La actual crisis económica que se está viviendo a nivel mundial repercute tanto en el sector energético como en otros sectores de la economía.
Esto ha provocado que las políticas europeas en materia de energía tiendan a instalar una economía con un consumo reducido de energía, más sostenible, más segura y más competitiva. En pos de este objetivo, la Unión Europea (UE) debe afrontar varios retos, como son el de garantizar la seguridad del suministro energético e invertir en la investigación y desarrollo en materia de eficacia energética.
La subida en los últimos años de los costes energéticos ha inducido la necesidad en la industria minera en general y en las plantas de beneficio en particular, de una mejora de la eficiencia de sus operaciones. Así, dentro de este planteamiento juegan un papel muy importante los procesos de molienda, debido a que suponen una partida nada desdeñable dentro del coste total de operación y de la eficacia global del proceso. En este contexto, se entiende que resulta de especial interés la posibilidad de predicción del consumo energético en el que se puede incurrir en las operaciones de fragmentación, a la hora de diseñar o incluso optimizar operaciones de este tipo.
Para caracterizar y predecir el consumo energético de la molienda de diversos materiales, se acepta, de manera generalizada y como referente comparativo en primera instancia, la metodología propuesta por Fred Bond en 1961.
Bond calcula en Índice de Bond o Índice de Trabajo ( ), el cual predice el consumo energético (kWh/t) en la reducción de tamaño del mineral en un molino.Si bien la metodología propuesta por Bond indica claramente los pasos a seguir, no hace hincapié en la incidencia y/o influencia en la variabilidad de éste, según las metodologías empleadas para determinar los parámetros característicos, que exige la ecuación correspondiente. Lo mismo podemos decir respecto a la influencia de otras variables, entre ellas, malla de corte, porcentaje de finos, carga de bolas, mineralogía, etc. Dos parámetros decisivos son el F80 y el P80 (tamaño de material por el cual pasa el 80% de la alimentación o del material molido respectivamente), para los cuales hay que conocer la ley que sigue la curva de distribución granulométrica y/o realizar una interpolación.
Las curvas de distribución granulométrica representan el porcentaje de pasante acumulado (o rechazo acumulado) versus el tamaño de partícula (normalmente en micras).
Fred Bond propone evaluar la distribución del tamaño de partícula mediante su representación en papel log-log, a la vez que también menciona que dicha distribución puede seguir la ley definida por Gates-Gaudin-Schuhmann. Después de varios estudios llega a la conclusión de que la distribución de tamaños de partículas sigue una ley tipo exponencial pero con un exponente variable. Menciona un método de representación gráfica de una distribución de tamaños exponencial, pero para el caso concreto de materiales homogéneos. Ambos tienen sus ventajas e inconvenientes con sus correspondientes errores a la hora de obtener el valor de F80 y P80.
En el campo mineralúrgico se habla también de la representación de curvas granulométricas que siguen la ecuación dada por Rosin-Rammler y de varios métodos de interpolación y/o representaciones.
La bibliografía en el campo de análisis de distribución de tamaños de partículas menciona los modelos de Gates-Gaudin-Schuhmann y Rosin-Rammler , haciendo una comparativa entre ellos para ver cual se asemeja más a los datos obtenidos en un caso concreto. Estos modelos se aproximan mucho a los valores de laboratorio para tamaños de partícula finos, pero se alejan en los tamaños gruesos, que es la zona en la que se encuentran los valores F80 y P80.
Por ello, algunos investigadores han optado por estudiar también la distribución granulométrica representándola en escala log-normal e incluso mediante Splines para obtener valores de tamaño concretos.
Los datos obtenidos de laboratorio se pueden representar directamente en escala cartesiana-cartesina (o doble cartesiana) y pasarla posteriormente a escala log-cartesiana, ya que es de ésta manera cómo se representan las distribuciones granulométricas.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados