Con el objetivo de conocer con anticipación la granulometría alimentada a molienda y de agregarla en su planificación diaria, la Superintendencia de Planificación Mina Corto Plazo de una importante compañía minera decidió elaborar un modelo predictivo de la granulometría de alimentación a las líneas de molienda SAG, considerando que con esto la planta pudiese ajustar sus parámetros de operación con las condiciones del material alimentado, teniendo un control del material procesado, lo que podría optimizar el tratamiento. Para la construcción del modelo, se partió indagando en los métodos de medición de la granulometría y sus resultados en los distintos procesos involucrados en el proyecto, es decir, desde que el material es tronado hasta que es alimentado en las líneas de molienda. Luego, con la información obtenida en estos procesos, se procedió a la identificación de variables críticas para la construcción del modelo, concluyendo con el desarrollo de éste.
Para comenzar con el desarrollo del modelo predictivo, se tuvo que observar los distintos métodos utilizados en la compañía para la medición de la granulometría en los procesos que abarca el proyecto, los cuales fueron 3; tronaduras en el rajo, stocks de mineral y alimentación a circuitos de molienda. Hay que considerar que para la compañía en cuestión, el parámetro representativo de granulometría es el porcentaje bajo 2 pulgadas.
Desafortunadamente, el producto obtenido en el proceso de chancado primario no se medía en el período que se desarrolló este proyecto, teniendo un control granulométrico en este proceso sólo basado en el setting del chancador. Además, si bien en la imagen mostrada se ve la presencia de 2 chancadores primarios, el estudio está basado sólo en uno ya que el otro se utiliza en casos eventuales, considerando que se encuentra a varios kilómetros del rajo principal explotado.
Para los tres procesos involucrados, las mediciones de granulometría estaban encargadas a distinto personal, tanto para las mediciones de tronadura como para las mediciones en los stocks de mineral, los encargados eran empresas externas. En cuanto al mineral de alimentación a los circuitos de molienda, era personal propio de la compañía, específicamente de la Gerencia de Mantención Planta, los que estaban encargados de esto.
Si bien, para los 3 procesos se utiliza una metodología similar para la medición granulométrica, basada en imágenes digitales procesadas por softwares computacionales, hay que considerar que no hay un procedimiento establecido para ello. Es decir, al ser 3 distintos grupos de personas los encargados, se generan 3 diferentes tomas de muestras, y 3 diferentes reportes de la información obtenida. Este último punto es importante, ya que al no tener una estandarización de reporte se genera falta de información o poca claridad en la información entregada, 2 ítems que constituyeron problemas para la generación del modelo final.
Respecto a la forma de trabajar con los datos obtenidos del material alimentado hacia el proceso de chancado primario, ya sea frentes directos de la mina o stocks de mineral, se basa en las toneladas que cada uno (frentes o stocks) aportan a la alimentación diaria, y el porcentaje bajo 2 pulgadas de esta alimentación.
Así, se obtiene una granulometría diaria de alimentación a chancado primario, en donde se tiene el porcentaje bajo 2 pulgadas de la alimentación en su conjunto. En este caso, lo ideal sería trabajar con las curvas de distribución granulométricas, más que con sólo un punto de ésta, pero debido a la falta de información, principalmente de los stocks de mineral, esto no fue posible.
Pero independiente de la forma de trabajar, ya sea con curvas o con datos puntuales, es necesario que la información granulométrica de todos los frentes y stocks que son alimentados hacia chancado primario, en el período de tiempo en que abarque la toma de información, este disponible. En este caso no ocurrió, teniendo que recurrir a estimar granulometrías faltantes, basado en unidades geometalúrgicas y parámetros de perforación y tronadura para frentes de la mina, o en promedios históricos de granulometrías para stocks de mineral. Sin embargo, pese a las estimaciones hechas, hubo varios frentes de la mina y stocks de mineral sin información granulométrica, teniendo alrededor del 65% de los días totales analizados su información completa. Con este porcentaje de datos, se desarrollaron los modelos.
Ya teniendo la información proveniente de la mina (frentes y stocks), y habiendo trabajado con los datos para la obtención de granulometrías diarias, se procedió a analizar la información entregada en la alimentación a los circuitos de molienda. Esta información está almacenada en el sistema “Process Information PI”, en donde hay gran cantidad de datos acerca del proceso, pero se trabajó con las toneladas alimentadas y el porcentaje bajo 2 pulgadas para tener concordancia con la información proveniente de la mina. Y pese a ser 3 líneas de molienda, se unificó una información diaria de alimentación y granulometría.
Ahora, teniendo toda la información respecto a granulometrías, y no menos importante, se analiza el comportamiento del stockpile, que está entre los procesos de alimentación a chancado y alimentación a molienda. Aunque en los alcances del proyecto se dejó establecido que no se harían estudios exhaustivos acerca de este componente, debido a la complejidad que representa y el tiempo que tomaría, se buscaron estudios realizados con respecto a este tópico, que ya es un tema dentro del proceso minero.
Basado en el manejo del material que se produce en el stockpile, donde la entrada corresponde a la alimentación a chancado, y la salida de material corresponde a la alimentación a los circuitos de molienda, se construyó un ábaco que representa éste balance de masas, y teniendo la granulometría diaria de los 2 procesos de alimentación, se construyeron modelos estimativos de granulometrías. Estos indican la granulometría con que se alimentaba a molienda un mineral específico que fue alimentado hacia chancado con una granulometría determinada. Sin embargo, eso no dice cuando éste mineral será alimentado a molienda, por lo tanto no cumple con la característica de predicción que requiere el proyecto.
Para cumplir con el objetivo general del proyecto, se procedió a la identificación de variables críticas que afectan a la granulometría de alimentación de las líneas de molienda, en base a la información disponible en la compañía. En un principio, con los datos obtenidos de los distintos procesos, todo indicaba que se requería mayor cantidad de información, considerando que el período de obtención de datos fue de 8 meses, con información diaria, por lo que se sugería abarcar el mismo período pero con información por hora, o intentar recopilar mayor datos del mismo período. Sin embargo, se optó por esta última alternativa, ya que la información por hora de todas las variables no estaba disponible.
Con este fin, la construcción del ábaco y los modelos estimativos que surgieron de éste, sirvieron para mostrar la importancia del nivel de llenado del stockpile, siendo esta variable una de las identificadas como críticas, junto a la granulometría de alimentación al proceso de chancado y a la molienda.
En base a estas variables y su información recogida durante 8 meses, y mediante el algoritmo PLS (partial least squares), se construyó el modelo predictivo de granulometría bajo 2 pulgadas de alimentación a molienda SAG. Además, se construyó un modelo que predice las toneladas de mineral con un tamaño bajo 2 pulgadas que se están alimentando hacia la molienda SAG. Como los datos con los cuales se construyeron los modelos son por día, los resultados dan valores predictivos diarios.
La métrica del error utilizada para medir los resultados que muestran los modelos desarrollados en el proyecto es la raíz el error cuadrático medio (RMSE), para mostrar una relación directa con los valores entregados. Así, el RMSE para el modelo predictivo de granulometría ronda el 10%, en cuanto al modelo predictivo de las toneladas de mineral con tamaño bajo 2 pulgadas, es aproximadamente de 14.000 toneladas.
Ya habiendo cumplido con el objetivo del proyecto, además se construyó un segundo modelo predictivo de granulometría bajo 2 pulgadas, agregando otra variable para este fin, que correspondió a la potencia utilizada diariamente por el chancador primario, uno de los pocos parámetros que se medían en este proceso. El resultado mostró un leve ajuste respecto a los valores observados en la planta para alimentación a molienda, comparado con los resultados del primer modelo. Pero pese a ser bajo el ajuste, el RMSE siguió sino en torno al 10%, se muestra que el modelo entregado puede ser mejorado en base a mayor cantidad y mejor calidad de la información.
Las principales conclusiones del proyecto, son que se muestran resultados auspiciosos para la construcción de modelos predictivos de granulometría de alimentación a molienda SAG. Se demostró que es posible la construcción de este tipo de modelos en base a la identificación de variables críticas, entregando como resultado el modelo predictivo de granulometría buscado, el cual se encuentra en su proceso de implementación en la compañía donde se realizó.
Además, se observaron y estudiaron los distintos métodos utilizados en la compañía para la medición de la granulometría en los diferentes procesos estudiados, encontrando bastantes posibilidades de mejoras. Así como también se mostró la importancia de obtener mayor información para mejores resultados en la construcción de este tipo de modelos por ejemplo, pero que también ayudan a un control de los procesos en general.
En cuanto a las recomendaciones más importantes que surgieron con el desarrollo del proyecto, se tiene que hay que prevenir la pérdida de información granulométrica midiendo los frentes explotados con anterioridad, ya que una vez alimentado este material, se pierde la data. Además, en cuanto a los stocks de mineral, sería de gran ayuda tener mayor información granulométrica, más que sólo el porcentaje bajo 2 pulgadas. Y en relación a lo anterior, se recomienda que para la toma de muestras fotográficas del mineral, ya sea en la mina o en los stocks, éstas sean tomadas durante el manejo del material y no sobre pilas estáticas, ya que se ven influenciadas por el fenómeno de segregación, donde las partículas más pequeñas tienden a ir al centro de la pila, y no aparecen en las imágenes.
También se mostró la importancia de la medición de la granulometría posterior al proceso de chancado, pudiendo con esto tener un control sobre las mediciones anteriores a este proceso, y además se podría medir el efecto del chancado sobre el tamaño del mineral, ya que al trabajar sólo con el porcentaje bajo 2 pulgadas, se muestra un comportamiento similar entre las granulometrías de alimentación a chancado y a molienda, esto considerando que el setting del chancador primario está en alrededor de 7 pulgadas, teniendo un bajo efecto sobre el rango medido. Y por qué no, una mayor disponibilidad de información de este proceso ayudaría a obtener un mejor ajuste en los modelos desarrollados.
Por último, en cuanto al modelo, los errores mostrados están dentro de un rango aceptable, considerando que se trata de modelos predictivos no lineales, y que se construyeron en base a poca información y a la baja calidad de ésta. Sin embargo, se recomienda la generación de un plan de actualización de los parámetros que componen el modelo para mejorar su desempeño.
*Articulo basado en la memoria de titulación “DESARROLLO DE UN MODELO PREDICTIVO PARA LA GRANULOMETRÍA DE ALIMENTACIÓN A CIRCUITOS DE MOLIENDA” del ingeniero civil en minas Marcelo Silva Ortiz.
Realizó su memoria en el área de Planificación Corto Plazo desarrollando un modelo predictivo de granulometría de alimentación a molienda. Además, ha realizado un estudio de oferta para los equipos de una planta concentradora en una empresa consultora.
marcelo.silvao@usach.cl