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

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

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

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

karinaabad@hotmail.com - wamartinez@hotmail.com

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

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

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

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

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

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

VELOCIDADDELMOLINO: VelocidadCrítica (Nc) = 81 RPM %de Nc= 96 % VelocidadOperacional=77 RPM 4.4 5.0 0.3 6.wamartinez@hotmail.8 0.5 4. se pruebas tiempo de molienda.7 62. Xi-1/Xj ‐ 0. β ) de la función de fractura acumulada (Bij).3 17.com .0 5.48 cm Volumen (V)=357.1 11. con estos karinaabad@hotmail.3 11.8 19.8 0. MATERIAL: Densidad aparente=1.3 5.4 45.88% 3.0 7.8 2.0 0.09 0.27 Material =Acero Volumenllenado debolas J=20.0 26.5 min.5 2. se refiere resultante al de tamaño cada ). las especificaciones y condiciones de operación del molino se muestra en el Cuadro 1.48 cm Longitud (L)=12 pulg= 30.0 1.8 1. 1.3 1.2 1. (8) A partir de la ecuación (8) se obtiene la función de fractura: .1 26.2 2.5 3.3 0.9 3. Este parámetro se determina a escala de laboratorio.35 0.0 0.7 1.03 0. BOLAS: Diámetro (d) = 1.1 2.0 0.0 0. en seguida se realiza las mismas pruebas para diferentes monotamaños y los resultados se muestra en la Tabla 2. y se sugiere que los cuerpos moledores deban ser de un tamaño homogéneo y fijar la cantidad.9 1.00 partícula fracturada en un intervalo de tiempo ( Para determinar realizó varias variando el .7 2.2 1.04 0.3 2.07 LlenadoIntersticial U(%) = 48.2 3.0 1.3 8.0 1.6 4.4 0.3 6.5 6. los resultados se muestra en el Tabla 1.1 9.4 3. valores construye la matriz según la ecuación (8).5 9.com .32 gr/cm3 Peso de la muestra = 1200 gr Volumenllenado material fc (%)= 4.4 20.6 0.921 cm Numero de bolas = 200 Peso promedio delas bolas = 101. γ .1cm3 2.3 1.7 2.0 0.4 0. a partir de ésta gráfica se determina los parámetros ( Φ .25 gr Gravedadespecífica =7.50 0.9 1.6 4.0 5.8 3.5 3.3 8.0 44.8 1.2 18.9 3.5 0. para determinar el tiempo de molienda.15 pulg = 2.3 62.7 3. Monotamaño 8/12 Abertura µm La función de fractura.06 0.0 6.2 2.2 pulg3 = 22240.6 1.0 0.69 0.2 3.5 3.4 1.9 18.18 0.25 0.12 0.8 2.9 1.5 2. MOLINODEBOND: Diámetro(D)= 12 pulg=30.8 3. Al graficar estos resultados (ver Gráfica 1).• Determinación de la función de fractura.2 1.6 Teniendo el tiempo óptimo de 0.3 16.9 8.8 2. 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) 2.78 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 0.0 a 4.7 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 ‐ 0.68 ‐ ‐ ‐ ‐ 0. Las muestras fueron tomadas a lo largo del eje del molino como se aprecia en Fig.(9) TABLA 2.wamartinez@hotmail.13 0.00 ‐ ‐ 0.35 0.9 0.18 0.04 0.03 14.7 ‐ ‐ 0.35 0.25 0.6 0.4 0.25 0.8 0. %Retenido para 0. e inmediatamente se realizó una parada en seco y se obtuvieron muestras del interior del molino.12 0. obteniendo por cada punto de muestreo de 3.6 0.09 0.8 0.31 1. se tomaron las muestras de las corrientes externas.67 14. 12/16.17 1.00 ‐ 0.com . 5 y se escavo aproximadamente a una profundidad 0.6 14.71 0.3 2.36 0.0 68.00 ‐ ‐ ‐ 0.06 0.0 66.04 0.50 0.6 1.72 0.50 0.73 0.71 0.79 1.09 0.13 0.0 2.82 1. karinaabad@hotmail.25 0.25 0.1 17.72 0.00 70.23 0.00 0.4 m.05 0.51 0.04 0.82 1.7 1.0 kg. Toma de Muestras: Cuando el proceso se encontraba en estado estacionario.6 1.66 0.98 5.65 2.13 0.33 1.0 0.02 0.18 0.46 1.3 1.83 0.50 0.7 ‐ ‐ ‐ 0. • Condiciones de molienda: Las condiciones de molienda se muestran en la Tabla 3.18 0.54 5.8 1. 16/20 y 20/30 T = 0.5 min de monotamaños 8/12.03 0.6 0.09 0.3 1.04 0.76 2.00 69.18 0.06 0.com .4 5.09 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.36 0.02 0.06 0.1 1.08 0.3 a 0.4 6.

Como se observa.com .5 100 15 17 – 30 100 21 40 – 90 180 19 Acero 94 6 85 15. Condiciones del Molino Diámetro D Longitud L Cámara I: Cámara II: Capacidad Operacional Unidad m m ton/h rpm mm ton % mm ton % Resultados 4.wamartinez@hotmail.com . Puntos de Muestreo externas e internas en el molino.0 5. muestra el porcentaje retenido acumulado en el interior del molino por unidad de longitud del molino.0 8.4 14. J Cuerpos Cámara II: Moledores Diámetro: Peso: Carga de bolas. las partículas gruesas se fracturan con mayor rapidez. La DTP de las muestras fueron Tabla 3. mientras que las partículas finas se fracturan lentamente. La Gráfica 2. J* Material Componentes: Alimentación Clinker al molino Yeso Flujo Clínker Índice de Trabajo % % Ton/h (Kw–h)/ton karinaabad@hotmail.4 µm. 5. y la técnica de difracción láser para muestras desde 100 a 0.80 determinadas combinando dos métodos: Tamizado en seco desde 37 500 a 100 µm. Condiciones de molienda operando en continuo. La DTP en el interior del molino llega a ser más fino conforme Molino Velocidad del molino Cámara I: Diámetro: Peso: Carga de bolas.16/20 20/30 Gráfica 1: Función de distribución de fractura para el clínker 16/20 y 20/30 Puntos de muestreo Fig.

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

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

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

Las curvas de eficiencia para el clasificador ideal observado y simulado son mostradas en la Gráfica 6.com .135. VARIABLES UNIDADES VALORES Gráfica 7. Debido a que el diafragma se comporta como un separador. teniendo en consideración lo siguiente: TABLA 4. Alimentación fresca al molino Ton/h 85. el flujo de gruesos es desconocido e imposible de determinar por métodos experimentales. solo se dispone el flujo de alimentación y el flujo del producto con sus respectivas granulometrías. δ = 0. muestra el Porcentaje Pasante acumulado de observados. se realizaron diversas pruebas en el separador. 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. Distribución de tamaños simulados para la estimación de los gruesos desconocidos. Eficiencia Real del Tabique (observada y simulada) simulados.80%.00 3. sin embargo. consiguiendo de esta manera.wamartinez@hotmail. 100 karinaabad@hotmail. De las muestras tomadas.3. también se grafica el Porcentaje Pasante acumulado de la alimentación real y del grueso simulado. 90. 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.534.377. T0 = 18. determinar la cantidad de material rechazado por el diafragma que es el alimento del segundo molino ideal. La los Gráfica finos 7.La Gráfica 5. Condiciones de operación del Clasificador O-Sepa. X0 = 7.com . el error es 0. SEPARADORA Para obtener los parámetros del modelo de la separadora. y los experimentalmente Gráfica 6.

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

Se tomaron 53 diferentes muestras de Cemento Portland Tipo I. el cual permite determinar los coeficientes ( variables independientes que influyen en las variables dependientes.0x10-4 *(A) .0384 * (AE) δ = 4. MODELO PARA LA PREDICCION DE LA RESISTENCIA A LA COMPRESIÓN DEL CEMENTO TIPO I En el presente proyecto.613 0. es desarrollado tomando en cuenta tres aspectos importantes: composición química mineralógica.0005 0. 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.A. obteniendo las relaciones que se observa en la Tabla 5.0006 -0. Na2O.8x10 * (A) -3 (13) (14) (15) (16) 3. 3-16 µm y 16-24 µm.4.0248 14.wamartinez@hotmail.1.1861 *(VS). karinaabad@hotmail.E. 5911 – 0..613 . • • • Variables químicas mineralógicas: C3S. el modelo matemático para la predicción de la RCC. Parámetro de posición (Pp). de la misma línea de producción.5911 0. LSF (Factor de saturación). García-Casillas.Luego se relaciona los parámetros con las condiciones de operación. 3-32 µm.com ) y las . Variables de DTP: Superficie específica (S. mediante regresión multivariable por el método de pasos. fueron determinados con el granulómetro laser El desarrollo del modelo matemático se ha efectuado sobre la base de las investigaciones de Tsivilis. 0248 *(VS) TO = 6.908 δ 0.1861 -0.). que demuestran en que existe relación entre la resistencia a la compresión y las características del cemento. y en los trabajos de evaluación realizadas en los laboratorios de Cementos Lima S.0x10-4 * (VS) XT = 54.0014 0. parámetros de DTP y las fracciones de tamaños de partículas.4x10-3*(AE) + 5.0. C3A. C2S.com . C4AF.0384 54.0121 * (A) + 0. 80% Pasante (P80) y el Factor de uniformidad (n).0.920 Obteniendo las siguientes relaciones: XO = 14. SO3 y Cal libre.0121 0.0048 0. Variables de fracción de tamaño de partículas: <3 µm.999 XT -0. Se ha utilizado un Modelo de Regresión Lineal por el método de paso a paso.927 T0 0.

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

wamartinez@hotmail.998. la Gráfica 9.5.998. 7 y 28 días 3. y para predecir la S. nos muestra la calidad de ajuste del modelo. Gráfica 9. (20) y (21) da un coeficiente R2 de 0. 0.com .E los parámetros del modelo lineal karinaabad@hotmail. 3. Regresión para la RCC observada Vs la predecida a 24 horas.998.999 para el modelo de 24 horas. 0. 7 y 28 días. 0. 3. Variables que influyen.%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.com . (19). respectivamente.

com . S 3200 3000 3000 3200 3400 3600 3800 4000 S . Y se R 2 0.914 muestra la siguiente correlación matemática: S. E O B S E R V A D O (cm 2 / g ) Gráfica 10: Ajuste de Regresión del Blaine Predecido y Blaine Observado Los modelos obtenidos para el Molino de bolas y la Separadora se acoplan para obtener un modelo del circuito de molienda con el objetivo de predecir la distribución de tamaños de partículas a la salida del circuito.E. 3-16 µm. 3.E (cm /g). PP.com .6. La Gráfica 10: Muestra el ajuste de regresión de la superficie específica por el Método Blaine observado y predecido.E = 92.914. 16-24 µm. 3-16 µm influyen en la S. Las variables seleccionadas por el análisis de Regresión por el método de paso a paso se muestran en la Tabla 7. en la S. Pp (µm).Para determinar la influencia que tienen la fracción de tamaños de partículas de: <3 µm. <3 µm. Variables del circuito de molienda. CIRCUITO DE MOLIENDA 3800 ) g / 2 3600 m c ( A D I C E D 3400 E R P E . en el presente trabajo se ha tomado en consideración lo siguiente: karinaabad@hotmail. la que confirma que tamaños de 92.E. Y se aprecian que los parámetros: η. 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. 3-32 µm.wamartinez@hotmail.E (cm2/g) -1076 -170 137. se realizó un análisis de regresión. P80.16*(3-16 µm) + 30*(<3 µm) + 137. P80 (µm) y n.16 ρ (g/cm ) 30 3 2 Variables η 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..

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

wamartinez@hotmail.1039 -3.927 distribución granulométrica. A: Flujo Alimentación Separadora (Ton/h). 1 85 155 90 95.0 4 100 165 90 95.7.8 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. depende del flujo de alimentación (A). 5.com . y el flujo de alimentación fresca (F) que es un valor conocido. teniendo un ajuste de 0. determinar A se requiere conocer el flujo de retorno al molino (R). 6 tenemos: (23) (24) (25) P: Flujo de producto final (Ton/h).80 15. ESTUDIOS DE SIMULACIÓN. 3. R: Flujo Retorno al molino (Ton/h). F=P A=R+P A=R+F Donde: para determinar el flujo de salida. Condiciones de operación para las pruebas realizadas.3 4.0 4.7 15. De la fig. La eficiencia de la separadora. TABLA 8.0 15. la composición química – mineralógica del cemento se determina experimentalmente.com .1156 0.0 R = 3. por lo que A y R son variables intermedias. se realiza el balance de masa. De la ecuación (24) se observa.1156 *AE Conociendo R y F es (26) posible determinar el flujo de alimentación de la separadora.2 4.8 90 145 80 96. 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. y se tiene la siguiente relación: Flujo de Alimentación (ton/h) TABLA 9. del cual se determina que la VS y el porcentaje de AE determinan el flujo de retorno.embargo. su eficiencia y obtener la granulometría a la salida del circuito.927. Para determinar las variables que influyen en R se hizo un análisis de regresión por el Método “Paso a Paso” (Véase Tabla 8).80 0 21 19 karinaabad@hotmail.1039*VS – 3. F: Flujo de alimentación fresca (Ton/h).

Predicción de la distribución granulométrica a la salida del circuito.76 9.248 65.00 0.06 21.40 17.65 13.22 3.00 0.com .00 0.29 P2 0.48 6.00 0.36 10.11 22.289 16.00 0.762 18.277 <3 µm 12.171 1.01 0.6 3.64 7.75 6.59 4.00 0. por lo que se realizó cuatro pruebas a diferentes condiciones de operación.00 0.69 6.95 5.78 10.94 7.13 P4 0.02 0.53 7.11 6.00 0.32 4.00 0.00 0.01 0.01 4.001 32.79 % Error máximo = Así mismo en la Gráfica observa distribución 11.169 1.79 11. a la salida del circuito de molienda.44 6.00 P3 0.70 18.829 17.74 7.03 0.24 17.33 6.28 10.146 37.07 0.01 0.836 16-24 µm 17.10 18.86 P3 0.54 9.00 0.00 0.21 3.52 16.57 7.07 0.64 23.00 0.01 0.82 9.11 1.30 7.01 0.23 P4 0.00 0.26 11.00 2.919 12.00 0.368 33.91 5. se la del TABLA 11: Parámetros de Rosin Rammler y fracción por tamaños obtenidos mediante la Simulación del Circuito de Molienda.01 0.35 4.00 0.com .83 8.54 7.05 0.12 0. TABLA 10: Comparación del %retenido de los resultados obtenidos de la simulación del circuito de molienda y los resultados experimentales % Retenido observada %Retenido Predecido % ERROR Abertura µm P1 100 75 53 38 26 18 13 9 6.08 0.79% el cual presenta un buen ajuste.15 10.5 4.86 19.04 0.058 29.wamartinez@hotmail.12 1.521 67.19 7.20 19.89 7.126 3-32 µm 67. tanto experimentales (observados).25 6. ver la Tabla 10.41 P1 0. como los predecidos de acuerdo al modelo de predicción (predecidos).73 5.75 4.00 0.34 3.00 0.32 3.33 7.40 9.632 19.74 9.00 0.24 6.2 2.52 13.37 6.00 0. Nº Prueba 1 2 3 4 Pp (µm) 18. con el objetivo de predecir la granulometría del producto.03 0.697 15.32 21.27 8.76 11.00 0.06 0.01 0.75 3.288 34.05 0.00 0.794 3-16 µm 34.00 0.74 6.248 18.67 6.036 71. karinaabad@hotmail. El error máximo es del 0.02 0.77 6.00 0.02 0.25 P3 0.403 porcentaje pasante acumulada de los resultados.2 0 0.25 2.24 0.70 11.48 4.143 1.00 0.00 0.79 P4 0.09 10.29 22.45 4.914 33.86 11.05 0.02 6.551 12.66 4. Las condiciones de operación para las cuatro pruebas experimentales se muestran en la Tabla 9.05 0.06 0.00 0.Los estudios de simulación fueron realizados para verificar el modelo.955 η 1.58 17.03 0.14 6.00 0.02 0.46 6.00 0.00 0.447 P80 (µm) 31.57 14.02 0.01 0.852 14. Los resultados de la simulación.23 P2 0.01 0.55 P2 0.27 21.00 0.01 0.00 0.48 17.46 0.38 10.97 7.03 0.01 0.93 10.47 8.25 ∑ %Error= P1 0.

Los resultados de la Gráfica 11: %Pasante Acumulado de las partículas Predecido y Observado para la prueba Nro 1 obtenidos en la Tabla 11. los errores son TABLA 14: Comparación dela RCC.com . se determina por medio de la ecuación (22). La Tabla 12. simulación se muestran Predicción de la superficie específica.E. 3-32 µm. Para ello se requiere los datos de composición química-mineralógica del cemento.80 4. muestra los resultados de S.57 Predicción de la resistencia a la compresión del cemento. (20) y (21). Nº Prueba 1 2 3 4 S.57 %. (19).00 %.com . los avalores de del la Cemento.76 0. observados y predecidos por la simulación del circuito de molienda. (Ver Tablas 11). El error máximo fue de 4. y. η y también la fracción de tamaños: <3 µm.E.De la distribución a la los granulométrica obtuvieron salida del circuito. Los resultados experimentales y predecidos de la RCC con el modelo se muestran en la Tabla 14.E. Variables para en la predicción de la Resistencia la Compresión experimentales se químicas muestran la Tabla 13. como se puede apreciar. de los valores observados y los obtenidos con la simulación menores al 5.96 1. 3-16 µm y 16-24 µm. La predicción de la RCC es mediante las ecuaciones (18). (cm /g) Observada 3490 3340 3480 3720 Predecida 3524 3400 3508 3898 2 % Error 0. cuyos resultados TABLA 13. Resultados de la S. TABLA 12. DTP y de fracción de tamaños. PP. se parámetros: P80. La regresión de karinaabad@hotmail. La S.E.wamartinez@hotmail. Observada y Predecida.

973 para los modelos de 24 horas.0 193.5 0. 7 y 28 días.78 1.06 4.78 1.88 0.40 4.1 301.0 290.03 0. 3.3 308.7 167.wamartinez@hotmail.96 % Error Máximo = 3.32 2. respectivamente.12 Resistencia 0.10 7.05 3 167. 0.los resultados observados y predecidos se muestra en la Gráfica 12.0 248.46 0.42 1.26 0.90 4 64.91 0. 3.com .5 263. Nº Prueba C3S C2S %LSF %Na2O %SO3 %Cal Libre 1 60.8 2.87 98.08 0.74 3.0 364.0 293.3 158.0 311.00 4.7 171.90 0.0 373.30 2.55 0.88 9.82 2.888.85 0.64 0.39 100.0 241.11 0.8 380.05 0.24 1. 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 3-4.79 2 158.4 360.90 2 Resistencia Observada (kg/cm 2 64.25 4 199.18 Gráfica 12. respectivamente.1 253.00 ) 3 65.24 0.28 1.18 2 (kg/cm ) 99.00 6. las líneas continuas son los resultados experimentales y las líneas punteadas son los resultados obtenidos con el modelo matemático.5 2.25 2.24 a 24 horas.5 359. %Error 8. karinaabad@hotmail. 7 y 28 días.90 N 24 horas 3 días 7 días 28 días 5.74 3.2 376.86 1.33 24 horas 3 días 7 días 28 días 24 horas 3 días 7 días 28 días 1 163.0 331.5 301.2 287.5 306. 0.6 3.0 373.00 1. Regresión para la RCC observada Vs predecida Predecida 7.998.com . al graficar los valores de las RCC observadas y predecidas la calidad de ajuste da un coeficiente R2 de 0. 0.40 11.6 329.935.0 260.0 261.10 9.79 Del mismo modo.68 98.0 358.29 2.

a partir del circuito de molienda. tiene un error máximo del 4. considerando la DTP del material. 3-32 um y 16-24 um). para la simulación del molino en circuito cerrado con la separadora. 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 . 3-16 um.74 %. tiene un error máximo de 0.com . La aproximación al Modelo de Mezcla Perfecta. Esto se corrobora en los diferentes rangos de tamaño (<3 um.Gráfica 13: Desarrollo de la RCC observada y simulada desde el circuito de molienda. lado Izquierdo pruebas Nº 1 y 2.79%.wamartinez@hotmail. karinaabad@hotmail.

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

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

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

Cancel anytime.