Resumen
La calidad del Sínter de Níquel, producto final de la Empresa Comandante Ernesto Che Guevara
(Punta Gorda), se ha visto afectada en los últimos años, se sospecha que una de las posibles causas
sea la granulometría del Oxido de Niquel, por lo que ha sido necesario aumentar el conocimiento del
proceso hasta la obtención de este óxido. En el trabajo se realiza un estudio estadístico multivariado
con el fin de determinar la influencia, de la composición físico-química del carbonato básico de
Níquel, de los parámetros de operación en la planta de Recuperación de Amoniaco y del horno de
calcinación, sobre la granulometría del óxido de Níquel. En el estudio se pretendió además clasificar
la granulometría de dicho óxido en clases de comportamientos y caracterizarla por sus variables.
Como método de diagnóstico estadístico se realizó un Análisis en Componentes Principales (ACP) y
de clasificación por la metodología PRESTA, utilizando el soft SPAD versión 3.5. En el presente
trabajo se pretende básicamente mostrar la potencia del ACP en el diagnóstico estadístico de
problemas en la industria, se prescinde de la identidad de una gran parte de las variables del proceso,
solo se identifican las básicas del diagnóstico realizado que son necesarias para las conclusiones
fundamentales del análisis, esto se hace por razones de discreción con la información sensible del
proceso.
Palabras Claves: Estadística Multivariada, Componentes Principales, cluster análisis, Diagnostico
Estadístico, Oxido de Níquel, granulometría, Proceso CARON.
Método de estudio
Para caracterizar la forma en que influyen sobre la composición granulométrica del óxido de níquel,
los parámetros de cada operación antes de la calcinación y la composición química del carbonato y
el sulfuro, se decidió realizar un estudio estadístico multivariado a los datos obtenidos de muestras
extraídas del proceso (Ferrer, R. et al. 1992), garantizando una cantidad de estas suficiente para
aproximar la distribución muestral a la Normal (Ivchenko. G.I., Y.I. Medvediev.1984), se exigió no
menos 30 muestras (M Spiegel, M.R. 1992), las variables para las que no se logre este número de
datos se le probará la bondad de ajuste a la distribución normal con las pruebas Chi–cuadrado y
Kolmogorov-Smirnov (Ivchenko. G.I., Y.I. Medvediev.1984). En el caso que se presenta, fue
corroborada la normalidad para todas las variables probadas.
De acuerdo con los objetivos que se han fijado y el tamaño del conjunto de datos, se realizará un
Análisis en Componentes Principales (ACP). En el ACP (Crivisqui, 27/4/2002) el conjunto de datos
se representa en un sistema de coordenadas, que garantiza en cada plano la máxima representación
3
Obtenido a partir de la calcinación de una mezcla cuyo contenido fundamental es carbonato básico de níquel (CBNi) y en menor proporción sulfuro
de Ni+Co
La explicación de los demás grupos está incluida en la relación con los grupos del 1-4. Las
correlaciones entre los grupos han indicado la forma del comportamiento de los datos estudiados, de
esta manera se caracteriza el comportamiento de las variables del proceso durante el periodo
estudiado.
Análisis de los Individuos (Turnos)
Para completar el análisis y cumplimentando el segundo objetivo, se realizó el estudio de
clasificación, se obtuvieron tres clases fundamentales de individuos, cada una de las cuales
caracteriza un estado diferente del proceso, durante en el periodo estudiado.
En el gráfico 2 cada clase se muestra enmarcada en un rectángulo con un color que las caracteriza,
los turnos que por su comportamiento deben pertenecer a otra clase, están circundados con una línea
continua y cerrada, con el color de los puntos que diferencia a la clase que según el análisis
realizado por los autores estos debían pertenecer. Este análisis se realiza a partir de los datos de
origen, la lectura de los gráficos de las variables y de los individuos.
Cada una de las clases está caracterizada por un grupo de variables que definieron su agrupamiento
particular. El método de selección es una prueba de hipótesis que valora su significación en cada
clase con respecto al total de los datos. Por tanto la significación de las variables en la formación de
cada clase depende de la prueba de hipótesis realizada. Los turnos contenidos en cada clase se
muestran en la Tabla Nº 2.
Tabla Nº 2 Clases.
Clase 1 Clase 2 Clase 3
No Turno No Turno No VAR.
1 18_3 1 27_1 1 21_2
2 19_2 2 23_3 2 21_3
3 20_3 3 25_1 3 21_1
4 20_2 4 27_3 4 23_1
5 19_3 5 25_3 5 23_2
6 19_1 6 26_3 6 22_1
7 20_1 7 24_1 7 22_3
8 18_2 8 25_2 8 22_2
9 18_1 9 24_2
10 27_2
Las variables se dan en una tabla ordenada según el valor de la prueba de hipótesis realizada, esta
tabla contiene la distancia de cada individuo al centro de masa de la nube de puntos, la media y la
desviación de cada variable para todos los datos y para la clase en específico.
Primera Clase
La primera clase esta caracterizada por las variables que se muestran en la Tabla N 3. Esta clase
esta compuesta por turnos que presentan, comportamiento heterogéneo, o sea, buenos, regulares y
malos. La intercalación de turnos con diferentes comportamientos en la primera clase, puede estar
relacionada con la baja contribución que tienen una gran parte de los individuos de esta clase en el
Conclusiones
Se ha realizado un análisis de correlación multivariada y una clasificación o análisis cluster basados
en un ACP, del cual se ha podido descartar a partir del análisis de regresión las variables que
favorecen la aparición de fracciones finas, y fracciones gruesas, o sea:
La aparición de fracciones finas está favorecida por el aumento de los valores en las variables V26,
V14,V24 y la disminución de los valores en las variable V31, V62,V12, V50, V65, V18, V23, V45
y V53. La aparición de fracciones gruesas la favorece el aumento de los valores en las variables
V33, V34, V62 y la disminución de los valores en las variables V17, V58, V59, V55, V26, V14 y
V15.
La clasificación en tres clases, coinciden prácticamente con el comportamiento del óxido observado
durante el estudio y se determinaron las variables que caracterizan a cada clase. Por tanto la
clasificación muestra también su veredicto, ya que la clase 2 aporta otro grupo de variables que
inciden en el mal comportamiento de la granulometría del óxido. Estas son V49, V19, V20, V28,
V23, con valores medios en la clase mayores que su media en toda la muestra, esto indica que el
aumento de ellas favorece el mal comportamiento en la calidad del óxido. En caso contrario si
analizamos las variables que caracterizan la clase 3, compuesta por turnos con una buena calidad en
el óxido, se tiene que, las variables V31, V61, V54, V62, V64, V56, V50, presentan valores
promedios de clase ligeramente superiores al promedio general de la muestra y las variables V59,
V57, V15, V17, V14, V21, V35, V58, V28 y V22, tienen valores promedios de clase ligeramente
inferiores al valor de la muestra. Con esta información y la aportada por la correlación del ACP,
consideramos que el manejo de estos parámetros puede ser parte de la combinación necesaria para
obtener un buen óxido.
La variable V33 no presenta diferencias entre la clase y la muestra en cuanto a sus valores
promedios, así sucede con otras variables que no se analizan aquí pero que forman parte de la clase
3, sin embargo esta variable como las otras subrayadas se reiteran en ambos análisis (correlación y
clasificación), como variables que tienen influencia en la aparición de buenas calidades en el óxido,
en sus combinaciones.
Se establecieron las correlaciones entre las variables que expresan la composición química del
Carbonato Básico de Níquel, los gases en la calcinación, los parámetros de operación de la planta de
recuperación de NH3 y del horno de calcinación con las diferentes fracciones granulométricas y
variables que las expresan. Se clasificó el óxido en tres clases que coincidieron con los tres tipos de
calidades según la granulometría y se verificó el comportamiento de las variables en cada uno de los
grupos obtenidos.
Bibliografía
1. Crivisqui, Eduardo 27/4/2002.Presentación del Análisis de Clasificación. Pagina de la
asociación PRESTA, Université Libre de Bruxelles.
http://www.ulb.ac.be/assoc/presta/Cursos/cursos.html.
2. Crivisqui, Eduardo, 20/5/2002. Presentación del Análisis de Componentes Principales.
Pagina de la asociación PRESTA, Université Libre de Bruxelles.
http://www.ulb.ac.be/assoc/presta/Cursos/cursos.html.
3. Crivisqui, E. y J.J. Droesbeke. 1993. Le concept mathématique de distance et la comparaison
des éléments d'un tableau de données. Cultures et Sociétés. pp.17-32.
4. Dossou, S.y A. Pousse. 1992.Asymptotic Study of eigenelements of a sequence of random
selfadjoint operators. Statistics, 22, 479-491.
5. Ferrer, R. et al. 1992. Análisis de Datos en Ciencias del Comportamiento: Introducción al
Paquete estadístico SPSS/PC+ (ver 4.0). Signo. Barcelona.
6. Gorbatov, V.A. 1988.Fundamentos de la Matemática Discreta. Mir: Moscú.
7. Grachov, F.G. 1977. Dirección de la Calidad de la Materia Prima en las Empresas Mineras.
Niedra. Moscú.
8. Hernández, Estrada Sergio et al. 1972. Metalurgia Extractiva de los Minerales Oxidados de
Níquel en Cuba. Instituto Cubano del Libro: La Habana.
9. Ivchenko. G.I., Y.I. Medvediev. Matematicheskaia Statistica. Visshaia Shkola. Moskva.
1984.
10. Mood Alexander M, Graybill F.A.1978. Introducción a la Teoría de la Estadística. 4taed.
Aguilar.
11. Novoshilov, M.B. et al. 1977. Calidad de la Materia Prima en la Metalurgia Ferrosa. Niedra.
Moscú.
12. Spad Ver 3.5, Manual de Usuario. Traducción al español de Ramón Álvarez. ISJAE, 1998.
13. Spiegel, M.R. 1992, Estadística. Madrid, McGraw-Hill.
14. Tanur, J. 1992, La Estadística, una Guía de lo Desconocido. Alianza. Madrid.