01 Muestreo1

MUESTREO Y PREPARACIN DE MUESTRAS
DE MINERALES
HUGO CARCAMO G.
Estadstica aplicada al Muestreo
Medidas de Tendencia Central
Media Aritmtica.- Si se tienen n valores de n mediciones, la media
aritmtica se obtiene sumando estos valores y dividiendo por el
nmero total de datos.
=
=
n
i
i
X
n
X
1
1
Ejemplo:

Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
4 + 8 + 4 + 6 + 7 + 5 +6 +8 +7 + 6
10
Observacin.- Este estadstico es poco robusto a la presencia de datos
anmalos
La media aritmtica es 6,1
= X
Mediana.- Los resultados se ordenan de menor a mayor,
Si el total de datos es un nmero impar, entonces la mediana
corresponde al valor central de estos datos.
Si el total de datos es un nmero 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
Observacin.- Este estadstico es mucho ms robusto a la presencia de
datos anmalos que la media aritmtica.
Moda.- Es el nmero que ms 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
Media Cuadrtica.- Los datos se elevan al cuadrado y despus se
suman.

=
=
n
i
i C
X
n
X
1
2
1
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
2 , 6 =
C
X
) 6 7 8 6 5 7 6 4 8 4 (
10
1
2 2 2 2 2 2 2 2 2 2
+ + + + + + + + + =
C
X
Media Geomtrica.- Se determina el logaritmo a cada resultado,
despus se suman y se dividen por el nmero de datos.

=
=
n
i
i
G
X
n
X
1
log
1
log
Ejemplo:
Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
) 6 log 7 log 8 log 6 log 5 log 7 log 6 log 4 log 8 log 4 (log
10
1
log + + + + + + + + + = G X
7734 , 0 log = G X
7734 , 0
10 = G X
9 , 5 = G X

x
~
x
~
Mediana
x Media Aritmtica
x
Moda
Medidas de Dispersin
Desviacin estndar.- Estima la dispersin de los resultados
alrededor de su valor medio y se expresa como:
1
) (
1
2
=

=
n
x x
s
n
i
i
donde n-1 son los grados de libertad, es decir el nmero de
estimaciones independientes que pueden obtenerse a partir de un
conjunto especfico de datos.
Ejemplo:

Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
1 10
) 1 , 6 6 ( ..... ) 1 , 6 8 ( ) 1 , 6 4 (
2 2 2
+ + +
= s
449 , 1 = s
n
x x
s
n
i
i
=

=
1
2
) (
poblacin Muestra
Varianza.- Es la desviacin estndar al cuadrado, y se expresa como:
donde n-1 son los grados de libertad, es decir el nmero de
estimaciones independientes que pueden obtenerse a partir de un
conjunto especfico de datos.
1
) (
1
2
2
=

=
n
x x
s
n
i
i
Ejemplo:

Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
1 10
) 1 , 6 6 ( ..... ) 1 , 6 8 ( ) 1 , 6 4 (
2 2 2
2
+ + +
= s
100 , 2
2
= s
Recorrido o Rango.- Es la diferencia entre el resultado ms alto y el
ms bajo.

R = x
sup
x
inf

Observacin.- La desventaja de utilizar este estadstico, es que
cuando se considera un nmero grande de datos, existe ms
probabilidad de obtener valores anmalos que distorsionen el
recorrido. Por lo tanto es un estadstico poco robusto en comparacin
a la desviacin estndar y a la varianza.

Ejemplo:

Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
Rango = 8 4
Rango = 4
Desviacin Estndar Relativa.- Tambin conocida como Coeficiente
de Variacin. Es un estadstico que relaciona la desviacin estndar
con la media aritmtica
x
s
DER=
x
s
CV =
Ejemplo:

Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
4 + 8 + 4 + 6 + 7 + 5 +6 +8 +7 + 6
10
= X
1 10
) 1 , 6 6 ( ..... ) 1 , 6 8 ( ) 1 , 6 4 (
2 2 2
+ + +
= s
449 , 1 = s
1 , 6 = X
1 , 6
449 , 1
= CV
238 , 0 = CV
Error Relativo.- Es un estadstico que relaciona el rango estndar
con la media aritmtica
x
R
ER =
Ejemplo:

Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
1 , 6
4 8
=
R
E 656 , 0 =
R
E
Varianza Relativa.- Es un estadstico que relaciona la varianza con
la media aritmtica al cuadrado, o en otras palabras es la desviacin
estndar relativa al cuadrado.
2
2
x
s
VR =
2
|
.
|
\
|
=
x
s
VR
( )
2
CV VR = ( )
2
DER VR =
Ejemplo:

Datos: 4, 8, 4, 6, 7, 5, 6, 8, 7, 6
( )
2
1 , 6
100 , 2
= VR
056 , 0 = VR
Algunos Ejemplos de aplicacin

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
N correlativo segn Tabla N 1
%

E
r
r
o
r

r
e
l
a
t
i
v
o

A
b
s
o
l
u
t
o
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 desviacin estndar no es aditiva
Cuando se deben sumar los errores, lo que se deben sumar
son las varianzas, no las desviaciones estndar.
Ejemplo:

Error de Muestreo 1: 15 %
Error Total = (0,15)
2
+ (0,08)
2
+ (0,04)
2

Error Total = 17,5 %
La desviacin estndar como medida del error
Cuando queremos expresar la d.e. en
funcin de la confianza o probabilidad
tenemos que tomar en cuenta el tipo de
distribucin
Propiedades de la Distribucin Normal
68 %
95 %
99,7 %
Poblacin y Muestra
Poblacin.- 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)
Debera ser representativo
Esta formado por miembros seleccionados de la poblacin
(individuos, unidades experimentales).
Cuando nos referimos a variables de la poblacin hablamos de
parmetros. En cambio cuando nos referimos a las variables de las
muestras hablamos de estadsticos o estadgrafos.
Teorema Central del Lmite
X
11
X
21

X
n1
X
1

X
2

X
n

X
1

X
2

X
n

2 X
n X
..
1 X
X
N(,o
2
/n)
X U(,o
2
)
Teorema Central del Lmite
X
X
Cuando se determina la varianza de un nmero pequeo de
muestras que tienen una distribucin normal, la varianza puede que
no represente la curva de Gauss. En este caso, se utiliza el factor
de correccin t - student
t-student
Distribucin t-student
z t
Cuanto v , entonces t z
Conceptos bsicos relacionados con el Muestreo
de Minerales
LOTE
Se refiere a una cantidad de materia a ser muestreada, cuya
composicin se quiere estimar.
Ejemplos:
30.00 Toneladas de mineral en un acopio
3 m de profundidad en una mina subterrnea
500 toneladas de concentrado que pasan a travs de una
correa transportadora
1 par de ctodos 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 operacin.
INCREMENTO
Una cantidad de materia seleccionada mediante un
dispositivo de muestreo en una sola operacin.
MUESTRA
Una cantidad de materia que es extrada de un lote, a
menudo obtenida mediante la reunin de distintos
incrementos o fracciones del lote

MUESTRA
Una cantidad de materia que es extrada de un lote, a
menudo obtenida mediante la reunin 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 ms 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 S
1

Rechazo Primario
Muestra Primaria Preparada S
1

Muestra Secundaria S
2
Muestra Secundaria Preparada S
2

Rechazo Secundario
Muestra para Laboratorio S
3
Submuestra analtica S
4

Rechazo Terciario
Muestra Terciaria Preparada S
3
Rechazo Terciario
Anlisis S
4

Resultado Final
COMPONENTE
Se refiere a una parte elemental o a un constituyente que
puede ser separado y cuantificado mediante anlisis.
Existen componentes qumicos y componentes fsicos.
Ejemplos:
El contenido de cobre en un concentrado.
La proporcin de partculas bajo 150 mallas Tyler en un
mineral.
Componente crtico
Es un componente qumico o fsico de inters cuya proporcin
es altamente relevante que debe ser estimada.
HETEROGENEO Y HOMOGENEO
Se refiere a una parte de materia

Heterogneo Homogneo
REPRESENTATIVIDAD
Una muestra es representativa cuando representa una masa
mayor de material con sesgo y precisin dentro de lmites
aceptables.
% Cu
Muestreo
Preparacin
Anlisis Qumico
ESPECMEN
Es una parte del lote que se ha obtenido sin respetar las
reglas de la teora del muestreo, que se basa en el concepto
de equiprobabilidad.

Un especmen no debe usarse nunca para representar un
lote, y debe ser denominado en todo momento como tal.

Su propsito es slo cualitativo

En el fondo es una muestra no representativa
SESGO
La diferencia entre el centro de la distribucin de los valores
medidos y el valor real.
Otra definicin:
La diferencia estadsticamente significativa entre la media de
los resultados y un valor de referencia aceptado (ISO 13293)
La existencia de sesgo siempre est 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
PRECISIN
El grado de dispersin de los valores medidos
(JI 8100:1992)

Diferencia entre insesgado y exacto
(Segn Pierre Gy)
La media del error no es
igual a cero
La media del error es igual
a cero
INSESGADO
EXACTO
MUESTRA EQUITATIVA
Una muestra es equitativa cuando es reproducible y
suficientemente exacta para satisfacer los requerimientos
del cliente.
Representaciones grficas de los conceptos de
Exactitud y Precisin en el Muestreo
No es real. Un caso lmite nunca encontrado
El Muestreo es exacto,
insesgado, y perfectamente
reproducible.
El Muestreo es exacto y es
reproducible
El muestreo no es exacto, porque no existe correlacin
entre ambas series de resultados.
El Muestreo no es reproducible.
Este caso no es real. El sesgo puede deberse a un error analtico.
El Muestreo est sesgado, pero es
reproducible (Sesgo Absoluto).
Este caso no es real. El sesgo puede deberse a un error
analtico y no de muestreo.
El Muestreo est sesgado, pero
es reproducible (Sesgo Relativo).
Este caso no es real. Puede deberse a un error analtico.
El Muestreo est sesgado y es
reproducible, pero sigue una ley
desconocida
Este es el caso ms frecuente encontrado en muestreo..
El Muestreo est 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 sistemtico.- 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 reduccin mediante incrementos
ALGUNOS DISPOSITIVOS MANUALES DE MUESTREO
Tamao de partcula de la muestra,nmero de la pala para
reduccin por incrementos y espesor de la muestra extendida
Mtodos de Divisin de muestra
MTODOS DE DIVISIN (SEGN JIS 8100 : 1992)

Mtodos de divisin por incrementos
Mtodo de cono y cuarteo
Mtodo de la pala alternada
Mtodos de divisin por rifles
Mtodos de divisin mediante aparatos mecnicos
DIVISIN POR INCREMENTOS (SEGN JIS 8100 : 1992)
Esparcir la muestra gruesa ya
chancada en una superficie
limpia y lisa formando un
rectngulo como el de la figura.
El espesor deber estar de
acuerdo a tabla JIS
Dividir la muestra en 20 partes
iguales formando una cuadrcula
5 x 4
a) Caso en que se lleva la divisin sobre una muestra bruta de una
consignacin (Ejemplo: arreglo de 20 partes)
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.
Esparcir el incremento en una
superficie limpia y lisa formando
un rectngulo como el de la
figura. El espesor deber estar
de acuerdo a tabla JIS
b) Caso en que se lleva la divisin sobre incrementos individuales
tomados de una consignacin (Ejemplo: arreglo de 4 partes)
Dividir la muestra en
cuatro cuartos.
Tomar una palada al azar una a la
vez, de cada divisin, empujando
la pala de incremento hasta el
fondo de la muestra y renala en
una muestra aparte
MTODO DE LA PALA ALTERNADA (SEGN JIS 8100 : 1992)
Apilar una muestra ya molida
formando un cono sobre una
superficie dura, limpia y plana
Repetir la operacin de 1 en otro
lugar una vez ms
a) Tomar una palada de muestra
del cono y esprzala 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
Guardar un cono de los dos y
descartar el otro
Repetir el procedimiento del 1 al 5
con la mitad de la muestra
MTODO DE CONO Y CUARTEO (SEGN 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
operacin anterior una o dos
veces ms en otro lugar.
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.
Retener dos sectores
diagonalmente opuestos A y A. y
descartar B y B.
Repetir la operacin 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.
MTODO DE PALEOS ALTERNADOS (SEGN ISO 12743 : 1998)
MTODO DE DIVISIN POR RIFLES (SEGN JIS 8100 : 1992)
DIVISOR DE RIFLES
DIVISOR DE RIFLES
Tamao de partcula y clasificacin 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 LNEA TIPO CHUTE (LINEAL)
CORTADOR EN LNEA TIPO CHUTE (RADIAL)
VEZIN
CORTADOR TIPO CAJA
CORTADOR TIPO CAJA
CORTADOR TIPO CAJA
CORTADOR TIPO ALIMENTADOR Y TIPO RASPADOR
CORTADOR TIPO DIVISOR
Introduccin a la Teora del Muestreo de Pierre Gy
Distribucin Heterognea
a
1
a
2

Constitucin Heterognea
a
1
a
2

Constitucin Heterognea
a
1
a
2

a
1
a
2
=
Mientras menor sea el tamao de las partculas, mayor
probabilidad habr de que la muestra que se extraiga despus
de homogenizar sea representativa del lote.
Conclusin
Generalmente se debe reducir el tamao de las partculas
antes de extraer una muestra o dividir lal muestra.
La regla bsica para un mtodo 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 desviacin a esta regla bsica puede resultar en un
sesgo.
Por lo tanto, un esquema de muestreo incorrecto no puede
proporcionar muestras que sean representativas.

Tipos de Errores
1.- Error Fundamental
TIPOS DE ERRORES
El error total de muestreo est conformado por los siguientes
errores:
2.- Error de segregacin y agrupamiento
3.- Error de variacin de largo plazo
4.- Error de variacin peridica
5.- Error de pesada
6. -Error de delimitacin
7.- Error de extraccin
8.- Error de preparacin
Error Fundamental
La constitucin heterognea se debe a las diferencias que se
observan dentro de un fragmento o partcula respecto de otra,
en cuanto a:
Forma
Tamao
Densidad
Otras propiedades fsicas
Composicin mineralgica
Composicin qumica
El mezclado y la homogenizacin no tienen influencia sobre la
heterogeneidad de constitucin
La C. Heterognea es la responsable del Error Fundamental
Error Fundamental
El Error Fundamental es el error mnimo de muestreo que
estara involucrado si pudiramos seleccionar cada fragmento
al azar.
Para un peso dado de muestra, el FE es el error mnimo de
muestreo que estara involucrado en el protocolo de muestreo,
si ese protocolo fuera implementado en forma correcta.
Por lo tanto, para un estado de conminucin dado, y un peso
dado, es el error de muestreo ms pequeo posible.
El FE puede ser pequeo para constituyentes mayores y
materiales finos, pero puede llegar a ser muy importante para
constituyentes menores.
Por lo tanto, el mezclado y la homogenizacin no pueden reducir
el FE
Error Fundamental
Error de segregacin y agrupamiento
Qu es la segregacin?
Es la separacin de las partculas de material debido a sus
diferentes pesos.
Las partculas ms pesadas tienden a depositarse en el fondo
por efecto de la fuerza de gravedad.
Segregacin debido a la distinta densidad de los fragmentos
Suponiendo que las partculas tienen la misma densidad
Segregacin debido a la diferencia de tamao de los fragmentos
Segregacin debido a partculas con diferentes ngulos de
reposo
Segregacin debido a partculas con diferentes ngulos de reposo
En pequea escala, la distribucin heterognea es la
responsable del error de segregacin 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 nmero de incrementos por muestra
Para minimizar los errores generados por la CH
Incrementar el nmero de fragmentos por muestras
Para minimizar los errores generados por el factor de
segregacin
Homogenizar el lote antes de muestrear
Para minimizar los errores generados por el factor de
agrupamiento
Recoger tantos incrementos como sea posible
Error de Materializacin
Corresponde al:
Error de Extraccin
Error de Delimitacin
Probablemente no hay otra fuente responsable como muchas para
generar sesgo en el muestreo que los errores generados por la
materializacin de los incrementos que conforman la muestra.
Error de Materializacin
El proceso de muestreo mediante incrementos puede
descomponerse en una secuencia de 4 pasos elementales e
independientes
1.- El punto de seleccin.- Un cierto nmero de puntos se
seleccionan a travs del lote a muestrear, de acuerdo a un
cierto modo de seleccin
2.- La delimitacin del incremento.- en su movimiento
relativo a travs del lote, la herramienta de muestreo delimita
los lmites geomtricos del incremento
3.- La extraccin del incremento.- En su penetracin
material a travs del lote, la herramienta de muestreo extrae
una cierta cantidad de fragmentos, lquido o gas.
4.- La reunin del incremento.- La combinacin y mezcla de
todos los incrementos que conforman la muestra.
La delimitacin de sus lmites debe ser tal que todos los
fragmentos del lote tengan la misma probabilidad de ser
seleccionado mediante un dispositivo de muestreo.
El error de delimitacin genera sesgo.
Error de Extraccin
Un incremento no puede ser extrado correctamente si el
dispositivo de muestreo no preserva la integridad del incremento
delimitado correctamente.
El error de extraccin genera sesgo.
Delimitacin del Incremento
Para un lote de 3 dimensiones
P3
P1
P2
P = P1 = P2 = P3
Extraccin del Incremento
Idealmente en un lote 3D deberamos
considerar una esfera.
Cualquier fragmento cuyo centro de
gravedad est afuera de la esfera
imaginaria deber quedar afuera y
viceversa
Para un lote de 2 dimensiones
P3
P1
P2
P = P2 = P3
P1 = 100 %
Para un lote de 1 dimensin
P3
P1
P2
P = P3
P1 = P2 = 100 %
Extraccin del Incremento
Regla del centro de gravedad o efecto del rebote
Esta regla seala 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 pequea
-- El cortador es muy rpido

Regla del centro de gravedad o efecto del rebote
Por lo tanto, el diseo del
cortador debe considerar los
choques de las partculas
Extraccin de la Muestra
Tubo para captar detritus
Riffle mirado desde arriba
Palas para toma de incrementos
Incorrecto Correcto
Delimitacin de la Muestra
La muestra debe representar el banco
Muestreo de Pozos de Tronadura
El captador debe ser radial
Muestreo sobre una correa transportadora
La geometra de la muestra debe ser un
rectngulo o un paralelogramo
Toma de submuestra en un laboratorio
Una submuestra no se debe tomar en forma
superficial, sobre todo si el material est
segregado
Taller N 1
Es correcta esta maniobra de muestreo?
bandeja
Qu tipo de errores identifica si se utiliza este divisor de muestras?
INCORRECTO
CORRECTO
DIVISOR DE RIFLES
Diseo de pala incorrecto y diseo de pala correcto
Pala ISO para muestreo
Pala ISO para divisin por incrementos
Error de Preparacin
Para evitar el error de preparacin se tiene que:
1.- Prevenir la contaminacin
2.- Prevenir las prdidas, principalmente de finos
3.- Prevenir la alteracin de los constituyentes (degradacin,
oxidacin o segregacin)
4.- Prevenir los errores humanos
Resumen: Tipos de Errores
El Error de Muestreo (TSE) se puede descomponer en un
nmero de componentes que corresponde a cada etapa del
muestreo 1, 2,, i, , u.
TSE = TSE
1
+ + TSE
i
+ + TSE
u
.

Donde:
TSE
1
: Error del Muestreo en la etapa 1.
TSE
i
: Error del Muestreo en la etapa i.
TSE
u
: Error del Muestreo en la etapa u.
Esta descomposicin 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. Seleccin (Muestreo)
2. Preparacin
Dentro de este contexto, la etapa de preparacin no es una
operacin selectiva, ya que involucra operaciones tales como:
Chancado
Secado
Divisin
Pulverizado
Por lo tanto:
Donde:
SE : Error de seleccin
PE : Error de Preparacin
Algunos errores tpicos de preparacin incluyen:
Contaminacin de la muestra, prdidas, alteracin de la
composicin fsica o qumica y errores propios del operador.
TSE = SE + PE
El error de seleccin (SE) puede descomponerse adems en
Error de Integracin y Error de Materializacin
Donde:
CE : Error de Integracin
ME : Error de Materializacin
El error de Integracin tiene que ver con la manera como se
seleccionan los puntos de muestreo en el tiempo o en la masa.
El error de Materializacin tiene que ver con la manera fsica en
que se toman los incrementos, y pueden eliminarse mediante una
correcta operacin y un correcto diseo del dispositivo de
muestreo
SE = CE + ME
El error de Integracin tambin est compuesta de dos
componentes causados por las variaciones en la calidad y la tasa
de flujo.
Donde:
QE : Error de la variacin de la calidad
WE : Error de Pesada
CE = QE + WE
Los errores de variacin de la calidad son de tres tipos: de corto
plazo, de largo plazo y peridico:
Donde:
QE
1
: Error de variacin de la calidad de corto plazo
QE
2
: Error de variacin de la calidad de largo plazo
QE
3
: Error de variacin de la calidad peridico
Las variaciones de corto plazo son el resultado de dos
propiedades que se relacionan con la naturaleza del material.
Estas son la composicin de las partculas (Error Fundamental) y
la manera como las partculas estn agrupadas (Error de
segregacin y agrupamiento).
QE = QE
1
+ QE
2
+ QE
3
Por lo tanto, el Error de variacin de corto plazo est dado por:
Donde:
FE : Error Fundamental
GE : Error de segregacin y agrupamiento
QE1 = FE + GE
El Error de Materializacin puede descomponerse en Error de
delimitacin y error de extraccin:
Donde:
DE : Error de delimitacin
EE : Error de Extraccin
El error de delimitacin 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 extraccin se elimina si se extraen completamente los
incrementos del flujo sin que ningn material se escape del
cortador
ME = DE + EE
En resumen, El Error total del Muestreo consiste en:
QE
1

QE
CE ME
SE
TSE = FE + GE + QE2 + QE3 + WE + DE + EE + PE
SE + PE
Repasar
TSE = FE + GE + QE
2
+ QE
3
+ WE + DE + EE + PE
Error Sistemtico
Produce SESGO
A pequea escala, slo la heterogeneidad de constitucin es la
responsable del Error Fundamental
A pequea escala, slo la heterogeneidad de distribucin es la
responsable del Error de Segregacin y agrupamiento
TSE = FE + GE + QE
2
+ QE
3
+ WE + DE + EE + PE
Si el Muestreo es correcto
0
Error Fundamental
Error de variacin de largo plazo
Error de variacin peridica
Error de pesada
Error de delimitacin
Error de extraccin
Error de preparacin
TIPOS DE ERRORES
Variabilidad en Pequea Escala Variabilidad en Gran Escala
Optimizar un Protocolo de Muestreo
Error Fundamental
Error de Agrupamiento y segregacin
Implementar un Protocolo de Muestreo
Error de Extraccin
Errores de Preparacin
Por prdida
Por alteracin
Error Humano
Por contaminacin
Fraude y sabotaje
ERROR SELECTIVO
ERROR NO SELECTIVO
ERROR TOTAL DE MUESTREO
ERROR DE ESTIMACIN TOTAL
Error Analtico
Seleccionar un Intervalo y modo de Muestreo
Error de Interpolacin
Error Peridico
Error de Pesada
Segn la escala de observacin
En pequea 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 peridica y de largo plazo, se debe considerar el
lote como un conjunto continuo.
Segn la escala de observacin
En pequea escala, para estudiar la variabilidad (FE, GE, DE,
PE, EE, AE), se debe considerar el lote como una poblacin
estadstica. 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.
.
Estimacin del Error Fundamental
3 2
1 1
Cd
M M
S
L S
FE
|
|
.
|
\
|
=
Donde:
2
FE
S Varianza del Error Fundamental
S
M
L
M
Masa de la Muestra
Masa del Lote
C Constante de Muestreo
d Tamao mximo de la partcula
La frmula para determinar el Error fundamental es:
La ecuacin de Pierre Gy tambin se puede expresar como:
3 2
1 1
fgcld
M M
S
L S
FE
|
|
.
|
\
|
=
Factor de forma
Factor dependiente del rango de tamaos
Factor mineralgico
Factor de liberacin
Se utiliza una fraccin de tamao calibrada entre dos tamices.
3
2
2
2
1 1
Cd
M M x
s
S
L S i
i
FE
|
|
.
|
\
|
= =
Calculado en el Test
de Heterogeneidad
Si el peso del lote M
L
es

10 veces ms grande que el peso de la
muestra, M
S
, entonces la expresin anterior se simplifica a:
3
2
2
2
d
M
C
x
s
S
S i
i
FE
= =
Calculado en el Test
de Heterogeneidad
Todos los parmetros los conocemos, excepto la constante C
Factor de forma
Tiene que ve con la forma de las partculas.
Se considera f = 0,5 para partculas perfectamente esfricas.
Factor de Composicin mineralgico
Este factor se puede calcular de la siguiente ecuacin:
a
a a a
c
] ) 1 )[( 1 (
2 1
+
=
Donde:
a = ley de la especie mineralgica en tanto por uno
1
: la densidad de las partculas del componente crtico, en
gamos por centmetro cbico
2
: la densidad de las partculas de la ganga, en gamos por
centmetro cbico

Factor rango de tamao
Se estima a partir de la relacin d/ d . Tamao mximo nominal
d respecto al tamao mnimo d:
Rango de tamao grande (d/d) > 4 g = 0,25
Rango de tamao medio (2 d/d) 4 g = 0,50
Rango de tamao pequeo (d/d) < 2 g = 0,75
Tamao Uniforme (d/d = 1) g = 1,00

Factor de liberacin: (toma los valores entre 0 y 1)
Es la relacin que existe entre el tamao de liberacin de las
partculas del elemento de inters d
l
y el tamao mximo de
partculas para una determinada etapa de muestreo, d.
d
d
l
l
=
Nota.- En recientes trabajos del Dr. Bongarcon, recomienda utilizar la
expresin
b
l
d
d
l
|
.
|
\
|
=
Donde b 1,5 para el oro
b 0,5 para el cobre
Diseo de un Diagrama de Muestreo (Nomograma)
La idea es construir un grfico logartmico que muestra la relacin
entre el Error Fundamental S
2
FE
y el peso de la muestra, M
S

log S
2
FE
= log C + 3 log d log M
S
De la frmula del Error Fundamental, tenemos:
10
-5

10
-4

10
-1

10
-2

10
-3

10
0
10
1
10
2
10
3
10
4
10
5
10
6

E
10
-5

10
-4

10
-1

10
-2

10
-3

10
0
10
1
10
2
10
3
10
4
10
5
10
6

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 58,0
2 0,12 51,7
3 0,29 69,0
4 0,41 57,8
5 0,11 61,9
6 0,73 58,8
7 0,24 71,9
8 0,25 61,9
9 0,10 58,3
10 0,08 54,0
11 0,36 60,1
12 1,82 57,9
13 0,17 54,2
14 0,50 54,0
15 0,04 54,9
16 0,06 61,8
17 0,13 57,3
18 0,06 46,0
19 0,37 55,4
20 0,04 45,2
21 0,04 59,6
22 0,68 51,3
23 1,01 55,8
24 0,81 58,2
25 0,98 57,6
26 0,51 59,3
27 0,27 51,0
28 4,26 53,0
29 3,12 55,9
30 0,08 59,8
31 0,60 57,6
32 0,18 57,0
33 0,14 49,8
34 0,06 54,2
35 0,13 52,5
36 0,09 58,0
37 2,44 50,6
38 0,13 56,6
39 0,14 50,6
40 0,06 56,6
41 0,05 56,0
42 0,08 54,5
43 0,08 47,5
44 0,25 50,5
45 0,22 48,6
46 3,02 49,2
47 0,11 53,0
48 20,48 45,9
49 0,03 47,7
50 0,22 43,4
51 0,16 53,7
52 0,40 60,4
53 0,35 57,9
54 1,15 57,8
55 0,13 53,4
56 0,05 61,2
57 0,89 53,8
58 0,04 60,7
59 0,10 58,4
60 0,27 54,5
61 0,16 53,4
62 0,03 56,3
63 0,25 53,5
64 0,08 47,9
65 0,14 49,3
66 0,07 51,7
67 0,26 45,7
68 0,18 44,4
69 1,44 46,6
70 0,09 46,8
71 0,20 38,4
72 0,14 45,2
73 0,29 40,9
74 16,02 43,2
75 0,09 39,4
76 1,31 45,2
77 0,16 41,4
78 0,13 48,0
79 4,49 45,1
80 5,88 40,8
81 0,35 51,3
82 0,24 42,5
83 8,19 51,8
84 0,32 45,7
85 40,39 46,8
86 0,08 41,0
87 0,25 45,1
88 0,11 45,4
89 1,23 39,5
90 0,46 44,5
91 0,21 46,7
92 0,17 48,7
93 0,20 45,5
94 0,13 47,7
95 0,81 52,2
96 0,06 42,3
97 0,07 47,6
98 0,04 45,6
99 0,19 51,0
100 0,14 55,5
Contenido de oro en 100 muestras de 35 fragmentos cada uno
N 100
1,348
pond. 1,245
S 4,829
S
2
23,324
(densidad) 2,85
F (Fragmentos) 35
f (factor de forma) 0,5
d (diam particula) 1,05
d
sup
(cm) 1,27
d
inf
(cm) 0,635
3
3
inf
3
sup
2
d d
d
+
=
2
2
2
x
s
s
FE
= 035 , 15
) 245 , 1 (
324 , 23
2
2
= =
FE
s
F s C
FE
- - =
2
exp
35 85 , 2 035 , 15
exp
- - = C
72 , 1499
exp
= C
f C C
real
- =
exp
5 , 0 72 , 1499 - =
real
C
86 , 749 =
real
C
X
X
1/2
1/4
Pero para varios estados de conminucin, los trminos f, g, c y d
l
no
cambian.
Por lo tanto, podemos agruparlos bajo un factor comn K que
llamaremos constante de muestreo comn para todos los estados de
conminucin.
d
d
fgc C
l
real
=
d
K
C
real
=
Con esto podemos calcular distintos valores de K para los diferentes
tamaos de partcula
Recordemos adems que:
d C K
real
- =
05 , 1 86 , 749 - = K
78 , 767 = K
(densidad) 2,85
F (Fragmentos) 35
d
K
C =
d (pulg o malla) d (cm) C
2" 5 343
1" 2,54 482
1/2" 1,27 681
Test 1,05 749
1/4" 0,635 963
6# 0,335 1327
10# 0,17 1862
16# 0,1 2428
24# 0,071 2881
35# 0,043 3724
48# 0,03 4433
65# 0,021 5273
100# 0,015 6269
150# 0,011 7457
Diseo de un diagrama de Muestreo
s
FE
M
d C
s
3
2
*
=
(densidad) 2,85
F (Fragmentos) 35
Peso Muestra M
S

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 0,007894
1/2" 1,27 681 139,555 13,95553 1,395553 0,1395553 0,013956 0,001396
Test 1,05 749 86,7382 8,673817 0,8673817 0,0867382 0,008674 0,000867
1/4" 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-06
16# 0,1 2428 0,24279 0,024279 0,0024279 0,0002428 2,43E-05 2,43E-06
24# 0,071 2881 0,10313 0,010313 0,0010313 0,0001031 1,03E-05 1,03E-06
35# 0,043 3724 0,02859 0,002859 0,0002859 2,859E-05 2,86E-06 2,86E-07
48# 0,03 4433 0,01197 0,001197 0,0001197 1,197E-05 1,2E-06 1,2E-07
65# 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-08
150# 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 1000000
Masa (g)
S
2

F
E


1/4
10 # Ty
150 # Ty
Lnea de Seguridad
Ejercicio.- Revisar el Siguiente Protocolo de Muestreo
A: 200 Kg,
B: 40 Kg,
C: 20 Kg,
D: 20 Kg, 10 # Ty
E: 1 Kg, 10 # Ty
F: 1 Kg, 150 # Ty
G: 0,3 K, 150 # Ty
Cules seran sus recomendaciones?
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)
S
2

F
E

1/4
10 # Ty
150 # Ty
6 #Ty
16 # Ty
24 # Ty
35 # Ty
48 # 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 partculas mayores son del orden de 0,8
cm. La constante de muestreo del Hg es C = 2000.
Calcular el
2
FE
S
8 , 12
80
) 8 , 0 ( 2000
3
2
= =
x
S
FE
Determinacin del Sesgo del Muestreo
Los Sistemas de muestreo mecnico o mtodos manuales de
muestreo se prueban mediante comparacin de los resultados o
muestras recogidas manualmente (Mtodo B) con los resultados para
incrementos de referencia recogidos de una correa transportadora en
detencin (Mtodo A)
Determinacin de sesgo de Muestreo sobre correas transportadoras
Distintos parmetros, preferentemente los de ms inters debern ser
examinados en el estudio de sesgo. Por ejemplo, cobre, contenido de
humedad, etc., esto debido a que no siempre el sesgo est presente en
un solo parmetro
Para determinar el nmero de datos requeridos

Para la prueba, se debe realizar un anlisis estadstico posterior al
experimento, que consiste en:
a) Especificar la magnitud de delta
b) determinar el lmite de deteccin de sesgo para el error tipo I y II
combinado de acuerdo a la siguiente ecuacin
donde
t
0,05; k-1
y t
0,10; k-1
son los valores t-student tabulados para k -1 grados
de libertad correspondientes a alfa = 0,05 y beta = 0,10
LDS : lmite de deteccin de sesgo, es el sesgo mnimo que puede
ser detectado utilizando los datos disponibles.
c) Si LDS s delta , el nmero de datos es suficiente y el test
estadstico t-student puede ser aplicado.

Para determinar el nmero de datos requeridos

d) Si LDS > delta, se debe calcular la diferencia estandarizada, D, y
el nmero de datos requeridos, n correspondiente a este valor de
D utilizando las siguientes ecuaciones
D = delta / s
d

e) Se recogen un conjunto adicional de datos (n k) y se repiten los
pasos b a d hasta que el nmero de datos exceda n.
2
2
1 ; 10 , 0 1 ; 05 , 0
) (
D
t t
n
k k
+
=
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.
Determinacin de la Precisin del Muestreo
Mtodos para determinar la Precisin en Flujos de muestras
Rechazo 1
Rechazo 2
Metro patrn
de muestreo
Rechazo 2
Toma de
incremento
Estudio Precisin
Punto Muestreo N 1
Punto Muestreo N 2
Punto Muestreo N 3
Punto Muestreo N 4
A B
Ejemplo de Estudio de Sesgo y Precisin
Taller N 4
Ejercicio.- Determinacin de la precisin del muestreo
LOTE
A B
A
1
A
2
B
1
B
2

A
11
A
12
A
21
A
22

B
11
B
12
B
21
B
22

Precisin del Muestreo
Precisin de la Preparacin
de Muestras
Precisin del Anlisis
Qumico
X
A11
X
A12
R
1
X
A21
X
A22
R
1
R
2
X
B11
X
B12
R
1
X
B21
X
B22
R
1
R
2
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 0,02
2 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 0,05
3 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 0,00
4 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 0,06
5 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 0,05
6 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 0,06
7 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 0,01
8 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 0,05
9 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 0,04
10 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 0,04
11 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 0,12
12 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 0,02
13 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 0,11
14 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 0,06
15 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 0,08
16 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 0,19
17 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 0,01
18 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 0,03
19 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 0,04
20 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
B
R
3
A
1
A
2
B
1
B
2
A
2 A
X
A X 1 A X 1 B X
2 B X
B X
AB X
0290 , 0
2
= R
0585 , 0
3
= R
( )
2
2
2
2
4
R S =
t
( )
2
3
2
3
4
R S =
t
( )
2
1
2
1
4
R S =
t
00038 , 0
2 2
1
= =
A
S S
00047 , 0
2 2
2
= =
P
S S
00236 , 0
2 2
3
= =
M
S S
2 2 2
M P A T
S S S S + + =
% 057 , 0 =
T
S
% 019 , 0 =
A
S
% 022 , 0 =
P
S
% 049 , 0 =
M
S
Nota.- t/4 es un factor
estadstico que relaciona el
rango con la varianza para
un par de mediciones
Control de Calidad en Preparacin de Muestras
Herramientas de Control de Calidad

Proceso

Muestra Final
Rechazo
Muestra Bruta
Se obtienen dos productos:
1.- Una muestra para anlisis qumico y
2.- Una muestra de rechazo

Proceso

Hmeda
100 % seca
20 Kg aprox.
Tamao a Tamao bajo 150 # Ty
Heterognea
Homognea
Representativa
Representativa
Sin contaminacin
Sin contaminacin
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
Divisin
Pulverizado
Control Malla 10
Control Malla 150
Control Peso Inicial
(Representatividad)
Control Peso Final
Control Secado
Control Ollas de Pulverizado
Control Contaminacin
Control Capachos
Control
Homogeneidad
(Repreparados)
1. 100 % seca
Objetivos de Calidad
2. 200 250 g
3. Bajo 150 # Ty
4. Homognea
6. Representativa
5. Sin contaminacin
Respaldo
a Metalurgia
Control de Calidad en la Preparacin de Muestras de Minerales

NORMA DE SEGURIDAD DE PIERRE GY
Cualquier reduccin en la cantidad de muestra deber
considerar la relacin entre el peso y el tamao de partcula
700 g
10 # Ty = 1,65 mm
Chancado
D
i
v
i
s
i
n

Pulverizado
200 g
= 12,7 mm
20 Kg
150 # Ty
Secado
Muestra Final
Rechazo
Muestra Bruta
Chancado
Divisin
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. Homognea
6. Representativa
5. Sin contaminacin
Respaldo
a Metalurgia
Control de Calidad en la Preparacin de Muestras de Minerales
Dispositivos de Preparacin de Muestras
Chancador de Mandbulas
Divisor rotatorio
Pulverizador
Divisor de rifles
Dispositivos para determinacin de granulometra
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%2Bqzcd
2060%2B1095294578&prev=/language_tools
ISO
http://www.iso.org/iso/en/StandardsQueryFormHandler.StandardsQueryFor
mHandler?keyword=&isoNumber=&scope=CATALOGUE&sortOrder=ISO&t
itle=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 Gys Sampling theory and Sampling Practice. CRC.
Ed. 1989.

Fin de Presentacin

01 Muestreo1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

01 Muestreo1

Uploaded by

Copyright:

Available Formats

MUESTREO Y PREPARACIN DE MUESTRAS

You might also like