Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Su Operación y Optimización
T.J. Napier-Munn
S. Morrel
R.D. Morrison
T. Kojovic
Editor de Series
T.J. Napier-Munn
Traducido al español por
Víctor R. Gutiérrez Benforado
Tel 56-55-770 398 - Cel. (09) 887 2338
vgutierr@vtr.net – victor@vgutierrez.com
Enero de 2005
PREFACIO
La filosofía seguida es proveer al profesional inteligente con medios para entender mejor su
circuito y optimizar su rendimiento. En consecuencia, una descripción pragmática de cada
operación unitaria y su rol en el circuito de trituración es inseparable de la explicación
sobre el modelo matemático usado para describirlo y representarlo en un simulador
computarizado. Asimismo, la simulación requiere de datos para caracterizar tanto el acopio
de la alimentación como la máquina, y el libro incluye una guía práctica sobre el muestreo
de circuitos, balance de masa, estimación de los parámetros de modelo y determinación de
las características de clasificación y rotura. No obstante, no pretende entregar una
explicación completa sobre la ciencia de la rotura y trituración de rocas. Esto ya ha sido
intentado por otros anteriormente.
Luego de más de 30 años de desarrollo, la simulación es hoy en día una tecnología madura
usada cada vez más de manera rutinaria por los ingenieros en minerales. Es nuestra
intención entregar a dichos ingenieros el conocimiento y metodología de respaldo que le
permita explotar la tecnología de manera efectiva. Creemos importante que entienda la base
a partir de la cual se derivan estas técnicas y hemos, por consiguiente, incluido algunos de
los principios involucrados, con estudios de caso cuando corresponde. Por este motivo, y
porque los enfoques descritos están en la frontera de la practica de la ingeniera actual, los
alumnos que estudian procesamiento de minerales también encontraran de valor este libro.
La amplitud de la literatura moderna sobre trituración es tan amplia que impide una
explicación completa. Por consiguiente solo hemos incluido aquellas referencias adecuadas
para las metodologías aquí descritas o que hemos encontrado útiles por derecho propio.
i
ii
CONTENIDOS
PREFACIO ............................................................................................................I
CONTENIDOS .................................................................................................... III
CAPITULO 1 ........................................................................................................1
INTRODUCCIÓN ................................................................................................................ 1
1.1 LA TECNOLOGÍA DE LA TRITURACIÓN........................................................ 1
1.2 SIMULACIÓN COMO UNA HERRAMIENTA DE OPTIMIZACIÓN............... 3
1.3 ESTE LIBRO Y COMO UTILIZARLO................................................................. 7
CAPITULO 2 ......................................................................................................10
MODELOS DE PROCESOS DE TRITURACIÓN .................................................................. 10
2.1 INTRODUCCIÓN ................................................................................................ 10
2.2 UNA BREVE HISTORIA DE LOS MODELOS DE TRITURACIÓN............... 11
2.3 CLASES DE MODELOS DE TRITURACIÓN................................................... 13
2.4 MODELOS FUNDAMENTALES ....................................................................... 14
2.4.1 Principios de los Modelos......................................................................... 14
2.4.2 Probando los Modelos Fundamentales ..................................................... 16
2.4.3 Consideraciones Energéticas .................................................................... 17
2.4.4 Interacciones con las Partículas de Mineral.............................................. 19
2.5 MODELOS DE CAJA NEGRA ........................................................................... 21
2.5.1 Principios .................................................................................................. 21
2.5.2 Modelo de Balance de Población.............................................................. 23
2.5.3 Modelo de Molino de Bola de Mezcla Perfecta........................................ 25
2.5.4 Modelo de Molino Multi-segmento .......................................................... 27
2.5.5 Modelo de Chancador Whiten .................................................................. 29
2.5.6 Modelado de la Energía de Rotura............................................................ 30
2.6 CONCLUSIONES ................................................................................................ 31
iii
CAPITULO 3 ......................................................................................................32
EXTRACCIÓN DEL MINERAL .......................................................................................... 32
3.1 INTRODUCCIÓN ................................................................................................ 32
3.2 MEDICIÓN Y DESCRIPCIÓN DE LA LIBERACIÓN...................................... 33
3.2.1 Definiendo Liberación .............................................................................. 33
3.2.2 Midiendo la Liberación............................................................................. 33
3.2.3 Describiendo la Liberación ....................................................................... 37
3.3 MODELOS SENCILLOS DE LIBERACIÓN EN TRITURACIÓN................... 39
3.3.1 Metodología de Weedon ........................................................................... 39
3.3.2 Metodología de Morrel ............................................................................. 43
3.4 CONCLUSIONES ................................................................................................ 48
CAPITULO 4 ......................................................................................................49
PRUEBAS DE ROCA – DETERMINACIÓN DE LA FUNCIÓN DE ROTURA ESPECÍFICA ..... 49
4.1 INTRODUCCIÓN ................................................................................................ 49
4.2 ROTURA DE ROCA............................................................................................ 50
4.2.1 Mediciones de Respuesta Macro .............................................................. 50
4.2.2 Mecanismos de Micro Fractura ................................................................ 53
4.2.3 Resumen: Aplicación de Pruebas de Resistencia de Roca en Trituración 57
4.3 TEST DE BOND .................................................................................................. 57
4.3.1 Introducción .............................................................................................. 57
4.3.2 Test de Bond de Aptitud para Chancado .................................................. 58
4.3.3 Test de Bond de Aptitud para Molienda de Molino de Barras ................. 59
4.3.4 Test de Bond de Aptitud para Molienda de Molino de Bolas................... 60
4.3.5 Análisis del Método de Bond.................................................................... 63
4.4 PRUEBAS DE MOLIENDA POR LOTE ............................................................ 66
4.5 CARACTERIZACIÓN DE ROTURA DE PARTÍCULA INDIVIDUAL........... 69
4.5.1 Pruebas de Péndulo ................................................................................... 70
4.5.2 Pruebas de Caída de Pesos........................................................................ 70
4.5.3 Procedimientos de Caracterización de Roca JKMRC .............................. 72
4.6 PARÁMETROS DEL MINERAL EN MODELADO Y SIMULACIÓN............ 81
4.6.1 Parámetros de Mineral Molino AG/SAG ................................................. 81
4.6.2 MODO DE APARIENCIA DEL MODELO DE CHANCADOR .............................. 86
4.6.3 FUNCIÓN DE APARIENCIA DE MOLINO DE BARRA Y BOLA ......................... 89
4.7 CONCLUSIONES ................................................................................................ 92
iv
CAPITULO 5 ......................................................................................................95
ESTUDIANDO CIRCUITOS DE TRITURACIÓN .................................................................. 95
5.1 INTRODUCCIÓN ................................................................................................ 95
5.2 ALGUNOS PRINCIPIOS DE MUESTREO........................................................ 96
5.2.1 Introducción .............................................................................................. 96
5.2.2 Tamaño de la Muestra para Análisis de Tamaño...................................... 97
5.2.3 Propagación del Error en Cantidades Calculadas ................................... 100
5.2.4 Cortadores de Muestra ............................................................................ 101
5.3 DISEÑO DE ESTUDIOS DE CIRCUITOS DE TRITURACIÓN .................... 104
5.3.1 Objetivos y Requerimientos.................................................................... 104
5.3.2 Procedimiento de Estudio Típico para un Circuito de Molienda............ 105
5.3.3 Datos a Recolectar .................................................................................. 107
5.4 PRÁCTICA DE MUESTREO ............................................................................ 109
5.4.1 Equipos y Recursos Necesarios .............................................................. 109
5.4.2 Alimentación de Molino o Chancador.................................................... 110
5.4.3 Contenidos del Molino............................................................................ 113
5.4.4 Descarga del Molino ............................................................................... 119
5.4.5 Mill Scats o Producto de Chancado ........................................................ 119
5.4.6 Alimentación del Ciclón ......................................................................... 119
5.4.7 Underflow y Overflow de Ciclón ........................................................... 120
5.4.8 Distribuciones de Tiempo de Residencia................................................ 120
5.5 PROCEDIMIENTOS DE ANÁLISIS DE LA MUESTRA ............................... 120
5.5.1 Partición de la Muestra ........................................................................... 120
5.5.2 Peso Específico del Mineral.................................................................... 121
5.5.3 Dimensionado de Partículas.................................................................... 121
5.6 ANALISIS DE LOS DATOS ............................................................................. 123
5.6.1 Inspección Inicial de los Datos ............................................................... 123
5.6.2 Balance de Masa ..................................................................................... 126
5.6.3 Ajuste del Modelo................................................................................... 132
5.7 CONCLUSIONES .............................................................................................. 133
CAPITULO 6 ....................................................................................................135
CHANCADORES ............................................................................................................. 135
6.1 INTRODUCCIÓN .............................................................................................. 135
6.2 OBJETIVOS DEL PROCESO............................................................................ 135
6.3 DESCRIPCIÓN DEL PROCESO....................................................................... 136
6.4 VARIABLES CLAVE ........................................................................................ 137
v
6.5 MODELANDO EL CHANCADOR................................................................... 138
6.6 PREDICCIÓN DE LA ENERGÍA DEL CHANCADOR .................................. 141
6.7 MODELANDO LAS FUNCIONES DE CLASIFICACIÓN Y ROTURA........ 142
6.8 AJUSTE DEL MODELO DE CHANCADOR................................................... 144
6.9 MODELANDO OTROS TIPOS DE CHANCADORES ................................... 145
6.9.1 Chancadores de Impacto de Eje Vertical ................................................ 145
6.9.2 Chancadores de Impacto de Eje Horizontal............................................ 147
6.9.3 Chancadores de Rodillo Dentado............................................................ 148
6.9.4 Rodillos de Molienda de Alta Presión .................................................... 148
6.10 OPERACIÓN Y OPTIMIZACIÓN DE CHANCADO ...................................... 151
CAPITULO 7 ....................................................................................................154
MOLINOS AUTÓGENOS Y SEMIAUTÓGENOS ................................................................ 154
7.1 INTRODUCCIÓN .............................................................................................. 154
7.2 DISEÑO DEL MOLINO .................................................................................... 155
7.2.1 Diseño de la Carcasa............................................................................... 155
7.2.2 Mecanismos de Descarga........................................................................ 157
7.2.3 Elevadores y Revestimientos (ver también Sección 9.4)........................ 158
7.3 DISEÑO DEL CIRCUITO ................................................................................. 160
7.4 MECANISMO Y MODELO DE PROCESO..................................................... 162
7.4.1 Vista General y Estructura del Modelo................................................... 162
7.4.2 Rotura...................................................................................................... 164
7.4.3 Transporte de Material............................................................................ 169
7.5 OPERACIÓN DE MOLINOS AG Y SAG........................................................ 175
7.5.1 Generalidades.......................................................................................... 175
7.5.2 Tamaño de Alimentación........................................................................ 178
7.5.3 Dureza del Mineral ................................................................................. 180
7.5.4 Volumen de la Carga de Bolas y Tamaño de Bola ................................. 180
7.5.5 Velocidad del Molino ............................................................................. 182
7.5.6 Cerrando un Circuito con Clasificadores de Fino................................... 184
7.5.7 Cerrando un Circuito con un Chancador de Reciclo (Pebble)................ 186
7.5.8 Control .................................................................................................... 187
7.6 OPTIMIZACIÓN................................................................................................ 188
7.6.1 General.................................................................................................... 188
7.6.2 Conozca su Molino ................................................................................. 188
7.6.3 Definir le Criterio de Optimización y Desarrollar un Programa............. 189
7.6.4 Simulación .............................................................................................. 190
7.6.5 Criterio de Optimización......................................................................... 190
vi
CAPITULO 8 ....................................................................................................192
MOLINOS DE BARRA .................................................................................................... 192
8.1 INTRODUCCIÓN .............................................................................................. 192
8.2 DESCRIPCIÓN DEL PROCESO....................................................................... 192
8.3 VARIABLES CLAVE ........................................................................................ 193
8.4 REVESTIMIENTOS DE MOLINO ................................................................... 195
8.5 CONFIGURACIÓN DEL CIRCUITO ............................................................... 196
8.6 MODELADO DE MOLINOS DE BARRA ....................................................... 196
8.7 ESCALANDO EL MODELO DE MOLINO DE BARRA ................................ 200
8.8 AJUSTANDO EL MODELO DE MOLINO DE BARRA................................. 202
8.9 OPERACIÓN DEL MOLINO DE BARRA ....................................................... 203
8.10 OPTIMIZACIÓN................................................................................................ 204
CAPITULO 9 ....................................................................................................206
MOLINOS DE BOLA....................................................................................................... 206
9.1 INTRODUCCIÓN .............................................................................................. 206
9.2 DESCRIPCIÓN DEL PROCESO....................................................................... 206
9.3 VARIABLES CLAVE ........................................................................................ 207
9.4 REVESTIMIENTOS DE MOLINO ................................................................... 209
9.5 CONFIGURACIONES DE CIRCUITO............................................................. 209
9.6 LA METODOLOGÍA TRADICIONAL – BOND ............................................. 210
9.7 MODELADO DE MOLINO DE BOLA ............................................................ 212
9.8 ESCALANDO EL MODELO DE MOLINO DE BOLA ................................... 217
9.9 AJUSTANDO EL MODELO DE MOLINO DE BOLA A LOS DATOS DE
PRUEBA 219
9.10 OPERACIÓN DEL MOLINO DE BOLA.......................................................... 220
9.10.1 Factores que Influencian la Operación ................................................... 220
9.10.2 Densidad de Slurry.................................................................................. 221
9.10.3 Viscosidad de Slurry ............................................................................... 222
9.10.4 Selección de Revestimientos................................................................... 222
9.10.5 Selección del Tamaño de Bola................................................................ 222
9.10.6 Operación del Clasificador ..................................................................... 223
9.10.7 Cargas Recirculantes............................................................................... 224
9.11 ENERGÍA DEL MOLINO ................................................................................. 224
9.12 OPCIONES DE OPTIMIZACIÓN ..................................................................... 227
vii
CAPITULO 10..................................................................................................230
MOLINOS DE TORRE Y MOLINOS DE AGITACIÓN ........................................................ 230
10.1 INTRODUCCIÓN .............................................................................................. 230
10.2 DISEÑO 231
10.2.1 General.................................................................................................... 231
10.2.2 Agitadores ............................................................................................... 232
10.2.3 Envolvente de Rendimiento.................................................................... 233
10.3 ACCIÓN DE MOLIENDA................................................................................. 234
10.4 MOVIMIENTO DE LOS MEDIOS ................................................................... 235
10.4.1 Molinos de Torre..................................................................................... 235
10.4.2 Molinos de Agitación Tipo Aguja .......................................................... 239
10.5 MODELADO Y ESCALADO DE MOLINOS DE TORRE.............................. 239
10.5.1 Consumo de Energía ............................................................................... 239
10.5.2 Reducción de Tamaño............................................................................. 242
10.6 OPTIMIZACIÓN DE MOLINOS DE TORRE.................................................. 246
CAPITULO 11..................................................................................................247
LA PREDICCIÓN DEL CONSUMO DE ENERGÍA EN CHANCADORES Y MOLINOS DE VOLTEO
...................................................................................................................................... 247
11.1 INTRODUCCIÓN .............................................................................................. 247
11.2 LA PREDICCIÓN DE LA ENERGÍA DEL CHANCADOR ............................ 248
11.2.1 Introducción ............................................................................................ 248
11.2.2 Relaciones Energía- Reducción de tamaño Especificas del Mineral...... 248
11.2.3 El Modelo de Reducción de Tamaño del Chancador.............................. 249
11.2.4 El Modelo de Energía del Chancador ..................................................... 250
11.3 LA PREDICCIÓN DEL CONSUMO DE ENERGÍA DEL MOLINO .............. 251
11.3.1 Introducción ............................................................................................ 251
11.3.2 Forma de la Carga................................................................................... 252
11.3.3 Posición de la Carga................................................................................ 253
11.3.4 Descripción Matemática de la Variación en la Posición del Talón y el Hombro
256
11.3.5 Movimiento de la Carga.......................................................................... 256
11.3.6 Descripción Matemática del Perfil de Velocidad ................................... 258
11.3.7 Ecuaciones de Consumo de Energía ....................................................... 259
11.3.8 Estructura General del Modelo (Figura 11.12) ....................................... 266
11.3.9 Energía de Sin Carga .............................................................................. 267
viii
11.4 EJEMPLO RESUELTO...................................................................................... 270
11.5 CONCLUSIONES .............................................................................................. 272
CAPITULO 12..................................................................................................273
HARNEROS E HIDROCICLONES .................................................................................... 273
12.1 INTRODUCCIÓN – EL ROL DEL DIMENSIONADO EN CIRCUITOS DE
TRITURACIÓN 273
12.2 CURVAS DE EFICIENCIA ............................................................................... 276
12.3 HARNEROS Y TAMICES CURVOS................................................................ 285
12.3.1 Introducción ............................................................................................ 285
12.3.2 Harneros Vibratorios............................................................................... 287
12.3.3 Superficies de Harneado ......................................................................... 289
12.3.4 Eficiencia de Harneado ........................................................................... 291
12.3.5 Modelos de Harnero................................................................................ 293
12.3.6 Modelo de Harnero Vibratorio JKMRC ................................................. 297
12.3.7 Harneros DSM ........................................................................................ 305
12.3.8 Optimización de Harneros Vibratorios y Harneros DSM....................... 308
12.4 HIDROCICLONES ............................................................................................ 309
12.4.1 Introducción ............................................................................................ 309
12.4.2 Descripción del Proceso.......................................................................... 309
12.4.3 Modelos de Hidrociclón.......................................................................... 311
12.4.4 Optimización de Hidrociclón – Efecto del Diseño y Variables Operativas319
CAPITULO 13..................................................................................................331
OPTIMIZACIÓN DE CIRCUITOS DE TRITURACIÓN ....................................................... 331
13.1 INTRODUCCIÓN .............................................................................................. 331
13.2 METODOLOGÍAS DE OPTIMIZACIÓN......................................................... 332
13.2.1 El proceso de Optimización .................................................................... 332
13.2.2 Minimización de la energía..................................................................... 333
13.2.3 Etapas de Balance de la Trituración........................................................ 334
13.3 OPTIMIZACIÓN DEL RENDIMIENTO Y TAMAÑO DE PRODUCTO DEL
CIRCUITO 335
13.3.1 Definiendo el Criterio de Optimización de la Planta. ............................. 335
13.3.2 Generando el Caso Base ......................................................................... 336
13.3.3 Tres Estudios de Casos ........................................................................... 336
13.4 ALINEANDO EL PROCESO DE SEPARACIÓN CON EL CIRCUITO DE
TRITURACIÓN 349
ix
13.5 USANDO UN MODELO DE ENERGÍA/PRODUCCIÓN PARA OPTIMIZAR LA
MOLIENDA 352
13.6 CONCLUSIONES .............................................................................................. 358
APÉNDICE 1
FUNCIONES SPLINE CÚBICAS ....................................................................................... 360
APÉNDICE 2
EL EFECTO DE LA VISCOSIDAD DEL SLURRY SOBRE LA MOLIENDA .......................... 366
APÉNDICE 3
MEDICIÓN Y REPRESENTACIÓN DE LAS DISTRIBUCIONES DE TAMAÑO .................... 372
APÉNDICE 4
EL SIMULADOR JKSIMMET Y EL PAQUETE DE BALANCE DE MASA JKMBAL........... 387
REFERENCIAS .................................................................................................392
x
CAPITULO 1
INTRODUCCIÓN
1.
No puede existir una civilización industrial moderna sin el uso de un amplio rango de
tecnología de trituración, desde el chancado grueso de mineral minado y roca de cantera a
la molienda muy fina para la producción de pintura, productos farmacéuticos, cerámicos y
otros materiales avanzados. El corte de rocas y la voladura pueden considerarse también,
sin mucho riesgo semántico, como la primera etapa de la trituración en operaciones de
minería y cantera. En efecto, existe evidencia creciente de que la integración holística de las
etapas de minería y procesamiento del mineral, en vez de considerarlas como desacopladas
o incluso como elementos competitivos del proceso productivo, puede generar beneficios
económicos sustanciales; esta es una excitante área de investigación actual.
− Chancadores de impacto
− Otros clasificadores
El corolario de estas estadísticas es que hay mucho que ganar mejorando la práctica de la
trituración. Las mejoras pueden ser de dos tipos:
2
Capítulo 1: Introducción
Esta monografía provee de información para ayudar al ingeniero de proceso a entender los
beneficios de la optimización, por medio de un sólido enfoque en la comprensión y análisis
de su circuito de trituración. La optimización implica aquí, el proceso de ingeniería de
ajuste de la máquina y las variables del circuito para lograr algunas condiciones operativas
mejoradas. El libro no discute procedimientos matemáticos de optimización de proceso
tales como operación evolutiva (EVOP) o técnicas de búsqueda simplex; estas se cubren en
algún otro sitio (e.g. Bacon 1967, Mular 1972).
Como se discute en detalle en otro lugar de este libro, la estructura del modelo de proceso,
la cual suministra la plataforma para la metodología de simulación, busca desacoplar y
3
Capítulo 1: Introducción
Las Figuras 1.1 y 1.2 ilustran con más detalle el proceso. La Figura 1.1 muestra el
procedimiento para estimar parámetros de modelo a partir de estudios en planta, y la Figura
1.2 el procedimiento de simulación que usa estos parámetros para optimización de la
planta. Observe cuidadosamente los lazos de decisión involucrados en la discriminación de
la calidad de los datos obtenidos de la planta y en la estimación de los parámetros del
modelo, previos a efectuar las simulaciones.
4
Capítulo 1: Introducción
Figura 1.1: Estimación de parámetro (calibración) para modelos a usar en simulación; datos
obtenidos de estudios en planta.
5
Capítulo 1: Introducción
Figura 1.2: Utilizando un simulador computacional para encontrar las condiciones de rendimiento
óptimo del circuito.
6
Capítulo 1: Introducción
• Como una revisión mas detallada de procesos unitarios específicos, sus principios,
modelos, características operacionales y opciones de optimización.
Esta monografía actualiza en algunos sentidos el libro del Director fundador de JKMRC,
Alban Lynch (1977). Cuando Lynch y sus colegas publicaron su trabajo, los computadores
personales eran aún un sueño y la optimización de circuitos de trituración, por medio de su
modelación y simulación en un computador, era una actividad exótica reservada para unos
pocos privilegiados, aunque el libro de Lynch hizo mucho por presentar la metodología al
ingeniero practicante. Veinte años después, los PCs han invadido nuestras oficinas y
hogares y la optimización de circuitos por medio de simulación de procesos es una
tecnología madura (aunque aún en desarrollo) ampliamente utilizada, si no practicada
universalmente. La presente monografía refleja el avance de dicha generación en término
de modelos, comprensión de procesos y la metodología completa de optimización de
circuitos. También refleja los cambios en el diseño de circuitos y la práctica operativa, en
especial el amplio uso hoy en día de molienda autógena y semiautógena y la introducción
de nuevas tecnologías, tales como molinos de torre y nuevos tipos de chancadores de
impacto.
A diferencia de la mayoría de los libros de texto convencionales, este libro alienta al lector
a hojearlo. Existe cierta lógica en el orden de los capítulos – lo básico seguido por una
descripción detallada de los procesos unitarios, terminando con algunas ideas y ejemplos de
la metodología. Sin embargo, la aproximación a este libro dependerá de la experiencia y
objetivos del lector.
7
Capítulo 1: Introducción
• Incluso existe cierta justificación para comenzar con una revisión de la metodología de
optimización en el Capítulo 13 (el último), ya que entrega ejemplos de como enfrentar
la tarea y también provee una base para pensar sobre el problema en particular a que se
enfrenta; luego puede ser releído una vez que el lector se familiarizado con los
principios presentados en los primeros capítulos.
En ninguna parte del libro se asume que el lector cuenta con algún paquete de simulación
por computadora. Sin embargo, el hecho es que la simulación se percibe cada vez más
como una metodología estándar, por lo que hemos escrito el libro con este factor en mente.
No pasara mucho tiempo antes que el hojeador casual se vea confrontado con su valor
como una herramienta de rutina y la inevitabilidad de su uso masivo.
8
Capítulo 1: Introducción
9
CAPITULO 2
MODELOS DE PROCESOS DE TRITURACIÓN
2.
2.1 INTRODUCCIÓN
L
os mecanismos causantes de la mayoría de las roturas de roca son aquellos de la
naturaleza – la acción del agua y el viento. Sin embargo, en la mayoría de los
casos, estos procesos son muy lentos para ser de interés para el procesamiento de
minerales. Acelerar el proceso de rotura requiere de una intensa aplicación de
energía. En un proceso de trituración se aplican normalmente varios kilovatios
hora de energía por cada tonelada de material. Esta es una gran cantidad de energía. El
dejar caer una partícula de mineral desde 10 metros genera solo 1/37 de un kilovatio hora
por tonelada. Un solo kilovatio hora por tonelada de energía potencial requiere levantar la
partícula a una altura de 367m.
La razón principal de estos altos requerimientos de energía, es que la partícula debe ser
tensionada fuertemente antes que se produzca cualquier rotura significativa. La tensión se
almacena más que nada como energía elástica y se pierde cuando la partícula se fractura.
En consecuencia, los modelos útiles de procesos de trituración deben encontrar una manera
de representar la aplicación de energía de una maquina de rotura (como un chancador o un
molino de bolas) a un mineral. En este contexto, ‘útil’ significa un modelo que pueda ser
usado en simulación para resolver problemas prácticos de optimización de circuitos de
trituración – el tema de este libro.
Investigadores en la segunda mitad del siglo diecinueve aplicaron algunas ideas de la física
para estimar n:
• energía constante por unidad de masa para una reducción relativa similar
11
Capítulo 2: Modelos de Procesos de Trituración
Hukki (1961) revisó un amplio rango de dispositivos industriales y concluyó que ninguna
relación individual era adecuada. En la Figura 2.1 se muestran las regiones de aplicabilidad.
Para tamaños de chancado, la relación de Kicks era la apropiada. La’ley’ de Bond, como se
esperaba, funcionó bien para molinos de rodillos y bolas. Para tamaños más finos, las ideas
de Rittinger sobre superficie eran más plausibles.
Existe una fuerte sospecha que todas estas ideas subyacentes son incorrectas. La ciencia de
los materiales entrega evidencia convincente de que la fisuración se inicia en puntos de
debilidad o falla en la estructura atómica del material. Se asume que la mayoría de las rocas
contienen una distribución de fallas de varios tamaños – desde fallas geológicas o de
uniones hasta dislocaciones en la escala atómica en las estructuras de cristal. En
consecuencia, para partículas de gran tamaño, habrá varias fallas disponibles para iniciar la
rotura. De hecho, cualquier imperfección estructural tenderá a amplificar las tensiones
locales e iniciar la rotura. Un cortador de vidrio grabando un cristal o un cortador de
diamantes usando una falla para ayudar a partir un diamante son ejemplos de una iniciación
de rotura de una manera controlada.
12
Capítulo 2: Modelos de Procesos de Trituración
A medida que se reduce el tamaño de partícula, las fallas mayores tenderán a convertirse en
las superficies exteriores de las partículas junto con muchas de las más pequeñas. Cuando
hay disponibles un exceso de fallas, es razonable la reducción constante del tamaño con un
suministro constante de energía por unidad de masa.
El efecto global de la rotura es reducir el área interna conceptual de fallas respecto del
volumen de la partícula. Por consiguiente, la energía requerida para lograr un cierto grado
de reducción de tamaño aumentará, como sugieren las ecuaciones de Bond y Rittinger las
cuales NO dependen de la reducción geométrica sino de la finura del producto. DE hecho,
la definición del Índice de Trabajo de Bond es la energía por unidad de masa requerida para
reducir una partícula desde un tamaño ‘infinito’ a un 80% pasando por la malla 100
micrones. Esto es razonable, ya que, el último término en la ecuación 2.4 simplemente
desaparece a medida que x1 se hace infinito.
Otra pieza de evidencia sugiere vigorosamente que las fallas controlan la rotura. A medida
que la partícula se hace aún más fina, debe existir un tamaño en el cual no existan fallas y la
fractura por tensión sea reemplazada por deformación plástica. Un memorable trabajo
experimental por Shönert (1979) demostró este proceso para diversos materiales a tamaños
de partícula inferiores a 10 micrones. Como es de esperar, esta transformación frágil /
plástica también exhibe alguna dependencia de la tasa de carga; en consecuencia, es más
probable la fractura frágil a altas tasas de carga (Inoue y Okya 1994).
El defecto principal de este modelo de fractura ‘ideal’, es que actualmente no contamos con
ningún método satisfactorio para cuantificar la distribución de falla, aunque la tecnología
de tomografía microscópica ofrece algunas probabilidades.
Los modelos de energía puros suministran una útil descripción gruesa de la rotura total. Sin
embargo, no consideran el transporte de partículas o el gasto de energía que no resulta en
rotura. Mas aún, el supuesto subyacente de todas las mediciones de tamaño de puntos
individuales es que la forma de la distribución de tamaño permanece relativamente
constante, no obstante el historial de rotura. Esto es habitualmente verdadero para molinos
de bola y de barras pero a menudo es un grave error para chancadores, molinos autógenos y
molinos SAG. Para tratar de superar estas deficiencias, los investigadores han considerado
tanto la rotura como el transporte a niveles de complejidad siempre crecientes.
Es justo decir que el desarrollo (y ciertamente el uso) de los modelos de trituración deriva
de la evolución del computador digital. La inversión de una matriz de 30x30 – incluso una
matriz simétrica – requiere, sin usar un computador digital, de una gran inversión en tiempo
y concentración.
13
Capítulo 2: Modelos de Procesos de Trituración
Los primeros modeladores, como Austin, Lynch y Whiten, estaban severamente limitados
por el poderío computacional disponible. Este desafío tuvo como resultado algunos
modelos simples y elegantes, que eran a la vez bastante útiles. Sin embargo, a medida que
la potencia computacional por unidad de costo se ha doblado cada 18 años, desde quizás
1960, el costo computacional ha dejado de ser un problema, excepto para modelos de
elementos discretos (DEM) y enfoques computacionales de dinámica de fluidos (CFD). Un
desafortunado efecto secundario, es la tendencia a aumentar la complejidad del modelo.
Esta complejidad reduce la utilidad del modelo como herramienta de comprensión
A falta de una mejor terminología estas clases son denominadas de Caja Negra y
Fundamental, respectivamente. Un modelo de Caja Negra intenta predecir la distribución
de tamaño de producto a partir de una distribución de tamaño de alimentación,
caracterización de la rotura y experiencia con dispositivos similares, i.e. una base de tatos
encapsulada en el algoritmo adecuado. Es fenomenológico en el sentido que pretende
representar el fenómeno de la rotura más que los principios físicos subyacentes. El modelo
de balance de población es el ejemplo más usado de esta clase.
El objetivo de un modelo fundamental es generar una relación entre las condiciones físicas
detalladas dentro de una máquina y los resultados del proceso. Esto significa en la práctica,
considerar una cantidad sustancial de elementos dentro de un molino de molienda o flujos
dentro de un clasificador.
14
Capítulo 2: Modelos de Procesos de Trituración
han hecho contribuciones esta área. Para hacer la computación más manejable, estos
investigadores consideraron zonas seleccionadas para cada problema.
Mishra y Rajamani en Utah (1992, 1994a, 1994b), consideraron un molino de bolas como
rebanadas bidimensionales de un círculo. Sin embargo, a los ‘círculos’ se les atribuyó la
masa de las esferas equivalentes. Radziszewski et al (1989) redujo la demanda
computacional por medio de dividir el molino en zonas de impacto, abrasión/atrición y de
poca acción y luego caracterizando cada una de ellas.
En ambos casos, la simple aplicación de las leyes del movimiento de Newton se hace
rápidamente muy compleja. Mientras las bolas de acero (o barras) son perfectamente
elásticas, las partículas de mineral entre ellas definitivamente no lo son – si lo fueran, el
molino no produciría nada. Mishra y Rajamani (1994a) aproximaron el comportamiento de
una bola usando un modelo de resorte y amortiguador como se muestra en la figura 2.2.
Existe un amplio rango de opiniones entre los investigadores DEM acerca de los métodos
apropiados para modelar interacciones elásticas/amortiguadas. Inoue y Okya (1994) usan,
por ejemplo, un resorte no linear con fricción y efectos de histéresis.
15
Capítulo 2: Modelos de Procesos de Trituración
que trabajará en unas, dos o tres dimensiones o, en la práctica, usar un pequeño paso dt y
aproximar
Estas integraciones numéricas se hacen inestables a medida que el paso de tiempo aumenta.
Mishra y Rajamani (1994a) sugirieron dt <2 m / k como un criterio para convergencia,
donde m es la menor masa considerada. Esto requiere, en la práctica, un paso de tiempo de
10-4 segundos. Las interacciones deben considerarse entre cada par de bolas con contacto y
para contactos bola revestimiento. En consecuencia, se hace fácil entender porqué se
requiere una computadora sumamente poderosa. Incluso una rebanada 2D de un molino de
escala industrial contendrá cientos de bolas. Una vista 3D contendrá varios miles.
Las ecuaciones básicas son fáciles de programar. Una estructura de datos capaz de manejar
varios miles de objetos en el tiempo y espacio no es un gran reto, incluso para un
computador personal. Si bien los parámetros de amortiguación y rigidez pueden estimarse a
partir de las propiedades físicas o de trabajos de prueba, aún no es posible predecirlas con
alguna precisión. En consecuencia, es absolutamente esencial comparar el comportamiento
del modelo con la realidad experimental lo más cuidadosamente posible.
En este caso, los parámetros son derivados de los datos del mismo modo que los
considerados en los modelos de caja negra descritos más adelante en este capítulo. Mishra y
Rajamani (1994a) informaron con gran detalle sobre las pruebas del modelo descrito arriba
y sugirieron los parámetros indicados en la Tabla 2.1.
16
Capítulo 2: Modelos de Procesos de Trituración
Tabla 2.1: Parámetros utilizados en las simulaciones (según Mishra y Rajamani, 1994a)
Los modelos de molino de volteo que consideran el movimiento de los medios en detalle,
también entregan una predicción sobre cuanta energía de entrada requerirá el dispositivo.
Esto es, la suma de todas las energías de impacto por unidad de tiempo debe relacionarse
con la energía consumida por la máquina y con el grado de rotura para una partícula de
mineral en particular, basado en las relaciones discutidas en el Capítulo 4.
Los modelos numéricos predicen, cuantitativamente que las mayores fuerzas ocurren en el
talón de la carga de un molino de volteo, donde ‘cae’ el grueso de la carga. Las fuerzas
principales al comienzo del talón son el impacto de la carga en cascada o arrojada. Luego el
material arrastrado al talón experimenta una carga de alta presión debido a la carga sobre
ella, como también una acción de corte debido a la rotación y deslizamiento de los medios.
La región superior u hombro tiene mucho menos fuerzas disponibles. Las cantidades
relativas de impactos y energía de corte varían con las condiciones operativas. Sin
embargo, la energía de impacto contribuye con alrededor de un 65-75% del total.
Sin embargo, en cada caso se puede describir una condición operativa en particular por
medio de una distribución de contactos de energías variables. En el caso de los molinos de
volteo se puede representar la energía de impacto como una distribución de la altura de
caída, Figura 2.3. Estas pueden ser traducidas como energías de impacto, Figura 2.4.
17
Capítulo 2: Modelos de Procesos de Trituración
Figura 2.3: Distribución de frecuencia de impactos como una función de la altura de caída en un
molino de 4.75 m de diámetro (según Mishra y Rajamani 1994b)
Figura 2.4: Distribución de frecuencia de impactos como una función de la altura media en un
molino de 4.75 m de diámetro (según Mishra y Rajamani 1994b)
18
Capítulo 2: Modelos de Procesos de Trituración
Las condiciones operativas dentro del molino modifican los detalles de este análisis pero
para la misma potencia, la suma de las energías se mantiene igual (en el Capítulo 11 se
discute el movimiento de la carga y la predicción de consumo de energía en molinos de
volteo).
• Carga de molino aumentada (hasta un 25% del volumen del molino, luego las energías
disminuyen).
A medida que se aumenta el diámetro del molino, el número capas de bolas se transforma
en un límite para la transmisión eficiente del levante al núcleo interior de la carga. Esto se
llama a veces el ‘ojo’ o el ‘riñón’ de la carga. Hay por consiguiente un buen motivo para
limitar la carga del molino a un número máximo de capas de bolas.
El modelado de estas interacciones es bastante más difícil por dos motivos. En primer lugar
el slurry en el interior de un molino húmedo está sometido a corte muy variable. En
segundo lugar, a medida que las partículas se hacen más finas, la viscosidad del slurry crece
dramáticamente. Se esta logrando un gran progreso respecto de la comprensión de estos
procesos y la predicción de la viscosidad (Moys 1989; Shi 1994). Sin embargo, aun no es
factible un modelado detallado (en el Apéndice 2 se discuten algunas tendencias
19
Capítulo 2: Modelos de Procesos de Trituración
Estas conclusiones son razonables para partículas finas que se comportan como agua. El
modelo de molino SAG JKMRC (Leung 1987; ver Capítulo 7) identifica este tamaño como
xm. Se ha encontrado, de varios cientos de estudios experimentales, que xm varía de
alrededor de 0.1mm para minerales muy limpios (sin arcilla ni materiales fibrosos) a unos
pocos milímetros para minerales muy pegajosos.
Muchos investigadores asumen que todas las partículas en una carga de molino poseen el
mismo tiempo de residencia. Esto permite ‘mediciones’ con un líquido trazador pero es
poco probable que esta suposición sea válida para partículas mayores que xm.
El examen físico del contenido del molino, luego de detenidas las colisiones muestra
siempre una marcada graduación de grueso a fino desde el extremo de alimentación a la
descarga, incluso para molinos SAG ‘bien mezclados’. En consecuencia, se puede concluir
razonablemente que la eficiencia de mezclado disminuye con el aumento en el tamaño de la
partícula y que las partículas más gruesas avanzan a través del molino debido a fuerzas de
flujo netas del fluido, hasta descargar o ser impactadas. Luego del impacto, las partículas
resultantes participaran en el mezclado según su tamaño.
Esta línea de razonamiento sugiere, para las partículas gruesas, una probabilidad de impacto
por unidad de tiempo de residencia relativamente constante. Este punto de vista es apoyado
también por la experiencia práctica. A medida que aumenta la carga circulante de un
molino de bola de alimentación gruesa, la descarga del molino contendrá súbitamente
partículas gruesas. Las partículas más finas experimentarán una distribución de tiempo de
residencia similar a la del trazador líquido. Para una alimentación fina, como la de una
descarga de molino de barra (<80% - 0.5mm), una buena descripción vendrá dada por una
disponibilidad de impactos por unidad de tiempo constante, multiplicado por la
probabilidad de permanecer en el molino. Este es el supuesto subyacente en varios de los
modelos de ‘Caja Negra’ analizados más adelante.
En el extremo más fino del contenido del molino (<0.1mm), impactos muy pequeños
pueden causar rotura. Sin embargo, se requerirá de un gran número de impactos. Existe
evidencia convincente de que la efectividad de molienda a tamaños más pequeños es
gobernada por el área superficial de medios (Dunn 1989; Mintek 1991; Morrel 1992a).
Una viscosidad de slurry que origine que las partículas pequeñas se adhieran a los medios y
garantice su presencia para cada interacción será claramente ventajosa. A medida que los
medios se juntan, el flujo de slurry tenderá a alejar las partículas de la zona de rotura. Una
manera de evitar esto es reemplazar el agua con aire. Otro modo es utilizar un régimen
químico de menor viscosidad (Klimpel 1982, 1983). Un trabajo reciente (Shi 1994) muestra
20
Capítulo 2: Modelos de Procesos de Trituración
que slurries seudo plásticos, que se adelgazan frente a elevado corte, responden mejor a
densidades operativas de molino de bola aumentadas.
A tamaños aún más finos (<0.01mm), las fuerzas de fluido predominan por sobre todas las
demás. Se requieren maquinas que utilicen tasas de corte elevadas, altas áreas superficiales
de medios y (a menudo) mayores temperaturas de pulpa para lograr una razonable
probabilidad de rotura. Ejemplos son los molinos de lecho, molinos vibradores y los
molinos de agitación (distintos a los molinos de torre). A tamaños de molienda más
gruesos, la mayor parte del material de -10 micrones ha sido creado como sub producto de
la rotura. Como se menciono anteriormente, la rotura de partículas de 20 micrones requerirá
de energías más altas y puede derivar en deformación plástica, no en rotura. En el Capítulo
10 se analizan este tipo de máquinas.
2.5.1 Principios
Como ser hizo notar en la Sección 2.2, un modelo de Caja Negra estima la distribución de
tamaño del producto del molino, como una función del tamaño y dureza de la alimentación
y de las condiciones operativas del molino:
P = F(f,b,m,s,C) (2.9)
Los modelos más efectivos utilizan una caracterización de rotura de mineral independiente.
Esta caracterización de mineral permite predicciones razonables ‘tomando prestado’
parámetros de modelo, C, de maquinas similares y experiencias pasadas.
Con el acceso a las mini computadoras disponibles a mediados de los 1960, este tipo de
modelado se hizo práctico, y la literatura es actualmente extensa. Sin embargo, todos estos
modelos son básicamente variaciones de un único tema, el cual analizaremos a
continuación.
21
Capítulo 2: Modelos de Procesos de Trituración
funciones analíticas han tenido poco éxito en este rol y su efecto principal ha sido hacer que
estos modelos parezcan aún más complicados de los que realmente son.
En cualquier momento podemos considera un balance de masa simple para una fracción de
tamaño específico, i, dentro de un molino (o sección de un molino) con transporte a una
zona de rotura, rotura y transporte al exterior como se indica en la figura 2.5.
Figura 2.5: Balance de masa para una fracción de tamaño individual dentro de un molino
Para una molienda continua, lo que entra debe ser igual a lo que sale (en estado de
equilibrio), y se pueden derivar soluciones para este balance de masa basándose en
supuestos acerca de la naturaleza del mezclado y la rotura.
Para molinos no en estado de equilibrio o molinos por lote, se puede suponer (o medir) una
acumulación o pérdida neta en la fracción de tamaño y se pueden derivar soluciones un
tanto más complicadas. La mayor parte de las soluciones dinámicas consideran el balance
dentro de una franja de tiempo.
Para modelado de molinos de bola, dos variaciones de este enfoque dominan la aplicación
de técnicas de simulación. Estas son el modelo de balance de población, y un modelo
relacionado, el modelo de molino de bolas de mezclado perfecto de Whiten, descritos en las
siguientes dos secciones. Una variación del modelo de molinos de bolas de mezclado
perfecto, es el modelo de chancador de Whiten descrito en la Sección 2.5.5
Por mucho tiempo existió una vigorosa rivalidad académica entre ambos modelos. Sin
embargo, Whiten (1972a) demostró claramente que eran más parecidos que diferentes. Un
artículo más reciente confirma que bajo ciertas circunstancias ambos enfoques se reducen a
una forma de modelo común (Morrel, Stern y Séller, 1993). Ambos modelos se mantienen
en uso habitual y han sido utilizados para modelar un gran número de dispositivos de
trituración. Difieren fundamentalmente en los supuestos sobre el mezclado y el tiempo de
residencia.
22
Capítulo 2: Modelos de Procesos de Trituración
Este modelo es llamado en ocasiones ‘modelo de tasa de primer orden’ debido a que
efectivamente supone que la producción de material molido por unidad de tiempo dentro
del molino, depende exclusivamente de la masa de la fracción de tamaño presente en los
contenidos del molino, i.e. existe una tasa constante ki para cada fracción de tamaño, que
caracteriza su tasa de desaparecimiento.
Ki puede ser calculado como se describe más adelante o estimado a partir de pruebas por
lotes.
Para derivar el modelo real, consideremos el balance alrededor de una fracción de tamaño
individual (Figura 2.5) como una ecuación:
Además de ki, la tasa de rotura, una función de rotura, bij, describe la fracción de rango de
tamaño j que reporta al rango de tamaño i después de la rotura.
23
Capítulo 2: Modelos de Procesos de Trituración
Dadas las mediciones de pi, fi y si, y una función adecuada (o matriz) para bij, se puede
calcular de una manera directa un conjunto de valores ki a partir de la fracción de tamaño
más gruesa.
El formato más usual de esta ecuación utiliza las distribuciones para cada descripción de
pulpa designadas por un ´
Esta media es en cierto modo un concepto artificial que no tiene validez con tamaños de
alimentación de más de 1 o 2 mm. El uso real requiere de un método experimental para
estimar λ. Los siguientes dos párrafos suministran una descripción sucinta y se han extraído
de Morrel, Sterns y Seller (1993).
El problema ahora es estimar si´ . Kelsall et al (1969) y Séller (1981) han demostrado que la
distribución del tiempo de residencia, medida de los datos del trazador de impulsos, puede
ajustarse estrechamente por mezcladores perfectos, uno grande y varios pequeños iguales
en series. Este ajuste entrega dos parámetros; la fracción de hold-up en el mezclador grande
(M) y la cantidad de mezcladores pequeños (N). Como el mezclado es perfecto, entonces
por definición siA' = PiA en donde el subíndice A se refiere al primer mezclador. Usando el
producto de un mezclador como alimentación del siguiente, se elimina efectivamente a
si´ de la ecuación 2.14 y se puede calcular ki. Una vez que se conoce ki, se puede calcular el
si del hold-up total a partir de pin (i.e. el producto de cada mezclador), N y el total de hold-
up de sólidos.
24
Capítulo 2: Modelos de Procesos de Trituración
McIvor et al (1990) propuso un enfoque heurístico. Supuso que el contenido promedio del
molino era un valor intermedio entre la alimentación y la descarga del molino. Combinando
esta idea con supuestos razonables acerca del vaciado y la densidad de pulpa se puede
calcular ki directamente.
Sin embargo, la terminología Whiten utiliza ri para la tasa de rotura y aij para una función
de apariencia en la cual parte de la partícula original se mantiene en dicha fracción de
tamaño después de la rotura. Como el molino está mezclado perfectamente, los contenidos
del molino están relacionados con el producto del molino a través de una tasa de descarga,
dij, para cada fracción de tamaño.
Esto significa que el radio ri/di puede ser calculado para cada tamaño de fracción, de un
conjunto de alimentación real y mediciones de producto, sujeto a una forma razonable de la
función de apariencia.
Para proveer con una simple corrección para las variaciones en el tiempo de residencia, di
es escalado, en términos del volumen del molino y tasas de alimentación volumétrica, Q, al
término di* .
25
Capítulo 2: Modelos de Procesos de Trituración
El cálculo de (r/d*) partiendo en el tamaño más grueso es muy simple. El cálculo puede
efectuarse incluso en una calculadora de bolsillo (Whiten 1976) y es sumamente fácil de
programar en una planilla electrónica o en casi cualquier lenguaje computacional.
La función spline (Whiten 1972c) suministra una curva suave definida por 3 o 4 valores en
nudos de tamaño seleccionado por el usuario (x1–x4) Tres o cuatro valores son adecuados
para molinos de bolas mientras que se usan cinco para el modelado de molinos AG/SAG
(los splines se analizan más adelante en el Apéndice 1)
Para usar este modelo se miden las condiciones del molino, f i ' , pi' . Luego se mide una
función de rotura aij (Capítulo 4) o se supone a partir de resultados previos en minerales
similares. Se seleccionan valores adecuados de x1 – x4 y se buscan los mejores valores para
26
Capítulo 2: Modelos de Procesos de Trituración
r1 – r4 usando una técnica de búsqueda adecuada, tal como mínimos cuadrados no lineales,
que elige los valores de r1 – r4 que minimizan la suma de los cuadrados de las diferencias
entre la distribución de tamaño de producto observada y la predicha por el modelo. El
procedimiento está implementado de una manera amistosa para el usuario en el simulador
JKSimMet. Este modelo ha probado en la práctica ser muy robusto y adaptable.
Donde no se puedan ignorar los efectos del mezclado, se puede considerar un molino como
un número de segmentos perfectamente mezclados – como en el modelo de molino multi-
segmento (Kavetsky y White n1982) – ver Sección 2.5.4 más adelante.
Si se retiene el contenido del molino, si, y se agrega una función de hold-up, se transforma
en un útil modelo dinámico (Lees 1973). Agregar una función de rotura más sofisticada
conduce al modelo AG/SAG Leung (Capítulo 7). Se puede considerar la molienda multi
mineral por medio de dividir un molino entre segmentos, que sean proporcionales al
contenido de mineral de alimentación y aplicando el modelo a cada componente.
Donde se pueda definir una función de rotura adecuada, se puede utilizar el modelo de
molino de mezclado perfecto para describir prácticamente cualquier dispositivo de
molienda. Si el método de caracterización de rotura puede relacionar la energía de rotura
con la función de energía, entonces el modelo puede utilizarse para estimar la energía de
trituración efectiva. También se ha agregado un rango adicional de factores de escalamiento
para molinos de bola, los cuales se describen en el Capítulo 9.
Por medio de considerar los contenidos en cada segmento se logra cierta dependencia
respecto del tamaño de la alimentación lo que provee de predicciones razonablemente
realistas, sobre la descarga gruesa en el molino, ante cambios en la tasa y tamaño de la
alimentación.
27
Capítulo 2: Modelos de Procesos de Trituración
Ln (Tamaño de partícula
Figura 2.7: Variación típica de la tasa de rotura en el modelo de multisegmento con alimentación de
grosor creciente
Ln (Tamaño de partícula
Figura 2.8: Variación típica de la tasa de rotura en el modelo de multisegmento con alimentación de
grosor creciente
28
Capítulo 2: Modelos de Procesos de Trituración
29
Capítulo 2: Modelos de Procesos de Trituración
El lector notará que esta expresión es esencialmente idéntica al modelo de molino de bola
de mezcla perfecta excepto que la función de clasificación (ci + di = 1) toma una forma
diferente (Figura 6.7):
Esto es de uso limitado en los modelos de molino pero es muy útil para el modelo de
chancador (Andersen y Napier-Munn 1988), entregando un excelente estimador de la
30
Capítulo 2: Modelos de Procesos de Trituración
energía requerida cuando se escala por un factor de eficiencia en el rango de 1.25 – 1.5,
para chancadores de cono y mandíbula (ver Sección 11.2).
2.6 CONCLUSIONES
Los modelos ‘fundamentales’ aquí descritos son la vía al futuro, pero están limitados
actualmente por la potencia computacional y la comprensión de las fuerzas mecánicas e
interacciones de partícula. Sin embargo, estos modelos se harán mas comunes lo largo de la
próxima década.
Los modelos de Caja Negra son una tecnología madura. Son fáciles de usar con los
computadores actuales. Su mayor fortaleza es la reducción de datos – esto es, la habilidad
para reducir una operación compleja a una pequeña cantidad de números o parámetros.
Estos parámetros pueden, hasta cierto punto, hacerse independientes del tipo de material y
de factores operacionales, lo que permite que los datos del mundo real sean más fáciles de
interpretar. Los números suministrados entregan tanto una guía para mejorar el rendimiento
(vía simulación), como una mejor base para la toma de decisiones ya que se reducen los
efectos de cambios en el tipo de mineral y factores operacionales (e.g. volumen, densidad
de overflow, etc.).
31
CAPITULO 3
EXTRACCIÓN DEL MINERAL
3.
3.1 INTRODUCCIÓN
E
l propósito de la planta de extracción de mineral es separar los componentes
valiosos del mineral de la parte sin valor y concentrarlos para su transformación
en un producto vendible. Habitualmente los pasos de concentración vienen
precedidos por la etapa de trituración, cuyo propósito es romper el material a un
tamaño suficientemente pequeño para liberar o extraer los componentes valiosos
de la ganga.
Uno de los criterios de diseño más critico para las plantas de procesamiento de mineral es la
selección del tamaño al cual el paso de trituración deberá reducir la roca huésped (tamaño
de molienda) para asegurar una nivel de extracción económico. La reducción de tamaño y
la liberación están inextricablemente enlazadas. Si el tamaño al cual se reduce la roca es
insuficiente, entonces una gran proporción de constituyentes valioso no podrá ser extraído,
conduciendo a la perdida potencial de ganancias. Si el tamaño elegido es muy pequeño el
resultado será una planta sobredimensionada y costosa con innecesarios altos costos de
energía). En consecuencia, para garantizar un proceso eficiente, la liberación de mineral y
su asociación con la reducción de tamaño debe ser muy bien caracterizada.
1. La falta, hasta hace poco, de medios precisos y convenientes para medir el grado de
liberación en corrientes de proceso sobre una base de tamaño por tamaño.
32
Capítulo3: Extracción del Mineral
La Figura 3.1 muestra una sección de roca multifase imaginaria, antes y después de la
rotura, ilustrando las diferentes formas de partícula que son los productos de la trituración.
Está claro que el tamaño de cada fase y su relación con cada una de las demás fases, tanto
antes como después de la rotura, es crítico para el entendimiento y descripción del proceso
de liberación. Estas relaciones están embebidas colectivamente en una propiedad
denominada textura de la roca. Una descripción de textura es un elemento esencial de
cualquier modelo de liberación como se analiza en la Sección 3.2.3
33
Capítulo3: Extracción del Mineral
El sistema básico ha sido descrito por Sutherland y Gottlieb (1991). El hardware incluye un
Microscopio tomográfico controlado por computadora complementado con retrodispersión
de electrón (BSE) y detectores de rayos-x. QEM*SEM usa señales BSE para localizar
rápidamente las partículas y determinar un número atómico medio para la fase medida.
Simultáneamente se recoge el espectro de rayos-x de manera que pueden identificarse los
elementos químicos y estimarse sus proporciones relativas. Esta información se utiliza para
seleccionar, en tiempo real, el mineral objetivo desde una lista de posibles especies
almacenadas en el computador.
La muestra a analizar se fija en una resina epóxica para formar una briqueta la cual es luego
pulida cuidadosamente para presentar una superficie adecuada para análisis. La briqueta se
coloca sobre una plataforma motorizada, la cual puede operarse para escanear
automáticamente varias briquetas. QEM*SEM construye una imagen digital de la muestra
investigada usando un patrón de cuadrícula. A medida que cada píxel en la cuadrícula es
escaneado, se almacena el número del mineral identificado. El procesamiento posterior de
esta imagen en bruto define las fronteras de fases y agrupa los minerales en los tipos
metalúrgicos importantes, e.g. sulfuros, no sulfuros, ganga, etc., dependiendo de la
aplicación. Una vez terminado, los datos de píxeles son analizados para producir
estimaciones sobre los volúmenes y grado de liberación del mineral.
34
Capítulo3: Extracción del Mineral
En el uso estándar de QEM*SEM los datos se utilizan para clasificar las partículas en 12
clases de composición basados en el contenido volumétrico determinado por las mediciones
de la superficie expuesta. En un extremo (0%), las partículas se clasifican como estéril
mientras que en el otro (100%) las partículas se clasifican como liberadas completamente.
Entre ambos extremos se construyen clases en incrementos de 10% de grado de liberación.
En consecuencia, por ejemplo, las partículas en la clase 40-50% tienen un 40-50% de su
volumen expuesta en sección (liberada), mientras que 50-60% de su volumen está
bloqueado con otros minerales. Normalmente se utiliza la clase 90-100% para representar
el mineral liberado.
Los datos se presentan en forma tabular sobre una base de tamaño por tamaño y mineral por
mineral. También se describen pictóricamente en mapas de colores falsos en los cuales se
muestra la descripción de cada partícula y de las fases presentas. Cada fase tiene un color
diferente para ayudar en al identificación. Tales mapas son una gran ayuda para obtener una
indicación cualitativa del grado de liberación y naturaleza del bloqueo para corrientes de
proceso específicas. En la Figura 3.2 se muestra un ejemplo de un circuito de molienda de
mineral de oro.
Figura 3.2: Ejemplo de una mapa QEM*SEM de colores falsos mostrando partículas liberadas y
compuestas (reformateada para reproducción en blanco y negro)
35
Capítulo3: Extracción del Mineral
Otras mediciones útiles incluyen el área superficial específica de fase, PSSA (Miller et al
1982), y los índices de liberación (Gottlieb et al 1994). El PSSA es el área superficial de
una fase específica por unidad de volumen de esa fase en la muestra total: varía con fuerza
con el tamaño de partícula, siendo relativamente constante con los tamaños, más gruesos
(no liberados) aumentando rápidamente con los tamaños más finos a medida que dicha fase
se libera.
Estereología
Para ilustrar el problema, en la Figura 3.3 se muestra una partícula imaginaria de la cual se
requiere conocer el grado de liberación. La partícula es una esfera binaria compuesta por un
50% de fase blanca y un 50% negra. Si se prepara la partícula para análisis escaneando una
sección pulida de la partícula, entonces las secciones marcadas a, b y c, en la Figura 3.3
son todas igualmente posibles si el seccionado se efectúa aleatoriamente. Los resultados de
las mediciones tomadas de las secciones a y c indicaran, incorrectamente, que la partícula
está formada de una fase 100% blanca o negra respectivamente. Solo la sección b dará el
resultado correcto, es decir, que la partícula es de hecho un compuesto. El resultado neto es
que los datos de sección plana tenderán siempre a sobrestimar la cantidad de partículas
liberadas totalmente de una muestra.
Hasta hace poco, la corrección del sesgo estereológico en la medición de liberación ha permanecido
como un problema insoluble. Sin embargo, investigaciones recientes han suministrado una solución
(Gay y Lyman 1995) y ahora es posible determinar la distribución real de minerales valiosos a partir
de datos seccionales.
36
Capítulo3: Extracción del Mineral
Modelar la liberación usando las nuevas técnicas de medición, ha sido en los últimos años
un campo de investigación activo La siguiente discusión identifica los aspectos principales.
Aunque este supuesto no es siempre cierto, aporta un marco de trabajo sencillo partir del
cual comenzar el modelado de la liberación. Extensiones naturales al supuesto de rotura no
preferencial son que:
Barbery (1991) revisó varios experimentos utilizados para comprobar el supuesto de rotura
no preferencial y queda claro de su revisión que el supuesto no es valido universalmente.
Sin embargo, a la fecha, la mayoría de los modelos de liberación están basados en el
supuesto de rotura no preferencial y es muy probable que esto se mantenga hasta que se
desarrolle un método aceptable para el modelado de liberación cuando la rotura es
preferencial.
37
Capítulo3: Extracción del Mineral
Modelado de Textura
El primer modelo que puede considerase como modelo de textura es el de Gaudin (1939),
mejorado posteriormente por Wiegel y Li (1967). En el modelo de Wiegel y Li se construye
una cuadrícula cúbica, constituida por células cúbicas cada una de ellas de ancho α. La
textura se confecciona definiendo cada célula como perteneciente a una de las dos fases. El
proceso de asignación es aleatorio. El proceso de reducción de tamaño se simula por medio
de especificar que las partículas son también cúbicas con tamaño β. La textura de estas
partículas se logra situando estas partículas cúbicas en el cuadriculado original de manera
aleatoria, pero orientadas en la misma dirección que el cuadriculado original. Las
matemáticas para la simulación se obtienen por medio de métodos analíticos.
Se puede distinguir que el proceso de modelados involucra dos pasos principales: el uso de
información disponible para determinar la textura tri-dimensional y la superposición de
partículas sobre la textura para simular la reducción de tamaño. Muchos otros modelos de
liberación utilizan pasos similares. Estos incluyen los modelos de Barbery (1991) y Meloy
(1984). Difieren fundamentalmente en cual textura utilizan. Barbery utiliza varias texturas
diferentes, entre las cuales la más común es la textura Booleana basada en el poliedro de
Poisson. Aunque Meloy y sus co-trabajadores también utilizan diversas texturas, la textura
que provee la comprensión conceptual del método de Meloy es un bloque conformado por
bloques rectangulares paralelos equidistantes. La información usada para los modelos, tanto
de Barbery como de Meloy, es la ley promedio de la fase de mineral valioso y el área
superficial de interfase.
Ambos parámetros pueden determinarse examinando las secciones. Nótese que el área
superficial de interfase está relacionada directamente con el tamaño de grano del mineral
valioso. Esto es, un tamaño de grano de mineral de promedio pequeño tenderá a
encaminarse a un gran valor de área superficial de interfase.
38
Capítulo3: Extracción del Mineral
El modelo de King (1979) suministra una alternativa interesante. Mientras que los
modeladores de textura discutidos hasta ahora usan información para crear la textura en tres
dimensiones, la metodología de King es modelar la textura en una dimensión y luego
superponer sobre ella interceptos lineales que corresponderían a partículas de un tamaño
particular. De esta manera se simula la distribución para los interceptos lineales. Esta
metodología simplifica significativamente los requerimientos computacionales del modelo.
La clave para obtener la distribución de liberación volumétrica es aplicar una corrección
estereológica a la distribución de intercepto lineal.
El modelo de King ha sido mejorado posteriormente por King y Schneider (1993). Como
los modelos de Barbery y Meloy, el modelo de King y Schneider también está basado en el
uso del área de superficie de interfase.
Aunque ninguno de estos modelos deliberación ha sido aun aplicado ampliamente, alguno
de ellos han sido incluidos en paquetes de simulación computacional. Estos incluyen
principalmente al modelo de Wiegel, incluido en SIMBAL (Heijden 1991), y el modelo de
King y Schneider que está incorporado en MODSIM (Schneider y King 1995). La
implementación de los modelos está aún en su etapa temprana. Sin embargo, se espera que
los modelos de liberación se transformen en componentes importantes de los paquetes de
simulación de procesos.
Líneas-L
Weedon (1992) desarrollo un medio de representar los datos de liberación de una manera
análoga a las curvas-t usadas por Narayanan y Whiten (1988) en su trabajo de
39
Capítulo3: Extracción del Mineral
Los datos muestran que, en este caso, un 54.15% de la galena en la partícula original
aparecía como galena liberada luego de rotura en las fracciones de tamaño -300µm;
+300µm no fue analizado por QEM*SEM pero se puede inferir ocasionalmente por
extrapolación (Weedon et al 1990). Estos datos son representados en su forma acumulativa
en la Figura 3.4. Esta curva es análoga a los familiares gráficos de porcentaje acumulado
que pasa.
Tales curvas pueden utilizarse para representar ala proporción acumulada de mineral total
presente en la muestra original que es liberada bajo algún tamaño de interés, luego de un
evento de rotura específico.
40
Capítulo3: Extracción del Mineral
Tabla 3.1: Ejemplo de datos de liberación de una prueba de rotura por péndulo
(según Weedon, 1992)
Notas
Usando la analogía del parámetro t10 (Capítulo 4), se puede definir un parámetro L100
como el porcentaje acumulado de mineral liberado a un tamaño menor que 1/100 del
tamaño original de la roca. Se encontró que dicho parámetro podía relacionarse con otros
miembros de la familia de parámetros L (L10, L50, L125, L250, L1000) por una serie de
líneas-L. En la figura 3.5 se entrega un ejemplo de dichas series
41
Capítulo3: Extracción del Mineral
En consecuencia, dada la familia de líneas-L de la Figura 3.5, se puede, para un valor dado
de L100, generar la curva de liberación acumulativa completa de la figura 3.4
Para probar este modelo, Weedon utilizó la distribución del Parámetro-L del molino de
bolas primario Nº 1 para predecir el rendimiento de los molinos Nº2 y Nº3, los cuales se
corrieron bajo distintas condiciones. Los resultados indicaron que el grado de liberación
global estaba bien predicho (Figura 3.7). Sin embargo, las predicciones tamaño por tamaño
mostraban una fuerte sobreestimación en sus fracciones de tamaño más finas y lo opuesto
en los tamaños gruesos.
42
Capítulo3: Extracción del Mineral
Figura 3.6: Ejemplo de la distribución del parámetro-L para un molino de bola primario y
secundario
En la metodología de Morrel (Morrel, Dunne y Finch 1993), no se hizo ningún intento para
reducir los datos de liberación matemáticamente. En vez de eso, se utilizo el grado de
liberación tamaño por tamaño en su forma original, obtenido de QEM*SEM, acoplado a un
modelo de reducción de tamaño de balance de población. El fundamento para utilizar esta
metodología fue la observación de que, de muestras de alimentación y producto que tenían
diferentes distribuciones de tamaño, aparecía que el grado de liberación, tamaño por
tamaño, variaba por cantidades que estaban dentro de los errores de medición esperados,
43
Capítulo3: Extracción del Mineral
i.e. para una especie mineral dada, la relación entre grado de liberación y tamaño es la
misma, independientemente del tratamiento de trituración del mineral. Esto es
esencialmente la rotura aleatoria o no preferencial, mencionada previamente en la sección
3.2.3. En la Figura 3.8 se muestra un ejemplo.
Aquí el eje-y es el porcentaje de mineral (en este caso sphalerite) liberado en un intervalo
de tamaño específico, definiendo una partícula ‘liberada’ como al menos 90% de mineral;
esto se denomina en ocasiones CLY90 (Millar et al 1982, Gottlieb et al 1994). Esta curva
fue aludida posteriormente por Gottlieb et al (1994) como el perfil de liberación.
44
Capítulo3: Extracción del Mineral
Figura 3.9: Diagrama esquemático del modelo de liberación conceptual para una máquina de
trituración (en este caso un molino de torre)
Si se supone que los datos de la Figura 3.8 pueden en efecto representarse por una única
línea, entonces se obtiene una predicción razonable de los datos (Figura 3.10).
Figura 3.10: Grado de liberación de sphalerite observado vs predicho usando el modelo de Morrel
45
Capítulo3: Extracción del Mineral
Figura 3.11: Relación entre tamaño y la fracción de material compuesto que libera sphalerite
durante la reducción de tamaño (análisis retrospectivo)
Figura 3.12: Relación entre tamaño y la fracción de material bloqueado que es sphalerite
(análisis retrospectivo)
46
Capítulo3: Extracción del Mineral
Para probar el modelo se utilizaron datos de dos estudios de un molino de torre industrial.
Las condiciones bajo las cuales se condujeron dichos estudios se indican en la tabla 3.2
Usando los datos del estudio 1 se determinaron las relaciones A y B (Figuras 3.11 y 3.12) y
posteriormente se calcularon las tasas de rotura para la sphalerite liberada, sphalerite
bloqueada y ganga, usando el modelo de molino de bola de mezcla perfecta (Figura 3.13).
El rendimiento del molino de torre, bajo las condiciones del estudio 3, fue predicho
utilizando el modelo derivado de los datos del estudio 1. En la tabla 3.3 se muestran los
resultados. Puede observarse que los aumentos globales en la sphalerite liberada y la ganga,
como también la reducción posterior en la tasa de flujo de la ganga están bien predichos. En
general, también lo son las distribuciones de cada una de las corrientes, aunque hubo una
tendencia de predecir una distribución de tamaño de producto para la sphalerite bloqueada,
un tanto más gruesa que lo observado.
47
Capítulo3: Extracción del Mineral
3.4 CONCLUSIONES
48
CAPITULO 4
PRUEBAS DE ROCA – DETERMINACIÓN DE LA
FUNCIÓN DE ROTURA ESPECÍFICA
4.
4.1 INTRODUCCIÓN
49
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Comienza con una breve revisión de los fundamentos de la rotura de roca y las mediciones
de las propiedades de la roca. Luego se analizan las pruebas estándares de la industria, tales
como las ampliamente utilizadas pruebas Bond. Este capítulo concluye con una descripción
detallada de las pruebas de rotura de partícula individual desarrolladas en JKMRC y su
aplicación a la determinación de parámetros específicos al material, en los modelos de
procesos de trituración descritos en otro lugar de esta monografía.
Carga de Comprensión
La Figura 4.1 muestra un gráfico de tensión versus deformación para una comprensión
uniaxial de muestras cilindricas de roca (según Jaeger y Cook 1979). La región OA es la
zona elástica y es la razón entre la tensión (fuerza por unidad de área) y la deformación
(deformación relativa) en esta región, que en su forma más simple da el modulo de Young.
Se dice que en el punto A el material fluye; A se conoce como punto de fluencia y el valor
correspondiente de tensión aplicada se conoce como tensión de fluencia. (σ0).
Entre los puntos A y B la roca continúa deformándose sin perder su capacidad de resistir
carga; esta región se conoce como región dúctil. Luego de sobrepasado el punto B,
disminuye la capacidad del material de resistir carga con deformación creciente y la roca
ingresa a la región frágil. El punto B, por consiguiente, denota la transición entre el
comportamiento dúctil y el frágil y es la tensión en este punto lo que define la Resistencia a
Compresión Uniaxial (UCS) del material, designada como C0. En algún lugar de la región
BC del gráfico se producirá la falla súbita del material. En muchos casos, sin embargo, la
falla catastrófica súbita de la muestra se producirá muy cerca del punto B, debido a la
incapacidad del sistema roca-maquina para enfrentar las condiciones.
50
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Figura 4.1: (a) Respuesta ideal esfuerzo-deformación para una muestra cilíndrica de roca bajo
compresión uniaxial.
(b) Curva de tensión-deformación típica para cuarcita para comparación con el ejemplo
ideal. Solo se identifica una porción limitada de la región post fluencia y no se
registra ni la zona dúctil ni la no linear. La falla es catastrófica
El modulo de Young puede citarse de varias maneras, dependiendo del grado de linealidad
de la respuesta; sin embargo, se define más fácilmente como la pendiente de la región
elástica en el gráfico tensión-deformación (Figura 4.1, región OA). Los valores del modulo
de Young varían entre <10 GPa para mármol y tipos de roca sedimentarias débiles >70 GPa
para ciertas cuarcitas y rocas ígneas capaces de absorber altas tensiones con deformación
longitudinal restringida.
Sin embargo, se pueden considera valores entre 0.05 y 0.15 como bajos y asociados a tipos
de rocas débiles, pobremente cementadas. Valores de 0.25 y superiores indican
51
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
generalmente una capacidad para deformarse bajo carga mientras se mantiene la integridad
y están asociadas a tipos de roca competentes, linealmente elásticas.
Carga de tracción
La medición de la tensión de tracción en roca se logra vía una medición indirecta, conocida
como la prueba Brasileña (Hondron 1959), la cual se basa en la compresión diametral de un
disco de roca. Se somete a tensión el centro del disco y como resultado se inicia la
figuración en el centro y se propaga hacía los patrones de carga (Figura 4.2).
Figura 4.2: Ciclo de carga para una prueba Brasileña, mostrando gráficos de las principales
diferencias de tensión a partir de simulación numérica (Clark 1992)
Dado que en trituración la resistencia a tracción controla la falla de la roca, esta claro que
este modo de falla es fundamental para entender el comportamiento de trituración. Clark
(1992) ha investigado el estilo de prueba Brasileño usando técnicas de modelado numérico
y ha considerado que estas técnicas pueden aplicarse a la trituración.
52
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Las características a escala microscópica controlan el mecanismo por medio del cual la roca
responde a carga y por consiguiente las propiedades mecánicas a escala macro que posee.
LEFM supone que en la punta de todas las fisuras en un material cargado existe un factor
de intensidad de tensión (KI). Al igual que un material tiene una capacidad de tensión de
tracción crítica, también tendrá una intensidad de tensión crítica (KIC), conocida también
como resistencia a la fractura. Para que la fisura avance debe cumplirse que KI ≥ KIC
Resistencia a la Fractura
En su forma más simple, la resistencia a fractura se refiere a una falla a tracción conocida
cono fractura modo I. Para efecto de evaluar el potencial de trituración, la prueba de
resistencia a fractura modo I es aceptada como el método de prueba más adecuado.
Bearman et al, por ejemplo, ha demostrado que puede ser correlacionada con el tamaño del
producto del chancador y el consumo de energía y posteriormente se encontró que también
esta correlacionada con la relación energía-tamaño, derivada de las pruebas de partícula
individual de JKMRC (ecuación 4.20,, Sección 4.6.1
a a SF
2
53
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Figura 4.3: Configuración experimental para la prueba de resistencia a fractura, flexión de chevron
La barra es similar a la Celda de Carga Ultra Rápida montada verticalmente (UFLC) que ha
sido utilizada con éxito en el Centro de Trituración en la Universidad de Utah para analizar
las funciones de rotura, para modelado de molinos de bola (Hoffler y Herbst 1990;
Bourgeois et al 1992 – ver Sección 4.5.2). El propósito del aparato es medir tanto la fuerza
como la energía requerida para iniciar una falla catastrófica en especimenes de roca. La
barra construida en JKMRC fue diseñada originalmente para simular los niveles de energía
encontrados normalmente en chancadores de cono industriales.
54
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
La fuerza experimentada por la roca es igual a las fuerzas ejercidas por los extremos de
ambas barras durante la colisión. Esta fuerza se propaga como una onda de deformación
longitudinal bajo el impacto y las barras de Hopkinson y es medida por medio de un puente
medidor de deformación dispuesto sobre ambas barras. Así se puede determinar la fuerza
sobre la roca, y la fuerza específica a la cual ocurre la falla es medida como una liberación
súbita de fuerza en las señales de deformación. La falla de la roca se define como el punto
en la señal fuerza-tiempo en la cual se observa una súbita caída en la fuerza, lo cual está
asociado con fractura de la roca en a lo menos dos piezas por la mitad de la muestra. La
Figura 4.5 muestra un ejemplo para el granito.
La Figura 4.6 sugiere que sobre 0.06 kWh/t una partícula se romperá al primer impacto, un
régimen en que la energía de rotura es utilizada eficientemente, no obstante la posibilidad
de rotura a energías más bajas. Por consiguiente, se puede utilizar el HPB no solo para
proporcionar una medida inherente de la resistencia de la roca sino que también para
cuantificar la energía óptima para rotura. Briggs y Bearman (1995) encontraron que los
resultados de HPB se correlacionan bien con otras mediadas de competencia de la roca
como por ejemplo, Resistencia a Tracción Brasileña y el parámetro t10 de JKMRC (Sección
4.5.2)
55
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Figura 4.5: Perfil de rotura típica en la Barra de Hopkinson, indicando fuerza para primera fractura
56
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
El rol de estas pruebas en comprender y por ende optimizar la trituración es muy probable
que aumente en el futuro. Por ahora, sin embargo, las pruebas de Bond y de partícula
individual, descritas a continuación, representan el estándar de la industria.
4.3.1 Introducción
57
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
1 1
W = 10WI − (4.2)
P F80
80
y P = T*W (4.3)
Partículas de una roca quebrada, que pasan a través de una cuadrícula cuadrada de 75mm y
quedan retenidas en un cuadrado de 50mm, son montadas entre dos pesos iguales opuestos
que se balancean sobre ruedas de bicicleta. Cuando se sueltan las ruedas, los pesos
impactan simultáneamente en lados opuestos de la menor dimensión medida de la roca. La
altura de caída es aumentada progresivamente hasta que la roca se rompe. El índice de
trabajo se obtiene del promedio de diez roturas y se calcula como:
ICS
WI = 53.49 (4.4)
G
58
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Para igualar la segregación en los extremos del molino, este se rota nivelado por 8
revoluciones y luego se inclina hacia arriba cinco grados por una revolución, hacía abajo
por otra revolución y retorna nuevamente al nivel por ocho revoluciones y así
continuamente durante cada periodo de molienda.
Se efectúan pruebas para todos los tamaños de tamiz, desde 4.75 a 0.212mm. Al final de
cada periodo de molienda se descarga el molino inclinándolo hacia abajo 45 grados por 30
revoluciones y se tamiza el producto en los tamices de prueba del tamaño requerido. Se
pesa el tamizado de bajo tamaño y se repone con nuevo material de alimentación no
segregado para mantener el peso total igual al de los 1250cc cargados inicialmente en el
molino. Esto es devuelto al molino y molido por el número de revoluciones calculado para
lograr una carga circulante igual al peso de la nueva alimentación agregada (ver el ejemplo
del molino de bola en Sección 4.3.4 abajo). Se continúa con los ciclos del periodo de
molienda hasta que los gramos netos de tamizado de bajo tamaño producidos por
revolución alcancen el equilibrio y reversen su dirección de aumento o disminución. A
continuación se analizan los productos de bajo tamaño y carga circulante y el promedio de
los tres últimos gramos netos por revolución (Grp), es la aptitud de molienda del molino de
barras.
68.4
WI = (4.2)
10 10
P10.23 × Grp 0.625 × −
P F
80 80
donde P1 es la apertura en micrones del tamaño de tamiz probado. Este valor de WI debe
alinearse con la potencia de salida del motor (en el piñón) de un molino de bola de
overflow promedio, de 2.44 m de diámetro interno, moliendo húmedo en circuito abierto.
El WI de un molino de barras es, en promedio, superior al WI de un molino de bolas.
Nótese que el artículo original de Bond contenía un error ene esta ecuación y la ecuación
siguiente, 4.6. Nótese asimismo que en esta monografía, todos los términos de kWh/t de
Bond, están expresados en toneladas métricas. Confundir las unidades de masa es un error
habitual al aplicar los métodos de Bond (originalmente expresó sus resultados en toneladas
cortas).
59
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Principios Básicos
Una vez que se conoce el índice de trabajo estándar, se utiliza la ‘Tercera Ley’ de Bond
(ecuación 4.2) para ajustar este valor para que proporcione la energía específica requerida
para reducir un F80 dado al P80 requerido, en un molino de bolas de sobre tamaño húmedo,
de 8 pies de diámetro. Para un rendimiento dado (t/h), la energía específica (kWh/t) se
convierte en consumo de energía (kW). A continuación, usando una correlación tamaño-
energía de molino adecuada, se eligen, para una unidad de molino industrial, las
dimensiones que se predice consumirán la energía requerida; hay varias de dichas
correlaciones disponibles (ver, por ejemplo, la Sección 11.3). Donde estas dimensiones y/o
condiciones operativas propuestas difieran del estándar de Bond, se aplica al índice de
trabajo los factores de corrección recomendados por Bond.
Se prepara la alimentación estándar, por medio de molienda por etapas, para pasar un tamiz
3.35 mm, aunque se puede utilizar una alimentación más fina cuando sea necesario. Se
analiza por tamizado y empaca por agitación en un cilindro graduado de1000 cc, y se
coloca el peso de 700 cc en el molino donde es molido en seco a un 250% de carga
circulante.
El molino estándar de Bond tiene 0.305 m por 0.305 m con esquinas redondeadas y
revestimientos lisos, excepto por una puerta de 100 mm x 200 mm para carguío. Tiene un
cuenta revoluciones y corre a 70 rpm. La carga de molienda consiste de 285 bolas con un
peso total de 20.125 kg. La prueba comercial usa normalmente 25 bolas x 38.1 mm (1.5
pulg.), 60 bolas x 25.4 mm (1 pulg.), 68 bolas x 22.23 mm (7/8 pulg.) y 93 bolas x 19.1 mm
(3/4 pulg.). Las pruebas pueden efectuarse para todos los tamaños de tamiz bajo 600
micrones.
Luego del primer periodo de 100 revoluciones se amortigua el molino, se tamiza la carga de
bolas y se tamiza los 700cc de material en el tamiz del tamaño de corte requerido. El
tamaño de corte elegido dependerá de la aplicación (e.g. tamaño de liberación esperado).
Valores comunes de tamaño de corte son 75µm y 150µm.
60
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Se continúa con los ciclos del periodo de molienda hasta que los gramos netos de tamizado
de bajo tamaño producidos por revolución alcancen el equilibrio y reversen su dirección de
aumento o disminución. A continuación se analizan los productos de bajo tamaño y carga
circulante y el promedio de los tres últimos gramos netos por revolución (Grp), es la aptitud
de molienda del molino de bolas. La Tabla 4.1 muestra los resultados típicos y los cálculos
involucrados en la aplicación de la prueba de aptitud para molienda de Bond:
49.1
WI = (4.6)
10 10
P10.23 × Grp 0.682 × −
P F80
80
Basado en datos históricos, el valor promedio de P80 para un tamaño de corte P1 de 150µm
es 114 micrones; a 106µm es 76 micrones, a 74µm es 50 micrones y a 45µm es de 26.7
micrones. Estas relaciones son utilizadas en la ecuación 4.6 cuando no se pueden
determinar a partir de los análisis de distribución. El valor WI de la ecuación 4.6 debe
concordar con la salida de potencia del motor por tonelada de mineral tratado, en un molino
de bolas de overflow promedio de 2.44 m de diámetro interno moliendo húmedo en circuito
cerrado. El índice de trabajo de Bond es la medida básica de dureza de roca y, como tal, ha
demostrado estar ampliamente relacionado al UCS (Sección 4.2) En la Tabla 4.2 se
muestran clasificaciones típicas que indican grandes variaciones en los resultados.
Para molienda seca, tanto en molinos de barras como molinos de bola, normalmente se
deberá multiplicar la entrada de trabajo por 1.30. Existen seis factores de eficiencia
diferentes que se aplican a los requerimientos de energía de referencia para traducirlo a una
instalación de circuito comercial específico (Rowland 1982) Estos se relacionan con:
molienda seca, molienda de bolas de circuito abierto, alimentación de sobre tamaño,
eficiencia de diámetro, molienda fina en molinos de bola para tamaños de producto mas
finos que 80% pasando 75 micrones y radio de reducción de molienda de bolas, alto o bajo.
Por consiguiente, se puede utilizar el modelo de Bond para calcular los requerimientos de
energía específicos, para una tarea molienda dada, sobre la base de tres variables – el índice
de trabajo, el tamaño de alimentación y el tamaño de producto.
61
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Tabla 4.1 y Figura 4.7: Un ejemplo de la prueba de aptitud para molienda de Bond
Tamaño (µm)
62
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
1 1
P= 10 x T x WI x (EF1 x EF2 x EF3…) x W = 10WI − (4.7)
P F80
80
Austin y Brame (1983) y Herbst y Fuerstenau (1980) han revisado las limitaciones de el
test de Bond. Quizás lo más serio en un sentido fundamental, es la afirmación que la
ecuación 4.2 es una ‘ley universal’ cuando es sabido que, la energía de molienda específica
requerida para tomar una alimentación con una cierto tamaño de 80% que pasa y llevarla a
un producto con un tamaño que pasa de 80%, no puede ser igual para una prueba por lotes,
la prueba de ciclo bloqueado estándar de Bond o el molino continuo en estado de equilibrio
con una distribución de tiempo de residencia real. El método ignora el hecho que la forma
de la distribución de tamaño de producto y la energía de molienda específica asociada, es
diferente para los tres casos.
• Tiende a ser un pobre predictor de lo que ocurre en un circuito cerrado real cuando se
aumenta la producción, a menos que el rendimiento se ‘ajuste’ para cumplir con las
nuevas condiciones.
63
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
• La relación cuadrática supuesta en la ecuación 4.2 (que surge del supuesto de Bond de
que el trabajo es proporcional a la longitud de la punta de fisura nueva) no siempre se
cumple. Ver también la Figura 2.1
Existe también la percepción que el método de Bond falló en predecir el rendimiento de los
grandes molinos de bola introducidos a comienzos de los 1970s, aunque es probable que
esto esté más relacionado con la curva de aprendizaje inicial asociada con la operación de
estos molinos y sus procesos de clasificación asociados. Ciertamente, nunca hubo una test
de Bond dedicada, para los AG y SAG ahora de uso común.
Métodos empíricos que permiten un cálculo directo del índice de trabajo, usando un
procedimiento sencillo, son a menudo mas prácticos y adecuados para aplicación en
plantas. Por ejemplo, el método simplificado Anaconda (Yap et al 1982), que usa un
molino de laboratorio ordinario y solo 2 kilos de muestra, no es consumidor de tiempo y ha
demostrado ser muy práctico y flexible en varias aplicaciones diferentes. Sin embargo, el
test de Bond completa entrega una máxima confiabilidad en la predicción
A pesar de estas limitaciones, el método de Bond tiene dos ventajas principales: es muy
simple, y la experiencia demuestra que trabaja bajo muchas circunstancias a un nivel
64
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
razonable de exactitud ya que las correcciones están basadas en una extensa base de datos
industrial.
Se ha determinado que los índices de trabajo obtenidos a partir de las pruebas estándar de
aptitud para molienda de Bond, no pueden utilizarse para molienda autógena y
semiautógena (Sección 9.6). Es necesario, en consecuencia, calcular un índice de trabajo
para datos operativos (e.g. de una planta piloto), de manera de poder calcular el consumo de
energía y el dimensionado del molino. En ocasiones, no se utiliza la alimentación en el
cálculo habida cuenta que el factor 10 / F 80 se hace insignificante, debido al gran tamaño
de la alimentación ROM. Para circuitos abiertos de molinos AG/SAG, la descarga puede
clasificarse, hipotéticamente, al tamaño del harnero de corte, para entregar un valor P80
más realista para el cálculo del índice de trabajo.
Aunque Bond optó por usar los resultados de su prueba de molino de bolas de laboratorio
para determinar un índice de trabajo operativo, es posible, en principio, obtener mucha más
información sobre la molienda de un mineral. Su prueba es un modelo físico que se
aproxima a un molino de bolas de circuito cerrado por lo que se puede obtener el
dimensionado del producto y tasas de flujo de cada corriente. Actualmente una
65
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Investigación en JKMRC está probando el uso de estos datos para determinar parámetros
relevantes para un modelo de molino de bolas. Luego se usa el modelo para predecir el
rendimiento del molino de bolas de escala completa. Esta metodología tiene la ventaja de
generar simultáneamente el índice de trabajo de molino de bolas de Bond y un conjunto de
parámetros que pueden ser utilizados como complemento en el diseño y optimización.
dm1 (t )
= − s1m1 (t ) (4.8)
dt
66
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Se puede calcular la función de rotura del material tanto por el método de Herbst y
Fuerstenau (1968) como por el de Austin y Luckie (1971). La prueba de molienda mono
tamaño esta firmemente ligada al modelo de balance de población descrito en el Capítulo 2,
por lo que es conveniente revisarlo a continuación.
dmi (t ) k
dt
= − si mi (t ) + ∑ b s m (t )
j = i +1
ij j j para i = 1,2,3...k (4.11)
Fue capaz de demostrar que, para casos especiales de estas funciones de probabilidad y
distribución, los productos de un proceso de rotura múltiple tenderían a una distribución
log-normal, como se observa frecuentemente en la práctica.
67
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
φ (t ) = ke − kt (4.13)
Se puede describir la distribución de tamaño sin dificultad usando métodos numéricos muy
sencillos y la función de rotura de Kelsall (Austin y Weller 1982) ha sido aplicada en un
amplio rango de circunstancias (e.g. Morrel, Stern y Séller 1993).
A pesar del amplio uso del modelo de balance de población por parte de los investigadores,
aun debe establecerse y aceptarse una prueba estándar. A menudo, el proceso de simulación
debe recurrir al análisis retrospectivo que es básicamente un proceso de ajuste de datos.
Mas aún, el método es fundamentalmente un modelo descriptivo y ha demostrado ser
relativamente débil como un modelo predictivo. Aún no es posible, por ejemplo, predecir
con confianza las variaciones de las funciones de selección y rotura. Esta es una seria
debilidad debido a que, aunque el modelo describe bien las operaciones existentes, no
puede ser usado con confianza en la selección de equipo y el diseño de diagramas de flujo.
Sin embargo, se ha acumulado evidencia que para sistemas de molienda más complejos,
particularmente molienda AG y SAG, el supuesto de rotura de primer orden y tasas
constantes es incorrecto (Morrel et al 1994). De hecho no existe ningún motivo a priori
específico para suponer que el proceso sea primer orden. Por ejemplo, los mecanismos de
rotura pueden cambiar a medida que avanza la molienda y las propiedades de las partículas
hijas ‘evolucionan’, y en muchos casos, la disponibilidad de impactos (y por ende el
comportamiento de la carga y transporte a través del molino) puede ser determinante para el
68
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
En resumen, la molienda por lotes puede ser una aproximación útil a sistemas reales donde
sus supuestos no son probados en profundidad, particularmente para trabajo comparativo.
No parece ser adecuado para molienda AG/SAG y no posee la flexibilidad para ser un
predictor consistente en grandes molinos de bola industriales.
Una desventaja de la prueba de molienda por lotes y del modelo de balance de población es
que es difícil separar la influencia de las propiedades específicas del material (la función de
rotura) de las propiedades específicas de la máquina (las tasas de rotura o función de
selección) de una manera significativa en el contexto de la molienda industrial. Es práctica
común, por ejemplo, durante la aplicación del modelo de balance de población a la
simulación de una molienda industrial, usar alguna función de rotura estándar y luego
ajustar las tasas especificas de tamaño a los datos de la molienda industrial (Austin y
Weller 1982). Esto ignora posibles cambios en las características de rotura del mineral y
requiere que cualquier variación observada sea considerada en las tasas, lo que puede ser
engañoso.
• Impacto
• Comprensión lenta
• Corte
69
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Los primeros experimentos usando un dispositivo de péndulo gemelo parecen haber sido
desarrollados para estudiar el efecto de la velocidad sobre la rotura de una partícula
individual y para enfatizar la necesidad he dicho dispositivo para efectuar estudios de rotura
bajo condiciones controladas (Fahernwald et al 1938). Fahernwald encontró que un
aumento en la velocidad de impacto aumentaba la producción de finos como resultados de
la rotura de una partícula.
Awachie (1983) investigó varias pruebas de partícula individual como un medio para
determinar la función de rotura para modelado de chancadoras. Se compararon los
productos de pruebas de compresión lenta, caída de peso y péndulo y demostraron ser
útiles. Awachie eligió la prueba de comprensión porque era considerada el mecanismo de
rotura que más se asemejaba al modo de rotura en un chancador en operaciones.
Las pruebas de ‘rotura por goteo’ se usan normalmente para evaluar las características de
rotura de materiales blandos (e.g. carbón; Berembaum 1986).
El principio es simple y bien conocido. Se deja caer la partícula desde una altura conocida y
se mide el tamaño de distribución del producto quebrado. La energía aplicada es
simplemente la energía potencial, mgh, en Joules, donde m = masa de la partícula (kg), g =
9.81 m/s2 y h = altura de caída (m). La energía de entrada específica es entonces mgh/m =
gh en Joules/kg. Ya que 1 kWh/t = 3600 J/kg, se requiere una altura de caída de 367 m para
70
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
aplicar 1 kWh/t (una energía de chancado típica), obviamente poco práctico para simular
rotura de minerales en chancadores y molinos, en los cuales se supone predominan estas
energías y mayores. Como destacó Morrel y Morrison (1989), una metodología más
conveniente (y menos peligrosa) es más bien soltar un peso adecuado sobre la partícula ya
que se requieren alturas de un metro o menos para lograr las energías necesarias. Dichas
pruebas de caída de pesos se discuten abajo.
Se han descrito varios dispositivos de prueba de caídas de peso en la literatura. Una forma
temprana fue reportada por Gross (1938) quien utilizó el dispositivo para establecer una
relación entre área superficial producida y energía de entrada. (Piret (1953) modificó el
sencillo aparato original de Gross y lo utilizó para chancar materiales frágiles, a partir de lo
cual desarrolló una relación entre la energía de entrada y la distribución de tamaño del
producto.
Fairs (1954) hizo uso del aparato de caída de peso desarrollado por Gross y modificado por
Piret, para efectuar pruebas de rotura de partículas de lecho y estableció una relación entre
la energía neta de entrada y la nueva área superficial producida. Las distribuciones de
tamaño resultantes de estas pruebas pudieron ser descritas por la ecuación de Schuhmann.
El estableció una relación lineal energía-reducción de tamaño de la forma:
Jowet y Van Der Waedern (1982) modificaron posteriormente la caída de peso desarrollada
originalmente por Protodyakanov (1950) y lo adaptaron para probar minerales de hierro y
rocas asociadas, para determinar la dureza relevante a perforación, voladura y chancado en
campo. Concluyeron que la prueba de dureza que desarrollaron, podía ser útil para una
estimación gruesa de la dureza de roca en campo, pero no recomendaron utilizar dichos
datos de campo para predicción exacta de fragmentación de roca que involucrara chancado
y molienda. No establecieron una relación entre energía y reducción de tamaño.
Pauw y Maré (1988) criticaron la correlación de área superficial creada durante la rotura
con la entrada de energía, como un método para determinar la eficiencia del uso de energía
en un evento de rotura individual. Ellos plantearon que el método no demostraba cuan
significativos eran los resultados obtenidos para la rotura de partícula única, en la
optimización de eventos de rotura en molinos. Utilizaron un dispositivo de caída de peso
para romper partículas individuales de mineral de oro de varios tamaños y a distintos
niveles de energía de impacto. Se demostró que puede determinarse una energía de impacto
óptima para la rotura de una partícula de mineral de un tamaño dado a un tamaño de
producto específico y que el uso óptimo de la energía de impacto se obtiene a menudo por
71
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
medio del uso de varios pasos de rotura para la reducción de tamaño de partícula. El nivel
óptimo de la energía de impacto probó ser muy dependiente del tamaño de la partícula a
romper y ser influenciado por el tamaño de producto final requerido y la eficiencia de la
rotura secundaria.
Höffler y Herbst (1990) empleó una forma de aparato de caída de peso, el Ultrafast Load
Cell (UFLC) para efectuar pruebas de rotura de partícula individual y de lecho de partículas
para aplicación en modelado de molinos de bola. El UFCL consiste en una barra de acero
vertical de 5 m de longitud (esencialmente un a Barra Hopkinson – ver Sección 4.22) la
cual está equipada con un yunque para permitir que las cabezas planas y redondeadas
simulen geometrías de impacto bola-bola, bola-plano y plano-plano. La barra fue
acondicionada con medidores de de deformación de estado sólido para capturar los eventos
de impacto. Los resultados de las pruebas de caída de pesos sobre lecho de partículas
fueron usadas en modelado de molino de bolas, basado en la metodología de balance de
población. Posteriormente Bourgeois (1992) usó el UFCL para estudiar los procesos
fundamentales asociados con la fractura por impacto de material particulado. Midió el
historial fuerza-tiempo de eventos de fractura individuales y reportaron que la función d
rotura resultante sobrestimada la función de rotura absoluta, debido a que la bola continúa
pensionando los fragmentos de rotura luego de la fractura primaria, produciendo una rotura
secundaria.
Los parámetros del mineral pueden determinarse a partir de las pruebas de caracterización
de mineral sobre muestras representativas. Los parámetros de la máquina (e.g. tasas de
rotura), se calculan a partir de datos de estudios de planta. Una vez que los modelos han
sido ajustados a un circuito existente, se puede predecir en forma precisa un
comportamiento de dicho circuito sobre un amplio rango de condiciones operativas.
Los parámetros del mineral se derivan por medio del uso de pruebas de impacto de
partícula individual, orientada a caracterizar rocas en el contexto de trituración. JKMRC ha
probado un amplio rango de minerales, materiales de cantera y muestras de carbón a lo
largo de los años. Estos datos han sido utilizados ampliamente en actividades de
investigación de modelado y simulación y en trabajos de consultoría.
El péndulo gemelo (Narayanan 1985; Narayanan y Whiten 1988) fue el primer dispositivo
de rotura de partícula individual desarrollado en JKMRC. Se utiliza para conducir pruebas
de rotura de partícula individual a partir de las cuales se puede determinar la energía de
trituración, definida como la energía disponible para la rotura de una partícula, junto con la
distribución de tamaño de producto resultante (Narayanan 1985). Los resultados de la
72
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Et = Mr ( L − L cos θ ) (4.1)
73
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
P = a+bθ2 (4.16)
Ei = Er + Et + Ec (4.17)
La energía de trituración específica fue definida por Narayanan (1985) como la diferencia
entre energía del péndulo impacto, antes del impacto, y las energías de ambos péndulos
después del impacto. Incluye, en consecuencia, la energía de trituración para reducción de
tamaño, además de cualquier energía acústica o calorífica disipada durante el proceso de
rotura.
La energía de trituración específica Ecs (kWh/t), definida como la energía por unidad de
masa, puede determinarse a partir de estos resultados usando la ecuación (4.17) que
también puede ser expresada como:
Mr
Ecs = (1 − e 2 ) Eis (4.18)
Mi + Mr
donde Mr = masa del péndulo de rechazo (pequeño:6.364 kg; grande: 40.35 kg)
Mi = masa del péndulo de impacto (pequeño: 4.441 kg; grande: 19.86 kg)
E = coeficiente de restitución (obtenido de la medición de la velocidad del
péndulo de impacto y la velocidad inicial del péndulo de rechazo)
Eis = energía especifica de entrada, kWh/t = Ei/m
M = masa de la partícula
Las partículas son dimensionadas a tamaños parecidos, antes de la rotura, utilizando una
serie de tamices 2 . Normalmente los valores estándar de Eis se seleccionan para lograr
un rango adecuado de tamaño de producto.
74
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
75
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
El dispositivo de caída de peso estándar está acondicionado con una masa de 20kg, la cual
puede aumentarse hasta 50kg. El rango de alturas de caída efectivo es 0.005 a 1.0m, lo que
representa un amplio rango de energías operativas, de 0.01 a 50 kWh/t (basado en
partículas de 10 a 50mm). Estas masa fueron diseñadas para probar minerales de roca dura,
cuyos pesos específicos varían entre 2.8 a mas de 4 g/cc. Para el carbón, las energías de
interés son mucho más bajas lo que requirió un rediseño del dispositivo para incluir un
Cabezal de Rotura de Impacto Liviano de 2kg. Esto disminuye efectivamente la energía de
rotura base a 0.001 kWh/t, lo que es equivalente a una caída libre de 0.35m. En la Sección
4.6.1 ser entregan tamaños de partícula y energías de entrada típicas para molinos
AG/SAG.
76
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Tabla 4.3: Comparación de rango de energía operativo para péndulo y caída de peso
mEis
hi = (4.19)
0.0272 Md
donde hi es la altura inicial (cm) desde la cual se suelta el peso (o la altura inicial de caída
del peso respecto del yunque) y Md es la masa del peso (kg). Normalmente se agregarán 10
mm a la altura de caída calculada para cada prueba. Esto garantiza que se obtenga la
energía de trituración específica final correcta, para dar cuenta del hecho que después de
romper una partícula el peso soltado queda en reposo a cierta altura sobre el yunque debido
a la presencia del material chancado. El offset promedio hf puede medirse para cada
muestra de partículas quebradas en cuyo caso la energía real aplicada es
0.0272 Md (hi − hf )
Eis = (4.20)
m
Nótese que la energía de trituración específica Ecs (kWh/t) es igual a la energía de entrada
específica Eis (kWh/t), siempre que el peso soltado no rebote después del impacto. Se ha
observado, en ocasiones, que a energías sobre 3 kWh/t y con materiales elásticos, el peso
soltado rebota. Aunque esta energía de rebote no se mide actualmente, se sabe que es
pequeña comparada con la energía de entrada.
El dispositivo de prueba de caída de peso suministra datos exactamente análogos a los del
péndulo gemelo. Tiene, sin embargo, varias ventajas.
77
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
4. Mayor precisión
Reducción de Datos
Los valores de t para la partícula original son todos cero. t10 es un pequeño porcentaje para
una partícula levemente quebrada. En rotura de chancador, t10 es normalmente 10 a 20%.
Probablemente los molinos de volteo operan sobre un rango amplio de valores t10. Sin
embargo los modelos JKMRC de molinos de volteo tienden a usar valores de t10 en el rango
de 20-50%.
Para utilizar esta descripción de rotura de mineral, se almacenan los puntos marcadores t2,
t4, t25, t50 y t75 en forma de matriz respecto de t10. Estos mismos datos pueden representarse
gráficamente como se muestra en la figura 4.11 la cual cubre un amplio rango de tipos de
mineral.
78
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Figura 4.11; t vs. grado de rotura, t10 (según Narayanan 1985, para un rango de tipos de mineral)
79
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
La figura 4.11 es un gráfico útil. Cada línea vertical (o valor de t10) representa una
distribución de tamaño completa, expresada en porcentaje de peso acumulado que pasa. En
consecuencia, si los datos representados en la figura 4.11 pueden medirse para un tipo de
mineral en particular, puede utilizarse para predecir la distribución de tamaño que resultará,
para cualquier grado de rotura o valor t10 conocido. Esta conveniente representación de
datos de rotura se denomina habitualmente, familia de de curvas de un parámetro
(Narayanan y Whiten 1988). El parámetro t10 se define como el porcentaje acumulado que
pasa Y/10, donde Y es la media geométrica del intervalo de tamaño para las partículas de
prueba. Conociendo las curvas para un material en particular, y dado t10 (de un Ecs dado o
del modelo), se puede reconstruir la distribución de tamaño de producto completa. Extensas
mediciones han demostrado que la misma familia de curvas describe la rotura de un amplio
rango de minerales, con los minerales más ‘duros’ o más ‘blandos’ teniendo,
respectivamente, menores o mayores valores de t10 para una energía de trituración dada.
Dicha información conforma la información específica esencial del mineral necesaria para
modelar y simular con exactitud procesos de trituración de mineral, a saber, molienda de
barra y bola, molinos AG/SAG y chancadores. Estas distribuciones de tamaño de producto
de rotura, conocidos también como funciones de apariencia, constituyen, en consecuencia,
una parte integral de los modelos matemáticos de equipos de trituración industrial descritos
en este libro.
Para garantizar que los dispositivos de caída de peso más recientes suministren
consistentemente resultados exactos, se inicio un estudio para comparar los resultados del
péndulo gemelo y del dispositivo de medición por caída de peso, sobre un amplio rango de
energías y tipos de mineral. Pruebas comparativas de rotura de partícula individual,
efectuadas sobre cinco muestras de mineral, demostraron que los dispositivos producen
resultados similares, definidos según las relaciones energía/tamaño de producto respectivo.
Sin embargo, el dispositivo de prueba por caída de peso tiene la ventaja adicional de
proporcionar una menor dispersión de los datos, lo que resulta en una mejor precisión en la
determinación de t10 como se muestra en la Tabla 4.4, basada en 5 pruebas efectuadas sobre
mineral de Broken Hill.
t10 muestra cierta similitud, no inesperada, con las pruebas de mecanismos de fractura
tradicionales. Bearman et al (1991), por ejemplo, han demostrado que t10 está fuertemente
80
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Los primeros trabajos sobre la prueba del péndulo, indicaron que la relación energía-
reducción de tamaño era lineal e independiente del tamaño de la partícula original. Sin
embargo, durante los últimos 10 años, ha resultado que esta relación varía con factores
como tamaño de partícula, energía y tipo de equipo de trituración industrial. En
consecuencia, la manera en que los resultados de las pruebas de rotura son usados en los
modelos matemáticos difiere dependiendo de las condiciones. A continuación se muestran
algunos ejemplos de como se utilizan los datos de rotura en modelos de trituración en
JKMRC.
La función de apariencia de molino AG/SAG para un material dado está determinada por a
lo menos tres fracciones de tamaño y definida en términos de tres parámetros de rotura por
impacto y abrasión (A, b y ta). Las funciones de apariencia son dependientes del tamaño-
energía y los niveles de energía prevalecientes en el molino se estiman a partir de la carga
(determinada iterativamente) y tamaño del molino. La aptitud para rotura por impacto de un
mineral, se mide por medio de la prueba de caída de peso o la prueba de péndulo gemelo
descritos anteriormente.
La práctica actual de JKMRC es utilizar cinco fracciones angostas y tres niveles de energía
específica de entrada, según lo definido en la Tabla 4.5:
Tabla 4.5: Intervalos de tamaño y niveles nominales de entrada de energía (kWh/t) usados en
pruebas de caída de peso AG/SAG en JKMRC
Prueba -63+53mm -45+37.5mm -31.5+26.5mm -22.4+19mm -16+13.2mm
1 0.10 0.10 0.25 0.25 0.25
2 0.25 0.25 1.00 1.00 1.00
3 0.50 1.00 2.50 2.50 2.50
En la Tabla 4.6 se muestra una impresión de computadora con datos típicos de un nivel de
energía de entrada.
81
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Incluidos en la impresión están las condiciones de prueba (masa del material antes y
después de la prueba, energía de entrada, tamaño de partícula y número de partículas), la
distribución de tamaño de partícula y los valores-t interpolados.
La cantidad de rotura, o índice de rotura, t10, está relacionada con la energía específica de
trituración como sigue:
donde t10 es el porcentaje que pasa 1/10 del tamaño medio de la partícula inicial, Ecs es la
energía de trituración específica (kWh/t) y A y b son los parámetros de rotura por impacto
del mineral. Esta relación se muestra gráficamente en la Figura 4.12 para una mena
primaria de oro.
Tabla 4.6: Ejemplo de resultados de la prueba de rotura por impacto de JKMRC en mineral, -
31.5+26.5mm
Figura 4.12: Efecto de energía de trituración específica sobre el índice de rotura, t10
82
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Una pendiente de la curva t10-Ecs más pronunciada indica un mineral más blando- Para un
valor constante de A, esto significa un mayor valor de b. Para el modo en que A y b han
sido fijados, A permanece relativamente constante en alrededor de 50 para la mayoría de
las rocas duras. t10 puede interpretarse como un ‘índice de finura’ con valores altos de t10
indicando una distribución de producto más fina. El valor del parámetro A es una limitante
del valor de t10
Este límite indica que a mayores energías se produce poca reducción adicional de tamaño
ya que aumenta Ecs, i.e. El proceso de reducción de tamaño se hace menos eficiente. A*b
es la pendiente de la curva de energía de entrada ‘cero’. Debido a que existe cierta
interacción entre A y b, no es fácil caracterizar valores ‘típicos’ de estos parámetros, para
tipos de mineral específicos, tal como se puede hacer, en ocasiones, con un WI Bond. Sin
embargo, puede ser utilizado para propósitos de comparación simple.
En molienda AG/SAG, se cree que la reducción de tamaño se produce tanto por impacto
(chancado) como por abrasión o astillamiento (Sección 7.4) Los eventos de rotura por
abrasión y astillamiento dejan a la partícula original intacta en gran medida, siendo el
producto partículas relativamente finas. Sin embargo, normalmente el impacto rompe la
partícula completa en fragmentos de un rango de tamaños.
Tabla 4.7: Datos de la función de apariencia estándar (%) usada en el modelo AG/SAG de JKMRC
t10 t75 t50 t25 t4 t2
10 2.33 3.06 4.98 23.33 50.53
30 6.89 9.41 15.62 61.58 92.49
50 10.32 14.71 25.88 82.86 96.47
83
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Nótese que la función de apariencia de chancado, tamaño por tamaño (o alta energía), está
combinada en el modelo con la función de apariencia de abrasión (o baja energía), para
proporcionar una función de apariencia combinada, a:
El peso específico del mineral posee un efecto significativo sobre la densidad de carga y
por consiguiente en el consumo de energía, especialmente en molinos AG y SAG. Sin
embargo, cuando se tratan mezclas de mineral, puede haber presente un componente más
duro con un SG distinto al del resto del mineral, en cuyo caso el SG del mineral en el
molino será diferente al del mineral de la alimentación. Para determinar si esto puede ser un
problema, JKMRC mide, como parte del procedimiento de prueba de caída de peso, el SG
de 100 partículas individuales de aproximadamente 25mm de tamaño usando un picómetro
de gas helio. También se mide el SG de una sub muestra de la fracción -6.7mm para
identificar variaciones en la liberación gruesa.
El producto del molino es tamizado en seco a -38µm en una serie 2 de tamices. A partir
de los datos en bruto de tamaño de partícula, se generan los valores t10 utilizando un
programa que convierte los datos reales de masa retenida en porcentaje de masa retenida y
porcentaje acumulado de masa pasando distribuciones de tamaño, a partir de los cuales se
84
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
interpolan los valores t10 usando técnicas de spline cúbicas. La Tabla 4.8 muestra un
ejemplo de la salida de un programa que ilustra la distribución de tamaño bimodal obtenida
normalmente en la rotura por abrasión.
Existen algunas correlaciones entre los parámetros de impacto (A*b) y abrasión (ta) del
mineral y el índice de trabajo de molino de Bond, como se muestra en la figura 4.13. Sin
embargo, el índice de trabajo mide la reacción de una alimentación de -3.55mm a una
mezcla de abrasión e impacto presente en un molino de bola seco. Las pruebas de rotura de
JKMRC intentan separar la rotura por impacto de la por abrasión y, como tal, no se debiera
esperar una correlación fuerte como lo confirma los datos de 47 tipos distintos de mineral
presentados en la Figura 4.13.
85
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
El modelo de chancador actual (Andersen 1988), que es un desarrollo del modelo original
de chancador de Whiten (1974), usa los resultados de energía-reducción de tamaño
derivados de la prueba de caída de peso o péndulo largo, sobre partículas gruesas, para
predecir tanto la rotura como el consumo de energía del chancador. En este caso, los
resultados de caída de peso se utilizan para determinar dos conjuntos de parámetros de
chancador, específicos del mineral.
La primera parte es una función de apariencia que relaciona el grado de rotura, t10, con el
restante de la distribución de tamaño (Tabla 4.9). A diferencia del modelo AG/SAG, el
modelo de chancador utiliza datos de apariencia reales, no el mapeo estándar de tabla 4.7
arriba.
86
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Esta última información se utiliza también para determinar cuanta energía (por unidad de
masa de alimentación) se requeriría para chancar tamaño de alimentación a tamaño de
producto, si todo el chancado se efectuara en el dispositivo de prueba de caída de peso o
péndulo. Esta ‘energía de péndulo’ está muy correlacionada con el consumo de energía neto
del chancador. Este método de correlación de energía es mucho más flexible que la
metodología F80/P80 tradicional (Morrel et al 1992 – ver también la Sección 11.2.4).
Cuando se calcula la energía de este modo, las partículas grandes aparecen como más
blandas en las pruebas de impacto. La prueba de péndulo largo actual no es adecuada para
partículas de diámetro superior a 55mm. En consecuencia, al usar energías de trituración
específicas derivadas de partículas más pequeñas, se puede sobrestimar la energía de
péndulo requerida en chancado grueso. La prueba de caída de peso puede, sin embargo,
procesar partículas más grandes.
87
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Figura 4.14: Efecto del tamaño de partícula en la relación t10-Ecs para mineral pisolítico
El modo en que la forma afecta a la rotura se muestra claramente en la Figura 4.15, la cual
sugiere que existen distribuciones de rotura distintas cuando se rompen dos formas
diferentes. La definición de forma utilizada aquí se basa en el Índice de Escamosidad de
agregado de la industria, el cual relaciona la menor dimensión de la partícula a su tamaño
nominal. Una partícula escamosa tendrá una dimensión menor (espesor) inferior a 0.6 de
su dimensión media.
88
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
paralela a las caras del chancador. Un modelo de chancador que explique la forma de
alimentación puede requerir, en consecuencia, funciones de rotura específica de forma y de
clasificación. Los resultados previos han sido utilizados en el desarrollo de un nuevo
modelo de simulación de chancador el cual predice las distribuciones de tamaño de
producto y de forma (Kojovic 1994).
Ya que los modelos de molino de barra y bola de JKMRC suponen que los contenidos del
molino están perfectamente mezclados, el material, en estado de equilibrio, puede ser
descrito por medio de la función 4.21. Si los contenidos del molino son conocidos, las tasas
de rotura pueden calcularse de la ecuación 4.21, conociendo las distribuciones de tamaño
de alimentación y producto y la función de apariencia (Capítulo 2).
En la práctica, los términos r/d también están normalizados a las dimensiones del molino, lo
que permite escalar el modelo. (Capítulos 2 & 9).
89
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Los modelos de molino de bola y barra usan una función específica del mineral
determinada usando una energía de trituración específica para un nivel de energía de
entrada estándar (i) de 41.788 kg.cm, aplicada a la fracción de tamaño -5.6+4.75
(Narayanan 1985). Esto se ha determinado tradicionalmente, utilizando un dispositivo de
péndulo más pequeño que el usado para la pruebas SAG/chancador y, mas recientemente,
el menor rango de energía del dispositivo de prueba por caída de peso.
Narayanan (1985) demostró que la relación entre energía de trituración específica (Ecs) y la
energía de entrada estándar (Ei) es de la forma lineal:
Mientras que la función de apariencia (t10) está relacionada con la energía de trituración
específica por la siguiente ecuación:
donde a y b son constantes. Los efectos de tamaño de la partícula en esta relación están
normalizados.
Una vez que se ha determinado la relación t10-Ecs específica y Ecs estándar, se obtienen
los valores de función de apariencia usando un programa de computador que reconstituye la
distribución de tamaño del producto a partir del t10 predicho y de las curvas-t dadas. Los
90
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
La función de apariencia comienza con el valor 0 ya que el modelo asume que cada
partícula, una vez rota, no continuará permaneciendo a la fracción de tamaño inicial. En
consecuencia, las partículas hija se distribuirán en una serie 2 de tamices comenzando
con la siguiente fracción hacía abajo. Para ilustrar los rangos de valores obtenidos entre
minerales duros y blandos, se muestra en la Figura 4.16 las funciones de apariencia o
distribuciones de rotura para minerales de mena de oro primario y óxido. Nótese el cambio
en el peca a la izquierda con el mineral de óxido más blando.
Dimensionado Valores de
Interno (mm) Apariencia
16.0 0
11.3 0.043
8.00 0.084
5.66 0.114
4.00 0.119
2.83 0.111
2.00 0.100
1.41 0.088
1.00 0.074
0.707 0.061
0.500 0.050
0.354 0.041
0.250 0.032
1.177 0.025
0.125 0.019
0.088 0.014
0.063 0.010
0.044 0.007
0.031 0.004
0.022 0.003
Para modelado de molienda de bola y dispositivos de molienda fina como molinos de torre
o de agitación, la metodología de partícula individual, como también el rango de tamaño de
partículas, pueden ser inadecuados para algunas aplicaciones. El impacto único de una bola
sobre un lecho de partículas, situadas sobre una superficie plana o redondeada, describe
probablemente el micro evento en un molino de bola, mejor que el impacto de una partícula
individual. Los tamaños de partícula para los cuales se generan datos de péndulo van de 5 a
91
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
55mm (aunque se han roto partículas tan pequeñas como 2mm). En estos experimentos no
se han examinado críticamente tamaños más pequeños, a pesar que representan la mayor
parte del material en un molino de bola.
Figura 4.16: Ejemplo de función de apariencia de molino de bola para un mineral de oro duro
(primario) y blando (óxido)
4.7 CONCLUSIONES
Varias prueba de laboratorio para caracterización de rotura de roca han sido desarrolladas
para estudiar el fenómeno de rotura y para diseñar y predecir el comportamiento de equipo
de trituración industrial. Estas pruebas caen en tres clase principales: mediciones de
mecánica de rocas y fractura convencional, pruebas de molienda estándar y pruebas de
partícula individual.
92
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
Las pruebas de rotura de partícula son básicamente de dos tipos – pruebas de péndulo y
pruebas de caída de peso. Se han desarrollado y utilizado en el pasado, varios tipos de
dispositivos de péndulo y caída de pesos. En este capítulo se ha descrito la metodología
desarrollada y ahora de uso rutinario en JKRMC y en varios laboratorios de prueba
licenciados alrededor del mundo.
93
Capítulo 4: Prueba de Rocas – Determinación de la Función de Rotura Especifica
La experiencia actual sugiere que, cuando se combina la prueba de partícula individual con
modelos de proceso, es superior a otros métodos para evaluar maquinas de rotura gruesa,
como chancadores y molinos AG/SAG. Aunque también se utiliza con éxito para la
descripción de molinos de bola, es probable que las características de rotura de rocas
relativamente grandes (no mas pequeñas que 5mm) pueda no describir bien el mismo
material a, digamos, 100µm. En consecuencia, se requiere trabajo adicional para mejorar la
medición independiente de las características de rotura de partículas finas, y esta
investigación está en desarrollo.
94
CAPITULO 5
ESTUDIANDO CIRCUITOS DE TRITURACIÓN
5.
5.1 INTRODUCCIÓN
• Molienda gruesa, utilizando molinos AG/SAG, de barra y/o bola - e.g. procesos
metalíferos, como la preparación de procesos de recuperación tales como flotación o
lixiviación; en la Figura 5.1 se muestra un ejemplo de este tipo de circuito incluyendo
los puntos de muestreo típicos.
Cada uno de ellos posee características especiales las que deben abordarse en cada ejercicio
de muestreo o recolección de datos; el muestreo de la alimentación de un chancador es, en
la práctica, muy diferente al muestreo del overflow de un hidrociclón. Sin embargo, existen
algunos principios guía y técnicas aplicables a todas estas campañas, que hay que seguir
para lograr los mejores resultados.
95
Capítulo 5: Estudiando Circuitos de Trituración
Figura 5.1: Diagrama esquemático de un circuito de trituración típico mostrando algunos sub-
circuitos alternativos
Este capítulo presenta una metodología práctica general para el muestreo y la recolección
de datos en circuitos de chancado convencional, molinos-ciclones SAG/AG y/o de bolas.
Se incluye información adicional sobre técnicas de balance de masa, análisis de muestras
(en especial análisis de tamaño), selección del tamaño de la muestra, ejemplos sobre los
tipos de error que ocurren en el muestreo de corrientes de pulpa en el circuito de molienda
y algunas notas sobre estimación de parámetros del modelo.
5.2.1 Introducción
96
Capítulo 5: Estudiando Circuitos de Trituración
4. Errores analíticos, e.g. pesaje, harnero con aperturas desgastadas o incorrectas, tiempo
de tamizado inadecuado, calibración o selección de constantes incorrectas, etc. Estos
errores son más comunes de lo que se admite habitualmente. (ver además el Apéndice
3).
5. Propagación del error cuando se calculan grandes cantidades – ver Sección 5.2.3.
El investigador tiene cierto control sobre los primeros cinco pero básicamente ningún
control sobre el error fundamental (FE), que es una propiedad estadística de los sistemas de
particulado en estudio. El objetivo de cualquier ejercicio de muestreo y análisis debe ser, en
consecuencia, minimizar el efecto de los ítems 1-5 de manera que su contribución al error
global sea pequeña comparada con FE. En consecuencia, el tamaño de la muestra se
selecciona para lograr la confiabilidad requerida a la luz del FE predominante.
Las estadísticas del muestreo son una materia compleja. Gy (e.g. 1976) ha desarrollado una
teoría de muestreo de particulado, ampliamente utilizada, que ha sido adaptada y descrita
por Pitard (1993), quien también analiza muchos otros aspectos del muestreo como es, por
ejemplo, el diseño del cortador.
¿Cuan grande debe ser una muestra de sólidos de una corriente de proceso para análisis de
tamaño? Una respuesta es: lo más grande posible, ya que esto maximizará la confiabilidad
del resultado final. Sin embargo, en la práctica, la selección de un tamaño de muestra es un
compromiso práctico entre la economía (el costo de recolectar y procesar la muestra) y la
confiabilidad requerida en la respuesta.
El capítulo 18 del libro de Pitard trata específicamente con el muestreo para análisis de
tamaño. Sin embargo, para lograr una estimación simple del orden de tamaño de la muestra
requerida para acomodar FE, Barbery (1972) derivó expresión fácil de usar basada en la
teoría de Gy:
97
Capítulo 5: Estudiando Circuitos de Trituración
fpd m3
M = (5.1)
θ2p
d13 + d 23
3
d = m (5.2)
2
donde d1 y d2 son los tamaños límite en el rango de interés. El rango de tamaño de interés
es aquel en el cual es probable haya la menor cantidad de partículas lo que casi siempre es
el intervalo de tamaño grueso. Esto garantiza que el error en las proporciones estimadas
para los demás inérvalos de tamaño sea siempre menor que esto, garantizando en
consecuencia una elección conservadora. Sin embargo, no tiene sentido elegir un intervalo
con prácticamente ningún material en el. Una buena regla práctica es que el intervalo de
tamaño más grueso debe seleccionarse para proporcionar un P=5%.
φ
θ= (5.3)
z
98
Capítulo 5: Estudiando Circuitos de Trituración
Nivel de confianza z
(%)
50 0.6745
80 1.2816
90 1.6449
95 1.9600
99 2.5758
99.9 3.2905
(10 /100)
θ= = 0.061, y P = ± 5%, con un 90% de confianza
1.64
Ejemplo 5.1: En un estudio de planta de una concentradora de metal base se debe muestrear
la corriente de sobretamaño en el tromel de un molino SAG, para determinar su
distribución de tamaño. Se espera que todo el mineral sea menor a 50mm y alrededor de un
10% estará en el rango (superior) del harnero, -50 + 25mm. ¿Cuanta muestra se debe
harnear para garantizar un nivel de confianza de un 90% en la determinación de esta
proporción, con una precisión relativa de un 20%? (i.e. P ≅ 10±2%).
3 53 + 2.53
d = = 70.3cm3
m 2
Es claro que la ecuación 5.1 puede rescribirse para calcular los límites de precisión o de
confianza para un resultado existente.
99
Capítulo 5: Estudiando Circuitos de Trituración
fpd m3
θ= (5.4)
MP
Ejemplo 5.2
ρ s ( ρ p − 1)
Cw = (5.5)
ρ p ( ρ s − 1)
donde ps y pp son las densidades de sólidos y slurry respectivamente, con agua como el
fluido.
Suponiendo que los errores de medición o ‘conocimiento’, ps y pp, son pequeños, la ley de
la diferenciación parcial plantea que
∂Cw ∂C
δ Cw = ⋅ δρ s + w ⋅ δρ p (5.6)
∂ρ s ∂ρ p
100
Capítulo 5: Estudiando Circuitos de Trituración
∂Cw 1− ρ p ∂Cw ρ
= 2
y = 2 s (5.7)
∂ρ s ρ p ( ρ s − 1) ∂ρ s ρ p ( ρ s − 1)
Nótese que los signos se ignoran debido a que el objetivo es estimar el error máximo
posible en la respuesta, i.e. cuando todo puede fallar, falla. Los ‘errores’ δps y δpp se
consideran normalmente como la precisión de lectura de un instrumento (e.g,. la escala de
Marcy) o el máximo error en la medición de la cantidad (e.g. la densidad de sólidos
supuesta). Si suponemos, en este caso, que δps = δpp = 0.01, entonces δCw = 0.0126 o
1.3%. La concentración de sólidos es entonces 21%±1.3%.
1. El error calculado puede ser muy grande, incluso aunque sus componentes puedan
considerarse ‘razonabes’ en términos de la práctica normal.
Se debe realizar un ejercicio similar para todas las cantidades calculadas de manera que el
investigador pueda identificar aquellas cantidades que deben ser medidas con especial
cuidado.
101
Capítulo 5: Estudiando Circuitos de Trituración
corriente un tubo de 50-75mnm de diámetro para desviar algo de material al piso, desde
donde se puede tomar una muestra.
Figura 5.2: Diseño recomendado de cortador para muestreo de underflow y overflow de ciclones
Otro gran problema es el muestreo de corrientes de pulpa de alta tasa de flujo (>100tph). La
gran tasa de flujo puede ocasionar que algunas partículas salgan disparadas del cortador
incluso si este se pasa rápido a través de la corriente de pulpa. Obviamente, si esto sucede,
se debe descartar la muestra y repetir o revisar el proceso de muestreo.
102
Capítulo 5: Estudiando Circuitos de Trituración
Figura 5.3: Muestreo de un alto volumen de flujo de partículas gruesas (e.g. descarga molino SAG)
Los bordes del cortador deben estar horizontales y paralelos. Para corrientes donde el
mayor tamaño de partícula d>3mm, el ancho mínimo del cortador debe ser a lo menos 3d.
Para partículas menores (d<3mm), el ancho no debe ser inferior a 10mm. La profundidad
del cortador debe ser suficientemente grande para evitar la salpicadura o rebalse de la
muestra.
El cortador debe ser ‘lavado’ en la corriente de slurry y tapado para garantizar que esté
vacío antes de efectuar los cortes de muestreo. La dilución con agua alteraría el porcentaje
de sólidos obtenidos de la muestra.
103
Capítulo 5: Estudiando Circuitos de Trituración
Los objetivos del estudio deben ser establecidos claramente antes de su planificación y
ejecución (ver también Sección 13.3.1) Esto puede incluir el establecimiento del
rendimiento de una unidad individual (antes o depuse de la optimización), la auditoría de
una sección o circuito completo o la recolección de datos para estimación de parámetros de
modelo (Sección 5.6.3)
Para esta discusión se supondrá que el estudio se lleva a cabo en estado de equilibrio, i.e.
los flujos de masa y las características de la corriente permanecen relativamente constantes
durante el periodo del estudio. Los algoritmos de balance de masa que se utilizan para
suavizar los datos asumen entonces que flujo de entrada = flujo de salida, para cada nodo
de proceso, tanto para sólidos como agua.
El diseño de sistemas de control requiere a menudo ejecutar pruebas por pasos para
caracterizar la dinámica del circuito. En estos casos, se introduce deliberadamente una
perturbación y se monitorea el comportamiento del circuito por tiempo para determinar el
efecto. Dichos estudios no se analizarán aquí. Los métodos para efectuar experimentos
comparativos en plantas en las cuales se somete la alimentación u otras condiciones a
variaciones incontroladas en el tiempo se analizan en Napier-Munn (1995)
Un ejemplo de los requerimientos de datos para una campaña de muestreo mínimo para un
circuito de molienda como el que se muestra en la Figura 5.1 es:
2. Tasa de flujo de sobre tamaño en el harnero del tromel (si esta corriendo el chancadora
de pebble).
104
Capítulo 5: Estudiando Circuitos de Trituración
Es obvio que si un elemento de dato no es medido con exactitud (e.g. porcentaje de sólidos
de alimentación de ciclones), surgirán problemas en el procesamiento de los datos. En
consecuencia, la regla general es nunca efectuar una campaña de muestreo mínimo a
menos que no exista otra opción.
La campaña de muestreo de circuito completo ideal para circuitos de moneda del tipo
mostrado en la Figura 5.1 requiere de los siguientes datos:
2. Tasa de flujo de sobre tamaño en el harnero del tromel (si esta corriendo el chancadora
de pebble).
El set point de tonelaje debe mantenerse lo más constante posible durante la campaña de
muestreo. Para lograr esto en circuitos de molienda, puede ser necesario desactivar los
lazos de control de molienda. Una vez configurado, el circuito ilustrado en la Figura 5.1
correrá en coediciones de estado de equilibrio razonables, siempre que el dimensionado de
alimentación, tasa de flujo y dureza de mineral no varíe significativamente. Una vez que se
ha seleccionado un conjunto de condiciones operativas, se debe permitir a lo menos una
105
Capítulo 5: Estudiando Circuitos de Trituración
hora (i.e. varios tiempos de residencia) para lograr el estado de equilibrio. Debe destacarse
que la condición de estado de equilibrio es un estado ideal y, en la práctica, nunca se logra
completamente; sin embargo, normalmente se puede obtener una indicación del grado de
estado de equilibrio a partir de la consistencia del amperaje consumido y velocidad, de la
bomba de alimentación de ciclón (para propulsión VS)
El circuito debe muestrearse durante un periodo de 1-2 horas (ya sean 8 cortes cada quince
minutos o 4 cortes cada 30 minutos). Múltiples muestreadores (personas) hacen el muestreo
más eficiente ya que hay más tiempo disponible para el corte de las muestras de corriente.
También permite que las muestras sean tomadas simultáneamente (o en una secuencia
lógica adecuada para los tiempos de residencia en cada sección), lo que es muy ventajoso.
Si esto no es posible, se debe modificar el orden de las muestras. Verifique que los
contenedores de las muestras estén claramente etiquetados; cuando se utilicen múltiples
contenedores para una muestrea individual, se debe marcar cada contenedor con un número
de contenedor y el número total de contenedores.
106
Capítulo 5: Estudiando Circuitos de Trituración
Es útil conocer el llenado de carga de bolas en los molinos luego de cada campaña de
muestreo. En consecuencia, después de recolectar las muestras de slurry se debe efectuar un
crash stop de los molinos para permitir el muestreo de la alimentación en las correas y la
medición del nivel de carga del molino por medio de la inspección física del contenido del
molino. Este paso clave en el estudio es analizado con más detalle en la sección que sigue.
Ya que las muestras instantáneas son el método usual para muestrear chancadores y
harneros, es importante detener todas las correas transportadoras necesarias en el momento
correcto. Para garantizar que las muestras tomadas de las correas de producto son
representativas de las condiciones de operación medidas, la correa de alimentación puede
marcarse al comienzo de la parada dejando caer un marcador adecuado en la correa o
unidad de proceso (e.g. harina, papel, etc.) y deteniendo la correa de producto cuando
aparece la marca.
Las muestras tomadas deben ser procesadas en terreno para determinar distribución de
tamaño y porcentaje de sólidos. Donde sea posible, se debe considerar la toma de una
muestra separada solo para determinación de porcentaje de sólidos. En la Sección 5.5 se
describe el procedimiento para analizar muestras de slurry y alimentación.
Nótese que las dimensiones internas del ciclón deben ser medidas y no supuestas. El
desgaste normal y errores de mantenimiento pueden conducir a discrepancias significativas
en las dimensiones del ciclón.
107
Capítulo 5: Estudiando Circuitos de Trituración
Para chancadores de cono, mida el plomo del chancador (para determinar la configuración
del lado cerrado) en a lo menos tres posiciones alrededor del manto inmediatamente antes o
después del estudio. El espesor del desaplome debe medirse preferentemente con un
micrómetro o calibrador, no con una regla. Tome el promedio de las mediciones. Para
chancadores con ajuste automático de separación, registre la lectura de separación y calibre
contra mediciones con plomo.
Chancadores Hidrociclones
Tipo Tipo
Configuración del lado cerrado Cantidad de ciclones
Excentricidad Presión de ciclones (kPa)
Consumo de energía sin carga (kW) Tasa de flujo y densidad alimentación
Consumo de energía en operación (kW) Diámetro
Condición de desgaste (desgaste Diámetro admisión
revestimientos) Longitud cilindro
Lectura del pesómetro de tasa de Diámetro buscador de vórtice
Alimentación (tph) Diámetro grifo
Ángulo de cono
Molinos
Tipo Harneros Vibradores
Cantidad de molinos
Tipo
Diámetro (entre revestimientos)
Longitud cilindro (entre revestimientos) Cantidad de plataformas
Longitud cono (entre revestimientos) Longitud x ancho
Velocidad (rpm o % crítico) Apertura (longitud y ancho)
Mecanismo de descarga Tipo de agujero (cuadrado, redondo,
Apertura parrilla / dimensiones ranura, etc.)
Profundidad elevador (solo molinos con
% área abierta
parrilla
Dimensiones y apertura tromel Ángulo de inclinación
Altura elevador Material plataforma
Diámetro trunión
Llenado de bolas (% volumen molino) Correas Transportadoras
Llenado carga total (% volumen Velocidad correa
molino)
SG mineral Tipo de mineral ranura, etc.)
Energía sin carga (kW) Datos históricos (e.g. WI, UCS, etc.)
Consumo de energía en operación (kW)
Lectura del pesómetro de tasa de
alimentación (tph)
Carga y presión en descansos (kPa)
108
Capítulo 5: Estudiando Circuitos de Trituración
Mediciones de Energía
En plantas más antiguas, se debe confiar a veces en un amperímetro análogo (a menudo con
una aguja que oscila violentamente). En este caso, para motores AC de 3 fases, la energía
total entregada a la carga, PT, viene dada por
PT = VL I L 3 cos φ kW (5.9)
Cos Ф es el factor de potencia para el circuito y varía con la carga inductiva del motor. Para
cargas normales, cos Ф = 0.8-0.95. Para consumo de energía ‘sin carga’, el f.p. será
menor. Se debe consultar al ingeniero eléctrico de planta sobre el factor de potencia
correcto a usar en el cálculo. No es recomendable un f.p. de planta (promedio) ya que las
cargas de máquinas individuales pueden diferir bastante unas de otras.
La regla de oro es verificar todas las lecturas y cálculos de potencia. Si es posible, lleve a
terreno un potenciómetro portátil y efectúe lecturas independientes. Donde haya disponible
más de una lectura de planta, deben tomarse todas para verificación. Por último, los
procedimientos de predicción de energía de chancador y molino descritos en el Capítulo 11
son ahora los suficientemente buenos para proporcionar un chequeo independiente de los
datos de la planta.
Nótese que en todos los estudios de muestreo se deben seguir siempre los procedimientos
de seguridad adecuados. Estos pueden incluir, cuando corresponda, el aislamiento de los
equipos eléctricos y el uso de arneses de seguridad durante la toma de muestras difíciles.
Para las campañas de muestreo de mayor envergadura se deberán preparar procedimientos
escritos para cada participante.
109
Capítulo 5: Estudiando Circuitos de Trituración
• baldes y palas
• tamices de 450mm (106, 75, 53, 36.5, 26.5, 19 y 13.2mm) y 200mm (9.5, 6.7, 4.75,
3.35, 2.36, 1.18mm y 850, 600, 425, 300, 212, 150, 106, 75, 53 y 38µm)
• harneros de barra plana de ‘un agujero’ (1090, 125, 150, 175 y 200mm)
Buenos baldes son herramientas esenciales para el muestreo de slurry. Use baldes de 10 o
20 litros con buenos sellos en las tapas. Pese los baldes (con o sin la tapa). Intente tomar
10-.15 kg de pulpa desde cada una de los puntos de muestreo. Con una mayor cantidad, el
proceso de filtrado puede transformarse en algo más tedioso que lo habitual.
Como se indicó previamente, el tamaño de la muestra para corrientes gruesas puede ser
poco práctico debido a consideraciones estadísticas (Sección 5.2.2). Para enfrentar este
problema, JKMRC ha adoptado una metodología basada en una combinación de muestreo
grueso y fino que se describe a continuación.
Luego de efectuar el crash stop del chancador o molino y aislar el propulsor de la correa de
alimentación, se puede tomar la muestra de alimentación. Esto incluirá un corte completo
de 2-5m de correa más a lo menos 50 rocas +75mm. Normalmente corresponderá a una
muestra total de 500-800kg. Si hay disponibilidad de ayuda, un muestreo habitual de ROM
de un molino SAG requerirá de 4-6 personas y tomará aproximadamente 30 minutos en
completarse. El procedimiento debe ser como sigue.
110
Capítulo 5: Estudiando Circuitos de Trituración
Una vez que sea seguro acceder a la correa, caminar a lo largo de esta y remover a lo menos
50 rocas grandes mayores de 75mm. Determinar la longitud de correa desde la cual se
recogieron las rocas. Suponiendo que la distribución de tamaño de alimentación pueda ser
representada por la distribución binomial, esto debiera proporcional una estimación
razonable del extremo grueso.
Luego de remover las rocas gruesas, seleccionar una sección de la correa de 2-5m que
represente una estructura típica de cargas de finos y remueva todos los sólidos en la sección
medida. La figura 5.4 ilustra el proceso de muestreo de la alimentación ROM del molino
AG en la Mina Elura de Pasminco.
Figura 5.4: Ejemplo de muestreo de alimentación fina ROM del molino AG 7.11 x 3.78m en la
Mina Elura de Pasminco.
Figura 5.5: Ejemplo de dimensionado de alimentación gruesa ROM del molino AG 9.4 x 5.6m en
WMC LNO
111
Capítulo 5: Estudiando Circuitos de Trituración
Se recomienda utilizar una balanza de plataforma sobre el piso del pasillo de peatones de la
correa de manera de devolver la rocas a esta luego de dimensionadas y pesadas. A
continuación se combina esta distribución de tamaño con la distribución de tamaño de
alimentación determinada a partir de los 2-5m de corte de finos en la correa (masa por
metro en cada fracción de tamaño -75mm) para obtener una distribución de tamaño de
alimentación completa, como se indica en la Figura 5.6
Figura 5.6: Ejemplo de distribución de tamaño de alimentación ROM del molino SAG usando el
procedimiento de muestreo en correa de JKMRC en la Mina Red Dog de Cominco
Las mediciones de flujo de masa están disponibles inmediatamente después del pesaje.
Usualmente es satisfactoria una diferencia relativa de menos de 20% entre el flujo de
alimentación y de producto. Una variación inferior a 10% es adecuado para muestreo
alrededor de circuitos de chancado y harneado.
112
Capítulo 5: Estudiando Circuitos de Trituración
Distribución de Carga
Lidiar con cientos de toneladas de carga, que incluye sólidos y slurry, requiere que la tarea
sea dividida en dos fases, el bombeo del slurry y la remoción de sólidos por medio de palas
mecánicas y camiones o cargadores frontales. Esto requiere que el molino tenga una
abertura en la carcasa para permitir la descarga de sus contenidos.
El slurry debe drenarse al sumidero de piso del molino desde donde puede bombearse a
otro tanque o circuito. Durante el bombeo se debe medir la tasa de flujo del volumen y
recoger muestras de slurry para análisis de densidad y tamaño.
La fracción sólida debe cargarse en los camiones disponibles usando cargadores frontales y
luego de pesados en la romana, vaciados en algún área despejada adecuada. Luego se debe
revolver y reducir manualmente, por medio de tamices, a un tamaño adecuado de 13.2mm.
El tratamiento de dichas muestras se describe en la Sección 5.6. La Figura 5.7 muestra una
porción de la carga del molino SAG Red Dome descansando sobre el piso del molino, antes
de ser depositada en camión.
Figura 5.7: Ejemplo de carga del molino SAG de 5.0 x 6.6 en la Mina Nuigini Minino Red Dome
113
Capítulo 5: Estudiando Circuitos de Trituración
Un procedimiento alternativo que puede proporcionar una adecuada estimación del extremo
grueso de la distribución de tamaño de la carga es remover unas cuantas toneladas del
molino después de inching el molino por varias revoluciones. Se requiere del inching para
mezclar los contenidos y evitar la segregación.
Las Figuras 5.8 y 5.9 muestran el molino SAG WMC Mt. Keith en el proceso de ser inched
luego de lo cual se removió, con la máquina de revestimientitos, una muestra acanalada de
aproximadamente dos toneladas y se vació para análisis en seis tambores.
Figura 5.8: Ejemplo de carga del molino SAG de 9.4 x 5.6 durante inching en WMC Mt. Keith
114
Capítulo 5: Estudiando Circuitos de Trituración
Una medición directa de la carga implica el crash-stop del molino AG/SAG cargado,
mientras corre en estado de equilibrio. Una vez que se logra acceso al molino, típicamente
después de remover el chute vía trunion del extremo de alimentación, se mide el ancho de
la carga en tres lugares junto con las dimensiones entre revestimientos. A partir de dichas
mediciones se puede calcular el volumen de carga usando geometría simple, como se
muestra en la figura 5.10
Figura 5.10: Ejemplo de parámetros de geografía de carga del molino usados para calcular el
volumen
α
S = 2r sin (5.10)
2
α
h = r 1- cos (5.11)
2
h S2
r= + (5.12)
2 8h
h
Ac =
6S
( 3h 2 + 4 S 2 ) (5.13)
115
Capítulo 5: Estudiando Circuitos de Trituración
Ac
V = 100 x (5.14)
A
A = π r2 (5.15)
H
V = 113 − × 126 (5.16)
D
Morrel (1994) demostró que la ecuación 5.16 entrega valores relativamente altos para
llenados menores que 20%.
116
Capítulo 5: Estudiando Circuitos de Trituración
Es difícil estimar el llenado del molino de bola ya que está mezclado con carga de mineral,
por lo que se requiere de un grind-out. El tiempo necesario para el grind-out depende del
molino, carga de bolas y dureza del mineral alimentado. Normalmente son suficientes
menos de 30 minutos para lograr menos de un pequeño porcentaje de carga de mineral
como lo ilustra el grind-out del molino Red Dome mostrado en la Figura 5.11. Sin
embargo, debido al daño que puede producir este procedimiento en
revestimientos/elevadores no es siempre posible o deseable. En su lugar, una solución
alternativa es usar el modelo de energía JKMRC (Capítulo 11) y el llenado medido del
molino y el consumo de energía bajo carga reducida (digamos 50%). Es posible determinar,
por tanteo, una carga de bolas que produciría el consumo de energía medido.
Nótese que para algunos molinos AG/SAG de mayor diámetro es posible acceder al trunión
de descarga vía el tromel para medir la distancia entre el borde del trunión y la superficie de
slurry en el elevador. Esta medición puede ser luego usada para estimar el volumen de
slurry en el molino ya que su nivel real relativo a la carga total es aquella encontrada detrás
de las parrillas.
Habiendo decidido el crash-stop del molino AG o SAG, vale la pena resaltar que se puede
inferir una indicación indirecta de la naturaleza de la carga en el molino a partir de la
respuesta del molino justo antes de su detención. La experiencia ha demostrado que si se
mantiene corriendo el molino después de detener simultáneamente toda la alimentación de
mineral y agua, scats y reciclo de slurry al molino, la energía y carga del molino debiera
caer a medida que se produce el grind-out. Esta condición se ve reflejada en una carga que
no tiene slurry visible en su superficie, como se muestra en la Figura 5.12
Figura 5.12: Ejemplo de una carga ‘seca’ de molino luego de una rutina crash-stop bajo carga
117
Capítulo 5: Estudiando Circuitos de Trituración
Sin embargo, durante un crash-stop controlado, una vez que toda la alimentación al molino
se ha detenido, el slurry tiene oportunidad de drenar, la carga se hace menos fluida y
comienza a consumir más energía (ie. el torque requerido para superar la creciente fricción
de levante de la carga). Esta condición ocurre normalmente a altas cargas de reciclo en
molinos de circuito cerrado AG/SAG, pero pueden presentarse problemas incluso en
molinos de circuito abierto de alto rendimiento. Encontramos evidencia de dicha condición
en la Figura 5.13 donde se muestra la energía y datos de carga de un molino, extraído de un
estudio de circuito, en el molino AG de circuito completamente cerrado en WMC LNO. Se
produjo una incremento repentino de la energía, de aproximadamente 600-800 kW, con la
correspondiente reducción de carga de 20t cuando se detuvo las corrientes de alimentación
y reciclo.
En molinos de overflow, por supuesto, debe existir exceso de slurry para permitir la
descarga a través del trunion. Es esperable, por consiguiente, que mientras menos capaz sea
un mecanismo de descarga de parrilla de remover el slurry en el molino, menor será el
consumo de energía. En el caso extremo, cuando el slurry se forma hasta el nivel del
trunion de alimentación, la energía de un molino de descarga por parrilla será igual a la de
un molino de overflow de dimensiones equivalentes
Figura 5.13: Ejemplo de la energía y respuesta de carga de un molino durante una prueba de
procedimiento de crash-stop controlado en WMC LMO
118
Capítulo 5: Estudiando Circuitos de Trituración
Ya que muy pocos sistemas de descarga de molinos están diseñados con el muestreo en
mente, se necesita de un cortador largo y ancho adecuado (Sección 5.2.4). La pulpa surge y
se esparce a través del harnero del tromel hacía el sumidero de la bomba. Los principales
problemas enfrentados están causados usualmente por restricciones de espacio y/o el tromel
y su estructura circundante. A menudo es muy difícil mover el cortador en la zona de
muestreo. En ocasiones solo se puede acceder a una porción de la corriente. Esta limitación
debe evitarse a toda costa. Los puntos a lo largo del ancho deben muestrearse en turnos. Las
otros dificultades menores se relacionan con la contaminación de la adición de agua del
tromel hacía la muestra de descarga del molino. Esto puede conducir a una subestimación
del porcentaje de sólidos en el molino.
A menudo es útil un chute de diversión para mantener el bajo tamaño de la parrilla alejada
del bajo tamaño del chancador en el conveyor. Una estrategia que funciona en ocasiones, es
poner en reversa el conveyor del bajo tamaño del chancador, descargando el producto
combinado. Esto deja disponible para muestreo una pequeña sección de correa de producto
de chancador.
Nótese que puede lograrse una buena estimación de la apertura real de la parrilla, a partir
del espesor de las rocas más grandes extraídas de la correa de scats.
Esta muestra es vital para algunos circuitos y puede ayudar significativamente en el balance
de masas de los datos. Se toma generalmente de una pipeta de sangrado, en la parte superior
del distribuidor o de un ciclón de repuesto en la batería de ciclones, corriendo parcialmente
lleno de manera que toda la alimentación reporte al underflow. En este caso, el
procedimiento debe ser primero correr brevemente el ciclón especifico para despejarlo,
cerrarlo y luego abrir parcialmente la válvula de manera que el ciclón no se llene
completamente. En ese momento, se puede muestrear la alimentación en el underflow de
ese ciclón específico. Debido a que el tubo de sangrado se bloquea frecuentemente, tome
esta muestra solo dos veces durante el estudio (comienzo y fin). Durante el balance de
119
Capítulo 5: Estudiando Circuitos de Trituración
Dependiendo del spray del underflow slurry, el muestreo puede ser difícil o fácil. Se
requiere algo de práctica. Los puntos a través del ancho total del spray deben muestrearse
por turnos. Puede ser difícil lograr buenos datos de porcentaje de sólidos y pueden
encontrarse dificultades al vaciar la pulpa en los baldes. Un total de alrededor de 10-15kg
es lo adecuado.
El overflow del ciclón debe ser el mejor ejemplo. Debe recolectarse cerca de la batería de
ciclones. Se debe muestrear el producto combinado de una batería de ciclones ya que
cualquier ciclón individual probablemente no será representativo. Un total de 3-5kg de
pulpa es lo adecuado.
Es convencional utilizar un trazador soluble en agua, tal como el cloruro de litio y suponer
que los sólidos y el agua tienen el mismo RTD (Seller et al 1988). Se introduce el trazador
en una parte adecuada del circuito (e.g. alimentación del molino) como un impulso en el
tiempo cero y se toman muestras de alguna corriente adecuada (e.g. descarga del molino) a
intervalos programados. Luego se analizan las muestras para litio utilizando
espectrofotometría de absorción atómica y se presentan los resultados como ppm de Li
versus tiempo. Seller (1981) describe el método y procedimiento de cálculo.
• Coning y cuarteado
• Paleado fraccional
• Partición riffling
El método más confiable, conveniente y barato es riffling y división rotatoria. Sin embargo,
para muestras grandes, la metodología del paleado fraccional es el mejor. En este método,
120
Capítulo 5: Estudiando Circuitos de Trituración
se mueve la muestra total por medio de paleado manual o mecánico a N pilas, una de los
cuales es seleccionada en forma aleatoria y mantenida como muestra, representando un
radio de muestreo de 1/N. El lote de muestra inicial debe contener al menos 50N paladas
llenas.
El peso específico del mineral afecta la densidad de carga en el molino y los cálculos de
volumen de flujo para corrientes de slurry en el circuito (ver además los comentarios en
Sección 5.4.3). Las variaciones en el peso específico del mineral están asociadas
normalmente con la dureza y, como tal, deben probarse muestras tanto de la alimentación
ROM como de la carga del molino. Se pueden utilizar botellas para peso específico
(verifique que todo el aire haya sido removido) o instrumentos de gas helio para determinar
el peso específico de muestras de particulado.
El método más común es el tamizado y este es el método asumido en los comentarios que
siguen. Sin embargo, existen actualmente disponibles varios métodos alternativos de
dimensionado fino (sub-tamizado). En el Apéndice 3 se consideran con más detalle los
métodos de análisis de tamaño, con sus ventajas y desventajas. Para el siguiente análisis es
importante verificar que
• Se pesa la muestra total de finos. Luego se seca la muestra total y se pesa para obtener
el contenido de humedad.
121
Capítulo 5: Estudiando Circuitos de Trituración
• La muestra total debe ser analizada húmeda, luego filtrada con presión, lavada con
acetona y secada al aire. Se debe pesar la muestra seca y calcular el porcentaje de
sólidos.
• La muestra total debe dimensionarse en bases de harnero de 200mm desde 9.5mm hasta
1.18mm (9.5, 6.7, 4.75, 3.35, 2.36, 1.40 y 1.18mm). El bajo tamaño puede ser revuelto
y reducido para producir una muestra menor (aproximadamente 250g).
• La sub muestra -1.18mm se debe harnear húmeda a 30µm, recolectar el bajo tamaño si
se requiere para análisis adicionales y secar el sobretamaño.
• El material +38µm debe pesarse y harnearse usando una serie 2 de tamices (0.850,
0.600, 0.300, 0.212, 0.150, 0.106, 0.075, 0.053 y 0.038mm). El tiempo de tamizado
debe ser de aproximadamente 20 minutos. Cada fracción de tamaño debe ser luego
pesada.
• Se deben mantener todas las muestras para eventuales análisis futuros, eg. evaluación.
122
Capítulo 5: Estudiando Circuitos de Trituración
• La muestra debe pesarse húmeda, luego se debe secar al hormo y pesar nuevamente
para obtener el contenido de humedad.
• La muestra seca debe dimensionarse en bases de harnero de 200mm desde 19mm hasta
4.75mm. El bajo tamaño debe pesarse y registrarse.
Es importante para el balance de masa de los datos obtener una imagen racional a través del
circuito y obtener la mejor estimación para cada cantidad por medio de redundancia de
datos.
La precisión requerida para los datos de la investigación depende de los objetivos de los
estudios. Los estudios de circuitos de trituración se ejecutan normalmente para generar
datos confiables, que puedan evaluarse para determinar como lograr una mejora relativa en
el rendimiento del circuito, no necesariamente un resultado absoluto.
Existen varios procedimientos de análisis de datos que pueden utilizarse para evaluar los
datos, antes de usar una paquete de balance de masas computarizado como JKMBal
(incluido en JKSimMet)- Apéndice 4. Es recomendable que estos se apliquen a los datos
antes de intentar el balance de masa ya que se puede lograr un profundo conocimiento a
partir de una rápida revisión de la consistencia global.
Se puede utilizar para evaluar los datos dos simples análisis manuales
Ambos cálculos están basados en la formula de dos de productos, tal como se describe a
continuación.
Sean F, O y U los flujos de masa de sólido, fi, oi, y ui el porcentaje de peso en cada fracción
de tamaño y %SOLf, %SOLu y %SOLo el porcentaje de sólidos en alimentación, underflow
y overflow respectivamente (Figura 5.14).
123
Capítulo 5: Estudiando Circuitos de Trituración
El balance de masa alrededor del nodo para sólidos viene dado por
F = O+U (5.17)
Entonces la partición de masa de sólidos a underflow puede estimarse a partir de los datos
de distribución de tamaño y/o porcentaje de sólidos. Cada fracción de tamaño proporciona
un estimado de la partición total de masa de sólidos, mientras que el porcentaje de sólidos
proporciona una sola estimación.
U f i − oi
Partición total de masa a overflow, = (5.20)
F ui − oi
1 1
−
U % SOL f % SOLo
Partición total de masa a overflow, = (5.21)
F 1 1
−
% SOLu % SOLo
124
Capítulo 5: Estudiando Circuitos de Trituración
F 100
Q= + − 1 F (5.22)
SG f % SOL f
Recuerde que en todos los casos los valores de alimentación deben encontrarse entre
aquellos del overflow y del underflow. La tabla 5.4 muestra un ejemplo en el cual los datos
de 75 y 53µm son inconsistentes. Si uno ignora estas dos fracciones, la partición de masa
promedio de las otras fracciones es 0.63 comparado con 0.30 del porcentaje de sólidos.
¡Hay un problema!
Partición
Tamaño
fi oi ui de masa
(µm)
U/F
212 10.1 1.8 21.7 0.42
150 12.4 4.5 19.1 0.54
106 15.5 11 16.8 0.78
75 16.2 11.2 11.9 7.14
53 7.8 3.9 4.8 4.33
38 4.9 7.9 3.7 0.71
-38 33.1 59.6 21,9 0.70
%SOL 49 44 67 0.30
Por ejemplo, si los datos de tamaño se suponen todos de similar error, entonces los
resultados de JKMBal sugieren que los sólidos de alimentación deben ser alrededor de
53%, con overflow de 42% y underflow de 66% (ver Tabla 5.5). El dimensionado de
overflow y underflow se ve correcto; algunos de los tamaños de alimentación necesitan
ajuste.
125
Capítulo 5: Estudiando Circuitos de Trituración
conclusión en este caso es que los datos experimentales no son consistentes y se requiere de
alguna corrección de datos.
El balance de masa es probablemente más útil como método para evaluación de datos.
Existe, sin embargo, la percepción común de que el balance de masa puede corregir datos
erróneos. Esto simplemente no es cierto. El balance de masa ayuda a identificar los datos
erróneos a fin de refinar las técnicas de medición de manera de recoger mejor datos la
siguiente vez.
La regla general es que uno no debe apurarse demasiado con el balance de masa. Verifique
que los datos hayan sido bien evaluados primero y que se ha desarrollado cierta percepción
sobre cuales debieran ser los valores de las corrientes en el circuito.
Un prerrequisito para el balance de masa es la redundancia de datos (más datos de los que
se requiere para calcular un balance por diferencia). Afortunadamente, la recolección de
datos de un circuito de molienda involucra cierto grado de redundancia de datos lo que
permite la verificación del balance, especialmente de los resultados de porcentaje de sólidos
y dimensionado. Si se detecta que el balance de agua y el balance de dimensionado no
concuerdan, es probable que la muestra (muestras) no es representativa o ha ocurrido un
error.
Para balancear la masa de los datos de un circuito de trituración, se necesita suponer con
precisión un corriente de referencia cero (i.e. contiene error cero). En los circuitos de
molienda, este valor se obtiene de la lectura del pesómetro de la alimentación nueva
después de la corrección por humedad. Es usual suponer condiciones de estado de
equilibrio (ie. Entradatph=salidatph a través de todo el circuito o ciclón o
ftph=alimentacióntph). El concepto de pesar los datos medidos en JKMBal puede
126
Capítulo 5: Estudiando Circuitos de Trituración
con respecto a aij y ai y sujeto a las restricciones de balance de material existentes. N es aquí
el número de mediciones, L el número de corrientes, X es una medición (e.g. sólidos,
ensayo, tamaño), x es la medición ajustada, A es el flujo medido y a el flujo ajustado. σij y
σi son los pesos o desviaciones estándar para las mediciones y flujo respectivamente.
• Para menos de 9%, el error se toma como 0.1 más el porcentaje real dividido por 10
Los errores absolutos deben ser simétricos alrededor de 50%, i.e. similar para x% y 100-
x%.
127
Capítulo 5: Estudiando Circuitos de Trituración
Para muestras más gruesas, el número de partículas en una fracción de tamaño específica de
una muestra se hace relevante. Para este tipo de error, el número promedio de partículas,
sobre muchas muestras, estima la variancia del número de partículas en cada una de estas
muestras. Para una muestra individual, podemos aproximar la desviación estándar por la
raíz cuadrada del número de partículas presentes (o usar ecuaciones 5.3 y 5.4). Para menos
de 100 partículas, esta fuente de error se hará muy importante. La combinación de los s.d.s
de Whiten y el s.d. basado en número trabajará entonces razonablemente bien para todos
los tamaños. Para trabajo crítico, 5 (o más) reproducciones establecerán cual puede ser
utilizado como un modelo de error.
Las matemáticas detalladas del balance de masa están más allá del alcance de esta
monografía. Sin embargo, para ilustrar los principios generales, se derivaran las relaciones
básicas para un caso sencillo.
Para un único nodo como el ciclón analizado anteriormente, es sencillo derivar una
solución para la tasa de flujo basado en los datos de tamaño o ensayos. Considere un ciclón
como un nodo único, como se muestra en la Figura 5.15.
Figura 5.15: Balance de masa con datos multi-tamaño en cada corriente (fi, oi, ui)
∑ ( u − β ui ) + ( oi − (1 − β ) oi ) + ( fi − fi )
2 2 2
Minimizar (5.24)
i
i
128
Capítulo 5: Estudiando Circuitos de Trituración
∆ i = fi − β ui − (1 − β )oi (5.25)
ui + oi − f i = 0 (5.26)
∑ ( u − β u ) + ( o − (1 − β ) o ) + ( f − f i ) − 2∑ λi ( ui + oi − f i )
2 2 2
(5.27)
i
i i i i i
i
∑ (o − u )( f − o )
i
i i i i
β =− (5.28)
∑ (o − u )
i
i i
2
Esta solución asume que no se midieron variancias de datos y por consiguiente su valor es
uno. La manera usual de distribuir los errores de balance de masa, ∆i , entre los valores
medidos, para proporcionar valores ajustados que sean numéricamente consistentes a las
tasas de flujo calculadas, es como sigue:
∆i ∆i ∆i
f i = fi − ui = ui − oi = oi − (5.29)
2 2 2
que asume que los errores de medición son proporcionales a las tasas de flujo de masa en
cada corriente
129
Capítulo 5: Estudiando Circuitos de Trituración
En general, la precisión de la medición de los componentes no será igual. Por ejemplo, para
incorporar una estimación de la precisión para cada fracción de tamaño, es necesario
ponderar el error cuadrático del componente con la variancia apropiada σ i2 , en cuyo caso
la solución se transforma en:
(oi − ui )( fi − oi )
∑
i σ i2
β =− (5.30)
(oi − ui ) 2
∑i σ i2
Las ponderaciones Whiten mencionadas anteriormente son una alternativa a las varianzas
experimentales si estas últimas no están disponibles.
Existen, por supuesto, innumerables problemas que se pueden presentar durante el balance
de masa. Es posible, sin embargo, destacar algunos de los errores mas comunes. La única
manera de lograr un nivel de habilidad útil es practicar en un amplio rango de datos reales.
JKMBal ofrece un ambiente amistoso para lo que son técnicas matemáticas realmente
complejas y poderosas.
Las desviaciones estándar calculadas por el programa de balance de masa, para cada tasa de
flujo de sólidos, son análogas a las estimaciones precisión del parámetro por ajuste de
mínimos cuadrados, esto es, las tasas de flujo de corriente sólida son los parámetros de
balance de masa.
Existen varias maneras en que el usuario puede juzgar si los resultados son correctos o
incorrectos:
• Los valores resumidos en la parte inferior de la pantalla indican también el éxito del
balance. Pequeños valores en los campos SSQ estimados indican un buen balance;
valores grandes, un pobre balance. Si estos valores son menores en el balance más
130
Capítulo 5: Estudiando Circuitos de Trituración
Si los datos son consistentes y las estimaciones de error concuerdan, el SSQ será
aproximada mente igual al número total de puntos de datos (i.e. fracciones de tamaño y
ensayos) ajustado por JKMBal. Por ejemplo, un SSQ inferior a 60 para circuitos de
molienda del tipo mostrado en la Figura 5.1, representa un excelente balance.
• El ingeniero puede juzgar también el éxito relativo del balance mirando la pantalla de
Datos de Corriente (la opción Corriente del diagrama de flujo de Configuración de
Balance). Examine la columna Error. Los más útiles son el Error Ponderado y el Error
Relativo, versiones de la diferencia entre los datos para dimensionado calculados y
experimentales. Nótese que el SSQ es la suma de los errores ponderados a través de las
corrientes balanceadas.
• El balance de masa puede ser desarrollado una unidad (o pequeña cantidad de unidades)
a la vez. Esto permite que los datos de prueba sean cuidadosamente evaluados. Si las
condiciones del circuito cambian a medida que avanza el estudio, las secciones aguas
abajo que permanezcan estable, entregaran probablemente resultados inútiles.
Contabilidad Metalúrgica
Los datos recogidos diariamente de una planta de procesamiento de mineral rara vez son
consistentes y casi siempre contendrán información redundante. En general, dos métodos
de cálculo cualquiera entregarán diferentes resultados. El desafío para la contabilidad,
metalúrgica es producir datos ajustados que sean a la vez consistentes y una representación
lo mas exacta posible del desempeño de la planta,
131
Capítulo 5: Estudiando Circuitos de Trituración
Los modelos de simulación JKSimMet aspiran a una meta clara – la de separar las
características del mineral de aquellas de la máquina de proceso. Esto se logra
fundamentalmente a través del uso de parámetros del mineral y de la máquina. Los
Capítulos 6 – 10 y 12 describen en detalle la estructura de dichos modelos y cuales
parámetros deben ajustarse. Esta sección, sin embargo, resume la metodología típica para el
desarrollo de un modelo de simulación usando JKSimMet (ver también Figura 1.1).
Para estudios de optimización, se determinan los parámetros del mineral a partir de pruebas
de caracterización de mineral sobre muestras representativas, según se discute en el
Capítulo 4., Los parámetros de la máquina (e.g. tasas de rotura) se calculan a partir de los
datos del estudio. Una vez que los modelos han sido ajustados a un circuito existente, se
puede predecir con exactitud el comportamiento del circuito sobre un amplio rango de
condiciones operativas.
Habiendo decidido, a partir del análisis inicial de los datos o balance de masa, que los datos
de estudio son adecuados para el desarrollo de un modelo, es mejor partir con la unidad en
circuito abierto. Para un circuito como el mostrado en la Figura 5.1, esto significa
chancador, harnero, molino AG/SAG con tromel, chancador de pebble, molino de bola y
ciclón. Esto debiera proporcionar un conjunto de parámetros de modelo para cada unidad
en el circuito.
El JKMRC tiene acceso a una completa base de datos sobre modelos de proceso y la
librería de parámetros puede proporcionar una estimación inicial adecuada para los
parámetros requeridos.
132
Capítulo 5: Estudiando Circuitos de Trituración
El siguiente paso debe ser el ajuste en circuito cerrado del chancador/harnero, molino de
bola/ciclón, y molino AG/SAG/Tromel/chancador de pebble, usando los parámetros
determinados previamente para cada unidad de procesos. El ajuste en circuito cerrado
ayudará a reconciliar todos los datos de corriente en términos, no solo de producto de
circuito final, pero de cargas circulantes. Al hacerlo, las muestras de alimentación de
ciclón, que normalmente son de baja calidad, recibirán una menor prioridad comparado con
el ajuste en circuito abierto. Como JKSimMet no puede ajustar más de 10 parámetros a la
vez, solo se puede considerar un circuito cerrado por corrida.
Una vez que se han ajustado los circuitos cerrados, puede ser posible el ajuste fino del
modelo del circuito, combinando el mismo y ajustando secuencialmente los parámetros de
cada uno por turnos. Esto puede tomar algunas iteraciones, pero el modelo de circuito final
debiera ser superior al mismo construido con modelos de procesos ajustados en circuito
abierto. Como tal, el producto de circuito final y las cargas circulantes deben ser predichas
mejor a partir de la nueva alimentación.
5.7 CONCLUSIONES
1. Definir los objetivos del estudio e identificar las unidades que se estudiarán.
5. Análisis y balance de masa de los datos; rechazar datos pobres o dudosos y medir
nuevamente si es necesario.
6. Usar los datos definidos según los objetivos, e.g. para estimación de parámetros, como
‘caso base’ para simulaciones, o para confirmar que se han logrado las mejoras
esperadas.
133
Capítulo 5: Estudiando Circuitos de Trituración
Este capítulo ha proporcionado los métodos y guías que permitirán emprender estudios
adecuados. Deben seguirse donde sea posible.
134
CAPITULO 6
CHANCADORES
6.
6.1 INTRODUCCIÓN
Los primeros chancadores, que de alguna manera se parecían a los actuales, fueron molinos
de trituración y molinos de molienda de harina de trabajo pesado. Los de mayor interés en
tiempos recientes han sido:
• Chancadores de mandíbula
• Chancadores giratorios
• Chancadores de cono.
Todos los tipos de chancador producen reducción de tamaño. Sin embargo, pueden ser
usados en diferentes roles y en combinación con harneros de distintos tipos (Sección 12.3).
En orden de uso decreciente, estos incluyen
135
Capítulo 6: Chancadores
• control de tamaño máximo con mínima producción de finos – para commodities como
hierro oro y carbón.
136
Capítulo 6: Chancadores
el resultado está limitado por la menor área de sección transversal. Más aún, apenas se
produzca una partícula menor que la separación del costado cerrado, ciertamente caerá a
través, es decir, no hay oportunidad para rotura adicional.
Los chancadores giratorios y de cono proporcionan una solución geométrica elegante para
este problema, por medio de envolver el perfil del chancador de mandíbula alrededor de un
eje central. Esta dimensión extra permite que el área de sección transversal disponible
aumente a separaciones más finas haciendo el cono más plano. Este cono bajo ofrece
oportunidades para impactos múltiples.
• dimensión de la garganta
• configuración lado abierto (mayor caída a través de la abertura)
• configuración lado cerrado (abertura mínima) – esta se puede ser fija o continuamente
variable en línea, dependiendo del modelo de chancador
• recorrido
• dimensiones revestimiento
137
Capítulo 6: Chancadores
Nótese que si las partículas están choke fed, las dimensiones efectivas de la cámara de
chancado pueden variar marcadamente.
138
Capítulo 6: Chancadores
Por conveniencia matemática, este diagrama de flujo puede colapsarse a un circuito cerrado
único como se indica en la figura 6.5.
Es fácil ver que un grado constante de reducción producirá un f10 y una distribución de
tamaño de producto relativamente constante. En consecuencia, cuando un mineral ha sido
caracterizado por medio de una prueba de rotura (como la prueba del péndulo de JKMRC o
de caída de peso), solo es necesario especificar t10 para generar una distribución de tamaño
de producto o función de rotura.
139
Capítulo 6: Chancadores
x = f + BCx (6.1)
x = p + Cx (6.2)
Combinando las ecuaciones 6.1 y 6.2 se obtiene la ecuación del modelo de chancador de
Whiten (1972):
p = (I-C)*(I-BC)-1*f (6.1)
donde I = la matriz unitaria (una matriz diagonal con todos los elemen-
tos de la diagonal iguales a la unidad, y el resto cero)
Para aquellos que han considerado el modelo de bola de mezcla perfecta descrito en
Capítulos 2 y 9, esto puede parecer muy familiar.
140
Capítulo 6: Chancadores
Whiten (1972b) describió esta selección por medio de la siguiente función (Figura 6.7).
C ( x) = 0.0 x < K1
K3
K2− x
C ( x) = 1.0 - K1 < x < K 2 (6.4)
K 2 − K1
C ( x) = 1.0 x > K2
En consecuencia, K1 se interpreta como el tamaño por debajo del cual todas las partículas
reportan directamente a producto. K2 es el tamaño sobre el cual todas las partículas
reportan a rotura. K3 describe la forma de la función de clasificación que define la
probabilidad de que partículas de tamaño intermedio reporten a rotura. K1, K2 y K3 son
parámetros de modelo determinados por una técnica de ajuste no lineal y luego
relacionados a condiciones operativas por regresión lineal múltiple. En un amplio rango de
casos estudiados, se ha encontrado que K3 se puede mantener constante con un valor 2.3.
La ecuación 6.4 es normalmente, en consecuencia, solo una función de dos parámetros.
El modelo original de Whiten utilizaba tres maneras de calcular la energía. Estas eran:
141
Capítulo 6: Chancadores
Cualquiera o las tres pueden, en principio, ser utilizadas en una ecuación de regresión para
predecir el consumo de energía.
Con el fin de utilizar el modelo de chancador para predecir el tamaño de producto, se deben
encontrar los valores para K1-K3 en la función de clasificación (ecuación 6.4) y la función
de rotura, B. Sustituyendo en la ecuación 6.3 proporcionará entonces una distribución de
tamaño de producto (p), dada una distribución de tamaño de alimentación determinada (f).
Los signos de los parámetros en las ecuaciones 6.5 y 6.6 muestran las tendencias esperadas
con los valores dominantes de la configuración del chancador, rendimiento y tamaño de
alimentación. Ambas variables siguen con fuerza la configuración del chancador. K1, el
tamaño bajo el cual todas las partículas escapan de la rotura, disminuye a medida que
aumenta el tonelaje. Existe evidencia que K2, el tamaño sobre el cual todas las partículas
142
Capítulo 6: Chancadores
son chancadas, puede aumentar o disminuir con el tonelaje. K1 y K2 tienen a menudo una
débil dependencia del grado de grosura de la alimentación F80. El factor de grosura de la
alimentación, F80, es de algún modo dependiente de la aplicación. Esto es, será
influenciado por el perfil de revestimiento y pendiente efectiva del chancador, como
también, por el ajuste y separación del lado cerrado.
Resulta ser que los minerales y rocas de cantera más frágiles se rompen en chancado de una
manera similar (a diferencia de su comportamiento en molinos AG/SAG y molinos de bola)
y pueden representarse por un único conjunto de curvas-t. La Tabla 6.1 proporciona la
función de apariencia por defecto de JKSimMet para el mineral base y minerales
diamantinos estudiados por Andersen (1988) (cf. Tabla 4.8, los valores por defecto
equivalentes para el modelo de molino AG/SAG). Esta información es representada en el
modelo por medio de funciones spline, con los nudos spline a valores de t10 de 10, 20 y
30%. Se debe tener cuidado, sin embargo, durante el chancado de minerales inusuales; en
dichos casos se debe obtener una nueva función de apariencia usando los métodos descritos
en el Capítulo 4.
143
Capítulo 6: Chancadores
Para datos razonables, este modelo es fácil de ajustar y sorprendentemente útil y las
ecuaciones de regresión 6.5, 6.6 y 6.8 permiten acomodar un amplio rango de condiciones
de chancado. Una medición de energía, mas la energía de no carga (Pn), permite calcular la
constante de eficiencia, A, en el modelo de energía del chancador (Sección 11.2.4).
144
Capítulo 6: Chancadores
Estos chancadores imparten una alta velocidad a las partículas por medio de una tornamesa
rotatoria. Las partículas lanzadas son impactadas contra yunques (o un lecho de otras
partículas), y el producto cae desde estos yunques.
145
Capítulo 6: Chancadores
energía cinética
Entrada de energía por partícula =
masa
2 2
1/ 2mv 1/ 2mv
= = kWh / t (6.9)
m 3600
Como se describió en el Capítulo 4, la relación entre energía (Ecs) y rotura del chancador
(T10) se puede describir como:
A y b son parámetros ajustados a los datos de función de apariencia Ecs obtenida del
dispositivo de prueba de péndulo o caída de peso (Sección 4.5.3).
Pruebas en una cantera con el chancador Canica Model 100 VSI (Kojovic 1994)
proporcionaron un rango de valores T10 ajustados utilizando el modelo de chancador
(Sección 6.7) de 8.9-12.1 (promedio 10.6%). Cuando se ajusta el modelo a las máquinas
VSI, K1 se establece generalmente a cero ya que todas las partículas se romperán
independientemente del tamaño.
La velocidad del rotor fue 1100 rpm y el radio del rotor 0.483m, proporcionando una
energía de impacto estimada, Ecs, de 0.43 kWh/t (ecuación 6.9). Las pruebas de rotura
sobre la roca de basalto duro tratado dieron A=33.1 y b=0.88. Sustituyendo estos valores en
la ecuación 4.22 da T10= 10.4%, lo que coincide bien con aquel ajustado a los datos
operativos. Es posible, en consecuencia, predecir T10 solamente a partir de la velocidad y
el diámetro del rotor VSI y de las características de rotura de la roca. T10 puede entonces
utilizarse para predecir la distribución del tamaño del producto a partir de la función de
apariencia.
146
Capítulo 6: Chancadores
Los chancadores de impacto de eje horizontal, mostrado en la figura 6.9, son llamados
habitualmente molinos de martillo. La alimentación se vierte en un conjunto de brazos
basculantes (martillos o agitadores). Estos brazos impactan las partículas y ya sea las
rompen o las arrojan contra una plancha rompedora.
Figura 6.9: Vista esquemática del chancador de impacto de eje vertical Svedala
Para máquinas de descarga abierta, el producto simplemente cae fuera. Como estas son
literalmente o partículas golpeadas o partículas omitidas, existe una amplia diferencia entre
K1 y K2. Obviamente, el T10 único también es un débil supuesto para este tipo de
chancador. Sin embargo, el modelo estándar proporciona usualmente una buena descripción
con valores típico de T10 de 15-25.
147
Capítulo 6: Chancadores
Los chancadores de rodillo dentado, mostrado en la Figura 6.10, se usan comúnmente para
rotura de carbón. Proporcionan una rotura extrema con valores altos de T10, a bajas tasas
de alimentación. K1 y K2 corresponden aproximadamente a las separaciones entre rodillos
y dientes respectivamente, con valores de T10 en el rango 20-35. A altas tasas de
alimentación se produce choke feed., K1y K2 disminuyen rápidamente y T10 aumenta
sustancialmente.
Figura 6.8: Vista esquemática del chancador de rodillo de doble dentadura BJD
El rodillo de molienda de alta presión (HPGR), también conocido como prensa de rodillo o
molino de rodillo, fue inventado por Klaus Schönert en Alemania, como resultado de su
investigación fundamental sobre fractura de roca (Schönert 1988). El dispositivo ha sido
usado mas extensamente en chancado de clinquer de cemento en Europa, pero está
comenzando a encontrar aplicación en el procesamiento de minerales. Una de las primeras
aplicaciones de este tipo fue en procesamiento de mineral de diamante en el sur de África y
posteriormente en Australia, donde se demostró que el dispositivo ofrecía cierto grado de
liberación selectiva del diamante, desde la roca huésped. Sin embargo, la principal
148
Capítulo 6: Chancadores
Los hidráulicos están ajustados para entregar una presión determinada al lecho de partículas
que pasa a través de la máquina, comprimiéndolas a una densidad mayor de 70% en
volumen. Esta presión (o fuerza), que usualmente excede los 50 mPa, controla la reducción
de tamaño en la máquina.
El material sale como un aglomerado comprimido que debe ser desaglomerado antes de
cualquier procesamiento posterior. Se debe tener especial cuidado en hacer esto
correctamente cuando se determina la distribución de tamaño de producto.
149
Capítulo 6: Chancadores
El rendimiento está controlado principalmente por las dimensiones, velocidad y perfil del
rodillo y características del material, como tamaño, dureza y fricción partícula-rodillo (y
por ende ángulo de contracción). El perfil y material de la superficie del rodillo es
importante para controlar tanto el desgaste como el rendimiento de la máquina y varias
opciones son ofrecidas por los distintos fabricantes.
Los procedimientos de modelado y escalamiento de dominio público para HPGR están aun
en pañales, pero una metodología que ha probado ser útil se ha derivado de la observación
de Fuerstenau et al (1991) respecto a que las distribuciones de tamaño de producto HPGR
son’similares entre si’ cuando se grafican como adimensionales (tamaño/mediana tamaño).
Dichas distribuciones caen en una única curva para la cual se puede modelar la mediana del
tamaño, como una función de la energía de molienda específica. La curva puede describirse
por la función (Lim et al 1994):
100 1 − exp A( x / X 50 p )
( m ( x / X 50 p ) + n )
F(x) = (6.10)
X50f/X50p = aE b + 1 (6.11)
150
Capítulo 6: Chancadores
• Condición de alimentación
Para una sencilla protección contra sobrecarga, los chancadores de cono usan normalmente
resortes de compresión o presión hidráulica. Estos tienen problemas en circuito cerrado ya
que un ‘rompedor’ potencial podrá pasar a través del chancador y ser reciclado hasta que
efectivamente rompa algo.
El ajuste o separación del chancador se prueba con un ‘plomo’ confeccionado con un trozo
de plomo o una tubería plástica deformable. El espesor mínimo de este ‘sensor’ luego de
pasar a través del chancador indica el ajuste efectivo del lado cerrado bajo condiciones de
no-carga. El lado cerrado es fácil de ajustar ya sea bajando el tazón o subiendo
hidráulicamente el manto. Sin embargo, a menudo los sistemas de resorte e hidráulico
permiten que el ajuste del lado cerrado aumente bajo carga. Si K1 y K2 están aumentando
con el rendimiento (en vez de disminuir), el chancador se está abriendo bajo carga y puede
ser necesario resortes más pesados o una respuesta hidráulica más robusta.
Incluso con dureza uniforme, es difícil predecir los patrones e interacciones de desgaste.
Los diseños evolucionan habitualmente hasta imitar un modo de desgaste que sea percibido
151
Capítulo 6: Chancadores
Los objetivos del proceso determinan la configuración del circuito y los objetivos
operacionales. Para chancadores que producen alimentación para molinos de bola, es
esencial un buen control de la tasa y tamaño de alimentación. En consecuencia, la
alimentación debe ser separada y alimentada al chancador desde un depósito de
compensación como en la Figura 6.12. Un buen choke feed y control promueve una
máxima reducción de tamaño, mínimo desgaste y buena forma.
152
Capítulo 6: Chancadores
Los circuitos de chancado para mínima producción de finos, con control de tamaño máximo
deben evitar el choke feed y deben usar radios de reducción relativamente bajos. Es fácil
demostrar con el modelo Andersen/Whiten, que varias pequeñas etapas de reducción
minimizarán la producción de finos a menos que el mineral sea tan frágil que cada etapa de
manejo de materiales produzca finos. En este caso, el mínimo manejo se transforma en el
criterio.
El mejor circuito es muy parecido excepto que el control de alimentación es usado para
garantizar reducción por pequeñas etapas y evitar absolutamente el choke feed. Vale la
pena destacar que este objetivo es fundamentalmente incompatible con el rendimiento
máximo. Además, si hay serios castigos por producción de finos, una especificación de
producto levemente más gruesa será de mucha ayuda. Para materiales más blandos, puede
ser útil considerar un clasificador o una combinación chancado/harnero.
153
CAPITULO 7
MOLINOS AUTÓGENOS Y SEMIAUTÓGENOS
7.
7.1 INTRODUCCIÓN
A lo largo de los años han proliferado los diseños de molinos AG y AG como también, los
circuitos en que están instalados, con una tendencia de distintos países campeonando
distintos diseños. Este capítulo describirá algunas de estas diferencias, como también, los
principios de operación subyacentes en molinos AG y SAG, que son básicamente comunes
a todas sus variantes.
154
Capítulo 7: Molinos Autógenos y Semiautógenos
Los molinos se clasifican habitualmente por el radio de aspecto (radio diámetro a longitud)
de sus carcasas y el método por el cual descargan su producto slurry. Además, los
elementos internos como elevadores y revestimientos variarán en términos de su forma y
material de que están compuestos.
155
Capítulo 7: Molinos Autógenos y Semiautógenos
Una característica distintiva de muchos molinos de radio aspecto alto, especialmente las
unidades de mayor diámetro, es su extremo cónico en vez de plano. Esto se debe a
consideraciones estructurales. En la Figura 7.2 se muestran esquemas de molinos con
extremo cónico y plano. La existencia de los extremos cónicos genera mucha confusión
sobre la longitud del molino, ya que varía desde aquella en la sección cilíndrica a aquella
cerca del eje. La confusión surge del término ‘Longitud de Molienda Efectiva’ o EGL el
cual es habitualmente citado por los fabricantes de dichos molinos, pero que no tiene una
definición aceptada ampliamente. En realidad, las carcasas de estos molinos tienen dos
extremos de longitud, por lo que un valor único como EGL es inadecuado.
En la operación el molino es llenado con roca y carga de bolas las cuales, dependiendo de
su nivel, describirán una longitud ‘efectiva’. Como la cantidad de carga varía, lo hará
también la longitud efectiva (Figura 7.3). De esto podemos concluir que no existe tal cosa
como una longitud efectiva para un molino dado, sino que una variable que depende del
volumen de carga. Para evitar confusiones, una convención adecuada sería citar las
longitudes de moneda, mínima y máxima, con el diámetro correspondiente al cual es
medida dicha longitud máxima.
156
Capítulo 7: Molinos Autógenos y Semiautógenos
Todos los molinos AG y SAG se basan en una parrilla de acero o goma para retener los
medios de molienda, a la vez que permiten el escurrimiento del slurry de producto fuera del
molino. El área abierta total, tamaño, forma y posición de los agujeros varía
considerablemente de instalación a instalación, como se indica a continuación:
• área abierta - 2-12% del área de sección transversal del molino en diseños de
elevadores de taza y hasta 25% en diseños de descarga.
• tamaño - 10-40mm para parrillas
- 40-100mm para puertos de pebble
• forma - cuadrada, redonda o ranurada, usualmente con una estrechamiento en
punta para reducir la incidencia de material de trámalo parecido
se atasque en los agujeros.
• posición - a varias distancias radiales en una estructura tipo diafragma aproximada-
mente paralelo al extremo del molino, o instalado en una banda estrecha
paralelo a la carcasa del molino al extremo del molino (ver Figura 7.4).
Esta última disposición se conoce como una parrilla redescarga periférica
(Figura 7.4b) pero no se encuentra habitualmente en aplicaciones de
procesamiento de mineral.
El diseño de parrilla más común en uso es el de estilo de diafragma, el cual puede dividirse
a su vez en dos grupos principales los cuales reflejan la manera en la cual se remueve el
slurry, una vez que fluye a través de la parrilla, a saber,
• Descarga en el extremo
• Descarga con elevador de cuchara
En el primer caso, el extremo del molino está completamente abierto apoyándose sobre
rodamientos ‘deslizantes’ (Figura 7.4a). El slurry puede, por consiguiente, fluir hacía fuera
del molino por gravedad. En el segundo caso, se instala un trunion de descarga. El slurry
debe salir vía trunion y por ende es dirigido hacía allí por medio de los llamados elevadores
de ‘cuchara (Figura 7.4c). Estas pueden tener una variedad de formas, pero se pueden
considerar como actuando como una rueda de paleta la cual rota junto con el molino. Las
paletas levantan el slurry que ha pasado por la parrilla. A medida que las paletas siguen
rotando, el slurry se desliza hacia abajo en dirección al trunion y es deflectado a través de el
por un cono.
157
Capítulo 7: Molinos Autógenos y Semiautógenos
Con el fin de evitar el desgaste de la carcasa del molino, debido al impacto de bolas y roca,
se reviste el interior con un material resistente a desgaste, normalmente acero o goma o
goma con insertos de acero. El grado del acero o goma se elige para ajustarse a las
condiciones de rotura predominantes en el molino. En molinos autógenos, por ejemplo, si
se utilizan revestimientos de acero se elegirá un grado duro para una buena resistencia al
desgaste pero con menos resistencia a la energía de alto impacto. Sin embargo, debido a la
presencia, en los molinos SAG, de bolas de acero de hasta 150mm de diámetro es
imperativa la resistencia al impacto de alta energía y se requiere un acero menos duro pero
de mayor resistencia. Además de los revestimientos, también se instalan secciones elevadas
o elevadores para proporcionar levante a la carga a medida que rota el molino. Sin
elevadores, la carga tiende a deslizarse contra los revestimientos proporcionando poco
levante y rápido desgaste abrasivo. Se experimentan efectos similares con revestimientos
muy desgastados. En consecuencia, el reemplazo regular de los revestimientos es
imperativo.
158
Capítulo 7: Molinos Autógenos y Semiautógenos
159
Capítulo 7: Molinos Autógenos y Semiautógenos
Al igual que distintos diseños de molino tienden a ser favorecidos por diferentes países,
también lo son las configuraciones de circuito. Por ejemplo, en la industria del oro
sudafricana, es práctica común un molino AG o SAG en circuito cerrado, con un ciclón
para producir una molienda final. Esto contrasta con Australia donde es más popular un
molino SAG en circuito abierto, seguido de un molino de bola en circuito cerrado. No es la
intención de este capítulo describir todos los distintos circuitos de molienda en operaciones
alrededor del mundo. Sin embargo vamos a revisar algunas de las configuraciones de
circuito de molino AG/SAG más comunes.
160
Capítulo 7: Molinos Autógenos y Semiautógenos
cambiado producción por una molienda más fina. Sin embargo, hay situaciones donde,
siempre que el clasificador no entregue un punto de corte muy fino y por ende recicle un
gran volumen de mineral, la producción no se ve comprometida.
Figura 7.6a: Configuración de circuito ‘abierto’ Figura 7.6b: Configuración de circuito ‘abierto’
– retorno externo del sobretamaño – retorno interno del sobretamaño
Figura 7.6c: Configuración de circuito cerrado Figura 7.6d: Configuración de reciclo del
chancador
161
Capítulo 7: Molinos Autógenos y Semiautógenos
Algunos circuitos han sido ensayados usando tanto un clasificador de finos como un
chancador de reciclo para cerrar el molino. Ya que la acción del chancador de reciclo es
remover las rocas del molino, las cuales son importantes como medio de molienda para las
partículas más finas, operar también con un clasificador de finos produce una aglomeración
de material tipo arena. Esto puede conducir a una caída en la producción y en consecuencia,
anular la ventaja dada por el chancador de reciclo.
En todas las configuraciones mostradas, el molino puede operarse de modo autógeno o con
la adición de pebbles duros (un molino de pebbles) o bolas de acero (semi-autógeno). Sin
embargo, cuando se usa un chancador de reciclo con un molino SAG y debido a que los
puertos de pebble también permiten que las bolas aceros abandonen el molino, se debe
utilizar un sistema de remoción de bolas de acero, tal como un electroimán, para evitar que
entren al chancador.
Una de las claves para entender como trabajan los molinos AG y SAG es entender la
aglomeración y movimiento de la carga. En molinos de bolas la carga está compuesta
primordialmente por bolas de acero relativamente gruesas y partículas de mineral
relativamente finas. Debido a la dureza de las bolas de acero estas se desgastan en el
molino lentamente y de una manera predecible. Esto conduce a un volumen de carga de
molienda y distribución de tamaño constante, esta última siguiendo un patrón que es similar
para la mayoría de los molinos. En consecuencia, el rendimiento de un molino de bolas es
fácil de predecir. Esto contrasta fuertemente con los molinos AG y en menor grado con los
molinos SAG, en los cuales la distribución de tamaño de alimentación y la dureza del
mineral dictan el volumen y distribución de tamaño de los medios de molienda. También
existen diferencias entre molinos de bolas y molinos AG/SAG en términos de los
mecanismos de rotura que predominan en cada una como también en el transporte de
slurry.
162
Capítulo 7: Molinos Autógenos y Semiautógenos
El Modelo de Proceso
pi = di si (7.2)
163
Capítulo 7: Molinos Autógenos y Semiautógenos
di = dci (7.3)
L = m1 F m 2 (7.3)
xi = tamaño i
7.4.2 Rotura
En general se considera que en el interior de los molinos AG/SAG operan tres mecanismos
de rotura: abrasión, desgaste e impacto.
Sus definiciones varían en la literatura de manera que hay que proporcionar una descripción
de cada uno. Están ilustradas en forma esquemática en la Figura 7.9. La abrasión se percibe
como un fenómeno superficial que resulta cuando dos partículas se mueven paralelas al
plano de contacto. Pequeñas piezas de cada una se rompen o rajan de la superficie dejando
164
Capítulo 7: Molinos Autógenos y Semiautógenos
165
Capítulo 7: Molinos Autógenos y Semiautógenos
rotura por abrasión y desgaste. La frecuencia con la cual se produce dicho rotura dependerá
de la cantidad y velocidad relativa de las capas. A su vez estas dependerán de la velocidad
del molino y de la distribución de tamaño de la carga
166
Capítulo 7: Molinos Autógenos y Semiautógenos
En la ecuación 7.1 la frecuencia de rotura se describe por medio de una tasa de rotura (ri), la
cual puede definirse como el número de colisiones de rotura por partícula por unidad de
tiempo (Morrel 1989). Esta tasa varía con el tamaño de la partícula, como también, con las
condiciones operativas. En la Figura 7.12 se muestra un ejemplo de una distribución de tasa
de rotura típica. Son especialmente relevantes los puntos máximo y mínimo de la curva. Se
estima que estos puntos representan los límites, respecto del tamaño, de los distintos
mecanismos de rotura que ocurren dentro del molino.
Figura 7.11: Gradiente de velocidad angular en un molino de laboratorio de 0.3 m x 0.15 m (DxL);
llenado del molino = 30%; velocidad en el rango 73-95% de la crítica
La rotura por abrasión, ya sea producida por la acción de fricción en la carga principal o por
una baja energía de impacto en el talón, afecta predominantemente a las partículas más
gruesas, las que incluyen a los medios de molienda. Siendo un fenómeno superficial se
concluye que su frecuencia por partícula (tasa de rotura) se reducirá a medida que
167
Capítulo 7: Molinos Autógenos y Semiautógenos
Además de los altos niveles de energía específica generados a medida que el tamaño de
partícula se reduce, también aumenta su capacidad de ser aplastada y quebrada por
partículas más gruesas. El efecto combinado es que la tasa de rotura aumenta a un máximo,
usualmente en el rango de 2.5-5mm. A tamaños más pequeños, la tasa de rotura comienza
nuevamente a disminuir. Se cree que esto sucede por al menos dos factores. El primero se
relaciona con el creciente número de partículas en las fracciones de tamaño más pequeñas.
Los medios de molienda proporcionan un número finito de lugares en que puede producirse
la rotura. Estas son ‘compartidas’ entre las partículas más finas. Como la tasa de rotura está
expresada como la frecuencia de rotura por partícula es obvio que si aumenta el número de
partículas, la tasa de rotura debe disminuir.
168
Capítulo 7: Molinos Autógenos y Semiautógenos
Para que el molino no se sature y el slurry se vacíe por el extremo de alimentación, debe
permitir que los productos de rotura fluyan hacia afuera de la parrilla a una tasa
suficientemente alta. Si el molino tiene elevadores de paleta, también deben tener suficiente
capacidad para remover todo el material que fluye a través de la parrilla.
v2
gh = (7.6)
2
En consecuencia la tasa de flujo volumétrica de salida del agujero viene dada por:
q = a 2 gh (7.7)
169
Capítulo 7: Molinos Autógenos y Semiautógenos
Está claro de la ecuación 7.7, que la salida del estanque de un flujo aumentado resultará en
un aumento en el área de sección transversal del agujero o en la altura del fluido sobre el
agujero. En el primer caso puede aumentarse el tamaño del agujero o aumentar el número
de agujeros en el tanque o ambos. En el segundo caso, el estanque puede ser llenado hasta
una altura más alta o se puede bajar la posición del agujero o ambos.
Figura 7.14; Esquema del flujo observado de salida de la parrilla a diferentes tasas de flujo
170
Capítulo 7: Molinos Autógenos y Semiautógenos
Q = kJp aγ b A cφ d De (7.6)
El parámetro γ es una posición radial ponderada expresada como una fracción del radio
del molino como sigue:
γ =
∑ r area
i i
(7.6)
r ∑ area
m i
Por definición, γ yace en el rango 0-1. Los molinos en que las aberturas están
posicionadas en la sección exterior de las parrillas tendrán un mayor valor de γ. Como
consecuencia, dejarán pasar mayores cantidades de slurry para un hold-up dado, debido a la
mayor carga de fluido sobre las aberturas de la parrilla, como también a la mayor cantidad
de aberturas que estarán sumergidas.
A partir de datos de molino de laboratorio usando agua, se encontró que los exponentes y
constantes en la ecuación 7.8 variaban dependiendo si el flujo era vía los medios de
molienda o vía zonas de pozas. En los molinos, por cierto, el flujo es slurry y no agua. Ya
que las aberturas pueden ser tan grandes como 100mm (puertos de pebble), el slurry
contendrá rocas hasta ese tamaño. No se puede espera que ese material se comporte como
171
Capítulo 7: Molinos Autógenos y Semiautógenos
un fluido. En consecuencia, surge la pregunta de cual fracción del slurry de descarga puede
considerarse que actúa como fluido y cual fracción actúa como sólido. Una definición
apropiada para esta división surge del análisis de la tasa de descarga de molinos
operacionales.
Figura 7.15: Tasa de descarga vs tamaño para molino SAG de Alcoa Pinjarra
Leung (1987) sugirió que la tasa de descarga vs relación de tamaño podía describirse
suponiendo que el slurry de descarga consistía de dos fracciones. Una de estas se
comportaba como agua y podía representarse por una sección cercana a la horizontal del
gráfico de la Figura 7.16. La segunda fracción, estaba sometida al efecto de clasificación de
la parrilla y por ende se consideró que su comportamiento era más parecido al de un sólido.
Fue representada por los tamaños asociados al tramo con pendiente del gráfico de tasa de
descarga. En el espacio logarítmico este se extendía en una línea recta desde el tamaño de
la apertura de la parrilla (xg) a un tamaño (xm) que representaba la división entre el fluido y
las fracciones sólidas. (Figura 7.16).
Como por definición todas las partículas < xm se comportan como agua, se esperaría que el
slurry conteniendo agua y estas partículas debiera obedecer la ecuación 7.8. Usando datos
de molinos de escala completa y piloto, en donde se midieron los contenidos y tasa de flujo
del slurry, se aplicó la ecuación 7.8 a molinos industriales, obteniendo las siguientes dos
relaciones. La primera describe el flujo que se produce a través de la zona de medios de
molienda mientras que la segunda se relaciona con el flujo a través de la zona de
apozamiento.
172
Capítulo 7: Molinos Autógenos y Semiautógenos
173
Capítulo 7: Molinos Autógenos y Semiautógenos
pxm
d xm = (7.12)
sxm
Como pxm = Qm
y sxm = J pg π D 2 / 4 diámetro del molino
entonces, las ecuaciones 7.10 y 7.11 pueden utilizarse para calcular dxm. También se puede
calcular los valores di para el rango de tamaño de partícula –xg+xm utilizando la
simplificación ilustrada en la Figura 7.16. Determinando el valor de di es posible obtener la
solución de las ecuaciones 7.1 y 7.2, permitiendo la predicción de la carga y producto del
molino.
Aunque la metodología anterior es útil para fines de modelado matemático, tiene un menor
valor directo cuando se requiere la capacidad de tasa de flujo de la parrilla, para un diseño
de molino y parrilla dado. Sin embargo, las ecuaciones 7.10 y 7.11 pueden utilizarse
fácilmente para este propósito. En consecuencia, dado un nivel operacional de slurry en el
molino, es posible calcular la tasa de flujo de agua y sólidos < xm (Qm y Qi). Para dar cuenta
de los sólidos gruesos que también fluyen hacia afuera de la ‘parrilla’ se requiere aumentar
estos valores, en consecuencia
Q = k g (Qm + Qi ) (7.13)
174
Capítulo 7: Molinos Autógenos y Semiautógenos
Aberturas kg
Parrillas solamente; < 19mm……………………………………….….1.05-1.1
Parrillas solamente; 19-38mm…………………………………………1.1-1.15
Parrillas solamente; > 38mm /puerto de pebbles………………………1.15-1.25
Debe destacarse que a medida que aumenta el número de puertos de pebble, aumentará el
valor de kg. Normalmente, cuando el área abierta de los puertos de pueble sea al menos
igual al de las parrillas, el valor para kg debiera ser alrededor de 1.25.
7.5.1 Generalidades
Para ayudar a comprender como operan los molinos AG/SAG, es instructivo comenzar con
una sencilla descripción paso a paso sobre como responden dichos molinos cuando se
introduce alimentación durante su partida. Se asume que el molino esta en modo AG y que,
inicialmente, está corriendo vacío de cualquier carga. La alimentación se inicia a una tasa
fija con un radio mineral:agua y distribución de tamaño de alimentación constante.
• Como la carga inicial del molino incluye alimentación nueva, la naturaleza angular,
especialmente de las rocas más gruesas, puede resultar en una rotura relativamente
rápida de estas rocas por abrasión. El producto de esta rotura será básicamente piezas
gruesas astilladas en sus bordes. Se empezará a notar un tamaño de partícula un tanto
gruesa en la descarga del molino.
175
Capítulo 7: Molinos Autógenos y Semiautógenos
• Una vez que los bordes de la alimentación de roca gruesa hayan sido desgastados, se
empezaran a formar ‘supervivientes’ muy competentes de forma esférica. Como serán
mayores que las aberturas de la parrilla se aglomeraran en el molino La tasa a la cual se
rompen por abrasión estos ‘supervivientes’ será menor que la de la alimentación nueva
y, por consiguiente, la tasa a la cual se llena el molino comenzará a acelerarse. Como la
carga incluirá de manera creciente estas rocas supervivientes, la tasa de aumento del
flujo de sólidos saliendo del molino también se reducirá, mientras el tamaño de
partícula del producto se puede hacer más fino. El volumen de carga y por ende el
consumo de energía continuará aumentando.
• Aunque las rocas ‘supervivientes’ más grandes han estado rompiéndose a una tasa
menor que la nueva alimentación, se llegará eventualmente a un punto en que los
primeros entrantes al molino se habrán desgastado hasta el rango de tamaño 25-50mm.
En ese momento, algunos comenzarán a romperse por el impacto de las colisiones con
las rocas más grandes cayendo sobre ellas. Dicha rotura causara una importante
reducción en el tamaño de estas partículas lo que permitirá ahora que escapen del
molino vía las parrillas. El volumen de carga continuará aumentando y también lo hará
el consumo de energía pero en menor grado.
176
Capítulo 7: Molinos Autógenos y Semiautógenos
Debe ser obvio de esta descripción, que cualquier cambio en la tasa de alimentación,
distribución de tamaño de alimentación o dureza de alimentación perturbará el equilibrio en
el molino y ocasionará oscilaciones en su comportamiento, las que requerirán de tiempo
para decaer. En consecuencia, el control de estas tres variables es muy importante. Sin
embargo, aunque la tasa de alimentación usualmente es controlada relativamente bien, se ha
encontrado consistentemente que las variaciones en el tamaño de la alimentación y la
dureza de la alimentación, son los dos principales problemas individuales a que se
enfrentan los operadores de molinos AG/SAG, en su intento de operar un molino estable
bajo condiciones óptimas.
También debe ser evidente que el volumen de carga y el consumo de energía están
fuertemente ligados y que ambos son afectados por la tasa de alimentación (Figura 7.17).
Bajo condiciones normales, en consecuencia, si se aumenta la tasa de alimentación, se
producirá un aumento en el volumen de carga del molino con el consiguiente aumento en el
consumo de energía. De manera similar, si aumenta la dureza del mineral, no se romperá
tan rápido en el molino y por consiguiente el volumen de carga y por ende el consumo de
energía aumentará. Por tanto, el consumo de energía no varía en respuesta directa a la tasa
de alimentación, dureza del mineral o cualquier otra influencia externa. Es la carga la que
cambia. La energía cambia posteriormente de acuerdo con la carga. Es muy importante
entender esta relación ya que tiene consecuencias respecto del control y la determinación
del límite de capacidad de producción de los molinos-. (ver también el Capítulo 10)
177
Capítulo 7: Molinos Autógenos y Semiautógenos
178
Capítulo 7: Molinos Autógenos y Semiautógenos
Sin embargo, luego de estudiar muchos molinos piloto y de escala completa, algunas
tendencias son evidentes (Morrel et al 1994). Una de las principales es que los molinos AG
y SAG responden de distinta manera a los cambios en la alimentación. En un molino AG la
distribución de tamaño de alimentación proporcionará, idealmente, rocas lo bastante
grandes para generar energía cinética suficientemente alta para romper las rocas menores.
Simultáneamente, se debe proporcionar un número adecuado de rocas grandes para
garantizar que se mantenga una frecuencia de colisiones de rotura suficientemente alta. El
número de rocas y la distribución de tamaño de alimentación están claramente
interrelacionadas y se debe mantener un equilibrio entre ambos factores para lograr un
rendimiento óptimo. Sin embargo, en general, el rendimiento del molino AG mejora con
alimentación más gruesa.
En molinos SAG, especialmente aquellos con cargas de bola relativamente altas, se observa
exactamente lo contrario (Morrel 1992). Esto se puede explicar por el rol dominante que
tiene una carga de bola relativamente grande en dictar la naturaleza de la carga de los
medios de molienda. A medida que aumenta el volumen de medios de molienda bola, la
contribución de los medios de molienda roca disminuye. Una alimentación de rocas más
gruesas, en consecuencia, aportara poco en cuanto a medios de molienda y por el contrario
simplemente proporcionará una sobrecarga de roca que requiere ser molida. En estas
circunstancias, una reducción del tamaño de alimentación disminuirá la sobrecarga de
molienda.
Esta última situación se refleja en el rendimiento de los molinos de bola, donde una
disminución en el tamaño de alimentación resultará invariablemente en un aumento del
rendimiento. Si se considera que un molino de bola es una caso límite de un molino SAG,
es esperable que a medida que aumenta la carga de bolas en un molino SAG, el efecto del
cambio en la alimentación F80 tenderá al experimentado por un molino de bola. Queda
claro de este resultado, que debe existir una carga de bola específica para la cual un cambio
en el tamaño de alimentación tendrá un efecto insignificante, ya que el molino no
responderá como una máquina completamente autónoma ni como un molino SAG
adecuadamente cargado. Los datos de molinos operacionales sugieren que este punto se
produce a una carga de bolas de alrededor de 5% en volumen.
179
Capítulo 7: Molinos Autógenos y Semiautógenos
180
Capítulo 7: Molinos Autógenos y Semiautógenos
dado. En gran medida, la selección de un tamaño de bola será dictada por la dureza del
mineral y su distribución de tamaño. Minerales más blandos y/o más finos requerirán de
bolas más pequeñas, mientras que el mineral más duro/grueso requerirá de bolas más
grandes.
El éxito de las bolas de acero al romper rocas más gruesas, a una tasa más rápida, tiene al
menos una desventaja y es que reduce eficazmente la cantidad de medios de molienda roca,
los cuales en caso contrario serían eficaces en la generación de partículas más finas en el
producto. Esto afecta de dos maneras. La primera es el cambio a más rotura por impacto y
menos rotura por abrasión. A medida que los medios de molienda gruesos se rompen a una
tasa más rápida, gastan menos tiempo desgastándose por abrasión y generando un producto
fino. Las rocas de tamaño ‘medio’, normalmente en el rango de 25-50mm, también son
reducidas por la carga de bolas. Como regla general, la molienda de partículas más finas se
ve favorecida por el uso de medios más pequeños. En consecuencia, la remoción de medios
de 25-50mm reducirá la capacidad del molino de moler partículas más finas. Solo
aumentando el volumen de carga de bolas a niveles muy altos (normalmente > 15% en
volumen) puede reducirse este efecto sobre la distribución de tamaño del producto. En esos
casos, el número de bolas es tan grande que aunque una gran cantidad de medios roca son
destruidos, las bolas mas que compensan dicha pérdida.
Estos efectos son bien ilustrados por medio de las distribuciones de tasa de rotura asociadas
a las diferentes cargas de bola y tamaños de bola (figuras 7.19 y 7.-20 respectivamente).
Estas curvas muestran claramente la rotura aumentada que se produce en los rangos de
tamaño grueso y la reducción en los tamaños menores, a medida que se aumenta la carga de
bolas y/o tamaño de bolas.
Figura 7.19: Efecto del volumen de carga de bolas en las tasas de rotura (datos de molino piloto)
181
Capítulo 7: Molinos Autógenos y Semiautógenos
A nivel operacional, la velocidad creciente favorece la rotura por impacto. Esto deriva,
usualmente, en un aumento en la rotura de roca gruesa, lo que conduce a mayores
rendimientos. La reducción en la cantidad de movimiento de cascada, acoplada con la
destrucción inevitable de los medios de molienda mineral, deriva en condiciones menos
favorables para molienda más fina resultando un producto más grueso. Estos efectos se
ilustran en la Figura 7.22 por medio de gráficos de tasa de rotura vs tamaño, para dos
velocidades. Se observa claramente el aumento en la frecuencia de rotura, en partículas más
gruesas y una reducción en el rango de partículas más finas.
182
Capítulo 7: Molinos Autógenos y Semiautógenos
Figura 7.21: Altura de caída máxima como función de la velocidad del molino
Figura7.22: Efecto de la velocidad del molino sobre las tasas de rotura para un molino de 7.32m x
3.66m (DxL) a un 55% y 70% de la velocidad crítica
183
Capítulo 7: Molinos Autógenos y Semiautógenos
Al mismo tiempo que cambia la rotura, también cambia con la velocidad la cantidad de
hold-up de slurry en el molino. Normalmente, el hold-up de slurry aumenta con el aumento
de la velocidad del molino. La Figura 7.23 muestra la relación entre hold-up y velocidad
observada en un molino de laboratorio con mecanismos de descarga solo parrilla y
parrilla/elevador de paleta.
Es práctica común operar los molinos de bola en circuito cerrado, con un clasificador de
finos como un hidrociclón. No se puede decir lo mismo de de los molinos AG/SAG,
excepto en Sud África. En la mayoría de los países, la operación en circuito abierto (o
circuito cerrado usando un harnero con punto de corte grueso) es la norma. Sin embargo,
cada vez más los operadores de planta y diseñadores están viendo el valor de la operación
en circuito cerrado y, en Australia, la práctica esta ganado popularidad. Sin embargo, en
algunas plantas se han experimentado serias dificultades lo que ha conducido a cuestionar
la factibilidad de este tipo de circuitos, especialmente cuando se utilizan molinos de gran
diámetro y radio de aspecto alto.
Todos los problemas han estado relacionados con la importante caída en la energía y
rendimiento que ocurre a veces cuando se cierra un molino AG/SAG con ciclones. Es
interesante destacar que este no es un problema universal ya que muchas plantas han sido
convertidas exitosamente para correr en circuito cerrado, sin ningún cambio discernible en
el rendimiento o consumo de energía. Los resultados de dichas plantas han dado lugar al
término ‘molienda libre’, ya que ha resultado una molienda más fina sin el cambio
correspondiente en el consumo de energía específica (kWh/t).
184
Capítulo 7: Molinos Autógenos y Semiautógenos
Para intentar entender que puede estar ocurriendo en el interior del molino que pudiera
explicar esta anomalía, vale la pena conjeturar sobre los cambios que ocurren a medida que
se cierra el circuito con un clasificador de fino. En un circuito abierto, la mayoría de los
molinos corren en ‘seco’. Esto es, cuando se detiene el molino cargado, la carga no muestra
signos de exceso de slurry y tiene la apariencia de una pila húmeda de rocas gruesas. De
hecho, el slurry está presente pero su nivel es relativamente bajo y por consiguiente su
superficie libre está muy por debajo del nivel de la carga de roca/bola. Algunos de los
intersticios de los medios de molienda en consecuencia estarán desprovistos de slurry y,
cuando el molino gire, parte de los medios estará en contacto directo con si mismo,
causando rotura por abrasión.
En los casos en que los intersticios están llenos, tenderá a formarse una capa de slurry entre
medios de molienda contiguos. Esto fomentará la rotura por desgaste de las pequeñas
partículas en el slurry, especialmente en el cuerpo de la carga donde los medios se deslizan
unos contra otros. Si el molino se corre en circuito cerrado con un clasificador de finos, el
flujo de material hacia el molino aumenta, con el material adicional en la forma de un
slurry reciclado desde el underflow. En consecuencia, el molino se llenará con más slurry
hasta que se desarrolle suficiente carga para generar un flujo igual, saliendo por la parrilla.
Siempre que el flujo de slurry de reciclo no sea muy grande, tenderá a acumularse en los
intersticios de los medios de molienda. Entonces, la molienda por desgaste aumentará y la
rotura por abrasión disminuirá. Como resultado aumentará la densidad de carga y, en
consecuencia, el consumo de energía aumentará levemente.
Como la molienda por desgaste favorece la rotura de partículas finas, este mecanismo es
consistente con el requerimiento de cerrar el circuito del molino con un clasificador de
finos, i.e. resultará una molienda más fina. Si el flujo de material reciclado aumenta más
allá, se llegara a un punto en el que se llenarán los intersticios con slurry y por lo tanto la
molienda por desgaste estará en su máximo. Cualquier aumento adicional en el flujo de
reciclo conducirá a la formación de slurry en una poza en el talón de la carga (Figura 7.14),
punto en el cual ya no se producirá molienda adicional por desgaste La presencia de una
poza de slurry causará una caída en el consumo de energía, siendo su efecto principal la
reducción de la rotura por impacto en el talón. Los medios de molienda ya no serán capaces
de impactar directamente sobre el talón sino que, necesitarán penetrar la poza de slurry
reduciendo, en consecuencia, la energía cinética disponible para rotura. Este efecto causa
una reducción en la tasa a la cual las rocas son reducidas de tamaño, conduciendo a un
aumento simultaneo en el volumen de carga de medios de molienda. En alguna medida,
esto compensará la reducción en el consumo de energía causado por la poza de slurry. Sin
embargo, eventualmente, el molino se llenará hasta el punto en que comience a derramarse.
En ese momento el único curso de acción será reducir la tasa de alimentación, aumentar el
punto de corte del clasificador o desviar parte del material reciclado.
Puede observarse de estos argumentos, que cuando cerramos el circuito AG/SAG se debe
elegir el clasificador para que proporcione una separación eficiente a un punto de corte que
garantice que poco o ningún exceso de slurry, se acumule en la poza en el talón. Llegando a
este punto ocurrirán condiciones de ‘molienda libre’
185
Capítulo 7: Molinos Autógenos y Semiautógenos
Puede argüirse que el cambio de molienda por abrasión a molienda por desgaste, cuando se
cierra el circuito, causará una reducción en la tasa a la cual se rompen los medios de
molienda. En consecuencia, se formara una aglomeración de medios de molienda, incluso a
bajos flujos de material reciclado, causando un mayor consumo de energía. Esto se observa
en ocasiones especialmente cuando se está procesando mineral duro, aunque el efecto
puede ser relativamente pequeño. Es probable que esto suceda en todos los casos, pero es
difícil de detectar. También es probable que este tipo de rotura por abrasión, que se produce
en el cuerpo de la carga, juegue un papel relativamente menor en la reducción de tamaño de
los medios de molienda. El mecanismo principal para dicha reducción de tamaño es muy
probable que sea el impacto en el talón de la carga. Este tipo de rotura no se verá afectado
por el cierre del circuito de molino AG/SAG, excepto cuando el exceso de slurry comience
a formar una poza.
Estos efectos pueden reflejarse, en ocasiones, en una dependencia aparente del rendimiento
de molienda de la viscosidad del slurry (ver Apéndice 2).
Con este material, el chancador utiliza la energía de una manera mucho más eficiente y, por
consiguiente, la energía especifica del circuito general cae cuando el chancador de reciclo
está en operación. Sin embargo, el uso del chancador de pebble resulta en un producto de
circuito más grueso. Es posible argumentar, en consecuencia, que la caída de la energía
específica se debe a este aumento en el tamaño del producto. La causa del tamaño más
grueso está relacionada con el rol de los medios de molienda siendo chancados por el
chancador. Siguiendo la regla que los medios de molienda más pequeños son más eficientes
en la molienda de partículas más finas, estos medios tendrán un rol significativo en la
generación de un producto más fino. Su remoción, en consecuencia, originará un producto
más grueso.
186
Capítulo 7: Molinos Autógenos y Semiautógenos
Se desprende de estos argumentos, que a medida que el chancado de reciclo remueve los
medios de molienda, este proceso tiene limitada compatibilidad con el cierre del molino
con un clasificador de finos. No es que no se pueda instalar en el mismo circuito un
chancador de reciclo y un clasificador de finos, es solo que el punto de corte del
clasificador necesitará ser más grueso que si el chancador de pebble no estuviera instalado.
La no consideración de este aspecto ocasionará la aglomeración de material tipo arena en el
circuito.
7.5.8 Control
187
Capítulo 7: Molinos Autógenos y Semiautógenos
7.6 OPTIMIZACIÓN
7.6.1 General
Antes de hacer nada más, es esencial conocer las características mecánicas/eléctricas del
molino. Se ha enfatizado que no es suficiente recurrir a los manuales para esta fuente de
datos. Se recomienda enérgicamente verificar por medio de mediciones físicas. Esto tiene la
ventaja adicional de que el metalurgista conocerá más íntimamente la máquina. Los
siguientes son los detalles particulares que deberán determinarse:
• Dimensiones del molino: se debe conocer las dimensiones tanto interiores de la carcasa
como entre revestimientos. Las dimensiones entre revestimiento variarán a medida que
los revestimientos se desgastan. Como resultado, durante la vida útil de un conjunto de
revestimientos las dimensiones del molino y por consiguiente su rendimiento variará.
Se recomienda durante las paradas, el chequeo regular del espesor de los
revestimientos. Se pueden construir gráficos de la dimensión del molino con el tiempo y
así ajustar la estrategia de optimización del molino.
• Capacidad del motor: revise la energía máxima que el motor puede mantener de manera
segura y cual es el punto de corte fijado para el sistema de protección de sobrecarga.
También se recomienda enérgicamente que se consulte al fabricante original del motor
como un chequeo final de la capacidad máxima nominal del motor. Se han dado casos
188
Capítulo 7: Molinos Autógenos y Semiautógenos
de plantas que no sabían que su motor de molino estaba en condiciones de entregar una
energía sustancialmente mayor a la utilizada.
• Rendimiento
• Tamaño de molienda
• Consumo de energía
• Consumo de aceros
Los procedimientos de muestreo y estudio se describen en el Capítulo 5. Una vez que estos
datos han sido recogidos, deben ser analizados para determinar donde existe margen para
mejorar el desempeño del circuito (ver estudio de casos en Sección 13.3.3
189
Capítulo 7: Molinos Autógenos y Semiautógenos
7.6.4 Simulación
Las técnicas de simulación son ideales para optimización. Los datos del estudio se usan
para construir modelos matemáticos de las unidades en el circuito. Luego se pueden probar
y evaluar las estrategias de optimización antes de hacer cambios en la planta. El Capítulo
13 describe esta metodología.
La simulación es solo una herramienta y aún requiere que el usuario posea un sólido
dominio del proceso y un conocimiento de los probables efectos que los cambios
producirán en las condiciones operacionales. En las siguientes secciones se revisan los
criterios de optimización para molinos AG/SAG y se analizan los factores que pueden
alterarse para afectarlos. Conociendo las causas y efectos, se puede utilizar con confianza la
simulación para cuantificar el efecto de los cambios y para indicar como se manifestarán las
interacciones que de ellos se deriven.
Rendimiento
Tamaño de Molienda
190
Capítulo 7: Molinos Autógenos y Semiautógenos
Consumo de Energía
Consumo de Aceros
El consumo de acero depende tanto del tipo de mineral como del material de
revestimiento/bolas. Sin embargo, ciertas condiciones operativas tenderán a aumentar el
consumo de acero. En consecuencia, se deberá evitar en los molinos SAG los menores
niveles de carga ya que las bolas colisionarán más con elevadores y revestimientos.
Mayores niveles de bolas también darán lugar a un mayor consumo de acero. Se debe
utilizar, en consecuencia,. el mínimo nivel de bolas que garantice el cumplimento de las
demandas de producción. La velocidad del molino también influye fuertemente en el
desgaste. Esto es especialmente notorio en molinos con velocidad variable, cuando el
molino ha sido operado a una velocidad muy alta. En dichos casos, el resultado es
disminuir el nivel de la carga y, por ende, exponer innecesariamente elevadores y
revestimientos.
191
CAPITULO 8
MOLINOS DE BARRA
8.
8.1 INTRODUCCIÓN
El molino de barra proporciona una eficiente clasificación interna. Las partículas mayores
que un tamaño determinado serán usualmente totalmente eliminadas. Si no lo son, el
molino de barra estará cerca de sobrecarga y listo para enredar las barras. En consecuencia
los molinos de barra son adecuados para reducción de producto de chancado secundario
(p80 alrededor de 25mm) a alimentación de molino de bola ideal (P80 de 1-2mm)
Debido a la transición a circuitos incorporando molinos AG/SAG, los rodillos de barra son
actualmente menos comunes en las concentradoras existentes y usados rara vez, si alguna,
en concentradoras nuevas. Sin embargo, son una forma distinta de dispositivo de molienda
gruesa y merecen un análisis independiente.
Los molinos de barra son cilindros horizontales que rotan respecto de su eje longitudinal,
como se muestra en la Figura 8.1. Mineral y (usualmente) agua son alimentados por un
extremo y descargados por el otro. La descarga puede verse afectada por una variedad de
métodos. El más simple es el molino de overflow donde la descarga del molino es mayor
que la abertura de alimentación. Esta diferencia genera un gradiente hidráulico que
propulsa la pulpa hacia afuera del extremo de descarga.
Los molinos de barra son casi siempre con descarga de overflow. Una excepción es en
molinos multi compartimiento que utilizan un vertedor o diafragma de descarga interno.
Los medios de molienda son barras de acero largas y pesadas, que no son arrastradas hacia
fuera del molino por el flujo de pulpa. El extremo de descarga de un molino de barra o de
192
Capítulo 8: Molinos de Barra
bola esta acondicionado normalmente con un harnero cilíndrico o tromel, para proteger los
procesos aguas abajo de medios desgastados (pedazos de barra o scats de bola). El harnero
de tromel está sujeto normalmente con un espiral interno que empuja el material vagabundo
hacia fuera del tromel.
Debido a las dificultades prácticas de hacer una barra mayor a 6-7 m de longitud, los
molinos de barra están limitados a este tamaño. Para mantener las barras paralelas, se
privilegia un radio longitud a diámetro de 1.2 a 1.6.
193
Capítulo 8: Molinos de Barra
Al igual que otros molinos de volteo la velocidad del molino se expresa como la fracción (o
porcentaje) de la velocidad a la cual la carga en la superficie del revestimiento centrifuga,
i.e. la fuerza centrífuga iguala a la gravedad
Cs = 42.3 / 3 (8.1)
Nótese que las ecuaciones de potencia de JKMEC utilizan el diámetro entre revestimientos
(Capítulo 11). Las especificaciones y formulas de potencia de los fabricantes, se refieren
normalmente al diámetro interior de la carcasa ya que, este diámetro no varía con las
condiciones de desgaste. Las velocidades del molino de barra van de 72% del crítico para
molinos pequeños a 65% del crítico para molinos grandes. Esta variación es para minimizar
el desgaste de los revestimientos y para tratar de evitar el enredo de las barras.
Medios de Molino
Al igual que en otros molinos rotatorios, el nivel de carga se expresa como la fracción del
área de sección transversal del molino ocupado por medios luego de 5-10 minutos de grind-
out.
Las barras nuevas varían entre 25mm a 150mm de diámetro. Una barra ideal permanece
geométricamente recta hasta que se desgasta a un 10-20% de su diámetro original y luego
se rompe en pequeñas secciones (100-150mm) que pueden escapar del molino.
F 800.75 WI sg
Rr = × 25.4 (8.2)
160 (%Cs ) 3.28 ID
194
Capítulo 8: Molinos de Barra
Las dependencias son muy razonables. Minerales que son más duros por unidad de
volumen (i.e. Wi*sg), y gruesos, requieren barras más grandes. Molinos de mayor
diámetro, a velocidades más altas, pueden utilizar menores tamaños de barra ya que, un
mayor levante, permite que una barra más pequeña proporcione la energía de rotura
necesaria.
El manejo de barras no es algo baladí. Las barras son pesadas y cualquier manejo manual
pone en serio riesgo incluso manos enguantadas. Un sistema de carguío de barras
automático requerirá casi tanto espacio como el molino en si.
Los revestimientos de molinos de barra son casi siempre un conjunto de ondas paralelas.
Los revestimientos del molino imparten energía a la capa exterior de la carga. Luego, cada
capa imparte energía a la capa que descansa inmediatamente encima. La configuración de
la onda no es crítica, con una altura de onda de alrededor del diámetro de reconstrucción de
la barra. El material habitual para revestimiento es el hierro fundido. Un revestimiento de
molino de barra experimenta fuerzas de alto impacto. Una barra de diámetro 6m x 100mm
pesa 90 veces más que una bola de diámetro 100mm y romperá la mayoría de los
revestimientos de goma. Como la energía de impacto variará según mv2/2, es fácil ver
porque los molinos de barra operan a velocidades mas bajas que los molinos de bola.
195
Capítulo 8: Molinos de Barra
Los molinos de barra se operan casi siempre en circuito abierto, tomando alimentación de
un circuito de chancado y entregando el producto a un circuito de molino de bola.
Par cuantificar este efecto, Callcott y Lynch (1964) definieron un ‘estado de rotura’ como,
la longitud de molino de barra requerida para eliminar un intervalo de tamaño 2 de la
pulpa, i.e. para eliminar la mayor fracción de tamaño de tamiz.
Se consideró que una etapa de rotura consistía de tres partes: una función de clasificación,
una función de rotura y una función de selección (Figura 8.4). La aritmética necesaria para
calcular un tamaño de producto fue expresada en forma matricial.
Para garantizar que la fracción de tamaño superior es removida completamente, C11 debe
ser igual 1. Usualmente se elige una simple serie descendiente para los demás elementos de
diagonal, i.e. para una serie 2 de tamices:
1 . . 0 . .
. 0 .5 . . . .
. . 0 .2 5 . . .
C = (8 .4 )
. 0 . 0 .1 2 5 . .
. . . . . .
. . . . . .
y así sucesivamente. C11 es la fracción de tamaño más gruesa que entra a cada etapa.
El efecto de harneado es modelado usando una selección de función que se describe por
medio de tres parámetros:
1 . . . . .
. 1.0 . . 0 .
. . 0.7 . . .
S = (8.5)
0 . . 0.4 . .
. . . . 0.2 .
. . . . . 0.2
196
Capítulo 8: Molinos de Barra
K1 = XC
y K2 = (1.0-IN)/SL (8.6)
(En consecuencia, el molino de barras puede ser visto como análoga a múltiples etapas de
chancado donde K2 disminuye, a medida que el mineral progresa desde la alimentación a la
descarga).
197
Capítulo 8: Molinos de Barra
donde A(x,y) es la proporción, luego de la rotura, de partículas de tamaño inicial que son
menores que el tamaño x. La matriz de apariencia A está compuesta de vectores de las
diferencias en x para el intervalo de harnero específico. Para minerales específicos, la
función de apariencia pude ser medida con el péndulo gemelo o el dispositivo de rotura por
impacto. En el Capítulo 4 y la Sección 9.7 se entregan el rango de funciones de apariencia
para varios minerales.
Para cada fracción de tamaño, se asume que ocurre un grado de reducción de tamaño
geométrico similar; la matriz de rotura es, en consecuencia, una matriz de paso.
a1 0 0 0
a a1 0 0
A = 2 (8.5)
a 3 a2 a1 0
a 4 a3 a2 a1
Como se destacó antes, este modelo puede considerarse como un diagrama de flujo con
algo de recirculación (Figura 8.4). Algo de aritmética de matrices convierte esto en un
modelo que parece complicado pero que es en realidad bastante simple.
Para lograr algún conocimiento del modelo, es útil considerar una solución algebraica
donde el subíndice i designa las fracciones de tamaño de grueso a fino.
Ignorando inicialmente el reciclo para simplificar, tenemos que, para cada tamaño de
fracción i, se rompe fisi y (1-si)fi pasa directo (bypass) al contenido de la etapa de rotura.
i
En consecuencia qi = (1 − si ) fi + ∑ sk f k i.e. bypass más rotura de fracciones gruesas.
k =1
Los contenidos están ahora clasificados con el reciclo ciqi y producto (1-ci)qi.
Con un computador moderno, es posible iterar este proceso hasta que la tasa de flujo de
producto sea aproximadamente igual a la tasa de flujo de alimentación.
198
Capítulo 8: Molinos de Barra
p = F( f )
p = (I − C) ⋅ q (8.9)
q = (I − S ) ⋅ m + A ⋅ S ⋅ m (8.10)
m = c⋅q + f (8.11)
La solución se presenta a menudo como obvia lo no es así para casi todos. El objetivo es
eliminar m y q. Primero sustituya para q en la ecuación 8.9 utilizando la ecuación 8.10, i.e.
p = (I − C) ⋅ (I − S + A ⋅ S ) ⋅ m (8.12)
m = C ⋅ (I − S + A ⋅ S ) ⋅ m + f (8.13)
199
Capítulo 8: Molinos de Barra
Reordene a
I ⋅ m − C ⋅ (I − S + A ⋅ S ) = f (8.13)
−1
o m = [ I − C ⋅ ( I − S + A ⋅ S )] ⋅f (8.13)
o pj = X j ⋅ fj (8.16)
donde Xj es una etapa de rotura, ya que A, S y C se asumen constantes para todas las
etapas.
p = x ⋅ x ⋅ x ⋅ x... f
v
o p = X j ⋅ f (8.17)
Como la potencia de una matriz esta definida solamente por valores enteros, los valores
intermedios se determinan por interpolación lineal.
Este modelo no es ni cerca tan complicado como se ve debido a las matrices triangulares
inferiores. Para aquellos que deseen programar el modelo, la trampa estándar es que la
matriz Cj agrega una corrida y columna extra de ceros en cada etapa.
200
Capítulo 8: Molinos de Barra
rotura (v) y la constante del molino MC. Estos parámetros pueden derivarse de un conjunto
de datos de prueba.
Una vez que se caracteriza un molino de barra procesando un mineral específico, puede ser
escalado a los tamaños y condiciones de otro molino. Los factores de escala interactúan con
el modelo a diferentes niveles. La tasa de alimentación y (en ocasiones) el dimensionado de
alimentación interactúan con el número de etapas de rotura. Las condiciones operativas y el
tamaño determinan la constante del molino.
La dureza del mineral interactúa con la función de selección. Este modelo fue desarrollado
antes de las técnicas de rotura de partícula individual de JKMRC (Capítulo 4). Sin
embargo, las funciones de rotura específica del mineral del molino de barra/molino de bola,
pueden ser utilizadas para escalar para dureza de mineral.
Nótese que para molinos de barra cargados livianamente, la dependencia de F90 (o tamaño
que pasa de 90%) es insignificante. Cuando se hace importante, un molino de barra está
operando cerca de su rendimiento máximo.
donde LF = fracción de carga del molino (volumen de carga ocupado del molino ocupado
por carga y medios después de grind-out).
201
Capítulo 8: Molinos de Barra
Estos factores de escala se aplican solo a molinos de barra de radios de longitud a diámetro
normales, esto es, 1.2 < l/D simulado < 1.6 y L hasta 7m, y que están operando en el rango
de Fracción de Carga de 30% < 45% <% y rango de velocidad crítica de 50%<fCs<80%
Esto factores se aplican a la Constante de Molino, MC del molino original para estimar la
constante de molino del molino simulado (escalado)
Tamaño de Molino
Si se han medido las características de rotura para distintos tipos de mineral, la sustitución
de los parámetros ajustados en la nueva función de rotura, también escala el modelo para
predecir rendimiento cuando se trate el nuevo mineral.
La partícula más grande en la descarga del molino debe ser justo menor que K2 (Figura
8.3).
Como los molinos de barra no son efectivos en la molienda de partículas pequeñas, 0.1 mm
es un buen punto de partida para estimar XC. Nótese que los valores negativos para el
intercepto (IN) no son inusuales. Esto implica que partículas menores que XC no se
rompen. Suponiendo un valor de selección de 0 en XC se puede calcular IN y SL.
Debido a que el modelo de molino de barra depende del F90 de la alimentación, es difícil
de ajustar en circuito cerrado hasta que los parámetros no sean una muy buena estimación.
En consecuencia, en un molino de barra de circuito cerrado, primero balancee la masa y
luego ajuste el tamaño de producto usando la tasa de alimentación y dimensionado
202
Capítulo 8: Molinos de Barra
Para ajuste del modelo (y para simulación) elimine la dependencia de F90 fijando el F90
simulado al F90 de alimentación medido.
Los molinos de barra son dispositivos de fuerza bruta. Son insensibles a cambios en tamaño
de alimentación, densidad de pulpa y tasa de alimentación, en una gran proporción de su
rango operativo. En consecuencia, un sobre-diseño en un molino de barra logra una
operación simple y requiere de un mínimo control de proceso.
A pesar de toda la investigación, aun no se entienden bien las causas de los enredos de
barras. Se puede minimizar el problema prestando atención a los siguientes aspectos:
• use barras de buena calidad, las cuales deben permanecer rectas hasta a lo menos un 10-
20% en diámetro y luego romperse en trozos pequeños.
• algo de fino en la alimentación del molino, por ejemplo una pequeña proporción del
overflow del ciclón desviado a la alimentación del molino de barra, es considerado una
ayuda para el rendimiento máximo.
• también ayuda una carga de barras de 35-40%; cargas menores no se asientan bien entre
si
203
Capítulo 8: Molinos de Barra
• opere a densidades de pulpa de 65-75% de sólidos en peso, con las mayores densidades
correspondiendo a un mayor sg de mineral, i.e. 45-50% en volumen.
8.10 OPTIMIZACIÓN
Cuando se requiere un máximo rendimiento, se hace importante un buen control del tamaño
de alimentación. Esto implica prestar atención al mantenimiento del harnero de la planta de
chancado y evitar el almacenamiento de mineral ya que segrega los tamaños de
alimentación.
Una alimentación marcadamente más dura necesitara ser chancada más fina (ver ecuación
8.3), para mantener el rendimiento ya que no es práctico cambiar el dimensionado de las
barras en el corto plazo. La estrategia usual de planta de chancado, de aumentar el tamaño
de producto para mineral duro, impactara al rendimiento máximo. Si se origina un enredo
de barras, se producirán serias pérdidas de producción.
Como se destacó previamente, una pequeña proporción del overflow del ciclón, agregado a
la alimentación del molino mejorara, en ocasiones, el rendimiento. El modelo no predice ni
este efecto ni el posible rendimiento máximo.
204
Capítulo 8: Molinos de Barra
205
CAPITULO 9
MOLINOS DE BOLA
9.
9.1 INTRODUCCIÓN
En el siglo veinte los molinos de bola se hicieron sostenidamente más grandes propulsados
por el costo y los factores de escala. Durante los años1950s y 1960s los molinos de bola de
gran diámetro dominaron la molienda primaria de gran capacidad. Sin embargo, desde
mediados de los 1970s los circuitos de molino de bola de chancado multi etapa y molienda
primaria gruesa han sido reemplazados casi completamente por los circuitos A/SAG. Los
molinos de bola aun dominan la molienda secundaria pero en seria competencia con los
AG/SAG en circuito cerrado y un rango de molinos de agitación. Los molinos de agitación
como los molinos de torre también están encontrando aplicación en tareas de molienda fina,
especialmente aquellas con dimensionado de alimentación de más de 80% pasando 50µm.
Los molinos de bola son normalmente los principales consumidores de energía en una
concentradora de mineral. En consecuencia, su uso eficiente tiene importantes implicancias
de rendimiento y costos. Este capítulo analiza las características y operación de molinos de
bola, como se modelan y como optimizar su rendimiento.
Los molinos de bolas son cilindros que rotan alrededor de sus ejes longitudinales como se
muestra en la figura 9.1. Mineral y (usualmente) agua son alimentados por un extremo y
descargados por el otro. El segundo fluido común para molinos de bola es el aire. Los
molinos barridos por aire son comunes, por ejemplo, en la industria del cemento. En los
molinos de bola su usan muchos otros fluidos que son también reactores de reacción
química
206
Capítulo 9: Molinos de Bola
A menudo se utiliza un harnero de tromel cilíndrico, montado axialmente, para remover las
bolas o scats de mineral. Sin embargo, para molinos primarios de envergadura, con grandes
bombas y clasificadores, no es necesario un tromel y es más adecuado un espiral de retorno
de bolas en el extremo de descarga del molino. En ocasiones, un mineral tendrá un
componente más duro y pequeñas piezas (scats o chats) sobrevivirán a los procesos de
molienda y serán rechazados junto con los aceros vagabundos. Si estos rechazos son
despojados de material valioso, se puede lograr algún grado de preconcentración.
Los molinos de bola operaran de manera efectiva en un amplio rango de radio de aspecto de
longitud a diámetro siendo los más comunes los radios 1-1.5; también se encuentran radios
de 1:3 a 3:1.
207
Capítulo 9: Molinos de Bola
Los molinos de bola pueden ser utilizados sobre un extraordinario rango de tamaños desde
molinos de laboratorio de 200mm x 200mm – consumiendo unos pocos vatios – a gigantes
unidades industriales de 6 m de diámetro por 9 m de longitud (20’ x 30’), consumiendo 10-
12MW. ¡Pocas unidades de proceso pueden, entonces, cubrir seis órdenes de magnitud de
escala!
Estas se expresan de la misma manera que para otros molinos de volteo. La carga de bolas
es el área de sección transversal luego de grind-out (no alimentación de mineral) de 10-15
minutos. Esto es equivalente a un vacío de aproximadamente 40%. La carga de bolas varía
normalmente de 35 a 45% (mayor para un molino de descarga de parrilla).
Normalmente los molinos de bola se operan más lento a mayores tamaños. Sin embargo,
incluso para molinos grandes, la molienda máxima ocurre usualmente a alrededor de un
80% de la velocidad crítica
Minerales más duros y alimentaciones más gruesas requieren energía de alto impacto y
mayores tamaños. Tamaños de molienda muy finos requieren un área de superficie de
medios sustancial y medios pequeños. Algunas formas de medios aumentan el área
superficial. En las Secciones 9.8 y 9.10 se consideran algunas correlaciones empíricas para
escalamiento y selección de bolas respectivamente.
La forma de los medios puede ser alterada por los patrones de desgaste, calidad de las bolas
o uso deliberado de superficies con mayor área superficial. Bolas partidas o astilladas (o
una lonja o capa perdida) indican un pobre control de calidad durante la fabricación.
Bolas desgastadas a una forma cúbica con caras intentadas indican una sección estática en
la carga. Esta es una sección que se mueve lentamente pero no realiza molienda efectiva.
Remedios posibles son una menor carga de bolas, elevadores más altos o un aumento en la
velocidad del molino.
Se afirma para molienda más fina que formas de medios con una mayor área superficial por
unidad de masa son más ventajosas. Ciertamente bolas más pequeñas muelen mejor a
tamaños más finos.
Los resultados para cilindros y conos no son conclusivos. Un detallado estudio MINTEK
(1991) reportó un rendimiento de molienda similar a la de bolas del mismo tamaño
208
Capítulo 9: Molinos de Bola
nominal. Sin embargo, para materiales más blandos y molienda seca fina, se ha reportado
una reducción de hasta un 10% en la energía requerida para producir un tamaño de
molienda nominal (World Mining Equipment 1987).
Como la mayor parte del movimiento de la carga del molino consiste en levantar o hacer
rodar un lecho de bolas, las fuerzas de impacto sobre la carcasa no son tan grandes y los
revestimientos de goma dominan en los molinos de bola, excepto para molinos muy
grandes (>5.5m) con medios gruesos (> 75mm).
Estos se muestran en las Figuras 9.2a y 9.2.b. El circuito de Molino de Bola /Ciclón es casi
siempre mejor para molienda primaria porque el clasificador está protegido contra
partículas gruesas
209
Capítulo 9: Molinos de Bola
Figura 9.2a: Circuito molino de bola - ciclón Figura 9.2b: Circuito ciclón - molino de bola
Los modelos matemáticos de modelos de bola operativos (Capítulo 2 y Sección 9.7) pueden
ser combinados con los modelos de clasificadores (Capítulo 12) y usados para considerar
prácticamente cualquier configuración de circuito. Un ambiente adecuado para hacerlo es
un simulador computacional como JKSimMet.
Los métodos tradicionales de modelado, tanto para molinos de barra como de bola, se basan
en el cálculo de la potencia o energía por unidad de masa de entrada. La investigación
definitiva sobre esta metodología fue desarrollada por F. C. Bond y sus colegas en el
(entonces) centro de investigación Allis Chalmers en Milwaukee en lo 1940s, 50s y 60s.
Este trabajo consideró molinos de laboratorio, pilotos y de escala completa sobre un rango
razonable de tipos de mineral (Bond 1961) y condujo al test de Bond estándar, el cual se
describe en detalle en la Sección 4.3. Lo que sigue es una revisión histórica de los
conceptos en que se basa esta metodología, en el contexto de los molinos de bola.
Como los molinos de bola operan usualmente en circuito cerrado, los trabajos de prueba de
Allis Chalmers también se desarrollaron en circuito cerrado. Es interesante que la prueba
del molino de laboratorio en circuito cerrado, conocido universalmente como test de Bond,
fuera desarrollada por otro investigador. Sin embargo, Bond tuvo la perspicacia de aplicar
la prueba como un patrón estándar de laboratorio para molinos de bola. El método de Bond
depende de dos supuestos:
210
Capítulo 9: Molinos de Bola
Estos supuestos son razonables para la mayoría de los molinos de barra y molinos de bola
pero no para chancadores o molinos AG/SAG.
10 10
E = − WI (9.2)
P80 F 80
El siguiente desafío importante para el método de Bond, fue la introducción de los molinos
AG/SAG. El producto de descarga de estos molinos no es paralela a la línea de
alimentación. En consecuencia, un diseño de molinos AG/SAG basado en potencia,
requiere de un aun mayor conjunto de factores de corrección o una prueba a escala piloto.
Para molinos de bola a continuación de circuitos AG/SAG, el molino Bond puede utilizarse
como sigue, siempre que una simulación o prueba piloto pueda proporcionar una predicción
razonable de la posible distribución de tamaño del producto AG/SAG.
Considere los circuitos mostrados en la Figura 9.3. El Ciclón 1 en el Circuito 1 cumple dos
tareas a la vez. En el Circuito2, el Ciclón 2 remueve el producto terminado y define la tasa
de alimentación real y la distribución de tamaño al circuito de molino de bola. En
consecuencia, si la tasa de flujo y el tamaño al cual pasa un 80% del underflow del Ciclón
2 están relacionados con el tamaño de producto 80% del Ciclón 3, el supuesto de Bond
parece más razonable, siempre que estas dos distribuciones de tamaño sean
aproximadamente paralelas. Los Ciclones 2 y 3 son simplemente una manera conveniente
de considerar la operación de un clasificador único efectuando dos tareas a la vez.
211
Capítulo 9: Molinos de Bola
clasificador d50c es ajustado para lograr el producto P80 deseado. Deben graficarse la
alimentación y el producto de la simulación del modelo de molino de bola para verificar
que el supuesto de distribuciones de alimentación y producto paralelos es razonable.
f S p
212
Capítulo 9: Molinos de Bola
Debido a que el molino está perfectamente mezclado, una tasa de descarga, di, para cada
fracción de tamaño define completamente el producto:
pi = d i si (9.3)
Es decir, si conocemos los contenidos del modelo (en cada fracción de tamaño) y una tasa
de descarga para cada fracción de tamaño, podemos multiplicar los dos y obtener un vector
de producto en toneladas por hora.
donde aij representa la rotura desde un tamaño j hasta un tamaño i y riaij la tasa de rotura en
dicha fracción de tamaño.
p = f + ARs + ( I − R ) s (9.5)
donde R es la matriz diagonal de la tasa de rotura por unidad de tiempo y A es una matriz
que describe como reaparece la partícula rota en los contenidos del molino. I es la matriz
unidad (una matriz con todos los elementos de la diagonal igual a uno y el resto cero).
213
Capítulo 9: Molinos de Bola
En la Figura 9.4 se consideran pictóricamente los procesos por medio del cual el material
aparece y desaparece en un intervalo de tamaño específico (descrito en la ecuación 9.4):
La aritmética algebraica merece una mirada más detallada. Si tomamos una partícula
individual y la rompemos obtenemos una distribución de rotura de la partícula.
Es solo una manera matemáticamente conveniente de decir: rompa cada tamaño a una
distribución y sume los componentes de producto en cada tamaño. Esto significa que
podemos escribir el balance de tamaño completo en aritmética matricial.
La matriz de rotura aun tiene una gran cantidad de elementos. Una simplificación útil para
molino de bola es que las rocas de 10mm y 0.1mm se romperán usualmente a una
distribución de tamaño similar, cuando el tamaño es escalado al tamaño de la partícula
original.
214
Capítulo 9: Molinos de Bola
a1 0 0 0 s1 a1s1 +0* s2 +0 +0
a a1 0 0 s a s a1s2 +0 +0
2 2 21 (9.6)
a3 a2 a1 0 s3 a3 s1 a2 s 2 a1s3 +0
a4 a3 a2 a1 s4 a4 s1 a3 s2 a2 s3 a1s4
y recordando que
pi
pi = di si o si =
di
entonces
pi i pj
f i − ri + ∑ ai j rj − pi = 0 (9.8)
d i j=1 dj
La tasa de carga está cerca de la unidad para partículas pequeñas que se comportan como
agua, luego diminuye rápidamente hasta el tamaño de clasificación efectivo de la carga de
bolas (= diámetro de bola / 4) o el tamaño de la parrillas, como se muestra en la Figura 9.5.
Las tasas de rotura tienden a aumentar rápidamente con el tamaño de la partícula, con el
aumento estrechándose en el tamaño superior de la alimentación e incluso, a veces,
disminuyendo como se muestra en la Figura 9.6.
215
Capítulo 9: Molinos de Bola
Figura 9.6: Gráfico típico del factor de tasa de rotura de un molino de bola
Considerar r/d sobre la base de las Figuras 9.5 y 9.6 sugiere una curva que se empareja con
la curva de tasa hasta alrededor de un milímetro y que luego puede divergir hasta infinito o
exhibir un máximo, como se muestra en la Figura 9.6. En cualquier caso, el resultado debe
ser una curva suave. Sin embargo, si resolvemos para r/d*, para cada fracción de tamaño, es
probable que haya demasiada dispersión.
Cualquier curva suave puede ser descrita por una función spline (Whiten 1972c; ver
también Apéndice 1). Para ello, tomamos unos pocos puntos adecuados a tamaños
específicos y graficamos una curva suave a través de ellos. Estos puntos, denominados
‘nudos’ spline, definen la curva. El rendimiento del molino puede, entonces, ser descrito en
término de solo tres o cuatro números.
216
Capítulo 9: Molinos de Bola
El modelo de molino de bola puede ser escalado también para tamaño de molino, carga,
velocidad e incluso para el tamaño de reconstrucción de las bolas. En cada caso, es una
función r/d* la que se escala. r/d* ya está inherentemente escalada al volumen del molino
por la ecuación 9.9. Estos factores de escala son adicionales y representan en gran medida
ideas basadas en potencia.
La ecuación 9.9 puede ser utilizada también para escalar para tasa de alimentación.
217
Capítulo 9: Molinos de Bola
0.5 0.8
r / d * SIM D 1-LFSIM LFSIM CsIM WISIM
= SIM (9.10)
r / d * FIT DFIT 1-LFFIT LFFIT CsFIT WI FIT
r/d* esta expresado inherentemente en unidades de longitud de molino por la ecuación 9.8.
Ingresando la nueva longitud del molino, escala r/d* correctamente. La dependencia
adicional del diámetro significa que
r / d * ∝ D 2.5
lo que es similar a la variación de potencia del molino con el diámetro (ver también el
Capítulo 11)
Se asume que la rotura por impacto es predominante sobre cierto tamaño xm (mm), mientras
que el desgaste es el principal mecanismo de reducción para tamaños bajo xm. Se supone
que el tamaño xm es equivalente a aquel al cual se produce la máxima rotura. xm puede
relacionarse con el diámetro máximo de bola como sigue:
xm = K ⋅ b2 (9.11)
La relaciones anteriores se utilizan para escalar los valores de r/d* a cada nudo de spline
para explicar los efectos del tamaño de bola. La distribución del tamaño de bola está ahora
caracterizada por el tamaño de reconstrucción i.e. tamaño máximo de bola b.
218
Capítulo 9: Molinos de Bola
Para partículas menores que xm, las tasas se escalan de acuerdo al área de bola.
r / d * SIM b
= FIT (9.12)
r / d * FIT bSIM
Para predecir el rendimiento con mineral nuevo en un molino existente, deben medirse las
funciones de rotura característica usando, por ejemplo, el péndulo o el dispositivo de caída
de peso. Para predecir el rendimiento, se combina la nueva función de rotura con los
valores r/d* derivados de la operación real del molino procesando mineral para el cual
también se ha caracterizado la rotura. (nótese que no es válido escalar de este modo desde
una función de rotura por defecto).
219
Capítulo 9: Molinos de Bola
Como se mencionó en la Sección 9.7 y se muestra en la Figura 9.7, se usa una función
spline para describir la función r/d*. Esto permite compactar el rendimiento de un molino
de molienda en tres o cuatro valores ln (tasa), más una función de rotura. Estos valores de
tasa están mucho mejor definidos que los valores r/d* individuales. Esta mejor definición
significa que una menor mejoría en el rendimiento, puede ser detectada confiablemente en
una prueba con variaciones en los revestimientos o medios del molino.
El poder real de este modelo se hace evidente cuando se ajusta el modelo en circuito
cerrado, con un modelo de clasificador. Esta metodología permite percibir más claramente
las interacciones entre el clasificador y el molino y se considera con mayor detalle en el
Capítulo 13
Los molinos de bola son excepcionales en el sentido que pueden operar sobre un amplio
rango de condiciones y geometrías. Los molinos con radios longitud a diámetro de 0.3 a 3
operarán como molinos de bola. Como la mayoría de los molinos de bola operan en circuito
cerrado con un clasificador, el rendimiento del circuito viene dictado a menudo por las
interacciones entre ambas unidades. En el Capítulo 13 se consideran las interacciones con
mayor detalle.
Cuando un molino de bola esté procesando producto de molino AG, SAG o de barra,
raramente habrá suficiente partículas gruesas que escapen del molino y las tasas de
molienda para estas partículas aparecerán como infinitas.
220
Capítulo 9: Molinos de Bola
La trampa está en que el número de bolas disponible para esto impactos (por tonelada de
carga) disminuirá en la misma proporción, o alrededor de 18%.
Este problema puede ser compuesto operando a altas cargas circulantes (> 2.5 veces la
nueva tasa de alimentación), ya que el alto flujo a través del molino acarreará partículas
gruesas hacía afuera del clasificador.
Se puede utilizar la densidad de slurry para controlar, hasta cierto punto, la acción de
molienda. Como el molino está bien mezclado, la densidad de slurry en el interior de este
será similar a la densidad en la descarga. Aumentar la adición de agua al molino reduce el
número de pequeñas partículas disponibles para interactuar con las bolas, disminuyendo el
número de impactos efectivos, causando una reducción en la molienda. El efecto de flujo
volumétrico en r/d* sobre predice, hasta cierto punto, este resultado ya que ignora el
aumento en el hold-up de slurry debido al flujo aumentado (ver Capítulo 7 para una análisis
más detallado). Si la densidad de slurry se disminuye aun más, el slurry se hace
insuficientemente viscoso para cubrir las bolas y la molienda disminuye rápidamente. Con
una densidad de slurry decreciente, la carga puede lograr mucho menos levante, menor
consumo de energía y una disminución considerable en la molienda.
A medida que aumenta la densidad del slurry también aumenta la molienda, pero solo
alrededor de la mitad predicha, hasta que comienza a aumentar rápidamente la viscosidad
(Figura A2.1, Apéndice 2). El desencadenamiento de este rápido aumento en la viscosidad
es difícil de predecir, aunque se ha logrado un progreso excelente (Shi 1994) – ver Sección
221
Capítulo 9: Molinos de Bola
9.10.3 abajo y el Apéndice 2. Este cambio es fácil de ver en un molino de overflow ya que
la turbulencia del slurry desaparecerá súbitamente. El número de Reynolds disminuye
rápidamente a medida que aumenta la viscosidad y la descarga del molino cambia
repentinamente de turbulento a un flujo laminar casi uniforme.
Aunque la densidad y viscosidad del slurry están fuertemente correlacionadas, los efectos
de estas dos propiedades sobre el desempeño del molino son distintos, por lo que deben ser
consideradas separadamente cuando sea posible. La influencia de la viscosidad no ha sido
bien entendida históricamente, debido a dificultades de medición (especialmente en
plantas), dificultades en desacoplar los efectos de densidad y viscosidad y a la falta de un
marco de trabajo teórico satisfactorio.
Sin embargo, investigación reciente e histórica ha proporcionado algunas ideas sobre los
efectos de la viscosidad en la molienda, las cuales se consideran con más detalle en el
Apéndice 2. Es importante entender que en ciertas situaciones, el efecto de la viscosidad (o
más apropiadamente la propiedad general de reología) es significativo, complejo y en
ocasiones contra-intuitivo.
La regla general es, mientras mas fina es la alimentación, más pequeñas deben ser las bolas.
Como es más caro fabricar bolas más pequeñas, la presión del costo deriva usualmente en
el uso de bolas que son uno o dos tamaños más grandes. Esto es costoso en términos de
producción de finos. Las corrección de tamaño de bola descrita en la Sección 9.8 no es
perfecta, pero es lo mejor que se puede medir en la mayoría de los casos. Se puede utilizar
para estimar la sensibilidad del rendimiento en procesos de separación aguas abajo, siempre
que se pueda medir el rendimiento tamaño por recuperación. Si el tamaño de bola se hace
222
Capítulo 9: Molinos de Bola
F 80 sgWI
b = 3 × 25.4 (9.14)
K (%Cs ) 3.281D
donde b = diámetro de reconstrucción de bolas (mm) y los otros términos y unidades son
como en la ecuación 8.3
K depende del tipo de molino y es 350 para overflow húmedo, 380 para parrilla húmeda y
335 para molinos de parrilla secos. Esta regla es útil para diseño. Dunn (1989) reportó una
correlación más reciente (pero similar):
donde N = velocidad del molino en rpm y los otros términos y unidades son como en la
ecuación 8.3
La causa más común para una pobre operación de un molino de bola, es una pobre
selección o desempeño del clasificador (ver también Capítulos 12y 13). El efecto de
operaciones en circuito cerrado es producir una menor cantidad de partículas gruesas, sin
por ello producir un producto excesivamente fino. En consecuencia, el grado de
mejoramiento logrado, comparado con un circuito abierto, depende del tamaño de producto
de mayor interés.
La Tabla 9.2 (Bond 1961) muestra el multiplicador de capacidad esperado del circuito
(‘eficiencia’) para un circuito cerrado respecto de un circuito abierto, para una eficiencia de
clasificación promedio. La marca de tamaño estándar es 80% pasando el P80. Una
clasificación eficiente ofrece un rendimiento 5-10% mejor y una clasificación deficiente 5-
10% menor, que el promedio. En consecuencia, lograr la clasificación correcta puede
significar un 20% de aumento en el rendimiento, para la misma entrada de energía y el
mismo tamaño nominal de producto. Es evidente que si la marca de interés está en el
extremo grueso de la distribución, e.g. el P95, los beneficios potenciales de la clasificación
mejorada serán mayores.
Aquí, la eficiencia del circuito cerrado viene dado por: circuito cerrado t/h dividido por
circuito abierto t/h a la misma energía y tamaño de producto.
223
Capítulo 9: Molinos de Bola
Sin embargo, es importante darse cuenta que la carga circulante se establece por la
magnitud de la diferencia en distribución de tamaño, entre el producto y la alimentación del
clasificador. En consecuencia, un circuito de molino de bola/ciclón, de una sola etapa,
tenderá inherentemente a operar a una carga de circulación sustancialmente mayor que la
de un circuito ciclón/molino de bola, procesando descarga de molino de barra o SAG. Una
menor carga circulante permitirá un mayor tiempo de residencia en el molino y una
descarga mas fina del molino de bola. También otorgará al producto ya terminado más
oportunidades para rotura adicional.
La única manera práctica de encontrar este ‘mejor’ punto, es con un modelo de simulación
bien calibrado. Una vez que se ha establecido esta ‘mejor carga circulante’ (más adecuado
mejor rendimiento volumétrico del molino), puede ser utilizada como un sistema de control
objetivo y ajustar la tasa de alimentación del circuito para mantenerla.
224
Capítulo 9: Molinos de Bola
sobre la base de un programa regular. Esta meta de energía debe aumentarse a medida que
los revestimientos se asientan (unas pocas semanas) y desgastan (6-12 meses).
La predicción de la energía para molinos de barra y bola es más sencilla que para molinos
AG/SAG debido a que los medios de carga permanecen más o menos constantes. Considere
el movimiento de la carga como una distribución de impactos de energía conocida. La
energía del molino es la suma de las energías en cada uno de estos eventos, por unidad de
tiempo.
De manera alternativa, podemos pensar en el molino como un freno rotatorio con una
fuerza, Mg, operando a un desplazamiento horizontal, l, desde el eje del molino. Entonces,
M g l es el torque requerido para balancear el desplazamiento de carga. Esto se conoce
habitualmente como ecuación del brazo de palanca.
Ya que las posiciones del hombro (θS) y del talón (θT) de la carga varían con la velocidad y
carga del molino, no es una ecuación muy sencilla. Sin embargo, las siguientes
correlaciones han sido publicadas ampliamente por Allis Chalmers (Rowland and Kjos
1978).
225
Capítulo 9: Molinos de Bola
La ecuación 9.16 se utiliza para determinar la energía que deben consumir los molinos de
bola de overflow de molienda húmeda.
0.1
Kwb = 4.879 D 0.3 (3.2 − 3V p ) fCs 1 − (9 −10 fCs ) -Ss (9.16)
2
Para molinos mayores a 3.3 metros de diámetro entre revestimientos, el tamaño superior de
bolas utilizado afecta el consumo de energía del molino. Esto se llama factor de tamaño de
bola, Ss.
b − 12.5 D
Ss = 1.102 (9.17)
50.8
Estas ecuaciones no trabajan con molinos AG/SAG debido a que la forma de la carga varía
demasiado. Sin embargo, la ecuación del brazo de palanca proporciona algunas ideas útiles
sobre el consumo de energía para molinos de overflow vs parrilla de descarga.
Los valores anteriores son para molinos de descarga de parrilla, que bombean
efectivamente el slurry hacía afuera de la periferia de la carga. Un molino de overflow
contiene una poza de slurry que contra balancea la carga y mueve el centroide hacía el eje
del molino, comparado con el caso de la parrilla de descarga (Figura 9.8).
Los molinos de overflow (Figura 9.9) consumen normalmente un 7-10% menos energía que
los molinos de descarga de parrilla. Los modelos de energía tradicionales predicen una
disminución similar en el rendimiento de molienda. Sin embargo, cuando se ha probado los
molinos de parrilla y de overflow con el mismo mineral, los valores r/d* son similares, i.e.
aunque los molinos de descarga de parrilla consumen más energía, no parecen efectuar más
molienda. En términos de una distribución de energías de impacto puede ser que la poza de
slurry suministre más partículas para rotura en el talón de la carga.
226
Capítulo 9: Molinos de Bola
Vale la pena recordar que un clasificador cortando más fino que lo que puede moler el
molino, intentará lograr una carga de circulación infinita. El hidrociclón tiene un rol
inherente de regulación del circuito. A medida que aumenta la carga, la espiga del ciclón se
sobrecarga y el ciclón entra en condición de ‘cordón’ (ver Sección 12.4.4). A medida que el
modo del ciclón va de spray a cordón, el tamaño de corte aumenta alrededor de diez veces.
En consecuencia, el circuito se sobrecarga rápidamente. Como la transición entre descarga
de cordón y spray exhibe considerable histéresis, el ciclón permaneciera en condición de
cordón hasta que la sobrecarga del molino es pasada a la siguiente sección. Para un circuito
de flotación, resultará en un breve periodo de recuperación muy pobre. Si el monitoreo es
intermitente (i.e. muestreo y ensayo), se detectaran y descontaran como ‘errores de
muestreo’ solo unos pocos de estos ‘blips’. Sin embargo, el costo real puede llegar a un
pequeño porcentaje de la recuperación.
Deben revisarse los factores considerados en la Sección 9.10 ya que cada una de estas
puede mermar el rendimiento del circuito de molienda. Las Secciones 9.10.2 – 9.10.6
proporcionan unas guías sencillas respecto de la densidad de operación del molino
(porcentaje de sólidos) y el tamaño de bola.
227
Capítulo 9: Molinos de Bola
228
Capítulo 9: Molinos de Bola
229
CAPITULO 10
MOLINOS DE TORRE Y MOLINOS DE AGITACIÓN
10.
10.1 INTRODUCCIÓN
E n contraste con los molinos de volteo, como los molinos de bola y AG/SAG, donde
el movimiento es impartido a la carga vía rotación de la carcasa del molino, en los
molinos de torre y de agitación la carcasa es estacionaria.. En vez de ello, se imparte
movimiento a la carga por medio de un agitador interno. En los últimos 5-10 años, ha
habido un creciente foco sobre estos molinos, a medida que la industria de minerales ha
intentado desarrollar cuerpos de mineral de grano más fino, lo que requiere de un grado de
reducción de tamaño más alto para liberar sus valiosos constituyentes.
Los principios de los molinos de agitación no son nuevos, y de acuerdo con Stehr y
Schewedes (1983), pueden remontarse a 60 años. Las primeras versiones fueron llamadas
desgastadores (attritioners) y se utilizaron más para fines de limpieza superficial que para
reducción de tamaño. Sin embargo, en 1948, se utilizó el llamado molino de arena de Du
Pont en la industria de la pintura y el lacado, siendo esta una de las primeras referencias a la
aplicación de molinos de agitación a la molienda.
Molinos de torre, como aquellos fabricados en Kubota en Japón por Svedala (el Vertimill),
son molinos verticales que usan un tornillo agitador helicoidal y que se utilizan
habitualmente en el extremo grueso del espectro de molienda fino. Una molienda más fina
se logra con molinos de agitación apropiados, que normalmente utilizan agitadores
compuestos por un eje con agujas o discos (ver Sección 10.2.2). Dichos molinos pueden ser
de orientación vertical u horizontal. Los molinos verticales incluyen el molino sudafricano
Metprotech o el molino de agitación Sala (SAM), ambos desarrollados para aplicaciones de
procesamiento de mineral.
230
Capítulo 10: Molinos de Torre y Molinos de Agitación
usuarios en procesamiento de mineral y para los cuales hay disponible actualmente modelos
de proceso.
10.2 DISEÑO
10.2.1 General
231
Capítulo 10: Molinos de Torre y Molinos de Agitación
10.2.2 Agitadores
Al menos una variante posee un diseño de agitador marcadamente distinto a los demás – el
molino de torre. Normalmente, este no se incluye en la categoría de molinos de agitación,
aunque desde todo punto de vista es un molino de agitación. Su agitador incluye un tornillo
de doble hélice cuya acción imparte un movimiento de agitación a los medios, a la vez que
los levanta y hace circular alrededor del contenedor. A diferencia de la mayoría de los otros
molinos de agitación, el molino de torre es usado ampliamente en la industria de los
minerales y alcanza tamaños con entrada de energía de hasta 1 MW. Sin embargo, su rango
de reducción de trabajo está limitado a 20-35µm, lo que proporciona una escala de
reducción de tamaño intermedia entre el extremo fino del molino de bola y el extremo
grueso de otro molino de agitación. Esto se debe principalmente a la limitación que impone
el diseño de tornillo a la velocidad de rotación. Debido a su efecto de levante, velocidades
232
Capítulo 10: Molinos de Torre y Molinos de Agitación
Los molinos de agitación y de torre aplican energía al material que se están moliendo por
medio del agitador, de una manera fundamentalmente distinta a los molinos de volteo. La
energía específica consumida de esta manera es muy alta.
Figura 10.3: Tamaño de producto vs energía de trituración específica para una variedad de molinos
de agitación de laboratorio y piloto procesando un metal base de grano fino (de Gao y Weller 1993)
233
Capítulo 10: Molinos de Torre y Molinos de Agitación
Está claro, que con estos dispositivos es posible obtener tamaños de producto tan bajos
como 3µm (y probablemente menores), con consumos de energía específica superiores a
100 kWh/t.
Se acepta habitualmente que en los molinos de bola la reducción de tamaño tiene lugar
entre las bolas que impactan unas contra otras, como también entre aquellas que se deslizan
o rotan contra las demás. Esto da pie a dos procesos principales de reducción de tamaño,
impacto y desgaste.
234
Capítulo 10: Molinos de Torre y Molinos de Agitación
Sin embargo, en molinos de agitación no hay movimiento en caída libre de los medios de
molienda y, por ende, no se produce rotura por impacto. El movimiento del agitador a
través de un lecho de bolas y el movimiento de deslizamiento/rodadura que este imparte a
la carga en si, proporciona únicamente un ambiente de rotura por desgaste.
Se encontró que los medios en el anillo exterior no rotaban a las mismas rpm si no que se
movían relativamente unas con otras. Se midieron las variaciones en velocidad tangencial
con posición radial; se muestran los resultados en las Figuras 10.7-10.10. Se puede observar
que, comenzando en el centro del tornillo, la velocidad tangencial de lo medios está en
línea con la del tornillo. De aquí se deduce que los medios, en su movimiento hacía arriba,
son bloqueados parcialmente en su lugar por el agitador y tienden a rotar con el. En el
anillo, sin embargo, la velocidad disminuye, desde aquella en la punta del agitador, hasta un
valor mucho menor en la pared de la carcasa. En consecuencia, hay un deslizamiento entre
las capas de bola en el anillo ocasionando movimiento relativo. Se cree que este
movimiento es responsable por la acción de molienda del molino.
235
Capítulo 10: Molinos de Torre y Molinos de Agitación
Como para una rotura por desgaste se requiere un movimiento relativo entre los elementos
de medios de molienda, el desencadenamiento de centrifugado donde termina el
movimiento relativo es claramente desventajoso. Esta observación apoya el punto de vista
que el molino de torre tiene una velocidad límite sobre la cual se deteriora el rendimiento
de molienda.
También es evidente de la Figura 10.7 – 10.10, que la carga de menor tamaño de bola se
mueve a una velocidad significativamente menor que la de mayor dimensión, no obstante el
agitador rotando a la misma velocidad. Una hipótesis es que las bolas menores
proporcionan más sitios donde se puede producir deslizamiento y, por ende, habrá una
menor transferencia de momento del agitador a la carga. Este resultado apoya el punto de
vista que las bolas más pequeñas requieren mayores velocidades de agitador para
mantenerlas en movimiento. Por el contrario, si la velocidad del agitador es muy baja, para
un tamaño de bola dado, habrá entonces partes de la carga de medios de molienda que no se
moverán y, en consecuencia, no efectuaran molienda.
Idealmente, la velocidad del agitador y el tamaño de bola deben emparejarse para garantizar
que la capa exterior de bolas es solo estacionaria. De este modo, el desgaste en la carcasa
del molino se mantendrá en un mínimo, aunque el grueso de los medios de molienda estará
en movimiento y efectuando un útil trabajo de molienda.
236
Capítulo 10: Molinos de Torre y Molinos de Agitación
Figura 10.7: Posición radial versus velocidad de bola; rpm del agitador = 32.4
Figura 10.8: Posición radial versus velocidad de bola; rpm del agitador = 50.3
237
Capítulo 10: Molinos de Torre y Molinos de Agitación
Figura 10.9: Posición radial versus velocidad de bola; rpm del agitador = 67.8
Figura 10.9: Posición radial versus velocidad de bola; rpm del agitador = 103.2
238
Capítulo 10: Molinos de Torre y Molinos de Agitación
Los molinos de mayor velocidad incorporando agitadores de aguja y tipo disco están en
gran medida todavía restringidos a aplicaciones especializadas y de pequeña escala. Sin
embargo, hay en uso molinos de torre de hasta 1 MW de potencia instalada y varios de los
más grandes han sido objeto de estudio por parte de JKMRC y otros desde 1989. Esta
sección se limitará, en consecuencia, solo a molinos de torre. Actualmente hay en marcha
un estudio sobre molinos de agitación y se dará a conocer en su debido momento.
La energía bruta es el ingreso de energía al motor del molino. La energía sin carga es la
utilizada para propulsar el tornillo sin carga en el molino. La energía neta es aquella
entregada a la carga.
239
Capítulo 10: Molinos de Torre y Molinos de Agitación
en la base de datos. Se encontró que la energía sin carga estaba relacionada con la masa del
tornillo y la velocidad del agitador de la siguiente manera:
Figura 10.11: Energía sin carga observada vs ajustada para molinos de torre
Se asumió, además, que la densidad de carga y velocidad del agitador debiera relacionarse
linealmente con la energía neta. Se esperaba en consecuencia que la ecuación de energía
neta tomara la siguiente forma:
240
Capítulo 10: Molinos de Torre y Molinos de Agitación
Debe destacarse que el tamaño promedio de bola para una carga de equilibrio será
aproximadamente la mitad del nuevo tamaño de bola.
Las energías sin carga y neta ajustadas fueron combinadas y graficadas respecto de la
energía bruta observada (Figura 109.12). Se puede observar que el ajuste es muy bueno la
que sugiere que la relación de diámetro de agitador propuesta es valida
241
Capítulo 10: Molinos de Torre y Molinos de Agitación
r i rj
pi = f i − i pi + ∑ aij p j (10.4)
di j =1 d j
Para permitir cambios en los tiempos de residencia, provocados por cambios en la tasa de
flujo volumétrico de material al molino, o cambios en el hold-up de sólidos, causados por
cambios en el volumen del molino, carga de bolas o densidad del slurry, se utiliza la
siguiente relación:
ri u ri
= (10.4)
di v di *
El volumen del molino ocupado por slurry puede estimarse a partir del volumen de la
sección cilíndrica del molino, entre las bocas de admisión y descarga, menos el volumen
del agitador y de las bolas.
El valor del parámetro (r/d*) varía con el tamaño de partícula y normalmente se distribuirá
como se muestra esquemáticamente en la Figura 10.13. El tamaño de partícula al cual se
produce la tasa máxima (xm), es una función del tamaño de bola y aumentará a medida que
aumenta este.
242
Capítulo 10: Molinos de Torre y Molinos de Agitación
Figura 10.13: Variación típica del parámetro (ri/di*) con el tamaño de partícula
Metodología de Escalamiento
Se puede asumir que los dos principales factores que determinan la tasa de rotura (y en
consecuencia el parámetro (ri/di*)), son el número de bolas y su velocidad relativa. Este
argumento se deriva naturalmente del supuesto que toda la rotura en el interior del molino
de torre se debe a desgaste. En este tipo de rotura, las bolas se mueven relativamente unas
respecto de otras y las partículas atrapadas entre ellas son, en consecuencia, rotas a medida
que se deslizan o ruedan una sobre otra (ver figura 10.5). Este tipo de movimiento ha sido
confirmado experimentalmente por medio de la observación de la carga en un molino de
torre operativo de vidrio.
Como la tasa de rotura está relacionada con la frecuencia de rotura, entonces mientras más
sitios de rotura se generen, más alta será la tasa de rotura. Mayor número de bolas y/o una
mayor velocidad relativa producirá, en consecuencia, mayores tasas de generación de sitios
de rotura y, por consiguiente, mayores tasas de rotura.
Puede suponerse que el número de bolas y sus velocidades relativas están relacionados con
las siguientes variables:
El agitador en un molino de torre, cuando rotada, ocasiona que la carga de bolas se mueva y
en consecuencia han sido elegidas sus dimensiones características en vez de las de la
carcasa del molino. De manera similar la altura de la carga de bolas estará relacionada con
el número de bolas en vez de con la altura de la carcasa del molino.
243
Capítulo 10: Molinos de Torre y Molinos de Agitación
Ds2 H b
Numero de bolas movidas ∝ (10.6)
Db3
En la figura 10.14 se muestra, por simplicidad, una imagen unidimensional de una ruptura
por desgaste. En la práctica, los sitios de rotura se generan en puntos sobre toda la
superficie de una bola dada. En consecuencia, se espera que el área superficial esté
directamente relacionada con la tasa de rotura. Por consiguiente:
Ds2 H b
Superficie de bolas movidas ∝ (10.7)
Db
La velocidad a la cual se mueven las bolas entre si (tasa de movimiento de bola) está
relacionada directamente con la tasa a la cual se generan los sitios de rotura. Esta será una
función de la velocidad y diseño del agitador. Para caracterizar el diseño se eligió el
número de vueltas de tornillo, el cual puede considerarse análogo al número de agujas en
un molino de torre. En consecuencia:
Ds3 H b N sTS
Tasa de rotura ∝ (10.9)
Db
244
Capítulo 10: Molinos de Torre y Molinos de Agitación
Figura 10.5: Esquema de un molino de torre mostrando un tornillo de dos partidas, 3 vueltas por
partida
Esta ecuación tiene una forma similar a la utilizada para predecir el consumo de energía
(ecuación 10.2), pero con el agregado de la dependencia inversa sobre el tamaño de bola.
Su validez ha sido probada utilizando resultados de un molino de torre piloto, procesando el
mismo mineral de alimentación que un molino de torre de escala completa. Se operó el
molino piloto en modo por lotes por un periodo de 15 minutos. Se ajustaron las tasas de
rotura a los datos de la planta piloto, asumiendo que las distribuciones de alimentación y
producto, al comienzo y al final de la operación por lotes, serían iguales a las de
alimentación y producto en operación bajo condiciones de equilibrio. Estas se escalaron
usando la ecuación 10.9 y se utilizaron para predecir el rendimiento real observado en la
unidad de escala completa. En la Tabla 10.1 se muestran las condiciones de estudio para la
unidad de escala completa. Se puede observar que varían ampliamente en términos de
tamaño de alimentación, consumo de energía y tasa de alimentación. En la figura 10.16 se
muestran los resultados de la predicción de distribución de tamaño del producto, de los
Estudios 1 y 2. Se encontró una excelente coincidencia. Se obtuvieron resultados similares
para los estudios 2 y 3. Sin embargo, se requieren más datos para confirmar la validez de
esta metodología.
245
Capítulo 10: Molinos de Torre y Molinos de Agitación
Figura 10.16: Distribuciones de tamaño de producto observado vs predicho del Estudio 1 del
molino de torre
Debido a que los molinos de torre son una adición reciente a la escena del procesamiento de
minerales, la experiencia con su optimización es limitada. Sin embargo, el proyecto
AMIRA, sobre molienda fina mencionado anteriormente (Proyecto P336; AMIRA 1994),
evaluó el rendimiento de siete circuitos de molinos de torre en tareas de molienda terciaria
y remolienda de flotación, en cuatro concentradoras de metal base con volúmenes en el
rango de 9.5-31m3. Se obtuvieron las siguientes conclusiones generales respecto de la
optimización de molinos de torre en dichas tareas:
• Las tasas de rotura en molinos de torre caen fuertemente por debajo de alrededor de 15-
20µm
• Las bolas más finas promueven una molienda más fina (el rango de bolas utilizado fue
12-25mm)
• Al igual que para cualquier molino, el rendimiento del circuito cerrado está dominado
por el clasificador (usualmente hidrociclones) y la configuración del clasificador debe
elegirse y operarse correctamente para la tarea.
246
CAPITULO 11
LA PREDICCIÓN DEL CONSUMO DE ENERGÍA EN
CHANCADORES Y MOLINOS DE VOLTEO
11.
11.1 INTRODUCCIÓN
247
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
11.2.1 Introducción
El modelo de energía del chancador permite la predicción del consumo de energía a partir
del conocimiento de las características de rotura del mineral, la reducción de tamaño del
mineral por parte del chancador y la eficiencia relativa de utilización de energía del
chancador. Las características de rotura se determinan en una prueba de laboratorio sobre
muestras representativas de mineral. Luego se predice la energía a partir de una ecuación de
regresión simple, relacionando la energía consumida ‘realmente’ por la máquina industrial,
en la producción de un tamaño de producto específico, con la energía requerida ‘calculada’
para lograr la misma reducción de tamaño en una prueba de laboratorio. Los coeficientes de
regresión poseen significado físico en términos del uso de la energía por parte de tipos
específicos de chancadores e instalaciones. El modelo fue desarrollado por Andersen
(1988) basado en un trabajo previo de Awachie (1983). Actualmente ha sido aplicado a
varios tipos de chancador y se ha encontrado que proporciona predicciones satisfactorias en
cada caso.
248
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
X Función de
f Clasificación p
C
Función de
Rotura C*X
B
p = (I − C) (I − BC)−1 f (11.1)
249
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
El modelo de energía relaciona el consumo de energía real del molino, con la energía
requerida por el dispositivo de rotura por impacto de laboratorio para lograr la misma
reducción de tamaño (Andersen y Napier-Munn 1988; Morrel, Napier-Munn y Andersen
1992). Es de la forma
Pc = APp + Pn (11.2)
El cálculo de la energía del péndulo, Pp, está basado en el modelo de chancador descrito
arriba y en la Sección 6.5. En este modelo, C es esencialmente una función de selección
que describe la probabilidad de rotura de partículas en el chancador (t/h). En consecuencia,
el producto Icxi es el flujo de masa de partículas de tamaño i reportando a rotura. Cuando
hay disponibles datos de alimentación y flujo de masa de producto y distribución de tamaño
de estudios de planta y se conoce la función de rotura B del valor predominante de t10,
basado en una prueba de rotura, se puede, entonces, calcular Icxi resolviendo los índices de
balance de masa en la Figura 1, tamaño por tamaño. Puede obtenerse la energía de
trituración específica, Ecs, apropiada para cada tamaño, i, de las descripciones de spline de
las relaciones Ecs-t10 específicas al tamaño, obtenidas de la prueba de rotura (Capítulo 4).
Entonces, la ‘energía del péndulo’ viene dada por:
j
Pp = ∑ Ecs
i =1
t 10 i ⋅ C j ⋅ xi kW (11.3)
Pp es, en consecuencia, la energía total requerida para reducir las distribuciones de tamaño
de alimentación a la distribución de tamaño de producto, como si toda la reducción tuviera
lugar en el péndulo o dispositivo de prueba de caída de peso.
250
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Pn es estrictamente una constante relacionada con el consumo de energía sin carga del
chancador operando en vacío y fue ajustada originalmente en el proceso de regresión. La
energía sin carga varía con el rendimiento y es una función tanto del factor de potencia
como de la eficiencia de propulsión del motor. Sin embargo, en la mayoría de los casos se
ha encontrado que se pierde poca capacidad predictiva, si alguna, si se fija Pn a la energía
en vacío y se estima solo A por regresión con un cero suprimido en la forma Pc-Pn = APp.
En los estudios de JKMRC se ha determinado que 1.2-1.55 son valores normales para A en
chancadores de cono y giratorios secundarios y terciarios.
11.3.1 Introducción
251
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Es posible, sin embargo, efectuar unos pocos supuestos simplificadores acerca de la carga
lo que permite un tratamiento matemático relativamente simple pero que refleja a la vez la
forma y movimiento esencial de la carga, lo que se observa en la práctica, y es fácil de
relacionar con las tendencias observadas en el consumo de energía. Este tratamiento sigue a
Morrel (1996a,b).
La Figura 11.2 muestra una fotografía del movimiento de una carga rotando en un molino
de vidrio de laboratorio y el cual se esquematiza en la Figura 11.4. Como la resistencia que
siente el motor del molino a su rotación, y por ende su consumo de energía, está causada
solamente por aquella parte de la carga que ejerce fuerza sobre la carcasa del molino, la
parte de la carga que esta en vuelo libre no tiene efecto directo. Además, el material en la
zona de riñón, siendo efectivamente estacionario, de masa relativamente pequeña y
relativamente cerca al eje de rotación del molino, ha tenido poco efecto sobre la energía del
molino (< 5%). En consecuencia, si las partes de carga del riñón y en vuelo libre son
ignoradas, lo que permanece es la forma de luna en creciente que está adecuadamente
aproximadamente por la Figura 11.3a.
Figura 11.2: Fotografía de la carga del molino en movimiento; molino de laboratorio; 0.3 m de
diámetro
252
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Figura 11.3a: Forma simplificada de la carga Figura 11.3b: Forma simplificada de la carga
para molinos de parrilla para molinos de parrilla
Los dos puntos clave que definen la posición de la carga son el talón y el hombro. Por
medio de técnicas fotográficas es posible medir como cambia la ubicación de estos puntos
con la velocidad del molino y el volumen de carga. En la Figura 11.4 se muestra un
diagrama esquemático del molino de laboratorio de vidrio usado para generar estos datos,
junto con el sistema de coordenadas usado para describir la ubicación del talón y el
hombro. En este caso, se utilizó el desplazamiento angular medido en una dirección anti
horaria, desde la posición de las 3 horas (0 grados). En las Figuras 11.5 y 11.6 se puede
observar la variación del desplazamiento angular del talón y hombro con llenado y
velocidad.
Efecto de la Velocidad
El efecto del aumento de la velocidad del molino en la posición del hombro (Figuras 11.5 y
11.6) es elevar la carga aún más y, en consecuencia, aumentar el ángulo del hombro. Luego
de dejar la carcasa del molino en el hombro, la carga cae a la región del talón donde tiene a
apilarse mientras espera que el molino lo acelere a su velocidad de rotación. Como
253
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
consecuencia, la posición del talón aparece como no variando sobre la mayoría del rango de
velocidad, para un llenado de molino dado, confirmando los resultados de Liddel y Moys
(1988).
En la Figuras 11.5 y 11.6 se observa además como el efecto del llenado del molino
influencia la posición del talón y del hombro. Mayores llenados de molino dan lugar a
mayores ángulos de hombro y menores ángulos de talón. Como consecuencia, la velocidad
del molino a la cual comienza el centrifugado se ve como una fuerte función del llenado del
molino, con mayores llenados centrifugando a velocidades mucho menores. Este resultado
también concuerda con los descubrimientos de Liddel y Moys (1988) y difiere de la visión
de una única velocidad de centrifugado dictada solamente por el balance gravitacional y las
fuerzas centrífugas. En una aproximación de este tipo se ignoran los efectos de interacción.
Sin embargo, está claro que la carga se comporta como un cuerpo colectivo y, por lo tanto,
no se puede ignorar las interacciones. En consecuencia, debido a la presión ejercida por la
carga, el material por debajo de la cara del molino que se eleva “empuja” efectivamente el
material superior más de lo que sería el caso con partículas individuales moviéndose en el
interior del molino. Con mayores llenados de molino, este efecto es más pronunciado y da
lugar a mayores ángulos de hombro. Este fenómeno está relacionado con la velocidad del
molino y la magnitud de las fuerzas de fricción en la carga. Estas fuerzas tardías son, a su
254
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
vez, directamente proporcionales a las fuerzas de fricción en la carga (Liddel y Moys 1988;
Vermeulan y Howat 1984). Como las magnitudes relativas de estas son independientes del
diámetro del molino, la posición relativa de la carga será la misma, independiente del
diámetro del molino, siempre que el llenado del molino y el porcentaje de la velocidad
crítica permanezcan constantes.
Figura 11.5: Variación de la posición del hombro con la velocidad y llenado del molino
Figura 11.5: Variación de la posición del talón con la velocidad y llenado del molino
255
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Para describir la variación en el ángulo del talón se utiliza la siguiente forma de ecuación
empírica:
Para garantizar que a la velocidad de centrifugado el desplazamiento del talón y del hombro
converjan al mismo valor (π/2 radianes), el ángulo del hombro (θS) se elige para ser
expresado como función de θT. Se usa la siguiente forma de ecuación:
256
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
carga. Se pueden efectuar mediciones de la velocidad de las partículas en cada una de estas
corrientes observadas, mientras que la posición de la corriente puede medirse en términos
de su desplazamiento radial, respecto del centro de rotación del molino.
En consecuencia:
r
Rn = (11.9a)
rm
Vr
y Vn = (11.9b)
Vm
257
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Los gráficos muestran también la relación entre velocidad tangencial y posición radial bajo
el supuesto que la carga esta bloqueada completamente (no hay condición de
deslizamiento). Es evidente que existe una gradiente de velocidad angular en la carga que
es función del llenado del molino. Esta es una consecuencia directa del deslizamiento
produciéndose en la carga. Como la fuerza de fricción es proporcional a la fuerza aplicada,
actuando en una dirección normal a ella, es esperable que los mayores pesos de lecho,
resultantes de un mayor llenado del molino, generarán mayores fuerzas de fricción en la
carga. En consecuencia, se producirá menos deslizamiento en la carga. Por ende, a medida
que se aumenta el llenado del molino, la gradiente de velocidad respecto del radio del
molino tenderá a la condición de no deslizamiento.
La velocidad tangencial (Vr) a una posición radial dada (r) puede expresarse en términos de
una tasa rotacional (Nr) usando la ecuación:
Vr
Nr = (11.10)
2π r
Usando una relación lineal simple entre la velocidad tangencial normalizada y la posición
258
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
N m rm (rm zrj )
Nr = (11.11)
r (rm − zrj )
L dr
Vr L dr
259
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Se supone que la trayectoria de las partículas que viajan a través del elemento de superficie
es como se indica en la Figura 11.2. En consecuencia, la tasa a la cual se les imparte
energía cinética viene dada por:
Vr pcL dr g h
Vr3 ρ c Ldr
La tasa a la cual se les imparte energía cinética viene dada por:
2
Figura 11.9: Esquema de la carga del molino para la metodología de balance de energía
Suponiendo que nada de la energía de las partículas que pasa a través de la superficie
ABCD es recuperada subsecuentemente por el molino, entonces la suma de la tasa a la cual
se genera la energía potencial y cinética, para todas las partículas pasando a través de la
superficie ABCD (Pnet), viene dada por:
rm
Vr3 L ρ c
Pnet = ∫r r c
V L ρ rg (sin θ S − sin θ T ) +
r ( r − zr )
dr
(11.13)
i m j
también Vr = 2π N r
En la ecuación 11.11 se relacionó la tasa rotacional (Nr) con la posición radial (r) lo que dio
cabida al deslizamiento observado, ocurrido cuando r se movió entre rm y ri. En
consecuencia, al sustituir Nr en la ecuación 11.14 se obtiene:
260
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
r
2π gL ρ c N m rm (sin θ S − sin θT ) m
Pnet =
(rm − zri ) ∫r r (r − zri )dr
i
rm
4π 3 L ρ c N m3 rm3
∫ (r − zr ) dr
3
+ i (11.15)
(rm − zri )3 ri
En consecuencia
π gL ρ c N m rm
Pnet =
3(rm − zri )
{2 r3
m − 3 zrm2 ri + ri3 (3 z − 2)}{sin θ S − sin θT }
3
N m rm3π
{(rm − zri ) − ri ( z − 1) }
4 4 4
+L ρ c (11.16)
(rm − zri )
π gLN m rm
Pnet =
3(rm − zr )
{2r 3
m − 3 zrm2 ri + ri3 (3 z − 2)}
i
{ρ (sin θ
c S − sin θT ) + ρ p (sin θT − sin θTO )}
3
N rπ
+L ρ c m m {(rm − zri ) 4 − ri 4 ( z − 1)4 } (11.17)
(rm − zri )
261
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Se asume que la posición del talón y hombro es igual en los extremos cónicos como en la
sección cilíndrica. Como la cantidad de carga en los extremos cónicos es normalmente muy
pequeña, se asume que el efecto de cierre de los elevadores del extremo limitará el
deslizamiento en la carga cónica. Por este motivo, se asume que no habrá un gradiente de
velocidad angular en esta parte de la carga.
262
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
A medida que el radio del cono varía con respecto a su longitud, entonces, para el cono
entero, se debe integrar la ecuación 11.18 respecto de la longitud del cono Lc. En
consecuencia la energía total asociada con ambos extremos cónicos (Pc) viene dada por:
Li rc
De geometría
(rm − rc )
Lc = Ld (11.20)
rm − rt
En consecuencia
− Ld drc
dLc = (11.21)
rm − rt
2 Ld
rm rc
T ∫ ∫ r dr drc
2
Pc = 2π N ρ
m c g (sin θ S − sin θ )
(rm − rt ) rc ri
rm rc
+4π 3 N m3 ρc ∫ ∫ r 3 dr dc (11.22)
rc ri
2 Ld 1 4 3 4
= π N m ρ c g (sin θ S − sin θT )(rm − 4rm ri + 3ri )
(rm − rt ) 6
1
+ π 3 N m3 ρ c (rm5 − 5rm ri 4 + 4ri5 ) (11.23)
5
263
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
π Ld gN m
Pc =
3(rm −r)
{(r 4
m − 4rm ri3 + 3ri 4 ) { ρ c (sin θ S − sin θT )
t
2π 3 N m3 Ld ρ c 5
+ ρ p (sin θT − sin θTO )} + (rm − 5rm ri 4 + 4ri5 ) (11.24)
5(rm − rt )
Las ecuaciones 11.17 y 11.24 constituyen las dos ecuaciones principales para el cálculo del
consumo de energía asociado con la carga en las secciones cilíndricas y cónicas, de un
molino de volteo húmedo, respectivamente.
Además de los parámetros de diseño como diámetro y longitud del molino y los ángulos de
hombro y talón y, las ecuaciones contienen tres variables cuyos valores deben conocerse
antes de poder evaluar las ecuaciones. Estas son:
pc - densidad de la carga
pp - densidad de pulpa
La superficie interior de la carga define el límite radial de la parte activa de la carga. Puede
representarse por su distancia radial desde el eje de rotación (ri). Si se conoce la posición
del talón y del hombro, junto con el volumen de la carga entre estos puntos, se puede
entonces encontrar ri por simple geometría como sigue:
0.5
2πβ J t
ri = rm 1 − (11.25)
2π + θ S − θT
donde β es la parte activa de la carga expresada como una fracción de la carga total. Esta
fracción será proporcional al tiempo que permanece el material en la parte activa de la
carga, respecto del tiempo que le toma completar un circuito de la carga completa.
En consecuencia:
tc
β = (11.26)
t f + tc
264
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
2π − θT + θ S
tc = (11.27)
2π N
Nm
N = (11.28)
2
0.5
2r (sin θ S − sin θT )
tf = (11.29)
g
rm
0.5
2π J t
r = 1 + 1 − (11.30)
2 2π + θ S − sin θT
ρc =
[ J t ρ0 (1 − E + EUS ) + J B ( ρ B − ρ0 )(1 − E ) + J t EU (1 − S )] (11.31)
Jt
0.6 J B ( ρ B − ρ0 )
ρc = 0.8 ρ 0 + +0.2 (11.32)
Jt
Se asume que la densidad de pulpa en el interior del molino (pp) es igual a la densidad de
descarga de pulpa
265
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Las ecuaciones anteriores proporcionan una descripción teórica del consumo de energía
asociado con el movimiento de la carga en el molino. En la practica, se debe proporcionar
energía adicional para compensar las pérdidas/consumos mecánicos, eléctricos y ‘otros’.
Agregando estas a la energía asociada con el movimiento de la carga, resulta un consumo
de energía global o bruto. Un modelo de energía de molino es construido, por consiguiente,
con varios de niveles para explicar las varias fuentes de consumo de energía. En el primer
nivel la energía bruta, i.e. la energía de entrada al motor del molino, se divide en aquella
que compensa las ineficiencias mecánicas y eléctricas y aquella suministrada a la carga
(energía neta). Esto se expresa como sigue:
donde
Debe destacarse que en la literatura se utiliza a veces energía neta como sinónimo de
potencia en el eje del piñón de un molino. La potencia en el eje del piñón incluye la energía
suministrada a la carga en si, más aquella para compensar las perdidas en el engranaje del
piñón además de la asociada a los rodamientos del molino. La energía neta en el modelo
JKMR se define como la energía de entrada a la carga y por consiguiente no es igual a la
potencia en el eje del piñón.
266
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Para tener utilidad práctica, un modelo de energía necesita predecir con exactitud la energía
bruta (i.e. medida). Como se destacó previamente, la diferencia entre consumo de energía
bruta y neta en un molino se debe a perdidas asociadas a varios componentes mecánicos y
eléctricos. Las perdidas principales se producen en el motor, transmisión y rodamientos.
Ninguno de estos permanece constante sobre el rango operativo completo del molino.
Algunos, sin embargo, pueden tener un componente fijo – por ejemplo, las perdidas debidas
a fricción en los rodamientos serán determinadas por el peso del molino vacío (un
componente fijo aunque incluso este variará, a medida que se desgastan los revestimientos
y elevadores) y el peso de la carga del molino (una componente variable). En la mayoría, si
no en todas, las plantas operativas de escala completa, los únicos datos que se medirán son
la energía bruta y/o real. En raras ocasiones se conocerá la energía sin carga (el consumo de
energía del molino cuando corre vacío) de los registros de comisionado o mantenimiento.
De manera alternativa, si el molino ha sido vaciado para reposición de revestimientos, se
registrará la energía sin carga durante la puesta en marcha. Dichos datos indican las
magnitudes de algunos componentes de la pérdida de energía.
Para determinar la relación entre la energía sin carga y los parámetros de diseño del molino,
se analizaron diez conjuntos de datos provenientes de nueve molinos, con diámetros
variando entre 1.75 y 9.75 m. Se desarrollo una relación empírica como sigue:
267
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
En la Figura 11.13 se muestra un gráfico de los consumos de energía sin carga observados
y predichos usando esta ecuación. La dispersión de los datos es evidente y se atribuye a
diferencias en el diseño y condición mecánica de componentes como rodamientos. Esto se
ilustra por medio de puntos de datos de menor consumo de energía, provenientes de
lecturas tomadas en distintos molinos piloto con las mismas dimensiones nominales.
Figura 11.13 consumo de energía sin carga observada vs predicha (ecuación 11.34)
268
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
El valor resultante para k fue 1.26. En consecuencia, la energía consumida por sonido, calor
generado por la fricción de deslizamiento en la carga, rotura por desgaste/abrasión, rotación
de los medios, sumada a las imprecisiones del modelo explica, en promedio, un 26%
adicional de energía neta teórica. Esto se compara con la estimación de Harris et al de hasta
un 20% (Harris et al 1985) y el valor de Rolf y Simons de sobre un 30% para la energía
asociada con el movimiento de deslizamiento (Rolf y Simons 1990). En la Figura 11.14 se
proporciona un gráfico del consumo de energía observado y predicho usando el modelo.
Está claro que el modelo predice exitosamente el consumo de energía en el rango completo
de laboratorio, piloto y escala industrial. El error RMS promedio es 5%.
269
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Para ilustrar el uso del modelo se proporciona un ejemplo resuelto relacionado con un
molino SAG
Datos de Entrada
Pasos de Cálculo
270
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
De cálculos anteriores
ΦT = 3.9198 radianes
θS = 0.8519 radianes
De las ecuaciones 11.27, 11.28: tc = 5.7
De las ecuaciones 11.29, 11.30: tf = 0.926
De la ecuación 11.26 β = 0.8516
De la ecuación 11.25 ri = 2.576
4.- calcular el parámetro z
De los datos de entrada
Jt = 0.35
De la ecuación 11.12: z = 0.8226
5.- calcular la energía teórica de la sección cilíndrica (Pnet)
De los datos de entrada
Jt = 0.35
Rm = diámetro/2 = 4m
Nm= rpm del molino / 60 = 10.179 rev. Por segundo
L = 4m
De cálculos anteriores
ΦT = 3.9198 radianes
θS = 0.8519 radianes
θTO = θT
z = 0.8226
ri = 2.576
pc = 3.237
use g = 9.814 m.s-2
De la ecuación 11.17: Pnet = 2809 kW
271
Capítulo 11: La Predicción del Consumo de Energía en Molinos de Volteo
Los pasos de cálculo para un molino de bola son idénticos a los proporcionados arriba.
Debe destacarse que para molinos de bola el llenado fraccional total del molino debe fijarse
al mismo valor que el llenado fraccional de bolas del molino, i.e. Jt = JB. Además, para
molinos de descarga de overflow, el ángulo de rebalse del slurry (θTO) debe fijarse en 3.395
radianes.
11.5 CONCLUSIONES
272
CAPITULO 12
HARNEROS E HIDROCICLONES
12.
Los circuitos de trituración son abiertos o cerrados. Los circuitos abiertos son aquellos en
los cuales el dispositivo(s) de trituración rompe el material y lo pasa directo a la siguiente
etapa de procesos sin dimensionarlo. En un circuito cerrado, el material ya roto debe
cumplir con algún criterio de selección de tamaño antes de continuar aguas abajo y, en
consecuencia, la maquina de trituración está cerrada por el dispositivo de dimensionado,
siendo el material de sobre tamaño reciclado a la maquina para rotura adicional. La carga
de reciclo es el material que fluye en el lazo cerrado, entre el dispositivo de trituración y el
clasificador (Figuras 12,1b y 12.1c). Circuitos de trituración complejos incorporarán
combinaciones de dichos arreglos para lograr el resultado deseado al menor costo de capital
y operativo. Los circuitos de trituración son utilizados a menudo para lograr un nivel inicial
de reducción, antes de un circuito cerrado el cual completa la reducción de tamaño y
controla el tamaño del producto. Los circuitos cerrados se usan donde un proceso de una
única etapa de trituración es relativamente ineficiente y se requieren varios ciclos de rotura.
Cerrar un circuito es una manera más eficiente en energía de generar un producto del
tamaño requerido, aunque esto depende del criterio de tamaño del producto (ver Sección
9.10.6).
La Figura 12.1a muestra la forma más simple de ‘circuito’ – una máquina individual en
circuito abierto. Los chancadores primarios y secundarios, molinos autógenos y semi
autógenos y molinos de barra operan habitualmente en circuito abierto.
La Figura 12.1b muestra un circuito serrado sencillo, en este caso un molino de bola
cerrado por hidrociclones. A menudo los chancadores terciarios están cerrados por
hidrociclones, molinos AG/SAG por tamices curvos o hidrociclones y molinos de bola y
molinos de torre por hidrociclones u otra forma de clasificador.
273
Capítulo 12: Harneros e Hidrociclones
La Figura 12.1c muestra un circuito híbrido ‘ABC’ con un circuito abierto de chancado
primario seguido en serie por un molino AG cerrado por un tromel (con reciclo de
sobretamaño vía un chancador inter etapa) y un molino de bola cerrado por hidrociclones.
274
Capítulo 12: Harneros e Hidrociclones
Por el contrario, normalmente hay pocas opciones simples disponibles para modificar la
maquina de trituración en si. Aunque es relativamente simple, por ejemplo, cambiar la tasa
de alimentación o densidad de pulpa, tales cambios pueden tener otros efectos nocivos
(reducir la tasa de alimentación puede producir un producto más fino pero también
disminuir la producción). El conjunto de chancador y la carga de bolas son fáciles de
modificar, pero la velocidad el molino (a menos que haya disponible un motor VS) o el
perfil de revestimiento son más difíciles (El tamaño de la máquina es el mayor elemento de
capital y normalmente no está disponible como una opción de optimización, a menos que se
contemple una expansión de la planta o su reemplazo.
Figura 12.1c: Circuito híbrido ABC con un circuito abierto seguido de dos circuitos cerrados; los
dispositivos de dimensionado consideran un tromel e hidrociclones
275
Capítulo 12: Harneros e Hidrociclones
Figura 12.2: Curvas de eficiencia medidas en un hidrociclón para underflow y overflow (C=100-Rf)
W M
Eoi = 100 oi o % (12.1)
W M
fi f
276
Capítulo 12: Harneros e Hidrociclones
donde Woi, Wfi son las proporciones en peso de material de tamaño i en overflow y sólidos
de alimentación respectivamente, y Mo, Mf son las tasas de flujo de masa de sólidos total de
las corrientes de overflow y alimentación respectivamente.
100Woi (W fi − Wui )
Eoi = % (12.2)
W fi (Woi − Wui )
Alternativamente, el resultado Mo/Mf en la ecuación 12.1 puede ser estimado a partir de las
concentraciones de sólido en las tres corrientes y luego ser usada para reconstituir una
distribución de tamaño a partir de las distribuciones de tamaño de los dos productos (Wills
1992).
La mejor manera de determinar los valores de Eoi es obtener datos ‘redundantes’ (es decir,
más datos de los requeridos para cerrar el balance de masa) y aplicar un procedimiento de
optimización de balance de masa para calcular las ‘mejores’ estimaciones de cada cantidad,
de acuerdo con el criterio de mínimos cuadrados. Estas estimaciones pueden luego ser
usadas en las ecuaciones 12.1 y 12.2 para calcular Eoi. El simulador JKSimMet incorpora
un procedimiento de balance de masa adecuado, MBal (Sección 5.6.2 y Apéndice 4); puede
haber otros.
• Distribuciones de tamaño
277
Capítulo 12: Harneros e Hidrociclones
que las partículas muy finas, no responderán a las fuerzas de clasificación (fuerza
centrífuga o gravitatoria) y en consecuencia simplemente seguirán el flujo de agua. En
consecuencia la curva intercepta el eje-x al valor de partición de agua a overflow (o
underflow). Por el contrario, las partículas gruesas siempre serán clasificadas y debe por
ende existir un tamaño de partícula en la cual ninguna se reporta a overflow; por
consiguiente, el extremo superior de la curva siempre alcanzara cero en algún tamaño
grueso.
Eua xi − R f ⋅ xi Eua − R f
Euc = = (12.3)
xi − R f ⋅ xi 1− Rf
Eoa
Eoc ∝ (12.4)
C
Las curvas corregidas basadas en estas fórmulas se comparan con las curvas reales o
experimentales en la Figuras a y b. Las curvas corregidas son sigmoideas en forma y
parecen más bien curvas de distribución de probabilidad acumulada; en cierto sentido
efectivamente describen la probabilidad de una partícula de tamaño dado reportando a uno
u otro producto, aunque no cumplen estrictamente el criterio para ser tratadas como
funciones de distribución de probabilidad verdaderas. Sin embargo, como cualquier
distribución unimodal similar, pueden ser descritas por dos parámetros, una para posición
(equivalente a una media) y una para escala (equivalente a una desviación estándar). El
parámetro de ubicación d50c, definido como el tamaño de corte corregido o tamaño de
separación, el tamaño que se divide en partes iguales entre overflow y underflow, debido
solamente a las fuerzas de clasificación. El tamaño de corte corregido es siempre mayor
que el tamaño de corte real (medido), d50 (Figura 12.4).
278
Capítulo 12: Harneros e Hidrociclones
subyacente, que la fracción de bypass Rf es la misma para todos los tamaños de partícula,
ha sido cuestionado.
Flintoff et al (1987) revisó alguno de los argumentos. Estos incluyen el punto de vista de
Austin y Klimpel (1981) en cuanto a que el slurry espesado en la pared del ciclón se
279
Capítulo 12: Harneros e Hidrociclones
bloquea en algunas partículas finas las que luego se van en el underflow y la sugerencia de
Finch (1983) que el bypass disminuye con el aumento en el tamaño de partícula. Las
nuevas metodologías fundamentales para el modelado de clasificadores, en especial
hidrociclones, pueden arrojar algo de luz sobre este problema. En el presente, sin embargo,
la metodología de Kelsall goza de la ventaja de la simplicidad y familiaridad a través de su
uso generalizado.
La curva de eficiencia corregida puede ser normalizada o ‘reducida’ dividiendo el eje del
tamaño por d50c·Eoc=0.5 donde d/d50c = 1. Lynch y Rao (Reportado en Lynch 1977)
demostró que la curva reducida para hidrociclones es normalmente independiente del
diámetro del ciclón y de las condiciones operativas para una alimentación dada, asumiendo
similitud geométrica entre hidrociclones de diferente tamaño. Esta generalización
importante, que se ha mantenido bien en plantas y estudios de laboratorio más recientes,
permite formular modelos empíricos útiles de hidrociclones (y otros dispositivos de
dimensionado) que son robustos en un rango bastante amplio de condiciones. Estas
predicen Rf (o C) y d50c para las condiciones operativas particulares de donde puede
reconstruirse la curva de eficiencia real. Dichos modelos son ampliamente utilizados en
diseño de procesos y optimización de hidrociclones, y se analizan posteriormente en la
Sección 12.4.3.
Incluso utilizando datos de balance de masa, los puntos resultantes pueden no caer en una
curva suave debido a los habituales errores de muestreo y análisis e inestabilidades del
proceso (de los cuales solo algunos habrán sido considerados en el balance de masa). La
curva suave no es solo intuitivamente satisfactoria – es probablemente la mejor y más
exacta descripción del proceso. Es necesario, en consecuencia, ajustar tal curva a los puntos
experimentales en la forma de una función matemática adecuada, para obtener la mejor
estimación de la curva de eficiencia ‘verdadera’
También es esencial poder representarlos por medio de una función matemática, cuando se
usan paquetes de simulación computacionales como JKSimMet. Existe una gran cantidad
de literatura sobre el ajuste de funciones particulares a las curvas de eficiencia de
clasificación (y su primo cercano, la partición o curva Tromp para separaciones de
densidad). Las dos más conocidas son el tipo de función Rosin-Rammler, derivado
independientemente por Reid (1971) y Plitt (1971) y la expresión de suma exponencial
derivada por Whiten (1966, 1996) y usada extensamente por Lynch y sus colegas (Lynch y
Rao; Lynch 1977).
280
Capítulo 12: Harneros e Hidrociclones
1
ln ln / ln 2 = m ln d − m ln d50 c (12.6)
1 − Euc
exp(α xi ) − 1
Euci = (12.7)
exp(α xi ) + exp(α ) − 2
e x − e− x
y = tanh x = (12.8)
e x + e− x
describía bien la forma de dichas curvas, y luego introducir parámetros para mover su
centro desde el origen al cuadrante superior derecho y restringiéndolo a pasar a través de
y=0 y ser asintótica a y=1. Interesantemente, Trawinski (1976) demostró que las ecuaciones
tanto de Whiten como de Reid/Plitt son casos especiales de la misma derivación, usando
diferentes funciones exponenciales de x.
La ecuación 12.7 es no, lineal en los parámetros α y x, y, por consiguiente, no puede ser
ajustada a los datos de eficiencia corregidos por regresión lineal simple. Sin embargo,
281
Capítulo 12: Harneros e Hidrociclones
exp(α ) − 1
Eoa = C (12.9)
exp(α x) + exp(α ) − 2
282
Capítulo 12: Harneros e Hidrociclones
La discusión hasta ahora a asumido que las curvas de eficiencia tienen una forma regular y,
en particular, que son monotónicas, esto es, que decaen continuamente hasta cero (para la
curva de overflow) y no tienen ningún máximo local (o salto) otro que la dispersión del
error experimental. Normalmente esto es verdad pero, en una importante minoría de casos,
se ve un ‘anzuelo’ en el extremo fino de la curva (Figura 12.6), usualmente bajo 45µm (no
será visible si no se efectuado un análisis de tamaño en un rango sub-tamiz).
Ha habido algún debate sobre la causa de este fenómeno. En algunos casos, puede deberse
simplemente a algún error en el muestreo o en el análisis del tamaño de partícula. Por
ejemplo, hay evidencia en la molienda seca del cemento que las partículas finas, que se
aglomeran electrostáticamente en el clasificador de aire y luego reportan al producto de
underflow, se desaglomeran posteriormente cuando se dimensionan por tamizado húmedo o
en un instrumento de difracción láser. Sin embargo, el fenómeno es encontrado bastante a
menudo, como para justificar una descripción modificada de la curva de eficiencia para
tratar con el.
Finch (1983) sugirió que la causa del anzuelo era el arrastre en el agua, aumentando este
arrastre linealmente con la disminución del tamaño de partícula. Esto condujo a la
modificación de la ecuación Reid/Plitt (ecuación 12.5) como sigue:
(d )
m
d o -d
Euc = 1 − exp − ln 2 +R f (12.10)
d50 c do
283
Capítulo 12: Harneros e Hidrociclones
donde do, el tamaño bajo el cual ocurre el arrastre, se transforma en el tercer parámetro a
ser estimado de los datos (Rf puede considerarse también como un parámetro si no ha sido
medido separadamente). Ese modelo fue refinado posteriormente para acomodar la idea de
que el corto circuito es probabilístico en vez de realmente aditivo (del Villar y Finch 1992).
(1 + ββ * x)(exp(α ) − 1)
Eoa = C (12.11)
exp(αβ * x) + exp(α ) − 2)
Aunque C, la partición de agua, está a menudo disponible como dato (e.g. de flujos
medidos o balance de masa), normalmente es preferible estimarlo por medio de ajustarlo
como un parámetro en las ecuaciones 12.9 y 12.11; el valor medido puede utilizarse como
un valor inicial.
Existe un rango casi infinito de métodos que pueden ser usados para determinar la curva de
eficiencia a partir de datos experimentales, dependiendo de los datos disponibles, y si hay
disponibles paquetes computacionales de balance de masa o ajuste de modelos (JKSimMet
combina estas funciones). No existe una mejor metodología – incluso experimentados
usuarios de procedimientos de balance de masa y ajuste de modelos, modificarán su
metodología dependiendo de la naturaleza de los datos brutos, especialmente su calidad, sus
expectativas sobre el resultado último de la curva de eficiencia ajustada y preferencias
personales. Algunos de los asuntos que hay que enfrentar son:
• ¿Debiera efectuarse el balance de masa de los datos antes del ajuste del modelo? El
ajuste una curva de eficiencia esencialmente restringe los datos a un balance racional.
El prebalance de los datos, sin embargo, permite al usuario imponer algunas
284
Capítulo 12: Harneros e Hidrociclones
La verdad es, que si estos datos son perfectos, las preguntas son superfluas – cualquier
método proporcionará la misma respuesta (¡la correcta!). Lo habitual es alejarse de esta
perfección y por eso se requiere experiencia en al mejor manera de extraer un resultado útil.
• Ajustar la curva de eficiencia a los puntos medidos (reales) ya sea gráficamente o por
regresión lineal simple de la ecuación 12.5 (las planillas electrónicas y la mayoría de las
calculadoras programables pueden hacer esto) o manualmente usando la ecuación 12.9;
esto no es tan difícil como parece: d50c puede obtenerse como (1/2)C en un gráfico
(Figura 12.4), y α puede obtenerse muy bien por tanteo.
El balance de masa general y el problema del ajuste del modelo se discute en el Capítulo 5.
12.3.1 Introducción
Los harneros vibratorios fueron inventados en EEUU a comienzos de los 1900 y utilizaban
martillos para agitar la plataforma del harnero. Los harneros vibratorios de alta velocidad
aparecieron por primera vez en 1910. Los harneros rotatorios, en los cuales el movimiento
es principalmente horizontal más que vertical, fueron desarrollados para superar los
problemas mecánicos y alto mantenimiento de los harneros vibratorios. Sin embargo,
285
Capítulo 12: Harneros e Hidrociclones
mejoras en el diseño de los harneros vibratorios los han transformado desde los 1940s en
una unidad clave de las plantas de procesamiento de mineral.
• harneros vibratorios
286
Capítulo 12: Harneros e Hidrociclones
Los harneros vibratorios incluyen una o más plataformas de harnero montadas una sobre la
otra, teniendo cada plataforma una menor abertura que la inmediatamente superior. El
conjunto completo puede ser horizontal o inclinado desde la alimentación a la descarga.
• Harneros de movimiento lineal de ángulo pequeño (incluyendo los harneros banana con
plataformas de 2-3 pendientes)
Los harneros de movimiento lineal de ángulo pequeño se instalan a ángulos que varían
entre 0-10º y el movimiento está dirigido usualmente a 40-45º respecto de la superficie de
287
Capítulo 12: Harneros e Hidrociclones
harneado. Como este tipo de harnero no puede basarse en la gravedad para el flujo, las
carreras son más largas que para los harneros de movimiento circular. Y, en consecuencia,
están sometidos a mayores esfuerzos estructurales. Este harnero es ampliamente utilizado
en la industria minera para lavado y harneado fino. Las grandes áreas de harnero producen
lechos de pequeña profundidad resultando en un mejor lavado.
Los harneros ‘banana’ se caracterizan por una disposición de plataforma inclinada, que está
angulada con una fuerte pendiente de 20-30º en el extremo de alimentación, nivelándose
hasta un ángulo relativamente plano de 10-15º en el extremo de descarga. La ventaja de
este diseño es que los finos son removidos rápidamente al comienzo, vía el lecho de poca
profundidad de flujo rápido, dejando que el material cercano al tamaño sea separado a
velocidades reducidas, hacia el extremo de descarga del harnero, sin ser estorbado por los
finos. Este tipo de harnero se usa cuando la alimentación tiene una alta proporción de
material bajo tamaño, alta humedad o inclusiones de greda o barro que pueden bloquear las
aberturas. La Figura 12.9 muestra un esquema de harnero banana de doble plataforma.
288
Capítulo 12: Harneros e Hidrociclones
Aunque los harneros de alambre tejido son muy eficientes, poseen una pobre resistencia al
desgaste por materiales abrasivos. Esto precipitó la introducción de paneles de placa
perforada a principios de 1900. Estos paneles tienen más acero que los paneles de alambre
tejido y como tal proporcionan una mayor vida. También ofrecen una mayor variedad de
área abierta, forma de la abertura y tipo de acero.
El wedge wire contempla miembros paralelos con forma de cuña, con pequeñas
separaciones, montadas normalmente transversales al flujo. Los paneles de wedge wire se
usan fundamentalmente para desecado y separaciones finas. Los Grissly bars se usan para
aplicaciones pesadas preliminares como remoción de finos antes de un chancador primario.
Están confeccionadas de barras o rieles corriendo paralelas unas de otras en la dirección del
flujo, separadas 50 a 200mm.
289
Capítulo 12: Harneros e Hidrociclones
Las aberturas cuadradas ofrecen el dimensionado más exacto, buena duración ante el
desgaste y suficiente área abierta.
En aplicaciones de trabajo duro, donde es probable el desgaste por impacto y corte, las
aberturas redondas proporcionan una plataforma más robusta. Sin embargo, las aberturas
redondas son mas susceptibles de obstrucción y no deben utilizarse donde el área abierta es
crítica.
Los harneros ranurados son diseñados principalmente para aumentar el área abierta o para
reducir la incidencia de obstrucción y cegado. Las aberturas rectangulares en la dirección
del flujo son ideales para harnear partículas de forma regular, en donde se necesario un área
abierta máxima. No son para harnear material escamoso donde es crítico un dimensionado
muy preciso.
290
Capítulo 12: Harneros e Hidrociclones
Aunque hay en uso muchos tipos distintos de harnero, su eficiencia puede describirse
matemáticamente, al igual que para cualquier dispositivo clasificador o de dimensionado,
usando la ecuación 12.9 basándose en tres parámetros, C, d50c y α, donde:
Por medio del desarrollo de relaciones entre estos parámetros de curvas de eficiencia o
clasificación y las condiciones de diseño y operación, es posible describir el rendimiento de
separación del harnero. Dicha metodología proporciona una manera útil de predecir el
rendimiento del equipo pero esta limitada, como siempre, por la extensión de la base de
datos sobre la cual se basan las relaciones.
Nótese que la metodología de curva de eficiencia define la eficiencia del harnero como una
medida de la probabilidad que un rango de tamaño de partículas (-d2+d1) pase a través del
harnero en sus condiciones de operación predominantes, o
Los harneros proporcionan habitualmente un corte más agudo que los clasificadores
hidráulicos como los hidrociclones. La posición del tamaño de corte respecto de los tamices
utilizados para analizar el material de alimentación, sobretamaño y bajo tamaño puede ser
muy importante para calcular la eficiencia. Abajo se aportan más detalles sobre este
problema potencial.
La eficiencia del harnero es definida por la mayoría de los fabricantes de equipos, como el
porcentaje de bajo tamaño en la alimentación que pasa realmente a través del harnero, o
Nótese como guía, que es posible obtener una estimación de la curva de eficiencia de
Whiten, d50c, para una abertura de harnero y eficiencia dadas, usando la siguiente
expresión:
291
Capítulo 12: Harneros e Hidrociclones
αA
d 50 c = (12.14)
100 100
ln − 1 exp(α ) + − 2
100 − E 100 − E
α es normalmente 10-15 para aberturas sobre 5mm. Nótese que la ecuación 12.14 asume
que un E por ciento de partículas de tamaño de abertura A reportan al sobretamaño.
Normalmente, este valor supera el 90% dependiendo de las condiciones operativas del
harnero y no es necesariamente igual a la eficiencia del harnero de los fabricantes, según lo
definido por al ecuación 12.13.
Figura 12.11: Curvas de eficiencia de harnero para datos dimensionados en distintas series de
tamices (según Hess, 1983)
292
Capítulo 12: Harneros e Hidrociclones
Debido a que a menudo las curvas de eficiencia son relativamente pronunciadas, bastan
solo unas pocas fracciones de tamaño para definir realmente la forma de esta y, en
consecuencia, el método para promediar la eficiencia, sobre una fracción de tamaño,
adquiere una gran importancia. A medida que el tamaño del intervalo disminuye, la forma
de la curva se hace mejor definida y el método para promediar la eficiencia sobre un
intervalo pierde importancia
2. Modelos Cinéticos – asumen que le harneado está definido por un proceso de tasa de
algún orden en particular.
Modelos Probabilísticos
El modelo de Gaudin (1939), que describe la probabilidad, p, del paso de una partícula
esférica a través de una abertura de harnero en un intento, sirve como base para la mayoría
de los modelos probabilísticos encontrados en la literatura. Para una partícula esférica de
diámetro x, tamaño de abertura de harnero h, y diámetro de alambre d, Gaudin calculó que
p era
(h − x) 2
p = (12.15)
(h + d ) 2
y si se ignora d
2
x
p = 1 − (12.16)
h
293
Capítulo 12: Harneros e Hidrociclones
El más reciente modelo probabilístico se debe a Subasinghe est al (1989), quien desarrolló
un nuevo método de describir los datos de harneado de un sistema de harneado dado. Este
método utiliza dos ecuaciones polinómicas de tercer orden para describir la variación de los
parámetros A2 y B2, en la función de supervivencia Weibull, como una función de (x/h):
L A2
Yd = exp − (12.18)
B2
Modelos Cinéticos
Los modelos cinéticos asumen que el harneado es un proceso de control de tasa que puede
ser definido por ecuaciones cinéticas que describen la tasa a la cual un tamaño de partícula
pasará a través de una abertura de harnero, en un tiempo o posición dada a lo largo del
harnero.
Si se puede predecir con exactitud las tasas de paso, será fácil calcular la cantidad de
material reportando a cada corriente de producto. Algunos modelos cinéticos han sido
derivados de estudios de procesos de harneado por lotes, donde las ecuaciones de tasa son
funciones del tiempo. Estas ecuaciones han sido luego extendidas para describir el
294
Capítulo 12: Harneros e Hidrociclones
El modelo de harnero de Ferrara y Preti (1975) describe las tasas de paso de partículas a
través de las aberturas de harnero como funciones de la longitud del harnero. Propusieron
una ecuación de tasa de primer orden para la sección poco cargada del proceso y una
ecuación de orden cero para la sección fuertemente cargada en la alimentación. Se
incluyeron varias variables de máquina y alimentación en la formulación de la curva de
eficiencia. El modelo fue derivado de datos experimentales en un harnero de 100mmde
ancho y 480mm de longitud y se asumió que el tamaño de partícula, en la plataforma del
harnero, es igual al tamaño de partícula de lecho promedio. En general esto se considera
incorrecto ya que las partículas finas se estratifican a las capas inferiores en la región
atestada. El modelo ignora la forma y humedad de la partícula.
Modelos Empíricos
Karra (1979) propuso un modelo basado en el uso de una curva de eficiencia normalizada
definida por un valor de x50 similar a la distribución Rosin-Rammler. El modelo fue
derivado de datos experimentales y predice el porcentaje a sobretamaño como una función
del tamaño de partícula:
xi
Ei = 100 1 − exp(−0.693 5.846 (12.19)
x50
Una limitación del modelo de Karra es que, como es valida solo sobre el rango de datos
utilizado en su derivación, es esperable que el exponente varíe con las condiciones, tanto de
la alimentación como del harnero.
El modelo Hatch y Mular (1979) usa una estadística de partículas pequeñas para determinar
la ecuación de clasificación dada por:
Ei = Ci
(1 − Ci ) (12.20)
exp ( x50
3
− xi3 )
1+
k
295
Capítulo 12: Harneros e Hidrociclones
x − x
1 + exp 50 2
k k
Ea = 1+ ln (12.20)
x2 − x1 x −x
1 + exp 50 1
k
Modelos de Capacidad
296
Capítulo 12: Harneros e Hidrociclones
Estos cálculos basados en capacidad son una guía y deben utilizarse con discreción. En
harneros de plataforma múltiple, se debe evaluar separadamente cada plataforma utilizando
las condiciones cambiantes desde la plataforma superior a la inferior.
En la Figura 12.12 se muestra una curva de eficiencia para un harnero vibratorio. Existen
tres regiones en la curva.
• la región describiendo los ultra finos que se adhieren a las partículas gruesas (Región
C).
297
Capítulo 12: Harneros e Hidrociclones
x
k
E ( x) = exp − Nf 0 1 − (12.23)
h
La diferencia en estas curvas se debe al hecho que la tasa de alimentación a las parrillas de
goma es baja, las partículas de mueven independientemente, acumulan energía, tienen
grandes rebotes y poca oportunidad de pasar a través de la abertura del harnero. Un
aumento en la tasa de alimentación ocasiona un aumento en las colisiones entre partículas,
una reducción de la energía y longitud de rebote de la partícula y un aumento en el número
de intentos. En consecuencia, aumenta la eficiencia del harnero. Un aumento adicional en la
tasa de alimentación causa una mayor interferencia de partículas, una disminución en el
número de intentos, debido a partículas que no alcanzan la superficie del harnero y una
disminución de la eficiencia del harnero.
Figura 12.13: La dependencia del parámetro de eficiencia del harnero en la tasa de alimentación
para plataformas de goma y de acero
Sin embargo, con harneros de acero, el coeficiente de restitución es bajo y las partículas no
acumulan energía. Los rebotes de las partículas son pequeños y se producen altas
eficiencias a bajas tasas de alimentación. A medida que aumenta la tasa de alimentación,
298
Capítulo 12: Harneros e Hidrociclones
Bien diseñadas, las plataformas de goma también mejoran la estratificación por medio de
vibración secundaria. Un harnero de goma elástica no oscila uniformemente sobre toda el
área de la plataforma. Esta flexión mejora la capacidad del paño de harnero para minimizar
la obstrucción y evitar el cegado del harnero y reduce la aglomeración de minerales
pegajosos húmedos en el harnero.
Los harneros industriales sufren a menudo de sobrecarga por una variedad de razones. Estas
pueden detectarse en ocasiones chequeando la amplitud bajo carga. Otras causas comunes
incluyen:
• Mineral húmedo
• Cegamiento
• Soportes extras para la plataforma del harnero, agregados para ‘corregir’ la sobrecarga
El número de intentos N (o TRN como se define en JKSimMet, ver Tabla 12.1 más
adelante) se relaciona con la tasa de alimentación por unidad de ancho de harnero, FW, por
varias secciones lineales como se muestra en la Figura 12.14.
299
Capítulo 12: Harneros e Hidrociclones
Tabla 12.1: Pantalla de entrada modelo de plataforma única JKSimMet (mostrando datos
relacionados con ejemplo resuelto)
CONDICIONES OPERATIVAS
Numero de unidades paralelas 1.00
Longitud 6.10metros
Ancho 2.43metros
Longitud de la abertura del harnero 19.0mm
Ancho de la abertura del harnero 19.mm
% Área abierta en el harnero 61.0%
PARAMETROS DEL MODELO
Longitud del harnero del cual se obtienen los datos 6.10
Parámetro de ecuación de regresión A= 3.96
B= -0.005
D= 0.00
U= 0.00
V= 0.00
Alimentación por metro de parámetro de ancho de harnero FW1= 4000t/h/metro
FW2= 0.00t
Parámetro de tamaño de alimentación crítica X1= 0.00mm
X2= 0.00mm
X3= 0.00mm
X4= 1.68mm
Parámetro de regresión de factor de finos E= 0.024
F= 0.0025
G= -0.0015
Tamaño crítico de factor de finos XF= 1.68mm
Tamaño crítico de partición de humedad XM= 25.0mm
ECUACIONES Y DATOS CALCULADOS FW= 131.44t/h/metro
Tasa de alimentación por metro de ancho de harnero TRN= 27.19
Parámetro de número de intentos P1= 0.00
P2= 0.00
donde Ln(TRN)=A+(B*FW)+(U*P1)+(V*P2) para FW<FW1
y Ln(TRN)=C+(D*FW)+(U*P1)+(V*P2) para FW1<FW<FW2
donde C=A+(B-D)*FW1 (por continuidad)
Factor de finos SF= 0.0369
Tonelaje de alimentación por ancho unitario menor que X4 TSF= 32.0t/h/metro
% de alimentación menor que X4 PSF= 24.35%
donde SF = E + (F*PSF)+(G*TSF)
300
Capítulo 12: Harneros e Hidrociclones
El modelo incorpora un factor de finos SF para describir el efecto ‘piggyback’ de los finos
adhiriéndose al material grueso. El material más grueso que el ‘tamaño fino’ se considera
en términos de su área de superficie hipotética, As:
n
VOLi
As ∝ ∑ ∝ área total de partículas (12.25)
i =1
(di + d i +1
2
donde SF x As son las tph de finos acarreados al producto de sobretamaño como parte de la
fracción de submalla y SF es el parámetro de modelo de submalla que debe determinarse de
los datos experimentales. VOLi es la hipótesis masa + densidad en el intervalo de tamaño
di-di+1.
JKSimMet permite al usuario establecer una ecuación de regresión para SF como una
función del porcentaje de alimentación (PSF) y tph de alimentación por unidad de ancho de
harnero (TSF) menor que un tamaño de finos X4 dado (i.e. el menor tamiz en al serie).
Para minerales húmedos, el modelo asume que la humedad de interés está en los finos, esto
es, fracciones mas finas que el ‘tamaño crítico de partición de humedad’, XM. Se asume
que toda la humedad de alimentación es acarreada por el material mas fino que XM. Luego
es distribuida a través de los productos de sobretamaño y bajo tamaño, en proporción al
material más fino que XM en cada producto.
Actualmente, la estructura del modelo no permite predecir SF como una función de la tasa
de flujo del agua de lavado, en situaciones de harneado húmedo total. Sin embargo, se
puede calcular para condición, tanto húmeda como seca, y utilizarse para predicción bajo
las condiciones en que fue determinada.
301
Capítulo 12: Harneros e Hidrociclones
El modelo permite el escalamiento de la longitud del harnero por medio del escalamiento
lineal del parámetro de número de intentos, TRN. El escalamiento del ancho del harnero es
sencillo, en la estructura normal del modelo, ya que FW es tasa de alimentación por unidad
de ancho. También se incluyen como parámetros de modelo normal, la abertura, fracción de
área abierta y forma de la ranura, como se ilustra en la Tabla 12.1.
302
Capítulo 12: Harneros e Hidrociclones
Los parámetros α, C y d50c , del sencillo modelo de curva de eficiencia fueron también
ajustados a los datos de la prueba #01, para cuantificar el rendimiento típico de los datos
del ejemplo. Los valores son:
α = 11.4
C = 99.6%
D50c = 15.9mm
Una buena estimación inicial para estos parámetros es 3 y 0.05 respectivamente. Como
tanto TRN y SF son parámetros calculados del modelo, realmente son ajustados como A
(i.e. ln(TRN)) y el parámetro de regresión E, con FW1 a un valor mayor al de la mayor tasa
de alimentación prevista por unidad de ancho (digamos 4000 t/h/m), y B, V, U, F y G se
fijan todos a cero.
La Tabla 12.3 muestra los resultados de ajustar el modelo a los tres primeros conjuntos de
datos. La calidad del ajuste fue muy buena con una sd de los datos menor a 2 para todas las
pruebas
Tabla 12.3: Resumen de resultados de ajuste de modelo para datos de harnero de ejemplo de ajuste
del modelo
303
Capítulo 12: Harneros e Hidrociclones
Figura 12.15: Número de intentos ln(TRN) vs tasa de alimentación por unidad de ancho FW
Si los datos de intentos versus tasa de alimentación están dispersos (significativamente más
que la Figura 12.15), entonces vale la pena intentar las dependencias de tamaño de
alimentación P1 y P2. Para ello el usuario necesitan identificar la fracción de tamaño
crítica, quizás una que sea altamente variable en los datos de alimentación y usar X1 y X2
para acotarla. Normalmente es conveniente fijar X3 a la abertura del harnero o promedio de
abertura de harnero si los datos consisten de varios tamaños de malla. Además, en especial
para harneros con plataforma de goma, se debe seleccionar FW1 y FW2. Si el usuario tiene
acceso a un programa de ajuste no lineal, que pueda manejar múltiples ecuaciones, y a los
datos adecuados, puede ser incluso posible ajustar FW1 y FW2. En caso contrario, el
usuario deberá estimar estos valores basado en las especificaciones del fabricante.
SF=0.024+0.0025·PSF-0.0015·TSF (12.28)
y R2=0.95, Error Estándar Residual de la Ecuación = ±0.0036 (error relativo 10% en TRN)
Una aplicación exacta del modelo de harnero JKMRC requiere de datos operativos que
permitan el ajuste de parámetros. Para simular harneros para los cuales no existan datos
disponibles, se puede utilizar datos provenientes de harneros similares con una
alimentación similar. Usar datos de operaciones con harneros o alimentaciones
marcadamente diferentes no proporcionarán resultados útiles. Las ecuaciones de regresión
304
Capítulo 12: Harneros e Hidrociclones
del modelo de harnero lo hacen muy complejo y más difícil de manejar que otros modelos
de JKSimMet.
Para la mayoría de las plantas de proceso solo se requiere la dependencia de tonelaje. Esto
es, se puede dejar los valores de A, B, C, D, U y V en cero. Para harneros de malla de
alambre, la ecuación 12.24 es, a menudo, adecuada por si misma.
Donde haya grandes variaciones en el factor de submalla ajustado (SF), trate las
dependencias como se detalla en el ejemplo presentado. Sin embargo, a menudo basta con
un SF constante.
El harnero DSM o tamiz curvo, fue usado por primera vez por Dutch State Mines en 1953.
Fue desarrollado inicialmente en lavadores de carbón para mejorar la remoción de cal como
una alternativa barata a los relativamente costosos harneros vibratorios. Los primeros
diseños incorporaron placas perforadas curvas, que sufrían de alto desgaste y falta de área
abierta. Posteriormente, cedieron su lugar al familiar harnero curvo de wedge wire, barra
redonda o ranurado de barra cuadrada. La Figura 12.17 ilustra los principios de separación.
El uso de harneros DSM se ha extendido actualmente, no solo a la industria del carbón sino
que a muchas industrias de procesamiento de mineral para desecado, recuperación de
medios densos y clasificación. Se usan varios perfiles de alambre y su selección afecta el
rendimiento del harnero y puede ayudar a evitar el cegamiento. El cegamiento puede
reducirse también ‘golpeando’ la parte posterior del harnero a intervalos programados, con
305
Capítulo 12: Harneros e Hidrociclones
Fontein (1954), propuso que el efecto de clasificación de harneros DSM era causado por
alambres sucesivos ‘cortando’ capas del material de alimentación para posteriormente
desviarlas a la fracción de bajo tamaño vía las ranuras del harnero. El sugirió que el tamaño
del material en el flujo desviado al underflow era pequeño en relación a la abertura de la
ranura y, en consecuencia, se minimizaba el cegamiento. Además sugirió, como primera
aproximación, que el espesor de la capa cortada por el harnero era aproximadamente 0.25
de la abertura. Fontein planteó que esta capa era capaz de arrastrar partículas de hasta un
doble de su espesor i.e. 0.5 del ancho de la ranura. Con este tamaño tenían un 50% de
306
Capítulo 12: Harneros e Hidrociclones
Existen pocos trabajos publicados sobre modelado de harneado DSM. Entre 1968 y 1969
Lynch, Petrie y Bauer, desarrollaron un modelo de harnero DSM usando la curva de
eficiencia reducida cuyos resultados fueron publicados por Lynch (1977). Este es el modelo
instalado en JKSimMet y que se describe a continuación.
Petrie (1968), Bauer (1969) y Lynch (1977) utilizaron la curva de eficiencia reducida,
ecuación 12.9, como base para sus modelos. A partir de datos de laboratorio y planta,
desarrollaron una relación lineal entre tamaño de clasificación d50c y varias variables
operativas. Esto tomó la siguiente forma:
B FW C
log10 (d 50 c ) = A log10 ( SW ) + + D FPS + E (12.29)
100
A = 1.1718 D = 0.0029
B = 0.001372 E = 2.45
La partición de agua a producto fino permaneció fija. Lynch anticipo, sin embargo, que la
limitada base de datos utilizada restringiría severamente la aplicabilidad universal de su
ecuación. Ya que el modelo no permite escalamiento, JKSimMet incorpora la capacidad de
ingresar o elegir constantes de regresión específicas para la unidad, A, B, D y F, conocidas
como el ‘modelo d50c variable’.
Morrel (1989) propuso un modelo fundamental de separación del harnero DSM que aborda
cada uno de los subprocesos implícitos en al figura 12.17, específicamente:
307
Capítulo 12: Harneros e Hidrociclones
4. Flujo de slurry a través del lecho aglomerado (si se forma) y su clasificación de sólidos
en el slurry
Las opciones de optimización para harneros de cualquier tipo son limitadas. Una vez que el
harnero ha sido instalado, la única variable que se puede modificar es la plataforma de
dimensionado: tamaño de abertura, forma de la abertura, área abierta y material de
construcción. La simulación es una manera efectiva de seleccionar una abertura adecuada,
para las condiciones predominantes, tomando en consideración:
3. Condiciones de alimentación.
• Desgaste o rotura – También se deben inspeccionar las superficies del harnero por
desgaste y perforaciones
• Tasa de alimentación excesiva – todas las partículas deben tener la oportunidad de ser
presentadas a la superficie del harnero; esto no sucederá si la cama de partículas es muy
gruesa.
308
Capítulo 12: Harneros e Hidrociclones
12.4 HIDROCICLONES
12.4.1 Introducción
Desafortunadamente, las ventajas han hecho también que el hidrociclón sea la más abusada
de las unidades operativas en el procesamiento de mineral. Engañoso en su simplicidad, es
difícil de monitorear su desempeño en línea y diferencias significativas respecto del óptimo
no son fácilmente percibidas por el operador quien, por consiguiente, falla en tomar
acciones correctivas.
309
Capítulo 12: Harneros e Hidrociclones
centrifuga radial y de arrastre, que son la base de la separación, separación tanto sólido-
líquido (desecado y espesado) como sólido-sólido). Las partículas gruesas o densas se
mueven a la periferia donde se unen al flujo descendente en espiral y salen por el ápex
junto con algo de agua. Las partículas finas o más livianas y el grueso del agua se mueven
hacia el eje y salen a través del vortex finder que es mayor que el ápex. Los hidrociclones
operan normalmente con un núcleo de aire axial.
310
Capítulo 12: Harneros e Hidrociclones
Un clasificador perfecto hará un corte exacto al tamaño deseado. Los ciclones reales
difieren de este ideal por las siguientes razones principales:
Algunas de estas pueden ser controladas por medio de un adecuado diseño del ciclón y de
las condiciones de operación. Ninguna puede eliminarse completamente, especialmente la
última.
La Literatura
El ciclón ha sido bien servido por la literatura, aunque presenta un imagen confusa para el
novicio. Hay dos libros dedicados al dispositivo en sus varias formas: La monografía de
Bradley (1965) “El Hidrociclón” y el mas reciente de Svarovsky “Hidrociclones” (1984).
Ambos son una útil recopilación del estado del arte en su momento, pero el rol del ciclón
como clasificador en molienda es solo uno de los considerados. El mismo libro de Bradley
lista varias cientos de referencias y la tasa de producción de literatura no ha declinado
desde entonces. Las cinco Conferencias Internacionales sobre Hidrociclones efectuadas en
UK, en el periodo 1980-1996, han contribuido por si solas con mas de 130 publicaciones.
La siguiente discusión menciona algunas de las publicaciones más útiles para el procesador
de minerales.
El ciclón es un dispositivo de flujo de fluido y debe, en consecuencia, poder ser descrito por
medio de la aplicación de las teorías básicas sobre flujo de fluidos. Esto se logra,
311
Capítulo 12: Harneros e Hidrociclones
Parece haber pocas dudas que el problema del modelado de ciclón conducirá a su debido
tiempo a estas poderosas metodologías: Sin embrago, aun permanecen dos problemas para
el metalurgista practicante:
1. Los modelos no son aun lo suficientemente exactos para las condiciones de operación
de ciclones convencionales a altas concentraciones de sólidos
Por estas y otras razones, los modelos empíricos permanecen como la herramienta principal
para diseño de ciclón y trabajo de optimización de rutina.
n
Dc3η
d 50 = k (12.30)
Q f ( ρ s − ρ1
312
Capítulo 12: Harneros e Hidrociclones
Un modelo realmente predictivo, sin embargo, debe incorporar, o lidiar con de alguna
manera, el diseño y variables operativas disponibles al ingeniero de procesos para
optimización. También debe ser capaz de predecir las cantidades de ingeniería relevantes,
principalmente, tamaño de corte, eficiencia, caída de presión (tasa de flujo) y partición del
flujo.
El primer modelo empírico ampliamente usado fue el de Lynch y Rao (1975) reportado en
Lynch (1977), el cual tenía su origen en trabajo efectuado a comienzos de los 1960s. Las
ecuaciones del modelo estaban estructuradas para reflejar las fuertes correlaciones
observadas entre criterios de rendimiento como d50c y factores tales como geometría del
ciclón, sólidos de alimentación y tasa de flujo. La curva de eficiencia a underflow fue
representada por la expresión de Whiten (ecuación 12.7). La ecuación general para d50c era
de la forma:
Se concluyó que el tamaño de alimentación afectaba los resultados y una ecuación más
general (para caliza) era:
313
Capítulo 12: Harneros e Hidrociclones
Du K
Rf = K1 ⋅ − 2 + K3 (12.34)
WF WF
Las ecuaciones fueron diseñadas para escalamiento y se recomendó que las constantes en
las ecuaciones 12.31 y 12.33 fueran determinadas a partir de pruebas en un ciclón pequeño,
usando el mismo tamaño de alimentación que se procesaría a escala industrial. El parámetro
de eficiencia en la ecuación 1.7, se determinaría en las mismas pruebas. En el escalamiento
se considera el diámetro del ciclón a través de la relaciones normales entre Di, Do y Du, para
un tipo de ciclón determinado.
0.5
( d50c )a ( ρ ) − ρ1
= s b (12.35)
( d50c )b ( ρ s ) a − ρ1
Modelo de Plitt
Plitt desarrolló un modelo semi empírico basado en una gran base de datos experimental
recopilada tanto por el como por Lynch y Rao (Plitt 1976). Una forma levemente
modificada fue publicada posteriormente (Plitt et al 1980, Flitoff et al 1987). Plitt describió
la curva de eficiencia por medio de la ecuación de Reid/Plitt (ecuación 12.5). Las
ecuaciones para los cuatro criterios de desempeño son:
314
Capítulo 12: Harneros e Hidrociclones
1.58S Dc h
0.15
m = F21.94 exp − − (12.37)
1 + S Q f
F3 1.88 Q1.8
f exp(0.0055Cv )
P = (12.38)
Dc0.37 Di0.94 h 0.28 ( Du2 + Do2 )0.87
F4 18.62 ρ 0.24
p ( Du / Do )
3.31 0.54
h ( Du2 + Do2 )0.36 exp(0.0054Cv )
S = (12.39)
Dc1.11 ρ 0.24
El modelo de Plitt publicado originalmente estaba pensado para ser utilizado sin
modificaciones. Sin embargo, varios estudios posteriores demostraron que en muchos casos
las predicciones tenían que ser modificadas por un factor constante. En consecuencia, se
introdujeron F1-F4 para permitir ajustar la estructura del modelo a uno o mas conjuntos de
datos para especificarlo a un conjunto particular de condiciones.
El modelo de Plitt es ampliamente utilizado debido a que ofrece una predicción del proceso
completo como una función del diseño común y variables operativas sin necesidad, al
menos en una primera aproximación, de estimar constantes empíricas. Tiene la desventaja
de basarse en la función (Plitt/Reid) (ecuación12.5), para representar la curva de eficiencia,
315
Capítulo 12: Harneros e Hidrociclones
la cual no puede acomodar el anzuelo (figura 12.6) que es evidente con altas recuperaciones
de sólidos a underflow. Además, parece ser, basado en la experiencia de JKMRC, que no
acepta grandes variaciones en el tamaño de alimentación, quizás debido a la base de datos
particular sobre la cual fue desarrollada.
El Modelo Nageswararao
y K D1 = K D 0 Dc-0.65 (12.41)
K Q1 = K Q 0 Dc-0.1 (12.43)
donde KQ0 depende solo de las características de los sólidos de alimentación.
1
Existen algunos errores tipográficos en este reporte del modelo
316
Capítulo 12: Harneros e Hidrociclones
El modelo fue estructurado para facilitar el escalamiento siendo las constantes K, en las
ecuaciones 12.40 – 12.45, dependientes fundamentalmente de las características de los
sólidos de alimentación; pueden ser estimadas, en principio, por medio de una única prueba
de similitud geométrica a aquella a usar en la aplicación industrial. Pueden estimarse de
manera alternativa, a partir de estudios de una instalación industrial existente con la idea de
usar el modelo para predecir los efectos de cambiar uno o más variables de diseño u
317
Capítulo 12: Harneros e Hidrociclones
Un nuevo modelo empírico desarrollado por JKMRC es aquel debido a Asomah (1996). El
modelo se basó en más de 100 conjuntos de datos de ciclones, en el rango de diámetro 102-
508mm y en una variedad de tipos de alimentación y ha sido probado respecto de un gran
número de conjuntos de datos independientes, incluyendo algunos de los de Rao y
Nageswararao. Incluye por primera vez el ángulo de inclinación del ciclón respecto de la
vertical y un término de viscosidad medida del slurry. El modelo utiliza la función de
Whiten (ecuación 12.11) para describir la curva de eficiencia a overflow e incluye una
expresión para α, el parámetro de eficiencia.
318
Capítulo 12: Harneros e Hidrociclones
Svarovsky (1984, 1987) propuso una metodología par modelar hidrociclones, basada en
teoría publicada y análisis dimensional, que incluía dos relaciones entre tres grupos
adimensionales, los números de Stokes, Euler y Reynolds.
Debido a que los modelos citados anteriormente tienen parámetros empíricos, sufren de los
problemas usuales de esos modelos: Normalmente trabajan bien en el rango de condiciones
en el cual fueron estimado los parámetros, pero deben extrapolarse con precaución.
Modelos como aquellos de Plitt, Nageswararao y Asomah incorporan constantes ‘especícas
del material’ con la intención de favorecer la interpolación ‘calibrando’ el modelo a la
nueva situación. Sin embargo, la experiencia ha demostrado que las propiedades de
alimentación, en especial la concentración de sólidos y distribución de tamaño, y la
presencia o no de slurries finos o greda, afecta sustancialmente el rendimiento del ciclón
(particularmente d50c), de manera a veces impredecible. No hay garantía que un modelo
con constantes determinadas en laboratorio o en pruebas piloto, pueda desempeñarse
correctamente a escala industrial, sin mencionar el problema habitual de que el material
probado tendrá características diferentes a las encontradas en la planta de escala completa.
319
Capítulo 12: Harneros e Hidrociclones
Tamaño de Clasificación
El tamaño de producto es aquí el tamaño del 1-5% de sólidos más grueso en el overflow del
ciclón –un criterio común para al elección de ciclones. Se dibuja el gráfico para sólidos SG
2.5-3.2 y sólidos de alimentación que no superen 30% w/w; para operar fuera de estos
límites se requiere de factores de corrección. El número de modelo se refiere al diámetro
del ciclón en pulgadas.
320
Capítulo 12: Harneros e Hidrociclones
La dependencia de d50c del diámetro del ciclón deriva de las velocidades tangenciales, las
cuales establecen las fuerzas centrífugas que manejan la separación; los ciclones pequeños
gozan de altas velocidades y fuerzas y, en consecuencia clasifican más fino, a iguales
condiciones restantes. La dependencia exacta está oscurecida por los muchos otros factores
que afectan la clasificación. Sin embargo, asumiendo similitud geométrica, el modelo de
Nageswararao sugiere que d 50c ∝ Dc1.4 lo que concuerda bien con el modelo de orbita de
equilibrio, ecuación 12.30, el que implica que d 50c ∝ Dc1.5 .
El diámetro del ciclón es, en consecuencia, una variable de diseño principal, aunque los
operadores no deben sentirse inhibidos de reemplazar unidades existentes por ciclones de
distinto diámetro si la selección resulta ser inapropiada o si las condiciones han cambiado
lo suficiente como para justificarlo. Un error común, especialmente en molienda fina, es
intentar operar la unidad con un rango de rendimiento erróneo. Una vez que se ha
seleccionado el diámetro del ciclón, se pude afinar el rendimiento modificando las
aberturas de la boca de admisión. Estas dependencias están adecuadamente ilustradas en los
modelos descritos previamente. Un menor ápex o mayor vortex finder, aumentará el
tamaño de corte produciendo overflow grueso (y vice versa), sujeto a los problemas de
sobrecarga de ápex y cuerda, discutidas mas adelante. Inclinar, respecto de la vertical, los
ciclones de baja presión más grandes, también aumentará el tamaño de corte, en ocasiones
sustancialmente (Asomah y Napier-Munn 1966); El modelo Asomah incluye
explícitamente este efecto. Una mayor tasa de flujo (o presión) reducirá este tamaño de
corte.
321
Capítulo 12: Harneros e Hidrociclones
Se puede reducir Rf por medio de un ápex más pequeño, mayor vortex finder, mayores
presiones o, para ciclones más grandes, inclinando el ciclón (Asomah y Napier-Munn
1966). Mayores viscosidades o concentraciones de sólidos también tenderán a aumentar la
proporción de slurry reportando a underflow.
322
Capítulo 12: Harneros e Hidrociclones
PQ f
Potencia = kW (12.46)
3600
(P en kPa; Qf en m3/h)
323
Capítulo 12: Harneros e Hidrociclones
La capacidad del ápex de descargar los sólidos que se le presentan está determinada
normalmente por el proceso. Fahlstrom (1963) publico un modelo basado en esta idea, la
cual afirmaba que el tamaño de corte es una función del amontonamiento en el ápex y podía
estimarse a partir de la recuperación de masa a underflow y el tamaño de alimentación.
d 50 = k (1 − g u )1/ n (12.48)
324
Capítulo 12: Harneros e Hidrociclones
A menos que se requiera de una densidad de underflow muy alta y se pueda tolerar la
presencia de partículas gruesas en el overflow, la condición de acordonamiento es
indeseable y cualquier ejercicio de optimización debe buscar eliminarla. Sin embargo,
predecir el desencadenamiento del acordonamiento es más fácil de decir que hacer.
JKSimMet utiliza el criterio SPOC (Laguitton 1985), el cual es aplicable para densidades
inferiores a 35% de sólidos v/v:
x
Cvu > 62.3 1 − exp 50 (12.50)
60
325
Capítulo 12: Harneros e Hidrociclones
Mular y Jull (1980) también proporcionaron información sobre el tamaño del ápex para
evitar acordonamiento.
Mezcla de Minerales
Mucho del trabajo experimental usado para desarrollar los modelos listados anteriormente,
se efectuó sobre material de alimentación de una sola especie mineral y de una única
característica de densidad o forma, tal como cuarzo o caliza. En la práctica, por supuesto,
las alimentaciones del ciclón incluyen normalmente mezclas de composiciones minerales
(liberadas y no liberadas), con un amplio rango de densidades y también, en ocasiones, de
formas. La sabiduría popular es que el tamaño de corte predominante es gobernado por una
expresión del tipo (ver también la ecuación 12.35):
−n
d 50 c ∝ ( ρ s − ρ1 ) (12.52)
El punto importante es que los minerales densos se separan más fino que los livianos y una
curva de eficiencia ‘bruta’ (obtenida por medio de dimensionar el material total sin seguir
el comportamiento de minerales individuales) puede ser engañoso. Por ejemplo, el d50c
para cuarzo (PE 2.65) puede ser el doble (n=0.5) o incluso cuatro veces mayor (n=1) que el
326
Capítulo 12: Harneros e Hidrociclones
de galena (PE 7.5). También hay alguna evidencia que el parámetro de eficiencia α puede
variar con el mineral (Weedon et al 1990), siendo más largo (curva de eficiencia más
aguzada) para minerales más densos. Es por estas razones que los minerales densos,
liberados, a menudos los valiosos, se concentran en el underflow del ciclón, incluso aunque
puedan ser lo suficientemente finos para pasar al siguiente proceso y puede producirse
sobre molienda de estos minerales. En consecuencia, donde sea posible la optimización del
ciclón debe tomar en cuenta las diferentes características de separación de los distintos
minerales de manera de arribar a una condición operativa apropiada para los requerimientos
del proceso. Idealmente, se deberá desarrollar un análisis mineralógico completo (e.g. por
QEM*SEM), aunque un ensayo químico tamaño por tamaño y una reconstrucción
stequiométricas de curvas de eficiencia ‘mineral ‘separadas proporcionan a menudo una
aproximación satisfactoria a la verdad.
Una opción para mejorar la clasificación (o recuperación de sólidos) es utilizar más de una
etapa de hidrociclones. Suponiendo que cada ciclón es igualmente eficiente, Svarovsky
(1984) puntualiza que la eficiencia total de una serie de ciclones es:
( Ed )T = 1 − (1 − Ed ) N (12.53)
Se han reportado dos dispositivos que integran dos etapas de separación en una única
unidad por medio de recuperar parte de la energía de presión de primera etapa y usarla en
una etapa secundaria; el predensificador o cilindro ciclón (Restarick 1991), fabricado por
Linatex, y el Ciclón de Vortex Gemelo (Heiskanen et al 1987) fabricado por Larox.
Esencialmente, ambos incluyen una sección primaria cilíndrica con un ciclón de forma más
convencional conectada al underflow del cilindro. Se puede hacer lugar para una válvula de
control entre las dos secciones y, para inyección de agua, ya sea en el interior del cilindro
(Ciclón de Vortex Gemelo) o en la alimentación de segunda etapa (predensificador).
327
Capítulo 12: Harneros e Hidrociclones
328
Capítulo 12: Harneros e Hidrociclones
Las complejidades de las interacciones variables del ciclón y la fuerte influencia del
circuito como un todo, implican que la simulación es la mejor manera de evaluar las
opciones más adecuadas para prueba. Para una instalación existente las opciones más
comunes son:
Diámetro del ciclón : Instalar ciclones más grandes aumentará d50c y normalmente
reducirá los costos de desgaste y bombeo.
Inclinación del ciclón : Inclinar los ciclones más grandes a 45º o más respecto de la
vertical aumentará d50c y reducirá la recuperación de agua a
underflow.
329
Capítulo 12: Harneros e Hidrociclones
Tabla 12.4: Resultados de simulación para circuito molino de bola – ciclón (125 t/h nueva
alimentación)
330
CAPITULO 13
OPTIMIZACIÓN DE CIRCUITOS DE TRITURACIÓN
13.
13.1 INTRODUCCIÓN
La metodología más simple es mirar el circuito de trituración aislado e intentar obtener todo
lo que se pueda de el en términos de rendimiento o de algún tamaño de producto definido.
e.g. máximo trozo de producto en procesamiento de mineral de hierro, mínimo fino en
preparación de carbón o una finura apropiada para flotación de metal base. Esta
331
Capítulo 13: Optimización de circuitos de Trituración
Otra metodología es pensar acerca del proceso aguas debajo desde el principio, e incorporar
sus requerimientos directamente en la optimización de trituración. En la Sección 13.4 se
presenta un ejemplo sencillo en flotación.
Una tercera metodología es asumir una visión más global de la operación y optimizar un
criterio de producción total como el consumo de energía o la producción de un producto
valioso. Esta opción no es usada habitualmente en la práctica, pero en la Sección 13.5 se
presenta un ejemplo debido a Morrison (1993) junto con estudio de caso numérico.
Los criterios para este tipo de optimización están basados usualmente en la experiencia
operacional. Por ejemplo, “Maximizar el rendimiento a un tamaño de producto de 80%
pasando 106 micrones, con una densidad de overflow de ciclón mayor a 40% de sólidos y
una densidad de underflow de ciclón/densidad operativa del molino de 70% sólidos en
peso.
332
Capítulo 13: Optimización de circuitos de Trituración
333
Capítulo 13: Optimización de circuitos de Trituración
Un número más pequeño implica una mejor eficiencia de energía. Ellos evaluaron un rango
de variaciones de circuito y concluyeron que se podía lograr un índice de eficiencia de 0.9
con un circuito molino SAG cerrado con algún grado de recirculación de underflow de
ciclón.
Es posible estimar con precisión la energía utilizada por molinos, a condiciones de carga
especificas, usando la fórmula desarrollada por Morrel y el consumo de energía del
chancador puede ser predicha usando el método de Andersen (ver Capítulo 11). El consumo
de energía de circuito puede entonces ser razonablemente bien predicho y escalado respecto
de un caso base, y no es necesario probar todas las variaciones y ajustes del circuito
experimentalmente- solo un rango de las variaciones más prometedoras.
Cuando una operación utiliza varias etapas de reducción de tamaño, puede haber espacio
para aumentar el rendimiento global ajustando el ‘punto de transferencia’ entre las etapas
de trituración. Quizás el mejor ejemplo disponible es el descrito en Narayanan et al (1987)
para Boungainville Copper Limited (BCL). Como fue reportado por varios investigadores,
los grandes molinos en BCL no lograron optimización del diseño. Este déficit ha sido
atribuido a varias causas, desde el diámetro del molino e ineficiencia de los clasificadores a
alimentación de molino muy gruesa.
Narayanan investigo este último efecto usando modelos matemáticos exactos de la planta
de chancado terciario y secundario y la operación de molienda de etapa única. Este estudio
de simulación demostró que se puede lograr un rendimiento adicional de 7%, maximizando
la finura del producto de la planta de chancado.
La Figura 13.2 muestra esta relación. Se logró una mejoría (equivalente a una línea de
molienda adicional en este concentrador de 13 molinos) después de la optimización de cada
334
Capítulo 13: Optimización de circuitos de Trituración
335
Capítulo 13: Optimización de circuitos de Trituración
Debido a las interacciones entre los distintos proceso en un circuito de trituración es, a
menudo, muy difícil determinar a priori cual era la magnitud de los cambios propuestos. Es
posible, en consecuencia, que se obtengan mejoras modestas a un costo de implementación
alto. Es necesario entonces evaluar la estrategia de optimización antes de comprometerse en
cambios de la planta. La simulación por computadora es el medio ideal para dicha tarea. En
las siguientes secciones ilustraremos, por medio de la historia de casos, el uso de la
simulación. En cada caso los cambios a los circuitos se realizan por pasos. Los resultados
de cada paso se resumirán en forma de tabla y en términos de datos operativos esenciales,
tales como tasas de fluido, consumo de energía y distribución de tamaño.
Los siguientes tres estudios de casos ilustran los pasos envueltos en la aproximación a
alguna condición deseada. Los ejemplos se basan en la simulación pero podrían
perfectamente reflejar una experimentación de planta real. La primera involucra chancado y
harneado y las dos ultimas molienda.
Se utilizará el circuito mostrado en la Figura 13.3 para ilustrar como optimizar un circuito
de chancado. En este caso la estrategia se desarrollará basada en consideración de
• aberturas de harnero
• configuración del lado cerrado del chancador
336
Capítulo 13: Optimización de circuitos de Trituración
• consumo de energía
• capacidad de transporte del conveyor
337
Capítulo 13: Optimización de circuitos de Trituración
• la capacidad límite del conveyor de producto del chancador primario es 680 tph.
• la capacidad límite del conveyor de producto del chancador primario es1100 tph.
La Tabla 13.1 proporciona detalles de la máquina para el circuito y la Tabla 13.2 resume
los resultados del ejercicio.
En primer lugar, los datos del circuito deben ser analizados para determinar donde existe
capacidad que pueda ser utilizada. Se puede observar de la Figura 13.3 y las Tablas 13.1 y
13.2, que existe solo una modesta capacidad de energía en los chancadores primario y
terciario, mientras que hay bastante más disponible en los chancadores secundarios. La
capacidad del conveyor está seriamente limitada en el circuito de chancado primario,
aunque no en el circuito de chancado terciario. Existe solo un limitado margen para generar
un producto más grueso en el circuito de chancado secundario, ya que la fracción +100 mm
alcanzable esta cerca de su límite admisible.
338
Capítulo 13: Optimización de circuitos de Trituración
Paso 1
El primer paso es determinar el impacto que tiene sobre el circuito el aumento de la tasa de
alimentación en un 10% a 1496 tph. En la Tabla 13.2c se puede observar que la tasa de
alimentación del chancador primario aumenta a 722 tph y, en consecuencia, se excederá la
capacidad del conveyor de producto. El consumo de energía en los chancadores primarios y
secundarios aumenta pero permanece aun muy por debajo del máximo seguro, de 90% de la
potencia nominal del molino. Sin embargo, la potencia del chancador terciario aumenta a
1124kW – por encima del límite admisible de 1080 kW.
Tabla 13.2: Resumen de Resultados para Estudio de Caso 1 – Maximizando tonelaje y producto del
circuito de chancado
Paso Base 1 2 3 4 5
Alimentación nueva (tph) 1360 1496 1496 1496 1496 1496
Abertura separador primario (mm) 100 100 120 120 120 120
Tasa de alimentación chancador primario (mm) 656 722 676 676 676 676
Potencia chancador primario (kW) 613 660 660 660 660 660
Tasa de alimentación chancador secundario (mm) 389 428 400 400 400 400
Potencia chancador secundario (kW) 528 566 552 628 628 628
CSS chancador secundario (mm) 100 100 100 75 75 75
Alimentación acopio +10mm (%) 0.8 0.8 1.2 1.0 1.0 1.0
Alimentación chancador terciario (tph) 870 955 962 922 1280 1080
CSS chancador terciario (mm) 25 25 25 25 32 28
Potencia chancador terciario (kW) 1040 1124 1136 1060 944 992
-25 +6mm (tph) 787 866 866 867 916 896
% -25 +6mm 58 58 60
Paso 2
Paso 3
Para aliviar los problemas de exceso de fracción +100mm en la alimentación del acopio y
el alto consumo de energía del chancador terciario, se hará que el circuito de chancado
secundario efectúe más trabajo. La configuración del lado cerrado del chancador secundario
339
Capítulo 13: Optimización de circuitos de Trituración
era originalmente 100mm. Sin embargo, como su juego es 25mm, rocas de hasta 125mm
pueden pasar a través del chancador sin ser chancados. Una mejor práctica en circuitos
abiertos de chancado, siempre que haya suficiente energía disponible, es emparejar la
configuración del lado abierto con la abertura del clasificador. De este modo, todo el
producto del chancador pasará por la abertura del clasificador y, en consecuencia, se evitará
el sobre tamaño innecesario. Por lo tanto, en este paso se cierra a 75 mm la separación del
chancador, proporcionando un valor de lado abierto de 100mm i.e. igual que la abertura de
la parrilla del clasificador.
Paso 4
Paso 5
Para evitar exceder la capacidad del conveyor de producto terciario, se reduce la separación
del chancador del óptimo 32mm a 28mm. En este punto, la tasa de producto del chancador
está justo en el límite de 1100 tph y el resultado de producto -25+6mm es 896 tph o un 60%
del producto total, comparado con el valor original de 58%.
Es posible concluir que hay justo la capacidad suficiente para tolerar el aumento de tasa de
alimentación propuesta y, aunque no se puede aumentar el resultado a su máximo, es
posible un aumento modesto.
En este estudio el requerimiento era producir el tamaño de molienda más fino posible desde
circuito mostrado en la Figura 13.4 sin agregar más unidades de molienda. Los datos de la
máquina se proporcionan en la Tabla 13.3 y los resultados se muestran en la tabla 13.4 a)
(b) y (c).
De los datos proporcionados en la Figura 13.4 y Tabla 13.3, se pueden identificar los
siguientes puntos de capacidad ociosa y áreas con potencial de mejoría:
340
Capítulo 13: Optimización de circuitos de Trituración
341
Capítulo 13: Optimización de circuitos de Trituración
Tabla 13.4: Resumen de resultados para el Estudio de Caso 2 – maximizando finura de molienda a
rendimiento constante
Tasa de % Sólidos
Paso kW Llenado (%) T80 (µm) Descarga Alimentación
Vol. (m3/h) Ciclón
Caso Base 1460 25.5 747 216 -
1 1552 27.1 212 378 65
2 1552 27.1 212 378 65
3 1565 27.5 184 418 65
4 1565 27.5 184 418 65
5 1565 27.5 184 418 65
6 1565 27.5 184 418 65
7 1565 27.5 184 418 65
342
Capítulo 13: Optimización de circuitos de Trituración
Paso 1
El nivel de llenado del molino SAG para el caso base es 25.5% mientras que el nivel de
trabajo seguro para un molino de radio de aspecto alto es 30-35%. En consecuencia, es
posible utilizar este volumen libre para efectuar más molienda. El consumo de energía del
caso base es 1460 kW que se compara con la capacidad del motor de 1700 kW. Como usar
este espacio libre resultará en un mayor consumo de energía, a primera vista pareciera
haber suficiente energía. Utilizando el modelo de energía de JKMRC (ver Capítulo 11), se
obtiene un predicción de consumo de energía de 1670 kW para la carga de bolas del caso
base de 6.4%, cuando el llenado total alcanza 35%, indicando que la disponibilidad de
energía no será problema.
Para utilizar el volumen y energía disponible para moler más fino, se puede reducir el
tamaño de corte del clasificador. No es práctico utilizar el tromel existente, una maquina
para clasificación gruesa, para efectuar un cambio significativo en el tamaño de corte. La
343
Capítulo 13: Optimización de circuitos de Trituración
alternativa es usar hidrociclones para cerrar el circuito SAG. Los resultados de la Tabla
13.4 (paso 1) muestran que cuando se materializa esto, el llenado del molino asciende a
27.1%, y el consumo de energía llega a 1552 kW. El tamaño de producto del circuito de
molienda – llamado en ocasiones el tamaño de transferencia (T80), se reduce desde el valor
del caso base, 747µm, a 212µm.
Como consecuencia del cierre del circuito de molino SAG, el flujo volumétrico a través del
molino aumenta considerablemente desde el valor del caso base, 216 m3/hr a 378 m3/hr.
Para determinar si será capaz el molino de descargar a estas tasas sin aglomeración
excesiva de slurry en el molino (ver Capítulo 7), se usa la ecuación de flujo de la parrilla
(ecuación 7.5) para determinar la tasa de flujo máxima para el molino, bajo las condiciones
de llenado simuladas. La ecuación indica que el molino debe ser capaz de descargar
430m3/hr de slurry por lo que no debiera haber problemas cuando se cierre el molino de
esta manera.
Debe destacarse que a pesar de la considerable reducción en el T80, e P80 del overflow del
ciclón del molino de torre solo se reduce de 64µm a 61µm. El motivo es que el cambio en
el molino SAG ha derivado en fuertes reducciones en las cargas de reciclo en los circuitos
de molino de bola y molino de torre y una reducción en la presión del ciclón. También se
ha visto significativamente reducido el P80 del circuito de molino de bola, pero esto se
debe al aumento en el material más fino del circuito de molino SAG reportando al overflow
del ciclón del molino de bola, mas que al molino de bola en si operando de una manera
mejorada.
Paso 2
Para permitir que el molino de bola tome ventaja de la alimentación más fina que está
produciendo el molino SAG, es necesario reducir el tamaño de las bolas en el molino de
bola. Sus 75mm originales eran adecuados para romper las rocas más grandes en el
producto del molino SAG, pero no son un medio de molienda fina eficiente (ver Capítulo
7). La simulación permite demostrar que bolas de 38mm proporcionaran un mejor
rendimiento. Si se agregan bolas menores que estas, el producto del molino contiene
excesivas cantidades de material más grueso que no puede ser roto por el reducido tamaño
de las bolas. Sin embargo, las bolas de 38mm tienen suficiente energía para hacerlo y
simultáneamente proporcionar una área superficial suficientemente grande para mejorar la
molienda de partículas más pequeñas. Nuevamente, sin embargo, debe destacarse que el
tamaño de molienda del overflow del ciclón varía muy poco.
Paso 3
Para asegurarse que el circuito cerrado está operando lo mas eficientemente posible, es vital
que el clasificador esté trabajando eficientemente. En el caso de los hidrociclones, esto se
logra habitualmente asegurandose que son alimentados con slurry lo más diluido posible y
operan a una presión suficientemente alta (ver Capítulo 3). En consecuencia, en esta fase de
optimización se ajusta el balance de agua alrededor del circuito de molino SAG y molino
de bola. En el caso de los ciclones, el porcentaje de sólidos de alimentación se reduce a
60% y 53% en los circuitos de molino SAG y de bola respectivamente.
344
Capítulo 13: Optimización de circuitos de Trituración
Paso 4
Para producir un producto más fino en el circuito de molino de bola se simularon cambios
en la geometría del ciclón usando las unidades existentes de 381mm de diámetro. Los
resultados demostraron que esto era posible, pero que el producto más fino venía
acompañado por un overflow diluido el cual ocasionaba que el overflow del ciclón del
molino de torre se hiciera mas diluido. Esto no es un problema en la medida que el proceso
subsiguiente aguas abajo (flotación en este caso) puede absorber dicho cambio. Sin
embargo, se fijó el límite del circuito de flotación en un 36-37% de sólidos y por ende no
podía tolerar una dilución adicional. Para permitir una punto de corte de clasificación más
fino en el circuito del molino bola, sería necesario un ciclón de menor diámetro ya que,
manteniendo lo demás constante, los ciclones de menor diámetro cortan más fino (Capítulo
12). En consecuencia, se simularon ciclones de 250mm resultando en una caída en el P80
del overflow de 130µm a 124µm.
Paso 5
345
Capítulo 13: Optimización de circuitos de Trituración
Paso 6
La presión del ciclón debe mantenerse los más alta posible para operación eficiente.
Normalmente, los ciclones de menor diámetro se operan a mayores presiones (ver Capítulo
12). En consecuencia, se aumentó la presión del ciclón del circuito del molino de torre a
alrededor de 125 kPa. Esto resultó en una reducción de la carga de reciclo debido a una
separación más eficiente y a una reducción en P80 de 38µm a 35µm.
Paso 7
Esto completó el estudio el cual demostró que el circuito tenía potencial para reducir su
tamaño de molienda final de 64µm a 31µm.
Para este estudio también se utilizó el circuito mostrado en la Figura 13.4. En este caso, sin
embargo, el objetivo es aumentar el rendimiento desde 240 a 288 tph sin hacer la molienda
final más gruesa. Los resultados se muestran en la Tabla 13.5.
Tasa de % Sólidos
Paso kW Llenado (%) T80 (µm) Descarga Alimentación
Vol. (m3/h) Ciclón
Caso Base 1460 25.5 747 216 -
1 1528 28.7 820 260 65
1a 1587 26.7 893 258 60
2 1534 29.0 633 263 65
3 1534 29.0 633 263 60
4 1534 29.0 633 263 60
5 1534 29.0 633 263 60
346
Capítulo 13: Optimización de circuitos de Trituración
Paso 1
Sin embargo, en el circuito de molino de bola la carga de reciclo ha aumentado junto con la
presión del ciclón. En particular nótese el porcentaje de sólidos del underflow del ciclón, el
cual se predice subirá a 87%. En la práctica, esto es poco realista y lo más probable es que
se produzca acordonamiento (Capítulo 12), ocasionando una pobre clasificación. Tal
porcentaje de sólidos de alimentación debe, en consecuencia, interpretarse como una
condición que el circuito de molino de bola no podría soportar. Se concluye por ende que
el rendimiento es muy alto sin cambiar la operación del circuito.
Aunque parece que el circuito SAG puede hacer frente a un aumento en el rendimiento,
vale la pena buscar modos alternativos que puedan mejorar aun más el rendimiento. Una
manera en que se puede aumentar el rendimiento es como consecuencia de un aumento en
la carga de bolas de 6.4% a 8.5%. Se puede observar que esto conduce a un descenso en el
llenado del molino, lo que permitirá aumentos adicionales en el rendimiento. El consumo
de energía es, sin embargo, marginalmente superior que en el paso 1 y el T80 es más
grueso. Se concluye, en consecuencia, que una mayor carga de bolas es menos eficiente
para la tasa de alimentación requerida que una menor carga de bolas.
Paso 2
El primer paso para intentar ayudar al circuito de molino de bola es proveerlo de una
alimentación más fina. Para lograrlo, es posible cerrar el circuito de molino SAG con
ciclones. Sin embargo, debe destacarse que el consumo de energía es ahora un 10% menor
que el máximo instalado lo que proporciona un margen de seguridad razonable para las
fluctuaciones normales de la planta. Se demostró en el primer estudio, que cerrar el circuito
347
Capítulo 13: Optimización de circuitos de Trituración
SAG ocasionaba un aumento de 100kW en al potencia. En este caso, el alza podría acercar
el consumo de energía al máximo instalado y en consecuencia no se considera práctico.
Como compromiso, se reduce el T80 del circuito SAG de 820µm a 633µm por medio de
reducir la abertura de la parrilla a 15mm y el tamaño del tromel a 7mm. El llenado aumenta
marginalmente a 29% mientras que el consumo de energía se eleva a 1534kW. Es
interesante destacar que en el Caso de Estudio 2, cuando se cerró el circuito SAG con
ciclones, el consumo de energía fue de 1552 kW para un llenado de 27%, i.e. el llenado era
menor pero el consumo de energía era marginalmente superior que en este caso. Hubiera
sido esperable que el mayor llenado consumiera más energía. El motivo por el cual esto no
sucede es el nivel de slurry en la carga. En el circuito cerrado de ciclón el nivel de slurry es
mayor y por consiguiente el llenado intersticial (U) es mayor (ver ecuación 11.31). Esto
proporciona una mayor densidad de carga lo cual contrapesa el efecto del mayor volumen
en el circuito sin un ciclón. Esto tiene un menor nivel de slurry (U es menor) y por
consiguiente una menor densidad de carga.
Paso 3
Habiendo reducido el tamaño de alimentación al molino de bola debe ser posible mejorar su
eficiencia reduciendo el tamaño de bola. En este caso, el objetivo no es moler más fino per.
se sino que crear las condiciones que ayuden a reducir la carga de reciclo y el alto
porcentaje de sólidos de underflow. Se ha comprobado que es posible reducir el tamaño de
las bolas solo levemente a 65mnm y que este efecto es también marginal.
Paso 4
Paso 5
So observa que después del paso 4, el circuito de molino de torre tiene un porcentaje de
sólidos de underflow absurdamente alto y, por consiguiente, aun requiere de ajuste. Esto se
puede efectuar de varias maneras, como por ejemplo, alterar la geometría del ciclón y el
balance de agua. En este caso, sin embargo, se decidió ver si el circuito podía no solo
manejar el mayor rendimiento sino que simultáneamente moler mas fino. Se utilizaron en
consecuencia 12 bolas junto con algo de agua de dilución agregada a la alimentación del
molino de torre para llevar los sólidos de alimentación a un 50% v/v. Esto resultó en un
retorno del rendimiento del ciclón a aquel observado en el caso base, pero produciendo una
molienda final de 54µm en vez de los 64µm originales.
348
Capítulo 13: Optimización de circuitos de Trituración
Se puede concluir que es posible lograr un mayor rendimiento y que no solo es posible
mantener el tamaño de molienda existente pero existe margen para moler más fino.
Los ejemplos previos han considerado la optimización desde la limitada perspectiva del
rendimiento del circuito de trituración aislado de las etapas aguas abajo y aguas arriba. La
flotación que usualmente sigue al paso de molienda, en los concentradores de metal base, es
un buen ejemplo de las generalizadas oportunidades de optimización
Figura 13.5: Dependencia de la eficiencia de flotación respecto del tamaño de partícula para
distintos minerales (según Lynch et al 1981)
Todos los metalurgistas de flotación están conscientes del impacto del tamaño de
alimentación sobre el rendimiento de flotación. Dos ejemplos sencillos ilustran este punto.
La Figura 13.5 muestra los datos de recuperación de mineral por tamaño para algunas
operaciones de flotación. Los gráficos muestran el bien conocido comportamiento en el
cual la recuperación exhibe un máximo sobre un rango de tamaño de partícula con una
declinación en los extremos grueso y fino. Las mejoras en el circuito de flotación en si,
tienen el potencial de elevar la curva completa a mayores valores y extender la
349
Capítulo 13: Optimización de circuitos de Trituración
El problema de optimización real involucra la estimación del mejor punto operativo que
enlace los requerimientos competidores de rendimiento, molienda y recuperación.. El
problema esta ampliamente reconocido pero hasta ahora raramente se han aplicado en al
practica técnicas rigurosas que proporciones soluciones útiles. Una de dichas metodologías
formales se discute en la Sección 13.5
Figura 13.6: Molienda típica- tamaño de producto- relación de recuperación de flotación para un
concentrador de metal base
350
Capítulo 13: Optimización de circuitos de Trituración
La Figura 13.7 muestra la información relevante para el caso base. El objetivo es moer la
distribución de tamaño desde las áreas de baja recuperación, particularmente en el extremo
grueso, a áreas de mayor recuperación. Un problema común, evidente en este ejemplo, es la
resolución inadecuada en los tamaños muy finos donde mucha de la masa puede yacer y
donde la recuperación comienza a declinar significativamente.
Figura 13.7: Estudio de Caso 4 –Respuesta de flotación y tamaño de alimentación caso base para un
concentrador de zinc
La Tabla 13.6 muestra los resultados para el caso base y para dos situaciones modificadas:
Caso de Estudio 2 en el cual se logro un producto mucho más fino a un rendimiento
marginalmente ,más bajo y el Caso de Estudio 3 en el cual se obtuvo un producto un tanto
más fino con un rendimiento 20% mayor.
351
Capítulo 13: Optimización de circuitos de Trituración
Tabla 13.6: Tamaño de alimentación de flotación y recuperación para los tres regímenes de
molienda
Es evidente que el Estudio de Caso 2 logra un pequeño pero significativo aumento (3.3%
relativito) en producción de metal con una pequeña disminución en el rendimiento. Esto se
logra removiendo material grueso (+75µm) y casi duplicando la cantidad de material de -
8µm. La recuperación global de zinc aumenta de 69.6 a 72.8%; el aumento relativo sería
mayor si la declinación en recuperación -8µm no hubiera sido tan fuerte.
352
Capítulo 13: Optimización de circuitos de Trituración
entrada requerida, ya que esta contribuye con una proporción importante de los costos
operativos.
La relación entre producción y tonelaje pude considerase análoga a la relación entre entrada
de energía por tonelada de mineral y material valioso producido por tonelada de mineral.
La Figura 13.8 muestra una forma general de esta relación (conocida habitualmente para un
depósito específico a partir de datos de laboratorio o producción). El modelo está
restringido en ambos extremos, en el sentido que existe una tasa de producción por tonelada
que no puede ser excedida (contenido de sobrecarga), y existe cierta cantidad de energía de
entrada requerida para lograr cualquier producción (lo último es más por conveniencia que
debido a alguna propiedad real del mineral.
b
E =a+ (13.1)
(ch − V )
353
Capítulo 13: Optimización de circuitos de Trituración
b
a = Eo + (13.2)
ch
Entonces
1 1
E = Eo + b + (13.3)
ch ch-V
Este modelo proporciona una descripción conveniente de una relación energía- tonelaje-
producción, porque
• Puede ajustarse directamente a los datos operativos del concentrador (como en la Figura
13.8) usando dos conjuntos de valores energía-tonelaje-recuperación, o a un conjunto
de datos más grande por medio de técnicas de mínimos cuadrados no lineales,
354
Capítulo 13: Optimización de circuitos de Trituración
La primera está restringida por una meta de recuperación promedio de largo plazo y una
serie de bloques de mineral. Su objetivo es minimizar el tiempo total requerido para
procesar estos bloque de mineral, a la vez que se logra la meta de recuperación promedio.
En consecuencia, también se minimiza la entrada de energía por tonelada procesada.
La filosofía de recuperación máxima está restringida por una serie definida de bloques de
mineral y el tiempo de tratamiento total disponible. Su objetivo es maximizar la producción
desde este mineral.
∑m h
I
i i (13.4)
Se puede especificar una meta de recuperación promedio para lograr una meta de
producción, C (kg de valiosos producido). Entonces, si Vi es la meta de material valioso a
recuperar de cada bloque,
Ci = ∑ mV
i i (13.5)
I
bm
E = ∑ mi Ei = ∑ mi ai + i i (13.6)
I I ci hi − Vi
La ecuación (13.6) puede minimizarse sujeta a la restricción (13.5), para lograr la meta de
producción de valiosos requeridos de cada bloque (Morrison, 1993):
bi
Vi = ci hi − (13.7)
λ
donde
1
=
∑mc h −C
i i i
(13.8)
λ ∑ (m b ) i i
355
Capítulo 13: Optimización de circuitos de Trituración
Una vez que se conoce Vi, la meta de producción para el bloque i, se pude calcular la
recuperación requerida (Vi/h) y la tasa de tratamiento (potencia del molino + Ei de la
ecuación13.1). Se puede calcular un programa de producción para una ruta de explotación
estimada y usarla semana tras semana para control (por ejemplo); es posible actualizar el
multiplicador si ocurren grandes desviaciones.
∑m h
I
i i = NP (13.9)
bi
Ei = ai + (13.10)
λ
1 NP − ∑ ai mi
donde = (13.11)
λ ∑mb i i
Una mina de cobre porfídico extraerá partes iguales desde tres bloques de producción
durante un periodo específico. El consumo de energía está dominado por la línea de
molienda primaria compuesta por molinos de bola de 4MW. La meta de producción para el
periodo es de 900.000 toneladas a una ley de recuperación de 0.605% de Cu, o 5445 t de
cobre en concentrados (C en ecuación 13.5). Se necesita determinar una meta de ley de
recuperación, Vi, y un rendimiento promedio para cada bloque i, para cumplir con la meta
de producción global con un mínimo consumo de energía. El problema se resuelve
aplicando la ecuación 13.7 para determinar la meta de tasa de producción de metal por
molino (conociendo la energía disponible de 4mw). Esto requiere un conocimiento de b, c y
h para cada bloque y valores para λ y Eo.
La Tabla 13.7 muestra algunos datos de producción anteriores para los tres bloques de la
forma mostrada en la Figura 13.8 – energía específica consumida por cada molino, E, y el
grado de recuperación correspondiente, V (También hubiera sido posible obtener datos
equivalentes a partir de pruebas de laboratorio y ejercicio de simulación). También se
incluyen valores de ensayos geológicos para h, la ley global, y c, la proporción de sulfuro
de cobre (recuperable).
356
Capítulo 13: Optimización de circuitos de Trituración
Bloque i Ley, hi (kg/t Cu) Cu Recuperable, Energía específica del Ley recuperada, Vi
ci (prop.) molino, Ei, (kWh/t) (kg/t Cu)
1 3.5 0.92 17.5 2.70
12.5 2.51
10.0 2.29
2 6.2 0.96 10.2 5.46
8.2 5.25
6.6 4.98
3 11.0 0.98 8.2 10.42
7.5 10.40
6.5 10.32
Reordenando la ecuación 13.3 es posible estimar, para cada conjunto de datos, el parámetro
bi que refleja las características de dureza y liberación del bloque:
Ei − Eo
bi = (13.12)
1 1
+
ci hi ci hi − Vi
Ahora es posible calcular la meta de producción de cada bloque, Vi, a partir de la ecuación
13.7, y calcular la recuperación correspondiente como vi/hi. A continuación con la formula
13.3 se calcula la energía especifica consumida Ei y el correspondiente tonelaje por molino
determinado como 4MW/Ei.
357
Capítulo 13: Optimización de circuitos de Trituración
Operando bajo estas condiciones se logrará la meta de producción de cobre con un mínimo
de consumo de energía.
Para aquellos de nosotros sin inclinaciones matemáticas, estas metodologías pueden parecer
como obtener ‘algo por nada’. Sin embargo, pueden ser pensadas más fácilmente en
términos de producir un sello de ‘dificultad constante’. Un material blando de alta ley es
procesado para alta recuperación. Esto significa, en términos de la Figura 13.8, hacía el
extremo derecho del rango operativo. El mineral duro, marginal es procesado al mayor
tonelaje posible. En resumen, las diferencias en el tipo de mineral se utilizan
ventajosamente.
Por el contrario, una filosofía de recuperación constante, que adoptan algunas operaciones
(normalmente por razones históricas), conduce a grandes variaciones en las condiciones del
circuito. Para cumplir con dicho requerimiento, el mineral blando de alta ley requiere de
tasas de tratamiento altas mientras que el mineral duro de baja ley requiere tasas de
tratamiento extremadamente bajas. En términos de eficiencia energética, esta es casi la peor
estrategia operativa posible.
Los criterios utilizados arriba son metas de optimización relativamente simples las cuales
ayudan a centrarse en los objetivos de un programa de optimización o estrategia global. Por
supuesto son posibles estrategias más complejas, involucrando más criterios y restricciones;
La programación lineal es una metodología general que puede ser utilizada en tales casos.
Duckworth (1978) desarrolló una metodología de optimización general para Boungainville
Copper Limited.
13.6 CONCLUSIONES
El término optimización tiene poco sentido a menos que se defina respecto de alguna
cantidad medible y sujeto a restricciones operativas y de otro tipo. Las cantidades más
comunes, en ejercicios limitados de optimización de circuitos de trituración, son el
rendimiento y el tamaño del producto. Sin embargo, es posible agregar otros criterios.
358
Capítulo 13: Optimización de circuitos de Trituración
Cada una de estas estrategias de optimización ofrece un alto retorno de información sobre
la operación del proceso, restricciones del proceso y ambiente operativo.
A medida que aumenta la exactitud de las técnicas de modelado debe hacerse factible el
lograr un grado razonable de optimización de un proyecto tempranamente en la fase de
diseño. La filosofía operativa puede incluso impactar sobre lo que se considera mineral o
estéril con un efecto dramático sobre los costos de la planta. El desafío para los ingenieros
de disciplinas afines es reunir los modelos para implementar la optimización a través de
operaciones completas y, por cierto, a través de una empresa desde mineral a producto. Este
es un campo de investigación actual.
359
APÉNDICE 1
FUNCIONES SPLINE CÚBICAS
A1.1
L As funciones spline se usan fundamentalmente para interpolar datos para los cuales
no se encuentra rápidamente o no existe una ecuación matemática apropiada. Es una
herramienta poderosa ya que proporciona un método para interpolar que permite a
JKSimMet cambiar fácilmente una distribución de tamaño en varias series de tamiz,
representar una distribución de un proceso de rotura o encontrar la tasa de rotura AG/SAG
para cualquier tamaño de partícula en el molino. Este apéndice describe los principios
básicos detrás del uso de las funciones spline y presenta un ejemplo resuelto de su
aplicación a interpolación de tamaño, una característica de rutina incorporada en
JKSimMet.
En esencia, las funciones spline unen una serie de puntos en el plano x-y. Se utiliza alguna
función para interpolar entre cada par de puntos y estas funciones son ‘splined’ entre si para
proporcional la función spline completa. La función spline más sencilla es el spline de
primer orden que es solo una serie de pedazos de líneas rectas. Estas, por supuesto, no
parecen suavizadas a menos que los puntos estén sobre una línea recta o muy cercanas entre
si. El spline cúbico es un método APRA dibujar una curva muy suave sobre varios puntos
de datos. Está muy relacionada con el spline del dibujante y en la mayoría de los capos
debería proporcionar una curva muy parecida a la dibujada por un ‘flexicurve’.
Como introducción al método considere tres puntos (x1,y1), (x2,y2), y (x3,y3) como se
muestra en al figura A1.1
360
Apéndice 1: Funciones Spline Cúbicas
Par unir los tres puntos por medio de dos secciones cúbicas, se debe observar la
continuidad, derivada y segunda derivada de la función a través del límite. Se requieren
ocho coeficientes para describir los dos cúbicos como sigue:
Para determinar estos coeficientes la función debe pasar a través de los tres puntos con
continuidad de las primera y segunda derivada a través de (x2,y2).
Como puede verse, hay 8 coeficientes conocidos pero solo 6 ecuaciones. Esto obliga a que
dos coeficientes (grados de libertad) deban ser determinadas de alguna otra manera. Esto se
efectúa generalmente por hedido e las condicione de borde 1.e. especificando aguan
propiedad del cúbico en los dos extremos. La condición más simple es que la derivada sea
cero en ambos extremos, dando:
6ax1 + 2b = 0 (A1.7)
y
6ax3 + 2 f = 0 (A1.8)
Esto proporciona dos ecuaciones para tener 8 ecuaciones y 8 incógnitas que hay que
resolver para los coeficientes a-h y, en consecuencia, determinar las dos secciones cúbicas
de la función spline.
En teoría, este proceso puede extenderse para cualquier número de puntos (siempre con dos
grados de libertad que deben determinarse por otros medios), para encontrar el spline
361
Apéndice 1: Funciones Spline Cúbicas
Considere una malla de N+1 puntos, a = x0, x1,…xN = b, definido en el intervalo [a,b]. Sean
los valores y correspondientes y0,y1,…yN.
Necesitamos una manera de evaluar la función spline S(x) que está compuesta por trozos
cúbicos en cada intervalo, pasa a través de cada punto y es continua en su primera y
segunda derivadas. El método se facilita considerablemente si comenzamos con la primera
o la segunda derivada. Elegimos comenzar con la segunda derivada; Ahlberg repite la
derivación con la primera.
Sea Mj (j=0,1,…,N) el valor de la segunda derivada en xj. Ya que la segunda derivada del
spline en el intervalo [xj-1,xj] es lineal, puede escribirse como:
S "( x) = a j x + b j
para j=1,2,...N, donde a j y b j son independientes de x. En x = x j -1 y x = x j tenemos
M j −1 = a j x j −1 + b y M j = ajxj + b
de manera que
M j − M j −1 M j − M j −1 x j
aj = y bj = M j −
x j − x j −1 x j − x j −1
haciendo
h j = x j − x j −1 (A1.9)
y reordenando obtenemos
xj − x x − x j −1
S "( x) = M j −1 +Mj (A1.10)
hj hj
S ( x j −1 ) = y j −1 S (x j ) = y j (A1.11)
permiten la integración de estas constantes. Esto conduce a las siguientes ecuaciones para el
spline y su derivada:
362
Apéndice 1: Funciones Spline Cúbicas
( x j − x )3 ( x − x j −1 )3 M j −1h 2j x j − x M j −1h 2j x − x j −1
S ( x) = M j −1 +Mj + y j −1 − + yj −
6h j 6h j 6 h j 6 h j
...(A1.12)
( x j − x)2 ( x − x j −1 ) 2 y j − y j −1 M j − M j −1
S '( x) = − M j −1 +Mj + − hj
2h j 2h j h 6
j
...(A1.13)
W0 = X0 = λ0 = µ 0 = d0 = 0 y WN = XN =λN = µ N = dN = 0
λj
Wj = (A1.14)
2 − µ jW j −1
y
d j − µ j X j −1
Xj = (A1.15)
2 − µ jW j −1
dado que
h j +1
λj = (A1.16)
h j +1 + h j
µ j = 1− λj (A1.17)
( y − y j ) ( y j − y j −1 )
6 j +1 +
h j −1 hj
dj = (A1.18)
h j + h j −1
Mj+WjMj+1+Xj = 0 (A1.19)
363
Apéndice 1: Funciones Spline Cúbicas
4. Extrapolar linealmente más allá del intervalo [a,b] usando la primera derivada S’(a) y
S’(b) calculada usando la ecuación A1.13, donde
y0 = S’ (x0)x0+C0 A1.20)
y
yN = S’ (xN)xN+CN (A1.21)
Figura A1.2: Gráfico de los datos de ejemplo para ser interpolada usando splines cúbicos
364
Apéndice 1: Funciones Spline Cúbicas
P
y j = Ln − Ln 1 − j donde Pj es el % pasando a tamaño j.
100
b) Establezca las ecuación spline para estos datos usando una escala logarítmica para el
tamaño de partícula, xj=Ln(tamaño) y resuelva estas ecuaciones tri-diagonales para
la segunda derivada Mj como se describió anteriormente. La tabla A1.1 muestra un
resumen de la solución.
Comenzar
Tamaño Punto Comenzar cálculos en j=1
en j=N-1
(µm) j xj yj hj ij mj Wj dj Xj Mj
5 0 3.970 0.556 0 0 0 0 0 0 0
75 1 4.317 0.804 0.347 0.499 0.501 0.250 2.178 -1.089 0.740
106 2 4.663 1.139 0.346 0.501 0.499 0.267 3.162 -1.396 1.396
150 3 5.011 1.602 0.347 0 0 0 0 0 0
Tabla A1.2: Resumen de datos y resultados del ejemplo para interpolación spline
365
APÉNDICE 2
EL EFECTO DE LA VISCOSIDAD DEL SLURRY
SOBRE LA MOLIENDA
Sin embargo, fue Klimpel quien por primera vez proporcionó una explicación racional de
los efectos del tipo reológico del slurry, sobe el rendimiento de los molinos de bola y los
dispositivos de reducción de tamaño, basado en investigación de escala industrial y de
laboratorio efectuada en los 1970s y 1980s (e.g. Klimpel 1982, 1983). Estudios recientes de
escala industrial efectuados por JKRMC (Shi 1994), han confirmado algunas de estas
observaciones y ampliado nuestro entendimiento de los efectos.
366
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
Figura A2.1: Relación entre viscosidad aparente y densidad de slurry (concentración de sólidos)
para un metal base típico después de molienda
367
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
Figura A2.3 Curvas de flujo típicas para un mineral de metal base después de molienda, como una
función de tamaño de partícula y concentración de sólidos, mostrando el amplio rango de tipos
reológicos que se encuentran bajo distintas condiciones
368
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
• A una mayor viscosidad (Región B), inducida por medio de aumentar la densidad del
slurry y/o contenido de finos, mejora la molienda.
Figura A2.4: Producción neta y viscosidad, como función del porcentaje de sólidos, en pruebas de
molienda por lote ejecutadas bajo tiempo de molienda y condiciones de alimentación constantes
Como explicación para estas tendencias, Klimpel propuso que a bajas densidades la
mayoría de los slurries de carbón y minerales (menos de 40-45% v/v para distribución de
tamaño normal) son dilatantes en carácter y que bajo estas condiciones la rotura es de
primer orden (Región A en al Figura a2.4), lo que representa el comportamiento normal de
la industria. Aumentar la concentración de sólidos induce un comportamiento seudo
plástico, el cual, en ausencia de esfuerzo de fluencia, produce una rotura de primer orden
con mayores tasas de rotura que con slurries dilatantes (Regiones B y B’); esto representa la
práctica de molienda más eficiente. A medida que la concentración de sólidos aumenta aun
369
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
(Klimpel sugirió también, que era posible mejorar la molienda controlando la reología con
aditivos químicos (ver las curvas ‘con químicos’ en la Figura A2.4). Aunque el y sus
colegas y muchos otros investigadores han demostrado efectos muy beneficiosos en
aplicaciones específicas, especialmente a escala de laboratorio, estos efectos rara vez han
sido sustentados en la molienda húmeda industrial de mineral.
Las flechas en al Figura A2.1 muestran la dirección y magnitud relativa del efecto de
aumentar la viscosidad, densidad, alimentación de finos y tonelaje de alimentación sobre el
‘índice de molienda’ como una función del tipo reológico (el índice de molienda se definió
como la producción relativa de alimentación nueva). El análisis está simplificado en el
sentido que viscosidad, densidad y finos, estando fuertemente correlacionados, se
consideran aquí como independientes, pero la conclusión es clara: la magnitud, e incluso en
ocasiones la dirección de los efectos, son fuertemente dependientes de la reología. Por
ejemplo, un aumento en el tonelaje de alimentación siempre reducirá el índice de molienda
pero el efecto es menor para slurries seudo plásticos y de baja tensión de fluencia;
normalmente, un aumento de la viscosidad mejorará el índice de molienda, excepto en el
caso de slurries de alta tensión de fluencia y dilatantes; aumentar los finos aumenta la
molienda para seudo plásticos pero la disminuye para slurries dilatantes.
370
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
flechas en al columna final de la Tabla A2.1 sugieren que esto debiera efectuarse reciclando
finos del clasificador en vez de aumentando la densidad del slurry.
Tabla A2.1: Los efectos relativos sobre el índice de molienda del aumento de la viscosidad,
densidad, finos de alimentación y tonelaje de alimentación como función del tipo reológico: las
flechas indican dirección y magnitud o efecto relativo (a lo largo de la hilera) (según Shi, 1994)
Quizás la conclusión más importante de este trabajo es que las tendencias son complejas y
si se hacen intentos para optimizar el rendimiento del molino, por medio de manipular estas
variables, ayuda el entender primero la reología predominante. También parece probable
que algunos de los fenómenos inesperados y contrarios a la intuición, que se encuentran
ocasionalmente en la práctica de la molienda, pueden atribuirse a las vaguedades de la
reología del slurry.
371
APÉNDICE 3
MEDICIÓN Y REPRESENTACIÓN DE LAS
DISTRIBUCIONES DE TAMAÑO
Aunque el objetivo último de un circuito de trituración específico puede ser liberar los
constituyentes de un mineral o promover la manejabilidad, su rendimiento será expresado
normalmente en términos de reducción de tamaño. Es necesario, en consecuencia, medir las
distribuciones de tamaño de la alimentación hacía el circuito y del producto desde el
circuito y, en ocasiones, de las corrientes intermedias en el circuito, para evaluar el
rendimiento. En el Capítulo 5 se discuten los procedimientos en el estudio de un circuito
para obtener muestras para análisis de tamaño. En esta sección, consideramos los métodos
disponibles para determinar la distribución de tamaño de las muestras, tanto en línea como
fuera de línea.
372
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
2. En una correa que alimenta a un chancador primario o secundario: esto puede lograrse
usando uno o varios dispositivos de escáner óptico/láser, en correa, diseñados en años
recientes.
Sin embargo, ninguna de estas técnicas es de uso común debido tanto a la dificultad para
obtener una medición confiable y con sentido y, porque aun no se han adoptado
metodologías para utilizar la medición en la practica industrial de rutina. En la Sección
5.4.2 se analiza un útil procedimiento para evaluar la distribución de tamaño de una
alimentación de chancador o molino AG/SAG ( que puede confinarse a ROM).
Los métodos ópticos, para medir en línea el tamaño de partícula en las correas, existen hace
alrededor de 20 años (Gallagher 1976), pero pocos han sido desarrollados comercialmente
y aun menos utilizados en al industria. Un sistema actualmente en prueba, SIROSIZE
(Cheung and Ord 1990) mide el tamaño de las partículas observando la distorsión de un
plano de luz láser a medida que intersecta las partículas superficiales en la correa. Para
estimar la distribución de tamaño se analizan estadísticamente las cuerdas resultantes. Se ha
desarrollado una derivación de este sistema, SIROFRAG (Poniewierski et al 1995) para
medición de tamaño de muckpile.
Se han aplicado muchos principios a la medición continua en línea del tamaño de partícula
en slurries con distinto éxito. En particular, dos instrumentos han encontrado amplio uso
comercial en años recientes.
El sistema Multipoint PSM-400 fabricado por Svedala (Figura A3.1) es la última versión de
un instrumento introducido en 1971. La medición se basa en la atenuación de ultrasonido
en el slurry. Una muestra desaireada de slurry se presenta a dos pares de sensores, cada uno
constituido por un transmisor y un receptor ultrasónico. Mientras más grueso sea el tamaño
de partícula y mayor la concentración de sólidos, mayor será la atenuación. Los dos pares
de sensores permiten que estos dos efectos sean desacoplados y el instrumento proporciona
373
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
una lectura tanto del tamaño de partícula como del porcentaje de sólidos; los primeros
modelos proporcionaban una sola indicación de tamaño (%-75µm2 era un selección
habitual), pero las últimas versiones proporcionan hasta 5 salidas de tamaño. El instrumento
requiere de calibración respecto de un slurry de distribución de tamaño conocido.
Figura A3.1: El analizador de tamaño de partícula Figura A3.2: El analizador de tamaño de partícula
en línea Svedala PSM-400 en línea Outokumpu PSM-400
2
En la Tabla A3.1 se proporciona una tabla de conversión para micrones y tamaños de malla.
374
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
Una aplicación típica para dichos dispositivos es la clasificación de overflows (Figuras 12.1
b y c). Ya que normalmente este es un producto de circuito de molienda, sus propiedades de
tamaño son críticas y la medición en dicho punto permite de algún modo estabilizar u
optimizar el control del circuito de molienda (automático o manual) que se implementará.
Al igual que para todos los instrumentos en línea, la selección y presentación de la muestra
es crítica para el éxito de la medición. La muestra debe ser representativa de las corrientes
de proceso y sus características, adecuadas para los requerimientos del instrumento. El
costo del instrumento y la importancia de sus lecturas para la optimización y rendimiento
económico del circuito de molienda, justifica el gran cuidado en la obtención de la muestra.
Tamices de Prueba
375
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
• ISO 2591-1 (1988) Métodos utilizando tamices de prueba de alambre tejido, tela y
planchas metálicas perforadas (también AS 3638 (1993))
El limite de tamaño mínimo práctico, para tamizado en los tamices estándar (200mm de
diámetro) es normalmente 45 o 38µm, aunque puede usarse una abertura de 20µm. Hay
disponibles micro tamices a 5µm, aunque obtener resultados confiables con estos es un
proceso difícil y tedioso. Su ventaja es que pueden proporcionar un fracción dimensionada
para ensayos posteriores, sin las complicaciones de sensitividad a la densidad de lo métodos
hidrodinámicos, tales como el cyclosiser (ver abajo). Generalmente se usa tamizado
húmedo para los tamaños más finos (digamos < 1mm) y tamizado seco para tamaños más
gruesos.
Ya que los tamices de alambre tejido presentan una abertura cuadrada al material
dimensionado, ‘tamaño’, en este caso, se define como el diámetro del área proyectada de la
partícula en su plano de mayor estabilidad, d A = 4a / π , donde dA es el diámetro de un
círculo con un área igual al área proyectada de la partícula, A. En la práctica, esto significa
la mayor dimensión de la partícula cuando yace ‘plana’ sobre la superficie de tamizado. En
consecuencia, las partículas aguzadas de longitud x pueden parecer tener durante el
tamizado’ un tamaño’ similar a la de partícula planas de diámetro x.
La Tabla A3.3 proporciona la serie de tamaños de abertura para tamices de alambre tejido
reconocida por varias autoridades de estándares.
El Cyclosizer
376
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
18η v
d ST = (A3.1)
g ( ρ s − ρ1 )
A continuación se modifica el tamaño de corte real en cada ciclón por medio de una serie
de factores de corrección:
da = di·f1·f2·f3·f4 (A3.2)
donde di es el tamaño de corte nominal del ciclón i, f1, f2, f3, f4 son los factores de
corrección, proporcionados por el manual, para la temperatura del agua (i.e. viscosidad),
densidad de partícula, tasa de flujo y tiempo de elutriación (basado en la ecuación A3.1).
377
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
Tabla A3.1: Abertura y tamaños de malla para varias series de tamices de prueba de alambre tejido
378
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
Los instrumentos de difracción láser son rápidos, fáciles de usar y proporcionan resultados
reproducibles. Sin embargo, la teoría de dispersión de la luz no proporciona una definición
de tamaño que sea compatible con otros métodos como el tamizado. En la mayoría de las
aplicaciones de procesamiento de mineral, por ejemplo, las distribuciones de tamaño de
difracción láser tienden a parecer más gruesas que aquellas de otros métodos. Austin y
Shah (1983) han propuesto una conversión simple que puede desarrollarse por regresión
para materiales de características consistentes. Además, los resultados pueden depender de
las índices de refracción relativos de las partículas sólidas y el medio líquido (normalmente,
aunque no necesariamente, agua), e incluso de la forma de la partícula. Kaye (1989) ha
analizado algunos de estos problemas en términos de las propiedades fractales de las
379
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
partículas. La mayor parte de los instrumentos aseguran compensar dichos efectos u ofrecer
al usuario entradas para calibración.
Por estas razones, los analizadores de difracción láser deben ser usados con precaución.
Para análisis rutinarios de alto volumen, en un ambiente fijo en el cual solo se requiere
detectar los cambios en la distribución de tamaño, probablemente no tienen igual. Para
comparaciones a través de varios ambientes o materiales o con datos obtenidos por otros
métodos, es necesario ejercer extremo cuidado en la interpretación de los datos. Estos
instrumentos no proporcionan, por supuesto, muestras fraccionadas para análisis posterior.
Otros Métodos
Existen muchos otros métodos de dimensionado de partículas finas (Wills 1992, Allen
1996) pero no son usados ampliamente en aplicaciones de trituración. El Contador Coulter
mide las partículas fundamentalmente por volumen, proporcionando una distribución por
diámetro esférico equivalente. La medición es, en consecuencia, independiente de la
densidad, forma (excepto en casos extremos) y obviamente propiedades ópticas y, por estos
motivos, puede ser más útil que algunos otros principios de medición. Existen varios
métodos de dimensionado de sub-tamizado basados en la sedimentación en agua, siendo el
más sencillo la decantación por precipitación. Esto involucra asentamiento repetitivo y
ciclos de re-pulpa en un gran precipitador para producir fracciones con tamaños limitados,
determinados por los tiempos de asentamiento; se requieren varias repeticiones para cada
tamaño para lograr una eficiencia de separación satisfactoria. El método es tedioso pero
requiere solamente de un aparato simple y puede producir muestras fraccionadas para
análisis posterior. En todos los métodos húmedos puede ser necesario utilizar agentes
humectantes y/o dispersadores para garantizar que las partículas se dispersen
adecuadamente.
380
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
381
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
Figura A3.5: Distribución de tamaño de una muestra de -38µm determinada por cinco métodos
diferentes
Aunque cada método demostró ser internamente reproducible, las diferencias entre ellos
son obvias. Las razones no se comprenden completamente pero es casi seguro que la
forma y densidad de las partículas juegan un rol (las curvas estaban mucho más
cercanas entre si para mediciones similares, en un material de cuarzo homogéneo).En
consecuencia se debe verificar, al momento de seleccionar métodos de dimensionado
382
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
La Tabla A3.2 entrega los datos de dimensionado para un producto de chancador, producto
de molino AG y un overflow de hidrociclón. Se utilizaron tamices para dimensionar el
material. La fracción de sub-tamizado del overflow del hidrociclón (-38µm) fue
dimensionada con un cyclosizer y corregida para la fracción -38 µm (i.e, un 7.2% de la
alimentación del cyclosizer reportaba a la fracción CS1; como un 52.9% del material total
era -38 µm, representando la alimentación del cyclosizer, entonces (7.2x52.9)/100=3.8% de
material total se calculó como yaciendo en la fracción -38+35µm, etc.).
383
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
384
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
Es útil, a menudo, representar las distribuciones de tamaño por medio de una función
matemática, con el fin de dibujar una curva uniforme racional a través de los puntos
experimentales o para encapsular la distribución de tamaño en un menor número de
parámetros ajustados, los que pueden utilizarse en otros cálculos como modelado y
simulación. Dos funciones de distribución de tamaño usadas comúnmente son las
ecuaciones Gaudin-Schuhmann y Rosin-Rammler.
m
x
WP = 100 % (A3.3)
k
W
ln p = m ln x − m ln k (A3.4)
100
x b
Wr = 100 exp − % (A3.5)
k
100
ln ln = b ln x − b ln a (A3.6)
Wr
(hay disponible papeles especiales para gráficos con ejes R-R en los cuales las
distribuciones R-R se graficarán como una línea recta).
385
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
La Figura A3.6 muestra estas dos funciones ajustadas a los datos del chancador de la Tabla
A3.2. La función G-S es más apropiada para material más grueso, chancado, que ha sido
harneado a algún tamaño máximo; no puede seguir la vuelta en la parte superior de la curva
que existe en muchas distribuciones de tamaño. Se ha determinado que la función R-R,
desarrollada originalmente para carbón, se ajusta muy bien a varias distribuciones de
tamaño. La Figura A3.7 muestra los datos del molino AG e hidrociclón de la Tabla A3.2
con curvas R-R ajustadas – el ajuste es muy bueno con los valores de parámetro:
Ajustar la distribución R-R, sin embargo, involucra tomar logaritmos dos veces (ecuación
A3.6) y esto oculta una multitud de pecados. En consecuencia se deberá usar con
precaución ya que lo que aparece como un pequeño desajuste en una escala log doble puede
conducir a grandes errores en el cálculo de la distribución de tamaño y flujos de masa
asociados, cuando se utiliza la función.
Figura A3.7: Distribución de una descarga de molino AG y overflow de ciclón con ajuste de curvas
Rosin-Rammler
386
APÉNDICE 4
EL SIMULADOR JKSIMMET Y EL PAQUETE DE
BALANCE DE MASA JKMBAL
14.
A1.8 GENERALIDADES
387
Apéndice 4 - El Simulador JKSimMet y el Paquete de Balance de Masa JKMBal
Una vez que el circuito ha sido construido, es posible modificar el diagrama de flujo y las
condiciones hasta obtener un diseño satisfactorio o una condición operativa óptima. Los
resultados pueden imprimirse, plotearse, almacenarse en disco fijo o archivar en disco
flexible. La simulación se basa en la capacidad de construir un modelo que sea
representativo del sistema real.
El comportamiento o las características del circuito deben ser similares a las características
del sistema real. Para construir la simulación, el ingeniero debe analizar la planta completa
y desmenuzarla en un número de circuitos de manera tal que los circuitos sean fáciles de
entender e identificar. Luego los circuitos son interconectados para formar el sistema total.
Unidad – Cualquier tipo de unidad de proceso, tal como un molino de bola o hidrociclón.
El diagrama de flujo del circuito permite al usuario seleccionar una lista completa de tipos
de unidad de proceso y desplegar su representación gráfica (íconos) en la pantalla. Estas
388
Apéndice 4 - El Simulador JKSimMet y el Paquete de Balance de Masa JKMBal
Las conexiones de corrientes inter-unidades se hacen por medio de líneas que unen las
unidades. JKSimMet chequea automáticamente que las conexiones de corriente sean
válidas y que las corrientes tienen nombre. En cualquier sistema, los identificadores de
unidad y corriente son únicos. En consecuencia, es posible transferir datos entre
ejecuciones de la simulación y se pueden correr simulaciones del sistema completo usando
la salida de un circuito como alimentación del siguiente, aunque los circuitos combinados
puedan ser muy complejos para caber en una sola pantalla.
Simulación
Una vez que se ha dibujado el circuito, el ingeniero debe suministrar datos en bruto acerca
las operaciones de la unidad y los flujos de corriente de pulpa. Esto se hace escalando a
través de las unidades de proceso y los flujos, uno por uno, agregando datos de circuito y
construyendo una imagen anotada del circuito del proceso en pantalla. Los datos de
corriente pueden ingresarse en una variedad de formatos. Luego de ingresar los datos, el
ingeniero puede revisarlos y corregirlos hasta quedar satisfecho.
Una vez que se han especificado los circuitos y se han ingresado los datos, se puede correr
la simulación. Los resultados de la simulación se almacenan y pueden ser desplegados de
varias maneras
389
Apéndice 4 - El Simulador JKSimMet y el Paquete de Balance de Masa JKMBal
Luego de analizar los resultados, es posible alterar el diagrama de flujo, reespecificar los
parámetros de la unidad o los datos de corriente y repetir el proceso de simulación hasta
obtener un resultado satisfactorio.
El Metalurgista de Planta tiene un rol esencial en decidir las condiciones que se simularán y
examinar críticamente las predicciones de la simulación – en otras palabras, ejercer un
juicio de ingeniería.
JKSimMet tiene poderosas capacidades de análisis de datos. Puede utilizarse para encontrar
parámetros óptimos del modelo a partir de datos experimentales (ver sección 5.6.3)
Algunos de los modelos permiten analizar simultáneamente hasta 10 conjuntos de datos de
prueba para desarrollar dependencias de modelo secundario.
JKSimMet también incluye un módulo de balance de masa integrado (ver abajo). Este
módulo puede utilizarse para efectuar balance de masa de cualquier dato auto consistente,
e.g. ensayos o minerales o tamaños – para producir ajustes de mínimos cuadrados de tasas
de flujo y datos auto consistentes ajustados.
JKMBal puede efectuar balances de masa basados en tamaño, en circuitos con dispositivos
de trituración. El usuario puede, en forma alternativa, definir hasta 30 componentes con
nombre. La precisión de los datos puede especificarse para cualquier ensayo o tasa de flujo.
El programa proporciona estimaciones de todas las tasa de flujo con precisiones o un
conjunto ajustable de datos consistentes. Los resultados pueden presentarse gráficamente o
vía un resumen configurable, que también puede proporcionar cálculos de recuperación
basados en cualquier corriente.
390
Apéndice 4 - El Simulador JKSimMet y el Paquete de Balance de Masa JKMBal
Una ratón y RAM adicional que, si se corre bajo Windows™, mejora considerablemente la
operación de JKSimMet.
391
REFERENCIAS
392
Referencias
393
Referencias
394
Referencias
395
Referencias
396
Referencias
397
Referencias
398
Referencias
399
Referencias
400
Referencias
401
Referencias
402
Referencias
403
Referencias
404
Referencias
405
Referencias
406