01-Muestreo1
Click here to load reader
-
Upload
slavenko-andre -
Category
Documents
-
view
291 -
download
5
Transcript of 01-Muestreo1
MUESTREO Y PREPARACIÓN DE MUESTRAS DE MINERALES
HUGO CARCAMO G.
Estadística aplicada al Muestreo
Medidas de Tendencia Central
Media Aritmética.- Si se tienen n valores de n mediciones, la media aritmética se obtiene sumando estos valores y dividiendo por el número total de datos.
n
iiXn
X1
1
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
4 + 8 + 4 + 6 + 7 + 5 +6 +8 +7 + 6 10
Observación.- Este estadístico es poco robusto a la presencia de datos anómalos
La media aritmética es 6,1
X
Medidas de Tendencia Central
Mediana.- Los resultados se ordenan de menor a mayor, Si el total de datos es un número impar, entonces la mediana corresponde al valor central de estos datos. Si el total de datos es un número par, entonces la mediana corresponde al promedio de los dos datos centrales.
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
4 4 5 6 6 6 7 7 8 8
La mediana es 6
Observación.- Este estadístico es mucho más robusto a la presencia de datos anómalos que la media aritmética.
Medidas de Tendencia Central
Moda.- Es el número que más se repite en la serie
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
4 4 5 6 6 6 7 7 8 8
La moda es 6
Medidas de Tendencia Central
Media Cuadrática.- Los datos se elevan al cuadrado y después se suman.
n
iiC X
nX
1
21
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
2,6CX
)6786576484(10
1 2222222222 CX
Medidas de Tendencia Central
Media Geométrica.- Se determina el logaritmo a cada resultado, después se suman y se dividen por el número de datos.
n
iiG X
nX
1
log1
log
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
)6log7log8log6log5log7log6log4log8log4(log10
1log GX
7734,0log GX 7734,010GX 9,5GX
Medidas de Tendencia Central
x~
x~ Mediana
x Media Aritmética
x̂ Moda
Medidas de Dispersión
Desviación estándar.- Estima la dispersión de los resultados alrededor de su valor medio y se expresa como:
1
)(1
2
n
xxs
n
ii
donde n-1 son los grados de libertad, es decir el número de estimaciones independientes que pueden obtenerse a partir de un conjunto específico de datos.
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
110
)1,66(.....)1,68()1,64( 222
s 449,1s
n
xxs
n
ii
1
2)(población Muestra
Varianza.- Es la desviación estándar al cuadrado, y se expresa como:
donde n-1 son los grados de libertad, es decir el número de estimaciones independientes que pueden obtenerse a partir de un conjunto específico de datos.
1
)(1
2
2
n
xxs
n
ii
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
110
)1,66(.....)1,68()1,64( 2222
s
100,22 s
Recorrido o Rango.- Es la diferencia entre el resultado más alto y el más bajo.
R = xsup – xinf
Observación.- La desventaja de utilizar este estadístico, es que cuando se considera un número grande de datos, existe más probabilidad de obtener valores anómalos que distorsionen el recorrido. Por lo tanto es un estadístico poco robusto en comparación a la desviación estándar y a la varianza.
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
Rango = 8 – 4
Rango = 4
Desviación Estándar Relativa.- También conocida como Coeficiente de Variación. Es un estadístico que relaciona la desviación estándar con la media aritmética
x
sDER
x
sCV
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
4 + 8 + 4 + 6 + 7 + 5 +6 +8 +7 + 6 10
X
110
)1,66(.....)1,68()1,64( 222
s 449,1s
1,6X
1,6
449,1CV 238,0CV
Error Relativo.- Es un estadístico que relaciona el rango estándar con la media aritmética
x
RER
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
1,6
48 RE 656,0RE
Varianza Relativa.- Es un estadístico que relaciona la varianza con la media aritmética al cuadrado, o en otras palabras es la desviación estándar relativa al cuadrado.
2
2
x
sVR
2
x
sVR 2CVVR 2DERVR
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
21,6
100,2VR 056,0VR
Algunos Ejemplos de aplicación
Variabilidad del Error Relativo Absoluto entre Duplicados en base al Promedio de los Resultados
0,0
2,0
4,0
6,0
8,0
10,0
12,0
14,0
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116 121
Nº correlativo según Tabla Nº 1
% E
rro
r re
lativ
o A
bso
luto
Promedio + 1 sigma
Promedio + 3 sigmas
Promedio + 2 sigmas
Promedio
0,01 <= %Cu T < 0,50
0, 50 <=%Cu T < 1,00
1, 00 <=%Cu T < 5,00
La desviación estándar no es aditiva
Cuando se deben sumar los errores, lo que se deben sumar son las varianzas, no las desviaciones estándar.
Ejemplo:
Error de Muestreo 1°: 15 %
Error de Muestreo 2°: 8 %
Error de Muestreo 3°: 4 %
Error Total = (0,15)2 + (0,08)2 + (0,04)2
Error Total = 17,5 %
La desviación estándar como medida del error
Cuando queremos expresar la d.e. en función de la confianza o probabilidad tenemos que tomar en cuenta el tipo de distribución
Propiedades de la Distribución Normal
68 %
95 %
99,7 %
Población y Muestra
Población.- es el conjunto sobre el que estamos interesados en obtener conclusiones (hacer inferencia).Normalmente es demasiado grande para poder abarcarlo.
Muestra.- es un subconjunto suyo al que tenemos acceso y sobre el que realmente hacemos las observaciones (mediciones)Debería ser “representativo”Esta formado por miembros “seleccionados” de la población (individuos, unidades experimentales).
Cuando nos referimos a variables de la población hablamos de parámetros. En cambio cuando nos referimos a las variables de las muestras hablamos de “estadísticos “ o “estadígrafos”.
Teorema Central del Límite
X11
X21
…
Xn1
X1
X2
…
Xn
X1
X2
…
Xn
2XnX
………………..
1X
X N(,2/n)
X U(,2)
Teorema Central del Límite
X X
Cuando se determina la varianza de un número pequeño de muestras que tienen una distribución normal, la varianza puede que no represente la curva de Gauss. En este caso, se utiliza el factor de corrección t - student
t-student
Distribución t-student
zt
Cuanto , entonces t z
Conceptos básicos relacionados con el Muestreo de Minerales
LOTE
Se refiere a una cantidad de materia a ser muestreada, cuya composición se quiere estimar.
Ejemplos:
30.00 Toneladas de mineral en un acopio
3 m de profundidad en una mina subterránea
500 toneladas de concentrado que pasan a través de una correa transportadora
1 par de cátodos de cobre
1 submuestra del laboratorio.
Es la cantidad definida de material, cuya calidad se presume uniforme.
INCREMENTO
Una cantidad de materia seleccionada mediante un dispositivo de muestreo en una sola operación.
INCREMENTO
Una cantidad de materia seleccionada mediante un dispositivo de muestreo en una sola operación.
MUESTRA
Una cantidad de materia que es extraída de un lote, a menudo obtenida mediante la reunión de distintos incrementos o fracciones del lote
MUESTRA
Una cantidad de materia que es extraída de un lote, a menudo obtenida mediante la reunión de distintos incrementos o fracciones del lote
CARGAMENTO
Es la cantidad de material entregado en una sola partida. El cargamento puede consistir en uno o más lotes o partes de lotes.
Ejemplo:
- El cargamento de una motonave- El cargamento de un tren- El cargamento de un acopio de material en canchas.
PROTOCOLO DE MUESTREO
Es un procedimiento de tipo secuencial que tiene por objeto visualizar los pasos que se deben de seguir hasta conseguir el producto.
PROTOCOLO DE MUESTREO
Lote
Muestra Primaria S1 Rechazo Primario
Muestra Primaria Preparada S´1
Muestra Secundaria S2
Muestra Secundaria Preparada S´2
Rechazo Secundario
Muestra para Laboratorio S3
Submuestra analítica S4
Rechazo Terciario
Muestra Terciaria Preparada S´3
Rechazo Terciario
Análisis S4
Resultado Final
COMPONENTE
Se refiere a una parte elemental o a un constituyente que puede ser separado y cuantificado mediante análisis.
Existen componentes químicos y componentes físicos.
Ejemplos:
El contenido de cobre en un concentrado.
La proporción de partículas bajo 150 mallas Tyler en un mineral.
Componente crítico
Es un componente químico o físico de interés cuya proporción es altamente relevante que debe ser estimada.
HETEROGENEO Y HOMOGENEO
Se refiere a una parte de materia
Heterogéneo Homogéneo
REPRESENTATIVIDAD
Una muestra es representativa cuando representa una masa mayor de material con sesgo y precisión dentro de límites aceptables.
% CuMuestreo
Preparación
Análisis Químico
ESPECÍMEN
Es una parte del lote que se ha obtenido sin respetar las reglas de la teoría del muestreo, que se basa en el concepto de equiprobabilidad.
Un especímen no debe usarse nunca para representar un lote, y debe ser denominado en todo momento como tal.
Su propósito es sólo cualitativo
En el fondo es una muestra no representativa
SESGO
La diferencia entre el centro de la distribución de los valores medidos y el valor real.
Otra definición:
La diferencia estadísticamente significativa entre la media de los resultados y un valor de referencia aceptado (ISO 13293)
La existencia de sesgo siempre está relacionada con un muestreo incorrecto
Usualmente, cuando se ha realizado un muestreo correcto no se espera encontrar sesgo en una cantidad significativa
DE + EE + WE + PE = NO SIGNIFICATIVO
PRECISIÓN
El grado de dispersión de los valores medidos
(JI 8100:1992)
Diferencia entre insesgado y exacto
(Según Pierre Gy)
La media del error no es igual a cero
La media del error es igual a cero
INSESGADOEXACTO
MUESTRA EQUITATIVA
Una muestra es equitativa cuando es reproducible y suficientemente exacta para satisfacer los requerimientos del cliente.
Representaciones gráficas de los conceptos de Exactitud y Precisión en el Muestreo
No es real. Un caso límite nunca encontrado
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
5,00
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00
Lab B
CuT (Lab A, Lab B) 1:1
El Muestreo es exacto, insesgado, y perfectamente reproducible.
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
5,00
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00
Lab B
CuT (Lab A, Lab B) 1:1
El Muestreo es exacto y es reproducible
El muestreo no es exacto, porque no existe correlación entre ambas series de resultados.
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
5,00
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00
Lab B
CuT (Lab A, Lab B) 1:1
El Muestreo no es reproducible.
Este caso no es real. El sesgo puede deberse a un error analítico.
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
5,00
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00
Lab B
CuT (Lab A, Lab B) 1:1 Lineal (CuT (Lab A, Lab B))
El Muestreo está sesgado, pero es reproducible (Sesgo Absoluto).
Este caso no es real. El sesgo puede deberse a un error analítico y no de muestreo.
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
5,00
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00
Lab B
CuT (Lab A, Lab B) 1:1
El Muestreo está sesgado, pero es reproducible (Sesgo Relativo).
Este caso no es real. Puede deberse a un error analítico.
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
5,00
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00
Lab B
CuT (Lab A, Lab B) 1:1 Lineal (CuT (Lab A, Lab B))
El Muestreo está sesgado y es reproducible, pero sigue una ley desconocida
Este es el caso más frecuente encontrado en muestreo..
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
5,00
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00
Lab B
CuT (Lab A, Lab B) 1:1
El Muestreo está sesgado y no es reproducible.
TIPOS DE MUESTREO
Muestreo aleatorio.- Todas las unidades que constituyen el universo a estudiar, tiene la misma probabilidad de ser tomadas como muestra.
Muestreo sistemático.- Se toman los incrementos a intervalos fijos en cantidad o en tiempo a partir del lote.
Muestreo estratificado.- Se divide el lote en distintos estratos, luego se toman los incrementos al azar a partir de cada estrato
Muestreo en dos etapas.- Es el muestreo que se lleva a cabo en dos etapas. En una primera etapa se seleccionan al azar las unidades primarias de muestreo y en una segunda etapa se toman incrementos al azar de las unidades seleccionadas.
Palas de Muestreo
Palas de Muestreo
ALGUNOS DISPOSITIVOS MANUALES DE MUESTREO
Capacidad de las palas para toma de incrementos
Palas para reducción mediante incrementos
ALGUNOS DISPOSITIVOS MANUALES DE MUESTREO
Tamaño de partícula de la muestra,número de la pala para reducción por incrementos y espesor de la muestra extendida
Métodos de División de muestra
MÉTODOS DE DIVISIÓN (SEGÚN JIS 8100 : 1992)
Métodos de división por incrementos
Método de cono y cuarteo
Método de la pala alternada
Métodos de división por rifles
Métodos de división mediante aparatos mecánicos
DIVISIÓN POR INCREMENTOS (SEGÚN JIS 8100 : 1992)
Esparcir la muestra gruesa ya chancada en una superficie limpia y lisa formando un rectángulo como el de la figura. El espesor deberá estar de acuerdo a tabla JIS
Dividir la muestra en 20 partes iguales formando una cuadrícula 5 x 4
a) Caso en que se lleva la división sobre una muestra bruta de una consignación (Ejemplo: arreglo de 20 partes)
DIVISIÓN POR INCREMENTOS (SEGÚN JIS 8100 : 1992)
Tomar una palada completa de muestra al azar de cada una de las 20 partes insertando la pala hasta el fondo de la muestra y luego combinar las 20 paladas.
DIVISIÓN POR INCREMENTOS (SEGÚN JIS 8100 : 1992)
Esparcir el incremento en una superficie limpia y lisa formando un rectángulo como el de la figura. El espesor deberá estar de acuerdo a tabla JIS
b) Caso en que se lleva la división sobre incrementos individuales tomados de una consignación (Ejemplo: arreglo de 4 partes)
Dividir la muestra en cuatro cuartos.
DIVISIÓN POR INCREMENTOS (SEGÚN JIS 8100 : 1992)
Tomar una palada al azar una a la vez, de cada división, empujando la pala de incremento hasta el fondo de la muestra y reúnala en una muestra aparte
MÉTODO DE LA PALA ALTERNADA (SEGÚN JIS 8100 : 1992)
Apilar una muestra ya molida formando un cono sobre una superficie dura, limpia y plana
Repetir la operación de 1 en otro lugar una vez más
MÉTODO DE LA PALA ALTERNADA (SEGÚN JIS 8100 : 1992)
a) Tomar una palada de muestra del cono y espárzala a lo largo formando una capa delgada
b) Formar una pila grande depositando la capa larga delgada arriba de la anterior
Tomar una palada de muestra una por una desde los alrededores de la pila grande y amontone alternadamente las paladas de muestra en dos conos, como se muestra en 5
MÉTODO DE LA PALA ALTERNADA (SEGÚN JIS 8100 : 1992)
Guardar un cono de los dos y descartar el otro
Repetir el procedimiento del 1 al 5 con la mitad de la muestra
MÉTODO DE CONO Y CUARTEO (SEGÚN JIS 8100 : 1992)
Apilar una muestra ya molida formando un cono sobre una superficie dura, limpia y plana
Aplastar el cono de 1 y repetir la operación anterior una o dos veces más en otro lugar.
MÉTODO DE CONO Y CUARTEO (SEGÚN JIS 8100 : 1992)
Aplastar el cono, empujando desde la cima hacia abajo en forma vertical y luego dividir la muestra en 4 partes iguales a partir del centro.
MÉTODO DE CONO Y CUARTEO (SEGÚN JIS 8100 : 1992)
Retener dos sectores diagonalmente opuestos A y A´. y descartar B y B´.
Repetir la operación de 1 a 5 con la mitad de la muestra
1.- Mezclar la muestra y formar una pila en forma de cono sobre una superficie limpia, dura y plana.
2.- Tomar paladas sucesivas desde la base de la pila, trabajando alrededor de la base.
3.-Seleccionar la pila a ser retenida.
MÉTODO DE PALEOS ALTERNADOS (SEGÚN ISO 12743 : 1998)
MÉTODO DE DIVISIÓN POR RIFLES (SEGÚN JIS 8100 : 1992)
MÉTODO DE DIVISIÓN POR RIFLES (SEGÚN JIS 8100 : 1992)
MÉTODO DE DIVISIÓN POR RIFLES (SEGÚN JIS 8100 : 1992)
DIVISOR DE RIFLES
DIVISOR DE RIFLES
Tamaño de partícula y clasificación de muestreadores tipo rifle
Reductores de Muestra (Divisores)
DIVISOR DE RIFLES
DIVISOR ROTATORIO
REDUCTOR TIPO CORREA - RANURA
REDUCTOR TIPO CORTADOR ROTATORIO
REDUCTOR TIPO CONTENEDOR ROTATORIO
REDUCTOR TIPO CONO ROTATORIO
REDUCTOR TIPO PLATO ROTATORIO
REDUCTOR TIPO SNYDER
REDUCTOR TIPO TABLA SEPARADORA
REDUCTOR TIPO TOLVA ROTATORIA
Tipos de cortadores
CORTADOR EN LÍNEA TIPO CHUTE (LINEAL)
CORTADOR EN LÍNEA TIPO CHUTE (RADIAL)
VEZIN
CORTADOR TIPO CAJA
CORTADOR TIPO CAJA
CORTADOR TIPO CAJA
CORTADOR TIPO ALIMENTADOR Y TIPO RASPADOR
CORTADOR TIPO DIVISOR
Introducción a la Teoría del Muestreo de Pierre Gy
Distribución Heterogénea
a1 a2≠
Introducción a la Teoría del Muestreo de Pierre Gy
Constitución Heterogéneaa1 a2≠
Distribución Heterogénea
Introducción a la Teoría del Muestreo de Pierre Gy
Constitución Heterogéneaa1 a2≠
Distribución Heterogénea
Introducción a la Teoría del Muestreo de Pierre Gy
Introducción a la Teoría del Muestreo de Pierre Gy
Introducción a la Teoría del Muestreo de Pierre Gy
Introducción a la Teoría del Muestreo de Pierre Gy
Introducción a la Teoría del Muestreo de Pierre Gy
Introducción a la Teoría del Muestreo de Pierre Gy
Introducción a la Teoría del Muestreo de Pierre Gy
Introducción a la Teoría del Muestreo de Pierre Gy
a1 a2=
Introducción a la Teoría del Muestreo de Pierre Gy
Mientras menor sea el tamaño de las partículas, mayor probabilidad habrá de que la muestra que se extraiga después de homogenizar sea representativa del lote.
Conclusión
Generalmente se debe reducir el tamaño de las partículas antes de extraer una muestra o dividir lal muestra.
La regla básica para un método de muestreo correcto es que todos los posibles incrementos que provienen del material tengan la misma probabilidad de ser seleccionado y aparecer en la muestra.
Cualquier desviación a esta regla básica puede resultar en un sesgo.
Por lo tanto, un esquema de muestreo incorrecto no puede proporcionar muestras que sean representativas.
Introducción a la Teoría del Muestreo de Pierre Gy
Tipos de Errores
1.- Error Fundamental
TIPOS DE ERRORES
El error total de muestreo está conformado por los siguientes errores:
2.- Error de segregación y agrupamiento
3.- Error de variación de largo plazo
4.- Error de variación periódica
5.- Error de pesada
6. -Error de delimitación
7.- Error de extracción
8.- Error de preparación
Error Fundamental
La constitución heterogénea se debe a las diferencias que se observan dentro de un fragmento o partícula respecto de otra, en cuanto a:
FormaTamañoDensidadOtras propiedades físicasComposición mineralógicaComposición química
El mezclado y la homogenización no tienen influencia sobre la heterogeneidad de constitución
La C. Heterogénea es la responsable del Error Fundamental
Error Fundamental
El Error Fundamental es el error mínimo de muestreo que estaría involucrado si pudiéramos seleccionar cada fragmento al azar.
Para un peso dado de muestra, el FE es el error mínimo de muestreo que estaría involucrado en el protocolo de muestreo, si ese protocolo fuera implementado en forma correcta.
Por lo tanto, para un estado de conminución dado, y un peso dado, es el error de muestreo más pequeño posible.
El FE puede ser pequeño para constituyentes mayores y materiales finos, pero puede llegar a ser muy importante para constituyentes menores.
Por lo tanto, el mezclado y la homogenización no pueden reducir el FE
Error Fundamental
Error de segregación y agrupamiento
¿Qué es la segregación?
Es la separación de las partículas de material debido a sus diferentes pesos.
Las partículas más pesadas tienden a depositarse en el fondo por efecto de la fuerza de gravedad.
Error de segregación y agrupamiento
Segregación debido a la distinta densidad de los fragmentos
Error de segregación y agrupamiento
Error de segregación y agrupamiento
Suponiendo que las partículas tienen la misma densidad
Segregación debido a la diferencia de tamaño de los fragmentos
Error de segregación y agrupamiento
Segregación debido a partículas con diferentes ángulos de reposo
Error de segregación y agrupamiento
Segregación debido a partículas con diferentes ángulos de reposo
Error de segregación y agrupamiento
En pequeña escala, la distribución heterogénea es la responsable del error de segregación y agrupamiento
Tres precauciones son necesarias para minimizar el error GE:
3. Homogenizar el material antes de tomar los incrementos
1. Optimizar el peso de muestra
2. Incrementar el número de incrementos por muestra
Error de segregación y agrupamiento
Para minimizar los errores generados por la CH
Incrementar el número de fragmentos por muestras
Para minimizar los errores generados por el factor de segregación
Homogenizar el lote antes de muestrear
Para minimizar los errores generados por el factor de agrupamiento
Recoger tantos incrementos como sea posible
Error de Materialización
Corresponde al:
Error de Extracción
Error de Delimitación
Probablemente no hay otra fuente responsable como muchas para generar sesgo en el muestreo que los errores generados por la materialización de los incrementos que conforman la muestra.
Error de Materialización
El proceso de muestreo mediante incrementos puede descomponerse en una secuencia de 4 pasos elementales e independientes
1.- El punto de selección.- Un cierto número de puntos se seleccionan a través del lote a muestrear, de acuerdo a un cierto modo de selección
2.- La delimitación del incremento.- en su movimiento relativo a través del lote, la herramienta de muestreo delimita los límites geométricos del incremento
3.- La extracción del incremento.- En su penetración material a través del lote, la herramienta de muestreo extrae una cierta cantidad de fragmentos, líquido o gas.
4.- La reunión del incremento.- La combinación y mezcla de todos los incrementos que conforman la muestra.
Error de Delimitación
La delimitación de sus límites debe ser tal que todos los fragmentos del lote tengan la misma probabilidad de ser seleccionado mediante un dispositivo de muestreo.
El error de delimitación genera sesgo.
Error de Extracción
Un incremento no puede ser extraído correctamente si el dispositivo de muestreo no preserva la integridad del incremento delimitado correctamente.
El error de extracción genera sesgo.
Delimitación del Incremento
Para un lote de 3 dimensiones
P3
P1P2
P = P1 = P2 = P3
Extracción del Incremento
Idealmente en un lote 3D deberíamos considerar una esfera.
Cualquier fragmento cuyo centro de gravedad está afuera de la esfera imaginaria deberá quedar afuera y viceversa
Delimitación del Incremento
Para un lote de 2 dimensiones
P3
P1P2
P = P2 = P3
P1 = 100 %
Delimitación del Incremento
Para un lote de 1 dimensión
P3
P1P2
P = P3
P1 = P2 = 100 %
Extracción del Incremento
Regla del centro de gravedad o efecto del rebote
Esta regla señala que el fragmento tiene la misma chance de ser muestreado que ser dejado fuera del incremento si golpea en el borde del dispositivo de muestreo
Esta regla no se cumple si:
-- La abertura del cortador (W) es muy pequeña
-- El cortador es muy rápido
Regla del centro de gravedad o efecto del rebote
Por lo tanto, el diseño del cortador debe considerar los choques de las partículas
Extracción de la Muestra
Tubo para captar detritus
Extracción de la Muestra
Riffle mirado desde arriba
Extracción de la Muestra
Palas para toma de incrementos
Incorrecto Correcto
Delimitación de la Muestra
La muestra debe representar el banco
Delimitación de la Muestra
Muestreo de Pozos de Tronadura
El captador debe ser radial
Delimitación de la Muestra
Muestreo sobre una correa transportadora
La geometría de la muestra debe ser un rectángulo o un paralelogramo
Delimitación de la Muestra
Toma de submuestra en un laboratorio
Una submuestra no se debe tomar en forma superficial, sobre todo si el material está segregado
Taller N° 1
¿Es correcta esta maniobra de muestreo?
¿Es correcta esta maniobra de muestreo?
¿Es correcta esta maniobra de muestreo?
bandeja
¿Es correcta esta maniobra de muestreo?
¿Es correcta esta maniobra de muestreo?
¿Es correcta esta maniobra de muestreo?
¿Es correcta esta maniobra de muestreo?
¿Es correcta esta maniobra de muestreo?
¿Es correcta esta maniobra de muestreo?
¿Es correcta esta maniobra de muestreo?
¿Qué tipo de errores identifica si se utiliza este divisor de muestras?
INCORRECTOCORRECTO
DIVISOR DE RIFLES
Diseño de pala incorrecto y diseño de pala correcto
Pala ISO para muestreo
Pala ISO para división por incrementos
Error de Preparación
Para evitar el error de preparación se tiene que:
1.- Prevenir la contaminación
2.- Prevenir las pérdidas, principalmente de finos
3.- Prevenir la alteración de los constituyentes (degradación, oxidación o segregación)
4.- Prevenir los errores humanos
Resumen: Tipos de Errores
El Error de Muestreo (TSE) se puede descomponer en un número de componentes que corresponde a cada etapa del muestreo 1, 2,…, i, …, u.
TSE = TSE1 + … + TSEi + … + TSEu.
Donde:
TSE1 : Error del Muestreo en la etapa 1.
TSEi : Error del Muestreo en la etapa i.
TSEu : Error del Muestreo en la etapa u.
Esta descomposición es posible, a causa de que cada componente del error de muestreo es independiente.
Componentes del Error de Muestreo
Cada etapa del muestreo consiste de dos operaciones:
1. Selección (Muestreo)
2. Preparación
Dentro de este contexto, la etapa de preparación no es una operación selectiva, ya que involucra operaciones tales como:
• Chancado• Secado• División• Pulverizado
Componentes del Error de Muestreo
Por lo tanto:
Donde:
SE : Error de selección
PE : Error de Preparación
Algunos errores típicos de preparación incluyen:
Contaminación de la muestra, pérdidas, alteración de la composición física o química y errores propios del operador.
Componentes del Error de Muestreo
TSE = SE + PE
El error de selección (SE) puede descomponerse además en
Error de Integración y Error de Materialización
Donde:
CE : Error de Integración
ME : Error de Materialización
El error de Integración tiene que ver con la manera como se seleccionan los puntos de muestreo en el tiempo o en la masa.
El error de Materialización tiene que ver con la manera física en que se toman los incrementos, y pueden eliminarse mediante una correcta operación y un correcto diseño del dispositivo de muestreo
Componentes del Error de Muestreo
SE = CE + ME
El error de Integración también está compuesta de dos componentes causados por las variaciones en la calidad y la tasa de flujo.
Donde:
QE : Error de la variación de la calidad
WE : Error de Pesada
Componentes del Error de Muestreo
CE = QE + WE
Los errores de variación de la calidad son de tres tipos: de corto plazo, de largo plazo y periódico:
Donde:
QE1 : Error de variación de la calidad de corto plazo
QE2 : Error de variación de la calidad de largo plazo
QE3 : Error de variación de la calidad periódico
Las variaciones de corto plazo son el resultado de dos propiedades que se relacionan con la naturaleza del material. Estas son la composición de las partículas (Error Fundamental) y la manera como las partículas están agrupadas (Error de segregación y agrupamiento).
Componentes del Error de Muestreo
QE = QE1 + QE2 + QE3
Por lo tanto, el Error de variación de corto plazo está dado por:
Componentes del Error de Muestreo
Donde:
FE : Error Fundamental
GE : Error de segregación y agrupamiento
QE1 = FE + GE
El Error de Materialización puede descomponerse en Error de delimitación y error de extracción:
Componentes del Error de Muestreo
Donde:
DE : Error de delimitación
EE : Error de Extracción
El error de delimitación se elimina si todas las partes del flujo de material son interceptados por el cortador de muestra para la misma longitud de tiempo.
El error de extracción se elimina si se extraen completamente los incrementos del flujo sin que ningún material se escape del cortador
ME = DE + EE
En resumen, El Error total del Muestreo consiste en:
Componentes del Error de Muestreo
QE1
QE
CE ME
SE
TSE = FE + GE + QE2 + QE3 + WE + DE + EE + PE
SE + PE
Repasar
TSE = FE + GE + QE2 + QE3 + WE + DE + EE + PE
Componentes del Error de Muestreo
Error Sistemático
Produce SESGO
A pequeña escala, sólo la heterogeneidad de constitución es la responsable del Error Fundamental
A pequeña escala, sólo la heterogeneidad de distribución es la responsable del Error de Segregación y agrupamiento
TSE = FE + GE + QE2 + QE3 + WE + DE + EE + PE
Componentes del Error de Muestreo
Si el Muestreo es correcto
0
Error Fundamental
Error de segregación y agrupamiento
Error de variación de largo plazo
Error de variación periódica
Error de pesada
Error de delimitación
Error de extracción
Error de preparación
TIPOS DE ERRORES
Variabilidad en Pequeña Escala Variabilidad en Gran Escala
Optimizar un Protocolo de Muestreo
Error Fundamental
Error de Agrupamiento y segregación
Implementar un Protocolo de Muestreo
Error de Delimitación
Error de Extracción
Errores de Preparación
Por pérdida
Por alteración
Error Humano
Por contaminación
Fraude y sabotaje
ERROR SELECTIVO ERROR NO SELECTIVO
ERROR TOTAL DE MUESTREO
ERROR DE ESTIMACIÓN TOTAL
Error Analítico
Seleccionar un Intervalo y modo de Muestreo
Error de Interpolación
Error Periódico
Error de Pesada
Según la escala de observación
En pequeña escala, si estamos interesado en la heterogeneidad entre fragmentos, en ese caso debemos considerar el lote como un conjunto discreto y continuo.
En gran escala, si estamos interesado en las variaciones de la heterogeneidad periódica y de largo plazo, se debe considerar el lote como un conjunto continuo.
Según la escala de observación
En pequeña escala, para estudiar la variabilidad (FE, GE, DE, PE, EE, AE), se debe considerar el lote como una población estadística. En este caso, el orden de los constituyentes no interesa
En gran escala, para estudiar la variabilidad (tendencias, ciclos), se debe considerar el lote como series de tiempo o espacio. En este caso, el orden de los constituyentes es relevante.
.
Estimación del Error Fundamental
Estimación del Error Fundamental
32 11Cd
MMS
LSFE
Donde:
2FES Varianza del Error Fundamental
SM
LM
Masa de la Muestra
Masa del Lote
C Constante de Muestreo
d Tamaño máximo de la partícula
La fórmula para determinar el Error fundamental es:
Estimación del Error Fundamental
La ecuación de Pierre Gy también se puede expresar como:
32 11fgcld
MMS
LSFE
Factor de forma
Factor dependiente del rango de tamaños
Factor mineralógico
Factor de liberación
Estimación del Error Fundamental
Se utiliza una fracción de tamaño calibrada entre dos tamices.
32
22 11
CdMMx
sS
LSi
iFE
Calculado en el Test de Heterogeneidad
Estimación del Error Fundamental
Si el peso del lote ML es 10 veces más grande que el peso de la muestra, MS, entonces la expresión anterior se simplifica a:
32
22 d
M
C
x
sS
Si
iFE
Calculado en el Test de Heterogeneidad
Todos los parámetros los conocemos, excepto la constante C
Estimación del Error Fundamental
Factor de forma
Tiene que ve con la forma de las partículas.
Se considera f = 0,5 para partículas perfectamente esféricas.
Estimación del Error Fundamental
Factor de Composición mineralógico
Este factor se puede calcular de la siguiente ecuación:
a
aaac
])1)[(1( 21
Donde:
a = ley de la especie mineralógica en tanto por uno
1 : la densidad de las partículas del componente crítico, en gamos por centímetro cúbico
2 : la densidad de las partículas de la ganga, en gamos por centímetro cúbico
Estimación del Error Fundamental
Factor rango de tamaño
Se estima a partir de la relación d/ d´ . Tamaño máximo nominal d respecto al tamaño mínimo d´:
Rango de tamaño grande (d/d´) > 4 g = 0,25
Rango de tamaño medio (2 ≤ d/d´) ≤ 4 g = 0,50
Rango de tamaño pequeño (d/d´) < 2 g = 0,75
Tamaño Uniforme (d/d´ = 1) g = 1,00
Estimación del Error Fundamental
Factor de liberación: (toma los valores entre 0 y 1)
Es la relación que existe entre el tamaño de liberación de las partículas del elemento de interés dl y el tamaño máximo de partículas para una determinada etapa de muestreo, d.
d
dl l
Nota.- En recientes trabajos del Dr. Bongarcon, recomienda utilizar la expresión
b
l
d
dl
Donde b ≈ 1,5 para el oro
b ≈ 0,5 para el cobre
Diseño de un Diagrama de Muestreo (Nomograma)
La idea es construir un gráfico logarítmico que muestra la relación entre el Error Fundamental S2
FE y el peso de la muestra, MS
log S2FE = log C + 3 log d – log MS
De la fórmula del Error Fundamental, tenemos:
Diseño de un Diagrama de Muestreo (Nomograma)
10-5
10-4
10-1
10-2
10-3
Diseño de un Diagrama de Muestreo (Nomograma)
100 101 102 103 104 105 106E10-5
10-4
10-1
10-2
10-3
Diseño de un Diagrama de Muestreo (Nomograma)
100 101 102 103 104 105 106
10-5
10-4
10-1
10-2
10-3
Taller N° 2
Test de Heterogeneidad
Fr Au (g/T) Masa (g)1 0,08 58,02 0,12 51,73 0,29 69,04 0,41 57,85 0,11 61,96 0,73 58,87 0,24 71,98 0,25 61,99 0,10 58,3
10 0,08 54,011 0,36 60,112 1,82 57,913 0,17 54,214 0,50 54,015 0,04 54,916 0,06 61,817 0,13 57,318 0,06 46,019 0,37 55,420 0,04 45,221 0,04 59,622 0,68 51,323 1,01 55,824 0,81 58,225 0,98 57,6
Fr Au (g/T) Masa (g)26 0,51 59,327 0,27 51,028 4,26 53,029 3,12 55,930 0,08 59,831 0,60 57,632 0,18 57,033 0,14 49,834 0,06 54,235 0,13 52,536 0,09 58,037 2,44 50,638 0,13 56,639 0,14 50,640 0,06 56,641 0,05 56,042 0,08 54,543 0,08 47,544 0,25 50,545 0,22 48,646 3,02 49,247 0,11 53,048 20,48 45,949 0,03 47,750 0,22 43,4
Fr Au (g/T) Masa (g)51 0,16 53,752 0,40 60,453 0,35 57,954 1,15 57,855 0,13 53,456 0,05 61,257 0,89 53,858 0,04 60,759 0,10 58,460 0,27 54,561 0,16 53,462 0,03 56,363 0,25 53,564 0,08 47,965 0,14 49,366 0,07 51,767 0,26 45,768 0,18 44,469 1,44 46,670 0,09 46,871 0,20 38,472 0,14 45,273 0,29 40,974 16,02 43,275 0,09 39,4
Fr Au (g/T) Masa (g)76 1,31 45,277 0,16 41,478 0,13 48,079 4,49 45,180 5,88 40,881 0,35 51,382 0,24 42,583 8,19 51,884 0,32 45,785 40,39 46,886 0,08 41,087 0,25 45,188 0,11 45,489 1,23 39,590 0,46 44,591 0,21 46,792 0,17 48,793 0,20 45,594 0,13 47,795 0,81 52,296 0,06 42,397 0,07 47,698 0,04 45,699 0,19 51,0
100 0,14 55,5
Contenido de oro en 100 muestras de 35 fragmentos cada uno
Test de Heterogeneidad
N 100
1,348
pond. 1,245
S 4,829
S2 23,324
l (densidad) 2,85
F (Fragmentos) 35
f (factor de forma) 0,5
d (diam particula) 1,05
dsup (cm) 1,27
dinf (cm) 0,635
3
3inf
3sup
2
ddd
2
22
x
ssFE 035,15
)245,1(
324,232
2 FEs
FsC FE 2exp
3585,2035,15exp C
72,1499exp C
fCCreal exp
5,072,1499 realC
86,749realC
XX
1/2”
1/4”
Test de Heterogeneidad
Pero para varios estados de conminución, los términos f, g, c y dl no cambian.
Por lo tanto, podemos agruparlos bajo un factor común K que llamaremos constante de muestreo común para todos los estados de conminución.
d
dfgcC l
real
d
KCreal
Con esto podemos calcular distintos valores de K para los diferentes tamaños de partícula
Recordemos además que:
dCK real 05,186,749 K 78,767K
l (densidad) 2,85
F (Fragmentos) 35
f (factor de forma) 0,5
d (diam particula) 1,05
Test de Heterogeneidad
d
KC
d (pulg o malla) d (cm) C
2" 5 343
1" 2,54 4821/2" 1,27 681Test 1,05 7491/4" 0,635 963
6# 0,335 1327
10# 0,17 186216# 0,1 242824# 0,071 288135# 0,043 372448# 0,03 443365# 0,021 5273
100# 0,015 6269150# 0,011 7457
Diseño de un diagrama de Muestreo
sFE M
dCs
32 *
l (densidad) 2,85
F (Fragmentos) 35
f (factor de forma) 0,5
d (diam particula) 1,05Peso Muestra MS
d (pulg o malla) d (cm) C 10 100 1000 10000 100000 1000000
2" 5 343 4292,02 429,2023 42,920229 4,2920229 0,429202 0,04292
1" 2,54 482 789,444 78,9444 7,8944397 0,789444 0,078944 0,0078941/2" 1,27 681 139,555 13,95553 1,395553 0,1395553 0,013956 0,001396Test 1,05 749 86,7382 8,673817 0,8673817 0,0867382 0,008674 0,0008671/4" 0,635 963 24,6701 2,467012 0,2467012 0,0246701 0,002467 0,000247
6# 0,335 1327 4,98711 0,498711 0,0498711 0,0049871 0,000499 4,99E-05
10# 0,17 1862 0,91487 0,091487 0,0091487 0,0009149 9,15E-05 9,15E-0616# 0,1 2428 0,24279 0,024279 0,0024279 0,0002428 2,43E-05 2,43E-0624# 0,071 2881 0,10313 0,010313 0,0010313 0,0001031 1,03E-05 1,03E-0635# 0,043 3724 0,02859 0,002859 0,0002859 2,859E-05 2,86E-06 2,86E-0748# 0,03 4433 0,01197 0,001197 0,0001197 1,197E-05 1,2E-06 1,2E-0765# 0,021 5273 0,00502 0,000502 5,024E-05 5,024E-06 5,02E-07 5,02E-08
100# 0,015 6269 0,00212 0,000212 2,116E-05 2,116E-06 2,12E-07 2,12E-08150# 0,011 7457 0,00089 8,88E-05 8,882E-06 8,882E-07 8,88E-08 8,88E-09
Test de Heterogeneidad Nomograma
0,000001
0,00001
0,0001
0,001
0,01
0,1
10 100 1000 10000 100000 1000000Masa (g)
S2
FE
Diseño de un diagrama de Muestreo
½”
1/4”
10 # Ty
150 # Ty
Línea de Seguridad
Diseño de un diagrama de Muestreo
Ejercicio.- Revisar el Siguiente Protocolo de Muestreo
A: 200 Kg, ½”
B: 40 Kg, ½”
C: 20 Kg, ½”
D: 20 Kg, 10 # Ty
E: 1 Kg, 10 # Ty
F: 1 Kg, 150 # Ty
G: 0,3 K, 150 # Ty
¿Cuáles serían sus recomendaciones?
Diseño de un diagrama de Muestreo
Test de Heterogeneidad Nomograma 1 b = 0.5
0,00000
0,00001
0,00010
0,00100
0,01000
0,10000
10 100 1000 10000 100000 1000000
Masa (g)
S2 F
E
½”
1/4”
10 # Ty
150 # Ty
6 #Ty
16 # Ty
24 # Ty
35 # Ty48 # Ty
65 # Ty
100 # Ty
2”
1”
Diagrama de Muestreo
Ejercicios
Ejemplo: Si 80 g de muestra son analizados por cantidades trazas de mercurio y las partículas mayores son del orden de 0,8 cm. La constante de muestreo del Hg es C = 2000.
Calcular el 2FES
8,1280
)8,0(2000 32
xSFE
Determinación del Sesgo del Muestreo
Los Sistemas de muestreo mecánico o métodos manuales de muestreo se prueban mediante comparación de los resultados o muestras recogidas manualmente (Método B) con los resultados para incrementos de referencia recogidos de una correa transportadora en detención (Método A)
Determinación de sesgo de Muestreo sobre correas transportadoras
Distintos parámetros, preferentemente los de más interés deberán ser examinados en el estudio de sesgo. Por ejemplo, cobre, contenido de humedad, etc., esto debido a que no siempre el sesgo está presente en un solo parámetro
Para determinar el número de datos requeridos
Para la prueba, se debe realizar un análisis estadístico posterior al experimento, que consiste en:
a) Especificar la magnitud de deltab) determinar el límite de detección de sesgo para el error tipo I y II
combinado de acuerdo a la siguiente ecuacióndonde t0,05; k-1 y t0,10; k-1 son los valores t-student tabulados para k -1 grados de
libertad correspondientes a alfa = 0,05 y beta = 0,10LDS : límite de detección de sesgo, es el sesgo mínimo que puede
ser detectado utilizando los datos disponibles.c) Si LDS delta , el número de datos es suficiente y el test
estadístico t-student puede ser aplicado.
Para determinar el número de datos requeridos
d) Si LDS > delta, se debe calcular la diferencia estandarizada, D, y el número de datos requeridos, n correspondiente a este valor de D utilizando las siguientes ecuaciones
D = delta / sd
e) Se recogen un conjunto adicional de datos (n – k) y se repiten los pasos b a d hasta que el número de datos exceda n.
2
21;10,01;05,0 )(
D
ttn kk
Taller N° 3
Ejercicio.- Determinar si existe sesgo en el muestreo de una correa transportadora
N° B A (REF)
1 49,50 49,00
2 50,05 49,67
3 52,10 51,74
4 53,32 53,16
5 53,26 53,06
6 50,32 49,92
7 53,47 53,11
8 53,91 53,57
9 50,28 50,02
10 51,51 51,13
11 51,56 51,30
12 49,28 49,02
13 48,95 48,75
14 51,97 51,59
15 49,36 48,88
16 54,04 53,75
17 53,04 52,80
18 50,77 50,42
19 52,85 52,62
20 53,80 53,53
Para saber si existe sesgo, se realiza una prueba de contraste. Se utiliza la prueba t-student para datos pareados de dos colas.
Determinación de la Precisión del Muestreo
Métodos para determinar la Precisión en Flujos de muestras
Rechazo 1°
Rechazo 2°
Metro patrón de muestreo
Rechazo 2°
Toma de incremento
Estudio Precisión
Punto Muestreo N° 1
Punto Muestreo N° 2
Punto Muestreo N° 3
Punto Muestreo N° 4
A B
Ejemplo de Estudio de Sesgo y Precisión
Taller N° 4
Ejercicio.- Determinación de la precisión del muestreo
LOTE
A B
A1 A2 B1 B2
A11 A12 A21 A22B11 B12 B21 B22
Precisión del Muestreo
Precisión de la Preparación de Muestras
Precisión del Análisis Químico
XA11 XA12 R1 XA21 XA22 R1 R2 XB11 XB12 R1 XB21 XB22 R1 R2
1 23,10 23,05 23,08 0,05 23,06 23,09 23,08 0,03 23,08 0,00 23,07 23,06 23,07 0,01 23,06 23,04 23,05 0,02 23,06 0,02 23,07 0,022 23,09 23,06 23,08 0,03 23,09 23,09 23,09 0,00 23,08 0,02 23,12 23,12 23,12 0,00 23,14 23,14 23,14 0,00 23,13 0,02 23,11 0,053 23,12 23,14 23,13 0,02 23,10 23,12 23,11 0,02 23,12 0,02 23,16 23,10 23,13 0,06 23,12 23,12 23,12 0,00 23,13 0,01 23,12 0,004 23,07 23,04 23,06 0,03 23,04 23,03 23,04 0,01 23,05 0,02 23,10 23,10 23,10 0,00 23,12 23,09 23,11 0,03 23,10 0,00 23,07 0,065 22,97 23,00 22,99 0,03 22,99 22,98 22,99 0,01 22,99 0,00 23,05 22,98 23,02 0,07 23,02 23,08 23,05 0,06 23,03 0,03 23,01 0,056 23,00 22,99 23,00 0,01 22,95 23,00 22,98 0,05 22,99 0,02 22,88 22,95 22,92 0,07 22,94 22,94 22,94 0,00 22,93 0,03 22,96 0,067 22,94 22,89 22,92 0,05 22,84 22,87 22,86 0,03 22,89 0,06 22,92 22,91 22,92 0,01 22,86 22,90 22,88 0,04 22,90 0,04 22,89 0,018 23,02 23,05 23,04 0,03 23,10 23,07 23,09 0,03 23,06 0,05 23,00 23,02 23,01 0,02 23,05 22,99 23,02 0,06 23,02 0,01 23,04 0,059 22,99 22,99 22,99 0,00 23,02 22,99 23,01 0,03 23,00 0,02 23,06 23,03 23,05 0,03 23,01 23,05 23,03 0,04 23,04 0,02 23,02 0,0410 23,08 23,05 23,07 0,03 23,04 23,04 23,04 0,00 23,05 0,02 23,09 23,08 23,09 0,01 23,10 23,08 23,09 0,02 23,09 0,00 23,07 0,0411 23,17 23,14 23,16 0,03 23,12 23,13 23,13 0,01 23,14 0,03 23,00 23,00 23,00 0,00 23,03 23,04 23,04 0,01 23,02 0,04 23,08 0,1212 23,04 23,05 23,05 0,01 23,06 23,05 23,06 0,01 23,05 0,01 23,06 23,05 23,06 0,01 23,07 23,09 23,08 0,02 23,07 0,02 23,06 0,0213 23,20 23,20 23,20 0,00 23,11 23,08 23,10 0,03 23,15 0,11 23,03 23,00 23,02 0,03 23,07 23,05 23,06 0,02 23,04 0,05 23,09 0,1114 22,81 22,82 22,82 0,01 22,87 22,90 22,89 0,03 22,85 0,07 22,92 22,93 22,93 0,01 22,92 22,88 22,90 0,04 22,91 0,03 22,88 0,0615 23,08 23,07 23,08 0,01 23,05 23,02 23,04 0,03 23,06 0,04 23,04 22,99 23,02 0,05 22,92 22,96 22,94 0,04 22,98 0,07 23,02 0,0816 22,96 22,96 22,96 0,00 22,88 22,92 22,90 0,04 22,93 0,06 22,75 22,72 22,74 0,03 22,73 22,75 22,74 0,02 22,74 0,01 22,83 0,1917 22,98 22,99 22,99 0,01 22,95 22,96 22,96 0,01 22,97 0,03 22,96 22,97 22,97 0,01 22,99 23,01 23,00 0,02 22,98 0,04 22,98 0,0118 22,85 22,85 22,85 0,00 22,90 22,87 22,89 0,03 22,87 0,03 22,89 22,90 22,90 0,01 22,91 22,89 22,90 0,02 22,90 0,00 22,88 0,0319 22,99 22,96 22,98 0,03 22,98 22,98 22,98 0,00 22,98 0,00 23,05 23,04 23,05 0,01 23,00 22,98 22,99 0,02 23,02 0,05 23,00 0,0420 23,01 22,98 23,00 0,03 22,97 22,96 22,97 0,01 22,98 0,03 22,82 22,82 22,82 0,00 22,85 22,87 22,86 0,02 22,84 0,04 22,91 0,14
Media 23,02 23,01 23,02 0,0205 23,01 23,01 23,01 0,0205 23,01 0,0320 23,00 22,99 22,99 0,0220 23,00 23,00 23,00 0,0250 23,00 0,0260 23,00 0,0585
Lote
BR3
A1 A2 B1 B2A
2AX AX1AX 1BX 2BX BX ABX
0290,02 R
0585,03 R
22
22 4
RS
23
23 4
RS
21
21 4
RS
00038,0221 ASS
00047,0222 PSS
00236,0223 MSS
222MPAT SSSS %057,0TS
%019,0AS
%022,0PS
%049,0MS
Nota.- /4 es un factor estadístico que relaciona el rango con la varianza para un par de mediciones
Control de Calidad en Preparación de Muestras
Herramientas de Control de Calidad
Proceso Muestra Final
Rechazo
Muestra Bruta
Se obtienen dos productos:
1.- Una muestra para análisis químico y
2.- Una muestra de rechazo
Proceso
Húmeda 100 % seca
20 Kg aprox.
Tamaño ¼” a ½ “ Tamaño bajo 150 # Ty
Heterogénea Homogénea
Representativa Representativa
Sin contaminación Sin contaminación
200 – 250 g
Entrada Salida
La salida es el objetivo de calidad del proceso.
Por lo tanto, el control de calidad consiste en asegurar que esos objetivos se cumplan
(Objetivos de Calidad)
Secado
Muestra Final
Rechazo
Muestra Bruta
Chancado
División
Pulverizado
Control Malla 10
Control Malla 150
Control Peso Inicial (Representatividad)
Control Peso Final
Control Secado
Control Ollas de Pulverizado
Control Contaminación
Control Capachos
Control Homogeneidad (Repreparados)
1. 100 % seca
Objetivos de Calidad
2. 200 – 250 g
3. Bajo 150 # Ty
4. Homogénea
6. Representativa
5. Sin contaminación
Respaldo
a Metalurgia
Control de Calidad en la Preparación de Muestras de Minerales
NORMA DE SEGURIDAD DE PIERRE GY
Cualquier reducción en la cantidad de muestra deberá considerar la relación entre el peso y el tamaño de partícula
700 g
10 # Ty = 1,65 mm
Chancado
Div
isió
nPulverizado
200 g
½” = 12,7 mm
20 Kg
150 # Ty
Secado
Muestra Final
Rechazo
Muestra Bruta
Chancado
División
Pulverizado
Control Malla 10
Control Peso Inicial (Representatividad)
Control Capachos
1. 100 % seca
Objetivos de Calidad
2. 200 – 250 g
3. Bajo 150 # Ty
4. Homogénea
6. Representativa
5. Sin contaminación
Respaldo
a Metalurgia
Control de Calidad en la Preparación de Muestras de Minerales
Dispositivos de Preparación de Muestras
Chancador de Mandíbulas
Divisor rotatorio
Pulverizador
Divisor de rifles
Dispositivos para determinación de granulometría
Harnero vibratorio
Rotap
Ciclosyser
Direcciones Internet para consulta y compra de normas internacionales
BSI
http://www.bsonline.bsi-global.com/server/expandedsearch
ASTM http://64.233.179.104/translate_c?hl=en&langpair=en%7Ces&u=http://www.astm.org/cgi-bin/SoftCart.exe/STORE/standardsearch.shtml%3FL%2Bmystore%2Bqzcd2060%2B1095294578&prev=/language_tools
ISO
http://www.iso.org/iso/en/StandardsQueryFormHandler.StandardsQueryFormHandler?keyword=&isoNumber=&scope=CATALOGUE&sortOrder=ISO&title=true&search_type=TEXT&search_term=
JIS
http://www.webstore.jsa.or.jp/webstore/JIS/SearchEn.jsp?lang=en
JIS M 8100:1992 Particulate materials -- General rules for methods of sampling
ISO 3085:2002 Iron ores -- Experimental methods for checking the precision of sampling, sample preparation and mesasurement. Ed. 4
ISO 3082:2000 Iron ores -- Sampling and sample preparation procedures
ISO 3086:1998 Iron ores -- Experimental methods for checking the bias of sampling
ISO 11648-1:2003 Statistical aspects of sampling from bulk materials -- Part 1: General principles
ISO 11648-2:2001 Statistical aspects of sampling from bulk materials -- Part 2: Sampling of particulate materials
Referencias
ISO 12743:1998 Copper, lead and zinc sulfide concentrates -- Sampling procedures for determination of metal and moisture content
ISO 12744:1997 Copper, lead and zinc sulfide concentrates -- Experimental methods for checking the precision of sampling
ISO 13292:2006 Copper, lead, zinc and nickel concentrates -- Experimental methods for checking the bias of sampling
Pierre Gy. “Sampling of Particulate Materials”. Ed. 1982
Francis Pitard. “Pierre Gy´s Sampling theory and Sampling Practice”. CRC. Ed. 1989.
Fin de Presentación