1

CURSO

INSTRUMENTACIÓN Y SISTEMAS DE CONTROL EN CIRCUITOS DE PROCESAMIENTO DE

MINERALES

INTRODUCCION

Esta introducción pretende dar una visión general sobre el control automático aplicado a procesos mineros así
como también describir conceptos y herramientas necesarias para comprender y aplicar los conocimientos que se
entregarán en las siguientes unidades que se presentan en este curso.

Temario

Objetivos del Control Automático

Estructura jerarquía de los sistemas de control
Caracterización de variables de Planta para fines de su Control
Problemas que debe enfrentar el Control Automático
Factores que afectan la selección de estrategias y Sistemas de control
Modelos matemáticos
Control avanzado
Instrumentación
 2

OBJETIVOS DEL CONTROL AUTOMÁTICO

Objetivos Funcionales

Posibilitar la realización de tareas difíciles (comandar un Molino SAG)

Rapidez de ejecución y Coordinación de varias acciones relacionadas Ejs.: Planta concentradora de

minerales, Nave espacial

Aumentar el beneficio económico (aumento de producción, mejora de calidad, reducción de costos)

Mejorar la confiabilidad de los sistemas; aumentar la seguridad en la ejecución de tareas peligrosas;

mejorar las condiciones de trabajo en faenas.

Reducción de error humano; permanente atención sin cansancio ni distracción.

Robots en túneles ·
Mecanización de tareas en ambientes contaminados (fundiciones) ·
Salas de comando y de visualización de información centralizadas ·
Descargar en sistemas automáticos tareas repetitivas y tediosas

Objetivos Según Desempeño

1.- Mejorar el Desempeño en el Manejo de Variables.

Ej.: Mantener una variable cerca de un valor prefijado no obstante las perturbaciones.

2.- Mejorar el Desempeño de un Proceso.

Ej.: Aumentar la producción, mejorar la calidad, aumentar la eficiencia en el uso de insumos.

3.- Mejorar el Desempeño Económico

Ej.: Incrementar el beneficio económico de una planta o proceso, sujeto a diversas restricciones.
 3

Reducción en la incertidumbre produce beneficios.

Beneficios económicos
 4

Estructura Jerárquica de los Sistemas de Control

1.- Control local (directo)

Control de variables del primer nivel: Flujos, temperaturas, niveles, etc.

2.- Control Estabilizante

Entrega valores de referencia (set points) para los controladores locales de las unidades que forman parte
de la planta: flujos, niveles, posición, etc.

Control de variables de segundo nivel: tamaño de partículas en planta de molienda, leyes en planta de
flotación, etc. Entrega set points a controladores locales.

3.- Control Supervisor

Entrega datos (p. ej., set points) para el control estabilizante

Puede realizar optimización según cifra de mérito que incluye aspectos económicos.

Supervigila la operación de la instrumentación y de los sistemas de control y toma acciones en caso de

fallas o de mala operación.

Puesta en marcha y detención.

Acciones de seguridad general.

4.- Control de planta (plant Management)

Coordina la acción de las subplantas de una planta. (P. ej planta concentradora de minerales)

Control de la cantidad de producción.

Control de la calidad de la producción.

Envía consignas al control supervisor.

Recibe datos y consignas de la gerencia de la empresa.

 5

Caracterización de las Variables de la Planta a Controlar para Fines de su Control

Caracterización de las Variables de la Planta desde el punto de vista del CONTROL AUTOMÁTICO.-

Variables

Comandos (variables manipuladas).- Son variables que podemos manejar a nuestra voluntad (dentro de
ciertos límites)

Salidas.- Son variables que interesa manejar o monitorear en la planta

Estados.- Son variables que independizan la operación futura de la operación pasada.

Perturbaciones

Medidas.- Son variables que afectan el comportamiento de la planta en forma que no podemos
manipular, pero que podemos medir.

No medidas.- Son variables que afectan el comportamiento de la planta y de las cuales no poseemos
mediciones.

Ver figura siguiente

 6

Ejemplo: Nivel celda

Ejercicio: Molino de bolas
 7

Principales Desafíos para el Control

En general, cambios en el comportamiento de la planta.

Tasas de variación en las perturbaciones: Medidas, no medidas

Interacciones

Retardos

No linealidades

Incertidumbre en general en:

Las características de la planta,

Perturbaciones no medidas

En mediciones ruidosas de variables, incluyendo el caso de muestreo inadecuado.

Complejidad estructural

Tecnología disponible (sistemas de procesamiento, comunicaciones, sensores, actuadores, etc.)

Teoría disponible

Disponibilidad de personal idóneo para mantener el sistema en operación (incluyendo la mantención del s/w y
h/w)
 8

EJEMPLO DE DESAFÍOS QUE PRESENTA EL CONTROL

Presencia de Perturbaciones y sus Tasas de Variación

El efecto que tienen las perturbaciones sobre la variable de salida controlada se compensa actuando sobre las
variables manipuladas.

La posibilidad de corregir este efecto, por una parte, depende de la velocidad de respuesta de la salida frente a las
perturbaciones y, por otra, de la velocidad de respuesta de salida frente a cambios en la variable manipulada.

Por ejemplo, si la moliendabilidad del mineral (perturbación) en una planta SAG como la de la figura siguiente
varía lentamente, será relativamente más fácil corregir el efecto que tiene esta variación sobre el hold-up
(variable controlada) actuando sobre la alimentación fresca de mineral a la planta (variable manipulada), que si
la perturbación varía rápidamente

Este caso se ilustra en esta figura cuando está conectado el control PID de hold-up.

En la figura siguiente se muestra el caso en que la perturbación varía rápidamente, con lo que resulta más difícil
mantener el hold-up actuando sobre la alimentación fresca. También en este caso el control PID de hold-up esta
activado.
 9

Efecto de No linealidad en Hold up molino SAG

Escalones en la alimentación en torno a 1200 [tonlhr] hacen evidente el efecto de la no linealidad en un molino
SAG.
 10

Otra forma de ver este comportamiento es con la característica estática de la planta. La figura siguiente
muestra la Curva Característica Estática de Potencia versus llenado (Carga) en un molino semiautógeno
produce efectos no lineales.

No Lineal en este contexto significa que el futuro estado de la planta está condicionado al
estado actual. Entonces, si la presión de soporte del molino SAG es de 600 y la velocidad de
alimentación se aumenta 50 t/h, la respuesta dinámica será muy diferente a que si la presión de soporte
hubiera sido 700. El concepto de complejo significa que una vez que se hace una serie de cambios de
sistema, ya no se puede volver al mismo lugar desde donde se partió si se revierten estos cambios.
Claramente este fenómeno, contribuye a la dificultad para controlar y optimizar los diagramas de flujo
típicos, y también contribuye al nivel de rendimiento en el que estamos actualmente
 11

Efectos del Retardo en el Control

Si sólo se usa control PID clásico, los retardos son causa de una respuesta lenta de la variable controlada.

Este es el caso, por ejemplo del control de una correa transportadora en que por alguna razón el tonelaje se mide
en la descarga de la correa.

Fig. 1.8: Control de tonelaje en correa transportadora

El problema presentado por el retardo se puede solucionar mediante un control basado en modelo..
 12

El Problema de las Interacciones (Sistemas multivariables)

Ejemplo de Interacciones:

Planta de Molienda Secundaria

Al tratar de controlar el Nivel del pozo con el Flujo de agua agregada al pozo, varía la Densidad.

Al tratar del controlar la Densidad con el Tonelaje de alimentación, varía el Nivel del pozo.
 13

FACTORES QUE A FECTAN LA SELECCIÓN DE ESTRATEGIAS Y SISTEMAS DE CONTROL

 14

Problema del Control Automático

Satisfacer los Objetivos de Funcionamiento a Pesar de las Perturbaciones.
La figura siguiente muestra la Estructura fundamental en general para los sistemas de control
automático.
 15

Control Realimentado (feedback)

Disminuye el efecto de las perturbaciones no medidas (y también el de las medidas pero con menos efectividad
que el control PREALIMENTADO) al tratar en que el error entre la referencia (set-point) y la variable
controlada sea pequeño (Cero, Mínimo).

Permite fijar las características dinámicas de la respuesta de la variable controlada.

Permite que la variable controlada siga a la variable de referencia con error especificado (referencia fija:
regulador; referencia variable: seguimiento o "tracking").
Introduce el problema de la estabilidad en el diseño.
 16

Control Prealimentado (feedforward)

Permite reducir o eliminar el' efecto que tienen las perturbaciones medidas sobre la variable controlada en forma
más rápida que el Control Realimentado

No reduce el efecto de las perturbaciones no medidas.

No Permite el seguimiento ni regulación de una variable de referencia.

 17

Control Realimentado-Prealimentado

Al utilizar todas las· variables medidas (tanto la medición de la variable controlada como las mediciones de las
perturbaciones medidas) combina efectos positivos del Control REALIMENTADO y del Control
PREALIMENT ADO.

Al reducir el efecto de las perturbaciones medidas sobre la variable controlada, puede mejorar en forma
importante el desempeño del control Realimentado. Esto es especialmente cierto si hay una perturbación rápida
que afecta la variable controlada.
 18

Control en Cascada

Una de las estrategias más utilizadas para estabilizar las variables de proceso (disminuir la variabilidad) es la de
control en cascada que son dos lazo de control, uno dentro de otro.
 19

MODELOS MATEMATICOS DE PROCESOS

El Problema de la Modelación: Determinación de un modelo M perteneciente a una clase de modelos CM

tal que M sea la mejor representación de un sistema, dada una clase de señales U de entrada.

El modelo depende de:

(1) El conocimiento disponible sobre la planta (2) de la rnodelación (Ej estático, dinámico) (3) La señales que
están disponibles (que se pueden o que conviene medir) (4)

Tipos de modelos en Control

Modelos Fenomenológicos
Modelos Grises (incorporan parcialmente aspectos fenomenológicos)
Modelos Caja Negra

Modelos Fenomenológicos de Plantas o Sistemas Dinámicos

1.- Balance Dinámico

Plantear las ecuaciones de balance dinámico de la planta:

balances de masas o volúmenes ·

balances térmicos ·
balances de fuerzas ·
balances de energía ·
Balances de voltajes y corrientes · etc.

En la mayoría de los casos el balance dinámico se puede expresar mediante un conjunto de ecuaciones llamadas
Ecuaciones de Estado.

2.- Modelo Entrada-Salida

Expresar las ecuaciones de balance en función de variables de entrada y salida para obtener un modelo de
Entrada-Salida de la planta, en el que las variables de entrada (manipuladas y perturbaciones) se relacionan con
las variables de salida.

Ejercicio: Caso de una planta de molienda.

3.- Dar o identificar valores de los parámetros

Area de estanques
Parámetros de válvulas ·
Tasas de Flotación ·
Indice de moliendabilidad de mineral ·
Volumen de molino ·
 20

Modelos de Tiempo continuo

Los más utilizados son modelos en:

Ecuaciones de estado (SS) y Función Transferencia (TF: con transformada de Laplace)

Modelos de tiempo discreto

Los modelos de esta Clase de Modelos son muy fáciles de utilizar y de programar. Se presentan en forma de
ecuaciones de estado y Función Transferencia de Pulsos con el operador de retardo.

A diferencia de los modelos construidos con ecuaciones diferenciales, su programación ya sea en lenguajes tales
como BASIC, MATLAB, C++, etc. es casi inmediata.

Ej: Modelos ARX

Muestreo de una señal.

Ecuaciones

t1 = to + T

tk = to+kT

x(kT) = xk

X (tk+1) = X (tk + T) =X (to + (k+ 1) T) = Xk+1

 21

Muestreo y Retención

Caso en que las muestras no contienen información suficiente como para reconstruir la variable muestreada. Dos
señales distintas pueden tener las mismas muestras.

Caso en que las muestras ahora contienen información suficiente como · para reconstruir la variable muestreada,
p.ej., por interpolación. El período de muestreo T está relacionado con la tasa de variación de la variable.
 22

CONTROL AVANZADO
Los desafíos de control como no linealidades, retardos, interacciones, acoplamientos, parámetros
variables en el tiempo, variabilidad en las variables controladas.

Además se deben satisfacer criterios económicos, asociados con el mantenimiento de las variables de
proceso en sus referencias minimizando dinámicamente (optimización) una función de coste de
operación, criterios de seguridad y medioambientales, y de calidad en la producción, la cual debe
satisfacer ciertas especificaciones sujetas a una demanda normalmente variable.

Estos requerimientos han llevado al desarrollo del control avanzado que va más allá del clásico
control por realimentación, prealimentado y cascada.

Estas técnicas de control se pueden denominar industrialmente como APC: Control Avanzado de
Procesos.

Las dos técnicas avanzadas más destacadas en su aplicación en el ámbito minero son:

Control Experto (Fuzzy Logic)

Control Predictivo Basado en Modelo (Control Multivariable)

Estas técnicas pueden incluir además las técnicas tradicionales y el

Control Adaptivo (Problema no lineal)
Cpmpensacionde retardos (Predictor de Smith)

Estas técnicas de control tienen asociadas otras técnicas de aplicación más reciente como ser

Redes Neuronales e
Identificación paramétrica

Para identificación de modelos, identificación de variables de proceso (sensores virtuales)

Las diferencias entre los dos tipos de sistema MPC y Experto son principalmente

• MPC usa un modelo del proceso; un sistema experto usa un modelo del operador.

• MPC es predictivo; un sistema experto es algebraico.

• MPC es control de lazo abierto; un sistema experto es control de lazo cerrado

• MPC se basa en algoritmos; un sistema experto se basa en reglas.

Algunos sistemas son híbridos; por ejemplo, la estrategia de control experto de ABB incluye
técnicas tales como ganancia variable, bloques de reglas difusas multivariables, redes neuronales y
MPC.
 23

Estrategia para desempeño sostenido

24
 25

Delta V
 26

Tendencias en las técnicas de Control Avanzado

 27

Herramientas de Control Avanzado del Delta V (DeltaV Digital Automation System)

28
29
30
 31

Instrumentación: Conceptos, importancia

ES EL GRUPO DE ELEMENTOS QUE SIRVEN PARA MEDIR, REGISTRAR O CONTROLAR
VARIABLES DE UN PROCESO CON EL FIN DE OPTIMIZAR LOS RECURSOS UTILIZADOS EN ÉSTE.

Es la ventana a la realidad de lo que está sucediendo en determinado proceso lo cual

servirá para determinar si el mismo va encaminado hacia donde deseamos.

SIN UNA BUENA INSTRUMENTACION NO SERA POSIBLE UN BUEN CONTROL AUN APLICANDO
TECNICAS AVANZADAS DE CONTROL