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

c). que solo es posible determinar con el uso de radiotrazadores. El modelo de Flujo Pistón presupone ausencia de mezcla. La Teoría Moderna de la Conminución. 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. 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.wamartinez@hotmail. 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. Mezcla Perfecta y Flujo Real (Ver Fig. 1. 1). produciendo una salida de partículas en el mismo orden en que ellas ingresaron al equipo (Fig. es una técnica muy utilizada karinaabad@hotmail.com . Y el modelo de Flujo Real corresponde a una situación entre ambos casos hipotéticos (Fig.• Un posible evento de clasificación interna de las partículas dentro del respectivo equipo de Conminución. 1.com . 1.b). pues los parámetros se determinan a nivel de planta cuando éste se encuentra operando. que a diferencia del modelo cinético continuo no requiere del valor de tiempo de residencia para modelar al molino. y debido a la complejidad. lo que hace que sea más práctico y manejable. Además. se optó por el modelo de mezcla perfecta.a). a b c Fig.

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

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

Variables: Las variables a considerar en el modelo por aplicar son: • • • • • El índice de trabajo del material (kw .1.com . y la prueba para la determinación de la DTP finas se realizó en los laboratorios de Cementos Andino S. 3: Esquema Real para un Circuito de Molienda de Cemento Portland Tipo I. Criterios: La razón fundamental para la elección del modelo de Mezcla Perfecta no requería del valor de tiempo de residencia. 3.2. La granulometría del clínker a la entrada del molino.A. CIRCUITO DE MOLIENDA El circuito cerrado de Molienda real en la industria Cementera es como se muestra en la Fig. c. Objetivo: Determinar la DTP a la salida del molino. en las instalaciones de Cementos Lima S. realizando una abstracción del circuito real de molienda.wamartinez@hotmail. pues los parámetros se podían determinar a nivel de planta. PROCEDIMIENTO EXPERIMENTAL El presente trabajo efectuó. 4: Esquema del Circuito de Molienda de Cemento Portland Tipo I en estudio. 4. a.com . realizó principalmente por la dificultad en la toma de muestras del diseño de la planta. MOLINO DE BOLAS Modelo utilizado: Modelo de Mezcla Perfecta. 3. 3. La distribución de tamaño de bolas dentro de los compartimientos del molino. El presente se estudio llevó a de cabo simulación Fig.3. esta simplificación del circuito se Fig. El flujo de alimentación del molino (ton/h) Etapas de cálculo. a un circuito más sencillo como se muestra en la Fig. b.h/ton) La carga de bolas dentro del molino.A. karinaabad@hotmail.

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

BOLAS: Diámetro (d) = 1.3 1. Xi-1/Xj ‐ 0.8 2.1 11.9 8.0 0.1 9.5 3.8 0.32 gr/cm3 Peso de la muestra = 1200 gr Volumenllenado material fc (%)= 4.6 0.2 pulg3 = 22240.35 0.8 0.5 6.0 5.3 1. MATERIAL: Densidad aparente=1.2 1.7 62.3 6.5 9.18 0.8 1.25 0.5 3.0 1.78 Cuadro 1: Especificaciones y condiciones de operación del molino de bolas a escala de laboratorio Tabla 1: %Retenido de una fractura de monotamaños 8/12.4 20.12 0. se refiere resultante al de tamaño cada ).921 cm Numero de bolas = 200 Peso promedio delas bolas = 101.0 0.50 0.07 LlenadoIntersticial U(%) = 48. con estos karinaabad@hotmail. 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) 2.27 Material =Acero Volumenllenado debolas J=20. (8) A partir de la ecuación (8) se obtiene la función de fractura: .3 8.com .4 0.3 17.06 0. Al graficar estos resultados (ver Gráfica 1).6 1.48 cm Longitud (L)=12 pulg= 30.3 8.0 6.0 1. β ) de la función de fractura acumulada (Bij).8 2. MOLINODEBOND: Diámetro(D)= 12 pulg=30.2 1.0 44.6 4.8 3.3 6.5 4. las especificaciones y condiciones de operación del molino se muestra en el Cuadro 1.4 0.25 gr Gravedadespecífica =7.1 26.0 5.3 2.6 Teniendo el tiempo óptimo de 0.5 0.wamartinez@hotmail. VELOCIDADDELMOLINO: VelocidadCrítica (Nc) = 81 RPM %de Nc= 96 % VelocidadOperacional=77 RPM 4. γ . 1.2 3.1 2. y se sugiere que los cuerpos moledores deban ser de un tamaño homogéneo y fijar la cantidad.2 3. Este parámetro se determina a escala de laboratorio.5 2.0 7.4 45.8 2.5 2.9 3. en seguida se realiza las mismas pruebas para diferentes monotamaños y los resultados se muestra en la Tabla 2.2 1.00 partícula fracturada en un intervalo de tiempo ( Para determinar realizó varias variando el .9 1.0 0.4 1.0 0.com .9 3.0 0.09 0.8 3.8 1.7 3.3 16. a partir de ésta gráfica se determina los parámetros ( Φ .7 2.5 3.3 62.2 2. Monotamaño 8/12 Abertura µm La función de fractura.3 0.2 18.6 4.03 0.8 19.0 26.4 3.5 min.3 11.69 0.0 1.0 0. para determinar el tiempo de molienda.1cm3 2.3 5. los resultados se muestra en el Tabla 1.• Determinación de la función de fractura.9 1.9 18.04 0.7 2.15 pulg = 2. valores construye la matriz según la ecuación (8).4 5.88% 3.48 cm Volumen (V)=357.2 2.0 0.9 1. se pruebas tiempo de molienda.7 1.

1 1.com .com .25 0.8 1. obteniendo por cada punto de muestreo de 3.02 0.7 ‐ ‐ ‐ 0.04 0.09 0.3 1.72 0. %Retenido para 0.6 1.0 66.23 0.18 0.05 0.6 0.72 0.6 1.09 0. se tomaron las muestras de las corrientes externas.0 2.50 0.98 5.03 14.67 14.71 0.7 0.36 0.46 1.06 0.31 1.00 69.9 0.03 0. Toma de Muestras: Cuando el proceso se encontraba en estado estacionario.35 0.0 68.5 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. • Condiciones de molienda: Las condiciones de molienda se muestran en la Tabla 3.6 14.02 0.65 2.00 ‐ ‐ ‐ 0.0 kg.6 0.4 5.3 2.73 0.09 0.18 0.08 0.4 m.3 a 0.1 17.3 1.6 0.25 0.5 min de monotamaños 8/12.04 0.06 0.13 0. Las muestras fueron tomadas a lo largo del eje del molino como se aprecia en Fig.68 ‐ ‐ ‐ ‐ 0.0 0. karinaabad@hotmail.83 0.7 ‐ ‐ 0.79 1. 16/20 y 20/30 T = 0.82 1.12 0. e inmediatamente se realizó una parada en seco y se obtuvieron muestras del interior del molino.54 5.00 70.76 2.09 0.51 0.00 ‐ 0.13 0.06 0.7 1.18 0.13 0. 12/16.25 0.71 0.35 0.36 0.78 • Determinación de la función combinada r/d prueba se realiza a nivel industrial y depende mucho de las condiciones de Esta operación del molino.50 0.82 1.25 0.wamartinez@hotmail.(9) TABLA 2.17 1.4 6.4 0. 5 y se escavo aproximadamente a una profundidad 0.18 0.8 0.00 ‐ ‐ 0.00 0.33 1.50 0.8 0.04 0.9 0.0 a 4.04 0.66 0.

4 µm. La DTP en el interior del molino llega a ser más fino conforme Molino Velocidad del molino Cámara I: Diámetro: Peso: Carga de bolas. mientras que las partículas finas se fracturan lentamente.com . La Gráfica 2. y la técnica de difracción láser para muestras desde 100 a 0.wamartinez@hotmail. J* Material Componentes: Alimentación Clinker al molino Yeso Flujo Clínker Índice de Trabajo % % Ton/h (Kw–h)/ton karinaabad@hotmail.16/20 20/30 Gráfica 1: Función de distribución de fractura para el clínker 16/20 y 20/30 Puntos de muestreo Fig. Como se observa.5 100 15 17 – 30 100 21 40 – 90 180 19 Acero 94 6 85 15. La DTP de las muestras fueron Tabla 3.80 determinadas combinando dos métodos: Tamizado en seco desde 37 500 a 100 µm.0 8. J Cuerpos Cámara II: Moledores Diámetro: Peso: Carga de bolas.0 5. 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. Puntos de Muestreo externas e internas en el molino. las partículas gruesas se fracturan con mayor rapidez.com . 5. Condiciones de molienda operando en continuo.4 14. muestra el porcentaje retenido acumulado en el interior del molino por unidad de longitud del molino.

De la Gráfica 3 lado derecho se observa que el segundo compartimiento presenta una sola familia de curvas. karinaabad@hotmail. el eje de las abscisas representa los tamaños de partículas y.com . Estas evidencias nos indican la existencia de dos molinos ideales en serie perfectamente mezclados en este compartimiento. Por lo expuesto se deduce que: • • El primer molino ideal. y la segunda familia por los tres últimos puntos. La primera familia está formada por los tres primeros puntos de muestreo.avanza en longitud desde el punto de alimentación hasta el diafragma.5 m. se encuentra en circuito cerrado con el clasificador ideal (Diafragma). Del mismo gráfico se observa claramente dos familias de curvas. mide aproximadamente 2.5 m. en el segundo compartimiento donde es más fino. lo que indica la presencia de una especie de separadora. el eje de las ordenadas el porcentaje pasante acumulado. y el segundo molino ideal. mide aproximadamente 2. todas con la misma tendencia. sufriendo una caída considerable. 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. El segundo molino ideal. en el cual.wamartinez@hotmail. que recibe material grueso. se encuentra en circuito abierto. entre cada compartimiento. Analizando el segundo compartimiento se deduce que el tercer molino ideal mide aproximadamente 8. el cual opera en circuito cerrado con el clasificador ideal. del cual se deduce que hay un molino ideal en circuito abierto. en donde el primer molino.5 m y opera en circuito abierto.com . cada uno con su forma peculiar de molienda.

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

la alimentación al clasificador ideal. El esquema de esta representación se muestra en la Fig. La prueba experimental se realizó a 214 ton/h. Las muestras tomadas en el último punto del primer compartimento (parte frontal del diafragma) es Gráfica 5.com . 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. 4. 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.com . Haciendo muestreo. para otras condiciones de flujo de alimentación la función combinada r/d.wamartinez@hotmail. la función combinada dependerá únicamente del flujo de la alimentación (ton/h). y el primer punto del segundo compartimiento (parte posterior del diafragma) es del producto fino que sale del clasificador ideal. Distribución de las muestras tomadas de la parte frontal y posterior del tabique.Cámara II: (11) Si se mantienen las mismas condiciones de J y Wi. está dada por la ecuación en: (12) Fig. karinaabad@hotmail.

también se grafica el Porcentaje Pasante acumulado de la alimentación real y del grueso simulado.135. muestra el Porcentaje Pasante acumulado de observados. Las curvas de eficiencia para el clasificador ideal observado y simulado son mostradas en la Gráfica 6. VARIABLES UNIDADES VALORES Gráfica 7. por lo que la simulación es una gran alternativa.377. 100 karinaabad@hotmail. teniendo en consideración lo siguiente: TABLA 4.com . el flujo de gruesos es desconocido e imposible de determinar por métodos experimentales.La Gráfica 5. δ = 0. sin embargo.534. el error es 0.com . 90. Modelando el diafragma se logra predecir el flujo en ton/h de los gruesos y su granulometría. Los parámetros de la ecuación (12) para el clasificador ideal son: XT = 49.3. se realizaron diversas pruebas en el separador. solo se dispone el flujo de alimentación y el flujo del producto con sus respectivas granulometrías. Condiciones de operación del Clasificador O-Sepa. muestra la distribución pasante acumulado de las partículas en la parte frontal y posterior al tabique. determinar la cantidad de material rechazado por el diafragma que es el alimento del segundo molino ideal. Debido a que el diafragma se comporta como un separador.00 3. y los experimentalmente Gráfica 6.80%. SEPARADORA Para obtener los parámetros del modelo de la separadora. Alimentación fresca al molino Ton/h 85. se utilizará el modelo para separadoras.wamartinez@hotmail. Distribución de tamaños simulados para la estimación de los gruesos desconocidos. Eficiencia Real del Tabique (observada y simulada) simulados. X0 = 7. consiguiendo de esta manera. T0 = 18. La los Gráfica finos 7. De las muestras tomadas.

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

8x10 * (A) -3 (13) (14) (15) (16) 3. y en los trabajos de evaluación realizadas en los laboratorios de Cementos Lima S.0x10-4 * (VS) XT = 54. 0248 *(VS) TO = 6.4x10-3*(AE) + 5. C3A.908 δ 0.0048 0.Luego se relaciona los parámetros con las condiciones de operación. Se ha utilizado un Modelo de Regresión Lineal por el método de paso a paso. mediante regresión multivariable por el método de pasos.. C2S.5911 0. C4AF. obteniendo las relaciones que se observa en la Tabla 5.4. de la misma línea de producción. karinaabad@hotmail. el modelo matemático para la predicción de la RCC. Se tomaron 53 diferentes muestras de Cemento Portland Tipo I. que demuestran en que existe relación entre la resistencia a la compresión y las características del cemento. Parámetro de posición (Pp). SO3 y Cal libre.0005 0.0248 14.613 . • • • Variables químicas mineralógicas: C3S.0006 -0.920 Obteniendo las siguientes relaciones: XO = 14. 3-32 µm.).E. MODELO PARA LA PREDICCION DE LA RESISTENCIA A LA COMPRESIÓN DEL CEMENTO TIPO I En el presente proyecto. 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. 80% Pasante (P80) y el Factor de uniformidad (n).wamartinez@hotmail.1861 -0. 3-16 µm y 16-24 µm. fueron determinados con el granulómetro laser El desarrollo del modelo matemático se ha efectuado sobre la base de las investigaciones de Tsivilis. Variables de fracción de tamaño de partículas: <3 µm.1861 *(VS).0x10-4 *(A) .1.613 0. Variables de DTP: Superficie específica (S.0.0.com .A. el cual permite determinar los coeficientes ( variables independientes que influyen en las variables dependientes.0121 0. Na2O.0121 * (A) + 0. es desarrollado tomando en cuenta tres aspectos importantes: composición química mineralógica. LSF (Factor de saturación).0014 0.999 XT -0. 5911 – 0.927 T0 0.0384 * (AE) δ = 4. García-Casillas.0384 54. parámetros de DTP y las fracciones de tamaños de partículas.com ) y las .

Las variables seleccionadas se muestran en la Tabla 6. estas resistencias son medidas en kg/cm2. 3. R3.com .(17) Donde: y Del cual R1.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. R7 y R28 son RCC evaluada a 24 horas.wamartinez@hotmail.com . 7 y 28 días respectivamente.

Regresión para la RCC observada Vs la predecida a 24 horas. 0. 0. MODELO PARA LA PREDICCIÓN DE LA SUPERFICIE ESPECÍFICA TABLA 7.5. la Gráfica 9. 7 y 28 días 3. 0. 3. 3. y para predecir la S.wamartinez@hotmail.998. respectivamente. Gráfica 9.E los parámetros del modelo lineal karinaabad@hotmail. (19).998.com . nos muestra la calidad de ajuste del modelo. Variables que influyen. 7 y 28 días.%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 0.998.com .

3-16 µm influyen en la S. en la S.914 muestra la siguiente correlación matemática: S. P80. P80 (µm) y n. 3-16 µm. S 3200 3000 3000 3200 3400 3600 3800 4000 S .Para determinar la influencia que tienen la fracción de tamaños de partículas de: <3 µm.E (cm /g). 16-24 µm.16 ρ (g/cm ) 30 3 2 Variables η S..E. la que confirma que tamaños de 92. Y se aprecian que los parámetros: η. 3-32 µm. Las variables seleccionadas por el análisis de Regresión por el método de paso a paso se muestran en la Tabla 7.E = 92.wamartinez@hotmail. PP. se realizó un análisis de regresión.16*(3-16 µm) + 30*(<3 µm) + 137.7 partículas menores de 16 µm influyen en la S. 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. en el presente trabajo se ha tomado en consideración lo siguiente: karinaabad@hotmail. La Gráfica 10: Muestra el ajuste de regresión de la superficie específica por el Método Blaine observado y predecido.6.com . 3.com .E. Pp (µm).914. Variables del circuito de molienda. 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.7*P80 -170* Pp – 1 076 * η 4000 (22) La calidad de ajuste del modelo de regresión da un coeficiente R2 de 0.E (cm2/g) -1076 -170 137. <3 µm. Y se R 2 0. CIRCUITO DE MOLIENDA 3800 ) g / 2 3600 m c ( A D I C E D 3400 E R P E .

Variables intermedias. sin Fig.com . Flujo de alimentación fresca (Ton/h). 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. resaltar que las variables de DTP y de distribución de tamaños lo proporciona el modelo matemático. Carga de llenado de bolas (%). Abertura del exhaustor (%). El Índice de trabajo del clínker La succión o arrastre y la velocidad de la separadora. Variables para la predicción de la resistencia a la compresión del cemento. Flujo de retorno al molino (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. Velocidad de la separadora (RPM). Granulometría del cemento. Variables de salida. En la sección anterior ya se analizo y determinó el modelo para predecir la resistencia. Flujo del producto cemento (Ton/h).com . Indice de trabajo del clínker (kwh/Ton). 6: Balance de masa del circuito en estudio karinaabad@hotmail. Flujo de alimentación a la separadora (Ton/h).wamartinez@hotmail.

Para determinar las variables que influyen en R se hizo un análisis de regresión por el Método “Paso a Paso” (Véase Tabla 8).com . R: Flujo Retorno al molino (Ton/h).3 4.0 4.0 15. ESTUDIOS DE SIMULACIÓN. De la ecuación (24) se observa. La eficiencia de la separadora.wamartinez@hotmail.927.8 90 145 80 96. del cual se determina que la VS y el porcentaje de AE determinan el flujo de retorno. F=P A=R+P A=R+F Donde: para determinar el flujo de salida.1039*VS – 3. teniendo un ajuste de 0.7.0 4 100 165 90 95. y se tiene la siguiente relación: Flujo de Alimentación (ton/h) TABLA 9.8 15. TABLA 8.7 15. 1 85 155 90 95. se realiza el balance de masa.1039 -3. por lo que A y R son variables intermedias.2 4.1156 *AE Conociendo R y F es (26) posible determinar el flujo de alimentación de la separadora. Condiciones de operación para las pruebas realizadas. 5. 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 3.927 distribución granulométrica.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 95.80 0 21 19 karinaabad@hotmail. determinar A se requiere conocer el flujo de retorno al molino (R). F: Flujo de alimentación fresca (Ton/h). su eficiencia y obtener la granulometría a la salida del circuito.embargo.0 R = 3. y el flujo de alimentación fresca (F) que es un valor conocido. depende del flujo de alimentación (A). A: Flujo Alimentación Separadora (Ton/h). 3.com .80 15. 6 tenemos: (23) (24) (25) P: Flujo de producto final (Ton/h).1156 0. la composición química – mineralógica del cemento se determina experimentalmente. De la fig.

46 0.58 17.00 0.05 0. El error máximo es del 0.6 3.143 1.00 0.126 3-32 µm 67.64 7.11 1.00 0.65 13.632 19. por lo que se realizó cuatro pruebas a diferentes condiciones de operación. como los predecidos de acuerdo al modelo de predicción (predecidos).21 3. Los resultados de la simulación.05 0.02 0.00 0.01 0.146 37. a la salida del circuito de molienda.403 porcentaje pasante acumulada de los resultados.036 71.00 0.34 3.44 6.32 21.94 7.59 4.86 19.01 0.00 0.79 11. tanto experimentales (observados).829 17.97 7.01 0.25 2.38 10.74 9.57 14.73 5.03 0.08 0.01 4.52 13.35 4.03 0.01 0.23 P2 0.10 18.521 67.33 6.70 18.01 0.25 6.169 1.07 0.79 % Error máximo = Así mismo en la Gráfica observa distribución 11.27 8.00 0.00 0.00 0.75 3.00 0.76 9.00 0.171 1.02 0.00 0.01 0. ver la Tabla 10.75 4.00 0.289 16.05 0.79 P4 0.86 11.23 P4 0. Nº Prueba 1 2 3 4 Pp (µm) 18.24 17.82 9.24 0.wamartinez@hotmail.09 10.57 7.41 P1 0.00 0.86 P3 0.01 0.00 0.40 17.794 3-16 µm 34.00 0.33 7.91 5.368 33.47 8.04 0.914 33.07 0.02 0.36 10.05 0.78 10.00 0.20 19.00 0. con el objetivo de predecir la granulometría del producto.46 6.29 22.26 11.058 29. Las condiciones de operación para las cuatro pruebas experimentales se muestran en la Tabla 9.762 18.32 4.83 8.75 6.19 7.48 17.28 10.00 0.32 3.00 0.53 7.00 2.277 <3 µm 12.248 18.95 5.919 12.24 6.00 0.01 0.2 2.06 0.00 0. 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 6.00 P3 0.89 7.64 23.955 η 1.79% el cual presenta un buen ajuste.03 0.37 6.551 12.77 6. se la del TABLA 11: Parámetros de Rosin Rammler y fracción por tamaños obtenidos mediante la Simulación del Circuito de Molienda.02 0.25 ∑ %Error= P1 0.55 P2 0. karinaabad@hotmail.74 6.70 11.697 15.com .288 34.00 0.01 0.836 16-24 µm 17.11 6.12 0.29 P2 0.02 0.248 65.54 9.447 P80 (µm) 31.76 11.15 10.01 0.40 9.11 22.00 0.00 0.06 21.00 0.001 32.66 4.13 P4 0.com .30 7.12 1.00 0.93 10.06 0.67 6.2 0 0.00 0.00 0.02 6.852 14.00 0.52 16.22 3.74 7.45 4.27 21.Los estudios de simulación fueron realizados para verificar el modelo.69 6.48 4.14 6.01 0.54 7.25 P3 0.5 4.03 0.00 0.00 0.48 6. Predicción de la distribución granulométrica a la salida del circuito.

los avalores de del la Cemento. y. (Ver Tablas 11). η y también la fracción de tamaños: <3 µm. los errores son TABLA 14: Comparación dela RCC. muestra los resultados de S.76 0. Los resultados experimentales y predecidos de la RCC con el modelo se muestran en la Tabla 14. cuyos resultados TABLA 13. La regresión de karinaabad@hotmail.com . PP. como se puede apreciar. El error máximo fue de 4.E. 3-32 µm. TABLA 12. Variables para en la predicción de la Resistencia la Compresión experimentales se químicas muestran la Tabla 13. se parámetros: P80.E.De la distribución a la los granulométrica obtuvieron salida del circuito.E. La S. (cm /g) Observada 3490 3340 3480 3720 Predecida 3524 3400 3508 3898 2 % Error 0. de los valores observados y los obtenidos con la simulación menores al 5. La Tabla 12. La predicción de la RCC es mediante las ecuaciones (18). DTP y de fracción de tamaños.com . (19).00 %.96 1.57 %. Los resultados de la Gráfica 11: %Pasante Acumulado de las partículas Predecido y Observado para la prueba Nro 1 obtenidos en la Tabla 11. (20) y (21).80 4. observados y predecidos por la simulación del circuito de molienda. 3-16 µm y 16-24 µm. simulación se muestran Predicción de la superficie específica.57 Predicción de la resistencia a la compresión del cemento.wamartinez@hotmail. Para ello se requiere los datos de composición química-mineralógica del cemento. se determina por medio de la ecuación (22).E. Resultados de la S. Observada y Predecida. Nº Prueba 1 2 3 4 S.

5 2.40 11.8 380.79 Del mismo modo. 7 y 28 días.96 % Error Máximo = 3.0 311. 3.79 2 158.90 0.00 1.0 290.0 373.00 6.998. karinaabad@hotmail. 0. %Error 8.32 2.86 1.00 4.28 1.12 Resistencia 0. 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.com .85 0.3 158.87 98.25 4 199.39 100.18 Gráfica 12. 3. respectivamente.03 0. respectivamente.90 4 64.55 0.64 0.5 301.0 373.6 3.00 ) 3 65.4 360.24 0.5 306.7 167.46 0.5 263.973 para los modelos de 24 horas.5 0. al graficar los valores de las RCC observadas y predecidas la calidad de ajuste da un coeficiente R2 de 0.0 241.05 3 167.0 193.18 2 (kg/cm ) 99.24 1.90 2 Resistencia Observada (kg/cm 2 64.06 4.88 9. Regresión para la RCC observada Vs predecida Predecida 7.33 24 horas 3 días 7 días 28 días 24 horas 3 días 7 días 28 días 1 163. 0.5 359.888.0 358.8 2.40 4.08 0.10 7.30 2.29 2.26 0.88 0.78 1.25 2.0 364.05 0.0 331.90 N 24 horas 3 días 7 días 28 días 5.78 1.3 308. 7 y 28 días. 0.10 9.68 98.0 260.2 287.11 0.7 171.74 3.42 1.0 261. las líneas continuas son los resultados experimentales y las líneas punteadas son los resultados obtenidos con el modelo matemático.wamartinez@hotmail.0 248.91 0.24 a 24 horas.com . Nº Prueba C3S C2S %LSF %Na2O %SO3 %Cal Libre 1 60.2 376.0 293.82 2.6 329.74 3.los resultados observados y predecidos se muestra en la Gráfica 12.1 253.1 301.935.

La aproximación al Modelo de Mezcla Perfecta. 3-32 um y 16-24 um).com .Gráfica 13: Desarrollo de la RCC observada y simulada desde el circuito de molienda. 3-16 um. Esto se corrobora en los diferentes rangos de tamaño (<3 um. considerando la DTP del material. Lado izquierdo pruebas Nº 3y4 CONCLUSIONES Y RECOMENDACIONES El uso de modelos matemáticos para la predicción de la RCC a edades tempranas y tardías.79%.wamartinez@hotmail. tiene un error máximo del 4. tiene un error máximo de 0. para la simulación del molino en circuito cerrado con la separadora. lado Izquierdo pruebas Nº 1 y 2.com .74 %. karinaabad@hotmail. a partir del circuito de molienda. lo que demuestra ser adecuado para la molienda de clínker de cemento.

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

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.