Variables operacionales y su influencia en la operación, pro optimización del consumo energético en la molienda SAG

Abstract

Los procesos de conminución, en particular la molienda, constituyen una de las operaciones de mayor relevancia en el procesamiento de minerales, tanto por su importancia para las etapas de concentración posteriores como por el costo asociado a la cantidad de energía consumida. Actualmente, el recurso energético se ha transformado en la principal preocupación, debido a su alto precio y a la escasés del suministro a nivel nacional. Lo anterior ha repercutido sobremanera en la industria del cobre, requiriéndose de costos operacionales cada vez mayores para satisfacer las altas demandas productivas que rigen actualmente. En dicho escenario, la optimización de la molienda, que consume el mayor porcentaje de la energía de la planta de procesos, adquiere un rol fundamental. El siguiente trabajo se enfoca en el estudio de los circuitos de molienda SAG, los de mayor aceptación actualmente, para el desarrollo de una herramienta predictiva orientada a la optimización energética y productiva del molino Semiautógeno. Se diseñan 3 modelos predictivos: uno para la potencia consumida por el molino SAG, otro para su consumo específico de energía y un tercero para el tonelaje de alimentación fresca al circuito de molienda. El desarrollo de dichos modelos y su validación, se basa en información operacional de 4 circuitos correspondientes a 3 faenas nacionales de molienda SAG que procesan minerales de cobre. La metodología empleada consiste, en primera instancia, en la identificación de correlaciones entre las variables claves del circuito de molienda SAG, a través del análisis de la faena con mayor cantidad de información disponible (DB.M1). Posteriormente, se evalúa si las tendencias más relevantes evidenciadas para esta base de datos, se dan también para los demás circuitos de molienda considerados. Lo anterior permite descartar o validar la existencia de comportamientos de tipo genérico, que permitan el desarrollo de una o varias herramientas predictivas. La metodología empleada permite obtener 3 modelos que consideran como variable de entrada principal a la granulometría presente en la alimentación fresca, en particular el porcentaje retenido +1 -6 . Los modelos estiman satisfactoriamente el valor de las variables modeladas, siendo el de potencia consumida el de mayor calidad predictiva, con un error promedio de 3,7%, mientras que el modelo para el consumo específico de energía del molino SAG registra el peor ajuste, con un error de 6,8%, considerado aun aceptable. El mayor error asociado a este último modelo reside en la falta de representatividad de los datos de tonelaje de alimentación fresca utilizados para su construcción, en los cuales se identifica la existencia de un sesgo debido a perturbaciones externas. Los 3 modelos obtenidos constituyen un aporte inédito, al considerar como variable de entrada la granulometría de alimentación fresca, parámetro que hasta el momento no había sido incluido en modelos de esta naturaleza. Se recomienda seguir perfeccionando el actual trabajo, adicionando al mismo mayor cantidad de datos reales y actualizados que permitan mejorar la calidad predictiva de los modelos desarrollados.