En general en el Protocolo de Muestreo es vital una adecuada muestra para poder caracterizar eficientemente la mena.

Esta debe ser lo ms representativa posible para extrapolar sus propiedades a todo el mineral. Uno de los principales problemas que existe al analizar un grupo de varios trozos de rocas seleccionados al azar de una masa de mineral, es la obtencin de diferentes resultados de anlisis entre uno y otro trozo debido a una distribucin no uniforme de minerales de un fragmento a otro. Estas caractersticas se llaman Heterogeneidades. Se tienen 2 tipos de Heterogeneidades: 1).- De Composicin: Si se seleccionan al azar trozos de roca de una masa de mineral se tendrn variaciones de anlisis entre uno y otro trozo debido a una distribucin no uniforme de minerales de un fragmento a otro. Esto es lo que se denomina heterogeneidad de composicin. Las variaciones entre fragmentos individuales de rocas tienden a aumentar a medida que disminuye el tamao de las partculas (es decir aumenta el grado de reduccin de tamao del material). Esto se debe a que al disminuir el tamao del material, ms partculas minerales estn liberadas, es decir, libre de ganga. Para una muestra consistente de varias partculas de diferentes tamaos, las variaciones entre muestras tienden a disminuir a medida que aumenta el tamao de la muestra (se incluye ms partculas en la muestra), puesto que la muestra incluye una variedad de partculas teniendo un rango de contenido mineral y tamaos. Las variaciones entre muestras pueden reducirse al nivel que se desee, tomando muestras ms grandes, pero debe considerarse que un aumento en el tamao de la muestra resulta un mayor costo para realizar el muestreo con muestras de mayor peso Tambin es importante la ley de la mena. Una mena de alta ley se puede caracterizar adecuadamente con una muestra ms pequea comparada con una de baja ley a igualdad del resto de los factores. Factor Extra: Es importante la razn entre el tamao de grano del mineral en la roca al tamao del pedazo de roca. Menor Tamao de Muestra: Es preciso tratar con muestras de menas de tamao ms pequeo que grandes, ya que se tendr un mayor nmero de partculas en el mismo volumen de muestra. 2).- De Distribucin: Provocada porque la distribucin de fragmentos de material no es al azar sino que existe segregacin. Para que la distribucin sea al azar es necesario que la posicin espacial de cualquier fragmento sea independiente de sus caractersticas de tamao, forma y densidad. Este tipo de heterogeneidad debe tratar de evitarse en la prctica ya que produce un enorme aumento del error de muestreo. No slo es importante determinar el tamao de la muestra, tambin lo es determinar las etapas sucesivas de reduccin de tamao y remuestreo, a las que debe ser sometida sta antes de obtener la muestra final, que ser finalmente enviada a anlisis El concepto de muestreo se puede definir de varias formas siendo las ms utilizadas las siguientes EL MUESTREO REPRESENTA EL CONJUNTO DE OPERACIONES QUE PERMITEN LA OBTENCION DE UNA MUETSRA QUE PUEDA SER ANALIZADA EL MUESTREO ES LA OPERACIN QUE PERMITE REMOVER UNA PEQUEA FRACCION O PARTE, QUE DENOMINAREMOS MUESTRA, DESDE UN CONJUNTO MATERIAL DE VOLUMEN MUCHO MAYOR, DE TAL MANERA QUE LAS CARACTERISTICAS DEL CONJUNTO PUEDAN ESTIMARSE ESTUDIANDO LAS CARACTERISTICAS DE LA MUESTRA

2.- ESTIMACION DEL ERROR ESTADISTICO En general se puede estimar que la ley de una muestra tiene una distribucin normal o Gausiana que tiene la forma:

Generalmente un 95% de probabilidad o certeza de estar entre lmites predeterminados es un nivel de probabilidad o certeza aceptable. Donde:

3.- HETEROGENEIDAD

Corresponde a la variabilidad encontrada en una poblacin estadstica y puede dividirse en: Heterogeneidad de constitucin (CH): Cada partcula del lote tiene un contenido crtico diferente. Heterogeneidad de distribucin (DH): Consiste en las diferencias observadas de un grupo de fragmentos o partculas (incremento) a otro. Variabilidad se debe a tres factores: La heterogeneidad de constitucin La distribucin espacial de los constituyentes o estado de segregacin La forma del lote que junto a la presencia de la gravedad es responsable de la segregacin. La heterogeneidad en muestreo de particular, presenta las siguientes caractersticas CH: Diferencias entre fragmentos DH: Diferencias entre grupos de fragmentos Si todos los fragmentos fueran iguales en forma y contenido (CH=0), entonces no habra DH: cualquier grupo de fragmentos de igual tamao sera idntico.

En el caso particular de la Industria Minera, donde encontramos materiales particulados y sistemas particulados, los que no constituyen medios continuos, significa que junto a una partcula pueden encontrarse otras de composicin, densidad o tamao completamente distintos. Esto se denomina HETEROGENEIDAD DE CONSTITUCIN y es lo que genera errores asociados al ERROR FUNDAMENTAL O ERROR DE MUESTREO Por ERROR FUNDAMNETAL, EF, VAMOS A ENTENDER: Corresponde al mnimo error de muestreo que se tendra si se seleccionara cada fragmento o partcula aleatoriamente, una a la vez. Para un determinado peso de muestra, el FE es el mnimo error de muestreo que existira si el protocolo de muestreo fuera implementado de manera perfecta. Por lo tanto, para un estado dado de conminucin y un determinado peso de la muestra, el FE es el menor error posible. A pequea escala, la heterogeneidad de constitucin es responsable del error fundamental. El FE puede ser pequeo para constituyentes mayores y materiales finos, pero puede ser abrumador para constituyentes menores. Mezclando y homogeneizando el lote no reducir el FE. En una poblacin de partculas fuera de la heterogeneidad de constitucin existe la Denominada HETEROGENEIDAD DE DISTRIBUCION la que corresponde a como se ordenan las partculas en el lugar donde se encuentran. Esto ltimo genera lo que llamamos ERRORES POR SEGREGACION, los cuales pueden ser evitados con una buena homogeneizacin de la muestra Por ERROR POR SEGREGACION, SE, VAMOS A ENTENDER: Corresponde a un error adicional debido a que en la prctica las muestras no se colectan tomando un fragmento a la vez, de manera aleatoria. A pequea escala, la heterogeneidad de distribucin es responsable del error de agrupamiento y segregacin. Este error puede prevenirse considerando los siguientes aspectos: Optimizar el error fundamental (peso de la muestra). Aumentar el nmero de incrementos por muestra. Homogeneizar el material antes de tomar los incrementos. Existen dos tipos de segregacin: 1.- SEGREGACION POR TAMAO: En este caso si la densidad permanece constante, las partculas ms pequeas tendern a ocupar un espacio o posicin en el lote diferente que las ms grandes, ejemplo de esto lo podemos encontrar en los silos, en las correas transportadoras, etc..

2.- SEGREGACION POR DENSIDAD: En este caso si el tamao permanece constante, las partculas menos densas ocuparn una posicin en el lote distinto que las ms densas, este tipo de segregacin es la base de la concentracin gravitacional.

Los errores, desviaciones o sesgo, constituyen la diferencia entre el valor exacto de la caracterstica de un lote y su estimacin a partir de la muestra

Para que una muestra sea representativa sta debe conservar las caractersticas del lote dentro de ciertos lmites de exactitud y precisin fijadas. Dada la heterogeneidad de constitucin y distribucin que podemos encontrar en un lote de mineral, al extraer una muestra de ste estamos cometiendo errores, alguno de los cuales es imposible de eliminar (error fundamental) pero s de minimizar y otros que son posibles de anular o minimizar (error de preparacin, anlisis, etc.), dentro de estos errores estn los siguientes: Error fundamental: es el que se introduce al seleccionar y extraer la muestra, tambin se denomina error de muestreo. Este error es imposible de eliminar dada la heterogeneidad de constitucin, pero se puede minimizar. Error Segregacin: es producto de la heterogeneidad de distribucin Error Preparacin: est relacionado con la preservacin de la integridad de la muestra, se pueden encontrar los siguientes errores: contaminacin, prdida de muestra, alteracin de la muestra, errores humanos, fraude y sabotaje Error de anlisis: est asociado al mtodo analtico empleado, en ste puede destacarse los errores aleatorios y sistemticos La cantidad de material requerido en una muestra depende de: - Tamao de las partculas - Abundancia de la especie mineralgica portadora de la especie de inters - Tamao del grano de las especies tiles Para que la muestra final sea representativa del lote, sta debe seguir un adecuado protocolo de muestreo, lo que significa que exista un mtodo estandarizado para obtener la muestra, es decir: - Un mtodo de extraccin (subdivisin de muestras), - Preparacin (reduccin de tamao), Tambin en la etapa de anlisis, debe existir un estado controlado y se deben seguir estndares adecuados al anlisis a efectuar

4.- TEORIA DE MUESTREO DE PIERRE GY Numerosos autores han abordado el problema del muestreo, y en la actualidad se acepta como vlida la teora de muestreo de materiales particulados de Pierre Gy (1953 1992). En ella, se distinguen las distintas clases de errores, como son los de Segregacin, delimitacin, de extraccin y de preparacin y se indica como anularlos o minimizarlos, como as mismo se demuestra que existe una fuente de error denominada HETEROGENEIDAD DE CONSTITUCIN , la que es imposible de anular, dando origen al denominado ERROR FUNDAMENTAL. A pesar de la imposibilidad de eliminar el Error Fundamental, el autor desarroll una expresin que permite dimensionarlo y minimizarlo, en base a decisiones que se ven representadas por las variables de sta. La expresin es ampliamente utilizada y se le conoce como Ecuacin de Pierre Gy 4.1.- Fundamentos Descomposicin de los errores La Teora de Muestreo de P. Gy se basa en la descomposicin del error total considerando que el muestreo se realiza en diversas etapas y separando el error en las etapas de muestreo del error de anlisis:

OE = TE + AE
Donde: - OE (overall error) error total - TE (total sampling error) error total en las etapas de muestreo - AE (analytical error) error analtico Como el muestreo involucra diversas etapas, el error total en las etapas de muestreo puede dividirse en una suma de los errores parciales, cada uno de ellos compuesto por un error de preparacin y uno de seleccin:

- PEi error de preparacin (p.ej. chancado) - SEi error de seleccin (p.ej. divisin de la muestra) La teora se construye considerando dos modelos: Modelo de seleccin continuo Modelo de seleccin discreto El modelo de seleccin continuo considera el muestreo de material como si fuera un flujo unidimensional continuo y permite resolver el problema de manera simple. Donde el material se caracteriza por: - El contenido crtico en un tiempo dado, proporcin del componente crtico en el lote o en la muestra (denotados aL o aS, respectivamente). a(t )

aL =

peso de componente crtico en lote L peso de todos los componentes en lote L

En este modelo se define el error como la suma de una componente que mide el contenido crtico y otra que mide el flujo: CE = QE + WE - CE error de seleccin continua - QE error en contenido crtico - WE error en medicin del flujo (weighting error)

El error en el contenido crtico puede a su vez descomponerse en la suma de tres errores:

QE = QE1 + QE2 + QE3

- QE1 error de fluctuacin de corto alcance - QE2 error de fluctuacin de largo alcance no peridica - QE3 error de fluctuacin peridica Recordando que el modelo de seleccin continuo considera el problema de seleccionar puntos en el eje temporal, es necesario relacionarlo con la realidad, donde se cuenta con fragmentos o grupos de fragmentos (discreta). Al pasar al modelo discreto se encuentra adems que el muestreo se ve afectado por un error de materializacin:

SE = CE + ME
- Este error de materializacin se compone de un error de delimitacin y otro de extraccin del incremento. As:

SE = QE1 + QE2 + QE3 + WE + DE + EE

- QE1 error de fluctuacin de corto alcance - QE2 error de fluctuacin de largo alcance no peridica - QE3 error de fluctuacin peridica - WE error en medicin del flujo (weighting error) - DE error de delimitacin del incremento - EE error de extraccin del incremento Finalmente, el modelo de seleccin discreto identifica el lote L con un grupo discreto de unidades (pueden ser partculas individuales o grupos de partculas). Se definen por esta razn, la heterogeneidad de constitucin y de distribucin del lote: CHL heterogeneidad de constitucin del lote: se debe a las propiedades intrnsecas de la poblacin de partculas individuales DHL heterogeneidad de distribucin del lote: se debe a la distribucin espacial de las partculas (y grupos de partculas) en el lote El modelo de seleccin discreto puede relacionarse con el modelo continuo al nivel del error de fluctuacin de pequeo alcance:

QE1 = FE + GE

- FE error fundamental - GE error de agrupamiento y segregacin En resumen, el error total se obtiene como: - PEi error de preparacin de la etapa i - QE1i error de fluctuacin de corto alcance - QE2i error de fluctuacin de largo alcance no peridica - QE3i error de fluctuacin peridica - WEi error en medicin del flujo (weighting error) - DEi error de delimitacin del incremento - EEi error de extraccin del incremento - FEi error fundamental de la etapa i - GEi error de agrupamiento y segregacin de la etapa i - AE error analtico

OE = ( PEi + SEi ) + AE OE = ( PEi + QE1i + QE2i + QE3i + WEi + DEi + EEi ) + AE OE = ( PEi + FEi + GEi + QE2i + QE3i + WEi + DEi + EEi ) + AE
i i i

4.2.-. Clculo del error fundamental 4.2.1.- Definicin matemtica de la CH (heterogeneidad de constitucin) La Heterogeneidad de un fragmento con respecto al lote, la entendemos como la diferencia en contenido del constituyente crtico del fragmento respecto al lote estandarizada:

hi
- hi, heterogeneidad del fragmento en el lote - ai, contenido crtico del fragmento - aL, contenido crtico del lote Considerando el efecto de la masa:

( ai aL ) aL

hi =

(ai aL ) M i (a a L ) M i = NF i aL Mi aL ML

- Mi masa del fragmento - ML masa del lote - M masa media de fragmentos en el lote - NF, nmero de fragmentos en el lote
i

Valor esperado de

hi es cero. Entonces la Varianza:

2

VAR( hi ) = E{hi2 } ( E{hi }) 2

(a aL ) M i = CH L = NF i a ML i =1 L
NF

Definicin: Heterogeneidad intrnseca del lote (IH L)

:
2

CH L M L N F ( ai a L ) 2 M i = IH L= 2 NF ML aL i =1
Adems: Existe fuerte correlacin entre ai y su densidad Existe muy baja correlacin entre ai y su tamao

Considerando el lote como un conjunto de fracciones separadas por rangos de tamaos y densidades, indexados respectivamente por y :

IH L=
i =1

NF

2 (a a ) 2 M F (ai a L ) 2 M i = N 2 L 2 ML ML aL aL

Definiendo - el fragmento medio F -

de una fraccin (o lote) L y

su volumen (slo depende del tamao) su densidad su masa (depende del tamao y de la densidad)

M F = V

a su contenido crtico

- N es el nmero de fragmentos en la fraccin

M L

es la masa de la fraccin

Equivalentemente:

IH L=

(a aL ) 2 M F M L (a a ) 2 M L = V 2 L 2 ML ML aL aL

Puede calcularse en laboratorio o aproximarse:

a

Vara ms entre fracciones de densidad que entre fracciones de tamao a = a contenido crtico

medio de la fraccin de densidad

M L / M L

vara poco de una fraccin de densidad a otra:

M L M L

M L ML

valor medio en una fraccin de tamao En consecuencia:

M L =

M L M L ML
( a a ) 2 M L 2 L ML aL = X Y

Heterogeneidad intrnseca queda:

V M L IH L= ML

Para simplificar esta expresin se definen una serie de factores. 4.2.2.- DEFINICIN DE FACTORES DE MUESTREO La heterogeneidad intrnseca de un fraccin de muestra quedara representada en la definicin de cuatro componentes de forma, clasificados como:

- Factor de forma f - Factor granulomtrico, g - Factor mineralgico o de composicin, m - Factor de liberacin, l Factor de forma

Mide la desviacin de la forma de las partculas respecto a un cubo.

Volumen de la partcula se escribe:

V = f d

Entonces:

X =

V M L ML

f d M L
3

ML

es constante para fracciones de tamao:

X = f

d M L
3

ML

Factor granulomtrico,

Mide la distribucin granulomtrica de las partculas. Material no calibrado (chancado):

g = 0.25 = 0.55 g = 0.75

Material calibrado (entre dos mallas): g Material naturalmente calibrado: Se escribe:

X = f

3 d M L

ML

= f g d3

Factor mineralgico o de composicin, m

(a a ) 2 M L V M L = X Y 2 L IH L= ML ML a 4 244 4444 L 4444 1 1 4 3 2 3
X Y

Dos extremos de Y : En el caso de material homogneo: Y = 0 En el caso de material liberado (mxima heterogeneidad de constitucin): Y = YMAX El factor mineralgico m se define como el valor de Y en el caso de liberacin.

Factor de liberacin, l

4.2.3.- RESUMEN Heterogeneidad intrnseca del lote se expresa como:

IH L = f g c l d 3
Donde:

- m, es el factor mineralgico (gr/cm3) - l, es el factor de liberacin (adimensional) - f, es el factor de forma (adimensional) - g, es el factor granulomtrico (adimensional) - d, es el tamao de fragmento nominal (cm) - IHL se mide en gramos
LA HETEROGENEIDAD INTRNSECA RELACIONA EL ERROR FUNDAMENTAL (FE) CON LA MASA DE LAS MUESTRAS

4.3.- ECUACIN DE PIERRE Gy Varianza del error fundamental

2 3 FE = M M C d S L

Con

C = f g cl

- MS = masa de la muestra en gramos - ML= masa del lote en gramos - d = dimetro (d95) de partculas en cm - C = constante de muestreo en g/cm3, depende de d

Problema: Cundo se requiere ms muestra, en igualdad de condiciones de granulometra, si se quiere determinar la ley de cobre en un lote o la ley de oro?. Cundo se requiere ms muestra, en igualdad de condiciones de ley, cuando el mineral se encuentra 100% - o cuando est 100% - 1?

Ecuacin de Muestreo de Pierre Gy Numerosos autores han abordado el problema del muestreo, y en la actualidad se acepta como vlida la teora de muestreo de materiales particulados de Pierre Gy (1953 1992). En ella, se distinguen las distintas clases de errores, como son los de Segregacion, delimitacion, de extraccin y de preparacin y se indica como anularlos o minimizarlos, como as mismo se demuestra que existe una fuente de error denominada HETEROGENEIDAD DE CONSTITUCIN , la que es imposible de anular, dando origen al denominado ERROR FUNDAMENTAL.

A pesar de la imposibilidad de eliminar el Error Fundamental, el autor desarroll una expresin que permite dimensionarlo y minimizarlo, en base a decisiones que se ven representadas por las variables de sta. La expresin es ampliamente utilizada y se le conoce como Ecuacin de Pierre Gy

A su vez, el parmetro C corresponde al producto de otros cuatro factores

F = Factor de forma, su valor es de 0,5 con excepcin para las menas de oro donde se utiliza el valor 0,2 cuando el oro est liberado g = Factor de distribucin de tamaos, su valor depende de la razn d95 / d5 El valor ms utilizado es de 0,25. Valores de g:

El Tamao de liberacin Corresponde al tamao al cual las partculas de la especie de inters estn totalmente liberadas de la ganga. Habitualmente no se alcanza el 100% de liberacin por razones tcnico econmicas, por lo cual es comn decir por ejemplo un 80% del mineral est liberado bajo 150 micrones, en este caso los 150 micrones corresponden al tamao de referencia que depende del proceso en estudio.

Se calcula el error de muestreo con un nivel confianza de 95%. Asumiendo que los errores son Gaussianos, se cumple con la siguiente desigualdad:

La cantidad de muestra en este caso es slo representativa del tamao

Para optimizar los protocolos de muestreo se construyen los monogramas de muestreo. Los monogramas son grficos Log Log donde:

Dimetro de una esfera que se comporta de la misma forma que una determinada partcula, cuando es sometida a una operacin especfica. Se asigna dependiendo del mtodo de medicin aplicado, dentro de los dimetros ms utilizados estn:

III.- DISTRIBUCION DE TAMAO DE PARTICULAS En una corriente de mineral vienen partculas de distintos tamaos, es decir, una distribucin de tamaos. Las partculas tpicas en el Procesamiento de Minerales son irregulares, entonces para describirlas se requiere de ciertas funciones, como la funcin de densidad e integrales. Ambas tienen un comportamiento anlogo a la funcin de probabilidad En la prctica es innecesario o imposible determinar la funcin completa de densidad de tamao o la funcin distribucin de tamao. Para efectos prcticos puede determinarse la aproximacin determinando las fracciones de partculas en una serie de intervalos discretos de tamao. Esto se puede apreciar en la figura siguiente:

INTERVALOS DE TAMAOS

La definicin de los intervalos de tamaos es muy importante si se desea obtener una buena aproximacin a la distribucin con un mnimo de intervalos. Para rangos amplios de tamao una progresin geomtrica es mucho ms realista que una serie geomtrica. Consideremos el caso de una muestra de partculas subdividida en intervalos de tamao dados Definicin: fqi: Corresponde a la fraccin de partculas basados en la propiedad q que se encuentra en el intervalo de tamao di a di+1. Las funciones fqi para diferentes propiedades se relacionan entre si a travs de la siguiente ecuacin:

Las funciones descritas equivalentes son entonces

f0i = f0(di) f1i = f1(di) f2i = f2(di) f3i = f3(di) donde q representa la cantidad poblacional y corresponde a: q = 0 -- Nmero de Partcula q = 1 -- Longitud q = 2 -- Area Superficial q = 3 -- Masa (Volumen) La propiedad ms utilizada es la masa de material retenida por intervalo de tamaos, debido a que es fcil de medir. As las funciones ms usadas son f3i, F3i y R3i que se definen como sigue: f3i (fraccin retenida parcial) = Fraccin en peso del total de la muestra que queda retenida en un tamiz i. F3i (funcin acumulado pasante) = Representa a todas las partculas inferiores al tamao de la abertura del tamiz i.

FRACCION RETENIDA ACUMULADA (R3i) Matemticamente R3i se define como la sumatoria de fracciones parciales desde el primer tamiz hasta el tamiz i:

Nota: Tambin los resultados de R3i pueden ser expresados en %. Siempre para el fondo, el valor de R3i debe ser 1,0 100% FRACCION PASANTE ACUMULADA (F3i) Corresponde justamente a lo contrario de R3i, es decir, representa la totalidad del material pasante a travs de cierta malla o tamiz. Matemticamente:

CONSTRUCCION TABLA DE ANALISIS GRANULOMETRICO O TAMIZAJE En la tabla de Anlisis Granulomtrico se debe incluir informacin como el nmero de malla y la serie, su abertura, la cantidad de material retenido en cada tamiz, para despus calcular los tamaos promedio de partculas y las fracciones retenidas parcial, acumulada y pasante acumulada. En los grficos se debe considerar las fracciones (retenida o pasante) en el eje vertical (ordenadas) mientras que los tamaos o aberturas en el eje horizontal (abcisas).

REPRESENTACIONES GRAFICAS a).- Grfico de Fraccin Retenida f3i v/s dimetro promedio del intervalo.

b).- Grfico de Acumulado Pasante F3i v/s dimetro superior del intervalo.

Siempre pendiente positiva, puede ser cualquiera de las 3 curvas c).- Grfico del Retenido Acumulado R3i v/s dimetro superior del intervalo.

Siempre pendiente negativa, puede ser cualquiera de las 3 curvas FUNCIONES DE REPRESENTACIONES GRAFICAS Entre las formas ms comunes de representaciones grficas usadas en procesamiento de minerales, tenemos la funcin de Gates-Gaudin-Schuhmann, la funcin de Rosin-Rammler, la funcin Logaritmo Normal y la funcin Gamma. a).- Funcin de Gates-Gaudin-Schuhmann La funcin de Schuhmann es la distribucin ms usada en Amrica para representar distribuciones de tamao obtenidas por tamizaje (distribucin en peso o masa). Esta funcin se define como:

Una distribucin de tamao que cumple con esta funcin va a tener la forma siguiente:

La pendiente vara entre 0,7 - 1,2 Fig. Representacin de la funcin de Schuhmann

y1:Fo y2:Fu

TECNICAS DE MUESTREO

2.2.1 DIVISORES (REDUCIDORES DE MUESTRAS) a).- Cono y cuarteo. b).- Cortador de riffles. c).- Reductor de tringulos. d).- Divisores rotatorios.