METODOS YTECNICAS DE

INVESTIGACION PARA
ELABORAR PROYECTO DE
GRADO
Carrera de Metalurgia y Ciencia de Materiales
FNI UTO

Resumen de apuntes Marzo 2016

 ETAPA FINAL
• La tesis o proyecto de grado es la última oportunidad
para aprender a realizar trabajos de investigación y
redacción con carácter y nivel profesional.
• Comprueba que el egresado alcanzó criterio profesional
dentro de la Carrera que estudia.
• Es más que el requisito para profesionalizarse, le agrega
un plus al curriculum vitae
 MARCO GENERAL DE LA
METODOLOGIA
El contenido de la tesis debe responder al:
Planteamiento del problema
Preguntas de investigación
Objetivos general y específicos
Hipótesis formuladas
Que se han formulado y por tanto debe adaptarse a
una metodología de investigación cuidadosamente
seleccionada.
 Ejemplo
• Tema: Remoción de Sn y Sb de concentrados de Frankeita por
digestión alcalina
• Problema: Hay dificultad al comercializar estos concentrados por las
fuertes penalidades que se hacen al contenido de Sn y Sb
• Objetivos:
 Proponer alternativas hidrometalurgias para la remoción de las impurezas.
 Revisar la geología del yacimiento minero
 Revisar y estudiar las variables para la solubilidad alcalina de Sn y Sb.
• Hipótesis: Es posible eliminar las impurezas de Sn y Sb de los
concentrados de Frankeita por digestión alcalina
 Que técnicas experimentales
aplicaría ?

• Redactar en 5 minutos un plan de trabajo para

ejecutar esta tesis.

• Ya tienes formulado el marco de contenido de tu

tesis ? Puedes formular tu plan de trabajo?
 METODOS Y TECNICAS DE TRATAMIENTO
DEL TEMA DE TESIS
• Pruebas preliminares
• Metodología clásica seriada
• Diseño experimental estadístico
• Modelamiento matemático
• Análisis estadístico de datos y registros
• Análisis de comportamiento teórico o fenomenológico
• Control y optimización de procesos
• Proyectos de ingeniería ( factibilidad o prefactibilidad)
• Diseño y construcción de equipos
 Pruebas preliminares
• Son pruebas de carácter exploratorio en base a la elaboración del
marco teórico, tienen los siguientes objetivos:
• Reproducir experimentos
• Demostrar la factibilidad
• Calibrar el sistema de investigación y los equipos.
• Adquirir destreza en el protocolo experimental
• Determinar rangos de experimentación
 Metodología clásica o seriada
• También llamada método Edisoniano, se basa en el estudio de cada
una de las variables del sistema una por vez manteniendo las demás
constantes.
 El método requiere:
 Conocer bien las características del sistema en estudio (marco
teórico)
 Tener información de cuales son las variables independientes y
dependientes.
 Tener un conocimiento preliminar del comportamiento de las
variables
 Metodología clásica o seriada
Ventajas
• Método seguro para la programación de pruebas
• Produce resultados concretos y directos para evaluar.
Desventajas
• No es posible identificar interacciones entre variables estudiadas
• No detecta inter-relaciones complejas
• Se requiere gran número de pruebas, por ejemplo para estudiar 5
variables a dos niveles se necesitan 40 experimentos y si fuera a
tres niveles se necesitan 120 experimentos.
• Se demora más tiempo si los experimentos son largos
 Abordaje estadístico
• Existen varios abordajes estadísticos tanto para
seleccionar las variables mas importantes
(significativas), como abordajes para establecer
tendencias de comportamiento por interacción de
variables (superficie respuesta),
• Estos métodos reducen el número necesario de
pruebas siempre y cuando se haga una buena
selección de las variables significativas y los rangos
de variación de los parámetros
 Abordaje estadístico
• Hay varios métodos de abordaje estadístico
para el diseño de experimentos, los más
conocidos son:
Diseño factorial
Diseño factorial fraccionado
Abordaje de Plackett-Burman
Análisis y diseño de experimentos con MINITAB
Cuadrados latinos
 Diseño Factorial
Ventajas
• Menor número de pruebas
• Se puede determinar interacciones entre variables
Desventajas
• Se requiere experiencia del investigador y un buen
estudio del marco teórico.
• No se pueden extraporlar resultados fuera del
rango de variables estudiado.
• No se aplica el método para procesos sin
información preliminar
 Plantilla de
programación de A

pruebas para el B
C
diseño experimental
empleando Minitab
16
2k = 23 = 8 pruebas
+ 2 pruebas de
repetición =
10 pruebas
Referencia :Tesis José Cruz Villegas:
Lixiviación de Sb por Digestion alcalina
• Análisis de
resultados por
diagramas:
• Gráfica de cubos
Análisis de resultados por efecto
de las variables
• Análisis de resultados
por superficies
respuesta
• Análisis de
resultados por
contornos
 MODELO MATEMÁTICO
• Se podría decir que un modelo es una traducción de la
realidad física o de un comportamiento en términos
matemáticos, es decir, una forma de representar cada uno
de los tipos entidades que intervienen en un cierto proceso
físico mediante objetos matemáticos.
• Un modelo físico requerirá por tanto que se pueda seguir el
camino inverso al modelado, permitiendo reinterpretar en
la realidad las predicciones del modelo.
 Clasificación de los tipos de modelos
• Se clasifican los modelos según sus diferentes
características:

– Información de entrada
– Tipo de representación
– Aleatoriedad
– Aplicación
– Mixtos
 TIPOS DE MODELOS MATEMATICOS
• Modelo cuantitativo es aquel cuyos principales símbolos representan números, son los
más comunes y útiles en los negocios.

• Modelo cualitativo aquel modelo cuyos símbolos representan en su mayoría a

cualidades no numéricas. Una fuente importante es la teoría de conjuntos.

• Modelo probabilístico aquellos basados en la estadística y probabilidades

(donde se incorpora las incertidumbres que por lo general acompañan las observaciones de
eventos reales) (error experimental).

• Modelo determinístico corresponde a aquel modelo cuantitativo que no contiene

consideraciones probabilísticas,

• Modelo descriptivo ,cuando el modelo simplemente describe una situación del mundo
real en términos matemáticos para indicar cómo pueden ajustarse o determinar los valores de
ciertos aspectos de la situación.

• Modelo optimizador, corresponde al modelo ideado para seleccionar entre varias

alternativas, de acuerdo a determinados criterios, la más óptima ( superficie respuesta)
 Según la forma de entrada
 Modelos heurísticos (del griego euriskein 'hallar, inventar'). Son
los que están basados en las explicaciones sobre las causas o
mecanismos naturales que dan lugar al fenómeno estudiado.
• Modelos empíricos (del griego empeirikos relativo a la
'experiencia'). Son los que utilizan las observaciones directas o los
resultados de experimentos del fenómeno estudiado
 Según el tipo de representación
• Si pretenden hacer predicciones de tipo cualitativo o pretende cuantificar
aspectos del sistema que se está modelizando, los modelos pueden ser:
 Modelos cualitativos o conceptuales, estos pueden usar figuras, gráficos o
descripciones causales, en general se contentan con predecir si el estado del
sistema irá en determinada dirección o si aumentará o disminuirá alguna
magnitud, sin importar exactamente la magnitud concreta de la mayoría de
aspectos.
 Modelos cuantitativos o numéricos, usan números para representar aspectos
del sistema modelizado, y generalmente incluyen fórmulas y algoritmos
matemáticos más o menos complejos que relacionan los valores numéricos. El
cálculo con los mismos permite representar el proceso físico o los cambios
cuantitativos del sistema modelado.
 Según la aleatoriedad
• según si a una entrada o situación inicial concreta pueden corresponder o no
diversas salidas o resultados, en este caso los modelos se clasifican en:
 Determinista. Se conoce de manera puntual la forma del resultado ya que no
hay incertidumbre. Además, los datos utilizados para alimentar el modelo son
completamente conocidos y determinados.
 Estocástico. Probabilístico, que no se conoce el resultado esperado, sino su
probabilidad y existe por tanto incertidumbre.
 Según su aplicación u objeto
 Por su uso suelen utilizarse en las siguientes tres áreas, sin embargo existen
muchas otras dependiendo de la especialidad (Ej finanzas etc).

 Modelo de simulación o descriptivo, de situaciones medibles de manera precisa o aleatoria, por

ejemplo con aspectos de programación líneal cuando es de manera precisa, y probabilística o heurística
cuando es aleatorio. Este tipo de modelos pretende predecir qué sucede en una situación concreta dada.
 Modelo de optimización. Para determinar el punto exacto para resolver alguna problemática
administrativa, de producción, o cualquier otra situación. Cuando la optimización es entera o no lineal,
combinada, se refiere a modelos matemáticos poco predecibles, pero que pueden acoplarse a alguna
alternativa existente y aproximada en su cuantificación. Este tipo de modelos requiere comparar diversas
condiciones, casos o posibles valores de un parámetro y ver cual de ellos resulta óptimo según el criterio
elegido.
• Modelo de control. Para saber con precisión como está algo en una organización, investigación, área de
operación, etc. Este modelo pretende ayudar a decidir qué nuevas medidas, variables o qué parámetros
deben ajustarse para lograr un resultado o estado concreto del sistema modelado
Análisis estadístico de datos y
registros
Relación ley Vs Recuperación Ag
Relación Ley Vs. Recuperación Sn
Relación consumo cal (pH) Vs. Ley
del concentrado
Recuperación Vs. Grado de molienda
medida por consumo de acero
Conclusiones del estudio
 Análisis de comportamiento
teórico o fenomenológico
• Esta técnica no requiere pruebas experimentales,
utiliza ecuaciones, diagramas de fases, relaciones
de equilibrio termodinámico, cinético o químico
para predecir un comportamiento.
• También puede utilizarse software de
• Ejemplo
• Cristalización fraccionada de las salmueras.
• Volatilización de Zinc en horno Ausmelt
CONTROL Y OPTIMIZACION DE PROCESOS
Todo proceso industrial puede ser mejorado, esto
apoya la “ASEVERACIÓN” de la ingeniería de
métodos que señala:

“SIEMPRE HAY UN MÉTODO MEJOR”

Por lo tanto el principal propósito de

optimizar un proceso es incrementar la
productividad.
Teniendo en cuenta que la productividad es
la relación entre producción y recursos, es decir
Productividad = producción / recursos
 Algunas operaciones
susceptibles a mejorar en un
proceso industrial

 Operaciones Cuellos de Botella

 Actividades que consumen mucho tiempo,

energía o agua
 Trabajos Repetitivos: Manuales/automáticos

 Tareas que requieren largos recorridos

 Aprovechamiento del espacio cúbico

 ESTRATEGIAS DE MEJORAMIENTO

1. Recopilar datos útiles

2. Identificar las causas

fundamentales de los
problemas

3. Desarrollar soluciones
apropiadas

4. Planificar y ejecutar cambios

 Proyecto de ingeniería
• Los proyectos clásicos de ingenieria están compuestos en general por cuatro
documentos principales:
• Memoria :(Ubicación del proyecto, antecedentes, estudios previos, hipótesis,
descripción del proyecto, resultados definitivos esperados, croquis o planos,
cronograma de ejecución
• Cálculos: memoria de cálculos de dimensionamiento o estructurales.
• Estudio económico: Inversiones, factibilidad, rentabilidad, sensibilidad del
proyecto, plan de amortizaciones.
• Impacto ambiental: Repercusión positiva y/o negativa del proyecto, marco
normativo.
• Anexos
• Pliego de especificaciones : Requisitos y condiciones que
 Diseño y construcción de equipos
• Se pueden hacer tesis sobre diseño de equipos
para procesos metalúrgicos
• Ejemplos:
• Equipo para colada centrífuga
• Diseño de una centrífuga de descarga continua
• Diseño de un elutriador para purificar caolin
 LA LIBRETA DE REGISTRO
EXPERIMENTAL
• Contiene el registro permanente de las actividades
mentales y físicas del tesista.
• Debe contener el registro de las condiciones
experimentales y resultados de cada prueba.
• Se debe anotar las observaciones o comportamiento
de equipos y materiales durante la realización de la
prueba.

– Sirve de prueba para justificar propiedad intelectual