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

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

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

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

La distribución de tamaño de bolas dentro de los compartimientos del molino. 3. karinaabad@hotmail.com . PROCEDIMIENTO EXPERIMENTAL El presente trabajo efectuó. c. realizando una abstracción del circuito real de molienda. realizó principalmente por la dificultad en la toma de muestras del diseño de la planta. La granulometría del clínker a la entrada del molino. 3. Objetivo: Determinar la DTP a la salida del molino. y la prueba para la determinación de la DTP finas se realizó en los laboratorios de Cementos Andino S.A.h/ton) La carga de bolas dentro del molino. Variables: Las variables a considerar en el modelo por aplicar son: • • • • • El índice de trabajo del material (kw . a. b. 3: Esquema Real para un Circuito de Molienda de Cemento Portland Tipo I. El flujo de alimentación del molino (ton/h) Etapas de cálculo. esta simplificación del circuito se Fig. El presente se estudio llevó a de cabo simulación Fig.1.3. 4. 3.com .wamartinez@hotmail. a un circuito más sencillo como se muestra en la Fig. en las instalaciones de Cementos Lima S.2.A. 4: Esquema del Circuito de Molienda de Cemento Portland Tipo I en estudio. CIRCUITO DE MOLIENDA El circuito cerrado de Molienda real en la industria Cementera es como se muestra en la Fig. pues los parámetros se podían determinar a nivel de planta. MOLINO DE BOLAS Modelo utilizado: Modelo de Mezcla Perfecta. Criterios: La razón fundamental para la elección del modelo de Mezcla Perfecta no requería del valor de tiempo de residencia.

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

0 0.5 3.0 0.27 Material =Acero Volumenllenado debolas J=20.4 3.1 2.8 2. Al graficar estos resultados (ver Gráfica 1).8 3.2 1.0 0. los resultados se muestra en el Tabla 1.2 3.3 6.07 LlenadoIntersticial U(%) = 48.0 5. con estos karinaabad@hotmail.• Determinación de la función de fractura.0 1.8 2.25 gr Gravedadespecífica =7. MATERIAL: Densidad aparente=1.48 cm Longitud (L)=12 pulg= 30. Monotamaño 8/12 Abertura µm La función de fractura.6 4.2 2. las especificaciones y condiciones de operación del molino se muestra en el Cuadro 1.5 3.1cm3 2.8 2. a partir de ésta gráfica se determina los parámetros ( Φ . Xi-1/Xj ‐ 0.50 0. BOLAS: Diámetro (d) = 1.03 0.9 1.com .9 18.06 0. γ .8 0.0 0.5 9.15 pulg = 2.1 26.7 2. Este parámetro se determina a escala de laboratorio.921 cm Numero de bolas = 200 Peso promedio delas bolas = 101.5 4.9 8. se refiere resultante al de tamaño cada ).wamartinez@hotmail. valores construye la matriz según la ecuación (8).8 1. β ) de la función de fractura acumulada (Bij).2 1.00 partícula fracturada en un intervalo de tiempo ( Para determinar realizó varias variando el .8 1.0 0.9 3.35 0. y se sugiere que los cuerpos moledores deban ser de un tamaño homogéneo y fijar la cantidad.0 5.0 1.25 0.4 0.com .9 1.3 5.78 Cuadro 1: Especificaciones y condiciones de operación del molino de bolas a escala de laboratorio Tabla 1: %Retenido de una fractura de monotamaños 8/12.2 3.3 2.0 1.6 Teniendo el tiempo óptimo de 0.4 5.32 gr/cm3 Peso de la muestra = 1200 gr Volumenllenado material fc (%)= 4.3 16.8 0.1 11. se pruebas tiempo de molienda.7 2.04 0.3 6.3 11. 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 3.0 6.0 0.3 62.6 0.5 min.7 62.5 2.8 19.18 0.4 1.3 1.3 17.9 1. (8) A partir de la ecuación (8) se obtiene la función de fractura: .88% 3.5 3.48 cm Volumen (V)=357.6 4.4 45.09 0.5 2.3 8.0 7.2 pulg3 = 22240. para determinar el tiempo de molienda.3 1.2 2.2 18.0 0.6 1.0 44.1 9.9 3.5 6. en seguida se realiza las mismas pruebas para diferentes monotamaños y los resultados se muestra en la Tabla 2.3 8. VELOCIDADDELMOLINO: VelocidadCrítica (Nc) = 81 RPM %de Nc= 96 % VelocidadOperacional=77 RPM 4. MOLINODEBOND: Diámetro(D)= 12 pulg=30.0 26.2 1.12 0.5 0. 1.4 0.8 3.69 0.3 0.7 1.4 20.

06 0.7 0.6 14.09 0.7 ‐ ‐ ‐ 0.18 0.36 0. karinaabad@hotmail.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. Las muestras fueron tomadas a lo largo del eje del molino como se aprecia en Fig.06 0.67 14.25 0.0 2.4 5.98 5.0 a 4.4 m.76 2.wamartinez@hotmail.82 1.78 • Determinación de la función combinada r/d prueba se realiza a nivel industrial y depende mucho de las condiciones de Esta operación del molino.00 ‐ 0. 16/20 y 20/30 T = 0.66 0.12 0.06 0.09 0.9 0.03 0. obteniendo por cada punto de muestreo de 3.09 0.31 1.35 0.08 0.83 0.0 66.3 2.33 1. • Condiciones de molienda: Las condiciones de molienda se muestran en la Tabla 3.6 0.6 0. e inmediatamente se realizó una parada en seco y se obtuvieron muestras del interior del molino.1 17.00 ‐ ‐ 0.3 1.50 0.7 ‐ ‐ 0.46 1.50 0.6 1.73 0.13 0.71 0. Toma de Muestras: Cuando el proceso se encontraba en estado estacionario.04 0.36 0.6 1.02 0.72 0.6 0.23 0. 5 y se escavo aproximadamente a una profundidad 0.18 0.00 ‐ ‐ ‐ 0.17 1.04 0.18 0.51 0.68 ‐ ‐ ‐ ‐ 0.05 0.71 0.(9) TABLA 2.65 2.04 0.com .13 0.82 1.3 1. 12/16.9 0.03 14.79 1.7 1.13 0.0 kg.18 0.35 0.04 0.72 0.com .8 1.3 a 0.8 0. %Retenido para 0.54 5.5 min de monotamaños 8/12.25 0.4 6.00 69.0 68.02 0.0 0.00 70.4 0.8 0.25 0.1 1.00 0.50 0.09 0. se tomaron las muestras de las corrientes externas.

0 8.0 5. La DTP de las muestras fueron Tabla 3.80 determinadas combinando dos métodos: Tamizado en seco desde 37 500 a 100 µm. y la técnica de difracción láser para muestras desde 100 a 0.wamartinez@hotmail.5 100 15 17 – 30 100 21 40 – 90 180 19 Acero 94 6 85 15.com .4 14. J* Material Componentes: Alimentación Clinker al molino Yeso Flujo Clínker Índice de Trabajo % % Ton/h (Kw–h)/ton karinaabad@hotmail. Condiciones del Molino Diámetro D Longitud L Cámara I: Cámara II: Capacidad Operacional Unidad m m ton/h rpm mm ton % mm ton % Resultados 4. La DTP en el interior del molino llega a ser más fino conforme Molino Velocidad del molino Cámara I: Diámetro: Peso: Carga de bolas. La Gráfica 2. muestra el porcentaje retenido acumulado en el interior del molino por unidad de longitud del molino. Puntos de Muestreo externas e internas en el molino.4 µm. mientras que las partículas finas se fracturan lentamente. Como se observa. 5.com . J Cuerpos Cámara II: Moledores Diámetro: Peso: Carga de bolas. Condiciones de molienda operando en continuo.16/20 20/30 Gráfica 1: Función de distribución de fractura para el clínker 16/20 y 20/30 Puntos de muestreo Fig. las partículas gruesas se fracturan con mayor rapidez.

el cual opera en circuito cerrado con el clasificador ideal. en el segundo compartimiento donde es más fino. Estas evidencias nos indican la existencia de dos molinos ideales en serie perfectamente mezclados en este compartimiento. el eje de las abscisas representa los tamaños de partículas y. y la segunda familia por los tres últimos puntos. lo que indica la presencia de una especie de separadora.com .wamartinez@hotmail. sufriendo una caída considerable. Por lo expuesto se deduce que: • • El primer molino ideal. karinaabad@hotmail.avanza en longitud desde el punto de alimentación hasta el diafragma.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. cada uno con su forma peculiar de molienda. y el segundo molino ideal. se encuentra en circuito cerrado con el clasificador ideal (Diafragma). mide aproximadamente 2. El segundo molino ideal. en donde el primer molino. Del mismo gráfico se observa claramente dos familias de curvas. Analizando el segundo compartimiento se deduce que el tercer molino ideal mide aproximadamente 8.5 m y opera en circuito abierto. que recibe material grueso.5 m. La primera familia está formada por los tres primeros puntos de muestreo. entre cada compartimiento.5 m. De la Gráfica 3 lado derecho se observa que el segundo compartimiento presenta una sola familia de curvas. en el cual. se encuentra en circuito abierto. del cual se deduce que hay un molino ideal en circuito abierto. el eje de las ordenadas el porcentaje pasante acumulado. todas con la misma tendencia. mide aproximadamente 2.

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

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

teniendo en consideración lo siguiente: TABLA 4. y los experimentalmente Gráfica 6. consiguiendo de esta manera. De las muestras tomadas.wamartinez@hotmail.377. también se grafica el Porcentaje Pasante acumulado de la alimentación real y del grueso simulado. solo se dispone el flujo de alimentación y el flujo del producto con sus respectivas granulometrías.com . Alimentación fresca al molino Ton/h 85. Condiciones de operación del Clasificador O-Sepa.00 3. VARIABLES UNIDADES VALORES Gráfica 7. muestra la distribución pasante acumulado de las partículas en la parte frontal y posterior al tabique. Modelando el diafragma se logra predecir el flujo en ton/h de los gruesos y su granulometría. muestra el Porcentaje Pasante acumulado de observados.com . La los Gráfica finos 7. 90.534.80%. Eficiencia Real del Tabique (observada y simulada) simulados.135. el error es 0. el flujo de gruesos es desconocido e imposible de determinar por métodos experimentales. por lo que la simulación es una gran alternativa. Los parámetros de la ecuación (12) para el clasificador ideal son: XT = 49. se utilizará el modelo para separadoras. 100 karinaabad@hotmail. se realizaron diversas pruebas en el separador. sin embargo. Las curvas de eficiencia para el clasificador ideal observado y simulado son mostradas en la Gráfica 6.3. T0 = 18. Debido a que el diafragma se comporta como un separador. δ = 0. Distribución de tamaños simulados para la estimación de los gruesos desconocidos.La Gráfica 5. determinar la cantidad de material rechazado por el diafragma que es el alimento del segundo molino ideal. X0 = 7. SEPARADORA Para obtener los parámetros del modelo de la separadora.

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

1861 -0. es desarrollado tomando en cuenta tres aspectos importantes: composición química mineralógica. obteniendo las relaciones que se observa en la Tabla 5.0006 -0. 80% Pasante (P80) y el Factor de uniformidad (n).1861 *(VS).E.0005 0. parámetros de DTP y las fracciones de tamaños de partículas.0.0248 14. fueron determinados con el granulómetro laser El desarrollo del modelo matemático se ha efectuado sobre la base de las investigaciones de Tsivilis.927 T0 0.0384 * (AE) δ = 4. C3A. LSF (Factor de saturación).4.wamartinez@hotmail. karinaabad@hotmail. 5911 – 0.613 . 3-16 µm y 16-24 µm. Se tomaron 53 diferentes muestras de Cemento Portland Tipo I.com ) y las . Variables de fracción de tamaño de partículas: <3 µm. de la misma línea de producción. mediante regresión multivariable por el método de pasos. • • • Variables químicas mineralógicas: C3S. García-Casillas.5911 0. 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 -0.0121 0.908 δ 0.0048 0.0121 * (A) + 0.613 0. 0248 *(VS) TO = 6. Variables de DTP: Superficie específica (S.920 Obteniendo las siguientes relaciones: XO = 14. el cual permite determinar los coeficientes ( variables independientes que influyen en las variables dependientes. y en los trabajos de evaluación realizadas en los laboratorios de Cementos Lima S..8x10 * (A) -3 (13) (14) (15) (16) 3. C4AF.). Parámetro de posición (Pp).com .999 XT -0. Na2O.0x10-4 * (VS) XT = 54.0. C2S.1.0384 54. MODELO PARA LA PREDICCION DE LA RESISTENCIA A LA COMPRESIÓN DEL CEMENTO TIPO I En el presente proyecto.Luego se relaciona los parámetros con las condiciones de operación. SO3 y Cal libre.0x10-4 *(A) . 3-32 µm. Se ha utilizado un Modelo de Regresión Lineal por el método de paso a paso. que demuestran en que existe relación entre la resistencia a la compresión y las características del cemento.A.0014 0.4x10-3*(AE) + 5.

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

0. 3.E los parámetros del modelo lineal karinaabad@hotmail. (20) y (21) da un coeficiente R2 de 0.com . Variables que influyen.998.com .998. y para predecir la S. 0.5. (19). 3.999 para el modelo de 24 horas. Regresión para la RCC observada Vs la predecida a 24 horas. Gráfica 9. nos muestra la calidad de ajuste del modelo. 0. 7 y 28 días 3. 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).998. la Gráfica 9. MODELO PARA LA PREDICCIÓN DE LA SUPERFICIE ESPECÍFICA TABLA 7.wamartinez@hotmail. respectivamente.

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

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

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. su eficiencia y obtener la granulometría a la salida del circuito.0 4. La eficiencia de la separadora. la composición química – mineralógica del cemento se determina experimentalmente. 3. R: Flujo Retorno al molino (Ton/h). F: Flujo de alimentación fresca (Ton/h).1039*VS – 3. Para determinar las variables que influyen en R se hizo un análisis de regresión por el Método “Paso a Paso” (Véase Tabla 8). por lo que A y R son variables intermedias.927 distribución granulométrica.7 15.02 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 95.0 R = 3.1156 0.com .wamartinez@hotmail.0 4 100 165 90 95.3 4.embargo. depende del flujo de alimentación (A).com .80 15.1156 *AE Conociendo R y F es (26) posible determinar el flujo de alimentación de la separadora. TABLA 8.0 15. F=P A=R+P A=R+F Donde: para determinar el flujo de salida. determinar A se requiere conocer el flujo de retorno al molino (R).8 90 145 80 96. y se tiene la siguiente relación: Flujo de Alimentación (ton/h) TABLA 9.1039 -3. y el flujo de alimentación fresca (F) que es un valor conocido.8 15. Condiciones de operación para las pruebas realizadas. 1 85 155 90 95. 5. De la ecuación (24) se observa. ESTUDIOS DE SIMULACIÓN. teniendo un ajuste de 0. 6 tenemos: (23) (24) (25) P: Flujo de producto final (Ton/h). De la fig.2 4. del cual se determina que la VS y el porcentaje de AE determinan el flujo de retorno.80 0 21 19 karinaabad@hotmail.7. se realiza el balance de masa.927. A: Flujo Alimentación Separadora (Ton/h).

89 7.47 8. Nº Prueba 1 2 3 4 Pp (µm) 18.46 0.04 0.403 porcentaje pasante acumulada de los resultados.00 0.41 P1 0.75 6.02 0.12 0.829 17. Predicción de la distribución granulométrica a la salida del circuito.19 7. se la del TABLA 11: Parámetros de Rosin Rammler y fracción por tamaños obtenidos mediante la Simulación del Circuito de Molienda.com .27 21.05 0.6 3.27 8.52 16.wamartinez@hotmail.126 3-32 µm 67.24 17.29 P2 0.14 6.57 14.01 0.11 22.01 0.00 0.24 6.30 7.00 0.79 11.06 21.25 6.171 1.00 0.97 7.86 19.35 4.368 33.08 0. con el objetivo de predecir la granulometría del producto.169 1.058 29.05 0.697 15.86 P3 0.12 1.5 4.248 18.33 7.36 10.02 0.48 17. El error máximo es del 0.919 12.07 0.00 0.06 0.70 11.40 9.86 11.46 6.11 1.00 0.01 0.32 21.40 17.32 4.01 0.01 0.00 0.13 P4 0.00 0.59 4.852 14.69 6.77 6.00 0.70 18.79% el cual presenta un buen ajuste. karinaabad@hotmail.01 0.03 0.01 0.23 P4 0.28 10.00 0.94 7.91 5.11 6.58 17.07 0. tanto experimentales (observados).32 3.02 0.45 4.20 19.54 7. como los predecidos de acuerdo al modelo de predicción (predecidos).01 0.00 0.65 13.76 11.38 10.00 2.521 67.75 3.00 0.00 0.83 8.00 0.289 16.01 0.00 0.277 <3 µm 12.29 22. a la salida del circuito de molienda.78 10.00 0.762 18.914 33.02 0.09 10.64 7.00 0.com .25 P3 0.74 7.836 16-24 µm 17.00 0.001 32.00 0.15 10.03 0.2 2.79 % Error máximo = Así mismo en la Gráfica observa distribución 11.67 6.146 37.05 0.00 0.00 0.00 0.75 4.01 0.143 1.00 0.21 3.2 0 0.23 P2 0.10 18.82 9.73 5.036 71.03 0.52 13.55 P2 0.37 6.02 6.48 6.447 P80 (µm) 31.632 19.06 0.76 9.00 0.00 0.01 4.22 3.54 9.24 0.955 η 1.26 11.01 0.00 0.288 34.64 23.00 0.34 3. ver la Tabla 10.95 5. Las condiciones de operación para las cuatro pruebas experimentales se muestran en la Tabla 9.00 P3 0.44 6. por lo que se realizó cuatro pruebas a diferentes condiciones de operación.93 10.25 2.02 0.00 0.66 4.53 7.79 P4 0.00 0.25 ∑ %Error= P1 0.551 12.57 7. 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. Los resultados de la simulación.33 6.00 0.794 3-16 µm 34.00 0.48 4.74 9.00 0.74 6.248 65.03 0.Los estudios de simulación fueron realizados para verificar el modelo.05 0.

Resultados de la S. TABLA 12. se parámetros: P80. Los resultados experimentales y predecidos de la RCC con el modelo se muestran en la Tabla 14. se determina por medio de la ecuación (22).E. La Tabla 12. muestra los resultados de S. (20) y (21).com .57 %. La regresión de karinaabad@hotmail. Variables para en la predicción de la Resistencia la Compresión experimentales se químicas muestran la Tabla 13. y. de los valores observados y los obtenidos con la simulación menores al 5. como se puede apreciar.96 1. La predicción de la RCC es mediante las ecuaciones (18).57 Predicción de la resistencia a la compresión del cemento.wamartinez@hotmail. (cm /g) Observada 3490 3340 3480 3720 Predecida 3524 3400 3508 3898 2 % Error 0.00 %. observados y predecidos por la simulación del circuito de molienda. Los resultados de la Gráfica 11: %Pasante Acumulado de las partículas Predecido y Observado para la prueba Nro 1 obtenidos en la Tabla 11. Nº Prueba 1 2 3 4 S.80 4. 3-32 µm.E. El error máximo fue de 4.76 0. (Ver Tablas 11). simulación se muestran Predicción de la superficie específica.E. (19). La S.com .E. cuyos resultados TABLA 13. Para ello se requiere los datos de composición química-mineralógica del cemento. η y también la fracción de tamaños: <3 µm. los avalores de del la Cemento. DTP y de fracción de tamaños. PP.De la distribución a la los granulométrica obtuvieron salida del circuito. los errores son TABLA 14: Comparación dela RCC. 3-16 µm y 16-24 µm. Observada y Predecida.

33 24 horas 3 días 7 días 28 días 24 horas 3 días 7 días 28 días 1 163. 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 3-4.82 2.1 253.6 329.12 Resistencia 0.998.00 1.0 373.85 0.00 4.1 301.11 0.7 167.00 ) 3 65.4 360.com .96 % Error Máximo = 3.74 3.5 359.0 331.5 0.0 364.88 9.18 2 (kg/cm ) 99.39 100.2 287.78 1.2 376. Nº Prueba C3S C2S %LSF %Na2O %SO3 %Cal Libre 1 60.0 241.0 261.05 3 167. 0.3 308. 3.40 11. las líneas continuas son los resultados experimentales y las líneas punteadas son los resultados obtenidos con el modelo matemático.10 7.0 293.24 1. %Error 8.24 0.03 0. 7 y 28 días. Regresión para la RCC observada Vs predecida Predecida 7. 0.25 2.87 98.com .888.06 4.los resultados observados y predecidos se muestra en la Gráfica 12.5 263.68 98.0 311.935.3 158.79 Del mismo modo.25 4 199.30 2.5 2.5 306.10 9.0 358.wamartinez@hotmail.08 0.8 380.7 171.28 1.74 3. respectivamente. 3.90 2 Resistencia Observada (kg/cm 2 64.79 2 158.88 0.90 4 64.90 N 24 horas 3 días 7 días 28 días 5. 0.29 2.05 0. al graficar los valores de las RCC observadas y predecidas la calidad de ajuste da un coeficiente R2 de 0.90 0.86 1. respectivamente.00 6.18 Gráfica 12. 7 y 28 días.32 2.0 248.91 0.0 290.0 373.26 0.8 2.0 260.24 a 24 horas.5 301.42 1.55 0.78 1.40 4.0 193.973 para los modelos de 24 horas.46 0. karinaabad@hotmail.6 3.64 0.

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

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

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.