60 Edición Semanal Desde la perspectiva ambiental, se evalúa los beneficios de aplicar las estrategias propuestas en la flotación Cu– Mo, enfocándose en la reducción del consumo de agua y energía, así como la minimización del uso de reactivos. Finalmente, se desarrolla un modelo predictivo con Machine Learning (Random Forest), el cual, alimentado con variables geológicas, operativas y ambientales, logra anticipar eventos de sobreespumación con una precisión del 85.7%, sirviendo como soporte para el control del proceso. Introducción En la industria minera, la eficiencia del proceso de flotación es determinante para la recuperación de minerales valiosos como el cobre y el molibdeno, especialmente en yacimientos tipo pórfido-skarn donde ambos coexisten. En estos sistemas, el molibdeno suele estar asociado a minerales de cobre como calcopirita, bornita o covelina, por lo que se procesan juntos en circuitos de flotación Cu–Mo. Sin embargo, la presencia de filosilicatos hidrofóbicos como talco, serpentinas o cloritas genera espumas densas, persistentes y poco selectivas, que afectan tanto la operatividad como la eficiencia metalúrgica. Este fenómeno de sobreespumación no se limita a la etapa de flotación selectiva, sino que puede iniciarse en la flotación bulk y persistir hasta la planta de molibdeno, diFuente: Arce & Copara ,2024. Figura 1. Gráfico de correlación % talco versus % recuperación de cobre.
RkJQdWJsaXNoZXIy MTM0Mzk2