Documente Academic
Documente Profesional
Documente Cultură
DE OPERACIONES
METALURGICAS
FUNDAMENTOS DE LA MODELACIN
MATEMATICA
Cmo se puede definir un modelo?
VARIABLES
INDEPENDIENTE
S (OPERACIN)
OPERACIN
METALURGICA
VARIABLES
DEPENDIENTES
(RESPUESTA)
RELACIN
CUANTITATIVA
Miden
criterio
de
efectividad
del proceso
CLASIFICACIN
MODELOS MATEMATCOS
EJEMPLOS
MODELOS MATEMATICOS
BENEFICIOS DE LA
MODELACIN y SIMULACIN
SELECCIN DE RESPUESTAS
SELECCIN DE FACTORES
(VARIABLES INDEPENDIENTES)
DISEO PROGRAMA
EXPERIMENTAL
EJECUCIN DE PRUEBAS
(BAJO CONDICIONES DE
EQUILIBRIO)
AJUSTAR DATOS
EXPERIMENTALES AL
MODELO
TEST
ESTADISTICOS
VALIDEZ DEL MODELO
PARA
VERICAR
LA
MA
MD
+ MR
PD
+ PR
M
0
M
0
0
W2
K11
L
K12
K22
M
K n2
K21
M
K
n1
K11
K21
K12
K22
M
K1m
M
K2 m
L
0
L
0
M
0
M
0
M
Wm
L
L
L
L
O
L
L
K1m
K2 m
M
K nm
LINEALES
M
L
M
M
M
M
L
L
L
L
O
L
K n1
K n2
M
K nm
L
0
M
RESULTANTE
1
F
2
F
M
Fm
L
1
2
M
n
W1 F1
W
F
2
2
W
F
m m
0
M
M
F
m
0
L
L
1
K11
K21
2
M
M
K
n1
K11
K21
0
W2
K12
K22
M
0
O
L
M
Wm
M
M
M
K1m
K2 m
L
K12
L
K1m
L
0
K22
K2 m
L
0
M
0
M
0
M
K n2
K nm
L
L
O
L
L
LA
K n1
W1 F1
K n2
W
F
2 2
M
M
K nm
W
F
m m
L
L
0
0
0
M
0
0
MODELO MATEMATICO
CHANCADORES(1)
MECANISMO DE
FRAGMENTACIN EN
UN CHANDOR
MODELO MATEMATICO
CHANCADORES(2)
MODELO MATEMATICO
CHANCADORES(3)
MODELO MATEMATICO
CHANCADORES(4)
Cij =
C*(i)-C*(i+1)
Ti -Ti+1
s i j
Cij = 0
C*(i) =k1
(k 2 -k1 )
(k 3+1)
(k 2 -k1 ) (k 2 -Ti )
C*(i) =T+
i
(k
+1)
(k
-k
)
3
2
1
C*(i) =Ti
s i= j
Ti k 1
k 1 Ti k 2
Ti k 2
k 3 1
MODELO MATEMATICO DE LA
MOLIENDA(1)
MODELO MATEMATICO DE
LA MOLIENDA(2)
BALANCE POBLACIONAL DE PARTCULAS MALLA i
fi
t+t
t
t
t
t
H= fi H - St
f i H
+ b i1S 1t f 1 H+
b i2S 2t f 2 H
+ .. .. + bi,i-1St
i
i-1 f
CANTIDAD DE SLIDOS
RETENIDOS
EN
LA
MALLA
i
AL
INSTANTE t
CANTIDAD DE SLIDOS
QUE
ABANDONA
LA
MALLA
i
POR
FRACTURA
(t)
i-1
F=
i 1- f j
j=1
Bij = 1- bij ,
j=1
fraccin acumulada de
fragmentos pasantes la
malla i, provenientes
de
la
fractura
de
partculas retenidas en la
malla j.
i
dFi(t)
=- BijS jfj t
dt
j=1
i
dFi(t)
=- BijS jfj t
dt
j=1
f P =TJT -1 f 0
0
exp(-si t)
Jij
si
si
i j
i j
si i j
si i j
1
0
Tij
i 1
bkj sk
k j
si s j
)Tij
si
i j
P
E=
CONSUMO ESPECFICO DE ENERGA
M
:
H
t=
TIEMPO DE RETENCIN DE LA CARGA EN EL MOLINO :
M
DEFINIENDO
: E
S j E= S j t
H
SEj = S j
P
SE OBTIENE PARA M y P CONSTANTE EL TIEMPO:
s j M
dFi dFi dt 1
=
= Bij(
)fj
dt dE
j=i
P
dE
dFi 1
= BijSEj fj
j=i
dE
MODELO SIMPLIFICADO
MOLIENDA BATCH
HERBST AND FUERSTENEAU, DEMOSTRARONSi = BijS j
:
SEi = BijSEj
REEMPLAZANDO EN EL MODELO GENERAL DE MOLIENDA BATCH:
1
1
dFi 1
= B S f S f Si fj (1-Fi ) S
i
dt j=i ij j j j=i i j
j=i
dFi
=(1-Fi ) SEi
dE
INTEGRANDO:
(1-FiD )= (1-FiA ) e
(-S t)
i
(1-FiD )=
(-SE E)
A
i
(1-Fi ) e
MODELO SIMPLIFICADO
MOLIENDA CONTINUA
A
(1-F
)
D
i
(1-Fi )=
Si N
(1
)
N
A
(1-F
)
D
i
(1-Fi )=
SEi E N
(1
)
N
DONDE:
=
N
H
Carga Mineral en Molino (t)
=
M Flujo Masico Alimentado (t/h)
L
Largo del Molino
=
D Dametro del Molino
PARAMETROS
MODELO DE MOLIENDA
SEi =
0 d1
i
di
1+
dc
(1)
PARAMETROS
MODELO DE MOLIENDA
(2)
PARAMETROS
MODELO DE MOLIENDA(3)
di
Bij 0
d j
di
(1-0 )
dj
PARAMETROS
MODELO DE MOLIENDA(4)
Modelacin en
Flotacin
Objetivos
Conocer y representar mediante ecuaciones
el fenmeno de flotacin
Simular el proceso
Temario
Evaluacin de parmetros
Modelacin continua
Conceptualizacin del
sistema de flotacin
Espuma
Aire
Partculas
libres
Partculas
unidas a
burbujas
Pulpa
Concentrado
Partculas
libres
Partculas
unidas a
burbujas
Alimentacin
Aire
Relave
Conceptualizacin del
sistema de flotacin
Dos fases
Una de pulpa
Otra de espuma
Enfoque cintico
Enfoque cintico
dC(t)
n
K C(t)
dt
dM(t)
K M(t)
dt
donde:
M(t) = masa residual del componente en un tiempo t=t
M0 = masa residual del componente para t=0
Integrando:
M(t)
M0
dM(t)
M(t)
K dt
0
F
(t) t
Resulta:
F(t)
M(t)
e - K t
M0
Primer problema:
Solucin:
m0
M0
donde:
m0 = masa residual flotable del componente en un tiempo t=0
M0 = masa residual del componente para t=0
t
[
m
i
n
]
lnf(t)
f(t)
10
t1
t2
t3
t4
10-1
K = 0,5
10-2
10-3
K = 1,0
masa recuperada
M 0 - M(t)
m 0 - m(t)
masa inicial
M0
M0
como:
M0
m0
R
se obtiene
R R 1 e k t
t
lnf(t)
Si bien los valores tienden a representar un comportamiento lineal, la curva no tiende a f(t) = 1 en t=0.
Solucin
f(t)
m(t)
e - K ( t - )
m0
Tercer problema
Para tiempos grandes, la pendiente vara hacindose cada vez menos negativa, especialmente para f(t) < 0,1.
Se define como especie a todas aquellas partculas que tienen la misma velocidad de flotacin
Este concepto agrupa la partcula misma como el medio ambiente, tanto qumico como hidrodinmico.
Este concepto est basado en la respuesta de la mena frente a la flotacin y no a las caractersticas de las partculas como individuos.
Por lo tanto, cada mena en particular se caracterizar por una distribucin inicial de especies que ir cambiando a medida de transcurra la flotacin
F
u
n
c
i
o
n
t
u
a
d
e
p
r
o
b
a
i
l
d
(
t(t)) p132..Fu
(nP
)c(ia
x
tX
0
x
R
.
d
x
1
.
b
b
)
(
x
)
d
.
a
d
s
c
r
e
t
a
d
p
r
o
b
a
i
l
d
1
.
(
x
)
0
.
2
1
.
x
3
P
X
(
x
)
p
Funciones de distribucin
p p+dp
p1
p2
p3
f(t)k
(fk,t)(
.t)kmmainxf(t)-
d
k
fr
eac(ku,tn)
iraedm
n
t
e
k
t
Funciones de distribucin
continua
f(0)
f(t1)
f(t2)
k + dk
f(t3)
f(t4)
t1
t2
t3
t4
fd
(f(t)t
)
k,t)f(t)-k(k,tf)(t)dkk,t)
km
am
xin
Funciones de distribucin
continua
t0f(
ft)
d
(t
)
,kf,(tt))
k
t
)k
-,t)(k,f0(0)k
de
t-k(kt,t0)
(k,0)
Funciones de distribucin
continua
Reordenando
y resolviendo para:
tenemos:
f(t)
(k,0)edk
km
am
xin-k
Funciones de distribucin
continua
k(k,,00)) k
(
k(k,,00)) k
kk
Funciones de distribucin
continua
Rectangular simple
Rectangular doble
Triangular
k(k,,00)) k
(
k(k,,00)) k
kk
Funciones de distribucin
continua
Triangular invertida simple
Gamma simple
Gamma doble
(k,0)k
Funciones de distribucin
continua
Ejemplo
Rectangular simple
qxkm
km
k
t
t
m
m
f(t)si
e
e
(q10qf()t)k
tekmk1
m
ttekt
Funciones de distribucin
continua
Solucin
m
m
F(t)k
k,t)
.t)F
-(
fjn1
reja(cku,t)n
iaF
jj(
re(m
nte
t
Funciones de distribucin
discreta
k2
k1
t1
t2
t3
(dt
t
F
)(k,t)
(F
,(-t)k
k
(
F
(k,t)F(
nj
j1
Funciones de distribucin
discreta
t0
d
(
,(k,t)t
k
)(
(F
F
-k(,t)F
t(
((k
k,0
,0)t)
e
F-(kt
(k,0)
Funciones de distribucin
discreta
Reordenando
y resolviendo para:
tenemos:
F
(t)
(k,0)e
nj
k
t
j
j1
Funciones de distribucin
discreta
F(t)k
t
Modelo de Garca-Ziga
Propone la existencia de dos especies
flotables, una que flota y otra que no flota
1-
F(t) 1 e k1t 2 e k 2 t
k=k
haciendo :
1
k=0
k1 0
t1
2 1-
k2 k
t2
t3
tenemos :
F(t) (1 - ) e kt
P
r
o
p
n
e
l
a
x
i
s
t
e
n
c
a
d
e
o
s
p
e
c
i
s
taie(bn)dosd:k,
fo1
u
q
l12
t
n
y
t
r
a
q
u
e
F(t)khfalcF
tk
t
12
2
f
m
s():kst
o
ttenF
ekft(1Modelo de Kelsall
kf
1-
ks
t1
t2
t3
F(t)k
t
Modelo de Jowett
kf
1-1-2
2
F(t) 1 e k1 t 2 e k 2 t 3 e k 3 t
ks
haciendo :
1 1
k=0
k1 0
2 2
t1
k2 ks
3 1 - 1 - 2
t2
t3
k3 kf
tenemos :
F(t) 1 2 e k s t (1 - 1 - 2 ) e k f t
R
(t)1-F(t)
Funciones de distribucin
discreta
Observaciones:
kt
Rtln1-R
Evaluacin de parmetros
Modelo de Garca-Ziga
Mtodo grfico
R R 1 e k t
R
ln 1
kt
R
t
s
f
F
(
t
)
(
1
e
kt
F
(t)p
l
n
F
(
t
)
e
t
t
artiem
posF
l(at)rgo
s:
(t)-
ektln1-
kf
ekt lnF
Evaluacin de parmetros
Modelo de Kelsall
Mtodo grfico
s s
ln[1-]
ks
kf
Ejemplo
Encuentre los parmetros de los modelos de flotacin de Garca
Ziga, Kelsall y Jowett para el fino, peso y ganga de los siguientes
datos:
Modelacin de la flotacin
continua
f(t)f(t)
(k,0et)
E
dk E
(t)
d
B
A
T
C
H
0
t
0
Modelacin de la flotacin
continua
Distribucin de tiempos de
residencia
Flujo pistn
Mezcla perfecta
1
(E
t(
))tE
E
()tee
Mezcla perfecta
E
(
)tE
()
(nN
e
1)!
N
1N
N
Mezcla perfecta
para N reactores conectados en serie:
ff((tt))
1fe(t)k11tNtE(t)d(N11)!ketdt
B
A
T
C
H
0
N
1
t
t0NN
Solucin: