MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 575 / AGOSTO 2025 83 Por: Aaron Aponte, Universidad Nacional Agraria La Molina; Elizbeth Champi, Universidad Nacional de San Agustín; Esmelin Ocón, Universidad Nacional de Cajamarca; Isabel Vicente, Universidad Nacional Daniel Alcides Carrión; Milton Cutipa, Universidad Nacional Jorge Basadre Grohmann, y Víctor Espinoza, Pontificia Universidad Católica del Perú. Mining engineering contributes through a blending strategy that combines materials with different mineralogies to stabilize the process. On the metallurgical side, the use of Jameson cells is reviewed, as they enhance separation kinetics and reduce entrainment. From an environmental standpoint, the benefits of applying the proposed strategies in Cu-Mo flotation are assessed, focusing on reduced water and energy consumption, as well as minimized use of reagents. Resumen Este artículo propone estrategias multidisciplinarias para mitigar la sobreespumación en la flotación Cu–Mo, un problema frecuente en yacimientos tipo pórfido-skarn con alta presencia de filosilicatos hidrofóbicos como talco, serpentinas o cloritas, que generan espumas inestables afectando la recuperación y la calidad del concentrado. Desde la geología, se plantea un modelo geometalúrgico predictivo basado en el concepto de “roca total” y la caracterización tanto física como mineralógica de los filosilicatos, permitiendo clasificar y segregar bloques problemáticos antes de su ingreso a planta. Por su parte, la ingeniería de minas contribuye mediante una estrategia de blending, que combina materiales con distinta mineralogía para estabilizar el proceso. En el ámbito metalúrgico, se revisa el uso de celdas Jameson, que mejoran la cinética de separación y reducen el arrastre. Desde la perspectiva ambiental, se evalúa los beneficios de aplicar las estrategias propuestas en la flotación Cu–Mo, enfocándose en la reducción del consumo de agua y energía, así como la minimización del uso de reactivos. Finalmente, se desarrolla un modelo predictivo con Machine Learning (Random Forest), el cual, alimentado con variables geológicas, operativas y ambientales, logra anticipar evenTrabajo ganador de la IV Cantera de Talentos para la Minería del IIMP.
RkJQdWJsaXNoZXIy MTM0Mzk2