P. 1
Tesis_marzo2010

Tesis_marzo2010

|Views: 4|Likes:

More info:

Published by: Juan Abel Callupe Cueva on Apr 15, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/15/2013

pdf

text

original

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

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

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

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

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

0 26. 1.8 0.0 1.4 0. se pruebas tiempo de molienda.0 5.3 1.9 3.2 3.8 1. MATERIAL: Densidad aparente=1. y se sugiere que los cuerpos moledores deban ser de un tamaño homogéneo y fijar la cantidad.32 gr/cm3 Peso de la muestra = 1200 gr Volumenllenado material fc (%)= 4.5 3.3 2.03 0. Al graficar estos resultados (ver Gráfica 1).0 0.18 0.0 0.25 0.5 2. BOLAS: Diámetro (d) = 1.0 0.09 0.4 3.2 1. Este parámetro se determina a escala de laboratorio.8 2.3 6. 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) 2.7 1.1 9.9 1.8 2. γ .3 17. Xi-1/Xj ‐ 0.2 1.3 1.com . los resultados se muestra en el Tabla 1. las especificaciones y condiciones de operación del molino se muestra en el Cuadro 1.6 0.27 Material =Acero Volumenllenado debolas J=20.15 pulg = 2.07 LlenadoIntersticial U(%) = 48.4 5.• Determinación de la función de fractura. valores construye la matriz según la ecuación (8).2 1.2 3. para determinar el tiempo de molienda.12 0.0 0.5 min.7 2.0 0.7 3.921 cm Numero de bolas = 200 Peso promedio delas bolas = 101.4 45.0 6.8 1.7 2.9 1.2 18.6 1. (8) A partir de la ecuación (8) se obtiene la función de fractura: .7 62.5 3. a partir de ésta gráfica se determina los parámetros ( Φ . β ) de la función de fractura acumulada (Bij).9 8.3 8.0 0.8 19.2 pulg3 = 22240.5 2.5 3.wamartinez@hotmail.4 1.3 5.1 2.0 1.1cm3 2.6 4.4 0.0 0.48 cm Longitud (L)=12 pulg= 30. se refiere resultante al de tamaño cada ).6 4.0 7.9 1.5 6.5 9. en seguida se realiza las mismas pruebas para diferentes monotamaños y los resultados se muestra en la Tabla 2.8 3.0 5.1 26.2 2.5 0.8 3.com .06 0.35 0.4 20.69 0. Monotamaño 8/12 Abertura µm La función de fractura.0 44.88% 3.0 1.3 8.1 11.3 0. con estos karinaabad@hotmail.25 gr Gravedadespecífica =7.3 11.3 16.3 6. VELOCIDADDELMOLINO: VelocidadCrítica (Nc) = 81 RPM %de Nc= 96 % VelocidadOperacional=77 RPM 4.6 Teniendo el tiempo óptimo de 0.3 62.00 partícula fracturada en un intervalo de tiempo ( Para determinar realizó varias variando el .8 0.04 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 8/12.9 3.48 cm Volumen (V)=357. MOLINODEBOND: Diámetro(D)= 12 pulg=30.5 4.50 0.8 2.2 2.9 18.

se tomaron las muestras de las corrientes externas. 5 y se escavo aproximadamente a una profundidad 0.3 2.00 ‐ 0.09 0.3 1.0 a 4.6 0.72 0.3 1.04 0.83 0.02 0.36 0.51 0.00 ‐ ‐ ‐ 0.6 1.67 14.31 1.6 0.00 69.09 0.06 0.7 1.35 0.0 68. Toma de Muestras: Cuando el proceso se encontraba en estado estacionario.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.9 0.1 17.9 0.0 2.com .73 0. • Condiciones de molienda: Las condiciones de molienda se muestran en la Tabla 3.com . 16/20 y 20/30 T = 0.06 0.06 0.66 0.03 14.18 0.68 ‐ ‐ ‐ ‐ 0.4 5.54 5.6 14.50 0.8 1. %Retenido para 0.03 0.33 1. obteniendo por cada punto de muestreo de 3.98 5.0 0.82 1.7 ‐ ‐ 0. Las muestras fueron tomadas a lo largo del eje del molino como se aprecia en Fig.02 0.71 0.00 0.(9) TABLA 2.50 0.04 0.18 0.1 1.4 0.wamartinez@hotmail.13 0.6 1.7 0.04 0.4 m.8 0.46 1.12 0.05 0.09 0.5 min de monotamaños 8/12.18 0.23 0.18 0.13 0.71 0.36 0.00 ‐ ‐ 0.0 kg.25 0.50 0.6 0.00 70.25 0.17 1. e inmediatamente se realizó una parada en seco y se obtuvieron muestras del interior del molino.8 0.08 0.82 1.35 0.7 ‐ ‐ ‐ 0. 12/16.04 0.25 0.09 0.0 66.65 2.72 0.25 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 ‐ 0.79 1. karinaabad@hotmail.76 2.13 0.4 6.3 a 0.

4 µm. Condiciones de molienda operando en continuo. La DTP de las muestras fueron Tabla 3. las partículas gruesas se fracturan con mayor rapidez.com .0 5. J* Material Componentes: Alimentación Clinker al molino Yeso Flujo Clínker Índice de Trabajo % % Ton/h (Kw–h)/ton karinaabad@hotmail.80 determinadas combinando dos métodos: Tamizado en seco desde 37 500 a 100 µm.5 100 15 17 – 30 100 21 40 – 90 180 19 Acero 94 6 85 15.wamartinez@hotmail. La DTP en el interior del molino llega a ser más fino conforme Molino Velocidad del molino Cámara I: Diámetro: Peso: Carga de bolas. Como se observa. Puntos de Muestreo externas e internas en el molino. J Cuerpos Cámara II: Moledores Diámetro: Peso: Carga de bolas.com . 5. y la técnica de difracción láser para muestras desde 100 a 0.4 14. La Gráfica 2. Condiciones del Molino Diámetro D Longitud L Cámara I: Cámara II: Capacidad Operacional Unidad m m ton/h rpm mm ton % mm ton % Resultados 4.0 8.16/20 20/30 Gráfica 1: Función de distribución de fractura para el clínker 16/20 y 20/30 Puntos de muestreo Fig. muestra el porcentaje retenido acumulado en el interior del molino por unidad de longitud del molino. mientras que las partículas finas se fracturan lentamente.

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

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

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

377. δ = 0.135. Debido a que el diafragma se comporta como un separador. sin embargo.com . determinar la cantidad de material rechazado por el diafragma que es el alimento del segundo molino ideal.La Gráfica 5.00 3. muestra el Porcentaje Pasante acumulado de observados. VARIABLES UNIDADES VALORES Gráfica 7. se realizaron diversas pruebas en el separador. Los parámetros de la ecuación (12) para el clasificador ideal son: XT = 49. y los experimentalmente Gráfica 6.534. SEPARADORA Para obtener los parámetros del modelo de la separadora.wamartinez@hotmail. teniendo en consideración lo siguiente: TABLA 4. Condiciones de operación del Clasificador O-Sepa. 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. De las muestras tomadas. solo se dispone el flujo de alimentación y el flujo del producto con sus respectivas granulometrías. Distribución de tamaños simulados para la estimación de los gruesos desconocidos. el error es 0. por lo que la simulación es una gran alternativa. La los Gráfica finos 7. 90. consiguiendo de esta manera.3.80%. muestra la distribución pasante acumulado de las partículas en la parte frontal y posterior al tabique. se utilizará el modelo para separadoras. T0 = 18. 100 karinaabad@hotmail.com . Modelando el diafragma se logra predecir el flujo en ton/h de los gruesos y su granulometría. también se grafica el Porcentaje Pasante acumulado de la alimentación real y del grueso simulado. Alimentación fresca al molino Ton/h 85. X0 = 7. Eficiencia Real del Tabique (observada y simulada) simulados.

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

0121 * (A) + 0.E. karinaabad@hotmail.613 .908 δ 0. parámetros de DTP y las fracciones de tamaños de partículas.0006 -0. 0248 *(VS) TO = 6.1.8x10 * (A) -3 (13) (14) (15) (16) 3. es desarrollado tomando en cuenta tres aspectos importantes: composición química mineralógica.wamartinez@hotmail. 5911 – 0. C2S. obteniendo las relaciones que se observa en la Tabla 5.0048 0.). C3A.0x10-4 * (VS) XT = 54.5911 0.1861 -0.0384 54. mediante regresión multivariable por el método de pasos.A. 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. 3-32 µm. fueron determinados con el granulómetro laser El desarrollo del modelo matemático se ha efectuado sobre la base de las investigaciones de Tsivilis. el modelo matemático para la predicción de la RCC. Se tomaron 53 diferentes muestras de Cemento Portland Tipo I. 80% Pasante (P80) y el Factor de uniformidad (n). el cual permite determinar los coeficientes ( variables independientes que influyen en las variables dependientes. C4AF.0. de la misma línea de producción.0x10-4 *(A) .0384 * (AE) δ = 4.999 XT -0. 3-16 µm y 16-24 µm.0121 0. Na2O.920 Obteniendo las siguientes relaciones: XO = 14. MODELO PARA LA PREDICCION DE LA RESISTENCIA A LA COMPRESIÓN DEL CEMENTO TIPO I En el presente proyecto.. • • • Variables químicas mineralógicas: C3S.com ) y las .1861 *(VS). SO3 y Cal libre.0248 14.613 0. Variables de DTP: Superficie específica (S.Luego se relaciona los parámetros con las condiciones de operación. García-Casillas.4x10-3*(AE) + 5.com . Variables de fracción de tamaño de partículas: <3 µm.927 T0 0. LSF (Factor de saturación). que demuestran en que existe relación entre la resistencia a la compresión y las características del cemento. Parámetro de posición (Pp). y en los trabajos de evaluación realizadas en los laboratorios de Cementos Lima S.0014 0. Se ha utilizado un Modelo de Regresión Lineal por el método de paso a paso.0005 0.0.4.

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

(20) y (21) da un coeficiente R2 de 0.998.E los parámetros del modelo lineal karinaabad@hotmail.com . 0. Regresión para la RCC observada Vs la predecida a 24 horas.5. Variables que influyen.999 para el modelo de 24 horas. la Gráfica 9. 7 y 28 días. 3. (19).wamartinez@hotmail. 3.998.998. 0. Gráfica 9.%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). MODELO PARA LA PREDICCIÓN DE LA SUPERFICIE ESPECÍFICA TABLA 7. y para predecir la S. respectivamente. 0. nos muestra la calidad de ajuste del modelo.com . 7 y 28 días 3.

se realizó un análisis de regresión. Y se aprecian que los parámetros: η. 16-24 µm. Las variables seleccionadas por el análisis de Regresión por el método de paso a paso se muestran en la Tabla 7. 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.wamartinez@hotmail.com .7 partículas menores de 16 µm influyen en la S. 3. 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.914 muestra la siguiente correlación matemática: S. S 3200 3000 3000 3200 3400 3600 3800 4000 S . La Gráfica 10: Muestra el ajuste de regresión de la superficie específica por el Método Blaine observado y predecido. en el presente trabajo se ha tomado en consideración lo siguiente: karinaabad@hotmail. P80 (µm) y n.6.E. Pp (µm).E = 92. Variables del circuito de molienda.E.E (cm /g).E (cm2/g) -1076 -170 137. P80. <3 µm. 3-16 µm influyen en la S. en la S.7*P80 -170* Pp – 1 076 * η 4000 (22) La calidad de ajuste del modelo de regresión da un coeficiente R2 de 0. CIRCUITO DE MOLIENDA 3800 ) g / 2 3600 m c ( A D I C E D 3400 E R P E . 3-32 µm. la que confirma que tamaños de 92.16 ρ (g/cm ) 30 3 2 Variables η S. PP.Para determinar la influencia que tienen la fracción de tamaños de partículas de: <3 µm.com . Y se R 2 0. 3-16 µm.914.16*(3-16 µm) + 30*(<3 µm) + 137..

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

1 85 155 90 95. teniendo un ajuste de 0.3 4. De la ecuación (24) se observa. la composición química – mineralógica del cemento se determina experimentalmente. determinar A se requiere conocer el flujo de retorno al molino (R).927 distribución granulométrica. Condiciones de operación para las pruebas realizadas. 6 tenemos: (23) (24) (25) P: Flujo de producto final (Ton/h).7 15.80 15.1039 -3.1156 *AE Conociendo R y F es (26) posible determinar el flujo de alimentación de la separadora.0 4 100 165 90 95. y el flujo de alimentación fresca (F) que es un valor conocido.7. Para determinar las variables que influyen en R se hizo un análisis de regresión por el Método “Paso a Paso” (Véase Tabla 8). 5.8 15.0 15.80 0 21 19 karinaabad@hotmail.2 4. F: Flujo de alimentación fresca (Ton/h).0 R = 3. F=P A=R+P A=R+F Donde: para determinar el flujo de salida. se realiza el balance de masa.0 4. A: Flujo Alimentación Separadora (Ton/h).com .com . TABLA 8.1156 0. R: Flujo Retorno al molino (Ton/h).8 90 145 80 96. por lo que A y R son variables intermedias. su eficiencia y obtener la granulometría a la salida del circuito.wamartinez@hotmail.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. 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 3.1039*VS – 3.927. La eficiencia de la separadora. depende del flujo de alimentación (A). De la fig. y se tiene la siguiente relación: Flujo de Alimentación (ton/h) TABLA 9. 3.embargo. ESTUDIOS DE SIMULACIÓN. del cual se determina que la VS y el porcentaje de AE determinan el flujo de retorno.

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 6.28 10.08 0.00 0.00 0.22 3.21 3.com .55 P2 0.32 3.02 0.03 0. a la salida del circuito de molienda.33 6.00 0.00 0.00 0.52 16.00 2.15 10.288 34.74 7.12 1.38 10.29 P2 0.01 0.2 2.75 6. ver la Tabla 10.32 4.36 10.95 5.25 2.6 3.70 11.5 4.01 0.01 0.00 0.00 0.67 6.00 0.23 P4 0.24 0.00 0.52 13.25 6.289 16. se la del TABLA 11: Parámetros de Rosin Rammler y fracción por tamaños obtenidos mediante la Simulación del Circuito de Molienda.01 0.46 0.41 P1 0.48 17.73 5.00 0.00 0.86 19.32 21.171 1.00 P3 0.05 0.79 P4 0.00 0.74 6.146 37.01 0.00 0. karinaabad@hotmail.05 0.48 6.169 1.76 9.05 0.02 0.829 17.447 P80 (µm) 31.00 0.83 8.551 12.00 0.00 0.40 17.03 0.79% el cual presenta un buen ajuste.01 0.91 5.97 7.00 0.06 0.919 12.403 porcentaje pasante acumulada de los resultados.00 0.02 0.07 0.45 4.02 6. Las condiciones de operación para las cuatro pruebas experimentales se muestran en la Tabla 9.com .00 0. por lo que se realizó cuatro pruebas a diferentes condiciones de operación.48 4.00 0.27 8.2 0 0.04 0.54 7.37 6.09 10.44 6. Los resultados de la simulación.03 0.27 21.00 0.64 23.852 14.00 0.54 9.59 4.277 <3 µm 12.69 6.126 3-32 µm 67.036 71.762 18.14 6.00 0.30 7.47 8.03 0.70 18.75 4.01 4.001 32.57 7. con el objetivo de predecir la granulometría del producto.02 0.75 3.29 22.248 18.143 1.01 0.93 10.19 7.00 0.24 6. El error máximo es del 0.00 0.914 33.82 9.058 29.12 0.02 0.07 0.76 11.01 0.25 ∑ %Error= P1 0.77 6.57 14.33 7.05 0.64 7.53 7. Nº Prueba 1 2 3 4 Pp (µm) 18.20 19.79 11.00 0.11 1.11 22.00 0.Los estudios de simulación fueron realizados para verificar el modelo.86 11.955 η 1.632 19.34 3. Predicción de la distribución granulométrica a la salida del circuito.00 0.65 13.94 7.836 16-24 µm 17.23 P2 0. como los predecidos de acuerdo al modelo de predicción (predecidos).78 10. tanto experimentales (observados).86 P3 0.01 0.00 0.25 P3 0.40 9.01 0.26 11.89 7.794 3-16 µm 34.24 17.74 9.13 P4 0.06 0.79 % Error máximo = Así mismo en la Gráfica observa distribución 11.wamartinez@hotmail.00 0.11 6.10 18.06 21.35 4.58 17.46 6.00 0.368 33.00 0.248 65.66 4.697 15.521 67.01 0.

PP. Observada y Predecida. (Ver Tablas 11). La predicción de la RCC es mediante las ecuaciones (18). simulación se muestran Predicción de la superficie específica.57 Predicción de la resistencia a la compresión del cemento.De la distribución a la los granulométrica obtuvieron salida del circuito. muestra los resultados de S. cuyos resultados TABLA 13. y. como se puede apreciar.80 4.96 1. Los resultados experimentales y predecidos de la RCC con el modelo se muestran en la Tabla 14.E. los avalores de del la Cemento. 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. se determina por medio de la ecuación (22).wamartinez@hotmail. TABLA 12. La regresión de karinaabad@hotmail. Para ello se requiere los datos de composición química-mineralógica del cemento. (19).com . Nº Prueba 1 2 3 4 S.57 %.com .E.76 0. 3-16 µm y 16-24 µm. Los resultados de la Gráfica 11: %Pasante Acumulado de las partículas Predecido y Observado para la prueba Nro 1 obtenidos en la Tabla 11. se parámetros: P80. La Tabla 12. DTP y de fracción de tamaños. de los valores observados y los obtenidos con la simulación menores al 5.E.00 %. El error máximo fue de 4. η y también la fracción de tamaños: <3 µm. Resultados de la S. (20) y (21). 3-32 µm. La S. (cm /g) Observada 3490 3340 3480 3720 Predecida 3524 3400 3508 3898 2 % Error 0. los errores son TABLA 14: Comparación dela RCC.

2 376.0 364.24 1.5 306.64 0.03 0.8 2.33 24 horas 3 días 7 días 28 días 24 horas 3 días 7 días 28 días 1 163.0 260. 3.28 1.6 329.los resultados observados y predecidos se muestra en la Gráfica 12.0 193.5 0.32 2.08 0.00 ) 3 65.com .3 308.74 3.29 2.1 301. 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 3-4.0 261.78 1.5 301.8 380.973 para los modelos de 24 horas.79 2 158.24 0. respectivamente.90 4 64.0 358.com . 0.87 98. las líneas continuas son los resultados experimentales y las líneas punteadas son los resultados obtenidos con el modelo matemático.46 0.5 359.88 9.10 7.3 158.05 0. 0.wamartinez@hotmail.7 167.05 3 167.25 2. 0.90 0.7 171.0 290.12 Resistencia 0.24 a 24 horas.91 0.11 0.90 N 24 horas 3 días 7 días 28 días 5.82 2.68 98. respectivamente.39 100.30 2.78 1.0 293.888. 3.74 3.0 241.79 Del mismo modo.0 331.0 248.40 4.0 373.935. karinaabad@hotmail.10 9. 7 y 28 días.6 3. al graficar los valores de las RCC observadas y predecidas la calidad de ajuste da un coeficiente R2 de 0.00 4.18 Gráfica 12.26 0.96 % Error Máximo = 3.25 4 199.85 0.00 6.1 253.5 263.86 1.2 287.06 4.42 1.998.40 11. %Error 8.0 373.0 311. 7 y 28 días.90 2 Resistencia Observada (kg/cm 2 64.00 1.88 0. Regresión para la RCC observada Vs predecida Predecida 7.55 0.5 2. Nº Prueba C3S C2S %LSF %Na2O %SO3 %Cal Libre 1 60.18 2 (kg/cm ) 99.4 360.

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

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

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->