Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La Figura 13.7 muestra la información relevante para el caso base. El objetivo es moer la
distribución de tamaño desde las áreas de baja recuperación, particularmente en el extremo
grueso, a áreas de mayor recuperación. Un problema común, evidente en este ejemplo, es la
resolución inadecuada en los tamaños muy finos donde mucha de la masa puede yacer y
donde la recuperación comienza a declinar significativamente.
Figura 13.7: Estudio de Caso 4 –Respuesta de flotación y tamaño de alimentación caso base para un
concentrador de zinc
La Tabla 13.6 muestra los resultados para el caso base y para dos situaciones modificadas:
Caso de Estudio 2 en el cual se logro un producto mucho más fino a un rendimiento
marginalmente ,más bajo y el Caso de Estudio 3 en el cual se obtuvo un producto un tanto
más fino con un rendimiento 20% mayor.
351
Capítulo 13: Optimización de circuitos de Trituración
Tabla 13.6: Tamaño de alimentación de flotación y recuperación para los tres regímenes de
molienda
Es evidente que el Estudio de Caso 2 logra un pequeño pero significativo aumento (3.3%
relativito) en producción de metal con una pequeña disminución en el rendimiento. Esto se
logra removiendo material grueso (+75µm) y casi duplicando la cantidad de material de -
8µm. La recuperación global de zinc aumenta de 69.6 a 72.8%; el aumento relativo sería
mayor si la declinación en recuperación -8µm no hubiera sido tan fuerte.
352
Capítulo 13: Optimización de circuitos de Trituración
entrada requerida, ya que esta contribuye con una proporción importante de los costos
operativos.
La relación entre producción y tonelaje pude considerase análoga a la relación entre entrada
de energía por tonelada de mineral y material valioso producido por tonelada de mineral.
La Figura 13.8 muestra una forma general de esta relación (conocida habitualmente para un
depósito específico a partir de datos de laboratorio o producción). El modelo está
restringido en ambos extremos, en el sentido que existe una tasa de producción por tonelada
que no puede ser excedida (contenido de sobrecarga), y existe cierta cantidad de energía de
entrada requerida para lograr cualquier producción (lo último es más por conveniencia que
debido a alguna propiedad real del mineral.
b
E =a+ (13.1)
(ch − V )
353
Capítulo 13: Optimización de circuitos de Trituración
b
a = Eo + (13.2)
ch
Entonces
1 1
E = Eo + b + (13.3)
ch ch-V
Este modelo proporciona una descripción conveniente de una relación energía- tonelaje-
producción, porque
• Puede ajustarse directamente a los datos operativos del concentrador (como en la Figura
13.8) usando dos conjuntos de valores energía-tonelaje-recuperación, o a un conjunto
de datos más grande por medio de técnicas de mínimos cuadrados no lineales,
354
Capítulo 13: Optimización de circuitos de Trituración
La primera está restringida por una meta de recuperación promedio de largo plazo y una
serie de bloques de mineral. Su objetivo es minimizar el tiempo total requerido para
procesar estos bloque de mineral, a la vez que se logra la meta de recuperación promedio.
En consecuencia, también se minimiza la entrada de energía por tonelada procesada.
La filosofía de recuperación máxima está restringida por una serie definida de bloques de
mineral y el tiempo de tratamiento total disponible. Su objetivo es maximizar la producción
desde este mineral.
∑m h
I
i i (13.4)
Se puede especificar una meta de recuperación promedio para lograr una meta de
producción, C (kg de valiosos producido). Entonces, si Vi es la meta de material valioso a
recuperar de cada bloque,
Ci = ∑ mV
i i (13.5)
I
bm
E = ∑ mi Ei = ∑ mi ai + i i (13.6)
I I ci hi − Vi
La ecuación (13.6) puede minimizarse sujeta a la restricción (13.5), para lograr la meta de
producción de valiosos requeridos de cada bloque (Morrison, 1993):
bi
Vi = ci hi − (13.7)
λ
donde
1
=
∑mc h −C
i i i
(13.8)
λ ∑ (m b ) i i
355
Capítulo 13: Optimización de circuitos de Trituración
Una vez que se conoce Vi, la meta de producción para el bloque i, se pude calcular la
recuperación requerida (Vi/h) y la tasa de tratamiento (potencia del molino + Ei de la
ecuación13.1). Se puede calcular un programa de producción para una ruta de explotación
estimada y usarla semana tras semana para control (por ejemplo); es posible actualizar el
multiplicador si ocurren grandes desviaciones.
∑m h
I
i i = NP (13.9)
bi
Ei = ai + (13.10)
λ
1 NP − ∑ ai mi
donde = (13.11)
λ ∑mb i i
Una mina de cobre porfídico extraerá partes iguales desde tres bloques de producción
durante un periodo específico. El consumo de energía está dominado por la línea de
molienda primaria compuesta por molinos de bola de 4MW. La meta de producción para el
periodo es de 900.000 toneladas a una ley de recuperación de 0.605% de Cu, o 5445 t de
cobre en concentrados (C en ecuación 13.5). Se necesita determinar una meta de ley de
recuperación, Vi, y un rendimiento promedio para cada bloque i, para cumplir con la meta
de producción global con un mínimo consumo de energía. El problema se resuelve
aplicando la ecuación 13.7 para determinar la meta de tasa de producción de metal por
molino (conociendo la energía disponible de 4mw). Esto requiere un conocimiento de b, c y
h para cada bloque y valores para λ y Eo.
La Tabla 13.7 muestra algunos datos de producción anteriores para los tres bloques de la
forma mostrada en la Figura 13.8 – energía específica consumida por cada molino, E, y el
grado de recuperación correspondiente, V (También hubiera sido posible obtener datos
equivalentes a partir de pruebas de laboratorio y ejercicio de simulación). También se
incluyen valores de ensayos geológicos para h, la ley global, y c, la proporción de sulfuro
de cobre (recuperable).
356
Capítulo 13: Optimización de circuitos de Trituración
Bloque i Ley, hi (kg/t Cu) Cu Recuperable, Energía específica del Ley recuperada, Vi
ci (prop.) molino, Ei, (kWh/t) (kg/t Cu)
1 3.5 0.92 17.5 2.70
12.5 2.51
10.0 2.29
2 6.2 0.96 10.2 5.46
8.2 5.25
6.6 4.98
3 11.0 0.98 8.2 10.42
7.5 10.40
6.5 10.32
Reordenando la ecuación 13.3 es posible estimar, para cada conjunto de datos, el parámetro
bi que refleja las características de dureza y liberación del bloque:
Ei − Eo
bi = (13.12)
1 1
+
ci hi ci hi − Vi
Ahora es posible calcular la meta de producción de cada bloque, Vi, a partir de la ecuación
13.7, y calcular la recuperación correspondiente como vi/hi. A continuación con la formula
13.3 se calcula la energía especifica consumida Ei y el correspondiente tonelaje por molino
determinado como 4MW/Ei.
357
Capítulo 13: Optimización de circuitos de Trituración
Operando bajo estas condiciones se logrará la meta de producción de cobre con un mínimo
de consumo de energía.
Para aquellos de nosotros sin inclinaciones matemáticas, estas metodologías pueden parecer
como obtener ‘algo por nada’. Sin embargo, pueden ser pensadas más fácilmente en
términos de producir un sello de ‘dificultad constante’. Un material blando de alta ley es
procesado para alta recuperación. Esto significa, en términos de la Figura 13.8, hacía el
extremo derecho del rango operativo. El mineral duro, marginal es procesado al mayor
tonelaje posible. En resumen, las diferencias en el tipo de mineral se utilizan
ventajosamente.
Por el contrario, una filosofía de recuperación constante, que adoptan algunas operaciones
(normalmente por razones históricas), conduce a grandes variaciones en las condiciones del
circuito. Para cumplir con dicho requerimiento, el mineral blando de alta ley requiere de
tasas de tratamiento altas mientras que el mineral duro de baja ley requiere tasas de
tratamiento extremadamente bajas. En términos de eficiencia energética, esta es casi la peor
estrategia operativa posible.
Los criterios utilizados arriba son metas de optimización relativamente simples las cuales
ayudan a centrarse en los objetivos de un programa de optimización o estrategia global. Por
supuesto son posibles estrategias más complejas, involucrando más criterios y restricciones;
La programación lineal es una metodología general que puede ser utilizada en tales casos.
Duckworth (1978) desarrolló una metodología de optimización general para Boungainville
Copper Limited.
13.6 CONCLUSIONES
El término optimización tiene poco sentido a menos que se defina respecto de alguna
cantidad medible y sujeto a restricciones operativas y de otro tipo. Las cantidades más
comunes, en ejercicios limitados de optimización de circuitos de trituración, son el
rendimiento y el tamaño del producto. Sin embargo, es posible agregar otros criterios.
358
Capítulo 13: Optimización de circuitos de Trituración
Cada una de estas estrategias de optimización ofrece un alto retorno de información sobre
la operación del proceso, restricciones del proceso y ambiente operativo.
A medida que aumenta la exactitud de las técnicas de modelado debe hacerse factible el
lograr un grado razonable de optimización de un proyecto tempranamente en la fase de
diseño. La filosofía operativa puede incluso impactar sobre lo que se considera mineral o
estéril con un efecto dramático sobre los costos de la planta. El desafío para los ingenieros
de disciplinas afines es reunir los modelos para implementar la optimización a través de
operaciones completas y, por cierto, a través de una empresa desde mineral a producto. Este
es un campo de investigación actual.
359
APÉNDICE 1
FUNCIONES SPLINE CÚBICAS
A1.1
L As funciones spline se usan fundamentalmente para interpolar datos para los cuales
no se encuentra rápidamente o no existe una ecuación matemática apropiada. Es una
herramienta poderosa ya que proporciona un método para interpolar que permite a
JKSimMet cambiar fácilmente una distribución de tamaño en varias series de tamiz,
representar una distribución de un proceso de rotura o encontrar la tasa de rotura AG/SAG
para cualquier tamaño de partícula en el molino. Este apéndice describe los principios
básicos detrás del uso de las funciones spline y presenta un ejemplo resuelto de su
aplicación a interpolación de tamaño, una característica de rutina incorporada en
JKSimMet.
En esencia, las funciones spline unen una serie de puntos en el plano x-y. Se utiliza alguna
función para interpolar entre cada par de puntos y estas funciones son ‘splined’ entre si para
proporcional la función spline completa. La función spline más sencilla es el spline de
primer orden que es solo una serie de pedazos de líneas rectas. Estas, por supuesto, no
parecen suavizadas a menos que los puntos estén sobre una línea recta o muy cercanas entre
si. El spline cúbico es un método APRA dibujar una curva muy suave sobre varios puntos
de datos. Está muy relacionada con el spline del dibujante y en la mayoría de los capos
debería proporcionar una curva muy parecida a la dibujada por un ‘flexicurve’.
Como introducción al método considere tres puntos (x1,y1), (x2,y2), y (x3,y3) como se
muestra en al figura A1.1
360
Apéndice 1: Funciones Spline Cúbicas
Par unir los tres puntos por medio de dos secciones cúbicas, se debe observar la
continuidad, derivada y segunda derivada de la función a través del límite. Se requieren
ocho coeficientes para describir los dos cúbicos como sigue:
Para determinar estos coeficientes la función debe pasar a través de los tres puntos con
continuidad de las primera y segunda derivada a través de (x2,y2).
Como puede verse, hay 8 coeficientes conocidos pero solo 6 ecuaciones. Esto obliga a que
dos coeficientes (grados de libertad) deban ser determinadas de alguna otra manera. Esto se
efectúa generalmente por hedido e las condicione de borde 1.e. especificando aguan
propiedad del cúbico en los dos extremos. La condición más simple es que la derivada sea
cero en ambos extremos, dando:
6ax1 + 2b = 0 (A1.7)
y
6ax3 + 2 f = 0 (A1.8)
Esto proporciona dos ecuaciones para tener 8 ecuaciones y 8 incógnitas que hay que
resolver para los coeficientes a-h y, en consecuencia, determinar las dos secciones cúbicas
de la función spline.
En teoría, este proceso puede extenderse para cualquier número de puntos (siempre con dos
grados de libertad que deben determinarse por otros medios), para encontrar el spline
361
Apéndice 1: Funciones Spline Cúbicas
Considere una malla de N+1 puntos, a = x0, x1,…xN = b, definido en el intervalo [a,b]. Sean
los valores y correspondientes y0,y1,…yN.
Necesitamos una manera de evaluar la función spline S(x) que está compuesta por trozos
cúbicos en cada intervalo, pasa a través de cada punto y es continua en su primera y
segunda derivadas. El método se facilita considerablemente si comenzamos con la primera
o la segunda derivada. Elegimos comenzar con la segunda derivada; Ahlberg repite la
derivación con la primera.
Sea Mj (j=0,1,…,N) el valor de la segunda derivada en xj. Ya que la segunda derivada del
spline en el intervalo [xj-1,xj] es lineal, puede escribirse como:
S "( x) = a j x + b j
para j=1,2,...N, donde a j y b j son independientes de x. En x = x j -1 y x = x j tenemos
M j −1 = a j x j −1 + b y M j = ajxj + b
de manera que
M j − M j −1 M j − M j −1 x j
aj = y bj = M j −
x j − x j −1 x j − x j −1
haciendo
h j = x j − x j −1 (A1.9)
y reordenando obtenemos
xj − x x − x j −1
S "( x) = M j −1 +Mj (A1.10)
hj hj
S ( x j −1 ) = y j −1 S (x j ) = y j (A1.11)
permiten la integración de estas constantes. Esto conduce a las siguientes ecuaciones para el
spline y su derivada:
362
Apéndice 1: Funciones Spline Cúbicas
( x j − x )3 ( x − x j −1 )3 M j −1h 2j x j − x M j −1h 2j x − x j −1
S ( x) = M j −1 +Mj + y j −1 − + yj −
6h j 6h j 6 h j 6 h j
...(A1.12)
( x j − x)2 ( x − x j −1 ) 2 y j − y j −1 M j − M j −1
S '( x) = − M j −1 +Mj + − hj
2h j 2h j h 6
j
...(A1.13)
W0 = X0 = λ0 = µ 0 = d0 = 0 y WN = XN =λN = µ N = dN = 0
λj
Wj = (A1.14)
2 − µ jW j −1
y
d j − µ j X j −1
Xj = (A1.15)
2 − µ jW j −1
dado que
h j +1
λj = (A1.16)
h j +1 + h j
µ j = 1− λj (A1.17)
( y − y j ) ( y j − y j −1 )
6 j +1 +
h j −1 hj
dj = (A1.18)
h j + h j −1
Mj+WjMj+1+Xj = 0 (A1.19)
363
Apéndice 1: Funciones Spline Cúbicas
4. Extrapolar linealmente más allá del intervalo [a,b] usando la primera derivada S’(a) y
S’(b) calculada usando la ecuación A1.13, donde
y0 = S’ (x0)x0+C0 A1.20)
y
yN = S’ (xN)xN+CN (A1.21)
Figura A1.2: Gráfico de los datos de ejemplo para ser interpolada usando splines cúbicos
364
Apéndice 1: Funciones Spline Cúbicas
P
y j = Ln − Ln 1 − j donde Pj es el % pasando a tamaño j.
100
b) Establezca las ecuación spline para estos datos usando una escala logarítmica para el
tamaño de partícula, xj=Ln(tamaño) y resuelva estas ecuaciones tri-diagonales para
la segunda derivada Mj como se describió anteriormente. La tabla A1.1 muestra un
resumen de la solución.
Comenzar
Tamaño Punto Comenzar cálculos en j=1
en j=N-1
(µm) j xj yj hj ij mj Wj dj Xj Mj
5 0 3.970 0.556 0 0 0 0 0 0 0
75 1 4.317 0.804 0.347 0.499 0.501 0.250 2.178 -1.089 0.740
106 2 4.663 1.139 0.346 0.501 0.499 0.267 3.162 -1.396 1.396
150 3 5.011 1.602 0.347 0 0 0 0 0 0
Tabla A1.2: Resumen de datos y resultados del ejemplo para interpolación spline
365
APÉNDICE 2
EL EFECTO DE LA VISCOSIDAD DEL SLURRY
SOBRE LA MOLIENDA
Sin embargo, fue Klimpel quien por primera vez proporcionó una explicación racional de
los efectos del tipo reológico del slurry, sobe el rendimiento de los molinos de bola y los
dispositivos de reducción de tamaño, basado en investigación de escala industrial y de
laboratorio efectuada en los 1970s y 1980s (e.g. Klimpel 1982, 1983). Estudios recientes de
escala industrial efectuados por JKRMC (Shi 1994), han confirmado algunas de estas
observaciones y ampliado nuestro entendimiento de los efectos.
366
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
Figura A2.1: Relación entre viscosidad aparente y densidad de slurry (concentración de sólidos)
para un metal base típico después de molienda
367
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
Figura A2.3 Curvas de flujo típicas para un mineral de metal base después de molienda, como una
función de tamaño de partícula y concentración de sólidos, mostrando el amplio rango de tipos
reológicos que se encuentran bajo distintas condiciones
368
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
• A una mayor viscosidad (Región B), inducida por medio de aumentar la densidad del
slurry y/o contenido de finos, mejora la molienda.
Figura A2.4: Producción neta y viscosidad, como función del porcentaje de sólidos, en pruebas de
molienda por lote ejecutadas bajo tiempo de molienda y condiciones de alimentación constantes
Como explicación para estas tendencias, Klimpel propuso que a bajas densidades la
mayoría de los slurries de carbón y minerales (menos de 40-45% v/v para distribución de
tamaño normal) son dilatantes en carácter y que bajo estas condiciones la rotura es de
primer orden (Región A en al Figura a2.4), lo que representa el comportamiento normal de
la industria. Aumentar la concentración de sólidos induce un comportamiento seudo
plástico, el cual, en ausencia de esfuerzo de fluencia, produce una rotura de primer orden
con mayores tasas de rotura que con slurries dilatantes (Regiones B y B’); esto representa la
práctica de molienda más eficiente. A medida que la concentración de sólidos aumenta aun
369
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
(Klimpel sugirió también, que era posible mejorar la molienda controlando la reología con
aditivos químicos (ver las curvas ‘con químicos’ en la Figura A2.4). Aunque el y sus
colegas y muchos otros investigadores han demostrado efectos muy beneficiosos en
aplicaciones específicas, especialmente a escala de laboratorio, estos efectos rara vez han
sido sustentados en la molienda húmeda industrial de mineral.
Las flechas en al Figura A2.1 muestran la dirección y magnitud relativa del efecto de
aumentar la viscosidad, densidad, alimentación de finos y tonelaje de alimentación sobre el
‘índice de molienda’ como una función del tipo reológico (el índice de molienda se definió
como la producción relativa de alimentación nueva). El análisis está simplificado en el
sentido que viscosidad, densidad y finos, estando fuertemente correlacionados, se
consideran aquí como independientes, pero la conclusión es clara: la magnitud, e incluso en
ocasiones la dirección de los efectos, son fuertemente dependientes de la reología. Por
ejemplo, un aumento en el tonelaje de alimentación siempre reducirá el índice de molienda
pero el efecto es menor para slurries seudo plásticos y de baja tensión de fluencia;
normalmente, un aumento de la viscosidad mejorará el índice de molienda, excepto en el
caso de slurries de alta tensión de fluencia y dilatantes; aumentar los finos aumenta la
molienda para seudo plásticos pero la disminuye para slurries dilatantes.
370
Apéndice 2: El Efecto de la Viscosidad del Slurry Sobre la Molienda
flechas en al columna final de la Tabla A2.1 sugieren que esto debiera efectuarse reciclando
finos del clasificador en vez de aumentando la densidad del slurry.
Tabla A2.1: Los efectos relativos sobre el índice de molienda del aumento de la viscosidad,
densidad, finos de alimentación y tonelaje de alimentación como función del tipo reológico: las
flechas indican dirección y magnitud o efecto relativo (a lo largo de la hilera) (según Shi, 1994)
Quizás la conclusión más importante de este trabajo es que las tendencias son complejas y
si se hacen intentos para optimizar el rendimiento del molino, por medio de manipular estas
variables, ayuda el entender primero la reología predominante. También parece probable
que algunos de los fenómenos inesperados y contrarios a la intuición, que se encuentran
ocasionalmente en la práctica de la molienda, pueden atribuirse a las vaguedades de la
reología del slurry.
371
APÉNDICE 3
MEDICIÓN Y REPRESENTACIÓN DE LAS
DISTRIBUCIONES DE TAMAÑO
Aunque el objetivo último de un circuito de trituración específico puede ser liberar los
constituyentes de un mineral o promover la manejabilidad, su rendimiento será expresado
normalmente en términos de reducción de tamaño. Es necesario, en consecuencia, medir las
distribuciones de tamaño de la alimentación hacía el circuito y del producto desde el
circuito y, en ocasiones, de las corrientes intermedias en el circuito, para evaluar el
rendimiento. En el Capítulo 5 se discuten los procedimientos en el estudio de un circuito
para obtener muestras para análisis de tamaño. En esta sección, consideramos los métodos
disponibles para determinar la distribución de tamaño de las muestras, tanto en línea como
fuera de línea.
372
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
2. En una correa que alimenta a un chancador primario o secundario: esto puede lograrse
usando uno o varios dispositivos de escáner óptico/láser, en correa, diseñados en años
recientes.
Sin embargo, ninguna de estas técnicas es de uso común debido tanto a la dificultad para
obtener una medición confiable y con sentido y, porque aun no se han adoptado
metodologías para utilizar la medición en la practica industrial de rutina. En la Sección
5.4.2 se analiza un útil procedimiento para evaluar la distribución de tamaño de una
alimentación de chancador o molino AG/SAG ( que puede confinarse a ROM).
Los métodos ópticos, para medir en línea el tamaño de partícula en las correas, existen hace
alrededor de 20 años (Gallagher 1976), pero pocos han sido desarrollados comercialmente
y aun menos utilizados en al industria. Un sistema actualmente en prueba, SIROSIZE
(Cheung and Ord 1990) mide el tamaño de las partículas observando la distorsión de un
plano de luz láser a medida que intersecta las partículas superficiales en la correa. Para
estimar la distribución de tamaño se analizan estadísticamente las cuerdas resultantes. Se ha
desarrollado una derivación de este sistema, SIROFRAG (Poniewierski et al 1995) para
medición de tamaño de muckpile.
Se han aplicado muchos principios a la medición continua en línea del tamaño de partícula
en slurries con distinto éxito. En particular, dos instrumentos han encontrado amplio uso
comercial en años recientes.
El sistema Multipoint PSM-400 fabricado por Svedala (Figura A3.1) es la última versión de
un instrumento introducido en 1971. La medición se basa en la atenuación de ultrasonido
en el slurry. Una muestra desaireada de slurry se presenta a dos pares de sensores, cada uno
constituido por un transmisor y un receptor ultrasónico. Mientras más grueso sea el tamaño
de partícula y mayor la concentración de sólidos, mayor será la atenuación. Los dos pares
de sensores permiten que estos dos efectos sean desacoplados y el instrumento proporciona
373
Apéndice 3: Medición y Representación de las Distribuciones de Tamaño
una lectura tanto del tamaño de partícula como del porcentaje de sólidos; los primeros
modelos proporcionaban una sola indicación de tamaño (%-75µm2 era un selección
habitual), pero las últimas versiones proporcionan hasta 5 salidas de tamaño. El instrumento
requiere de calibración respecto de un slurry de distribución de tamaño conocido.
Figura A3.1: El analizador de tamaño de partícula Figura A3.2: El analizador de tamaño de partícula
en línea Svedala PSM-400 en línea Outokumpu PSM-400
2
En la Tabla A3.1 se proporciona una tabla de conversión para micrones y tamaños de malla.
374