RESUMEN

Un modelo matemático se define como una descripción desde el punto de vista de las matemáticas de un hecho o
fenómeno del mundo real, desde el tamaño de la población, hasta fenómenos físicos como la velocidad, aceleración o
densidad. El objetivo del modelo matemático es entender ampliamente el fenómeno y tal vez predecir su comportamiento
en el futuro.
El proceso para elaborar un modelo matemático es el siguiente:
- Encontrar un problema del mundo real
- Formular un modelo matemático acerca del problema, identificando variables (dependientes e independientes) y
estableciendo hipótesis lo suficientemente simples para tratarse de manera matemática.
- Aplicar los conocimientos matemáticos que se posee para llegar a conclusiones matemáticas.
- Comparar los datos obtenidos como predicciones con datos reales. Si los datos son diferentes, se reinicia el proceso.
Es importante mencionar que un modelo matemático no es completamente exacto con problemas de la vida real, de
hecho, se trata de una idealización. Hay una gran cantidad de funciones que representan relaciones observadas en el
mundo real; las cuales se analizarán en los párrafos siguientes, tanto algebraicamente como gráficamente.

Key words::  Proceso, Modelación, Ingeniería de software, Variables, Función.

ABSTRAC
T
A mathematical model is defined as a description from the point of view of mathematics of a fact or phenomenon of
the real world, from the size of the population, to physical phenomena such as speed, acceleration or density. The
objective of the mathematical model is to understand the phenomenon widely and perhaps predict its behavior in the
future.
The process to develop a mathematical model is as follows:
- Find a real world problem
- Formulate a mathematical model about the problem, identifying variables (dependent and independent) and
establishing hypotheses simple enough to be treated mathematically.
- Apply the mathematical knowledge you have to reach mathematical conclusions.
- Compare the data obtained as predictions with real data. If the data is different, the process is restarted.
It is important to mention that a mathematical model is not completely accurate with real-life problems, in fact, it is an
idealization. There are a lot of functions that represent relationships observed in the real world; which will be analyzed
in the following paragraphs, both algebraically and graphically.

Key words::  Process, Modeling, Software Engineering, Variables, Function.

INTRODUCCIÓN
El modelo es la forma que utiliza el ser humano
para realizar una referencia o imitar la realidad,
así poder entender y explicar de esta manera
fenómenos que guardan cierta relación. Desde
hace muchos años los modelos matemáticos se
han considerado una forma más simple de
estudiar sistemas biológicos, así como desde el
inicio de la teoría de Fibonacci de crecimiento
de poblaciones de conejos, a la teoría del caos.
Los sistemas biológicos son una clase muy
particular de sistemas físicos que presentan
gran complejidad en sus diversos niveles, es casi
imposible realizar todas las mediciones
deseadas para el estudio y muchas veces los
sistemas dinámicos deben ser considerados
como estáticos, y los no lineales como lineales.
La rápida actualización del software
matemático a que los modelos sean más
utilizados, debido a que pueden realizarse de
una manera fácil para el diseñador. Es
importante mencionar que un modelo
matemático no es completamente exacto con
problemas de la vida real, de hecho, se trata de
una idealización. De acuerdo a la proveniencia
de la información en que se basa el modelo,
podemos distinguir entre modelo heurístico,
que se apoya en las definiciones de las causas o
los mecanismos naturales que originan el
fenómeno en cuestión, y modelo empírico,
enfocado en el estudio de los resultados de la
experimentación. En el siguiente trabajo se
explica el modo de realización de un modelo
matemático, así como su clasificación y
utilización en las ciencias biomédicas.
PROCESO
MODELIZACIÓN MATEMÁTICA DE
PROCESOS METALÚRGICOS: FLOTACIÓN,
FILTRACIÓN, LIXIVIACIÓN Y ESPESAMIENTO
Los modelos se usan para estudiar, planificar,
diseñar o controlar el prototipo. En la mayor
parte de los casos, la modelación reduce
costos, riesgos, y tiempo de ejecución de
tareas.
En un modelo matemático, la representación
del prototipo es simbólica, en términos
matemáticos, incluyendo variables,
parámetros y relaciones como ecuaciones o
desigualdades.
Los usos comunes de modelación incluyen
observación y explicación, planificación, diseño
de ingeniería, optimización y diseño, análisis,
control operacional e investigación científica.
1.1. Clasificación de modelos matemáticos
determinísticos
Dentro de los modelos matemáticos
determinísticos se consideran los
siguientes tipos:
a) Modelos de fenómenos de
transporte. Es- tos modelos
provienen de principios físico-
químicos y constituyen la mayoría
de los modelos utilizados por los
ingenieros.
b) Modelos de balance poblacional. Estos
modelos usan un tipo especial de
balance para el número de entidades
contables, denomina- do balance de
población, y son particularmente
apropiados para describir sistemas
particulados.
c) Modelos empíricos. Son modelos que
utilizan ajuste empírico de datos.
1.2. Ecuación de balance de masa,
momentum y energía
El principio básico en que se
fundamentan estos modelos es el
concepto del balance de masa,
momentum y energía. Cada balance
puede expresarse en palabras como
sigue:
 {Acumulación neta en el volumen del
sistema} = {Transporte neto de entrada
al sistema} -

{Transporte neto de salida del sistema}

+ {Generación neta en el volumen del
sistema} - {Consumo neto en el
volumen del sistema}.

1.3. Flotación 1.5. Espesamiento

Uno de los primeros trabajos sobre Realizando balances de masa y

cinética de flotación en el que se destaca momentum lineal se llega al siguiente
en una flotación semibatch (García- modelo para el espesamiento:
Zúñiga), la fracción de sólidos no
flotables remanentes en una celda de
flotación, de- cae con el tiempo.

R = R (1-exp(-kt)) Ecuación García -Zúñiga

Cabe destacar el modelo propuesto por

Klimpel, especialmente por el énfasis que
pone este autor en la utilidad del cálculo
de k para la evaluación y selección de
reactivos de flotación, el modelo
propuesto es el siguiente:

R = R {1-(1/kt) [1-exp(-kt)]} Ecuación de

Klimpel (2, 0)

Se han desarrollado muchas

investigaciones en flotación,
destacándose los autores Fuerstenau
(1972), Sutulov (1979), Raghavan (1984),
Shirley (1979), Dobby (1987), Yoon
(1989) ,Beas y Crozier (1992), Castro et 1.6. Lixiviación
al. (1993), Castro y Mayta (1994), entre
Prosser menciona que un período
otros.
importante en el desarrollo de un
mecanismo para la reacción de la
lixiviación es la selección de una ecuación
1.4. Filtración modelo para el rango de datos.

Aplicando el balance de masa a la Consideremos una reacción sólido-líquido

torta, a los medios filtrantes y del delsiguiente tipo:
filtrado se obtiene el siguiente modelo:
a Asólido + b Bsolución Csolución + d
Dsólido

El proceso global de reacción puede

involucrar las siguientes etapas
individuales y sus respectivos modelos
matemáticos:
CONCLUSIONES
- La importancia de emplear modelos
matemáticos para la simulación de
procesos y operaciones metalúrgicas.

- Estas simulaciones servirán para un

mejor planeamiento y control de las
variables industriales en plantas
concentradoras.

- También, estos modelos

fenomenológicos darán soporte a la
interpretación y diseño de softwares de
los procesos metalúrgicos.

REFERENCIAS BIBLIOGRÁFICAS
1. G. Massarani (2002). Fluidodinámica de
sistemas particulados. 2a ed., Río de Janeiro.
2. F. Concha (1994). Mecánica del medio
continuo Universidad Concepción, Chile.
3. R. Valenzuela (1994). Determinación
simultánea de las ecuaciones constitutivas
para el esfuerzo efectivo de sólidos y la
permeabilidad de suspensiones floculadas.
Universidad de Concepción, Chile.
4. R. M. Luna, G. T. (2000). Lapidus, Cyanidation
kinetics of silver sulfide, Hydrometallurgy. 171-
188.
5. R. Padilla, M. C. Ruiz (1996). Modelamiento de
procesos hidrometalúrgicos. Universidad de
Concepción.