随着基础金属矿石变得越来越复杂，提高选矿厂生产率的压力越来越大。传统的选矿厂控制在很大程度上依赖于操作员经验和过度概括的矿物学数据来表示不断变化的非均质矿物组合。但是，如果有一种方法可以根据实时矿物学信息调整工厂参数，例如试剂添加量，会怎么样？
公认矿料化学随矿物学、试剂添加和研磨环境的变化而变化，这些变化对硫化矿物的浮选有显著影响（Hu et al.，2009）。
实时化学控制
Magotteaux在工厂内进行料化学测量以及将这些差异与矿物学和冶金性能的变化联系起来方面拥有丰富的经验。然而，矿料矿物学性质的不断变化意味着传统的手动矿浆化学测量方法不适合连续监测。
为了满足连续实时测量料化学的需求，Magotteaux开发了MagoPulp，可以测量来自任何工艺流的关键料化学参数(pH,Eh,溶解氧,温度和氧气需求)，为矿物浆的矿物学提供实时代理。这些数据与老式的冶金技术相结合，可用于优化电路性能。
凭借Magotteaux的冶金经验，MagoPulp可以在直接控制或推荐模式下提供动态优化的设定值。这些优化可以更大限度地减少试剂的使用，同时更大限度地提高回收率。
矿物学的实时代理
提高回收率
提高工厂稳定性
减少试剂使用
直接控制或推荐模式
为您的工厂和矿物学量身定制的自训练算法
参考:Hu Y, Sun W & Wang D (2009), 硫化物矿物浮选电化学,北京清华大学出版社。
