Está en la página 1de 170

SELECCIÓN DE MUESTRAS PARA EL ASEGURAMIENTO DE

RESULTADOS DE PRUEBAS METALÚRGICAS Y GEOMETALUGIA


EN MODELO DE BLOQUES
YANN CAMUS
Ingeniero de Recursos Minerales
INTRODUCCIÓN
SGS – SERVICIOS GEOLÓGICOS
 6 geólogos, 4 ingenieros, 5 ayudantes  Más de 1300 proyectos en más de 40
técnicos (15 en total) países
LO QUE SE QUIERE EVITAR
OSISKO 2011

 “$32M inversión adicional en CAPEX.


Los molinos de bolas y trituradoras
funcionaron como lo previsto. Sin SUBESTIMAMOS LA
embargo, debido a los problemas de DUREZA Y AHORA TENEMOS QUE
dureza del material en el molino SAG
fue necesario adquirir un circuito de pre- RETRASAR LA
trituración que se entregaría Q1/12. Esto PRODUCCIÓN COMPLETA Y
cuando OSK incrementara a 60+ ktpd.
Se instaló temporalmente un circuito de GASTAR MÁS DINERO...
pre-quebrado.”
DE LOS RECURSOS A LA FACTIBILIDAD - IDEALMENTE
CANTIDAD DE DATOS

Muestras Muestras Muestras


Pequeñas Medianas Grandes
Muestreo Metalurgia
Geoquí Metalurgia Metalurgia
Representan la
10,000 muestras – 2 kg Representan dominios Representan dominios
variabilidad dentro de
principales principales
los dominios
10 muestras – 20 kg 3 muestras – 200 kg
300 muestras – 8 kg
DE LOS RECURSOS A LA FACTIBILIDAD - IDEALMENTE
CANTIDAD DE DATOS

Muestras
Pequeñas
Metalurgia
Representan la
variabilidad dentro de
los dominios
300 muestras – 8 kg
EL PROCESO
GEOMETALÚRGICO
Geología
 Etapa 1: Definición de dominios geometalúrgicos
 Etapa 2: Selección de muestras
 Etapa 3: Pruebas de metalurgia
 Etapa 4: Correlaciones de la metalurgia (relajado a
la definición de dominios)
 Etapa 5: Distribución de parámetros en el modelo
de bloques
 Etapa 6: Optimización del Diseño

Mina Metalurgia
EL PROCESO
GEOMETALÚRGICO
Geología
 Etapa 1: Definición de dominios geometalúrgicos
 Etapa 2: Selección de muestras
 Etapa 3: Pruebas de metalurgia
 Etapa 4: Correlaciones de la metalurgia (relajado a
la definición de dominios)
 Etapa 5: Distribución de parámetros en el modelo
de bloques
 Etapa 6: Optimización del Diseño

Mina Metalurgia
EL PROCESO
GEOMETALÚRGICO
Geología
 Etapa 1: Definición de dominios geometalúrgicos
 Etapa 2: Selección de muestras
 Etapa 3: Pruebas de metalurgia
 Etapa 4: Correlaciones de la metalurgia (relajado a
la definición de dominios)
 Etapa 5: Distribución de parámetros en el modelo
de bloques
 Etapa 6: Optimización del Diseño

Mina Metalurgia
SELECCIÓN DE MUESTRAS
DESARROLLO

Modelación Selección de
Plan de minas Dominios
de bloques muestras
(Usando Estadísticas,
Con tantas variables Boxplots, Scatter, Para pruebas Met
como sea posible Visual, etc.)
(Litho, Quí, Met, etc.)
¿CÓMO HACER LA SELECCIÓN DE MUESTRAS?
ETAPA 1: DEFINICIÓN DE DOMINIO

 ¿Cuáles son los parámetros que pueden afectar la flotabilidad de minerales


o molienda de la mena ?
 Contenido de Sulfuros / Óxidos
 Mineralogía de los Sulfuros / Óxidos
 Mineralogía de las alteraciones
 El tipo e intensidad de la alteración – p.e. Fe (Fe203 o Fe304)
 La ley del mineral
 Tamaño de grano
 Textura de la roca
CASO DE ESTUDIO:
DEPÓSITO VMS
CASO DE ESTUDIO:
DEPÓSITO VMS
ETAPA 2: SELECCIÓN DE LAS MUESTRAS
FACTORES EN EL PROCESO DE TOMA
“¿MI GEÓLOGO DE EXPLORACIÓN NO PUEDE
SELECCIONAR LAS MUESTRAS?”
OBJETIVO GENERAL – REGLA MAS IMPORTANTE
REPRESENTATIVIDAD
7 REGLAS DE ORO
PARA SABER SI UNA SELECCIÓN ES BUENA O NO

1. Todos los dominios


2. Dentro del plan de mina
3. Tamaño de muestras razonables
4. Con dilución
5. Muestrear minerales atípicos
6. Proceder en etapas
7. Entre 1 /Mt y 4 /Mt
REGLA 1: CADA DOMINIO DEBE TENER MUESTRAS
PROPORCIONAL
REGLA 2: ESTAR DENTRO DEL PLAN DE MINADO CON
ENFOQUE EN LOS PRIMEROS 5 AÑOS
REGLA 3: LA MUESTRA DE VARIABILIDAD REPRESENTATIVA DE
±UNA SEMANA DE PRODUCCIÓN
REGLA 4: INCORPORAR
DILUCIÓN REALISTA
REGLA 5: VALORES ANÓMALOS
SON IMPORTANTES
REGLA 6: SELECCIONAR MUESTRAS EN ETAPAS
NO DE UN SOLO GOLPE
REGLA 7: CUANTIDAD DE MUESTRAS
DEPENDIENDO DE LA VARIABILIDAD
DISTRIBUIR LOS PARÁMETROS
EN EL MODELO DE BLOQUES
LOS PARÁMETROS
EN EL MODELO DE BLOQUES
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Asunto de SGS geo:

 Hacer una selección de 20 muestras


 Verificar la variabilidad de molienda y flotación
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Proyecto:

 Tajo abierto “pequeño” con 3 años de producción


 La mineralización es 100% sulfuros es de tipos:
 Vetas ricas
 Textura “en malla”
 Diseminado
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Diseminado
Diseminado

Diseminado
Diseminado

Textura
“en malla”

Vetas
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Roca disponible:

 23 pozos (½ núcleo, tamaño NQ, roca fresca de 2019), +/- 860 m mineralizado

Datos:

 Base de datos de 187 pozos


 Interpretación de la mineralización en 6 zonas
 Una de vetas
 Una de textura “en malla”
 Cuatro de diseminado
 +++
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

1. Todos los dominios: Vetas = 1 muestra


2. Dentro del plan de mina Textura “en mallas” = 8 muestras
3. Tamaño de muestras razonables Diseminado = 11 muestras
4. Con dilución
5. Muestrear minerales atípicos
6. Proceder en etapas
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

Diseminado (11)

Textura
“en malla”
(8)

Vetas (1)
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

1. Todos los dominios


2. Dentro del plan de mina: Plan de mina:
3. Tamaño de muestras razonables 3% de Vetas
4. Con dilución 56% de Textura “en malla”
5. Muestrear minerales atípicos 41% de Diseminado
6. Proceder en etapas
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

1. Todos los dominios


2. Dentro del plan de mina
3. Tamaño de muestras razonables: Muestras de +/- 5 m
4. Con dilución Porque los bancos son de 5 m
5. Muestrear minerales atípicos
6. Proceder en etapas
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

1. Todos los dominios


2. Dentro del plan de mina
3. Tamaño de muestras razonables
4. Con dilución: En este proyecto, la dilución
5. Muestrear minerales atípicos en los recursos fue utilizada.
6. Proceder en etapas La dilución minera es de 5%.
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

1. Todos los dominios


2. Dentro del plan de mina
3. Tamaño de muestras razonables
4. Con dilución
5. Muestrear minerales atípicos: No minerales atípicos están
6. Proceder en etapas identificados por el momento
7. Entre 1 /Mt y 4 /Mt
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

1. Todos los dominios


2. Dentro del plan de mina
3. Tamaño de muestras razonables
4. Con dilución
5. Muestrear minerales atípicos
6. Proceder en etapas: Proceder con 20 muestras permite
7. Entre 1 /Mt y 4 /Mt una primera evaluación de la variabilidad
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

1. Todos los dominios


2. Dentro del plan de mina
3. Tamaño de muestras razonables
4. Con dilución
5. Muestrear minerales atípicos
6. Proceder en etapas
7. Entre 1 /Mt y 4 /Mt: Es un pequeño tajo de 2 Mt de reservas

Necesitamos +/- 20 muestras al mínimo!


CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Selección propia:
 Calculo de todas la muestras posibles que SGS puede recomendar (172)
 Base inicial:

1 2 3 4 5 6 7 8 9 10 11 12 13
X Y Z AU_GT CU_PCT MG_PCT NI_PCT PD_GT PT_GT S_PCT FE_PCT FE/MGO NSR

 SGS hiso una análisis de componentes principales (ACP):

1 2 3 4 5 6 7 8 9 10 11 12 13
PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10 PC11 PC12 PC13

 SGS tiene 2 algoritmos para elegir la mejor combinación de muestras “posibles”


que representan de mejor manera la distribución de las reservas:
 Calculo de todas las combinaciones posibles
 Un algoritmo “greedy” para tener un histograma de muestras similar a las
reservas
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

“Posibles”
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

“Escogidos”
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …
Resultado:
 Una distribución casi perfecta de las muestras seleccionadas
 Para todas las variables !!!
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

Reservas

Selección
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

Reservas

Selección
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

Reservas

Selección
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

Reservas

Selección
CASO DE ÉXITO
PROYECTO DE SULFUROS DE NI + CU + CO + …

Reservas

Selección
GEOQUÍMICA Y MINERALOGÍA
COMO HERRAMIENTAS PARA LA COMPRENSIÓN
DE LOS RESULTADOS METALÚRGICOS
REINALDO BARRERA
Gerente Metalurgia SGS
MAURICIO BELMAR
Gerente Geología SGS
CONTENIDO

 Minería actual
 Geoquímica y análisis de resultados metalúrgicos
 Mineralogía y análisis de resultados metalúrgicos
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS

MINERÍA ACTUAL

 Agotamiento de los yacimientos de alta ley


 Aumento en la razón estéril mineral
 Uso de Agua de Mar

 Tratamiento x escala
 Aumento de inversión capital

 Maximizar la eficiencia de los procesos


 Aumentar la productividad
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
MAXIMIZAR LOS RENDIMIENTOS METALÚRGICOS
La buena comprensión de los parámetros geológicos que influyen en las diversas respuestas
metalúrgicas, son clave en la optimización de un proceso metalúrgico.

Problemas del tipo Componente


Analizar
mineralógico mineralógica
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
COMPONENTE MINERALÓGICA
Arcillas
Los procesos metalúrgicos se pueden ver afectados en las
distintas etapas del proceso, por una componente mineralógica.
como son molienda, flotación, sedimentación, percolación, Pirita Micas
clarificación, etc.

Análisis
Componente
mineralógica
Tamaño de
Procesos: Liberación
grano
Cu, Au, Zn-Pb, Fe etc.

Elemento Otra
penalty Ganga

53
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
SGS Minerals recomienda realizar análisis mineralógicos sistemáticos y su posterior testeo en pruebas
metalúrgicas esto tendrá un rol trascendental en la optimización de un proceso y una mayor precisión en las
predicciones de corto y mediano plazo.

SGS Minerals Chile, tiene a disposición un Centro de Mineralogía Avanzada, dotado con:

 QEMSCAN/TIMA: Caracterización Mineralógica Cuantitativa y Análisis de Liberación de Partículas,


Asociación y Distribución de tamaños. Análisis de minerales traza.
 DIFRACCIÓN DE RAYOS-X: Difracción General, caracterización y especiación de arcillas, barrido DR-X
a fracción < 2 μm.
 MINERALOGÍA ÓPTICA: Caracterización Mineralógica a luz reflejada y transmitida. Análisis de
Liberación de Partículas, Asociación y Distribución de tamaños
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
De igual forma SGS Minerales recomienda el uso de la geoquímica en el análisis, esta podría ser una potente
herramienta para comprender y explicar el comportamiento metalúrgico, en un determinado proceso.

En yacimientos particulares (IOCG), es posible desarrollar de manera exitosa toda la geo metalurgia, basada en
el entendimiento e interpretación de la geoquímica.

SGS Minerals Chile, tiene a disposición un moderno laboratorio químico con los más altos estándares de
calidad, para desarrollar y ejecutar :

 PROTOCOLOS DE ANÁLISIS QUÍMICOS


 PROTOCOLO DE COBRE SECUENCIAL
 FRX
 ICP
 ETC.
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
SGS Minerals cuenta con la experiencia en el sector del procesamiento de minerales, aplicando altos
estándares de calidad, sumado a la expertice de sus profesionales pudiendo aportar o solucionar los problemas
en sus operaciones.

FLOTACIÓN LIXIVIACIÓN
 TEST VARIABILIDAD  TEST DE DIAGNOSTICO
 TEST DE CICLO ABIERTO (TCA)  TEST LIXIVIACIÓN EN BOTELLA
 TEST DE CICLO CERRADO (TCC)  TEST LIXIVIACIÓN COLUMNA
 MINI PLANTA PILOTO (10 KG/HR)  ETC.
 PLANTA PILOTO (100KG/HR)
 ETC.
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
GEOMETALÚRGIA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS

Debemos comprender que parámetros geológicos influyen en las diversas respuestas metalúrgicas.

La mineralogía o ley de cabeza no basta, el tipo de roca, alteración tendrán efecto en la conminución, la
presencia de arcillas impactará en la lixiviación, flotación, molienda y sedimentación, los carbonatos, las zonas
de baja y alta presencia de pirita también etc.

Utilizar la
Generar “Para diversos
mineralización y la
correlaciones fines”
geoquímica
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
IMPUT DATA GEOLÓGICA
RESULTADO
• Modelo geológico
• Base dato leyes
• Alteraciones GENERACIÓN DE MODELO
• UG, UGM. ANÁLISIS DE DATA FENOMENOLÓGICO
Basados en la información de
mineralización.

IMPUT A. QUÍMICO JUICIO


EXPERTO
/MINERALÓGICO
GENERACION DE MODELO
DIAGRAMA
• Análisis químico TERNARIO GEOQUÍMICO
ANÁLISIS Basados en la información de cobre
• ICP, FRX MULTIVARIADO, secuencial y análisis químico.
• A. Cobre secuencial COMP.
PRINCIPALES,
• QUEMSCAN, DRX, etc REGRESIONES

HERRAMIENTAS PARA EL
ANALISIS DE TEST
IMPUT TEST METALÚRGICOS.
METALÚRGICOS
• Test Flotación
• Test Conminución
• Test sedimentación
• Test lixiviación, etc.
GEOQUÍMICA Y MINERALOGÍA COMO HERRAMIENTAS PARA LA
COMPRENSIÓN DE LOS RESULTADOS METALÚRGICOS
RESULTADO

 REGRESIONES CON TEST ROUGHER (test variabilidad)


 Obtener la mayor correlación (Rcuad) .
 Tipo de curva
 Se debe aplicar un límite de recuperación superior adecuado a las funciones de recuperación
 Testear extremo inferior y verificar en que valor se vuelve inválida.
 Ajuste de recuperación según eficiencias etapas cleaner

 ALGORITMO

Recuperación Global = Rmax. - Eficiencia Cleaner

 Recuperación rougher  Extraer eficiencia cleaner desde


 Regresiónes desde los test de variabilidad los test TCC,
 Uso de sofotware  para cada UGM
 Juicio experto  Por rango de leyes etc .
GEOQUÍMICA Y ANÁLISIS
DE RESULTADOS METALÚRGICOS
GENERAR DATA ANALÍTICA /COBRE SECUENCIAL

El análisis secuencial de cobre, se utiliza como herramienta de diagnóstico para ayudar a


definir la “mineralogía de cobre potencial”.

El proceso de tres pasos, implica lo siguiente:

1. Digestión con ácido sulfúrico para reportar cobre soluble en ácido (CuAS)
2. Digestión con cianuro para reportar cobre soluble en cianuro (CuCN)
3. Agua regia o digestión de cuatro ácidos para reportar el cobre residual (CuR).

Lixiviación secuencial:
 CuAS /CuH+ → Atacamite y Chrysocolla, Brocantita
 CuCN → Bornita y Chalcocite, covellite, Enargite
 CuR /CuRES → Calcopyrite, (en ocaciones tb
Cu_refractarios)
GEOQUÍMICA Y ANÁLISIS
DE RESULTADOS METALÚRGICOS
INTERPRETACIÓN DE RESULTADO DESARROLLAR DIAGRAMA TERNARIO
Para asignar los tipos de mineralización dominantes, estos se representan con la proporción de CuAS (PR_AS), CuCN
(PR_CN) y CuR (PR_R).

UGM
OXIDO Cu_H+ (RS>60)
Mixto Cu_CN
BnCc –HiS %S >=0,5
BnCc –LoS % S < 0,5
Bncc-Cp
Cp_Lpy %Cu/%S>=0,4 Ejemplo en las zona
Cp_Hpy %Cu/%S < 0,4 primario :

 Cp Low pyrite
Ejemplo en las zona secundarios:  Cp-Py High pyrite
 Cu Soluble
 Bn-Cc alto azufre
 Bn-Cc bajo azufre
GEOQUÍMICA Y ANÁLISIS
DE RESULTADOS METALÚRGICOS
INTERPRETACIÓN DE RESULTADO /EJEMPLO COBRE SECUENCIAL
Muestras con el mismo nivel de cobre residual (cobre insoluble) pueden corresponder a tipos de minerales
distintos y por lo tanto tendrán una respuesta metalúrgica diferente a un proceso.

Óxido ¡Dos muestras pueden tener


Oxido Mixto Mezcla Sulfuro Refractario mismo cobre residual pero
pueden corresponder a
Cu H+ 70% 30% 15% 15% 30%
distintos tipos de minerales!
Cu CN 20% 50% 40% 20% 5%
Cu Res 10% 20% 45% 65% 65%
Óxido
Cobre Secuencial
80% Cu H+ Cu CN Cu Res Sulfuro
60%
40%
20%
0%
Oxido Mixto Mezcla Sulfuro Oxido
Refractario
CASO 1 GEOQUÍMICA Y ANÁLISIS DEGEOQUÍMICA Y ANÁLISIS
RESULTADOS METALÚRGICOS
DE RESULTADOS METALÚRGICOS
DISTRIBUCIÓN DE MUESTRAS EN DIAGRAMA TERNIARIO

 Muestras de tipo óxido


 Muestras de tipo Mixtos  Como esperamos que sean las recuperaciones ?
 Muestras de tipo Sulfuro

¡ Muestras en zona
primaria, a mayor
residual mayor
recuperación !

Recup
Ro
M1 88
M2 93
M3 95
APLICABILIDAD GEOQUÍMICA Y
ANÁLISIS DE RESULTADOS METALÚRGICOS
GENERACIÓN
TEST FLOTACIÓN
GENERACIÓN DE COMPRENSIÓN DE LOS
DATA ANALÍTICA CORRELACIONES RESULTADOS

Recuperación Rougher para Muestras Mixtos y Sulfuros


Recuperación
Ro 12 min CuT CuH+ CuCN CuRES RS 100.0
92,78 0,39 0,03 0,05 0,30 0,08 90.0

% Recuperación Cu
94,94 0,48 0,02 0,04 0,42 0,04 80.0
92,28 0,54 0,05 0,10 0,39 0,10 70.0
94,82 60.0
0,37 0,07 0,09 0,21 0,18 R cuad = 0,956
50.0
88,00 0,41 0,07 0,11 0,24 0,16
40.0
90,92 0,28 0,05 0,07 0,17 0,16
30.0
92,59 0,42 0,03 0,05 0,34 0,07
20.0
Muestras Mixtos
91,95 0,28 0,05 0,07 0,17 0,16
10.0
94,63 0,48 0,03 0,05 0,39 0,06
0.0
95,11 0,51 0,04 0,07 0,41 0,07
74,00 0,36 0,12 0,17 0,06 0,34
60,44 0,31 0,11 0,12 0,08 0,34
48,71 0,54 0,29 0,17 0,08 0,53
31,78 0,56 0,30 0,12 0,15 0,53 % Recup Cu
40,74 0,40 0,23 0,07 0,10 0,59
45,77 0,39 0,19 0,06 0,14 0,49
57,50 0,33 0,13 0,16 0,04 0,41 % Recup. Cu Ro = Rmax Cu = 113,85 - 137,6 *(CuH+/CuT) - CuRes+ 31,5 CuCN
51,69 1,50 0,69 0,42 0,38 0,46
43,89 0,20 0,10 0,07 0,04 0,47
APLICABILIDAD GEOQUÍMICA Y
ANÁLISIS DE RESULTADOS METALÚRGICOS
Ejemplo recuperación global, con dependencia de ley de cabeza y cobre soluble

_Recup Cu . 𝑪𝒑𝒚 𝑳𝒐𝑺 = 𝒂 ∗ 𝑳𝒏 (𝑪𝒖𝑻𝒑𝒄𝒕 ) + 𝒃 ∗ (CuT_pct /S) +c - 2,5

dominio Calcopirita Pérdida de recuperación


en etapas cleaner

Recup. Con Modelo Corregido

120

100 y = 0.738x + 23.69


R² = 0.5162
80
Recup. Modelo

60

40

20

0
0 20 40 60 80 100 120
Recup calculado (prueba)
MINERALOGÍA Y
ANÁLISIS DE RESULTADOS METALÚRGICOS
CASO APLICACIÓN / PRUEBAS DE FLOTACIÓN
Resultados de flotación con alta variabilidad de recuperación, sin comprender el porqué.

RECUPERACIÓN DE S POR MUESTRA


100 Cliente
recuperación de S
80 ¿Qué paso?

% Recup. S
60

40 • ¿Pruebas mal ejecutadas?


• ¿Análisis químicos?
20 • ¿Efecto de las muestras?
• Etc.
0
CASO 2 MINERALOGÍA Y
MINERALOGIA Y ANÁLISIS DE RESULTADOS METALÚRGICOS
ANÁLISIS DE RESULTADOS METALÚRGICOS
ANÁLISIS DE JUICIO EXPERTO
 Las muestras presentan alta variabilidad en sus contenidos de pirita
 Altos contenidos de arcillas
 Altos contenido de micas
 Las recuperación de S Total. como indicador de recuperación de sulfuros primarios (Py, Cpy) no es el mejor indicador.
 Para algunos casos la baja recuperación se debe por el aumento significativo de kaolinita, micas y alunita, prevaleciendo
su efecto sobre la recuperación.
% Pirita y Recuperación de S por muestra S v/s Alunite
3.0 100 2.0
1.8
2.5 1.6
Pirita recuperación de S 80 1.4
2.0 1.2 R² = 0.8417

%S
% Recup. S
60 1.0
% Py

0.8
1.5
0.6
40 0.4
1.0
0.2
20 0.0
0.5
0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00
0.0 0 % Alunita
CASO 2 MINERALOGÍA – MODELOS PREDICTIVOS MINERALOGÍA Y
ANÁLISIS DE RESULTADOS METALÚRGICOS
REGRESIÓN LINEAL / ENTENDIENDO LAS VARIABLES QUE AFECTAN LA RECUPERACIÓN
 Es posible comprender las diversas recuperaciones de “ S”
 Podemos estimar que componente es la que mas afecta en la recuperación
 A través de las variables del algoritmo y pueden explicar en un 77,8% el resultado obtenido.

100
Recuperación de S v/s Test
La recuperación de S se ve mayormente
% Recuperación de S

80 afectada cuando aumenta la presencia


60 R-cuad =77,75% de alunite, Muscovita/sericite y Kaolinite
40
20
↑ Recup. “S” ↓ Recup. “S”
0
pyrite Alunite
Chalcopyrite Muscovite/Sericite
Recup S_f(mineralogía) Recup S_ Test Orthoclase Kaolinite/Clays
Quartz
Ecuación de regresión
% Recuperación S = 55,4 - 3,51 Alunite - 0,578 Kaolinite - 0,479 Muscovite/Sericite
+ 0,124 Orthoclase - 0,211 Quartz + 22,76 Pirita + 92,8 Chalcopyrite
ARCILLAS MINERALOGÍA Y
ANÁLISIS DE RESULTADOS METALÚRGICOS
Las Micas están afectando, interfiriendo fuertemente en los primeros minutos sobre la recuperación de sulfuros.

Hidrofílicas
(por arraste)

¡El problema!
Hidrobóficas
(flotan por si solas)
MINERALOGÍA Y
ANÁLISIS DE RESULTADOS METALÚRGICOS
PRUEBA DE FLOTACIÓN
Analizando y entendiendo la información fue posible corregir la formulación según las características mineralógicas
de las muestras, con lo cual el comportamiento del proceso de flotación mejoró significativamente (ver gráfico)

Recuperación Cu, Fe, S, Co


+ << 100
90
<
80
70 + 50 ptos %

Recuperación acumulada
60
 Se realiza ajuste en la receta (misma muestra) 50
40
30
20
10
0

- R1 R10 R13 R16 R21 R22 R23 R24

Cu Fe S Co
MINERALOGÍA Y
ANÁLISIS DE RESULTADOS METALÚRGICOS
APLICACIÓN/ CONCENTRADOS

Regr 1 Ecuación de regresión 1 : Rcuad 62 %


Quim Conc. = 8,150 + 1,7608 Calcopirita + 5,196 Bornita - 0,3369 Pirita
- 0,1758 % Sericita-Moscovita BM

Regr 6 Ecuación de regresión 3 : Rcuad 76%

Ecuación de regresión 3 : Rcuad 66 % Conc.Cu =a-b*exp(-c*y)+d*x-e*w


a 1,633
b 6,7 Y= % pirita
c 0,4798 x= % Cu
d 5,042 w= % Sericita /Mosc.
e 0,1
MINERALOGÍA Y
ANÁLISIS DE RESULTADOS METALÚRGICOS
¿El MODELO DEPENDERÁ DEL PROCESO?
Ejemplo: Pruebas Lix. Ejemplo: Flotación

Extracción de Cu para Muestras tipo Mixtos Recuperación de Cu para Muerstras tipo Mixtos
80.00 80.00

70.00 70.00

% Recuperación de Cu
60.00
% Extracción de Cu

60.00

50.00 50.00

40.00 Rcuad= 0,799 40.00

30.00 30.00

20.00 20.00

10.00 10.00

0.00 0.00
LED 0046 LED 0050 LED 0056 LED 0058 LED 0081 LED 0086 LED 0099 LED 0108 LED 0046 LED 0054 LED0081 LED0086 LED0056 LED0108 LED0099 LED0058 LED0050
MIX MIX MIX MIX MIX MIX MIX MIX Mix Mix Mix Mix Mix Mix Mix Mix Mix
Recuperación Test Recuperación Modelo
Recup Experimental Recup- Modelo

Modelo → Mineralogía Modelo → Cu Secuencial


% Recup. Cu = 6,2 – 37,1*Covellite + 79,2 Chalcocite+ 7,8 Recuperación Cu Ro 12 min =104,3 - 120,7 RS + 13,4 CuCN
LimoniteCu +0,713 Cus/CuT
USO DE LA GEOMETALURGIA EN EL DISEÑO DE
PLANTA DE BENEFICIO
Rodrigo R Carneiro, MS, PE, QP
Global Senior Technical
Specialist
USO DE LA GEOMETALURGIA PARA EL
DISEÑO DE PLANTA
La Geometalurgia
El enfoque geometalurgico utiliza un procedimiento de diseño adecuado a un cuerpo Gerencia Los Riesgos en el Diseño de Planta
mineralizado que se describe mediante un análisis geoestadístico de un razonablemente

 Selección de una serie de muestras  Utilizamos el simulador de procesos IGS


geológicamente informada y los datos distribuidos del
comportamiento metalúrgico para el
 Determinación de la repuesta
diseño de la planta y el pronóstico de
metalúrgica para esas muestras,
producción
 Uso de la geoestadísticas para distribuir
 El análisis geoestadístico es una
el comportamiento metalúrgico de las
herramienta que nos permite estimar los
muestras a través del cuerpo del
riesgos en el diseño obtenido
mineralizado del deposito
SELECCIÓN DE UNA SERIE DE MUESTRAS
GEOLÓGICAMENTE INFORMADA
DETERMINACIÓN DE LA RESPUESTA
METALÚRGICA PARA ESAS MUESTRAS
Dureza Muestras de Sondaje Respuesta Metalúrgica

SAG POWER INDEX TEST Dureza Minerals Flotation Test


(SPI) (MFT)

RMAX
BOND BALL MILL TEST
(BWI) KAVG
ALPHA
USO DE LA GEOESTADÍSTICAS PARA DISTRIBUIR EL COMPORTAMIENTO
METALÚRGICO DE LAS MUESTRAS EN EL MODELO DE BOQUE

SPI SPI SPI SPI


Wi Wi Wi Wi
SPI
Wi
SPI SPI SPI SPI
Wi Wi Wi Wi
SPI
Wi
SPI SPI SPI SPI SPI
Wi Wi Wi Wi
Wi

SPI SPI SPI SPI


Wi Wi Wi Wi
UTILIZAMOS LOS DATOS DISTRIBUIDOS EN EL MODELOS METALÚRGICOS
PARA EL DISEÑO DE PLANTA, OPTIMIZACIÓN Y PRONÓSTICO DE PRODUCCIÓN
USO DE LA GEOESTADÍSTICA PARA ESTIMAR LOS
RIESGOS EN EL DISEÑO DE PLANTA

170

160

150

140

130

120
Target tph
110
Best est tph

100
10% risk

90
Year 1 Year 2 Year 3 Year 4 Year 5 Year 6 Year 7
RIESGOS QUE IMPACTAN EN EL
DISEÑO DE PLANTA

 Variabilidad del cuerpo mineralizado (Ley, Dureza,


Respuesta al proceso).
 Variabilidad de la repuesta metalúrgica a través del
cuerpo mineralizado del depósito.
 Datos insuficientes para estimar valores en el espacio
entre muestras.
 Imprecisión de los modelos metalúrgicos tradicionales
para el diseño de planta.
CASO DE ESTUDIO

PROYECTO POLIMETÁLICO EN MÉXICO (CU, AG Y ZN)

DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN


ALCANCE DEL
DISEÑO CONCEPTUAL

El cliente solicitó un diseño conceptual del circuito de flotación para recuperar cobre y zinc, también
especificó que las opciones de diseños de la planta se realizara en base a los siguiente:

 Procesar 680 t/h (15,000 t/d, asumiendo una disponibilidad del 92%).
 El producto de la molienda primaria a 80% menos 119 micrones.
 Optimizar el diseño de planta en base los siguientes contratos de fundición:
 Ingreso por venta del concentrado de Cu = masa * ((Cu-1) / 100 * 6000 - 250)
 Ingreso por venta del concentrado de Zn = masa * ((Zn-2) / 100 * 3000 - 250)
 El precio del metal de cobre de $ 6000 / tonelada métrica.
 El precio del metal de zinc de $ 3000 / tonelada métrica.
 Los costos de envío de $ 250 / tonelada métrica.
DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN-MUESTRAS
DE SONDAJES PARA EVALUACIÓN METALÚRGICA
Peso de Muestra Intervalo Cu Ag
Muestra Litología Nivel Pb (%) Zn (%)
(kg) (%) (m) (%) (%) (g/t)
X1 BxA Brecha A Superior 960.61 24.12 257.80 19.68 0.18 25.8 0.34 2.26
X2 BxA Brecha A Medio 1625.51 40.81 549.15 41.93 0.74 22.1 0.05 3.65
X3 BxA Brecha A Inferior 677.58 17.02 282.80 21.59 0.93 22.5 0.04 3.51
X4 Skn Skarn Superior 138.59 3.48 33.15 2.53 0.13 25.2 0.21 1.39
X5 Skn Skarn Medio 190.38 4.78 53.10 4.05 0.59 23.5 0.03 1.30
X6 Skn Skarn Inferior 9.00 0.23 5.50 0.42
X7 Hf Hornfell Superior 7.32 0.18 1.30 0.10
X8 Hf Hornfell Medio 15.78 0.40 6.10 0.47
X9 Hf Hornfell Inferior 11.38 0.29 4.50 0.34
X10 BxB Brecha B Superior 33.42 0.84 9.30 0.71
X11 BxB Brecha B Medio 27.04 0.68 8.85 0.68 1.27 28.2 0.02 1.52
X12 BxB Brecha B Inferior 101.19 2.54 29.95 2.29 0.34 11.3 0.03 1.24
X13 M Manto Superior 46.37 1.16 11.35 0.87 1.26 42.8 0.09 16.67
X14 M Manto Medio 50.78 1.28 12.45 0.95 2.82 49.7 0.06 10.99
X15 M Manto Inferior 18.52 0.47 10.05 0.77 1.59 53.4 3.60 11.14
X16 Mb Marmol Superior 10.24 0.26 5.60 0.43
X17 Mb Marmol Inferior 58.25 1.46 28.75 2.20 0.27 11.3 0.16 2.30
Total 3981.96 100.00 1309.70 100.00
DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN
CIRCUITO 1: CASO BASE
DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN
CIRCUITO 1: CASO BASE
DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN
CIRCUITO 1: CASO BASE
Alimentacion Concentrado
Muestr (%) Etapa del
a Deposito Ag Proceso Recuperacion de Recuperacion Cu Recuperacion Zn Recuperacion Ag Ingreso
Cu (%) Zn (%) Pb (%) % Cu % Zn Ag (g/t)
(g/t) Masa (%) (%) (%) (%) US$/hora
Circuito Cu 0.58 12.4 40.7 6.1 1.6 2572 57.6 1,698
X1 24.66 0.18 2.26 25.80 0.34 Circuito Zn 3.06 1.3 22.2 55.8 75.9 104 12.3 28,434
Total 3.64 3.0 62.9 48.0 77.4 494 69.9 30,132
Circuito Cu 1.73 26.9 62.9 13.6 6.5 552 43.4 15,403
X2 41.73 0.74 3.65 22.10 0.05 Circuito Zn 5.86 2.2 17.3 52.0 83.6 48 12.6 49,832
Total 7.59 7.8 80.2 43.3 90.1 163 56.0 65,235
Circuito Cu 2.75 24.5 72.4 14.0 11.0 430 52.6 21,666
X3 17.40 0.93 3.51 22.50 0.04 Circuito Zn 6.10 2.1 13.8 48.3 83.9 60 16.2 47,310
Total 8.85 9.0 86.2 37.7 94.8 175 68.8 68,976
Circuito Cu 0.43 9.1 29.8 6.8 2.1 3129 52.9 827
X4 3.56 0.13 1.39 25.20 0.21 Circuito Zn 1.95 2.0 29.4 53.6 75.1 83 6.4 17,201
Total 2.38 3.2 59.2 45.2 77.3 631 59.4 18,028
Circuito Cu 1.33 27.9 63.0 7.2 7.3 858 48.4 12,303
X5 4.89 0.59 1.30 23.50 0.03 Circuito Zn 2.24 7.5 28.5 47.8 82.2 231 22.0 17,093
Total 3.56 15.1 91.5 32.7 89.5 465 70.5 29,397
Circuito Cu 3.04 32.1 77.2 8.0 16.0 448 48.4 33,408
X11 0.70 1.27 1.52 28.20 0.02 Circuito Zn 2.15 5.4 9.1 50.0 70.9 176 13.4 17,418
Total 5.19 21.0 86.3 25.4 86.8 336 61.5 50,827
Circuito Cu 0.98 23.0 65.5 4.5 3.6 474 40.8 7,095
X12 2.60 0.34 1.24 11.30 0.03 Circuito Zn 2.16 3.6 22.8 51.4 89.3 104 19.8 18,085
Total 3.13 9.7 88.3 36.8 92.8 219 60.6 25,179
Circuito Cu 2.85 25.6 58.3 9.0 1.5 492 32.8 23,817
X13 1.19 1.26 16.67 42.80 0.09 Circuito Zn 23.80 1.3 25.0 55.4 79.2 52 28.9 218,985
Total 26.65 3.9 83.2 50.5 80.7 99 61.7 242,802
Circuito Cu 9.25 18.0 59.0 32.0 26.9 201 37.5 48,441
X14 1.31 2.82 10.99 49.70 0.06 Circuito Zn 14.97 3.6 18.9 43.0 58.5 91 27.3 99,661
Total 24.22 9.1 78.0 38.8 85.5 133 64.8 148,102
Circuito Cu 6.72 10.8 45.7 15.2 9.2 251 31.5 15,500
X15 0.48 1.59 11.14 53.40 3.60 Circuito Zn 19.54 2.2 27.5 45.0 78.9 57 20.7 138,049
Total 26.26 4.4 73.2 37.3 88.0 106 52.2 153,549
Circuito Cu 0.66 19.2 46.3 6.7 1.9 622 36.3 3,782
X17 1.49 0.27 2.30 11.30 0.16 Circuito Zn 4.07 1.3 18.8 52.1 92.4 39 13.9 34,670
Total 4.73 3.8 65.1 45.8 94.3 120 50.3 38,451
Circuito Cu 1.67 23.8 63.2 13.8 7.0 690 48.8 12,712
Total 100 0.60 4.43 25.70 1.04 Circuito Zn 5.14 2.2 17.7 51.5 80.8 66 14.3 43,161
Total 6.81 80.9 87.9 63.1 55,873
DISEÑO CONCEPTUAL DEL CIRCUITO DE FLOTACIÓN
CIRCUITO 1: CASO BASE

Se simularon ocho (8) configuraciones en el circuito de flotación utilizando la Muestra X2, ésta muestra
representa el 42% del cuerpo de mineral con leyes de cabeza cercanos al promedio ponderado, para así
investigar la posibilidad de mejorar los resultados. Las similitudes y diferencias se pueden observar en las
siguientes láminas.

SIMULADOR IGS PARA OPTIMIZAR EL PROCESO


DIAGRAMA DE FLOTACIÓN 1
CONFIGURACIÓN SUMINISTRADA POR EL CLIENTE
Observación: Éste diagrama de flotación fue utilizado para realizar las pruebas de flotación en circuito cerrado
DIAGRAMA DE FLOTACIÓN 2
Observación: Las dos celdas de flotación mecánicas de la 2da etapa de limpieza (Cu y Zn) fueron remplazadas por una celda
de flotación de cuatro (4) metros de diámetros.
DIAGRAMA DE FLOTACIÓN 3
Observación: Se eliminó las celdas de flotación de limpieza agotativa (Cu Cleaner Scavenger y Zn Cleaner Scavenger) existente
en diagrama de flotación 2.
DIAGRAMA DE FLOTACIÓN 4

Observación: Se eliminó una etapa de limpieza para el zinc y en la etapa restante se aumentó el volumen de 2 a 4 x 8.5 m3.
DIAGRAMA DE FLOTACIÓN 5
Observación: Se eliminó la etapa de limpieza de zinc y se remplazó por 4 x 8.5 m3 celdas de limpieza agotativa (cleaner-
scavenger) que procesa las colas de la celda de columna. Las colas de limpieza agotativa se reciclaron a la 2da rougher.
El concentrado de las Rougher 1 y 2 se combinó para alimentar la celda de columna.
DIAGRAMA DE FLOTACIÓN 6
Observación: Se combinaron los concentrados rougher 1, 2 y scavenger para alimentar la columna de limpieza, también se
aumentó el volumen de 2 a 3 x 8.5 m3.
DIAGRAMA DE FLOTACIÓN 7

Observación: Se combinaron los concentrados de zinc de la 2da rougher y scavenger para alimentar la etapa de limpieza de zinc.
DIAGRAMA DE FLOTACIÓN 8

Observación: Se combinaron los concentrados scavenger de zinc y las colas de limpieza para alimentar la flotación rougher.
RESULTADOS COMPARATIVOS PARA LA MUESTRA X2 UTILIZANDO
OCHO DIAGRAMAS DE FLOTACIÓN (RESUMEN DE RESULTADOS)
Concentrado
Configuración
Etapa del Proceso Recuperación de Masa Cu Zn Ag
No. Ingreso US$
(%) Ley Recuperación Ley Recuperación Ley Recuperación
Circuito Cu 11.8 26.9 62.9 13.6 6.5 552.3 43.4 15,403
1 Circuito Zn 39.8 2.2 46.6 52.0 83.6 47.6 22.3 49,832
Total 51.6 80.2 90.1 56.0 65,235
Circuito Cu 9.5 30.7 57.8 11.8 4.5 632.0 40.0 14,573
2 Circuito Zn 39.2 2.5 45.6 53.7 89.0 49.0 21.4 50,997
Total 48.7 77.1 89.5 52.8 65,570
Circuito Cu 8.7 34.3 59.2 8.6 3.0 690.3 40.0 15,240
3 Circuito Zn 39.4 2.4 45.1 54.3 86.3 47.6 20.8 51,972
Total 48.1 77.6 89.3 52.5 67,211
Circuito Cu 8.8 34.3 60.1 8.7 3.1 683.9 40.3 15,469
4 Circuito Zn 40.4 2.3 46.9 53.1 86.6 50.1 22.6 51,862
Total 49.2 78.8 89.7 53.8 67,330
Circuito Cu 8.9 34.2 60.3 8.8 3.2 682.2 40.4 15,493
5 Circuito Zn 41.2 2.3 48.2 51.9 86.3 52.2 24.0 51,396
Total 50.1 79.4 89.4 54.7 66,889
Circuito Cu 8.9 34.2 60.3 8.8 3.2 682.2 40.4 15,514
6 Circuito Zn 40.8 2.3 46.6 52.3 85.9 49.4 22.5 51,276
Total 49.7 78.8 89.1 53.8 66,791
Circuito Cu 8.7 34.4 59.0 8.6 3.0 683.4 39.4 15,179
7 Circuito Zn 40.2 2.3 45.5 53.4 86.4 48.3 21.3 51,823
Total 48.8 77.7 89.4 52.3 67,003
Circuito Cu 8.9 34.3 60.2 8.7 3.1 683.4 40.3 15,485
8 Circuito Zn 40.1 2.3 46.7 53.4 86.4 49.9 22.3 51,834
Total 49.0 78.8 89.5 53.7 67,319
EL USO DE LA GEOMETALURGIA PERMITE
MINIMIZAR LOS RIESGOS EN EL DISEÑO DE PLANTAS

ESTOS SON ALGUNOS EJEMPLOS DE PLANTAS QUE NO FUERON DISEÑADAS CORRECTAMENTE Y QUE
PUDIERON HABERSE BENEFICIADO DE UN ESTUDIO DE GEOMETALURGIA EN SU DISEÑO
OSISKO 2011, CANADIAN MALARTIC GOLD MINE, CANADÁ

Durante la producción inicial 32 millones de dólares adicionales de inversión de capital debido a problemas en el circuito de
molienda de mineral. La chancadora y los molinos de bolas funcionan según lo planeado, pero los problemas de elasticidad del
mineral en el molino SAG han requerido la compra de un circuito de pre-chancado con entrega prevista en el Q1/12, en ese
momento OSK esperaba procesar más de 60,000 t/d.
En el ínterin se instaló un circuito de pre-chancado temporal hasta recibir e instalar el circuito de pre-chancado definitivo.

Pueden conseguir más detalles en esta pagina web:

HTTPS://WWW.NASDAQ.COM/ARTICLE/ANALYST-ACTIONS-OSISKO-MINING-TARGET-CUT-AT-CREDIT-SUISSE-CM90281
GLENCORE 2014, MUMI COPPER MINE, REPÚBLICA DEMOCRÁTICA DEL CONGO

Durante el arranque de planta, se presentaron algunos problemas en el circuito de molienda y estos fueron resueltos. El
problema se debió a la presencia mineral muy duro que no estaba previsto y dificultaba lograr el rendimiento de diseño
para alcanzar la producción de cobre.

Pueden conseguir más detalles en esta pagina web:

HTTPS://WWW.ASX.COM.AU/ASXPDF/20141023/PDF/42T46B7YZMV8TT.PDF#PAGE=16
ORSU 2008, VARVARINSKOYE COPPER-GOLD MINE, KAZAKHSTAN
Durante la etapa de puesta en marcha la planta no pudo alcanzar la capacidad de diseño, la gerencia de la empresa realizo:

 Contratado consultores de molienda para ayudar a resolver problemas de molienda.


 Enviaron muestras de mineral de alimentación a laboratorios en Kazajstán y Australia para realizar pruebas de dureza y molienda.
 Instalaron motores más grandes en las bombas dentro de los circuitos de flotación y lixiviación.
 La instalación de variadores de frecuencia mejoraron la operabilidad de los circuitos de flotación y lixiviación.
 Adquisición de bolas de molienda de mayor calidad.
 Modificaron el sistema de clasificación (ciclones) para reducir la carga circulante y aumentar el rendimiento.
 Adquisición de equipos adicionales, tales como bombas dosificadoras de reactivos y medidores de densidad, logrando mejorar el
funcionamiento de los circuitos de flotación y lixiviación.

Después de varios meses después, se logró alcanzar la capacidad de diseño de la planta.

Pueden conseguir más detalles en esta pagina web:

HTTPS://WWW.SILICONINVESTOR.COM/READMSGS.ASPX?SUBJECTID=57070&MSGNUM=24547&BATCHSIZE=10&BATCHTYPE=PREVIOUS
A MULTIDISCIPLINARY APPROACH TO THE OPTIMISATION
AND CONTROL OF A COPPER-ZINC GRINDING AND FLOTATION
CIRCUIT
DAVID HATTON
Geometallurgy Group Leader
PRESENTATION OVERVIEW

 Economic Optimisation Case Study

 Overview of IGS – software used for performing the case study

 Additional Case Studies


ÇAYELI - FIRST QUANTUM

 Do not use more text than necessary.  Do not use more text than necessary.
Use images in high resolution. Use images in high resolution.
THE PROBLEM

 Difficulty of separation
• Chalcopyrite disease
• Bornite activation of zinc

 Highly variable ore


• Copper grades from 2% to 3%
• Zinc grades from 2% to 10%

 Low and variable recoveries


• 70% to 85% copper recovery
• 60% to 70% zinc recovery

106
ROM STOCKPILE
MANAGEMENT
 Spec

 Non-spec

 Bornite Yellow Ore (BYO)

 Bornite Clastic Ore (BCO)


PROCESSING PLANT
SOLUTION
INTEGRATED OPTIMISATION STRATEGY
COPPER FLOTATION
Cu Rougher Cu Rougher Scavenger
Zn Circuit
Feed
Cu Rougher Cleaners

Spec Cu
Concentrate

Cu Rougher
Columns

Cu Cleaner 1
Cu Regrind Mill

Off Spec Cu
Concentrate

Cu Cleaner
Columns

Cu Column Scavenger

110
ZINC FLOTATION
Zn Circuit
Feed Zn Rougher

Final Tails

Zn Cleaner 1

Zn Final
Concentrate

Zn 1st Zn 2nd
Cleaner Cleaner
Column Column

Zn Column Scavenger

Final Tails

111
MODELLING METHODOLOGY
SEPARATION OF ORE AND MACHINE
PROPERTIES

ORE

MACHINE
THE MFT

 Mineral Flotation Test (developed by Minnovex in 2001)

 Flotation kinetics in the pulp calculated directly

 Independent of the operator


Calibrate to survey data

Calibrate to survey data


SURVEY RESULT MODELLED
ADJUSTMENT OF CIRCUIT OPERATION

27.0

26.5

Copper Grade
26.0

25.5

25.0

24.5

24.0
80 81 82 83 84 85
Copper Recovery
Constant cleaner Constant column Optimised
IGS SIMULATION RESULTS
OPTIMISED CURVE
COPPER GRADE RECOVERY

Resultant Zinc
recovery
ZINC IN THE COPPER CIRCUIT
CONCENTRATE

Copper and Zinc concentrate


values added for combined
concentrate value
ECONOMIC OPTIMISATION
ECONOMIC OPTIMISATION
ECONOMIC OPTIMISATION
ECONOMIC OPTIMISATION
30 $21,400 30 $28,000
28
25 $21,300 $27,500
Copper Grade 26 Copper Grade
$21,200 Zinc Grade 24 $27,000 Zinc Grade
20
Zinc Recovery 22 Zinc Recovery
$21,100 $26,500
15 S1 Cu 20 S2 Cu
$21,000 S1 Zn Grade $26,000 S2 Zn Grade
18
10 S1 Zn Recovery S2 Zn Recovery
$20,900 16 $25,500
$/hour 14 $/hour
5 $20,800 $25,000
S1 $/hour 12 S2 $/hour

0 $20,700 10 $24,500
90 91 92 93 94 95 96 50 60 70 80 90

30 $24,600 30 $21,100
28 $24,400
$21,000
26 $24,200 25
Copper Grade Copper Grade
24 $24,000 $20,900

Concentrate Value
Zinc Grade Zinc Grade
$23,800 20
22 $20,800
$23,600 Zinc Recovery Zinc Recovery
20
$23,400 S4 Cu 15 $20,700 S5 Cu
18
$23,200 S4 Zn Grade S5 Zn Grade
16 $23,000 $20,600
S4 Zn Recovery 10 S5 Zn Recovery
14 $22,800 $20,500
12 $22,600 $/hour $/hour
5
10 $22,400 S4 $/hour $20,400 S5 $/hour
40 50 60 70 80
0 $20,300
Copper Recovery in Copper Circuit
74 79 84 89
IMPLEMENTATION OF OPTIMISED STRATEGY:
ADVANCED CONTROL EXPERT SYSTEM
RESULTS

 Copper circuit Results:

HEAD CONCENTRATE
RECOVERY Zn:Cu Ratio
GRADE GRADE

ONLINE 80.1 % 2.46% 19.03% 1.41


OFFLINE 78.4% 2.58% 18.84% 1.63
DIFFERENCE 1.71% - 0.19% 0.19% -0.22
Adjusted Difference 0.9%

 Zinc Circuit Results:

RECOVERY HEAD GRADE CONCENTRATE GRADE

ONLINE 55.3 % 3.45% 46.8%


OFFLINE 54.3% 3.80% 47.4%
DIFFERENCE 1.0% -0.35% -0.61%
Adjusted Difference 3.5%
CIRCUIT TROUBLESHOOTING

 Courier sample bias – 2.4% zinc


recovery

 Column froth washing – 1%


copper concentrate grade

 Courier sample return lines - 0.4%


copper recovery
THE TEAM
THE INTEGRATED GEOMETALLURGICAL SOFTWARE (IGS)
WHAT ELSE CAN IT DO?
SIMULATION
 Set up a circuit

 Input the feed kinetics – extracted from MFT

 Single sample

 Multiple samples

 Full block model

 Samples/blocks can be linked to their output from the comminution simulation

 TPH and P80

 Simulate or Forecast
OPTIMISATION

 Allows apples to apples comparison

 Flotation unit operation is allowed to vary within a specified range

 Typically this mimics the range an operator can manipulate the air and the level in a cell or
bank

 Response of attached and entrained recovery simulated

 Simulator is set a target

 Maximise recovery at target grade

 Maximum grade recovery curve

 Maximise concentrate value – economic optimisation

 Optimisations are performed simultaneously per block or sample


BENCHMARKING
 Automated routine for model fitting to test data
 Batch tests
 Open Circuit cleaner tests
 Lock cycle tests
 Pilot plant runs
 Plant survey results

 Model parameters are adjusted so that the simulated results match the measured data

 Regrind or reagent addition

 Mineral kinetics are modified to fit measured results

 Flotation banks and columns

 Froth recovery, water recovery, degree of entrainment, wash efficiency


ADDITIONAL CASE STUDIES
PLANT DESIGN
 Production forecasting

 Economic evaluation of rougher bank sizing

 Circuit layout and economic optimisation

 Risk evaluation
FLOTATION PLANT CIRCUIT MODEL IN IGS
LOCATIONS OF SELECTED DRILL CORE SAMPLES
RESULTS POPULATED ON THE BLOCK MODEL
PRODUCTION FORECASTING

Precision of a model was typically 1% abs. for both conc. grade and recovery on a monthly basis
ROUGHER CELL SIZING
ROUGHER CELL SIZING
0.8

Copper Recovery for Additional


0.7

Residence time (% / min)


0.6

0.5

0.4
0.3

0.2

0.1
0
0 10 20 30 40 50 60 70
Nominal Residence Time (min)
ROUGHER CELL SIZING
SAMPLE BY SAMPLE
100
90

Cumulative Copper Feed


80

Frequency (%)
70
60
50
40
30
20
10
0
88 90 92 94 96 98 100
Recovery relative to Rmax (%)
ECONOMIC EVALUATION
CIRCUIT LAYOUT
SAMPLES WEIGHTED TO MATCH BLOCK
MODEL DISTRIBUTION
RECOVERY MAXIMISATION
CIRCUIT LAYOUT
92%

90%

88%
Cu Recovery (%)

86%

84%

82%

80%
2018 2019 2020 2021 2022 2023 2024 2025 2026 2027
Year
FS1 FS2 FS3 FS4
RISK ANALYSIS
 Robust, unbiased methodology for flowsheet selection

 FS 1 and FS 2 are the best alternatives

Recovery Grade
Flowsheet 1 88.0% 28.5%
Flowsheet 2 88.4% 28.5%
Difference -0.4% 0.0%

 Flowsheet 1 – tried and tested

 Flowsheet 2 – novel and perhaps a risky choice

 Monte Carlo analysis to consider the element of risk


Recovery Grade
Flowsheet 1 2 1 2
Mean 87.0% 87.9% 28.6% 28.3%
Median 87.1% 87.9% 28.6% 28.3%
Std dev 0.9% 0.5% 0.6% 0.6%
Flowsheet 1 Flowsheet 2

31% 31%

30% 30%

Copper Grade (%)


Copper Grade (%)

29% 29%

28% 28%

27% 27%

26% 26%
82% 83% 84% 85% 86% 87% 88% 89% 90% 82% 83% 84% 85% 86% 87% 88% 89% 90%

Copper Recovery (%) Copper Recovery (%)


CONCLUSIONS:
WHAT CAN WE DO WITH GEOMETALLURGICAL
SIMULATION?
 Geometallurgical simulation in IGS
• Simulates thousands of blocks in seconds
• Mine and production planning
• Monte-Carlo capability for robust process variability analysis

 Plant Design

 Production Forecasting

 Plant operational optimization

 Plant economic optimization

 Parameter integration with control system


CASO DE ÉXITO OPTMIZACIÓN DE TRATAMIENTO
EN CONCENTRADORA DE COBRE MEDIANTE
IMPLEMENTACIÓN DE SISTEMA EXPERTO
MAURICIO ESTRADA MELLA
Gerente Latam Optmization by APC at SGS
ANTECEDENTES

 Importante faena minera ubicada en el sur de Perú

 Desafío de mejorar el tratamiento

 Circuito de molienda SAG y Bolas

 Potencia del Molino SAG limitada

 Recirculación de Pebbles enteros

 Falta de algunas señales requeridas para el control del proceso


CIRCUITO
APC-Multivariable:
Reduce variabilidad granulometria
Producto mas Fino

Water SP

PSi

#Cic
open

SAG

Molino
Bolas
(MB)

PT

APC-Multivariable:
Estabiliza-Optimiza
(Aumenta Throughput)
DESAFÍOS
 Identificar brechas del proceso

 Definir estrategia de control alineada con diseño del circuito, Equipos y señales

 Pebbles recirculados enteros

 Durante el proyecto se implementa:

 Medición de granulometría en la descarga de los ciclones PSI

 Medición de granulometría en feeders y fajas principales

 Reducir la brecha de Potencia en el SAG

 Aumentar Presión en las baterías de ciclones

 Reducir tamaño de partícula en la descarga de ciclones


CLAVES
DE ÉXITO
 Fuerte directriz gerencial de minera

 Entender las relaciones causa efecto

 Conocer los principios que rigen los procesos

 Utilizar brecha

 Potencia SAG

 Presión / Peso de SAG

 Potencia MB

 Presión de Ciclones
RESULTADOS
PARADAS FAJA SAG-1
14
SE ON SE OFF
13

12

11

10

0
RESULTADOS
PARADAS FAJA SAG-3
14

13
SE ON SE OFF
12

11

10

0
RESULTADOS
HISTOGRAMA TONELAJE
RESULTADOS
KPI MOLIENDA

SAG-1 SAG-3

 Aumento de tratamiento de tonelaje +4.6% +3.7%


 Reducción variabilidad de tonelaje -51% -42%

 Reducción paradas faja enclavamiento potencia (10/61) (5/52) -84% -90%

 Reducción consumo de energía -2.2% -1.7%

 Reducción consumo específico energía -3% -3%

 Aumento de tratamiento con CEE > 8Kw/TPH +13% +7%


RESULTADOS
KPI MOLIENDA

MB-2 MB-4

 Disminución de granulometría PSI 6.2% 11.6%


 Reducción variabilidad granulometría 48.6% 90.7%
 Reducción consumo de energía 0.3% 1.4%

 Aumento Presión de ciclones 3.4% 0.2%

 Reducción variabilidad Presión Ciclones 7.2% 22%