisión la función no logrará máximos resultados.
16
3.2.3. Recopilación de Datos
Una vez establecidas las variables de cada bloque y el árbol funcional, se debe
realizar la recopilación histórica de los datos para cada variable. Dentro de la
disponibilidad de cada planta, debe seleccionarse un buen número de datos para que
esto sean lo más representativos del sistema. Entre más datos se dispongan para
análisis los resultados serán más fidedignos.
Esta recopilación debe tener la misma escala de tiempo y periodo para cada
una de las variables. Es decir, deben existir iguales números de datos para cada
variable y a la vez, éstos deben coincidir en la hora y fecha.
3.2.4. Detección y Limpieza de Datos Erróneos
Para una mejor detección y limpieza se recomienda en una primera instancia

eliminar los datos que se encuentren fuera de los parámetros operacionales.
Así mismo, se deberán eliminar los valores fuera de rango, valores nulos,
valores blancos, etc.
Al realizar la limpieza o descarte de datos, eliminación, es importante
mantener la misma escala de tiempo para todas las variables en estudio, tal como se
mencionó en el punto 3.2.3.
17
3.2.5. Análisis de Regresión Lineal Múltiple
Se realiza el análisis de regresión mediante el uso del software Microsoft

Excel, específicamente se utiliza el complemento Herramientas para Análisis. El
cual entrega el análisis completo de regresión, varianza, error estándar, límites de
confianza, desviación estándar, etc.[*]
Con esta herramienta se construye el modelo estadístico en función de las
distintas variables presentes en el proceso.
Tomando el ejemplo de la tabla 3.1 se indican los criterios de selección de
variables y análisis de regresión.
Tabla 3.1. Ejemplo Análisis de Regresión
Estadísticas de la regresión
Coeficiente de
0,6243
correlación múltiple
Coeficiente de
0,3898
determinación R2
R2 ajustado 0,3462
Error típico 3,8930
Observaciones 76
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los Valor crítico

F
libertad cuadrados cuadrados de F
Regresión 5 678 136 9 1,32E-06
Residuos 70 1061 15
Total 75 1738
Superior Inferior Superior

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
95% 99,0% 99,0%
Intercepción 107,82 7,8283 13,77 1,31E-21 92,21 123,43 87,09 128,55
Variable X1 -0,059097 0,0258 -2,29 2,48E-02 -0,110 -0,008 -0,127 0,009
Variable X2 -1,129189 2,6764 -0,42 6,74E-01 -6,467 4,209 -8,216 5,958
Variable X3 -0,785247 0,1565 -5,02 3,79E-06 -1,097 -0,473 -1,200 -0,371
Variable X4 -0,265041 0,0711 -3,73 3,92E-04 -0,407 -0,123 -0,453 -0,077
Variable X5 0,040554 0,0876 0,46 6,45E-01 -0,134 0,215 -0,191 0,273
[*]
Ver Anexo E, para saber sobre su uso.
18
El ejemplo, indica el análisis realizado para 5 variables independientes entre sí,
las cuales deberían correlacionarse con una variable de salida Y.
En la tabla, primeramente se indica la Estadística de Regresión, de estos
valores el más relevante es el Coeficiente de Determinación (R2). Este valor en
términos prácticos explica porcentualmente cuan representativo es el modelo. En el
ejemplo, el modelo tiene un 38,98% de representatividad (R2=0,3898).
Idealmente, se espera que este valor sea cercano a 1, pero para las variables
y valores utilizados en esta memoria (variables de flotación) los valores por lo general
no superan el 60%.
En el análisis entregado por MS Excel también muestra el Análisis de
Varianza, pero de éste no se toma ningún valor como criterio de selección o
descarte, ya que los valores entregados solo indican si hay o no hay vinculación entre
las variables.
El valor mas significativo que se puede observar de este análisis estadístico es
la prueba F. Esta prueba estadística tiene como base (hipótesis) que no hay relación
entre las variables independientes y la variable dependiente, por lo que para validar
esta suposición el valor F debe ser menor que el Valor Crítico de F.
En el ejemplo, el valor critico de F (1,32E-06) es menor a F (9), por lo que se
rechaza la hipótesis de que no hay vinculación entre las variables, y por lo tanto se
validad la hipótesis alternativa (que existe vinculación entre las variables).
Para las variables y valores que se utilizan en esta memoria (variables de
flotación), la prueba F resulta poco útil porque por lo general el valor F es mayor al
valor crítico de F, por que en la mayoría de los análisis realizados se rechaza la
hipótesis nula (que NO hay vinculación) y por lo tanto se acepta la hipótesis
alternativa (que SI hay una vinculación entre las variables). En vista de lo anterior,
aunque MS Excel entregue el análisis de varianza, éste no se considerará para
determinar la validez de un modelo y/o selección de las variables presentes en él.
19
El primer criterio de selección o desecho de las variables es el Límite de
Confianza. El límite de confianza aceptado para las regresiones es de un 95%, lo
que indica que solo aceptamos un 5% de posibilidades de que nuestro resultado sea
debido al azar. Si el límite inferior y el superior tienen distinto signo (positivo y
negativo), la variable se descarta. Los límites de confianza también se determinan a
un 99%, pero solo para visualizar el comportamiento a un nivel más riguroso.
En el ejemplo de la tabla 3.1, la variable X2 y X5 no superan la prueba, por lo
que deben ser eliminadas del modelo.
El segundo criterio de descarte de variables, es la revisión del valor esperado
del coeficiente (signo). Este valor esperado se obtiene desde las ecuaciones de
proceso, y hace referencia a las relaciones de proporcionalidad existentes entre las
variables. De existir una relación directa, se espera que el coeficiente tenga valores
positivos. Y por el contrario, si la relación es inversa, se espera que el coeficiente
tenga valores negativos.
En el ejemplo, si la relación existente entre X4 e Y fuese directa, la variable X4
también debería ser eliminada del modelo puesto que el coeficiente al tener un valor
negativo indicaría una relación inversa. Suponiendo valida esta relación, la variable
X4 también se desecha.
Luego de eliminar las variables que presenten conflictos, el análisis de
regresión se vuelve a realizar hasta que todas las variables presentes en el modelo se
ajusten, ver tabla 3.2.
20
Tabla 3.2. Ejemplo Análisis de Regresión Corregido
Coeficiente de
0,4904
Coeficiente de
0,2405
determinación R2
R2 ajustado 0,2197
Observaciones 76
Grados de Suma de Promedio de los Valor crítico

F
libertad cuadrados cuadrados de F
Regresión 2 418 209 12 4,35E-05
Residuos 73 1320 18
Total 75 1738
Superior Inferior Superior

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
95% 99,0% 99,0%
Intercepción 98,89 5,5529 17,81 2,78E-28 87,82 109,95 84,20 113,57
Variable X1 -0,058827 0,0280 -2,10 3,91E-02 -0,115 -0,003 -0,133 0,015
Variable X3 -0,648691 0,1467 -4,42 3,35E-05 -0,941 -0,356 -1,037 -0,261
En el ejemplo anterior, tanto los límites de confianza como el valor esperado

no presentan reparos, por lo que el modelo se acepta.
Una vez generado el modelo, éste se vuelve a validar mediante un Análisis
de Residuos.
Este análisis consiste en calcular las diferencias entre las mediciones reales y
las calculadas mediante el modelo, para así conocer la diferencia que el modelo no
explica en cada medición.
Si al graficar los residuos no se distribuyen de forma simétrica a ambos lados
del eje X y a lo largo de todo el rango de valores de la estimación, el modelo es
inadecuado o poco veraz, y este deberá rechazarse, ver gráfico 3.1.
21
Gráfico 3.1. Ejemplo Análisis de Residuos
Análisis de Residuos
15
10
5
Residuos
-5
-10
-15
Diferencia de las predicciones
Los residuos se distribuyen a lo largo del eje X, pero no de una manera muy
simétrica, lo cual hace suponer que el modelo no se ajusta de muy buena manera.
No obstante, el 75% de las predicciones tienen un error menor al ±5% por lo que el
modelo se valida. Este criterio de validación también es válido, puesto que no
siempre se logra apreciar una buena distribución simétrica, pero el error de cada
medición es menor al ±5%.
Una vez validado el modelo, se realiza el cálculo de la sensibilidad de cada
variable, para así determinar cuál de ellas posee un mayor impacto en el modelo.
Este valor se calcula mediante el producto de la desviación estándar y el
coeficiente de regresión. Para determinar la desviación estándar, se utiliza otro
complemento de MS Excel, Estadística Descriptiva[*], el cual entrega valores
estadísticos típicos para cada variable, como promedio, máximo, etc., ver tabla 3.3.
[*]
Ver Anexo E, para saber sobre su uso.
22
Tabla 3.3. Ejemplo Estadística Descriptiva
Variable X1 Variable X3
Media 183,83 12,22
Error típico 2,01 0,38
Mediana 182,42 11,79
Moda 186,02 14,61
Desviación estándar 17,56 3,35
Varianza de la muestra 308,32 11,23
Curtosis 0,82 -0,62
Coeficiente de asimetría 0,93 0,24
Rango 82,36 13,71
Mínimo 155,43 5,93
Máximo 237,79 19,64
Suma 13971 928
Cuenta 76 76
Mayor 237,79 19,64
Menor 155,43 5,93
Nivel de confianza(95,0%) 4,01 0,77
Con este valor y el valor obtenido del análisis de regresión, se realiza el

análisis de sensibilidad de las variables del modelo, ver tabla 3.4.
Tabla 3.4. Ejemplo Análisis de Sensibilidad
Desviación
Variable Coeficientes Sensibilidad
Estándar
Variable X1 -0,058827 17,56 -1,03
Variable X3 -0,648691 3,35 -2,17
Este análisis se realiza determinando cual de las variables tiene el mayor

producto en valor absoluto. Siendo la variable de mayor relevancia o impacto en el
modelo la que tenga el producto (coeficiente x desviación estándar) mayor. En el
ejemplo, la variable X3 es la que presenta una mayor incidencia en el modelo.
23
3.3. Conclusiones
Uno de los beneficios que se obtiene de este método es la posibilidad de
predicción del comportamiento del proceso. Otro beneficio inmediato, es el control
que se puede llevar, ya que se pueden obtener lecturas en tiempo real de la variable
respuesta, y ajustar el modelo de manera automática.
En la práctica, tomar las variables de proceso en línea permitirá corregir y/o
modificar en tiempo real las posibles fluctuaciones en el objetivo del proceso.
El modelo estadístico de regresión lineal múltiple se construirá a partir de
datos históricos del proceso. Para validar este modelo se verificarán los límites de
confianza al 95%, el valor esperado de los coeficientes de regresión y el análisis de
residuos. Si este último, resulta poco claro en sus resultados (poca simetría), bastará
con comprobar que a lo menos el 75% de las predicciones no tenga un error mayor
al ±5% para validar el análisis.
Complementariamente, se realizará un análisis de sensibilidad para conocer
cual de las variables presentes en el modelo cuenta con el mayor impacto en la
variable de salida.
24
CAPITULO 4: ANÁLISIS MULTIVARIABLE
Este análisis multivariable tiene como objetivo desarrollar los modelos

estadísticos para la planta concentradora mediante el método de análisis de regresión
lineal múltiple.
El desarrollo de los modelos estadísticos entregará una herramienta de control
y predicción ante cambios en el proceso.
4.1. Recopilación de Información

Según la metodología propuesta se reúnen los diagramas de flujos, ecuaciones
de proceso y las principales variables de cada etapa. Esta información se encuentra
en los Anexos A, B, C y D. No obstante, a continuación sintetizaremos las ecuaciones
y las variables para cada proceso y la relación esperada.
En la figura 4.1 se representa una celda de flotación tipo.
Figura 4.1. Balance Celda
A R
LA LR
C
LC
Donde:
A: Flujo de alimentación LA: Ley de alimentación
C: Flujo de concentrado LC: Ley de concentrado
R: Flujo de relave LR: Ley de relave
25
Para todos los casos, las leyes se refieren a la concentración del mineral de
interés en la corriente de referencia, en nuestro caso, el mineral de interés es cobre.
La variable respuesta para el presente estudio y análisis estadístico será la
recuperación. La cual está definida como la relación entre las salidas útiles y la
alimentación. Encontraremos por lo tanto, dos tipos de recuperaciones, en peso y
metalúrgica, dependiendo si consideramos la salida útil como la corriente completa o
solo el mineral de interés. Siendo esta última consideración la de mayor relevancia y
más utilizada.
Realizando los balances de materiales, por corriente y por compuesto:
A =C +R
A ⋅ L A = C ⋅ LC + R ⋅ LR
Usando la definición de recuperación:
C
Recuperaci ón en Peso =
A
C ⋅ LC
Recuperaci ón en Metalúrgica =
A ⋅ LA
En términos de leyes, las ecuaciones quedan de la siguiente manera:
L A − LR
Recuperaci ón en Peso =
LC − LR
L A − LR LC
Recuperaci ón en Peso = ⋅
LC − LR L A
De ahora en adelante, se referirá a la recuperación metalúrgica
simplemente con el término recuperación. Cuando corresponda se diferenciará la
recuperación en peso, pero de no indicarse terminación (metalúrgica o peso) se
deberá entender que se refiere a la recuperación metalúrgica.
Las variables y la relación esperada, para cada proceso se presentan a
continuación. La relación de proporcionalidad (directa o inversa) está en relación a la
recuperación. De poseer una relación directa, se espera que al aumentar el valor de
la variable la recuperación aumente, por el contrario ante una disminución de la
variable la recuperación caerá.
26
Tal como se describió en el capítulo 2. La planta de flotación esta dividida en
dos etapas, flotación primaria y flotación limpieza.
La Flotación Primaria se divide en Flotación Prerougher y Flotación Rougher,
para ambos casos se cumple:
Tabla 4.1. Variables de Flotación Primaria
Flotación Primaria
Aumento Recuperación
Nivel de Pulpa en la Celda Aumenta
Colector Aumenta
Espumante Aumenta
pH Aumenta
Porcentaje de Sólidos Disminuye
La Flotación Limpieza se divide en Limpieza Prerougher, Remolienda, Flotación

Scavenger y Flotación Columnar.
Para la Limpieza Prerougher se cumple:
Tabla 4.2. Variables de Limpieza Prerougher
Limpieza Prerougher
Para la Remolienda la relación entre las variables y la recuperación es:
Tabla 4.3. Variables Remolienda
Remolienda
Potencia Molinos Aumenta
Presión Ciclones Aumenta
27
Para la Flotación Columnar se tiene:
Tabla 4.4. Variables Flotación Columnar
Flotación Columnar
Flujo de Aire Aumenta
Flujo de Agua de Lavado ---
pH Aumenta
Y por último, para la Flotación Scavenger existe una única variable:
Tabla 4.5. Variables Flotación Scavenger
Flotación Scavenger
A parte de las variables operacionales ya mencionadas, hay que considerar las

características propias del mineral, como el tamaño de partícula (D80) y la ley de
cobre.
Tabla 4.6. Variables de Entrada
Alimentación
Ley de Cobre Aumenta
Relación Cobre Oxidado - Cobre Total Disminuye
Tamaño de Partícula Disminuye
Tonelaje Aumenta
28
4.2. Función Objetivo
La función objetivo para el proceso de flotación en general es recuperar la
máxima cantidad de cobre de la pulpa alimentada, pero este objetivo se contrapone
con la ley de cobre en el concentrado. Al aumentar la ley de cobre en el concentrado
la recuperación de sólidos desde la pulpa se vuelve poco selectiva y no solo se
recupera cobre sino que además otros sólidos, por lo que la recuperación de cobre
disminuye.
En vista de lo anterior, la función objetivo debe cuidar maximizar la
recuperación sin perjudicar la ley de concentrado.
Para los procesos descritos para El Soldado se tienen las siguientes funciones
objetivos.
La tabla 4.7 resume las funciones objetivos para cada etapa del proceso. Estas
funciones objetivos a su vez dependerán de las variables operacionales ya
mencionadas.
Tabla 4.7. Funciones Objetivos para cada proceso
Etapas Función Objetivo

Flotación Prerougher Recuperar
Flotación Primaria
Flotación Rougher Recuperar
Limpieza Prerougher Aumentar ley de cobre
Flotación
Remolienda Disminuir el tamaño de las partículas
Flotación Limpieza
Flotación Columnar Aumentar ley de cobre
Flotación Scavenger Recuperar
Con las funciones objetivos y las variables para cada etapa y proceso, se
construye el árbol funcional, ver figura 4.2.
29
Figura 4.2. Árbol Funcional Planta de Flotación
Flotación Fn Obj(Recuperación + Aumento de Ley de Concentrado)
Flotación Primaria Fn Obj(Recuperación)
Alimentación Fn Obj(Ley Cu, Tamaño de Partícula)
Flotación Prerougher Fn Obj(Reactivos, Niveles, pH, %Sólidos)
Flotación Rougher Fn Obj(Reactivos, Niveles, pH, %Sólidos)
Flotación Limpieza Fn Obj(Recuperación + Aumento de Ley de Cu)
Fn Obj(Niveles, %Sólidos)
Limpieza Prerougher
Remolienda Fn Obj(Pot. Molinos, Presión, %Sólidos)
Flotación Columnar Fn Obj(Niveles, Agua, Aire, pH)
Flotación Scavenger Fn Obj(Niveles)
Equipo Fn Obj(Mantención)
Control Fn Obj(Instrumentación)
30
4.3. Recopilación de Datos
El Soldado cuenta con una base de datos que obtiene información desde dos
sistemas independientes. Uno proveniente de planta y el otro de los laboratorios,
tanto del químico como del metalúrgico.
Los datos provenientes de la planta como niveles de pulpa, leyes en línea,
reactivos, tonelaje, entre muchos más, son registrados y almacenados mediante el
software de OSI Software Inc. PI System. El cual registra, en la mayoría de los casos,
minuto a minuto las variaciones de los diferentes instrumentos (sensores,
controladores, etc.)
Los datos provenientes de los laboratorios, leyes y parámetros cinéticos, son
almacenados mediante SQL Server. El beneficio de trabajar con SQL y PI System es
que existen varios métodos de consulta, sin duda, la vinculación de estos sistemas a
MS Excel permite realizar consultas más ordenadas y de mayor claridad.
Periódicamente, para ciertos valores, SQL extrae datos de PI esto se realiza
para disminuir los tiempos de espera al momento de realizar las consultas.
Para este estudio se recopilaron los datos desde el 1 de enero de 2006 hasta
el 30 de junio de 2007 (18 meses). La mayoría de los datos corresponden al
promedio del turno (8 horas), por lo que se tienen 3 valores diarios para una misma
variable, de esta manera el set de datos nos permitirá ser lo más representativo del
sistema.
31
4.4. Detección y Limpieza de Datos Erróneos
Se debe realizar una limpieza de los datos, para así eliminar los datos que
pudiesen interferir en los resultados, como se mencionó en el punto 3.2.4.
Para ello, se utilizarán como criterios de eliminación los valores fuera de los
parámetros establecidos. Estos parámetros se señalan en las siguientes tablas.
Tabla 4.8. Parámetros Operacionales Flotación Primaria
Flotación Primaria
Variable Limite Limite
Unidad Promedio
Inferior Superior
Nivel de Pulpa en la Celda Prerougher 1 % 55 65 60
Nivel de Pulpa en la Celda Prerougher 2 % 45 55 50
Colector (Ditiofosfato de Sodio + Xantato
gr/ton 25 35 30
Isobutílico de Sodio)
Espumante (Metil Isobutil Carbinol +
gr/ton 25 35 30
Sasfroth + Down Froth)
pH Prerougher 10 12 11
Porcentaje de Sólidos % 35 45 50
Nivel de Pulpa en la Celda Rougher A1 % 50 60 55
Nivel de Pulpa en la Celda Rougher B1 % 50 60 55
Nivel de Pulpa en la Celda Rougher C1 % 50 60 55
pH Rougher 9 11 10
32
Los niveles de las celdas rougher se denominan a partir de la fila y el banco al
cual corresponden. La figura 4.3 señala esta denominación.
Figura 4.3. Celdas Rougher
CONCENTRADO
PREROUGHER
1er BANCO 2do BANCO 3er BANCO 4to BANCO
FILA - A
A1 A2 A3 A4
FILA - B
B1 B2 B3 B4
FILA - C
C1 C2 C3 C4
RELAVE
20 Celdas Wemco 8 Celdas Wemco 2 Celdas OK ROUGHER
1500 pie3 1000 pie3 1350 pie3
CONCENTRADO
ROUGHER
Tabla 4.9. Parámetros Operacionales Remolienda
Remolienda
Limite Limite
Variable Unidad Promedio
Inferior Superior
Potencia Molino Remolienda Nº6 Hp 260 280 270
Potencia Molino Remolienda Nº7 Hp 480 540 510
Presión Hidrociclones psi 25 35 30
Porcentaje de Sólidos % 33 45 39
Tamaño de Partícula (P80) μm 36 60 48
33
Tabla 4.10. Parámetros Operacionales Flotación Columnar
Flotación Columnar
Limite Limite
Inferior Superior
Nivel de Pulpa en la Columna Nº1 % 50 90 70
Nivel de Pulpa en la Columna Nº2 % 80 100 90
Flujo de Aire Columna Nº1 m3/min 2.91 2.93 2.92
Flujo de Aire Columna Nº2 m3/min 10 14 12
3
Flujo Agua de Lavado Columna Nº1 m /h 9 11 10
3
Flujo Agua de Lavado Columna Nº2 m /h 20 25 22.5
pH 9 12 10,5
Tabla 4.11. Parámetros Operacionales Flotación Scavenger
Flotación Scavenger
Limite Limite
Inferior Superior
Nivel de Pulpa en la Celda Scavenger 1 % 40 60 50
Nivel de Pulpa en la Celda Wemco 4500 % 40 60 50
Tabla 4.12. Parámetros Operacionales Alimentación
Alimentación
Limite Limite
Inferior Superior
Ley de Cobre % 0,5 2 1,25
Relación Cobre Oxidado – Cobre Total 5 15 10
Tamaño de Partícula (D80) μm 150 250 200
Ton/Turno8h 5500 7500 6500
Tonelaje
Ton/h 688 938 813
34
Adicionalmente se deberán considerar las recuperaciones para cada etapa.
Tabla 4.13. Recuperaciones para cada etapa
Recuperaciones
Limite Limite
Inferior Superior
Recuperación Celdas Prerougher % 25 55 40
Recuperación Celdas Rougher % 60 90 75
Recuperación Primaria % 75 95 85
Recuperación Limpieza % 94 99 96.5
Recuperación Global % 70 90 80
Un ejemplo de la eliminación de los valores fuera de rango se señala en los

gráficos 4.1 y 4.2 para el tonelaje de alimentación. Este procedimiento se realiza para
todas la variables involucradas en el estudio.
Gráfico 4.1. Tendencia Original Tonelaje de Alimentación
Tonelaja Alimentación Mineral

1200
1000
Tonejale (Ton/h)
800
600
400
200
0
Ene-06 Mar-06 May-06 Jun-06 Ago-06 Oct-06 Dic-06
Fecha
35
Gráfico 4.2. Tendencia Modificada Tonelaje de Alimentación
Tonelaja Alimentación Mineral

1200
1000
Tonejale (Ton/h)
800
600
400
200
0
Fecha
36
4.5. Análisis de Regresión Lineal Múltiple
El análisis de regresión lineal múltiple contempla el seguimiento del modelo de
la planta, generar y evaluar los modelos para cada etapa de la flotación. Para todas
estas tareas la función objetivo tiene como variable a maximizar la recuperación
metalúrgica.
4.5.1. Relación entre las recuperaciones
Tal como se mencionó anteriormente, la función objetivo a maximizar es la

recuperación metalúrgica. Es por ello que será necesario calcular las recuperaciones
tanto para el proceso global como para las etapas que componen el circuito. En base
a lo expuesto en el punto 4.1, las recuperaciones se calcularán como se indica en la
tabla 4.14.
Tabla 4.14. Alimentación y Salidas Útiles Planta de Flotación
Recuperación Alimentación Salida Útil

Concentrado Prerougher
Primaria Tonelaje Alimentación +
Concentrado Rougher
Concentrado Prerougher Concentrado Limpieza Prerougher
Limpieza + +
Concentrado Rougher Concentrado Columnas
Concentrado Limpieza Prerougher
Planta Tonelaje Alimentación +
Concentrado Columnas
Los gráficos 4.3 y 4.4 muestran las recuperaciones para el periodo en estudio,
Enero 2006 – Junio 2007.
37
Gráfico 4.3. Recuperaciones Flotación Primaria y Limpieza
Recuperaciones El Soldado
100
95
Recuperación (%)
90
85
80
75
Recuperación Primaria
Recuperación Limpieza
70
Ene-06 Mar-06 May-06 Jun-06 Ago-06 Oct-06 Dic-06 Feb-07 Abr-07 Jun-07
Fecha
Gráfico 4.4. Recuperaciones Planta de Flotación El Soldado
Recuperaciones El Soldado
100
95
90
Recuperación (%)
85
80
75
70
65
Recuperación Planta
60
Ene-06 Mar-06 May-06 Jun-06 Ago-06 Oct-06 Dic-06 Feb-07 Abr-07 Jun-07
Fecha
38
Notar que la recuperación primaria tiene un comportamiento bastante similar a
la recuperación planta, en contraste con la recuperación limpieza. Mediante los
gráficos 4.5 y 4.6, se aprecia la correlación existente entre las recuperaciones.
Gráfico 4.5. Correlación Recuperación Primaria - Planta
Correlación Recuperaciones El Soldado

100
95
y = 0,9793x - 0,6401
Recuperación Planta (%)
90
R2 = 0,9637
85
80
75
70
65
60
60 65 70 75 80 85 90 95 100
Recuperación Primaria (%)
Gráfico 4.6. Correlación Recuperación Limpieza – Planta
Correlación Recuperaciones El Soldado

100
95
y = 0,9891x - 15,31
Recuperación Planta (%)
90
R2 = 0,0538
85
80
75
70
65
60
92 94 96 98 100
Recuperación Limpieza (%)
39
Comparando el valor de R2 y la pendiente se establece que la recuperación
primaria se correlaciona de mejor manera que la recuperación limpieza.
Lo anterior queda de manifiesto, ya que para la recuperación primaria el valor
de R2 es de 0.96 y para la recuperación limpieza el valor de R2 es de 0.05, siendo el
valor más cercano a 1, el que cuenta con la mejor correlación.
Siendo más rigurosos la relación existente entre las recuperaciones puede
obtenerse mediante el siguiente modelo:
Recuperación Planta=α·Recuperación Primaria+ β·Recuperación Limpieza
Donde α y β corresponden a las constantes de la ecuación, para determinarlas
se utilizará el análisis de regresión lineal múltiple que proporciona Microsoft Excel.
Los resultados se muestran mediante la tabla 4.15.
Tabla 4.15. Análisis de Regresión Recuperaciones Planta-Primaria-Limpieza
Coeficiente de correlación
0,9999
múltiple
Coeficiente de
0,9999
determinación R2
R2 ajustado 0,9991
Observaciones 1319
Grados de Suma de Promedio de Valor crítico
F
libertad cuadrados los cuadrados de F
Regresión 2 8633622 4316811 5943986 0
Residuos 1317 956,5 0,7
Total 1319 8634578,6
Inferior Superior Inferior Superior

Coeficientes Error típico Estadístico t Probabilidad
95% 95% 99% 99%
Recuperación Primaria 0,9425 0,0051 183,87 0 0,9325 0,9526 0,9293 0,9557
Recuperación Limpieza 0,0250 0,0044 5,69 1,5E-08 0,0164 0,0336 0,0137 0,0363
Recogiendo la información entregada por el análisis de regresión lineal múltiple

el primer indicador que se analizará es el Coeficiente de Determinación R2. El
cual se interpreta como el porcentaje de variabilidad de la recuperación planta
explicada o debida al modelo generado. Se aprecia que el valor es cercano a la
40
unidad, en otras palabras, porcentualmente el modelo explica un 99.999% del
comportamiento de la recuperación planta.
A continuación, se analizan los coeficientes de regresión y los límites de
confianza (al 95 y 99%) para cada variable independiente del modelo.
Cabe mencionar que este modelo en particular carece de un intercepto en el
eje ordenado (Y), pero el análisis que se presenta a continuación es aplicable para
cualquier caso en estudio.
Para la recuperación primaria el coeficiente es 0.9425, este valor se ubica
dentro de los límites de confianza. Los cuales significan que el 95% de la muestra se
ajusta a este valor. De manera similar, el siguiente intervalo analizado indica que el
valor obtenido se ajusta en un 99% al valor encontrado.
Para la recuperación limpieza el coeficiente es 0.0250, este valor se ajusta
para ambos límites de confianza, 95 y 99%.
No obstante el valor del coeficiente se ubique dentro del límite de confianza,
éste debe situarse cercano a ambos límites (promedio), esto reflejará una mínima
variabilidad y de esta manera se minimizarán las diferencias entre los valores
obtenidos y los valores reales, al momento de utilizar el modelo como herramienta
predictiva.
En vista de lo anterior, podemos establecer la siguiente vinculación:
Recuperación Planta=0.9425·Recuperación Primaria+ 0.025·Recuperación Limpieza
Esto corrobora lo señalado anteriormente en base a los gráficos, la
recuperación planta depende mayormente de la recuperación primaria más que la
recuperación limpieza.
En términos analíticos, cerca del 94% de la recuperación global se debe a la
recuperación primaria, se logra inferir que la recuperación primaria posee una mayor
relevancia que la recuperación limpieza.
Pero desde el punto de vista operacional es en la flotación limpieza donde se
deberá prestar mayor atención, puesto que al excelente precio que presenta el cobre
hoy en día, cualquier beneficio adicional que se logré obtener se traducirá en un
aumento en la producción y con ello un aumento en el beneficio económico.
41
Es necesario precisar que la modelación de las etapas se realizará solo en
términos de la recuperación metalúrgica de la planta. Ya que de esta manera
podremos vincular directamente los efectos de cada variable.
Es importante interpretar de buena manera los resultados expuestos por el
Análisis de Regresión Múltiple, en el Anexo E se abordan con mayor profundidad el
significado de los indicadores entregados por Microsoft Excel y de qué manera se
interpretan.
42
4.5.2. Actualización Modelo Planta
El modelo que El Soldado utiliza desde hace unos años es del tipo regresión
lineal múltiple. La ecuación es del tipo:
Y=a0+a1·X1+a2·X2+a3·X3+a4·X4+a5·X5
Donde:
a0: Intercepto en el eje Y X3: Relación cobre oxidado – cobre total, CuOxCuT
a1-a5: Coeficientes de la ecuación X4: Colector
X1: Tamaño de partícula, D80 X5: Espumante
X2: Ley de cobre, LeyCuT Y: Recuperación metalúrgica de la planta
Realizando el análisis de regresión con los datos del 2006 se tiene los
siguientes resultados, ver tabla 4.16.
Tabla 4.16. Análisis de Regresión Modelo Planta 2006
Estadísticas de la regresión Periodo Enero - Diciembre 2006

Coeficiente de
0,5463
Coeficiente de
0,2984
determinación R2
2
R ajustado 0,2949
Observaciones 1000
F
Regresión 5 6400 1280 85 0
Residuos 994 15044 15
Total 999 21444

95% 95% 99% 99%
Intercepto 97,80 1,6284 60,06 0 94,60 100,99 93,59 102,00
D80 -0,06 0,0070 -8,81 5,61E-18 -0,07 -0,05 -0,08 -0,04
LeyCuT 4,15 0,7085 5,85 6,52E-09 2,76 5,54 2,32 5,98
CuOxCuT -0,51 0,0441 -11,57 4,10E-29 -0,60 -0,42 -0,62 -0,40
Colector -0,18 0,0184 -10,01 1,59E-22 -0,22 -0,15 -0,23 -0,14
Espumante 0,10 0,0193 5,17 2,82E-07 0,06 0,14 0,05 0,15
43
Se observa que ninguno de los parámetros presenta objeciones, puesto que
los valores de los coeficientes están dentro de los rangos esperados, y los límites de
confianza no muestran variaciones en sus signos.
Si bien, el coeficiente de determinación R2 debe ser lo más cercano a 1 para
asegurar que el modelo sea lo suficientemente representativo, el valor de R2 para el
análisis del 2006, presenta un 29.84% de representatividad, lo cual es un poco bajo
para cualquier análisis estadístico. Sin embargo, considerando que usualmente para
este sistema (modelo y variables) el valor de R2 no supera el 60%, este valor se
acepta.
El grafico 4.7 señala la diferencia entre la recuperación planta y las
recuperaciones estimadas, a partir del modelo.
Gráfico 4.7. Diferencia Recuperaciones Planta 2006
Diferencia Recuperaciones 2006

100
95
90
Recuperación (%)
85
80
75
70
65
Recuperación Planta Recuperación Estimada
60
Fecha
Se percibe que el modelo tiene un comportamiento mucho más estable que los
valores reales. En la mayoría de los casos los valores estimados no distan mucho de
los valores reales.
44
No obstante lo anterior, el análisis de residuos indicará analíticamente si el
modelo se correlaciona de buena manera con los valores reales. Como se indicó en el
capítulo 3, este análisis se realizará observando la distribución de los residuos
entorno al eje X. De no existir una distribución simétrica, se entenderá que no existe
una buena correlación entre el modelo y los valores reales.
Realizando el análisis de residuos se tiene el gráfico 4.8.
Gráfico 4.8. Análisis de Residuos Modelo 2006
15
10
5
Residuos
-5
-10
-15
Predicciones Recuperación Planta
El análisis grafico de los residuos muestra poca simetría entorno al eje X,

analíticamente, el 75% de la muestra presenta un error menor al ±5%, por lo que el
modelo se valida completamente, según los criterios indicados en al capitulo 3.
El modelo generado queda de la siguiente forma:
Recuperación=97.80-0.06·D80+4.15·LeyCuT-0.51·CuOxCuT-0.18·Colector+0.10·Espumante
45
Además del análisis de regresión se podrá evaluar el “peso” o sensibilidad de
cada variable, para esto se debe calcular el producto la desviación estándar y el
coeficiente de regresión.
Para obtener la desviación estándar se utiliza Herramientas para Análisis de
Excel y la opción Estadística Descriptiva la cual entrega entre otros valores, el
promedio, la varianza y la desviación estándar. En la tabla 4.17 se señalan los valores
obtenidos.
Tabla 4.17. Estadística Descriptiva Modelo 2006
D80 LeyCuT CuOxCuT Colector Espumante

Media 195,43 0,96 10,26 36,66 32,93
Error típico 0,57 0,01 0,09 0,26 0,21
Mediana 194,12 0,94 10,00 35,79 33,46
Moda 194,46 0,94 9,09 27,70 27,02
Desviación estándar 17,94 0,22 2,91 8,06 6,67
Varianza de la muestra 321,74 0,05 8,45 65,04 44,44
Curtosis 0,08 0,17 0,19 -0,20 -0,37
Coeficiente de asimetría 0,36 0,57 0,59 0,46 -0,17
Rango 99,06 1,32 15,95 46,78 34,05
Mínimo 150,88 0,48 4,05 15,16 15,24
Máximo 249,94 1,80 20,00 61,94 49,29
Suma 195427,9 964,6 10255,6 36658,9 32932,5
Cuenta 1000 1000 1000 1000 1000
Mayor 249,94 1,80 20,00 61,94 49,29
Menor 150,88 0,48 4,05 15,16 15,24
Nivel de confianza(95,0%) 1,11 0,01 0,18 0,50 0,41
La tabla 4.18 indica el análisis de sensibilidad realizado al modelo para el año

2006.
46
Tabla 4.18. Análisis de Sensibilidad Modelo 2006
Desviación
Estándar
D80 -0,06 17,94 -1,10
LeyCuT 4,15 0,22 0,90
CuOxCuT -0,51 2,91 -1,48
Colector -0,18 8,06 -1,48
Espumante 0,10 6,67 0,66
Para determinar cuál es la variable que presenta mayor influencia, solo se

debe identificar cuál de ellas presenta el mayor valor absoluto.
De esta forma, la relación de cobre oxidado y el colector son las variables
que presentan mayor influencia o impacto en la variabilidad del modelo (-1.48).
Luego aparece el tamaño de partícula, D80 (-1.10), ley de cobre (0.90) y por último
el espumante (0.66).
Así las variables manipulables, colector y tamaño de partícula (D80) son
las variables que se deben controlar de mejor forma.
En cuanto a la relación de cobre oxidado – cobre total y la ley de cobre,
se deberá conocer las proyecciones del tipo mineral que se entregará para su
procesamiento desde la mina (extracción), así se podrá evaluar oportunamente de
que manera responderá el proceso ante estas fluctuaciones.
De manera complementaria con los datos del 2006, se hace un seguimiento
mensual y trimestral con el objeto de establecer cuál es el comportamiento de las
variables en los distintos periodos. Estos periodos, mensual y trimestral,
corresponden a los periodos en que se revisa la programación de producción
(Budget). El Budget por lo general se estable anualmente, pero se sigue mes a mes
para establecer en que proporción de la meta establecida se encuentra la producción.
Este seguimiento tiene como objetivo permitir conocer si el modelo (anual)
cuenta con la continuidad necesaria para utilizar el modelo como herramienta
predictiva, puesto que en base al modelo se establece el Budget, de lo contar con la
47
continuidad necesaria, el modelo deberá corregirse, para así evitar diferencias muy
grandes con el Budget. Un modelo poco veraz podría indicar establecer para ciertas
condiciones (Ley de cobre, relación de cobre oxidado-cobre total, etc.) metas de
producción muy altas para los valores obtenidos, lo cual indicaría, erróneamente, que
el proceso en la planta tiene fallas. Por el contrario, si la meta se fija más baja que la
producción obtenida, ésta al ser más alta indicaría una sobre producción lo cual
causaría un falso rendimiento en el proceso.
Para este seguimiento se realiza el análisis eliminando las variables que no
entren en el modelo, de esta manera tendremos periodos en los cuales algunas
variables no participan. Ejemplo de lo anterior se puede ver en el análisis del mes de
enero 2006 donde fallan los limites de confianza (95%) para la ley de cobre (LeyCuT)
y espumante (tabla 4.19), por lo que estas variables se eliminan y se repite el análisis
(tabla 4.20).
Tabla 4.19. Análisis de Regresión Modelo Planta Enero 2006
Estadísticas de la regresión Periodo Enero-06

Coeficiente de
0,6243
Coeficiente de
0,3898
determinación R2
2
R ajustado 0,3462
Observaciones 76
F
Regresión 5 678 136 9 0
Residuos 70 1061 15
Total 75 1738

95% 95% 99% 99%
Intercepto 107,82 7,8283 13,77 1,31E-21 92,21 123,43 87,09 128,55
D80 -0,06 0,0258 -2,29 2,48E-02 -0,11 -0,01 -0,13 0,01
LeyCuT -1,13 2,6764 -0,42 6,74E-01 -6,47 4,21 -8,22 5,96
CuOxCuT -0,79 0,1565 -5,02 3,79E-06 -1,10 -0,47 -1,20 -0,37
Colector -0,27 0,0711 -3,73 3,92E-04 -0,41 -0,12 -0,45 -0,08
Espumante 0,04 0,0876 0,46 6,45E-01 -0,13 0,22 -0,19 0,27
48
Tabla 4.20. Análisis de Regresión Modelo Planta Enero 2006 Corregido
Estadísticas de la regresión Periodo Enero-06

Coeficiente de
0,6204
Coeficiente de
0,3849
determinación R2
R2 ajustado 0,3593
Observaciones 76
F
Regresión 3 669 223 15 0
Residuos 72 1069 15
Total 75 1738

95% 95% 99% 99%
Intercepto 108,41 5,5394 19,57 1,53E-30 97,36 119,45 93,75 123,06
D80 -0,06 0,0254 -2,35 2,18E-02 -0,11 -0,01 -0,13 0,01
CuOxCuT -0,77 0,1362 -5,66 2,93E-07 -1,04 -0,50 -1,13 -0,41
Colector -0,28 0,0679 -4,11 1,03E-04 -0,41 -0,14 -0,46 -0,10
Aunque el límite de confianza al 99% del D80 falla, el modelo se acepta puesto
que el criterio de eliminación se realiza con el límite de confianza al 95%.
Este procedimiento se realizó para el 2006 mensualmente, eliminando las
variables que presentaran problemas. Ordenando los resultados se tiene la tabla 4.21
donde se observan los distintos coeficientes para cada mes. El detalle de cada
análisis se señala en el Anexo F.
Tabla 4.21. Seguimiento Mensual Modelo Planta 2006
ANALISIS MENSUAL 2006 ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
2
Coeficiente de determinación R 0,385 0,320 0,592 0,300 0,160 0,184 0,407 0,148 0,160 0,050 0,298
Intercepto 108,41 81,13 87,11 95,81 90,27 98,93 97,67 99,09 73,22 86,87 97,80
D80 -0,06 -0,07 -0,10 -0,09 -0,09 -0,06
LeyCuT 7,17 10,18 6,62 4,15
CuOxCuT -0,77 -0,18 -0,36 -0,72 -0,60 -0,75 -0,35 -0,51
Colector -0,28 -0,24 -0,13 -0,18
Espumante 0,23 0,17 0,10
49
El Coeficiente de determinación R2 señala porcentualmente cuan
representativo es el modelo, así el modelo anual representa cerca de un 30%
(R2=0.298) de la variabilidad.
En el mes de marzo se obtiene una representatividad bastante aceptable
cercana al 60% (R2=0.592). Pero el resto de los meses los valores obtenidos son
bastante bajos por lo que la representatividad del modelo es limitada.
La exclusión de variables se debe a la poca relación existente entre las
variables excluidas. Operacionalmente esta falta de relación se justifica con la
estabilidad de las variables. Esta estabilidad se logra manteniendo un adecuado
control sobre las variables, disminuyendo la inestabilidad de las variables.
Al comparar los resultados mensuales con el valor anual, se presentan casos
en los que los valores mensuales obtenidos distan bastante del valor anual, ejemplo
de esto se presenta con el Espumante, donde los valores mensuales obtenidos 0.23
y 0.17 son mayores al valor del modelo anual, 0.10.
Este comportamiento lleva a realizar el seguimiento de las variables del
modelo en distintos periodos de tiempo, para así tener una visión más clara de la real
veracidad del modelo. Es por esto, que se realizó el mismo análisis pero de manera
trimestral, a modo de corroborar el modelo. La tabla 4.22 presenta el seguimiento
realizado trimestralmente durante el 2006.
Tabla 4.22. Seguimiento Trimestral Modelo Planta 2006
ANALISIS TRIMESTRAL 2006 ENE-MAR 06 ABR-JUN 06 JUL-SEP 06 OCT-DIC 06 ANUAL

2
Coeficiente de determinación R 0,429 0,287 0,265 0,069 0,298
Intercepto 85,02 98,28 101,51 79,14 97,80
D80 -0,05 -0,09 -0,06
LeyCuT 5,02 4,73 4,82 4,15
CuOxCuT -0,66 -0,56 -0,54 -0,51
Colector -0,18 -0,26 -0,12 -0,09 -0,18
Espumante 0,19 0,10 0,13 0,10
50
Corroborando el análisis mensual, el primer trimestre presenta la mejor
representatividad (42.9%) y el último trimestre la peor (6.9%).
Tomando un periodo más grande de análisis (trimestre) se excluyen menos
variables y los resultados se acercan más al valor anual.
Estos periodos corresponden a los periodos de proyección que utiliza la planta
para establecer las metas productivas. Es por ello que tener un modelo lo más
cercano a la realidad permitirá tener mínimas diferencias entre los valores esperados
y los valores obtenidos. De tal manera de no realizar proyecciones que lleven a tomar
decisiones erróneas.
Para el 2007 se realizó el análisis de regresión de manera similar al 2006
obteniéndose los siguientes resultados, ver tabla 4.23.
Tabla 4.23. Análisis de Regresión Modelo Planta 2007
Estadísticas de la regresión Periodo Enero - Junio 2007

Coeficiente de
0,5670
Coeficiente de
0,3215
determinación R2
2
R ajustado 0,3143
Observaciones 480
F
Regresión 5 2640 528 45 0
Residuos 474 5572 12
Total 479 8212

95% 95% 99% 99%
Intercepto 79,94 2,1068 37,94 9,5127E-146 75,80 84,08 74,49 85,39
D80 -0,001 0,0085 -0,12 9,02E-01 -0,02 0,02 -0,02 0,02
LeyCuT 3,11 0,7100 4,39 1,43E-05 1,72 4,51 1,28 4,95
CuOxCuT -0,52 0,0598 -8,62 1,01E-16 -0,63 -0,40 -0,67 -0,36
Colector -0,08 0,0219 -3,65 2,90E-04 -0,12 -0,04 -0,14 -0,02
Espumante 0,17 0,0252 6,64 8,49E-11 0,12 0,22 0,10 0,23
51
El tamaño de partícula (D80), no se correlaciona adecuadamente puesto que
fallan los límites de confianza, el análisis se reitera eliminando esta variable y se
corrige el modelo estadístico, ver tabla 4.24.
Tabla 4.24. Análisis de Regresión Modelo Planta 2007 Corregido

Coeficiente de
0,5670
Coeficiente de
0,3214
determinación R2
R2 ajustado 0,3157
Observaciones 480
F
Regresión 4 2640 660 56 0
Total 479 8212

95% 95% 99% 99%
Intercepto 79,74 1,3745 58,01 1,0201E-217 77,04 82,45 76,19 83,30
LeyCuT 3,12 0,7040 4,44 1,13E-05 1,74 4,51 1,30 4,94
CuOxCuT -0,52 0,0597 -8,63 9,18E-17 -0,63 -0,40 -0,67 -0,36
Colector -0,08 0,0217 -3,69 2,48E-04 -0,12 -0,04 -0,14 -0,02
Espumante 0,17 0,0249 6,70 5,76E-11 0,12 0,22 0,10 0,23
Las variables no presentan objeciones. Es importante destacar que el

coeficiente de determinación (R2=0.3214) para este periodo es mayor al obtenido
para el modelo 2006 (R2=0.2984). Lo cual estaría indicando un mejor ajuste y por lo
tanto mejores predicciones.
En el grafico 4.9 se señala la diferencia entre la recuperación planta y la
estimada, a partir del modelo.
52
Gráfico 4.9. Diferencia Recuperaciones Planta 2007
Diferencia Recuperaciones 2007

100
95
90
Recuperación (%)
85
80
75
70
65
60
Ene-07 Mar-07 May-07 Jun-07
Fecha
En la mayoría de los casos los valores estimados no distan mucho de los

valores reales. El modelo tiene un comportamiento mucho más ajustado que el
modelo 2006.
Continuando con el método planteado, el análisis de residuos indicará si el
modelo se correlaciona de buena manera con los valores reales. Realizando el análisis
de residuos se tiene el gráfico 4.10.
53
Gráfico 4.10. Análisis de Residuos Modelo 2007
10
0
Residuos
-5
-10
-15
Predicciones Recuperación Planta
Este análisis señala una buena distribución entorno al eje X, como se indicó en
el capítulo 3, este análisis se realiza observando la distribución de los residuos
entorno al eje X. Como existe una distribución simétrica, se deduce que existe una
buena correlación entre el modelo y los valores reales. Además el 76% de las
muestra presenta un error menor al ±5%.
En vista que todos los criterios de selección y validación no presentan
disconformidades, el modelo se valida.
El modelo generado para la primera mitad del 2007 tiene la siguiente forma:
Recuperación=79.74+3.12·LeyCuT-0.52·CuOxCuT-0.08·Colector+0.17·Espumante
A continuación se determina la sensibilidad de cada variable, tal como se
realizó para el periodo 2006, ver tablas 4.25 y 4.26.
54
Tabla 4.25. Estadística Descriptiva Modelo 2007
LeyCuT CuOxCuT Colector Espumante

Media 1,05 10,20 38,42 28,66
Error típico 0,01 0,13 0,35 0,31
Mediana 1,00 9,74 37,18 28,37
Moda 0,90 9,09 34,53 23,70
Desviación estándar 0,26 2,80 7,67 6,69
Varianza de la muestra 0,07 7,82 58,82 44,73
Curtosis 0,15 0,62 0,41 -0,41
Coeficiente de asimetría 0,70 0,81 0,62 0,34
Rango 1,38 15,07 45,13 33,16
Mínimo 0,50 4,68 16,77 15,17
Máximo 1,88 19,75 61,90 48,33
Suma 505,4 4894,0 18439,3 13754,5
Cuenta 480 480 480 480
Mayor 1,88 19,75 61,90 48,33
Menor 0,50 4,68 16,77 15,17
Nivel de confianza(95,0%) 0,02 0,25 0,69 0,60
Tabla 4.26. Análisis Sensibilidad Modelo 2007
Desviación
Estándar
LeyCuT 3,12 0,26 0,80
CuOxCuT -0,52 2,80 -1,44
Colector -0,08 7,67 -0,61
Espumante 0,17 6,69 1,12
La variable que presenta mayor influencia tiene en el modelo es la relación

de cobre oxidado-cobre total (-1.44), luego aparece el espumante, la ley de cobre
y el colector.
55
Este resultado se asemeja al obtenido en el modelo 2006, por lo cual se
ratifica la importancia de la relación cobre oxidado-cobre total en el proceso.
Esta relación de mineral oxidado se puede manejar, pero a nivel de geología,
es decir, mediante la determinación de los lugares de donde extraer el mineral y que
luego se enviarán a flotación.
Habitualmente se presentan bajas recuperaciones debidas a la mala calidad
del mineral entregado desde la mina a la planta (alto contenido de oxido, bajo
contenido de cobre, impurezas inertes, etc.), por lo que la labor de ingeniería se ve
reducida ante estos hechos.
Sin embargo, el reconocer estas causas permitirá manejar y preparar de mejor
manera la operación en planta.
Con esto, se concluye que la mayor variabilidad se debe a un parámetro
operacional de alimentación, por lo que aumentar o disminuir la recuperación se
deberá manejar mediante el manejo de las variables manipuladas.
A continuación se presentan los valores de los análisis de regresión mensuales
corregidos y ordenados para el 2007.
Tabla 4.27. Seguimiento Mensual Modelo Planta 2007
ANALISIS MENSUAL 2007 ENE FEB MAR ABR MAY JUN ANUAL
2
Coeficiente de determinación R 0,238 0,682 0,265 0,325 0,458 0,175 0,294
Intercepto 85,29 70,67 76,01 79,64 82,60 91,99 80,04
D80
LeyCuT 7,52 5,76 5,66 7,75 3,76
CuOxCuT -0,69 -0,69 -0,41 -0,45 -0,33 -0,36 -0,49
Colector -0,15 -0,24 -0,26 -0,09
Espumante 0,28 0,25 0,13
Al igual que en el análisis del 2006, la variable que presenta mayor peso o
sensibilidad, la relación cobre oxidado (CuOxCuT), está presente durante todos los
periodos. La mayor representatividad se obtuvo durante el mes de febrero con un
68.2% y la menor en junio con un 17.5%.
Realizando el mismo procedimiento del 2006, se presentan los análisis
trimestrales para el 2007, ver tabla 4.28.
56
Tabla 4.28. Seguimiento Trimestral Modelo 2007
ANALISIS TRIMESTRAL 2007 ENE-MAR 07 ABR-JUN 07 ANUAL
Coeficiente de determinación R2 0,422 0,227 0,294
Intercepto 77,47 83,91 80,04
D80
LeyCuT 4,27 3,51 3,76
CuOxCuT -0,59 -0,19 -0,49
Colector -0,07 -0,42 -0,09
Espumante 0,23 0,11 0,13
Coincidiendo con el análisis mensual, durante el primer trimestre se muestra la

representatividad más alta (42,2%).
El propósito, en la práctica, de desarrollar estos análisis semestrales y
trimestrales se debe a que son estos periodos de tiempo los utilizados para la
proyección de producción del siguiente periodo.
Analíticamente, la variación de los coeficientes está relacionada con la relación
existente entre las variables. Operacionalmente, esta variabilidad se puede deber al
control de la variable y al comportamiento que ésta presente.
La tabla 4.29 compara el valor de los coeficientes del modelo desde el 2006
hasta el primer semestre del 2007.
Tabla 4.29. Seguimiento Coeficientes Modelo Planta 2006-2007
Años
Variables 2006 2007
Coeficiente de Determinación R2 0.298 0.321
Intercepto 97.80 80.04
D80 -0.06 ---
LeyCuT 4.15 3.76
CuOxCuT -0.51 -0.49
Colector -0.18 -0.09
Espumante 0.10 0.13
57
Al comparar el comportamiento del modelo, en primer lugar ha de notarse la
desaparición del término D80, debido fundamentalmente al buen control que se ha
tenido de la variable, provocando que la variabilidad en la recuperación no sea
justificada por la movilidad del tamaño de partícula.
Este buen control se debe principalmente a la incorporación de lógicas
automáticas (Control Experto) en el control de la molienda. La cual actúa
directamente sobre los molinos (ejemplo, modificando la potencia). Sin la
intervención humana en el control de la molienda se reducen los tiempos de
respuesta y por lo tanto se disminuye la variabilidad del tamaño de partícula, dejando
así de ser una variable influyente en el modelo.
Otro punto importante, es el peso que las variables no manipuladas en el
modelo ejercen, LeyCuT y CuOxCuT, ya que al no poder controlar estas variables la
operación se condiciona a las fluctuaciones de éstas.
Una variable no considerada directamente en el modelo es el tonelaje. Pero su
incidencia está sobre la dosificación de reactivos, ya que ésta se realiza en función de
la cantidad de mineral tratado.
El tamaño de partícula también se ve afectado por el tratamiento de la planta,
puesto que la eficiencia en la molienda depende directamente del tonelaje
alimentado.
A pesar que el modelo 2007 cuenta con menos variables, este posee un
coeficiente de determinación R2 más alto que el 2006. Esto implica que las variables
seleccionadas para el 2007 ejercen una mayor incidencia en el modelo. Otro punto
importante de destacar es que un R2 mayor indica que el modelo es más
representativo.
58
4.5.3. Modelación Flotación Primaria
Para la confección del modelo se consideran las variables de la flotación

primaria y las de alimentación, la cuales se resumen en la tabla 4.30.
Tabla 4.30. Variables Modelación Flotación Primaria
Variables Flotación Primaria

Nivel de Pulpa en la Celda Prerougher 1
Nivel de Pulpa en la Celda Prerougher 2
Colector
Flotación Prerougher
Espumante
pH Prerougher
Porcentaje de Sólidos
Nivel de Pulpa en la Celda Rougher A1
Nivel de Pulpa en la Celda Rougher B1
Flotación Rougher Nivel de Pulpa en la Celda Rougher B3
Nivel de Pulpa en la Celda Rougher C1
pH Rougher
Ley de Cobre
Relación Cobre Oxidado – Cobre Total (CuOxCuT)
Alimentación
Tamaño de Partícula (D80)
Tonelaje
59
Una parte de estas variables ya se utilizaron en la actualización del modelo
planta, pero se han agregado variables más específicas de cada proceso.
De manera similar al análisis realizado para el modelo planta es necesario
realizar la limpieza de los datos a analizar y se descartan aquellas variables que
presenten problemas. Esta limpieza se realiza tomando como criterio los mismos
parámetros operacionales ya expuestos en el punto 4.4.
Debido a que la herramienta de análisis, MS Excel, trabaja con un máximo de
16 variables, el análisis se realizará en 2 etapas debido al gran número de variables.
Se comienza analizando solamente los niveles de las celdas rougher, como se
presenta en la tabla 4.31.
60
Tabla 4.31. Análisis de Regresión Niveles Celdas Rougher 2006
0,3835
múltiple
Coeficiente de
2 0,1471
determinación R
2
R ajustado 0,1313
Observaciones 662

F
Regresión 12 1887 157 9 0
Residuos 649 10946 17
Total 661 12833

95% 95% 99% 99%
Intercepto 88,46 6,6505 13,30 7,19E-36 75,40 101,52 71,28 105,64
Nivel Celda Rougher A1 0,19 0,1227 1,56 1,20E-01 -0,05 0,43 -0,13 0,51
Nivel Celda Rougher A2 -0,64 0,1166 -5,53 4,68E-08 -0,87 -0,42 -0,95 -0,34
Nivel Celda Rougher A3 0,67 0,1674 4,02 6,59E-05 0,34 1,00 0,24 1,10
Nivel Celda Rougher A4 -0,10 0,1253 -0,83 4,07E-01 -0,35 0,14 -0,43 0,22
Nivel Celda Rougher B1 0,01 0,1251 0,07 9,48E-01 -0,24 0,25 -0,32 0,33
Nivel Celda Rougher B2 0,00 0,1114 -0,03 9,73E-01 -0,22 0,22 -0,29 0,28
Nivel Celda Rougher B3 -0,24 0,1014 -2,36 1,85E-02 -0,44 -0,04 -0,50 0,02
Nivel Celda Rougher B4 0,20 0,0971 2,05 4,06E-02 0,01 0,39 -0,05 0,45
Nivel Celda Rougher C1 -0,06 0,0255 -2,32 2,06E-02 -0,11 -0,01 -0,13 0,01
Nivel Celda Rougher C2 -0,04 0,0304 -1,18 2,37E-01 -0,10 0,02 -0,11 0,04
Nivel Celda Rougher C3 -0,14 0,0832 -1,65 9,84E-02 -0,30 0,03 -0,35 0,08
Nivel Celda Rougher C4 0,02 0,0335 0,52 6,06E-01 -0,05 0,08 -0,07 0,10
Revisando el análisis de regresión se observa que la mayoría de los niveles no

se correlaciona adecuadamente con la recuperación, algunos fallan en los límites de
confianza y otros en el valor del coeficiente. Recordar que el valor del coeficiente
para los niveles debe ser positivo, ya que la relación existente entre nivel de pulpa y
recuperación es directa o proporcional. Solo se aceptan el nivel de la celda A3 y B4.
A continuación se incorporan el resto de las variables más los niveles indicados
anteriormente, como se muestra en la tabla 4.32.
61
Tabla 4.32. Análisis de Regresión Flotación Primaria 2006
0,6263
múltiple
Coeficiente de
2 0,3923
determinación R
2
R ajustado 0,3811
Observaciones 662

F
Regresión 12 5034 420 35 0
Total 661 12833

95% 95% 99% 99%
Intercepto 120,22 8,3112 14,46 2,63E-41 103,90 136,54 98,75 141,69
Tonelaje -0,000002 0,0004 -0,01 9,95E-01 -0,001 0,001 -0,001 0,001
D80 -0,04 0,0072 -5,96 4,23E-09 -0,06 -0,03 -0,06 -0,02
LeyCuT 5,27 0,8612 6,12 1,58E-09 3,58 6,97 3,05 7,50
CuOxCuT -0,47 0,0568 -8,35 4,28E-16 -0,59 -0,36 -0,62 -0,33
Colector -0,27 0,0289 -9,49 4,40E-20 -0,33 -0,22 -0,35 -0,20
Espumante 0,05 0,0224 2,03 4,23E-02 0,002 0,090 -0,012 0,104
Nivel Celda Prerougher 1 -0,14 0,0682 -2,07 3,86E-02 -0,28 -0,01 -0,32 0,03
Nivel Celda Prerougher 2 0,23 0,0663 3,47 5,65E-04 0,10 0,36 0,06 0,40
pH Celda Prerougher -1,97 0,2638 -7,46 2,72E-13 -2,49 -1,45 -2,65 -1,29
Porcentaje de Sólidos 0,11 0,0983 1,08 2,82E-01 -0,09 0,30 -0,15 0,36
Nivel Celda Rougher A3 -0,12 0,0862 -1,35 1,76E-01 -0,29 0,05 -0,34 0,11
Nivel Celda Rougher B4 -0,01 0,0714 -0,17 8,63E-01 -0,15 0,13 -0,20 0,17
Continuando con el método descrito, se eliminan las variables que fallan y se

repite el análisis hasta que ninguna variable presente objeciones. La tabla 4.33 señala
el análisis con las variables aceptadas finalmente.
Se puede dar el caso que algunas variables en determinados escenarios fallen,
como ocurrió con los niveles, y en otros escenarios se acepten. En general las
variables seleccionadas deberán sobrevivir bajo cualquier escenario (entiéndase como
el resto de las variables que componen el modelo).
62
Tabla 4.33. Análisis de Regresión Flotación Primaria 2006 Corregido
0,5752
múltiple
Coeficiente de
2 0,3308
determinación R
2
R ajustado 0,3247
Observaciones 662

F
Regresión 6 4245 708 54 0
Total 661 12833

95% 95% 99% 99%
Intercepto 83,00 2,9616 28,03 3,47E-114 77,18 88,81 75,35 90,65
D80 -0,05 0,0071 -6,36 3,84E-10 -0,06 -0,03 -0,06 -0,03
LeyCuT 4,96 0,8744 5,67 2,11E-08 3,24 6,68 2,70 7,22
CuOxCuT -0,46 0,0562 -8,12 2,31E-15 -0,57 -0,35 -0,60 -0,31
Colector -0,23 0,0225 -10,20 9,02E-23 -0,27 -0,19 -0,29 -0,17
Espumante 0,03 0,0232 1,42 1,57E-01 0,01 0,08 -0,03 0,09
Nivel Celda Prerougher 2 0,28 0,0552 5,14 3,55E-07 0,18 0,39 0,14 0,43
Los resultados obtenidos señalan una gran similitud con el modelo planta.
Considerar el nivel de la segunda celda prerougher no solo se limita a señalar que el
nivel de la celda debe ser alto. Bajo este criterio se fija el nivel para ambas celdas
prerougher como una estrategia operacional. La cual considera mantener el nivel
siempre sobre el 50% de su capacidad. Notar que esta es una medida que no
involucra aumento en los costos de operación, como lo es modificar la dosificación de
reactivos o modificar los porcentajes de sólidos (al incorporar agua).
El coeficiente de determinación presenta un valor bastante aceptable
(R2=0.3308), incluso mayor al del modelo planta (R2=0.2984) del mismo periodo.
Siguiendo con la validación del modelo, el grafico 4.11 indica las diferencias
entre las recuperaciones estimadas y las reales.
63
Gráfico 4.11. Diferencia Recuperaciones Flotación Primaria 2006
Diferencia Recuperaciones Flotación Primaria 2006

100
95
90
Recuperación (%)
85
80
75
70
65
60
Fecha
No se observa una gran diferencia entre los valores estimados y los obtenidos
en el proceso durante el 2006. Por ultimo se realiza el análisis de residuos, el cual se
expone en el gráfico 4.12.
64
Gráfico 4.12. Análisis de Residuos Modelo Flotación Primaria 2006
15
10
5
Residuos
-5
-10
-15
Predicciones Recuperación Flotación Primaria
Aunque la distribución no es completamente simétrica al eje X, el 77% de las

estimaciones tienen un error menor al ±5%. Esto quiere decir que la probabilidad
que la predicción se ajuste con un error menor ±5% es de un 77%, lo cual es
bastante aceptable, considerando el volumen de predicciones, y el criterio de
validación del modelo establece que el 75% de la muestra debe tener un error no
mayor al ±5%.
En vista de lo anterior, el modelo se valida a cabalidad. Por lo que el modelo
de flotación primaria queda de la siguiente manera:
Recuperación=83-0.05·D80 +4.96·LeyCuT-0.46·CuOxCuT-0.23·Colector+0.03·Espumante+0.28·Nivel Celda Prerougher2
Continuando se realiza el análisis de sensibilidad como se ha efectuado con

anterioridad, ver tabla 4.34.
65
Tabla 4.34. Estadística Descriptiva Modelo Flotación Primaria 2006
Nivel Celda
D80 LeyCuT CuOxCuT Colector Espumante
Prerougher 2
Media 197,35 0,97 10,10 37,39 32,84 51,58
Error típico 0,78 0,01 0,10 0,31 0,26 0,11
Mediana 195,26 0,94 10,00 36,06 33,07 51,79
Moda 191,31 0,94 9,09 33,12 34,48 54,00
Desviación estándar 20,16 0,21 2,69 8,02 6,59 2,74
Varianza de la muestra 406,33 0,04 7,24 64,27 43,44 7,52
Curtosis 2,01 0,33 0,51 -0,22 -0,38 0,12
Coeficiente de asimetría 1,01 0,63 0,59 0,62 -0,18 -0,46
Rango 137,64 1,26 15,95 40,11 32,92 17,65
Mínimo 150,88 0,54 4,05 21,18 16,30 41,02
Máximo 288,52 1,80 20,00 61,29 49,22 58,67
Suma 130647 640 6683 24754 21739 34146
Cuenta 662 662 662 662 662 662
Mayor 288,52 1,80 20,00 61,29 49,22 58,67
Menor 150,88 0,54 4,05 21,18 16,30 41,02
Nivel de confianza(95,0%) 1,54 0,02 0,21 0,61 0,50 0,21
Tabla 4.35. Análisis de Sensibilidad Modelo Flotación Primaria 2006
Desviación
Estándar
D80 -0,05 20,16 -0,91
LeyCuT 4,96 0,21 1,04
CuOxCuT -0,46 2,69 -1,23
Colector -0,23 8,02 -1,84
Espumante 0,03 6,59 0,22
Nivel Celda Prerougher 2 0,28 2,74 0,78
66
El colector es la variable que presenta una mayor sensibilidad (-1.84),
seguido de la relación cobre oxidado (1.23) y la ley de cobre (1.04). Esto acusa la
importancia de mantener un adecuado control sobre la dosificación de los reactivos,
no solo por el costo operacional que significa una mala dosificación, sino además por
las repercusiones que tiene en la recuperación.
Como se indico el coeficiente de determinación presenta un valor mayor al del
modelo plata del mismo periodo lo cual indica que el modelo de la flotación primaria
es más representativo que el modelo planta. Esto sin duda hará evaluar la
incorporación de nuevas variables al modelo planta.
Otro punto destacable de señalar es la escasa diferencia existente entre este
modelo y el modelo planta, lo cual ratifica la relación existente entre la recuperación
primaria y planta, vista ya con anterioridad en el punto 4.5.1.
De manera análoga al modelo flotación primaria 2006, se realiza el análisis
para el modelo 2007. Obteniéndose los siguientes resultados finales (sin variables
que presenten problemas), ver tabla 4.36.
67
Tabla 4.36. Análisis de Regresión Flotación Primaria 2007 Corregido
0,5913
múltiple
Coeficiente de
2 0,3497
determinación R
2
R ajustado 0,3423
Observaciones 357

F
Regresión 4 2337 584 47 0
Total 356 6684

95% 95% 99% 99%
Intercepto 81,23 1,6762 48,46 8,08E-158 77,94 84,53 76,89 85,58
LeyCuT 2,68 0,8622 3,11 2,04E-03 0,98 4,38 0,45 4,91
CuOxCuT -0,63 0,0686 -9,11 6,18E-18 -0,76 -0,49 -0,80 -0,45
Colector -0,08 0,0245 -3,15 1,78E-03 -0,13 -0,03 -0,14 -0,01
Espumante 0,16 0,0306 5,38 1,37E-07 0,10 0,22 0,09 0,24
Las variables seleccionadas no difieren mucho del modelo planta. Se observa

que el coeficiente de determinación (R2=0.3497) es mayor al del 2006 (R2=0.3308),
dejando de manifiesto una mejor correlación entre las variables propuestas y la
recuperación.
Análogamente al 2006, los gráficos 4.13 y 4.14 indican la diferencia entre las
predicciones y los valores reales, y el análisis de residuos.
68
Gráfico 4.13. Diferencia Recuperaciones Flotación Primaria 2007
Diferencia Recuperaciones Flotación Primaria 2007

100
95
90
Recuperación (%)
85
80
75
70
65
60
Fecha
La tendencia global de las predicciones se asemeja bastante al

comportamiento del proceso. Esto corrobora lo expuesto sobre la mayor similitud que
genera el modelo sobre comportamiento real de la planta, en comparación al modelo
planta.
69
Gráfico 4.14. Análisis de Residuos Modelo Flotación Primaria 2007
10
0
Residuos
-5
-10
-15
-20
Predicciones Recuperación Flotación Primaria
La dispersión no es la esperada, puesto a que si bien el coeficiente de

correlación y las diferencias entre el modelo y los valores indicaban una gran
analogía, la dispersión alrededor del eje X no es completamente simétrica. A pesar de
lo anterior, el 76% de las predicciones tiene un error menor al ±5% por lo que el
análisis valida el modelo.
Considerando que los valores obtenidos no distan demasiado del modelo
planta y los resultados derivados de los distintos análisis validan el modelo, éste se
acepta, obteniéndose el siguiente modelo para la flotación primaria 2007:
Siguiendo con el método propuesto, las tablas 4.37 y 4.38 indican el análisis
de sensibilidad.
70
Tabla 4.37. Estadística Descriptiva Modelo Flotación Primaria 2007
LeyCuT CuOxCuT Colector Espumante
Media 1,05 10,26 39,26 28,74
Error típico 0,01 0,15 0,43 0,35
Mediana 1,01 9,76 37,60 28,58
Moda 0,90 9,09 34,53 23,70
Desviación estándar 0,25 2,92 8,12 6,56
Varianza de la muestra 0,06 8,53 65,94 43,01
Curtosis 0,31 0,64 -0,11 -0,47
Coeficiente de asimetría 0,73 0,83 0,61 0,30
Rango 1,35 15,07 41,81 33,16
Mínimo 0,53 4,68 20,09 15,17
Máximo 1,88 19,75 61,90 48,33
Suma 376 3662 14015 10259
Cuenta 357 357 357 357
Mayor 1,88 19,75 61,90 48,33
Menor 0,53 4,68 20,09 15,17
Nivel de confianza(95,0%) 0,03 0,30 0,85 0,68
Tabla 4.38. Análisis de Sensibilidad Modelo Flotación Primaria 2007
Desviación
Estándar
LeyCuT 2,68 0,25 0,67
CuOxCuT -0,63 2,92 -1,83
Colector -0,08 8,12 -0,63
Espumante 0,16 6,56 1,08
71
Nuevamente la variable que presenta mayor incidencia en el modelo es la
relación cobre oxidado-cobre total (-1.83). Le sigue el espumante (-1.08), ley de
cobre (0.67) y colector (-0.63).
Reiteradamente, aparece la relación cobre oxidado-cobre total lo cual como ya
se ha manifestado, es de esperarse puesto que bajo esta variable se esconde el tipo
de mineral a tratar y lo complejo que resultará extraer el cobre presente en la pulpa.
La tabla 4.39 compara los modelos generados para el 2006 y primer semestre
del 2007.
Tabla 4.39. Seguimiento Coeficientes Modelo Flotación Primaria 2006-2007
Años
Variables 2006 2007
2
Coeficiente de Determinación R 0.331 0.350
D80 -0.05 ---
LeyCuT 4.96 2.63
CuOxCuT -0.46 -0.63
Colector -0.23 -0.08
Espumante 0.03 0.16
Nivel Celda Prerougher 2 0.28 ---
De manera similar al modelo planta, la variable tamaño de partícula (D80)

desaparece. Como también lo hace el nivel de la celda prerougher 2. Esta
desvinculación se debe al buen control de las variables (estabilidad). Esta estabilidad
hace que las variables no se correlacionen de buena manera con la recuperación, por
lo que mediante los análisis realizados estas variables se descartan.
El coeficiente de determinación R2 también es mayor para el periodo 2007,
confirmando que el modelo 2007 es el que mejor se ajusta. Este indicador es sin
duda el mejor parámetro de comparación porque refleja directamente
(porcentualmente) cual de los dos modelos tiene una mejor vinculación con las
variables seleccionadas.
72
En general, el modelo de la flotación primaria es muy similar al modelo planta,
lo cual ratifica la estrecha vinculación existente entre la recuperación primaria y la
recuperación planta, como se analizó en el punto 4.5.1 donde cerca del 94% de la
recuperación planta estaba dada por la recuperación de la flotación primaria. En otras
palabras, cerca del 94% del cobre presente en la alimentación se recupera en la
flotación primaria. Es por esto, lo fundamental que resulta obtener altas
recuperaciones en esta etapa.
73
4.5.4. Modelación Flotación Limpieza
Cabe indicar que para la Flotación Limpieza no se cuenta con modelo alguno,
por lo que los resultados obtenidos serán de gran utilidad en el proceso y en las
estrategias de control que se deban tomar.
Las variables a utilizar para modelar el proceso se señalan en la tabla 4.40.
Tabla 4.40. Variables Modelación Flotación Limpieza
Variables Flotación Limpieza

Potencia Molino Remolienda Nº6
Potencia Molino Remolienda Nº7
Remolienda Presión Hidrociclones
Porcentaje de Sólidos
Tamaño de Partícula (P80)
Nivel de Pulpa en la Columna Nº1
Nivel de Pulpa en la Columna Nº2
Flujo de Aire Columna Nº1
Flotación Columnar Flujo de Aire Columna Nº2
Flujo Agua de Lavado Columna Nº1
Flujo Agua de Lavado Columna Nº2
pH
Nivel de Pulpa en la Celda Scavenger 1
Flotación Scavenger Nivel de Pulpa en la Celda Scavenger 3
Nivel de Pulpa en la Celda Wemco 4500
Ley de Cobre Limpieza (LeyCuTLimp)
Alimentación
Tonelaje Limpieza
74
La alimentación al circuito como se mencionó en la tabla 4.14 corresponde a
los concentrados prerougher y rougher, Tonelaje Limpieza. De esta forma
podemos calcular una ley ponderada de entrada, LeyCuTLimp, la cual queda
determinada por la siguiente relación:
Concentrado Prerougher ⋅ Ley Con. Prerougher + Concentrado Rougher ⋅ Ley Con. Rougher
LeyCuTLimp =
Concentrado Prerougher + Concentrado Rougher
Realizando la limpieza de datos se eliminan: la potencia del molino 6, la

presión de los hidrociclones, porcentaje de sólidos, flujo de aire columna 1, flujo de
agua columna 1 y 2, debido a que el número de datos blancos para el periodo en
estudio (2006-2007) es muy alto.
Seguido a esto, la tabla 4.41 presenta el análisis de regresión para el 2006,
presentándose variables con objeciones, tanto en el valor esperado como en los
límites de confianza.
75
Tabla 4.41. Análisis de Regresión Modelo Flotación Limpieza 2006
0,6288
múltiple
Coeficiente de
2 0,3953
determinación R
2
R ajustado 0,3850
Observaciones 777

F
Regresión 13 5949 458 38 0
Total 776 15047

95% 95% 99% 99%
Intercepto 70,82 6,0030 11,80 1,26E-29 59,04 82,61 55,32 86,33
Tonelaje Limpieza 0,01 0,0009 8,64 3,25E-17 0,01 0,01 0,01 0,01
LeyCuTLimp 0,77 0,0886 8,70 2,04E-17 0,60 0,94 0,54 1,00
Potencia Molino 7 -0,01 0,0088 -1,32 1,86E-01 -0,03 0,01 -0,03 0,01
P80 -0,02 0,0060 -3,01 2,67E-03 -0,03 -0,01 -0,03 0,00
Nivel Columna 1 0,12 0,0187 6,29 5,46E-10 0,08 0,15 0,07 0,17
pH -0,74 0,2263 -3,25 1,21E-03 -1,18 -0,29 -1,32 -0,15
Flujo Aire Columna 2 0,48 0,2121 2,27 2,33E-02 0,07 0,90 -0,07 1,03
Nivel Columna 2 -0,03 0,0132 -2,09 3,72E-02 -0,053 -0,002 -0,06 0,01
Nivel Scavenger 1 0,10 0,0356 2,91 3,72E-03 0,03 0,17 0,01 0,20
Nivel Scavenger 2 -0,20 0,0324 -6,13 1,38E-09 -0,26 -0,14 -0,28 -0,11
Nivel Scavenger 3 -0,01 0,0402 -0,33 7,43E-01 -0,09 0,07 -0,12 0,09
Nivel Wemco 4500 -0,03 0,0149 -2,19 2,92E-02 -0,062 -0,003 -0,07 0,01
Las variables que se eliminan en una primera instancia son la potencia del
molino 7, pH, nivel columna 2, nivel Scavenger 2 y 3, y nivel Wemco 4500.
La tabla 4.42 presenta el análisis de regresión corregido, sin variables que
presenten objeciones.
76
Tabla 4.42. Análisis de Regresión Modelo Flotación Limpieza 2006 Correg.
0,5784
múltiple
Coeficiente de
2 0,3346
determinación R
2
R ajustado 0,3294
Observaciones 777

F
Regresión 6 5035 839 65 0
Residuos 770 10012 13
Total 776 15047

95% 95% 99% 99%
Intercepto 52,23 2,2214 23,51 1,47E-92 47,87 56,59 46,49 57,97
LeyCuTLimp 0,73 0,0891 8,24 7,64E-16 0,56 0,91 0,50 0,96
P80 -0,03 0,0058 -4,64 4,15E-06 -0,04 -0,02 -0,04 -0,01
Nivel Columna 1 0,11 0,0143 7,38 4,01E-13 0,08 0,13 0,07 0,14
Flujo Aire Columna 2 0,66 0,2153 3,07 2,18E-03 0,24 1,08 0,11 1,22
Destacan las variables que son de carácter operacional como el tamaño de

partícula (P80) y los niveles de las celdas (columna 1 y scavenger 4).
La participación en el modelo del tamaño de partícula (P80), era de esperarse
ya que actúa de manera similar al tamaño de partícula en la entrada del proceso
(D80). El inconveniente de esta variable, P80, radica en que depende del
funcionamiento de los hidrociclones, y como clasifiquen la pulpa. Y esta clasificación
depende fuertemente, entre otros factores, de la geometría y desgaste que tengan
los hidrociclones. Más adelante se profundizará más en el control de esta variable y
en cómo mejorar su eficiencia.
Siguiendo con el procedimiento, el grafico 4.15 señala las diferencias entre el
modelo y los valores reales.
77
Gráfico 4.15. Diferencia Recuperaciones Modelo Flotación Limpieza 2006
Diferencia Recuperaciones Flotación Limpieza 2006

100
95
90
Recuperación (%)
85
80
75
70
65
60
Fecha
Existe una gran similitud entre los valores pronosticados y los obtenidos. Lo
anterior hace suponer que tendrá una dispersión bastante simétrica en el análisis de
residuos. Este análisis se presenta en el gráfico 4.16.
78
Gráfico 4.16. Análisis de Residuos Modelo Flotación Limpieza 2006
10
5
Residuos
-5
-10
-15
Predicciones Recuperación Flotación Limpieza
La dispersión de residuos se comporta de manera bastante simétrica, aunque

se presentan valores dispares, estos no impiden la aprobación del modelo. Además el
75% de las predicciones tiene un error menor al ±5%, por lo que el modelo se valida
completamente.
Luego de validar el modelo para el 2006, éste queda de la siguiente manera:
Recuperación=52.30+0.01·X1+0.73·X2-0.03·X3+0.11·X4+0.66·X5+0.09·X6
Donde:
X1: Tonelaje Limpieza X4: Nivel Columna 1
X2: Ley de cobre, LeyCuTLimp X5: Flujo de Aire Columna 2
X3: Tamaño de partícula (P80) X6: Nivel Scavenger 4
Como ya se ha efectuado, a continuación las tablas 4.43 y 4.44 señalan el

análisis de sensibilidad.
79
Tabla 4.43. Estadística Descriptiva Flotación Limpieza 2006
Tonelaje Nivel Flujo Aire Nivel

LeyCuTLimp P80
Limpieza Columna 1 Columna 2 Scavenger 4
Media 693,42 8,17 63,40 79,23 11,77 43,28
Error típico 7,06 0,07 0,85 0,42 0,03 0,37
Mediana 674,63 7,95 57,02 81,50 11,93 41,11
Moda --- --- 70,60 80,00 12,00 32,07
Desviación estándar 196,80 2,05 23,77 11,62 0,78 10,41
Varianza de la muestra 38729,96 4,21 564,79 135,12 0,61 108,36
Curtosis 0,90 0,06 0,90 0,47 -0,34 -0,06
Coeficiente de asimetría 0,75 0,38 1,14 -0,95 -0,22 0,79
Rango 1297,68 12,16 124,95 57,31 3,73 49,11
Mínimo 195,26 2,54 23,54 39,00 9,85 23,27
Máximo 1492,94 14,71 148,49 96,31 13,58 72,38
Suma 538789 6347 49260 61564 9143 33631
Cuenta 777 777 777 777 777 777
Mayor 1492,94 14,71 148,49 96,31 13,58 72,38
Menor 195,26 2,54 23,54 39,00 9,85 23,27
Nivel de confianza(95,0%) 13,86 0,14 1,67 0,82 0,05 0,73
Tabla 4.44. Análisis de Sensibilidad Flotación Limpieza 2006
Desviación
Estándar
Tonelaje Limpieza 0,01 196,80 1,36
LeyCuTLimp 0,73 2,05 1,51
P80 -0,03 23,77 -0,64
Nivel Columna 1 0,11 11,62 1,23
Flujo Aire Columna 2 0,66 0,78 0,52
Nivel Scavenger 4 0,09 10,41 0,94
80
La variable que presenta un mayor impacto (1.51) en el modelo es la ley de
cobre en la alimentación, LeyCuTLimp. Le siguen el tonelaje alimentado (1.36) y
nivel de la columna 1 (1.23).
Claramente existe una mayor presencia de variables manipulables desde el
punto de vista operacional. Esto apunta a mejorar el control de estas variables, y por
ende, de todas las variables presentes en la etapa (flotación limpieza).
Continuando con el análisis planteado se realiza el mismo procedimiento para
el primer semestre del 2007.
Se dejan fuera las mismas variables señaladas para el periodo 2006, ya que
no se cuenta con suficiente información.
La tabla 4.45 muestra el análisis de regresión para el 2007.
81
Tabla 4.45. Análisis de Regresión Modelo Flotación Limpieza 2007
0,5484
múltiple
Coeficiente de
2 0,3008
determinación R
2
R ajustado 0,2749
Observaciones 365

F
Regresión 13 1630 125 12 0
Total 364 5420

95% 95% 99% 99%
Intercepto 56,67 12,6837 4,47 1,07E-05 31,72 81,62 23,82 89,52
LeyCuTLimp 0,57 0,0982 5,85 1,14E-08 0,38 0,77 0,32 0,83
Potencia Molino 7 -0,001 0,0113 -0,12 9,07E-01 -0,02 0,02 -0,03 0,03
P80 0,15 0,0452 3,24 1,29E-03 0,06 0,24 0,03 0,26
Nivel Columna 1 0,02 0,0195 0,88 3,81E-01 -0,02 0,06 -0,03 0,07
pH 0,84 0,7261 1,16 2,46E-01 -0,58 2,27 -1,04 2,72
Flujo Aire Columna 2 0,05 0,0681 0,74 4,58E-01 -0,08 0,18 -0,13 0,23
Nivel Columna 2 -0,11 0,0841 -1,35 1,77E-01 -0,279 0,052 -0,33 0,10
Nivel Scavenger 1 -0,02 0,0370 -0,51 6,10E-01 -0,09 0,05 -0,11 0,08
Nivel Scavenger 2 0,01 0,0488 0,21 8,30E-01 -0,09 0,11 -0,12 0,14
Nivel Scavenger 3 0,11 0,0467 2,31 2,16E-02 0,02 0,20 -0,01 0,23
Nivel Scavenger 4 -0,08 0,0218 -3,59 3,78E-04 -0,12 -0,04 -0,13 -0,02
Nivel Wemco 4500 0,03 0,0879 0,29 7,74E-01 -0,148 0,198 -0,20 0,25
Se aprecia la mayoría de las variables presenta objeciones (limites en su

mayoría). Efectuando los ajustes necesarios se tiene la tabla 4.46 corregida con los
valores finales.
82
Tabla 4.46. Análisis de Regresión Modelo Flotación Limpieza 2007 Correg.
0,4813
múltiple
Coeficiente de
2 0,2317
determinación R
2
R ajustado 0,2274
Observaciones 365

F
Regresión 2 1256 628 55 0
Total 364 5420

95% 95% 99% 99%
Intercepto 64,99 1,4141 45,96 3,74E-153 62,21 67,77 61,33 68,65
LeyCuTLimp 0,75 0,0836 8,92 2,27E-17 0,58 0,91 0,53 0,96
Las únicas variables que se aceptan son las variables de entrada a la etapa, el
resto de las variables se desechan. Esto operacionalmente se puede justificar, ya que
para el periodo de estudio, primer semestre 2007, la planta presentó varios
problemas del tipo mecánico-instrumental.
Esto es principalmente, paradas incidentales y fallas en la instrumentación. Ya
sea por mala manipulación o simplemente desgaste, varios instrumentos sufrieron
daños (descalibraciones) por lo que los valores registrados son erróneos. Y por lo
tanto su vinculación con la recuperación se hace insatisfactoria.
El grafico 4.17 señala las diferencia obtenidas entre las predicciones y los
valores reales.
83
Gráfico 4.17. Diferencia Recuperaciones Modelo Flotación Limpieza 2007
Diferencia Recuperaciones Flotación Limpieza 2007

100
95
90
Recuperación (%)
85
80
75
70
65
60
Fecha
Los valores estimados, muy por el contrario de lo esperado, se ajustan en gran

medida a los valores obtenidos. Claramente comparten la misma tendencia lo cual
indica que el modelo, después de todo, concuerda con la recuperación real.
El gráfico 4.18 muestra el análisis de residuos realizado para el modelo
flotación limpieza 2007.
84
Gráfico 4.18. Análisis de Residuos Modelo Flotación Limpieza 2007
10
2
Residuos
-2
-4
-6
-8
-10
Predicciones Recuperación Flotación Limpieza
Aunque existen valores bastante alejados de eje X (diferencia entre el modelo

y los valores reales) estos valores se dispersan de buena manera alrededor del eje X.
considerando esto y que el 75% de las predicciones tiene un error menor al ±5%, a
pesar de contar con un reducido numero de variables el modelo se valida. El modelo
estadístico para el 2007 resulta de la siguiente manera:
Recuperación=64.99+0.01·Tonelaje Limpieza+0.75·LeyCuTLimp
Las tablas 4.47 y 4.48 muestran la estadística descriptiva y la sensibilidad del

modelo 2007.
85
Tabla 4.47. Estadística Descriptiva Flotación Limpieza 2007
Tonelaje
LeyCuTLimp
Limpieza
Media 524,53 11,26
Error típico 7,69 0,12
Mediana 502,62 10,83
Moda --- ---
Desviación estándar 146,77 2,37
Varianza de la muestra 21540,12 5,60
Curtosis 0,30 0,56
Coeficiente de asimetría 0,66 0,79
Rango 764,97 12,87
Mínimo 210,57 6,05
Máximo 975,54 18,91
Suma 190930 4097
Cuenta 364 364
Mayor 975,54 18,91
Menor 210,57 6,05
Nivel de confianza(95,0%) 15,13 0,24
Tabla 4.48. Análisis de Sensibilidad Flotación Limpieza 2007
Desviación
Estándar
Tonelaje Limpieza 0,01 146,77 1,74
LeyCuTLimp 0,75 2,37 1,77
Este análisis indica que la variable que presenta una mayor incidencia en el
modelo es la ley de cobre en la alimentación a la etapa, LeyCuTLimp (1.77).
86
El limitado número de variables (2) hace suponer que el modelo no es del todo
representativo, sumado a esto el modelo no presenta un coeficiente de determinación
muy alto (R2=0.23).
De modo análogo al 2006, la tabla 4.49 compara los coeficientes de los
modelos para el 2006 y 2007.
Tabla 4.49. Seguimiento Coef. Modelo Flotación Limpieza 2006-2007
Años
Variables 2006 2007
Coeficiente de Determinación R2 0.33 0.23
Tonelaje Limpieza 0.01 0.01
LeyCuTLimp 0.73 0.75
Tamaño de partícula (P80) -0.03 ---
Nivel Columna 1 0.11 ---
Flujo de Aire Columna 2 0.66 ---
Nivel Scavenger 4 0.09 ---
El 2006 se obtuvo un coeficiente de determinación mayor (0.33), lo cual indica

una mayor representatividad del modelo.
Para el periodo 2007 desaparecen en su totalidad las variables manipuladas
(P80, niveles y flujo de aire) esta desvinculación corresponde principalmente a la falta
de datos idóneos para el análisis. A pesar que el modelo 2007 solo cuenta con dos
variables, los coeficientes de estas variables no varían demasiado en comparación
con los valores obtenidos para el modelo 2006.
87
4.6. Conclusiones
El análisis de regresión múltiple permitió actualizar el modelo de la planta,
encontrándose que la variable tamaño de partícula para el periodo 2007 no
participaba en el modelo, fundamentalmente por la estabilidad asociada a esta
variable lo cual desvinculó su variación a las fluctuaciones de la recuperación.
Por otro lado, el modelo para la flotación primaria se asemejó bastante al
modelo planta, ratificando la estrecha relación existente entre la recuperación planta
y la recuperación primaria. Esto debido, esencialmente a que en la etapa de flotación
primaria se tiene lugar a la mayor recuperación de cobre del proceso.
Dentro del modelo flotación primaria se incorpora una variable manipulada,
nivel celda prerougher 2, lo cual involucra un mayor control sobre los niveles, ya que
al aumentarlos se mejora la recuperación. Un beneficio de controlar el nivel es que no
conlleva ningún gasto asociado, puesto a que solo se deberá fijar un nuevo set-point
al control de nivel de las celdas (automático).
Para la flotación limpieza se generó un modelo que se ve afectado
principalmente por variables manipuladas (tamaño de partícula, flujos, niveles, etc.),
lo cual hace referencia a que una mayor productividad (recuperación) se verá
afectada solo con cambios operacionales.
Estos cambios a diferencia del modelo de flotación primaria, pueden significar
un aumento en los consumos eléctricos, especialmente, puesto que para disminuir el
tamaño de partícula se deberá aumentar la potencia de los molinos, o para mejorar la
clasificación en los hidrociclones se deberá aumentar la presión, y por ende aumentar
la potencia de las bombas, etc.
Considerando las variables obtenidas en el modelo flotación limpieza 2006 y
2007, se realizarán las mejoras en la planta, uno de los objetivos trazados en la
presente memoria.
88
CAPITULO 5: MEJORAS
Las mejoras de la planta se realizan en función de las variables presentes en

los modelos estadísticos desarrollados mediante el análisis de regresión multivariable.
Los modelos planta y flotación primaria, no se analizaron puesto que cada
variable presente en los modelos es controlada y/o medida, por lo que cualquier
alteración de los valores normales se detecta rápidamente.
Por el contrario, en la flotación limpieza no existe una adecuada supervisión
de las variables detectadas, ni de las que actualmente se controlan. Es por esto que
las mejoras se centrarán únicamente en esta etapa para la detección de puntos de
mejoramiento.
Considerando las variables presentes en los modelos flotación limpieza 2006 y
2007, en la tabla 5.1 se señala la revisión realizada para la detección de los puntos de
mejoramiento.
Esta revisión no solo considera el estado actual de las variables involucradas
en los modelos estadísticos, ya estudiados, además se complementa un análisis
global a cada etapa involucrada.
89
Tabla 5.1. Estado Variables Flotación Limpieza
Variables Flotación Limpieza

Variables Etapa Estado Acción
Tonelaje
Estas variables no se miden ni se calculan, pero
Limpieza mediante balance de materia se pueden
Alimentación determinar. No se justifica su medición si se Sin acción.
Ley de Cobre pueden determinar indirectamente (ahorro en
Ponderada instrumentación).
Si bien esta variable se mide y no presenta

Tamaño de variaciones significativas con los valores
esperados, la clasificación presenta deficiencias Se revisará el
partícula Remolienda en el producto de fondo de los ciclones. Además sistema completo
(P80) existe un problema en el transporte hidráulico de clasificación.
del producto de fondo desde los ciclones hacia
los molinos de remolienda.
Nivel Para ambas columnas el control de nivel y aire
no presenta problemas. Los inyectores de aire
Columna 1 reciben mantención periódica, por lo que se Se revisará el
Flotación
descarta la posibilidad de una adición de aire sistema de adición
Flujo de Aire Columnar defectuosa (no homogénea). Se detectó una no de agua a ambas
uniforme adición de agua de limpieza para columnas
Columna 2 ambas columnas por un diseño inadecuado y
por una mala operación.
Nivel Flotación
Los niveles para la etapa completa son medidos
Sin acción.
Scavenger 4 Scavenger y no presentan mayores reparos.
En consideración a este análisis, se detectó una defectuosa clasificación en los

hidrociclones, principalmente al producto de fondo (underflow, partículas más
gruesas), el cual contiene más partículas finas de las que debería, produciendo así un
aumento de la carga circulante, haciendo ineficiente el sistema al tener que remoler
partículas finas que ya han sido remolidas.
Dentro de esta misma etapa, y en el mismo equipo, se encontró que el
sistema de transporte de pulpa del producto de fondo desde los ciclones hacia los
molinos de remolienda, presenta un problema de diseño.
En la flotación columnar no se encontraron deficiencias en la medición y/o
control de las variables, sino que un mal diseño y operación en el sistema de adición
de agua de lavado a cada columna.
90
5.1. Flotación Columnar
La flotación columnar, de un modo general, aumentan la flotación de las
fracciones finas y ultrafinas y permiten eliminar, el arrastre hidráulico de las partículas
no deseadas por el eficiente drenaje realizado con la adición de agua de lavado.
Esto es asociado al contacto en contracorriente entre las burbujas de aire y la
pulpa en condiciones de flujo mas tranquilas (sin agitación mecánica), hacen de la
columna un buen proceso de recuperación de las fracciones finas de minerales o de
enriquecimiento de concentrados.
Comercialmente, las columnas son utilizadas en la limpieza de cobre,
molibdeno, zinc, plomo, estaño y oro, además de varios usos en minerales
industriales como fosfatos, fluorita, calcita, etc.
Básicamente consisten en columnas de gran altura (10 a 15 metros), de
sección circular, rectangular o cuadradas con una relación altura/diámetro del orden
de 10, generalmente.
Su operación se basa en contactar en contracorriente, un flujo ascendente de
burbujas de aire y un flujo descendente de pulpa mineralizada, la cual es alimentada
a 2/3 de la altura de la columna. En su extremo superior que es por donde se
descarga el concentrado mediante el rebalse de la espuma, posee además un sistema
de agua de lavado (en forma de lluvia). La descarga del relave se realiza en el
extremo inferior de la columna, donde también está dispuesto un difusor de gas que
genera las burbujas, ver figura 5.1.
91
Figura 5.1. Diagrama Flotación Columnar
En una columna de flotación se distinguen dos zonas diferentes que poseen

flujos en contracorriente bien definidos:
Zona de Colección: en esta zona ubicada bajo la interfase (llamada también zona
de suspensión, de burbujeo o de recuperación), las partículas en suspensión
alimentadas son contactadas en contracorriente con un enjambre de burbujas
producidas por un difusor en el fondo de la columna.
Zona de Limpieza: en esta zona ubicada sobre la interfase (también llamada zona
de espuma) existe un flujo en contracorriente entre las burbujas mineralizadas (lecho
de espuma) y el agua de lavado que previene el arrastre hidráulico de partículas no
deseadas al concentrado, haciéndolo mas selectivo.
92
5.1.1. Estado
El Soldado cuenta con 2 celdas columnares, una rectangular de 6.8 m2

(columna 1), y otra cilíndrica de 16 m2 (columna 2).
Ambas columnas poseen un sistema de parrillas, de barras perforadas
(originalmente de 3 mm), mediante las cuales se agrega agua para lavar el
concentrado y aumentar la ley, ver figuras 5.2 y 5.3.
El control de la adición de agua está a cargo del operador de flotación, el cual
fija el flujo de agua para la columna 1 y 2, 10 y 22.5 m3/h respectivamente. Además,
localmente se puede manipular el flujo de cada barra mediante válvulas de corte
(tipo bola).
Cada columna, además cuenta con un sistema de lavado del colector de
concentrado, que en ocasiones se utiliza también para lavar las barras. Especialmente
cuando la columna rebalsa y las barras quedan cubiertas con concentrado.
Figura 5.2. Sistema de Adición de Agua Columna 1
93
Figura 5.3. Sistema de Adición de Agua Columna 2
El principal problema del sistema de adición de agua es que la red de agua

posee una alta cantidad de impurezas las cuales regularmente obstruyen los orificios
de las barras y la manipulación inadecuada de las válvulas de control produce flujos
irregulares y hacen ineficiente el sistema, como se aprecia en la figuras 5.2 y 5.3.
Además al operar manualmente las válvulas de cada barra éstas se obstruyen
inhabilitando toda la barra (bloqueada).
La fuente de agua de la planta se compone de agua fresca y agua recuperada
del tranque de relave. Ésta última es la que se utiliza principalmente como agua de
proceso, entre otras aplicaciones como agua de lavado.
Esta agua contiene un alto nivel de impurezas y agentes biológicos, los cuales
producen la aparición de lama[*].ver figura 5.4.
[*]
Cobertura de plantas briófitas muy pequeñas que crecen formando capas aterciopeladas en lugares
húmedos y sombríos.
94
Figura 5.4. Incrustaciones Sistema de Lavado Columnas
Las lamas obstruyen los orificios alterando la presión en la barra originando

una adición irregular de agua a la pulpa. Y con ello, una baja eficiencia en el lavado
del concentrado resultante.
95
5.1.2. Soluciones
Como primera medida fue necesario realizar limpieza a las barras, para ello se
desmontaron todas las barras y se aumento el tamaño del orificio a 4 mm con el
objeto de disminuir las incrustaciones.
Además se reemplazaron las válvulas de cada barra, ver figura 5.5.
Figura 5.5. Mantención Sistema de Lavado Columna 2
Como segunda medida, el control del flujo de agua se automatizó, así el flujo
se mantiene constante y se evita la manipulación en terreno, ver figura 5.6.
El procedimiento anterior, se realizó para ambas columnas. Para ambos casos,
fue necesario establecer los nuevos flujos de agua.
Lamentablemente, las fluctuaciones en la red local, hacen inviable establecer
un flujo fijo de adición de agua, por lo que simplemente el operador debe fijar un
flujo en base a las condiciones diarias.
En la práctica, esto implica que luego de realizar una inspección visual a cada
sistema de adición, el flujo se fija desde la sala de control (mediante comunicación
radial entre el operador de terreno y el operador de la sala de control) para que la
96
adición se realice de una manera óptima, es decir que el agua se adicione de forma
pareja y estable sobre la sección de la columna.
Figura 5.6. Sistema de Lavado Columna 2 Mejorado
Para disminuir la cantidad de impurezas se instaló un filtro en la columna 2,

que es la más grande y por ello la que entrega un mayor flujo de concentrado, ver
figura 5.7.
Figura 5.7. Filtro Sistema de Lavado Columna 2
97
5.1.3. Recomendaciones
La mantención de las barras se realiza, en teoría, junto con la mantención de

la columna, es decir cada 45 días, aumentar esta frecuencia, realizando la
mantención cada 15 ó 21 días se disminuirán las barras en mal estado y a la vez el
tiempo que dura la mantención.
Asignar tareas rutinarias a los operadores como:
Limpiar el filtro.
Lavar las cañerías.
Chequear estado de válvulas.
Destapar cañerías mediante agua a presión.
Como se aprecia no es mucho tiempo el que se debe tomar para realizar
pequeñas pero significativas labores de mantención.
Como alternativa de eliminación de lamas, es necesario realizar un estudio
sobre el impacto que puede tener en la recuperación la adición de alguicidas u otro
agente antibiológico, especialmente debido al efecto en las propiedades físico-
químicas
98
5.1.4. Conclusiones
Si bien la principal causante de los obstrucciones del sistema de lavado es la

misma agua, debido al alto contenido de impurezas y lamas. La escasa mantención
que se realiza es la que permite el deterioro de las cañerías y mal funcionamiento del
sistema.
Realizar una adecuada mantención no es solo labor del Taller de
Mantención (mecánicos) deben incluirse a los operadores de flotación en la
mantención día a día.
Con labores sumamente sencillas, que no involucran mayores riesgos ni
inversión se puede mantener el sistema actual en un adecuado funcionamiento, pero
es necesario incrementar las mantenciones programadas, y no esperar, que la
cañería este obstruida totalmente para informar y luego reparar.
99
5.2. Remolienda
La etapa de remolienda esta conformada de una etapa de homogenización
(cuba), de clasificación (hidrociclones) y de conminución (molinos de remolienda).
En la cuba convergen las pulpas provenientes de distintas etapas (concentrado
rougher, relave limpieza prerougher, concentrado scavenger y producto de los
molinos de remolienda), adicionalmente se agrega agua para mejorar la clasificación.
La pulpa se impulsa hacia los hidrociclones mediante una bomba que descarga a una
presión promedio de 30 psig (206842.7 Pa).
La etapa de clasificación en la remolienda cuenta con una batería de ciclones
(10) los cuales se alimentan desde la cuba. El material fino (overflow) alimenta a las
columnas y el material grueso (underflow) pasa a los molinos los cuales entregan su
producto a la cuba, generando la recirculación.
En la última etapa, los molinos de remolienda (de barras o bolas) disminuyen
aun más el tamaño de las partículas para facilitar la flotación del mineral de interés
(cobre). El producto de los molinos vuelve a la cuba para completar el ciclo. Ver
figura 5.8 para el circuito completo.
Figura 5.8. Circuito de Remolienda
Concentrado Rougher Flotación

Hidrociclones Columnar
Relave Limpieza Prerougher
Concentrado Scavenger
Molinos
Agua
6Y7
Cuba
Remolienda
Bomba
100
Las baterías de hidrociclones, por lo general, cuentan con la siguiente
configuración, ver figura 5.9.
Figura 5.9. Configuración Batería de Hidrociclones
La alimentación llega a un distribuidor central el cual reparte equitativamente

la pulpa a todos los hidrociclones. Luego en el hidrociclón separa la pulpa en función
de la diferencia de densidades (peso específico), saliendo por la parte superior
(overflow) la pulpa más fina, y por la parte inferior (overflow) la pulpa más gruesa.
Cada una de estas corrientes cae a un botadero o launder (en inglés) el cual
recolecta cada una de las corrientes entregadas por cada hidrociclón para luego
destinarlas a la etapa siguiente.
101
5.2.1. Estado
En la cuba la adición de agua es casi constante y sin medición, mientras que el

nivel de pulpa es sumamente variable, por lo que la densidad de la pulpa varía
enormemente. A la vez, la potencia de la bomba se fija manualmente, y no
necesariamente responde o se ajusta a las variaciones de nivel ni de densidad de la
cuba.
La batería originalmente contaba con 10 ciclones, ubicados de forma similar a
la expuesta en la figura 5.9. En la actualidad solo existen 9 hidrociclones, de los
cuales, generalmente, 5 operan mientras los otros están en stand-by (en espera), ver
figura 5.10.
Figura 5.10. Batería de Hidrociclones
Debido a un problema de diseño en el launder del underflow la pulpa no

escurre fácilmente hacia el cajón de alimentación de los molinos. Debido a que la
inclinación o pendiente del launder no es la suficiente para que la pulpa se desplace
naturalmente hacia el cajón de alimentación de los molinos. Además en la parte
102
posterior del launder la distancia entre la descarga del hidrociclón y el launder no es
la suficiente para que el hidrociclón descargue libremente.
Esta pérdida de fluidez produce embancamientos (estancamientos) e incluso
reboses de pulpa provocando el acordonamiento de los hidrociclones, ver figuras 5.11
y 5.12.
Figura 5.11. Embancamientos en el Launder del Underflow.
Figura 5.12. Acordonamiento de los Hidrociclones
103
Para evitar esta situación se agrega agua mediante una red auxiliar contra
incendios, permitiendo que la pulpa fluya de mejor manera y así evacuar la pulpa del
launder, ver figura 5.13.
Figura 5.13 Adición de Agua Launder del Underflow
Esta adición se realiza mediante tres mangueras de la red de incendio, pero

esta adición no cuenta con ninguna medición de flujo con lo que además de hacer
fluir la pulpa, se podría estar afectando directamente el proceso de molienda.
Es necesario tener en cuenta que un exceso de agua en la molienda produce:
Molienda gruesa.
Aumento de costo de producción.
Densidad baja.
Menor eficiencia del molino.
Bajo tonelaje del molino.
Excesivo consumo de bolas y chaquetas o revestimientos.
Costo de molienda alto.
104
Ahora por el contrario, una falta de agua podría producir:
Molienda gruesa y mala.
Paradas obligatorias del molino.
Densidad elevada.
Perdidas de tonelaje en el molino.
Otra situación no menor es el uso excesivo de ciertos ciclones,
preferentemente los que se ubican en la zona más cercana al cajón de alimentación
de los molinos (zona delantera), ver figura 5.14.
Figura 5.14. Cubicación Hidrociclones de Remolienda
Los flujos 1, 2 y 3 corresponden a los puntos de adición de agua,

preferentemente se ubican en la zona posterior, para favorecer el desplazamiento de
la pulpa hacia los molinos.
Lo hidrociclones 3, 4, 6 y 7 son los que se ubican en la parte posterior, por lo
que se utilizan con menos frecuencia, ya que son los que habitualmente se
acordonan o producen embancamientos (El hidrociclón 5 no existe). Los hidrociclones
1, 2, 8, 9 y 10 son los que se utilizan con mayor frecuencia, pero a la vez son los que
presentan mayores tasas de desgastes.
105
A raíz de esto, la clasificación no es la más adecuada, ya que se presentan
partículas de gruesas en el overflow del hidrociclón, dejando de manifiesto un
problema operacional (Tamaño de partícula, P80 alto).
5.2.2. Soluciones
Es necesario controlar adición de agua, para ello, se sugiere agregar agua

mediante 2 ó 4 aspersores tipo pico pato, con esto se obtiene un flujo regulado en la
zona posterior, ver figura 5.15.
Figura 5.15. Esquema Sistema de Adición de Agua
De esta manera el transporte de pulpa se facilitará mediante un flujo a alta

presión, pero de menor caudal, minimizando el consumo de agua. Los aspersores al
ser de plástico no presentan, en teoría, problemas de obturación ya que la pulpa no
se adhiere tan fácilmente, disminuyendo la posibilidad que se tapen.
Se pueden utilizar las mismas fuentes de agua existentes para realizar la
nueva conexión. El diseño es relativamente sencillo (cañerías, fittings y válvula). Y el
106
costo de materiales y tiempo requerido son bajos. Se ve que con una mínima
inversión se pueden obtener notables mejoras.
Como producto de la modelación de la flotación limpieza se determinó que uno
de las variables que afectaban la recuperación era el tamaño de partícula, P80.
A raíz de este estudio, se observó que el valor del P80 era bastante alto
(promedio 2006 63,5), en relación al valor teórico (promedio 48).
Es necesario identificar cual es el estado actual de la clasificación, y así
determinar el real efecto de la adición de agua a los molinos. Para ello será necesario
realizar un balance a los hidrociclones, identificando sus parámetros de reparto y
eficiencias.
La base teórica para el cálculo de estos parámetros se halla en el Anexo F.
Pero resumiendo los parámetros más relevantes se tiene la tabla 5.2.
Tabla 5.2. Parámetros de Reparto y Eficiencias de Hidrociclones
• Nomenclatura
Ti: Masa en T/h se sólido seco.
Mi: Volumen en m3/h de pulpa.
Li: Volumen en m3/h de líquido.
Ji: Concentración de sólidos expresada en gramos de sólido seco
por litro de pulpa. Ji = Ti x 1000 / Mi
γS: Densidad del sólido
Z: Alimentación
F: Finos (Overflow)
G: Gruesos (Underflow)
Reparto de Sólidos: Relación de masa de sólidos de la TG J − JF JG

• Θ= = Z ⋅
alimentación que es descargada por la corriente de gruesos. TZ JG − JF J Z
• Factor de Espesado: Relación de la concentración de J
sólidos entre la corriente de gruesos y la alimentación. Para ε = G
JZ
que ocurra separación el factor debe ser mayor a 1.
MF J − JZ
• Reparto de Pulpa: Relación de volumen de pulpa de α = = G
alimentación que es evacuado por la corriente de finos. MZ JG − JF
LF γ − JF
• Reparto de Líquido: Relación de volumen de líquido de τ = =α⋅ S
alimentación que es evacuado por la corriente de finos. LZ γS − JZ
• Bypass: Líquido de la alimentación que se va por la B P = (1 − τ )
descarga.
107
• Flujo Muerto: Representa las partículas finas descargadas TO = B P ⋅
(1 − Θ)
indebidamente en la corriente de gruesos. τ
TO
• Contenido de finos en gruesos: Relación entre la masa de fc =
partículas finas en la corriente de gruesos. Θ
• Eficiencia Reducida: Considera el reparto de sólidos. χ = Θ − (1 − α )

• Eficiencia Rietema: Considera el reparto de líquido τ, en μ = Θ − (1 − τ )
vez del reparto de pulpa α.
μ
• Eficiencia Kelsall: Derivación de la eficiencia de Rietema η=
afectado por el valor de reparto de líquido τ. τ
• Eficacia: Combinación entre la eficacia de recuperar sólidos
en la corriente de descarga y de recuperar líquido en la ψ = Θ ⋅τ
corriente de rebose.
Θ
• Carga Circulante: Razón entre el flujo de material que se CC =
recircula y la alimentación fresca. 1−Θ
El procedimiento se basa en tomar muestras de la alimentación, overflow y

underflow, para así determinar cada uno de los parámetros establecidos
anteriormente. Mediante el uso de la balanza Marcy, ver figura 5.17, se determina el
porcentaje de sólidos de cada corriente, y a través de la siguiente expresión se
determina el término Ji:
J i = % Sólidos ⋅ Densidad de Pulpa
ρ Sólidos ⋅ ρ Agua
J i = % Sólidos ⋅
% Sólidos ⋅ (ρ Sólidos − ρ Agua ) + ρ Sólidos
Figura 5.16. Balanza Marcy
108
Realizando las diligencias correspondientes para la toma de muestras, se
descubrió que no se podía muestrear la alimentación, ya que no se podía tomar una
muestra directamente en la succión de la bomba de la cuba, ni en la línea desde la
cuba hasta el manifold de la batería de los hidrociclones ya que es un circuito
cerrado.
La solución se encontró instalando una válvula manual en el manifold de la
batería de hidrociclones, aprovechando el espacio disponible que hay puesto que el
hidrociclón #5 no existe, ver figura 5.18.
Figura 5.17. Instalación Válvula Manifold Hidrociclones
La válvula se instaló con un control manual (local), para que se pueda utilizar
cada vez que se estime conveniente.
Con la válvula instalada y en funcionamiento se tomaron las muestras de cada
corriente, en variadas ocasiones, ha cada hidrociclón en funcionamiento y al sistema
completo. Se utilizó un peso específico para el sólido de 2.9 y los resultados
obtenidos se encuentran en la tabla 5.3.
109
Tabla 5.3. Análisis Muestro Hidrociclones de Remolienda
Fecha Presión Ciclón %Z %F %G JZ JF JG ε α θ τ Bp To fc χ μ η Ψ CC

18-Jun 14:00 28,5 Global 35,6 19,2 52,9 464 220 809 1,74 0,59 0,72 0,64 0,36 0,43 0,59 0,31 0,37 0,57 0,47 2,61
Global 51,9 786 2,41 0,73 0,64 0,78 0,22 0,46 0,71 0,38 0,42 0,54 0,50 1,80
1 75,6 1498 4,59 0,87 0,57 0,93 0,07 0,46 0,80 0,45 0,51 0,54 0,53 1,35
3 75,9 1510 4,62 0,88 0,57 0,93 0,07 0,46 0,80 0,45 0,51 0,54 0,54 1,35
19-Jun 14:25 31,20 26,9 14,4 327 159
7 75,0 1475 4,52 0,87 0,58 0,93 0,07 0,46 0,79 0,45 0,50 0,54 0,53 1,35
8 29,8 370 1,13 0,21 0,90 0,22 0,78 0,46 0,51 0,11 0,12 0,54 0,20 8,91
9 77,4 1570 4,81 0,88 0,57 0,94 0,06 0,46 0,80 0,45 0,51 0,54 0,54 1,33
Global 21,1 51,4 245 775 1,46 0,46 0,79 0,52 0,48 0,41 0,52 0,25 0,30 0,59 0,41 3,72
1 22,1 73,0 258 1399 2,63 0,76 0,63 0,85 0,15 0,44 0,69 0,39 0,48 0,56 0,53 1,70
2 22,1 77,4 258 1570 2,96 0,79 0,61 0,88 0,12 0,44 0,71 0,41 0,50 0,56 0,54 1,60
20-Jun 09:30 31,60 3 39,4 19,7 74,2 531 226 1444 2,72 0,75 0,68 0,85 0,15 0,38 0,55 0,43 0,53 0,62 0,58 2,13
7 23,1 74,0 272 1436 2,70 0,78 0,60 0,86 0,14 0,46 0,77 0,38 0,46 0,54 0,52 1,51
8 24,0 33,6 285 431 0,81 -0,69 1,37 -0,76 1,76 0,49 0,35 -0,32 -0,39 0,51 -1,04 -3,71
9 20,2 74,0 233 1436 2,70 0,75 0,67 0,85 0,15 0,39 0,58 0,42 0,52 0,61 0,57 2,03
Global 20,2 53,8 233 831 1,51 0,47 0,80 0,53 0,47 0,37 0,47 0,27 0,33 0,63 0,43 4,01
1 21,1 74,6 245 1459 2,66 0,75 0,67 0,85 0,15 0,39 0,59 0,42 0,51 0,61 0,56 2,00
2 25,0 73,5 299 1418 2,58 0,78 0,58 0,86 0,14 0,49 0,85 0,35 0,44 0,51 0,50 1,37
21-Jun 09:30 28,3 40,4 549
3 18,3 74,0 208 1436 2,61 0,72 0,73 0,83 0,17 0,33 0,45 0,45 0,55 0,67 0,60 2,66
7 18,3 74,2 208 1444 2,63 0,72 0,73 0,83 0,17 0,33 0,45 0,45 0,56 0,67 0,60 2,65
8 22,1 34,6 258 447 0,81 -0,54 1,25 -0,61 1,61 0,42 0,33 -0,29 -0,35 0,58 -0,76 -4,94
Global 24,0 57,7 285 928 1,81 0,65 0,64 0,71 0,29 0,51 0,79 0,29 0,35 0,49 0,45 1,79
1 22,6 75,2 265 1482 2,89 0,80 0,59 0,88 0,12 0,47 0,80 0,38 0,47 0,53 0,52 1,43
2 23,1 74,5 272 1456 2,84 0,80 0,58 0,88 0,12 0,48 0,83 0,37 0,45 0,52 0,51 1,37
21-Jun 14:30 28,4 3 38,4 22,1 75,4 513 258 1490 2,90 0,79 0,60 0,88 0,12 0,46 0,76 0,39 0,48 0,54 0,53 1,50
7 22,1 74,8 258 1467 2,86 0,79 0,60 0,87 0,13 0,46 0,76 0,39 0,48 0,54 0,53 1,52
8 24,0 38,4 285 513 1,00 0,00 1,00 0,00 1,00 --- --- --- --- --- --- ---
9 17,3 74,5 195 1456 2,84 0,75 0,72 0,85 0,15 0,34 0,47 0,46 0,56 0,66 0,61 2,52
Global 28,8 57,7 355 928 1,93 0,78 0,42 0,82 0,18 0,70 1,67 0,20 0,24 0,30 0,35 0,73
1 28,8 78,3 355 1607 3,35 0,90 0,33 0,95 0,05 0,70 2,11 0,23 0,28 0,30 0,32 0,50
2 31,7 80,7 400 1712 3,57 0,94 0,22 0,97 0,03 0,81 3,73 0,16 0,19 0,19 0,21 0,28
22-Jun 09:30 25,1 36,5 480
3 27,9 79,3 341 1650 3,44 0,89 0,36 0,95 0,05 0,67 1,86 0,26 0,31 0,33 0,34 0,57
7 23,1 77,4 272 1570 3,27 0,84 0,52 0,91 0,09 0,52 1,00 0,36 0,44 0,48 0,48 1,10
8 30,8 39,4 386 531 1,11 0,35 0,71 0,37 0,63 0,77 1,08 0,07 0,08 0,23 0,26 2,50
Global 26,9 63,4 327 1085 2,04 0,73 0,55 0,79 0,21 0,57 1,03 0,28 0,34 0,43 0,44 1,23
1 23,1 77,8 272 1587 2,99 0,80 0,59 0,89 0,11 0,46 0,78 0,39 0,48 0,54 0,52 1,43
2 27,9 81,7 341 1758 3,31 0,87 0,44 0,94 0,06 0,60 1,34 0,31 0,38 0,40 0,41 0,80
22-Jun 14:00 27,8 3 39,4 25,9 78,8 531 312 1629 3,07 0,83 0,51 0,91 0,09 0,54 1,05 0,34 0,42 0,46 0,46 1,04
6 20,2 75,9 233 1510 2,84 0,77 0,66 0,86 0,14 0,39 0,59 0,43 0,53 0,61 0,57 1,98
7 20,2 76,4 233 1530 2,88 0,77 0,66 0,87 0,13 0,39 0,59 0,43 0,53 0,61 0,57 1,96
8 22,1 37,5 258 497 0,94 -0,14 1,07 -0,16 1,16 0,44 0,41 -0,07 -0,09 0,56 -0,17 -15,50
Global 12,0 54,8 130 855 2,05 0,61 0,81 0,67 0,33 0,28 0,35 0,42 0,49 0,72 0,55 4,28
2 19,2 75,0 220 1475 3,54 0,84 0,56 0,91 0,09 0,49 0,88 0,40 0,47 0,51 0,51 1,25
3 18,3 74,0 208 1436 3,45 0,83 0,59 0,90 0,10 0,46 0,79 0,42 0,49 0,54 0,53 1,41
25-Jun 09:00 29,3 4 32,7 15,4 74,0 416 171 1436 3,45 0,81 0,67 0,89 0,11 0,37 0,56 0,47 0,55 0,63 0,59 2,01
7 19,2 75,0 220 1475 3,54 0,84 0,56 0,91 0,09 0,49 0,88 0,40 0,47 0,51 0,51 1,25
8 24,0 36,5 285 480 1,15 0,33 0,78 0,34 0,66 0,65 0,84 0,10 0,12 0,35 0,27 3,49
9 20,2 75,0 233 1475 3,54 0,85 0,52 0,92 0,08 0,52 1,00 0,38 0,44 0,48 0,48 1,10
Se destaca el hidrociclón #8, ya que es el que presenta el porcentaje de

sólidos más bajo en comparación al resto. Debido a esto, la mayoría de los
parámetros calculados a partir de este valor presentan un comportamiento anormal,
ejemplo de lo anterior, son los elevados valores de reparto de sólidos θ y Bypass Bp,
los cuales indican que existe un arrastre de partículas finas hacia la descarga,
produciendo una mala clasificación, y con ello afectando la recuperación.
110
Esta mala clasificación se puede confirmar mediante un análisis
granulométrico, la figura 5.20 señala el análisis realizado a la muestra del 25 de
junio.
Tabla 5.4. Análisis granulométrico hidrociclones.
Global Ciclón 2 Ciclón 3 Ciclón 4 Ciclón 7 Ciclón 8 Ciclón 9

μm Mallas Alim Over Under Over Under Over Under Over Under Over Under Over Under Over Under
212 65 95,9 100,0 87,9 100,0 87,8 100,0 92,8 100,0 93,5 100,0 94,5 100,0 97,3 99,9 96,0
150 100 88,9 100,0 73,7 100,0 70,5 100,0 81,0 100,0 81,6 100,0 84,6 99,9 91,9 99,9 87,1
106 150 76,1 99,8 52,6 99,6 46,2 99,9 58,9 99,9 61,1 99,7 58,6 99,1 76,4 99,5 64,1
75 200 59,5 98,5 31,0 95,0 26,8 99,1 34,3 99,4 34,3 94,0 34,3 97,3 55,7 94,9 34,7
53 270 45,4 89,8 19,3 79,5 15,9 89,2 19,3 93,5 19,9 80,2 18,9 92,3 42,7 83,2 20,9
38 400 36,3 78,1 12,7 67,2 9,6 76,8 12,1 81,6 12,2 68,8 11,8 84,4 32,4 72,3 13,0
-400 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
P80 119 40 178 54 184 42 148 36 142 54 142 30 116 50 136
La mala clasificación se advierte ya que el P80[*] del hidrociclón #8 en la

corriente de gruesos (underflow) es más bajo que el resto de los hidrociclones. En
otras palabras, el tamaño de partículas que aporta este hidrociclón es más bajo que
el promedio.
Junto con disminuir el tamaño de partícula, el flujo de agua en la descarga
aumenta, aumentando la carga circulante, disminuyendo la eficiencia de la molienda.
Un aumento del flujo de agua en la descarga se asocia a un desgaste del
ápex (boquilla de descarga).
Si por el contrario, el porcentaje de gruesos aumenta en el overflow se asocia
a un desgaste del vórtex, ya que en la práctica esto significaría que la alimentación
pasa directamente al overflow.
La figura 5.21 señala las zonas mencionadas anteriormente, ápex y vórtex, las
cuales condicionan el funcionamiento del hidrociclón, y por ende, la clasificación de
material particulado en la pulpa, la cual finalmente afecta la recuperación.
[*]
Los resultados representan el porcentaje de la muestra que pasa por la malla (pasante) y por lo
tanto el valor P80 quiere decir que el 80% de la muestra tiene un tamaño menor al indicado, en
micrones.
111
Figura 5.18. Zonas de trabajo de un hidrociclón.
En vista de los resultados obtenidos, el hidrociclón #8 se dejo fuera de

operación hasta que se le haga mantención, principalmente un cambio de ápex o del
recubrimiento de éste, que es el causante de la baja eficiencia antes indicada (figura
5.19).
Al revisar el programa de mantención de la batería de hidrociclones, para
estimar el desgaste del ápex y vórtex, se encontró con que la mantención se realiza
aleatoriamente según los comentarios y/o sugerencias de los operadores.
Estos comentarios y/o sugerencias por lo general corresponden a
observaciones que se realizan en terreno del comportamiento del hidrociclón, y si es
que presenta problemas (acordonamientos o descarga muy líquida) se informa y se
repara.
112
Claramente este método no es el más adecuado, puesto que el hidrociclón #8
a simple vista operaba de buena manera, pero los análisis acusaron su mal
funcionamiento y que requería una reparación urgente.
Una práctica más adecuada considera realizar mantenciones programadas o
preventivas de los equipos, con ello se maximiza el recurso humano y se reducen las
horas de detención.
Para esta mantención programada será necesario identificar cual o cuales son
los hidrociclones con un mayor desgaste, mediante el método propuesto (análisis de
pulpa en alimentación, overflow y underflow), de esta manera reparar
exclusivamente los hidrociclones que presenten bajas eficiencias.
Otro dato importante que es necesario conocer, es el uso que se les da cada
hidrociclón, para ello bastará con llevar un registro de los hidrociclones utilizados en
cada turno.
Un breve seguimiento se llevo a cabo para conocer cuales eran los
hidrociclones más utilizados, obteniéndose los siguientes resultados, ver gráfico 5.1.
Gráfico 5.1. Seguimiento uso de ciclones.
Se observa que uno de los hidrociclones más utilizados es el hidrociclón #8,

ratificando que la mala clasificación se debe al desgaste provocado principalmente
por el frecuente uso.
113
Además se observa que preferentemente los hidrociclones ubicados en la parte
anterior del launder del underflow (hidrociclones #1, 2, 3, 8, 9 y 10), son los más
utilizados. Esto por que se ubican más cerca del cajón de alimentación a los molinos
para así facilitar la evacuación de la pulpa.
Puesto que no todos los hidrociclones operan simultáneamente, es preciso,
considerar una rotación de los hidrociclones, ya sea operacionalmente o
intercambiando su posición en la batería.
Operacionalmente, se debe alternar el uso de cada hidrociclón para así
otorgarle una tasa de desgaste pareja a cada hidrociclón. Lamentablemente mientras
no se solucione el problema de evacuación de pulpa del launder del underflow, esta
solución es poco viable, porque los hidrociclones ubicados en la parte posterior
tendrán una mayor probabilidad de producir embancamientos y por ende, se
utilizarán en menor medida.
En cambio, intercambiando los hidrociclones de posición en la batería la tasa
de desgaste se hace más común para todos los hidrociclones, pero se tendrá un
mayor consumo de recursos (mano de obra – HH), ya que se elevarán las
mantenciones y tiempos de detención.
114
5.2.3. Recomendaciones
Modificar el actual sistema de evacuación de pulpa del launder del underflow

por un sistema controlado de adición de agua a presión, que permita desplazar la
pulpa mediante presión positiva (empujando la pulpa), en vez de desplazar por
dilución (agregando agua para disminuir la viscosidad).
Incluir en la pauta de mantención de la batería, un estudio previo para
identificar los hidrociclones que realmente requieren mantención para así disminuir
los tiempos de detención y maximizar los recursos del Taller de Mantención (HH de
los mecánicos y personal especializado).
5.2.4. Conclusiones
La adición de agua en el launder del underflow es necesario regularizarla,

fundamentalmente por el impacto que pueda tener sobre la eficiencia de remolienda
al disminuir el porcentaje de sólidos.
Aunque el problema de transporte de pulpa es evidente, y la acción correctiva
que se lleva acabo es la más apropiada (adherir agua), ésta se realiza sin control,
pudiéndose realizar un arrastre más efectivo con otro sistema como se sugirió,
mediante un flujo controlado a alta presión (aspersores tipo pato).
La clasificación de los hidrociclones es bastante aceptable, ya que el P80
requerido y el medido son relativamente similares, pero la descarga de los
hidrociclones presenta un alto porcentaje de líquido, y con ello, un arrastre de
partículas finas en la corriente de gruesos.
Este mal funcionamiento depende directamente de la tasa de desgaste que
presenten el ápex y el vórtex del hidrociclón, es por ello que una revisión al sistema
de mantención es necesaria, al igual que incluir un sistema de evaluación de
eficiencia en los hidrociclones.
115
Este sistema de evaluación no requiere mayor inversión, ya que para la toma
de muestras solo se requiere de mínimas herramientas (Balanza Marcy, cortador,
etc.) y las medidas de seguridad básicas para desplazarse en planta.
Sin duda, que el personal idóneo para la toma de muestras se encuentra a
cargo del Laboratorio Metalúrgico, los cuales se encuentran preparados para manejar
este tipo de muestras, analizarlas e informar al Taller de Mantención del estado de
los hidrociclones, para su posterior mantención.
Se aconseja mejorar el actual sistema, antes de reemplazarlo, ya que con
simples mejoras se podrá maximizar el rendimiento del a unidad, disminuyendo los
consumos de agua, mejorando la clasificación y aumentando, a la vez, la
recuperación.
116
CAPITULO 6: CONCLUSIONES
El análisis multivariable realizado en El Soldado señaló una fuerte dependencia

de las características del mineral alimentado en la recuperación. Ante esta situación,
la labor del ingeniero se debe adecuar día a día a las cambiantes condiciones que
presenta el proceso. Siendo una herramienta sumamente útil los métodos
desarrollados.
En una primera instancia se actualizó el modelo existente para la planta. Para
el 2006 el modelo es:
Recuperación=97.80-0.06·D80+4.15·LeyCuT-0.51·CuOxCuT-0.18·Colector+0.10·Espumante
Y para el primer semestre del 2007 el modelo generado es:

Estos modelos tienen como principal uso la determinación del comportamiento

de la planta, para así realizar estimaciones de producción anuales (Budget).
El desarrollo del modelo flotación primaria no logró diferenciarse mayormente
del modelo planta. Principalmente por que cuenta con casi las mismas variables y la
estrecha relación existente entre la recuperación primaria y la recuperación global.
Como se indicó, en esta etapa se recupera gran parte del cobre presente en la
alimentación a la planta.
Para el 2006 se tiene el siguiente modelo:
Recuperación=83-0.05·D80 +4.96·LeyCuT-0.46·CuOxCuT…
…-0.23·Colector+0.03·Espumante+0.28·Nivel Celda Prerougher2
Y para el primer semestre del 2007 el modelo es:

En vista de lo anterior, el objetivo de actualizar los modelos planta y flotación

primaria se lograron cabalmente.
Para el modelo flotación limpieza, fue necesario identificar las principales
variables que afectan el proceso, la cuales son: el tonelaje de alimentación, la ley de
alimentación al circuito, el tamaño de partícula del producto de la remolienda (P80) y
algunos niveles de pulpa de las celdas columnares y scavenger.
117
Este modelo no se vincula mayormente a la recuperación global de la planta,
por lo que el modelo más que una herramienta predictiva toma relevancia como una
herramienta de control.
El modelo para la flotación limpieza 2006 es:
Recuperación=52.30+0.01·Tonelaje Limpieza+0.73·LeyCuTLimp-0.03·P80…
…+0.11·NivelColumna1+0.66·AireColumna2+0.09·NivelScavenger4
Y para el primer semestre del 2007 es:

Recuperación=64.99+0.01·Tonelaje Limpieza+0.75·LeyCuTLimp
En vista de los modelos generados, los objetivos trazados para esta etapa,
identificación de las principales variables y creación de un modelo para la flotación
limpieza, se lograron íntegramente.
Por ultimo, la identificación de las oportunidades de mejora en la planta se
alcanzó mediante una revisión en terreno de las condiciones con que se controla el
proceso. Es así, como se identificaron dos etapas que requerían mejorarse, flotación
columnar y remolienda.
En la flotación columnar se supervisó la mantención del sistema de lavado de
las columnas. Este sistema cuanta con una parrilla de barras perforadas, las cuales
por una mala calidad del agua permanecían obstruidas permanentemente. Es así, que
durante la mantención se lavaron las barras y se aumentó el tamaño de los orificios.
Con el objeto de prevenir o dificultar las incrustaciones. Adicionalmente, se instaló un
filtro en la red de alimentación y el control del flujo cambió de manual a automático.
De esta manera se logró mejorar notablemente el sistema, sin la necesidad de
invertir en uno nuevo. Ya que al poseer un lavado más parejo de la espuma se
obtiene un concentrado de mayor ley, y por lo tanto, una mayor recuperación.
En la remolienda la atención cayó sobre la clasificación. Fue de especial interés
determinar de qué manera trabajaban los ciclones (eficiencia). Para ello, fue
necesario instalar un sistema de toma de muestras, el cual se ubicó en el manifold de
la batería. Una vez instalado el sistema de muestreo, se determinaron los parámetros
de reparto y eficiencias para cada hidrociclón y para el conjunto de ciclones. El
estudio reveló la presencia de un hidrociclón con una mala operación, el cual se dejó
118
de operar hasta su próxima reparación. El método utilizado es sumamente sencillo y
viable de realizar, por lo que se recomendó incluirlo en el programa de mantención
como herramienta para la identificación de los equipos que realmente requieren
mantención.
Otro problema que existe en la batería de hidrociclones, es el pésimo
transporte hidráulico de pulpa que existe en el launder del underflow. Esto se debe a
un problema de diseño, el cual provoca constantes embancamientos en la línea e
incluso acordonamientos en los hidrociclones. Para evitar estos problemas, se agrega
agua para diluir la pulpa y acelerar su salida del launder. Esta adición se realiza sin
control por lo que puede estar afectando directamente a la molienda posterior
(molinos de remolienda). Se sugirió cambiar el sistema de adición existente, el de
mangueras, por uno a presión mediante el uso de aspersores. Así, con un menor flujo
se obtendrían los mismos resultados. Un problema que se infiere del problema
anterior, es el aumento de la carga circulante. Por lo que se hace primordial revelar
los efectos que esta adición desmedida en el proceso completo, mediante un análisis
al proceso de molienda.
Como se aprecia las mejoras de la planta no pasa por la realización de grandes
cambios operacionales y/o estratégicos, sino por el aprovechamiento de los recursos
existentes y la coordinación de las distintas ramas que componen el proceso. Esto
queda de manifiesto, en los dos puntos que se revisaron en terreno, ya que para
ambos casos la opción de cambiar el sistema presente está latente, pero al realizar
mínimas inversiones (investigación) se logran mejorar los resultados.
Es así como todos los objetivos trazados para la presente memoria se lograron
enteramente sin presentar mayores contratiempos. Se hace notar que el seguimiento
de las principales variables asociadas a un proceso no solo se hace necesario para
controlar, además se pueden establecer vinculaciones que permitan predecir el
comportamiento del proceso ante cambios y/o alteraciones. Así mismo, se podrá
establecer claramente cual de todas las variables que afectan al proceso requieren
una mayor supervisión.
119
BIBLIOGRAFÍA
¾ Davenport, W.G., King, M., Schlesinger, M. and Biswas, A.K. 2002. Fourth
Edition. Extractive Metallurgy of Copper. Peragon. Chapter 3:
Concentrating Copper Ores.
¾ Montgomery, Douglas C. and Runger, George C. 2003. Applied Statics and
Probability for Engineers. Third Edition. John Wiley & Sons, Inc. Chapter
12: Multiple Linear Regression.
¾ McCabe, W.L., Smith, J.C. and Harriot, P. 1991. Operaciones Unitarias en
Ingeniería Química. Cuarta Edición. McGraw Hill. Sección 5: Operaciones en
las que intervienen partículas de sólidos.
¾ Guía de Ingeniería en Operaciones Mineras. Tecnología y Procesos
Productivos. Chile 2005/2006. Portal Minero.
¾ Magne O., L.1998. Procesamiento de Minerales. Departamento de
Ingeniería Metalúrgica, Universidad de Santiago de Chile.
¾ Bouso, J.L. Abril 1995. Eficiencia en Hidrociclones. Rocas y Minerales.
Páginas: 62-69.
¾ Bouso, J.L. Mayo 1998. El Hidrociclón - Primera Parte. Americas Mining.
Páginas: 20-25.
¾ Bouso, J.L. Junio 1998. El Hidrociclón - Segunda Parte. Americas Mining.
Páginas: 6-12.
¾ Castro, S. y García, J. Flotación – Fundamentos y Aplicaciones.
Departamento de Ingeniería Metalurgia, Universidad de Concepción.
120
GLOSARIO
Acordonamiento: Este término corresponde al mal funcionamiento de un
hidrociclón, se suscita cuando la presión en el hidrociclón cae abruptamente
provocando que no se produzca una separación selectiva, y el hidrociclón actúa
simplemente como un divisor. Cuando esto ocurre la mayor parte del flujo es
evacuado por el overflow y por el underflow se ve un pequeño flujo que cae recto
(cordón) y no el típico paraguas.
Aspersor: Mecanismo destinado a esparcir un líquido o fluido a presión.
Balanza Marcy: Balanza que se utiliza para determinar densidades pulpas y
pesos específicos.
Densidad: Magnitud física que expresa la relación entre la masa y el volumen de
un cuerpo. Densidad de sólidos alimentación planta.
Embancamiento: Atascamiento de una línea, generalmente producido por la
sedimentación de la pulpa.
Flotación: Proceso fisicoquímico de separación utilizado para concentrar y
separar sólidos de granulometría fina que presentan distintas propiedades
superficiales, generalmente mezclas de minerales y gangas. Se hace por medio de
espumas que retienen los materiales no mojados por el agua.
Launder: Botadero. Cajón receptor de flujos.
Ley: Cantidad de metal contenida en una mena, se expresa como el porcentaje
en peso del metal en la mezcla de sólidos.
Manifold: Cámara que cuenta con varias salidas o entradas para distribuir
fluidos.
Overflow: Flujo superior (sobre flujo) de un equipo se separación, generalmente
contiene la fracción liviana o de interés.
PI System: Es un sistema de arquitectura Cliente-Servidor, diseñado para
automatizar completamente la recolección, almacenamiento, distribución y
presentación de los datos de planta. Un Sistema PI está diseñado para acomodar
grandes cantidades de datos históricos y de tiempo real.
121
Recuperación: Relación entre las salidas útiles y la alimentación. Se utiliza como
índice de rendimiento en la planta concentradora.
SQL: Structured Query Language, Lenguaje de Consulta Estructurado es un
lenguaje declarativo de acceso a bases de datos relacionales que permite
especificar diversos tipos de operaciones sobre las mismas. Una de sus
características es el manejo del álgebra y el cálculo relacional permitiendo lanzar
consultas con el fin de recuperar información de interés de una base de datos, de
una forma sencilla.
Stand-by: Quedarse sin hacer nada. Estado en que permanecen algunos equipos
mientras otros trabajan, en espera.
Underflow: Flujo inferior de un equipo se separación, generalmente contiene la
fracción pesada o de poco interés.
122
ANEXOS
Anexo A: División El Soldado – Descripción de Procesos

Anexo B: Balance Celda Flotación
Anexo C: Manual de Operación Planta Concentradora
Anexo D: Diagramas de Instrumentación
Anexo E: Uso Microsoft Excel – Análisis de Datos
Anexo F: Eficiencia en Hidrociclones
123
Anexo A: División El Soldado – Descripción de Procesos
Anglo American comenzó sus operaciones en Chile en 1980 a través de la

Empresa Minera de Mantos Blancos. Posteriormente, compró el 44% de la propiedad
de la compañía minera Doña Inés de Collahuasi. En 2002 adquirió la Compañía
Minera Disputada de Las Condes, hoy Minera Sur Andes.
Está dedicada a la exploración, explotación, procesamiento y comercialización
de cobre, como concentrado, ánodo/blíster y cátodos. También comercializa
subproductos, como el molibdeno y el ácido sulfúrico.
Anglo American Chile cuenta con cinco divisiones operacionales: Los Bronces,
Mantos Blancos, El Soldado, Mantoverde y Fundición Chagres.
1. Información General División El Soldado
La división El Soldado se ubica en Nogales, posee una mina subterránea y otra

a rajo abierto, con una vida útil estimada en 20 años. Además, cuenta con plantas de
tratamiento de minerales oxidados y sulfurados. Siendo ésta última, la de mayor
relevancia.
Principales Ejecutivos
Gerente General División El Soldado Giancarlo Bruno
Gerente Mina Marcelo Maccioni
Gerente Plantas Bernardo Soto
Gerente Recursos Humanos Nelson Rickernberg
Gerente de Desarrollo y Proyectos Alejandro Marchant
Gerente de Seguridad y Desarrollo Sustentable Víctor Olivares
Gerente de Finanzas y Administración Miguel Espinoza
124
OVER FLOW A FLOTACION
PICARROCAS
UNDER FLOW
CHANCADOR
PRIMARIO
ALIMENTADORES
MOLINO
SAG
HARNERO
ALIMENTADORES 8x20
ALIMENTADORES
SY-7´ SY-7´ HARNEROS 8x20

HARNEROS 6x16
SY-5 1/2´ SY-5 1/2´
TRIPPER OVER FLOW A FLOTACION
WEMCO-3000
MOLIENDA
1 2 3 4 5 6 7 8 9 10 11
CONVENCIONAL
PRE-ROUGHER
2. Diagrama de Flujos Flotación
MOL . 2000
REMOLIENDA
WEMCO-1000
LIMPIEZA PREROUGHER
FILA - A
SCAVENGER ROUGHER
CELDA
CELDA ROUGHER
COLUMNAR N°2 COLUMNAR N°1 FILA - B
WEMCO-4500
FILA - C
ROUGHER
A ESTANQUES DE
AGUA INDUSTRIAL
ESPESADOR N°3
BOMBAS DE RELAVE FINAL
PISCINA
FILTRO LAROX DERRAME
CONCENTRADO
ESPESADOR N°1
ESPESADOR N°2
125
3. Mina Rajo Abierto
¾ Perforación
Descripción del proceso
El plan de perforación está relacionado con un programa de asigna trabajos
semanales, a partir de los movimientos de material identificados. La
perforación que se ejecuta es del tipo rotatoria, la cual consta de un
sistema de alta velocidad. La relación entre la presión de tricono, volumen
de aire y velocidad de rotación, determinan la eficiencia de la perforación
rotativa.
Insumos principales
Aceros de profanación (bits). Petróleo.
Adaptadores. Energía Eléctrica.
Triconos.
Equipos principales Mina a Rajo Abierto
5 perforadoras IR DMM2.
¾ Tronadura
Esta operación corresponde a la fragmentación de la roca mediante el uso
de explosivos. Previamente, se analiza el tipo de explosivos en los pozos
dependiendo de la zona de explotación. La secuencia de salida de
detonación, toma en cuenta la orientación de los planos de fractura
principales detectada en terreno.
Insumos principales
Accesorios de tronadura. Nitrato de amonio.
Detonadores. Petróleo.
Conectores de superficie. Emulsión.
Cordón detonante.
Equipos principales
Camión fábrica. Equipos de apoyo
126
¾ Carguío y Transporte
Esta área es responsable de transferir el producto obtenido de la tronadura
a los respectivos destinos, dependiendo de las características de la roca.
Insumos principales
Tolvas. Neumáticos.
Baldes. Cadena para neumáticos.
Dientes para baldes.
Equipos principales
4 cargadores frontales 994 D. 7 camiones Caterpillar CAT 785
Equipos de apoyo
Motoniveladoras CAT 16-G. Excavadoras.
Motoniveladoras CAT 16-H. Camionetas de servicio.
Bulldozer. Equipos de levante.
Wheeldozers. Camión lubricador.
4. Mina Subterránea
La Mina subterránea se explota mediante el método de Sublevel Stoping
(Hundimiento por subniveles), esto es por las características del cuerpo mineralizado.
¾ Perforación
La perforación que se realiza es del tipo roto-percusión, la que sigue un
programa de ingeniería que define el tipo de malla de perforación, según la
configuración del recurso minero.
Insumos principales
Aceros de perforación Petróleo.
(Martillos, barras). Energía eléctrica.
Equipos principales
Jumbo tipo Boomer. DTH Drilling LBH.
127
Simba Radial Drilling.
¾ Tronadura
El proceso de tronadura considera básicamente lo que es la medida de tiros
(Etapa se lleva a cabo una vez perforada la malla), primado y carguío de
pozos.
Insumos principales
Nitrato de amonio. Cordón detonante.
Petróleo. Retardos.
Detonadores.
¾ Carguío y Transporte
El mineral de la Mina es transportado al exterior de las Minas a través de
camiones, previamente a esta etapa, el mineral proveniente del resultado
de tronadura en los cuerpos mineralizados es extraído, transportado y
depositado en los sistemas de traspaso de la Mina mediante equipos del
tipo Scooptram.
Insumos principales
Tolvas. Neumáticos.
Baldes. Cadenas para neumáticos.
Dientes de balde.
Equipos principales
3 Scooptram Wagner LHD 13 yd3.
4 Scooptram Wagner LHD 8 yd3.
Camiones extracción 60 ton.
Equipos de apoyo
Equipos de levante.
Camioneta de servicio
128
La Planta en El Soldado recibe el material proveniente de la Mina y los trata en
dos líneas de producción: sulfuros y óxidos.
5. Planta Sulfuros
¾ Chancado
Todo el mineral proveniente de la mina, con una granulometría de 100%
bajo 1 m, es alimentado al chancador primario. El producto es descargado
un stock pile que alimenta al molino SAG.
Insumos principales
Revestimiento de acero de Motores.
chancadores. Energía eléctrica.
Repuestos.
Equipos principales
Primario
1 chancador Allis Chalmers (tamaño 42x65”). Granulometría de
descarga: 100% bajo 10”. Capacidad de tratamiento: 1300-1400 tph.
Stock pile molienda SAG: 20-30 kton.
Stock pile molienda convencional: 10-20 kton.
Correas transportadoras.
Secundario/terciario
2 chancadores secundarios Symons de 5 ½’, standard.
2 chancadores terciarios Symons de 7’, cabeza corta.
2 harneros vibratorios de 6x16’.
2 harneros vibratorios de 8x20’.
Granulometría de descarga 7500 micrones. Capacidad de
tratamiento 320 tph. Capacidad de tolva de finos 2000 ton.
Correas transportadoras.
129
¾ Molienda
El mineral proveniente del circuito de chancado primario pasa a la molienda
SAG, el overflow va a flotación, el pebble generado por el molino SAG
alimenta el circuito de chancado secundario-terciario. El producto del
chancado alimenta a la molienda convencional, este proceso opera en
paralelo con el molino 2000, entregando un producto a flotación. La
remolienda procesa el concentrado rougher, relave limpieza prerougher y
concentrado scavenger alimentando a las celdas columnares, obteniéndose
un concentrado final.
Insumos principales
Energía eléctrica. Repuestos.
Revestimientos. Motores.
Aceros molienda. Molino SAG: bolas de 4.5”.
Agua. nivel de bolas 14% (volumen).
Equipos principales
Molino SAG
Molino MPSI Semi autógeno de 35’ diámetro x 17’ longitud.
Granulometría a flotación: 150-160 micrones.
Potencia instalada: 11380 Kw.
Batería de ciclones (5): Cavex.
Rendimiento a flotación: 500-600 tph.
Molienda convencional
Molinos Allis Chalmers.
Molinos bolas (5): 9.5x12’/737 Hp.
Molinos barras (4): 8x12’/470 Hp.
Molino 2000 Hp: 12.5x27’.
1 batería de ciclones por sección: Recyclones (doble etapa)
Granulometría a flotación: 150-160 micrones.
130
Potencia instalada: 6000 Kw.
Rendimiento horario a flotación: 300-310 tph.
Remolienda
1 molinos Allis Chalmers 9.5x12’/737 Hp.
1 molinos Allis Chalmers 8x12’/470 Hp.
1 batería de ciclones (10) Krebs D-15”
¾ Flotación
La pulpa proveniente de la etapa de molienda, ingresa al circuito primario
de flotación para generar concentrado final. El circuito prerougher alimenta
a la etapa de limpieza prerougher para generar concentrado final. El
circuito rougher alimenta a la etapa de remolienda y ésta alimenta a las
columnas las cuales también generan concentrado final.
El concentrado final, pasa a los espesadores y luego a la etapa de filtrado
para generar un producto con un 10% de humedad app.
Insumos principales
Reactivos (colectores, Motores.
espumante y cal).
Equipos principales
Circuito Prerougher 6000 pie3
2 celdas Wemco 3000 pie3.
Circuito Rougher 41000 pie3
2 celdas O.K 1350 pie3.
Limpieza Prerougher 18 m3
18 celdas Minimet 1 m3
131
Circuito Scavenger 14500 pie3
1 celda Wemco 4500 pie3.
Flotación Columnar
1 celda 6.8 m2.
1 celda 16 m2.
Espesamiento
2 espesadores 65 pies.
1 espesador 45 pies.
Capacidad espesadores 500 ton.
Capacidad cancha concentrado 8000 ton.
Filtrado
1 filtro de prensa vertical Larox CF 125/150.
Capacidad horaria 36-42 tph. Capacidad por ciclo 6-8 ton/ciclo.
Número de placas: 50 (ampliable a 60).
Área total de filtrado: 125 m2 (ampliable a 150 m2).
Dimensiones: 12x3x4.5 m.
Adicionalmente se tratan escorias provenientes desde Fundición Chagres, en

un proceso similar (chancado-flotación-espesado-filtrado). Este tratamiento no se
considera mayormente en la parte operación, si es considerado el aporte en cobre
fino. Este tratamiento no funciona continuamente, por lo que los parámetros de
operación y equipos no están contemplados en este proyecto de título.
132
6. Planta Óxidos
¾ Chancado
El mineral proveniente de la mina 100% bajo 20” es descargado a través
de camiones, a una parrilla de clasificación. El sobre tamaño pasa al
chancador primario, mientras que el bajo tamaño pasa directo al stock
intermedio junto con el producto de chancador primario.
El stock intermedio, alimenta al circuito cerrado de chancado secundario-
terciario, el que entrega un producto final de 100% bajo 8 mm, que es
almacenado en una tolva de finos para posteriormente alimentar la
siguiente etapa del proceso (aglomerado)
Insumos principales
Revestimientos de acero de Energía eléctrica.
chancadores. Correas transportadoras.
Repuestos.
Motores.
Equipos principales
Primario
1 chancador de mandíbula Norberg.
Granulometría de descarga 5”.
Capacidad de tratamiento 150 tph.
Secundario/terciario
1 chancador secundario Symons de 5 ½’, standard.
1 chancador terciario Symons de 5 ½’, cabeza corta.
1 harnero vibratorio 8x20’.
Granulometría de descarga: 8000 micrones.
Capacidad de tratamiento: 130 tph.
Capacidad de tolva de finos: 70 ton.
133
¾ Aglomeración
El mineral proveniente de chancado, con granulometría 100% bajo 8 mm,
pasa a través de correas transportadoras, al tambor aglomerador donde se
contacta con ácido y agua para producir el glómero y curado del mineral.
Insumos principales
Energía eléctrica. Motores.
Ácido sulfúrico. Agua.
Repuestos.
Equipos principales
1 tambor aglomerador Inamar, tipo rotatorio
Dimensiones: 1,8 m diámetro x 5,3 m de largo.
Velocidad de rotación: 8 rpm.
Inclinación: 3°-4°-6°.
Revestimiento interior: goma neopreno.
Capacidad de tratamiento: 125 tph.
¾ Lixiviación
Esta el mineral proveniente del aglomerado es apilado, por medio de
cargador frontal; el mineral permanece en curado por 24 hr. El sistema de
riego está formado por 2 ciclos de riego en contra corriente; las pilas
nuevas son regadas con solución intermedia acidulada (ILS) generando
solución rica (PLS); las pilas en agotamiento son regadas con solución de
refino (SX), generando solución intermedia (ILS).
Insumos principales
Energía eléctrica. Repuestos de lixiviación
Ácido sulfúrico. (aspersores, líneas de pvc).
Tubería drenaflex. Motores.
134
Equipos principales
2 bombas refino Goulds Pump, centrífuga vertical de 75 Hp.
2 bombas ILS La Tour, centrífuga horizontal de 75 Hp.
1 piscina de PLS 2700 m3 de capacidad, revestida de HDPE.
1 piscina de ILS 1700 m3 de capacidad, revestida de HDPE.
1 piscina de refino 700 m3 de capacidad, revestida de HDPE.
1 piscina de emergencia 3500 m3 de capacidad, revestida en HDPE.
¾ Extracción por Solventes (SX)
La solución rica (PLS) proveniente de la lixiviación es contactada con un
flujo de orgánico en contracorriente. La configuración del circuito es de 2E
y 2S. El flujo de orgánico pasa a través del lavador (tipo Chuquicamata)
antes de ingresar al estanque de orgánico cargado para evitar arrastres de
impurezas a la siguiente etapa. El flujo de electrolito es filtrado a través de
filtros de arena y mallas (Di Sep y Chuquicamata) para evitar el arrastre de
orgánico a la siguiente etapa. El flujo de refino pasa a través de un post
decantador para evitar el arrastre de orgánico a la siguiente etapa.
Insumos principales
Aditivos SX (extractante, Motores.
solvente y ácido sulfúrico).
Equipos principales
4 mezcladores/decantadores 61 m3, revestidos en FRP.
4 agitadores tipo bombas mezcladores Lightnin, 4-7 rpm.
4 agitadores tipo turbina Lightnin 100 rpm yd3 Hp.
12 bombas de electrolito Goulds pump, 38 m3/h de capacidad.
3 estanques de electrolito FRP de 55 m3 de capacidad.
1 estanque de orgánico cargado: 60 m3, revestido en FRP.
2 bombas para orgánico: Goulds pump 7.5 Hp, centrifugas horizontales.
135
1 filtro de electrolito (arena): Di Sep, 32 m3/h.
1 filtro de electrolito (malla): Chuquicamata de 40 m3 de capacidad.
2 lavadores de orgánico: 44 y 40 m3 de capacidad, de FRP.
1 estanque de diluyente: 21 m3 de capacidad, acero al carbono.
¾ Electro-Obtención (EW)
El electrolito generado en la etapa de SX ingresa a las celdas electrolíticas,
mediante la aplicación de una diferencia de potencial se produce la
descomposición de la solución electrolítica, generando cobre metálico
adherido a las placas de acero inoxidables. El tiempo de formación de una
placa de cobre de 45 Kg. es de 7 días app.
Insumos principales
Aditivos del proceso (guartec Motores.
EW y sulfato de cobalto).
Equipos principales
55 celdas electrolíticas Ancor.
Capacidad 6 a 7 m3, hormigón polimérico.
1 puente grúa P & H de 4 toneladas de capacidad.
1 rectificador Merlin Gerin, de 19200 A y 70 v.
2 rectificadores Temuco 8 KA/66 v.
1 transformador Stem Trento, 1200 KVA.
1 transformador Rhona, 750 KVA.
136
7. Parámetros Operacionales Planta Sulfuros
Parámetros operacionales
Chancado Primario 4" - 6"
Setting cerrado de
Chancado Secundario 15 - 20 mm
Chancadores
Chancado Terciario 5 - 6 mm
Stock Pile Producto Capacidad Total 30,000
Chancado fino Tonelaje de Carga Viva 6,000
Densidad específica mineral (ton/m3) 2.7
Humedad Mineral Primario % 2.5
Molino de Bolas
200- 300
Carga Circulante (Convencional)
Molienda-Clasificación (rango) Molino de Bolas
200- 300
(SAG)
Granul. Alimentación, F80 Molienda SAG 4" - 6"
(micrones) (rango) Molienda Convencional 7500 micrones
+ 6 pulgadas 10 - 20%
Granul. Alimentación,
2 a 6 pulgadas 25 - 35%
Molienda SAG (%) (rango)
- 2 pulgadas 50 - 55%
Generación de Pebbles
% 30 - 32
Molienda SAG (rango)
P80 (micrones) 170- 180
Granulometría alimentación
+65 # (%) 14
Flotación
-200 # (%) 57
Flotación Primaria 33 a 34 %
Cp Concentración de sólidos Flotación Limpieza 15 a 17 %
de Alimentación (% en peso) Flotación Arenas 12-14 %
Esp. Concentrado 60%
137
Tiempo de Flotación Colectiva Flotación Primaria 36
(min) Valor Nominal Flotación Scavenger 30
Flotación Rougher 9.0 - 9.5
pH Flotación Limpieza 8.0 - 8.5
Razón flotación Primaria / Volumen
3.2
Scavenger Primaria / Scavenger
Humedad descarga
% 9.0 - 10.0 %
Filtrado de Concentrado
Área unitaria 6.8 / 16 m2
Inyección de Aire
1.34
Flotación Limpieza (m3/m2/minuto)
Altura de espuma
80 - 100 cm
Celda Columnar
Molienda,
Colector
Punto(s) de aplicación Flotación Primaria
de reactivos Molienda,
Espumante
Flotación Primaria
Punto(s) de aplicación de cal Molienda
Tamaño del producto

%+325# 65 - 70% (-400#)
remolido (rango)
Razón potencia instalada
19
Molienda / Remolienda
138
8. Suministros
¾ Energía Eléctrica
Potencia contratada: 40 MW.
Empresas abastecedoras: OYD[*].
Puntos donde se conectan a la red:
El Soldado: S/E Calera en nivel 110 kV.
Características de las líneas y otros: Línea 110 kV circuito simple S/E La
Calera – S/E El Cobre de 19 Km.
9. Producción Total Cobre Fino 2006 (ton)
Mineral 55894
Planta Sulfuros
Escoria 6306
Planta Óxidos Cátodos 6497
TOTAL 68697
[*]
Obras y Desarrollo, empresa perteneciente al Complejo Hidroeléctrico Aconcagua (HASA).
139
Anexo B: Balance Celda de Flotación
La celda se alimenta de una pulpa compuesta por agua y sólidos. A su vez, los
sólidos contienen diferentes tipos de minerales, dependiendo de la composición. Nos
centraremos en el mineral de interés, es decir, en los minerales que tengan cobre.
Pulpa = Sólidos + Agua
Sólidos = Minerales de Cobre + Otros Minerales
De acuerdo a lo anterior se tiene

Masa Sólidos Masa Sólidos
%Sólidos = = ⋅ 100 [*]
Masa Sólidos + Masa Agua Masa Pulpa
Masa Cobre
Ley de Cu = ⋅ 100 [**]
Masa Sólidos
Generalmente, en planta se conoce el flujo de sólidos tratados, el porcentaje
de sólidos y la ley de una o más especies. Por ejemplo, en El Soldado, se cuenta con
el tonelaje de sólidos, el porcentaje de sólidos, la ley de cobre y fierro.
El siguiente diagrama representa una celda tipo.
A R
LA LR
C
LC
Donde:
A: Alimentación LA: Ley de Alimentación
R: Relave LR: Ley de Relave
C: Concentrado LC: Ley de Concentrado
[*]
El porcentaje de sólidos puede ser expresado en porcentaje o en fracción, por lo que se deberá
tener presente al momento de realizar cálculos esta diferencia.
[**]
La ley de cobre no es más que un porcentaje en peso del cobre presente en los sólidos, debe
tenerse en cuenta si esta medida se toma como porcentaje o fracción.
140
Por lo general, se conoce el flujo de entrada y las leyes de cada flujo. Del
balance general a los sólidos y al cobre se tiene:
A = C+R (1)
L A ⋅ A = LC ⋅ C + LR ⋅ R (2)
Despejando R de la ecuación (1) y reemplazado en la ecuación (2) se tiene:

R = A−C
L A ⋅ A = L C ⋅ C + L R ⋅ (A − C )
Despejando C y luego R se tienen los flujos de sólidos:

(L A − L R )
C = A⋅ (3)
(L C − L R )
(L − L A )
R = A⋅ C (4)
(L C − L R )
Es necesario definir un término muy utilizado para referirse al rendimiento o
eficiencia del proceso, nos referimos a la recuperación.
Se entenderá como recuperación al cociente entre las salidas útiles o de
interés y las entradas útiles. Así tendremos una recuperación en peso y una
recuperación metalúrgica.
Concentrado C
Re c _ Peso = = (5)
A lim entación A
Cobre en Concentrado L ⋅C
Re c _ Metalurgica = = C (6)
Cobre en A lim entación L A ⋅ A
Aquí la salida útil corresponde al concentrado en un caso y al cobre en el otro.

Rescribiendo las ecuaciones (5) y (6) en términos de las leyes, se tiene:
Re c _ Peso =
(L A − L R ) (7)
(L C − L R )
Re c _ Metalurgica = A
(L − L R ) ⋅ L C (8)
(L C − L R ) L A
Con la ecuación (7) podemos generalizar:
C = A ⋅ REC (9)
R = A ⋅ (1 − REC ) (10)
141
Las recuperaciones, al igual que las leyes y los porcentajes en peso, se pueden
trabajar como fracción o como porcentaje, teniendo el cuidado pertinente.
Una vez conocidos los flujos de sólidos para calcular las pulpas solo basta
conocer el porcentaje en peso del flujo.
Sólidos
Pulpa =
%Sólidos
En este caso %Sólidos corresponde a la fracción.
Si se conocen los 3 porcentajes de sólidos, también se puede realizar el
balance anterior, utilizando los porcentajes como leyes. Este procedimiento es muy
poco utilizado debido a que muchas veces en las celdas se agrega agua para mejorar
el transporte de pulpa, por lo que las densidades varían, provocando un cambio en la
concentración de sólidos y por ende, al realizar el balance con las ecuaciones
anteriores se obtendrían errores.
Otro balance común es el llamado balance de finos, o balance al cobre, con el
cual se determina el movimiento de cobre desde la alimentación hacia el concentrado
y relave.
Ejemplo:
Flujo de alimentación: 500 tph
Flujo Leyes % Sólido
Alimentación 2 25
Concentrado 25 33
Relave 0.2 24.5
Primero:
REC =
(L A − L R ) = (2 − 0.2) = 1.8 = 0.0726
(L C − L R ) (25 − 0.2) 24.8
REC = 7.26%
Luego calculamos los flujos de sólido:

C = A ⋅ REC = 500 ⋅ 0.0726 = 36.3
R = A ⋅ (1 − REC ) = 500 ⋅ (1 − 0.0726 ) = 500 ⋅ 0.9274 = 463.7
142
Las pulpas y el cobre fino continuación:
500
Pulpa A = = 2000
0.25 Cu A = 500 ⋅ 0.02 = 10
36.3
Pulpa C = = 110 Cu C = 36.3 ⋅ 0.25 = 9.1
0.33
Cu R = 463.7 ⋅ 0.002 = 0.9
463.7
Pulpa R = = 1892
0.245
En general:
Sólido Pulpa Agua Cu Fino
Corriente Leyes %Sólido
(tph) (tph) (tph) (tph)
Alimentación 2 25 500 2000 1500 10
Concentrado 25 33 36.3 110 73.7 9.1
Relave 0.2 24.5 463.7 1892 1428.3 0.9
Total 500 2002 1502 10
Como se mencionó anteriormente, generalmente las pulpas no se pueden

balancear, debido a que aparecen flujos no determinados de agua, en este caso se
agregan 2 tph (o m3/h).
Una manera bastante sencilla de comprobar el balance es realizando los
cálculos por simples diferencias.
Para el caso de las celdas columnares (Flotación Columnar), es necesario
considerar que por la parte superior se agrega agua (Agua de lavado), por lo que al
momento de realizar los balances este flujo debe considerarse y tenerse como
conocido.
143
Anexo C: Manual de Operación Planta Concentradora
1. Descripción de Flotación
La flotación es un método de concentración de minerales que tiene por objeto
obtener, a partir de una pulpa mineral, una porción enriquecida (concentrado) que
contiene la mayor parte del metal y una cola (relave) compuesta principalmente por
material estéril.
El proceso consiste en adicionar reactivos (colectores, espumantes) a una

pulpa mineral, a fin de crear condiciones favorables para que las partículas de interés
se adhieran a burbujas de aire. Éstas llevan consigo los minerales a la superficie de la
pulpa, desde donde son removidas para obtener el concentrado. Las otras especies
mineralógicas permanecen en la pulpa, formando el relave.
144
2. Descripción General
Una planta de Flotación típica está constituida por un circuito que consta de
las siguientes etapas:
Flotación Rougher: Esta etapa recibe la pulpa procedente de los Bronces, su
relave es conducido al tranque y el concentrado es enviado a la etapa de
remolienda.
Remolienda: Es alimentada por los concentrados Rougher y Scavenger. El
producto alimenta a la flotación columnar.
Flotación Columnar: En esta etapa se obtiene el concentrado final de Cu. El
relave generado es enviado a la etapa Scavenger.
Flotación Scavenger: El concentrado Scavenger alimenta a la remolienda
mientras que el relave es conducido al tranque.
145
3. Operación Flotación
Se entenderá por operación normal a la condición en la cual están disponibles
todos los equipos de la planta y no existe ninguna restricción externa. Bajo tales
condiciones, la operación de la planta de cobre está orientada a obtener el mejor
rendimiento del mineral procesado, maximizando la recuperación, la calidad del
concentrado y minimizando los gastos. Lo anterior, en un régimen de estabilidad de
flujos y optimización de parámetros operacionales. A continuación se revisará la
operación de cada etapa del proceso.
¾ Flotación Rougher
El objetivo de esta etapa es obtener la máxima recuperación de cobre de la
pulpa alimentada, a través de un concentrado con volumen y calidad manejable en
las etapas siguientes. Las variables manipuladas en la flotación rougher son:
Nivel de Pulpa: Esta variable corresponde a la distancia entre el labio de la celda y

la superficie de la pulpa. Permite controlar la evacuación de concentrados desde las
celdas. Con bajos niveles de pulpa se restringe la evacuación, aumentando la
selectividad del concentrado, pero perjudicando la recuperación, con altos niveles
se obtiene el efecto inverso. Cabe señalar que niveles muy bajos desestabilizan la
espuma, impidiendo su normal evacuación y niveles muy altos pueden producir
rebalses de pulpa. Este último caso es especialmente grave, dado que al rebalsar
pulpa, no se produce ningún tipo de separación entre el mineral de interés y las
partículas estériles, además perjudica notablemente las etapas siguientes, por el
ingreso de material indeseable que no posee ningún valor económico. Todo lo
anterior se traduce en pérdidas de recuperación.
Dosis de Reactivos: Los reactivos empleados son Colectores (Ditiofosfato de
Sodio y Xantato Isobutílico de Sodio), Espumantes (Metil Isobultil Carbinol,
Sasfroth, Dow Froth 6:2:1) y Petróleo Diesel. La dosificación de colector debe
realizarse de modo tal, que todas la partículas que contienen sulfuros de cobre
adsorban éste reactivo para ser recuperadas. Dosificaciones mayores significarán un
146
mayor costo, sin mejora en los resultados y dosificaciones menores se traducirán en
una pérdida de recuperación. Una dosis de colector sobre lo necesario, no producen
un impacto en el proceso, sólo provocan un mayor gasto.
Mediante la dosificación de espumante, se espera obtener un flujo de burbujas
suficiente para transportar todos los sulfuros de cobre hacia la superficie de la
pulpa, desde donde serán recuperados. Dosis menores perjudicarán la
recuperación, por falta de burbujas que transporten los sulfuros de cobre a la
superficie. Dosificaciones mayores aumentarán los costos sin mejoras de
recuperación, provocando una sobreespumación innecesaria, la cual en casos
extremos genera problemas de capacidad en el bombeo, por la entrada de aire a
las bombas. Esta pérdida de capacidad puede obligar a restringir la evacuación de
concentrados rougher y scavenger, provocando una pérdida importante de
recuperación. Los puntos de adición de reactivos son los siguientes:
Cajón
Cabeza Adición de espumante (10-15 gr/ton)
Receptor de Pulpa
Adición de colectores
Cajón
(7-8 gr/ton de cada colector)
Muestreador-Receptor
y petróleo (11 gr/ton)
Xantato (3-4 gr/ton),
Traspasos Primer Traspaso ditiofosfato (3-4 gr/ton)
espumante (8-12 gr/ton)
Segundo Traspaso Xantato (3-4 gr/ton)
147
pH: El pH es una medida de la acidez o alcalinidad de la pulpa. De esta variable
depende la efectividad de los reactivos y el comportamiento de algunos minerales
(depresión de la pirita). Su ajuste se realiza con la adición controlada de lechada de
cal. Existe un rango en el cual, los aumentos del pH aumentan la efectividad de los
reactivos, mejorando la recuperación. Valores por sobre este rango, sólo
significarán un mayor costo para el proceso. Valores muy altos, aparte de aumentar
los costos, pueden provocar pérdida de fluidez de la espuma ("espuma apretada").
La medición de pH se realiza en las celdas rougher y el punto de adición de lechada
de cal para su ajuste, es el cajón muestreador-receptor de pulpa.
148
Porcentaje de Sólidos: El porcentaje de sólidos indica la proporción de sólidos
presente en la pulpa. Esta variable se maneja con la adición controlada de agua a la
pulpa. El porcentaje de sólidos tiene una relación directa con el tiempo en que la
pulpa permanece en el circuito de flotación, a mayores porcentajes se obtiene un
mayor tiempo de residencia. % Sólidos = 100 x (TPH Seco) / (TPH Pulpa)
Existe un rango en el cual la recuperación puede ser mejorada al disminuir el
porcentaje de sólidos, pese al menor tiempo de residencia. Sin embargo, con
diluciones extremas, el impacto del menor tiempo de residencia pasa a ser más
significativo, provocando pérdidas en la recuperación.
La siguiente tabla presenta el efecto en la recuperación, ley del concentrado y
gastos de la flotación rougher, ante aumentos en las variables manipuladas
↑ Recuperación Ley de Concentrado Gastos

Nivel de Pulpa ↑ ↓ ⎯
Colector ↑ ⎯ ↑
Espumante ↑ ↓ ↑
pH ↑ ⎯ ↑
% Sólidos ↓ ⎯ ↓
149
¾ Remolienda
El objetivo de la Remolienda es reducir de tamaño las partículas para la
liberación de los sulfuros. Las variables manipuladas en la remolienda son:
Potencia de los Molinos: La potencia instalada en la Remolienda depende del

nivel de bolas en el molino.
Presión de los Hidrociclones: La Presión a hidrociclones se controla abriendo y
cerrando ciclones. En cada línea de remolienda existen dos ciclones que pueden ser
manipulados desde la sala de control, el resto se opera desde terreno. Con
aumentos en la presión se logra reducir el tamaño del Overflow, a costa de una
mayor carga circulante. Dada la mayor capacidad de bombeo, esta es una
flexibilidad importante que se incorpora con las nuevas instalaciones.
Porcentaje de Sólidos a Hidrociclones: El porcentaje de sólidos se controla
adicionando agua a la cuba de descarga de cada molino de remolienda. Bajando el
porcentaje de sólidos, se logra mejoras en la clasificación y se consigue reducir el
tamaño del overflow, pero a costa de una mayor carga circulante. Dada la mayor
capacidad de bombeo, esta es una flexibilidad importante que se incorpora con las
nuevas instalaciones. Cabe recordar, que diluciones extremas pueden perjudicar la
operación de la molienda.
La siguiente tabla presenta el efecto en el tamaño del producto de la
remolienda y en los gastos, ante aumentos en las variables manipuladas.
↑ Tamaño Gastos
Potencia ↓ ↑
Presión Ciclones ↓ ⎯
% Sólidos ↑ ⎯
150
¾ Flotación Columnar
El objetivo de esta etapa es aumentar la concentración de cobre del mineral
obtenido en la flotación rougher a valores comerciales, manteniendo la máxima
recuperación posible. Las variables manipuladas en la flotación columnar son:
Flujo de Aire: El flujo de aire permite transportar los sólidos flotables hasta el nivel
de superficie de la columna y controlar su evacuación. La recuperación puede ser
mejorada con aumentos en el flujo de aire, sin embargo, valores extremos pueden
perjudicar la calidad del concentrado, que es el principal objetivo de la flotación
columnar. Por lo tanto al manejar esta variable, se debe observar un compromiso
entre ley del concentrado y recuperación.
Nivel de Pulpa: Esta variable corresponde a la distancia (medida en porcentaje)
entre un punto de referencia y el nivel de pulpa. Con bajos niveles de pulpa
aumenta la capa de espuma, favoreciendo la selectividad y por tanto la ley del
concentrado. Sin embargo niveles demasiado bajos pueden desestabilizar la
espuma e inhibir la evacuación de concentrados desde la columna. Por el contrario,
niveles muy altos pueden producir rebalses de pulpa. La siguiente tabla muestra el
efecto en la recuperación, ley del concentrado y gastos, ante aumentos del nivel de
pulpa.
Flujo de Agua de Lavado: La función del agua de lavado es limpiar las burbujas
de la espuma, para remover las partículas estériles atrapadas en ellas. Con el agua
de lavado, se obtendrá efectos positivos en la calidad del concentrado, sólo cuando
la causa de la baja ley sea originada por el arrastre de material en la espuma. La
siguiente tabla muestra el efecto en la recuperación, ley del concentrado y costos,
ante aumentos del flujo de agua de lavado.
pH: El pH es una medida de la acidez o alcalinidad de la pulpa. De esta variable
depende la efectividad de los reactivos y el comportamiento de algunos minerales
(pirita). Con la adición controlada de lechada de cal puede modificarse el pH y debe
ajustarse a un valor tal que mejore la efectividad de los reactivos y deprima la pirita
presente en la pulpa. Valores muy altos, aumentan los gastos y provocan pérdida
151
de fluidez de la espuma ("espuma apretada"). Se debe tener en cuenta que la
calidad del concentrado puede mejorarse con aumentos de pH, sólo si la pérdida de
calidad es causada por la presencia de pirita liberada.
La siguiente tabla presenta el efecto en la recuperación, ley del concentrado y
gastos de la flotación columnar, ante aumentos en las variables manipuladas.
↑ Recuperación Ley de Concentrado Gastos

Flujo de Aire ↑ ↓ ⎯
Nivel de Pulpa ↑ ↓ ⎯
Agua de Lavado ⎯ ↑ ⎯
pH ↑ ↑ ↑
¾ Flotación Scavenger
El Objetivo de la Flotación Scavenger es obtener la mayor recuperación posible
del flujo de relaves de columnas, que alimenta a este circuito. La única variable
manipulada en la flotación scavenger es el nivel de pulpa.
Nivel de Pulpa: Esta variable corresponde a la distancia (medida en pulgadas)

entre el labio de la celda y la superficie de la pulpa. Permite controlar la evacuación
de concentrados desde las celdas. Con bajos niveles de pulpa se restringe la
evacuación, aumentando la selectividad del concentrado, pero perjudicando la
recuperación, con altos niveles se obtiene el efecto inverso. Cabe señalar que
niveles muy bajos desestabilizan la espuma, impidiendo su normal evacuación y
niveles muy altos pueden producir rebalses de pulpa. Este último caso es
especialmente grave, dado que al rebalsar pulpa, no se produce ningún tipo de
separación entre el mineral de interés y las partículas estériles, además perjudica
notablemente las etapas siguientes, por el ingreso de material indeseable que no
posee ningún valor económico. Todo lo anterior se traduce en pérdidas de
recuperación.
152
4. Condiciones Especiales de Flotación
Ciertos tipos de minerales que son tratados en forma ocasional, afectan
significativamente la operación de la planta. A continuación se describe cada uno de
estos casos, junto con las medidas de control para aminorar su efecto en los
resultados del Proceso.
¾ Mineral con Alta ley de Cu

En esta situación la flotación puede verse saturada ante el ingreso de una
mayor cantidad de cobre al circuito. Es característico, la saturación de la espuma de
los tres bancos rougher, ocasionándose pérdidas en la recuperación.
Ante esta situación se sugiere:
Aumentar la evacuación de las celdas, ajustando la dosificación de espumante en la
cabeza y los traspasos
Considerar un aumento en la dosis de colector, evaluando el efecto en la ley de
cola.
Aumentar la extracción de concentrado desde las columnas, ajustando el flujo de
aire, para controlar el aumento de carga circulante (concentrado scavenger) en la
limpieza.
¾ Mineral con Alta ley de Fe

En esta situación la flotación de minerales de Cu y Mo se ve afectada por la
presencia de Pirita (FeS2), la cual posee una mayor flotabilidad. Por lo anterior, la
pirita ocupa espacio en las burbujas, impidiendo la flotación de los minerales de Cu y
Mo, con la consiguiente pérdida de recuperación y baja ley del concentrado. Además
debido al mayor tamaño de las partículas piritosas, el concentrado obtenido en la
etapa rougher será de una granulometría más gruesa, lo que ocasionará trastornos
en la Remolienda (aumento de granulometría del Overflow y aumento de carga
circulante) que se traducirá en una baja calidad del concentrado final.
153
Ante esta situación se sugiere:
Aumentar el pH en los circuitos de flotación, para inhibir la flotación de la pirita.
Evaluar un aumento en la potencia de los molinos de remolienda, aumentando el
nivel de bolas.
Con esto se logrará aumentar la recuperación y mejorar la calidad del concentrado.
¾ Mineral Oxidado/Arsenioso
En general, los minerales con alto contenido de oxido y/o Arsénico se
caracterizan por la presencia de arcillas y lamas en la pulpa. Estas ocupan área de
burbujas, impidiendo la normal adherencia del mineral de Cu a las burbujas. El
resultado es una pérdida de recuperación y un alto consumo de reactivos. La
flotación rougher se caracteriza por una espuma liviana, especialmente en el primer
banco donde se produce una gran flotación de lamas en lugar de partículas sulfuros.
Ante esta situación se sugiere tomar las siguientes acciones: Aumentar al
máximo permisible la dilución de la pulpa en el circuito Rougher, para dar espacio a
la flotación de los sulfuros de cobre y molibdeno (de todas maneras habrá pérdida de
recuperación en el primer banco Rougher). Aumentar la extracción de concentrado en
el segundo y tercer banco para compensar la pérdida de recuperación del primer
banco Rougher. Evaluar un aumento de espumante para privilegiar la extracción de
mayor volumen de concentrado en el segundo y tercer banco Rougher.
154
Anexo D: Diagramas de Instrumentación
¾ DQ2010-PI-201: Celdas Prerougher y Dosificación de Reactivos

¾ DQ2010-PI-202: Celdas Rougher
¾ DQ2010-PI-203: Remolienda
¾ DQ2010-PI-204: Flotación Scavenger y Columnar
155
156
157
158
159
Anexo E: Uso Microsoft Excel – Análisis de Datos
Para utilizar esta herramienta es necesario activar el complemento

Herramientas para Análisis, en la barra Herramientas seleccionamos
Complementos.
Una vez activado este complemento debemos tener en nuestro sistema ha

analizar. El sistema debe puede contar hasta con 15 variables independientes, X1,
X2… XN, y por supuesto una variable dependiente, Y, por ejemplo.
En la barra Herramientas seleccionamos Análisis de datos y ahí
Regresión.
160
Ahí seleccionamos el rango donde se encuentra la variable Y, y el rango donde
están las variables X. Si en la primera fila están los nombres de las variables
activaremos la casilla Rótulos. Seleccionaremos un nivel de confianza del 99%, por
defecto trae los niveles a un 95%. Y posteriormente, seleccionamos donde queremos
que entregue los resultados.
En este caso ubicaremos los resultados en una celda de la hoja activa.

Obteniéndose los siguientes resultados.
Como se aprecia la información que entrega es bastante completa. Se puede

ver los coeficientes de regresión, errores típicos, límites de confianza, etc.
161
Para nuestro análisis es fundamental tomar atención a los límites de confianza,
en especial al del 95%, ya que de existir una diferencia de signo entre el límite
superior e inferior, la variable se descarta. De igual manera si el valor del coeficiente
no corresponde al valor esperado (positivo o negativo).
Un ejemplo de lo anterior, ocurre con la Variable X1, sus límites al 95% difieren
(-0.02, 0.02) por lo que habría que descartar esta variable.
Para este estudio, solo importarán los límites al 95%, aunque se revisen los
límites al 99%.
Cabe mencionar que la presentación de algunos resultados de estos análisis se
realizará mediante una tabla similar a la anterior, pero en inglés, y con algunas
modificaciones, las cuales se señalan a continuación.
A continuación se presenta una breve descripción de cada indicador del

análisis de regresión múltiple.
162
Indicadores Regresión Lineal Múltiple.
Indicador Descripción
Establece una medida del grado de asociación lineal entre la variable
Coeficiente de
respuesta y la variable predictora, concretamente entre la variable
Correlación Múltiple
respuesta y la recta de regresión estimada.
Coeficiente de Puede interpretarse como el porcentaje de variabilidad de Y explicada o
2
Determinación R debida a la recta de regresión.
Este coeficiente de determinación se ajusta por los grados de libertad
asociados a la suma de los cuadrados, tiene como principal importancia
2
R Ajustado determinar la variabilidad que es explicada por las variables explicativas,
con respecto a la variable respuesta cuando se introduce una variable
adicional al modelo.
Devuelve el error típico del valor de y previsto para cada x de la regresión.
Error Típico El error típico es una medida de la cuantía de error en el pronóstico del
valor de y para un valor individual de x.
Observaciones Número de elementos que contiene la muestra en estudio
Es un estimador del número de categorías independientes en un test
Grados de Libertad
particular o experimento estadístico.
Corresponde al valor de la suma de los cuadrados de la diferencia de cada
Suma de Cuadrados dato con su media, y representa la define la totalidad de los individuos o
datos.
Este valor se calcula a partir de de la suma de los cuadrados, y corresponde
Promedio de los
a la suma de los cuadrados dividido por el número total de individuos o
Cuadrados
datos que contiene la muestra.
Valor de una prueba F, devuelve la probabilidad de que las varianzas de 2
variables no presenten diferencias significativas. Esta función puede usarse
F
para determinar si dos conjuntos de datos tienen diferentes grados de
diversidad.
Valor Crítico de F Mínimo valor de la prueba F para que el análisis sea validado.
Indican el número de unidades en que se modifica la variable dependiente
Coeficientes
por efecto del cambio de la o las variables independientes.
El error típico es una medida de la cuantía de error en el pronóstico del
Error Típico valor de Y para un valor individual de X.
163
Corresponde al valor de la prueba T, y se utiliza para la determinación de
Estadístico t las diferencias entre dos medias muestrales y para la construcción del
intervalo de confianza.
Este indicador corresponde al p-valor, el cual está definido como la
Probabilidad probabilidad de obtener un resultado al menos tan extremo como el que
realmente se ha obtenido.
Inferior % Se llama intervalo de confianza a este par de números entre los cuales se
estima que estará cierto valor desconocido con una determinada
Superior % probabilidad de acierto. Esta probabilidad generalmente es 95% y/o 99%.
Para el cálculo de los valores estadísticos típicos, existen otra herramienta que
entrega esta información, Estadística descriptiva, también presente en cuadro de
dialogo del Herramientas para análisis.
Al igual que para el análisis de regresión se selecciona el rango donde se

ubican los datos, se activa la casilla Resumen de estadísticas y se determina el lugar
de salida de los datos.
164
Los resultados se entregan de la siguiente manera.
Los indicadores de la figura anterior se detallan a continuación.

Indicadores Estadística Descriptiva.
Indicador Descripción
Es una medida de centralización (media aritmética). Corresponde al
Media resultado de sumar todos los elementos del conjunto y dividir por el
número de ellos.
Error Típico Corresponde a la desviación típica de la media.
Es una medida de centralización. Colocando todos los valores en orden
Mediana
creciente, la mediana es aquél que ocupa la posición central.
Moda Es una medida de centralización. Corresponde al valor que mas se repite.
165
Es una medida de dispersión. Representa el alejamiento de una serie de
Desviación Estándar
números de su valor medio.
Es una medida de dispersión. Corresponde a la media de las desviaciones
Varianza
cuadráticas de una variable aleatoria, referidas al valor medio de esta.
La curtosis caracteriza la elevación o el achatamiento relativo de una
distribución, comparada con la distribución normal. Una curtosis positiva
Curtosis
indica una distribución relativamente elevada, mientras que una curtosis
negativa indica una distribución relativamente plana.
Esta función caracteriza el grado de asimetría de una distribución con
respecto a su media. La asimetría positiva indica una distribución
Coeficiente de Simetría unilateral que se extiende hacia valores más positivos. La asimetría
negativa indica una distribución unilateral que se extiende hacia valores
más negativos.
Rango Corresponde a la referencia de datos que se analizan.
Mínimo Corresponde al valor más bajo de los datos que se analizan.
Máximo Corresponde al valor más alto de los datos que se analizan.
Suma Corresponde a la suma de todos los valores del rango de datos.
Cuenta Corresponde a la cuenta de los datos del rango de datos.
166
Anexo F: Análisis de Regresiones 2006 -2007
A continuación se presentan los análisis realizados mensuales, trimestrales y

anuales. Los resultados se obtuvieron de una versión en inglés de MS Excel.
Análisis Anual 2006

SUMMARY OUTPUT ENE-DIC 06
Regression Statistics
Multiple R 0,546
R Square 0,298
Adjusted R Square 0,295
SE 3,890
Observations 1000
ANOVA
df SS MS F SF
Regression 5 6399,6 1279,9 84,6 4,3E-74
Residual 994 15044,4 15,1
Total 999 21444,0
Coef SE t Stat P-value Lower 95% Upper 95% Lower 99.0% Upper 99.0%
Intercepto 97,80 1,628 60,055 0,0E+00 94,60 100,99 93,59 102,00
D80 -0,06 0,007 -8,807 5,6E-18 -0,07 -0,05 -0,08 -0,04
LeyCuT 4,15 0,709 5,854 6,5E-09 2,76 5,54 2,32 5,98
CuOxCuT -0,51 0,044 -11,565 4,1E-29 -0,60 -0,42 -0,62 -0,40
Colector -0,18 0,018 -10,007 1,6E-22 -0,22 -0,15 -0,23 -0,14
Espumante 0,10 0,019 5,171 2,8E-07 0,06 0,14 0,05 0,15
Análisis Mensuales 2006

SUMMARY OUTPUT ENE 06
Multiple R 0,624
R Square 0,390
SE 3,893
Observations 76
ANOVA
df SS MS F SF
Regression 5 677,6 135,5 8,9 1,3E-06
Residual 70 1060,9 15,2
Total 75 1738,4
Intercepto 107,818 7,828 13,773 1,3E-21 92,21 123,43 87,09 128,55
D80 -0,059 0,026 -2,294 2,5E-02 -0,11 -0,01 -0,13 0,01
LeyCuT -1,129 2,676 -0,422 6,7E-01 -6,47 4,21 -8,22 5,96
CuOxCuT -0,785 0,156 -5,019 3,8E-06 -1,10 -0,47 -1,20 -0,37
Colector -0,265 0,071 -3,725 3,9E-04 -0,41 -0,12 -0,45 -0,08
Espumante 0,041 0,088 0,463 6,4E-01 -0,13 0,22 -0,19 0,27
167
Multiple R 0,620
R Square 0,385
SE 3,854
Observations 76
ANOVA
df SS MS F SF
Regression 3 669,1 223,0 15,0 1,1E-07
Residual 72 1069,3 14,9
Total 75 1738,4
Intercepto 108,407 5,539 19,570 1,5E-30 97,36 119,45 93,75 123,06
D80 -0,060 0,025 -2,345 2,2E-02 -0,11 -0,01 -0,13 0,01
CuOxCuT -0,770 0,136 -5,656 2,9E-07 -1,04 -0,50 -1,13 -0,41
Colector -0,279 0,068 -4,110 1,0E-04 -0,41 -0,14 -0,46 -0,10
SUMMARY OUTPUT FEB 06
Multiple R 0,582
R Square 0,339
SE 2,040
Observations 79
ANOVA
df SS MS F SF
Regression 5 155,9 31,2 7,5 1,0E-05
Residual 73 303,8 4,2
Total 78 459,7
Intercepto 85,027 3,704 22,955 4,0E-35 77,64 92,41 75,23 94,82
D80 -0,010 0,019 -0,534 5,9E-01 -0,05 0,03 -0,06 0,04
LeyCuT 8,034 1,679 4,784 8,7E-06 4,69 11,38 3,59 12,48
CuOxCuT -0,194 0,084 -2,314 2,3E-02 -0,36 -0,03 -0,42 0,03
Colector -0,064 0,080 -0,806 4,2E-01 -0,22 0,09 -0,28 0,15
Espumante -0,025 0,055 -0,460 6,5E-01 -0,13 0,08 -0,17 0,12
Multiple R 0,566
R Square 0,320
SE 2,028
Observations 79
ANOVA
df SS MS F SF
Regression 2 147,2 73,6 17,9 4,3E-07
Residual 76 312,5 4,1
Total 78 459,7
Intercepto 81,130 1,733 46,819 8,4E-58 77,68 84,58 76,55 85,71
LeyCuT 7,169 1,539 4,657 1,3E-05 4,10 10,23 3,10 11,24
CuOxCuT -0,183 0,082 -2,221 2,9E-02 -0,35 -0,02 -0,40 0,03
168
SUMMARY OUTPUT MAR 06
Multiple R 0,786
R Square 0,617
SE 1,953
Observations 92
ANOVA
df SS MS F SF
Regression 5 528,8 105,8 27,7 1,3E-16
Residual 86 328,1 3,8
Total 91 857,0
Intercepto 91,815 3,965 23,158 1,0E-38 83,93 99,70 81,37 102,26
D80 -0,032 0,017 -1,866 6,5E-02 -0,07 0,00 -0,08 0,01
LeyCuT 9,650 1,253 7,704 2,1E-11 7,16 12,14 6,35 12,95
CuOxCuT -0,352 0,086 -4,105 9,2E-05 -0,52 -0,18 -0,58 -0,13
Colector -0,291 0,068 -4,274 4,9E-05 -0,43 -0,16 -0,47 -0,11
Espumante 0,096 0,056 1,704 9,2E-02 -0,02 0,21 -0,05 0,24
Multiple R 0,770
R Square 0,592
SE 1,993
Observations 92
ANOVA
df SS MS F SF
Regression 3 507,5 169,2 42,6 4,2E-17
Residual 88 349,5 4,0
Total 91 857,0
Intercepto 87,110 1,725 50,494 9,1E-67 83,68 90,54 82,57 91,65
LeyCuT 10,183 1,254 8,120 2,6E-12 7,69 12,67 6,88 13,48
CuOxCuT -0,365 0,086 -4,259 5,1E-05 -0,54 -0,19 -0,59 -0,14
Colector -0,243 0,066 -3,677 4,0E-04 -0,38 -0,11 -0,42 -0,07
169
SUMMARY OUTPUT ABR 06
Multiple R 0,577
R Square 0,333
SE 3,800
Observations 85
ANOVA
df SS MS F SF
Regression 5 570,3 114,1 7,9 4,5E-06
Residual 79 1140,6 14,4
Total 84 1710,9
Intercepto 109,712 9,770 11,229 4,9E-18 90,27 129,16 83,92 135,50
D80 -0,085 0,031 -2,752 7,3E-03 -0,15 -0,02 -0,17 0,00
LeyCuT -2,629 2,760 -0,953 3,4E-01 -8,12 2,86 -9,91 4,65
CuOxCuT -0,739 0,151 -4,900 5,0E-06 -1,04 -0,44 -1,14 -0,34
Colector -0,217 0,153 -1,417 1,6E-01 -0,52 0,09 -0,62 0,19
Espumante 0,201 0,100 2,006 4,8E-02 0,00 0,40 -0,06 0,46
Multiple R 0,548
R Square 0,300
SE 3,845
Observations 85
ANOVA
df SS MS F SF
Regression 3 513,4 171,1 11,6 2,2E-06
Residual 81 1197,5 14,8
Total 84 1710,9
Intercepto 95,807 6,650 14,407 4,7E-24 82,58 109,04 78,26 113,35
D80 -0,067 0,030 -2,240 2,8E-02 -0,13 -0,01 -0,15 0,01
CuOxCuT -0,718 0,152 -4,717 9,8E-06 -1,02 -0,42 -1,12 -0,32
Espumante 0,234 0,099 2,367 2,0E-02 0,04 0,43 -0,03 0,50
170
SUMMARY OUTPUT MAY 06
Multiple R 0,721
R Square 0,520
SE 2,304
Observations 87
ANOVA
df SS MS F SF
Regression 5 466,1 93,2 17,6 9,6E-12
Residual 81 430,0 5,3
Total 86 896,1
Intercepto 86,273 4,274 20,183 2,4E-33 77,77 94,78 75,00 97,55
D80 -0,025 0,015 -1,693 9,4E-02 -0,06 0,00 -0,06 0,01
LeyCuT 6,027 1,284 4,695 1,1E-05 3,47 8,58 2,64 9,41
CuOxCuT -0,506 0,120 -4,200 6,8E-05 -0,75 -0,27 -0,82 -0,19
Colector -0,056 0,070 -0,802 4,2E-01 -0,19 0,08 -0,24 0,13
Espumante 0,118 0,065 1,802 7,5E-02 -0,01 0,25 -0,05 0,29
Multiple R 0,584
R Square 0,341
SE 2,651
Observations 87
ANOVA
df SS MS F SF
Regression 2 306,0 153,0 21,8 2,4E-08
Residual 84 590,1 7,0
Total 86 896,1
Intercepto 81,464 2,179 37,384 4,0E-54 77,13 85,80 75,72 87,21
LeyCuT -0,641 0,133 -4,838 5,9E-06 -0,90 -0,38 -0,99 -0,29
CuOxCuT 0,301 0,063 4,805 6,7E-06 0,18 0,43 0,14 0,47
Multiple R 0,401
R Square 0,160
SE 2,975
Observations 87
ANOVA
df SS MS F SF
Regression 1 143,8 143,8 16,2 1,2E-04
Residual 85 752,3 8,9
Total 86 896,1
Intercepto 90,273 1,322 68,265 5,0E-76 87,64 92,90 86,79 93,76
CuOxCuT -0,598 0,148 -4,031 1,2E-04 -0,89 -0,30 -0,99 -0,21
171
SUMMARY OUTPUT JUN 06
Multiple R 0,338
R Square 0,114
SE 3,234
Observations 83
ANOVA
df SS MS F SF
Regression 5 104,1 20,8 2,0 8,9E-02
Residual 77 805,3 10,5
Total 82 909,4
Intercepto 90,269 5,902 15,295 4,8E-25 78,52 102,02 74,68 105,86
D80 -0,040 0,022 -1,854 6,8E-02 -0,08 0,00 -0,10 0,02
LeyCuT 5,065 2,890 1,753 8,4E-02 -0,69 10,82 -2,57 12,70
CuOxCuT -0,279 0,215 -1,295 2,0E-01 -0,71 0,15 -0,85 0,29
Colector -0,143 0,097 -1,476 1,4E-01 -0,34 0,05 -0,40 0,11
Espumante 0,033 0,058 0,571 5,7E-01 -0,08 0,15 -0,12 0,19
SUMMARY OUTPUT JUL 06
Multiple R 0,483
R Square 0,234
SE 3,637
Observations 83
ANOVA
df SS MS F SF
Regression 5 310,2 62,0 4,7 8,6E-04
Residual 77 1018,4 13,2
Total 82 1328,6
Intercepto 100,512 6,241 16,104 2,3E-26 88,08 112,94 84,03 117,00
D80 -0,092 0,024 -3,868 2,3E-04 -0,14 -0,04 -0,15 -0,03
LeyCuT 0,053 2,896 0,018 9,9E-01 -5,71 5,82 -7,60 7,70
CuOxCuT -0,328 0,157 -2,090 4,0E-02 -0,64 -0,02 -0,74 0,09
Colector -0,061 0,113 -0,542 5,9E-01 -0,29 0,16 -0,36 0,24
Espumante 0,071 0,072 0,982 3,3E-01 -0,07 0,22 -0,12 0,26
SUMMARY OUTPUT JUL 06
Multiple R 0,429
R Square 0,184
SE 3,658
Observations 83
ANOVA
df SS MS F SF
Regression 1 245,0 245,0 18,3 5,1E-05
Residual 81 1083,6 13,4
Total 82 1328,6
Intercepto 98,932 4,801 20,606 5,9E-34 89,38 108,48 86,27 111,60
D80 -0,100 0,023 -4,279 5,1E-05 -0,15 -0,05 -0,16 -0,04
172
SUMMARY OUTPUT AGO 06
Multiple R 0,664
R Square 0,441
SE 3,458
Observations 81
ANOVA
df SS MS F SF
Regression 5 706,4 141,3 11,8 1,9E-08
Residual 75 896,9 12,0
Total 80 1603,3
Intercepto 104,007 5,468 19,021 2,0E-30 93,11 114,90 89,56 118,46
D80 -0,093 0,020 -4,642 1,4E-05 -0,13 -0,05 -0,15 -0,04
LeyCuT -1,508 3,009 -0,501 6,2E-01 -7,50 4,49 -9,46 6,44
CuOxCuT -0,819 0,165 -4,969 4,1E-06 -1,15 -0,49 -1,25 -0,38
Colector -0,108 0,104 -1,032 3,1E-01 -0,32 0,10 -0,38 0,17
Espumante 0,189 0,060 3,127 2,5E-03 0,07 0,31 0,03 0,35
SUMMARY OUTPUT AGO 06
Multiple R 0,638
R Square 0,407
SE 3,514
Observations 81
ANOVA
df SS MS F SF
Regression 3 652,4 217,5 17,6 8,5E-09
Residual 77 950,9 12,3
Total 80 1603,3
Intercepto 97,674 4,643 21,036 1,2E-33 88,43 106,92 85,41 109,94
D80 -0,088 0,020 -4,393 3,5E-05 -0,13 -0,05 -0,14 -0,04
CuOxCuT -0,750 0,162 -4,633 1,4E-05 -1,07 -0,43 -1,18 -0,32
Espumante 0,171 0,059 2,886 5,1E-03 0,05 0,29 0,01 0,33
173
SUMMARY OUTPUT SEP 06
Multiple R 0,437
R Square 0,191
SE 4,203
Observations 83
ANOVA
df SS MS F SF
Regression 5 320,3 64,1 3,6 5,3E-03
Residual 77 1360,1 17,7
Total 82 1680,5
Intercepto 89,655 9,461 9,476 1,5E-14 70,82 108,49 64,67 114,64
D80 -0,069 0,028 -2,462 1,6E-02 -0,13 -0,01 -0,14 0,01
LeyCuT 1,699 2,572 0,660 5,1E-01 -3,42 6,82 -5,09 8,49
CuOxCuT -0,375 0,175 -2,140 3,6E-02 -0,72 -0,03 -0,84 0,09
Colector -0,061 0,131 -0,464 6,4E-01 -0,32 0,20 -0,41 0,28
Espumante 0,177 0,101 1,746 8,5E-02 -0,02 0,38 -0,09 0,44
SUMMARY OUTPUT SEP 06
Multiple R 0,385
R Square 0,148
SE 4,230
Observations 83
ANOVA
df SS MS F SF
Regression 2 248,8 124,4 7,0 1,6E-03
Residual 80 1431,7 17,9
Total 82 1680,5
Intercepto 99,095 5,793 17,106 1,9E-28 87,57 110,62 83,81 114,38
D80 -0,089 0,026 -3,461 8,7E-04 -0,14 -0,04 -0,16 -0,02
CuOxCuT -0,346 0,156 -2,221 2,9E-02 -0,66 -0,04 -0,76 0,07
SUMMARY OUTPUT OCT 06
Multiple R 0,533
R Square 0,284
SE 2,823
Observations 90
ANOVA
df SS MS F SF
Regression 5 265,3 53,1 6,7 2,9E-05
Residual 84 669,5 8,0
Total 89 934,8
Intercepto 68,979 5,900 11,692 2,6E-19 57,25 80,71 53,43 84,53
D80 0,042 0,019 2,184 3,2E-02 0,00 0,08 -0,01 0,09
LeyCuT 6,824 1,797 3,798 2,7E-04 3,25 10,40 2,09 11,56
CuOxCuT -0,284 0,138 -2,064 4,2E-02 -0,56 -0,01 -0,65 0,08
Colector -0,129 0,067 -1,937 5,6E-02 -0,26 0,00 -0,30 0,05
Espumante 0,113 0,060 1,886 6,3E-02 -0,01 0,23 -0,04 0,27
174
Multiple R 0,423
R Square 0,179
SE 2,970
Observations 90
ANOVA
df SS MS F SF
Regression 2 167,3 83,7 9,5 1,9E-04
Residual 87 767,5 8,8
Total 89 934,8
Intercepto 76,352 2,810 27,174 2,8E-44 70,77 81,94 68,95 83,75
LeyCuT 5,742 1,722 3,334 1,3E-03 2,32 9,17 1,21 10,28
CuOxCuT -0,205 0,143 -1,434 1,6E-01 -0,49 0,08 -0,58 0,17
Multiple R 0,400
R Square 0,160
SE 2,988
Observations 90
ANOVA
df SS MS F SF
Regression 1 149,2 149,2 16,7 9,6E-05
Residual 88 785,6 8,9
Total 89 934,8
Intercepto 73,223 1,780 41,132 3,0E-59 69,68 76,76 68,54 77,91
LeyCuT 6,621 1,619 4,088 9,6E-05 3,40 9,84 2,36 10,88
SUMMARY OUTPUT NOV 06
Multiple R 0,434
R Square 0,188
SE 2,991
Observations 80
ANOVA
df SS MS F SF
Regression 5 153,8 30,8 3,4 7,6E-03
Residual 74 662,2 8,9
Total 79 816,0
Intercepto 69,097 7,196 9,603 1,2E-14 54,76 83,43 50,07 88,12
D80 -0,015 0,017 -0,849 4,0E-01 -0,05 0,02 -0,06 0,03
LeyCuT 5,180 2,611 1,984 5,1E-02 -0,02 10,38 -1,72 12,08
CuOxCuT 0,340 0,117 2,907 4,8E-03 0,11 0,57 0,03 0,65
Colector 0,006 0,123 0,051 9,6E-01 -0,24 0,25 -0,32 0,33
Espumante 0,099 0,068 1,457 1,5E-01 -0,04 0,23 -0,08 0,28
175
SUMMARY OUTPUT DIC 06
Multiple R 0,358
R Square 0,128
SE 3,015
Observations 81
ANOVA
df SS MS F SF
Regression 5 100,2 20,0 2,2 6,3E-02
Residual 75 681,6 9,1
Total 80 781,8
Intercepto 90,190 5,613 16,068 5,4E-26 79,01 101,37 75,35 105,03
D80 -0,033 0,019 -1,695 9,4E-02 -0,07 0,01 -0,08 0,02
LeyCuT 4,930 2,415 2,041 4,5E-02 0,12 9,74 -1,45 11,31
CuOxCuT 0,053 0,155 0,340 7,3E-01 -0,26 0,36 -0,36 0,46
Colector -0,197 0,076 -2,577 1,2E-02 -0,35 -0,04 -0,40 0,01
Espumante 0,018 0,056 0,321 7,5E-01 -0,09 0,13 -0,13 0,17
Multiple R 0,301
R Square 0,090
SE 3,020
Observations 81
ANOVA
df SS MS F SF
Regression 2 70,6 35,3 3,9 2,5E-02
Residual 78 711,2 9,1
Total 80 781,8
Intercepto 86,141 3,230 26,667 6,0E-41 79,71 92,57 77,61 94,67
LeyCuT 4,058 2,194 1,849 6,8E-02 -0,31 8,43 -1,74 9,85
Colector -0,202 0,074 -2,737 7,7E-03 -0,35 -0,06 -0,40 -0,01
Multiple R 0,225
R Square 0,050
SE 3,065
Observations 81
ANOVA
df SS MS F SF
Regression 1 39,4 39,4 4,2 4,4E-02
Residual 79 742,4 9,4
Total 80 781,8
Intercepto 86,866 3,255 26,686 2,8E-41 80,39 93,35 78,27 95,46
Colector -0,131 0,064 -2,049 4,4E-02 -0,26 0,00 -0,30 0,04
176
Análisis Trimestral 2006
SUMMARY OUTPUT ENE - MAR 06
Multiple R 0,658
R Square 0,432
SE 3,268
Observations 247
ANOVA
df SS MS F SF
Regression 5 1961,8 392,4 36,7 6,6E-28
Residual 241 2574,4 10,7
Total 246 4536,3
Intercepto 88,058 3,421 25,743 4,1E-71 81,32 94,80 79,18 96,94
D80 -0,016 0,014 -1,161 2,5E-01 -0,04 0,01 -0,05 0,02
LeyCuT 4,889 1,203 4,064 6,5E-05 2,52 7,26 1,77 8,01
CuOxCuT -0,670 0,068 -9,888 1,4E-19 -0,80 -0,54 -0,85 -0,49
Colector -0,180 0,044 -4,099 5,7E-05 -0,27 -0,09 -0,29 -0,07
Espumante 0,193 0,043 4,491 1,1E-05 0,11 0,28 0,08 0,30
SUMMARY OUTPUT ENE-MAR 06
Multiple R 0,655
R Square 0,429
SE 3,271
Observations 247
ANOVA
df SS MS F SF
Regression 4 1947,4 486,9 45,5 1,8E-28
Residual 242 2588,8 10,7
Total 246 4536,3
Intercepto 85,025 2,210 38,481 4,0E-105 80,67 89,38 79,29 90,76
LeyCuT 5,020 1,199 4,189 3,9E-05 2,66 7,38 1,91 8,13
CuOxCuT -0,663 0,068 -9,818 2,3E-19 -0,80 -0,53 -0,84 -0,49
Colector -0,184 0,044 -4,219 3,5E-05 -0,27 -0,10 -0,30 -0,07
Espumante 0,191 0,043 4,439 1,4E-05 0,11 0,28 0,08 0,30
177
SUMMARY OUTPUT ABR-JUN 06
Multiple R 0,536
R Square 0,287
SE 3,524
Observations 255
ANOVA
df SS MS F SF
Regression 5 1245,4 249,1 20,1 8,5E-17
Residual 249 3092,4 12,4
Total 254 4337,8
Intercepto 98,279 3,941 24,938 1,2E-69 90,52 106,04 88,05 108,51
D80 -0,046 0,014 -3,315 1,1E-03 -0,07 -0,02 -0,08 -0,01
LeyCuT 4,733 1,197 3,954 1,0E-04 2,38 7,09 1,63 7,84
CuOxCuT -0,560 0,093 -6,039 5,6E-09 -0,74 -0,38 -0,80 -0,32
Colector -0,259 0,063 -4,141 4,7E-05 -0,38 -0,14 -0,42 -0,10
Espumante 0,095 0,043 2,211 2,8E-02 0,01 0,18 -0,02 0,21
SUMMARY OUTPUT JUL-SEP 06
Multiple R 0,514
R Square 0,265
SE 3,780
Observations 247
ANOVA
df SS MS F SF
Regression 5 1239,1 247,8 17,3 1,2E-14
Residual 241 3443,2 14,3
Total 246 4682,3
Intercepto 101,417 3,671 27,629 1,2E-76 94,19 108,65 91,89 110,95
D80 -0,088 0,013 -6,544 3,6E-10 -0,11 -0,06 -0,12 -0,05
LeyCuT 0,161 1,509 0,107 9,2E-01 -2,81 3,13 -3,76 4,08
CuOxCuT -0,534 0,090 -5,946 9,6E-09 -0,71 -0,36 -0,77 -0,30
Colector -0,123 0,062 -1,988 4,8E-02 -0,25 0,00 -0,28 0,04
Espumante 0,126 0,040 3,108 2,1E-03 0,05 0,21 0,02 0,23
SUMMARY OUTPUT JUL-SEP 06
Multiple R 0,514
R Square 0,265
SE 3,772
Observations 247
ANOVA
df SS MS F SF
Regression 4 1238,9 309,7 21,8 2,3E-15
Residual 242 3443,4 14,2
Total 246 4682,3
Intercepto 101,506 3,568 28,450 3,8E-79 94,48 108,53 92,24 110,77
D80 -0,088 0,013 -6,771 9,6E-11 -0,11 -0,06 -0,12 -0,05
CuOxCuT -0,535 0,089 -6,003 7,1E-09 -0,71 -0,36 -0,77 -0,30
Colector -0,119 0,050 -2,375 1,8E-02 -0,22 -0,02 -0,25 0,01
Espumante 0,126 0,040 3,113 2,1E-03 0,05 0,21 0,02 0,23
178
SUMMARY OUTPUT OCT - DIC 06
Multiple R 0,295
R Square 0,087
SE 3,074
Observations 251
ANOVA
df SS MS F SF
Regression 5 219,9 44,0 4,7 4,5E-04
Residual 245 2314,8 9,4
Total 250 2534,8
Intercepto 80,460 3,321 24,230 5,4E-67 73,92 87,00 71,84 89,08
D80 -0,017 0,011 -1,559 1,2E-01 -0,04 0,00 -0,04 0,01
LeyCuT 5,302 1,280 4,141 4,8E-05 2,78 7,82 1,98 8,63
CuOxCuT 0,111 0,078 1,420 1,6E-01 -0,04 0,27 -0,09 0,31
Colector -0,090 0,043 -2,096 3,7E-02 -0,18 -0,01 -0,20 0,02
Espumante 0,008 0,029 0,278 7,8E-01 -0,05 0,07 -0,07 0,08
SUMMARY OUTPUT OCT - DIC 06
Multiple R 0,264
R Square 0,069
SE 3,084
Observations 251
ANOVA
df SS MS F SF
Regression 2 176,1 88,0 9,3 1,3E-04
Residual 248 2358,7 9,5
Total 250 2534,8
Intercepto 79,139 1,784 44,363 6,1E-120 75,63 82,65 74,51 83,77
LeyCuT 4,818 1,150 4,188 3,9E-05 2,55 7,08 1,83 7,80
Colector -0,089 0,038 -2,369 1,9E-02 -0,16 -0,02 -0,19 0,01
179
Análisis Anual 2007
SUMMARY OUTPUT ENE-JUN 07
Multiple R 0,567
R Square 0,321
SE 3,429
Observations 480
ANOVA
df SS MS F SF
Regression 5 2639,9 528,0 44,9 6,2E-38
Residual 474 5572,4 11,8
Total 479 8212,4
Intercepto 79,94 2,107 37,944 9,5E-146 75,80 84,08 74,49 85,39
D80 -0,001 0,008 -0,123 9,0E-01 -0,02 0,02 -0,02 0,02
LeyCuT 3,11 0,710 4,385 1,4E-05 1,72 4,51 1,28 4,95
CuOxCuT -0,52 0,060 -8,620 1,0E-16 -0,63 -0,40 -0,67 -0,36
Colector -0,08 0,022 -3,651 2,9E-04 -0,12 -0,04 -0,14 -0,02
Espumante 0,17 0,025 6,642 8,5E-11 0,12 0,22 0,10 0,23
SUMMARY OUTPUT ENE-JUN 07
Multiple R 0,567
R Square 0,321
SE 3,425
Observations 480
ANOVA
df SS MS F SF
Regression 4 2639,8 659,9 56,3 7,8E-39
Residual 475 5572,6 11,7
Total 479 8212,4
Intercepto 79,74 1,375 58,015 1,0E-217 77,04 82,45 76,19 83,30
LeyCuT 3,12 0,704 4,438 1,1E-05 1,74 4,51 1,30 4,94
CuOxCuT -0,52 0,060 -8,632 9,2E-17 -0,63 -0,40 -0,67 -0,36
Colector -0,08 0,022 -3,692 2,5E-04 -0,12 -0,04 -0,14 -0,02
Espumante 0,17 0,025 6,704 5,8E-11 0,12 0,22 0,10 0,23
180
Análisis Mensuales 2007
Multiple R 0,536
R Square 0,288
SE 3,166
Observations 84
ANOVA
df SS MS F SF
Regression 5 315,8 63,2 6,3 5,8E-05
Residual 78 781,7 10,0
Total 83 1097,5
Intercepto 81,750 5,287 15,463 1,8E-25 71,22 92,28 67,79 95,71
D80 0,004 0,018 0,246 8,1E-01 -0,03 0,04 -0,04 0,05
LeyCuT 2,445 2,157 1,133 2,6E-01 -1,85 6,74 -3,25 8,14
CuOxCuT -0,663 0,147 -4,512 2,2E-05 -0,96 -0,37 -1,05 -0,27
Colector -0,093 0,052 -1,788 7,8E-02 -0,20 0,01 -0,23 0,04
Espumante 0,196 0,122 1,610 1,1E-01 -0,05 0,44 -0,13 0,52
Multiple R 0,488
R Square 0,238
SE 3,193
Observations 84
ANOVA
df SS MS F SF
Regression 1 261,5 261,5 25,7 2,5E-06
Residual 82 836,0 10,2
Total 83 1097,5
Intercepto 85,285 1,451 58,759 8,6E-69 82,40 88,17 81,46 89,11
CuOxCuT -0,688 0,136 -5,065 2,5E-06 -0,96 -0,42 -1,05 -0,33
181
Multiple R 0,840
R Square 0,706
SE 2,930
Observations 71
ANOVA
df SS MS F SF
Regression 5 1336,9 267,4 31,1 4,9E-16
Residual 65 558,0 8,6
Total 70 1894,9
Intercepto 81,436 5,435 14,983 9,2E-23 70,58 92,29 67,01 95,86
D80 -0,034 0,019 -1,792 7,8E-02 -0,07 0,00 -0,08 0,02
LeyCuT 7,934 2,085 3,805 3,2E-04 3,77 12,10 2,40 13,47
CuOxCuT -0,668 0,126 -5,282 1,6E-06 -0,92 -0,42 -1,00 -0,33
Colector -0,131 0,080 -1,646 1,0E-01 -0,29 0,03 -0,34 0,08
Espumante 0,302 0,057 5,281 1,6E-06 0,19 0,42 0,15 0,45
Multiple R 0,826
R Square 0,682
SE 2,998
Observations 71
ANOVA
df SS MS F SF
Regression 3 1292,7 430,9 47,9 1,2E-16
Residual 67 602,2 9,0
Total 70 1894,9
Intercepto 70,669 2,569 27,509 3,2E-38 65,54 75,80 63,86 77,48
LeyCuT 7,520 2,119 3,548 7,1E-04 3,29 11,75 1,90 13,14
CuOxCuT -0,694 0,122 -5,678 3,2E-07 -0,94 -0,45 -1,02 -0,37
Espumante 0,275 0,057 4,836 8,1E-06 0,16 0,39 0,12 0,43
Multiple R 0,518
R Square 0,268
SE 3,340
Observations 90
ANOVA
df SS MS F SF
Regression 5 342,9 68,6 6,1 6,7E-05
Residual 84 937,2 11,2
Total 89 1280,1
Intercepto 78,316 5,240 14,946 2,2E-25 67,90 88,74 64,51 92,13
D80 -0,013 0,023 -0,556 5,8E-01 -0,06 0,03 -0,07 0,05
LeyCuT 5,548 1,842 3,011 3,4E-03 1,88 9,21 0,69 10,40
CuOxCuT -0,413 0,130 -3,167 2,1E-03 -0,67 -0,15 -0,76 -0,07
Colector -0,149 0,060 -2,463 1,6E-02 -0,27 -0,03 -0,31 0,01
Espumante 0,256 0,069 3,709 3,7E-04 0,12 0,39 0,07 0,44
182
Multiple R 0,515
R Square 0,265
SE 3,327
Observations 90
ANOVA
df SS MS F SF
Regression 4 339,4 84,9 7,7 2,5E-05
Residual 85 940,7 11,1
Total 89 1280,1
Intercepto 76,006 3,177 23,927 1,6E-39 69,69 82,32 67,64 84,38
LeyCuT 5,765 1,793 3,215 1,8E-03 2,20 9,33 1,04 10,49
CuOxCuT -0,411 0,130 -3,165 2,2E-03 -0,67 -0,15 -0,75 -0,07
Colector -0,154 0,060 -2,580 1,2E-02 -0,27 -0,04 -0,31 0,00
Espumante 0,246 0,066 3,702 3,8E-04 0,11 0,38 0,07 0,42
Multiple R 0,589
R Square 0,347
SE 3,497
Observations 87
ANOVA
df SS MS F SF
Regression 5 526,9 105,4 8,6 1,4E-06
Residual 81 990,8 12,2
Total 86 1517,7
Intercepto 76,749 6,291 12,200 5,0E-20 64,23 89,27 60,15 93,34
D80 0,020 0,021 0,937 3,5E-01 -0,02 0,06 -0,04 0,07
LeyCuT 5,433 1,821 2,983 3,8E-03 1,81 9,06 0,63 10,24
CuOxCuT -0,456 0,165 -2,762 7,1E-03 -0,78 -0,13 -0,89 -0,02
Colector -0,071 0,119 -0,595 5,5E-01 -0,31 0,17 -0,39 0,24
Espumante 0,067 0,070 0,954 3,4E-01 -0,07 0,21 -0,12 0,25
Multiple R 0,570
R Square 0,325
SE 3,492
Observations 87
ANOVA
df SS MS F SF
Regression 2 493,7 246,8 20,2 6,7E-08
Residual 84 1024,0 12,2
Total 86 1517,7
Intercepto 79,641 3,032 26,269 2,8E-42 73,61 85,67 71,65 87,63
LeyCuT 5,656 1,663 3,401 1,0E-03 2,35 8,96 1,27 10,04
CuOxCuT -0,445 0,164 -2,714 8,1E-03 -0,77 -0,12 -0,88 -0,01
183
Multiple R 0,692
R Square 0,479
SE 2,650
Observations 81
ANOVA
df SS MS F SF
Regression 5 484,1 96,8 13,8 1,5E-09
Residual 75 526,6 7,0
Total 80 1010,7
Intercepto 84,430 3,897 21,666 5,1E-34 76,67 92,19 74,13 94,73
D80 -0,014 0,015 -0,956 3,4E-01 -0,04 0,02 -0,05 0,03
LeyCuT 7,008 1,268 5,529 4,5E-07 4,48 9,53 3,66 10,36
CuOxCuT -0,337 0,128 -2,639 1,0E-02 -0,59 -0,08 -0,67 0,00
Colector -0,267 0,077 -3,495 8,0E-04 -0,42 -0,11 -0,47 -0,07
Espumante 0,088 0,053 1,667 1,0E-01 -0,02 0,19 -0,05 0,23
Multiple R 0,677
R Square 0,458
SE 2,666
Observations 81
ANOVA
df SS MS F SF
Regression 3 463,2 154,4 21,7 2,7E-10
Residual 77 547,5 7,1
Total 80 1010,7
Intercepto 82,599 2,550 32,394 1,3E-46 77,52 87,68 75,86 89,33
LeyCuT 7,745 1,196 6,477 8,0E-09 5,36 10,13 4,59 10,90
CuOxCuT -0,335 0,128 -2,612 1,1E-02 -0,59 -0,08 -0,67 0,004
Colector -0,242 0,076 -3,209 1,9E-03 -0,39 -0,09 -0,44 -0,04
Multiple R 0,543
R Square 0,295
SE 3,258
Observations 67
ANOVA
df SS MS F SF
Regression 5 270,7 54,1 5,1 5,7E-04
Residual 61 647,5 10,6
Total 66 918,2
Intercepto 84,791 6,891 12,304 3,6E-18 71,01 98,57 66,47 103,11
D80 0,050 0,028 1,810 7,5E-02 -0,01 0,11 -0,02 0,12
LeyCuT -3,637 2,194 -1,658 1,0E-01 -8,02 0,75 -9,47 2,20
CuOxCuT -0,437 0,152 -2,872 5,6E-03 -0,74 -0,13 -0,84 -0,03
Colector -0,238 0,110 -2,163 3,5E-02 -0,46 -0,02 -0,53 0,05
Espumante 0,055 0,070 0,794 4,3E-01 -0,08 0,20 -0,13 0,24
184
Multiple R 0,419
R Square 0,175
SE 3,439
Observations 67
ANOVA
df SS MS F SF
Regression 2 161,1 80,6 6,8 2,1E-03
Residual 64 757,1 11,8
Total 66 918,2
Intercepto 91,990 3,939 23,356 5,0E-33 84,12 99,86 81,53 102,45
CuOxCuT -0,362 0,155 -2,336 2,3E-02 -0,67 -0,05 -0,77 0,05
Colector -0,257 0,101 -2,551 1,3E-02 -0,46 -0,06 -0,52 0,01
Análisis Trimestral 2007

Multiple R 0,650
R Square 0,423
SE 3,259
Observations 245
ANOVA
df SS MS F Significance F
Regression 5 1860,7 372,1 35,0 8,1E-27
Residual 239 2538,0 10,6
Total 244 4398,7
Intercepto 79,191 2,951 26,834 4,6E-74 73,38 85,00 71,53 86,85
D80 -0,008 0,011 -0,742 4,6E-01 -0,03 0,01 -0,04 0,02
LeyCuT 4,184 1,093 3,829 1,6E-04 2,03 6,34 1,35 7,02
CuOxCuT -0,589 0,076 -7,721 3,2E-13 -0,74 -0,44 -0,79 -0,39
Colector -0,068 0,027 -2,516 1,3E-02 -0,12 -0,01 -0,14 0,00
Espumante 0,229 0,034 6,799 8,4E-11 0,16 0,30 0,14 0,32
185
Multiple R 0,649
R Square 0,422
SE 3,256
Observations 245
ANOVA
df SS MS F SF
Regression 4 1854,8 463,7 43,7 1,5E-27
Residual 240 2543,9 10,6
Total 244 4398,7
Intercepto 77,474 1,832 42,297 3,1E-113 73,87 81,08 72,72 82,23
LeyCuT 4,268 1,086 3,931 1,1E-04 2,13 6,41 1,45 7,09
CuOxCuT -0,585 0,076 -7,695 3,7E-13 -0,74 -0,44 -0,78 -0,39
Colector -0,070 0,027 -2,574 1,1E-02 -0,12 -0,02 -0,14 0,001
Espumante 0,227 0,034 6,767 1,0E-10 0,16 0,29 0,14 0,31
Multiple R 0,478
R Square 0,228
SE 3,505
Observations 235
ANOVA
df SS MS F Significance F
Regression 5 832,1 166,4 13,5 1,4E-11
Residual 229 2814,0 12,3
Total 234 3646,1
Intercepto 82,708 3,218 25,705 2,0E-69 76,37 89,05 74,35 91,07
D80 0,006 0,012 0,519 6,0E-01 -0,02 0,03 -0,03 0,04
LeyCuT 3,537 1,037 3,410 7,7E-04 1,49 5,58 0,84 6,23
CuOxCuT -0,190 0,058 -3,290 1,2E-03 -0,30 -0,08 -0,34 -0,04
Colector -0,420 0,094 -4,461 1,3E-05 -0,61 -0,23 -0,66 -0,18
Espumante 0,103 0,038 2,678 7,9E-03 0,03 0,18 0,00 0,20
186
Multiple R 0,477
R Square 0,227
SE 3,500
Observations 235
ANOVA
df SS MS F SF
Regression 4 828,8 207,2 16,9 3,6E-12
Residual 230 2817,3 12,2
Total 234 3646,1
Intercepto 83,911 2,227 37,682 2,2E-100 79,52 88,30 78,13 89,69
LeyCuT 3,513 1,034 3,396 8,1E-04 1,47 5,55 0,83 6,20
CuOxCuT -0,191 0,058 -3,308 1,1E-03 -0,30 -0,08 -0,34 -0,04
Colector -0,421 0,094 -4,489 1,1E-05 -0,61 -0,24 -0,67 -0,18
Espumante 0,107 0,037 2,862 4,6E-03 0,03 0,18 0,01 0,20
187
Anexo G: Eficiencia en Hidrociclones
188
189
190
191
192
193
194
195
196

Ucg0734 01 PDF

Cargado por

Copyright:

Formatos disponibles

Ucg0734 01 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ucg0734 01 PDF

Cargado por

Copyright:

Formatos disponibles

PONTIFICIA UNIVERSIDAD CATÓLICA DE VALPARAÍSO

PROYECTO PARA OPTAR AL

MODELACIÓN DE PLANTA DE FLOTACIÓN

Alejandro Ramos Barraza

En la presente memoria de titulación se describe el análisis multivariable

“La información que esta Memoria recoge y contiene respecto de las

La flotación es un proceso de separación fisicoquímico que se utiliza para

El Soldado se ubica en Nogales, Región de Valparaíso. Comprende una mina

Figura 2.1. Esquema Proceso Flotación

El proceso consiste en adicionar reactivos (colectores, espumantes,

STOCK PILE CHANCADO

TRIPPER ALIMENTACION FLOTACION

Figura 2.3. Diagrama de Flujos Planta de Flotación

Prerougher Rougher Relave Final

Esta configuración, divide la planta en dos etapas, la Flotación Primaria y la

Figura 2.4. Arreglo Celdas Rougher

1er BANCO 2do BANCO 3er BANCO 4to BANCO

El concentrado rougher pasa al acumulador de la flotación limpieza (Cuba de

Tabla 2.1. Balance Global Planta de Flotación 2006.

Balance Global Planta Concentradora

Las corrientes señaladas corresponden a las corrientes que se indicaron

Teniendo en cuenta que un proceso puede depender de muchas variables,

Figura 3.1. Etapas de la Metodología de Análisis

3.2.1. Recopilación de Información

Se recopilan los diagramas de flujo, se identifican los procesos, sus variables y

3.2.2. Función Objetivo

La función objetivo representa los objetivos o tareas que se desean en un

Figura 3.2. Ejemplo Representación Árbol Funcional

Molienda Fn Obj(Disminución de tamaño de partícula)

Alimentación Fn(Tamaño Partícula, Densidad, Tratamiento)

Potencia Fn(Velocidad, Carga)

Medio de Molienda Fn(Bolas, Barras, Otros)

Tipo de Molino Fn(Dimensiones, Diseño)

3.2.4. Detección y Limpieza de Datos Erróneos

Para una mejor detección y limpieza se recomienda en una primera instancia

Se realiza el análisis de regresión mediante el uso del software Microsoft

Tabla 3.1. Ejemplo Análisis de Regresión

Error típico 3,8930

Grados de Suma de Promedio de los Valor crítico

Superior Inferior Superior

Variable X1 -0,059097 0,0258 -2,29 2,48E-02 -0,110 -0,008 -0,127 0,009

Variable X2 -1,129189 2,6764 -0,42 6,74E-01 -6,467 4,209 -8,216 5,958

Variable X3 -0,785247 0,1565 -5,02 3,79E-06 -1,097 -0,473 -1,200 -0,371

Variable X4 -0,265041 0,0711 -3,73 3,92E-04 -0,407 -0,123 -0,453 -0,077

Variable X5 0,040554 0,0876 0,46 6,45E-01 -0,134 0,215 -0,191 0,273

Error típico 4,2528

Grados de Suma de Promedio de los Valor crítico

Superior Inferior Superior

Variable X1 -0,058827 0,0280 -2,10 3,91E-02 -0,115 -0,003 -0,133 0,015

Variable X3 -0,648691 0,1467 -4,42 3,35E-05 -0,941 -0,356 -1,037 -0,261

En el ejemplo anterior, tanto los límites de confianza como el valor esperado

Media 183,83 12,22

Error típico 2,01 0,38

Mediana 182,42 11,79

Moda 186,02 14,61

Desviación estándar 17,56 3,35

Varianza de la muestra 308,32 11,23

Curtosis 0,82 -0,62

Coeficiente de asimetría 0,93 0,24