A partir de un desafío clave para la industria minera —la falta de precisión y exactitud al escalar resultados de laboratorio a nivel industrial—, el investigador Luis Vinnett de la Universidad Técnico Federico Santa María, lidera un proyecto que propone mejorar los protocolos de pruebas de flotación, clave para proyectar la recuperación de minerales a gran escala. Utilizando modelos estadísticos y simulaciones de Montecarlo, su investigación busca reducir la incertidumbre en el diseño de plantas, optimizando los diseños experimentales y los tiempos de muestreo, los que hoy se definen de forma arbitraria. En esta entrevista, explica los fundamentos, avances y proyecciones de un trabajo que podría transformar la forma en que se planifican los procesos metalúrgicos. En la minería, una de las etapas clave para la recuperación de minerales valiosos es la flotación. Sin embargo, existe una brecha importante entre los resultados obtenidos en pruebas de laboratorio y lo que finalmente ocurre en las plantas de flotación industrial.
Luis, ¿podría contarnos de qué trata el proyecto y cuál es el problema que busca resolver?
Este proyecto parte de una pregunta clave en el procesamiento de minerales: ¿Qué tan representativas son las pruebas de laboratorio cuando se proyectan a escala industrial? Tradicionalmente, al diseñar un circuito de separación, se hacen pruebas en laboratorio con muestras obtenidas de sondajes de los yacimientos. A partir de esas pruebas se determina la capacidad de recuperar los minerales valiosos, como por ejemplo los minerales de cobre, y luego se asume que esa es la recuperación alcanzable en una planta real.
El problema es que los tiempos utilizados en las pruebas de laboratorio —que determinan cuánto se demora en separarse un mineral— impactan directamente en el tamaño y costo de los equipos industriales. Si esos tiempos están mal definidos, se puede sobredimensionar o sub-dimensionar un circuito, lo que tiene consecuencias importantes en términos de inversión, operación y consumo energético.
¿Cómo se realiza actualmente ese escalamiento?
La industria suele usar un método bastante estándar: se asume, por ejemplo, que una recuperación a 10 minutos en laboratorio equivale a la misma recuperación a 25 minutos en planta. Es una proyección directa, simple, pero poco precisa y sujeta a los errores típicos en las pruebas experimentales. El foco de nuestro proyecto es precisamente mejorar la forma en que se define el tiempo en las pruebas de laboratorio, para que la extrapolación a nivel industrial tenga menos incertidumbre.
¿Qué propone específicamente su investigación para resolver esta incertidumbre?
Lo que estamos haciendo es desarrollar un protocolo iterativo que permita definir de forma más precisa los tiempos en las pruebas de flotación. En vez de utilizar tiempos arbitrarios —como tomar una muestra al minuto 1, luego al minuto 5, 10, 20, etc.— buscamos establecer esos puntos en base a criterios estadísticos, no por costumbre o simplicidad en las pruebas experimentales.
Este enfoque incluye repetir las pruebas para reducir la variabilidad, aplicar modelos cinéticos más robustos, y emplear simulaciones Monte-Carlo, que permiten generar miles de escenarios virtuales, estudiando el comportamiento de los parámetros cinéticos bajo distintas condiciones simuladas, pero comparables a los típicamente obtenido en pruebas experimentales.
¿Qué rol juegan las simulaciones Monte-Carlo en este proyecto?
Son fundamentales. Nos permiten simular múltiples escenarios esperados y con respuestas conocidas en la flotación, algo que en el laboratorio sería extremadamente costoso y demandante. Además, en estas simulaciones conocemos el “resultado real”, por lo que se puede evaluar directamente cuán lejos o cerca están nuestras estimaciones y proyecciones respecto a esa respuesta real. Eso nos ayuda a validar los protocolos, mejorar los diseños experimentales y los resultados de escalamiento.
¿Cómo se proyectan estos avances en la planta industrial?
En la tercera etapa del proyecto vamos a realizar pruebas industriales en colaboración con distintas Plantas Concentradoras. Ahí compararemos los resultados obtenidos con el protocolo tradicional de la planta y con nuestro protocolo alternativo; este último, diseñado en base a los hallazgos de este estudio. Buscamos demostrar que nuestro protocolo se ajusta mejor al comportamiento real del circuito y, por tanto, tiene mayor utilidad práctica para el diseño, control y operación industrial.
¿Cuáles son los principales desafíos que anticipan en la ejecución del proyecto?
Uno de los desafíos más importantes es lograr una buena cantidad de repeticiones para reducir la variabilidad experimental. Lo anterior es manejable mediante réplicas; sin embargo, cuando pasamos a caracterizaciones más específicas, como caracterización por tamaño de partículas, se vuelve más difícil por los costos asociados. Aun así, creemos que los datos que obtendremos serán valiosos, dado que muy pocos estudios llegan a ese nivel de detalle.
¿Qué diferencia este proyecto de otros métodos existentes en la caracterización de flotación?
Nuestra propuesta se basa en aplicar principios de diseño experimental óptimo, que han sido poco explorados en este contexto. Muchos laboratorios utilizan el primer intervalo de flotación a 1 minuto, pero nuestra evidencia muestra que eso ya capta más del 60% de la recuperación total, lo cual introduce un sesgo significativo. Nosotros proponemos reducir ese primer intervalo a menos de 20 segundos y extender el tiempo final de las pruebas, para captar mejor el comportamiento completo del proceso.
¿Cómo se espera aplicar estos resultados en la industria minera en el corto y mediano plazo?
Esperamos que las herramientas que estamos desarrollando, como índices de validación de protocolos, sean lo suficientemente simples para que cualquier operador o ingeniero pueda usarlas. Así, podrán evaluar rápidamente si una prueba de flotación fue bien diseñada o si tiene sesgos que comprometan los resultados. Esto permitirá tomar mejores decisiones en el diseño de circuitos, reducir errores de escalamiento y, en última instancia, minimizar costos y optimizar la eficiencia del proceso.
