Nr 131 Prace Naukowe Instytutu Górnictwa Politechniki Wrocławskiej Nr 131 Studia i Materiały Nr 38 Ewelina SZYMKOWIAK*, Jan DRZYMAŁA* krzywe wzbogacania, ocena rozdziału, statystyka, krzywa Fuerstenaua, krzywa Henry ego PROBLEMY WYBORU KRZYWEJ WZBOGACANIA DO ANALIZY WYNIKÓW FLOTACJI Wpłynęło 11 maja r., zaakceptowano 18 maja r. W pracy analizowano wybrane wyniki wzbogacania polskiej rudy miedzi z Legnicko-Głogowskiego Okręgu Miedziowego przerabiane w KGHM Polska Miedź S.A. Wyniki te wykreślano w postaci tak zwanych krzywych wzbogacania. W oparciu o statystyczną analizę regresji stwierdzono, że spośród ośmiu krzywych, wykres Henry ego wiążący wychód koncentratu z zawartością Cu w koncentracie dostarczył największej wartości współczynnika determinacji (R 2 =,62), a po nim wykres Fuerstenaua, wiążący uzysk Cu w koncentracie ε z uzyskiem pozostałych składników w odpadzie ε o (R 2 =,31). Pozostałe wykresy dostarczyły mniejszych wartości R 2. Dodatkowa analiza statystyczna wykazała, że na wykresie Henry ego występuje zależność położenia punktów wzbogacania od zawartości Cu w nadawie, podczas gdy nie ma jej na wykresie Fuerstenaua, ale tutaj występuje podzbiór punktów (ε o niezależne od ε), który obniża wartości R 2. Fakty te wskazują, że współczynnik determinacji R 2 nie jest dobrym wskaźnikiem dopasowania rodzaju wykresu wzbogacania do wyników przemysłowego wzbogacania rud miedzi. 1. WPROWADZENIE Wyniki procesów separacji traktowanych jako wzbogacanie przedstawia się zwykle w formie tabel lub wykresów. Ponieważ prawidłowa analiza danych wzbogacania wymaga śledzenia zmienności jednocześnie dwóch parametrów (jakości i ilości lub im równoważnych), krzywe wzbogacania są zdecydowanie bardziej użyteczne niż same tabele z bilansami. Pojawia się jednak pytanie, którą krzywą * Politechnika Wrocławska, Wydział Geoinżynierii Górnictwa i Geologii, Instytut Górnictwa, pl. Teatralny 2, -1 Wrocław.
48 E. SZYMKOWIAK, J. DRZYMAŁA wzbogacania wybrać. Ich liczba teoretycznie jest nieskończona. Przy wyborze krzywej wzbogacania badacze najczęściej kierują się przyzwyczajeniem i stosują swoje ulubione krzywe wzbogacania lub takie, z jakimi najczęściej się stykają śledząc literaturę dotyczącą przeróbki kopalin. W pewnym sensie jest to uzasadnione, gdyż każda krzywa separacji jest oparta o te same wyjściowe dane liczbowe, a zatem zawiera w sobie te same informacje. Jednakże krzywe wzbogacania pokazują te same dane inaczej, co powoduje, że wyciągnięcie z ich użytecznych informacji staje się albo bardzo łatwe lub utrudnione, czy też niemożliwe. Jest to zwłaszcza aktualne, gdy podczas separacji jakość nadawy ulega zmianie oraz gdy dane analizuje z użyciem metod statystycznych. Wtedy w układzie ulegają zmianie nawet trzy parametry, na przykład ilość wybranego produktu, jego jakość oraz jakość nadawy. Pojawia się wtedy dylemat, czy wykreślać trójwymiarowe krzywe wzbogacania, czy też pozostać przy krzywych dwuwymiarowych, godząc się na pewien rozrzut punktów pomiarowych, lub też skorzystać z tzw. alfa-nieczułych krzywych wzbogacania (Drzymała 6 i 8). W tej pracy rozważono wiele dwuwymiarowych krzywych wzbogacania, które użyto do opisu wybranych przemysłowych wyników flotacji polskich rud miedzi. Wśród krzywych wzbogacania były zarówno α-czułe jak i α-nieczułe krzywe wzbogacania, a celem pracy było określenie, która z badanych krzywych wzbogacania najlepiej nadaje się do analizy wyników separacji pod względem najmniejszego rozrzutu danych oraz łatwości i wierności opisu równaniami matematycznymi. Ma to duże znaczenie dla opisu, analizy, oceny, porównywania i optymalizacji wzbogacania rud i surowców. 2. DANE DO OBLICZEŃ Analizie poddano dane: zawartość Cu w nadawie α, koncentracie β oraz odpadzie ϑ o. Wystarczają one do wyliczenia dowolnego innego parametru opisującego wynik wzbogacania, na przykład uzysku czy współczynnika wzbogacenia. Były to dane 3-zmianowe, w okresie jednego miesiąca, pozyskane z wybranego zakładu przeróbczego rudy miedzi. Dane te podano w tabeli 1. W oparciu o wartości α, β oraz ϑ o wyliczono inne parametry wzbogacania, niezbędne do wykreślenia różnych krzywych wzbogacania. Niektóre z nich, takie jak wychód koncentratu γ = ((α ϑ o )/(β ϑ o ), uzysk Cu w koncentracie ε = γβ/α, uzysk Cu w odpadzie ε o = γ ( β)/( α) także podano tabeli 1. Wartości jakie przyjmują poszczególne parametry poddano analizie statystycznej dla określenia ich wartości średniej, maksymalnej, minimalnej, odchylenia standardowego od średniej oraz skośność rozkładu. Z tabeli 1 oraz 2, a także z rysunku 1 wynika, że wszystkie parametry mają rozkład w dużym stopniu zbliżony do normalnego, co upoważnia do podjęcia obliczeń korelacyjnych między parametrami tworzącymi krzywe wzbogacania.
Problemy wyboru krzywej wzbogacania do analizy wyników flotacji 49 Tabela 1. Zmianowe wyniki wzbogacania rudy miedzi w jednym z zakładów przeróbczych i ich statystyka Dane wyjściowe Dane obliczone Dane wyjściowe Dane obliczone dzień i zmiany 1 2 3 4 6 7 8 9 11 12 13 14 α β υ ο γ ε ε o α β υ ο γ ε ε o (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) 1,82 31,,22,12 88,3 96,43 1,91 2,96,27 6,4 86,8 9,17 1,94 24,99,24 6,88 88,49 94,74 17 2,3 29,66,24 6,7 88,87 9,64 1,97 28,2,21 6,26 89,98 9,42 2,3 29,92,32,76 8,11 9,88 1,91 2,9,2 6, 87,77 9,3 1,8 33,81,37 4,43 8,89 97,2 1,98 29,82,22,96 89,8 9,73 18 1,92 27,7,37,67 81,83 9,82 1,9 26,18,23 6,4 88,7 9,14 1,91 27,14,27 6,9 86,69 9,48 2,4 23,48,22 7,8 9,3 93,9 1,86 31,,24,16 87,73 96,4 1,97 28,,24 6,23 88,8 9,42 19 2,9 29,63,26 6,23 88,34 9,2 2,8 26,,24 6,98 89,24 94,77 1,97 2,32,24 6,9 88,66 94,7 2,4 2,93,23 7,4 89,2 94,67 1,9 28,,32,86 84,1 9,7 2,13 2,33, 7,66 91,31 94,16 1,92 29,14,24,81 88,23 9,8 2,4 26,,23 6,91 89,3 94,82 1,86 24,47,23 6,73 88,47 94,82 2,1 26,,18 7,1 91,6 94,72 1,78,97,18 7,71 9,68 93,79 1,93 28,,18 6,27 91,26 9,4 21 1,43 23,9,,9 9, 9,64 1,96 27,28,22 6,44 89,1 9,23 1,7 29,6,21 4,63 87,27 96,69 1,92 2,86, 6,72 9,31 94,92 1,89 22,34, 7,63 9,23 93,96 1,87 23,43,16 7,3 92,7 94,27 22 1,9 24,3,23 7,7 89,3 94,6 2,7 27,46, 6,86 91, 94,92 1,83,76,22 7,86 88,9 93,6 1,77 23,14,18 6,92 9,3 94,8 1,96 19,9,19 9,12 91,19 92,2 1, 24,66,16,66 9,24 9,67 23 1,89 26,31,18 6,3 91,7 9, 1,78 24,93,21 6,3 88,9 9, 2,11 23,27,21 8,24 9,87 93,4 1,86 26,28,23 6,24 88,39 9,31 1,92 2,23,24 6,74 88,36 94,86 2,3 26,14,22 6,97 89,9 94,74 24 1,93 28,28,28,91 86,38 9,68 2,1 23,26,22 7,7 89,88 93,93 1,89 26,87,34,84 83,6 9,6 2,4 28,76,22 6,36 89,88 9,37 2, 26,48,29 6,3 86,4 9, 1,89,79,24,42 88,2 96,18 2 2, 26,83, 6,61 86,3 9,6 1,88 27,8,24,96 88,2 9,62 2, 2,76,27 6,79 87,42 94,8 1,96 23,,21 7,1 9,8 94,14 2, 26,41,28 6,77 87,27 94,91 1,99 24,78,22 7,19 89,72 94,48 26 1,89 26,23,28 6, 86,11 9,33 1,92 28,18,2,98 87,7 9,62 2,4 26,64,28 6,68 87, 9, 1,84 24,31,21 6,78 89,39 94,77 1,91 31,18,23,43 88,61 96,19 1,89 24,4,23 6,89 88,7 94,69 27 1,9 27,36,22 6,38 89,44 9,28 1,82 24,3,22 6,63 88,71 94,89 1,98 26,2,23 6,6 89, 9,1 1,98 26,96,23 6, 89, 9,12 1,67 26,27,19,68 89,28 9,74 2,3 26,33,26 6,79 88,6 94,89 28 1,61 23,32,17 6,22 9, 9, 1,86,46,2,31 87,24 96,24 1,7 23,88,28 6,23 84,99 9,18 1,81,91,29 4,96 84,77 96,1 1,9 26,2,28 6,38 86,9 9,22 1,9 2,98,38,94 81,19 9,2 29 1,94 26,41,29 6,34 86,3 9,24 1,98,,36,41 82,77 96,14 1,9 22,23,21 7,67 89,79 93,92 1,67 23,6,21 6,38 88,21 9,1 1,9 32,,28,24 86,36 96,37 1,7 23,7,23,8 86,17 9,43 2, 2,82,26 7,22 88,4 94,3 1,63 23,42,26,92 8, 9,39 2, 28,13,24 6,31 88,76 9,37 dzień i zmiany
E. SZYMKOWIAK, J. DRZYMAŁA 16 1,96 24,78,31 6,7 8,27 94,82 1,9 32,9,29 4,98 8, 96,7 2,2 2,7,29 6,81 86,62 94,84 31 2,7 28,21, 6,34 86,43 9,3 1,96 24,68,32 6,7 84,81 94,81 1,99 29,37,27,93 87,27 9,73 1,92 29,6,33,42 83,7 96,11 2, 32,38,32,4 8,7 96,18 1,93 2,21,27 6,64 86,91 94,94 Tabela 2. Statystyka rozpatrywanych parametrów wzbogacania Statystyka α β ϑ γ ε ε o ε o ε liczba danych 93 93 93 93 93 93 93 wartość minimalna 1,4 19,9, 4,4 8,89 92, 1,3 wartość maksymalna 2,1 33,8,38 9,1 92,7 97, 16,1 wartość średnia 1,917 26,8,246 6,416 87,974 9,178 7,3 odchylenie standardowe,131 2,84,487,8 2,336,7 2,828 przedział ufności średniej*.27.77..16.481..82 indeks skośności rozkładu 1,361,242,644,261,897,33,63 dane odbiegające** (poz. tab.1) 21b brak brak 23a 18a 23a 18a * tablicowe μ., 93 =1,986, ** więcej niż 3σ. 3 3 3 2 2 2 1,4 1, 1,6 1,7 1,8 1,9 2, 2,1 22 24 26 28 32 34,,,2,,3 alfa beta teta 4 4 2 6 7 8 9 82 84 86 88 9 92 93 94 9 96 97 gamma epsilon epsilon o Rys. 1. Dystrybucje rozpatrywanych w pracy parametrów. Pokazano dystrybucje kolejno α, β, ϑ, γ, ε, oraz ε o. W oparciu o bezwzględne wartości indeksu skośności (tabela 2) dystrybucje które są mniejsze od 1,, są zbliżone do normalnych
Problemy wyboru krzywej wzbogacania do analizy wyników flotacji 1 3. ZASTOSOWANIE RÓŻNYCH KRZYWYCH WZBOGACANIA DO ANALIZY TYCH SAMYCH WYNIKÓW WZBOGACANIA Do testów użyto wybrane krzywe wzbogacania. Były to jest krzywe: Halbicha, Halla, Henry ego, Stępińskiego V., Correa, MDTWr, MDTWc, Fuerstenaua oraz pewne modyfikacje krzywych Henry ego i Fuerstenaua. Wychód koncentratu, γ, % brak wzbogacania krzywa Henry'ego y = -.22x + 12.4 R 2 =.624 4 Zawartość składnika użytecznego w koncentracie, β, % Uzysk składnika użytecznego w koncentracie, ε, % krzywa Fuerstenaua 9 y = -1.7246x + 22.12 R 2 =.3 8 7 7 8 9 Uzysk składnika nieużytecznego w odpadzie, ε o, % wskaźnik uzysku, ε r 1i, % 9 8 7 krzywa MDTWr y =.82x + 79.7 R 2 =.96 wskaźnik wychodu, γ r ci, % * wskaźnik uzysku, ε c 1i, % 9 8 7 dealne wzbogacanie krzywa MDTWc y =.769x + 8.89 R 2 =.23 wskaźnik wychodu, γ c c i, % (ε 1 - ε2) / ε 1, % 9 9 8 8 wiste wzbogacanie krzywa Correa y = -.1442x + 7.21 R 2 =.1848 dealne mieszanie 8 8 9 9 Uzysk składnika użytecz. w koncentracie, ε, % Uzysk składnika użytecznego w koncentracie, ε, % 9 8 7 6 krzywa Halbicha y = -.81x 2 +.877x + 91.418 R 2 =.17 4 Zawartość składnika użytecz. w koncentracie, β, % (β - α ) / ( - α ), % 4 eczywiste wzbogacanie krzywa Halla y = -.122x + 7.18 R 2 =.178 ealne mieszanie ϑ / α, % rzeczywiste wzbogacanie krzywa Stępińskiego V y =.339x + 4.86 R 2 =.73 Uzysk składnika użytecznego w koncentracie, ε, % 9 8 krzywa Fuerstenaua y = -1.7246x + 22.12 R 2 =.3 7 8 9 Uzysk składnika użytecznego w koncentracie, ε, % 4 (β - α ) / ( - α ), % 7 7 8 9 Uzysk składnika nieużyt. w odpadzie, ε r, % Rys. 2. Wyniki flotacji z tabeli 1 przestawione na różnych krzywych wzbogacania wraz z ich liniową aproksymacją
2 E. SZYMKOWIAK, J. DRZYMAŁA Właściwości tych krzywych, a także innych, opisano szczegółowo w Atlasie krzywych wzbogacania (Drzymała 6 i 8), czy też innych źródłach (Drzymała i in. 8). Wybrane krzywe wzbogacania, obrazujące dane z tabeli 1, pokazano na rysunku 2. Krzywe te wykorzystują różne parametry wyliczone na podstawie trzech wskaźników wzbogacania α, β oraz ϑ. Parametry krzywych MDTWr i MDTWr są nieco skomplikowane i je tutaj nie podano, ale szczegółowo zostały poprzednio opisane w pracach: Drzymala (6, 7, 9) oraz Drzymała inni (7). Za składnik użyteczny uznano miedź pierwiastkową (metaliczną, Cu). Na wszystkie osiem krzywych wzbogacania naniesiono te same wyniki flotacji przemysłowej (rys. 2) dla jednego ciągu wybranego ZWR-u dla jednego miesiąca pracy w systemie trzyzmianowym. Nazwa ZWR-u oraz daty nie są tutaj istotne, gdyż praca ta ma za zadanie dokonanie analizy sposobu wyboru krzywych wzbogacania, a nie ocenę pracy ZWR-ów. Z rysunku 2 wynika, że każdy wykres wzbogacania jest inny oraz posiada zróżnicowany rozrzut danych, co przekłada się na zmienną skalę trudności przy próbie wiernego opisu wyników separacji równaniami matematycznymi. Najprostszy opis wyników separacji na rozpatrywanych krzywych wzbogacania to wykreślenie zależności liniowej. Poszczególne krzywe wzbogacania na rysunku 2 umieszczono w kolejności malejącej wartości współczynnika determinacji R 2, który mimo wad (Mazerski 4), z reguły stosowany jest do oceny jakości opisu danych pomiarowych z użyciem równań matematycznych. Mówi on o ułamku ogólnej zmienności jednej zmiennej wyjaśnianej przez zmiany drugiej zmiennej. Istnieje wiele innych wskaźników oceniających korelacje (test Studenta t, wskaźnik istotności regresji Fischera Snedecora F), ale w rozpatrywanym w tej pracy przypadku charakteryzują one obserwowane regresje podobnie. Rysunek 2 wskazuje, że z punktu widzenia statystyki współczynnik determinacji R 2, czy też pochodzącego od niego współczynnika korelacji R (Volk 1973; Sokal i Rolf 199) najlepszy opis linią prostą wyników separacji można uzyskać za pomocą wykresu Henry ego (R 2 =,624) oraz Fuerstenaua (R 2 =,3). Nieco niższych wartości dostarczają krzywe MDTWr i MDTWr. Pozostałe krzywe mają małe wartości R 2. 4. WPŁYW SKŁADU NADAWY NA WYNIKI WZBOGACANIA Ze względna na największe wartości R 2, dalszej analizie poddane zostały tylko krzywe Henry ego i Fuerstenaua. Analiza ta polegała na ustaleniu wpływu składu nadawy na wyniki separacji obrazowane rozpatrywaną krzywą wzbogacania. W przypadku krzywej Henry ego założono (Szymkowiak 9), że każdy wynik flotacji rozpatrywany osobno można opisać równaniem linii prostej (γ = Aβ + b) o stałym współczynniku nachylenia równym A wynikającym z równania regresji otrzymanego dla wszystkich punktów (rys. 2). Założenie to jest w dużym stopniu spełnione, ze względu na mały rozrzut punktów dla takiej korelacji (rys. 2). Do analizy wzięto pod uwagę parametr b równania linii prostej dla każdego punktu pomiarowego, który wykreślono
Problemy wyboru krzywej wzbogacania do analizy wyników flotacji 3 w zależności od zawartości składnika użytecznego (Cu) w nadawie (rys. 3). Z rysunku tego wynika, że zawartość składnika użytecznego (Cu) w nadawie ma wpływ na wyniki separacji oceniane za pomocą krzywej Henry ego. Parametr b funkcji liniowej 14 13 12 11 y = 3,371x + 6,64 R 2 =,888 1.4 1.6 1.8 2. 2.2 Zawartość składnika użytecznego w nadawie, α, % Rys. 3. Ilustracja znacznego wpływu (duże R 2 ) składu nadawy (zawartości Cu w nadawie) na wyniki wzbogacania opisywane parametrem b równania liniowego (γ = Aβ + b) dla każdego wyniku separacji z krzywej Henry ego. Wartość parametru A była stała 2. Parametr a 1.6 1.2.8 y =.37x +.39 R 2 =.22.4. 1.2 1.4 1.6 1.8 2. 2.2 Zawartość Cu w nadawie, α, % Rys. 4. Brak wpływu (małe, poniżej krytycznego, R 2 ) składu nadawy α na wyniki wzbogacania wyrażane za pomocą parametru a równania ε = a( ε o )/(a ε o ) opisującego wzbogacanie na krzywej Fuerstenaua
4 E. SZYMKOWIAK, J. DRZYMAŁA Nieco inaczej postąpiono z wynikami ocenianymi za pomocą krzywej Fuerstenaua. Każdy punkt przybliżono jednoparametrowym równaniem y = a( x)/(a x) (Drzymala i Ahmed ), a obliczone wartości a skorelowano z zawartością składnika użytecznego (Cu) w nadawie (rys. 4). Z rysunku 4 wynika, że korelację charakteryzuje małe R 2, co wskazuje, że zmienność zawartości składnika użytecznego (Cu) w nadawie nie ma w zasadzie wpływu na przebieg krzywej wzbogacania Fuerstenaua. Oznacza to, że formuła wykresu Fuerstenaua na swój specyficzny sposób kompensuje wpływ zmienności α na wyniki separacji. Jak dotąd wykazano, że najlepiej do opisu i oceny wyników wzbogacania rozpatrywanego zakładu przeróbki rudy miedzi przez okres jednego miesiąca nadają się krzywe Fuerstenaua i Henry ego. Nie jest jednak jednoznaczne, która z nich jest bardziej przydatna do analizy wyników, gdyż dane na wykresie Henry ego dostarczają większego współczynnika determinacji R 2 oraz współczynnika korelacji R, ale położenie punków z danymi wykazuje zależność od składu nadawy, podczas gdy wykres Fuerstenaua dostarcza mniejszego współczynnika determinacji R 2, ale nie obserwuje się zależności korelacji od zmienności składu nadawy. W przypadku krzywej Fuerstenaua cały zbiór punków pomiarowych w zasadzie składa się z dwóch podzbiorów. Jeden z nich zawiera punkty skupiające się wokół linii pionowej. Dla takiego podzbioru współczynnik korelacji R wynosi. Reszta punktów tworzy drugi podzbiór o odpowiednim współczynniku korelacji, stąd dla obu podzbiorów uśredniona wartość R 2 jest niska. Jest to niewątpliwie ułomność statystycznej oceny regresji dla zależności o wysokich wartościach współczynnika nachylenia linii regresji. Należy zatem przedsięwziąć pewne kroki dla ulepszenia analizy danych na krzywych Fuerstenaua czy też Henry ego. W przypadku krzywych wzbogacania Henry ego usprawnienie to może polegać na uwzględnieniu wpływu zmienności α na równanie prostej regresji lub wykreślenie rysunku trójwymiarowego (Saramak 3) czy też podziału zbioru punktów na podzbiory mające różne wartości α. W przypadku krzywej Fuerstenaua, a także i Henry ego, kreślenie krzywych (Tumidajski i in. 7; Saramak 8) zamiast prostych linii regresji powinno dostarczyć lepszych wskaźników korelacyjnych. Należy także rozważyć użycie innej procedury czy też innego niż współczynnik determinacji R 2 wskaźnika oceniającego dopasowanie regresji do danych pomiarowych opisujących wyniki separacji przy zmiennym składzie nadawy.. PODSUMOWANIE Z przeprowadzonych rozważań wynika, że ze względu na specyfikę procesów separacji, współczynnik determinacji R 2 nie jest przydatnym wskaźnikiem do dokonania wyboru najlepszej krzywej wzbogacania dla danego zestawu wyników wzbogacania dla separacji prowadzonej przy zmiennej jakości nadawy. Dlatego staje się niezbędne wytypowanie
Problemy wyboru krzywej wzbogacania do analizy wyników flotacji innego wskaźnika lub wskaźników statystycznych, które pozwalałby na obiektywne rozstrzygnięcie, która z krzywych wzbogacania jest najlepsza do oceny, opisu i porównywania wyników separacji dla danego procesu czy danego zakładu przeróbczego. PODZIĘKOWANIA Autorzy dziękują KGHM Polska Miedź S.A. za udostępnienie danych. Praca była częściowo finansowana z Badań Statutowych (zlec. 343 66). LITERATURA DRZYMAŁA J., Mineral Processing. Foundations of theory and practice of minerallurgy, Oficyna Wyd. Pol. Wroc., also http://www.dbc.wroc.pl/content/7/drzymala.pdf (darmowe), 7 DRZYMAŁA J., Atlas of upgrading curves used in separation and mineral science and technology, Physicochemical Problems of Mineral Processing, 4 (19 29), 41 (27 3), 42, 7 84, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław, 6, 7, 8. DRZYMAŁA J., Podstawy mineralurgii (wyd. 2, zmienione, elektroniczne), Oficyna Wydawnicza Politechniki Wrocławskiej, http://www.dbc.wroc.pl/dlibra/docmetadata?id=3111&from=&dirids=1& ver_id=14718&lp=1&qi=6ff122d3fd8e6d66c7b12481141c2 1, 9, DRZYMAŁA J., AHMED H.A.M., Mathematical equations for approximation of separation results using the Fuerstenau upgrading curves, International Journal of Mineral Processing, Elsevier B.V.,, 76, s. 6. DRZYMAŁA J., GRODZKA J., POMIANOWSKI A., Fizykochemiczna charakterystyka układów rozdrobnionych w mineralurgii i biologii, Oficyna Wydawnicza PWr. Wrocław, 8. DRZYMAŁA J., TYSON D., WHEELOCK T.D., Presentation of particle beneficiation test results on an equal basis when yield and recovery are involved, Minerals and Metallurgical Processing, 7, 24 (3), s. 14 1. MAZERSKI J., Podstawy chemometrii, (wersja elektroniczna), Wydawnictwo Politechniki Gdańskiej, Gdańsk, 4. SARAMAK D., Model ekonometryczny działalności KGHM Polska Miedź S.A. jako sposób optymalizacji procesów wzbogacania rud miedzi, Inżynieria Mineralna, 3, nr S.3 (). SARAMAK D., Symulacyjne modele pracy układów technologicznych przeróbki surowców, Górnictwo i Geologia, 8, z. 3(3), s. 49 6. SOKAL R.R., ROHLF F.J., Biometry: the principles and practice of statistics in biological research, 3rd edition, W.H. Freeman and Co., 199. SZYMKOWIAK E., Wykorzystanie α-nieczułych krzywych wzbogacania do opracowywania wyników separacji, praca magisterska, Wydział Geoinżynierii, Górnictwa i Geologii, Politechnika Wrocławska, 9. TUMIDAJSKI T., SARAMAK D., NIEDOBA T., Matematyczne aspekty opisu i oceny wzbogacalności rud miedzi, Zeszyty Naukowe AGH Górnictwo i Geoinżynieria, 7, 4, s. 97 6. VOLK W., Statystyka stosowana dla inżynierów, Wydawnictwa Naukowo-Techniczne, Warszawa, 1973. PROBLEMS OF SELECTION OF PROPER UPGRADING SEPARATION CURVE FOR ANALYSIS OF FLOTATION RESULTS Results of beneficiation of Polish copper ores processed by KGHM Polska Miedź Co. were investigated. The results were plotted in the form of upgrading separation curves. Using statistical regression analysis it was found the among eight plots the Henry diagram, relating yield of concentrate and Cu
6 E. SZYMKOWIAK, J. DRZYMAŁA content in the concentrate, provided reasonable determination coefficients (R 2 =.62) while the Fuerstenaua curve, relating recovery of Cu in concentrate with recovery of remaining (not Cu) components in the tailing gave R 2 =.31. Other plots provided smaller R 2 values. Additional statistical analysis showed that in the Henry plot there are still effects of copper content in the feed on the separation results while such influence does not occur in the case of the Fuerstenau plot. These facts indicate that R 2 is not a good indicator of the mathematical fitting of the upgrading industrial copper ores results using different upgrading separation plots.