UNIVERSIDAD DE CONCEPCIÓN

FACULTAD DE INGENIERÍA

DEPARTAMENTO INGENIERÍA MECÁNICA

CALIBRACIÓN DE PARÁMETROS DEL MODELO DE FRACTURA DE

TAVARES PARA MINERALES DE CUARZO Y GRAVILLA

POR

Daniel Esteban Zambra Zambra

Memoria de Título presentada a la Facultad de Ingeniería de la Universidad de Concepción para

optar al título profesional de Ingeniero Civil Mecánico

Profesor Guía:
Dr. Cristian Gabriel Rodríguez Godoy
Dr.(c) Manuel Alonso Moncada Merino

Diciembre 2021
Concepción (Chile)

© 2021 Daniel Esteban Zambra Zambra

© 2021 Daniel Esteban Zambra Zambra
Se autoriza la reproducción total o parcial, con fines académicos, por cualquier medio o
procedimiento, incluyendo la cita bibliográfica del documento
 Agradecimientos

El presente trabajo fue realizado bajo la supervisión del Dr. Cristian Rodríguez Godoy y el
Dr.(c) Manuel Moncada Merino, a quienes me gustaría expresar mi más profundo agradecimiento por
hacer posible la realización de este estudio. Además, agradecer su inmensa paciencia, tiempo y
dedicación que tuvieron para que esto resultara. Gracias por su apoyo, por ser parte de la columna
vertebral de este y próximos estudios.

A mi padre, que en paz descanse, por darme vida y la oportunidad de experimentar todo lo que
ello conlleva.

A mi madre y abuelos, por ser el apoyo incondicional más grande durante mi vida y educación.

A mis amigos Zabala y Toto, por entenderme y tenderme sus manos cuando mal lo estaba
pasando.

A mi Valita, por llegar a mi vida, acompañarme y entregarme su amor a plenitud.

Agradezco también a ANID Magíster Nacional 2021 – folio 22210680 y a ESSS por el apoyo
brindado.

Gracias totales.
Dedicada a la memoria de mis abuelos Carmen y Carlos
 i

Resumen

Los chancadores son equipos fundamentales en el proceso de conminución de minerales extraídos de

las minas. Su necesaria disponibilidad las hace máquinas críticas para la industria minera, por lo que
su detención conlleva una importante pérdida de producción para las manufactureras. Al día de hoy,
se ha observado un problema común que tienen estos equipos: se producen oscilaciones en el consumo
de potencia, lo que se traduce en fatiga para sus componentes, reduciendo su vida útil y disponibilidad.
Se han propuesto modelos mecanísticos y numéricos para estudiar el comportamiento de estas
máquinas, siendo los modelos DEM los que han entregado los mejores resultados.

Existe un modelo DEM de chancador de cono que se planteó con el fin de explicar este fenómeno y
así determinar las variables que afectan en el consumo de potencia, sin embargo, el modelo requiere
ser validado. La simulación involucra diversos submodelos que describen la mecánica del chancado
en el equipo, como el modelo de contacto, el modelo de forma de la partícula, el modelo de ruptura y
el de distribución de tamaño del producto. Estos dos últimos modelos simulan la fractura del mineral
chancado, existiendo diferentes modelos que describen esta situación, el problema es que cada uno de
ellos tiene diferente complejidad para ser aplicado, solicitando un costo computacional elevado y un
tedioso proceso de calibración. Actualmente, se han realizado trabajos en donde calibran estos
modelos para distintos minerales, sin embargo, la disponibilidad de estos materiales en la zona es
escasa e involucran un alto costo de adquisición, lo que limita el uso de tales parámetros para el fin
de este estudio.

Por ello, nació el tema presentado en el trabajo, donde se calibraron parámetros para la modelación
de minerales de cuarzo y gravilla en DEM (minerales de mayor disponibilidad en la zona), con base
en el modelo de fractura de Tavares y la función beta incompleta como un modelo de distribución de
tamaño. Obteniendo el ajuste de estos parámetros, será posible realizar simulaciones de fracturas de
minerales en software de modelado, pudiendo implementarlas en modelos DEM de trituradora y en
simulaciones de otros equipos de conminución.

Para calibrar los parámetros del modelo de fractura se realizaron ensayos de compresión uniaxial sobre
partículas individuales de cuarzo y gravilla de diferentes tamaños, luego se ajustaron los parámetros
de ambos modelos a los datos obtenidos experimentalmente y, finalmente, se validó la calibración a
partir de simulaciones realizadas en el software DEM Rocky.

Palabras clave: rotura de partículas, fractura, modelación, ensayo de compresión, DEM.

 ii

Abstract

Crushers are essential equipment in the process of comminution of minerals extracted from mines.
Their necessary availability makes them critical machines for the mining industry, so their detention
entails a significant loss of production for manufacturers. Nowadays, a common problem has been
observed in these equipments: there are oscillations in power consumption, which translates into
fatigue for its components, reducing its useful life and availability. Mechanistic and numerical models
have been proposed to study the behavior of these machines, being the DEM models the ones that
have showed the best results.

A DEM model for cone crusher was proposed in order to explain this phenomenon and thus determine
the variables that affect power consumption, however, this model needs to be validated. The
simulation involves various sub-models that describe the mechanics of crushing in the equipment,
such as the contact model, the particle shape model, the breakage model, and the product size
distribution model. These last two models simulate the fracture of crushed minerals, and there are
different models that describe this situation, the problem is that each one of them has different
complexity to be applied, requiring a high computational cost and a complex calibration process.
Currently, works have been carried out where these models are calibrated for different minerals,
however, the availability of these materials in the area is scarce and involves a high acquisition cost,
which limits the use of such parameters for the purpose of this study.

For this reason, the topic presented in the paper was born, where parameters were calibrated for the
modeling of quartz and gravel minerals in DEM (minerals of greater availability in the area), based
on the fracture model of Tavares and the incomplete beta function as a size distribution model.
Obtaining the adjustment of these parameters, it will be possible to carry out fracture simulations of
minerals in modeling software, being able to implement them in DEM models of crusher and in
simulations of other comminution equipment.

To calibrate the fracture model parameters, uniaxial compression tests were performed on individual
quartz and gravel particles of different sizes, then the parameters of both models were adjusted to the
experimentally obtained data and, finally, the calibration was validated from simulations performed
in the Rocky DEM software.

Keywords: particle breakage, fracture, modeling, compression test, DEM.

 iii

Tabla de Contenidos
Tabla de Contenidos ....................................................................................................................... iii

Lista de Tablas ................................................................................................................................ v

Lista de Figuras .............................................................................................................................. vi

Glosario........................................................................................................................................ viii

1 CAPÍTULO 1: Introducción ......................................................................................................... 1

1.1 Descripción del problema ....................................................................................................... 1

1.2 Hipótesis ................................................................................................................................ 4
1.3 Objetivos................................................................................................................................ 4
1.4 Metodología ........................................................................................................................... 5
2 CAPÍTULO 2: Marco Teórico ...................................................................................................... 6

2.1 Proceso de conminución de minerales .................................................................................... 6

2.2 Equipos de conminución ........................................................................................................ 7
2.3 Equipos que apoyan la conminución....................................................................................... 8
2.4 Método de elementos discretos ............................................................................................... 8
3 CAPÍTULO 3: Estado del Arte ................................................................................................... 10

3.1 Modelos de fractura.............................................................................................................. 10

3.2 Modelos de distribución de tamaño ...................................................................................... 12
3.3 Selección del modelo ........................................................................................................... 14
4 CAPÍTULO 4: Ensayos de compresión y modelación de la fractura ............................................ 15

4.1 Planteamiento de fractura de Tavares ................................................................................... 16

4.2 Modelación de la fractura según Tavares [22] ...................................................................... 17
4.3 Procedimiento de calibración de ambos modelos [22]........................................................... 20
5 CAPÍTULO 5: Metodología experimental .................................................................................. 22

5.1 Ensayos de compresión ........................................................................................................ 22

6 CAPÍTULO 6: Calibración del modelo ....................................................................................... 30

6.1 Ajuste de parámetros ............................................................................................................ 30

6.2 Resumen calibración ............................................................................................................ 35
7 CAPÍTULO 7: Procedimiento de validación ............................................................................... 37

7.1 Implementación en Rocky DEM .......................................................................................... 38

 iv

7.2 Parámetros operacionales ..................................................................................................... 47

8 CAPÍTULO 8: Validación del ajuste........................................................................................... 49

9 CAPÍTULO 9: Conclusiones ...................................................................................................... 50

9.1 Conclusiones ........................................................................................................................ 50

9.2 Perspectivas ......................................................................................................................... 50
Referencias .................................................................................................................................... 51

Anexo A: Simulación de máxima altura alcanzada por el cohete Rayo a 90°.................................. 57

 v

Lista de Tablas

Tabla 4.1: Parámetros del modelo que muestran los valores mínimos, máximos y típicos (Fuente [22])
...................................................................................................................................................... 21
Tabla 5.1: Rango de tamaños seleccionados................................................................................... 23
Tabla 5.2: PSD del producto para una partícula cualquiera ensayada ............................................. 26
Tabla 6.1: Datos de energía de fractura de partículas para calcular la distribución de energía de fractura
para partículas de cuarzo contenidas en el Rango 1 de tamaños...................................................... 31
Tabla 6.2. Ajuste de parámetros para el modelo de Tavares para partículas de cuarzo .................... 31
Tabla 6.3: Parámetros ajustados de la ecuación (9) para el modelo de Tavares para cuarzo ............ 32
Tabla 6.4: Ensayos válidos a muestras de cuarzo para cada rango de tamaños ................................ 33
Tabla 6.5: Parámetros ajustados de la ecuación (14) para el modelo de Tavares ............................. 34
Tabla 6.6: Parámetros para el modelo de distribución de tamaño para mineral de cuarzo ............... 35
Tabla 6.7: Parámetros ajustados del modelo de Tavares a mineral de cuarzo.................................. 35
Tabla 6.8: Parámetros compartidos por los rangos de tamaños para mineral de cuarzo ................... 35
Tabla 7.1: Parámetros del modelo de contacto ............................................................................... 41
Tabla 7.2: Parámetros del modelo de fractura para minerales de cuarzo y gravilla ......................... 45
Tabla 7.3: Parámetros del modelo de distribución de tamaño del producto para minerales de cuarzo y
gravilla .......................................................................................................................................... 45
Tabla 7.4: Parámetros que describen la forma de la partícula en las simulaciones .......................... 46
Tabla 7.5: Propiedades de los materiales ........................................................................................ 47
 vi

Lista de Figuras

Figura 1.1: Participación de la minería en el PIB y en los precios del cobre, años 2006-2019 (Fuente
[1]) .................................................................................................................................................. 1
Figura 1.2: Esquema del proceso de conminución en una planta: (a) Camión; (b) Chancador primario;
(c) Harnero primario; (d) Chancador secundario; (e) Harnero secundario. (f) Chancador terciario; (g)
Harnero terciario (Fuente [2]) .......................................................................................................... 2
Figura 1.3: Medición de potencia en un chancador de cono (Fuente [4]) .......................................... 2
Figura 2.1. Diagrama de un ejemplo de circuito de molienda (Fuente: [38]) ..................................... 6
Figura 4.1: Dispositivo experimental para ensayos de compresión individuales (Fuente [41]) ........ 15
Figura 4.2: Perfil de fuerza-deformación en un ensayo de compresión uniaxial (Fuente [31]) ........ 16
Figura 4.3: Ciclo de cálculo del Modelo de rotura de Tavares (Fuente [22]) ................................... 18
Figura 5.1: Instron 8801. Máquina para ensayos de compresión uniaxial utilizada ......................... 22
Figura 5.2: Partículas de a) Cuarzo y b) Gravilla............................................................................ 23
Figura 5.3: Dispositivo experimental ............................................................................................. 24
Figura 5.4: Perfil carga-tiempo y carga-deformación del ensayo de compresión uniaxial a la partícula
de cuarzo #2 en la máquina de compresión uniaxial ....................................................................... 25
Figura 5.5: Controls 45-D0550/E. Máquina para ensayos de carga puntual utilizada ...................... 27
Figura 5.6: Partículas producto de un PLT a una muestra de cuarzo ............................................... 28
Figura 5.7: Forney LT-708-02. Máquina para ECCP utilizada ....................................................... 28
Figura 5.8. Datos registrados de los ensayos ECCP a la muestra #1 de cuarzo: a) Perfil carga
deformación y b) Distribución de tamaño del producto .................................................................. 29
Figura 6.1: Perfil carga-deformación del ensayo de compresión uniaxial a la partícula de cuarzo #2:
identificación del primer evento de fractura ................................................................................... 30
Figura 6.2: Ajuste de parámetros para la ecuación (9) mediante mínimos cuadrados ...................... 32
Figura 6.3: Distribución de tamaño del producto para partículas de cuarzo del Rango 1 válidas para la
calibración ..................................................................................................................................... 33
Figura 6.4: Valores de 𝒕𝟏𝟎 como función de la relación entre la energía aplicada sobre la mediana de
la distribución de energía de fractura de las partículas rotas y ajuste de los datos ........................... 34
Figura 7.1: Esquema de los modelos DEM de ensayos a simular en Rocky: a) Compresión uniaxial a
partículas individuales y b) ECCP.................................................................................................. 37
 vii

Figura 7.2: Modelo CAD simplificado de los equipos para ensayos de compresión ........................ 39
Figura 7.3: Movimiento de la geometría ........................................................................................ 40
Figura 7.4. Vecindario de una partícula en Rocky (Fuente: [22]).................................................... 44
Figura 7.5 a) Detección de contacto entre partículas poliédricas y b) Superposición de las normales
(Fuente: [22]) ................................................................................................................................ 44
Figura 7.6: Partícula generada en Rocky DEM .............................................................................. 46
Figura 7.7: Ingreso de la muestra a simular .................................................................................... 48
 viii

Glosario

BCM : Bonded cell method

CD : Contact dynamics
cs : Conminución
cum : Acumulado
DEM : Discrete elements method
DWT : Drop weight test
ECCP : Ensayo de compresión en cama de partículas
FEM : Finite elements method
m : Fractura
max : Máximo
PIB : Producto Interno Bruto
PLT : Point load test
PSD : Particles size distribution
ref : Referencia
ROM : Run of mine
TBM : TAKRAF breaking model

Símbolos

A : Parámetro del modelo de Tavares [%]

b’ : Parámetro del modelo de Tavares [-]
D : Daño [-]
d : Tamaño de la partícula [mm]
E : Energía específica [J/kg]
m : Módulo de Weibull [-]
N : Parámetro del modelo de Tavares [-]
P : Probabilidad [%]
t : Distribución de tamaño [%]
V : Volumen [m3]
50 : Mediana

Letras griegas

𝛼 : Parámetro del modelo de Tavares [-]

𝛽 : Parámetro del modelo de Tavares [-]
𝛾 : Coeficiente de acumulación de daño [-]
𝜎 : Esfuerzo [MPa]
𝜎2 : Varianza geométrica [-]
 1

1CAPÍTULO 1: Introducción

1.1 Descripción del problema

La minería es uno de los sectores de mayor importancia en la economía del país, siendo el principal
motor del crecimiento nacional en las últimas décadas. El Servicio Nacional de Geología y Minería
(SERNAGEOMIN) afirma que la participación minera en el PIB nacional alcanzó un 9.4% en 2019,
según se muestra en la Figura 1.1, valor que evidencia la importante intervención de la minería del
cobre en este índice económico [1]. Dado esto, una parte no menor de los esfuerzos en I&D deben ir
dirigidos a la resolución de problemas que enfrenta la industria minera nacional, enfocándose en la
innovación y contribuyendo al desarrollo sustentable.

Figura 1.1: Participación de la minería en el PIB y en los precios del cobre, años 2006-2019 (Fuente [1])

Para alcanzar la obtención del cobre puro y otros minerales de importancia para la industria, uno de
los procesos que se lleva a cabo es la conminución del mineral en bruto de mina (ROM), que
corresponde a la reducción progresiva del tamaño del mineral de cobre mediante trituración y
molienda. Actualmente, los chancadores son las máquinas encargadas de la trituración, las cuales son
capaces de disminuir el tamaño del mineral hasta ½ in aproximadamente. Es usual que se utilicen una
serie de chancadores junto a harneros vibratorios para alcanzar esta reducción de tamaño, tal como lo
muestra la Figura 1.2.
 2

Figura 1.2: Esquema del proceso de conminución en una planta: (a) Camión; (b) Chancador primario; (c)
Harnero primario; (d) Chancador secundario; (e) Harnero secundario. (f) Chancador terciario; (g) Harnero
terciario (Fuente [2])

Mantener estos vitales equipos en operación en todo momento es crucial para alimentar las líneas de
producción y posterior obtención del cobre, molibdeno y otros minerales. En general, los chancadores
alcanzan un 90% de disponibilidad, en donde el porcentaje restante corresponde a detenciones debido
a problemas de mantenimiento o falencias en la etapa de diseño [3]. Se ha detectado que las fallas en
estos equipos se generan de manera progresiva, en efecto, durante el llenado, vaciado (regímenes
transcientes) y en condiciones nominales (régimen estacionario), el chancador y sus componentes se
ven sometidos a oscilaciones en el torque motriz, provocando fatiga en sus componentes y desgaste
de los recubrimientos [4]. La Figura 1.3 muestra dos mediciones de consumo de potencia realizadas
en un chancador de cono. En ella se logra apreciar peaks de potencia que bordean tres veces el valor
medio.

Figura 1.3: Medición de potencia en un chancador de cono (Fuente [4])

 3

Clermont asegura que estimar la potencia o el torque de trituración es muy útil para controlar la
operación de los equipos en planta, para que estas puedan tener mayor vida útil y menos
indisponibilidad [5]. El problema es que, para ello, se necesita un modelo de la máquina que permita
conocer el origen del comportamiento errático de su consumo energético, razón por la que algunos
investigadores han propuesto distintos modelos de estos equipos intentando dar explicación a esta
incógnita. Estos modelos se pueden clasificar como mecanísticos [6–13] y numéricos del tipo FEM
[14] y DEM [2, 15–20]. Si bien los modelos mecanísticos ofrecen una respuesta mucho más rápida
que los modelos numéricos, han evidenciado que su capacidad de reproducir fielmente la realidad
para todas las variables operativas es bastante limitada, pues algunos no incorporan la geometría del
chancador o no consideran esfuerzos o probabilidad de rotura del mineral, haciendo que la estimación
del consumo de potencia o el torque motriz del modelo sean incorrectos [9, 10].

Por su parte, los modelos numéricos han demostrado entregar un acercamiento más preciso al
dimensionamiento de máquinas que trabajan con material particulado para su funcionamiento en
estado estacionario, sin embargo, los estudios desarrollados para el modelado transiente del chancador
son escasos y no son tan completos [2]. A pesar de esto, la modelación en DEM ha ofrecido buenos
resultados en comparación a los modelos mecanísticos que se han propuesto, traduciéndose en que si
se realiza un estudio completo, que considere un modelamiento transiente y estacionario del
chancador, se podrán explicar los peaks de potencia en el equipo, pudiéndose identificar geometrías
y condiciones de operación óptimas para la máquina que permitan también generar cambios en la
eficiencia y en el desgaste de los recubrimientos [21].

No obstante, los grandes avances en el modelamiento de chancadores que se han desarrollado

mediante el uso de DEM tienen el inconveniente de que las simulaciones requieren fuertes recursos
computacionales, además de la necesidad de ajustar, de manera adecuada, distintos parámetros para
obtener un modelo que pueda ser validado y, claramente, sea representativo de la realidad, en efecto,
para aplicar este método es necesario realizar más trabajo del que existe hasta ahora [15]. Estos
parámetros caracterizan los modelos de contacto, forma de la partícula, fractura y distribución de
tamaño del producto chancado [22], los cuales son fundamentales para la correcta modelación de un
chancador en operación utilizando DEM, siendo el modelo de fractura el componente de mayor
relevancia dentro de una simulación con ruptura [23].

F. Ponce es uno de los investigadores que trabajó en el desarrollo de un modelo de chancador de cono
en DEM que tiene que ser validado [24], para ello el modelo requiere la calibración de un modelo de
 4

ruptura y un modelo de distribución de tamaño de partículas producto que pueda ser implementado
en su modelo numérico. Cabe destacar que la validación del modelo de chancador se debe realizar
utilizando muestras de minerales disponibles en la zona, pues la máquina utilizada para las mediciones
experimentales se encuentra fija en la Planta Piloto Igor Wilkomirsky, por tanto, los modelos
seleccionados deben ser capaces de reproducir la fractura de tales minerales.

De esta forma, basándose en la descripción del problema, en los requerimientos de este y luego de
una ardua revisión en la literatura disponible [19, 22, 23, 25–37] (explicada en detalle en la sección
3.1), se decidió incorporar estos modelos haciendo uso del modelo de Tavares como modelo de
fractura y de la función beta incompleta como modelo de distribución de tamaño. La selección de
estos se centró en la relación entre la complejidad de calibración, tiempo de simulación, calidad de
resultados, documentación disponible en la literatura, conservación de la masa y volumen de la
muestra, implementación en software DEM, entre otras.

Dada la importancia de los chancadores y su necesidad de ser estudiados, este informe tiene por meta
calibrar los modelos de fractura y de distribución de tamaño mencionados para ser implementado en
un modelo DEM de chancador. Esta calibración se realizará a minerales de cuarzo y gravilla, pudiendo
ser utilizada en modelos de otros equipos de conminución, como diferentes tipos de chancadores,
molinos, prensas, etc.

1.2 Hipótesis
Un correcto modelo de fractura que incorpore la distribución de probabilidad de energía de fractura
es fundamental para calcular el consumo de potencia en máquinas mineras de conminución, ya que
permitirá determinar la energía que requiere el equipo para reducir el tamaño de las partículas

1.3 Objetivos
1.3.1 Objetivo general
OG1. Caracterizar la resistencia a la ruptura de mineral de cuarzo y gravilla para el modelo de
fractura de Tavares y la función beta incompleta
 5

1.3.2 Objetivos específicos

OE1. Realizar ensayos de compresión uniaxial a partículas individuales y ensayo de compresión
en cama de partículas a muestras de cuarzo y gravilla.
OE2. Analizar datos registrados de los ensayos.
OE3. Ajustar parámetros a minerales de cuarzo y gravilla para el modelo de fractura de Tavares y
la función beta incompleta utilizando los datos registrados en los ensayos de compresión
uniaxial.
OE4. Validar al ajuste de parámetros utilizando Rocky DEM.

1.4 Metodología
En el presente trabajo se caracterizan minerales de cuarzo y gravilla utilizando el modelo de fractura
de Tavares [25] y la función beta incompleta [22]. Para esto, se realizan ensayos de compresión
uniaxial a muestras de diferentes tamaños, con el fin de determinar los parámetros de ambos modelos
que caracterizan la rotura a cada material. Luego de ello, se valida el ajuste de los modelos bajo el
entorno DEM implementado en Rocky DEM 4.5.0.
 6

2CAPÍTULO 2: Marco Teórico

Este capítulo permite comprender las bases en las que se asienta el presente estudio. En ella se describe
el proceso de conminución junto al modelado en DEM.

2.1 Proceso de conminución de minerales

La reducción del tamaño de minerales se lleva a cabo en etapas sucesivas en donde se ven involucrados
equipos como chancadores, harneros, molinos e hidrociclones, entre otros. El conjunto de estas etapas
se denomina circuito de molienda y es el usual utilizado en la gran minería. La Figura 2.1 ilustra un
ejemplo de estos circuitos de molienda.

Figura 2.1. Diagrama de un ejemplo de circuito de molienda (Fuente: [38])

 7

El mineral extraído desde las minas es llevado al primer circuito de conminución mediante camiones,
en donde el primer eslabón de este circuito es el chancador primario, quien reduce el tamaño del
mineral para que, posteriormente, este pase por un chancador secundario reiteradamente hasta que se
logre alcanzar la reducción de tamaño óptima para cargar el molino SAG.

A continuación, se alimenta el molino con el mineral y agua, procesando la mezcla varias

oportunidades hasta que alcanza el tamaño requerido para ingresar al pozo y ser enviado a los
hidrociclones para su posterior clasificación.

Finalmente, el material más pequeño obtenido es llevado directamente al proceso de flotación,

mientras que los materiales de mayor tamaño son enviados a molinos de bolas para reducir aún más
su tamaño y estar en óptimas dimensiones para enviarlos a flotación.

2.2 Equipos de conminución

2.2.1 Chancador primario
El chancador, ya sea primario o secundario, es una máquina cuya función es reducir el tamaño de
minerales para que éstos puedan ser utilizados por otras máquinas, como molinos o, en su defecto,
chancadores más pequeños. Existen dos tipos de chancadores primarios: los de mandíbula y los
giratorios.

2.2.2 Chancador secundario

Este equipo apoya al chancador primario en el proceso de conminución, reduciendo aún más el tamaño
del mineral para alimentar los molinos con una granulometría más pequeña. Los chancadores de cono
y los de impacto son algunos chancadores secundarios.

2.2.3 Molinos autógenos y semiautógenos (AG y SAG)

Los molinos autógenos son aquellos que utilizan el propio mineral como medio de molienda, mientras
que los molinos SAG utilizan bolas de acero para apoyar la reducción de tamaño del material. Ambos
no son capaces de reducir el tamaño del mineral a granulometrías finas.
 8

2.2.4 Molinos de bolas

Este tipo de molinos también usan bolas de acero como medio de molienda, sin embargo, sus
características geométricas permiten alcanzar reducciones de tamaño más finas. Por lo mismo, estas
máquinas son usadas en las etapas finales del circuito de conminución.

2.2.5 Molinos de barras

Este molino puede reemplazar a los molinos de bolas, pues también logra generar granulometrías finas
del mineral. El equipo, a diferencia del molino de bolas, utiliza barras de acero para apoyar la
molienda.

2.3 Equipos que apoyan la conminución

2.3.1 Harneros
Son equipos que permiten clasificar minerales según su tamaño. Su uso hace posible filtrar aquellas
partículas que no alcanzan un tamaño necesario para su ingreso a posteriores equipos de conminución
y así ser nuevamente procesadas por la máquina de donde provenían, hasta lograr el tamaño requerido.

2.3.2 Hidrociclones
Estas máquinas también brindan una clasificación de minerales según su tamaño, pero a diferencia de
los harneros, los hidrociclones admiten granulometrías mucho más pequeñas, razón por la que son
alimentadas con el mineral que se procesa en los molinos.

2.4 Método de elementos discretos

El método de elementos discretos (DEM) es un modelo numérico que permite simular el
comportamiento mecánico de materiales granulares considerando individualmente a las partículas
junto a sus interacciones entre sí e interacciones partícula-frontera [2]. Este método considera el
movimiento relativo y las rotaciones de las partículas, a diferencia del método de elementos finitos
que estudia a las partículas como un material continuo, por lo que permite identificar lo que ocurre al
interior de los minerales y entender los fundamentos de la interacción entre materiales granulados
[38].
 9

Este método ha demostrado entregar buenos resultados incluso si se fuerzan simplificaciones a la

simulación para reducir el costo computacional, lo que permite modelar sistemas que involucran un
gran número de partículas.
 10

3CAPÍTULO 3: Estado del Arte

Este capítulo se centra en la revisión del estado del desarrollo de investigaciones relacionadas al
estudio de modelos de conminución de partículas en máquinas trituradoras.

3.1 Modelos de fractura

Al día de hoy, existen diversos modelos que caracterizan la fractura de minerales. Uno de los modelos
más antiguos propone implementar un modelo de distribución estadística [39] para estudiar la
resistencia a la tracción de cerámicos frágiles sometidas a un esfuerzo de tracción uniforme mediante
la ecuación (1) [40]. En ella, 𝑃 es la probabilidad de fractura, 𝑉0 es el volumen del sólido sometido a
un esfuerzo de tracción uniforme 𝜎, 𝜎0 es el valor del esfuerzo para las muestras de volumen V0 tal
que el 37% de los especímenes ensayados sobreviven, y 𝑚 es el módulo de Weibull, el cual disminuye
con el aumento de la variabilidad en la resistencia a la tracción.

𝜎 𝑚
𝑃(𝑉0 ) = exp [− ( ) ] (1)
𝜎0

Este modelo, sigue siendo utilizado por diversos autores [40, 41], sin embargo, como el modelo sólo
asocia un único esfuerzo de ruptura para cada tamaño de partícula, no considera que cada partícula
tiene distinta resistencia, por tanto, el modelo pierde confiabilidad frente a otros.

Destaca también el modelo Ab-T10, el cual se basa en el modelo planteado por Vogel & Peukert [42]
y la posterior modificación propuesta por Shi & Kojovic [43]. Este modelo de rotura trata a cada
partícula como una entidad única que puede romperse en fragmentos instantáneamente en función de
la energía de impacto que recibe [22]. El bajo esfuerzo computacional que requiere hace que este
modelo sea el más adecuado para simulaciones con grandes poblaciones de partículas [23]. La
ecuación (2) permite calcular la probabilidad de fractura del mineral para un determinado valor de
energía de contacto específica acumulada. En efecto, el modelo considera el daño que se produce en
la partícula en cada impacto donde esta no se fracture.

𝑑
𝑃(𝐸𝑐𝑢𝑚 ) = 1 − exp (−𝑆𝐸𝑐𝑢𝑚 ) (2)
𝑑𝑟𝑒𝑓

En la ecuación, 𝑃 es la probabilidad de fractura, 𝐸𝑐𝑢𝑚 es la energía de impacto específica acumulada,

𝑆 es una constante de material, 𝑑 es el tamaño actual de la partícula y 𝑑𝑟𝑒𝑓 es el tamaño de partícula
 11

de referencia. Si bien este método permite la conservación de la masa y volumen en la simulación de

la fractura de minerales no esféricos, pues se basa en el algoritmo de ruptura de Laguerre-Voronoi
[44, 45], este modelo no predice la distribución de tamaño del producto de una manera tan confiable,
no obstante, su capacidad para conservar la masa y generar fragmentos de forma irregular indica su
potencial para simular sistemas complejos de interés en la industria [23]. A partir de este estado de
desarrollo, L. M. Tavares planteó un modelo que amplía la funcionalidad de los modelos de rotura
más sencillos, añadiendo capacidades que pueden predecir, de manera más realista, la fractura de una
partícula en una amplia gama de situaciones (rotura de partículas en diferentes máquinas de trituración
y molienda, como chancadores, molinos, prensas, etc.) [2, 29, 33, 46, 47]. Dado que el modelo también
aprovecha el algoritmo de teselación de Laguerre-Voronoi junto a la función beta incompleta como
modelo de distribución de tamaño (modelo que se explica en la sección 3.2), se vuelve útil para
describir la reducción de tamaño del mineral, proporcionando una mayor confiabilidad en la
predicción, tanto de la proporción de partículas fracturadas, como en la distribución del tamaño del
producto [25]. Este modelo se basa en una distribución de probabilidad de fractura en función de la
energía de fractura específica, la cual se define mediante la ecuación (3).

1 ln 𝐸 ∗ − ln 𝐸50
( )
𝑃 𝐸 = [1 + erf ( )] (3)
2 √2𝜎 2

En ella, 𝑃 es la distribución de la probabilidad de fractura, 𝐸 es la energía de fractura específica, 𝐸 ∗

es la energía de fractura específica relativa, 𝐸50 es la mediana de la energía de fractura específica y
𝜎 2 es la varianza de la distribución log-normal de las energías de fractura. Asimismo, el modelo de
fractura TBM [22] también se basa en el valor instantáneo de la energía de impacto, sin embargo, a
diferencia de los anteriores modelos, en el TBM no se tiene en cuenta el daño acumulado en partículas
[48]. La ecuación (4) describe la energía específica de fractura 𝐸𝑏 de la partícula definida según el
TBM.

𝐸𝑏 = min[max(𝐸̃𝑏 , 𝐸𝑏,𝑙𝑜𝑤𝑒𝑟 ), 𝐸𝑏,𝑢𝑝𝑝𝑒𝑟 ] (4)

Donde 𝐸̃𝑏 es la energía específica de fractura, obtenida a partir de asumir una distribución log-normal
acumulada y 𝐸𝑏,𝑙𝑜𝑤𝑒𝑟 y 𝐸𝑏,𝑢𝑝𝑝𝑒𝑟 son la menor y mayor de las energías específicas de fractura obtenida
de los ensayos experimentales, respectivamente. Con esto, si en un momento dado, durante una
colisión de la partícula, la energía específica de contacto instantánea supera a la energía específica de
rotura 𝐸𝑏 , entonces la muestra se romperá. Por el contrario, si la energía de contacto específica
 12

instantánea es inferior a la energía específica de rotura 𝐸𝑏 , la partícula no se romperá ni tampoco se

degradará, a diferencia de los modelos Ab-T10 y de Tavares, que si consideran el daño acumulado
que sufre la partícula luego de una colisión en que no se genera fractura. Además de esto, en caso de
rotura, el TBM utiliza el modelo de tamaño uniforme para determinar el tamaño de los fragmentos
generados [22], lo que claramente incurre en una falta de representación a la realidad. Este último
modelo también se explica en la sección 3.2.

De esta manera, como el TBM no considera el daño en la partícula y asume que el tamaño de los
fragmentos resultantes, posterior al evento de fractura, es uniforme, el modelo también pierde
confiabilidad frente a otros.

Por otro lado, también existe un tipo de modelo numérico tridimensional denominado Bonded-Cell
Method (BCM) [27], el cual se basa en la construcción de partículas mediante la aglomeración de
células poliédricas rígidas generadas mediante una teselación de Laguerre-Voronoi. Estas células se
encuentran unidas por una ley de cohesión de Tresca, poseen propiedades mecánicas completamente
independientes y se simulan utilizando el método de contactos dinámicos (CD) [49]. El método tiene
la ventaja de tener en cuenta la cinemática correcta de los contactos cara a cara entre células, además
de conducir a simulaciones numéricamente eficientes cuando se compara con otros modelos
tridimensionales [50, 51]. Sin embargo, el costo operacional es significativamente mayor cuando se
compara con cualquiera de los modelos antes mencionados.

3.2 Modelos de distribución de tamaño

Como se mencionó anteriormente, los modelos de distribución de tamaño del producto se encargan
de determinar la distribución del tamaño de las partículas hijas que se generan luego del propio evento
de fractura. Algunos de estos modelos se basan en el uso de formas funcionales para describir las
distribuciones acumulativas de la progenie [52]. En ocasiones, donde la distribución está sesgada, se
puede obtener una gráfica lineal del mismo si se grafica el tamaño de la partícula versus el porcentaje
en masa pasante a través de los tamices en un gráfico logarítmico. Estos gráficos se conocen como
gráficos de Gaudin-Schuhmann [7] y se describen según la ecuación (5).

𝑥
𝑌 = 10𝑡10 ( ) (5)
𝑑
 13

Donde 𝑌 es el porcentaje acumulado de la masa pasante de fragmentos, 𝑥 es el tamaño del tamiz y 𝑑

es el tamaño de la partícula rota. La ventaja del modelo radica en que se puede usar un número limitado
de tamices para medir el tamaño de partículas que se encuentran entre dos tamaños de tamices
cualesquiera, sin embargo, la linealidad de la distribución del tamaño de partículas no siempre está
asegurada, situación que es fácil de observar al graficar, en un gráfico logarítmico, la distribución de
tamaños de fragmentos de la progenie luego de algún ensayo que involucre fractura de minerales.

Por su parte, el modelo de tamaño uniforme es la estrategia más simple para especificar el tamaño de
los fragmentos en un evento de rotura [22], puesto que todas las partículas hijas se generan con el
mismo tamaño, el cual depende de la cantidad de fragmentos producidos 𝑁𝑓𝑟𝑔 . Este valor se determina
de acuerdo a la ecuación (6).

𝑉
𝑁𝑓𝑟𝑔 = min[max(𝑁𝑓𝑟𝑔 , 2), 𝑁𝑓𝑟𝑔,𝑚á𝑥 ] (6)

Donde 𝑁𝑓𝑟𝑔,𝑚𝑎𝑥 es el número máximo de fragmentos posibles en un evento de rotura (ingresado por
𝑉
el usuario) y 𝑁𝑓𝑟𝑔 corresponde a la parte entera de 𝑉/𝑉𝑚í𝑛 que es la relación entre el volumen de la
partícula y el mínimo volumen posible de los fragmentos. Este último depende del tamaño mínimo de
las partículas, el cual es ingresado por el usuario. Comúnmente, el modelo se utiliza en compañía del
TBM [22] para las simulaciones. Dado lo descrito, es claro que tanto el TBM como el modelo de
tamaño uniforme no son capaces de representar la realidad en un evento de rotura.

Por otra parte, los modelos de distribución truncados superiormente también se han utilizado para este
tipo de simulaciones [53–56]. Tal es el caso de la distribución truncada de Rosin-Rambler, que ha
demostrado ser adecuada para la situación [53]. Esta distribución está dada por la ecuación (7).

𝑥 𝑛
𝑃 = 100 − 100 exp [− ( ′ ) ] (7)
𝑥

Donde 𝑥 es el atamaño de apertura del tamiz, 𝑃 es el porcentaje en masa pasante a través del tamiz de
tamaño 𝑥, 𝑥′ es el módulo de tamaño (63.2% del tamiz de tamaño más fino) y 𝑛 es el módulo de
distribución, denominado también como índice de uniformidad. Cuanto mayor sea el valor de 𝑛, más
uniforme será la distribución [57].

A pesar de demostrarse que la distribución de Rosin-Rambler es una de las más adecuadas para
describir la distribución de tamaño de una progenie, la capacidad que ha exhibido la función beta
incompleta para describir datos con gran flexibilidad hace que su aplicación para modelar este tipo de
 14

distribución sea la más apropiada actualmente [29, 52, 58]. La función beta incompleta está dada por
la ecuación (8).

𝑡10 /100
100
𝑡𝑛 (𝑡10 ) = 1 ∫ 𝑥 𝑎𝑛−1 (1 − 𝑥 )𝛽𝑛−1 𝑑𝑥 (8)
∫0 𝑥 𝑎𝑛−1 (1 − 𝑥 )𝛽𝑛−1 𝑑𝑥 0

En ella, la masa acumulada de partículas pasa por un tamiz (𝑡𝑛 ) con tamaño 𝑥 es calculada por el valor
de distribución 𝑡10 dado y 𝛼𝑛 y 𝛽𝑛 son parámetros del modelo que deben ser ajustados a los datos
experimentales. Si bien la ecuación ha mostrado ajustarse con éxito a los datos de distintos materiales,
desafortunadamente, dada la falta de una descripción física adecuada de la fragmentación que permita
la extrapolación de datos, caracterizar la respuesta de un material dado requiere ensayos exhaustivos
a partículas de diferentes tamaños y bajo distintos niveles de energía, lo cual es una tarea que requiere
mucho tiempo. No obstante, estudios avalan que la ecuación ha demostrado ajustarse con éxito a los
datos para varios materiales [19, 23, 29, 30, 33, 36, 46, 52, 58].

3.3 Selección del modelo

Como se mostró, se han propuesto varios enfoques para describir la rotura de partículas dentro del
entorno DEM. El gran número de partículas que se manejan en la mayoría de las operaciones de interés
y la potencia de cálculo asociada requiere enfoques computacionalmente eficientes para describir la
rotura y que no sacrifiquen la precisión en la descripción de los detalles del fenómeno físico [46]. De
esta manera, para abordar la caracterización de minerales, con el fin de ser implementado en un
modelo DEM para el cálculo de consumo de potencia de un chancador de cono, se propone utilizar el
modelo de rotura que plantea Tavares, el cual considera el uso de la función beta incompleta, pues su
relación costo operacional/confiabilidad, fácil calibración y calidad de resultados es notablemente
superior a la del resto de modelos de fractura [46]. La caracterización se realizará en minerales de
cuarzo y gravilla y, posteriormente, se validará la calibración del modelo comparando datos
experimentales con el modelo de Tavares implementado en el software Rocky DEM.

El problema se aborda de esta manera pues, el uso de DEM para modelación de máquinas trituradoras,
en conjunto de modelos de fractura altamente eficientes y confiables, permite obtener resultados
cercanos a la realidad y con un alto nivel de detalle [23].
 15

4CAPÍTULO 4: Ensayos de compresión y modelación de la fractura

Los ensayos de compresión de partículas individuales consisten en colocar partículas, de una en una,
entre dos placas paralelas montadas en una máquina de carga de compresión uniaxial (prensa) y
someterlas a cargas crecientes hasta la fractura. La Figura 4.1 ilustra un esquema del dispositivo
experimental típico para estos ensayos.

Figura 4.1: Dispositivo experimental para ensayos de compresión individuales (Fuente [41])

A lo largo de los años se han utilizado diferentes tipos de máquinas de ensayo de compresión uniaxial
para partículas individuales. Un ejemplo de ello son algunas prensas rudimentarias [59], simples
máquinas para ensayos de carga puntual [60], sofisticadas prensas utilizadas para ensayar partículas
de tamaños micrométricos [61] y prensas hidráulicas a gran escala utilizadas para ensayar partículas
de tamaños cercanos a un metro [62].

Una ventaja significativa de los ensayos de compresión sobre los dispositivos tradicionales de caída
de peso (DWT) y péndulo es que las fuerzas, y a menudo las deformaciones, se pueden registrar
durante el ensayo para determinar el perfil carga-deformación y, por tanto, varios parámetros
relacionados con la resistencia de la partícula. En este sentido, magnitudes de especial interés son la
 16

energía de fractura primaria, denominada energía de fractura de la partícula, y la energía total

absorbida por la partícula durante el ensayo (llamada energía de conminución). Ambas se pueden
determinar a partir de integración directa de un perfil de carga-deformación como el mostrado en la
Figura 4.2. En ella se muestra un resultado típico del ensayo, donde se puede observar nuevos eventos
de fractura que provienen de roturas secundarias de los fragmentos progenitores.

Figura 4.2: Perfil de fuerza-deformación en un ensayo de compresión uniaxial (Fuente [31])

El mayor control del proceso de carga que proporcionan las máquinas de ensayo de compresión, en
comparación con los ensayadores de impacto, las convierten en una valiosa herramienta en algunos
de los estudios más fundamentales sobre la fractura de partículas [23, 25–29, 31, 40, 42, 43, 48, 49,
63], en el que destaca el planteamiento de fractura propuesta por L. M. Tavares en su tesis doctoral
[25].

4.1 Planteamiento de fractura de Tavares

El planteamiento de fractura que propone Tavares comprende un conjunto de ecuaciones utilizadas
para describir el comportamiento de materiales frágiles, en forma de partículas, cuando son sometidas
a distintos niveles de esfuerzo. El modelo utiliza el algoritmo de teselación de Laguerre-Voronoi [44,
45] e implementa la función beta incompleta como modelo de distribución de tamaño, por lo que
permite predecir tanto el evento de fractura de la partícula madre, como estimar la proporción de
 17

partículas hijas generadas, proporcionando una mayor confiabilidad en la predicción que otros
modelos [23, 25].

La descripción detallada de ambos modelos junto a las instrucciones de calibración se presenta a

continuación en los siguientes apartados.

4.1.1 El modelo de fractura: modelo de Tavares

El modelo se fundamenta en relaciones probabilísticas basadas en la energía para describir el proceso
de fractura de la partícula, teniendo presente varias características de la misma. La virtud de este
modelo radica en los buenos resultados que ha demostrado [19, 46], eficiencia de la simulación [23]
y dado que utiliza tal algoritmo de teselación, se conserva la masa y volumen de la partícula posterior
al evento de ruptura, superando las limitaciones de otros enfoques usados para modelar fractura [23].

Las ecuaciones que describen el modelo de fractura de Tavares y el modo de implementarlas se

presentan en la sección 4.2.1.

4.1.2 El modelo de distribución de tamaño del producto: Función beta incompleta

La función beta incompleta es una de las distribuciones más importantes en probabilidad y estadística,
además, está estrechamente relacionada con muchas distribuciones continuas y discretas que ocurren
con frecuencia [64].

Su aplicación en el modelo de Tavares caracteriza la distribución del tamaño del fragmento a partir
del valor de 𝑡10 , que corresponde al porcentaje de partículas hijas en que su tamaño sobrepasa la
décima parte del tamaño de la partícula madre [22].

Al igual que para el modelo de fractura de Tavares, la implementación de la función beta incompleta
se explica en detalle en el siguiente apartado.

4.2 Modelación de la fractura según Tavares [22]

La Figura 4.3 muestra el algoritmo de rotura que plantea Tavares, el que se explicará en detalle a
continuación. Cabe mencionar que este ciclo de cálculo utiliza el propio modelo propuesto por Tavares
junto a la función beta incompleta como modelo de distribución de tamaño.
 18

Figura 4.3: Ciclo de cálculo del Modelo de rotura de Tavares (Fuente [22])

4.2.1 Ciclo de cálculo

A cada partícula que entre a la simulación se le asignará un valor aleatorio de energía específica de
fractura E siguiendo una distribución lognormal, basada en los parámetros de rotura que describen al
material. Esta distribución de la energía de fractura se basa en la probabilidad de rotura de un tamaño
específico cuando se somete a diferentes energías específicas de contacto 𝐸𝑐𝑠 . La ecuación (9)
relaciona el tamaño de la partícula con la mediana de la distribución de energías de fractura.
𝜑
𝑑0
𝐸50 = 𝐸∞ [1 + ( ) ] (9)
𝑑𝑗

Donde 𝐸50 es la mediana de las energías fractura de la distribución, 𝐸∞ , 𝑑0 y 𝜑 son parámetros del
modelo ajustados a los datos experimentales y 𝑑𝑗 es el tamaño de la partícula. La distribución de
probabilidad de fractura, en su forma acumulativa, es
 19

1 ln 𝐸 ∗ − ln 𝐸50
𝑃(𝐸𝑐𝑠 ) = [1 + erf ( )] (10)
2 √2𝜎 2

𝐸𝑚𝑎𝑥 𝐸𝑚
𝐸∗ = (11)
𝐸𝑚𝑎𝑥 − 𝐸𝑚

Donde 𝐸𝑚𝑎𝑥 es el valor de truncamiento superior de la distribución, regularmente considerado como

una energía cuatro veces superior a la mediana de las energías de fractura (𝐸50 ) y 𝜎 2 es la varianza
geométrica de la distribución.

Si la energía específica de contacto 𝐸𝑐𝑠 (o energía absorbida por la partícula) es inferior a la energía
necesaria para generar la fractura 𝐸, la partícula no fallará, acumulando daño y haciéndose más
susceptible a romperse en un evento de esfuerzos futuro. El daño 𝐷 que sufre una partícula tras un
contacto que no genera rotura se calcula según

2𝛾
2𝛾 𝐸𝑐𝑠 5 (12)
𝐷=[ ]
(2𝛾 − 5𝐷 + 5) 𝐸

Donde 𝛾 es el coeficiente de acumulación de daño. La energía de fractura de cada partícula debe ser
ajustada luego del evento de esfuerzos mediante la siguiente ecuación:

𝐸 𝑛𝑒𝑤 = 𝐸 𝑜𝑙𝑑 (1 − 𝐷) (13)

Si la energía absorbida por la partícula (𝐸𝑐𝑠 ) supera a la energía específica de fractura (𝐸), se producirá
la fractura de la partícula, generándose fragmentos en base al algoritmo de Laguerre-Voronoi. La
distribución de estos fragmentos estará relacionada con la energía absorbida según el valor de 𝑡10
[31], que corresponde al porcentaje, en peso, de la partícula original que pasa por un tamiz con apertura
del 10% del tamaño original de la partícula. Este factor viene dado por

𝑏′ 𝐸𝑐𝑠
𝑡10 = 𝐴 [1 − exp (− )] (14)
𝐸

Donde 𝐴 y 𝑏′ son parámetros del modelo que se debe ajustar a los datos experimentales. 𝐴
corresponde al máximo valor de 𝑡10 que se puede alcanzar al romper una partícula en un único evento
de esfuerzos. La distribución completa del tamaño de las partículas puede calcularse con la ayuda de
la función beta incompleta [31], dada por
 20

𝑡10 /100
100
𝑡𝑛 (𝑡10 ) = 1 ∫ 𝑥 𝑎𝑛−1 (1 − 𝑥 )𝛽𝑛−1 𝑑𝑥 (15)
∫0 𝑥 𝑎𝑛−1 (1 − 𝑥 )𝛽𝑛−1 𝑑𝑥 0

Donde la masa acumulada de partículas pasa por una pantalla (𝑡𝑛 ) con tamaño 𝑥 es calculada por el
valor de distribución 𝑡10 dado. De esta forma, a cada fragmento generado por la ruptura de la partícula
original se le asigna una energía de fractura basada en la distribución dada por la ecuación (10) de
acuerdo a su tamaño.

Existen otros dos parámetros necesarios para simular la fractura mediante el modelo planteado: la
energía específica mínima 𝐸𝑚𝑖𝑛 y el tamaño mínimo de la partícula. El primero consiste en el valor
mínimo de energía que puede causar daño a una partícula y para determinar el final de un contacto,
desestimando cualquier contacto que dé lugar a esfuerzos menores a 𝐸𝑚𝑖𝑛 . Por su parte, el parámetro
de tamaño mínimo de la partícula determina, tal como indica su nombre, el tamaño mínimo que
pueden tener los fragmentos después de un evento de ruptura. De esta forma, la distribución de
tamaños de cada evento donde ocurra fractura se guiará por este parámetro.

4.3 Procedimiento de calibración de ambos modelos [22]

El procedimiento de calibración consiste en determinar el valor de los parámetros 𝐸∞ , 𝑑0 , 𝜑, 𝛾, 𝐴 y
𝑏′, las cuales caracterizan al mineral que se utilizará en el modelo de ruptura. Para lograr ello, se deben
efectuar numerosos ensayos a muestras individuales de un mismo material y distintos tamaños en un
equipo como el mostrado en la Figura 4.1, midiendo el perfil fuerza-deformación, la masa de cada
partícula y clasificando las muestras en rangos de tamaños determinados por el usuario (ojalá
estrechos, para que el ajuste de los parámetros sea más preciso).

El procedimiento de calibración se presenta con más detalle en el White Paper [22] y en el Proyecto
de Ingeniería Mecánica de quien redacta [65]. A modo de referencia para secciones posteriores, la
Tabla 4.1 se muestra valores típicos de los parámetros del modelo.
 21

Tabla 4.1: Parámetros del modelo que muestran los valores mínimos, máximos y típicos (Fuente [22])

Parámetro Mínimo Máximo Media

𝝈𝟐 0.1 1 0.4
𝑬∞ [𝑱/𝒌𝒈] 1.5 236 50
𝒅𝟎 [𝒎𝒎] 0.5 400 5
𝝋 0.45 2.7 1.3
𝑨 [%] 76 40 50
𝒃′ 0.01 0.08 0.03
𝜸 2.0 7.5 3.5
 22

5CAPÍTULO 5: Metodología experimental

Para ajustar los parámetros del modelo de Tavares y de la función beta incompleta a un mineral en
específico, resulta necesario realizar ensayos de compresión uniaxial (o DWT) para partículas
individuales para distintos tamaños de partículas. Este ensayo debe permitir el registro del perfil carga-
deformación de la partícula al ser comprimida. A continuación, se describe el procedimiento que se
utilizó para realizar ensayos de compresión para calibrar los parámetros que caracterizan el mineral
de cuarzo para el modelo de Tavares.

5.1 Ensayos de compresión

5.1.1 Ensayo de compresión uniaxial a partículas individuales
Los ensayos de compresión uniaxial para minerales de cuarzo y gravilla fueron realizados en una
máquina Instron 8801 ubicada en el Laboratorio de Mecánica de Sólidos del Departamento de
Ingeniería Mecánica de la universidad. La Figura 5.1 muestra el equipo utilizado para realizar los
ensayos.

Figura 5.1: Instron 8801. Máquina para ensayos de compresión uniaxial utilizada
 23

Previo a la realización de los ensayos, se procedió a medir y registrar tres dimensiones ortogonales de
100 partículas de ambos minerales, determinando el valor de la mediana en la medición de cada
partícula. Posterior a ello, para cada partícula se determinó la relación de aspecto que existe entre su
tamaño y las longitudes medidas de las otras dos direcciones de medición restantes, calculando la
media de estos 100 valores para cada dirección. El software solicita al usuario ingresar la razón de
aspecto de la partícula a generar, razón por la cual se necesitó valores representativos de las razones
de aspecto para las demás direcciones de la partícula. La Figura 5.2 presenta dos muestras de las tantas
partículas que se midieron para registrar y determinar las cantidades ya mencionadas. Posteriormente,
estas mismas partículas fueron utilizadas para realizar los ensayos de compresión.

a) b)
Figura 5.2: Partículas de a) Cuarzo y b) Gravilla

Efectuada estas mediciones, se seccionaron las partículas en cuatro rangos de tamaños distintos,
registrando, además, el tamaño (mediana de las tres mediciones ortogonales de la partícula) y la masa
de cada partícula a ensayar. Los rangos de tamaños seleccionados se muestran en la Tabla 5.1.
Claramente, a rangos de tamaños pequeños y mayor cantidad de muestras, el ajuste de parámetros será
más preciso, sin embargo, esto hace más tedioso el propio proceso de calibración.

Tabla 5.1: Rango de tamaños seleccionados

Tamaño Rango 1 Rango 2 Rango 3 Rango 4

Mínimo [mm] 6.7 13.3 26.5 53
Máximo [mm] 8 16 31.5 63

Posterior a la selección de rango de tamaños y registro del tamaño y peso de las partículas, se procedió
a ubicar cada una ellas en el plato inferior de la máquina de ensayos universales para luego ser
comprimida por la misma, tal como muestra la Figura 5.3. Cabe destacar que la compresión se llevaba
a cabo hasta la observar la fractura de la partícula. Se consideraba fractura de la misma cuando esta,
 24

a simple vista, perdía al menos 10% de su masa, incluso cuando se mantenía su tamaño original
(claramente, sus fragmentos eran de menor tamaño) [33]. De esta forma, se entiende que es posible
que una partícula sufra una rotura, pero siga teniendo su tamaño original. Esto último se dificultaba
cuando las partículas a ensayar pertenecían al Rango 1 de tamaños, debido a sus pequeñas
dimensiones, razón por la cual se necesitó grabar en video los ensayos realizados, con el fin de
identificar, de manera precisa, si efectivamente se había generado la fractura de la partícula. Un ensayo
se consideraba válido cuando se producía la ruptura del mineral.

Figura 5.3: Dispositivo experimental

La virtud de esta máquina para ensayos es que permite registrar el perfil carga-deformación de la
partícula, muestreando la señal a periodos constantes de tiempo definidos por el usuario. Gracias a
esto, se pudo registrar gráficos como el mostrado en la Figura 5.4.
 25

Figura 5.4: Perfil carga-tiempo y carga-deformación del ensayo de compresión uniaxial a la partícula de cuarzo
#2 en la máquina de compresión uniaxial

Luego de detectar la fractura, se detenía la máquina y se retiraban las partículas generadas.

Posteriormente, dichas partículas eran tamizadas con el fin de determinar la distribución de tamaños
del producto, llevando un registro de ello. La Tabla 5.2 muestra el registro de la distribución del
tamaño de partículas (PSD) del producto para el ensayo de compresión a la partícula #2 de cuarzo
luego del evento de fractura. Es importante mencionar que el procedimiento de tamizado siguió los
estándares de la norma ASTM E11.
 26

Tabla 5.2: PSD del producto para una partícula cualquiera ensayada

Proporción
Malla Masa [g] Masa acumulada [g] Proporción [%]
acumulada [%]
3/4’’ 0 0 0 100
5/8’’ 21.5 21.5 91.88 8.12
1/2’’ 0 21.5 0.00 8.12
7/16’’ 0 21.5 0.00 8.12
3/8’’ 1.1 22.6 4.70 3.42
1/4'’ 0.3 22.9 1.28 2.14
4 0.2 23.1 0.82 1.28
6 0 23.1 0.00 1.28
8 0.1 23.2 0.43 0.85
10 0 23.2 0.00 0.82
14 0.1 23.3 0.43 0.43
16 0 23.3 0.00 0.43
20 0 23.3 0.00 0.43
Fondo 0.1 23.4 0.43 0.00

Hasta este punto es posible ajustar casi todos los parámetros para el modelo de fractura de Tavares y
la función beta incompleta, sin embargo, la calibración del parámetro asociado al daño sufrido por la
partícula no se pudo realizar, por lo tanto, se utilizará el valor de referencia.

5.1.2 Ensayo de carga puntual

Los ensayos de carga puntual (PLT) fueron realizados utilizando una máquina Controls 45-D0550/E
en el Laboratorio de Mecánica de Rocas del Departamento de Ingeniería Metalúrgica de la
universidad. La Figura 5.5 muestra el equipo utilizado para realizar los ensayos.
 27

Figura 5.5: Controls 45-D0550/E. Máquina para ensayos de carga puntual utilizada

Si bien estos ensayos no fueron utilizados para la calibración de ninguno de los modelos mencionados,
pues el equipo no es capaz de registrar el perfil carga-deformación de la partícula, los datos apuntados
de tamaño, masa y carga de ruptura pueden ser utilizados para la validación del modelo. El
procedimiento con que se realizaron los ensayos se presenta a continuación, y es el indicado por la
norma ASTM D5731-02, sin embargo, a pesar de hacer uso de tal documento, ocurrió un
inconveniente durante el proceso, el que también se comentará enseguida.

En primera instancia, se procedió a medir la masa y sólo dos dimensiones ortogonales de las partículas
de cuarzo, a diferencia del ensayo de compresión uniaxial, en donde se midieron tres dimensiones
ortogonales entre sí. Esto fue así debido a la inexperiencia y poca preparación del autor con respecto
a los ensayos de compresión a partículas al momento de la realización de estos ensayos, lo cual es un
error. A pesar de esto, el orden de magnitud de la carga de fractura, dado un cierto tamaño de partícula,
es un gran aporte de información para la validación del modelo, por lo que la realización de estos
ensayos no fue en vano.

Luego de esto, se procedió a ubicar la partícula entre las dos pinzas de compresión del equipo, tal
como lo muestra la Figura 5.5. Posteriormente, se comprimió el mineral hasta la fractura, registrando
la carga que la generó. Finalmente, se apuntó la masa de las partículas hijas provenientes del evento
de ruptura. La Figura 5.6 muestra unas partículas producto cualquiera generadas luego de realizado
un ensayo.
 28

Figura 5.6: Partículas producto de un PLT a una muestra de cuarzo

5.1.3 Ensayo de compresión en cama de partículas

Se realizaron ensayos preliminares de compresión en cama de partículas (ECCP) utilizando una
máquina Forney LT-708-02 en el Laboratorio de Hormigón del Departamento de Ingeniería Civil de
la universidad. El equipo se presenta en la Figura 5.7. En ella se ensayaron muestras de cuarzo y
gravilla de 5 kg con tamaños entre 1 y 1.5 in, las cuales, posterior a ser comprimidas, eran tamizadas
para registrar su distribución de tamaño.

Figura 5.7: Forney LT-708-02. Máquina para ECCP utilizada

 29

Los perfiles, mostrados en la Figura 5.8, extraídos de estos ensayos permitirán validar la calibración
del modelo, siendo útil además para la validación de un modelo de fractura que se encuentra en
desarrollo. Este último será planteado por el autor de este documento en su Tesis de Magíster.

a)

b)

Figura 5.8. Datos registrados de los ensayos ECCP a la muestra #1 de cuarzo: a) Perfil carga deformación y b)
Distribución de tamaño del producto
 30

6CAPÍTULO 6: Calibración del modelo

La obtención del perfil carga-deformación mediante el uso de la máquina de ensayos universales

Instron 8801 permitió realizar la calibración de los parámetros del modelo de Tavares para minerales
de cuarzo y gravilla en base al apartado 4.3. El registro de datos y parte del procesamiento de estos
mismos se realizó en archivos de texto plano, mientras que el proceso de ajuste de parámetros se
realizó utilizando el software Matlab R2021a student version.

6.1 Ajuste de parámetros

En primer lugar, gracias al perfil carga-deformación entregado por la máquina utilizada para los
ensayos, se identificó el peak considerado como fractura primaria para cada uno de los ensayos. Se
le recuerda al lector que el primer evento de fractura se identifica como la primera subida significativa
de la fuerza. La Figura 6.1 muestra un ejemplo de la identificación de este peak.

Figura 6.1: Perfil carga-deformación del ensayo de compresión uniaxial a la partícula de cuarzo #2: identificación
del primer evento de fractura

De esta manera, se puede calcular la energía de fractura específica 𝐸𝑚 y la energía de conminución

específica 𝐸𝑐𝑠 . Posteriormente, para determinar 𝐸𝑚𝑎𝑥 y 𝜎 2 se procede a ordenar, de manera
ascendente, las energías de fractura de cada partícula para todos rangos de tamaños. La Tabla 6.1
muestra los datos asociados al Rango 1 de tamaños para las muestras de cuarzo ensayadas.
 31

Tabla 6.1: Datos de energía de fractura de partículas para calcular la distribución de energía de fractura para
partículas de cuarzo contenidas en el Rango 1 de tamaños

Energía de fractura
Puntuación
Ranking de las partículas Percentil 𝒍𝒐𝒈(𝑬𝒎 )
normal
𝑬𝒎 [𝐉/𝐤𝐠]
1 6.4 3.6 -1.80 1.82
2 21.7 10.7 -1.24 3.08
3 48.0 17.9 -0.92 3.87
4 56.2 25 -0.67 4.03
5 61.7 32.1 -0.46 4.12
6 74.5 39.3 -0.27 4.31
7 79.6 46.4 -0.09 4.38
8 104.8 53.6 0.09 4.66
9 105.4 60.7 0.27 4.66
10 123.0 67.9 0.46 4.81
11 144.8 75 0.67 4.98
12 153.5 82.1 0.92 5.03
13 193.8 89.3 1.24 5.27
14 448.5 96.4 1.80 6.12

𝐸𝑚𝑎𝑥 corresponde a la máxima energía de fractura de la distribución, mientras que 𝜎 2 no se determinó

utilizando las ecuaciones (10) y (11), sino que se calculó como 10 elevado al valor medio de la
columna 𝑙𝑜𝑔(𝐸𝑚 ) de la Tabla 6.1. Este procedimiento se desarrolló para cada uno de los rangos de
tamaños seleccionados, y se muestran en la Tabla 6.2. Se aprecia que el valor de 𝜎 2 para el Rango 4
no está dentro de las recomendaciones de la Tabla 4.1.

Tabla 6.2. Ajuste de parámetros para el modelo de Tavares para partículas de cuarzo

Parámetro Rango 1 Rango 2 Rango 3 Rango 4

𝑬𝒎𝒂𝒙 [𝑱/𝒌𝒈] 448.5 183.5 119.4 72.2
𝝈𝟐 [(𝑱/𝒌𝒈)𝟐 ] 0.195 0.179 0.158 1.161
 32

Según se indica en la literatura expuesta, los valores de 𝐸𝑚𝑎𝑥 y 𝜎 2 ingresados a Rocky DEM deberán
ser los correspondientes al tamaño de la partícula que se desea simular.

Luego se calcula la mediana de las energías de fractura específicas 𝐸50 para cada rango de tamaños y
se ajustan los parámetros de la ecuación (9) mediante mínimos cuadrados. La Figura 6.2 muestra el
ajuste realizado a los datos obtenidos, en donde la norma del residuo es 398.8 [J/kg].

Figura 6.2: Ajuste de parámetros para la ecuación (9) mediante mínimos cuadrados

Los parámetros obtenidos a partir de este ajuste se presentan en la Tabla 6.3.

Tabla 6.3: Parámetros ajustados de la ecuación (9) para el modelo de Tavares para cuarzo

𝑬∞ [𝑱/𝒌𝒈] 𝒅𝟎 [𝒎𝒎] 𝝋
18.9 12.2 2.7
 33

Posteriormente, se grafica la distribución de tamaño de todas las partículas ensayadas para cada rango
de tamaños. Esto permite identificar aquellas muestras que no cumplen con el requisito indispensable
descrito en el procedimiento de calibración del apartado 4.3. Eliminando las muestras ensayadas que
no cumplen con el requisito, se obtiene la Figura 6.3 que ilustra lo mencionado. En un principio se
tenían 19 muestras de cuarzo ensayadas para el Rango 1 de tamaños, sin embargo, luego de quitar las
muestras que no eran válidas, sólo quedaron 9 ensayos efectivos. Esto es un indicio de que se necesita
realizar más ensayos, al menos, para este rango de tamaños, pues la cantidad de muestras válidas es
poco representativa dada la gran variabilidad de energías que detonan la fractura de minerales para un
mismo tamaño.

Figura 6.3: Distribución de tamaño del producto para partículas de cuarzo del Rango 1 válidas para la
calibración

La Tabla 6.4 muestra la cantidad de partículas ensayadas y cuantas de ellas son válidas en este análisis
para cada rango de tamaños. Los ensayos considerados válidos en este procedimiento no
necesariamente son las mismas utilizadas para el cálculo de los parámetros asociados a las ecuaciones
(9), (10) y (11).

Tabla 6.4: Ensayos válidos a muestras de cuarzo para cada rango de tamaños

Ensayos Rango 1 Rango 2 Rango 3 Rango 4

Realizados 19 26 16 6
Válidos 9 15 9 4
 34

Posterior a esto, se grafica el valor de 𝑡10 de cada ensayo válido y se ajustan los parámetros de la
ecuación (9), tal como lo muestra la Figura 6.4.

Figura 6.4: Valores de 𝒕𝟏𝟎 como función de la relación entre la energía aplicada sobre la mediana de la
distribución de energía de fractura de las partículas rotas y ajuste de los datos

De esta forma, los parámetros obtenidos a partir de este ajuste se presentan en la Tabla 6.5.

Tabla 6.5: Parámetros ajustados de la ecuación (14) para el modelo de Tavares

Parámetro Rango 1 Rango 2 Rango 3 Rango 4 Todos los

rangos
𝑨 [%] 2.35 3.23 4.69 748.5 3.10
𝒃′ 4.41 0.26 0.99 0.003 0.92

De igual forma que en el ajuste de anteriores parámetros, los valores de 𝐴 y 𝑏′ se escapan de los
abordados por la Tabla 4.1.

Finalmente, se pueden ajustar los parámetros de la función beta incompleta graficando los distintos
𝑡𝑛 valores ( 𝑛 = 2, 4, 25, 50 𝑦 75 ) en función de 𝑡10 para cada uno de los rangos de tamaños
 35

seleccionados. Así, la Tabla 6.6 muestra los parámetros 𝛼𝑛 y 𝛽𝑛 del modelo de distribución de tamaño
escogido.

Tabla 6.6: Parámetros para el modelo de distribución de tamaño para mineral de cuarzo

Parámetro Rango 1 Rango 2 Rango 3 Rango 4 Todos los

rangos
𝜶𝟐 /𝜷𝟐 2.07 / 40.10 0.92 / 5.27 0.06 / 0.69 2.69 / 65.47 -
𝜶𝟒 /𝜷𝟒 1.21 / 6.07 0.99 / 2.47 1.62 / 12.06 1.15 / 2.78 -
𝜶𝟐𝟓 /𝜷𝟐𝟓 - - 1.23 / 0.94 1.04 / 0.63 -
𝜶𝟓𝟎 /𝜷𝟓𝟎 - - 1.29 / 0.27 1.10 / 0.56 -
𝜶𝟕𝟓 /𝜷𝟕𝟓 - - - 0.43 -

6.2 Resumen calibración

La Tabla 6.7 muestra un resumen con los parámetros ajustados para los modelos presentados.

Tabla 6.7: Parámetros ajustados del modelo de Tavares a mineral de cuarzo

Parámetro Rango 1 Rango 2 Rango 3 Rango 4

𝑬𝒎𝒂𝒙 [𝑱/𝒌𝒈] 448.5 183.5 119.4 72.2
𝝈𝟐 [(𝑱/𝒌𝒈)𝟐 ] 0.195 0.179 0.158 1.161
𝜶𝟐 /𝜷𝟐 2.07 / 40.10 0.92 / 5.27 0.06 / 0.69 2.69 / 65.47
𝜶𝟒 /𝜷𝟒 1.21 / 6.07 0.99 / 2.47 1.62 / 12.06 1.15 / 2.78
𝜶𝟐𝟓 /𝜷𝟐𝟓 - - 1.23 / 0.94 1.04 / 0.63
𝜶𝟓𝟎 /𝜷𝟓𝟎 - - 1.29 / 0.27 1.10 / 0.56
𝜶𝟕𝟓 /𝜷𝟕𝟓 - - - 1.17 / 0.43

Los parámetros que comparten todos los rangos de tamaños se muestran en la Tabla 6.8.

Tabla 6.8: Parámetros compartidos por los rangos de tamaños para mineral de cuarzo

𝑬∞ [𝑱/𝒌𝒈] 𝒅𝟎 [𝒎𝒎] 𝝋
18.9 12.2 2.7
 36

Estos ajustes se escapan bastante de los presentados por ESSS en su Manual técnico para el uso de
Rocky DEM [22] y los que muestran en la última calibración realizada por Tavares y sus alumnos
tesistas [46], situación que era de esperar, debido a que la cantidad de ensayos válidos no se compara
a las que utilizó Tavares en su calibración, razón por la cual, no se está en condiciones de validar el
ajuste de presentado en este documento. De esta forma, el Capítulo 7 describe el procedimiento de
validación realizado en el desarrollo de la Memoria de Título de quien redacta.
 37

7CAPÍTULO 7: Procedimiento de validación

En este capítulo se describirá paso a paso el procedimiento a seguir para realizar la validación del
ajuste de parámetros del modelo de fractura y de distribución de tamaño seleccionados. Este proceso
se efectuará con ayuda del software Rocky DEM y consistirá en simular los ensayos experimentales
de compresión uniaxial y los ECCP (que fueron explicados en el apartado 5.1) para posteriormente
comparar los resultados de las simulaciones con los datos experimentales. La Figura 7.1 ilustra,
esquemáticamente, los componentes que se deben incorporar las simulaciones.

Figura 7.1: Esquema de los modelos DEM de ensayos a simular en Rocky: a) Compresión uniaxial a partículas
individuales y b) ECCP
 38

7.1 Implementación en Rocky DEM

El modelo numérico DEM que se debe desarrollar para validar la calibración de parámetros está
formado por los siguientes componentes:

• Modelo geométrico
• Movimiento de la geometría
• Modelo de contacto
• Modelo de fractura
• Modelo de distribución de tamaño del producto
• Forma de la partícula
• Propiedades de los materiales

Cada uno de estos se estudiará en los siguientes apartados. Se le recuerda al lector que el enfoque que
se le entregará a cada uno de estos componentes del modelo DEM será para simular los ensayos de
compresión mencionados.

Es importante mencionar que los modelos y parámetros de esta sección serán únicos a lo largo de toda
la validación, y sólo irá variando el tamaño de las partículas a ensayar. Con esto se logra tener los
mismos puntos de comparación para cada simulación.

7.1.1 Modelo geométrico

Para la simulación en Rocky DEM es necesario diseñar un modelo CAD de la máquina utilizada para
los ensayos. Este modelo puede ser simplificado como dos cuerpos que se comportan como una prensa
dentro de la simulación. La Figura 7.2 ilustra, esquemáticamente, la geometría del equipo que se
espera simular en Rocky. El modelo CAD se diseñó en el software Inventor 2022 student version. Los
planos de fabricación de cada una de las piezas involucradas en la simulación se presentan en el Anexo
A.
 39

Figura 7.2: Modelo CAD simplificado de los equipos para ensayos de compresión

7.1.2 Movimiento de la geometría

Al igual que en los ensayos, el plato de compresión se mantiene fijo a lo largo de toda la simulación,
mientas que la prensa es quien desciende verticalmente hasta generar la fractura de la partícula. La
velocidad con que la prensa se desplaza es un parámetro que no cambia durante el proceso, y
dependerá de la velocidad con la que se realizó el ensayo experimental. Para este caso particular, los
ensayos de compresión uniaxial a partículas individuales se realizaron con una velocidad de avance
de la prensa de 0.2 mm/min, mientras que para los ensayos en cama de partículas con una velocidad
de avance del pistón de mm/min. La Figura 7.3 muestra el movimiento de la geometría.
 40

Figura 7.3: Movimiento de la geometría

Por otro lado, el movimiento de las partículas se define mediante la integración de las ecuaciones de
Newton para los grados de libertad de rotación y traslación, según las ecuaciones (16) y (17).

𝑁
𝑑𝑣⃗𝑖
𝑚𝑖 = 𝑚𝑖 𝑔⃗ + ∑ 𝐹⃗𝑖𝑗 (16)
𝑑𝑡
𝑗=1

𝑁
𝑑𝜔⃗⃗𝑖
𝐼𝑖 ⃗⃗𝑖𝑗
= ∑𝑇 (17)
𝑑𝑡
𝑗=1
 41

Donde 𝑚𝑖 es la masa de la partícula 𝑖, 𝑣⃗𝑖 es su velocidad, 𝐹⃗𝑖𝑗 es la fuerza de contacto que ejerce la

partícula 𝑗 sobre la partícula 𝑖, 𝐼𝑖 es la inercia de la partícula 𝑖, 𝜔 ⃗⃗𝑖𝑗

⃗⃗𝑖 es su velocidad de rotación y 𝑇
es el momento de contacto.

7.1.3 Modelo de contacto

En la simulación, las partículas entran en contacto entre sí y con las superficies de los equipos de
compresión. Los modelos de contacto que se usarán en la simulación serán los que utiliza Tavares en
su última calibración [46], los cuales son hysteretic lineal spring para el modelo de contactor normal,
y linear sping Coulomb limit para el modelo de contacto tangencial. Estos modelos fueron
seleccionados considerando que los modelos spring-dashpot y Hertz- Mindlin (también presentes en
Rocky) se basan en la disipación viscosa de energía, enfoque que no es adecuado para este tipo de
simulaciones. Dado que el modelo hysteretic lineal spring no presenta este problema, pues su
disipación es plástica, se justificó su selección [46].

El uso de este tipo de modelos conlleva la determinación de algunos parámetros propios del contacto
entre superficies, los que se detallan en la Tabla 7.1. Estos datos también fueron extraídos del trabajo
de calibración mencionado.

Tabla 7.1: Parámetros del modelo de contacto

Tipo de contacto
Parámetro
Partícula/Partícula Partícula/Acero Acero/Acero
Roce estático 0.8 0.5 0.3
Roce dinámico 0.8 0.5 0.3
Relación de rigidez
1 1 1
tangencial
Coeficiente de
0.3 0.3 0.3
restitución

• Modelo de contacto normal: Hysteretic lineal spring [66]

La implementación de este modelo de contacto en Rocky es dependiente del tiempo y se describe
según el siguiente conjunto de ecuaciones.
 42

𝑚í𝑛(𝐾𝑛𝑙 𝑠𝑛𝑡 , 𝐹𝑛𝑡−Δt + 𝐾𝑛𝑢 Δs𝑛 ) 𝑠𝑖 Δs𝑛 ≥ 0

𝐹𝑛𝑡 ={ 𝑡−Δt 𝑡 𝑡)
(18)
(
𝑚á𝑥 𝐹𝑛 + 𝐾𝑛𝑢 Δs𝑛 , 𝜆𝑠𝑛 , 𝐾𝑛𝑙 𝑠𝑛 𝑠𝑖 Δsn < 0

Δs𝑛 = 𝑠𝑛𝑡 − 𝑠𝑛𝑡−Δ𝑡 (19)

Donde

∙ 𝐹𝑛𝑡 y 𝐹𝑛𝑡−Δt son las fuerzas de contacto elastoplásticas en el tiempo 𝑡 y en el tiempo previo 𝑡 −
Δ𝑡 respectivamente, donde 𝛥𝑡 es el paso de tiempo.
∙ Δsn es el cambio en el traslado normal durante el paso de tiempo. Este es positivo cuando las
partículas se acercan y negative cuando ellas de separan.
∙ 𝑠𝑛𝑡 y 𝑠𝑛𝑡−Δt son los valores de traslapo noral para un tiempo dado y el tiempo previo,
respectivamente.
∙ 𝐾𝑛𝑙 y 𝐾𝑛𝑢 son los valores de rigidez de contacto de carga y descarga, respectivamente
∙ 𝜆 es constante adimensional. Su valor en Rocky DEM es 0.001. La parte de la expresión en la
que está activa esta magnitud asegura que, durante la descarga, la fuerza normal volverá a cero
cuando la superposición disminuye a cero.

• Modelo de contacto tangencial: linear sping Coulomb limit [22]

La fuerza tangencial en este modelo es puramente elástica y su valor en el tiempo 𝑡 está dado por

𝑡 𝑡−𝛥𝑡
𝐹𝜏,𝑒 = 𝐹𝜏,𝑒 − 𝐾𝜏 𝛥𝑠𝜏 (20)

Donde

∙ 𝑡
𝐹𝜏,𝑒 es la fuerza tangencial
∙ 𝑡−𝛥𝑡
𝐹𝜏,𝑒 es la fuerza tangencial en el momento anterior
∙ 𝛥𝑠𝜏 es el desplazamiento tangencial relativo durante el paso de tiempo
∙ 𝐾𝜏 es la rigidez tangencial definida como

𝐾𝜏 = 𝑟𝐾 𝐾𝑛𝑙 (21)

Donde 𝑟𝐾 es la razón de rigidez tangencial y 𝐾𝑛𝑙 es la rigidez moral de carga definida por

1 1
+ Para contacto entre partículas
1 𝐾𝑛𝑙,𝑝1 𝐾𝑛𝑙,𝑝2
= (22)
𝐾𝑛𝑙 1 1
+ Para contacto partícula − frontera
{ 𝐾𝑛𝑙,𝑝 𝐾𝑛𝑙,𝑏
 43

Se debe considerar que, en este modelo, la fuerza tangencial no puede exceder el límite de Coulomb.
De esta forma, la expresión completa para la fuerza tangencial es

𝑡
𝐹𝜏,𝑒
𝐹𝜏𝑡 = 𝑡 |,
𝑚í𝑛(|𝐹𝜏,𝑒 𝜇𝐹𝑛𝑡 ) 𝑡 | (23)
|𝐹𝜏,𝑒

Donde

∙ 𝐹𝑛𝑡 es la fuerza normal de contacto en el tiempo 𝑡

∙ 𝜇 es el coeficiente de roce, dado por
𝜇 Para contacto sin deslizamiento
𝜇={ 𝑠 (24)
𝜇𝑑 Para contacto con deslizamiento

Donde 𝜇𝑠 y 𝜇𝑑 son el coeficiente de roca estático y dinámico, respectivamente. En el software se

considera que el deslizamiento tiene lugar en el contacto la primera vez que la magnitud de la fuerza
𝑡 |
tangencial |𝐹𝜏,𝑒 excede el límite de 𝜇𝑠 𝐹𝑛𝑡 . Una vez que la fuerza cae por debajo del valor de 𝜇𝑠 𝐹𝑛𝑡 , el
contacto se considera no deslizante nuevamente.

• Detección del contacto [22]

Previo al cálculo de fuerzas debido a las interacciones, Rocky determina la proximidad entre cuerpos
para identificar los posibles contactos existentes. Las operaciones de detección se realizan en 2 etapas,
en la primera se ellas Rocky detecta las partículas que están más cerca de cada partícula en operación,
denominadas partículas vecinas. El software identifica a los vecinos de una partícula a todos aquellos
cuerpos que estén a una distancia menor a un valor predeterminado 𝜀, tal como lo muestra la Figura
7.4.

En la segunda etapa se examinan los pares de partículas vecinas o los límites de las partículas para
determinar los parámetros geométricos característicos de los modelos de contacto físico. Dado que se
considera la forma real de cada partícula, la complejidad de los cáclulos dependerá del tipo de
partículas que se emplearán en la simulación. Por ejemplo, la aplicación de los modelos de contacto
para partículas poliédricas son bastante complicados, puesto que el contacto se puede dar entre vértice
y vértice, vértice y borde, vértice y cara, borde y borde, borde y cara y también de cara a cara. Esto se
aprecia en la Figura 7.5 a). Si se una partícula tuviera una superficie cóncava o convexa se añaridían
complejidades adicionales, puesto que se agregarían otros tipos de contacto.
 44

Figura 7.4. Vecindario de una partícula en Rocky (Fuente [22])

a) b)
Figura 7.5 a) Detección de contacto entre partículas poliédricas y b) Superposición de las normales (Fuente [22])

El contacto físico entre partículas o partículas-frontera surge cuando la distancia calculada entre los
cuerpos sea negativa (traslapo). Esta distancia es la superposición de las normales, tal como se muestra
en la Figura 7.5 b), las cuales son necesarias para el cálculo de fuerzas de contacto
 45

7.1.4 Modelo de fractura

Como es de esperar, en la simulación se deberá utilizar el modelo de ruptura de Tavares. Los
parámetros que se deberán ingresar a Rocky son los planteados en la Tabla 7.2, la cual muestra los
parámetros que se obtuvieron en la calibración del apartado 6.1.

Tabla 7.2: Parámetros del modelo de fractura para minerales de cuarzo y gravilla

Parámetro Valor
𝑬∞ [𝑱/𝒌𝒈] 213.5
𝒅𝟎 [𝒎𝒎] 8.07
𝝋 1.22
𝝈 0.799
𝜸 5.0
𝑨 [%] 67.7
𝒃′ 0.029

7.1.5 Modelo de distribución de tamaño del producto

De la misma forma, la Tabla 7.3 muestra los parámetros ajustados al modelo de la función beta
incompleta, la cual caracteriza el modelo de distribución de tamaño. Estos parámetros son los
calibrados en el apartado 6.1.

Tabla 7.3: Parámetros del modelo de distribución de tamaño del producto para minerales de cuarzo y gravilla

Parámetro Valor
𝜶𝟏.𝟐 /𝜷𝟏.𝟐 0.51/11.95
𝜶𝟏.𝟓 /𝜷𝟏.𝟓 1.07/13.87
𝜶𝟐 /𝜷𝟐 1.01/8.09
𝜶𝟒 /𝜷𝟒 1.08/3.03
𝜶𝟐𝟓 /𝜷𝟐𝟓 1.03/0.36
𝜶𝟓𝟎 /𝜷𝟕𝟓 1.03/0.3
 46

7.1.6 Forma de la partícula

La geometría de la partícula se eligió para imitar la forma de una partícula real. Para evitar introducir
discrepancias más allá de las propiedades del material, se considerará que en todas las simulaciones
la muestra simulada tendrá la misma forma. La Tabla 7.4 resume los parámetros adoptados para definir
la forma de la partícula.

El tamaño mínimo de partícula producto será definido por el usuario en función del grado de exactitud
que desee en los resultados de la simulación. Valores pequeños para este parámetro entrega mejores
resultados en la distribución de tamaño del producto, pero aumenta significativamente los recursos
computacionales. Utilizando valores grandes, en proporción, producirá la situación contraria, mala
calidad de resultados, pero a menor costo computacional. Para la validación, se considerarán
parámetros fijos para todas las simulaciones, siendo el tamaño de la partícula el único parámetro que
variará en función del tamaño de la muestra que se desea simular.

Tabla 7.4: Parámetros que describen la forma de la partícula en las simulaciones

Parámetro Valor
Forma de la partícula Poliédrica
Número de esquinas 25
Grado supercuadrático 3.0
Relación de aspecto vertical 0.8
Relación de aspecto horizontal 1
Tamaño mínimo de partícula [mm] -

La Figura 7.6 muestra una partícula cualquiera generada en el software.

Figura 7.6: Partícula generada en Rocky DEM

 47

7.1.7 Propiedades de los materiales

En la Tabla 7.5 se muestran propiedades de los materiales que se pueden utilizar para la simulación.
Algunos datos fueron extraídos de la calibración de Tavares [46], mientras que el módulo de
elasticidad se ajustó considerando que el del acero (frontera) es, al menos, 10 veces superior al de la
partícula [30]. Esta situación es normal que ocurra en este tipo de simulaciones, incluso los módulos
de Young utilizados en DEM pueden ser inferiores a los reales [67].

Tabla 7.5: Propiedades de los materiales

Parámetro Mineral de cobre Acero

Módulo de elasticidad [MPa] 100 1000
Coeficiente de Poisson 0.3 0.3
Densidad [kg/m3] 2930 7850

7.2 Parámetros operacionales

A continuación, se describen parámetros adicionales que requerirán las simulaciones.

7.2.1 Alimentación de la prensa

El flujo másico de ingreso de partículas a través del inlet permitirá la entrada de sólo una de ellas,
independiente del tamaño especificado por el usuario. Con esto se logra simular los ensayos de
compresión uniaxial a partículas individuales. La Figura 7.7 ilustra esquemáticamente la caída de la
partícula a través del inlet.
 48

Figura 7.7: Ingreso de la muestra a simular

7.2.2 Granulometría de alimentación

El tamaño de la partícula que ingresará a través del inlet, como se mencionó, deberá ser ingresada por
el usuario en función de la simulación del rango de tamaño específico que se desea simular para
validar. La forma de la partícula se define según el apartado 7.1.6.
 49

8CAPÍTULO 8: Validación del ajuste

A
A
A
A
A
Aa
 50

9CAPÍTULO 9: Conclusiones

9.1 Conclusiones
En el presente informe se desarrolla una calibración de parámetros del modelo de fractura de Tavares
[25] y para la función beta incompleta para minerales de cuarzo y gravilla, en base al manual técnico
de Rocky [22]. El ajuste se realiza con el fin de ser utilizado en simulaciones de un modelo DEM de
chancador de cono que se encuentra el proceso de validación [24].

De la realización de este trabajo se desprenden las siguientes conclusiones y aspectos importantes:

1. Se programó un algoritmo capaz de ajustar algunos de los parámetros del modelo de ruptura
de Tavares.
2. Se necesita realizar más ensayos para efectuar una correcta calibración.
3. Los datos registrados de los ensayos experimentales serán útiles para próximos estudios
relacionados a los modelos de rotura.

9.2 Perspectivas
Se espera que el trabajo futuro a realizar se enfoque en calibrar todos los parámetros del modelo de
Tavares para minerales de cuarzo y gravilla. De esta forma, las próximas tareas a realizar se describen
a continuación:

1. Completar la cantidad de ensayos válidos para muestras de cuarzo.

2. Realizar ensayos a partículas de gravilla.
3. Realizar calibración para parámetros faltantes (parámetros asociados al daño de la partícula).
4. Validar la calibración de parámetros del modelo de fractura de Tavares para cada uno de los
minerales en cuestión.

Por su parte, la realización de este trabajo se comporta como una primera aproximación a los
denominados Modelos de Ruptura, los cuales serán analizados en mayor profundidad por el autor de
este informe durante el desarrollo de sus tesis de Magíster, en donde se realizará una caracterización
de la resistencia a la fractura de minerales para su aplicación en modelos de conminución.
 51

Referencias

[1] SERNAGEOMIN, “A l í Ch l ,” .

[2] .T l , “A ál q h g l é l
,” .

[3] C. Z b l , “Plan de mantenimiento preventivo basado en RCM para el chancador primario

ll , p ó M ,” 8.

[4] A. G ö hl, G. A bjö , E. H l hé , & M. E , “D g h

g g gp w w ,” Minerals Engineering, vol. 127, no. July, pp.
15–21, 2018, doi: 10.1016/j.mineng.2018.07.008.

[5] B. Cl , G. B , .L p , & B. H ,“ g App h C C h

Operation Follow-up Pragmatic Approach for Cone Crusher Operation Follow- p,” 2015.

[6] R. A. B , R. W. B l y, & A. H h k, “ p w p p
z h g,” Minerals Engineering, vol. 4, no. 12, pp. 1243–1256, 1991, doi:
10.1016/0892-6875(91)90170-Z.

[7] A. Gupta & D. Yan, Mineral processing design and operations. 2006.

[8] M. L q , “E gy p p h g k,” Minerals

Engineering, vol. 21, no. 9, pp. 631–641, 2008, doi: 10.1016/j.mineng.2007.11.013.

[9] M. L q & C. M. E , “I p d flow- A p l h ,”

Minerals Engineering, vol. 17, no. 11–12, pp. 1217–1225, 2004, doi:
10.1016/j.mineng.2004.06.028.

[10] .T l , “N q p l p á h p
el mejoramiento d l ñ y p ó ,” .

[11] C. M. E , “M ll g l w h ,” Minerals Engineering, vol. 12, pp.

1479–1499, 1999.

[12] S. S & J. . S , “N w h h l gy l p
,” Minerals Engineering, vol. 3, pp. 83–103, 1990.
 52

[13] R. L , B. Sh , G. L , & H. Y , “I l p g h g h b
gy p h ,” Energies, vol. 11, no. 5, pp. 1–16, 2018, doi:
10.3390/en11051102.

[14] C. Zhang, G. D. Ng y , & J. K k , “A ppl b k g h p g

energy- z l hp ,” Powder Technology, vol. 287, pp. 121–
130, 2016, doi: 10.1016/j.powtec.2015.09.040.

[15] J. Q & C. M. E , “C h ll g l g DEM,” Minerals

Engineering, vol. 85, pp. 92–105, 2016, doi: 10.1016/j.mineng.2015.11.004.

[16] A. K l , H. O , C. R h , E. R , & . Sz z l , “C pl l
system simulation for the determination of load assumptions for heavy duty drives on the
x pl p y h ,” 6.

[17] . W. Cl y, M. D. S , R. D. M , S. C , & G. W. D l y, “A ly
crusher performance with changes in material properties and op g g DEM,”
Minerals Engineering, vol. 100, pp. 49–70, 2017, doi: 10.1016/j.mineng.2016.10.005.

[18] M. J h , J. Q , M. E , & E. H l hé , “C h p l
using DEM simulations and laboratory experiment l l ,” Minerals
Engineering, vol. 103–104, pp. 93–101, 2017, doi: 10.1016/j.mineng.2016.09.015.

[19] . . A é & L. M. T , “S l g l b y-scale cone crusher in DEM using

p lyh l p l ,” Powder Technology, vol. 372, pp. 362–371, 2020, doi:
10.1016/j.powtec.2020.06.016.

[20] A. R h , J. Agh z hM h , & B. R z , “D l l g p g

b k g b h gy gl p l j w h ,” International
Journal of Mineral Processing, vol. 94, pp. 83–91, 2010.

[21] M. L q & C. M. E , “D l p w l h ,” Wear, vol.

261, no. 3–4, pp. 435–442, 2006, doi: 10.1016/j.wear.2005.12.010.

[22] E. R ky DEM, “DEM T h lM l 4.4. ,” pp. 4–13, 2021.

 53

[23] N. Jiménez-H , G. K. . B , & L. M. T , “C p b k g l

DEM l g p p l b ,” Advanced Powder Technology, vol. 29, no. 3, pp.
692–706, 2017, doi: 10.1016/j.apt.2017.12.006.

[24] F. Pon , “M l h l é l ,” .

[25] L. M. T , “M l g p l b k g ppl h y h l
h lp g ,” D l h ,U y U h, 997.

[26] D. O. y y & . A. C ll, “A b -p l l k,” International Journal of

Rock Mechanics and Mining Sciences, vol. 41, no. 8 SPEC.ISS., pp. 1329–1364, 2004, doi:
10.1016/j.ijrmms.2004.09.011.

[27] D. H. Nguyen, E. Azéma, P. Sornay, & F. R j , “B - ll l p l ,”

Physical Review E - Statistical, Nonlinear, and Soft Matter Physics, vol. 91, no. 2, pp. 1–9,
2015, doi: 10.1103/PhysRevE.91.022203.

[28] G. K. P. Barrios, L. M. Tavares, & J. Pérez- , “DEM S l Bed Particle

C p U g Th l R pl M l,” Proceedings of the 14th European
Symposium on Comminution and Classification, no. July 2016, pp. 59–63, 2015.

[29] R. M. C lh & L. M. T , “Predicting the effect of operating and design variables

b k g g h h b ll ll l,” Minerals Engineering, vol. 43–44,
pp. 91–101, 2013, doi: 10.1016/j.mineng.2012.09.008.

[30] . .A é, “ l ppl b k ge model in the discrete element method

h gh h l y ,” 9.

[31] A. Salman, M. Ghadiri, & M. Hounslow, Handbook of powder technology: Particle breakage.
2007.

[32] R ky DEM, “T B k g M lD p &C lb G l ,” pp. –14.

[33] R. M. C lh & L. M. T , “M h ll g - g g g,” .

[34] L. M. T & R. . K g, “M l g p l by p p g
g h ,” Powder Technology, vol. 123, no. 2–3, pp. 138–146, 2002,
doi: 10.1016/S0032-5910(01)00438-7.
 54

[35] L. M. T & R. . K g, “M h l -deformation response from impact-

b k g p l ,” International Journal of Mineral Processing, vol. 74, no. SUPPL., 2004.
doi: 10.1016/j.minpro.2004.07.017.

[36] L. M. T & R. M. C lh , “M l gb k g p l b ll ll ,”
Minerals Engineering, vol. 22, no. 7–8, pp. 650–659, 2009, doi:
10.1016/j.mineng.2009.03.015.

[37] F. P. André, A. p , C. M l k , & L. M. T , “S l gl p l b k g

using non- p l R ky D ,” IMCET 2019 - Proceedings of the 26th International
Mining Congress and Exhibition of Turkey, no. October, pp. 981–990, 2019.

[38] J. g , “A ál N é -Experimental De La Influencia De Los Lifters Y Las

Condiciones De Operación En La Dinámica De La Carga Y Los Requerimientos De Potencia
D M l R D L I M ,” 9.

[39] W. W b ll, “A S lD b W Appl b l y,” Journal of Applied

Mechanics, vol. Vol. 18, pp. 293–297, 1951.

[40] M. M D w ll & A. A , “Th pl W b ll h lp l ,”

Soils and Foundations, vol. 40, no. 5, pp. 133–141, 2000.

[41] H. L , G. M D w ll, & I. L w , “D l ll g k h ,”

Powder Technology, vol. 263, pp. 151–158, 2014, doi: 10.1016/j.powtec.2014.05.004.

[42] L. g l & W. k ,“ gl p l p b h ll g p ll ,”
Chemical Engineering Science, vol. 60, no. 18, pp. 5164–5176, 2005, doi:
10.1016/j.ces.2005.03.064.

[43] . Sh & T. K j ,“ l l p b k g p gp l z
,” International Journal of Mineral Processing, vol. 82, no. 3, pp. 156–163, 2007, doi:
10.1016/j.minpro.2006.09.006.

[44] E. C , “D ,” .

[45] H. I , M. I , & K. M , “ D g h L g G y I
Appl .,” SIAM Journal on Computing, vol. 14, no. 1, pp. 93–105, 1985, doi:
10.1137/0214006.
 55

[46] L. M. T , . .A é, A. p , & C. M l k , “A p g b k g l
l g p lyh lp l ,” Powder Technology, vol. 362, Elsevier B.V., pp. 208–
220, 2020. doi: 10.1016/j.powtec.2019.12.007.

[47] M. M , .T l , .B , & C. G. R íg z, “T q ly gy y
h w h h l h ,” Minerals, vol. 11, no. 8, pp. 1–28, 2021, doi:
10.3390/min11080878.

[48] M. S h , “M ll g z kl g p lw z b h ,” .

[49] D. C , E. Azé , .S y, & . R j , “Th -dimensional bonded-cell model for grain

g ,” Computational Particle Mechanics, vol. 4, no. 4, pp. 441–450, 2017, doi:
10.1007/s40571-016-0129-0.

[50] M. J , “Th - h y h ,” Computer Methods in Applied

Mechanics and Engineering, vol. 177, no. 3–4, pp. 235–257, 1999, doi: 10.1016/S0045-
7825(98)00383-1.

[51] . R j & . R h , “C y h l h ,”
Mechanics of Materials, vol. 41, no. 6, Elsevier Ltd, pp. 715–728, 2009. doi:
10.1016/j.mechmat.2009.01.028.

[52] L. M. T , “R w h l l S gl -p l B k g M l,”
KONA Powder and Particle Journal, no. August, pp. 1–22, 2022, doi: 10.14356/kona.2022012.

[53] E. k , .K l , G. B z , & K. K , “G gk l g
lp l z h p gh lk l l ,” Minerals, vol. 9,
no. 11, 2019, doi: 10.3390/min9110714.

[54] R. P. King, Modeling and simulation of mineral processing systems, 1st ed. Utah: Butterworth-
Heinemann, 2001. doi: https://doi.org/10.1016/C2009-0-26303-3.

[55] L. M. T , “Op p l b k g by p ,” Powder Technology, vol.

142, no. 2–3, pp. 81–91, 2004, doi: 10.1016/j.powtec.2004.03.014.

[56] T. Allen, Powder sampling and particle size determination. Amsterdam: Elsevier Science,
2003.
 56

[57] A. T ş & T. T ş , “A p y SD l h
by ,” Particle and Particle Systems Characterization, vol. 26, no.
1–2, pp. 69–79, 2009, doi: 10.1002/ppsc.200800035.

[58] G. K. P. Barrios, R. M. de Carvalho, & L. M. T , “M l gb k g p

p l b ,” Minerals Engineering, vol. 24, no. 3–4, pp. 308–318, 2011, doi:
10.1016/j.mineng.2010.09.018.

[59] B. B g , C. S ll b g , & W. M h ll, “E gy p gl p l h g,”

Trans, vol. 220, pp. 367–372, 1961.

[60] . Sz z l & . R z, “D l p h kj w h K pp ö h k-
Quantitative characterization of rock properties. Aufbereitungs-T h k,” Mineral Processing,
vol. 43, pp. 28–31, 2002.

[61] L. S k g, H. H h , & S. Y h , “B k g b h p l b l
l l ,” Powder Technology, vol. 61, no. 1, pp. 51–57, 1990, doi: 10.1016/0032-
5910(90)80065-7.

[62] G. U l & . Sz z l , “C h g b l k by p ,” International

Journal of Mineral Processing, vol. 74, no. SUPPL., pp. 209–217, 2004, doi:
10.1016/j.minpro.2004.07.030.

[63] A. p , R. Bh w j, & . R zk ll , “B k g ll g,” 5.

[64] J. D k , “Th pl beta function - h lp l ,” l. 4, 98 .

[65] D. E. Z b , “C l b ó p á l l T p l
z ,” .

[66] O. R. W l & R. L. B , “ y, g l ‐temperature, and stress calculations for

h g bl l , l k ,” Journal of Rheology, vol. 30, no. 5, pp. 949–
980, 1986, doi: 10.1122/1.549893.

[67] S. L , D. S h , & G. L w jk , “DEM speedup: Stiffness effects on behavior of bulk

l,” Particuology, vol. 12, no. 1, pp. 107–112, 2014, doi: 10.1016/j.partic.2013.03.006.
 57

Anexo A: Planos de fabricación

Los planos de fabricación de los platos y prensas utilizados para simular los ensayos de compresión
se muestran en las Figuras A.1 y A.2.

a) b)
Figura A.1: Planos de fabricación para simulación de piezas de ensayos de compresión uniaxial: a) Prensa y b)
Plato
 58

a) b)
Figura A.2: Planos de fabricación para simulación de piezas de ECCP: a) Prensa y b) Plato