Tesis Cristian Cortes Imprimir

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA
DEPARTAMENTO DE INGENIERÍA QUÍMICA Y AMBIENTAL

VALPARAÍSO-CHILE
OPERACIÓN HÍBRIDA DE UNA PLANTA

PILOTO DE FLOTACIÓN RCS
Tesis presentada por:
CRISTIAN GUSTAVO CORTÉS ITURRA
Como requisito parcial para optar al título de:
INGENIERO CIVIL QUÍMICO
Y
Como requisito parcial para optar al grado académico de:
MAGISTER EN CIENCIAS DE LA INGENIERÍA QUÍMICA
Profesor guía:
Dr. LUIS BERGH OLIVARES
Profesor Co-referente:
Dr. JUAN YIANATOS BERNARDINO
JULIO - 2016
VALPARAÍSO - CHILE
Título de la tesis:
OPERACIÓN HÍBRIDA DE UNA PLANTA PILOTO DE FLOTACIÓN RCS.
Autor:
CRISTIAN GUSTAVO CORTÉS ITURRA
Trabajo de tesis, presentado en cumplimiento parcial de los requisitos para el Título de

Ingeniero Civil Químico y para el Grado de Magister en Ciencias de la Ingeniería
Química de la Universidad Técnica Federico Santa María.
Dr. Luis Bergh Olivares
Dr. Juan Yianatos Bernardino.

AGRADECIMIENTOS
Agradezco a mis padres, Sergio y Edith, por la oportunidad que me han dado, su
esfuerzo y dedicación han permitido que llegue hasta este lugar. Sus fortalezas son las
mías y sin su apoyo no hubiese logrado todo esto.
A mis hermanos, su apoyo y cariño constante han sido fundamentales en los momentos
más críticos de este periodo de mi vida.
A mis tíos, Hugo y Ovidia, y a mis primas, por esos dos años que compartí con ellos,
aprendí mucho en su hogar y parte de este largo camino que he recorrido se los debo a
ustedes, muchas gracias.
A mis tíos, Francisco y Rosario, que siempre tienen su casa abierta para recibirme y que
ante problemas siempre están dispuestos a ayudar.
A mis abuelos Raúl y Clarisa (QEPD), Alberto y Luzmira, que me enseñaron cosas que
en la vida académica no se aprenden, su experiencia y cariño han sido muy importantes.
A mi polola, Claudia, llegaste en un momento impensado y me ayudaste a sortear

momentos difíciles en la universidad, tu apoyo ha sido fundamental en estos últimos
años que fueron tan complejos.
A mis amigos, José, Gustavo, Tabilo y Manuel, que a pesar de nuestras diferencias
siempre hemos estado ahí, para apoyarnos y distraernos, la vida hubiese sido más difícil
sin su compañía.
Al profesor Luis Bergh por su ayuda y buena disposición para atender mis dudas y
consultas. Y gracias por la posibilidad que me dio de trabajar en el laboratorio de
control.
A Javier Pinto, su ayuda para mejorar el laboratorio de control fue fundamental para
el desarrollo de este trabajo.
Gracias a todos los que me conocieron, me ayudaron y me enseñaron, a todos ellos

muchas gracias.
Y finalmente gracias a Dios por estar aquí, por vivir y tener esta posibilidad de ser un
aporte para el mundo.
i
RESUMEN
El presente trabajo consistió en el desarrollo e implementación de un simulador
metalúrgico y operacional de una planta piloto de flotación mineral, que está formada
por cuatro etapas interactuantes: Rougher, Remolienda, Cleaner y Scavenger. Las
capacidades de tratamiento de cada etapa se definieron como múltiplos enteros de las
unidades disponibles en el Laboratorio de Control de Procesos, que son una columna,
tres celdas Rougher y dos celdas Scavenger. Como la etapa de Remolienda no existe
físicamente en el Laboratorio, se dimensionó un molino vertical y una batería con 12
hidrociclones, de acuerdo a las características de la alimentación a procesar.
Los equipos instalados en el Laboratorio pueden procesar agua con espumante y aire.
Todas las variables operacionales de cada unidad, como flujos de alimentación, de aire
y de agua de lavado, y profundidad de espuma, se miden y se controlan bajo un sistema
de control distribuido. Esta variables reales se integran a un simulador metalúrgico, que
dadas las características virtuales de la alimentación, tales como flujo, % de sólidos,
granulometría, leyes, especies mineralógicas, predicen las características del
concentrado y el relave. Esta integración de la operación real con la virtual es la que le
da el carácter de operación híbrida.
El sistema desarrollado permite dos tipos de operación, ambas bajo un sistema de

control experto. La primera es de tipo híbrido, donde las unidades existentes se operan
generando variables reales en el tiempo, de acuerdo a las características de cada una de
las alimentaciones obtenidas por simulación. De esta manera se obtiene una operación
de la planta con sus etapas interactuando en tiempo real. La segunda forma es integrar
los simuladores metalúrgicos correspondientes a cada etapa, para simular la operación
y control de la planta en el computador. Esta opción permite desarrollar, depurar y
evaluar diferentes alternativas de estrategias de control experto de la planta en menor
tiempo. También podría utilizarse como apoyo en la toma de decisiones operacionales
en una planta real, si es que los simuladores de cada etapa estuvieron disponibles.
ii
Además de conseguir que la planta piloto funcione de manera híbrida, se implementó
un sistema experto que permite buscar puntos de operación que mejoren los resultados
metalúrgicos de la planta en tiempo real. Este sistema está sujeto a restricciones de ley
de concentrado final y condiciones de operación límite para las distintas etapas. La
operación híbrida en el caso base consiguió una recuperación 87% con una ley de cobre
del 34.3%, luego el sistema experto buscó y encontró un punto de operación diferente,
que permite obtener un 90% de recuperación de cobre manteniendo la ley del
concentrado.
También se realizaron experiencias con el Sistema Experto y el simulador de forma

independiente a la planta piloto, a fin de encontrar un mejor punto de operación para
ciertas condiciones de la alimentación a la planta. Esta aplicación de Control Predictivo
permitiría obtener más rápido el valor de las variables operacionales de cada etapa que
mejoren los resultados metalúrgicos de la planta.
Palabras clave: Planta de flotación RCS, Recuperación, ley de cobre, Simulador

metalúrgico, Rougher, Scavenger, Cleaner, circuito de remolienda, sistema experto,
operación híbrida, aplicación predictiva, virtual.
iii
ABSTRACT
This work was the development and implementation of a metallurgical and operational
simulator that allows to operate and emulate a mineral flotation pilot plant type RCS.
This simulator includes 4, step Rougher, regrind, Cleaner and Scavenger, each of these
stages are synchronized in the simulator which can be coupled to operation of a plant
pilot flotation extracting values of operational variables in real time. The simulator also
has the ability to operate using only the user interface created without the need for real-
time variables, but using variables defined by the operator.
The simulator can run real-time variables allows the hybrid operation of the pilot plant
flotation, since a part of the operation is real and some is through virtual simulation. In
this case, a plant is defined as the characteristics possessed equipment pilot laboratory
flotation, a line of cells Rougher composed of the three cells of the pilot plant to which
four virtual cells is added is generated, a circuit defined fully virtual regrinding, the
pilot flotation column in the Cleaner stage was used and for the stage Scavenger
developed a line with the 2 cells to 5 virtual pilot plant cells. For flows Rougher product
of step sufficient to feed the stage Cleaner virtual three cells lines, where each
metallurgical results are equal to those of the existing line Rougher joined. The Cleaner
step needed no virtual lines while for Scavenger stage was due add a virtual line with
similar the line defined Scavenger results. Besides getting the pilot plant operates in a
hybrid way, an expert system that allows you to find points of operation that improve
metallurgical results of the plant in real time, this system is subject to restrictions
concentrate grade end and operating conditions implemented limit for the different
stages. The hybrid operation in the base case managed to recover 87% with a copper
grade of 34.3%, after this expert system was used which found an operating point that
allows a 89% recovery of copper maintaining copper grade in concentrated.
Another use for the expert system, taking advantage of the ability of the simulator to
run without having operational data in real time, is a predictive application which
allows you to find best operating points in minutes without the need to wait for the
stabilization of the plant. This is to operate the simulator in conjunction with the expert
iv
system parallel to a flotation plant with the same variables operational and feeding
conditions thereof, to seek an operating point to improve metallurgical results, this
allows the operator to have a reference when making decisions and can act more
quickly to disturbances in food.
Keywords: RCS flotation plant, Recovery, copper grade, metallurgical simulator,

Rougher, Scavenger, Cleaner, regrinding circuit, expert system, hybrid operation,
predictive application, virtual.
v
ÍNDICE DE CONTENIDOS
AGRADECIMIENTOS ................................................................................................ i
RESUMEN................................................................................................................... ii
ABSTRACT ................................................................................................................ iv
ÍNDICE DE CONTENIDOS ...................................................................................... vi
ÍNDICE DE TABLAS ................................................................................................ xi
ÍNDICE DE FIGURAS ............................................................................................. xvi
NOMENCLATURA ............................................................................................... xxxi
OBJETIVOS. ............................................................................................................... 1
CAPÍTULO 1: ANTECEDENTES. ............................................................................. 2
1.1. Fundamentos Teóricos. ..................................................................................... 2
1.1.1. Proceso de Flotación. ............................................................................. 2
1.1.2. Proceso de Clasificación. ....................................................................... 8
1.1.3. Proceso de Molienda. ........................................................................... 11
1.2. Circuitos y Equipos de Flotación. ................................................................... 14
1.3. Simulación de Procesos................................................................................... 17
1.3.1. Simulador Metalúrgico Planta de Flotación. ........................................ 18
1.4. Control de Procesos. ....................................................................................... 19
1.4.1. Estrategias de Control. ......................................................................... 19
1.4.2. Sistemas de Control Distribuido Convencional. .................................. 22
1.5. Sistema Experto. ............................................................................................. 25
CAPÍTULO 2: EQUIPO EXPERIMENTAL. ........................................................... 26

2.1. Líneas de Celdas de Flotación Mecánica. ....................................................... 26
2.1.2. Circuito de Aire. ................................................................................... 28
2.1.3. Circuito de Agua. ................................................................................. 28
vi
2.2. Columna de Flotación. .................................................................................... 31
2.3. Descripción de Operación Híbrida de planta piloto de flotación RCS. ........... 34
2.4. Sistema de Control Distribuido (SCD). ........................................................... 36
2.4.1. Proceso. ................................................................................................ 36
2.4.2. PLC (Programable Logic Controller)................................................... 36
2.4.3. Interfaz del Usuario. ............................................................................. 37
2.5. Lazos de Control Convencional y otros Equipos de la Planta Piloto.............. 41
2.5.1. Lazo de Control de Profundidad de Espuma Celdas de Flotación.

41
2.5.2. Lazo de Control del Flujo de Aire Celdas de Flotación. ...................... 42
2.5.3. Lazo de Control en Cascada para Concentración de aire en

Columna de Flotación. ........................................................................................ 43
2.5.4. Lazo de Control de Profundidad de Espuma Columna de

Flotación. ............................................................................................................ 43
2.5.5. Lazo de Control de Bias Columna de Flotación. ................................. 44
2.5.6. Otros Elementos Importantes Planta Piloto. ........................................ 44
2.6. Sintonía Lazos de Control Retroalimentado. .................................................. 45
2.6.1. Sintonía Lazo de Control de Profundidad de Espuma Celdas. ............ 46
2.6.2. Sintonía Lazo de Control Flujo de Aire Celdas de Flotación. ............. 47
2.6.3. Lazo de Control en Cascada Flujo de Aire y Concentración de

aire de la Columna. ............................................................................................. 49
2.6.4. Sintonía Lazo de Control de Profundidad de Espuma Columna.......... 51
2.6.5. Sintonía Lazo de Control del Bias de la Columna. .............................. 51
2.7. Detector de Estado Estacionario. .................................................................... 53
2.8. Implementación Control Prealimentado. ........................................................ 56
vii
2.9. Base de Datos. ................................................................................................. 57
CAPITULO 3: SIMULADOR METALÚRGICO. .................................................... 60

3.1. Supuestos y Modelo para Alimentación al Circuito. ...................................... 60
3.1.1. Supuestos para la Pulpa de Alimentación. ........................................... 60
3.1.2. Modelo de Condiciones Granulométricas Pulpa de Alimentación.

61
3.2. Modelo Celdas de Flotación Rougher y Scavenger. ....................................... 63
3.2.1. Supuestos del Modelo. ......................................................................... 63
3.2.2. Modelos Zona de Colección. ............................................................... 63
3.2.3. Modelos Zona de Espuma. ................................................................... 66
3.2.4. Modelo de Recuperación de Agua. ...................................................... 67
3.2.5. Modelo de Recuperación de Ganga. .................................................... 67
3.2.6. Ley y Recuperación de Mineral. .......................................................... 68
3.2.7. Análisis de Sensibilidad del Modelo. ................................................... 68
3.3. Modelación circuito de Remolienda. .............................................................. 72
3.3.1. Modelación Hidrociclones. .................................................................. 73
3.3.2. Modelación Molino Vertical. ............................................................... 76
3.4. Modelación de Columna de Flotación. ........................................................... 80
3.4.1. Suposiciones del Modelo. .................................................................... 80
3.4.2. Cálculo de Variables Operacionales. ................................................... 80
3.4.3. Modelo Zona de Colección. ................................................................. 81
3.4.4. Modelo Zona de Espuma. .................................................................... 82
3.4.5. Ley y Recuperación de Mineral. .......................................................... 82
3.4.6. Análisis de Sensibilidad del Modelo. ................................................... 82
3.5. Lógica de Funcionamiento de Simulador Metalúrgico. .................................. 85
viii
CAPÍTULO 4: SIMULACIÓN DE PLANTA Y CONTROL EXPERTO. ............... 91
4.1. Planta Simulada............................................................................................... 91
4.2. Sistema Experto. ............................................................................................. 95
CAPÍTULO 5: RESULTADOS. ................................................................................ 99

5.1. Operación planta de flotación híbrida RCS. .................................................... 99
5.2. Convergencia del Simulador Metalúrgico. ................................................... 103
5.3. Resultados Sistema Experto. ......................................................................... 105
5.3.1. Primera Experiencia conjunto con Operación Híbrida. ..................... 105
5.3.2. Segunda Experiencia en conjunto con Operación Híbrida. ............... 108
5.3.3. Tercera Experiencia con Simulación Total de la Planta. ................... 111
5.3.4. Cuarta Experiencia con Simulación Total de la Planta. ..................... 116
5.4. Discusión general de resultados. ................................................................... 124
CONCLUSIONES Y RECOMENDACIONES. ...................................................... 125

 Conclusiones: ................................................................................................ 125
 Recomendaciones:......................................................................................... 126
REFERENCIAS. ...................................................................................................... 127

ANEXOS. ................................................................................................................ 132
ANEXO A: Especificaciones PLC. ...................................................................... 132
ANEXO B: Ventanas Interfaz de Usuario. .......................................................... 134
ANEXO C: Especificaciones instrumentos y Equipos planta piloto. .................. 144
ANEXO D: Parámetros detector de estado estacionario. ..................................... 155
ANEXO E: Distribución de tablas de datos en base de datos. ............................. 156
ANEXO F: Parámetros modelo granulometría de alimentación y modelo

celdas de flotación. ............................................................................................... 157
ANEXO G: Curvas de análisis de sensibilidad de celdas de flotación. ............... 158
ix
ANEXO H: Parámetros del modelo del circuito de remolienda. ......................... 166
ANEXO I: Valor de los parámetros modelo de columna de flotación. ................ 167
ANEXO J: Curvas de análisis de sensibilidad de columna de flotación. ............. 168
ANEXO K: Curvas de convergencia de resultados metalúrgicos. ....................... 171
ANEXO L: Gráficos de primera experiencia con Sistema Experto. .................... 187
ANEXO M: Gráficos de segunda experiencia con Sistema Experto. .................. 199
ANEXO N: Convergencia variables metalúrgicas tercera prueba con Sistema

Experto. ................................................................................................................ 211
ANEXO O: Evolución variables operacionales en tercera prueba con

Sistema Experto. ................................................................................................... 221
ANEXO P: Convergencia variables metalúrgicas cuarta prueba con Sistema

Experto, primer caso. ............................................................................................ 226
ANEXO Q: Evolución variables operacionales en cuarta prueba con Sistema

Experto, primer caso. ............................................................................................ 236
ANEXO R: Convergencia variables metalúrgicas cuarta prueba con Sistema

Experto, segundo caso. ......................................................................................... 241
ANEXO S: Evolución variables operacionales en cuarta prueba con Sistema

Experto, segundo caso. ......................................................................................... 251
x
ÍNDICE DE TABLAS
Tabla 1.1: Ventajas y desventajas del control retroalimentado y prealimentado
(Perry & Green, 1997)................................................................................................ 21
Tabla 2.1: Características celdas de flotación. ........................................................... 28
Tabla 2.2: Listado de equipos línea de flotación Rougher. ........................................ 29
Tabla 2.3: Listado de equipos de línea de flotación Scavenger. ................................ 30
Tabla 2.4: Características de la columna de flotación................................................ 31
Tabla 2.5: Listado de equipos de columna de flotación. ............................................ 33
Tabla 2.6: Parámetros de control calculados para lazo de profundidad de
espuma celda Rougher 1. ........................................................................................... 47
Tabla 2.7: Parámetros de control profundidad de espuma celdas Rougher. .............. 47
Tabla 2.8: Parámetros de control profundidad de espuma celdas Scavenger. ........... 47
Tabla 2.9: Parámetros de control de flujo de aire calculados por método
empírico de oscilación................................................................................................ 48
Tabla 2.10: Parámetros de control de flujo de aire celdas Rougher........................... 48
Tabla 2.11: Parámetros de control de flujo de aire celdas Scavenger. ....................... 48
Tabla 2.12: Parámetros de control flujo de aire columna de flotación. ..................... 49
Tabla 2.13: Parámetros finales de control para flujo de aire columna de
flotación...................................................................................................................... 50
Tabla 2.14: Parámetros de control Concentración de aire columna de flotación.
.................................................................................................................................... 50
Tabla 2.15: Parámetros finales de control para flujo de aire columna de
flotación...................................................................................................................... 50
Tabla 2.16: Parámetros de control de profundidad de espuma de columna Z-N.
.................................................................................................................................... 51
Tabla 2.17: Parámetros finales de control de profundidad de espuma columna. ....... 51
Tabla 2.18: Parámetros de control de bias en columna. ............................................. 52
Tabla 2.19: Parámetros finales de control de bias en columna. ................................. 52
Tabla 3.1: Nomenclatura de clases de tamaño. .......................................................... 61
Tabla 3.2: Valores de variables de análisis de sensibilidad celdas de flotación. ....... 69
xi
Tabla 3.3: Valores de variables de análisis de sensibilidad columna de
flotación...................................................................................................................... 83
Tabla 4.1: Rango de operación de variables controladas ........................................... 95
Tabla 5.1: Datos de la pulpa de alimentación. ........................................................... 99
Tabla 5.2: Variables operacionales etapa Rougher. ................................................... 99
Tabla 5.3: Variables operacionales circuito de remolienda. .................................... 100
Tabla 5.4: Variables operacionales etapa Cleaner. .................................................. 100
Tabla 5. 5: Variables operacionales etapa Scavenger. ............................................. 100
Tabla 5.6: Resultado metalúrgico etapa Rougher. ................................................... 100
Tabla 5.7: Resultado granulométrico en circuito de remolienda. ............................ 101
Tabla 5.8: Resultado metalúrgico etapa Cleaner. .................................................... 101
Tabla 5.9: Resultado metalúrgico etapa Scavenger. ................................................ 101
Tabla 5.10: Resultados metalúrgicos globales de circuito RCS. .............................. 101
Tabla 5.11: Resumen de resultados metalúrgicos punto de operación 18. .............. 107
Tabla 5.12: Variables operacionales en punto de operación 18. .............................. 107
Tabla 5.13: Variables operacionales circuito de remolienda punto de operación
18. ............................................................................................................................. 107
Tabla 5.14: Resumen de resultados metalúrgicos punto de operación 16. .............. 109
Tabla 5.15: Variables operacionales en punto de operación 16. .............................. 109
Tabla 5.16: Variables operacionales circuito de remolienda punto de operación
16. ............................................................................................................................. 110
Tabla 5.17: Datos de la pulpa de alimentación. ....................................................... 111
Tabla 5.18: Variables operacionales inicio tercera prueba Sistema Experto. .......... 111
Tabla 5.19: Variables operacionales circuito de remolienda inicio tercera
prueba Sistema Experto............................................................................................ 112
Tabla 5.20: Resumen de resultados metalúrgicos inicio tercera prueba Sistema
Experto. .................................................................................................................... 112
Tabla 5.21: Datos de la pulpa de alimentación después de la perturbación. ............ 112
Tabla 5.22: Resumen de resultados metalúrgicos después de la perturbación en
tercera prueba Sistema Experto................................................................................ 112
xii
Tabla 5.23: Variables operacionales circuito de remolienda después de la
perturbación en tercera prueba Sistema Experto. ..................................................... 112
Tabla 5.24: Resumen de resultados metalúrgicos final tercera prueba Sistema
Experto. .................................................................................................................... 114
Tabla 5.25: Variables operacionales final tercera prueba Sistema Experto. ............ 114
Tabla 5.26: Variables operacionales circuito de remolienda final tercera prueba
Sistema Experto. ...................................................................................................... 114
Tabla 5.27: Datos de la pulpa de alimentación cuarta experiencia Sistema
Experto. .................................................................................................................... 116
Tabla 5.28: Variables operacionales inicio cuarta prueba Sistema Experto. ........... 116
Tabla 5.29: Variables operacionales circuito de remolienda inicio cuarta prueba
Sistema Experto. ...................................................................................................... 116
Tabla 5.30: Resumen de resultados metalúrgicos inicio cuarta prueba Sistema
Experto. .................................................................................................................... 117
Tabla 5.31: Datos de la pulpa de alimentación después de la perturbación,
primer caso. .............................................................................................................. 117
Tabla 5.32: Resumen de resultados metalúrgicos después de la perturbación,
primer caso. .............................................................................................................. 117
perturbación, primer caso. ........................................................................................ 117
Tabla 5.34: Resumen de resultados metalúrgicos final de cuarta prueba, primer
caso. .......................................................................................................................... 119
Tabla 5.35: Variables operacionales final de cuarta prueba, primer caso. ............... 119
Tabla 5.36: Variables operacionales circuito de remolienda final de cuarta
prueba, primer caso. ................................................................................................. 119
Tabla 5.37: Datos de la pulpa de alimentación después de la perturbación,
segundo caso. ........................................................................................................... 120
Tabla 5.38: Resumen de resultados metalúrgicos después de la perturbación,
segundo caso. ........................................................................................................... 120
xiii
perturbación, segundo caso. ..................................................................................... 120
Tabla 5.40: Resumen de resultados metalúrgicos final cuarta prueba, segundo
caso. .......................................................................................................................... 122
Tabla 5.41: Variables operacionales final cuarta prueba, segundo caso. ................. 122
Tabla 5.42: Variables operacionales circuito de remolienda final cuarta prueba,
segundo caso. ........................................................................................................... 122
Tabla A.1: Especificaciones de módulos del PLC. .................................................. 132
Tabla A.2: Distribución de instrumentos y equipos en canales del PLC. ................ 133
Tabla C.1: Características sensores de nivel ultrasónicos. ....................................... 144
Tabla C.2: Especificaciones válvulas de control de nivel celdas Rougher y
Scavenger. ................................................................................................................ 144
Tabla C.3: Especificación de transductores I/P celdas Rougher y Scavenger. ........ 145
Tabla C.4: Características flujómetros másicos. ...................................................... 146
Tabla C.5: Características válvulas de control de flujo de aire celdas de
flotación.................................................................................................................... 146
Tabla C.6: Características sensores de diferencia de presión Dpcell. ...................... 147
Tabla C.7: Características flujómetro másico. ......................................................... 147
Tabla C.8: Características válvula de control flujo de aire columna de flotación.
.................................................................................................................................. 148
Tabla C.9: Características transductor I/P lazo de control flujo de aire columna
de flotación. .............................................................................................................. 148
Tabla C.10: Características válvula Pinch de control de profundidad de espuma
columna de flotación. ............................................................................................... 149
Tabla C.11: Características flujómetro magnético. .................................................. 149
Tabla C.12: Características bomba de agua de lavado. ............................................ 150
Tabla C.13: Características bombas peristálticas de alimentación planta piloto
de flotación. .............................................................................................................. 151
Tabla C.14: Especificaciones manómetros. ............................................................. 152
Tabla C.15: Especificaciones válvula de bola manual. ............................................ 152
xiv
Tabla C.16: Especificaciones regulador de presión columna de flotación. ............. 153
Tabla C.17: Especificaciones regulador de presión celdas Rougher. ...................... 153
Tabla C.18: Especificaciones regulador de presión celdas Scavenger. ................... 154
Tabla C.19: Características agitadores mecánicos de celdas de flotación. .............. 154
Tabla D.1: Tabla de asignación de parámetros de detector de estado
estacionario. ............................................................................................................. 155
Tabla F.1: Parámetros del modelo distribución granulometría de alimentación.
.................................................................................................................................. 157
Tabla F.2: Parámetros del modelo metalúrgico para celdas de flotación. ............... 157
Tabla H.1: Dimensiones del hidrociclón. ................................................................. 166
Tabla H.2: Valor de parámetros modelo hidrociclón. .............................................. 166
Tabla H.3: Valor de parámetros modelo molino vertical. ........................................ 166
Tabla I.1: Parámetros de modelo para columna de flotación. .................................. 167
xv
ÍNDICE DE FIGURAS
Figura 1.1: Esquema del proceso de flotación en celda autoaspirante ......................... 3
Figura 1.2: Esquema conceptual del proceso de flotación ........................................... 4
Figura 1.3: Recuperación de cobre versus tamaño de partícula ................................... 5
Figura 1.4: Adhesión del colector a la superficie del mineral...................................... 6
Figura 1.5: Adhesión de un espumante a la superficie de una burbuja ........................ 7
Figura 1.6: Modelo conceptual multifásico ................................................................. 8
Figura 1.7: Esquema de funcionamiento de un hidrociclón. ........................................ 9
Figura 1.8: Tipos de descarga de hidrociclón ............................................................ 10
Figura 1.9: Curvas de eficiencia real y corregida para la operación de un
hidrociclón.................................................................................................................. 11
Figura 1.10: Perfil de velocidad media de un molino vertical agitado ...................... 12
Figura 1.11: Tipos de celdas de flotación a) Sistema de aire forzado, b) Sistema
autoaspirante .............................................................................................................. 14
Figura 1.12: Esquema ingreso aire columna. ............................................................. 14
Figura 1.13: Circuito RSC ......................................................................................... 16
Figura 1.14: Circuito RCS con remolienda. ............................................................... 16
Figura 1.15: Jerarquía modelación matemática ......................................................... 18
Figura 1.16: Esquema control retroalimentado .......................................................... 19
Figura 1.17: Esquema control prealimentado ............................................................ 21
Figura 1.18: Esquema elementos funcionales de un DCS ......................................... 24
Figura 2.1: Circuito de celdas de flotación Rougher.................................................. 26
Figura 2.2: Circuito de celdas de flotación Scavenger. .............................................. 27
Figura 2.3: Esquema celdas de flotación.................................................................... 27
Figura 2.4: Diagrama P&ID de línea de flotación Rougher....................................... 29
Figura 2.5: Diagrama P&ID de línea de flotación Scavenger. ................................... 30
Figura 2.6: Panel de control columna de flotación. ................................................... 31
Figura 2.7: Esquema de dimensiones columna de flotación. ..................................... 32
Figura 2.8: Diagrama P&ID de circuito de columna de flotación. ............................ 33
Figura 2.9: Diagrama de operación híbrida. .............................................................. 35
xvi
Figura 2.10: Programable Logic Controller (PLC) GE-Fanuc Serie 90. .................. 37
Figura 2.11: Sensor ultrasónico de nivel. ................................................................... 41
Figura 2.12: Esquema de funcionamiento del sensor de profundidad de espuma
.................................................................................................................................... 42
Figura 2.13: Lecturas necesarias desde el gráfico de curva de reacción. ................... 45
Figura 2.14: Curva de reacción (salto escalón) profundidad de espuma celda
Rougher 1. .................................................................................................................. 46
Figura 2.15 Curva de oscilación de Ziegler-Nichols para celda Rougher 1. ............. 48
Figura 2.16: Curva reacción (salto escalón) flujo de aire en columna de
flotación...................................................................................................................... 49
Figura 2.17: Curva reacción (salto escalón) de Concentración de aire de la
columna de flotación. ................................................................................................. 50
Figura 2.18: Curva de oscilación de profundidad de espuma en columna. ............... 51
Figura 2.19: Curva de reacción control de bias de columna. ..................................... 52
Figura 2.20: Ventana administrador de orígenes de datos ODBC. ............................ 57
Figura 2.21: Ventada de configuración ODBC Microsoft Access.............................. 58
Figura 2.22: Ventana de acceso a Bind list. ............................................................... 58
Figura 2.23: Ventana de configuración Bind list. ...................................................... 58
Figura 2.24: Organización de tablas de información base de datos principal. ........... 59
Figura 3.1: Esquema circuito de remolienda modelado. ............................................ 72
Figura 3.2: Dimensiones de un hidrociclón. .............................................................. 73
Figura 3.3: Comportamiento modelo hidrociclones. ................................................. 76
Figura 3.4: Comportamiento del modelo molino vertical. ......................................... 79
Figura 3.5: Esquema de flujo de información del simulador. .................................... 86
Figura 3.6: Esquema de funcionamiento simulador etapa Rougher. ......................... 87
Figura 3.7: Esquema de funcionamiento simulador circuito de remolienda. ............. 88
Figura 3.8: Esquema funcionamiento simulador etapa Cleaner. ............................... 89
Figura 3.9: Esquema funcionamiento etapa Scavenger. ............................................ 90
Figura 4.1: Diagrama de flujo planta de flotación RCS establecida. ......................... 93
Figura 4.2: Esquema funcionamiento Control Experto.............................................. 98
xvii
Figura 5.1: Curvas de convergencia Recuperación en puesta en marcha. ................ 103
Figura 5.2: Curvas de convergencia Recuperación ante perturbación en
alimentación. ............................................................................................................. 104
Figura 5.3: Recuperación global de Cobre en cada punto de operación de
experiencia 1. ............................................................................................................ 106
Figura 5.4: Ley de Cobre en el concentrado final en cada punto de operación
de experiencia 1......................................................................................................... 106
Figura 5.5: Recuperación global de Cobre en cada punto de operación de
experiencia 2. ............................................................................................................ 108
Figura 5.6: Ley de Cobre en el concentrado final en cada punto de operación
de experiencia 2......................................................................................................... 109
Figura 5.7: Convergencia de la recuperación global hasta un mejor punto de
operación. .................................................................................................................. 113
Figura 5.8: Convergencia de la ley de cobre en el concentrado final. ...................... 113
operación, primer caso. ............................................................................................. 118
Figura 5.10: Convergencia de la ley de cobre en el concentrado final. .................... 118
operación, segundo caso............................................................................................ 121
Figura 5.12: Convergencia de la ley de cobre en el concentrado final, segundo
caso. ........................................................................................................................... 121
Figura A.1: Esquema de PLC utilizado en planta piloto de flotación. ...................... 132
Figura B.1: Ventana Principal HMI. ......................................................................... 134
Figura B.2: Ventana de Control Celdas Scavenger de flotación piloto. .................. 135
Figura B.3: Ventana de Control de Columna de flotación piloto. ............................ 135
Figura B.4: Ventana de Control Celdas Rougher de flotación piloto. ..................... 136
Figura B.5: Ventana de Simulador Metalúrgico principal. ....................................... 136
Figura B. 6: Ventana Simulador Metalúrgico etapa Rougher. .................................. 137
Figura B.7: Ventana Simulador Metalúrgico etapa Cleaner. .................................... 137
Figura B. 8: Ventana Simulador Metalúrgico etapa Scavenger. ............................... 138
xviii
Figura B. 9: Ventana Simulador Metalúrgico etapa Remolienda. ............................ 138
Figura B.10: Ventana de Base de Datos de la planta piloto. ..................................... 139
Figura B.11: Ventana de Registro Histórico de la planta piloto. .............................. 139
Figura B.12: Ventana del Detector de Estado Estacionario. ..................................... 140
Figura B.13: Ventana del Control Experto. .............................................................. 140
Figura B.14: Ventana principal de Simulación. ........................................................ 141
Figura B.15: Ventana de Simulación etapa Rougher. ............................................... 142
Figura B.16: Ventana de Simulación Cleaner. ......................................................... 142
Figura B.17: Ventana de Simulación Circuito de Remolienda. ................................ 143
Figura B.18: Ventana de Simulación etapa Scavenger. ............................................ 143
Figura C.1: Sensor de nivel ultrasónico. ................................................................... 144
Figura C.2: Válvulas de control de nivel de espuma. (a) Válvula Rougher 1 y
2, (b) válvula Rougher 3, (c) válvula Scavenger 1, (d) válvula Scavenger 2............ 145
Figura C. 3: Transductor I/P celdas Rougher (a) y celdas Scavenger (b). ................ 145
Figura C.4: Flujómetro másico celdas Rougher (a), flujómetro másico celda
Scavenger 1 (b), flujómetro másico celda Scavenger 2 (c). ...................................... 146
Figura C.5: Válvula de control de flujo de aire celdas Rougher (a), válvula de
control de flujo de aire celdas Scavenger (b). ........................................................... 147
Figura C.6: Celda de diferencia de presión (Dpcell)................................................. 147
Figura C.7: Flujómetro másico para aire de columna de flotación. .......................... 148
Figura C.8: Válvula de control flujo de aire columna de flotación. .......................... 148
Figura C.9: Transductor I/P lazo de control de columna de flotación. ..................... 149
Figura C.10: Válvula Pinch de control profundidad de espuma columna de
flotación..................................................................................................................... 149
Figura C.11: Flujómetro magnético de columna de flotación................................... 150
Figura C.12: Bomba de agua de lavado columna de flotación. ................................ 150
Figura C.13: Bomba peristáltica de alimentación etapa Rougher (a), bomba
peristáltica de alimentación etapa Scavenger (b), bomba peristáltica de
alimentación columna (c). ......................................................................................... 151
Figura C.14: Manómetro. .......................................................................................... 152
xix
Figura C.15: Válvula de bola manual. ...................................................................... 152
Figura C.16: Regulador de presión línea de aire. ...................................................... 153
Figura C.19: Agitador mecánico de celdas de flotación. .......................................... 154
Figura E.1: Distribución de datos en base de datos de experiencias de control
automático. ................................................................................................................ 156
Figura E.2: Distribución de datos en base de datos de experiencias de
simulación metalúrgica. ............................................................................................ 156
Figura G.1: Recuperación y ley v/s profundidad de espuma. ................................... 158
Figura G.2: Perfil de recuperación en línea de celdas, ante cambio de
profundidad de espuma. ............................................................................................ 158
Figura G.3: Perfil de ley de concentrado en línea de celdas, ante cambio de
profundidad de espuma. ............................................................................................ 159
Figura G.4: Recuperación y ley v/s Jg. ..................................................................... 159
Figura G.5: Perfil de recuperación en línea de celdas, ante cambio de Jg. ............... 160
Figura G.6: Perfil de ley de concentrado en línea de celdas, ante cambio de Jg.
................................................................................................................................... 160
Figura G.7: Recuperación y ley v/s Porcentaje de sólidos. ....................................... 161
Figura G.8: Perfil de recuperación en línea de celdas, ante cambio de porcentaje
de sólidos................................................................................................................... 161
porcentaje de sólidos. ................................................................................................ 162
Figura G.10: Recuperación y ley v/s Porcentaje de gruesos. .................................... 162
Figura G.11: Recuperación y ley v/s Flujo de alimentación. .................................... 163
Figura G.12: Perfil de recuperación en línea de celdas, ante cambio de flujo de
alimentación. ............................................................................................................. 163
flujo de alimentación. ................................................................................................ 164
Figura G.14: Recuperación y ley v/s Ley de alimentación. ...................................... 164
xx
Figura G.15: Perfil de recuperación en línea de celdas, ante cambio de ley de
alimentación. ............................................................................................................. 165
ley de alimentación. .................................................................................................. 165
Figura J.1: Curva de recuperación y ley v/s Profundidad de espuma. ...................... 168
Figura J.2: Curva de recuperación y ley v/s Jg. ........................................................ 168
Figura J.3: Curva de recuperación y ley v/s porcentaje de sólidos. .......................... 169
Figura J.4: Curva de recuperación y ley v/s Jw. ....................................................... 169
Figura J.5: Curva de recuperación y ley v/s Flujo de alimentación. ......................... 170
Figura J.6: Curva de recuperación y ley v/s Ley de alimentación. ........................... 170
Figura K.1: Convergencia de Recuperaciones de cada etapa de flotación. .............. 171
Figura K.2: Convergencia Flujos etapa Rougher. ..................................................... 171
Figura K.3: Convergencia Flujos Hidrociclones. ...................................................... 172
Figura K.4: Convergencia Flujos etapa Cleaner. ...................................................... 172
Figura K.5: Convergencia Flujos etapa Scavenger. .................................................. 173
Figura K.6: Convergencia Porcentaje sólidos Rougher. ........................................... 173
Figura K.7: Convergencia Porcentaje sólidos Hidrociclones. .................................. 174
Figura K.8: Convergencia Porcentaje sólidos Cleaner. ............................................ 174
Figura K.9: Convergencia Porcentaje sólidos Scavenger. ........................................ 175
Figura K.10: Convergencia Ley de cobre Rougher. ................................................. 175
Figura K.11: Convergencia Ley de cobre Cleaner. .................................................. 176
Figura K.12: Convergencia Ley de cobre Scavenger................................................ 176
Figura K.13: Convergencia Porcentaje de gruesos Rougher. ................................... 177
Figura K.14: Convergencia Porcentaje de gruesos Circuito de Remolienda. ........... 177
Figura K.15: Convergencia Porcentaje gruesos Cleaner. ......................................... 178
Figura K.16: Convergencia Porcentaje de gruesos Scavenger.................................. 178
Figura K.17: Convergencia de Recuperaciones de cada etapa de flotación. ............ 179
Figura K.18: Convergencia Flujos etapa Rougher. ................................................... 179
Figura K.19: Convergencia Flujos Hidrociclones. .................................................... 180
Figura K.20: Convergencia Flujos etapa Cleaner. .................................................... 180
xxi
Figura K.21: Convergencia Flujos etapa Scavenger. ................................................ 181
Figura K.22: Convergencia Porcentaje sólidos Rougher. ......................................... 181
Figura K.23: Convergencia Porcentaje sólidos Hidrociclones. ................................ 182
Figura K.24: Convergencia Porcentaje sólidos Cleaner. .......................................... 182
Figura K.25: Convergencia Porcentaje sólidos Scavenger. ...................................... 183
Figura K.26: Convergencia Ley de cobre Rougher. ................................................. 183
Figura K.27: Convergencia Ley de cobre Cleaner. .................................................. 184
Figura K.28: Convergencia Ley de cobre Scavenger................................................ 184
Figura K.29: Convergencia Porcentaje de gruesos Rougher. ................................... 185
Figura K.30: Convergencia Porcentaje de gruesos Circuito de Remolienda. ........... 185
Figura K.31: Convergencia Porcentaje gruesos Cleaner. ......................................... 186
Figura K.32: Convergencia Porcentaje de gruesos Scavenger.................................. 186
Figura L.1: Recuperación etapa Rougher en cada punto de operación de
primera experiencia. .................................................................................................. 187
Figura L.2: Recuperación etapa Scavenger en cada punto de operación de
Figura L.3: Recuperación etapa Cleaner en cada punto de operación de primera
experiencia. ............................................................................................................... 188
Figura L.4: Ley de Cobre concentrado Rougher en cada punto de operación de
Figura L.5: Ley de Cobre concentrado Scavenger en cada punto de operación
de primera experiencia. ............................................................................................. 189
Figura L.6: Jg de celdas Rougher en cada punto de operación. ................................ 189
Figura L.7: Profundidad de espuma primera celda Rougher en cada punto de
operación. .................................................................................................................. 190
Figura L.8: Profundidad de espuma segunda celda Rougher en cada punto de
operación. .................................................................................................................. 190
Figura L.9: Profundidad de espuma tercera celda Rougher en cada punto de
operación. .................................................................................................................. 191
xxii
Figura L.10: Concentración de aire columna de flotación en cada punto de
operación. .................................................................................................................. 191
Figura L.11: Jg columna de flotación en cada punto de operación. .......................... 192
Figura L.12: Profundidad de espuma columna de flotación en cada punto de
operación. .................................................................................................................. 192
Figura L.13: Curva de operación en tiempo real variación de Jg Rougher
tiempo 0 a 2500 [s].................................................................................................... 193
Figura L.14: Curva de operación en tiempo real variación de Jg Rougher
tiempo 2500 a 5000 [s].............................................................................................. 193
Figura L.15: Curva de operación en tiempo real variación de Hf Rougher 1
tiempo 0 a 2500 [s].................................................................................................... 194
tiempo 2500 a 5000 [s].............................................................................................. 194
tiempo 0 a 2500 [s].................................................................................................... 195
tiempo 2500 a 5000 [s].............................................................................................. 195
tiempo 0 a 2500 [s].................................................................................................... 196
tiempo 2500 a 5000 [s].............................................................................................. 196
Figura L.21: Curva de operación en tiempo real variación del Concentración
de aire Cleaner tiempo 0 a 2500 [s]. ........................................................................ 197
Figura L.22: Curva de operación en tiempo real variación del Concentración
de aire Cleaner tiempo 2500 a 5000 [s]. .................................................................. 197
Figura L.23: Curva de operación en tiempo real variación del Hf Cleaner
tiempo 0 a 2500 [s].................................................................................................... 198
Figura L.24: Curva de operación en tiempo real variación del Hf Cleaner
tiempo 0 a 2500 [s].................................................................................................... 198
xxiii
Figura M.1: Recuperación etapa Rougher en cada punto de operación de
segunda experiencia. ................................................................................................. 199
Figura M.2: Recuperación etapa Cleaner en cada punto de operación de
Figura M.3: Recuperación etapa Scavenger en cada punto de operación de
Figura M.4: Ley de Cobre concentrado Rougher en cada punto de operación de
Figura M.5: Ley de Cobre concentrado Scavenger en cada punto de operación
de segunda experiencia. ............................................................................................ 201
Figura M.6: Profundidad de espuma primera celda Rougher en cada punto de
operación. .................................................................................................................. 201
Figura M.7: Profundidad de espuma segunda celda Rougher en cada punto de
operación. .................................................................................................................. 202
Figura M.8: Profundidad de espuma tercera celda Rougher en cada punto de
operación. .................................................................................................................. 202
Figura M.9: Concentración de aire de la columna de flotación en cada punto
de operación. ............................................................................................................. 203
Figura M.10: Jg columna de flotación en cada punto de operación.......................... 203
Figura M.11: Profundidad de espuma columna de flotación en cada punto de
operación. .................................................................................................................. 204
Figura M.12: Curva de operación en tiempo real variación de Jg Scavenger
tiempo 0 a 2500 [s].................................................................................................... 204
Figura M.13: Curva de operación en tiempo real variación de Jg Scavenger
tiempo 2500 a 5000 [s].............................................................................................. 205
Figura M.14: Curva de operación en tiempo real variación de Jg Rougher
tiempo 0 a 2500 [s].................................................................................................... 205
Figura M.15: Curva de operación en tiempo real variación de Jg Rougher
tiempo 2500 a 5000 [s].............................................................................................. 206
xxiv
Figura M.16: Curva de operación en tiempo real variación de Hf Rougher 1
tiempo 0 a 2500 [s].................................................................................................... 206
tiempo 2500 a 5000 [s].............................................................................................. 207
tiempo 0 a 2500 [s].................................................................................................... 207
tiempo 2500 a 5000 [s].............................................................................................. 208
Figura M.20: Curva de operación en tiempo real variación de Concentración
de aire Cleaner tiempo 0 a 2500 [s]. ......................................................................... 208
Figura M.21: Curva de operación en tiempo real variación de Concentración
de aire Cleaner tiempo 2500 a 5000 [s]. ................................................................... 209
Figura M.22: Curva de operación en tiempo real variación de Hf Cleaner
tiempo 0 a 2500 [s].................................................................................................... 209
Figura M.23: Curva de operación en tiempo real variación de Hf Cleaner
tiempo 2500 a 5000 [s].............................................................................................. 210
Figura N.1: Convergencia de la recuperación global hasta un mejor punto de
operación. .................................................................................................................. 211
Figura N.2: Convergencia de la ley de cobre en el concentrado final. ..................... 211
Figura N.3: Convergencia de la recuperación de cobre en cada etapa de la
planta. ........................................................................................................................ 212
Figura N.4: Convergencia de la recuperación de cobre en la etapa Scavenger. ....... 212
Figura N.5: Convergencia de los flujos másicos en cada corriente de la etapa
Rougher. .................................................................................................................... 213
de Remolienda. .......................................................................................................... 213
Cleaner. ..................................................................................................................... 214
Scavenger. ................................................................................................................. 214
xxv
Figura N.9: Convergencia de los porcentajes de sólidos en cada corriente de la
etapa Rougher............................................................................................................ 215
Figura N.10: Convergencia de los porcentajes de sólidos en cada corriente de
la etapa de Remolienda. ............................................................................................ 215
la etapa Cleaner......................................................................................................... 216
la etapa Scavenger. .................................................................................................... 216
Figura N.13: Convergencia de la ley de cobre en cada corriente de la etapa
Rougher. .................................................................................................................... 217
Figura N.14: Convergencia de la carga circulante de sólidos en el circuito de
Remolienda. .............................................................................................................. 217
Cleaner. ..................................................................................................................... 218
Scavenger. ................................................................................................................. 218
Figura N.17: Convergencia de los porcentajes de gruesos en cada corriente de
la etapa Rougher. ....................................................................................................... 219
la etapa Cleaner......................................................................................................... 220
Figura O.1: Evolución velocidad superficial de aire (Jg) en la etapa Rougher......... 221
Figura O.2: Evolución profundidad de espuma (Hf) en la etapa Rougher................ 221
Figura O.3: Evolución de la presión de alimentación a los hidrociclones. ............... 222
Figura O.4: Evolución del número de hidrociclones activos. ................................... 222
Figura O.5: Evolución del Concentración de aire en la etapa Cleaner. ................... 223
Figura O. 6: Evolución de la profundidad de espuma en la etapa Cleaner. .............. 223
xxvi
Figura O.7: Evolución de la velocidad superficial de agua de lavado (Jw) en la
etapa Cleaner. ........................................................................................................... 224
Figura O.8: Evolución velocidad superficial de aire (Jg) en la etapa Scavenger.
................................................................................................................................... 224
Figura O.9: Evolución profundidad de espuma (Hf) en la etapa Scavenger. ............ 225
Figura P.1: Convergencia de la recuperación global hasta un mejor punto de
operación. .................................................................................................................. 226
Figura P.2: Convergencia de la ley de cobre en el concentrado final. ...................... 226
Figura P.3: Convergencia de la recuperación de cobre en cada etapa de la
planta. ........................................................................................................................ 227
Figura P.4: Convergencia de la recuperación de cobre en la etapa Scavenger. ........ 227
Figura P.5: Convergencia de los flujos másicos en cada corriente de la etapa
Rougher. .................................................................................................................... 228
Figura P.6: Convergencia de los flujos másicos en cada corriente de la etapa de
Remolienda. .............................................................................................................. 228
Cleaner. ..................................................................................................................... 229
Scavenger. ................................................................................................................. 229
Figura P.9: Convergencia de los porcentajes de sólidos en cada corriente de la
etapa Rougher............................................................................................................ 230
Figura P.10: Convergencia de los porcentajes de sólidos en cada corriente de
la etapa Cleaner......................................................................................................... 231
Figura P.13: Convergencia de la ley de cobre en cada corriente de la etapa
Rougher. .................................................................................................................... 232
xxvii
Figura P.14: Convergencia de la carga circulante de sólidos en el circuito de
Remolienda. .............................................................................................................. 232
Cleaner. ..................................................................................................................... 233
Scavenger. ................................................................................................................. 233
Figura P.17: Convergencia de los porcentajes de gruesos en cada corriente de
la etapa Rougher. ....................................................................................................... 234
la etapa Cleaner......................................................................................................... 235
Figura Q.1: Evolución velocidad superficial de aire (Jg) en la etapa Rougher......... 236
Figura Q.2: Evolución profundidad de espuma (Hf) en la etapa Rougher................ 236
Figura Q.3: Evolución de la presión de alimentación a los hidrociclones. ............... 237
Figura Q.4: Evolución del número de hidrociclones activos. ................................... 237
Figura Q.5: Evolución del Concentración de aire en la etapa Cleaner. ................... 238
Figura Q.6: Evolución de la profundidad de espuma en la etapa Cleaner. ............... 238
Figura Q.7: Evolución de la velocidad superficial de agua de lavado (Jw) en la
etapa Cleaner. ........................................................................................................... 239
Figura Q.8: Evolución velocidad superficial de aire (Jg) en la etapa Scavenger.
................................................................................................................................... 239
Figura Q.9: Evolución profundidad de espuma (Hf) en la etapa Scavenger. ............ 240
Figura R.1: Convergencia de la recuperación global hasta un mejor punto de
operación. .................................................................................................................. 241
Figura R.2: Convergencia de la ley de cobre en el concentrado final....................... 241
Figura R.3: Convergencia de la recuperación de cobre en cada etapa de la
planta. ........................................................................................................................ 242
xxviii
Figura R. 4: Convergencia de la recuperación de cobre en la etapa Scavenger........ 242
Figura R.5: Convergencia de los flujos másicos en cada corriente de la etapa
Rougher. .................................................................................................................... 243
de Remolienda. .......................................................................................................... 243
Cleaner. ..................................................................................................................... 244
Figura R. 8: Convergencia de los flujos másicos en cada corriente de la etapa
Scavenger. ................................................................................................................. 244
Figura R.9: Convergencia de los porcentajes de sólidos en cada corriente de la
etapa Rougher............................................................................................................ 245
Figura R.10: Convergencia de los porcentajes de sólidos en cada corriente de
la etapa Cleaner......................................................................................................... 246
Figura R.13: Convergencia de la ley de cobre en cada corriente de la etapa
Rougher. .................................................................................................................... 247
Figura R.14: Convergencia de la carga circulante de sólidos en el circuito de
Remolienda. .............................................................................................................. 247
Cleaner. ..................................................................................................................... 248
Scavenger. ................................................................................................................. 248
Figura R.17: Convergencia de los porcentajes de gruesos en cada corriente de
la etapa Rougher. ....................................................................................................... 249
xxix
la etapa Cleaner......................................................................................................... 250
Figura S.1: Evolución velocidad superficial de aire (Jg) en la etapa Rougher. ........ 251
Figura S.2: Evolución profundidad de espuma (Hf) en la etapa Rougher. ............... 251
Figura S.3: Evolución de la presión de alimentación a los hidrociclones. ................ 252
Figura S.4: Evolución del número de hidrociclones activos. .................................... 252
Figura S.5: Evolución del Concentración de aire en la etapa Cleaner. .................... 253
Figura S.6: Evolución de la profundidad de espuma en la etapa Cleaner. ............... 253
Figura S.7: Evolución de la velocidad superficial de agua de lavado (Jw) en la
etapa Cleaner. ........................................................................................................... 254
Figura S.8: Evolución velocidad superficial de aire (Jg) en la etapa Scavenger.
................................................................................................................................... 254
Figura S.9: Evolución profundidad de espuma (Hf) en la etapa Scavenger. ............ 255
xxx
NOMENCLATURA
𝑎, 𝑏, 𝑐, 𝑑, 𝑓, 𝑔, : Parámetros de ajuste (Ecuación 3.24).
𝐴, 𝐵, 𝐶 : Parámetros de ajuste (Ecuación 3.39).
𝐵𝑚 (𝑦, 𝑡) : Función de distribución de tamaños en el molino para la clase y en el

tiempo t.
𝐶𝑜 : Fracción de agua que llega al rebalse de los hidrociclones.
𝑑 : Diámetro de partícula de mineral.
𝑑∗ : Tamaño de malla para el ajuste.
𝑑50𝑐 : Diámetro del 50% pasante corregido.
𝑑𝑓𝑖𝑛𝑜 : Diámetro medio de partículas de clase fina.
𝑑𝑚𝑎𝑥 : Diámetro máximo de partículas de mineral.
𝐷𝑐 : Diámetro de sección cilíndrica de hidrociclón.
𝐷𝑖 : Diámetro de alimentación de hidrociclón.
𝐷𝑜 : Diámetro de salida por tope de hidrociclón.
𝐷𝑢 : Diámetro de salida por tope de hidrociclón.
𝐸(𝑡) : Función de distribución de tiempos de residencia.
𝐸𝐹 : Factor de arrastre de partículas.
𝐹(𝑘) : Función de distribución de constantes cinéticas.

𝐹𝑖 : Flujo másico de la clase i alimentado a un equipo de flotación.
𝑔 : Aceleración de gravedad.
ℎ : Distancia entre el tope de la columna de flotación y la toma de

presión de la Dpcell inferior.
ℎ𝑐 : Altura de hidrociclón.
𝐻𝑓 : Profundidad de espuma de equipos de flotación.
𝐽𝑔 : Velocidad superficial de aire.
𝐽𝑙 : Velocidad superficial de la corriente 𝑙.
xxxi
𝐽𝑤 : Velocidad superficial de agua de lavado.
𝑘 : Constantes cinéticas de flotación en zona de colección.

𝑛
𝑘𝑚𝑎𝑥,𝑖 : Constante cinética máxima para la clase i en la celda n.
𝑘𝑟𝑎𝑧ó𝑛 : Razón entre constantes cinéticas.
𝐾 : Constante dependiente de las condiciones de molienda

(Ecuación 3.31).
𝐾𝑑 : Factor derivativo de control PID.
𝐾𝐷0 : Parámetro de ajuste a fenómenos no cuantificados en hidrociclón

(Ecuación 3.26).
𝐾𝑖 : Ganancia integral de control PID.
𝐾𝑝 : Constante de proporcional de control PID.
𝐾𝑝0 : Parámetro de ajuste a fenómenos no cuantificados en hidrociclón

(Ecuación 3.24).
𝐾𝑄0 : Parámetro de ajuste a fenómenos no cuantificados en hidrociclón

(Ecuación 3.25).
𝐾𝑣 : Parámetro de ajuste a fenómenos no cuantificados en hidrociclón

(Ecuación 3.28).
𝐾𝑤 : Parámetro de ajuste a fenómenos no cuantificados en hidrociclón

(Ecuación 3.27).
𝐿 : Distancia entre las tomas de presión de las Dpcell de la columna.
𝑚 : Parámetro de ajuste (Ecuación 3.31).
𝑀𝑛 : Material valioso que alimenta a la celda n.
𝑛 : Número de celda.
𝑛𝑚 : Parámetro de ajuste (Ecuación 3.31).
𝑃 : Presión de alimentación hidrociclón.
𝑃𝑐 : Periodo de oscilación crítico, método de sintonía de controladores de

Ziegler-Nichols.
𝑃𝑖 : Presión medida por Dpcell inferior de la columna.
xxxii
𝑃𝑗 : Variable dependiente según modelo de Nageswararao.
𝑃𝑠 : Presión medida por Dpcell superior de la columna.
𝑄 : Flujo volumétrico de alimentación a hidrociclones.
𝑄𝑎 : Flujo volumétrico de alimentación de un equipo de flotación.
𝑄𝑐 : Flujo volumétrico de relave de un equipo de flotación.
𝑄𝑓 : Flujo volumétrico de alimentación en la columna de flotación.
𝑟𝑖 : Razón de varianzas, método Rhinehart.
𝑅𝑐 : Recuperación de mineral en la zona de colección.
𝑅𝐶,𝑛 : Recuperación en la zona de colección de la celda n.
𝑅𝑓 : Recuperación de mineral en la zona de espuma.
𝑅𝑓𝑟 : Recuperación máxima de mineral en la zona de espuma columna de

flotación.
𝑅𝐺 : Recuperación de ganga en celdas de flotación.
𝑅𝑟 : Recuperación máxima zona de colección columna de flotación.
𝑅𝑤 : Recuperación de agua en celdas de flotación.
𝑅𝑤ℎ : Recuperación de agua a la descarga del hidrociclón.
𝑅𝜈 : Recuperación de sólidos a la descarga del hidrociclón.
𝑠 : Parámetro de distribución granulométrica de alimentación.
𝑆(𝑦) : Función de selección de la malla de tamaño 𝑦.
𝑡 : Tiempo.
𝑇𝑖 : Tiempo integral de control PID.
𝑉𝑐 : Volumen de la zona de colección de la columna.
𝑥𝑓𝑖 : Valor filtrado de variable operacional, método Rhinehart.
𝑥𝑖 : Valor de variable operacional, método Rhinehart.
𝑋𝑖 : Ley de cobre en la clase i, en la corriente alimentada a un equipo de

flotación.
xxxiii
𝑌 : Porcentaje de material acumulativo pasante.
𝑍(𝑦, 𝑡) : Fracción en peso de material retenido en la malla de tamaño 𝑦.
𝛽𝑛 : Factor de estabilidad de espuma.
𝛾 : Parámetro de ajuste (Ecuación 3.18).}
𝛿 : Parámetro de forma de curva de clasificación de partículas en

hidrociclón.
𝛿𝑔 : Parámetro de diámetro medio de la partícula.
𝛿𝑖 : Parámetro de ajuste para la clase i (Ecuación 3.8).
𝜀𝑔 : Concentración de gas en zona de colección de la columna

(Concentración de aire).
𝜃 : Ángulo de sección cónica de hidrociclón.
λ : Factor de sedimentación.
λ1 , λ2 , λ3 : Parámetros de ajustes método Rhinehart.
𝑣 : Parámetro de ajuste (Ecuación 3.18).
𝜉 : Recuperación máxima de agua en celdas de flotación.

2
𝜌̂𝑑𝑓𝑖 : Varianza filtrada de variable operacional, método Rhinehart segunda
parte.
𝜌𝑓 : Densidad de la pulpa de alimentación a un equipo de flotación.
𝜌𝑝 : Densidad de la pulpa de alimentación a hidrociclones.
𝜌𝑤 : Densidad del agua.

2
𝜎̂𝑑𝑓𝑖 : Varianza filtrada estimada de variable operacional, método Rhinehart
primera parte.
2
𝜎̂𝑥𝑖 : Varianza estimada de variable operacional, método Rhinehart.
𝜏 : Tiempo de residencia nominal de un equipo de flotación.
𝜏𝑐 : Tiempo de residencia nominal de columna de flotación.
𝜏𝑓 : Tiempo de residencia en zona de espuma.
𝜏𝑙 : Tiempo de residencia estanque grande modelo LSTS.
xxxiv
𝜏𝑝 : Tiempo muerto modelo LSTS.
𝜏𝑠 : Tiempo de residencia estanque pequeño modelo LSTS.
𝛷 : Parámetro de drenaje (Ecuación 3.20).
𝜒 : Parámetro de ajuste (Ecuación 3.8).
𝛹 : Parámetro de ajuste (Ecuación 3.17).
xxxv
OBJETIVOS.
El principal objetivo del presente trabajo es la implementación de un simulador
metalúrgico que emule la operación de una planta de flotación en forma de un circuito
RCS (Rougher-Cleaner-Scavenger), el cual pueda ser operado desde una interfaz
gráfica y que funcione con variables operacionales dadas o con variables operacionales
en tiempo real que provienen de la operación de la planta de flotación piloto del
Laboratorio de Control de Procesos del Departamento de Ingeniería Química y
Ambiental.
Los objetivos específicos a cumplir son la identificación y familiarización de los
equipos de la planta piloto de flotación, la creación de una interfaz gráfica de usuario
para la operación del simulador y de la planta piloto, sincronización de los simuladores
metalúrgicos para cada etapa, para que operen de manera conjunta, reducir los tiempos
de residencia de las celdas Rougher para lograr un buen acoplamiento de las etapas,
verificar y sintonizar los lazos de control existentes en los equipos del laboratorio de
control de procesos, la implementación de un detector de estado estacionario para
validar los valores obtenidos por el simulador metalúrgico, analizar la convergencia
del simulador metalúrgico y la implementación de un Sistema Experto simple que
permita la detección de cuellos de botella en la operación ante el aumento de
recuperación en la etapa Rougher y que pueda funcionar de manera independiente a la
operación de la planta piloto de forma de poder predecir resultados metalúrgicos ante
cambios en la alimentación de la planta, permitiendo mejorar la toma de decisiones en
una planta de flotación real.
1
CAPÍTULO 1: ANTECEDENTES.
1.1. Fundamentos Teóricos.
1.1.1. Proceso de Flotación.

La flotación es un proceso de separación utilizado ampliamente en la industria minera
para la concentración de minerales valiosos y sus tratamientos posteriores. La flotación
es un proceso físico-químico utilizado para separar especies minerales por medio de
adhesión colectiva de las partículas a la superficie de burbujas de gas (Yianatos, et al.,
2008a). Durante la flotación se introduce energía con la cual se mantiene la suspensión
de partículas minerales y la formación de las dos fases características de la flotación
(pulpa y espuma). La asociación de las partículas de mineral con las burbujas de aire
tiene directa relación con las características hidrófobas de las partículas, mientras más
hidrófobas sea la partícula mayor será la adhesión burbuja-partícula. Las partículas de
una especie mineral son flotables en la medida que sean más hidrófobas que partículas
de otra especie. En la Figura 1.1 se presenta un esquema del proceso de flotación. El
material a flotar, que corresponde a una pulpa compuesta por partículas sólidas y agua,
es alimentado a la celda donde la energía que se entrega al proceso genera las colisiones
entre las partículas sólidas y las burbujas en la zona de pulpa. Las partículas flotables
que tienen la capacidad de adherirse a las burbujas son colectadas por las burbujas y
son transportadas a la zona de espuma donde se separan de la pulpa y pasan a ser parte
de la corriente de concentrado. El material no flotable (hidrófilo), generalmente ganga,
no es colectado y pasa a ser parte de la corriente de relave. Las celdas y columnas de
flotación presentan 2 fases y colectan mineral valioso dependiendo de la hidrofobicidad
de las partículas. Las diferencias fundamentales entre una celda y una columna de
flotación tienen que ver con su operación y los objetivos que cumplen dentro de un
circuito de concentración mineral, generalmente las celdas son utilizadas para tratar
minerales de baja ley alcanzando altas recuperaciones, mientras que las columnas se
utilizan para tratar pulpas de mayor ley de mineral valioso (generalmente provenientes
2
de otros tratamientos previos) y se consiguen mejores leyes de mineral en los
concentrados con recuperaciones moderadas.
Figura 1.1: Esquema del proceso de flotación en celda autoaspirante

(Pino, 2012; Yianatos, et, al., 2010).
Desde un punto de vista conceptual el proceso de flotación puede considerarse como

una secuencia de dos operaciones: reacción y separación (Yianatos, et, al., 2008a;
Yianatos, 2007), ver Figura 1.2. En la etapa de reacción se alimenta la pulpa, los
reactivos de flotación, el aire y la energía, en esta etapa se genera la colección de
partículas flotables por parte de las burbujas de aire. En la etapa de separación consiste
en la formación de la espuma donde llegan las burbujas cargadas con mineral valioso
generando la corriente de concentrado, mientras que en la pulpa se genera la corriente
de relave. La eficiencia del proceso está ligada a que tan efectiva es la adhesión que
existe entre la burbuja de aire y las partículas hidrófobas, de manera que durante el
transporte a través de la pulpa hacia la espuma las partículas adheridas no se separen
de la burbuja.
3
CONCENTRADO
REACTIVOS
ENERGÍA
AIRE
ALIMENTACIÓN REACTOR SEPARACIÓN
RELAVE
Figura 1.2: Esquema conceptual del proceso de flotación
(Yianatos, 2005).
En el proceso de flotación se distinguen dos características básicas: química y cinética

del proceso. La química del proceso determina la máxima recuperación y la
selectividad posible en una aplicación industrial, la química del proceso es fuertemente
determinada por el tipo y dosificación de reactivos adicionados al proceso, estos
modifican las características superficiales de las partículas y burbujas, además también
depende del grado de liberación del mineral. La cinética del proceso determina la
recuperación y selectividad del proceso en una aplicación industrial, también permite
obtener velocidades de producción de concentrado, estimación de dimensiones de
equipos industriales de flotación y diseño de circuitos de flotación. A continuación se
presentan varios aspectos relacionados con las características mencionadas
anteriormente.
Liberación
La liberación es fundamental para que ocurra el proceso de separación del mineral de
interés de la matriz de sólidos (compuesta principalmente por ganga) que posee un
tamaño de grano característico, generalmente mientras menor sea el tamaño de grano
del sólido mayor será la liberación del mineral de interés. Si se aplica suficiente
molienda se pueden lograr altos grados de liberación, pero para reducir el tamaño de
las partículas se requiere un alto consumo de energía en la etapa de molienda, además
no es posible alcanzar una liberación total debido a restricciones tanto técnicas como
económicas, por esta razón se debe fijar un grado de liberación que permita una
4
separación económicamente factible. El grado de separación óptima se alcanza
reduciendo el tamaño de las partículas a niveles inferiores a los tamaños de grano de
las especies minerales. La Figura 1.3 muestra una distribución típica de la recuperación
de cobre de una etapa de flotación Rougher en términos del tamaño de las partículas
para dos niveles de molienda observados en una operación chilena. Existe un rango de
tamaño intermedio, típicamente entre 50 a 100 micrones, para el cual el proceso de
flotación es eficiente mientras que los tamaños de partícula muy finos (menor a 12
micrones) generan pérdidas debido a que la mayoría del mineral de interés se encuentra
como cobre soluble, existirá arrastre mecánico de finos en los relaves y además posee
baja eficiencia en la colección y para los tamaños de partícula muy grandes (mayor a
212 micrones) se generan pérdidas por la falta de liberación y poca eficiencia en el
transporte de espuma (Yianatos, 2008; Yianatos et al., 2000).
Figura 1.3: Recuperación de cobre versus tamaño de partícula

(Yianatos, et al., 2000).
Reactivos de la flotación
La flotación es un proceso que requiere de ciertos reactivos que mejoren la capacidad
de separación o incluso permiten la separación de especies minerales. Entre los
distintos tipos de reactivos de flotación se tienen colectores, activadores, espumantes y
depresores. A continuación se explica la función de cada uno:
-Colectores: Son compuestos orgánicos que poseen una estructura en la que se tienen
dos zonas, una polar y otra apolar como se muestra en la Figura 1.4. Su principio de
5
acción consiste en la adsorción de la parte polar del colector en la superficie de la
partícula mineral de interés dejando la parte apolar, compuesta por una cadena de
hidrocarburos, orientada hacia la fase acuosa otorgándole el carácter hidrofóbico al
mineral como se observa en la Figura 1.4 (Yianatos, et al., 2008a).
Figura 1.4: Adhesión del colector a la superficie del mineral

(Yianatos, 2008).
El largo de la cadena de hidrocarburos determinara la mayor o menor repelencia al

agua, mientras que la parte polar, que se adhiere al mineral, determinará la fuerza de
adhesión y la selectividad del proceso.
Los colectores se pueden clasificar en dos tipos, catiónicos y aniónicos. Definir el tipo
que se utilizará dependerá del pH de la operación y el potencial zeta de la pulpa. Los
colectores del tipo aniónico poseen una parte polar negativa y se adsorbe en una
superficie mineral de carga positiva, siendo los xantatos los más conocidos. Los
colectores del tipo catiónico poseen una parte polar de carga positiva y se adsorbe a
una superficie mineral de carga negativa, entre los más utilizados se tienen las aminas
y sales cuaternarias de amonio.
-Depresantes: Son compuestos utilizados para inhibir o evitar la adsorción del colector
en la superficie de los minerales que no son valiosos en el proceso (Yianatos, et al.,
2008a). Por ejemplo el cianuro de sodio (NaCN) es utilizado para depresar los
compuestos de hierro en la flotación selectiva de cobre y molibdeno.
-Espumantes: Son compuestos orgánicos que tienen por función modificar las
propiedades superficiales de las burbujas para reducir la coalescencia entre burbujas,
que se produce de manera espontánea dentro de los equipos de flotación (Yianatos, et
al., 2008a). Los espumantes están constituidos por una parte polar que se orienta hacia
6
la fase líquida y otra parte apolar (compuesta por una cadena de hidrocarburos) que se
orienta hacia la fase gaseosa, como se puede ver en la Figura 1.5.
Figura 1.5: Adhesión de un espumante a la superficie de una burbuja

(Yianatos, 2008).
La adición de pequeñas cantidades de espumante permite la formación de espumas

estables al agregar aire disperso, ya que en condiciones normales las burbujas coalescen
y colapsan rápidamente. Los espumantes más comúnmente utilizados son los que
poseen grupos hidroxilos (OH-), como por ejemplo el Metil Isobutil Carbinol (MIBC).
Cinética de la flotación
La cinética del proceso determina la recuperación y selectividad que se pueden alcanzar
en una aplicación industrial. La cinética de flotación representa la velocidad de
separación del mineral valioso y permite dimensionar los equipos de flotación junto
con el diseño de circuitos de flotación. La cinética no se puede considerar en forma
aislada de la química del proceso ya que la adición de reactivos permite acelerar la
separación.
El proceso de flotación industrial es continuo y multietapa, considera diferentes

especies minerales de variados tamaños de partícula por lo que se hace necesario tener
enfoques más simplificados que describan el desempeño del proceso de flotación. Un
enfoque realista para la flotación industrial considera la interacción de dos zonas, la
zona de colección partícula-burbuja y la zona de transporte de espuma. En base a este
enfoque se puede considerar un modelo con dos fases definidas, pulpa y espuma, se
consideran las siguientes suposiciones: ambas fases están perfectamente mezcladas, el
transporte de mineral entre las fases ocurre en uno o los dos sentidos y la velocidad de
flotación es de primer orden en ambos sentidos. En la Figura 1.6 se muestra un modelo
7
multifásico que considera las etapas de transporte mineral en los subprocesos que
ocurren en un equipo de flotación (Flint, 1974), el mineral que ingresa al equipo de
flotación pasa a la zona de colección (pulpa) interactúa con las burbujas, siendo el
mineral valioso el colectado por estas gracias a los reactivos de flotación, como la
colección no es perfecta algunos agregados burbuja-partícula pueden romperse
retornando parte del mineral a la pulpa. El mineral que es colectado se transporta a
través de la zona de colección hacia la zona de espuma, aquí es donde ocurre la limpieza
del mineral que no fue colectado y que fue arrastrado por mecanismos tales como el
arrastre hidráulico, mecánico y atracción electrostática (Contreras, 2010), retornando
este mineral hacia la zona de colección. Además existe un retorno de mineral debido al
colapso de burbujas cargadas.
Aire Concentrado
ESPUMA
Transporte
Arrastre Drenaje
de burbuja
Colección
BURBUJAS PULPA
Ruptura
Aire Alimentación Relave
Figura 1.6: Modelo conceptual multifásico

(Yianatos, 2005).
1.1.2. Proceso de Clasificación.

Los hidrociclones son equipos que permiten realizar la separación o clasificación por
tamaño de partículas y que generalmente están asociados a equipos de molienda para
evitar la sobre molienda de material (Yianatos, 2005). La mayoría de los circuitos
industriales de molienda operan en circuitos cerrados con clasificadores (Sepúlveda &
Gutierrez, 1986), de manera que el producto de la molienda es producto fino o rebalse
del clasificador. La alimentación de un circuito de molienda corresponde en parte, o en
su totalidad, a material grueso o flujo de descarga de un clasificador. Los clasificadores
son fundamentales en los circuitos de molienda ya que la eficiencia del circuito es
afectada notoriamente por la eficiencia de separación del clasificador.
8
El principio de funcionamiento de un hidrociclón se basa en la diferencia de inercia
existente entre las partículas, mientras mayor sea la masa (o densidad) las partículas
poseen una mayor aceleración centrífuga, lo que provoca que estas tiendan a moverse
hacia el exterior del hidrociclón. En el caso de material homogéneo, las partículas son
separadas de acuerdo a su tamaño por efecto de la fuerza centrífuga y gravitatoria
(Yianatos, 2005; Sepúlveda & Gutierrez; 1986).
En la Figura 1.7 se muestra un esquema del funcionamiento de un hidrociclón. El flujo

de alimentación ingresa por la entrada (Feed Inlet), la cual motivada por la energía
aportada por la bomba de alimentación y el diseño del revestimiento interno del
hidrociclón, realiza un movimiento helicoidal con que favorece la aceleración
centrífuga de las partículas y la formación de un vórtice de baja presión en la zona
media el equipo. Esto se produce debido a la existencia de partículas de diferentes
tamaños que sedimentan a diferentes velocidades, lo que genera que en los mayores y
menores radios del hidrociclón existan diferentes velocidades, a lo que se le suma el
movimiento helicoidal del flujo provoca una zona de menor presión en el centro lo que
favorece el ascenso del fluido y de las partículas finas, debido a su menor velocidad de
sedimentación. Debido al fenómeno descrito las partículas más finas tienden a
acercarse al centro del hidrociclón ascendiendo y saliendo por la zona superior (Vortex
Finder), mientras que las más gruesas, debido a su mayor masa, se encuentran más
cercanas a la pared del hidrociclón y descienden por esta, saliendo por el fondo (Apex).
Figura 1.7: Esquema de funcionamiento de un hidrociclón.
9
La separación de partículas no ocurre en un diámetro de corte único, sino que se
produce por bandas de tamaño por lo que se puede suponer que en la descarga se
pueden encontrar partículas gruesas, debido al proceso mismo de clasificación, y
partículas finas que son arrastradas por el agua hacia el fondo. Las partículas finas que
llegan a la descarga del hidrociclón, generalmente se les llama partículas finas que
cortocircuitan el proceso de clasificación, es decir, han pasado directamente a la
descarga.
En la operación de un hidrociclón existen parámetros relevantes como la cantidad de

pulpa a clasificar y la calidad de la separación. Normalmente el proceso de clasificación
en una operación de molienda es realizada por una batería de hidrociclones, la cantidad
de hidrociclones que operan en la batería dependerá del flujo de alimentación y de la
presión de operación que se requiera. Normalmente las variables que se utilizan para
controlar la operación de clasificación son el flujo de alimentación, el porcentaje de
sólidos de alimentación (porcentaje en volumen) y la presión de alimentación. Con las
variables mencionadas se puede modificar el tamaño de corte de la clasificación. En la
industria se puede visualizar la calidad de la operación de un hidrociclón observando
como se encuentra el flujo de descarga, en la Figura 1.8 se observan algunas
condiciones de descarga de un hidrociclón, para una operación óptima se opta por una
descarga cónica tipo spray como se muestra en la Figura 1.8, la condición de
acordonamiento es indeseable debido a que se produce pérdida de clasificación.
Figura 1.8: Tipos de descarga de hidrociclón

(Pino, 2012)
10
Para optimizar la operación de un circuito de molienda se debe trabajar con el mínimo
contenidos sólidos en el rebalse de los hidrociclones y máximo en su descarga
(Yianatos, 2005). Esto se puede ajustar modificando el porcentaje de sólidos en la
alimentación, así como óptima carga circulante del circuito de molienda-clasificación.
La calidad de separación se cuantifica a través de la recuperación de agua y la
recuperación de partículas de alimentación en el producto, esto último se ve reflejado
en una curva de eficiencia real (curva S), dada por un conjunto de condiciones de
operación y diseño. Una curva de eficiencia típica se observa en la Figura 1.9, en esta
se ve que se obtuvo en función de la granulometría y representa la fracción en peso de
las partículas de la alimentación que pasan hacia la descarga, bajo condiciones de
operación estacionarias. De esta curva se puede distinguir la fracción cortocircuitada
de finos en la descarga, el coeficiente de imperfección o pendiente de la curva y el
diámetro del 50% pasante (d50) o diámetro característico de separación. Dentro de la
Figura 1.9 se observa una segunda curva de eficiencia, la cual permite visualizar la
operación del hidrociclón sin considerar el flujo de by-pass (cortocircuito) obteniendo
el diámetro característico corregido.
Figura 1.9: Curvas de eficiencia real y corregida para la operación de un hidrociclón

(Sepúlveda & Gutierrez, 1986).
1.1.3. Proceso de Molienda.

La molienda de mineral es fundamental para los procesos de separación, esto se debe
a que los tamaños de las partículas de mineral son variables críticas en los procesos de
separación posteriores. La molienda tiene por objetivo tratar un flujo de mineral
11
generando un producto con un grado de liberación óptimo y una distribución de tamaño
que permita el desarrollo de los procesos de separación posteriores.
Para la simulación del circuito de re-molienda existente en el presente trabajo se

consideró la utilización de molienda vertical ya que es la utilizada en minera Los
Pelambres, (contraste de resultados metalúrgicos). Se debe considerar que con estos
molinos se busca molienda fina, porque se procesa material que ya paso por una etapa
de molienda y además proviene de una etapa de flotación.
La molienda fina es una consecuencia del gradiente de velocidad entre el medio de

molienda y las partículas en la pulpa las cuales generan eventos de esfuerzo (Jankovic,
2010). El volumen activo de molienda de molinos verticales ha sido determinado a
partir de simulaciones y mediciones experimentales, para el caso de molienda fina en
aplicaciones de diámetros de alimentación entre 30 a 50 micrones, con producto entre
a 7 a 15 micrones, se estima que solo el 10-15% del volumen del molino posee la
energía de esfuerzos mayores al mínimo (0,01 Nm) que se requieren para que la
molienda sea activa (Jankovic, 2010). Para mayores tamaños de alimentación al molino
se requiere más energía y disminuye el volumen activo. En 1997 Jankovic y Morrell
introdujeron el concepto de zonas de molienda dentro de un molino vertical y perfil de
velocidad (Jankovic, 2010), como el que se observa en la Figura 1.10.
Figura 1.10: Perfil de velocidad media de un molino vertical agitado

(Jankovic, 2010).
12
Numerosos estudios han demostrado que la velocidad y tamaño del agitador junto con
la densidad del medio de molienda tienen una influencia significativa sobre los
resultados de conminución en los molinos verticales (Jankovic, 2010).
Las condiciones intrínsecas de los minerales como las condiciones experimentales y

los resultados metalúrgicos de la operación, tornan difícil evaluar la información
experimental disponible con el objetivo de simular y controlar procesos de
conminución y clasificación. Además se debe considerar que no se cuenta con toda la
información requerida, para la estimación de cada uno de los parámetros que se
consideran en los distintos modelos existentes. Por lo anterior se han desarrollado
modelos más simples, los cuales requieren de menos información experimental para su
aplicación (Sepúlveda & Gutierrez, 1986).
13
1.2. Circuitos y Equipos de Flotación.
Los equipos de flotación procesan mezclas heterogéneas y multicomponente, para esto

se deben realizar una serie funciones simultáneamente: suspender los sólidos de la
pulpa, aspirar aire, dispersar aire en forma de burbujas pequeñas y generar el contacto
de las burbujas con los sólidos de la pulpa.
En la industria existen principalmente 2 equipos de flotación: celdas mecánicas y

columnas neumáticas, las primeras también se clasifican en celdas autoaspirantes y
celdas de tiro forzado como se ve en la Figura 1.11. Además como característica
principal se tiene que las celdas son agitadas mecánicamente. Las columnas se
diferencian de las celdas en que no son agitadas mecánicamente y el aire ingresa
únicamente por presión a través de difusores (Osorio, 2008), como se ve en la Figura
1.12.
Figura 1.11: Tipos de celdas de flotación a) Sistema de aire forzado, b) Sistema autoaspirante
(Yianatos, 2007).
AIRE
Figura 1.12: Esquema ingreso aire columna.
Como en este trabajo se simulará la operación de un circuito de flotación con

remolienda se debe tener en cuenta equipos de clasificación de tamaño de partículas y
14
equipos de molienda. Para este trabajo se consideró una etapa de clasificación con una
batería de hidrociclones, que permite que se alimente a la etapa Cleaner con material
del tamaño adecuado para una mejor operación. Además se considera para la
remolienda un molino vertical, ya que son los utilizados por minera Los Pelambre,
lugar de donde se contrastaron los resultados metalúrgicos obtenidos desde el
simulador.
Los equipos mencionados se utilizan en circuitos de flotación, estos circuitos son

variados, pero generalmente presentan 4 etapas las cuales son: Rougher, Remolienda,
Cleaner y Scavenger.
En la etapa Rougher ocurre la flotación primaria buscando maximizar la recuperación

de mineral valioso en la corriente de concentrado, luego este material valioso se pasa a
la etapa de Remolienda donde se realiza una clasificación por tamaño de sólidos (por
medio de hidrociclones) donde los más finos son enviados a la flotación mientras que
los más gruesos pasan a un molino donde se les reduce el tamaño a las partículas. La
pulpa con material fino es enviada a la etapa Cleaner donde se realiza una flotación
que busca mejorar la ley del concentrado (normalmente las columnas neumáticas son
utilizadas en esta etapa), en esta etapa se obtiene el concentrado final de la planta. La
etapa Scavenger típicamente procesa el relave de la etapa Cleaner, el concentrado de
esta etapa es recirculado a la etapa de Remolienda. Si bien cada etapa de flotación tiene
un objetivo específico la organización de estas depende del tipo de material a utilizar y
los equipos con los que se cuentan para desarrollar cada etapa. En la Figura 1.13 se
muestra un circuito RSC sin remolienda (Gupta & Yan, 2006), mientras que en la
Figura 1.14 se ve un circuito RCS con remolienda como el que se simulará en el
presente trabajo. Se debe tener en cuenta que en la industria cada etapa presenta varias
líneas en paralelo, para el caso de la flotación cada línea está formada por varias celdas
en serie, llamándola línea de celdas.
15
Concentrado scavenger
ROUGHER SCAVENGER
Relave rougher
Relave
scavenger
Relave Concentrado
cleaner rougher
CLEANER
Concentrado
cleaner
Figura 1.13: Circuito RSC

(Gupta & Yan 2006).
ROUGHER Relave rougher
Concentrado
rougher
CLEANER
Remolienda Clasificador
Concentrado
cleaner
Concentrado scavenger
Relave cleaner
SCAVENGER
Relave
scavenger
Figura 1.14: Circuito RCS con remolienda.
16
1.3. Simulación de Procesos.
La simulación de procesos es una herramienta muy importante para los ingenieros de

procesamiento de minerales. Entre las áreas de aplicación más importantes están el
diseño, análisis, optimización y el control de sistemas. Estás áreas no son excluyentes
entre sí y es muy común encontrar que el mismo modelo matemático es utilizado en
distintos tipos de aplicación, como también se pueden encontrar combinaciones de
modelos para una sola aplicación. Existen otros usos para la simulación de procesos,
por ejemplo, entrenamiento técnico y de operarios, o investigación y desarrollo
tecnológico (Mular et al., 2002).
Existen generalmente 3 tipos de modelos que pueden sustentar una simulación de

procesos (Mular et al., 2002), los cuales son: empírico, fenomenológico y fundamental.
En la Figura 1.15 se puede observar la jerarquía de la modelación matemática.
Los modelos empíricos pueden lograr expresiones matemáticas que describan el

proceso considerando datos históricos conseguidos en la planta o en el laboratorio.
Estos modelos quedan limitados al comportamiento de los datos considerados,
incertidumbre de las mediciones y a la región de operación (Osorio, 2008).
Para los modelos fenomenológicos el enfoque considera los fenómenos físicos y

químicos ocurridos en el proceso y busca la ecuación matemática que pueda
expresarlos fielmente. Éste será capaz de responder de mejor manera que los empíricos
ante cualquier cambio en la condición de operación, pero aún así el modelo
fenomenológico requiere de pruebas experimentales para poder ajustarse a las
condiciones de trabajo necesarias (Osorio, 2008).
En el caso de los modelos fundamentales estos a menudo requieren de un conjunto de

ecuaciones algebraicas o diferenciales basadas en las leyes fundamentales de la física
y la química, estos modelos requieren de una mínima calibración (Mular et al., 2002).
17
Micro escala simulación
FUNDAMENTAL
FENOMENOLÓGICO
EMPÍRICO
Macro escala simulación

Figura 1.15: Jerarquía modelación matemática
(Mular et al., 2002).
1.3.1. Simulador Metalúrgico Planta de Flotación.

Mediante simuladores se pueden representar procesos de flotación de minerales, la
simulación puede ser aplicada a equipos individuales, a líneas o a una planta de
flotación. Generalmente el objetivo de la simulación apunta a mejorar los procesos para
que se cumplan los objetivos metalúrgicos de ley y recuperación.
Actualmente existen diversos simuladores comerciales (Yianatos et al., 2012):
 JK Simfloat
 FloatStar mineral processing simulator
 UsimPac mineral processing simulator
 Metsim simulator
A pesar de la amplia aplicación comercial de los simuladores anteriormente

mencionados, en general el software está alejado del usuario, con información limitada
acerca de la modelación del proceso.
En el Capítulo 3 se profundizará en los modelos utilizados para el desarrollo de esta

memoria.
18
1.4. Control de Procesos.
1.4.1. Estrategias de Control.

La estrategia de control define la forma del circuito que seguirá la información o las
señales del lazo. La estrategia a utilizar dependerá del entorno de trabajo, el proceso,
las variables a controlar y los recursos disponibles. Dependiendo de la información se
deben implementar instrumentos y equipos que permitirán la estabilidad del sistema.
Los equipos y/o instrumentos pueden estar en diversas cantidades y dispuestos en
distintas jerarquías según los requerimientos de la estrategia de control propuesta para
el proceso.
A continuación se describen algunas de las estrategias de control más conocidas.
 Control retroalimentado
Es un sistema de control el lazo cerrado que alimenta al controlador con la señal de

error de actuación, que es la diferencia entre la señal de entrada y la señal de
retroalimentación (que puede ser la misma señal de salida o una función de la señal de
salida con sus integrales y/o derivadas), a fin de reducir el error y obtener el valor de
la variable controlada al valor requerido. La medición de la variable a controlar se
realiza a la salida del lazo de control y luego se realiza la actuación del control lo que
provoca que el control responda solo cuando las perturbaciones ya ocurrieron. En la
Figura 1.16 se esquematiza el lazo de control retroalimentado.
Salida
Entrada del proceso
+
Referencia Error medido del proceso
Controlador Proceso
-
Medida de salida
Sensor
Figura 1.16: Esquema control retroalimentado

(Acedo, 2006).
19
 Control prealimentado
El control prealimentado es aquel que utiliza la información relacionada con una o más
condiciones que pueden alterar la variable controlada para realizar una acción
correctiva que busca disminuir las desviaciones de la variable controlada. El control
prealimentado se realiza fuera de cualquier lazo de retroalimentación como se muestra
en la Figura 1.17.
Este sistema de control permite compensar el efecto de perturbaciones conocidas antes

que se genera el error en la variable controlada. Este control puede ser afectado por la
exactitud de las mediciones, cálculos efectuados y las perturbaciones no medidas.
En mecanismo de acción del control prealimentado consiste en medir las

perturbaciones o fuentes de perturbación y considerando el valor deseado de la variable
controlada, se calcula el de valor la variable manipulada para evitar la desviación de la
variable controlada. Para lograr desarrollar este tipo de estrategia de control en un
proceso se debe tener un amplio conocimiento de los efectos que tienen las variables
de perturbación e incluso la variable manipulada sobre la variable controlada, ya que
este control opera fuera del lazo retroalimentado por lo que desconoce el valor real de
la variable controlada. En condiciones ideales un control prealimentado podría
controlar un sistema de manera perfecta, es decir con error cero durante todo el tiempo.
Debido a lo complejo de alcanzar condiciones ideales para implementar el sistema de

control prealimentado, a causa de que principalmente se consideran las perturbaciones
medidas ignorando los efectos de perturbaciones no medidas, esta estrategia no se
implementa de manera individual si no que va acompañada de un lazo de control
retroalimentado. De esta manera el control prealimentado se encarga de corregir las
perturbaciones medidas mientras que el control retroalimentado corrige las
perturbaciones no medidas, así como también de las imperfecciones o simplificaciones
realizadas en el control prealimentado. La aplicación en conjunto del control
retroalimentado y prealimentado ha sido ampliamente aceptada en la industria debido
20
a su versatilidad y complementación. En la Tabla 1.1 se observan las principales
ventajas y desventajas de ambos tipos de estrategias de control.
Control Referencia
prealimentado
Variable
manipulada
Variable
perturbación
Proceso
Alimentación Variable controlada
Figura 1.17: Esquema control prealimentado

(Acedo, 2006).
El control prealimentado es ventajoso en casos en los que la respuesta de la dinámica

es muy lenta y las perturbaciones son frecuentes. Para lograr el ajuste adecuado de la
actuación de la variable manipulada se deben desarrollar modelos matemáticos que
tengan en cuenta los efectos que generan las perturbaciones y la variable manipulada
sobre la variable controlada.
Tabla 1.1: Ventajas y desventajas del control retroalimentado y prealimentado (Perry & Green, 1997).
VENTAJAS DESVENTAJAS
No requiere de identificación ni La acción de control no se realiza
medición de perturbaciones para hasta que el efecto de la perturbación
acción correctiva. ha sido detectado por el sistema.
Control Insatisfactorio para procesos con
No requiere modelo explícito del
retroalimentado constantes de tiempo grandes y
proceso.
frecuentes perturbaciones
Los controladores pueden ser Puede causar inestabilidad en la
robustos al proceso/modelo error. respuesta en lazo cerrado
Actúa antes que el efecto de la
Requiere de mediciones de todas las
perturbación sea detectado por el
posibles perturbaciones.
sistema.
Control Bueno para sistemas con constantes No puede hacer frente a
prealimentado de tiempo grande o tiempo muerto. perturbaciones no medidas.
No introduce inestabilidad a la
Sensible al proceso/modelo error.
respuesta del lazo cerrado.
 Control por razón o relación de flujos
Para efectuar una mezcla exacta entre determinados productos, se determina una razón
o medida entre los productos en el controlador general. Lo usual son dos sensores y un
actuador.
21
 Controladores en serie o en cascada
En este caso existe un controlador para la variable principal y otro para la variable
secundaria, la idea es mejorar la dinámica de la variable manipulada en perjuicio de la
variable principal.
 Control selectivo
Seguridad para el entorno y el operario. La idea general es trabajar en los rangos de

seguridad de las variables.
1.4.2. Sistemas de Control Distribuido Convencional.

Un sistema de control distribuido (DCS) permite tener a los elementos de control
distribuidos por todo el sistema con cada componente o sub-sistema controlado por uno
o más controladores, con esto se evita que los elementos de control se ubiquen de forma
local. Todos los elementos del sistema se encuentran conectados por medio de sistemas
de comunicación y monitoreo.
Dentro de los componentes de nivel superior de un sistema de control distribuido se

pueden mencionar dos grandes componentes los cuales se describen a continuación.
 Ordenadores personales y/o HMI (Human Machine Interface).
Un HMI es un dispositivo o sistema que permite la interfaz entre la persona y la

máquina. En la industria es posible distinguir dos tipos de HMIs (Cobo, 2013):
 Terminal de operador: Consiste en un dispositivo construido especialmente

para ser instalado en ambientes agresivos donde solo pueden existir despliegues
numéricos, alfanuméricos o gráficos.
 PC + Software: Consiste en un PC donde se carga el software necesario para la
aplicación. Cualquier PC puede ser utilizado, ya sean industriales (diseñados
para ambientes agresivos), los de panel que dan un aspecto similar a un terminal
de operador o simplemente un PC de escritorio.
22
Los softwares HMI permiten desarrollar funciones como: Interface gráfica para la
observación e interacción con el proceso, registro de tiempo real e histórico y manejo
y visualización de alarmas.
La creación de una interfaz gráfica necesita de una herramienta de diseño con la cual
se configura la aplicación deseada, para luego ser ejecutada por un software de
ejecución que debe permanecer en el PC (Run Time).
El software puede comunicarse directamente con los elementos externos o puede

hacerlo a través de un software especializado de comunicación.
Actualmente para la comunicación se utiliza un software llamado servidor de

comunicaciones, este se encarga de establecer el enlace entre los dispositivos y el HMI
u otros, los cuales son sus clientes. En la actualidad se utiliza una técnica estandarizada
llamada OPC (Ole for proccess control) para realizar la comunicación. Sin embargo
también existen otras técnicas utilizadas en algunas instalaciones como el DDE
(Dynamic data Exchange).
 Servidores de trabajo
Realiza el registro de variables en tiempo real, proporcionan servicio cliente-servidor

para establecer la conexión entre los ordenadores de trabajo de nivel superior con los
controladores, y finalmente, se encarga de proporcionar servidores dedicados que
entregan estabilidad al sistema y concurrir ante cualquier evento a acciones de manera
de corregir y mantener en marcha el proceso. Generalmente utilizan sistemas
operativos como Windows Server.
En la Figura 1.18 se pueden observar todos los componentes de un sistema de control

distribuido y la relación entre sus componentes.
23
Figura 1.18: Esquema elementos funcionales de un DCS
(León, 2007).
24
1.5. Sistema Experto.
Los sistemas expertos son un subconjunto del campo de la inteligencia artificial. Su

principal objetivo es capturar y utilizar el conocimiento de una persona experta en un
programa de computadora. Es posible capturar y codificar cualquier nivel de experticia
en un programa de computadora (Bearman, & Milne, 1992).
El control experto se ha transformado en una forma de control avanzado poderosa para

controlar procesos con características complejas con no linealidades e incertidumbre.
Estos sistemas son capaces de hacer frente a cualquier tipo de información, como
cuantitativa, precisa o incierta. El conocimiento que se utiliza para establecer un
Sistema Experto puede ser obtenido de la experiencia en la operación, reportes y de la
adquisición de datos en línea. Sumando el conocimiento adquirido con la capacidad de
procesamiento computacional disponible puede ser aplicado simple y exitosamente en
los procesos (Willer, 2012).
Un Sistema Experto modela la lógica que usaría un operador para diagnosticar y

resolver situaciones que afecten la correcta operación del proceso. Esta lógica está
representada mediante reglas que incorporan el conocimiento y la experiencia (Willer,
2012).
El Sistema Experto permite un control flexible debido a la forma en la que se expresa

su estrategia, pero esta flexibilidad puede ser una desventaja en el caso en el que se
requiere un control con mayor precisión. Por esta razón es que la decisión de que tipo
de control avanzado usar dependerá del proceso y de los objetivos que se persiguen
(Willer, 2012).
La tecnología de los sistemas expertos tiene el potencial de permitir lograr la reducción

de costos, mejoras en la calidad y aumento de productividad además de mejorar los
tiempos de respuesta del sistema. Lo anterior solo es posible en caso de que el Sistema
Experto sea implementado de la manera correcta (Bearman & Milne, 1992).
25
CAPÍTULO 2: EQUIPO EXPERIMENTAL.
Para el desarrollo de esta memoria se utilizaron 3 circuitos de flotación, los cuales se
encuentran en el Laboratorio de Control de Procesos del Departamento de Ingeniería
Química y Ambiental de la Universidad Técnica Federico Santa María, Casa Central.
Un circuito corresponde a una columna de flotación neumática, mientras que los otros
dos circuitos corresponden a líneas de celdas de flotación mecánica. También se debe
considerar el sistema de control distribuido utilizado y los equipos relacionados.
2.1. Líneas de Celdas de Flotación Mecánica.
Las líneas de celdas de flotación utilizadas durante las experiencias corresponden a una
línea de tres celdas en serie que representan la etapa Rougher de la planta y la otra línea
se compone de dos celdas en serie que representa la etapa Scavenger de la planta. En
la Figura 2.1 se puede apreciar una imagen de la línea de 3 celdas mientras que en la
Figura 2.2 se puede observar a la línea de 2 celdas.
Figura 2.1: Circuito de celdas de flotación Rougher.
26
Figura 2.2: Circuito de celdas de flotación Scavenger.
Las celdas que poseen ambos circuitos son idénticas. En la Figura 2.3 se muestran las
dimensiones de éstas y en la Tabla 2.1 se establecen sus principales características.
Figura 2.3: Esquema celdas de flotación

(Durán, 2014).
27
Tabla 2.1: Características celdas de flotación.
Largo [cm] 30
Ancho [cm] 30
Alto [cm] 45
Volumen [L] 36
Tipo de rebalse Periférico
Sistema de agitación Mecánica
Inyección de aire Forzada
N° de difusores 4
Tipo de difusor Piedra porosa
Material construcción Acrílico
La operación de estas líneas de flotación no difiere entre sí, ambos poseen dos circuitos
característicos que se describen a continuación.
2.1.2. Circuito de Aire.

Este circuito es alimentado por un compresor recíproco del Departamento de Ingeniería
Química y Ambiental, el cual permite el funcionamiento de los transductores I/P junto
con la inyección de aire a las celdas. Se estableció una presión de ingreso a las líneas
de 3 [bar].
2.1.3. Circuito de Agua.

El circuito de agua es cerrado, toda el agua que se alimenta a las celdas proviene de un
tanque de alimentación el cual a su vez recibe el agua que proviene desde las celdas
(Ver Figura 2.4). Cada celda posee un ingreso de agua y dos salidas (rebalse y descarga
del fondo), la primera celda es alimentada por una bomba peristáltica, la segunda celda
se alimenta con la descarga del fondo de la primera celda y la tercera celda, en el caso
de la línea Rougher, es alimentada por la descarga de fondo de la segunda. La descarga
de la última celda de la línea es retornada al tanque de alimentación, mientras que los
flujos de rebalse de cada celda se unen en una sola línea que también retorna al tanque
de alimentación. El posicionamiento de las celdas permite que solo se utilice una
bomba para la alimentación de éstas ya que desde la segunda celda el movimiento del
28
agua es por acción de la diferencia de altura entre las celdas. Es importante mencionar
que al agua se le adicionan pequeñas cantidades de espumante (Teefroth-A) para la
formación de una espuma estable. En la Figura 2.4 se muestra el diagrama de proceso
del línea Rougher y en la Tabla 2.2 se encuentra el listado de equipos e instrumentos
asociados a este línea de flotación, mientras que en la Figura 2.5 se encuentra el
diagrama de la línea Scavenger y en la Tabla 2.3 se encuentra el listado de equipos e
instrumentos que posee esta línea de flotación.
OUTPUT PLC
INPUT PLC GE-90 30

PLC
CORRIENTE CONCENTRADO OUPUT
M-101 PLC
I/P INPUT
LIC PLC
101
CORRIENTE M-102
I/P
DE C-101 LIC
ALIMENTACIÓN 102
LICV
M-103 I/P
101 C-102 LIC
103
LICV
FICV FICV 102 C-103
101 102
T-101 B-101 LICV
FIC FIC FICV 103 Matriz
I/P 101 I/P 102 103 De
CORRIENTE FIC Aire
103 V-101 V-102
DE RELAVE I/P
Figura 2.4: Diagrama P&ID de línea de flotación Rougher.
Tabla 2.2: Listado de equipos línea de flotación Rougher.

SÍMBOLO P&ID EQUIPO/INSTRUMENTO DESCRIPCIÓN
T-101 Estanque Estanque de alimentación.
B-101 Bomba peristáltica Bomba de alimentación.
C-101,102,103 Celdas acrílicas Celdas de flotación mecánicas.
M-101,102,103 Agitadores Agitadores mecánicos.
FIC-101,102,103 Flujómetro másico Flujómetro de aire ingreso celdas.
LIC-101,102,103 Sensor ultrasónico Sensores de nivel de celdas.
FICV-101,102,103 Válvulas diafragma Válvulas de control flujo de aire.
LICV-102,102,103 Válvulas Pinch Válvulas de control nivel celdas.
I/P Transductores Transductor I/P I:4-20mA;O:3-15 psi.
V-101 Válvula de bola Válvula de paso de aire.
V-102 Regulador de presión Fija presión ingreso a circuito.
29
OUTPUT PLC
INPUT PLC GE-90 30

PLC
CORRIENTE CONCENTRADO OUPUT
M-201 PLC
I/P INPUT
LIC PLC
201
CORRIENTE M-202
I/P
DE C-201 LIC
ALIMENTACIÓN 202
LICV
201 C-202
LICV
FICV FICV 202
201 202
T-201 B-201
FIC FIC Matriz
I/P 201 I/P 202 De
V-201 202 Aire
CORRIENTE
DE RELAVE
Figura 2.5: Diagrama P&ID de línea de flotación Scavenger.
Tabla 2.3: Listado de equipos de línea de flotación Scavenger.

B-201 Bomba peristáltica Bomba de alimentación.
C-201,202,203 Celdas acrílicas Celdas de flotación mecánicas.
M-201,202,203 Agitadores Agitadores mecánicos.
FIC-201,202,203 Flujómetro másico Flujómetro de aire ingreso celdas.
LIC-201,202,203 Sensor ultrasónico Sensores de nivel de celdas.
FICV-
Válvulas diafragma Válvulas de control flujo de aire.
201,202,203
LICV-201,202 Válvulas Pinch Válvulas de control nivel celdas.
I/P Transductores Transductor I/P I:4-20mA;O:3-15 psi.
30
2.2. Columna de Flotación.
La columna de flotación fue utilizada para representar la etapa Cleaner de la planta de

flotación. La columna es alimentada por un circuito de agua con espumante (Teefroth-
A) en un circuito cerrado y aire que proviene del compresor recíproco. En la Figura 2.6
se observa una imagen del fondo de columna de flotación con los equipos e
instrumentos asociados.
Figura 2.6: Panel de control columna de flotación.
Las características de la columna se encuentran en la Tabla 2.4 donde se resumen las

dimensiones y materiales de fabricación mientras que en la Figura 2.7 se esquematizan
las dimensiones y distancias de las conexiones de la columna.
Tabla 2.4: Características de la columna de flotación.

Geometría principal Cilíndrica
Área sección transversal (circular) [cm] 78,5
Altura total [m] 4
Altura conexión alimentación [m] 2,85
Material de construcción Plexiglás y resina Ortoftálica
31
Alimentación
Toma de
presión
Dpcell sup.
100 [cm]
400 [cm]
285 [cm]
Toma de
presión
Dpcell inf.
170 [cm]
10 [cm]
Figura 2.7: Esquema de dimensiones columna de flotación.
Como se mencionó previamente, para el funcionamiento de la columna se requieren

dos circuitos, uno de aire que proviene de un compresor recíproco al que se le ajusta la
presión a 2 [bar] para este sistema y un circuito cerrado de agua con espumante. El
sistema de agua posee un tanque de alimentación el cual alimenta a la columna por
medio de una bomba peristáltica, y recibe el flujo de descarga de fondo (relave) de la
columna junto con el producto de tope (concentrado). Además este tanque entrega el
agua de lavado de la columna por medio de otra bomba peristáltica. En la Figura 2.8 se
muestra el diagrama P&ID del sistema y en la Tabla 2.5 se presenta el listado de
equipos e instrumento utilizados en estos circuitos.
32
CORRIENTE DE CONCENTRADO
GE-90 30
AGUA DE LAVADO PLC
B-302
ALIMENTACIÓN
B-301
PI
302
C-301
PI LIC
301 301 FIC Matriz
I/P
302 De
Aire
V-303 V-301 V-302

FICV
301
FIC
CORRIENTE LICV
T-301 DE RELAVE 301
301
I/P
Figura 2.8: Diagrama P&ID de circuito de columna de flotación.
Tabla 2.5: Listado de equipos de columna de flotación.

B-301,302 Bomba peristáltica Bomba de alimentación.
C-301 Columna Columna de flotación neumática.
FIC-301 Flujómetro magnético Flujómetro de descarga columna.
FIC-302 Flujómetro másico Flujómetro de aire ingreso celdas.
PI-301,302 Dpcell Sensores de nivel columna.
FICV-301 Válvula diafragma Válvula de control flujo de aire.
LICV-301 Válvula Pinch Válvula de control nivel columna.
I/P Transductores Transductor I/P I:4-20mA;O:3-15 psig.
V-303 Válvula anti retorno Impide que el agua filtre a líneas de aire
33
2.3. Descripción de Operación Híbrida de planta piloto de
flotación RCS.
La operación híbrida de la planta piloto de flotación considera equipos reales que

fueron descritos en las Secciones 2.1 y 2.2, y equipos virtuales de características
similares. En la Figura 2.9 se observa el diagrama de flujo de la planta considerando
estos equipos y las corrientes virtuales que permiten la unión de las distintas etapas.
Por esta razón los equipos de la planta piloto no necesitan estar unidos físicamente. En
el esquema se observa que una línea de la etapa Rougher está compuesta por las 3
celdas descritas en la Sección 2.1, pero también cuenta con 4 celdas a las que se les
simula su operación. Además, la operación de esta línea es complementada por otras
tres líneas, que son virtuales, lográndose un flujo total de concentrado que alimenta al
resto del circuito. El concentrado Rougher pasa virtualmente por un mezclador virtual,
donde se une a la corriente de concentrado de la etapa Scavenger y a la descarga del
molino virtual. La salida del mezclador es clasificada virtualmente, de manera que el
rebalse constituye la alimentación a la columna. El flujo volumétrico calculado por el
simulador es el que realmente se alimenta a la columna, descrita en la Sección 2.2. A
su vez el flujo de relave de la columna alimenta al circuito Scavenger, separándose en
las dos líneas, de la misma forma como se discutió para el circuito Rougher.
Finalmente, el relave Scavenger se une al relave Rougher para producir el relave final.
34
ALIMENTACIÓN
PROCESO LINEAS ROUGHER DE
7 CELDAS VIRTUALES
CON MISMAS
ALIMENTACIÓN A OTRAS 3 LÍNEAS ROUGHER VIRTUALES CONDICIONES DE
OPERACIÓN QUE LA
LÍNEA C101-C107.
CORRIENTE CONCENTRADO
CORRIENTE DE
ALIMENTACIÓN M-101 M-102 M-103 M-103 M-105 M-106 M-107
PLANTA PILOTO
ROUGHER
C-101 C-102 C-103 C-104 Virtual C-105 Virtual C-106 Virtual C-107 Virtual
B-101 CORRIENTE DE RELAVE
ROUGHER
CORRIENTE
CONCENTRADO
ROUGHER
HIDROCICLONES MEZCLADOR
VIRTUALES VIRTUAL
SCAVENGER
ALIMENTACIÓN CLEANER
CORRIENTE DE B-301
CONCENTRADO FINAL MOLINO VIRTUAL
C-301
CORRIENTE DE
ALIMENTACIÓN
M-201 M-202 M-203 M-204 M-205 M-206 M-207
Figura 2.9: Diagrama de operación híbrida.

PLANTA PILOTO
SCAVENGER
C-201 C-202 C-203 Virtual C-204 Virtual C-205 Virtual C-206 Virtual C-207 Virtual CORRIENTE
CORRIENTE DE RELAVE
DE RELAVE SCAVENGER
CLEANER B-101
LINEA SCAVENGER
ALIMENTACIÓN A SEGUNDA LÍNEA SCAVENGER VIRTUAL DE 7 CELDAS
VIRTUALES CON
MISMAS
CONDICIONES DE
OPERACIÓN QUE LA
LÍNEA C201-C207.
35
2.4. Sistema de Control Distribuido (SCD).
La planta de flotación piloto consta de tres circuitos, los cuales fueron descritos en las
secciones anteriores. El circuito Rougher consta de 3 celdas donde existen dos lazos de
control independientes, uno que controla el flujo de aire y otro que controla el nivel de
cada celda, el circuito Scavenger consta de 2 celdas y posee los mismos lazos de control
que el circuito Rougher y finalmente el circuito Cleaner que consta de una columna
neumática posee 3 lazos de control que mantienen la concentración de aire por medio
del flujo de aire, el nivel de la columna y el flujo de agua de lavado. El sistema de
control distribuido permite el envío de señales a los actuadores y el registro de las
señales de los sensores las que son digitalizadas y puestas a disposición del usuario a
través de una interfaz gráfica (HMI).
Este sistema presenta los siguientes componentes:
2.4.1. Proceso.
El proceso corresponde a una línea de tres celdas en serie descrito en la Sección 2.1,
una línea de dos celdas en serie descrito en la Sección 2.1 y una columna de flotación
descrita en la Sección 2.2.
2.4.2. PLC (Programable Logic Controller).

Es el cuerpo central del DCS, ya que se encarga de colectar y enviar las señales a los
sensores y elementos finales de control, respectivamente que se encuentran en una
planta.
El PLC utilizado en el presente trabajo pertenece a la Serie 90-30 de la familia de PLCs

GE-Fanuc Serie 90 de Autómatas Lógicos Programables. El PLC utilizado consta de
7 módulos donde cinco de ellos son E/S de corriente o voltaje según sea el caso. Cada
módulo es alimentado por un voltaje de +24 VDC, que es suministrado por la fuente de
poder con capacidad de carga de 300 W y un voltaje de entrada de 100 a 240 VAC o
125 VDC. Para este trabajo se utizaron los cinco módulos E/S donde se conectaron los
sensores, actuadores y elementos de relé. En la Figura 2.10 se puede observa una
36
imagen del PLC utilizado mientras que en el ANEXO A se encuentran las
especificaciones de cada módulo del PLC junto con los elementos conectados a cada
uno y los canales asignados a cada sensor, actuador y elementos de relé.
Figura 2.10: Programable Logic Controller (PLC) GE-Fanuc Serie 90.
2.4.3. Interfaz del Usuario.

Los tres circuitos de flotación que conforman la planta de flotación piloto son
monitoreados y controlados por medio de una Interfaz Humano-Máquina (HMI)
diseñada a través del software InTouch HMI 10.1.3 de Wonderware, entre las
principales características de este software se cuentan: la capacidad de crear ventanas
interactivas, sistema de alarmas, registros de datos en línea y datos históricos.
El HMI desarrollado para el monitoreo de la planta de flotación se divide en una serie

de ventanas interactivas que permiten el acceso a las otras ventanas existentes.
A continuación se describen las principales ventanas creadas, en el ANEXO B se

pueden encontrar imágenes de las ventanas que se detallan:
 Ventana Principal: Esta ventana contiene un diagrama que representa a la planta

piloto. Desde esta ventana se puede observar la información operacional y
metalúrgica más importante, se pueden activar los agitadores de las celdas, se
pueden encender las bombas de alimentación de los equipos, se pueden fijar los
flujos de alimentación, y se pueden monitorear todas las variables operacionales de
37
interés. Desde esta ventana también se activa el simulador metalúrgico y se puede
acceder a las otras ventanas del HMI.
 Ventanas de Control: Son 3 ventanas de este tipo, en ellas se pueden activar o
desactivar los lazos de control, se modifican los Setpoints de las variables
controladas y también se pueden modificar los parámetros de control para cada lazo.
Además estas ventanas tienen gráficos en tiempo real del comportamiento de las
variables controladas y de sus actuadores. La ventana de control de las celdas
Rougher es idéntica a la ventana de control de las celdas Scavenger, la única
diferencia es que en la primera se tiene una celda extra, estás dos ventanas también
entregan información de los parámetros de control prealimentado.
 Ventanas del Simulador Metalúrgico: Las ventanas del simulador metalúrgico
son 5 cinco en total y contienen toda la información metalúrgica de las cuatro etapas
de la planta de flotación, se pueden modificar las condiciones de la pulpa de
alimentación variando porcentaje de sólidos, ley de cobre y granulometría. La
información que aparece en estas ventanas corresponde a balances de materia,
flujos, condiciones de operación, ley de cobre del concentrado final e intermedio y
la recuperación global junto con las recuperaciones de cada etapa de la operación.
Cada ventana del simulador metalúrgico corresponde a cada etapa de la flotación
(Rougher, Remolienda, Cleaner y Scavenger) y una quinta ventana que resumen la
información más relevante de las etapas y que entrega el resultado global de la
operación. En cada ventana existen dos gráficos que muestra en tiempo real los
valores de ley y recuperación de cada etapa.
 Ventana de Base de Datos: Esta ventana permite verificar el estado de la base de
datos de la planta. En esta ventana se puede corroborar fácilmente si el sistema está
registrando las variables en la base de datos, se puede activar o desactivar el registro
de datos y se puede tener acceso rápido a los archivos de la base de datos,
accionando el ícono que aparece al lado de la opción mencionada. Existen tres bases
de datos, una que es la base de datos permanente, otra creada para registrar
experiencias en el simulador metalúrgico y una tercera registra datos de cuando se
realizan experiencias de sintonía del control. La base de datos permanente registra
38
toda la información metalúrgica y operacional de la planta en todo momento. La
base de datos para experiencias metalúrgicas guarda solo información metalúrgica
de la planta junto con parámetros internos del simulador, cada vez que se realiza una
experiencia de este tipo se debe escribir el nombre de la experiencia a realizar. La
base de datos para experiencias de control solo registra información relacionada con
las variables de control, lazo de control y parámetros de control, al igual que la
anterior, se debe escribir el nombre de la experiencia a realizar, además se puede
seleccionar el lazo de control el cual se desea registrar sin necesidad de registrar
todos los lazos de control de la planta.
 Ventana de Registro Histórico: En esta ventana se tiene acceso a cuatro gráficos
que muestran información histórica e instantánea de la operación de la planta piloto.
Cada gráfico registra información diferente, el gráfico de la esquina superior
izquierda muestra todos los resultados metalúrgicos globales junto con los de cada
etapa de flotación, el gráfico superior derecho registra las variables operacionales
de la etapa Rougher, el de la esquina inferior izquierda registra las variables
operacionales de la etapa Cleaner y el gráfico de la esquina inferior derecha registra
las variables operacionales de la etapa Scavenger.
 Ventana del Detector de Estado Estacionario: En esta ventana se observa si las
variables controladas de la planta piloto se encuentran en estado estacionario por
medio de luces asignadas a cada una. Además se pueden modificar los parámetros
con los que el detector de estado estacionario filtra los datos y calcula las varianzas
según el método de Rhinehart (1995). También se tienen gráficos de cada variable
que permiten observar las razones de varianzas y las varianzas críticas de cada
variable. Para asegurar una buena detección de estado estacionario también se
realiza una verificación del balance de materia global de la planta junto con un
balance de materia local en la zona de remolienda, los cuales están sujetos a una
regla donde la diferencia entre la alimentación y el concentrado con los relaves no
puede ser mayor al 5% del valor de la alimentación, esta aplicación se encuentra
ubicada en la zona inferior de la ventana y es necesario el cumplimiento de estas
reglas para que el sistema se encuentre en estado estacionario.
39
 Ventana del Sistema Experto: En esta ventana se puede activar el control experto
de la planta, además de visualizar los cambios en los resultados metalúrgicos
globales y parciales durante los cambios operacionales que transcurren durante la
aplicación de este sistema, además posee luces que cambian de color verde a rojo si
una variable operacional se encuentra saturada.
 Ventanas de Simulación: Son cinco ventanas que fueron creadas para la simulación
de la operación de la planta, es decir en estas ventanas se pueden definir los valores
de las variables operacionales para que el simulador metalúrgico opere de forma
independiente a la planta piloto. En la ventana principal de simulación se pueden
definir los valores de todas las variables operacionales de la planta, y además se
muestran los resultados metalúrgicos globales obtenidos por el simulador, las otras
ventanas muestra los resultados metalúrgicos de cada etapa, y además se tienen
gráficos que permiten observar la evolución de cada flujo existente en la planta.
40
2.5. Lazos de Control Convencional y otros Equipos de la
Planta Piloto.
La planta de flotación piloto posee numerosos lazos de control, pero varios de estos
son similares en los distintos equipos, por ejemplo, entre las etapas Rougher y
Scavenger se completan 5 lazos de profundidad de espuma. A continuación se
presentán los distintos lazos de control existentes junto con los elementos que los
constituyen, las especificaciones de los elementos de cada lazo se muestran en el
ANEXO C.
2.5.1. Lazo de Control de Profundidad de Espuma Celdas de Flotación.

El control de la profundidad de espuma permite regular la ley del concentrado de una
celda de flotación. Aumentar la profundidad de espuma aumenta el tiempo de
residencia de las partículas, con lo cual se incrementa el drenaje de la ganga. Esto
produce un concentrado de mayor ley, aunque a menudo provoca una ligera pérdida de
recuperación (Jämsä-Jounela, et al., 2003).
Es de vital importancia para la operación de las celdas mantener un adecuado control

de la profundidad de espuma, para esto existen diversos métodos que pueden ser
implementados (Shean & Cilliers, 2011). Para la planta piloto de este trabajo se utilizó
un sistema de flotador con plato y transmisor ultrasónico como el que se muestra en la
Figura 2.11.
Figura 2.11: Sensor ultrasónico de nivel.
41
Para determinar la profundidad de espuma se debe tener en cuenta la distancia máxima
que recorre el flotador hasta el rebalse de la celda y la distancia medida entre el sensor
ultrasónico y el plato. La diferencia entre ambas mediciones corresponde a la
profundidad de espuma. En Figura 2.12 se observa el esquema de las mediciones
necesarias para determinar la profundidad de espuma.
Figura 2.12: Esquema de funcionamiento del sensor de profundidad de espuma

(Durán, 2014).
El lazo de control posee un sensor ultrasónico, una válvula tipo Pinch como actuador
y un transductor I/P.
2.5.2. Lazo de Control del Flujo de Aire Celdas de Flotación.

El lazo de control del flujo de aire en las celdas de flotación es similar en todas las
celdas de la planta Rougher y de la planta Scavenger, el cual consta de un flujómetro
másico como sensor, un transductor I/P y una válvula de control tipo globo como
actuador.
42
2.5.3. Lazo de Control en Cascada para Concentración de aire en
Columna de Flotación.
Este lazo de control posee varios elementos, dentro de los que se tienen los sensores de
diferencia de presión, a partir de los cuales se determina la concentración de aire,
flujómetro másico, transductor I/P y válvula de control. Este lazo funciona utilizando
como elemento primario de control la señal enviada por los sensores de presión la cual
es procesada para obtener la concentración de aire, luego este lazo envía la señal de
Setpoint del flujo de aire al lazo secundario donde se controla el flujo por medio de una
válvula de control. Para el cálculo de la concentración de aire se tiene Ecuación 2.1
(Soto, 2013) y se utilizan las presiones medidas por las dos Dpcell ubicadas de manera
que una mide la presión en una zona superior de la columna y la otra en la zona inferior
(Ver Figura 2.7).
𝑃𝑖 −𝑃𝑠
𝐶𝑜𝑛𝑐. 𝑑𝑒 𝑎𝑖𝑟𝑒 = (1 − ) ∙ 100 (2.1)
𝑔∙𝐿
Donde 𝑃𝑖 es la presión medida en la zona inferior, 𝑃𝑠 es la presión medida en la zona

superior, 𝑔 es la aceleración de gravedad y 𝐿 es la separación entre las tomas de presión.
2.5.4. Lazo de Control de Profundidad de Espuma Columna de

Flotación.
Este lazo de control está compuesto por un sensor de diferencia de presión Dpcell
ubicado en la zona inferior de la columna, un transductor y una válvula Pinch de
actuador. La profundidad de espuma (ℎ𝑓 ) se determina a partir de la presión medida
por la Dpcell inferior y la Ecuación 2.2.
𝑃𝑖
ℎ∙(1−𝜀𝑔 )−
𝜌𝑤 ∙𝑔
ℎ𝑓 = 𝜌𝑓 (2.2)
1−𝜀𝑔 −
𝜌𝑤
Donde ℎ es la distancia entre la toma de presión de la Dpcell y el tope de la columna,

𝜀𝑔 es la concentración de aire, 𝑃𝑖 es la presión medida por la Dpcell inferior, 𝜌𝑤 es la
densidad del agua, 𝜌𝑓 es la densidad de la espuma y 𝑔 es la aceleración de gravedad.
43
2.5.5. Lazo de Control de Bias Columna de Flotación.
El control del bias en la columna de flotación consta de dos elementos, se mide el
caudal de descarga de relave con un flujómetro magnético y se utiliza como actuador
la bomba peristáltica de agua de lavado. El bias se determina por medio de la Ecuación
2.3. Este recurso es definido en un valor de cero para el lazo de control y no se modifica
durante la operación.
𝐵𝑖𝑎𝑠 = 𝑄𝑐 − 𝑄𝑎 (2.3)
Donde 𝑄𝑐 es el flujo volumétrico de relave y 𝑄𝑎 es el flujo volumétrico de

alimentación. Cabe mencionar que esta relación solo es válida en estado estacionario.
2.5.6. Otros Elementos Importantes Planta Piloto.

Dentro de la planta de flotación existen otros equipos que son importantes para el
funcionamiento de la misma. Dentro de estos elementos se encuentran las bombas
peristálticas de alimentación, el compresor para el circuito de aire y los agitadores de
las celdas de flotación, también existen otros elementos secundarios como válvulas
manuales de paso, válvulas anti-retorno, manómetros y reguladores de presión los
cuales se especifican en el ANEXO C.
44
2.6. Sintonía Lazos de Control Retroalimentado.
Para todos los lazos de control existentes en la planta de flotación piloto se consideró
el algoritmo de control Proporcional-Integral (PI). La sintonía de los controladores se
realizó por medio de métodos empíricos utilizándose principalmente el método de
curva de reacción de Cohen-Coon y el método de oscilación de Ziegler-Nichols.
Para el caso del método de la curva de reacción de Cohen-Coon la Ecuación 2.4 permite
el cálculo de la ganancia proporcional (𝐾𝑝 ) mientras que la Ecuación 2.5 permite la
determinación del tiempo integral (𝑇𝑖 ). La obtención de la curva de reacción se realiza
estabilizando el sistema en un estado y luego se aplica un salto escalón a la variable
manipulada y se espera que se estabilice nuevamente el sistema. A partir de esta
información se pueden obtener los valores de los parámetros de control del lazo
analizado.
𝜏 𝑑 𝑡
𝐾𝑝 = 𝑘∙𝑡 ∙ (0.9 + 12∙𝜏 ) (2.4)
𝑑
𝑡𝑑 ∙(30∙𝜏+3∙𝑡𝑑 )
𝑇𝑖 = (2.5)
9∙𝜏+20∙𝑡𝑑
Donde:
𝜏 = 𝑡1 − 𝑡2 (2.6)
𝑡𝑑 = 𝑡0 − 𝑡1 (2.7)
𝑦 −𝑦
𝑘 = 𝑢∞−𝑢0 (2.8)
∞ 0
En las ecuaciones anteriores se debe mirar la Figura 2.13 para una mejor comprensión
de la obtención de los valores.
Figura 2.13: Lecturas necesarias desde el gráfico de curva de reacción.
45
Para el caso del método de oscilación de Ziegler-Nichols se utiliza el sistema en lazo
cerrado, se mantienen los parámetros integral y derivativo en cero y se procede a
aumentar paulatinamente el valor del parámetro proporcional hasta el punto en el que
la respuesta genera una oscilación estable, a partir del periodo de oscilación (𝑃𝑐 ) y el
parámetro proporcional obtenido (𝐾𝑐 ) se pueden determinar los parámetros de control
por medio de la Ecuación 2.9 para la ganancia proporcional y la Ecuación 2.10 para el
tiempo integral.
𝐾𝑝 = 0.45 ∙ 𝐾𝑐 (2.9)
𝑃𝑐
𝑇𝑖 = (2.10)
60∙1.2
2.6.1. Sintonía Lazo de Control de Profundidad de Espuma Celdas.

En la planta piloto de flotación hay cinco lazos de control de profundidad de espuma,
para su sintonía se aplicó el método de curva de reacción de Cohen-Coon el cual
consiste en la estabilización manual de la variable a controlar y aplicar un salto escalón
de un 5% en la variable manipulada alcanzando (válvula de control) un nuevo punto de
estabilización. En este caso se estabilizó la profundidad de espuma con una apertura de
válvula de descarga fija (𝑢1 ) y luego se modificó la apertura de la válvula (𝑢∞ ) y se
esperó a que se estabilizará el sistema, con los datos generados se obtuvo una curva
como la de la Figura 2.14. Este procedimiento se repitió en todas las celdas de flotación.
Los Kp calculados para este caso y los siguientes son adimensionales.
Figura 2.14: Curva de reacción (salto escalón) profundidad de espuma celda Rougher 1.
46
Para el caso de la primera celda Rougher se obtuvieron los resultados que aparecen en
la Tabla 2.6, con un 𝜏 = 4.85 [s], un 𝑡𝑑 = 0.1 [s] y un 𝑘 = 5 [%/cm].
Tabla 2.6: Parámetros de control calculados para lazo de profundidad de espuma celda Rougher 1.
PARÁMETROS DE CONTROL CELDA ROUGHER 1 SEGÚN MÉTODO DE CURVA DE REACCIÓN
Kp 5.8
Ti [s] 0.5
Los valores obtenidos por el método son buenos valores de partida, posteriormente se
debieron ajustar los parámetros en forma iterativa, esto se realizó para todas las celdas,
y los resultados se muestran en la Tabla 2.7 para las celdas Rougher y en la Tabla 2.8
para las celdas Scavenger.
Tabla 2.7: Parámetros de control profundidad de espuma celdas Rougher.

PARÁMETROS DE CONTROL DE PROFUNDIDAD DE ESPUMA CELDAS ROUGHER
Celda 1 Celda 2 Celda 3
Kp 5.0 3.0 2.5
Ti [s] 0.02 0.004 0.002
Tabla 2.8: Parámetros de control profundidad de espuma celdas Scavenger.
PARÁMETROS DE CONTROL DE PROFUNDIDAD DE ESPUMA CELDAS SCAVENGER
Celda 1 Celda 2
Kp 3.0 3.0
Ti [s] 0.03 0.008
2.6.2. Sintonía Lazo de Control Flujo de Aire Celdas de Flotación.

Para la sintonía del lazo de control del flujo de aire de las celdas de flotación se utilizó
el método de oscilación de Ziegler-Nichols. Para esto se fijó un Setpoint de velocidad
superficial de aire (Jg) y se procedió a la aplicación del método. Para el caso de la celda
Rougher 1, se estableció un Setpoint de Jg igual a 0.8 [cm/s] y se aumentó la ganancia
proporcional obteniéndose una ganancia proporcional crítica (𝐾𝑐 ) de 0.3 y un periodo
de oscilación crítico (𝑃𝑐 ) de 4 segundos. La curva obtenida se puede observar en la
Figura 2.15.
47
Figura 2.15 Curva de oscilación de Ziegler-Nichols para celda Rougher 1.
Los resultados obtenidos por el método empírico se muestran en la Tabla 2.9.
Tabla 2.9: Parámetros de control de flujo de aire calculados por método empírico de oscilación.
PARÁMETROS DE CONTROL CELDA ROUGHER 1 SEGÚN MÉTODO DE OSCILACIÓN
Kp 0.14
Ti [s] 0.056
Al igual que la sintonía del control de profundidad de espuma, los valores obtenidos
por el método se utilizaron como punto de partida para la iteración de valores que
ajustaran mejor el control del flujo de aire. Los resultados de la iteración se muestran
en la Tabla 2.10 para las celdas Rougher y en la Tabla 2.11 para las celdas Scavenger.
Tabla 2.10: Parámetros de control de flujo de aire celdas Rougher.

PARÁMETROS DE CONTROL DE FLUJO DE AIRE CELDAS ROUGHER
Celda 1 Celda 2 Celda 3
Kp 0.1 0.1 0.3
Ti [s] 0.01 0.015 0.01
Tabla 2.11: Parámetros de control de flujo de aire celdas Scavenger.
PARÁMETROS DE CONTROL DE FLUJO DE AIRE CELDAS SCAVENGER
Celda 1 Celda 2
Kp 0.4 0.05
Ti [s] 0.01 0.005
48
2.6.3. Lazo de Control en Cascada Flujo de Aire y Concentración de aire
de la Columna.
Para sintonizar este lazo de control primero se sintonizaron los lazos de forma
individual, primero se sintonizó el lazo de control del flujo de aire por medio del
método de curva de reacción de Cohen-Coon, en la cual se perturbó el sistema
modificando el porcentaje de apertura de la válvula de control de flujo de aire,
aplicando un salto escalón del 20%, obteniéndose la curva que aparece en la Figura
2.16, posteriormente se sintonizó el lazo de control de concentración de aire aplicando
el mismo método pero se aplicó un salto escalón en el Setpoint de la velocidad
superficial del aire (Jg) obteniéndose la curva que aparece en la Figura 2.17.
Figura 2.16: Curva reacción (salto escalón) flujo de aire en columna de flotación.
Del gráfico se obtiene un 𝜏 = 2.5 [s], un 𝑡𝑑 = 1.0 [s] y un 𝑘 = 3.7 [%/cm/s]. A partir
de estos valores se determinan los parámetros de control iniciales, los cuales se
presentan en la Tabla 2.12.
Tabla 2.12: Parámetros de control flujo de aire columna de flotación.

PARÁMETROS DE CONTROL DE FLUJO DE AIRE COLUMNA
Kp 0.62
Ti [s] 0.03
49
Con estos valores iniciales se procedió a iterar encontrándose los parámetros finales de
control que aparecen en la Tabla 2.13.
Tabla 2.13: Parámetros finales de control para flujo de aire columna de flotación.
PARÁMETROS FINALES DE CONTROL DE FLUJO DE AIRE COLUMNA
Kp 0.2
Ti [s] 0.005
Figura 2.17: Curva reacción (salto escalón) de Concentración de aire de la columna de flotación.
Del gráfico se obtiene un 𝜏 = 8.0 [s], un 𝑡𝑑 = 3.0 [s] y un 𝑘 = 1.85 [cm/s/%]. A partir
de estos valores se determinan los parámetros de control iniciales, los cuales se
Tabla 2.14: Parámetros de control Concentración de aire columna de flotación.

PARÁMETROS DE CONTROL DE FLUJO DE AIRE COLUMNA
Kp 1.33
Ti [s] 0.09
Tabla 2.15: Parámetros finales de control para flujo de aire columna de flotación.
PARÁMETROS FINALES DE CONTROL DE FLUJO DE AIRE COLUMNA
Kp 0.12
Ti [s] 0.004
50
2.6.4. Sintonía Lazo de Control de Profundidad de Espuma Columna.
Para sintonizar el lazo de control de profundidad de espuma se utilizó el método de
oscilación de Ziegler-Nichols obteniéndose la curva de la Figura 2.18.
Figura 2.18: Curva de oscilación de profundidad de espuma en columna.
Del gráfico se determina que 𝐾𝑐 = 11.3 y 𝑃𝑐 = 16 [s], con lo cual se determinan los
parámetros iniciales de control obteniéndose los valores de la Tabla 2.16.
Tabla 2.16: Parámetros de control de profundidad de espuma de columna Z-N.

PARÁMETROS DE CONTROL DE PROFUNDIDAD DE ESPUMA EN COLUMNA
Kp 5.1
Ti [s] 0.22
A partir de estos valores se iteran los valores finales para los parámetros de control que
se puede observar en la Tabla 2.17.
Tabla 2.17: Parámetros finales de control de profundidad de espuma columna.

PARÁMETROS FINALES DE CONTROL DE PROFUNDIDAD DE ESPUMA EN COLUMNA
Kp 3.2
Ti [s] 0.12
2.6.5. Sintonía Lazo de Control del Bias de la Columna.

Este lazo de control se sintonizo por el método de curva de reacción de Cohen-Coon,
para la generación de la curva se modificó el flujo de agua de lavado, aplicando un
salto escalón de 0.24 [l/min], esto generó la curva de la Figura 2.19.
51
Figura 2.19: Curva de reacción control de bias de columna.
Del gráfico se obtiene un 𝜏 = 2.0 [s], un 𝑡𝑑 = 5.0 [s] y un 𝑘 = 0.33. A partir de estos
valores se determinan los parámetros de control iniciales que se muestran en la Tabla
2.18.
Tabla 2.18: Parámetros de control de bias en columna.

PARÁMETROS DE CONTROL DE BIAS COLUMNA
Kp 1.32
Ti [s] 0.05
Tabla 2.19: Parámetros finales de control de bias en columna.

PARÁMETROS FINALES DE BIAS COLUMNA
Kp 0.5
Ti [s] 0.1
Las respuestas de las variables controladas se pueden observar en los gráficos del
ANEXO L y ANEXO M.
52
2.7. Detector de Estado Estacionario.
La simulación del circuito de flotación hace necesaria la implementación de un detector

de estado estacionario para validar los resultados del simulador, ya que éstos solo son
válidos si el sistema se encuentra en estado estacionario.
Existen numerosas formas de determinar si un proceso se encuentra o no en estado

estacionario, para este caso en particular se deben considerar tres circuitos diferentes a
los cuales se les aplica un algoritmo de detección para cada variable operacional
controlada. Además se debe tener en cuenta que los circuitos son independientes y que
si bien los tres pueden estar en estado estacionario existe la posibilidad que el proceso
global no lo esté, por lo que además del algoritmo aplicado a las variables operacionales
se añadió el balance de materia global para evitar que se detecte un estado estacionario
que en la realidad no existe. También hay que considerar que hay una etapa que es
completamente simulada, la que corresponde al circuito de remolienda, por lo que para
corroborar el estado estacionario de esta etapa se integró un balance local de materia
para asegurar un estado estacionario real y no un falso positivo.
El método utilizado para la detección de estado estacionario en las variables

operacionales de la planta piloto (Rhinehart, 1995) consiste en calcular la varianza de
una variable de proceso mediante dos métodos diferentes. Idealmente si el proceso está
en estado estacionario las varianzas calculadas por los dos métodos debiesen ser
iguales, por lo tanto la razón entre ellas debiese ser igual a la unidad. Siguiendo esta
idea el detector de estado estacionario para las variables operacionales (𝑥𝑖 ) determina
una razón en la que el numerador es la varianza calculada por medio de desviaciones
con información individual y filtrada, y el denominador es la varianza calculada a partir
de valores sucesivos.
El método comienza calculando el valor promedio de la variable de proceso con ruido

por medio de un filtro convencional de primer orden, como se muestra en la Ecuación
2.11.
53
𝑥𝑓𝑖 = 𝜆1 ∗ 𝑥𝑖 + (1 − 𝜆1 ) ∗ 𝑥𝑓𝑖−1 (2.11)
Luego se estima la varianza filtrada de la variable de proceso según la Ecuación 2.12.
2 2 2
𝜎̂𝑑𝑓𝑖 = 𝜆2 ∗ (𝑥𝑖 − 𝑥𝑓𝑖−1 ) + (1 − 𝜆2 ) ∗ 𝜎̂𝑑𝑓𝑖−1 (2.12)
Finalmente se calcula el valor de la varianza según el primer método como se muestra

en la ecuación 2.13.
2
2 ̂𝑑𝑓𝑖
𝜎
𝜎̂𝑥𝑖 = (2 − 𝜆1 ) ∗ (2.13)
2
El segundo método utiliza un procedimiento similar al método anterior, pero no se

utiliza el valor filtrado anterior de la variable de proceso. En este caso en particular la
varianza es calculada por medio de su valor filtrado anterior, este valor se muestra en
la Ecuación 2.14.
2 2
𝜌̂𝑑𝑓𝑖 = 𝜆3 ∗ (𝑥𝑖 − 𝑥𝑖−1 )2 + (1 − 𝜆3 ) ∗ 𝜌̂𝑑𝑓𝑖−1 (2.14)
Finalmente el valor de la varianza para el segundo método se calcula por medio de la

Ecuación 2.15.
2
2 ̂𝑑𝑓𝑖
𝜌
𝜎̂𝑥𝑖 = (2.15)
2
El elemento que indica si la variable se encuentra en estado estacionario se puede

calcular con la Ecuación 2.16.
(2−𝜆1 )∗𝜎 2
̂𝑑𝑓𝑖
𝑟𝑖 = 2
̂𝑑𝑓𝑖
(2.16)
𝜌
Una vez calculada la razón entre las varianzas se procede a comparar con un parámetro
𝑅, si la razón es menor a éste, la variable se encuentra en estado estacionario, si la razón
es mayor a 𝑅 el sistema no se encuentra en estado estacionario.
Los parámetros 𝜆1 , 𝜆2 , 𝜆3 y 𝑅 son diferentes y arbitrarios, los valores seleccionados

para cada variable se encuentran en el ANEXO D.
54
Para corroborar el estado estacionario global del sistema se calcula el error existente
en el balance global de materia, si el error es menor a un 5% del flujo total de
alimentación el sistema se encuentra en estado estacionario. El error es estimado con
el valor absoluto de la diferencia entre los flujos másicos que ingresan al sistema menos
los flujos másicos totales que salen del sistema.
Para el caso del estado estacionario del circuito de remolienda, se genera un sistema
local que integra el tanque mezclador, el hidrociclón y el molino. El criterio de
detección y el cálculo del error se realizan de forma similar a la expuesta para el balance
global de materia.
El código del detector de estado estacionario se implementó en un script en el software

MATLAB®, el código se encuentra en el CD de la Tesis.
55
2.8. Implementación Control Prealimentado.
El control prealimentado es utilizado en este trabajo como una forma de mejorar el lazo
de control retroalimentado de la profundidad de espuma en las celdas de flotación. Su
implementación se centra principalmente en mejorar la rapidez con la cual se actúa ante
una serie de perturbaciones conocidas, estas son el cambio en el flujo de alimentación
y el cambio de Setpoint de las celdas contiguas. El desarrollo del control prealimentado
para las celdas de la planta piloto del circuito Rougher fue realizado por Durán (2014),
mientras que para las celdas del circuito Scavenger se implementó una forma análoga.
La lógica del control prealimentado está implementada como soporte al control

retroalimentado y su lógica fue programada directamente en el software InTouch HMI
10.1.3 de Wonderware, su funcionamiento radica en la detección de las perturbaciones
mencionadas y la aplicación de un factor a la actuación del control retroalimentado.
En el ANEXO L y ANEXO M se pueden observar las respuestas de la profundidad de

espuma con el control prealimentado y retroalimentado.
56
2.9. Base de Datos.
Un elemento muy importante de una planta es la capacidad de almacenar información

de interés para el control, supervisión, mantención, planificación y detección de fallas
entre otros, por este motivo se implementó una base de datos que almacena la
información de interés en forma organizada.
La base datos fue creada mediante el software Microsoft Access 2010 y utilizó el
administrador de orígenes de datos (ODBC) proporcionado por el sistema operativo
Windows para vincular las variables de interés registradas en la planta con la base de
datos.
ODBC es un estándar de acceso a base de datos cuya sigla significa Open DataBase
Connectivity. Por medio de este Windows tiene conexión a cualquier base de datos.
Para configurar el ODBC se accedió a éste desde el panel de control Windows y se

agregó un nuevo DNS (acceso a origen de datos) con nombre DBIntouch y controlador
Microsoft Access Driver, ver Figura 2.20.
Figura 2.20: Ventana administrador de orígenes de datos ODBC.
La configuración del ODBC requiere la creación de un archivo de base de datos, en

este caso en particular se utilizó “Intouch.accdb”, creada previamente con Microsoft
Access 2010, ver Figura 2.21.
57
Figura 2.21: Ventada de configuración ODBC Microsoft Access.
La vinculación de las variables registradas en el software InTouch HMI 10.1.3 con la

base de datos se realizó mediante una lista de vinculación (Bind list), la cual fue creada
accediendo a la barra de herramientas de InTouch HMI 10.1.3, específicamente
accediendo a SQL Manager y luego a Bind list como se muestra en la Figura 2.22.
Figura 2.22: Ventana de acceso a Bind list.
La configuración de la lista se realizó ingresando el nombre de la variable a vincular y

el nombre de la columna a la cual se le asignaría en la base de datos como se muestra
en la Figura 2.23.
Figura 2.23: Ventana de configuración Bind list.
58
Dentro del software InTouch HMI 10.1.3 se creó un Script (código de programación)
el cual permitía el envío de datos hacia la base de datos creada con intervalos de un
segundo.
Para el desarrollo de este trabajo se crearon 3 bases de datos, la principal que almacena
toda la información de interés cada vez que se inicia la operación de la planta, y dos
secundarias las cuales almacenan en un caso información metalúrgica para la
realización de experiencias de operación del simulador metalúrgico y el otro caso que
almacena información sobre el control de la planta piloto para la sintonización de los
lazos de control. Para las bases de datos secundarias, su activación depende
directamente del usuario. Cada base de datos almacena la información en distintas
tablas, en la Figura 2.24 se muestra la organización de la información de la base de
datos principal, en el ANEXO E se puede observar la organización de las base de datos
secundarias.
Figura 2.24: Organización de tablas de información base de datos principal.
59
CAPITULO 3: SIMULADOR METALÚRGICO.
El simulador metalúrgico tiene la función de emular la operación de una línea de celdas,
columna de flotación o circuito de flotación. Uno de los principales objetivos del
presente trabajo es la simulación de un circuito de flotación RCS, para lograrlo se debe
sincronizar la operación y emulación de las distintas etapas existentes en la planta. El
simulador fue programado en el software MATLAB® en el cual se escribe un script
donde se incluyen las ecuaciones de cada modelo utilizado, este software se puede
comunicar con el software InTouch HMI 10.1.3 de Wonderware por medio del
protocolo DDE expuesto en la Sección 1.4.5.
Para una mejor comprensión del simulador creado, este informe separa los modelos
utilizados para cada etapa y luego se explica el método de sincronización y operación.
3.1. Supuestos y Modelo para Alimentación al Circuito.
3.1.1. Supuestos para la Pulpa de Alimentación.

Para la operación y simulación de la planta de flotación se consideró una alimentación
compuesta por agua y mineral, las especies mineralógicas consideradas son:
 Calcopirita (CuFeS2), considerado mineral valioso.

 Calcosina (Cu2S), considerado mineral valioso.
 Pirita (FeS2).
 Ganga (material sin valor comercial).
Además de esto se considera que el mineral está compuesto por tres clases de tamaño
(grueso, intermedio, fino), en cada una de las clases es posible encontrar cualquiera de
las especies de mineral pero las proporciones son variables y dependen de cada especie.
Cada clase de tamaño otorgará a las especies minerales distintas propiedades de
flotabilidad lo que se traduce en que para una misma especie sus distintas clases de
tamaño tendrán recuperaciones diferentes. Las clases de tamaño consideradas se
60
Tabla 3.1: Nomenclatura de clases de tamaño.
MALLA ASTM-E 11/95 TAMAÑO CLASE
+100# +150 μm Gruesa
-100+325# -150+45 μm Intermedia
-325# -45 μm Fina
El agua también es considerada en la alimentación y en la simulación en las celdas de

flotación se utiliza un modelo que entrega su recuperación, para el caso de la columna
la recuperación se determina por medio de los balances de materia.
3.1.2. Modelo de Condiciones Granulométricas Pulpa de Alimentación.

Para describir la granulometría del mineral que ingresa al circuito se consideró como
único parámetro disponible, el porcentaje de material grueso (+100#) que se alimenta
al circuito.
Mediante análisis granulométricos de alimentación (Carrasco, 2010) y por medio del

ajuste de Gaudin-Shuhmann (Gupta & Yan, 2006) (Ecuación 3.1) fue posible
determinar la relación existente entre el parámetro “s” de la distribución y el porcentaje
de material grueso, como se ve en la Ecuación 3.2 (Carrasco, 2010), permitiendo el
cálculo del parámetro “s”.
𝑑 𝑠
𝑌 = (𝑑∗) (3.1)
𝑠 = 0.0123 ∙ (% + 100#) + 0.138 (3.2)
Utilizando la Ecuación 3.1 y la Ecuación 3.2 es posible determinar el %-325#, como

se ve en la Ecuación 3.3.
𝑑 𝑠
% − 325# = (𝑑𝑓𝑖𝑛𝑜 ) (3.3)
𝑚𝑎𝑥
Con la Ecuación 3.4 se puede determinar la distribución %-100+325#.
(% − 100 + 325#) = 100 − (% − 325#) − (% + 100#) (3.4)
61
Para modelar la distribución de las especies minerales se utilizaron valores reportados
en planta para la calcopirita y la pirita (Carrasco, 2010), mientras que para el caso de
la calcosina se utilizó la misma distribución de la calcopirita debido a la falta de
información de planta de esta especie.
La distribución de especies minerales por clase fue modelada con una regresión
polinomial de tercer grado, de esta forma con la información del porcentaje de gruesos
(%+100#) de alimentación se puede determinar la distribución las especies minerales
mencionadas previamente, este análisis se realizó en base al trabajo de Bazin (1994),
Carrasco (2010) y Durán (2014). La Ecuación 3.5 muestra la forma genérica de la
regresión, los parámetros 𝑎, 𝑏, 𝑐 para cada especie mineral se encuentran en el ANEXO
F.
𝑌𝑒𝑠𝑝𝑒𝑐𝑖𝑒 𝑖 = 𝑎𝑖 ∙ (%𝐴𝑐𝑢𝑚)3 + 𝑏𝑖 ∙ (%𝐴𝑐𝑢𝑚)2 + 𝑐𝑖 ∙ (%𝐴𝑐𝑢𝑚) (3.5)
62
3.2. Modelo Celdas de Flotación Rougher y Scavenger.
3.2.1. Supuestos del Modelo.

 Se consideran como mineral valioso la calcopirita y calcosina, las cuales se
recuperan mediante flotación verdadera.
 Para el material no flotable (ganga), se considera que existe una fuerte correlación
entre éste y la recuperación de agua.
 El régimen de mezclado en una celda se considera como dos estanques
perfectamente agitados en serie, uno pequeño y otro grande.
 Se consideran celdas con aire forzado.
 Las constantes cinéticas de las especies se modifican a lo largo de la línea de
flotación.
 El factor de estabilidad de espuma, recuperación de agua y recuperación en la zona
de espuma cambian a lo largo de la línea de flotación.
 Existen recuperaciones máximas para cada especie y clase de tamaño al igual que
para el agua.
 Se supone un factor de estabilidad de espuma que depende en forma proporcional
de la cantidad de mineral valioso recuperado en la zona de colección.
 Se asumen líneas de 7 celdas de flotación.
3.2.2. Modelos Zona de Colección.

La recuperación en la zona de colección se describe a partir de la expresión general que
se muestra en la Ecuación 3.6 (Yianatos et al., 2012).
∞ ∞
𝑅 = 𝑅𝑚𝑎𝑥 ∙ ∫0 ∫0 (1 − 𝑒 −𝑘∙𝑡 ) ∙ 𝐹(𝑘) ∙ 𝐸(𝑡) ∙ 𝑑𝑘 ∙ 𝑑𝑡 (3.6)
Donde el término (1 − 𝑒 −𝑘𝑡 ) representa la recuperación del mineral para un proceso

de primer orden con constante cinética 𝑘 invariable en función del tiempo. El término
𝐹(𝑘) corresponde a la función de distribución de constante cinética para especies
minerales con diferente velocidad de flotación, 𝐸(𝑡) es la función de distribución de
63
tiempo de residencia para el proceso continuo con diferente nivel de mezclado y 𝑅𝑚𝑎𝑥
es la recuperación máxima de flotación en tiempo infinito (Yianatos et al., 2012).
 Función de Distribución de Constantes Cinéticas (𝑭(𝒌))
La función de distribución de constantes cinéticas seleccionada es del tipo rectangular,

como se ve en la Ecuación 3.7. Las ventajas de esta distribución son su reducido
número de parámetros y su flexibilidad.
1 𝑛
𝑛 𝑠𝑖 0 < 𝑘 < 𝑘𝑚𝑎𝑥,𝑖
𝐹𝑖𝑛 (𝑘) 𝑘𝑚𝑎𝑥,𝑖
={ (3.7)
𝑛
0 𝑠𝑖 𝑘 > 𝑘𝑚𝑎𝑥,𝑖
Donde 𝑖 representa la clase de tamaño de la especie mineral y 𝑛 es el número de celda.
Modelo de constantes cinéticas:
El mineral con las constantes cinéticas más altas es recuperado en las primeras celdas
de una línea de flotación por lo que se produce un comportamiento distribuido y
decreciente para cada especie mineral analizada. La caracterización de este
decrecimiento de la distribución de las constantes cinéticas se realizó por medio de la
Ecuación 3.8 (Carrasco, 2010).
𝑘𝑛 𝑛−1 𝜒
𝑘𝑟𝑎𝑧ó𝑛 = 𝑘𝑚𝑎𝑥,𝑖
1 = exp (− ( ) ) (3.8)
𝑚𝑎𝑥,𝑖 𝛿𝑖
Donde 𝑘𝑟𝑎𝑧ó𝑛 representa la razón entre la constante cinética de la clase 𝑖 en la celda 𝑛

y la constante cinética de la clase 𝑖 en la celda 1. El factor 𝛿𝑖 es un parámetro de ajuste
que depende del tamaño característico de la clase 𝑖 y el exponente 𝜒 es un parámetro
de ajuste arbitrario.
 Función de Distribución de Tiempos de Residencia (𝑬(𝒕)).
La hidrodinámica de celdas de flotación puede ser caracterizada a través de la función

de distribución de tiempos de residencia 𝐸(𝑡). En la actualidad diversos estudios
basados en evidencia experimental demuestran que el modelo LSTS permite representar
64
de manera adecuada el comportamiento hidrodinámico en celdas de flotación
(Yianatos, 2007; Yianatos et al., 2008a).
El modelo LSTS consiste en considerar un mezclador perfecto grande en serie con un

mezclador perfecto pequeño los cuales tienen tiempos de residencia 𝜏𝑙 y 𝜏𝑠
respectivamente, más un tiempo muerto 𝜏𝑝 . La distribución que resulta aplicando este
modelo se muestra en la Ecuación 3.9.
1 𝑡− 𝜏𝑝 𝑡− 𝜏𝑝
𝐸(𝑡) = ∙ (exp (− ) − exp ( )) (3.9)
𝜏𝑠 −𝜏𝑙 𝜏𝑠 𝜏𝑙
La razón entre 𝜏𝑠 y 𝜏𝑙 es usualmente cercana a 0.1 en celdas mecánicas (Yianatos et

al., 2012).
Para el cálculo de 𝜏𝑠 y 𝜏𝑙 se utilizaron las siguientes aproximaciones (Ecuación 3.10 y

Ecuación 3.11) (Durán, 2014).
𝜏𝑠 = 0.1 ∙ 𝜏 (3.10)
𝜏𝑙 = 0.9 ∙ 𝜏 (3.11)
El valor del tiempo de residencia nominal de la celda 𝜏 se define a partir de la Ecuación
3.12.
𝑉𝑜𝑙𝑢𝑚𝑒𝑛 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑜 𝑐𝑒𝑙𝑑𝑎 [𝑚3 ]

𝜏= 𝑚3
(3.12)
𝐶𝑎𝑢𝑑𝑎𝑙 𝐴𝑙𝑖𝑚𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 [ ]
𝑚𝑖𝑛
 Recuperación Zona de Colección.
La recuperación en la zona de colección se obtiene resolviendo la Ecuación 3.6, esto

se logra teniendo en cuenta las funciones de distribución descritas previamente, lo que
da como resultado la Ecuación 3.13.
1 1+𝑘 𝑛 ∙𝜏𝑠𝑛
𝑅𝐶,𝑖,𝑛 = 𝑅𝑚𝑎𝑥,𝑖 ∙ (1 − ((𝑘 𝑛 𝑛 ∙ ln (1+𝑘𝑚𝑎𝑥,𝑖
𝑛 ))) (3.13)
𝑛
𝑚𝑎𝑥,𝑖 ∙(𝜏𝑠 −𝜏𝑙 ) ∙𝜏𝑛
𝑚𝑎𝑥,𝑖 𝑙
Todos los valores de los parámetros utilizados en este modelo se encuentran en el

ANEXO F.
65
3.2.3. Modelos Zona de Espuma.
 Recuperación en Zona de Espuma.
La recuperación de espuma puede ser estimada a partir de mediciones de carga de

burbuja y balance de materiales alrededor de una celda de flotación industrial. Una vez
que la recuperación de espuma es estimada se puede utilizar la Ecuación 3.14 (Gorain
et al., 1998) para modelar su comportamiento.
−𝜏𝑓,𝑛
𝑅𝑓,𝑛 = 𝛼 ∙ exp ( ) (3.14)
𝛽𝑛
Donde 𝛼 corresponde a la recuperación máxima en la zona de espuma, 𝛽𝑛 es el factor

de estabilidad de espuma de la celda 𝑛 y 𝜏𝑓,𝑛 es el tiempo de residencia medio del gas
en la zona de espuma de la celda 𝑛.
El tiempo de residencia medio del gas en la espuma (𝜏𝑓,𝑛 ) puede ser estimado a través
de la Ecuación 3.15 (Yianatos et al., 2008b).
𝐻𝑓,𝑛 ∙𝜀𝑔
𝜏𝑓,𝑛 = (3.15)
𝐽𝑔
Donde 𝐻𝑓,𝑛 corresponde a la profundidad de espuma de la celda 𝑛, 𝜀𝑔 es la

concentración media del gas en la espuma en la zona de espuma y 𝐽𝑔 es la velocidad
superficial del gas la cual se define según la Ecuación 3.16.
𝑐𝑚3
𝑐𝑚 𝐹𝑙𝑢𝑗𝑜 𝑑𝑒 𝑎𝑖𝑟𝑒 𝑞𝑢𝑒 𝑖𝑛𝑔𝑟𝑒𝑠𝑎 𝑎 𝑙𝑎 𝑐𝑒𝑙𝑑𝑎 [ ]
𝑠
𝐽𝑔 [ ]= (3.16)
𝑠 Á𝑟𝑒𝑎 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑐𝑒𝑙𝑑𝑎 [𝑐𝑚2 ]
Según la evidencia empírica el factor de estabilidad de espuma (𝛽𝑛 ) de cada celda

disminuye a medida que se avanza a lo largo de una línea de celdas de flotación,
mientras que la selectividad de la espuma aumenta (Yianatos, et al., 2012). El factor de
estabilidad de espuma fue modelado usando la Ecuación 3.17 (Carrasco, 2010).
𝛽𝑛 = 𝛹 ∙ 𝑀𝑛 ∙ 𝑅𝐶,𝑛 (3.17)
66
Donde 𝑀𝑛 es la cantidad de material valioso que ingresa a la celda 𝑛, 𝑅𝐶,𝑛 es la
recuperación de la zona de colección de mineral valioso en la celda 𝑛 y 𝛹 es un
parámetro de ajuste.
Los valores de los parámetros utilizados en este modelo se encuentran en el ANEXO

F.
3.2.4. Modelo de Recuperación de Agua.

La recuperación de agua 𝑅𝑤 es definida como la fracción de agua que es reportada en
la corriente de concentrado (Yianatos et al., 2012). La recuperación de agua puede ser
calculada por medio del análisis del porcentaje de sólidos y el balance de materiales en
las corrientes de interés de un circuito de flotación.
Con el objetivo de modelar el comportamiento de la recuperación de agua en una línea

de celdas de flotación se utilizará la Ecuación 3.18 en la simulación.
𝛾
𝐻𝑓,𝑛
𝑅𝑤,𝑛 = 𝜉 ∙ exp (− 𝐽 𝑣 ) (3.18)
𝑔 ∙𝛽𝑛
Donde 𝜉 es la recuperación máxima de agua en una celda, 𝛾 y 𝑣 son parámetros de

ajuste cuyos valores están en el ANEXO F.
3.2.5. Modelo de Recuperación de Ganga.

Un gran número de estudios han demostrado una fuerte correlación entre la
recuperación de ganga y la recuperación de agua (Yianatos & Contreras, 2010).
Para efectos de modelación la Ecuación 3.19 define un parámetro adimensional

denominado factor de arrastre, el cual corresponde a la razón entre la recuperación de
ganga y recuperación de agua (Yianatos & Contreras, 2010).
𝑅𝑛
𝐸𝐹𝑖 = 𝑅 𝐺,𝑖 (3.19)
𝑤,𝑛
𝑛
Donde 𝐸𝐹𝑖 es el factor de arrastre de la clase de tamaño 𝑖, 𝑅𝐺,𝑖 es la recuperación de
ganga de clase 𝑖 en la celda 𝑛 y 𝑅𝑤,𝑛 es la recuperación de agua de la celda 𝑛. El factor
67
de arrastre puede ser modelado a partir de la Ecuación 3.20 (Yianatos & Contreras,
2010).
𝛷
𝑑
𝐸𝐹𝑖 = exp (−0.693 ∙ ( 𝛿𝑝,𝑖 ) ) (3.20)
𝑔
Donde 𝑑𝑝,𝑖 es el diámetro de la partícula de clase 𝑖, 𝛿𝑔 es un parámetro que corresponde

al tamaño medio de partícula para 𝐸𝐹𝑖 = 0.5 y 𝛷 es un parámetro de drenaje.
Con las Ecuaciones 3.18, 3.19 y 3.20 es posible determinar la recuperación de ganga.
La Ecuación 3.21 corresponde a la expresión utilizada en la simulación del proceso.
𝛷
𝑛 𝑑
𝑅𝐺,𝑖 = exp (−0.693 ∙ ( 𝛿𝑝,𝑖 ) ) ∙ 𝑅𝑤,𝑛 (3.21)
𝑔
Los valores de los parámetros utilizados se encuentran en el ANEXO F.
3.2.6. Ley y Recuperación de Mineral.

La recuperación global de mineral 𝑚 de la clase 𝑖 de la celda 𝑛 será determinada a
partir de la Ecuación 3.22, proveniente del balance de material del modelo de dos fases
(Finch & Dobby, 1990).
𝑚 𝑅𝐶,𝑖,𝑛 ∙𝑅𝑓,𝑛
𝑅𝑖,𝑛 = 1−𝑅 (3.22)
𝐶,𝑖,𝑛 +𝑅𝐶,𝑖,𝑛 ∙𝑅𝑓,𝑛
La suma de los aportes individuales de cada celda se puede determinar la recuperación

global de la etapa simulada.
La ley de mineral se calcula con la ecuación 3.23.
𝐹,𝑚 𝑚
𝐶,𝑚 𝐹𝑖,𝑛 ∙𝑋𝑖,𝑛 ∙𝑅𝑖,𝑛
𝑋𝑖,𝑛 = 𝐹,𝑚 𝑚 (3.23)
∑ ∑ 𝐹𝑖,𝑛 ∙𝑋𝑖,𝑛 ∙𝑅𝑖,𝑛
3.2.7. Análisis de Sensibilidad del Modelo.

La sensibilidad del modelo nos indica como se comporta el simulador ante el cambio
las distintas variables modificables en un proceso Rougher y Scavenger. Las variables
68
a las que se aplicó el análisis de sensibilidad se muestran en la Tabla 3.2, donde se ven
variables operacionales y de la alimentación.
Tabla 3.2: Valores de variables de análisis de sensibilidad celdas de flotación.

VARIABLE VALOR MÍNIMO VALOR MÁXIMO VALOR FIJO
Profundidad de espuma [cm] 2 12 8
Jg [cm/s] 1 1.6 1.2
Sólidos de alimentación [%] 30 55 40
%+100# 18 26 18
Flujo de alimentación [l/min] 2 7 5
Ley de Cu alimentación [%] 0.7 5 0.7
El comportamiento de los resultados metalúrgicos ante cambios en las variables

mencionadas se puede dividir en un análisis a los resultados globales del circuito de
celdas y resultados acumulativos a lo largo de la línea de celdas. A continuación se
realiza un breve comentario de los efectos de la variación de las variables mencionadas,
las curvas relacionadas a la sensibilidad en cada cambio se encuentran en el ANEXO
G.
 Cambio en profundidad de espuma:
Ante el aumento de la profundidad de espuma la recuperación global de un circuito de

celdas disminuye, mientras que la ley de cobre aumenta levemente. Estos efectos se
deben a que al aumentar la profundidad de espuma se mejora la limpieza del mineral
pero esto genera que existan pérdidas de mineral valioso hacia el relave.
 Cambio en la velocidad superficial del aire (Jg):
Ante el aumento de la velocidad superficial de aire (Jg) se observa que la recuperación

global del circuito aumenta mientras que la ley de cobre disminuye. Estos efectos se
justifican debido a que al aumentar el Jg aumenta la cantidad de burbujas de aire con
lo cual aumenta el material colectado en la celda, pero esto provoca que aumente el
arrastre de material no valioso, lo que provoca la disminución de la ley del concentrado.
69
 Cambio en el porcentaje de sólidos de alimentación:
El modelo seleccionado para la modelación de la flotación en líneas de celdas no

incluye de manera directa ningún efecto sobre la cinética de flotación a causa de
cambios en la densidad de la pulpa, pero ésta afecta directamente la cantidad de mineral
que ingresa a las celdas con el mismo flujo volumétrico, esto provoca que exista mayor
cantidad de material sólido y es esto lo que genera ese leve aumento en la recuperación
global de las celdas, y con el aumento de la recuperación disminuye de manera poco
significativa la ley de cobre del concentrado. Durante la elaboración de este trabajo
Olivares (2016) desarrolló una modificación al modelo de flotación en celdas para
conseguir que el modelo sea sensible ante el porcentaje de sólidos.
 Cambio en el porcentaje de sólidos gruesos de alimentación:
Al modificar la granulometría de alimentación el efecto es poco significativo para la

recuperación global de la línea de celdas, para el caso de la ley se observa una
disminución muy leve, esto se debe a que existe una superposición de fenómenos que
transcurren en las celdas, al aumentar el porcentaje de gruesos implica que hay más
material no valioso asociado a mineral valioso, pero también disminuye la cantidad de
material no valioso fino que puede ser arrastrado hacia el concentrado lo que puede
provocar un aumento de ley, esto genera que los efectos se superpongan. En el caso
específico de este modelo se le da un mayor peso al material no valioso asociado a
mineral que al efecto de arrastre de finos.
 Cambio en el flujo volumétrico de alimentación:
El aumento de flujo volumétrico de alimentación provoca que el tiempo de residencia

en las celdas disminuya lo que provoca que la recuperación en la zona de colección
disminuya y por ende la recuperación global, la ley aumenta debido a que con una baja
colección existe menos material no valioso transportado hacia el concentrado ya sea
asociado al mineral o por arrastre.
70
 Cambio en la ley de cobre del flujo de alimentación:
El aumento de la ley de cobre de alimentación no genera cambios significativos en la

recuperación global de las líneas de celdas, pero en lo que respecta a ley de cobre del
concentrado se observa de manera importante, esto se debe a que existe mayor
proporción de material valioso a recuperar.
71
3.3. Modelación circuito de Remolienda.
El circuito de remolienda está compuesto por 3 equipos, un mezclador, una batería de

hidrociclones y un molino vertical. El circuito de remolienda que se configuró para este
trabajo se puede ver en la Figura 3.1, en la cual se observa que el flujo de alimentación
al circuito corresponde a las corrientes de concentrado de las etapas Rougher y
Scavenger, también existe un reciclo que pasa por un molino que se encarga de la
remolienda del mineral más grueso. Cabe mencionar que el mezclador que recibe los
flujos de alimentación no genera cambios en éstos, por lo que no se modela,
simplemente se realiza un balance de materia en estado estacionario.
Concentrado Concentrado
Rougher Scavenger
Hidrociclones
Mezclador Rebalse
Hacia
Columna
Molino
Figura 3.1: Esquema circuito de remolienda modelado.
Es importante mencionar que además de la implementación de un simulador se

adiciono una lógica binaria para determinar la cantidad de hidrociclones activos en el
proceso, la regla de aplicación considera que existe un rango de presión de alimentación
(1.65 a 2.25 [bar]), calculada según la Ecuación 3.25, si la presión es mayor al límite
superior se activa un nuevo hidrociclón y si la presión es menor al límite inferior se
cierra un hidrociclón.
72
3.3.1. Modelación Hidrociclones.
Para la modelación y simulación de los hidrociclones se utilizó el modelo
Nageswararao (Nageswararao, et al., 2004). Su uso se justifica debido a que por más
de 25 años ha sido utilizado de forma exitosa en la industria, lo que indica que los
supuestos en los que se basa son realistas y son una aproximación razonable a lo que
ocurre en el proceso de separación de un hidrociclón. Para una mejor compresión del
modelo se debe tener en cuenta la geometría de un hidrociclón, las variables de diseño
del modelo corresponden a las que aparecen en la Figura 3.2.
Rebalse
Do
Alimentación
Di
Dc
Du
Descarga
Figura 3.2: Dimensiones de un hidrociclón.
A continuación se describe el modelo de Nageswararao (Nageswararao, et al., 2004;

Nageswararao ,1978). Para la construcción del modelo se han seleccionado una serie
73
de variables dependientes que se consideran relevantes para describir el
comportamiento de un hidrociclón:
 El número de Euler (𝐸𝑢), definido como 𝑄/(𝐷𝑐2 ∙ √𝑃/𝜌𝑝 )

 El tamaño de corte adimensional, 𝑑50 ⁄ 𝐷𝑐
 Recuperación de agua a la descarga 𝑅𝑤
 Recuperación volumétrica de pulpa a la descarga 𝑅𝑣
Las variables de operación independientes están basadas en consideraciones

fenomenológicas. Para la cuantificación del campo de fuerza centrífuga que se genera
en un hidrociclón se consideró apropiado el uso del producto entre los números de
Euler y Froude (𝐸𝑢 ∙ 𝐹𝑟 = 𝑃 ⁄ ((𝑔 ∙ 𝐷𝑐2 ∙ 𝜌𝑝 ) ). Además el modelo incluye un factor
de sedimentación λ (Pino, 2012), con el cual se asume una correcta cuantificación de
los efectos del cambio de viscosidad de la pulpa.
La formulación del modelo de Nageswararao asume que los efectos de las variables
operacionales y las variables de diseño en el rendimiento son separables. El efecto de
estas sigue una relación de potencia monomial. El efecto e influencia de factores
desconocidos fueron incluidos en una variable (𝐾𝑝0 ). En la Ecuación 3.24 se observa
la estructura que tiene el cálculo de cada variable dependiente (𝑃𝑗 ) en el modelo.
𝑎 𝑏 𝑐 𝑑 𝑓
𝐷 𝐷 𝐷 ℎ 𝑃
𝑃𝑗 = 𝐾𝑝0 ∙ 𝐷𝑐𝑠 ∙ ( 𝐷𝑢) ∙ (𝐷𝑜 ) ∙ (𝐷 𝑖 ) ∙ (𝐷𝑐 ) ∙ 𝜃 𝑒 ∙ ((𝑔∙𝐷2∙𝜌 )) ∙ λh (3.24)
𝑐 𝑐 𝑐 𝑐 𝑐 𝑝
Donde 𝑎, 𝑏, 𝑐, 𝑑, 𝑒, 𝑓 y g son parámetros que fueron determinados por Nageswararao a

partir de datos obtenidos para hidrociclones de distintos tamaños y que procesaban
flujos de alimentación con alto porcentaje de finos (Pino, 2012). Las Ecuaciones 3.25,
3.26, 3.27 y 3.28 son el resultado del trabajo de Nageswararao.
𝑄 𝐷 0.68 𝐷 0.45 ℎ 0.2

= 𝐾𝑄0 ∙ 𝐷𝑐−0.1 ∙ ( 𝐷𝑜 ) ∙ (𝐷 𝑖 ) ∙ (𝐷𝑐 ) ∙ 𝜃 −0.1 (3.25)
𝐷𝑐2 √𝑃/𝜌𝑝 𝑐 𝑐 𝑐
𝑑50 𝑐 𝐷 −0.5 𝐷 0.52 𝐷 0.2 ℎ 0.2

𝐷𝑐
= 𝐾𝐷0 ∙ 𝐷𝑐−0.65 ∙ ( 𝐷𝑢) ∙ ( 𝐷𝑜 ) ∙ (𝐷 𝑖 ) ∙ (𝐷𝑐 ) ∙ 𝜃 0.15 (3.26)
𝑐 𝑐 𝑐 𝑐
74
2.4 −1.19 0.5 0.22 −0.53
𝑅𝑤ℎ = 𝐾𝑤 ∙ ( 𝐷𝑢) ∙ ( 𝐷𝑜 ) ∙ (𝐷𝑖 ) ∙ (𝐷𝑐 ) ∙ 𝜃 −0.24 ∙ ((𝑔∙𝐷2 ∙𝜌 )) ∙ λ0.27 (3.27)
1.83 −0.94 0.25 0.22 −0.31

𝑅𝑣 = 𝐾𝑣 ∙ ( 𝐷𝑢) ∙ (𝐷𝑜 ) ∙ (𝐷 𝑖 ) ∙ (𝐷𝑐 ) ∙ 𝜃 −0.24 ∙ ((𝑔∙𝐷2 ∙𝜌 )) (3.28)
Donde las variables 𝐷𝑢 , 𝐷𝑐 , 𝐷0 , 𝐷𝑖 , 𝐿𝑐 son las dimensiones del hidrociclón

esquematizado en la Figura 3.2. Las variables 𝐾𝑤 , 𝐾𝑄0 , 𝐾𝐷0 , 𝐾𝑣 son la cuantificación de
los efectos desconocidos y permiten el ajuste del modelo, 𝜃 es el ángulo del cono del
hidrociclón, 𝑃 es la presión de alimentación, 𝑔 es la aceleración de gravedad, 𝜌𝑝 es la
densidad de la pulpa, 𝑅𝑣 es la recuperación de sólidos a la descarga del hidrociclón,
𝑅𝑤ℎ es la recuperación de agua a la descarga del hidrociclón y 𝑄 es el caudal de
alimentación.
Para representar el grado de separación dentro del hidrociclón Nageswararao utilizó

una forma particular de la curva de eficiencia reducida, la forma de Whiten (Napier-
Munn, et al., 1996; Whiten, 1977) que se presenta en la Ecuación 3.29.
𝑒 𝛿 −1
𝐸𝑜𝑎𝑖 = 𝐶𝑜 ∙ [ 𝑑𝑖 ] (3.29)
𝛿∙
𝑒 𝑑50𝑐 +𝑒 𝛿 −2
Donde 𝐸𝑜𝑎𝑖 es la fracción real de material de tamaño 𝑖 que llega al rebalse (overflow),
𝐶𝑜 es la fracción de agua que llega al rebalse, 𝛿 es el parámetro de forma de la curva
de eficiencia del hidrociclón, 𝑑𝑖 es el tamaño 𝑖 de la partícula y el 𝑑50𝑐 es el tamaño de
clasificación corregido.
Con las ecuaciones expuestas es posible determinar la granulometría de las corrientes

de rebalse y descarga del hidrociclón a partir de la granulometría de la corriente de
alimentación. El valor de las dimensiones del hidrociclón y los parámetros del modelo
se encuentran en el ANEXO H.
75
El comportamiento del modelo se puede visualizar en la Figura 3.3, donde se observan
las curvas granulométricas de alimentación, flujo de descarga y flujo de rebalse, que se
forman ante una alimentación con un 20 % de gruesos.
Flujo de rebalse
Flujo de alimentación
Flujo de descarga
Figura 3.3: Comportamiento modelo hidrociclones.
En la Figura 3.3 se observa que el modelo se comporta acorde a los que se esperaría en
un hidrociclón, ya que en el flujo de rebalse disminuye la proporción de partículas de
clase gruesa mientras que en el flujo de descarga la cantidad de partículas gruesas
aumenta.
3.3.2. Modelación Molino Vertical.

En general un proceso de conminución puede ser representado por una ecuación
general de balance macroscópico donde se deben contemplar conceptos básicos de la
teoría de conminución, como la velocidad específica con que las partículas de cada
tamaño son fracturadas por unidad de tiempo (o unidad de energía), representada
matemáticamente por la función de selección (𝑆); la función de distribución de tamaño
resultante de cada partícula fracturada acumulativa pasante (𝐵𝑚 ); y un posible evento
76
de clasificación interna dentro del mismo equipo de conminución representada por la
función de clasificación (𝐶).
Para caracterizar el desempeño del molino vertical se usó un modelo matemático

simplificado, a partir de la teoría de conminución y la distribución de tiempos de
residencia, la cual se determinó a partir de trabajo realizado por trazador radioactivo en
equipos industriales (Pino, 2012).
La teoría de conminución propone la ecuación general del modelo cinético lineal de

conminución batch (Nakajima & Takana, 1973; Sepúlveda & Gutierrez, 1986), que en
su forma acumulativa adquiere la forma de la Ecuación 3.30.
𝑡 𝑥 𝜕𝑍(𝑥,𝑡)
𝑍(𝑦, 𝑡) = 𝑍0 (𝑦) + ∫0 ∫𝑦 𝑚 ∙ 𝑆(𝑦) ∙ 𝐵𝑚 (𝑦, 𝑥)𝑑𝑥𝑑𝑡 (3.30)
𝜕𝑥
Donde 𝑍(𝑦, 𝑡) y 𝑍0 (𝑦) son la fracción en peso acumulada de material retenido sobre la
malla de tamaño 𝑦, al tiempo 𝑡 y al tiempo 𝑡 = 0 respectivamente.
Harris (1968) encontró una solución analítica que ajustaba a datos experimentales,
asumiendo que la función de selección estaba correlacionada a la función de
rompimiento, y que dependía del tiempo de molienda. Esto último podía explicarse si
la función de selección se viera afectada por la distribución de tamaño de partícula,
pero para la aplicación de la teoría de conminución depende de la validez de la hipótesis
donde 𝑆(𝑦) y 𝐵𝑚 (𝑦, 𝑥) son independientes de la distribución de tamaños (Nakajima &
Takana, 1973). La solución analítica propuesta por Nakajima y Takana (1973) asume
que la función de selección y función de rompimiento toman la forma de la Ecuación
3.31 y 3.32 respectivamente.
𝑆(𝑦) = 𝐾 ∙ 𝑦 𝑛𝑚 (3.31)
𝑦 𝑚
𝐵𝑚 (𝑦, 𝑥) = (𝑥 ) (3.32)
Donde 𝐾 es una constante que depende de las condiciones de molienda, 𝑛𝑚 y 𝑚 son

parámetros que se encuentran en la vecindad de la unidad. Si se reemplazan las
77
Ecuaciones 3.31 y 3.32 en la Ecuación 3.30 y se asume una alimentación con
distribución de tamaño angosta (𝑛𝑚 = 𝑚), se obtiene la Ecuación 3.33.
[𝑍(𝑦, 𝑡)]𝑏𝑎𝑡𝑐ℎ = 𝑍0 (𝑦) ∙ exp(−𝐾 ∙ 𝑦 𝑛𝑚 ∙ 𝑡) (3.33)
Para el modelo continuo simplificado se puede determinar asumiendo una distribución

de tiempos de residencia (Nitta, et al., 2002), obteniéndose la Ecuación 3.34.
∞
𝑍𝑝 (𝑦, 𝑡) = ∫0 [𝑍(𝑦, 𝑡)]𝑏𝑎𝑡𝑐ℎ ∙ 𝐸(𝑡)𝑑𝑡 (3.34)
El modelo LSTS-2 de la Ecuación 3.35, asume un mezclador perfecto grande (tiempo

de residencia 𝜏𝑙 ) y dos mezcladores perfectos pequeños (tiempo de residencia 𝜏𝑠 ) en
serie (Yianatos, et al., 2005a).
𝑡 𝜏𝑙 𝑡 𝜏 𝑡
(− − )∙exp(− )+ 𝑙 ∙exp(− )
𝜏𝑠 𝜏𝑙 −𝜏𝑠 𝜏𝑠 𝜏𝑙 −𝜏𝑠 𝜏𝑙
𝐸(𝑡) = (3.35)
𝜏𝑙 −𝜏𝑠
Al reemplazar la Ecuación 3.35 en la Ecuación 3.34 se obtiene la Ecuación 3.36.
𝐴𝑍 (𝑦)
𝑍𝑝 (𝑦, 𝑡) = (𝐾∙𝑦 𝑛𝑚 ∙𝜏 +1)∙(𝐾∙𝑦 𝑛𝑚 ∙𝜏 2
(3.36)
𝑙 𝑠 +1)
Donde 𝑍𝑝 (𝑦, 𝑡) y 𝑍𝐴 (𝑦) son la fracción en peso acumulada de material retenido en la

malla de tamaño 𝑦 del producto y la alimentación respectivamente.
Con este modelo es posible determinar la granulometría de la corriente de producto que

sale del molino y se recircula al circuito. Los parámetros del modelo del molino se
encuentran en el ANEXO H.
En la Figura 3.4 se puede observar el comportamiento granulométrico que se obtienen

del modelo del molino.
78
Figura 3.4: Comportamiento del modelo molino vertical.
Se observa que el modelo entrega un resultado esperado, ya que comparando el flujo

de alimentación y el de productos se ve que disminuye la proporción de gruesos que
salen del molino.
79
3.4. Modelación de Columna de Flotación.
El modelo utilizado para la simulación metalúrgica de la columna de flotación se basa

en el modelo propuesto por Leiva (1996) y permite la obtención del resultado
metalúrgico de la columna. La recuperación global de la columna se estima por medio
del modelo de dos fases, zona de colección y de espuma.
3.4.1. Suposiciones del Modelo.

El modelo utilizado posee una serie de consideraciones que se deben tener en cuenta:
 Se considera modelo de dos fases, cada una con su respectiva recuperación.

 Se considera que existen 4 especies (calcopirita, calcosina, pirita, ganga) que
poseen diferentes recuperaciones en la zona de colección y de espuma.
 Se utiliza como diámetro característico para cada clase de tamaño la media
geométrica de los rangos de la clase intermedia y gruesa, mientras que para la
clase fina se utilizó la media aritmética.
 La zona de colección se modela como una serie de tanques perfectamente
agitados.
3.4.2. Cálculo de Variables Operacionales.

Antes de revisar el modelo se deben revisar algunas variables operacionales que se
determinan a partir de información obtenida de la planta piloto.
Para el cálculo de la velocidad superficial de un flujo 𝑙 se determina según la Ecuación

3.37.
𝑄𝑙
𝐽𝑙 = (3.37)
𝐴
Donde 𝑄𝑙 es el flujo volumétrico de la corriente 𝑙 (alimentación, aire, lavado) y 𝐴 es el

área transversal de la columna.
Para el cálculo del Bias se utiliza la Ecuación 3.38.
80
𝐵𝑖𝑎𝑠 = 𝑄𝑐 − 𝑄𝑎 (3.38)
Donde 𝑄𝑐 es el flujo volumétrico de relaves y 𝑄𝑎 es el flujo volumétrico de

alimentación.
3.4.3. Modelo Zona de Colección.

La zona de colección se ha caracterizado comúnmente con un comportamiento cinético
de primer orden, y se puede modelar como una serie de estanques perfectamente
agitados (Yianatos et al., 2005b).
La Ecuación 3.39 muestra el cálculo de las constantes cinéticas para la especie 𝑗 de la

clase 𝑖, según el modelo de flujo pistón (Leiva, 1996) y se consideran igualmente
válidas para el comportamiento cinético de la recuperación según el modelo de tanques
agitados en serie (Yianatos et al., 2005b).
0.75 2
𝑘𝑐,𝑗,𝑖 = 𝑘𝑟,𝑗 ∙ 𝐽𝑔,𝑐 ∙ (𝐴 + 𝐵 ∙ 𝑑80𝑖 + 𝐶 ∙ 𝑑80𝑖
) (3.39)
Donde 𝑘𝑟,𝑗 es un parámetro de ajuste que depende de la especie 𝑗 (calcopirita,

calcosina, pirita, ganga), 𝐴, 𝐵, 𝐶 son parámetros de ajuste, 𝑑80𝑖 es el diámetro
característico de la clase 𝑖 (gruesa, intermedia, fina) y 𝐽𝑔,𝑐 es la velocidad superficial
de aire en la columna.
El tiempo de residencia se determina según la ecuación 3.40.
𝑉𝑐 ∙(1−𝜀𝑔,𝑐 )
𝜏𝑐 = (3.40)
𝑄𝑓
Donde 𝑉𝑐 es el volumen de la zona de colección de la columna y 𝜀𝑔,𝑐 es la concentración

de aire de esta zona.
Para el cálculo de la recuperación de cada especie 𝑗 de clase 𝑖 en la zona de colección

se utiliza la Ecuación 3.41 (Yianatos et al., 2005b).
4 10 5∙𝑘𝑐,𝑗,𝑖 ∙𝜏𝑐 +6 12
𝑅𝑐,𝑗,𝑖 = 𝑅𝑟,𝑗 ∙ (1 − 3∙𝑘 ∙ ( 9 ∙ ln (2 ∙ ( 𝑘 )) − 1 + 𝑘 )) (3.41)
𝑐,𝑗,𝑖 ∙𝜏𝑐 𝑐,𝑗,𝑖 ∙𝜏𝑐 +12 𝑐,𝑗,𝑖 ∙𝜏𝑐 +1
81
Donde 𝑅𝑟,𝑗 es un parámetro de ajuste que depende de la especie 𝑗.
Los valores de los parámetros utilizados en el modelo se encuentran en el ANEXO I.
3.4.4. Modelo Zona de Espuma.

Para la recuperación en la zona de espuma se tiene la Ecuación 3.42 (Yianatos et al.,
1998). Esta expresión es semiempírica que se obtuvo a partir de datos de una columna
industrial en El Teniente, operada entre 1.2 a 1.8 [cm/s] de 𝐽𝑔 y entre 0 a 0.1 [cm/s] de
𝐽𝑤 .
𝐻𝑓,𝑐 ∙(1+3∙𝐽𝑤 )
𝑅𝑓𝑐,𝑗 = 𝑅𝑓𝑟,𝑗 ∙ exp (−0.0144 ∙ ) (3.42)
𝐽𝑔,𝑐
Donde 𝑅𝑓𝑐,𝑗 es la recuperación de la zona de espuma para la especie 𝑗, 𝑅𝑓𝑟,𝑗 es un

parámetro de ajuste que depende de la especie 𝑗, 𝐽𝑤 es la velocidad superficial de agua
de lavado y 𝐻𝑓,𝑐 es la profundidad de espuma en la columna. Los valores de los
parámetros de este modelo se encuentran en el ANEXO I.
3.4.5. Ley y Recuperación de Mineral.

La recuperación global de la columna de flotación se determina a partir de la Ecuación
3.43 (Finch y Dobby, 1990).
𝑅𝑐,𝑗 ∙𝑅𝑓𝑐,𝑗
𝑅𝑗 = 1−𝑅 (3.43)
𝑐,𝑗 +𝑅𝑐,𝑗 ∙𝑅𝑓𝑐,𝑗
Mientras que la ley de mineral en el concentrado de la columna se determina a partir

de la Ecuación 3.44.
𝐹𝑓 ∙𝑋𝑓,𝑖 ∙𝑅𝑗
𝑋𝑖 = ∑ ∑ 𝐹 (3.44)
𝑓 ∙𝑋𝑓,𝑖 ∙𝑅𝑗
3.4.6. Análisis de Sensibilidad del Modelo.

La sensibilidad del modelo nos indica como se comporta el simulador ante el cambio
las distintas variables modificables en la columna de flotación. Las variables a las que
82
se aplicó el análisis de sensibilidad se muestran en la Tabla 3.3, donde se observan
variables operacionales y de la alimentación.
Tabla 3.3: Valores de variables de análisis de sensibilidad columna de flotación.

PARÁMETRO VALOR MÍNIMO VALOR MÁXIMO VALOR FIJO
Profundidad de espuma [cm] 40 140 85
Jg [cm/s] 1 2 1.3
Sólidos de alimentación [%] 14 24 20
Jw [cm/s] 0 0.25 0.1
Flujo de alimentación [l/min] 3 6 4
Ley de Cu alimentación [%] 10 20 11
A continuación se realiza un breve comentario de los efectos de la variación de las

variables mencionadas, las curvas relacionadas a la sensibilidad en cada cambio se
encuentran en el ANEXO J.
 Cambios en la profundidad de espuma:
Al aumentar la profundidad de espuma se observa que la ley de cobre en el concentrado

aumenta mientras que la recuperación disminuye. Este efecto se debe a que al aumentar
la profundidad de espuma se aumenta el lavado del mineral colectado retornando hacia
la pulpa el material no flotable que fue llevado hacia la zona de espuma, pero este
lavado tiene como efecto adverso la pérdida hacia la pulpa del mineral valioso, lo que
disminuye la recuperación.
 Cambios en la velocidad superficial de aire (Jg):
Aumentar la velocidad superficial de aire provoca que aumente el material colectado

lo cual genera un aumento en la recuperación de mineral valioso, pero con esto también
se aumenta el arrastre de material no valioso lo que provoca que la ley de mineral en el
concentrado disminuya.
 Cambios en el porcentaje de sólidos de alimentación:
Al realizar cambios en los sólidos de alimentación el modelo no presenta

modificaciones en el resultado, esto se debe a que el modelo no posee expresiones que
se modifiquen con cambios de porcentaje de sólidos o densidad. Para efectos del
83
desarrollo del trabajo no es de importancia que no ocurran cambios ante esta variable
ya que este valor es fijo en el proceso.
 Cambios en el flujo de agua de lavado (Jw):
Al aumentar el flujo de agua de lavado se observa un leve aumento en la ley de mineral

en el concentrado, pero ocurre una brusca disminución de la recuperación de mineral,
esto es provocado porque el agua de lavado elimina material no valioso en la espuma
pero también retorna hacia la pulpa mineral valioso flotado.
 Cambios en el flujo volumétrico de alimentación:
Aumentar el flujo volumétrico de alimentación provoca una disminución del tiempo de

residencia lo que se ve reflejado en una disminución de la recuperación de mineral,
pero un aumento en la ley ya que disminuye la posibilidad de arrastre de mineral no
valioso hacia la espuma porque aumenta la velocidad de descenso del mineral hacia el
fondo de la columna.
 Cambios en la ley del mineral de alimentación:
Al aumentar la ley de cobre de alimentación a la columna la ley del concentrado

aumenta mientras que la recuperación disminuye, esto se justifica ya que existe una
mayor proporción de mineral valioso para flotar.
84
3.5. Lógica de Funcionamiento de Simulador Metalúrgico.
Como se mencionó previamente el circuito de flotación se divide en cuatro etapas, lo

que provoca que el simulador también se divida en cuatro etapas, la etapa Rougher y
Scavenger se modelan de acuerdo a lo descrito en la Sección 3.2, el modelo del circuito
de remolienda se describe en la Sección 3.3 y el modelo de flotación columnar (etapa
Cleaner) se explica en la Sección 3.4. La sincronización de las cuatro etapas es
fundamental, para esto se agregó un tiempo de retardo en el traspaso de información
desde una etapa a otra, sin este retardo (como se operan los simuladores de cada etapa
por separado) el flujo de información entre etapas sería instantáneo, lo que provocaría
que la información de las corrientes de recirculación que alimentan al circuito de
remolienda sean siempre nulos ya que solo se tendrían el valor que poseen en la puesta
en marcha del simulador. La Figura 3.5 esquematiza el flujo de información junto con
los retardos existentes, el valor de los retardos es arbitrario, pero es importante que sea
mayor o igual a medio segundo ya que es el tiempo mínimo entre las iteraciones del
simulador. La existencia de retardos de tiempo en la información es de operatividad
del simulador y no son representativos de lo que ocurre en la planta piloto.
El simulador metalúrgico escrito en un script de MATLAB® recibe información desde

el HMI creado en Intouch, esta información consiste en los datos en tiempo real o
definidos por el operador de las variables operacionales de la planta piloto y valores
metalúrgicos de la alimentación definidos en la Interfaz de Usuario. El simulador
procesa la información entregada y regresa al HMI los resultados metalúrgicos de cada
etapa junto con los resultados metalúrgicos globales del circuito de flotación. El flujo
de información que existe entre cada etapa del simulador es a la que se aplica un
retardo, a modo de ejemplo para explicar el funcionamiento del retardo en las etapas,
si se observa el resultado metalúrgico del circuito de remolienda en un tiempo i, el
resultado metalúrgico de esta etapa fue calculado con la caracterización de flujo de la
etapa Rougher en el tiempo i-𝜏𝑅 , la caracterización de flujo del molino en el tiempo
i−(𝜏𝑀 + 𝜏𝐻2 + 𝜏𝑀𝑜 ) y la caracterización del flujo de la etapa Scavenger en el tiempo
i −(𝜏𝑅 + 𝜏𝑀 + 𝜏𝐻 + 𝜏𝐶 + 𝜏𝑆 ).
85
Flujo de información desde Intouch hacia simulador.
Variables operacionales y valores seteados en Intouch.
Flujo de información desde simulador hacia Intouch.

Resultados metalúrgicos.
Flujo de información entre etapas de simulador.

Caracterización de flujos del proceso.
τS
ROUGHER MEZCLADOR
τR τMo
τM
CIRCUITO DE
REMOLIENDA
HIDROCICLON MOLINO
τH2
τH
CIRCUITO DE
REMOLIENDA
τC
CLEANER SCAVENGER
HMI INTOUCH
Figura 3.5: Esquema de flujo de información del simulador.
Cada etapa del simulador tiene una lógica interna de funcionamiento, a continuación
se muestra la lógica de funcionamiento de cada una de las etapas del simulador y la
información que se intercambia entre el simulador y la Interfaz de Usuario. El código
utilizado se encuentra en el CD de la Tesis.
86
 Simulador Metalúrgico de la etapa Rougher:
En la Figura 3.6 se muestra la estructura del flujo de información del simulador

metalúrgico de la etapa Rougher.
PARÁMETROS ALIMENTACIÓN
desde INTOUCH
- Flujo alimentación
- Ley de cobre
- Granulometría
- %Sólidos
- Composición de especies minerales
PARÁMETROS DE OPERACIÓN PARÁMETROS FLUJO

CELDA 1
desde INTOUCH desde celda n a celda n+1, información de relaves a INTOUCH
- Profundidad de espuma - Flujo alimentación celda n+1 (Flujo de relave celda n)
- Jg - Ley de cobre
CELDA 2 - Granulometría
- %Sólidos
CELDA 3
MODELOS CELDAS APLICADOS
- Modelo Zona de colección
- Modelo Zona de espuma CELDA 4
- Modelo Recuperación de agua
RESULTADO METALÚRGICO Y PARÁMETROS DE FLUJO
- Modelo Recuperación de ganga
hacia INTOUCH y alimentación circuito de Remolienda
CELDA 5 - Flujo
- Ley de cobre
- Granulometría
CELDA 6 - %Sólidos
- Recuperación
CELDA 7
Figura 3.6: Esquema de funcionamiento simulador etapa Rougher.
87
 Simulador circuito de Remolienda:
En la Figura 3.7 se observa la lógica del simulador metalúrgico del circuito de

remolienda.
FLUJO CONCENTRADO ROUGHER tiempo= t PARÁMETROS ALIMENTACIÓN

hacia INTOUCH y remolienda
FLUJO PRODUCTO MOLINO tiempo= t-τM-τH2-τMo - Ley de cobre
- Granulometría
- %Sólidos
FLUJO CONCENTRADO SCAVENGER tiempo= t-τM-τH-τC-τS - Composición de especies minerales
RESULTADO METALÚRGICO
hacia INTOUCH y alimentación remolienda
- Flujo underflow
MODELOS CIRCUITO DE REMOLIENDA
- Ley de cobre
- Modelo Nageswararao para hidrociclones
- Granulometría pre molienda
- Modelo Nakajima y Takana y LSTS-2 para el molino
- Granulometría post molienda
- %Sólidos
hacia INTOUCH y alimentación columna
- Flujo overflow
- Ley de cobre
- Granulometría
- %Sólidos
Figura 3.7: Esquema de funcionamiento simulador circuito de remolienda.
88
 Simulador etapa Cleaner:
En la Figura 3.8 se observa la lógica del simulador metalúrgico de la etapa Cleaner.
hacia INTOUCH y Cleaner
FLUJO OVERFLOW HIDROCICLÓN - Ley de cobre
- Granulometría
- %Sólidos
hacia INTOUCH y alimentación Scavenger
- Flujo Relave columna MODELOS COLUMNA DE FLOTACIÓN
- Ley de cobre - Modelo Zona de Colección
- Granulometría - Modelo Zona de espuma
- %Sólidos
hacia INTOUCH
- Flujo Concentrado final
- Ley de cobre
- Granulometría
- %Sólidos
- Recuperación columna
- Recuperación GLOBAL CIRCUITO
Figura 3.8: Esquema funcionamiento simulador etapa Cleaner.
89
 Simulador etapa Scavenger:
En la Figura 3.9 se observa el funcionamiento del simulador metalúrgico de la etapa

Scavenger.
desde Relave Cleaner
- Ley de cobre
- Granulometría
- %Sólidos
PARÁMETROS DE OPERACIÓN PARÁMETROS FLUJO

CELDA 1
desde INTOUCH desde celda n a celda n+1, información de relaves a INTOUCH
- Profundidad de espuma - Flujo alimentación celda n+1 (Flujo de relave celda n)
- Jg - Ley de cobre
CELDA 2 - Granulometría
- %Sólidos
CELDA 3
MODELOS CELDAS APLICADOS
- Modelo Zona de colección
- Modelo Zona de espuma CELDA 4
- Modelo Recuperación de agua
RESULTADO METALÚRGICO Y PARÁMETROS DE FLUJO
- Modelo Recuperación de ganga
hacia INTOUCH y alimentación circuito de Remolienda
CELDA 5 - Flujo
- Ley de cobre
- Granulometría
CELDA 6 - %Sólidos
- Recuperación
CELDA 7
Figura 3.9: Esquema funcionamiento etapa Scavenger.
90
CAPÍTULO 4: SIMULACIÓN DE PLANTA Y CONTROL EXPERTO.
4.1. Planta Simulada.
Uno de los principales objetivo de este trabajo es la simulación y operación de una

planta de flotación RCS para que pueda funcionar en conjunto con la planta piloto de
flotación del Laboratorio de Control de Procesos del Departamento de Ingeniería
química y Ambiental o que funcione de manera independiente a valores operacionales
en tiempo real. El desarrollo y sincronización de los simuladores metalúrgicos descritos
en el Capítulo 3 fue primordial para el cumplimiento del objetivo. Para continuar con
el desarrollo del objetivo se consideró la operación de tres circuitos cerrados de
flotación, una línea de tres celdas de flotación en serie, una columna de flotación y una
línea de dos celdas de flotación en serie. En la sección 2.3 se explica la operación
híbrida y como se enlazan las distintas etapas de la planta de flotación simulada
mientras que en la Figura 4.1 se puede observar el PFD (diagrama de flujo) de la planta
obtenida por medio de la simulación.
Para determinar la cantidad de líneas de celdas (o columnas) de cada etapa se

seleccionó como base de diseño a la columna de flotación piloto, debido a que este
equipo presenta un amplio rango de flujos de alimentación en los que la operación no
se escapa de los parámetros recomendados en la literatura (Acosta, 2007). Como
resultado de la simulación se buscó conseguir una alimentación óptima para la columna
a partir del concentrado Rougher, de esta etapa se tenían valores estimativos de la
cantidad de concentrado que se producía por lo que las primeras pruebas se realizaron
con tres líneas Rougher, si bien se conseguía una alimentación dentro del rango de
operación de la columna, la alimentación a las celdas Scavenger era muy alta para tener
una solo línea, pero demasiado baja para tener dos líneas, por esta razón se decidió
aumentar en una línea la etapa Rougher de esta manera se conseguía una buena
alimentación a la columna y se aprovechaba la capacidad instalada del circuito
Scavenger.
91
Si bien la planta de flotación establecida se determinó a partir de la operación de una
planta de flotación piloto física, el simulador puede ser operado sin la necesidad de
utilizar valores de variables operacionales en tiempo real, es decir, si se requiere una
operación del simulador independiente a la planta piloto, esta es posible. Para lograr
esto se pueden definir valores a las variables operacionales de cada etapa de la flotación
desde la Interfaz de usuario, y se obtendrán los resultados metalúrgicos para esa
operación, esto es importante ya que en conjunto con el Sistema Experto implementado
se puede generar una aplicación de control predictivo, ya que conociendo los valores
de la alimentación a la planta se puede buscar un punto de operación que mejore los
resultados de la planta, lo que permite tomar decisiones sobre la operación de las
distintas etapas mientras ocurren perturbaciones en la alimentación.
92
Pulpa de
alimentación
Líneas de 7 celdas
R-100, 200, 300, 400
S-100, 200
Tanques de mezclado
Flujo de relave T-101, T-102
Rougher
Batería 12 Hidrociclones
D-101
LÍNEA LÍNEA LÍNEA LÍNEA
Molino
R-100 R-200 R-300 R-400 M-101
Columna
C-101
Flujo
de aire
Flujo de
Flujo de
Concentrado
Concentrado Final
Rougher
Agua
Flujo
Flujo Overflow
Concentrado
Scavenger D-101 C-101 Flujo de
T-101 T-102 Aire
Flujo
Relave
Cleaner
Flujo de
Flujo Underflow
Remolienda Flujo de relave
M-101 Scavenger
LÍNEA LÍNEA
S-200 S-100
Figura 4.1: Diagrama de flujo planta de flotación RCS establecida.

Flujo de
Aire
93
La planta de flotación obtenida tiene la capacidad de procesar 29 [l/min] de pulpa, lo
que en términos de flujo másico equivalen aproximadamente a 37 [Kg/min]
(dependiendo de la composición de la pulpa), alcanzando recuperaciones globales
cercanas al 90% con ley de concentrado alrededor del 34%. Estos son valores
aproximados y dependen de la operación de la planta y de las condiciones de
alimentación de la pulpa. En el Capítulo 5 se muestran los resultados de la operación.
94
4.2. Sistema Experto.
La estrategia del Sistema Experto desarrollada para este trabajo busca optimizar la
recuperación global de la planta simulada manteniendo una ley de cobre aceptable en
el concentrado. El aumento en la recuperación global está íntimamente ligado a la
recuperación de la etapa Rougher, por lo que la lógica del Sistema Experto busca
mejorar esta recuperación modificando variables operacionales (controladas) del
circuito Rougher. Se debe tener en cuenta que aumentar la recuperación Rougher
disminuye la ley de cobre del flujo que ingresa a la columna lo que afecta la ley del
concentrado final, por esta razón el Sistema Experto detecta la disminución de la
concentración de cobre y modifica las variables operacionales de la columna de manera
tal que se recupere la ley de cobre mínima establecida, estas modificaciones en la planta
también pueden afectar los resultados locales de la etapa Scavenger, la recuperación de
esta etapa también es un valor de interés. Si la recuperación es menor a un valor crítico,
la recuperación global del sistema se verá afectada, de ahí la importancia de mantenerla
sobre un valor establecido, lo cual también está previsto en el Sistema Experto.
Para aumentar la recuperación en las celdas de flotación se tienen dos cambios posibles
aumentar el flujo de aire y disminuir la profundidad de espuma. Para mejorar la ley del
concentrado en la columna se puede reducir la concentración de aire, se puede aumentar
la profundidad de espuma y se puede aumentar el flujo de agua de lavado. En la Tabla
4.1 se pueden ver las variables mencionadas y los rangos de operación establecidos
para éstas. Para modificar cualquier variable durante la operación del Sistema Experto,
lo que éste realiza es la modificación del Setpoint de la variable a modificar.
Tabla 4.1: Rango de operación de variables controladas

(Durán, 2014; Acosta, 2007).
VARIABLE VALOR MÍNIMO VALOR MÁXIMO
Profundidad de espuma celdas [cm] 3 25
Jg celdas [cm/s] 1 2
Profundidad de espuma columna [cm] 60 110
Conc. de aire de la columna [cm] 10 25
Jw [cm/s] 0.2 0.6
95
La lógica de funcionamiento del sistema experto depende directamente del detector de
estado estacionario, cuando se realiza una modificación en alguna variable, el Sistema
Experto debe esperar a que se alcance un nuevo estado estacionario en el sistema para
actuar nuevamente.
El Sistema Experto está planteado de manera tal que solo se realiza una acción sobre
una variable operacional cada vez que se ingresa a su código implementado en un script
en MATLAB® (ver CD Tesis), luego se debe esperar a un nuevo estado estacionario
para actuar nuevamente.
Para modificar alguna de las variables operacionales de las celdas Rougher se deben
cumplir cuatro condiciones:
1° Se debe tener activo el Sistema Experto desde la interfaz usuario.
2° Se debe estar en estado estacionario.
3° La recuperación global obtenida debe ser mayor a la de la iteración anterior.
4° La ley de cobre del concentrado final debe ser mayor a un 34.3%.
5° La recuperación de la etapa Scavenger debe ser mayor a un 97%.
Si se cumplen estas condiciones, el Sistema Experto va a modificar el Setpoint de las

variables operacionales de las celdas Rougher, pero esta modificación es una por ciclo,
y van en un orden preestablecido el cual se observa en la Figura 4.2, si una variable se
satura se pasa a la siguiente y de esta forma hasta saturar todas las variables de esta
etapa. Si esto ocurre el Sistema Experto activa las alarmas de saturación de la etapa
saturada. En el caso que no se cumplan las dos primeras condiciones listadas
previamente, el Sistema Experto no actúa, en caso de que no se cumpla la tercera
condición el Sistema Experto buscará mejorar la ley de concentrado modificando
variables operacionales de la columna de igual forma como se realiza en las celdas
Rougher, si no se cumple la cuarta condición se va a actuar sobre las variables
operacionales de las celdas Scavenger. En el caso en el que las variables de la columna
96
o las celdas Scavenger se saturen y no alcancen el valor mínimo impuesto para la ley
de concentrado o recuperación Scavenger respectivamente, el Sistema Experto actuará
sobre la etapa Rougher disminuyendo su recuperación local y global pero mejorando
la ley de cobre con la que se alimentan las otras etapas. Es importante mencionar que
el operador puede modificar el valor de las restricciones desde la interfaz de usuario,
por lo que en casos en los que se desee aumentar la recuperación y la columna tenga
sus variables saturadas se puede disminuir la restricción de la ley de cobre. Todo lo
descrito se puede resumir en la Figura 4.2.
El Sistema Experto creado permite la detección de cuellos de botella en plantas de

flotación mineral, es decir se detectan etapas en las que el tratamiento de minerales es
menos eficaz o que presentan saturación de recursos, lo que impide un procesamiento
eficiente afectando el resultado de toda la planta. El forzar la recuperación Rougher
afecta el funcionamiento de etapas posteriores, por lo que este Sistema Experto busca
detectar la etapa en la que se generan efectos adversos para los resultados de la planta.
Una aplicación importante que se le puede dar a este Sistema Experto está relacionada
con la simulación del proceso ante condiciones dadas permitiendo obtener mejoras en
los resultados de la operación, indicando acciones correctivas en las variables
operacionales de la planta, funcionando como un sistema predictivo ante
perturbaciones ya que se puede utilizar el simulador con el Sistema Experto para la
búsqueda de mejores puntos de operación ayudando en la toma de decisiones dentro de
la planta. El Sistema Experto está diseñado para la búsqueda constante de mejores
puntos de operación, por lo que se puede tener funcionando de manera paralela al
funcionamiento de una planta de flotación, de esta forma ante una perturbación en la
alimentación de ésta el Sistema Experto buscará un nuevo punto de operación que
mejore los resultados metalúrgicos que existirían si no se realizaran acciones en la
operación ante la perturbación en la alimentación de la planta.
97
Inicio sistema experto Resultados metalúrgicos
Restricción 1
Iteración j en estado
Ley Cu>=Ley Cu Min
NO estacionario
SI
NO
No hay acciones del

Restricción 2 Saturación Recursos sistema experto.
Rec Sc>=Rec Sc Min Rougher SI Activa alarmas de ser
NO necesario
SI
SI
Modificación de variables
NO Restricción 4
Restricción 3 operacionales celdas
Presión HC>Presión
N° HC<N° HC Max Rougher para mejorar
Max
recuperación scavenger
SI NO
NO Condición de término Inicio Iteración j+1 Sistema

Rec G j-Rec G j-1>0.1 Experto
SI
Saturación Recursos NO operacionales celdas Inicio Iteración j+1 Sistema
Rougher Rougher para aumentar la Experto
recuperación Rougher
SI
Saturación Recursos NO operacionales celas Inicio Iteración j+1 Sistema
Scavenger scavenger para aumentar Experto
SI
Saturación Recursos NO operacionales celdas
Rougher Rougher para mejorar
SI
Saturación Recursos NO operacionales columna Inicio Iteración j+1 Sistema
Cleaner para aumentar ley de Experto
concentrado final
SI
Saturación Recursos NO operacionales celdas
Rougher Rougher para aumentar
ley de concentrado final
SI
Figura 4.2: Esquema funcionamiento Control Experto.
98
CAPÍTULO 5: RESULTADOS.
5.1. Operación planta de flotación híbrida RCS.
En esta sección se presentan las condiciones de operación alcanzadas para cada etapa
de la planta de flotación diseñada junto con las condiciones de alimentación de la pulpa
y los resultados metalúrgicos obtenidos desde el simulador implementado. Los
resultados que a continuación se presentan corresponden a un punto de operación de la
planta, el cual es utilizado como base para el desarrollo de las experiencias con el
Sistema Experto construido. Para este caso hay que considerar que se operó la planta
de manera híbrida ya que los datos operacionales se obtuvieron en tiempo real desde la
planta piloto (los datos de las 3 primeras celdas Rougher, de la columna de flotación y
de las 2 primeras celdas Scavenger).
 Condiciones de pulpa de alimentación:
En la Tabla 5.1 se muestran los parámetros más relevantes de la pulpa de alimentación.
Tabla 5.1: Datos de la pulpa de alimentación.

PARÁMETRO VALOR
Flujo de alimentación [kg/min] 37.5
Porcentaje de sólidos [%] 30
Ley de Cobre [%] 0.7
Porcentaje de gruesos [%] 20
Densidad [kg/l] 1.28
 Variables operacionales de cada etapa del circuito:
Las siguientes tablas presentan los valores de las distintas variables operacionales de
cada etapa en el circuito de flotación.
La Tabla 5.2 muestra los valores de las variables operacionales de la etapa Rougher
(considerando que la operación de las 4 líneas de celdas es la misma).
Tabla 5.2: Variables operacionales etapa Rougher.

VARIABLE CELDA CELDA CELDA CELDA CELDA CELDA CELDA
OPERACIONAL 1 2 3 4 5 6 7
Jg [cm/s] 1.2 1.2 1.2 1.2 1.2 1.2 1.2
Hf [cm] 6.5 7.0 8.0 8.5 8.8 9.0 9.3
99
La Tabla 5.3 contiene los valores de las variables operacionales simuladas para el
circuito de remolienda.
Tabla 5.3: Variables operacionales circuito de remolienda.

VARIABLE OPERACIONAL VALOR
Número de hidrociclones activos 7
Presión de alimentación [Bar] 1.83
En la Tabla 5.4 se encuentran las variables de operación de la columna de flotación.
Tabla 5.4: Variables operacionales etapa Cleaner.

Hf [cm] 80
Concentración de aire [%] 15
Jg [cm/s] 1.45
Jb [cm/s] 0.1
Jw [cm/s] 0.1
La Tabla 5.5 muestra las variables operacionales de la etapa Scavenger.
Tabla 5. 5: Variables operacionales etapa Scavenger.

VARIABLE CELDA CELDA CELDA CELDA CELDA CELDA CELDA
OPERACIONAL 1 2 3 4 5 6 7
Jg [cm/s] 1.2 1.2 1.2 1.2 1.2 1.2 1.2
Hf [cm] 6.0 7.0 7.5 8.0 8.4 8.8 9.2
 Resultados metalúrgicos globales y de cada etapa del circuito:
La Tabla 5.6 muestra los resultados metalúrgicos y el balance de materia de la etapa

Rougher.
Tabla 5.6: Resultado metalúrgico etapa Rougher.

RECUPERACIÓN DE COBRE: 89.4%
Parámetro Alimentación Concentrado Relave
Flujo [kg/min] 37.5 1.3 36.2
Porcentaje sólidos [%] 30.0 47.2 29.3
Ley de Cobre [%] 0.7 11.2 0.02
En la Tabla 5.7 se encuentran los resultados granulométricos y el balance de materia

del circuito de remolienda. El flujo de alimentación considera la mezcla de los flujos
de concentrado Rougher, Scavenger y el flujo de remolienda.
100
Tabla 5.7: Resultado granulométrico en circuito de remolienda.
CARGA CIRCULANTE DE SÓLIDOS: 126.7%
Parámetro Alimentación Underflow Overflow Remolienda
Flujo [kg/min] 3.05 1.2 1.85 0.67
Porcentaje sólidos [%] 58.2 90.8 46.5 90.8
Porcentaje gruesos [%] 4.46 8.65 1.46 0.03
En la Tabla 5.8 aparecen los resultados metalúrgicos y el balance de materia de la etapa

Cleaner. La alimentación posee un porcentaje de sólidos fijo que se regula en el
mezclador previo a la columna donde se adiciona agua. Además dentro del balance de
materia de la columna se debe considerar el flujo de agua de lavado, el cual para este
punto de operación es 0.47 [kg/min].
Tabla 5.8: Resultado metalúrgico etapa Cleaner.

Flujo [kg/min] 4.3 0.67 4.1
Ley de Cobre [%] 12.0 34.3 4.8
En la Tabla 5.9 se observan los resultados metalúrgicos de la etapa Scavenger.
Tabla 5.9: Resultado metalúrgico etapa Scavenger.

Flujo [kg/min] 4.1 0.46 3.64
Ley de Cobre [%] 4.8 14.8 0.2
Finalmente en la Tabla 5.10 se muestran los resultados metalúrgicos globales de la

planta. El flujo de relave es la mezcla del relave Rougher y Scavenger, además para
cuadrar el balance de materia se debe considerar el flujo de agua adicionada previo a
la etapa Cleaner, el valor de éste es de 2.45 [kg/min].
Tabla 5.10: Resultados metalúrgicos globales de circuito RCS.

Flujo [kg/min] 37.5 0.67 39.7
Ley de Cobre [%] 0.7 34.3 0.094
101
Los resultados metalúrgicos presentados son cercanos a los obtenidos en una operación
industrial, se utilizó como punto de referencia los datos metalúrgicos de la planta de
Flotación de minera Los Pelambres.
Los errores calculados en los balances de materia, tanto global como por componente
(balance de sólidos y balance de cobre), son menores al 5%, lo que indica que la
información extraída del simulador metalúrgico es fiable.
Con estos resultados se puede dar por cumplido el principal objetivo de este trabajo,
que era la operación híbrida de una planta piloto de flotación RCS. En la siguiente
sección se muestran otros puntos de operación de la planta de flotación.
102
5.2. Convergencia del Simulador Metalúrgico.
El simulador metalúrgico utilizado es la suma de varios simuladores que emulan

diferentes etapas del circuito de flotación diseñado. La sincronización de las partes
permiten el funcionamiento de éste, si bien es un simulador estático es importante
conocer el funcionamiento del simulador ante cambios o transientes en la operación ya
que permiten observar si existe convergencia hacia los valores en estado estacionario.
También permite poner límites de operación al simulador ya que pueden existir
condiciones en las que el simulador no presente convergencia y no llegue a estado
estacionario, lo cual no es deseado ya que no se pueden validar los resultados.
En la Figura 5.1 se puede observar la convergencia del simulador en la puesta en

marcha de éste, y en la Figura 5.2 se aprecia la convergencia ante un cambio en las
características de la alimentación (aumento del porcentaje de sólidos en un 5%). Las
convergencias observadas son referentes a las recuperaciones de la planta de flotación,
pero también se tienen otras curvas de convergencias relacionadas a flujos, porcentajes
de sólidos, porcentajes de gruesos y leyes de cobre para cada flujo del sistema las cuales
se encuentran en el ANEXO K.
Figura 5.1: Curvas de convergencia Recuperación en puesta en marcha.
103
Figura 5.2: Curvas de convergencia Recuperación ante perturbación en alimentación.
De las curvas se observa que, si bien existe convergencia hacia un resultado

metalúrgico estable, el transiente de la perturbación es inestable, aunque tiene una
tendencia clara. La inestabilidad puede ser provocada por los retardos de la información
entregada entre las etapas del simulador. El simulador a partir de su puesta en marcha
tarda aproximadamente 70 iteraciones en converger a una respuesta estable, cada
iteración es de 0.5 segundos lo cual nos entrega un tiempo de convergencia equivalente
a 84 segundos, en cambio para el caso de una perturbación el simulador tarda 50
iteraciones lo que equivale a 25 segundos. Tiempos cortos de convergencia del
simulador ayudan a que el sistema experto sea más rápido a la hora de encontrar puntos
de operación.
104
5.3. Resultados Sistema Experto.
El Sistema Experto implementado permite modificar la operación de las distintas

etapas de la planta de flotación obteniendo nuevos puntos de operación. La búsqueda
de estos puntos de operación tiene relación directa con un aumento de la eficiencia de
la planta (recuperación de cobre) sin reducir la calidad del producto (ley de cobre en el
concentrado).
Para observar la capacidad operacional del Sistema Experto se realizaron dos
experiencias con el sistema operando la planta piloto en tiempo real, la primera se
realiza con las mismas condiciones de alimentación que las expuestas en la Sección 5.1
y en la segunda solo se modificó el porcentaje de sólidos de la pulpa de alimentación.
Además se realizó una serie de experiencias para corroborar la capacidad predictiva del
Sistema Experto, razón por la cual se utilizó un código levemente diferente al utilizado
en las experiencias en tiempo real ya que el funcionamiento del simulador y del detector
de estado estacionario se modifica cuando los cambios en variables operacionales son
instantáneos, esto permite la búsqueda constante de mejores puntos de operación para
la planta lo cual permite realizar modificaciones en la operación de los equipos de
manera más rápida.
5.3.1. Primera Experiencia conjunto con Operación Híbrida.

Como se mencionó anteriormente, esta experiencia fue desarrollada utilizando como
caso base el punto de operación de la Sección 5.1, durante el funcionamiento del
sistema experto se encontraron en total 21 puntos de operación para la planta, de los
cuales 13 cumplen con el requisito de mantener la ley de concentrado sobre un 34.3%.
En la Figura 5.1 se muestra la evolución de la recuperación global del circuito ante los
cambios realizados por el Sistema Experto, mientras que en la Figura 5.2 aparecen las
variaciones de la ley de cobre del concentrado entre un punto de operación y otro.
105
Figura 5.3: Recuperación global de Cobre en cada punto de operación de experiencia 1.
Figura 5.4: Ley de Cobre en el concentrado final en cada punto de operación de experiencia 1.
En los gráficos expuestos se puede apreciar claramente que el punto de operación

número 18, es el con la mayor recuperación de cobre y cumple con la ley mínima de
concentrado. En este punto se alcanzó la máxima recuperación de la etapa Rougher que
beneficia al sistema, en los puntos de operación posteriores se aumentó la recuperación
de la etapa Rougher pero no se consiguió una mejora en la recuperación global y la
calidad del producto comenzó a disminuir. En el ANEXO L se pueden encontrar los
gráficos que muestran la evolución de los resultados metalúrgicos de cada etapa y las
modificaciones de las variables operacionales entre cada punto de operación.
106
En la Tabla 5.11 aparece el resumen de los resultados metalúrgicos para el punto de
operación 18 y en la Tabla 5.12 se encuentra el resumen de las variables operacionales
de este punto.
Tabla 5.11: Resumen de resultados metalúrgicos punto de operación 18.

PARÁMETRO METALÚRGICO ROUGHER CLEANER SCAVENGER GLOBAL
Recuperación [%] 92.8 62.2 97.0 90.5
Ley de Cobre [%] 9.7 34.3 14.0 34.3
Tabla 5.12: Variables operacionales en punto de operación 18.
VARIABLE ROUGHER CLEANER SCAVENGER
Jg [cm/s] 2 1.2 1.2
Hf 1 [cm] 3 90 6
Hf 2 [cm] 4 -- 7
Hf 3 [cm] 7.5 -- --
Conc. de aire [%] -- 10 --
Jw [cm/s] -- 0.1 --
Tabla 5.13: Variables operacionales circuito de remolienda punto de operación 18.
De acuerdo a los límites establecidos para la saturación de cada variable, se observa

que las variables saturadas son el flujo de aire y la profundidad de espuma de la primera
celda Rougher y la concentración de aire de la columna Cleaner. Esto implica que aún
existe margen para mejorar la recuperación Rougher y compensar la disminución de la
ley del concentrado, pero esto provoca que la recuperación de la etapa Cleaner
disminuya y exista más cobre circulando en la planta, lo que aumenta la cantidad de
cobre del relave Scavenger disminuyendo la recuperación global de la planta. Este
razonamiento se ve reflejado en el hecho de que en los puntos de operación 20 y 21 se
disminuyó la profundidad de espuma de la celda 3 de la etapa Rougher mejorando su
recuperación, pero esto no se vio reflejado en la recuperación global y además se redujo
la ley del concentrado.
Al observar los resultados obtenidos se puede concluir que para este caso en particular
existen puntos de operación que mejoran los resultados de la planta, pero existen límites
para estas mejoras, la columna de flotación se convierte en un cuello de botella, ya que
107
su operación se ve muy afectada por la calidad del concentrado Rougher, esto se ve
reflejado en el hecho de que para lograr mantener la ley de concentrado, la columna
debe disminuir su recuperación, lo que a la larga provoca que la recuperación global
no aumente de la manera que se esperaría.
5.3.2. Segunda Experiencia en conjunto con Operación Híbrida.

En esta experiencia se mantuvieron todas las variables y parámetros de la prueba
anterior, a excepción del porcentaje de sólidos de la alimentación, esta variable se
aumentó desde un 30% a un 35%, esto se realizó con el fin de procesar más mineral.
El Sistema Experto encontró 17 puntos de operación, de los cuales 9 cumplen con la
ley de concentrado mínima pero de estos, uno no cumple la recuperación mínima de la
etapa Scavenger, por lo tanto tan solo se consideran 8 puntos de operación viables. En
la Figura 5.3 se muestran las recuperaciones globales de cada punto de operación y en
la Figura 5.4 se encuentran las leyes de concentrado para cada punto.
Figura 5.5: Recuperación global de Cobre en cada punto de operación de experiencia 2.
108
Figura 5.6: Ley de Cobre en el concentrado final en cada punto de operación de experiencia 2.
De los gráficos se puede observar que el punto de operación 15 es el que posee la mayor
recuperación global, pero no cumple con la ley de concentrado mínima, luego se tienen
los puntos de operación 13 y 16 con la misma recuperación global, de los cuales el 16
cumple con la ley de concentrado requerida. Al igual que la experiencia anterior
después del punto 16 se modificó una variable operacional de la etapa Rougher para
mejorar la recuperación, si bien localmente aumentó, en términos globales la
recuperación disminuyó. En el ANEXO M se pueden revisar las variaciones de los
resultados metalúrgicos de cada etapa y de las variables operacionales.
En la Tabla 5.13 aparece el resumen de los resultados metalúrgicos para el punto de

operación 18 y en la Tabla 5.14 se encuentra el resumen de las variables operacionales
de este punto.
Tabla 5.14: Resumen de resultados metalúrgicos punto de operación 16.

Recuperación [%] 92.0 60.0 97.0 89.0
Ley de Cobre [%] 9.4 34.3 14.1 34.4
Tabla 5.15: Variables operacionales en punto de operación 16.
Jg [cm/s] 2 1.2 1.4
Hf 1 [cm] 3 90 6
Hf 2 [cm] 7 -- 7
Hf 3 [cm] 7.5 -- --
Conc. de aire [%] -- 10 --
Jw [cm/s] -- 0.1 --
109
Tabla 5.16: Variables operacionales circuito de remolienda punto de operación 16.
Para este caso, las celdas Scavenger aumentaron su flujo de aire ya que para el primer
punto de operación no cumplen con el requisito del 97% de recuperación, luego del
primer punto de operación no se debió modificar su operación. Las variables saturadas
corresponden al flujo de aire y la profundidad de espuma de la primera celda para la
etapa Rougher y la concentración de aire para la columna. Al igual que el caso anterior
existe margen operacional para mejorar la recuperación de la etapa Rougher y existe
margen operacional para compensar la disminución de la ley del concentrado, pero
realizar esto último afecta la recuperación de la columna de flotación, lo que a la larga
reduce la recuperación global del circuito. El cuello de botella es similar al de la
experiencia anterior, pero existe una diferencia, en esta experiencia se llegó más
rápidamente al cuello de botella, esto se debe principalmente a que al aumentar la carga
mineral en el circuito se genera un aumento significativo en el flujo volumétrico que
alimenta la columna, lo cual trae como consecuencia un menor tiempo de residencia y
por ende una menor colección de mineral, lo que sumado a la baja ley del sólido
provoca una fuerte disminución en la recuperación de la etapa Cleaner.
Al revisar ambas experiencias se puede concluir que el hecho de aumentar la

recuperación de la etapa Rougher en una planta de flotación, no asegura que la
recuperación global de la planta sea mayor. Además se observa que la operación de la
columna es sensible a la densidad de la pulpa de alimentación de la planta, a pesar de
tener un mezclado previo que permite regular la densidad de la pulpa que se alimenta
a este equipo. También se puede observar que el utilizar el Sistema Experto como
sistema predictivo permitiría buscar mejores puntos de operación ante perturbaciones
en la alimentación ya que los resultados obtenidos apuntan hacia una mejora en los
resultados metalúrgicos con las variables operacionales detectadas por el Sistema
Experto.
110
5.3.3. Tercera Experiencia con Simulación Total de la Planta.
Estas experiencias se realizan definiendo valores a las variables operacionales, sin
necesidad de recurrir a valores en tiempo real. Para desarrollar esta prueba se realizaron
algunas modificaciones en el Simulador Metalúrgico que permitieron obtener una
mejor ley de cobre en el concentrado de la planta, de esta forma realizar pruebas con el
Sistema Experto con un límite de ley de cobre más alto haciendo más exigente su
funcionamiento. Además estas modificaciones generan una mayor saturación en la
etapa Cleaner lo cual es más cercano a lo que ocurre en la industria. Esta prueba fue
realizada para ver la rapidez del Sistema Experto en la búsqueda de un mejor punto de
operación ante una perturbación en la alimentación, a diferencia de las pruebas
anteriores en las que se buscaban distintos puntos de operación que cumplieran con las
condiciones del Sistema Experto. Las condiciones de alimentación de la planta para
esta prueba se presentan en la Tabla 5.17.
Tabla 5.17: Datos de la pulpa de alimentación.

PARÁMETRO VALOR
Las variables operacionales de las distintas etapas de flotación se muestran en la Tabla

5.18, mientras que para la etapa de remolienda se muestran en la Tabla 5.19.
Tabla 5.18: Variables operacionales inicio tercera prueba Sistema Experto.

Jg [cm/s] 1.2 1.45 1.4
Hf 1 [cm] 6.5 80 6.0
Hf 2 [cm] 7.0 -- 7.0
Hf 3 [cm] 8.0 -- 8.0
Hf 4 [cm] 8.5 -- 8.5
Hf 5 [cm] 8.8 -- 8.8
Hf 6 [cm] 9.0 -- 9.0
Hf 7 [cm] 9.2 -- 9.2
Conc. de aire -- 15 --
Jw [cm/s] -- 0.1 --
111
Tabla 5.19: Variables operacionales circuito de remolienda inicio tercera prueba Sistema Experto.
Los resultados metalúrgicos obtenidos antes de la perturbación se encuentran en la

Tabla 5.20.
Tabla 5.20: Resumen de resultados metalúrgicos inicio tercera prueba Sistema Experto.
Recuperación [%] 89.3 63.6 97.0 87.7
Ley de Cobre [%] 10.6 34.8 18.0 34.8
La perturbación aplicada a este sistema consiste en la disminución del porcentaje de

sólidos en la alimentación. En la Tabla 5.21 se observan las nuevas condiciones de
alimentación mientras en la Tabla 5.22 se muestran los nuevos resultados metalúrgicos
y en la Tabla 5.23 se encuentran las condiciones de operación del circuito de
remolienda.
Tabla 5.21: Datos de la pulpa de alimentación después de la perturbación.

PARÁMETRO VALOR
Tabla 5.22: Resumen de resultados metalúrgicos después de la perturbación en tercera prueba Sistema
Experto.
Recuperación [%] 89.9 67.4 97.1 88.0
Ley de Cobre [%] 11.0 34.4 16.4 34.4
Tabla 5.23: Variables operacionales circuito de remolienda después de la perturbación en tercera prueba
Sistema Experto.
Se observa que sin modificar las variables operacionales, la recuperación de cobre en

la planta mejoró levemente, pero al existir menor cantidad de material que procesar se
pueden modificar varias variables operacionales para mejorar esta recuperación, que es
lo que se busca con el Sistema Experto.
112
Para este caso en particular se fijó como ley mínima de cobre el valor de 34,4 %,
mientras que la recuperación en la etapa Scavenger se mantiene con la misma
restricción que en las etapas anteriores.
En la Figura 5.7 se puede observar la evolución de la recuperación global de cobre al

tener activo el Sistema Experto, mientras que en la Figura 5.8 se observan las
variaciones que sufrió la ley de cobre en el concentrado final. La evolución de otras
variables metalúrgicas se puede encontrar en el ANEXO N, mientras que para observar
las modificaciones de las distintas variables operacionales se puede recurrir al ANEXO
O.
Figura 5.7: Convergencia de la recuperación global hasta un mejor punto de operación.
Figura 5.8: Convergencia de la ley de cobre en el concentrado final.
113
Lo primero que se puede observar de las figuras es que al Sistema Experto le tomó
1000 iteraciones en encontrar un punto de operación mejor al punto de operación
inicial, esto equivale en escala de tiempo a 10 minutos, lo cual es razonable si se piensa
en una operación real. Los resultados metalúrgicos esperados para el punto de
operación encontrado corresponden a los que se muestran en la Tabla 5.24, mientras
que las variables operacionales de las etapas de flotación aparecen en la Tabla 5.25 y
las condiciones del circuito de remolienda están en la Tabla 5.26.
Tabla 5.24: Resumen de resultados metalúrgicos final tercera prueba Sistema Experto.
Recuperación [%] 90.9 58.9 97.2 89.2
Ley de Cobre [%] 10.0 34.7 20.0 34.7
Tabla 5.25: Variables operacionales final tercera prueba Sistema Experto.
Jg [cm/s] 2.0 1.2 1.4
Hf 1 [cm] 5.5 90 6.0
Hf 2 [cm] 6.0 -- 7.0
Hf 3 [cm] 7.0 -- 8.0
Hf 4 [cm] 7.5 -- 8.5
Hf 5 [cm] 7.8 -- 8.8
Hf 6 [cm] 8.0 -- 9.0
Hf 7 [cm] 8.2 -- 9.2
Conc de aire [%] -- 10 --
Jw [cm/s] -- 0.4 --
Tabla 5.26: Variables operacionales circuito de remolienda final tercera prueba Sistema Experto.
Los resultados metalúrgicos muestran que se consiguió mejorar la recuperación global

de cobre sin perder la calidad del producto y si se observan las variables operacionales
de las distintas etapas se ve que existe margen para poder mejorar los resultados, pero
si se observa la Figura 5.7 las posibles mejoras existentes en la recuperación no serán
significativas a medida que se modificaban más variables, esto es detectado por el
Sistema Experto y detiene las modificación de variables, por lo cual se debe considerar
el último punto de operación como el mejor para la operación de la planta en las
condiciones dadas.
114
El bajo aumento en la recuperación de cobre en las últimas modificaciones que se
realizan sobre la etapa Rougher se deben principalmente al hecho de que en la etapa
Cleaner disminuye drásticamente la recuperación para lograr mantener la ley de cobre
solicitada como requisito, esto provoca que exista un aumento en la carga circulante en
la planta, lo cual aminora los efectos de aumentar la recuperación Rougher.
La etapa que presenta una mayor saturación es la etapa Cleaner, mientras que el
Rougher aún tiene un margen para subir sus niveles de espuma. El deterioro de la ley
que ingresa a la etapa Cleaner y el aumento del flujo de sólidos generan una rápida
saturación. También se destaca que si bien la etapa de remolienda presenta una baja
saturación, la planta es altamente sensible a la saturación de ésta ya que si se tienen
hidrociclones muy pequeños, su saturación será más rápida y afectará la operación de
la etapa Cleaner.
Lo más importante de esta prueba es que se logró una convergencia rápida al mejor
punto de operación posible lo cual permite tener una herramienta predictiva que puede
ser aplicada a la industria de la flotación de minerales, ya que ante perturbaciones en
la alimentación en menos de 12 minutos se puede tener un punto de operación que
mejore la operación de la operación actual. Para llevar esta herramienta a la industria
simplemente se requiere realizar una calibración del simulador metalúrgico con datos
históricos de la planta de flotación o se pueden utilizar simuladores que posea la planta
a los que se les puede incluir la lógica del Sistema Experto y aplicarlos de forma
paralela a la operación de la planta en tiempo real.
Se debe tener en cuenta que el tiempo de convergencia del Sistema Experto está ligado
a los tamaños de paso en las modificaciones de las variables operacionales, un operador
con conocimientos suficientes puede ajustar los tamaños de paso para acelerar la
convergencia del Sistema Experto y poder obtener un mejor punto de operación en un
menor tiempo, además si se tiene acceso a gráficas como las que posee la interfaz del
Sistema Experto de este trabajo se pueden tomar decisiones mientras el sistema experto
está funcionando, ya que se pueden visualizar los puntos de operación intermedios que
115
cumplan con los criterios establecidos y se pueden tomar decisiones de manera más
rápida.
5.3.4. Cuarta Experiencia con Simulación Total de la Planta.

Esta experiencia tiene por finalidad observar el comportamiento del simulador y el
Sistema Experto ante otras posibles perturbaciones cuando la planta tiene una de las
etapas de flotación saturada, en este caso en particular la etapa Cleaner. Se utilizaron
2 perturbaciones, y en ambos casos se tiene un mismo punto de partida. Las
perturbaciones aplicadas tienen relación con el flujo másico de sólidos en la
alimentación y con la fracción de calcosina que existe en el mineral alimentado.
Las condiciones de alimentación para ambos casos se encuentran en la Tabla 5.27.
Tabla 5.27: Datos de la pulpa de alimentación cuarta experiencia Sistema Experto.

PARÁMETRO VALOR
Las variables operacionales de las distintas etapas de flotación se muestran en la Tabla
5.28, mientras que para la etapa de remolienda se muestran en la Tabla 5.29.
Tabla 5.28: Variables operacionales inicio cuarta prueba Sistema Experto.

Jg [cm/s] 2.0 1.3 1.2
Hf 1 [cm] 6.5 100 6.0
Hf 2 [cm] 7.0 -- 7.0
Hf 3 [cm] 8.0 -- 7.5
Hf 4 [cm] 8.5 -- 8.0
Hf 5 [cm] 8.8 -- 8.4
Hf 6 [cm] 9.0 -- 8.8
Hf 7 [cm] 9.2 -- 9.2
Conc. de aire [%] -- 10 --
Jw [cm/s] -- 0.4 --
Tabla 5.29: Variables operacionales circuito de remolienda inicio cuarta prueba Sistema Experto.
116
Los resultados metalúrgicos obtenidos antes de la perturbación se encuentran en la
Tabla 5.30.
Tabla 5.30: Resumen de resultados metalúrgicos inicio cuarta prueba Sistema Experto.
Recuperación [%] 90.8 55.7 97.2 88.7
Ley de Cobre [%] 9.6 34.5 26.0 34.5
 Primer caso: Cambio en flujo másico de sólidos de alimentación.
El primer caso consiste en la disminución del flujo másico de sólidos de alimentación,

las nuevas condiciones de alimentación para esta situación se muestran en la Tabla
5.31, mientras que los resultados metalúrgicos se resumen en la Tabla 5.32 y las
variables operacionales del circuito de remolienda se observan en la Tabla 5.33.
Tabla 5.31: Datos de la pulpa de alimentación después de la perturbación, primer caso.

PARÁMETRO VALOR
Tabla 5.32: Resumen de resultados metalúrgicos después de la perturbación, primer caso.
Recuperación [%] 91.4 56.9 97.2 89.5
Ley de Cobre [%] 9.3 33.6 25.7 33.6
Tabla 5.33: Variables operacionales circuito de remolienda después de la perturbación, primer caso.
Se observa que sin modificar las variables operacionales, la recuperación de cobre en

la planta mejoró, esto se debe a un aumento en la recuperación de la etapa Rougher, lo
cual disminuye la ley de alimentación de la etapa Cleaner, lo que provoca que no se
cumpla con la ley mínima de concentrado establecida como restricción, que
corresponde a 34.4 %.

117
variables metalúrgicas se puede encontrar en el ANEXO P, mientras que para observar
Q.
Figura 5.9: Convergencia de la recuperación global hasta un mejor punto de operación, primer caso.
Figura 5.10: Convergencia de la ley de cobre en el concentrado final.
Al Sistema Experto le tomó aproximadamente 300 iteraciones encontrar el nuevo

estado que cumpla con las restricciones de ley de concentrado, lo que en tiempo real
corresponde a 2.5 minutos. Los resultados metalúrgicos esperados para el punto de
118
Tabla 5.34: Resumen de resultados metalúrgicos final de cuarta prueba, primer caso.
Recuperación [%] 91.3 57.3 97.3 89.4
Ley de Cobre [%] 9.8 34.5 25.4 34.5
Tabla 5.35: Variables operacionales final de cuarta prueba, primer caso.
Jg [cm/s] 2.0 1.3 1.2
Hf 1 [cm] 7.0 100 6.0
Hf 2 [cm] 7.5 -- 7.0
Hf 3 [cm] 8.5 -- 7.5
Hf 4 [cm] 9.0 -- 8.0
Hf 5 [cm] 9.3 -- 8.4
Hf 6 [cm] 9.5 -- 8.8
Hf 7 [cm] 9.7 -- 9.2
Conc. de aire [%] -- 10 --
Jw [cm/s] -- 0.4 --
Tabla 5.36: Variables operacionales circuito de remolienda final de cuarta prueba, primer caso.
En este caso se debe tener en cuenta que las variables operacionales de la columna se
encuentran saturadas en el sentido de mejorar la ley del concentrado final logrando
alcanzar el mínimo establecido como se ve en la Figura 5.10. Tras la disminución del
flujo másico de sólidos existe un aumento en la recuperación de la etapa Rougher, lo
que provoca que la ley de cobre con que se alimenta a la columna disminuya,
provocando que la ley del concentrado final sea menor al mínimo establecido, ante esta
situación el Sistema Experto busca mejorar la ley de concentrado, para lograrlo se debe
mejorar la ley de concentrado Rougher, esto se logra aumentando levemente el perfil
de profundidad de espuma de esta etapa, lo que genera una disminución de la
recuperación Rougher. La recuperación global de la planta no se vio afectada
significativamente al compararla con la recuperación global obtenida en el estado
estacionario alcanzado inmediatamente después de aplicada la perturbación (ver Figura
119
5.9), esto se debe a que la pequeña disminución de la etapa Rougher se vio compensada
con leves aumentos en las recuperaciones de las etapas Cleaner y Scavenger. En la
etapa de remolienda se observa que el número de hidrociclones activos disminuye, esto
se debe a que disminuye el flujo que es procesado en la planta.
 Segundo caso: Cambio en proporción de calcosina en mineral alimentado.
El segundo caso consiste en el aumento en la proporción de calcosina en el mineral

valioso alimentado, las nuevas condiciones de alimentación para esta situación se
muestran en la Tabla 5.37, mientras que los resultados metalúrgicos se resumen en la
Tabla 5.38 y las variables operacionales del circuito de remolienda se observan en la
Tabla 5.39.
Tabla 5.37: Datos de la pulpa de alimentación después de la perturbación, segundo caso.

PARÁMETRO VALOR
Densidad [kg/l] 1.3
Tabla 5.38: Resumen de resultados metalúrgicos después de la perturbación, segundo caso.
Recuperación [%] 90.8 55.1 97.2 88.8
Ley de Cobre [%] 9.2 34.9 26.2 34.9
Tabla 5.39: Variables operacionales circuito de remolienda después de la perturbación, segundo caso.

variables metalúrgicas se puede encontrar en el ANEXO R, mientras que para observar
S.
120
Figura 5.11: Convergencia de la recuperación global hasta un mejor punto de operación, segundo caso.
Figura 5.12: Convergencia de la ley de cobre en el concentrado final, segundo caso.
Al Sistema Experto le tomó aproximadamente 500 iteraciones para encontrar el nuevo

estado que cumpla con las restricciones de ley de concentrado, lo que en tiempo real
corresponde a 4 minutos. Los resultados metalúrgicos esperados para el punto de
121
Tabla 5.40: Resumen de resultados metalúrgicos final cuarta prueba, segundo caso.
Recuperación [%] 90.8 55.1 97.2 88.8
Ley de Cobre [%] 9.2 34.9 26.2 34.9
Tabla 5.41: Variables operacionales final cuarta prueba, segundo caso.
Jg [cm/s] 2.0 1.3 1.2
Hf 1 [cm] 6.5 100 6.0
Hf 2 [cm] 7.0 -- 7.0
Hf 3 [cm] 8.0 -- 7.5
Hf 4 [cm] 8.5 -- 8.0
Hf 5 [cm] 8.8 -- 8.4
Hf 6 [cm] 9.0 -- 8.8
Hf 7 [cm] 9.2 -- 9.2
Conc. de aire [%] -- 10 --
Jw [cm/s] -- 0.4 --
Tabla 5.42: Variables operacionales circuito de remolienda final cuarta prueba, segundo caso.
Después de la perturbación se observa que la recuperación no se ve afectada

significativamente, como se observa en la Figura 5.11, pero se ve que hay una leve
mejora en la ley de concentrado final (ver Figura 5.12). Esto se explica en el hecho de
que al aumentar la proporción de calcosina en el mineral valioso alimentado, la
colección de partículas minerales se mantiene en la columna, pero estas contienen más
calcosina la cual posee mejor ley de cobre que la calcopirita. Al tener un margen en la
ley de concentrado obtenida, el Sistema Experto busca mejorar la recuperación global
de cobre, por lo que disminuye el perfil de profundidad de espuma de la etapa Rougher,
mejorando levemente la recuperación pero ante este cambio la ley de cobre cae por
debajo del límite establecido. Ante esto el Sistema Experto actúa aumentando el perfil
de profundidad de espuma de la etapa Rougher. El tamaño de paso de la profundidad
de espuma hacia la mejora de la ley de cobre es menor que cuando se mejora la
recuperación, ya que de esta forma se pueden buscar puntos intermedios ignorados por
el salto hacia el aumento en la recuperación. En este caso se da el hecho de que para
cumplir con la restricción de ley de concentrado se debe regresar al punto operacional
122
que se tenía en el estado estacionario inmediatamente después de la perturbación, pero
se pueden dar casos en los que el punto de operación se encuentre en una zona
intermedia entre los saltos operacionales que mejoren la recuperación. La única
diferencia existente en la operación final encontrada con la del estado estacionario
posterior a la perturbación es que el número de hidrociclones aumentó, debido a que
un salto intermedio la presión de alimentación a esta etapa aumentó y luego al recuperar
el punto de operación inicial no fue necesario quitar el hidrociclón ya que se cumplían
las restricciones de presión.
123
5.4. Discusión general de resultados.
Los resultados expuestos muestran que es posible conseguir la simulación de una planta
de flotación RCS, como queda demostrado en la sección 5.2, donde se expone la
convergencia del simulador desarrollado. Además es posible conectar el simulador a
una planta piloto para conseguir información de la operación en tiempo real y
procesarla para obtener los resultados metalúrgicos.
Los resultados metalúrgicos expuestos en la sección 5.3 son producto de la operación

del simulador y el sistema experto de forma híbrida en los primeros casos y luego de
forma independiente. Los resultados del caso base fueron contrastados con los
resultados metalúrgicos de minera Los Pelambres. Cuando se operó el sistema experto
las variaciones en la recuperación global fueron aceptables comparando el mejor punto
de operación encontrado con el punto inicial, mientras que para la operación del sistema
experto ante la existencia de perturbaciones en la alimentación consiguió mejoras no
tan significativas pero se cumplieron las restricciones del sistema. Caso distinto es la
variación de la ley de cobre en el concentrado, ésta tuvo variaciones muy bajas lo cual
en una planta industrial podrían no ser significativas, esto se explica en el hecho de que
la ley de concentrado es un resultado poco sensible anta las variaciones en la
alimentación y las variables operacionales, aunque desde el punto de vista cualitativo
el comportamiento de simulador es el esperado pero para asegurar un comportamiento
cuantitativo más aceptable se debe ajustar el simulador con un set de datos que
contengan información de la operación de la planta.
124
CONCLUSIONES Y RECOMENDACIONES.
 Conclusiones:
El simulador metalúrgico implementado es el resultado de la integración de varios

simuladores. El simulador puede funcionar de manera híbrida entregando los resultados
metalúrgicos de la operación, que sólo son válidos cuando la planta se encuentra en
estado estacionario. Para validar los resultados del simulador se implementó un
detector de estado estacionario, el cual en tiempo real verifica el estado de cada variable
operacional del sistema además de verificar el cumplimiento de los balances de
materia.
El Sistema Experto permite mejorar los resultados metalúrgicos de la operación híbrida

alcanzando alzas de 2 puntos porcentuales en la recuperación de cobre en comparación
con el caso base, sin sacrificar la ley de Cu del concentrado final. La aplicación de este
Sistema Experto en una planta de flotación industrial será beneficiosa siempre y cuando
las bandas de error en las mediciones de las recuperaciones y leyes sean
significativamente menores al aumento conseguido por el sistema experto.
También se realizaron experiencias con el Sistema Experto y el simulador de forma

independiente a la planta piloto, con el objetivo de observar el tiempo que le tomaba al
Sistema Experto encontrar un mejor punto de operación para ciertas condiciones dadas
en la alimentación de la planta. Los tiempos de búsqueda fueron menores a 10 minutos,
por lo que se podría utilizar esta aplicación en conjunto con el simulador como una
forma de Control Predictivo, que permitiría obtener el valor de las variables
operacionales que mejoren los resultados metalúrgicos de la planta, en comparación
con la situación donde las acciones correctivas ante las perturbaciones se realizaran
retro-alimentadamente.
125
 Recomendaciones:
Es recomendable la implementación de este Sistema Experto en una planta de flotación

industrial teniendo en cuenta que los resultados de éste están directamente ligados a la
calidad de la información de la planta, estado de los elementos de los lazos de control
y las bandas de error asociadas a la estimación de los resultados metalúrgicos
(recuperación y ley). También se debe considerar en su implementación los tiempos de
estabilización de la planta y la frecuencia de las perturbaciones.
Para implementar este Sistema Experto como control predictivo se requiere de un

simulador metalúrgico calibrado para la planta de flotación. Para el caso del sistema
predictivo desarrollado en este trabajo se tiene una interfaz usuario que permite cambiar
las restricciones de ley de concentrado. El simulador también permite la modificación
de parámetros internos de los modelos usados desde una ventana, lo que permite
calibrar el simulador sin necesidad de reescribir todo el código interno. La rapidez con
la cual se pueden obtener los nuevos puntos de operación, que mejoren los resultados
metalúrgicos, permite que este sistema predictivo sea aplicable en plantas de flotación
RCS. La efectividad de esta acción debe considerar que este sistema también está sujeto
a restricciones relacionadas con la calidad de la información disponible en la planta.
126
REFERENCIAS.
Acedo, J., 2006. Instrumentación y control avanzado de procesos. Primera ed. Madrid:
Díaz Santos.
Acosta, S., 2007. Monitoreo en línea de la operación de una columna de flotación a

escala de flotación piloto usando métodos de proyección. Tesis Magister UTFSM:
Valparaíso.
Bazin, C., Grant, R., Cooper, M. & Tessier, R., 1994. A method to predict Metallurgical
performances as a function of fineness of grind. Minerals Engineering, 7(10), pp. 1243
1251.
Bearman, R. A. & Milne, R. W., 1992. Expert Systems: Oportunities in the minerals
industry. Minerals Engineering, 5(10-12), pp. 1307-1323.
Carrasco, C., 2010. Modelación zona de colección y espuma para la supervisión y

control de un banco de flotación industrial. Tesis Magister UTFSM: Valparaíso.
Cobo, R., 2013. El ABC de la automatización, Santiago de Chile: Asociación de la

industria eléctrica y electrónica de Chile.
Contreras, F., 2010. Modelo de transporte en espuma de celdas de flotación industrial.

Tesis Magister UTFSM: Valparaíso.
Conway-Baker, J., Barley, R., Williams, R., Jia, X., Kostuch, J., McLoughlin, B., &
Parker, D., 2001. Measurement of the motion of grinding media in a vertically stirred
mill using positron emission particle tracking (PEPT). Minerals Engineering, Volume
15, pp. 53-59.
Durán, J., 2014. Desarrollo de una estrategia de control para un circuito de flotación
Rougher piloto. Tesis para Optar al Título de Ingeniero Civil Químico: Valparaíso.
Finch, J. & Dobby, G., 1990. Column Flotation. Oxford: Pergamon Press.
127
Flint, L. R., 1974. A mechanistic approach to flotation kinetics. Trans Inst Min Metall,
83(C), pp. 90-95.
Gorain, B., Harris, M., Franzidis, J.-P. & Manlapig, E., 1998. The effect of froth
residence time on the kinetics of flotation. Minerals Engineering, 11(7), pp. 627-638.
Gupta, A. & Yan, D. S., 2006. Mineral Processing Design and Operation – An
Introduction. Amsterdam: Elsevier.
Jämsä-Jounela, S. -L., Dietrich, M., Halmevaara, K. & Tiili, O., 2003. Control of pulp
levels in flotation cells. Control Engineering Practice, Volume 11, pp. 73-81.
Jankovic, A., 2003. Variables affecting the fine grinding of minerals using stirred mills.
Minerals Enginnering, Volume 16, pp. 337-345.
Jankovic, A., 2010. A review of regrinding and fine grinding technology - the facts
and myths. [En línea]. Disponible:
t:http://www.metso.com/miningandconstruction/mct_service.nsf/WebWID/WTB-
120106 22576-8888C/$File/038.pdf [Último acceso: Diciembre 2015].
Leiva, C. A. (1996) Simulación del uso de Lógica Difusa como Control Supervisor en
una Columna de Flotación. Memoria para Optar al Título de Ingeniero Civil Químico
UTFSM: Valparaíso.
León, A., 2007. Sistemas de Control Distribuido (DCS), Santiago de Chile:

Universidad de Chile.
Mular, A., Baratt, D. & Halbe, D., 2002. Mineral Processing Plant, Design, Practice
and Control Volume 1 - 2. 1° ed. Littleton: SME.
Nageswararao, K., 1978. Further developments in the modelling and scale up of

industrial hydrocyclones, PhD thesis, Brisbane, Australia: University of Queensland
(JKMRC).
128
Nageswararao, K., Wiseman, D. M. & Napier-Munn, T. J., 2004. Two empirical
hydrocyclone models revisited. Minerals Engineering, Volume 17, pp. 671-687.
Nakajima, Y. & Takana, T., 1973. Solution of batch grinding equation. Ind. Eng. Chem.
Process Des. Develop., 12(1), pp. 23-25.
Napier-Munn, T. J., Morrell, S., Morrison, R. D. & Kojovic, T., 1996. Mineral
Comminution Circuits - Their Operation and Optimisation. JKMRC Monograph Series,
University of Queensland.
Nitta, S., Bissombolo, A., Furuyama, T. & Mori, S., 2002. Relationship between Bond's
work index (Wi) and uniformity constant (n) of grinding kinetics on Tower mill milling
limestone. International Journal of Mineral Processing, Volume 66, pp. 79-87.
Olivares, J., 2016. Desarrollo de una estrategia de control de flujos de aire para un
circuito de flotación Rougher. Tesis Magister UTFSM: Valparaíso.
Osorio, C., 2008. Modelo cinético operacional para celdas de flotación industrial.
Tesis Magister UTFSM: Valparaíso.
Perry, R. & Green, D., 1997. Perry's Chemical Engineering Handbook. 7th ed. s.l.:
McGraw-Hill.
Pino, C., 2012. Modelación del circuito de limpieza de una planta RCS para la
evaluación de estrategias operacionales. Tesis Magister UTFSM: Valparaíso.
Rhinehart, R. R., 1995. A novel method for automated identification of steady-state.

Proccedings of the American Control Conference, FPS -4:10.
Sepúlveda, J. & Gutierrez, L., 1986. Dimensionamiento y optimización de plantas

concentradoras mediante técnicas de modelación matemática. Santiago: Centro de
Investigación Minera y Metalúrgica.
Shean, B. J. & Cilliers, J. J., 2011. A review of froth flotation control. International
Journal of Mineral Processing, Volume 100, pp. 57-71.
129
Soto, D., 2013. Desarrollo y evaluación de un sistema control difuso para una columna
de flotación piloto. Tesis para Optar al Título de Ingeniero Civil Químico UTFSM:
Valparaíso.
Theuerkauf, J. & Schwedes, J., 1999. Theoretical and experimental investigation on

particle and fluid motion in stirred media mills. Powder Technology, Volume 105, pp.
406-412.
Whiten, W. J., 1977. Multiple linear curve fitting. JKMRC reporte interno, Issue 84.
Willer, M., 2012. Desarrollo de una estrategia de control experto para la planta de
molienda Los Bronces. Tesis Magister UTFSM: Valparaíso.
Yianatos, J., 2005. Beneficio de Minerales, Apuntes, Valparaíso: Universidad Técnica

Federico Santa María.
Yianatos, J., 2007. Fluid flow and kinetic modelling in flotation related processes,
Columns and Mechanically Agitated Cells- a review. Trans. IChemE, Chemical
Engineering Research and Design, 85(A12), pp. 1591-1603.
Yianatos, J., 2008. Flotación de Minerales, Apuntes, Valparaíso: Universidad Técnica

Federico Santa María.
Yianatos, J., Bergh, L. & Aguilera, J., 2000. The effect of grinding on mill performance
at División Salvador, Codelco-Chile. Minerals Engineering, 13(5), pp. 485-495.
Yianatos, J. B, Bergh L. G & Cortés G. A. (1998) Froth Zone Modelling of an Industrial

Flotation Column. Minerals Engineering. Vol. 11, p.423 – 435.
Yianatos, J., Bergh, L., Diaz, F. & Rodriguez, J., 2005a. Mixing characteristics of
industrial flotation equipment. Chemical Engineering Science, Volume 60, pp. 2273-
2282.
130
Yianatos, J., Bergh, L., Tello, K., Díaz, F. & Villanueva, A., 2008a. Residence time
distribution in single big flotation cells. Minerals & Metallurgical Processing, 25(1),
pp. 46-52.
Yianatos, J., Bergh, L., Tello, K., Díaz, F. & Villanueva, A., 2008b. Froth mean
residence time measurement in industrial flotation cells. Minerals Engineering, 21(12-
14), pp. 982 998.
Yianatos, J., Bucarey, R., Larenas, J., Henriquez, F., & Torres, L., 2005b. Collection
zone kinetic model for industrial flotation columns. Minerals Engineering, Volume 18,
pp. 1373-1377.
Yianatos, J., Carrasco, C., Bergh, L., Vinnett, L. & Torres, C., 2012. Modelling and
simulation of rougher flotation circuits. International Journal of Mineral Processing,
Volume 112-113, pp. 63-70.
Yianatos, J. & Contreras, F., 2010. Particle entrainment model for industrial flotation
cells. Powder Technology, Volume 197, pp. 260-267.
Yianatos, J., Contreras, F. & Díaz, F., 2010. Gas concentración and RTD measurement in
an industrial flotation cell. Minerals Engineering, Volumen 23, pp. 125-130.
131

Tesis Cristian Cortes Imprimir

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis Cristian Cortes Imprimir

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA

DEPARTAMENTO DE INGENIERÍA QUÍMICA Y AMBIENTAL

OPERACIÓN HÍBRIDA DE UNA PLANTA

Trabajo de tesis, presentado en cumplimiento parcial de los requisitos para el Título de

Dr. Luis Bergh Olivares

Dr. Juan Yianatos Bernardino.

A mi polola, Claudia, llegaste en un momento impensado y me ayudaste a sortear

Gracias a todos los que me conocieron, me ayudaron y me enseñaron, a todos ellos

El sistema desarrollado permite dos tipos de operación, ambas bajo un sistema de

También se realizaron experiencias con el Sistema Experto y el simulador de forma

Palabras clave: Planta de flotación RCS, Recuperación, ley de cobre, Simulador

Keywords: RCS flotation plant, Recovery, copper grade, metallurgical simulator,

1.1.1. Proceso de Flotación. ............................................................................. 2

1.1.2. Proceso de Clasificación. ....................................................................... 8

1.1.3. Proceso de Molienda. ........................................................................... 11

1.2. Circuitos y Equipos de Flotación. ................................................................... 14

1.3. Simulación de Procesos................................................................................... 17

1.3.1. Simulador Metalúrgico Planta de Flotación. ........................................ 18

1.4. Control de Procesos. ....................................................................................... 19

1.4.1. Estrategias de Control. ......................................................................... 19

1.4.2. Sistemas de Control Distribuido Convencional. .................................. 22

1.5. Sistema Experto. ............................................................................................. 25

CAPÍTULO 2: EQUIPO EXPERIMENTAL. ........................................................... 26

2.1.2. Circuito de Aire. ................................................................................... 28

2.1.3. Circuito de Agua. ................................................................................. 28

2.3. Descripción de Operación Híbrida de planta piloto de flotación RCS. ........... 34

2.4. Sistema de Control Distribuido (SCD). ........................................................... 36

2.4.1. Proceso. ................................................................................................ 36

2.4.2. PLC (Programable Logic Controller)................................................... 36

2.4.3. Interfaz del Usuario. ............................................................................. 37

2.5. Lazos de Control Convencional y otros Equipos de la Planta Piloto.............. 41

2.5.1. Lazo de Control de Profundidad de Espuma Celdas de Flotación.

2.5.2. Lazo de Control del Flujo de Aire Celdas de Flotación. ...................... 42

2.5.3. Lazo de Control en Cascada para Concentración de aire en

2.5.4. Lazo de Control de Profundidad de Espuma Columna de

2.5.5. Lazo de Control de Bias Columna de Flotación. ................................. 44

2.5.6. Otros Elementos Importantes Planta Piloto. ........................................ 44

2.6. Sintonía Lazos de Control Retroalimentado. .................................................. 45

2.6.1. Sintonía Lazo de Control de Profundidad de Espuma Celdas. ............ 46

2.6.2. Sintonía Lazo de Control Flujo de Aire Celdas de Flotación. ............. 47

2.6.3. Lazo de Control en Cascada Flujo de Aire y Concentración de

2.6.4. Sintonía Lazo de Control de Profundidad de Espuma Columna.......... 51

2.6.5. Sintonía Lazo de Control del Bias de la Columna. .............................. 51

2.7. Detector de Estado Estacionario. .................................................................... 53

2.8. Implementación Control Prealimentado. ........................................................ 56

CAPITULO 3: SIMULADOR METALÚRGICO. .................................................... 60

3.1.1. Supuestos para la Pulpa de Alimentación. ........................................... 60

3.1.2. Modelo de Condiciones Granulométricas Pulpa de Alimentación.

3.2. Modelo Celdas de Flotación Rougher y Scavenger. ....................................... 63

3.2.1. Supuestos del Modelo. ......................................................................... 63

3.2.2. Modelos Zona de Colección. ............................................................... 63

3.2.3. Modelos Zona de Espuma. ................................................................... 66

3.2.4. Modelo de Recuperación de Agua. ...................................................... 67

3.2.5. Modelo de Recuperación de Ganga. .................................................... 67

3.2.6. Ley y Recuperación de Mineral. .......................................................... 68

3.2.7. Análisis de Sensibilidad del Modelo. ................................................... 68

3.3. Modelación circuito de Remolienda. .............................................................. 72

3.3.1. Modelación Hidrociclones. .................................................................. 73

3.3.2. Modelación Molino Vertical. ............................................................... 76

3.4. Modelación de Columna de Flotación. ........................................................... 80

3.4.1. Suposiciones del Modelo. .................................................................... 80

3.4.2. Cálculo de Variables Operacionales. ................................................... 80

3.4.3. Modelo Zona de Colección. ................................................................. 81