锡矿选矿中间产品取样制样：缩分比、含水率、代表性误差控制

30秒速读

锡矿选矿中间产品取样制样是金属平衡管理的核心环节，取样代表性误差直接决定后续化验数据的可信度。缩分比决定取样的代表性和操作成本之间的平衡，含水率影响金属量的真实核算，而代表性误差控制则是整个数据链条的关键环节。缩分比通常为八分之一到六十四分之一，具体取决于物料粒度；含水率测定常用烘箱干燥法，要求取样后及时测定防止水分变化影响金属量核算；代表性误差控制要求取样点设置合理、取样频率充足、取样操作规范。车河选矿厂通过优化中间产品取样制样流程，使金属平衡误差从百分之五以上降低至百分之三以内。

取样不准，后续算账全是白忙

选厂技术员拿着化验报告单，尾矿锡品位零点一五，回收率算出来七十八点五。车间主任看了一眼神色不善：昨天尾矿我看着跑黑，怎么可能只有零点一五？重新取样重新化验，结果出来零点二三，回收率直接掉了六个点。

同一个班次、同一个溜槽、同一天的生产，两个结果差这么多。问题出在哪？不是化验做错了，是取样没取准。

锡矿选矿中间产品包括跳汰精矿、摇床精矿、摇床中矿、摇床尾矿、离心机精矿、浮选给矿、浮选精矿、浮选尾矿等。这些物料粒度粗细不均、浓度高低不等、比重差异大，取样的难度比原矿和最终精矿大多了。中间产品取样的代表性误差，是金属平衡数据失真的第一来源。取样不准，后面的缩分、制样、化验做得再精确，算出来的回收率都是假的。

选矿中间产品取样制样，核心要解决三个问题：缩分比怎么定、含水率怎么扣、代表性误差怎么控。

缩分比，不是越小越好

缩分比，指的是从原始样品中缩分出分析用样品的比例。比如取了一公斤矿浆样，缩分成一百克送化验，缩分比就是十比一。

缩分比不能太小。缩分比太小，意味着每次取样的量很少，如果物料粒度较粗、颗粒大小和比重差异大，取到的样品可能偏粗或偏细，代表性就差了。锡矿中间产品中锡石比重大、粒度差异大，缩分时粗颗粒锡石容易沉降，取样勺如果不搅拌均匀，舀到的可能就是清水和细泥，锡石全留在桶底了。

缩分比也不能太大。缩分比太大，样品量多，后面的制样工作量就大，烘样、破碎、研磨的成本都跟着涨。实践中的做法是采用“多次缩分”法：原始样品先缩分到合适的量，再继续缩分，直到达到化验所需的样品量。每次缩分都充分混匀，避免一次缩分比例过大造成误差累积。

常用的缩分方法有锥形四分法、二分器法、方格法。锡矿中间产品因物料湿、粒度差异大，四分法和方格法比较常用。二分器对细粒干料效果好，但对湿矿浆和不均匀物料适应性差。

缩分比到底选多少？没有统一答案。一般原则是：物料粒度越粗、锡品位越高、颗粒比重差异越大，缩分比应该越小，也就是保留的样品量应该越多。跳汰精矿的缩分比通常比摇床尾矿小，因为跳汰精矿里粗粒锡石多，取样误差风险大。

含水率，扣不扣差别很大

含水率对锡矿选矿中间产品金属量核算的影响，经常被低估。

中间产品不是干料，是矿浆。精矿产量按湿重计量，但结算和考核用的是干重金属量。含水率每差一个百分点，精矿金属量的计算值就差一个百分点。

举个例子：一批摇床精矿湿重十吨，含水率百分之十，干重就是九吨。如果含水率实际是百分之十二，干重就只有八点八吨，差了零点二吨锡金属。对于日处理几百吨的选厂，一个月的累计误差相当可观。

含水率测定的标准方法是烘箱干燥法：取样后立即称湿重，放入烘箱中在一百零五摄氏度下烘干至恒重，称干重，计算含水率。

中间产品含水率测定的操作要点。取样后要尽快称量和烘干，防止水分蒸发导致含水率偏低。对于细粒级中间产品，烘干时间要足够长，确保水分全部蒸发。锡石比重大的中间产品，取样后静置容易沉降，称湿重前要充分搅匀。

含水率数据的波动趋势也值得关注。如果某段时间内摇床精矿含水率持续偏高，可能是摇床冲洗水量偏大或精矿脱水效率下降，这本身就是一个设备或操作问题的信号。

代表性误差，三条防线层层拦截

代表性误差，指的是所取样品不能真实反映被取样物料整体性质的误差。这是中间产品取样制样中最核心、最棘手的问题。

防控代表性误差，需要三道防线。

第一道防线是取样点的设置。取样点要设在物料流动稳定、混合均匀的位置。跳汰机精矿的取样点宜设在精矿排出口之后的汇集处，而不是直接在排出口取样，因为排出口的精矿浓度和粒度波动大。摇床精矿的取样应该取全床面的精矿带，而不是只取某个局部，因为摇床床面上不同位置的精矿品位和粒度可能存在差异。浮选给矿取样点应设在搅拌槽出口的管道中，保证取样具有代表性。取样点的设置原则是“能取到稳定、均匀的物料流”。

第二道防线是取样频率。中间产品的品位和浓度在班次内是波动的，只取一次样很难代表全班的水平。规范做法是每班取三到五次，按时间间隔取样，最后按班产量或矿浆流量加权平均。取样频率要根据物料波动程度来定：波动大的物料多取几次，波动小的可以适当减少。但不少于三次是底线。

第三道防线是取样操作规范。取样勺在料流中快速横截整个流断面，从上到下取，不能只舀表面。矿浆取样前要充分搅拌，防止固体颗粒沉降造成取样偏粗或偏细。取样勺的容积要合适，既不能太小导致取不到代表性颗粒，也不能太大造成样品量过大。

有经验的取样工和没经验的取样工，取出来的样可能差百分之十到二十。这不是技术问题，是管理问题。取样工的培训和考核，是代表性误差控制中最容易被忽视的一环。

中间产品取样的特殊难点

锡矿中间产品取样比原矿和尾矿取样更难，有几个特殊原因。

第一个是粒度组成复杂。中间产品不像最终精矿那样粒度均匀，也不像尾矿那样以细粒为主。跳汰精矿里既有粗粒锡石也有细粒连生体，摇床中矿的粒度分布更宽。这种不均匀性使得取样误差的风险大大增加。

第二个是比重差异大。锡石比重六点四到七点一，脉石矿物比重二点六到二点八。在矿浆中，锡石颗粒沉降速度比脉石快得多。取样时如果不充分搅拌，先舀到的可能是底层富矿，后舀到的可能是上层贫矿。同一个样桶，上层和下层的锡品位可能差好几倍。

第三个是水分含量高。中间产品以矿浆形式存在，含水率通常在百分之六十到九十之间。含水率高意味着固体颗粒在样桶中容易分层沉降，取样前需要充分搅拌。

第四个是矿浆浓度波动大。跳汰精矿浓度百分之四十到六十，摇床精矿浓度百分之二十到四十，浮选给矿浓度百分之二十五到三十五。不同作业、不同时间的浓度差异大，取样方法需要相应调整。

车河选矿厂的经验：从百分之五降到百分之三以内

车河选矿厂在中间产品取样制样方面有过一次系统性的改进。

该厂在金属平衡管理中发现，月度金属平衡误差长期在百分之五以上，有时甚至达到百分之八到十。查了计量、查了化验，最后发现是中间产品取样环节出了问题。

具体问题有三个。取样点设置不合理，部分中间产品在管道弯头处取样，物料流动状态不稳定。取样频率不够，每班只取一次，代表性不足。取样操作不规范，取样勺在料流表面舀样，没有横截整个流断面，取到的样品偏细。

针对这些问题，车河选矿厂做了三件事。重新梳理所有中间产品的取样点，按标准位置进行调整和固定。将每班取样次数从一次增加到四次，按两小时间隔取样，最后按流量加权平均。对所有取样工进行统一培训，制定标准操作规程并上墙公示。

改进之后的金属平衡误差降到了百分之三以内。同样的选厂、同样的矿石、同样的流程，只是把取样环节标准化了，数据质量就上了一个台阶。

这个案例说明：取样制样的价值不在于它本身有多复杂，而在于它直接决定了你每天看到的指标是真数据还是假数据。假数据比没数据更可怕，因为你会根据假数据做出错误的决策。

中间产品取样制样的四个核心原则

总结一下中间产品取样制样的核心要点。

代表性第一。宁可多花时间搅拌和取样，也不取没有代表性的样。样品不能代表物料整体，后面一切工作都是白做。

缩分适度。缩分比要根据物料粒度、比重、品位等因素确定，不能一味追求“越小越好”或“越大越好”。多次缩分比一次缩分更可靠。

含水率准确。中间产品的含水率测定要及时、准确，不能大概估算。含水率数据是金属量核算的基础。

操作标准化。取样点固定、取样方法统一、取样人员培训到位。把“凭经验取样”变成“按规程取样”，误差自然降下来。

中间产品的取样制样，说到底是选矿厂技术管理的基础工程。它不出产品、不创效益，但它提供的数据决定了选厂每天的指标怎么看、问题怎么查、决策怎么做。把这个基础打好了，后面的金属平衡和指标分析才有了可靠的起点。

关于本文：文中缩分比、取样频率和误差控制数据基于选矿行业通用经验整理。具体取样方案应根据物料性质、流程特点和管理要求定制，建议进行取样误差试验验证方案的可靠性。