Realizador por:
Mario Guevara Berros
Ingeniero Civil en Metalurgia
Septiembre 2011
INDICE:
1.
02
2.
06
3.
Caracterstica de la metodologa de Anlisis y Optimizacin de
Procesos. 09
4.
09
5.
10
Adquisicin de datos
6.
13
Diseos experimentales
7.
15
8.
19
Tipos de experimentos
9.
20
Anlisis de datos
10.
21
Modelacin de Procesos
11.
26
12.
CURSO:
ANALISIS Y SIMULACION DE PROCESOS METALURGICOS
OBJETIVO GENERAL
Entregar a los participantes las herramientas de anlisis de procesos y la
forma de aplicarlas de manera que pueda enfrentar con xito los
problemas metalrgicos que se presentan en una planta de beneficio de
minerales, adems, estudiar la modelacin y simulacin de las
diferentes operaciones y procesos metalrgicos extractivos.
OBJETIVOS ESPECIFICOS
1. Definir y describir elementos de ingeniera de sistemas.
2. Describir metodologas de anlisis de proceso, anlisis de sistemas y
modelacin matemtica.
3. Adquisicin y anlisis de datos.
4. Describir y aplicar metodologas de validacin de informacin de
proceso.
5. Estudio de casos, modelacin en: Chancado, Molienda, Flotacin,
Lixiviacin y Extraccin por solventes
1.3.
b)
c)
d)
e)
f)
g)
1.4.
2.2.
2.3.
2.4.
Anlisis de sistema
2.5.
Optimizacin
La optimizacin ha de entenderse como continuacin lgica del
anlisis de sistemas. Puede efectuarse principalmente de dos
maneras
2.6.
Toma de decisin
En base a los resultados del anlisis de sistema y
optimizacin ha de tomarse decisin respecto de
implementacin de las alternativas consideradas y
particular de aquella que ha demostrado ser ms eficiente
el cumplimiento de los objetivos.
la
la
en
en
2.7.
Implementacin
ii.
3.3.
Iterativa y optimizante
Diferencia entre anlisis de sistemas y anlisis de procesos
Se refiere al comportamiento del proceso y sus partes frente a
distintas condiciones pero sin perder las caractersticas y
propiedades fsicas. Medios tpicos para efectuar el anlisis de
proceso son las plantas piloto, laboratorios, plantas semiindustriales, modelos que preservan las caractersticas fsicas,
experimentos planificados en las plantas industriales.
Anlisis de sistemas, que est referido a la abstraccin del
proceso en base a un objetivo determinado y que puede
corresponder a una funcin global o especfica del proceso. El
medio normal para efectuar el anlisis de sistemas es el de la
simulacin mediante modelos matemticos.
Aplicable a sntesis de procesos
4. Metodologa particular
matemticos.
4.1.
de
Adquisicin de datos
9
AOPI
basada
en
modelos
Modelacin
Identificacin
Simulacin
4.5.
Optimizacin
5. Adquisicin de datos
Corresponde al proceso de obtencin de datos para su posterior
anlisis. Puede desarrollarse desde muestreo manual con anlisis en
laboratorio hasta sistemas computarizados en lnea.
Las fases caractersticas corresponde a:
10
5.1.1.Variables Manipulables
Perturbaciones de entrada
Perturbaciones paramtricas
5.2.
Informacin econmica
5.2.1.
a)
Costos
Costos de operacin
a)
b)
b)
c)
Otros costos
Impuestos especiales
Costos de arriendos
5.2.2.
a)
Ingresos
Ingresos por mayores
(aumento de produccin)
12
ventas
mismo
producto
b)
c)
5.3.
5.4.
Secuencia de actividades
Tiempos
Mtodos y procedimientos
Informacin de planta (tcnica)
a)
b)
6. Diseos experimentales
6.1.
Introduccin
b)
c)
b)
relacionada
est
incrementar
la
exactitud
de
los
6.2.
c)
15
de
sistemas
7.1.
d)
e)
f)
g)
h)
i)
j)
k)
7.2.
La medicin
7.3.
Nmero de variables
a)
b)
c)
d)
7.4.
7.5.
Factor tecnolgico
Factor econmico
Observabilidad
Redundancia
Discretizacin
Frecuencia de muestro
Tiempo de muestreo
Beneficios de la tcnica de muestreo
8. Tipos de experimentos
8.1.
a)
b)
c)
b)
c)
8.3.
Caractersticas
dinmicos
principales
de
los
experimentos
9. Anlisis de datos
En la prctica, la mayora de los fenmenos se pueden representar
como aleatorios y el acto de realizar diferentes mediciones de una
variable de proceso, entrega diferentes valores de la misma, puesto
que la medicin est afecta a error experimental.
En este contexto, el ingeniero de procesos, o el investigador, en
general, debe analizar los datos obtenidos desde el punto de vista
estadstico, con los objetivos siguientes.
a)
b)
c)
20
Estos objetivos
mecanismos:
a)
b)
c)
10.
se
pueden
lograr
mediante
los
siguientes
Modelacin de Procesos
b)
c)
b)
c)
d)
e)
10.1.3.
a)
b)
c)
d)
e)
24
10.2.
informacin a
requerimientos.
travs
de
sus
interfaces
impone
nuevos
11.
11.1.
11.2.
26
11.2.2.
11.2.3.
Investigacin y desarrollo
Planteamiento conceptual y terico, modelos matemticos
de proceso.
Experimentacin en laboratorio
Experimentacin en planta piloto
Experimentacin en planta semi-industrial
Experimentacin en planta industrial
Modelos matemticos de procesos y econmicos para
optimizacin y proyecciones
Ingeniera bsica
Preingeniera (balances generales)
Determinacin de innovaciones (generacin de proyectos
de inversin)
Determinacin de funciones y estructuras
Especificaciones de equipos y unidades principales
Especificaciones generales de ingeniera de procesos
Evaluacin
Anlisis de factibilidad tcnica
Anlisis de factibilidad econmica
Recomendaciones sobre inversin
27
11.3.
Modelo conceptual
Que relaciona en forma cualitativa las distintas variables del
proceso y slo con el propsito de establecer dependencias
funcionales. Con ello se facilita el anlisis mismo. Dicho
modelo est basado en una explicacin de las variables
asociadas a los componentes del sistema.
b)
Modelos de proceso
Que relaciona en forma cuantitativa las variables relevantes
asociadas a una alternativa en estudio con el propsito de
determinar los valores de aquellas variables que permiten
lograr en mejor forma el objetivo especfico perseguido. Este
modelo se usa en la etapa de I & D.
c)
11.3.2.
En los modelos de proceso y tcnico econmicos se ha
de considerar la siguiente secuencia de fases para su
confeccin:
28
29
12.
12.1 Introduccin
El proceso de la conminucin ha sido observado y estudiado a travs de los
aos. Se han usado correlaciones estadsticas entre las variables para
desarrollar los modelos matemticos para describir las unidades y las
operaciones integradas. El acercamiento ha sido necesariamente mecnico.
La hiptesis bsica en la modelacin de los sistemas de conminucin es
reconocer el hecho que todos los procesos de trituracin aceptan mineral
grueso y suministran energa, destruyendo las fuerzas de unin entre
partculas que constituyen el mineral. Dependiendo del proceso usado, del tipo
de impacto, ya se sencillo o mltiples, la energa se aplica hasta lograr la
desintegracin y la reduccin de tamao.
La trituracin es un proceso repetitivo. Es continuo hasta que todas las
partculas en cierta fraccin de tamao hayan sido trituradas hasta un tamao
aceptable. As el diseo del equipo que debe quebrar las partculas y el tiempo
que el material est en la zona de ruptura controla el tamao del producto.
En modelacin de sistemas de trituracin, la idea bsica es obtener una
relacin matemtica entre la alimentacin y tamao de producto. Es necesario
tomar en cuenta todas las variables involucradas en la operacin incluyendo
las caractersticas del equipo.
El proceso de conminucin considera y es representado por dos procesos:
Una partcula es seleccionada para la fractura,
Una partcula que al fracturarse produce una distribucin dada de los
tamaos de fragmento.
La distribucin de tamaos producida de un paso de fractura sencillo es
conocida como la fractura o funcin de apariencia. Ello denota la distribucin
relativa de cada tamao fraccionado despus de la fractura.
La funcin de fractura es a menudo independiente del tamao inicial, aunque
en la prctica no es necesariamente as. En forma matricial, esto es escrito
como una matriz triangular inferior.
La probabilidad de fractura de ciertos tamaos de partcula ser mayor que
otros que tambin pasan por la etapa de fractura. As, la accin de fractura
selectiva que ocurre en una proporcin de partculas fracturadas de un
intervalo de tamao, es conocida como la funcin de seleccin o probabilidad
de fractura.
30
31
32
di
B(d i ) 1 1
d j
n1
d
1 i
d
n2
d
1 i
d
n3
(12.1)
Donde:
dJ = es el tamao original siendo fracturado.
di = tamao del fragmento proveniente de la fractura,
n1 n3 = constantes dependientes de la forma y densidad de la partcula
B(di) = Fraccin de masa acumulada ms fina que el d i donde el dJ > di > 0.
di
1 e
d
B(d i )
1,58 1 e j
1
1 e
(12.2)
Esta expresin es independiente del material y por lo tanto puede ser slo una
aproximacin. Por lo general, una funcin de fractura estndar de este tipo es
utilizada para entregar resultados razonables para molinos de barra y bolas
33
B1
B
2
B3
BN
0
B1
B2
B N 1
0
0
B1
B N 2
0
0
0
B1
(12.3)
34
d mi t M
S i mi t M
dt
(12.5)
Donde:
Si = Constante de proporcionalidad
mi (t) = Fraccin masiva del tamao i despus de un tiempo de molienda, t.
(12.6)
Donde
Sit
2,303
Log mi (t) = log mi (0) -
(12.7)
Un grfico de log mi(t) versus tiempo de molienda, t, muestra una lnea recta
de inclinacin (-Si/2,303 ) como se muestra en el figura 12.3.
35
3. El modelo de energa
(12.8)
Energa trasmitida
Energa entrada
Energa transformada
( por fractura) a las partculas para la en calor y sonido
fractura
(12.9)
36
Tamao
1
2
3
4
.
.
N
Alimentacin
F1
F
2
Funcin seleccin
0
S2
0
0
0
S3
0
0
0
0
0
0
0
.
0
0
0
0
0
0
0
S4
0
0
0 0
... .
... S N
F3
S1
0
F4
.
FN
Masa de
partculas
fracturadas
F1 S1
FS
2 2
F3 S 3
0
0
0
(12.10)
F4 S 4
.
FN S N
(12.11)
(12.13)
(12.14)
P = (I - C) * q
(12.15)
38
q = (B * S + I - S)* F2
(12.16)
(12.17)
= b iJSJmi(t)M
= S imi(t)M
para N i j 1
I 1
(12.21)
40
dP ( xi , t ) i 1
Bi , J S J mJ (t )
dt
j 1
N i j 1
i 1
dP ( xi , t )
0
dt
i=1
(12.22)
Donde
P ( xi , t )
k N
(t )
mi (t ) a iJ e S J t
para N i 1
J 1
(12.23)
Donde
41
para i j
i 1
i 1
1 i 1
(12.24)
m1 (t ) m1 (0)e S1t
(12.25)
Para i = 2
m2 (t )
S1b21
Sb
m1 (0)e S1t m2 (0)e S 2t 1 21 m1 (0)e S 2t
S 2 S1
S 2 S1
(12.26)
Para una mezcla total dentro del molino la ecuacin llega a ser:
i 1
Pi Pi bij S j m j S i mi
para N i j 1
j 1
i 1
(12.27)
Donde = significa tiempo de residencia.
Para estimar Pi usar la ecuacin (12.27), para esto es necesario determinar S j,,
el ndice constante de fractura. Esto se determina experimentalmente por un
grfico log-log de la fraccin de tamao de partcula J retenida despus de
diferentes tiempos de molienda. De la pendiente del grfico, se puede obtener
el valor de S.
12.4 Modelamiento de sistemas de chancado y molienda
42
43
44
Ci 0
para di K1
d K 2
Ci 1 i
K1 K 2
Ci 1
para K1 di K 2
para di K 2
(12.28)
Donde los tamaos superiores y bajo del tamiz para el intervalo i-simo de
tamao es conocida, Ci puede obtenerse desde:
Ci
d i 1
di
Ci
dd
d i 1 d i
(12.29)
di y di+1 son los sobre y bajos tamaos del tamiz de la i-sima fraccin de
tamao.
P = (I - C) * (I B * C )-1 * F
(12.30)
Donde
P = vector para la distribucin de tamao del producto (masa),
I = matriz diagonal unitaria teniendo todos los elementos = 1,
C = funcin de clasificacin escrito como una matriz diagonal,
F = distribucin de tamao de la alimentacin (masa).
P = XV * F
(12.31)
Donde:
x = (I - C) * (I - B C)-1
(12.31)
47