GRANULOMETRIA - TEORIA

Contenido
1. PRESENTACION DE DATOS GRANULOMETRICOS
1.1. Los datos crudos
1.2. Clasificacin por tamizaje
1.3. Seleccin de los intervalos / tamices
1.4. Otras tcnicas de clasificacin
1.5. Histogramas
2. DISTRIBUCION EN NUMERO
2.1. Funcin de frecuencia
2.2. Distribucin continua y distribucin discreta
2.3. Valores centrales
2.5. Medias ponderadas y tamao equivalente
3. OTRAS DISTRIBUCIONES
3.1. Distribucin en volumen o masa
3.2. Distribucin en superficie
3.3. Relaciones generales
4. DISTRIBUCIONES CLASICAS
4.1.
4.2.
4.3.
4.4.

Distribucin normal o gausiana

Distribucin log-normal
Modificaciones de la distribucin log-normal
Distribucin de Weibull

Anexo
Densidades de distribucin
Referencias

1
1
2
4
5
7
10
10
12
13
14
17
17
18
19
22
22
25
27
27
27
28
29

GRANULOMETRIA: TEORIA
La granulometra, de "grnulo" (pequeo grano), trata de los mtodos de medicin del
tamao de un grano y por extensin de una poblacin de granos.
Se entiende por "grano" en sentido general a un trozo de materia slida o lquida, esfrica o
no, que se encuentre en un fluido inmiscible. Un "grano" puede ser no solamente un grano de
arena o de polvo, sino tambin una gota en una emulsin o un aerosol, una partcula slida de
ceniza en un humo, una burbuja de gas en una espuma, etc.
Se entiende por tamao, una dimensin caracterstica del grano, en general una longitud. Si
se trata de un grano esfrico, se tomar evidentemente como dimensin de su tamao su radio o
su dimetro. Para una partcula fuertemente irregular, es a veces difcil definir un tamao
equivalente que sea satisfactorio desde el punto de vista fsico.

1. PRESENTACION DE DATOS GRANULOMETRICOS

1.1. LOS DATOS CRUDOS
En las aplicaciones se determina en general la granulometra de un conjunto de granos, el
cual es a menudo una muestra aleatoria de una poblacin mayor. Se requieren en general por lo
menos 500-1000 granos para que la muestra pueda representar la poblacin en forma
satisfactoria desde el punto de vista estadstico. Se refiere el lector a los textos sobre muestreo
para este tipo de consideraciones. Aqu se supondr que el problema es determinar la
granulometra de la muestra, la cual puede contener a menudo varios miles de granos.
El mtodo primario de anlisis es a la vez simple y fastidioso. Se trata de la observacin bien
sea directa mediante un aparato ptico, bien sea indirecta a partir de una fotografa o de otro tipo
de sistema de almacenamiento de la informacin pictogrfica.
En todos los casos, el anlisis visual se realiza grano a grano, lo que hace que este proceso
sea extremadamente lento y tedioso para un operador humano. Actualmente no se usa ms este
mtodo, sino como base para un tratamiento computarizado de imgenes.
El propsito del anlisis grano a grano es atribuir un tamao a cada grano, lo cual es en
general un dimetro o un dimetro equivalente.
Si se trata de una partcula no esfrica, se toma a menudo como dimetro equivalente, el
dimetro de la esfera del mismo volumen que la partcula. Otra escogencia es el dimetro del
crculo de la misma rea, que la proyeccin de la imagen de la partcula sobre el medio
registrador (foto, pantalla). Estas son las escogencias clsicas de los mtodos que usan aparatos
basados sobre fenmenos fsicos, pticos o elctricos. Dan resultados satisfactorios en casos de
granos casi esfricos. Sin embargo, no es siempre el caso como se puede ver en la Fig. 1.
En caso extremo como por ejemplo en el anlisis de pulpa de papel, se debe atribuir un
tamao a las fibras de celulosa, las cuales se presentan en general como una figura geomtrica
alargada y a veces torcida. En tal caso la lgica implica medir no uno sino dos tamaos,
correspondiendo por ejemplo a las dimensiones axial y transversal, o a una dimensin de
longitud acompaada de un parmetro de alargamiento o de elipsicidad.
Cuaderno FIRP S554A

Granulometra Teora

Buena
aproximacin

No satisfactoria
No tan buena

Fig. 1: El concepto de dimetro equivalente es una aproximacin, no siempre satisfactoria

En lo que sigue se supondr que la escogencia del dimetro equivalente ya est realizada, y
por lo tanto se supondr que los granos son esfricos, o por lo menos que estn perfectamente
representados por granos esfricos.
Esto es el caso del estudio granulomtrico de emulsiones, lo cual es el campo principal de
aplicacin de estos conocimientos en el lab. FIRP.

1.2. CLASIFICACION POR TAMIZAJE

Una vez terminado el estudio visual de cada grano, y notado el tamao "t" de cada uno, se
tiene una lista de datos crudos, la cual no es mas que un listado de tamaos, en el cual algunos
pueden eventualmente repetirse, y otros ser muy vecinos o muy diferentes.
El primer trabajo consiste en poner en orden estos datos, o mejor dicho en clasificarlos con
el fin de proceder ulteriormente a un estudio estadstico. Con este propsito se busca primero el
tamao mas grande tmax y el mas pequeo tmin , reportados en el anlisis.
Como estos valores no son necesariamente valores redondeados, se tienen inters en tomar
dos lmites con valores numricos redondeados, escogidos de acuerdo al recorte ulterior del
intervalo, y que incluyen todos los valores reportados. Por ejemplo si tmax = 9,3 m y tmin = 1,3
m se puede tener inters en escoger como lmites bien sea 1 - 10 m, bien sea 0 - 10 m.
Luego se divide el intervalo entre los lmites en un cierto nmero de intervalos de
clasificacin, en general un mnimo de 10 y un mximo de 50. Este proceso se llama a menudo
tamizaje ya que corresponde a una operacin de clasificacin de polvo que lleva el mismo
nombre, en la cual se coloca una serie de tamices uno encima del otro (Vase fig. 2).

Cuaderno FIRP S554A

Granulometra Teora

POLVO A TAMIZAR

d > 1 mm
1000 m > d > 316 m
316 m > d > 100 m

100 m > d > 32 m

32 m > d > 10 m

TAMIZ

d < 10 m

Fig. 2: Principio del tamizaje y clases de dimetro de los granos recogidos

En el tamizaje, se recoge en cada tamiz los granos de tamao superior al tamao de la malla
de este tamiz pero de tamao inferior al tamao de la malla del tamiz inmediatamente superior.
Un intervalo de clasificacin de ndice "i" se define por los dos lmites:
Tamao mnimo t i min

Tamao mximo t i max

Este intervalo cubre el rango "t i = t i max # t i min y posee un tamao medio representativo
de todos los granos del intervalo. Este tamao medio del intervalo se escoge segn los casos
como la media aritmtica o la media geomtrica de los lmites del intervalo (Fig. 3):
ti =

t i max + t i
min

t i = t i max t i min

2
El intervalo "i" contiene todos los granos cuyo tamao t es tal que timin < t < timax

Para proceder a la clasificacin, se rastrea la lista de datos crudos y cada vez que se encuentre
un tamao perteneciendo al intervalo "i", se aumente en una unidad, el nmero contador ni de
granos del intervalo i. Se realiza este conteo con todos los intervalos, obtenindose entonces el
nmero total de granos de la muestra como la sumatoria n .
La relacin ni / ni indica la fraccin (en nmero) de los granos que poseen un tamao
correspondiente al intervalo "i".

valor "medio"
representativo del
intervalo (segn
frmula)

ti

> INTERVALO
t i min

en general media
aritmtica
o media geomtrica

<
t i mx

Escala
de
tamao

Fig. 3: Valores que definen un intervalo o clase de tamao

En los datos clasificados la lista de los tamaos de los granos que corresponden al intervalo
"i" se reemplaza por dos datos: uno que define el intervalo i (ti max o ti) y otro que d cuenta del
conteo de granos perteneciendo a este intervalo (ni o ni / ni).
El conjunto de estos dos datos para todos los intervalos "i se llama distribucin de tamaos.

1.3. SELECCION de los INTERVALOS / TAMICES

En lo que antecede no se ha discutido, ni la dimensin o rango de los intervalos, ni la forma
de escogerlos.
Se discute en detalle las consecuencias de esta escogencia en el cuaderno FIRP # S555A
dedicado a cuestiones prcticas. Aqu basta con decir que no es necesario que los intervalos sean
todos iguales, particularmente si hay una gran variacin de tamao entre tmin y tmax.
Como regla, se puede decir que si tmax / tmin < 20, es conveniente usar intervalos iguales, y
que si tmx / tmin > 20, es mejor hacer un recorte en intervalos desiguales de amplitud en
progresin geomtrica lo que resulta en intervalos iguales en escala logartmica (vese Fig. 4 y
cuaderno FIRP S555A).

ESCALA LOGARITMICA
1

10

100

Interval
es iguales corresponden
a una rogresin
p
geomtrica
en esca
la logartmica
t i+1 = r t i

a un progresin aritmtica
en escal at lineal
i+1 = ti + d

9 10

ESCALA LINEAL

Fig. 4: Los dos principales mtodos de recorte de la escala en intervalos

En lo que concierne el nmero de intervalo del recorte, conviene tambin encontrar un

compromiso entre la precisin dada por un recorte "fino" con muchos intervalos, y la prdida de
significacin estadstica al tener un nmero demasiado pequeo de granos en ciertos intervalos.
La experiencia muestra que un recorte en 10 a 30 intervalos es adecuado.
Los aparatos modernos usan a menudo 16 32 clases de tamao en progresin geomtrica,
repartidas sobre un rango tmax/tmin que vara de 64 a 256, de los cuales se usa en general solo
unas 10 clases para una muestra dada.

1.4. OTRAS TECNICAS DE CLASIFICACION

Si se vuelve al caso del tamizaje fsico, se recuerda que en cada tamiz se recoge los granos
del intervalo de tamaos limitado por los tamaos de malla del tamiz en cuestin y del tamiz
inmediatamente superior.
En tal caso se recogen los granos que estn contenidos en el tamiz "i" y ms bien que contar
su nmero, lo que puede ser muy tedioso, se pesa la masa mi de granos del intervalo "i".
Se repite tal operacin para todos los intervalos obtenindose las fracciones en masa (o
volumen) mi / mi para cada intervalo.
El conjunto de estas fracciones define la distribucin en masa-volumen, la cual es
obviamente diferente a la distribucin en nmero.
Para fijar las ideas, se puede considerar el ejemplo siguiente de una canasta de frutos que
contiene una naranja y ocho mandarinas. Para simplificar el clculo se supone que todos los
frutos son esfricos con dimetros respectivos 5 cm (mandarina) y 10 cm (naranja) y densidad
unitaria. En tales condiciones se obtienen los datos siguientes:
"i"
Mandarinas
Naranja

1
2

ti

ni

5
10

8
1

ni / ni
8/9
1/9

masa

mi

mi / mi

65.45
523.6

523.6
523.6

1/2
1/2

La fraccin de naranja en nmero es 1/9 (11%), mientras que la fraccin de naranja en peso
es 1/2 (50%), lo que es obviamente muy diferente. Se ver mas adelante que si se conoce una
distribucin , se puede calcular a las dems.
Se define el orden de una distribucin segn el papel que juega el tamao en esta
distribucin, o mejor dicho segn el exponente de la potencia del tamao que juega un papel en
el concepto correspondiente.
Por ejemplo la distribucin en volumen/masa involucra el concepto de volumen, lo cual
depende de la potencia 3 del tamao.
Se tiene as:
Orden
Orden
Orden
Orden

0
1
2
3

fraccin en nmero ni / ni
fraccin en longitud
fraccin en superficie
fraccin en volumen-masa mi / mi

La fraccin que corresponde al intervalo "i" se llama fraccin diferencial del intervalo "i" y
se notar con el smbolo "Fi , completado por un exponente entre ( ) que indica el orden de la
distribucin, es decir si se trata de una fraccin en nmero, en longitud, en superficie o en
volumen: "Fi (n) .
Para evitar sobrecargar la notacin no se colocar el exponente entre ( ) si es igual a cero, es
decir si se trata de la distribucin en nmero. Por lo tanto en lo que sigue se supone que la
ausencia de notacin concerniente al orden de la distribucin indica que se trata de una
distribucin en nmero.
"Fi (0) o "Fi = ni / ni

"Fi (3) = mi / mi

Se llama fraccin acumulada Fi la suma de las fracciones correspondientes al intervalo i y a

los intervalos correspondientes a un tamao inferior. Para cualquier valor del orden n:
i

F i(n) = # "Fk( n )

F i(n) = Fi-1(n) + "Fi

(n)

k =1

El conjunto de los datos [[ti , Fi(n)] produce la distribucin diferencial, mientras que los datos
[ti , Fi] producen la distribucin acumulada o integral.
La figura 5 indica el caso de una poblacin de partculas esfricas de misma densidad.

POBLACION

CLASES deTAMAO

ti

ni

1.0

1.4

2.0

2.8

4.0

Fig. 5: Ejemplo de poblacin de partculas esfricas

Como ejercicio se calcular las distribuciones en nmero, en superficie y en volumen.

i
1
2
3
4
5

ti

ni

1.0
1.4
2.0
2.8
4.0

4
6
6
2
1

"Fi (0) = ni / ni

Fi(0)

"Fi (2) = si / si

"Fi

(3)

= mi / mi

1.5. HISTOGRAMAS
Un histograma no es mas que la traduccin grfica de los datos correspondientes a una
distribucin diferencial o acumulada, cualquier sea su orden n.
Se representa un histograma diferencial mediante un diagrama de barra, es decir, como una
serie de rectngulos adjuntos (Vase Fig. 6).

F (n)
i

Ocurrencia

(n)
i

= area

h (n)
i
tamao

t i min

ti

t i mx

Fig. 6. Histograma diferencial

Para cada rectngulo, correspondiente al intervalo i:

La anchura corresponde a aquella del intervalo ti = ti max - ti min
El rea del rectngulo es proporcional a la fraccin diferencial Fi (n)

= hi (n) ti

La altura hi(n) es entonces una medida de la fraccin por intervalo unitario (es decir si ti = 1).
Esta representacin posee la ventaja de ser insensible al tipo de recorte efectuado. En efecto, si
se divide cada intervalo, la divisin de ti se repercuta sobre Fi(n), y hi(n) mantiene el mismo
significado.
De la misma forma se traza un histograma acumulado como una sucesin de peldaos de
altura Fi para producir la escalera Fi.
(n)

Fi

= Fi-1(n) + F (n)
i

En el grfico (Fig. 7) se coloca el valor Fi (n) a partir del tamao tmin, puesto que se define Fi (n)
como el cmulo de las fracciones Fi hasta incluso la que corresponde al intervalo "i".
En ciertos casos se prefiere usar, no una escalera, sino una lnea compuesta de segmentos de
recta, que unen los puntos [ti, Fi(n)].

Tamao representativo
del intervalo "i"

ti

1
(n)

Fi

(n )

Fi

(n)
i-1

(n)
i

t i min

t i

t i mx

Fig. 7. Histograma Cumulado

Se obtiene entonces la grfica representada en la Fig. 8:

F (n)
i

F (n)
i
0

ti
Fig. 8. Histograma Cumulado

La anterior tena el inconveniente de tener que fijar, a veces arbitrariamente, el valor t1min para
el primer intervalo.
Este debe adems fijar el valor tm max lmite superior del ltimo intervalo, de manera de poder
ubicar los puntos t1, . . . tm.
Estas escogencias pueden ser crticas e introducir errores considerables en caso de truncacin
de la distribucin (Vase cuaderno FIRP S555A).
Si los intervalos son iguales, la altura de las barras del histograma diferencial es proporcional
a la fraccin correspondiente Fi lo que es una ventaja. Sin embargo, en caso de sistemas
polidispersados como lo son las emulsiones, es mas practico escoger una progresin geomtrica
para timax y como consecuencia para t (Vase cuaderno FIRP S555A).

2. DISTRIBUCION en NUMERO
Se ilustrarn los conceptos de frecuencia, momento y media con la distribucin en nmero.
Estos conceptos se pueden desarrollar de forma idntica para las dems distribuciones.

2.1.

FUNCION de FRECUENCIA

(n)
i

(n)
i

f
dF
f

dt

t i

t i

Fig 9: Pasaje al lmite

Si se aumenta el nmero de intervalos en el recorte, el histograma parece cada vez ms

continuo (vase fig. 9 al lado).
En la prctica no se puede aumentar este nmero de intervalos en forma infinita, pero en
teora se puede pasar al lmite cuando el intervalo t se torna diferencial dt.
hi =
al lmite cuando t 0 entonces =

f (t) =

"Fi
"t
dF
dt

F(t) =

" f (x)dx
0

En esta relacin dF es la fraccin de granos de tamao comprendido entre t y t + dt. La

funcin de frecuencia f(t) define la distribucin diferencial.
Segn esta definicin, se ve que la funcin de frecuencia f es la derivada de la funcin
acumulada F. Si se hace variar t sobre todo el intervalo posible (0, +):
1

+#

" dF = " f (x) dx = F(#) $ F(0) = 1 $ 0 = 1

Cuaderno FIRP S554A

10

Granulometra Teora

La funcin acumulada F(x) y la funcin de frecuencia f(x) son por lo tanto conceptualmente
y formalmente semejantes a una probabilidad y a una densidad de probabilidad. Por eso, se
pueden emplear todas las tcnicas de anlisis estadsticas.

2.2. DISTRIBUCION CONTINUA Y DISTRIBUCION DISCRETA

El recorte en intervalos es una necesidad experimental, que est hecho por el operador o que
se deba a una discretizacin del sistema de deteccin del aparato medidor de tamao.
Conviene un poco las consecuencias del proceso de discretizacin sobre la precisin de la
representacin de una informacin continua.
Sea f la funcin de frecuencia de una poblacin y Fi el rea del rectngulo asignado
experimentalmente como la fraccin correspondiente al intervalo i limitado por los tamaos ti min
y ti mx.

f (t)

"

rea f (t) dt
rea !F i

hi
mi

t i min t i mx
Fig. 10 : Discretizacin

Segn el teorema del valor medio, existe un tamao mi tal que:

t i min

"F =

$ f (x)dx = (t

i max

# t i min ) f (mi )

t i max

Si se trata de una distribucin discreta, entonces:

Fi = ti f(mi)
El valor f(mi) no es ms que la altura del rectngulo, llamado anteriormente hi. Sin embargo,
se debe notar que mi no es necesariamente el valor promedio (aritmtico o geomtrico) ti que se
us anteriormente. mi corresponde a un tamao medio tal que las reas entre Fi y f(x) x se
compensen.

Es obvio que si los intervalos son pequeos, y que f es aproximadamente lineal en cada
intervalo, entonces la diferencia entre ti y mi es pequea.
La precisin de la representacin discreta depende de la diferencia entre ti y mi en cada
intervalo. Depende por lo tanto de la escogencia del recorte y de la forma en que se tome ti.
Se trata en la medida de lo posible de representar los datos discretos mediante una funcin
analtica continua adecuada. Tal procedimiento tiende a "lijar" las irregularidades producidas por
la discretizacin, en particular en los extremos.
En lo que trata de la equivalencia de las manipulaciones analticas, se tomar de una parte la
sumacin de los datos discretos y de otra parte la integracin de las funciones analticas.
Para ms comodidad de notacin se llamar fi el valor discretizado de f, es decir, lo que se
llam hi hasta ahora.
Expresin discretizada

EQUIVALENCIA

"

fi " h i

f(t)

Expresin continua
Frecuencia
ti mim

"Fi = Fi # Fi#1 = fi"t i

$ " #F = $ " f #t
i

i i

"
"

t i max

Fi

f (d)dx = $ df = "F
Fi #1

$ "( x)f (x)dx

0

Donde " es una funcin cualquiera del tamao, en la forma "(t), con valor fi = "(ti) en el
intervalo "i" para la sumatoria discreta.
Esta ltima relacin es la que se usa en el clculo de los momentos, en particular de las
medias.
Finalmente se debe recordar que todas estas relaciones se aplican cualquier sea el orden de
las distribuciones. Se puede entonces reemplazar fi , Fi, f F por fi(n), Fi(n), f(n) F(n).

2.3. VALORES CENTRALES

Cuando se estudia una muestra de granos, es a menudo necesario dar cuenta de toda la
muestra con un slo nmero: un tamao caracterstico, un tamao medio o equivalente.
No es fcil escoger tal tamao porque hay muchas formas de calcular tal tamao,
especialmente si se quiere adaptarlo al tipo de fenmeno involucrado
A continuacin se definen los valores que indican la nocin de "centro" o de "medio" de una
distribucin. Los smbolos corresponden a una distribucin en nmero; para obtener los
equivalentes para las otras distribuciones bastara aadir el smbolo (n) a los smbolos f y F.
El modo es el tamao que corresponde a la mayor frecuencia, es decir, al mximo de fi f.
En una distribucin diferencial, corresponde al punto ms alto en una distribucin cumulada

corresponde al punto de mayor pendiente (en general el punto de inflexin).

La mediana es el tamao que corresponde al 50% de la distribucin acumulada Fi F = 0,5.

En otros trminos 50% de los granos poseen un tamao inferior a la mediana y 50% un tamao
superior. A veces se usa la notacin D(n, 0.5) o D(v, 0.5) segn se trata de distribucin en
nmero o volumen.
"

La media aritmtica t , llamada simplemente tamao medio, es el momento de orden 1 de

la distribucin. Se nota con una barra horizontal encima del smbolo de tamao.
"

t = # "Fi t i = # fi t i
"t i
i

o en expresin integral

"

t=

+"
0

f (t ) t dt

i
"

La media Geomtrica t g es muy utilizado en las distribuciones logaritmizadas.

"

"

t g = " t#Fi log t g =

i

# "F

"

log t la integral: log t g =

+"
0

f (t ) log t dt

i
i

Se notar que la expresin de la media geomtrica es la de la media aritmtica en la cual se

sustituye t por log t.

2.4. MOMENTOS
Se llama momento de orden "p", de una distribucin de orden (n) alrededor de un valor to, a
la cantidad definida por:
p
p

M P(

n)

(n)
(t o) = # "Fi( n ) (t i $ t o ) = # fi (t i $ t o ) "t
i

o la integral

+"
0

( n)

(t )

$ t o) dt

(t

En el caso presente de la distribucin en nmero, es decir la de orden (0), se ha convenido

eliminar el smbolo (n). Se escriben las frmulas para la distribucin de orden (0), pero se
entiende que son tambin vlidas para las dems distribuciones, siempre y cuando se usan los
smbolos f y F apropiados.
El momento de orden "p" da cuenta del valor medio de la desviacin de la variable
"tamao" respecto a un valor de referencia to, y eso a la potencia "p"; se escribe a menudo en
forma compacta, simbolizando la promediacin ponderada con la barra superior.

M P (t o ) = (t i " t
o

El momento de orden 1 respecto al origen to = 0, no es otro que la media aritmtica de la

distribucin.
"

M 1 ( 0) = t
"

El momento de orden 2 respecto a la media t se llama varianza y se escribe 2, cuadrado

de la desviacin estndard .
2
" _% 2
+ _.
M 2$ t ' = ( = 1 )Fi -t i * la integral
# &
,
t

+"

_(
%
# f (t ) t i $ t dt
0

La desviacin estndard es una medida de la dispersin de los datos alrededor del valor
medio; por lo tanto, da cuenta de la "anchura" de la distribucin. Se puede demostrar fcilmente
que:
_2
" _%
2
M 2 $ t ' = ( 2 = M 2 (0) ) = M 2 (0) ) [M1 (0)]
# &
t
En cuanto al momento de orden 3 da cuenta de la asimetra de la distribucin.
Para simplificar la notacin no se menciona to si es igual a cero. Junto a la notacin
anteriormente mencionada de no escribir el orden de la distribucin si es igual (0) eso d:

Mp(n)((0)

M p(n) y

Mp (0)(0)

Mp

2.5. MEDIAS PONDERADAS y TAMAO EQUIVALENTE

Cuando se conoce una poblacin, se desea a menudo calcular el "tamao medio"
representativo del conjunto de granos que forma esta poblacin. La pregunta es como se
calcula este tamao medio a partir de la distribucin de tamao ?
La respuesta a esta pregunta requiere que se defina cual es el uso del tamao medio en
cuestin.
Para fijar las ideas nos vamos a limitar ahora al uso de la distribucin en nmero, pero vamos
a calcular varios tamaos medios para una poblacin de granos esfricos, cuya dimensin est
definido por su dimetro d.

Sea di el dimetro representativo del intervalo de tamao que corresponde a la clase "i" de la
poblacin. Sea ni el nmero de granos en la clase "i".
El volumen de 1 grano de la clase "i" es: . . . . . . . . . . .

" 3
di
6

El volumen de todos los granos de la clase "i" es: . . . .

"
3
ni di
6

El volumen total de los granos es: . . . . . . . . . . . . . . . . .

"
ni di 3
#
6 i

El nmero total de granos es: . . . . . . . . . . . . . . . . . . . . .

"

ni

El volumen total de los granos dividido por el nmero total de granos es el volumen medio por
grano, el cual se escribe:
"
3
# ni di = " $F d 3
6
6# i i
# ni
El grano medio equivalente tiene un dimetro
tuvieran un volumen igual al volumen total:
"
"
3
ni d i =
#
6
6

dv

tal que nigranos de este dimetro

dv #n

_
dv

de donde este dimetro

llamado dimetro medio en volumen de la distribucin en nmero,
que se puede calcular por:
3

d v = # "F

d =M3
i i

o sea

_
1
d v = [M 3 ]

En forma idntica se podra calcular d s , el dimetro medio en superficie de la distribucin

en nmero, como el dimetro de la esfera tal que ni esferas semejantes tuvieran la misma
superficie que la muestra:

_
1
d s = [M 2 ] 2

Este dimetro equivalente es particularmente importante en los estudios de los fenmenos de

superficie, ya que es el dimetro de la esfera que posee el mismo rea especfico que la
poblacin.
El rea especfico es la relacin de la superficie al volumen del grano o del sistema. Permite
hallar la superficie disponible para la adsorcin por unidad de volumen de una sustancia.
rea especfica de ni granos esfricos de dimetro :
uperficie n " # 2 6
= i
Volumen n i " #3 = #
6
rea especfica de la poblacin:

uperficie Total
=
Volumen Total

# n "d
# n "d
i
i

# $F
=
# $F

2
i
3
i

al igualar los valores:

M
= 3=
M2

i
i

di
di

=6

M2
M3

# "F
# "F

di

d i2

Este dimetro se llama dimetro medio de Sauter (SMD), y se nota d vs , y puede calcularse
como la relacin entre el momento de orden 3 y el momento de orden 2 de la distribucin en
nmero. Por tal razn se simboliza a veces como D(3,2). Veremos ms adelante que se puede
tambin calcular a partir de las distribuciones en superficie (orden 2) y en volumen (orden 3).

3. OTRAS DISTRIBUCIONES
3.1. DISTRIBUCION en VOLUMEN o MASA
En los anlisis por tamizaje, elutriacin, sedimentacin, difraccin de luz, etc, los datos de
ocurrencia son fracciones en peso, es decir equivalentes a fracciones en volumen, si se supone
que todos los granos poseen la misma densidad.
A continuacin se analiza la conversin entre los datos en volumen y los datos en nmero
para una muestra de granos esfricos cuyo tamao est definido por el dimetro di. Ahora s se
van a usar los smbolos de las fracciones que corresponden a las distribuciones en nmero (orden
0) y en volumen (orden 3):
Fi (0) = ni / ni
Fi (3) = vi / vi

mi / mi

El volumen de 1 grano de la clase i es : "

d i3
6

di 3
Vi = n i "
6

El volumen de todos los granos de la clase i es:

por lo tanto:

ni 3
di
0
3
Vi
ni di
"Fi( ) d i
$n
( 3)
i
"Fi =
=
=
=
# Vi # ni d i3 # ni di3 # "Fi( 0) di3
$n i
3

de donde:
"Fi( 0)

# "F ( ) d
0

"Fi( 3)
di 3

sumando respecto a "i" todos los trminos de la igualdad anterior:

# "F ( )
# "F ( ) d
0

i
0

3
i

(
1
"Fi
=# 3
=
di
# "Fi( 0) di 3

tomando el cociente entre las dos ltimas relaciones:

( 3)

"Fi( 0) = "F3
i

/ # "F

( 3)

3)

Si es relativamente fcil entender lo que representa la distribucin en masa-volumen, y como

se pasa de esta a la distribucin en nmero, es mucho ms sutil visualizar la diferencia entre:
_

el dimetro medio (en volumen) de la distribucin en nmero: d v

el dimetro medio (en longitud) de la distribucin en volumen: Dv

"

dv =

[$ #f

(0 )

di

(3 )

= [M 3 ]

Dv = # "Fi d i
(3 )

# "F
=
# "F

(0 )

di

(3 )

di

M4
(3 )
= M1
M3

La diferencia es particularmente sutil en ingls, en cuyo idioma d v se llama: "mean mass

diameter" y Dv "mass mean diameter".
Ciertos autores emplean el smbolo D(4,3) para Dv .

3.2. DISTRIBUCION en SUPERFICIE

Si se procesan las imgenes de los granos mediante un sistema computarizado o si se usa un
sistema de deteccin basado sobre la superficie (adsorcin, etc), entonces el dato de ocurrencia
puede ser la fraccin en superficie, simbolizada por:
Fi (2) = si / si
Si como anteriormente se suponen los granos esfricos, con tamao determinado por su
dimetro di.
d i2
La superficie de un grano de la clase i es: "
4
La superficie de todos los granos de la clase i es:
La superficie de todos los granos es:

si =

"
2
# ni di
4

"
n i d i2
4

Por lo cual:
(0 )

n d
"Fi di
"Fi =
= i i 2=
# si # n i di # "Fi(0 ) di (2 )
(2 )

si

de donde:
0
"Fi(2 )
"Fi( )
=
2
# "Fi(0 ) di 2 di

Sumando respecto a "i" todos los trminos:

# "F
# "F d
(0 )

(0 )

# "Fi di
(0 )

(2 )

"F

=#

di

Tomando el cociente de las dos ltimas ecuaciones:

(0 )

"Fi =

"Fi
d i2

(2 )

/ # "Fd

2
i

Estas relaciones permiten pasar de la distribucin de orden 0 a la distribucin de orden 2 y

viceversa.
Ntese que el momento de orden 1 de la distribucin en superficie, es decir el dimetro
medio (en longitud) de esta distribucin es el dimetro medio de Sauter visto anteriormente y
simbolizado por ciertos autores como D(3,2), puesto que es la relacin entre los momentos de
orden 3 y 2 de la distribucin en nmero :

M 1 = # "Fi(2 ) i
d
(2 )

#"F
= "F
#

(0 )

i
(0 )

di

di

= dsv =

M3
M2

3.3. RELACIONES GENERALES

Se pueden generalizar estos resultados, escribiendo las relaciones entre las fracciones de las
distribuciones de orden n y 0.
n

n d
"Fi( ) d i
"Fi = i i n =
# ni di # "Fi(0 ) din
n

(n )

e inversamente, por un clculo ya hecho dos veces:

(n )

(n )

"F
"F
"Fi = in / # in
di
di
(0 )

El momento de orden 1 de la distribucin de orden n est dado por:

_

Dn = M1 = # "Fi d i
(n )

(n )

# "F
=

(0 )

#
"

di

(0 )

n +1

M n +1
M
n

El momento de orden p de la distribucin de orden 0 est dado por:

p

(0 )

MP

$ _'
= M P = # "F d i = &d) dimetro equivalente a la potencia p.
% (
(0 )

El momento de orden p de la distribucin de orden n est dado por:

(n)

M P=

= # "F d
(n )

# "F

(0 )

# "F

di

(0 )

n +p

di

M n+p
Mn

El dimetro equivalente de orden p de la distribucin de orden n est dado por:

"

1/p

( n) p

d= Mp

# M n +&1 / p
=%
(
$ Mn '

Se puede usar esta igualdad con el fin de hallar varias expresiones para calcular el dimetro
medio de Sauter, an con un valor negativo de p.
1 /1

M "M %
( 2) 1
d vs = 3 = $ 2 +1 = M1
_

'

Cuaderno FIRP S554A

M 2 # M2 &

"M %

(1

20

"

1 /1

Granulometra Teora

3(1

Cuaderno FIRP S554A

$ ' =$
' = M(1( 3)
# M1 & # M 3 &

21

(1

Granulometra Teora

El dimetro medio de Sauter es por lo tanto tambin el momento de orden -1 de la

distribucin de orden 3 a la potencia -1. En efecto, se verifica que:

[M ]

( 3) "1

"1

"1
% #F ( 0)d 2 ("1 _
% #F ( 3)(
$ i i * = dvs
= '$ i * = '
( 0) 3
d i ) '&$ #F i di )*
&

El dimetro medio de Sauter puede por lo tanto calcularse a partir de la distribucin de orden
(3) es decir la distribucin en volumen dada por los aparatos de difraccin/difusin de luz. Es lo
que se hace a menudo en los programas de explotacin computarizada de los datos
granulomtricos.
Sin embargo, tal mtodo puede conducir a errores considerables en caso de que el lmite
inferior de la distribucin est ubicado al lmite de deteccin del aparato utilizado. En efecto, en
tal caso se comete un error notable sobre el valor de frecuencia F1 al atribuirlo a la clase de
dimetro ms pequeo (d1), ya que es justamente esta clase que posee el mayor trmino
ponderado 1d1 de la sumatoria:

"Fi( 3)
di

"F1( 3 ) "F2( 3) "F3( 3 ) "F4( 3) "F5( 3 )

+
+ .....
+
+
+
+
d1
d2
d3
d4
d5

Ejemplos de casos prcticos indican que el primer trmino puede llegar a "pesar" un 40
50% del total de la sumatoria. Es por lo tanto obvio que no se puede tolerar tcnicas como la de
acumular en la clase de menor dimetro todo el "peso" de los granos de dimetro inferior al
lmite de deteccin del aparato.
Para evitar este tipo de error se ha diseado un mtodo apropiado (vase cuaderno FIRP
S556A).

4. DISTRIBUCIONES CLASICAS
4.1. DISTRIBUCION NORMAL o GAUSIANA
Posee una funcin de frecuencia

f (x) dx = k e

" x2
/2

dx

donde x puede variar de - a +. Para que la funcin integral sea unitaria en + se debe
cumplir:
+#

1 = k $ e" x

/2

"#

Ntese que por razones de simetra

Se define la integral: I =

1
2k

+#

$e

" x2

dx

f(x) = - f(-x).

/2

dx

Y se calcula I como una integral doble:

I =

+" +"

#
0

e$( x 2 + y 2 ) / 2dx dy

Pasando en coordenadas polares e integrando sobre el primer cuadrante de plano:

x = cos
y = sen
dx dy = d d

x>0,y>0
>0
0 < < /2

"
x

se obtiene:
2

I =

#/2

+'

$ d" $ e
0

%&2 / 2

& d& =

#
2

0.5

f (x)

0.4
punto de inflexin
0.3

0.2
0.1

F (x)

0.0

DISTRIBUCION NORMAL (diferencial

F (x)

e integral )

1.0
0.9

0.8
0.7

punto de inflexin

0.6

0.5
0

0.2
0.1
0.0

Fig. 11: Distribucin normal o gausiana

Por lo tanto k =

1
2"

f(x) dx =

1 # x2 2
e
dx
2"

La densidad normal reducida es simtrica respecto a x = 0, y posee una desviacin estndar

unitaria. La funcin integral F(x) se llama funcin de error y est tabulada como erf(x).
En la prctica se usa la densidad gausiana con un cambio de variable que contiene dos
parmetros caractersticos: el valor medio m y la desviacin standar :
x=

t"m
#

dx =

dt
"

de donde:

f (t ) dt =

1
" 2#

$[ ( t $ m ) / " ] 2

2
dt

Las propiedades ms resaltantes de esta distribucin son los siguientes:

M1 = m
F(m - )
F(m + )
F(m)
F(m - 2.41 )
F(m + 2.41 )

M2 (m) = 2
=
=
=
=
=

M3 = 0

0.16
0.84
0.50
0.01
0.99

La distribucin normal no se aplica en general a las distribuciones de grano producidos por

una molienda o una emulsionacin. Hay dos razones a eso:
- La primera es de carcter terico. En efecto, cualquier sea m, existe siempre una fraccin
acumulada F(0) no nula, ya que el dominio de la variable de una distribucin normal es
abierto: ]- / +[. De otra parte es obvio que no puede haber un sentido fsico para una
fraccin de granos con dimetro negativo.
- La segunda razn es que los procesos de molienda y emulsionacin producen distribuciones
que son en general fuertemente asimtricas, mientras que la ley normal es simtrica respecto
a su media.
Estas dos razones nos llevarn a considerar una ley derivada de la ley normal, pero sin
ninguno de estos inconvenientes: la ley log-normal.

4.2. DISTRIBUCION LOG-NORMAL

La funcin de frecuencia log-normal se deduce de aquella de la ley normal mediante un
simple cambio de variable.
x = ln t

dx = d ln t = dt/t

La media se escribe ln m y la desviacin standard ln .

+ 1 % ln t $ 1nm2 .(
1
* 0 d 1nt
f (1nt ) d ln t =
exp-$ '
1n" 2#
, 2 & 1n" ) /
Como consecuencia la distribucin log-normal posee el aspecto de una distribucin normal,
si se utiliza como variable el logaritmo del tamao de grano.
Se notar que cuando el tamao vara de 0 a +, entonces su logaritmo vara de - a + ,
eliminndose el problema mencionado en el pargrafo anterior.
En un grfico en el cual la escala de las abcisas es logartmica, entonces la ley log-normal
tiene una representacin grfica de ley normal. (Ver fig. 12).
"

1nm =

# f (1nt ) 1nt
d1nt

En trminos de distribucin discreta, se ve que m es la media geomtrica de los ti:

1nm = $ "Fi ln t i = $ ln"Fi = 1n #
ti

"Fi

i
i

Los puntos de ordenada 0.84 y 0.16 estn situados ln del valor ln m, por lo tanto:
ln 2G = F-1(0.84) - F-1(0.16)
G no es una longitud, sino un factor multiplicativo llamado factor de desviacin estndar o
desviacin estndard geomtrica. El punto 0.84 corresponde a la graduacin mxG mientras que
el punto 0.16 corresponde a la graduacin m/G .

0.10

1.00

0.10

0.80

0.08

0.06

0.60

0.06

0.60

0.04

0.40

0.04

0.40

0.02

0.20

0.02

0.20

0.08

0
0

1.00
0.80

0
1

10

tamao

Escala Lineal

10
Escala Log

tamao

Fig.12: Distribucin Log normal en escala lineal y en escala semi-logartmica

La distribucin log-normal posee ciertas propiedades extremadamente tiles para el anlisis

estadstico de un conjunto de granos.
La primera propiedad es que si un conjunto de granos posee una distribucin en nmero de
tipo log-normal, todas las otras distribuciones de orden (n), cualquiera sea n, son tambin lognormales y con igual desviacin tpica geomtrica G.
Las medias geomtricas de orden (n) y los momentos de orden p se calculan con las
relaciones de Hatch-Choate:
m(n) = m(0) exp [n (ln)2]
( n)

1
p

[M ]
p

)"
,
%
= m( 0)exp n + p 1n()2
# 2&
+$
*

'(

.
-

Ntese tambin que:

( n)

[M ]
p

1
p

)" p %
2,
( 0)
1n()
= m exp n +
# 2&
+$
*

'(

.
-

Si los datos obedecen a una distribucin log-normal, se puede por lo tanto transformar muy

fcilmente los datos de una distribucin de cierto orden en los datos de cualquier otra, y calcular
los momentos deseados.
Se analizan las aplicaciones de estas propiedades en el cuaderno FIRP S555A, donde se
discute que tal distribucin permite muy a menudo dar cuenta de los datos granulomtricos de las
emulsiones.

4.3. MODIFICACIONES de la DISTRIBUCION LOG-NORMAL

Se propusieron algunas modificaciones de la ley log-normal con el propsito de mejorar la
descripcin de datos experimentales.
Se ha notado que cuando una distribucin log-normal representa correctamente los datos en
el centro del dominio de tamao, pero muestra ciertas desviaciones en las zonas de pequeos y
grandes tamaos, puede ser til sustituir la variable tamao t por:
t
t " t min
x=
x=
t mx " t
t mx " t
donde tmin y tmx son valores mnimo y mximo que deben optimizarse para que la variable x
tenga una distribucin log-normal.
Otra modificacin de la distribucin log-normal se basa sobre la mediana tm y la desviacin
2.
+ 1 %1n(t /2) $ 1n(t /2
) ( 0 dt
m
f (t ) dt =
exp
$
*
'
2
#
) 0/ t m
" /2 # exp(# /2)
,- 2 &

4.4. DISTRIBUCION de WEIBULL

Se usa en ciertos procesos de ruptura. Su distribucin acumulada posee tres parmetros
ajustables a, b, g:
#
F(t ) = 1 " exp%"
$%

(t " g)
&

(
'(

ANEXO
DENSIDADES de DISTRIBUCION
Normal

+ % (x $ m)2 (.
1
*0
f ( x) =
exp-$''
2 *
" 2#
2"
&
)/ 0

Poisson

f ( x) = e " a $

ak
%( x " k )
k!
k=0

"( x # k) : funcin delta de Kronecker*

Binomial
$

" n% k n
f ( x) = ( ' p q
k=0

)k

*(x ) k ) con p + q = 1

# k&

" n % n(n ( 1)....(n ( k + 1)

n!
donde $ '
=
es el nmero de combinaciones de n elementos k a
=
# k&
k!(n ( k )!
12....k
k. La densidad binomial se acerca a la densidad normal si n es suficientemente grande.
b

Gamma f ( x) = A x e

" cx

U(x) con A =

donde la funcin es: "(b + 1) =

Beta

f (x) = A x (1 " x)

con A =

"(b + c + 2)
"(b + 1)"(c +
1)

Laplace f (x) =

Rayleigh

y e

#y

"
exp(#" x )
2

dy

y U(x) es el escaln de Heavyside

Si n es un entero (n+1) = n!

#(b)#(c)
# (b + c )
" /#
Cauchy f ( x) 2
2
" +x

2 '
$
f ( x) = 2exp&# x 2) U( x)
"
% 2" (

*Funcin delta de Kronecker

"(b + 1)

0x1

funcin "(b,c) =

c b +1

Maxwell

(x) = 0 si x 0

f ( x) =

2
"3

% x2 (
x exp'$ 2 * U( x)
#
& 2" )
2

(x) = 1 si x = 0

*Funcin escaln de Heavyside

U(x) = 0 si x < 0

U(x) = 1 si x > 0

FUNCION CARACTERISTICA GENERADORA DE MOMENTO

"(#) =

+%.

& ei#x f (x)dx

Transformada de Fourier valor medio de e

i"x

$%.

= #e

i"k

$F( xk )

si es una funcin discreta

Esta funcin tiene la propiedad siguiente a la cual debe su nombre de funcin generadora de
momento:

d "(0) n
=i Mn
n
d#
n

REFERENCIAS
ALLEN T., Particle size measurement, 3rd Ed., Chapman & Hall
BARTH H. Editor, Modern methods of particle size analysis, Vol. 73 Chemical Analysis
KAYE B., Direct measurement of fine particles, Wiley
y cualquier libro de estadistica

Ttulo: Granulometra Teora

Autor: Prof. Jean Louis Salager
Referencia: Cuaderno FIRP N S554A
Versin # 2 (2007)
Editado y publicado por:
Laboratorio FIRP
Escuela de INGENIERIA QUIMICA,
UNIVERSIDAD de Los ANDES
Mrida 5101 VENEZUELA

Condiciones de Reproduccin
Los cuadernos FIRP estn destinados a docentes y
estudiantes. Pueden descargarse y reproducirse solo
para uso individual.
Su venta o su reproduccin como material de
apoyo de cursos con pago de matrcula requiere una
autorizacin escrita del editor (firp@ula.ve)

Laboratorio FIRP, telef: ++ [58] (0) 274 2402954 Fax: ++[58] (0) 274 2402947

e-mail :

firp@ula.ve

Escuela de INGENIERIA QUIMICA, UNIVERSIDAD de Los

ANDES Mrida 5101 VENEZUELA

http://www.firp.ula.ve

Cuaderno FIRP S554A

30

Granulometra Teora

Cuaderno FIRP S554A

31

Granulometra Teora

Cuaderno FIRP S554A

32

Granulometra Teora

Cuaderno FIRP S554A

33

Granulometra Teora

Cuaderno FIRP S554A

34

Granulometra Teora

Cuaderno FIRP S554A

35

Granulometra Teora

Cuaderno FIRP S554A

36

Granulometra Teora

Cuaderno FIRP S554A

37

Granulometra Teora

Cuaderno FIRP S554A

38

Granulometra Teora

Cuaderno FIRP S554A

39

Granulometra Teora

Cuaderno FIRP S554A

40

Granulometra Teora

Cuaderno FIRP S554A

41

Granulometra Teora

Cuaderno FIRP S554A

42

Granulometra Teora

Cuaderno FIRP S554A

43

Granulometra Teora

Cuaderno FIRP S554A

44

Granulometra Teora

Cuaderno FIRP S554A

45

Granulometra Teora

Cuaderno FIRP S554A

46

Granulometra Teora

Cuaderno FIRP S554A

47

Granulometra Teora

Cuaderno FIRP S554A

48

Granulometra Teora

Cuaderno FIRP S554A

49

Granulometra Teora

Cuaderno FIRP S554A

50

Granulometra Teora

Cuaderno FIRP S554A

51

Granulometra Teora

Cuaderno FIRP S554A

52

Granulometra Teora

Cuaderno FIRP S554A

53

Granulometra Teora

Cuaderno FIRP S554A

54

Granulometra Teora

Cuaderno FIRP S554A

55

Granulometra Teora

Cuaderno FIRP S554A

56

Granulometra Teora

Cuaderno FIRP S554A

57

Granulometra Teora