WORKSHOP SAG'2003

8 AL 1 0 DE OCTUBRE DE 2003, VIÑA DEL MAR, CHILE.

LA OPERACIÓN ACTUAL DE MOLINOS SEMIAUTÓGENOS

1
L. Magne , W. Valderrama 2 , G. Titichoca 1
1
Departamento de lngenieria Metalúrgica, Universidad de Santiago de Chile
2
Departamento de Ciencia de Materiales, Universidad Técnica Federico Santa Maria

INTRODUCCIÓN

La evolución que ha experimentado la operación de molinos semiautógenos en los últimos

años ha dejado atrás las consideraciones básicas con que se inició su aplicación. A su
vez, se han hecho relevantes otros aspectos que eran considerados de poca importancia.
Todo esto debido principalmente a que en la caracterización de los fenómenos que
ocurren al interior del molino se ha aprendido a combinar el enfoque de cinética química
con la observación de lo que ocurre a la carga interna en movimiento.
De esta forma, es posible observar cambios fundamentales en la configuración del circuito
junto a la evolución de las condiciones de operación, además de confirmar la importancia
del diseño de los levantadores en la determinación de éstas. La disminución de la
granulometría de alimentación, ya sea por modificaciones en la tronadura, ajustes de
setting del chancado primario o implementación de etapas de prechancado, junto a los
cambios en las parrillas de descarga y en el nivel de llenado de bolas, han provocado un
desconcierto en la interpretación de cómo ocurre la reducción de tamaños, la que ya no se
deja explicar con las mismas simples reglas de los primeros tiempos de aplicación
operacional de los molinos semiautógenos.

ANÁLISIS DE REGLAS TRADICIONALES DE OPERACIÓN

La operación de molinos semiautógenos ha evolucionado no sólo de acuerdo con el

crecimiento de los molinos y sus capacidades de procesamiento, sino también debido a
que se han modificado sustancialmente los conceptos que la interpretan, además de
asociar más íntimamente actividades relacionadas como son la mantención y
automatización.
Los conceptos fundamentales con que nace la molienda semiautógena se resumen en
una serie de afirmaciones simples, muchas veces extrapoladas desde la molienda
convencional, que intentaban guiar las decisiones operacionales. Con el tiempo, estas
reglas han debido ser revisadas porque en su simplicidad pasaban por alto importantes
relaciones y dependencias entre variables, llevando a decisiones contradictorias,
desestabilizando la operación y reduciendo el rendimiento. Por ejemplo:
a) "La molienda semiautógena se basa fundamentalmente en la fractura por impacto".
Esta aseveración implicaba que el molino debe tener un gran diámetro y operar a
altas velocidades, con el consiguiente resultado de desperdicio de energía, daños a
los revestimientos y a la carga de bolas principalmente. El estudio experimental del
movimiento de la carga y la "observación" vía simulación mediante el Método de los
Elementos Discretos (MEO) ha permitido visualizar el vínculo entre la dinámica de la
carga interna y los resultados de molienda, que es diferente a lo considerado en sus
orígenes. Las características de distribución de energía en el riñón de carga
provocan eventos de atrición a las partículas que resultan cuantitativamente más
importantes que la distribución de impactos en la zona del píe de carga.
b) "La molienda semiautógena aprovecha la presencia de colpas de gran tamaño en la
alimentación, que cumplen un rol complementario al de las bolas como medios de
molienda (1)". En minerales metálicos, particularmente pórfidos cupríferos duros
como en nuestro país, es más efectivo el medio de molienda metálico que el propio
mineral para generar la reducción de tamaño. En la práctica, los tamaños de
partícula mayores presentan una menor tasa de molienda, generan partículas de
tamaño crítico al interior del molino y, en consecuencia, requieren de un mayor
tiempo de residencia y mayor necesidad de energía para ser fracturados a tamaños
menores. La observación experimental y las simulaciones vía MEO permiten
observar además que al aumentar la velocidad, las colpas de mayor tamaño se
segregan al centro del riñón de carga y no son lanzadas desde la parte más alta del
riñón como se pensaba originalmente. No es claro que el aporte como medio de
molienda sea realmente importante.
e) "La molienda semiautógena aprovecha la presencia de colpas de gran tamaño en la
alimentación, que cumplen un rol complementario al de las bolas como medios de
molienda(//)". Inicialmente, la deficiencia que se observa en la fractura de partículas
de tamaño intermedio y la posterior necesidad de hacer desaparecer lo más
rápidamente las colpas de mayor tamaño, llevó a desarrollar la modificación de los
circuitos tradicionales de molienda semiautógena. Un paso inicial fue la
incorporación del chancador de pebbles, cuyo objetivo era reducir los "tamaños
críticos" formados al interior del molino y que resultan "difíciles de moler por el
molino". Una segunda etapa correspondió a exigir al chancado primario un producto
lo más fino posible, bajo la premisa de operar al menor setting que el equipo
permita. Luego, la observación de que los tamaños críticos vienen originalmente en
la alimentación, llevó a implementar las etapas de preclasificación - prechancado,
en que la fracción que se considera crítica para la carga interna es extraída y
reducida de tamaños previamente. Finalmente, considerando que las partículas de
mayor tamaño generarán al interior del molino los tamaños críticos y que la fractura
por compresión de partículas gruesas es más eficiente que cualquiera de los
mecanismos presentes al interior del molino, se ha incorporado la etapa de
prechancado (chancado secundario convencional). En resumen, la búsqueda de
eficiencia conduce a eliminar la colpa y sus derivados de la carga interna del molino.

2
 d) "La molienda semiautógena aprovecha la presencia de colpas de gran tamaño en la
alimentación, que cumplen un rol complementario al de las bolas como medios de
molienda (111)". El efecto que produce la granulometría de alimentación en la
operación del molino semiautógeno, y en particular la observación de que una
granulometría más fina en la alimentación genera mayores beneficios, ha tenido
efectos más allá de los límites de la planta concentradora, llegando al proceso
extractivo de la mina y particularmente al proceso de tronadura. La base de esta
acción radica que cualquier aumento en los costos de las etapas ubicadas aguas
arriba del circuito, genera beneficios mayores en las etapas posteriores (Mine to
Mili). De esta forma, aunque se duplique el costo de tronadura, generando una
mayor proporción de finos además de un mineral más débil (debido a que con
cargas y distribuciones adecuadas de explosivos se generan muchas grietas
internas), la reducción de costos unitarios que se observa en las etapas de molienda
semiautógena y de bolas, genera un balance positivo en el proceso global de
reducción de tamaños.
e) "El chancado de pebbles es una etapa adicional que se utiliza cuando existe una
gran producción de tamaño crítico al interior del molino". Una pregunta recurrente de
los operadores de molinos semiautógenos es ¿cuál es el rango que define el
tamaño crítico para su mineral y molino? La respuesta inicial es que el rango de
tamaño crítico es "una característica propia del mineral". Sin embargo, es indudable
que depende dinámicamente de la distribución de niveles de energía disponible y de
la velocidad de entrada y salida de mineral. Una respuesta muy práctica es que
depende de la abertura de la parrilla de descarga del molino y de la abertura de las
mallas del harnero o trommel. Por lo tanto, mientras mayor es la abertura de la
parrilla de descarga, "mayor es la generación de tamaño crítico" y, en consecuencia,
aparece la necesidad de tener una etapa de chancado de pebbles. De todas
maneras, el chancador hará un trabajo de reducción de tamaños más eficiente que
el propio molino semiautógeno y el circuito resultará optimizado.
f) "El nivel de llenado de bolas de un molino semiautógeno debe ser de 8 a 10% del
volumen efectivo del molino". Esta regla es de la época en que se pensaba que las
bolas sólo "complementaban" o "reforzaban" el mecanismo "primario" de molienda
autógena del mineral. Como ya se ha visto, las bolas son un medio de molienda
mucho más eficiente que las colpas, y han pasado por ello a ser el medio principal
de molienda. En el caso de molinos alimentados con mineral prechancado, las bolas
son el único medio de molienda. En consecuencia, mayores niveles de bolas
aumentan la capacidad de molienda del molino, limitando este nivel sólo en la
resistencia estructural del molino y en la capacidad del sistema de lubricación para
soportar el peso. Lógicamente, el aumento de capacidad de molienda requiere un
ajuste de los demás parámetros operacionales para mantener un nivel suficiente de
mineral a ser molido. Esto explica la tendencia a que cada operación en particular
evalúe la capacidad máxima de bolas que puede admitir su molino, y que se
observen casos en que los niveles de llenado de bolas se controlan en 16 a 17%.
g) "El tamaño de bola de recarga debe ser el mayor posible". Esta aseveración es una
extrapolación extraída de modelos cinéticos de molienda para mejorar la eficiencia
del molino con los tamaños críticos, asociada con la necesidad de que el medio de

3
 molienda proporcione la energía individual de impacto o interacción con el mineral
que asegure su reducción de tamaños. Sin embargo, no se hace ninguna
consideración respecto de DÓNDE ocurren tales impactos. Un manejo inadecuado
de la velocidad y el diseño de levantadores puede tener consecuencias
catastróficas, al igual que la disminución temporal del nivel de carga en el molino.
Por otra parte, a las mayores velocidades con que hoy día se opera se observa
segregación en el riñón de carga, donde las partículas de mayor tamaño (mayor
masa) se segregan en el centro. Estos efectos y la fuerte reducción en la
granulometría de alimentación han mantenido el tamaño de bola de recarga en 5
plg.
h) "Un molino semiautógeno tiene máxima eficiencia al trabajar con el consumo
máximo de potencia (la potencia instalada) (1)". Esto genera que la condición de
operación sea altamente inestable e ineficiente. Durante la operación, el consumo
de potencia del molino se puede aumentar mediante el aumento del nivel de llenado
de mineral, el aumento de la velocidad de operación o combinando ambas.
• La primera aumenta la razón masa de mineral a masa de bolas (o bien
disminuye la densidad aparente de la carga interna), provocando la dilución de la
masa de bolas en la mayor masa de mineral, disminuyendo la capacidad de
molienda, lo que a la larga provoca una condición cercana al sobrellenado que el
operador salva bajando el nivel de llenado (por lo tanto bajando el consumo de
potencia).
• El segundo es más fácil de mantener, y por lo mismo "más seguro" desde el
punto de vista de las sobrecargas. Sin embargo, es el más peligroso para el
revestimiento y para la carga de bolas.
• La condición tercera, es la más difícil de lograr, especialmente debido a las
variaciones puntuales de las características de la alimentación (granulometría y
moliendabilidad o "dureza").
i) "La molienda primaria (molino semiautógeno) debe tener mayor potencia instalada
que la molienda secundaria (molinos de bolas)". La base de utilización del molino
semiautógeno era que reemplazaba a las etapas de chancado secundario y terciario
y la molienda de barras. Sin embargo, el crecimiento de los molinos de bolas, en
diseño y operación, desplazó las etapas de remplazo del molino semiautógeno sólo
a las etapas de chancado secundario y terciario. Ello motivó un fuerte cambio en la
distribución de potencia que hoy se observa, ya sea en el diseño de circuitos nuevos
o bien en la implementación de molinos de bolas adicionales en las plantas
existentes. La condición actual dice que la potencia instalada en la molienda
secundaria debe ser mayor a la potencia instalada en la molienda primaria.
j) "Los levantadores (lifters) son parte del revestimiento cuyo objetivo es proteger el
molino". Hoy es claro que los levantadores además de ser "revestimientos" son
elementos claves en las características operacionales del molino. Por ello no son un
"problema de mantención" solamente sino que deben ser diseñados combinando
requerimientos de disponibilidad del molino (duración y tiempos de cambio de
revestimientos) y de operación (parámetros que controlan el movimiento de carga,
tales como nivel de llenado de bolas, tamaño de bolas, nivel de llenado de carga,

4
 velocidad, etc.). El aumento del ángulo del levantador (de 7 a 30°), provoca una
disminución de la capacidad de levante de la carga, los tamaños de partícula
mayores tienden a segregarse más en el centro del molino y disminuye los eventos
de impacto sobre el pie de carga, asegurando la disponibilidad del molino. A la vez
es posible subir el nivel de llenado de bolas, subiendo la densidad aparente de la
carga interna, con lo que se logra aumentar la "capacidad de molienda del molino".
k) "El número de levantadores en el cilindro es 2 veces el diámetro del molino en pies
(5 grados de separación)". Esta definición proviene, tal vez, de lo definido en la
década del 50 para Jos molinos de barras. Se implemento durante muchos años a
los molinos semiautógenos hasta que se hizo relevante el efecto del ángulo del
levantador al observar el movimiento de la carga interna. Al aumentar el ángulo de la
cara de ataque, la base del levantador se hace más gruesa por lo que ocupa mayor
espacio de la placa. Cuando el molino tiene capacidad de girar en ambos sentidos,
el ancho de la base crece aún más. Lamentablemente la distribución de agujeros
para pernos limita la determinación de un nuevo número de levantadores, siendo lo
más común observar en la práctica su disminución a la mitad.
1) "Las parrillas de descarga retienen los medios de molienda (metálicos y naturales) al
interior del molino". Al analizar el rol que juega la parrilla de descarga, se encuentra
que además de retener los medios de molienda debe presentar otras características
que son importantes para la operación del molino, tales como asegurar una
densidad óptima de la carga interna (adecuada relación entre el nivel de llenado de
bolas y el nivel de llenado de mineral), de modo que haya correspondencia entre el
consumo de energía y la acción de molienda, sin que la pulpa se torne
excesivamente viscosa. Esto implica que su diseño debe permitir:
• tener una capacidad de evacuación de pulpa acorde a la capacidad de
procesamiento de mineral del molino
• mantener un adecuado nivel de bolas al interior del molino
• mantener un adecuado nivel de llenado de carga interna al interior del molino
• generar un tamaño y flujo de pebbles adecuado para su recirculación directa o
tratamiento a través de etapas de chancado de pebbles
• generar una curva granulométrica de producto final adecuada para la etapa
posterior
Asociado a Jo anterior se debe tener presente que:
• A mayor abertura de slot, más difícil es mantener el nivel de llenado de carga del
molino, con lo que se aumenta la densidad aparente de la carga interna (mayor
proporción de bolas a mineral)
• A mayor abertura de slot, se debería operar a concentraciones de sólidos más
altos en la descarga del molino (esto es disminuir el flujo de agua y de esta forma
la capacidad de transporte de pulpa, dando mayor tiempo de residencia al
mineral para asegurar una buena eficiencia de molienda)
• A mayor abertura de slot, se debe utilizar un tamaño de bola mayor en la recarga
(de manera de aumentar su vida útil al interior del molino).

5
 Sin embargo, el primer y tercer puntos presentan los pro y contras de los cambios
en el diseño de las parrillas: una mayor abertura de slot genera un aumento de la
capacidad de evacuación, mayor generación de pebbles, disminución del nivel de
llenado de carga interna y disminución de la vida útil del medio de molienda
metálico, al lograr atravesar la parrilla en menor tiempo. Para compensar este último
punto se debe aumentar el tamaño de bola en la recarga , por lo que se tiene un
molino trabajando con una menor cantidad de mineral en su interior con bolas de
mayor tamaño. Esto aumenta el riesgo de golpes directo de bolas con las corazas y
con las parrillas del molino, aumentando el riesgo de quiebre de estos componentes.
m) "El control automático debe asegurar la estabilización de la operación del molino
semiautógeno". El control automático tradicional se centra en aspectos de masa y
energía. Se busca maximizar el suministro de energía sin sobrepasar el límite de
capacidad del motor y mantener el peso del molino dentro de un cierto rango. Hoy
día este control es claramente insuficiente. No sólo preocupa controlar la cantidad
de energía suministrada, sino el aprovechamiento de ella a través de un adecuado
movimiento de carga. No sólo interesa el peso de la carga sino su composición,
expresada a través de la densidad aparente y la distribución de tamaños. La
viscosidad de pulpa es todavía mayoritariamente una variable controlada en lazo
abierto. Una de las dificultades mayores con que se enfrenta el desarrollo de
sistemas de control más robustos, que abarquen el amplio espectro de alternativas
que se presentan durante la operación del molino es el carácter fuertemente
multivariable del proceso. Actualmente hay una serie de nuevos sistemas de
instrumentación que están en pleno desarrollo para satisfacer nuevas necesidades
de información de la operación del molino y que puedan integrarse a sistemas de
control de mayor fortaleza. Es claro que los requerimientos de control automático no
sólo deben ser estabilizantes sino que deben apuntar a ser optimizantes.

CONCLUSIONES

La operación de un molino semiautógeno presenta una condición fuertemente

multivariable, lo que se debe tener en cuenta al revisar el análisis de la evolución de
cada una de las variables indicadas anteriormente. El cambio experimentado por cada
una de ellas, afecta fuertemente a las otras, por lo que los resultados observados tienen
muchas explicaciones de acuerdo al grado de importancia que el lector da a cada
variable.
A pesar de lo anterior y sin dejar de tenerlo presente, se puede dar conclusiones
generales frente a lo observado en los últimos años. Hoy:
• No resulta relevante preocuparse de alcanzar la condición de máxima potencia en la
operación del molino como un valor en sí
• La granulometría de alimentación debe ser la menor posible de lograr, ya sea a
través de la optimización de la tronadura y/o la operación del chancado primario.
Adicional a esto, las plantas que cuentan con etapas de prechancado, postulan a
alimentar el molino sin fracciones gruesas y con la menor fracción de tamaño
intermedio posible

6
 • Todos los circuitos de molienda semiautógena deberían tener chancado de pebbles,
ya sea para reducir los tamaños críticos naturales o bien los generados en base al
aumento de la abertura de la parrilla de descarga
• El nivel de llenado de bolas busca ser lo más alto posible, sin arriesgar la integridad
estructural del molino y sus descansos.
• El tamaño de bola de recarga se ha estabilizado en 5 plg, debido a que resulta un
buen balance para la menor granulometría de alimentación, el alto nivel de bolas y el
tamaño de las aberturas de las parrillas con que se trabaja
• El ángulo del levantador debe ubicarse en torno a los 25° (de acuerdo al movimiento
de carga requerido y las características del perfil de desgaste observado), lo que
permite trabajar con velocidades mayores sin arriesgar a generar impacto directo
sobre el revestimiento, pero no tan altas que la segregación neutralice el efecto de
los medios de molienda de mayor tamaño
• El número de levantadores ha disminuido encontrándose como condición más
aceptada un número igual al diámetro del molino en pies
• El tamaño de abertura de las parrillas ha evolucionado en torno a las 2 plg
• El área libre de evacuación de las parrillas de descarga ha evolucionado
fuertemente hacia valores mayores. Cuando ha ido acompañado de un aumento de
la abertura se ha logrado fuertes impactos en la capacidad de procesamiento,
asociado al aumento del flujo de pebbles
• El nivel de llenado de mineral tiende a ser más bajo debido a que se opera con
niveles de llenado de bolas más altos, granulometrías de alimentación menores y
aberturas y áreas libres de parrillas mayores.
• De acuerdo a la tendencia observada en los últimos años, la idea original de que el
molino semiautógeno reemplaza las etapas de chancado secundario y terciario
además de la molienda de barras, se ve reducida a reemplazar la etapa de
chancado terciario
• O bien, se puede decir que el molino semiautógeno se ha transformado lentamente
en un molino unitario de grandes proporciones, que debido a los altos flujos de
mineral que procesa debe estar asociado a una etapa de molienda fina
• Como última pregunta, ¿son su geometría, resistencia estructural y capacidad de
sustentación del sistema de lubricación las más apropiadas para este nuevo
servicio?

7
 ANÁLISIS Y DISCUSIÓN DE VARIABLES DE OPERACIÓN DE CIRCUITOS DE
MOLIENDA SEMIAUTÓGENA
G. Titichoca 1, L. Magne 1
, D. Baeza 2
1
Departamento de Ingeniería Metalúrgica, Universidad de Santiago de Chile
2
Superintendencia Ingeniería de Procesos, Gerencia Plantas, División El Teniente Codelco Chile

RESUMEN

Los circuitos de molienda semiautógena son hoy en día una de las alternativas más
utilizadas en el campo de la reducción de tamaño de minerales debido a que presentan
ventajas comparativas tales como su alta capacidad de procesamiento a un menor
requerimiento de espacio físico, así como también una disminución asociada a los costos
de inversión y mantención de una menor cantidad de equipos con respecto a un circuito
convencional. Sin embargo, estos equipos gigantes presentan una mayor complejidad
tanto en su operación como en su control.
En el presente artículo se analizan algunas de las principales variables de operación
involucradas en el proceso de molienda semiautógena, discutiendo cómo la variabilidad
que presentan durante la operación se pueden interpretar y comprender, relacionándolos
con los fenómenos propios y asociados al proceso.

1. INTRODUCCIÓN

La operación de molinos semiautógenos ha evolucionado de acuerdo con el crecimiento

de los molinos y sus capacidades de procesamiento: el primer molino semiautógeno
que se instaló en Chile fue de 28 x 15 pies (12.5 pies EGL) con una capacidad de
diseño de 13,000 tpd (Area Los Bronces de Disputada de Las Condes, 1981), mientras
que el último equipo que entró en operación (Minera Escondida, 2003) es de 38 x 22.5
pies (20 pies EGL) con una capacidad de diseño de 110,000 tpd.
Sin embargo, el desarrollo tecnológico que ha permitido este avance no ha sido
acompañado por la adecuada interpretación de todos los fenómenos que están
presentes en estos equipos "gigantes". Es así como, es frecuente encontrar diferentes
operadores de una planta (y generalmente todo el personal asociado a un turno de
operación respecto a otro), con interpretaciones disímiles para un mismo evento
ocurrido durante la operación de los molinos semiautógenos, en particular, y de la
planta en forma general.
Así también, a través del tiempo se han desarrollado conceptos asociados a la
operación y control de estos equipos en base a las variables respuesta, obviando una
rigidez conceptual que hoy comienza a ser cada vez más relevante.
Una visión más adecuada para analizar la operación de un molino semiautógeno es a
través de la caracterización del movimiento de la carga interna del molino, Figura 1, y
de las variables que lo afectan.
La capacidad de levante de la carga, y por lo tanto la distribución de energía en la carga
interna del molino, depende no sólo de las características de los revestimientos, Figura
2a, sino también de la velocidad a la que opera el molino, Figura 2b, y más aún de la
granulometría de la carga interna y de su concentración de sólidos. No se debe dejar de
tener en cuenta que a su vez, el "diseño" del revestimiento se modifica
permanentemente desde su instalación hasta que es retirado al cumplir su vida útil.

catarata
Cascada

p:¡e de la
aatr:Qa

Figura 1. Caracterización del movimiento de la carga interna de un molino rotatorio.

Trayectorias de ,caida Trayectoria de caída

l$

a b

Figura 2. Variaciones en el movimiento de la carga interna del molino en función del

diseño del revestimiento y de la velocidad de operación [1].
 2. Molienda Semiautógena Versus Molienda Convencional
De acuerdo con el estado actual de la tecnología de molienda, si se toman las debidas
precauciones durante el diseño, la gran mayoría de las menas minerales se adaptan al
procesamiento tanto por molienda semiautógena como convencional. La selección de una
u otra configuración en la mayoría de los casos depende de consideraciones más bien
económicas que técnicas de proceso. Las razones que explican el importante crecimiento
experimentado por los molinos semiautógenos en los últimos años, son principalmente:
• bajos costos totales de operación obtenidos en comparación con la molienda
convencional
• necesidad creciente de procesar mayores cantidades de material, por causa de la
baja en las leyes
• tienen la capacidad de procesar el material producto de un chancado primario, tanto
en su condición autógena como semiautógena, simplificando significativamente los
requerimientos en la etapa de chancado
• disminuyen los consumos de medios de molienda (y por lo tanto costos de
importancia por este concepto).
Sin embargo, las ventajas de proceso y mantención que presentan los simples circuitos
de molienda basados en grandes molinos semiautógenos seguidos de molinos de
bolas, comienzan a experimentar una evolución inversa, al incorporar en una primera
etapa trituradoras de pebbles (generando a su vez rechazos cada vez más grandes
debido al aumento de las aberturas de las parrillas de descarga), continuando con la
implementación de etapas de pretrituración y preclasificación.

3. VARIABLES DE OPERACIÓN EN MOLINOS SEMIAUTÓGENOS

La experiencia acumulada a la fecha, ha permitido evolucionar en la concepción del

diseño y operación de plantas de molienda semiautógena. De esta forma, si se definen
las variables que afectan a la operación de un molino semiautógeno, es posible
identificar las siguientes:
• Tipo de mineral que se procesa (tipo de roca, condición in-situ, grado de alteración,
características de fracturas), lo que está asociado al sector de la mina que se esté
procesando, en muchos casos identificados como unidades geológicas (UG).
• Características de la tronadura, definidas en base al tipo de explosivo, el factor de
carga y la malla de tronadura que se utiliza de manera de obtener un adecuado
grado de fragmentación de la roca , y así optimizar y minimizar el costo de las
operaciones posteriores (carguío, transporte, chancado y molienda).
• Operación del chancado primario, en base a la abertura de descarga (close side
setting) y vida útil del revestimiento y en algunos casos en la forma en que es
alimentado. Los conceptos iniciales de la molienda semiautógena indicaban que la
alimentación fresca debía contener una gran proporción de partículas sobre 1O plg,
cuya función era proporcionar medios de molienda adicionales al proceso. Por ello,
el chancado primario debía operar con la mayor abertura de descarga posible. Hoy
 en día, la tendencia indica exactamente lo contrario, privilegiando la operación a la
menor abertura de descarga factible de operar.
• Condiciones del stock pile al momento de operar el molino, incluso llegando a
situaciones en que resulta relevante si está llegando mineral al stock o no. Ambas
condiciones afectan tanto el flujo como la granulometría de alimentación al molino
semiautógeno.
• Producto de la segregación natural que se produce tanto en los stock pile como en
las tolvas de acopio, Figura 3, pasan a ser relevantes el o los alimentadores que se
utilizan para extraer el mineral, la velocidad de cada uno de ellos y condición del
stock pile o tolva sobre el alimentador en uso .

..
___.....
~-
· ~·
. . .
.·

:8 b

Figura 3. Esquema de la segregación producida en un stock pile (a) y en una tolva (b).

• En molienda convencional, el lndice de Trabajo de Bond permite explicar

variaciones en la capacidad de procesamiento de un circuito, sin embargo, en la
operación de un molino semiautógeno este índice no predice correctamente el
efecto de cambios de dureza en su capacidad de procesamiento. Sin embargo, se
ha determinado que el SPI (SAG Power lndex) es un buen indicativo del consumo
específico de energía del molino SAG [2].

• No obstante, hoy se reconoce que las variaciones de la granulometría de

alimentación resultan más relevantes que la dureza del mineral en la capacidad de
procesamiento de un molino semiautógeno.
• El flujo de agua en la alimentación, que define la concentración de sólidos en peso
en la descarga del molino, permitiendo controlar la viscosidad (capacidad de
transporte) de la pulpa al interior del molino.
• La velocidad de operación del molino, condicionado en muchos casos por las
características de diseño de los levantadores, el tamaño del medio de molienda
usado y las características granulométricas de la alimentación [1 ]. En general la
velocidad de operación del molino es una de las variables que presenta mayor
efecto en el control de la operación del molino semiautógeno, sin embargo su
variación siempre está supeditada al nivel de llenado de carga total, sobre el cual en
la mayoría de las plantas aún existe un grado de incerteza bastante grande.
• Hoy en día, la mayoría de los molinos semiautógenos tienen incorporado un sensor
que mide el nivel de ruidos global generado por el molino en movimiento, esta señal
en algunas plantas industriales es utilizado como una variable de control limitando
ya sea la velocidad de operación del molino y/o el flujo de alimentación a éste, sin
embargo, en este sentido resulta importante discriminar el nivel de impactos
producto del golpe metal-metal del golpe mineral-metal generado sobre el
revestimiento. Desde este punto de vista, el lmpactómetro, desarrollado por las
Universidades Técnica Federico Santa María y de Santiago de Chile y FFE Minerals,
ha permitido incorporar una señal con mayor información para el control operacional
del molino. El lmpactómetro es un sistema que detecta y mide en forma altamente
selectiva los impactos sobre el revestimiento mediante micrófonos y procesadores
digitales de señales (DSP) operando en línea. La señal de salida es la base de
referencia para integrar a sistemas de control la velocidad del molino, manteniendo
el número de impactos en el rango adecuado por debajo de un umbral de peligro,
con lo que se puede lograr un óptimo movimiento de la carga y aprovechamiento de
la energía. Asociado a un adecuado diseño del revestimiento permite lograr aún
mejores resultados [3]
• El tamaño de los medios de molienda, considerando que bolas de tamaño mayor
aportan mayor peso, que se transforma en un nivel de impacto mayor, versus
tamaños de bolas menores que implican un mayor número de bolas con una mayor
área superficial para el movimiento relativo en la carga interna. La Figura 4 muestra
la distribución de energía generada en la carga interna de un molino semiautógeno,
obtenido por simulación del movimiento de carga a través del Método de Elementos
Discretos. Se puede observar que las partículas con mayor energía son las que se
encuentran en vuelo cercanas a impactar la carga en la zona del pie (partículas en
color rojo), mientras que las de menor energía se encuentran en la franja central del
riñón de carga (partículas en azul). Sin embargo, la mayor proporción de la carga se
encuentra con niveles de energía intermedia, sometidas principalmente a esfuerzos
de compresión. Por otro lado, la decisión del tamaño de bola a usar, también debe
estar en concordancia con el tamaño de la abertura de la parrilla de descarga [4],
debido a que para regular la tasa de desgaste de bolas será necesario agregar
tamaños de bola mayores al trabajar con aberturas de parrilla mayores.
Figura 4. Policromática que muestra los niveles de energía a los que están
sometidos los elementos de la carga interna de un molino semiautógeno.
Azul indica menor energía y rojo indica mayor energía.
• El nivel de medios de molienda a sufrido una variación importante a través del
tiempo. Originalmente se consideraba que un molino semiautógeno debería trabajar
con niveles de bolas de 8 a 10%. Posteriormente, el crecimiento de los molinos y la
necesidad de procesar mayores flujos de mineral llevaron a trabajar con niveles de
10 a 14%. Actualmente, la tendencia en diferentes plantas es a trabajar con niveles
de 13 a 15%. En este punto no se debe dejar de tener presente que en las
condiciones de diseño del molino se ha considerado una determinada masa de
bolas en la carga interna, con la que se definen las características estructurales del
molino y de sus descansos, así como las características del sistema de lubricación
de los descansos.
• El nivel de carga interna total, que al contrario del nivel de medios de molienda ha
evolucionado en forma inversa, encontrándose actualmente molinos que operan con
niveles de carga total de 20%. Se ha llegado a esta condición debido principalmente
a:
• Optimización de las operaciones de tronadura en la mina, generando mineral
más fino y con la mayor cantidad de fallas, como son grietas y fracturas internas
• Operación del chancado primario con la menor abertura de descarga factible de
utilizar, lo que genera una granulometría de alimentación menor con un menor
aporte de partículas gruesas al molino
• Trabajar con mayores niveles de bolas, lo que produce una mayor capacidad de
molienda, lo que asociado a los puntos anteriores mantiene una carga más fina
al interior del molino
 • Trabajar con aberturas de parrilla más grandes, lo que provoca la generación de
una mayor proporción de pebbles y de mayor tamaño, producto de la mayor
capacidad de evacuación en la descarga.
Asociado a lo anterior, se encuentra la evolución de otros aspectos del sistema que han
permitido mejorar tanto temas operacionales como teóricos de la molienda
semiautógena. Entre estos se cuenta:
• La incorporación generalizada del chancado de pebbles a los diferentes circuitos en
operación. Esto ha permitido aumentar la abertura de la parrilla de descarga del
molino, incorporando potencia adicional con un triturador de pebbles (además de
mejor eficiencia), lo que permite un aumento en la capacidad de procesamiento del
circuito.
• La confirmación práctica de que la granulometría de alimentación es una variable
fuertemente incidente en la capacidad de procesamiento del molino semiautógeno y,
por lo tanto, de la planta, ha permitido evaluar alternativas de preclasificar la
alimentación y controlar de manera más adecuada sus características
granulométricas, como también implementar etapas de pretrituración, de esta forma,
existen tres alternativas de aplicación práctica:
1. Preclasificación del mineral, Figura 5a. En esta alternativa, la alimentación total (o
parcial) del molino semiautógeno es alimentado a uno o más harneros vibratorios
que permiten obtener tres productos:
• un producto grueso (normalmente sobre 6 plg)
• un producto intermedio (normalmente en el rango de 2 a 6 plg)
• un producto fino (normalmente menor a 2 plg)
El producto intermedio, intervalo granulométrico de más difícil reducción de tamaño
al interior del molino semiautógeno, es retirado del circuito.
2. Prechancado del mineral, Figura 5b. En esta alternativa, la alimentación total (o
parcial) del molino semiautógeno es alimentado a uno o más trituradores de cono
estándar, cuyo producto es alimentado al molino semiautógeno.
3. Preclasificación y pretrituración del mineral, Figura 5c. Esta alternativa constituye
una combinación de las dos anteriores, ya que el producto intermedio (o intermedio
más grueso) de la preclasificación, es triturado antes de ser alimentado al molino
semiautógeno.
 a b

Figura 5. Esquema de circuitos modificados de molienda semiautógena.

• La interpretación adecuada del movimiento de la carga del molino y su incidencia en

los fenómenos de reducción de tamaños, ha llevado a modificaciones importantes
en los conceptos de diseño de revestimientos. A partir de los primeros intentos de
prueba de levantadores con ángulo de ataque de 28° en el molino semiautógeno de
El Teniente, en el año 1995, el diseño de los levantadores ha sufrido variaciones
tanto en el número como en las características del ángulo de ataque y altura [1].
• Una de las grandes incógnitas que han estado presentes en el desarrollo de la
molienda semiautógena, lo constituye la parrilla de descarga, tanto en área libre que
permita la evacuación de la pulpa desde el interior del molino como la abertura
adecuada que defina el tamaño del producto. Asociado a esto se tiene el problema
estructural que presenta este componente del molino, con los problemas que implica
la rotura de parrillas durante la operación del molino. Actualmente la tendencia es
aumentar tanto el área de evacuación como el tamaño de la abertura, logrando
maximizar la capacidad de procesamiento del molino semiautógeno, apoyado por la
trituración de los pebbles en la reducción de tamaños de los "tamaños críticos".
• Las condiciones básicas de operación de los molinos semiautógenos, indicaban
que, al igual que en la molienda convencional, el consumo de potencia debía ser el
máximo posible, lo cual se buscaba operando con altos niveles de carga interna
(condicionado a niveles de llenado de bolas menores, 10 a 12%). A esta situación se
agrega en forma permanente la posibilidad de sobrecarga del molino, por lo cual
 resulta típico el accionar en base a las curvas de potencia y curvas de presión en los
descansos, como un indicativo del nivel de llenado de la carga. Posteriormente
surge la incógnita permanente del nivel de llenado de bolas en el molino, lo que lleva
a discutir la veracidad de la información inferida respecto al nivel de llenado de
carga con que se opera [5]. Esto hace discutible la relación directa que se atribuye a
la presión en los descansos y el nivel de llenado de carga, debido a que la presión
de inyección de aceite al descanso no sólo representa variaciones en el peso de la
carga interna, sino también de otras condiciones del sistema de lubricación y del
lubricante (teniendo que considerarse además la pérdida de peso de los
revestimientos durante su vida útil), de la velocidad de operación del molino y del
real nivel de bolas que hay en el molino. Por otro lado, son pocos los molinos
semiautógenos que tienen celdas de carga en los descansos, además que en
muchos de los que lo tienen ya no funcionan adecuadamente. Desde este punto de
vista, el SAG-Analyzer, desarrollado por las Universidades de Santiago de Chile y
Técnica Federico Santa María y FFE Minerals, permite contar con la inferencia del
nivel de llenado de carga total del molino, así como su composición de carga de
bolas y colpas de mineral en línea, con un alto grado de precisión [5]. El SAG-
Analyzer es un sistema que detecta las posición de la carga interna (a través de la
detección del hombro y pie de la carga) y junto a variables de proceso determina el
nivel de llenado de carga interna y el nivel de llenado de bolas.
• Asociado a lo anterior, un factor de gran importancia, pocas veces considerado, es
el operador, que cambia radicalmente de turno a turno y en forma paulatina durante
el turno mismo. Se deben considerar como parte del proceso sus capacidades, las
motivaciones puntuales y proyectadas a futuro, los temores por experiencias
negativas propias o de terceros, el manejo de información y la calidad de ésta y de
manera fundamental los paradigmas que tiene presente consiente o
inconsientemente.

4. Agradecimientos
Los autores agradecen al Fondo de Fomento al Desarrollo Científico y Tecnológico
(FONDEF) de la Comisión Nacional de Investigaciones Científicas y Tecnológicas, su
financiamiento a través de los proyectos D98i1087 y D02i1077, a la Universidad de
Santiago de Chile y a la División El Teniente de Codelco Chile, por la oportunidad
brindada para realizar investigación tecnológica, el análisis de las características de
operación de plantas de molienda semiautógena y la comprensión de los fenómenos
asociados al proceso.

5. Referencias
1. Valderrama W, Magne L, 1995, "Revestimiento de Molinos", V Encuentro Minero de
la Región de Tarapacá, lquique Chile.
2. Baeza D, Magne L, Titichoca G, 2003, "lnternalización en Codelco Chile División El
Teniente del Test de Starkey para la Determinación del Consumo Específico de
 Energía en Molienda Semiautógena", XXV Convención Internacional de Minería
AIMMGM, A.C., Acapulco, México.
3. Magne L, Valderrama W, Pontt J, 2001, "remas Actuales en Molienda
Semiautógena", Wokshop SAG'2001, Viña del Mar, Chile.
4. Magne L, Titichoca G, Baeza D, 2003, "Análisis de Parrillas de Descarga de Molinos
Semiautógenos", XXV Convención Internacional de Minería AIMMGM, A.C.,
Acapulco, México.
5. Magne L, 2002, "SAG Analyzer: Sistema de Medición en Línea del Nivel de Llenado
Volumétrico de Molinos Semiautógenos", Proyecto Fondef D9811087 "Desarrollo de
Nueva Instrumentación para Plantas de Molienda Semiautógena, Chile.
 ANÁLISIS DE PARRILLAS DE DESCARGA DE MOLINOS SEMIAUTÓGENOS
L. Magne 1 , G. Titichoca \ D. Baeza 2
1
Departamento de Ingeniería Metalúrgica, Universidad de Santiago de Chile
2
Superintendencia Ingeniería de Procesos, Gerencia Plantas, División El Teniente Codelco Chile

Resumen
La capacidad de procesamiento de mineral de un molino semiautógeno está
directamente relacionada con la capacidad de reducción de tamaños de la cámara de
molienda y la capacidad de evacuación que tenga la parrilla de descarga y los
levantadores de pulpa.
Al analizar el rol que juega la parrilla de descarga, se encuentra que además de definir
el tamaño de producto que será expulsado del molino y el flujo de pulpa que puede
atravesar a través de ella, también genera importantes impactos sobre la disponibilidad
del molino, debido a que está expuesta al desgaste abrasivo por parte de la pulpa que
la atraviesa y a la fractura al quedar expuestas a la compresión y al impacto de la carga
de bolas de la carga interna.
De esta forma estas piezas deben presentar características geométricas que cumplan
con las expectativas de evacuación de diseño y una resistencia estructural que permita
su utilización continua a lo largo de su vida útil. El análisis que se realiza en este
artículo está orientado a describir y comprender el rol que cumplen las parrillas de
descarga en la operación de molinos semiautógenos industriales.

1. Caracterización Física de un Molino Semiautógeno

Los molinos autógenos y semiautógenos se caracterizan por el uso de una parrilla de
descarga, cuyo objetivo básico es retener al interior del equipo los medios de molienda,
tanto colpas de mineral como medios metálicos. De esta forma, el mineral alimentado al
molino puede ser descargado sólo una vez que ha sido reducido a un tamaño menor
que las aberturas de la parrilla.
Actualmente, existen en operación industrial parrillas con aberturas de% a 3 plg y con
diferentes configuraciones. Desde un punto de vista práctico, se considera que la
parrilla de descarga actúa como un clasificador del material que puede salir del molino.
En general la caracterización física de los molinos de molienda semiautógena, permite
dividir el molino en dos zonas principales, según el proceso que tiene lugar en ellas,
Figura 1. En la primera, se define como la cámara de molienda, donde ocurre el proceso
de molienda y el transporte de masa; mientras que en la segunda, que se define como
cámara de descarga, se verifica la clasificación por la parrilla interna y la posterior
evacuación del material como producto final mediante los alzadores de pulpa (pulp lifters)
[1].
De esta forma, el proceso se puede describir de la siguiente forma: las partículas
alimentadas al molino ingresan a la cámara de molienda, cuyo producto enfrenta a la
 parrilla interna, donde, de acuerdo a una probabilidad de clasificación, las partículas
pueden permanecer en la cámara de molienda o formar parte del flujo de descarga, ya
sea que éstas haya o no atravesado la parrilla.

Alintentación F

Figura 1. Representación esquemática de la caracterización del proceso de molienda

semiautógena. (1) Molino real ; (2) Cámara de molienda; (3) Parrilla interna. F
y P son la alimentación y producto del molino, respectivamente, F* y P* son
los flujos de alimentación y producto de la cámara de molienda, y T es el
flujo de recirculación de material que no atraviesa la parrilla [2].

2. El Sistema de Descarga de un Molino Semiautógeno

Para mantener una operación continua, el sistema de evacuación de pulpa de un
molino semiautógeno debe ser diseñado de tal forma que no limite la capacidad de
procesamiento del molino. El sistema de descarga está formado por:
• la parrilla interna, que deja pasar el agua y el mineral que tiene un tamaño menor a
la abertura de la parrilla y
• los alzadores de pulpa (pulp lifters), que reciben la pulpa que atraviesa la parrilla y
la evacuan ayudados por el giro del molino.
En general, los componentes de la tapa de descarga, Figura 2a, son considerados parte
de los revestimientos de un molino semiautógeno, debido a que son piezas que también
están sometidas a desgaste y tienen una vida útil que queda definida por las
características propias de la parrilla y de las condiciones de operación del molino [3].
Sin embargo, la zona que conforma la parrilla de descarga tiene un rol que está mucho
más allá que lo que implica el hecho de ser piezas sometidas al desgaste.
Los alzadores de pulpa, Figura 2b, son elementos con un volumen adecuado a la
capacidad de procesamiento del molino, se encuentran inmediatamente tras la parrilla y
su objetivo es retener la pulpa una vez que atraviesa la parrilla y posteriormente, al girar
el molino, levantarla para permitir su evacuación a través del muñón de descarga.
Tienen forma cónica, con la parte más ancha tras la parrilla y se adelgaza hacia el
centro del molino, en el punto donde descarga la pulpa. Por lo tanto, el punto de
descarga también representa un punto importante de tener en cuenta, pues no debe ser
 limitante para que la descarga de pulpa sea fluida y eficiente. La vida útil de estas
piezas es muy superior a las parrillas, que se encuentran en contacto directo con la
carga interna, y en muchos casos se revisten con goma.
Desde la perspectiva del transporte de masa, la carga interna del molino, la parrilla y los
levantadores de pulpa conforman un sistema conectado en serie. Por lo tanto, la
capacidad de flujo está determinado por la etapa que resulte crítica. El diseño debe ser
tal que en ningún momento los levantadores de pulpa sean paso crítico, y que la
capacidad de flujo a través de la parrilla aproximadamente coincida con la del material a
través de la carga (fino que ingresa al molino y fino que se genera por molienda). Un
exceso de capacidad de evacuación de la parrilla dificulta la mantención de un llenado
de carga interna estable y eleva el daño al revestimiento en general y a las propias
parrillas en particular. Un déficit por el contrario disminuye la capacidad del molino.

b
a

Figura 2. a. Tapa de descarga de un molino semiautógeno; b. Alzadores de pulpa.

De la Figura 2a se puede observar que el diseño de la parrilla considera dos parámetros

importantes del punto de vista de la operación del molino:
- Area libre, que se define como el área de agujeros en la tapa de descarga o también
como el porcentaje del área total de la tapa de descarga que se encuentra como
agujeros o slots, y
Tamaño de la abertura del slot, que se define como la menor dimensión del slots,
Figura 3.
Estos parámetros proporcionan la capacidad de evacuación de pulpa desde el interior del
nolino hacia los cajones que forman los alzadores de pulpa .
Figura 3. Slot de parrilla de molino semiautógeno.

3. La Parrilla de Descarga
El área de evacuación de las parrillas de los molinos semiautógenos se define en la
etapa de diseño, en base a la capacidad necesaria de evacuación del flujo de
procesamiento (mineral y agua) necesarios para las condiciones en que ha sido
concebido el equipo. Esta capacidad de evacuación debe ser distribuida de acuerdo al
tamaño de la abertura de los slots y el área total de aberturas de la tapa de descarga.
Sin embargo, a medida que transcurre el tiempo de operación de la parrilla, la abertura
del slot y el área libre se van modificando de acuerdo a su diseño y a las condiciones de
operación:
• Inicialmente se produce una disminución de la abertura, y por lo tanto del área libre,
debido a la formación de "peening", que se produce por la fluencia del metal al ser
sometido a altas cargas de compresión (y en algunos casos de impacto) hacia la
zona de la abertura, Figura 4b. Para disminuir este efecto, se bisela el contorno
superior de la abertura, como se observa en la Figura 4a. Después de un tiempo
(para el caso mostrado en la Figura 4c, cercana a las 1000 horas de operación), el
slot presenta una abertura mínima, siendo el área libre de evacuación también
mínima [4].
• Posteriormente, aparece el desgaste abrasivo de la parrilla, producido por la fricción
que genera la pulpa que atraviesa, generando un aumento paulatino del slot de la
parrilla (y del área libre) hasta completar su vida útil.
De esta manera, es posible deducir que la capacidad de evacuación del molino varía
permanentemente, y con ello también se ve afectada:
• la capacidad de procesamiento del molino [4]
• el tamaño de producto que entrega el molino semiautógeno
• la capacidad de retener niveles de carga interna especificados [5]
 • la velocidad de operación del molino, desde el punto de vista de su efecto en la
capacidad de evacuación y de las condiciones de movimiento de carga interna para
evitar daños por la carga de bolas
• la tasa de desgaste de los medios de molienda, considerando que el tamaño de
rechazo de bolas varía con la abertura del slot [6]
Todo esto indica que las condiciones de la parrilla deben ser consideradas para definir
los parámetros operacionales del molino.

a b
. -~------------,
-'3.2 · ,.,--

Figura 4. Variación de la abertura del slot de parrillas de molino semiautógeno a través

del tiempo de operación [4].

4. Eficiencia de Clasificación de la Parrilla Interna

Analizando el proceso que ocurre en la parrilla interna, parte del flujo es clasificado de
acuerdo a una eficiencia por tamaños dependiente de la geometría del clasificador y las
condiciones de operación del molino, la otra parte del flujo (tamaños mayores que la
abertura de la parrilla), retorna a la cámara de molienda. Es posible que una segunda
clasificación se produzca en el sistema de evacuación debido a que no toda la carga de
material que ha logrado llegar a los alzadores de pulpa, es evacuada hacia el exterior;
parte de ella atraviesa la parrilla nuevamente para retornar a la cámara de molienda. El
fenómeno de reinserción de pulpa a la cámara de molienda descrito, es un planteamiento
producto del análisis de los datos experimentales de ensayos realizados en un molino
semiautógeno piloto y explica la existencia de un mínimo local en la curva de clasificación
interna obtenida con resultados experimentales [1].
Los resultados obtenidos a escala piloto indican que la curva de eficiencia de clasificación
interna es similar a las que se obtienen para hidrociclones, pero con una distorsión
característica en las vecindades del tamaño de abertura de la parrilla interna. En el caso
estudiado, la parrilla tiene una abertura de 12 mm, y según se observa en las gráficas de
la Figura 5, se obtiene una distorsión en la curva en las inmediaciones de los 1O mm. La
Figura 5a muestra los resultados obtenidos al variar la concentración de sólidos en la
descarga del molino y la Figura 5b las curvas de clasificación para diferentes flujos de
alimentación. Es claro que ambas variables influyen notablemente sobre la curva de
clasificación de la parrilla, lo que a su vez, se reflejó fuertemente en el nivel de llenado
de carga obtenido para cada situación.

·~·· r-;::::::::=::;:::;----p
¡r,.....,...,._-¡
"{~ 11;.;6 ,.;.u..
- •:..e~ a.
-..--~-ú~
A -~ ~ t·~
--.-~:Z}~
- - -~ -f ~;

Figura 5. Curvas de clasificación característica de la parrilla interna de un molino

semiautógeno piloto (6 x 3 pies): a. Diferentes concentraciones de sólidos en
la descarga; b. Diferentes flujos de alimentación al molino [1].

5. Diseño de la Parrilla Interna

De acuerdo con la definición de operación óptima de un molino semiautógeno, el diseño
de la parrilla debe asegurar una densidad óptima de la carga interna (adecuada relación
entre el nivel de llenado de bolas y el nivel de llenado de mineral), de modo que haya
correspondencia entre el consumo de energía y la acción de molienda, y sin que la
pulpa se torne excesivamente viscosa. Este diseño debe permitir:
• Tener una capacidad de evacuación acorde a la capacidad de procesamiento de
mineral del molino
• Mantener un adecuado nivel de bolas al interior del molino
• Mantener un adecuado nivel de llenado de carga interna al interior del molino
• Generar un tamaño y flujo de pebbles adecuado para su recirculación directa o
tratamiento a través de trituradores de cono
• Generar una curva granulométrica de producto final adecuada para la etapa
posterior.
Asociado a lo anterior se debe tener presente que:
a. A mayor abertura de slot, más difícil es mantener el nivel de llenado de carga interna
del molino, con lo que se aumenta la densidad de la carga interna (mayor relación
entre el nivel de llenado de bolas y el nivel de llenado de mineral) [7]
 b. A mayor abertura de slot, se debería operar a concentraciones de sólidos más altos
en la descarga del molino (esto es disminuir el flujo de agua y de esta forma la
capacidad de transporte de pulpa, dando mayor tiempo de residencia al mineral para
asegurar una buena eficiencia de molienda)
c. A mayor abertura de slot, se debe utilizar un tamaño de bola mayor en la recarga (de
manera de aumentar su vida útil al interior del molino).
Sin embargo, los puntos a y e presentan los pro y contras de los cambios en el diseño
de las parrillas: Una mayor abertura de slot genera un aumento de la capacidad de
procesamiento, mayor generación de pebbles, disminución del nivel de llenado de carga
interna y disminución de la vida útil del medio de molienda metálico. Para compensar
este último punto se debe aumentar el tamaño de bola en la recarga, por lo que se tiene
un molino trabajando con una menor cantidad de mineral en su interior con bolas de
mayor tamaño. Esto aumenta el riesgo de golpes directo de bolas con las corazas y con
las parrillas del molino, aumentando el riesgo de quiebre de cada uno de estos
componentes, Figura 6.

Figura 6. Quiebre de parrillas y de la carga de bolas por condiciones de operación no

adecuadas.

Por lo tanto, el diseño de las parrillas debe tener en cuenta el alto grado de compresión
y las oportunidades de impacto a las que está sometido durante la operación. Es
posible prevenir circunstancias extremas de quiebre de parrillas debido a los esfuerzos
a los que están sometidas estas piezas a través del análisis estructural vía Método de
Elementos Finitos (MEF), previo a su utilización. La Figura ?a muestra un esquema de
las condiciones de borde a las que está sometida una parrilla.
 ----n~~;;;-i~'"'~~ ~~~
. . ~' . ~<J,
·,. 'j~.~~[~~-~;;;;.,~
Figura 7. a. Restricciones aplicadas en la modelación MEF de las parrillas; b.
Esquema de modelo de fuerzas aplicadas sobre la parrilla de descarga.

Los estudios realizados a la fecha han permitido desarrollar un modelo completo de

fuerzas que actúan sobre la parrilla, considerando cuatro diferentes tipos de cargas,
Figura 7b:
• Fuerza Hidrostática ejercida por la carga interna del molino
• Aceleración Vertical (Av) generada por el movimiento rotatorio del molino y que
tiende a expulsar radialmente la carga interna hacia el manto cilíndrico y las tapas
por su posición oblicua
• Aceleración Horizontal (AH) generada por el movimiento rotatorio del molino y que al
empujar radialmente la carga y que al encontrarse con el manto cilíndrico, ésta
tiende a presionar las tapas de alimentación y descarga
• Carga Normal (AN) que representa la compresión que ejerce la carga interna sobre
la parrilla en forma normal.

La Figura 8 presenta un ejemplo de tensiones generadas en la tapa y munon de

descarga del molino semiautógeno al aplicar el modelo de fuerzas. Los esfuerzos
observados repercuten fuertemente en la parrilla debido a que se presenta como una
pieza con singularidades preferencia les para concentrar esfuerzos, como son los slots y
su geometría.
 '~illiTI:OI<ttot,_l~"''(.
&.11~L <;;U'tfrt-.1!i wt:ttl
.C .:J:l!;o.,.V

Figura 8. Ejemplo de tensiones observadas en la tapa y muñón de descarga del

molino semiautógeno.

Las figuras siguientes muestran ejemplos de resultados obtenidos en el análisis

estructural de parrillas previo a su utilización en planta. Por ejemplo, en la Figura 9 es
posible observar que el efecto de la presión hidrostática prevalece en la zona central de
la parrilla, concentrándose esfuerzos principalmente en la parte posterior de la parrilla,
donde los nervios que lo definen son más delgados. En la Figura 1O se observa que las
tensiones generadas por la aceleración vertical se concentran en la parte baja de la
parrilla, en la unión de los nervios de los slots. A su vez, el campo de tensiones
obtenido a partir de la aplicación de fuerzas generadas por la aceleración horizontal y
esfuerzos normales, se observan en las Figuras 11 y 12.

P~ute S1;!pertor Parte posterior

Figura 9. Ejemplo de resultados de tensiones observadas por la aplicación de

presión hidrostática en una parrilla de descarga.
 Parte superior Parte posterior

Figura 1O. Ejemplo de resultados de tensiones observadas por la aplicación de

fuerzas de aceleración vertical en una parrilla de descarga.

Parte superior Parte posterior

Figura 11. Ejemplo de resultados de tensiones observadas por la aplicación de

fuerzas de aceleración horizontal en una parrilla de descarga.

parte supelior Parte posterior

 Figura 12. Ejemplo de resultados de tensiones observadas por la aparrc1on de
esfuerzos normales resultantes de la aplicación de las diferentes fuerzas
en una parrilla de descarga.

El diseño de la parrilla de descarga es definido inicialmente por el fabricante del molino.

Posteriormente, de acuerdo a la experiencia, se realizan modificaciones orientadas a
reforzar zonas que sufren fractura y/o aumentos de volumen en lugares que presentan
mayor desgaste. A la fecha, no hay un criterio definido para calcular el tamaño de
agujeros y el área total de agujeros.
La Figura 13 muestra gráficamente como varía la capacidad de evacuación de mineral a
través de la parrilla de descarga para pulpas con diferentes concentraciones de sólidos,
de acuerdo al área libre que presenta, de acuerdo a lo indicado por Barrat [8], para
molinos semiautógenos de 36 a 38 pies de diámetro.

4200........-----------------------,
I
o.. 4000"'
l?c2%Sólid~ ~ .~
1-
eh .~
.
o 3800 ,-
32 ~ 168%Sólidos 1
:0 ·3600 /~
~ .~
U)

3400
/ .~~·
~- .~ - ~·· 1 65% S~
3200-

3000 .~ ~ .--------
28'00-
.~
~··- ~ -~
2600 . ~· ·
.. ~· .
24:00+-,_,.--.-...,-.,........--,--.-........---.--.-.,.....,--.--,--..,......,--,--.-..,......,--.--,-!
6.0 '62 6.4 6':6 6.8 7.0 7.2 7.4 7:6 7.8 .C-:0 8;2 8..4
2
Ar-ea Libre Parrilfa, m

Figura 13. Capacidad de evacuación de la parrilla en función del área libre y

diferentes concentraciones de sólido de la pulpa.

Sin embargo, ocurren otros eventos, como por ejemplo el taponamiento de gran parte
del área libre de la parrilla con bolas, lo que repercute en la capacidad de evacuación
que presenta la parrilla. Esto puede ocurrir por diferentes motivos, donde los más
frecuentes son:
• Mala calidad del tratamiento térmico de la bola, con generación de núcleos de bolas
blandos. Esto provoca que al llegar a tamaños cercanos a la abertura de la parrilla,
las fuerzas de compresión presentes las introducen en los slots a modo de cuñas
 • Inadecuado perfil del slot de la parrilla, el cual debe tener una pendiente adecuada
para permitir el paso de las bolas que puedan ingresar al slot hacia los alzadores de
pulpa.

6. Conclusiones
Es claro que la capacidad de procesamiento de mineral de un molino semiautógeno
está directamente relacionado con la capacidad de evacuación que tenga la parrilla de
descarga y los levantadores de pulpa.
Para el caso de las parrillas, la capacidad de evacuación depende directamente de las
características definidas a través del tamaño del slot y del área libre con que se
diseñen.
El tamaño del slot no sólo define el tamaño de producto que será expulsado del molino,
sino que afecta directamente a las condiciones de operación del molino, debido a su
variabilidad en el tiempo, la capacidad de retener niveles adecuados de carga interna y
controlar el tamaño de bola que permanece en el molino. También, indirectamente tiene
injerencia en el tamaño de bola de recarga que se debe agregar al molino.
Además, la parrilla debe presentar características geométricas que cumplan con las
expectativas de clasificación del mineral que puede salir del molino, capacidad de
evacuación que no limite la operación del molino y le permita una vida útil adecuada.
Por ello se debe tener la seguridad de la resistencia estructural que presentará a los
diferentes esfuerzos a los que está sometido cuando el molino se encuentra en
operación.
Como conclusión general se puede indicar que la parrilla del molino semiautógeno no
sólo es una parte de los revestimientos como pieza de desgaste sino que cumple un
papel importante en la perfomance del molino, tanto en eficiencia de molienda como en
capacidad de procesamiento.

7. Agradecimientos
Los autores agradecen al Fondo de Fomento al Desarrollo Científico y Tecnológico
(Fondef) de la Comisión Nacional de Investigaciones Científicas y Tecnológicas, su
financiamiento a través de los Proyectos D9811087 y D0211077, a la Universidad de
Santiago de Chile y a la División El Teniente de Codelco Chile, por la oportunidad
brindada para realizar investigación tecnológica, el análisis de las características de
operación de plantas de molienda semiautógena y la comprensión de los fenómenos
asociados al proceso.

8. Referencias
1. Magne L, 1999, "Estudio del Transporte de Masa en Molinos Semiautógenos", Tesis
Doctorado en Ciencias de la Ingeniería Mención Metalurgia Extractiva, Universidad
de Concepción.
2. Magne L, Améstica R, Barría J, Menacho J, 1995, "Modelización Dinámica de
Molienda Semiautógena Basado en un Modelo Fenomenológico Simplificado",
Revista de Metalurgia, Consejo Superior de Investigaciones Científicas, Centro
Nacional de Investigaciones Metalúrgicas, Madrid, España. Vol. 31, N°2.
3. Valderrama W, Magne L, 1995, "Revestimiento de Molinos", V Encuentro Minero de
la Región de Tarapacá, !quique Chile.
4. Bassaure F, Titichoca G, 1999, "Evolución del Diseño de Parrillas Utilizadas en el
Molino Semiautógeno de Compañía Minera Candelaria", Workshop SAG'99, Viña del
Mar, Chile.
5. Magne L, Titichoca G, Velásquez C, 2001, "Operación de Plantas de Molienda
Semiautógena: Una Dura Realidad Parte 3: Variables de Proceso", VI Southern
Hemisphere Meeting on Mineral Technology, Río de Janeiro, Brasil.
6. Magne L, Valderrama W, Bassaure F, Titichoca G, 1998, "Nivel de Llenado de Bolas
en Molinos Semiautógenos", 49 Convención del Instituto de Ingenieros de Minas de
Chile, Viña del Mar, Chile.
7. Magne L, Valderrama W, Titichoca G, Velásquez C, 2000, "Operación de Plantas de
Molienda Semiautógena: Una Dura Realidad", 111 Simposium Internacional de
Mineralurgia, Lima, Perú.
8. Barratt, DJ, 1992, "Design of Pebble Crushing Circuit", SME Annual Meeting
Phoenix, Arizona, Estados Unidos.
 Predicción de potencia y torque en Molienda Semiautógena mediante
Redes Neuronales

*Karina Carvajal Cuello

klcarvajal@diinf.usach.cl
*Eugenia González Jiménez
*Gonzalo Acuña
**Luis Magne
*Departamento de Ingeniería Informática
**Departamento de Ingeniería Metalúrgica
Facultad de Ingeniería
Universidad de Santiago de Chile

Resumen
En el presente trabajo se elabora un modelo predictivo para el proceso de molienda semiautógena de una
importante planta de procesamiento de minerales del país. El modelamiento se realiza mediante el uso de redes
neuronales con recurrencia externa. Los datos utilizados para entrenamiento y prueba provienen de varios sensores
incorporados en dicho proceso de molienda. Las variables predichas son la potencia y el torque. Los resultados
obtenidos son satisfactorios, pues las predicciones a partir de condiciones iniciales arrojaron índices de adecuación
mayores a 0.9 tanto para el torque como para la potencia.

Palabras Claves: Redes Neuronales, Modelamiento Dinámico de Sistemas, Molienda Semiautógena

l. Introducción

Existen distintos modelos para la representación de sistemas que también sirven para predecir y pronosticar su
evolución en el tiempo. Entre ellos se pueden mencionar: modelos fenomenológicos, de caja gris y de caja negra,
como las redes neuronales artificiales. Las redes neuronales artificiales son herramientas matemáticas que simulan
ciertas capacidades del cerebro humano como la habilidad de "adquirir conocimiento". Por esta razón, son aplicables
en tareas donde no hay reglas bien definidas como es el caso del análisis financiero, mercadotecnia, procesamiento
de señales, automatización y robótica, reconocimiento de patrones o clasificación. Muchas veces el modelamiento
tradicional de un sistema se hace más difícil de realizar debido a que el sistema del mundo real es muy complejo, por
lo tanto, se deben buscar otras alternativas que permitan modelar estos sistemas, siendo una de estas alternativas las
redes neuronales [9].
En el presente trabajo, las redes neuronales son aplicadas en la predicción de la potencia y el torque en el
proceso de molienda semiautógena (SAG), debido a que estas variables influyen en la eficiencia del proceso. En un
primer trabajo [1) se obtuvieron resultados satisfactorios referente a ciertos aspectos del modelamiento de este
proceso. En él se utilizaron datos simulados mediante un modelo fenomenológico existente que describe el proceso
de fractura de las colpas de mineral en dichos molinos. En dicho trabajo se realizó la predicción del tamaño de las
colpas de mineral que salen del molino. Sin embargo, en esta ocasión se cuenta con datos de planta del proceso tales
como: tonelaje fresco, porcentaje de ingreso al molino de distintos tipos de granulometría definidos en finos, gruesos
e intermedios, flujo de agua al molino, nivel de llenado de carga interna en el molino, potencia consumida,
velocidad de rotación, torque, presión en los descansos y flujo de material recirculado [2). Por otra parte, no existe un
modelo fenomenológico que permita predecir la evolución del torque y la potencia, incluyendo todas estas variables.
Por ese motivo las redes neuronales surgen como herramientas para lograr tal propósito y su utilización para realizar
esta predicción es el objetivo del presente trabajo.
Este trabajo se divide en las siguientes secciones: descripción del proceso de molienda semiautógena,
modelamiento mediante redes neuronales, resultados obtenidos y conclusiones.
 11. Descripción del proceso de Molienda Semiautógeno
El objetivo de los Procesos de Concentración en minería es recuperar las partículas de especies valiosas (cobre,
oro, plata, etc.), que se encuentran en las rocas mineralizadas. El proceso de concentración se divide en tres fases:
Chancado, Molienda y Flotación (3].
En el proceso de molienda se continúa reduciendo el tamaño de las partículas que provienen del chancado, para
obtener una granulometría máxima de 180 micrones (0,18 mm). El proceso de la molienda se realiza utilizando
grandes equipos giratorios o molinos de forma cilíndrica, en dos formas diferentes: molienda convencional o
molienda SAG.
La molienda convencional se realiza en dos etapas, utilizando molino de barras y de bolas, respectivamente, y el
material que ingresa a estos molinos proviene del chancado terciario. En los molinos de barras el elemento de
molienda son barras de acero de 3,5 pulgadas de diámetro y en los molinos de bolas son bolas de acero de 3,5
pulgadas de diámetro.
Los molinos SAG (Semiautogenous Grinding) son equipos de mayores dimensiones y más eficientes que los
anteriores. La palabra autógena indica que la molienda ocurre debido a la propia acción de caída de las colpas de
minerales desde una altura cercana al diámetro del molino. La molienda SAG es una variación del proceso de
molienda autógena y en ella se adicionan medios de molienda metálicos al molino, cuyo nivel volumétrico de
llenado varía de 4 a 14% del volumen del molino (ver figura 1). El mineral se recibe directamente desde el chancado
primario con un tamaño cercano a 8 pulgadas. Este material es reducido gracias a la acción del mismo material
mineralizado presente en partículas de variados tamaños y por la acción de numerosas bolas de acero, de 5 pulgadas
de diámetro (4].
La selección de una configuración convencional o semiautógena, en la mayoría de los casos, depende de
consideraciones más bien económicas que técnicas, ya que el crecimiento experimentado por los molinos
semiautógenos se debe principalmente a los bajos costos totales de estos. El costo de capital de un circuito
semiautógeno es aproximadamente un 80% del costo de capital de un circuito convencional en el rango de
capacidades de 50.000 t/d. Por otra parte, el costo de operación del circuito semiautógeno es alrededor del 85% del
convencional [5].
En el futuro próximo la molienda semiautógena seguirá aumentando en cantidad y variedad de aplicaciones, por
lo que la modelación computacional será utilizada intensamente para fines de mejorar el diseño, optimizar y
controlar la operación.

Corte transversal

Producto

Figura l . Esquema del molino SAG- Vista externa e interna. [4]

En la operación de estos molinos se busca trabajar en condiciones que impliquen el máximo consumo de
potencia instalada. Pero esto implica trabajar en un punto de operación inestable ya que un aumento en el nivel de
llenado del molino más allá del punto de consumo máximo conduce a una condición de sobrellenado de éste (ver
figura 2).
 12~------------------------~
11

~ 10
.. 9
·¡¡
=
~
8
~ 7
6
5+---~-----r----~--~----~
0,055 0,15 0,23 0,305 0,38 0,45
Nivel de llenado total, %

Figura 2. Variación típica del consumo de potencia con el nivel volumétrico de llenado total del molino. [4]

Además, debe tenerse en cuenta que el valor de potencia máxima que puede consumir un molino semiautógeno
no es constante y depende principalmente de la densidad de la carga interna, la distribución de tamaños de la
alimentación y del estado del revestimiento. El nivel de llenado de la carga interna que corresponde al máximo
consumo de potencia está relacionado con el nivel de llenado de medios de molienda y el movimiento de la carga
interna. Por ello, los operadores de circuito de molienda semiautógena deben intentar conjugar estos factores para
lograr, primero estabilizar la operación y posteriormente buscar su mejoramiento [4].

111. Modelamiento mediante redes neuronales

Si bien existen modelos fenomenológicos que representan el balance de masas dentro del molino, éste no
involucra todas las variables que participan en el proceso de molienda. Por otro lado, existen ecuaciones que
predicen la potencia en molienda SAG, pero tampoco involucran todas las variables del proceso [10]. El uso de las
redes neuronales es una alternativa para crear un modelo que involucre todas estas variables.
Para realizar el modelamiento de este proceso dinámico debería utilizarse una red de recurrencia interna. Sin
embargo, Nerrand et. al define la forma canónica de una red neuronal, la que permite transformar cualquier red con
recurrencia interna en una red con recurrencia externa [7]. Por lo tanto, se emplea una red con recurrencia externa
constituida por una capa de entrada, una capa oculta y una capa de salida con función de transferencia logarítmica
sigmoide en todas las capas.

Potencia t
Torque t
Finos 1
Intermedios 1
Gruesos 1
Agua al Molino 1 Torque t+I
Nivel Llenado 1
Velocidad 1
Tonelaje Recirculación 1
Presión Descansos 1

Figura 3. Arquitectura de la red.

 De este modo, la arquitectura del modelo neuronal utilizada se muestra en la figura 3 y contempla como
variables de entrada a diez variables del proceso de molienda SAG (variables de control): flujo de alimentación
fresca, porcentaje de ingreso al molino de distintos tipos de granulometría definidos en finos, gruesos e intermedios,
flujo de agua al molino, nivel de llenado de carga interna del molino, potencia, velocidad, torque, presión en los
descansos y flujo de material de recirculación. Las variables de estado corresponden a la potencia y el torque.
Los datos de entrada se normalizaron entre O y 1. El entrenamiento se llevó a cabo mediante un algoritmo de
retropropagación del error del tipo quasi-Newton. Partiendo de la base de la red obtenida en un trabajo anterior [1] se
modifican principalmente las neuronas de la capa oculta y el número de épocas. Para el entrenamiento y prueba de la
red se utilizaron 1200 datos respectivamente. Los datos de prueba se utilizaron para encontrar el mejor modelo
neuronal. Este modelo se basó en las siguientes características:

Número de capas ocultas = 1

Neuronas capa oculta = 10
Función de transferencia = logarítmica sigmoide en ambas capas
Algoritmo de entrenamiento =algoritmo de retropopagación quasi-Newton (trainbfg)
Número de épocas = 100-120
Número de entradas = 10

IV. Análisis de Resultados

Para evaluar el modelo se utilizaron datos diferentes a los que se utilizaron para diseñarlo. Los resultados se
obtuvieron utilizando un conjunto de validación de 1200 datos, totalmente distinto al de prueba y al de
entrenamiento, y son comparados utilizando los índices de error correspondientes al Error Cuadrático Medio (RMS),
el Error Residual Estándar (RSD) y el Índice de Adecuación (IA), los cuales se indican a continuación [6]:

I(o¡- Pi Y
RMS= i-1 RSD= i=L

N
lA =1 - 1
--'-i=-'-- - - -

i~o¡'i +lp¡'IY
i=l

Donde O¡ y p ¡ son lo valores predichos y observados, respectivamente, en el tiempo i, y N es el número total

de datos • p 1.'= p.1 -o m y o r.'= o. -o m , siendo om
1
el valor medio de las observaciones.
La figuras 4 y 5 muestran los resultados obtenidos por el modelo neuronal MPO (Model Predicter Output) y las
salidas deseadas para las variables de potencia y torque, respectivamente. MPO simula todos los valores del conjunto
de datos a partir de valores iniciales [8].
 Pr~iéCJón, ~e 18 pprtencia

0.9

-Salida real
- Salida modelo

Figura 4. Salidas deseada y del modelo neuronal con respecto a la potencia.

Datos de prueba

P~lc'cióo del Torque

0.9

.
"'
!0.6

0.5

0.4

03

0.20
~

Figura 5. Salidas deseada y del modelo neuronal con respecto al torque.

Datos de prueba

La tabla 1 muestra el resultado de los índices obtenidos por medio de las pruebas del modelo neuronal.

Tabla l . Resumen de los índices de error del modelo neuronal

Potencia Torque
lA 0.9886 0.9822
RMS 0.0591 0.0661
RSD 0.0448 0.0712

Dados los resultados expuestos anteriormente se puede apreciar que el modelo neuronal logra predecir en un
98% tanto la potencia como el torque.
 V. Conclusiones
Este trabajo ha permitido comprobar la eficiencia de predicción mediante redes neuronales, de distintas variables
presentes en el proceso de molienda de minerales en molinos SAO, en este caso, el torque y la potencia. Los
resultados obtenidos demuestran la capacidad de las redes neuronales de generalizar y de esta forma modelar
sistemas complejos dinámicos no lineales, a través de un conjunto de datos establecidos.
En el modelamiento se utilizó una red recurrente con algoritmo de entrenamiento de retropropagación quasi-
Newton y función de transferencia logarítmica sigmoide, requiriéndose de los datos en un tiempo anterior para
predecir la salida. Este modelamiento neuronal dinámico se implementó entrenando una red neuronal en forma
estática con recurrencia externa (forma canónica) para luego simular la dinámica del sistema prediciendo la
evolución sólo a partir de condiciones iniciales.
Los resultados entregados por el modelo neuronal, por sí sólo son aceptables, pues un modelo aceptable es aquel
con un índice de adecuación (ia) mayor a 0.9 y un error cuadrático menor a 0.1, lo que indica una predicción muy
cercana al valor real. Por lo tanto, esta experiencia demuestra que el uso de redes neuronales en la predicción de
valores de variables de control en un proceso complejo es una alternativa viable.

Agradecimientos.
Proyecto Fondecyt 1010179 y Proyecto FondefD98Il087.

VI. Referencias

[1] González E., Carvajal K, Acuña G, "Modelamiento del Proceso de Molienda Semiautógena a Través de Redes
Neuronales", Jornadas Chilenas de Computación, 2002.

[2] Magne L, Titichoca G, Velásquez Claudia, "Operación de Plantas de Molienda: Una dura Realidad Parte 3:
Variables de Proceso", VI SHMMT/XVIII ENTMME, Río de Janeiro/Brasil, 2001.

[3] http://www.codelcochile.com/.. ./procesos.html. Sitio Web de la empresa CODELCO sobre los procesos de
molienda de minerales.

[4] Luis Magne, Waldo Valderrama, Jorge Pontt, "Visión Conceptual y Estado de la Tecnología en Molienda
Semiautógena", Workshop SAG'99. Viña del Mar, 1999.

[5] Magne, L., Valderrama, W., "Operación y Mantención en Plantas de Molienda Semiautógena", Curso para
Profesionales, Universidad de Santiago de Chile, 1997.

[6] Díaz Muñoz Jorge Andrés, "Modelo Predictivo para la Transferencia de Materia y Calor en un Proceso de
Congelamiento de Alimentos Utilizando Redes Neuronales", Tesis de Ingeniería Civil en Informática, Universidad
de Santiago de Chile, 1999.

[7] Nerrand O., Roussel-Ragot P., Personnaz L., Dreyfuz G., Marcos S., "Neural Networks and Non-linear
Adaptative Filtering: Unizying Concepts and New Algorithms", Neural Computation, 1993, vol. 5, n°2, pp. 165-199.

[8] Billings S.A., Jamaluddin H. B. y Chen S., "Propierties ofNeural Network with Applications to Modeling Non-
linear Dynamical System", Int. J. Control, 1992, vol. 55, n° 1, 193-224.

[9] S. Chen, S.A. Billings, P.M. Grant, "Non-linear System ldentification Using Neural Networks", Int. J. Control,
vol. 51. N° 6, pag 1191-1214, 1990.

[10] Magne L., Valderrama W., Bassaure F., Titichoca G., ''Nivel de Llenado de Bolas en Molienda Semiautógena",
49" Convención, Instituto de Ingenieros de Minas de Chile, Viña del Mar, 1998.
 ESTIMADOR DE HORIZONTE MÓVIL NEURONAL EN MOLIENDA SEMIAUTÓGENA

Karina Carvajal, Gonzalo Acuña, Luis Magne, Francisco Cubillos

Universidad de Santiago de Chile, USA CH. Facultad de Ingeniería

Avda. Ecuador 3659. Santiago. Chile
{k/carvajal. qacunal @ diinf.usach.c/

Resumen: La carencia de sensores para medir en línea y tiempo real variables de estado y
parámetros relevantes de un proceso, hacen difícil el desarrollo de métodos de control y
optimización automático confiables para procesos no-lineales complejos. En este trabajo
se presenta un método de Estimación de Estados de Horizonte Móvil (MHSE) acoplado a
una red neuronal como modelo dinámico del sistema complejo. La aplicación del MHSE
neuronal sobre un proceso de molienda semiautógena de minerales muestra resultados
promisorios (índice adecuación > 0,9) que favorecerían su aplicación en procesos a escala
industrial. Copyright© 2004 IFAC

Palabras claves: molienda semiautógena, estimador de horizonte móvil, redes neuronales,

sistemas dinámicos.

l. INTRODUCCIÓN molienda SAO. Se aprovecha así la capacidad de las

En la molienda SemiAutógena (SAO) de minerales
las condiciones de operación óptima de los molinos,
estrechamente relacionadas con algunas variables de
entrada relevantes como velocidad del molino,
distribución de tamaños de las partículas de entrada,
concentración de la pulpa y consumo de potencia,
dependen fuertemente de la correcta determinación
en línea de las variables de estado relevantes del
proceso. Desafortunadamente, las condiciones que
imperan dentro del molino SAO dificultan la
obtención de estas medidas en línea y tiempo real, lo
que es especialmente crítico para el caso de la
variable "nivel de carga interna" o "nivel de llenado".
Los sensores virtuales (software-sensors) han
probado ser una herramienta poderosa en la
determinación de variables de estado no medibles
(Soroush, 1998). En general para este tipo de
sensores es necesario contar con apropiados modelos
dinámicos que den cuenta de la evolución de las
variables de estado relevantes. En el caso de la
molienda semiautógena, ha habido esfuerzos previos
por desarrollar un modelo fenomenológico de
balance de masas para en el molino (Magne et al.,
1995). Este modelo explica el transporte de masa a
escala piloto. Aunque los resultados obtenidos son
buenos, su complejidad hace difícil llevarlo a escala
industrial a fin de abordar problemas de optimización
y control.
En este trabajo se propone el desarrollo de un
estimador de la variable de estado, "nivel de carga
interna". Este estimador corresponde a un Estimador
de Horizonte Móvil, que ha probado ser muy efectivo
y simple de operar en procesos industriales (Valdés-
Oonzáles et al. , 2003). En esta ocasión el modelo
dinámico que sirve para el funcionamiento del
estimador es una red neuronal de recurrencia externa,
la que permite aproximar la evolución de ciertas
variables de estado del proceso dinámico no-lineal de
redes neuronales de aproximar funciones no lineales
complejas con una precisión arbitraria (Hornik et al.
1989).
Este trabajo se divide en las siguientes secciones: una
breve descripción del proceso de molienda SAO, el
modelo neuronal utilizado, una definición de lo que
es un estimador de horizonte móvil, la metodología
empleada junto a los resultados obtenidos y las
conclusiones finales.
2. DESCRIPCIÓN DEL PROCESO DE
MOLIENDA SEMIAUTÓOENA
El objetivo de los Procesos de Concentración en
minería es recuperar las partículas de especies
valiosas (cobre, oro, plata, etc.), que se encuentran en
las rocas mineralizadas. El proceso de concentración
se divide en tres fases: Chancado, Molienda y
Flotación .
En el proceso de molienda se continúa reduciendo el
tamaño de las partículas que provienen del chancado,
para obtener una granulometría máxima de 180
micrones (0,18 mm). El proceso de la molienda se
realiza utilizando grandes equipos giratorios o
molinos de forma cilíndrica, en dos formas
diferentes: molienda convencional o molienda SAO.
En los molinos SAO, la molienda ocurre debido a la
propia acción de caída de las colpas de minerales
desde una altura cercana al diámetro del molino. La
molienda SAO es una variación del proceso de
molienda autógena y en ella se adicionan medios de
molienda metálicos al molino, cuyo nivel
volumétrico de llenado varía de 4 a 14% del volumen
del molino. El mineral se recibe directamente desde
el chancado primario con un tamaño cercano a 8
pulgadas. Este material es reducido gracias a la
acción del mismo material mineralizado presente en
partículas de variados tamaños y por la acción de
 numerosas bolas de acero, de 5 pulgadas de diámetro
(Magne et al., 1999).
12
ll
~ lO
~
9
·ie 8
ll
o Llenado ,. 1
Q.. 7
6
5 Fig. 2. Esquema neuronal para la predicción de finos
0,055 0,15 0,23 0,305 0,38 0,45
Nivel de llenado total, %
Fig. l. Variación típica del consumo de potencia con
el nivel volumétrico de llenado total del molino.
(Magne et al., 1999)
En la operación de estos molinos se busca trabajar en
condiciones que impliquen el máximo consumo de
potencia instalada. Pero esto implica trabajar en un
punto de operación inestable ya que un aumento en el
nivel de llenado del molino más allá del punto de
consumo máximo conduce a una condición de
sobrellenado de éste (figura 1).
Adicionalmente, debe tenerse en cuenta que el valor
de potencia máxima que puede consumir un molino
SAG no es constante y depende principalmente de la
densidad de la carga interna, la distribución de
tamaños de la alimentación y del estado del
revestimiento. El nivel de llenado de la carga interna
que corresponde al máximo consumo de potencia
está relacionado con el nivel de llenado de medios de
molienda y el movimiento de la carga interna. Por
ello, los operadores de circuito de molienda SAG
deben intentar conjugar estos factores para lograr,
primero estabilizar la operación y posteriormente
buscar su mejoramiento (Magne et al., 1999). De ahí
la importancia de que ellos cuenten con información
confiable y oportuna del nivel de llenado de la carga
interna.
3. MODELAMIENTO MEDIANTE REDES
NEURONALES
En el proceso de molienda SAG a modelar se
consideran dos variables de estado: el nivel de carga
interna -que es aquella variable que se desea estimar
en línea y tiempo real- y la proporción de
granulometría fina de entrada al molino. De esta
última variable se dispone de mediciones en línea y
tiempo real. Del nivel de carga interna se dispone de
datos proporcionados indirectamente a través del
torque que produce el movimiento de la carga en el
molino. Estos datos, si bien sirven para el
entrenamiento de la red neuronal, no se considerarán
disponibles a la hora de realizar las estimaciones.
Finos,
Finos t+I
Nivel Llenado ,
Tonelaje Fresco ,
~;-U'-1-"?ft--+ Nivel
Presión Descansos ,
y nivel de llenado (utilizado en el entrenamiento
de la red).
La presión en los descansos del eje del molino,
estrechamente relacionada con el nivel de carga
interna, se considera una variable solamente de
entrada al modelo en conjunto con el flujo de
alimentación fresca de mineral al molino. De ambas
se cuenta con mediciones en línea y tiempo real.
Para realizar el modelamiento de este proceso
dinámico se utiliza la forma canónica de una red
neuronal recurrente, pues ha sido demostrado que
cualquiera de estas redes puede ser transformada en
su forma canónica consistente en una red neuronal
estática con apropiadas recurrencias externas, factible
por lo tanto de ser entrenada usando el conocido
algoritmo de retropropagación del error (Nerrand et
al., 1993). Al cabo de varios entrenamientos, en los
cuales se cambió el número de capas ocultas, la
cantidad de neuronas en la capa oculta y algoritmos y
parámetros de aprendizaje, se optó por emplear una
red con recurrencia externa, constituida por una capa
de entrada, una capa oculta y una capa de salida con
función de transferencia logarítmica sigmoidal en
todas las capas.
Los datos usados en este trabajo provienen de varios
días de operación de un molino SAG a nivel
industrial. Luego de un preprocesamiento de los
datos, se seleccionaron casi 6000 puntos para
entrenar y validar el modelo neuronal, de los cuales
3500 se utilizaron para entrenamiento, 1500 como
datos de prueba para evitar sobreentrenamiento y los
restantes para validar el modelo. Se realizó una
veintena de entrenamientos a partir de pesos iniciales
aleatoriamente escogidos, de manera de escoger el
mejor mínimo local. El algoritmo de optimización
usado es el de quasi-Newton BFGS incluido en
Matlab. Los datos fueron normalizados entre Oy l.
La arquitectura de la red neuronal utilizada, se
muestra en la figura 2 .
 4. ESTIMADOR HORIZONTE MÓVIL
1 '•
En general los estimadores clásicos suponen un
J =- ¿ [r; - Y; ] 2
(3)
2;=lsh
modelo preciso del sistema, supuesto que, al no
poder ser satisfecho en la mayor parte de las
aplicaciones reales, se traduce en un error de la Siendo Y = [y sir , • • •, yk ]
7
la salida sobre el
estimación que suele incrementarse con el tiempo.
Adicionalmente y debido a la dificultad de incorporar
horizonte considerado, e Y
= [y sh , • •• , yk ] 7
las
en los métodos anteriores algunas restricciones estimaciones de la salida sobre dicho horizonte.
típicas de ambientes industriales, como muestreo
poco frecuente, respeto a leyes de conservación e El algoritmo MHSE puede resumirse en las
inigualdades y necesidad de recalibrar cada cierto siguientes sentencias:
tiempo la estimación a partir de mediciones l. Inicialización del vector de estados : Xsh
adecuadas, es que surgió una técnica de estimación 2. Búsqueda del vector de estados inicial óptimo:
adaptada de conceptos provenientes de métodos de
control predictivo. Es el llamado Estimador de x;h (mediante algún método de optimización)
Horizonte Móvil, MHSE (Allgower et al., 1999). 3. Cálculo de la solución al final del horizonte
(instante actual t k ): Xk
En síntesis, MHSE transforma un problema de
estimación dinámica de estados en un problema de 4. Retorno a la etapa 2 para efectuar el cálculo de
optimización estática, en el cual se busca el valor de xk+l , desplazando el horizonte en un paso.
un vector inicial al inicio de un horizonte de manera
de minimizar la diferencia entre la salida real del En el caso de sistemas complejos no-lineales el
sistema y la evolución de él dada por el modelo y sus problema de la optimización para determinar el
condiciones iniciales. Este principio es ilustrado en la vector de estados óptimo al inicio del horizonte no
figura siguiente (Figura 3). puede ser resuelto de manera analítica y es por esta
razón que se debe utilizar técnicas numéricas. Estas
pueden agruparse, grosso modo en técnicas clásicas o
·~·· ·- ------- -----·--------- .. heurísticas, dentro de las que se puede destacar

EJI1--- .
l Salidamedida :

aquellas local o globalmente convergentes

¡·j :- :• (Cherrualt, 1999). En este trabajo se utilizó una
.r
G( i,, )

E.rror ~
'
,
'
: Saliéa esUmada a
.
:
técnica local de optimización.
nicimilar : : partiT de :r.,. :
: : :
l ; ; ; ; Di fereociadd horizmtte
5. ESTIMADOR DE HORIZONTE MÓVIL
;;; : :Lo.,..,. dd H"""""</h : : doo>npooo
NEURONAL

\,.¡
Fig. 3: Representación esquemática del principio de
estimación utilizado por MHSE.
Un aspecto central en este método lo constituye la
minimización de una función objetivo o criterio
consistente en la suma de los errores de predicción de
la salida sobre un cierto horizonte de tiempo. Es
decir, MHSE busca el vector de estado, al inicio del
horizonte, que minimiza el criterio escogido.
Formalmente, si se tiene el modelo no lineal de un
sistema dado por:
tiempo
Para desarrollar un estimador de horizonte móvil
neuronal, en vez de utilizar el modelo
fenomenológico del proceso, se utilizó la red
neuronal previamente entrenada como modelo
dinámico del proceso (fig. 3) en la cual se realimenta
el valor de las variables de estado (fig. 4). Esta red
permite entonces estimar el valor de dichas variables
de estado al final del horizonte, a partir del valor
óptimo inicial de ellas, otorgado por el método de
horizonte móvil.
A continuación se muestra la metodología utilizada
en el desarrollo del estimador y los resultados
obtenidos.

x(t) = J(x(t), u(t)) 5.1 Descripción de la Metodología

(l)
y(t) = g(x(t))
El algoritmo de horizonte móvil utilizado es el
(2) siguiente:
MHSE busca determinar el vector, al inicio del 1.- Inicializar: MaxT, sh, lh
horizonte, que minimice un criterio, por ejemplo del
tipo: 2.- Mientras (sh+lh) $ MaxT
* Buscar el vector de estado inicial óptimo
utilizando optimización local.
 *Para cada punto a lo largo del horizonte f(o,- p,r (4)
i- 1
Obtener las variables de estado utilizando RMS=
el modelo neuronal de la figura 4 fo}
Avanzar en un paso. 1= 1

FinPara
*Almacenar los estados estimados.
i= 1
*Obtener las variables de estado utilizando RSD= (5)
el modelo neuronal de la figura 4 para N
buscar el próximo estado óptimo.
sh=sh+l
I (o;- pJ
lA=! i= l (6)
FinMientras
i= l

Donde O¡ y P; son lo valores predichos y

observados, respectivamente, en el tiempo i, y N es el
número total de datos. P; '= P; -O m y.

Finos

Finos 1
Finos ,. 1
Nivel Uenado 1
Tonelaje Fresco 1
....,._~-'--.... Nivel 500
Presión Descansos 1
Llenado t+I ~
400

300 -- 1- - - r - - - - ¡ - - - r· - - - ¡ - - - ,.. - - -¡- - -

l 1 1 1 L 1 1
Fig. 4. Esquema neuronal en la predicción de las 200
_ _ _1 _ _ _ L ___ t __ _ 1 __ _ 1 _ __ !_ __ _ t _ _ _
1 1 1 1 1 1 1
variables finos y nivel de llenado. 1 1 1
tOO ---,- -- r -- -,--- T- - -¡ - - - T- - - ¡-- -
1

El método de optimización utilizado es el incluido en o

o 100 200 300 400 500 600 700 800
la función fmincon de Matlab, el cual encuentra el Tiempo

valor mínimo de una función no lineal multivariable, Fig. 5. Salidas deseada y reales del estimador con
sujeta a restricciones. respecto a los finos.

La función a minimizar es la raíz cuadrada de la N iw:~ l de llenado

sumatoria de las diferencias entre los valores de finos

predichos por la red neuronal y los valores deseados
o experimentales. El método arroja los valores
iniciales de las variables de estado que minimizan
dicha función. 20 _ _ .} ___ !.,. _ __, ___ .!._ __ _ __ _ !_ __ _ • __ _
r 1 r 1 1 t

1
1s - - 1- - - r - - - , - - - r - - - ,- - - T-- -~-- -
5.2 Análisis de Resultados 1 1 1 1 1

10 - - -,-- - r - - , - - - r- - - - ¡- - - '- - - ¡- --
1 1 r 1 1 r 1
Para evaluar el funcionamiento del estimador se 1 1

utilizaron datos del conjunto de validación, diferentes S - - ~ -- - ~- - ~ --- ~---1- -- ~- -- 1 ---

1 1 1
a los que se utilizaron para diseñarlo. Tal como se
00~---.~00~~207
0 -~3L
00---4~00~~
50~
0 -~6L00-~7~00-~800
indicó anteriormente, se ocuparon 3500 datos de Tiempo
entrenamiento, 1500 datos de prueba y quedaron
entonces disponibles alrededor de 900 datos para Fig. 6. Salidas deseada y real del estimador con
realizar validación. respecto al nivel de llenado.

Las salidas referentes a la estimación y al valor
deseado son comparadas utilizando los índices de
error correspondientes al Error Cuadrático Medio
(RMS), el Error Residual Estándar (RSD) y el Índice
de Adecuación (lA), los cuales se muestran a
continuación (González et al., 2002):
O¡'= O¡ -O m , siendo Om el valor medio de las
observaciones.
La figuras 5 y 6 muestran los resultados obtenidos
por el estimador y las salidas deseadas para las
variables de finos y nivel de llenado,
respectivamente, para los datos incluidos en el
 conjunto de validación, es decir, no usados para el
entrenamiento y prueba del modelo neuronal.
La tabla 1 muestra el resultado de los índices
obtenidos por medio de las pruebas del método de
estimación de horizonte móvil neuronal.
Tabla l. Resumen de los índices de error del modelo
Finos Nivel de
llenado
lA 0.9778 0.9398
RMS 0.1558 0. 1221
RSD 0.0719 0.0738
De los resultados expuestos anteriormente se puede
apreciar que el estimador logra predecir en un 98% la
variable finos y en un 94% la variable nivel de
llenado, que es la variable de estado que se desea
estimar en línea y tiempo real.
6. CONCLUSIONES
A través de este trabajo se ha mostrado un Estimador
de Estados de Horizonte Móvil Neuronal, aplicado a
un proceso de molienda semiautógena, el que a través
de una optimización local busca valores óptimos de
las variables finos y nivel de llenado para
propagarlos a través de una red neuronal durante un
horizonte de tiempo determinado.
En el modelamiento del proceso se utilizó una red
estática con recurrencias externas, lo que permite
modelar un sistema dinámico. El algoritmo de
entrenamiento utilizado es el clásico de
retropropagación del gradiente con él método de
minimización de segundo orden quasi-Newton y
función de transferencia logarítmica sigmoide,
requiriéndose de los datos en un tiempo anterior t
para predecir la salida en un tiempo t+l. El modelo
neuronal dinámico obtenido permite la evolución del
sistema sólo a partir de condiciones iniciales.
Los resultados entregados por el estimador, son muy
satisfactorios dados el índice de adecuación (ia)
mayor a 0.9 y el error cuadrático menor a 0.1
obtenidos, lo que indica una predicción muy cercana
al valor real.
Debe destacarse que en este trabajo se demuestra la
posibilidad de complementar el método de Horizonte
Móvil, de creciente utilización en procesos
industriales, con las redes neuronales, establecidas
como modelos dinámicos, lo que permite potenciar
las ventajas de ambas metodologías en una aplicación
de suma importancia económica en nuestro país.
Asimismo, una vez consolidada la fusión de redes
neuronales con un estimador de horizonte móvil, el
estudio de dicho estimador con un modelo de caja
gris puede ofrecer interesantes perspectivas.
Agradecimientos. Proyectos FONDEF D0211 077 y
FONDECYT 1010179, Chile.
REFERENCIAS
Allgower F., Badgwell, T., Qin, J., Rawlings, J,
Wright S., (1999). Nonlinear predictive control
and moving horizon estimation - an introductory
overview, in Advances in Control Highlights of
ECC'99, Paul M . Frank (Ed.), Springer-Verlag,
Chapter 12, pp. 391-449.
Cherrualt, Y., (1999). Optimisation: méthodes locales
et globales, Presses Universitaires de France
(PUF), Collections mathématiques, France.
González E., Carvajal K, Acuña G, (2002),
Modelamiento del Proceso de Molienda
Semiautógena a Través de Redes Neuronales,
Actas en CD del Encuentro Chileno de
Computación, Copiapó, Chile, Noviembre 2002.
Hornik, K. , Stinchcombe, M. Y White, H., (1989),
Multilayer feddforward networks are universal
approximators, Neural Networks, 2:359-366
Magne L., Améstica R.,Barría J. y Menacho J.,
(1995). Dynamic modelling of semiautogenous
milling based on a simplified phenomenological
model, Rev. Metal. Madrid, 31(2):97- 105 (in
Spanish).
Magne, Luis, Waldo Valderrama, Jorge Pontt,
(1999). Visión Conceptual y Estado de la
Tecnología en Molienda Semiautógena,
Workshop SAG '99. Viña del Mar, Chile.
Nerrand 0., Roussel-Ragot P., Personnaz L., Dreyfuz
G., Marcos S., (1993), Neural Networks
and Non-linear Adaptative Filtering:
Unifying Concepts and New Algorithms,
Neural Computation, 5(2):165-199.
Soroush, M. (1998), State and parameter estimations
and their applications in process control,
Comput. Chem. Engng., 23:229-245.
Valdés-González, H., J-M. Flaus, G. Acuña, (2003),
Moving horizon state estimation with global
_convergence using interval techniques:
application to biotechnological processes,
Journal of Process Control, 13(4):325-336.
 Estimador de Tamaño de Colpas en Molienda Semiautógena
Utilizando Horizonte Móvil Neuronal

Karina Carvajal, Gonzalo Acuña, Francisco Cubillos, Luis Magne

Universidad de Santiago de Chile, Facultad de Ingeniería, Santiago, Chile
{klcarvajal;gacuna} @diinf usach.cl

Abstract
The development of a moving horizon estimator coupled with an externa! neural network acting as a dynamic model
of a semiautogenous grinding process is presented. A phenomenological model describing the evolution of size
particles was simulated using Matlab Simulink in order to have enough data for training the neural network and
validate the estimator performance. A gaussian noise was added to the variables in order to better simulate real
conditions. Good results for the estimation ofthe relevant variables are shown (adecuation index over 0,9).

Keywords: Dynamic Neural Networks, Moving Horizon State Estimator, Local Optimisation , Semiautogenous
Grinding

Resumen
En el presente trabajo se presenta el desarrollo de un estimador de horizonte móvil acoplado a una red neuronal de
recurrencia externa que hace las veces de modelo dinámico de un proceso de proceso de molienda semiautógena
Para el entrenamiento de la red neuronal y posterior utilización del estimador se hizo uso de datos simulados por un
programa realizado con la herramienta Simulink de Matlab confeccionado sobre la base de un modelo
fenomenológico existente que describe el proceso de fractura de las colpas de mineral en dichos molinos. Las
variables fueron contaminadas con ruido aditivo gaussiano para simular mejor el comportamiento real del proceso.
Los resultados de la estimación de las variables relevantes (tamaño de colpas) son satisfactorios con índices de
adecuación superiores a 0,9.

Palabras claves: Redes Neuronales Dinámicas, Estimación de Horizonte Móvil, Optimización Local, Molienda
Semiautógena
 1 Introducción
Los sensores virtuales (software-sensors) han probado ser una herramienta poderosa en la detenninación de
variables de estado no medibles [10). En general para este tipo de sensores es necesario contar con modelos
dinámicos apropiados, que den cuenta de la evolución de las variables de estado relevantes. Muchas de las técnicas
utilizadas en la implementación de sensores requieren modelos descriptivos bastante precisos del proceso, los que,
para el caso industrial, son dificiles de obtener. Adicionalmente ellas son exigentes en tiempo de desarrollo,
delicadas en cuanto a su calibración y puesta a punto y no consideran, en muchas ocasiones, modelos realistas de las
perturbaciones, propias de un medio industrial. Una buena alternativa para desarrollar modelos a partir de la
información de entrada-salida del proceso son las redes neuronales, entendidas como aproximadores universales de
funciones no-lineales [6].
El estimador de estado de horizonte móvil (MHSE-del inglés Moving Horizon State Estimation) es un enfoque en
donde se transforma un problema de estimación dinámica en otro de optimización no-lineal sobre un horizonte
temporal y se presenta como una alternativa para desarrollar técnicas de estimación que cumpla con las condiciones
en los procesos a escala industrial. Un aspecto central en este método lo constituye la minimización de una función
objetivo o criterio consistente en la suma de los errores de predicción de la salida sobre un cierto horizonte de
tiempo. Es decir, MHSE busca el vector de estado, al inicio del horizonte, que minimiza el criterio escogido.
En molienda semiautógena (SAG), ha habido esfuerzos previos por desarrollar un modelo fenomenológico de
balance de masas [8). Este modelo explica el transporte de masa a escala piloto dentro de un molino semiautógeno.
Aunque los resultados obtenidos son buenos, su complejidad hace dificil llevarlo a escala industrial a fin de abordar
problemas de optimización y control. Por lo que se propone el desarrollo de un estimador correspondiente a un
Estimador de Horizonte Móvil, que ha probado ser muy efectivo y simple de operar en procesos industriales [1 1].
En esta ocasión el modelo dinámico que sirve para el funcionamiento del estimador es una red neuronal de
recurrencia externa, la que permite aproximar la evolución de ciertas variables de estado del proceso dinámico no-
lineal de molienda SAG. Se aprovecha así la capacidad de las redes neuronales de aproximar funciones no lineales
complejas con una precisión arbitraria [4]. A partir del modelo fenomenológico apropiadamente implementado
utilizando el software Simulink de Matlab se generaron datos que sirvieron para el entrenamiento de la red neuronal.
Este trabajo se divide en las siguientes secciones: una breve descripción del proceso de molienda SAG, el modelo
neuronal utilizado, una definición de lo que es un estimador de horizonte móvil, la metodología empleada junto a los
resultados obtenidos y las conclusiones finales.

2 Molienda Semiautógena
El objetivo de los Procesos de Concentración en minería es recuperar las partículas de especies valiosas (cobre, oro,
plata, etc.), que se encuentran en las rocas mineralizadas. El proceso de concentración se divide en tres fases:
Chancado, Molienda y Flotación .
En la molienda autógena actual (AG), rocas de hasta 8 pulgadas o más son alimentadas a un molino cilíndrico, cuyo
diámetro es 2 a 3 veces su largo. La palabra autógena indica que la molienda ocurre debido a la propia acción de
caída de las colpas minerales desde una altura cercana al diámetro del molino. La molienda semiautógena es una
variación del proceso de molienda autógena y en ella se adicionan medios de molienda metálicos al molino, cuyo
volumétrico de llenado varía de 4 a 14% del volumen del molino, como se muestra en la figura l.

Corte t:ran~ersal

Figura 1. Esquema del molino SAG - Vista externa e interna.

En la operación de estos molinos se busca trabajar en condiciones que impliquen el máximo co~sumo de potencia
instalada. Pero esto implica trabajar en un punto de operación inestable ya que un aumento en el mvel de llenado del
molino más allá del punto de consumo máximo conduce a una condición de sobrellenado de éste (ver figura 2).

2
 12
11
~ 10
~
ti 9
'ti

.=
~
~
8
7
6
S
0,055 0,15 0,23 0,305 0,38 0,45
Nivel de llenado total, %

Figura 2. Variación típica del consumo de potencia con el

nivel volumétrico de llenado total del molino.
Además, debe tenerse en cuenta que el valor de potencia máxima que puede consumir un molino semiautógeno no
es constante y depende principalmente de la densidad de la carga interna, la distribución de tamafios de la
alimentación y del estado del revestimiento. El nivel de llenado de la carga interna que corresponde al máximo
consumo de potencia está relacionado con el nivel de llenado de medios de molienda y el movimiento de la carga
interna Por ello, los operadores de circuito de molienda semiautógena deben intentar conjugar estos factores para
lograr, primero estabilizar la operación y posteriormente buscar su mejoramiento.
Para la operación estable de un molino semiautógeno se requiere tres condiciones: una adecuada proporción de las
fracturas gruesas, intermedias y fina en la alimentación fresca, que permita al molino reponer los medios moledores;
un flujo de alimentación fresca al molino que permita balancear la tasa de ingreso del mineral grueso con su tasa de
molienda hacia tamafios más pequeños; y una tasa de descarga a través de la parrilla del molino que permita evacuar
el mineral fino a la misma tasa que ingresa y que se genera por la fractura de los tamafios superiores [9].
Para modelar la molienda SAG y dadas las características fisicas de este tipo de equipos, el molino se ha dividido en
las siguientes partes.
a. Cámara de molienda: Aquí, se identifica y modela la ocurrencia del proceso de molienda y transporte de
masa
b. Cámara de descarga: Aquí, se verifica la clasificación por la parrilla interna y la posterior evacuación del
material como producto final mediante los alzadores de pulpa.
Las partículas alimentadas al molino ingresan a la cámara de molienda, cuyo producto enfrenta a la parrilla interna,
donde, de acuerdo a una probabilidad de clasificación, las partículas pueden permanecer en la cámara de molienda o
formar parte del flujo de descarga, ya sea que éstas hayan o no atravesado la parrilla [7].
En la figura 3 se muestra la representación esquemática del molino semi autógeno en donde:
(1) Representa el Molino Real.
(2) Representa la Cámara de molienda.
(3) Representa la Parrilla interna.
y FyP : son la alimentación y el producto del molino.
F* y P* : son los flujos de alimentación y producto del molino imaginario interno.
T : es el flujo de recirculación.

3
 Alimentación Descarga
p
del molino del

Figura 3. Representación esquemática de modelo de molienda semiautógena

En base a este enfoque se describe el modelo fenomenológico para el molino semiautógeno, el cual plantea una
ecuación diferencial respecto de la variable peso ( aJ ), obteniéndose un modelo para la dinámica de cada uno de los
tamaños de partículas determinadas dentro del molino [8], el cual se muestra en la ecuación (1).

(1)

Donde : W¡ : Carga interna en ton.

¡; : Flujo de alimentación en ton/h.

K¡ :Velocidad efectiva de molienda.

C¡ : Factor de eficiencia de clasificación.

W : Peso total del mineral en la carga interna.

El modelo anterior describe una ecuación parcial que se encuentra completamente definida con los datos de entrada
y de realimentación de los pesos internos del mineral dentro del molino.

3 Modelamiento mediante Redes Neuronales

A partir del modelo fenomenológico de ' balance de masas', apropiadamente implementado utilizando el
software Simulink de Matlab, se generaron datos que sirvieron para el entrenamiento de la red neuronal. Se
añadió ruido gaussiano a las salidas de amplitud igual a un 5% de la amplitud de la señal sin ruido. Como señales
de entradas se utilizaron señales binarias pseudoaleatorias que simulan la cantidad de mineral que ingresa al
molino. Las salidas corresponden al mineral que es evacuado del molino (ver figura 3) [5].
El criterio utilizado para formar grupos de datos está referido a los tramos lineales que se encuentran en la curva
de eficiencia de clasificación resultando cinco grupos correspondientes a distintos tamaños en la alimentación
del molino, los cuales son: colpas de mineral muy grande, grandes, medianas, pequeñas y colpas de mineral muy
pequeñas. El mineral evacuado del molino corresponde a los tres tamaños inferiores descritos anteriormente, es
decir, colpas medianas, pequeñas y muy pequeñas.
La arquitectura del modelo neuronal mostrada en la figura 4 contempla como variables de entrada a los cinco
tamaños diferentes de la alimentación del molino (variables de control) y como variables de estado a los tres
tamaños menores, pues se supone que al entrar al molino, y luego del proceso, el mineral más grande se muele y
sólo se obtiene el mineral que tiene un diámetro menor a la parrilla de descarga.
4
 r'
...
r'

..... ...
r' ...
,..
,..
...
..
....
Figura 4. Arquitectura de la red.
Inicialmente se diseñó una red multicapa con recurrencia externa, a la cual se le fueron modificando los
parámetros para obtener mejores resultados. Se trabajó modificando la cantidad de capas ocultas (1 y 2 capas),
neuronas por capas (entre 5 y 20 neuronas en la capa oculta), funciones de transferencia, tipo y tamaño de
señales de entrada y algoritmos de entrenamiento.
Los resultados de los parámetros que simulaban de mejor manera el proceso son:
Número de capas ocultas = 1
Neuronas capa oculta = 10
Función de transferencia = logarítmica sigmoide en ambas capas
Algoritmo de entrenamiento =algoritmo de retropopagación quasi-Newton (trainbfg)
Número de épocas = 1000
Número de entradas =8

De 1000 datos aproximadamente generados por el modelo fenomenológico, del tipo señales binarias
pseudoaleatorias, se consideraron 500 datos para entrenamiento y el resto para validar el modelo. En la prueba de la
red se utilizaron señales sinusoidales, las cuales se ocuparon para comprobar la buena generalización que estaba
realizando ésta A las entradas ocupadas tanto en el entrenamiento y en las pruebas se les incorporó ruido.

4 Estimador de Horizonte Móvil

En general los estimadores clásicos suponen un modelo preciso del sistema, supuesto que, al no poder ser satisfecho
en la mayor parte de las aplicaciones reales, se traduce en un error de la estimación que suele incrementarse con el
tiempo. Adicionalmente y debido a la dificultad de incorporar en los métodos anteriores algunas restricciones típicas
de ambientes industriales, como muestreo poco frecuente, respeto a leyes de conservación e inigualdades y
necesidad de recalibrar cada cierto tiempo la estimación a partir de mediciones adecuadas, es que surgió una técnica
de estimación adaptada de conceptos provenientes de métodos de control predictivo. Es el llamado Estimador de
Horizonte Móvil, MHSE [1].
En síntesis, MHSE transforma un problema de estimación dinámica de estados en un problema de optimización
estática, en el cual se busca el valor de un vector inicial al inicio de un horizonte de manera de minimizar la
diferencia entre la salida real del sistema y la evolución de él dada por el modelo y sus condiciones iniciales. Este
principio es ilustrado en la figura siguiente (Figura 5).

5
 ----------------------- ------ .'
'' Salida me elida •
:------:------------------ --- -~
-y

~. si CJI~~ 1~ ~-Y- G(X,)

. . . • , Sal! da estimada a
mmnuzar ¡ ¡ partir de ~

1 i Diferencia del horizonte

, , de un paso
~
; Longitud del Horizonte: /h

t:lh+l 1,.¡ tiempo

Figura 5. Representación esquemática del principio de estimación utilizado por MHSE.

Un aspecto central en este método lo constituye la minimización de una función objetivo o criterio consistente en la
suma de los errores de predicción de la salida sobre un cierto horizonte de tiempo. Es decir, MHSE busca el vector
de estado, al inicio del horizonte, que minimiza el criterio escogido.
Formalmente, si se tiene el modelo no lineal de un sistema dado por:

x(t) = f(x(t), u(t))

(2)
y(t) = g(x(t))
(3)
MHSE busca determinar el vector, al inicio del horizonte, que minimice un criterio, por ejemplo del tipo:
1
!
1 2

J =2 [Y¡ - f;] (4)

I=f.sh

Siendo Y = [y sh, ... , y k] Tla salida sobre el horizonte considerado, e Y = [y sh, .. ., yk] T las estimaciones de la
salida sobre dicho horizonte.
El algoritmo MHSE puede resumirse en las siguientes sentencias:

l. Inicialización del vector de estados: xsh

2. Búsqueda del vector de estados inicial óptimo: x;h (mediante algún método de optimización)

3. Cálculo de la solución al final del horizonte (instante actual tk ): xk

4. Retomo a la etapa 2 para efectuar el cálculo de xk+l , desplazando el horizonte en un paso.

En el caso de sistemas complejos no-lineales el problema de la optimización para determinar el vector de estados
óptimo al inicio del horizonte no puede ser resuelto de manera analítica y es por esta razón que se debe utilizar
técnicas numéricas. Estas pueden agruparse, grosso modo en técnicas clásicas o heurísticas, dentro de las que se
puede destacar aquellas local o globalmente convergentes [2]. En este trabajo se utilizó una técnica local de
optimización.

5 Estimador de Horizonte Móvil Neuronal

Para desarrollar un estimador de horizonte móvil neuronal, en vez de utilizar el modelo fenomenológico del
proceso, se utilizó la red neuronal previamente entrenada como modelo dinámico del proceso (figura 4) en la
cual se realimenta el valor de las variables de estado (figura 6); Esta red permite entonces estimar el valor de
6
 dichas variables de estado al final del horizonte, a partir del valor óptimo inicial de ellas otorgado por el método
de horizonte móvil. '

... .
..... .
....
..
.,..
.,..
~
.
.
Figura 6. Esquema neuronal en la predicción de las variables finos y nivel de llenado.

A continuación se muestra la metodología utilizada en el desarrollo del estimador y los resultados obtenidos.

5.1 Descripción de la Metodología

El algoritmo de horizonte móvil utilizado es el siguiente:
1.- Inicializar: MaxT, sh, lh
2.- Mientras (sh+lh) :S MaxT
*Buscar el vector de estado inicial óptimo utilizando optimización local.
*Para cada punto a lo largo del horizonte
Obtener las variables de estado utilizando el modelo neuronal de la figura 6
Avanzar en un paso.
FinPara
*Almacenar los estados estimados.
*Obtener las variables de estado utilizando el modelo neuronal de lajigura6 para buscar el próximo
estado óptimo.
sh=sh+l
FinMientras

El método de optimización utilizado es el incluido en la función finincon de Matlab, el cual encuentra el valor
mínimo de una función no lineal multivariable, sujeta a restricciones.
La función a minimizar es la raíz cuadrada de la sumatoria de las diferencias entre los valores de colpas
medianas y pequeñas predichos por la red neuronal y los valores deseados o experimentales. El método arroja los
valores iniciales de las variables de estado que minimizan dicha función.

7
5.2 Resultados Obtenidos
Para evaluar el funcionamiento del estimador se utilizaron datos del conjunto de validación, correspondientes a
aproximadamente 400 datos de sefiales sinusoidales. Las salidas referentes a la estimación y al valor deseado son
comparadas utilizando los índices de error correspondientes al Error Cuadrático Medio (RMS), el Error Residual
Estándar (RSD) y el Índice de Adecuación (lA) [3].
La figuras 7, 8 y 9 muestran los resultados obtenidos por el estimador y las salidas deseadas para las variables de
salida colpas medianas, pequeñas y muy pequeñas, respectivamente. El horizonte utilizado por el estimador es de
30 unidades de tiempo.
La tabla 1 muestra el resultado de los índices obtenidos por medio de las pruebas del método de estimación de
horizonte móvil neuronal.

Figura 7. Salidas deseada y reales del estimador con respecto a las colpas medianas.

Figura 8. Salidas deseada y reales del estimador con respecto a las colpas pequeñas.

Figura 9. Salidas deseada y reales del estimador con respecto a las colpas muy pequeñas.

8
 Tabla l. Resumen de los índices de error del modelo
Colpas medianas Colpas Colpas Muy
pequefias Pequefias
IA 0.9766 0.9440 0.9018
RMS 0.1052 0.1584 0.1969
RSD 0.0612 0.0899 0.1057

De los resultados expuestos anteriormente se puede apreciar que el estimador logra predecir en un 98% las
colpas medianas, en un 94% las colpas pequefias y en un 90% las colpas muy pequefias, que es la variable de
estado que se desea estimar en línea y tiempo real. Resultados que muestran una buena estimación y que mejoran
a medida que se aumenta el horizonte.

6 Conclusiones
En este trabajo se presenta un Estimador de Estados de Horizonte Móvil Neuronal, aplicado a un proceso de
molienda semiautógena, el que a través de una optimización local busca valores óptimos de las variables colpas
medianas, pequefias y muy pequefias a través de una red neuronal durante un horizonte de tiempo determinado.
En el modelamiento del proceso se utilizó una red estática con recurrencias externas, lo que permite modelar un
sistema dinámico. El algoritmo de entrenamiento utilizado es el clásico de retropropagación del gradiente con él
método de minimización de segundo orden quasi-Newton y función de transferencia logarítmica sigmoide,
requiriéndose de los datos en un tiempo anterior t para predecir la salida en un tiempo t+ l. El modelo neuronal
dinámico obtenido permite la evolución del sistema sólo a partir de condiciones iniciales.
Los resultados entregados por el estimador, son muy satisfactorios dados el índice de adecuación (ia) mayor a 0.9 y
el error cuadrático menor a 0.1 obtenidos, lo que indica una predicción muy cercana al valor real.
Debe destacarse que en este trabajo se demuestra la posibilidad de complementar el método de Horizonte Móvil, de
creciente utilización en procesos industriales, con las redes neuronales, establecidas como modelos dinámicos, lo
que permite potenciar las ventajas de ambas metodologías en una aplicación de suma importancia económica en
nuestro país.

Agradecimientos
Se agradece financiamiento parcial de proyectos FONDEF 00211077 y FONDECYT 1040208, Chile

Referencias
(1] Allgower F., Badgwell, T., Qin, J., Rawlings, J, Wright S. Nonlinear predictive control and moving horizon
estimation- an introductory overview, in Advances in Control Highlights of ECC'99, Paul M. Frank (Ed.),
Springer-Verlag, Chapter 12, pp. 391-449, 1999.
[2] Cherrualt, Y. Optimisation: méthodes locales et globales, Presses Universitaires de France (PUF), Collections
mathématiques, France, 1999.
[3] González E., Carvajal K, Acuña G, (2002), Modelamiento del Proceso de Molienda Semiautógena a Través de
Redes Neuronales, Actas en CD del Encuentro Chileno de Computación, Copiapó, Chile, Noviembre 2002.
[4] Hornik, K., Stinchcombe, M. Y White, H., (1989), Multilayer feddforward networks are universal
approximators, Neural Networks, 2:359-366
[5] Jamet Marcela, San Juan Enrique, "Identificación de un Sistema Multivariable que modela el proceso de
molienda SAG", Trabajo de Doctorado en ciencias de la ingeniería mención automática, Universidad de
Santiago de Chile.
[6] Lennox, B., Montague, G. , Frith, A., Gent, C., Bevan, V. Industrial application of neural networks - an
investigation, Journal of Process Contro/11 , pp. 497-507, 2001.

9
[7] Magne Luis, "Estudio del transporte de masa en molinos semiautógenos", Tesis de Doctorado en Ciencias de la
Ingeniería con mención en Metalurgia, Universidad de Concepción, 1999.
[8] Magne L., Améstica R.,Barría J. y Menacho J., (1995). Dynamic modelling ofsemiautogenous milling based on
a simplified phenomenological model, Rev. Metal. Madrid, 31(2):97-1 05 (in Spanish).
[9] Magne, L., Valderrama, W., "Operación y mantención en plantas de molienda semiautógena", Tesis de
Doctorado, Universidad de Santiago de Chile, 1997.
[IO]Soroush, M. (1998), State and parameter estimations and their applications in process control, Comput. Chem.
Engng. , 23:229-245.
[Il]Valdés-González, H., Flaus, J, Acufia G., Moving horizon state estimation with global convergence using
interval techniques: application to biotechnological processes, Journal of Process Control, 13(4), pp. 325-336,
2003

10
: 2004 - Instrumentation and Measurement
1ology Conference
), Ita! y, 18-20 May 2004

NEW METHOD FOR DETECTION OF HARMFUL IMPACTS ON SHELL

LINERS IN LARGE GRINDING MILLS
1
Jorge Pontt , Waldo Valderrama2, L.Magne3 , Germán Sepúlveda 1, Pablo Espinoza1
1
Department ofElectronics, Technical University Federico Santa María
Av. Españ.a 1680, Valparaíso, Chile
Phone:+56-32-654554, Fax:+56-32-797468, Email: jorge.pontt@usm.cl
2
Department of Materials Science, Technical University Federico Santa María
Phone:+56-32-654554, Fax:+56-32-797468, Email: waldo.valderrama@usm.cl
3
Department of Metallurgical Engineering, University of Santiago de Chile

·act - Large grinding milis face the problem of high-energy cataracting against the shell of the mili, with loss of energy
;ts caused by steel balls cataracting against the shell of the and accelerated breakage of balls and liners.
with loss of energy and accelerated breakage of balls and
·. Broken liners cause unexpected downtimes affecting the
1bility, safety and operational costs. In addition, excessive steel
~nergy consumption cause loss of grinding efficiency and
•n the production expenses. This paper presents a new method
' on digital signa! processing of acoustical signals collected by
wr array around a tumbling mil! for detecting the leve! of the
lúl impacts within the mil!. The impact leve! allows the
•vement of operational control of variables - like the speed- for
izing the load movement in the mil!, reducing the harmful
!/S within the mil!. Experimental results at an actual industrial
lation are presented.

rJrds- Grinding, Digital Signa! Processing, Instrumenta! ion

l. INTRODUCTION

•oking for economies of scale, new mmmg projects

der big mili grinding circuits, with large power gearless
r drives (GMD) fed by cycloconverters in the range of
1 MW, as presented in [ 1]. Gearless Drives for
lUtogenous grinding (SAG) and hall milis with
!ters in the range of 28-44 feet and power in the range of
MW are being applied in modem ore concentrators and
bigger developments are already in course. High
~ncy, high reliability and high mineral handling
·ility contribute to economy of scale. Vector-controlled
:onverter-fed ring-motor drives with proper harmonic
compensation and electrical protections coordination
~ full-torque, variable-speed and network-friendly
manee in the whole speed range of operation (from Oto
speed) [2]. Very often the mining plants are located in
ountains at high altitude exceeding 2000 meters above
!vel stating a challenge for safety and ergonomics.
' is also a concem by maintenance staff against time
!fe in harsh industrial environments - often at high
le - working with heavy tools and mechanical
Jnents. Figure 1 depicts a gearless mil drive, where the
mica! power is transferred electromagnetically between
:~.tor and poles of the rotor [3]. Due to the mass flow,
ials, and power involved in the process, SAG milis face
·oblem of high-energy impacts caused by steel balls
Fig. 1. High-power gearless drive for a SAG mili
According to [4), current economic issues in SAG
grinding are: production losses due to non-programmed
downtimes caused by broken mili liners, excessive grinding
media consumption (steel balls), energy losses (kWh/ton)
because ofunproductive impacts steel-to-steel inside the mili,
maintenance costs due to non-scheduled work changing
unexpected broken liners, loss of efficiency due to excessive
hall chips produced by the steel-to-steel impacts, lowering the
grinding volume of the mill, suboptimal operation due to big
fluctuations of the load inside the mill (size distribution, load
filling, viscosity of the load). Therefore, in order to minimize
all these problems, load movement monitoring inside the mili
is required. It is important to improve the load dynamics to
operate the mili in such a way that the balls "cataract" falls on
the toe of the load (see figure 2), using the maximum
available energy for grinding avoiding unproductive energy
losses, excessive hall breakage and accelerated liner wear [5) .
The speed of the mili and other variables like load filling,
liner geometry and rheology influences the cataract.
 ------------------------
SAGMill

"O
Qi
ü:
r-
j Sensors Array
i
i
1

1
1
ECTIMPACT !
MILL LINER !
E la;
o
o ¡a>
a:: ¡E
ee: ¡-g
1o.
lE
Fig. 2. Positioning altematives ofthe load cataract in a mili
o
(.) ¡-
oo 1

:vera! authors have made important efforts for nQ)

l
i
. -- - --
:ssing this problem. [6] and [7] have shown methods üi
. sensors mounted in a specific Iocation on the outer shell
~ mili, for detecting the acoustic emissions and surface
tions of a mili, with the relative drawback of the Fig.3. Block Diagram ofthe impactmeter
ive nature of the application. Previous work reported in
and [9] has proposed non-invasive methods for behavior of the mechanical systems and are designed with
llfement of the acoustical emission on a broader surface experimental data obtained from field or Iaboratory
d and along the mili. Their purpose is always to avoid measurements. Second, the Iocation of sensors is chosen for
nentioned operational problems by proper control both sides of the mili as shown in figure 4, for accounting the
1s. Increasing industrial applications and benefits of two senses of rotation. In each si de, two or more sensors may
1ew instrumentation are discussed in [10]. be located for proper signa! acquisition, depending on the
is paper presents a new method based on digital signa! expected position of the toe.
ssing of acoustical signals collected by a sensor array
d a tun1bling mili for detecting the leve! of the harmful Lateral View FrontView
:ts within the mili. The impact leve! allows the
1vement of operational control of variables - like the
- for optimizing the load movement in the mili,
ing the harmful impacts within the mili. Experimental
s at an actual industrial installation are presented.

II. THE METHOD

ckground

st, it is important to have a rugged instrunlentation for

Iing reliable and robust measurements considering
nmental and electromagnetic compatibility issues.
: 3 shows the block diagram of the instrumentation,
ter named as Impactmeter. A sensors array is Iocated
i and along the tumbling mili in the Iower position at
:d side and/or at the output side ofthe mili. Recognition
~tection of impact levels is made with a digital signa!
:sing algorithm with a DSP-based electronic module.
1tput is conducted to the plant control system for alarm
ontrol purposes. The sensors should have a proper
ncy response depending on the expected acoustic Fig. 4. Sensors location around the mili
lle basis of the method
)re lurnps, steel balls and slurry comprise the intemalload
:he mili. A general method of pattem recognition is
~loped, which is based on a family of heuristic models
ved from the acoustical behavior given by sound
;sions caused by impacts between two bodies under
tin conditions. Conditions are adjusted in laboratory to
esent the phenomena to be assessed, in this case the
lvior of different kind of impacts between two bodies.
i measurements provide the information for the models
llation and corresponding parameter calibration. Figure 5
cts a typical signal describing an impact in a SAG mill
.......... ¡.: ........
. . -.i--~·1-~·-·L·+
elatlve ·
mpUtude
Figure 6 shows the relation between speed and impacts
levels measured by two sensors located at 15° and 35°
degrees from the vertical axis at the Iower side of a mili.
Clearly, the higher the speed, the higher the impacts levels.
For higher speeds the sensor Iocated at 35° gives a better
indication. For lower speed both sensors give a similar impact
level. Prior experience and field measurements allows the
calibration of specific threshold levels for defining alarm and
dangerous operation, helping the operational control the
adjusting the main process set points, being the speed one of
the most important one.
C. The method
For the sake of simplicity, the standard notation of Laplace
transform will be used. The method is based on a family of
models. The model selection is made considering the
requirements of the specific application. Each model is
composed of a matrix H(s) with transfer functions fij(s) as
elements, relating the behavior of one single input signal with
a single output component, which contributes, to the impact
detection. The input is a vector X(s) composed by the input
sensor signals. The output Y(s) is a vector which gives the
impacts levels, following the relation:

Y(s) = H(s)X(s) (1)

The elements of the matrix H(s) may be regarded as filter

functions fij(s). The structure and parameters of the filter
functions may be adjusted later if needed, following
important structural changes in the process conditions like ore
,. 5. A typical signa! describing an impact in the SAG mili (relative type and load composition, changes in steel ball leve! or size
magnitudes) and major changes in liner geometry. Indeed, liner profile is
not constant because of liner wear and changes of design
along the time looking for better performance.
speed [rpm]
D. Identification of impacts

450 j
-
500"ü)
e
ou
For recognition and discrimination of the nature of the
impacts, the filter functions fij(s) should be carefully chosen
400 ......
in order to detect the harmful conditions accurately. This is
'ii
350~ obtained by characterization through filters, both by time-
and by spectral behavior, conceming the frequency
300$
g components that are common to high-energy impacts. A frrst
2500. step is the spectral analysis. A second step is the time
E
200 behavior. A third step is the consideration of the whole signal
150
set given by the multiple sensors. Commonly, the filters are
of the band-pass type, and their cut-off frequencies are
100
determined according to the specific application. Figure 7
depicts the first step for impact detection: Using a proper
filter function, an input sensor signa! is filtered (upper curve).
15:1~54 16;43:13 1~01132 1~29:51 2U53:11 22:16:33 The central curve shows its spectrogram. The lower curve
Time depicts a change of amplitudes compared with the input
Fig. 6. Relation between speed and impacts leve! signal. It is very important to realize that high sound leve!
does not imply high impacts leve!. Until now many ore
;entrator plants had employed the sound level as an
·all indication of impacts, but this signa! may be
eading due to the higher correlation of sound level with
load filling of the mili. False interpretations leads to
:ssive ball breakage and liner wear producing unexpected
downs. This situation was one of the motivations for
:loping a better indication of harmful impacts in large
>. A fourth step is the consideration of the process
tvior. The kinds of impacts within a tumbling mili may be
iified as: rock-to-rock, steel-to-steel and rock-to-steel and
1ency bands are defmed for each situation. Geometry,
size, liner configuration, ball size and loading, rheology
tJ.e load and acoustical natural modes influences the
ral acoustical behavior. Therefore, each application
Id be analyzed specifically with its customized
ration regarding the selection of frequency bands. For a
mation of the method, in its simplest version, two
tency bands may be defined: Metallic and Mineral. The
d filtered in the two interest bands is divided in
orary pieces of sufficient size to cover approximately a
typical impact. For each sound piece, a representative
: for its contained energy is calculated by means of the
ula given in the equation (2), where the sequence V¡,
V¡, ... , VN represents the N samples of the piece of
ed sound, within the selected interval of index k, and the
mee E 1, E2••• , Ek··· represents the energy temporary
ope for the sound filtered in one band of interest.
N that must be zero or near zero all the time. To avoid
k= ICVJ 2
i=l
Hí
TIME x 1O4 [ ms ]
7. Detection of impacts. Upper graph: Sensor signa!, Central curve:
1ectrogram, Lower curve: Filtered signa! on the interesting band
The impact detection is made over the energy signa!,
identifying each peak appearing simultaneously in the two
bands (Metallic and Mineral) and characterizing it by the
integrated energy for both signals (Metallic and Mineral).
When an impact has been detected and classified,
according to its energy values in Mineral and Metallic Bands,
it is accumulated in an "Impact Matrix", whose axes are the
energies in each one of the two bands. In order to show, in a
simple way, the impacts distribution on the Impacts Matrix to
the mili operator, a four-quadrant division in the Impacts
Matrix is made, and the Impactmeter counts separately the
impacts that are located in each one of them. Finally, the
signals that the mili operator (or controller) uses are the
account of accumulated impacts in these quadrants, over a
certain period of time (typically n=IO seconds). The division
of the Impacts Matrix allows differentiating the impacts with
more energy dissipation (more harmful) from those with less
energy dissipation (less harmful).
In the industrial application, a further reduction of data is
performed, comprising the information in the following two
signals:
Critica! Impacts: Impacts accumulation in quadrants of
larger energy during the last n seconds,
Standard Impacts: lmpacts accumulation in quadrant of
smaller energy during the last n seconds.
This convention is sustained in the need of an alarm signa!
(critica! impacts), demanding a fast response of the operator,
(2) confusion with malfunctioning conditions when the critica!
impact rate is zero on large intervals, a second monitoring
signa! is introduced (standard impacts). This signa! is nonzero
most times, being useful to the operator-controller for
monitoring the temporary dynamics of the low energy
impacts presence, anticipating any critical impacts rise, and
allowing suitable control actions in motor drive and mineral
feeding to the mili.
III ACTUAL APPLICA TION AND RESULTS
The outlined method was applied in a 26.000 HP (20 MW)
variable-speed semiautogenous (SAG) mili for copper ore
concentration. The mili has 38 feet diameter and 20 feet
effective grinding length and uses a gearless syncronous ring-
motor drive fed by a 12-pulse cycloconverter. The use of the
described method with the Impactmeter has contributed to the
process stabilization, giving to the operator an early warning
for filling levels under the expected value, and mili speeds
outside the optimal range. When appropriate control actions
are consistently performed along time, according to the
measurements of the Impactmeter, larger tonnages are
processed with less process oscillations, using less energy
and steel per ton of mineral. This reduces also the possibility
of emergency downtime by over or under-filling.
In fig 8, the empirical relationship is shown between the
critical impact rate, mili rotation speed and mineral feed, for
one week of operation of the mili. The Mineral Feed
titutes the main indicator to evaluate the mili
Jrmance, because it represents the rate of production v/s
. It also appears a remarkable in verse correlation between
impacts amount detected by the Impactmeter and the
~ral Feed, showing that when the operator manages to
ttain the mili with a mínimum harmful Impacts amount,
Jrocess will become stabilized in operational zones of
:er production of fine mineral per unit time.
IMPACTS y/s TONNAGE and SPEED
'
~
'
... ......
~ --
1000 2COO
3000
4000
TONNAGE [ Tons/Hour] 5000 O
. Empírica! relationship between impactmeter, mineral feed and speed
(process variables)
sure 9 presents the relation between the critica! impacts
bearing pressure and speed. Commonly, bearing
.rre is an indication of the mili filling. Impacts leve!
; with the speed as expected. Also, when the load filling
uced, the impact leve! increases.
IMPACTS v/s PRESSURE ANO SPEED
:r::::¡•••••J•••••r••••• !; ••.
-~~
o improved algorithms and knowledge-based scheme. Further
'· Empírica! relationship between impactmeter, bearing pressure and
speed (process variables)
IV. DISCUSSION
The application of the Impactmeter system improves
availability and productivity of the SAG Mili. When the lifter
profile is improperly designed, or when the mili filling is too
low, or when the mili speed is chosen too high, at variable
speed milis, the shell liners are subjected to heavy impacts
from free falling balls and rocks, resulting in ball breakage,
sometimes liner breakage, and wasted energy. Liner breakage
reduces mili availability in an unpredictable schedule. Ball
breakage raises steel consumption and, furthermore, the ball
fragments are a waste of valuable mili space and energy with
a very limited contribution to the grinding process. The steel
fragments may cause additional damage to screens, pumps
"' :· . . and hydrocyclones, reducing plant availability. On the other
side, if the speed of a variable speed mili is chosen too low,
the load does not exert its full potential for grinding, with
reduction of throughput. The overall effect of the control of
ball trajectories is less specific consumption of energy (kWh
per ton of mineral), less specific consumption of steel, balls
and liners, (grams per ton of mineral), and the virtual
suppression of unexpected downtime to replace broken liners.
In addition, the use of impacts levels as a process variable
enables a better understanding of the whole grinding process,
given a valuable contribution for further optimization
activities. Further work opens the gate for survey and
inference of other interna! variables in the mili. A relative
actual limitation is the extensive time spent for calibration,
because unique conditions of each application. Current efforts
are being carried out for improving the impacts classification
and calibration procedures with more improved algorithms
and knowledge-based scheme. Further application in large
variable-speed ball milis is also foreseen.
V. CONCLUSIONS
A new method for detecting harmful impacts on shell
Iiners in large grinding mills was presented. An industrial
application using a new instrument, the Impactmeter, based
on the signals analysis given by a sensor array around the
mili was described and experimental results at an actual 38-
feet diameter SAG mill ore concentrator plant were presented
This new too! gives additional feedback information for
setting operating conditions, like speed, for improving the
... load movement in the mill, with benefits in stability and
optimization. Other benefit is the application for better
understanding of the comminution process inside the mili.
Because each mili system has unique acoustical behavior, a
relative actual limitation is the time needed for custom
calibration. Further work is considered for improving the
impacts classification and calibration procedures with more
application in large variable-speed ball milis is also foreseen.
 ACKNOWLEDGMENT

he authors want to recognize the sponsorship of the

~an Council for Scientific and Technological Research
NICYT) for the support provided by projects FONDEF
í9 and 11081, as well as to FFE Minerals for valuable
action with their professionals.

REFERENCES

f. Pontt, J. Rodrfguez, W. Valderrama, G. Sepúlveda, B. Cuitiño, P.

:::havez, P. González, G. Alzamora, "Curren! issues on high power
:ycloconverter-fed gearless motor drives for grinding milis",
'roceedings of IEEE Intemational Symposium on Industrial
3lectronics, ISIE'2003, Brazil, 9-11 June, 2003, Vol. 1, pp. 369-374.
~. M. Riezinger, J. Knecht, N. Patzelt, R. Errath, "How big is big", Intl.
:onf. On SAG grinding, SAG200I, Vancouver, Canada, 2001. CD
~o m.
t Errath, R., F. Riezinger, J. Knecht, "Exploring today's limits of
)AG and ball milis technology", Workshop on Semiautogenous
}rinding, SAG'03, Viña del Mar, Chile, 8-10 Oct. 2003. CD Rom.
:. Sams, R. Dreher, A Filidore, "Smooth transitions to performance in
arge grinding milis", Intemational Conference on SAG grinding,
iAG2001, Vancouver, Canada, 2001. CD Rom.
!/. Valderrama, L. Magne, J. Pontt, "Semiautogenous grinding based
•n the mili load movement", (Molienda semiautógena basada en el
novimiento de la carga en el molino"), Proceedings of Workshop of
iemiautogenous Grinding, SAG'99, Viña del Mar, Chile, May, 12-14,
999. CDRom.
:. J. Spencer, J. J. Cambell, K.R. Weller, Y. Liu, "Acoustic emissions
1onitoring of SAG mili performance", Proceedings of the Second
ntemational Conference on Intelligent Processing and Manufacturing
f Materials, 1999 IPMM '99, 10-15 July 1999, Honolulu, Hl, USA,
'ol. 2, pp. 939-946 .
. Campbell, S. Spencer, D. Sutherland, T. Rowlands, K. Weller, P.
:1eary andA Hinde, "SAG mili monitoring using surface vibrations",
1temational Conference on SAG grinding, SAG2001 , Vancouver,
'anada, 2001. CD Rom.
Pontt, W. Valderrarna, L. Magne, J. Hemández, F. Salgado, J.
'alenzuela, R. Pozo, "The Impactrneter, a new instrument for
10nitoring and avoiding harmful high-energy impacts on the millliners
1 SAG milis", Proceedings IFAC Workshop: Future trends in
.utomation in Mineral and Metal Processing, MM '2000, Helsinki,
inland, 22-24-Aug., 2000, pp. 286-289.
. A Pax, "Non-Contact acoustic measurement of in-mili variables of
AG milis", Intemational Conference on SAG grinding, SAG2001 ,
ancouver, Canada, 2001. CD Rom. pp. II 386-II 393 .
. Sams, G. Naranjo, J. Kemerer, "New performance enhancements
chnologies for the milling industry", Workshop on Sag Grinding,
AG'03, Viña del Mar, Chile, 8-10 Oct. 2003. CD Rom.
 UN MODELO DINAMICO DE MOLIENDA SEMIAUTÓGENA CON RECICLO
INTERNO

J. L. Salazar, L Magne, F. Cubillos, G. Acuña

Facultad de Ingeniería, Universidad de Santiago de Chile Casilla 10233, Santiago, Chile

E-mail: fcubillo@lauca.usach.cl

RESUMEN
Se presenta un modelo para un molino semi-autogeno basado en consideraciones
fenomenológicas. La principal característica de este modelo es que sus ecuaciones permiten
calcular explícitamente el reciclo interno de material entregando una mejor información
sobre la evolución de la operación. Asociado a un estimador en línea de parámetros, el
modelo presenta excelentes capacidades predictivas cuando se le contrasta con datos de
operación de un molino industrial.

INTRODUCCIÓN

La molienda es una de las operaciones más
importantes en el procesamiento de minerales.
Dado que es altamente consumidora de energía
y generalmente determina la capacidad de
procesamiento, los esfuerzos por comprender
sus mecanismos y descripción mediante
modelos es altamente valorada.
El presente trabajo informa sobre un modelo
dinámico de un molino semiautógeno basado
en consideraciones fenomenológicas.
Posteriormente se presenta la programación
del modelo en base a un "Núcleo Simulador"
y su posterior evaluación con datos
industriales
ESTRATEGIA DE MODELACIÓN
Las bases conceptuales de la modelación
consisten en la formulación de balances de
material en estado no estacionario en el equipo
de molienda, junto a relaciones de
conservación de fuerzas y consideraciones
hidráulicas. La metodología seguida está
establecida por Magne et..al. (1995) que
consiste en formular balances poblacionales a
cada tamaño de mineral al interior del molino.
Las variables de entrada son: Flujo de agua,
Flujo de mineral {Incluyendo datos de
granulometría), Flujo de bolas y la fracción de
velocidad crítica de operación del equipo.
Las variables de salida del modelo son:
Potencia suministrada, Nivel de llenado de
carga, Nivel de llenado de Bolas, Flujo de
Mineral total y porcentual a cada tamaño,Flujo
de agua y Bolas, Presión en los descansos,
Flujo·de Pebbles y ángulo de pie y hombro de
la carga interna.
MODELO DE MOLIENDA
SEMIAUTÓGENA
Para modelar la molienda semiautógena
y dada las características de este tipo de
equipos, se suele dividir el molino en dos
zonas según el proceso que tiene lugar en
ellas (Fig.l ). En la primera, definida como
cámara de molienda, se identifica y modeliza
la ocurrencia del proceso de reducción de
tamaño de las partículas. En la segunda, que
se define como sistema de descarga. Se
verifica la clasificación interna por la parrilla
y la posterior evacuación del material como
producto final. Para completar la descripción
del sistema es necesario considerar la relación
existente entre el flujo de alimentación y el
nivel de llenado del molino; esta se suele
denominar ley de transporte y es
probablemente el aspecto menos elaborado en
los modelos propuestos hasta la fecha. Las
partículas que alimentan al molino ingresan a
la cámara de molienda, cuyo producto
enfrenta al sistema de descarga, donde, de
 acuerdo con una probabilidad de clasificación,
las partículas pueden retornar a la cámara de
molienda o formar parte del flujo de descarga
del molino.
El modelo se formaliza mediante
parámetros cinéticos globales de molienda, los
cuales reúnen la acción simultánea de los
diferentes mecanismos de conminución sobre
la carga interna de mineral en el molino. Si
bien estos parámetros cinéticos pueden ser
estimados mediante mediciones de la Figura 1: Representación esquemática del
granulometría de carga interna, alimentación y molino SAG
producto del molino, el aporte individual de l. Molino real.
cada uno de los mecanismos de molienda no se 2. Cámara de molienda.
puede evaluar si no se agrega información 3. Clasificador interno.
experimental que permita estimar las
contribuciones individuales.
La modelación propuesta comienza con Para el sistema de descarga, el balance se
la hipótesis sobre el fenómeno de molienda en realiza definiendo un vector de eficiencia de
los molinos semiautógenos, fundamentada en clasificación, C¡, que tiene implícito dos
la siguiente cinética de molienda. efectos: el producido por la parilla interna del
molino y del sistema de evacuación de la
tasa de desaparicio· nl [ masa de material] pulpa. Así, C¡ queda definido por:
(1)
del material sobre
[ la malla i - esima
a presente sobre
1- c; = P: (5)
la malla i - esima P;
La relación de proporcionalidad queda Suponiendo que el molino se comporta
definida mediante el parámetro cinético de como un reactor perfectamente mezclado, p/,
velocidad efectiva de molienda, K;. La Ec. 1 se se relaciona con la masa por tamaños de la
escribe en términos de K¡ y de la masa carga interna a través de la siguiente relación:
retenida acumulada sobre la malla i, Wi, como:
dW¡ = - KW tlh
dt 1 1'
(2) P>(' Jw, t/h (6)

De aquí la relación entre el flujo másico

La variación de masa en la cámara de
de descarga de la cámara de molienda, P*, y la
molienda en función de la masa retenida
masa interna de mineral contenida en esta, W
acumulada en la malla i y de los flujos
se obtiene suponiendo que no existe reciclo de
acumulados sobre la malla i d~ aliment~ción ~
finos en el clasificador interno, lo cual
descarga de la cámara de molienda, F¡ y P¡ ,
simplifica la ecuación del balance másico y se
respectivamente, se expresa de la siguiente
obtiene el valor de P* a partir del flujo de
forma:
finos del producto, Pn y de la masa de finos en
dW¡ = F* - P* - KW t/h (3) la carga interna, Wn, según la ecuación:
dt 1 1 1 1 '

La ecuación anterior puede expresarse,

en términos de los flujos parciales en el
p. ~ ( ~: Jw , t/h (7)

intervalo i, de la siguiente manera: El flujo de alimentación por tamaños a la

dw cámara de molienda, f¡*, se obtiene
~
.J ; =¡;*- p; - i-1
L
K;w; - (K;- K;_ 1) w1 , t/h (4)
M
componiendo el flujo de alimentación por
tamaños al molino,f¡ y el flujo de recirculación
El balance másico planteado en la Ec. 4
interna:
constituye la base del modelo de molienda
desarrollado, ya sea en su forma estática o (8)
dinámica. Finalmente utilizando las ecuaciones (4),
(7) y (8), se obtiene la siguiente expresión para

2
 la descripción matemática de la cámara de A son los parámetros de la ecuacwn. Por
molienda: definición, la razón entre el peso de carga

dt
(p*)
dw1 = - - (1-c)w-Kw-
-
w 1 1 1 1
interna y el volumen del molino, ~, se
V
,t/h (9) relaciona con el nivel de llenado de este, J, a
i-1
través de la siguiente relación:
(K;- K;-¡) L w, + J;
1=1
w
V =(1-&¡,)· J· Ps ·(1 +w,)+0.6·~ ·(q, -P,(l+w,)) (14)
Transporte de agua a través del molino
Para el agua se ha utilizado una ecuación En la que &b es la porosidad de la carga interna
diferencial de primer orden, aproximación que del molino Ps y Pb son las densidades del
parece adecuada según resultados mineral y bolas, respectivamente; wc es la
experimentales. razón entre el agua retenida y la masa de
La ecuación que representa la variación mineral en el molino y Jb es el nivel de llenado
de la carga interna de agua, Wa, con los flujos de bolas. La determinación del nivel de
de entrada y salida de agua, Fa y Pa = 1/faWa, es llenado de carga interna del molino, se realiza
la siguiente: deteniendo el molino y midiendo directamente
la altura de la carga.
dWa=F- W /h (10)
d! a lfla a ' t
El parámetro 1/fa de esta ecuación, denominado Medios de molienda
parámetro de descarga de agua, se ha La masa de medios de molienda (Bolas)
correlacionado con la masa de mineral en el interior de la cámara se determina
mediante un balance considerando una taza
contenida en el molino W, según la relación:
de reposición de bolas y una velocidad de
consumo de metal, esta ultima proporcional a
lfla =exp(64.41-19.56ln(W)+ 1.55(ln(W)i) (11)
la masa de mineral en el molino según:

Velocidad efectiva específica de molienda

La relación que determina la velocidad dWb =F -fJ·W (15)
dt b
efectiva de molienda K¡, se define como una
Donde:
relación proporcional a la potencia específica
suministrada al molino:
Wb: Masa interna del medio de molienda
Fb: Tasa de reposición del medio de molienda
M
K =KE_P '1/h
1 1 w (12) /3: Constante de consumo del medio de
molienda
Donde K/ se define como función velocidad W: Masa interna de mineral.
efectiva de molienda en (t/KWh.) y Mp es la
potencia en (KW). Presión en los descansos
La presión en los descansos se ha
Ecuación para la potencia formulado como una relación lineal con el
La ecuación utilizada para predecir la peso total de la cámara de molienda, entonces:
potencia consumida por el molino, Mp en
(KW), esta basada en una modificación a la PD= a+í!.*Wt (16)
ley de Bond , según: Donde:
Wt: Peso total (Mineral, agua, bolas, lifters y
M p = K.D 25 L(1-AJ)(W)~
V e [1-_QJ_] (13)
29-10¡6<
liners)
a,í!. : Constantes de ajuste
Donde D y L son las dimensiones del molino
en m, V es el volumen efectivo del molino en Posición de la carga
m 3, r/Jc la fracción de velocidad crítica de La posición de la carga se expresa en
operación del equipo y J el nivel de llenado del términos de los ángulos del pie y hombro. En
molino, considerando la pulpa y las bolas. K y el cálculo del ángulo del pie y hombro, se han
considerado las relaciones (Apelt et al, 2001 ):

3
 ()T =2.5307(1.2796-J)(l - e-19·42-<41-?, J) +
1í
2
Bs =%-( Br -%}((0.3386+0.1041·9U+
(1.54 - 2.5673·~J·J)
Donde:
()T : Angulo del pie (rad)
() : Angulo de Hombro (rad)
8
rjJ :Fracción de velocidad crítica experimental,
calculada mediante la relación:
rjJ = 0.35(3.364 - J) (19)
PROGRAMACION DEL NUCLEO
SIMULADOR
En este desarrollo, se define como
"Núcleo Simulador" a una subrutina
computacional que es capaz de resolver
numéricamente el modelo algebro-diferencial
planteado en la sección anterior. La ventaja
de esta arquitectura es que centraliza el
esfuerzo de resolver, mejorar y optimizar el
modelo en un solo desarrollo. Por otro lado
permite el diseño de productos tecnológicos
de una manera descentralizada, facilitando el
uso de otras plataformas de programación y
gestión tales como Vbasic, Sistema PI,
Interfase Web etc.
Programación en Matlab-Simulink
El concepto de núcleo simulador se
implementó como un sub-sistema "Mask" en
Simulink de Matlab. Simulink es un sistema
de programación estructurado en bloques que
permite la solución de ecuaciones
diferenciales, además de permitir programar
bloques de usuario a través de funciones tipo
S (S-functions). Lo anterior, junto con la
posibilidad de usar los "toobox" específicos
de Matlab conforma una poderosa plataforma
para el desarrollo de prototipos.
La arquitectura del núcleo simulador se
determinó de manera análoga a la de la Figura
1 de tal forma que es posible distinguir la
cámara de molienda, la parrilla clasificadora y
Figura 2: Esquema del núcleo del simulador
(17)
(18)
el reciclo de material grueso. La Figura 2
muestra el subsistema correspondiente al
núcleo simulador. Mayores detalles se
encuentran en Salazar (2004).
Componentes principales
En base a la Figura 2 los componentes
principales del subsistema son:
• S-Function conteniendo las ecuaciones
diferenciales del modelo (masas de
mineral por tamaño, agua y bolas).
• Funciones para la parrilla y potencia
• Reciclo interno de sólidos.
• Entradas y salidas que hacen de
interfase con la aplicación final.
Parámetros
El modelo diferencial contiene diversos
parámetros que pueden ser ingresados por el
usuario o auto-ajustados en línea según la
aplicación. En este primer prototipo los
parámetros considerados son:
• Las constantes cinéticas de molienda
K/
• Las constantes de la ecuación de
potencia K y A
• Los parámetros de la descarga de agua
y mineral
• Masa inicial de medios de molienda
APLICACIÓN EN MOLINO INDUSTRIAL
El desarrollo anterior se programó y adaptó a
las condiciones operacionales del molino SAG
de una planta concentradora de mineral de
cobre.
4
 La programacton se realizo en ambiente
Simulink y solución mediante rutina de
integración de paso variable.
A partir de pruebas preliminares de cambios
en las variables de entrada se hicieron los
ajustes necesarios para obtener un modelo que
respondiera de manera adecuada a lo
observado en la práctica.
Dado el carácter altamente variable de las
condiciones de alimentación (granulometría,
moliendabilidad, composición mineralógica)
y en la cámara de molienda (medios de
molienda y revestimientos), área libre de
parrilla, etc, es que se hace necesario
incorporar una rutina de adaptación del
modelo, básicamente algún esquema de
estimación de parámetros. En literatura se
menciona que esta componente es
fundamental para cualquier aplicación basada
en modelo, siendo el filtro de Kalman
extendido (EKF) el algoritmo más utilizado.
En este caso se utilizó una rutina de
estimación no lineal basada en el modelo de
estado estacionario.
Con el objeto de demostrar la capacidad
predictiva del modelo se contrastó este con
datos operacionales. La Figura 3 ilustra el
comportamiento del modelo para la
predicción de las variables de salida con
adaptación y sin adaptación.
De los resultados sin estimación se
puede apreciar que el modelo es capaz de
responder adecuadamente a los cambios en
las variables de entrada ( RPM Flujo de
alimentación y de agua) desde un punto de
vista cualitativo, lo que lleva a concluir que el
modelo es representativo de los fenómenos
físicos involucrados. Sin embargo, la
predicción se va deteriorando paulatinamente
debido a cambios no medidos tales como
granulometría de la alimentación,
composición del mineral, moliendabilidad, u
otros, que hace necesario una calibración o
actualización del modelo en forma contínua
de manera de adaptarse a las nuevas
condiciones.
Lo anterior se refleja en los resultados
obtenidos con una estimación continua de los
parámetros de cinética de molienda ( KE) ,
coeficientes de descarga de líquido y sólido y
la constante de la ecuación de potencia Kp.
Se puede apreciar que el modelo adaptado en
línea es capaz de seguir la evolución de las
salidas adecuadamente. La variable con
mayor error de predicción es el flujo de
pebbles, mientras que la potencia y los
niveles son más exactos. Esto ultimo puede
deberse al gran ruido asociado a la medición
de pebbles.
Por otro lado, se puede apreciar que los
parámetros varían levemente en cada
estimación (salvo en condición crítica) lo que
ratifica la robustez del modelo
fenomenológico.
CONCLUSIONES
Se ha desarrollado un modelo para un molino
SAO basado en consideraciones
fenomenológicas. La principal característica
de este modelo es que sus ecuaciones
permiten calcular explícitamente el reciclo
interno de material entregando una mejor
información sobre la evolución de la
operación. Cuando es contrastado con datos
operacionales su respuesta es altamente
consistente y siendo mejorada su capacidad
predictiva cuando opera con un estimador
en línea de parámetros.
REFERENCIAS
MAONE L. AMÉSTICA R, BARRÍA J. Y
MENACHO J; "Modelización
dinámica de molienda semiautógena
basada en un modelo fenomenológico
simplificado", Rev. Metal. Madrid,
Vol 31, N°2, 1995.
APELT T., ASPRA Y S. Y THORNIL N;
"Inferential measurement of SAO mili
parameters" , Minerals Engineering,
Vol 14 N° 6, 2001.
SALAZAR J.L , "Simulación dinámica de
molinos semiautogenos", Tesis
Ingeniería Química, Universidad de
Santiago, 2004.
AGRADECIMIENTOS
Los autores agradecen el apoyo financiero al
FONDEF, Proyecto D0211077
5
 2000 soco 7000

Pebbles

6 .5 6 .5

6 t;:;:~'\ftf~~'"tt~\(~l~··;•i''''~~1f;>~""'..;~');.;..,.¿;•
5 .5

4 .5 4 .5

1000 2000 3000 4000 soco 6000 7000 6000 1000 2000 3000 4000 5000 6000 7000

Potencia

22

16 ¡,¡~·
: "-f~>A\~~~~~jw..;1.,J\~~-iv~?~~,v_:1.·
-~. -~··-·-~·- . r - - - - - - - - - r - ···"""----;,_ ....,.,, ...,..,..,,.,.,.,,,.,....___
1-i j
14

14¡ ·
12
12
10
1
¡r~
10-.

1000 2000 3000 4000 5000 6000 7000

1000 2000 3000 4000 5000 6000 7000 8000

Niveles
Figura 3: Salidas medidas y estimadas en molino industrial: Izquierda, sin estimación.
Derecha, con estimación.

6
 ALMOND. D.G. and VALDERRAMA, W. Perron nance enhancement toolf for grining miJls. flllemationa/ Platinum C01iference 'Platbzum Adding Va/ue'
The South African Institute of Mining and Metallurgy, 2004. '

Performance enhancement tools for grinding milis

D.G. ALMOND* and W. VALDERRAMAt
*FFE minerals USA Inc ., Performance Enhancement Technology, Bethlehem, PAUSA
tFederico Santa Maria Technical University, Department oj Materials Science, Valparaiso , Chile

Operatio~.of large SAG milis re9uires _a change in the conceptual approach to grinding processes .
The trad1ttonal energy consumption cnteria are now enhanced with new criteria derived from the
mec~a~ical dynam~cs of th~ mili load. This new approach demands instrumentation capable of
prov1dmg accurate mformat10n about the l.oad movernent and the ratio of balls and ore inside the
mili. This paper discusses two new performance enhancing tools available to meet these needs.

The need for new instruments
Economies of scale play a major role in making new mining
projects economically viable and this has led to increased
equipment sizes . Although this has been particularly
evident in the size of haulage trucks and shovels used in the
mining operation, this phenomena has also filtered into the
arca of minerals processing and into milling in particular.
SAG and ball milis have grown in size and there are now
many operational milis in the range of 28-40 feet in
diameter with installed powers ranging between 8-20 MW.
The very high capacity of these milis and the common use
of variable speed drives often result in operational
problems. These problems are associated with high-energy
irnpacts striking mili liners resulting in poor energy
;:fficiency, as well as the fracture of steel balls, accelerated
wear, and even liner breakage. This has given rise to the
need for a new range of instruments airned at providing
infonnation to the operator about the load composition and
movement within SAG milis .
The concepts for operating SAG milis have been
.nherited almost entirely from conventional ball milis.
ffowever, these milis operated under a constant ball load
md ata fixed specd, the slurry load and properties being the
nain sources of concern . Under these relatively stable
:onditions, theoretical approaches based on energy amounts
·equired for the grinding process were the rule. Bond
leveloped bis Work Index concept as a general propcrty of
he ore. Later, a set of parameters S; and B;j were used for
lescribing grinding kinetics . All these approaches neglect
he details of load movement and how energy is actually
tsed inside the mili. For a long time, it has been
:ommonplace to consider a basic process rule that semi-
.utogenous milis grind by irnpact, whereas ball milis do so
'Y attrition. As a consequence, SAG milis have been
lesigned and operated to generate a large number of
mpacts by the falling load, without paying much attention
:> the place where these impacts are occurring. A second
onsequence has been that as long as the mill is consuming
1e expected power, there is little concem aboul the class of
odies using the supplied energyt.
are installed with variable speed drives , capable of
opcrating thc mili through a wide and continuous range of
speed values. Mil! specd and Iiner profile determine
grinding media trajectories, as shown in Figure l. By
increasing mili speed or the steepness of liner attack angle,
grinding media may be inadvertently permitted to strike on
the mill liners instead of being directed to impact on the
millload (see Figure 2), resulting in wasting large amounts
of energy, damaging and breaking mili liners (Figure 3 and
Figure 4) and promoting accelerated breakage and
degradation of grinding media (Figure 5). With
conventional instrumentation, the mili operator has no
sense of these effects , thus being unable to take appropriate
control measures. Even in the case where the operator is
conscious of this phenomenon, he has little or no feedback
from instrumentation to check the extent of the effect of his
control actions . These circurnstances create a need for new
instrumentation to sense load movemenl effects.
The load movement inside of a SAG mili can be
monitored through the audible impacts of the falling stream
of ore and grinding media with themselves and with the
mili liners. The mili noise is a mixture of many different
sound sources . The main source is the large number of
small shocks between load components during tumbling of
the mili load , audible as a continuous stochastic noise. An
example of the waveform of this noise may be found in
Figure 6, obtained on a 36' diameter mili running at 8 rpm
and well filled with mineral. When the minerals hold-up in
the mill decreases, the mili noise intensity grows inversely,
as shown in Figure 7. This effect is the basis of the 'electric
ear' patented by Hardinge to control the mineral feed to ball
mills. When the falling strearn bits the liners in free fall ,
high energy impacts appear superimposed over the common
mili background noise, as shown in Figure 8. Figure 9
shows the amplitude spectra associated with each sound
sample, in relative units. It is easily seen that spectra are not
effcctive tools to differentiate between high- and low-
irnpact operating conditions.

Sensing load movement: the Impactmeter*

(patent pending) *Impactrnetcr patcnt pcnding in Australia, Cana da, Chile. South Africa
J recognition of ore variability, many cmTent SAG mills and USA

'ERFORMANCE ENHANCMENT TOOLS FOR GRINDING MILLS 103

 Ball Trsjectories BaH Trajec.tori,es
anct lt!e effetct: ot ;paert i:Míd ~he elfedj or ~laitk árn,yik!

,,g. ,.
85%üi~/
,;¡(
/
,'li· ·· ·""·~-,~
, ...
4~
\¡
\

•
{
/
/
..
*¡

,./
j
M.m·tt'ii·T·!iiíl~
. ·$iJ.1<.· ¡.·lm;J
!lii lkl~· .!l:~Ltl!W iiZI¡mmf
; l!1lilff#j'~ t!'t!~ .
/ ttihveM76\%ctt.$,
.í

-.,..-......--..,.--r-....,.......,..-.,..--,--...-,-.,
"15::-j -..,,..---¡
-& ¡;¡ :; "1!¡ ~1n -5 e s 10 1s
X:[cml X [c:It!}

Figure l. Effect of mili spced and liftcr profilc on load trajcctors

l<lgure 2. Schematic view of ball trajectories. Load falling onto itself (a) and on the liners (b)

I<igure 3. Examples of liner damage under impact

04 PLATINUM ADDING V ALUE

 Figure 4. Broken liners

Figure S. Excessive speed and low mineral hold-up cause extensive ball breakage

Figure 6. Low-noise,low-impact operating conditions as displayed by CoolEdit software and retlected as sound amplitude over time

By locating microphones near the mili on tixed positions
nd applying appropriate algorithms online to the
:Iicrophone signals, impacts on mili liners can be isolated
rom mili noise, then classified and counted to provide a
uantitative measure of their occurrence . The observed
istribution is partitioned into two ranges and the counts on
ach range are defined as 'standard impacts ' and 'critica!
impacts' . Critica) impacts comprise mainly direct impacts
to the liners, as these show higher acoustical levels. This
method of monitoring impacts, together with the
specialized hardware and software developed for use with
the acoustic sensors , has been referred to in this paper as
the Impactmeter2.

'ERFORMANCE ENHANCMENT TOOLS FOR GRINDING MlLLS 105

 l<'igure 7. High-noise, associated with a low mineral bold-up condition as displayed by Coo!Edit software and reflected as
sound amplitude over time

Figure 8. lmpacts superimposed over mili noisc as di~played by CoolEdit software and reflected as
sound amplitude over time

r---~---,---~---.----r---~--~---r--~----r---

10 .0M Low speed - High filling

41
"O
:::::1
S.OM
==Q.
~ 0.0

10.0M Low speed - Low filling

41

"'
:::::1
~ 5.0M
o.
E
ct 0.0

10.0M High Speed - Medium Filling

41
"'
~
:::::1
S.OM
a.
~ 0.0
o 1000 2000 3000 4000 5000 6000
Frequency (Hz)
l<1gure 9. Samples of mili sound spectra, under low· and high· impact conditions

106 PLATINUM ADDING VALUE

 :Figure 10. Time evolution of sound spectra for the three sound samples of Figure 6, Figure 7 and Figure 8. Time units are (minute:seconds)
8 . 5 ~~--~-,-~--····+·~-~·--
8.0 +·-~··--·~~-·-··~ ·· ·
800
~c. 600
E
:; 400
:;¡
-g
,¡g
200
(j)
o
·200
11 :31:1
Figure 11. Variation of standard impacts, count with mili speed
The Impactmeter signals provide the inforrnation needed
or mill control. By maintaining the critica! impact rate in a
ow to nil value , the best instantaneous load movement
•attem is obtained, controlled either by a human operator or
h.e automatic control system. The main variable used for
cting on impact rate is mili speed. It has a direct effect, is
asily controllable, and presents little interference with
ther variables. Figure 11 shows the dependence of
tandard ímpact rate with mill speed. There is a mínimum
peed to observe impacts . Low mili filling, coarse feed and
)\V solids percentage may also increase the standard
npact rate , and even the critica! impact rate in extreme
ases. The appropriate control action differs in these cases .
.ow mill filling and solids percentage must be
ompensated per se acting on feed rate and water flow,
~spectively. The increase of standard impact rate is derived
1ainlv from the Iack of cushioning material at the contact
oint~. which has an amplifying role on the whole mill
oise. Mill speed can be lowered during the transient time
ERFORMANCE ENHANCMENT TOOLS FOR GRINDING MILLS
··--r~
11:34:2 11:37:2 11:40:3
Time
to reduce the impact rate, but it may be a secondary
consideration. Coarse feed effect is derived both from lack
of fine material for cushioning and from changes in fall
trajectories due to the associated higher position of load
shoulder. This last effect may be compensated with a slight
decrease in mili speed .
The effects and benefits of online controlling of the load
falling trajectories may be exemplified with the following
data, extracted from a Chilean SAG plant. Operating data
comprising a whole week was analysed. The data was
classified by tonnage in quartiles, selecting the quartile of
highest tonnage for analysis. Figure 12 is a plot of the mill
speed and bearing pressure for each point of the high
tonnage data set. It may be seen that these points populate
over high speed and high bearing pressure, signalling a
good mill filling. All process points showing high critica!
impact rate are shown on the same plot. Most points are
situated outside the field of high tonnage conditions. Only
at the zone of high speed and medium bearing pressure is
107
 Operating Con.ditions hfHtghest Tonrmge OU'arlilé
4<1~ '¡-""T'--¡--r"'"'f""....,.""T"_"""r_--r~-,.---~,......,,.................

o P'ool!tt bélonglnQ
IO· ~ · t41M~;g
q!ililrille

~4-~~~~~~~···~="~~r~··~-r
¡ ~-,.~~·•~T-~•---~·
~: ' 4 ~ e r s ltl
s~.~pm
n ª'
Figure 12. Iuverse relatiouship between high tounage and high critica! impact

Oa20%
20- a 100%

•
;~ . ¡

s a' 1 a 9' 11
Speedi~rpm

Figure 13. lmpact leve! as a function of speed and bearing pressure

here a degree of correlation ofboth data sets. By observing
1igure 13, there are also low impact points in this zone, due
) third variables acting on impact rate. The main benefit of
perating under Jow impact conditions by using the
mpactmeter signa! is self evident from this data: better
Jnnage and lower specific energy consumption. Additional
enefits related to reduced steel consumption in balls and
.ners , and the reduced risk of liner breakage are also
vident.
composition of mili load . Data obtained from load cells or
bearing pressure simply provide infmmation about the load
weight, but do not provide any information about load
volume or apparent density. The varying nature of mill
charges is such that there can be many combinations of
balls , mineral and water having the same weight but
comprising differing proportions of these components. This

Sensing load quality: the SAG Analyzert

(patent pending) t SAG analyser patent pending in Australia, Canada, Chile, South Africa
. second operational problem is the uncertainty of the and USA

08 PLATINUM ADDING VALUE

 uncertainty may be very misleading for the operator. It is
possible that a load composed largely of balls may be
interpreted as a 'very hard ore' condition, due to the lower
tonnage and higher power consumption observed. Also, in
spite of efforts to keep the balllevel at a constant value, ball
breakage or changes in the mineral feed may produce
marked variations that may remain hidden to the operator.
Por these reasons, there is an additional need to know the
balllevel inside the mili.
The load level ancl composition by percentage volume of
total mili volume may be determined through the use of
mili noise (see Figure 14), process data and software based
on appropriate algorithms. This method of determining mili
load composition, together with the software developed, has
been referred to in this paperas the SAG Analyzer2. Other
authors have reported work in this fieldJ...to.
The SAG Analyzer performs a two-phase workflow.
During the first phase, a microphone located on the mili
shell sends acoustic data to a main unit, where the toe and
shoulder positions are measured by appropriate algorithms.
This data is fed to models, which give a close estimation of
the load volume. During the second phase, the ball leve! is
estimated from the load volume just obtained and data
extracted from the mili control system . The underlying
Figure 14. Sound trace used to find the charge position during a rcvolution of the mili. The toe is near the highest amplitudc points
Figure 15. Layout of the microphone and position sensor in the mili
ERFORMANCE ENHANCMENT TOOLS POR GRINDING MILLS
principie for this estimation is the analysis of the power
consumption patterns of the mill with a detailed power
model calibrated with plant data. The SAG Analyzer seeks
the ball leve! giving the best fit to a set of current power
data. Making use of these two values, the instrument also
calculates the instantaneous load density . This infmmatíon
together with specific process variables extracted from the
plant control system, is used to generate, online, a screen
display showing total volumetric mili filling percentage,
ball volumetric filling percentage, ore volumetric filling
percentage, total charge apparent density, angular position
of charge toe, and angular position of charge shoulder. Mill
speed in revolutions per minute, bearing pressure, tonnage
throughput and power draw are also reflected on the SAG
Analyzer display monitor, as shown on Figure 16.
The main benefit of this new technology is the gain in
plant stability. The reduction of tmcertainty about ball leve!
does allow better control actions by a better interpretation
of the mili behaviour, and assists in more easily identifying
the source of concerns. Knowledge of the load volume
allows a better management of mili filling , maintaining a
higher mean hold-up and facilitates the processing of higher
tonnages without the risk of overfilling the mili. An
advantage of this specific technology is that it is based on
109
 Figure 16. SAG analyser** Monitor display
direct measurcment of load toe and shoulder positions,
thought to be a reliable source of data to suppmt the systcm
operation and quality of information. At the time of
preparing this paper, the technology applied to the SAG
Analyzer has only been recently installed and no long-term
quantitative studies are readily available to fully evaluate its
effect on plant performance.
Conclusion
The use of acoustics in conjunction with appropriate
algorithm based software can be used effectively to monitor
load movcment within a SAG mili. The information
provided from these methods can be employed to control
mili behaviour and enhance mill performance.
Acknowledgement
fhe authors acknowledge the important contributions
provided from Federico Santa Maria Technical University,
the University of Santiago de Chile and the Chilean Council
for Scientific and Technological Rescarch through
FONDEF, in thc developmcnt of this technology.
References
1. VALDERRAMA, W. and L MAGNE, L. Notes on
'Operation, Maintenance and Control of
Semiautogenous Grinding Plants' for short training
coLirSes (unpublished work in Spanish).
2. SAMS, C., NARANJO, G., and KEMERER, J. New
Performance Enhancement Technologies for the
Milling Industry, Workshop on SAG Grinding,
SAG'03, Viña del Mar, Chile, Octobcr 2003. CD-
ROM.
3. JKtech Technology Tools-Dynagrind, November
2003. CD-Rom.
4. CARTES, F., RIVAS, G., MUJICA, F., and
10
SCHW ARZE, K. On-line cstimation of the inclination
of the charge in a SAG mili. Proceedings ofCOPPER
95-COBRE 95 International Conference vol . II-
Mineral Processing and Environment. A. Casali,
G.S.Dobby, M.Molina and W.J.Thobum (cds .). The
Metallurgical Society ofCIM, 1995. pp. 225-232.
5. CAMPBELL, J., SPENCER S., SUTHERLAND, D.,
ROWLANDS, T., WELLER, K., CLEARY, P., and
HINDE, A. SAG mili monitoring using surfacc
vibrations, Proceedings International autogenous and
semiautogenous grinding technology 2001, Sep. 30-
0ct. 3 , 2001, Barratt et al. (eds .), CIM, vol. IV,
pp.373-385 .
6. PAX, R. 'Non-Contact acoustic measurement of in-
mili variables of SAG milis', Proceedings
International autogcnous and semiautogenous
grinding technology 2001, Sep. 30- Oct. 3, 2001,
Barratt et al. (ed.), Published CIM, vol. II,
pp. 387-393.
7. SPENCER, S.J., CAMPBELL, J.J., WELLER, K.R.,
and LIU, Y. 2000 Monitoring of SAG Mill
Perfmmance Using Acoustic Emissions. Proceedings
of the XXI International Mineral Processing
Congress, Rome, July 2000, A4-13, A4-20.
8. WATSON, LL. An Analysis of Mill Grinding Noise,
Powder Technology, vol. 41, no. 1, 1985. pp. 83-89.
9. ZENG, Y. and FORSSBERG, E. Monitoríng
Grinding Parameters by Vibration Signa!
Measurement- A Primary App1ication, Minerals
Engineering, vol. 7, no. 4, 1994. pp. 495-501.
10. KALKERT, P. Mill filling leve) sensor: an 'e1ectronic
ear' for al! situations, Zement, Ka/k Gips JNT 57,
2004,pp.55-59 .
PLATINUM ADDING VALUE
 Neural Grey Box Model for Power Estimation in
Semiautogenous Mili
1
Tito Valenzuela , Karina Carvajal 1, Gonzalo Acuña 1, Max Chacón 1, and Luis
Magne 2
1
Departamento de Ingenieria Informática, Facultad de Ingenieria, Universidad
de Santiago de Chile, USACH, Avda. Ecuador 3659, Santiago, Chile.
{tvalenzuela, klcarvajal, gacuna, mchacon} @diinf.usach.cl
2
Departamento de Ingenieria Metalúrgica, Facultad de Ingenien a, Universidad
de Santiago de Chile, USACH, Avda. Ecuador 3659, Santiago, Chile.
{lmagne} @lauca.usach.cl

Abstract. Technology advances in semiautogenous milling have not been

accompanied by advances in the operation of these mills, mainly in the
estimates of load levels and the power of the mill . This article presents a grey
box model that improves estímate of power. The obtained results are
satisfactory and demonstrate that both the phenomenological model and the
neural network strengthen each other, and the results are better than those
obtained individually.

1 Introduction
Milling in the mining industry has advanced significantly, specificaliy with regard to
the technology of autogenous and semiautogenous (SAG) milis. In SAG milis this
technological advance has not been accompanied by an advance in their operation
because there has neither been a correct interpretation of the variables [1], nor a
comprehension of interna! laws that are involved in this process [2]. Two lines of
research have arisen, one for predicting the load level through the use of sensors [3]
and the other for control of energy through the online registry of the utilized power.
There are various attempts to develop equations to allow the estimation of the
power in SAG milling, such as the equations by Austin, Taggart, Lukasiewicz, Mishra
and Rajamani [4],[5]. Nonetheless, in a number ofthese models, the assumptions have
led to a very simplified product, which is only useful in the analysis of low variability
systems such as conventional ball milis [1] .
The present wcirk proposes an improvement of the power estimate that these
models work with, using only a grey box model [6]. In this case, the power estimation
models use a calibration factor K. The purpose of this work is to take advantage of
neural networks in the modeling of complex functions [7] in order to find a function
f(K), which can be added to the phenomenological model to improve its estimation.
The present article is divided as follows : the first section is a brief description of
semiautogenous milling, the second section is a definition of grey box models which
is followed by the used methodology and the results, ending with the conclusions.
 2 Semiautogenous Milling
The purpose of Concentration Processes in mining is to recover particles of valuable
substances which are found in mineralized ore. The process of concentration of copper
is divided into three phases: Crushing, Milling and Flotation.
Semiautogenous (SAG) milling is a variety of the autogenous milling process in
which metaliic milling elements are added to the mili. The term autogenous indicates
that milling occurs due to the falling of the mineralized rock from a height that is close
to the diameter of the mili.
When working with these milis the ideal is to work under conditions that imply the
use of the maximum instalied power. However, this implies working at an unstable
operational point because any increase in the load leve! of the mili beyond the point of
maximum consumption leads to an overload condition and a loss in efficiency (see
Figure 1).
12
11
~ 10
::;J 9
.:
~ 8
lf 7
6
5
0,055 0,15 0,23 0,305 0,38 0,45
% of total load leve!

Fig. l. Typical variation of power consumption with load expressed as a percent of

total mili capacity.

The value of maximum power that a SAG mili can consume is not constant and
depends primarily on the density of the intemalload, the distribution of the size of the
feedstock and the state of the intemallining. The load leve! is related to the amount of
grinding media and the movement of the material being ground. Because of this, SAG
milis operators must juxtapose these factors in order to first stabilize operations and
then seek to improve them.
There ha ve been numerous attempts to develop equations that allow a prediction of
the amount of power that will be consumed. However, many of these models are too
simple given the assumptions involved, and are only useful for systems with low
variability such as conventional ball milis.

3 Grey Box Models

A Grey Box Model is a combination of two models, one that is based on available first
principies about the different processes to be modeled, and another that can be used to
identify parameters that are difficult to model with the a priori knowledge available.
In a Neural Grey Box Model, a priori knowledge corresponds to the
phenomenological part of the model which is represented by the various differential
equations which aliow the modeling of the process under study. The empírica! part
corresponds, in this case, to a neural network [8]. It has been demonstrated that this
combination allows an improvement over the predictions that a neural network alone
can deliver, trained on scarce and noisy data [9].
Grey Box Models have significan! advantages over the standard neural network
model (Black Box Model); they can interpolate and extrapolate functions with far
greater precision, analysis and interpretation are easier, and finally they require
significantly less training data [10].
Grey Box Models can be classified into the following two types (9]: (1) Grey Box
Models in series and (2) Grey Box Models in parallel. The Figure 2 shows the grey
box model in series than is used in this work.

Inouts Phenomenological Model.

~~--- Parameters

Fig. 2. Grey Box Model in series

In MISO (multi-input single-output) systems, it has been demonstrated that the

series scheme generales grey box models with improved performance in comparison
to parallel models [ ll].

4 Description of the Methodology.

For estimating of power in SAG milling the results of eight models were compared:
two phenomenological, two black box models and four grey box models.
In the black and grey box models, 4466 registries were used, with six input and
one output variables, all of which were measured during the operation of the mili. The
output variable for all of these models is power. The input variables are: bali load (as a
% of mili volume- Jb), total load (as a % of mili volume-Jc), water flow (Fa), mill
rotation speed (N), pebble flow (Fp), and mineral flow (Fm).
The different models to be compared are: Austin's Model, Sastri-Rao's Model,
Neural Model with six input variables, Neural Model with two input variables, after
considering a sensitivity analysis, Grey Box Model with six and two input variables
considering Austin's Model anda Grey Box Model with six and two input variables
considering Sastri-Rao's Model.

4.1 Phenomenological Models.

At the following, two models made by different authors are presented to estímate of
power of rotatory milis. These models were chosen because of their simplicity and the
availability of variable values involved in each model.
Austin's model for estimate of power is represented in equation (1).

25 / lA'\ [' 0.1 ') (l)

P=KD · LpJctl-AJcl'l'c 1-~ 1
\. 2 V~. 1
 Austin is based in Bond's model for power estimation in conventional milis [5],
[12], where K is a constant (9.77); D is interna! diameter of mili, m; L is length of
cylindrical regions, m.; pe is load density, t/m3 ; Jc is total load, as a% mill volume, <j>c
is percent critica! velocity; A is a constant (0.9375) and Pis power.
Equation (2) shows a simple power model, developed by Sastri and Rao (4], where
total power is given by the power without load (first addend) plus the net power for
the loaded mili (second addend), where V is mili volurne, m 3; D is interna! diameter of
the mili, m; Jc is total load, as a % mili volume; pe is load density, t/m3 ; K is a
constant (3.3) and Pis power.

P,
G
= 2[VD(J5 Jrn + KVPe D0.5JeDS (2)

4.2 Black Box Model

Two groups of data were considered for the neural network (one for training and the
other for testing). Training is carried out with the cross validation rnethod and is
repeated lO times in order to ensure the trustworthiness of the results.
For the neural model, the output variable is power, while the input variables are Jb,
Jc, Fa, N, Fp and Fm.
During the search for the best configuration various architectures were considered
which used between 2 and 25 neurons in the hidden layer. The configuration chosen
was that which gave the least mean and least deviation in the error between the
desired power and that given by the model.
The two configurations finaliy chosen were: (1) a neural network with six inputs,
one hidden layer with 8 neurons and a hyperbolic tangent sigmoid transfer function in
both layers. The second configuration is (2) a neural network with two inputs (Jb, Jc,
obtained after a sensitivity analysis) and one hidden !ayer with 11 neurons.

4.3 Neural Grey Box Models

The phenornenological models used as a basis for the Neural Grey Box Models are
those proposed by Austin [5],[12] and by Sastri-Rao [4]. The outputs of the neural
network, included in the Grey Box Model, correspond to the value of the parameter K,
which minimize the error for the calculation of power. This corresponds to the so-
calied direct training method. [8].
The fmal configurations are four, two for each of the power models. In Austin's
model, the first of the grey box configurations is made up of equation (1) as a
phenornenological model and a neural network with six inputs, one hidden !ayer with
15 neurons. The second configuration for Austin's model is analogous to the first, but
with only two inputs (Jb and Jc) and 18 neurons in the hidden !ayer.
For the Sastri-Rao model, the first grey box configuration is composed of equation
(2) as a phenornenological model and a neural network with six inputs, one hidden
!ayer with 17 neurons. The second grey box configuration for this model is analogous
to the first, but with two inputs (Jb and Jc) and 14 neurons in the hidden !ayer. The
neural network' s output, in both rnodels, is calibration factor K that is then added to
the model shown in equation (2).
Each model used a hyperbolic tangent sigmoid transfer function in each layer.
 5 Results
Table 1 shows the results of the estimates obtained with each of the models presented
above. The first column shows the model used for estimating of power, the second
shows the type of model, the third shows the mean difference between the desired
power and the power estimated by the different models, and the last column specifies
the particular configuration for each model. For this last column, in the case of the
phenomenological models the values of K are shown, and in the case of black box and
grey box is shown the number of inputs into the network (I), the number of neurons in
the hidden layer (H), and the number of outputs (O) in the order I-H-0.
As can be seen in Table 1, the black box models show a marked improvement over
the phenomenological models in terms of power estimate. This improvement is even
more noticeable when looking at grey box models.
The obtained results show a 1% error of the mean of power consumed (5950.5 kw)
by the mili which means that it is possible to work at an operation point where milling
conditions are more stable and more efficient.
This shows the advantages of using grey box model instead of neural or
phenomenological model that means using the combination of both models.

Table l. Results of different models.

Model Type Error (Kw) Configuration

Phenomenological Austin 92.14 K=9.77
Sastri-Rao 359.53 K=3.3
Black Box Neural Network 74.20 6-8-1
(NN) 69.61 2-11-1
Grey Box NN + Austin 44.77 6-15-1
61.89 2-18-1
NN + Sastri-Rao 36.10 6-17-1
163.76 2-14-1

6 Conclusions
This work shows that the fusion between black box models and phenomenological
models, also known as grey box models, is an altemative that improves the results
obtained by the first two individually. On the other hand, these improved results imply
the use of a 1arger number of parameters, for both black and grey box mode1s, than the
used ones in the phenomenological models.
The obtained results show an error on the order of 1% of the mean of power
consumed (5950.5 kw) by the mili which means that it is possible to work at an
operation point where milling conditions are more stable and more efficient.
The importance of estimating of power with a minimum error is that it makes it
possible to estimate other variables obtaining smali errors in these estimates as well.
On the other hand, an improvement of 1% in the estimates of the variables that affect
the process of semiautogenous milling implies a reduction of US$10 million in
operational costs per year.
 Given the good results obtained in this work, future work will include estimates
with grey box models in parallel.

Acknowledgement. This work thanks the partía! financing provided by the Chilean
Govemment through Fondecyt 1040208 and FondefD0211077 projects.

References
l. Magne L., Titichoca G., Campi A.: Semiautogenous Mili Plant Operation: a
tough reality. Part 2. The compsumtion of power, VI SHMMT/XVIII ENTMME,
Brasil (2001) (in spanish)
2. Magne L., Améstica R.,Barría J. and Menacho J.: Dynamic modeling of
semiautogenous milling based on a simplified phenomenological model, Metal
Madrid, 31 (1995) 97-105 (in spanish)
3. Van Dyk W., Stange W., Hatch Africa (Pty) Ltd.: Optimum control of the
Leeudoom semiautogenous milling circuit, CIM B ulletin, 93 (2000) 106-110
4. Sastri S.R.S., Rao K.K.: Simple empírica! equations for prediction of mili power
draw, Mineral Processing Extractive Metallurgy (1997) 91-94
5. Austin L.G., Klimpel R.R., Luckie P.T.: Process Engineering of Size Reduction
Ball Milling, American Institute Mining Engineer, New York, USA (1984)
6. Cubillos F., Lima E.: Identification and optimizing control of a rougher flotation
circuit using an adaptable hybrid-neural model, Minerals Engineering, (1997)
707-721
7. Hornik, K., Stinchcombe, M. Y White H.: Multi1ayer feedforward networks are
universal approximators, Neural Networks, 2 (1989) 359-366
8. Acuña A., Cubillos F., Thibau1t J., Latrille E.: Comparison of Methods for
Training Grey-Box Neural Networks Models, Computers and Chemical
Engineering Supplement, 23 (1999) 561-564
9. Thompson M., Kramer M.: Modeling Chemical Processes Using Prior
Knowledge and Neural Networks, Computer & Chemical Engineering, 40 (1994)
1328-1340
10. Psichogios D., Ungar L.: A Hybrid representation approach for modeling
complex dynamic bioprocesses. Bioprocess Engineering, 22 (1992) 547-556
11. Van Can H, Braake H., Dubbelman S., Hellinga C., Luyben K., Heijnen J.:
Understanding and Applying the Extrapolation Properties of Serial Grey-Box
Models, AIChEjoumal, 44 (1998) 1071-1089
12. Austin L.G., et al.: A General Model for Semiautogenous and Autogenous
Milling, South Africa institute Mining Metallurgy, Johannesburg, South Africa
(1987) 107-126
 REAL-TIME OPTIMIZATION OF SAG MILLS USING GENETIC
ALGORITHMS
Juan Becker, Jose Salazar, Luis Magne and Francisco Cubillos·
Facultad de Ingeniería, Universidad de Santiago de Chile.

Abstract. This paper presents a Real Time Optimization (RTO) system to optimize a simulated
industrial semi-autogenous mili (SAG) using genetic algorithms (GA). For the design ofthe RTO
we used both a validated first principies steady state model adapted on-line and a dynamic model
to study the transient effect. The objective function considered is to maximize the ore tonnage or
tine product by powerdraw. For this propases, two performance indexes were introduced as fitness
function in the GA. Results show the affectivity of the system to find the optimum controller set-
point as a function of the process-operating constraints, principally maximum ore feed rate,
powerdraw and filllevel. Starting from non optimum conditions, the optimizer is able to improve
the global performance index until 50% relative to a base case.

Keywords: Real Time Optimization, SAG mili, Grinding simulation

l. Introduction
The grinding process is a size reduction operation used in the mineral industry to Iiberate the valuable
minerals from the gangue. Since grinding is a very energy intensive process, modeling and thereby, optimization
of grinding operation at industrial scale has been a continuous endeavor (Apelt et al. 200 1). The objective is to
keep the process at its set-point, while optimizing a performance criterion containing the principal operating
variables such as feed rates, fractions products and power draw (Lestage et al. 2002). The optimizer is
commonly based on the steady-state values of a dynamic model of the process. In Iiterature, a number of models
have been proposed to predict the dynamic behavior of grinding processes (Rajamani & Herbst, 1991). In, this
paper, a conventional population balance approach is used to develop the necessary dynamic model of the SAG
mili operation. For SAG milis, the searching for the new operating point involves the solution of an optimization
problem, which requires a clear definition of the objective function, constraints and the method of solution
(Hales et al, 2001). In grinding, this optimum objective include the increase throughput at the desired grind size,
reduction of grinding ball consumption and minimization of the SAG mili power requirement (Mitra and
Goponath, 2004). Constraints are associated with fresh ore feed, maximum power draw and fill leve!. The
problem is a multivariable non linear optimization problem with hard constraints solved traditionally with
Nonlinear Programming (NLP) techniques such as SQP (Edgard & Himmelblau, 1988). Although NLP
algorithms are well documented, can to fail in finding the global optimum due to the fact that the multivariable
model can introduce multimodal objective functions.

' To whom all corresponden ce should be addressed

Depto. Ingeniería Química Universidad de Santiago de Chile
Casilla 10233, Santiago, Chile,
Email; fcubillo@lauca.usach.cl
 One alternative considered to sol ve this problem is the use of sorne kind of evolutionary algorithms, like
Genetic Algorithms (GA). Although these algorithms produced better results in terms offinding the appropriate
region, they too k long periods of time to reach the global optimum.
In recent years, an extremely robust technique, genetic algorithm (GA) has become popular (Goldberg,
1989). Unlike conventional methods, these methods work with a bunch of initial guesses, called population and
generally have the capability of finding the global optimum in presence of severa! local optima.
In this work, a real time optimizer is developed based on a first principies population model and used to
characterize a great 2000 TPH SAG mili of copper ore. The optimization problem is solved using a classical
genetic algorithm (GA) with constant population. Constraints in the power draw and till leve! were handled
assign penalty function in the fitness function. The model formulation, validation, RTO design and result are
detailed.

2. Model Equations
The modeling approach describes the grinding process in terms of a population balance for each particle
size (Magne et al, 1995). For convenience, only three particle sizes was used in this model, the largest size
('rock') and smallest size designated 'pebbles' and 'fine'. For i-th size, balance equation in the milling chamber
is:
~- ~~
-dt ' =-p ·(1-c)-Kw -(K - K
1 1 1 1 1 1-
1)Lw
1=1 1
+ ¡;
1
(1)

With, K¡: breakage rate for i class

w¡: mass holdup for I class
c¡: grate efficiency for i class
p¡: outlet flow-rate of i class
f;: inlet flow-rate for i class.
The water balance in the mili chamber is given by:

dWa = F -C ·exp{64,41-19561·ln(W) + 1.55 ·(ln(W)) 2 )·Wa , ton!h (2)

dt a w ~
With, Fa: Fresh feed ofwater
Wa: Water holdup
Cw: Discharge parameter
W: Pulp mass fraction in the mili chamber.
Power draw in the mili, Mp (KW), is predicted in based an a type Bond law given by:

25
M p =KD L(l-AJ)(W)""
V 'f'c [1 -~] 29-IO¡P,
(3)

3
Where D and L are the mili dimension (m), Vis the effective volume in the mili (m ), tPc is the fraction of
rotating critic velocity and J the fill leve!, considering pulp and grinding media. K and A are adjustable
parameters. Other model equations such as grinding media consumption and bearing pressure are considered as
proportional to the total charge within mili (Salazar, 2004).

2
 2.1. Model solution and validation
This set of ordinary differential equations is solved using the Simulink dynamic simulator using a
standard method (RK-4). The model may be tuned on Iine with the data collected from a DCS or historie data
considering steady state conditions. The parameter estimation task is performing by a NLP formulation with the
breakage rates, discharge and power equation constants as adjustable parameters (Salazar, 2004).
In order to demonstrate the prediction capacity of the model, this was adapted and contrasted with
operational data of an industrial SAG mili of ore copper. The Figure 1 illustrates the behavior ofthe model in the
prediction ofthe Power draw and fill fraction.

1 000 2000 3000 4000 so o o 6000 7000

6.S

·{\':<,_c2;/J)(:.f'),f\;'!..f"Y;~~'"·CJ'\1'~ttl;:~¡ " , , ' "'"·'v

6 r· \;;\ f~"- ---.::"~""Y.,:-;;~~~--"""" . .... ;~::·-<J::C'-~--.
; .... _r{ \ ··-:,_¡ ''\.:~~~'" . . . .>i':0:'t=~;¿¿v..r:,...~-?0

s.s . \_;;j

4.S

Figure l. Actual and model prediction for SAG mili (Up: Power draw, down; Filllevel).

3. RTO design
3.1. Genetics Algorithms
Genetics algorithms (GA), are stochastic optimization methods based on the biological principies of
natural selection and are specially suitable for multimodal objective functions as has been observed in models
based on neural networks, being less probable to get trapped in local optima (Goldberg, 1989). In GA, the
decision variables are encoded into bit strings in order to be able to use crossover and mutation mechanism based
on the evolutionary theory. The reproduction is determined by a fitness function associate with the capability of
survival of an individual.
The main characteristics of GA's are: Search from a population. The fitness functions (the objective) is
evaluated as a black box, then no additional knowledge are necessary. Use probabilistic rules for the operations.

3
 The efficiency of a GA is closely Iinked with the objective function and set-up parameters as: encoded strings,
bits resolution, initial and final population, generation number, and operator probabilities. Experience indicates
that due to the great number of GA parameters, a suitable algorithm set-up has that to be determined for each
particular problem.

3.2. RTO Formulation

In this work we applied the GA approach to solve the RTO problem to the SAG mili considering two
principal objective functions:

• Maximize the overall index (ore throughput!Power draw)

R = OreFeed (4)
1
Power
R _ Fine Pr oduct
• Maximize the product index (Fine product!Power draw) 1 - (5)
Power

These functions are related with the principal operational modes of SAG milis example: Maximize
production (or fine product) at mínima! cost (power draw).
The manipulated variables to optimize were ore feed-rate, water addition and mili velocity (fraction of
critic velocity). Lower and upper limits were imposed in the manipulated and outputs variables.
The GA parameters were set-up with no major detention. Manipulated variables were encoded in three
binary strings of 16 bits each. The population size was considered constant over the generations containing 50
pairs of individuals. A total of 30 generations was used to find the optimum. Non feasible sets of individuals in
the initial population were penalty in the fitness function (objective function) in order to minimize his translator
over the next generations. The RTO was programmed in Simulink and linked with the dynamic simulation in
order to track the evolution of the mili variables with the time.

4. Results
As comparison, a non optimum base case is taken as reference, Table N°l show the operational
condition and the performance index values, as well as the operational bounds used in the different test. Severa!
examples were carried out considering different sets of manipulated variables and index to optimize. Results are
informed in Tables 2 for the Fine index Rf and Table 3 for the Overall index Rt. The implementation of the
optimum setting in the process was made on Iine. Figure 2 show the dynamical profiles ofthe mili included the
optimized indexes. We can see that the new optimum is reached in few minutes with under dump response.
Results from Tables 2 and 3 indicate that a better increment in the performance indexes is obtained with
variables associated with productions and power draw, it is, ore feed rate and mili velocity.

4
 Table l. Operational variables of SAG mili
Inputs variables : Base - Min - Max Rf Ft
(Ton!KW-h) (Ton!KW-h)
Ore Feed (Ton/h) 1500- o- 2000
Fresh Water (Tonlh) 700-0-1000 0,2413 0,2651
V el. Fraction 0,7-0,4-0,98

Table 2. Optimization results for Fine index

Optimum setting
Rf % increasing rel.
Fresh Water
Ore Feed (Tonlh) V el. Fraction (Ton!KW-h) case base
(Tonlh)

1643 0,2543 5,4%

999,9 0,2547 5,6%

0,5385 0,296 22,7%

1979 0,4565 0,3713 53,9%

1797 952 0,2705 12,1%

865,2 0,5571 0,2972 23,2%

Table 3. Optimization results for Total index.

Optimum setting
Rt % increasing
Fresh Water
Ore Feed (Ton/h) V el. Fraction (Ton!KW-h) rel. case base
(Tonlh)

1664 0,2774 4,6%

1000 0,2813 6,1%

0,5368 0,3327 25,5%

1970 0,4479 0,4335 63,5%

1740 969,5 0,2975 12,2%

967,3 0,5687 0,3333 25,7%

5
 0.450 12000
0.400
'
' '
'
,. . -- .. -- . --
~ ~
11000
0.350 o#

-
10000
0.300 .
1 ~

9000 3:
..,
-...
1

~
0.250
- . --- -- 1
8000
...:
0:: 0.200

0.150 1 '"' - \, 7000 G)

;:
o
0.100
~
- - .• 6000

5000
a.
/~
0.050 4000
0.000 3000
1.00 1.25 1.50 1.75 2.00 2.25 2.50 2.75 3.00

Time (h)
0,500 12000
, . - . ---- - - - --
#
0,450 ~ 11000
, ' ~
#
o#

0,400 .. ,

-~
1
10000
0,350 1
9000
.., 0,300
----.
1

1
8000
-...
.,;' 0,250
0:: , ""\ G)
0,200
0,150 , 1 /
- - 7000

6000
;:
o
a.
0,100
- -- - 5000

0,050 1/ '-"' 4000

0,000 3000
1,00 1,25 1,50 1, 75 2,00 2,25 2,50 2, 75 3,00
Time (h)
Figure 2. Dynamic evolution in SAG miLI variables during optimization; ----- R;-.- .- Filllevel, ------- Power draw
(Up: Fine Optimization, Down; Overall Optimization).

5. Conclusions
In this work, a real time optimization system is developed for an industrial SAG mili based on the
steady state equations of a first principies dynamic model. The optimization problem is solved by a simple
genetic algorithm considering three decision variables. The objective function considered is to maximize the ore
tonnage or fine product by powerdraw. For this proposes two performance indexes were introduced as fitness
function in the GA. The RTO was applied to find the optimum settings of an industrial mili by simulations,
using the validated model. Results show the affectivity of the system to find the optimum controller set-point as
a function of the process-operating constraints, principally maximum ore feed rate, powerdraw and fill leve!.
Starting from non optimum conditions, the optimizer is able to improve the global performance index until 50%

6
relative to the base case manipulating principally ore feed rate and rotating mili velocity. Based on this results, it
is possible to affirm that the implementation of the proposed RTO may bring great economic benefices if is
applied in the real world.

6. References
• Apelt T., Aspray S. and Thornil N ; (2001), Inferential measurement of SAG mili parameters ,
Minerals Engineering, Vol 14 N° 6.
• Edgard T. and Himmelblau D. (1988), "Optimization of Chemical Processes," McGraw Hill Book
Co., New York.
• Goldberg, D.,1989, "Genetic Algorithms in Search, Optimization and Machine Learning", Addison-
Wesley.
• Hales M., Ynchausti R., Gonzalez P., and Lizama E., (2001), Real-Time Adaptative SAG-mill Control
at Los Pelambres, SAG 2001 Mining and mineral process engineering, II-294.
• Lestage R., Pomerleau A., and Hodouin D., (2002), Constrained real-time optimization of a grinding
circuit using steady-state linear programming supervisory control, Powder Technology 124, 254-263.
• Magne L. Améstica R, Barría J. and Menacho J, (1995), Modelización dinámica de molienda
semiautógena basada en un modelo fenomenológico simplificado, Rev. Metal. Madrid, Vol 31, N°2,
1995.
• Mitra K., and Goponath R., (2004), Multiobjective optimization of an industrial grinding operation
using elitist non-dominated sorting genetic algorithm, Chemical Engineering Science 59 (2004) 385-
396.
• Rajamani, R.K. and Herbst, J.A., 199Ia., Optimal control of a ball mili grinding circuit-1. Grinding
circuit: modeling and dynamic simulation. Chemical Engineering Science 46 (3), 861-870.
• Salazar J., (2004), Modelación y simulación de un proceso de molienda semiautógena, Chemical
Engineering Thesis, Universidad de Santiago de Chile, 2004.

Acknowledgments
The authors wish to acknowledge the support provided by FONDEF (Project D02I 1079) and DICYT-USACH

7
 SIMULACION DINAMICA DE MOLINOS SEMI-AUTÓGENOS
DYNAMIC SIMULATION OF SEMIAUTOGENOUS MILLS

J. L. Salazar, L Magne, G. Acuña y F. Cubillos

Programa de Doctorado en Ingeniería de Procesos, Facultad de Ingeniería,

Universidad de Santiago de Chile Casilla 10233, Santiago, Chile
E-mail: fcubillo@lauca.usach.cl

RESUMEN:
Se presenta un modelo dinámico para la simulación de un molino semi-autogeno basado en
consideraciones fenomenológicas . La principal característica de este modelo es que sus ecuaciones
permiten calcular explícitamente el reciclo interno de material entregando una mejor información
sobre la evolución de la operación. Asociado a un estimador en línea de parámetros, el modelo
presenta excelentes capacidades predictivas cuando se le contrasta con datos de operación de un
molino industrial.

Palabras Claves: Molienda SAG, Simulación dinámica.

INTRODUCCIÓN Las variables de salida del modelo son: Potencia

La molienda es una de las operaciones más importantes
en el procesamiento de minerales.
Dado que es altamente consumidora de energía y
generalmente determina la capacidad de procesamiento,
los esfuerzos por comprender sus mecanismos y
descripción mediante modelos es altamente valorada.
El presente trabajo informa sobre un modelo dinámico
de un molino semiautógeno basado en consideraciones
fenomenológicas. Posteriormente se presenta la
programación del modelo en base a un "Núcleo
Simulador" y su posterior evaluación con datos
industriales
ESTRATEGIA DE MODELACIÓN
Las bases conceptuales de la modelación
;onsisten en la formulación de balances de material en
!stado no estacionario en el equipo de molienda, junto a
:elaciones de conservación de fuerzas y
;onsideraciones hidráulicas. La metodología seguida
lstá establecida por Magne et..al. (1995) 1 que consiste
m formular balances poblacionales a cada tamaño de
nineral al interior del molino. Las variables de entrada
;on: Flujo de agua, Flujo de mineral (Incluyendo datos
le granulometría), Flujo de bolas y la fracción de
relocidad crítica de operación del equipo.
suministrada, Nivel de llenado de carga, Nivel de
llenado de Bolas, Flujo de Mineral total y porcentual a
cada tamaño,Flujo de agua y Bolas, Presión en los
descansos, Flujo de Pebbles y ángulo de pie y hombro
de la carga interna.
MODELO DE MOLIENDA SEMIAUTÓGENA
Para modelar la molienda semiautógena y dada
las características de este tipo de equipos, se suele
dividir el molino en dos zonas según el proceso que
tiene lugar en ellas (Fig.l ). En la primera, definida
como cámara de molienda, se identifica y modela la
ocurrencia del proceso de reducción de tamafio de las
partículas. En la segunda, que se defme como sistema
de descarga. Se verifica la clasificación interna por la
parrilla y la posterior evacuación del material como
producto fmal. Para completar la descripción del
sistema es necesario considerar la relación existente
entre el flujo de alimentación y el nivel de llenado del
molino; esta se suele denominar ley de transporte y es
probablemente el aspecto menos elaborado en los
modelos propuestos hasta la fecha. Las partículas que
alimentan al molir10 ingresan a la cámara de molienda,
cuyo producto enfrenta al sistema de descarga, donde,
de acuerdo con una probabilidad de clasificación, las
partículas pueden retomar a la cámara de molienda o
formar parte del flujo de descarga del molino.
 El modelo se formaliza mediante parámetros
cinéticos globales de molienda, los cuales reúnen la
acción simultánea de los diferentes mecanismos de
conminución sobre la carga interna de mineral en el
molino. Si bien estos parámetros cinéticos pueden ser
estimados mediante mediciones de la granulometría de
carga interna, alimentación y producto del molino, el
aporte individual de cada uno de los mecanismos de
molienda no se puede evaluar si no se agrega
información experimental que permita estimar las
contribuciones individuales.
dw; ~
- = ¡;• - P;• - K¡W¡ -(K¡- Ki-1) L..,¡ W¡ ' tlh (4)
dt 1=1
El balance másico planteado en la Ec. 4
constituye la base del modelo de molienda desarrollado,
ya sea en su forma estática o dinámica.
Para el sistema de descarga, el balance se realiza
definiendo un vector de eficiencia de clasificación, e;,
que tiene implícito dos efectos: el producido por la
parilla interna del molino y del sistema de evacuación
de la pulpa. Así, e; queda definido por:

1-c; = p~ (5)
P;
Suponiendo que el molino se comporta como un
reactor perfectamente mezclado, p/, se relaciona con la
masa por tamaños de la carga interna a través de la
siguiente relación:

P> (~ )w, tlh (6)

De aquí la relación entre el flujo másico de descarga de

la cámara de molienda, P*, y la masa interna de mineral
Figura 1: Representación esquemática del molino
contenida en esta, W se obtiene suponiendo que no
SAG
existe reciclo de fmos en el clasificador interno, lo cual
l. Molino real.
simplifica la ecuación del balance másico y se obtiene el
2. Cámara de molienda.
valor de P* a partir del flujo de fmos del producto, Pn y
3. Clasificador interno.
de la masa de finos en la carga interna, wn, según la
ecuación:
La modelación propuesta comienza con la
hipótesis sobre el fenómeno de molienda en los molinos
semiautógenos, fundamentada en la siguiente cinética i =( ~: ) w ,tlh (7)
de molienda.
El flujo de alimentación por tamaños a la cámara
de molienda, /;*, se obtiene componiendo el flujo de
tasa de desaparicio'n] [masa de material] alimentación por tamaños al molino, ¡; y el flujo de
(l)
del material sobre a presente sobre recirculación interna:
rla malla i - esima la malla i - esima
(8)
La relación de proporcionalidad queda definida
mediante el parámetro cinético de velocidad efectiva de Finalmente utilizando las ecuaciones (4), (7) y
molienda, K;. La Ec. 1 se escribe en términos de K; y de (8), se obtiene la siguiente expresión para la descripción
la masa retenida acumulada sobre la malla i, Wi, como: matemática de la cámara de molienda:
dW¡ = - KJV tlh (2)
dt 1 1'

La variación de masa en la cámara de molienda -

dt w 1
(p*)
dw1 = - - (1-c)w-Kw-
1 1 1
m función de la masa retenida acumulada en la malla i ,t/h (9)
' de los flujos acumulados sobre la malla i de i-1
tlimentación y descarga de la cámara de molienda, F; • y (K¡ - Ki-l) L W¡ + ¡;
)/, respectivamente, se expresa de la siguiente forma: 1=1

dW • •
d/ = F; - P¡ - K¡W¡ , tlh (3) Transporte de agua a través del molino
Para el agua se ha utilizado una ecuacwn
La ecuación anterior puede expresarse, en diferencial de primer orden, aproximación que parece
!rminos de los flujos parciales en el intervalo i, de la adecuada según resultados experimentales.
iguiente manera: La ecuación que representa la variación de la
carga interna de agua, Wa, con los flujos de entrada y
salida de agua, Fa y Pa = l!f0 W0 , es la siguiente:

(10)
El parámetro lf/a de esta ecuación, denominado
parámetro de descarga de agua, se ha correlacionado
con la masa de mineral contenida en el molino W, según
la relación:
La masa de medios de molienda (Bolas) en el
interior de la cámara se determina mediante un balance
considerando una taza de reposición de bolas y una
velocidad de consumo de metal, esta ultima
proporcional a la masa de mineral en el molino según:
d~ =F, -fJ·W (15)
dt b

l.fla =exp(64.41-19.56ln(W)+ 1.55(1n(W)i) (11) Donde:

Velocidad efectiva específica de molienda
La relación que determina la velocidad efectiva
de molienda K;, se define como una relación
proporcional a la potencia específica suministrada al
molino:
M
K= K E _ p '1/h
1 1 w (12)
Wb: Masa interna del medio de molienda
Fb: Tasa de reposición del medio de molienda
/]: Constante de consumo del medio de molienda
W: Masa interna de mineral.
Presión en los descansos
La presión en los descansos se ha formulado
como una relación lineal con el peso total de la cámara
de molienda, entonces:

PD= a+A.*Wt (16)

Donde K/ se define como función velocidad efectiva de
molienda en (t/KWh.) y Mp es la potencia en (KW).
Ecuación para la potencia
La ecuación utilizada para predecir la potencia
consumida por el molino, Mp en (KW), esta basada en
una modificación a la ley de Bond , según:
V 'l'c [1-~]
M P =KD 2·5L(I-AJ)(W),¡, 29-IO!!)c
(13)
Donde:
Wt: Peso total (Mineral, agua, bolas, lifters y liners)
a,A. : Constantes de ajuste
Posición de la carga
La posición de la carga se expresa en términos
de los ángulos del pie y hombro. En el cálculo del
ángulo del pie y hombro, se han considerado las
relaciones (Apelt et al, 2001) 2 :

Donde D y L son las dimensiones del molino en m, V es BT = 2.5307(1.2796-J)(J-e-J 9.42·(!1)-!I)c))+

el volumen efectivo del molino en m3, ~e la fracción de
(17)
velocidad crítica de operación del equipo y J el nivel de
llenado del molino, considerando la pulpa y las bolas. K 2
y A son los parámetros de la ecuación. Por definición, la
razón entre el peso de carga interna y el volumen del
no lino, ~, se relaciona con el nivel de llenado de Bs =~ -(eT- ~}((0.3386+0.1041·q5J+ (18)
V
~ste, J, a través de la siguiente relación: (1.54- 2.5673 · qJc)·J)

w Donde:
V =(1-&¡}J·,q ·(1+~)+0.6·.1¡, {q, -,q(l+~)) (14)
eT :Angulo del pie (rad)
88 : Angulo de Hombro (rad)
~n la que eb es la porosidad de la carga interna del
aolino Ps y Pb son las densidades del mineral y bolas, rjJ :Fracción de velocidad crítica experimental, calculada
espectivamente; wc es la razón entre el agua retenida y mediante la relación:
1 masa de mineral en el molino y Jb es el nivel de
!enado de bolas. La determinación del nivel de llenado rjJ = 0.35(3.364- J) (19)
e carga interna del molino, se realiza deteniendo el
10lino y midiendo directamente la altura de la carga.

fedios de molienda
 PROGRAMACION DEL NUCLEO SIMULADOR
En este desarrollo, se defme como "Núcleo
Simulador" a una subrutina computacional que es capaz
de resolver numéricamente el modelo algebro-
diferencial planteado en la sección anterior. La ventaja
de esta arquitectura es que centraliza el esfuerzo de
resolver, mejorar y optimizar el modelo en un solo
desarrollo. Por otro lado permite el diseño de productos
tecnológicos de una manera descentralizada, facilitando
el uso de otras plataformas de programación y gestión
tales como Vbasic, Sistema PI, Interfase Web etc.
Programación en Matlab-Simulink
El concepto de núcleo simulador se implementó
como un sub-sistema "Mask" en Simulink de Matlab.
Simulin.k es un sistema de programación estructurado en
bloques que permite la solución de ecuaciones
diferenciales, además de permitir programar bloques de
usuario a través de funciones tipo S (S-functions). Lo
anterior, junto con la posibilidad de usar los "toobox"
específicos de Matlab conforma una poderosa
plataforma para el desarrollo de prototipos.
La arquitectura del núcleo simulador se
determinó de manera análoga a la de la Figura 1 de tal
forma que es posible distinguir la cámara de molienda,
la parrilla clasificadora y
La Figura 2 muestra el subsistema correspondiente al
núcleo simulador. Mayores detalles se encuentran en
Salazar (2004) 3.
Componentes principales
En base a la Figura 2 los componentes
principales del subsistema son:
• S-Function conteniendo las ecuaciones
diferenciales del modelo (masas de mineral por
tamaño, agua y bolas).
• Funciones para la parrilla y potencia
• Reciclo interno de sólidos.
• Entradas y salidas que hacen de interfase con
la aplicación final.
Parámetros
El modelo diferencial contiene diversos
parámetros que pueden ser ingresados por el usuario o
auto-ajustados en línea según la aplicación. En este
primer prototipo los parámetros considerados son:
• Las constantes cinéticas de molienda K/
• Las constantes de la ecuación de potencia K y
A
• Los parámetros de la descarga de agua y
mineral
• Masa inicial de medios de molienda
APLICACIÓN EN MOLINO INDUSTRIAL
El desarrollo anterior se programó y adaptó a las
condiciones operacionales del molino SAG de una
planta concentradora de mineral de cobre. La
programación se realizó en ambiente Simulink y
solución mediante rutina de integración de paso
variable.
A partir de pruebas preliminares de cambios en las
variables de entrada se hicieron los ajustes necesarios
para obtener un modelo que respondiera de manera
adecuada a lo observado en la práctica.
Dado el carácter altamente variable de las condiciones
de alimentación (granulometría, moliendabilidad,
composición mineralógica) y en la cámara de molienda
(medios de molienda y revestimientos), área libre de
parrilla, etc, es que se hace necesario incorporar una
rutina de adaptación del modelo, básicamente algún
esquema de estimación de parámetros. En literatura se
menciona que esta componente es fundamental para
cualquier aplicación basada en modelo, siendo el filtro
de Kalman extendido (EKF) el algoritmo más utilizado.
En este caso se utilizó una rutina de estimación no lineal
basada en el modelo de estado estacionario.
Con el objeto de demostrar la capacidad predictiva del
modelo se contrastó este con datos operacionales. La
Figura 3 ilustra el comportamiento del modelo para la
predicción de las variables de salida con adaptación y
sin adaptación.
De los resultados sin estimación se puede
apreciar que el modelo es capaz de responder
adecuadamente a los cambios en las variables de entrada
( RPM Flujo de alimentación y de agua) desde un punto
de vista cualitativo, lo que lleva a concluir que el
modelo es representativo de los fenómenos físicos
involucrados. Sin embargo, la predicción se va
deteriorando paulatinamente debido a cambios no
medidos tales como granulometría de la alimentación,
composición del mineral, moliendabilidad, u otros, que
hace necesario una calibración o actualización del
modelo en forma contínua de manera de adaptarse a las
nuevas condiciones.
 Figura N°2 ; Núcleo simulador

Lo anterior se refleja en los resultados obtenidos con

una estimación continua de los parámetros de cinética
de molienda (KE) , coeficientes de descarga de líquido
y sólido y la constante de la ecuación de potencia Kp.
Se puede apreciar que el modelo adaptado en línea es
capaz de seguir la evolución de las salidas
adecuadamente. La variable con mayor error de
predicción es el flujo de pebbles, mientras que la
potencia y los niveles son más exactos. Esto ultimo
puede deberse al gran ruido asociado a la medición de
pebbles.
Por otro lado, se puede apreciar que los parámetros
varían levemente en cada estimación (salvo en
condición crítica) lo que ratifica la robustez del modelo
fenomenológico.
REFERENCIAS
[1] MAGNE L. AMÉSTICA R, BARRÍA J. Y
MENACHO J; "Modelización dinámica de
molienda semiautógena basada en un modelo
fenomenológico simplificado", Rev. Metal.
Madrid, Vol31, N°2, 1995.
[2] APELT T., ASPRAY S. Y THORNIL N;
"lnferential measurement of SAG mili
parameters", Minerals Engineering, Voll4 N°
6, 2001.
[3] SALAZAR J.L , "Simulación dinámica de molinos
semiautogenos", Tesis Ingeniería Química,
Universidad de Santiago, 2004.

CONCLUSIONES AGRADECIENTOS

Se ha desarrollado un modelo para un molino SAG Los autores agradecen el apoyo financiero al
basado en consideraciones fenomenológicas. La FONDEF, Proyecto D0211077, Fondecyt 1020041
principal característica de este modelo es que sus
ecuaciones permiten calcular explícitamente el reciclo
interno de material entregando una mejor información
sobre la evolución de la operación. Cuando es
contrastado con datos operacionales su respuesta es
altamente consistente y siendo mejorada su capacidad
predictiva cuando opera con un estimador en línea de
parámetros.
 5.5

4.5
'1 !

:~r~JlJ~~:~~
1000 2000 3000 4000 5000 6000 7000 1000 2000 3000 4000 5000 6000 7000

Pebbles

i
5'

4.5 4 .5

1000 2000 3000 4000 5000 6000 7000 8000 1000 2000 3000 4COO 5000 6000 7000

Potencia

22

20 •

1a ~>, ,ÓM~,_~r.J;0{t;~'v'
16 __ j ifl
14 14

12
12

10

1000 2000 3000 4000 5000 6000 7000

1000 2000 3000 4000 5000 6000 7000 8000

Niveles
Figura 3: Salidas medidas y estimadas en molino industrial:. Izquierda: sin estimación.
Derecha, con estimación.

DEPARTMENT OF MINING ENGINEERING
UNIVERSITY OF BRITISH COLUMBIA
Vancouver, B. C., Canada
LOAD IMPACT MANAGEMENT IN AN OPERATIONAL SAG MILL
USING ADVANCED PERFORMANCE ENHANCEMENT
INSTRUMENTATION
1 2
By David G Almond and German Sepúlveda
1
Manager, Performance Enhancement Technology, FFE Minerals USA
2
lnc, Bethlehem, PA, USA; 0perations Manager, ETT Transferencia de
Tecnologías, Viña del Mar, Chile.
ABSTRACT
The inefficient use of grinding media, drive energy and grinding capacity
in a SAG mili is generally the result of the lack of control of the mili load
and cataract. The audio noise generated by the movement of the mili
load can be analyzed to characterize the impacts with the aim of
preventing impacts of balls against the mili liners.
KEYWORDS
SAG Mili, Grinding Media, lmpacts, Acoustics, Sensors, Pattern
Recognition, Signal Processing, Control, lnstrumentation, Ore Reduction,
lmpactmeter, Variable Speed Orive.
INTRODUCTION
Some of the main factors affecting the efficient and economical operation
of SAG milis are: production losses resulting from unscheduled
downtime caused through fractured mili liners and associated
replacement and maintenance costs, excessive grinding
INTRODUCTION (Continued)
media (steel balls) consumption, energy losses (kWh/ton) caused
through ineffective steel on steel impacts, mili efficiency losses caused
through excessive production of steel ball chips resulting from ball on
liner impacts and reducing effective mili grinding volume, and large mili
load fluctuations (size distribution, filling level, and viscosity) caused
mainly through variations in ore characteristics. To avoid these
problems monitoring and control of the mili load movement is highly
desirable. Control of mili load through the varying of speed, mili filling
level and rheology, is aimed at improving the load dynamics such that
the trajectory of the steel balls in the mili results in the impacts occurring
at the toe of the mili load (see Fig. 1), resulting in maximum use of
impact energy for ore reduction and grinding, reduced fracture of steel
balls, liner wear and/or liner breakage.
DIRECT IMPACT
MILL LINER
Fig. 1 Variable Mili Load Cataract
This paper presents a proven method of monitoring load dynamics,
based on digital signal processing of acoustic signals collected by an
array of sensors positioned around the rotating mili shell and used to
detect the level and type of impacts generated within the mili. This
instrument, called an lmpactmeter, permits information relating to
interna! mili impacts to be provided to the mili operator/controller so that
appropriate actions can be taken to optimize the mili load position,
reducing the occurrence or harmful, inefficient impacts. Experimental
results of an actual industrial installation are presented. The process of
---- · ··· .., ·- --- ... - "'l:ll"""'"' '"'""' ""!-'' uvo:: 111111 UJ-.11::::1 é:IIIOn USing an comprising of two sensors, dependent on the mili dimensions and
lmpactmeter at a commercial installation is also described. n?mi~al lo_ad values. Small milis permit the use of just two sensors per
s1de 1n a smgle column layout as shown in Fig. 3.
IMPACT DETECTION METHOD

The load within a SAG mili comprises varying quantities of ore, steel
balls and slurry. A method of pattern recognition is developed based on a FrontView
set of heuristic models derived from acoustical behavior of sound
emissions generated by impacts between two bodies under particular
conditions. Conditions are adjusted in a laboratory to represent the
phenomena to be assessed which in this case is the different types of
1mpacts between two bodies. Field measurements are used to provide
the information for the model's evaluation and corresponding parameter
calibration. Fig. 2 depicts a typical signal recorded as an impact in a SAG
mili.
o

..... . L.

t-· L.-~l-~l.--r-·i-
) :

---1-=~~
--'----'-.-L..--'---'--~--''----.....L..___f_.J._=:_=: :·_.¡~:-_.: :~"': :c-: : : : : A: : : : : :Ac: : : : : :\- · · · ·-· -l·-··· ·- -·!: - - ~,. ·-· ·
____

Fig. 2. A Typical Record of an lmpact in A SAG Mili

Fig. 3. An Example of Two Sensor Layout on Sma/1 SAG Mili
Geometry, mili size, liner configuration, ball size and filllevel, rheology of
the load and natural acoustical modes influence the general acoustical
behavior. For this reason each application should be analyzed To enable recognition and discrimination between the types of impacts
specifically for its customized design and calibration. The main a function of identification must be carefully chosen so that harmful
consideration in designing the instrument is the quantity and distribution conditions can be accurately detected. This is done through
of the acoustic sensors around the mili. The sensors are encased in characterization via filters in the time domain and by spectral behavior,
specially designed environmentally secure enclosures that protect them concerning the high frequency components that are common to high-
from the harsh conditions of a milling plant and insulate them from energy impacts. The impact signal is studied using spectral analysis,
detecting undesirable background noise. They must be installed focused time behavior and finally as a whole signal set received via multiple
on the zone where the toe of the load will be located. In bi-directional sensors. Commonly the filters employed are of the band-pass type and
rotated milis sensors will be installed symmetrically on both sides of the their cut-off frequencies are determined according to the specific
mili. On most SAG milis typically four (4) acoustic pickup sensors are application. Fig. 4 depicts the first step in impact detection; using an
positioned on each side of the mili. These sensors are installed in either appropriate filter function an input signal is filtered (upper trace). The
a single column comprising of four sensors or in two columns each center trace shows the signal's spectrogram and the lower traces reflect
 ·- -- -- ~ · ·w···-· "'t'""'"' ~•::::t•tQI 111 uu:; uner aamage or wear and reducing grinding media (ball) fracture and
upper trace. consumption. The realization that sound intensity alone is not an
effective method of controlling load generated impacts was the one of
the main motivations behind investigating alternativa methods of
identifying and controlling harmful impacts in large grinding milis. In
identifying classes of impacts it is also important to consider process
behavior since this will also have an effect on the types of impacts that
may occur. For the purpose of monitoring classes of impacts in a
tumbling mili, the impacts may be classified into Standard (low-medium
energy) lmpacts and Critica! (high energy) lmpacts.

Once an appropriate frequency band has been defined (where the

impact energy is located) the audio signal from each sensor is
independently filtered. The filtered sound in the band of interest is
divided into temporary pieces of sufficient size to represent
approximately half of a typical impact. For each of the sound pieces, a
representativa value for its contained energy is calculated in such a way
as to have a signal representing the energy temporary envelope for the
filtered sound in the band of interest. The impact sound is then
superimposed over the calculated energy signal to identify each peak
that appears and to characterize it by the contained energy.

Once an impact has been detected and classified according to its

energy value, it is incorporated into an "lmpact Distribution" histogram,
the axes of which are the energy contained by impacts, and the quantity
of impacts per energy range. To simplify the manner in which the
lmpactmeter presents the impact information to the operator or control
system, the impacts distribution is separated into two broad categories,
and the lmpactmeter then separately counts the impacts in each of
these two categories. The signals used by the operator or control
system are an account of accumulated impacts in these two ranges
reported at defined intervals of time (typically every 10 seconds). The
division of the impacts distribution permits differentiation of impacts with
more energy dissipation (potentially harmful) from those with less
energy dissipation.

Under industrial application the information is compressed into the

following two signals:
Fig. 4 Traces depicting Original Sound (top), Sound Spectrogram
(center) and Filter Sound (bottom) • Critica! lmpacts - lmpacts accumulation in a range of superior
energy over n seconds (extrapolated into a rate measured as
lt is important to recognize that high sound level does not necessarily impacts/minute)
imply high impact levels and conversely low sound does not imply that • Standard lmpacts - lmpacts accumulated in a range of lower
high level impact will not occur. In the past many concentrator plants energy over n seconds (extrapolated into a rate measured as
have relied on monitoring sound level as a method of controlling the load impacts/minute)
of the mili, but this has not been completely successful in eliminating
 -- -- ----· --· - -·· -·-····
demanding fast response by the operator/controller. The threshold for
this alarm is set at near zero at all times. To enable the operator to
predict the onset of critica! impacts a second signal providing a count of
standard impacts is provided. The count of standard impacts is used to
monitor the general load dynamics through the presence of lower energy
impacts, the count of which will elevate prior to the onset of critica!
impacts allowing suitable control adjustments to be made to the mili drive
speed and/or ore feed system to avoid occurrence of critica! impacts.
CONTROL HYPOTHESES ANO RESULTS
The method of mili control using an lmpactmeter is in use on a
commercial plant and has contributed to process stabilization and as a
method of providing the operator with an early warning when fill levels
drop below desired levels or mili speeds elevate above that considerad
optimum. These operations have found that when appropriate control
actions are consistently taken in time according to the signals provided
by the lmpactmeter, larger tonnages are processed with fewer process
oscillations, consuming less energy and steel (balls and liner material)
per ton of ore processed. This has also resulted in the reduction of
unscheduled downtime caused through possible liner fractures and/or
over and under filling. The empirical relationship between the critica!
impact rate, mili rotational speed and ore feed rate for a 20 MW gearless
SAG Mili over one week of production is shown in Fig. 5. The mili feed
rate constitutes the main indicator in evaluation of the mili performance
because this represents the rate of production versus time.
Fig. 5 Empirica/ Relationship between Criticallmpacts, Ore Feed Rate
and Mili Speed
""':::1'1C•.tlt , ••t::• t:: 1:s a1so a remarKaole mverse correlation between the quantity of
impacts detected by the lmpactmeter and the ore feed rate, showing
that when the operator manages to maintain the mili with the mínimum
number of harmful (critica!) impacts present the process will stabilize at
a greater production level per unit of time.
Fig. presents the relationship between impacts, bearing pressure and
speed. Commonly bearing pressure is used as an indication of mili
filling. lmpact levels increase with increased speed as expected but
impacts also increase when mili filling is reduced.
IMPACTS v/s PRESSURE AND SPEED
Fig. 6 Empirical Relationships between Criticallmpacts, Bearing
Pressure and Mil/ Speed
The control of impacts in a SAG mili using the lmpactmeter positively
contributes to mili availability and increased production. When mili lifter
profiles are improperly designad, or when the mili filling is too low or
operating speed set too high (where variable speed drives are
installed), the shell liners are subjected to heavy impacts from free
falling rocks and steel balls. These impacts result in degradation of
grinding media (fracture of balls), excessive liner wear including
possible fracture of liners, and wasted energy. Fracture of mili liners
reduces mili availability through unpredictable and unscheduled mili
downtime and broken balls increase grinding media consumption as
well as occupy valuable mili volume while providing almost no
contribution to the grinding process. The steel fragments generated
from fractured balls may also contribute to damage of screen decks and
accelerate wear in pumps and cyclones further reducing plant
availability. High operational speeds can also result in other abnormal
load behavior such as partial centrifuging and load segregation whereby
 - - ...., -- ------·-,¡· ruu IVY~·· "ICI e VVIII IJt:: i::l Vi::ll rely OT lypes OT lmpacts present over a range
Conversely if the speed of a variable speed mili is set too low the load of energy levels, only the impact counts between the energy floor and
will not generate sufficient ore reduction at the toe of the charge, predeterminad threshold and between the threshold and a maximum
negatively affecting the mili efficiency and reducing potential throughput. determinad energy level are reported, categorized simply into standard
The overall effect of controlling of ball trajectories results in less specific and critica! impacts.
energy consumption (kWh per ton of material) and the virtual elimination
of unscheduled downtime to replace broken mili liners. The use of There are potentially many control possibilities that can be used to
impacts as a process variable enables a better understanding of the control the impacts generated by the dynamic mili charge, including but
whole grinding process and is a valuable step towards further not limited to changas in feed rates, variations in mili speed, and
optimization activities such as load and charge condition monitoring and adjustments to mili charge solids percentage. Establishing control rules
control. will invariably be plant specific and determinad on the basis of the
options available and philosophies employed by the user. A simple
PRACTICAL APPLICATION ANO CHALLENGES WHEN APPLYING example of control diagram that may be employed for control purposes
IMPACT MANAGEMENT IN AN OPERATIONAL SAG MILL is shown in
Fig. 8.
In the practica! application of this technology, the first step is to establish
specific impact recognition and the determination of the energy
parameters necessary to identify the respective impacts via a calibration
process. The process followed for calibration commences with setting up
the audio filter against audio signals representing conditions with zero
presence of high energy impacts and with presence of high energy
impacts. The filtered signals are then employed to determine an energy
floor, maximum energy and energy threshold. Specific types of impacts
(ore on liner, ball on liner etc.) are recognizable through their respective
frequency and energy spectra signatura. The algorithms within the
proprietary software breakdown the filtered signa! into segments of time
(established through technology development experimentation) and plots
the representativa energy for each of these segments. This technique Action C: keep Action D: try to
develops an impact energy distribution curve which in turn forms the operation under increase production
basis to establish the impact energy threshold for partitioning between steady state
standard and critica! impacts shown in Fig. 7.

>. VI : Control variable by which variation diminishes impacts straight away (commonly this
e'
~
1::: is speed).
L.U
VE : Control variable by which variation diminishes impacts without de-stabilizing the
CRITICAL § process.

ZONE 1
IMPACTS -~
lE : Amount of standard impacts per minute
IC : Amount of critica! impacts per minute.
ME : Maximum admissible standard impacts per minute.
MC : Maximum admissible critica! impacts per minute.
1 2
ENERGY CONTENT OF IMPACTS
Fig. 8 An example of a possib/e control diagram for using the
Fig. 7 Histogram of lmpact occurrence Vs lmpact Energy Content lmpactmeter signals in the control of the mili
 . · · ~ ·->:~·- -· .... _ ...,_,, ... _• ....uv.:;, .QIIVVVII t;:, Ud::it:::U Ull Ule ooservea ACKNOWLEDG EMENTS
relationship between speed, mili fill leve!, classes of impacts and the
resultant throughput tonnage in a practica! commercial application The authors acknowledge important contributions by the Technical
operating a 38' diameter gearless SAG mili ( University, Santa Maria, Chile, and participating commercial operations
without who this paper could not have been produced.
Fig. 9). As high energy or critica! impacts increase corresponding with
low mili filling and high mili speed, the mili throughput tonnage reduces. REFERENCES
Accordingly, the control diagram example may be used to adjust speed
downwards once critica! impacts pass a preset threshold, and facilitate (1] J. Pontt, J. Rodríguez, W. Valderrama, G. Sepúlveda, B. Cuitiño, P.
other process adjustment to maintain a high tonnage throughput while Chavez, P. González, G. Alzamora, "Current issues on high power
maintaining control over the occurrence of critica! impacts. cycloconverter-fed gearless motor drives for grinding milis",
Proceedings of IEEE lnternational Symposium on Industrial
lmpacts Leve! Chart Electronics, ISIE'2003, Brazil, 9-11 June, 2003, Vol. 1, pp. 369-374.
5't00
(2] W. Valderrama, L. Magne, J. Pontt, "Semiautogenous grinding
based on the mili load movement", (Molienda semiautógena basada
5300 en el movimiento de la carga en el molino"), Proceedings of
Workshop of Semiautogenous Grinding, SAG'99, Viña del Mar,
• indicate critica! impacts Chile, May, 12-14, 1999. CD Rom.
5200
[3] J. Pontt, W. Valderrama, L. Magne et Al., "The lmpactmeter, a new
('O
a.. • •
"""~- 5100
•
t
•• .• •
instrument for monitoring and avoiding harmful high-energy impacts
on the mili liners in SAG milis", Proceedings IFAC Workshop:
;::,
en
en 5000
• . Future trends in Automation in Mineral and Metal Processing,
~ MM '2000, Helsinki, Finland, 22-24-Aug., 2000, pp. 286-289.
a..
' . 1• (4] Sams, C., Naranjo G., Kemerer J., "New performance

,· 1 . . i . .."'
O') 4900
•
"'•
e:
·¡::
('O • enhancements technologies for the milling industry", Workshop on
Q) <1800 Sag Grinding, SAG'03, Viña del Mar, Chile, 8-10 Oct. 2003. CD
Cll *" .fil H
.. Rom.
4700
•• . a
(5] J . Pontt, W. Valderrama, L. Magne, G. Sepúlveda, P. Espinoza,
"New Method For Detection Of Harmful lmpacts On Shell Liners In
41800
2 6 8 7 8 9 10 11 Large Grinding Milis"; IMTC 2004, Como, ltaly, 18-20 May 2004
Speed, RPM

Fig. 9 Charted relationship of lmpacts, against Mili Speed and Bearings

Pressures (asan indication of mili filling leve/)

CONCLUSIONS

lt is possible to provide a high level of mili liner protection and increase

mili performance by using audio impact signals appropriately interpretad.
The interpretad signals can be used to establish control rules that will
automatically adjust mili operational parameters to achieve equipment
protection and performance improvement.
 COPPER 2007- TORONTO, CANADA

DYNAMIC SIMULATI ON AND MODEL BASED REAL-TIME

OPTIMIZATION OF SAG MILLS USING GENETIC ALGORITHMS

J. Salazar and F. Cubillos

Chemical Engineering Department

L. Magne and G. Titichoca

Metallurgical Engineering Department

G. Acuña
Computer Engineering Department

University ofSantiago ofChile

Av. L.B. O'Higgins 3363
Santiago, Chile
lmagne@usach.cl, fcubillo@usach.cl

ABSTRACT

This paper presents a dynamic simulator of the semi-autogenous grinding

operation deduced from frrst principies (non stationary population balances) coupled
to a Model Based Real Time Optimization (MBRTO) system to study optimizing
strategies for an industrial semi-autogenous mili using genetic algorithms. For the
design ofthe MBRTO both a validated frrst-principle steady-state model adapted on-
line and a dynamic model were used to study the transient effect. The objective
function considered is to maximize the ore tonnage or the fine product by changing
the power-draw. For these purposes, these two performance indexes were introduced
as fitness function in the genetic algorithms. The three decision variables used were
the ore solid flow rate, the water feed rate and the mili rotating velocity. The
optimization problem was solved using a classical genetic algorithm with constant
population. Constraints in the power draw and the filling leve! were handled by assign
a penalty function to the fitness function. Simulation results using industrial data for a
large 1800 t/h copper-ore mili show the effectiveness of the system to find the
optimum controller set-points as a function of the process-operating constraints,
mainly maximum ore feed rate, power draw and filling level. Starting from non
optimum conditions, the optimizer is able to improve the global performance index
by 50% relative toa base case.
 INTRODUCTION

The grinding process is a size reduction operation used in the mineral industry
to liberate the valuable minerals from the gangue. Since grinding is a very energy
intensive process, the modeling and thereby optimization of the grinding operation at
industrial scale has been a continuous endeavor, Apelt et al. [1]. The objective is to
keep the process at its set-points, while optimizing a performance criterion containing
the principal operating variables such as feed rate, product size fractions and power
draw [2]. The optimizer is commonly based on the steady-state values of a dynamic
model of the process. A number of models have been proposed in the technical
literature to ptedict the dynamic behavior of grinding processes 3]. In this paper, a
conventional population balance approach is used to develop the necessary dynamic
model of the semi-autogenous mili operation. For semi-autogenous milis, the
searching for a new operating point involves the solution of an optimization problem,
which requires a clear definition of the objective function, the process constraints and
the method of solution [4]. In grinding, this optimum objective include the increase
throughput at the desired grind size, reduction of grinding hall consumption and
minimization of the semi-autogenous mili power requirement [5]. Constraints are
associated with the fresh ore feed, the maximum power draw and the filling level. The
problem is a multivariable non-linear optimization problem with hard constraints
solved traditionally by Nonlinear Programming (NLP) techniques such as SQP [6].
Although NLP algorithms are well documented, they can to fail in finding the global
optimum due to the fact that the multivariable model can introduce multimodal
objective functions.

One alternative considered to solve this problem is the use of sorne kind of
evolutionary algorithms, like Genetic Algorithms (GA). Although these algorithms
produce better results in terms of fmding the appropriate optimization region, they
can take longer periods oftime to reach the global optimum.

In recent years, an extremely robust technique of genetic algorithm has

become popular [7]. Unlike conventional methods, it works with a series of initial
guesses, called population, and generally has the capability of finding the global
optimum in presence of severallocal optima.

In this work, a real time optimizer has been developed based on a first-
principle population model and it has been used to characterize a large 2000 t/h
copper ore SAG mili. The optimization problem was solved using a classical genetic
algorithm (GA) with constant population. Constraints in the power draw and filling
level were handled by assigning a penalty function to the fitness function. The model
formulation, the validation, the MBRTO design and the results are detailed hereafter.

MODEL EQUATIONS

The modeling approach describes the grinding process in terms of a

population balance for each particle size, according to Magne et al. [8]. Por
convenience, only three particle sizes were used in this model, the largest size is
1
called "rock" and the smallest size are designated "pebbles" and ''fines". For the i h
size, the population mass balance equation in the mili chamber is:
 dw H
L
d/ = - P; · (1- e¡) -K; w; - (K; - Ki-1) w; + ¡; (1)
1= 1

where K¡ is the breakage rate, w¡ the mass hold-up, C¡ the grate efficiency, p¡ the
discharge flow rate and f¡ the feed flow rate, all for the same class i.

The water balance in the mili chamber is given by:

d;a =Fa - Cw ·exp(64,41 - 19561·ln(W) + 1.55·(ln(W)) 2 )·Wa, tonlh (2)

where Fa is fresh water feed rate, Wa is water hold-up, Cw is a discharge parameter

and W is the pulp mass fraction in the mili chamber.

The mili power draw, Mp (kW), is predicted from a Bond type of equation
shown in equation 3:

MP = KD 25 L(l - AJ)(W)"'
V 'f'c [1-_QJ_]
29- 10¡6<
(3)

where D and L are the mili dimensions (m), V is the effective volume in the mili
(m\ r?c is the fraction of the mili critica! velocity and J is the filling leve!,
considering pulp and grinding media. K and A are adjustable parameters. Other
model equations such as grinding media consumption and bearing pressure are
considered as proportional to the total charge within mili [9].

Model solution and validation

This set of ordinary differential equations is solved using the standard method
(RK-4) ofthe Simulink dynamic simulator. The model may be tuned on-line with the
data collected from a DCS or from historie data considering steady-state conditions.
The parameter estimation task is performed by a NLP formulation. The equation
constants for breakage rates, discharge flow and power draw are adjustable
parameters [9]. The user interface of the simulation system, called "ODYSEE", is
shown in Figure l . In order to demonstrate the prediction capability of the model, the
simulator was validated with operational data from an industrial copper-ore semi-
autogenous mili. Figure 2 illustrates the behavior of the model for predicting the
power draw and the filling fraction.
Figure 1 - The on-line SAG simulator and parameter estimator "ODYSEE".

¡j
6¡--
ll
¡:

5
1 ~ h

1
t 't/
i
,.- i
f
1000 2000 3000 4000 5000 6000 7000

4.5

Figure 2 - Actual and model prediction for semiautógenos mili.

(down: power draw; up: flow ofpebbles).
 MODEL-BASED REAL-TIME OPTIMIZATION DESIGN

Genetics Algorithms

Genetics algorithms are stochastic optimization methods based on the

biological principies of natural selection. They are specially suited for multimodal
objective functions, as has been observed in models based on neural networks, since
they are less prone to get trapped in local optima [7]. In GA, the decision variables
are encoded into bit strings in order to be able to use crossover and mutation
mechanisms based on the evolutionary theory. The reproduction is determined by a
fitness function associated with the capability of survival of an individual.

The main characteristic of GA is the search the optimum from a population

data process. The fitness function (objective function) is evaluated as a black box,
thus no additional knowledge is necessary. They use probabilistic rules for the
operations. Their efficiency is closely related to the objective function and set-up
parameters such as encoded strings, bits resolution, initial and final population,
generation number and operator probabilities. Experience indicates that as a result of
the great number of GA parameters, a suitable algorithm set-up has to be determined
for each particular problem.

MBRTO Formulation

In this work the GA approach was applied to solve the MBRTO problem of
the semi-autogenous mili considering two principal objective functions:

• Maximization ofthe overall index (ore throughput/power draw)

R¡ =Ore Feed (4)

Power

• Maximization of the product index (fine product/power draw)

R _ Fine Product
1 -
(5)
Power

These functions are related to the main operational modes of the semi-
autogenous mili, ej. maximizing production (or fine product) at minimal cost (power
draw).

The manipulated variables to be optimized were the ore feed rate, the water
addition rate and the mili velocity (fraction of the critical velocity). Lower and upper
limits were imposed to the manipulated and outputs variables.

Manipulated variables were encoded in three binary strings of 16 bits each.

The population size was considered constant over the generations containing 50 pairs
ofindividuals. A total of30 generations was used to find the optimum. Non-feasible
sets of individuals in the initial population were penalized in the fitness function
(objective function) in order to minimize their influence over the next generations.
The MBRTO was programmed in Simulink and linked to the dynamic simulator in
order to track the time evolution ofthe mili variables.

Results

For comparison purposes, a non-optimum base case was taken as a reference,

Table 1 show the operating conditions and the performance index values, as well as
the operational bounds used in the various tests. Severa! examples were carried out
considering different sets of manipulated variables and indexes to be optimized.
Results are shown in Table 2 for the product index Rf and in Table 3 for the overall
index Rt. The implementation of the optimum settings in the process was made on-
line. Figure 3 show the dynamic profiles of the mili including the optimized indexes.
We can see that the new optimum is reached in few minutes with underdumped
response. Results from Tables 2 and 3 indicate that a better increment in the
performance indexes is obtained with variables associated to production and power
draw, that is ore feed rate and mili velocity.

Table 1 - Operational bounds in the semi-autogenous mili.

Inputs variables Base - Min - Max Rf Ft
(t/kW-h) (t/kW-h)
Ore feed (t/h) 1500 - o- 2000
Fresh water (t/h) 700 - 0 - 1000 0.2413 0.2651
Fraction critica! speed 0.7-0.4 - 0.98

Table 2- Optimization results for product index.

Optimum setting
% increasing
Fraction Rf
Fresh relative case
Ore Feed (t/h) critica! (t/kW-h)
water (t/h) base
speed
1643 0.2543 5.4%
999.9 0.2547 5.6%
0.5385 0.2960 22.7%

1979 0.4565 0.3713 53.9%

1797 952 0.2705 12.1%

865.2 0.5571 0.2972 23.2%

 Table 3. O~timization results for overall index.
Optimum setting % increasing
Rt
Ore feed rate Fresh water Velocity relative case
(t/kW-h)
(t/h) (t/h) fraction base

1664 0.2774 4.6%

1000 0.2813 6.1%
0.5368 0.3327 25.5%
1970 0.4479 0.4335 63.5%
1740 969.5 0.2975 12.2%
967.3 0.5687 0.3333 25.7%

0.450 12000
0.400 11000
'
. , ..... --------
..
1
0.350
0.300
..
' 10000
9000 -
~
...,
...:
0:::
0.250

0.200
------- r. \. -
8000

7000
-...~
~

0.1 50 1 6000 o
0.100
-- "1 5000
D..

0.050
f7""\..... 4000

0.000 3000
1.00 1.25 1.50 1.75 2.00 2.25 2.50 2.75 3.00

Time (h)
0.500 12000
0.450 .. .. -·---------· 11000
0.400
0.350
10000
9000 -
;:
...,
0:::
0.300
,.; 0.250
0.200 1
......
8000
7000
-...
~

Q)
;:
'./ o
0.150
1 6000
D..
1
!--·- 5000
0.100
0.050
1/ "-" 4000

0.000 +----t---+---+--1----+--+--+-----+ 3000

1.00 1.25 1.50 1.75 2.00 2.25 2.50 2.75 3.00
Time (h)
Figure 3 - Dynamic evolution in semi-autogenous mill variables during optimization.
----- R ; - . - .- filling leve!; ·------- power draw
(up: fines optimization; down: overall optimization)
 CONCLUSIONS

In this work, a dynamic simulator with on-line adaptation capabitie was

developed for an industrial semi-autogenous mili based on first-principle model
equations. Then, a real time optimization scheme was designed. The optimization
problem was solved by a simple genetic algorithm considering three decision
variables. The objective function considered was the maximization ofthe ore tonnage
or the product by manipulation ofthe power draw. For this propases two performance
indexes were introduced as fitness function in the GA. The MBRTO was applied to
find the optimum settings of an industrial mili by simulation, using the validated
model. Results show the effectiveness of the system to fmd the optimum controller
set-point as a function of the process-operating constraints; mainly the maximum ore
feed rate, the power draw and the mili filling level. Starting from non optimum
conditions, the optimizer was able to improve the global performance index up to
50% relative to the base case, by manipulating mainly the ore feed rate and the mili
velocity. Based on these results, it is possible to affirm that the implementation ofthe
proposed MBRTO may bring great economic benefices ifis applied toa real mili.

ACKNOWLEDGMENTS

The authors wish to acknowledge the support provided by FONDEF (Project

D02Il 079 "Sistema de Control Optimizante para Plantas de Molienda
Semiautógena ") and DICYT University of Santiago of Chile.

REFERENCES

l. T. Apelt, S. Aspray and N. Thomil, "Inferential measurement of SAG mili

parameters". Minerals Engineering, Vol14 N° 6, 2001.

2. R. Lestage, A. Pomerleau and D. Hodouin, "Constrained real-time

optimization of a grinding circuit using steady-state linear programming
supervisory control". Powder Technology, Vol. 124, 254-263, 2002.

3. R.K. Rajamani and J.A. Herbst, "Optimal control of a ball mili grinding
circuit-I. Grinding circuit: modeling and dynamic simulation". Chemical
Engineering Science Vol. 46 N°3, 861- 870, 1991.

4. M. Hales, R. Ynchausti, P. Gonzalez and E. Lizama, "Real-Time Adaptative

SAG-mill Control at Los Pelambres". SAG Conference 2001, Vancouver,
Canada, 2001, Vol. II, 294-300.

5. K. Mitra and R. Goponath, "Multiobjective optimization of an industrial

grinding operation using elitist non-dominated sorting genetic algorithm".
Chemical Engineering Science Vol. 59, 385-396, 2004.

6. T. Edgard and D. Himmelblau. "Optimization of Chemical Processes"

McGraw Hill Book Co., New York, 1988.
7. D. Goldberg, "Genetic Algorithms in Search, Optimization and Machine
Leaming", Addison-Wesley, 1989.

8. L. Magne, R. Améstica, J. Barría and J. Menacho, "Modelización dinámica de

molienda semiautógena basada en un modelo fenomenológico simplificado",
Rev. de Metalurgia, Vol31, N°2, 1995.

9. J. Salazar, "Modelación y simulación de un proceso de molienda

semiautógena". Chemical Engineering Thesis, University of Santiago of
Chile, 2004.
 COPPER 2007 - TORONTO, CANADA

POWER ANAL YSIS MILLING PROCESS IN SEMIAUTOGENOUS MILLS

A. Gutiérrez, A. Ortiz, H. Espinoza and J. Guichou

Mechanical Engineering Department

L. Magne, G. Ti ti choca
Metallurgical Engineering Department

University ofSantiago ofChile

Av. L.B. O'Higgins 3363
Santiago, Chile
aggutier@usach.cl, lmagne@usach.cl

ABSTRACT

At present, most ore milling is done in thumbling milis, consisting of huge

cylinders tuming on their horizontal axis. This rotational motion make the ore charge
and the grinding balls to interact by impact, compression and abrasion, causing size
reduction of the ore. This method is very inefficient, since around of 12% of the energy
supplied is used for actual grinding, the rest being used in moving the large mass of balls
and ore within the mill.

This work aimed at better understanding the milling process by evaluating the
movement of the load through the Discrete Elements Method (DEM). First, the number
of bodies (balls and ore) flying inside the mili are evaluated, to related them to the
potential impacts that constitute one of the milling mechanisms. Then, the number of
high energy impact are evaluated to correlate them to the bodies in flight. At this stage, a
differentiation between grinding media and the ore as well as between the type of
contacts taking place in the mili have to be made. This latter issue is of great relevance
since from the five identified contact-types, ball-ball, ball-liner, ore-ore, ball-ore and
ore-liner, only the last three actually contribute to the milling process, the other two
rather causing structural damages to the mili.
 INTRODUCTION

The comminution phenomenon taking place inside a semi-autogenous mili has

been reported by various authors [1-4]. All these studies are based on externa! variables,
measured downstream or upstream the mili, since it is impossible of determining what
happens inside the mili. There have been sorne experimental attempts to follow marked
balls or materials (previously irradiated with radioactive substances) which allow the
evaluation of sorne interna! variables such as residence time and discharge size
distribution. However, the quantification of how fracture occurs is not possible from
information other than the process results, i.e. processed throughput, product size
distribution, and other operating variables. lt is therefore necessary to create new
methodologies or to make use of other disciplines for precisely evaluating what happens
inside the mili.

STATEMENT OF THE PROBLEM

This paper shows how to figure-out what happens inside a semi-autogenous mili
through the analysis ofthe equations ofmotion and the knowledge ofthe grinding kinetic
and the dynamic behavior of each of the interacting particles. Among the delivered
results there is the number of impacts generated during operation, between the different
types ofbodies or boundaries ofthe system.

Sorne ofthe events occurring inside the mili are the following: (a) a body enters
the mili through its inlet axis along with a large number of other irregular shaped objects,
interacting by collisions or moving parallel to one another; (b) under these conditions,
the bodies follow a projectile trajectory abruptly interrupted either by impact with sorne
grinding media or ore particle, or against the surface of any element of the mili's load
(turning grinding media and ore as a result ofthe mili rotation). Sorne contacts between
the body and the mill's boundary (the liners ofthe shell, plates and lifters) also occur.

Besides the mili-load transport towards the discharge outlet, the mili rotation is
also responsible for the thumbling action of the mili-load components. The actual value
of the mili rotating speed will determine the type of contact among nearby bodies,
wearing or fracture, by changing the relative motion between them.

According to the analysis of the interna{ motion of the, each of the bodies is
subjected to loads that are caused by the actual weight of the components directly on top
of the body, in addition to inertial forces originated by its trajectory. Superposition of
these effects results in the significantly increased forces, producing direct fracture or
weakening of the bodies. lt should be pointed-out that the transmission of these forces
within a granular material is not equivalent to a hydrostatic-pressure type of force, but
rather follows a dendritic type branching as reported by P. Cleary [5-6]. That description
indicates that the evaluation of the forces exerced on the bodies is a variable that allows
the quantification ofthe ore grinding phenomenon.
 Once a body is incorporated into the interna) load, it acquires a cyclic movement
with a period corresponding to the mill's rotational speed. In this load motion, severa)
zones of interest are identified, the most important being that where the bodies are
thrown along a projectile trajectory and fly inside the mili until they impact the load
surface, generating useful events for size reduction, or they hit the mill's inner walls, with
the resulting structural damages. Consequently, if the number of bodies in flight is
known, the level of impacts within the process can be estimated. It is also possible that
the grinding media is thrown onto the load hitting other grinding media, an undesirable
action for the process. This description makes possible to indicate that a quantification of
the different types of impacts generated in the intemal mili-load is basic for
understanding the size reduction process in thumbling milis.

Another variable of great interest is the power drew by the mili. In the analysis of
the intemal mili-load behavior, the power draw is determined from the center of mass of
the moving load, its excentricity, and the mill's rotational speed.

Based on the above, an evaluation of the following semi-autogenous mili

variables was made:

• instantaneous power required by the mill

• percentage of load's components in flight
• impact frequency between the different components:
• ball - ball
• ball- ore
• ball - liner
• ore - ore
• ore - liner

All these variables are interrelated and/or depend on others, and in this work, they
will be studied, considering the following operational parameters:

• ore filling level

• ball filling level
• mill's rotational speed
• ball size distribution
• ore size distribution
• Iifter geometry
• number of Iifters .

DEVELOPMENT OF THE MODEL

The Discrete Elements Method (DEM) was used for the evaluation of the above
mentioned variables. A restrictive assumption was made by considering that the
movement of the bodies takes place only in the plane perpendicular to the mill's axis, as
shown in Figure l. This assumption is not far from reality because the transport speed
along the mili axis is negligible compared to that occurring in the considered plane. A
very strong restriction is the assumption that all the bodies, either ore or grinding media,
have spherical geometry, but of different sizes. On the other hand, the loss of energy
associated to the impact between bodies or against liners is modeled by a mass-spring-
shock absorber system in parallel, where the shock absorber accounts for the loss of
energy and the spring for the elastic part ofthe impact. Finally, the bodies fragmentation
is not considered, i.e. the same number of bodies exists at all times. All these restrictions
and the mili geometry have been integrated into a computer program developed at the
Mechanical Engineering Department of the University of Santiago of Chile, called
MillMed [7], and used for the evaluation ofthe mili behavior.

Figure 1 - Scheme of the mili section to be simulated.

Input Data

The semi-autogenous mili under study has the following dimensions: 40 ft

diameter, 20 ft long, and 40 lifters bars with curved geometry as shown in Figure 2. The
ore size distribution of the ore and that of the balls are shown in Table l. The total load
filling is 30%. Other operating variables are:

• the rotational speed: 8.5, 9.0, 9.5 and 10.0 rpm

• the hall filling level (h): 12, 14, 16 and 18%

Considering all the levels of these two variables, a total of 20 simulations

resulted.
 Tabte 1 - s·IZe ct·tstn·but10n,
· partial retention.
size (in) ore(%) balls (%)
12 1 -
10 2 -
8 10 -
6 12 -
5Y2 - 34
5 - 25
4Y2 - 18
4 24 13
3Y2 - 8
3 51 2

Figure 2 - Lifter bar profile used in the sirnulations.

RESULTS

The nurnerical values obtained frorn the various sirnulations using MillMed, are
presented hereafter in graphical forrn to facilitate a direct cornparison. The rneasured
variables are:

• Power consumption: evaluation of the instantaneous power used by the mili; the
average value is shown. It should be noted that this value rnust be taken as a
reference for cornparison purposes, since it does not consider losses frorn bearing
friction, heat generation, etc. This rneans that the losses are assurned to be similar
in all the sirnulations.
 • Flying material: evaluation of the number of bodies of the mili-load that are in
flight. From an operating point of view, a higher percentage of flying bodies
means that a greater number of impacts will occur.
• Impact frequency: this involves the evaluation and quantification of the contacts
between bodies having more energy than that generated by a 1 kg body falling
from a height of 0.5 m. A distinction is made between the various types of
impacts, as useful impacts (such as hall-ore, ore-liner, and ore-ore) and non useful
impacts (ball-ball and ball-liner) and they are evaluated independently.
• Impact energy: evaluation of the impact energy to determine whether a given
impact will generate ore fracture. This is done through the correlation between
the two last variables, e.g. a high frequency- and high energy-impact would lead
to a greater size reduction.

Power Consumption

Figure 3 shows that the maximum power consumed is 18.9 MW and the
mínimum is 14.0 MW. It is seen that for the four ball-filling levels shown, there is
increase in power consumption as the mili speed increases. It is also clear that this
increase is linear, both for the speed and the load filling-level.

20
18
16
14
12
Power
10
MW
8
6
4
2
o
12%_Jb 14%_Jb 16%_Jb 18% Jb ¡q en
- 00
%Jb

Figure 3 - Power consumption variation.

Bodies in Flight

Figure 4 shows the percentage of flying bodies for each evaluated condition. It
can be seen that an increase in mili speed has a significant effect on the flying material.
On the other hand, increasing the ball-filling level (from 12 to 18%) while keeping
constant the total load-filling level, implies that the ore-level in the load is reduced,
making the number of flying bodies practically constant.
 % 5.0
Suspended
Material 4.0

12 %- Jb 14•'l O_J b 16%_Jb 18% J b ""! O>

%Jb - <O

Figure 4 - Percentage of flying material.

Impact Frequency

Below are the results ofthe impact frequency present in the motion ofthe interna]
load. To better understand the process, a distinction is made bet\'veen useful and non-
useful impacts. The first group includes ball-ore, ore-ore and ore-liner impacts; a larger
number of this type of impact will certainly produce a greater amount of ore size
reduction. On the other hand, ball-ball and ball-liner impacts are non-useful impacts
since they will only cause damage to the liners and ball breakage.

Useful l mpacts

Figure 5 shows the frequency of beneficia] impacts obtained. The mínimum value
is 320 impacts per second at 18% balls (12% ore) and a speed of 8.5 rpm, while a
maximum of 835 irnpacts per second is obtained with 12% balls (18% ore) anda speed
of 10 rpm.

In all cases, it can be seen a decrease in impacts as the ball-filling leve! increases,
a logical result sin ce there is a decrease in the number of ore bodies inside the mill (ore is
replaced by balls), which translate into a decrease in the number of flying partíeles. It is
also seen that an increase in the mili rotational speed has a greater effect on the impacts
causing better grinding; however, this effect is lower at greater ball-filling leve! than ata
smaller ball-filling leve!.
 Free.
impac/s. 400

%Jb

Figure 5 '"Useful impact frequency.

Useless Impacts

This quantification is first divided into impacts between balls, because they have
high energy and cause their breakage, and impacts between balls and liners, because as a
result of their high energy they can destroy the liners and break the balls, both causing
energy Iosses.

Figure 6 shows the variation of the total number of harmful impacts with the
increase of mili speed and ball-filling leve!. lt can be seen that this effect is exponential
for both variables, Ieading to the conclusion that increasing the speed and the baii leve!
will have negative effects on the system. In spite of this, it should be noted that this
frequency is one order of magnitude Iess than the frequency of useful impacts. Figures 7
and 8 respectively show the number of baii-baii and bali-Iiner impacts, to evaluate the
incidence of each type of impact.
 16%_Jb 18% Jb ~
%Jb - co

Figure 6 - Useless impact frequency in the mill's interna! load.

Figure 7 clearly shows that there is an increase in impacts between grinding

media with an increase in rotational mill-speed and hall- filling level. However, this
increase is more significant for speed changes. With respect to total impacts, it is seen
that a large part of the harmful impacts are between balls.

Free.
impac/s.

16%_Jb 18%_Jb :ri

%Jb

Figure 7- Ball - Ball impact frequency.

Figure 8 shows the number of impacts between grinding media and liners. It can
be seen that they are almost one arder of magnitude smaller than the ball-ball impacts.
From an operating point of view, this impact frequency should be as low as possible to
minimize liner breakage; this situation is greatly favored by working at low speed. Ball
leve! increase is less significant at low speeds.
 Free.
impact/s.

12% Jb 140/ Jb
- lO_ 16%_Jb 18% Jb ~
%Jb - <X)

Figure 8- Ball- Lining impact frequency.

Total Energy Transmitted in Impacts

Considering that the objective of grinding is to reduce the size of the ore, it can be
said that the impacts that should be favored are those that involve the ore, so the useful
impact energy is the sum of the hall-ore, ore-ore, and ore-liner impact energy. This
energy is called useful impact energy. For every case evaluated, the total useful energy
transmitted in impacts is shown in Figure 9. Total correlation with useful impact
frequency is seen, with both behaviors similar, allowing the conclusion to be reached that
it is frequency that determines the energy, and not the magnitude or intensity of the
impacts. The results indicate that impact energy corresponds to almost 4% of the
instantaneous energy used.
 600000

500000

400000
N-m
300000

200000

100000

o
16%_Jb 18% Jb ~
%Jb
- ()()

Figure 9- Total energy transmitted in useful impacts.

Figure 1O shows the energy due to useless impacts as function of mill-speed and
ball-filling level increases. In both cases a linear behavior is evident. Both variables have
the same influence on impact frequency and on energy lost (roughly one half of the
useful energy).

450000
400000
350000
300000
250000
N-m
200000
150000
100000
50000
o
16%_Jb 18% Jb ~
%Jb
- ()()

Figure 1O - Energy transmitted in useless impacts.

CONCLUSIONS

The MillMed simulation of a semi-autogenous mili using a given lining profile

and working with a total filling level of 30%, with a constant ore and hall size
distributions, provided invaluable information, leading to the following conclusions:
 Negative Aspects
• Increasing the mili speed causes an increase in the probability of damaging the
liners.
• Increasing the ball-filling level causes an increase in the probability of damaging
liners and balls.
• Increasing the ball-filling level and the mili speed causes an increase in power
consumption.

Positive Aspects
• Working with 14% ball-filling level gives the best energy performance,
regardless ofthe rotational mill-speed (it occurred in all the cases studied).
• The frequency of useful impacts in the mili load is much higher than that of
useless impacts.
• For all the conditions evaluated, the ball-ball impact frequency is higher than the
ball-liner impact frequency.
• It is possible to study new conditions leading to a maximization of the mili
throughput by adequately matching the liner's profile and the operating
conditions, i.e. by maximizing the frequency of use fu! impacts and their energy.

ACKNOWLEDGMENTS

The authors acknowledge the financia! support of FONDEF (Project 00211079

"Sistema de Control Optimizante para Plantas de Molienda Semiautógena ").

REFERENCES

l. S. Morrell and W. Valery, "Influence offeed size on AG/SAG mili performance",

SAG Conference 2001, Vancouver, Canada, 2001, Vol. 11, 294-300. 2001.

2. J. Herbst and W. Pate, "Dynamic simulation of size reduction operations from

Mine-to-Mill", Australasian Institute ofMining and Metallurgy Publication.

3. G. Johnson, l. Hunter and H. Holle, "Quantifying and improving the power

efficiency of SAG milling circuits", Minerals Engineering. Vol. 7, N° 2-3, 141-
152. 1994.

4. M.N. Brodie, "Variable speed SAG milling", CIM Magazine Bulletin, Vol. 96 No
1075. 2003.
5. P. Cleary, "Modelling comminution devices using DEM", Intemational Joumal
for Numerical and Analytical Methods in Geomechanics, Vol. 25, Issue 1, 83-
105. 2001.

6. P. Cleary, R. Morrisson and S. Morrell, "Comparison ofDEM and experiment for

a scale model SAG mili", Intemational Joumal of Mineral Processing, Vol.
68, N° 1, 129-165(37). 2003.

7. A. Gutiérrez, L. Magne, A. Ortiz, "Análisis de movimiento de carga en molinos

para la minería mediante el Método de los Elementos Discretos", Workshop
SAG'2003, Viña del Mar. 2003.
 WORKSHOP SAG'2007
24-26 SEPTIEMBRE 2007, VIÑA DEL MAR, CHILE
UNIVERSIDAD DE SANTIAGO DE CHILE
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA

SIMULACION POR ELEMENTOS DISCRETOS EN MOLINOS:

ALGUNAS MEJORAS Y EJEMPLOS DE APLICACIÓN

W. VALDERRAMA\ R. NORIEGA2 , J.CH. PEREIRA3 , L. PALOMINOS 4

(1) Universidad Técnica Federico Santa María - Director Departamento de Ciencia de Materiales -
waldo.valderrama@usm.cl
(2) METSO Minerals Chile- Mili Lining- Ingeniero de Soporte Técnico- raul.noriega@metso.com
(3) IMATRONIX S.A.- Software Engineer- kripper@imatronix.com
(4) METSO Minerals Chile- Mili Lining- Gerente de Producto- luis.palominos@metso.com

RESUMEN

Se presentan algunas mejoras técnicas en la simulación por el método de elementos

discretos del movimiento de carga en molinos, incluyendo el uso de técnicas CAD para
una representación de alta fidelidad del perfil de revestimientos, una inicialización que
elimina las oscilaciones de la carga al comienzo de la simulación y diversas técnicas de
coloración para destacar aspectos específicos del movimiento. La técnica CAD permite
analizar perfiles nuevos y gastados de un modo hasta ahora imposible con la
aproximacion del perfil mediante rectas. Se presenta un análisis comparativo de dos
diseños de perfiles de revestimiento del manto de un molino de bolas y luego un
análisis bidimensional del comportamiento de los descargadores de un molino,
mostrando el efecto crítico del diseño de los canales en el desempeño del sistema de
descarga.
 WORKSHOP SAG'2007

Introducción

La modelación computacional del movimiento de la carga al interior de un molino se ha

convertido en una herramienta aceptada para la toma de decisiones de diseño de
componentes del revestimiento o del sistema de descarga 1-5 . Por ejemplo, a través de
simulaciones es posible estimar la trayectoria que tendrá el colectivo de partículas
cuando se modifica el perfil de levantadores, y buscar un perfil tal que la carga caiga
sobre sí misma, evitando el impacto directo al revestimiento. También mediante
simulaciones es posible comparar dos diseños y estimar su rendimiento relativo. Las
simulaciones no sólo son útiles para examinar el revestimiento del manto. También es
posible examinar el comportamiento del material en los cajones de descarga,
identificando posibles obstrucciones al flujo.

Tras estas simulaciones se encuentra un conjunto de técnicas matemáticas conocidas

como el método de elementos discretos (en inglés, DEM) . Los elementos pueden
desplazarse libremente en el espacio bi- o tridimensional, sometidos a la acción de
fuerzas de campo, fuerzas de contacto y mecanismos disipativos.

La fuerza de campo es normalmente la gravedad, y actúa sobre el centro de masa de

cada elemento. Las fuerzas de contacto están determinadas por el momentum que
poseen los elementos interactuantes, y su cálculo dependerá tanto de la geometría de
dichos elementos como del algoritmo utilizado para describir el contacto. Finalmente, se
requiere un mecanismo disipativo que compense el continuo flujo energético de
entrada. De lo contrario, se aceleran indefinidamente y desarrollan un comportamiento
semejante al de un gas.

La mecánica de la simulación es simple. La partículas en un estado inicial cualquiera

interactúan entre sí generando fuerzas de contacto. Para cada partícula, se obtiene la
fuerza neta que actúa sobre ella como la suma vectorial de las fuerzas asociadas a
cada contacto más la fuerza de campo. El estado de la partícula, caracterizado por su
posición, su velocidad y su aceleración, se modifica por la acción de las fuerzas
externas y el mecanismo disipativo, generando una nueva posición, velocidad y
aceleración de cada elemento. Este cálculo se repite para todos los elementos,
generando un nuevo estado del colectivo, que a su vez da origen a nuevas
interacciones en un proceso iterativo sin fin.

En las formas más frecuentes de simulación DEM, los elementos tienen simetría circular
o esférica. Esto permite calcular las fuerzas de contacto como una función de la
diferencia entre la distancia entre los centros de elemento y la suma de los radios, es
decir, como función del grado de superposición que se establece. La relación entre
superposición y fuerza es lineal, emulando la presencia de un resorte ideal entre los
elementos. Por otra parte, la disipación se calcula como una función lineal de la
velocidad relativa entre los elementos en contacto, emulando un amortiguador.
2
 WORKSHOP SAG'2007

Las animaciones obtenidas con esta técnica resultan bastante verosímiles a simple
vista. Sin embargo, existen diversos factores a tener en cuenta en la interpretación de
estas simulaciones.

Supuestos utilizados en simulaciones OEM en 20 y 30

Las simulaciones mediante OEM son una representación simplificada de la realidad, por
varias razones.

a) Hasta ahora se omite la presencia tanto de pulpa como de cualquier fluido en

general. Los cuerpos se desplazan en un medio que no ofrece ninguna
resistencia, salvo la presencia de otros elementos. Esto hace que la posición de
la carga simulada presente desviaciones de la realidad, afectando la masa del
conjunto, la posición del centro de masas y con ello la calidad de las
estimaciones de consumo de potencia.
b) La simetría esférica de los elementos no da cuenta de la variedad de formas que
puede asumir el mineral. Este factor modifica el ángulo de talud de la carga, lo
que también afecta las estimaciones del consumo de potencia que se intente
hacer.
e) La evolución en el tiempo de la fuerza de contacto está influída por la presencia
de mineral, cuya fractura y desplazamiento dista de la linealidad y elasticidad
supuesta en el modelo más simple.
d) La simulación en dos dimensiones no es extrapolable en forma simple a tres
dimensiones debido a las diferentes relaciones de uso del espacio en 20 y 30.
Un círculo inscrito en un cuadrado ocupa rc/4 del área disponible, en cambio una
esfera sólo ocupa n/6 del volumen disponible. Esta disparidad hace que una
determinada distribución de área de discos 20 y su correspondiente distribución
de volumen de esferas 30 (basadas ambas en la misma proporción de uso del
espacio disponible por cada fracción de tamaño), conduzcan a diferentes
distribuciones de masa y por lo mismo, a diferentes distribuciones de energía de
impacto. Si bien la distribución 20 puede corregirse para que la distribución
másica respectiva corresponda a la distribución 30, se altera con ello la cantidad
de elementos 20 que interactúan, con lo cual se produce de todas formas un
sesgo en la distribución de energías de impacto.
e) El transporte de masa longitudinal es sin duda un movimiento de magnitud
menor que el radial, pero de ninguna manera irrelevante. Esto es completamente
dejado fuera en la simulación 20.

Luego de enumerar estas simplificaciones, surge obviamente la pregunta por el valor y

sentido de hacer simulaciones con ese grado de simplificación. La respuesta se
encuentra en la complejidad, el hardware y el volumen de computación que implica
hacer simulaciones 30. Las simulaciones 20 pueden hacerse con un PC normal en
algunas horas o días, mientras que las simulaciones 30 requieren casi obligatoriamente
3
 WORKSHOP SAG'2007

de programación paralela de un cluster de computadores del máximo poder disponible

en la actualidad, y aún así pueden demorar semanas si es que el número de elementos
considerados es lo suficientemente grande. Todavía más, la inclusión de fluido en las
simulaciones es aún un tema de investigación que no ha sido resuelto completamente.
Por esta razón, la simulaciones 20 representan un compromiso de costo y velocidad de
respuesta que se ajusta adecuadamente al estado actual de desarrollo del
conocimiento en la industria. Aunque sus predicciones cuantitativas puedan ser
discutibles, son adecuadas y suficientes para realizar estudios comparativos que
permitan tomar decisiones entre alternativas de diseño.

Algunas mejoras simples en las simulaciones DEM

Enfocaremos a continuación nuestra atención en algunas pequeñas mejoras que se
han implementado en el sistema de simulación desarrollado por la UTFSM en
colaboración con IMATRONIX, una empresa enfocada en el desarrollo de software
formada por egresados de la propia Universidad.

Perfiles realistas de revestimiento

La primera de ellas se refiere a los perfiles de revestimiento utilizados en las
simulaciones. El estándar de tacto ha sido aproximar los perfiles nuevos mediante
líneas rectas, mientras que los perfiles gastados quedan excluidos del análisis. La
Figura 1 muestra ejemplos de este tipo de representación aproximada.

Figura 1 Perfiles de levantadores aproximados mediante rectas y planos.

Para superar esta limitación y elevar la capacidad de análisis de los modelos, se ha

implementado un modelo de perfil de levantadores que se extrae de los propios planos
de diseño CAD, y que por ello puede alcanzar un alto nivel de precisión en la
representación. El uso de estos modelos permite además diferenciar materiales y
propiedades. Usando la misma técnica, es posible modelar perfiles desgastados en la
simulación y examinar su comportamiento. La Figura 2 muestra dos ejemplos de

4
 WORKSHOP SAG'2007

perfiles trasladados desde los archivos de diseño. El primero de ellos es un perfil

completamente curvo, imposible de aproximar con segmentos de recta a la manera
tradicional. El segundo es un perfil con diversos pequeños detalles, que son fielmente
representados en el modelo DEM.

Figura 2 Perfiles curvos o de geometría intrincada utilizados en modelación DEM

Figura 3 Simulación utilizando perfiles curvos.

La Figura 4 muestra un ejemplo de perfil nuevo y gastado. Este último ha sido medido y
transcrito mediante CAD a un formato que permite incorporarlo a la simulación en forma
realista .

5
 WORKSHOP SAG'2007

Figura 4 Perfiles nuevos y gastados, cuya superficie de contacto se modela mediante

CAD y se introduce al simulador DEM.

Técnica de inicialización
Una segunda mejora se refiere al proceso de inicialización de la simulación.
Tradicionalmente se ha situado la carga en el aire en posiciones arbitrarias no
superpuestas, dejándola caer con el molino detenido para que adopte un estado de
reposo en contacto. A continuación se inicia el movimiento del molino a la velocidad
establecida, lo cual da un fuerte impulso inicial a la carga. El inconveniente de este
método es que la carga inicia un proceso de oscilación de lenta amortiguación, que
altera todo el proceso de simulación . El consumo de potencia oscila de acuerdo al
movimiento de la carga, la ubicación de ésta varía cíclicamente en el tiempo, y los
valores de distribución de energía de impacto también se ven afectados por este
fenómeno. El problema se agrava si la carga es inicializada con alguna forma de
segregación espacial por tamaños o densidades, ya que esto genera una asimetría de
masa y comportamiento que intensifica el comportamiento oscilante.

Se ha desarrollado una técnica de inicialización que minimiza estos efectos, dejando

caer la carga mezclada al azar sobre el molino en movimiento a lo largo de un intervalo
de tiempo. Esto conduce rápidamente a una condición de carga libre de las
macrooscilaciones anteriores, y que fluctúa sólo debido a su condición de sistema
particulado en torno a un promedio estable.

"'
Q)
"O
<O
"O
·e:
:l
-
·o<O ·e!O
"'
e:~
(1,) .~
-.o
o,_
O.. <O t, segundos

Figura 5 Ejemplo de oscilación de la potencia en el tempo debido a un proceso brusco

de inicialización.

6
 WORKSHOP SAG'2007

Códigos de colores para la animación

El color es una herramienta poderosa para distinguir fenómenos en medio de la
animación . Entre los esquemas de colores implementados se encuentran:
a) Color asociado a la clase de partícula. Permite visualizar efectos de segregación
por tamaños o material, o alternativamente, la evolución de un proceso de
mezclado.
b) Color asociado a la velocidad absoluta de las partículas. Permite visualizar la
posición de la zona de mínima movilidad en el centro y hacerse una idea de los
gradientes de velocidad en la carga.
e) Color asociado a la magnitud de la fuerza de contacto. Cuando se aplica en
forma instantánea, da una serie de destellos que muestran los impactos a
medida que ocurren. Cuando el color se aplica con histéresis privilegiando los
impactos de mayor magnitud, es posible identificar el nivel máximo de impacto
presente en cada zona. También es posible colorear la abundancia de impactos
de una magnitud determinada en cada zona del molino.
d) Color asociado a la velocidad angular y el sentido de giro con respecto al eje del
molino. Permite observar la fracción de la carga que está siendo efectivamente
levantada por el torque del eje, y también la presencia y ubicación de fenómenos
de resbalamiento.
e) Color asociado a la velocidad de rotación de los cuerpos. Es útil para distinguir
los cuerpos que caen de aquéllos que se encuentran restringidos en su
movimiento.
f) Color asociado al sentido radial del desplazamiento. En la simulación del flujo en
el cajón de descarga permite examinar con claridad el momento en que la carga
comienza a desplazarse y el momento y la zona en que se genera obstrucción al
flujo cuando ocurre.
g) Color asociado a las componentes de cizalle de las fuerzas de contacto. Utilizado
con histéresis o en forma acumulativa en cada zona, en el caso de medios de
molienda permite determinar las zonas en que ocurre preferencialmente el
desgaste. Asimismo, aplicado al revestimiento , permite identificar las zonas
donde ocurrirá el mayor desgaste relativo.
h) La histéresis permite visualizar con mayor claridad la trayectoria que siguen los
elementos al interior del molino.

Ejemplos de aplicación

Comparación de diseños de revestimiento del manto de molino de bolas

El primer ejemplo corresponde a una comparación de dos diseños de revestimiento
para un molino de bolas. El propósito de la simulación es obtener antecedentes
cuantitativos acerca del desempeño de ambos diseños bajo condiciones equivalentes

7
 WORKSHOP SAG'2007

en un modelo simple y de fácil computación .

Los datos para la simulación aparecen en la

Tabla 1. Los perfiles utilizados son los mostrados en la Figura 2. La carga tuvo una
distribución uniforme de elementos por clase de tamaño, correspondiente a una recarga
un iforme en el tiempo. El tamaño del elemento mayor en la carga fue 64mm (2.52"),
mientras que el menor considerado en la distribución fue 1O mm (0.39"). Esta última
clase de tamaño representa sólo el 0.4% del total másico de la carga , por lo que
tamaños menores resultan despreciables. El número de elementos utilizado en la
simulación fue 7120.

Tabla 1 Condiciones de Simulación

Diámetro molino 7.5 M
Nivel de llenado 27 %
Velocidad 12 Rpm
Número de corazas 48

El primer criterio para comparar diseños es el de trayectorias de caída. Se trata de

establecer la ocurrencia y magnitud de la caída libre de cuerpos sobre el revestimiento.
La Figura 6 muestra ejemplos de trayectorias con ambos tipos de revestimiento.

Ambos perfiles muestran trayectorias de cuerpos moledores asociadas a impacto en

caída libre sobre el revestimiento. No es posible declarar un diseño como superior al
otro según este criterio. Es necesario entonces investigar la distribución de impactos.

La gran mayoría de los impactos es de muy pequeña magnitud, con una baja
probabilidad de generar fractura . Por este motivo se ignora todo impacto cuya fuerza de
contacto sea inferior a 1O N, equivalente a una bola de 2.5" apoyada simplemente. De
los datos restantes se seleccionó para el análisis un valor mínimo de energía del
impacto individual de 5 Joule, lo que permite concentrar la atención en los impactos de
mayor relevancia.

8
 WORKSHOP SAG'2007

Figura 6 Trayectorias de caída de componentes de la carga

Los resultados del análisis comparativo de ambos diseños según la distribución de

impactos que aparecen en la Figura 7 y en la Figura 8 sí muestran diferencias
relevantes entre ambos diseños. Uno de ellos exhibe un número claramente menor de
impactos sobre el revestimiento, lo que permite esperar un mejor resultado de molienda
y eventualmente de duración, esto último si las resistencias al desgaste son
comparables.

9
 WORKSHOP SAG'2007

Distribudón de Impactos
1•••••••]•• • •1" 1''1' 1''1' • m. , .. ··;······:·, ~:

1: 'j
~ : :l
i ~ <
¿_#h:.

!
L:t. ,. ...a..._..
" ¡.:.
t:.

l~
.l

1
4LUJ-¡
;

xm.
1
0-Í
i
i
'i ~.

Figura 7 Comparación de las distribuciones de impacto para cada diseño de

revestimiento, presentadas en forma acumulada.

Distribución de Impactos
sobre el Revestimiento

100
Nivéi de Energta fJl

Figura 8 Comparación de las distribuciones de impacto específicas sobre el

revestimiento para cada diseño.

10
 WORKSHOP SAG'2007

Análisis de cajones de descarga

Un segundo ejemplo de aplicación es el análisis del comportamiento del sistema de
descarga de un molino SAG. Idealmente se modelaría en forma tridimensional el
sistema, para reproducir con máxima fidelidad las condiciones de flujo. Sin embargo, la
modelación bidimensional, aunque demanda supuestos simplificadores, permite
observar la dinámica de la descarga y el efecto de factores de diseño y operación,
entregando suficiente información para tomar decisiones relevantes de diseño.

Para la modelación se utiliza como longitud de los canales el diámetro real del molino,
es decir, la proyección de los canales sobre un plano perpendicular al eje de giro del
molino. Para evaluar el efecto de la inclinación de la tapa, se puede utilizar valores
reducidos de la aceleración de gravedad g. Se utiliza una gravedad específica del
material igual a 3.1, y se supone un tamaño uniforme de 2" (algunas simulaciones
preliminares con otros tamaños y mezclas no mostraron diferencias apreciables). La
velocidad de giro es 1O rpm. El diseño de los canales de descarga modelados aparece
en la Figura 9.
Para la cantidad de material a descargar se tomó como referencia el nivel de altura de
la parrilla en un plano diametral. Se supuso que el material se acumula hasta ese nivel
durante la descarga inicial al cajón. Esta cantidad de material se denominó cajón lleno o
100%, realizándose simulaciones con diversas fracciones de esta cantidad a partir del
25%. El resultado medido es la fracción del material original que logra ser descargado
definitivamente. Junto con lo anterior, se obtuvieron imágenes de cada simulación . En
ellas se ha utilizado un código de coloración en que rojo significa avance hacia el centro
a máxima velocidad, azul significa avance hacia la periferia a máxima velocidad,
mientras que amarillo significa velocidad radial nula.

Figura 9 Diseño de un canal genérico de descarga.

11
 WORKSHOP SAG'2007

....... Carga Material Grueso

20¡0% !
0,0% 1
O% 20% 40% 60% éO% 100% 120%
Uertado·det C<ijón; 0/~ altura de parrilla

Figura 10 Eficiencia de descarga en función del nivel inicial de material en el cajón

La Figura 1O muestra el comportamiento de los cajones. Se ve claramente que cuando

la cantidad de material a descargar supera el 50% de la altura de la parrilla, se produce
un fenómeno creciente de obstrucción, que reduce la eficiencia de descarga a un 60%
del material contenido en el cajón.

La Figura 11 muestra el flujo de material, a 1O rpm y con llenado al 100% de altura de

parrilla con material de 2" (50 mm). Allí se aprecia que la carga primeramente asciende
estática apoyada en la pared del cajón (a), luego comienza a fluir hacia el centro (b), y
lo hace (e) hasta un momento en que bruscamente se obstruye (d), propagándose
rápidamente la onda de obstrucción en el material. En (e) se ve el material sin poder
fluir, y en (f) se ve material regresando a la zona de las parrillas. Los colores de la
carga, asociados a la velocidad y sentido del movimiento muestran claramente el
comportamiento obstructivo.

Con esta información se detecta claramente la necesidad de revisar el diseño hacia el

final del cajón. En simulaciones con g reducido disminuye aún más la eficiencia de
descarga.

12
 WORKSHOP SAG'2007

a b

e d

e f

Figura 11 Flujo de material, con llenado a 100% de altura de parrilla, girando a 1O rpm,
y carga monotamaño grueso 2" (50 mm) .

Conclusiones
La simulación por el método de elementos discretos del comportamiento de la carga en
molinos es una representación simplificada de la realidad al interior de la máquina. Si
13
WORKSHOP SAG'2007

bien se ha utilizado primariamente para comparar diseños de componentes que afectan

el movimiento de carga, tiene un potencial más amplio de aplicación en la modelación
de los procesos de molienda y desgaste. La simulación 20, aunque introduce
distorsiones adicionales, es mucho más accesible, rápida y económica que la
simulación 30, lo que la hace una herramienta práctica de comparación. Se pueden
obtener mejores resultados y ampliar el campo de aplicación mediante la modelación
CAD de perfiles de revestimiento. Con un algoritmo mejorado es posible neutralizar la
oscilación y segregación que introduce una partida brusca. Se han presentado dos
casos prácticos que ilustran el tipo de análisis posible a bajo costo y tiempo de
respuesta.

Agradecimientos

Los autores agradecen el soporte del proyecto FONDEF 00211077 en el desarrollo del
sistema de simulación, y la información de diseño proporcionada por Metso Minerals
para el desarrollo de los casos de ejemplo.

Referencias
1.- Mishra, B.K., Rajamani, R.K., 1994. Simulation ofcharge motion in ball milis: Part 1.
Experimental verifications. lnt. J. Miner. Process. 40, 171 - 186.
2.- Cleary, P.W., 1998a. Predicting charge motion, power draw, segregation, wear and
particle breakage in ball milis using discrete element methods. Miner. Eng. 11, 1061 -
1080.
3.- lnoue, T., Okaya, K., 1995. Analysis of grinding actions of ball milis by discrete
element method. Proc. XIX lnt. Min. Proc. Congress. Soc. Min., Metall. Explor. vol. 1, pp.
191 -196.
4.- Herbst, J.A., 2004, A microscale look at tumbling mili scale-up using high fidelity
simulation, lnt. J. Miner. Process. 74S (2004) S299-S306.
5.- Moys, M. H., Van Nierop, M.A., Glover, G., Hinde, AL., 2001. A discrete element
method investigation of the charge motion and power draw of an experimental two-
dimensional mili. lnt. J. Miner. Process. 61, 77-92.

14
 WORKSHOP SAG'2007
24- 26 SEPTIEMBRE 2007, VIÑA DEL MAR, CHILE
UNIVERSIDAD DE SANTIAGO DE CHILE
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA

EFECTO DE LA DISTANCIA ENTRE LIFTERS EN MOLINOS

SEMIAUTÓGENOS SOBRE RESULTADOS OPERACIONALES A
TRAVÉS DE SIMULACIONES MEO
E. ALTAMIRANO\ L. MAGNE 2 , A. GUTIÉRREZ3

(1) Elecmetal, Subgerente de Servicios Técnico-Comerciales- ealta@elecmetal.cl

(2) Universidad de Santiago de Chile, Departamento de Ingeniería Metalúrgica- lmagne@usach.cl
(3) Universidad de Santiago de Chile, Departamento de Ingeniería Mecánica - aggutier@usach.cl

RESUMEN

Se analizó la influencia de la separación de los levantadores en la eficiencia de

molienda y por consecuencia se infiere el efecto en los resultados operacionales. Para
ello se empleó los resultados de simulaciones MEO. Los resultados obtenidos indican
que efectivamente la separación entre levantadores tiene un efecto relevante en el
movimiento de la carga interna de un molino semiautógeno y que la separación actual
que permite la perforación de estos molinos en Sudamérica no es necesariamente la
óptima. Desde este punto de vista, resulta interesante analizar la situación para los
diferentes tamaños de molino y evaluar también la influencia de la velocidad, medida
como porcentaje de la velocidad crítica, sobre la separación óptima de los levantadores.
Los resultados también muestran que no hay coincidencia entre el punto en que se
produce la máxima frecuencia de impactos útiles y aquel en que se obtiene la máxima
energía de impactos. Esto da una orientación para realizar estudios en orden a
determinar la conveniencia de diseñar los revestimientos considerando que para
minerales duros se requiere mayores energías de impacto y por lo tanto las
configuraciones pueden ser diferenciadas respecto a cuando los minerales sean más
blandos.
 WORKSHOP SAG'2007

1. INTRODUCCIÓN

Los molinos semiautógenos de gran tamaño concentran en uno o dos equipos la

producción de toda una planta. Esto pone en un primer plano la demanda por
disponibilidad del equipo. Como es bien conocido, la principal causal de detención de
estos molinos es la mantención del revestimiento. El efecto de esto último sobre la
disponibilidad se puede subdividir en dos áreas: la de minimizar las necesidades de
detención por una mayor duración del revestimiento y la de hacer las detenciones lo
más breves posibles. Así, durante un período importante de tiempo, el objetivo básico
ha sido enfocado a disminuir los tiempos de detención. Sin embargo, la disponibilidad
es sólo una variable del sistema, el cual debe ser evaluado considerando el
mejoramiento de la capacidad de procesamiento del molino que se puede lograr al
modificar el diseño de los revestimientos del molino.
En la última década, se ha clarificado que los revestimientos de molinos
semiautógenos principalmente cumplen un rol multifuncional y no sólo son elementos
de desgaste:

o protegen la estructura del molino del desgaste

o sirven de medio de transferencia de energía al interior del molino e
o intervienen tanto en el movimiento de la carga como en la distribución de
impactos.

Hoy en día, el diseño de los revestimientos debe tener en cuenta también esta
variedad de roles simultáneos al momento de establecer sus objetivos y restricciones.

El efecto del diseño de revestimientos sobre la eficiencia de molienda es un tema

poco tratado en la literatura. Aun cuando se sabe que existe una estrecha relación entre
el movimiento global de la carga del molino y aquellos factores que afectan el
levantamiento de los cuerpos moledores, aún se desconoce la relación cuantitativa
exacta entre las variables. Sin embargo, la utilización de simulaciones a través del
Método de Elementos Discretos (MEO) ha permitido realizar importantes
aproximaciones al análisis del sistema.

1.1. El Método de los Elementos Discretos (MEO) [1]

El MEO es un método numérico que permite seguir las trayectorias y la rotación

de todas las partículas y objetos (coordenadas Lagrangianas) que componen un
sistema, además predice su comportamiento y la interacción con otras partículas y el
entorno, considerándolas como cuerpos rígidos.
Se puede simular una amplia gama de partículas en cuanto a tamaño (de
algunos metros hasta 500 micrones) y sus interacciones con objetos de formas
complejas que forman parte del medio externo.
La forma en que trabaja este método de cálculo, es mediante la discretización de
las ecuaciones de movimiento de las partículas (consideradas esferas), las que son
obtenidas de la integración de las ecuaciones de fuerza y torque que modelan las
reacciones sobre las partículas.

2
 WORKSHOP SAG'2007

El método esencialmente consiste en detectar las colisiones producidas entre las

partículas, con lo que se predice las fuerzas producidas entre éstas, y con estas
fuerzas se determina el movimiento de las mismas.
Se les permite a las partículas producir un traslape~ entre ellas. Las velocidades
relativas normal, Vn, y tangencial, Vt, son las que determinan finalmente las fuerzas de
impacto. Existen varios modelos disponibles para lograr una aproximación de estas
fuerzas, por lo general no lineales. Un modelo lineal convencional, presentado en la
Figura 1, se usa en el presente estudio.

Figura 1.

En el modelo, la fuerza normal se encuentra en función del traslape y la

velocidad relativa normal, Vn, con sus correspondientes coeficientes de rigidez normal y
de amortiguamiento respectivamente, la fuerza tangencial está en función de la
velocidad relativa tangencial de acercamiento, Vt, y de los coeficientes de rigidez
tangencial y de amortiguamiento. A continuación se presentan las ecuaciones que
definen este modelo:

Fn =-k~
ni;, -en ';~::, 1

F; = min {u Fn , k,fv, dt + c,v, J 2

En la fuerza normal de la ecuación 1, el primer término del lado derecho de la

igualdad kn~. proporciona la fuerza repulsiva de una colisión elástica, y el segundo
término c. g, corresponde a la parte plástica o viscosa del impacto, simulando las
pérdidas y disipación energética asociada. En el modelo de fuerza tangencial de la
ecuación 2, la fuerza tangencial alterna entre dos valores, tomando el mínimo entre los
dos. El primer valor es la fuerza de rozamiento de Coulomb dada por el producto entre
el coeficiente de fricción 1-t y la fuerza normal Fn, y el otro es la fuerza transciente, que
es la originada cuando no se produce deslizamiento. En este último caso, la expresión
con la integral está asociada a la deformación elástica ente las superficies en contacto,
proporcionando la repulsión tangencial, y la segunda expresión c1v1 , representa la
deformación plástica y las pérdidas asociadas.
La fuerza tangencial se encuentra relacionada con la fuerza normal por el modelo
de Coulomb para la fricción. Esta se puede escribir de la siguiente manera:
F: S 11-s Fn 3
F: = 11-d Fn 4

3
 WORKSHOP SAG'2007

La ecuación 3 representa la condición de fricción estática, en la cual no se

contempla el deslizamiento entre los cuerpos. La ecuación 4 representa la fricción
dinámica, y sí considera el deslizamiento entre los cuerpos. En estas expresiones 1--ts y
1--td corresponden a los coeficientes de roce estático y dinámico respectivamente.
Normalmente se cumple que 1--ts > 1--td, siendo ambos valores muy próximos.

El MEO, consta de tres aspectos fundamentales:

• Una lista de partículas y sus partículas vecinas, construida con ayuda de un
arreglo matricial, en que cada partícula está representada por una fila y una
columna, activando las filas y columnas de acuerdo al contacto existente entre
ellas.
• Las fuerzas de impacto producidas en cada una de las partículas y sobre los
bordes son evaluadas usando el método anterior de celdas y el modelo lineal
de resorte y amortiguamiento mencionado anteriormente.
• Se obtiene la fuerza neta sobre cada una de las partículas y objetos que limitan
el sistema. Las ecuaciones resultantes de movimiento son integradas para
determinar el cambio de posición y velocidad en el tiempo. Se ocupa un
método de integración simple, donde los valores de posición y velocidad son
determinados en función de los mismos valores, en el intervalo de tiempo
anterior.

De esta forma, teniendo la identificación de cada una de las partículas del

sistema ha sido posible obtener información de todos los eventos asociado a la carga
en movimiento. De esta forma, en el software MiiiMed desarrollado en la Universidad de
Santiago de Chile, es posible cuantificar las siguientes variables:

• Porcentaje de partículas en vuelo

• Frecuencias de impacto entre (impactos generados por partículas con
velocidades relativas > 4,4 m/seg):
o Bola-Bola (BB)
o Bola-Mineral (BM)
o Bola-Revestimiento (BR)
o Mineral-Mineral (MM)
o Mineral-Revestimiento (MR)
• Energías de impacto entre:
o Bola-Bola
o Bola-Mineral
o Bola-Revestimiento
o Mineral-Mineral
o Mineral-Revestimiento
• Fuerzas de impacto sobre el cilindro

Otra variable de interés corresponde a la potencia necesaria para mover el

molino y la carga, la cual se determina a partir de la evaluación del centro de masa de
los cuerpos en movimiento, la excentricidad de la carga y la velocidad de rotación.

4
 WORKSHOP SAG'2007

1.2. El Número de Levantadores de un Molino Semiautógeno [2]

No existe claridad respecto a la definición general que se manejaba

originalmente para un molino semiautógeno y que indica: el número de levantadores en
el cilindro es 2 veces el diámetro del molino en pies. Esta definición proviene, tal vez, de
lo definido en la década del 50 para los molinos de barras. Se implementó durante
muchos años a los molinos semiautógenos hasta que se hizo relevante el efecto del
ángulo del levantador al observar el movimiento de la carga interna. Al aumentar el
ángulo de la cara de ataque, la base del levantador se hace más gruesa por lo que
ocupa mayor espacio de la placa. Cuando el molino tiene capacidad de girar en ambos
sentidos, el ancho de la base crece aún más. Lamentablemente la distribución de
agujeros para pernos limita la determinación de un nuevo número de levantadores,
siendo lo más común observar en la práctica su disminución a la mitad.

De esta forma, la evolución del número de levantadores ha ocurrido por ajustarse

a la necesidad de mejorar el movimiento de la carga interna, limitado por los agujeros
de los pernos de sujeción de los revestimientos.

El presente artículo está orientado a determinar cuál es la cantidad de filas de

levantadores óptima, sin considerar las limitaciones de los agujeros del molino. Para
ello se utilizará como principal herramienta simulaciones MEO. Es un análisis preliminar
que debe dar orientación a futuros estudios en orden a conseguir el objetivo de
establecer una metodología para determinar cuál es la cantidad de filas de levantadores
óptima para un molino semiautógeno (dependiendo del tamaño del molino, del tipo de
mineral, de la velocidad de rotación, etc.). Cumplido este objetivo sería posible:

o recomendar el agujereado de un molino nuevo

o determinar la conveniencia de ir a diseños de los revestimientos de cilindro
más sofisticados que los actuales, para adaptarse al agujereado de molinos
existentes.

2. ANTECEDENTES

2.1 Levantadores de Molinos Semiautógenos en Chile

Desde el año 2000 en las plantas de molienda semiautógena de Chile, se

comenzó a realizar cambios relevantes en los diseños de los revestimientos del cilindro
de los molinos, observándose, entre otros:

o disminución de filas de levantadores

o aumento de ángulo de levante de los levantadores
o aumento de altura de los levantadores
o aumento del espesor de placas, etc.

Todo esto motivado por mejorar la eficiencia de molienda a través del movimiento
adecuado de la carga interna del molino. En la mayoría de los casos los resultados
fueron positivos y se reportaron aumentos de producción horaria de más de 5%, entre
otros beneficios.

5
WORKSHOP SAG'2007

La cantidad de filas de levantadores, y por ende la separación entre ellos, es un

aspecto relevante en el movimiento de la carga interna y en la eficiencia de molienda,
así como los otros factores que determinan el perfil transversal del revestimiento. Sin
embargo el distanciamiento entre levantadores es un parámetro que está "determinado"
por el agujereado del molino, siendo discretas las alternativas posibles de implantar con
diseños simples de revestimientos.

De este modo, al momento de realizar un cambio de diseño que tenga relación

con la cantidad de filas, las alternativas estudiadas han sido, generalmente 2/3 ó 1/2 de
las filas originales.

2.2 Cantidad de Filas de Levantadores en Cilindro de Molinos Semiautógenos

en Chile y Sudamérica. Situación Actual

Antes del año 2002, todos los molinos semiautógenos en Chile tenían una
cantidad de filas de levantadores cercanas a 2 veces el diámetro del molino en pies.
Esto significa que los molinos se perforaban de modo de mantener la distancia entre
centro de levantadores dentro de ciertos márgenes cercanos 1,6 pies (rrJ2 pies).

Como producto de los cambios de diseño de revestimientos que comenzaron a

implantarse en el año 2000, actualmente la cantidad de filas de levantadores es similar
al diámetro del molino en pies, exceptuando el caso de 56 y 64 filas, este último con
Jna configuración alto-bajo (ver esquema de lifters). Los molinos de gran tamaño, de 38
f 40 pies de diámetro, muestran una tendencia a la disminución de la cantidad de filas
·especto a su diámetro. La Figura 2 muestra la situación actual de la mayoría de los
nolinos semiautógenos de gran tamaño en Chile y Sudamérica.

66 : 64alkrbajo

60 ¡

~541
~ 48 ¡
~ ¡
~ 42 ¡
~ :

o 36

:1.1 t11Ht UJI1U.IJlU

B B B U H D H H ~ Y • H •
Di.imetroMoltnolpieS)
• • H • • • H • ®

~igura 2. Situación actual del número de levantadores de molinos semiautógenos

en Sudamérica, en función del diámetro del molino en pies.

La reducción de cantidad de filas de levantadores a la mitad ha significado que la

Jistancia entre ellas se ha duplicado a valores cercanos a 3,1 pies (re pies). En los
nolinos de 38 y 40 pies de diámetro, esta distancia ha aumentado considerablemente a
.,o y 4,2 pies respectivamente. La Figura 3 muestra la distancia entre levantadores (de
entro a centro) que se observa en los diferentes molinos semiautógenos actualmente
 WORKSHOP SAG'2007

en Sudamérica, sin considerar aquellos que permanecen con los diseños originales
(cantidad de filas de levantadores cercana a 2 veces el diámetro del molino en pies).
También se muestra la relación cantidad de filas de levantadores con el diámetro del
molino en pies.

.'J..O >.•

1.S

Figura 3. Distancia entre levantadores (en pies) y razón Cantidad de

Levantadores/Diámetro (en pies), en función del diámetro del molino en
pies.

3. METODOLOGÍA DE EVALUACIÓN

3.1 Simulaciones

Como se explicó anteriormente, la herramienta para hacer las simulaciones fue

el Método de Elementos Discretos, descrito en el punto 1.1.

3.2 Diseños Simulados

• Diámetro del molino

Se eligió un molino semiautógeno de 36 pies de diámetro, por la razón de que
este tamaño es el más frecuente en Ch ile.

• Configuraciones de revestimiento simuladas

o Placa, lisa de 5 pulgadas de espesor
o Levantadores simétricos, de 36° ángulo de levante, 305 (mm) altura sobre la
placa.
o Número de filas de Levantadores de 48, 42, 36, 32, 28 y 24
o Como referencia se consideró un diseño original de 72 filas de levantadores
en configuración alto-alto y alto-bajo.

Todas las configuraciones simuladas y sus características se muestran en las

Figuras 4 y 5

• Condiciones de Operación Simuladas

Las condiciones de operación simuladas son las que se muestran en la Tabla 1.

7
WORKSHOP SAG'2007

Parámetros de Simulación Distribución Bolas Distribución Mineral

Diámetro, pies 36 Diámetro, plg % Diámetro, plg %
N° de Lifter Varios 5,5 34 10,0 5
%Llenado 28 5,0 25 8,0 15
%Bolas 16 4,5 19 6,0 15
3
Densidad mineral, t/m 2,8 4,0 13 4,0 25
Velocidad, rpm 9,6 3,5 9 3,0 8
2,0 32
Tabla 1. Parámetros y condiciones de operación simuladas.

~r.h: allft.,.;¡ltll
~Pa C<~ LiftC!t' l»j.s

~ : 1.5 rAe:

Figura 4. Configuraciones de revestimientos simuladas.

¡· -- Uft:er
-···-··----..·--·· r- -- - - - -- --·---,
Placa Ufter alta

Í; ,------7F1~
l
-\'
1 Js 1 \

1 h-!(·¡ ~
i 'D 1 ~ ! <
!' !
...
1 ¡
! .'

1$
L__________ ..l
=igura 5. Detalles revestimientos simulados.
 WORKSHOP SAG'2007

4. RESULTADOS Y ANÁLISIS DE RESULTADOS

En la Tabla 2 se entregan los resultados obtenidos para las distintas
configuraciones de revestimientos, con las condiciones de operación indicadas
anteriormente. El análisis se centrará fundamentalmente en la Frecuencia y Energía de
los Impactos Útiles, ya que estos están directamente relacionados con la eficiencia de
molienda.

Tabla 2. Resumen de resultados de las simulaciones

Separación Frecuencia de Impactos (imp/seg)
N• Filas Potencia Partículas
Lifters*
(pies)
Lifters (Mw) en Vuelo BM MM MR BB BR Útiles*** Total
1,6 a-b** 72 a-b** 12,4 188 147,0 315,0 63,4 14,0 5,4 525 545
1,6 72 11,6 202 142,5 326,6 107,0 10,8 16,3 576 603
2,4 48 11,8 178 163,9 349,7 37,6 12,7 1,O 551 565
2,7 42 11 ,8 184 186,4 371,6 35,0 17,2 1,1 593 611
3,1 36 12,2 179 189,0 377,8 33,3 18,6 1,1 600 620
3,5 32 11,9 186 209,1 398,6 32,3 18,0 1,1 640 659
4,0 28 12,2 181 210,3 359,6 24,6 21,7 1,7 595 618
4,7 24 12,9 165 186,0 342,1 22,5 20,5 0,8 551 572

Tabla 2. Resumen de resultados de las simulaciones continuación

'
Separación Energía Transmitida en Impactos {Nm)
N• Filas
Lifters*
Lifters BM MM MR BB BR Útil*** Total
{pies)
1,6 a-b** 72 a-b** 117.285 57.719 9.354 122.193 6.019 184.357 308 .733
1,6 72 102.786 58.652 20.151 122.949 17.785 181.589 322.323
2,4 48 202.340 100.523 10.407 207.483 5.025 313.270 525.778
2,7 42 206.946 103.852 10.166 215.209 3.783 320.964 539.956
3,1 36 226.902 116.099 10.211 226.306 5.645 353.212 585.164
3,5 32 221 .206 112.860 9.553 221.082 6.286 343.619 570.986
4,0 28 222.733 112.833 8.214 213.942 5.415 343.780 563.137
4,7 24 229.600 122.762 7.097 222.283 6.385 359.459 588.127
* Medrdo entre centro de lrfters
** Configuración alto-bajo
*** BM+MM+MR

4.1 Frecuencia de Impactos

Con relación a la frecuencia de impactos útiles (BM, MM, MR), se observa que
los dos primeros tienen la mayor relevancia. Ambos tipos de impactos, BM y MM,
tienden a aumentar en la medida en que se disminuye la cantidad de filas de
levantadores, alcanzando su máximo en 32 y 28 filas respectivamente, como se aprecia
en la Figura 6.
Este comportamiento se explica por el hecho de que los levantadores son
capaces de transmitir mayor cantidad de movimiento a la carga mientras aumenta su
separación, hasta un límite en que este movimiento se ve contrarestado por la
disminución de la frecuencia con que los levantadores entran en el riñón de carga y por
el desmoronamiento prematuro que ocurre en la parte alta, cuando la separación entre
ellos es demasiado grande. Este efecto se aprecia en la secuencia de imágenes de la

9
WORKSHOP SAG'2007

Figura 7, donde el mayor movimiento de la carga, y por lo tanto la mayor frecuencia de

impactos, se logra visualizar en el pié y el hombro (zona superior) del riñón.

Separación En1re Lifbers, en pies (centro a centro)

1,6ab 1,6 2,4 2,7 3,1 3,5 4,0 4,7
700

600

500

.. 400

lE
- 300

200

100

72ab 72 46 42 36 32 28 24
Cantidad Filas Lifbers

1-+-- Bola M1eral ·· .•.:___ f.Mieral-Revesti'niento

..,._ ~ ....- Frecuencia de Impactos Uties

Figura 6. Frecuencia de impactos en función de la cantidad de filas de levantadores.

Si se considera la suma de frecuencias de impactos útiles, la configuración que la

maximiza es la de 32 levantadores (obteniéndose un aumento de 11% respecto a la
configuración base de 72 levantadores).
En la Figura 6 también se muestra, a modo de referencia, la situación que se
presentaría con los diseños típicos originales que tenían los molinos semiautógenos de
36 pies de diámetro, antes de los cambios de diseño: 72 levantadores de la misma
altura ó 72 en configuración alto-bajo.
Respecto a los impactos BR, en las condiciones simuladas estos tienen una baja
frecuencia y no presentan una gran variación respecto a la cantidad de filas de
evantadores (Tabla 2). Los impactos BR, a iguales condiciones de operación,
jependen fundamentalmente del ángulo de ataque de los levantadores. En el caso de
72 filas, la alta frecuencia de impactos se debe principalmente al ángulo de ataque que
;e utilizaba en esos diseños, r
aproximadamente, y que producen alto impacto sobre
~1 revestimiento, como se observa en la Figura 7. La misma tendencia se observa en los
mpactos MR.

o
 WORKSHOP SAG'2007

..
. ..
.. .
·

Figura 7. Imágenes de simulaciones para cada caso. Se muestra el efecto en la

cantidad de movimiento.

11
WORKSHOP SAG'2007

4.2 Energía de Impactos

En forma similar al caso de la frecuencia de impactos útiles, las energías útiles

relevantes son las generadas por el contacto BM y MM. La energía de ambos tipos de
impacto muestra una tendencia creciente en la medida que disminuye la cantidad de
filas de levantadores, llegando a su máximo con la mayor separación entre ellos
(alcanzo un aumento de 95%}, Figura 8.

La energía total de Impactos útiles alcanza su máximo, efectivamente, en el caso

de la menor cantidad de filas de levantadores simuladas.
Separación Entre Lifte<s, en pie (de centro a centro)
72&!> 72 48 42 36 32 28 24
400.000

350.000 1

300.000

250.000

i 200.000

150.000

m~ 1
50.000

72&!> 72 48 42 36 32 28 24
Cantidad Filas Ufters

[ -· • ···· Ene!¡¡e en lmpaclos BM .....,_ Ene¡¡e en Impactos MM ·""'-·Enel¡¡e en Impactos MR ···• ·· Ene!¡¡ia en Impactos Úlles 1

=igura 8. Energías de impacto útiles en función de la cantidad de levantadores.

Pareciera contradictorio que la energía de impactos útiles tenga una tendencia

:reciente a medida que disminuye la cantidad de filas de levantadores, más aun cuando
1s partículas en vuelo también decrecen con la separación entre ellas (Figura 9), y
ormalmente se relaciona impacto con carga en vuelo. Sin embargo, se observa que un
unto relevante en la generación de impactos de alta energía es el pié del riñón (en el
1stante que el levantador a alta velocidad se encuentra con la carga) y que el nivel de
npactos útiles tiende a aumentar con la separación entre levantadores. De este modo,
1 disminución de energía por impactos que genera la menor carga en vuelo, se ve
::>mpensada y superada, en algunos casos, por el aumento de impactos de alta energía
n el pié del riñón .

Retomando el tema de la carga en vuelo mencionada en el párrafo anterior,

~sulta interesante notar que si bien al aumentar la separación entre levantadores se
:mera mayor volumen total entre ellos, este espacio no es ocupado en su totalidad
ua levantar carga para ponerla en vuelo y generar impactos de alta energía en la
1ída sobre el riñón (o sobre el revestimiento). Se debe observar que parte del material
Je está entre los levantadores, se desliza cayendo en cascada sobre el riñón y sólo
1a pequeña porción permanece sobre el levantador antes de ser lanzada como carga
 WORKSHOP SAG'2007

en vuelo. Este efecto determina que a partir de cierto número de filas de levantadores
un mayor distanciamiento entre ellas no incrementará la carga en vuelo, sino por eÍ
contrario la disminuirá. En los casos simulados, el límite resultó ser 32 filas de
leva~tadores. Este efecto tiene relación con la velocidad de operación del molino,
medido como porcentaje de la velocidad crítica a que gira el molino: para el mismo
porcentaje de la velocidad crítica, el efecto debería ser similar para cualquier tamaño de
molino.
separación Entre Lffters en pies (de centro a centro)
2.4 2,7 3.1 3,5 4,0 4,7
190 9,00

185

180

¡;¡
i 175 750 .§.
, e
>e ~
..J
:
.g
170 7,00 €
w
.!!
i!
: 165 6,50 ~
.
~
<
6,00

5,50

150 5,00
46 42 36 32 26 24

1-+- N' de Paoü:ulls en Vueb -<11- Área Total Erlre Llters (m2) 1

Figura 9. Carga en vuelo y área total entre levantadores en función de la cantidad

de filas de levantadores evaluadas.

4.3 Frecuencia y Energía de Impactos Útiles

Dado que los impactos inútiles (BB y BR) no resultaron ser una limitante para
determinar la distancia óptima entre levantadores, se centrará la atención sólo en los
impactos útiles. En la Figura 1O se muestran las frecuencias y energías de impactos
útiles totales obtenidas en las simulaciones realizadas.

Si el criterio para determinar la cantidad de filas de levantadores óptima fuera la

Frecuencia de Impactos Útiles, el resultado sería 32 filas o una distancia de 3,5 pies,
entre centros de los levantadores. Si el criterio fuera la Energía de Impactos Útiles, el
resultado sería 24 filas o una separación de 4, 7 pies entre centros de los levantadores.
Esta diferencia da pié a analizar la conveniencia de considerar diferentes
configuraciones, en base a la separación de los levantadores, dependiendo de la
dureza del mineral que se procesa: a mayor dureza priorizar Energía de Impacto, a
menor dureza, Frecuencia de Impactos.

Si, alternativamente, se considera la maximización del producto Frecuencia de

Impactos Útiles x Energía de Impactos Útiles, el resultado es un claro máximo en 32
filas de levantadores o en una separación entre centros de 3,5 pies, Figura 11. Este
podría ser un criterio de selección para una planta que procesa minerales de diferentes
características de dureza permanentemente.

13
WORKSHOP SAG'2007

separación Entre Llftl!rs, pies (de centro a centro)

1,6a-b 1,6 2,4 2,7 3,1 3,5 4,0 4,7
400.000 700

650
350.000

600

z
E
300.000

550!
.
.5
250.000

500

200.000
450

150.000 400
72a-b 72 48 42 36 32 28 24
Cantidad de Lifters

¡.........Ene¡gía en Impactos Ulies .......,. Frecuenca de Impactos Uties 1

=igura 10. Frecuencia y energías de impactos útiles en función de la separación
entre levantadores.
separación Entre Ufters, pies (de centro a centro)
1,6a-b 1,6 2,4 2.7 3,1 3,5 4,0 4.7

70

60
g>
~
.S 50
K
E
z 40

30

20

10

72a-b 72 48 42 36 32 26 24
Cantidad Filas de Ufters

1--+-- Eneq¡ia X Frecuencia BM - ·lll- Erlefgia X Frecuenca WJt ....,_...... Ene¡gia X Frecuence MR , , Total 1
igura 11. Producto frecuencia de impactos útiles con la energía de impactos útiles
en función de la separación entre levantadores.

Si bien se requiere estudiar cuales son las configuraciones más adecuadas para
ros diámetros de molino, da la impresión que, para una mismo porcentaje de la
llocidad crítica, si se mantiene la distancia entre levantadores quedarían
dependientes del diámetro. Desde ese punto de vista y asumiendo que las
~locidades así medidas son semejantes en la operación de la mayoría de los molinos
!miautógenos, resulta interesante evaluar el efecto de las actuales separaciones
,servadas entre levantadores. Más aún cuando se observa un aumento en la distancia
1tre levantadores en los molinos de diámetros mayores.
 WORKSHOP SAG'2007

4.4 Potencia

La Figura 11 muestra la variación del consumo de potencia que se obtiene para

las mismas condiciones operacionales, variando el diseño de los levantadores. En este
caso es posible observar que el menor consumo de potencia se obtiene al trabajar con
los 72 levantadores en configuración alto-alto. Este diseño presenta el mayor volumen
de acero en revestimientos, por lo que se tiene el menor volumen efectivo de molino, lo
que justificaría un rango de 300 kW. Sin embargo, además es el diseño que presenta el
menor volumen entre levantadores, por lo que su capacidad de levantar carga es
menor, generando un menor torque al movimiento del molino. Así también, la potencia
máxima requerida se obtiene para una configuración de 24 levantadores, que es el que
presenta el máximo volumen efectivo de molino. Sin embargo, haciendo un análisis
similar al caso anterior, se tiene una condición de máximo volumen entre levantadores,
propiciando una mayor capacidad de levante de carga, a pesar que no toda se traducirá
como material en vuelo.

4.5 Ancho de Placa Expuesta

En el análisis realizado, no se ha considerado el efecto del movimiento de la

carga sobre la placa entre levantadores. Para efectos de simulación y análisis, el perfil
del levantador se mantuvo sin variación, por lo que al disminuir el número de
levantadores el ancho de placa aumentó proporcionalmente. Cualquier evaluación en
particular debe considerar variaciones específicas del perfil del levantador (altura,
ángulo y ancho de base), por lo que en ese caso se debe evaluar el efecto del cambio
de configuración de la placa, tanto desde el punto de vista estructural como su
comportamiento frente al impacto y abrasión de la carga en movimiento.
13,0 t
12,5 1---'-------:-'""-------"-,--_ _::._...._ _ _ _ _ _ ~--'--r~------¡

12,0
~
;§.
~
~
0..
11,5

72a-b 72 48 42 36 32 28 24
Cantidad de Filas de Levantadores

Figura 11. Frecuencia y energías de impactos útiles en función de la separación

entre los levantadores.

15
WORKSHOP SAG'2007

5. CONCLUSIONES

o La cantidad de levantadores en un molino semiautógeno de 36 pies de diámetro

es relevante en la efi~iencia de molienda, medida a través de la Frecuencia y la
Energía de Impactos Utiles.
o El óptimo enc~ntrado al maximizar el producto entre la Frecuencia y la Energía
de Impactos Utiles fue de 32 filas de levantadores, lo que no coincide con la
cantidad de filas de levantadores que actualmente utilizan estos molinos, que
actualmente es de 36.
o Comparativamente, e! diseño original de 72 filas presenta Frecuencias y
Energías de Impacto Utiles muy por debajo de las que presenta el diseño de 36
filas utilizado por estos molinos actualmente.
o Lo anterior ratifica las mejoras reportadas en los cambios de diseño de más de
5% de aumento en la capacidad de tratamiento de los molinos. Variaciones
mayores se logran al modificar el diseño del perfil del levantador ajustándolo a
las características del mineral (dureza y granulometría) como condiciones de la
carga de bolas (nivel de llenado y tamaño de bola de recarga).
o Resulta claro que el óptimo en cuanto a cantidad de filas de levantadores está
más cercano al diámetro del molino en pies, que a 2 veces el diámetro, como se
diseñaban originalmente los molinos.
o El óptimo para la Frecuencia de Impactos Útiles no es el mismo que el óptimo
para la Energía de Impactos Útiles. Este hecho abre la posibilidad de generar
diferentes diseños para diferentes durezas de mineral: maximizar Energía para
minerales duros y maximizar Frecuencia para minerales blandos.
o Es posible pensar que la separación óptima entre levantadores tiene más
relación con el porcentaje de velocidad crítica a que giran los molinos que con el
tamaño de los mismos. Es decir, al mismo porcentaje de velocidad crítica, la
separación óptima debería ser similar.
o Como trabajos futuros, debe profundizarse el análisis determinando el efecto de
variables tales como la velocidad y la potencia requerida para la carga en
movimiento en la determinación de la cantidad óptima de filas de levantadores.
o Lo mismo debe realizarse para otros tamaños de molinos, sobre todo para
aquellos de 38 y 40 pies de diámetro que han aumentado la separación entre
levantadores.

REFERENCIAS

A. Gutiérrez, A. Ortiz, H. Espinoza, J. Guichou, L. Magne, G. Titichoca, "Power

Análisis Milling Process in Semiautogenous Milis", Copper 2007, Toronto, 2007.

L. Magne, W. Valderrama, G. Titichoca, "La Operación Actual de Molinos

Semiautógenos", Workshop SAG2003, Viña del Mar, 2003.
 ¿para qué
controlar el movimiento de carga?
Para lograr
El Control del Movimiento de
Carga: Cómo y Para Qué + ... menor consumo específico de energía
+ ... menor desgaste del revestimiento
Waldo Va/derrama R.
Universidad Técnica Federico Santa Marra. CHILE
Germán Sepúlveda V.
+ ... prevenir falla imprevista
ETT Ltda., CHILE
+ ... mayores tonelajes
+ ... otros efectos que apenas vislumbramos
El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R .. UTFSM, Germán Seplllveda V.. ETI
REVEMOL 20011-29 Y 30 DE MAYO OE 200& - HOTEL. GAVINA -!QUIQUE REVEMOL 20013 - 2S Y 30 CE MAYO De 2009 -HOTEL GAVINA· !QUIQUE ~~~~,f.f.0i\11
 REVEM4
'l'l<;fA~U~ t'oil:il~<~Ofllt~~
..
L-u-
Vista simultánea del efecto de ángulo y altura
sobre la potencia
• . Lograr ttn
volte.o de
m-¡n~imo
consumo ·de
potencia,
Ubre de
segregación e
impacto aJ
revestimiento
E.! Cmttrot t¡el M:ovlmtento C~ {;(}¡:ogH: ¿Cómo y pa(a qvt!{( V{·>:>Júo V~k.Wrr~ma R., UTFStl(1, G~W'mi\~ ~~IVf.:"!a V., ETT El Control del Movimiento de Carga: ¿Cómo y para qué? Watdo Valderrama R.. UTFSM, Germán Sepúlveda V.. ETI
JU:!.Vt:..\1.0\. 2®& •. zt 'f:K' ue.MAYO ot íloo& - ll<n'EL. 0.4VIttA~ IQ1JtQIJE ~~'?~!!J M REVEMOL 20011 -29 Y 30 DE r.tA.YO DE 2008- HOTEL GAVINA ·IQUICIUE ~g~~!.~Íf~j
 lt~Y1\~~L
SE$REGACIÓN Y VELOCIDAD sobre el revesti,miento
Por sobre el 70% de la
velocidad crítica se inicia - malgasto de energía
un proceso de
segregación del material
- fractura de bolas
grueso hacia el centro aumento del
de la carga, que a 80%
de la velocidad crítica ya
desgaste
está claramente - riesgo de fractura de
configurado. Esto revestimiento
significa que no se
puede subir
indefinidamente la
velocidad, aunque se
aumente el consumo de
potencia

El Control del Movimiento de Carga: ¿Cómo y para qlJé? Waldo Valderrama R., UTFSM, Germán Sepülveda V., ETT

IWVIl.MOL 2(l~3 .. 1!). 'f)(l D.e tM~'O DE2008 .. rt<Jflfl GAVlM AiQ!JI<l.VE LF{~~~!li.Mi
 S}..
ltl!t.~L REVE_M&L
~~f:C!.OMrn::a:t>t"~ V
Trayectorias de caída
Cómo en la Etapa de Diseño en función del ángulo de ataque
15

10 ....... -····'"---............

s· goo /
., / .---~~
~~
,laoo • ~
Y[cm] o · ~
/ •
1 45° l
/
-5 1 1
•
Diámetro del molino 300 [mm]
diámetro de bola 10 [mm]
1"
-10 ..

-15 ..
¡W
í 1
•
altura levantador 10 [mm]
velocidad de giro 75% vel. crit.

1
-15 -10 -5 o 5 10 15
X[cm]
ETI El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R. UTFSM. Germilo Sepúlveda v .. ETI
lfp~.:W: REVEMOL 2008 - 29 V 30 OE MAYO DE 200S- HOTEL QAVINA •!QUIQUE J§~!!,:!MJ
 Travectoria de caída
y efecto de la velocidad
15

10

5
¿Cómo saber en operación si
Y[cm] o
hay impacto contra el
revestimiento?
-5
Diámetro del molino 300 ¡mm]
diámetro de bola 10 [mm
-10
• altura levantador 1Obmm
ángulo de ataque 90

-15 · - . - -:·---:--r-·--
, - -.- · - ,-- .- - - . - - - - ,
-15 -10 -5 o 5 10 15
X [cm]

El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrnrna R., UTFSM, Germán SapUfveda V., ETT El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R.. lJTFSM, Germán Sepúlveda V. En
REVEMOL 2008-25 Y 30 DE MAYO OE 2008- HOTEL GAVINA •!QUIQUE ~~2~!';\. iM REVEMOL 2009 -29 Y 30 De 111AVO Oe 2008- HOTEL GA\M<lA · IQUIQUE ~~~t~-~j
 I{~!§VI~L
Sonido y Movimiento de
Carga Dlstribucion de Impactos

1
1
1· Impactos sobre el
t revestimiento

~ ~ ~ ~ ~ ~ ~ ~ ~

·Urr.b!.<$!

€1 Control d\}1 Mrrvh1iento de Car{la ~ tCómo y mml qué? W<;tldo V.alrtcrrama. R. , UT,¡:;SM ~ Ge~m;-)n SepúlvmJ<J v. , E.TI' El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R.. UTFSM. Germán Sep(llveda V .. En
~tVJ:MOL ;¿(1"9 .. U 'f'Jt> Ot MA\10 Ut: l>."l(-b •. HOTfL.GAVI~A·lOUK'I!JE. ~~?f!}:J:f\11 f(~\tlíJIIOJ. ~0Qil··· 29 v:mot tMYO OI:.UOJ·~~:ti!:L$..WlhA •· <®¡0úU ;g_9~~.'fU:~f
 (t~l!Jjtfi~L
.A. A
RW$~!.~.!fll ~.L
D·enomii·nacion de lm,pactos Respuesta a la Velocidad
•!2"

·! ~ h11pactos estándar Impactos críticos

·•
·~ Impactos sobre el
g ~.

revestimiento
~
." ..
i
.¡o .,.

. 11:31:1 11:34:2 11 :37:2 11:40:3

Hora

El Control del Movimiento de C arga: ¿Cómo y para q~1é? Waldo Valderrama R., UTFSM, Germán Sepúlveda V., ETT El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R. UTFSM, Germón Sepúlveda v .. En
Rli''"'OL , ..... 20 130 O. E IMYO OfiZ«<··· HOm.OAVINA· IQOIQut !§~t3~!1ÍMi REVEMOL 2008 - 29 Y 30 DE MAYO OE' 2001:1 -HOTEL GAV!roiA ·!QUIQUE :~P.:W.-I~MJ
 Nivel de ruido y llenado
60
¿Qué efecto tiene en la
50
• Ruido
40 operación?
o 30
-o
·:s
0::: 20
10
o
20 22 24 26 28 30 32 34
% Llenado

El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R., UTFSM, German Sepúlveda V., ETI El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R.. UTFSM, Germán Sepúlveda V.. En
REVEMOL 20011-29 Y 30 DE MAYO OE 2008- HOTEL GAVINA -!QUIQUE ;~~~~ij REVEMOL 2009- 2!1 Y 30 OE MAVO DE 2008- HOTEL GAVINA. !QUIQUE :g.~~J~Vr;;;
 Mapa de Niv.el de Impactos
51100
Oa20%
Los altos niveles de
5300 •2oa100% impacto
5200
corresponden
'"
...
a. efectivamente a
5100 situaciones de bajo
"'
o
11)
e:
®00
•$ llenado y/o alta
velocidad
.,"'o"'
Q
'•·
~
!
<::
4900 ;; i
"'·~
a.
48.00
~~
: t
.. 1
f
4700

4600
2 11
Velocidacl,rpm

El Control del Movimiento de Carga: ¿Cómo y para qtJé? Waldo Valderrama R., LITFSM, Germán SepUiveda V., ETI El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R . UTFSM, Germán Seplllveda V. En
REVEMOL 2.008-29 V :W DE MAYO OE 2008- HOTEL GAVINA · IQUIQUE ~2"9fl.YM REVEMOL 20011 -1:9 y 30 OE MAYO DE 200!;1 -HOTEL GAVINA •IQUIQUE Lt;~?i.ttP)\ifj
 Tonelajes sobre el promedio

. ......
Impacto$ Críticos .sobr~· 20% escala Nivel d~ Impacto mayor que 40% ascala
2500 3000 3500 4000 4000 $000 $500 6000 ~~ zsoo lOOC Jsoo 4000 4300 sooo ss.oo 6000 esoo·
... 5

o
••
90
,. . Para obtener tonelajes
sobre el promedio, hay
s:l9.5
ta

"':a
..,o ""
que mantener los
i\l;:¡ ,.50 70

"
.;: ,. impactos bajo 20%
~
E
S~
30

0.5' ~ •• ,•
0.0! ... Si los impactos críticos supe.ran el 20%, hay un 80% de
.;.~ proi:)'3,Q'i.iitiF9' d.fil' lérí\ér··U,n ·¡tdhél~j~;~ajg).? Til'eoia. St"$üp~raelt4ó%
O.G1
3$rt:; ·~ de la escala, la probabilidad sube ai ·90%
~(IQ!¡ ~· 18

250{1 f,;Í
,.
ta

~~
~

S
.,"'>
1
2000
"' 12
uJ
·~ te

~
HIOC

'""• %DA~
o
Ni\fel de Impacto "'"
Bio
El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R., UTFSM, Germ;1n Sepúlveda V., ETI
REVEMOL 2003-29 Y 30 DE MAYO DE 200S- HOTEL GAVINA ·IQUIQUE ;¡;:_g~J}JJ~1i El Control del Movimiento de Carga: ¿Cómo y para qué? Waldo Valderrama R . UTFSM. Germán Sepúlveda V. ETI
 lmpactmeter
• Las primeras versiones de este
instrumento fueron instaladas en Chile,
Perú y México. La versión actual opera en
plantas de Brasil, Canadá, Australia y
Bolivia, y pronto se pondrá en marcha en
Zambia y Armenia.

El Control del Movimiento de Ca rg a: ¿Cómo y para qué? W~ldo Vatderrama R., UTFSM, Germán Sepülveda V., ETI
REVEMOL 2008- Z9 Y 30 DE MAYO OE 200S - HOTEL QAVINA -IQUIQUE :ii.g_(j¡::r_\)_r.)¡
 Minerals Engineering 22 (2009) 70-77

rnamic modelling and simulation of semi-autogenous milis

Salazara, L. Magne b, G. Acuña c. F. Cubillos d .•
artamento de Cs. de la Ingeniería, Universidad Andres Bello, Sazie 2315, Santiago, Chile
artamento de Ing. Metalúrgica, Universidad de Santiago de Chile, Cosí/la 10233, Santiago, Chile
artamento de Ing. Infonnática, Universidad de Santiago de Chile, Cosí/la 10233, Santiago, Chile
artamento de Ing. Química, Universidad de Santiago de Chile, Cosí/la 10233, Santiago, Chile

TICLE INFO ABSTRACT

? history: This paper presents a dynamic simulator of the semi-autogenous grinding operation deduced from first
ved 1O january 2008 principies coupled to an on-line parameter estimation scheme able to simulate industrial operations for
1ted 19 April 2008 control purposes. Model equations are based on conventional non-stationary population balance
1ble online 5 ]une 2008
approach to develop the necessary dynamic model of the semi-autogenous mili operation. The model
is able to predict the time-evolution of key operating variables such as product flow rate, leve! charge,
¡rds: power-draw and load position, as function of other important variables such as mili rotational speed
1inution and fresh feed characteristics. The set of ordinary differential equations was sol ved· using MATLAB/SIM-
ling
ULINK as a graphic programming platform, a very helpful tool for understanding the grinding phenom-
1illing
l.tion enon.
Using an on-line parameter estimator, the simulator was tested and validated atan 1800 t/h copper-
ore mili showing the effectiveness of the system to track the dynamic behaviour of the variables. lt is now
being used for the study of advanced control schemes.
© 2008 Elsevier Ltd. All rights reserved.

:roduction
mi-autogenous grinding (SAG) milis are presently one of the
widely used alternatives in the field of mineral size reduction
~sult of their comparative advantages, such as higher process-
tpacity, lower physical space requirements, and lower invest-
and maintenance costs, as compared to conventional circuits.
·ver, these large pieces of equipment show greater complexity
ms of their operation and control.
ese SAG milling plants (Fig. 1) are designed with few pieces of
ment having a large processing capacity, replacing advanta-
ly a large battery of traditional crushers and rod and ball
These characteristics make SAG milis an excellent example
:ical equipments whose continuous and stable operation is
:ial to guarantee mineral processing plant profitability (Con-
al., 1992).
fortunately, this great technological development has not
along with an adequate interpretation of all the phenomena
place in these milis. For this reason, it is often found that dif-
plant operators have different interpretations for the same
occurring during the operation of semi-autogenous milis in
1lar, and the plant in general.
·e sponding author. Tel. : +56 27181810; fax: +56 26817153.
1il address: fcubillo@usach.cl (F. Cubillos).
Sorne concepts associated with the operation and control of this
kind of equipment has been developed over time, based on process
response variables, obviating a conceptual rigidity that is nowa-
days becoming even more relevant.
A better approach for analyzing a SAG mili operation is through
the characterization of the mill's interna! load motion and the vari-
ables affecting it. The load lifting capacity, and therefore the energy
distribution in the mill's interna! load, not only depends on the
characteristics ofthe linings, but also on the mill's operating speed,
and even more on the particle size distribution and solids concen-
tration ofthe interna! load. lt must always be kept in mind though,
that the lining design is regularly being modified from the time it
was first installed until its removal at the end of its useful life
(Magne et al., 1995).
Given the present status of grinding technology, most mining
companies are selecting SAG milling as primary grinding stage, a
choice that is mainly justified by economical considerations rather
than by technical ones. Among the various reasons justifying this
latest trend, it can be mentioned:
• Low total operating costs as compared to conventional grinding.
• The increasing need for processing larger amounts of low-grade
ores now being mined.
• Their capability, both in autogenous (AG) and semi-autogenous
(SAG) forms, for processing material produced by primary
crushers, significantly reducing crushing requirements.

75/$ - see front matter © 2008 Elsevier ltd. NI rights reserved.

016/j.mineng.2008.04.009
 ].L. Solazar et al./ Minerals Engineering 22 (2009) 70-77 71

l'EBBU:S
FINE ORE

WA:Tij;R l'tmD ......__ _ _ __..

SAGMILL
Fig. l. Example of a typical configuration of SAG milling.

Their significantly reduced grinding media consumption and • The grinding media size is also an important variable: larger
associated cost. balls have larger weight and therefore generare greater impact
levels as compared to smaller size balls, which imply using lar-
However, the processing and maintenance advantages of simple ger number of balls with a greater surface area for the relative
rinding circuits based on large SAG milis followed by ball milis are motion in the interna! load. From the energy distribution gener-
resently undergoing a reverse evolution, first by the incorporation ated in the interna! load of a SAG mili, obtained by discrete ele-
f pebble crushers, which genera te increased rejections dueto lar- ment simulation of the load motion, it can be seen that the
~r openings in the discharge grate and later-on by the implemen- particles hav:ing greater energy are those in flight, about to
ltion of pre-crushing and pre-classifying stages. impact the load in the toe zone, while those having less energy
The experience gathered so far has allowed an evolution in the are found in the central strip of the charge kidney. However, the
~sign and operation of SAG milling plants, in such a way that it is largest proportion of the load is found at intermediare energy
JW possible to clearly identify the variables that affect the oper- levels, mainly subjected to compression stress. On the other
:ion of a SAG mili. Sorne of these variables are: hand, the decision on ball size to be used must also be in agree-
ment with the size of the grate discharge openings, since for
Type of mineral being processed (kind of rock, ore's hardness, controlling the ball wear rate it is necessary to add larger balls
in situ condit:ion, degree of alteration and fracture characteris- when working with larger grate openings.
tics), which when associated toa sector of the mine being pro- • The proportion of grinding media is another factor affecting mili
cessed is often identified as a geological unit (GU). operation. It has undergone an important evolution late! y. Orig-
Blast:ing characteristics, defined on the basis of type of explosive, inally it was considered that a SAG mili should work at 8-10%
load factor and blasting mesh used to obtain an adequate degree ball content. Later-on, larger mili sizes and larger processed ton-
of rock fragmentation, and thereby to minimize the cost of sub- nages have led to operations at 10-14% level. Current practice in
sequent operations. many plants calls for levels of 13-15%. Jt must be kept in mind
Operation of the primary crusher, based on its el ose side setting that the design conditions of the mili have considered a given
and the useful life of the liners, and in sorne cases, the feeding ball weight in the interna! load, which defines the structural
approach. The initial concept of SAG milis called for feeds con- characteristics of the mili and its bearings as well as the charac-
taining a high proportion of particles larger than 1O in, whose teristics of the bearing lubrication system
function was to provide additional grinding media to the pro-
cess. For that reason, primary crushers had to operate with the
largest possible discharge opening. Nowadays, the trend indi-
cares exactly the opposite, i.e. favoring operations at the small-
est discharge opening feasible.
Stockpile conditions at mili operat:ion time, even in situations
where the ore might not be reaching the stockpile, as they
may affect the tonnage and the particle size distribution feeding
the semi-autogenous mili.
Feed water flow rate, which determines the weight solids per-
cent in the mili discharge, allowing the control of the mili pulp
lfiscosity and hence the pulp transport capacity.
Sorne mili design characteristics such as lifter design and grind-
ing medium size certainly influence mili operation, as well as
~he feed size distribution.
rhe mili operating speed is certainly one of the variables having
:he largest effect on the control ofSAG mili operation; however,
ts variation is always dependent on the total load leve! (Fig. 2),
Nhose effect is still not completely understood in many plants.
rhe total load leve! will be discussed hereafter. Fig. 2. Simplified mili charge geometry (Apelt et al., 2002a,b ).
 j.L Salazaret al./Minerals Engineering 22 (2009) 70-77
The total interna! load leve! has evolved inversely, as compared
to grinding media leve!, since presently it is possible to find milis
operating at total load levels of 20%. This condition has been
reached mainly due to:
Optimization of mine blasting operations, which genera te finer
mineral with a larger amount of faults such as cracks and inter-
na! fractures.
Operation of the primary crushers at the smallest feasible dis-
charge openings, generating a finer SAG feeds thus contributing
with smaller amounts of large partid es.
Working with larger ball charges, which lead to greater grinding
capacity and finer mili loads.
Working with larger grate openings, which give rise to greater
proportion of larger size pebbles caused by the greater discharge
:apacity (Magne et al., 1995).
Nowadays most semi-autogenous milis incorporare a sensor
t measures the overall noise leve! generated by the mili in mo-
l. In sorne industrial plants, this signa! is used as control vari-
~ to limit the mili operating speed and/or the feed flow rate.
this effect, it is important to be able to discriminare between
noise leve! generated by metal-to-metal (ball-liner) impacts
n mineral-to-metal (rock-liner) impacts. In this regard, the
>actometer, developed by Universidad Técnica Federico Santa
oía, Universidad de Santiago de Chile and FFE Minerals, has
>rporated an additional signa! which provides more informa-
l for mili operation control. The lmpactometer is a system that
ctively detects and measures the impacts on liners by mean of
rophones and digital signa! processors (DSP) operating on-line.
output signa! is the reference base for integrating the mili
~d into the control system, seeking to maintain the number of
acts within an appropriate range, below a dangerous threshold,
eby achieving an optimum load movement and power use.
~n associated with an adequate liner design, it can achieve even
er results (Magne and Sepulveda, 2004).
:rinding operation is most likely the largest power consump-
contributor in mineral extraction processes. This fact has led
¡e development of modeling tools for its optimizing. The first
npts (Austin, 1971, 1976; Whiten, 1974) represented the in-
~d phenomena from a mathematically descriptive standpoint,
1g the modeling strategy on population mass balances. Later
:s (Austin et al., 1983, 1988; Apelt et al., 2001 , 2002a,b; Aksani
Sonmez, 2000) have allowed the estimation of parameters
rning conventional grinding (selection and breakage functions
·esidence time distribution) and their relation with Bond work
< (Bond, 1961 ), but under steady state operating conditions
¡e evolution of computer capabilities and tools has made pas-
to implement more sophisticated comminution models in
performance simulators, allowing a thorough study of the
bies that govern grinding and classification processes under
mic operating conditions (Vi and Steven, 2004). These dy-
c simulators have allowed finding optimal operational strate-
Nhen dealing with changes in the feeding conditions that
t have a dramatic influence on the mil! efficiency and stabil-
nfortunately, these simulators do not allow a complete anal-
>f mili performance variables and they do not consider the
s associated with the interna! load. The increasing interest
•timizing mineral grinding has also led to studies of advanced
1atic control and optimization strategies (Galán et al., 2002;
samy et al., 2005; Rajamani and Herbst, 1991; Salazar et al.,
~ hardness is considered áne of the most important variables
comminution processes (Morrell, 2004), however the great
•ility of the ore feed to the milling chamber make very diffi-
, develop a model with acceptable predictive capabilities di-
rectly using the hardness properties. lnstead, sorne grade of on-line
correction in the ore hardness is achieved by means of the kinetics
parameters. This approach is commonly used in most of the devel-
oped models with predictive capabilities to be applied for control
and optimization purposes like in the present work.
In this paper, the conceptual foundations of a dynamic simula-
tor based on phenomenological considerations are presented,
which adds to the previously mentioned works the analysis of
the interna! performance of SAG milis. First, Section 2 presents
the modeling strategy in the inner grinding chamber; then, Section
3 presents the model implementation in SIMULINK/MATIABlM
(Mathworks lnc.) and its adaptation to an industrial case; finally,
discussion and conclusions are presented in Section 4.
2. Modeliog strategy
Essentially, the modeling exercise consists in formulating non-
steady-state material balances in the milling equipment, along
with force conservation relations and hydraulic considerations.
The methodology used in this study has already been established
by Magne et al. (1995) and consists of formulating particle inven-
taries for each particle size inside the mili. The input variables are:
water flow rate, mineral flow rate and size distribution, grinding
media flow rate and the mili critica! speed. The model output vari-
ables are: power-draw, load leve!, ballload, mineral discharge rate
and size distribution, water discharge rate, ball throughput, bear-
ing pressure, pebble throughput, and toe and shoulder angles of
the interna! load.
2.1. SAG mili model
For modeling purposes the mili is divided in two zones accord-
ing to the process taking place (Fig. 3). In the first zone, the milling
chamber, the particle reduction process is identified and modeled.
In the second, the output zone, the discharge rate accomplishes an
interna! classification process, and material is discharged as final
product. To complete the system description it is necessary to con-
sider the relation between feed stream and mil! charge leve!. This
relationship is known as the transport rate and probably is the
least developed aspect in models proposed so far (Apelt et al.,
2002a,b ). The partid es fed to the mili are ground in the milling
chamber and subsequently downloaded into the discharge zone.
where, according to a classification probability, they are either re-
turned to the milling chamber for further grinding or become part
of the mili output stream.
D!SCHARGE
2
FEED
Fig. 3. Schematic representation of a SAG mili. (1) Mili. (2) Grinding Chamber. (3)
Interna! classifier.
 j.L Salazar et al./ Minerals Engineering 22 (2009) 70-77 73

The model is formalized by means of global kinetic milling
1arameters which simultaneously describe the different comminu-
ion mechanisms taking place in the mili interna! load. While these
inetic parameters can be estimated from measurements of feed,
1ill charge, and discharge size distributions.
For each size class i, the proposed model relates the mass vari-
tion in the milling chamber (Fig. 3) to the feed flow rate to the
rinding chamber.K (t/h), to the product flow rate from the grind-
tg chamber, p¡' (t/h), and to the comminution kinetics, as follows:
i-1
-,w¡ =ft - Pi- K¡w¡- (K¡- K¡_¡) ¿w¡ (1)
t ~
·here K¡ (h- 1) denotes the effective parameter (corresponding toS¡
1 conventional grinding) and W¡ is the weight of size i particles in
te mili charge (t). The mass balance (Eq. (1)) constitutes the basis
'the proposed milling model, in either its static or dynamic forms.
The effective parameter, K¡ is defined as the fraction of specific
>wer supplied to the mili:
where p* is the contribution of the total interna! flow rate to the
product stream (t/h). The relation between p* and W can be ob-
tained assuming that there is no recycling of fines (% passing 200
mesh) from the interna] classifier. This assumption simplifies the
mass balance equation and allows the calculation of p* on the basis
of the product flow rate of fine particles, Pn (t/h), and the mass of
fines in the interna] charge, Wn (t), as shown in Eq. (8):
P* = (~:)w (8)
From Eqs. (1 ), (6), and (8 ), the following expression is then ob-
tained for the dynamic mass balance of size i particles in the mill-
ing chamber:
dw- - (P')
di= w (1 - C¡)W¡ - K¡W¡ - (K¡ - K¡_¡) ~W¡ + f¡ i- 1
(9)
2.2. Warer balance

(2) The following equation represents the variation of the interna!

water load, Ww (t), as a result of changes in input and output water
here Kf is defined as the specific grinding rate constant (t/kWh), flow rates, Fw and Pw (t/h), the latter being estimated by Pw = CwWw
, is the power-draw (kW) and W the total ore weight in the cham- (Magne et al., 1995):
·r (t). dWw
--=Fa - Cw · Ww (10)
The equation used to predict the power consumed by the mili dt
ower-draw), Mp. is based on a modification of Bond's Law (Aus- 1
The parameter Cw (h- ), water output, has been correlated to
t, 1990): the mass of mineral in the mili, W, according to the following rela-
, = Kp . D L(1 -A·])(~) 4>c [1- 2 g~·~~<P,]
25
· (3)
tion (Magne et al.. 1995 ):

Cw = exp(64, 41 -19561 · ln(W) + 1.55 · (ln(W)) 2 ) · Wa (11)

3
1ere D (m) and L (m) are the mili dimensions, V (m ) is the mili
ective volume, cf>c is the mili speed (fraction of critica! speed), J
2.3. Grinding media
:he fraction of the mili volume occupied by pulp and balls (filling
•el), Kp andA are parameters. The ratio between the interna! load
The mass of grinding media inside the chamber is determined
tss and the mili volume, (~). is related to the percentage of mili
by a mass balance considering the ball replacement rate and the
>acity by the following equation:
metal consumption rate, this latter parameter being proportional
to the mass of mineral in the mili (Salazar et al., 2004):

1ere eb is the porosity of the mili interna! load (void fraction),
.tfm 3 ) and Pb (tfm3 ) are the density of mineral and balls, respec-
~ly, Wc is the mili water/mineral mass ratio. and]b (fraction) is the
¡ weight fraction. The determination of the mili interna] load is
de by directly measuring the height of the load after mili
1tt-off. A specific instrument has been recently developed in or-
. to measure it on-line (Magne and Sepulveda, 2004).
For the interna] classifier (Fig. 3), the balance is carried out by
ining a classification efficiency vector, C¡ (fraction), which in-
des two effects: one produced by the mill's interna! grate and
other by the pulp evacuation system (Magne et al., 1995). Thus,
; defined by:
(5)
(12)
where Wb is the ball mass (t) in the mili, Fb the ball replacement rate
(t/h), p a ball wear constant (h- 1 ) and W the total interna! mineral
load (t).
2.4. Bearing pressure
The bearing pressure, Pb (psi) is estimated as a linear function of
the total weight of the milling chamber (balls, water and mineral)
as shown in the following equation (Salazar et al., 2004), where ex
and f... are fitted parameters:
(13)

• 2.5. Load position

For each size class i, the mili chamber feed flow rate,f¡ (t/h), is
ained by adding the mill feed flow rate, f ¡ (tfh), to the interna! The load position is expressed in terms of toe and shoulder an-
rculation flow rate (Fig. 3): gles, which are calculated by the following relations (Apelt et al.,
, f¡ + C¡p¡ (6) 2001):
\ssuming that the mill chamber behaves like a perfectly mixed
:tor (Whiten, 1974), p/ can be related to particle size i mili
Or = 2.5307(1.2796 - ] )(1 - e- 1942 ·(<P-<I>,l) + i (1 4)

rge by:
Os= i- (or- i) ·((0.3386 + 0.1041 · 4>c)
(7) + (1 .54- 2.5673 · 4>c)J) (15)
 ].L. Salazar et al./ Minerals Engineering 22 (2009) 70-77

Wster1

SAGMILLS

bea:ring pressure(psl)
PEBBLES Power (kw/1)
J
Jb

Fig. 4. Simulator's Nucleus Scheme (up); SAG mill's simulator (down ).

 j.L. Salazar et al. / M inerals Engineering 22 (2009) 70-77 75

5500
5600
5400
5500
5300 _¿
.e ..... """' 5: 5400
,.,:S: 5200 ~

~- 5300
;i 5100
~
'E
E ..... 'E 5200
Q) 5000 (J.)
;: ~ 5100
o o
0.. 4900 n.
5000
4800
4900
4700
4800
550 600 650 700 750 800 850 900 400 450 500 550 600 650 700
Time[s] Time[s)

0.22
0.25

0.24 0.21

0.23 0.2
eQ)
e
Q)
o.22 (J
O; 0.19
2 0.21 a.
Q) --;
a.
--; 0.18
0.2

0.19 0.17

0.18
0.16
500 550 600 650 700
0 .17
Time[s]
550 600 650 700 750 800 850 900
Time[s) Fig. 6. Response of the Simulator toa+ 10%change of critica! speed, <Pe· Power-draw
(up), fil!level . j (down ).
g. 5. Response of the Simulator toa +10% change of mineral feed. Power-draw
p), filllevel,j (down).
can be seen as a more complex simulation block compatible with
this simulation strategy.
here fh is the toe angle (radians), Os the shoulder angle (radians),] The Simulator Nucleus' architecture was determined in a way
~e filling leve! (fraction) and </> the fraction of critica! mili velocity analogous to that of Fig. 3, and it is therefore possible to distinguish
•e) calculated by the following relation (Apelt et al., 2001 ): the milling chamber, the classifying grate, and the recycling of
= 0.35(3.364 - ]) (16) coarse material. Fig. 4 shows the sub-system that corresponds to
the Simulator Nucleus and the structure of the simulator (Salazar,
2004).
Programming of the simulator nucleus
3.2. Main Components
The numerical solution ofthe set of algebraic-differential equa-
ms (model) described in the previous section, is obtained As shown in Fig. 4, the main components ofthe sub-system are:
rough a computational subroutine called "Simulator Nucleus".
te advantage ofthis architecture is that it concentrares the efforts • The S-Function which contains the model differential equations
r model solving on a single too!. Moreover, it allows the decen- (class by class mineral mass, water and balls).
tlized design of products such as tools to train operators, also • Functions for the grate and power-draw.
owing the use of other programming platforms such as VBASIC, • Interna! recycling of solids.
System, Web Interface, etc. • Input and output information, which can be used as user-inter-
face in the final applications.
·. Programming in Matlab-SimulinkTM

The concept of a simulation nucleus was implemented as a 3.3. Parameters

task" sub-system in MATLAB/SIMULINI(TM. Simulink is a pro-
tmming system structured in blocks, which allows the solution The differential model contains various parameters which can
differential equations as well as the programming of user-blocks be input by the user or self-adjusted on-line according to the spe-
·ough S-functions. This feature, together with the possibility of cific application. In this first prototype, the following parameters
ng Matlab's specific toolboxes, makes it a powerful platform have been considered:
the development of prototypes. Recently, Liu and Spencer
104) developed a "grinding toolbox" using this platform, and dis- • The specific grinding rate constants Kf.
;sed the convenience of using this approach. The present model • The power-draw equation constants Kp andA.
 ].L Salazar et al. 1Minerals Engineering 22 (2009) 70-77

5.5 6
5 1
4.5 5
4
:e :C4
~ 3.5 ~
m m
Q)
3 ..9!
:0
.e ·"' J. J. .e
.e
Q)
0..
2.5
2
rr~ 11,., """ ~~~
Q)
0..

1.5

0.5
5000 6000 7000
1000 2000 3000 4000 5000 6000 7000
Time[s]

6.5 6.5

6 6

4.5
4.5

4L---~--~--~----~--~--~--~--~
1000 2000 3000 4000 5000 6000 7000 8000
Time[s] 1000 2000 3000 4000 5000 6000 7000
Time (s]

Fig. 7. Estimated and measured output for an industrial mili : Left: without estimation. Right: with estimation.

e water discharge parameter Cw. quately fit actual observations. White noise was added to the out-
tia! ballload (mass). puts in order to provide more realistic conditions.
An example of the simulation results is presented in Figs. 5 and
Jwever, the simulator allows the on-line modification ofthese 6, respectively showing the response ofthe power-draw and the fill
11eters, and thereby to evaluate their effect on the mili leve!,], to a + 10% step change of mineral feed and + 10%step change
rmance. in the fraction of critica! speed related to the nominal operation
conditions (1800 t/h- 0.7).
oplícatíon in an industrial mili As a consequence ofthe highly variable feed conditions (particle
size distribution, grindability and mineral composition), milling
e SAG mili simulator including the "Simulator Nucleus", in- chamber conditions (grinding media and liners), available space
Jtputs interfaces, and parameter estimation control was on the grate, etc., it was necessary to incorporare an adaptation
lped in a Simulink environment, and solutions were found routine for the model, basically consisting in sorne parameter esti-
a variable-pass integration routine (Adams-Gear). mation scheme able to retrofit the actual conditions. The literature
'idation was done with typical operating conditions of a SAG indicates that this component is critica! for any application based
t a Chilean copper ore concentration plant, the necessary on models, the extended Kalman filter (EKF) being the most often
ments were introduced to the model parameters to ade- used algorithm.
With the purpose of studying the adaptability of the model in
the industrial environment, the simulator inputs and outputs were
associated with a parameter estimator based on nonlinear optimi-
zation, which calculated on-line the kinetic coefficients, Kf, the
power-draw equation coefficient, K, and the water discharge coef-
Ke1
ficient, Cw.
Fig. 7 shows the simulator outputs for pebble production and
power consumption, with and without on-Jine adaptation. lt is

-- -
-.. .. ......
_j.-r---.. •--._ -
1 :
....... . ...
("•-

•-_,
Ke2

r.J
clear that the model requires adaptation to carry out the tracking
of output variables. Fig. 8 shows the parameter evolution when
!....! the on-line estimation is working.

, L___________~~----------~~----------~ 4. Conclusions
o 5000 10000 15000
Time[s]
As seen from results obtained without parameters estimation,
Fig. 8. Parameters evolution with on-line estimation. the model can respond adequately to the changes in input
 j.L Salazar et al./Minerals Engineering 22 (2009) 70-77
variables (mili speed, fresh feed flow rate, and water flow) only
from a qualitative viewpoint, that is, the model represents well
the physical phenomena involved. However, predictions slowly
deteriorate due to unmeasured changes such as feed particle size
distribution, mineral composition, grindability and others. making
it necessary to continuously recalibrare or update the model in ar-
der to adapt it to the new conditions.
The previous observations are reflected in the results obtained
with a continuous estimation of grinding kinetics parameters
(Kf). water discharge coefficient and power-draw equation con-
rtant Kp. The on-line adapted model is capable of tracking the
Jutput evolution quite satisfactorily. The variable showing the
.argest prediction error is the pebble flow rate, while prediction
Jf power and charge levels is the most accurate. This may be
iue to the great deal of noise associated to the pebble measure-
nent. As can be seen, the parameters slightly vary (except under
:ritical conditions), confirming the robustness of the phenomeno-
ogical model.
Although important properties such as ore hardness and size
listribution are considered as one of the most important variables
n the comminution processes, the great variability of them when
re fed to the milling chamber make very difficult to develop a
nodel with acceptable predictive capabilities. Instead, on-line cor-
ection ofthe model is achieved by means ofthe on-line estimation
f sorne model parameters (l<inetics and discharge).
Finally, the present dynamic simulator can be used for the de-
ign and evaluation of advanced control and real-time optimiza-
on schemes using newly developed instrumentation for milling
perations.
cknowledgments
The authors acknowledge with thanks the financia! support
·ovided by FONDEF under Project 00211077 and DICYr-USACH.
!ferences
sani, B., Siinmez, B., 2000. Simulation of Bond grindability test by using
cumulative based kinetic model. Minerals Engineering 13 (6). 673- 677.
stin, LG., 1971 . lntroduction to the mathematical description of grinding as arate
process. PowderTechnology 5 (1). 1-17.
77
Austin. L.G .. Shoji, K., Jindal, V.. Savage, K.. Klimpel, R., 1976. Sorne results on the
description of size reduction as a rate process in various milis. Industrial and
Engineering Chemistry Process Design and Development 15, 187-196.
Austin, L.G .. Rogovin, Z.. Rogers. R.S.C., Trimarchi, T.. 1983. The axial mixing model
applied to ball milis. Powder Technology 36. 119- 126.
Austin, L.G .. Rogers, R.S.C.. Brame, K.A., Stubican, J., 1988. A rapid computational
procedure for unsteady-state ball mili circuir simulation. Powder Technology
56, 1-11 .
Austin, LG., 1990. A mili power equation for SAG milis. Minerals and Metallurgical
Processing. 57-62.
Apelt, T.A., Asprey, S.P.. Thornhill. N.F., 2001. lnferential measurement of SAG mili
parameters. Minerals Engineering 14 (6), 575-591.
Apelt, T.A., Asprey, S.P., Thornhill, N.F.. 2002a. lnferential measurement of SAG mili
parameters 11: state stimulation. Minerals Engineering 15, 1043-1053.
Apelt, T.A., Asprey, S.P., Thornhill, N.F., 2002b. lnferential measurement of SAG mili
parameters 111: inferential models. Minerals Engineering 15, 1055-1071.
Bond, F.C., 1961. Crushing and grinding calculations part 1 and 11. British Chemical
Engineering 6 (6), 378-385. Part 11, 6 (8), pp. 543- 548.
Concha, F., Magne. L., Austin, L.G., 1992. Optimization of the make-up ball charge in
a grinding mili. lnternational Journal of Mineral Processing 34 (3), 231-241.
Galán, O.. Barran, G.. Romagnoli, J., 2002. Robust control of SAG mili. Powder
Technology 124, 264-271.
Yi, Liu, Steven, Spencer. 2004. Dynamic simulation of grinding circuits. Minerals
Engineering 17, 1189-1198.
Mathworks lnc.. Simulink Technical Literature Web Page : <http://
www.mathworks.com/productsjsimulink/technicalliterature.jsp>.
Magne, L., Améstica, R., Barría, J., Menacho, J., 1995. Modelización dinámica de
molienda semiautógena basada en un modelo fenomenológico simplificado.
Review of Metallurgical Madrid 31 (2).
Magne L. Sepulveda G., et al., 2004. A system to determine and analyze the dynamic
internalload in revolving milis, for mineral grinding, Australia Patent Oftice, No.
01892003 .
Magne L., Sepulveda G.. et al., 2004. System and method of measuring and
classifying the impacts inside a revolving mili used in mineral grinding,
Australia Patent Office, No. 01902003.
Morrell. S.. 2004. A new autogenous and semi-autogenous mili model for scale-up,
design and optimization. Minerals Engineering 17, 437-445.
Ramasamy, M.. Nayanan, S., Rao, Ch., 2005. Control ofball mili grinding circuir using
model predictive control scheme. Journal of Process Control 15, 273-283.
Rajamani, R.K., Herbst, j.A.. 1991 a. Optimal control of a ball mili grinding circuir-l.
Grinding circuir: modeling and dynamic simulation. Chemical Engineering
Science 46 (3), 861-870.
Rajamani, R.K., Herbst, J.A.. 1991 b. Optimal control of a ball mili grinding circuit-11.
Feedback and optimal control. Chemical Engineering Science 46 (3), 871-879.
Salazar J.L., 2004. Dynamic Simulation of SAG milis, Chemical Engineering Thesis,
Universidad de Santiago.
Salazar J.L., Magne L.. Cubillos F., Acuña G.. XXXI ENEMP, 2004. Congreso Brasilero
de Sistema Particulados ; Uberlandia, Brasil, 24/27.
Salazar. J.L., Magne, L, Titichoca, G.. Cubillos, F.. Acuña, 2007. Dynamic simulation
and model based real time optimization of SAG milis. Copper 2007, 6th
Internacional Copper Conference, CIM.
Whiten, W.J., 1974. A matrix theory of comminution machines. Chemical
Engineering Science 29 (2), 589-599.