. .

AERIS MINING COMPANY

PROJECT DESIGN OF A COPPER PLANT

FLOW CONTROL
SAMPLING CONTROL AND ADMISNISTRATION

PROYECTO N° 20192ME525R

REV. BY REVIEWED ISSUED FOR DATE CHK’D

A H. Parra Revisión Interna ✓

B H. Parra Revisión Cliente ✓

1
 TECNICAL
DESCRIPTION
. .

Tabla de contenido
1. Generalidades Error! Bookmark not defined.
2. Mineral Feed 4
3. Plant Description 4
4. Control de peso mineral 5
4.1. Equipo de control 8

2
 TECNICAL
DESCRIPTION
. .
1. Introducción

El presente informe titulado “Proyecto de diseño de una planta de cobre” es elaborado por la

empresa consultora M.G. Project Consultans bajo un estudio conceptual. El diseño de la planta

constituye el desarrollo de la planta principal y de los procesos auxiliares (planta de reactivos,

planta de tratamiento de aguas y cancha de relaves).

El proyecto tipo Griendfield de la unidad minera XXXX perteneciente a la compañía minera

Aeris, produce concentrados de cobre con una capacidad de 4110 T/d. Ante este objetivo de

producción es imprescindible la necesidad de aminorar tiempos e incrementar la exactitud y

precisión de la medida de la producción.

Actualmente en la industria minera se usa equipos de pesaje continuo para mediciones de

grandes cantidades de material cargado, esto nos permite disminuir tiempos de pesaje en

comparación con el pesaje estático.

Ante esta necesidad, en este informe se plantea la instalación de un sistema de pesaje continuo

en fajas transportadoras en la unidad minera XXXX. El alcance de este sistema va desde el

control de peso que ingresa a planta hasta el control de alimento al molino de bolas.

La técnica que usaremos estará basada en el concepto de la teoría de muestreo para pulpas de

minerales según las normas de Pierre Gy. La teoría de Pierre Gy presenta un buen método

para estimar la precisión del muestreo de materiales particulados. Nos indica cómo se generan

los errores y cómo pueden reducirse.

La mayoría de muestreadores se basan en sistemas de muestreo no probabilístico, sin embargo,

el equipo en esta investigación está basado en normas de muestreo que aseguran una

3
 TECNICAL
DESCRIPTION
. .
representatividad y confiabilidad de la muestra, estos equipos están diseñados para tomar la

muestra cortando la totalidad del flujo en ángulo recto.

El trabajo tiene como objetivo proporcionar una buena base de muestreo de pulpas de minerales

con una correcta toma de muestras en plata o laboratorio. basándonos en la teoría de muestreo

de Pierre Gy.

2. Mineral Feed

La mineralogía está conformada principalmente de calcopirita como mineral valioso y como

ganga pirita y cuarzo.

El mineral proveniente de mina tiene una humedad de 2 % y la capacidad de la planta trabaja

con 4110 T/d.

3. Plant Description

El mineral que viene de la mina ingresa a la chancadora primaria con un producto de 7 pulgadas,

luego pasa a una chancadora secundaria que produce partículas de ½ pulgada. Una zaranda

recibe el producto de la chancadora secundaria con una luz de 1 cm, las partículas de tamaño

menor a 1cm se dirigen a una tolva de finos.

La tolva de finos alimenta a un molino que produce partículas con un P80 de 74 um que luego

ingresan a un hidrociclón en circuito cerrado. El overflow del hidrociclón es enviado al circuito

de flotación de cobre.

La pulpa de la etapa de conminucion pasa por 2 tanques de acondicionamiento donde se agrega

reactivos para activar el cobre y deprimir minerales ganga, luego esta pulpa es enviada a la

etapa de flotación Rougher de cobre. El relave de la flotación Rougher se dirige a un espesador

y el concentrado alimenta a un molino de bolas en circuito cerrado con un hidrociclón.

4
 TECNICAL
DESCRIPTION
. .
El overflow del hidrociclón pasa por cuatro etapas de limpieza. El relave de cada etapa de

limpieza retorna al sistema de flotación y el concentrado de la última etapa de limpieza se envía

a un espesador, el underflow producido del espesador tiene 67% solidos.

La etapa de filtrado produce un cake con una humedad de 13%.

4. Control de peso mineral y pulpa

La propuesta de la instalación de pesaje continúo en fajas transportadoras está enfocada en la

etapa de chancado. Este sistema será instalado en puntos donde se requiere conocer

crucialmente el peso de mineral tratado.

ROM

PRIMRY
CRUSHER

PRIMARY
GRIZZLY
CRUSHER

HIDRO
GRINDING FLOTATION
CYCLONE

Figura 4a. Mining Company Aeris. Etapa de chancado y molienda.

5
 TECNICAL
DESCRIPTION
. .

Los muestreadores automáticos operan con movimiento de un mecanismo colector (cuchara de

corte o cortador) que pasa por el material cuando cae desde una faja (para sólidos) o una tubería

para el caso de pulpa.

La cuchara de muestreo debe presentar un ángulo recto a la corriente y moverse a velocidad

constante, además debe ser bastante grande al pasar por la muestra a fin de evitar rebotes.

Son diseñados para cortar, tragarse la muestra y retirarse al dirigirse a colectar la muestra.

La longitud de la carrera es ajustada para cubrir todo el flujo sin dejar de colectar la muestra y

depende de variables como abertura de cortador, velocidad de la cuchara, flujo de pulpa,

número de cortadas.

Figura 4b. Muestreador automático de carrera.

6
 TECNICAL
DESCRIPTION
. .

ROM

PRIMRY
CRUSHER

PRIMARY
GRIZZLY
CRUSHER

2
HOPPER

HIDRO
GRINDING FLOTATION
CYCLONE

Figura 4c. Mining Company Aeris. Etapa de chancado y molienda. Puntos propuestos de
control de peso continúo de mineral.

7
 TECNICAL
DESCRIPTION
. .
4.1. Equipo de control

Todo sistema de pesaje en faja está compuesto por 3 componentes que son; el puente de

pesaje, el tacómetro y el integrador.

- Puente de pesaje: es el marco estructural que se apoya en la estructura de la faja

trasportadora y es apoyo de las celdas de carga.

- Tacómetro: sensor de velocidad, manda señales como efecto del movimiento

rotacional que la polea produce.

- Integrador: es el procesador, emplea las señales de velocidad y de carga para obtener

el flujo instantáneo ( kg/h, T/h)

Figura 4.1a. Mining Company Aeris. Modo de operación del equipo de control de peso
continúo de mineral.

8
 TECNICAL
DESCRIPTION
. .
3.4.2.3. Analizadores de partículas en línea.
Para medir la distribución de tamaños de partículas finas en una pulpa existen varios
equipos, siendo los más utilizados aquellos que utilizan la atenuación de ondas de
ultrasonido a través de la pulpa. Uno de estos equipos es el PSI 500. La atenuación del
sonido 91 depende de la densidad y de la distribución de tamaños de las partículas. Es
posible discriminar las señales de respuestas y obtener una señal que sólo refleje el
efecto del tamaño,
Figura 3.16. Analizador de partículas PSI 500 [Documento interno].

9
 TECNICAL
DESCRIPTION
. .
Muestreo, control y equilibrio de masas
3.1 INTRODUCCIÓN
Este capítulo trata sobre la recopilación, el análisis y el uso de datos de proceso. La
recopilación de datos confiables es la ciencia del muestreo. Las muestras recolectadas se
analizan para determinar la calidad, el contenido de metal (ensayo), el tamaño de partícula,
etc. y los datos se utilizan para el control del proceso y la contabilidad metalúrgica.

El control por computadora de las plantas de procesamiento de minerales requiere una

medición continua de dichos parámetros. El desarrollo de sensores en línea en tiempo real,
como medidores de flujo, medidores de densidad y analizadores químicos y de tamaño de
partículas, ha hecho importantes contribuciones al rápido
desarrollos en este campo desde principios de la década de 1970, al igual que la creciente
disponibilidad y confiabilidad de los microprocesadores baratos.
La contabilidad metalúrgica es un requisito esencial para todas las operaciones de
procesamiento de minerales. Se utiliza para determinar la distribución y el grado de los
valores en los diversos productos de un concentrador para evaluar la eficiencia económica de
la planta (Capítulo 1). Los mismos métodos de contabilidad se utilizan en las pruebas de
planta para tomar decisiones sobre la operación. Para ejecutar la contabilidad metalúrgica se
requieren técnicas de equilibrio de masa y reconciliación de datos para mejorar la integridad
de los datos.
3.2 MUESTREO
El muestreo del proceso a menudo no recibe la consideración o el nivel de esfuerzo que
merece: de hecho, la experiencia es que las plantas a menudo se diseñan y construyen con una
planificación inadecuada para el muestreo posterior, a pesar de la importancia de los datos
resultantes sobre contabilidad metalúrgica, control de procesos o pruebas y ensayos en planta
(Holmes, 1991, 2004). Un ejemplo simple sirve para ilustrar el punto. Un concentrador de
pórfido de cobre típico puede tratar 100,000 toneladas de alimento por día. La submuestra
diaria compuesta de alimento enviado para el análisis será del orden de 1 gramo. Esto
representa 1 parte en 100 mil millones y debe ser representativo dentro de más del 65%. Esta
no es una tarea trivial. Claramente, el protocolo de muestreo necesita producir muestras que
sean tan representativas (sin sesgo, es decir, precisa) y con el grado de precisión requerido
(confianza límites) para un nivel aceptable de costo y esfuerzo. Esto no es sencillo ya que las
partículas a muestrear no son homogéneas, y también hay variaciones en el tiempo (o
espacio) dentro de la corriente de muestreo. La teoría del muestreo tiene su base en la
probabilidad, y quienes tienen asignada la tarea de establecer y validar el protocolo de
muestreo requieren un buen conocimiento de las estadísticas aplicadas y las fuentes de error
de muestreo.

10
 TECNICAL
DESCRIPTION
. .
3.2.1 Conceptos básicos de muestreo: lo que el
El metalúrgico necesita saber
Con el fin de comprender las fuentes de error que pueden ocurrir al muestrear el proceso, se
hará referencia a la teoría de probabilidad y la estadística clásica, el Teorema del límite
central (CLT), que forman la base de la teoría de muestreo moderna. Además, importante
para comprender la fuente del error de muestreo es la naturaleza aditiva de la varianza, es
decir, que la varianza total de un sistema de componentes independientes es la suma de las
varianzas individuales de los componentes de ese sistema. En otras palabras, los errores
(desviación estándar de las mediciones) no se cancelan; son acumulativos en términos de su
varianza. En términos generales de muestreo, esto puede expresarse como (Merks, 1985):

donde σ2 composición; σ2 distribución; σ2 preparación, y σ2 análisis son las variaciones

respectivas asociadas con el error debido a: i) heterogeneidad entre partículas individuales en
la vecindad inmediata del instrumento de muestreo, ii) variación en el espacio (se muestrea un
gran volumen) o durante el período de tiempo que se muestrea, iii) las etapas de preparación
de una submuestra adecuada para el análisis, y iv) el análisis elemental o de
dimensionamiento de la submuestra final en sí. Esta representación es conveniente para la
mayoría de los propósitos, pero el error total puede subdividirse aún más, tal como lo
abordaron Gy (1982), Pitard (1993) y Minnitt et al. (2007) con hasta diez fuentes de error de
muestreo individual identificado. Para los propósitos de la discusión aquí, sin embargo,
usaremos Las cuatro fuentes identificadas anteriormente.
Algunas terminologías apropiadas ayudan en la discusión. La unidad de muestreo es la
población completa de partículas que se muestrea en un volumen dado o con el tiempo; el
incremento de muestreo es esa muestra individual que se toma en un momento o espacio; una
muestra está compuesta de múltiples incrementos de muestreo o también puede ser un
término genérico para cualquier subconjunto de la unidad de muestreo general; una
submuestra se refiere a una muestra que se ha dividido en un subconjunto más pequeño,
generalmente para facilitar el procesamiento en la siguiente etapa. Es importante reconocer
que el valor verdadero o la media de la unidad de muestreo (es decir, la población completa
de partículas) nunca se puede conocer, siempre habrá algún error asociado con las muestras
obtenidas para estimar la media verdadera. Esto se debe a que, como se señaló, las partículas
individuales muestreadas no son homogéneas, es decir, varían en composición. Esta noción
de una varianza mínima que siempre está presente se conoce como el error de muestreo
fundamental. Se diseñará un buen protocolo de muestreo para minimizar la varianza de
muestreo general como se define en la ecuación. (3.1), en cierto sentido, acercarse lo más
posible al error fundamental de muestreo que, en sí mismo, no puede eliminarse.
Uno de los pioneros de la teoría del muestreo fue Visman (1972), quien contribuyó con una
versión más útil de la ecuación. (3.1):

11
 TECNICAL
DESCRIPTION
. .

donde σ2t; σ2c; σ2d; σ2p; σ2a = varianza: total, composición, distribución, preparación y
análisis; mi = masa del incremento de muestra; n = número de incrementos de muestreo; y l =
número de ensayos por muestra.
Es evidente por la ecuación. (3.2) que el error asociado con la composición puede reducirse
aumentando tanto la masa como el número de incrementos de muestreo, que el error asociado
con la distribución puede reducirse aumentando el número de incrementos pero no su masa; y
ese error de ensayo puede reducirse aumentando el número de ensayos por muestra. Ahora
procederemos a analizar cada uno de los componentes de la varianza muestral general con
más detalle.
Varianza de composición
También conocida como heterogeneidad de la composición, depende de factores que se
relacionan con las partículas individuales recolectadas en un incremento, como el tamaño de
la partícula, la distribución del tamaño, la forma, la densidad y la proporción de mineral de
interés, el grado de liberación y el tamaño de la muestra, y es en gran medida la base de las
conocidas ecuaciones fundamentales y teoría de muestreo de Gy Gy (Gy, 1967, 1982). La
ecuación de Gy para establecer el error de muestreo fundamental se detallará más adelante en
esta sección. Para ilustrar la importancia de las proporciones minerales relativas en la
variación de la composición, considere una partícula compuesta de dos componentes, py q.
La variación de la composición se puede describir como:

La Figura 3.1 muestra la variación de la composición en función de la proporción mineral p

en el rango de 0 a 100%. La varianza es máxima cuando la proporción de p en las partículas
es del 50% y mínima cuando se acerca al 0% o al 100%. Claramente, la variación de la
composición se minimizará cuanto más nos acerquemos a la liberación individual de
partículas minerales. Por lo tanto, lograr la liberación (en o cerca) es un elemento importante
de los protocolos de muestreo, particularmente en las etapas de submuestreo para materiales
más gruesos. Este es un factor importante que debe entenderse sobre el sistema que se está
muestreando. Las micrografías en el Capítulo 1, Figura 1.5, ilustran que varias texturas de
mineralogía producirán tamaños de liberación muy diferentes. Seleccionar el tamaño de
muestra apropiado también es clave para minimizar la variación de la composición como se
indica en la ecuación. (3.2), y hay muchos ejemplos de subestimación y sobreestimación del
contenido de metales preciosos que se remontan a tamaños de muestra que eran demasiado
pequeños. Basado en una simulación computacional, los siguientes dos ejemplos ilustran los
problemas asociados con el tamaño de la muestra (Ejemplos 3.1 y 3.2). Un programa de
muestreo más datos mineralógicos y de liberación son componentes importantes para
establecer el protocolo de muestreo apropiado para minimizar la variación de la composición.
Ahora examinaremos la segunda fuente principal de error de muestreo general, la varianza de
distribución

12
 TECNICAL
DESCRIPTION
. .
Variación de distribución
También conocido como heterogeneidad de distribución, o segregación, esto ocurre en la
escala de la unidad de muestreo, ya sea en el espacio (por ejemplo, una pila de
almacenamiento o recipiente de proceso) o con el tiempo (por ejemplo, un compuesto de
alimentación de molino de 24 horas). Claramente, habrá una variación en las muestras
tomadas dentro de la unidad de muestreo y, por lo tanto, una sola muestra de agarre o punto
tiene una probabilidad prácticamente nula de ser representativa de toda la población de
partículas. Por lo tanto, se requieren múltiples muestras. Se necesita un protocolo de muestreo
bien diseñado para minimizar el error de distribución, incluido el sesgo de muestreo. Dicho
protocolo debe basarse, tanto como sea práctico, en el modelo de muestreo ideal que establece
que:
-Todos los estratos del volumen a muestrear se incluyen en el incremento de muestreo; por
ejemplo, corte toda la corriente o flujo de un transportador o tubería, muestree de arriba a
abajo en un vagón de ferrocarril o en un arsenal
-El incremento de muestra recolectado es proporcional al rendimiento total, es decir,
promedio ponderado
-Secuencia aleatoria de muestreo para evitar cualquier frecuencia natural dentro de la unidad
de muestreo
-Todas las partículas tienen la misma probabilidad de ser muestreadas.
El modelo de muestreo ideal, a veces denominado modelo de muestreo equitativo o
probabilístico, a menudo no se puede lograr por completo, pero se debe hacer todo lo posible
dentro de lo razonable para implementar un protocolo de muestreo lo más fiel posible. El
muestreo de una cinta transportadora o una tubería que fluye a través de todo el ancho del
flujo en un punto de descarga utilizando un dispositivo de muestreo que no excluye ninguna
partícula, a intervalos de tiempo aleatorios y en proporción al flujo de masa, es un protocolo
preferido que logra cerca de El modelo de muestreo ideal. Esto puede considerarse como un
modelo de muestreo lineal o unidimensional. Un ejemplo de un modelo bidimensional sería
un vagón ferroviario que contiene concentrado donde los incrementos de muestreo se recogen
de arriba a abajo mediante un sinfín o tubería en un sistema de cuadrícula (aleatorizado si es
posible). Un ejemplo de un modelo tridimensional sería una gran reserva o tanque de lodos
donde los incrementos de muestreo de arriba a abajo no son posibles y donde es probable una
segregación significativa.
El muestreo puntual sobre una base de cuadrícula volumétrica o el muestreo de superficie de
una pila a medida que se está construyendo o desmantelando se pueden usar en casos
tridimensionales, pero dicho protocolo se desviaría significativamente del modelo de
muestreo ideal. Es mucho mejor convertir estas situaciones tridimensionales en situaciones
unidimensionales mediante un muestreo cuando la pila de almacenamiento o el volumen del
tanque se transfiere o bombea a otra ubicación. Es evidente que, para establecer un protocolo
de muestreo adecuado que minimice la composición y el error de distribución, se necesita
información sobre el tamaño total de,

13
 TECNICAL
DESCRIPTION
. .
y segregación presente en la unidad de muestreo, la distribución del tamaño y la mineralogía
de las partículas, las concentraciones aproximadas de los elementos / minerales de interés y el
nivel de precisión (es decir, error aceptable) requerido del muestreo.

3.2.4 Equipo de muestreo

Recordando el modelo de muestreo ideal introducido anteriormente, el concepto de que cada
partícula o elemento fluido debe tener una probabilidad equívoca de ser muestreado requiere
que el diseño del equipo de muestreo se adhiera al mismo principio. Los que lo hacen se
denominan muestreadores equitativos o probabilísticos, y los que no lo hacen, y por lo tanto
introducirán sesgo y una mayor varianza a los datos de medición, se consideran no
probabilísticos. Hay situaciones en las que se eligen muestreadores no probabilísticos por
conveniencia o consideraciones de costo, o en flujos "menos importantes" dentro de la planta.
Tales casos deben ser reconocidos y las limitaciones cuidadosamente evaluadas. Los flujos de
muestras críticas, como los procesos y las alimentaciones de plantas, los concentrados finales
y los relaves que se usan con fines contables, siempre deben usar muestreadores
probabilísticos.
Muestras probabilísticas
La Figura 3.4 ilustra algunas de las características de diseño críticas de los muestreadores
probabilísticos: cortar todo el vapor del proceso en ángulo recto con respecto al flujo Figura
3.4 (a), y las cuchillas de corte con diseño de cuchilla Figura 3.4 (b). Los muestreadores
lineales son los dispositivos más comunes y preferidos para el muestreo intermitente de
sólidos y corrientes de pulpa en los puntos de descarga, como las poleas de la cabeza del
transportador y los extremos de la tubería. Los ejemplos se muestran en la Figura 3.5 y 3.6.
Las instalaciones pueden ser sustanciales en términos de infraestructura para grandes flujos
de procesos si se requieren gabinetes y sistemas de manejo de muestras. Dichos
muestreadores primarios a menudo alimentan dispositivos secundarios e incluso terciarios
para reducir
La masa de la muestra recogida. En los casos en que están involucrados pequeños flujos (por
ejemplo, muestreo secundario), a menudo se usan muestreadores rotativos estilo Vezin como
el que se muestra en la Figura 3.7. El diseño de Vezin tiene un área de corte transversal que
describe el sector de un círculo (típicamente de 1.5% a 5%) para garantizar que se mantenga
el muestreo probabilístico. Los muestreadores Vezin pueden tener múltiples cabezales de
corte montados en el eje giratorio único. Las variaciones del diseño giratorio de Vezin, como
el cortador de arco (no mostrado), que gira de un lado a otro en un arco con el mismo diseño
de cortador sectorial que el Vezin, también conservan los principios probabilísticos. Los
muestreadores de espiga (el material sale de un alimentador giratorio y se toma una muestra
con un cortador de ranura) a veces se afirma que tienen un diseño probabilístico, pero se ha
demostrado que no lo son (Franc¸ois-Bongarc¸on y Gy, 2002a). El muestreador de entrada
móvil (Figura 3.8), a menudo utilizado para muestreo secundario y terciario en sistemas de

14
 TECNICAL
DESCRIPTION
. .
análisis de flujo y tamaño de partículas, tiene una tubería de proceso flexible empujada hacia
adelante y hacia atrás por un pistón neumático sobre un cortador estacionario, y se afirma
(François -Bongarc¸on y Gy, 2002a) para que no sean completamente probabilísticos, aunque
esto puede depender del diseño y la capacidad de la cortadora para cumplir completamente
con el flujo en ángulo recto.

FIGURA 3.4 Características de los muestreadores probabilísticos: (a) Cortar

todo el flujo del proceso en ángulos rectos (muestreador lineal) y (b)
Cuchillas de corte de filo de cuchilla no ajustables y reemplazables
(muestreador Vezin) (Cortesía de Heath y Sherwood).

15
 TECNICAL
DESCRIPTION
. .

FIGURA 3.5 Ejemplo de muestreador lineal para sólidos: (a) Transferencia del
transportador / punto de descarga, y (b) Descarga vertical de la tubería de lodo
(Cortesía de Heath y Sherwood).

FIGURA 3.6 Ejemplo de un muestreador lineal para un tubo de lodo de descarga

horizontal (Cortesía de Heath y Sherwood). FIGURA 3.7 Ejemplo de una muestra Vezin
de dos cortadores que muestra el diseño del sector de los cortadores (Cortesía de
Heath y Sherwood).

16