Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESCUELA DE INGENIERÍA
DESARROLLO E IMPLEMENTACIÓN DE
UN SIMULADOR DINÁMICO DEL
PROCESO DE PRODUCCIÓN DE RELAVES
EN PASTA PARA APLICACIONES DE
CONTROL
Profesor Supervisor:
ALDO CIPRIANO
c 2018, J UAN I. L ANGLOIS
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE
ESCUELA DE INGENIERÍA
DESARROLLO E IMPLEMENTACIÓN DE
UN SIMULADOR DINÁMICO DEL
PROCESO DE PRODUCCIÓN DE RELAVES
EN PASTA PARA APLICACIONES DE
CONTROL
iii
A mi familia y amigos.
AGRADECIMIENTOS
v
ÍNDICE GENERAL
AGRADECIMIENTOS v
ÍNDICE DE FIGURAS ix
ABSTRACT xix
RESUMEN xx
GLOSARIO xxii
1. Introducción 1
1.1. Contexto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Breve revisión del modelamiento de espesadores . . . . . . . . . . . . . . 5
1.3. Alcance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3. Modelo de Espesador 20
3.1. Selección del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.1.1. Modelo para mezcla mono-dispersa en 1-D . . . . . . . . . . . . . . 21
3.1.2. Modelo para mezcla mono-dispersa en 3-D . . . . . . . . . . . . . . 22
3.1.3. Modelo para mezcla poli-dispersa en 1-D . . . . . . . . . . . . . . . 23
3.1.4. Análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2. Proceso dinámico del espesamiento . . . . . . . . . . . . . . . . . . . . . 27
vi
3.2.1. Modelo de espesador convencional . . . . . . . . . . . . . . . . . . . 27
3.2.2. Modelo espesador-clarificador . . . . . . . . . . . . . . . . . . . . . 34
3.2.3. Extensión a suspensiones con propiedades variantes en el tiempo . . . 39
3.3. Solución de estado estacionario . . . . . . . . . . . . . . . . . . . . . . . 40
3.4. Extensión para propiedades granulométricas . . . . . . . . . . . . . . . . 46
5. Determinación de Parámetros 54
5.1. Modelo espesador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.1.1. Función de velocidad de precipitación . . . . . . . . . . . . . . . . . 55
5.1.2. Concentración crı́tica . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.1.3. Esfuerzo de sólido efectivo . . . . . . . . . . . . . . . . . . . . . . . 57
5.2. Modelo floculación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.3. Modelo yield stress . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.4. Modelo de torque de rastrillo . . . . . . . . . . . . . . . . . . . . . . . . 61
5.5. Instrumentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
BIBLIOGRAFÍA 117
ANEXOS 121
A. Anexo 1: Gráficos simulaciones numéricas . . . . . . . . . . . . . . . . . 122
A.1. Convergencia del esquema numérico . . . . . . . . . . . . . . . . . . 122
A.2. Pruebas de escalón en variables de entrada . . . . . . . . . . . . . . . 125
A.3. Transporte de propiedades granulométricas . . . . . . . . . . . . . . . 149
B. Anexo 2: Manual del Simulador . . . . . . . . . . . . . . . . . . . . . . . 155
viii
ÍNDICE DE FIGURAS
3.4. Espesador con sección transversal que varia con la altura y con mecanismo de
alimentación central . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
9.4. Simulación numérica del control del nivel de sedimento de descarga para un
escalón en el flujo de alimentación. . . . . . . . . . . . . . . . . . . . . . . 105
9.6. Simulación numérica del control del nivel de sedimento para un cambio de
referencia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
9.8. Simulación numérica del control del nivel de sedimento durante el cambio de
referencia en la concentración de descarga. . . . . . . . . . . . . . . . . . . 108
xi
9.9. Simulación numérica de yield stress durante el cambio de referencia en la
concentración de descarga. . . . . . . . . . . . . . . . . . . . . . . . . . . 108
9.11. Simulación numérica del control de yield stress durante una perturbación en las
propiedades granulométricas. . . . . . . . . . . . . . . . . . . . . . . . . . 110
9.12. Simulación numérica del control del nivel de sedimento durante una
perturbación en las propiedades granulométricas. . . . . . . . . . . . . . . . 111
A.3. Simulación numérica del yield stress en la descarga (sección 8.1). . . . . . . 123
A.9. Simulación numérica del yield stress en la descarga para un escalón de +10 %
en el flujo de alimentación (sección 8.2). . . . . . . . . . . . . . . . . . . . 127
xii
A.10. Simulación numérica del torque de rastrillo para un escalón de +10 % en el
flujo de alimentación (sección 8.2). . . . . . . . . . . . . . . . . . . . . . . 127
A.15. Simulación numérica del yield stress en la descarga para un escalón de −10 %
en el flujo de alimentación (sección 8.2). . . . . . . . . . . . . . . . . . . . 130
A.21. Simulación numérica del yield stress en la descarga para un escalón de +10 %
en el flujo de descarga (sección 8.2). . . . . . . . . . . . . . . . . . . . . . 134
xiii
A.22. Simulación numérica del torque de rastrillo para un escalón de +10 % en el
flujo de descarga (sección 8.2). . . . . . . . . . . . . . . . . . . . . . . . . 135
A.27. Simulación numérica del yield stress en la descarga para un escalón de −10 %
en el flujo de descarga (sección 8.2). . . . . . . . . . . . . . . . . . . . . . 138
A.33. Simulación numérica del yield stress en la descarga para un escalón de +10 %
en la dosis de floculante (sección 8.2). . . . . . . . . . . . . . . . . . . . . 142
xiv
A.34. Simulación numérica del torque de rastrillo para un escalón de +10 % en la
dosis de floculante (sección 8.2). . . . . . . . . . . . . . . . . . . . . . . . 143
A.39. Simulación numérica del yield stress en la descarga para un escalón de −10 %
en la dosis de floculante (sección 8.2). . . . . . . . . . . . . . . . . . . . . 146
xvi
ÍNDICE DE TABLAS
xviii
ABSTRACT
Waste management poses a great challenge for the Chilean mining industry. Given that
water is a strategic resource in arid regions, conventional tailings disposal is no longer a
sustainable technology. In this context, paste tailings management arises as the best avai-
lable technology. However, to truly benefit from this method, advanced control techniques
must be developed, so that the consistency of the deposited tailings can be maintained in
the long term.
The main objective of this thesis is to develop a dynamic simulator of the paste thic-
kening process that can be used for the study of advanced multivariate control techniques.
For this purpose, a systematic review of the literature regarding dynamic thickening mo-
dels and static models for important rheological and operational variables such as yield
stress, flocculation and rake torque was done. An important contribution of this work was
the extension of the selected dynamic thickening model to include the transport of proper-
ties related to the tailings particle size distribution, and the extension of the yield stress
model to include the effect of these properties.
de MathWorks
R
y validado cualitativamente a través de pruebas de lazo abierto y simu-
laciones de estrategias de control convencional simples. Los modelos seleccionados de-
mostraron ser capaces de simular de forma correcta las variables importantes del proceso
de producción de relaves en pasta y el simulador desarrollado prueba ser una herramienta
confiable para el estudio de estrategias de control avanzado multivariable.
xx
Palabras Clave: simulador dinámico, simulación numérica, modelo de sedimentación-
consolidación, yield stress, granulometrı́a, floculación, torque de rastrillo.
xxi
GLOSARIO
xxii
1
1. INTRODUCCIÓN
1.1. Contexto
En la minerı́a se extraen grandes cantidades de material, del cual solo una pequeña
fracción corresponde al elemento de interés económico. Una vez que el material es proce-
sado y el mineral y otros elementos de valor han sido concentrados o extraı́dos, se generan
residuos compuestos por material molido y agua con reactivos, denominados relaves. Por
lo general, los relaves son transportados a través de canaletas hasta lugares especialmen-
te habilitados para su depósito, denominados embalses o tranques de relave (Capı́tulo 5,
Fundación Chile, 2015).
Entre los desafı́os relacionados a los relaves se pueden destacar tres: (i) minimizar el
impacto de las infiltraciones, (ii) asegurar la estabilidad de los depósitos y (iii) enfrentar
la creciente escasez de agua y superficie. Un deficiente control y mitigación del riesgo de
infiltraciones en los depósitos de relaves, tanto activos como inactivos, podrı́a ocasionar
efectos nocivos sobre la salud y calidad de vida de la población, contaminación de cuer-
pos de agua y suelos e impactos negativos sobre otras actividades económicas como la
agricultura y ganaderı́a. Por otro lado, la estabilidad fı́sica de los depósitos de relave es
susceptible a sucesos sı́smicos o climatológicos extremos, los cuales pueden resultar en
rupturas de las paredes de contención y la inundación de los terrenos adyacentes. En cuan-
to a la escasez de agua, el consumo neto actual de agua fresca en la minerı́a del cobre se
encuentra en torno a los 0,5 y 0,7 metros cúbicos por tonelada de mineral procesado, sien-
do la evaporación y retención de agua en los relaves las mayores causas de este consumo
(Capı́tulo 5, Fundación Chile, 2015).
3
El manejo de relaves en pasta es una de las mejores tecnologı́as disponible para hacer
frente a estos desafı́os (Barrera et al., 2015). De hecho, en los últimos 15 años, algunos
proyectos mineros en Chile han comenzado a aplicar esta técnica, que produce desechos
mineros de alta densidad que permiten el almacenamiento sin la necesidad de administrar
grandes embalses o tranques de pulpa (Cacciuttolo y Holgado, 2016). Los relaves en pasta
se caracterizan por tener una alta concentración en peso de sólidos (65−75 % p/p) y liberar
un nivel mı́nimo de agua por segregación después de ser transportado. Esto implica una
recuperación de agua mucho mayor. Este tipo de relaves también tiene una consistencia
semi-sólida que permite apilamiento en los depósitos. En la figura 1.2 se puede observar
las diferencias en los conceptos de depósitos de pulpa de relave (depósitos convencionales)
y depósitos de relave en pasta. La consistencia semi-sólida de los relaves producidos con
esta tecnologı́a implica un flujo lento o nulo bajo gravedad por lo que la necesidad de
muros de contención de gran tamaño se ve reducida (Schoenbrunn y Manfred, 2015).
Como se observa, esta tecnologı́a permite mitigar los tres desafı́os mencionados.
Para poder obtener todos los beneficios de un sistema de manejo de relaves en pasta se
necesita una operación que sea capaz de mantener la consistencia del relave en pasta en el
largo plazo. Dado que el material que alimenta los sistemas de manejo de relaves corres-
ponden a los desechos de las plantas de concentración mineral, las cuales son diseñadas y
operadas para maximizar la recuperación de minerales valiosos, hay menor preocupación
por las propiedades y consistencia de estos en el largo plazo. El flujo de desechos consiste
en una suspensión formada por partı́culas finas y agua del proceso. Además, dado que es
raro encontrarse con yacimientos de minerales homogéneos, es probable que las propie-
dades del mineral que alimenta las etapas de concentración varı́en lo a largo del tiempo y,
por lo tanto, también varı́en las propiedades de los desechos producidos (Jewell y Fourie,
2015).
5
supuestos constitutivos que se resumen en las funciones de hindered settling flux y de ef-
fective solid stress. La alimentación y descarga del espesador están determinados por las
condiciones de borde del problema. Este modelo es nuevamente extendido para incluir una
zona de clarificación (zona por sobre la alimentación) y evita la necesidad de condiciones
de borde (Bürger et al., 2005). Esto se logra modelando los mecanismos de alimentación,
rebalse (flujo de agua clara) y descarga a través de un termino fuente singular y variaciones
espaciales discontinuas en los flujos.
Berrers et al. (2003) extiende el modelo de convección-difusión para que incluya los
efectos de segregación y formación de áreas de diferente composición que se producen
durante la sedimentación de mezclas poli-dispersas. En este modelo, la fase sólida disper-
sa de la suspensión está subdividida en un número finito de clases de distintos tamaños y
densidad. En Bürger et al. (2008) se obtienen resultados numéricos que indican que una
distribución de partı́culas continua puede ser aproximada de manera consistente por sub-
divisiones en un número finito de clases de tamaño a través de la solución de un sistema
fuertemente acoplado de las ecuaciones gobernantes; una para cada clase.
ecuación diferencial parcial adicional que describe el transporte de una cantidad escalar
que representa los cambios en el valor de la propiedad en el espacio y el tiempo. Especı́fi-
camente, en el caso de Betancourt et al. (2014) se extiende el modelo para que uno de los
parámetros de la función de hindered settling flux varı́e en el tiempo.
1.3. Alcance
En este trabajo se busca comprobar si, a partir del estado actual de la literatura, se
puede desarrollar un simulador dinámico para el proceso de producción de relaves en
pasta, que pueda ser utilizado para el estudio de esquemas de control multivariable en
espesadores. De acuerdo con esta hipótesis, el objetivo general de este trabajo es el diseño
e implementación de este simulador.
Para poder cumplir con los objetivos descritos, se establecieron los siguientes objetivos
especı́ficos:
2. MANEJO DE RELAVES
2.1. Producción
interacción entre partı́culas y/o por agentes externos (capı́tulo 7, Concha (2014)). El méto-
do de aglomeración de preferencia para el tratamiento de aguas residuales en la minerı́a es
la floculación y el proceso es controlado a través de la dosis de floculante.
La floculación óptima requiere, por un lado, la selección del mejor producto para la
mineralogı́a del relave en particular y, por otro lado, la determinación de la concentración
de sólidos de relave adecuada para asegurar la mejor floculación. Por lo general, esta
concentración óptima es menor que la obtenida del proceso de concentración mineral,
con lo cual se requiere diluir el relave alimentado para minimizar el uso de floculante y
maximizar los beneficios. Existen múltiples diseños para la auto-dilución del relave en los
mecanismos de alimentación. Estos utilizan parte del agua recuperada en el proceso de
espesamiento para lograr la dilución óptima definida por diseño (Schoenbrunn y Manfred,
2015).
2.2. Transporte
se conocen como shear thinning systems y, en general, logran modificar el yield stress del
relave en pasta descargado desde un estado “sin cortar” (unshearded) caracterizado por
yield stress en el rango de 150-300 Pa, a un estado “cortado” (sheared) con un yield stress
en el rango de 75-150 Pa. Dependiendo de las caracterı́sticas del sistema de producción
y transporte de relave, se debe evaluar la integración de estos sistemas (Cacciuttolo y
Holgado, 2016).
2.3. Almacenamiento
almacenamiento para relaves en pasta no requiere un sistema de decantación (no hay agua
de decantación que administrar) que deba ser ajustado regularmente.
qué factores son controlados en las etapas de producción y transporte del sistema (Jewell
y Fourie, 2015).
Más aún, resulta clave que el proceso de diseño y evaluación de un sistema de manejo
de relave se realice desde la etapa final hacia atrás. Son los requisitos del sistema de al-
macenamiento de relaves los que determinan las propiedades del relave depositado y, por
lo tanto, el tipo de sistema de transporte que va a ser requerido para mover el material al
sitio de depósito. A su vez, el sistema de transporte tiene un impacto en las propiedades
del material y los cambios resultantes deben ser considerados en el diseño del proceso de
producción (espesador) (Jewell y Fourie, 2015).
Queda claro a partir del proceso de diseño hacia atrás, que se deben considerar estrate-
gias de control integral para poder asegurar una operación estable y óptima de un sistema
de manejo de relaves. En el depósito se deben observar variables relacionadas con la es-
tabilidad fı́sica y quı́mica del depósito, ası́ como los efectos de la reologı́a del relave en
la pendiente del depósito. De forma simultánea, el sistema debe ser capaz de observar las
propiedades del relave a la salida del espesador y durante su transporte. Estas variables
luego deben ser utilizadas para un lazo de control integral, en el que mediante modelos
predictivos se puedan calcular las acciones que deben ser realizadas en cada etapa para
asegurar el funcionamiento óptimo del sistema.
3. MODELO DE ESPESADOR
∂φ
+ ∇ · F(φ, u) = ∇ · (a(φ)∇φ) (3.1)
∂t
21
∂φ ∂ ∂ ∂φ
+ F (φ, q) = a(φ) (3.2)
∂t ∂z ∂z ∂z
λ∇ · u = 0 (3.4)
Una versión de la ecuación (3.1) en una dimensión para una mezcla de N especies de
partı́culas de diferente tamaño y/o densidad es (Berrers et al., 2003):
∂φi ∂ ∂ ∂Φ
+ Fi (Φ, q) = ai Φ, i = 1, · · · , N (3.5)
∂t ∂z ∂z ∂z
Este modelo asume que no existe transferencia de masa entre especies. Si se consideran
soluciones completamente floculadas, es razonable asumir que no existen transferencias
de masa de especies pequeñas a especies de mayor tamaño. Tampoco deberı́an haber in-
tercambios de masa en el sentido contrario debido a los bajos esfuerzos de corte dentro de
un espesador (Berrers et al., 2003). El acoplamiento de la ecuaciones para cada especie se
debe principalmente al fenómeno de sedimentación diferenciada.
Para este modelo las variables son las mismas que para el modelo mono-disperso en
1-D, con la excepción de que para el modelo poli-disperso se tiene una variable distinta
24
para la concentración de cada especie. Esto implica que para la alimentación hay que espe-
cificar una distribución para las distintas especies además de la concentración de sólidos.
Se podrı́a agregar la variable manipulada para la dosis de floculante mediante la caracteri-
zación del efecto de esta en la distribución de especies en la alimentación.
3.1.4. Análisis
Discusión
Para el modelamiento del proceso se considera un espesador continuo ideal (ICT: Ideal
Continuous Thickener) como el de la figura 3.1. Un ICT es contenedor cilı́ndrico que no
presenta efectos de muralla (wall effects) y cuyas variables son constantes a través de cada
sección transversal, de tal manera que el valor de estas solo dependen de la altura z y
el tiempo t. El contenedor es alimentado a una altura z = B y descargado a una altura
z = 0, permitiendo ası́ una operación continua. Un ICT sin alimentación ni descarga es
un caso especial y corresponde a una columna de precipitación para sedimentación batch.
Además, se asume que los flóculos comienzan a tocarse y formar un sedimento a partir de
una concentración de sólido volumétrica crı́tica φc . Para concentraciones φ(z, t) menores
se considera que las partı́culas efectúan una precipitación impedida (hindered settling).
1
Esta sección se basa en los contenidos de los trabajos Bürger y Concha, 1998; Bustos et al., 1999
28
Rebalse
z=H
Alimentación z=B
z = z(φc )
región de compresión φ ≥ φc
z=0
Descarga
Una suspensión con estas caracterı́sticas puede ser considerada como un medio conti-
nuo superpuesto que contiene dos componentes.
∂φ ∂
+ (φvs ) = 0 (3.6)
∂t ∂z
∂q
=0 (3.7)
∂z
∂ps ∂φ
= −ρs φg + β(φ) − α(φ)vr (3.8)
∂z ∂z
∂pf ∂φ
= −ρf (1 − φ)g − β(φ) + α(φ)vr (3.9)
∂z ∂t
Las ecuaciones (3.6) y (3.7) están relacionadas con la conservación de masa y energı́a
del sistema, y las ecuaciones (3.8) y (3.9) corresponden a ecuaciones lineales de balance
de momento. En las ecuaciones anteriores vs y vf corresponden a las velocidades de los
componentes sólidos y lı́quidos de la mezcla respectivamente. La variable q = φvs + (1 −
φ)vf es la velocidad promedio de suspensión en el volumen, la cual puede ser controlada
externamente, vr = vs − vf la velocidad relativa entre la partes de sólido y lı́quido, ρs y
30
Las funciones escalares α(φ) y β(φ) definen las interacciones entre las partes de sólido
y lı́quido por unidad de volumen, y caracterizan el el comportamiento especifico de la
suspensión producto de los diferentes materiales y reactivos de proceso. La primera esta
relacionada con fuerzas de interacción entre las fases solidas y liquidas de la mezcla. La
segunda se encuentra relacionada al esfuerzo realizado por la estructura sólida durante la
consolidación.
Dado que las ecuaciones 3.6 a 3.9 solo se cumplen cuando las variables cambian de
manera suave, es necesario considerar condiciones de salto de Rankine-Hunoniot apropia-
das para incluir discontinuidades en el flujo. Con estas se completa el proceso de sedimen-
tación dinámico. Para mayor detalle consultar Bustos et al. (1999) o Concha (2014).
Las variables teóricas pf y ps pueden ser reemplazadas por las variables experimenta-
les de presión de poro p y esfuerzo de sólido efectivo (effective solid stress) σe . Cuando se
aplica una carga a una capa de partı́culas porosas, el estrés total inducido pt es soportado
parcialmente por la estructura sólida y parcialmente por el lı́quido que se encuentra dentro
de los poros. El estrés en el lı́quido que rellena los poros es conocido como presión de po-
ro, mientras que el estrés sobre la estructura sólida es conocido como el esfuerzo efectivo
de sólido. De esta manera se tiene la siguiente expresión para la presión total:
∂ ∂ ∂φ
(φp) + σe = −ρs φg + β(φ) − α(φ)vr (3.11)
∂z ∂z ∂z
∂ ∂φ
[(1 − φ)p] = −ρf (1 − φ)g − β(φ) + α(φ)vr (3.12)
∂z ∂z
∂σe α(φ)vr
= −∆ρφg − , ∆ρ = ρs − ρf (3.13)
∂z 1−φ
∂pe α(φ)vr
= (3.14)
∂z 1−φ
φ(1 − φ)2
∂σe (φ)
φvs = qφ − ∆ρφg + (3.15)
α(φ) ∂z
φ(1 − φ)2
vhs = −∆ρg , f = q(t)φ + φvhs (φ) (3.16)
α(φ)
Se puede observar que la función de densidad de flujo de sólido está formada por
dos componentes de flujo: el flujo convectivo por el control de descarga qφ y el flujo
debido a la precipitación por gravedad φvhs (φ). También es importante observar que la
definición de una forma funcional para vhs (φ) es equivalente a definir una para α(φ).
Por último definimos el coeficiente de difusión a(φ) que toma en cuenta los efectos de
compresibilidad:
∂ ∂ ∂ ∂φ
φ(z, t) + f (φ, t) = a(φ) (3.18)
∂t ∂z ∂z ∂z
La función de estrés de sólido efectivo σe debe ser constante para valores menores a la
crı́tica y una función monótonamente creciente de la concentración para valores mayores
a esta. En otras palabras
= 0 para φ < φ
c
σe0 (φ)
≥ 0 para φ ≥ φc
0 · vhs (0) = 1 · vhs (1) = 0, φvhs (φ) < 0 para 0 < φ < 1,
33
entonces
= 0 para φ < φc : (3.18) es hiperbólica
a(φ) > 0 para φc ≤ φ < 1 : (3.18) es parabólica
= 0 para φ ≥ 1 :
(3.18) es hiperbólica
Esto quiere decir que la ecuación diferencial es de carácter hiperbólica cuando se trata
de una sedimentación por precipitación impedida φ < φc y es parabólica cuando se trata
de sedimentación por compresibilidad φ ≥ φc . La ubicación de este cambio depende de la
solución y por lo general no es conocido de a priori.
Por último, estamos interesados en una solución para la ecuación (3.18) dentro del
cilindro z ∈ [0, B] para el horizonte temporal t ∈ [0, T ], en donde las condiciones iniciales
corresponden al perfil de concentración inicial φ0 (z) y las condiciones de borde al valor
de la concentración en z = B y el control de descarga en z = 0 para todo el intervalo
de tiempo. Esto último es equivalente a especificar que la densidad de flujo sólido φvs en
el borde z = 0 debe ser igual a q(t)φ(0, t). A continuación se resumen las condiciones
iniciales y de borde para el problema de la ecuación (3.18):
φ(B, t) = {φB (t) ∈ [0, 1] |q(t)φB (t) + φB (t)vhs (φB (t)) = q(t)φB (t)} 0≤t≤T
(3.20)
∂φ
φvhs (φ) − a(φ) (0, t) = 0 0≤t≤T (3.21)
∂z
34
Una vez resuelto el problema determinado por la ecuación (3.18) y las condiciones de
borde (3.19) a (3.21) podemos calcular el valor de la variable experimental de exceso de
presión de poro como:
Z B
a[φ(ξ, t)] ∂φ
pe (z, t) = ∆ρg φ(ξ, t) 1 − (ξ, t) dξ (3.22)
z φ(z, t)vhs [φ(ξ, t)] ∂ξ
2
Esta sección se basa en los contenidos del trabajo de Bürger et al., 2005
35
Qe , φe
z = −H m
region de agua clara φ = 0
Qe
Qf , φf z=0m
Qu
región de compresión φ ≥ φc
z=Bm
Qu , φu
Este modelo considera un espesador ideal de sección transversal variable S(z) con
flujo volumétrico efluente (que representa el flujo de lı́quido recuperado) Qe ≥ 0, flujo
volumétrico de descarga Qu ≥ 0 y flujo volumétrico de alimentación Qf = Qu + Qe. Se
considera que el eje z puede ser dividido en una zona de flujo efluente (z < −H), zona de
clarificación (−H < z < 0), zona de espesamiento (0 < z < B) y zona de descarga (z >
36
Qe , φe
z = −H m
region de agua clara φ = 0
Qe
Qf , φf z=0m
Qu
región de compresión φ ≥ φc
z=Bm
Qu , φu
Figura 3.3. Espesador con sección transversal que varia con la altura
B). Para ser más preciso, este modelo considera equipos espesador-clarificador simétricos
que operan de forma continua, como los ilustrados en las figuras 3.2 a 3.4.
Qe , φe
z = −H m
Qe Qf , φf Qe
z=0m
Qu Qu
región de compresión φ ≥ φc
z=Bm
Qu , φu
Figura 3.4. Espesador con sección transversal que varia con la altura y con
mecanismo de alimentación central
∂φ ∂ ∂ ∂φ
S(z) + F (φ, z, t) = γ(z)a(φ) + Qf (t)φf (t)δ(z) (3.25)
∂t ∂z ∂z ∂z
S(z) si − H ≤ z ≤ B
γ(z) =
0 en caso contrario
−Qe (t)φ para z < −H
−Q (t)φ + S(z)v (φ)φ
para − H ≤ z < 0
e hs
F (φ, z, t) = (3.26)
Qu (t)φ + S(z)vhs (φ)φ para 0 < z < B
Qu (t)φ para z > B
Por último, las concentraciones del flujo efluente φe y el flujo de descarga φu están
dados por:
Para agregar el efecto de la dosis de floculante en el modelo se incluye una variable que
dependa de la dosis de floculante y modifique alguna propiedad o parámetro del modelo
de forma dinámica. En este caso el parámetro de interés es la velocidad de precipitación de
cada partı́cula. Este parámetro es el más sensible a la dosis de floculante debido al efecto
del tamaño y densidad de partı́culas en su valor.
A la vez tenemos que reemplazar esta nueva función de precipitación en (3.17) para
obtener un nuevo coeficiente de difusión:
∂φ ∂ ∂ ∂φ
S(z) + F (φ, z, t) = γ(z)ka(φ) + Qf (t)φf (t)δ(z) (3.31)
∂t ∂z ∂z ∂z
−Qe (t)φ para z < −H
−Q (t)φ + S(z)kv (φ)φ
para − H ≤ z < 0
e hs
F (φ, z, t) = (3.32)
Qu (t)φ + S(z)kvhs (φ)φ para 0 < z < B
Qu (t)φ para z > B
Para completar el modelo matemático hay que definir una ecuación diferencial parcial
adicional para describir el transporte de esta nueva variable que refleja la propiedad que
varı́a en el tiempo. Para formular esta ecuación diferencial se define la variable
como una cantidad conservada que describe la concentración local de partı́culas con
la información adicional k que estas partı́culas transportan. Considerando el teorema de
transporte de Reynolds y que en la alimentación, la variación en el tiempo de la propiedad
está dada por kf = kf (t) ∈ [0, 1], y se puede obtener formalmente la siguiente ecuación
diferencial parcial:
w2
∂w ∂ w ∂ ∂φ
S(z) + F (φ, w/φ, z, t) = γ(z) 2 a(φ) + Qf (t)wf (t)δ(z) (3.33)
∂t ∂z φ ∂z φ ∂z
se fija el material del modelo y la geométrica del contenedor, y se asume que el espesador
opera con valores predeterminados para Qu , Qf , kf y φf y debe producir un sedimento
espesado de concentración de descarga φu > φc . En esta sección se resume el análisis
riguroso realizado en Bürger et al. (2005) para un espesador de sección transversal cons-
tante S, en donde se toman en cuenta las condiciones de salto de Rakine-Hugoniot y las
condiciones de entropı́a (para distinguir las soluciones que son fı́sicamente posibles) para
determinar una función definida por partes dos veces diferenciable que es una solución
débil de la siguiente ecuación diferencial ordinaria:
∂ ∂ ∂φ
F (φ, z) = γ(z)ka(φ) (3.34)
∂z ∂z ∂z
para φe 6= 0, o equivalentemente:
Para φe = 0.
Es importante mencionar que este problema de estado estacionario está por lo general
sobre-determinado. Es más, si se fija un valor para φu y se integra la ecuación (3.34) de
forma ascendente obedeciendo las condiciones de entropı́a y de salto, por lo general no se
obtiene una solución con φ|x<−H = φe = 0. Estas soluciones deben ser rechazadas como
candidatas para soluciones de estado estacionario pues no cumplen con el balance de masa
global de la ecuación (3.36).
∂φ
Qu (φ − φu ) + Sφkvhs (φ) − ka(φ) = 0 para z < B; φ(B) = φu (3.38)
∂z
Para obtener la solución de valores menores a zc hay que distinguir entre tres posibles
casos: zc > 0 (Caso 1), zc = 0 y φ(0+ ) > φc (Caso 2), y zc = 0 y φ(0+ ) = φc (Caso
3). Para el caso 1 se tiene que φ(zc+ ) = φc y considerando las condiciones de salto de
Rankine-Hugoniot y de entropı́a para el nivel z = zc se tiene que φ(zc− ) es la intersección
entre F u (φ) con la recta horizontal Qu φu de mayor valor, que sea menor o igual a φc . En
otras palabras la solución para el caso 1 en z = zc está dado por:
φ(zc+ ) = φc (3.40)
Es claro que para el resto del intervalo (0, zc ) la solución es constante y está dada por
φ(zc− ).
Para el Caso 1 (zc > 0) se necesita resolver la transición entre dos flujos de una ley de
conservación hiperbólica en z = 0, introducida por el flujo de alimentación. Tomando en
cuenta el supuesto de monotonı́a de las funciones F u (φ) y F e (φ) en el intervalo [0, zc ], se
puede asegurar la unicidad para el valor de φ(0− ) dado φ(0+ ), tal que las condiciones de
salto en z = 0 se cumplan. Mediante un análisis riguroso de las condiciones de salto y de
entropı́a se puede concluir que la única solución es φ(0− ) = 0 y dado que la concentración
debe ser constante para z < 0 entonces φ(z) = 0 para todo z < 0, y por lo tanto φe = 0, lo
45
que es consistente con el balance de masa global. Para estas soluciones las concentraciones
de alimentación y descarga están relacionadas por la ecuación (3.37).
∂φ
Qu φ + Sφkvhs (φ) − a(φ) − Quφu − (Qe − Qu )φf = 0,
∂z
para z < 0; φ(0) = φ(0− ) = φ(0+ ) (3.42)
z̃c = inf{z ∈ [−H, 0)|φ(x) es solución de (3.42) y φmax > φ(z) > φc }
Para que la solución φ(z) obtenida con φ(0− ) = φ(0+ ) > φc sea consistente con el
modelo se necesita que se cumpla que φ(0− ) < φ∗ , en donde φ∗ es un punto único en
(φc , φmax ) que satisface la ecuación F e (φ∗ ) = −Qe φ∗ + Sφ∗ kvhs (φ∗ ) = −Qe φe . Esta
solución es monótonamente creciente en el intervalo (z̃c , 0).
Sabemos que existe una discontinuidad dada por un salto en z = z̃c y que debemos
encontrar una solución constante φ(z) = φ(z̃c− ) para el resto del intervalo (−H, z̃c ). Con-
siderando que la solución debe satisfacer la condición 0 ≤ φ(z̃c ) ≤ zc , la función F e (φ)
es no-negativa y monótonamente creciente en el intervalo [0, φc ] y tomando en cuenta las
condiciones de salto de Rankine-Hugoniot y de entropı́a se puede concluir de forma si-
milar que para el Caso 1 que φe = 0 y φ(z̃c− ) = 0, es decir la solución es cero para el
intervalo (−H, z̃c ).
46
Como se decidió utilizar un modelo para una mezcla mono-dispersa, por las razones
expuestas en la sección 3.1, no se considera información sobre la granulometrı́a del relave
espesado en la descarga. Sin embargo, esta información es importante pues influye de
manera significativa en variables de los procesos de transporte y depósito de relaves. Un
ejemplo de una variable importante que se ve influenciada por la granulometrı́a es el yield
stress (Garrido y Rojas, 2013). Es por esto que se propone extender el modelo de espesador
para incluir n ecuaciones de transporte como la de la ecuación (3.33), para n variables
conservadas que se relacionen con la granulometrı́a del relave floculado. Con el modelo
resultante se pueden recuperar propiedades de la granulometrı́a del relave en la descarga.
Es importante destacar que la extensión propuesta solo permite que las propiedades de
la granulometrı́a del relave en la alimentación sean transportadas hasta la descarga. Esto
quiere decir que el modelo no toma en cuenta el efecto del proceso sobre estas propiedades.
∂φ ∂φ
Φ φ, , k, z, t = F̄ (φ, k, z, t) − γ(z)ka(φ) (3.43)
∂z ∂z
Z zb
d
S(z)pi (z, t)φ(z, t)dz = (pi Φ)|z=za − (pi Φ)|z=zb
dt za
Z zb
+ pf i (t)φf (t)Qf (t)δ(z)dz (3.44)
za
∂ui ∂ ui ∂ ui w ∂φ
S(z) + F (φ, w/φ, z, t) = γ(z) a(φ) + Qf (t)uf i (t)δ(z),
∂t ∂z φ ∂z φ φ ∂z
i = 1, · · · , n (3.45)
Es importante destacar, que a diferencia de la propiedad k(z, t), las nuevas propiedades
pi (z, t) no influyen en el proceso de sedimentación-consolidación, solo son agregadas al
modelo por la información que transportan. También es importante recordar que agregar
estas variables implica agregar n ecuaciones diferenciales parciales al sistema dinámico
del espesador.
48
La tasa a la cual ocurre el proceso de floculación está gobernada por dos factores
importantes: la fracción de superficie cubierta por floculante y la frecuencia de colisio-
nes entre partı́culas. Claramente mientras más cubierta se encuentre la superficie de una
partı́cula mayor es la posibilidad de que se formen puentes entre estas. Sin embargo, una
alta dosis de floculante puede resultar en que todas las cadenas de polı́meros sean absor-
bidas completamente por partı́culas individuales, impidiendo ası́ la absorción simultanea
necesaria para la formación de los flóculos.
El segundo factor es el más importante, dado que para que ocurra una agregación
de partı́culas deben haber necesariamente colisiones entre estas. La magnitud de la tasa
de corte, el tiempo de agitación y la concentración de sólidos son importantes por esta
49
razón. Sin embargo, agitación excesiva puede llevar a la destrucción de flóculos. Cuando
la frecuencia de colisiones es aumentada de manera artificial mediante agitación mecánica
se habla de floculación ortokinética. Este es el caso en la mayorı́a de los procesos de
espesamiento en la minerı́a (capı́tulo 7, Concha, 2014).
Dado que los factores cinéticos de la floculación dependen del sistema de alimentación
del espesador y están predeterminados, solo se considera el efecto de la dosis de floculante
en las propiedades del espesamiento. Especı́ficamente, se considera el efecto de la dosis de
floculante c (razón entre la masa de floculante agregado por masa de relave) en la variable
k definida en la sección 3.2.3. Dado que los transientes del proceso de floculación son
significativamente menores a los del espesador, se considera que esta variable se relaciona
a la dosis de floculante a través de una función estacionaria creciente e inyectiva de la
forma (Betancourt et al., 2014):
v0 (c)
k(c) = , 0 ≤ c ≤ copt
vmax
En donde k = k(c) ∈ [vmin /vmax , 1], con vmin > 0 y copt es la dosis de floculante
tal que v0 (copt ) = vmax . Solo es necesario considerar esta relación creciente, ya que para
cualquier dosis por sobre copt seria un gasto innecesario de floculante. En la formulación
de este modelo se asume que variaciones en la granulometrı́a del relave antes del proceso
de floculación no afectan de forma significativa el valor de la velocidad inicial de precipi-
tación. En la literatura no se encontró una función teórica o semi-empı́rica que relacione
la dosis de floculante con la velocidad inicial de precipitación, por lo que esta debe ser
determinada de forma empı́rica. Finalmente la función de alimentación de la propiedad k
estarı́a dada por:
El valor del yield stress para suspensiones en la industria minera depende de las pro-
piedades fı́sicas de la mezcla (e.g., concentración de sólidos, granulometrı́a y forma) y el
tipo y magnitud de las fuerzas entre partı́culas (e.g., pH, concentración iónica del lı́quido)
(Wu et al., 2015). En la actualidad, la medición de esta propiedad se debe realizar fuera de
linea a través de uno de dos métodos: (1) extrapolación de la curva de flujos para un valor
de cero tasa de corte y (2) por la medición directa del esfuerzo de corte mı́nimo necesario
para comenzar el flujo. El resultado obtenido por el primer método depende del modelo de
fluido no-Newtoniano utilizado. Dos ejemplos de modelos comunes son el de Bingham o
el de Hershel-Bulkley. Por lo general los valores obtenidos utilizando cualquiera de estos
modelos va a ser distinto entre ellos y distinto al valor obtenido por medición directa. En
esta sección se consideran el modelo de yield stress propuesto por Wu et al. (2015), que
considera el efecto de la densidad y concentración de sólidos.
Se consideran dos valores importantes relacionados con la densidad de los sólidos: true
solid density (ρs ) y bulk density (ρ). El primero se relaciona con el parámetro experimental
adimensional de gravedad especifica de sólido (Gs ) y la densidad del lı́quido (ρf ). El
segundo valor se refiere a la densidad efectiva de una muestra del sólido, la cual se obtiene
a partir del cociente entre la masa de la muestra y el volumen ocupado. El valor del bulk
51
density es siempre menor al valor del true solid density debido a los espacios vacı́os que
existen entre partı́culas, intrı́nsecos a cualquier estructura de empaquetamiento. A partir
de este punto las propiedades de true solid density y bulk density serán referidas como
densidad de sólidos y densidad de sólidos aparente, respectivamente.
Tomando esto en cuenta, se define el grado de saturación (Sr ) como la razón entre el
volumen del fluido y el volumen de los espacios vacı́os creados por la red de partı́culas en
el sedimento. El grado de saturación se encuentra relacionado a las variables de densidad
y concentración de sólidos a través de la siguiente ecuación (Wu et al., 2015):
ρρs
Sr (cw , ρs , ρ) = (1 − cw ) (4.2)
ρs − ρ
ρs φ
cw = (4.3)
ρs φ − ρf (1 − φ)
En el modelo de Wu et al. (2015), los autores asumen que el yield stress se encuentra
totalmente determinado por el grado de saturación a través de la siguiente ecuación:
En donde κ y m son parámetros del modelo, los cuales deben ser ajustados. En el
trabajo original, los autores ajustan y validan el modelo utilizando dos muestras de relaves
de cobre espesados de diferente origen. Las muestras de relaves tenı́an concentraciones de
sólidos en el rango de cw = 0,59 a 0,76 y densidades ρs = 2690[kg/m3 ] y 2660[kg/m3 ] y
ρ = 1500[kg/m3 ] y 1600[kg/m3 ]. El modelo es ajustado con una muestra y luego validado
52
El torque del rastrillo (T ) es una variable del espesador que se relaciona directamen-
te con las propiedades reológicas de la suspensión espesada. Tomando esto en cuenta, se
considera el modelo de Tan et al. (2017), que consiste en una ley potencial en donde el
53
torque del rastrillo es una función de la concentración de sólidos. El modelo se deriva prin-
cipalmente a partir de evidencia empı́rica de la relación lineal entre el torque de rastrillo
y el yield stress. En la sección anterior queda claro que la concentración de sólidos tiene
un rol importante en la definición de las propiedades reológicas, por lo que es lógico con-
siderar esta variable para el modelo del torque de rastrillo. Especı́ficamente, se considera
la concentración de sólidos en el volumen del espesador en donde el rastrillo opera. Con
este fin se define una variable para la concentración de sólidos “compuesta” (φT ):
Z z2
φT (t) = C(z)φ(z, t)dz (4.5)
z1
En donde a1 , a2 y a3 son parámetros del modelo que deben ser ajustados de manera
empı́rica. En el trabajo original de Tan et al. (2017), el modelo es validado utilizando datos
de una planta de procesamiento de carbón mineral.
54
5. DETERMINACIÓN DE PARÁMETROS
Dado que cada modelo fue desarrollado de forma independiente en la literatura, cada
uno cuenta con una metodologı́a de estimación particular. Para los modelos de espesador
y floculación los parámetros se determinan a partir de pruebas de sedimentación, mientras
que el modelo de yield stress debe ser estimado a partir de la caracterización reológica de
los relaves descargados. El modelo de torque de rastrillo se estima a partir de series de
tiempo entre el torque medido y la distribución de sólidos al interior del espesador. Esto
último hace necesario contar con un modelo calibrado del espesador previo a la estima-
ción.
de otros parámetros, como por ejemplo la densidad de sólidos y del fluido, no se desa-
rrolla en esta sección porque son valores que pueden ser determinados directamente por
instrumentación.
v (1 − φ)nRZ Richardson y Zaki
0
vhs = (5.1)
v0 (1 − φ )nM B Michels y Bolger
φm
Para ajustar este modelo se realizan experimentos de precipitación para distintas con-
centraciones iniciales φ0,i , en cilindros graduados de uno o dos litros de capacidad. Para
cada concentración, la altura de la interfaz entre el agua clara y la suspensión es registrada
en función del tiempo.
Para cada concentración se deberı́a observar que la altura decrece inicialmente de for-
ma lineal con el tiempo y luego se estabiliza en una altura limite. La pendiente de la parte
lineal de la serie de tiempo representa el valor de la velocidad de precipitación vhs,i para la
concentración φ0,i correspondiente. Con estos datos se puede realizar un ajuste de mı́nimos
cuadrados no lineal para el modelo de sedimentación considerado (ecuación 5.1).
dD
= −R (D − D∞ ) para Dc ≥ D ≥ D∞ (5.2)
dt
56
ρf (1 − φ)
D=
ρs φ
z − z∞
= exp (−Rt) para L ≥ z ≥ zc (5.3)
L − z∞
Lφ0 = zc φc (5.4)
lo tanto, para cada prueba con distinta concentración inicial φ0,i , se puede calcular una
concentración crı́tica φc,i . Con esta información se puede obtener el valor teórico de la
concentración crı́tica por extrapolación para φ0 = 0.
Otro método más preciso consiste en la conservación de masa solida antes y después
de la sedimentación, de manera similar a la ecuación 5.4, pero ahora considerando la
compresión. Antes de la precipitación la suspensión tiene una masa de sólido de ρs LSφ0 ,
en donde S es la sección transversal de la columna de precipitación y ρs la densidad de
sólidos. Después del proceso de sedimentación y consolidación toda la masa de sólido se
encuentra contenido dentro del sedimento, por lo que la siguiente ecuación es valida:
Z zc
Lφ0 = φ(z)dz (5.5)
0
La consolidación ocurre por el esfuerzo soportado por las capas de sedimento, por
lo que su efecto puede ser observado en el perfil de concentración del espesador. To-
mando esto en cuenta, la función constitutiva para el esfuerzo sólido puede ser ajustado
utilizando mediciones del perfil de concentraciones al final del proceso de sedimentación-
consolidación batch. De acuerdo al modelo dinámico de espesamiento, al final del proceso
de consolidación para el caso batch, la función de esfuerzo de sólido efectivo se relaciona
con el perfil de concentración a través de la siguiente ecuación:
∂σe ∆ρφg
=− para 0 ≤ z ≤ zc (5.6)
∂φ dφ/dz
Por lo general se utiliza uno de los siguientes modelos para describir el esfuerzo efec-
tivo sólido:
58
α exp(βφ) función exponencial para φ ≥ φc
σe (φ) = m
φ
(5.7)
σ 0
φc
−1 función potencial para φ ≥ φc
dφ ∆ρφg
=− para 0 ≤ z ≤ zc (5.8)
dz αβ exp(βφ)
A partir de la ecuación anterior se puede obtener una expresión que relaciona de forma
directa la altura de una concentración especifica dentro del sedimento:
Z φ
A1 exp(A2 s)
z(φ) = ds para φc ≤ φ ≤ φmax
φmax s
N N
!
X (A2 φ)n X (A2 φmax )n
z(φ) ≈ A1 ln(φ) + − ln(φmax ) − para φc ≤ φ ≤ φmax
n=1
n × n! n=1
n × n!
(5.9)
conductividad y concentración puede ser realizada a partir de una ecuación empı́rica ba-
sada en el trabajo de Maxwell (Garrido, 2005). También se pueden utilizar mediciones de
la presión diferencial para estimar el perfil de concentración (Concha et al., 2017).
La solución aproximada de la integral (5.9) también puede ser utilizada para resolver
de forma numérica el balance de masa de la ecuación (5.5):
N
!
X (A2 φmax )n
φ0 L = (φmax − φc ) A1 ln(φmax ) + +
n=1
n × n!
N
!φc
X (A2 φ)n φ
A1 φ ln(φ) − φ + (5.10)
n × (n + 1)!
n=1 φmax
Para el modelo de floculación es necesario determinar una ecuación empı́rica que re-
lacione la velocidad inicial de precipitación con la dosis de floculante. Con este objetivo
se debe medir la velocidad inicial de precipitación de la suspensión floculada con distintas
dosis de floculante. El proceso de floculación debe realizarse bajo condiciones que repli-
quen las del sistema real (esfuerzos de corte y concentración inicial de sólidos). Por lo
general en el mecanismo de alimentación del espesador se mantienen fijos estos factores
en valores óptimos, que son determinados en las etapas de diseño.
A partir de las pruebas de sedimentación se puede obtener para cada dosis de floculante
ci la velocidad inicial de precipitación v0,i al resolver la siguiente ecuación:
vi = v0,i (1 − φF )nRZ
60
Por último, hay que estimar una función empı́rica que pueda ser utilizada para calcular
la velocidad inicial de precipitación v0 a partir de la dosis del floculante ci :
v0 = f (c) (5.11)
Los parámetros importantes del modelo de yield stress son las constantes κ y m, las
cuales deben ser determinados a partir de un ajuste de la función de la ecuación (4.4). Para
poder realizar esto se necesita calcular el grado de saturación según la ecuación (4.2) para
muestras de relave espesado con distintas concentraciones de sólido. Los valores de yield
stress deben ser determinados a partir de medición directa o a través de la extrapolación
de la curva de flujo.
Para poder calcular el grado de saturación es necesario saber los valores de la densidad
de sólidos y de la densidad de sólidos aparente del relave considerado. Como se menciona
en la sección 4.2, el valor de la densidad de sólidos aparente depende del valor de la
densidad de sólidos y de la granulometrı́a del relave. Esto quiere decir que, asumiendo
que la densidad de sólidos es constante, además de ajustar el modelo de yield stress se
necesita ajustar un modelo que relacione la granulometrı́a con el valor de la densidad
aparente:
ρ = f (X ) (5.12)
Los parámetros importantes del modelo de torque de rastrillo son las constantes α1 , α2
y α3 . En este caso es difı́cil replicar las condiciones de operación para ajustar el modelo
correspondiente. En la practica para dimensionar el sistema de rastrillo de un espesador se
compara el yield stress obtenido en pruebas de laboratorio con el factor de torque de los
proveedores. Este procedimiento no puede ser extendido para determinar los parámetros
del modelo considerado. Teniendo esto en cuenta, se propone utilizar series de tiempo de
la operación del espesador para ajustar el modelo de la ecuación (4.6). Para poder estimar
la concentración de sólidos “compuesta”se necesita implementar un observador a partir
del modelo de espesamiento calibrado. Este es el procedimiento utilizado en el trabajo
original, en donde el modelo es propuesto (Tan et al., 2017).
5.5. Instrumentación
En este capı́tulo queda claro que la determinación de los parámetros del proceso de
producción de relaves implica un trabajo de laboratorio riguroso. Esto se cumple espe-
cialmente para el modelo de espesamiento, en donde se deben realizar múltiples pruebas
de sedimentación para medir velocidades de sedimentación y perfiles de concentración.
Los resultados de estos experimentos deben ser procesados y ajustados a los modelos co-
rrespondientes. Dada la importancia de estimar los parámetros de espesamiento de forma
periódica y de lograr representar correctamente el comportamiento del relave en un espe-
sador, en la Universidad de Concepción han desarrollado dos nuevos instrumentos para
determinar las propiedades del material en lı́nea: SediRack On-line y ColumnTest. Estos
instrumentos permiten determinar la función de sedimentación y perfil de concentración
en un espesador utilizando los métodos revisados en este capitulo. En Concha et al. (2017)
validan estos instrumentos en un espesador de molibdeno y en un espesador de relaves.
62
Para el desarrollo del simulador se utiliza una estructura modular en donde cada módu-
lo corresponde a la implementación de uno de los modelos propuesto en los capı́tulos 3
y 4. También se incluyen en el simulador módulos adicionales que consisten de modelos
simples para la obtención de variables de interés como el nivel de sedimento, tiempo de re-
sidencia y producción de sólidos. En la figura 6.1 se presenta un diagrama de bloques que
resume la estructura modular y las variables importantes en el simulador dinámico para la
producción de relave en pasta. En este capı́tulo se desarrolla en detalle la implementación
de cada uno de estos módulos en el marco de la tesis.
pf (t): vector de dimensión n con los valores de fracción en peso de partı́culas para
las n clases de tamaño en la alimentación (p/p)
1
Un ejemplo de un sistema de dilución en el mecanismo de alimentación es el EIMCO P-DUCTM Feed
Dilution System utilizado en espesadores de FLSmidth.
64
variables de entrada para este módulo son: la variable kf (t), el flujo volumétrico en la
alimentación después del mecanismo de auto-dilución Qf,o (t) y el flujo volumétrico en la
descarga Qu (t), y las variables para la fracción en peso de las partı́culas en la alimentación
pf (t). Este módulo tiene como salidas: (i) el perfil de la concentración de sólidos φ(z, t),
(ii) el flujo volumétrico de rebalse Qe (t), y (iii) las variables para la fracción en peso de
las partı́culas p(z, t) = [pi (z, t)]n×1 . Es importante recordar que el valor de las variables
pu (t) = p(H + , t) no representan las propiedades granulométricas del relave después del
espesamiento, sino que las propiedades granulométricas que el relave descargado tenia en
la alimentación, ya que las ecuaciones diferenciales para las variables ui solo transportan
las propiedades.
Los métodos de volúmenes finitos en una dimensión espacial están basados en la divi-
sión del dominio espacial en múltiples intervalos denominados volúmenes finitos, o celdas,
y la aproximación de la integral de la variable conservada en cada uno de ellos. En cada
paso temporal se actualizan estos valores utilizando aproximaciones del flujo a través de
las fronteras de los volúmenes finitos (Vázquez-Cendón, 2015).
Z zj+1
1
γj+1/2 = γ(z)dz
∆z zj
Z zj+1/2
1
Sj = S(z)dz
∆z zj−1/2
−Q (t) para z
n e j+1/2 < 0
qj+1/2 =
Qu (t) para zj+1/2 > 0
Se definen las variables φnj , wjn y unij como aproximaciones numéricas de las variables
φ(zj , tn ), w(zj , tn ) y ui (zj , tn ) respectivamente. La variables numéricas kjn y pnij que apro-
ximan la variables k(zj , tn ) y pi (zj , tn ) pueden ser calculadas a partir de las otras variables
como:
0 si φnj = 0
kjn =
wn /φn en caso contrario
j j
0 si φnj = 0
pnij = , para i = 1, · · · , n
un /φn en caso contrario
ij j
Z φ
a(s)
A1 (φ) = ds
0 s
66
n+1/2
= snj − λj qj+1/2
n
(snj+1/2 − snf ) − qj−1/2
n
(snj−1/2 − snf )
sj
En donde:
s n n
si qj+1/2 ≥0
j
snj+1/2 =
s n en caso contrario
j+1
n+1/2
Luego, el valor actualizado por la contribución lineal de los flujos uj es utilizado
para calcular las siguientes variables:
0 n+1/2
n+1/2 si φj <ε
kj = n+1/2 n+1/2
w /φj en caso contrario
j
Se utiliza un parámetro ε positivo del orden de 10−16 para evitar problemas numéricos
cuando φn+1
j tome valores positivos pequeños cercanos a cero. El resto de las variables se
calculan como:
67
n+1/2 n+1/2 n+1/2
Vj+1/2 = γj+1/2 kj+1 vhs φj+1
k n+1/2 si φn+1/2 ≤ φn+1/2
n+1/2 j j+1 j
kj+1/2 =
k n+1/2 en caso contrario
j+1
wn+1/2 si φn+1/2 ≤ φn+1/2
n+1/2 j j+1 j
wj+1/2 = n+1/2
w en caso contrario
j+1
un+1/2 si φn+1/2 ≤ φn+1/2
n+1/2 ij j+1 j
ui(j+1/2) = , para i = 1, · · · , n
un+1/2 en caso contrario
i(j+1)
n+1/2 n+1/2 n+1/2 n+1/2 n+1/2
φn+1
j = φj − λ j V φ
j+1/2 j − V φ
j−1/2 j−1 + ···
h i
n+1/2 n+1/2 n+1/2
µj γj+1/2 wj+1/2 A1 φj+1 − A1 φj − ···
h i
n+1/2 n+1/2 n+1/2
γj−1/2 wj−1/2 A1 φj − A1 φj−1
n+1/2 n+1/2 n+1/2 n+1/2 n+1/2
wjn+1 = wj − λj Vj+1/2 wj − Vj−1/2 wj−1 + ···
h i
n+1/2 n+1/2 n+1/2 n+1/2
µj γj+1/2 wj+1/2 kj+1/2 A1 φj+1 − A1 φj − ···
h i
n+1/2 n+1/2 n+1/2 n+1/2
γj−1/2 wj−1/2 kj−1/2 A1 φj − A1 φj−1
n+1/2 n+1/2 n+1/2 n+1/2 n+1/2
un+1
ij = uij − λj Vj+1/2 uij − Vj−1/2 ui(j−1)
+ ···
h i
n+1/2 n+1/2 n+1/2 n+1/2
µj γj+1/2 ui(j+1/2) kj+1/2 A1 φj+1 − A1 φj − ···
h i
n+1/2 n+1/2 n+1/2 n+1/2
γj−1/2 ui(j−1/2) kj−1/2 A1 φj − · · · A1 φj−1 , para i = 1, · · · , n
68
Para la implementación de este método numérico en Simulink fue necesario tomar tres
medidas importantes. En primer lugar, para programar el modelo se debe considerar un
número finito de capas. Para poder resolver el esquema numérico para un espesador con N
capas se necesita una grilla con N +3 puntos en donde j = −1, 0, · · · , N, N +1 y su (tn ) =
(φnN +1 , wN
n n n n n n n
+1 , u1(N +1) , · · · , un(N +1) ) y se (tn ) = (φ−1 , w−1 , u1(−1) , · · · , un(−1) ). Para la
B+H
∆z =
N
1 2 jf + 2 N +2 N +3
φ−1 φ0 φjf φN φN +1
··· ···
z−3/2 z−1/2 z1/2 zjf −1/2 zjf +1/2 zN −1/2 zN +1/2 zN +3/2
1 2 3 jf + 2 jf + 3 N +2 N +3 N +4
φn+1
j − φnj
= ∆φnj (φnj , wjn )
∆t
wjn+1 − wjn
= ∆wjn (φnj , wjn )
∆t
un+1
ij − unij
= ∆unij (φnj , unij )
∆t
Las variaciones son las entradas del bloque de integración discreta. Esta implementa-
ción también permite incluir las condiciones iniciales de manera simple y directa.
Para garantizar que se cumpla que 0 ≤ wjn ≤ φnj ≤ 1 para todo j y todo n > 0 se debe
cumplir la condición de Courant, Friedrichs and Lewy (CFL). Esta es una condición ne-
cesaria y suficiente para que cualquier esquema de volúmenes finitos o diferencias finitas
explicito sea estable. El método se debe aplicar de tal manera que la información se propa-
gue a una velocidad que es fı́sicamente correcta, que se determina a través de los valores
propios de la matriz del Jacobiano del flujo de la ley de conservación (Vázquez-Cendón,
2015). Para el esquema numérico implementado se utiliza la condición CFL presentada
por Betancourt et al. (2014) ajustada por un factor que toma en cuenta el efecto de la
sección transversal (Bürger et al., 2005):
70
max {C1 , C2 , C3 } ≤ 1
En donde:
∆t Qf (t)
C1 = máx
∆z 0≤t≤T Smin
∆t Smax 0 2 d(φ)
C2 = máx vhs (φ) + máx vhs (φ) + máx
∆z Smin 0≤φ≤1 0≤φ≤1 ∆z φc ≤φ≤1 φ
∆t Smax 2 d(φ)
C3 = máx vhs (φ) + máx
∆z Smin 0≤φ≤1 ∆zφc c
φ ≤φ≤1 φ
Para el módulo de yield stress se consideran solo funciones estacionarias, por lo que
estas pueden ser evaluadas directamente. Las entradas son la concentración volumétrica
de sólidos φu (t) y las propiedades granulométricas pu (t) en la descarga. La salida del
módulo es el valor del yield stress τy .
Para calcular el yield stress hay que primero calcular el grado de saturación Sr del
relave descargado a través de la ecuación 4.2. Para esto hay que convertir el valor de
la concentración de descarga de razón volumétrica φu (v/v) a razón de peso cw,u (p/p)
a través de la ecuación (4.3). También es necesario calcular la densidad aparente ρ del
relave a partir de las propiedades granulométricas de la descarga. Dado que no se cuenta
con datos o un modelo empı́rico que relacione estas variables para relaves, se propone
71
utilizar la siguiente función que relacione el valor de la densidad aparente con la fracción
de peso de menor tamaño p1 :
R z2S(z) si z1 ≤ z ≤ z2
S(z)dz
C(z) = z1
(6.2)
0 en caso contrario
Recordemos que el rango [z1 , z2 ] corresponde a la zona del espesador en donde opera
el rastrillo. En la figura 6.3 de ilustra el mecanismo de rastrillo y el rango de operación.
La versión discreta de la ecuación anterior es:
Pj2Sj ∆z para j = j1 , j1 + 1, · · · , j2
Si ∆z
Cj = i=j1
0 en caso contrario
72
En donde j1 y j2 son tal que zj1 −1/2 < z1 < zj1 +1/2 y zj2 −1/2 < z2 < zj2 +1/2 . De esta
manera el valor de la concentración de sólidos “compuesta”se puede calcular como:
N
X +1
φT (tn ) = Cj φnj
j=−1
z = −H
z=0
z = z1
z = z2
z=B
Dado que no se cuenta con datos o un modelo empı́rico que relacione la dosis de
floculante con la velocidad inicial de precipitación se propone utilizar la siguiente función
para relacionar la dosis de floculante con la velocidad inicial de precipitación:
73
(c − b3 )2
v0 (c) = b0 + b1 (b2 − c) exp − , 0 ≤ c ≤ cmax (6.3)
b4
Se considera esta forma ya que permite obtener una forma cóncava asimétrica consis-
tente con la propuesta en Betancourt et al. (2014). Esta función no tiene fundamento fı́sico
y sera utilizada para probar el simulador de producción de pasta propuesto.
h(t) = −zl + B
Esto implica que el nivel de sedimento solo puede tomar valores discretos determina-
dos por la resolución del esquema numérico.
74
PN
i=0Si ∆zφi (t)ρs
τ= (6.4)
Qu (t)φu (t)ρs
6.6. Implementación
valor final de las variables de estado del módulo espesador, de tal manera que se puedan
realizar simulaciones sucesivas que utilicen el resultado de la simulación anterior.
Para poder validar el simulador dinámico se realiza una calibración de los modelos a
partir de información disponible en la literatura complementada con datos de la operación
de un espesador en pasta real. Cada módulo es calibrado de forma diferente, de acuerdo
a la información disponible y las caracterı́sticas del modelo. Los módulos son calibrados
desde la alimentación hacia la descarga. Esto quiere decir que en primer lugar se calibra el
módulo de floculación, luego el de espesamiento y finalmente los módulos de yield stress
y torque de rastrillo.
Variable Q1 Q2 Q3
Flujo de sólidos en la Alimentación (ton/dı́a) 2465,45 2933,15 3337,89
Concentración de Descarga (v/v) 0,4302 0,4518 0,4796
Nivel de Sedimento (m) 3,79 4,72 6,31
80
En la tabla 7.2 se encuentran los indicadores estadı́sticos obtenidos para cada variable.
A partir de esta información se define el siguiente rango de operación objetivo para una
concentración alimentación en peso de 10 %:
R12 π z ≤ −(H − ∆)
2
R π −H < z ≤ −(H − ∆)
(R2 − R2 )π
−(H − ∆) < z < 0
2
S(z) =
R2 π 0 ≤ z < B − tan ϕ(R − R1 )
2
B−z
R1 + π B − tan ϕ(R − R1 ) ≤ z ≤ B
tan ϕ
R 2 π
B≤z
1
81
2R
z = −H
z = −(H − ∆)
z=0
2R2
z = z1
z = B − tan ϕ(R − R1 )
z = z2
z=B
2R1
Para las tuberı́as que salen del espesador se seleccionan un radio R1 igual a un 20 % del
radio de diseño R. Para el mecanismo de alimentación que va en el centro del espesador y
cubre la altura −(H − ∆) < z < 0, se selecciona un radio R2 igual a un 40 % del radio
de diseño R. En la figura 7.2 se ilustra esta geometrı́a y el mecanismo de rastrillo.
Con la geometrı́a del espesador definida, se puede proceder a calibrar el modelo. Pa-
ra esto se utiliza una heurı́stica que consiste en realizar, de forma iterativa, simulaciones
de estado estacionario para distintos valores para los parámetros reológicos, hasta alcan-
zar el rango de operación objetivo. Como base se utiliza v0 = 0,0069 (25) m/s (m/h)
y los valores de nRZ , φc , α y β utilizados en los trabajos de Betancourt et al. (2014) y
Bürger et al. (2005) para relaves de cobre en espesadores convencionales. En cada ite-
ración se resuelve la siguiente ecuación diferencial de primer orden (Sección 3.3) para
φu ∈ {0,44, 0,46, 0,48}:
82
∂φ Qu (φ − φu ) + S(z)φkvhs (φ)
= para z < B; φ(B) = φu (7.1)
∂z ka(φ)
El valor de zc obtenido en cada simulación se compara con el valor del nivel de sedi-
mento correspondiente a cada punto de operación objetivo. De acuerdo la diferencia entre
estos valores ser determina la perturbación para la siguiente iteración. Este proceso se re-
pite hasta lograr simular un rango de operación cercano al objetivo. Con los parámetros
nRZ = 10, φc = 0,2, α = 7,3 y β = 16,2 se obtienen las soluciones de estado estacionario
de la figura 7.3.
Para ajustar el resto del modelo se utilizan las propiedades de los relaves considerados
en Wu et al. (2015). En este trabajo se tienen muestras de relave con densidad aparente de
ρ = 1500kg/m3 y ρ = 1600kg/m3 para fracciones de peso de partı́culas con un tamaño
menor a 20 µm de 35 % y 29,8 % respectivamente. Sin embargo, dado que solo se cuenta
con dos muestras en un rango pequeño, el modelo ajustado no es pertinente para realizar
extrapolaciones. Teniendo esto en cuenta, se ajusta el modelo con los datos disponibles
en el trabajo de Garrido y Rojas (2013). Los datos utilizados para estimar el modelo se
encuentran en la tabla 7.4
Tabla 7.4. Datos utilizados para estimar el modelo de yield stress (Pa)
cw
55 % 60 % 65 % 70 %
p1
40 % 2,5 3,5 27 160
60 % 3,9 12 74 250
Finalmente, los parámetros utilizados para los modelos de densidad aparente (6.1) y de
yield stress (4.4) se encuentran en la tabla 7.5. Los parámetros del modelo de yield stress
son los estimados por Wu et al. (2015) en el trabajo original. En las figuras 7.4 a 7.6 se
encuentran graficados los modelos calibrados.
función de la fracción en peso de partı́culas con tamaño menor a 25; µm. Las curvas de
la figura 7.6 se acercan a las observadas en el trabajo mencionado, tanto en forma como
rango.
Para calibrar el módulo de torque de rastrillo se utilizan los datos de operación del
espesador de la Minera Florida. Se extiende el rango operación objetivo para incluir el
torque de rastrillo:
86
45
Concentracion de solidos volumetrica (%)
40 ∆ z = 0.1381
∆ z = 0.069048
35 ∆ z = 0.034524
Referencia
30
25
20
15
10
0
-2 0 2 4 6 8 10 12
z (m)
5
Altura de sedimento (m)
∆ z = 0.1381
1 ∆ z = 0.069048
∆ z = 0.034524
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo (s) ×106
18
Torque de rastrillo (%)
17
16
15
∆ z = 0.1381
14 ∆ z = 0.069048
∆ z = 0.034524
13
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo (s) ×106
70
Concentracion de solidos en peso (%)
60
50
40
30
20
∆ z = 0.1381
10 ∆ z = 0.069048
∆ z = 0.034524
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo (s) ×106
Los resultados obtenidos con las simulaciones numéricas son consistentes con lo que
se esperarı́a observar en una planta de producción de relave en pasta real. En la tabla 8.4 se
puede observar que ante un escalón en el flujo volumétrico de alimentación las ganancias
estáticas de todas las variables de salida tienen signo positivo. Esto tiene sentido, pues un
aumento en la cantidad de sólidos que entra en el sistema deberı́a verse reflejado en un
aumento de la concentración de descarga y el nivel de sedimento. A la vez, este aumento
en el inventario de sólidos dentro del espesador implicarı́a un aumento en el tiempo de
residencia y el torque de rastrillo. Con un razonamiento análogo se puede explicar porqué
al disminuir la cantidad de sólidos que entra en el sistema se observa el efecto contrario.
Dado que el yield stress es proporcional a la concentración de sólidos en la descarga, es
de esperar que la ganancia de esta variable tenga el mismo signo.
A partir de la tabla 8.4 también se puede observar que el balance de masa en estado
estacionario se cumple para un escalón negativo en el flujo de alimentación, pero no para el
caso contrario. En la figuras 8.5 y 8.6 se puede observar que el nivel de sedimento alcanza
la altura del mecanismo de alimentación y la concentración de sólidos del flujo efluente
deja de ser nulo. Este flujo de sólidos efluentes es otra salida para el material sólido del
sistema, por lo que la producción de sólidos del espesador no tiene una ganancia unitaria
para ese caso.
94
En la tabla 8.5 se reportan las ganancias observadas para un escalón en el flujo vo-
lumétrico de descarga. En este caso, las variables de salida tienen ganancias negativas en
todos los casos, con la excepción de la producción de sólidos. Esto es consistente con lo
observado en la realidad, pues un aumento en el flujo de descarga produce un relave más
diluido, y por lo tanto de menor yield stress. Este aumento en la descarga también implica
que el inventario de sólidos del sistema disminuye, fenómeno que aparece como un pul-
so positivo en la variable de producción de sólidos (figura 8.7), por lo que se reduce el
nivel de sedimento y el tiempo de residencia del sistema. Con la reducción del nivel de
sedimento y en la concentración de sólidos de la descarga, el esfuerzo que debe realizar
el mecanismo de rastrillo del espesador también se ve reducido. La producción de sólidos
en estado estacionario tiene ganancia nula pues la cantidad de sólidos que entra al sistema
no ha cambiado. Sin embargo, para la simulación de un escalón negativo en el flujo de
descarga, se observa un ganancia de signo positivo. Esto se puede atribuir a que el nivel
de sedimento supera el nivel del mecanismo de alimentación, por lo que la concentración
del flujo efluente es positiva, efectivamente reduciendo la producción de sólidos en la des-
carga. En cuanto al resto de las variables dependientes, con un razonamiento análogo al
del caso de un escalón positivo, se puede explicar la ganancia negativa observada para una
reducción del flujo volumétrico de descarga.
96
Este pulso se puede atribuir al choque de partı́culas que se mueven a distinta velocidades
(Betancourt et al., 2014). Recordemos que en el modelo considerado, la dosis de flocu-
lante afecta directamente la velocidad de precipitación de la suspensión de relave. A esto
último, se le puede atribuir la ganancia negativa observada para las variables de nivel de
sedimento, torque de rastrillo y tiempo de residencia. Un aumento en la dosis de floculan-
te, sin excederse de la dosis óptima, implica un aumento en la velocidad de precipitación
del relave y por lo tanto una mejora en los procesos de sedimentación y consolidación.
Esta mejora se traduce en una mayor compresión del sedimento lo que reduce el espesor
de este, y por lo tanto disminuye el esfuerzo del mecanismo de rastrillo y el tiempo de
residencia del sistema. Cuando la dosis de floculante es reducida, el efecto contrario es
observado. Es importante destacar que en ambos casos se observan tiempos de transien-
te largos en comparación con los observados para cambios en el flujo de alimentación o
descarga.
5·105 segundos en donde los escalones se realizaron cada 105 segundos, desde el comienzo
de la simulación. En la tabla 8.7 se resumen las simulaciones realizadas en total.
En la tabla 8.8 y 8.9 se presentan los tiempos de transiente observados para cada si-
mulación numérica y el tiempo de residencia del sistema en cada caso. Para calcular los
tiempos de transiente se utilizó como referencia el instante t1 en que cambia la variable
pf,1 , el instante t2 en que se comienza a observar un cambio en la variable pu,1 y el ins-
tante t3 en el que la variable pu,1 alcanza el valor de la propiedad en la alimentación pf,1 .
Estos hitos se encuentran marcados en las figuras A.43 a A.48, en donde se encuentran
graficadas la evolución de las propiedades granulométricas en la descarga pu (t) para cada
caso.
En las tablas 8.8 y 8.9 se puede observar como bajo la extensión del modelo los pe-
riodos de transiente observados dependan de las condiciones de operación. Esto queda en
evidencia por los transientes mas cortos para los puntos de operación con un menor tiempo
de residencia. La extensión del modelo además captura las no linealidades del sistema, lo
100
que se aprecia en tiempos de transiente distintos para los escalones de distinto signo pero
igual magnitud.
En este capı́tulo se prueba la utilidad del simulador dinámico desarrollado como he-
rramienta para el estudio de estrategias de control. Con este fin se implementan dos es-
trategias de control convencional. Ambas estrategias consisten de dos lazos de control PI.
En la figura 9.1 se presenta el diagrama de control de la estrategia implementada. Las
variables manipuladas son el flujo volumétrico de descarga y la dosis de floculante. En
el primer ejemplo las variables controladas son la concentración de descarga y el nivel
de sedimento, lo que coincide con la mayorı́a de los casos observados en la práctica. En
el segundo ejemplo se controla el yield stress en vez de la concentración de descarga. El
resto de las variables de entrada son consideradas como perturbaciones. Para el desarrollo
de las simulaciones se considera el punto de operación de referencia del capı́tulo anterior
con simulaciones de 200 horas. Dado que este tipo de simulaciones son más exigentes
numéricamente, para poder asegurar la convergencia del esquema numérico, se utiliza un
paso temporal que cumpla con las condiciones de CFL de la sección 6.1.1 .
Figura 9.4. Simulación numérica del control del nivel de sedimento de des-
carga para un escalón en el flujo de alimentación.
Figura 9.6. Simulación numérica del control del nivel de sedimento para
un cambio de referencia.
107
Figura 9.8. Simulación numérica del control del nivel de sedimento duran-
te el cambio de referencia en la concentración de descarga.
Para probar el control de yield stress y nivel de sedimento se simula un solo escenario,
que consiste de una perturbación de la variable granulométrica p1 en la alimentación.
Se considera este escenario pues permite evaluar el funcionamiento del simulador y de la
estrategia de control propuesta ante cambios en las variables granulométricas. En este caso
se mantiene la referencia para ambas variables controladas. En la figura 9.10 se muestra
la implementación en Simulink de la estrategia de control con el simulador desarrollado.
Las ganancias de del los controladores PI son P = 0,018 m3 /h/Pa y I = 3 m3 /h/Pa/s
para el flujo de descarga, y P = 3 gpt/m y I = 0,0001 gpt/m para la dosis de floculante.
45 µm t < 40 h
40 h ≤ t < 80 h
50 µm
pf (t) = 45 µm 80 h ≤ t < 120 h
40 µm 120 h ≤ t < 160 h
45 µm t > 160 h
En las figuras 9.13, 9.11 y 9.12 se encuentran graficadas la series de tiempo para la
concentración de descarga, yield stress y altura de sedimento, respectivamente, con el
accionamiento de la variables manipulada correspondiente.
Figura 9.11. Simulación numérica del control de yield stress durante una
perturbación en las propiedades granulométricas.
111
Figura 9.12. Simulación numérica del control del nivel de sedimento du-
rante una perturbación en las propiedades granulométricas.
En primer lugar, se realizó una revisión rigurosa de la literatura existente sobre mo-
delos dinámicos de espesamiento para seleccionar el que mejor permitiera cumplir el ob-
jetivo general de esta investigación. Se seleccionó un modelo unidimensional del proceso
dinámico para el transporte de la propiedad de concentración de solidos y velocidad de
precipitación, el cual ha sido validado y utilizado en múltiples investigaciones de control
en espesadores. Sin embargo, el modelo original posee ciertas limitaciones, en el senti-
do de que no posee todas las variables de entrada y salida necesarias para la simulación
de un sistema de manejo de relaves. Para poder completar el modelo original se realizó
una revisión rigurosa de la literatura existente sobre el modelamiento del resto de varia-
bles importantes del proceso, especı́ficamente modelos relacionados con mecanismos de
floculación, yield stress en relaves espesados y el torque de rastrillo.
Betancourt et al. (2014) para incluir el transporte de propiedades conservadas que lograran
representar la granulometrı́a del relave en la alimentación. Si bien la solución propuesta no
permite modelar el efecto del espesamiento en las propiedades granulométricas, sı́ permite
integrar la variable de granulometrı́a en el simulador de forma dinámica, de tal manera que
cambios de esta propiedad en la alimentación se vean reflejadas en la descarga de forma
consistente con las constantes de tiempo del proceso.
Otro aporte importante del trabajo fue la extensión del modelo de yield stress para
incluir el efecto de la granulometrı́a. A partir de la literatura sobre el efecto de la granu-
lometrı́a en la densidad de muestras de tierra orgánica, se propuso una extensión para el
modelo de yield stress de Wu et al. (2015), cuya forma funcional permitió generar curvas
que coincidieran con las observados en el trabajo empı́rico de Garrido y Rojas (2013) y
Garrido et al. (2014).
Una vez seleccionados los modelos del simulador, se realizó una revisión de las me-
todologı́as existentes para la determinación de los parámetros de cada modelo. Debido a
las diferencias de origen de los modelos considerados, cada uno implica una metodologı́a
diferente para la estimación de parámetros. En general las metodologı́as disponibles con-
sisten de pruebas de laboratorio en donde las mediciones empı́ricas son utilizados para ob-
tener formulas aproximadas de correlación que, luego, mediante manipulación algebraica,
permitı́an la determinación de representaciones empı́ricas de las funciones constitutivas
de cada modelo.
Finalmente, una vez validado el simulador dinámico, se probó la utilidad de este para
el estudio de estrategias de control convencional en la producción de relaves en pasta. Para
lograr este objetivo se consideraron dos lazos de control PI independientes, utilizando las
variables de dosis de floculante y flujo de descarga como variables manipuladas. A partir
de la simulaciones numéricas se pudo observar que el simulador permite los principales
escenarios necesarios para el estudio de estrategias de control y es capaz de manejar las
necesidades numéricas de los métodos implementados.
de estimación en lı́nea para los parámetros del modelo de espesador. A partir de la in-
fraestructura tecnológica que rodea los espesadores hoy en dı́a serı́a valioso el desarrollo
de una metodologı́a de estimación en lı́nea que sea capaz de actualizar constantemente
el valor de los parámetros para ajustarse a los cambios de un relave que está cambiando
constantemente. El simulador desarrollado permite generar datos para la prueba de este
tipo de metodologı́as.
Barrera, S., Cacciuttolo, C., y Caldwell, J. (2015). Reassessment of best available tailings
management practices. Vancouver, Canada.
Berrers, S., Bürger, R., Karlsen, K., y Tort, E. (2003). Strongly degenerate parabolic-
hyperbolic systems modeling polydisperse sedimentation with compression. Society for
Industrial and Applied Mathematics, 64, 41-80.
Betancourt, F., Bürger, R., Diehl, S., y Farås, S. (2014). Modeling and controlling clarifier-
thickeners fed by suspensions with time-dependent properties. Minerals Engineering, 62,
91-101.
Buscall, R., y White, L. (1987). The consolidation of concentrated suspensions. part
1.—the theory of sedimentation. Journal of the Chemical Society, Faraday Transactions
1: Physical Chemistry in Condensed Phases, 83, 873-891.
Bustos, M., Concha, F., Bürger, R., y Troy, E. (1999). Sedimentation and thickening: Phe-
nomenological foundation and mathematical theory (Vol. 8). Springer-Science+Business
Media, B.V.
Bürger, R., y Concha, F. (1998). Mathematical model and numerical simulation of the
settling of flocculated suspensions. International Journal of Multiphase Flow, 24, 1005-
1023.
Bürger, R., Garcia, A., y Kunik, M. (2008). A generalized kinetic model of sedimentation
of polydisperse suspensions with a continuous particle size distribution. Mathematical
Models and Methods in Applied Sciences, 18, 1741–1785.
Bürger, R., Karlseb, H., y Towers, J. (2005). A model of continuous sedimentation of
flocculated suspensions in clarifier-thickener units. Society for Industrial and Applied
Mathematics, 65, 882-940.
Bürger, R., Ruiz-Baier, R., y Torres, H. (2012). A stabilized finite volume element formu-
lation for sedimentation-consolidation processes. SIAM Journal on Scientific Computing,
34, 265-289.
117
Cacciuttolo, C., y Holgado, A. (2016). Managment of paste tailings in chile: A review of
practical expiriences and enviromental acceptance. 19th International Seminar on Paste
and Thickened Tailings.
COCHILCO. (2015). Inversión en la minerı́a chilena - cartera de proyectos 2014
-2023. Descargado de http://www.cochilco.cl/descargas/estudios/
tematico/inversion/Inversion en la mineria chilena-Cartera de
proyectos.pdf
Concha, F. (2014). Solid-liquid separation in the mining industry (Vol. 105). Springer.
Concha, F., Segovia, J., Vergara, S., Pereira, A., Elorza, E., Leonelli, P., y Betancourt, F.
(2017). Audit industrial thickeners with new on-line instrumentation. Powder Technology,
314, 680-689.
Fundación Chile. (2015). Desde el cobre a la innovación, roadmap tecnológico 2015-2035
(Vol. 1st Edition). Corfo.
Garrido, P. (2005). Validación, simulación y determinación de parámetros en un proceso
de espesamiento (Tesis Doctoral no publicada). Departamento de Ingenierı́a Metalúrgica,
Universidad de Concepción, Concepción, Chile.
Garrido, P., y Rojas, N. (2013). Effect of fine material content on copper tailings yield
stress. Proceedings of the 1st International Seminar on Tailings management, TAILINGS
2013.
Garrido, P., Watt, T., Castillo, C., y Fuentes, R. (2014). Importance of fine material
content in the reological and thickening properties of copper tailings. Proceedings of the
2nd International Seminar on Tailings management, TAILINGS 2014.
Gregory, J. (2009). Monitoring particle aggregation processes. Advances in Colloid and
Interface Science, 147-148, 109-123.
Hogg, R. (2000). Flocculation and dewatering. International Journal of Mineral Proces-
sing, 58, 223-236.
Jewell, R., y Fourie, A. (2015). Paste and thickened tailings - a guide. Austrailian Center
For Geomechanics.
Keller, T., y Håkansson, I. (2010). Estimation of reference bulk density from soil particle
118
size distribution and soil organic matter content. Geoderma, 154, 398-406.
Klimpel, R., y Hogg, R. (1985). Effects of floccultion conditions on agglomerate structure.
Journal of Colloid and Interface Science, 113, 121-131.
Klimpel, R., y Hogg, R. (1991). Evaluation of floc structures. Colloids and Surfaces, 55,
279-288.
Kynch, G. (1952). A theory of sedimentation. Transactions of the Faraday Society, 48,
166-176.
LeVeque, R. (2002). Numerical methods for conservation laws (Vol. 31). CambridgeTex-
tsinApplied Mathematics.
Michaels, A., y Bolger, J. (1962). Settling rates and sediment volumes of flocculated
kaolin suspensions. Industrial & Engineering Chemistry Fundamentals, 1, 24-33.
Rattanakawin, C., y Hogg, R. (2001). Aggregate size distributions in flocculation. Colloids
and Surfaces A: Physicochemical and Engineering Aspects, 177, 87-98.
Richardson, J., y Zaki, W. (1954). The sedimentation of uniform spheres under conditions
of viscous flow. Chemical Engineering Science, 4, 65-73.
Schoenbrunn, F., y Manfred, B. (2015). The development of paste thickeng and its ap-
plication to the minerals industry; an industry review. BHM Berg- und Hüttenmännische
Monatshefte, 160, 257-263.
Spehar, R., Kiviti-Manor, A., Fawell, P., y S.P., U. (2015). Aggregate densification in
the thickening of flocculated suspensions in an un-networked bed. Chemical Engineering
Science, 122, 585-595.
Tan, C., Bao, J., y G., B. (2017). A study on model predictive control in paste thickeners
with rake torque constraint. Minerals Engineering, 105, 52-62.
Usher, S., y Scales, P. (2005). Steady state thickener modelling from the compressive
yield stress and hindered settling function. Chemical Engineering Journal, 111, 253-261.
Usher, S., Spehar, R., y Scales, P. (2009). Theoretical analysis of aggregate densification:
Impact on thickener performance. Chemical Engineering Journal, 151, 202-208.
Vázquez-Cendón, M. (2015). Solving hyperbolic equations with finite volume methods
(Vol. 90). Springer International Publishing.
119
120
Wu, A., Wang, Y., y Wang, H. (2015). Estimation model for yield stress of fresh un-
cemented thickener tailings: Coupled effects of true solid density, bulk density, and solid
concentration. International Journal of Mineral Processing, 143, 117-124.
Zhang, Y., Martin, A., y Grassia, P. (2013). Prediction of thickener performance with
aggregate densification. Chemical Engineering Science, 101, 346-358.
121
ANEXOS
122
70
Concentracion de solidos en peso (%)
60
50
40
30
20
∆ z = 0.1381
10 ∆ z = 0.069048
∆ z = 0.034524
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo (s) ×106
5
Altura de sedimento (m)
∆ z = 0.1381
1 ∆ z = 0.069048
∆ z = 0.034524
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo (s) ×106
90
80
70
50
40
30
20 ∆ z = 0.1381
∆ z = 0.069048
10 ∆ z = 0.034524
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo (s) ×10 6
Figura A.3. Simulación numérica del yield stress en la descarga (sección 8.1).
19
18
Torque de rastrillo (%)
17
16
15
∆ z = 0.1381
14 ∆ z = 0.069048
∆ z = 0.034524
13
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo (s) ×10 6
∆ z = 0.1381
1 ∆ z = 0.069048
∆ z = 0.034524
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo (s) ×10 6
Simulación 2.1:
Simulación 2.2:
Simulación 2.3:
Simulación 2.4:
Simulación 2.5:
Simulación 2.6:
Simulación 3.1:
Simulación 3.2:
Simulación 3.3:
Simulación 3.4:
Simulación 3.5:
Simulación 3.6:
Para poder utilizar el simulador es necesario antes inicializar los parámetros de cada
modelo. Para esto se debe correr un programa, como el que se encuentra al final de este
anexo, en donde se asigna a cada parámetro el valor correspondiente. En este programa
también se deben definir las condiciones iniciales, ya sea como variables o desde un archi-
vo (lineas 83 a 89), y los valores numéricos de la la tabla de búsqueda para la integral en
A1 (φ) (lineas 60 a 72). También es importante que las siguientes funciones se encuentren
en el directorio de la simulación:
bounds.m
cell average.m
cross section.m
d comp.m
modelo yield stress.m
v hs.m
volume to weight fraction.m
weight to volume fraction.m
1 g l o b a l D d a t a C d a t a H B R R1 R2 v a r p h i D e l t a A v max n r z
r h o f r h o s a l p h a b e t a p h i c phi max g j f
2
3 % P a r a m e t r o s de e s p e s a d o r
4
16 % P a r a m e t r o s Modulo E s p e s a d o r
17 g = 9.81;
18 p h i c = 0 . 2 0 ; % volume f r a c t i o n o f s o l i d s
19 p h i m a x = 1 ; % volume f r a c t i o n o f s o l i d s
20 v max = 2 5 / 3 6 0 0 ; % m/ s
21 n rz = 10; %
22 r h o f = 1 0 0 0 ; % kg / m3
23 r h o s = 2 7 5 0 ; % kg / m3
158
24 a l p h a = 7 . 3 ; % Pa
25 beta = 16.2;
26 p h i f = weight to volume fraction (0.1 , rho s , rho f ) ;
27
28 % P a r a m e t r o s Modulo F l o c u l a c i o n
29 b0 = −1.3102;
30 b1 = 2 5 . 8 1 3 7 ;
31 b2 = 4 0 . 3 8 4 5 ;
32 b3 = 7 8 . 1 7 9 5 ;
33 b4 = 1 0 0 0 ;
34
35 % P a r a m e t r o s Modulo Y i e l d S t r e s s
36 c0 = 1 . 6 7 4 5 e3 ;
37 c1 = 0 . 2 8 ∗ − 7 . 7 5 4 3 e3 ;
38 theta = 0.2;
39 k a p p a = 2 2 0 . 9 7 ; %model p a r a m e t e r
40 m = 8 . 6 8 ; %modelo p a r a m e t e r
41
42 % P a r a m e t r o s Modulo T o r q u e de R a s t r i l l o
43 Zr1 = 7 ;
44 Zr2 = B ;
45 a1 = 2 9 . 6 5 4 7 ;
46 a2 = 1 . 8 1 9 8 ;
47 a3 = 1 3 . 2 2 5 0 ;
48
49 % I n i c i a c i o n de S i m u l a c i o n
50
159
51 Dz = (B+H) /N;
52
53 j = ( −2:N+ 2 ) ’ ;
54 j f = c e i l (H/ Dz ) ;
55 z = ( j + 1 / 2 ) ∗Dz−H;
56 Z = ( −(H+Dz ) : Dz : ( B+Dz ) ) ’ ;
57 C d a t a = l i n s p a c e ( 0 , phi max ,M) ;
58 Ddata = z e r o s ( s i z e ( Cdata ) ) ;
59
60 % Codigo p a r a c a l c u l a r i n t e g r a l n u m e r i c a p o r p r i m e r a v e z
61
62 % f o r i =1: l e n g t h ( Cdata )
63 %
64 % i f ( C d a t a ( i )>= p h i c )
65 % D d a t a ( i ) = i n t e g r a l (@( x ) d comp ( x ) . / x , p h i c , C d a t a (
i ) , ’ WayPoints ’ , C d a t a ( 1 : i ) ) ;
66 % end
67 %
68 % end
69 % s a v e ( ’ c o m p r e s s i o n f l u x d a t a . mat ’ , ’ Cdata ’ , ’ Ddata ’ )
70
74 opt = 1;
75 % f i g u r e ( 3 ) ; p l o t ( z , c r o s s s e c t i o n ( z , o p t ) , ’ x − ’)
160
76 % x l a b e l ( ’ h i g h t w i t h r e s p e c t t o f e e d l e v e l [m] ’ ) ; y l a b e l ( ’
t h i c k e n e r c r o s s s e c t i o n [mˆ 2 ] ’ )
77
80 lambda = 1 . / ( Dz∗A) ;
81 mu = lambda / Dz ;
82
83 % Solucion I n i c i a l
84 p h i 0 = z e r o s (N+ 3 , 1 ) ;
85 w0 = z e r o s (N+ 3 , 1 ) ;
86 u10 = z e r o s (N+ 3 , 1 ) ;
87 u20 = z e r o s (N+ 3 , 1 ) ;
88 u30 = z e r o s (N+ 3 , 1 ) ;
89 % l o a d ( ’ i n i t i a l s o l u t i o n . mat ’ ) ;
90
91 % G a n a n c i a de p r o d u c t o p a r a o b t e n e r l o s v a l o r e s o b e r v a b l e s
92 L = z e r o s ( 2 ,N+ 3 ) ;
93 L(1 ,2) = 1;
94 L ( 2 , end −1) = 1 ;