Control multivariable en circuitos de molienda-

clasificación de plantas concentradoras de

minerales mediante software LabVIEW
Multivariable control in grinding circuits-
classification of mineral concentration plants
using LabVIEW software
Edgar Rafael Julián Laime
Emersson Montañez Rodríguez
Universidad Nacional de Huancavelica
1. Resumen
La presente investigación se da en tres niveles, en el primer nivel se describe el
comportamiento dinámico en húmedo de un circuito de molienda-clasificación empleado en una
planta concentradora de minerales, el estudio inicia con el planteamiento de los modelos
matemáticos que describen la dinámica del sistema, luego se propone el algoritmo de solución
para cada equipo del circuito de molienda-clasificación; molino de bolas, sumideros e
hidrociclón, posteriormente, en el segundo nivel se implementa estos modelos matemáticos en
un software de simulación el cual fue desarrollado en el entorno de programación LabVIEW 10,
luego mediante el algoritmo de Runge Kutta de 4to orden se puedo resolver en simultáneo
todos los modelos matemáticos y predecir el comportamiento dinámico de las variables de
interés del sistema como son la humedad de la pulpa en el sumidero 1 y 2, la concentración de
sólidos y carga de mineral seco en el molino de bolas, así como todos los balances de materia
en las corrientes del circuito de molienda-clasificación, y en el tercer nivel se implementó un
controlador multivariable para controlar la Humedad 1 y 2 correspondientes a la corriente de
salida del Sumidero 1 y 2 respectivamente, como se muestra en la figura (1), el controlador
opera tres elementos finales de control los cuales son: la velocidad de alimentación de mineral
fresco (mediante faja transportadora de alimentación al circuito), el flujo de agua alimentado al
sumidero 01 (mediante la válvula proporcional 01) y el flujo de agua alimentado al sumidero 02
(mediante la válvula proporcional 02), cada elemento final de control es manipulado mediante
su propio controlador PID y con sus propios parámetros trabajando en simultaneo supervisado
desde el software, obteniendo como resultado un sistema estable en donde todos los elementos
de control actúan en simultaneo para mantener estables las variables de control, lo que se
reporta mediante graficas en función del tiempo donde se aprecia la estabilidad del sistema.

Palabras Claves: Control multivariable, Software Labview y Planta Concentradora

Abstract
The problem of process control in any industry is of vital importance since the operations
and processes must be controlled in order to reduce material costs, energy consumption and
reduce pollution. In the grinding-classification circuits dynamic behavior is highly complex due to
the large number of variables involved in the process such as mineral hardness, feed rate, flow
rates of water and percent solids; this large operational variability makes such circuits are
difficult to control, looking influenced in the high energy consumption and low performance of the
circuits, which is why this research first describes the dynamic behavior of a wet grinding circuit-
ranking employee in a mineral concentration plant, the study begins with the approach of the
mathematical models that describe the dynamics of the system, then proposes the solution
algorithm for each team grinding-classification circuit, ball mill and hydrocyclone sinks, then

-1-
these mathematical models implemented in simulation software which was developed in the
LabVIEW programming environment 10, then by Runge Kutta algorithm is 4th order I can
simultaneously solve all mathematical models and predict the dynamic behavior of the system
variables of interest such as the moisture of the pulp in the sump 1 and 2 , the solid
concentration and dry mineral filler in the ball mill, and all material balances in the grinding circuit
currents-classification, as second level multivariable controller is implemented to control humidity
for 1 and 2 the output current of the drain 1 and 2 respectively, as shown in figure (), the
controller operates three final control elements which are: the feed rate of fresh ore (via feed
conveyor belt to the circuit), the water flow fed to the sump 01 (through the proportional valve
01) and the water flow fed to the sump 02 (through the proportional valve 02), each final control
element is manipulated by its own PID controller and its own working parameters simultaneously
monitored from the software, resulting in a stable system where all control elements
simultaneously act to maintain stable control variables, which is reported by time-dependent
graphs which shows the system stability.

Key Words: Multivariable Control, Software Labview, Concentrador plant

2. Introducción
El problema de control de procesos en cualquier industria es de vital importancia por
cuanto las operaciones y procesos deben controlarse con la finalidad de disminuir costos de
materiales, consumo energético y disminuir la contaminación, en los circuitos de molienda-
clasificación el comportamiento dinámico es altamente complejo debido a la gran cantidad de
variables que intervienen en el proceso tales como la dureza del mineral, tasa de alimento,
tasas de flujo de agua y porcentaje de sólidos, esta gran variabilidad operacional hace que
dichos circuitos sean difíciles de controlar, viéndose influenciado en el alto consumo de energía
y en el bajo desempeño de los circuitos, en la presente investigación se propone como solución
un control multivariable MIMO (Multiple Input-Multiple Output) mediante software, ya que es una
tecnología utilizada en muchos países industrializados por las empresas mineras, con este tipo
de control se reduce el consumo energético principalmente de la operación de molienda la cual
representa más del 60% del consumo del circuito molienda-clasificación, con lo cual también se
justifica la implementación de esta tecnología.

3. Material y métodos.
Desarrollo del Modelo de Simulación del circuito de Molienda-Clasificación
Rajamani y Herbst (1991) desarrollaron un modelo dinámico para un circuito de molienda-
clasificación (Figura 1). El modelo de simulación se basa en un molino de bolas con un diámetro
interior de 18.5ft y una longitud de 22ft. Los parámetros de simulación reflejan una carga de
bolas que corresponde a una carga del 38% de llenado. La descarga del molino es alimentada
hacia una poza (sumidero).
Para propósitos de estudio se asumió que los sensores están disponibles para medir la razón
de flujo másico del alimento fresco de mineral (con una densidad de 2800kg/m3), la descarga
del ciclón se suma a la corriente de alimentación al molino y también se tiene el flujo
volumétrico de agua.

-2-
 Figura 1. Diagrama de Flujo para el modelamiento de Rajamani & Herbst

En la corriente de Overflow del ciclón, un analizador de tamaño de la partícula provee la

fracción pasante de 53um con un intervalo de muestreo de 2 minutos. La concentración de
sólidos y el sensor de flujo volumétrico indican las tasas de flujo másico de sólidos y el agua.
Las ecuaciones del modelo (ecuaciones 1-17) presentadas en los siguientes apartados son
resueltas mediante el METODO RUNGE KUTTA de 4to ORDEN.

Modelo del Molino de Bolas

El molino de bolas es modelado como una mezcla uniforme, la cual es una suposición justa
basada en evaluar el tiempo de residencia (Rajamani y Herbst, 1991).
Para el rebalse del molino, la pulpa presente en el molino es razonablememnte constante para
una gran variedad de condiciones de operación. Sin embargo, el volumen efectivo de la pulpa
VM, se espera que varíe con la velocidad crítica del molino N, esto es expresado mediante la
ecuación (9) (Herbst Et Al., 1983). Esto es asumido para una constante de tiempo pequeña en
la relación dinámica entre el volumen del molino y la velocidad de rotación del molino.

(9)
Para el calculo de la concentración de sólidos contenidos en el molino (masa de sólidos por
unidad de volumen), es calculado utilizando las ecuaciones 3-4, la razón volumétrica del
alimento es asumida igual al la razón volumétrica de la descarga del molino en todo momento.

(10)

(11)

(12)

-3-
 (13)

(14)

(15)

Modelo del Sumidero

Se asume agitación continua, con esta suposición se puede asumir una mezcla uniforme en el
sumidero, el tamaño de partículas no sufre cambios por efecto de la abrasión del agitador, las
ecuaciones que describen esto se presentan a continuación:

(16)

(17)

(18)

Modelo del Hidrociclón

Rajamani & Herbst (1991) consideran que el uso de un modelo dinámico para el Hidrociclón. La
respuesta dinámica del Hidrociclón es mucho más rápida que las otras constantes de tiempo en
el circuito de molienda. Fue utilizado un modelo empírico descrito por las ecuaciones del
modelo enumeradas a continuación (ecuaciones 12-17).
(19)
(20)

(21)

(22)

(23)

(24)
Rajamani & Herbst (1991) determinaron los 8 coeficientes empíricos requeridos para las
ecuaciones, durante la simulación.

4. Resultados
Al implementarse estos modelos en el software de simulación se pudo predecir el
comportamiento dinámico del sistema en un software desarrollado en el entorno de

-4-
programación LabVIEW 10, el panel frontal y los resultados de la simulación se muestran en las
siguientes figuras:

Figura 2. Panel frontal del software de simulación dinámica Colossus 1.0 desarrollado en
el entorno de programación LabVIEW 10 para el circuito de molienda clasificación.

Los datos alimentados al software de simulación o parámetros iníciales de operación, de

alimentación fresca y operación del molino, son ingresados en la ventana siguiente al pulsar el
botón configuración inicial:

Figura 3. Ventana de configuración inicial del software.

-5-
La respuesta dinámica de la humedad 01, humedad 02 y la concentración de sólidos y carga de
mineral seco en el molino de bolas, así como todos los balances de materia en las corrientes
del circuito de molienda-clasificación se muestran en las figuras siguientes:

Figura 3. Respuesta dinámica del sistema para las variables de operación del circuito, sin
control automático.
Al pulsarse el botón de CONTROL AUTOMÁTICO y los botones ALIMENTACIÓN, VÁLVULA 1
Y VÁLVULA 2, el sistema opera en automático obteniendo que como respuesta dinámica para
la humedad 1 y humedad 2 se llegue en el estado estacionario al valor especificado en el SET
POINT, esto se aprecia en la figura (5), los parámetros PID para cada lazo de control se
muestran a continuación:

Figura 4. Parámetros PID sintonizados para el control multivariable del sistema.

Figura 5. Respuesta dinámica del sistema en el modo control automático.

-6-
5. Discusión
Respuesta dinámica del sistema en el modo Control Manual, cuando se trabaja en el modo
control manual el operador puede modificar en cualquier momento la velocidad de alimentación
de mineral fresco (mediante faja transportadora de alimentación al circuito), el flujo de agua
alimentado al sumidero 01 (mediante la válvula proporcional 01) y el flujo de agua alimentado al
sumidero 02 (mediante la válvula proporcional 02), afectando la respuesta del sistema en
humedad y composición.
Respuesta dinámica del sistema en el modo Control Automático, cuando se trabaja en el
modo Automático el software toma el control del sistema para llevar a las variables de control
HUMEDAD 1 y HUMEDAD 2 hacia los valores especificados en el SET POINT, es decir 30% y
50%, respectivamente, consiguiéndose la estabilidad en el minuto 500 después de haber
iniciado en el modo control automático, con los parámetros de control debidamente sintonizados
los cuales se muestran en la figura 4.

6. Conclusiones
- Con el modelo matemático de Rajamani y Herbst para un circuito de molienda-clasificación
(Figura 1), resuelto con el método numérico de Runge Kutta de 4to orden y programado en
el software LabVIEW 10 se pudo desarrollar el software de simulación COLOSSUS 1.0
donde se simuló el comportamiento dinámico del proceso lo cual se muestra en las figura 3.

- El control multivariable MIMO programado en el software COLOSUS 1.0 permitió estabilizar

las variables de control descritas (Humedad 1 y Humedad 2) y llevarlas hacia el SET POINT
en un tiempo promedio de 500 minutos según la respuesta del sistema para un tonelaje
máximo de alimentación de 500 toneladas por hora, con los parámetros PID debidamente
sintonizados.

7. Bibliografía
Rajamani, R.K. and Herbst, J.A., Optimal Control of a Ball Mill Grinding Circuit - I.
Grinding Circuit Modelling and Dynamic Simulation. Chemical Engineering Science,
1991, 46(3), 861-870.
Shinskey F. G. “Sistemas de Control de Procesos, Aplicación, Diseño y Sintonización”
Tomo I. Segunda Edición, McGraw Hill/Interamericana de México S. A. México 1996.
Julian Laime E. y Valero C. “Automatización de Procesos Industriales Mediante LabVIEW”
Primera Edición. Editorial Premier. ISBN: 978-612-00-0870-6, Perú-2012.
Smith C. y Corripio A. “Control Automático de Procesos, Teoría y Práctica” Primera
Edición. Editorial Limusa S. A. México 1991.
Ogata K. “Ingeniería de Control Moderna”. Tercera Edición. Prentice Hall Hispanoamericana
S. A. México 1998.

dockjulian@hotmail.com
Edgar Rafael Julián Laime
elmro2006@yahoo.es
Emersson Luis Montañéz Rodríguez

-7-