Tecnologías predictivas en la extracción de minerales

En una industria minería, cada vez más compleja y demandante, la implementación de tecnologías predictivas resulta primordial para blindar las operaciones y garantizar los objetivos de producción. Actualmente, la minería requiere una gran cantidad de equipos para funcionar de manera eficiente. Cada vez es más complicado extraer materias primas de manera sencilla. Los minerales de fácil acceso en su mayoría ya no existen.

En la actualidad, las minas deben procesar minerales con más impurezas, debido a la caída en la calidad de los materiales explotados. Adicionalmente, el procesamiento de minerales enfrenta procesos intrínsecamente complicados ymayores cargas de recirculación de material.Las complejidades actuales de los procesos mineros, en conjunto con eventos inesperados, exigen tecnología avanzada y soluciones predictivas.

Se estima que el 75% de las plantas de procesamiento de minerales todavía utilizan estrategias básicas de optimización. El Control Predictivo Basado en Modelo (MPC) de Rockwell Automation, es una tecnología integral para optimizar el procesamiento de minerales.

Tecnologías de control para la predictibilidad

En la industria minera las tecnologías de optimización pueden mejorar el rendimiento, mejorar la calidad y reducir el uso de consumibles; sin embargo, la mayoría de las soluciones no brindan los resultados esperados. Para Manoel Morales, Ingeniero de Aplicaciones de Control Avanzado de Rockwell Automation, las tecnologías de control predictivo juegan un papel clave al ayudar a las empresas mineras a lograr múltiples objetivos de rendimiento y productividad, incluyendo reducción de costos y emisiones.

Al respeto, Manoel Morales comenta que la tecnología de modelo de control predictivo (MPC) Pavilion8® aporta una capa de inteligencia adicional sobre los modelos tradicionales. Se trata de modelos más precisos y de mayor fidelidad para procesos tanto lineales como no lineales simultáneamente. “Esta es la forma más inteligente de aumentar el rendimiento y la recuperación de minerales para operaciones de procesamiento sostenibles”, enfatiza.

Beneficios en el procesamiento de minerales y refinación de metales 

Este tipo de tecnología encuentra niveles operativos óptimos, próximos a los límites de especificación del sistema.A su vez, administra el proceso dentro de los márgenes de seguridad y restricciones del mercado.Por ejemplo, en el circuito de trituradoras, el mayor desafío es encontrar un equilibrio entre las trituradoras individuales y la eficiencia general del circuito. En estos circuitos, la implementación de estrategias de control predictivo representa muchos beneficios, como maximizar el rendimiento del circuito de trituradoras, estabilidad y eficiencia en el proceso, eficiencia de energía, menor desgaste de equipo, así como menos desconexiones en las operaciones. Entre otros ejemplos, están los circuitos de molienda y de flotación.

Mientras tanto, la implementación de estrategias del control productivo de modelos ofrece muchas ventajas para los procesos de refinación de metales, como estabilidad de la operación, optimización de la calidad, consistencia del producto, ahorro de energía y reducción de emisiones. Lo mismo sucede con el manejo de materiales al reducir su complejidad.

Con la predictibilidad, se obtienen beneficios como la maximización del flujo de materiales, la minimización de las desconexiones de los equipos,la extensión de la vida útil de los equipos, la disminución de las interrupciones durante los cambios de turno y el ahorro de energía.Adicionalmente,incrementa 10% el rendimiento; reduce 10% los costos de energía por tonelada; disminuye 50% la variabilidad de tamaño; aumenta 3% la recuperación de agua; y es el método y tecnología más inteligente para aumentar el rendimiento y la recuperación de minerales.

Retos a superar

Una primera limitación es la elección equivocada de las tecnologías. Existe una gran cantidad de estrategias avanzadas de control de procesos, como lógica difusa, sistemas expertos, y basados en matrices, entre otros. No obstante, su durabilidad es baja, ya que se centran en la estrategia operativa actual en vez de centrarse en el comportamiento del proceso. Debe existir un aprendizaje automático supervisado.

Manoel Morales especifica que el rendimiento y la producción de las minas pueden verse afectadas debido a la mala instrumentación, los propósitos conservadores y una visión nula de largo plazo. Para superar estos desafíos, dependiendo de la situación, “la estrategia común es usar sensores virtuales que pueden reemplazar ciertos instrumentos, emular analizadores virtuales continuos de propiedades medidas en el laboratorio o validación de instrumentos o analizadores en línea”.

También señala que, si la planta tiene objetivos demasiado conservadores, limitados o conflictivos, como aumentar el rendimiento o aumentar la calidad, es posible que el controlador tradicional no pueda lograr los resultados deseados.Rockwell Automation ha desarrollado una metodología de diseño para aplicaciones de modelos predictivos; la cual, de una manera simplificada, permite: Planificación y Diseño (comprensión del proceso, trabajo con usuarios, expectativas, análisis de beneficios); Desarrollo (verificación de datos históricos, análisis de datos, cálculos); Despliegue (probar y refinar la aplicación); y Cierre (observar y ajustar el comportamiento de la aplicación durante el período de aceptación, soporte al operador y verificación de beneficios iniciales).