Vol. 19 Núm. 2 (2020): Revista UIS Ingenierías
Artículos

Clasificación de la velocidad específica de fractura (Sj) mediante análisis discriminante para la molienda de cuarzo

Laura Colorado-Arango
Universidad de Antioquia
Sindy Llano-Gómez
Universidad de Antioquia
Adriana Osorio-Correa
Universidad de Antioquia

Publicado 2020-03-25

Palabras clave

  • análisis discriminante,
  • cuarzo,
  • molienda,
  • molino de bolas,
  • velocidad específica de fractura

Cómo citar

Colorado-Arango, L., Llano-Gómez, S., & Osorio-Correa, A. (2020). Clasificación de la velocidad específica de fractura (Sj) mediante análisis discriminante para la molienda de cuarzo. Revista UIS Ingenierías, 19(2), 135–140. https://doi.org/10.18273/revuin.v19n2-2020015

Resumen

La velocidad específica de fractura (Sj) es un parámetro determinante para el comportamiento cinético de la molienda debido a la relación inversa que tiene con el consumo energético del proceso. Tamaño de bolas, viscosidad del medio y formación de partículas finas son algunas variables que se pueden modificar para reducir el consumo energético en los procesos de molienda. No obstante, no existe un modelo que explique la relación entre la Sj y los parámetros descritos anteriormente. Se propone un modelo de clasificación basado en el análisis discriminante para identificar las condiciones que permitan obtener las mayores Sj en una molienda húmeda de cuarzo. Se obtuvieron tres grupos del comportamiento cinético mediante el análisis de clúster y dos funciones discriminantes que explican la diferencia entre los grupos. La primera función discriminante fue la más poderosa con 89.01 % de predicción y la asegunda función representa la dimensión adicional con un 10.99% de predicción.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

[1] P. Radziszewski, “Energy recovery potential in comminution processes,” Miner. Eng., vol. 46–47, pp. 83–88, 2013, doi: 10.1016/j.mineng.2012.12.002

[2] F. Austin, L.G. Concha, “Diseño y simulación de circuitos de molienda y clasificación,” CYTED, vol. 1, pp. 1–394, 1994.

[3] S. C. Chelgani, M. Parian, P. S. Parapari, Y. Ghorbani, J. Rosenkranz, “A comparative study on the effects of dry and wet grinding on mineral flotation separation–a review,” J. Mater. Res. Technol., vol. 8, no. 5, pp. 5004–5011, 2019, doi: 10.1016/j.jmrt.2019.07.053

[4] N. Kotake, T. Kawaguchi, H. Koizumi, Y. Kanda, “A fundamental study of dry and wet grinding in bending tests on glass - Effect of repeated impact on fracture probability,” Miner. Eng., vol. 17, no. 11–12, pp. 1281–1285, 2004, doi: 10.1016/j.mineng.2004.06.030

[5] D. Feng, C. Aldrich, “A comparison of the flotation of ore from the Merensky Reef after wet and dry grinding,” Int. J. Miner. Process., vol. 60, no. 2, pp. 115–129, 2000, doi: 10.1016/S0301-7516(00)00010-7

[6] F. N. Shi, “Effects of slurry rheology on industrial grinding performance,” vol. 65, pp. 125–140, 2002, doi: 10.1016/S0301-7516(99)00016-2

[7] F. N. Shi, “Estimation of shear rates inside a ball mill,” International Journal of Mineral Processing, vol. 57, no. 3, pp. 167–183, 1999, doi: 10.1016/S0301-7516(99)00016-2

[8] S. Glagolev, 14th International Congress for Applied Mineralogy (ICAM2019) : Belgorod State Technological University named after V. G. Shukhov, 23–27 September 2019, Belgorod, Russia. Cham: Springer, 2019.

[9] M. Y. E.-B., S. H. I. M. Shabaka, M. Abdel Wahab, S. E. E. Hamza, “On rheological behavior of aqueous polyacrylamide solution. Empirical relation of the viscosity as a function of concentration and shear rate,” Int. J. Adv. Res., vol. 1, no. 6, pp. 77–82, 2013.

[10] R. R. Klimpel, “Chemical Additives for Wet Grinding of Minerals,” Powder Technology, vol. 31, pp. 239–253, 1982, doi: 10.1016/0032-5910(82)89012-8

[11] V. K. Gupta, “Determination of the specific breakage rate parameters using the top-size-fraction method : Preparation of the feed charge and design of experiments,” Adv. Powder Technol., vol. 27, no. 4, pp. 1710–1718, 2016, doi: 10.1016/j.apt.2016.06.002

[12] V. K. Gupta, “Effect of size distribution of the particulate material on the speci fi c breakage rate of particles in dry ball milling,” Powder Technol., vol. 305, pp. 714–722, 2017, doi: 10.1016/j.powtec.2016.10.075

[13] A. C. Rencher, "A Review Of Methods of Multivariate Analysis, Second Edition,” IIE Transaction, vol. 37, no. 11. 2005. doi: 10.1080/07408170500232784

[14] L. Kaufman and P. J. Rousseeuw, “Finding Groups in Data: An Introduction to Cluster Analysis,” Biometrics, vol. 47, no. 2, p. 788, 1991, doi: 10.2307/2532178

[15] D. Garson, Discriminant function analysis. USA: Statistical Associates Publishers, 2012.

[16] B. Wills, Will’s Mineral Processing Technology, Eighth vol. 1. Oxford, Reino Unido: Butterworth-Heinemann, 2013.

[17] F. Bond, “Crushing and Grinding,” Br. Chem. Eng., vol. 6, pp. 378–385, 1961.

[18] ASTM, “U.S. and Metric Sieve Sizes - Gilson Co.” [Online]. Available: https://www.globalgilson.com/sieve-sizes

[19] A. Solanas, R. Manolov, D. Leiva, M. M. Richard’s, “Retaining principal components for discrete variables,” Anu. Psicol., vol. 41, no. 1–3, pp. 33–50, 2011.

[20] D. R. Nascimento, B. R. Oliveira, V. G. P. Saide, S. C. Magalhães, C. M. Scheid, L. A. Calçada, “Effects of particle-size distribution and solid additives in the apparent viscosity of drilling fluids,” J. Pet. Sci. Eng., vol. 182, no. July, p. 106275, 2019, doi: 10.1016/j.petrol.2019.10627