revista de metalurgia, 46 (2)

marzo-abril, 101-108, 2010

issn: 0034-8570
eissn: 1988-4222
doi: 10.3989/revmetalm.0834

Modelacin emprica de flotacin en columna a escala piloto()

J. Simpson*, D. Jordn*, G. Cifuentes*, A. Morales** y L. Briones***
Resumen

El rea Procemin I, del Centro Minero Metalrgico Tecnologa y Servicio (CIMM T&S), ubicado en Santiago de Chile,
cuenta con una completa planta piloto de molienda y flotacin en la cual se desarrollan experiencias de optimizacin
de circuitos, diseo de plantas, obtencin de parmetros de operacin, entre otras cosas. Uno de los equipos que posee la planta piloto es una columna de flotacin piloto, con un alto nivel de automatizacin. Una de las problemticas presentadas para la operacin de la columna de flotacin es no lograr tomar decisiones de operacin sobre la base de los resultados metalrgicos que se puedan obtener. El desarrollo de modelos matemticos que permitan estimar
los resultados metalrgicos (ley de concentrado, ley de relaves, razn de enriquecimiento y recuperacin) en funcin de las variables operacionales que sean manipulables busca entregarle mayor libertad al operador y al ingeniero
de procesos para lograr la sintonizacin operacional de la columna. El mtodo empleado para el desarrollo de los modelos fue Stepwise Regression (Regresin por Pasos) considerando relaciones empricas entre variables operacionales
y los resultados experimentales. Todos los modelos presentaron sobre un 90 % de exactitud, salvo uno de ellos que fue
sobre 70 %.

Palabras clave

Flotacin en columna; Regresin por pasos; Modelo matemtico.

Mathematical simulation of column flotation in pilot scale

Abstract

The Procemin-I area of the Centro Minero Metalrgico Tecnologa y Servicio (CIMM T & S), has a full milling and
flotation pilot plant in which several experiences are developed as: optimization of circuits, plant design, procurement
of operating parameters, etc. Ones of the equipment in operation is the column flotation to pilot scale, witch have a
medium level of automation. The problem presented in the operation of the column flotation is the low relationship
during the operation between the operating basis parameters and the metallurgical results. The mathematical models
used today to estimate the metallurgical results (i.e.: concentrate, tailing, enrichment and recovery) depending on
variables that are manipulated by hand according the operator experience. But the process engineer needs tools
without subjective vision to obtain the best performance of the column. The method used to help the column
operation was a mathematical model based on the Stepwise Regression then considering empirical relationships
between operational variables and experimental results. All the mathematicals relationship developed in this study
have a good correlation (up 90 % of precision), except one (up 70 %) due by non regular mineralogical feed.

Keyword

Float in column; Stepwise regression; Mathematical modelling.

1. ANTECEDENTES
Los orgenes de la columna de flotacin se remontan a principios del siglo XX, cuando se presentaba la
mquina de flotacin de Callow[1], una mquina simple que consista en una celda en la cual se reemplazaba la agitacin mecnica por una columna de burbujas producidas por inyeccin de aire a presin, el
cual pasaba por una tela porosa produciendo burbujas de aire que colectaban las partculas mineralizadas

e hidrofobizadas, las cuales ascendan hasta la parte

superior de la celda para ser retiradas como concentrado.
El diseo anterior inspir a D. Wheeler, P. Bouitn
y R. Tremblay[2] quienes, en 1960, disearon una celda de flotacin basndose en el principio de Callow,
generar la fase gaseosa mediante inyeccin de aire
en la base de la celda. Esta nueva celda posea como
caractersticas principales una gran altura, se alimentaba desde la parte superior (a 2/3 de la altura total)

() trabajo recibido el da 13 de agosto de 2008 y aceptado en su forma final el da 2 de diciembre de 2009.

* dpto. de ingeniera metalrgica, universidad de santiago de Chile, santiago, Chile.
** dpto. de ingeniera metalrgica, universidad Catlica del norte, antofagasta, Chile.
*** dpto. de ingeniera mecnica, universidad de santiago de Chile, santiago, Chile. gerardo.cifuentes@usach.cl.

101

J. simpson, d. Jordn, g. CiFuentes, a. morales y l. briones

generando un flujo en contra-corriente con un flujo descendente de pulpa mineral y un flujo ascendente de burbujas de aire, y un pequeo flujo de agua
sobre el lecho de espuma a fin de limpiar el concentrado. Alrededor de 1970 [2] , en la Canada Iron
Company realizaron las primeras pruebas en estos
equipos, obteniendo resultados metalrgicos satisfactorios. An cuando el equipo contena un sinnmero de aspectos ventajosos: menor espacio ocupado,
menores costos de operacin por eliminacin de la
agitacin mecnica, mejores resultados metalrgicos; el proyecto se enfrent al conservadurismo de
las empresas metalrgicas proveedoras de celdas de
flotacin. En la actualidad la utilizacin de columnas de flotacin en los procesos metalrgicos en la
industria del cobre es una realidad, con una utilidad
ms que demostrada y avalada econmicamente.
Un aspecto importante dentro de todo proceso es
el control de ste y la operacin de las columnas no
est ajena a esta realidad; en este trabajo se desarrolla un modelo matemtico basado en el mtodo de
regresin por pasos (Stepwise Regression). Este mtodo trabaja bajo la hiptesis de que la relacin entre las
variables predictoras y la variable respuesta es lineal;
de esta forma, se elige un subconjunto de variables
que deben estar incluidas en el modelo. En la regresin por pasos, al incluir una nueva variable al modelo, reconsidera el mantener las que ya se haban aadido previamente, es decir, no slo puede entrar una
nueva variable en cada paso sino que puede salir alguna de las que ya estaban en la ecuacin. El proceso finaliza cuando ninguna variable de las que no estn en la ecuacin cumple la condicin para entrar y,
de las incorporadas a la ecuacin, ninguna cumple
la condicin de salir. El criterio que se emplea para decidir si una variable se queda o no corresponde, estadsticamente, al coeficiente de regresin lineal (R
o R2) calculado cada vez que una variable se incorpora o se quita del modelo. El valor, por ejemplo, de R2

mide la proporcin de la variabilidad de la variable

dependiente en la ecuacin del modelo planteado.
Las variables que pueden ser incorporadas en el
mtodo de regresin por pasos pueden tener un origen muy variado, pasando desde variables empricas
hasta del tipo fenomenolgico. Cuando la mayora
de las variables son del tipo empricas se tendr como
resultado un modelo emprico. En cambio, cuando
las variables incorporadas en el modelo poseen componentes empricas y fenomenolgicas estamos en
presencia de un modelo gris. En este trabajo se pretende desarrollar un modelo matemtico utilizando las
herramientas estadsticas que se desprenden del mtodo de regresin por pasos.

2. OBJETIVOS
Se pretende obtener un modelo matemtico por el
mtodo de regresin por pasos representativo, en estado estacionario, que determine los resultados metalrgicos de la columna de flotacin piloto en funcin de los parmetros de operacin.

3. METODOLOGA
Se realiz una caracterizacin preliminar del mineral
empleado en este trabajo, utilizando nueve muestras.
En primer lugar, se caracteriz qumicamente, mostrndose los resultados obtenidos en la tabla I para,
despus, proceder a realizar una flotacin Rougher
estndar en celda convencional con el fin de obtener la constante cintica de flotacin, KRougher, y la recuperacin infinita, R , segn el mtodo de
Klimpell[3] para proceder al escalamiento a flotacin
columnar. En la tabla II, se presentan los valores cinticos correspondientes.

Tabla I. anlisis qumicos a muestras representativas del mineral ensayado

Table I. Chemical analysis of representative samples ore tested
Muestras
Elemento
Cu, %
insolubles, %
s, %
Fe, %
as, %
102

M1

M2

M3

M4

M5

M6

M7

M8

M9

1,85
82,30
4,80
3,37
0,13

1,79
80,80
4,47
3,45
0,16

1,79
80,80
4,47
3,45
0,16

1,01
83,90
3,72
2,92
0,07

1,40
84,73
3,87
3,05
0,12

1,35
81,95
3,88
3,65
0,08

1,31
82,27
3,86
3,84
0,08

0,97
83,33
3,33
3,20
0,05

1,47
85,12
2,47
2,88
0,12

rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834

modelaCin empriCa de FlotaCin en Columna a esCala piloto

mathematiCal simulation oF Column Flotation in pilot sCale

Tabla II. parmetros cinticos obtenidos en

flotacin rougher estndar en celda
convencional
Table II. Kinetic parameters obtained in
Rougher flotation conventional standard cell
Muestras

m1
m2
m3
m4
m5
m6
m7
m8
m9

Parmetros cinticos
KRougher

1,10
0,80
0,80
0,75
0,30
0,30
0,40
0,30
0,20

99,8
98,5
98,5
98,1
86,1
100
100
100
87,4

Lo ms notorio, en la tabla II, es la dispersin de

valores obtenidos en los parmetros cinticos para
las muestras representativas, aspecto que tiene que
ver ms bien con la dispersin del tipo mineralgica presente en el mineral, que con el contenido qumico del elemento presente en este que, como lo presenta la tabla I, no estn tan dispersos respecto del
cobre principalmente, no as del contenido de azufre que podra indicar diferencias significativas en
cuanto a las variables cinticas, al estar asociado a
diferentes especies mineralgicas con el cobre.
La metodologa de trabajo consisti en recopilar
la informacin operacional de nueve ensayos de la
planta de procesamiento de minerales. La informacin fue recopilada empleando un software de adquisicin de datos desde la instrumentacin asociada a
la columna de flotacin piloto (Fig. 1). El lazo de
control de estabilizacin de la columna de la figura 1
emplea slo el control de nivel, siendo este tipo de
lazo una de las alternativas de ms bajo costo de implementacin.
Los sensores empleados en este lazo fueron: sensores de presin (LT) dPcell instalados en la pared de la
columna y columna de burbujeo o presin esttica;
sensores de temperatura (FT) para determinar la posicin de la interfaz pulpa/espuma por diferencia entre la temperatura del agua de lavado y la pulpa; sensores ultrasnicos y de flotacin para determinar la
profundidad de la espuma; y censor radiactivo (C)
para determinar la densidad de pulpa de alimentacin.
En la tabla III se presenta la simbologa empleada
para las diferentes variables asociadas a la operacin

Figura 1. esquema columna de flotacin piloto

con su sistema de control y la instrumentacin
asociada a este.
Figure 1. Scheme of the pilot flotation column
system and the control instrumentation
associated with this.

de la columna piloto, la frecuencia de adquisicin de

datos y su origen.
La velocidad superficial para un componente i de
flujo volumtrico Qi est dada por la expresin (1):

Ji =

Qi
36 AColumna

(1)

Con, i= g (aire), P (pulpa), B (Bias), WW (agua

de lavado), etc.
En una primera etapa se realiza un anlisis de la
data adquirida, con el objetivo de filtrar aquellos que
se encuentran fuera de rango y dejar los metalrgicamente adecuados (flujo positivo (QB>0) y LConc >
LAlim) [4].
Una vez que la data es filtrada, se realiza la caracterizacin de la operacin de la columna, determinando el tiempo medio de residencia de los relaves en
la zona de coleccin de la columna. El tiempo medio de residencia de los relaves puede ser considerado como similar al tiempo medio de residencia de la
pulpa en la zona de coleccin de la columna. El tiempo medio de residencia (TMedio) fue calculado empleando la expresin (2):

rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834

103

J. simpson, d. Jordn, g. CiFuentes, a. morales y l. briones

Tabla III. listado de variables operacionales asociadas a la columna piloto

Table III. List of operational variables associated with pilot column
Variable Nombre
X1
X2
X3
X4
X5
X6

LAlim
JWW
Jg
HE
Cp
JB

X7
X8
X9

e
F80
TMedio
X10

Significado

Frecuencia de medicin

ley de alimentacin, %
Cada 30 min
velocidad superficial de agua de lavado, cm/s
en lnea, cada 1 min
velocidad superficial de aire, cm/s
en lnea, cada 1 min
altura de espuma, m
en lnea, cada 1 min
Concentracin de slidos en alimentacin, %
Cada 30 min
bias, velocidad superficial de agua neto en fase espuma, cm/s
*(JAgua Relaves-JWW)
determinado mediante ecuacin
hold up de aire, determinado mediante ecuacin
tamao partcula del 80% pasante
Cada 30 min
tiempo medio de residencia, min
determinado mediante ecuacin
KFC Constante de velocidad especfica de flotacin, 1/min
determinado mediante ecuacin

* : velocidad superficial de agua en relaves menos velocidad superficial de agua de lavado en la alimentacin.

TMedio =

( HC HE) (1 )
JRelaves

(2)

donde, HC y HE son la altura de la columna y de la

espuma, respectivamente (cm), JRelaves, la velocidad
superficial de relave y e es la fraccin de aire (hold up
de aire). Para la determinacin del hold up de aire se
realiz una estimacin entre las principales variables
que determinan este parmetro, a saber: el flujo de
aire y la altura de espuma. La determinacin del hold
up experimental se hizo empleando el principio de
desplazamiento de volumen. La figura 2 presenta la relacin entre el flujo volumtrico de aire (Qg) y la altura de espuma (HE) de la columna de flotacin.
De acuerdo a lo obtenido de la figura 2, la funcin que determina el hold up queda, entonces, determinada por la siguiente correlacin:

= 0,37+ 0,01 Qg + 0,05 (352 3,50 HE) (3)

con

para

H
HE = 352,82 3,501NI Normalizada

NI Normalizada =

NI Sensor
Lquido

(4)

(5)

Para este estudio se consider rlquido=1,07 g/cm3 y

NI=107 % como factores de correccin, debido al
desplazamiento de las mediciones obtenidas por efecto de la densidad del medio, donde NI es el nivel
104

Figura 2. relacin entre nivel de interfaz (NI),

Flujo de aire (Qg) en m3/h y hold up (e).
Figura 2. Relationship between Level Interface
(NI), Airflow (Qg) in m3/h and Hold Up (e).
relativo de la interfaz espuma/lquido respecto al nivel de rebose de la celda.
La data menor a 10 l/min no es considerada ya
que, por condiciones operacionales, ese caudal de aire no es utilizado normalmente en este tipo de celda puesto que se debe mantener una altura adecuada
de nivel de espuma en el sistema, as como una distribucin de la fraccin de aire (hold up, e) en la columna lo ms eficiente posible.
Otra caracterstica fundamental en la operacin de
columnas de flotacin es la condicin de flujo pistn, con un bajo grado de mezclamiento axial

rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834

modelaCin empriCa de FlotaCin en Columna a esCala piloto

mathematiCal simulation oF Column Flotation in pilot sCale

presente en la zona de coleccin. Esta condicin quedar definida por el nmero de dispersin axial (ND),
el cual depende de la velocidad intersticial del lquido (m, cm/s), ecuacin (6)), y del coeficiente de dispersin axial (D), ecuacin (7), siendo determinado finalmente por la expresin (8):

1
(J + J )
(1 ) P B

JG
D = 0,063 d
D

columna
1,6
N
ND =

Teniendo esta condicin determinada es posible

estimar la constante de velocidad especfica de un
mineral sometido a flotacin columnar (KFC), a partir de la informacin entregada por instrumentacin
y la informacin cintica respectiva. La constante
de velocidad especfica de flotacin queda determinada segn Finch y Dobby[5] por la relacin (9):

(6)

K FC =
0,3

D
( HC HS HE)

(7)

(8)

donde, JP y JB son las velocidades superficiales de pulpa de alimentacin y agua de lavado neta, respectivamente (Bias), d el dimetro de la columna (cm), JG la
velocidad superficial de aire y HS la altura de ubicacin de los spargers (m). Como condicin general,
se tiene que si D tiende a cero, entonces, ND tambin tiende a cero y se puede decir que la columna
opera en flujo tipo pistn; en caso contrario se dice
que la columna opera en flujo tipo mezcla perfecta. En
este caso los datos operacionales indican una tendencia clara al flujo tipo pistn, como se muestra en
la figura 3.

Figura 3. Coeficiente de dispersin y nmero de

dispersin caracterstico de la columna piloto.
Figure 3. Coefficient of Dispersion and
Dispersion characteristic number of the pilot column.

1
TMedio

[ (

Ln exp K Rougher TMedio RF +1 RF (9)

donde, KRougher es
L la constante cintica de flotacin
Rougher en celdas estndares y RF es la recuperacin
de la espuma en la columna. La recuperacin metalrgica (Rec) de la especie de inters en la zona espuma vara entre 40 y 60 %. Una vez que se ha determinado esta constante, para cada una de las muestras
es posible desarrollar modelos semi-empricos de cada variable en relacin a los parmetros, como el que
se muestra en la figura 4.
En la figura 4 la relacin entre Jg y RE responde a
una funcin del tipo Y=(Xi - Xi*)a, donde Xi es la variable del parmetro i y Xi* el valor mximo que se espera alcanzar de ella y el grado del polinomio de
esa variable, esto permite dividir el comportamiento
de la curva en dos zonas, una zona ascendente (antes
de Xi*) y otra descendente (despus de Xi*). Siguiendo
este procedimiento se logra desarrollar los modelos
para la razn de enriquecimiento, los cuales se muestran en la tabla IV.

Figura 4. relacin entre velocidad superficial

de aire (Jg) v/s razn de enriquecimiento (RE).
Figura 4. Relationship between Surface Velocity
Air (Jg) versus Enrichment Ratio (RE).

rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834

105

J. simpson, d. Jordn, g. CiFuentes, a. morales y l. briones

Tabla IV. modelos matemticos para razn

de enriquecimiento
Table IV. Mathematical models for enrichment
ratio
Para

Se crea

X11: HE
X12: e
X13: JG
X14: JB
X15: F80
X16: TMedio
X17: Cp

a11(HE-0,85)2
e12(e-0,25)2
a13(JG-1,25)2
a14/JB
a15F80
a16/TMedio
a17(0,24-Cp)2

En la tabla V se presentan los modelos empricos

desarrollados para el modelo de LRelaves. Estos modelos empricos complementarn a las variables operacionales presentadas en la tabla III, buscando crear,
de esta forma, modelos matemticos que se vean influenciados tanto por relaciones directas como por
relaciones empricas[6].
El mtodo empleado es un tipo de regresin lineal llamado Stepwise Regression[7] que posee la particularidad de evaluar el peso de una variable dentro de un modelo por medio del coeficiente de regresin lineal, R 2, y determinar si es vlida o no la
presencia de esta en la formulacin del modelo.
Este mtodo trabaja con regresiones lineales, pero se sabe que estas no responden al comportamiento de los equipos del proceso de flotacin el cual es no
lineal. Por lo cual, es necesario realizar un desarrollo logartmico que si represente este proceso, la representacin queda entonces de la siguiente forma:
Tabla V. modelos matemticos empricos
para ley de relaves

y = X 1 X2 X n ln(y)=aln(X1)+bln(X2)+mln(Xn)
Donde, a, b m son los coeficientes del polinomio. Empleando este mtodo se logra crear un modelo matemtico emprico que entregue resultados no lineales empleando un mtodo de regresin lineal como el ya antes mencionado.

4. RESULTADOS

4.1. Modelo emprico de RE

Despus de realizar las regresiones se lleg a determinar el modelo de RE, el cual tiene como estructura matemtica:

RE =

L0,61
A lim

HE 0,13
0,12
TMedio
JB0,06 F800,08 CP0,09

donde, F80 es el tamao de partcula pasante 80 % y

CP es la concentracin de slidos de la pulpa, ambos
en la alimentacin. Este modelo presenta un ajuste
del 90 % para los datos empleados y su comportamiento se puede ver en la figura 4.

4.2. Modelo emprico LRelaves

L Relaves queda determinada mediante el modelo:

LRelaves =

0,105
L1,029
A lim HE
0,098
0,077
K FC
TMedio

El modelo posee un ajuste del 93 % para los datos

empleados y su comportamiento se puede ver en la
figura 5.

Table V. Mathematical models for tailings law

106

Para

Se crea

X18: HE
X19: e
X20: JG
X21: JB
X22: F80
X23: TMedio
X24: Cp

a18/HE
a19(0,23-e)2
a20(1,25-JG)2
a21JB
a22(F80-44,50)2
a23TMedio
a24(Cp-0,22)2

4.3. Modelo emprico LConc

LConc queda determinada por:

LConc = RE LA lim
donde, RE es la razn de enriquecimiento y LAlim la
ley de alimentacin. Este modelo se ajusta a un 74 %
de los datos empleados, la baja en el nivel de ajuste se

rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834

modelaCin empriCa de FlotaCin en Columna a esCala piloto

mathematiCal simulation oF Column Flotation in pilot sCale
0,83

(LA lim LRelave)

Rec =
0,46
0,58
LA lim ( LConc LRelave)
Este modelo se ajusta a un 93 % de los datos y su
comportamiento se presenta en la figura 7.

5. CONCLUSIONES

Figura 5. Comparacin entre ley de relaves

real y el modelado.
Figure 5. Comparison between real results of
tailing law versus modeling results of them.

explicara principalmente por posibles diferencias en

la mineraloga de alimentacin empleada en los ensayos y que ya se evidenciaba segn lo indicado en
las tablas I y II. El comportamiento de este modelo
se puede ver en la figura 6.

El modelo emprico obtenido de RE responde de manera eficiente, siendo las principales variables que la
afectan la altura de espuma y el tiempo medio de flotacin.
El modelo emprico obtenido de LRelaves responde
de manera concordante con lo esperado tericamente[7], siendo la principal variable la altura de espuma.
Los modelos empricos de LConc y Rec que se desprenden de forma directa de los modelos empricos
anteriores y que se deducen directamente de un balance de los finos de la columna, entregan informacin que es concordante con el comportamiento de
las variables manipuladas.
El mtodo de la regresin por pasos (Step Wise
Regression)[7] representa una muy buena herramienta para correlacionar las variables de proceso y obtener modelos empricos que caractericen el comportamiento de columnas de flotacin.

4.4. Modelo emprico de Rec

Rec queda determinada por el modelo:

Figura 6. Comparacin entre ley de

Concentrado real y el modelado.
Figure 6. Comparison between real results of
the concentrate versus modeling results of them.

Figura 7. Comparacin entre recuperacin

metalrgica real y el modelado.
Figure 7. Comparison between real results of
the metallurgical recovery versus modeling
results of them.

rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834

107

J. simpson, d. Jordn, g. CiFuentes, a. morales y l. briones

REFERENCIAS
[1] A. Azanero, P. Nuez, E. Len y M. Morales,
Rev. Inst. Investig. Fac. Minas Metal Cienc.
Geogr. 11 (2003) 82-90.
[2] J. Bouchard, A. Desbiens y R. del Villar, Miner.
Eng. 18 (2005) 709-720.
[3] J. Yianatos, Flotacin de Minerales, Departamen to de Procesos Qumicos, Biotecnolgicos y
Ambientales, Universidad Tcnica Federico
Santa Mara, Via del Mar, Chile, 2005, pp.
62-87.
[4] J. Bouchard y A. Desbiens, Proc. Copper/Cobre
2003, Int. Conf. Vol 3, Santiago, Chile, 2003,

108

C. Gmez y C.A. Barahona (Eds.), Instituto de

Ingenieros de Minas, Santiago, Chile, 2003,
pp. 351-364.
[5] J.A. Finch, y G.A. Dobby, Column Flotation,
Pergamon Press, Oxford, Inglaterra, 1990,
pp. 180-200.
[6] O. Levenspiel, Ingeniera de las Reacciones
Qumicas, 2 Edicin, Ed. Revert, Barcelona,
Espaa, 1986, pp. 45-96.
[7] DataStep Development, SPSS Step-by-step,
Tutorial for SPSS 11.5, www.datastep.com/
SPSSTutorial_1.pdf;www.datastep.com/SPSSTuto
rial_2.pdf. Enero 2004.

rev. metal. madrid, 46 (2), marzo-abril, 101-108, 2010, issn: 0034-8570, eissn: 1988-4222, doi: 10.3989/revmetalm.0834