INFLUENCIA DE LAS VARIABLES DE MOLIENDA EN LA RESISTENCIA A LA COMPRESIÓN DEL CEMENTO PORTLAND TIPO I

Ing. Abad Lévano, Karina del Pilar - Ing. Martínez Huaroc, Willy Aldo
Ingeniería Química – Universidad Nacional de Ingeniería

Tesis para optar el Título de Ingeniero Químico (Nov. 2009). RESUMEN: La presente investigación tuvo como objetivo formular modelos matemáticos para predecir la resistencia a la compresión del cemento Portland Tipo I desde el proceso de molienda. Para tal efecto, se trabajó tanto a nivel de laboratorio como a nivel industrial para evaluar las variables de molienda que influyen en el tamaño de partícula y así conseguir una relación matemática que permita simular la granulometría del clínker. Al mismo tiempo, se realizaron ensayos químico y físicos del cemento para obtener mediante modelos de regresión, la predicción de la resistencia a la compresión del cemento. El ajuste obtenido tiene un nivel de confianza del 95%. Estos resultados en la práctica ayudarán a realizar las correcciones necesarias a la entrada de la molienda, para obtener un cemento de acuerdo a los objetivos propuestos.

1. INTRODUCCION La resistencia a la compresión del cemento (RCC), es un criterio de calidad de suma importancia en la producción de cemento, ya que se trata de una característica vital para la industria concreteras y usuario final. Según la Norma Técnica Peruana (NTP) y la Sociedad Americana para Ensayos de Materiales (ASTM), la RCC debe ser evaluada a 28 días, sin embargo, es un periodo muy largo, y es posible que el producto llegue al mercado y se aplique por el cliente final antes de ser evaluado en laboratorio. De ahí que, la determinación inmediata de la resistencia es muy conveniente. En la Actualidad, existen dos métodos para determinar la resistencia temprana: Mediante ensayos para acelerar la resistencia, y el desarrollo de modelos matemáticos apropiados. El presente proyecto optó por el segundo método. En los últimos años, investigadores como Tsivilis [13], García [7], Agrawl [1], Kheder [8] han desarrollado modelos matemáticos para la predicción de la RCC, obteniendo resultados aceptables y es por ello que se utilizan en la industria. En la industria cementera, se sabe, que las características químicas así como la fineza tienen gran influencia en la resistencia del cemento, por otro lado; la información técnica,

karinaabad@hotmail.com - wamartinez@hotmail.com

Zhang [14], describe la relación que existe entre la distribución de tamaños de partícula (DTP) del producto final y la fineza; por lo que se puede decir que la RCC se ve influenciada por la DTP producidos en la molienda del clínker. Estos valores pueden ser predecidos por medio de la simulación del proceso de molienda, Benzer [3], [4], [5], [10] y Austin [6]. El presente estudio se enfoca en predecir la RCC sobre la base de la DTP, considerando además su composición química–mineralógica. El desarrollo de este trabajo se basó en tres etapas: Primero, determinar los parámetros del modelo de mezcla perfecta para el molino de bolas, los parámetros que determinan la eficiencia de la separadora a distintas condiciones de operación; para lo cual se realizarán ensayos a nivel de laboratorio e industrial. Segundo, determinar el modelo para la predicción de la RCC mediante análisis de regresión, para lo cual se realizarán ensayos mecánicos, ensayos granulométricos, determinación de la fineza, así como análisis químicos – mineralógicos en laboratorio. La tercera etapa, consistirá en acoplar ambos modelos para predecir la RCC desde la etapa de molienda, para lo cual se realizaran ensayos en planta y se validarán dichos resultados con el modelo matemático. 2. FUNDAMENTO TEORICO La influencia que el Cemento Portland ejerce en el comportamiento y propiedades de la pasta cementante, derivan fundamentalmente de la composición química del clínker y de su finura de molienda. Por esta razón, el presente proyecto realiza un estudio de la RCC, sobre la base de los diferentes rangos de tamaño de partículas. En estos últimos años se han venido realizando investigaciones con el objetivo de desarrollar modelos matemáticos semi – empíricos que permiten describir en forma independiente las operaciones de conminución y de clasificación dentro del proceso de molienda. Por tal motivo, para la determinación dela DTP en el circuito de molienda se hizo uso de la Teoría Moderna de la Conminución. TEORIA MODERNA DE LA CONMINUCIÓN El modelo propuesto para el molino de bolas, sigue la teoría moderna de la Conminución que incorpora tres conceptos importantes como:
• La velocidad especifica de fractura con que las partículas de cada tamaño son fracturadas por unidad de tiempo. • La DTP resultante de cada partícula fracturada. karinaabad@hotmail.com - wamartinez@hotmail.com

1. y debido a la complejidad. produciendo una salida de partículas en el mismo orden en que ellas ingresaron al equipo (Fig. La Teoría Moderna de la Conminución.• Un posible evento de clasificación interna de las partículas dentro del respectivo equipo de Conminución.c). que solo es posible determinar con el uso de radiotrazadores. que a diferencia del modelo cinético continuo no requiere del valor de tiempo de residencia para modelar al molino. 1. es una técnica muy utilizada karinaabad@hotmail. 1). 1. 1: Distribución de Tiempos de Residencia para diferentes modelo de Flujos en un Reactor Continuo El uso del modelo cinético continuo (Flujo Real) implica estudios de tiempos de residencia.wamartinez@hotmail.a). Además.com . Mezcla Perfecta y Flujo Real (Ver Fig. El modelo de Mezcla perfecta considera que se mezcla en forma total con una distribución homogénea – instantánea de todas las partículas a través del reactor (Fig.com . a b c Fig. Y el modelo de Flujo Real corresponde a una situación entre ambos casos hipotéticos (Fig. lo que hace que sea más práctico y manejable. El modelo de Flujo Pistón presupone ausencia de mezcla. pues los parámetros se determinan a nivel de planta cuando éste se encuentra operando.b). se optó por el modelo de mezcla perfecta. considera al molino como un reactor continuo y en él existen tres tipos de mezcla que se asocian a los tres modelos de flujos: Flujo Pistón.

bij.para la simulación y automatización de los procesos de molienda en la Industria Cementera.com . Cantidad de tamaño j de partículas dentro del molino. son valores conocidos. -1 Velocidad de Fractura de la partícula de tamaño j (h ). Por lo tanto el contenido del molino es determinado por medio de la ecuación: y la ecuación (3) se encuentra: (4) fi. Para tamaños i = 1…n (Ton/h) Función de Fractura o de Apariencia (se obtiene a escala laboratorio).n (Ton/h) Flujo de masa del producto..com . se obtienen los valores de ri/di para cada monotamaño. -1 (2) (3) El valor .. entonces de la ecuación (4). El modelo de conminución de Mezcla Perfecta se expresa como un balance de masa por tamaños de partícula del material contenido en el molino y velocidad de fractura de las partículas dentro del mismo: (1) La ecuación es representada por: Pero en estado estacionario: Entonces: Donde: Flujo de masa de la alimentación. es difícil de determinar experimentalmente. Velocidad de descarga de tamaño i (h ). Haciendo una simple corrección por variación del tiempo de residencia: función r/d o función combinada resulta: la karinaabad@hotmail. Fig. pi. 2: Modelo de Conminución de Mezcla Perfecta.wamartinez@hotmail. Para tamaños i = 1.

Espig: (7) Donde: T(X): Eficiencia real o selectividad para partículas de tamaño xi.Donde: D. Los cambios por otro material y equipos.com . Este parámetro recibe el nombre de “Selectividad” y se define: razón entre la masa de partículas de tamaño “i” de la descarga y la masa total de partículas de tamaño “i” alimentadas al separador. Nc : Velocidad crítica.wamartinez@hotmail. : Es la proporción en peso del material de tamaño “i”. Obs: Condiciones observadas Sim: Condiciones simuladas. G : Flujo de masa de la alimentación y retorno respectivamente (ton/h). en la alimentación y retorno respectivamente. evaluado en Xo: Tamaño de partícula correspondiente a To (µm).com . partición (µm). δ : Inclinación de la curva comprendida entre X0 y Xi=100%. karinaabad@hotmail. Esta eficiencia describe cómo se divide la masa de la alimentación de cada tamaño en la descarga y rebalse. TEORIA MODERNA DE LA CLASIFICACION La Separadora en el proceso de Molienda es primordial debido a que el producto obtenido tiene especificaciones estrictas de tamaño. L: Es diámetro y longitud del molino respectivamente. La eficiencia real de la separadora utilizada se basa en el modelo aproximado por Plitt y posteriormente expandida por Lippek . A. Tc: Eficiencia corregida para partículas de tamaño xi. cuantificada para cada monotamaño. (5) Donde: J : Carga del molino. La Eficiencia real o Selectividad de un separador se define por la relación: (6) Donde: Ti : Es la eficiencia real para partículas de tamaño “i”. son simulados ajustando la función combinada a las nuevas condiciones de operación. Wi : Índice de trabajo. por lo que es importante conocer su eficiencia. To: Fracción en peso correspondiente al bypass. y V es el flujo de masa o flujo volumétrico. de la eficiencia de la curva de XT: Tamaño de corte.

3. esta simplificación del circuito se Fig. b. Criterios: La razón fundamental para la elección del modelo de Mezcla Perfecta no requería del valor de tiempo de residencia. El presente se estudio llevó a de cabo simulación Fig.wamartinez@hotmail.A.1. PROCEDIMIENTO EXPERIMENTAL El presente trabajo efectuó. 3: Esquema Real para un Circuito de Molienda de Cemento Portland Tipo I. Objetivo: Determinar la DTP a la salida del molino.com .h/ton) La carga de bolas dentro del molino. 3. El flujo de alimentación del molino (ton/h) Etapas de cálculo. realizando una abstracción del circuito real de molienda. La distribución de tamaño de bolas dentro de los compartimientos del molino. a. a un circuito más sencillo como se muestra en la Fig. La granulometría del clínker a la entrada del molino. 4. CIRCUITO DE MOLIENDA El circuito cerrado de Molienda real en la industria Cementera es como se muestra en la Fig. c.com . 3. 4: Esquema del Circuito de Molienda de Cemento Portland Tipo I en estudio. Variables: Las variables a considerar en el modelo por aplicar son: • • • • • El índice de trabajo del material (kw . pues los parámetros se podían determinar a nivel de planta. karinaabad@hotmail. 3. en las instalaciones de Cementos Lima S.2.A. y la prueba para la determinación de la DTP finas se realizó en los laboratorios de Cementos Andino S. MOLINO DE BOLAS Modelo utilizado: Modelo de Mezcla Perfecta. realizó principalmente por la dificultad en la toma de muestras del diseño de la planta.

com .wamartinez@hotmail.com .Para determinar el modelo del molino de bolas se consideran las siguientes etapas: karinaabad@hotmail.

(8) A partir de la ecuación (8) se obtiene la función de fractura: .3 8.4 20.0 1.3 62.9 3.5 3.3 0. Al graficar estos resultados (ver Gráfica 1). MATERIAL: Densidad aparente=1.8 3.32 gr/cm3 Peso de la muestra = 1200 gr Volumenllenado material fc (%)= 4.5 2.8 19.6 0.2 pulg3 = 22240.25 gr Gravedadespecífica =7.8 0.0 26.3 1.com .04 0.07 LlenadoIntersticial U(%) = 48. VELOCIDADDELMOLINO: VelocidadCrítica (Nc) = 81 RPM %de Nc= 96 % VelocidadOperacional=77 RPM 4.4 5.03 0. MOLINODEBOND: Diámetro(D)= 12 pulg=30.2 2.9 1. para determinar el tiempo de molienda.0 0.9 8.8 2.0 0.2 3.6 4.0 5.6 1.5 2. a partir de ésta gráfica se determina los parámetros ( Φ .3 16. β ) de la función de fractura acumulada (Bij).0 0. se pruebas tiempo de molienda. Monotamaño 8/12 Abertura µm La función de fractura.25 0.35 0.5 min.2 3.7 3.8 1.0 7.27 Material =Acero Volumenllenado debolas J=20.7 1.2 1.7 2.921 cm Numero de bolas = 200 Peso promedio delas bolas = 101. con estos karinaabad@hotmail.0 6.5 0.00 partícula fracturada en un intervalo de tiempo ( Para determinar realizó varias variando el .9 1.5 3.2 1. y se sugiere que los cuerpos moledores deban ser de un tamaño homogéneo y fijar la cantidad.78 Cuadro 1: Especificaciones y condiciones de operación del molino de bolas a escala de laboratorio Tabla 1: %Retenido de una fractura de monotamaños 8/12. 1.50 0. las especificaciones y condiciones de operación del molino se muestra en el Cuadro 1.2 1.0 0.15 pulg = 2.• Determinación de la función de fractura. en seguida se realiza las mismas pruebas para diferentes monotamaños y los resultados se muestra en la Tabla 2.8 2.0 0.4 0. los resultados se muestra en el Tabla 1.3 8.7 2.09 0.48 cm Longitud (L)=12 pulg= 30.5 3.06 0.2 18.48 cm Volumen (V)=357.88% 3.18 0. Xi-1/Xj ‐ 0.6 4. γ .8 2. BOLAS: Diámetro (d) = 1.4 0. 2360 1700 1180 850 600 425 300 212 150 106 75 45 1700 1180 850 600 425 300 212 150 106 75 45 0 % RETENIDO PRUEBA 1 PRUEBA 2 Tiempo (min) Tiempo (min) 2. valores construye la matriz según la ecuación (8).12 0.3 17.9 3.5 4.wamartinez@hotmail.com .5 9.6 Teniendo el tiempo óptimo de 0.0 1.3 6.1 2.0 0.8 0.0 5.1 11.2 2.3 5.4 45.3 11. se refiere resultante al de tamaño cada ).69 0.4 3.0 1.5 6.3 6.4 1.0 0.8 3.7 62.8 1.1 9.1 26.0 44.3 1.1cm3 2.9 18.9 1. Este parámetro se determina a escala de laboratorio.3 2.

04 0.17 1.6 0.8 1.98 5.35 0.18 0. se tomaron las muestras de las corrientes externas.06 0.25 0.72 0.18 0.0 kg.06 0.3 2.4 6.com . 12/16.72 0.09 0.13 0.6 0.3 a 0.50 0.36 0.7 1.8 0.18 0.5 min de monotamaños 8/12.12 0.82 1.4 5.18 0.00 ‐ ‐ ‐ 0.3 1.00 69.1 17.65 2.82 1.1 1.6 14.79 1.54 5. karinaabad@hotmail.03 14.33 1.wamartinez@hotmail.8 0.71 0.13 0. Toma de Muestras: Cuando el proceso se encontraba en estado estacionario.06 0.4 m.0 66.50 0.05 0. 16/20 y 20/30 T = 0.46 1.0 2.6 1.00 ‐ ‐ 0.00 ‐ 0.83 0.02 0.6 0.00 70. 5 y se escavo aproximadamente a una profundidad 0.(9) TABLA 2.51 0.0 a 4.13 0.5 min Malla Xi-1/Xj 8 /12 % Retenido Xi-1/Xj 12 / 16 % Retenido Xi-1/Xj 16 / 20 % Retenido Xi-1/Xj 20 / 30 % Retenido 2360 1700 1180 850 600 425 300 212 150 106 75 53 45 1700 1180 850 600 425 300 212 150 106 75 53 45 0 ‐ 0.67 14.9 0.50 0.04 0.76 2.09 0.00 0.03 0.3 1.09 0.02 0.0 68.31 1.25 0.25 0.04 0.36 0. e inmediatamente se realizó una parada en seco y se obtuvieron muestras del interior del molino.78 • Determinación de la función combinada r/d prueba se realiza a nivel industrial y depende mucho de las condiciones de Esta operación del molino.7 ‐ ‐ ‐ 0.com .7 0.35 0.08 0. Las muestras fueron tomadas a lo largo del eje del molino como se aprecia en Fig.7 ‐ ‐ 0.71 0.6 1. • Condiciones de molienda: Las condiciones de molienda se muestran en la Tabla 3.9 0.73 0.25 0.66 0.09 0.68 ‐ ‐ ‐ ‐ 0. %Retenido para 0.0 0.23 0. obteniendo por cada punto de muestreo de 3.04 0.4 0.

Condiciones de molienda operando en continuo. Como se observa. 5.com . La Gráfica 2. y la técnica de difracción láser para muestras desde 100 a 0. La DTP en el interior del molino llega a ser más fino conforme Molino Velocidad del molino Cámara I: Diámetro: Peso: Carga de bolas.16/20 20/30 Gráfica 1: Función de distribución de fractura para el clínker 16/20 y 20/30 Puntos de muestreo Fig. mientras que las partículas finas se fracturan lentamente.com . muestra el porcentaje retenido acumulado en el interior del molino por unidad de longitud del molino. La DTP de las muestras fueron Tabla 3.4 14.80 determinadas combinando dos métodos: Tamizado en seco desde 37 500 a 100 µm. las partículas gruesas se fracturan con mayor rapidez.5 100 15 17 – 30 100 21 40 – 90 180 19 Acero 94 6 85 15. Puntos de Muestreo externas e internas en el molino.0 8.4 µm. J Cuerpos Cámara II: Moledores Diámetro: Peso: Carga de bolas. J* Material Componentes: Alimentación Clinker al molino Yeso Flujo Clínker Índice de Trabajo % % Ton/h (Kw–h)/ton karinaabad@hotmail. Condiciones del Molino Diámetro D Longitud L Cámara I: Cámara II: Capacidad Operacional Unidad m m ton/h rpm mm ton % mm ton % Resultados 4.wamartinez@hotmail.0 5.

el eje de las ordenadas el porcentaje pasante acumulado.avanza en longitud desde el punto de alimentación hasta el diafragma.5 m. La primera familia está formada por los tres primeros puntos de muestreo. se encuentra en circuito cerrado con el clasificador ideal (Diafragma).5 m y opera en circuito abierto. que recibe material grueso. Gráfica 2: Distribución de tamaños de partícula en el interior del molino En la Gráfica 3 lado izquierdo se muestran los resultados del primer compartimiento.wamartinez@hotmail. El segundo molino ideal. mide aproximadamente 2. lo que indica la presencia de una especie de separadora. Por lo expuesto se deduce que: • • El primer molino ideal. y el segundo molino ideal. entre cada compartimiento. en el cual. en el segundo compartimiento donde es más fino. en donde el primer molino. cada uno con su forma peculiar de molienda. del cual se deduce que hay un molino ideal en circuito abierto. De la Gráfica 3 lado derecho se observa que el segundo compartimiento presenta una sola familia de curvas. todas con la misma tendencia. y la segunda familia por los tres últimos puntos. mide aproximadamente 2. sufriendo una caída considerable. Analizando el segundo compartimiento se deduce que el tercer molino ideal mide aproximadamente 8. se encuentra en circuito abierto.com . Estas evidencias nos indican la existencia de dos molinos ideales en serie perfectamente mezclados en este compartimiento. karinaabad@hotmail. el eje de las abscisas representa los tamaños de partículas y.com . Del mismo gráfico se observa claramente dos familias de curvas.5 m. el cual opera en circuito cerrado con el clasificador ideal.

para cada fracción de la Gráfica 4. derecha Segundo Compartimiento del molino El esquema del análisis realizado para los molinos ideales en serie se muestra en la Fig. En el modelo de mezcla perfecta. conociendo la DTP de la alimentación y el producto. 6. se puede calcular la función combinada (r/d) según la Fig. 6: Descripción esquemática de la estructura del molino de bolas. los datos de Wi y J mostradas en la tabla 3 se obtiene para: karinaabad@hotmail. se utilizará la ecuación (6).wamartinez@hotmail. que deben ser tomadas en cuenta para escalar a otras condiciones. Los resultados de la función combinada para cada molino ideal se muestran en Los valores de ri/di son obtenidos para una condición de operación. y. tamaños. La Nc y D. las que varían son: Wi y J.com . el proceso no trabajó a una sola condición. por lo que Cámara I: (10) Gráfica 4: Función combinada (r/d) para cada molino ideal.com .Gráfica 3: Porcentaje Pasante Acumulado: izquierda Primer Compartimiento. son datos conocidos y constantes. ecuación (4). en otras condiciones de operación se debe hacer uso de la ecuación (6).

com . Distribución de las muestras tomadas de la parte frontal y posterior del tabique. karinaabad@hotmail. Las muestras tomadas en el último punto del primer compartimento (parte frontal del diafragma) es Gráfica 5. 4: Esquema de clasificación en el diafragma del molino Primera Cámara Segunda Cámara Grueso (G) Alimentación (A) Finos (W) • Determinación del Modelo de Clasificación Interna.com . Haciendo muestreo. para otras condiciones de flujo de alimentación la función combinada r/d. está dada por la ecuación en: (12) Fig.wamartinez@hotmail. y el primer punto del segundo compartimiento (parte posterior del diafragma) es del producto fino que sale del clasificador ideal. 4. El esquema de esta representación se muestra en la Fig. la función combinada dependerá únicamente del flujo de la alimentación (ton/h). realizó uso y el al los de la DTP de la se para obtenido de los estudios de flujo alimentación molino cálculos determinar los flujos de las corrientes al diafragma. la alimentación al clasificador ideal. La prueba experimental se realizó a 214 ton/h.Cámara II: (11) Si se mantienen las mismas condiciones de J y Wi.

La los Gráfica finos 7. Las curvas de eficiencia para el clasificador ideal observado y simulado son mostradas en la Gráfica 6.00 3. T0 = 18. muestra la distribución pasante acumulado de las partículas en la parte frontal y posterior al tabique. 100 karinaabad@hotmail.135. determinar la cantidad de material rechazado por el diafragma que es el alimento del segundo molino ideal.com .La Gráfica 5.534. consiguiendo de esta manera. teniendo en consideración lo siguiente: TABLA 4.com .80%. Distribución de tamaños simulados para la estimación de los gruesos desconocidos. se realizaron diversas pruebas en el separador. también se grafica el Porcentaje Pasante acumulado de la alimentación real y del grueso simulado. Alimentación fresca al molino Ton/h 85. se utilizará el modelo para separadoras. el error es 0. y los experimentalmente Gráfica 6. X0 = 7. Condiciones de operación del Clasificador O-Sepa. muestra el Porcentaje Pasante acumulado de observados. por lo que la simulación es una gran alternativa. sin embargo. Debido a que el diafragma se comporta como un separador.3. 90. SEPARADORA Para obtener los parámetros del modelo de la separadora. δ = 0. solo se dispone el flujo de alimentación y el flujo del producto con sus respectivas granulometrías. Los parámetros de la ecuación (12) para el clasificador ideal son: XT = 49.wamartinez@hotmail. De las muestras tomadas.377. Modelando el diafragma se logra predecir el flujo en ton/h de los gruesos y su granulometría. Eficiencia Real del Tabique (observada y simulada) simulados. VARIABLES UNIDADES VALORES Gráfica 7. el flujo de gruesos es desconocido e imposible de determinar por métodos experimentales.

y δ). 5: Puntos de muestreo en la separadora O-Sepa Gráfica 8: Determinación de los parámetros de eficiencia de la separado karinaabad@hotmail. el desarrollo es para la primera prueba). Retorno al molino (2) y Producto final (3). 5. 80. • La fineza del producto es controlado por la velocidad del El flujo de aire es controlado por Velocidad rotor de la separadora Abertura del ventilador de la separadora.• rotor. 90 el ventilador del separador y la distribución uniforme del aire está garantizada por el diseño de sus conductos y las veletas de guía. XT. Para determinar los parámetros de la separadora (X0. Fig. Para cada condición de prueba se obtuvieron la DTP. se realizaron 27 pruebas a distintas condiciones de operación de la separadora (véase la Tabla 4).com . según la ecuación (7). con lo cual se obtiene los diferentes parámetros (véase la Gráfica 8. y se obtiene la eficiencia de la separadora mediante la ecuación (9). T0.wamartinez@hotmail. para cada tamaño de partícula. 165 60. 155. rpm % 145. donde Alimentación a la separadora (1). Y los puntos de muestro es como se muestra en la Fig. y ésta es graficada.com . • La salida del material fino depende de la extracción de aire.

1861 -0.908 δ 0.).0121 0.4.0248 14.0x10-4 *(A) . C3A. • • • Variables químicas mineralógicas: C3S. Se tomaron 53 diferentes muestras de Cemento Portland Tipo I.8x10 * (A) -3 (13) (14) (15) (16) 3.0x10-4 * (VS) XT = 54.0384 * (AE) δ = 4. TABLA 5: Variables que relacionan a los parámetros de la eficiencia de la Separadora Variables Velocidad Separadora (RPM) Alimentación Separadora (ton/h) %Abertura Exhaustor Constante Ajuste de Regresión R 2 Símbolo VS A AE X0 -0.0121 * (A) + 0.E.0048 0. C4AF. SO3 y Cal libre. y en los trabajos de evaluación realizadas en los laboratorios de Cementos Lima S.wamartinez@hotmail.com ) y las . C2S. 5911 – 0. es desarrollado tomando en cuenta tres aspectos importantes: composición química mineralógica.613 . Se ha utilizado un Modelo de Regresión Lineal por el método de paso a paso. MODELO PARA LA PREDICCION DE LA RESISTENCIA A LA COMPRESIÓN DEL CEMENTO TIPO I En el presente proyecto.0. parámetros de DTP y las fracciones de tamaños de partículas.0005 0.A.0. fueron determinados con el granulómetro laser El desarrollo del modelo matemático se ha efectuado sobre la base de las investigaciones de Tsivilis. 3-16 µm y 16-24 µm. el cual permite determinar los coeficientes ( variables independientes que influyen en las variables dependientes. García-Casillas.0014 0.1861 *(VS). Parámetro de posición (Pp).0384 54.. Variables de fracción de tamaño de partículas: <3 µm.613 0. mediante regresión multivariable por el método de pasos. Variables de DTP: Superficie específica (S. obteniendo las relaciones que se observa en la Tabla 5. 3-32 µm. que demuestran en que existe relación entre la resistencia a la compresión y las características del cemento.Luego se relaciona los parámetros con las condiciones de operación.com .927 T0 0.999 XT -0.1. LSF (Factor de saturación).4x10-3*(AE) + 5. el modelo matemático para la predicción de la RCC.5911 0. karinaabad@hotmail. Na2O. 80% Pasante (P80) y el Factor de uniformidad (n). 0248 *(VS) TO = 6. de la misma línea de producción.0006 -0.920 Obteniendo las siguientes relaciones: XO = 14.

3. estas resistencias son medidas en kg/cm2.wamartinez@hotmail.Una representación en modo de ecuación tenemos: (18) (19) (20) (21) TABLA 6: Resultados del modelo para la predicción de la Resistencia a la Compresión EDADES 24 Horas VARIABLE 3 Días 7 Días 28 Días karinaabad@hotmail.(17) Donde: y Del cual R1. R7 y R28 son RCC evaluada a 24 horas.com . R3. 7 y 28 días respectivamente. Las variables seleccionadas se muestran en la Tabla 6.com .

3. 0. y para predecir la S.998. 3.com . Regresión para la RCC observada Vs la predecida a 24 horas.998. Variables que influyen. 7 y 28 días. 0.E los parámetros del modelo lineal karinaabad@hotmail. respectivamente. la Gráfica 9. 7 y 28 días 3.%C3S %C2S C3S/C2S C3A/C4AF %LSF %Na2O %SO3 % Cal Libre S E (cm /g) 2 3 251 -1 642 -1 679 2 837 7 025 9 344 -9 253 -2 500 -81 745 43 293 45 140 0 031 0 044 0 044 4 109 -2 581 0 595 -1 438 -0 942 1 281 -1 625 2 002 0 752 1 660 0 957 0 998 11 6513 0 998 12 5856 4 374 0 050 9 329 -4 933 -1 537 1 320 4 652 -5 244 0 999 12 7332 0 345 -242 323 -296 345 R 2 0 998 6 7150 Dsv Std La calidad de ajuste del modelo de regresión múltiple de la ecuación (18).999 para el modelo de 24 horas. (20) y (21) da un coeficiente R2 de 0. MODELO PARA LA PREDICCIÓN DE LA SUPERFICIE ESPECÍFICA TABLA 7.wamartinez@hotmail. nos muestra la calidad de ajuste del modelo.com .998.5. (19). Gráfica 9. 0.

en la S. 3.wamartinez@hotmail. P80 (µm) y n.914. se realizó un análisis de regresión.Para determinar la influencia que tienen la fracción de tamaños de partículas de: <3 µm.com . P80. PP. Y se aprecian que los parámetros: η. en el presente trabajo se ha tomado en consideración lo siguiente: karinaabad@hotmail.E. 16-24 µm.E = 92. la que confirma que tamaños de 92. CIRCUITO DE MOLIENDA 3800 ) g / 2 3600 m c ( A D I C E D 3400 E R P E . Variables del circuito de molienda. <3 µm. Las variables seleccionadas por el análisis de Regresión por el método de paso a paso se muestran en la Tabla 7.E (cm /g).E (cm2/g) -1076 -170 137. 3-16 µm influyen en la S.914 muestra la siguiente correlación matemática: S. S 3200 3000 3000 3200 3400 3600 3800 4000 S . 3-32 µm. Existen muchas variables en el circuito de molienda que afectan la DTP del producto final y por ende la resistencia a la compresión del cemento. Y se R 2 0.6.E.7 partículas menores de 16 µm influyen en la S. E O B S E R V A D O (cm 2 / g ) Gráfica 10: Ajuste de Regresión del Blaine Predecido y Blaine Observado Los modelos obtenidos para el Molino de bolas y la Separadora se acoplan para obtener un modelo del circuito de molienda con el objetivo de predecir la distribución de tamaños de partículas a la salida del circuito. La Gráfica 10: Muestra el ajuste de regresión de la superficie específica por el Método Blaine observado y predecido.16 ρ (g/cm ) 30 3 2 Variables η S. Pp (µm).16*(3-16 µm) + 30*(<3 µm) + 137.7*P80 -170* Pp – 1 076 * η 4000 (22) La calidad de ajuste del modelo de regresión da un coeficiente R2 de 0.. 3-16 µm.com .

En la sección anterior ya se analizo y determinó el modelo para predecir la resistencia. Variables de salida. Flujo de retorno al molino (Ton/h). El Índice de trabajo del clínker La succión o arrastre y la velocidad de la separadora. Carga de llenado de bolas (%). Variables intermedias. Granulometría del cemento. resaltar que las variables de DTP y de distribución de tamaños lo proporciona el modelo matemático. Abertura del exhaustor (%). Variables para la predicción de la resistencia a la compresión del cemento.com .com . Flujo del producto cemento (Ton/h). Flujo de alimentación a la separadora (Ton/h). Indice de trabajo del clínker (kwh/Ton). Velocidad de la separadora (RPM). Granulometría del clínker de alimentación. Superficie específica (cm2/g) o área superficial Parámetros de Rosin Rammler. No se considerará a la composición química del clínker como una variable que afecta en la molienda (para futuras investigaciones) Para la predicción de la resistencia existen tres tipos de variables a considerar: a) • • • • • • b) • • c) • • • • d) Variables de entrada. 6: Balance de masa del circuito en estudio karinaabad@hotmail. Flujo de alimentación fresca (Ton/h).• • • • • La distribución de tamaños de bolas y el llenado de la misma en cada compartimiento del molino La DTP del clínker y el flujo de alimentación.wamartinez@hotmail. sin Fig.

wamartinez@hotmail. por lo que A y R son variables intermedias.com .0 4 100 165 90 95.3 4. 3.1039*VS – 3. F: Flujo de alimentación fresca (Ton/h).2 4. se realiza el balance de masa.80 15.0 4. su eficiencia y obtener la granulometría a la salida del circuito. Variables para predecir el flujo de retorno al molino Para se poder conoce realizar el flujo fresca la de y Variables Símbolo Unidad simulación del circuito solo alimentación Flujo de Retorno (Ton/h) Velocidad de la separadora Abertura del exhaustor Alimentación fresca R 2 VS AE F RPM % Ton/h 3. 1 85 155 90 95. TABLA 8.1156 *AE Conociendo R y F es (26) posible determinar el flujo de alimentación de la separadora. 5.embargo.927 distribución granulométrica. La eficiencia de la separadora.com . Condiciones de operación para las pruebas realizadas.0 15. De la ecuación (24) se observa. De la fig.8 15. determinar A se requiere conocer el flujo de retorno al molino (R). depende del flujo de alimentación (A).8 90 145 80 96. Para determinar las variables que influyen en R se hizo un análisis de regresión por el Método “Paso a Paso” (Véase Tabla 8). 6 tenemos: (23) (24) (25) P: Flujo de producto final (Ton/h).1156 0. A: Flujo Alimentación Separadora (Ton/h). ESTUDIOS DE SIMULACIÓN. y el flujo de alimentación fresca (F) que es un valor conocido. la composición química – mineralógica del cemento se determina experimentalmente.927. F=P A=R+P A=R+F Donde: para determinar el flujo de salida. y se tiene la siguiente relación: Flujo de Alimentación (ton/h) TABLA 9.0 R = 3.02 Velocidad separador (RPM) % Abertura ventilador % Clínker % Yeso Índice de Trabajo (kwh/ton) % Carga de bolas Cámara I: Cámara II: Prueba 2 3 85 145 80 95.7 15.7.80 0 21 19 karinaabad@hotmail. teniendo un ajuste de 0. R: Flujo Retorno al molino (Ton/h).1039 -3. del cual se determina que la VS y el porcentaje de AE determinan el flujo de retorno.

07 0.289 16.45 4.40 9.762 18.00 0.33 7.78 10.54 7.wamartinez@hotmail.29 22.277 <3 µm 12.54 9.20 19.00 0.32 3.03 0.12 0.01 0.058 29.65 13.00 0.32 4.368 33. karinaabad@hotmail.52 13.00 0.02 6.25 2.01 0. El error máximo es del 0.914 33.852 14.5 4.00 2.00 0.01 0.74 9.38 10.04 0.955 η 1.11 1.02 0.01 0.27 8.036 71.01 0.07 0.66 4.35 4.02 0.00 0.03 0.447 P80 (µm) 31.00 0.01 4.00 0.53 7.02 0. Los resultados de la simulación.93 10. a la salida del circuito de molienda.74 6.00 0.26 11.143 1.00 0.00 0.27 21.829 17.25 6.95 5.79 11.794 3-16 µm 34.47 8.09 10.40 17.00 0.30 7. Predicción de la distribución granulométrica a la salida del circuito.23 P4 0.97 7.29 P2 0.64 23.25 P3 0.74 7.24 17. con el objetivo de predecir la granulometría del producto.59 4.00 0.00 0.86 11.19 7.64 7.00 0.169 1.57 14.01 0.00 0.70 11.22 3.37 6.05 0.11 22.06 0.48 4.89 7.01 0.11 6. TABLA 10: Comparación del %retenido de los resultados obtenidos de la simulación del circuito de molienda y los resultados experimentales % Retenido observada %Retenido Predecido % ERROR Abertura µm P1 100 75 53 38 26 18 13 9 6.58 17.126 3-32 µm 67.248 18.48 6. tanto experimentales (observados).697 15. como los predecidos de acuerdo al modelo de predicción (predecidos).83 8.05 0.00 0.com .14 6.146 37.05 0.03 0.32 21.69 6.00 0.02 0.836 16-24 µm 17.48 17.21 3.23 P2 0.00 0.13 P4 0.15 10.46 6.2 0 0. ver la Tabla 10.12 1.01 0.75 3.01 0.00 0.94 7.6 3.00 0.551 12.24 6.03 0.75 6.06 0.44 6.06 21.919 12.288 34.08 0.33 6.57 7.00 0.05 0.52 16.00 0.79 % Error máximo = Así mismo en la Gráfica observa distribución 11.00 0. Nº Prueba 1 2 3 4 Pp (µm) 18.com .632 19.2 2.521 67.00 0.86 19. se la del TABLA 11: Parámetros de Rosin Rammler y fracción por tamaños obtenidos mediante la Simulación del Circuito de Molienda.77 6.00 0.36 10.02 0.28 10.00 0.00 0.34 3.46 0.01 0.00 0.24 0.55 P2 0.248 65.403 porcentaje pasante acumulada de los resultados. por lo que se realizó cuatro pruebas a diferentes condiciones de operación.79 P4 0.00 0.41 P1 0.79% el cual presenta un buen ajuste.01 0.10 18.00 0.171 1.91 5.Los estudios de simulación fueron realizados para verificar el modelo.00 P3 0.001 32.76 9.82 9.67 6.76 11.73 5.70 18.25 ∑ %Error= P1 0.00 0. Las condiciones de operación para las cuatro pruebas experimentales se muestran en la Tabla 9.75 4.86 P3 0.

La Tabla 12. TABLA 12.E.wamartinez@hotmail. DTP y de fracción de tamaños. Nº Prueba 1 2 3 4 S.E. cuyos resultados TABLA 13. los avalores de del la Cemento. PP. 3-16 µm y 16-24 µm. 3-32 µm. como se puede apreciar. de los valores observados y los obtenidos con la simulación menores al 5. La regresión de karinaabad@hotmail.80 4. El error máximo fue de 4. η y también la fracción de tamaños: <3 µm. los errores son TABLA 14: Comparación dela RCC.E. (20) y (21). simulación se muestran Predicción de la superficie específica.57 %. muestra los resultados de S. Variables para en la predicción de la Resistencia la Compresión experimentales se químicas muestran la Tabla 13.E. observados y predecidos por la simulación del circuito de molienda.com . La S.com . (Ver Tablas 11). La predicción de la RCC es mediante las ecuaciones (18). Resultados de la S. Los resultados experimentales y predecidos de la RCC con el modelo se muestran en la Tabla 14. Los resultados de la Gráfica 11: %Pasante Acumulado de las partículas Predecido y Observado para la prueba Nro 1 obtenidos en la Tabla 11. y.96 1. (19). (cm /g) Observada 3490 3340 3480 3720 Predecida 3524 3400 3508 3898 2 % Error 0. se determina por medio de la ecuación (22).76 0. Para ello se requiere los datos de composición química-mineralógica del cemento.De la distribución a la los granulométrica obtuvieron salida del circuito. se parámetros: P80.57 Predicción de la resistencia a la compresión del cemento.00 %. Observada y Predecida.

90 0.90 N 24 horas 3 días 7 días 28 días 5.8 2.3 308.00 1.46 0.24 1.los resultados observados y predecidos se muestra en la Gráfica 12.08 0.03 0.18 2 (kg/cm ) 99.5 306.0 248. 3.40 11. al graficar los valores de las RCC observadas y predecidas la calidad de ajuste da un coeficiente R2 de 0.wamartinez@hotmail. Nº Prueba C3S C2S %LSF %Na2O %SO3 %Cal Libre 1 60.06 4.68 98.0 373.74 3.00 6.82 2.7 171. respectivamente.88 0.0 311. 3.00 ) 3 65. 0.78 1.05 0.10 7.33 24 horas 3 días 7 días 28 días 24 horas 3 días 7 días 28 días 1 163.0 241.40 4.0 364.88 9.86 1.18 Gráfica 12.5 263.00 4.0 193.3 158. %Error 8.85 0.64 0.0 331.28 1.79 2 158.5 301.5 2.2 287.12 Resistencia 0.11 0.7 167. karinaabad@hotmail. las líneas continuas son los resultados experimentales y las líneas punteadas son los resultados obtenidos con el modelo matemático.05 3 167.78 1.6 329.10 9.55 0.0 260.24 0.25 2. respectivamente.0 293. Regresión para la RCC observada Vs predecida Predecida 7.5 0.96 % Error Máximo = 3.39 100.0 290.29 2.90 2 Resistencia Observada (kg/cm 2 64.0 261.0 373.2 376.com .935.79 Del mismo modo.1 301.74 3. En la Gráfica 13 y 14 se puede observa el desarrollo de las resistencias con el transcurso de los días para las Pruebas 1-2 y 3-4.888.com .91 0. 0.6 3.5 359.24 a 24 horas.42 1.4 360.1 253. 0. 7 y 28 días.973 para los modelos de 24 horas.26 0.30 2.8 380.32 2.87 98.25 4 199.90 4 64.998. 7 y 28 días.0 358.

para la simulación del molino en circuito cerrado con la separadora. tiene un error máximo de 0.Gráfica 13: Desarrollo de la RCC observada y simulada desde el circuito de molienda.wamartinez@hotmail. considerando la DTP del material. tiene un error máximo del 4.79%. karinaabad@hotmail. lado Izquierdo pruebas Nº 1 y 2.com .com . lo que demuestra ser adecuado para la molienda de clínker de cemento. 3-32 um y 16-24 um).74 %. La aproximación al Modelo de Mezcla Perfecta. Lado izquierdo pruebas Nº 3y4 CONCLUSIONES Y RECOMENDACIONES El uso de modelos matemáticos para la predicción de la RCC a edades tempranas y tardías. Esto se corrobora en los diferentes rangos de tamaño (<3 um. 3-16 um. a partir del circuito de molienda.

Nappier Munn. Lynch.B y N. Concepts in Process Design of Mills. Editorial JKMRC. Nro 11. Mining Engineering. M.] [6. ZKG International. 560-567. Ergun.E. Materials and Structures. King. Hakan. 26-29. Tsivilis S. Deniz V. A. Mineral Engineering. Kheder. Volumen 59.] Agrawl. Hakan.] [2. C207-C214.] karinaabad@hotmail. Volumen 43. Prediction of Portland Cement Strength Using Statistical Methods. Martínez C. García Casillas.] [4. Mineral Engineering. Materials and Manufacturing Processes. Benetatou A y E. Lynch. Morrison y R. (1984). Mineral Processing. (2003). Camacho H y A. Volumen 53. I. 150. A. MC y Bimal K Modi. Mineral Conminution Circuits Their Operation and Optimization. Austin.G. Queensland. 693-701.BIBLIOGRAFÍA [1. Morrell T.com .] [9.P.J.com . Simulation of a closed cement grinding circuit. Presented at the AIME anual meeting. Volumen 34. (2007). García Luna. Özer. 333-336. Modeling of the classification behavior of the diaphragms used in multi-chamber cement mill.J. Y. (2001). A. (2001). Benzer. ZKG International.J. 5870. Tsimas S. Lynch. L. Haniotakis. Napier Munn. Kavetsky. Öner. (2006).] [8. R. 145-154. L. A Mathematical Model for the Prediction of Cement Compressive Strength at the age of 7 and 28 days within 24 hours. Boston. Volumen 36. 1365-1371.] [14.] [11. 80. Öner. Simulation of open circuit clinker grinding.wamartinez@hotmail. (1990). Application of Comminution and Classification Modeling to Grinding of Cement Clinker. Al Gabban y Abid. C. Gunlu. Primera Edición. Ergun.D. Benzer. Benzer. Mineral Metallurgic. M y H. P.M. Editorial Butterworth Heinemann. (2000). (1996).J y A.] [10. Predicting cement Strength.] [3.A.] [13.J. Öner. Modeling cement grinding circuits. Benzer. Zhang.] [7. Volumen 97. Volumen 14. Hakan. Cement and Concrete Research. T. L. Nro 10. Nro 1. Nro 6.The Effect of mill speed on Kinetic breakage parameters of clinker and limestone. Modeling and Simulation of mineral Processing System. 39-45. Ergun. (2005). Kojovic. M y A. ZKG International. [5. 701-710. No 7. (1988). 1469-1482. Modeling and simulation of a fully air swept ball mill in a raw material grinding circuit. Benzer. Volumen 22. Study on the contribution of the fineness on cement strength. Powder Technology. Aydogan. Celik. A.] [12. (2001).H. (2006). (2004).E. Volumen 14.

Sign up to vote on this title
UsefulNot useful