Browsing by Author "Molina Meneses, Gilda Tamara"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Thesis Uso de simulación Monte Carlo para mejoras del diseño experimental en las caracterizaciones cinéticas de la flotación(Universidad Técnica Federico Santa María, 2025-10) Molina Meneses, Gilda Tamara; Hansen Kirstein, Knud Henrik; Departamento de Ingeniería Química y Ambiental; Vinnett Peralta, Luis EduardoLa flotación es una técnica de concentración ampliamente utilizada en la industria minera para separar minerales valiosos de los no valiosos. En este contexto, las pruebas de flotación batch a escala de laboratorio son esenciales para el posterior diseño de circuitos industriales. En este trabajo se aplicaron simulaciones Monte Carlo para mejorar el diseño experimental en dichas pruebas, asegurando la confiabilidad de los parámetros utilizados en el escalamiento industrial. Para esto, se analizaron ensayos de flotación batch replicados bajo dos condiciones de tamaño de partícula: P80 = 300 µm (4 réplicas), y P80 = 212 µm (6 réplicas), con 14 intervalos de flotación, superior a lo usualmente empleado (< 8 intervalos). Los datos tiempo–recuperación se modelaron con representaciones cinéticas clásicas (Tasa Única, Rectangular y Gamma), y se submuestrearon para emular escenarios experimentales típicos. Los parámetros se estimaron mediante mínimos cuadrados ordinarios, ponderados y generalizados, tomando en cuenta la autocorrelación de los errores. Se obtuvo que el modelo Gamma, con parámetros estimados por mínimos cuadrados ordinarios, entregó la mejor generalización bajo condiciones de submuestreo y bajo número de réplicas. A partir de los parámetros cinéticos Gamma obtenidos con 14 datos experimentales se definió el caso base (ground-truth). Para este caso base, se realizaron 1000 simulaciones Monte Carlo con errores normales autocorrelacionados. Estas simulaciones se submuestrearon (5 datos tiempo-recuperación) para evaluar la sensibilidad de los parámetros cinéticos. Se utilizó el error cuadrático relativo de los parámetros para comparar todas las combinaciones de submuestreo posibles. Se identificó que un muestreo adecuado, en términos de estimación de parámetros, incluye el menor tiempo (e.g., 0.17 min), tiempos intermedios (transición al agotamiento) y el mayor tiempo (e.g., 32 min). El peor desempeño se obtuvo al utilizar solo tiempos largos (> 1.5 min)(...).
Política de Privacidad 
