Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Avances en La Optimizacion de Circuitos de Molienda y Clasif
Avances en La Optimizacion de Circuitos de Molienda y Clasif
OBJETIVOS:
El principal objetivo es mostrar que usando las técnicas de la modelación matemática es posible
aprovechar los resultados de los mismos con la finalidad de optimizar para un trabajo a escala
industrial, ya que el modelo amarra muchas variables a la vez y nos da como resultados la
combinación optima y puntos críticos.
INTRODUCCIÓN.
El circuito de molienda determina la capacidad de la planta entera, de manera que si se quiere
aumentar la capacidad de la planta se debe de aumentar en los circuitos de molienda.
El objetivo de las plantas de procesamiento de minerales es conseguir niveles óptimos
operacionales, principalmente en circuitos de molienda y clasificación. Para hallar estos niveles se
tienen dos alternativas; la primera consiste en realizar una campaña experimental en la misma
planta. Eventualmente, este método producirá una mejor performance, sin embargo durante la
campaña (que dura un periodo corto o largo de tiempo), la producción de la planta sufrirá perdidas
cuando la combinación de las condiciones sean malas. La segunda alternativa esta basado en la
simulación con modelos matemáticos que reflejan en gran medida los efectos de las condiciones
operacionales. De manera que podríamos denominar a la simulación como una combinación
optima. Este método se basa en el punto critico en que los modelos matemáticos usados
representan los efectos de condiciones operacionales con una precisión aceptable.
Por estas razones, la simulación es el método más efectivo de optimización en los circuitos de
molienda y clasificación en el procesamiento de minerales.
La eficiencia aumentada de molienda lograda mediante la optimización puede ser usado en :
Aumentar la capacidad de la planta para una granulometría dada.
Reducir el tamaño de partículas para una capacidad determinada.
Reducir el consumo de energía en el molino.
E R K R S 2 S1
Donde: ER = Energía entregada por unidad de volumen.
KR = Constante.
S2 = Superficie especifica Final.
S1 = Superficie especifica inicial.
2. POSTULADO DE KICK (1885)
V
E K K K .Log 1
V2
Donde: EK = Energía entregada por unidad de volumen.
KK = Constante.
V2 = Volumen final de la partícula.
V1 = Volumen inicial de la partícula.
3. POSTULADO DE BOND (1952)
10 10
W WI .
P F80
80
Muchas han sido las publicaciones sobre estudios de relación Energía –Reducción Dimensional; y la
validez de varios métodos para estas relaciones han sido comparados y revisados. En general, las
relaciones propuestas son solamente validas sobre gamas limitadas de tamaño de variables en
casos específicos,
1,E+05
Potencia Consumida (Kwh/ton)
1,E+04
GAMA CONVENCIONAL
DE MOLIENDA
1,E+03
KICK GAMA CONVENCIONAL
Pendiente = - 1
DE TRITURACION
1,E+02
GAMA POCO CONOCIDA
1,E+01
BOND RITTINGER
Pendiente = -0,50 Pendiente = 0
1,E+00
1,E-01
1,E-04 1,E-03 1,E-02 1,E-01 1,E+00 1,E+01 1,E+02 1,E+03 1,E+04 1,E+05 1,E+06 1,E+07
Sin embargo el método general de representar las distribuciones granulométricas por medio del
tamaño del tamiz en que el 80% en peso del material pasa y el 20% queda retenido, por este
ultimo método, es posible representar diferentes análisis granulométricos por un valor, como
muestra la Figura 2 esto es inadecuado.
100
Gama Ancha
de Tamaño
Tamaño 80%
% Pasante
Pasante
10
Gama Estrecha
de Tamaño
1
10 100 1000 10000
Tamaño en Micrones
LIMITACIONES DEL METODO DE BOND.
El método de Bond tiene dos ventajas indiscutibles para la Ingeniería
Es muy simple.
Por la experiencia se ha probado que es una aproximación razonable para muchas
circunstancias.
Pero, aparte de empirismo y posibles errores en la determinación del Work Index (humanos o de
muestra), presenta las siguientes limitaciones principales.
No considera las variables tan importantes como:
Carga circulante.
Eficiencia de clasificador.
Nivel de bolas y collar de bolas
Características de la pulpa.(Viscosidad y reología de la pulpa
No considera que tanto el producto como el alimento son distribuciones de
tamaño y usa solamente el P80 Y F80 respectivamente para representarlos.
Es por ello que Bond a debido de incluir una serie de factores de correctores dentro de su formula
básica, a fin de tomar en cuenta el efecto de las diversas variables de operación sobre el consumo
energético de la molienda, existen correcciones para:
Molienda seca.
Circuito abierto.
Fineza exagerada del producto.
Tamaño de alimentación demasiado grueso.
Efecto del diámetro del molino.
El objetivo principal de estos factores de corrección es disminuir las diferencias observados en la
planta, tanto en capacidad como consumo de potencia.
Molino
Potencia, Tamaño de bolas de recarga, % de Sólidos
Hidrociclon.
Caudal, % Sólidos, Dimención de los orificios.
La potencia, el nivel de bolas, y velocidad de rotación depende de las dimensiones del molino; el %
de sólidos en el molino y en la alimentación al nido de ciclones dependen del caudal de adición de
agua para el molino y el cajon.
Mayores
TASA DE
1 QUIEBRA
-S 1Hm 1
Menores
i
b i4S 4Hm 4 -S iHm i
b i1S 1Hm 1 b i2S 2Hm 2 b i3S 3Hm 3
b n1S 1Hm 1
La tasa de acumulación del mineral en el i-esimo intervalo, esta representado por la suma de la i-
esima línea.
i 1
dHmi
S i Hmi bij S j Hm
dt J 1
m(t ) T .J t .T 1 .m(0)
Donde m(t) : Granulometría del mineral en el tiempo t.
m(0) : Granulometría inicial del mineral.
T : Matriz triangular inferior de valores Tij. (n x n)
Jt : Matriz triangular de valores (n x n)
0 i j
Tij 1 i j
i 1 bik .S k
Tkj i j
j 1 S i S j
0 i j
J ij Molienda Batch.
exp( S i t ) i j
0
N i j
J ij S i . Molienda Continua (función del tiempo)
1 N i j
0
N i j
J ij S i .E
E
Molienda Continua.(Función de la energía)
1 N i j
Donde = Tiempo de residencia.
N = Parámetros característicos de la DTR de la pulpa mineral en el .
molino, representada matemáticamente.
N 1
t
NN
t
E (t ) . exp N
.( N )
Expresión ampliamente conocida como el modelo de N mezcladores en serie y donde el parámetro
N es normalmente aproximado a (L/D) del molino.
El rol critico de la energía especifica (KWh / Ton), destacado tempranamente por Bond y sus
antecesores, se hace explicito en las formulaciones anteriores a través de un simple cambio de
variable, al introducir el parámetro de la función Selección Especifica.
H
Si E Si ; i= 1, 2, ... n
P
Sabiendo que:
H H
E t Molienda Batch. E Molienda continua
P P
Se concluye que:
S i E S i
E
; i = 1, 2, ...n
Por tanto basta reemplazar (S i) por (SiEE) para obtener las ecuaciones del modelo lineal de
molienda en términos de la función selección especifica S iE que esta expresado en Ton/Kwh.
Los elementos de la matriz función fractura B, prácticamente no dependen de las condiciones
operacionales del molino, la función selección depende de las condiciones operacionales y también
es sensible a la distribución granulométrica en el molino.
Si = S (m, DB, % Sm, Dm, Lv, Nv, %Vc, H, d )
Donde:
m = Granulometría del material.
DB = Diámetro de la recarga de bolas.
% Sm = % de sólidos en el molino.
Dm , L m = Diámetro y largo interno del molino.
Nv = % de carga de bolas o nivel de bolas.
%Vc = % de velocidad crítica.
H = Peso total del mineral contenido en el molino.
d = Densidad el mineral.
i 1
Donde:
= Función Objetivo.
wi = Factor de ponderación.
mi = Granulometría experimental de descarga del molino
m̂ i = Granulometría simulado de la descarga del molino.
Existen muchos algoritmos utilizables para la solución del problema de minimización, y el más
adecuado es el método de GAUSS-NEWTON y/o el método MONTECARLO, ambas herramientas de
iteración están incorporados en los complementos del Excel.
A grandes rasgos la figura 5 ilustra la estructura lógica de la rutina de estimación requerida.
Estimación Inicial
Parámetros
Modelo
Define
nuevos
Parámetros
Función
Objetivo
No Mínima ? Si Respuesta
1,000
Función Selección, t/Kwh
0,100
Bolas de
Diámetro
0,010 Menor
0,001
10 100 1000 10000 100000
Tamaño de Partícula, Micrometros
70 %
Función Selección Especifica, t/Kwh
74 %
78 %
0,100
0,010
0,001
10 100 1000 10000 100000
Tamaño de Partícula, Micrometros
90
EFICIENCIA REAL
80
EFICIENCIA CORREGIDA
Eficiencia de Clasificación (%)
70
60
50
40
30
20
TAMAÑO DE CORTE
10
0
10 100 1000 10000
Tamaño de Particulas, Micrometros
Para conocer los efectos cuantitativos de las variables operacionales en el circuito de
molienda, es necesario usar los modelos matemáticos avanzados que contiene estos mismo
efectos.
CONCLUSIONES:
1. Los modelos desarrollados son capaces de predecir, con una precisión aceptable los
efectos de las condiciones operacionales en circuitos de molienda, con lo cual es posible
aprovechar los resultados con el fin de optimizar a escala industrial.
2. El dominio de esta técnica es una poderosa herramienta para el metalurgista de hoy, los
recursos necesarios son: un molino de Laboratorio, el modelo matemático en forma de
SOFTWARE DE SIMULACIÓN que contiene una manera de predecir el efecto de las
condiciones operacionales críticas.
REFERENCIAS:
1. M. Carhuaz R. “Modelación Matemática en circuitos de molienda y Clasificación” ; Tesis
para optar el Grado de Ingeniero Metalurgista. 2002
2. J. E. Sepúlveda “ Los 10 mandamientos, VIII Simposio Moly-Cop Sobre procesamiento
de minerales, Chile 1997.
3. A. E. Oblad, “Curso: Los Modelos Matemáticos de las Operaciones de Conminución”
Universidad Mayor de San Marcos, Lima – Perú 1994.
4. L. Gutierrez y J. E. Sepúlveda, “Dimensionamiento y optimización de Plantas
Concentradoras Mediante Técnicas de Modelación Matemática”, Publicación CIMM-Chile
1986.
Prueba N° 12
100,00
% P as ante A cu m ulad o
3 MIN 5 MIN
Simulado Simulad
o
1,00
10 100 1000 10000
Tamaño de Partículas en Micrones