Jik

Sistema de Control Avanzado para la
optimizacin de Procesos en Minera
Marcelo Petrelli
Apoyo Estratgico: Organizado por:

Agenda
El desafo de optimizar la gestin
Las bases del control avanzado y sus ventajas

como herramienta de optimizacin
Control avanzado en Molienda
Control avanzado en Flotacin
Impacto organizacional e implementacin

El desafo de optimizar la gestin

MINING
DIGITAL 92 TO INCREASE
INVESTMENT SPENDING IN
NEXT 3 AOS
%
SOURCE: 2014 Accenture Global Digital Mining Survey
MOST RETURN
ON INVESTMENT
Cloud Computing Planificacin

Analisis / Big Data Integrada
BIGGEST
IMPACT
Optimizacin
Productividad Organizacin/ de la Cadena
Cambio Operacional de Suministro
Desafos para el Control ptimo
Los factores que afectan a la rentabilidad estn cambiando en

tiempo real
La calidad de la materia prima y la finura
Valor por calora del combustible
El contenido de humedad
Los costos de energa
Desgaste del equipo o bloqueo
La demanda del mercado
6
Cmo el Control Avanzado ofrece
valor al usuario
Control Predictivo Cumplimiento Ambiental en Tiempo real
Optimizacin en tiempo real Gestin del rendimiento de la produccin
Ms que Control Individual
7
Costo total de propiedad (TCO)
= Costo de compra + costo de mantenimiento + costo de
rendimiento reducido
Costo de rendimiento reducido
Uptime por ejemplo, 95% versus 90% el tiempo de actividad
es decir, el 6% de rendimiento adicional
Mejora por ejemplo, 4% frente al 3% de mejora
es decir, 33% de rendimiento adicional
La base debera ser el rendimiento y el ROI y no el precio inicial

Aadir 40% en el rendimiento, lleva 40% de descuento en periodo de recuperacin en el
ahorro
Nmero mayor retorno de inversin ao tras ao
Retornos adicionales sobre vida del proyecto son mucho ms altos que cualquier diferencia
de costo inicial
8
Las bases del control avanzado y sus ventajas
como herramienta de optimizacin

Antecedentes del problema
En los aos 1980 las celdas ms grandes del mundo eran de alrededor
de 50 m3 y hoy superan los 500 m3
Histricamente las plantas de flotacin han estado creciendo en tamao
para compensar la disminucin de leyes en los yacimientos
Se deben reducir los gastos de inversin:
diseos ms simples,
abarcando menores reas de construccin
Y disminuir tambin los costos de operacin:
mayor eficiencia energtica
menor gasto de mantenimiento
En lo que a flotacin se refiere, la prioridad es:
lograr la mayor recuperacin y
calidad de los productos finales
Antecedentes del problema
En trminos generales, los sistemas expertos son ms estticos que
adaptativos.
Las reglas estticas, que toman en cuenta las relaciones bsicas y fundamentales
de la molienda y la flotacin, han demostrado una y otra vez ser capaces de
mejorar significativamente el rendimiento promedio de la planta.
Sin embargo, las operaciones de la unidad de procesamiento mineral son no
lineales y complejas.
No lineal significa que el futuro estado de la planta est condicionado al estado actual.
Ej. : si la presin de soporte del molino SAG es de 600 y la velocidad de alimentacin se
aumenta 50 t/h, la respuesta dinmica ser muy diferente a que si la presin de soporte
hubiera sido 700.
Complejo significa que una vez que se hace una serie de cambios de sistema, ya no se
puede volver al mismo lugar desde donde se parti si se revierten estos cambios.
Claramente este fenmeno, aunque no comprendido por muchos, contribuye a
la dificultad para controlar y optimizar los diagramas de flujo tpicos,
Y tambin contribuye un menor rendimiento
Resolviendo Problemas Bsicos
Primero
Esta estable la alimentacin?
Estn calibrados y funcionando los instrumentos?
Tiene conocimiento de los instrumentos inalmbricos (incluyendo la vibracin)?
Est actualizado y estable su sistema de control?
Est en control manual o automtico?
Estn actuando sus operadores segn las alarmas o son estas una molestia?
Conoce y acepta su variabilidad de proceso?
Est usted operando dentro de la expectativa de diseo y de las restricciones del proceso (bombas, ciclones,
calcinadores, hornos, etc.)?
Est usando la capacidad de sobrecarga, o se est ajustando al control de nivel?
Est en nivel ptimo y son robustos los controles?
Se est beneficiando de los sistemas de gestin de activos?
Estn implementados los sistemas de deteccin de fallas?
Puede hacer el mismo producto con menos consumo de energa?
Modelar el Proceso, o Modelar al
Operador?
Las diferencias entre los dos tipos de sistema son principalmente
que:
MPC usa un modelo del proceso; un sistema experto usa un
modelo del operador.
MPC es predictivo; un sistema experto es algebraico.
MPC es control de lazo cerrado; un sistema experto es control
de lazo abierto.
MPC se basa en algoritmos; un sistema experto se basa en reglas.
Los sistemas de control no son un substituto para un sistema DCS o
PLC de planta

Como maximizar el resultado
operacional
Multivariable
Estrategia de control basado en una matriz de
correlacin cruzada de variables de proceso
clave
SPECIFICATION OR LIMIT
Predictivo
Matemticas basado en modelos
KEY TARGET
desarrollados a travs de pruebas de proceso
Control diseado para conducir el proceso al
nivel ptimo a travs de un horizonte de
control de proceso anticipado BEFORE MODEL
PREDICTIVE CONTROL
WITH MODEL PREDICTIVE CONTROL
AND OPTIMIZATION
Robusto
El control es dinmico, utilizando el proceso
de retroalimentacin para la mejora del
rendimiento continuo
TIME
Limitaciones del control PID
Cada lazo no tiene ningn conocimiento del sistema como un todo, o de otro
PID 's
No hay dinmica
Slo maneja el presente, no el efecto futuro
Pobre con tiempos de retardo de procesos y seales ruidosas
Transferencias de ruido a la salida y el proceso
Sintonizacin PID es subjetiva y requiere tiempo y experiencia
Estos efectos se suman con el tiempo
Aumentar la variabilidad, disminuir la produccin y la calidad
En ltima instancia, aumenta el costo de produccin
15
Control Avanzado
Control por modelo predictivo
Control para las variables de producto

Utiliza modelos de procesos explcitos para
predecir las futuras respuestas sobre algn
horizonte de tiempo
Controla los procesos dinmicos,
multivariable, lineales y no lineales con
restricciones
El proceso es inherentemente multivariable
- el control SISO est condenada al fracaso
Proporciona oportunidades para la
optimizacin
Entrega resultados Proporciona robustez
predecibles. Se dirige continuamente a los limites de
proceso establecidos
16 Copyright 2012 Rockwell Automation, Inc.
Efectividad del Control PID
17
Arquitectura de entrada individual
y salida nica
Set Point
Controlador Actuador
Una Variable
Variables de
Una manipulada
Perturbacin
Variable
Controlada
Proceso

"Islas" de la accin de control sobre un proceso
No hay dinmicas
18
Arquitectura de Multiples
Entradas / Multiples Salidas
Multiples Set
Points
Controlador
Actuador
MPC
Multiples
Multiples
Variables de Variables
Variables
Perturbacin Manipuladas
Controladas Modelo
Bias
Proceso

Accin de control integrado en un proceso
19
El Modelo Explica un Sistema
Un modelo explica / emula
el comportamiento de un
sistema ...
y = a3 x 3 + a 2 x 2
+ a1 x + a0
... Usando una representacin

"matemtica"
Controlar de forma ms
eficaz lo que se puede
explicar
20
Modelos de Control de Procesos
Modelo
variables manipuladas variables controladas
Usuario define la Solver Engine Solver elige

formulacin ... trayectorias de MV para
controlar trayectorias
J ( cv, mv ), h ( cv, mv )
CV...
Problema de
Optimizacin
Modelo interno de planta utilizada para Modelo de estado estacionario no lineal

optimizar los puntos de ajuste para la operacin datos histricos de mltiples regiones
en estado estable
de operacin
Apoyo Estratgico:
predecir las acciones de entrada hipotticos
Modelo dinmico lineal
Organizado por:
dados de comportamiento de plantas basado en pruebas de paso SISO o

MIMO de la planta
simular planta fuera de lnea con el fin de
sintonizar el controlador
porciones del modelo dinmico
especificado por el usuario
21
Rango completo de funciones de
Control Avanzado
Optimizacin en Tiempo Real
Incremento en el esfuerzo y en el valor Control por Modelo

Predictivo
Control Multivariable No Lineal
Control Multivariable Lineal
Sensores por Inferencia
Control Supervisorio Bsico
Control Regulatorio Avanzado

Control Regulatorio
22
Control de proceso avanzado ayuda
a la planta
La forma ms rpida para aumentar la produccin
Los proyectos tienen cronogramas ms rpidos, ms alto retorno de la
inversin de los equipos
La mejor opcin para 4-8% de aumento
Mejora la consistencia del producto
Captura las mejores prcticas operacionales
accin en lnea frecuente - intervalos de segundos, no de minutos
Suaviza la operacin a travs de turnos
Reduce la produccin de material fuera de especificacin
23
Beneficios del Control por Modelo Predictivo
y la Optimizacin de Procesos
Minimizar la variacin operacional
DV CV
Transiciones efectivas LIMITE o ESPECIFICACIn
CV
KEY TARGET
Seguimiento del plan de CON

operacin ANTES DE MPC DESPUES DE MPC OPTIMIZACION
TIEMPO

CV
24
Modelo de control predictivo (MPC)
Modelo de control predictivo (MPC) es un algoritmo de control multivariable que
utiliza:
un modelo de dinmica interna del proceso
una historia de control de ltimos movimientos y
una funcin de optimizacin de coste sobre el horizonte de prediccin
para calcular
los movimientos de control ptimos
sujeto a las restricciones del proceso
Por qu es tan valioso en minera y cemento?

procesos estn dominados perturbacin
MPC desarrollado para mantener los procesos controlados en presencia de
perturbaciones
sistemas basados en reglas no funcionan correctamente con la deriva proceso
25
Modelo de control predictivo
Utilice primer paso del horizonte
Prediccin MV
MV valor medido MV valor deseado
Punto de ajuste de MV Nivel deseado MV especificar manualmente

o por el estado estable optimizador
CV valor medido
Controlador optimiza trayectorias futuras
utilizando una simulacin interna
CV prediccin

Indicador de tiempo actual CV valor deseado
26
Resumen de la accin de control
MPC
El controlador calcula
Magnitud de movimientos a cada variable para la optimizacin
del estado estacionario
Trayectoria de movimiento que debe aplicarse para el control
dinmico
Transicin suave de un estado a otro
El controlador optimiza el comportamiento futuro,

cumpliendo los objetivos de
Rendimiento
Eficiencia
Emisiones ambientales
Apoyo Estratgico: Calidad y Organizado por:
Lmites de seguridad del Proceso
27
Comparacin general entre MPC y
Sistemas Expertos
Enfoques de sistemas expertos suelen implementar una estrategia de control
explcita, no ptimo y estacionaria
MPC implementa una estrategia implcita y ptima de control dinmico
Control bsico versus control combinado y Optimizacin
La realimentacin del lazo mide la respuesta del proceso incluyendo el efecto
de las perturbaciones y compara respuesta real al deseado. La seal de error
impulsa el controlador para generar acciones de control en tiempo real y
mantener pequeos errores todo el tiempo
Ofrece un rendimiento superior en comparacin con los sistemas expertos
que slo puede tratar de replicar el rendimiento del control humano
subptimo, subjetivo e inconsistente.
28
MPC vs. Sistemas Expertos
Sistemas Expertos MPC
Estabilizacin reactiva Control Predictivo y Optimizacin
Modelo de la accin del operador Modelo del comportamiento del proceso
Ayuda del operador
Control automtico
Compleja estructura, vinculado
Estructura compacta, avanzado
Requieren ms recursos del equipo
Computacionalmente eficiente
Bloques de reglas independientes paralelas
Totalmente multivariable, matriz acoplada
Basada en el conocimiento
ndices de estado pseudo-dinmicos Basado en Matemticas, movimientos adaptativos
Control de lazo abierto Base del proceso dinmico

Estabilizacin, menos frecuentes Control en lazo cerrado
Estrategia de accin poco clara Regulacin continua, frecuente
Estrecho rango de operacin
Preciso sobre amplia gama
Necesidad conjunto completo de parmetros
Acciones de control claros
Propenso a procesar la deriva
Apoyo Estratgico: Excelente rechazo de perturbaciones
Organizado por:
NO ES OPTIMIZACIN REAL
Robusto, mantenimiento mnimo
Control avanzado en Molienda

Aplicacin de Control de Molienda
Capacidades
Control de Proceso
Manipular la
alimentacin y la
velocidad del
separador para
cumplir los
objetivos de
rendimiento y
especificaciones
Optimizar la carga
del circuito
Prediccin de la
finura para
proporcionar un
control de lazo
cerrado en el
objetivo de calidad
31
Diagrama simplificado
Agua Velocidad
Potencia
Alimentacin
Presin en los descansos
Impacto de carga
Dureza del mineral Nivel

Tamao de particula
Agua Velocidad
Presin en los descansos
Potencia
Parmetro manipulado
Medicin
Perturbacin
Consola de Control de un Molino
vertical
Presente
Pasado Futuro
Estructura de
carpetas
33
Tendencias
34
Consola de Monitoreo
Targets Soft Limits Hard Limits
Variables
Controller Matrix
35
Aplicacin de Control de Molino
Beneficios
Aumentar el rendimiento hasta
un 7%
Reducir la variacin de la finura
de hasta 50%
Mejorar la estabilidad
Evitar roturas por vibracin
Reducir el consumo de energa
especfica
36
Control avanzado en Flotacin

Columna de flotacin
Mezcla de mineral, agua y reactivos qumicos Wash Air
especficos llamado pulpa entra en la columna water
Burbujas generadas por inyectar aire en el
difusor en la parte inferior de la columna se froth concentrate
mueven hacia arriba en direccin contraria al
flujo descendente de la mezcla
En la seccin inferior de enriquecimiento de la
columna entre el punto de alimentacin y la pulp
entrada de aire conocida como zona de
flotacin las partculas minerales hidrofbicas
se unen a las burbujas
Espuma de la parte superior de la columna se
compone de concentrado de mineral tail
38 (Confidential For Internal Use Only)

Caractersticas del proceso de
flotacin
Comportamiento no lineal
Complejo acoplamiento
Tiempos muertos largos
Seales de ruido
Perturbaciones no medibles que tienden a forzar al proceso fuera de su curso:
Caractersticas de la alimentacin : contenido de masa y contenido total de
slidos en la masa alimentada
Qumica del agua, estabilidad de la espuma, espumosidad, comportamiento
hidrfilo/hidrfobo
Controladores de entrada individual vs salida nica (PID's) luchar uno contra
el otro en un complejo entorno interactivo
Flotacin ofrece oportunidades de

mejoras significativas usando MPC
Modelado de la columna de Wash water
flotacin Pulp feed
Dos tipos de modelos: modelo de primeros principios y
heurstico layer 1
layer 2 Product
Los modelo de primeros principios se basan en el feed
principio de balance de masa en el recipiente
Acumulacin = entrada - salida + generacin layer k
Modelo divide la columna en N capas
El balance de material en cada capa da un conjunto de
ecuaciones diferenciales que describen la columna
Los modelos heursticos utilizan conocimiento experto
(e.g. mtodos de modelado de lgica difusa)
Modelos hbridos combinan FPM y modelo heurstico
Red neuronal o difusa se utiliza para estimar los
Apoyo Estratgico: parmetros de FPM Organizado por:
layer N
Tail feed
40
Proceso Simplificado Rougher,
Cleaner, Regrind
Resultados Beneficios
Incremento de la recuperacin en 0.5 2.5%
Integra modelos no lineales,
control multivariable y Incremento de la concentracin en 1 - 5%
optimizacin avanzada en Reduce la variabilidad del concentrado en 40
un algoritmo 65%
DV
Optimizacin de la
estabilidad de la espuma
mediante el control de
punto de ajuste de nivel y MV
grado CV
MV
Optimizacin del grado de
recuperacin por control DV MV
de alimentacin,
concentrado, y relaves MV
CV
MV MV
CV
Control de las perturbaciones y
beneficios del MPC Control MPC de celdas de
flotacin reducir las operaciones
Proceso de recuperacin exhibe variabilidad
inestables por:
debido a las propiedades fsicas y qumicas
variables inherentes del material extrado:
Utilizacin de la posicin de vlvula
o nivel aguas arriba de la clula
Cambio del flujo masa de la mezcla que como feedforward para prediccin
afectan a efectos de ganancia en espuma Coordinacin de todos los
Cambios en el contenido de slidos en la controladores de la clula para la
mezcla crean perturbaciones en espuma y
gestin de las interacciones en las
clulas, como una unidad
pulpa Rechazo de las perturbaciones a
Incertidumbre o no-linealidad del proceso travs de la lnea
general y del equipo (relaciones tornillo Reduce el tiempo de inicio y el efecto
de las variaciones de flujo
transportador a las tasas del mineral)
Estabilizacin del setpoint para la
Perturbaciones de lazos PID, recuperacin mejorada y grado:
particularmente los ratios de control Menor prdida de producto para
relaves
Menor costo de reactivo
Control de flotacin MPC
Uncontrolled Influences
Particle Size
(Disturbance Variables)
Total Solids
Ore Concentration
Feed Mass Flow Rate Pulp/Froth Depth

Concentrate Analysis (Recovery)
Reagents (chem/water)Flotation
Control Grade Setpoint (Impurities)
Frother Air Flow Rate
Gas Holdup
Tail Flow Rate
Process Setpoints Process Results

(Manipulated Variables) (Controlled Variables)
Capacidades:
Mejorar celda de flotacin o el balance de masa columna
Apoyo Estratgico: Mejor utilizacin de sensores en lnea, como por espuma Organizado por:
Manipula el flujo de aire y el nivel
Integrar con la concentracin de reactivo
Impacto organizacional e implementacin

Impacto organizacional
El impacto que causa en la organizacin una

implementacin de planta inteligente es de una
gran magnitud pero perfectamente manejable si:
se planifica en adelanto y
se ejecuta un plan en paralelo con la implementacin
del sistema.
Copyright M. Petrelli, Nov 2007

Alineacin de lo tecnolgico
con la visin de la organizacin
La alineacin de lo tecnolgico con la visin de la organizacin
produce impacto en todos los niveles.
Ya desde el inicio podemos tener en cuenta que

las plantas no son similares a las oficinas corporativas que las
soportan ... mientras que las finanzas deben modelar los principios
contables generalmente aceptados (GAAP del ingls, Generally
Accepted Accounting Principles), cada planta puede operar en
forma diferente para hacerse nica y preservar su ventaja
competitiva ("MES explained: a high level vision", MESA
International, White Paper 6, Sept 1997, Pg. 7)

Estrategia informatizadora
Una estrategia que enfatiza la automatizacin, se enfoca en la

mquina inteligente. Una estrategia "informatizadora" reconoce
el valor y la funcin de la mquina inteligente, pero slo en el
contexto de su interdependencia con gente inteligente. Es el
conocimiento y la comprensin en la cabeza de la gente -su
habilidad intelectual- que torna a las mquinas inteligentes en
una oportunidad fundamental para mejorar el negocio.
Shoshana Zuboff (2001)

El impacto organizacional es
a todo nivel
Una implementacin seria de este cambio debe iniciarse desde la
ms alta direccin.
En el nivel ms alto de direccin, la diferencia ms notable es que
tiene la necesidad de entender los beneficios que estos cambios
traen y que van ms all de lo tecnolgico.
Es necesario ir ms all de la tecnologa informtica de gestin
para introducirse en la informatizacin de la produccin.
Debe aprender su lenguaje algo distinto al de los modelos
financieros.

La vision tradicional
En la organizacin tradicional "las frmulas contables

convencionales tratan a la tecnologa como una sustitucin de
capital por trabajo" (Shoshana Zuboff, 2001, Pg. 12).
Cada vez que se trata de justificar una inversin en tecnologa de
produccin, se mide la cantidad de puestos de trabajos eliminados
al convertir un proceso manual en automtico.
Es, lamentablemente, una visin miope de la situacin. Es ver slo
la parte emergente del iceberg.
Esta miopa tiene consecuencias graves: en la mayora de los pases
donde la mano de obra es barata, se rechazan los proyectos de
mejora tecnolgicas bajo el pretexto de que no se justifican.

La visin en la organizacin
moderna
En la organizacin moderna la alta direccin debe tomar una
visin holstica del negocio. El cambio a ese nivel debe pasar por la
visin estratgica de la tecnologa.
El cambio debe estar en que ellos mismos lideren el cambio. No
basta con que acepten y aprueben inversiones en tecnologa. Si
despus dejan la decisin de la eleccin en otras manos, pronto
volver al enfoque tradicional: el nico logro fue sustituir trabajo
por capital.
"La tecnologa sola, a pesar de su poder, no ser suficiente para
mostrar su propio potencial"

Cuestiones claves
Hay tres cuestiones claves que llaman simultneamente la

atencin en el gerenciamiento exitoso de la tecnologa, a saber:
una definicin de los lazos entre las elecciones estratgicas de la
organizacin, las estrategias de operacin y tecnolgica, y sus contribuciones
especficas
una visin holstica de la organizacin, relacionando el diseo total del
sistema, las caractersticas de los productos clave, la tecnologa de
transformacin y la metodologa de control y operacin
la identificacin de las caractersticas relevantes de implementacin y
operacionales necesarias para atraer la tecnologa al cauce de las
operaciones de una organizacin
La forma ms efectiva de abordar esto es incluyendo en la alta
direccin expertos en tecnologa que puedan alinear las
estrategias.

Capacitacin y manejo del
cambio del personal de operacin
Vemos aqu un punto clave por diferentes motivos.
El aprendizaje de la alta direccin y de las gerencias medias debe darse en el periodo
de tomar decisiones.
El del personal de operacin debe hacerse en la etapa de implementacin.
Como dijimos antes, este aprendizaje es clave principalmente por dos razones:
1. Evitar el rechazo de la nueva implementacin.
2. Hacer que la nueva implementacin funcione. Informatizar la planta requiere el

cambio de algunos procesos y procedimientos.
Si estos nuevos procedimientos no se siguen y la planta se continua operando
como antes, es muy probable que el nuevo sistema entregue los mismos
outputs que antes. Esto puede hacer fracasar el proyecto y los futuros
proyectos tambin dado que, quienes aprobaron la inversin no vern
diferencias y sentirn que invirtieron para nada.

El factor humano
La tecnologa informtica puede realizar una poderosa contribucin a los

objetivos de incrementar el control y la continuidad, pero su extraordinariedad
se basa en su capacidad informativa, la cual mejora la comprensin de las
operaciones a travs de las cuales una organizacin hace el trabajo... La
magnitud a la cual cada una de las dos capacidades de la tecnologa de
informacin se enfatiza jugar un rol central en determinar las consecuencias
organizacionales del cambio tecnolgico. Le eleccin del nfasis es por sobre
todo una cuestin de estrategia y deriva de la concepcin del management de
la contribucin que esta tecnologa pueda hacer al negocio
... una conclusin de mi investigacin es que las innovaciones organizacionales
son necesarias para soportar las innovaciones tecnolgicas s una empresa se
beneficia totalmente del proceso informtico. Es un proceso que tiene
implicaciones del tipo de habilidades que los miembros de la organizacin
deben desarrollar...

Shoshana Zuboff

A tener en cuenta
involucramiento de la alta direccin

involucramiento de la gerencias medias
entrenamiento cruzado
escuchar a la planta
alinear la visin y la misin de la planta, y de los departamentos de ingeniera y
mantenimiento a la de la compaa
revisar el tipo de informacin disponible
relevar que informacin es necesaria
establecer la diferencia y que nivel de tecnologa se necesita
seleccionar la tecnologa y en funcin de ello comprar el resto
establecer un plan de administracin del cambio en paralelo, incluyendo
revisin de procedimientos entrenamiento y capacitacin para todos los
niveles.

Muchas Gracias!!

Jik

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Jik

Cargado por

Copyright:

Formatos disponibles

Sistema de Control Avanzado para la

optimizacin de Procesos en Minera

Apoyo Estratgico: Organizado por:

El desafo de optimizar la gestin

Las bases del control avanzado y sus ventajas

Control avanzado en Molienda

Control avanzado en Flotacin

Impacto organizacional e implementacin

Apoyo Estratgico: Organizado por:

Apoyo Estratgico: Organizado por:

Cloud Computing Planificacin

Los factores que afectan a la rentabilidad estn cambiando en

Apoyo Estratgico: Organizado por:

Apoyo Estratgico: Organizado por:

La base debera ser el rendimiento y el ROI y no el precio inicial

Apoyo Estratgico: Organizado por:

Apoyo Estratgico: Organizado por:

Apoyo Estratgico: Organizado por:

Control para las variables de producto

Apoyo Estratgico: Organizado por:

Apoyo Estratgico: Organizado por:

Apoyo Estratgico: Organizado por:

... Usando una representacin

variables manipuladas variables controladas

Usuario define la Solver Engine Solver elige

Modelo interno de planta utilizada para Modelo de estado estacionario no lineal

dados de comportamiento de plantas basado en pruebas de paso SISO o

Incremento en el esfuerzo y en el valor Control por Modelo

Control Multivariable Lineal

Sensores por Inferencia

Control Supervisorio Bsico

Control Regulatorio Avanzado

Transiciones efectivas LIMITE o ESPECIFICACIn

Seguimiento del plan de CON

Apoyo Estratgico: Organizado por:

Por qu es tan valioso en minera y cemento?

MV valor medido MV valor deseado

Punto de ajuste de MV Nivel deseado MV especificar manualmente

Apoyo Estratgico: Organizado por:

El controlador optimiza el comportamiento futuro,

Lmites de seguridad del Proceso

Control de lazo abierto Base del proceso dinmico

Apoyo Estratgico: Organizado por:

Dureza del mineral Nivel

Presin en los descansos

Apoyo Estratgico: Organizado por:

Targets Soft Limits Hard Limits

Apoyo Estratgico: Organizado por:

Apoyo Estratgico: Organizado por:

38 (Confidential For Internal Use Only)

Flotacin ofrece oportunidades de

Feed Mass Flow Rate Pulp/Froth Depth

Process Setpoints Process Results

Apoyo Estratgico: Organizado por:

El impacto que causa en la organizacin una

Copyright M. Petrelli, Nov 2007

Ya desde el inicio podemos tener en cuenta que

Copyright M. Petrelli, Nov 2007

Una estrategia que enfatiza la automatizacin, se enfoca en la

Apoyo Estratgico: Organizado por:

Copyright M. Petrelli, Nov 2007

Copyright M. Petrelli, Nov 2007

En la organizacin tradicional "las frmulas contables