Está en la página 1de 14

UNIVERSIDAD NACIONAL DE

SAN AGUSTIN

FACULTAD DE INGENIERIA DE PROCESOS


ESCUELA PROFESIONAL DE
INGENIERIA DE METALURGICA

ASIGNACION.6
MODELAMIENTO Y SIMULACION DE PROCESOS
DOCENTE:
ING. CALISAYA MAMANI FEDERICO
ALUMNO:
ALA ANDIA BRAULIO

GRUPO: A

AREQUIPA – PERÚ
2020
1.- Hacer el algoritmo de molienda batch en un molino de bolas, con el
modelo de molienda batch basado en Balance poblacional. Usar función
selección específica.

La molienda batch se basa en que cierta muestra se dispone con una


distribución de tamaños sobre un rango de partículas continuas y se hace
necesario discretizar , la fractura se realiza mediante impacto “generación
discreta” . No hay entrada y salida del flujo de alimentación del mineral se
alimenta el mineral cada cierto tiempo prolongado.

INICIO

Estimación inicial Dimensiones del molino (largo-


de Parámetros: ancho)

𝑗 .Condiciones operacionales
𝑊0 (𝑆𝑖, 𝑏 𝑖 )
(unidades, series de mallas,etc).

Hallar la Función Selección:

=−𝑆𝑖

Hallar la Función Fractura:


Hallar la Función Selección
Específica:

Matrices: 𝑇𝑖𝑗 ; 𝐽𝑖𝑗


Matriz P = 𝑃∆𝑊0

∆𝑊𝑏𝑎𝑡𝑐ℎ = 𝑃∆𝑊0

NO SI

Mínimo Aceptamos el Modelo de Molienda


Batch
2.- Hacer el algoritmo de molienda continua en un molino de bolas, con el modelo
de molienda continúa basado en balance poblacional. Usar función selección
específica.

PLANTEAMOS EL MODELO DE BALANCE POBLACIONAL:

Acumulación = Generación discreta – generación continua + Entrada − Salida

SIMPLIFICANDO LA ECUACIÓN

Se han hechos los cálculos y acomodaciones respectivas, además:


𝑄 𝐹(𝜃) 1 −𝑡
𝜏 = 𝑦𝐸(𝑡) = = 𝑒 𝜏
𝑉 𝑑𝑡 𝜏
Donde

𝐹(𝜃): Fraccion del material en la salida cuya edad es inferior a 𝑡 .Entonces una
molienda continua es una sumatoria de infinidad de procesos batch en el
intervalo de t=0 a infinito.

Integrando:

Donde:

Para crear el algoritmo, el enunciado dice basado en balance poblacional,


utilizando la función específica, la cual tiene que ver con la energía
específica, Entonces:
La energía especifica como variable controlante de la molienda,𝐸 = 𝑘𝑤−ℎ𝑟/𝑇𝑛
𝑖 𝑆𝑖
Función selección específica: 𝐸

Denota la velocidad fraccional con que se muelen las partículas en una malla
i como función del consumo específico de energía.
Para la molienda continua estable o estacionaria

Por lo tanto: 𝑆𝑖𝑡 = 𝑆 𝐸 𝐸 𝑖 Donde: P=Potencia; t= tiempo; H= Carga del Mineral en el


Molino.
Por otra parte, se tenía el modelo discretizado batch:

Donde:

Δ𝜔 = 𝑇𝐽(𝐸)𝑇−1Δ𝜔(0)

Desplazando a forma matricial


sería:

Análogamente para molienda


continua
Ahora reemplazamos el tiempo (t) por el tiempo de residencia (𝜏)
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠: 𝑆𝑖𝑡𝑥𝑆𝑖𝜏 =𝑆 𝐸𝑖𝐸

Entonces el método discretizado de molienda continúa usando la función específica es:


∆𝜔𝑐 = 𝑇𝐽(𝐸)
𝑐 𝑇−1Δ𝜔(0)

Armando la matriz seria:

Estimacion de parametros:
INICIO

Dimensionamiento
del molino y
parámetros de trabajo
(Ton/Hr, Tyller,etc).

Estimación
inicial de
parámetros de
𝑆𝑖 𝐸 𝑦 𝐵𝑖𝑗
Cálculo de la potencia neta

Cálculo de la potencia neta

Cálculo de Potencia
contribuida por las bolas E y N

𝐵𝑖𝑗 𝑆𝐸 𝑏𝑖𝑗
𝑖

𝐷𝑏𝑜𝑙𝑎
𝑆𝐸 = 𝛼1 𝐷𝑏𝑜𝑙𝑎
[1 + Regresión lineal

Matrices 𝑇𝑖𝑗 𝐽𝑖𝑗

Matriz 𝑃 = 𝑇𝐽𝑇−1

Vector Δ𝜔𝑐 = 𝑃Δ𝜔(0)

Función objetiva

NO SI
Solver – Define
nuevos parámetros
mínimo
Parámetros finales
3.- Deducir las formulas para la simulación del siguiente circuito de molienda –
clasificación y elaborar el algoritmo o estructura del simulador.

𝑭(𝑨𝑪): 𝑽𝒆𝒄𝒕𝒐𝒓 𝒄𝒐𝒍𝒖𝒎𝒏𝒂 𝒄𝒖𝒚𝒐𝒔 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔 𝒔𝒐𝒏 𝒍𝒂𝒔 𝒅𝒊𝒔𝒕𝒓𝒊𝒃𝒖𝒄𝒊𝒐𝒏𝒆𝒔 𝒈𝒓𝒂𝒏𝒖𝒍𝒐𝒎𝒆𝒕𝒓𝒊𝒄𝒂𝒔 𝒅𝒆 𝒍𝒂


𝒂𝒍𝒊𝒎𝒆𝒏𝒕𝒂𝒄𝒊ó𝒏𝒇𝒓𝒆𝒔𝒄𝒂 𝒂𝒍 𝒎𝒐𝒍𝒊𝒏𝒐.
𝒇(𝟎) = %𝑹𝒆𝒕. 𝒅𝒆 𝑶𝒗𝒆𝒓𝒇𝒍𝒐𝒘
𝑭(𝑫𝑴) = 𝑭𝒍𝒖𝒋𝒐 𝒅𝒆 𝒂𝒍𝒊𝒎𝒆𝒏𝒕𝒂𝒄𝒊ó𝒏 𝒂𝒍 𝒉𝒊𝒅𝒓𝒐𝒄𝒊𝒄𝒍𝒐𝒏
𝑭(𝑨) = 𝑭𝒍𝒖𝒋𝒐 𝒅𝒆 𝒂𝒍𝒊𝒎𝒆𝒏𝒕𝒂𝒄𝒊ó𝒏 𝒇𝒓𝒆𝒔𝒄𝒂 𝒂𝒍 𝒎𝒐𝒍𝒊𝒏𝒐
𝒇(𝒄𝒄) = %𝑹𝒆𝒕. 𝒅𝒆 𝑼𝒏𝒅𝒆𝒓𝒇𝒍𝒐𝒘
𝑶 = 𝑶𝒗𝒆𝒓𝒇𝒍𝒐𝒘
𝑼 = 𝑼𝒏𝒅𝒆𝒓𝒇𝒍𝒐𝒘

SEGÚN EL DIAGRAMA DE CIRCUITO CERRADO INVERSO DE MOLIENDA-


CLASIFICACIÓN
Podemos realizar un balance de flujos para determinar la carga circulante.

𝑓𝐹 ∗ 𝐹 + 𝑓𝑀𝐷 ∗ 𝑀𝐷 = 𝑓𝑈 ∗ 𝑈 + 𝑓𝑂 ∗ 𝑂
Donde:
F es caudal de alimentación
MD es descarga del molino
U es el underflow
O es el overflow o rebalse
Los (f) minúscula de cada especie, representa su fracción de partícula de
tamaño al diámetro d.
Por lo tanto la carga circulante se calcula según la fórmula de balance:
Donde 𝑢𝑠𝑑 𝑦 𝑢𝑓𝑠 son factores de ponderación definidos por los usuarios para
mejorar la confiabilidad de la distribución de tamaños.

En (Nodo 1.FA-FDM-FAC)

𝐹𝐴 + 𝐹𝐷𝑀 =𝐹𝐴𝐶
𝐹𝐴 ∗ 𝑓(𝐹𝐴) + 𝐹𝐷𝑀 ∗ 𝑓(𝐴𝐶)
𝑓(𝐴𝐶) =
𝐹𝐴𝐶

MODELO LYNCH RAO (OPCIONAL PLITT)


El subsistema 2 (HIDROCICLÓN) que está conformado por el Hidrociclón,
podremos completar el porcentaje acumulado underflow, tonelaje de salida del
underflow.

EL SUBSISTEMA 3 (Conformado por el molino y sus flujos)

Δ𝑊 = Τ ∗ 𝐽(𝑡) ∗ Τ−1 ∗ Δ𝑊(0)


Donde:
Δ𝑊: Vector columna, sus elementos son la distribución granulométrica
parcial del producto de molienda descargada del molino.
Δ𝑊(0): Vector alimentación al molino, sus elementos representan la
distribución granulométrica parcial de alimentación al equipo.
T: Matriz triangular inferior.

𝐿
𝑃 = 0.238 ∗ 𝐷3.5 ∗ ( ) ∗ 𝑁𝑐 ∗ 𝜌𝑎𝑝 ∗ (𝐽 − 1.065 ∗ 𝐽) ∗ 𝑠𝑒𝑛𝛼
𝐷
INICIO

Diseño de circuito de molienda –


clasificación y asignación de
flujos (Feed, U, O)
Parámetros del molino-
hidrociclón

Selección de modelo matemático


del hidrociclón (Lynch Rao-Krebs)

Cálculo de la eficiencia
del hidrociclón

Cálculo del % acumulado


retenido del Overflow

Cálculo del % acumulado


retenido del Underflow

𝛼0(𝛼𝑖)𝛼1 𝐷𝑏𝑜𝑙𝑎
𝑆𝑖 =
Selección de modelo matemático 𝛼𝑖 ] 𝑑𝑝𝑎𝑟𝑡í𝑐𝑢𝑙𝑎
[1 + (
del molino (Furstenau)
Actualizar
carga circulante

Calculo del % acumulado retenido a


la alimentación del molino.

Cálculo del % acumulado retenido


a la descarga del molino.

Cálculo de la carga nueva


circulante.

CONVERGENCIA

CC. P neta, dAC, fU, FO, O, U, F.


Gates-Gaudin- Carga circulenta, Potencia neta, balance de materia Rosin-Rammler
Shumman del circuito, análisis granulométrico de las salidas
y entradas a los subsistemas.

𝐿
𝑃 =0.238∗𝐷3.5∗( )∗𝑁𝑐∗𝜌𝑎𝑝 ∗(𝐽−1.065∗𝐽)∗𝑠𝑒𝑛𝛼
4.- Deducir las formulas para simulación del siguiente circuito de molienda –
clasificación y elaborar el algoritmo o estructura del simulador.

𝐶1: 𝑉𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑐𝑙𝑎𝑠𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 ℎ𝑖𝑑𝑟𝑜𝑐𝑖𝑐𝑙ó𝑛 1


𝐶2: 𝑉𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑐𝑙𝑎𝑠𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 ℎ𝑖𝑑𝑟𝑜𝑐𝑖𝑐𝑙ó𝑛 2
𝑓𝑐𝑐 1: 𝑉𝑒𝑐𝑡𝑜𝑟 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑔𝑟𝑎𝑛𝑢𝑙𝑜𝑚é𝑡𝑟𝑖𝑐𝑎 𝑑𝑒𝑙 𝑢𝑛𝑑𝑒𝑟/ℎ𝑖𝑑𝑟𝑜𝑐𝑖𝑐𝑙ó𝑛 1
𝑓𝑐𝑐 2: 𝑉𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑔𝑟𝑎𝑛𝑢𝑙𝑜𝑚é𝑡𝑟𝑖𝑐𝑎 𝑑𝑒𝑙 𝑢𝑛𝑑𝑒𝑟/ℎ𝑖𝑑𝑟𝑜𝑐𝑖𝑐𝑙ó𝑛2
𝑓𝑜, 𝑓1 = 𝑉𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑔𝑟𝑎𝑛𝑢𝑙𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎 𝑑𝑒𝑙 𝑜𝑣𝑒𝑟/ℎ𝑖𝑑𝑟𝑜𝑐𝑖𝑐𝑙𝑜𝑛1
𝑓𝑜, 𝑓2 = 𝑉𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑔𝑟𝑎𝑛𝑢𝑙𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎 𝑑𝑒𝑙 𝑜𝑣𝑒𝑟/ℎ𝑖𝑑𝑟𝑜𝑐𝑖𝑐𝑙𝑜𝑛2
𝑂
= 𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎 𝑐𝑖𝑟𝑐𝑢𝑙𝑎𝑛𝑡𝑒 (2 − 2.5)
𝐹
𝑓𝐷𝑀 = 𝐴𝑙𝑖𝑚𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 𝑎𝑙 ℎ𝑖𝑑𝑟𝑜𝑐𝑖𝑐𝑙𝑜𝑛 (𝑑𝑒𝑙 𝑚𝑜𝑙𝑖𝑛𝑜)
MODELO LYNCH RAO (OPCIONAL PLITT)
Hidrociclón que está conformado por el Hidrociclón, podremos completar el porcentaje
acumulado underflow, tonelaje de salida del underflow.

Molino

Δ𝑊 = Τ ∗ 𝐽(𝑡) ∗ Τ−1 ∗ Δ𝑊(0)


Donde:
Δ𝑊: Vector columna, sus elementos son la distribución granulométrica
parcial del producto de molienda descargada del molino.
Δ𝑊(0): Vector alimentación al molino, sus elementos representan la
distribución granulométrica parcial de alimentación al equipo.
T: Matriz triangular inferior.

𝐿
𝑃 = 0.238 ∗ 𝐷3.5 ∗ ( ) ∗ 𝑁𝑐 ∗ 𝜌𝑎𝑝 ∗ (𝐽 − 1.065 ∗ 𝐽) ∗ 𝑠𝑒𝑛𝛼
𝐷
INICIO

Diseño y parámetros del molino, Diseño de y parámetros de los


asignación de flujos (Feed, U, O) hidrociclones (1 y 2) asignación
Selección de modelo base de flujos (Feed, U, O)
(Hogg-Furstenaun) Selección de modelo base (Plitt
o Lynch-Rao)

HIDROCICLON HIDROCICLON
Calcular función fractura. Hallar la función Selección 1 2

Parámetros Parámetros
Hallar la matriz Bij (fractura). Hallar la matriz
𝑑𝑖 𝐵1 𝑑𝑖 𝐵2 Plit corregidos Plit corregidos
𝐵𝑖𝑗 = 𝐵0 ∗ ( ) + (1 − 𝐵0 ) ∗ ( )
𝑑𝑖 𝑑𝑗 (1 )

%Retenido de %Retenido de
Hallar la matriz T alimentación alimentación
0 𝑠𝑖 𝑖 < 𝐽
𝑇𝑖𝑗 = | 𝑏𝑖𝑘 ∗ 𝑆 𝐸 |
𝑆𝑖𝐸 − 𝑆𝑗𝐸
Hallar R(EC): Hallar R(EC):
𝑅(𝐸𝐶) = %𝑅𝑓 ∗ 𝐸 𝑅(𝐸𝐶) = %𝑅𝑓 ∗ 𝐸
Hallamos matriz Hallamos matriz

𝑆 𝑆
𝑆+1 𝑆+1
Hallamos matriz P: 1 − 𝜙 ∗ (1 − 𝑅𝑎𝑐) 1 − 𝜙 ∗ (1 − 𝑅𝑎𝑐)
𝑃 = ∗ 𝑇−1𝑖𝑗

𝐵𝑝𝑓 = 𝜆 ∗ 𝐵𝑝𝑤 𝐵𝑝𝑓 = 𝜆 ∗ 𝐵𝑝𝑤


Hallamos descarga del molino:
𝑓𝐷𝑀 = 𝑃 ∗ (𝑓𝐴 + 𝑓𝑂𝐶2)
Hallar la eficiencia del Hallar la eficiencia del
Hidrociclón 1: Hidrociclón 1:
𝑛1 = 𝐵𝑝𝑓 + (1 − 𝐵𝑝𝑓 − 𝐵𝑝𝑐) ∗ 𝐸𝑖 𝑛2 = 𝐵𝑝𝑓 + (1 − 𝐵𝑝𝑓 − 𝐵𝑝𝑐) ∗ 𝐸𝑖

Cálculo del Cálculo del Cálculo del Cálculo del


underflow: Overflow: Overflow: underflow:
Hallamos la matriz X: f(of1)=fDM*C1 f(of1)=f(DM)-f(OC1) f(of1)=fDM*C
𝑋 = (𝑃 ∗ 𝐶1 ∗ 𝐶2) ∗ (𝑃 ∗ 𝐶1 ∗ 𝐶2 ∗ 𝐼)−1

Hallar la carga circulante: Overflow total:


fcc2´=f(A)*X fOtotal=f(of1)+f(of2

FALSO VERDAD
Corrección de Salida del circuito
fcc2´=fcc2
parámetros del molino Molienda-Clasificación
y/o hidrociclón
EL ANALISIS GRANULOMÉTRICO G-G-S Y R-R TIENEN SU PROPIO
ALGORITMO
5. Dado:
𝑊𝑖
𝑊
tiempo de molienda(minutos)
malla 1,0 2,0 4,0
28x35 0.7863 0.6211 0.3829
35x48 0.0592 0.0946 0.126
48x65 0.0421 0.0501 0.1056
Hallar la función selección del intervalo de tamaño 28x35

x y
tiempo(min) 𝐿𝑛 ) xy
1 -0.24041688 1 -0.24041688 0.05780028
2 -0.47626318 4 -0.95252636 0.22682662
4 -0.95998142 16 -3.83992568 0.92156433
7 -1.67666148 21 -5.03286892 1.20619122

𝑊
𝐿𝑛 ( ) = −𝑆𝑖 ∗ 𝑡 + 𝐶
𝑊
𝑦 = 𝑎𝑥 + 𝑏

a -0.24014117
b 0.00144224
ESTIMACION DE LA FUNCION SELECCION
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
-0.2

-0.4
𝐿𝑛(∆𝑊/𝑊)

-0.6

-0.8

-1
y = -0.2401x + 0.0014
-1.2
TÍEMPO(MIN)

ESTIMACION DE LA FUNCION SELECCION Lineal (ESTIMACION DE LA FUNCION SELECCION)

la función selección del intervalo de tamaño 28x35


𝑊
𝐿𝑛 ( ) = −𝑆𝑖 ∗ 𝑡 + 𝐶
𝑊
Y= −0. 4014 ∗ + 0.00144
la función selección hallada en el intervalo de tamaño 28x35 es: 𝑆𝑖 = 0.24014