粒度测量如何帮助改进工业流程？
几十年来，研究人员和操作人员一直使用 WipWare 技术来研究破碎、物料处理、破碎、研磨和整体工艺性能之间的关系。.
早期应用主要集中于测量岩石破碎程度和比较爆破结果。后来的研究扩展到自动化监测、过程建模、设备控制以及生产不同阶段材料特性的评估。.
该综述重点介绍了 2000 年至 2026 年发表的研究，展示了粒度测量如何为采矿、骨料和其他工业过程中的实际决策提供支持。.
有关 20 世纪 90 年代的早期研究，请参见 WipFrag案例研究：研究与实际应用.
自动化材料监测的早期应用
物料服务采石场——堆料场和输送机尺寸对比
美国伊利诺伊州 | 骨料 | 2000
Material Services Quarry 的研究评估了传统堆料图像分析与物料在加工回路中移动的自动测量之间的关系。.
WipFrag 用于表征物料堆的粒度分布，而基于在线摄像头的测量系统则提供了对移动物料的重复测量。.
研究人员报告称，两种方法的结果高度一致。.
该研究还强调了光学测量的一个重要局限性：当材料以相对较薄的层状或自由落体状态呈现时，较小的颗粒会变得更加明显，而不是被埋在较大的颗粒下面。.
主要发现： 材料呈现方式至关重要。颗粒的可见性与相机配置本身一样，都会影响测量质量。.
INCO铜崖——地下破碎监测
加拿大安大略省 | 镍、铜和铂族元素 | 2000
在 INCO 的 Copper Cliff 矿区，对地下出矿点的材料进行了自动光学测量。.
目标是对来自不同地下来源的碎片进行表征，并建立有关所提取材料的持续信息。.
该应用展示了自动化测量如何将碎片评估扩展到对爆破材料的偶尔拍摄的照片之外。.
主要发现： 在地下物料处理地点进行重复测量有助于表征不同生产源之间的碎片化差异。.
布伦瑞克矿业——两种不同的工艺应用
加拿大新不伦瑞克省 | 矿物加工和铅烧结 | 2000年
Brunswick Mining 的研究记录了连续粒度监测的两种应用。.
第一项工作是监测新型自磨机的进料情况。了解进料粒度分布对于制定能够提高磨机生产率的操作条件至关重要。.
第二个应用场景是监测传送带上的铅烧结矿。在此，颗粒尺寸和均匀性与下游炉的性能密切相关。.
这两个应用都发展到了全天候监控阶段，这表明类似的测量原理可以支持非常不同的工业流程。.
主要发现： 连续粒度测量可以为任何物料尺寸和均匀性影响下游设备性能的工艺优化提供支持。.
粒度监测和磨机性能
希宾铁矿——确定影响产量的进料粒度
美国明尼苏达州 |铁矿石 | 2007年
在希宾铁矿公司，研究人员监测了输送自磨机的传送带上的颗粒尺寸分布。.
目的是了解进料粒度变化如何影响磨机产量。.
研究发现，大于 6 英寸（约 152 毫米）的物料过多，而相对于所需的进料特性，较细的物料不足。.
回归分析表明，较小的进料粒径与较高的产量相关，而超过 6 英寸阈值的物料则与产量降低相关。.
主要发现： 监测完整的进料分布可以帮助确定哪些粒径组分与磨机性能最相关，而不仅仅是进料是粗粒还是细粒。.
联合铁矿公司——建立矿山到选矿厂数据集
美国明尼苏达州 |铁矿石 | 2007年
United Taconite 公司利用对运送到一级破碎机的卡车装载量的自动测量，调查了原矿破碎情况。.
目的是将测量得到的颗粒尺寸分布与爆破设计和其他操作变量联系起来。.
截至发表时，研究结果尚属初步。该申请旨在建立一个事实数据集，用于未来矿山到选矿厂的优化流程。.
主要发现： 建立可靠的测量基线是了解碎片化与下游性能之间关系的重要第一步。.
铁矿石球团厂——监测绿球尺寸
美国明尼苏达州 | 铁矿石球团生产 | 2007年
一项涉及多家颗粒生产厂的研究考察了在制球回路中使用自动粒度测量技术的情况。.
在这些应用中，被测量的材料不是爆破后的岩石，而是加工过程中形成的绿色球状颗粒。.
粒度信息有助于操作人员更快地评估和调整球化参数。.
该研究还发现了将粒度测量与水分分析相结合的机会，并最终支持闭环过程控制。.
主要发现： 自动化颗粒测量可为对产品尺寸一致性要求较高的制造和加工应用提供支持。.
斯特拉塔镍业拉格伦——支持SAG磨机控制
加拿大魁北克 | 镍币 | 2008
Raglan 运营部门研究了利用多变量模糊逻辑控制系统稳定 SAG 磨机性能的方法。.
该控制策略结合了磨机进料的粒度信息、破碎机间隙信息和其他运行变量。.
已发表的研究报告显示，控制器可用性超过 96%，吞吐量提高了约 3-6%，每小时最多可增加约 8 吨。.
这些改进与集成过程控制策略有关，而不仅仅是粒度测量。.
主要发现： 当碎片测量被纳入能够响应不断变化的进料条件的过程控制系统中时，它就变得特别有用。.
克利夫顿化学石灰——在线测量与筛分分析的比较
美国德克萨斯州 | 石灰石 | 2008年
Chemical Lime 公司调查了连续摄影粒度测量是否可以提供适合过程控制的信息，以取代仅仅依靠定期皮带切割和筛分测试。.
该研究报告称，光学测量和基于筛子的测量结果趋势相近，在研究条件下没有明显的总体差异。.
这些数据还用于支持爆破设计评估和 AggFlow 工艺模型的校准。.
主要发现： 自动颗粒测量可以补充物理采样，提供更频繁的材料变异性信息，前提是这些方法经过适当的评估和校准。.
Minera Los Pelambres — 改进半自磨机性能建模
智利科金博地区 |铜 | 2011年
Minera Los Pelambres 的研究人员调查了粒度分布扰动如何影响 SAG 磨机的性能。.
将粒度测量结果纳入到涉及模糊逻辑控制器的建模工作中。.
报告的平均绝对建模误差从 2.91% 减少到 2.33%，表明模型在表示过程行为方面的能力有所提高。.
这是模型预测结果，并非实际工厂处理量增加的相应百分比。.
主要发现： 粒度信息可以改进工艺模型，帮助操作人员更好地了解和应对不断变化的物料条件。.
破碎机性能和测量精度
拉法基拉维纳——连接爆破和破碎性能
美国纽约 | 石灰石 | 2012
在拉法基拉维纳公司，连续破碎监测被用于研究钻孔、爆破和破碎过程中的改进机会。.
自动测量对初级破碎前的卡车装载量和破碎机卸料输送机上的物料进行了表征。.
通过比较进出料的粒度分布，可以评估爆破破碎的变化如何影响破碎性能。.
该研究报告指出：
- 20% 破碎机生产率提高。.
- 每吨破碎产品成本降低 12%。.
- 钻探和爆破成本没有显著增加。.
主要发现： 测量破碎前后的物料，可以帮助作业人员评估破碎程度的变化与下游生产率和成本之间的关系。.
拉法基巴斯公司——利用无人机图像评估爆炸和堆料破碎情况
加拿大安大略省 | 石灰石和骨料 | 2017
拉法基巴斯公司开展了基于无人机的爆炸和库存评估碎片分析研究。.
通过航拍图像进行的 WipFrag 测量为空间粒子尺寸信息的发展提供了支持，使研究人员能够评估爆炸区和堆场区的差异。.
该研究还纳入了对初级破碎机产量的测量，从而支持对进料特性和下游加工的比较。.
该方法能够更快、更安全地获取碎片信息，同时有助于识别库存隔离情况，并建立持续改进的指标。.
主要发现： 空间破碎测量可以揭示出当结果用单一平均粒径分布表示时可能被忽略的变化。.
WipFrag 与筛分分析的比较
粒度测量研究 | 2018
WipFrag 相关性研究比较了不同材料尺寸范围内的光学粒度测量和筛分分析。.
摘要报告显示，粗颗粒和中颗粒的相关性很强，R² 值分别约为 0.99 和 0.95。.
对于细颗粒材料，相关性较低，约为 R² = 0.68，这反映了较小颗粒被较大材料遮盖所带来的挑战。.
最大粒径和平均粒径与筛分测量结果基本一致。.
这些发现表明，测量方法与颗粒尺寸范围和材料特性相匹配非常重要。.
主要发现： 光学测量可以与物理取样密切相关，但其可靠性会因材料条件和较小颗粒的可见性而异。.
爆破优化和破碎机兼容性
金女采石场——通过爆破设计减少超尺寸
尼日利亚埃多州 | 石灰石和白云石 | 2022年
Golden Girl Quarry 的研究将 WipFrag 破碎测量与人工神经网络 (ANN) 模型相结合，以评估爆破尺寸过大和过小。.
研究人员研究了爆破模式设计、填塞长度和火药系数如何影响最终的颗粒尺寸分布。.
该研究报告称，超大尺寸材料减少了 41%，符合预期尺寸规格的碎片增加了 22%。.
主要发现： 将测量得到的破碎结果与预测模型相结合，有助于评估旨在提高破碎机兼容性的爆破设计调整。.
法纳卢白云石采石场——破碎预测模型对比
尼日利亚埃多州 | 石灰石和白云石 | 2022年
在法纳卢白云石采石场，使用 WipFrag 测量来评估爆破破碎情况，并比较不同的预测方法。.
该研究考察了人工神经网络以及已建立的碎片化模型，包括基于 Kuz-Ram 的方法。.
据报道，在所研究的条件下，人工神经网络模型能够更好地预测平均碎片尺寸。.
该研究还评估了破碎均匀性，并使用 350 毫米的破碎机间隙作为实际的超大尺寸阈值。.
主要发现： 测量的粒度分布为评估破碎预测模型的准确性及其与设备要求的相关性提供了基础。.
MOIL Dongri Buzurg — 常规碎片化评估
印度马哈拉施特拉邦 |锰 | 2022年
在东日布祖尔格锰矿，研究人员使用 WipFrag 来评估爆破后的碎片情况。.
该研究报告的平均百分位数尺寸为 F10 = 93.6 毫米，F30 = 192.5 毫米，F60 = 418.5 毫米。.
研究人员得出结论，照片分析为获取定量碎片信息以进行常规爆炸评估提供了一种实用方法。.
摘要中没有量化下游生产改进情况。.
主要发现： 定期进行粒度测量可以建立基准，以便比较爆破结果并评估后续的设计变更。.
切拉特水泥采石场——爆破后破碎情况评估
巴基斯坦开伯尔-普赫图赫瓦省 | 石灰石 | 2022年
Cherat 水泥采石场的研究人员使用 WipFrag 通过粒度指标（包括 X50、F80 和 F90）来表征爆破岩石。.
该研究探讨了摄影碎片分析作为传统物理尺寸测量方法的替代方法。.
研究人员得出结论，光分析适用于常规爆破后评估，不会中断采石场的生产。.
主要发现： 基于图像的测量可以提供有用的碎片指标，而无需对每次爆炸评估进行大规模的物理筛查。.
杰贝尔·梅德朱内斯——根据破碎机极限评估爆破效果
阿尔及利亚塞提夫 |石灰石| 2022年
在杰贝尔·梅德朱内斯采石场，研究人员将测量的破碎程度与库兹-拉姆经验预测模型进行了比较。.
使用 WipFrag 对所得颗粒尺寸分布进行表征，并评估破碎性能。.
该研究报告称，所测量的爆破满足了作业中破碎机最大进料尺寸要求 1,000 毫米。.
然而，分布情况仍然差异很大，据报道，中值尺寸范围约为 134 至 198 毫米。.
主要发现： 满足破碎机最大进料尺寸限制并不一定意味着连续爆破会产生相同或同样理想的粒度分布。.
最新研究：岩石结构、爆破和破碎机要求
卡拉伊萨利和锡利夫凯采石场——连接原地块和爆破破碎
土耳其库库罗瓦地区 |石灰石| 2025年
在土耳其的两个石灰石采石场进行的研究考察了岩石结构、爆破破碎和破碎机兼容性之间的关系。.
WipFrag 用于表征爆破材料，而 WipJoint 支持在爆破前对原位岩块进行评估。.
据报道，卡拉伊萨利采石场的粒度减小率从大约 67% 到 82% 不等，具体取决于工作台条件和爆破设计。.
在锡利夫克采石场，表现最好的爆破产生了约 98% 小于 1100 毫米的材料，而其他爆破产生的材料约 63–71% 低于该阈值。.
结果显示，即使行动目标相似，爆炸之间也存在相当大的差异。.
主要发现： 将爆破前的岩石结构与爆破后的粒度分布进行比较，可以为评价爆破效果提供更全面的依据。.
dstgroup Nital采石场——开发从矿山到破碎机的框架
葡萄牙布拉加 | 花岗岩及骨料 | 2025–2026
一系列研究论文探讨了破碎测量如何帮助使爆破结果与一级破碎机的要求相匹配。.
WipFrag 用于分析爆破材料，包括基于无人机的测量，而自动测量则有助于表征到达破碎机的材料。.
研究人员根据破碎机兼容性范围评估了粒度分布，确定了过大尺寸或其他不理想的粒度组分可能会影响加工的情况。.
这项工作建立了一个基线，调查了爆破设计的变化，并评估了后续的碎片化结果。.
在已发表的第 3 部分回顾中，最初的设计调整与 D80 减少 11%、最大碎片尺寸减少 19%、破碎效率提高 21% 以及与破碎机兼容性范围的对齐度提高 15% 相关。.
主要发现： 评估爆破破碎效果与实际破碎机要求之间的关系，可以比试图生产更细的材料提供更有意义的设计目标。.
有关此测量方法的更详细讨论，请参见 从爆破到选矿：利用破碎数据提高采矿效率.
WipJoint——整合不连续性分析和爆破破碎
石灰石研究 | 2026
2026 年的一篇研究论文探讨了如何在统一的 WipFrag 工作流程中将岩石结构测量与爆破破碎结果相结合。.
WipJoint用于评估地质不连续性并估算原位块体特征。爆破后WipFrag测量提供了用于比较的粒度分布。.
摘要报告称，估计原位块体尺寸约为 2,571 毫米，最大的爆破后巨石尺寸约为 546 毫米。.
研究人员还计算了破碎减少指标和破碎机兼容性指标。.
这些对比有助于描述爆破性能，但不应将其解释为爆破前后生产的直接改进。.
主要发现： 将地质结构测量与爆破后破碎分析相结合，有助于解释破碎结果，并为更好的爆破设计决策提供支持。.
了解更多信息。 WipJoint 指南.
沃克骨料公司塞文采石场——建立持续改进基准
加拿大安大略省 | 石灰石和骨料 | 2026
Walker Aggregates 的 Severn 采石场的研究采用了结构化的持续改进方法来研究破碎和破碎机兼容性。.
WipFrag 和 WipJoint 提供了爆炸破碎和可见地质不连续性的测量数据。.
该研究考察了 D80、最大粒径、破碎效率和超大尺寸材料的分布。.
它发现长凳上部存在大量超大尺寸碎片，而校准后的无人机和地面碎片分析结果显示出高度一致性。.
该研究建立了一个绩效基准，用于评估未来的改进，而不是报告已完成的生产提升计划。.
主要发现： 确定问题碎片发生的位置并持续测量，可以帮助作业人员制定更有针对性的爆破设计改进方案。.
这些研究表明了什么
在不同的行业、材料和操作条件下，我们可以总结出一些经验教训。.
1. 测量结果应为具体决策提供支持。. 监测完整的粒度分布对于工艺优化可能很有价值，而最大粒径监测对于有针对性的过大尺寸控制应用可能就足够了。.
2. 材料展示和样品采集。. 单凭相机分辨率并不能确定测量精度。颗粒可见性、尺度、样品代表性和校准等因素也必须考虑在内。.
3. 碎片化与下游性能相关。. 颗粒大小会影响破碎、研磨、处理和工艺稳定性。然而，要确定这些关系，还需要考虑其他操作变量。.
4. 并非每项研究都是优化成功的案例。. 有些研究展现了可衡量的改进；有些研究则建立了相关性、验证了方法，或为未来的工作建立了基准。只要了解它们的局限性，所有这些研究都能提供有用的信息。.
5. 连接后，测量结果更有价值。. 结合爆破碎片、地质结构、车辆载荷测量、输送机数据和加工信息，可以帮助作业人员评估材料在整个生产过程中的更广泛行为。.
从研究到实际应用
WipWare 不断开发新技术，使工业运营中更容易进行碎片化和材料表征。.
WipFrag 支持现场、实验室和通过无人机图像进行按需测量。. 反射 提供自动车辆载荷测量功能， 独奏 对传送带和加工线上的物料进行重复测量。.
这些技术共同帮助企业摆脱孤立的测量，从而更全面地了解材料性能。.
有关测量在哪些情况下有用的实际指导，请参阅 从爆破到选矿：利用破碎数据提高采矿效率.
有关地质和爆破设计的基本原理，请参见 了解岩石爆破和破碎.
目标与WipWare早期研究的目标保持一致： 提供可靠的测量数据，帮助人们了解他们的流程并做出更明智的决策。.
因为你无法管理你无法衡量的东西！
参考
2000–2011：自动化监控和过程控制
- 用于研磨和破碎控制的在线破碎分析 (2000).
- 在梅萨比山脉，尺寸很重要 （ISEE，2007）。.
- Xstrata Nickel Raglan工厂SAG磨机工艺控制的演变 （CMP，2008）。.
- 摄影石材分级分析 – CLC (2008).
- 矿石粒度分布扰动下半自磨机性能的特征分析与建模 （IFAC，2011）。.
2012–2018：破碎机性能和测量验证
- 利用连续照片分析技术对破碎情况进行分析，作为爆破破碎性能改进工具——拉法基拉维纳 （ISEE，2012）。.
- 利用无人机优化爆破和堆料破碎 （ISEE，2017）。.
- WipFrag 筛分相关性 (2018).
2022年：爆炸碎片研究
- 人工神经网络技术作为预测爆炸碎片过大-过小尺寸的方法 (2022).
- 利用WipFrag分析爆炸碎片 (2022).
- 提高小型白云石爆破生产率 (2022).
- 利用WipFrag对爆破岩石进行破碎分析 (2022).
- 基于数字图像处理和经验模型的碎片分析（KuzRam） (2022).
2025–2026年：综合破碎和破碎机兼容性研究
- 采石场作业中台阶爆破减量率和破碎效率的评价 （FRAGBLAST，2025）。.
- 通过粒度分布曲线分析优化爆破设计和下游作业——以填塞材料效应为例 （APS，2025）。.
- 通过粒度分布分析和第一阶段破碎优化提高爆破效率和破碎效果 （CIM，2025）。.
- 骨料作业的矿山到破碎机全流程框架——第一部分 （ISEE，2025）。.
- 骨料作业的矿山到破碎机全流程框架——第二部分 （FRAGBLAST，2025）。.
- 骨料作业的矿山到破碎机框架——第三部分 （ISEE，2026）。.
- 在统一的WipFrag框架内，利用岩土不连续性分析推进爆破碎片评估 （ISEE，2026）。.
- 破碎机兼容破碎：基于DMAIC的爆破优化方法 （ISEE，2026）。.
以上总结的研究结果反映了各研究中描述的方法、运行条件和对比情况。所报告的性能提升不应被解释为其他装置也能获得相同的结果。.
WipWare