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

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

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

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

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

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

VELOCIDADDELMOLINO: VelocidadCrítica (Nc) = 81 RPM %de Nc= 96 % VelocidadOperacional=77 RPM 4.7 62.1cm3 2.07 LlenadoIntersticial U(%) = 48.00 partícula fracturada en un intervalo de tiempo ( Para determinar realizó varias variando el . Monotamaño 8/12 Abertura µm La función de fractura. β ) de la función de fractura acumulada (Bij). 1. Este parámetro se determina a escala de laboratorio.7 1.1 2.9 3.8 0.8 3.9 1.25 gr Gravedadespecífica =7.48 cm Volumen (V)=357.48 cm Longitud (L)=12 pulg= 30.3 62.03 0.78 Cuadro 1: Especificaciones y condiciones de operación del molino de bolas a escala de laboratorio Tabla 1: %Retenido de una fractura de monotamaños 8/12.06 0.8 0.8 19.15 pulg = 2.3 5.3 6.6 Teniendo el tiempo óptimo de 0. MOLINODEBOND: Diámetro(D)= 12 pulg=30.1 11.18 0.5 4.5 3.88% 3.wamartinez@hotmail.0 6.0 26.0 5.3 1.8 2.7 2.5 6.3 8.6 1.0 1.27 Material =Acero Volumenllenado debolas J=20.7 2.5 3.8 1.3 16.2 18.5 2.35 0.0 1. para determinar el tiempo de molienda.3 6.3 0.8 2.2 1.09 0. a partir de ésta gráfica se determina los parámetros ( Φ .6 4.2 1.1 26.4 1.0 0.2 3.8 3.0 0.25 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) 2.9 1. se refiere resultante al de tamaño cada ).6 0.69 0.4 0.4 20.com .3 17.5 min.7 3. y se sugiere que los cuerpos moledores deban ser de un tamaño homogéneo y fijar la cantidad.4 5.4 45.1 9.921 cm Numero de bolas = 200 Peso promedio delas bolas = 101.8 1.6 4. valores construye la matriz según la ecuación (8).0 7. los resultados se muestra en el Tabla 1.5 9.0 1.04 0.• Determinación de la función de fractura.12 0. Xi-1/Xj ‐ 0.50 0.5 0.3 8.2 3.9 8.4 3.2 1.9 3.0 0. Al graficar estos resultados (ver Gráfica 1).0 0. en seguida se realiza las mismas pruebas para diferentes monotamaños y los resultados se muestra en la Tabla 2. γ .9 1. (8) A partir de la ecuación (8) se obtiene la función de fractura: .4 0.2 2.2 pulg3 = 22240. se pruebas tiempo de molienda.3 2.32 gr/cm3 Peso de la muestra = 1200 gr Volumenllenado material fc (%)= 4.0 5.0 0. MATERIAL: Densidad aparente=1.com . con estos karinaabad@hotmail.3 1. BOLAS: Diámetro (d) = 1.2 2.0 0.5 2.8 2.0 0.9 18.3 11. las especificaciones y condiciones de operación del molino se muestra en el Cuadro 1.5 3.0 44.

18 0.67 14.03 0.54 5.3 1.4 m.0 kg.00 ‐ 0.06 0.18 0. karinaabad@hotmail.36 0.09 0.82 1.6 1. 12/16.8 0.25 0.7 0.com .7 1.03 14. • Condiciones de molienda: Las condiciones de molienda se muestran en la Tabla 3.73 0.33 1.65 2.00 70.31 1.50 0.18 0. %Retenido para 0.09 0.50 0.4 5. Las muestras fueron tomadas a lo largo del eje del molino como se aprecia en Fig.0 0.71 0.02 0.04 0.3 a 0.06 0.13 0.50 0.72 0.(9) TABLA 2.04 0.7 ‐ ‐ 0.9 0.66 0.25 0.82 1. se tomaron las muestras de las corrientes externas.0 2.35 0.0 66. e inmediatamente se realizó una parada en seco y se obtuvieron muestras del interior del molino.06 0.05 0.09 0.17 1. 5 y se escavo aproximadamente a una profundidad 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 ‐ 0.00 0.79 1.13 0.25 0.71 0.68 ‐ ‐ ‐ ‐ 0.5 min de monotamaños 8/12.04 0.72 0.6 1.12 0.6 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.8 1.25 0.46 1.98 5.4 6.3 1.04 0. 16/20 y 20/30 T = 0.6 0.0 68.0 a 4.00 ‐ ‐ ‐ 0.51 0.35 0.13 0.00 ‐ ‐ 0.09 0.7 ‐ ‐ ‐ 0.6 14.02 0.76 2.83 0.3 2.1 17.com .08 0. obteniendo por cada punto de muestreo de 3.6 0.18 0.00 69.9 0.4 0.23 0.8 0. Toma de Muestras: Cuando el proceso se encontraba en estado estacionario.wamartinez@hotmail.36 0.1 1.

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. y la técnica de difracción láser para muestras desde 100 a 0. La DTP de las muestras fueron Tabla 3. 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. mientras que las partículas finas se fracturan lentamente.80 determinadas combinando dos métodos: Tamizado en seco desde 37 500 a 100 µm.0 5.wamartinez@hotmail.0 8.4 14.16/20 20/30 Gráfica 1: Función de distribución de fractura para el clínker 16/20 y 20/30 Puntos de muestreo Fig. Condiciones de molienda operando en continuo. La Gráfica 2. Puntos de Muestreo externas e internas en el molino.5 100 15 17 – 30 100 21 40 – 90 180 19 Acero 94 6 85 15. Como se observa.com . las partículas gruesas se fracturan con mayor rapidez. muestra el porcentaje retenido acumulado en el interior del molino por unidad de longitud del molino. La DTP en el interior del molino llega a ser más fino conforme Molino Velocidad del molino Cámara I: Diámetro: Peso: Carga de bolas.4 µm.com .

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

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

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

377. el error es 0. se utilizará el modelo para separadoras. La los Gráfica finos 7. 100 karinaabad@hotmail. también se grafica el Porcentaje Pasante acumulado de la alimentación real y del grueso simulado. y los experimentalmente Gráfica 6. 90. consiguiendo de esta manera.La Gráfica 5.00 3. Debido a que el diafragma se comporta como un separador. Los parámetros de la ecuación (12) para el clasificador ideal son: XT = 49.wamartinez@hotmail. se realizaron diversas pruebas en el separador. por lo que la simulación es una gran alternativa. muestra la distribución pasante acumulado de las partículas en la parte frontal y posterior al tabique. Condiciones de operación del Clasificador O-Sepa. Distribución de tamaños simulados para la estimación de los gruesos desconocidos. T0 = 18.80%.135. δ = 0.com . determinar la cantidad de material rechazado por el diafragma que es el alimento del segundo molino ideal. solo se dispone el flujo de alimentación y el flujo del producto con sus respectivas granulometrías.534.com . VARIABLES UNIDADES VALORES Gráfica 7. Alimentación fresca al molino Ton/h 85. Modelando el diafragma se logra predecir el flujo en ton/h de los gruesos y su granulometría. teniendo en consideración lo siguiente: TABLA 4.3. Las curvas de eficiencia para el clasificador ideal observado y simulado son mostradas en la Gráfica 6. el flujo de gruesos es desconocido e imposible de determinar por métodos experimentales. X0 = 7. sin embargo. SEPARADORA Para obtener los parámetros del modelo de la separadora. Eficiencia Real del Tabique (observada y simulada) simulados. De las muestras tomadas. muestra el Porcentaje Pasante acumulado de observados.

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

3-32 µm. Variables de fracción de tamaño de partículas: <3 µm. LSF (Factor de saturación). fueron determinados con el granulómetro laser El desarrollo del modelo matemático se ha efectuado sobre la base de las investigaciones de Tsivilis.0248 14. es desarrollado tomando en cuenta tres aspectos importantes: composición química mineralógica.0x10-4 *(A) . el cual permite determinar los coeficientes ( variables independientes que influyen en las variables dependientes. • • • Variables químicas mineralógicas: C3S.0. 3-16 µm y 16-24 µm.com ) y las .0x10-4 * (VS) XT = 54. 80% Pasante (P80) y el Factor de uniformidad (n).4. karinaabad@hotmail.927 T0 0. obteniendo las relaciones que se observa en la Tabla 5. Variables de DTP: Superficie específica (S.0014 0.1.613 . el modelo matemático para la predicción de la RCC. 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. 5911 – 0. SO3 y Cal libre.Luego se relaciona los parámetros con las condiciones de operación.1861 -0. Parámetro de posición (Pp).613 0. y en los trabajos de evaluación realizadas en los laboratorios de Cementos Lima S.1861 *(VS). C3A. C4AF.0006 -0. Se ha utilizado un Modelo de Regresión Lineal por el método de paso a paso.).920 Obteniendo las siguientes relaciones: XO = 14.0121 * (A) + 0.8x10 * (A) -3 (13) (14) (15) (16) 3. MODELO PARA LA PREDICCION DE LA RESISTENCIA A LA COMPRESIÓN DEL CEMENTO TIPO I En el presente proyecto. mediante regresión multivariable por el método de pasos.wamartinez@hotmail.999 XT -0. C2S.0384 54.0005 0.908 δ 0.4x10-3*(AE) + 5.0048 0. Se tomaron 53 diferentes muestras de Cemento Portland Tipo I.5911 0. 0248 *(VS) TO = 6. parámetros de DTP y las fracciones de tamaños de partículas.com . Na2O. que demuestran en que existe relación entre la resistencia a la compresión y las características del cemento.0121 0. de la misma línea de producción.A. García-Casillas..E.0384 * (AE) δ = 4.0.

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

0. respectivamente.5. Gráfica 9. Variables que influyen.com .998.999 para el modelo de 24 horas. (20) y (21) da un coeficiente R2 de 0. MODELO PARA LA PREDICCIÓN DE LA SUPERFICIE ESPECÍFICA TABLA 7.998.wamartinez@hotmail. 7 y 28 días 3.E los parámetros del modelo lineal karinaabad@hotmail. 0. Regresión para la RCC observada Vs la predecida a 24 horas. nos muestra la calidad de ajuste del modelo.%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).998. 7 y 28 días. 3. y para predecir la S. 3. 0.com . la Gráfica 9. (19).

914. Variables del circuito de molienda. en la S. la que confirma que tamaños de 92. P80 (µm) y n.16 ρ (g/cm ) 30 3 2 Variables η S. CIRCUITO DE MOLIENDA 3800 ) g / 2 3600 m c ( A D I C E D 3400 E R P E .com .wamartinez@hotmail.. en el presente trabajo se ha tomado en consideración lo siguiente: karinaabad@hotmail. <3 µm.E = 92. 3-16 µm.E (cm /g). La Gráfica 10: Muestra el ajuste de regresión de la superficie específica por el Método Blaine observado y predecido.E (cm2/g) -1076 -170 137.914 muestra la siguiente correlación matemática: S.7*P80 -170* Pp – 1 076 * η 4000 (22) La calidad de ajuste del modelo de regresión da un coeficiente R2 de 0.7 partículas menores de 16 µm influyen en la S. Y se R 2 0. Y se aprecian que los parámetros: η.E.Para determinar la influencia que tienen la fracción de tamaños de partículas de: <3 µm. 16-24 µm. S 3200 3000 3000 3200 3400 3600 3800 4000 S . Pp (µm). 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. 3. 3-16 µm influyen en la S. se realizó un análisis de regresión. Las variables seleccionadas por el análisis de Regresión por el método de paso a paso se muestran en la Tabla 7.E.16*(3-16 µm) + 30*(<3 µm) + 137. P80. 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.com . PP.6. 3-32 µm.

com . sin Fig. resaltar que las variables de DTP y de distribución de tamaños lo proporciona el modelo matemático. 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. 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. Abertura del exhaustor (%). En la sección anterior ya se analizo y determinó el modelo para predecir la resistencia. Flujo de retorno al molino (Ton/h).com . Variables intermedias. Flujo de alimentación fresca (Ton/h). Variables de salida. Superficie específica (cm2/g) o área superficial Parámetros de Rosin Rammler. Granulometría del cemento. Flujo del producto cemento (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. 6: Balance de masa del circuito en estudio karinaabad@hotmail. Granulometría del clínker de alimentación.wamartinez@hotmail. Indice de trabajo del clínker (kwh/Ton). Flujo de alimentación a la separadora (Ton/h). Velocidad de la separadora (RPM). Carga de llenado de bolas (%).

F=P A=R+P A=R+F Donde: para determinar el flujo de salida. 3. 6 tenemos: (23) (24) (25) P: Flujo de producto final (Ton/h).1039 -3. teniendo un ajuste de 0.2 4.927 distribución granulométrica.0 15. depende del flujo de alimentación (A). La eficiencia de la separadora.80 0 21 19 karinaabad@hotmail. determinar A se requiere conocer el flujo de retorno al molino (R). se realiza el balance de masa. ESTUDIOS DE SIMULACIÓN. Condiciones de operación para las pruebas realizadas.0 4. por lo que A y R son variables intermedias. 1 85 155 90 95.8 15.80 15.com .927.3 4. la composición química – mineralógica del cemento se determina experimentalmente. su eficiencia y obtener la granulometría a la salida del circuito. y el flujo de alimentación fresca (F) que es un valor conocido.0 4 100 165 90 95. Para determinar las variables que influyen en R se hizo un análisis de regresión por el Método “Paso a Paso” (Véase Tabla 8). A: Flujo Alimentación Separadora (Ton/h).7 15. De la ecuación (24) se observa.embargo.com .1039*VS – 3. TABLA 8. del cual se determina que la VS y el porcentaje de AE determinan el flujo de retorno.1156 *AE Conociendo R y F es (26) posible determinar el flujo de alimentación de la separadora. 5.0 R = 3.7. y se tiene la siguiente relación: Flujo de Alimentación (ton/h) TABLA 9.1156 0.02 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. R: Flujo Retorno al molino (Ton/h). 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. F: Flujo de alimentación fresca (Ton/h). De la fig.wamartinez@hotmail.8 90 145 80 96.

74 7.00 P3 0.29 22.11 6.40 17.23 P4 0.82 9.44 6.05 0.38 10.02 0.036 71.79 11.551 12.52 16.21 3.00 0.2 2.64 23.403 porcentaje pasante acumulada de los resultados.00 0.01 0.169 1.48 4.00 0.00 0.00 0.30 7.6 3. 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 6.79 P4 0.12 1.57 7.01 4.29 P2 0.762 18.05 0.01 0.67 6.19 7.914 33.Los estudios de simulación fueron realizados para verificar el modelo.836 16-24 µm 17. como los predecidos de acuerdo al modelo de predicción (predecidos).32 3.58 17.00 0.00 0.14 6.46 0.35 4.00 0. Las condiciones de operación para las cuatro pruebas experimentales se muestran en la Tabla 9.97 7.126 3-32 µm 67.143 1.93 10.00 0.76 11.00 0.74 9.02 0.45 4.com .01 0.54 9.01 0.32 4.54 7.00 0.00 0.01 0.5 4.00 0.48 17.00 0.79% el cual presenta un buen ajuste.09 10. ver la Tabla 10.66 4.10 18.75 4. a la salida del circuito de molienda.24 6.24 17.46 6.794 3-16 µm 34.07 0.00 0.852 14. Nº Prueba 1 2 3 4 Pp (µm) 18.75 3.23 P2 0.73 5. por lo que se realizó cuatro pruebas a diferentes condiciones de operación.25 2.00 0.368 33.02 0.171 1.001 32.03 0.697 15.27 8.25 P3 0.76 9.00 0.64 7.06 0. karinaabad@hotmail.05 0.70 18.00 0.27 21.69 6.70 11.277 <3 µm 12.01 0.04 0.01 0.94 7.37 6.74 6.55 P2 0.41 P1 0.06 21.65 13.13 P4 0.00 0.86 P3 0.01 0.03 0.33 6.34 3.288 34.00 0.146 37.75 6.05 0.248 65.83 8.11 22.00 0.77 6.33 7.521 67.12 0.02 0.25 ∑ %Error= P1 0.53 7.40 9.919 12.829 17.01 0.22 3.00 0.02 0.26 11.00 2.79 % Error máximo = Así mismo en la Gráfica observa distribución 11.91 5.00 0.03 0.08 0.59 4.24 0.89 7.28 10.00 0.wamartinez@hotmail.2 0 0.00 0.20 19.632 19.78 10.03 0.00 0.86 19.com .25 6.955 η 1.11 1.00 0. El error máximo es del 0.00 0.00 0.57 14.01 0.02 6.00 0. Predicción de la distribución granulométrica a la salida del circuito.01 0.32 21.86 11. con el objetivo de predecir la granulometría del producto. se la del TABLA 11: Parámetros de Rosin Rammler y fracción por tamaños obtenidos mediante la Simulación del Circuito de Molienda.95 5.289 16.447 P80 (µm) 31.058 29.00 0.47 8.248 18.15 10.07 0. tanto experimentales (observados).52 13.48 6. Los resultados de la simulación.06 0.00 0.36 10.

3-32 µm.96 1.E.wamartinez@hotmail. simulación se muestran Predicción de la superficie específica. se determina por medio de la ecuación (22). (Ver Tablas 11). Para ello se requiere los datos de composición química-mineralógica del cemento. La Tabla 12. 3-16 µm y 16-24 µm.80 4. TABLA 12. Variables para en la predicción de la Resistencia la Compresión experimentales se químicas muestran la Tabla 13. La predicción de la RCC es mediante las ecuaciones (18).57 %. (20) y (21). Resultados de la S.E. de los valores observados y los obtenidos con la simulación menores al 5. los errores son TABLA 14: Comparación dela RCC.com .E. como se puede apreciar. El error máximo fue de 4. muestra los resultados de S.E. y.De la distribución a la los granulométrica obtuvieron salida del circuito. La S. (19). cuyos resultados TABLA 13. Los resultados experimentales y predecidos de la RCC con el modelo se muestran en la Tabla 14. PP.57 Predicción de la resistencia a la compresión del cemento.00 %. Observada y Predecida. se parámetros: P80. DTP y de fracción de tamaños. Nº Prueba 1 2 3 4 S.com . Los resultados de la Gráfica 11: %Pasante Acumulado de las partículas Predecido y Observado para la prueba Nro 1 obtenidos en la Tabla 11. η y también la fracción de tamaños: <3 µm. los avalores de del la Cemento. (cm /g) Observada 3490 3340 3480 3720 Predecida 3524 3400 3508 3898 2 % Error 0.76 0. La regresión de karinaabad@hotmail. observados y predecidos por la simulación del circuito de molienda.

18 Gráfica 12.68 98.8 380. %Error 8. karinaabad@hotmail.86 1.29 2.los resultados observados y predecidos se muestra en la Gráfica 12.4 360.79 2 158.03 0.33 24 horas 3 días 7 días 28 días 24 horas 3 días 7 días 28 días 1 163.0 373. 3.wamartinez@hotmail.0 364. respectivamente.0 248.30 2.0 373.90 4 64.0 293.78 1.05 0.25 2.24 1.935.46 0.24 0.40 4.5 2.10 9. las líneas continuas son los resultados experimentales y las líneas punteadas son los resultados obtenidos con el modelo matemático.18 2 (kg/cm ) 99.42 1.88 0.26 0.0 241.888.90 2 Resistencia Observada (kg/cm 2 64.91 0.55 0.00 1.5 359.90 0.7 171. 7 y 28 días.2 287. 0.8 2.39 100.82 2.0 290.88 9.28 1.00 ) 3 65.64 0.74 3.74 3.05 3 167.0 193. 7 y 28 días.12 Resistencia 0.0 358.10 7.2 376.78 1.998.7 167.973 para los modelos de 24 horas.25 4 199.85 0.6 329.90 N 24 horas 3 días 7 días 28 días 5.0 331.5 306. respectivamente.com . Nº Prueba C3S C2S %LSF %Na2O %SO3 %Cal Libre 1 60.87 98.3 308.5 263.24 a 24 horas. Regresión para la RCC observada Vs predecida Predecida 7.00 6.32 2. 3.6 3.96 % Error Máximo = 3. al graficar los valores de las RCC observadas y predecidas la calidad de ajuste da un coeficiente R2 de 0.3 158.5 301.06 4.0 260. 0.com .0 261.08 0.79 Del mismo modo.00 4.0 311.5 0.40 11.1 253. 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 3-4.1 301. 0.11 0.

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

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

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer: Get 4 months of Scribd and The New York Times for just $1.87 per week!

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